中国与美国房价的比较研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国与美国房价的比较研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文应用时间序列的方法对1993―2012年西安市房价、中国广义货币量（M2）、中国国内生产总值（GDP）以及美国房价指数、美国广义货币量、美国国内生产总值年度数据的分析，发现中国房价的相关数据与美国房价的数据存在结构性明显差异。把中国房价及其相关因素图与美国房价及其相关因素图放在一起比较，发现两国这些数据的关联结构有明显区别。用线性回归、分位数回归等方法研究中国和美国的房价与M2的关系，发现中国房价与M2的关系和美国房价与M2的关系有很大区别。通过以上分析笔者指出：由于中国和美国经济结构存在重大结构差异，在运用美国的理论研究中国房地产问题时，必须进行理论创新。
关键词：房价 GDP M2
中图分类号：F13/17 文献标识码：A
A Comparative Study of American House Prices
Xia Huiyi（School of Mathematics and Computer Science， Chizhou University Anhui China 247000）
Abstract：In this paper， the time series method is used to analyze the housing prices in X i’an from 1993 to 2012，China’s broad money supply （M2），China’s GDP and the US housing prices index，the US broad money supply and a separate analysis of US annual GDP data，found that there is a significant differences in the structure of the related data of China’s housing prices and the US housing prices.The Chinese housing prices and related factors together with the mapping， and The US Housing prices and related factors together to map， and found that the data structure of these two countries have significant differences.Using linear regression，quantile regression and other methods to study the relationship between China and the United States house price and M2，found that China ’s housing prices and the relationship between M2 and the US housing prices and the relationship between M2 are very different.From the above analysis，it is pointed out that there are significant economic structural differences between China and the United States，and it is necessary to carry out the theoretical innovation when applying the theory of the United States to the study of Chinese real estate.
Keywords： housing prices GDP M2
一、引言
房地产具有融资量大、产业链长、与居民消费高度相关等特点。它的发展变化对众多相关产业产生较大波及效应。由于我国房地产业近二十年的高速发展，现在已经是国民经济的支柱产业，在现代经济生活中有着举足轻重的地位。针对“房地产”这个社会热点问题，有许多专家和学者提出了各式各样的观点。
徐国祥等（2010）[1]对我国房地产市场进行了周期波动谱分析及实证研究，指出房地产市场的周期性和政府的房地产政策密不可分。张戈等（2012）[2]对房地产信贷进行了研究，指出房地产信贷的乘数效应。李春风等（2013）[3]将房价、住房面积、消费习惯及借贷约束等变量引入消费者最优选择模型中，在考虑各个因素的条件下，能够检验房价波动对居民消费影响的动态面板模型。陈浪男等（2013）[4]采用广义空间动态面板数据模型对一些数据进行了分析，指出我国房地产价格互动存在空间滞后效应和时间滞后效应。唐志军等（2010）[5]对中国房地产市场波动对宏观经济波动的影响进行了研究，指出了房地产的波动对宏观经济影响显著。梁云芳、张同斌等（2013）[6]构建了房地产资本税的可计算一般均衡（CCE）模型，考察了房地产税政策对房地产业及国民经济的影响。李习平等（2011）[7]对后危机时代房屋销售价格进行了研究。孙玉环（2011）[8]以大连市商品住宅市场海量交易数据为基础，从建筑特征、邻里特征和区位特征等三方面，确定了22项影响住宅价格的特征变量。谭政勋等（2013）[9]首次提出房价波动差异性的方法，并利用CCE估计法探讨了35个大中城市房价波动的空间效应。张同龙（2011）[10]用向量误差修正模型对房价和地价的关系进行研究。李景华（2012）[11]用投入产出模型研究房地产问题。李超等（2011）[12]针对房产价格指数的预测问题，建立了混沌时间序列的支持向量机的非线性预测。“房地产价格发展趋势研究”课题组（2008）[13]从房地产价格的相关理论出发，主要从房地产需求、房地产供给、房地产金融和房地产宏观调控等角度对影响因素进行了分析。张红等（2013）[14]为考察中国房地产产业投入产出要素的集聚程度，得到一些有用的结论。夏慧异（2012）[15]通过房价数据和财政收入数据的结构来研究房地产问题。陈收等（2012）[16]基于战略协同理论，从业务相关性的角度，研究主营业务与房地产业务相关性不同的企业进入房地产行业多元化战略的协同效应差异。管百海等（2012）[17]围绕房地产销售，分析当前基于佣金模式下房地产开发商和销售商的各种收益、营销投入强度和工作努力程度。翟爱梅等（2011）[18]基于房地产成交量和成交价的变动规律，分析了房地产价格波动的塑性和弹性性质。王Z怡（2013）指出作为最重要资产之一的房地产价格，对于金融稳定和社会经济有很大的影响，故需对中国货币政策和房地产价格之间的关系进行定量分析。
这些研究非常有价值，我们用现代统计的方法对房地产问题进行定量化研究，运用了中国和美国的M2、GDP、房地产价格等因素对中国和美国的房价进行了比较研究，指出中国经济结构和美国的经济结构存在差异，一些用美国经济理论不进行创新就研究中国房地产问题是不对的。本文的第二部分运用时间序列的方法对这些因素的数据结构进行单独研究，发现我国和美国房价数据结构存在差异。
第三部分把这些因素放在一起进行研究，同时用线性回归理论和分位数回归理论进行研究，指出中国房价关联结构和美国房价的关联结构有差别。第四部分结束语，指出中国房地产面临的一些问题和对策。
二、对这些因素的单独分析
从“百度文库”中找到1993―2012年的中国国内生产总值（GDP）的年度数据，把它转化成定基比指数数据，运用统计学理论对中国GDP年度指数数据进行分析。从图1的拟合图来看，中国GDP的值每年都增加，用线性结构来拟合中国GDP年度指数数据，发现拟合的效果不好，从正态Q-Q图上看，残差不是白噪音，用acf和pacf对残差进行分析，发现残差中存在一个AR（1）结构，通过分析知道中国GDP年度数据中包含一个线性结构和一个AR（1）结构。
从网上收集到1993―2010年和2012年西安市住房价格的年度数据，2011年西安市的住房价格数据缺失，用2010年和2012年的住房价格的平均值来代替2011年西安市的住房价格。由于西安市是二线城市，房地产市场没有一线城市好，但比三、四线城市好，用西安市的年度住房房价指数数据来近似代替中国年度房价指数数据，应该比较合理，为了进一步研究中国房价问题，后面用西安市住房价格年度定基比指数数据代替中国房价年度定基比指数数据。
从图2的拟合图来看，中国房价上涨趋势明显，上涨的年度多，涨幅很大，下跌的年度非常少，跌幅很小，特别是近10年，中国房价只涨不跌，用线性结构来拟合中国房价数据，发现拟合的效果不好，从正态Q-Q图上看，残差不是白噪音，用acf和pacf对残差进行分析，通过分析知道中国房价的年度数据结构中包含一个线性结构和一个AR（1）结构。
从“百度文库”和网上搜索中获得1993―2012中国广义货币量（M2）的年度数据，把它转化成定基比指数年度数据，用统计理论对这些数据进行分析。从图3的拟合图来看，关于中国的广义货币量（M2）的值每年都在增加，用线性结构来拟合中国M2，发现拟合的效果不好，从正态Q-Q图上看，残差不是白噪音，用acf和pacf对残差进行分析，发现残差中包含一个AR（1）结构，通过分析知道中国M2年度数据中包含一个线性结构和一个AR（1）结构。
从“百度文库”中获得部分美国的广义货币量的月度数据，1993―2011年美国M2的年度指数数据用的是年末数据，2012年用的是11月中旬末的数据。把指数数据转化为定基比指数年度数据，对这些指数数据进行分析，从图4的拟合图来看，美国M2每年都在增加，用线性结构来拟合美国的M2，发现拟合的效果比较好，从正态Q-Q图上看，残差不是白噪音，用acf和pacf对残差进行分析，发现残差中含有一个AR（1）结构，通过分析知道美国M2的年度数据中包含一个线性结构和一个AR（1）结构。
从“国研网”上获得美国房价的年度指数数据，把它们转化为定基比指数年度数据，用统计理论对这些数据进行分析。从图5的拟合图来看，美国房价在2006年之前每年都在增加，2006年到2011年房价都在下滑，2012年有所回升，用线性结构来拟合美国房价指数，发现拟合的效果不好，从正态Q-Q图上看，残差不是白噪音，用acf和pacf对残差进行分析，发现残差中含有一个AR（2）结构，通过分析知道美国房价指数数据中包含一个线性结构和一个AR（2）结构。
从“百度文库”获得1993―2012年的美国GDP年度数据，把它们转化为定基比指数数据，用统计理论对这些数据进行分析。从图6来看，美国GDP的值总体向上，但有波动，有下跌的年度，用线性结构来拟合美国GDP，发现拟合的效果不好，从正态Q-Q图上看，残差不是白噪音，用acf和pacf对残差进行分析，发现了一个AR（1）结构。通过分析知道美国GDP指数数据中包含一个线性结构和一个AR（1）结构。
中国房价、中国GDP和中国M2都包含一个线性结构加上一个AR（1）结构，美国GDP和美国M2包含一个线性结构加上一个AR（1）结构，但美国的房价结构包含一个线性结构加上一个AR（2）结构，说明美国房价的形成因素与中国房价的形成因素是不一样的。
三、对这些因素进行联合分析
对这6种因素进行指数化处理，综合考虑这几种因素的影响。假设y表示中国房价的指数（西安市住房价格的指数），X1表示中国GDP的指数，X2表示中国M2的指数，X3表示美国M2的指数，X4表示美国房价的指数，X5表示美国GDP的指数。
从图7来看，中国M2的指数增长最快，中国GDP的指数位居第二，和中国M2、GDP的增速比起来，中国房价的增速并不高。但考虑到我们用的房价是均价，由于中国的城市化，城市周边开发的房屋售价拉低了中国住房均价，一些城市实际房价增速远远超出。从图8来看美国的M2增速变快，特别是近几年，M2增长迅速，房价却下降，美国GDP的增速低于房价的增速。
从这两幅图来看，美国是一个发达国家，房地产市场比较成熟。中国正在进行城市化，由于房地产市场处于形成时期，在这个时期，中国资本市场需要许多货币，与一些国家的相同发展时期相比，基本一致。
如图9所示，画出了中国房价和M2的均值回归线和中位数回归线，以及0.95和0.05的分位线，发现中位数线由小于均值回归线到大于均值回归线，均值回归线和分位数回归线差距不大，这些线形成了一个带状区域。说明中国M2和中国房价关联度非常大，房价随M2的增加而增长。房地产开发等投资需要大量的资本，刺激了M2的增长，中国房地产市场时中国M2的最大蓄水池，因此一般认为房地产业是城市化的先导产业，这种说法有一定的道理。
如图10所示，画出了美国房价和M2的均值回归线和中位数回归线，以及0.95和0.05的分位线，发现中位数线由大于均值回归线到小于均值回归线，两种差距不大，与0.95和0.05分位数线形成一个三角区域。说明美国的M2与美国的房价关联度不大，出现美国M2增加，而美国的房价却呈下跌现象，这一方面说明美国经济结构与中国不一样，另一方面说明美国的货币是世界货币，一些增发的货币用于国际经济流通。
四、结语
用统计方法进行定量分析显然可以发现影响房地产业的一些关键因素，根据这些关键因素寻找对策，能达到事半功倍的效果。现今一些专家根据美国房地产市场的一些理论对中国房地产市场进行分析，得到一些不合理的结论。本文中通过中、美房价等数据结构的研究，指出在运用国外理论研究中国房地产问题时，必须考虑两者经济结构的差别，其实中国近三十年的工业化，经济发展阶段与日本20世纪七八十年代相似，与日本这个时期的数据相比，中国房价近期的快速增长有一定的合理性。
由于我国经济的高速发展和近三十年中国的城市化，房地产业得到迅猛发展，对中国的现代化建设做出了历史性贡献，现在已经是中国国民经济的支柱产业，怎样保证房地产业的健康发展，也就是保证中国经济的健康发展。日本20世纪80年代末，由房地产危机引起的经济衰退，2008年美国由于房地产业泡沫破裂引起的美国经济全面衰退，以及近期中国出现的鄂尔多斯的鬼城问题，这些现象说明必须防范房地产业泡沫带来的危害。中国政府应该一方面支持房地产业的健康发展，另一方面又要遏制房地产发展过快带来的危害，防范房地产业的风险，保证中国经济的健康发展。
参考文献：
[1] 徐国祥，王芳.我国房地产市场周期波动谱分析及实证研究[J].统计研究，2010， 27（10）：18- 24.
[2] 张戈，郭琨，王珏，等.房地产信贷在房地产开发投资中的乘数效应[J].系统工程理论与实践，2012， 32（3）：640- 646.
[3] 李春风，陈乐一，刘建江.房价波动对我国城镇居民消费的影响研究[J].统计研究，2013，30（2）：14- 22.
[4] 陈浪男，王鹤.我国房地产价格区域互动的实证研究[J].统计研究，2012， 29（7）：37- 43.
[5] 唐志军，徐会军，巴曙松.中国房地产市场波动对宏观经济波动的影响[J].统计研究，2010， 27（2）：15- 22.
[6] 梁云芳，张同斌，高玲玲.房地产资本税对房地产业及国民经济影响的实证研究[J].统计研究，2013， 30（5）：37- 46.
[7] 李习平，张华容，武淑琴.后危机时代房屋销售价格影响因子研究[J].统计与决策，2011，341（17）：33- 36.
[8] 孙玉环.基于海量交易数据的房地产特征价格模型的构建[J].统计与决策，2011，326（2）：9- 13.
[9] 谭政勋，周利.房价波动的空间效应：估计方法与我国实证[J].数理统计与管理，2013， 32（3）：401- 413.
[10] 张同龙.房价拉动地价，还是地价推高房价？[J].经济管理，2011， 490（10）：121- 126.
[11] 李景华.基于投入产出局部闭模型的中国房地产业经济增长结构分解分析[J].系统工程理论与实践，2012， 32（4）：784- 789.
[12] 李超，樊重俊. 基于支持向量机的混沌时间序列模型在房地产价格指数预测中的应用[J]. 数学的实践与认识，2011，41（19）.
[13]夏慧异. 关于房价问题的统计学研究[J].统计与决策，2012，363（15）：16- 18.
[14]张红，王悦.基于CR指标集成的中国房地产产业集中度测算与比较[J].清华大学学报（自然科学版），2013，53（5）630- 635.
[15] “房地产价格发展趋势研究”课题组.我国房地产价格发展趋势研究[J].统计研究，2008，25（5）：19- 25.
[16]陈收，增丹，杨艳，等.多元化战略协同效应[J].系统工程，2012，30（1）：8- 14.
[17]管百海，杨峰，胡本勇.房地产销售的分级分层合约[J].系统工程，2012，30（2）：85- 90.
[18]翟爱梅，邵淑分.房地产价格波动的塑性模型及其实证研究[J].统计与信息论坛，2011，26（6）：90- 95.