1、基于 PSTR 模型的我国房地产对通货膨胀的抵御能力研究- 1 - 基于 PSTR 模型的我国房地产对通货膨胀的抵御能力研究 段进，陈梦婷*（湖南大学金融与统计学院，长沙 410079） 5 摘要：本文运用 PSTR 面板平滑转换模型，基于 2000 年至 2013 年的我国 30 个省、市、自治区（西藏除外）的面板数据，选取房地产竣工面积、城镇人口、房地产开发企业总资金来源作为转换变量，衡量我国房地产对通货膨胀的抵御能力。实证结果表明，我国房地产的通货膨胀抵御能力存在非线性关系，抵御系数的绝对值在 1 以内，我国房地产并不能完全抵御 10 通货膨胀风险。 关键词：房地产价格；通货膨胀；抵御能
2、力；PSTR 模型 中图分类号：F822.5 Research on the Inflation-Hedging Characteristics of Real 15 Estate in China：PSTR Approach DUAN Jin, CHEN Mengting (College of Finance and Statistics, Hunan University, Changsha 410079) Abstract: In order to test the nonlinear inflation-hedging characteristics of real estate i
3、n China, the PSTR Model is employed in this paper, with Completed area, Population and Funding as 20 transition variables. This paper concluded that: the Resist function against inflation of the real estate in China is nonlinear. The absolute values of the overall coefficients is less than 1, in oth
4、er words Chinas real estate provides only a partial hedge against inflation. Key words: Housing prices; Inflation; Inflation-hedging; PSTR Model 25 0 引言 自 20 世纪九十年代我国住房商品化改革施行以来，我国房地产行业得到迅速发展，在国民经济中占据支柱产业地位，与通货膨胀问题一样影响居民生活的方方面面，成为大到国家政府、小到普通居民共同关注的焦点。房地产一般被认为是抵御通货膨胀的优质资产，但是诸多学者从不同角度对此问题进行研究，并没有得到统一的
5、结论。因此，在现行的通货膨 30 胀和房地产市场背景之下，研究我国房地产的通胀抵御能力具有一定的理论价值和现实意义。 1 文献综述 房地产一般被认为是抵御通货膨胀的优质资产，如 Fama 和 Schwart（1977）1 指出房地产优于股票能够同时抵御预期内和预期外的通胀，且他们共同提出的 Fama-Schwart 框架 35 也奠定了研究房地产通货膨胀抵御能力的理论基础。此外也有学者从行为金融学的角度进行研究,如 Piazessi 和 Schneider（2005）2研究由于市场的不完备性，20 世纪 70 年代美国的房地产和股票都不是无风险资产，并且进一步指出年轻的房屋所有者比年长的房屋所
6、有者抵御风险的能力更强，因为他们能更好地调整预期。Brunne 和 Juiliard（2008）3认为，资产所有者对市场预期不同的情况下，面临同样的通胀水平，对于投资房地产还是股票、债券等资 40 - 2 - 产组合有不同的选择。 但是也有学者认为房地产对通货膨胀的抵御能力并不稳定，例如研究对象同为香港地区房地产，研究方法同为协整检验，检验过程同样将名义通货膨胀分解为预期内和未预期通货膨胀。但是 Ganesan 等（1998）4考察的是 1984 年到 1994 年的时间段，Glascock 等（2010）5考察的是 1998 年到 2006 年的时间段，其中一个重要的制度因素则为香港回归后的
7、市场化 45 差异。两者的结果有相似之处也有差异，例如短期协整关系说明，香港回归前后的房地产都对预期内通货膨胀和未预期通货膨胀有抵御作用。差异是前者认为，在长期协整关系中香港的各类房地产都没有抵御作用，则香港房地产不是有利的抵御通货膨胀资产。而后者研究表明，虽然住宅和商用类地产回报率与通货膨胀不存在长期协整关系，但是长期内办公楼地产具有通货膨胀抵御能力。 50 有学者研究新兴市场房地产的表现情况，结果同样表明房地产的通胀抵御能力存在地区差异。如 Lin Lee C（2014 ）6认为马来西亚作为一个新兴市场，其房地产市场有自身独特性，所以其扩大以往研究的范围，检验马来西亚住宅对通货膨胀的长期和
8、短期抵御能力。研究分为两部分，一是利用 Fama-Schwert 模型检验短期通货膨胀抵御能力，二是利用 DOLS检验长期通货膨胀抵御能力。结果表明马来西亚房地产在短期内能有效地抵御通货膨胀风 55 险，但是在长期内对预期内的通货膨胀风险有效，对预期外的通货膨胀无效。也有学者对比不同国家之间的情况，如 Lee C L 和 Lee M L（2014）7研究 1990 年到 2011 年欧洲发达国家和新兴国家的房地产对通货膨胀的长期和短期的抵御能力，研究结果表明，在短期欧洲市场的房地产抵御能力几乎没有。但是在长期，欧洲国家的房地产对通货膨胀有正向的抵御作用，但是在新兴国家这一结论并不成立，这主要与
9、不同国家之间房地产市场大发展机制有关。 60 从国内最新的研究成果来看，邱励予（2011）8认为我国房地产在短期内对通货膨胀有强有力的抵御能力，尤其在高通货膨胀率的情况下尤为显著，但是长期条件下结果并不明显。邸俊鹏（2012）9通过对 1991 年至 2011 年，我国房地产收益率与通货膨胀率关系的实证分析发现，短期内房地产投资能够一定程度上弥补货币贬值的损失，但长期内市场回归理性，房价格回报率不足以抵御通货膨胀损失，并求出一个关键系数 3.16，表明当通货膨胀率波动 65 1%，房地产正向波动 3.16%时才能有效地对冲通货膨胀。此外周晓蓉，周继先（2013）10利用 ARDL 模型解决以往
10、研究中因无法满足协整关系而影响实证结果的弊端，结论表明我国的房地产对实际通货膨胀、预期内通货膨胀和预期外通货膨胀的抵御能力的有很大差异，其中滞后期的选择尤为重要，但是总体上我国的房地产不是抵御通货膨胀的有利资产。 不过，随着计量经济学的深入发展，经济学家认识到，线性协整分析方法虽然能够刻画 70 非平稳变量之间的线性关系关系。但如果现实中变量之间存在非线性关系，那么原来的估计模型就会产生问题。 我国学者也考虑到房地产问题中可能存在的非线性现象，但研究主要集中在财富效应方面，直接研究房地产抵御能力的较少。陈健，高波（2009）11以房价增长率和人均可支配收入为 Hansen 面板门限模型的门限变
11、量，考察我国 30 个省 1996 年到 2008 年的情况，发现 75 从总体上看，房地产价格上涨有抑制消费的作用，但是由于房价增长率对消费存在单门限效应，在高体制和低体制情况下的抑制或促进程度不同。段忠东（2012）12则指出：融资约束效应、实业资本空心化效应、负收入效应和储蓄效应等机制是导致房价与通货膨胀、产出之间非线性动态关系的重要原因；相对于线性模型，门限模型设定能够有效改善房价对通货膨胀和产出的预测效果。 80 毫无疑问，以往的研究具有很大的启发意义和参考价值，但也存在以下不完善的地方。一是关于房地产对通货膨胀抵御作用的研究多是从线性化的角度展开，多使用协整检验、线性格兰杰因果检验
12、等计量方法，但是现实情况中房地产价格和通货膨胀水平常受到复杂因素的影响，这种线性方法的局限性，不能科学地反映变量之间的复杂关系。二是受到数据限制/.paper.edu - 3 - 中国科技论文在线 或对实际情况考虑不周全，有的研究跨越了 1998 年前后两个阶段，但只用一个简单的线性 85 模型进行拟合，没有考虑到 1998 年前后房地产改革的重大变化，有失偏颇。故现阶段从非线性角度研究利用 2000 年后各省面板数据研究我国房地产对通货膨胀的抵御能力有一定的创新性。 2 实证分析 通货膨胀可以通过影响供给、需求和资金面等对房地产价格产生影响。本文中房地产价 90 格波动选取商品房平均销售价格
13、年增长率 REP。通货膨胀指标 INF，通过 INF=CPI/100-1折算所得。房地产供给因素为竣工面积增长率 HS。房地产需求因素城镇人口增长率 POU。资金因素选取房地产开发企业总资金来源增长率 ZJ。其中没有考虑利率的影响，一是因为全国使用统一的利率无法获得分省数据，二是有学者如梁云芳和高铁梅（2007）13指出无论是房价的长期趋势还是短期波动，实际利率的作用程度较小且波动大；资金规模才是主要 95 的影响因子。相应指标为我国 30 个省、市、自治区（西藏数据缺失较多，暂不考虑）2000-2013年间各年度的经济数据，来源为国家统计局网站或各省统计年鉴。 表 1 实证数据的统计性描述
14、REP HS POU ZJ INF Mean 0.108374 0.201684 0.037789 0.305301 0.025921 Median 0.097881 0.18274 0.034017 0.291658 0.0245 Maximum 0.566809 1.709205 0.62859 1.031926 0.101 Minimum -0.12758 -0.69523 -0.03129 -0.22554 -0.023 Std. Dev. 0.092237 0.269746 0.038236 0.180188 0.022261 以往的研究多采用面板模型，虽然有效的解决了截面数据和时间
15、序列数据的不足，但是其还不足以论证某一变量具有非线性转换以及转换渐进性的行为特征。为了解决这个问题，100 Gonzlez A，Ter?svirta Tijk D （2005）14提出 PSTR 模型（Panel Smooth Transition Regression Models，面板平滑转化模型）通过加入转换变量来构建非线性面板数据模型，该模型的优势体现了面板数据的异质性和平滑转换特性。 2.1 面板平滑转换模型 单变量面板平滑转化模型的函数形式可以表示为： 105 ? ? ititititiit cg qxxuy ? );(*10i=1,2,N；t=1,2,T 其中 );( cg qi
16、t? 是一个转换函数，值域为0,1，取值在可观测的转换变量 qit，转换发生的位置参数 c 和转换速度? 的影响下连续变化。 );( cg qit? 为逻辑函数，形式为： ? ? ?)(exp1 1);(1c iitmjcgit? ? ， ccc m21 ? ，? 0 当转换函数 g=0 时，为低体制（ Low Regime） ；当转换函数 g=1 时，为高体制（High 110 Regime） ； );( cg qit? 数值在 0 与 1 之间平滑转换，从而系数在?0和 ? 10? 之间平滑转换。面板平滑转换模型可调用 Matlab7.0 的 PSTR 程序包。 2.1.1 基本模型设定
17、根据面板平滑转换模型的定义，结合实证数据，基本模型设定如下： 模型 A： ? ititititiit cg hsbburep ? );(*inf*inf* 10 115 模型 B： ? ititititiit cg poubburep ? );(*inf*inf* 10 模型 C： ? ititititiit cg zjbburep ? );(*inf*inf* 10 /.paper.edu - 4 - 中国科技论文在线 其中，REP 为因变量，INF 为自变量，HS， POU，ZJ 为转换变量。为了说明的方便，以上为单位置参数模型，若有多个位置参数，模型设定更为复杂。 2.1.2 面板数据异
18、质性检验及模型中 m、r 值的确定 120 为了检验面板平滑转化模型的设定是否合理，首先要检验面板数据的截面异质性。原假设 H0：不含有异质性的线性模型（r=0） ，备择假设 H1：至少拥有一个位置参数的非线性的PSTR 模型（r=1） 。检验结果如下： 表 2 模型 A，B，C 的非线性检验 模型 H0：线性模型 ( r0 ) H1：PSTR 模型( r1 ) 模型 A Wald Tests (LM): W = 12.034 p=0.001 Fisher Tests (LMF): F = 11.430 p=0.001 LRT Tests (LRT): LRT = 12.224 p=0.001
19、 模型 B Wald Tests (LM): W = 3.696 p=0.055 Fisher Tests (LMF): F = 3.435 p=0.065 LRT Tests (LRT): LRT = 3.714 p=0.055 模型 C Wald Tests (LM): W = 24.953 p=0.000 Fisher Tests (LMF): F = 24.540 p=0.000 LRT Tests (LRT): LRT = 25.787 p=0.000 由表 2 模型的非线性检验可以看出：模型 A 和模型 C 的 LM，LMF，LRT 检验结果皆 125 表明在 5%显著水平以下的拒
20、绝原假设，即所分析的面板数据有较强的截面异质性。模型 C在 10%显著水平以下的拒绝原假设，初步确定可以建立至少拥有一个位置参数的线性模型。 Gonzlez 和 Ter?svirta 指出，转换函数中的 m 值由序贯检验得出，设定最大 m 值为 3。如果 H02 的原假设被最强拒绝，则 m 取值为 2，否则 m 取值为 1，序贯检验采用的 LM 统计量服从卡方分布。除此之外，还可以通过比较两个模型的 AIC 值和 BIC 值来确定 m 的取值。 130 表 3 模型 A，B，C 的序贯检验 模型 A 模型 B 模型 C LM P 值 LM P 值 LM P 值 H0 12.034 0.001
21、3.696 0.055 24.953 0.000 H03 0.040327 0.8409 1.454395 0.2286 1.690592 0.1943 H02 0.580222 0.4467 22.374896 0.0000 1.196231 0.2748 H01 11.62549 0.0007 36.51056 0.0000 11.62185 0.0007 结论 m=1 m=1 m=1 由表 3 模型的序贯检验可以看出：模型 A、B、C 皆适应 m=1 的情况。 表 4 模型 A，B，C 的无剩余异质性检验 模型 H0：r=1 的两体制模型 H1：r+1 模型 模型 A Wald Test
22、s (LM): W = 0.002 p=0.968 模型 B Wald Tests (LM): W = 0.344 p=0.557 模型 C Wald Tests (LM): W = 0.792 p=0.373 在表 2 非线性检验中已确定模型 A、B、C 的 r 值至少为 1，表 4 的无剩余异质性检验进一步检验转换函数的最优个数是否为 r=1。通过 P 值判断，接受原假设 r=1。否则继续检 135 验 r=2 的假设，直到接受原假设为止。 2.1.3 模型参数的确定 在 PSTR 程序包中，用非线性最小二乘法（NLS）估计参数，其中? 、c 数值优选采用网格搜索法，最大的迭代次数设为 1
23、0000 次。 表 5 模型 A，B，C 的最终估计结果 140 模型 A 模型 B 模型 C /.paper.edu - 5 - 中国科技论文在线 转换变量 HS POU ZJ 转换速度参数 2.9661 73.3245 12.2866 位置参数 c1 -0.0326 0.0639 0.0742 斜率系数 b0 -1.8537 -0.1123 -1.4033 T 值 -3.3328 -0.4648 -5.5823 斜率系数 b1 3.5416 1.5421 2.1829 T 值 3.8409 2.7954 6.6196 AIC -4.8071 -4.7882 -4.8492 BIC -4.7
24、664 -4.7475 -4.8085 由表 5 可以看出，以房地产供给增长率 HS、人口增长率 POU、房地产资金增长率 ZJ分别作为影响房地产供给、需求、资金来源的转换变量，我国房地产对通货膨胀的抵御能力是非线性的，在不同的转换水平下其抵御能力会有所不同。 2.2 模型的解释说明 从模型 A 的估计结果可以发现，房地产供给对通货膨胀与房地产价格增长率存在非线 145 性影响，转换参数房地产供给增长率 HS 在位置参数 c=-0.0326 附近平滑转换。具体来说，当房地产供给增长率 HS-0.0326 时为低体制，当房地产供给增长率HS-0.0326 时为高体制。如果样本足够丰富，当处于低体
25、制情况下，通货膨胀对房地产价格增长率的系数最小为-1.8537，当处于高体制情况下，通货膨胀对房地产价格增长率的系数最大为 .6879（=-1.8537+3.5416） ，在其他情况下，最终结果在高低体制之间平滑转换，如图 1 所示。从 150 模型的系数分析来看，在其它变量一定的情况下，房地产供给越旺盛，房地产对通货膨胀有显著的抵御作用（系数显著为正） 。 图 1 房地产供给对通货膨胀与房地产价格增长率非线性影响 从模型 B 的估计结果可以发现，城镇人口增长对通货膨胀与房地产价格增长率存在非 155 线性影响，转换参数城镇人口增长率 POU 在位置参数 c=0.0639 附近平滑转换。具体来
26、说，当城镇人口增长率 POU0.0639 时为低体制，当城镇人口增长率 POU0.0639 时为高体制。如果样本足够丰富，当处于低体制情况下，通货膨胀对房地产价格增长率的最小系数为-0.1123，当处于高体制情况下，通货膨胀对房地产价格增长率的最大系数为 1.4298（=-0.1123+1.5421） ，在其他情况下，最终结果在高低体制之间平滑转换，如图 2 所示。从 160 模型的系数分析来看，在其它变量一定的情况下，随着城镇人口的增多，对房地产需求越为强烈，通货膨胀的上涨，引发房地产价值上涨，房地产对通货膨胀的抵御作用增强。 /.paper.edu - 6 - 中国科技论文在线 图 2 城
27、镇人口增长对通货膨胀与房地产价格增长率非线性影响 从模型 C 的估计结果可以发现，房地产资金投入对通货膨胀与房地产价格增长率存在 165 非线性影响，房地产资金投入增长率 ZJ 在位置参数 c=0.0742 附近平滑转换。具体来说，当房地产资金投入增长率 ZJ 0.0742 时为低体制，当房地产资金投入增长率 ZJ 0.0742 时为高体制。如果样本足够丰富，当处于低体制情况下，通货膨胀对房地产价格增长率的最小系数为-1.4033，当处于高体制情况下，通货膨胀对房地产价格增长率的最大系数为 0.7796（=-1.4033+2.1829） ，在其他情况条件下，最终结果在高低体制之间平滑转换，如图
28、 3 所示。170 从模型的系数分析来看，在其它变量一定的情况下，随着资金投入的增多，房地产市场获得资金支持越繁荣，通货膨胀的上涨，引发房地产价值上涨，房地产对通货膨胀的抵御作用增强。 图 3 房地产资金投入对通货膨胀与房地产价格增长率非线性影响 175 将 30 个省、市、自治区的 2001-2013 年间 390 组数据对应各机制下的系数进行算数平均，得到房地产价格增长率对通货膨胀抵御能力综合系数。从图 4 可以看出，各省对应不同房地产供给、房地产需求和房地产资金支持状况，房地产对通货膨胀抵御综合系数不同。从数据分布来看，在 390 组数据中，抵御系数小于 0 的仅为 45 组；大于 1
29、的有两组（分别为江西 2001 年和广西 2004 年数据） ，而抵御系数位于 0 到 1（即通货膨胀正向波动 1%，房价 180 波动小于 1%）的区间中的数据占 343 组，占比高达 87.94%。 /.paper.edu - 7 - 中国科技论文在线 图 4 房地产价格增长率对通货膨胀抵御系数平均数 3 结论 房地产对通货膨胀的抵御能力不是简单的线性关系，因为房地产供给、需求和资金状况 185 都会影响房地产对通货膨胀的反应。一般而言，在房地产市场供给和需求情况充足且稳定，资金投入稳定增长，即房地产市场越繁荣，通货膨胀的上涨，引发房地产价值上涨，房地产的通胀抵御能力会有所提高，在一定的范
30、围区间中平滑转换。但从我国近 10 年的实证数据来看，我国房地产对通货膨胀的有一定的抵御能力，抵御系数的范围绝大多数在绝对值 1之间，即并没有完全覆盖通胀风险。 190 房地产行业的发展与实体经济有着密不可分的关系，对通货膨胀率高低和房地产价格增长率的关系有重大影响。有关部门对于房地产市场的调控不能仅仅依靠行政命令，更需要全面考虑当前的经济环境和其他综合因素。民众在做出投资渠道选择时更应该慎重、量力而行而非盲目跟风。参考文献 (References)195 1 Fama E.F，Schwert G.W. Asset returns and inflationJ. Journal of fina
31、ncial economics，1977，5（2）：115-146. 2 Piazzesi M，Schneider M. Inflation and the Price of Real AssetsJ. NYU and FRB Minneapolis，2005：1-54. 3 Brunner Meier M.K，Julliard C. Money illusion and housing frenziesJ. Review of Financial Studies，2008，21（1）：135-180. 4 Ganesan S，Chiang Y H. The inflation-hedging
32、 characteristics of real and financial assets in Hong KongJ. 200 Journal of Real Estate Portfolio Management，1998，4（1）：55-67. 5 John L. Glascock，丰雷，范理，包晓辉. 房地产对冲通货膨胀的特性分析：以中国香港为例J.统计与决策.2010（1）：107-109. 6 Lin Lee C. The inflation-hedging characteristics of Malaysian residential propertyJ. Internatio
33、nal Journal of Housing Markets and Analysis, 2014, 7(1): 61-75. 205 7 Lee C L, Lee M L. Do European real estate stocks hedge inflation? Evidence from developed and emerging marketsJ. International Journal of Strategic Property Management, 2014, 18(2): 178-197. 8 邱励予. 房地产对冲通货膨胀能力的分析J. 时代金融，2011（11）：1
34、82-183. 9 邸俊鹏. 投资房地产可以对冲通货膨胀风险吗-以中国内地为例J. 中国房地产（学术版） ，2012（2）：10-17. 210 10 周晓蓉，周继先. 基于 ARDL 模型的中国房地产对冲通货膨胀能力的研究J. 宏观经济研究，2013（1）：32-37. 11 陈健，高波. 非线性视角下的中国房地产财富效应的测度研究-基于 19962008 年省际面板数据的分析J. 广东金融学院学报，2009（10）：99-111. 12 段忠东. 房地产价格与通货膨胀、产出的非线性关系-基于门限模型的实证研究J. 金融研究，2012215 （08）：84-96. 13 云芳，高铁梅. 中国房地产价格波动区域差异的实证分析J.经济研究，2007（8）：133-142. 14 Gonzlez A, Ter?svirta T, Dijk D. Panel smooth transition regression modelsR. SSE/EFI Working Paper /.paper.edu - 8 - 中国科技论文在线 Series in Economics and Finance, 2005. 220
