中国主要城市房地产泡沫的时空变化：1999年至2012年外文翻译资料

 2022-07-28 14:30:09

英语原文共 31 页，剩余内容已隐藏，支付完成后下载完整资料

中国主要城市房地产泡沫的时空变化：1999年至2012年

摘要

现有文献的特点是在中国测量住房泡沫有一定的缺陷。通过将Black等人（2006）的分析框架扩展到空间面板VAR结构，本文测量1999年第二季度到2012年第三季度中国35个主要城市的房屋泡沫，这些城市的房地产泡沫的时空变化。结果表明，1）大多数城市的房屋泡沫变化高度符合该国主要房地产政策的变化，以及2)东部发达城市的房屋泡沫，如北京，上海，深圳，杭州和宁波，近年来相对较大，尽管35个主要城市的平均房价泡沫不是很严重。通过内核密度函数和空间自相关分析的局部指标，本文发现住房泡沫集中在几个东部发达城市。基于实证分析，本文提出了抑制房地产泡沫膨胀和扩散的政策建议。

1、介绍

中国在过去三十年中经历了从典型的计划经济向市场经济的转变，这项改革的主要部分是市场化的住房改革，逐步取消了以福利为导向的公共住房配置，对中国经济和社会产生了重要影响。随着房地产市场的发展，购买商品房已成为中国居民购房的主要途径。根据中国国家统计局（2005），中国市场导向的住房改革也促进了GDP增长超过11.6％的显著增长。然而，自改革开始以来，房价的快速上升一直是中国社会的焦点，特别是在几个东方发达城市。中国主要城市的房价是否存在泡沫？这些泡沫有多大？学者们对这些问题提出了各种各样的见解。

根据Brunnermeier（2008）所说的“泡沫是指资产价格超过资产的基本价值，因为当前所有者认为他们可以以更高的价格转售资产。”因此，泡沫指的是市场住房价格与其基本面的偏差价值。然而，关于中国房地产泡沫的大量文献已经扩大了泡沫的范围，泡沫的范围归因于房价飙升，房地产投资的快速增长和房屋空置，而不测量基本价值。例如，一些研究认为住房价格收入比率，住房价格租金比率和房屋空置率是中国房地产泡沫的指标（Feng等人，2002; Yi，2005; Lu，2010）。其他人建立了包含房地产市场的多个变量的预警指标，以确定是否存在气泡（Yang等人，2005; Yan等人，2006）。然而，对于预警指数，确定边界值通常缺乏客观标准。

一些研究使用统计测试来避免直接测量住房泡沫（Wang，2008; Kuang，2009）。然而，这些统计测试不能判断房产泡沫有多大。无论泡沫大小如何，这些研究的结论只考虑这些泡沫是否存在。此外，泡沫试验的目的只是监测泡沫从膨胀到爆裂的过程，而不是泡沫的状态（Zhang，2007）。几乎所有的统计试验方法都是假定住房泡沫是合理的泡沫，从而排除了不合理的。

最近的一些研究试图研究中国住房泡沫的规模（Hu等人，2006; Hong等人，2007）。然而，这些泡沫测量方法基于平衡模型，其中基本价值不是通过贴现现金流计算的，而是作为住房泡沫定义的标准。此外，这些方法仅包含非理性泡沫，这些泡沫被设置为仅与基于适应性预期的过去住房价格相关，均衡模型的基本经济变量的选择也缺乏客观标准。因此，这些研究的结果可能有偏差。

住房价格对人们的生活具有重要意义。膨胀的房屋泡沫不仅增加了居民购买房屋的负担，加剧了财富的两极分化，而且还造成了金融危机的潜在风险。因此，估计泡沫尺寸对于政府监督住房泡沫是至关重要的。此外，中国35个主要城市的房价水平和住房价格增长率近年来有很大差异，城市之间的住房泡沫规模很可能不同。然而，现有文献很少讨论住房泡沫的地理分布。本文将Black等人（2006）的时变现值法扩展为一个空间面板VAR结构，用于衡量中国35个主要城市的房地产泡沫规模。在中国房价飙升以及政府对房地产市场的宏观调控日益加强的背景下，这项工作具有重要的学术和决策价值。

2、文献回顾

资产泡沫是资产价格与其基本价值的偏差的数学期望。在测量泡沫时，应估计资产的基本价值。然而，准确估计与未来现金流量现值相关的基本价值和折现率很困难，目前有三种主流方法可用于估算房屋泡沫。

2.1泡沫代理和预警指数

泡沫代理和预测指数通过几个与住房泡沫高度相关的指标间接测量住房泡沫。这些指标包括住房价格租金比率，住房价格收入比率，空置率和房地产投资利润率。泡沫代理通常选择单一指标，而预警指数是基于几个指标建立指数系统。Case和Shiller（2003）利用住房价格收入比，抵押贷款利率，购房特征和失业率讨论了1985年至2002年美国房地产泡沫的变化程度，其中Feng等人（2002）选择三个层次（生产，贸易和消费）指标，以确定中国的住房泡沫程度。Yi（2005）利用购房者的抵押贷款承受能力，房地产投资利润率和住房抵押贷款的增长率作为指标。Lu（2010）认为，衡量中国房地产泡沫的最合适的指标是住房价格收入比。根据中国平均消费倾向，抵押贷款利率以及贷款期限和首付比例，Lu（2010）得出的结论是，中国合适的住房价格与收入比率为4.28 -6.78。另外，Lu发现近年来房价收入已经超过适当范围，从而表明中国存在泡沫。Lu等人（2003）和Yan等人（2006）通过使用预警指数来衡量中国房地产泡沫的程度，预测指数综合了几个指标，并得出中国存在住房泡沫的结论。

泡沫代理和预警指数以直接，简单和视觉方式衡量住房泡沫。然而，限制是显而易见的。首先，通过泡沫代理和预测指数选择的指标只衡量居民住房的可承受性，住房抵押贷款的增长率，以及房地产投资回报率，这三个指标都不符合房地产泡沫的定义。第二，经济发展，房地产机构和不同国家或城市的居民生活习惯存在显着差异，因此某些指标在不同国家或城市之间存在不可比性。第三，中国的统计制度限制了选择指标的实现。例如，住房价格收入比是指房价中位数除以家庭收入中位数。然而，中国的统计系统不支持房价中位数和家庭收入中位数的计算。因此，大多数研究，如Lu（2010）计算住房价格收入比率时只是使用平均价格而不是中间价格，这与定义不一致。最后，预测指数的理论基础是市场波动，市场波动将市场周期分为四个阶段，即复苏，繁荣，衰退和抑郁。使用预警指标来确定房屋泡沫的程度也与房屋泡沫的定义不一致。

2.2泡沫统计测试

泡沫统计测试不直接测量住房泡沫的大小，而是通过统计方法确定是否存在泡沫。统计原则表明，资产市场中没有泡沫允许按照某些统计分布的价格或收益的时间序列。泡沫统计测试包括Shiller（1979）的方差界限测试，West（1987）的 规格测试，Diba和Grossman（1988）的单位根测试，Campbell和Shiller（1988）的协整测试，McQueen和Thorley（1994）的持续时间依赖性测试，以及van Norden（1996）的状态切换测试，上述研究使用这些测试检测了许多国家或城市的住房泡沫的存在（Roche，1999; Chan等，2001; Roche，2001; Hott和Monnin，2008; Mikhed和Zemcik，2009）。一些研究也检测到了中国的房屋泡沫。例如，Han（2005）使用规范测试来检测北京，上海和深圳从1999年1季度到2003年4季度，在北京和上海的住宅市场发现泡沫。Wang和Wang（2007）使用持续时间依赖测试，发现北京和上海房地产市场的泡沫，但是后者的泡沫比前者更明显。Wang（2008）利用状态空间模型和正交试验检测了北京，上海和广州的住房泡沫，并得出结论：在北京和上海，泡沫是明显的，但在广州却没有。

然而，泡沫统计测试主要集中在有理泡沫，并且不能容易地测试非理性泡沫。在方法论上，泡沫统计测试基于从泡沫膨胀到爆裂的过程中的统计特征，因此检查泡沫过程而不是泡沫状态（Zhang，2007）。此外，泡沫统计检验不能区分泡沫大小，如果泡沫在统计上显著，从而限制了泡沫统计检验在房地产市场的应用。

2.3基本价值推导

对于基本价值导出方法，住房的基本价值是通过数学模型推导出来的，以便实现住房泡沫。Levin和Wright（1997a，1997b）使用住房价格和经济基本变量的回归方程来推导基本价值。Hu等人（2006）使用Levin和Wright（1997a，1997b）的方法估计住房，但在中国，并得出结论，非基本部分（住房泡沫）对房价上涨的贡献相对较小然而，房价泡沫成分在Levin和Wright（1997a，1997b）的方法中被设定为外生变量，这是过去房价上涨的一个函数。这种设置显然缺乏理论基础.Abraham和Hendershott（1996）还使用了房价和经济基本变量的回归方程计算住房泡沫。与Levin和Wright（1997a，1997b）相反，Abraham和Hendershott（1996）将住房泡沫的组成部分设置为通过迭代回归方法解决的内生变量然而，他们的方法是基于自适应预期，这是一种不合理的期望。当推导基本价值时，考虑到期望的过去住房价格上涨被引入到方程，因此一个潜在的偏差结果。此外，基本价值来自房价和经济基本变量的回归方程是一个均衡住房价格，这与泡沫的标准定义不一致。这种方法也不能克服在选择平衡方程的基本变量时的主观性。

基于泡沫的标准定义，Black等人（2006年）建立了一种测量住房泡沫的方法，通过在时间贴现率下贴现未来可支配收入来实现基本住房价值。通过这种方法测量的泡沫实际上包含理性和 使用这种方法，Black等人（2006年）和Fraser等人（2008年）测量了英国的住房泡沫和新西兰的住房泡沫。

由于难以衡量房地产泡沫，以前的文献没有讨论房地产泡沫的空间分布特性。

4、衡量中国35个主要城市的房屋泡沫

中国国家统计局公布的中国房价指数体系是一个以年为基础的价格指数体系。在这个指数体系中，不同城市的房价不可比。对于可比房价，一些实证研究采用平均住房价格，由本地住宅销售总额除以住房销售面积计算（Liang和Gao，2006,2007）。Black等人（2006）指出，平均房价有偏差，因为住房的质量变化不排除。论文使用了1999年第1季度至2012年第3季度中国35个主要城市的加权平均房价。加权平均房价排除了住房质量变化的影响，在不同城市之间具有可比性。不同类别的房价是根据国家发展和改革委员会价格监督司汇总的35个主要城市的原始监测数据计算得出。房屋重量基于每个类别在房屋销售总额中的房屋销售额。主要35个城市的人均可支配收入和年度CPI（包括2009年7月至2010年6月的连锁CPI）的月度数据来自“中国月度经济指标”和“中国月度统计”。季度人均一次性通过对每月人均可支配收入进行总和计算得出。季度固定基准CPI（基准期为1998Q4）是使用1999年1月至2010年6月的年度CPI和2009年7月至2010年6月的连锁CPI得出的。

考虑到面板系列的房价和人均可支配收入的季节性波动，通过人口普查X12季节性调整计划调整数据。空间面板VAR模型的所有变量都是根据其与平均值的偏差，以避免在VAR方程中存在常数。

5、中国35个主要城市住房泡沫的空间分布

中国主要城市住房泡沫的分布呈现出空间不平衡，住房泡沫的变化表明空间聚集。对于住房的不动性和投资特征，区域间资本流动和信息交换与交互 这种相互作用也表现出空间相关性。因此，本节分析了空间效应对主要城市住房泡沫差异的变化的显着影响

sigma;-收敛方法用于确定房间气泡的差异是否为消隐或加宽。标准差常常用作sigma;-收敛的指标。图2示出了sigma;-收敛指标的变化（标准偏差 35个主要城市的住房泡沫）。如图1所示，35个主要城市中的住房泡沫在采样间隔期间呈现增量发散。

图1 35个主要城市的住房泡沫的sigma;-收敛

通过比较核密度函数的形状，进一步分析35个主要城市之间住房泡沫分布的时间变化。如图3所示，2005年以前，内核密度函数的曲线是单峰的，从而表明35个城市的房屋泡沫的差距不是很大。然而，2007年以后，它变成了双峰的。左侧和右侧较小的山峰，两个山峰之间的距离逐渐扩大。这一变化表明，35个主要城市分为两个“俱乐部”，即大型房屋泡沫和小型房屋泡沫，后者的规模（左边的山峰）远远大于前者（右边的山峰）。所有这些观察意味着，具有极大的房屋泡沫的城市的数量很小，两个“俱乐部”增长，从而构成2005年以后35个主要城市的住房泡沫分歧的主要原因。

图3 35个主要城市住房泡沫的内核密度函数

对于城市之间的房屋泡沫的整体空间相关性，使用Moranrsquo;s I指数（Moran，1950）。

图4 Moranrsquo;s I住房泡沫指数在35个主要城市

如图4所示。在35个主要城市中，Moranrsquo;s I指数在样本间隔中呈现上升趋势。在2007年Q2之前，Moranrsquo;s I指数大约为负，在5％水平上相应的无意义Z统计。这些城市中的住房泡沫显示出不显着的负空间相关性。 2007年第三季度之后，Moranrsquo;s I指数变为正值，呈上升趋势，相应的Z统计量在5％水平上变得普遍显着。这一结果表明，35个主要城市的住房泡沫具有显着的正空间相关性，具有大住房泡沫的城市在地理上接近于具有大的房屋泡沫的邻居，换句话说，房屋泡沫可能在一些地区聚集。然而，Moranrsquo;s I指数仅仅是总体统计，其不能显示具体的空间本研究采用Anselin（1995）的空间自相关（LISA）分析的局部指标来检验大型房屋泡沫或小型房屋泡沫的局部空间合并的存在，并识别贡献较大的区域到全局空间自相关

Moran的散点图应主要在LISA分析中建立。 在这个散点图中，横坐标指的是每个城市的房屋泡沫，而坐标指的是每个城市的房屋泡沫的空间滞后。这样，四个象限对应于四个不同的局部空间相关性：第一象限是HH聚类，即具有大房屋泡沫的城市在地理上接近具有大房屋泡沫的邻近城市;第二象限是HL聚类，即具有大房屋泡沫的城市在地

全文共7440字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[143857]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章