我国城市化与房地产业互动关系研究.docx

我国城市化与房地产业互动关系研究摘要：在我国城市化进程不断加快的步伐中，房地产业作为城市化的一个重要基础产业得到了广阔的发展空间；同时房地产业的快速发展进一步的推动了城市化进程。本文选取1987-2011年我国城市化与房地产业发展的时间序列数据进行Granger因果关系检验，结果表明：我国城市化进程与房地产业发展之间在长期中是双向互动且互为因果关系。关键字：城市化、房地产业、因果关系Chinas urbanization and real estate interactive relationshipAbstract: With the pace of Chinas urbanization process Continue to accelerate, the real estate industry as an important basic industry get broad space for development; while the rapid development of the real estate industry help to further promote the process of urbanization. The paper selected Chinas 1987-2011 years urbanization and real estate development time-series data to make Granger causality test. Results indicate that: there is two-way interaction and mutually causal relationship between Chinas urbanization and real estate development in the long term.Key words：Urbanization; the real estate industry; causal relationship1、 引言人类文明进步的一个重要标志是提出“城市”的概念，而城市化进程的加快也成为了世界历史以及全球经济发展的必然趋势。随着不断加快的城市化进程；农村人口逐渐向城镇转移；第一产业劳动力逐渐向第二、三产业转移以及城市用地规模不断加大，从而使得城市人口占总人口（即城市化率）比重逐渐提升。同时随着由于大量农村人口进入城市，必然会对于房屋产生较大的需求量。在2013年3月2日开始的第十二届全国两会中，城镇化问题成为最热话题之一。国务院总理温家宝在今年的政府工作报告中，再提“积极稳妥推进城镇化”。然而与往年所不同的是，今年的政府工作报告直指城镇化三大核心问题，即“遵循城市发展规律”、“落实人口城镇化”以及“城镇化与农业现代化并行”，推动城镇化实至名归。然而在城市化过程中，房地产业作为其基础产业必然影响到城市化水平的发展提高。关于城市化与房地产业的关系，国内已有不少学者对此做出研究，有学者认为之所以城市化进程加快会对房地产业产生较为深远的影响是因为房地产业本身就是作为一个城市的载体而出现的1。而房地产业提供的住宅服务既是一个城市的基础性设施，又是城市市民必不可少的生活、生产资料；房地产业与城市化两者之间关系密切，互相促进。2、 城市化与房地产业的平稳性研究2.1、变量选取城市化水平是衡量一个国家经济发展水平的一个重要指标，它与城市的实际发展水平呈正相关关系2。在测量一个国家或者一个地区的城市化水平时，常用的指标有两种：一是主要指标法；二是复合指标法。而最为常用来作为表述城市化水平的指标则是主要指标法中的人口比例指标3。人口比例指标的计算是用城镇人口除以总人口得到，并以此衡量一个国家或者地区的城市化水平。关于房地产业的发展水平，本文选择两个指标作为基础数据研究：一是房地产业年末总投资额；二是商品房的销售面积。通过房地产业年末的总投资额可以较好的反映其发展水平，而商品房的销售面则较为真实的反应了每年市场的有效需求。表1.1987-2011我国城市化水平与房地产业发展水平指标年份Y：城市人口占总人口的比例(%)X1：房地产投资额(亿元)X2：商品房销售面积(亿m2 )198725.32149.92697.24198825.81257.22927.3198926.21272.72855.4199026.41253.32871.5199126.94336.23025.5199227.46731.24288.9199327.991937.56687.9199428.512554.17230.4199529.0431497905.9199630.483216.47900.4199731.913178.49010.2199833.353614.212185.3199934.784103.214556.5200036.224984.118637.1200137.666344.122411.9200239.097790.926808.3200340.5310153.833717.6200441.7613158.338231.6200542.9915909.255486.2200644.3419422.961857.1200745.8925288.877354.7200846.9931203.265959.8200948.3436241.894755201049.9548259.4104764.7201151.2761796.9109366.8资料来源：中华人民共和国国家统计局2012年统计年鉴2.2、单位根检验根据图1、2、3可以看出我国城市化水平、房地产业投资额以及商品房销售面积均呈现出持续增长的趋势，但其态势不平稳。然而时间序列的计量分析对于数据样本的要求是具有平稳的单位根，否则就存在“伪回归”问题，而基于VECM（Vector Error Correction Model即误差修正模型）的估计和Johansen协整检验均要求各个变量同时满足I(p)过程，故首先对各个变量进行单位根检验。单位根检验方法采取ADF检验法，单位根检验最佳滞后阶数采取AIC准则。如果在ADF单位根检验中所有的变量均为同阶单整的，并且变量之间的某种线性组合是平稳的，则说明变量间是有协整关系的，这样就可以建立协整方程；而变量之间在短期内出现的偏离均衡，则需要对误差进行修正从而使得变量能回到均衡状态，此时就可以建立误差修整模型（VECM）.图1 我国历年城市化水平 图2 我国历年房地产业投资额图3我国历年商品房销售面积本文对我国历年的城市化水平（Y），房地产投资额（X1）、商品房销售面积（X2）三列时间序列数据进行单位根检验。检验结果如下：表1是对序列Y的水平值、一阶差分以及二阶差分进行ADF单位根检验的结果。可以看到序列Y在水平值的t统计量为0.623853，大于所有临界值，因此接受其有单位根的假设；序列D(Y)的t统计量为-1.620319，大于所有临界值，因此接受其有单位根的假设；序列D(Y,2)的t统计量为-5.360864，小于所有临界值，因此拒绝其有单位根的假设（即Y的二阶差分序列不存在单位根，是平稳的序列）。表1 Y、D(Y)、D(Y，2)的单位根检验Test critical values:YD(Y)D(Y，2)ADF test statistic0.623853-1.620319-5.360864Prob.*0.98720.45660.0003t-Statistic1%-3.752946-3.752946-3.769597t-Statistic5%-2.998064-2.998064-3.004861t-Statistic10%-2.638752-2.638752-2.642242同理，对于序列X1，X2进行单位根检验发现：序列X1，X2水平值以及一阶差分均大于所有临界值，表明接受有单位根的假设；而序列X1，X2的二阶差分均小于所有临界值，说明拒绝有单位根的假设，即可得到无单位根的平稳序列D(X1，2)和D(X2，2)表2 X1、D(X1)、D(X1，2)的单位根检验Test critical values:X1D(X1)D(X1，2)ADF test statistic16.929962.801768-4.499341Prob.*1.00001.0000 0.0020t-Statistic1%-3.737853-3.769597-3.769597t-Statistic5%-2.991878-3.004861-3.004861t-Statistic10%-2.635542-2.642242-2.642242表3 X2、D(X2)、D(X2，2)的单位根检验Test critical values:X2D(X2)D(X2，2)ADF test statistic3.448366-2.462952-6.407454Prob.*1.00000.13750.0000t-Statistic1%-3.752946-3.769597-3.788030t-Statistic5%-2.998064-3.004861-3.012363t-Statistic10%-2.638752-2.642242-2.6461192.3协整检验上面通过对Y, X1，X2的单位根检验我们知道，城市化水平（Y）、房地产投资额（X1）以及商品房销售面积（X2）之间的时间序列是不平稳的，为了考察三者之间的关系，本文将引用协整检验作为工具，以此来研究三者之间的长期关系。协整检验从检验的对象上可以分为两种：一种是基于回归系数的协整检验，如Johansen协整检验；另一种是基于回归残差的协整检验，如CRDW(Cointegration Regression Durbin-Watson)检验、DF检验、ADF检验。本文采用Johansen协整检验，借助eviews 6.0对其进行计算，结果如下：表5 Johansen协整检验结果1HypothesizedTrace0.05No. of CE(s)EigenvalueStatisticCritical ValueProb.*None *0.83966153.1738229.797070.0000At most 10.44368412.9036015.494710.1184At most 20.0001080.0023673.8414660.9591表6 Johansen协整检验结果2HypothesizedMax-Eigen0.05No. of CE(s)EigenvalueStatisticCritical ValueProb.*None *0.83966140.2702221.131620.0000At most 10.44368412.9012314.264600.0812At most 20.0001080.0023673.8414660.9591表5、表6中显示的是迹统计量和最大特征根统计量的检验结果。从表5中可以看到在原假设None中，迹统计量53.17382临界值29.79707，同时概率为0，说明拒绝了None原假设（即至少存在一个协整关系）；在原假设 At most 1中，迹统计量为12.90360临界值15.49471，同时概率为0.1184，说明接受At most 1的原假设。 同理可对表6中最大特征根统计量进行分析，结果与迹统计量是一样的，分别拒绝了None原假设，接受 At most 1的原假设。通过表5和表6中对于三个变量的协整关系检验结果表示它们在5%显著性水平上存在1个协整关系，即r=1。通过表5和表6对于城市化水平、房地产投资额以及商品房销售面积的检验可以得出，在5%的显著水平下，这三个变量之间在长期中是存在相互影响作用的。3、 Granger因果关系检验通过对城市化水平、房地产投资额以及商品房销售面积的单位根检验以及协整关系检验说明了三者之间是存在着一定的长期相关性，但变量之间的协整关系仅仅代表单向的因果关系，并不能具体的指出谁为谁的因，谁为谁的果，故需对其做进一步的因果关系检验。在做因果关系检验之前由于本文所采取的数据在统计分析中相对较少，因此直接采用HP滤波后的数据进行因果关系检验。3.1 H-P滤波本文运用Eviews6.0计量经济学软件，对城市化水平（Y）指标的时间序列及房地产业发展水平的两个指标（X1、X2）的时间序列分别进行了H-P滤波处理。首先对于经过HP滤波处理后的平滑序列趋势分别用HPY，HP X1，HP X2表示，其次选定给定平滑参数的值，一般地的缺省值如下： 由于本文所选择的序列为年度数据，因此，选择100。Eviews与原序列一起显示处理后的序列，并显示滤波图。如此反复，对房地产开发投资额（X1）及商品房销售面积（X2）也进行HP滤波处理，得到结果如表5所示。表5 HP滤波后的时间序列ObsHPYHPX1HPX2198724.66884-189.65841217.799198825.21990-32.987881603.287198925.77748127.07822003.568199026.35397296.83742446.677199126.96613484.04332969.167199227.63125696.01423611.839199328.36636938.59014416.055199429.186801217.9635429.952199530.104111550.3126724.382199631.123101965.1828388.202199732.237922508.10010522.09199833.436283237.10913221.83199934.702634216.95216568.10200036.020545516.14420631.22200137.374387202.06325461.38200238.750479336.76631088.83200340.1380411973.7337513.34200441.5296715150.9844691.84200542.9218818888.3252543.35200644.3135023185.6660922.25200745.7040328013.1069712.36200847.0932333303.1078806.87200948.4827438960.9188175.35201049.8731444870.7497658.93201151.2636050889.65107164.5H-P滤波后的时间序列及其趋势图 图4H-P滤波后的时间序列及其趋势图（1）图5 H-P滤波后的时间序列及其趋势图（2）图4，图5中是经H-P滤波调整后的序列图，所以城市化水平、房地产投资额以及商品房销售这三个时间序列是协方差平稳的，因此可对处理后的时间序列进行Granger因果检验。3.2 Granger因果关系检验Granger因果关系检验是检验各个变量之间内在规律的重要方法，在Granger因果关系检验中我们假设如果变量X的变化会引起变量Y的变化，那么对于Y未来的预测可以由考察变量X得到。其过程为：（1）作为原假设“X不是引起Y变化的原因”；（2）把Y对Y的滞后值及X的滞后值进行回归，建立无限制条件的回归模型：（3）把Y只对Y的滞后值进行回归，建立有限制条件的回归模型：（4）用回归模型的残差平方和计算F统计值，检验回归系数是否同时显著地不为零。如果是，就拒绝“X不是引起Y变化的原因”的原假设，即X是引起Y变化的原因，说明X与Y之间存在着因果关系。同理可以检验Y是否为X的因。本文将三个经过滤波的时间序列数据运用Eviews6.0计量经济学软件进行分析，得到结果如表6所示：表6 Granger因果关系检验结果Null Hypothesis:F-StatisticProbability结论HPX1 does not Granger Cause HPY93.49026.E-10拒绝HPY does not Granger Cause HPX114.84669.E-05拒绝HPX2 does not Granger Cause HPY71.39304.E-09拒绝HPY does not Granger Cause HPX211.80940.0003拒绝表6中给出了城市化、房地产投资以及商品房销售面积之间的Granger因果关系检验结果，可以看出以上4个原假设条件的显著性水平均小于5%，说明原假设条件不成立。由此得出：HPY是HPX1的因，HPY也是HPX2的因，HPX1是HPY的因，HPX2也是HPY的因，即城市化水平（）与房地产业的两个指标（X1，X2）之间互为因果关系。3.2 结论通过以上一系列对于我国城市化、房地产投资额以及商品房销售面积的检验结果分析可知：在长期态势中，一方面随着城市化水平的不断提高会相应的推动房地产业的发展。城市化的过程表现为农村人口向城镇的转移，导致城市人口不断的增加，人口的增加必然造成对住宅的需求增加，因此会促使房价上涨，房价上涨使得投机性动机增强，必然会引起开发投资额的增加以及商品房销量的增加。另一方面由于房地产业的高速发展，导致城市面积的扩大、城市容纳率增加，相应的使得城市人口增加，从而促进城市化水平的提高。从上世纪80年代末房地产业在我国得到发展以来，推动了城市化进程的发展，而城市化进程的发展进一步促进了房地产业的发展，两者是双向互动、互为因果的发展过程。4、 城市化与房地产业发展的脉冲响应分析脉冲响应函数描述一个内生变量对误差冲击的反应。具体地说，它描述的是在随机误差项上施加一个标准差大小的新息冲击（innovation）后对内生变量的当期值和未来值所带来的影响。在向量自回归模型中，某一变量t时刻发生扰动后，通过变量之间的动态联系，对t时刻以后的各变量将产生一连锁反应。脉冲响应函数正是可以描述系统对单位冲击做出的动态反应，可以判断变量之间存在的互动关系及持续性。对一个变量的冲击直接影响到这个变量的本身，并且通过VAR 模型的动态结构传导给其它所有的内生变量。为了直观形象地刻画变量间的相互影响，本文采用曲线图的形式，没有列出相应的数据形式。由于VAR模型要求残差向量必须是非自相关的，所以滞后阶数k的选择就显得很重要。一般而言，非稳定（含单位根）的VAR模型对新息的冲击有长久的记忆能力，这与经济事实不符合。因此要保证VAR模型和脉冲响应函数稳定（对新息的冲击收敛），一般要检验变量的平稳性或变量之间是否存在协整关系。本文用赤池信息准则 (AIC)确定VAR的滞后期k值。选择k值的原则是在增加k值的过程中使AIC的值达到最小。在VAR模型中，适当加大k值可以消除误差项中的自相关。但k过大又会导致自由度减小，以致影响模型参数估计量的有效性。由于本文的样本数量偏少，所以不宜选取较大的阶数，根据综合比较，本文选取滞后阶数为2。1.房地产业发展对城市化水平的脉冲响应分析输入希望产生冲击的变量（Impulses）X1、X2和希望观察其脉冲响应的变量（Responses）Y。定义一个确定响应函数轨迹期间的正整数，本文选择25年。为了显示累计的响应，需要选择Accumulate Response选项。对于稳定的VAR模型，脉冲响应函数应趋向于0，且累计响应应趋向于某些非0常数。设置脉冲为残差的一个单位的冲击，即选项为Residual-One Unit (一单位残差)。分别给X1、X2一单位残差的冲击，得到城市化水平的脉冲响应函数图（图3），横轴表示冲击作用的滞后期数(单位：年) ，纵轴表示脉冲响应函数值，代表了城市化水平对X1、X2冲击所产生的响应。图中的实线为脉冲响应函数值随时间的变化路径，两侧虚线为响应函数值加、减两倍标准差的置信带。由于商品房销售面积对城市化水平影响较弱，脉冲响应函数值在横轴附近轻微波动。图6 由X1、X2的冲击对Y的脉冲响应函数图图7 由X1、X2的冲击对Y的脉冲响应（累计）函数图根据图6的脉冲响应函数曲线，城市化水平（Y）在受到房地产开发投资额（X1）一个单位正向的标准差的冲击后，在滞后期冲击效应也为正值，并且冲击效应在未来大约第十六期才显现，说明房地产开发投资额的增长对人口城市化率的提高有一个时间上的滞后。这是因为：一是受建筑产品形成周期本身的影响，二是由于房地产开发投资额通过市场传递信息本身存在延迟，三是房地产开发投资的增长是城市化进程推进的必要条件而非充分条件。因此，房地产开发投资导致城市人口的增长有一个时间上的滞后，它的作用并不象城市化进程中的一些人口、户籍政策及行政区划的调整等政策一样可以当期显现其实施效应（如行政区划的调整可以直接影响年末城市人口数量）。从脉冲响应图中还可以看出，随着时间的推移，房地产开发投资（X1）对城市化水平的冲击效应逐年增大。而房地产销售面积（X2）的冲击效应则不显著，特别是在较短期内，几乎不存在冲击效应。这可能是由于本文所采用的商品房销售面积的统计量，并没有真实地反映市场上的商品房销售量，而只是新开发的商品房面积（即增量中的所销售部分），事实上，存量的房地产也会对市场引起很大的影响，特别是房地产市场发展初期，我国的城镇住房制度改革中的公房出售，都应当属于对房地产市场的供给，但在我们的统计数据中没有显示，因此从时间序列来看，这一指标对城市化水平的冲击并不显著。图7采用累计响应输出结果。一般地说，对于稳定的VAR模型，脉冲响应函数应趋向于0，且累计响应应趋向于某些非0常数。2.城市化水平对房地产业发展的脉冲响应分析同样，测试对城市化水平（Y）输入一个单位的冲击，其对房地产开发投资（X1）、商品房销售面积（X2）产生的响应。输出如图8：图8 由Y的冲击对X1、X2产生的脉冲响应函数图由图8可以看出，当对城市化水平（Y）引入一个单位的冲击时，其对房地产投资额（X1）的影响在滞后第17年才出现。在滞后