基于VAR对房地产业和金融业关系实证研究.docVIP

基于VAR对房地产业和金融业关系实证研究 　　摘要：随着近年来房地产行业与金融行业的不断调整，两者的关系越来越密切，本文通过利用我国2011年到2014年房地产业增加值与金融业增加值的季度数据，建立VAR模型，并用脉冲响应、方差分解实证研究了两者之间的关系，实证发现房地产业与金融业间存在着长期稳定的关系，并且金融业对房地产业的贡献率大于房地产业对金融业的贡献率，这样在以后的宏观调控中，可以更有效率的施加相应政策，以利于我国的经济发展。 　　关键词：房地产业增加值；金融业增加值；VAR模型 　　一、引言 　　随着我国市场经济的快速发展，房地产业作为国民经济的支柱产业也是迅猛发展。然而，房地产行业的资金密集型特征，导致房地产始终是脱离不了金融业，没有金融业的资金融通，房地产行业不会发展这么迅速，同时繁荣的房地产业也带动了我国金融市场的发展，某种程度上说明我国房地产市场与金融市场存在一定程度的共生性。房地产业与金融业具体存在怎样的相依相存的关系？本文利用2011年1季度到2014年4季度的金融业增加值（F）和房地产业增加值（R）的季度数据，通过建立VAR模型，研究房地产业与金融业之间的关系。 　　二、实证分析 　　（一）数据的选取 　　本文选取的数据是2011年1季度到2014年4季度的金融业增加值（F）和房地产业增加值（R）的季度数据，数据是经国家统计局和巨灵金融数据库的原始数据整理得出。由于两个变量存在明显的季节性趋势，因此本文用X-11法对数据进行季节性调整；同时为了减小异方差，对变量取对数，取对数后变量分别为lnF和lnR。本文的数据处理软件为Eviews7。 　　（二）单位根检验 　　为了避免伪回归，时间序列进行平稳性检验，只有在平稳的时间序列的基础上进行分析，得出的结论才具有理论和现实意义，平稳性检验也是进行协整检验和VAR模型的前提，这里本文用ADF检验方法对变量进行单位根检验。检验结果表明金融业增加值（lnF）和房地产业增加值（lnR）在5%水平下都不拒绝存在单位根的原假设，因此都是不平稳的序列，但它们的差分一次过后都通过了检验，因此，金融业增加值（F）和房地产业增加值（R）都是一阶差分平稳序列，即I（1）。 　　（三）协整检验 　　上述单位根检验确定了LC，序列LI和LO都是同阶差分平稳的，这为协整检验提供了前提条件。本文用JJ检验来验证变量之间的协整关系。检验发现在5%的置信度水平下，迹统计量和最大似然统计量都表示存在1个协整向量。这说明变量间存在长期稳定的协整关系。 　　（四）建立VAR模型 　　由于时间序列之间的关系如果只是用最小二乘法进行线性回归，变量之间的关系很难得到真实反映，而VAR可以通过研究变量间的动态结构，更能有效反映变量之间的关系，所以应建立VAR模型，根据SC和AIC准则，模型的最优滞后期是2期，所以建立VAR（2）模型。 　　LNF=0.190*LNF（-1）+0.683*LNF（-2）+0.297*LNR（-1）-0.085*LNR（-2）-0.699（1） 　　LNR=-0.608*LNF（-1）+1.275*LNF（-2）+0.409*LNR（-1）-0.324*LNR（-2）+2.181（2） 　　根据方程1得出，金融业增加值变化对自身滞后1期的变化的弹性为0.190，对自身滞后2期的变化的弹性为0.693，表明金融业增加值的持续效应比较大，并且长期比短期大；而对房地产业增加值滞后1期的弹性为0.297，对其滞后2期的变化的弹性为-0.085，表明房地产对金融业的短期影响比较大，但长期影响很小。根据方程2得出，房地产业增加值对自身滞后1期的变化的弹性为0.409，对自身滞后2期的变化的弹性为-0.324，表明房地产业短期内对后期有比较大的正向影响，但长期的影响是负向的；而房地产业增加值对金融业增加值滞后1期的变化的弹性为-0.608，对其滞后2期的变化的弹性为1.275，这表明金融业短期内对房地产行业是负向的影响，但长期是比较大的正向影响。 　　（五）脉冲响应 　　脉冲响应是分析VAR模型受到某种冲击时对系统的动态影响。具体地说，是描述在某个内生变量的随机误差项上施加一个标准差大小的冲击后对所有内生变量的当期值和未来值产生的影响。从金融业增加值对自身的脉冲响应函数发现，对随机误差项的一个标准差单位冲击后，金融业增加值立即产生较大的正向冲击，金融业增加值增加约23%，之后迅速下降到第2期的最小值，然后增长到第3期后保持一个长期持平的趋势；但是来自房地产业一个标准差单位的冲击后，金融业当期不会有反应，但是会逐渐产生正向冲击并增加到第2期的最大值，然后逐渐减小后第3期以后保持一个小幅波动的趋势。从房地产业增加值对自身的脉冲响应函数可以看出，给随机误差项