房价上涨的经济影响——基于40个行业GVAR模型的研究
|
摘要
国际经验表明,房地产市场波动是多次经济金融危机的源头。从我国实际来看,2003年以来,我国房地产市场一片繁荣,一些时期房价的大幅上涨已经脱离了理性范畴。然而房价的不断走高对我国经济产生的影响到底如何,其对经济的影响是否符合理论预期,长期以来始终没有得到很好的验证。本文通过建立GVAR (Global VAR)模型,研究房价对经济中其他行业价格、固定资产投资和行业增加值的影响,并得出如下结论:一是资源类行业价格对房价变动最为敏感;二是房价上涨对资源类行业和制造业的固定资产提振作用较强,对金融业投资的扩张作用最强,对公共保障部门投资具有一定的挤出效应;三是在行业增加值方面,房价上升主要提振了房地产相关服务业等下游行业的增加值,而对产业链上游行业增加值则相对具有一定的负向影响。
International experience shows that real estate market fluctuations are the source of many economic and financial crises. As a matter of fact, China's real estate market has been booming since 2003. In some periods, the sharp rise of housing price has been out of the rational category. However, the impact of the continuously rising housing price on China's economy is not well studied for a long time. This paper establish the GVAR(Global VAR) model to research the economic impact of housing prices on the price of other industries, the added value and fixed assets investment of other industries,and draw the following conclusion: resource industry is price sensitive to real estate price changes; Second, the rise of housing prices has a strong boost to the fixed assets of resource industries and manufacturing industries, the strongest effect on the expansion of financial investment, and a certain crowding out effect on the investment in the public security sector.Thirdly, in terms of industrial added value, the rise in housing price mainly boosts the added value of downstream industries, such as property-related services, while it has a negative impact on the added value of upstream industries in the industrial chain.
International experience shows that real estate market fluctuations are the source of many economic and financial crises. As a matter of fact, China's real estate market has been booming since 2003. In some periods, the sharp rise of housing price has been out of the rational category. However, the impact of the continuously rising housing price on China's economy is not well studied for a long time. This paper establish the GVAR(Global VAR) model to research the economic impact of housing prices on the price of other industries, the added value and fixed assets investment of other industries,and draw the following conclusion: resource industry is price sensitive to real estate price changes; Second, the rise of housing prices has a strong boost to the fixed assets of resource industries and manufacturing industries, the strongest effect on the expansion of financial investment, and a certain crowding out effect on the investment in the public security sector.Thirdly, in terms of industrial added value, the rise in housing price mainly boosts the added value of downstream industries, such as property-related services, while it has a negative impact on the added value of upstream industries in the industrial chain.
引文
[1] Chen, T., Liu, L. X. and Zhou, L. A,(2015),“The Crowding Out Effects of Real Estate Shocks-Evidence from China”, Working Paper.
[2] Dées, S., di Mauro, F., Pesaran, M. H. and Smith, L. V.(2007)"Exploring the international linkages of the Euro Area:a global VAR analysis”,Journal of Applied Econometrics22:1-38.
[3] Fisher, Stanley,(2017),“Housing and Financial Stability”, Speeches at the DNBRiksbank Macroprudential Conference Series, Amsterdam, Netherlands
[4] Garratt, T., Lee, K., Pesaran, M. H. and Shin, Y.(2006)Global and National Macroeconometric Modelling:A Long Run Structural Approach. Oxford:Oxford University Press.
[5] Pesaran, M. H., Schuermann, T. and Weiner, S. M.(2004),“Modelling regional interdependencies using a global error-correcting macroeconometric model”, Journal of Business and Economics Statistics 22:129-162.
[6]艾伦·布林德,《当音乐停止之后》,中国人民大学出版社,2014年7月版。
[7]卡门·莱因哈特、肯尼斯·罗格夫,《这次不一样:800年金融危机史》,綦相、刘晓锋、刘丽娜译,机械工业出版社,2010年5月版。
[8]纪晗、董加加,《我国房地产市场的货币政策传导效应研究》,《上海金融》,2016年第5期。
[9]罗知、张川川,《信贷扩张、房地产投资与制造业部门的资源配置效率》,《金融研究》,2015年第7期。
[10]徐忠,《房价过快上涨的宏观经济影响》,《中国金融》,2017年第17期。
[11]许宪春、贾海、李皎等,《房地产经济对中国国民经济增长的作用研究》,《中国社会科学》,2015年第1期。
[12]王文春和荣昭,《房价上涨对工业企业创新的抑制影响研究》,《经济学(季刊)》,2014年第2卷。
[13]张洪、金杰和全诗凡,《房地产投资、经济增长与空间效应——基于70个大中城市的空间面板数据实证研究》,《南开经济研究》,2014年第2期。
[14]张杰、杨连星和新夫,《房地产阻碍了中国创新么?——基于金融体系贷款期限结构的解释》,《管理世界》,2016年第5期。
[15]张蕾和徐茂卫,《中国不同地区房地产财富效应的实证研究——基于状态空间模型的时变参数分析》,《经济与管理评论》,2017年第9期。
[16]赵杨、张屹山、赵文胜:《房地产市场与居民消费、经济增长之间的关系研究——基于1994-2011年房地产市场财富效应的实证分析》,《经济科学》,2011年第6期。
(1)有分析认为,地方政府为了通过出让土地获得收入,会利用多种手段阻止房价下跌,从而对房价上涨形成一定支撑。
(1)选用其他期限的利率并不影响文章的最终结果。
(1)在常用的五种时间序列插值方法(Linear,Log-Linear, Catmull-Rom Spline, Cardinal Spline和Cubic Spline)中,Cubic Spline类方法能够使得1月份的数据相对较小,更加符合经验事实,避免简单线性插值得到的偏大。
(2)Census X-13较之前的季节调整方法,更加适合处理月度数据的季节效应。
[2] Dées, S., di Mauro, F., Pesaran, M. H. and Smith, L. V.(2007)"Exploring the international linkages of the Euro Area:a global VAR analysis”,Journal of Applied Econometrics22:1-38.
[3] Fisher, Stanley,(2017),“Housing and Financial Stability”, Speeches at the DNBRiksbank Macroprudential Conference Series, Amsterdam, Netherlands
[4] Garratt, T., Lee, K., Pesaran, M. H. and Shin, Y.(2006)Global and National Macroeconometric Modelling:A Long Run Structural Approach. Oxford:Oxford University Press.
[5] Pesaran, M. H., Schuermann, T. and Weiner, S. M.(2004),“Modelling regional interdependencies using a global error-correcting macroeconometric model”, Journal of Business and Economics Statistics 22:129-162.
[6]艾伦·布林德,《当音乐停止之后》,中国人民大学出版社,2014年7月版。
[7]卡门·莱因哈特、肯尼斯·罗格夫,《这次不一样:800年金融危机史》,綦相、刘晓锋、刘丽娜译,机械工业出版社,2010年5月版。
[8]纪晗、董加加,《我国房地产市场的货币政策传导效应研究》,《上海金融》,2016年第5期。
[9]罗知、张川川,《信贷扩张、房地产投资与制造业部门的资源配置效率》,《金融研究》,2015年第7期。
[10]徐忠,《房价过快上涨的宏观经济影响》,《中国金融》,2017年第17期。
[11]许宪春、贾海、李皎等,《房地产经济对中国国民经济增长的作用研究》,《中国社会科学》,2015年第1期。
[12]王文春和荣昭,《房价上涨对工业企业创新的抑制影响研究》,《经济学(季刊)》,2014年第2卷。
[13]张洪、金杰和全诗凡,《房地产投资、经济增长与空间效应——基于70个大中城市的空间面板数据实证研究》,《南开经济研究》,2014年第2期。
[14]张杰、杨连星和新夫,《房地产阻碍了中国创新么?——基于金融体系贷款期限结构的解释》,《管理世界》,2016年第5期。
[15]张蕾和徐茂卫,《中国不同地区房地产财富效应的实证研究——基于状态空间模型的时变参数分析》,《经济与管理评论》,2017年第9期。
[16]赵杨、张屹山、赵文胜:《房地产市场与居民消费、经济增长之间的关系研究——基于1994-2011年房地产市场财富效应的实证分析》,《经济科学》,2011年第6期。
(1)有分析认为,地方政府为了通过出让土地获得收入,会利用多种手段阻止房价下跌,从而对房价上涨形成一定支撑。
(1)选用其他期限的利率并不影响文章的最终结果。
(1)在常用的五种时间序列插值方法(Linear,Log-Linear, Catmull-Rom Spline, Cardinal Spline和Cubic Spline)中,Cubic Spline类方法能够使得1月份的数据相对较小,更加符合经验事实,避免简单线性插值得到的偏大。
(2)Census X-13较之前的季节调整方法,更加适合处理月度数据的季节效应。