摘 要：區(qū)域經(jīng)濟形勢與北京房價之間有著緊密的聯(lián)系。利用 2011年1月至2015年7月的北京市居民消費同比價格指數(shù)、北京市工業(yè)增加值同比增長率、北京市新建商品住宅銷售同比價格指數(shù)、7天期銀行間同業(yè)拆借利率的月度數(shù)據(jù)，應用結構向量自回歸模型估計區(qū)域經(jīng)濟因素對北京房價波動的動態(tài)影響。結果顯示，供給、需求與貨幣政策因素的正向變動均導致北京市房價上升。

關鍵詞：北京房價；區(qū)域經(jīng)濟； SVAR模型

中圖分類號：F127 文獻標志碼：A 文章編號：1673-291X（2016）01-0058-03

引言

隨著我國經(jīng)濟的快速發(fā)展，居民可支配收入不斷增加，對住房的剛性需求越發(fā)擴大，在以北京市為代表的一線城市中，市場投機氣氛濃厚使房價逐年攀升，泡沫顯現(xiàn)。價格的劇烈波動和泡沫的持續(xù)累積已經(jīng)成為我國經(jīng)濟面臨的一大風險，房地產(chǎn)市場的非理性繁榮已經(jīng)引起政府決策部門的高度重視。另外，房地產(chǎn)市場的波紋效應使促進一線城市房地產(chǎn)市場的穩(wěn)定成為全國房地產(chǎn)市場穩(wěn)定的關鍵。

北京市房地產(chǎn)業(yè)不斷發(fā)展，對地區(qū)經(jīng)濟發(fā)展目標的實現(xiàn)做出了積極貢獻。但區(qū)域的宏觀經(jīng)濟指標對房價有何影響，房價與區(qū)域經(jīng)濟發(fā)展水平是否相適應等問題還有待實證研究進行檢驗。本文基于SVAR模型，定量分析了影響北京市房地產(chǎn)價格波動的關鍵因素。

一、理論分析

宏觀經(jīng)濟變量對房地產(chǎn)價格的影響途徑：

第一，正向的供給變化使供給曲線向左上移動，均衡價格上升；增加建設成本，導致房價上漲。因此，房價對正向供給變化的響應函數(shù)是正向與負向的沖擊響應函數(shù)的疊加。

第二，如果宏觀經(jīng)濟中的總需求增加，則企業(yè)需要雇用更多的勞動力，勞動者的收入將增加，引起房地產(chǎn)需求的增加，致使房價上升；總需求增加導致通貨膨脹率的上升，實際購買力下降。因此，房價對正向需求變化的響應函數(shù)是正向與負向的響應函數(shù)的疊加。

第三，擴張性的貨幣政策將使利率下降，對購房起到鼓勵作用，使房地產(chǎn)需求上升，價格上漲。收縮性的貨幣政策如減少貨幣供給提高利率以降低通脹率，將提高購房成本，使房地產(chǎn)需求下降，導致價格下降。

二、實證檢驗

（一）模型構建

根據(jù)本文研究目的和以往的研究經(jīng)驗，選取了北京市居民消費同比價格指數(shù)（CPI）、北京市工業(yè)增加值同比增長率（IND）、北京市新建商品住宅銷售同比價格指數(shù)（HP）、7天期銀行間同業(yè)拆借利率（I）四個變量加入SVAR模型。

k個變量情形下p階結構向量自回歸模型SVAR（p）：

B0yt=Γ1yt-1+Γ2yt-2+…+Γpyt-p+ut， t=1，2，…T （1）

其中，yt是由k個變量構成的k×1向量，B0和Γi，i=1，2，…，p為k×k的系數(shù)矩陣，ui為k×1殘差向量。

可以把（1）式重寫成如下簡潔的滯后算子形式：

B（L）yt=ut （2）

其中：B（L）=B0-Γ1L-Γ2L2-…-ΓpLp是滯后算子L的k×k參數(shù)矩陣，信息向量ut為一個正交結構擾動項Et的線性表示，即ut=CEt，C為k×k系數(shù)矩陣，Et為k×1標準正交隨機擾動向量。

故本文四變量的SVAR矩陣可以設計如下：

（二）模型識別

在分析各內生變量的動態(tài)沖擊效應之前，要使得模型（3）可以識別，需要對矩陣C施加一些約束條件，約束條件的個數(shù)應不少于，才能恰好識別出所有參數(shù)。模型中包含4個變量，需要施加6個約束條件才能識別出結構沖擊：

在（3）式的第1行中，只有供給沖擊的變化會立刻影響價格指數(shù)，因為價格存在黏性，因此需求、貨幣與房地產(chǎn)價格影響價格總水平時存在滯后，即c12=0、c13=0、c14=0。在（3）式的第2行中，由于利率對產(chǎn)出的影響需要經(jīng)歷一個傳導過程，投資和消費要最終通過乘數(shù)效應對總需求產(chǎn)生影響，貨幣政策變動對產(chǎn)出的影響存在外部時滯，因此c23=0，此外，房價變化通過財富效應影響消費需求也需要一個傳導過程，即c24=0。在（3）式的第3行中設定c34=0，反映了貨幣政策實際上無法改變資產(chǎn)價格的長期利率環(huán)境。

（三）樣本選擇與數(shù)據(jù)處理

本文選用北京市2011年1月至2015年7月的月度數(shù)據(jù)。用居民消費價格指數(shù)反映供給沖擊；工業(yè)增加值同比增長率反映需求沖擊，選取工業(yè)增加值同比增長率（IND）作為GDP的替代變量；7天期銀行間同業(yè)拆借利率（%）加權平均利率反映貨幣政策沖擊，選取市場化程度高的7天期銀行間同業(yè)拆借利率作為代理變量。由于變量具有較強的季節(jié)性，故運用X-11季節(jié)調整法對所有數(shù)據(jù)進行季節(jié)性調整。最后，除7天期銀行間同業(yè)拆借利率外，對其余變量取自然對數(shù)，以消除各變量條件分布的異方差性。

（四）實證結果與分析

1.序列平穩(wěn)性檢驗

SVAR模型中，如果序列是非平穩(wěn)的，則其對沖擊的收斂程度會大大降低，從而影響實證結果的穩(wěn)定性，因此在估計SVAR模型前需要對變量進行平穩(wěn)性檢驗，本文采用ADF方法進行變量的平穩(wěn)性檢驗，最佳滯后期由SC信息準則確立，結果（如下表所示）。

由上表中結果可知，房價原序列平穩(wěn)，CPI、IND、I均為一階差分序列平穩(wěn)，不全部服從同價單整，所以變量之間不可能存在協(xié)整關系，不需要進行序列協(xié)整檢驗?？紤]到模型的穩(wěn)定性，對非平穩(wěn)變量取差分后建立SVAR模型。

2.模型穩(wěn)定性檢驗

根據(jù)SC和AIC等標準對最優(yōu)滯后階數(shù)進行檢驗，發(fā)現(xiàn)大部分的檢驗結果都選擇2階，可以確定SVAR模型的最優(yōu)滯后階數(shù)為2階。經(jīng)單位圓檢驗發(fā)現(xiàn)，SVAR（2）模型的特征多項式的所有根模的倒數(shù)小于1，位于單位圓內，因此模型滿足穩(wěn)定性所要求的條件，可以做進一步的分析。

3.脈沖響應函數(shù)分析

從上頁圖分析可知，正向的供給變動會導致房價上升，該沖擊的影響在半年后開始回落，在大約16個月后供給沖擊的影響基本消失，表明成本上升對北京房價有直接影響，且通貨膨脹促使人們購買房地產(chǎn)以保值的效果大于人們由于通貨膨脹實際收入下降而減少房地產(chǎn)需求的效果。正向的需求對房價有正向影響，在第8期達到響應峰值，而后緩慢下降，逐漸趨近于零，在第18期后影響變?yōu)樨撝怠Ｕ虻呢泿耪邲_擊對房價存在正向影響，但影響相對較小。三種沖擊均對房價有長期的影響，均可持續(xù)一年半之久。同時，從累計脈沖響應圖可以看出，三類沖擊均對北京房價造成正向影響，在到16期之后，累計響應趨于穩(wěn)定，房價穩(wěn)定在一個新的高度。

4.方差分解分析

方差分解可評價不同的結構沖擊的重要性。通過對房價進行方差分解可以看出，在前20期，利率的貢獻一直不明顯，供給和需求對房價的貢獻度在逐漸上升，略微出現(xiàn)局部波動，需求的貢獻要大于供給的貢獻。

結論與建議

本文應用 SVAR模型估計了區(qū)域經(jīng)濟變量對北京房價波動的動態(tài)影響。結果顯示，正向的供給、需求與貨幣政策變動將導致北京房價上升，說明北京房價與宏觀經(jīng)濟變量之間存在正向的反饋機制，將會導致北京市出現(xiàn)房價泡沫。要注意保持政策的執(zhí)行力和連續(xù)性，抑制正反饋交易心理滋生。

參考文獻：

[1] Amisano，G.and C.Giannini，Topics in Structural VAR Econometrics，New York，Springer，1997.

[2] 張成思.金融計量學——時間序列分析視角[M].北京：中國人民大學出版社，2012.

[3] Bharat.Barot.YangZan.Housing Prices and Housing Investment in Sweden and the United Kingdom-EconometricAnalysis for the Period

1970—1998[J].Review of Urban and Regional Development Studies，2002，（2）：189-216.

[4] Iacoviello.Matteo.RaoulMinetti.The Credit Channel ofMonetary Policy：Evidence from the HousingMarket [J].Journalof Macroeconomics，

2006，（1）：69-96.

[5] Demary.Markus.The Link between Output，Inflation，Monetary Policy and Housing Price Dynamics.MPRA Paper，2009.

[6] Iacoviell.Matteo.Stefano Neri.Housing Market Spillovers：Evidence from an Estimated DSGE Model.Boston CollegeWorking Papers in

Economics，2009.

[7] 趙昕東.中國房地產(chǎn)價格波動與宏觀經(jīng)濟——基于SVAR模型的研究[J].經(jīng)濟評論，2010，（1）：65-71.

[8] 胡乃武，仲武冠.論房地產(chǎn)業(yè)調整與區(qū)域經(jīng)濟發(fā)展相結合的必要性[J].經(jīng)濟與管理研究，2009，（1）：97-102.

[責任編輯 陳麗敏]