王玲 刘平清 王梅 张小敏 秦裕蕾

摘要：基于当前的房价热潮，为了探索房价上涨原因，分析各因素对房价的贡献值，冲击各变量对房价在不同时期的影响效果，维护房地产市场的稳定，本文从经济层面系统地研究了固定资产价格指数、CPI、住宅竣工面积、居民可支配收入、GDP对贵州省房价的影响。本文选取了2000年～2018年的指标相关数据，建立VAR模型，运用格兰杰因果检验、脉冲响应分析、方差分解对影响贵州省房价的因素进行实证分析。结果显示：GDP与居民可支配收入对房价有显著影响，CPI与住宅竣工面积对房价起次要影响。因此，针对所得结论提出政策建议，政府需持续关注房地产新政实施的效果，增强宏观调控。在管理需求中，要注意保护自住性的消费需求，对房地产市场要控制总量，调整供给结构。加大力度促进消费增长，引导居民正确的消费观念。

关键词：VAR模型;脉冲响应分析;贵州省房价;方差分解

中图分类号：F222        文献标识码：A

文章编号：1009-3044（2022）02-0122-04

1 引言

VAR模型不仅在测量风险方面简洁明了，而且还统一了风险计量标准，方便管理者和投资者理解掌握，同时还可以事前计算，降低市场风险，为确定必要资本及监管提供依据。因此VAR模型在经济增长与环境污染、工业、农业、房价影响因素分析等方面存在广泛应用，如经济增长与环境污染关系[1-3]、城镇化、工业化与金融发展[4]、农业用水与农业经济增长[5]、房价影响因素分析[6-10]等。本文主要是对贵州省房价影响因素进行研究，首先在已有影响房价因素研究的基础上，通过结合每个影响作用较大的因素，选取房价评价具有特征性的五个指标：固定资产投资价格指数、CPI、住宅竣工面积、居民可支配收入、GDP;其次通过建立VAR模型，对五个指标在房价影响力度方面进行了验证;最后，本文还比较在其他地方影响力较大或较弱的因素，对贵州省房价是否也有同样的影响。本文的创新和特色是在众多学者对房价影响因素的研究结果上，结合并选取影响力度最大的因素对贵州省房价进行分析，同时判断它们对贵州省房价是否存在同样的影响力，通过实证分析验证因素对房价的影响作用。

2 变量选取与方法

2.1变量选取与数据来源

（1）变量选取

本次论文选取了影响贵州省房价因素的五个特征因素，另外还对一些学者研究著作进行研究。以贵州省生产总值变化情况、居民生活水平、国家发展等多个方面作为研究影响房价上涨的指标，选择具有特征性的五个指标，固定资产投资价格指数、CPI、住宅竣工面积、居民可支配收入、GDP，房价主要以商品房平均销售价格呈现。

（2）数据来源

本文数据选取样本区间为2000年～2018年，上述年度数据来源于国家统计局与贵州统计局。

2.2 理论依据

（1）VAR模型

基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值来构造模型，从而将单变量自回归模型推广到多元时间序列变量组成的“向量”自回归模型[11]。一个VAR（p）模型可以写成为：

[Yt=c+A1（yt-1）+A2（yt-2）+...+Ap（yt-p）+et]          （1）

其中：[c]是[n×1]常数向量;[Ai]是[n×n]矩阵;[et]是[n×1]误差向量，满足：误差项的均值为0，误差项的协方差矩阵为[Ω]（一个[n×n]正定矩阵），误差项不存在自相关（对于所有不为0的[k]都满足）。

（2）单位根检验

若序列平稳则可直接带入模型，若序列非平稳，也可建立一个初步的p阶VAR的模型，对任一AR（p）过程：

[xt=φ1xt-1+...+φpxt-p+εt]                   （2）

它的特征方程为：

[λp-φ1λp-1-...-φp=0]                     （3）

如果该方程所有的特征根都在单位圆内，即

[λi<1，i=1，2，...，p]                       （4）

則序列[xt]平稳。如果有一个单位根存在，不妨设[λ1=1]，则序列[xt]非平稳。

（3）格兰杰因果检验

当对VAR模型进行单位根检验后，采用格兰杰因果检验对变量[X]和[Y]之间的关系，其估计以下回归模型：

[Yt=i=1maiXt-i+i=1mβiYt-i+μ1t]                    （5）

[Xt=i=1mλiYt-i+i=1mδiXt-i+μ2t]                    （6）

可能存在四种检验结果：

①[X]对[Y]有单向影响;②[Y]对[X]有单向影响;③[Y]与[X]间存在双向影响;④[Y]与[X]间不存在影响。格兰杰检验是通过构造F统计量，利用F检验完成的，其统计量为：

[F=RSSR-RSSUmRSSUn-k]                         （7）

上式中，[m]代表[X]的滞后项的个数;[n]代表样本容量;[k]代表包含[X]滞后项的回归模型的待估参数的个数，分析影响房价因素与房价之间的格兰杰因果关系。

（4）方差分解

方差分解时通过分析每一个结构冲击对内生变量变化的贡献度，进而评价不同结构的重要性，从而找出影响贵州省房价的较大因素。进而大概分析出房价的走势。

（5）脉冲响应函数

用于衡量来自某个内生变量的随机扰动项的一个标准差冲击（称之为“脉冲”）对VAR模型中所有内生变量当前值和未来取值的影响。从而对未来贵州省房价的趋势做一个预测，提出关于影响房价的一些意见。

3 模型选择与数据处理

3.1 模型选择

本文主要研究贵州省房价影响因素，VAR模型研究不同变量间的互动关系，对本文的研究具有较大优势。VAR模型公式通常表示为：

[Yt=A1Yt-1+A2Yt-2+...+AxYt-x+εt]                     （8）

其中[Y]表示内生变量矢量，A表示系数矩阵，[X]表示滞后阶数，[ε]表示残差[12]。

综上所述，本文选取固定资产投资（[x1]）、价格指数CPI（[x2]）、住宅竣工面积（[x3]）、居民可支配收入（[x4]）、GDP（[x5]）、房价（[x6]）作为分析变量构建向量自回归模型。

3.2 数据处理

非平稳的数据可能产生“伪回归”问题，并没有真正的联系，无法消除数据中的趋势项，季节项等，因此本文首先采用单位根检验法（ADF）对数据进行平稳性检验。因为数据平稳性检验非平稳，考虑将变量进行差分，结果如表2所示，数据进行二阶差分后显著水平上都是平稳的，因此利用二阶差分后的[x1，x2，x3，x4，x5，x6]构建向量自回归模型。

4 实证分析

4.1格兰杰因果检验

由表3知房价是房屋竣工面积的格兰杰因果检验，GDP是房价的格兰杰因果检验。总体上看，房屋竣工面积与GDP对房价有显著影响，其余变量（CPI、固定资产投资价格指数、居民可支配收入）并没有对房价产生显著作用。

4.2 AR根检验

采用AR根检验法对房价、CPI、住宅竣工面积、人口数量、居民可支配收入构成的系统是否稳定进行检验，由图1可知，不存在任何1个特征根处在单位圆之外，即本文所用模型是平稳的。

4.3 脉冲响应分析

从房价的脉冲函数来看，在本期给固定资产价格指数、CPI、住宅竣工面积、居民可支配收入、GDP正冲击后，居民可支配收入对房价的冲击最大，在第1期达到最大值，第6期达到最小值，从第6期之后是正响应冲击;主要因为居民可支配收入从供给和需求两方面影响房价，其收入的增加一定程度带动居民消费，从而增加需求，带来房价的提高，且抬高了房地产部门的人力成本，抬高房价。固定资产投资价格指数和CPI大致呈正方向冲击，当给定本期固定资产投资价格指数变化量一个单位冲击后，在第1期～第3期，给房价正方向的冲击，并且在第2期达到最大值，随后影响逐渐减弱直至趋于零;当给定本期CPI变化量一个单位冲击后，一直给房价正方向的冲击，并且在第2期达到最大值，随后影响逐渐减弱直至趋于零。住宅竣工面积冲击变化呈波动降低的态势，在第4期之后为负响应冲击;GDP在第一期达到最大值，在第4期之后为负响应冲击;自身冲击在第一期达到最大值，在第4期之后为负响应冲击。

4.4 方差分解

在向量自回归模型的基础上对房价（[x6]）进行方差分解，结果如表4所示。房价波动主要由居民可支配收入所致，当其稳定时贡献率约为57.7%;固定资产投资价格指数稳定时贡献率约为8.1%;CPI稳定时贡献值约为2.1%;住宅竣工面积稳定时贡献率约为2.1%;GDP稳定时贡献率约为14.0%;综上所述GDP、居民可支配收入对房价的贡献值相对高，固定资产价格指数、住宅竣工面积、CPI对房价的贡献值相对低。

5 结论与政策建议

5.1 研究结论

（1）由格兰杰因果检验结果可知，住宅竣工面积与GDP对房价有显著影响，其余变量（CPI、固定资产价格指数、居民可支配收入）并没有对房价有显著影响。即变量住宅竣工面积与GDP有助于解释房价的将来变化，则认为变量住宅竣工面积与GDP是引致房价的格兰杰原因。

（2）由脉冲响应结果可知，居民可支配收入与CPI对房价的影响力度相对较大，影响时效较长，固定资产投资价格指数、房屋竣工面积、GDP对房价影响相对较弱。

（3）由方差分解结果可知，居民可支配收入与GDP对房价的贡献值相对高，CPI、固定资产投资价格指数、房屋竣工面积对房价的贡献值相对低。即变量居民可知支配收入与GDP的增长（降低）冲击对房价的波动贡献相对较大。

综上所述，居民可支配收入与GDP对房价的上涨（下跌）有显著影响，房屋竣工面积与CPI对房价影响相对低，其余变量虽对房价波动有一定程度的影响，但在多变量组合评比中，影响力度较低，与现实意义相符。对于GDP，一方面经济发展越好，国家和企业对房地产行业的投资就会加大，使房地产行业供给加大;另一方面，經济发展态势越好，将进一步提高居民对房屋的自主性需求、改善性需求和投资性需求;对于居民可支配收入，在市场经济条件下，消费者对商品的有效需求取决于消费者的支付能力，而消费者的支付能力将由居民可支配收入决定，当居民可支配收入越高，对房屋的消费需求就越大。

5.2 政策建议

由上述实证分析显示，居民可支配收入与GDP是影响贵州省房价的主要因素，其CPI、房屋竣工面积是影响贵州省房价的次要因素。因此可以从以下几个方面来调控贵州省房价：

（1）房地产制度创新。GDP的增长跟随着居民可支配收入的增加，随着居民对房屋的需求增大，导致房价的上涨。GDP是经济增长的代表，社会的发展离不开经济的增长，因此为了维持房价的稳定和社会发展的进步，房地产制度的创新是一个基础。稳定贵州省的房产市场，一方面可通过完善其租房政策实现。让居民租房有保障，即进一步增加了租房的市场需求，降低购房的市场需求;另一方面提高其住房环境，进一步提高了居民住房的满意度，减少居民一人多房现象，从而降低其购房需求[13]。

（2）加强经济适用住房建设和管理。各地有关部门要认真贯彻《省人民政府关于加强经济适用住房建设管理的意见》（黔府发〔2005〕10号），切实落实各项优惠政策，强化开发建设管理，从严控制和规范销售价格，依法查处各种违规违法行为。贵州省各市要根据市场需求，适时扩展住宅竣工面积，增加经济适用住房供应，同时，要适时调控土地供应量，通过完善房地产项目土地招标、拍卖、挂牌制度以及对房地产开发项目实行综合评标等措施，有效调控房价。

（3）切实落实稳健的货币政策，控制流动性。流动性过剩使得更多的货币流向房地产市场，不利于调控房价。特别是在疫情期间政府实施了纾困贷款政策，使得货币供应量高于其自然走势，因此，控制货币供应量以及调节物价水平是实行房地产市场调控目标的综合性治理对策，建议央行交替使用数量型和价格型货币政策工具，加强流动性管理和货币信贷总量调控，改善房地产环境，促进经济健康稳定发展[14-15]。

参考文献：

[1] 刘坤，刘贤赵，常文静.烟台市经济增长与环境污染关系实证研究——基于VAR计量技术的检验分析[J].环境科学学报，2007，27（11）：1929-1936.

[2] 吴丹，吴仁海.不同地区经济增长与环境污染关系的VAR模型分析——基于广州、佛山、肇庆经济圈的实证研究[J].环境科学学报，2011，31（4）：880-888.

[3] 李治国，周德田.基于VAR模型的经济增长与环境污染关系实证分析——以山东省为例[J].企业经济，2013，32（8）：11-16.

[4] 孙长青.基于VAR模型的城镇化、工业化与金融发展关系分析——以中原经济区为例[J].经济经纬，2012，29（6）：17-21.

[5] 李青，陈红梅，王雅鹏.基于面板VAR模型的新疆农业用水与农业经济增长的互动效应研究[J].资源科学，2014，36（8）：1679-1685.

[6] 李勇，王有贵.基于状态空间模型的中国房价变动的影响因素研究[J].南方经济，2011（2）：38-45.

[7] 高广阔，王永冲，郝丛玲.上海住宅价格决策模型——基于因子及偏最小二乘回归分析[J].上海经济研究，2012，24（9）：67-74，105.

[8] 罗孝玲，周琳杰，马世昌.房价影响因素的空间非一致性与差异化调控手段——基于Panel Data模型的实证研究[J].华东经济管理，2014，28（7）：37-41.

[9] 辜寄蓉，朱明仓，吴合镇.房产政策对房价地价影响力度分析——以重庆市为例[J].统计与决策，2009（5）：102-104.

[10] 牛雪贾，沐年国.基于VAR模型对商品房价格影响因素的实证分析——以上海市房价为例[J].科技和产业，2016，16（6）：107-111.

[11] 李红红.基于VAR模型的甘蔗农业科技投入与经济增长动态关联性研究[J].甘蔗糖业，2020，49（5）：97-102.

[12] 赵雪妍，谢宇欣.陕西省旅游业与经济发展动态关系研究——基于VAR模型[J].广西质量监督导报，2020（8）：183-185.

[13] 王雨晨.基于EViews对江西省商品房价格影响因素的计量研究[J].市场研究，2020（4）：54-56.

[14] 成倩.房价变动影响因素分析——以北京市为例[J].现代商业，2020（31）：32-34.

[15] 洪勇.中國区域房价联动度测度及其影响因素分析——基于35个大中城市面板数据的研究[J].管理评论，2020，32（6）：62-71.

【通联编辑：王力】

1080501705246