中国房价与宏观经济因素的关系估算与测算

本书上一节分别从需求和供给两个方面论证了房价与宏观经济因素之间的关系，但是并未给出这些因素与房价之间相互关系的具体大小。本节将在前一节的基础之上利用结构向量自回归模型（SVAR模型）估计两者之间的相互关系与大小。

为了估计几者之间的关系，本书搜集了中国1999年一季度至2018年四季度每季度的新建商品住宅销售价格、CPI、GDP、M2和隔夜SHIBOR（上海银行间同业拆放利率）。之所以采用隔夜SHIBOR而非央行制定的基准利率，是由于中国的利率调控仍未完全市场化，央行的基准利率对于市场的指导意义不大，而隔夜SHIBOR市场化程度较高，能够比较准确地反映市场上的真实利率水平。^[1]相关数据的统计描述情况见表5.5。

表5.5　1999年一季度至2018年四季度房价有关变量的描述性统计

注：CPI指数、实际GDP和房价均以1999年1月为基期进行了处理。
资料来源：中经网统计数据库。

对于中国的房地产与宏观经济因素的研究，本书采用了1999年一季度至2018年四季度的季度数据进行研究，选择这一时间段的原因在于：

（1）1998年中国取消了福利分房制度，房地产业正式进入市场经济时代，考虑到政策的滞后性，因此本书数据选取1999年一季度作为起始阶段。

（2）总体看来中国房价在1999年后经历了持续的几乎没有下跌的长期增长，将近20年间几乎没有经历涨跌循环周期，这一现象十分罕见，对于这一时期的房价研究有着重要的理论与现实意义。

图5.1到图5.5给出了这些变量从1999年一季度至2018年四季度的季度变化情况。从图5.1可以发现，中国的房价一直呈现上涨趋势，同时中国的房价有着明显的季节性变化特征。2018年四季度的总体房价水平已经是房地产市场化改革启动之初的4倍多。

图5.1　1999年一季度至2018年四季度中国住宅房价季度变化趋势

资料来源：中经网统计数据库。

图5.2为中国的CPI季度水平变化图，从图中可以看出，中国物价水平在20世纪最后几年到21世纪头几年一直在同一水平周围波动，从2004年开始向上发展，这一趋势维持至今，2018年的总体消费者物价水平已经比1999年高出50%。

图5.2　1999年一季度至2018年四季度中国物价水平季度变化趋势

资料来源：中经网统计数据库。

图5.3为中国银行间市场隔夜利率季度水平变化图，从图中可以看出，中国20年的利率水平基本上是水平波动，没有明显的向上或向下的趋势。

图5.3　1999年一季度至2018年四季度中国银行间市场隔夜利率季度变化趋势

资料来源：中经网统计数据库。

图5.4为中国货币发行总量（M2）的季度变化趋势，从图中可以看出中国的货币发行量一直呈现上升趋势，货币发行总量从1999年一季度的11万亿元增加到2018年四季度的189万亿元，增加了17.4倍之多。

图5.4　1999年一季度至2018年四季度中国货币发行总量季度变化趋势

资料来源：中经网统计数据库。

从图5.5可以发现，中国的GDP总量一直呈现快速增长的趋势，同房价一样，中国的GDP有着明显的季节性变化特征。2018年四季度的GDP总量已经是1999年的10倍之多。

图5.5　1999年一季度至2018年四季度中国GDP总量季度变化趋势

资料来源：中经网统计数据库。

从这些数据可以看出，中国的房价尽管呈现一直上涨的趋势，但是中国同期GDP的增长幅度远超过房价上涨幅度（即使考虑人口增长依然如此）。从中国整体的情况来看，通过简单的定量分析就可以得知房价的持续上涨有着一定的经济基础作为支撑，中国整体经济增长一直带来人民物质生活水平的提高，这其中也包括居住条件的改善。但是这种粗糙的分析并不能全景式地反映整体的宏观经济变量与房价之间的关系。接下来本书将借助于VAR对中国这些变量之间的关系进行进一步分析。

本书首先对各变量进行了ADF单位根检验，结果如表5.6所示，在5%的显著性水平下，不能拒绝CPI指数、真实GDP、M2和房价存在单位根的假设，但以上各变量的一阶差分都在1%的显著性水平下拒绝存在单位根的假定。

表5.6　房价有关变量的平稳性检验

表5.7　各变量的协整检验

注：***表示在1%置信度水平下拒绝原假设。(www.xing528.com)

在进行下一步检验之前，本书对上述变量进行了乔纳森协整检验。滞后区间选为1到5，对应着原序列的前5个滞后项。滞后区间的选择参考了AIC准则。乔纳森协整检验见表5.7。迹检验和特征值检验均说明只存在一个协整关系。

协整方程见式（5.1），括号内为各系数估计的标准差：

上式说明以上变量在长期内存在协整关系，环比CPI增速每上涨1%，房价就上升2.9505%；季度GDP环比增速每提高1%，房价就下降0.9998%；环比M2增速每提高1%，房价就上升0.237 1%；而利率每增加1%，房价就下降0.005 1%。

本书进一步对各变量进行了格兰杰因果检验。表5.8给出了格兰杰因果检验结果，根据相关统计量选择滞后阶数为5。从中可以看出，在5%的显著性水平下和滞后5期的情况下，环比CPI、市场利率和GDP增速都是房价上涨的原因。但反过来，环比房价增速却只是GDP增速的格兰杰原因。以上结论说明在中国短期内CPI、M2和市场利率都影响了房价的上涨，同时GDP增速是房价增速的内生原因，即GDP的变动导致了房价的变动，而房价的变动则进一步推动了GDP的变动。

表5.8　格兰杰因果检验

从图5.6可以看出所有变量的波动均未在第一个季度达到对房价的最大影响，但都在之后的第二到第三个季度达到最大，然后不断震荡，缓慢变小。从图5.7则可以看出，在累计影响当中，经济增长、流动性的正向冲击带来了长期的房价增速的正向波动，利率水平和物价水平环比增速的正向冲击则带来了房企长期的房价增速的负向波动。

值得注意的是，这些宏观经济变量对于房价增速影响的震荡变化都较为明显。对于这一现象，一个可能的解释是当经济进入上行周期时，

图5.6　房价环比增速对于一个标准差其他变量冲击的脉冲响应

图5.7　房价环比增速对于一个标准差其他变量冲击的累计脉冲响应

房价总会受到打压，而当经济疲弱时，房价又往往得到支撑。近20年是我国经济的较快发展阶段，同时也是房价的快速上涨阶段。在此期间，当经济加速时，各行业景气程度的提高和人们对未来预期的改善会在短期内急速推高房价，但高涨的房价往往引起社会的强烈不满，从而使政府出台相应的政策抑制房价；而当经济低迷时，由于房地产在国民经济中的支柱地位以及对上下游行业的巨大带动作用，因此政府往往会出台政策刺激房地产业发展，鼓励居民购房，从而带动实体经济的发展。政策的反复现象十分明显。同时，通货膨胀在短期内也负向冲击房价，长期内收敛于0左右。例如短期内，物价的上涨会引起加息预期，由于利率上调对房价的负向影响，因此房价会受到反向的冲击。从长期看来，通胀对于房价的影响最终收敛于0。

本书利用Chelosky方差进一步计算出方差分解结果。而中国20个季度内各变量对于房价变动影响的方差分解可以见表5.9。从表5.9可以发现，房价变动的最大因素还是过去房价变化本身，这一结果暗示了预期在中国房价中的重要作用，甚至在冲击发生过后的5年内，这一效应仍然高达63%。由于房价持续增长造成的看涨预期严重干扰了市场运行，这一趋势理应得到政府部门的重视。而流动性和经济增长对房价也有着较大的影响，相较而言，利率和物价水平对于房价波动的贡献最小。

表5.9　中国20个季度内各变量对于房价变动影响的方差分解

（续表）