房地产投资对国民经济的影响

摘要 中国经济经过 30 多年的高速增长，房地产行业已经发展成为中国各个 地方的经济支柱产业，成为推动经济增长的一个不可忽视的力量。房地产 的发展也为经济的增长做出了不可磨灭的贡献。但是，持续增长的房地产 业随着价格不断地上升，已经不单单是影响了中国正常的经济发展，而且 还成了一个民生问题，衍生出了比较严重的社会问题。使得中央的调控政 策不得不多次对其进行调整。07 年美国次贷危机爆发以来，更是波及了整 个世界的经济，导致长期经济高速发展的中国不得不面临怎样保持经济增 长的问题。四万亿的投资，再次把房地产行业作为了引领中国经济复苏的 领头雁。 房地产在中国经济和社会中起着举足轻重的作用，一方面以住宅为主 的房地产业，在拉动经济的增长，扩大了人民的就业面增加了就业岗位； 另一方面，房地产的高速持续发展也得益于中国经济的高速发展，可以提 高农民的可支配收入以及加快中国城市化的进程。房地产作为支柱产业， 涉及到了国家上百种行业，产业链长，关联度大，房地产行业的健康与否 直接影响了上下游众多产业的发展，尤其是生活消费品的发展。本文选取 近年来的经济和房地产数据以及相关行业的数据，使用计量经济学的理论 与方法对我国房地产行业对国民经济以及相关的行业的影响进行了探索， 通过分析得出了一些结论，为此还提出了一些相关的意见和建议。 关键字：房地产投资； GDP；格兰杰因果检验 ；VAR 模型； Abstract After 30 years rapid growth of the Chinese economy, the real estate industry has developed into the economic pillar industries in different places in China, known as a force to be reckoned in promoting economic growth. Real estate development has made an indelible contribution to economic growth. However, the growth in real estate prices with the constantly rising, has not only affect Chinas normal economic development, but also became a livelihood issues, derived from the more serious social problems.Central control policies have had to repeatedly adjust them. Since the U.S. subprime mortgage crisis in 2007, spread to the entire world economy, leading to long-term rapid economic development of China had to face the problem of how to maintain economic growth. Four trillion investment, again the real estate industry as the leading pack to lead Chinas economic recovery. Real estate plays an important role in Chinas economy and society, on the one hand, predominantly residential real estate sector in stimulating economic growth, expanded employment opportunities for peoples jobs; the other hand, real estate, high-speedsustained development also benefited from Chinas rapid economic development, farmers can increase in disposable income of Chinas urbanization process.Real estate as a pillar industry, involving hundreds of national industry, the industrial chain, associate degree, the health of the real estate industry will directly affect the upstream and downstream of many industries, especially the development of consumer goods. This paper selects the recent economic and real estate data and relevant industry data, the use of econometric theory and methods of the real estate industry in China to explore 山东科技大学本科毕业设计（论文） III the impact of the national economy as well as related industries, some conclusions by analyzing.To this end, also made a number of related comments and suggestions Key words: real estate development investment; GDP ;Granger causality test Var model 目 录 1、绪论 1 1.1 选题背景目的及意义 .1 1.2 房地产在我国的发展历史及现状 3 1.3 文献综述 5 2、研究内容及方法 8 2.1 平稳性检验 .8 2.2 协整及误差修正模型 .10 2.3 格兰杰非因果性检验 .12 2.4 脉冲响应函数的作用原理 .14 3、我国房地产投资对国民经济的影响 .15 3.1 房地产投资与国民总投资的实证对比 .15 3.2 房地产投资对国民生产总值的实证分析 .18 3.3 房地产投资对相关行业的影响 .31 4、结论及建议 .34 参考文献 36 致谢辞 .37 附录 1: 英文原文 .38 附录 2：中文译文 .53 山东科技大学本科毕业设计（论文） 1 1、绪论 1.1 选题背景目的及意义 1.1.1 选题背景 改革开放 30 年以来，中国经济保持着持续快速发展，到 2011 年，我 国的 GDP 增长率为 9.2%。与此同时，中国房地产业也取得了巨大的成就， 尤其自 20 世纪 80 年代初起，短短 20 年时间就有了很大的发展，房地产 业己成为当前和今后一个时期国民经济的基础性、先导性和支柱性产业。 从住宅产业看，从住房分配体制改革以来，也基本上解决了城镇居民住房 严重短缺的问题，房地产业在国民经济中的地位和作用日益突显和重要。 从现代市场经济的角度来看，房地产业自身作为国民经济的发展的重要行 业，为国民经济的直接增长做出了巨大贡献，但作为一个先导性行业，也 极大地促进和发展了其他行业，整体上带动了整个国民经济的发展。我们 通过观察发达国家的发展史可以看到，发达国家在发展的过程中都经过了 房地产蓬勃发展的时期，而我们国家正处与高速发展的阶段，也表现出了 发达国家在发展过程中房地产发展的一般趋势。房地产的繁荣与否已经成 了一个国家经济处于何种发展阶段的阴晴表（图 1-1） 。 图 1-1 为地产周期和国民经济周期（RC 为房地产周期，GDPC 为国民经济周期） 自 2008 年美国次贷危机以来，我国的经济也受到了极大地冲击， 为了保持经济发展，国家进行了四万亿的投资，其中很大一部分就是流向 了房地产，这也直接导致了在今后几年高通胀、高房价。这也加剧了社会 的矛盾，因房地产所导致的高房价不但有力的挽救了中国经济，也激化了 社会之间的众多矛盾。于是国家的调控政策不断地出台，急速高涨的房价 已经成了中国经济健康发展的毒瘤，如果继续发展下去就会出现经济崩溃。 在强力的政策打压下，房价出现了暂时的缓和，此时，房地产的投资与发 展进入了一个新的时期，而中国的经济也变得更急复杂和多遍了。 1.1.2 选题意义 目前，中国正面临着经济社会的全面转型。转型期中国经济发展更具 有复杂性和不确定性，包括经济制度、人们的理念、利益关系等都经历着 不同程度的变革和调整。中国房地产业发展既要吸收发达国家不动产业发 展的宝贵经验和做法，又要从自己的国情出发，探索适合中国自己的发展 路径和模式，从这个意义上说，中国房地产业发展具有探索性和创新性。 本文从总量角度探讨中国房地产业与国民经济均衡关系的内在规律，这对 山东科技大学本科毕业设计（论文） 3 于深化中国房地产业与国民经济协调发展研究、促进中国房地产业发展以 及提高房地产宏观调控水平，具有重要的现实意义和理论意义。 1.2 房地产在我国的发展历史及现状 1.2.1 房地产在中国的发展历史 第一阶段：理论突破与试点起步阶段（1978 至 1991 年） 1978 年理论界提出了住房商品化、土地产权等观点。1980 年 9 月北京 市住房统建办公室率先挂牌，成立了北京市城市开发总公司，拉开了房地 产综合开发的序幕。1982 年国务院在四个城市进行售房试点。1984 年广 东、重庆开始征收土地使用费。1987 至 1991 年是中国房地产市场的起步 阶段。1987 年 11 月 26 日 深圳市政府首次公开招标出让住房用地。1990 年上海市房改方案出台， 开始建立住房公积金制度。1991 年开始，国务院先后批复了 24 个省市的 房改总体方案。 第二阶段：非理性炒作与调整推进阶段（1992 至 1995 年） 1992 年房改全面启动，住房公积金制度全面推行。1993 年“安居工程” 开始启动。1992 年后，房地产业急剧快速增长，月投资最高增幅曾高达 146.9%。房地产市场在局部地区一度呈现混乱局面，在个别地区出现较为 明显的房地产泡沫。1993 年底宏观经济调控后，房地产业投资增长率普遍 大幅回落。房地产市场在经历一段时间的低迷之后开始复苏。 第三阶段：相对稳定协调发展阶段（1995 至 2002 年） 随着住房制度改革不断深化和居民收入水平的提高，住房成为新的消 费热点。1998 以后，随着住房实物分配制度的取消和按揭政策的实施，房 地产投资进入平稳快速发展时期，房地产业成为经济的支柱产业之一。 第四阶段：价格上扬，多项调控措施出台的新阶段(2003 年以来) 2003 年以来，房屋价格持续上扬，大部分城市房屋销售价格上涨明显 之而来出台了多项针对房地产行业的调控政策。同时国内通胀加剧，直到 2008 年为止的房地产的低潮。但之后随着美国次贷危机的影响，四万亿的 投资，使得未来一段时间内房地产又一次价格持续上上，连续突破了多项 纪录，中国房产已明显不健康发展，又是一系列的强力调控政策。 1.2.2 房地产发展现状 房地产业在我国目前已经形成了一套适合社会主义市场经济要求的运 行体质，曾在许多年间一度繁荣。到目前为止，全国房地产企业已达到 3 万多家，房地产行业从业人员已突破 1000 万人，并且出现了一大批优秀 楼盘和高素质的房地产开发、经营与管理人才，其中以万科、龙湖地产等 知名房企。除了普通的商品房外，中国还形成了自己特色的商业地产，尤 其以大连万达集团为代表的万达广场，更是取得了骄人的业绩。同时，至 2010 年以来，在政府大力支持下，房地产的另一种形式保障房慢慢的开始 发展起来。十年来，还逐步形成了以评估、经纪、咨询为内容的房地产中 介业，以及以经营管理楼宇、小区为主的物业管理业，从而形成了较为完 整的中国房地产业的产业构架体系。随着房地产业的继续发展，产业链也 逐步增长和细化，分工将更加明确。 1.3 文献综述 1.3.1 国内文献 张泓铭（1998） 、王要武（1999） 、曹振良等（2003）从理论上讨论 山东科技大学本科毕业设计（论文） 5 了房地产市场及住宅市场的供给与需求及其影响因素。李铁岗（2002） ， 针对由于信息不对称造成的市场供需非均衡现象建立了一种房地产市场调 节模型，以说明和解释均衡市场上的房地产空置水平，提出解决房地产市 场空置与过量需求矛盾的具体建议。吴勇慧（2004） ，认为我国房地产市 场的有效需求不足，结构失衡的现象，很大程度上是由于对房地产市场购 买能力估计不足造成的，由此建立了房地产购买能力指标体系陆杰峰，阮 连法（2001）从消费者行为学理论对住宅消费需求行为研究角度，提出政 府应从政策上采取措施，降低投资型消费者投资评估，保证普通消费者的 需求得到满足。吴献金，危小明（2000） ，就我国商品住宅市场投资性需 求进行了研究，并提出了理论模型，通过比较研究，从购租成本、投资收 益、投资回收期等方面作了定量与实证分析。屠梅曾（1999） 、李鸿生 （1999） 、杜伟（2003 ）分别就上海、广州、成都等地房地产市场和住宅 市场的供需平衡进行了实证研究，并对需求态势进行了预测。刘维 （2003）认为现阶段我国房价收入比过高，分析了影响房价的主要因素， 并提出相关对策。元真等（2004）对上海、北京等房地产市场和价格走势 进行了比较研究。 1.3.2 国外文献 英国经济学家威廉配第早在 1662 年第一次提出级差地租的概念，并 对级差地租、土地价格等做了初步阐述，开创了早期房地产理论研究的先 河。以后，杜尔哥 71(AR JTurgot) 、亚当斯密 (ASmith)、大 卫李嘉图(D Ricardo) 等相继对主地 经济问题及住房问题进行了探讨。马克思在批判和继承资产阶级古典 经济学理论的基础上，创造了科学的地租地价理论体系，对地租构成、地 价量化及建筑物地段地租等做了深入研究，为房地产理论研究提供了重要 的理论基础。恩格斯罐列宁的研究进一步丰富和完善了马克思的土地理论。 早期的房地产理论由于受实践的制约，研究是零散的，大部分是对基础理 论的阐释，理论成果基本上依附于政治经济学、土地经济学等。 随着房地产业的发展，房地产理论研究也日益深化。HopewellP，由于 建筑活动受人口增加、房屋折旧、维修及投资利润率高低等因素的影响， 因此建筑业的供求不但像工业那样可以无限地扩大或缩减，而且庞大的资 本投资对经济活动的影响更为明显和巨大，因此形成一定的波动。Moore 指出住宅开工量受财政条件、建造成本、社会结婚率、房屋空置率、住宅 修改法等因素影响，因此如果要了解房地产建造量，就可以从财政条件(主 要是抵押贷款)或建筑成本推算，而住宅需求量和投资生产量则可从社会结 婚率高低、房屋空置率多少等指标来判断。Harwood 提出，经济变化、人 口迁移、基础设施，特别是道路建设、人口出生率、银行贷款、政府政策 等因素均会引起房地产周期波动，并影响房地产周期波动与宏观经济波动 方向相反。此外，Greble 和 Burns“I 以 GDP 循环为基准的循环，探讨了建 筑波动周期问题，认为建筑成本在较低水平时，公共工程和私人工中国房 地产业对国民经济增关系的分析程呈相同方向变动；但建筑成本在较高水 平是，两者呈相反方向变动。他们还指出，由于建筑成本占 GDP 的比例较 大，因此政策决策者通常会把建筑投资选为宏观经济的稳定工具，同时建 筑周期也会受金融政策、住宅政策等宏观经济政策的影响。 近年来，除了一般性的理论分析之外，对各国房地产周期波动进行实 证分析和研究，也成为房地产周期理论研究的组成内容。Nelson 以美国房 地产市场交易量为依据，通过分析 17951973 年共 180 年间美国房地产 的周期波动循环变化，指出美国房地产长期周期为 18 年。Boone 赞成美 国房地产的长期周期为 18 年的观点，还指出房地产这种长期周期主要受 山东科技大学本科毕业设计（论文） 7 历史时间，如战争、经济衰退、技术创新等因素影响。同时他还提出房地 产短期波动周期的概念，从美国来看地区波动周期为 5 年，主要受货币市 场、贷款额度和政府住宅政策等因素影响。美国房地产专家 Stephen APyhrTIHl 等人在 1982 年出版的专著中指出，房地产周期波动从根本上 说是有供求波动决定的，为此他们将房地产周期波动分为 5 个阶段，每个 阶段的波动因素互有区别。在 1994 年出版的专著中，他们通过对发达国 家的实证分析，证明房地产周期与通货膨胀周期呈正相关关系。 2、研究内容及方法 2.1 平稳性检验 我们所讨论的计量经济中，以时间序列为基础的经验工作都是假定有 关的时间序列是稳定的（stationary） ，涉及时间序列数据的回归模型常常 被用作来预测，如果所依据的时间序列不是稳定的，这种预测就可能是无 效的。对时间序列而言，因为众多的因素以不同的方式和成度影响着其观 测的取值，如果一个时间序列呈上升或下降趋势，这个时间序列就是非平 稳序列。 直观上，一个平稳的时间序列可以看成一条围绕其均值上下波动的曲 线。从理论上讲，有两种意义的平稳性，一个是严格平稳，一个是广义平 稳。严格平稳是指随机过过程Y 1,Y2.YT的联合分布函数与时间的位移无关。 即 (Y1,Y2.,Yn) = 12,.Fnt 12,.,12(.,)21nthtnFY （ ） 广义平稳是指随机过程 Y1,Y2.YT 的均值函数、方差函数均为常数，自 协方差函数是时间间隔 ts 的函数。t t+h0()Cov(,)ov,),hsstsEmrTVarY为 常 数 ， 为 任 意 数为 常 数 单位根检验(ADF) 如下 （2-2）t -1t= 其中，v t 是遵从零均值、恒定方差和非自相关等经典假定的随机误差 项，也称为白噪音过程。上式实际上就是一个 AR（1 ）过程。现在如果是 的系数事实上等于 1，我们就遇到了单位根问题，也就是一个非平稳t -1Y 山东科技大学本科毕业设计（论文） 9 的情况。 因此我们做回归模型： （2-3） tt -1tY=+v 变换成另一种形式为 （2-4）tt -1tt -1t()Y+vA 其中 为一阶差分运算子，即Attt - 现在单位根检验就是要虚拟假设 0:H 如果 为 0，式（1.4-3）就可以写为 ，这说明一个随机游走 tYtA 时间序列的一阶差分是一个平稳序列。同理如果序列一阶差分不稳定在进 行二阶差分。通常情况下我们用以下形式做回归检验： 1I mttititYY模 型 1mttitit模 型 1t tititYY模 型 零假设 H0：=0 备择假设 H1： 0 m=1,2,3，表示滞后的差分项。包含多少个滞后差分项，往往要从经验 方面决定。如果包含的滞后项太少，就会使得上述模型中的误差项存在着 序列相关，而滞后项太多，又会损失掉自由度，增大估计误差。虚拟假设 仍然是=0 或 =1，即 Y 有一个单位根（或不平稳） 。检验时从模型 开 始，然后是模型 、模型 ，直至拒绝原假设时停止。 2.2 协整及误差修正模型 2.2.1 协整概念 两个序列的协整概念：如果两个时间序列都是 d 阶单整的，即 ， ，且这两个序列的线性组合是 d-b（d）阶单整，即)(dIyt )(Ixt ，其中 ，则称 yt 和 xt 存在（d，b）阶协整关21batt 0bd 系，记为 yt， 。其中 称为协整向量。),(,CIxt ),(21a 2.2.2 误差修正模型（ECM） （1）回归模型向 ECM 过渡 在以下回归模型中 ttkxy0 当两序列不是协整的，则模型可能是伪回归，模型意义不大；就算两 序列协整，甚至长期均衡，也要考察偏离模型情况。所以考虑以下 ECMttttt kxyxy 101210 )( 合并常数项： ，00 得到 ECM 1211()t tt ttyxykx 一般形式的 ECM 01211()25 pqt itijtjtti jyxykx （ ） 两个变量的自回归分布滞后模型： 山东科技大学本科毕业设计（论文） 11 (没有差分项) （2-0121 pqt itjttijyxy 6） （2-5 ）是误差修正模型， （2-6）是自回归分布滞后模型，两模型是等 价的；误差修正模型常用于描述短期动态金融时间序列。 （2）误差修正模型的优点 1）效避免多重共线性 估计模型时，模型（2-6）包含多阶滞后项，变量之间往往产生多重共 线性，从而影响估计精度，而一阶差分消除了模型可能存在的多重共线性。 2）经济意义解释 当 x=0，y=0 时，误差修正模型（2-5）就是长期均衡模型 y=kx， 因此误差修正模型（2-5）描述了变量向长期均衡状态调整的非均衡动态调 整过程。 其中(y-kx)t-1 表示上一期变量偏离均衡水平的误差，称为误差修正项。 误差修正模型的意义：y 短期变化由两项决定：一是 y 和 x 的短期变化； 二是 y 偏离上一期的均衡程度，系数是 。 3）当变量序列不平稳时，采用 ECM 可避免伪回归 在建模型时，除了进行差分避免多重共线性和伪回归外，还可用 ECM 方法。因为变量一阶差分项的使用消除了变量可能存在的趋势因素，从而 避免了伪回归。 （3）误差修正模型的建模 第一步：建立长期关系模型 用最小二乘法建立 y 关于 x 协整回归方程，并且检验其残差序列的平 稳性。若残差是平稳的，说明这些变量之间存在相互协整关系，因此长期 关系模型的变量选择是合理的，回归是有意义的。 即使 y 关于 x 不协整，建立 y 关于 x 回归模型的 ECM 也使模型效果得 到改善。 第二步：建立短期动态关系，即建立误差修正模型 （2-7）01211()t tt ttyxykx 模型作用：分析解释变量的变动对被解释变量（的变动）的影响；分 析上一期变量偏离均衡水平的误差（误差修正项） 对被解释变t1y 量（的变动）的影响。如果还要分析解释变量的更多滞后期，则可以相应 地引入这些滞后变量，如模型 01211()-8pqt itijtjtti jyxykx （ 2） 2.3 格兰杰非因果检验 VAR 模型还可用来检验一个变量与另一个变量是否存在因果关系。经 济计量学中格兰杰（Granger ）非因果性定义如下： 格兰杰非因果性：如果由 yt 和 xt 滞后值所决定的 yt 的条件分布与仅由 yt 滞后值所决定的条件分布相同，即 ( yt yt -1, , xt -1, ) = ( yt yt -1, ), (2-9) 则称 xt -1 对 yt 存在格兰杰非因果性。 格兰杰非因果性的另一种表述是其他条件不变，若加上 的滞后tx 变量后对 的预测精度不存在显著性改善，则称 对 存在格兰杰非因t 1txty 果性关系。 山东科技大学本科毕业设计（论文） 13 为简便，通常总是把 对 存在非因果关系表述为 （去掉下标 -1txtytx 1）对 存在非因果关系（严格讲，这种表述是不正确的） 。在实际中，除ty 了使用格兰杰非因果性概念外，也使用“格兰杰因果性”概念。顾名思义， 这个概念首先由格兰杰（Granger 1969）提出。西姆斯（Sims 1972）也提 出因果性定义。这两个定义是一致的。 根据以上定义， 对 是否存在因果关系的检验可通过检验 VAR 模型txty 以 为被解释变量的方程中是否可以把 的全部滞后变量剔除掉而完成。ty tx 比如 VAR 模型中以 为被解释变量的方程表示如下： t yt = + + u1 t (2-10)1 kit1kitx 如有必要，常数项，趋势项，季节虚拟变量等都可以包括在上式中。 则检验 对 存在格兰杰非因果性的零假设是txt H0: 1 = 2 = = k = 0 显然如果(4.2.3)式中的 的滞后变量的回归参数估计值全部不存在显tx 著性，则上述假设不能被拒绝。换句话说，如果 的任何一个滞后变量的tx 回归参数的估计值存在显著性，则结论应是 对 存在格兰杰因果关系。tty 上述检验可用 F 统计量完成。 (2-11)()ukSETNr 其中 SSEr 表示施加约束（零假设成立）后的残差平方和。SSEu 表示 不施加约束条件下的残差平方和。k 表示最大滞后期。 N 表示 VAR 模型中 所含当期变量个数，本例中 N = 2，T 表示样本容量。在零假设成立条件下， F 统计量近似服从 F( k, T - k N ) 分布。用样本计算的 F 值如果落在临界值 以内，接受原假设，即 对 不存在格兰杰因果关系。txty 2.4 脉冲响应函数的作用原理 1980 年 Sims 提出向量自回归模型 VAR。向量自回归（VAR）是基于 数据的统计性质建立模型，VAR 模型把系统中每一个变量作为系统中所有 内生变量的滞后的函数来构造模型，从而将单一变量自回归模型推广到由 多元序列变量组成的“向量”自回归模型。在实际应用中，由于 VAR 模型 是一种非理论性的模型，它无需对变量作任何先验性约束，因此在分析 VAR 模型时，往往不分析一个变量的变化对另一个变量的影响如何，而是 分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影 响，这种分析方法称为脉冲响应函数。 脉冲响应函数刻画的是在扰动项上加一个一次性的冲击对于内生变量 当前值和未来值所带来的影响。它的优点在于不需要考虑变量的外生性和 内生性，每一个模型含有相同的滞后结构。在 VAR 模型中，对第 i 个变量 的冲击不仅直接影响第 i 个变量，并且通过 VAR 模型的动态滞后结构传导 给所有的其他内生变量。 山东科技大学本科毕业设计（论文） 15 3、我国房地产投资对国民经济的影响 3.1 房地产投资与国民总投资的实证对比 中国经济高速发展的三驾马车之一的国民资产投资有效地带动了中国 经济高速发展 30 多年，其中房地产的投资所作出的贡献尤其明显。 040,80,120,160, 20,240,280,320, 9294969800204060810GZTFZT 图 3-1 国民固定资产投资与房地产投资趋势 注：国民投资 GZT；房地产总投资 FZT 图 3-2 为房地产投资在国民资产总投资中的比重 房地产投资与国民经济之间存在着内在的密切联系和相关性。从宏观 经济总量来看，国民经济对房地产投资的作用表现在两个方面：或是带动， 或是制约。当国民经济运行质量高，在一定时期内发展速度快，房地产投 资总量也相应迅速增加；当国民经济运行质量不高，或出现某些问题，如 通货膨胀、经济停滞，或二者兼有，房地产投资也会受到极大的制约甚至 限制。房地产投资对国民经济的作用也分为两个方面：或是促进，或是牵 制。在整个国民经济运行过程中，如果房地产投资规模适度，经济效率高， 它会对国民经济起到强有力的促进作用。因为投资对经济的拉动作用具有 乘数效应，房地产投资也不例外。由于房地产关联效应极强，它对国民经 济的影响作用就更加重要。据一些国家的统计，房地产业的产值每增加一 个单元，就能使相关产业的产值增加 1.5-2 个单元。相反，相对于国民经 济而言，房地产投资总量的过与不及，都将对国民经济的发展带来不利的 影响。当房地产投资总量不足，作为基础性产业，它将成为其它产业发展 的“瓶颈” ，阻碍整体经济的正常发展，而当房地产投资过度时，对土地、 资金的要求急剧上升，而土地资源的供给又缺乏弹性，这样必将导致地价 大幅度上涨，引发“泡沫”的成份，若不及时加以控制，一旦“泡沫”破 裂，将给国民经济带来惨重的损失.日本房地产业就是最典型的案例。随着 日本房地产泡沫的破裂，居民持有的不动产价值和财富总量水平显著减少， 山东科技大学本科毕业设计（论文） 17 在这种经济环境下，居民对未来经济的预期趋于悲观，影响其当期的消费 水平和消费结构，最终影响国民经济发展。从 1991-2004 年，日本的房地 产价格己经连续 13 年下跌，国民的消费能力急剧下降，使日本经济陷入 通货紧缩的困境。 房地产业是整个国民经济的重要组成部分，它的发展既要受到国民经 济的制约，又能促进国民经济快速、协调、稳定增长，有人讲房地产业是 国民经济的“晴雨表” 。房地产投资在拉动国民经济发展、优化经济结构 等方面发挥了重要的作用，但房地产投资过度也会引发泡沐经济和通货膨 胀的不泉现象。 所谓“泡沫经济”指的是以资产(股票、房地产) 价格超常规上涨为基本 特征的虚假繁荣，其直接原因是不切实际的高赢利预期和普遍的投机狂热。 房地产投资易成为泡沫经济的源头，从经济学的原理来分析，其原因是需 求膨胀的结果，在经济过热时，对房地产的需求旺盛，而房地产建设则受 有限的土地供给的限制，特别是城市中心地区的土地，不可能随价格的上 涨而增加。于是在一定的时间内，房地产价格可以与投入的贷币数量同比 例上涨，在这种情况下，人们投资于房地产只是为了转手倒卖。这种行为 一旦成为你追我赶的群体行动，就很难抑制，泡沫经济就是这样被制造出 来了。泡沫一旦破灭，一国经济的发展便随即出现减缓、萎缩、萧条、停 滞，乃至出现多米诺骨牌式的坍塌效应，如 1997 年亚洲金融风暴波及亚 洲各国，造成难以估量的经济损失。毫无疑问，泡沫经济给一国经济发展 带来的危害是深重的。 但是房地产投资与泡沫经济并没有必然的联系，决定房地产业成为经 济发展的龙头或泡沫经济的源头的质的分水岭就在于房地产业的发展是否 遵循了社会生产的循环周转规律，即在生产、流通、分配、消费四大环节 上能否在时间上继起、空间上并存、井然有序地进行。任何一个环节出现 问题都有可能引发泡沫的产生。正如东南亚金融危机爆发的主要原因之一 就是由于对房地产过度投机，导致房地产泡沫的产生，房地产价格狂升， 当泡沫破灭后，房地产价格暴跌，大量房地产商品难以销售。 “他山之石， 可以攻玉” ，面对东南亚金融危机带给我们的深刻反思，借鉴亚洲各国经 济发展的前车，我国在进行房地产投资时，一定要从规模和结构上作好宏 观决策与管理，避免再出现象 1992 年、1993 年那样的房地产热、开发区 热，真正使房地产业成为国民经济发展的龙头产业。 近年来，房地产投资在固定资产投资中所起的作用日益增强，再加上 房地产这种不动产日益货币化，因此，无论从确定合理投资规模看，还是 从优化投资结构，提高投资效益来看，它对通货膨胀的影响都是不可忽视 的一个重要方面。 3.2 房地产投资对国民生产总值的实证分析 本文选取 1988 年至 2011 年全国房地产投资实际额 fdci 以及全国 GDP 的实际额作为样本数据，数据来源于历年国家统计年鉴，为了消除异方差 的影响和数据的剧烈波动，在分析过程中指标采取自然对数，记为 lnfcdi、lngdp。为了避免异方差的影响和数据的剧烈波动，我们对数据进 行去自然对数进行分析处理，使用的分析软件为 Eviews6.0。 3.2.1 序列的平稳性检验 所谓时间序列变量的平稳性，是指随着时间推移，不会引起时间序列 的统计规律变化。如果时间数列平稳，那么此序列对任何外在的冲击只会 有暂时性的影响，如果是非平稳序列，则会对外来的冲击产生累积影响， 偏离其均值。 山东科技大学本科毕业设计（论文） 19 首先对时间序列进行单位根的检验，防止伪回归的现象。检验结果如 下 9.51051.0.512.0 .513.0.5 890294698020460810 LNGDP 图 3.3 国民生产总值的时序图 由上图可知，很明显 lnGDP 具有随时间的发展表现出增长的趋势，为不平稳不能 序列。 Lag Length: 1 (Automatic based on SIC, MAXLAG=1) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.841958 0.7869 Test critical values: 1% level -3.769597 5% level -3.004861 10% level -2.642242 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNGDP) Method: Least Squares Date: 05/27/12 Time: 15:42 Sample (adjusted): 1990 2011 Included observations: 22 after adjustments Variable Coefficient Std. Error t-Statistic Prob. LNGDP(-1) -0.009179 0.010902 -0.841958 0.4103 D(LNGDP(-1) 0.696004 0.158218 4.399013 0.0003 C 0.152172 0.130795 1.163442 0.2591 R-squared 0.535526 Mean dependent var 0.151059 Adjusted R-squared 0.486634 S.D. dependent var 0.065144 S.E. of regression 0.046675 Akaike info criterion -3.165075 Sum squared resid 0.041393 Schwarz criterion -3.016296 Log likelihood 37.81582 Hannan-Quinn criter. -3.130027 F-statistic 10.95326 Durbin-Watson stat 1.317065 Prob(F-statistic) 0.000686 图 3-4lnGDP 的稳定性检验 在检验的结果输出窗口中，左上方为 ADF 检验值，右上方为 1%、5%和0%的显 著水平下的临界 值，从图中可以看出 ADF 统计的检验值为-0.841958,其绝对值小于 5%的显著水平的临界值-3.00486 值。同时趋势值的统计来看，在的水平下显著。 注意，这里的统计量不同于我们在做最小二乘时用的统计值。这些 T 统计检验的 临界值在uller（1976）中给出从上面的分析我们可以认为该序列为非平稳的序列。 山东科技大学本科毕业设计（论文） 21 56789 10112 890294698020460810 LNFDCI 图 3-5 房地产年度投资时序图形 由上图可以看出，房地产投资额的趋势为增长型，序列有很大可能性 为不稳定序列，然后对其进行 ADF 检验 ADF 检验结果如下 Lag Length: 0 (Automatic based on SIC, MAXLAG=0) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.562784 0.7761 -1.562784 Test critical values: 1% level -4.416345 5% level -3.622033 10% level -3.248592 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNFDCI) Method: Least Squares Date: 05/27/12 Time: 15:47 Sample (adjusted): 1989 2011 Included observations: 23 after adjustments Variable Coefficient Std. Error t-Statistic Prob. LNFDCI(-1) -0.210014 0.134385 -1.562784 0.1338 C 1.438172 0.747013 1.925230 0.0685 TREND(1988) 0.045715 0.032262 1.417026 0.1719 R-squared 0.118729 Mean dependent var 0.238297 Adjusted R-squared 0.030602 S.D. dependent var 0.225632 S.E. of regression 0.222153 Akaike info criterion -0.049796 Sum squared resid 0.987036 Schwarz criterion 0.098312 Log likelihood 3.572653 Hannan-Quinn criter. -0.012547 F-statistic 1.347253 Durbin-Watson stat 0.864337 Prob(F-statistic) 0.282548 图 3-6lnfdci 的稳定性检验 由检验可以看出，lnfdci 的检验 t 统计量的值为 -1.562784 分别别大于 在显著水平为 1%、5% 、 10%下的临界值，所以序列为非平稳序列 以上由检验可以看出，序列为非平稳数列。 序列的单整检验 对原序列 lnGDP 进行单位根检验，最终选择 ADF 检验且滞后期 p=3， 结果如下 Lag Length: 3 (Automatic based on SIC, MAXLAG=3) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -4.088359 0.0063 Test critical values: 1% level -3.857386 5% level -3.040391 10% level -2.660551 *MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18 Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNGDP,3) Method: Least Squares 山东科技大学本科毕业设计（论文） 23 Date: 05/27/12 Time: 15:50 Sample (adjusted): 1994 2011 Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(LNGDP(-1),2) -1.325158 0.324129 -4.088359 0.0013 D(LNGDP(-1),3) 0.763005 0.288318 2.646397 0.0201 D(LNGDP(-2),3) -0.066112 0.254333 -0.259941 0.7990 D(LNGDP(-3),3) 0.726551 0.239319 3.035906 0.0096 C -0.007418 0.008932 -0.830430 0.4213 R-squared 0.721618 Mean dependent var -0.002504 Adjusted R-squared 0.635961 S.D. dependent var 0.061801 S.E. of regression 0.037288 Akaike info criterion -3.510164 Sum squared resid 0.018075 Schwarz criterion -3.262839 Log likelihood 36.59148 Hannan-Quinn criter. -3.476062 F-statistic 8.424588 Durbin-Watson stat 2.425154 Prob(F-statistic) 0.001397 图 3-7 差分后的 lnGDP 稳定性检验 由上图看到检验 t 统计值为 -4.088359，小与显著水平为 1%的临界值， 表明至少可以在 99%的置信水平下拒绝原假设，认为 iiGDP 不存在单位根。 即存在二阶单整。 对原序列 lnfdci 进行单位根检验，最终选择 ADF 检验且滞后期 p=1， 结果如下 Lag Length: 3 (Automatic based on SIC, MAXLAG=3) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.854008 0.0002 Test critical values: 1% level -4.571559 5% level -3.690814 10% level -3.286909 *MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18 Dependent Variable: D(LNFDCI,3) Method: Least Squares Date: 05/27/12 Time: 15:52 Sample (adjusted): 1994 2011 Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(