中国房地产价格波动对宏观经济的影响研究

《中国房地产价格波动对宏观经济的影响研究》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、—————二_一：■：一■■一中国房地产价格波动对宏观经济影响萄一_一_二_关学者的研究，房地产价格主要通过两个渠道影响大部分企业和居民都拥有价值不菲的房地产，房地消费：①直接传导渠道。房地产价格财富效应的直产价格的上升会使得企业和居民房地产价值上升，接传导渠道是指房地产价格的上升使房产持有者财扩大企业和居民的融资能力，从而促进企业和居民富增加，从而导致消费支出增长的现象，也即房地投资的增长。产价格上涨使人们更富裕，通常人们越富裕，消费2房地产价格财富效应的实证检验支出也就越多。②间接传导渠道。房产与股票相(1)模型设定和数据说明似，都是居民拥有的一项财富。房地产价格P的变借鉴斯

2、通(Stone，1974)_1_在拟合英国1949—动通过影响居民的收入预期来改变居民既有的长期1970年财产消费的年度数据时采用的基本公式，本边际消费倾向MPC，进而刺激消费需求C的增长。文建立如下回归方程：即MPC改变时，Pt一收人预期T—MPcf—ct。XF,=ct1Y+d2第二，房地产价格成本效应。房地产价格的成式中，XF代表城镇居民家庭人均消费性支出；本效应，是反映房地产价格对宏观经济影响的另一Y代表城镇居民家庭人均可支配收入；FJ代表商品个方面。从居民和家庭的角度来看，住房支出是其房销售价格指数。所有数据均来自中经网，时间跨生活成本的重要组成部分，房价的上升会增加居民

3、度为2003年第一季度至2009年第四季度。此外，生活成本，进而会影响总需求。此外，房地产价格为了消除异方差和防止数据急剧变动，对上述变量的波动还会影响企业成本的变化。房地产价格的上进行取对数处理。涨不仅会增加企业的土地成本和租金成本，还会影(2)实证分析过程响到其人力资源成本。因为从企业的角度来看，员纽博尔特(1974)、菲利普(1986)指出，当工生活成本的上升会直接产生工资上升的压力，从使用非平稳序列进行回归时，会造成虚假回归，并而提高企业的生产成本，企业不得不减少投资或者且沃深(1989)也证明当变量存在着单位根时，即迁往成本更低的地区，进而影响总供给。房地产价非平稳时，

4、传统的统计量，如t值、F值、DW值将格通过居民生活成本和企业生产成本对社会的总需出现偏差。因此，要分析经济变量之间是否存在长求和总供给产生影响，从而会对经济产生持久的影期稳定的均衡关系，首先要检验变量的平稳性，然响。后才能进行协整分析。i2]只有具有相同的单整阶数，第三，房地产价格投资效应。不少国家的实证才能构造成协整变量进行协整检验。本文采用基于研究表明，房地产价格对投资的影响比较显著。综残差和滞后项分析的ADF检验方法来检验样本数据合相关学者的研究，房地产价格主要通过两个渠道的时间序列特征。利用Eviews5．0软件分别对各变影响投资：@Tobin’sQ效应。Tobin’sQ

5、效应是资产量的水平值和一阶差分进行ADF单位根检验，检验价格影响投资的重要渠道，如果将Tobin’SQ理论方程的选取根据相应的图形来确定，检验过程中滞应用于房地产市场，可以看出房地产价格的上升具后项的确定采用SIC原则，结果见表1。从表1可有显著的Tobin’sQ效应。房地产价格上升时，由以看出各序列在5％的显著水平下都是二阶差分平于房地产价格一般是宏观经济的先行指标，人们普稳的，因此，它们之间可能存在协整关系，回归结遍看好未来的经济增长，外部资金成本会下降，果见表2。Tobin’sQ值会显著增大，从而促使人们加大投资；从模型的回归结果可以看出：第一，城镇居民当房地产价格下跌时，

6、Tobin’sQ值会变小，外部筹家庭人均可支配收入与城镇居民家庭人均消费胜支资成本的增大直接导致投资减少。②信贷渠道，即出具有统计上显著的正向影响，人均可支配收入每房地产价格的波动会影响居民和企业通过信贷渠道上升一个百分点，人均消费支出将增加1．03个百分获得的资本数量，从而影响投资水平。目前，我国点；第二，商品房销售价格与城镇居民家庭人均消一57—．。一一中国房产价福嘞对宏观牙疵薪-___：_表1各个序列的单位根检验过程表3各个序列的单位根检验过程VafableCoemcientStd．Errort_statisfieProb，C36．4143425．3403l1．437013

7、0．1648耵一5．8598295．432657一1．0786300．2924AR(1)0．1029310．2038640．5048990．6187vafableCoefficientStd．Errort—StatisticProbAR(2)-0．0570910．175225-0．3258150．7476R—squared0．065060Mcandependentvgr9．078044AdjustedR-squared-0．062432S．D．dependentVar0．7762