徐錦，葉子青

（華中科技大學(xué)經(jīng)濟(jì)學(xué)院，武漢430074）

基于VAR模型的商品房?jī)r(jià)格影響因素分析

徐錦，葉子青

（華中科技大學(xué)經(jīng)濟(jì)學(xué)院，武漢430074）

文章以武漢市武昌區(qū)2005—2015年數(shù)據(jù)為樣本，采用多元線性回歸的方法，對(duì)影響商品房?jī)r(jià)格的三大因素進(jìn)行基本分析。并進(jìn)一步建立商品房?jī)r(jià)格影響因素的向量自回歸模型（VAR），利用方差分解和脈沖響應(yīng)函數(shù)分析各個(gè)因素對(duì)商品房?jī)r(jià)格的動(dòng)態(tài)影響。結(jié)果表明，商品房?jī)r(jià)格主要受到GDP和大宗商品價(jià)格指數(shù)共同影響；對(duì)商品房?jī)r(jià)格影響強(qiáng)度最大的是GDP，其次是大宗商品價(jià)格指數(shù)，居民人均可支配年收入對(duì)商品房?jī)r(jià)格影響不大。

商品房?jī)r(jià)格；多元線性回歸；自回歸模型（VAR）；方差分解；脈沖響應(yīng)函數(shù)

0 引言

研究房地產(chǎn)價(jià)格影響因素以及這些因素的影響機(jī)制成為一個(gè)熱門(mén)的課題。眾多學(xué)者對(duì)于房地產(chǎn)價(jià)格影響因素進(jìn)行了廣泛研究。其中有基于面板數(shù)據(jù)進(jìn)行的實(shí)證研究[1,2]，也有基于回歸方法的研究[3,4]。VAR模型也被部分學(xué)者運(yùn)用到房地產(chǎn)價(jià)格的動(dòng)態(tài)影響之中，比如文獻(xiàn)[5-7]基于VAR模型分析眾多宏觀因素對(duì)房地產(chǎn)價(jià)格的沖擊影響。借鑒外國(guó)學(xué)者Demary（2009）[8]運(yùn)用結(jié)構(gòu)向量自回歸（SVAR）模型的研究方法，趙昕東（2010）[9]基于SVAR模型，李穎，胡日東（2011）[10]基于PVAR模型對(duì)我國(guó)房地產(chǎn)價(jià)格和宏觀經(jīng)濟(jì)波動(dòng)之間的關(guān)系進(jìn)行了實(shí)證分析。

大部分采用VAR模型的文獻(xiàn)中，在進(jìn)行宏觀經(jīng)濟(jì)因素的選取時(shí)，沒(méi)有對(duì)這些因素對(duì)房地產(chǎn)價(jià)格影響的顯著性進(jìn)行初步的探究。本文為了對(duì)武漢市商品房?jī)r(jià)格現(xiàn)狀進(jìn)行分析，首先通過(guò)多元回歸分析的方法對(duì)商品房?jī)r(jià)格、人均可支配年收入、GDP和大宗商品價(jià)格指數(shù)（CCPI）等數(shù)據(jù)數(shù)進(jìn)行分析，挖掘他們之間的相關(guān)關(guān)系，同時(shí)分析了這些因素對(duì)商品房?jī)r(jià)格影響的顯著性。然后通過(guò)建立VAR模型研究這些因素對(duì)商品房?jī)r(jià)格的影響，以及這些因素的影響機(jī)制。為了更好地考察這些因素以及各商品房?jī)r(jià)格之間的動(dòng)態(tài)關(guān)系，利用方差分解和脈沖響應(yīng)函數(shù)，分析這些因素變化對(duì)商品房?jī)r(jià)格的沖擊力度。最后估計(jì)VAR模型的參數(shù)得到房?jī)r(jià)預(yù)測(cè)模型，對(duì)商品房?jī)r(jià)格趨勢(shì)進(jìn)行預(yù)測(cè)。

1 多元線性回歸模型的構(gòu)建與檢驗(yàn)

1.1 變量選取與數(shù)據(jù)說(shuō)明

對(duì)于消費(fèi)者而言，購(gòu)買商品房是一種消費(fèi)行為，消費(fèi)者因此獲得效用，此時(shí)商品房?jī)r(jià)格受到消費(fèi)者的消費(fèi)需求能力影響。消費(fèi)者需求能力由個(gè)人的經(jīng)濟(jì)狀況指標(biāo)來(lái)決定。中國(guó)經(jīng)濟(jì)持續(xù)增長(zhǎng)，對(duì)商品房?jī)r(jià)格也有一定影響，地區(qū)經(jīng)濟(jì)增長(zhǎng)可以導(dǎo)致房地產(chǎn)市場(chǎng)需求增長(zhǎng)，地區(qū)經(jīng)濟(jì)的增長(zhǎng)情況可由地區(qū)經(jīng)濟(jì)狀況指標(biāo)來(lái)體現(xiàn)。作為具有商品屬性的房地產(chǎn)，其價(jià)格也受到所在市場(chǎng)環(huán)境波動(dòng)的影響，而大宗商品市場(chǎng)波動(dòng)指標(biāo)反映中國(guó)大宗商品現(xiàn)貨市場(chǎng)走勢(shì)。因此，本文從個(gè)人經(jīng)濟(jì)狀況、地區(qū)總體經(jīng)濟(jì)狀況、大宗商品市場(chǎng)波動(dòng)三個(gè)方面對(duì)商品房?jī)r(jià)格的影響因素進(jìn)行分析。

（1）個(gè)人經(jīng)濟(jì)狀況指標(biāo)。采用人均可支配年收入作為代理變量，人均可支配年收入是指居民可用于最終消費(fèi)支出和儲(chǔ)蓄的總和，即居民可用于自由支配的收入。

（2）地區(qū)總體經(jīng)濟(jì)狀況指標(biāo)。采用GDP作為代理變量，GDP是指一個(gè)國(guó)家（國(guó)界范圍內(nèi)）所有常駐單位在一定時(shí)期內(nèi)生產(chǎn)的所有最終產(chǎn)品和勞務(wù)的市場(chǎng)價(jià)值。

（3）大宗商品市場(chǎng)波動(dòng)指標(biāo)。采用大宗商品價(jià)格指數(shù)（CCPI）作為代理變量，具有中國(guó)商品市場(chǎng)的“晴雨表”之稱，它是依托“中國(guó)流通產(chǎn)業(yè)網(wǎng)”大宗商品現(xiàn)貨價(jià)格周度數(shù)據(jù)庫(kù)。

本文數(shù)據(jù)來(lái)源于武漢統(tǒng)計(jì)信息網(wǎng)。為了表述方便，在做回歸分析時(shí)定義相關(guān)符號(hào)：P表示商品房?jī)r(jià)格（PRICE）、I表示人均可支配年收入（INCOME）、G表示GDP，C表示大宗商品價(jià)格指數(shù)（CCPI）。

1.2 變量間相關(guān)性分析

在進(jìn)行回歸分析之前，首先對(duì)各個(gè)自變量I，G，C與商品房?jī)r(jià)格P分別進(jìn)行相關(guān)性分析，初步判定各變量與商品房?jī)r(jià)格之間的相關(guān)程度，本文采取Pearson簡(jiǎn)單相關(guān)系數(shù)法進(jìn)行分析。利用SPSS統(tǒng)計(jì)軟件進(jìn)行相關(guān)分析的結(jié)果如表1所示。

表1 Pearson相關(guān)分析結(jié)果

從表1來(lái)看，P2＜0.001，P3＜0.001，P4=0.023，P值均小于0.05，所以商品房?jī)r(jià)格與人均可支配年收入I、GDP、大宗商品價(jià)格指數(shù)C相關(guān)性顯著?？梢猿醪脚卸ㄟ@三個(gè)因素與商品房?jī)r(jià)格關(guān)系比較密切。在此基礎(chǔ)之上作散點(diǎn)圖如圖1所示。

圖1 三大因素與商品房?jī)r(jià)格之間關(guān)系散點(diǎn)圖

從圖1來(lái)看，三個(gè)因素均與商品房?jī)r(jià)格呈較好的線性關(guān)系，于是進(jìn)一步建立多元線性模型對(duì)商品房?jī)r(jià)格進(jìn)行研究分析。

1.3 多元線性回歸模型

為了進(jìn)一步挖掘商品房?jī)r(jià)格與人均可支配年收入I、GDP、大宗商品價(jià)格指數(shù)C之間的函數(shù)關(guān)系，建立多元線性回歸模型如下：

其中，βi(i=0，1，2，3)為回歸系數(shù)，ε為隨機(jī)誤差項(xiàng)。

運(yùn)用eviews8.0軟件進(jìn)行線性回歸，得到結(jié)果如表2所示。

表2 模型參數(shù)估計(jì)結(jié)果

由表2可知，各參數(shù)的P值均大于0.05，也就是說(shuō)這些參數(shù)都顯著為零，均不能通過(guò)顯著性檢驗(yàn)，結(jié)果不可靠，但是調(diào)整的R2=0.953說(shuō)明模型能解釋商品房?jī)r(jià)的95.3%。綜合分析可初步得出結(jié)論：該模型可能存在多重共線性。于是對(duì)模型進(jìn)行多重共線性檢驗(yàn)。

1.3 .1多重共線性檢驗(yàn)

由表3可以看出，各解釋變量相互之間的相關(guān)系數(shù)較高，特別是GDP和人均年支配收入INCOME之間相關(guān)系數(shù)高達(dá)0.995，證實(shí)解釋變量之間存在多重共線性。

表3 相關(guān)系數(shù)矩陣

1.3 .2多重共線性模型的修正

關(guān)于多重共線性的修正方法一般有變量變換法、先驗(yàn)信息法、逐步回歸法等，本文采用向前逐步回歸的具體做法，來(lái)減少共線性的嚴(yán)重程度。逐步回歸的結(jié)果如表4所示。

表4 逐步回歸參數(shù)估計(jì)結(jié)果

從表4可知，PRICE與GDP、CCPI的調(diào)整的擬合優(yōu)度調(diào)整的R2高達(dá)0.963，同時(shí)，回歸參數(shù)均通顯著性過(guò)檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量對(duì)應(yīng)的P值小于0.01，模型整體顯著性通過(guò)，該模型具有很好的實(shí)際經(jīng)濟(jì)意義。

1.3 .3變量?jī)?nèi)生性檢驗(yàn)

一個(gè)變量往往受到許多變量的影響，在實(shí)際建模過(guò)程中無(wú)法將解釋變量全部列出。在這樣的情況下，遺漏的變量的影響就被納入了誤差項(xiàng)中，在該遺漏變量與其他解釋變量相關(guān)的情況下，就引起了內(nèi)生性問(wèn)題，即E(x′ε)≠0。在這里對(duì)人均可支配年收入I進(jìn)行內(nèi)生性檢驗(yàn)，看它的影響是否被包含在了隨機(jī)擾動(dòng)項(xiàng)中。

首先通過(guò)最小二乘法用GDP、CCPI、INCOME與商品房?jī)r(jià)格PRICE進(jìn)行回歸，得到殘差項(xiàng)RESID_1，然后再把殘差項(xiàng)加入到回歸模型中進(jìn)行內(nèi)生性檢驗(yàn)，檢驗(yàn)結(jié)果如表5所示。

表5 內(nèi)生性檢驗(yàn)結(jié)果

從表5結(jié)果可以看出，殘差項(xiàng)的T檢驗(yàn)的P值大于0.05，接受原假設(shè)，說(shuō)明殘差項(xiàng)系數(shù)顯著為零。結(jié)果表明：人均可支配年收入I與殘差項(xiàng)無(wú)關(guān)，INCOME不是內(nèi)生變量。認(rèn)為武昌區(qū)住房?jī)r(jià)格與受到人均可支配年收入的影響不顯著。基于上述分析，最終得到多元線性回歸模型為：

進(jìn)入多元線性回歸模型的只有GDP和大宗商品價(jià)格指數(shù)（CCPI），人均年收入INCOME之所以沒(méi)有進(jìn)入模型是因?yàn)樗cGDP有著高度的相關(guān)性，這與經(jīng)濟(jì)現(xiàn)實(shí)完全一致。僅從回歸角度來(lái)看，可以認(rèn)為武昌區(qū)商品房?jī)r(jià)格不受人均年收入INCOME的影響。

最終得到的模型擬合優(yōu)度高達(dá)0.963，能很好地解釋武昌區(qū)房?jī)r(jià)的變化趨勢(shì)。GDP變動(dòng)一個(gè)單位時(shí)武昌區(qū)房?jī)r(jià)平均變動(dòng)10.153個(gè)單位，大宗商品價(jià)格指數(shù)（CCPI）變動(dòng)一個(gè)單位時(shí)，武昌區(qū)商品房?jī)r(jià)格平均變動(dòng)22.252個(gè)單位。為了進(jìn)一步研究武昌區(qū)各個(gè)因素對(duì)商品房?jī)r(jià)格的動(dòng)態(tài)影響，建立VAR模型進(jìn)行分析。

2 VAR模型的構(gòu)建與檢驗(yàn)

向量自回歸（VAR）模型采用多方程聯(lián)立的形式，在模型的每一個(gè)方程中，內(nèi)生變量對(duì)模型的全部?jī)?nèi)生變量的滯后值進(jìn)行回歸，從而估計(jì)全部?jī)?nèi)生變量的動(dòng)態(tài)關(guān)系，而不帶任何約束條件。VAR模型對(duì)于相互聯(lián)系的時(shí)間序列變量系統(tǒng)是有效的預(yù)測(cè)模型，同時(shí)，向量自回歸模型也被頻繁地用于分析不同類型的隨機(jī)誤差項(xiàng)對(duì)系統(tǒng)變量的動(dòng)態(tài)影響。因此本文運(yùn)用VAR模型來(lái)研究各個(gè)因素對(duì)商品房?jī)r(jià)格的動(dòng)態(tài)影響。

脈沖響應(yīng)函數(shù)是描述一個(gè)內(nèi)生變量對(duì)誤差沖擊的反應(yīng)，即在隨機(jī)誤差項(xiàng)上施加一個(gè)標(biāo)準(zhǔn)差大小的沖擊后對(duì)內(nèi)生變量的當(dāng)期值和未來(lái)值所帶來(lái)的影響。由于在VAR模型中，所有的變量之間都有一定的相關(guān)性。因此，其中任何一個(gè)變量的沖擊不僅會(huì)影響自身的變化，還會(huì)影響其他變量的變化。

為減小異方差的影響，首先對(duì)所有變量分別取自然對(duì)數(shù)，得到ln(p)、ln(I)、ln(G)、ln(C)的一個(gè)新的時(shí)間序列數(shù)據(jù)。建立滯后k期的VAR模型如下：

其中，c為常數(shù)項(xiàng)，Πi為1×4的系數(shù)矩陣，μt為隨機(jī)擾動(dòng)項(xiàng)。

2.1 變量平穩(wěn)性經(jīng)驗(yàn)

VAR模型建立在變量平穩(wěn)或存在協(xié)整關(guān)系的基礎(chǔ)上，否則會(huì)出現(xiàn)偽回歸現(xiàn)象，因此需先用單位根檢驗(yàn)法對(duì)變量進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果如表6所示。

表6 變量平穩(wěn)性檢驗(yàn)結(jié)果

從表6來(lái)看，變量ln(p)、ln(I)、ln(C)在5%的臨界值下P值都大于0.05，于是接受原假設(shè)，認(rèn)為ln(p)、ln(I)、ln(C)是非平穩(wěn)的。對(duì)ln(p)、ln(I)、ln(G)、ln(C)作一階差分后，在5%的臨界值下P值都小于0.05，拒絕原假設(shè)，說(shuō)明一階差分后所有變量都是平穩(wěn)序列。符合VAR模型的進(jìn)入該系統(tǒng)的變量都是平穩(wěn)的時(shí)間序列的要求。

2.2 確定最優(yōu)滯后階數(shù)p

滯后階數(shù)p的確定在VAR(p)模型中很重要，一方面要使滯后階數(shù)足夠大，以便完整地反應(yīng)出模型的動(dòng)態(tài)特征；但另一方面隨著滯后期的增大，待估計(jì)參數(shù)數(shù)量增多，模型的自由度減少。在計(jì)量經(jīng)濟(jì)學(xué)中常用AIC和SC準(zhǔn)則來(lái)進(jìn)行確定，一般根據(jù)AIC和SC取值最小準(zhǔn)則來(lái)確定階數(shù)，如果AIC和SC并不是同時(shí)取值最小,則可采用LR檢驗(yàn)進(jìn)行取舍。

利用eviews 8.0軟件進(jìn)行滯后性檢驗(yàn)結(jié)果如表7所示。

表7 滯后性檢驗(yàn)

從表7可知，當(dāng)滯后階數(shù)為2時(shí)AIC和SC都達(dá)到最小值，所以確定滯后階數(shù)p為2階，可建立VAR(2)模型。

2.3 VAR模型的確定

根據(jù)AIC和SC準(zhǔn)則，確定滯后階數(shù)p=2，于是建立VAR(2)模型如下：

2.4 VAR模型穩(wěn)定性檢驗(yàn)

對(duì)于VAR模型而言，穩(wěn)定性是指把一個(gè)脈沖沖擊施加在VAR模型中某一個(gè)方程的過(guò)程上，隨著時(shí)間的推移，分析這個(gè)沖擊是否消失。如果消失說(shuō)明系統(tǒng)是穩(wěn)定的，否則系統(tǒng)不穩(wěn)定。為進(jìn)一步檢驗(yàn)VAR模型的穩(wěn)定性，采用單位根檢驗(yàn)法如下：

特征方程的根都小于1，則說(shuō)明該VAR模型是穩(wěn)定的。用eviews 8.0軟件作單根圖如圖2所示。

圖2 VAR模型單根檢驗(yàn)圖

由圖2可知，所有特征根都落在單位以內(nèi)，說(shuō)明所建立的VAR模型是穩(wěn)定的，可以繼續(xù)進(jìn)行方差分解和脈沖響應(yīng)分析。

2.5方差分解

進(jìn)一步分析每個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量變化的貢獻(xiàn)度，因此采用方差分解方法。用eviews 8.0進(jìn)行操作得到ln(price)方差分解結(jié)構(gòu)圖形如圖3所示。

圖3 方差分解ln(price)結(jié)構(gòu)圖

從圖3來(lái)看，對(duì)武昌區(qū)商品房?jī)r(jià)格影響最大的是GDP，隨著GDP的增加，商品房?jī)r(jià)格也隨之增加。人均可支配年收入INCOME對(duì)商品房?jī)r(jià)格影響很小，完全符合上文多元線性回歸分析得到的結(jié)果，進(jìn)一步說(shuō)明了INCOME與GDP存在共線性，他們對(duì)商品房?jī)r(jià)格的影響可以完全由GDP來(lái)體現(xiàn)。

2.6 脈沖響應(yīng)函數(shù)分析

根據(jù)脈沖響應(yīng)函數(shù)理論，結(jié)合eveiws 8.0進(jìn)行操作得到脈沖響應(yīng)曲線圖如圖4所示。

圖4 三大因素對(duì)商品房?jī)r(jià)格的影響脈沖曲線圖

通過(guò)圖4可以得出以下結(jié)論：

（1）當(dāng)給居民人均可支配年收入INCOME一個(gè)正的沖擊時(shí)，商品房?jī)r(jià)格滯后兩期，第3期房?jī)r(jià)降到最低點(diǎn)，隨后商品房?jī)r(jià)格小幅度波動(dòng)，第9期后趨于平穩(wěn)。實(shí)際生活中，居民人均可支配年收入增加時(shí)，當(dāng)增加的幅度不夠大時(shí)，居民生活水平不夠高，他們還不會(huì)考慮買房，商品房需求量減少，導(dǎo)致房?jī)r(jià)下降。

（2）當(dāng)給GDP一個(gè)正的沖擊時(shí)，住房?jī)r(jià)格滯后兩期，在第3期達(dá)到最大，回落之后開(kāi)始有小幅度的波動(dòng)，之后趨于平穩(wěn)?，F(xiàn)實(shí)生活中，GDP增加，地區(qū)總體經(jīng)濟(jì)狀況更好，周轉(zhuǎn)資金充裕，消費(fèi)者更愿意投資住房，商品房的需求量增加，推動(dòng)了房?jī)r(jià)上漲。

（3）當(dāng)給大宗商品價(jià)格指數(shù)CCPI一個(gè)正的沖擊時(shí)，住房?jī)r(jià)格滯后兩期，到第3期下降到最小值，之后有小幅度波動(dòng)，最終趨于平穩(wěn)?，F(xiàn)實(shí)生活中，大宗商品價(jià)格指數(shù)上漲，使得人們的生活成本增加，貨幣購(gòu)買力減小，人們對(duì)住房的需求量減少，商品房?jī)r(jià)格下降，但是由于政府對(duì)價(jià)格指數(shù)的調(diào)控，最終房?jī)r(jià)才有逐漸穩(wěn)定的趨勢(shì)。

2.7 商品房?jī)r(jià)格預(yù)測(cè)

經(jīng)過(guò)上述的檢驗(yàn)和分析，用eveiws 8.0進(jìn)行自回歸分析，最終得到商品房?jī)r(jià)格的預(yù)測(cè)模型VAR(2)如下：

VAR(2)模型可以充分體現(xiàn)居民人均可支配年收入、GDP、大宗商品價(jià)格指數(shù)的變動(dòng)對(duì)商品房?jī)r(jià)格的影響。例如：當(dāng)對(duì)數(shù)GDP在0期和1期增加一個(gè)單位，則導(dǎo)致對(duì)數(shù)商品房?jī)r(jià)格分別在第2期增加0.032和0.262個(gè)單位，可見(jiàn)GDP對(duì)商品房?jī)r(jià)格有滯后兩期的影響，這與脈沖曲線的分析結(jié)果是一致的。同時(shí)，考察模型擬合效果圖如圖5所示。

圖5 擬合效果圖

其中實(shí)線PRICE為價(jià)格的原始值，虛色線PRICE為價(jià)格的預(yù)測(cè)值。從圖5看，預(yù)測(cè)誤差很小，說(shuō)明本文建立的VAR(2)模型預(yù)測(cè)效果較好。預(yù)測(cè)曲線顯示武昌區(qū)未來(lái)房?jī)r(jià)仍呈現(xiàn)上漲的趨勢(shì)。

3 結(jié)論

均可支配收入對(duì)房地產(chǎn)價(jià)格影響不大。

從VAR模型來(lái)看：對(duì)武昌區(qū)商品房?jī)r(jià)格影響最大的是GDP，GDP對(duì)商品房?jī)r(jià)格存在正向的持續(xù)拉升作用，即隨著GDP的增加，商品房?jī)r(jià)格也隨之增加。而大宗商品價(jià)格指數(shù)對(duì)商品房?jī)r(jià)格存在反向的持續(xù)抑制作用，即隨著大宗商品價(jià)格指數(shù)的增加，商品房?jī)r(jià)格會(huì)出現(xiàn)下降的趨勢(shì)。相對(duì)而言，居民人均可支配年收入對(duì)商品房的價(jià)格影響不顯著?？赡艿脑蚴牵用袢司芍淠晔杖朐谥械偷人綍r(shí)對(duì)商品房?jī)r(jià)格影響不大，當(dāng)居民人均可支配年收入增加幅度不大時(shí)，沒(méi)有多余的資金去投資房產(chǎn)，商品房需求量減少，甚至可能會(huì)導(dǎo)致房?jī)r(jià)下降。

綜上所述，居民人均可支配收入對(duì)商品房?jī)r(jià)格影響不顯著，GDP對(duì)其有正向拉升作用，而大宗商品價(jià)格指數(shù)對(duì)其有反向抑制作用。因此，政府在進(jìn)行房地產(chǎn)市場(chǎng)調(diào)控時(shí)，應(yīng)綜合考慮影響房?jī)r(jià)的因素，在保證GDP增長(zhǎng)的同時(shí)，可考慮控制大宗商品價(jià)格指數(shù)，采取穩(wěn)定積極的宏觀調(diào)控政策，減緩房?jī)r(jià)的過(guò)快增長(zhǎng)。

[1]成秋明,高云峰.銀行信貸與房地產(chǎn)價(jià)格的關(guān)系——中國(guó)省級(jí)面板數(shù)據(jù)的實(shí)證分析[J].投資研究,2011,(8).

[2]郭策,肖逸.基于省級(jí)面板數(shù)據(jù)的房地產(chǎn)價(jià)格影響因素分析[J].統(tǒng)計(jì)與決策,2013,(16).

[3]張瑩.基于分位回歸的房地產(chǎn)價(jià)格影響因素研究[J].統(tǒng)計(jì)與決策, 2014,(6).

[4]劉紅勇,胡健,王鵬等.基于嶺回歸法的四川省房地產(chǎn)價(jià)格影響因素研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2014,(12).

[5]王來(lái)福,郭峰.貨幣政策對(duì)房地產(chǎn)價(jià)格的動(dòng)態(tài)影響研究——基于VAR模型的實(shí)證[J].財(cái)經(jīng)問(wèn)題研究,2007,(11).

[6]吳學(xué)品,林明恒.海南房地產(chǎn)價(jià)格影響因素的實(shí)證研究——基于VAR模型的分析[J].海南金融,2011,(12).

[7]羅孝玲,洪波,馬世昌.基于VAR模型的房地產(chǎn)價(jià)格影響因素研究[J].中南大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2012,18(4).

[8]Demary M.The Link Between Output,Inflation,Monetary Policy and Housing Price Dynamics.University Library of Munich,Germany in Its Series Mpra Paper With Number 15978.

[9]趙昕東.中國(guó)房地產(chǎn)價(jià)格波動(dòng)與宏觀經(jīng)濟(jì)——基于SVAR模型的研究[J].經(jīng)濟(jì)評(píng)論,2010,(1).

[10]李穎,胡日東.中國(guó)房地產(chǎn)價(jià)格與宏觀經(jīng)濟(jì)波動(dòng)——基于PVAR模型的研究[J].宏觀經(jīng)濟(jì)研究,2011,(2).

[11]熊艷.我國(guó)房地產(chǎn)價(jià)格影響因素研究[J].金融經(jīng)濟(jì),2009,(1).

（責(zé)任編輯/劉柳青）

F293.3

A

1002-6487（2017）11-0093-04

徐錦（1982—），女，湖北黃石人，博士，講師，研究方向：應(yīng)用微觀經(jīng)濟(jì)學(xué)、行為經(jīng)濟(jì)學(xué)。葉子青（1992—），女，湖北咸寧人，碩士研究生，研究方向：區(qū)域經(jīng)濟(jì)學(xué)、地產(chǎn)經(jīng)濟(jì)學(xué)。