第一节 房地产与宏观经济关系研究文献综述及研究方法
一 理论研究文献综述
房地产市场与宏观经济是互为因果、相互影响的内生关系，我们分房地产市场对宏观经济影响与宏观经济因素对房地产市场影响两方面来归纳和考察两者的理论关系。
（一）房地产市场对宏观经济的影响
房地产是国民经济的支柱产业，房地产产品特别是住房产品既是人们居住生活的必需品，又是保值增值的最佳投资品，更由于房地产属于大宗耐用商品，使得金融支持广泛介入，因此房地产变量对国民经济的影响路径是多重的，既有价格变化导致消费、投资拉动效应，也有价格变化导致的金融泡沫风险效应，还有投资消费导致的前后产业拉动效应；既有对宏观经济的短期传导效应，还有对经济要素重组形成的长期经济增长潜力效应。
Alexander Ludwig和Torsten Slik（2002）从理论上详细分析了资产财富对消费的传导作用机制，他们广泛研究了股票价格和房地产价格波动对消费的影响渠道。房地产价格的波动影响消费支出的渠道主要包括以下五个方面：一是直接财富效应，房地产所有者因为房地产价格的上涨而导致实际净财富增加，所有者可以出售此房地产或者进行再融资，从而增加当期消费；二是间接财富效应，消费者在房地产升值时，即便没有出售房产或再融资，同样会因为消费者的预期心理认为未来财富会增加，而扩大消费；三是预算约束效应，房地产价格的上升对于拥有房地产的消费者来说可以促进财富的增加，但是对于租房者来说，房价上涨会推动房租的上升，对他们的个人消费就有负效应；四是流动性约束效应，这一效应的具体影响考虑到了金融体系的作用，如果房地产价格上升，消费者可以用升值的房产申请更多的信贷获得更大的流动性，但是，如果房地产价格大幅下跌，银行也可能出于风险管理方面的考虑，对于住房价格进行重估，同时要求住房者提供更多新的信用保障，从而加大消费者的流动性约束；五是替代效应，指房价大幅上升会减少那些计划购买住房的消费者的消费开支。
宏观经济的加速乘数效应也表明，当经济的要素资源处于不充分利用状态，社会投资将导致经济出现乘数效应。房地产业由于其巨大的前后产业关联性，随着投资拉动，房地产业的前向产业关联很容易推动水泥、钢铁、玻璃等行业增长，房地产业巨大的后向产业关联也很容易导致家具、家电、装潢、社区服务等后向产业蓬勃兴起。
同时房价和房地产投资供给也对人口城镇化、人才国际流动产生深远影响。城镇房价过快增长、实际可供居住房屋增长缓慢，将抑制人口的居住城镇化进程，也将导致国际人才的逆向流动，造成城镇人口和人才聚集不足，影响长期经济增长。
（二）宏观经济对房地产市场的影响
宏观经济的发展状况与房地产业的发展有重要的互动影响，如果经济发生衰退,金融机构和企业将进行大量改组和合并，使得市场上供出售的土地和建筑大量增加。收入可以代表消费者的需求能力,居民由于失业以及收入下降,对增量住房的需求也会大幅减少，存量住房的供给则会上升。供给和需求的不匹配会导致价格下降。相反，在经济高速增长期间，伴随着收入的稳步增长，人们对未来有良好的期望，房地产市场一般会出现供销两旺、价格稳步上升的现象。此外，从理论上说，衡量宏观经济发展的一个重要指标就是国内生产总值，即一个国家或地区所有常住单位在一定时期内生产活动的最终成果。因此，房地产价格与GDP在经济上呈正相关关系。工业增加值同样可以反映实体经济的运行情况，工业增加值越大，说明实体经济运行的状况越好，产生的社会财富越多，进而造成房地产市场供销两旺、价格稳步上升。因此，工业增加值对房地产价格的影响也是正的。
房地产业是资金密集型产业，其供给和需求都离不开银行贷款，具有第二金融的“美称”。在供给方面，当宏观上实施膨胀的货币政策时，大量信贷支持将流向房地产开发投资和房地产抵押，并推动房地产价格持续上涨。在需求方面，由于房地产是一种价格较高的特殊商品,大多数消费者缺乏一次性付款的购买能力，多采用住房抵押贷款的方式购买,即消费者以所买住房作为抵押物，向住房公积金管理机构或金融机构申请购房贷款。房地产能获得的实际信贷支持和信贷支持成本将决定房地产市场的发展程度。在中国由于金融管制，国家控制利率的同时还实施数量控制，所以简单地运用利率来衡量信贷支持程度并不准确，实际的信贷支持量和货币供给可能是更有效影响房地产市场的宏观金融指标。
此外，在开放型经济中，外贸往往成为宏观经济的晴雨表，对房地产市场也具有重要影响。外贸出现快速增长，也往往意味着国内剩余资本积累和居民收入提高，从而推动房地产的消费性、投资性、投机性需求。
二 方法研究文献综述
房地产与宏观经济关系很早就得到经济学研究的关注，理论文献多基于凯恩斯宏观经济模型和资产价格理论展开，研究进展的重点在于两者关系研究方法的运用。大致经历了从传统方法到现代方法的转变过程。
（一）早期的传统模型与方法
关于房地产市场与宏观经济研究的早期传统模型和方法主要包括资产价格泡沫模型、存量—流量模型、金融加速器模型、内生货币供给下的房地产价格与经济波动关系模型、基于资产定价方法的房地产价格模型、基于房地产供需方程的房地产价格模型等。
1.资产价格泡沫模型
资产价格泡沫模型认为资产价格可表示为未来红利和价格的贴现值，求解资产价格的表达式最终可得到资产价格包括基础价值和泡沫两个部分，其中泡沫部分满足下期预期贴现值为当期值，其为一个软过程。Case和Shiller（1988，1989）认为房价上涨的惯性和人们的非理性繁荣预期（exuberant expectations）将引起房地产价格泡沫。Clayton（1997）对加拿大温哥华共管式公寓（condominium apartment）价格的实证检验发现加拿大住房价格变化受非理性预期影响。中国学者袁志刚和樊萧彦（2003）通过构建房地产市场的局部均衡模型分析了房地产均衡价格中泡沫产生和存在的条件。
2.存量—流量模型
Wheaton（1999）提出存量—流量模型，它将房地产存量与增量变化联系起来，并将其与外生宏观经济变量发生联系，分析主要宏观经济变量如国内生产总值（GDP）、利率等变化对房地产价格变化的影响;然而由于该模型主要分析宏观经济变量对房地产市场影响，而相对忽视了房地产市场对宏观经济的影响，也忽视了房地产市场和宏观经济的互动作用。
3.金融加速器模型
Bemanke等（1998）认为金融加速器是指由于信贷环境（或约束）改变而使较小的冲击导致资产价格和宏观经济出现较大波动的传导机制。他们将信息不对称引入信贷市场的分析，家庭或企业的借贷能力与资产（如房地产）价格或其净资产相关，由此产生信贷约束、资产价格和经济的互动反馈，使冲击的影响被不断传导和放大，即金融加速器机制能使一些轻微的外部冲击放大，引起资产价格和经济出现较大波动。Bemanke等（1998）提出金融加速器用来分析金融市场对宏观经济波动的影响，而本研究中金融加速器指信贷和房地产价格的互动反馈将传导和扩散冲击对经济的影响，以分析信贷和房地产价格的互动反馈作用对宏观经济波动所起的传导和放大作用。
4.内生货币供给下的房地产价格与经济波动关系模型
内生货币供给下的房地产价格与宏观经济波动关系模型包括企业、房地产市场和银行三个部门，其中企业以房地产作抵押向银行进行借贷，房地产价格变动导致企业的借贷变动，借贷变动反过来又会推动房地产价格变动，并导致投资和产出等不断变动，由此，总产出、房地产价格和货币供给等紧密联系（郭金兴，2005）。中国学者丁晨和屠红梅（2008）以内生货币供给的视角分析了房地产价格变化与货币、经济波动的互动影响。
5.基于资产定价方法的房地产价格模型
基于资产定价方法的房价模型主要有两种，分别是基于无套利原理的资产定价模型和基于消费的资产定价模型。基于无套利原理的资产定价模型假设房地产投资的收益与其他资产投资的收益相等，或投资于房地产的收益与其持有成本相等，Campbell等（2006）利用该种方法分析美国房地产价格与租金比例变化情况。基于消费的资产定价理论认为房地产价格由房地产和消费品的跨期均衡决定，Okumura（1997）采用资产定价的方法分析日本的房地产价格变化情况。Poterba（1984）、Goulder（1989）、Berkovee和Fullerton（1989，1992）运用该方法分析了美国的房地产价格变化情况。
6.基于房地产供需方程的房地产价格模型
该方法联立房地产的需求方程和供给方程，从中导出房价与其影响因素之间的关系表达式，再采用计量经济分析验证这些因素对房价的影响（参见Areelus和Meltzer，1973；Topel和Rosen，1988等）。
（二）最近的现代模型与方法
关于房地产价格与宏观经济研究的现代模型和方法则主要包括向量自回归模型（VAR模型）和一般均衡分析模型。
20世纪80年代，宏观经济学研究产生了两种重要方法:一是Sims（1980）提出的用于分析经济变量动态影响的VAR模型；二是Kydland和Prescott（1982，1996）提出的基于一般均衡分析框架，用于分析经济变量运行特征的以一般均衡分析框架为核心的动态随机一般均衡模型（dynamic stochastic general equilibrium model，可简称为DSGE模型）。VAR模型和DSGE模型都是现代主流宏观经济学的标准分析工具。现代主流宏观经济学的研究通常采用VAR模型通过对实际经济数据进行脉冲反应函数分析来研究变量间单向影响关系;而采用一般均衡分析框架或构建DSGE模型分析变量间双向影响关系。
1.房地产变量与宏观经济变量的VAR模型
房地产与宏观经济作为一个系统，房价与利率、GDP和通货膨胀等宏观经济变量间存在相互影响的动力学关系。Sims（1980）首次提出VAR模型。采用VAR模型的好处主要有：第一，分析变量间的长期均衡关系，并进行Granger因果关系检验；第二，可进行脉冲响应函数分析和方差分解，分析变量间的相互影响。Sargan（1964）第一次提出误差修正模型（VECM），它基于VAR模型，既可分析变量间的长期影响，又可分析变量的短期影响。采用VAR模型分析房价与宏观经济的研究文献非常丰富，国外学者如Del和Otrok（2007）采用VAR模型分析房价和货币政策的关系。Elboume（2008）采用SVAR模型分析英国房价与货币政策关系。近年来国内学者也采用VAR模型来分析房价与其他经济变量的关系，如屠佳华和张洁（2005）、Huang等（2007），而沈悦（2006）、刘洪玉和张红（2006）等采用VAR模型分析中国房价与经济基本面因素的关系。黄忠华等（2008）采用VAR模型分析了中国利率、房价和GDP的互动关系。周志春等（2010）采用VAR模型分析了房地产波动与宏观经济波动之间的关系。闰之博（2007）、梁云芳和高铁梅（2007）采用VECM模型对GDP与FDI对中国房地产价格影响进行研究，结果表明GDP对房价具有正向影响。近年来一些学者开始采用Panel VAR模型来分析房价与宏观经济的关系，如Mille和Peng（2006）。而Lee（2007）则用Panel VAR模型来分析韩国公共和非公共房地产投资的相互作用。
2.房地产变量与宏观经济变量的DSGE模型
DSGE模型基于一般均衡的分析框架，以家庭和企业的最优化行为为基础，最后可由一阶条件、资源，预算约束等对数线性化组成的方程组来表示模型中变量的动态关系。目前采用DSGE模型对房地产和经济进行分析的研究越来越多。Aoki等（2004）、Davis和Heathcore（2005）、Iacoviello（2005）、Piazessi等（2007）采用代表性个体假设分析房地产对宏观经济的影响。Silos（2007）采用异质性个体（heterogeneous agents）假设分析具有不同特征的代表性个体的住房行为与特征对宏观经济的影响。Ortalo-Magne和Rady（1999）在OLO模型中分析信贷约束变动、房地产价格变动对处于不同年代经济主体的影响，并发现:房价上涨，对无住房的年轻一代人来说意味着购房成本增加;对年老一代人来说意味着他们可从房价上涨中获益;而对中年人的影响不显著，因为他们中一些人想换购更大的房地产，另一些人则可能换购更小的房地产。
尽管从理论上看，DSGE模型更加完美，更能精细反映各类经济关系，但由于数据要求和参数选择极其严格，市场经济不成熟国家统计数据和主体行为均很难符合模型设定要求，所以该类模型在发展中国家应用较少，在中国也很少应用，原鹏飞、魏巍贤（2010）的研究可算是国内这类方法的尝试，但其极为简易的数据和参数选择，使得其结论可信度大打折扣。
三 本章的研究方法
（一）指标选择与数据说明
1.房地产变量
房地产市场指标繁多，既有地产方面的也有房产方面的，既有开发方面的也有交易市场方面的。考察房地产市场与宏观经济关系不能罗列所有指标，应选择能综合反映房地产市场面貌的代表性指标，考虑到房价为房地产市场供需均衡信号，代表了房地产供需两方面的信息；房地产投资为房地产开发决策结果，代表了房地产潜在供给信息，因此在本研究中，我们选择房屋销售价格和房地产投资两大类指标作为房地产市场指标。同时为了更好地考察房地产与宏观经济关系，我们对房屋销售价格和房地产投资指标均分解为住宅与非住宅两细分类型。
中国存在两套房地产价格数据，其一为国家统计局根据抽样调查计算的房屋销售价格指数，其二，通过房屋销售面积和房屋销售金额可以计算得到平均的城镇房屋销售价格。前者由于采用同质房屋价格统计，在理论上是最佳的房价指标，但由于国家统计局的具体调查方案存在缺陷，导致其与真实房价变化存在巨大差距（如2009年房价大幅攀升，而房价指数仅仅上升了1.53%），因此本研究将采用根据销售额和销售面积计算的平均价格数据，该类价格数据的缺陷在于未能有效调整随城镇扩张的区位因素和质量因素，因此在快速房价上涨时期存在对房价的低估。
中国统计数据应用支持系统提供了分月度的各类商品房的平均销售价格（商品房销售额/商品房销售面积）和各类投资额累计值，为了与宏观经济数据对应，根据月度数据计算了房地产指标的季度数据。分别用hprice表示季度房屋平均销售价格、hhprice表示季度住宅平均销售价格、hnprice表示季度非住宅平均销售价格，用hinvest表示季度房地产投资额、hhinvest表示季度住宅投资额、hninvest表示季度非住宅投资额。考虑房地产投资和销售均具有明显的季节性变化，因此对最终使用数据实施了季节性调整。为了更好地利用数据信息，我们对季节性调整后的数据取对数形式。考虑到各房地产指标数据均属于时间序列数据，为此也对各对数序列数据利用ADF单位根方法实施了平稳性检验。
2.受房地产市场影响的宏观经济变量
与房地产市场有关的宏观经济变量有两类，其一为受房地产市场影响的变量，其二为影响房地产市场的变量，两者可能存在重叠。我们先分析受房地产影响的宏观经济变量。
由理论分析我们看到，房地产变量对宏观经济的影响主要集中在居民消费、社会投资和最终产出，因此我们选择三方面的宏观经济指标，为了更精准地分析房地产变量的影响结构，分别选择城镇居民消费性支出、社会消费品零售总额两指标来衡量消费变量，选择城镇固定资产投资总额来衡量投资变量，选择GDP、一产增加值、二产增加值、三产增加值来衡量经济产出，同时在后文考察房地产变量对消费支出影响时还将同时纳入居民收入因素，列出城镇居民人均可支配收入，分别用consum、retail、invest、gdp、indust1、indust2、indust3、income表示。
中国统计数据应用支持系统提供了上述各指标的月度或季度数据，考虑季节性影响，也分别实施了季节性调整，然后对各调整后数据取对数形式，考虑各对数序列均属于序列数据，也先行利用ADF单位根检验了各数据的平稳性。房地产影响的各宏观经济变量季节调整后对数序列均为一阶单整。
3.影响房地产市场的宏观经济变量
在影响房地产市场的宏观经济变量方面，选择相对外生性的指标，分别选取GDP、M2、出口总额、建筑业贷款余额。GDP代表作为宏观经济总量的外生冲击，考虑中国实施利率管制，因此没有直接采用利率作为货币政策外生工具，而采用货币政策的两个量化指标，其一为针对总体经济调控的M2货币供给量，其二为针对房地产调控的建筑业贷款余额。此外，为考察国际上外部经济冲击的影响，选取商品出口总额作为外部经济冲击变量，分别用Loan、Export代表建筑业贷款余额和出口货物总额。如表1-1所示，影响房地产市场宏观经济变量指标季节性调整后的对数序列均为一阶单整。
表1-1 各房地产指标与宏观经济指标的统计特征值
（二）研究方法说明
考虑到中国宏观经济数据与房地产数据均很难支撑DSGE模型的参数设定，为了更有效地利用已有统计数据，采用向量自回归模型VAR与向量误差修正模型VEC来研究房地产市场与宏观经济因素的互动关系。将分别针对房地产变量与房地产影响宏观经济的变量、房地产变量与影响房地产的宏观经济变量两视角，分因果检验、协整检验、脉冲效应和误差修正关系四步骤来计量房地产变量与宏观经济变量互动关系。