我国区域住房市场的价格波动特征差异性研究

1、130/1303.4.1常方差线性时刻序列过程323.4.2存在GARCH效应的非线性序列423.4.3其他非线性结构的序列47第四章因素分析484.1实证结论484.2因素分析484.2.1地区生产总值494.2.2人均可支配收入504.2.3人口504.2.4都市化水平514.2.5产业结构514.2.6其他阻碍因素534.2.7阻碍因素总结54第五章结束语565.1研究结论565.2研究不足之处585.3研究展望59致谢60参考文献61攻硕期间研究成果656这些学者认为这有可能是南部区域的房地产市场分割程度要比北部大，因此随着时刻的推移南北房价呈发散趋势15-18。关于上述研究的解释必须

2、考虑以下的时刻周期因素：70年代至80年代的实证结论与90年代的存在差异。换句话讲，研究结论对研究的时刻段较为敏感，这也是在研究初期“波浪效应”一直受到质疑的一个缘故。自1996年起，澳大利亚要紧大都市（首府都市）的房价呈现出急剧增长的趋势，直到2004年这种趋势才有所缓和。Judith Yates（2002）研究了澳大利亚各地区从1986年到1996年10年间的家庭收入与住房自有率的相关性。通过实证分析他发觉收入极化效应大的地区住房价格一般都会快速增长，这就使得低收入家庭向非热点地区搬迁。在这10年间热点地区（一般是首府都市）居民房屋自有率呈下降趋势19。Berry M.&Dalton T.

3、（2004）通过研究发觉人口流淌速度、人口密度、区域经济进展状况差不多上阻碍房价的重要因素20。从各州的水平看，Burke T.&Hayward D.（2001）分析了澳大利亚的区域住房市场，比如悉尼住房市场。他们发现在上世纪90年代市区与郊区的住房价格呈发散状态。即商业区住房价格快速上涨而边远地区的房价出现了下跌21。学者们发觉住房政策（或政府住房干预措施）也能著阻碍区域房地产市场。Maher C.（1994）分析了澳大利亚要紧都市房价的中位数敛散状况，结果表明住房价格的扩散没有明显的发散趋势，长期中处于均衡态势22。Tu Y.（2000）模拟了澳大利亚住宅市场全国和区域的两水平上的动态过程

4、以及两水平上住宅价格扩散的路径：从布里斯班到悉尼再到墨尔本，或从布里斯班到全国再到墨尔本。研究表明布里斯班住宅价格是那个传播路径上的第一个传播者，但该研究中没有提及区域住宅价格的集中或离散问题23。在亚洲市场，Mei-Se Chien（2010）运用变结构模型对台湾地区的房价进行了实证，结果显示台北地区房价并不能引领那个台湾地区，对此作者认为台北市的国际化程度特不高，房价较高较为正常，但可不能对整个台湾地区造成显著阻碍24。在中国大陆，由于我国房地产市场起步晚，以及交易数据的猎取困难等缘故，造成对区域房地产市场的研究还处于起步时期，然而我国学者依旧克服种种困难，为我国的房地产研究做出了自己的贡

5、献。位志宇，杨忠直（2007）的实证表明江浙沪三地房价具有趋同性，同时，他们还发觉上海的房价波动是江浙两地的格兰杰因，江苏房价受外界阻碍较大25；王意顺（2008）分析了长株潭地区的房地产现状，同样得出了该区域房价趋同性的结论26；王松涛，杨赞，刘洪玉（2008）将26个大中都市按地理远近划分为5大区域，通过实证分析发觉，在区域内都市间房价具有趋同性；区域内核心都市的房价波动在短期内会阻碍其他都市27。 各区域的房地产市场是否存在泡沫的问题是我国学者研究的热点。苑德宇，宋小宁(2008)将我国房地产市场划分为北、东、中、西4大区域，通过CD检验发现:第一，某一地区房地产价格与其泡沫成分并不保持

6、着必定的联系;第二，东部地区都市中房价泡沫存在着较强的传染性;第三，除北部，其他地区都市房价泡沫有显著相关性;第四，东部地区和西部地区中各都市间出现明显的同步演化的态势，可能是该地区内都市进展水平相似，消费者容易形成相同预期2s。梁云芳，高铁梅(2007在介绍了东、中、西三大区域的房地产市场现状的基础上，通过建模分析得出五点要紧结论:第一，不管是房价的长期趋势依旧短期波动，信贷规模对东、西部地区阻碍都比较大，而对中部地区阻碍较小;第二，西部地区融资市场比较单一，信贷政策对房价的变化阻碍比较大;第三，东部地区房地产升值的潜力较大，成为房地产商和投机者的投资热点，导致信贷规模对房价产生较大阻碍;第

7、四，经济增长对中部房价的长短期变动阻碍差不多上最大的，因此获利空间较小，开发商投资力度疲软，房地产难以成为投资热点，不易出现房地产投机和泡沫;第五，房地产需求的短期变动只在西部地区阻碍房地产价格的波动，东、中部地区短期变动与需求关系不显著，并建议相关部门能够采取因地制宜、差不对待的政策，幸免全国范围一刀切的情况，以实现有效操纵各地房价的非理陛增长29 综上，目前关于区域住房市场价格波动的研究要紧有以下几个特点:第一，在研究对象上，或者是将全国范围的住房市场依照地理位置划分为几个大区进行分析，如将英国住房市场划分为南北区域、我国住房市场划分为东、西、中三个大区，或者是选取某些热点都市进行研究，如

8、对澳大利亚市场要紧研究悉尼、墨尔本等五个热点都市，在我国要紧研究北京、上海、江浙等一线都市;第二，在研究方法上，要紧从区域或者都市之间的价格传递效应动身，研究其价格扩散趋势、长期趋同性和房价泡沫的传染性等。这些文献关于研究区域住房市场之间的相关性具有重要参考价值，但同时我们也能够看到，目前还没有文献对区域住房市场之间的波动特征差异性进行研究。1.2.4住房价格波动的阻碍因素 各类阻碍因素与房价波动之间的关系一直是国内外学者讨论和争论的焦点。Nellis J.G. & Longbottom J.A. (1981)对英国住房市场的价格阻碍因素进行研究，结果得出阻碍房价的因素按重要性依次是收入、抵押

9、贷款利率、社区中抵押贷款8的资产存量30。Buckley R.&Ermisch J.（1983）认为Nellis J.G.&Longbottom J.A.（1981）忽略了通货膨胀以及住房具有的投资品特性这两个重要因素31。MinHwang,John M.Q.（2006）通过对美国74个大都市房价数据的建模，得出阻碍房价的要紧因素有都市的经济状况、家庭收入及就业状况等32。Geoffrey Meen(2002)研究发觉，在美国和英国市场，临时性收入和长久性收入对房价的弹性都专门大，在供给缺乏弹性的市场，长期收入弹性更大，反之房价会随着建筑成本变动33。皮舜、武康平（2004）基于面板数据对我国

10、房地产市场进展与经济增长之间的格兰杰因果关系进行检验，发觉其间存在双向因果关系34。庞百莹（2009）对我国35个大中都市的住房市场与都市经济的关系进行了实证研究，发觉在不同经济发展水平的都市，地区生产总值、人均可支配收入等经济因素对住房市场的阻碍是不同的35。关于地价与房价关系，学者们更是莫衷一是。Peng R.,Wheaton W.C.（1994）以香港1965至1990年的数据为研究对象进行实证分析，结果显示土地供给对地价和房价都有较大阻碍，土地供给不足会减少住房供给，加之消费者对以后土地更加稀缺的预期，最终导致地价和房价同时上涨36。刘琳、刘红玉(2003)研究了地价与房价的数量关系，

11、认为地价与房价呈线性正相关关系，其中要紧的阻碍因素包括税费率、建安成本和容积率37。姚先国、黄炜华(2001)研究认为地价与房价具有相关性，但并非线性关系，地价的上涨不一定导致房价上涨，只有其它成本都呈刚性且无下降空间时，地价的上升才会成为房价上涨的直接缘故38。而Edward L.G.&Joseph Gyourko（2002）通过回归分析认为地价与房价没有直接关系39。另外也有学者认为地价与房价是相互作用的关系，如谢叙袆（2006）以格兰杰因果检验方法对上海市房价与地价的相互作用关系进行研究，结果证明了依靠降低地价来操纵房价上涨的做法不可行40。郑娟尔、吴次芳(2006)以格兰杰因果检验对全

12、国和都市层面的房价与地价关系进行了比较研究，认为房价与地价互为长期和短期Granger因，且房价的变动对地价变动的阻碍力更大些41。在国内研究方面，分析房价阻碍因素的文章专门多。那个地点简要的介绍一些要紧的观点。张红、李文诞（2000）以动态资本市场分析为基础，运用住房价格回归模型和二次曲线趋势模型对北京市商品住房价格的变动趋势及其阻碍因素进行了经验的分析，要紧结论是阻碍住房实际价格要紧因素是住房实际建筑的成本和实际国内生产总值，其中实际建设成本对住房的阻碍特不显著42。马思新、李昂（2003）使用Hedoni理论和方法研究了北京商品住房价格的阻碍因素，他们选取的解释变量为区位、总层数、绿化率

13、、物业费、车位租金、装修标准、供水、通9讯、物业状态，结论为区位、物业费用、装修标准等因素对价格阻碍显著43。杨超、卢有杰（2003）选取都市人口、居民收入水平、物价水平、开发成本和投机因素讨论了北京房地产价格泡沫含量44。屠佳华、张洁（2004）采纳单位根检验、EG两步法和VAR模型对上海房地产市场2000年7月到2004年3月的月度数据进行分析。结果发觉，阻碍上海中房指数变动的要紧因素有房地产投资占固定资产投资比重，人均可支配收入、空置面积的变化率，同时上房指数滞后一期对其自身也有专门大阻碍。而人均GDP、人均消费支出对房价阻碍不显著45。金晓斌等（2004）针对住房产业进展所具有的复杂系

14、统特征，采纳系统动力学方法，建立都市住房产业进展系统动力学模型，认为拆迁补给需求迫切、都市居民改善住房需求、外来人口的购房需求、预期收益四个方面引起住房价格上升46。顾建发（2005）分析了海外资金对房地产市场价格的阻碍，认为它们的阻碍之一是拉高了上海房价47。汪小亚、代鹏（2005）通过对房地产价格和CPI的实证分析，结果表明在文章所研究的时期内，作为住房使用的商品房价格也存在着刚性上升的趋势48。然而物价变化对商品房价格的阻碍相关于整个房地产价格水平而言阻碍较小。由于我国的物价变动与居民可支配收入的变动并不同步，在物价下降的区间，居民可支配收入始终呈现上升趋势。因此随着居民可支配收入的增加

15、和住房制度改革的深化，商品房的需求成为今后若干年的差不多需求，结果导致有限的房地产在较为宽松的信贷政策和强大的有效需求推动下，其价格呈刚性上升趋势。而CPI的变化则会进一步阻碍商品房的价格变化及其预期，从而带动商品房价格在CPI上涨的区间以更大的幅度上升。刘翎、杨大蓉（2006）用1995到2004年上海商品住房价格进行多元回归分析，研究结论为在此期间上海商品住房价格的决定因素中，经济增长和实际利率不是要紧因素。拉动住房价格上升的关键因素在于具名累计可支配收入的提高带来的有效需求的扩张，以及住房供给结构中中档物业比重的上升，导致市场价格区间整体上移49。袁申燚、蔡明超（2006）用Ganger

16、因果检验分析上海的房价和地价直接的阻碍关系。研究结果都表明房价对地价有显著阻碍，而地价对房价的阻碍并不明显，或者讲上海市的商品住房价格和土地价格直接没有长期稳定的线性关系，短期内（一年以内），上海市土地价格与商品价格之间存在一定的相互阻碍，由于从猎取土地开始算起的商品房的开发周期不止一年，商品房价格并不是受到其所用土地的成本价阻碍，而是受到房屋出售近期土地价格的阻碍，也确实是讲土地对房价的阻碍并不是由于增加了商品房的开发成本，而是由于土地价格也是整个房地产市场繁荣程度的一个反映，长期来看，房价对地价的阻碍更大，地价的高低是房价高低的结果，而不是缘故50。10总体来讲，许多研究者认为阻碍住房价格

17、的要紧因素有政策、房地产市场的供求关系、市场供求结构的失衡，人均可支配收入、空置面积的变化率、预期、差不多建设成本、投资资金的进入、人口的增加、地价、都市规划、交通因素等等。在这些因素中，人口、人均可支配收入、建设成本、投资资金等因素是能够量化的，而都市规划、交通因素、政策等因素是不易量化的，除了住房本身的特征之外，正是各区域的这些经济、政治、文化等方面的因素导致了区域住房市场之间的差异性，因此要研究区域住房市场之间的波动差异的缘故，就需要从这些阻碍因素动身进行分析。1.3研究内容、思路及创新点综观目前国内外学者对区域住房市场的研究，发觉关于国内区域住房市场之间区域差异性的研究依旧空白，而要研

18、究这种区域差异性，既能够从房价阻碍因素对价格波动作用机理的角度去研究区域市场的差异性，也能够定量化地对价格波动特征进行实证研究，并能够分析波动特征背后的缘故。本文借鉴经济领域的非线性特征研究方法，从价格波动特征的角度动身，以我国30个省市的住房市场为研究对象，对其价格波动的差异性进行实证研究。本文通过运用28个时刻序列过程对我国30个省市住房市场的价格收益率序列的数据特征进行拟合，采纳BDS统计方法对拟合模型的残差序列进行检验，诊断序列是否存在非线性，并检验拟合模型是否能对序列的数据特征进行充分拟合。通过实证研究，本文拟探讨以下两个问题：第一，我国30个省市住房市场的价格波动特征是否存在区域差

19、异性；第二，时刻序列拟合模型是否能够充分解释各省市住房市场价格收益率序列的数据特征，即相应拟合模型是否为有效的拟合模型。本文后续章节内容按照以下逻辑展开论述：第二章，介绍了区域住房市场及其波动的相关理论，简述了商品住房与经济适用房、廉租房及不墅的差不、界定了商品住房市场价格波动的概念、阐述了区域住房市场价格波动的普遍性和客观存在性，奠定了下文实证分析的理论基础。第三章，运用时刻序列模型对30个省市的房地产收益率序列的非线性及拟合模型的有效性进行实证分析，结论得出这30个省市的房价收益率序列的数据特征及有效拟合模型具有明显的区域差异性。第四章，综合国内外学者对房地产市场阻碍因素的研究，从可获得的

20、统计数11据入手，选取地区生产总值、人均可支配收入、人口、都市化水平、产业结构等因素来分析我国住房市场波动的非线性特征的区域差异性缘故。最后，总结了本文要紧研究结论，指出分地区研究房地产市场的波动特征在我国有十分宽敞的前景和重要的理论和现实意义，并点明了本研究的不足之处及以后研究的拓展方向。本文的要紧创新点：（1）研究方法。目前国内关于区域住房市场价格波动的研究方法要紧是从区域或者都市之间的价格传递效应动身，研究其价格扩散趋势、长期趋同性和房价泡沫的传染性等，对没有对区域住房市场之间价格波动的差异性的研究，本文从房价波动的非线性特征那个角度来探讨我国住房市场的地区差异性。此外，我们能够看到，时

21、刻序列模型被广泛运用于房地产市场价格及波动的分析与预测，是房地产市场实证分析的重要方法和工具，但对所运用的时刻序列模型，其能否对序列的数据特征进行充分的拟合和解释？是否是有效的拟合模型呢？本文采纳的BDS统计量除用于检验平稳时刻序列的非线性外，还能够通过诊断残差序列来检验拟合模型的拟合优度，而一个模型的拟合优度是选择的一个重要标准，因此BDS统计量能够作为模型选择的有力工具，这将能够幸免盲目地选择不合适的拟合模型。（2）研究对象。地区差异性是房地产行业的重要特色，因此在研究房地产市场时一定要分区域研究，如此得出的结论才有一定的讲服力。我国地域宽阔，各区域经济进展水平专门不均衡。目前的研究文献要

22、紧是依照地理位置将全国市场划分为几个大区域，或者研究某些热点都市，都显得较为粗糙，而降低了现实意义，因此本文选择我国30个省市为研究对象，在范围上更全面地分析了区域住房市场的差异性，关于合理分析和评价我国区域住房市场的运行状况、为各级政府调控我国区域住房市场、有效防范地区经济危机和促进住房市场规范进展具有重要意义。12第二章住房市场及其波动住房市场与一般商品市场、劳动力市场、金融市场一样，是我国市场经济体制中不可或缺的重要部分，本章对住房市场的特性及其与一般商品市场的区不进行分析，对住房市场波动的概念进行界定，并探究区域经济与住房市场之间的相互作用关系，为后文的实证结果分析奠定理论基础。2.1

23、住房市场的特性房地产也是一种商品，但与一般商品相比，房地产有其专门性，同时导致了住房市场供给和需求的专门性，进而使得住房市场不能具备一般商品市场的完全竞争性。与一般商品市场相比，住房市场具有一些自己的特性5152。（1）住房市场是一个区域性市场。与一般商品的易于流淌性相比，土地资源具有固定和不可移动性，导致了住房市场供求的阻碍范围具有地域性限制，只能是一定的区域范围内实现供需的调整，当某一个区域内房地产供过于求或供不应求时，不可能通过其他区域市场的调剂来达到市场均衡，而只能通过在同一区域内形成供需能够相互替代的供需圈来实现均衡。另外，住房市场的区域性会促使区域内的住房市场形成自身的地理、经济、

24、历史及文化特色，因此对区域住房市场进行分析研究时，不可能采取统一的标准或模式，政府制定住房市场调控政策、房地产开发企业进行开发投资等，都需要充分考虑区域差异性。（2）住房市场是一个不完全竞争的市场。住房市场的不完全竞争性是由供给的垄断性和交易信息的不充分性所导致的。土地资源的稀缺性及其位置的固定性造成的住房市场供给的垄断性，导致短期内同一区域的住房市场供给固定而不能随需求增长而增加，如此供给方占据了垄断地位，掌握了价格上的操纵权。住房市场交易信息的不充分性是由于房地产交易的分散所导致的，住房市场没有一个像证券或其他一般商品一样集中交易的市场，供给双方关于市场行情的了解有限，导致市场竞争的不充分

25、性。（3）住房市场具有消费和投资双重性。房地产需求的双重性源自房地产既是消费品又是投资品。人们关于房地产的消费需求要紧包括居民家庭生活所需的居住需求、企业生产或经营所需的工业地产和商业地产需求；除此之外，房地产还能够作为投资品，用于出租获得租金收益，或者用于买卖获得资本利得。房地产资源的稀缺性特点使得房地产投资活动的回报相对丰厚，为投机活动制造了空间。可见，住房市场是一个消费、投资与投机相结合的市场。（4）住房市场对金融业具有较强依靠性。与一般商品市场相比，房地产商品的价值量专门大，开发商和购房者都需要金融机构的大力支持，因此金融政策、金融市场的变动都会对住房市场的供求及价格带来专门大的阻碍。

26、（5）住房市场受到政府的干预较多。住房市场进展关系到国计民生，对社会和经济稳定具有重要作用，因此政府从公众利益动身，需要通过法律法规和宏观政策对市场变化进行实时的干预。2.2住房市场与一般商品市场的区不住房市场具有一些与一般商品市场不同的特性，但一般商品市场的供求规律在住房市场仍然是适用的并起着特不重要的作用。住房市场是一个不完全竞争市场，住房市场中供求规律的运作方式与完全竞争市场有所不同。在完全竞争市场，供求双方会对市场变化及时响应；但在住房市场在短期内，房地产供给的固定性导致供给并不能及时地对需求变化及时反应，因此需求决定了房地产价格。住房市场与一般商品市场的区不要紧表现在以下方面，如表2

27、-1所示5253。142.3住房市场波动概念的界定在对不同房地产市场波动概念进行评述与分析的基础上，有必要界定清晰商品住房市场波动的概念。总体而言，商品住房市场波动是商品住房市场价量水平起伏波动、循环的经济现象。一方面，具有不同表现特征的商品住房市场波动，总是存在明显的相似之处，这种有规律的上下波动便构成商品住房市场波动，它反映商品住房市场波动的相似性和规律性，即在住房经济运行过程中，商品住房经济所呈现出来的扩张与收缩两大时期交替出现，复苏一繁荣一衰退一萧条四个环节循环往复波动。从经济增长角度来观看，住房经济增长的趋势曲线与实际增长曲线之间总会存在一定的差距，即住房经济实际增长曲线总是或多或少

28、地围绕着住房经济增长趋势曲线运动。住房经济实际增长曲线与趋势增长曲线的偏离现象，实际上确实是住房经济增长过程中的波动现象，两条曲线则反映了住房经济增长与波动的关系。从那个意义上而言，住房市场波动能够称为住房经济波动。另方面，尽管各地区各时期商品住房市场波动在波动幅度、波动频率、持续时刻等方面部存在明显区不，然而就其在连续运行过程中波峰与波谷相继呈现的本质特征而言，各具特色的商品住房市场波动则在本质上又是相同的，即都表现出相似的波动性涨落、重复性等持点，正是在那个意义上讲商品住房市场波动确实是重复出现的扩张与收缩的波动。2.3.1住房市场波动是经济波动在住房领域内的表现形态住房市场波动作为宏观经

29、济波动的重要组成部分，是经济波动在住房领域内的表现形态。同时，它也是住房经济波动的重要组成部分，是住房经济波动的表现形态。由此动身，一方面，住房市场波动本质上属于经济波动，是住房领域内的经济波动；另一方面，住房市场波动是经济波动在住房经济运行过程所表现出来的运动形态。（1）假如讲经济波动本质上是指宏观经济扩张与收缩交替出现、波峰与波谷不断循环、复苏与衰退往返运行的状态，反映了宏观经济在动态增长过程中呈现出有规律的起伏波动、循环往复的运行特征。那么从经济波动角度来看，住房市场波动与宏观经济波动相似，也是指住房业上升与下降循环交替、相对有规律的上下波动，呈现为大致有规律的波动性运动。（2）从住房业

30、角度分析，住房市场波动是住房经济运行过程中的波动,是住房15经济水平波动性起伏的反映。从美国全国经济研究局（NBER）研究经济波动所依据的定义来看，市场波动实际是经济波动的一种形式。同样，住房市场波动也不例外，也是住房经济运行过程中的波动形态，具有住房经济波动过程中呈现出的扩张与收缩、或者复苏繁荣衰退萧条等特征。（3）住房市场波动反映了住房经济水平的波动循环、起伏波动的现象。也就是讲，在住房经济运行过程中，各种指标所反映的住房经济水平的循环波动，构成了住房市场波动现象。但住房市场波动并不是住房经济运行过程本身，住房市场波动显然不等于或不应当包括住房生命波动、住房经济运行波动等概念。2.3.2住

31、房市场波动与住房业波动住房市场波动是住房领域内的波动，它与住房业波动直接相关。所谓住房业是指从事住房及其用地开发、经营、治理和服务等经济实体所组成的产业部门，因此，住房市场波动也确实是在商品住房开发（住房用地开发与房屋开发）、商品住房经营（包括住房用地使用权出让、转让、房屋抵押、交易等地产经营和房产经营活动）、商品住房治理（要紧是商品住房消费过程中的物业治理以及政府对住房市场活动的治理）、商品住房服务（要紧是住房估价、测量、经纪等中介服务和融资、保险等金融服务）过程中呈现出的波动现象。只是需要指出的是，住房业波动与住房市场波动是既有区不又有联系的两个概念。从总体看，住房业波动以住房市场波动为差

32、不多形式；但住房市场波动并不必定代表住房业全部的波动特征，除了住房市场波动外，还存在其他波动形态如长期趋势、季节波动、随机波动等，因而住房业波动并不一定都表现为住房市场波动。一般来讲，经济波动是经济增长过程的重要现象，能够用一组由时刻序列组成的经济变量来表示，用以反映因多种因素进展变化、共同作用的结果。从统计学意义上看，因阻碍因素的不同作用，任一经济现象的总波动能够分解为长期趋势、季节波动、景气波动（或循环波动）和不规则波动（或残差）四类。同样住房市场波动也能够细分为这四类重量的构成，即：住房市场波动=f（长期趋势，季节波动，景气波动，不规则波动）在上式中，长期趋势指客观现象按一定的方向，以自

33、动或被动方式不断进行的长时刻变动方向，前期活动状况阻碍后期的产业兴衰走向。一般来讲，长期趋势对波动的阻碍较为稳定且较易掌握。对住房市场波动而言，这种长期趋势表现16为住房市场长期向上、持续进展的运行趋势。季节波动是在自然因素作用下随季节更替而出现的规律性摆动。在自然季节阻碍下，商品住房的投资、生产、交易等会受到一定阻碍，特不是季节变动均会阻碍房屋生产和土地开发，从而使住房市场供求产生季节性波动。在人为季节影响下，因经济制度、消费适应、行政与法律约束，商品住房经济运行也会受到一定阻碍。如货币的季节性波动导致住房市场的相应变动。只是从总体上分析，由于完成一个住房产业的循环要比其他产业更长，因而季节

34、性波动对住房市场波动的阻碍要小得多，同时也比较容易把握。景气波动又称为循环波动，是在总波动中扣除方向明确的长期趋势、规律性较强的季节波动和不规则的随机波动后的余额，表现为波动间隔、长度及阻碍并不完全相同，但波动模式差不多相似的特点，即以扩张和收缩交替运行方式构成的循环往复、起伏波动。不规则波动是因各种意外事件阻碍而产生的随机波动，与前三种因素对波动的正常阻碍不同，不规则波动无法计算和预测，也难以消除或抗拒其阻碍，有可能导致住房市场波动的剧烈振动、反常运行，或者产生结构性变化。在上述住房市场几种不同的波动形态中，只有呈现出波动循环特点的波动，才可称为严格意义的住房市场波动，它包含三个方面的内容：

35、（1）长度不同、振幅不等的住房市场波动，具有相似的波动模式，即都表现为扩张与收缩交替循环、衰退萧条复苏繁荣往来运行的波动形态，或者讲住房市场波动具有相同的展开过程，由此形成住房市场波动的规律性。（2）具有相似波动模式的住房市场波动，尽管在引发波动的具体缘故和波动路径上存在各不相同的表现形式，但在本质上仍然具有相似的波动传导机制，大体上分析都能够从外部冲击与内部传导两个方面进行分析。（3）具有相似波动机制和展开过程的住房市场波动，在波动的持续时刻、振动频率、波动幅度等方面存在明显的差异，从而形成各具特色、千差万不的波动形态，由此构成住房市场波动的专门性。2.4区域经济与住房市场进展区域经济对住房

36、市场进展的阻碍能够从供给、需求、环境三个角度来分析。首先，区域内房地产企业对住房供给的阻碍。住房的供给主体是房地产企业，区域内房地产企业的整体进展水平将直接阻碍住房市场的进展水平。假如区域内17拥有一批高品质的房地产开发企业，其较强的经营治理水平和卓越的创新能力将不仅为区域经济注入活力，更能够为区域内的家庭、企业、商业提供足够的、合适的房地产物质空间，给区域经济注入了活力，进而保障了住房市场的持续进展。其次，区域经济对房地产需求的阻碍。人们关于房地产的需求能够分为家庭生活所需的住宅需求和企业生产经营所需的工业地产和商业地产需求。住宅需求取决于家庭的生活水平、消费能力及消费观念，家庭生活水平越高

37、，居民关于住房的消费能力越强，对住房的需求就越多；企业对房地产的需求取决于企业的经营能力和以后进展潜力，企业越具有良好的经营现状和进展潜力，其对房地产的需求越多。在一个区域内，经济的发达程度决定了居民的生活水平和消费能力，而商业企业、工业企业的进展潜力依靠于居民的消费支撑，因此区域经济的发达与进展直接阻碍到房地产的需求。第三，区域环境对房地产进展的阻碍。区域环境能够分为硬环境和软环境，硬环境要紧指区域内的自然环境，软环境则包括社会环境、经济环境、制度环境、文化环境。良好的自然环境关于房地产消费者具有天然的吸引力，增加区域的房地产需求，是区域住房市场进展的天然禀赋；良好的软环境，诸如具有优秀治理

38、能力和制度创新能力的开明政府、公平规范的公开市场、良性的投融资环境、完善的公共服务、良好的社会文化氛围等，是吸引房地产开发企业、支持鼓舞房地产企业进展、规范和活跃住房市场的差不多条件和重要保障。另外，房地产进展同样也会阻碍区域经济。一方面，房地产的进展决定了区域内居民的生活空间、工业和商业的物质空间的数量和质量，住房市场的进展不足或者进展过度直接阻碍到居民与企业的生活、工作中意度和区域对其的吸引力，阻碍区域经济的活力和可持续进展；另一方面，房地产开发直接阻碍区域的生态环境和人工环境，合理的规划、适度的开发能够打造区域都市特色、制造居住和工作环境，增加区域对人才的吸引力，而区域竞争力的核心确实是

39、人才的竞争48-50。综上分析，区域经济与住房市场进展是相辅相成、相互依存的关系。一方面，区域经济为住房市场进展制造条件，经济发达的都市房地产进展水平越高；另一方面，房地产开发要与区域进展相协调，进展速度要与都市经济进展步调一致。2.5区域住房市场波动的客观性房地产市场的进展史也是一部房地产市场的波动史，近年来，在国家扩大内需与鼓舞住房消费政策的持续推动下，我国许多都市住房市场保持了持续、健康、稳定进展的态势。然而，综观其进展历程，每个都市的住房市场进展不是一个平静无波的进展状态，而是在波动中不断进展。以下以北京作为样点都市，选取2005年1月至2009年12月的月度数据来实证分析我国区域住房

40、市场波动的客观性。（1）房地产开发投资的波动。自2005年1月以来，房地产开发投资在波动中不断增长。2006年12月北京房地产开发投资额为358.18亿元，同比增长5%。其中住房投资171.52亿元，占房地产开发总投资的48%，但同比下降6%。2007年12月北京房地产开发投资额为369.73亿元，其中住房开发投资192.97亿元。2008年12月北京房地产开发投资额为397.92亿元，其中住房开发投资158.94亿元。2009年12月北京住房开发投资额为725.18亿元，住房投资额181.84亿元，占房地产开发总投资额25。如图2-1所示。（2）商品房销售市场的波动。北京房地产交易量波动幅度

41、较大。2006年12月，商品房销售面积536.04万平方米，同比下降18%；其中，住房434.69万平方米,同比下降17%，占总面积的81%。2007年12月，商品房销售面积291.18万平方米，其中，住房181.65万平方米，占总面积的62.3%。2008年12月，商品房销售面积366.51万平方米，其中，住房293.17万平方米，占总面积的80%。2009年12月，商品房销售面积为366.53万平方米，住房销售面积为250.08万平方米，占总面积68.2%，如表2-2所示，其相应的走势如图2-2所示。（3）金融支持力度的变化图2-4为2005年1月至2009年12月北京房地产开发资金来源的

42、国内贷款情况。从图中能够看到其贷款资金波动并不平稳，要紧受到国内外货币政策的阻碍。从以上的理论和实证分析能够得出，住房市场是在波动中进展，在进展中不断波动的。尽管波动不可幸免，但房地产市场特不态的波动却对房地产市场的健康进展有着致命的危害。2008年金融危机对全球经济的阻碍至今犹存，要保证我国住房市场的健康、稳定进展，务必建立房地产市场预警预报体系，而这必首先基于对住房价格波动特征的深入研究。第三章我国区域住房市场价格波动非线性特征差异性实证研究从上文的分析中我们了解到，区域住房市场的价格波动具有客观性，具体到我国住房市场，不同地区住房市场的价格及波动的行为特征是否具有区域差异性？这是本章要分

43、析的问题，我们选取了我国30个省市的住房市场作为研究对象，对这些地区住房市场的房价收益率序列的波动特征进行一个深入分析，诊断我国住房市场的房价收益率序列是否存在非线性，检验拟合模型的有效性，以为进一步的市场分析和预测提供参考。3.1数据讲明及统计性分析目前国内主流的住房价格计算均采纳销售金额/销售面积，本文也采纳这种方法。本章数据要紧取自Wind数据库中我国省份及直辖市的房地产销售月度数据，选取数据缺省较少的30个省市，所取样本区间为1999年1月至2010年2月，共134个样本观测值。20从房价序列的散点图（如图3-1所示）（仅以北京、上海、天津为例）能够看到月度房价序列中隐含季节阻碍，本文

44、采纳X-12-ARIMA源程序在Eviews软件对各序列进行季节调整，并将经调整后的房价进行对数差分变换计算得出对数收益率序列。采纳ADF单位根检验方法对各地区的房价序列及其调整后的对数收益率序列进行平稳性检验，从表3-1的检验结果能够看到，我们看到，经季节调整的房价序列不是平稳数据，而对数收益率序列是平稳数据。时刻序列平稳性是使用最小二乘法对模型进行回归分析的前提条件，因此下文将以收益率序列为对象进行实证研究。表3-2及表3-3为不同时点总体平均房价以及各地区住房价格的描述性统计分析，能够关心对这些地区的住房市场有一个初步认识。、从表3-2对不同时点总体平均房价的描述性统计能够看到，从199

45、9年至2009年，房价均值不断上涨，房价的最大值及最小值也不断上升，讲明我国住房市场近年来总体上成不断进展态势。从全部时刻点上看，房价均值大部分均高于中位数，讲明我国大部分地区的房价均值是在总体平均水平之下，仅有少部分地区房价均值高于总体均值，表明我国住房市场进展极不平衡，局部地区有进展过热的现象。此外，从不同时点的房价波动趋势来看，总体上我国房价波动近年来不断增大，尤其是自2003年开始，房价波动幅度上涨较快，并持续增大。表3-2是从总体平均层面上对房价均值及其波动趋势进行了统计分析，不能体现出我国住房市场的区域差异特征，表3-3对我国不同省市地区房价进行了描述性统计分析，从均值上看，北京、

46、上海、天津、广东、福建、浙江等沿海经济发达地区房价均值位于全国较高水平，而新疆、内蒙古、江西等相对不发达地区房价均值较低，江苏、山东、湖北等地区居于中间水平，全国范围内各地区房价平均水平存在较大差异。从房价波动上看，北京、上海、浙江为房价波动最大的地区，从北京地区看，其房价的中位数5442远低于其均值7022，讲明在所研究的样本时刻段内，大部分时刻点上的房价均低于其均值，而仅小部分时刻点的房价高于均值，而且其最大值也远高于其均值，都讲明北京房价波动幅度较大。宁夏、青海、广西等相对不发达地区的均值与中位数的差异不大，其房价在样本时刻段内相对稳定，波动较小。可见，全国范围内不同地区的房价波动状况存

47、在区域差异性。从表3-4对不同时点房价收益率的描述性统计来看，自1999年至2009年房价收益率均值一直处于不稳定的波动起伏态势，大部分时刻点其均值为负值，讲明总体上房价收益率并不乐观，而且能够看到多数年份的12月的收益率均低于相应年份6月的收益率，讲明多数年份里，下半年房地产不如上半年进展好。房价收益率的波动在这些时刻点上也是起伏不定的，房地产市场的风险依旧比较大的。同样，从全国层面的分析可能掩盖地区之间的波动差异性，因此表3-5对不同地区房价收益率序列进行了描述性统计，能够看到，海南的房价收益均值最高，这可能与近年来海南旅游资源不断开发而导致其经济进展迅速相关，上海的房价收益仅次之于海南，

48、与其房价上涨过快有关，天津、甘肃、内蒙古等地区均值也较高，陕西、云南、新疆等地区均值相对较低，而青海是唯一房价收益率均值为负的地区，可能由于其住房市场近年进展状况有所减退。从房价收益率的波动来看，重庆、河南、贵州等地区波动较大，广西、黑龙江、辽宁等地区波动相对较小。在全国范围内，不同地区的房价收益率平均水平及其波动存在较大差异。以上分析表明，我国各区域住房市场不仅在房价的绝对值上存在明显的差异，各省市房价的波动也有所不同。由此可推断，不同省市的房价变化应该用不同的模型来刻画。3.2研究方法设计图3-2给出了本文的实证研究步骤。首先采纳单位根检验方法检验各收益率序列的平稳性，在数据平稳的基础上以

49、合适的时刻序列模型对收益率序列进行拟合，找出其中残差序列满足独立同分布的模型。26在本文中，考虑两种最常用的时刻序列过程，即ARMA过程和随机游走过程，对房价收益率序列进行拟合。首先以ARMA（p，q）模型对收益率序列进行拟合，ARMA（p，q）模型形式如下：t 1 t 1 2 t 2 p t p 1 t 1 2 t 2q t q tR R R R u u u?=+（3-1）关于模型中的滞后阶数p、q，首先通过观看自相关图和偏自相关图初步确定阶数p、q，再依照所有可能系数均显著异于零，且AIC值和SC值最小来确定最佳滞后阶数p、q值，将以该ARMA（p，q）模型来对收益率序列进行拟合。首先考虑

50、ARMA（p，q）模型的常方差形式，若常方差的模型形式拟合后的残差序列经BDS检验零假设不被拒绝，即残差序列满足独立同分布，则该模型能够充分地刻画收益率序列的数据特征，即为有效的拟合模型。反之，若BDS检验零假设被拒绝，则表明常方差的ARMA（p，q）模型不能够充分解释序列中的数据特征。再考虑以随机游走模型对各收益率序列进行拟合。本文考虑的随机游走模型包括三种形式：纯随机游走模型（式（3-2）、带漂移项的随机游走模型（式（3-3）、带漂移项和趋势项t的随机游走模型（式（3-4），其中tR为t时刻的月度收益率。27t t 1tR R?=+（3-2）t t 1tR R t?=+（3-3）t t 1

51、tR R t?=+（3-4）在随机游走模型的三种形式中，依照所有可能系数都显著异于零，AIC值和SC值最小来选择对各序列最合适的模型形式，运用该形式的模型对序列进行拟合。假如常方差的ARMA模型和常方差的随机游走模型均不能对序列进行充分的拟合，则表明序列中存在非线性特征。关于时刻序列非线性特征的研究，国内外现有文献提出了多种非线性随机模型，但近二十年GARCH族模型在分析金融资产收益时应用最为广泛，该模型是基于金融市场的波动聚类性提出的，它通过对条件方差设定自回归形式的线性函数来拟合时刻序列。鉴于此，再考虑以GARCH族模型对存在非线性特征的时刻序列进行重新拟合。首先对残差序列进行ARCH L

52、M检验，假如常方差的模型形式经ARCH LM检验零假设（不存在ARCH效应）不被拒绝，则表明常方差的ARMA（p，q）过程或者随机游走过程也不能充分拟合该序列，收益率序列中存在ARCH效应以外的其他非线性特征，那么试图以条件方差ARMA（p，q）模型或者条件方差随机游走模型来拟合该序列确实是失败的，需要重新选择其他时刻序列模型。若同时ARCH LM检验的零假设（不存在ARCH效应）也被拒绝，则表明序列中存在ARCH效应，那么再以GARCH族模型对原常方差模型的差不多形式进行重新可能，再对其残差进行BDS检验，诊断条件方差模型的合适性。GARCH族模型包括多种形式，本文将依次考虑以下六种形式：G

53、ARCH模型、TGARCH模型、EGARCH模型，以及以上三种模型带均值的形式，即GARCH-M模型、TGARCH-M模型和EGARCH-M模型。在实际应用中GARCH（1，1）为最常见的形式，故本文中GARCH族模型均假设为p=q=1的低阶形式。若GARCH族模型中某种形式的GARCH模型拟合后的残差序列满足独立同分布，则该模型能充分刻画对该序列的非线性和波动特征，反之，若其残差序列仍不能满足独立同分布，则条件方差形式的ARMA（p，q）模型或者随机游走模型仍不能够充分解释该序列，序列中存在更为复杂的非线性特征。能够看到，因此对每个都市的房价收益率序列，将依次有28个数据拟合过程，28在这2

54、8个拟合模型中选择出残差序列能满足独立同分布的有效拟合模型，即为能充分描述时刻序列数据特征。若以上所有形式的模型均不能对序列进行充分拟合，则表明序列中存在GARCH族模型仍不能充分解释的非线性特征，需要接着查找其他形式的拟合模型。限于篇幅，本文仅研究ARMA（p，q）模型和随机游走两类时刻序列模型。3.3计量方法简介3.3.1数据平稳性检验序列平稳性是时刻序列回归分析的重要前提条件，因为关于非平稳的时刻序列中专门难鉴不出有用的数据信息。而在我们的现实经济中，绝大部分的时刻序列都不能满足平稳性要求，假如直接进行回归分析自然会出现“伪回归”的结果。一般在进行回归分析之前，首先采纳常用的ADF单位根

55、检验方法来检验时刻序列的平稳性，若经检验序列不存在单位根，即表明序列是平稳的，因此能够放心使用最小二乘法进行建模分析；而一旦序列经检验显示存在单位根，则需要对非平稳时刻序列进行处理，一般采纳对原始序列进行差分的方法，经差分的序列仍然能保留原始数据的信息和特征。本文采纳增广迪基-富勒检验（ADF检验）方法对房价收益率序列进行单位根检验。假定房价收益率序列tR服从AR（p）过程，检验序列tR是否存在单位根的回归方程如下：titpittiR=+rt+?R+rR+?111(1)（3-5）其中，为常数项，t为时刻趋势项，t为残差项。一般选择能保证t是白噪声序列的最小的p值，通过对比式（3-5）中回归系数

56、的t检验值和ADF分布的临界值来推断时刻序列是否存在单位根。3.3.2 BDS检验BDS（Brock W.A.，Dechert W.D.，Scheinkman J.A.，Lebaron B.，1996）统计量是由Brock等基于相关积分（Correlation Integral）的概念建立的，它是一种非参数检验方法，用于检验时刻序列的统计独立性54。相比于其他统计检验方法，29它能够探测出其他方法所忽视的非平稳性和非线性，从而在时刻序列的非线性检验中具有较广泛的运用。BDS统计量如式（3-6）所示：(,)(,)(1,)(,)VnNCnNCNBDSnNn?=（3-6）（Brock W.A.，De

57、chert W.D.，Scheinkman J.A.，Lebaron B.，1996）等证明在独立同分布的零假设条件下，该统计量渐进收敛于标准正态分布，即：BDS (n,N,)?N?N(0,1)（3-7）其中为任意给定的正数，表示标准差的倍数；n为嵌入维数；N为样本容量，其他符号的含义请参阅文献Brock W.A.，Dechert W.D.，Scheinkman J.A.，LebaronB.（1996）54。参考国外学者的研究文献，在本文的实证研究中，将取值定为：=0.5，=0.7，=0.9；n的取值定为：n=2，n=3，n=4，n=5。BDS统计量最初是用于研究确定性的非线性动力学和混沌理论

58、。除了能够诊断确定性混沌，BDS统计量还能够作为残差诊断检验，假如拟合模型充分抓住了时刻序列的数据特征，那么其残差序列应满足独立同分布，反之假如残差序列若不能满足独立同分布，则时刻序列中尚存在一些未能被该模型解释的成分。在独立同分布的零假设条件下，BDS统计量能够把随机时刻序列与非线性随机过程区不开来，因此在证券市场等经济领域运用较为广泛。Hsich D.A.（1989）用BDS统计量检验了汇率日数据序列的非线性，Floris Takens（1993）以BDS统计量研究一个稳定的时刻序列的特征是否能被一个线性随机模型充分描述，或者讲该序列是否具有非线性5556。Kim H.S.，Kang D.

59、S.，Kim J.H.（2003）等认为BDS统计量除用于检验平稳时刻序列的非线性外，还能够通过诊断残差序列来检验拟合模型的拟合优度，而一个模型的拟合优度是选择的一个重要标准，因此BDS统计量能够作为模型选择的有力工具57。Kim H.S.，Kang D.S.，Kim J.H.（2003）等以ASRIMA model和Autogressive error model（AR model）随机模型对韩国月度降雨量时刻序列进行拟合，分不以运用广泛的四种传统非参数检验和BDS检验进行残差分析，两种检验方法都表明AR model能得到更加稳定的结果，是更加合适的拟合模型，同时发觉，非参数检验并不适合于非

60、线性序列和autocorrelated errors，相反，BDS检验关于检验时刻序列的随机性，以及研究拟合模型有效应的残差分析更加合理，从而表明BDS统计量关于降雨量时刻序列残差分析是一个有力选择30工具57。BDS统计量能够检验出时刻序列的几乎所有的线性和非线性，该方法最初只能借助于有效的计算机算法运用在小样本的数据集上，自从Ludwig Kanzle（r1999）提出了一种快速简单并易于应用在一般程序环境下的算法后，该算法被设计成Eviews软件中的BDS test工具58。本文即是采纳这一方法来进行实证研究。在本文中，取5%的显著性水平，对拟合模型的残差序列进行BDS检验，若接受零假设