摘要：为了验证对住房是否存在过度投资，通过对我国2001年第一季度至2011年第四季度的住房投资、非住房投资和总产出的协整检验、Granger因果检验和误差修正模型的估计，其结果表明：中国住房投资和非住房投资都可以作为总产出的领先指标；从长期协整关系看，中国经济增长受住房投资增长影响强烈，并且住房投资对非住房投资存在明显的“挤出效应”。回顾宏观经济的运行，认为住房投资推动通货膨胀增长的机制仍然存在，未来宏观经济政策仍将受制于住房投资的非理性增长。

　　关键词：住房投资；非住房投资；总产出；向量误差修正模型

　　中图分类号：F293.344文献标志码：A文章编号：1001-862X（2014）01-0072-004

　　一、引言

　　在总需求中，投资需求是总需求中最活跃的部分，通过乘数效应影响GDP的增加或减少。另一方面，GDP的增加，通过加速数效应，增加投资。因此，可以通过追踪工商业的投资状况（如：开工率、存货、订单数、采购经理人指数等），预测GDP的未来增长情况。对住房投资的研究也颇引人关注，很多文献的研究结论表明，住房投资又是投资中最活跃的部分，波动性大于其他类别的投资，具有领先于经济总量的预测作用。如：Green（1997）[1]发现住房投资是GDP的领先指标，而非住房投资则不是领先指标；CoulsonandKim（2000）[2]也发现类似结论：在预测GDP上，住房投资比非住房投资更为重要，而且，住房投资对消费有显著影响。GaugerandSnyder（2003）[3]认为虽然住房投资在总需求中只占较小的比重，却在商业周期中起着不成比例的重要作用。Leamer（2007）[4]建立新的“泰勒规则”，将GDP替换为房地产的景气指标，会使宏观经济波动减小。

　　沈悦和刘洪玉（2004）[5]运用我国1986—2002年的房地产和GDP年度序列数据进行协整和Granger因果检验，认为GDP是房地产投资的Granger原因，反向则不是。广义脉冲响应和方差分解的结果均支持GDP对房地产开发投资有着显著的单向作用。这个结果很令人意外，GDP能更好地预测房地产投资，而不是相反，明显违反了我们的直觉。如果勉强作解释，可能是我国房地产投资在1986—2002年期间的大部分时间所占总需求比重很低，以致对GDP影响较小，对GDP不具有预测作用。相反，随着居民收入的增加，对房地产需求却非常大（加速数系数较大），与这一时间段的住房政策改革相吻合；另一个原因可能是样本数据较少（16个数据点），又是二阶单整时间序列，其结论令人怀疑。

　　本文拟通过实证研究住房投资、非住房投资和总产出三者之间的互动关系，试图弄清以下问题：（1）住房投资是否具有经济周期中领先指标的作用；（2）住房投资对非住房投资是否存在挤出效应，挤出程度有多大？

　　二、理论模型

　　CoulsonandKim（2000）发现住房投资对非住房投资有反向影响，即存在“挤出效应”。我国很多学者担心房地产过度投资，导致大量资金错误配置，出现类似于日本上世纪80年代末出现的金融危机。如果我国确实存在住房投资的挤出效应，有理由相信下列的循环存在：房地产价格上涨→住房投资大量增加→GDP大幅增加→通货膨胀→反通胀宏观调控（降低货币存量、利率上升）→抑制投资。其中房地产市场由于某种机制的存在，使得房地产价格存在向下调整的刚性，每次宏观调控的结果，并没有使住房投资减少，却显著地减少非住房投资，实现“挤出效应”。[6]这一循环的极端结果，将必然走向大量资产积累于房地产，金融危机将不可避免。因此，验证住房投资对非住房投资的挤出效应是否存在，是判断上述机制是否存在的关键。

　　为了实现以上研究目标，我们假设GDP、住房投资（RI）和非住房投资（NRI）存在协整关系

　　GDPt=A·（RIt）a（NRIt）？茁（1）

　　如果存在协整关系，说明三变量间存在长期均衡关系，三者关系间的误差具有“修正”作用，三变量可以用误差修正模型来估计，设三变量的向量为Xt，则有

　　Xt=C+A1Xt-1+A2Xt-2+...+？姿ECMt-1+？着t（2）

　　如果不存在协整关系，就直接估计三变量的向量自回归模型（VAR），即

　　Xt=C+A1Xt-1+A2Xt-2+...+？姿AnXt-n+？着t（3）

　　根据估计结果判断相互影响，采用swansonandgranger（1997）[7]设计的冲击响应程序，判断三变量影响的顺序和大小，主要采用脉冲响应分析，根据不同变量的冲击，检验各变量的变化。冲击的顺序依赖变量间因果关系的判断，变量间的GrangerCause检验可以使我们知道其中某些变量（independentvariable）可以有助于预测某个变量（dependentvariable）。其检验方法是采用F检验，以被解释变量前值为解释变量，检验下列方程

　　yt=■？琢iyt-i+■？茁ixt-i+ut（4）

　　中的滞后变量系数？茁1，？茁2，……？茁k是否全为0。原假设：？茁1=？茁2=……=？茁k=0，根据F统计量的大小，拒绝原假设犯“第一类错误”的概率（即p值）小于5%，即拒绝原假设，否则接受原假设。分别检验GDP、住房投资（RI）和非住房投资（NRI）之间的“因果关系”，推断一个标准误差带来的冲击顺序。

　　三、实证分析

　　我们收集了2001—2011年GDP、住房投资（RI）、非住房投资（NRI）的11年季度名义数据，以2000年12月的CPI作为基期，将以上数据调整为实际值。为了回避异方差，我们使用序列的对数值，分别以LGDP、LRI、LNRI表示。从时间序列数据看，住房投资上升或下降提前于GDP，三个序列具有明显的季度变化特征，有必要进行季度调整。我们采用滑动平均方法去除季节因素，调整后的变量以LGDPSA、LRISA、LNRISA表示。

　　（一）平稳性检验

　　若要了解LGDPSA、LRISA、LNRISA三变量之间是否存在稳定的函数关系，需要知道各变量是否是平稳序列，否则会出现“伪回归”问题。我们首先对三个时间序列作平稳性检验，检验结果见表1。三个序列都不能拒绝有单位根的假设，时间序列不平稳。对三个序列作一阶差分，再作单位根检验。三个一阶差分序列可以在99%的置信度下拒绝单位根假设，所以，可以说这三个序列都是“一阶单整I（1）”时间序列。

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。