经济增长与住房价格互动关系异质性研究——基于不同区域及城市分异的双重视角
|
摘要
以我国288个地级市为研究对象,运用面板数据格兰杰因果检验方法研究了全国、不同区域及不同等级城市经济增长与住房价格之间的互动关系及其差异。结果显示:由于存在区域异质性,我国不同区域及不同等级城市经济增长与房价上涨的格兰杰因果关系存在显著差异,即东部地区经济增长与房价高速上涨互为格兰杰因,而中西部地区表现为房价上涨(率)是经济高速上涨的单向格兰杰因;一二线城市与其余城市房价上涨(率)是经济增长的格兰杰因,而三线城市经济增长是房价高速上涨格兰杰因。因此,在理清两者关系及区域差异基础上实施差别化调控政策平衡经济与房地产业关系,需要建立调控房地产业长效机制,以提高城市实力为着力点有效促进区域协调发展。
This paper employed the interrelationship and its heterogeneity between economic growth and house price increase,with the method of panel data granger causality test, it use 288 prefecture-level cities of China and analyzed in the perspective ofthe whole country, different regions and differentlevels of cities.The resultsindicated as follows: there are significant differences in granger causality between house price and economic growth in different regions and different levels of cities because of the regional heterogeneity. We show that there is bidirectional Granger causality between house price rise rate and economic growth for the easternregion, while there is unidirectiona Granger causality between house price rise rate and economic growth rise speed. There is significant granger causality in second-tier cities and the rest of the cities between house prices rise rate and economic growth. While there is Granger causality between house pricerise rateand economic growth in the third-tier cities.Accordingly, in order to balance economic and real estate relations,we should clarify the relationship between house price and economic growth and implement differentiated regulation policies.We also need to establish a mechanism for regulating the real estate industryvigorously improve cities growth to promote regional development coordinately.
This paper employed the interrelationship and its heterogeneity between economic growth and house price increase,with the method of panel data granger causality test, it use 288 prefecture-level cities of China and analyzed in the perspective ofthe whole country, different regions and differentlevels of cities.The resultsindicated as follows: there are significant differences in granger causality between house price and economic growth in different regions and different levels of cities because of the regional heterogeneity. We show that there is bidirectional Granger causality between house price rise rate and economic growth for the easternregion, while there is unidirectiona Granger causality between house price rise rate and economic growth rise speed. There is significant granger causality in second-tier cities and the rest of the cities between house prices rise rate and economic growth. While there is Granger causality between house pricerise rateand economic growth in the third-tier cities.Accordingly, in order to balance economic and real estate relations,we should clarify the relationship between house price and economic growth and implement differentiated regulation policies.We also need to establish a mechanism for regulating the real estate industryvigorously improve cities growth to promote regional development coordinately.
引文
[1]陈斌开,金箫,欧阳涤非.住房价格、资源错配与中国工业企业生产率[J].世界经济,2015(04):77-98.
[2]张雄,张安录,邓超.土地资源错配及经济效率损失研究[J].中国人口·资源与环境,2017,27(03):170-176.
[3]罗刚强,赵涛.区域经济基本面与住房价格波动——1999-2008年中西部地区房价动力因素的经验研究[J].西安电子科技大学学报,2010,20(4):73-81.
[4]中国市场调查网.2016年楼市分析及2017年房价走势调查报告[EB/OL].http://www.sohu.com/a/121625586_361162,2016.12.15.
[5]董利民.城市经济学[M].北京:清华大学出版社,2011.
[6]高东胜.我国房地产价格波动的宏观经济效应研究[J].统计与决策,2011(19):116-119.
[7]Gustafsson P,Stockhammar P,sterholm P.Macroeconomic effects of a decline in housing prices in Sweden[J].Journal of Policy Modeling,2016,38(2):242-255.
[8]Bouchouicha R.House prices and economic activity[J].Oecd Economics Department Working Papers,2001(11):171-183.
[9]Rnland H B,Jacobsen D H.The role of house prices in the monetary policy transmission mechanism in small open economies[J].2010,6(4):218-229.
[10]Loutskina E,Strahan P E.Financial integration,housing,and economic volatility[J].Journal of Financial Economics,2015,115(1):25-41.
[11]Bouchouicha R,Ftiti Z.Real estate markets and the macroeconomy:A dynamic coherence framework[J].Economic Modelling,2012,29(5):1820-1829.
[12]胡胜,刘旦.宏观经济变量对房地产价格的影响[J].经济纵横,2007(19).
[13]高波,陈健,邹琳华.区域房价差异、劳动力流动与产业升级[J].经济研究,2012(01):66-79.
[14]张协奎,张练.房价波动对地区经济的影响——基于35个大中城市动态面板数据的分析[J].城市问题,2017(06):90-95.
[15]朱媛玲.我国房地产市场价格区域差异的计量研究[D].长春:吉林大学,2012.
[16]朱丽呐.住房价格影响经济增长的机制与路径分析[J].统计与决策,2016(20):140-143.
[17]徐晶.房价上涨与经济增长的退耦分析[J].管理世界,2013(09):172-173.
[18]李永乐,舒帮荣,吴群.房地产价格与土地城镇化:传导机制与实证研究[J].中国土地科学,2013(11):52-58.
[19]李永乐,刘建生,吴群,等.不同类型房价对城镇化的影响研究——来自中国省际面板数据的证据[J].中国土地科学,2014(04):26-32.
[20]梁云芳,高铁梅,贺书平.房地产市场与国民经济协调发展的实证分析[J].中国社会科学,2006(03):74-84.
[21]王文军,黄丽.公共投资对商品住宅价格的影响效应———基于中国35个大中城市截面数据的分析[J].当代财经,2012(10):97-108.
[22]蔡英玉.房地产价格与经济增长波动之间的关系研究[D].济南:山东大学,2013.
[23]庞皓.格兰杰因果检验的有效性及其应用[J].统计研究,1999,16(11):42-46.
[24]Hurlin C,Venet B.Testing for Granger causality in heterogeneous panel data models with fixed coefficients[J].Unpublished Manuscript.University of Paris Ix,2003(56):1-11.
[25]Hurlin.Testing Granger causality in heterogeneous panel data models with fixed coefficients[J].Document De Recherche Leo,2004(5).
[26]镇风华,舒帮荣,李永乐,等.20世纪90年代以来不同时段经济增长与土地违法关系再审视——基于省级面板数据的格兰杰因果检验[J].华中农业大学学报(社会科学版),2016(5):116-127.
[27]张启銮,曾伟强,刘伶.我国经济增长与能源消费的内在关系研究——基于VECM模型格兰杰因果检验与灰色关联度分析[J].当代经济管理,2014,36(1):30-35.
[28]王丰龙,刘云龙.中国城市建设用地扩张与财政收入增长的面板格兰杰因果检验[J].地理学报,2013,68(12):1595-1606.
[29]李永乐,吴群.中国经济增长与耕地资源数量变化阶段性特征研究——协整分析及Granger因果检验[J].长江流域资源与环境,2011,20(1):34-41.
[30]马兹晖.中国地方财政收入与支出——面板数据因果性与协整研究[J].管理世界,2008(03):40-48.
[31]高铁梅,梁云芳.计量经济分析方法与建模——Eviews应用及实例(第二版)[M].清华大学出版社,2009:346-371.
[32]张清勇,郑环环.中国住宅投资引领经济增长吗?[J].经济研究,2012(02):67-79.
[33]李静.农村劳动力转移的区域经济增长效应研究[D].天津:天津财经大学,2013.
[34]张协奎,樊光义.中国房地产压力指数构建及其实证分析[J].城市问题,2016,256(11):90-98.
1按国家统计局官方网站公布的区域划分数据,东部包括:北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南省;中部:山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南省;西部:内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、西藏和新疆。
2 不同等级城市按照中国经济与社会发展统计数据库的划分方法进行划分,一线城市包括:北京、上海、广州、天津、深圳;二线城市包括沈阳、大连、南京、无锡、苏州、杭州、宁波、合肥、厦门、济南、青岛、郑州、武汉、长沙、东莞、重庆、成都、西安;三线城市包括:石家庄、唐山、太原、呼和浩特、长春、吉林、哈尔滨、徐州、常州、南通、温州、嘉兴、绍兴、金华、福州、泉州、南昌、淄博、烟台、潍坊、洛阳、珠海、汕头、佛山、中山、南宁、海口、贵阳、昆明、兰州、乌鲁木齐;其余城市为一二三线城市以外的其他城市。
[2]张雄,张安录,邓超.土地资源错配及经济效率损失研究[J].中国人口·资源与环境,2017,27(03):170-176.
[3]罗刚强,赵涛.区域经济基本面与住房价格波动——1999-2008年中西部地区房价动力因素的经验研究[J].西安电子科技大学学报,2010,20(4):73-81.
[4]中国市场调查网.2016年楼市分析及2017年房价走势调查报告[EB/OL].http://www.sohu.com/a/121625586_361162,2016.12.15.
[5]董利民.城市经济学[M].北京:清华大学出版社,2011.
[6]高东胜.我国房地产价格波动的宏观经济效应研究[J].统计与决策,2011(19):116-119.
[7]Gustafsson P,Stockhammar P,sterholm P.Macroeconomic effects of a decline in housing prices in Sweden[J].Journal of Policy Modeling,2016,38(2):242-255.
[8]Bouchouicha R.House prices and economic activity[J].Oecd Economics Department Working Papers,2001(11):171-183.
[9]Rnland H B,Jacobsen D H.The role of house prices in the monetary policy transmission mechanism in small open economies[J].2010,6(4):218-229.
[10]Loutskina E,Strahan P E.Financial integration,housing,and economic volatility[J].Journal of Financial Economics,2015,115(1):25-41.
[11]Bouchouicha R,Ftiti Z.Real estate markets and the macroeconomy:A dynamic coherence framework[J].Economic Modelling,2012,29(5):1820-1829.
[12]胡胜,刘旦.宏观经济变量对房地产价格的影响[J].经济纵横,2007(19).
[13]高波,陈健,邹琳华.区域房价差异、劳动力流动与产业升级[J].经济研究,2012(01):66-79.
[14]张协奎,张练.房价波动对地区经济的影响——基于35个大中城市动态面板数据的分析[J].城市问题,2017(06):90-95.
[15]朱媛玲.我国房地产市场价格区域差异的计量研究[D].长春:吉林大学,2012.
[16]朱丽呐.住房价格影响经济增长的机制与路径分析[J].统计与决策,2016(20):140-143.
[17]徐晶.房价上涨与经济增长的退耦分析[J].管理世界,2013(09):172-173.
[18]李永乐,舒帮荣,吴群.房地产价格与土地城镇化:传导机制与实证研究[J].中国土地科学,2013(11):52-58.
[19]李永乐,刘建生,吴群,等.不同类型房价对城镇化的影响研究——来自中国省际面板数据的证据[J].中国土地科学,2014(04):26-32.
[20]梁云芳,高铁梅,贺书平.房地产市场与国民经济协调发展的实证分析[J].中国社会科学,2006(03):74-84.
[21]王文军,黄丽.公共投资对商品住宅价格的影响效应———基于中国35个大中城市截面数据的分析[J].当代财经,2012(10):97-108.
[22]蔡英玉.房地产价格与经济增长波动之间的关系研究[D].济南:山东大学,2013.
[23]庞皓.格兰杰因果检验的有效性及其应用[J].统计研究,1999,16(11):42-46.
[24]Hurlin C,Venet B.Testing for Granger causality in heterogeneous panel data models with fixed coefficients[J].Unpublished Manuscript.University of Paris Ix,2003(56):1-11.
[25]Hurlin.Testing Granger causality in heterogeneous panel data models with fixed coefficients[J].Document De Recherche Leo,2004(5).
[26]镇风华,舒帮荣,李永乐,等.20世纪90年代以来不同时段经济增长与土地违法关系再审视——基于省级面板数据的格兰杰因果检验[J].华中农业大学学报(社会科学版),2016(5):116-127.
[27]张启銮,曾伟强,刘伶.我国经济增长与能源消费的内在关系研究——基于VECM模型格兰杰因果检验与灰色关联度分析[J].当代经济管理,2014,36(1):30-35.
[28]王丰龙,刘云龙.中国城市建设用地扩张与财政收入增长的面板格兰杰因果检验[J].地理学报,2013,68(12):1595-1606.
[29]李永乐,吴群.中国经济增长与耕地资源数量变化阶段性特征研究——协整分析及Granger因果检验[J].长江流域资源与环境,2011,20(1):34-41.
[30]马兹晖.中国地方财政收入与支出——面板数据因果性与协整研究[J].管理世界,2008(03):40-48.
[31]高铁梅,梁云芳.计量经济分析方法与建模——Eviews应用及实例(第二版)[M].清华大学出版社,2009:346-371.
[32]张清勇,郑环环.中国住宅投资引领经济增长吗?[J].经济研究,2012(02):67-79.
[33]李静.农村劳动力转移的区域经济增长效应研究[D].天津:天津财经大学,2013.
[34]张协奎,樊光义.中国房地产压力指数构建及其实证分析[J].城市问题,2016,256(11):90-98.
1按国家统计局官方网站公布的区域划分数据,东部包括:北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南省;中部:山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南省;西部:内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、西藏和新疆。
2 不同等级城市按照中国经济与社会发展统计数据库的划分方法进行划分,一线城市包括:北京、上海、广州、天津、深圳;二线城市包括沈阳、大连、南京、无锡、苏州、杭州、宁波、合肥、厦门、济南、青岛、郑州、武汉、长沙、东莞、重庆、成都、西安;三线城市包括:石家庄、唐山、太原、呼和浩特、长春、吉林、哈尔滨、徐州、常州、南通、温州、嘉兴、绍兴、金华、福州、泉州、南昌、淄博、烟台、潍坊、洛阳、珠海、汕头、佛山、中山、南宁、海口、贵阳、昆明、兰州、乌鲁木齐;其余城市为一二三线城市以外的其他城市。