房地产价格与通货膨胀：基于我国的实证研究

来源:用户上传      作者: 李亚培

　　摘要：为更清楚地研究房地产价格与通货膨胀的关系，本文在总结已有理论和实证研究的基础上，对我国2001年第1季度至2006年第3季度的季度统计数据进行实证检验。结果证明，我国的房地产价格与通货膨胀之间存在长期稳定的协整关系，房地产价格的上升会导致即期的和未来的一般价格水平上升。这一结论的政策含义在于，目前我国的货币政策应充分关注房地产价格。
　　关键词：房地产价格；通货膨胀；货币政策；实证检验；建议
　　中图分类号：F293.3　F820.5
　　文献标识码：A
　　文章编号：1003-9031(2007)04-0049-04
　　
　　1998年住房货币化改革后。在商业银行开办住房抵押贷款等业务的推动下，我国的房地产市场步入了新一轮的繁荣期。房地产投资的增长速度一直高于固定资产投资的增速。而房地产价格突飞猛进的上涨也引起了整个社会的广泛关注。在国家宏观调控政策频繁出台的2006年，房地产价格依然保持快速上涨。来自国家统计局2006年底的数据显示2006年前11个月商品住房销售价格同比上涨幅度在5％-8％之间，而一些大城市上涨的更高。
　　在房地产价格上涨的同时，反映一般价格水平的居民消费价格指数却保持在较低的水平。从表面上看，我国房地产价格与CPI之间关系不大，央行的货币政策可以不必关注房地产市场。事实是否如此呢?从理论上讲，资产价格隐含了未来的价格信息，而房地产作为一种资产其价格也会影响到未来的通货膨胀水平。为更清晰地研究我国房地产价格与通货膨胀的关系，本文在总结已有理论经验和实证研究的基础之上。对我国2001年第1季度至2006年第3季度的季度统计数据进行实证检验，力求更客观、真实地解析上述问题，进而为完善我国货币政策提供参考和借鉴。
　　
　　一、文献回顾
　　
　　由于传统的通货膨胀指标中并没有反映资产价格的波动，因此有关股票、房地产等资产价格是否应该引起央行的关注、关注的方式以及应对的措施等一系列问题成为学术界和政策制定者不可回避的话题。Fisher(1911)指出，政策制定者应致力于稳定包括资产价格(股票、债券和房地产)以及生产、消费和服务价格在内的广义的价格指数。根据Friedman(1957)的恒久收入理论和Franco Modigliani(1963)的生命周期理论，当期消费受到生命周期中各个阶段的预期收入的影响。房地产价格的变化意味着预期资产回报的变化，导致消费需求的变化。这也就是Pigou(1930)提出的“庇古效应”，也被称为“财富效应”。而总需求的变化会在供给不变的情况下会影响到一般价格水平的变化。Kent和Love(1997)认为资产价格的膨胀会导致未来商品与服务价格上涨的预期：Smets(1997)构造了一个结构模型，指出包括房地产在内的资产价格强烈地受到未来预期回报的影响，而未来预期回报则分别受到未来经济景气、通货膨胀与货币政策预期的影响，非预期到的资产价格波动可以影响到通货膨胀预期。可见，房地产等资产价格的变化可能会通过财富效应来影响到即期的价格水平，也可能会影响到人们对未来的通货膨胀预期，房地产等资产价格里隐含着现在的或未来的价格水平信息。
　　在房地产投资快速增长、房价不断上涨的情况下，研究我国房地产市场价格与通货膨胀的关系也就显得非常必要。已有不少国内学者对我国房地产市场与通货膨胀之间的关系进行了理论和实证的研究。但结论不尽相同。王维安等(2005)通过构建房地产均衡市场模型，对我国房地产市场进行了实证的研究，发现房地产预期收益率与通货膨胀之间存在稳定的函数关系，建议把房地产价格纳入居民消费价格指数：而黄平(2006)的研究认为，我国房地产市场的“财富效应”微弱，房地产价格的大幅度变化对消费、产出进而对一般价格水平的影响十分有限，因而在当前及今后相当长的一段时间内货币政策不应该考虑房地产价格因素。经朝明等(2006)通过对1987-2005年上半年房地产市场价格与消费物价指数年度数据的计量分析认为，我国房地产价格与通货膨胀之间存在长短期的均衡关系，但是它们之间是负相关的关系，即“替代效应”大于“财富效应”，房地产价格的上升造成一般物价水平的降低，这同之前的研究结论有很大的差异。
　　上述文献对本文所做的研究具有启发和借鉴意义，但就目前我国房地产价格与通货膨胀的关系还没有一个比较一致的看法，理论上的模糊或模棱两可必然会影响到实际部门的操作，最终影响到经济金融体系的稳定。本文力求有所突破，更加清晰地分析我国房地产价格与通货膨胀之间的关系。
　　
　　二、经验模型设计与数据说明
　　
　　(一)经验模型设计
　　检验变量之间关系的传统回归方法一般会假定所使用变量的时间序列是平稳的，然而许多反映经济现象的时间序列都是非平稳的，倘若采取传统的普通最小二乘法，就会出现“伪”回归和“无意义”回归的现象，基于这一原因，Engle和Granger(1987)首先提出了一种处理非平稳序列的全新的研究方法――协整(Co-integration)研究方法。这种方法的基本思想就是在两个或多个非平稳的变量之间寻找均衡关系。如果两个(或两个以上)变量的时间序列是非平稳的，但它们的某种线性组合却是平稳的，则这两个(或两个以上)的非平稳的时间序列之间存在长期的均衡关系(或协整关系)。在经济意义上，这种协整关系的存在意味着可以通过一个变量来影响另一个变量的变化。若变量之间没有协整关系，则不存在通过一个变量来影响另一个变量的基础。由于只有具有相同单整阶数的变量才可能存在协整关系，因此，首先必须对所研究的变量进行单位根检验，即检验序列本身是非平稳的，但其一阶差分是平稳的。
　　1．变量的平稳性检验
　　变量的平稳性检验又称单位根检验，其方法通常有DF检验法、PP检验法和ADF检验法(Augmented Dick-ey-Fulle)。本文采用扩展的ADF检验法对变量以及变量的一阶差分进行序列单位根检验。ADF单位根检验是基于以下的回归方程：
　　△x1=α0+α1t(p-1)xt-1∑βi+△xt-i+ε　t=1，2，…T
　　其中，ε为白噪声，△表示变量的一阶差分；原假设H0:ρ=1，备选假设H1:ρ＜1。接受原假设意味着时间序列含有单位根，反之则无单位根，也就是说该时间序列是平稳的，如果变量本身具有单位根，而变量的一阶差分没有单位根，那么变量就是一阶平稳过程，即是I(1)序列。
　　2．协整检验与误差修正模型
　　本文采用EG两步法来检验，基本思想如下：

　　设yt和xt均为I(])序列，首先用OLS建立模型，进行协整回归：
　　yt=β0+β1x1+μt　t=1，2，…T
　　其次对参差序列ut，做平稳性检验，其中ut=yt-β0-p1xt，若残差序列是平稳的，即ut，是I(0)序列，则yt和x1之间存在协整关系。在存在协整关系的情况下。引入误差项，令误差修正项ecm=ut，建立以下误差修正模型，再用OLS方法估计其参数：
　　△yt=α0+α0，△Xt+aecmt-1+εt
　　在这个误差修正模型中，各个差分项反映了变量短期波动的影响，被解释变量的短期波动可以分为两个部分：一部分是解释变量短期波动的影响，另一部分是偏离长期均衡的影响。如果误差修正项的系数为负，则表明短期的非均衡状态会随着时间的推移被重新拉到均衡状态，变量之间具有长期稳定的协整关系。
　　
　　
　　(二)变量数据说明
　　本文用房地产销售价格指数(RPI)来代表房地产市场的价格，用居民消费价格指数(CPI)来反映通货膨胀水平。考虑到数据的可得性与可比性，笔者选取2001年第1季度到2006年第3季度的季度数据，样本数据均来源于《中国经济景气月报》。由于反映通货膨胀的核心指标――CPI仅有月度和年度数据，因此把该指标的月度数据用算术平均法转化为季度数据，房地产销售价格指数和居民消费价格指数均是与上年同期相比的同比数据。为了熨平变量可能存在的长期趋势。消除数据中可能存在的异方差现象，对CPI和RPI这两个变量都取自然对数，分别表示为lnCPI和InRPI。另外，本文采用计量经济学软件EViews5.0对数据进行处理。
　　
　　三、经验分析结果
　　
　　(一)平稳性分析结果
　　图1给出了lnCPI和lnRPI的时序图。初步显示了居民消费价格指数与房地产销售价格指数具有比较一致的变动趋势。而且两变量也表现出不平稳的特征。因此，笔者利用ADF检验对居民消费价格指数与房地产销售价格指数进行单位根检验，检验的结果见表1。
　　
　　从表1的检验结果可知。对于两个变量的对数序列，在1％和5％的显著性水平上存在单位根的原假设无法拒绝，即都是非平稳的。一阶差分后，两个变量在1％和5％的显著水平上，可以拒绝非稳态的原假设，即是平稳序列。因而，两个变量序列都是I(1)，即均具有单位根，具备了进行协整分析的条件。
　　
　　(二)协整与误差修正模型分析结果
　　首先，笔者对居民消费价格指数与房地产消费价格指数的对数序列作协整回归，用OLS法估计，得到以下结果：
　　lnCPI=2.3053+0.4965lnRPI
　　t=(6.2956) (6.3176)
　　R2=0.6388　ADR2=0.6388　D.W.=0.8265
　　其次，需要对上式的残差进行单位根检验。由回归方程估计结果可得：
　　ut=lnCPI-2.3053-0.4965lnRPI
　　再对ut进行单位根检验，其结果如表2所示。检验结果显示，ut序列在1％的显著性水平下拒绝原假设，接受不存在单位根的结论，因此可以确定ut平稳序列，即ut是I(0)序列。这就是说明lnCPI和lnRPI之间存在协整关系，协整向量矩阵为(1，-2.3053，-0.4965)T。
　　
　　最后，令误差修正项ecmt=ut，建立以下误差修正模型：
　　△lnCPIt=α0+α1△lnRPIt+αtecmt-1+ε1
　　用OLS法估计得到：
　　△lnCPIt=-0.0003+0.3810△lnRPIt-0.3804ecmt-1
　　t=(-0.1929)(2.6280)(-1.9448)
　　R2=0.2171　ADR2=0.2171　D.w.=1.8413
　　分析估计结果会发现模型中的常数项未通过显著性检验，为此考虑删除常数项，重新建立模型并估计得到如下结果：
　　△lnCPIt=0.3772△lnRPIt-0.3783ecmt-1
　　t=(2.6918)(-1.9857)
　　R2=0.2548　ADR2=0.2548　D.W.=1.8320
　　在这一误差修正模型中，各变量的回归系数都通过了显著性检验。误差修正项系数估计值(-0.3783)为负。调整方向符合误差修正机制，意味着上一季度的非均衡误差以37.83％的调整力度率对当前季度的△lnCPI做出反向修正。被解释变量InCPI的短期波动可以分lnRPI为短期波动的影响和偏离长期均衡的影响两部分，短期波动由各变量的差分得到反映。长期均衡可以从协整方程中得到反映。
　　基于以上的实证分析结果，可以得出以下结论：我国房地产价格指数与居民消费价格指数之间存在长期稳定的正向均衡关系。从长期均衡来看，RPI每增加一个百分点会引起CPI上涨0.4956个百分点。这也就意味着样本选择区间内房地产市场价格的上涨对一般物价水平的上涨起到推动作用，而非由于“替代效应”造成一般价格水平的下降。从短期波动来看，上一期的非均衡误差将以37.83％的调整力度对当期CPI的波动做出修正，这种修正的力度较大，能够保证CPI与RPI之间长期均衡关系。一旦短期波动偏离长期均衡关系，误差修正机制的存在能够纠正这种偏离。并最终使CPI和RPI的关系回到长期均衡关系上来。
　　
　　四、结论和建议
　　
　　通过上述分析，本文得到下列结论：我国房地产价格与通货膨胀之间存在长期稳定的关系，而且这一关系是正向而非负向的，房地产价格的上升会导致即期的和未来的一般价格水平上升。这意味着目前我国房地产市场的“财富效用”已经大于“替代效应”，而且房地产价格中也包含了对未来通货膨胀的预期，房地产价格的变化对于未来通货膨胀的预测具有重要意义。这可以解释为：随着我国居民财富的大幅增加以及拥有住房的家庭的不断增多，虽然住房消费在居民消费中仍占有较大的比例，但是住房消费对其他商品消费的挤出效应在减小，而拥有住房家庭的增多使得房价上升的财富效应更明显。
　　既然房地产价格与通货膨胀之间存在稳定的关系，那么是否要把房地产价格纳入居民消费价格指数作为货币政策的目标呢?对这一问题，目前还没有一致的结论。但是，至少可以肯定的是，目前我国的货币政策当局应该对房地产市场给予充分的关注，无论是对即期通货膨胀的控制还是对未来通货膨胀的预测都不能忽视房地产市场价格的变化。因此，人民银行的货币政策在“钉住”传统的物价水平指标――CPI的同时。也要密切“关注”房地产、股市等资产市场的价格变化，加强对房地产价格的监测和对房价未来走势的准确判断，提防当前和未来的通货膨胀风险。而如果从人民银行维护金融稳定的职能来说，房地产一旦出现泡沫，那么泡沫的破裂将会影响整个金融体系的稳定，央行就更有必要关注房地产市场的发展。近些年来，随着房地产价格的不断攀升，人民银行也采取了一系列的调控措施，包括对商业银行房地产信贷的指导、利率的调整等，但是由于各方面因素的制约，房价仍然没有放缓的趋势。有关中央银行如何应对房地产、股市等资产价格泡沫的问题尚需要更深入的研究，这也是今后进一步研究的方向。

转载注明来源:https://www.xzbu.com/3/view-790300.htm