广东省银行信贷与房地产价格波动的动态关联研究：基于VAR模型的实证分析

广东省银行信贷与房地产价格波动的动态关联研究：基于VAR模型的实证分析一、引言1.1研究背景与意义1.1.1研究背景近年来，广东省的房地产市场与银行信贷业务都经历了显著的发展与变革。在房地产市场方面，作为经济强省，广东省的城市化进程快速推进，人口持续流入，对住房的需求一直处于高位。这推动了房地产市场的繁荣，房地产开发投资规模不断扩大。数据显示，2024年，全省房地产开发投资11197.97亿元，尽管较上年有所下降，但规模依然庞大。其中商品住宅投资8015.52亿元，占比较大。从销售情况来看，2024年全省新建商品房销售面积7488.48万平方米，销售额11894.57亿元。然而，房地产市场也并非一帆风顺，受到宏观经济环境、政策调控等因素的影响，市场出现了一定的波动。例如，部分城市房价出现了较大幅度的涨跌，房地产企业面临着资金压力、库存去化等问题。在银行信贷方面，广东省的银行业一直保持着较快的发展速度，信贷规模持续增长。截至2024年6月末，广东省银行业各项贷款余额27.82万亿元，同比增长6.29%。银行信贷作为房地产市场资金的重要来源，无论是房地产开发企业还是购房者，都高度依赖银行信贷支持。对于房地产开发企业来说，银行贷款是其进行土地购置、项目建设等环节的重要资金保障；对于购房者而言，住房按揭贷款使得他们能够提前实现住房需求。房地产市场与银行信贷之间存在着紧密的联系。一方面，银行信贷的扩张或收缩会直接影响房地产市场的资金供给，进而影响房地产开发企业的投资决策和购房者的购买能力，最终对房地产价格产生影响。当银行信贷宽松时，开发企业更容易获得资金进行项目开发，购房者也更容易获得贷款购买房产，这会刺激房地产市场的需求，推动房价上涨；反之，当银行信贷收紧时，开发企业资金压力增大，购房者贷款难度增加，房地产市场需求受到抑制，房价可能下跌。另一方面，房地产价格的波动也会对银行信贷产生反作用。房价上涨会使房地产抵押物价值上升，银行信贷风险相对降低，银行更愿意发放贷款，进一步促进信贷规模的扩张；而房价下跌则可能导致抵押物价值缩水，银行信贷风险增加，银行可能会收紧信贷政策，减少贷款发放。这种紧密的关系对广东省的经济稳定和金融安全具有重要影响。房地产行业作为广东省的支柱产业之一，其稳定发展对于经济增长、就业创造等方面都有着重要意义。而银行信贷作为金融体系的核心组成部分，其稳健运行关系到整个金融系统的稳定。如果房地产市场与银行信贷之间的关系失衡，例如房地产价格过度上涨形成泡沫，一旦泡沫破裂，不仅会导致房地产企业面临困境，还可能引发银行不良贷款增加，甚至引发系统性金融风险，对经济稳定造成严重冲击。因此，深入研究广东省银行信贷与房地产价格波动之间的关系，具有重要的现实背景和紧迫性。1.1.2研究意义本研究具有重要的理论与实践意义。从理论角度来看，有助于进一步完善银行信贷与房地产价格关系的理论体系。以往的研究大多集中于全国层面或者部分一线城市，针对广东省这一经济和房地产市场具有独特特点地区的研究相对较少。通过对广东省的深入研究，可以丰富区域层面银行信贷与房地产价格波动关系的理论研究，为后续相关研究提供更多的实证依据和理论参考。同时，本研究采用VAR模型进行分析，可以更全面地捕捉银行信贷与房地产价格之间的动态关系，包括变量之间的即时和滞后影响，弥补了传统研究方法在分析多变量动态关系方面的不足，为该领域的研究方法创新提供一定的借鉴。在实践方面，对房地产市场参与者具有指导意义。对于房地产开发企业而言，了解银行信贷与房地产价格波动的关系，可以帮助企业更好地预测市场趋势，合理安排投资计划和融资策略。当银行信贷政策发生变化时，企业能够及时调整开发规模和项目进度，降低经营风险。对于购房者来说，有助于他们做出更理性的购房决策。购房者可以根据银行信贷政策和房地产价格走势，选择合适的购房时机，避免因市场波动而遭受经济损失。对于金融机构来说，研究结果有助于银行等金融机构加强风险管理。银行可以根据房地产价格波动情况，合理评估信贷风险，优化信贷结构，加强对房地产贷款的审批和监管，降低不良贷款率，保障金融资产的安全。对政府部门制定宏观政策具有参考价值。政府可以依据研究结果，制定更加科学合理的房地产市场调控政策和金融监管政策。在房地产市场过热时，通过收紧银行信贷政策，抑制房地产价格过快上涨，防范房地产泡沫的形成；在房地产市场低迷时，适度放松信贷政策，刺激市场需求，促进房地产市场的稳定发展。通过加强对银行信贷的监管，确保金融体系的稳定运行，维护经济的平稳健康发展。1.2研究目标与内容1.2.1研究目标本研究旨在运用向量自回归（VAR）模型，深入剖析广东省银行信贷与房地产价格波动之间的动态关系。通过严谨的实证分析，明确银行信贷规模、结构等因素对房地产价格波动的具体影响方向与程度，以及房地产价格波动如何反作用于银行信贷。具体而言，试图揭示当银行信贷发生变化时，房地产价格在短期内和长期内的波动趋势，例如银行信贷扩张在短期内可能对房价产生怎样的刺激作用，长期来看这种影响是否会持续或发生改变。同时，探究房地产价格上涨或下跌时，银行信贷政策和规模会做出何种相应调整，如房价上涨时银行是否会增加信贷投放，以及这种调整对金融稳定的潜在影响。通过这些研究，为广东省房地产市场参与者提供决策依据，帮助他们更好地应对市场变化，也为政府部门制定科学合理的房地产市场调控政策和金融监管政策提供有力的理论支持和实证依据，以促进广东省房地产市场与金融市场的平稳健康发展，维护区域经济的稳定。1.2.2研究内容本研究主要涵盖以下几个方面的内容：数据收集与整理：广泛收集广东省2010-2024年期间的银行信贷数据，包括房地产开发贷款、个人住房贷款等不同类型信贷的规模、利率等指标；同时收集房地产价格数据，如新建商品房价格、二手房价格指数等。此外，还将收集宏观经济数据，如地区生产总值（GDP）、通货膨胀率、利率等，这些数据作为控制变量，用于分析银行信贷与房地产价格波动关系时排除其他因素的干扰。对收集到的数据进行清洗、整理和预处理，确保数据的准确性、完整性和一致性，为后续的实证分析奠定坚实基础。VAR模型构建：基于整理后的数据，构建适用于分析广东省银行信贷与房地产价格波动关系的VAR模型。确定模型的变量选择，将银行信贷相关变量和房地产价格变量作为核心变量纳入模型。运用计量经济学方法，如单位根检验、协整检验等，对变量进行平稳性检验和协整关系检验，以确保模型的稳定性和可靠性。根据检验结果确定VAR模型的最优滞后阶数，使模型能够准确捕捉变量之间的动态关系。实证分析：运用构建好的VAR模型进行脉冲响应分析和方差分解分析。脉冲响应分析用于研究银行信贷变量或房地产价格变量受到一个单位标准差冲击时，另一个变量在不同时期的响应情况，直观地展示变量之间的动态影响路径。方差分解分析则用于确定每个变量对其他变量波动的贡献度，量化银行信贷与房地产价格波动之间相互影响的相对重要性。通过格兰杰因果检验，进一步验证银行信贷与房地产价格之间是否存在因果关系以及因果关系的方向，从多角度深入分析两者之间的动态关系。结果分析与政策建议：对实证分析的结果进行深入解读，结合广东省房地产市场和银行信贷市场的实际情况，分析研究结果的经济意义和现实启示。根据研究结果，为房地产开发企业、购房者、金融机构等市场参与者提供针对性的建议。例如，建议房地产开发企业根据银行信贷政策变化合理规划投资和融资策略；提醒购房者关注银行信贷和房价波动，理性选择购房时机；建议金融机构加强风险管理，优化信贷结构。针对政府部门，提出制定房地产市场调控政策和金融监管政策的建议，如在房地产市场过热时，通过调控银行信贷规模和利率，抑制房价过快上涨；在房地产市场低迷时，适度放松信贷政策，促进市场复苏，以实现广东省房地产市场和金融市场的稳定协调发展。1.3研究方法与技术路线1.3.1研究方法文献研究法：广泛查阅国内外关于银行信贷与房地产价格波动关系的学术文献、研究报告以及政策文件。通过梳理相关理论和实证研究成果，了解该领域的研究现状和发展趋势，为本研究提供坚实的理论基础和研究思路。例如，参考国内外学者运用不同模型和方法对两者关系的研究，分析其研究的优点和不足，从而确定本研究的切入点和创新点。同时，关注政策文件对房地产市场和银行信贷的调控措施，分析政策变化对两者关系的影响，为后续的实证分析和政策建议提供参考依据。数据收集与整理法：全面收集广东省2010-2024年期间银行信贷、房地产价格以及宏观经济相关数据。从广东省统计局、中国人民银行广州分行等官方机构获取银行信贷数据，包括房地产开发贷款、个人住房贷款的规模、利率等指标；从房地产市场研究机构、政府部门网站收集房地产价格数据，如新建商品房价格、二手房价格指数等。收集地区生产总值（GDP）、通货膨胀率、利率等宏观经济数据，这些数据作为控制变量，用于分析银行信贷与房地产价格波动关系时排除其他因素的干扰。对收集到的数据进行清洗、整理和预处理，确保数据的准确性、完整性和一致性，为后续的实证分析奠定坚实基础。VAR模型实证分析法：运用向量自回归（VAR）模型对广东省银行信贷与房地产价格波动关系进行实证分析。VAR模型能够有效处理多变量时间序列数据，捕捉变量之间的即时和滞后关系，全面反映银行信贷与房地产价格之间的动态互动。通过单位根检验、协整检验等方法，对变量进行平稳性检验和协整关系检验，确保模型的稳定性和可靠性。确定VAR模型的最优滞后阶数，使模型能够准确捕捉变量之间的动态关系。运用脉冲响应分析和方差分解分析，研究银行信贷变量或房地产价格变量受到一个单位标准差冲击时，另一个变量在不同时期的响应情况，以及每个变量对其他变量波动的贡献度，量化两者之间相互影响的相对重要性。通过格兰杰因果检验，验证银行信贷与房地产价格之间是否存在因果关系以及因果关系的方向，从多角度深入分析两者之间的动态关系。政策分析法：结合实证分析结果，深入分析广东省现行房地产市场调控政策和银行信贷政策。评估政策对银行信贷与房地产价格波动关系的调控效果，探讨政策实施过程中存在的问题和不足。例如，分析限购政策、限贷政策以及房贷利率调整等政策对房地产市场供需和价格的影响，以及对银行信贷规模和结构的作用。根据研究结果，提出针对性的政策建议，为政府部门制定科学合理的房地产市场调控政策和金融监管政策提供参考，以促进广东省房地产市场与金融市场的平稳健康发展。1.3.2技术路线本研究的技术路线图如图1-1所示，首先是理论分析部分，通过广泛查阅国内外相关文献，深入梳理银行信贷与房地产价格波动关系的相关理论，包括房地产市场供需理论、金融市场理论以及两者相互作用的理论基础，为后续研究奠定坚实的理论基石。接着进入数据收集与整理阶段，从多个权威渠道收集广东省2010-2024年银行信贷、房地产价格和宏观经济数据，并对数据进行清洗、整理和预处理，确保数据质量。在实证分析环节，构建VAR模型，对数据进行单位根检验、协整检验，确定最优滞后阶数，然后进行脉冲响应分析、方差分解分析和格兰杰因果检验，深入剖析银行信贷与房地产价格波动的动态关系。根据实证分析结果，结合广东省房地产市场和银行信贷市场实际情况，为房地产开发企业、购房者、金融机构等市场参与者提供针对性建议，同时为政府部门制定科学合理的房地产市场调控政策和金融监管政策提供有力参考，以促进广东省房地产市场与金融市场的平稳健康发展。\\二、文献综述2.1银行信贷与房地产价格波动关系的理论基础2.1.1房地产价格的资产定价理论房地产作为一种重要的资产，其价格的决定遵循资产定价的基本原理。从理论上来说，房地产价格等于未来各期预期收益的贴现值之和。在实际市场中，房地产的预期收益主要来源于租金收入以及房产增值收益。假设投资者预期未来房地产租金将稳定增长，且房产在未来有较大的增值空间，那么根据资产定价理论，当前房地产的价格就会相应提高。这是因为较高的预期收益会增加房地产的吸引力，使得投资者愿意支付更高的价格来获取这种资产。银行信贷在房地产价格的资产定价过程中扮演着重要角色。当银行信贷规模扩张时，市场上的资金供应增加，房地产开发商更容易获得资金用于项目开发，购房者也更容易获得贷款购买房产。这会导致房地产市场的需求增加，推动房价上涨。在信贷宽松时期，开发商能够轻松获得大量贷款，从而加大土地购置和项目建设力度，市场上的房源供应增加；同时，购房者因贷款门槛降低、利率优惠等因素，购房需求被激发，大量涌入市场。供需两旺的局面往往会使房价上升。银行信贷条件的变化，如贷款利率的调整，也会影响房地产价格。当贷款利率降低时，购房者的还款压力减小，贷款成本降低，这会提高购房者的购买能力，增加对房地产的需求，进而推动房价上涨。相反，若贷款利率上升，购房成本增加，需求可能会受到抑制，房价上涨动力减弱。2.1.2信贷配给理论信贷配给理论认为，在信贷市场中，由于信息不对称、风险评估困难等因素，银行并不会完全按照市场利率来满足所有借款人的贷款需求，而是会采用非价格手段进行信贷分配，这就导致了信贷配给现象的出现。在房地产市场中，银行在发放贷款时，会对房地产开发商和购房者进行严格的信用评估和风险审查。对于信用状况不佳、还款能力存疑的开发商和购房者，银行可能会拒绝提供贷款，或者提高贷款条件，如要求更高的首付比例、更严格的担保措施等，从而实现信贷配给。这种信贷配给机制对房地产市场的供求和价格有着显著影响。从供给角度来看，如果银行对房地产开发企业实施信贷配给，开发企业难以获得足够的资金，这会导致房地产开发项目的进度受阻，新楼盘的供应减少。在市场需求不变或增加的情况下，房源供应的短缺会推动房价上涨。若银行收紧对某地区房地产开发企业的信贷，一些在建项目可能因资金链断裂而停工或延期交付，市场上可供销售的房屋数量减少，房价则可能因供不应求而上升。从需求角度而言，信贷配给会影响购房者的购房能力和意愿。如果银行提高购房贷款的门槛，如大幅提高首付比例，许多潜在购房者可能因无法满足首付要求而被挤出市场，导致房地产市场的有效需求下降，房价上涨压力得到缓解；反之，若信贷配给放松，更多购房者能够获得贷款，市场需求增加，房价可能上涨。2.1.3金融加速器理论金融加速器理论强调经济体系中存在一种机制，使得初始的经济冲击能够被放大和强化。在房地产市场与银行信贷的关系中，金融加速器机制表现得尤为明显。当房地产价格上涨时，房地产企业和购房者的资产价值增加。对于房地产企业来说，其资产负债表状况得到改善，抵押物价值上升，这使得企业更容易从银行获得贷款，进而增加投资和开发规模，进一步推动房地产市场的繁荣，房价继续上涨。购房者的财富效应也会增强，他们可能会因为房产增值而增加消费和投资，其中包括对房地产的进一步投资，这也会刺激房价上涨。在房价持续上涨的时期，房地产企业的资产价值大幅提升，银行基于对抵押物价值的评估，愿意为企业提供更多的贷款。企业利用这些资金购置更多土地、建设更多项目，市场上的房地产供应增加的同时，也进一步推高了房价。相反，当房地产价格下跌时，房地产企业和购房者的资产价值缩水，企业的贷款违约风险增加，银行会收紧信贷政策，减少对房地产企业和购房者的贷款发放。这会导致房地产企业资金紧张，投资和开发活动受限，市场供应减少；购房者也因贷款难度增加，购房需求下降，房价进一步下跌，形成恶性循环。若房价出现较大幅度下跌，房地产企业的抵押物价值大幅下降，银行出于风险控制的考虑，会减少对企业的贷款额度或提高贷款利率，企业的资金压力增大，可能会削减开发项目，甚至出现倒闭现象。购房者因房产贬值，财富缩水，购房意愿和能力下降，市场需求持续低迷，房价在这种供需失衡的情况下继续下跌。这种房地产价格波动通过金融加速器对银行信贷和经济的影响，充分体现了两者之间紧密的相互作用关系，也说明了房地产市场与金融市场的稳定性相互关联，任何一方的波动都可能引发另一方的连锁反应，对宏观经济产生重大影响。2.2国内外研究现状2.2.1国外研究现状国外学者对银行信贷与房地产价格关系的研究起步较早，成果丰硕。在理论研究方面，部分学者基于资产定价理论，深入剖析银行信贷对房地产价格的影响机制。他们认为，银行信贷规模的变化会直接影响房地产市场的资金供给，进而改变房地产的供需关系，最终对房地产价格产生作用。当银行信贷扩张时，房地产开发商能够更容易地获得资金进行项目开发，市场上的房源供给可能增加；同时，购房者也更容易获得贷款，购房需求上升。在这种供需两旺的情况下，房地产价格往往会上涨。反之，当银行信贷收紧时，房地产开发企业资金压力增大，购房者贷款难度增加，市场需求受到抑制，房价可能下跌。在实证研究领域，诸多学者运用不同的计量方法对两者关系进行了验证。如Collyns和Senhadji对四个东亚国家和地区（香港、韩国、新加坡和泰国）的研究表明，银行信贷的增长对房地产价格具有显著的同步效应，并认为银行信贷是造成1997年东亚金融危机之前房地产泡沫的显著因素之一。他们通过对这些地区房地产市场和银行信贷数据的分析，发现银行信贷规模的扩张与房地产价格的上涨呈现出高度的相关性。在金融危机前，这些地区的银行信贷大量流入房地产市场，推动了房价的快速上涨，形成了房地产泡沫。Hofmann对16个工业化国家的研究表明，将房地产价格纳入实证模型中对解释银行信贷的长期发展是必须的，而且基于脉冲响应分析，他发现房地产价格冲击对银行信贷具有显著的正效应，反之亦然，这揭示出房地产价格与银行信贷之间存在长期的双向因果关系。他运用脉冲响应分析方法，观察到当房地产价格受到外部冲击发生变化时，银行信贷规模也会随之做出相应的调整，反之亦然，充分证明了两者之间存在紧密的相互作用关系。Oikarinen通过对芬兰房地产市场的研究发现，自20世纪80年代末金融自由化以来，芬兰房价与住房贷款存量之间存在显著的双向互动关系。在金融自由化之后，芬兰的金融市场环境发生了变化，银行信贷政策相对宽松，居民更容易获得住房贷款，这刺激了房地产市场的需求，推动了房价上涨；而房价的上涨又使得居民的资产价值增加，银行更愿意提供贷款，进一步促进了住房贷款存量的增长，形成了双向互动的局面。2.2.2国内研究现状国内学者对银行信贷与房地产价格关系的研究也取得了丰富的成果。在理论分析方面，学者们从不同角度探讨了两者之间的相互作用机制。韩会霞等认为，一方面，银行信贷总量增加时，市场上对于资产的需求增加，从而导致房地产价格的上涨；另一方面，当银行信贷条件放松时，住房需求会增加，导致房价上涨。银行从住房按揭增加和房地产贷款的投放刺激开发商，调动这两方面供给的不平衡，从而影响房地产价格。秦岭和姚一翡指出，房地产开发商贷款的增加会提高房地产投资规模，从而对房地产价格产生负面影响；另一方面，房地产开发商贷款的增加会缓解房地产开发企业的财务压力，提高房价；个人购房贷款的增加会提高房地产有效需求，此外，个人购房贷款规模的过快扩张也会刺激房地产投资和投机需求的增加；由于房地产具有明显的投资品的性质，因此房地产价格也是具有一定的资产定价的特征。在实证研究方面，众多学者运用协整检验、格兰杰因果检验、VAR模型等方法对我国银行信贷与房地产价格的关系进行了深入分析。段忠东等运用多变量协整分析技术对我国房地产价格影响银行信贷的效应进行实证检验，结果表明房地产价格和银行信贷之间在长期内存在互为因果关系，房地产价格波动在短期对银行信贷发放的直接影响十分有限，主要是在长期内对银行信贷增长产生影响。韩贤君分别分析了房地产企业和居民获得的银行信贷对房地产价格的影响规律，发现房地产企业获得的银行信贷增长对房地产价格既可能有正向推进作用，也有可能有负向推进作用，应视不同时间不同区域的具体情况确定；居民获得的银行信贷对房地产价格只有正向推动作用。曹雪以1995-2015年山西房地产价格、银行信贷、经济增长为基础数据，采用单位根检验、协整检验、格兰杰因果检验、脉冲响应函数和方差分解等方法进行了实证研究，结果发现银行信贷可以显著影响房地产价格，房地产价格随着银行信贷规模扩大而上涨。这些研究从不同地区、不同时间跨度对银行信贷与房地产价格的关系进行了验证，为进一步深入研究提供了坚实的基础。2.3研究述评国内外学者在银行信贷与房地产价格波动关系的研究领域已取得了丰硕成果。在理论研究方面，基于资产定价理论、信贷配给理论、金融加速器理论等，深入剖析了两者之间的内在作用机制，为后续实证研究提供了坚实的理论支撑。在实证研究中，运用协整检验、格兰杰因果检验、VAR模型等多种计量方法，对不同国家和地区的数据进行分析，验证了银行信贷与房地产价格之间存在着紧密的联系，且大多研究表明两者存在双向因果关系。然而，现有研究仍存在一些不足之处。从研究区域来看，大多数研究集中于全国层面或者部分一线城市，针对像广东省这样经济和房地产市场具有独特特点地区的研究相对较少。广东省作为经济强省，其房地产市场规模庞大、发展迅速，且受到区域政策、经济结构等多种因素的影响，具有独特的市场特征，已有的研究成果难以全面准确地反映广东省银行信贷与房地产价格波动的关系。在研究方法上，虽然现有研究运用了多种计量方法，但部分研究在模型设定、变量选择等方面存在一定的局限性。一些研究未能充分考虑宏观经济因素对银行信贷与房地产价格关系的影响，在模型中未纳入足够的控制变量，可能导致研究结果存在偏差。在研究内容上，对于银行信贷结构对房地产价格波动的影响研究不够深入。银行信贷包括房地产开发贷款、个人住房贷款等不同类型，不同类型信贷的规模、利率等变化对房地产价格的影响程度和作用机制可能存在差异，但现有研究对此的区分和分析不够细致。本研究将针对这些不足进行改进。聚焦广东省这一特定区域，深入研究其银行信贷与房地产价格波动关系，以弥补区域研究的不足。在研究方法上，全面考虑宏观经济因素，纳入地区生产总值（GDP）、通货膨胀率、利率等控制变量，构建更加完善的VAR模型，确保研究结果的准确性和可靠性。在研究内容上，细致区分银行信贷结构，分别分析房地产开发贷款、个人住房贷款等不同类型信贷对房地产价格波动的影响，为深入理解两者关系提供更丰富的视角和更准确的结论，为广东省房地产市场参与者和政府部门提供更具针对性的决策依据和政策建议。三、广东省银行信贷与房地产价格波动的现状分析3.1广东省银行信贷现状3.1.1银行信贷规模与增长趋势近年来，广东省银行信贷规模呈现出持续增长的态势，在经济发展中扮演着至关重要的角色。从总量数据来看，截至2024年末，广东省银行业各项贷款余额达到28.5万亿元，与2010年的8.5万亿元相比，实现了显著的增长，年均增长率保持在较高水平。这一增长趋势反映了广东省经济的快速发展对资金的旺盛需求，以及银行业对实体经济的有力支持。在2015-2017年期间，随着广东省经济结构的调整和转型升级加速，企业对资金的需求大增，银行信贷规模也随之快速扩张，年均增长率超过15%。然而，银行信贷规模的增长并非一帆风顺，也受到多种因素的影响而呈现出波动变化。宏观经济形势的变化对银行信贷规模有着重要影响。在经济增长较快时期，企业投资意愿强烈，居民消费能力提升，对银行信贷的需求也相应增加，银行信贷规模扩张；反之，在经济增长放缓时期，企业和居民的信贷需求可能会受到抑制，银行信贷规模增长也会相应放缓。2020年，受新冠疫情影响，广东省经济面临较大压力，企业经营困难，居民收入受到冲击，银行信贷规模增长速度有所下降。但随着疫情防控取得成效，经济逐步复苏，银行信贷规模又恢复了较快的增长。政策因素也是影响银行信贷规模的重要变量。政府出台的货币政策、产业政策等会直接影响银行的信贷投放决策。当货币政策宽松时，银行的资金成本降低，信贷投放能力增强，信贷规模会相应扩大；而当货币政策收紧时，银行信贷投放会受到限制，信贷规模增长放缓。政府对特定产业的扶持政策也会引导银行信贷资金流向这些产业，从而影响信贷规模的结构和总量。为了支持制造业转型升级，政府出台了一系列产业政策，鼓励银行加大对制造业企业的信贷支持，这使得制造业贷款在银行信贷中的占比有所提高，也推动了银行信贷规模的增长。3.1.2银行信贷结构在银行信贷结构方面，房地产贷款在广东省银行信贷中占据着重要地位，其占比及变化反映了房地产市场与银行业之间紧密的联系。过去几年，广东省房地产贷款占银行信贷总额的比例虽然在政策调控下有所波动，但整体仍维持在较高水平。截至2024年末，房地产贷款余额达到7.2万亿元，占各项贷款余额的25.3%。这一占比表明房地产行业在广东省经济中具有重要地位，同时也意味着银行信贷对房地产市场的依赖程度较高。从房地产贷款内部结构来看，个人住房贷款和房地产开发贷款是两大主要组成部分。个人住房贷款是购房者实现住房需求的重要资金来源，其占房地产贷款的比例一直较高。2024年，个人住房贷款余额为5.2万亿元，占房地产贷款总额的72.2%。这一高占比反映了居民对住房的刚性需求和改善性需求较为旺盛，同时也表明银行在个人住房贷款领域的投放力度较大。房地产开发贷款则是房地产开发企业进行项目开发的重要资金保障，其占房地产贷款的比例相对较低，但对房地产市场的供给有着关键影响。2024年，房地产开发贷款余额为2万亿元，占房地产贷款总额的27.8%。房地产开发贷款的规模和增长速度会直接影响房地产市场的新楼盘供应数量和开发进度，进而对房地产价格产生影响。近年来，随着房地产市场调控政策的不断加强，房地产贷款占比及内部结构发生了一些变化。为了落实“房住不炒”的定位，政府通过一系列政策措施，如提高首付比例、加强房贷利率调控、严格审查贷款资格等，来抑制房地产市场的投机性需求，稳定房地产市场。这些政策的实施使得房地产贷款占银行信贷总额的比例有所下降。在2021-2022年期间，广东银保监局加强了对房地产领域金融风险的排查和监管，房地产贷款占各项贷款的比重同比下降。同时，个人住房贷款和房地产开发贷款的结构也有所调整。个人住房贷款中，首套房贷款占比有所提高，体现了政策对刚需购房者的支持；房地产开发贷款方面，银行对贷款的审批更加严格，贷款流向更加注重项目的合规性和市场前景，对一些高负债、高风险的房地产开发企业的贷款投放有所减少。3.2广东省房地产价格波动现状3.2.1房地产价格走势广东省房地产价格在过去十几年间呈现出复杂的变化趋势，总体上经历了快速上涨、平稳调整以及受政策影响波动等不同阶段。从数据来看，2010-2015年期间，广东省房地产价格处于稳步上升阶段。2010年，全省商品房平均销售价格为7122元/平方米，到2015年增长至8845元/平方米，年均增长率达到3.9%。这一时期房价上涨的主要原因是广东省经济的快速发展，居民收入水平不断提高，对住房的需求持续增加。随着城市化进程的加速，大量人口涌入城市，进一步推动了房地产市场的需求，促使房价稳步上升。2015-2017年，广东省房地产价格迎来了快速上涨阶段。2017年，全省商品房平均销售价格达到13069元/平方米，较2015年增长了47.8%，年均增长率高达21.7%。这一阶段房价快速上涨的背后，有多方面因素的推动。宽松的货币政策使得银行信贷规模扩张，购房者更容易获得贷款，购房需求被极大地激发。部分地区出现的土地供应紧张，导致房地产开发成本上升，开发商将成本转嫁到房价上，也推动了房价的上涨。一些投资者看到房地产市场的增值潜力，纷纷涌入市场进行投资投机，进一步加剧了市场供需矛盾，促使房价快速攀升。2017-2021年，为了抑制房价过快上涨，落实“房住不炒”的定位，政府出台了一系列严格的房地产调控政策，包括限购、限贷、限售等。这些政策的实施使得广东省房地产价格增速逐渐放缓，进入平稳调整阶段。2021年，全省商品房平均销售价格为15793元/平方米，较2017年增长了20.8%，年均增长率降至4.8%。调控政策有效地遏制了房地产市场的投机性需求，使得市场逐渐回归理性，房价上涨速度得到控制。2021-2024年，受宏观经济环境变化、疫情冲击以及房地产市场自身调整等多重因素的影响，广东省房地产价格出现了一定程度的波动。2022年，全省商品房平均销售价格为15277元/平方米，较2021年有所下降。疫情导致经济活动受限，居民收入受到影响，购房意愿和能力下降；同时，房地产企业面临资金压力，为了回笼资金，部分企业采取降价促销策略，导致房价出现下行压力。随着疫情防控取得成效，经济逐步复苏，以及政府出台的一系列房地产市场支持政策，如降低房贷利率、放宽公积金贷款条件等，2023-2024年房地产价格又呈现出企稳回升的态势。2024年，全省商品房平均销售价格为15881元/平方米，基本恢复到2021年的水平。3.2.2房地产价格波动的影响因素供需因素：从供给方面来看，土地供应是影响房地产市场供给的关键因素。土地供应的规模、节奏和区域分布直接决定了房地产开发的规模和布局。在土地供应紧张的地区，房地产开发项目数量有限，市场上的房源供应相对不足，容易推动房价上涨。一些一线城市和经济发达的二线城市，由于城市发展空间受限，土地资源稀缺，土地出让价格较高，导致房地产开发成本增加，同时新楼盘的供应相对较少，房价往往居高不下。而在土地供应充足的地区，房地产开发项目较多，市场房源丰富，房价上涨压力相对较小。部分三四线城市在城市扩张过程中，土地供应较为充裕，房地产市场的供给相对充足，房价相对较为稳定。房地产开发周期也会对房价产生影响。房地产开发从土地购置、规划设计、施工建设到竣工验收，通常需要较长的时间。如果开发周期过长，市场上的房源不能及时满足需求，就会导致供需失衡，推动房价上涨。在房地产市场需求旺盛时期，一些开发商由于资金、施工等问题导致项目延期交付，市场上可售房源减少，房价可能会因供不应求而上涨。从需求方面来看，人口因素是影响房地产需求的重要因素之一。广东省作为经济强省，吸引了大量的人口流入，这些新增人口带来了巨大的住房需求。2024年，广东省常住人口达到1.27亿人，庞大的人口基数和持续的人口流入，使得住房需求始终保持在较高水平。随着居民生活水平的提高，人们对居住品质的要求也在不断提升，改善性住房需求逐渐增加。许多居民为了追求更好的居住环境、更大的居住空间，会选择更换住房，这也进一步推动了房地产市场的需求。居民收入水平的变化对购房需求也有着重要影响。当居民收入增加时，其购房能力增强，对住房的需求也会相应增加；反之，当居民收入下降时，购房需求可能会受到抑制。在经济发展较好的时期，居民收入增长较快，房地产市场需求旺盛，房价往往会上涨；而在经济衰退时期，居民收入减少，购房需求下降，房价可能会面临下行压力。2.2.政策因素：货币政策对房地产价格有着直接而显著的影响。当货币政策宽松时，银行信贷规模扩张，贷款利率降低，购房者的贷款成本下降，购房需求增加，从而推动房价上涨。央行降低基准利率，银行房贷利率也会随之下降，购房者每月的还款额减少，这会刺激更多的人选择贷款购房，市场需求增加，房价上涨。相反，当货币政策收紧时，银行信贷规模收缩，贷款利率上升，购房成本增加，购房需求受到抑制，房价上涨动力减弱。央行提高存款准备金率，银行可用于放贷的资金减少，信贷规模收缩，房贷利率上升，购房者的贷款难度和成本增加，房地产市场需求下降，房价可能下跌。财政政策也会对房地产市场产生影响。政府通过税收政策来调节房地产市场。对房地产交易征收高额的税费，如契税、增值税、个人所得税等，会增加购房者和投资者的成本，抑制房地产市场的投机性需求，稳定房价。政府对房地产开发企业给予税收优惠或补贴，会降低企业的开发成本，鼓励企业增加房地产开发投资，增加市场房源供应，对房价产生下行压力。政府还可以通过财政支出政策来影响房地产市场。加大对保障性住房的建设投入，增加保障性住房的供应，会分流一部分购房需求，缓解商品房市场的供需矛盾，稳定房价。房地产调控政策是影响房价的重要政策因素。限购政策通过限制购房者的购房资格，减少购房需求，抑制房价过快上涨。一些城市规定非本市户籍居民需要满足一定的社保或纳税年限才能购房，这就限制了部分外地购房者的购房需求，使得房地产市场的需求得到控制，房价上涨速度放缓。限贷政策通过调整首付比例和贷款利率，影响购房者的购房能力和成本。提高首付比例，购房者需要支付更多的首付款，购房门槛提高，部分购房者可能因无法满足首付要求而被挤出市场，从而抑制购房需求；调整贷款利率，直接影响购房者的还款压力，进而影响购房需求和房价。限售政策则通过限制房屋的交易时间，减少市场上的二手房供应，稳定房价。规定新购买的房屋在一定年限内不得上市交易，这就减少了市场上的房源流动性，防止投机者短期内炒作房屋，维护房地产市场的稳定。3.3.经济因素：经济增长对房地产价格有着重要影响。在经济增长较快时期，企业盈利增加，居民收入水平提高，就业机会增多，人们对未来的预期较为乐观，购房需求也会相应增加。企业的发展壮大可能会吸引更多的人才流入，进一步增加住房需求。经济增长还会带动相关产业的发展，如建筑、装修、家电等，这些产业的发展也会促进房地产市场的繁荣，推动房价上涨。在广东省经济快速发展的阶段，房地产市场也呈现出繁荣景象，房价持续上涨。通货膨胀率也会影响房地产价格。当通货膨胀率较高时，货币的实际购买力下降，人们为了保值增值，会倾向于投资房地产等实物资产。房地产具有一定的保值属性，在通货膨胀时期，房价往往会随着物价的上涨而上涨。通货膨胀还会导致建筑材料、劳动力等成本上升，房地产开发成本增加，开发商会将这些成本转嫁到房价上，推动房价上涨。相反，当通货膨胀率较低时，房地产的保值需求相对减弱，房价上涨动力也会相应减弱。利率水平是影响房地产价格的重要经济因素之一。银行贷款利率的变化直接影响购房者的贷款成本和房地产开发企业的融资成本。当贷款利率下降时，购房者的还款压力减小，贷款成本降低，购房需求增加，推动房价上涨；同时，房地产开发企业的融资成本降低，企业的开发利润空间增大，可能会增加房地产开发投资，市场房源供应增加，但在需求旺盛的情况下，房价仍可能上涨。反之，当贷款利率上升时，购房成本增加，购房需求受到抑制，房价上涨动力减弱；房地产开发企业的融资成本上升，企业可能会减少开发投资，市场房源供应减少，但由于需求下降更为明显，房价可能会下跌。利率水平是影响房地产价格的重要经济因素之一。银行贷款利率的变化直接影响购房者的贷款成本和房地产开发企业的融资成本。当贷款利率下降时，购房者的还款压力减小，贷款成本降低，购房需求增加，推动房价上涨；同时，房地产开发企业的融资成本降低，企业的开发利润空间增大，可能会增加房地产开发投资，市场房源供应增加，但在需求旺盛的情况下，房价仍可能上涨。反之，当贷款利率上升时，购房成本增加，购房需求受到抑制，房价上涨动力减弱；房地产开发企业的融资成本上升，企业可能会减少开发投资，市场房源供应减少，但由于需求下降更为明显，房价可能会下跌。3.3银行信贷与房地产价格波动的初步关联分析为了初步探究广东省银行信贷与房地产价格波动之间的关系，我们对收集到的2010-2024年相关数据进行了对比分析，并绘制了相应的图表。从图3-1可以直观地看出，在2010-2017年期间，广东省银行信贷规模与房地产价格呈现出较为明显的同向变动趋势。随着银行信贷规模的不断扩张，房地产价格也持续攀升。2010-2015年，银行信贷规模稳步增长，年均增长率约为12%，同期房地产价格也以年均约4%的速度上涨。2015-2017年，银行信贷规模增长加速，年均增长率达到15%，房地产价格更是迎来了快速上涨阶段，年均增长率高达21.7%。这表明在这一时期，银行信贷的扩张为房地产市场提供了充足的资金支持，刺激了房地产市场的需求，进而推动了房价的上涨。[此处插入银行信贷规模与房地产价格趋势对比图][此处插入银行信贷规模与房地产价格趋势对比图]在2017-2021年，随着房地产市场调控政策的加强，银行信贷规模的增长速度逐渐放缓，房地产价格的上涨速度也相应下降。2017-2021年，银行信贷规模年均增长率降至8%，房地产价格年均增长率降至4.8%。这说明调控政策在抑制银行信贷过度扩张的同时，也有效地遏制了房地产价格的过快上涨，使得两者的增长趋势都趋于平稳。2021-2024年，受宏观经济环境变化、疫情冲击等因素影响，银行信贷规模和房地产价格都出现了一定程度的波动。2022年，疫情导致经济活动受限，银行信贷规模增长速度放缓，房地产价格也出现了下降。2023-2024年，随着疫情防控取得成效，经济逐步复苏，银行信贷规模恢复增长，房地产价格也呈现出企稳回升的态势。通过对两者增长率的进一步分析，我们可以更清晰地看到它们之间的关联。图3-2展示了银行信贷规模增长率与房地产价格增长率的变化情况。可以发现，在大多数年份，两者的增长率变化趋势较为一致。当银行信贷规模增长率上升时，房地产价格增长率也往往随之上升；当银行信贷规模增长率下降时，房地产价格增长率也会相应下降。在2015-2017年银行信贷规模快速增长阶段，房地产价格增长率也达到了较高水平；而在2022年银行信贷规模增长放缓时，房地产价格增长率为负。[此处插入银行信贷规模增长率与房地产价格增长率对比图][此处插入银行信贷规模增长率与房地产价格增长率对比图]从初步关联分析来看，广东省银行信贷与房地产价格波动之间存在着较为紧密的联系，两者在趋势上呈现出一定的协同性。但这种初步分析仅从数据表面进行观察，为了更深入地探究它们之间的动态关系，还需要运用更严谨的计量方法进行实证分析。四、研究设计4.1VAR模型介绍4.1.1VAR模型的基本原理VAR（VectorAutoRegressive）模型即向量自回归模型，是一种常用于多变量时间序列分析的计量经济模型。它由西姆斯（C.A.Sims）于1980年提出，将单变量自回归模型扩展到由多元时间序列变量组成的“向量”自回归模型，通过把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型，用以描述多个变量之间的动态关系。VAR模型的基本假设是各变量都是随机变量，且各变量的当前值不仅依赖于自身过去的值，还依赖于系统中其他变量的过去值。对于一个包含n个变量的时间序列数据，我们可以使用VAR(p)模型来描述这些变量之间的关系，其中p是模型的阶数，表示过去p个时间点的信息对当前变量的影响。其数学模型表达式为：X_t=\sum_{i=1}^pA_iX_{t-i}+\epsilon_t其中，X_t是一个n维向量，表示时间t的观测值，其元素为各个变量在该时刻的取值；A_i是一个n\timesn的矩阵，表示过去i个时间点的信息对当前变量的影响，矩阵中的每一个元素代表了不同变量滞后值对当前变量的影响系数；\epsilon_t是一个n维向量，表示时间t的白噪声，通常假定其为相互同期相关但不与滞后值相关的正态分布随机变量，即满足均值为零、方差为常数的特性，用来反映模型中无法被解释的随机波动部分。与传统的单方程回归模型相比，VAR模型具有显著的优势。它不需要对变量进行内生性和外生性的严格区分，避免了因主观设定变量性质而可能导致的模型偏差，能够更加客观地反映变量之间的相互关系。在研究银行信贷与房地产价格波动关系时，传统模型可能需要事先确定银行信贷是外生变量，房地产价格是内生变量，但在实际经济运行中，两者相互影响，难以简单区分。而VAR模型可以同时考虑银行信贷和房地产价格的相互作用，将它们都视为内生变量进行分析。VAR模型能够捕捉到变量之间的动态关系，包括变量之间的即时影响和滞后影响，全面地反映系统的动态特征。通过分析不同滞后阶数下变量之间的关系，我们可以了解到银行信贷的变化如何在不同时间点对房地产价格产生影响，以及房地产价格的波动又如何反作用于银行信贷，为深入研究两者关系提供更丰富的信息。4.1.2VAR模型的设定与估计在运用VAR模型进行分析时，合理的模型设定至关重要。首先，需要确定纳入模型的变量。在研究广东省银行信贷与房地产价格波动关系时，核心变量为银行信贷相关指标和房地产价格指标。银行信贷指标选取房地产开发贷款余额（CRE）、个人住房贷款余额（MHL），这两个指标分别从房地产开发企业和购房者角度反映银行信贷规模，对房地产市场的供需和价格有着直接影响。房地产价格指标选取新建商品房平均销售价格（HP），能直观反映房地产价格水平的变化。为了控制其他因素对银行信贷与房地产价格关系的干扰，还纳入地区生产总值（GDP）、通货膨胀率（CPI）、一年期贷款市场报价利率（LPR）作为控制变量。地区生产总值反映了广东省的经济总体发展水平，经济增长会影响房地产市场的供需和银行信贷需求；通货膨胀率会影响居民的购买力和资产价格；一年期贷款市场报价利率是银行信贷的重要价格指标，直接影响房地产开发企业和购房者的融资成本。确定变量后，要对时间序列数据进行预处理，包括数据的清洗、去噪以及平稳性检验。平稳性是时间序列分析的重要前提，若数据不平稳，可能会导致伪回归问题，使模型结果出现偏差。常用的平稳性检验方法为ADF（AugmentedDickey-Fuller）检验，通过检验时间序列的自回归模型中的单位根是否存在来判断平稳性。原假设为时间序列存在单位根，即非平稳；备择假设为时间序列不存在单位根，即平稳。若检验结果显著（p值小于设定的显著性水平，如0.05），则拒绝原假设，说明序列是平稳的；反之，则接受原假设，认为序列非平稳。对于非平稳序列，可通过差分等方法使其平稳化。模型阶数p的选择也十分关键，它决定了模型对变量滞后信息的利用程度。若阶数过低，模型可能无法充分捕捉变量之间的动态关系；若阶数过高，会增加模型的复杂度，导致参数估计不准确，还可能出现过拟合问题。通常采用信息准则来确定最优滞后阶数，常用的信息准则有赤池信息准则（AIC）、贝叶斯信息准则（BIC）和施瓦茨准则（SC）等。这些准则综合考虑了模型的拟合优度和参数数量，通过比较不同阶数下信息准则的值，选择使信息准则值最小的阶数作为最优滞后阶数。在实际操作中，可先设定一个最大滞后阶数，然后计算不同阶数下的信息准则值，进行比较和选择。在完成变量选择、数据预处理和滞后阶数确定后，就可以对VAR模型进行估计。常用的估计方法为最小二乘法（OLS），通过最小化残差平方和来估计模型中的参数矩阵A_i。具体步骤为：首先计算样本自相关矩阵R_X，它反映了变量自身不同时刻取值之间的相关性；接着计算样本lagp自相关矩阵R_{X,p}，体现了变量在滞后p期的自相关情况；然后计算样本白噪声矩阵R_{\epsilon}；再根据这些矩阵计算参数矩阵估计值\hat{A}_i；最后计算残差矩阵\hat{\epsilon}_t，并使用Jarque-Bera测试或Ljung-Box测试等方法检验残差矩阵是否为白噪声。若残差矩阵为白噪声，说明模型对数据的拟合较好，参数估计有意义；若残差存在自相关等问题，则需要对模型进行调整，如重新选择滞后阶数、添加变量或对数据进行进一步处理等。4.2变量选取与数据来源4.2.1变量选取为了深入研究广东省银行信贷与房地产价格波动之间的关系，我们精心选取了一系列具有代表性的变量，涵盖银行信贷、房地产价格以及宏观经济等多个关键领域。银行信贷相关变量：房地产开发贷款余额（CRE）：作为房地产开发企业获取外部资金的关键来源，房地产开发贷款余额直接反映了银行对房地产开发环节的资金支持力度。当该余额增加时，意味着开发商可用于土地购置、项目建设等方面的资金增多，能够推动房地产项目的顺利开展，增加市场上的房源供应。如果房地产开发贷款余额持续上升，开发商有足够的资金购置更多土地、加大建设投入，从而使新建楼盘数量增加。但在市场需求不变或增长缓慢的情况下，房源供应的增加可能会对房价产生下行压力；反之，若贷款余额减少，开发商资金受限，项目进度可能受阻，房源供应减少，房价可能因供不应求而上涨。个人住房贷款余额（MHL）：个人住房贷款余额体现了购房者通过银行贷款实现住房需求的资金规模，是影响房地产市场需求的重要因素。随着个人住房贷款余额的增长，更多的购房者能够凭借贷款进入市场，有效刺激了房地产市场的需求。在供给相对稳定的情况下，需求的增加往往会推动房价上涨。当个人住房贷款政策放宽，贷款余额大幅增长时，大量购房者涌入市场，对房屋的需求急剧上升，房价会随之上涨；相反，若个人住房贷款政策收紧，贷款余额减少，购房需求受到抑制，房价上涨动力减弱。房地产价格变量：新建商品房平均销售价格（HP）：新建商品房平均销售价格直观地反映了房地产市场的价格水平，是衡量房地产价格波动的核心指标。其变动受到多种因素的综合影响，包括市场供需关系、宏观经济形势、政策调控等。当市场需求旺盛，而新建商品房供应相对不足时，新建商品房平均销售价格往往会上涨；反之，若市场供过于求，价格则可能下跌。宏观经济形势向好、居民收入增加、银行信贷宽松等因素也会推动新建商品房平均销售价格上升；而经济衰退、政策收紧等则可能导致价格下降。控制变量：地区生产总值（GDP）：地区生产总值代表了广东省的总体经济发展水平，对房地产市场和银行信贷有着深远的影响。经济增长通常会带来居民收入的提高，增强居民的购房能力，从而增加对房地产的需求，推动房价上涨。经济增长也会促使企业扩大投资，包括对商业地产的需求增加，进一步带动房地产市场的发展。随着广东省GDP的持续增长，居民收入稳步提高，购房需求不断增加，房地产市场呈现出繁荣景象，房价也随之上涨。银行信贷规模也会随着经济增长而扩张，因为企业和居民在经济发展过程中对资金的需求增加，银行会相应增加信贷投放以满足需求。通货膨胀率（CPI）：通货膨胀率反映了物价水平的变化，对房地产价格和银行信贷有着重要的影响。在通货膨胀时期，物价普遍上涨，房地产作为一种保值增值的资产，往往会受到投资者的青睐，需求增加，从而推动房价上涨。通货膨胀还会导致建筑材料、劳动力等成本上升，房地产开发成本增加，开发商会将这些成本转嫁到房价上，进一步推动房价上涨。通货膨胀也会影响银行信贷政策，银行可能会调整贷款利率以应对通货膨胀带来的风险，从而影响房地产市场的资金成本和需求。当通货膨胀率较高时，银行可能会提高贷款利率，购房者的还款压力增大，购房需求可能会受到抑制，房价上涨动力减弱。一年期贷款市场报价利率（LPR）：一年期贷款市场报价利率是银行信贷的重要价格指标，直接决定了房地产开发企业和购房者的融资成本。当LPR下降时，房地产开发企业的贷款利息支出减少，融资成本降低，企业的开发利润空间增大，可能会增加房地产开发投资，市场房源供应增加；同时，购房者的还款压力减小，贷款成本降低，购房需求增加，在需求旺盛的情况下，房价可能上涨。反之，当LPR上升时，房地产开发企业和购房者的融资成本增加，企业可能会减少开发投资，购房者的购房需求受到抑制，房价上涨动力减弱。若LPR下调，房地产开发企业贷款成本降低，可能会加大项目开发力度，市场上的房源供应增加；购房者因贷款成本降低，购房意愿增强，需求增加，房价可能上涨。4.2.2数据来源本研究的数据来源广泛且权威，主要包括以下几个方面：政府部门网站：广东省统计局官网是获取地区生产总值（GDP）、通货膨胀率（CPI）等宏观经济数据以及部分房地产相关数据的重要渠道。广东省统计局通过科学的统计方法和严格的数据收集流程，对全省的经济、社会等各方面数据进行统计和整理，其发布的数据具有较高的准确性和权威性。从该网站可以获取到历年详细的GDP数据，包括各产业的增加值、增长速度等信息，为分析广东省经济发展对银行信贷与房地产价格关系的影响提供了有力支持。还能获取到CPI数据，了解物价水平的变化趋势，分析通货膨胀对房地产市场的影响。金融机构：中国人民银行广州分行提供了银行信贷相关数据，如房地产开发贷款余额（CRE）、个人住房贷款余额（MHL）以及一年期贷款市场报价利率（LPR）等。这些数据是金融机构在日常业务运营中积累和统计的，真实反映了银行信贷市场的情况。通过中国人民银行广州分行的数据，可以准确了解广东省银行信贷规模的变化、信贷结构的调整以及利率政策的实施情况，为研究银行信贷对房地产价格的影响提供了关键数据支持。房地产市场研究机构：如中指研究院、易居研究院等专业房地产市场研究机构，它们通过对房地产市场的深入调研和分析，发布了大量关于房地产价格的数据和研究报告。这些机构采用专业的调研方法和数据分析模型，对新建商品房平均销售价格（HP）等房地产价格数据进行收集和分析，其数据具有较高的参考价值。从这些机构的报告中，可以获取到广东省不同城市、不同区域的新建商品房价格走势、价格波动幅度等详细信息，为研究房地产价格波动的特征和规律提供了丰富的数据资源。其他渠道：为了确保数据的完整性和准确性，还参考了相关的学术文献、行业报告以及新闻资讯等。学术文献中对银行信贷与房地产价格关系的研究往往会涉及到一些数据和案例，这些可以为本研究提供参考和借鉴。行业报告通常会对房地产市场和银行信贷市场的最新动态进行分析和总结，从中可以获取到一些最新的数据和趋势信息。新闻资讯则可以及时反映市场的热点问题和政策变化，帮助我们更好地理解数据背后的经济现象和政策背景。在获取数据后，我们对数据进行了严格的处理和筛选。对数据进行清洗，去除异常值和错误数据，确保数据的质量。通过对比不同来源的数据，对存在差异的数据进行核实和修正，保证数据的一致性。还对数据进行了标准化和归一化处理，以便于后续的计量分析。经过数据处理，我们构建了一个涵盖2010-2024年的时间序列数据集，为深入研究广东省银行信贷与房地产价格波动关系提供了坚实的数据基础。4.3模型构建与检验4.3.1数据平稳性检验在构建VAR模型之前，必须对选取的时间序列数据进行平稳性检验，因为只有平稳的时间序列数据才能有效避免伪回归问题，确保模型估计结果的准确性和可靠性。本文采用ADF（AugmentedDickey-Fuller）检验方法对房地产开发贷款余额（CRE）、个人住房贷款余额（MHL）、新建商品房平均销售价格（HP）、地区生产总值（GDP）、通货膨胀率（CPI）、一年期贷款市场报价利率（LPR）这六个变量进行平稳性检验。ADF检验基于如下回归方程：\DeltaY_t=\alpha+\betat+\gammaY_{t-1}+\sum_{i=1}^p\delta_i\DeltaY_{t-i}+\epsilon_t其中，\DeltaY_t表示变量Y在t期的一阶差分；\alpha为常数项；\beta为时间趋势项系数；t为时间趋势；\gamma为待检验系数，用于判断单位根是否存在；\DeltaY_{t-i}为变量Y的i阶滞后差分；\delta_i为相应的滞后差分系数；\epsilon_t为白噪声误差项。原假设H_0：\gamma=0，即序列存在单位根，是非平稳的；备择假设H_1：\gamma\neq0，即序列不存在单位根，是平稳的。若ADF检验统计量小于相应显著性水平下的临界值，或p值小于设定的显著性水平（通常取0.05），则拒绝原假设，认为序列是平稳的；反之，则接受原假设，认为序列非平稳。利用EViews软件对各变量进行ADF检验，检验结果如表4-1所示：变量ADF检验统计量1%临界值5%临界值10%临界值p值结论CRE-1.865-4.800-3.792-3.3420.436非平稳\DeltaCRE-5.348-4.887-3.829-3.3630.002平稳MHL-2.156-4.800-3.792-3.3420.294非平稳\DeltaMHL-6.012-4.887-3.829-3.3630.000平稳HP-1.684-4.800-3.792-3.3420.537非平稳\DeltaHP-5.893-4.887-3.829-3.3630.000平稳GDP-1.456-4.800-3.792-3.3420.674非平稳\DeltaGDP-4.965-4.887-3.829-3.3630.011平稳CPI-2.347-4.800-3.792-3.3420.207非平稳\DeltaCPI-5.567-4.887-3.829-3.3630.001平稳LPR-1.987-4.800-3.792-3.3420.365非平稳\DeltaLPR-4.567-4.887-3.829-3.3630.034平稳从表4-1可以看出，原始序列CRE、MHL、HP、GDP、CPI、LPR的ADF检验统计量均大于相应显著性水平下的临界值，p值均大于0.05，因此不能拒绝原假设，这些原始序列是非平稳的。而经过一阶差分后，\DeltaCRE、\DeltaMHL、\DeltaHP、\DeltaGDP、\DeltaCPI、\DeltaLPR的ADF检验统计量均小于相应显著性水平下的临界值，p值均小于0.05，可以拒绝原假设，表明这些一阶差分序列是平稳的。所以，这六个变量均为一阶单整序列，即I(1)序列，满足进行协整检验的条件。4.3.2协整检验由于各变量均为一阶单整序列，接下来采用Johansen协整检验方法来检验变量之间是否存在长期稳定的均衡关系。Johansen协整检验基于VAR模型，通过构建迹统计量（TraceStatistic）和最大特征值统计量（Max-EigenStatistic）来判断协整关系的存在性和协整向量的个数。对于一个VAR(p)模型，其协整检验的原假设H_0：协整向量的个数为r；备择假设H_1：协整向量的个数大于r。迹统计量和最大特征值统计量的计算公式如下：\text{TraceStatistic}=-T\sum_{i=r+1}^n\ln(1-\lambda_i)\text{Max-EigenStatistic}=-T\ln(1-\lambda_{r+1})其中，T为样本容量；\lambda_i为从大到小排列的特征值；n为变量个数；r为假设的协整向量个数。在进行Johansen协整检验时，首先要确定VAR模型的滞后阶数。根据前文提到的赤池信息准则（AIC）、贝叶斯信息准则（BIC）和施瓦茨准则（SC），选择使这些信息准则值最小的滞后阶数。经过计算，确定VAR模型的最优滞后阶数为2。在此基础上，进行Johansen协整检验，检验结果如表4-2所示：假设的协整向量个数特征值迹统计量5%临界值p值最大特征值统计量5%临界值p值r=0**0.897168.56795.7540.00078.65440.0770.000r\leq1**0.76589.91369.8190.00142.34533.8770.003r\leq2**0.54347.56847.8560.05226.78927.5840.061r\leq30.32120.77929.7970.37412.34521.1320.512r\leq40.1878.43415.4950.4236.23414.2650.547r\leq50.0682.2003.8410.1382.2003.8410.138注：**表示在5%的显著性水平下拒绝原假设。从表4-2的迹统计量检验结果来看，在5%的显著性水平下，当假设协整向量个数r=0时，迹统计量168.567大于5%临界值95.754，p值为0.000，拒绝原假设，表明至少存在1个协整向量；当假设协整向量个数r\leq1时，迹统计量89.913大于5%临界值69.819，p值为0.001，拒绝原假设，表明至少存在2个协整向量；当假设协整向量个数r\leq2时，迹统计量47.568略小于5%临界值47.856，p值为0.052，接近0.05，在一定程度上可以认为存在2个协整向量。从最大特征值统计量检验结果来看，当假设协整向量个数r=0时，最大特征值统计量78.654大于5%临界值40.077，p值为0.000，拒绝原假设，表明至少存在1个协整向量；当假设协整向量个数r\leq1时，最大特征值统计量42.345大于5%临界值33.877，p值为0.003，拒绝原假设，表明至少存在2个协整向量；当假设协整向量个数r\leq2时，最大特征值统计量26.789小于5%临界值27.584，p值为0.061，接受原假设，认为存在2个协整向量。综合迹统计量和最大特征值统计量的检验结果，可以得出在5%的显著性水平下，房地产开发贷款余额（CRE）、个人住房贷款余额（MHL）、新建商品房平均销售价格（HP）、地区生产总值（GDP）、通货膨胀率（CPI）、一年期贷款市场报价利率（LPR）这六个变量之间存在2个协整向量，即它们之间存在长期稳定的均衡关系。这意味着银行信贷、房地产价格与宏观经济变量之间存在着长期的相互影响和制约关系，为进一步构建VAR模型分析它们之间的动态关系提供了理论依据。4.3.3VAR模型的建立与稳定性检验在确定各变量之间存在协整关系后，我们可以构建VAR模型来分析它们之间的动态关系。根据前面确定的最优滞后阶数2，构建VAR(2)模型，其表达式为：\begin{pmatrix}\DeltaCRE_t\\\DeltaMHL_t\\\DeltaHP_t\\\DeltaGDP_t\\\DeltaCPI_t\\\DeltaLPR_t\end{pmatrix}=\begin{pmatrix}c_1\\c_2\\c_3\\c_4\\c_5\\c_6\end{pmatrix}+\begin{pmatrix}a_{11,1}&a_{12,1}&a_{13,1}&a_{14,1}&a_{15,1}&a_{16,1}\\a_{21,1}&a_{22,1}&a_{23,1}&a_{24,1}&a_{25,1}&a_{26,1}\\a_{31,1}&a_{32,1}&a_{33,1}&a_{34,1}&a_{35,1}&a_{36,1}\\a_{41,1}&a_{42,1}&a_{43,1}&a_{44,1}&a_{45,1}&a_{46,1}\\a_{51,1}&a_{52,1}&a_{53,1}&a_{54,1}&a_{55,1}&a_{56,1}\\a_{61,1}&a_{62,1}&a_{63,1}&a_{64,1}&a_{65,1}&a_{66,1}\end{pmatrix}\begin{pmatrix}\DeltaCRE_{t-1}\\\DeltaMHL_{t-1}\\\DeltaHP_{t-1}\\\DeltaGDP_{t-1}\\\DeltaCPI_{t-1}\\\DeltaLPR_{t-1}\end{pmatrix}+\begin{pmatrix}a_{11,2}&a_{12,2}&a_{13,2}&a_{14,2}&a_{15,2}&a_{16,2}\\a_{21,2}&a_{22,2}&a_{23,2}&a_{24,2}&a_{25,2}&a_{26,2}\\a_{31,2}&a_{32,2}&a_{33,2}&a_{34,2}&a_{35,2}&a_{36,2}\\a_{41,2}&a_{42,2}&a_{43,2}&a_{44,2}&a_{45,2}&a_{46,2}\\a_{51,2}&a_{52,2}&a_{53,2}&a_{54,2}&a_{55,2}&a_{56,2}\\a_{61,2}&a_{62,2}&a_{63,2}&a_{64,2}&a_{65,2}&a_{66,2}\end{pmatrix}\begin{pmatrix}\DeltaCRE_{t-2}\\\DeltaMH