中國商品住宅售價與商業(yè)地產售價的關系研究
——基于VAR模型的實證分析

姚玲珍 韓國棟

中國商品住宅售價與商業(yè)地產售價的關系研究
——基于VAR模型的實證分析

姚玲珍 韓國棟

商品住宅售價、商用辦公售價和商業(yè)用房售價三者之間具有長期均衡關系。這表明房地產系統(tǒng)內部的不同物業(yè)地產價格波動具有一致性,因此,在宏觀調控需要進行整體考慮。商品住宅售價對于其他售價的影響表現出周期性波動特征,總體為正效應,但是商用辦公售價的波動幅度相對較大。商用辦公售價對于其他售價的影響表現一致,長期持續(xù)下降,由正變負。商業(yè)用房售價對于其他售價的影響表現出周期性波動特征,總體為正效應,但是商用辦公售價波動幅度更大,反彈高度越來越高。

房地產業(yè);商品住宅銷售價格;商用辦公銷售價格;商業(yè)用房銷售價格;VAR模型

一、引言

中國房地產業(yè) 1998年市場化以來,房地產行業(yè)得到了迅猛發(fā)展,房地產開發(fā)投資額年均增速達 22.5%,10年來,平均每年占固定資產投資比例達 16.8%,對 GDP貢獻達 7.5%,近 5年更是上升到 9.5%高位①中金公司,研究報告《房地產行業(yè)系列分析之一:政策篇》,2010年 5月13日。這使中國城鎮(zhèn)居民的居住條件得到極大地改善,人均居住面積從 1998年的 18.7平方米提高到 2008年的 28.0平方米。但在房地產行業(yè)快速發(fā)展過程中,由于過于強調住房的商品化,使得相當一部分中低收入群體難以依靠完全的市場機制來解決住房問題,并且,隨著房價的不斷攀升,這一現象有逐步擴大和向其他收入人群蔓延的趨勢。以上海市為例,新浪樂居對 2007-2010年的上海房價收入比進行了計算,發(fā)現2007年上海房價收入比為 56.16,2008年為 60.04,2009年為 64.29,而 2010年則高達 82.27②新民網,http://house.xinmin.cn/fczx/2011/02/14/9296586.html。因此,房價問題近年來一直是社會和民眾廣為關注的熱點話題和利益訴求,也是各級政府進行宏觀調控的重點。

商業(yè)地產廣義是指用于各種零售、批發(fā)、餐飲、娛樂、健身、休閑、辦公等經營用途的房地產形式,其經營模式、功能和用途區(qū)別于住宅類地產。隨著中國國民經濟不斷發(fā)展,一方面,城鎮(zhèn)居民可支配收入不斷增加,推動居民購買力不斷提升,各種商場和購物中心不斷涌現;另一方面,國內日益重視現代服務業(yè)的發(fā)展,加上從 1999年起外國直接投資一直保持較快的增長速度,刺激了國內寫字樓需求的不斷增長。國內外眾多機構研究結果表明,中國有必要轉換房地產業(yè)的商業(yè)發(fā)展模式,商業(yè)地產有望享受黃金增長期。在當前經濟發(fā)展和從緊調控背景下,商業(yè)地產已經成為房地產市場發(fā)展的新亮點。

價格是市場發(fā)展走勢的晴雨表。通過分析不同類型物業(yè)售價之間的相關影響,有利于深入認識各類型物業(yè)市場的發(fā)展規(guī)律和互動程度,這對于房地產業(yè)的長期穩(wěn)健發(fā)展具有非常重要的現實意義。一方面,地產開發(fā)商可以據此選擇理想的地產開發(fā)模式,及時根據國民經濟形勢和市場發(fā)展趨勢來有效配置各種資源;另一方面,投資者可以據此優(yōu)化房地產物業(yè)投資組合,合理規(guī)避不同類型物業(yè)投資的系統(tǒng)性風險。與此同時,政府可以據此實施基于物業(yè)用途的房地產市場分類調控,提高宏觀調控的運行效果。截至目前,理論界對于商品房價的研究,主要集中于房價影響因素、價格形成機制、房價波動規(guī)律、房價與地價的關系、調控政策效果分析等方面,聚焦于商品住宅價格領域,很少有文獻研究中國不同類型物業(yè)售價之間的關系。

基于以上考慮,本文在構建具有穩(wěn)定性的VAR模型的基礎上,通過引入脈沖響應函數和方差分解來對中國商品住宅售價、商用辦公售價和商業(yè)用房售價之間的關系進行計量分析。

二、研究方法和模型建立

(一)VAR模型

向量自回歸 (vector autoregression,VAR)模型基于數據的統(tǒng)計性質建立模型,把系統(tǒng)中每一個內生變量作為系統(tǒng)中所有內生變量的滯后值的函數來構建模型,從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。自 1980年西姆斯 (C.A.Sims)首次將VAR模型引入到經濟學以來,它通常運用于相關時間序列系統(tǒng)的預測和隨機擾動對變量系統(tǒng)的動態(tài)沖擊,從而解釋各種經濟沖擊對經濟變量形成的影響。

VAR(p)模型的數學表達式是:

其中,Yt是 k維內生變量向量,Xt是 d維外生變量向量,p是滯后階數,T是樣板個數,Ai和 B是要被估計的系數矩陣。εt是 k維隨機擾動向量,它們相互之間可以同期相關,但不能與自身滯后值和模型右邊的變量相關。

(二)脈沖響應函數

脈沖響應函數 (I mpulse Response Function,I RF)用于衡量來自隨機擾動項的一個標準差沖擊對內生變量當前和未來取值的影響。對于任何一個 VAR(p)模型都可以表示成為一個無限階的向量MA(∞)過程。

其中,Cq中第 i行第 j列元素表示的是,令其他誤差項在任何時期都不變的條件下,當第 j個變量 yjt對應得誤差項 ujt在 t期受到一個單位的沖擊后,對第 i個內生變量 yit在 t+s期造成的影響。把 Cq中第 i行第 j列元素看作是滯后期 q的函數:

它描述了在時期 t其他變量和早期變量不變的情況下, yi,t+q對 uj,t的一個沖擊的反應過程,稱作脈沖響應函數。

(三)方差分解

方差分解 (Variance decomposition)是通過分析每一個結構沖擊對內生變量變化的貢獻度來評價不同結構沖擊的重要性。其目的是要搞清楚,當系統(tǒng)的一個變量受到結構沖擊后,以變量預測誤差百分比的形式反映變量之間的交互程度。其基本思路如下:

各個括號中的內容是第 j個擾動項εj從無限過去到現在時點對 yi影響的總和。

求其方差,假定εj無序列相關,則:

這是把第 j個擾動項對第 i個變量從無限過去到現在時點的影響,用方差加以評價的結果。此處還假定擾動項向量的協方差矩陣Σ是對角矩陣,則 yi的方差是上述方差的k項的簡單和:

yi的方差可以分解成 k種不相關的影響,因此,為了測定各個擾動項相對 yi的方差有多大程度的貢獻,定義了如下尺度:

即,相對方差貢獻率 (RVC)是根據第 j個變量基于沖擊的方差對 yi的方差的相對貢獻度來觀測第 j個變量的影響。如果模型滿足平穩(wěn)性條件,則隨著 q的增大呈幾何數性衰減,所以只需取有限項。

三、實證分析

(一)變量選擇、樣本數據和處理

本文采用 1998年第 1季度到 2009年第3季度的商品住宅銷售價格指數 (HPI)、商用辦公銷售價格指數 (HO I)和商業(yè)用房銷售價格指數 (RPI)作為樣本,數據來源于《中國統(tǒng)計年鑒》和《中國經濟景氣月報》。由于原始資料是環(huán)比數據,本文在進行計量之前,以 1998年為基期,對各期數據進行了定基處理。同時,為了消除異常數據對模型估計精度的影響,變量數據都采用對數形式。本文計算通過 Eviews 6.0軟件來處理。

(二)變量數據形態(tài)檢驗

1.單位根檢驗

在建立VAR模型之前,應該首先對變量的平穩(wěn)性進行檢驗并確定單整階數。本文采用 ADF(Augmented Dickey-Full test)檢驗方法,結果如表1所示:

表1 ADF單位根檢驗結果

從表1的檢驗結果可以看出,商品住宅銷售價格指數(LHPI)、商用辦公銷售價格指數 (LOPI)和商業(yè)用房銷售價格指數 (LRPI)在 1%顯著性水平下都無法拒絕單位根過程,都是非平穩(wěn)的時間序列,并且,它們的一階差分序列也是非平穩(wěn)的時間序列,但是它們的二階差分序列通過了單位根過程,因此,可以確定LHPI、LOPI和LRPI具有二階差分平穩(wěn)性,即 I(2)過程。

2.協整檢驗

通過上述單位根檢驗,可知LHPI、LOPI和LRPI是同階單整序列,滿足協整檢驗前提。下面通過聯合檢驗,確定使用有截距項和線性確定性趨勢的 Johansen協整檢驗形式來判斷協整關系是否真正存在,檢驗結果如下表2所示。由結果可以得出結論,LHPI、LOPI和LRPI存在一個長期穩(wěn)定的協整關系。

表2 Johansen協整檢驗結果

(三)建立VAR模型

對LHPI、LOPI和LRPI建立非限定性VAR模型之前,考慮到季度數據,需要選擇盡可能長的滯后期,然后根據A I C、SC和 LR準則來檢驗選擇最優(yōu)滯后階數為 4。通過Eviews 6.0軟件得出的 VAR (4)模型可以由以下方程表示。

(四)脈沖響應分析

脈沖響應函數可以反映來自隨機擾動項的一個標準差沖擊對內生變量當前值和未來值的影響,以刻畫內生變量對隨機擾動的動態(tài)反應,顯示任意變量的隨機擾動如何通過模型影響其他變量,并反饋到自身的動態(tài)過程。根據上述公式原理和計算結果,進行脈沖響應分析,得到圖1。

從商品住宅銷售價格指數對自身的脈沖響應函數可以看出,LHPI對其自身的一個標準化新息立刻會產生正效應,然后開始下降到第 4期達到最小值,之后開始回升,呈現周期性波動。該序列對來自其他方程的新息在第一期都沒有立刻反映,來自LOPI的影響從第 1期開始產生正效應,在第 2期達到最大值,之后開始效應遞減,負向效應越來越大;來自LRPI的影響在第 2期上升到最大,之后效應逐漸下降到第 5期接近零,從此之后止跌回升,到第 6期,同樣開始呈現出周期性波動。

從商用辦公用房銷售價格指數對自身的脈沖響應函數可以看出,LOPI對其自身的一個標準化新息也會及時產生正效應,之后開始下降,效應由正變負并在第 4期達到最小,然后止跌回升并在第 5期上升到相對高點,后續(xù)整體表現出周期性波動特征,而且,上升階段時間是下降階段時間的 1/3。來自LHPI的影響在第一期就發(fā)生正效應,之后開始下降、上升,而且各段時間都差不多,呈現周期性波動,總體為正效應。來自LRPI的影響在第一期沒有及時反應,但逐漸上升,在第 2期達到最大,之后開始下降,在第 5期達到最小,然后,后續(xù)整體也表現出周期性波動特征,但上升的高度越來越高。

從商業(yè)用房銷售價格指數對自身的脈沖響應函數可以看出,LRPI對其自身的一個標準化新息反饋息同樣會及時產生正效應,然后迅速下降,在第 2期到第 4期形成一個低谷,之后,從第 4期開始,快速上升到第 5期,達到相對高點,后續(xù)也表現出周期性波動特征。該序列對來自其他方程的新息在第一期都及時得到正效應,但之后兩者變化較大。來自LHPI的影響,造成整體的正向周期性波動,而來自LOPI的影響卻導致效應持續(xù)下降,從正變負。

圖1 各變量對一個標準差新息的脈沖效應函數

(五)方差分解

方差分解的基本思想是,把系統(tǒng)中的各個內生變量的波動按其成因分解為與方程隨機擾動項相關的各組成部分,從而了解各信息對模型內生變量的相對重要性。從圖2 (a)對商品住宅銷售價格指數的方差分解來看,其變動在第 2期以后趨于穩(wěn)定,其中近 80%由其自身慣性導致,商用辦公用房售價的沖擊貢獻其次,大約占 16%,最后為商業(yè)用房售價影響。從圖2(b)對商用辦公用房銷售價格指數的方差分解來看,其變動特征為商用辦公用房售價的沖擊貢獻逐漸減少,商品住宅售價和商業(yè)用房售價的沖擊貢獻逐漸增加,但是前者的貢獻最大,超過 50%。從圖2 (c)對商業(yè)用房銷售價格指數的方差分解來看,商業(yè)用房售價的沖擊貢獻逐漸減少,商品住宅售價的沖擊貢獻逐漸增加,而商用辦公用房售價的沖擊貢獻一直很少,總體來看,商品住宅售價的沖擊貢獻高達 67%。

四、結論與建議

本文通過建立VAR模型,對中國城鎮(zhèn)房地產不同用途物業(yè)售價的關系進行了定量分析,得到如下結論:

1.經過 ADF單位根檢驗和 Johansen協整檢驗,商品住宅售價、商用辦公售價和商業(yè)用房售價三者之間具有長期均衡關系。這表明房地產系統(tǒng)內部的不同物業(yè)地產價格波動具有一致性,因此,在宏觀調控中需要進行整體考慮。

2.通過脈沖響應函數分析,商品住宅售價、商用辦公用房售價和商業(yè)用房售價對于自身的一個標準化新息都會立刻產生正效應,之后呈現出周期性波動特征,但持續(xù)效應有所不同。商品住宅售價對于其他售價的影響表現出周期性波動特征,總體為正效應,但是商用辦公用房售價的波動幅度相對較大。商用辦公用房售價對于其他售價的影響表現一致,長期持續(xù)下降,由正變負。商業(yè)用房售價對于其他售價的影響表現出周期性波動特征,總體為正效應,但是商用辦公售價波動幅度更大,反彈高度越來越高。

3.從方差分解結果來看,商品住宅售價受自身波動影響最大,其次為商業(yè)用房售價,而受商用辦公用房售價的影響最小;商用辦公用房售價初期受自身波動影響最大,之后逐漸下降,從長期來看,仍然是受商品住宅售價的影響最大;商業(yè)用房售價初期也受自身波動影響最大,之后逐漸下降,從長期來看,仍然是受商品住宅售價的影響最大,高達67%。

圖2 多變量預測誤差的分解

結合上述結果和中國當前經濟運行情況,我們對政府宏觀經濟調控和房地產行業(yè)管理提出相關政策建議:

(1)對于房地產市場宏觀調控要采取分類調控思路,針對不同類型的房地產物業(yè)類型發(fā)展規(guī)律和市場供求情況要采取不同措施,重視和完善配套政策,如房地產差別化信貸、稅收調節(jié)等手段,積極引導房地產市場資源的合理配置。

(2)在現階段,分類調控的重點是商品住宅領域,為了實現中國經濟轉型發(fā)展和社會和諧發(fā)展,政府應逐步落實之前出臺的相關政策,尤其是切實抓好保障住房建設,這樣可有效遏止商品住宅售價的過快上漲。

(3)加強商業(yè)用房和商用辦公物業(yè)市場監(jiān)管,依法查處惡意炒作、哄抬房價等擾亂市場秩序行為,優(yōu)化房地產市場產品供應結構,促使整個房地產行業(yè)保持長期穩(wěn)定健康的發(fā)展態(tài)勢。

〔1〕梁云芳,高鐵梅.中國房地產價格波動區(qū)域差異的實證分析 〔J〕.經濟研究,2007,(8)

〔2〕龍海明,郭微.基于VAR模型的我國房價與地價動態(tài)計量分析 〔J〕.經濟數學,2009,(6).

〔3〕崔和瑞,王娣.基于VAR模型的我國能源、經濟和環(huán)境 (3E)系統(tǒng)研究 〔J〕.北京理工大學學報 (社會科學版), 2010,(2).

〔4〕熊萬軍.我國房地產市場分類宏觀調控研究 〔D〕.電子科技大學博士論文.2008.

〔5〕張紅.房地產經濟學講義 〔M〕.清華大學出版社,2004

〔6〕李子奈,葉阿忠.高級計量經濟學 〔M〕.清華大學出版社,2005

〔7〕易丹輝.數據分析與 EV IEWS應用 〔M〕.中國統(tǒng)計出版社,2002

〔8〕高鐵梅.計量經濟分析方法與建模 〔M〕.清華大學出版社,2007

〔9〕中經網產業(yè)數據庫.http://ceidata.cei.gov.cn/

〔10〕Johansen Soren.Estimation and hypothesis testing of co-integration vectors in gaussian vector autoregressive models〔J〕.Econometrica,1991,59:1551-1580.

〔11〕Johansen Soren.Statistical analysisof co-integration vectors〔J〕.Journalof EconomicDynamics and Control,1988,12(2-3): 231-254.

(本文責任編輯 王云川)

F29

A

1004—0633(2011)03—062—05

2011—03—24

姚玲珍,上海財經大學國際文化交流學院教授,博士研究生導師,研究方向為房地產經濟與住房政策。 上海 200083

韓國棟,上海財經大學公共經濟與管理學院博士研究生,研究方向為房地產經濟與金融。上海 200433