实验29  房价与宏观经济关系研究

一、实验目的

通过实验，掌握我国房价与宏观经济两个经济变量之间的协整分析方法和因果分析方法，认识房价与宏观经济两者之间存在长期均衡关系和因果关系。

二、准备知识

2.1 房价与宏观经济的关系

20 世纪80 年代，罗默和卢卡斯的内生增长理论用包括人力资本投资、研究与开发费用等在内的投资新概念，替代了传统意义的投资概念，再次得出高投资率带来高经济增长率的结论。从上述西方经济理论的主要观点看，扩大投资对于促进GDP 增长能够发挥重要作用。这种作用在经济增长中，通过乘数———加速数机制来实现经济增长，投资支出是总需求的构成部分，通过乘数来增加生产，这又回过头来在加速数的作用下引发进一步的投资，如此反复循环，产生连锁反应。但由于投资能力受经济实力限制，在一定时期会导致投入与产出下跌，以类似方式产生反面效应。王勉等（2000年）实证分析得出，国民经济每增长一个百分点，房地产投资增长12.7 个百分点；国民经济下降一个百分点，房地产投资也下降12.7 个百分点。从国际上看，许多国家都是通过房地产投资拉动经济增长的，如日本、美国、新加坡、香港等，尽管在拉动过程中存在一定的泡沫，但是毕竟让经济走向了快速繁荣。无论从理论上还是实际上，都证明二者之间存在互动关系，房地产投资可以作为经济发展的指示器。但是如果房地产投资增长速度过快，与GDP 增长明显不协调，也会导致积累性经济扩张。因此，城镇房地产投资增长率是否高，要看与GDP 增长率是否协调。按照哈罗德－多马的经济增长模型理论，G=S/C（G—经济增长率，S—储蓄率，C—资本产量比率），根据C 不变，并按投资= 储蓄的基本原理，投资率和经济增长率二者应成正比关系，但并不应该同比例增长。GDP 的增长需要房地产投资的拉动，房地产投资增长率应该高于GDP 的增长率。按照经济增长理论，房地产业增长一方面靠技术进步，另一方面靠消费。消费需求是经济增长的持久拉动力，没有消费需求支持，投资增长与经济回升是不会持久的。在理想状态下，GDP 增长要快于居民可支配收入和消费的增长，而居民收入增长要快于价格总水平的增长。但是价格总水平的上升还是有一个度，一般在2％~3%以下，如果满足上述条件，而经济增长又能保持一定的速度（在欧美国家能达到4％~5%，在新兴工业化国家能达到7%以上）就是一个比较理想的经济增长。在图2.1和图2.2，反映了房价与宏观经济存在很强的关系。

2.2 模型介绍

1、协整回归模型

对两个相同阶数的单位整时间序列和,建立以下回归模型

$$y_{t}=b_{0}+b_{1} x_{t}+\varepsilon_{t}$$

并保存均衡误差$\varepsilon_{t}=y_{t}-b_{0}-b_{1} x_{t}$。

2、葛兰杰因果关系模型

以x为因，y为果的模型$$y_{t}=\sum_{i=1}^{q} \alpha_{i} x_{t-i}+\sum_{j=1}^{q} \beta_{j} y_{t-j}+\varepsilon_{1 t}$$

以y为因，x为果的模型$$x_{t}=\sum_{i=1}^{s} \lambda_{i} x_{t-i}+\sum_{j=1}^{s} \delta_{j} y_{t-j}+\varepsilon_{2 t}$$

2.3 数据的选取

房价与经济存在互动关系，即在一个良性循环里，经济的增加带来居民可支配收入的增加，拉动房地产的需求，进而提高房价；而房价的增加会促使房地产投资的增加，由于房地产占固定资产投资比重超过20%，如果再考虑上下游关联行业，其对经济的拉动作用将非常明显，如此反复。反过来，也存在一个相应的恶性循环。下面，我们用数据来对房价与经济的互动关系进行实证分析，选取的数据以年为单位，从1991年—2007年，共17个样本数据（表1），所有数据均来自国家统计局。实际房屋平均销售价格与实际GDP是根据国家统计局房屋平均销售价格和国内生产总值以1991年到2007年的物价指数进行修正而来。取对数是为了使得数据更平滑。

（GDP单位：亿元；房价单位：元/平方米）

三、实验内容

1 、房价与宏观经济的长期均衡关系

对房价与宏观经济两个时间序列进行单位根检验，并且对它们进行协整分析，通过实验检验房价与宏观经济存在长期均衡关系。

2、 房价与宏观经济的因果关系

运用Granger因果关系模型检验房价与宏观经济的因果关系。

四、实验软件环境

EViews5.0

五、实验过程

5.1 Eviews工作文件的建立

运行EViews5.0，选择File下拉菜单中的New项，在New项下拉菜单中选择Workfile项，弹出如图5.1所示Workfile Create菜单窗口，并做如下操作：

1. le structure type下拉菜单中选取第二项Dated-regular frequanc；
2. 在Date specification中Frequency下拉复选框中的选择Annual；
3. 在start和end中分别输入1991和2007；
4. 点击“OK”项，弹出如图5.2所示工作文件窗口，这样就建立了样本区间从1991年到2007年的以年为单位的整数频率工作文件。

在如图5.2所示界面中，点击File下拉菜单中的SaveAs将跳出工作文件的保存对话框，在“保存在”中选择你要保存的目录地址，并在“文件名”中输入要保存的文件名 “HPandGDP”，如图5.3所示，点击“保存”，在弹出的新对话框中选择“Double precision”，如图5.4所示，点击“OK”就可以得到工作文件“HPandGDP”，如图5.5所示

5.2 协整分析

1、 模型建立

对房价和经济总量(GDP)建立基本的模型如下：

LnHPt=C+αLnGDPt

（HP表示房价，GDP为国内生产总值）

2、单位根检验（ADF检验）

对LnHPt和LnGDPt进行Granger 单位根检验，具体操作如下（X表示LnGDPt，Y表示LnHPt）：在EViews的Workfile中，分别选定要检验的两个数据序列，单击“View” “Unit Root Test”选择不含有常数项和截距项，置滞后差分期数为零（图5.6），得结果如图（图5.7、图5.8）：

由于上图中ADF检验统计量分别为2.7721和1.5669，大于各种显著性水平下ADF检验临界值，因此，在此种情况下不能拒绝原假设，即X与Y数据序列有一个单位根，换句话说，它们是非平稳序列。这一点由两个序列的时序图得到验证（图5.9、5.10）：

我们分别对上述两个序列的一阶差分序列进行平稳性检验，同样不考虑截距项与常数项，选择“1st difference”，其结果如图5.11和图5.12：

类似上面的分析方法，我们发现在X序列的一阶差分序列在各显著水平下，均不平稳，而Y序列的一阶差分序列在95%的显著水平下平稳，而在99%的显著水平下不平稳，进一步对这两个时间序列的二阶差分序列进行平稳性检验，结果如图5.13和图5.14：

通过ADF值与各显著水平下的临界值比较，我们发现在95%的置信水平下，两个序列的二阶差分序列都是平稳序列。

3、协整检验

采用EG（Engle-Granger）两步法进行协整检验

第一步：首先对建立的回归模型进行最小二乘法估计，具体操作步骤如下：

在命令栏输入如下命令:

LS Y C X

估计结果如图5.15：

方程表达式如下：

lnHP=2.4287+0.4253ln(GDP)

(6.0331) (11.4183)

R2=0.8968 F=130.3766

方程显著。

第二步：检验该估计方程的残差的单整性，检验结果如图5.16：

该检验表明残差序列是平稳的，所以LnGDP与LnHP具有协整关系。从而证明二者存在长期均衡关系。

5.3 Granger 因果检验

对LnHPt和LnGDPt进行Granger 因果检验，具体操作如下：

在进入录有LnHPt和LnGDPt数据的Workfile窗口后，在主窗口单击“Quick”，出现选择画面，选择“Group Statistics” ”Granger Causality Test”后进入“Lag Specification”画面，选择适当的滞后长度，例如滞后长度为2，单击“OK”，出现如图5.17

从上式可以看出，当滞后期为2期时，Y是X的因，但X不是Y的因

在此窗口内单击“View”“Granger Causality…”后，修改滞后长度，分别等于3和4，再单击“OK” ，结果如图5.18:

当滞后期大于3期时，X与Y互为因果关系，即房价与宏观经济（以GDP表示）二者互为Granger原因(表5.1)。