【限购政策对上海市住房价格影响的模型构建及实证分析3900字】

限购政策对上海市住房价格影响的模型构建及实证分析目录TOC\o"1-3"\h\u9249限购政策对上海市住房价格影响的模型构建及实证分析 115633一、限购政策对上海市住房价格影响的模型构建 17783（一）数据说明 121607（二）样本与变量选择 1187071样本选择 1309712变量选择 12475（三）研究模型介绍 222478二、限购政策对上海市住房价格影响的实证研究 42173（一）平稳性检验 44636（二）变量动态分析 47016（三）稳健性检验 8一、限购政策对上海市住房价格影响的模型构建（一）数据说明为了更好的反映房地产数据的波动情况，本文选用2011年之后的上海市住房价格数据，之所以选取这个时间段，2011是因为上海市2016年3月份出台两次限购政策，2020年也出台了限购政策，选择此时间段能更好反映上海市房地产市场价格在限购政策冲击之下的波动情况。本文主要是为了研究限购政策的真实政策效果，而现有研究表明我国的商品房价格具有很强的空间相关性，为了研究限购政策是否会通过该空间效应影响周边地区商品房价格文章需囊括各区域的商品房价格，而我国的大多数地区的统计数据并不完善，故文章主要选取了上海市二手房为研究对象。出于数据的可得性与真实性的考虑，文章最后基于面板数据进行分析。（二）样本与变量选择1样本选择本文主要研究的是上海市的住房价格受限购政策的影响，主要调查的上海市的16个区。2变量选择房地产市场受到多个外部因素和内部因素的影响，根据经济学理论，本文主要选取上海市房地产市场中二手房交易平均价格（P）和交易量（Q）代替上海市房地产平均价格、交易量，选取全市居民消费价格指数（CPI）、银行利率(R)、货币供应量（M2）、股票筹资额（S）作为自变量，建立VAR模型，研究各因素对上海市房屋价格以及房屋交易量的影响，房屋价格主要反映当下民众的居住压力情况，房屋交易量主要反映限购政策对房地产活跃程度的影响。上海市房地产限购政策作为本文核心解释变量，用政策虚拟变量（X）表示。本文之所以选择上海市房地产市场的二手房交易价格和交易量代表上海市房地产市场的价格和销售量，是因为由于上海市新建商品房受到限签政策和限价政策的严重影响，其价格和交易量与市场真实情况会有很大的偏差，相比之下二手交易市场少了这两个因素的影响，更能反映市场的真实情况。居民消费价格指数（CPI）是一个反映居民家庭一般所购买的消费品和服务项目价格水平变动情况的宏观经济指标，选取此作为变量，主要是从影响消费者购房的购买力和购房意愿方面进行考虑。而银行利率(R)、货币供应量（M2）、股票筹资额（S）作为自变量，是因为房地产的双重属性，而且房地产总价值较高，受到资本市场的影响非常大，选取作为自变量可以观察各变量对房地产市场的冲击情况。（三）研究模型介绍本文对限购政策实施效应的研究主要根据商品住宅量价关系的角度。笔者研究前人文献，其中很多学者使用向量自回归模型研究相关政策对住房价格和价格波动的影响。例如胡宇辰等（2018）针对海南省海口市商品住宅价格的问题，建立了向量自回归模型预测政策出台后的住宅房价。首先从政策角度，考虑供求关系：一是考虑是否有限购、二是考虑首付比例增加、三是考虑是否取消限购；其次，同时考虑先前对三亚和海口房价影响都比较大的因素，对这些因素建立向量自回归模型，在向量自回归模型的基础上建立脉冲响应函数，进而分析政策出台后对房价的预测。向量自回归（VAR）模型也成为矢量自回归模型，是非结构化的多方程模型，其主要推广源于Sims在1980年发表的著名文章。VAR模型主要基于数据统计性质来建立分析模型，建模思想是把每一个外生变量作为内生变量滞后值的函数来构造模型，该模型可以用来分析相关联的经济时间序列系统的未来走向，在分析随机扰动项对不同变量系统的动态冲击之后，更深入解释经济冲击对各分析变量的具体影响。滞后期数目如何选择对VAR模型的估计结果非常重要，而且对结果的影响也非常大，因为选择不同的滞后期会有完全不同的模型估计结果，那么如何选择确定最佳滞后期呢？其中根据AIC或者SC值最小准则是一种不错的方式。在确定了滞后期数值（用P表示）之后，则VAR模型的公式可表示为：y其中，Yt表示i维内生变量；Xt表示j维外生变量；μt表示i维误差向量；B和A1，A2，…，Ap表示的是待估系数矩阵。

二、限购政策对上海市住房价格影响的实证研究（一）平稳性检验对时间序列进行分析进入模型分析之前，首先要保证序列的平稳性，非平稳的时间序列参与回归建模分析，容易导致伪回归问题的出现。因此，在建立回归分析之前，首先要对原变量的序列进行平稳性检验，判断序列的平稳性。本文首先对各时间序列进行ADF检验，对已经对数化的时间序列是否平稳进行检验，对于平稳性结果为不平稳的序列对其进行差分，差分序列则在原序列前面加d进行区分表示，然后再对其进行平稳性检验，对本文中选取的各时间序列数据的检验结果如表2。表5-1平稳性检验结果变量统计值p值1%临界值5%临界值10%临界值是否平稳P-3.1896720.0989-4.165756-3.508508-3.184230否dP-7.4493400.0000-4.170583-3.510740-3.185512是Q-2.3652870.3922-4.165756-3.508508-3.184230否dQ-9.4293840.0000-4.170583-3.510740-3.185512是CPI-6.4395560.0000-4.165756-3.508508-3.184230是M2-1.5359990.8023-4.170583-3.510740-3.185512否dM2-8.7415550.0000-4.170583-3.510740-3.185512是S-4.5934500.0031-4.165756-3.508508-3.184230是（二）变量动态分析绘制IRF脉冲响应函数能够相对全面地反映各个变量之间的动态关系，可以描述一个内生变量对由误差项所带来的冲击的反应情况，主要方法是在随机误差项上施加一个标准差大小的冲击之后，观察其对内生变量的当期值以及未来值所产生的影响程度。（1）对房价进行脉冲响应函数分析利用其它各经济变量分别对房屋价格（P）施加一个标准差大小的正向冲击之后，房价的响应程度（如图2），图中坐标的横轴表示滞后期阶数，纵轴表示冲击对响应变量的影响程度。由图中可以看到利率（R）对房价（P）的影响首先是负相关之后为正相关，在第二期的时候负相关影响最大，然后在第三期开始向正相关过度，然后越来越大，在第十期左右其响应程度趋于平衡，即是利率提高之后首先对房价会有一定的下降影响，在前两期的时候影响最大，在第三期开始利率的上升反而会引起房价的上涨；居民消费指数（CPI）对房价（P）的影响首先是负相关在第二期时转为正相关，然后第三期又转为负相关，在第五期的时候负相关最大，然后在第十二期的时候影响趋于消失，即是CPI提高之后民众的生活压力增大，在几个月时间之内对房价的影响摇摆不定，然后在第四个月时候引起房价下降，到一年左右，对房价的影响渐渐消失；货币供应量（M2）对房价的影响基本都是正相关影响，在前期有一定波动，到第四期开始呈现正向影响越来越大，即是货币供应量越大，对房价上升拉力会越来越大；房屋交易量（Q）对房价（P）的影响开始一直都是负相关，从第七期开始其对房价影响消失；限购政策（X）对房价（P）的影响在前两期时候是负相关，在第二期负相关最大，从第三期开始变为正相关，在第四期的时候正相关最大，然后正相关越来越小，在第十二期的时候影响趋于消失，即是限购政策在前两个月的时间内会抑制房价上涨，但是第三个月开始受到消费者预期的影响会产生报复性上涨；股票市场（S）对房价（P）的影响在前四期围绕横轴上下波动，但是在第四期开始，其对房价的冲击趋向于正相关，而且是一致保持正相关的趋势，也就是股票市场在短时间内对房价影响不稳定，但是中长期，股票市场的火热会引起房价的上涨。图5-1各变量对房价（P）的脉冲响应图（2）对房屋交易量进行脉冲响应函数分析利用其它各经济变量分别对房屋交易量（P）施加一个标准差大小的正向冲击之后，房价的响应程度（如图3），图中坐标的横轴表示滞后期阶数，纵轴表示冲击对响应变量的影响程度。图5-2各变量对房屋交易量（Q）的脉冲响应图由图中可以看到利率（R）对房屋交易量（Q）的影响首先是正相关之后到第六期转为负相关，其中在第四期的时候正相关影响最大；居民消费指数（CPI）对房屋交易量（Q）的影响首先是由第一期的最大负相关到第二期时转为正相关，然后第三期到达最大正相关，然后慢慢趋向于横轴继续保持正相关影响，表明房屋作为一种消费品，随着消费者指数的增长，人们生活压力的增大，第一时间影响到房屋交易量，开始是反作用于房屋市场，然后又对房屋交易市场起到推动作用；货币供应量（M2）对房屋交易量（Q）的影响基本都是正相关影响，在前期有一定波动，到第三期正向影响最大之后然后慢慢趋向于横轴直到第12期影响慢慢消失，即是货币供应量越大，对房地产交易量和房地产市场的火热程度会有正相关影响；房价（P）对房屋交易量（Q）的影响开始由最大的正相关趋向于负相关，第三期时候达到最大负相关而且一直保持基本同样的负相关；限购政策（X）对房屋交易量（Q）的影响基本上都是负相关，主要原因是由于限购政策的影响，在一定程度上对购房者的购房资格进行了限制，但同时也可以看到限购政策对房地产交易市场的火热程度会有一定的限制效果；股票市场（S）对房屋交易量（Q）的影响围绕横轴上下波动，到第七期时候影响基本消失。（三）稳健性检验本文基于Eviews软件，对模型的检验主要选取进行ARRootsGraph检验的方法，在图单位圆中的点表示的是AR特征根的倒数的模，如果全部的点都在单位圆内则表示VAR模型平稳，反之则表示该模型不平稳，需要重新设定。现在利用ARRootsGraph检验方法对本文中的VAR模型进行检验，其结果如图1。该检验结果显示所有的点（特征根倒数的模）都在单位圆内，所以本文中的VAR模型是平稳的，可进行下一步分析。图5-3ARRootsGraph检验结果图根据下表房价方差分解结果，期初的解释贡献为0，表明期数上海房价的变动主要受自身影响。而后随着滞后阶数的增长，各经济因素对房价的解释力度渐强，长期内稳定在8%左右，整体看来，汇率变动对房价的解释力度能力较弱。表5-2房价的方差分解结果滞后期S.E.房价利率10.080487100020.11547999.366750.63324830.14272799.426460.57354540.16482299.533710.46628850.19110999.42960.570460.21