词： 房地产投资 经济增长 协整 误差修正模型 Granger 因果关系 西安论文 职称论文
摘 要： 本文选取西安市 1 996- 2007 年间的房地产开发完成投资额（RI）和国内生产总值（GDP ）为样本数据，运用时间序列计量经济模型从量化角度分析西安市房地产投资与经济增长之间的关系。研究结果表明：西安市房地产投资与经济增长之间存在着长期稳定的均衡关系；二者之间长期稳定的均衡关系是在短期动态过程的不断调整下得以维持的；滞后期为 1 年时，二者之间具有双向的Granger 因果关系。
引言
20 世纪 90 年代中后期，国务院发布了一系列深化我国住房制度改革的文件，提出了促进住房商品化和住房建设发展的详细政策措施，房地产业从此进入了良性发展的轨道，并逐渐成为各城市尤其是大中城市的先导产业和支柱产业。
在此背景下，西安市房地产业发展迅速，房地产开发完成投资额（RI）从 1996年的 24.66亿元上升到2007 年的387.33 亿元，这期间西安市的国内生产本论文由无忧论文网
www.51lunwen.com整理提供总值（GDP）从 406.95 亿元上升到 1763.73 亿元，那么究竟西安市房地产投资对经济的拉动作用有多大？在一定时期内，是房地产投资促进了经济增长？还是经济增长促进了房地产投资？本文运用时间序列计量经济模型从量化角度对二者的关系进行实证研究，以期为西安市政府相关部门制定房地产业与经济协调发展的政策提供理论依据。
2 实证研究2.1 数据选取及处理选取西安市国内生产总值（GDP）反映经济增长，房地产开发完成投资额（RI）反映房地产开发投资状况，以 1996- 2007 年的年度数据为原始数据，为消除数据中异方差的影响，对两个数据序列同时取自然对数（LNGDP 和 LNRI），这种变换不会改变变量间的长期均衡关系和短期调整效应（见表 1） 。
本文中的计算采用计量经济学软件EViews5.1。表1 1996- 2007年西安市GDP和RI序列 单位：亿元
**************1
2.2 平稳性检验在实际中我们遇到的时间序列大多是非平稳时间序列，若直接将其用于计量经济建模，容易产生 “伪回归” 等问题，因此有必要对时间序列数据进行平稳性检验，目前最常用的检验方法为单位根检验。一个非平稳时间序列的一阶自回归模型的特征方程含有单位根，这样对时间序列平稳性的检验即转化为对单位根的检验。如果序列 Yt 通过本论文由无忧论文网
www.51lunwen.com整理提供 d 次差分成为平稳序列，而差分d- 1 次时却不平稳，则称Yt 为d阶单整序列，记为 Yt~I （d） [1]。同阶单整是多个时间序列存在协整关系的必要条件。采用单位根检验中的 ADF 检验法对表 1 中的 LNGDP、LNRI以及它们的一阶差分△LNGDP、 △LNRI 进行平稳性检验，结果见表 2。
表 2 各变量的平稳性检验结果
************2
注：检验类型（C， T， K）中的 C、 T 分别表示是否还有常数项、 时间趋势项， K表示滞后阶数。从表 2 可看出 LNGDP、 LNRI 没有拒绝单位根假设，是不平稳的，而它们的一阶差分序列△LNGDP、 △LNRI在 5%的显著水平上拒绝原假设，是平稳的。因此序列 LNGDP、 LNRI 均为一阶单整，表示为 LNGDP~I （1） 、 LNRI~I （1），满足协整检验的前提条件。2.3 协整检验协整是指多个非平稳经济变量的某种线性组合是平稳的[2]。具有协整关系的多个非平稳序列建立的回归模型可用来描述原变量之间的均衡关系，并可以用来建立误差修正模型。 目前对协整性的检验主要有两种方法：一是 Engle&Granger(1987)提出的基于回归残差的协整两步检验法，二是 Johansen&Juselius(1990)提出的基于回归系数的完全信息协整检验。本文采用EG两步法对 LNGDP和LNRI进行协整检验。首先，用OLS法对 LNGDP和LNRI进行回归估计，得到回归方程：LNGDPt=4.517960+0.490382LNRIt+εtt=(60.67050) (29.88506)R2=0.988927从结果可看出，所有参数的 t检验值显著， R2在 0.98 以上，接近1，说明模型整体上对样本数据拟合较好。 残差序列 et 的估计值为： et=LNGDPt- 4.517960- 0.490382LNRIt其次，采用 ADF检验法对残差序列的平稳性进行检验，结
***********3
从表 3 可看出 et 的 ADF 检验值小于 1%显著水平的临界值，至少表明可以在 99%的置信水平下拒绝原假设， et 是平稳的。用 EG两步法本论文由无忧论文网
www.51lunwen.com整理提供检验的结果说明国内生产总值（GDP）和房地产开发投资（RI）之间的协整关系是正确的，所建立的协整回归方程反映了它们之间的长期均衡关系。
2.4 建立误差修正模型若变量间存在协整关系，即表明这些变量间存在着长期稳定的关系，而这种长期稳定的关系是在短期动态过程的不断调整下得以维持的[2]。误差修正模型（ECM ）反映了这种短期偏离向长期均衡修正的机制。误差修正模型的一般表示形式为：△Yt=β0+βt△Xt+λecmt- 1+εt，其中， ecm反映了变量在短期波动中偏离它们长期均衡关系的程度，称为均衡误差[3]。用OLS法进行估计得到LNGDP和LNRI的误差修正模型：△LNGDPt=0.099899+0.125305△LNRIt- 0.644907ecmt- 1+εtt=(3.216782) (1.080561) (- 2.117311)R2=0.409034从结果可看出，虽然 R2较低，但各参数的 t检验值显著，仍然能够表明其经济意义。2.5 Granger因果关系检验协整检验可得出时间序列之间是否存在长期的均衡关系，序列之间的因果关系可用 Granger 因果关系检验法。其基本思想是：如果变量 Xt 是 Yt 的原因，则 Xt 的变化应先于 Yt 的变化。