房地产投资对国民经济的影响

摘要中国经济通过30多年的高速增长，房地产行业差不多进展成为中国各个地点的经济支柱产业，成为推动经济增长的一个不可忽视的力量。房地产的进展也为经济的增长做出了不可磨灭的贡献。然而，持续增长的房地产业随着价格不断地上升，差不多不单单是阻碍了中国正常的经济进展，而且还成了一个民生问题，衍生出了比较严峻的社会问题。使得中央的调控政策不得不多次对其进行调整。07年美国次贷危机爆发以来，更是波及了整个世界的经济，导致长期经济高速进展的中国不得不面临如何样保持经济增长的问题。四万亿的投资，再次把房地产行业作为了引领中国经济复苏的领头雁。房地产在中国经济和社会中起着举足轻重的作用，一方面以住宅为主的房地产业，在拉动经济的增长，扩大了人民的就业面增加了就业岗位；另一方面，房地产的高速持续进展也得益于中国经济的高速进展，能够提高农民的可支配收入以及加快中国都市化的进程。房地产作为支柱产业，涉及到了国家上百种行业，产业链长，关联度大，房地产行业的健康与否直接阻碍了上下游众多产业的进展，尤其是生活消费品的进展。本文选取近年来的经济和房地产数据以及相关行业的数据，使用计量经济学的理论与方法对我国房地产行业对国民经济以及相关的行业的阻碍进行了探究，通过分析得出了一些结论，为此还提出了一些相关的意见和建议。关键字：房地产投资；GDP；格兰杰因果检验；VAR模型；

AbstractAfter30yearsrapidgrowthoftheChineseeconomy,therealestateindustryhasdevelopedintotheeconomicpillarindustriesindifferentplacesinChina,knownasaforcetobereckonedinpromotingeconomicgrowth.Realestatedevelopmenthasmadeanindeliblecontributiontoeconomicgrowth.However,thegrowthinrealestatepriceswiththeconstantlyrising,hasnotonlyaffectChina'snormaleconomicdevelopment,butalsobecamealivelihoodissues,derivedfromthemoreserioussocialproblems.Centralcontrolpolicieshavehadtorepeatedlyadjustthem.SincetheU.S.subprimemortgagecrisisin2007,spreadtotheentireworldeconomy,leadingtolong-termrapideconomicdevelopmentofChinahadtofacetheproblemofhowtomaintaineconomicgrowth.Fourtrillioninvestment,againtherealestateindustryastheleadingpacktoleadChina'seconomicrecovery.RealestateplaysanimportantroleinChina'seconomyandsociety,ontheonehand,predominantlyresidentialrealestatesectorinstimulatingeconomicgrowth,expandedemploymentopportunitiesforpeople'sjobs;theotherhand,realestate,high-speedsustaineddevelopmentalsobenefitedfromChina'srapideconomicdevelopment,farmerscanincreaseindisposableincomeofChina'surbanizationprocess.Realestateasapillarindustry,involvinghundredsofnationalindustry,theindustrialchain,associatedegree,thehealthoftherealestateindustrywilldirectlyaffecttheupstreamanddownstreamofmanyindustries,especiallythedevelopmentofconsumergoods.Thispaperselectstherecenteconomicandrealestatedataandrelevantindustrydata,theuseofeconometrictheoryandmethodsoftherealestateindustryinChinatoexploretheimpactofthenationaleconomyaswellasrelatedindustries,someconclusionsbyanalyzing.Tothisend,alsomadeanumberofrelatedcommentsandsuggestionsKeywords:realestatedevelopmentinvestment;GDP;GrangercausalitytestVarmodel

目录1、绪论 11.1选题背景目的及意义 11.2房地产在我国的进展历史及现状 31.3文献综述 52、研究内容及方法 82.1平稳性检验 82.2协整及误差修正模型 102.3格兰杰非因果性检验 122.4脉冲响应函数的作用原理 143、我国房地产投资对国民经济的阻碍 153.1房地产投资与国民总投资的实证对比 153.2房地产投资对国民生产总值的实证分析 183.3房地产投资对相关行业的阻碍 314、结论及建议 34参考文献 36致谢辞 37附录1:英文原文 38附录2：中文译文 531、绪论1.1选题背景目的及意义1.1.1选题背景改革开放30年以来，中国经济保持着持续快速进展，到2011年，我国的GDP增长率为9.2%。与此同时，中国房地产业也取得了巨大的成就，尤其自20世纪80年代初起，短短20年时刻就有了专门大的进展，房地产业己成为当前和今后一个时期国民经济的基础性、先导性和支柱性产业。从住宅产业看，从住房分配体制改革以来，也差不多上解决了城镇居民住房严峻短缺的问题，房地产业在国民经济中的地位和作用日益突显和重要。从现代市场经济的角度来看，房地产业自身作为国民经济的进展的重要行业，为国民经济的直接增长做出了巨大贡献，但作为一个先导性行业，也极大地促进和进展了其他行业，整体上带动了整个国民经济的进展。我们通过观看发达国家的进展史能够看到，发达国家在进展的过程中都通过了房地产蓬勃进展的时期，而我们国家正处与高速进展的时期，也表现出了发达国家在进展过程中房地产进展的一般趋势。房地产的繁荣与否差不多成了一个国家经济处于何种进展时期的阴晴表（图1-1）。图1-1为地产周期和国民经济周期（RC为房地产周期，GDPC为国民经济周期）自2008年美国次贷危机以来，我国的经济也受到了极大地冲击，为了保持经济进展，国家进行了四万亿的投资，其中专门大一部分确实是流向了房地产，这也直接导致了在今后几年高通胀、高房价。这也加剧了社会的矛盾，因房地产所导致的高房价不但有力的挽救了中国经济，也激化了社会之间的众多矛盾。因此国家的调控政策不断地出台，急速高涨的房价差不多成了中国经济健康进展的毒瘤，假如接着进展下去就会出现经济崩溃。在强力的政策打压下，房价出现了临时的缓和，现在，房地产的投资与进展进入了一个新的时期，而中国的经济也变得更急复杂和多遍了。1.1.2选题意义目前，中国正面临着经济社会的全面转型。转型期中国经济进展更具有复杂性和不确定性，包括经济制度、人们的理念、利益关系等都经历着不同程度的变革和调整。中国房地产业进展既要汲取发达国家不动产业进展的宝贵经验和做法，又要从自己的国情动身，探究适合中国自己的进展路径和模式，从那个意义上讲，中国房地产业进展具有探究性和创新性。本文从总量角度探讨中国房地产业与国民经济均衡关系的内在规律，这关于深化中国房地产业与国民经济协调进展研究、促进中国房地产业进展以及提高房地产宏观调控水平，具有重要的现实意义和理论意义。1.2房地产在我国的进展历史及现状1.2.1房地产在中国的进展历史第一时期：理论突破与试点起步时期（1978至1991年）1978年理论界提出了住房商品化、土地产权等观点。1980年9月北京市住房统建办公室领先挂牌，成立了北京市都市开发总公司，拉开了房地产综合开发的序幕。1982年国务院在四个都市进行售房试点。1984年广东、重庆开始征收土地使用费。1987至1991年是中国房地产市场的起步时期。1987深圳市政府首次公开招标出让住房用地。1990年上海市房改方案出台，开始建立住房公积金制度。1991年开始，国务院先后批复了24个省市的房改总体方案。第二时期：非理性炒作与调整推进时期（1992至1995年）1992年房改全面启动，住房公积金制度全面推行。1993年“安居工程”开始启动。1992年后，房地产业急剧快速增长，月投资最高增幅曾高达146.9%。房地产市场在局部地区一度呈现混乱局面，在个不地区出现较为明显的房地产泡沫。1993年底宏观经济调控后，房地产业投资增长率普遍大幅回落。房地产市场在经历一段时刻的低迷之后开始复苏。第三时期：相对稳定协调进展时期（1995至2002年）随着住房制度改革不断深化和居民收入水平的提高，住房成为新的消费热点。1998以后，随着住房实物分配制度的取消和按揭政策的实施，房地产投资进入平稳快速进展时期，房地产业成为经济的支柱产业之一。第四时期：价格上扬，多项调控措施出台的新时期(2003年以来)2003年以来，房屋价格持续上扬，大部分都市房屋销售价格上涨明显之而来出台了多项针对房地产行业的调控政策。同时国内通胀加剧，直到2008年为止的房地产的低潮。但之后随着美国次贷危机的阻碍，四万亿的投资，使得以后一段时刻内房地产又一次价格持续上上，连续突破了多项纪录，中国房产已明显不健康进展，又是一系列的强力调控政策。1.2.2房地产进展现状房地产业在我国目前差不多形成了一套适合社会主义市场经济要求的运行体质，曾在许多年间一度繁荣。到目前为止，全国房地产企业已达到3万多家，房地产行业从业人员已突破1000万人，同时出现了一大批优秀楼盘和高素养的房地产开发、经营与治理人才，其中以万科、龙湖地产等知名房企。除了一般的商品房外，中国还形成了自己特色的商业地产，尤其以大连万达集团为代表的万达广场，更是取得了骄人的业绩。同时，至2010年以来，在政府大力支持下，房地产的另一种形式保障房慢慢的开始进展起来。十年来，还逐步形成了以评估、经纪、咨询为内容的房地产中介业，以及以经营治理楼宇、小区为主的物业治理业，从而形成了较为完整的中国房地产业的产业构架体系。随着房地产业的接着进展，产业链也逐步增长和细化，分工将更加明确。<1>1.3文献综述1.3.1国内文献张泓铭（1998）、王要武（1999）、曹振良等（2003）从理论上讨论了房地产市场及住宅市场的供给与需求及其阻碍因素。李铁岗（2002），针对由于信息不对称造成的市场供需非均衡现象建立了一种房地产市场调节模型，以讲明和解释均衡市场上的房地产空置水平，提出解决房地产市场空置与过量需求矛盾的具体建议。吴勇慧（2004），认为我国房地产市场的有效需求不足，结构失衡的现象，专门大程度上是由于对房地产市场购买能力可能不足造成的，由此建立了房地产购买能力指标体系陆杰峰，阮连法（2001）从消费者行为学理论对住宅消费需求行为研究角度，提出政府应从政策上采取措施，降低投资型消费者投资评估，保证一般消费者的需求得到满足。吴献金，危小明（2000），就我国商品住宅市场投资性需求进行了研究，并提出了理论模型，通过比较研究，从购租成本、投资收益、投资回收期等方面作了定量与实证分析。屠梅曾（1999）、李鸿生（1999）、杜伟（2003）分不就上海、广州、成都等地房地产市场和住宅市场的供需平衡进行了实证研究，并对需求态势进行了预测。刘维（2003）认为现时期我国房价收入比过高，分析了阻碍房价的要紧因素，并提出相关对策。元真等（2004）对上海、北京等房地产市场和价格走势进行了比较研究。1.3.2国外文献英国经济学家威廉·配第早在1662年第一次提出级差地租的概念，并对级差地租、土地价格等做了初步阐述，开创了早期房地产理论研究的先河。以后，杜尔哥71(A．R．J．Turgot)、亚当·斯密(A．Smith)、大卫·李嘉图(D．Ricardo)等相继对主地经济问题及住房问题进行了探讨。马克思在批判和继承资产阶级古典经济学理论的基础上，制造了科学的地租地价理论体系，对地租构成、地价量化及建筑物地段地租等做了深入研究，为房地产理论研究提供了重要的理论基础。恩格斯罐列宁的研究进一步丰富和完善了马克思的土地理论。早期的房地产理论由于受实践的制约，研究是零散的，大部分是对基础理论的阐释，理论成果差不多上依附于政治经济学、土地经济学等。随着房地产业的进展，房地产理论研究也日益深化。HopewellP，由于建筑活动受人口增加、房屋折旧、维修及投资利润率高低等因素的阻碍，因此建筑业的供求不但像工业那样能够无限地扩大或缩减，而且庞大的资本投资对经济活动的阻碍更为明显和巨大，因此形成一定的波动。Moore指出住宅开工量受财政条件、建筑成本、社会结婚率、房屋空置率、住宅修改法等因素阻碍，因此假如要了解房地产建筑量，就能够从财政条件(要紧是抵押贷款)或建筑成本推算，而住宅需求量和投资生产量则可从社会结婚率高低、房屋空置率多少等指标来推断。Harwood提出，经济变化、人口迁移、基础设施，特不是道路建设、人口出生率、银行贷款、政府政策等因素均会引起房地产周期波动，并阻碍房地产周期波动与宏观经济波动方向相反。此外，Greble和Burns“I以GDP循环为基准的循环，探讨了建筑波动周期问题，认为建筑成本在较低水平常，公共工程和私人工中国房地产业对国民经济增关系的分析程呈相同方向变动；但建筑成本在较高水平是，两者呈相反方向变动。他们还指出，由于建筑成本占GDP的比例较大，因此政策决策者通常会把建筑投资选为宏观经济的稳定工具，同时建筑周期也会受金融政策、住宅政策等宏观经济政策的阻碍。近年来，除了一般性的理论分析之外，对各国房地产周期波动进行实证分析和研究，也成为房地产周期理论研究的组成内容。Nelson以美国房地产市场交易量为依据，通过分析1795．1973年共180年间美国房地产的周期波动循环变化，指出美国房地产长期周期为18年。Boone赞成美国房地产的长期周期为18年的观点，还指出房地产这种长期周期要紧受历史时刻，如战争、经济衰退、技术创新等因素阻碍。同时他还提出房地产短期波动周期的概念，从美国来看地区波动周期为5年，要紧受货币市场、贷款额度和政府住宅政策等因素阻碍。美国房地产专家StephenA．PyhrTIHl等人在1982年出版的专著中指出，房地产周期波动从全然上讲是有供求波动决定的，为此他们将房地产周期波动分为5个时期，每个时期的波动因素互有区不。在1994年出版的专著中，他们通过对发达国家的实证分析，证明房地产周期与通货膨胀周期呈正相关关系。

2、研究内容及方法2.1平稳性检验我们所讨论的计量经济中，以时刻序列为基础的经验工作差不多上假定有关的时刻序列是稳定的（stationary），涉及时刻序列数据的回归模型常常被用作来预测，假如所依据的时刻序列不是稳定的，这种预测就可能是无效的。对时刻序列而言，因为众多的因素以不同的方式和成度阻碍着其观测的取值，假如一个时刻序列呈上升或下降趋势，那个时刻序列确实是非平稳序列。直观上，一个平稳的时刻序列能够看成一条围绕其均值上下波动的曲线。从理论上讲，有两种意义的平稳性，一个是严格平稳，一个是广义平稳。严格平稳是指随机过过程{Y1,Y2...YT}的联合分布函数与时刻的位移无关。即(Y1,Y2...,Yn)=广义平稳是指随机过程{Y1,Y2...YT}的均值函数、方差函数均为常数，自协方差函数是时刻间隔t—s的函数。单位根检验(ADF)如下（2-2）其中，vt是遵从零均值、恒定方差和非自相关等经典假定的随机误差项，也称为白噪音过程。上式实际上确实是一个AR（1）过程。现在假如是的系数事实上等于1，我们就遇到了单位根问题，也确实是一个非平稳的情况。因此我们做回归模型：（2-3）变换成另一种形式为（2-4）其中为一阶差分运算子，即现在单位根检验确实是要虚拟假设假如为0，式（1.4-3）就能够写为，这讲明一个随机游走时刻序列的一阶差分是一个平稳序列。同理假如序列一阶差分不稳定在进行二阶差分。通常情况下我们用以下形式做回归检验：零假设H0：=0备择假设H1：<0m=1,2,3，表示滞后的差分项。包含多少个滞后差分项，往往要从经验方面决定。假如包含的滞后项太少，就会使得上述模型中的误差项存在着序列相关，而滞后项太多，又会损失掉自由度，增大可能误差。虚拟假设仍然是=0或=1，即Y有一个单位根（或不平稳）。检验时从模型开始，然后是模型、模型，直至拒绝原假设时停止。2.2协整及误差修正模型2.2.1协整概念两个序列的协整概念：假如两个时刻序列差不多上d阶单整的，即，，且这两个序列的线性组合是d-b（<d）阶单整，即，其中，则称yt和xt存在（d，b）阶协整关系，记为yt，。其中称为协整向量。2.2.2误差修正模型（ECM）（1）回归模型向ECM过渡在以下回归模型中当两序列不是协整的，则模型可能是伪回归，模型意义不大；就算两序列协整，甚至长期均衡，也要考察偏离模型情况。因此考虑以下ECM合并常数项：，得到ECM一般形式的ECM两个变量的自回归分布滞后模型：(没有差分项)（2-6）（2-5）是误差修正模型，（2-6）是自回归分布滞后模型，两模型是等价的；误差修正模型常用于描述短期动态金融时刻序列。（2）误差修正模型的优点1）效幸免多重共线性可能模型时，模型（2-6）包含多阶滞后项，变量之间往往产生多重共线性，从而阻碍可能精度，而一阶差分消除了模型可能存在的多重共线性。2）经济意义解释当Δx=0，Δy=0时，误差修正模型（2-5）确实是长期均衡模型y=kx，因此误差修正模型（2-5）描述了变量向长期均衡状态调整的非均衡动态调整过程。其中(y-kx)t-1表示上一期变量偏离均衡水平的误差，称为误差修正项。误差修正模型的意义：y短期变化由两项决定：一是y和x的短期变化；二是y偏离上一期的均衡程度，系数是λ。3）当变量序列不平稳时，采纳ECM可幸免伪回归在建模型时，除了进行差分幸免多重共线性和伪回归外，还可用ECM方法。因为变量一阶差分项的使用消除了变量可能存在的趋势因素，从而幸免了伪回归。（3）误差修正模型的建模第一步：建立长期关系模型用最小二乘法建立y关于x协整回归方程，同时检验其残差序列的平稳性。若残差是平稳的，讲明这些变量之间存在相互协整关系，因此长期关系模型的变量选择是合理的，回归是有意义的。即使y关于x不协整，建立y关于x回归模型的ECM也使模型效果得到改善。第二步：建立短期动态关系，即建立误差修正模型（2-7）模型作用：分析解释变量的变动对被解释变量（的变动）的阻碍；分析上一期变量偏离均衡水平的误差（误差修正项）对被解释变量（的变动）的阻碍。假如还要分析解释变量的更多滞后期，则能够相应地引入这些滞后变量，如模型2.3格兰杰非因果检验VAR模型还可用来检验一个变量与另一个变量是否存在因果关系。经济计量学中格兰杰（Granger）非因果性定义如下：格兰杰非因果性：假如由yt和xt滞后值所决定的yt的条件分布与仅由yt滞后值所决定的条件分布相同，即(ytyt-1,…,xt-1,…)=(ytyt-1,…),(2-9)则称xt-1对yt存在格兰杰非因果性。格兰杰非因果性的另一种表述是其他条件不变，若加上的滞后变量后对的预测精度不存在显著性改善，则称对存在格兰杰非因果性关系。为简便，通常总是把对存在非因果关系表述为（去掉下标-1）对存在非因果关系（严格讲，这种表述是不正确的）。在实际中，除了使用格兰杰非因果性概念外，也使用“格兰杰因果性”概念。顾名思义，那个概念首先由格兰杰（Granger1969）提出。西姆斯（Sims1972）也提出因果性定义。这两个定义是一致的。依照以上定义，对是否存在因果关系的检验可通过检验VAR模型以为被解释变量的方程中是否能够把的全部滞后变量剔除掉而完成。比如VAR模型中以为被解释变量的方程表示如下：yt=++u1t(2-10)如有必要，常数项，趋势项，季节虚拟变量等都能够包括在上式中。则检验对存在格兰杰非因果性的零假设是H0:1=2=…=k=0显然假如(4.2.3)式中的的滞后变量的回归参数可能值全部不存在显著性，则上述假设不能被拒绝。换句话讲，假如的任何一个滞后变量的回归参数的可能值存在显著性，则结论应是对存在格兰杰因果关系。上述检验可用F统计量完成。(2-11)其中SSEr表示施加约束（零假设成立）后的残差平方和。SSEu表示不施加约束条件下的残差平方和。k表示最大滞后期。N表示VAR模型中所含当期变量个数，本例中N=2，T表示样本容量。在零假设成立条件下，F统计量近似服从F(k,T-kN)分布。用样本计算的F值假如落在临界值以内，同意原假设，即对不存在格兰杰因果关系。2.4脉冲响应函数的作用原理1980年Sims提出向量自回归模型VAR。向量自回归（VAR）是基于数据的统计性质建立模型，VAR模型把系统中每一个变量作为系统中所有内生变量的滞后的函数来构造模型，从而将单一变量自回归模型推广到由多元序列变量组成的“向量”自回归模型。在实际应用中，由于VAR模型是一种非理论性的模型，它无需对变量作任何先验性约束，因此在分析VAR模型时，往往不分析一个变量的变化对另一个变量的阻碍如何，而是分析当一个误差项发生变化，或者讲模型受到某种冲击时对系统的动态阻碍，这种分析方法称为脉冲响应函数。脉冲响应函数刻画的是在扰动项上加一个一次性的冲击关于内生变量当前值和以后值所带来的阻碍。它的优点在于不需要考虑变量的外生性和内生性，每一个模型含有相同的滞后结构。在VAR模型中，对第i个变量的冲击不仅直接阻碍第i个变量，同时通过VAR模型的动态滞后结构传导给所有的其他内生变量。

3、我国房地产投资对国民经济的阻碍3.1房地产投资与国民总投资的实证对比中国经济高速进展的三驾马车之一的国民资产投资有效地带动了中国经济高速进展30多年，其中房地产的投资所作出的贡献尤其明显。图3-1国民固定资产投资与房地产投资趋势注：国民投资GZT；房地产总投资FZT图3-2为房地产投资在国民资产总投资中的比重房地产投资与国民经济之间存在着内在的紧密联系和相关性。从宏观经济总量来看，国民经济对房地产投资的作用表现在两个方面：或是带动，或是制约。当国民经济运行质量高，在一定时期内进展速度快，房地产投资总量也相应迅速增加；当国民经济运行质量不高，或出现某些问题，如通货膨胀、经济停滞，或二者兼有，房地产投资也会受到极大的制约甚至限制。房地产投资对国民经济的作用也分为两个方面：或是促进，或是牵制。在整个国民经济运行过程中，假如房地产投资规模适度，经济效率高，它会对国民经济起到强有力的促进作用。因为投资对经济的拉动作用具有乘数效应，房地产投资也不例外。由于房地产关联效应极强，它对国民经济的阻碍作用就更加重要。据一些国家的统计，房地产业的产值每增加一个单元，就能使相关产业的产值增加1.5-2个单元。相反，相关于国民经济而言，房地产投资总量的过与不及，都将对国民经济的进展带来不利的阻碍。当房地产投资总量不足，作为基础性产业，它将成为其它产业进展的“瓶颈”，阻碍整体经济的正常进展，而当房地产投资过度时，对土地、资金的要求急剧上升，而土地资源的供给又缺乏弹性，如此必将导致地价大幅度上涨，引发“泡沫”的成份，若不及时加以操纵，一旦“泡沫”破裂，将给国民经济带来惨重的损失.日本房地产业确实是最典型的案例。随着日本房地产泡沫的破裂，居民持有的不动产价值和财宝总量水平显著减少，在这种经济环境下，居民对以后经济的预期趋于悲观，阻碍其当期的消费水平和消费结构，最终阻碍国民经济进展。从1991-2004年，日本的房地产价格己经连续13年下跌，国民的消费能力急剧下降，使日本经济陷入通货紧缩的困境。房地产业是整个国民经济的重要组成部分，它的进展既要受到国民经济的制约，又能促进国民经济快速、协调、稳定增长，有人讲房地产业是国民经济的“晴雨表”。房地产投资在拉动国民经济进展、优化经济结构等方面发挥了重要的作用，但房地产投资过度也会引发泡沐经济和通货膨胀的不泉现象。所谓“泡沫经济”指的是以资产(股票、房地产)价格超常规上涨为差不多特征的虚假繁荣，其直接缘故是不切实际的高赢利预期和普遍的投机狂热。房地产投资易成为泡沫经济的源头，从经济学的原理来分析，其缘故是需求膨胀的结果，在经济过热时，对房地产的需求旺盛，而房地产建设则受有限的土地供给的限制，特不是都市中心地区的土地，不可能随价格的上涨而增加。因此在一定的时刻内，房地产价格能够与投入的贷币数量同比例上涨，在这种情况下，人们投资于房地产只是为了转手倒卖。这种行为一旦成为你追我赶的群体行动，就专门难抑制，泡沫经济确实是如此被制造出来了。泡沫一旦破灭，一国经济的进展便随即出现减缓、萎缩、萧条、停滞，乃至出现多米诺骨牌式的坍塌效应，如1997年亚洲金融风暴波及亚洲各国，造成难以估量的经济损失。毫无疑问，泡沫经济给一国经济进展带来的危害是深重的。然而房地产投资与泡沫经济并没有必定的联系，决定房地产业成为经济进展的龙头或泡沫经济的源头的质的分水岭就在于房地产业的进展是否遵循了社会生产的循环周转规律，即在生产、流通、分配、消费四大环节上能否在时刻上继起、空间上并存、井然有序地进行。任何一个环节出现问题都有可能引发泡沫的产生。正如东南亚金融危机爆发的要紧缘故之一确实是由于对房地产过度投机，导致房地产泡沫的产生，房地产价格狂升，当泡沫破灭后，房地产价格暴跌，大量房地产商品难以销售。“他山之石，能够攻玉”，面对东南亚金融危机带给我们的深刻反思，借鉴亚洲各国经济进展的前车，我国在进行房地产投资时，一定要从规模和结构上作好宏观决策与治理，幸免再出现象1992年、1993年那样的房地产热、开发区热，真正使房地产业成为国民经济进展的龙头产业。近年来，房地产投资在固定资产投资中所起的作用日益增强，再加上房地产这种不动产日益货币化，因此，不管从确定合理投资规模看，依旧从优化投资结构，提高投资效益来看，它对通货膨胀的阻碍差不多上不可忽视的一个重要方面。3.2房地产投资对国民生产总值的实证分析本文选取1988年至2011年全国房地产投资实际额fdci以及全国GDP的实际额作为样本数据，数据来源于历年国家统计年鉴，为了消除异方差的阻碍和数据的剧烈波动，在分析过程中指标采取自然对数，记为lnfcdi、lngdp。为了幸免异方差的阻碍和数据的剧烈波动，我们对数据进行去自然对数进行分析处理，使用的分析软件为Eviews6.0。3.2.1序列的平稳性检验所谓时刻序列变量的平稳性，是指随着时刻推移，可不能引起时刻序列的统计规律变化。假如时刻数列平稳，那么此序列对任何外在的冲击只会有临时性的阻碍，假如是非平稳序列，则会对外来的冲击产生累积阻碍，偏离其均值。首先对时刻序列进行单位根的检验，防止伪回归的现象。检验结果如下图3.3国民生产总值的时序图由上图可知，专门明显lnGDP具有随时刻的进展表现出增长的趋势，为不平稳不能序列。LagLength:1(AutomaticbasedonSIC,MAXLAG=1)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-0.841958

0.7869Testcriticalvalues:1%level-3.7695975%level-3.00486110%level-2.642242*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(LNGDP)Method:LeastSquaresDate:05/27/12Time:15:42Sample(adjusted):19902011Includedobservations:22afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

LNGDP(-1)-0.0091790.010902-0.8419580.4103D(LNGDP(-1))0.6960040.1582184.3990130.0003C0.1521720.1307951.1634420.2591R-squared0.535526

Meandependentvar0.151059AdjustedR-squared0.486634

S.D.dependentvar0.065144S.E.ofregression0.046675

Akaikeinfocriterion-3.165075Sumsquaredresid0.041393

Schwarzcriterion-3.016296Loglikelihood37.81582

Hannan-Quinncriter.-3.130027F-statistic10.95326

Durbin-Watsonstat1.317065Prob(F-statistic)0.000686图3-4lnGDP的稳定性检验在检验的结果输出窗口中，左上方为ADF检验值，右上方为1%、5%和１0%的显著水平下的临界值，从图中能够看出ADF统计的检验值为-0.841958,其绝对值小于5%的显著水平的临界值-3.00486值。同时趋势值的Ｔ统计来看，在５％的水平下显著。注意，那个地点的Ｔ统计量不同于我们在做最小二乘时用的Ｔ统计值。这些T统计检验的临界值在Ｆuller（1976）中给出．从上面的分析我们能够认为该序列为非平稳的序列。图3-5房地产年度投资时序图形由上图能够看出，房地产投资额的趋势为增长型，序列有专门大可能性为不稳定序列，然后对其进行ADF检验ADF检验结果如下LagLength:0(AutomaticbasedonSIC,MAXLAG=0)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-1.562784

0.7761-1.562784Testcriticalvalues:1%level-4.4163455%level-3.62203310%level-3.248592*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(LNFDCI)Method:LeastSquaresDate:05/27/12Time:15:47Sample(adjusted):19892011Includedobservations:23afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

LNFDCI(-1)-0.2100140.134385-1.5627840.1338C1.4381720.7470131.9252300.0685@TREND(1988)0.0457150.0322621.4170260.1719R-squared0.118729

Meandependentvar0.238297AdjustedR-squared0.030602

S.D.dependentvar0.225632S.E.ofregression0.222153

Akaikeinfocriterion-0.049796Sumsquaredresid0.987036

Schwarzcriterion0.098312Loglikelihood3.572653

Hannan-Quinncriter.-0.012547F-statistic1.347253

Durbin-Watsonstat0.864337Prob(F-statistic)0.282548图3-6lnfdci的稳定性检验由检验能够看出，lnfdci的检验t统计量的值为

-1.562784分不不大于在显著水平为1%、5%、10%下的临界值，因此序列为非平稳序列以上由检验能够看出，序列为非平稳数列。序列的单整检验对原序列lnGDP进行单位根检验，最终选择ADF检验且滞后期p=3，结果如下LagLength:3(AutomaticbasedonSIC,MAXLAG=3)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-4.088359

0.0063Testcriticalvalues:1%level-3.8573865%level-3.04039110%level-2.660551*MacKinnon(1996)one-sidedp-values.Warning:Probabilitiesandcriticalvaluescalculatedfor20observations

andmaynotbeaccurateforasamplesizeof18AugmentedDickey-FullerTestEquationDependentVariable:D(LNGDP,3)Method:LeastSquaresDate:05/27/12Time:15:50Sample(adjusted):19942011Includedobservations:18afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

D(LNGDP(-1),2)-1.3251580.324129-4.0883590.0013D(LNGDP(-1),3)0.7630050.2883182.6463970.0201D(LNGDP(-2),3)-0.0661120.254333-0.2599410.7990D(LNGDP(-3),3)0.7265510.2393193.0359060.0096C-0.0074180.008932-0.8304300.4213R-squared0.721618

Meandependentvar-0.002504AdjustedR-squared0.635961

S.D.dependentvar0.061801S.E.ofregression0.037288

Akaikeinfocriterion-3.510164Sumsquaredresid0.018075

Schwarzcriterion-3.262839Loglikelihood36.59148

Hannan-Quinncriter.-3.476062F-statistic8.424588

Durbin-Watsonstat2.425154Prob(F-statistic)0.001397图3-7差分后的lnGDP稳定性检验由上图看到检验t统计值为-4.088359，小与显著水平为1%的临界值，表明至少能够在99%的置信水平下拒绝原假设，认为iiGDP不存在单位根。即存在二阶单整。对原序列lnfdci进行单位根检验，最终选择ADF检验且滞后期p=1，结果如下LagLength:3(AutomaticbasedonSIC,MAXLAG=3)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-6.854008

0.0002Testcriticalvalues:1%level-4.5715595%level-3.69081410%level-3.286909*MacKinnon(1996)one-sidedp-values.Warning:Probabilitiesandcriticalvaluescalculatedfor20observationsandmaynotbeaccurateforasamplesizeof18DependentVariable:D(LNFDCI,3)Method:LeastSquaresDate:05/27/12Time:15:52Sample(adjusted):19942011Includedobservations:18afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

D(LNFDCI(-1),2)-2.4077470.351290-6.8540080.0000D(LNFDCI(-1),3)0.8658210.2435963.5543250.0040D(LNFDCI(-2),3)0.5301930.1857622.8541580.0145D(LNFDCI(-3),3)0.3311220.1453332.2783620.0418C-0.3042210.094453-3.2208870.0073@TREND(1988)0.0174780.0060692.8798610.0138R-squared0.863118Meandependentvar-0.013196AdjustedR-squared0.806084S.D.dependentvar0.287925S.E.ofregression0.126790Akaikeinfocriterion-1.031363Sumsquaredresid0.192909Schwarzcriterion-0.734572Loglikelihood15.28226Hannan-Quinncriter.-0.990439F-statistic15.13334Durbin-Watsonstat0.894545Prob(F-statistic)0.000080图3-8差分后的lnfdci的稳定性检验由上图看到检验t统计值为-6.854008，小于显著水平为1%的临界值，表明至少能够在99%的置信水平下拒绝原假设，认为iifdci不存在单位根。为稳定序列。两序列进行二阶差分后均为稳定数列。3.2.2变量的协整分析协整（Co-integration）理论是分析是从时刻序列的非平稳性入手，探求非平稳变量之间蕴含的长期关系。其差不多思想是假如两个（或两个以上）的时刻序列是非平稳的，但他们的某种线性组合确表现出平稳性，则这些变量之间存在协整关系。目前协整关系的检验有两种方法：一是Engle和Granger提出的两时期回归法，而是Johansen和Juselius提出的基于VAR的协整系统检验。前一种方法的缺陷是在小样本下，参数可能误差较大，同时不能完全获得隐含在时刻中所有的协整信息，不能给统计量一个正确分布。尽管有上述确定，在实际检验中我们大多数仍然使用前者。第一步，利用OLS法对模型如Yt=a+βXt+μ建立回归方程1，结果如下对序列lnGDP和lnfdci进行最小二乘回归分析，DependentVariable:LNGDPMethod:LeastSquaresDate:05/27/12Time:15:53Sample:19882011Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

LNFDCI0.6110920.01666636.666410.0000C6.2484400.14329643.605230.0000R-squared0.983900

Meandependentvar11.40492AdjustedR-squared0.983168

S.D.dependentvar1.038364S.E.ofregression0.134716

Akaikeinfocriterion-1.091635Sumsquaredresid0.399267

Schwarzcriterion-0.993464Loglikelihood15.09962

Hannan-Quinncriter.-1.065590F-statistic1344.425

Durbin-Watsonstat0.694688Prob(F-statistic)0.000000图3-9回归结果分析图回归方程为lnGDP=6.248440+0.611092lnfdci（3-1）R2=0.983900D.W=0.694688AIC=-1.091635F=1344.425通过e=lnGDP-6.248440-0.611092lnfdci得到残差序列下面对残差序列的平稳性进行检验，结果如下NullHypothesis:RESID01hasaunitrootExogenous:NoneLagLength:1(AutomaticbasedonSIC,MAXLAG=1)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-4.268505

0.0002Testcriticalvalues:1%level-2.6742905%level-1.95720410%level-1.608175*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(RESID01)Method:LeastSquaresDate:05/27/12Time:15:58Sample(adjusted):19902011Includedobservations:22afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

RESID01(-1)-0.5820900.136369-4.2685050.0004D(RESID01(-1))0.6766860.1624834.1646590.0005R-squared0.555423

Meandependentvar0.000444AdjustedR-squared0.533194

S.D.dependentvar0.113378S.E.ofregression0.077464

Akaikeinfocriterion-2.191504Sumsquaredresid0.120013

Schwarzcriterion-2.092318Loglikelihood26.10654

Hannan-Quinncriter.-2.168139Durbin-Watsonstat2.004136图3-10残差序列的平稳性检验ADF平稳检验的结果是t值为-4.268505，小于在5%的显著水平下的临界值，故拒绝原假设，即残差数列为平稳数列，e不存在一个单位根，由此能够推断得到lnGDP与lnfdci之间为协整关系，（3-1）叫做协整方程，它反映的是lnGDP与lnfdci之间的长期的均衡关系，这讲明国民生产总值与房地产投资额之间是平稳的时刻序列，二者的变动趋势在长期内是一致的。3.2.3误差修正模型即使两个变量存在长期的协整关系，但在短期内也可能存在失衡的可能（例如突发事件的发生，地震等自然灾难）现在，我们能够用ECM来对这种短期失衡加以纠正。我们利用差分序列{QUOTE}关于{QUOTE}和前期误差序列进行OLS回归，构建如下ECM模型：（3-2）参数可能结果如下图DependentVariable:D(LNGDP)Method:LeastSquaresDate:05/27/12Time:20:47Sample(adjusted):19892011Includedobservations:23afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

D(LNFDCI)0.4190940.0526007.9675910.0000ECM(-1)-0.3361840.130573-2.5746820.0177R-squared-0.566726

Meandependentvar0.149789AdjustedR-squared-0.641332

S.D.dependentvar0.063937S.E.ofregression0.081912Akaikeinfocriterion-2.083393Sumsquaredresid0.140902

Schwarzcriterion-1.984655Loglikelihood25.95902

Hannan-Quinncriter.-2.058561Durbin-Watsonstat0.728345图3-11ECM模型的可能结果ECM的模型能够表示为其中另外，我们能够用阶分布滞后形式：（3-3）对序列进行可能，在命令栏里输入lslngdpclngdp(-1)lnfdcilnfdci(-1)，得到参数可能结果见图VariableCoefficientStd.Errort-StatisticProb.

C2.0205260.3397615.9468990.0000LNGDP(-1)0.6954050.05388912.904300.0000LNFDCI0.1774680.0324065.4764010.0000LNFDCI(-1)0.0073740.0445940.1653570.8704图3-12短期模型可能结果图从上面结果来看，LNFDCI(-1)未能通过检验，去掉之后重新检验，结果如下DependentVariable:LNGDPMethod:LeastSquaresDate:05/31/12Time:10:34Sample(adjusted):19892011Includedobservations:23afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C1.9804700.2323768.5226820.0000LNGDP(-1)0.7016330.03759218.664370.0000LNFDCI0.1810720.0233917.7410430.0000R-squared0.998992Meandependentvar11.48259AdjustedR-squared0.998891

S.D.dependentvar0.987860S.E.ofregression0.032900

Akaikeinfocriterion-3.869560Sumsquaredresid0.021649

Schwarzcriterion-3.721452Loglikelihood47.49994

Hannan-Quinncriter.-3.832311F-statistic9907.061

Durbin-Watsonstat1.092600Prob(F-statistic)0.000000图3-13短期波动模型可能结果R2=0.998992F=9907.061DW=1.092600函数数为lngdpt=1.980470+0.701633lngdpt-1+0.181072lnfdcit（3-4）两种方法建立的误差修正模型是等价的，在进行预测时，第二种方法更方便。方程检验结果均显示方程显著线相关，参数检验结果显示房地产投资当期波动对国民生产总值的当期波动有显著性阻碍，上期误差对当期波动的阻碍不显著；同时，从回归系数的绝对值大小能够看出房地产当期波动对GDP当期波动的阻碍。GDP每增加1元，其中便会有QUOTE0.419094元的房地产投资增加。3.2.4Granger因果检验回归分布滞后模型揭示了某变量的变化受其自身及其他变量过去行为的阻碍，然而，许多经济变量有着相互的阻碍关系。例如GDP的增长能够促进房地产的增长，而反过来，房地产的变化又是GDP变化的一个组成部分。因此，房地产投资的增加又能促进GDP的增加。但当两个变量在时刻上有先导滞后关系时，能否从统计上考察这种关系时是单向的依旧双向的？即要紧是一个变量的过去行为在阻碍在阻碍另一个的当前行为依旧双向的过去行为存在着相互阻碍着对方的行为，格兰杰（Granger）提出了一个简单的检验程序，称为格兰杰因果关系检验（Grangertestofcausalty）下面对两序列进行检验，取滞后两阶，EVIEWS6.0软件给出的结果如下图PairwiseGrangerCausalityTestsDate:05/28/12Time:08:26Sample:19882011Lags:2

NullHypothesis:ObsF-StatisticProb.

LNFDCIdoesnotGrangerCauseLNGDP22

6.490100.0080

LNGDPdoesnotGrangerCauseLNFDCI8.655850.0026图3-14序列滞后两节的结果有相伴概率可知，在5%的显著水平下，拒绝“lngdp不是lnfdci的格兰杰缘故”的假设，同时拒绝“lnfdci不是lngdp的格兰杰缘故”的假设。因此，从二阶滞后的情况看，lnfdci的增长是lngdp增长的缘故，lngdp增长也是促进lnfdci增长的缘故。下面看一下2~5项滞后的结果

NullHypothesis:ObsF-StatisticProb.

Lags:3

LNFDCIdoesnotGrangerCauseLNGDP

21

1.744980.2038LNGDPdoesnotGrangerCauseLNFDCI3.809490.0346Lags:4

LNFDCIdoesnotGrangerCauseLNGDP20

2.315560.1221LNGDPdoesnotGrangerCauseLNFDCI

2.866500.0750Lags:5LNFDCIdoesnotGrangerCauseLNGDP

19

2.339910.1366LNGDPdoesnotGrangerCauseLNFDCI

1.861750.2071图3-15滞后多节后的结果上表给出了取2~5阶滞后的检验结果。能够看出，随着滞后阶数的增加，不拒绝lngdp增长是lnfdci增长缘故的概率增大，同时同意lnfdci增长是lngdp增长的概率也增大。最后两者之间不能相互阻碍。

3.3房地产投资对相关行业的阻碍本文要紧选取了2006年至2012年第一季度的房地产投资和钢材水泥的季度生产额。记F、S、G分不为为房地产、水泥、钢材的季度生额。要紧方法是建立VAR模型。3.3.1通过使用VAR模型对其建立方程。建立关于房地产投资（F）、水泥产量（S）、钢铁产量（G）的模型如（3-5）通过AIC（AIC—赤池信息准则）和SC（SC准则—施瓦兹准则）来确定序列的滞后项。滞后一期滞后...期滞后五期滞后...AIC

53.71221...

46.14606...SC

54.30124...

48.53582...图3-16依照上述准则确定当滞后期为第五期时，AIC和SC达到最小。对模型的时刻序列向量,进