2000―2015年房地产投资与经济增长实证研究

《2000―2015年房地产投资与经济增长实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2000—2015年房地产投资与经济增长实证研究摘要：房地产投资与区域经济增长的相互关系因房地产市场的火爆饱受关注。文章根据江苏省13个地级市2000-2015年房地产投资、非房地产投资、区域人口与经济增长(GDP)的面板数据，通过单位根检验和协整检验证实江苏省13个地级市区域内房地产投资、非房地产投资、劳动力和经济增长存在长期的均衡关系，然后对面板模型的选择和回归估计，得到了江苏省范围内13个地级市经济增长的房地产投资系数，结果显示江苏省内苏州市对房地产投资依赖最大，房地产投资对镇江市影响最小，接近于0，房地产投资对

2、徐州市的影响是负面的。关键词：房地产投资；经济增长；江苏省；面板数据中图分类号：F121文献标识码：A文章编号：1008-4428(2016)12-107-04一、引言2015年江苏省实现地方生产总值70116.4亿元，在国内外经济不景气的背景下仍强势增长8.5%。房地产市场四小龙：南京、苏州、合肥、厦门中江苏省占了两个，那么房地产投资对江苏省的经济增长到底起到什么作用？本文将利用柯布道格拉斯生产函数的对数分别对江苏省各市和13市的面板数据进行平稳检验、协整检验和面板数据的回归估计，探寻二者的关系。二、方法选取经济现象

3、越来越复杂，只用时间序列数据来对经济现象进行研宄偏差较大。面板数据能够控制个体的异质性，克服时间序列的多重共线性等问题，较好地确定和估计经济关系，使模型设定更合理，样本估计更准确。（一）面板数据简介N个横截面成员方程组成静态面板数据模型其中yit是方程的因变量，xlif”xkit是K个解释面成员的样本观测的时期数，参数Cli代表截距项，爲li，…Pki代表对应于K个解释变量的系数；在这里我们假设方程中的随机误差项ult相互独立，且方程均满足均值为零、方差同为o2d。变量，N是方程的横截面的个体成员数，T代表横rfcU当

4、考虑解释变量与被解释变量的滞后项，动态面板模型为：Sli…SPi表示对应p个变量之后被解释变量的系数。G表示外生变量。由于对截距项和解释变量的系数的限制不同，将静态面板数据模型分成三种：混合回归模型、变截距模型和变系数模型。1.混合回归模型一般形式：该模型假设，方程中截距项a和解释变量的系数3it-3kt对所有的截面个体成员都是不变的，即个体成员既不受个体影响，也没有结构变化。于是：ai=aj，Pi=0j。我们可以用最小二乘法对模型直接进行估计。2.变截距模型这个模型假定，方程中截面个体成员截距项ai不同，解释变量系数

5、Pli，…自ki不变，即个体成员会受到个体影响但没有结构变化，即ai笑aj，3.变系数模型的一般公式此模型假定，截距项ai和解释变量系数3li，…3ki对于所有的截面个体成员不相同，即个体成员上既存在个体的影响，又有结构变化。于是我们有，ai矣aj，所以称其为变系数模型。对变截距和变系数模型，根据个体影响对模型的不同形式，还需要进一步细分为固定效应模型和随机效应模型：ai=a+a*i:固定效应ai=a+入i:随机效应在方程中，a是均值的截距项，它在每个截面成员方程中都相等；a*i是截面个体的截距项，它在各截面成员方程中

6、是不同的，表示截面个体在均值上的变化，每个成员的截距项与均值之差的和为0,也就是；a代表截距项的常数项；A表示截面成员的随机影响。如果省略的系数或截距对个体差异的影响不变，为固定效应，相反，若影响是随机的，则模型适用随机效应模型面板数据模型形式设定我们首先检验样本数据应该用哪种模型，一旦模型选错，估计结果有偏，而且同研宄的现实经济状况不符，可能得出错误的结论。本文采用一般常用的Hausman检验决定模型的影响形式、F检验来确定模型形式。1.Hausman检验原假设：数据适用随机效应模型：yi=a+vi+xi3+ui在原

7、假设条件（随机效应）下，ai与其他解释变量不相关，即没有遗漏相关变量，cov（Xt，U）=0,最小二乘法登出的估计量与工具变量法（IV）得到的参数一致。如果不符合原假设，cov(Xt:U)类0最小二乘法得出的估计量得出的参数与IV得到的参数不一致。所以Hausman检验通过检验IV估计量与最小二乘法得出的估计量是否有显著的差异性，来检测样本是否符合随机效应。2.F检验对于我们的样本数据适用变系数模型、变截距模型和混合回归模型的哪一种，做出两个假设：H0：31=32=—BNcti^aji，j=l,2，-NHl：al=a2

8、=-=aN；01=^2=-=^K并相应给出以下两个F检验统计量：(三)面板的单位根检验在回归分析之前我们还需要检验样本数据的平稳性，也就是面板数据单位根检验，大致有两种方法：共同单位根检验(commonroot)和个体单位根检验(individualroot)□commonroot利用LLC检验，假设paneldata每个个体的系