地价\房价\房地产\GDP关系实证研究

房地产业是拉动国民经济增长的重要因素和扩大内需的重要产业。自1998年住房体制改革至今，房地产行业经历了10年的高速增长，其增长速度之快超过美国、英国等发达国家。随着房价的逐级攀高，政府调控也“与时俱进”，继史称调控最严厉的“国十一条”之后，房价并没有回落；相反，国土部有关负责人一度坦言“压力极大”。因此，在当前形势下，准确地测度地价与房价的关系以及房地产业对GDP的贡献，不仅对于解决上述两难困境具有重要意义，同时对于和谐社会的构建意义也深远而重大。

一、相关研究

沈悦、刘洪玉（2004）选用1986～2002年房地产开发投资（REINV）和GDP的时间序列数据，通过Granger因果检验，分析中国房地产开发投资和国内生产总值GDP之间的Granger因果关系；通过广义脉冲响应分析和方差分解分析，研究中国房地产开发投资和GDP相互之间的脉冲响应特性。得出：GDP对房地产开发投资存在单向的显著可信的Granger因果关系；GDP对房地产开发投资的影响远大于后者对GDP的影响。GDP对房地产开发投资有着显著的单向作用。

杨宝成、董玮、王代敬（2005）通过对1987～2003年房地产投资数据和GDP进行回归，得出我国GDP与房地产开发投资额之间存在高度正相关态势，房地产开发投资额增长对GDP增长有着极大的推动作用，房地产开发投资每增加1个单位，促使GDP平均增长11.409个单位。

闫之博（2007）通过1987～2005年的中国房地产市场商品房销售平均价格（Kt）、国内生产总值GDP（Gt）、外商直接投资FDI（Ft）时间序列数据，通过误差修正模型，从而得出：GDP、FDI对房地产价格有正向推动作用，但GDP是主要影响因素。

宁琰、许鹏（2008）选用我国若干年季度数据，通过VAR模型研究了房地产投资、固定资产投资和GDP之间相互影响的关系。得出：房地产投资、固定资产投资对GDP的增长有着较高的贡献率。

金晓敏、许悦、张秋月（2007）运用协整检验、误差修正模型及Granger因果关系检验对湖北省房地产投资和GDP之间的关系进行了实证分析。结果表明：（1）房地产投资与GDP之间存在长期的协整关系；（2）房地产投资的短期波动对GDP有显著的正影响；（3）在短时期内，随着置信水平的提高，两者之间由单向因果关系变为双向因果关系，但长期内，两者不具有因果关系。钟桂兰、刘宇、李雪冬（2008）采用了最小二乘法分析了内蒙古房地产对内蒙古GDP的贡献。

从已有的研究成果来看，大多数研究集中在对房地产投资和GDP的因果检验和实际贡献关系的测度上，方法多采用格兰杰因果减压和最小二乘法以及误差修正模型。研究的区域也多为某一城市或者我国，对于区域的研究极少。本文采用面板数据模型，选取我国东部12省市数据，对地价、房价、房地产和GDP的关系进行测度。

二、数据选取及实证研究

面板数据指在时间序列上取多个截面，把截面数据和时间序列数据融合在一起的数据形式，面板数据模型同时具有截面数据模型和时间序列模型的优点。

单方程面板数据模型一般形式为：

yit=?琢i+xit?茁i+uit，i=1，…，T（1）

模型中的系数随时间和个体的改变而改变，因而可以反映模型中被忽略的时间因素和个体差异因素的影响。

对于一般的面板数据模型可以分为3种情形：

情形1：yit=?琢i+xit?茁i+uit（变系数模型）

情形2：yit=?琢i+xit?茁+uit（变截距模型）

情形3：yit=?琢+xit?茁i+uit

模型设定的原假设分别为：

假设1：H1∶ai≠aj，?茁i≠?茁j

假设2：H2∶ai≠aj，?茁i=?茁j

假设3：H2∶ai=aj，?茁i=?茁j

对于面板数据模型的不同形式有不同的估计方法，对于具体问题要具体分析，通常采用F检验来进行模型的选择。采用Hausman检验来确定选择固定影响还是随随机影响模型。Hausman检验是对可观测的经济变量是否和不可观测的经济因素间存在相关关系的检验，当模型中不可观测因素是随即变化的，与自变量没有关系，模型应确定为随机影响模型；而当模型中不可观测因素与可观测因素具有相关性时，对模型的影响具有可测性，应该考虑为固定影响模型。

（一）变量的选择与模型的建立。本文选取1999～2008年我国东部地区十二省市的土地出让税、商品房销售价格、房地产开放投资及GDP四个变量。数据来源于国家统计局数据库及中经网统计数据库。建立如下模型：

模型1：JGit=?琢1i+?茁1iTUDIT+?着1

模型2：GDPit=?琢2i+?茁2iFDCit+?着2

（二）面板数据单位根、协整检验。为了防止伪回归，首先对数据进行单位根及协整检验，采用eviews6.0软件，结果如表1、表2所示。（表1、表2）

本文采用KAO协整检验检验协整关系，检验结果如表3所示。（表3）

（三）面板数据模型的确定

1、在测度GDP与房地产关系过程中，假设模型为yit=?琢i+xit?茁i+uit时，得残差平方和S3=1770000000；在假设模型为yit=?琢i+xit?茁+uit时，得残差平方和S2=61713310；在假设模型为yit=?琢+xit?茁+uit时，得残差平方和S1=205000000。本文样本数据中N=12，T=10，K=2，由此计算出：

F3＝■＝266.7>F（11，106）

F2＝■＝10.3>F（22，98）

2、在测度土地出让税与商品房销售价格关系过程中，假设模型为yit=?琢i+xit?茁i+uit时，得残差平方和S3=450000000；在假设模型为yit=?琢i+xit?茁+uit时，得残差平方和S2=159000000；在假设模型为yit=?琢+xit?茁+uit时，得残差平方和S1=65707920。本文样本数据中N=12，T=10，K=2，由此计算出：

F3＝■＝56.36>F（11，106）

F2＝■＝6.32>F（22，98）

因此，应选择情形1。同时，由于数据所限，本文无法进行Hausman检验以确定采用固定影响模型还是随机影响模型，故本文采用一般模型。

（四）面板数据回归结果。采用eviews6.0，回归结果如表4、表5所示。（表4、表5）

三、结论分析

（一）我国东部地区房地产投资对GDP贡献程度的差异。从表4看，在贡献程度上看，山东、河北、广东三地的房地产投资对GDP的贡献程度较大，同时T值也非常显著，每单位房地产投资所引起的GDP增长10以上。贡献度较小的地区有北京、辽宁和海南。同时，海南地区T统计量值小于2。综合以上可以看出，房地产作为我国促进经济增长的关键产业，其作用“名副其实”。

（二）我国东部地区城镇土地出让使用税对商品房销售价格贡献程度的差异。从表5看，城镇土地使用出让税对房价的影响远远小于房地产投资对GDP的影响程度。城镇土地使用出让税对房价的影响最大的是海南，为0.06，其次为北京，为0.05。山东、江苏、广东地区城镇土地使用出让税对房价的影响非常微小。从T统计量上看，河北、广西地区的T值均小于2。从以上分析可以看出，我国东部地区城镇土地使用出让税对房价影响很小，并不是土地出让金的存在导致了高房价，高房价的存在，也有非经济因素的存在，这里不做讨论。

（作者单位：重庆工商大学）

主要参考文献：

[1]沈悦，刘洪玉.中国房地产开发投资与GDP的互动关系.清华大学学报（自然科学版），2004.44.9.

[2]杨宝成，董玮，王代敬.房地产业对GDP的贡献及解决房地产过热的措施研究.生产力研究，No.12.2005.

[3]闫之博.GDP与FDI对中国房地产价格影响效果的实证分析.经济研究导刊，2007.1.