浅议宏观经济变量对工程造价影响的动态分析

来源:用户上传      作者:

　　摘要: 本文通过引入脉冲响应函数和方差分解方法，应用向量自回归模型分析了宏观经济变量对于建筑工程造价的动态冲击和影响，证明了宏观经济因素与建筑工程造价间存在长期均衡关系，但不同因素影响各异，且存在一定的时滞效应。
　　关键词: 宏观经济变量； 建筑工程造价； VAR 模型； 脉冲响应函数； 方差分解
　　中图分类号：TU723文献标识码： A 文章编号：
　　工程造价受市场价格影响的程度是工程参与各方都很关注的重要问题。已经有很多学者就宏观经济对市场价格的影响做了大量的研究，而就宏观经济因素对建筑工程造价的影响国内外也有一些学者进行了研究。AKINTOYE 通过研究工程造价与经济周期间的关系，找出了建筑工程造价波动的主导经济指标。尚梅和陈晓军利用宏观经济的先导变量建立了中国建筑工程造价多元回归模型，发现对中国建筑工程造价影响最显著的是人均国民生产总值，其次是在建大中型建筑项目投资。尚梅基于向量自回归理论，构建了中国建筑工程造价、在建大中型建设项目数、建筑企业数、城镇失业率、广义货币供给量及已完工大中型建设项目数6个变量间动态关系的VAR(2)模型，通过对该模型的协整分析和误差校正模型分析，对中国建筑工程造价进行预测。
　　1 向量自回归( VAR) 模型的建立
　　1.1 向量自回归模型( VAR) 的简化向量自回归模型( VAR) 实际上是多向量自回归移动平均模型( VARMA) 的简化，其一般数学表达式为:
　　
　　式中: yt为m 维内生变量； xt为d 维外生变量；A1 ～ Ap和B1 ～ Br为待估参数矩阵，内生变量和外生变量分别有p 和r 阶滞后； εt为随机扰动项。因为内生变量有p 阶滞后，所以可称其为一个VAR( p) 模型，其中滞后阶数p 一般根据AIC和SC 信息量取值最小的准则确定。
　　1.2 脉冲响应函数( IRF)
　　脉冲响应函数描述的是VAR 模型中的一个内生变量的冲击给其他内生变量所带来的影响，并从动态反应中判断变量间的时滞关系。考虑一个p 阶向量自回归模型:
　　
　　Yt的第i 个变量yit可以写成:
　　
　　其中，k 为变量个数，t = 1，2，…，T。冲击响应时测量1 个单位的自变量变化对因变量变动的影响，通过对VAR 模型进行冲击响应分析，可以较准确地掌握各经济变量和建筑工程造价的动态特性。
　　1.3 方差分解
　　方差分解是通过分析每一个结构冲击对内生变量变化( 通常用方差来度量) 的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对VAR 模型中变量产生影响每个随机扰动的相对重要性的信息。
　　
　　2 实证过程与结果分析
　　2.1 数据收集
　　收集了某省2002—2009 年各季度房屋工程造价( CC) 及其他15 个可能与房屋工程造价有关的经济变量统计数据，如表1 所示。对与工程造价有关的经济变量，采取固定价格指数2002 年2季度= 100； 与价格不相关的经济变量( 建筑企业个数、城镇失业率等) 可直接计算指数( 由于这些经济变量统计都为年度数据，故各季度数据取为相同) 。为了克服经济变量序列的异方差性，减小波动性，因此对所有数据都取自然对数。
　　
　　
　　2.2 数据平稳性检验
　　(1) 单位根检验。由于许多经济时间序列的生成过程都是非稳定的，而建立VAR 模型要求各序列都为一阶单整I( 1) 的非平稳序列。因此首先对选取的指标进行平稳性检验并确定其单整阶数。采用PHILLIPS － PERRON( PP) 检验方法进行平稳性检验，最优滞后阶数通过AIC 和SC 准则确定。
　　(2) 因果关系分析。在VAR 建模及协整关系分析后进行因果关系分析，分析判断具有协整关系的诸变量间是否存在因果关系。因收集到的数据较多，从偏相关性上分析，其均与建筑工程造价具有某种相关关系，但其相互间的关系又是错综复杂的，选取哪些变量构建VAR 模型，是研究的一个难点。因此，在不考虑其他约束条件的情况下，对每个变量与建筑工程造价之间的因果关系进行分析( 只考虑I( 1) 单整序列) 滞后期选择4 年。通过格兰杰因果关系分析，在所有I( 1) 单整序列中，与建筑工程造价具有较强因果关系的经济变量为GDP、NCC、RUEMP、CONH、RPI、PCGDP 和CPI。
　　(3) 协整检验。在建立VAR 模型前，需检验变量间的协整关系。若存在协整关系，则建立的VAR 模型合理； 否则可能存在伪回归问题，则模型没有实际意义。通过格兰杰因果关系的分析和考虑理论上应该对建筑工程造价有较大影响的变量，在所有I( 1) 单整序列中，与建筑工程造价具有较强因果关系的经济变量为GDP、NCC、RUEMP、CONH 和RPI。采用Janhansen 方法进行协整关系检验如表4 所示。对CC、GDP、NCC、RUEMP、CONH 和RPI 进行协整检验，其结果为: 拒绝r = 0，但不拒绝r =1，即在5%水平下存在一个协整方程，6变量系统之间存在显著的协整关系。对宏观经济变量的时间序列进行单位根检验、格兰杰因果关系分析和协整检验，结果表明，CC、GDP、NCC、RUEMP、CONH 和RPI 等变量之间存在长期均衡的关系，且我国宏观经济运行中这6 个变量之间也是相互影响的。因此，在此基础上建立的VAR 模型是有效的。
　　
　　2.3 VAR 模型构建与分析
　　(1) VAR 模型构建。建筑工程造价和其他相关经济变量构成一个相互作用、相互影响的动态系统。向量自回归模型可以较好地描述这种动态关系，通过上述数据检验分析，确定引入VAR 模型中的变量为CC、GDP、NCC、RUEMP、CONH 和RPI。根据AIC 和SC 信息量( 如表5 所示) 取最小值的准则，确定模型的最佳阶数为一阶，即VAR( 1) 模型，其矩阵表达式如式( 7) 所示，检验结果如表6 和表7 所示。
　　
　　
　　式中: Yt = ［CC，RPI，GDP，NCC，RUEMP，CONH］'。
　　
　　
　　
　　从表5 中可以看出，模型对6 个变量的拟合度都较高，仅对RUEMP 的拟合度稍低( 可能与选取的数据为年度数据，每季度数据相同有关) ，但其整体的AIC 和SC 信息值较低，经检验，各变量的残差序列均为平稳序列，据此可以认为，VAR(1) 模型的构建是成功的。
　　(2)脉冲响应分析。从图1 所示的脉冲响应结果来看，CC 受自身惯性影响最为显著。各经济变量冲击对CC 的影响存在滞后性，且滞后程度各异。CC 自身惯性的冲击在一开始就表现突出，达到40%左右，之后较平缓下降，5期之后降落至10%，并趋于收敛，表明当前的工程造价对未来工程造价的影响随时间推移而逐渐变小，最后达到稳定比例。RPI 在前2 期内，对CC 的影响急剧增长，达到13%，接着其影响度反而缓慢下降，5 期后趋于收敛，表明RPI 的增长在前2 期内对CC影响程度增加至最大，随着时间推移其影响程度达到稳定比例。CONH 对CC 的影响趋势类似于RPI，但幅度相对较小，也是在前2 期影响度达到最大6%左右，但在5 期后基本没有影响了。GDP在3 期内对CC 的影响缓慢增长，达到7%，3 期之后影响程度的增长率平缓收敛。RUEMP 是相对于其他经济变量影响度较大的，经历3 期增长至最大－ 11%后，逐渐趋于平缓至－ 7%左右。令人较为意外的是，NCC 的表现为负响应，然而3期后变成正响应。故可据此判断各经济变量的变化对CC 波动冲击的滞后期，GDP、RUEMP、CONH和RPI 对CC 影响的滞后期分别为3 期、3 期、2 期和2 期，而由于NCC 对CC 波动冲击的异常表现使得滞后期难以确定，需进一步观察方差分析的结果。
　　3.结语
　　综上，构建的VAR( 1) 模型中6 个时间序列间存在某种长期的均衡关系，并且对CC 的影响各异，存在一定的滞后性;CC 自身惯性影响显著( 方差贡献为75%) ，尤以最近两、三期的工程造价影响最大;RUEMP 对于CC 的影响呈现滞后性，且是负贡献率。其影响力缓慢上升，达到10% 左右。这与建筑经济理论及他人的研究成果相吻合;实证发现GDP 对CC 的波动有影响。其相应的滞后期为2 期，方差贡献率约为5%；NCC 和CONH 对CC 的影响微弱( 方差贡献率仅为2%和0．9%) ，且不甚显著。

转载注明来源:https://www.xzbu.com/2/view-4566826.htm