摘要：房地产的稳定发展关乎国计民生。近几年，房地产价格连创新高。在这种情况下研究房价的影响因素，具有重要的理论和现实意义。文章立足于宏观经济层面，研究房价波动所受到的宏观因素影响，以2006年1月至2012年12月的时间序列数据，建立向量自回归模型（VAR），并通过Granger因果检验和脉冲响应函数分析技术、方差分解分析等，研究消费者价格指数（CPI）、投资指数（INV）、货币供应量（M1）以及其房价自身对房屋价格指数（PR）的影响，并分析宏观经济影响的时期长度和方向、力度，并根据实证结果提出相应的政策建议。
关键词：房价波动 宏观经济 因果检验 脉冲响应 方差分解
中图分类号：F293.30 文献标识码：A
改革开放以来，房地产业发展呈现良好的态势，房地产业的从业人数、投资额不断增加，社会关注度一度提升，房地产已经逐渐成为国民经济的支柱产业。但是在飞速发展的同时也出现一些较为严重的问题。房价波动较大、市场供需不均衡以及地区发展严重失衡等现象都是表现较为突出的问题。针对逐渐凸显的问题，国家开始加强对房地产业的宏观调控，包括采用金融调控手段和政策法规的手段促进房价合理回归，保证房地产业的可持续发展。
1.文献回顾
房地产业作为一个发展成熟的“第二金融”行业，带动了各界学者的研究热情。梁云芳和高铁梅（2007）划分中部、东部、西部三个地区，首先定性地比较了各地的房价差异，再通过面板数据模型讨论了房价地区波动的差异以及来源。况伟大在2010年出版的《房地产与中国宏观经济》一书中通过模型实证分析了房地产投资、信贷与中国城市经济增长的互动关系以及房地产空间市场与房地产资本市场关联度。张娟锋和刘洪玉（2010）利用二阶段最小二乘法系统分析了住宅价格与土地价格城市间差异的内生决定因素和外生决定因素，得出住宅市场和土地市场是高度关联的资产市场、土地市场的微观干预效果显著等结论。周葛亮（2011）选取2009 年中国31个省市的截面数据，利用Probit模型分析房地产价格的主要影响因素，将高于全国平均房价的省市房价定义为1，低于或等于全国平均水平的省市房价定义为0，在此基础上建立模型，得到居民储蓄额与城镇人口数均与房地产销售价格呈正相关关系的结论。
2.房地产价格波动影响因素分析
房地产不是单纯的消费品，其还兼具了投资品的性质。由于房地产本身具有的双重属性，在实际中所受到的影响也是由其双重属性决定的。因此本文从房地产的消费品属性和投资品属性两个方面分别分析房地产价格波动的主要影响因素。
2.1消费品属性
房地产作为消费品，同其他消费品一样，价格的波动通常会受到国民消费水平以及市场供给变化等的影响。房地产尤其是商品房，在中国市场中的消费品属性表现并不突出，因此本文从一个较为综合的层面选择指标，认为房地产价格表现在消费品属性上的波动可以反映在消费者物价指数中。一方面，房屋作为一种商品，其价格的变动必然受到消费者价格指数的影响；另一方面，消费者物价指数可用于反映通货膨胀率，对居民的实际收入、消费能力产生影响，房地产作为一种投资品，因此会对投资意愿产生一定影响，进而影响价格。可见，消费者物价指数影响房地产的双重属性。本文以2006年1月至2012年12月的消费者物价指数数据作为宏观经济因素之一，研究其与房地产价格波动的关系，剖析房地产价格波动在消费品属性方面的影响。
2.2投资品属性
经济景气程度决定市场的投资热度和消费者对市场的信心，影响房屋的供求关系，进而影响房价的变动。经济景气指数目前主要通过两个指标来反映，一是企业家信心指数，另一个是企业景气指数；企业家信心指数是根据企业家对企业经营情况及宏观经济状况的判断和预期来编制的，由此反映企业的生产经营状况以及经济运行状况，度量当期宏观经济的景气程度，并用于预测未来经济的发展变化趋势。本文选取经济景气指数体系中的预警指数作为景气衡量指标。
2.3货币供应量
货币供应量是一国在某一时期内为社会经济运转服务的货币存量，是基础货币与信贷扩张能力的表现，影响房地产业信贷能力，因此与房地产价格也有紧密的关系。本文选择最具流动性的狭义货币供应量（M1）作为指标度量宏观经济中的货币存量。
2.4投资
房地产作为新兴的行业，社会的投资额度大小会影响其发展，而投资力度通过影响房地产业市场供求关系，对房屋价格产生影响。投资不仅影响房地产的建设能力，也会影响消费市场的投资能力。本文以2006年1月至2012年12月城镇固定资产投资指数作为衡量投资的指标。
3.实证分析
基于以上的房价理论分析以及模型假定和理论介绍，本文选取数据进行实证分析。
3.1 单位根检验
VAR模型是建立在变量平稳或具有协整关系基础上，否则会出现伪回归的现象。因此，首先对指标数据进行单位根检验，检验序列的平稳性。
狭义货币供应量序列具有递增趋势，从2006年至2011年有逐步上升的效应，为非平稳序列。另外，由于本文采用的數据皆为月度数据，因此可能存在季节效应。对CPI序列数据进行相关系数检验。
对本文中所选的所有变量进行单位根检验，得出平稳性结论如表1所示。
由平稳性检验结论可知，各项指标原数据均为非平稳序列，因此需要对数据进一步处理。
首先对存在季节效应的数据进行季节调整，并建立新数列，本文采用Eviews软件对数据序列进行季节调整。经检验，CPI数据序列存在较强的季节效应，对这两个指标采用census X12进行季节调整。经过季节调整后的CPI序列更加平稳，季节效应得到了减弱；因此需要对其他指标数据进行适当处理，并进行平稳性检验，检验序列的单整情况。