基于dag方法的我国长三角地区房屋地产价格传导研究.doc

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: 本论文长三角地区上海，南京，杭州，温州，宁波首先介绍图模型DAG方法的基本原理和算法，建立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。实证结果表明南京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。长三角地区目前经济联动效应明显，流动频繁。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（200）[4]（2008）[5]（2010）[6]Granger因果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。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]。 ，DAG技术 1.1 DAG理论 图模型是一个二元组，其中为拓扑图,是点集,表示随机变量的集合,为边集合，两点间至多有一条边,记号表示之间有边相连。—，→分别表示无向边、有向边。是上与相适应的概率分布族。 若是中的一个点序列，且对，都有，则称为从 到的一条长度为的路径；当起点和终点重合，即时,称为一个环。 所有边都是有向边且方向相同的路径称为有向路径；有向路径的起点和终点重合形成有向环。若图中所有边都是无向边，称该图为无向图；所有边都是有向边但无有向环的图称为有向非循环图。 记号表示图中点集和之间的所有路径都被阻断，也称被集合d-分离；||表示对于分布，变量集和关于条件独立。对中任意三个不交子集，若成立等价于||成立，则称与相互忠实，这时关于分布的所有条件独立性都可用图中的分离性直观地表示。 若 ，则称 互为邻居；若 ，则 是的父结点，而是的子结点；若从到有一条有向路径，则称是的祖先，是的后代。用记号，，，分别表示点的邻居，父结点，子结点，祖先，后代。 1.2 VAR模型 自Sims（1980）首次利用VAR模型刻画多变量间的动态关系以来，VAR模型被广泛应用于宏观经济领域。标准VAR模型为可识别模型，其参数容易估计，它是实际中经常应用的模型，但在经济上不易解释；而结构VAR模型与经济理论密切相关，经济上容易解释，但其过度识别，参数不易估计。DAG方法可为结构VAR模型的过度识别提供限制，便于经济解释。 用结构VAR模型表示为： (1) 结构随机干扰项为向量白噪声过程，即序列不相关且为对角矩阵，为矩阵。结构随机干扰项为向量白噪声过程，即序列不相关且为对角矩阵，为矩阵。假设式（1）表示因果结构，则该因果结构可通过非循环有向因果图（causal DAG）表示。若已知变量的DAG如图1，则对应的结构VAR模型（1）的参数，系数为下三角矩阵。因此通过确定同期变量的DAG，可为结构VAR模型的过度识别提供限制。… … …