中国房地产市场与宏观经济运行的关联性研究分析

1、摘 要中国房地产市场与宏观经济运行的关联性研究房地产市场不仅与我国经济发展息息相关，并且与国民经济各部门的发展都有着至关重要的联系。房地产价格对于房地产市场具有显著影响，不仅关系到人民生活水平，也对国民经济的稳定发展具有十分重要的作用。我国房地产投资增长率不仅远高于固定资产投资增长率和 GDP 增长率，同时我国房地产增加值占国民经济总量的比重也在逐年增加，房地产开发投资额占全社会固定资产投资的比重也呈现出日益增长的趋势，房地产业已经成为我国国民经济的支柱性产业之一。本文运用了许多动态经济计量和时间序列分析方法研究房地产市场相关变量与宏观经济运行之间的关联性问题。我们首先通过对我国房地产价格在经

2、济增长过程中存在的结构转变来了解我国房地产市场的走势及其与我国经济增长之间的对应关系。我们构建双变量结构转变模型，结果发现我国商品房销售价格指数与我国GDP增长率双变量结构转变模型是显著的，从模型的估计结果可以看出我国商品房销售价格指数与我国GDP增长率双变量结构转变模型存在显著的结构转变点。由结构转变点可以将总样本区间划分为4个子样本区间，我们采用子样本区间参数估计方法分别对4个子样本区间分别进行参数估计，发现截距估计值在第一个子样本区间内最大，在第四个子样本区间内最小，随时间发展呈现出逐级递减的趋势，斜率估计值在第一个子样本区间和第四个子样本区间为负数，而在第二个子样本区间和第三个子样本区

3、间为正数，而可以看出解释能力在第三个子样本区间内解释能力最强，在第一个子样本区间内我国商品房销售价格指数对GDP增长率解释能力最弱。接下来我们应用单位根检验、VAR 模型、Granger 因果关系检验、脉冲响应函数和方差分解等计量经济学方法，对我国房地产市场与经济增长之间的相互关系，从多方面、多视角进行进一步的综合实证检验与分析，从而试图探寻我国房地产市场与经济增长之间的关联性和影响程度。我们使用 GDP 增长率和工业增加值增长率两种变量来表征我国经济增长，以商品房销售额同比增长率数据来表征我国房地产市场的发展水平。通过检验我们发现，我国商品房销售额增长率对 GDP 增长率序列具有较为显著的影

4、响作用，而 GDP 增长率对商品房销售额增长率的影响则并不十分显著。通过我国商品房销售额增长率与 GDP 增长率的趋势成分以及波动成分之间的相互影响关系检验我们都发现，我国商品房销售额增长率能够显著影响 GDP 增长率，而 GDP 增长率对我国商品房销售I额增长率的影响程度依然相对较为微弱。而我们以工业增加值增速来表征经济增长时，得到了相同的结论。其次，我们通过对我国房地产价格以及通货膨胀率的波动过程对比来了解我国房地产市场的走势及其与我国通货膨胀率之间的对应关系。我们通过利用马尔科夫区制转移模型对我国商品房价格同比增长率数据与我国通货膨胀率数据分别进行计算检验，以判别我国房地产市场和通货膨胀

5、之间的关联与区别。估计结果表明我国商品房价格的月度同比增长率存在明显的两区制特征，即高增长区制和低增长区制，我国商品房价格月度同比增长率在低增长区制的平均持续期为 5.1867 个月，而在高增长区制的平均持续期为18.1159 个月。我国通货膨胀率滞后 1 阶的马尔科夫区制转移模型的估计结果也表明我国通货膨胀率存在明显的两区制特征，我国通货膨胀率在低增长区制的平均持续期为14.8588 个月，而在高增长区制的平均持续期为 15.2672 个月。可见我国通货膨胀率数据区制转移的次数较少，而在每个区制的持续期则较长。然后，我们对我国房地产市场与主要宏观经济变量之间的相互关系分别进行实证检验与分析。

6、我们通过检验发现通货膨胀率对我国商品房销售价格增长率的影响较弱，名义利率对我国商品房价格的影响具有一定程度的滞后性，贷款增长率对我国商品房销售价格增长率的影响非常显著，但商品房销售价格增长率对贷款增长率的影响系数较小。方差分解结果表明贷款增长率对商品房销售价格增长率序列的贡献率始终保持在 28%左右。投资增长率对我国商品房销售价格增长率的影响较小，Granger 因果关系检验表明投资增长率序列不能 Granger 影响我国商品房销售价格增长率序列，方差分解结果表明我国投资增长率序列对商品房销售价格增长率序列的贡献率很小。我国商品房销售价格增长率对消费增长率的影响系数较小，而消费增长率对我国商品

7、房销售价格增长率的影响较显著。方差分解结果表明消费增长率序列对商品房销售价格增长率序列的贡献率在第 10 期为 4.7799%。最后，我们对我国房地产市场与我国其他主要市场之间的相互关系分别进行实证检验与分析，从而探寻我国房地产市场与我国其他主要市场之间的关联性和影响程度。我们首先检验我国商品房销售价格与股票市场之间的相关关系，发现滞后一阶和滞后二阶的股票市场对我国商品房销售价格增长率的影响都非常微弱，股票市场对商品房销售价格增长率序列的贡献率也较小。债券市场对我国商品房销售价格增长率的影响较小，债券市场序列能够略微 Granger 影响我国商品房销售价格增长率序列，方差分解结果表明债券市场对

8、商品房销售价格增长率序列的贡献率在第 10 期才上升至 1.9242%。汇率增长率对我国商品房销售价格增长率具有一定的影响，方差分解结果表明汇率增长率对商品II房销售价格增长率序列的贡献率到第 10 期上升为 3.3153%。货币增长率对我国商品房销售价格增长率没有影响，方差分解结果表明货币市场对商品房销售价格增长率序列的贡献率在第 2 期为 0.0601%，然后逐渐下降。商品房销售价格增长率对汽车产量增长率的影响系数非常显著，而汽车产量增长率对我国商品房销售价格增长率几乎没有影响。关键词：房地产市场，宏观经济，结构转变，区制转移IIIAbstractThe Correlation betwe

9、en Real Estate Market and Macroeconomic inChinaReal estate market is closely related not only to economic development and thedevelopment of national economy sectors have a vital link. For the real estate marketreal estate prices have a significant impact, not only to the peoples living standards,but

10、 also the stable development of the national economy has a very important role.Chinas real estate investment growth rate is not only much higher than the fixed assetinvestment growth and GDP growth, while accounting for the added value of our realestate economy is also growing proportion of the tota

11、l real estate development andinvestment accounted for in fixed asset investment also showed the proportion of thegrowing trend, real estate has become a pillar industry of China is one of the nationaleconomy.In this paper, a number of dynamic econometric and time series analysis of thereal estate ma

12、rket-related variables and the relationship between macroeconomicissues. We first of our real estate prices in the process of economic growth, structuralchanges to the existing understanding of Chinas real estate market trends andeconomic growth in Chinas correspondence. We constructed two-variable

13、model ofstructural change and found that sales of commercial housing price index for GDPgrowth of two-variable model of structural change is significant, estimated from themodel results show that sales of commercial housing price index and the structure ofChinas GDP growth rate of two-variable signi

14、ficant changes in the structure of modeltransition point. By the structural change point total sample interval can be dividedinto 4 sub-sample interval, we use the sub-sample interval estimation methods aresub-sample interval of 4 to estimate the parameters, respectively, and found that theintercept

15、 estimates range in the first sub-sample of the largest in the The fourthsub-sample of the smallest interval, step by step over time showing a decreasing trend,the slope estimates range in the first and fourth sub-sub-sample of the sample intervalIVis negative, the sample interval in the second and

16、third sub-sub-sample interval ispositive, it can be seen in the third sub-sample explanatory power to explain thestrongest interval, sample interval in the first sub-housing sales price index of GDPgrowth to explain the weakest.Next, we applied unit root test, VAR model, Granger causality test, impu

17、lseresponse function and variance decomposition econometric methods, and therelationship between economic growth and the real estate market, in many ways,multi-angle further Comprehensive empirical testing and analysis, which attempts toexplore the real estate market and the relationship between eco

18、nomic growth andimpact. We use the GDP growth rate and growth rate of industrial added value of twovariables to characterize Chinas economic growth to year growth rate of real estatesales data to characterize the development level of Chinas real estate market.Through testing we found that our rate o

19、f growth of the GDP growth rate of realestate sales sequence has more significant influence, while the growth rate of GDPgrowth rates of real estate sales are not very significant. Through our real estate salestrend growth rate and GDP growth volatility component composition and therelationships bet

20、ween the test we found that growth rates of real estate sales cansignificantly affect the GDP growth rate, while the GDP growth rate of real estatesales in China influence the growth rate is still relatively weak. The growth rate ofindustrial added value to our characterization of economic growth, h

21、ave the sameconclusion.We adopted our real estate prices and the volatility of inflation compared to theprocess of understanding the trend of the real estate market and its relationship withChina the correspondence between the rate of inflation. We use Markov regimeswitching model year growth rate o

22、f house price inflation data and the data of testswere calculated to determine the real estate market and the relationship betweeninflation and difference. Our estimation results show that the monthly house pricegrowth year on year there are obvious characteristics of the two-district system, thatsy

23、stem of high-growth areas and low-growth areas in the system, my monthly houseprice growth in the low-growth year on year, the average duration of the districtsystem was 5.1867 months, high-growth areas in the system, the average duration isV18.1159 months. Chinas inflation rate lagged 1-order Marko

24、v regime switchingmodel estimation results also show that Chinas inflation rate system there areobvious characteristics of the two areas, Chinas inflation rate in the low-growth areas,the average duration of the system was 14.8588 months high-growth areas in thesystem, the average duration is 15.267

25、2 months. Our data shows the rate of inflationless the number of regime switching, and in the duration of each district system islonger.We study our real estate market and the main macroeconomic variables,respectively, the relationship between the empirical test and analysis. We test showedthat the

26、rate of inflation on real estate sales prices of the impact of weaker growth inthe nominal interest rate of commercial housing prices in China have a certain degreeof lag, the loan growth rate of prices of the impact of sales of commercial property isvery significant, but growth rate of commercial h

27、ousing sales price impact of loangrowth coefficient is small. Variance decomposition results show that the loan growthrate of real estate sales prices contributed the sequence is always maintained at about28%. Investment growth rate on real estate sales prices of the impact of lower growth,Granger c

28、ausality test showed that the growth rate of investment is not Grangersequence of growth of commercial housing sales price series, the variancedecomposition results show that the sequence of investment growth rate of real estatesales prices sequence of a small contribution. Growth rate of real estat

29、e sales priceson consumption growth rate of the coefficient is small, while the consumption growthrate of real estate sales prices of the impact of more significant growth. Variancedecomposition results show that the consumption growth rate series of real estatesales prices in the contribution rate

30、of the sequence is 4.7799%.Finally, our real estate market and other major markets of the relationshipbetween the empirical test and analysis were to explore the Real Estate Market andother major markets in China and the relationship between the degree of influence.We first examined the sales price

31、of real estate and stock market correlation betweenthe found behind the first and second lag of stock market prices of real estate sales arevery weak growth rate of the stock market to real estate sales price growth sequencecontribution rate is also smaller. Bond market growth rate of commercial hou

32、singVIsales price less affected, the bond market can be a little Granger sequence of growthof commercial housing sales price series, the variance decomposition results showthat the bond market, the price growth rate series of real estate sales in thecontribution rate was rose to 1.9242 percent. Exch

33、ange rate on the growth ofcommercial housing sales price has some effect, the exchange rate variancedecomposition results show that the rate of growth of real estate sales pricescontributed to the sequence rose to 3.3153%. Money growth rate on the sales price ofreal estate did not affect the varianc

34、e decomposition results show that the moneymarket rate series of real estate sales prices in the contribution rate is 0.0601%, andthen gradually declined. Sales of commercial vehicle production growth rate of pricegrowth in the influence of significant factors, and vehicle production growth rate ofC

35、hinas real estate sales prices had little impact.Keywords:Real Estate Market; Macroeconomic; Structural Change; Regime SwitchingVII目录第 1 章 绪论.11.1 选题背景与研究意义.11.2 研究思路与研究方法.21.3 文献回顾.31.4 主要创新点.13第 2 章 中国房地产市场发展的结构性转变分析.142.1 结构性转变模型的构建.152.2 房地产市场结构转变的实证检验.162.3 本章小结.22第 3 章 中国房地产市场与经济增长关系的实证研究.243.

36、1 检验中国房地产市场与经济增长相关关系的模型与方法.253.2 房地产市场与 GDP 增长率相关关系检验.313.3 房地产市场与工业增加值增速相关关系检验.453.4 本章小结.59第 4 章 中国房地产市场与通货膨胀的区制转移比较分析.604.1 马尔科夫区制转移模型的构建.624.2 商品房价格增长率与通货膨胀率的数据分析.654.3 商品房价格增长率与通货膨胀率的区制转移分析.694.4 本章小结.73第5章 中国房地产市场与主要宏观经济变量关系的实证研究.755.1 房地产市场与通货膨胀率相关关系检验.775.2 房地产市场与利率相关关系检验.815.3 房地产市场与信贷相关关系检

37、验.855.4 房地产市场与投资相关关系检验.90VIII5.5 房地产市场与消费相关关系检验.945.6 本章小结.99第 6 章 中国房地产市场与其他主要市场关系的实证研究.1006.1 房地产市场与股票市场相关关系检验.1026.2 房地产市场与债券市场相关关系检验.1066.3 房地产市场与外汇市场相关关系检验.1106.4 房地产市场与货币市场相关关系检验.1156.5 房地产市场与汽车市场相关关系检验.1196.6 本章小结.123结 论.125参考文献.128后 记.138IX第 1 章 绪论1.1 选题背景与研究意义1.1.1 选题背景自我国开始城镇居民住房改革以来，我国房地产

38、市场实现了突飞猛进的发展。房地产市场的发展不仅对经济发展起到了巨大的带动作用，与此同时，房地产业的发展也对国民经济的方方面面都产生了极为深远的影响，直至今日，房地产市场依然是学术研究以及社会各界所热衷探讨的话题。回顾我国房地产市场的发展道路，我们不难发现我国房地产市场始终伴随着政府对于房地产市场的调控，从住房公有制，到住房分配货币化，再到房地产市场的全面发展，我国房地产市场的发展也清晰的反应出我国经济发展和改革开放的发展历程。1991 年，国务院发布了关于全面推进城镇住房制度改革的意见，这对于城镇住房改革具有深远的影响，这一意见对于房改的各项原则和目标进行了明确。在 1992 年邓小平同志发表

39、南巡讲话以后，不仅使得我国对外开放的步伐加快，同时我国社会主义市场经济建设也进入了一个新的历史时期。从此全国房地产价格也逐步放开，从这一年开始政府审批权利下放，金融机构也可以进行房地产开发贷款，在我国宏观经济加快改革开放步伐的带动下，中国房地产市场进入了一个快速扩张时期，具体表现为 1992 年开始我国的商品房价格呈现突飞猛进的增长势头。由于 1992 年我国房价的大幅度上涨，1993 年我国开始宣布终止房地产公司上市，并且开始控制银行资金进入房地产。同年，关于当前经济情况和加强宏观调控意见对于稳定市场起到了非常关键的作用。意见正式提出整顿全国的金融秩序，并加强金融机构监管并且进行宏观调控的

40、16 条具体政策措施，从而顺利实现经济软着陆。我国政府也开始了对房地产市场加强监管措施，进行清理和整顿。1994 年，我国又出台了国务院关于深化城镇住房制度改革的决定，从此建立住房公积金成为房改的一项重要内容，可以认为住房公积金制度开始了住房分配的货币化，也是新的住房制度的雏形。1997 年 5 月，住宅担保贷款管理试行办法出台，不仅成为按揭业务的法律依据，同时也进一步促进了房地产金融的发展。1998 年，我国颁布实施了关于进一步深化城镇住房制度改革，加快住房建设的通知，这一纲领性文件成为我国住房体制改革的一次重要分水岭。从 1998 年起我国不再进行住房实物分配，改为实行住房分配货币化或者住

41、房供给商品化，我国的房地产业发展在这项重大改革举1措之下形成了一个崭新的面貌，我国的福利分房制度也被彻底取消。2001 年北京成功申办第 29 界奥运会，北京房地产市场开启了“奥运时代”的序幕，在北京奥运的带动下中国房地产市场开始进入了一个飞速发展的时期。2002 年随着招标拍卖挂牌出让国有土地使用权的规定的出台，全国各地均加大了征地和拆迁行为，虽然该政策的主旨为推动政府的基础设施建设同时推进我国的城市化进程，但由此也创造了大量的强制性的消费需求，也在某种程度上成为房价上涨的助推器。从 2004 年 8月 31 日起开始执行新的土地出让制度，即所有六类土地全部实行公开出让，采取公开招标、公开拍

42、卖、公开挂牌的方式对土地进行出让。此项规定导致住宅土地用地价格掀起上涨高峰，从而推动我国商品房价格的一路走高。1.1.2 研究意义房地产市场不仅与我国经济发展息息相关，并且与国民经济各部门的发展都有着至关重要的联系。房地产价格对于房地产市场具有显著影响，不仅关系到人民生活水平，也对国民经济的稳定发展具有十分重要的作用。我国房地产投资增长率不仅远高于固定资产投资增长率和 GDP 增长率，同时我国房地产增加值占国民经济总量的比重也在逐年增加，房地产开发投资额占全社会固定资产投资的比重也呈现出日益增长的趋势，房地产业已经成为我国国民经济的支柱性产业之一。由于房地产业在国民经济中的重要地位，它的运行状

43、态会对国民经济的持续、健康发展有着重要影响。正是因为房地产市场与国民经济有着如此紧密的联系，因此房地产市场也被认为是国民经济的“晴雨表”，能否保证房地产市场，房地产价格与社会经济发展相协调，是世界各国都亟待解决的问题之一，如果处理不慎，将会对社会经济产生巨大的负面影响，甚至威胁到国家经济安全。从这个角度来说，对于房地产市场以及房地产市场与宏观经济运行的相互关系进行研究，不仅具有重要的理论意义，更具有十分重要的现实意义。1.2 研究思路与研究方法本论文主要采用理论与实践相结合、定性分析与定量分析相结合、规范分析与实证分析相结合的研究策略，同时辅以大量的数据、图、表和统计检验来加以说明，不仅能够增

44、强分析的广度和深度，而且能够使研究更具合理客观性和科学准确性。此外，本论文运用了许多动态经济计量和时间序列分析方法研究宏观经济变量与房地产市场相关变量之间的关联性问题。2本文首先采用我国商品房销售价格指数来代表我国房地产市场的发展情况，基于Bai和Perron (1998)和Andrew (1993)提出的双变量结构转变模型，通过识别我国房地产价格在经济增长过程中存在的结构转变来了解我国房地产市场的发展历程，并采用子样本估计方法对房地产市场中各个结构转变区间进行分析，以获得我国房地产市场与我国经济增长之间的对应关系。然后我们将我国房地产市场与经济增长进行系统分析和比较，通过构建VAR模型、Gr

45、anger因果关系检验、脉冲响应函数和方差分解对我国房地产市场与经济增长之间的关系进行系统的比较。接下来我们采用马尔科夫区制转移模型计算和检验以我国商品房销售价格月度同比增长率代表的房地产市场与以我国居民消费价格指数代表的通货膨胀率之间的区制变迁，比较和分析我国房地产市场与通货膨胀之间的系统关联。在本文的最后两章，我们将我国房地产市场与我国主要宏观经济变量以及其他主要市场，分别进行分析和检验。我们考察了我国房地产市场与我国利率、消费、CPI、投资和贷款之间的相互作用关系，以及房地产市场与我国股票市场、债券市场、货币市场、外汇市场和汽车市场之间的相互作用关系，以期获得我国房地产市场与我国宏观经济

46、运行的相互影响关系，为我国政府制定相关政策，规范我国房地产市场秩序，稳定经济发展提供参考。1.3 文献回顾1.3.1 国外相关文献回顾由于房地产业的良好发展对于宏观经济具有至关重要的作用，国外的许多学者也对房地产发展予以关注，我们发现国外研究者的主要视角基于房地产市场与宏观经济的关联性研究，房地产市场的价格波动、宏观调控政策对于房地产市场的影响以及房地产价格的财富效应对于消费的影响等方面。很多学者对于房地产与经济周期的相互作用关系进行了分析，大多数学者都认为房地产与经济周期具有非常显著的关联性。Burns(1935)基于美国房地产市场的相关数据对房地产周期进行检验，结果发现了美国房地产市场存在

47、长周期，这被认为是关于房地产市场周期性研究的开端。Long(1940)通过对美国 1868 年至 1940 年 29 个城市的建筑面积进行研究，结果发现美国建筑周期的平均长度为 20 年，但是波动幅度比较大。美国的房地产市场受到短周期和长周期的共同作用，但是其主要作用的是长周期。AlanRabinowitz(1980)基于美国 1795 年至 1973 年的房地产数据进行研究，结果发现美国的房地产周期大约为 18 年。Grebler 和 Burns(1982)对美国 1950 年至 1978 年的房地产市场的3变化进行了分析，结果发现住宅类房地产的周期数为 6，而非住宅类的房地产周期数为4，并

48、且经济增长波动要先于房地产市场波动，约为 11 个月。Brown(1984)通过对 1968年至 1983 年美国住宅销售的数据进行研究，发现美国住宅市场依然存在周期，并且住宅周期与经济周期具有重要影响。Pritchett(1984)通过对美国 1967 年至 1982 年的经济周期与房地产相关数据进行研究，发现房地产市场具有周期波动性，并且房地产的空置率最为显著的波动项。Hekman(1985)通过对美国 1979 年至 1983 年 14 座城市的写字楼市场的相关数据进行研究，发现写字楼租金与本地经济，甚至与经济周期具有十分显著的相关关系，并且同通货膨胀率数据具有一定程度的影响关系。Whe

49、sten(1994)对美国的住宅类房地产市场进行了深入的探索和检验，研究结果表明相对于写字楼类型的房地产市场，住宅类市场波动与经济周期更为接近。还有一些学者对于房地产的财富效应对于消费的影响进行了大量的研究，Henderson和 Ioannides(1983)通过研究发现房地产价格对于消费的影响是不确定的，这是由于房地产具有消费品和投资品的双重属性，而人们对于这两种不同属性的需求是不同的。Ioannides 和 Rosenthal(1994)通过对美国房地产市场的相关数据进行实证研究认为对于房地产市场产生重要影响的因素在于人们对房地产的消费需求，而非投资需求。Levin(1998)通过对美国

50、1969 年的数据进行实证检验发现房地产价格对消费没有非常明显的影响。Arrondel 和 Lefebvre(2001)通过对法国房地产市场进行研究，认为对于房地产市场产生重要影响的因素在于人们对房地产的投资需求，并不是消费需求。Bayoumi 和 Edison(2003)通过对 16 个国家的相关数据进行实证检验结果发现房地产价格对消费具有显著的促进作用。Benjamin 等(2004)基于美国 1952 年第一季度至 2001 年第四季度的数据进行研究结果表明房地产价格对消费的影响系数为金融资产的 4 倍。Chirinko(2004)基于 13 个国家的数据构建结构向量自回归模型，结果发现

51、房地产价格对于消费和经济增长都具有重要的促进作用。Chirinko 等(2004)通过对日本和美国等国家的数据进行实证研究结果也发现房地产价格的财富效应要显著强于股票市场。Edelstein 和 Lum(2004)通过对新加坡1990 年第一季度至 2002 年第四季度的数据进行计算，结果表明公共房地产价格对于消费的影响显著大于私有房地产。Attanasio(2005)通过研究得出的结果是房地产市场与消费之间并不存在显著的相互影响关系，他认为房地产与消费呈现出相类似的形态是因为收入预期的作用。Case (2005)基于 OECD 国家的房地产数据进行分析检验，结果发现房地产带来的财富效应对居民

52、消费具有非常明显的促进作用。Case 等(2005)通过对 14 个国家的数据以及对美国 1928 年至 1999 年的季度数据进行计算，认为房地产价格产生的财富效应要显著强于股票市场。Bostic 等(2005)通过对美国相关数据的研究结果发现房地4产价格对消费具有显著的促进作用。Carroll 等(2006)通过对美国的房地产市场进行研究发现美国房地产价格对于消费的影响系数为 0.09。Tang(2006)基于澳大利亚 1998 年第二季度至 2003 年第一季度的数据进行计算，结果发现房地产价格对消费的影响显著强于金融资产财富效应对于消费的影响，房地产价格对于消费的财富效应的影响系数为

53、0.06。Juster 等(2006) 通过对股票、消费和房地产市场的研究发现，房地产价格对于消费的影响弱于股票价格对于消费的影响。Campbell 和 Cocco(2007)通过对英国家庭居民的数据进行计算检验，发现房地产收入带来的财富效应非常显著。Sierminska 等(2007)基于意大利、芬兰和加拿大的数据进行研究结果也表明房地产价格的财富效应要显著大于金融资产的财富效应。Calomiris, Longhofer 和 Miles(2009)通过使用工具变量以控制内生性的研究结果发现房地产的财富效应对消费的影响并不十分显著。在对房地产进行宏观调控的问题上，Lillydahl 和 Sin

54、gen(1987)对房地产价格的内在动力系统进行分析后发现，即使能够对房地产需求进行控制，也不能起到抑制房地产价格的作用。Bramley 和 Glen(1992)在对公共经济学分析的基础上，认为政府的宏观调控措施对于房地产市场至关重要，不仅能够规范房地产市场的秩序，从而弥补市场失灵，并能够为低收入者提供保障性住房。Evans 和 Alan(1992)基于美国加州房地产市场 20 个月的数据，对同一时段其他尚未进行房地产市场宏观调控的州进行对比，发现对于房地产市场尤其是对房地产投资进行的政府控制将会导致供需失调，从而使房价上涨更为剧烈，使政府的宏观调控措施完全失效。Samuel 和 Landie

55、s(1997)认为在房地产市场的影响因素中，对土地资源的合理开发利用以及房地产市场实施更为严格的监管具有重要的作用，而政府宏观调控对于抑制房地产价格上涨作用较为微弱。关于房地产价格与利率之间的相互关系，很多学者都认为房地产价格与利率呈现出反向变动的关系，Atash(1990)认为房地产市场的价格变动与利率密切相关，并且具有负向影响关系，即利率上升将会导致房地产价格下降，这种房地产价格波动的原因是因为房地产所具有的投资品属性，人们处于保值和增值的需要对房地产进行投资。Muellbauer等(1997)基于英国 1957 年至 1994 年的房地产数据检验结果发现利率与房地产价格之间呈现出显著的负

56、向关系。Kenny(1999)基于爱尔兰 1975 年第四季度至 1997 年第一季度的数据，利用误差修正模型进行研究表明，利率对房地产价格的影响依赖于利率对房地产需求和供给的影响。Bemanke 和 Gertler(2001)认为货币政策对于房地产价格的影响效果尚不明确。Iacoviello(2002)基于法国、意大利、西班牙、德国、英国和瑞典的数据，构建结构向量自回归模型，研究结果表明房地产价格与利率密切相关，并且呈现出反向变动的关系。Cecchetti 等(2002)通过研究发现货币政策对于房地产价格具有显著影响，有5助于宏观经济的稳定发展。对于房地产价格变动以及房地产与宏观经济的关联性

57、问题的研究也较为多见，French.和 Poterba(1991)在对房地产市场与经济增长及居民收入水平等相关因素进行研究之后，认为居民收入增加所带来的对房地产市场的需求增加将会使得房地产价格进一步上涨，而人们对于经济增长的预期也会使房地产价格产生波动。Clapp 和 Giaccotto(1994)基于回归分析方法进行研究的结果发现房地产市场价格波动与宏观经济的变化密切相关。Campbell 和 Cocco(2005)通过对自有住房者和租房户分别进行研究发现自有住房者相对于租房者对房地产价格更加敏感。Quigley(1999)基于美国 1986 年至 1994 年 41 个城市的年度数据检验发

58、现美国经济运行可以对美国房地产市场产生影响，并且解释能力在12%至 30%。Goodhart 和 Hofmann(2000)对通货膨胀、货币、汇率、利率以及房价变量进行计量检验发现房地产价格的变化与通货膨胀率之间的关联性较强，可以认为房价上涨是通货膨胀的原因。Sing(2000)通过对新加坡 1978 年至 1998 年的房地产价格和通货膨胀的数据分析发现，房地产是抵抗通货膨胀的良好投资品。Victor(2001)通过对 1974 年至1999 年加拿大房价和通货膨胀率之间的关系进行研究，发现通货膨胀的上涨将会导致房地产价格上涨，他认为通货膨胀是房价上涨的重要原因，尤其是在高通货膨胀时期，房价

59、上涨的主导因素即为通货膨胀。Kontnonikas 和 Montagnoli(2002)通过对 1992 年至 2003 年英国股票市场、汇率以及房地产价格和通货膨胀进行研究，结果认为房地产价格变动与通货膨胀之间的关系较强，可以认为房地产价格的变动将最终导致通货膨胀。Miki(2003)基于结构向量自回归模型对日本房地产价格和宏观经济变量进行研究，发现宏观经济变量对于房地产价格具有重要影响。1.3.2 国内相关文献回顾近年来，随着房地产市场的不断升温，国内许多学者开始关注房地产市场以及与房地产市场相关变量的研究，我们发现国内学者对于房地产问题的研究主要集中于房地产市场与经济增长的相关研究，房地

60、产市场与通货膨胀相关性的研究，房地产价格波动的研究，房地产市场与宏观经济变量相关性的研究以及房地产市场与其他主要市场之间的关系研究。(1) 房地产市场与经济增长我国很多学者对于我国房地产市场的发展与经济增长之间的相互关系予以关注。刘金全和于惠春(2002)通过对我国固定资产投资和经济增长进行VAR模型的研究发现，我国固定资产投资与经济增长之间具有因果关系，但是在经济波动时期，经济增长对于投6资没有Granger影响。张琳和陈美亚(2002)通过对我国房地产投资与GDP增长率基于误差修正模型的计量检验发现房地产投资与经济增长之间具有显著的相互关系，并且房地产市场的发展对于经济增长具有显著的拉动作