基于DAG方法的我国长角地区房地产价格传导研究.docVIP

基于DAG方法的我国长三角地区房地产价格传导研究 温州大学 朱江龙、戴明辉、姜果 摘要: 本论文主要分析长三角地区上海，南京，杭州，温州，宁波房价的传导效应。首先介绍图模型DAG方法的基本原理和算法，且建立房价指数的VAR模型，通过对VAR模型新息项之间的偏相关系数分析，确定各个变量之间的同期因果关系，为结构VAR模型的过度识别提供限制。最后，方差分解被用于分析房价传导的动态因果关系和强度。实证结果表明上海对杭州和南京存在显著的传导效应。浙江省杭州、宁波和温州联系相对密切，存在一定的趋同效益。 关键词：长三角地区；房地产价格指数；传导；DAG 0 引言 经济发达地区是国家经济发展的战略制高点，其房价变动代表着国家房地产价格的基本走向。长江三角洲地区作为我国改革开放最早、经济最发达的地区之一，在全国经济社会发展和改革开放大局中具有突出的带动作用和举足轻重的战略地位。同时也是我国房地产业兴起最早的地区之一。随着近年来房地产业在长江三角各地区生产总值中所占比重日益提高，其在国民经济中的地位也越来越重要。 长三角经济圈是全国最大的经济圈，其经济总量相当于全国国内生产总值20%，且年增长率远高于全国平均水平。长江三角洲的进出口总额，财政收入，消费品零售总额均居全国第一。长三角城市圈是世界六大城市圈之一。长三角区域目前已被定位为亚太地区重要的国际门户、全球重要的现代服务业和先进制造业中心、具有较强国际竞争力的世界级城市群。目前长三角经济的经济一体化进程也在不断加快、程度不断加深。目前，长三角地区目前经济联动效应明显，人力资源、物资、资金和信息等要素流动频繁。这在很大程度上推动了长三角地区房地产市场的融合，加强了各个城市之间的房地产市场的联系，为这些城市的房价联动奠定了基础。 随着沪宁、沪杭、杭宁、同三国道等高速公路，相继贯通杭州湾大桥和苏通大桥，还有正在实施中的虹桥综合交通枢纽规划和建设，崇启大桥建设，上海空港和海港，以及浦东铁路等沿海大通道系列工程、高等级内河航道网等建设，为实现长三角区域区内联动提供便利。城市群域的“同城效应”日益显著，从而促使不同城市房价的同步变动。 目前许多国内外学者对房价的联动效应进行分析。Ashworth和Parker (1997)[1]对英格兰区域房价研究发现，东南部房价对其它区域有显著的滞后影响。Stevenson (2004)[2]发现爱尔兰房价存在共同的收敛趋势。Luo等(2007)[3]利用计量方法对澳大利亚八个城市的房价传导进行研究。国内，位志宇和杨忠直（2007）[4]长三角房价走势的趋同性研究中表明，上海通过自身累计效应，不仅带动了上海房价的上升，而且产生了较大的溢出效应。带动了浙江和江苏房价的增长，江苏对浙江房价也有较强的溢出效应。王松涛等（2008）[5] 借鉴区域房价相关研究的“波纹效应”理论，利用计量经济学方法对全国主要城市的房价互动关系进行研究，结果表明，北京，上海，宁波等10个城市为“核心城市”，房价的正向新生信息能引发区域内所有其它城市房价的上涨。陈章喜和黄准（2010）[6] 对珠三角房地产价格互动关系实证研究表明，广州、深圳、东莞的房价变动有共同的趋势，在三个城市之间，房价变动的关联程度有强弱之分。 上述研究主要利用计量经济学的Granger因果和VAR模型。Granger因果检验方法认为：若在包含了变量X和Y过去信息的条件下，对Y的预测效果要好于只单独由Y的过去信息对Y的预测，则称X是Y的Granger原因，否则称之为非Granger原因。因此，这种检验方法只能对房价传导作出定性相关关系的分析，不能给予定量的说明。在VAR模型中，若通过乔利斯基（Cholesky）分解，使误差项正交，给出脉冲响应函数和方差分解结果，可给出变量的动态因果关系。但该模型假定变量同期因果间存在递推关系存在着较大的争议。结构VAR模型，允许使用参数的过度识别，通过预先给出变量的同期关系给出Bernanke方差分解。但该方法对变量的同期因果关系主要依赖于主观判断。 2000年，Sprites首先正式提出有向非循环图（DAG）方法，并指出该方法能更直观地分析变量间的非时序因果关系，通过变量间的条件依赖和条件独立给出变量的同期因果关系。该方法为数据驱动方法，通过图模型理论识别变量的同期结构，利用Bernanke方法给出动态因果分析。近几年，DAG方法被广泛应用于金融市场的相关结构分析[7-9]和商品价格指数的传导[10-14]。 由于近年来长三角地区房价很高，尤其是上海、温州和宁波等。因此，本文选取长三角的上海、杭州、南京、宁波和温州为研究对象研究区域房价的传导关系，探讨长三角地区不同城市之间房地产价格相互影响的机制及其影响程度的大小。通过研究与分析，为区域房地产市场一体化及房价互动提供观