东北大学学报:自然科学版  2017, Vol. 38 Issue (4): 598-603  
0

引用本文 [复制中英文]

唐凯, 庄新田, 卢盼盼, 李晓青. 基于联立方程的地价与房价波动关系[J]. 东北大学学报:自然科学版, 2017, 38(4): 598-603.
[复制中文]
TANG Kai, ZHUANG Xin-tian, LU Pan-pan, LI Xiao-qing. Fluctuation Relationship Between Land and House Prices Based on Simultaneous Equation[J]. Journal Of Northeastern University Nature Science, 2017, 38(4): 598-603. DOI: 10.3969/j.issn.1005-3026.2017.04.029.
[复制英文]

基金项目

国家自然科学基金资助项目 (71671030, 71571038)

作者简介

唐凯 (1975-),男,辽宁沈阳人,东北大学博士研究生;
庄新田 (1956-),男,吉林四平人,东北大学教授,博士生导师。

文章历史

收稿日期:2016-06-08
基于联立方程的地价与房价波动关系
唐凯, 庄新田, 卢盼盼, 李晓青    
东北大学 工商管理学院,辽宁 沈阳 110167
摘要:构建了我国城市房地价之间关系的联立方程模型,以全国重点城市为样本资料,根据二阶最小二乘法给出参数估计.研究结果发现:地价和房价之间存在联立性,相互影响.对地价影响最大的因素是常住人口总数,人均可支配收入、房地产开发投资额拉动了城市房价水平,而房屋销售面积拉低了城市房价水平.房价滞后期对房价有较大影响,价格的涨跌预期影响公众的投资情绪,导致房价的变动.
关键词土地价格    房地产价格    联立方程模型    影响因素    引导关系    
Fluctuation Relationship Between Land and House Prices Based on Simultaneous Equation
TANG Kai, ZHUANG Xin-tian, LU Pan-pan, LI Xiao-qing    
School of Business Administration, Northeastern University, Shenyang 110167, China
Corresponding author: ZHUANG Xin-tian, E-mail: xtzhuang@mail.neu.edu.cn
Abstract: A simultaneous equation model for the relations of urban real estate prices in our country was built, and parameter estimation of national key sample cities was given according to the quadratic least squares. The results indicated that simultaneity and interplay exist between land and house prices. The number of population has a great influence on land price. Per capita disposable income and real estate development investment raise the house price, but house sales area is quite the reverse. House price lag greatly affects house price. The expectation of fluctuating prices impacts on the investor sentiment and leads to the changes of house price.
Key Words: land price    estate price    simultaneous equation model    effect factors    causal relationship    

1998年我国推出停止福利分房政策,国内房地产业由原有的计划经济体制转入市场化发展阶段,居民收入的增长导致需求的不断增加,引发了房价的持续上涨.2002年5月5日,国有土地使用权以“招拍挂”的出让方式颁布后,深化了土地出让制度的改革,但地价也随之一路上涨.关于房价与地价上涨的关系,Wheato等[1]认为土地供给变化对地价、住宅价格和住宅供给都有较大影响. Grimes等[2]认为土地价格的上升会带来房价的上涨,两者之间呈一种正向关系.王瑾[3]从传导机制出发,指出货币政策通过利率和信贷渠道影响房地产价格,且两者之间存着双向引导关系.Abelson等[4]分析了澳大利亚的贷款利率、CPI等因素,指出贷款利率对房价产生负向影响,CPI对房价产生正向影响.关于房地产价格相关问题的研究受到管理层、产业界及学术界的广泛关注.

关于房价的影响因素,Miller等[5]研究了美国产出增长率对房价的影响,发现产出增长率是房价波动的格兰杰原因.Demary[6]研究了美国等10个经济发达国家的通货膨胀率、利率、产出和房地产价格的关系,发现利率和产出对房地产价格具有显著影响.Stadelmann[7]从供需角度,研究了房地产价格的影响因素,发现区位房地产特征、税负、文化卫生及社交支出对房地产价格有显著影响,而人口数量对房地产价格不存在显著影响.Kallberg等[8]认为股票价格、土地投机、实体经济、区位及交通条件是影响房地产价格的重要原因.Oliver[9]认为收入是引起房地产价格上涨的关键因素.孙涛等[10]认为中国房地产价格动态变化受宏观经济的影响,反之又对宏观经济有影响作用.史金艳等[11]运用层次聚类分析法,根据我国不同区域之间存在的社会服务环境水平差异,研究发现货币政策对各区域房地产价格的影响存在显著差异.关于房价与地价的关系,文献[12-14]研究了地价对房价的推动作用,指出土地政策对房地产价格的影响是长期的, 房地产价格互动存在空间滞后效应和时间滞后效应.刘博等[15]从土地供应面积、土地购置价格和房地产价格的联系角度,运用格兰杰因果检验发现土地供应价格、面积和房地产价格互为因果关系.从资产内在价值角度,文献[16-17]研究了房地产价格与通货膨胀之间的关联关系,因房地产价格是居民消费价格指数的重要组成部分,房地产价格和通货膨胀存在显著的正向关系.文献[18-19]基于定价模型,研究了房地产价值.目前国内外的相关研究,由于研究角度存在差异,选取的因素不同,关于房地价关系也没有得出一致的研究结论.

本文基于我国房地产市场发展的实际,从多影响因素角度,运用联立方程,研究地价与房价之间的互动关系及其影响因素.

1 变量选取

本文采用TSLS模型研究房价和地价之间的影响关系,TSLS模型将变量分为两类:内生变量,取值由模型本身决定;前定变量,取值由模型外部输入.其中前定变量又分为两类:外生变量及滞后内生变量.

1.1 内生变量选取及说明

房价水平值 (HP) 指在全国范围内开发的商品住宅、办公楼、商业用房等的平均价格,是反映房地产价格情况的综合指标,资料取自《中国统计年鉴》.

地价水平值 (LP) 选取居住地价水平值,资料取自《国土资源部中国城市地价动态监测系统网》.目前我国公布的反映地价的指标有四种:综合地价水平值、居住地价水平值、商业地价水平值及工业地价水平值.由于综合地价水平值容易受到工业地价水平值变动的影响,因此本文选取居住地价水平值为取值标准.

1.2 外生变量选取及说明 1.2.1 城市房价水平外生变量的选取

1) 供给方面的外生变量:房屋销售面积 (BSA)、房地产开发投资额 (IEE)、竣工房屋面积 (CBA).房屋销售面积是一段时间新增房屋供应量的能力,房地产开发投资额是衡量资金因素变化的指标,竣工房屋面积是衡量房屋短期供给变化的指标.

2) 需求方面的外生变量:常住人口总数 (PSP)、地区人均生产总值 (PLP)、人均可支配收入 (PDI).常住人口总数反映城市人口状态的变化,做为衡量城市人口状态的指标;地区人均生产总值是反映经济实力和富裕程度的指标;人均可支配收入反映居民的购买能力.

1.2.2 城市地价水平外生变量的选取

1) 供给方面的外生变量:土地购置面积 (LPA)、建设用地面积 (ILA).土地购置面积用来衡量城市土地供给量的多少;建设用地面积是实际在建或已建成的土地面积.

2) 需求方面的外生变量:常住人口总数、人均可支配收入作为衡量指标.

2 城市地价与房价关系联立方程模型的构建 2.1 联立方程模型的构建

本文采用线性回归模型的函数形式,构建城市地价与房价关系的联立方程模型.其中房价水平方程模型包含二个滞后内生变量和6个外生变量;地价水平方程模型包含一个滞后内生变量和4个外生变量.地价与房价关系的联立方程模型为

(1)
(2)

式中,e1e2分别为两个方程的随机干扰项.

2.2 联立方程模型的估计方法

采用二阶最小二乘法 (TSLS) 进行估计.

1) 构建房价水平HP对全部10个前定变量的回归方程:

(3)

式中,ē是OLS残差.以HPX表示式 (3) 的一个估计值,则式 (3) 可表达为

(4)

式中,HPX和ē是不相关的.

2) 将HP的估计值HPX带入式 (2),构建地价水平LP的回归方程:

(5)

式中,e2*=e2+α1ē.对方程 (5) 应用OLS,得出地价水平变化参数的一致性估计.

3 数据及样本选取

以全国及21个重点城市作为研究对象,其中:东部地区为北京、天津、上海、广州、南京、杭州、福州、济南,中部地区为武汉、长沙、太原、郑州,西部地区为重庆、成都、昆明、西安、兰州、乌鲁木齐、南宁,东北地区为沈阳、哈尔滨.选取2006年1月~2014年12月期间地价指数和房价指数36个季度的数据,样本数据来源:“中国城市统计年鉴”“中国区域统计年鉴”“中国统计年鉴”“中国经济景气月报”.

4 实证分析 4.1 全国样本实证分析

1) 相关性分析.表 1给出了全国地价与房价指数的自相关统计结果,从两个指数的自相关系数看,相关性较强,且相关性随着滞后期的增加而减弱.地价与房价交叉相关系数较大,说明地价与房价之间存在着交互影响关系.

表 1 地价与房价自相关与交叉相关的统计结果 Table 1 Statistic results about auto correlation and correlation of land price and house price

2) 平稳性及协整性检验.表 2为变量序列lnHP, lnLP的单位根检验结果.可以看出:lnHP的ADF=-0.897 016, lnLP的ADF=-1.221 647,新序列lnLP和lnHP都是非平稳序列.

表 2 ADF的单位根检验 Table 2 Augmented dickey-fuller test

对lnHP和lnLP的差分序列DlnHP, DlnLP进行单位根检验,结果为平稳序列,可以对其协整关系进行检验.

运用Johnsen法检验两个变量间的协整性,检验结果如表 3所示.由于似然比19.858 99小于5%和1%的临界值,接受原假设,地价与房价指数间不存在协整关系.

表 3 Johnsen协整性检验 Table 3 Johnsen co-integration test

3) 双变量VAR模型估计.利用双变量VAR模型对全国地价和房价的关系作进一步探讨,取最大滞后长度k=4,一阶差分后模型检验结果如表 4所示.在lnLP回归中,lnLP变量的1, 3期滞后和lnHP变量的2, 4期滞后是显著的.在lnHP回归中,lnHP变量的3, 4期滞后和lnLP变量的3期滞后是显著的.以上分析看出地价的变化可以被其本身滞后项和房价的滞后项所解释,而房价的变化仅与其本身的滞后项有关系.双变量VAR模型检验表明,地价与房价之间存在双向的滞后因果影响关系.

表 4 双变量VAR模型估计结果 Table 4 Statistical results of double variables VAR model
4.2 全国21个重点城市样本实证分析 4.2.1 地价水平回归方程

1) 阶段1回归.表 5是采用二阶最小二乘法,在10%显著性水平下的逐步回归结果.

表 5 21个重点城市地价水平方程阶段1回归 Table 5 Initial regression of function of land price variable by 21 key cities

表 5的豪斯曼检验结果:平方和统计量为51.017 042, 卡方统计量的自由度为9, 概率为0.000 0, 结论为拒绝H0, 采用固定效应方程.

根据表 5,城市房价水平变化方程为

(6)

2) 阶段2回归,估计结果见表 6.

表 6 21个重点城市地价水平方程阶段2回归 Table 6 Quadratic regression of function of land price variable by 21 key cities

表 6知,城市地价水平变化方程为

(7)
4.2.2 房价水平回归方程

1) 阶段1回归,阶段1回归参数表略,城市地价水平变化方程为

(8)

2) 阶段2回归,阶段2回归参数表略,城市房价水平变化方程为

(9)

表 6的豪斯曼检验结果:平方和统计量为37.602 181, 卡方统计量的自由度为5, 概率为0.000 0, 结论为拒绝H0, 采用固定效应方程.

4.3 模型结果分析

1) 前定变量.由式 (7) 可知,常住人口总数的符号与预期符号相一致,可判断常住人口总数对城市地价水平变化有正的影响.由式 (9) 可知, 人均可支配收入、房地产开发投资额和和房价滞后期与城市房价水平存在正向引导关系;房屋销售面积与城市房价水平存在负向引导关系.其中,由于房地产具有双重属性,即居住与投资属性,当公众对未来房价基于上涨预期时,投资的逐利属性推动了对住房购买需求,同时开发商基于对市场需求上升的预期,也会增加房地产开发投资额.当投资增加导致供给增加对房价的下降影响小于购买需求导致对房价的上升影响时,投资与房价成正相关关系.

2) 城市地价与房价关系.对比式 (7) 与式 (9) 可知HP对LP的影响系数为2.679,LP对HP的影响系数为0.189,说明房价对地价的影响大于地价对房价的影响.

5 结论

1) 对地价影响最大的是常住人口总数,人口总数增多带动土地需求增加,常住人口总数对城市地价水平变化有正的影响.

2) 人均可支配收入、房地产开发投资额和房价滞后期拉动了城市房价水平,而房屋销售面积的增加起到拉低城市房价水平的作用.

3) 房价滞后期对房价有较大影响,由于房地产市场存在周期性,当房地产价格处于涨跌周期时,价格的涨跌预期引发公众投资情绪的变化,导致需求的变化而推动房价的涨跌.

参考文献
[1] Wheato M, Peng R. The emergence of chaos from classic economic growth[J]. Quarterly Journal of Economics, 1983, 16(8): 54–71.
[2] Grimes A, Andrew A R. Irregular growth cycles[J]. American Economic Review, 1982, 17(5): 13–30.
[3] 王瑾. 货币政策的房地产价格传导机制研究——基于VAR模型的实证分析[J]. 南方经济, 2012, 433(9): 31–34.
( Wang Jin. The study of real estate price transmission mechanism of monetary policy—an empirical analysis based on VaR model[J]. South China Finance, 2012, 433(9): 31–34. )
[4] Abelson P, Joyeux R. Explaining house prices in Australia[J]. Economic Record, 2005, 81(1): 96–103.
[5] Miller N, Liang P. Exploring metropolitan housing price volatility[J]. Journal of Real Estate Finance and Economics, 2006, 33: 5–18. DOI:10.1007/s11146-006-8271-8
[6] Demary M. The link between output, inflation, monetary policy and housing price[J]. Housing Price Dynamics, 2009, 7: 1–41.
[7] Stadelmann D. Which factors capitalize into house prices? a bayesian averaging approach[J]. Journal of Housing Economies, 2010, 19(7): 180–204.
[8] Kallberg J G, Nu C, Pasquariego P. On the price comovement of US residential real estate markets[J]. Real Estate Economics, 2014, 42(1): 71–108. DOI:10.1111/reec.2014.42.issue-1
[9] Oliver B. Explaining regional variation in equilibrium real estate prices and income[J]. Journal of Housing Economics, 2012, 21(1): 1–15. DOI:10.1016/j.jhe.2011.11.002
[10] 孙涛, 郑晓亚. 中国房地产价格动态变化的宏观经济影响——基于FAVAR模型的实证分析[J]. 贵州财经大学学报, 2015, 178(5): 26–35.
( Sun Tao, Zheng Xiao-ya. Influences of house price changes on macroecononmics—empirical analyses by implementing VaR mode[J]. Journal of Guizhou University of Finance and Economics, 2015, 178(5): 26–35. )
[11] 史金艳, 张娣, 谷宇. 货币政策影响房地产价格的区域差异研究[J]. 大连理工大学学报 (社会科学版), 2013, 34(3): 8–13.
( Shi Jin-yan, Zhang Di, Gu Yu. The influence of monetary policy on real estate prices in different regions[J]. Journal of Dalian University of Technology (Social Sciences), 2013, 34(3): 8–13. )
[12] 安辉, 王瑞东. 我国房地产价格影响因素的实证分析[J]. 财经科学, 3013, 300(3): 115–124.
( An Hui, Wang Rui-dong. An empirical analysis of influencing factors in real estate prices of China and the current real estate regulating policy[J]. Finance & Economics, 3013, 300(3): 115–124. )
[13] 陈浪南, 王鹤. 我国房地产价格区域互动的实证研究[J]. 统计研究, 2012, 29(7): 37–43.
( Chen Lang-nan, Wang He. Empirical investigation on the regional interactions of real estate prices in China[J]. Statistical Research, 2012, 29(7): 37–43. )
[14] 傅程远. 影响我国房地产价格因素的综合分析[J]. 经济问题, 2013(9): 49–52.
( Fu Cheng-yuan. Comprehensive analysis of influence factors of real estate price in China[J]. On Economic Problems, 2013(9): 49–52. )
[15] 刘博, 周晨丹, 刘晓欣, 等. 土地市场波动与房地产价格的关系分析:基于VAR模型的实证研究[J]. 数学的实践与认识, 2012, 42(13): 47–53.
( Liu Bo, Zhou Chen-dan, Liu Xiao-xin, et al. Study on the relationship between land price, land supply area and housing pirce:an empirical analysis based on VAR model[J]. Mathematics in Practice and Theory, 2012, 42(13): 47–53. DOI:10.3969/j.issn.1000-0984.2012.13.006 )
[16] 黄树青, 王婷婷, 吴敬. 我国房地产价格与通货膨胀的关联关系及其影响因素[J]. 财经理论与实践, 2012, 33(6): 107–113.
( Huang Shu-qing, Wang Ting-ting, Wu Jing. The real estate price and inflation fluctuations and their affecting factors[J]. The Theory and Practice of Finance and Economics, 2012, 33(6): 107–113. )
[17] 庞加兰, 毛史梦. 我国房地产价格与通货膨胀相关性的实证分析[J]. 经济问题, 2013, 15(1): 53–56.
( Pang Jia-lan, Mao Shi-meng. Empirical research of relevance between housing price and inflation of China[J]. On Economic Problems, 2013, 15(1): 53–56. )
[18] Andrew G M. Modeling regional house price:a review of the literature[J]. The University of Reading, 2011, 162(3): 145–189.
[19] Edward L, Gyourko J. Why is manhattan so expensive regulation and the rise in house prices[J]. National Bureau of Economic Research, 2013, 12(7): 14–15.