【限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析3900字】_第1頁
【限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析3900字】_第2頁
【限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析3900字】_第3頁
【限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析3900字】_第4頁
【限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析3900字】_第5頁
已閱讀5頁,還剩4頁未讀 繼續(xù)免費(fèi)閱讀

付費(fèi)下載

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析目錄TOC\o"1-3"\h\u9249限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建及實(shí)證分析 115633一、限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建 17783(一)數(shù)據(jù)說明 121607(二)樣本與變量選擇 1187071樣本選擇 1309712變量選擇 12475(三)研究模型介紹 222478二、限購政策對(duì)上海市住房價(jià)格影響的實(shí)證研究 42173(一)平穩(wěn)性檢驗(yàn) 44636(二)變量動(dòng)態(tài)分析 47016(三)穩(wěn)健性檢驗(yàn) 8一、限購政策對(duì)上海市住房價(jià)格影響的模型構(gòu)建(一)數(shù)據(jù)說明為了更好的反映房地產(chǎn)數(shù)據(jù)的波動(dòng)情況,本文選用2011年之后的上海市住房價(jià)格數(shù)據(jù),之所以選取這個(gè)時(shí)間段,2011是因?yàn)樯虾J?016年3月份出臺(tái)兩次限購政策,2020年也出臺(tái)了限購政策,選擇此時(shí)間段能更好反映上海市房地產(chǎn)市場價(jià)格在限購政策沖擊之下的波動(dòng)情況。本文主要是為了研究限購政策的真實(shí)政策效果,而現(xiàn)有研究表明我國的商品房價(jià)格具有很強(qiáng)的空間相關(guān)性,為了研究限購政策是否會(huì)通過該空間效應(yīng)影響周邊地區(qū)商品房價(jià)格文章需囊括各區(qū)域的商品房價(jià)格,而我國的大多數(shù)地區(qū)的統(tǒng)計(jì)數(shù)據(jù)并不完善,故文章主要選取了上海市二手房為研究對(duì)象。出于數(shù)據(jù)的可得性與真實(shí)性的考慮,文章最后基于面板數(shù)據(jù)進(jìn)行分析。(二)樣本與變量選擇1樣本選擇本文主要研究的是上海市的住房價(jià)格受限購政策的影響,主要調(diào)查的上海市的16個(gè)區(qū)。2變量選擇房地產(chǎn)市場受到多個(gè)外部因素和內(nèi)部因素的影響,根據(jù)經(jīng)濟(jì)學(xué)理論,本文主要選取上海市房地產(chǎn)市場中二手房交易平均價(jià)格(P)和交易量(Q)代替上海市房地產(chǎn)平均價(jià)格、交易量,選取全市居民消費(fèi)價(jià)格指數(shù)(CPI)、銀行利率(R)、貨幣供應(yīng)量(M2)、股票籌資額(S)作為自變量,建立VAR模型,研究各因素對(duì)上海市房屋價(jià)格以及房屋交易量的影響,房屋價(jià)格主要反映當(dāng)下民眾的居住壓力情況,房屋交易量主要反映限購政策對(duì)房地產(chǎn)活躍程度的影響。上海市房地產(chǎn)限購政策作為本文核心解釋變量,用政策虛擬變量(X)表示。本文之所以選擇上海市房地產(chǎn)市場的二手房交易價(jià)格和交易量代表上海市房地產(chǎn)市場的價(jià)格和銷售量,是因?yàn)橛捎谏虾J行陆ㄉ唐贩渴艿较藓炚吆拖迌r(jià)政策的嚴(yán)重影響,其價(jià)格和交易量與市場真實(shí)情況會(huì)有很大的偏差,相比之下二手交易市場少了這兩個(gè)因素的影響,更能反映市場的真實(shí)情況。居民消費(fèi)價(jià)格指數(shù)(CPI)是一個(gè)反映居民家庭一般所購買的消費(fèi)品和服務(wù)項(xiàng)目價(jià)格水平變動(dòng)情況的宏觀經(jīng)濟(jì)指標(biāo),選取此作為變量,主要是從影響消費(fèi)者購房的購買力和購房意愿方面進(jìn)行考慮。而銀行利率(R)、貨幣供應(yīng)量(M2)、股票籌資額(S)作為自變量,是因?yàn)榉康禺a(chǎn)的雙重屬性,而且房地產(chǎn)總價(jià)值較高,受到資本市場的影響非常大,選取作為自變量可以觀察各變量對(duì)房地產(chǎn)市場的沖擊情況。(三)研究模型介紹本文對(duì)限購政策實(shí)施效應(yīng)的研究主要根據(jù)商品住宅量價(jià)關(guān)系的角度。筆者研究前人文獻(xiàn),其中很多學(xué)者使用向量自回歸模型研究相關(guān)政策對(duì)住房價(jià)格和價(jià)格波動(dòng)的影響。例如胡宇辰等(2018)針對(duì)海南省??谑猩唐纷≌瑑r(jià)格的問題,建立了向量自回歸模型預(yù)測政策出臺(tái)后的住宅房價(jià)。首先從政策角度,考慮供求關(guān)系:一是考慮是否有限購、二是考慮首付比例增加、三是考慮是否取消限購;其次,同時(shí)考慮先前對(duì)三亞和海口房價(jià)影響都比較大的因素,對(duì)這些因素建立向量自回歸模型,在向量自回歸模型的基礎(chǔ)上建立脈沖響應(yīng)函數(shù),進(jìn)而分析政策出臺(tái)后對(duì)房價(jià)的預(yù)測。向量自回歸(VAR)模型也成為矢量自回歸模型,是非結(jié)構(gòu)化的多方程模型,其主要推廣源于Sims在1980年發(fā)表的著名文章。VAR模型主要基于數(shù)據(jù)統(tǒng)計(jì)性質(zhì)來建立分析模型,建模思想是把每一個(gè)外生變量作為內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型,該模型可以用來分析相關(guān)聯(lián)的經(jīng)濟(jì)時(shí)間序列系統(tǒng)的未來走向,在分析隨機(jī)擾動(dòng)項(xiàng)對(duì)不同變量系統(tǒng)的動(dòng)態(tài)沖擊之后,更深入解釋經(jīng)濟(jì)沖擊對(duì)各分析變量的具體影響。滯后期數(shù)目如何選擇對(duì)VAR模型的估計(jì)結(jié)果非常重要,而且對(duì)結(jié)果的影響也非常大,因?yàn)檫x擇不同的滯后期會(huì)有完全不同的模型估計(jì)結(jié)果,那么如何選擇確定最佳滯后期呢?其中根據(jù)AIC或者SC值最小準(zhǔn)則是一種不錯(cuò)的方式。在確定了滯后期數(shù)值(用P表示)之后,則VAR模型的公式可表示為:y其中,Yt表示i維內(nèi)生變量;Xt表示j維外生變量;μt表示i維誤差向量;B和A1,A2,…,Ap表示的是待估系數(shù)矩陣。

二、限購政策對(duì)上海市住房價(jià)格影響的實(shí)證研究(一)平穩(wěn)性檢驗(yàn)對(duì)時(shí)間序列進(jìn)行分析進(jìn)入模型分析之前,首先要保證序列的平穩(wěn)性,非平穩(wěn)的時(shí)間序列參與回歸建模分析,容易導(dǎo)致偽回歸問題的出現(xiàn)。因此,在建立回歸分析之前,首先要對(duì)原變量的序列進(jìn)行平穩(wěn)性檢驗(yàn),判斷序列的平穩(wěn)性。本文首先對(duì)各時(shí)間序列進(jìn)行ADF檢驗(yàn),對(duì)已經(jīng)對(duì)數(shù)化的時(shí)間序列是否平穩(wěn)進(jìn)行檢驗(yàn),對(duì)于平穩(wěn)性結(jié)果為不平穩(wěn)的序列對(duì)其進(jìn)行差分,差分序列則在原序列前面加d進(jìn)行區(qū)分表示,然后再對(duì)其進(jìn)行平穩(wěn)性檢驗(yàn),對(duì)本文中選取的各時(shí)間序列數(shù)據(jù)的檢驗(yàn)結(jié)果如表2。表5-1平穩(wěn)性檢驗(yàn)結(jié)果變量統(tǒng)計(jì)值p值1%臨界值5%臨界值10%臨界值是否平穩(wěn)P-3.1896720.0989-4.165756-3.508508-3.184230否dP-7.4493400.0000-4.170583-3.510740-3.185512是Q-2.3652870.3922-4.165756-3.508508-3.184230否dQ-9.4293840.0000-4.170583-3.510740-3.185512是CPI-6.4395560.0000-4.165756-3.508508-3.184230是M2-1.5359990.8023-4.170583-3.510740-3.185512否dM2-8.7415550.0000-4.170583-3.510740-3.185512是S-4.5934500.0031-4.165756-3.508508-3.184230是(二)變量動(dòng)態(tài)分析繪制IRF脈沖響應(yīng)函數(shù)能夠相對(duì)全面地反映各個(gè)變量之間的動(dòng)態(tài)關(guān)系,可以描述一個(gè)內(nèi)生變量對(duì)由誤差項(xiàng)所帶來的沖擊的反應(yīng)情況,主要方法是在隨機(jī)誤差項(xiàng)上施加一個(gè)標(biāo)準(zhǔn)差大小的沖擊之后,觀察其對(duì)內(nèi)生變量的當(dāng)期值以及未來值所產(chǎn)生的影響程度。(1)對(duì)房價(jià)進(jìn)行脈沖響應(yīng)函數(shù)分析利用其它各經(jīng)濟(jì)變量分別對(duì)房屋價(jià)格(P)施加一個(gè)標(biāo)準(zhǔn)差大小的正向沖擊之后,房價(jià)的響應(yīng)程度(如圖2),圖中坐標(biāo)的橫軸表示滯后期階數(shù),縱軸表示沖擊對(duì)響應(yīng)變量的影響程度。由圖中可以看到利率(R)對(duì)房價(jià)(P)的影響首先是負(fù)相關(guān)之后為正相關(guān),在第二期的時(shí)候負(fù)相關(guān)影響最大,然后在第三期開始向正相關(guān)過度,然后越來越大,在第十期左右其響應(yīng)程度趨于平衡,即是利率提高之后首先對(duì)房價(jià)會(huì)有一定的下降影響,在前兩期的時(shí)候影響最大,在第三期開始利率的上升反而會(huì)引起房價(jià)的上漲;居民消費(fèi)指數(shù)(CPI)對(duì)房價(jià)(P)的影響首先是負(fù)相關(guān)在第二期時(shí)轉(zhuǎn)為正相關(guān),然后第三期又轉(zhuǎn)為負(fù)相關(guān),在第五期的時(shí)候負(fù)相關(guān)最大,然后在第十二期的時(shí)候影響趨于消失,即是CPI提高之后民眾的生活壓力增大,在幾個(gè)月時(shí)間之內(nèi)對(duì)房價(jià)的影響搖擺不定,然后在第四個(gè)月時(shí)候引起房價(jià)下降,到一年左右,對(duì)房價(jià)的影響漸漸消失;貨幣供應(yīng)量(M2)對(duì)房價(jià)的影響基本都是正相關(guān)影響,在前期有一定波動(dòng),到第四期開始呈現(xiàn)正向影響越來越大,即是貨幣供應(yīng)量越大,對(duì)房價(jià)上升拉力會(huì)越來越大;房屋交易量(Q)對(duì)房價(jià)(P)的影響開始一直都是負(fù)相關(guān),從第七期開始其對(duì)房價(jià)影響消失;限購政策(X)對(duì)房價(jià)(P)的影響在前兩期時(shí)候是負(fù)相關(guān),在第二期負(fù)相關(guān)最大,從第三期開始變?yōu)檎嚓P(guān),在第四期的時(shí)候正相關(guān)最大,然后正相關(guān)越來越小,在第十二期的時(shí)候影響趨于消失,即是限購政策在前兩個(gè)月的時(shí)間內(nèi)會(huì)抑制房價(jià)上漲,但是第三個(gè)月開始受到消費(fèi)者預(yù)期的影響會(huì)產(chǎn)生報(bào)復(fù)性上漲;股票市場(S)對(duì)房價(jià)(P)的影響在前四期圍繞橫軸上下波動(dòng),但是在第四期開始,其對(duì)房價(jià)的沖擊趨向于正相關(guān),而且是一致保持正相關(guān)的趨勢,也就是股票市場在短時(shí)間內(nèi)對(duì)房價(jià)影響不穩(wěn)定,但是中長期,股票市場的火熱會(huì)引起房價(jià)的上漲。圖5-1各變量對(duì)房價(jià)(P)的脈沖響應(yīng)圖(2)對(duì)房屋交易量進(jìn)行脈沖響應(yīng)函數(shù)分析利用其它各經(jīng)濟(jì)變量分別對(duì)房屋交易量(P)施加一個(gè)標(biāo)準(zhǔn)差大小的正向沖擊之后,房價(jià)的響應(yīng)程度(如圖3),圖中坐標(biāo)的橫軸表示滯后期階數(shù),縱軸表示沖擊對(duì)響應(yīng)變量的影響程度。圖5-2各變量對(duì)房屋交易量(Q)的脈沖響應(yīng)圖由圖中可以看到利率(R)對(duì)房屋交易量(Q)的影響首先是正相關(guān)之后到第六期轉(zhuǎn)為負(fù)相關(guān),其中在第四期的時(shí)候正相關(guān)影響最大;居民消費(fèi)指數(shù)(CPI)對(duì)房屋交易量(Q)的影響首先是由第一期的最大負(fù)相關(guān)到第二期時(shí)轉(zhuǎn)為正相關(guān),然后第三期到達(dá)最大正相關(guān),然后慢慢趨向于橫軸繼續(xù)保持正相關(guān)影響,表明房屋作為一種消費(fèi)品,隨著消費(fèi)者指數(shù)的增長,人們生活壓力的增大,第一時(shí)間影響到房屋交易量,開始是反作用于房屋市場,然后又對(duì)房屋交易市場起到推動(dòng)作用;貨幣供應(yīng)量(M2)對(duì)房屋交易量(Q)的影響基本都是正相關(guān)影響,在前期有一定波動(dòng),到第三期正向影響最大之后然后慢慢趨向于橫軸直到第12期影響慢慢消失,即是貨幣供應(yīng)量越大,對(duì)房地產(chǎn)交易量和房地產(chǎn)市場的火熱程度會(huì)有正相關(guān)影響;房價(jià)(P)對(duì)房屋交易量(Q)的影響開始由最大的正相關(guān)趨向于負(fù)相關(guān),第三期時(shí)候達(dá)到最大負(fù)相關(guān)而且一直保持基本同樣的負(fù)相關(guān);限購政策(X)對(duì)房屋交易量(Q)的影響基本上都是負(fù)相關(guān),主要原因是由于限購政策的影響,在一定程度上對(duì)購房者的購房資格進(jìn)行了限制,但同時(shí)也可以看到限購政策對(duì)房地產(chǎn)交易市場的火熱程度會(huì)有一定的限制效果;股票市場(S)對(duì)房屋交易量(Q)的影響圍繞橫軸上下波動(dòng),到第七期時(shí)候影響基本消失。(三)穩(wěn)健性檢驗(yàn)本文基于Eviews軟件,對(duì)模型的檢驗(yàn)主要選取進(jìn)行ARRootsGraph檢驗(yàn)的方法,在圖單位圓中的點(diǎn)表示的是AR特征根的倒數(shù)的模,如果全部的點(diǎn)都在單位圓內(nèi)則表示VAR模型平穩(wěn),反之則表示該模型不平穩(wěn),需要重新設(shè)定?,F(xiàn)在利用ARRootsGraph檢驗(yàn)方法對(duì)本文中的VAR模型進(jìn)行檢驗(yàn),其結(jié)果如圖1。該檢驗(yàn)結(jié)果顯示所有的點(diǎn)(特征根倒數(shù)的模)都在單位圓內(nèi),所以本文中的VAR模型是平穩(wěn)的,可進(jìn)行下一步分析。圖5-3ARRootsGraph檢驗(yàn)結(jié)果圖根據(jù)下表房價(jià)方差分解結(jié)果,期初的解釋貢獻(xiàn)為0,表明期數(shù)上海房價(jià)的變動(dòng)主要受自身影響。而后隨著滯后階數(shù)的增長,各經(jīng)濟(jì)因素對(duì)房價(jià)的解釋力度漸強(qiáng),長期內(nèi)穩(wěn)定在8%左右,整體看來,匯率變動(dòng)對(duì)房價(jià)的解釋力度能力較弱。表5-2房價(jià)的方差分解結(jié)果滯后期S.E.房價(jià)利率10.080487100020.11547999.366750.63324830.14272799.426460.57354540.16482299.533710.46628850.19110999.42960.570460.21

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論