班级审查格式检查

1、浙江大学本科生毕业（设计）诚信承诺书1.本人郑重地承诺所呈交的毕业（设计），是在指导教师的指导下严格按照学校和学院有关规定完成的。2.本人在毕业（设计）中他人的观点和参考资料均加以注释和说明。3. 本人承诺在毕业（设计）选题和研究内容过程中没有他人研究成果和相关数据等行为。4. 在毕业（设计）中对任何方面知识产权的行为，由本人承担相应的法律责任。毕业（设计）作者签名： 年月日一、毕业二、文献综述三、开题报告四、外文翻译毕业中要本文的研究目的是分析贷款利率变动对房价是否影响及其影响程度，进而明确利率与对房价的调控效果来为调控房地产市场提供依据。研究采用理论分析相结合的方式，主要是基于均衡价格理论

2、和VAR 模型。与以往的研究相比，本研究采用的数据是 2010 年 6 月到 2016 年 11 月共 78 期的月度数据，能够很好地反映我国城市房价的最新趋势，对未来的调控更具有参考意义。最终得到了如下研究结果：1.实证结果表明，在所研究的 20 个大中型城市中，有 16 个城市的房价和实际贷款利率之间不长期的均衡。合肥和西安的房价在受到利率的正向冲击时会下降，福州和的房价在受到利率的正向冲击时会上升。2. 实际贷款利率对大中型城市房价的调控效果并不明显，起到的作用是有限的。3. 实际贷款利率对不同城市房价的调控效果不尽相同，具有区域异质性。4. 实际贷款利率对大中型城市房价的调控效果并不明

3、显的可能在于大中型城市的住房需求旺盛以及居民对大中型城市的价格预期更为乐观。5.应当考虑从供给端着手来调控房地产市场以使之平稳健康发展，并且地方应当根据当地的情况实性的调控措施。：贷款利率；房价；区域异质性；VAR 模型毕业AbstractThe purpose of this study is to analyze whether interest rates changes havean impact on housing prices, and then identify the effect of interest rate policyon the price. Therefore,

4、 we can provide some evidences for the government toregulate the real estate market. The research method is using impulse responsefunction analysis and variance decomposition analysis based on VAR m.The final results are shown as follows:1. The empirical results show that among the 20 large and medi

5、um-sizedcities, there is no long-term stable equilibrium relationship between real loaninterest rates and the housing prices of 16 cities. Housing prices in Hefei andXi'an will fall when they are positively hit by interest rates while housingprices in Fuzhou and Urumqi will rise.2. The effect of

6、 real loan interest rates on housing prices in the large andmedium-sized cities is limited.3. The real loan interest rates have different effects on the housing pricesof different cities.4. The reason why real loan interest rates play a limited role is likely thatthere exists strong demand of houses

7、 in the large and medium-sized cities.Besides, citizens have better price expectations on the large and medium-sizedcities.5. The government should consider regulating the real estate market fromthe supply side to make it stable and healthy. The local governments should毕业implement targeted control m

8、easures in accordance with local conditions.Key words: loan interest rate; housing price; regional heterogeneity; VARm毕业目录一、绪论1（一）研究背景和意义1（二）研究目的. 1（三）研究和技术路线1二、国内外研究综述3（一）贷款利率对房价具有负向影响的相关研究进展3（二）贷款利率对房价调控效果不显著的相关研究进展4（三）贷款利率对房价调控效果具有区域异质性的相关研究进展5三、贷款利率变动对房价影响的理论分析6（一）均衡价格理论简介6（二）基于均衡价格理论的利率对房地产市场供求

9、的影响分析7（三）基于均衡价格理论的利率对房价的影响分析7四、数据来源和研究模型8（一）数据来源8（二）研究模型9六、贷款利率变动对房价影响的实证分析9（一）数据的平稳性检验10（二）Johansen 协整检验13（三）误差模型（VECM）15（四）脉冲响应函数（IRF）15（五）方差分解（VD）17（六）利率调控效果不明显的分析18七、结论和建议19参考文献20致谢39毕业一、绪论（一）研究背景和意义自1998年房地产市场实现商品化以来，我国的房地产价格在波动中大幅上涨，成为国计民生的大事。2016年的全国平均房价大约是1998年的4倍，见图1.1。而银行贷款既是房地产开发商融资的必要来源，

10、也是居民购买住房的重要支持。简单来讲，利率就是资金的价格，即为了得到资金而付出的费用或代价。利率在市场中起着重要的调节作用，是一项灵活性比较强的工具。众所周知，利率下降会刺激增长，利率上升时则会为适当降温。而房地产市场作为的重要组成部分，同样受到利率变化的影响。通常，会通过提高利率的来抑制房价的上涨，降低利率来促进房地产市场的复苏。但是房价对利率的反应往往与预期并全相符。因此，研究利率这一要意义。工具对房价的调控效果对房地产市场的健康发展有着重图 1. 1 全国平均房价走势（1998-2016）1（二）研究目的本文的研究目的是分析贷款利率变动对房价是否影响及其影响程度，进而明确利率对房价的调控

11、效果来为调控房地产市场提供依据。研究首先会基于马歇尔的均衡价格理论，结合供求曲线的变动来分析贷款利率变动对房地产市场供求和价格的影响。然后，根据不同区域20个大中型城市78的月度房价数据以及中国人民银行发布的贷款基准利率来对贷款利率变动对房价的影响进行实证分析，采用的计量模型是VAR。最后，通过实证分析得出结论，明确贷款利率变动对房价是否存在影响及其影响程度，并且在实证结果的基础上进行分析并给出调控房地产市场的建议。（三）研究和技术路线1数据来源：1998 年-2016 年国民和发展统计公报1-1毕业本研究采用的研究主要是基于VAR模型进行计量分析。需要搜集和预处理实证研究所需要的数据，主要是

12、贷款基准利率和20个大中型城市的房价等两个变量的数据。首先，为了避免出现伪回归问题，需要对两个时间序列数据的平稳性进行ADF检验，根据结果决定是否进行差分处理。若两个变量是同阶序列，则对两个变量进行Johansen协整检验，以确定两个变量是否有长期的均衡。若变量长期则可建立带有误差项的向量自回归模型（VAR m的均衡正模型（VEC m），即误差修）。接着，在VEC模型估计结果的基础之上再进行脉冲响应函数分析来研究变量之间的动态影响。然后，利用方差分解来分析变量之间冲击的影响程度。具体的技术路线图见图1.2。图 1. 2技术路线图1-2毕业二、国内外研究综述房价到居民的生存和发展问题，一直受到和

13、的大量关注。近些年来，学术界关于房地产价格相关的研究层出不穷。关于房地产价格与利率之间的也已经有相当数量的研究文献和研究成果。就研究而言，研究普遍会采用实证分析的结合计量学模型和不同地区的数据来对利率与房价的相关性进行研究。VAR模型可以很好地考察多个变量之间的动态互动，成为研究普遍采用的模向量自回归（BVAR）模型、结构化向量自回型。由其演变而来的模型，比如归（SVAR）模型、全局向量自回归（GVAR）模型等也在逐渐发展。就研究观点和研究结论而言，或是研究角度和研究的不同，或是由于研究对象的实际情况差异，国内外学术界对于利率对房地产价格的调控是否有效并未形成统一的看法。利率对房价是有影响的，

14、这是绝大部分学者的共识。比如McDonald和Stokes基于VAR模型通过Stokes，2015）。信贷是住宅价格波动的（McDonald和表明，美联储的利率会对房地产市场中的供给和需求产生直接影响（等，2007）。利率可以通过影响供给方和需求方的成本以及预算约束，进而来对房地，2012）。由此可见，贷款利率作为信贷产价格产生影响（要组成部分，成为和的重调控房地产市场的重要。（一）贷款利率对房价具有负向影响的相关研究进展国内外学术界的主流观点是利率对房价具有负向的影响，提升利率可以有效抑制房地产价格。Hanck和Prü ser通过向量自回归（BVAR）模型证明利率变动对德国近期房价

15、的上涨起到了重要的促进作用，并且利率变动可以很大程度上解释房价的变化。因而提高利率极可能有效抑制房价的增长。同时作者认为4%的利率足以抑制德价的上涨（Hanck and Prü ser，2016）。根据一项结果，拉各斯大都市区不同类型住房的价格皆与利率呈负相关，但是相关程度有所不同（Alaba andAdegoke，2015）。等建立了利率、房地产投资和房地产价格三者的的向量自回归（VAR）模型得出结论，利率对房地产价格正向影响，实际上从侧面反映出，低利率也会通过负向影响，房地产投资对房价有房地产投资热来使房价上升（赖，贷款利率的上升会抑制的上一飞等，2014）。房价与贷款利率双向影

16、响的，2012）。低利率涨（会使房地产市场升温，上海的总住宅抵押贷款每增加10亿元，上海的住宅房地产指数就会增加3.069，上海的住房投资会增加0.52亿元（Yang and Zhang，2014）。通过建立向量自回归（VAR）模型得出结论：利率对房地产价格的影响非常显著。脉冲响应函数显示，当利率产生一个正的冲击时，在第一便出现下降，利率的变动对具有持续的负向作用。利率能够同时开发商的投资行为和个人的购房行为（，2012）。与此相似，和基于向量1-3毕业自回归（VAR）模型对货币对房地产价格的动态影响进行了实证分析。分析结果表明，利率变化对房地产价格有负向影响，但在长期其动态影响逐渐减弱，并最

17、终回，2007）。一方面认同通过提升利率可以达到抑制房价的目的，但是另一方的影响是多方面的，依赖利率要付出一定的代价。想要有效抑制房到原点（和有部分研究面认为利率对价需要大幅提升利率，随之而来的是高失业率和低通货膨胀率，进而衰退（Ò SCAR JÒRDA ,et al.,2015）。利率的上涨会降低实际的房价（剔除通货膨胀的影响），但是伴随房价下降的是GDP和通货膨胀率的下降（Williams，2015）。或许正是因为如此，加之确定利率对地产市场时，往往还有部分研究的传导路径是有的，因此使用利率来调控房过于激进而是相对温和和循序渐进的。认为利率对房价的调控虽然是有效的，但是

18、受到其他许多因素的掣肘，导致达不到理想的调控效果。我国利率调整的主要问题是：利率滞后性突出、利率监管体系善、金融环境性较差、央行利率对传导机制不利、金融体系尚善等，导致了利率调整对房地产市场价格的影响达，2016）。分析了我国利率不到预期效果（调控房地产价格的有效性。通过实证分析，作者认为利率对房地产价格的传导是有一定效果的，但是的配合来有效调控房地产市场（，2010）。此外，着阻滞。因此需要多种有研究引入土地价格这一非市场化因素，通过实证检验发现，利率的提高会刺激通过紧缩地根来乃至提高地价，从而导致利率上调对的抑制作用十分有限（，2013）。带有房地产市场的多部门DSGE模型也被用于研究利率

19、与房地产价格之间的，数值模拟结果显示当融资成本较高时，降低利率的货币冲击使得房地产价格显著上升。因此，着力降低企业的外部融资溢价、降低和，2016）。融资成本，对于抑制房地产市场有着重要意义（肯定了信贷量的辅助（的调控作用，但是在房地产市场出现过热势头时还需要货币供应，2007）。利率工具由于对房地产市场的供给和需求具有双重效应，具有一定的冲销作用，因此短期内对房地产价格的作用并不明显，因此需要辅以其他，2006）。有研究（和对此也持相同的观点，认为供给和需求的弹性不同，对货币工具冲击的反应也会差异，导致房地产价格调控存在不确定性，因此的调控仍然需要其他国强，2012）。的配合才能产生良效果（

20、和苏（二）贷款利率对房价调控效果不显著的相关研究进展另一部分研究认为利率对房价的调控效果并不显著、是无效的。有研究利用1984-2012年间的数据基于Johansen协整检验来研究抵押贷款和之间的长期。结果表明，短期和长期利率对房价的影响并不明显，货币对形成的作用并不1-4毕业强烈（Lindner，2014）。有研究认为在于利率无法抑制需求的大爆发，其分析了货币对房地产价格的调控机理，在此基础上，选取2003-2013年间月度数据作为样本进行了实证分析。研究发现，利率是房地产价格的。但是利率对房地产价格的调控效应不显著，二者不长期的均衡（和，2014）。同时期，有学者运用数理模型，选取2003

21、2013年间房地产价格运行数据，对利率工具调控房地产价格的影响进行了实证分析。结果表明，利率变化对房地产价格的影响不显著，两者也不长期的协整，但利率变量是影响房地产价格和陶冶，2014）。基于1999-2009年间新西兰的数据研究的（发现，实际利率和实际房价是显著正相关的，这与主流的理论恰恰相反。表明提高利可能有效地抑制实际房价（Shi等，2014）。对法国、荷兰和西班牙的实率的证分析也得出结论，利率和房价之间的是相对微弱的。并且欧洲统一的货币对不同的显现出不对称性（Sanchez Santos，2011）。和通过结构向量自回归模型得出结论，的利率并未对房地产价格有效调节，而房地产价格则，20

22、11）。甚至有的研究对利率具有显著的正向影响（和认为利具有在率的变化会对造成不。我国利率收紧及其他房地产调控短期压缩需求的特征，由于短期房地产市场供给具有刚性，因此，其在短期能房价。但是，在长期，房地产市场将供给减少以及前期需求和本期需求集中爆发的，2014）。情况，进而造成在利率放松周期快速上涨，这不利于长期发展（三）贷款利率对房价调控效果具有区域异质性的相关研究进展部分研究认为由于实施的背景和条件不同，因而利率的调控效果在不同的区域和不同的会具有异质性。不同地区利率对于房地产价格的影响是不同的，中西部城市的影响较小，对一线城市和东部城市的影响较大。（Yü，真实利率对2015）。澳

23、大研究通过澳大的数据和结构向量自回归模型的实证分析来研究抵押贷款对房价的影响。结果表明，从全国整体数据来看，利率变动对的影响几乎是中立的。而各州府对相同的响应表现出明显的不对称性（Gregory etal.,2015）。在建立向量自回归（VAR）模型的基础上来分析利率变动对京津冀地区房价的作用过程，利用脉冲响应函数分析了贷款利率的变化对京津冀地区房价的动态影响。结果表明：在长期，利率变动对收入比较高的地区调整效果明显，但对收入比较低的天津、石家庄和唐山地区调整作用不明显（，2015）。利率对房地产市场的影响显著的区域效应，利率提高能够在一定程度上抑制房地产，2011）。一项欧洲货需求，但是对西

24、部地区的抑制强度要高于中东部地区（币联盟的（法国、荷兰和西班牙）的实证分析认为，欧洲统一的货币对不同的显现出不对称性（Sanchez Santos，2011）。1-5毕业总而言之，国内外学术界关于利率与房价之间互动的研究体系和框架已经相对完备，大都遵循着理论分析、变量选取、等几大方面的路径。但是细节部分是否严谨仍然值得推敲和考量。比如，许多研究都模糊了名义利率和名义利率，实际上二者有很大的差别，会影响研究结论。本文会格外注意研究和数据变量的可靠性，最大程度地保持研究的严谨性。此外，大多研究只是摆出了的结果，而不对结果产生的进行解释和分析。本文会基于结果，结合已有的研究成果，整合分析实证结果背后

25、的，进行有性地提出相应的建议。三、贷款利率变动对房价影响的理论分析（一）均衡价格理论简介均衡价格理论最早由英国学家提出，是为学家所广泛采用的现代学价值理论之一。均衡价格是指当某种商品的需求量与供给量相等时市场上所形成的价格，从供求曲线图来看即是该商品的市场需求曲线与市场供给曲线相交时的价格。图 3. 1 均衡价论，对某种商品的市场需求与该商品根据均衡价格理论，在其他条件变的情的价格呈反方向，对某种商品的供给与该商品的价格同方向。即价格上涨，需求量减少，供给量增加；价格下降，需求量增加，供给量减少。当供给量大于需求量时，价格下降；当需求量大于供给量时，价格上涨。表明，利率可以通过影响供给方和需求

26、方的成本以及预算约束，进而来对房地产价格产生影响（，2012）。荣和1-6毕业（二）基于均衡价格理论的利率对房地产市场供求的影响分析房地产供给是指房地产开发商和所有者在某一特定的时间内，在每一价格水平下，对某种房地产愿意并且能够出售的数量。只有符合“愿意”和“能够”两个条件，才能形成有效供给，否则不能称之为供给。资金是影响房地产开发商供给力的主要因素之一，而利率则到使用资金所付出的代价。因此，利率的高低对房地产商的开发意愿和开发能力有重要影响。当利率上升，房地产开发商的融资成本上升，开发的风险随之也上升，并且将投资回报率维持在一个高的水平也变得更加，反之则反。因此，在其他条件相同时，利率上升会

27、减少房地产的供给量，而利率下降则会增加房地产的供给量。利率的高低会影响房地产消费的使用者成本，进而影响消费者的支付能力。利率的降低意味着使用资金所付出的成本减少，其支付能力提升，而利率的提高则意味着消费者支付能力的下降。因此，在其他条件相同时，利率上升会减少房地产的需求量，而利率下降则会增加房地产的需求量。图 3. 2 利率对房地产供求的影响（三）基于均衡价格理论的利率对房价的影响分析贷款利率变动的结果是房地产市场供给和市场需求的同方向变动。比如，当贷款利率降低时，房地产市场供给会增加，房地产市场的需求也会增加。而正是由于利率变化对供求的双重效应，房地产市场均衡价格是上升还是下降无法简单判定。

28、如果不考虑其他因素，从完全竞争市场的角度出发，价格的变化趋势主要取决于供给弹性和需求弹性。当房地产市场供给弹性大于需求弹性时，利率降低则房地产市场供给的增加会大于房地产市场需求的增加（供大于求），房地产价格下降。当房地产市场供给弹性小于需求弹性时，利率降低则房地产市场供给的增加小于房地产市场需求的增加（供小1-7毕业于求），房地产价格上升。而现实中普遍认为房地产市场供给在短期内的弹性是相比需求来说是更小的，最直观的是房地产的建设周期比普品要长得多。因此，从理论上来讲，在短期内，降低利率会使房地产价格上升，提高利率则会抑制房地产价格。，由于房地产市场供求的复杂性，贷款利率的调控效果不可一概而论。

29、图 3. 3 利率对房价的影响四、数据来源和研究模型（一）数据来源本文的研究对象是20个大中型城市，以便于比较分析。首先，由于房价在一年之内的波动程度非常大，因此选择年度数据过于粗糙，无法恰当反映房价的波动趋势， 因此本文将会搜集房价的月度数据以充分反映房价的变动趋势。其次，也考虑到数据可得性的问题，最终本文选择的样本期间为2010年6月到2016年11月共78期。根据本文的研究目的，所需的变量如下：20个城市的房价，符号表示为HP。在城市的选取上，为了保证数据的多样性、均匀性和典型性，本文从北部、中部、东南部、西南部、西北部分别选取了几个大中型城市，搜集了共计20个城市的房价数据。数据来源于

30、房地产指数系统（Real Estate Index System，CREIS）定期发布的主要城市房地产价格指数，具威性和时势性。由于数据的自然对数变换不改变原有的协整，并能使其趋势线性化，也能够消除时间序列中的异方差现象。因此应当将数据取其自然对数值，以增强数据线性化趋势、消除异方差。因此，需要先把房价数据进行对数化处理，符号表示为LNHP。1-8毕业名义贷款利率。由于房地产贷款绝大多数是五年以上的长期贷款，因此本文采用发布的五年以上长期贷款基准利率。数据来源于银行的官方。通货膨胀率。名义利率需要调整通货膨胀因素的影响才能成为实际利率。数据来源于TradingEconomics。一项关于房地产

31、市场的表明在通货膨胀的年代即1997年之前，利率与房价具有正相关性；在通货紧缩的年代即1997年之后，的调控效果着影响（Wong，利率与房价具有负相关性。即通货膨胀对利率2003）。实际贷款利率，符号表示为r。我国的通货膨胀水平相对较高，名义利率无法很好地反映利率的变化趋势。实际利率和名义利率对房地产价格均显著影响，但是，2013）。因此，在进行实证分析只有实际利率才能调控房地产价格（和时本文将采用调整通货膨胀因后的实际利率数据。根据效应，本文用名义利率减去通货膨胀率来表示实际利率。以上数据详见附录。（二）研究模型研究主要采用的是向量自回归模型（Vector Aüto-Regress

32、ion M）。VAR模型可以考察多个变量之间的动态互动作为所有变量滞后项的函数。VAR模型的，其主要思想是把系统中每一个内生变量形式为：Yt=AtYt-1+A2Yt-2+ApYt-p+t其中，Y表示k维内生变量，A表示相应的系数矩阵，P表示内生变量的滞后阶数。需要特别指出的是，VAR模型的具体系数往往并不是研究者所关注的重点。一方面是因为VAR模型的系数非常之多，具体为变量个数*滞后阶数+1，比如3个变量滞后3期，那么系数则有10个。另一方面是因为对这些系数的解释相对。VAR模型所关注的重点是在变量长期均衡的前提下，根据模型的估计结果进行脉冲。响应函数和方差分解来探究变量之间的六、贷款利率变动

33、对房价影响的实证分析本研究的实证分析过程主要分为：数据的平稳性检验、Johansen协整检验、误差模型的建立和估计、脉冲响应函数、方差分解等五个部分。时间序列数据具有平稳性是建立VAR模型的，否则得出的结论是无效的。因此首先要进行数据的平稳性检验。若数据平稳则可继续建模，但是大部分数据都是不平稳的。解决方式是进序列，则可以利用变量的原始序列进行Johansen协行差分处理，如果变量是同阶整检验。若变量之间协整，即长期的均衡，那么就可以进一步建立模型（VEC）。之后，在VEC带有误差项的向量自回归模型（VAR），即误差1-9毕业模型估计结果的基础上进行脉冲响应函数和方差分解，来观察变量之间的相互

34、冲击程度以及变量之间的影响程度。（一）数据的平稳性检验建立VAR模型的前提条件是时间序列数据具有平稳性，否则会产生伪回归问题， 即时间序列的高度相关仅仅是因为二者同时随时间有向上或向下变动的趋势，并没有。从经验上来讲，大多数时间序列数据都是不平稳的。本文采用ADF真正的根检验来数据是否平稳。如表6.1所示，时间序列变量都是不平稳的。这样，就需要进行差分处理，如果两个变量是同阶序列，就可以进行协整检验。根据ADF根检验结果，20个大中型城市的时间序列数据都是一阶用变量的原始序列数据进行协整检验。表 6. 1 20 个城市房价与利率的平稳性检验结果序列。因此，可以利地区城市变量ADF 值P 值结论

35、差分结果1-10北部lnhp-2.0507640.5641不平稳r-1.536590.8083不平稳一阶d(lnhp)-4.5858430.0022平稳d(r)-10.724490平稳lnhp-0.6464330.9731不平稳r-1.536590.8083不平稳天津一阶d(lnhp)-4.2716720.0058平稳d(r)-10.724490平稳lnhp-0.9745660.9409不平稳r-1.536590.8083不平稳石家庄一阶d(lnhp)-4.8206860.001平稳d(r)-10.724490平稳lnhp-1.7722280.7087不平稳r-1.536590.8083不平稳

36、长春一阶d(lnhp)-8.4531260平稳d(r)-10.724490平稳中部lnhp0.1412560.9972不平稳r-1.536590.8083不平稳一阶d(lnhp)-4.6794670.0016平稳d(r)-10.724490平稳毕业lnhp-2.2292210.4667不平稳一阶r-1.536590.8083不平稳郑州d(lnhp)-6.0716160平稳1-11d(r)-10.724490平稳lnhp2.1213761不平稳r-1.536590.8083不平稳合肥一阶d(lnhp)-7.0548540平稳d(r)-10.724490平稳东南部lnhp0.0512070.996

37、3不平稳r-1.536590.8083不平稳上海一阶d(lnhp)-6.4465860平稳d(r)-10.724490平稳lnhp-1.4027740.8525不平稳r-1.536590.8083不平稳杭州一阶d(lnhp)-4.0826690.01平稳d(r)-10.724490平稳lnhp-1.1420380.9145不平稳r-1.536590.8083不平稳苏州一阶d(lnhp)-5.4980720.0001平稳d(r)-10.724490平稳lnhp-1.7636240.7125不平稳r-1.536590.8083不平稳南京一阶d(lnhp)-3.7721010.0235平稳d(r)-

38、10.724490平稳lnhp-3.0552190.1246不平稳r-1.536590.8083不平稳福州一阶d(lnhp)-4.112140.0092平稳d(r)-10.724490平稳lnhp-2.2196280.4719不平稳r-1.536590.8083不平稳南昌一阶d(lnhp)-5.5472640.0001平稳d(r)-10.724490平稳毕业lnhp-1.1348810.9158不平稳r-1.536590.8083不平稳一阶d(lnhp)-4.2068340.007平稳Null Hypothesis:D(LNHP) has aunit root1-12d(r)-10.72449

39、0平稳西南lnhp-2.5750250.2927不平稳r-1.536590.8083不平稳重庆一阶d(lnhp)-3.821450.0206平稳d(r)-10.724490平稳lnhp-2.9607290.1502不平稳r-1.536590.8083不平稳成都一阶d(lnhp)-3.7067090.0278平稳d(r)-10.724490平稳lnhp-2.4926640.3309不平稳r-1.536590.8083不平稳贵阳一阶d(lnhp)-6.5409980平稳d(r)-10.724490平稳西北lnhp-3.1576140.1009不平稳r-1.536590.8083不平稳西安一阶d(l

40、nhp)-5.5143210.0001平稳d(r)-10.724490平稳lnhp-1.5957060.7857不平稳r-1.536590.8083不平稳西宁一阶d(lnhp)-11.310240平稳d(r)-10.724490平稳lnhp-3.3259060.0698不平稳r-1.536590.8083不平稳一阶d(lnhp)-7.9085680平稳d(r)-10.724490平稳毕业（二）Johansen 协整检验当分析的时间序列变量为非平稳序列时，若想要建立VAR模型有两种处理：对序列进行差分处理后建立无约束的VAR模型或者进行协整分析。差分处理后的同阶序列是平稳的，可以用于建立无约束的

41、VAR模型，但是模型的意义会因此而改变，故本文不采用此法。本文选择采用Johansen协整检验，即检验所研究的非平稳变量的线性组合是否为平稳序列，若非平稳序列的线性组合是平稳的，那么可以认定所研究长期的均衡。在进行协整检验之前需要确定VAR模型的最的非平稳变量之间优滞后期，然后将协整检验的滞后期设定为m（最优滞后期）-1。Johansen协整检验的结果表明，在所研究的20个城市中只有合肥、西安、福州、等4个城市通过了协整检验，也就是说其房价和利率之间协整。而其余16个城市的房价和利率之间均不长期的均衡。表 6. 2 20 个城市房价与利率的协整检验结果城市协整检验协整indicates no

42、cointegration at the 0.05 level不indicates no cointegration at the 0.05 level天津不石家庄indicates no cointegration at the 0.05 level不长春indicates no cointegration at the 0.05 level不indicates no cointegration at the 0.05 level不郑州indicates no cointegration at the 0.05 level不indicates 1 cointegrating eqn(s) a

43、t the 0.05 level合肥indicates no cointegration at the 0.05 level上海不indicates no cointegration at the 0.05 level杭州不苏州indicates no cointegration at the 0.05 level不南京indicates no cointegration at the 0.05 level不福州indicates 2 cointegrating eqn(s) at the 0.05 level南昌indicates no cointegration at the 0.05 l

44、evel不indicates no cointegration at the 0.05 level不indicates no cointegration at the 0.05 level重庆不成都indicates no cointegration at the 0.05 level不贵阳indicates no cointegration at the 0.05 level不西安indicates 2 cointegrating eqn(s) at the 0.05 level西宁indicates no cointegration at the 0.05 level不1-13毕业indi

45、cates 2 cointegrating eqn(s) at the 0.05 level此外，还要关注调整系数值，当其为负值时，说明偏离非均衡误差将会得到，此时协整的。才是有效的。当变量的调整系数值全部为正值时，说明协整是无效表 6. 3 调整系数（合肥）Adjustment coefficients (standard error in parentheses)D(R)0.001021(0.00968)D(LNHP)-0.115596(0.02726)可以看出，D(R)和D(LNHP)的调整系数不是有效的。表 6. 4 调整系数（福州）数，因此合肥房价和利率的长期均衡Adjustment

46、 coefficients (standard error in parentheses)D(R)-0.105322(0.02964)D(LNHP)0.269890(0.09644)可以看出，D(R)和D(LNHP)的调整系数不是有效的。表 6. 5 调整系数（西安）数，因此福州房价和利率的长期均衡Adjustment coefficients (standard error in parentheses)D(R)-0.094995(0.02717)D(LNHP)0.006792(0.06003)可以看出，D(R)和D(LNHP)的调整系数不是有效的。数，因此西安房价和利率的长期均衡1-14毕

47、业表 6. 6 调整系数（）Adjustment coefficients (standard error in parentheses)D(R)-0.003466(0.00349)D(LNHP)0.059337(0.00789)可以看出，D(R)和D(LNHP)的调整系数不数，因此房价和利率的长期均衡是有效的。值得注意的是，实际上，协整式只能说明二者之间是否长期的均衡，不能明确说明是利率的变动导致房价的变动还是房价的变动导致利率的变动。仍需要进一步建立向量误差模型（VECM），要想明确房价和利率之间的相互在VEC模型的基础之上进行脉冲响应函数分析和方差分解分析。（三）误差模型（VECM）如前

48、所述，所研究的变量是非平稳时间序列，无法直接建立无约束的VAR模型。协整之后，本研究采用VEC模型是更为妥当在验证变量（利率和房价）之间的，即带有项的VAR模型。VEC模型的操作使用的是原序列，但是输出的结果是差分序列的。当然，VEC模型的系数并不是研究所关注的重点，因为VEC模型的系数往往非常之多并且难以解释。因此，为了明确房价和利率之间的相互VEC模型估计结果的基础之上进行脉冲响应函数分析和方差分解分析。（四）脉冲响应函数（IRF），将在利用脉冲响应函数来分析利率冲击对房地产价格在不同时期的影响效果。脉冲响应函数（IRF，Impülse Response Fünctio

49、n）分析可以一个内生变量对由误差项所带来的冲击的反应，即在随机误差项上施加一个标准差大小的冲击后，对内生变量的当期值和未来值所产生的影响程度。可以由此来看出利率调控效果。在不同时期的从脉冲响应值的轨迹可以看出合肥的房价受到利率一个正的冲击后，持续下行并且为负值。因此，可以得出结论，当利率对合肥的房价产生正向冲击时，房价会下行， 并且在后期尤为明显。从脉冲响应值的轨迹可以看出福州的房价受到利率一个正的冲击后，会持续上行并且在一年左右达到峰值，后续会在波动中下行，最后 在0.01左右，但是一直保持为正值。因此，可以得出结论，当利率对福州的房价产生正向冲击时，房价会上行。1-15毕业从脉冲响应值的轨

50、迹可以看出西安的房价受到利率一个正的冲击后，会下行并在半年左右达到最低值，然后上行，最终在0.003左右，但是一直保持为负值。因此可以得出结论，当利率对西安的房价产生正向冲击时，房价会下行，但是下行幅度极小。从脉冲响应值的轨迹可以看出内小幅下行然后上行，最终的房价在受到利率一个正的冲击后，会在在0.06左右。因此可以得出结论，当利率对乌几的房价产生正向冲击时，总体上房价会上行。图 6. 1 脉冲响应函数（合肥）图 6. 2 脉冲响应函数（福州）图 6. 3 脉冲响应函数（西安）图 6. 4 脉冲响应函数（）1-16毕业（五）方差分解（VD）利用方差分解可以分析影响内生变量的结构冲击的贡献度，在

51、本研究中则是用来分析不同的变量对房价冲击的贡献程度。“Percent LNHP variance düe to LNHP”部分显示的是房价变动方差由自身变动导致的部分，“Percent LNHP variance düe to R”显示的是房价变动方差由利率变动导致的部分。随着时间的推移，合肥房价变动方差由自身变动解释的部分逐渐下降，最终在60%左右，由利率变动解释的部分逐渐增加，最终在40%左右。因此，可以得出结论，利率的变动能在一定程度上解释合肥房价的变动。图 6. 5 方差分解（合肥）图 6. 6 方差分解（福州）图 6. 8 方差分解（）图 6. 7 方差分解（西安）1-17毕业随着时间的推移，福州房价变动方差由自身变动解释的部分逐渐下降，最终在55%左右，由利率变动解释的部分逐渐增加，最终在45%左右。因此，可以得出结论，利率的变动能在一定程度上解释福州房价的变动。福州房价变动方差由自身变动解释的部分为95%左右，由利率变动解释的部分为5%左右。因此，可以得出结论，利率的变动几乎无法解释西安房价的变动。房价变动方差由自身变动解释的部分接近100%，利率变动几短期内，乎对房价变