ImageVerifierCode 换一换
格式:DOCX , 页数:4 ,大小:20.05KB ,
资源ID:1355008      下载积分:5 文钱
快捷下载
登录下载
邮箱/手机:
温馨提示:
快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。 如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝    微信支付   
验证码:   换一换

加入VIP,省得不是一点点
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenke99.com/d-1355008.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: QQ登录   微博登录 

下载须知

1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

本文(中部地区典型城市房价动力机制探析.docx)为本站会员(h****)主动上传,文客久久仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文客久久(发送邮件至hr@wenke99.com或直接QQ联系客服),我们立即给予删除!

中部地区典型城市房价动力机制探析.docx

1、中部地区典型城市房价动力机制探析 摘 要:文章以南昌市为例,探究中部典型城市背后的房价动力机制。基于南昌市 2010年至 2016年季度数据建立 VAR模型,通过脉冲响应函数和方差分解结果分析了地区生产总值、固定资产投资、房地产开发投资额、房屋竣工面积和人均可支配收入对南昌房价的影响,归纳出房价的动力机制。研究表明:南昌市房地产市场存在一定程度的泡沫;预期对南昌市房价高企起着主要的作用;人均可支配收入的增加带动了有效需求,拉动了房价的上涨;供给一端对于房价的作用只占到 20%,并没有充分发挥调控作用;地区生产总值 人均可支配收入 房地产开 发投资 预期,这条动力机制路径十分通畅且对典型城市房价

2、的解释力很强。 下载 关键词:房价 VAR 模型 动力机制 实证分析 建议 中图分类号: F293.3 文献标识码: A 文章编号: 1004-4914( 2017) 06-284-03 一、引言 房价上涨趋势逐渐从一线城市向二三线城市蔓延,中部地区许多城市经济发展水平不高、收入有限,但是房价上涨仍然迅猛。合肥市房价从 2016年 2 月开始直线拉升,仅半年时间增速位居全国第一,南昌市房价从 2016年连续增长 11个月,均价从 8000元直接突破万元大关。房地产产业是我国国民经济的重要组成,与国民生计息息相关,传统的房价理论难以解释上述现象,因此探求其动力机制,对于房地产市场的稳定发展有着及

3、其重要的意义。 二、南昌市房价动力机制实证分析 (一)指标的选取 本文基于基本的经济学原理,从供给和需求两个方面入手,选取了五个经济指标,供给方:房屋竣工面积( FSC)、房地产开发投资额( REEIC),固定资产投资总额( FIC)。需求方:地区生产总值( GDP),居民人均可支配收入( PCDI)。上述因素的选取考虑到地区 的特殊性,一些变量如:利率、货币供应量等由国家统一调控,对各个地区影响相同,不予考虑。相关经济数据来源于各地市统计局、统计年鉴以及中经网数据库等权威机构,受限于数据的可得性,实证数据统一精确到季度。 (二)实证检验 1.平稳性检验。 下面利用 ADF 根检验对南昌市 P

4、RICE、 GDP、 PCDI、 FIC、 FSC、 REEIC 的数据进行检验,具体结果见表 1。( 置于某变量前表明该变量经过了一阶差分,如变量 PRICE 的一阶差分表示为 PRICE ) 结果表明:在 10%的显著性水平下 ,南昌市所有数据一阶差分后平稳,通过了平稳性检验。 2.协整检验。 利用 Johanson的检验方法对南昌市指标间的协整关系进行检验。结果如表 2 所示。 由上表可以看出,南昌市数据至少存在两对协整关系。 (三) VAR 模型的建立 根据 AIC和 SC取值最小的准则,结合拥有的数据量,经过多次尝试,最终将变量滞后期数确定为 2。回归结果如下: 上述是以矩阵方程的形

5、式建立的 VAR 模型,将内生变量作为系统中所有内生变量的 2期滞后值来构建函数,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,根据上述方程来进行脉冲响应函数分析以及方差分解分析。 模型建立完成后,需要对模型进行稳定性检验,本文采用 AR根检验来检验模型的稳定性,结果如图 1 所示: 所有数据落在单位圆内,所以模型稳定。 (四)脉冲响应函数分析 从图 2 可以看出,当本期给房价( PRICE)一个正向的自身冲击后,房价( PRICE)立即上升 450个单位,持续大约为 1期,第 2期开始呈现负响应,第 4 期达到最大负响应后逐渐收敛。表明预期对于房价( PRIC

6、E)影响显著。 从图 3 可以看出,固定资产投资( FIC)对于房价( PRICE)的影响比较显著, 1 单位固定资产投资( FIC)对房价( PRICE)的正冲击不会使房价( PRICE)立即变化, 2 期后房价( PRICE)上涨 100 个单位,然后逐渐回落,第 4 期出现反转,房价( PRICE)下跌,第 5 期下跌到最低点,持续 2 期,逐渐收敛于原点,带来的正负效应均呈现减弱 加强 减弱。表明房价( PRICE)对于固定资产投资( FIC)的响应滞后。 从图 4 可以看出,房价( PRICE)对房屋竣工面积( FSC)的响应也很显著, 1 单位房 屋竣工面积( FSC)的冲击,使房

7、价( PRICE)当期下降 20 个单位;第 2 期出现反转,第 2.5 期达到最大正响应,上升约 50 个单位,然后开始下降,第 3期下降到负值,呈现 3期的负响应。随着脉冲的减弱,最终收敛于水平坐标轴。由于正响应的时间短、效果弱,所以不把它看作主要影响,总体来看,房屋竣工面积( FSC)对房价呈现出负的效应。 从图 5 可以看出,给房价( PRICE)一个正向的地区生产总值( GDP)冲击,由于传导的滞后效应,房价( PRICE)不会立即变化,开始从 0 逐步上升,最高达到 50 个单位,上升趋势持续 2 期,第 3 期逐步回归到坐标轴。总体来看,地区生产总值( GDP)对于房价( PRI

8、CE)的影响均是正向的。结合图 6看,给地区生产总值( GDP)一个正向的房价( PRICE)冲击,房价( PRICE)上升约 25个单位,由上文可知受房价( PRICE)的冲击,地区生产总值( GDP)同时也上涨 50 个单位,因此,可以粗略估计出房价增长率 /GDP 增长率大约为 2,由此可以看出南昌市房价( PRICE)存在一定程度的泡沫。 从图 7 可以看出, 1 单位的人均可支配收入( PCDI)的正向冲击,使房价( PRICE) ?0 开始逐步上升, 1 期后上升 150 个单位,达到最高点。随着冲击效应的减弱逐渐回落到 0点,整个过程持续约 4期。整体来看,人均可支配收入( PC

9、DI)对房价( PRICE)的影响十分迅猛, 1 期就将房价( PRICE)推向最高点,且在很长的时间内持续,并始终呈现正向影响。 从图 8可以看出,给房价( PRICE)一个正向的房地产开发投资额( REEIC)冲击,房价( PRICE)逐步上升,第 2期达到最高点,上涨 50个单位,然后逐渐回落,第 3期回落到原点,继续下行,至第 4期下行至最低点,然后慢慢回升至原点。这一过程表明:房地产开发投资额在短 期内对于房价( PRICE)有着正向的影响,使房价( PRICE)上涨,长期来看,由于供需关系的改变,最终对房价( PRICE)呈现负向影响。 (五)方差分解分析 表 3 第 1 行表示预

10、测期数,第 1 列表示各变量对于房价变化的贡献度,每列相加为结果为 100%,表 3 可以精确的描述每 1 期每个变量对于房价( PRICE)的贡献程度。图 9 是房价( PRICE)的方差分解图。 由 ?D9 可知,南昌市房价( PRICE)快速上涨的原因中,房价( PRICE)自身的影响占据了最大的比重,其次是人均可支配收入( PCDI),接下来是房屋竣工面积( FSC)和固定资产投资( FIC),地区生产总值( GDP)和房地产开发投资额( REEIC)对房价( PRICE)的影响未能发挥出应有的作用,影响程度均未超过 5%。结合表 3 分析,房价( PRICE)对于自身的影响整体上呈现

11、下降的趋势,虽然在第 3期和第 4期有短暂的上涨,但是幅度很小,不占主导地位,且前期下降十分迅速,随着期数的推移,下降的趋势逐渐减弱。 人均可支配收入( PCDI)对于房价( PRICE)的影响比较稳定,除第二期大幅上升至 29%外,其余影响在 26%左右徘徊,说明人均可 支配收入( PCDI)对南昌房价( PRICE)的贡献稳定且有力。 房屋竣工面积( FSC)和房地产开发投资额( FIC)对于房价( PRICE)的影响是双重的,一方面增加房屋供给,使房价( PRICE)降低,另一方面,促进宏观经济发展,带动房价( PRICE)上升。结合图 3、图 4 的脉冲响应函数可以看出,房地产开发投资

12、额( FIC)和房屋竣工面积( FSC)对于房价( PRICE)的整体效应是负向的,对于抑制房价( PRICE)有着积极的作用,但是由于各自的贡献度不大( FSC 为 16%, FIC 为 7%),所以未能对房价( PRICE)高企起到很好的抑制作用。 宏观地看,影响南昌市房价的各因素中,需求一端( PRICE、 GDP、 PCDI)起到主要作用,占比约 80%,供给一端( FSC、 FIC、 REEIC)作用明显不足,只占比 20%。供给和需求严重失衡,造成南昌房价持续走高。 三、结论及相关建议 (一)实证研究结论 基于南昌市 2010 年到 2016 年的季度数据,本文对南昌市房价的驱动因

13、素及动力机制进行了研究,发现南昌市房地产存在一定程度的泡沫;预期对南昌市房价起着决定性的作用,其影响不存在滞后性; 人均可支配收入的快速增长刺激了有效需求,拉动南昌房价快速上涨;供给侧( FIC、 FSC、REEIC)对于南昌房价的影响程度很小并且存在滞后效应,对于房价的抑制未能充分发挥作用。 南昌房价动力机制如图 10 所示,地区生产总值( GDP)的增长加速了人均可支配收入( PCDI)的增长,使更多人产生购房需求,加速了固定资产投资( FIC)和房地产开发投资( REEIC)增加了房屋竣工面积( FSC),促进了房地产行业的发展;房地产行业的发展又带动了 GDP的增长,形成一个良性循环。

14、但是如果过分追求高 GDP而不重视发展质 量,盲目投资房地产市场,引起经济过热,房地产市场泡沫化,造成房价的非理性高预期,实际价格远远超过消费者的购买力,形成一个恶性循环,这将会严重损害市场经济的发展。通过上述的研究我们发现南昌市房价与其经济发展水平不相符,房地产市场存在一定程度的泡沫化,导致一定程度的恶性循环,最终推高了南昌市的房价。 (二)相关建议 高房价抑制了多数普通劳动者的刚性需求和改善性需求,加重了以居住为目的的购房者的经济压力,压缩了其他产业的市场空间,阻碍了国民经济产业体系的协调发展,削弱了中国经济竞争力,为此提出 如下调控建议: 1.限购限贷抑制投机性需求,通过限购限贷限制炒房

15、团的扩张势头。过快的 GDP增长造成投机性需求增大,通过限购能够有效抑制过剩需求,通过限贷抑制过剩需求下对于购房资金的需求。 2.基础设施建设均等化,完善老城区基础设施建设,加强新老城区中心链接。有效缓解老城区居民进一步购房的需求。 3.加强 “ 卫星城 ” 的城镇建设,使得周边城镇地区发展同样有所改观,使得落后城镇有一定发展,减少城市涌入人口,减缓住房需求。 4.投资保障性住房建设,优化商品房供应结构。增加保障性 住房的建设不仅能够提高市场供房量,同时也能够提高南昌市低薪阶层的住房占有率,提高社会福利水平。 5.优化房地产税费结构,我国对于房地产市场的税收实行的是印花税和个人所得税,对于自用

16、房没有房产税。由于税收制度方面的不足,给一些投机者造成了投机的机会,严重地扰乱了房地产的供求关系,造成房价居高不下。 参考文献: 罗鹏飞 .导致房价波动的经济因素 基于 VAR模型的实证分析 J.九江学院学报(社会科学版), 2012( 4) 肖磊 .房价影响因素与地区房价差异分析 基于 30 个省 会城市的截面数据 J.经济研究导论, 2011( 35) 张弛 .中国一二三线城市房价影响因素分析 J.现代商业, 2016( 5) 陈芳 .影响城市商品房价格因素的实证分析 基于武汉市数据 J.湖北文理学院学报, 2016( 8) 牛雪贾 .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.科技与产业, 2016( 6) 罗洁 .中国一线城市房价传导机制研究 基于 VAR模型的实证分析 J.商 2015( 47) (作者单位:南昌大学 江西南昌 330031) (作者简介: 1南昌大学经济管理学院大三学生; 2南昌大学前湖学院大二学生; 3南昌大学经济管理学院大三学生; 4南昌大学前湖学院大三学生。) (责编:贾伟)

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。