陳 鵬， 王 聰

中國(guó)房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)效應(yīng)及其宏觀影響因素

陳 鵬， 王 聰

通過(guò)構(gòu)建貝葉斯?jié)撛趧?dòng)態(tài)多因子模型來(lái)估算影響中國(guó)房?jī)r(jià)波動(dòng)的動(dòng)態(tài)多因子，考察中國(guó)大中城市房?jī)r(jià)波動(dòng)的全國(guó)和區(qū)域聯(lián)動(dòng)效應(yīng)，發(fā)現(xiàn)全國(guó)共同因子較好地刻畫(huà)了2000—2014年間中國(guó)房?jī)r(jià)波動(dòng)的動(dòng)態(tài)特征。方差分解結(jié)果表明，中國(guó)房?jī)r(jià)波動(dòng)很大程度取決于全國(guó)共同因子，這表明中國(guó)大中城市房?jī)r(jià)波動(dòng)存在較強(qiáng)的聯(lián)動(dòng)效應(yīng)；房?jī)r(jià)波動(dòng)也存在一定程度的區(qū)域聯(lián)動(dòng)，而且區(qū)域因子對(duì)一線城市的影響要明顯大于二線城市；特定的城市異質(zhì)性因子對(duì)該城市房?jī)r(jià)波動(dòng)的影響存在明顯差異；不同因子對(duì)東部與中、西部城市，一線與二線城市的房?jī)r(jià)波動(dòng)影響也存在著一定的差異；中國(guó)房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)效應(yīng)與其宏觀影響因素存在著密切關(guān)系。

房?jī)r(jià) 動(dòng)態(tài)多因子 聯(lián)動(dòng)效應(yīng) 區(qū)域差異

一、引 言

自從1998年實(shí)行住房改革以來(lái)，中國(guó)房地產(chǎn)市場(chǎng)得到快速發(fā)展，各個(gè)地區(qū)房?jī)r(jià)均呈現(xiàn)出不同程度的較大幅度上漲。尤其是2003年以后，中國(guó)大部分城市房?jī)r(jià)出現(xiàn)了大幅度的上升，比如在2005年全國(guó)房?jī)r(jià)平均上漲了16.7%，其中有19個(gè)大中城市的房?jī)r(jià)漲幅超過(guò)了全國(guó)平均水平。最近十幾年來(lái)各地區(qū)房?jī)r(jià)都同時(shí)表現(xiàn)出上升趨勢(shì)，但由于各地區(qū)的地理位置、經(jīng)濟(jì)發(fā)展水平、人口數(shù)量、土地稀缺程度和金融市場(chǎng)的完善程度不同，使得各地區(qū)房?jī)r(jià)波動(dòng)狀況存在較大的差異。即使在經(jīng)濟(jì)發(fā)展程度相似、地理位置相鄰的地區(qū)，其房?jī)r(jià)的波動(dòng)有時(shí)也千差萬(wàn)別。從全國(guó)范圍來(lái)看，東部沿海城市總體房?jī)r(jià)水平高，房?jī)r(jià)波動(dòng)幅度大，其中東部一線城市的房?jī)r(jià)波動(dòng)尤為突出，比如上海、深圳等城市的房?jī)r(jià)在2009年后年均上漲超過(guò)20%；而內(nèi)陸城市總體房?jī)r(jià)水平相對(duì)較低，比如長(zhǎng)沙、重慶、成都、西安等中西部二線城市的房?jī)r(jià)相對(duì)平穩(wěn)。事實(shí)數(shù)據(jù)表明，中國(guó)大中城市房?jī)r(jià)波動(dòng)也因其城市所在的地理位置和城市等級(jí)的不同而存在差異?？傮w而言，東部沿海城市比中、西部城市的房?jī)r(jià)波動(dòng)的幅度更大，而且，即便同是東部沿海城市，一線城市與二線城市房?jī)r(jià)波動(dòng)也存在不少差異。那么，中國(guó)各城市房?jī)r(jià)波動(dòng)在全國(guó)范圍內(nèi)存在多大程度的空間互動(dòng)與關(guān)聯(lián)？此外，房?jī)r(jià)波動(dòng)在區(qū)域間、不同等級(jí)城市間是否存在一定的關(guān)聯(lián)與傳染效應(yīng)，同時(shí)又存在多大的差異？

本文擬通過(guò)構(gòu)建貝葉斯?jié)撛趧?dòng)態(tài)多因子模型對(duì)中國(guó)35個(gè)城市房?jī)r(jià)波動(dòng)進(jìn)行多維度的空間分析，以同時(shí)識(shí)別影響全國(guó)各城市房?jī)r(jià)波動(dòng)的全國(guó)因子、影響同一區(qū)域內(nèi)不同城市房?jī)r(jià)波動(dòng)的區(qū)域因子及不同城市各自獨(dú)特的城市異質(zhì)性因子。該模型從一個(gè)全新的角度切入，可以概括地用少數(shù)潛在因子反映較多的實(shí)際影響因素，將房?jī)r(jià)波動(dòng)的變動(dòng)趨勢(shì)在全國(guó)與各地區(qū)間的公共部分同時(shí)進(jìn)行量化，從而可以對(duì)“各地區(qū)房?jī)r(jià)的變化趨勢(shì)是否表現(xiàn)出不同空間的聯(lián)動(dòng)性與傳染性及其聯(lián)動(dòng)程度”做出解答，并系統(tǒng)地探討中國(guó)房?jī)r(jià)波動(dòng)的區(qū)域聯(lián)動(dòng)性與差異性。此外，本文還將進(jìn)一步探討中國(guó)房?jī)r(jià)聯(lián)動(dòng)效應(yīng)與宏觀影響因素的關(guān)系。

二、文獻(xiàn)綜述

近年來(lái)越來(lái)越多的國(guó)外學(xué)者從不同的角度、運(yùn)用不同的計(jì)量模型和估計(jì)方法來(lái)探討房?jī)r(jià)波動(dòng)特征及其聯(lián)動(dòng)效應(yīng)。例如，MacDonald & Taylor(1993)運(yùn)用Granger因果檢驗(yàn)和協(xié)整理論，發(fā)現(xiàn)了英國(guó)房?jī)r(jià)波動(dòng)從大倫敦區(qū)通過(guò)中部地區(qū)向北部傳遞的特征。*R. MacDonald,M.Taylor. Regional House Prices in Britain: Long-run Relationship and Short- run Dynamics. Seottish Journal of Political Economy, 1993, 40(1): 43—55.Englund & Ioannides (1997)對(duì)15個(gè)OECD國(guó)家的房地產(chǎn)市場(chǎng)進(jìn)行了研究，發(fā)現(xiàn)這些國(guó)家間房?jī)r(jià)波動(dòng)具有一定的相似性。*P. Englund, Y. M. Ioannides. House Price Dynamics: An International Empirical Perspective. Journal of Housing Economics, 1997, 6(2):119—136.Meen (1999)利用空間異質(zhì)系數(shù)房?jī)r(jià)模型，證明空間異質(zhì)系數(shù)不同造成了房?jī)r(jià)擴(kuò)散效應(yīng)。*G. Meen. Regional House Prices and the Ripple Effect: A new Interpretation. Housing Studies, 1999, 14(6):733—753.Negro & Otrok (2005)運(yùn)用VAR模型對(duì)美國(guó)48個(gè)州房?jī)r(jià)進(jìn)行了研究，發(fā)現(xiàn)區(qū)域性因素是影響歷史房?jī)r(jià)走勢(shì)的主導(dǎo)因素，而擴(kuò)張性貨幣政策沖擊對(duì)房?jī)r(jià)的影響甚微。*M. D. Negro, C. Otrok. Monetary Policy and the House Price Boom across U.S. States. Journal of Monetary Economics, 2005, 54(7):1962—1985.Vansteenkiste(2007)通過(guò)全局自回歸模型分析得出了和Negro & Otrok (2007)相似的結(jié)論，并進(jìn)一步指出相鄰地區(qū)間還存在房?jī)r(jià)溢出效應(yīng)。*I. Vansteenkiste. Regional Housing Market Spillovers in the US: Lessons from Regional Divergences in a Common Monetary Policy Setting. Working Paper,2007.Holmes & Grimes (2008)分析了英國(guó)不同地區(qū)的房?jī)r(jià)，發(fā)現(xiàn)大多數(shù)地區(qū)房?jī)r(jià)波動(dòng)具有一定的趨同性，但各地區(qū)偏離長(zhǎng)期均衡后的調(diào)整速度存在較大差異。*M. J. Holmes,A. Grimes. Is There Long-run Convergence among Regional House Prices in the UK?. Urban Studies, 2008, 45(8): 1531—1544.Holly等 (2010)利用CCE估計(jì)法探討了美國(guó)49個(gè)州的房?jī)r(jià)，發(fā)現(xiàn)其房?jī)r(jià)波動(dòng)不但強(qiáng)相關(guān)，而且還表現(xiàn)出各州間的橫截面弱相關(guān)等空間效應(yīng)。*S. Holly,M. H. Pesaran, T.Yamagata. A Spatio-temporal Model of House Prices in the USA. Journal of Econometrics, 2010, 158(1): 160—173.Vansteenkiste & Hiebert (2011)對(duì)歐元區(qū)七個(gè)主要國(guó)家間的房?jī)r(jià)波動(dòng)進(jìn)行了研究，發(fā)現(xiàn)各國(guó)間的房?jī)r(jià)聯(lián)動(dòng)效應(yīng)與其歐元貨幣聯(lián)盟的總趨勢(shì)密切相關(guān)，但歐元區(qū)各國(guó)房?jī)r(jià)的溢出效應(yīng)并不明顯。*I.Vansteenkiste, P. Hiebert. Do House Price Developments Spillover across Euro Area Countries? Evidence from a Global VAR. Journal of Housing Economics, 2011, 20(4): 299—314.

針對(duì)房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)問(wèn)題，國(guó)內(nèi)也有不少學(xué)者進(jìn)行了探討。比如，洪濤等(2007)利用中國(guó)35個(gè)大中城市房?jī)r(jià)的面板數(shù)據(jù)測(cè)算了不同城市的房?jī)r(jià)泡沫，發(fā)現(xiàn)城市間的房?jī)r(jià)變化不僅具有聯(lián)動(dòng)性，而且房?jī)r(jià)泡沫也存在空間擴(kuò)散效應(yīng)。*洪濤、西寶、高波：《房?jī)r(jià)區(qū)域間聯(lián)動(dòng)與泡沫的空間擴(kuò)散:基于2000—2005年35個(gè)大中城市面板數(shù)據(jù)的實(shí)證檢驗(yàn)》，載《統(tǒng)計(jì)研究》2007年第8期。位志宇和楊忠直(2007)研究了長(zhǎng)三角地區(qū)的上海、杭州和南京的房?jī)r(jià)，發(fā)現(xiàn)這三個(gè)城市間的房?jī)r(jià)波動(dòng)具有生態(tài)共生性。*位志宇、楊忠直:《長(zhǎng)三角房?jī)r(jià)變化的生態(tài)共生性研究:基于上海、杭州和南京的實(shí)證》，載《當(dāng)代經(jīng)濟(jì)管理》2007年第2期。王松濤等(2008)研究了中國(guó)五個(gè)主要區(qū)域市場(chǎng)的房?jī)r(jià)波動(dòng)，發(fā)現(xiàn)各城市房?jī)r(jià)長(zhǎng)期波動(dòng)存在協(xié)同效應(yīng)以及“核心城市”房?jī)r(jià)的領(lǐng)先效應(yīng)。*王松濤、楊贊、劉洪玉：《我國(guó)區(qū)域市場(chǎng)城市房?jī)r(jià)互動(dòng)關(guān)系的實(shí)證研究》，載《財(cái)經(jīng)問(wèn)題研究》2008年第6期。陳浪南和王鶴(2012)運(yùn)用廣義空間動(dòng)態(tài)面板數(shù)據(jù)模型分析了中國(guó)省區(qū)房?jī)r(jià)波動(dòng)，發(fā)現(xiàn)中國(guó)各地區(qū)房?jī)r(jià)波動(dòng)存在顯著的相關(guān)性，而且這個(gè)聯(lián)動(dòng)程度與空間距離及經(jīng)濟(jì)特征有一定的相關(guān)。*陳浪南、王鶴：《我國(guó)房地產(chǎn)價(jià)格區(qū)域互動(dòng)的實(shí)證研究》，載《統(tǒng)計(jì)研究》2012年第7期。王鶴等(2014)針對(duì)省際面板房?jī)r(jià)構(gòu)建了區(qū)域房?jī)r(jià)聯(lián)動(dòng)的共同因子模型，發(fā)現(xiàn)區(qū)域房?jī)r(jià)聯(lián)動(dòng)主要是受到經(jīng)濟(jì)因素和調(diào)控政策的影響。*王鶴、潘愛(ài)民、陳湘州：《經(jīng)濟(jì)環(huán)境、調(diào)控政策與區(qū)域房?jī)r(jià)——基于面板數(shù)據(jù)同期強(qiáng)相關(guān)視角》，載《南方經(jīng)濟(jì)》2014年第6期。張銜和林仁達(dá) (2015)綜合運(yùn)用VEC模型和空間相關(guān)法對(duì)中國(guó)七個(gè)地區(qū)的房?jī)r(jià)進(jìn)行了分析，發(fā)現(xiàn)這些地區(qū)房?jī)r(jià)波動(dòng)存在明顯的波紋效應(yīng)。*張銜、林仁達(dá)：《我國(guó)城市房?jī)r(jià)短期波紋效應(yīng)的實(shí)證》，載《財(cái)經(jīng)科學(xué)》2015年第9期。丁如曦和倪鵬飛(2015)采用空間數(shù)據(jù)統(tǒng)計(jì)分析方法考察了中國(guó)城市住房?jī)r(jià)格的區(qū)域空間關(guān)聯(lián)，發(fā)現(xiàn)中國(guó)城市房?jī)r(jià)不但存在全域范圍的正的空間自相關(guān)性，而且在局域范圍內(nèi)也存在明顯的空間聚集特征。*丁如曦、倪鵬飛：《中國(guó)城市住房?jī)r(jià)格波動(dòng)的區(qū)域空間關(guān)聯(lián)與溢出效應(yīng)——基于2005—2012年全國(guó)285個(gè)城市空間面板數(shù)據(jù)的研究》，載《財(cái)貿(mào)經(jīng)濟(jì)》2015年第6期。

綜上，目前對(duì)于中國(guó)房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)或溢出效應(yīng)的實(shí)證研究不但在計(jì)量分析方法選擇上雷同，而且已有的研究大都只探討了中國(guó)省際、不同城市間、某特定區(qū)域內(nèi)的城市間或不同地理區(qū)域的房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)。顯然，中國(guó)各地區(qū)的房地產(chǎn)市場(chǎng)發(fā)展水平不但在東、中、西部存在一定的差距，而且其房?jī)r(jià)波動(dòng)與市場(chǎng)需求在不同等級(jí)城市間也存在明顯的差異。因此，中國(guó)城市房?jī)r(jià)波動(dòng)在地區(qū)之間的互動(dòng)與傳導(dǎo)有著不同的區(qū)域特性，這對(duì)研究中國(guó)不同地區(qū)的房?jī)r(jià)波動(dòng)提出了更高的要求。然而，目前尚未有文獻(xiàn)通過(guò)區(qū)分城市的不同等級(jí)(比如一線、二線城市等)和不同地理區(qū)域(東、中和西部)來(lái)研究城市間房?jī)r(jià)波動(dòng)的空間聯(lián)動(dòng)效應(yīng)；更沒(méi)有文獻(xiàn)同時(shí)進(jìn)行全國(guó)范圍內(nèi)、不同區(qū)域間以及同一區(qū)域內(nèi)城市的房?jī)r(jià)波動(dòng)的趨同性與差異性等空間效應(yīng)的研究。

本文的創(chuàng)新之處在于：首先，本文通過(guò)構(gòu)建中國(guó)房?jī)r(jià)波動(dòng)的貝葉斯?jié)撛趧?dòng)態(tài)多因子模型，對(duì)房?jī)r(jià)波動(dòng)進(jìn)行多維度、多層次的空間分析，將聯(lián)動(dòng)效應(yīng)分成全國(guó)性聯(lián)動(dòng)效應(yīng)(全國(guó)共同因子)和區(qū)域聯(lián)動(dòng)效應(yīng)(多個(gè)區(qū)域因子)。該模型有助于識(shí)別并區(qū)分出各維度的聯(lián)動(dòng)效應(yīng)(多層次因子)。這也避免了傳統(tǒng)上直接采用VAR/SVAR方法、Granger因果檢驗(yàn)或誤差修正模型等方法從而混淆了共同與異質(zhì)因子的各自獨(dú)立影響，進(jìn)而一定程度上對(duì)實(shí)證研究結(jié)果產(chǎn)生的偏誤。其次，本文在研究中國(guó)房地產(chǎn)市場(chǎng)的區(qū)域劃分時(shí)，并非采用傳統(tǒng)的簡(jiǎn)單地根據(jù)地理位置來(lái)劃分區(qū)域，而是充分考慮到房?jī)r(jià)在不同等級(jí)城市(比如一線、二線等)間以及不同地理位置間的差異，因而本文根據(jù)地理位置和城市等級(jí)相結(jié)合來(lái)劃分區(qū)域，并結(jié)合構(gòu)建的動(dòng)態(tài)多因子模型，進(jìn)一步比較分析區(qū)域間、一線與二線城市間的房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)，從而為因地制宜地制定房?jī)r(jià)調(diào)控政策提供新思維。最后，基于宏觀經(jīng)濟(jì)視角進(jìn)一步揭示房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)效應(yīng)與其宏觀影響因素的關(guān)系，豐富了房地產(chǎn)市場(chǎng)的研究。

三、模型與數(shù)據(jù)

(一)貝葉斯?jié)撛趧?dòng)態(tài)多因子模型

貝葉斯?jié)撛趧?dòng)態(tài)多因子模型(Bayesian Dynamic Latent Factor Model)可以用來(lái)識(shí)別不同層次的動(dòng)態(tài)多因子，為分析大截面數(shù)據(jù)之間多維度、多層次聯(lián)動(dòng)現(xiàn)象提供了一個(gè)分析框架，因而被廣泛應(yīng)用于各類(lèi)經(jīng)濟(jì)聯(lián)動(dòng)現(xiàn)象分析中。鑒于該模型的優(yōu)勢(shì)，本文構(gòu)建中國(guó)房?jī)r(jià)波動(dòng)的貝葉斯?jié)撛趧?dòng)態(tài)多因子模型，用于對(duì)中國(guó)主要大中城市房?jī)r(jià)波動(dòng)進(jìn)行多維度、多層次的聯(lián)動(dòng)效應(yīng)分析。

本文以中國(guó)東部、中部和西部的35個(gè)大中城市的房?jī)r(jià)為樣本對(duì)象，充分考慮不同的地理位置與城市等級(jí)之間的同質(zhì)和異質(zhì)因素對(duì)房?jī)r(jià)波動(dòng)的影響及其所呈現(xiàn)的特征，根據(jù)各個(gè)城市所在地區(qū)(東、中和西部)以及城市等級(jí)(一線與二線城市)的不同，劃分東部一線、東部二線、中部二線和西部二線四個(gè)區(qū)域。區(qū)域劃分及其城市名稱(chēng)如表1所示。

表1 中國(guó)大中城市的區(qū)域分類(lèi)

(1)

εi,t=ψi,1εi,t-1+ψi,2εi,t-2+…+ψi,qεi,q+ui,t

(2)

其中，ui,t滿足以下假設(shè)條件：

(3)

(4)

var(εi,t)

(5)

(6)

(二)數(shù)據(jù)

本文使用2000—2014年中國(guó)35個(gè)大中城市房?jī)r(jià)的季度數(shù)據(jù)，來(lái)源于《中國(guó)房地產(chǎn)統(tǒng)計(jì)年鑒》和Wind數(shù)據(jù)庫(kù)。在具體應(yīng)用中，我們先對(duì)房?jī)r(jià)指數(shù)取自然對(duì)數(shù)并進(jìn)行一階差分(同比增長(zhǎng)率)；然后再對(duì)各序列做了去均值化處理。這樣，一是為了確保時(shí)間序列的平穩(wěn)性;二是模型采用增長(zhǎng)率這一指標(biāo)，可以有效避免因各城市房地產(chǎn)規(guī)模差別而造成的對(duì)估算結(jié)果的影響。圖1(a)至(d)分別報(bào)告了中國(guó)東部一線(4個(gè)城市)、東部二線(12個(gè)城市)、中部二線(8個(gè)城市)和西部二線(11個(gè)城市)等四大區(qū)域內(nèi)所有城市房?jī)r(jià)增長(zhǎng)率的波動(dòng)時(shí)序圖；圖1(e)為中國(guó)35個(gè)大中城市房?jī)r(jià)增長(zhǎng)率的波動(dòng)時(shí)序圖。

從圖1可以看出，中國(guó)大部分城市房?jī)r(jià)波動(dòng)存在明顯的共同變化趨勢(shì)，即存在一定程度的聯(lián)動(dòng)效應(yīng)，但也存在一些城市比如上海、海口等，其房?jī)r(jià)波動(dòng)幅度較大，與中國(guó)房?jī)r(jià)共同的波動(dòng)趨勢(shì)存在較大的偏離。通過(guò)比較中國(guó)四大區(qū)域35個(gè)城市房?jī)r(jià)波動(dòng)的描述性統(tǒng)計(jì)結(jié)果*限于篇幅，我們沒(méi)有詳細(xì)地報(bào)告中國(guó)35個(gè)大中城市房?jī)r(jià)的描述性統(tǒng)計(jì)結(jié)果。，我們發(fā)現(xiàn)，總體來(lái)說(shuō)，東部沿海地區(qū)的房?jī)r(jià)波動(dòng)要遠(yuǎn)高于中、西部地區(qū)，而且即便同是東部沿海城市，其一線與二線城市間的房?jī)r(jià)波動(dòng)也存在明顯差異，一線城市的房?jī)r(jià)波動(dòng)總體要大于二線城市的房?jī)r(jià)波動(dòng)。因此，我們有必要進(jìn)一步探討各地區(qū)的城市房?jī)r(jià)波動(dòng)背后隱含的規(guī)律。

四、實(shí)證結(jié)果

(一)全國(guó)動(dòng)態(tài)因子

根據(jù)潛在動(dòng)態(tài)多因子模型的貝葉斯估算結(jié)果，圖2中實(shí)線部分刻畫(huà)了全國(guó)共同因子的中位數(shù)，虛線部分分別是5%和95%分位數(shù)。從圖2可以看出，各分位數(shù)曲線比較接近，表明了我們對(duì)全國(guó)共同因子的估算是較為精確的。同時(shí)，我們也發(fā)現(xiàn)，基于全國(guó)35個(gè)大中城市房?jī)r(jià)的全國(guó)共同因子的變化較好地反映出2000—2014年間中國(guó)房?jī)r(jià)波動(dòng)的基本趨勢(shì)：在2000—2007年間中國(guó)房地產(chǎn)市場(chǎng)處于繁榮階段，且在2008年初達(dá)到相對(duì)較高水平；在2008—2009年間，由于受到全球經(jīng)濟(jì)危機(jī)的影響，中國(guó)房地產(chǎn)市場(chǎng)也受到極大的影響，一度處于低潮期；自2009年尤其是2010年第二季度以來(lái)，在各種宏觀政策的刺激下，特別是一系列房市政策措施，有力地推動(dòng)了中國(guó)房地產(chǎn)市場(chǎng)在2009—2010年間進(jìn)入高速發(fā)展階段，出現(xiàn)倒V字形的波動(dòng)現(xiàn)象；從2011年第二季度至2013年初，由于受到央行的頻繁貨幣政策變化和房市各類(lèi)限制性政策影響，中國(guó)房地產(chǎn)行業(yè)運(yùn)行整體放緩；而在2013年中期開(kāi)始，在一系列“促供應(yīng)”“市場(chǎng)化”等房市政策的影響下，中國(guó)房地產(chǎn)市場(chǎng)又進(jìn)入回暖階段。

此外，我們還測(cè)算了全國(guó)共同因子(中位數(shù))與中國(guó)房?jī)r(jià)增長(zhǎng)率的相關(guān)系數(shù)，二者之間的相關(guān)系數(shù)為0.92，這也從某種程度上表明基于貝葉斯動(dòng)態(tài)多因子模型估計(jì)得到的全國(guó)共同因子能很好地反映出中國(guó)房地產(chǎn)市場(chǎng)的變化。

(二)方差分解分析

為了分析全國(guó)性和區(qū)域性聯(lián)動(dòng)效應(yīng)的強(qiáng)度以及各層次因子對(duì)各城市房?jī)r(jià)波動(dòng)的影響，本文以表2報(bào)告各動(dòng)態(tài)因子基于中位數(shù)的方差分解結(jié)果。

圖1 中國(guó)大中城市房?jī)r(jià)時(shí)序圖

圖2 全國(guó)共同因子(2000—2014年)

城市全國(guó)因子區(qū)域因子城市異質(zhì)性因子北京76．937．1515．91廣州61．5836．342．08上海29．230．8369．95深圳61．733．8234．44東部一線(平均)57．3712．0430．60大連48．730．2151．05福州94．460．035．51?？?3．820．0266．16杭州68．870．3730．76濟(jì)南98．600．331．06南京56．745．4437．82寧波32．920．5066．58青島60．498．3031．21沈陽(yáng)45．162．4652．38石家莊81．610．1818．20天津56．101．8342．08廈門(mén)56．070．5443．39東部二線(平均)61．131．6937．18長(zhǎng)沙89．214．576．22長(zhǎng)春49．442．2848．28哈爾濱88．292．679．04合肥62．165．7332．11南昌63．401．4035．2太原72．0012．4215．58武漢83．810．6615．53鄭州55．870．4943．63中部二線(平均)70．523．7825．7重慶70．6611．8917．45成都66．386．1927．43貴陽(yáng)67．222．2530．53呼和浩特24．484．2771．26昆明63．041．5635．4蘭州47．3010．5742．13南寧65．351．0433．61烏魯木齊46．121．0152．87西安97．250．592．16西寧61．951．5336．52銀川51．161．5547．29西部二線(平均)62．563．8633．58全國(guó)(平均)62．524．0333．45

注：全國(guó)因子、區(qū)域因子和城市異質(zhì)性因子分別表示這三個(gè)因子對(duì)特定城市房?jī)r(jià)波動(dòng)影響的貢獻(xiàn)度；限于篇幅，這里只報(bào)告了三大因子中位數(shù)的貢獻(xiàn)結(jié)果。

首先，由表2可以看出，中國(guó)各城市房?jī)r(jià)波動(dòng)很大程度上歸因于全國(guó)因子：平均而言，全國(guó)因子解釋了62.52%的房?jī)r(jià)波動(dòng)。這意味著中國(guó)各大中城市房?jī)r(jià)波動(dòng)總體上存在較強(qiáng)的空間聯(lián)動(dòng)效應(yīng)。但是全國(guó)因子對(duì)不同地區(qū)間的城市、同一地區(qū)不同城市的房?jī)r(jià)波動(dòng)的影響也存在明顯的差異。其中，全國(guó)因子對(duì)中部二線城市房?jī)r(jià)波動(dòng)的影響最大，其相對(duì)貢獻(xiàn)率的平均值約是70.52%，表明該地區(qū)各城市房?jī)r(jià)的全國(guó)聯(lián)動(dòng)效應(yīng)相對(duì)較強(qiáng)；最低是東部一線，其相對(duì)貢獻(xiàn)率的平均值約是57.37%，說(shuō)明該地區(qū)各城市房?jī)r(jià)的全國(guó)聯(lián)動(dòng)效應(yīng)相對(duì)較弱。此外，全國(guó)因子對(duì)各城市房?jī)r(jià)波動(dòng)的影響也存在明顯差異。從圖3可以看出，全國(guó)因子對(duì)城市房?jī)r(jià)波動(dòng)的貢獻(xiàn)超過(guò)80%有七個(gè)，包括武漢、哈爾濱、石家莊、長(zhǎng)沙、福州、西安和濟(jì)南；而貢獻(xiàn)低于40%有四個(gè)，包括呼和浩特、上海、寧波和?？?。

圖3 全國(guó)因子對(duì)城市房?jī)r(jià)波動(dòng)的方差貢獻(xiàn)

其次，在剔除了全國(guó)共同因子的影響外，基于各區(qū)域內(nèi)不同城市房?jī)r(jià)聯(lián)動(dòng)性的區(qū)域因子，對(duì)城市房?jī)r(jià)波動(dòng)的相對(duì)貢獻(xiàn)率平均值約是4.03%，這表明房?jī)r(jià)波動(dòng)的區(qū)域性聯(lián)動(dòng)效應(yīng)比較弱。區(qū)域因子對(duì)中國(guó)各城市房?jī)r(jià)波動(dòng)的相對(duì)貢獻(xiàn)率大多集中在10%以內(nèi)，除了廣州，太原、重慶和蘭州等城市以外?？傮w而言，區(qū)域因子對(duì)中國(guó)各區(qū)域內(nèi)城市房?jī)r(jià)波動(dòng)影響較小，而且也存在較大差異。此外，就四個(gè)不同區(qū)域因子來(lái)看，區(qū)域因子對(duì)不同區(qū)域房?jī)r(jià)波動(dòng)的影響也不一樣。正如表2所示，平均而言，區(qū)域因子對(duì)東部一線、東部二線、中部二線和西部二線的房?jī)r(jià)波動(dòng)影響的貢獻(xiàn)度分別是12.04%、1.69%、3.78%和3.86%。這也表明區(qū)域因子對(duì)一線城市的影響要明顯大于二線城市。顯然，在剔除了全國(guó)性房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)效應(yīng)，一線城市間房?jī)r(jià)波動(dòng)的關(guān)聯(lián)與傳染效應(yīng)總體上比二線城市要強(qiáng)。這一估算結(jié)果與我們實(shí)際觀察到的房?jī)r(jià)波動(dòng)現(xiàn)象也是相吻合的。

圖4 城市異質(zhì)性因子對(duì)城市房?jī)r(jià)波動(dòng)的方差貢獻(xiàn)

最后，城市異質(zhì)性因子對(duì)該城市房?jī)r(jià)波動(dòng)具有重要影響。平均而言，城市異質(zhì)性因子對(duì)中國(guó)各城市房?jī)r(jià)波動(dòng)的相對(duì)貢獻(xiàn)是33.45%。由圖4可以看出，城市異質(zhì)性因子對(duì)該城市房?jī)r(jià)波動(dòng)的貢獻(xiàn)度主要集中在0—20%之間和30%—50%之間，這說(shuō)明城市異質(zhì)性因子對(duì)該城市房?jī)r(jià)波動(dòng)的作用存在明顯差異。這一實(shí)證結(jié)果具有明顯的政策含義。從這角度而言，房市調(diào)控政策在城市層面的細(xì)化還應(yīng)該與相應(yīng)的城市特征及其發(fā)展水平相結(jié)合。

(三)動(dòng)態(tài)因子與宏觀影響因素的關(guān)系

為了進(jìn)一步探討驅(qū)動(dòng)中國(guó)城市房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)的宏觀影響因素，我們通過(guò)構(gòu)建向量自回歸(VAR)模型分析宏觀調(diào)控下貨幣政策工具(貨幣供給量、長(zhǎng)期貸款利率等)和宏觀經(jīng)濟(jì)基本面(經(jīng)濟(jì)增長(zhǎng)、通貨膨脹)等因素對(duì)中國(guó)房?jī)r(jià)聯(lián)動(dòng)效應(yīng)的影響。設(shè)yt=[GDPt,CPIt,IRt,M2t,factornationt]′是一個(gè)五維的內(nèi)生變量,分別代表GDP實(shí)際增長(zhǎng)率、通貨膨脹、實(shí)際長(zhǎng)期貸款利率、貨幣供給增長(zhǎng)率、全國(guó)共同因子(中位數(shù))factornationt，其中,factornationt用來(lái)刻畫(huà)中國(guó)房?jī)r(jià)波動(dòng)的全國(guó)性聯(lián)動(dòng)效應(yīng)。宏觀經(jīng)濟(jì)和貨幣政策指標(biāo)數(shù)據(jù)來(lái)源于2000—2014年各年《中國(guó)統(tǒng)計(jì)年鑒》和Wind數(shù)據(jù)庫(kù)。

在進(jìn)行多變量VAR模型估計(jì)之前，首先我們對(duì)選定變量的平穩(wěn)性進(jìn)行單位根檢驗(yàn)，由于各個(gè)時(shí)間序列(除了利率)均做了一階差分，因此ADF檢驗(yàn)結(jié)果表明，VAR模型的變量都是平穩(wěn)的。其次，根據(jù)LR檢驗(yàn)統(tǒng)計(jì)量、AIC和SC信息準(zhǔn)則確定VAR模型的最優(yōu)滯后階數(shù)為2。最后，基于VAR模型的分析進(jìn)一步進(jìn)行方差分解，旨在分析VAR系統(tǒng)中內(nèi)生變量之間的動(dòng)態(tài)關(guān)系，從而度量不同內(nèi)生變量變化的相對(duì)重要性。表3是全國(guó)共同因子factornationt的方差分解結(jié)果，其中的數(shù)字為百分比貢獻(xiàn)率。

表3 全國(guó)共同因子(中位數(shù))的方差分解(%)

Cholesky Ordering: GDP,CPI,IR,M2,Factor50.

從表3可以看出，中國(guó)房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)現(xiàn)象(全國(guó)因子)除了來(lái)自自身沖擊的影響外，短期來(lái)看，中國(guó)房?jī)r(jià)波動(dòng)的全國(guó)因子預(yù)測(cè)方差的18.05%可以由通貨膨脹來(lái)解釋?zhuān)?jīng)濟(jì)增長(zhǎng)、貨幣供給、利率分別可以解釋0.91%、4.38%和0.59%的全國(guó)因子的方差。長(zhǎng)期來(lái)看，貨幣政策(包括貨幣供給和利率)可以解釋全國(guó)因子的方差份額約為28.86%，經(jīng)濟(jì)增長(zhǎng)約為7.58%，通貨膨脹則為23.14%。因此，總體來(lái)看，短期內(nèi)，通貨膨脹是影響房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)的最重要因素，而貨幣政策(包括貨幣供給和利率)聯(lián)合起來(lái)只解釋不到5%的房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)；長(zhǎng)期內(nèi)，貨幣政策中的貨幣供給和通貨膨脹對(duì)房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)都產(chǎn)生了較大的影響，而經(jīng)濟(jì)增長(zhǎng)與貨幣政策中的利率則對(duì)其影響相對(duì)較小。此外，我們還發(fā)現(xiàn)通貨膨脹無(wú)論在短期還是長(zhǎng)期對(duì)房?jī)r(jià)波動(dòng)都具有較強(qiáng)的作用，而且其影響程度比較穩(wěn)定。這在一定程度上反映投資房地產(chǎn)市場(chǎng)可能是對(duì)沖中國(guó)通貨膨脹的最主要的投資渠道之一。

五、結(jié)論與啟示

本文以2000—2014年間中國(guó)35個(gè)大中城市房?jī)r(jià)的季度數(shù)據(jù)為樣本，在充分考慮到不同的地理位置與城市等級(jí)之間的因素對(duì)房?jī)r(jià)波動(dòng)的影響，將35個(gè)大中城市劃分為東部一線、東部二線、中部二線及西部二線等四個(gè)區(qū)域。本文通過(guò)構(gòu)建貝葉斯?jié)撛趧?dòng)態(tài)多因子模型對(duì)房?jī)r(jià)波動(dòng)進(jìn)行了多維度、多層次的空間分析，可同時(shí)分析全國(guó)、區(qū)域(多個(gè))及城市異質(zhì)性等因子。在此基礎(chǔ)上通過(guò)方差分解深入分析了各層次因子對(duì)房?jī)r(jià)波動(dòng)的影響，并進(jìn)一步比較各因子對(duì)東部與中西部城市、一線與二線城市的房?jī)r(jià)波動(dòng)的差異性。最后，我們探究了中國(guó)大中城市房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)效應(yīng)與其宏觀影響因素的關(guān)系。實(shí)證研究得出以下三點(diǎn)結(jié)論。

首先，基于全國(guó)35個(gè)大中城市房?jī)r(jià)波動(dòng)的全國(guó)共同因子的變化較好地反映出2000—2014年間中國(guó)房地產(chǎn)市場(chǎng)價(jià)格波動(dòng)的基本特征，從而在宏觀層面上保證了本文模型估計(jì)結(jié)果的準(zhǔn)確性。此外，基于動(dòng)態(tài)多因子模型估計(jì)的全國(guó)共同因子與中國(guó)房?jī)r(jià)增長(zhǎng)率之間的相關(guān)系數(shù)為0.92，這也進(jìn)一步表明全國(guó)共同因子能較好地反映中國(guó)房地產(chǎn)市場(chǎng)的變化。

其次，方差分解結(jié)果表明全國(guó)共同因子是中國(guó)大中城市房?jī)r(jià)波動(dòng)最重要的驅(qū)動(dòng)因子，平均而言可以解釋62%以上的房?jī)r(jià)波動(dòng)，這也表明了中國(guó)房?jī)r(jià)波動(dòng)存在很強(qiáng)的聯(lián)動(dòng)效應(yīng)。同時(shí)，區(qū)域因子對(duì)各區(qū)域內(nèi)城市房?jī)r(jià)波動(dòng)的相對(duì)貢獻(xiàn)率較小，大部分城市房?jī)r(jià)波動(dòng)的區(qū)域聯(lián)動(dòng)效應(yīng)較弱，而且在各區(qū)域間也存在較大差異。實(shí)證結(jié)果表明一線城市間房?jī)r(jià)波動(dòng)的關(guān)聯(lián)性與傳染性比二線城市要強(qiáng)。此外，城市異質(zhì)性因子對(duì)該城市房?jī)r(jià)的影響存在明顯差異。總體而言，不同層次的因子對(duì)東部與中、西部城市，一線與二線城市房?jī)r(jià)波動(dòng)的影響存在著一定程度的差異。

最后，中國(guó)房?jī)r(jià)波動(dòng)的聯(lián)動(dòng)效應(yīng)與其宏觀經(jīng)濟(jì)驅(qū)動(dòng)因素存在著密切關(guān)系。VAR模型及其方差分解分析表明：短期來(lái)看，通貨膨脹對(duì)房?jī)r(jià)波動(dòng)貢獻(xiàn)最大，而貨幣政策(包括貨幣供給和長(zhǎng)期貸款利率)聯(lián)合起來(lái)對(duì)房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)的作用相對(duì)較??；長(zhǎng)期來(lái)看，貨幣政策和通貨膨脹都對(duì)房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)具有較大的影響。此外，實(shí)證結(jié)果還揭示出通貨膨脹在長(zhǎng)短期都對(duì)房?jī)r(jià)波動(dòng)聯(lián)動(dòng)效應(yīng)具有較強(qiáng)的影響，而且其影響程度也保持穩(wěn)定。

以上結(jié)論對(duì)于我們更全面地認(rèn)識(shí)中國(guó)房地產(chǎn)市場(chǎng)波動(dòng)特征及宏觀調(diào)控政策的制定與實(shí)施具有非常重要的意義。要想更深入、系統(tǒng)地認(rèn)識(shí)中國(guó)房?jī)r(jià)波動(dòng)特征，單純依賴(lài)全國(guó)或地區(qū)視角來(lái)研究顯然是不夠的，還需要從多維度、多層次的視角進(jìn)行探討。本文通過(guò)動(dòng)態(tài)多因子模型對(duì)房?jī)r(jià)波動(dòng)進(jìn)行了多維度多層次的分析，進(jìn)一步揭示了中國(guó)各城市房?jī)r(jià)波動(dòng)的一些重要特征。因此，在制定宏觀政策和房地產(chǎn)調(diào)控措施時(shí)，我們應(yīng)該考慮到各區(qū)域不同城市間房?jī)r(jià)波動(dòng)存在相互影響及其聯(lián)動(dòng)效應(yīng)，防止中國(guó)各地區(qū)城市間的房?jī)r(jià)波動(dòng)出現(xiàn)暴漲暴跌，減少其空間的溢出效應(yīng)。同時(shí)，在中國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)的轉(zhuǎn)型階段及“去產(chǎn)能、去庫(kù)存、去杠桿”的結(jié)構(gòu)性改革背景下，無(wú)論是中央政府還是地方政府，制定與實(shí)施宏觀調(diào)控政策時(shí)應(yīng)當(dāng)更加細(xì)化，需要充分地考慮到不同地區(qū)、不同城市的房?jī)r(jià)波動(dòng)特征和城市異質(zhì)性問(wèn)題，從而真正地遏制房地產(chǎn)投資“過(guò)熱”現(xiàn)象。此外，實(shí)證結(jié)果還發(fā)現(xiàn)貨幣供給量在長(zhǎng)期內(nèi)對(duì)中國(guó)房?jī)r(jià)的共同波動(dòng)產(chǎn)生較大的影響，因而制定更為穩(wěn)健的貨幣政策，特別是在貨幣供給方面加強(qiáng)對(duì)房地產(chǎn)行業(yè)信貸政策的控制與監(jiān)管，將有利于中國(guó)有效地抑制房地產(chǎn)資產(chǎn)泡沫化。當(dāng)然，關(guān)于本文所揭示的中國(guó)各城市房?jī)r(jià)波動(dòng)的異質(zhì)性特征，限于數(shù)據(jù)的可得性，本文未對(duì)這方面城市間的差異及其內(nèi)在影響因素展開(kāi)分析，有待于進(jìn)一步深入研究。

【責(zé)任編輯：于尚艷】

[編者按] 以特定問(wèn)題為主題和焦點(diǎn)，敞開(kāi)哲學(xué)沉思的學(xué)術(shù)追問(wèn)，打破學(xué)術(shù)研究的學(xué)科界限，在新的語(yǔ)境中解讀經(jīng)典文本和傳統(tǒng)思想，以獨(dú)特研究視角，還原先哲思想，從而得出全新內(nèi)容和結(jié)論，是我們開(kāi)展理論研究與解決實(shí)踐問(wèn)題所迫切需要的。本欄目中兩篇論作分別基于阿爾都塞解讀的哲學(xué)語(yǔ)境和約翰·霍洛威的文法學(xué)分析語(yǔ)境，對(duì)《資本論》的研究對(duì)象和起點(diǎn)問(wèn)題進(jìn)行了重新思考，為探索馬克思哲學(xué)開(kāi)辟了新的視域。

廣東省打造“理論粵軍”重大資助項(xiàng)目“中國(guó)家庭金融問(wèn)題研究——基于制度因素、人力資本、財(cái)富效應(yīng)的考察”(LLYJ1317)；廣東省自然科學(xué)基金——博士啟動(dòng)項(xiàng)目“我國(guó)房?jī)r(jià)波動(dòng)空間效應(yīng)的建模及其驅(qū)動(dòng)要素研究”(2015A030310444)；廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目“我國(guó)房?jī)r(jià)波動(dòng)的空間效應(yīng)及其驅(qū)動(dòng)要素研究”(GD14XYJ03)

2016-09-28

F293.3

A

1000-5455(2017)02-0018-08

陳鵬，福建仙游人，經(jīng)濟(jì)學(xué)博士，暨南大學(xué)經(jīng)濟(jì)學(xué)院副研究員；王聰，貴州貴陽(yáng)人，經(jīng)濟(jì)學(xué)博士，珠江學(xué)者，暨南大學(xué)經(jīng)濟(jì)學(xué)院教授、博士生導(dǎo)師。)