《南京市房地产开发投资与GDP互动关系.pdf》由会员分享，可在线阅读，更多相关《南京市房地产开发投资与GDP互动关系.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 南京市房地产开发投资与南京市房地产开发投资与 GDP 互动关系互动关系 钟远1 李启明2（东南大学建设与房地产系，南京 210096）摘摘 要：要：本文利用 Granger 因果检验、脉冲响应函数以及方差分解等计量经济学工具，以南京市 1990 到 2004 年的房地产开发投资、GDP 作为研究对象，揭示了南京市房地产开发投资和 GDP之间的互动关系。研究结果表明，南京市房地产开发投资对 GDP 有较大影响，但是房地产开发投资缺乏稳定性，而且两者之间没有显著的因果关系，说明南京市房地产市场发展不够成熟。关键词：关键词：房地产开发投资;GDP;Granger 因果检验;脉冲响应函数;方差分解
2、Relationship between rael estate development investment and GDP in Nanjing ZHONG Yuan1 LI Qi-Ming2(Department of Construction Management&Real Estate,Southeast University,NanJing 210096)Abstract:This paper uses econometrics tools including Granger causality test、impulse response function and variance
3、 decomposition to research the relationship between real estate development investment and GDP in Nanjing during 1990-2004.It reveals that the real estate development impacts GDP obviously,however the real estate development investment is lack of stability,and there is no evident causality relations
4、hip between real estate development investment and GDP,which indicates that Nanjing real estate market is still not mature.key words:real estate development investment;GDP;Granger causality test;impulse response function;variance decomposition 南京市房地产业随着南京房改而蓬勃发展，从 1990 年到现在，南京市房地产业在国民经济中的地位逐步提升。2004
5、 年南京市房地产开发投资占全市国内生产总值的 15.33，已经成为对全市经济贡献很大的支柱产业。房地产业与国民经济各行业之间存在千丝万缕的联系，房地产行业的发展会直接影响到整个国民经济的发展，因此如何实现房地产行业和宏观经济之间的良性互动日益收到关注，其中涉及的重要问题就是房地产开发投资和 GDP 之间的互动关系。本文利用 Granger 因果检验、脉冲响应函数和方差分解等工具，对南京房地产开发投资和 GDP 之间的互动关系进行实证研究。作者简介：钟远.1984.男.硕士研究生.导师：李启明 E-mail: 1、方法理论、方法理论 1.1 Granger 因果检验因果检验 Granger 首先
6、提出因果关系的计量经济学定义：如果 x 能用于估计另一个变量 y，就可以认为 x 可以 Granger 引起 y。对于变量 x 和 y 之间不存在协整关系，直接使用向量自回归模型（VAR）检验 Granger 因果关系；如果两者之间存在协整关系，则要使用向量误差修正模型（VEC）来检验两者之间的 Granger 因果关系。当检验结果对滞后长度具有较低的敏感性时，所得的关于Granger因果检验的结论才有较高的可信度，所以检验时一般需要选择不同的滞后阶数进行检验，以考察结果的敏感性。1.2 脉冲响应函数（脉冲响应函数（IRF：Impulse Response Function）在向量自回归模型中
7、，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 时刻以后的各变量产生一串连锁变动效应。脉冲响应函数可以描述系统对于单位冲击的动态反应，判断变量之间存在的互动关系。脉冲响应因数(IRF)用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响。考虑下面的两变量 VAR(1)模型：tPtttM,1112111P+(1)ttttMPM,2122121+=(2)模型中随机扰动项称为新息(Innovation)如果t,1发生变化，不仅当前的 P 值立即改变，而且还会通过当前的 P 值影响到变量 P 和M 其它时点的取值。脉冲响应函数试图描述这些影响的轨迹 显示任意一个变量的扰
8、动如何通过模型影响所有其他变量，最终又反馈到自身的过程。如果新息是相关的，它们将包含一个不与其特定变量相联系的共同成分。通常，将共同成分的效应归属于 VAR 系统中第一个出现(依照方程顺序)的变量。这里，t,1和t,2的共同成分都归于t,1。所以，改变 VAR 模型中方程的顺序可能会导致脉冲响应函数的很大不同。如果变量之间存在着协整关系，应当使用 VEC 模型来进行脉冲响应分析。1.3 方差分解方差分解 方差分解是将系统的预测均方差分解成系统中各变量冲击所做的贡献。VAR 模型中任意一个内生变量的预测均方误差可以分解成系统中各变量的随机冲击所做的贡献，计算出每个变量冲击的相对重要性。通过比较不
9、同变量贡献百分比的大小，就可以估计出各变量效应的大小；根据贡献百分比随时间的变化，可以确定一个变量对另一个变量的作用时滞。2、实证研究、实证研究 2.1 基础数据基础数据 本文选取的是南京市 19902004 年的房地产开发投资（REINV）和国内生产总值（GDP）作为基础数据，同时采用居民消费指数（CPI）对两者进行修正，修正以后取自然对数，得到指标走势如图 1 所示：012345678199019911992199319941995199619971998199920002001200220032004GDPREINV图 1 19902004 年南京 REINV 与 GDP 走势图 注：G
10、DP、REINV、CPI 原始数据来源于历年南京市统计年鉴 2.2 单整及协整检验单整及协整检验 单整检验运用 ADF 检验，根据 AIC 和 SC最小判定准则，具体过程如下，首对 GDP 二阶差分后方可通过单整检验，根据 AIC 和 SC 最小判定准则，选取时滞为 2。此时的结果摘取如表1：表表 1 GDP 二阶差分检验结果二阶差分检验结果 ADF Test Statistic-3.486253 1%Critical Value-2.8622 AIC-3.880982 SC-3.790207由表 1 知，AIC 和 SC 值较小，结果较 为可信，ADF 检验值小于 1水平临界值，因此可以在
11、99置信水平下认为二阶差分后的 GDP没有单位根，为平稳序列，说明 GDP 是二阶单整，即 I(2)。再对 REINV 进行检验，同样发现其二阶差分后方可通过检验，时滞为 2。表表 2 REINV 二阶差分的二阶差分的 ADF 检验结果检验结果 ADF Test Statistic-1.959804 10%Critical Value-1.6337 AIC 0.023430 SC 0.114206 由表 2 知，可以在 90置信水平下认为二阶差分后的 REINV 为平稳序列，REINV 同样是二阶单整，即 I(2)。由于 GDP 和 REINV 均为二阶单整序列，因此可以考察两者是否协整，本文
12、采用的是 EG检验方法。利用 OLS 方法估计后得到残差，再进行单位根检验，得到的结果如下：表表 3 GDP 和和 REINV 最小二乘法残差检验结果最小二乘法残差检验结果 T 检验值大于 10水平临界值，残差项无法通过检验，因此在 90置信水平下不能认为两者之间存在协整关系。2.3 VAR 模型的建立模型的建立 因为 lnGDP 和 lnREINV 之间不存在协整关系，因此选择建立 VAR 模型。根据 AIC、SC 最小准则得到，当时滞为 3 时，模型的 AIC 值为-6.439942，SC 值-5.874217，为各时滞中最小。此时得到的 VAR 模型系数结果如表 4 示：由表 4 可见，
13、两个方程的决定系数 R2都很大，方程的拟合精度很高。2.4 REINV 与与 GDP 的脉冲响应函数的脉冲响应函数 以建立的 VAR 模型为基础，进行 GDP 和REINV 的脉冲响应函数分析，得到的结果如图 2示：-0.0 4-0.0 3-0.0 2-0.0 10.0 00.0 10.0 212345678 9 1 0 1 1 1 2 1 31 41 5G D P R E IN V R e s p o n s e o f G D P to O n e S.D.-0.0 6-0.0 4-0.0 20.0 00.0 20.0 40.0 612345678 9 1 0 1 1 1 2 1 31 4
14、1 5G D P R E IN V R e s p o n s e o f R E IN V to O n e S.D.图 2 GDP 和 REINV 脉冲响应图 GDPt-1 GDPt-2 GDPt-3 REINVt-1REINVt-2REINVt-3C Adj R2 GDPt 0.843074 0.283473 0.229652-0.122694-0.0471570.002603-1.352054 0.997500 REINVt 4.841633-6.448492 1.7781560.7803940.483206-0.393549-0.776933 0.977365 EG Test Sta
15、tistic-1.963524 10%Critical Value-3.4518 AIC-2.513560 SC-2.368871 表表 4 VAR 模型结果模型结果 图 2 分别是 GDP 和 REINV 对一个标准新生信息的脉冲响应。图中显示，GDP对本身的标准新生信息的脉冲响应比较平稳，在第二年达到最大 0.013，然后在第三年达到最小0.0097，其后变化趋势十分缓慢，保持在 0.011左右。GDP 对 REINV 标准新生信息的脉冲响应最初几乎没有反应，然后逐渐开始下降，到第七年达到-0.033，随后变化比较平稳，维持在-0.033左右。REINV 对 GDP 的标准新生信息的脉冲响
16、应在初始时最小-0.019，第二年达到最 大 0.05，第三年迅速减小，为 0.009，其后 在 0.025 左右波动。REINV 对自身的标准新生信息的脉冲响应在初始时最大 0.057，其后一直下降，到第 8 年降到-0.074，其后一直在其附近小幅波动。通过以上系统对房地产开发投资和 GDP 新生信息的脉冲响应分别进行的分析，可以得到两点基本结论：一是从其幅度来看，南京市房地产开发投资对标准新生信息的脉冲影响要大于GDP 对标准新生信息的脉冲影响；二是从两者之间的相互影响来看，房地产开发投资对 GDP标准新生信息的脉冲影响波动要远大于 GDP 对REINV 标准新生信息的影响。说明南京市房
17、地产开发投资的走向对于 GDP 的变化更加敏感，受GDP的影响要大于GDP受房地产开发投资的影响。2.5 REINV 与与 GDP 的预测均方误差分解的预测均方误差分解 由于预测均方误差分解对变量的顺序比较敏感，因此分别变换 GDP 和 REINV 的顺序，利用 2.3 中的 VAR 模型进行两者的预 测均方误差分解。最后得到的结果表 5 所示：由表 5 可见，按照先 GDP 后 REINV 的顺序进行GDP 的预测均方误差分解，从第 10 年贡献率趋于平稳，到第 13 年时 GDP 贡献率只有 25.13，REINV 的贡献率达到 74.87；REINV 的预测均方差误差分解中，GDP 的贡
18、献达到 24.64，REINV 的贡献率达到 75.36；按照先 REINV后 GDP 的顺序进行 GDP 的预测均方误差分解，GDP 的贡献率更低，只有 5.9，而 REINV 的贡献率高达 94.1；对 REINV 进行分解，GDP GDP2REINV REINV2GDP GDP（）REINV（）GDP（）REINV（）T GDP REINV GDP REINV GDP REINV GDP REINV 1 100.0000 0.000000 9.646307 90.35369 90.35369 9.646307 0.000000 100.00002 88.05671 11.94329 35
19、.26401 64.73599 67.07776 32.92224 46.60980 53.390203 65.10263 34.89737 32.75175 67.24825 42.60214 57.39786 45.51473 54.485274 49.12490 50.87510 36.63363 63.36637 26.94569 73.05431 47.85667 52.143335 39.82944 60.17056 37.61176 62.38824 18.51242 81.48758 45.67966 54.320346 33.94094 66.05906 36.45265 6
20、3.54735 13.65523 86.34477 38.90669 61.093317 30.30508 69.69492 32.73125 67.26875 10.77469 89.22531 31.81842 68.181588 28.19252 71.80748 29.70999 70.29001 9.021611 90.97839 25.98127 74.018739 26.91786 73.08214 27.47373 72.52627 7.894827 92.10517 21.90180 78.0982010 26.13951 73.86049 26.11387 73.88613
21、 7.137207 92.86279 19.03069 80.9693111 25.65888 74.34112 25.27496 74.72504 6.606061 93.39394 16.99690 83.0031012 25.35202 74.64798 24.85361 75.14639 6.214972 93.78503 15.49886 84.5011413 25.13237 74.86763 24.64044 75.35956 5.907105 94.09289 14.33550 85.66450表表 5 GDP、REINV 的预测均方误差分解结果的预测均方误差分解结果 的贡献率
22、为 14.34，REINV 的贡献率达到 85.66。由以上的结果可以看出，南京市房地产开发投资对于 GDP 和自身的预测方差贡献远大于 GDP 的贡献，这说明南京市房地产开发投资相对于 GDP 而言更缺乏稳定性，同时它对于 GDP 的影响也较为显著。由此可见，南京市房地产市场目前不够成熟，但是从规模来看，在相对较短的时期内发展得十分壮大，已经能够非常显著地影响国民经济的发展，因此，对房地产行业必须紧密关 注，促使其稳定、健康地发展，逐步走向成熟,对国民经济作出稳定贡献。2.6 REINV 与与 GDP 的的 Granger 因果检验因果检验 利用 VAR 模型对 REINV 和 GDP 进行
23、Granger 因果检验，得到的结果如表 6 示：表表 6 GDP 和和 REINV 的的 Granger 因果检验结果因果检验结果 表 6 的结果表明，在滞后阶数为 1 时，在 95的显著水平下可以认为 GDP 不是REINV 的 Granger 成因，而 REINV 也不是GDP 的 Granger 成因；滞后阶数为 2 时，在99显著水平下可以认为GDP是REINV的Granger 成因，REINV 也是 GDP 的 Granger成因；滞后阶数为 3 时，在 95置信水平下 可以认为 GDP 是 REINV 的 Granger 成因，而 REINV 不是 GDP 的 Granger 成
24、因。由此可见，滞后阶数对于检验结果来说是敏感因素，因此不能认为对这两者的 Granger检验有较高的可信度，两者之间没有显著的Granger 因果关系。分析结果说明房地产开发投资和 GDP 之间的并没有呈现出显著的因果关系，房地产开发投资受许多因素的影响，宏观经济环境并没有成为其中的主导因素。随着南京房地产市场的进一步成熟，这种关系应该会逐渐呈现出来。3、小、小 结结 本文通过建立 VAR 模型对南京房地产开发投资和 GDP 的互动关系进行了脉冲响应分析、预测均方误差分析和 Granger 因果检验分析，揭示了房地产开发投资和 GDP之间的关系。从脉冲响应分析的结果可以看出南京市房地产开发投资
25、的稳定性较差，而GDP 则相对稳定，结合方差分析结果，可以得到如下结论：房地产开发投资的不稳定对GDP 波动的贡献相当大，而加强房地产开发投资稳定性的根本途径在于促进房地产市场的进一步成熟。在 Granger 因果检验中同样反映出这个问题，市场的不成熟导致本来应该与宏观经济高度相关的房地产开发投资却与 GDP 之间不存在任何 Granger 因果关系。当然，由于南京市的房地产市场本身发展时间不长，统计年份比较短，初期的一些数据不一定准确，使模型的准确性降低。由图 1 我们可以看出，从 95 年以后 REINV 和GDP 的趋势吻合程度很高，随着市场的趋于成熟和年份的增加，这种趋势会更加明显。参
26、考文献：参考文献：1沈悦，刘洪玉.中国房地产开发投资与 GDP 的互动关系J.清华大学学报，2004.9 2Pesaran H H,Shin Y.Generalized impulse response analysis in linear multivariate modelsJ.Economics Letters,1998,58(1)3JamesDH.TimeSeriesAnalysisM.Princeton:Princeton University Press,1994 4王文博.计量经济学M.西安：西安交通大学出版社，2004接受零假设的概率 Null Hypothesis LAG1 LAG2 LAG3REINV does not Granger Cause GDP 0.16385 1.3E-05 0.09564GDP does not Granger Cause REINV 0.08371 0.00015 0.00185