房價(jià)波動對實(shí)體經(jīng)濟(jì)影響的因果關(guān)系檢驗(yàn)概述目錄TOC\o"1-3"\h\u32236房價(jià)波動對實(shí)體經(jīng)濟(jì)影響的因果關(guān)系檢驗(yàn)概述 1245561.1VAR模型 1261181.2數(shù)據(jù)來源與平穩(wěn)性檢驗(yàn) 2108411.3Granger因果檢驗(yàn) 422181.4VAR模型的估計(jì) 51.1VAR模型考慮到向量自回歸通常用來預(yù)測相互聯(lián)系的時間序列系統(tǒng)以及分析隨機(jī)擾動項(xiàng)對變量系統(tǒng)的動態(tài)影響。本研究參照Role等（1980）所提出的向量自回歸理論以及Sims等（1990）對于VAR方法在經(jīng)濟(jì)學(xué)領(lǐng)域的應(yīng)用方式對以上所提出的問題進(jìn)行了研究。向量自回歸的原理在于把每個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型，從而避開了結(jié)構(gòu)建模方法中需要對系統(tǒng)每個內(nèi)生變量關(guān)于所有內(nèi)生變量滯后值的建模問題。一般的VAR(P)模型的數(shù)學(xué)表達(dá)式是：…（2.1）其中表示K×1階隨機(jī)向量，到表示K×K階的參數(shù)矩陣，表示M×1階外生變量向量，到是K×M階待估系數(shù)矩陣，并且假定是白噪聲序列；即，并且。…（2.2）在實(shí)際應(yīng)用過程之中，由于滯后期p和q足夠大，利用VAR方法能夠較為完整的反映所構(gòu)造模型的全部動態(tài)關(guān)系信息。但由于滯后期的延長，模型會產(chǎn)生眾多的待估參數(shù)，因而減少其自由度。因此本研究力求在自由度與滯后期之間找出一種均衡狀態(tài)。參照SC準(zhǔn)則和AIC準(zhǔn)則選擇兩者統(tǒng)計(jì)量最小時的滯后期作為本研究的建模標(biāo)準(zhǔn)。其具體統(tǒng)計(jì)量見下式?！?.3）…（2.4）式（2.3）與（2.4）中表示待估參數(shù)的個數(shù)，n表示觀測樣本個數(shù)，同時滿足：…（2.5）1.2數(shù)據(jù)來源與平穩(wěn)性檢驗(yàn)（一）數(shù)據(jù)來源本研究研究房地產(chǎn)價(jià)格對實(shí)體經(jīng)濟(jì)的影響，理論上衡量房價(jià)需要綜合考慮房地產(chǎn)市場的多樣性和異質(zhì)性，例如銷售價(jià)格和租賃價(jià)格，新房和二手房，商品房和經(jīng)濟(jì)適用房等。本研究選取全國商品房平均銷售價(jià)格來代表房地產(chǎn)價(jià)格，該價(jià)格可由商品房銷售額與銷售面積相除得到。由于每年1月份的商品房銷售額和銷售面積的數(shù)據(jù)缺失，因此，本研究采用2009年-2019年，每年2-12月份的商品房平均銷售價(jià)格來代表房地產(chǎn)價(jià)格，數(shù)據(jù)來源于iFinD和國家統(tǒng)計(jì)局。目前，能全面衡量實(shí)體經(jīng)濟(jì)的運(yùn)行狀況的直接數(shù)據(jù)缺乏，考慮到數(shù)據(jù)的可得性本研究綜合考慮相關(guān)研究選擇了：工業(yè)增加值（楊紅麗等，2020）、固定資產(chǎn)總投資（梁云芳等，2006；潘紅玉，2019；王芳和姚玲珍，2018）、進(jìn)出口金額（汪勇和李雪松，2019）代表實(shí)體經(jīng)濟(jì)發(fā)展?fàn)顩r。樣本區(qū)間同樣2009-2019年共計(jì)231組觀測數(shù)據(jù)，數(shù)據(jù)來源于iFinD和國家統(tǒng)計(jì)局。（二）數(shù)據(jù)平穩(wěn)性檢驗(yàn)在本研究的研究中，工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額及房價(jià)的收益率序列通過取其對數(shù)做一階差分得到，具體計(jì)算公式為：R…（2.6）其中，QUOTEPitPit表示工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額及房價(jià)在第t日的指數(shù)或價(jià)格，QUOTEPit-1Pit-1表示工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額及房價(jià)在第t-1日的指數(shù)或價(jià)格。樣本區(qū)間內(nèi)各指數(shù)及價(jià)格的實(shí)際變化如下圖所示。圖2.SEQ圖2.\*ARABIC9工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額及房價(jià)的指數(shù)變化Figure2.9Indexchangesinindustrialaddedvalue,totalinvestmentinfixedassets,importandexportamounts,andhousingprices表2.SEQ表2.\*ARABIC1描述性統(tǒng)計(jì)結(jié)果Table2.1Descriptivestatistics房價(jià)工業(yè)增加值固定資產(chǎn)總投資進(jìn)出口金額Mean5247.561601.58155036.1015488.84Std.Dev2409.951098.14168335.8011922.70Skewness0.360.251.160.76Kurtosis1.961.723.192.53Jarque-Bera15.3118.1152.0624.43Probability0.000.000.000.00表2.1描述性統(tǒng)計(jì)結(jié)果（續(xù)）Table2.1Descriptivestatistics房價(jià)工業(yè)增加值固定資產(chǎn)總投資進(jìn)出口金額ADF檢驗(yàn)(D1)-5.81***-3.33**-3.66***-3.28**PP檢驗(yàn)(D1)-52.25***-34.46***-38.11***-26.35***Observations231231231231樣本收益率序列的描述性統(tǒng)計(jì)結(jié)果如表2-1所示。從表中的結(jié)果可以看出，工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額及房價(jià)的一階差分序列均通過了ADF檢驗(yàn)和PP檢驗(yàn)。說明了各收益率序列都為平穩(wěn)序列，滿足進(jìn)一步建模的前提要求。同時各個收益率序列都沒有通過J-B檢驗(yàn)，即說明了這些指數(shù)的收益率序列都拒絕了正態(tài)分布的假設(shè)。經(jīng)檢驗(yàn)這些序列偏度都大于0，均為右偏序列。此外，僅固定資產(chǎn)總投資的峰度都大于3，呈現(xiàn)出尖峰特征，說明固定資產(chǎn)投資具有嚴(yán)重的集聚性；而工業(yè)增加值、進(jìn)出口金額及房價(jià)的峰度均小于3，相對平緩。（三）協(xié)整檢驗(yàn)由于序列房價(jià)-工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額為一階單整序列，在此基礎(chǔ)上，本研究采用Johansen協(xié)整檢驗(yàn)以判斷房價(jià)與它們之間是否存在長期穩(wěn)定的協(xié)整關(guān)系，檢驗(yàn)的滯后階數(shù)由LR、AIC、SC等確定，最終的最優(yōu)滯后階數(shù)為1。即證明了房價(jià)與工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額間最多存在一個協(xié)整關(guān)系，滿足進(jìn)一步建模前提。協(xié)整檢驗(yàn)的結(jié)果如表3-2所示：表2.SEQ表2.\*ARABIC2Johansen協(xié)整檢驗(yàn)結(jié)果Table2.2Johansencointegrationtestresults房價(jià)-工業(yè)增加值房價(jià)-固定資產(chǎn)總投資房價(jià)-進(jìn)出口金額TraceStatisticPTraceStatisticPTraceStatisticPNone117.510.00175.280.00188.760.00Atmost152.990.0080.990.0091.300.001.3Granger因果檢驗(yàn)從表2-3可知，在5%顯著性水平下，由于概率值P=0.00<0.05，拒絕原假設(shè)，因此，本研究認(rèn)為，房價(jià)是工業(yè)增加值的Granger原因。另外，由于概率值P=0.34>0.05，從而接受原假設(shè)，說明工業(yè)增加值不是房價(jià)的Granger原因。類似的本研究發(fā)現(xiàn)，房價(jià)-工業(yè)增加值、固定資產(chǎn)總投資和進(jìn)出口金額都存在顯著的單邊因果關(guān)系影響，即房價(jià)波動對工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額存在顯著的影響。同時工業(yè)增加值、固定資產(chǎn)總投資和進(jìn)出口金額都不是房價(jià)波動Granger原因。該結(jié)果與梁云芳等（2006），黃忠華等（2008），Green（1997），Coulson和Kim（2000）等結(jié)果相一致。表2.SEQ表2.\*ARABIC3Granger因果檢驗(yàn)結(jié)果Table2.3GrangercausalitytestresultsGranger因果關(guān)系F統(tǒng)計(jì)值P值房價(jià)-工業(yè)增加值房價(jià)不是工業(yè)增加值的Granger原因32.230.00工業(yè)增加值不是房價(jià)的Granger原因0.900.34房價(jià)-固定資產(chǎn)投資房價(jià)不是固定資產(chǎn)投資額的Granger原因25.820.00固定資產(chǎn)投資額不是房價(jià)的Granger原因2.210.11房價(jià)-進(jìn)出口金額房價(jià)不是進(jìn)出口金額的Granger原因22.070.00進(jìn)出口金額不是房價(jià)的Granger原因2.320.101.4VAR模型的估計(jì)參照平穩(wěn)性檢驗(yàn)結(jié)果，結(jié)合AIC及SC準(zhǔn)則，本研究建立了多組房價(jià)波動對工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額的VAR模型。估計(jì)的具體結(jié)果如表4所示。表2.SEQ表2.\*ARABIC4VAR模型估計(jì)結(jié)果Table2.4VARmodelestimationresults房價(jià)-工業(yè)增加值房價(jià)-固定資產(chǎn)總投資房價(jià)-進(jìn)出口金額CoefficienttCoefficienttCoefficientt表2.4VAR模型估計(jì)結(jié)果（續(xù)）Table2.4VARmodelestimationresults房價(jià)-工業(yè)增加值房價(jià)-固定資產(chǎn)總投資房價(jià)-進(jìn)出口金額Y(-1)-0.16-2.31-0.01-0.160.010.12Y(-2)-0.50-6.83-0.04-0.56-0.07-0.98X(-1)-0.08-1.2543.621.785.062.57X(-2)0.182.8139.121.633.141.65C16.0218.12-432.53-0.06-70.97-0.13Adj.R20.210.010.03AIC14.0525.9720.83SC14.1326.0420.91由表2-4、表2-5的估計(jì)結(jié)果可以看出，在滯后兩期的VAR模型中以及不同的顯著性水平下，工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額在長期中主要受到自身以及滯后兩期的房地產(chǎn)市場波動的影響，反應(yīng)了實(shí)體經(jīng)濟(jì)對房價(jià)波動的反映。表2.SEQ表2.\*ARABIC5VAR模型估計(jì)結(jié)果（滯后2期）Table2.5VARmodelestimationresults（lags2periods）房價(jià)-工業(yè)增加值房價(jià)-固定資產(chǎn)總投資房價(jià)-進(jìn)出口金額CoefficienttCoefficienttCoefficienttY(-1)0.668.400.699.600.719.38Y(-2)-0.22-2.73-0.18-2.67-0.20-2.66X(-1)-0.03-0.5521.881.252.791.94X(-2)0.284.915.270.29-1.06-0.73C-378.49-5.07-63296.33-4.02-1407.60-1.25Adj.R20.940.710.65AIC14.0525.6920.59SC14.1325.7720.66為了全面的考察并衡量房地產(chǎn)市場對工業(yè)增加值、固定資產(chǎn)總投資、進(jìn)出口金額變動的影響及其貢獻(xiàn)程度大小，本研究對以上VAR建模結(jié)果進(jìn)行了如下的脈沖響應(yīng)及方差分解計(jì)算，以全面的反應(yīng)各個變量之間的動態(tài)關(guān)系，其中VAR脈沖響應(yīng)的數(shù)學(xué)表達(dá)式如下所示：對于任何一個VAR模型都可以表示成為一個無限階的向量過程?！?.7）…（2.8）中第行第列元素表示的是，令其它誤差項(xiàng)任何時期都不變的條件下，當(dāng)?shù)趥€變量對應(yīng)的誤差項(xiàng)在期受到一個單位的沖擊后，對第個內(nèi)生變量在期造成的影響。把中第行第列元素看作是滯后期的函數(shù)，…（2.9）式（9）稱作脈沖響應(yīng)函數(shù)（impulse-responsefunction），脈沖響應(yīng)函數(shù)描述了其它變量在期以及以前各期保持不變的前提下，以時一次沖擊的響應(yīng)過程。圖2.SEQ圖2.\*ARABIC10房價(jià)-工業(yè)增加值脈沖響應(yīng)結(jié)果Table2.10Houseprice-industrialvalueaddedimpulseresponseresults圖2.SEQ圖2.\*ARABIC11房價(jià)-固定資產(chǎn)總投資脈沖響應(yīng)結(jié)果Table2.11Houseprice-fixedassetinvestmentimpulseresponseresults圖2.SEQ圖2.\*ARABIC12房價(jià)-進(jìn)出口金額脈沖響應(yīng)結(jié)果Table2.12Houseprice-importandexportamountimpulseresponseresults從上圖的結(jié)果可以看出，對于工業(yè)增加值（Y）自身的滯后影響來說，其期初的一個沖擊對其自身的影響在期初時最大，大約在0.16%左右，隨后這種影響直線下降，在第二期左右下降至90左右，在第七期及以后這種影響逐漸穩(wěn)定，整體上影響的持續(xù)周期較長。這與實(shí)際生活中的現(xiàn)象時契合的，即前期較高的或較為積極的經(jīng)濟(jì)發(fā)展情況具有一定持續(xù)期緊隨著下一期較為積極的經(jīng)濟(jì)發(fā)展預(yù)期。對于房地產(chǎn)市場價(jià)格（X）來說，給其期初一個正的沖擊，其在第1期對工業(yè)增加值(Y)會產(chǎn)生一個較強(qiáng)的正向影響，并且這種影響持續(xù)期較長，直到第5期該影響逐漸減弱直至區(qū)域0。在第5期之后，沖擊對于工業(yè)增加值(Y)來說會產(chǎn)生一個較弱的負(fù)向影響并逐漸穩(wěn)定，這與現(xiàn)實(shí)情況是契合的。從方差分解角度看，脈沖響應(yīng)函數(shù)能夠捕捉到一個變量的沖擊因素對另一個變量的動態(tài)影響路徑，而方差分解可以將VAR系統(tǒng)中的一個變量的方差分解到各個擾動項(xiàng)上。因此方差分解提供了關(guān)于每個擾動因素影響VAR模型內(nèi)各個變量的相對程度，