Eviews统计第十八章PPT课件.ppt

第十八章综合案例 我国银行信贷与房地产价格之间的动态关系 研究背景和研究目的数据及研究方法Eviews操作研究结论 一 研究背景和研究目的 1998年住房分配体制改革以来房地产投资和房地产价格不断攀高 房地产市场出现过热的势头 另一方面 我国住房抵押贷款和房地产开发贷款迅速扩张 房地产贷款占金融机构贷款的比重从2000年6 04 上升至14 12 但是上世纪80年代美国银行业危机和近期的美国次贷危机中 房地产信贷损失及其诱发的风险就是银行倒闭及巨额亏损的重要原因 20世纪90年代以来 特别是日本泡沫经济的破灭及亚洲金融危机中 房地产都扮演着重要的角色 进入21世纪 由于国际低利率与较多的流动性使得主要发达国家房地产价格不断攀升 住房抵押贷款在金融部门占有重要的地位 如果房地产价格出现急剧调整 这些国家的银行体系资产质量就会迅速下降 经济金融将会受到严重冲击 这种情况下 关于全球地产泡沫的危言不绝于耳 中国置身其中 因此 对我国银行信贷与房地产价格之间的影响机制和效应进行理论分析和实证研究 这对我国避免出现银行业危机和确保房地产市场的健康发展不仅具有重要的理论意义 更具有重要的实践指导价值 关于房价 本章收集了全国商品房销售面积和销售额的季度数据 并将这些原始数据换算成全国商品房季度平均销售价格 然后进行标准化将其处理为以1998年第一季度为基期的价格指数 HP 为了得到实际房价指数 本章对名义房价指数用以1998年一季度为基期的CPI进行了平减 二 数据及研究方法 1 变量的选择 关于信贷 本章主要研究的是银行总体信贷与房价的关系 而不是银行信贷中按揭贷款与房价的关系 所以本章采用我国金融机构中长期信贷季度余额作为银行信贷的样本数据 关于控制变量的选择 信贷和房地产周期受共同的经济因素驱动 一方面 信贷周期主要由宏观经济和预期 特别是GDP 利率等 决定 另一方面 经济活动的状态对房地产市场也施加了重要影响 宏观经济的变化将引起房地产的供需调整 进而影响房地产投资和价格的变化 这些外部冲击既可以是来自需求方面 如收入 利率和人口因素的变化 也可以是来自供给方面 如劳动力和建筑成本 以及土地开发的限制发生变化等 为了更加准确的反映信贷与房地产价格的真实关系 本章利用我国实际GDP 3 5年期实际贷款利率作为控制变量来控制来自需求方面的外部冲击 同时在模型中加入我国CPI变量来控制来自供给方面的冲击 其他控制变量如城市化程度 人口规模变动 建筑成本 土地开发 工业增加值 政策变化 用虚拟变量表示 等因素并没有在模型中出现 一方面某些变量季度数据 城市化程度 人口规模 建筑成本缺乏季度数据 土地开发的数据只有1998以后的数据 不可得 更重要的一方面是部分变量 工业增加值实际值加入模型中皆不显著 本来用于建模的数据来源与 中国经济景气月报 加入模型后这些变量大都不显著 对模型缺乏解释力且导致模型因自由度下降而失效 下表给出了模型中涉及的变量名称 标识及其含义 本文将首先对实际信贷和实际房价的平稳性进行分析 接着利用协整检验的方法从整体上判断两者的变动是否存在长期均衡 本文最终没有利用协整分析 而是对数据差分处理后建立了多变量的VAR模型 基于建立的VAR模型和运用Granger检验分析两者变动的因果联系 最后运用脉冲响应函数和方差分解方法 分析一个误差项的变化对系统的动态影响 研究中选取了从1996年第一季度到2006年第四季度的我国银行中长期信贷数据和我国房地产销售平均价格的季度数据 总共44组季度数据 在稳健性分析时 数据会延展到2008年第四季度 信贷 房地产销售平均价格 GDP CPI的数据来源于 中国经济景气月报 从2000第一期到2009年第一期 利率来源于中国人民银行网站 2 研究方法 3 数据来源及描述 1 创建新的工作文件 2 创建变量序列 三 Eviews操作 1 工作对象的创建 为了消除原始变量的异方差影响 我们首先对所有变量进行对数化处理 即在Workfile窗口中单击generate按钮打开如图18 5所示的GenerateSeriesbyEquation对话框 在EnterEquation输入框中输入lnhp log hp 即可生成房地产价格hp序列的对数序列 按照相同的方法 依次生成loan cpi gdp序列的对数序列lnloan lncpi lngdp 2 变量的对数化处理 对时间序列进行分析的前提是保证序列的平稳性 而非平稳的时间序列参与回归建模分析 会导致伪回归问题 因此一般情况下进行分析之前 需要对原变量序列进行单位根检验 判断序列的平稳性 如果序列为平稳序列 则可以继续建模 如果序列为非平稳序列 则需要进行差分处理或者采用协整等分析方法 下面以房地产价格hp序列为例 进行对hp序列单位根检验的操作 UnitRootTest对话框 3 单位根检验 单位跟检验结果 当分析的时间序列变量都为非平稳序列的时候 除了对原序列变量进行差分处理外 还可以进行协整分析 即检验这几个非平稳变量的线性组合是否为平稳序列 如果非平稳拜年了的线性组合为平稳变量 则认为这些变量之间存在长期均衡关系 在多个变量协整关系的分析中 最为常用的是Johansen协整检验方法 在workfile工作文件窗口中选择需要进行协整分析的所有变量即lnhp序列和lnloan序列 依次点击右键选择Open asGroup命令 如图18 14所示的以对象组Group的形式打开这些变量 4 协整检验 2020 1 27 13 在Group对象窗口的工具栏依次选择View CointegrationTest命令 打开如图18 10所示的JohansenCointegrationTest对话框 JohansenCointegrationTest对话框的具体设置如下 由于单位根检验结果显示被检验变量存在随机趋势 因此在Deterministictrendassumption选项组中选择第三项Intercept notrend inCEandtestVAR 考虑到本案例的数据频率为季度类型 同时协整检验设定的滞后期需要设定为m 1 因此在Lagintervals文本框中输入13 然后点击 确定 按钮就可以得到检验结果 序列ECt是向量误差修正模型的核心部分 但是协整关系式只能说明各个解释变量之间的长期均衡关系和趋势 实际信贷余额和实际房价之间的正相关关系可能是因为信贷的增长促进了房价的上升 也可能是房价的上涨带动了信贷余额的增加 为了明确实际信贷余额与房价之间的相互关系 下文基于变量之间存在的协整关系 进一步建立将短期波动与长期均衡联系在一起的向量误差修正模型 VECM 对实际信贷余额与实际房价进行Granger因果关系检验 从而进一步明确它们之间存在的影响是正向 逆向 抑或是双向 5 向量误差修正模型 VECM 6 格兰杰因果检验 格兰杰因果关系实质上是利用了VAR模型来进行一组系数显著性检验 格兰杰因果关系可以用来检验某个变量的所有滞后项是否对另一个或几个变量的当期值有影响 如果影响显著 说明该变量对另一个变量或几个变量的存在格兰杰因果关系 如果影响不显著 说明该变量对另一个变量或几个变量不存在格兰杰因果关系 在对象窗口的工具栏依次选择View LagStructure GrangerCausality BlockExogeneityTests命令 打开如下所示格兰杰因果检验结果窗口 图18 11格兰杰因果检验结果 7 脉冲响应函数 脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击 对内生变量当前和未来取值的影响的变动轨迹 能比较直观的刻画出变量之间的动态交互作用及其效应 基于上文中建立的VAR模型 我们将刻画信贷余额与房地产价格之间的脉冲响应函数 IRF 以进一步分析二者之间的短期动态关系 在图18 11对象窗口的工具栏依次选择View ImpulseResponseFunction命令 打开如图18 13所示的ImpulseResponses对话框 在ImpulseResponses对话框中点击确定按钮 即可生成如图18 14所示的脉冲响应函数结果 图18 13ImpulseResponses对话框 图18 14脉冲响应函数结果 四 研究结论 与国外发达国家相比 作为新兴和转轨的中国信贷和房地产市场 银行信贷和房地产价格之间的关系与国外市场相比具有特殊性 即长期中两者不具有恒定的关系 短期中银行信贷对房价的影响占主导地位 反过来不成立 基于实证结果 本文得到以下结论 1 在样本期内 本文认为实际银行信贷和实际房地产价格之间不存在长期协整关系 银行信贷一直在我国更多的表现为一个宏观政策变量 再者我国房地产市场建立较晚 发展不够成熟 并且伴随着政府对房地产市场政策的多变 因此很难发现银行信贷与房地产价格之间长期恒定的协整关系 2 短期内 实际信贷增长率的变化居于支配地位且