房价与经济增长的适配性分析范文

本站小编为你精心准备了房价与经济增长的适配性分析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：文章基于房价的空间效应，利用非参数空间计量模型，测算我国30个省会城市（西藏除外）新建商品住宅最优房价指数，考察其与经济增长的适配性。结果发现：经济增长率、省会城市新建商品住宅房价指数均具有显著的空间正自相关性；新建商品住宅房价对经济增长率呈现出较显著的正负效应；当新建商品住宅实际房价指数超过其最优值时，房价上涨会抑制经济增长，低于其最优值时，房价上涨会促进经济增长。

关键词：房价；经济增长；非参数SEM0

引言

关于房价与经济增长的关系，一直是学者们关注的焦点。已有的研究可以归纳为三种观点：一是房价提高对经济增长产生正向作用[1,2]。二是房价过度上涨会抵制经济增长[3-6]。三是房价对经济将产生正负效应[7,8]。学者们从不同角度探讨了房价与经济增长的关系，得出了迥然不同的研究结论。为加强对房价的管理，我国建立了城市房价指数。但房价指数多大才算合理，学者们并没有给出相应的答案。为此，本文以我国30个省会城市（西藏除外）为研究对象，考察其新建商品住宅房价指数与经济增长的适配性，同时，考虑到房价的空间效应，利用非参数空间计量模型，测算我国省会城市新建商品住宅最优房价指数。

1我国房价与经济增长的变动趋势

描述了2011年第1季度至2016年第3季度我国省会城市新建商品住宅房价指数增长率与GDP增长率的变动趋势。从2011年第1季度至2012年第2季度，经济增长率随新建商品住宅价格指数的下降而下降；2012年第2季度至2013年第1季度，经济增长率随着新建商品住宅价格指数增长随后反弹；2013年第4季度至2015年第1季度，经济增长率随着新建商品住宅价格指数的下降而下降；2015年第2季度至2016年第3季度，经济增长率随着新建商品住宅价格指数的上升而提高。我国房价与经济增长的变化并不一致。经济中可能存在最优房价指数，当实际房价指数超过某一数值时，随着房价指数的上涨，经济增长呈现下滑趋势，反之，当实际房价指数低于某一数值并上涨时，经济增长呈上升趋势。

2空间计量经济模型的设定

由于投资要素在区域间的流动，所以相关经济变量必然会产生空间相关性，因此，本文采用空间计量模型来考察房价与经济增长的适配性。Anselin（1988）认为，如果变量的空间相关性主要源自于经济变量的空间依赖性时，则采用空间自相关模型（SAR）较为合适。如果变量的空间相关性主要源自于模型所产生的误差项，则采用空间误差模型（SEM）更为合适。

3空间计量分析

3.1面板数据的空间相关性分析本文采用Moran'I散点图描述变量的空间相关性。图2和图3显示，2014年总产出增长率和省会城市新建商品住宅价格指数均呈现空间正相关性。呈现高－高（第一象限）、低－低（第三象限）聚集性特征，产生了较强的空间正向关联和溢出效应。

3.2变量的平稳性检验进行面板空间计量时，首先需要对各指标进行平稳性检验。在充分考虑指标横截面相关性，以及个体所遭遇的随机冲击与共因素，防止虚假回归，使检验结果更为有效，本文采用第二代面板单位根检验。

3.3协整检验协整检验结果如表3所示。各省会城市经济增长与固定资产投资规模、就业率、新建商品住宅房价指数之间存在长期的协整关系。从检验功效看，Wester-lund的面板协整效率值显著大于Pedroni的效率值。检验值表明，两种检验均接各指标之间存在长期协整关系的原假设。

3.4面板空间计量回归分析空间相关性检验表明，本文应采用空间面板计量经济模型来考察变量之间的关系。（1）SAR模型与SEM模型的选择本文采用matlab软件进行空间计量分析。检验发现，LM-SAR（拉格朗日滞后乘数）＝0.9735（P＝0.2501），LM-ERROR（拉格朗日误差乘数）＝4.1644（P＝0.0000），且R-LM-SAR（稳健的拉格朗日滞后乘数）＝0.9022（P＝0.7651），R-LM-ERROR（稳健的拉格朗日误差乘数）＝3.3164（P＝0.0000），由此可以判定，本文选择SEM模型进行估计较为合适。（2）固定效应与随机效应模型的选择检验发现，Hausman＝0.0000，本文不适合采用随机效应模型，而拟采用固定效应模型来检验各空间面板变量之间的关系。综合以上分析，本文拟采用SEM固定效应模型作为检测模型，根据Anselin（1996），进一步地将SEM固定效应模型划分为SEM无固定效应模型、SEM时间固定效应模型、SEM地区固定效应模型，以及SEM时间地区固定效应模型。

4非参数空间误差面板计量模型分析

由于线性模型存在着设定误差，因此为了减少线性误差，本文采用非参数模型，该类模型可以更准确地描述变量之间的非线性关系。

4.1非参数SEM构建就业率对经济增长的影响最不显著，其中的原因之一有可能是因为就业率对经济增长影响不大，但这不符合经验事实。而另一个原因很有可能是因为就业率与经济增长存在着非线性关系。非参数模型通常能够更好地刻画变量之间的非线性未知关系。本文将采用非参数SEM做进一步分析。

4.2非参数面板空间误差计量模型回归分析本文选择非参数SEM作为回归模型。

5基于经济增长最大化的最优房价指数的测算

5.1全国平均意义最优房价指数的测算根据式（4），假设经济增长率存在最大值，根据最值原理，式（4）两侧分别对P求一阶偏导，并令其一阶偏导为0。

5.2各省城新建商品房住宅最优房价指数的测算进一步，本文计算了2011—2016年各省城新建商品住宅季度房价最优指数。

6结论与建议

（1）我国的经济增长率、省会城市新建商品住宅房价指数均具有显著的空间正自相关性。表明一个省会城市的经济增长和新建商品住宅房价指数会受到周围省会城市的正向影响。非参数空间面板误差模型更适合刻画我国经济增长率与省会城市房价之间的非线性关系。（2）新建商品住宅房价对经济增长率呈现出较为显著的正负效应。当省会城市新建商品住宅实际房价指数小于最优房价指数时，房价的适度提高会有利于经济增长。反之，房价的提高会阻碍经济的增长。因此，在省会城市经济发展过程中，应正确权衡经济增长与商品住宅房价的关系，确保适度的商品住宅房投资规模，既不要过高，也不要过低，过高会导致资源的浪费，过低会导致房价过高，影响人们的幸福指数，两者均不利经济的均衡发展。（3）2011—2016年，我国省会城市新建商品住宅最优房价指数为100.631。近年来，我国所有省会城市的新建商品住宅实际房价指数在整体上均超过了最优值。其中上海、北京、广州和杭州等地区最优房价指数接近100，表明这些地区应加大住宅商品房供给，以解决商品房供给不足，从而缓解高房价、稳定房价，这样才有利于经济增长。

作者：熊珍琴1；范雅萌2 单位：1.宜春学院经管学院，2.北京师范大学