房地产价格与银行信贷实证关系研究

房地产价格与银行信贷实证关系研究内容摘要：

了预测方差分解，进一步分析结构变量对内生变量的贡献度， 使得出的结论更加有力。 二 、 实证 设计 （一） 数据处理与描述 本文利用 2020 年 5 月至 2020 年 12 月的 我国房屋销售价格指数（ P）与银行对房地产贷款 (L)月度数据 ，共 33 组样本数据来对房地产价格与银行信贷之间的 关系进行实证研究。 其中，银行贷款数据是用金融机构各项贷款来表示 ，并且将银行贷款数据取对数值，以消除异方差的影响，而房屋销售价格指数则不用处理。 所 有 的原始数据均来自于国家统计局 和东方财富网。 （二）研究方法 本文将以 2020 年 5月至 2020 年 12 月 数据为时间序列，以房屋销售价格指数与银行信贷为变量构建 VAR 计量模型进行分析， 首先对变量进行平稳性检验 — ADF单位根检验，检验其平稳性，再 基于 VAR模型 采用 Johansen 提出的协整检验方法对时间序列进行长期的平稳性检验 ， 如果变量间存在协整关系 ,我们将运用 格兰杰因果 关系检验 其 长期 变量之间的因果关系。 上述模型检验的是变量之间的长期关系，对于短期影响，需要进行 VAR 模型估计， 此外，还加入的脉冲响应函数方法， 使得出的结论更加有力。 三 、 房地产价格与银行信贷关系的实证结果与分析 （一） 时间序列的 平稳性检验 单位根检验是指检验序列中是否存在 单位根， 因为存在单位根就是非平稳时间序列了，会使回归分析中存在伪回归。 本文采用的是 2020 年 5 月至 2020年 12月 数据为时间序列， 时间序列矩特性的时变行为实际上反映了时间序列的非平稳性质。 对非平稳时间序列的处理方法一般是将其转变为平稳序列， 这样就可以应用有关平稳时间序列的方法来进行相应得研究。 对时间序列单位根的检验就是对时间序列平稳性的检验，2020 届 金融学 专业毕业论文 5 非平稳时间序列如果存在单位根，则一般可以通过差分的方法来消除单位根，得到平稳序列。 本文运用 软件，对 检验 房屋价格销售指数（ P）和银行信贷 (L)两个变量 是否存在 单位根。 首先通过画折线图确定变量的截距项与趋势项， 回归滞后阶数的确定主要依据 然 赤池信息准则（ AIC） ， 要求其取值越小越好，然后经过多次尝试，选择最佳滞后期的检验形式，得到单位根结果如表 1。 表 1 P 和 L 序列的 ADF 检验结果 变量 检验类型 (c，ｔ， k) AIC ADF 检验值 5%显著水平临界值 结论 P (c， t， 0) 不平稳 lnL (c， 0， 2) 不平稳 Δ P (c， 0， 0) 平稳 Δ lnL (c， 0， 1) 平稳 注： Δ P、 Δ lnL 表示原序列的一阶差分序列， (c，ｔ， k)分别表示 单位根检 验模型中的截距项、时间趋势项和滞后阶数。 通过平稳性检验，我们从表 1 可以发现 P、 lnL在原始序列上的 其 ADF 值均小于 5%的临界值，故对这些非平稳性变量采用一阶差分进行检验，发现在 1阶差分上变量 P、lnL 趋于平稳，在 1 阶差分上均能在 5%显著水平下平稳，表明变量为 1 阶单整序列，可能存在协整关系，因此需要 进一步检验变量之间的协整关系。 （二）最优滞后期的确定 在估计 VAR 模型时，我们要对系统内解释变量的滞后期进行选择，而且协整分析的结果对滞后长度的选择比较敏感，因此多元 VAR 模型的滞后期 长度的确定就至关重要，不当的滞后期，很可能出现“虚协整”。 而且 滞后期 不能 过小 或过大 ， 否则会 影响模型参数估计量的有效性，误差项的自相关性会很严重，并导致参数的非一致性估计。 因此在该模型中选择适当的滞后变量个数，可以消除误差项中的自相关和虚协整 ，本文 采用 Eviews5 中的 Lag Length Criteria（滞后长度准则） ，从而选择最合适的滞后期。 房地产价格与银行信贷关系实证研究 6 表 2 VAR 模型滞后期的确定 Lag LogL LR FPE AIC SC HQ 0 NA 1 * * * * * 2 3 注： 5 个评价统计量各自给出的最小的滞后期用“ *”号表示。 *表示其标准的滞后期。 LR 表示其连续修改的检验统计量（每 个测试在 5%的水平下）； FPE 表示 最终的预测误差 ； AIC、 SC、 HQ 均为信息准则。 在 VAR 模型的基础上，通过对 5 个指标的检测结果（如上表 2）我们发现，所有的准则选出来的最优滞后期均为 1，可见这里的 VAR 模型最合适的滞后期数为 1，因此本文选择 VAR（ 1）模型。 （ 三 ） 协整检验和协整方程 根据协整理论，如果非平稳变量序列之间的线性组合有不随时间变化的性质或者具有平稳性特征，即说明这些非平稳变量之间具有长期稳定的均衡关系。 如果在不平稳的时间序列上进行分析，很容易出现“伪回归”的问题。 为了解决“ 伪回归”的出现，传统的做法是在对数据差分的基础上进行回归，但是这样做容易损坏变量间长期关系的信息，为了减少不必要的信息受损，本文在 VAR 模型的基础上建立协整检验。 协整方程实际上是对非限制性 VAR模型进行协整约束后得到的 VAR模型，该模型的滞后期应该是非限制性 VAR模型一阶差分变量的滞后期，由于上文中 VAR模型选择的最优滞后期是 1，所以协整检验的 VAR模型的最优滞后期确定为 0， 但考虑到滞后期为 0不便于理解和分析经济变量的长短期关系，而且依据滞后 0期建立的长期协整方程变量系数也出现不显著的情况，所以还是选择滞后 1期进行协整检验，同时进一步通过联合 检验来确定选择的仅有截距且序列有确定性线性趋势的 Johansen协整检验。 因此，要实证 研究 农村金融发展与农村经济增长的关系，就需要对其是否 具有长期稳定的协整关系进行检验。 表 3 协整检验结果 变量 原假设 特征值 迹统计量 5%的临界值 P 值 lnL P 0 个 协整方程 * 至少 1个 协整方程 2020 届 金融学 专业毕业论文 7 从表 3中，我们可以看出迹统计量为 ，其值大于 5%的临界值 ，或者看其 P 值 小于 ，也 说明 远假设成立。 综合表明 lnL 与 P存在长期的均衡关系，进一步对 lnL 与 P 之间进行回归分析得出其协整方程 如表 （ 4） ： 表 4 协整系数 lnL P （ ） 由以上的检验结果可以看出，在 1%和 5%的显著行水平上， 2个变量之间存在一个协整关系，并以 lnL为被解释变量，得到的协整关系式如下： lnL = （ ） 以上 2个变量之间的协整关系式表明了银行信贷和房地产价格之间存在长期均衡关系。 银行信贷对房地产价格的长期均衡弹性为 ，即从长期来看，房地产价格每上涨 1%，银行信贷也相应上涨 %，可见，房地产价格对银行信贷的正面作用十分明显。 （四 ） 格兰杰因果检验 在进行格兰杰因果检验之前，需要对变量 进行协整检验。 根据上文的检验结果，房地产价格销售指数与银行信贷之间存在 长期 协整关系， 但变量之间是否构成因果关系还需要进一步检验， 所以 需要 进行格兰杰因果关系检验。 格兰杰因果检验的定义为：若在包含了变量 X、 Y 的过去信息的条件下，对变量 Y的预测效果要优于只单独由 Y 的过去信息对 Y 进行预测的效果，即变量 X 有助于解释变量 Y 的将来变化，则认为 X 是引致变量 Y 的格兰杰原因，公式为： titiniitinit XYY     11 （ 1） titi。