樊 骋，余新宏，吴之锋，郝 洋，王 毓

(安徽农业大学 经济技术学院，安徽 合肥 230011)

近年来，随着国民经济的快速发展，房地产业快速发展，房地产业已成为民众十分关注的热点问题。而作为国民经济顶梁柱的房地产业，与人民的生活息息相关，是现代社会经济和社会活动所必须的基础之一。房地产业的健康繁荣发展既有利于国民经济的快速增长，还有利于提高人们的生活水平和保障社会和谐，对整个社会的发展有着重要意义。由于商品房价格的持续增长，也吸引了国内外专家学者的关注与研究。对于VAR模型的研究，比较早地应用到了房地产价格的领域，徐筱瑜等人利用峰谷检测三角法、动态均线偏移法与递归HP滤波法对房价异常波动识别方法进行总结[1]；张启坤运用灰色关联以及VAR进行实证研究，动态模拟各个影响因素之间的关系以揭示其对商品房价格的影响机制，最后在根据上述方法得出的实证结果基础上，提出相关的建议[2]；张樱馨也通过构建向量自回归模型，对安徽省合肥市房地产价格的因素进行分析，并使用广义脉冲和方差分解对房地产价格与各宏观经济指标动态关系进行了分析，重点分析了GDP与房地产价格之间的关系[3]。但是作为房地产当中的一个与国计民生关系最为密切联系的一个重要方面，其影响因素很多，本文在对前人相关研究总结的基础上，选取若干指标对住宅商品房价格的影响关联程度进行分析，并选取关联度最大的四个指标，利用VAR模型对这些影响因素进行因果检验协整分析，总结他们与住宅房地产价格标之间的动态关系，以期为合肥市住宅房地产价格的变化提出相应对策与建议。

1 研究区域概况

合肥是安徽省的省会，居江淮之间，拥有中国五大淡水湖之一的巢湖。现辖5个县4区。土地总面积11445.1平方公里(含巢湖水面770平方公里)。四十年来合肥已经由破旧落后的小城,发展成为100万人口的新型现代化城市。截至2019年，合肥市户籍人口770.44万人，常住人口818.9万人，常住人口城镇化率76.33%。合肥市实现地区生产总值9409.4亿元，人均生产总值115623元。

2 研究方法与数据来源

2.1 研究方法

本文选取向量自回归(VAR)模型进行分析，VAR模型是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的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。

2.2 数据来源

本文数据来源于《安徽省统计年鉴》(1998—2018年)、《合肥市统计年鉴》(1998—2018年)、合肥市1998—2018年统计公报。

3 实证研究

3.1 指标的选取与处理

3.1.1 指标的选取

本文选取安徽省合肥市住宅商品房价格(HP)作为因变量；商品住宅销售面积(SA)、商品住宅完成投资额(INV)、城镇居民人均可支配收入(PCI)、房地产生产总值(GDP)等因素作为自变量，基于1998-2018年间的时间序列数据，建立VAR模型来研究各因素对合肥市住宅商品房价格的影响[4]。

3.1.2 数据处理

根据收集的相关数据，对各个变量进行描述统计分析，统计结果见表1，发现住宅商品房价格、商品住宅销售面积、商品住宅完成投资额、城镇居民人均可支配收入、房地产生产总值标准差均大于1，表明历年商品住宅销售价格、商品住宅销售面积、商品住宅完成投资额、城镇居民人均可支配收入、房地产生产总值变化差异较大。为消除异方差和量纲，对各变量进行对数处理，并对选取指标进行平稳性检验。

3.2 模型的建立与分析

3.2.1 最优滞后阶数检验

在进行VAR分析之前，需要进行最优滞后的确定，为了更加完整地反映各个变量之间的动态关系，一般要使滞后的阶数足够大，得出的检验结果如表2。由检验结果可知，在滞后一期时，AIC和SC准则同时最优，即最优滞后期为滞后一期，VAR模型为VAR(1)模型。

3.2.2 稳定性检验

通过稳定性检验，发现5个单位根均在单位圆内，说明本文建立的VAR模型具有稳定性。

3.2.3 建立模型

经过上述的检验和处理之后，使用EVIEWS进行自回归分析，得到结果表3，并进一步得出各因素与住宅商品房价格的VAR方程：

LNHP=1.8307+0.7760*LNHP(-1)+0.04217*LNSA(-1)-0.02676*LNINV(-1)-0.0720*LNPCI(-1)+0.16139*LNGDP(-1)

图1 单位圆稳定性检验

3.3 脉冲响应分析

在进行VAR估计时，发现各因素的系数有正有负(如表3)，但我们需要观察脉冲响应结果，以便观察各因素对住宅房地产价格的影响，且拟合度为0.986411时，拟合度较高，为脉冲分析提供有利基础。为此，进一步进行脉冲分析，通过Eviews进行操作得到脉冲响应曲线图如图2所示。

由图2的脉冲响应函数图可发现结果如下：

图2 脉冲响应结果

(1)住宅商品房价格对商品住宅销售面积的响应程度在第一期为0，第二期之后转变为正向响应；随着时间推移，这种正向响应程度逐渐增强，在第十七期达到最大响应程度，为0.04左右，之后响应程度有所减弱，但始终保持正向响应，表明商品住宅销售面积对住宅房地产价格具有正向促进作用。

(2)住宅商品房价格对商品住宅完成投资额的响应程度在第一期为0，第二期转变为正向响应，随着时间推移，这种正向响应程度逐渐增强，在第十五期达到最大响应程度，为0.05左右，之后响应程度有所减弱，但下降幅度较小[5]。表明商品住宅完成投资额对住宅商品房价格具有正向影响作用。

(3)住宅商品房价格对城镇居民人均可支配收入的响应程度在第一期为0，第二期转变为正向响应，随着时间推移，这种正向响应程度不断增强，且第六期达到最大正响应程度，响应程度为0.01左右，之后这种正向响应程度有所减弱，并在第十八期之后逐渐趋于0。表明城镇居民人均可支配收入对住宅商品房价格具有正向影响作用。

(4)住宅商品房价格对房地产生产总值的响应程度在第一期为0，第二期转变为正向响应，随着时间推移，这种正向响应程度不断增强，且第三期达到最大正响应程度，响应程度为0.02左右，之后这种正向响应程度有所减弱，并在第19期之后逐渐趋于0。表明房地产生产总值对住宅商品房价格具有正向影响作用。

3.4 方差分解

在研究各变量在对住宅商品房价格有影响作用以后，接下来进一步通过方差分解来研究各因素对住宅商品房价格的贡献率，以期发现他们之间的相互关系，具体结果见表4。

表4 方差分解结果

从方差分解结果来看，商品住宅销售面积、商品住宅完成投资额、城镇居民人均可支配收入、房地产生产总值对合肥市住宅商品房价格的贡献率依次为：28.44%、36.45%、0.33%、1.048%。即对住宅商品房价格的影响作用由大到小的因素依次为：商品住宅完成投资额、商品住宅销售面积、房地产生产总值、城镇居民人均可支配收入[6]。

3.5 格兰杰因果检验

格兰杰因果检验结果能够观察各因素与住宅商品房价格是否存在直接的影响作用，格兰杰因果检验结果见表5。

表5 格兰杰因果检验

从格兰杰因果检验结果可知，商品住宅销售面积、商品住宅完成投资额不是商品住宅销售价格的格兰杰原因，说明商品住宅销售面积、商品住宅完成投资额对商品住宅销售价格具有间接影响作用；房地产生产总值、城镇居民人均可支配收入是住宅商品房价格的格兰杰原因，说明房地产生产总值、城镇居民人均可支配收入对住宅商品房价格具有直接影响作用[7]。

4 结论与建议

通过建立VAR模型并综合运用脉冲响应函数和方差分解分析以及格兰杰因果检验，从整体和各个方面分别分析了各因素对合肥市住宅商品房价格的影响，从而得出各个因素的影响程度和方式，具体结论如下：

(1)商品住宅完成投资额与合肥市住宅商品房价格呈现的影响度最强，而城镇居民人均可支配收入相对来说对价格影响最弱。

(2)合肥市房地产生产总值与住宅商品房价格呈单方向的影响关系，住宅商品房价格会引起安徽省合肥市房地产生产总值变化，且为正向影响。安徽省合肥市住宅商品房价格与房地产投资总额呈单方向的影响关系。若给合肥市房地产生产总值一个正向冲击后，合肥市住宅商品房价格会在一段时间内下跌，该冲击对住宅商品房价格产生了负影响，但是从长期来看趋于平稳；若给安徽省合肥市人均可支配收入一个正冲击后，短时期内合肥市住宅商品房价格会上升并达到最大值，经过一段时间的波动后又趋于平稳；房地产投资额也会对住宅商品房价格产生正向冲击作用，但这种作用几乎为零。