【《房价波动对企业的影响研究国内外文献综述》13000字】

第1章绪论房价波动对企业的影响研究国内外文献综述目录TOC\o"1-3"\h\u26291房价波动对企业的影响研究国内外文献综述 168091.1房价波动对企业经营的影响 1129641.2房价波动对行业发展的影响 6316131.3房价波动影响相关研究方法 8106171.4基于Citespace的文献计量分析 145022参考文献 16根据论文的研究内容，本文主要从房价波动对企业经营的影响、房价波动对实体行业的影响、房价波动研究方法等角度对现有文献进行梳理，并运用文献计量等方法对现有研究进行分析总结，为研究内容与主题的提炼提供参考、借鉴。1.1房价波动对企业经营的影响（一）房价波动对企业投资的影响有关高房价对企业投资影响，其研究可以追溯到SamuelsonandPaul（1958）。核心观点可以概括为，房价波动导致房地产投资占社会投资比重过高，加剧产业资本失衡，对实体产生挤出效应。程博（2018）认为，房地产业在国民经济发展中具有较强的带动作用，这使得该行业成为要素驱动时代的重要投资领域。各种金融机构和社会上的资金大量涌入房地产行业，主要原因是来自其高额的收益回报。这样的投资热潮对于其他行业产生很强的投资挤出效应。进一步的，作者总结了两方面的挤出效应，包括房地产绝对投资规模的扩大，制约了除房地产相关产业外的其他制造业的发展，和制造业内部高科技产业融资挤压，同时促进了相关传统制造业的繁荣，导致制造业结构的低端效应。因此，作者提出应建立一个全面要素的市场流动机制，促进高新技术产业的发展。Wuetal.（2020）的研究表明房地产的繁荣会挤占了企业的生产性投资，从而导致企业内部的资本配置不当。陈丽兰、刘广平（2018）的研究表明，房价上涨可能导致中国制造业企业的投资规模下降。张荣佳和顾振华（2017）以Iacoviello（2005）建立的模型为基础，利用中国企业数据研究发现，对非国有企业而言，房价波动带来的投资挤出更为严重。但是，一些学者研究得到的结果则恰恰相反，如Barro（1976），StiglitzandWeiss（1981）以及HartandMoore（1994）所指出的，在信息不完全的信贷市场中，不动产抵押可以增强公司的负债能力。这一简单抵押价值机制，具有重要的宏观经济影响：房价下降导致企业资产价值下降，企业的债务承担能力将会降低，进而抑制企业投资，致使整体经济趋向低迷，最终引起更为严重的经济大萧条（Bernanke，1983），或者如80年代末日本经济般的异常扩张（Cutts，1990），而房价上涨对经济发展的影响可能是正面的（Chaneyetal.，2009）。Miles（2009）的研究表明，自1980年代美国金融管制放松以来，房地产投资显著增加了一般居民消费和非房地产类的其他投资。Heetal.（2017）的实证研究也认为房价对企业投资的影响是积极的：通过分析二十年来中国房地产市场与企业投资周期波动之间的相互作用后，研究表明信贷约束与房价波动之间的互动反馈，最终会放大经济波动的影响，由此房价上涨最后会带来企业投资规模的扩张。Nguyen（2018）以多部门新古典增长模型为基础，采用两部门模型重新审视了房地产价格波动与企业投资周期之间的相互作用，其结果同样验证了房地产价格上涨会引起企业投资规模的增加。也有一些研究指出，房价波动对企业投资的影响可能是倒U型的。如陆桂贤和许承明（2017）则利用我国十五年间的省级面板数据，实证得出了房地产投资对制造业投资挤出不成立的结论，房地产业的发展速度对于其能够影响制造业的程度起到重要作用。过于迅速的膨胀和热钱的涌入会导致房地产业畸形，在这种情况下，制造业无法受益，反而受损。但是当房地产市场景气，经济温和时，其对于上下游的积极拉动作用显现，制造业能够得到有效的增长。李畅等（2013）通过逐点参数和非参数回归的方法，利用我国13年的省级数据，同样验证了房地产业发展对企业投资的倒U型影响，平稳健康的房地产市场会拉动制造业的发展，而过度繁荣的房地产业会挤出企业投资。（二）房价波动对企业创新的影响大量研究表明，房地产繁荣可能会通过投资机会的渠道对公司的创新产生负面影响。具体而言，房价飙升产生了具有高回报的房地产投资机会，从而将投资从创新部门（例如实体企业）转移到了房地产领域（MiaoandWang,2014）。Rongetal.（2016）的实证研究也证明，房价升值造就了高回报的房地产投资机会，使实体企业更可能通过多元化投资进入房地产行业。由于资源有限，企业一旦投资房地产开发，就将减少对创新的投资。Rongetal.（2016）利用中国1999-2007年间的实体企业数据，通过实证分析发现，房地产价格上涨会推动企业进入房地产行业，而企业的发明专利相应下降。胡草等（2017）考差了房地产价格对于企业选址决策的影响。他们基于中国2001-2007年工业企业的微观数据建模，实证表明房价上涨并不会抑制新兴企业进入，反而会对新企业进入产生显著的吸引作用。这也会导致了当地房价进一步推高，继续吸引新企业进入，同时提升当地的经济发展速率，从另一个方面验证了我国经济发展呈现显著地区间差异的原因。畅红琴和李艳（2018）利用中国省级相关数据，分析了研究开发投入与创新产出之间关系。研究结果表明：研究开发资金投入和研究开发劳动力投入对创新产出的作用并非单纯的线性关系，存在显著的房地产价格双重门限效应，即房价波动会影响创新投入的产出。当房地产价格过高或者过低，其创新投入的效率都会降低。肖珂和黄宗远（2019）认为房地产政策的演进是导致对制造业投资大量挤出的重要原因。当政策控制不利时，房地产金融属性加重，会导致企业和居民资本的偏好发生转变，不仅导致以金融机构为主导的信贷分额分配权重的变化，也会引发企业投资目的和居民消费偏好的改变。这些企业和个人单位的消费挤出可以被理解为是政策控制不利的隐形成本。文章通过实证证明，虽然在短时间内，市场间发展可以互相促进结构优化和资本流动，但是长期将演化成明显的挤出。在房地产投资的冲击下，制造业企业的技术创新投资下降，从而阻碍了新制造业以新技术进行创新与发展。Linetal.（2020）从住房成本将影响人才就业选择的角度，分析了城市创新效率问题。以中国房地产指数系统数据库为基础的实证研究表明，房价上涨对中国主要城市的人才吸引力及相关创新产出的影响，城市住房价格的上涨通常与城市创新成果和人才吸引力呈正相关。但是，近年来中国一线城市房价与创新成果和人才吸引力之间的相互促进作用已开始弱化。房价上涨正转化为房地产泡沫，正在挤出价格波动对创新的推动作用。YangandPan（2020）则从房地产限制政策的角度分析了房地产业发展对创新的影响。研究发现中国限制房价的政策，会推动企业创新投资替代房地产投资。（三）房价波动对企业设立的影响住房市场对企业设立的影响在已有研究中进行了广泛研究。房价上涨导致房屋所有人的财务约束变小，而更可能设立企业。流动性约束是企业设立的最大挑战（EvansandJovanovic,1989），房价上涨导致其抵押价值增加，致使有条件的房地产所有者，可以借贷更多的资金，开办更大的企业，更可能拓展其企业规模。Schmalzetal.（2017）使用法国行政区统计数据，分析了房价变化对房地产抵押价值的冲击，实证结果表明房价上涨会推动企业设立的数量增加。CorradinandPopov（2015）的研究也得到了相似的结论，使用1996年至2006年期间美国个人调查数据的分析表明，房屋净值增加10％，导致每年转为企业主的比例由1％提高到1.07％。Ohetal.（2021）利用中国相关统计数据发现，房价温和上涨时，流动性增加可以推动家庭创业。但是，其他研究则发现相反的结果，即房地产市场对新企业设立有“挤出效应”。HurstandLusardi（2004）认为企业设立倾向是家庭财富的非线性函数。大多数的创业选择与家庭财富的多少无关，只有对5%最富裕的家庭而言，家庭财富的增加会推动其建立企业。HurstandLusardi（2004）的实证分析表明，区域房价大幅上涨反而减少了创业的可能。LiandWu（2014）认为，对于中国家庭来说，房屋既是重要的投资渠道，又是结婚的先决条件。住房投资的持续高回报和激烈的婚姻市场竞争，使购房成为年轻人及其父母的优选行为。显然，购房行为将挤占创业活动，高房价通常会阻碍城市成年人的创业活动。而对于房屋所有者而言，尽管房屋增值对家庭财富产生正向影响，但抵押贷款对收入的比率却具有负向影响。对于非所有者，房价收入之比越高，创业的可能性越低。（四）房价波动对企业成本的影响受到房地产影响的企业成本主要包括：资金成本、原材料、土地、房屋和劳动力。其中，住房价格的上涨直接抬高了土地、房屋等价格，这不仅提高了企业的生产成本，同时在工业现代化的进程中，也阻碍了通过土地换得工业发展的空间（周彬和周彩,2019）。实体经济的盈利空间由此受到挤压，这对实体经济的转型与升级产生了重大影响。从劳动力成本看，一方面，在城镇居民的家庭资产组成当中，住房占据了极其重要的部分，住房价格的稳健上涨不仅提高了居民生活成本，也迫使企业加大对工资水平的投入。另一方面，高房价的产生使部分劳动力从高房价地区流动到了低房价地区，造成劳动力的区域紧张，增加了企业的用工成本。总的来看，房价上涨会推高劳动力成本已经成为当前国内外研究的共识。有关房价波动与劳动力成本之间的关系，国外相关研究探讨较为充分。Ehudetal.（1998）的研究认为，住房价格的上升对劳动力区域的聚集效应产生了显著的负面作用，这意味着高房价会加速劳动力的流出速率。另一方面，高房价会阻止迁移，人民宁可选择长时间通勤。Cameron（2001）对1972年至1995年英国十个地区的区域收入和失业率的关系构建了模型，特别关注这些因素与房地产市场的相互影响。研究发现，与收入差距较大的美国相比，英国收入差异较小，但地区失业率较高，高房价地区劳动力资源相对紧缺，低房价地区的失业率则较高。Brakmanetal.（2002）从经济地理模型角度，分析验证从核心区域起逐步外推，工资有下降的趋势。研究以德国的空间工资结构为基础，验证德国城市地区工资与房价的联系。土地价格的上升势必会影响实体经济所承载的经济活动。制造业的利润空间也因土地与实体经济价格的上涨而下降。Yasusadaetal.（2005）探讨了一般均衡框架下商品运输成本与工人通勤成本之间的相互作用。研究认为劳动力是流动的，他们会选择工作区域和居住地点。这是因为工人能够通过分散而减轻城市成本的负担，同时又能很好地接触到所有的商品。Smalletal.（2006）利用了时间跨度约28年的英国区域移民和总移民调查统计资料，实证研究发现，区域经济条件对移民有很大影响，强劲的劳动力市场条件，例如低失业率和高收入，会吸引移民进入某区域。Rabe（2012）也结合1992-2008年期间英国专家组的数据和其他数据源，对移民决策进行建模，发现房价水平的差异（而非增长）在很大程度上决定着房屋拥有者是否进行家庭迁移，预期的个人工资地区差异使得失业者作出行动，就业者则对就业机会更加敏感。Zhouetal.（2020）通过将人口迁移划分为区域间和城乡间，发现受过高等教育的移民对房价上涨的影响更大，可能的解释是受过良好教育的移民获得了更多的收入。目前，国内对房价波动与劳动力成本之间的互动影响研究，日益增加。刘志伟（2013）利用全国性面板数据，对我国劳动力流动性、第三产业发展和城市房价的相关性进行了实证研究。实验表明，我国相对房价的升高引起了城市就业率的下降，这遏制了劳动力的流动与发展。与之相反，城市比较完善的公共服务系统会产生集聚效应，集聚效应的产生又会弱化房价升高所带来的不利影响。城市间相对房价的升高让第三产业由低附加值向高附加值进行转换，这给我国城市的经济转型和产业升级起到了极大的推动和促进作用。张平和张鹏鹏（2016）通过消费视角，利用面板数据，研究了房价上涨给异质性劳动力流动以及产业的结构性变化所带来的影响。研究表明，城市相对房价的上涨，使得所在城市的普通劳动力向外流出，技术型劳动力在所在城市发生聚集，这改变了所在城市的劳动力的供给水平与供给结构，这对城市间不同产业的升级以及城市规划起到了重要作用。张传勇等（2017）利用家庭追踪调查数据，对我国住房财富与家庭旅游消费支出间的关联性进行了实证研究。研究发现，住房财富的累积对家庭在旅游消费上的支出起到了明显的促进作用。从时间层面来看，家庭拥有住房产权的时间对家庭的旅游开销有着显著影响，影响形式为“U型”；研究也发现高房价会加速劳动力的流出速率。王重润和路迪（2018）的研究认为工资水平与物价水平的相互促进在高通货膨胀的机制中最为关键。研究可能影响工资水平变化的因素，在我国物价不断上升的情况下显得尤为重要。王重润和路迪（2018）的研究结果表明，高房价对劳动力密集型企业的用工成本有着显著影响，且由此可能引起持续的宏观经济通货膨胀。1.2房价波动对行业发展的影响许多研究表明，房地产发展对相关行业具有重要的拉动作用，一方面房地产业的产业链相对较长，附加行业较多，对经济的重要性不仅仅局限于行业本身，宏观经济体系中行业之间的关联可能更为密切。一些研究根据投入产出理论，认为房地产业的繁荣一方面可以使得上下游行业发展迅速，另一方面房地产业也可能通过房地产价格和信贷金融渠道影响其他行业（宁林忠,2016）。Davis（2010）认为房地产投资是经济增长的先导变量，而非房地产投资变动则滞后于经济增长。在美国，住宅投资的百分比标准差是非住宅投资的两倍以上，此外，GDP、消费及这两类投资都是积极的。在经过调整的多部门增长模型中，将建筑、制造和服务以不同的比例组合在一起，新建住房除了需要自用土地外，还需要配套制造类建筑、服务类建筑、办公类建筑和公共建筑等。该模型还可以解释行业级数据的重要特征，特别是，在所有行业的工时与产量的相关性中，建筑业波动最大。Zhangetal.（2014）认为从国际经验看，稳定的房地产市场在保持金融稳定方面具有关键作用，研究证明了房地产部门与其他部门之间通过房地产价格波动和金融体系建立相互联系。基于投入产出分析，表明在房地产业与其他部门间，跨部门的信用风险溢出。研究表明，房地产行业的信贷风险对其他行业具有大规模的溢出效应，房地产市场波动可能对我国经济的影响要比其他国家大得多。Hulletal.（2019）使用2009-2017年期间瑞典房地产交易数据，发现制造业就业份额的增加与房价增长的波动呈正相关，而与风险调整后的房地产收益呈负相关，这两种影响几乎都与制造业企业的集中度和就业波动的影响有关。自1970年以来，制造业收益下降可能导致瑞典的房价波动减少了32%，而美国，英国和日本的下降幅度也与此类似。王国军和刘水杏（2004）发现，建筑、建材、冶金等50多个物质生产部门，包括2000多种产品能受益于房地产行业的需求，很大程度上是由住房建设拉动的，产品普遍都能受到上下游市场的影响。相关研究也发现，房地产行业更能够广泛波及化工业、金属制品业、电器机械及器材生产等行业，对国民经济运行起到了拉动作用。研究借助投入产出模型对我国房地产业的带动效应进行总体测算，并地区及国际比较。研究计算了房地产业与其相关产业的关联度，对房地产业相关产业的数量、类型以及房地产业的带动效应进行了计算，并且分析了相关产业相关关系的波动规律。张容赫（2012）对房地产行业相关产业成长性、相关性以及冲击进行定量研究。研究使用2007年中国的投入产出表，计算了房地产业与其他41个关联产业的相关性，包括直接消费系数、总消费系数、影响系数、归纳系数等。发现金融业，饮食和住宿业，建筑业，化学工业等行业与房地产业的关系最为密切。房地产业后向拉动供应链上游的原料消耗型行业，前向推动下游的消费类行业，形成产生拉动和供给推动双向作用。郭文伟和钟明（2016）通过马尔可夫区制转换向量自回归模型分析了房地产业与各类上下游行业间的联动机制，得到了和前文类似的结果，影响行业包括钢材业、水泥业和家具业，但更进一步的，他计算了效应能够维持的时间长度，平均在四个月左右。邓洲（2020）提出，房地产行业的整顿能带来的好处是多方面的。一方面可以促进其他相关联产业的结构和资本的动态变迁，让产业结构更加合理稳定；一方面也可以调整市场之间的关联互动问题，使得经济协同有效进行。更多的，邓洲还通过实证数据，运用投入产出与一般均衡模型，识别了金融、租赁、电气设备、化工等部门为最受影响的部门，为政策制定者提出了更多参考。陈晓和魏兰叶（2017）从制造、贸易、生产和营商环境等不同角度对我国制造业的综合实力进行分析，得出了我国制造业还有较长时间才能追上国际水平的结论，同时更发现房地产业的发展会抑制制造业整体水平的增长，更会削弱我国制造业在国际上的竞争实力。通过实证分析得出，我国制造业约65%的国际竞争力受到房地产和制造业发展相关指标波动的影响。高洋和宋宇（2018）运用DEA-Malmquist指数法对2000-2013年除海南、西藏外的29个省（市）制造业全要素生产率的技术进步进行了分析，结果表明，制造业技术进步的原因之一可以解释为，生产性服务业集聚导致了生产的专业化和多样化，从而使其具有马歇尔和雅各布斯外部性；生产性服务业集聚经济对区域制造业技术创新的作用具有异质性，制造业的雅各布斯外部性对西部制造业全要素生产率的技术进步有显著影响，而信息技术产业、金融业和科技服务业集聚对东部制造业影响较大。潘红玉和刘亚茹（2019）提出了房地产和相关联的金融行业对制造业结构影响的两面性，包括房价上涨、金融发展对其他行业产业升级优化的积极推动作用，和市场繁荣导致的对制造业产业结构调整的抑制作用。综上所述，房地产对各种行业的发展都具有重要影响，房地产业对经济的重要性不仅仅局限于行业本身，宏观经济体系中行业之间的关联可能更为密切。现有研究，围绕投入产出理论对房价波动与实体企业行业之间的关系展开分析，认为房地产业的繁荣可以使得上下游行业发展迅速，但也可能通过投资挤出、成本上升和信贷金融渠道抑制其他行业的发展。1.3房价波动影响相关研究方法2007年的次货危机导致美国、日本、欧盟等发达经济体陷入了衰退，发展中国家的经济增速也开始减缓，世界宏观经济衰退，资产和股票市场崩盘，居民消费、企业投资水平、劳动力就业率下降。其连锁反应的巨大破坏力，吸引学术界开始广泛关注房地产业与宏观经济之间的联系，正如Bernanke（2008）所述：“房地产和房地产金融在此次金融危机中发挥了重要的推动作用”。此后，国内外学者对房地产业发展与经济发展的关系进行了大量的理论研究和实证分析。迄今为止，国外对房地产经济与国民经济之间关系的研究已经较为深入。以下本研究从研究方法角度，综合论述有关文献：（一）供需平衡模型早期研究，如MuellbauerandMurphy（1996）采用供需平衡模型，分析房地产价格波动对宏观经济的影响。MuellbauerandMurphy（1996）利用英国房地产和宏观经济年度数据，分析了1957年至1994年间英国房地产价格经常性波动的特征。发现1980年前后，英国房地产抵押贷款市场的金融自由化进程，导致英国房地产价格发生显著变化，而房价波动通过财富效应，又导致英国普通居民的消费行为发生了变化。同时房价波动也会引起了英国利率和收入预期变化。类似的研究还包括Kenny（1999）对爱尔兰房地产市场研究，Wenetal.,（2005）、贾生华和温海珍（2004）等对中国房地产市场的研究。但是，这种从市场供求平衡角度出发的研究，在实际中有很大的局限性。正如Zhuetal.（2017）研究指出的区域或国家的市场条件以及相关经济政策、金融政策、产业政策等，都会对房地产市场参与主体的博弈结果产生很大影响，致使房价波动对宏观经济的互动关系发生变化。（二）存量-流量模型早在Wheaton（1999）就提出了存量-流量模型，认为不同类型房地产市场的循环特性有很大差异，房地产市场的稳定性受外生冲击与内生波动的共同影响。Wheaton（1999）通过存量-流量模型，综合考虑了房地产市场的投机性、滞后性、耐用性，将房地产市场作为一个相对独立的市场，分析了宏观因素变化，如人口和劳动力等对房地产市场的供求和价格的影响。此后基于存量-流量模型的研究逐渐增加，如Kajuthetal.（2013）利用德国402个行政区域的面板数据，分析了房地产价格与德国宏观经济变量的关系。发现在2010年前后，整个德国住宅价格与利用存量-流量模型估计的结果一致。而李文斌和宋斌（2009）也基于存量-流量模型，分析外生冲击对房地产价格和市场交易量的影响。存量-流量模型可以非常明确的对房价形成机理进行研究，但是该模型把房地产市场作为相对独立的封闭市场，忽视了房地产市场对外部宏观经济的扰动，然而事实上房地产市场与宏观经济的影响是相互的。（三）理性经济泡沫模型SamuelsonandPaul（1958）开创性的建立了OverLappingGenerationModels（OLG），即世代交替模型。该模型将房地产价格分为基础价值和泡沫溢价两个部分，其中基础价值部分是未来收益预期的折现，而泡沫溢价则是鞅过程鞅过程：指根据所得的信息对未来某个资产价格的最好预期，即为资产的当前价格鞅过程：指根据所得的信息对未来某个资产价格的最好预期，即为资产的当前价格（四）金融加速模型正如Bernankeetal.（1999）所提出的某些很小的外部冲击也会导致宏观经济剧烈波动。自全球金融危机以来，房价对于宏观经济和金融稳定的作用取得学术界的广泛认可。房价在危机发生前快速上涨乃至形成泡沫，随后又急速下跌，引发了众多国家严重的经济衰退。现有研究表明，宽松货币政策或是缺乏约束的金融环境，与房价的快速上涨以及此后的宏观经济动荡，有着直接关系（Dregeretal.，2020）。许多研究通过信贷市场的金融加速模型，从消费侧或投资侧，分析房地产抵押资产的价值与宏观经济变化的相互关系。Aokietal.（2004）的研究中建立了家庭信贷在金融市场摩擦条件下的一般均衡模型。由于房地产可以作为借贷抵押品，因此宽松的货币政策通过金融加速机制，引发房地产投资，房地产价格和居民消费的扭曲。MiaoandWang（2012）基于对信贷驱动型泡沫特征的分析，在内生增长的框架下，并假定存在一个具有正外部性的部门和一个具有负外部性的部门，引入信贷驱动型泡沫，用于分析这种类型的资产溢价对于经济增长产生的影响。这个模型中对企业融资是有约束的，企业需要将账面上的资产进行抵押才能获得贷款，一旦发生违约，企业无力（或不愿）偿还贷款，贷款方可以获得抵押品的所有权来减少损失。当企业账面上可以被抵押的资产产生溢价，会发生“信用缓解效应”，使企业获得更多的贷款，同时进一步拉高企业资产价格，在这种正反馈的作用机制下，最终会从宏观层面产生房地产泡沫。Chaneyetal.（2012）认为企业往往会使用房地产资产作为推进新项目的融资抵押品，那么企业的投资就会受到房地产价格变化的影响。这个研究以美国房价1993年-2007年的区域数据为基础，计算得到了企业可获得的信用投资对抵押品价值的敏感程度。Wuetal.（2014）通过我国35个城市的土地价值以及非房企业数据，检验了房价上涨可能带来的抵押品增值对投资并没有影响。武康平和胡谍（2010）在理论分析的基础上，实证分析了货币政策传导机制在房地产市场和信贷市场中的作用。实证结果表明，房地产市场已经成为信贷政策传导的重要渠道，货币政策宽松是房地产价格短期高涨的最主要原因。郑忠华和邸俊鹏（2012）也从房地产信贷的角度，以金融加速机制为基础，分析房价波动引发的宏观经济波动问题。研究发现，我国存在房地产财富效应，即房价上涨能缓解融资约束；对房地产的需求高涨会推高房价，同时产生诸如消费低迷、产出下降等不良后果；而金融加速机制所带来的通胀冲击对于宏观经济的破坏作用更大，而且持续时间较长。以金融加速模型为基础的研究表明，房地产价格上升会提高家庭或企业的资产抵押价值，进而影响其融资成本和投资规模，推动新一轮的房价上涨，从而形成房价上涨自我强化的正反馈趋势。（五）VAR模型VAR（向量自回归）模型作为一种强大的分析方法，被广泛用于分析房地产和宏观经济相互影响的研究。VAR模型利用经济系统中的平稳性序列数列分析其动态关系，通过Engle-Granger分析将协整与误差修正相结合，建立向量误差修正模型，是检验房地产价格与宏观经济变量之间因果关系的重要实证研究方法。近年来，许多学者拓展了VAR模型，利用SVAR（结构向量自回归）、BVAR（贝叶斯方法向量自回归）、PVAR（空间向量自回归）等模型从不同角度对房价与宏观经济之间的关系进行了研究。Green（1997）利用美国1959-1992年的季度宏观数据，基于不同的模型设定进行Granger因果检验，结果发现房地产投资的变动可以引起经济周期的变动，而非房地产投资则不能；由于GDP不是房地产投资的Granger原因，因此政策刺激的房地产投资增长是短期的、不可持续的。CoulsonandKim（2000）认为Green（1997）通过向量自回归模型（VAR）研究了房地产投资、非房地产投资、个人消费、政府支出和GDP之间的脉冲响应和方差分解函数。研究发现与非房地产投资比，房地产投资在促进GDP上的作用更大，原因是房地产投资可以带动消费和非房地产投资，后两者是GDP的重要组成部分；同时，他们还发现，房地产投资对非房地产投资的促进作用比挤出效应更大。GaugerandSnyder（2003）发现房地产投资、货币供应量、利率和GDP之间存在协整关系，并通过误差向量自回归模型（VECM）分析了美国金融管制放松前后房地产投资与宏观经济变量之间关系的变化，发现金融管制放松后，房地产投资变化引起GDP变化的能力比放松管制前强，同时房地产投资在整个宏观经济中处于非常重要的核心地位。国内学者的类似研究也逐渐增加，如梁云芳等（2006）、黄忠华等（2008）、韩国高等（2011）、卢建新和卢明安（2014）等，利用VAR模型分别研究了房地产价格波动与宏观经济、区域经济、金融市场等的联动关系。VAR模型的优点是是所需数据要求不多，可用自身数据作为回归变量来进行分析，模型简单较为可靠；其缺陷在于模型参数过多，若所涉问题影响因素较为复杂，将无法得到令人满意的检验结果。本研究利用VAR模型，实证检验房价波动对实体经济影响的因果关系。（六）DSGE模型DSGE（动态随机一般均衡模型）在CEG（一般平衡模型）的基础上增加了随机冲击，模拟经济运行的随机影响，并认为均衡状态往往是随机的，是当前国内外研究中主流宏观定量分析的工具。DSGE模型可以模拟多主体（例如，消费者和供应商）在未来不确定期内的动态最优行为，为更好的贴近实体经济，一般还会引入不同的外部冲击。上述设定能较好的模拟房地产市场与宏观经济。目前有许多国内外一些学者，尝试使用可计算DSGE模型分析房地产和经济增长的关系。Luketal.（1993）是最早运用CGE模型研究房地产市场的学者，其研究分析了住房价格、房屋租金等变量对经济增长和经济周期的影响。此后越来越多的学者开始利用改进的DSGE模型，分析了房地产需求、房地产供给和房价波动等对经济增长、居民消费和居民收入分配等的影响。如Euijune（2003）建立了城市土地利用和首尔经济的DSGE模型，评估了住房供应对首尔城市增长和收入分配的经济影响。Carrolletal.（2006）运用DSGE模型估算了总消费中“财富效应”的大小，利用美国相关数据，分析了消费增长的粘性（有时被解释为“消费习惯”），区分了消费中短期和长期的财富效应。IacovielloandNeri（2008）利用DSGE模型验证了房地产市场价格波动的来源及后果。长期而言，房地产市场需求变化和房地产部门的技术进步因素，可以解释25%的房地产投资和房价波动，而货币供应因素则能解释20％的房地产投资和价格波动，且当前货币因素发挥的作用正变得越来越大。GuptaandSun（2020）考察了住房市场溢出对小型开放经济（文中为南非）的影响。结果表明，住房需求冲击和技术冲击推动了房价的大部分波动，而灵活的汇率政策可以在很大程度上维持房价的稳定。近年来，国内学者通过DSGE模型分析房价波动影响的研究逐渐增加，如郑忠华和邸俊鹏（2012）、张婧屹和李建强（2018）、汪勇和李雪松（2019）等。上述研究建立了包括居民消费部门、企业生产部门、金融部门等的DSGE模型，其研究结果表明，房价上涨会降低居民消费和企业投资，对宏观经济长期发展造成负面冲击。与其他宏观经济研究模型相比，DSGE模型具有微观基础，尽可能的接近现实中政策、制度的逻辑，尝试模拟现实经济运行规律。但是，基于DSGE模型的研究也有缺陷，模型对有关经济波动转折点的分析几乎都是失败，其中复杂系统中的随机因素、个体主观因素（如羊群效应）以及非线性因素，都难以被模型把握和刻画。从实证结果看，DSGE模型分析有关房价与宏观经济的研究，某些参数也不能很好地与相关实际经济数据相吻合。1.4基于Citespace的文献计量分析我国有关房地产价格波动对实体经济的研究较多，通过文献计量对相关文献数量、热点、研究方法以及作者分布进行总结，寻找房地产价格波动与实体经济的研究演进逻辑与趋势。本部分的研究数据来源于中国知网（CNKI）数据库，CNKI是我国最大的学术文献数据库。本研究分别检索主题、关键词包含“房地产”“房价”的文献，文献类型选择了“期刊”中的CSSCI，时间段选取2000-2020年，经过筛选后，剔除不相关文献，最终得到近21年的1509条文献的数据信息。本研究对所收集的1509篇文献进行研究分析，运用了共现分析、聚类分析和共现聚类分析等方法，可以看出我国关于房价波动对我国实体经济的影响研究的文献研究数量在2012年之前呈上升态势，并且从2010年开始，发文数量明显增多，之后有个小幅下降，2015年之后开始回升，2018年达到峰值（132篇），表明国内关于房地产和房价的研究在2010年之后一直都是研究学者的关注热点，其热度与我国房价的波动趋势一致，房价大幅上涨会吸引更多的学者投入相关领域的研究。图1.SEQ图1.\*ARABIC2文献关键词词频分析Figure1.2LiteratureKeywordWordFrequencyAnalysisChart关键词是文献主要内容的提炼，代表或反应了该文献的主要研究内容和主题，本研究对选取的1509篇文献的关键词进行了词频分析和共现分析。频次排名前10的关键词，由高到低依次排序分别是：房价、住房价格、房价波动、房价收入比、房价上涨、房地产市场、商品房价格、货币政策、地价、土地财政。通过共现分析发现了关键词两两之间在同一篇文献出现的频率，主要包括房价、房地产泡沫、房价收入比等。图1.SEQ图1.\*ARABIC3文献关键词共现分析Figure1.3LiteratureKeywordCo-occurrenceAnalysisChart通过共现聚类时间趋势分析表明，随着时间的推进，新的研究重点不断出现，2012年以前学者们重点关注房价波动，2012年后依次增加了动态一般均衡模型、人口流动、土地供给、中介效应及产业结构升级等，表明面对房地产业的快速发展，国内研究正逐渐从房地产业本身，逐渐拓展到分析房地产对居民消费，宏观经济的影响等领域，而研究房地产对我国当前实体产业的影响，已经成为一个新的研究热点。图1.SEQ图1.\*