房地产与国民经济.doc

1、房地产与国民经济摘 要：本文利用面板数据和分位数回归方法研究了全国房地产与国民经济其他行业的关系，结果表明房地产业与交通运输、仓储和邮政业、金融业、批发和零售业均呈正相关关系，并随着分位数的不同而变化等，为有关部门制定相关政策提供依据；同时也发现基于面板数据的分位数回归方法比面板数据模型揭示的数据信息更加丰富，回归结果更加稳定和精确。 关键词：房地产 国民经济 面板数据 协整分析 分位数回归 近年来，与人民生活密切相关的房地产行业发展迅速，为国民经济做出了巨大贡献。然而，房地产行业仍存在一些问题和挑战，引起诸多争议，但大多只是定性分析。房地产行业与国民经济不仅是一个局部与整体的关系，而且有着内

2、在的密切联系和相关性。因此，通过建立数学模型定量分析研究我国房地产行业与国民经济其他行业的关系是一个值得探索的方向，而科学研究中比较前沿的面板数据模型和分位数回归在房地产行业中的应用甚是少见。本文尝试从面板数据模型和分位数回归两方面对房地产和国民经济其他行业的关系进行分析。 由于国民经济中包括交通运输、仓储和邮政业、金融业、批发和零售业，它们与房地产业关系比较密切，所以本文以中国统计年鉴和中国统计局公开发布的 2004-2010 年 31 个省市的面板数据为依据，选取了 4项指标。Y 表示房地产业增加值（亿元） ，X1 表示交通运输、仓储和邮政业增加值（亿元） 、X2 表示金融业增加值（亿元）

3、 、X3 表示批发和零售业增加值（亿元） ，建立面板数据模型，进行面板协整分析，最后用分位数回归方法进行改进。 一、面板数据模型 建立变截距模型，由于随机效应 Hausman 检验的检验统计量为28.426225，伴随概率为 0。因此，拒绝固定效应模型与随机效应模型不存在系统差异的原假设，建立固定效应模型得到结果（表 1） 。 从回归估计的结果看，模型拟合较好，可决系数与调整的可决系数均为 0.98，且除了表示平均水平的常数项外，其他变量的 P 值均小于 0.05，很显著，都通过检验。经检验，由于固定效应的 F 检验和 LR 检验的统计量分别为9.624289 和 205.481171，伴随概

4、率都为 0，因此不需要建立混合横截面模型。 从回归方程的系数看，房地产行业增加值都与交通运输、仓储和邮政业、金融业、批发和零售业的增加值呈显著正相关关系。一定意义上，从系数来看，金融业对房地产的影响要比国民经济其他两行业的影响大，其次为交通运输、仓储和邮政业，最后为批发和零售业。 同时得出，31 个省市在 2004-2010 年间的房地产增加值之间存在着显著差异，其中增加最低的为河北，最高的为广东。可以看出，拉动房地产经济尚有很大的空间。 对面板数据进行单位根检验，均不平衡，然后进行协整分析，即检验这几个非平稳变量的线性组合是否为平稳序列，如果非平稳序列的线性组合为平稳变量，则认为这些变量之间

5、存在长期均衡关系。进行Pedroni 检验，同质性备择的检验结果，除了 Panel v 统计量外，其余统计量的相伴概率都小于 0.05，拒绝原假设，认为所有截面有共同的 AR 系数。异质性备择的检验结果，Group rho 统计量、 Group PP 统计量和 Group ADF 统计量均很显著，表明存在异质性协整关系。此外，进行 Kao检验， ，ADF 统计量检验显著（在 5%的置信水平下） ，相伴概率为0.0001，即 Kao 检验认为序列之间存在协整关系。因此，房地产行业与交通运输、仓储和邮政业、金融业、批发和零售业之间有长期均衡关系。二、分位数回归 虽然通过面板数据模型较好地建立了房地

6、产与国民经济其他行业关系的模型，但更为细致的在分位数上的变量因果关系不能分辨和描述，隐藏了解释变量对被解释变量可能存在的一些极端影响，因此应利用分位数回归对其改进，得到对面板数据模型进行分位数回归分析的结果（表 2 和图 1） 。 （一）不同解释变量系数估计值的差异分析 在房地产业增加值的某个具体分位数水平，交通运输、仓储和邮政业、金融业、批发和零售业对房地产的影响大小都不同。具体地说，在被解释变量 Y 的不同分位数水平，解释变量 X1、X2 和 X3 的系数都是正值，说明房地产和国民经济这三个行业正相关。从系数的绝对值来看，从大到小，基本上依次为 X2、X3、X1，说明金融业对房地产的影响大

7、于另外两个行业的影响，批发和零售业对房地产的影响基本比交通运输、仓储和邮政业的大，这是符合经济规律的。从显著性来看， X2 的系数全部在 5%水平上显著，X3 次之，最后为 X1，这说明金融业对房地产的影响最显著，其次为批发和零售业，最后为交通运输、仓储和邮政业。 （二）相同解释变量在回归方程中系数估计值的变动分析 在房地产业增加值的每个不同分位数水平，某个解释变量（交通运输、仓储和邮政业或者金融业或者批发和零售业）对房地产的影响大小都不同。随着被解释变量 Y 的分位数水平从 0.05 逐步增加到 0.95，解释变量 X1、X2 和 X3 系数的点估计和区间估计都在变动，常数项由负值变为正值，

8、总体上随着分位数的增大而增大。X1 的系数为正值，随着分位数的增大先缓慢增大，在分位数为 0.3 时下降很快，到 0.35 时然后逐渐增加，趋于平缓。X2 的系数为正值，随着分位数的增大缓慢减小，在分位数为 0.05 时下降的比较快，0.3 以后基本平缓，而且从显著性上看，高分位点要比低分位点显著。X3 的系数基本随着分位数的增大缓慢增大。说明交通运输、仓储和邮政业与金融业这两个行业在低分位点上对房地产业的影响比较大，在高分位点比较小，而批发和零售业对房地产的影响虽然在低分位点要比在高分位大，但是在高分位点要比在低分位点显著。 三、结论 本文以 2004-2010 年的统计数据为基础，利用面板

9、数据和分位数回归方法对房地产业和国民经济其他行业的关系进行了分析，研究发现：第一，房地产业与交通运输、仓储和邮政业、金融业、批发和零售业均呈正相关关系，且金融业对房地产的影响比另外两个行业的影响大而且显著；第二，31 个省市在房地产增加值之间存在着显著差异；第三，房地产行业与交通运输、仓储和邮政业、金融业、批发和零售业之间有长期均衡关系；第四，房价在高分位点对房屋供给的影响要比低分位点显著；第五，交通运输、仓储和邮政业与金融业随着分位数的不同对房地产的影响不同。 同时，可以发现，利用面板数据进行分位数回归，可以将面板数据与分位数回归方法的优势结合起来，既可以根据面板数据很好地识别和度量纯横截面

10、和纯时间序列数据所不能发现的影响因子，控制不可观测的时间或地区特定效应，还可以利用分位数回归准确地描述解释变量对于被解释变量的变化范围以及条件分布形状的影响，度量解释变量对被解释变量的某个特定分位数的边际效果。这样可使各回归系数估计显著性明显提高，回归结果也更加稳定和精确。 参考文献： 1李子奈，潘文卿.计量经济学M.北京：高等教育出版社， 2010（3）. 2易丹辉.数据分析与 EViews 应用M.中国人民大学出版社， 2008（10）. 3齐晓丽，金善女，梁慧超，连建新.基于面板数据的分位数回归 及实证研究J.河北工业大学学报，2012（3）. 4Koenker，R.Quantile regressionM.New York：Cambridge University Press，2005. 责任编辑：杨再梅