人民币升值对房价的影响摘要:房价问题一直是社会各界关注的焦点,同样也日益成为制约市场的首要问题。
汇率作为最有代表性的国际因素对我国的房价产生了潜在的影响,因此我们对人民币的升值对房价的影响做出如下的分析。
首先,研究人民币汇率对房价的宏观影响,把汇率同其他影响房价的指标联系起来,并对候选的7个指标(包含汇率)进行Spearman秩和检验,其结果显示这7个指标都与房价有关。
然后,对以上变量取自然对数,利用ADF法进行单位根检验,并通过AIC、SC 反复验证,建立VAR(1)向量自回归模型,运用Eviews求解,得到关于各指标估计参数,且模型通过AR根模检验和残差检验,其中汇率对房价的影响系数为-0.050998,呈现负相关,这与实际情况相符合。
而后,又通过方差分解分析得到汇率改变会对房价产生长期影响,但影响贡献率仅在5%左右。
再利用上述时间序列的情况下,为分析需要,我们需要截面数据以进一步分析人民币升值对不同地区的影响程度。
然后利用相关检验方法对面板数据进行单位根检验,发现原序列指标之间不具有平稳性且不具有同阶单整性,故对取对数后再做单位根检验,结果表明取对数后的序列非平稳,但均为)1(I过程。
随后采用协方差分析对模型设定类型检验,最终选择固定效应模型,并采用最小二乘法进行模型估计,模型表明人民币升值会促使房价的增长,并进一步分析人民币升值对不同地区的影响程度。
关键词:向量自回归;方差分解;单位根检验;面板数据模型1、研究背景面对一路“高歌猛进”的房价问题,政府予以高度重视,从调整土地供应、改善商品房结构、加强信贷管理为切入点,打出抑制房价上涨的组合拳法。
伴随而来的具体措施,如我国的“十二五”规划将房地产产业作为重点调控产业;2011年1月26日国务院推出的“新国八条”,要求加大保障性安居工程建设力度,提高二套房首付和房贷利率,全额征收二手房交易税等措施;紧随其后在上海重庆建立了房产税征收试点。
随着国内房地产价格成为我国舆论探讨的热点后,国际热点汇率也在潜移默化的影响着这个领域。
自2005年我国实行汇改之后,人民币的汇率由长期平稳转向波动不断。
最新数据显示,2012年4月29日人民币对美元汇率中间价突破6.3,再创2005年人民币汇率改革以来新高。
汇率不断拔高,导致境外资本大量流入国内。
由于房地产是在高通胀时期实现保值的不错选择,再加上可以获得人民币升值收益和房价增值收益的“双价差”,因而很大一部分流入房地产市场,对我国商品房价格的走势产生了很大的影响。
因此汇率对我国房价影响,是我们亟需探究的问题。
2、文献综述关于汇率对房价的影响,国内学者做了很多分析,例如崔玉平【1】在理论上对此进行了定性的分析,许春青【2】建立的ADL模型的人民币汇率对我国房价影响研究,吴祥东【3】等建立误差修正模型,并运用Granger 因果检验方法对两者之间的关系进行了实证检验,原源【4】应用计量OLS 方法对我国房地产销售价格与货币供应量、利率和汇率等变量加以回归分析,邱强【5】基于VEC向量误差修正模型实证分析我国房地产金融调控效果。
国外学者也利用许多不同方法建立数学模型来研究汇率对房价的影响,Constantin 利用Obsifeld和Rogoff模型研究了汇率对美国业主自用型房屋资产的影响[7];Norman等利用计量经济学方法研究了日元升值对夏威夷房价的影响[8J。
3、实证模型分析通过分析,不难发现,问题的关键在于如何研究汇率对房价的影响。
如果仅仅只是拿汇率一个指标,建立与房价之间的回归方程或其他模型,将会使模型失真,很难真正反映汇率对房价的影响。
故此,我们选取与房价有关的一系列经济指标(包含汇率),再考虑到经济指标间常具有多重共线性。
基于以上考虑,我们认为应建立向量自回归模型,进而再得到汇率对房价影响的系数,由此解决这个问题。
第二,分析汇率变动对不同地域房价的影响,通过收集、处理部分宏观经济数据,结合面板数据模型,分析汇率对全国部分省份的房价的影响,从而分析人民币汇率变化和部分宏观经济指标对全国,以及不同地域的房地产价格的影响进行定量评估。
3.1预期理论分析相关各因素对房价的影响对于汇率的影响,人们提出了汇率预期的作用,有的文献认为对我国商品房价格起着重要影响的是人民币在未来升值或贬值的预期而不是人民币汇率在过去的变动。
由此形成了有关预期的理论主要可归结为四种[7]:近视性预期(myopic expectations)、完美预见性预期(perfect forecasts)、理性预期(rational expectations)和适应性预期(adaptive expectations) [5]。
对此本文利用预期理论对影响房价的各因素先进行定性分析。
3.1.1.汇率与房价的关系。
汇率和房价的关系是间接的,而这一层关系是我们本文的主要研究目标。
汇率的波动具有形成了一定的历史趋势,人们对于过去的趋势产生了主观的预期。
对于我国来说,我国的汇率波动集中反映在人民币的增值上,许多人都对人民币的预期即是人民币在未来的一段时间内,还将处于不断升值的趋势。
对此,大量的国外资本就会把握这个机会进入国内的市场,以赚取汇率拨动产生的价差利益。
而市场中涌入的大量资本,在市场规律的自动调节之下,常常会选择具有巨大保值增值空间的房地产市场进行投资。
而本国的房地产商们也应对大量资本涌入刺激的需求,提高价格以获取更多的利益。
综上,它们的关系可以简述为:我国汇率升值,改变了人们的预期,驱使流入国内的国外资本进入房地产市场,从而普遍的抬高了房地产的价格。
因为汇率的升值反映为汇率值的下降,人民币的升值,从而得到汇率对房价是负影响的关系。
3.1.2.人口数量与房价的关系。
每个地区的房地产的需求数量在一定程度上受当地的人口数量影响。
人口数量多,对房产的需求相对较大,同样受市场规律的引导,房价不断提高。
3.1.3.城市化率与房价的关系。
对房产的需求主力来自于地区的城市居民,商品住房的建筑用地集中于城市地区,这都说明城市化率越高,城镇人口数越多,将导致我国的城市住房的需求量越大。
城市化率同样影响了房产的需求,房产商们顺势提高房价。
3.1.4.CPI与房价的关系。
CPI是当地居民的消费价格指数,反映了一个地区的消费水平。
而房地产在交易时,作为商品,其价格同样受到购买房地产的人群的消费水平的影响,若其消费水平越高,显然对房产的购买力越大,可承受的房价就相对越高。
房产商是利益最大的追求者,他们会最大限度的榨取消费者剩余,所以会抬高房价,获取最大限度的利益。
因此,CPI越高,房价越高,呈现出一种正相关的关系。
3.1.5.人均可支配收入和房价的关系。
人均可支配收入是收入的主要来源,也是支撑消费的主力。
因此人均可支配收入越多,个人的购买力越大,同时消费的动力越大,因此刺激了个人需求,房产商将随之提高房价以应对需求。
3.1.6.房贷利率和房价的关系。
房贷利率是影响房价的重要因素,同时也是政府调控房价的重要工具。
基于当前房价虚高的现状,许多的房产的需求者,他们或许没有足够的资金,但他们可以向银行贷款,来购买住房。
这样的措施解决了无房者的心病,但也可能促成人民的超前消费,从而导致房地产的需求急剧膨胀,刺激房地产的价格不断攀高。
他们的关系可以反映为,贷款利率越高,则房贷的还款利息额越大,这降低了人们对住房的需求,房价随之下降,两者是负相关的关系。
3.1.7.房屋造价与房价的关系。
房屋造价是房价最为基本构成要素,即房屋这项商品的成本,房价是房屋的交易收入,房产商的盈利为房价与造价的价差。
如果房屋的造价越高,即商品成本越大,为了保证商品的既得利益,所以相应的提高房价才能保证房地产的交易利益。
从而两者是正相关的关系。
3.2向量自回归模型3.2.1指标的选取在预期理论对房价的各因素相关分析后,认为以下7个指标可能影响房地产价格:汇率、人口数、城市化率、CPI、人均可支配收入、贷款利率以及房屋造价。
表1.符号说明表符号符号说明x汇率1x人口2x城市化率3x CPI4x可支配收入5x贷款利率6x房屋造价7x房价83.2.2数据来源和说明表2. 房价影响因素数据表年份中间价人口城市化率消费价格指数单位(兑美元) (万人)% (1978=100)1990 478.32 114333 26.41 216.41991 532.33 115823 26.94 223.81992 551.46 117171 27.46 238.11993 576.2 118517 27.99 273.11994 861.87 119850 28.51 3391995 835.1 121121 29.04 396.91996 831.42 122389 30.48 429.91997 828.98 123626 31.91 441.91998 827.91 124761 33.35 438.41999 827.83 125786 34.78 432.22000 827.84 126743 36.22 4342001 827.7 127627 37.66 4372002 827.7 128453 39.09 433.52003 827.7 129227 40.53 438.72004 827.68 129988 41.76 455.82005 819.17 130756 42.99 4642006 797.18 131448 43.90 4712007 760.4 132129 44.94 493.62008 694.51 132802 45.68 522.72009 683.1 133474 46.59 519房价影响因素数据表(续)年份人均可支配收入贷款利率竣工房屋造价房价单位元(年利率:%) (元/平方米) (元/平方米)1990 1510.2 9.45 422.74 703.01991 1700.6 9.72 492.48 786.21992 2026.6 12.24 573.24 994.71993 2577.4 13.14 684.00 1291.51994 3496.2 14.76 797.00 1408.61995 4283 15.3 911.00 1590.91996 4838.9 13.77 1111.00 1806.41997 5160.3 10.53 1175.00 1997.01998 5425.1 8.64 1218.00 2063.01999 5854 6.21 1152.49 2053.02000 6280 6.21 1138.96 2112.02001 6859.6 6.21 1128.14 2170.02002 7702.8 5.76 1184.16 2250.02004 9421.6 6.12 1402.00 2713.9 2005 10493 6.12 1451.27 3168.0 2006 11759.5 6.615 1563.53 3367.0 2007 13785.8 7.45875 1656.57 3864.0 2008 15781 6.894 1795.00 3800.0 2009171755.942021.004681.0资料来源:《2010年中国统计年鉴》3.2.3对指标进行非参数 Spearman 秩和检验斯皮尔曼(Spearman )相关系数是描述两组变量之间是否存在着相同或相反趋同性的一种指标,由于该检验不需要假定服从正态分布,仅需要确定变量在每个点(时期)上的等级即可获得,因此具有较好的性质。