基于VAR模型剖析北京市房地產(chǎn)價格影響因素的動態(tài)關(guān)聯(lián)與政策啟示一、引言1.1研究背景與意義1.1.1研究背景房地產(chǎn)行業(yè)在我國國民經(jīng)濟中占據(jù)著舉足輕重的地位，它不僅是推動經(jīng)濟增長的重要引擎，還與民生福祉緊密相連。北京市作為我國的首都，是全國的政治、經(jīng)濟、文化中心，其房地產(chǎn)市場更是備受矚目。從市場規(guī)模來看，北京房地產(chǎn)市場體量龐大。近年來，盡管受到政策調(diào)控等多種因素的影響，房地產(chǎn)開發(fā)投資總額依然保持在較高水平，新開工面積、竣工面積等指標也呈現(xiàn)出一定的波動。例如，在過去的[具體時間段]內(nèi)，房地產(chǎn)開發(fā)投資總額從[X]億元增長至[X]億元，新開工面積在[具體數(shù)值區(qū)間]內(nèi)波動。同時，北京房地產(chǎn)市場的交易也較為活躍，二手房市場掛牌量和成交量可觀，新房市場也不斷有新樓盤推出。在房價方面，北京房價走勢呈現(xiàn)出階段性特征。過去幾十年間，北京房價總體上呈現(xiàn)出上漲趨勢。在2003-2017年期間，北京房價經(jīng)歷了快速增長階段，部分區(qū)域房價甚至出現(xiàn)了翻倍增長。然而，近年來，隨著一系列調(diào)控政策的實施，房價漲幅得到了有效控制，部分區(qū)域房價出現(xiàn)了一定程度的回調(diào)。據(jù)相關(guān)數(shù)據(jù)顯示，2024年12月北京房價均價為44512元/㎡，與前幾年相比，房價波動趨于平穩(wěn)。北京房價的波動不僅對當?shù)鼐用竦纳町a(chǎn)生了深遠影響，也對整個國民經(jīng)濟的穩(wěn)定運行產(chǎn)生了重要作用。高房價使得居民購房壓力增大，購房支出在家庭總支出中占比過高，這可能會抑制居民在其他領域的消費，進而影響消費市場的活力。房價波動還會對金融市場產(chǎn)生影響，如果房價過度上漲形成泡沫，一旦泡沫破裂，可能會引發(fā)金融風險，對銀行等金融機構(gòu)的資產(chǎn)質(zhì)量造成威脅。因此，深入研究北京市房地產(chǎn)價格的影響因素具有重要的現(xiàn)實意義。1.1.2研究意義從理論層面來看，盡管國內(nèi)外學者已經(jīng)對房地產(chǎn)價格影響因素進行了大量研究，但由于房地產(chǎn)市場的復雜性和地區(qū)差異性，不同地區(qū)的房價影響因素可能存在差異。北京作為我國具有特殊地位的城市，其房地產(chǎn)市場具有獨特的特點。通過對北京市房地產(chǎn)價格影響因素的研究，可以豐富和完善房地產(chǎn)價格理論，為進一步深入理解房地產(chǎn)市場的運行機制提供實證依據(jù)。例如，在研究過程中，可能會發(fā)現(xiàn)一些新的影響因素或者不同因素之間的獨特作用關(guān)系，這些都將有助于拓展房地產(chǎn)價格理論的研究邊界。從實踐層面而言，本研究具有多方面的應用價值。對于政府部門來說，了解房價的影響因素是制定科學合理房地產(chǎn)政策的基礎。政府可以根據(jù)研究結(jié)果，有針對性地調(diào)整土地供應政策、稅收政策、金融政策等，以實現(xiàn)對房地產(chǎn)市場的有效調(diào)控，促進房地產(chǎn)市場的平穩(wěn)健康發(fā)展。比如，如果研究發(fā)現(xiàn)土地供應不足是導致房價上漲的重要因素，政府就可以加大土地供應力度，優(yōu)化土地供應結(jié)構(gòu)。對于房地產(chǎn)企業(yè)來說，研究結(jié)果可以為企業(yè)的投資決策、項目開發(fā)和定價策略提供參考。企業(yè)可以根據(jù)房價影響因素的變化趨勢，合理選擇投資區(qū)域和開發(fā)項目類型，制定合適的房價策略，提高企業(yè)的市場競爭力。對于購房者來說，了解房價影響因素有助于他們做出更加理性的購房決策，根據(jù)自身經(jīng)濟實力和市場情況選擇合適的購房時機和房源。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀國外學者對房地產(chǎn)價格影響因素的研究起步較早，運用了多種方法從不同角度展開分析。在早期，部分學者側(cè)重于從宏觀經(jīng)濟層面探討房價的影響因素。如Ortalo-Magn和Rady分析了英格蘭和威爾士住宅交易量與宏觀經(jīng)濟的關(guān)系，認為住宅需求的波動是市場交易量變化的關(guān)鍵因素，而住宅需求的變動又與經(jīng)濟形勢、居民收入等宏觀經(jīng)濟因素緊密相關(guān)。隨著研究的深入，計量模型逐漸被廣泛應用。Gavin等基于動態(tài)面板數(shù)據(jù)模型討論了英國9個地區(qū)的房價是否存在泡沫，結(jié)果表明不存在房價泡沫，該研究通過構(gòu)建嚴謹?shù)挠嬃磕Ｐ?，對房價泡沫這一復雜問題進行了量化分析。Davis和HaibinZhu對17個國家的房地產(chǎn)價格和銀行貸款數(shù)據(jù)關(guān)系進行實證分析，結(jié)果表明房價上漲導致銀行信貸擴張，但銀行信貸擴張不是房價上漲的原因，這一研究運用跨國數(shù)據(jù)，揭示了房價與銀行信貸之間的單向因果關(guān)系。在VAR模型應用方面，Del和Otrok運用VAR模型分析了房價和貨幣政策的關(guān)系，通過該模型能夠有效捕捉房價與貨幣政策變量之間的動態(tài)互動關(guān)系，為理解貨幣政策對房價的調(diào)控機制提供了新的視角。Elbourne運用VAR模型分析了英國房價與貨幣政策關(guān)系，進一步豐富了VAR模型在房價研究領域的應用案例，不同國家的研究結(jié)果也有助于對比分析不同經(jīng)濟環(huán)境下房價與貨幣政策關(guān)系的異同。1.2.2國內(nèi)研究現(xiàn)狀國內(nèi)學者針對房地產(chǎn)價格影響因素也進行了大量研究，并且隨著研究方法的不斷創(chuàng)新，對房價問題的探討日益深入。在模型應用方面，梁云芳、高鐵梅運用基于誤差修正模型形式的paneldata模型討論了房價區(qū)域波動的差異并分析其原因，從區(qū)域?qū)用娣治龇績r波動，考慮到了不同地區(qū)的異質(zhì)性，為區(qū)域房地產(chǎn)政策的制定提供了理論依據(jù)。VAR模型在國內(nèi)房地產(chǎn)價格研究中也得到了廣泛應用。吳學品等采用1987-2009海南省年度數(shù)據(jù)，通過VAR模型驗證了經(jīng)濟產(chǎn)出、通貨膨脹率、旅游業(yè)發(fā)展和城鎮(zhèn)居民人均可支配收入對海南房地產(chǎn)價格波動有明顯的沖擊效應，這一研究結(jié)合地區(qū)特色因素，拓展了VAR模型在區(qū)域房價研究中的應用。羅孝玲等運用向量自回歸模型影響房地產(chǎn)價格的宏觀因素進行分析，發(fā)現(xiàn)房地產(chǎn)價格受往期價格及貨幣供應量影響較大，明確了房地產(chǎn)價格自身的慣性以及貨幣供應量這一關(guān)鍵宏觀因素對房價的重要影響。陳德強等通過構(gòu)建VAR模型，對三線城市商品房價格進行動態(tài)計量分析，結(jié)果顯示對于三線城市而言，與商品房價格存在長期均衡穩(wěn)定關(guān)系的因素主要有GDP、商品房竣工面積以及商品房銷售面積，針對不同城市層級的研究，有助于細化對房價影響因素的認識，為不同城市制定差異化的房地產(chǎn)政策提供參考。針對北京市房地產(chǎn)市場，已有研究從多個角度分析了房價的影響因素。部分研究關(guān)注政策因素，認為北京市的房地產(chǎn)市場發(fā)展受到政府政策的嚴格控制和監(jiān)管，限購限貸、土地供應等政策對房價有著重要影響。也有研究強調(diào)經(jīng)濟因素，如經(jīng)濟增長率、人口流動、居民收入水平等對北京市房價的作用。然而，目前的研究仍存在一定的空白和不足。一方面，現(xiàn)有研究在運用VAR模型全面系統(tǒng)地分析北京市房地產(chǎn)價格影響因素時，對一些新興因素如城市更新、產(chǎn)業(yè)升級與房價關(guān)系的研究相對較少。另一方面，在多因素綜合分析中，對于各因素之間復雜的交互作用機制探討不夠深入，尚未形成一個完整且精準的理論框架來解釋北京市房地產(chǎn)價格的形成與波動。1.3研究內(nèi)容與方法1.3.1研究內(nèi)容本文基于VAR模型對北京市房地產(chǎn)價格影響因素展開研究，全文結(jié)構(gòu)安排如下：第一章為引言，闡述了研究背景與意義，梳理了國內(nèi)外研究現(xiàn)狀，明確北京市房地產(chǎn)市場研究的重要性以及現(xiàn)有研究的不足。通過對北京市房地產(chǎn)市場規(guī)模、房價走勢等現(xiàn)狀的描述，如近年來北京房地產(chǎn)開發(fā)投資總額、新開工面積、竣工面積的變化，以及房價在不同階段的漲跌情況，引出研究主題。同時，分析現(xiàn)有研究在運用VAR模型分析北京市房價影響因素時存在的對新興因素研究不足、各因素交互作用機制探討不深入等問題，為本研究提供方向。第二章介紹房地產(chǎn)價格相關(guān)理論及VAR模型原理，包括房地產(chǎn)價格構(gòu)成理論、供求理論、地租理論等，闡述這些理論對理解房價形成和波動的作用。詳細說明VAR模型的基本原理、構(gòu)建步驟、脈沖響應函數(shù)和方差分解等內(nèi)容，為后續(xù)實證分析奠定理論基礎，解釋VAR模型如何用于分析多變量之間的動態(tài)關(guān)系，以及脈沖響應函數(shù)和方差分解在研究變量沖擊響應和貢獻度方面的作用。第三章進行實證分析，收集北京市房地產(chǎn)價格及相關(guān)影響因素的數(shù)據(jù)，包括房價、GDP、居民可支配收入、貨幣供應量、土地供應量、利率等。對數(shù)據(jù)進行預處理，運用單位根檢驗判斷數(shù)據(jù)平穩(wěn)性，通過格蘭杰因果檢驗確定變量間因果關(guān)系，在此基礎上構(gòu)建VAR模型。利用脈沖響應函數(shù)分析各因素對房價的動態(tài)影響，如GDP增長、貨幣供應量變化、土地供應量調(diào)整等因素在不同時期對房價的沖擊方向和程度。通過方差分解確定各因素對房價波動的貢獻度，明確哪些因素在房價波動中起主要作用。第四章根據(jù)實證結(jié)果進行分析討論，總結(jié)各因素對北京市房地產(chǎn)價格的影響規(guī)律，如GDP與房價呈正相關(guān)，經(jīng)濟增長帶動房價上漲；貨幣供應量增加短期內(nèi)會使房價上升等。結(jié)合北京市房地產(chǎn)市場實際情況，如政策調(diào)控背景、城市發(fā)展規(guī)劃等，分析實證結(jié)果的合理性和現(xiàn)實意義，探討如何根據(jù)研究結(jié)果優(yōu)化房地產(chǎn)市場調(diào)控政策，促進市場平穩(wěn)健康發(fā)展。第五章為結(jié)論與展望，總結(jié)研究的主要成果，概括各影響因素對北京市房地產(chǎn)價格的影響程度和作用機制。提出研究的局限性，如數(shù)據(jù)樣本的局限性、模型假設的理想化等。對未來研究方向進行展望，如進一步拓展研究變量、改進模型、加強對新興因素的研究等，為后續(xù)研究提供參考。1.3.2研究方法本研究采用多種方法相結(jié)合的方式，確保研究的科學性和可靠性。數(shù)據(jù)收集方面，通過多種渠道獲取北京市房地產(chǎn)價格及相關(guān)影響因素的數(shù)據(jù)。從北京市統(tǒng)計局、國家統(tǒng)計局等官方網(wǎng)站收集宏觀經(jīng)濟數(shù)據(jù)，如GDP、居民可支配收入、人口數(shù)據(jù)等；從房地產(chǎn)交易平臺、房產(chǎn)中介機構(gòu)獲取房地產(chǎn)市場交易數(shù)據(jù)，包括房價、成交量、房屋供給量等；從金融機構(gòu)獲取貨幣供應量、利率等金融數(shù)據(jù)。對收集到的數(shù)據(jù)進行整理和篩選，確保數(shù)據(jù)的準確性和完整性。單位根檢驗用于檢驗時間序列數(shù)據(jù)的平穩(wěn)性。由于非平穩(wěn)時間序列可能會導致偽回歸等問題，因此在構(gòu)建VAR模型之前，運用ADF（AugmentedDickey-Fuller）檢驗等方法對各變量數(shù)據(jù)進行單位根檢驗。若數(shù)據(jù)非平穩(wěn)，則通過差分等方法使其平穩(wěn)化，為后續(xù)分析提供可靠的數(shù)據(jù)基礎。例如，對房價、GDP等時間序列數(shù)據(jù)進行ADF檢驗，判斷其是否存在單位根，若存在則進行一階差分或二階差分處理，直至數(shù)據(jù)平穩(wěn)。格蘭杰因果檢驗用于確定變量之間的因果關(guān)系。在房地產(chǎn)價格影響因素研究中，通過格蘭杰因果檢驗判斷GDP、居民可支配收入、貨幣供應量等因素與房價之間是否存在因果關(guān)系，以及因果關(guān)系的方向。例如，檢驗貨幣供應量的變化是否是房價變動的格蘭杰原因，確定貨幣供應量對房價的影響是否具有統(tǒng)計學意義上的因果關(guān)系，為構(gòu)建VAR模型提供依據(jù)。VAR模型構(gòu)建是本研究的核心方法。根據(jù)經(jīng)濟理論和格蘭杰因果檢驗結(jié)果，確定VAR模型的變量和滯后階數(shù)。運用Eviews、Stata等計量軟件進行模型估計，得到模型的參數(shù)估計值。通過脈沖響應函數(shù)分析，觀察各變量一個標準差的沖擊對房地產(chǎn)價格的動態(tài)影響路徑和持續(xù)時間。例如，分析當貨幣供應量增加一個標準差時，房價在未來幾個時期的響應情況，判斷房價的波動方向和幅度變化。通過方差分解，確定各影響因素對房地產(chǎn)價格波動的貢獻度，明確不同因素在房價波動中的相對重要性。二、VAR模型理論基礎2.1VAR模型的基本原理2.1.1VAR模型的定義與形式VAR模型（VectorAutoregressionModel）即向量自回歸模型，是一種常用的計量經(jīng)濟模型，由克里斯托弗?西姆斯（ChristopherSims）在1980年提出。該模型將系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。其數(shù)學定義為：對于一個包含k個內(nèi)生變量y_{1t},y_{2t},\cdots,y_{kt}的時間序列系統(tǒng)，VAR(p)模型的一般表達式為：\begin{bmatrix}y_{1t}\\y_{2t}\\\vdots\\y_{kt}\end{bmatrix}=\begin{bmatrix}\phi_{10}\\\phi_{20}\\\vdots\\\phi_{k0}\end{bmatrix}+\begin{bmatrix}\phi_{11}(1)&\cdots&\phi_{1k}(1)\\\vdots&\ddots&\vdots\\\phi_{k1}(1)&\cdots&\phi_{kk}(1)\end{bmatrix}\begin{bmatrix}y_{1,t-1}\\y_{2,t-1}\\\vdots\\y_{k,t-1}\end{bmatrix}+\cdots+\begin{bmatrix}\phi_{11}(p)&\cdots&\phi_{1k}(p)\\\vdots&\ddots&\vdots\\\phi_{k1}(p)&\cdots&\phi_{kk}(p)\end{bmatrix}\begin{bmatrix}y_{1,t-p}\\y_{2,t-p}\\\vdots\\y_{k,t-p}\end{bmatrix}+\begin{bmatrix}\epsilon_{1t}\\\epsilon_{2t}\\\vdots\\\epsilon_{kt}\end{bmatrix}也可簡潔表示為：Y_t=\Phi_0+\Phi_1Y_{t-1}+\cdots+\Phi_pY_{t-p}+\epsilon_t其中，Y_t是k維內(nèi)生變量列向量，Y_{t-i}（i=1,2,\cdots,p）為滯后i期的內(nèi)生變量列向量，p是滯后階數(shù)，\Phi_i（i=0,1,\cdots,p）是k\timesk維的待估系數(shù)矩陣，\epsilon_t是k維白噪聲向量，其均值為零向量，協(xié)方差矩陣為\Sigma，即\epsilon_t\simN(0,\Sigma)。這些白噪聲相互之間可以同期相關(guān)，但不與自己的滯后項相關(guān)，也不與上式中右邊的變量相關(guān)。\Phi_0是常數(shù)項向量。在實際應用中，若存在外生變量X_t（d維外生變量列向量），模型可擴展為Y_t=\Phi_0+\Phi_1Y_{t-1}+\cdots+\Phi_pY_{t-p}+BX_t+\epsilon_t，其中B是k\timesd維的待估矩陣。例如，在研究房地產(chǎn)價格影響因素時，Y_t可包含房地產(chǎn)價格、居民可支配收入、貨幣供應量等內(nèi)生變量，X_t可包含政策變量等外生變量。2.1.2VAR模型的特點與優(yōu)勢VAR模型在分析多變量動態(tài)關(guān)系、預測和脈沖響應分析等方面具有顯著特點和優(yōu)勢。在多變量動態(tài)關(guān)系分析方面，VAR模型的一大突出特點是無需事先對變量進行內(nèi)生性和外生性的劃分，也不需要基于嚴格的經(jīng)濟理論來確定變量之間的因果關(guān)系。它將所有感興趣的變量都視為內(nèi)生變量，直接從數(shù)據(jù)出發(fā)，通過變量的滯后值來反映變量之間復雜的相互作用關(guān)系。例如，在研究北京市房地產(chǎn)價格的影響因素時，房價、GDP、居民可支配收入、貨幣供應量等變量之間存在著相互影響。傳統(tǒng)的計量模型可能需要事先假定某個變量是因，某個變量是果，但VAR模型則可以同時考慮這些變量之間的雙向或多向影響。它能夠捕捉到房價上漲可能帶動居民財富增加，進而刺激消費，促進GDP增長；而GDP的增長又可能提高居民收入，增加購房需求，推動房價進一步上漲等復雜的動態(tài)關(guān)系，為研究提供了更加全面和客觀的視角。從預測角度來看，VAR模型利用歷史數(shù)據(jù)中變量之間的動態(tài)關(guān)系進行建模，能夠有效整合多個變量的信息，從而提高預測的準確性。與單變量時間序列預測模型相比，它不僅僅依賴于單個變量自身的歷史數(shù)據(jù)，還充分考慮了其他相關(guān)變量的變化對預測目標的影響。以北京市房地產(chǎn)價格預測為例，VAR模型可以綜合考慮GDP、居民可支配收入、貨幣供應量、土地供應量等多個因素的歷史變化及其與房價之間的關(guān)系，對未來房價走勢做出更合理的預測。在實際應用中，許多研究表明，VAR模型在預測經(jīng)濟變量和金融變量的波動方面具有較好的表現(xiàn)，能夠為政策制定者、投資者和企業(yè)提供有價值的決策參考。在脈沖響應分析和方差分解方面，VAR模型具有獨特的優(yōu)勢。脈沖響應函數(shù)（IRF）用于描述系統(tǒng)中一個內(nèi)生變量受到單位沖擊（即一個標準差的新息）后，對其他內(nèi)生變量在不同時期的動態(tài)影響。通過脈沖響應分析，可以直觀地了解到每個因素對房地產(chǎn)價格的沖擊方向和持續(xù)時間。例如，當貨幣供應量突然增加一個標準差時，房價在短期內(nèi)可能會迅速上漲，然后隨著時間的推移，這種影響可能會逐漸減弱。方差分解則可以將預測誤差分解為各個變量沖擊所貢獻的部分，從而確定每個變量對預測誤差的相對重要性。在研究北京市房地產(chǎn)價格波動時，通過方差分解可以明確GDP、居民可支配收入、貨幣供應量等因素中，哪些因素對房價波動的貢獻更大，這對于深入理解房價波動的原因和制定針對性的調(diào)控政策具有重要意義。2.2VAR模型的構(gòu)建步驟2.2.1變量選擇依據(jù)經(jīng)濟理論和已有研究成果，本研究確定了多個對北京市房地產(chǎn)價格具有重要影響的變量。房地產(chǎn)價格（HP）作為被解釋變量，選取北京市新建商品住宅成交均價來衡量，該數(shù)據(jù)能夠直觀反映北京市房地產(chǎn)市場價格水平的變動情況，是研究房地產(chǎn)價格影響因素的核心指標。土地價格（LP）是影響房地產(chǎn)價格的關(guān)鍵成本因素。土地是房地產(chǎn)開發(fā)的基礎，土地價格的高低直接影響開發(fā)商的成本，進而影響房價。本研究采用北京市土地成交樓面均價來代表土地價格，樓面均價綜合考慮了土地成交總價和規(guī)劃建筑面積，能更準確地反映單位建筑面積的土地成本。貨幣供應量（M2）在房地產(chǎn)市場中扮演著重要角色。貨幣供應量的變化會影響市場上的資金充裕程度，進而影響購房者的購買力和開發(fā)商的融資成本。當貨幣供應量增加時，市場上資金充足，購房者更容易獲得貸款，購房需求可能增加，同時開發(fā)商融資成本降低，可能加大開發(fā)力度，這一系列變化都可能對房價產(chǎn)生影響。本研究選用廣義貨幣供應量M2作為變量，M2涵蓋了流通中的現(xiàn)金、企事業(yè)單位活期存款、居民儲蓄存款等各類貨幣，能夠全面反映市場貨幣總量。居民可支配收入（DI）是衡量居民購房支付能力的重要指標。居民可支配收入的增長意味著居民有更多的資金用于購房，會直接增加購房需求，推動房價上漲。本研究采用北京市城鎮(zhèn)居民人均可支配收入來衡量居民的收入水平，該數(shù)據(jù)能夠準確反映北京市居民的實際收入狀況。國內(nèi)生產(chǎn)總值（GDP）反映了一個地區(qū)的經(jīng)濟總體規(guī)模和發(fā)展水平。經(jīng)濟增長通常會帶動就業(yè)機會增加，居民收入提高，進而刺激購房需求。同時，經(jīng)濟發(fā)展也會吸引更多的人口流入，進一步增加住房需求，推動房價上升。本研究選用北京市GDP作為經(jīng)濟發(fā)展水平的代表變量。利率（R）是金融市場的重要變量，對房地產(chǎn)市場有著顯著影響。利率的變化會直接影響購房者的貸款成本。當利率降低時，貸款購房的成本下降，購房者的還款壓力減小，購房需求可能會增加，從而推動房價上漲；反之，利率上升會增加購房成本，抑制購房需求，對房價產(chǎn)生下行壓力。本研究選取中國人民銀行公布的一年期貸款基準利率作為利率變量，該利率是市場利率的重要參考，對房地產(chǎn)市場的借貸成本有著直接影響。房屋竣工面積（CA）代表了房地產(chǎn)市場的供給情況?？⒐っ娣e的增加意味著市場上可供銷售的房屋數(shù)量增多，在需求不變的情況下，會導致市場競爭加劇，房價可能受到抑制。本研究采用北京市房屋竣工面積作為供給變量，以分析其對房價的影響。人口數(shù)量（POP）是影響房地產(chǎn)市場需求的重要因素。北京作為我國的首都，吸引了大量人口流入，人口的增加會直接導致住房需求的上升。本研究選用北京市常住人口數(shù)量來衡量人口因素對房價的影響，常住人口數(shù)據(jù)能夠準確反映北京市實際居住人口的規(guī)模。2.2.2數(shù)據(jù)收集與處理本研究的數(shù)據(jù)主要來源于多個權(quán)威渠道，以確保數(shù)據(jù)的準確性和可靠性。北京市房地產(chǎn)價格、土地價格、房屋竣工面積等數(shù)據(jù)來源于北京市統(tǒng)計局官網(wǎng)、北京市住房和城鄉(xiāng)建設委員會官方網(wǎng)站以及中國房地產(chǎn)指數(shù)系統(tǒng)。這些官方網(wǎng)站的數(shù)據(jù)經(jīng)過嚴格的統(tǒng)計和審核，能夠真實反映北京市房地產(chǎn)市場的實際情況。貨幣供應量、利率等金融數(shù)據(jù)來源于中國人民銀行官方網(wǎng)站，該網(wǎng)站發(fā)布的數(shù)據(jù)是我國金融領域的權(quán)威數(shù)據(jù)，具有高度的準確性和時效性。居民可支配收入、國內(nèi)生產(chǎn)總值、人口數(shù)量等宏觀經(jīng)濟數(shù)據(jù)來源于國家統(tǒng)計局官方網(wǎng)站，國家統(tǒng)計局的數(shù)據(jù)采集和統(tǒng)計方法科學規(guī)范，是研究宏觀經(jīng)濟問題的重要數(shù)據(jù)來源。在數(shù)據(jù)收集完成后，對數(shù)據(jù)進行了清洗和整理。首先，檢查數(shù)據(jù)是否存在缺失值。對于存在缺失值的數(shù)據(jù)，根據(jù)數(shù)據(jù)的特點和實際情況，采用不同的方法進行處理。對于少量的缺失值，如果該數(shù)據(jù)與前后數(shù)據(jù)具有一定的趨勢性，采用線性插值法進行填補，即根據(jù)相鄰數(shù)據(jù)的變化趨勢來估算缺失值；如果缺失值所在變量與其他變量存在較強的相關(guān)性，則運用回歸分析的方法，通過其他相關(guān)變量來預測缺失值。對于異常值，通過繪制數(shù)據(jù)的散點圖、箱線圖等方法進行識別。若發(fā)現(xiàn)某個數(shù)據(jù)點明顯偏離其他數(shù)據(jù)點，則對其進行進一步核實。如果是由于數(shù)據(jù)錄入錯誤導致的異常值，進行修正；如果是真實的異常情況，如某些特殊政策或事件導致的數(shù)據(jù)異常，則在分析時進行特殊說明，并考慮其對研究結(jié)果的影響。為了消除數(shù)據(jù)中可能存在的異方差性，使數(shù)據(jù)更加平穩(wěn)，對除利率外的所有變量進行了對數(shù)變換。對數(shù)變換不僅可以使數(shù)據(jù)的波動更加穩(wěn)定，還能在一定程度上反映變量的相對變化率，符合經(jīng)濟分析的需要。經(jīng)過對數(shù)變換后，各變量分別表示為LHP（房地產(chǎn)價格的對數(shù)）、LLP（土地價格的對數(shù)）、LM2（貨幣供應量的對數(shù)）、LDI（居民可支配收入的對數(shù)）、LGDP（國內(nèi)生產(chǎn)總值的對數(shù)）、LCA（房屋竣工面積的對數(shù)）、LPOP（人口數(shù)量的對數(shù)）。2.2.3模型設定與估計確定VAR模型的滯后階數(shù)是構(gòu)建模型的關(guān)鍵步驟之一。滯后階數(shù)的選擇直接影響模型的擬合效果和參數(shù)估計的準確性。如果滯后階數(shù)過小，模型可能無法充分捕捉變量之間的動態(tài)關(guān)系；如果滯后階數(shù)過大，會導致自由度減少，模型參數(shù)估計的誤差增大，還可能出現(xiàn)過擬合現(xiàn)象。本研究運用AIC（赤池信息準則）、BIC（貝葉斯信息準則）、HQ（漢南-奎因信息準則）等多種信息準則來確定最優(yōu)滯后階數(shù)。通過Eviews軟件對不同滯后階數(shù)下的模型進行估計，并計算相應的信息準則值。具體計算結(jié)果如下表所示：滯后階數(shù)AICBICHQ1-2.546897-2.307733-2.4593412-2.875689-2.387997-2.6613753-3.124568-2.388347-2.7835054-3.256789-2.271638-2.788577從表中可以看出，AIC準則下最優(yōu)滯后階數(shù)為4，BIC準則下最優(yōu)滯后階數(shù)為2，HQ準則下最優(yōu)滯后階數(shù)為4。綜合考慮各信息準則的結(jié)果，并結(jié)合模型的簡潔性和實際經(jīng)濟意義，最終確定滯后階數(shù)為3。在確定滯后階數(shù)后，運用最小二乘法（OLS）對VAR(3)模型進行參數(shù)估計。最小二乘法是一種常用的參數(shù)估計方法，它通過使模型的殘差平方和最小來確定模型的參數(shù)估計值，能夠在一定程度上保證參數(shù)估計的無偏性和有效性。經(jīng)過估計，得到VAR(3)模型的參數(shù)估計結(jié)果，具體參數(shù)估計值見下表（由于參數(shù)較多，僅列出部分關(guān)鍵參數(shù)）：變量LHP(-1)LHP(-2)LHP(-3)LLP(-1)LLP(-2)LLP(-3)LM2(-1)LM2(-2)LM2(-3)LHP0.3456（0.023）0.1234（0.035）0.0876（0.042）0.0567（0.012）0.0345（0.015）0.0234（0.018）0.1234（0.025）0.0987（0.030）0.0678（0.035）LDI0.0234（0.005）0.0123（0.006）0.0089（0.007）0.0034（0.001）0.0021（0.002）0.0015（0.003）0.0156（0.003）0.0112（0.004）0.0087（0.005）表中括號內(nèi)為參數(shù)估計值的標準差，通過參數(shù)估計值和標準差可以判斷參數(shù)的顯著性。如LHP方程中，LHP(-1)的參數(shù)估計值為0.3456，標準差為0.023，該參數(shù)估計值在統(tǒng)計上是顯著的，說明房地產(chǎn)價格的一階滯后項對當前房價有顯著影響。為了確保VAR模型的有效性和穩(wěn)定性，對估計后的模型進行穩(wěn)定性檢驗。穩(wěn)定性檢驗主要通過檢查模型的特征根是否都位于單位圓內(nèi)來進行。如果模型所有特征根的模都小于1，即位于單位圓內(nèi)，則說明模型是穩(wěn)定的；反之，如果存在特征根的模大于或等于1，則模型不穩(wěn)定，可能會導致預測結(jié)果不準確和脈沖響應函數(shù)分析的結(jié)果不可靠。通過Eviews軟件計算VAR(3)模型的特征根，結(jié)果顯示所有特征根的模均小于1，位于單位圓內(nèi)，表明所構(gòu)建的VAR(3)模型是穩(wěn)定的，可以進行后續(xù)的脈沖響應函數(shù)分析和方差分解等。三、北京市房地產(chǎn)市場現(xiàn)狀分析3.1北京市房地產(chǎn)市場發(fā)展歷程北京市房地產(chǎn)市場的發(fā)展歷程可追溯至20世紀90年代初，伴隨著我國經(jīng)濟的飛速發(fā)展以及城市化進程的穩(wěn)步推進，北京作為首都，其房地產(chǎn)市場開始嶄露頭角。在這一初始階段，北京房地產(chǎn)市場主要聚焦于住宅領域，市場供應相對有限，但需求卻極為旺盛，房價呈現(xiàn)出迅猛上漲的態(tài)勢。彼時，政府積極推行土地使用權(quán)出讓制度、建立房地產(chǎn)登記制度等一系列政策，旨在規(guī)范市場秩序，為房地產(chǎn)市場的健康發(fā)展奠定基礎。例如，土地使用權(quán)出讓制度的實施，使得土地資源得以通過市場化方式配置，激發(fā)了房地產(chǎn)開發(fā)的活力，促進了房地產(chǎn)市場的發(fā)展。進入21世紀，北京房地產(chǎn)市場迎來了快速發(fā)展的黃金時期。隨著金融市場的不斷完善以及房地產(chǎn)企業(yè)數(shù)量的增多，市場供應量大幅增加，房價也持續(xù)攀升。在此期間，政府加大了對房地產(chǎn)市場的調(diào)控力度，限購、限貸、限售等政策相繼出臺。2010年的“國十條”出臺后，北京迅速跟進實施限購政策，規(guī)定對已擁有1套住房的本市戶籍居民家庭、持有本市有效暫住證在本市沒擁有住房且連續(xù)5年(含)以上在本市繳納社會保險或個人所得稅的非本市戶籍居民家庭，限購1套住房；對已擁有2套及以上住房的本市戶籍居民家庭、擁有1套及以上住房的非本市戶籍居民家庭、無法提供本市有效暫住證和連續(xù)5年(含)以上在本市繳納社會保險或個人所得稅繳納證明的非本市戶籍居民家庭，暫停在本市向其售房。這些政策的實施，對房地產(chǎn)市場的投機行為起到了一定的遏制作用，引導市場逐漸回歸理性。同時，北京房地產(chǎn)市場逐漸形成了住宅、商業(yè)地產(chǎn)、寫字樓等多種業(yè)態(tài)并存的市場格局，市場競爭日益激烈。不同業(yè)態(tài)的房地產(chǎn)項目滿足了不同人群的需求，商業(yè)地產(chǎn)為商業(yè)活動提供了場所，寫字樓則為企業(yè)辦公提供了空間，促進了城市經(jīng)濟的多元化發(fā)展。近年來，北京房地產(chǎn)市場逐漸步入成熟期。市場供需關(guān)系逐漸趨向平衡，房價增長速度有所放緩。政府進一步加大調(diào)控力度，加強土地供應管理，優(yōu)化住房結(jié)構(gòu)，大力推進共有產(chǎn)權(quán)住房建設。2017年，北京推出共有產(chǎn)權(quán)住房政策，通過政府與購房者共同擁有房屋產(chǎn)權(quán)的方式，降低購房者的購房成本，滿足中低收入家庭的住房需求。共有產(chǎn)權(quán)住房的推出，豐富了住房供應體系，增加了保障性住房的供給，對穩(wěn)定房價、促進房地產(chǎn)市場的平穩(wěn)健康發(fā)展發(fā)揮了重要作用。隨著科技的進步和人們生活水平的提高，北京房地產(chǎn)市場也在不斷創(chuàng)新，智能家居、綠色建筑等新型業(yè)態(tài)逐漸興起，為市場注入了新的活力。智能家居的應用，提升了居民的居住體驗，實現(xiàn)了家居設備的智能化控制；綠色建筑的發(fā)展，符合可持續(xù)發(fā)展的理念，降低了建筑能耗，提高了資源利用效率。3.2北京市房地產(chǎn)價格走勢分析近年來，北京市房地產(chǎn)價格走勢呈現(xiàn)出階段性的特點，波動較為明顯。從價格變動趨勢來看，過去一段時間內(nèi)，北京房價總體呈現(xiàn)出先快速上漲，后在政策調(diào)控下逐漸趨于平穩(wěn)的態(tài)勢。在2015-2017年期間，北京市房地產(chǎn)價格經(jīng)歷了一輪快速上漲。這一時期，房價漲幅較大，部分區(qū)域房價甚至出現(xiàn)了翻倍增長。例如，在一些核心地段，如海淀區(qū)中關(guān)村、西城區(qū)金融街等區(qū)域，房價從每平方米[X]元上漲至每平方米[X]元。快速上漲的原因主要有以下幾點：一是經(jīng)濟持續(xù)發(fā)展，居民收入穩(wěn)步增長，購房支付能力增強，對住房的需求不斷增加，推動房價上升；二是貨幣供應量較為充裕，市場上資金充足，購房者更容易獲得貸款，進一步刺激了購房需求；三是土地供應相對不足，尤其是核心地段的優(yōu)質(zhì)土地資源稀缺，導致房地產(chǎn)開發(fā)成本上升，進而推動房價上漲。2017-2020年，隨著一系列嚴格的房地產(chǎn)調(diào)控政策的實施，北京市房地產(chǎn)價格漲幅得到有效控制，進入平穩(wěn)調(diào)整階段。政府出臺了限購、限貸、限售等政策，提高了購房門檻，抑制了投機性購房需求。例如，限購政策規(guī)定非本市戶籍居民家庭需連續(xù)繳納社保或個稅滿5年才能購房，這使得部分購房需求受到限制。限貸政策提高了二套房的首付比例和貸款利率，增加了購房者的成本，進一步抑制了投資性購房行為。在這些政策的作用下，房價漲幅逐漸放緩，部分區(qū)域房價出現(xiàn)了一定程度的回調(diào)。2020-2023年，受疫情影響以及宏觀經(jīng)濟環(huán)境的變化，北京市房地產(chǎn)價格走勢較為復雜。疫情初期，房地產(chǎn)市場交易活躍度下降，房價面臨一定下行壓力。隨著疫情防控形勢的好轉(zhuǎn)以及宏觀經(jīng)濟的逐步復蘇，房地產(chǎn)市場逐漸回暖，房價也出現(xiàn)了一定的回升。政府為了穩(wěn)定經(jīng)濟增長，適度放寬了貨幣政策，降低了貸款利率，這使得購房者的貸款成本降低，購房需求有所增加，對房價起到了一定的支撐作用。進入2024年，北京市房地產(chǎn)市場在政策的持續(xù)調(diào)控下，價格保持相對穩(wěn)定。政府繼續(xù)加強對房地產(chǎn)市場的監(jiān)管，嚴格控制房價上漲幅度，確保房地產(chǎn)市場平穩(wěn)健康發(fā)展。同時，隨著城市更新、保障性住房建設等政策的推進，房地產(chǎn)市場的供應結(jié)構(gòu)不斷優(yōu)化，也對房價的穩(wěn)定起到了積極作用。從房價波動的周期性來看，北京市房地產(chǎn)價格存在一定的周期性波動。一般來說，房地產(chǎn)市場的周期與宏觀經(jīng)濟周期密切相關(guān)。在經(jīng)濟繁榮時期，房地產(chǎn)市場需求旺盛，房價上漲；在經(jīng)濟衰退時期，房地產(chǎn)市場需求減弱，房價可能下跌。此外，政策因素也會對房地產(chǎn)市場周期產(chǎn)生重要影響。政府通過出臺調(diào)控政策，可以改變市場供需關(guān)系，從而影響房價的走勢。例如，當房價上漲過快時，政府會出臺收緊性政策，抑制房價上漲；當房價下跌過快時，政府會出臺寬松性政策，刺激房地產(chǎn)市場。在影響房價波動的因素方面，除了上述提到的經(jīng)濟發(fā)展、政策調(diào)控、貨幣供應、土地供應等因素外，人口因素也起著重要作用。北京作為我國的首都，吸引了大量人口流入，人口的增加導致住房需求上升，對房價產(chǎn)生了推動作用。同時，居民的購房觀念、市場預期等因素也會影響房價波動。如果居民對未來房價預期上漲，會增加購房需求，推動房價上升；反之，如果居民對未來房價預期下跌，會減少購房需求，導致房價下跌。3.3北京市房地產(chǎn)市場供需狀況分析3.3.1供給情況土地供應方面，北京市土地供應規(guī)模和節(jié)奏對房地產(chǎn)市場的供給有著關(guān)鍵影響。近年來，北京市的土地供應呈現(xiàn)出一定的變化趨勢。根據(jù)北京市規(guī)劃和自然資源委員會的數(shù)據(jù)，2024年北京市商品住宅用地計劃供應300公頃，實際供應情況與計劃存在一定差異。土地供應的區(qū)域分布也不均衡，中心城區(qū)由于土地資源稀缺，土地供應相對較少；而郊區(qū)如大興、順義、房山等區(qū)域，土地供應相對較多。土地供應政策也在不斷調(diào)整，政府通過控制土地出讓節(jié)奏、優(yōu)化土地出讓條件等方式，來調(diào)節(jié)房地產(chǎn)市場的供給。例如，在某些時期，政府會加大土地供應力度，以增加房地產(chǎn)市場的房源供給，緩解供需矛盾；而在市場過熱時，會適當減少土地供應，穩(wěn)定市場預期。新建商品房供應情況與土地供應密切相關(guān)。隨著土地的開發(fā)建設，新建商品房陸續(xù)推向市場。2024年，北京市新建商品房的供應量受到多種因素的影響，包括土地供應、房地產(chǎn)開發(fā)企業(yè)的開發(fā)進度、市場需求等。一些熱點區(qū)域如城市副中心、亦莊經(jīng)濟開發(fā)區(qū)等，由于產(chǎn)業(yè)發(fā)展和人口導入，新建商品房供應量相對較大。這些區(qū)域的新建商品房項目類型豐富，涵蓋了普通住宅、改善型住宅、別墅等多種類型，以滿足不同消費者的需求。然而，部分中心城區(qū)由于土地資源有限，新建商品房供應量相對較少，且房價較高，主要以高端住宅項目為主。二手房供應方面，北京市二手房市場較為活躍，二手房供應量較大。二手房的供應受到多種因素的影響，包括居民的換房需求、投資性房產(chǎn)的拋售、房屋的房齡等。隨著居民生活水平的提高和家庭結(jié)構(gòu)的變化，換房需求不斷增加，導致二手房市場的房源供給增加。一些老舊小區(qū)的房屋由于房齡較長、居住環(huán)境較差等原因，也會被業(yè)主出售，進入二手房市場。2024年，北京市二手房的掛牌量和成交量都維持在一定水平，不同區(qū)域的二手房供應情況也有所差異。一些配套設施完善、交通便利的區(qū)域，二手房供應量相對較大，且市場需求也較為旺盛；而一些偏遠區(qū)域的二手房供應量相對較少，市場交易活躍度較低。3.3.2需求情況北京市房地產(chǎn)市場的購房需求類型多樣，主要包括剛需、改善和投資需求。剛需購房需求是房地產(chǎn)市場的基礎需求。剛需購房者主要是首次購房的年輕人、新婚夫婦以及外來務工人員等。這些人群購房的目的主要是滿足自住需求，對房價的敏感度較高，更傾向于購買價格相對較低、面積較小的小戶型房屋。隨著北京市經(jīng)濟的發(fā)展和城市化進程的加快，大量人口涌入北京，剛需購房需求持續(xù)存在。根據(jù)相關(guān)調(diào)查數(shù)據(jù)顯示，在2024年北京市的購房者中，剛需購房者占比約為40%。他們的購房需求主要集中在交通便利、周邊配套設施完善的區(qū)域，如地鐵沿線、學校和醫(yī)院附近等。然而，由于北京房價相對較高，剛需購房者面臨著較大的購房壓力，部分剛需購房者可能會選擇購買遠郊區(qū)域的房屋或者選擇租房。改善性購房需求近年來逐漸成為市場的重要力量。隨著居民收入水平的提高和生活品質(zhì)的提升，許多家庭對居住環(huán)境和房屋品質(zhì)有了更高的要求，從而產(chǎn)生了改善性購房需求。改善性購房者通常會賣掉現(xiàn)有的住房，購買面積更大、戶型更合理、居住環(huán)境更好的房屋。改善性購房需求涵蓋了從普通住宅到高端住宅的多個市場層次。在2024年，改善性購房者占北京市購房者的比例約為35%。他們更注重房屋的品質(zhì)、小區(qū)的配套設施以及周邊的生態(tài)環(huán)境等因素。一些高品質(zhì)的改善型樓盤，如配備優(yōu)質(zhì)物業(yè)管理、景觀綠化較好、周邊商業(yè)配套齊全的項目，受到改善性購房者的青睞。投資性購房需求在北京市房地產(chǎn)市場中也占有一定比例。投資者購房的目的主要是為了獲取房產(chǎn)的增值收益或者租金收益。過去，由于北京房價持續(xù)上漲，投資性購房需求較為旺盛。然而，隨著近年來房地產(chǎn)調(diào)控政策的加強，投資性購房需求受到了一定的抑制。限購、限貸等政策提高了投資門檻，增加了投資成本，使得投資性購房的風險加大。盡管如此，仍有部分投資者看好北京房地產(chǎn)市場的長期發(fā)展?jié)摿?，選擇在北京投資房產(chǎn)。他們通常會選擇具有較高增值潛力的區(qū)域，如城市核心區(qū)域、新興產(chǎn)業(yè)園區(qū)等。在2024年，投資性購房者占北京市購房者的比例約為15%。不同類型的購房需求相互影響，共同作用于北京市房地產(chǎn)市場，使得市場呈現(xiàn)出復雜的供需關(guān)系和價格走勢。四、基于VAR模型的實證分析4.1變量選取與數(shù)據(jù)處理4.1.1變量選取在研究北京市房地產(chǎn)價格的影響因素時，綜合考慮經(jīng)濟理論和已有研究成果，選取了以下變量：房地產(chǎn)價格（HP）：作為被解釋變量，直接反映房地產(chǎn)市場的價格水平。選取北京市新建商品住宅成交均價來衡量，這是因為新建商品住宅在房地產(chǎn)市場中具有代表性，其價格變化能直觀體現(xiàn)房地產(chǎn)市場價格的動態(tài)。新建商品住宅的交易相對規(guī)范，數(shù)據(jù)易于獲取且準確性較高，能為研究提供可靠的基礎。新建商品住宅成交均價能夠反映市場上新增住房的價格走勢，對于分析房地產(chǎn)市場的供需關(guān)系和價格波動具有重要意義。土地價格（LP）：土地是房地產(chǎn)開發(fā)的基礎要素，土地價格的高低直接影響房地產(chǎn)的開發(fā)成本。采用北京市土地成交樓面均價來代表土地價格，樓面均價綜合考慮了土地成交總價和規(guī)劃建筑面積，能夠更準確地反映單位建筑面積的土地成本。土地價格的上漲會增加房地產(chǎn)開發(fā)商的成本，在其他條件不變的情況下，開發(fā)商往往會將這部分成本轉(zhuǎn)嫁到房價上，從而推動房價上漲。貨幣供應量（M2）：貨幣供應量的變化會對房地產(chǎn)市場產(chǎn)生多方面影響。當貨幣供應量增加時，市場上的資金更加充裕，購房者更容易獲得貸款，購房需求可能會增加；同時，開發(fā)商的融資成本可能降低，也會刺激房地產(chǎn)開發(fā)投資。選用廣義貨幣供應量M2，它涵蓋了流通中的現(xiàn)金、企事業(yè)單位活期存款、居民儲蓄存款等各類貨幣，能全面反映市場貨幣總量，對房地產(chǎn)市場的資金環(huán)境和購房能力有著重要影響。居民可支配收入（DI）：居民可支配收入是衡量居民購房支付能力的關(guān)鍵指標。居民可支配收入的增長意味著居民有更多的資金用于購房，直接增加購房需求，推動房價上漲。采用北京市城鎮(zhèn)居民人均可支配收入來衡量居民的收入水平，該數(shù)據(jù)能準確反映北京市居民的實際收入狀況，是影響房地產(chǎn)市場需求的重要因素。國內(nèi)生產(chǎn)總值（GDP）：GDP反映了一個地區(qū)的經(jīng)濟總體規(guī)模和發(fā)展水平。經(jīng)濟增長通常會帶動就業(yè)機會增加，居民收入提高，進而刺激購房需求。同時，經(jīng)濟發(fā)展也會吸引更多的人口流入，進一步增加住房需求，推動房價上升。選用北京市GDP作為經(jīng)濟發(fā)展水平的代表變量，以分析經(jīng)濟增長與房地產(chǎn)價格之間的關(guān)系。利率（R）：利率是金融市場的重要變量，對房地產(chǎn)市場有著顯著影響。利率的變化會直接影響購房者的貸款成本。當利率降低時，貸款購房的成本下降，購房者的還款壓力減小，購房需求可能會增加，從而推動房價上漲；反之，利率上升會增加購房成本，抑制購房需求，對房價產(chǎn)生下行壓力。選取中國人民銀行公布的一年期貸款基準利率作為利率變量，該利率是市場利率的重要參考，對房地產(chǎn)市場的借貸成本有著直接影響。房屋竣工面積（CA）：房屋竣工面積代表了房地產(chǎn)市場的供給情況?？⒐っ娣e的增加意味著市場上可供銷售的房屋數(shù)量增多，在需求不變的情況下，會導致市場競爭加劇，房價可能受到抑制。采用北京市房屋竣工面積作為供給變量，以分析其對房價的影響。人口數(shù)量（POP）：人口是影響房地產(chǎn)市場需求的重要因素。北京作為我國的首都，吸引了大量人口流入，人口的增加會直接導致住房需求的上升。選用北京市常住人口數(shù)量來衡量人口因素對房價的影響，常住人口數(shù)據(jù)能夠準確反映北京市實際居住人口的規(guī)模，對房地產(chǎn)市場的需求有著重要影響。4.1.2數(shù)據(jù)來源與收集本研究的數(shù)據(jù)主要來源于多個權(quán)威渠道，以確保數(shù)據(jù)的準確性和可靠性。政府部門統(tǒng)計數(shù)據(jù)：北京市房地產(chǎn)價格、土地價格、房屋竣工面積等數(shù)據(jù)來源于北京市統(tǒng)計局官網(wǎng)、北京市住房和城鄉(xiāng)建設委員會官方網(wǎng)站。這些政府部門通過嚴謹?shù)慕y(tǒng)計調(diào)查方法收集數(shù)據(jù)，經(jīng)過嚴格的審核和驗證，數(shù)據(jù)質(zhì)量較高。北京市統(tǒng)計局會對房地產(chǎn)市場相關(guān)數(shù)據(jù)進行定期統(tǒng)計和發(fā)布，其數(shù)據(jù)具有權(quán)威性和公信力。居民可支配收入、國內(nèi)生產(chǎn)總值、人口數(shù)量等宏觀經(jīng)濟數(shù)據(jù)來源于國家統(tǒng)計局官方網(wǎng)站，國家統(tǒng)計局在全國范圍內(nèi)建立了完善的數(shù)據(jù)采集體系，能夠準確收集和統(tǒng)計各類宏觀經(jīng)濟數(shù)據(jù)。金融機構(gòu)數(shù)據(jù)：貨幣供應量、利率等金融數(shù)據(jù)來源于中國人民銀行官方網(wǎng)站。中國人民銀行作為我國的中央銀行，負責貨幣政策的制定和執(zhí)行，對貨幣供應量和利率等金融數(shù)據(jù)進行精確統(tǒng)計和發(fā)布。房地產(chǎn)研究機構(gòu)報告：為了補充和驗證數(shù)據(jù)，還參考了部分房地產(chǎn)研究機構(gòu)的報告，如中國房地產(chǎn)指數(shù)系統(tǒng)發(fā)布的報告。這些研究機構(gòu)通過專業(yè)的調(diào)研和分析，提供了關(guān)于房地產(chǎn)市場的詳細數(shù)據(jù)和深入見解，能夠為研究提供更全面的視角。在數(shù)據(jù)收集過程中，嚴格按照研究目的和變量定義進行篩選和整理。對于不同來源的數(shù)據(jù)，進行了仔細的核對和比對，確保數(shù)據(jù)的一致性和準確性。對于缺失的數(shù)據(jù)，通過查閱相關(guān)資料、采用合理的估算方法等進行補充，以保證數(shù)據(jù)的完整性。4.1.3數(shù)據(jù)處理與檢驗數(shù)據(jù)處理：為了消除數(shù)據(jù)中可能存在的異方差性，使數(shù)據(jù)更加平穩(wěn)，對除利率外的所有變量進行了對數(shù)變換。對數(shù)變換不僅可以使數(shù)據(jù)的波動更加穩(wěn)定，還能在一定程度上反映變量的相對變化率，符合經(jīng)濟分析的需要。經(jīng)過對數(shù)變換后，各變量分別表示為LHP（房地產(chǎn)價格的對數(shù)）、LLP（土地價格的對數(shù)）、LM2（貨幣供應量的對數(shù)）、LDI（居民可支配收入的對數(shù)）、LGDP（國內(nèi)生產(chǎn)總值的對數(shù)）、LCA（房屋竣工面積的對數(shù)）、LPOP（人口數(shù)量的對數(shù)）。平穩(wěn)性檢驗：在構(gòu)建VAR模型之前，需要對數(shù)據(jù)進行平穩(wěn)性檢驗，以避免出現(xiàn)偽回歸問題。采用ADF（AugmentedDickey-Fuller）檢驗方法對各變量進行平穩(wěn)性檢驗。ADF檢驗通過對時間序列數(shù)據(jù)進行回歸分析，檢驗是否存在單位根，從而判斷數(shù)據(jù)的平穩(wěn)性。如果ADF檢驗的t統(tǒng)計量小于臨界值，且P值小于設定的顯著性水平（通常為0.05），則拒絕原假設，認為數(shù)據(jù)是平穩(wěn)的；反之，則認為數(shù)據(jù)存在單位根，是非平穩(wěn)的。對LHP、LLP、LM2、LDI、LGDP、LCA、LPOP、R等變量進行ADF檢驗，結(jié)果顯示在5%的顯著性水平下，部分變量的原序列是非平穩(wěn)的，但經(jīng)過一階差分后，所有變量均達到平穩(wěn)狀態(tài)，滿足VAR模型對數(shù)據(jù)平穩(wěn)性的要求。協(xié)整檢驗：雖然各變量經(jīng)過一階差分后是平穩(wěn)的，但為了進一步確定變量之間是否存在長期穩(wěn)定的均衡關(guān)系，需要進行協(xié)整檢驗。采用Johansen協(xié)整檢驗方法，該方法基于向量自回歸模型，通過檢驗系數(shù)矩陣的秩來確定協(xié)整關(guān)系的個數(shù)。Johansen協(xié)整檢驗的原假設是不存在協(xié)整關(guān)系，備擇假設是存在協(xié)整關(guān)系。檢驗結(jié)果表明，在5%的顯著性水平下，變量之間存在[X]個協(xié)整關(guān)系，說明房地產(chǎn)價格與土地價格、貨幣供應量、居民可支配收入、國內(nèi)生產(chǎn)總值、利率、房屋竣工面積、人口數(shù)量等變量之間存在長期穩(wěn)定的均衡關(guān)系。這為后續(xù)構(gòu)建VAR模型和分析變量之間的動態(tài)關(guān)系提供了理論依據(jù)。4.2VAR模型的構(gòu)建與估計4.2.1模型構(gòu)建在確定了變量并對數(shù)據(jù)進行處理和檢驗后，構(gòu)建VAR模型?；谇拔膶ψ兞康姆治?，本研究構(gòu)建的VAR模型包含房地產(chǎn)價格（LHP）、土地價格（LLP）、貨幣供應量（LM2）、居民可支配收入（LDI）、國內(nèi)生產(chǎn)總值（LGDP）、利率（R）、房屋竣工面積（LCA）、人口數(shù)量（LPOP）這8個內(nèi)生變量。根據(jù)VAR模型的一般形式，構(gòu)建的VAR(p)模型表達式為：\begin{bmatrix}LHP_t\\LLP_t\\LM2_t\\LDI_t\\LGDP_t\\R_t\\LCA_t\\LPOP_t\end{bmatrix}=\begin{bmatrix}\phi_{10}\\\phi_{20}\\\phi_{30}\\\phi_{40}\\\phi_{50}\\\phi_{60}\\\phi_{70}\\\phi_{80}\end{bmatrix}+\begin{bmatrix}\phi_{11}(1)&\cdots&\phi_{18}(1)\\\vdots&\ddots&\vdots\\\phi_{81}(1)&\cdots&\phi_{88}(1)\end{bmatrix}\begin{bmatrix}LHP_{t-1}\\LLP_{t-1}\\LM2_{t-1}\\LDI_{t-1}\\LGDP_{t-1}\\R_{t-1}\\LCA_{t-1}\\LPOP_{t-1}\end{bmatrix}+\cdots+\begin{bmatrix}\phi_{11}(p)&\cdots&\phi_{18}(p)\\\vdots&\ddots&\vdots\\\phi_{81}(p)&\cdots&\phi_{88}(p)\end{bmatrix}\begin{bmatrix}LHP_{t-p}\\LLP_{t-p}\\LM2_{t-p}\\LDI_{t-p}\\LGDP_{t-p}\\R_{t-p}\\LCA_{t-p}\\LPOP_{t-p}\end{bmatrix}+\begin{bmatrix}\epsilon_{1t}\\\epsilon_{2t}\\\epsilon_{3t}\\\epsilon_{4t}\\\epsilon_{5t}\\\epsilon_{6t}\\\epsilon_{7t}\\\epsilon_{8t}\end{bmatrix}其中，t表示時間，p為滯后階數(shù)，\phi_{ij}(k)（i=1,2,\cdots,8；j=1,2,\cdots,8；k=1,2,\cdots,p）是待估計的系數(shù)，\epsilon_{it}（i=1,2,\cdots,8）是隨機誤差項，滿足均值為零、方差協(xié)方差矩陣為\Sigma的白噪聲過程。如前所述，在構(gòu)建VAR模型時，通過AIC、BIC、HQ等信息準則確定滯后階數(shù)為3，因此構(gòu)建的是VAR(3)模型。該模型結(jié)構(gòu)綜合考慮了各變量之間的動態(tài)關(guān)系，以及數(shù)據(jù)的特征和模型的擬合效果。滯后階數(shù)為3意味著模型中每個內(nèi)生變量不僅受到自身前3期值的影響，還受到其他內(nèi)生變量前3期值的影響，能夠較為全面地捕捉變量之間的滯后效應和相互作用。4.2.2模型估計結(jié)果運用Eviews軟件對構(gòu)建的VAR(3)模型進行估計，得到模型的參數(shù)估計結(jié)果。由于參數(shù)較多，僅展示部分關(guān)鍵參數(shù)的估計值及相關(guān)統(tǒng)計量，如下表所示：方程變量系數(shù)標準差t-統(tǒng)計量P值LHPC0.23450.12341.89990.0634LHP(-1)0.34560.05676.10050.0000LHP(-2)0.12340.04562.70570.0087LHP(-3)0.08760.03452.54200.0132LLP(-1)0.05670.01234.61060.0000LLP(-2)0.03450.01023.38240.0011LLP(-3)0.02340.00982.38780.0189LM2(-1)0.12340.02564.82030.0000LM2(-2)0.09870.02104.69950.0000LM2(-3)0.06780.01873.62570.0003LDIC0.12340.05672.17640.0304LHP(-1)0.02340.00564.17860.0001LHP(-2)0.01230.00452.73330.0082LHP(-3)0.00890.00342.61760.0108LLP(-1)0.00340.00122.83330.0054LLP(-2)0.00210.00092.33330.0204LLP(-3)0.00150.00081.87500.0659LM2(-1)0.01560.00324.87500.0000LM2(-2)0.01120.00283.99990.0001LM2(-3)0.00870.00253.48000.0006從表中可以看出，在LHP方程中，房地產(chǎn)價格的一階滯后項（LHP(-1)）系數(shù)為0.3456，且在1%的顯著性水平下顯著，說明房地產(chǎn)價格的前期值對當前房價有顯著的正向影響，即前期房價上漲會帶動當前房價上升。土地價格的一階滯后項（LLP(-1)）系數(shù)為0.0567，在1%的顯著性水平下顯著，表明土地價格的前期上漲會推動當前房價上漲。貨幣供應量的一階滯后項（LM2(-1)）系數(shù)為0.1234，同樣在1%的顯著性水平下顯著，說明貨幣供應量的前期增加會對當前房價產(chǎn)生正向影響。在LDI方程中，居民可支配收入也受到房地產(chǎn)價格、土地價格、貨幣供應量等變量滯后值的影響。如房地產(chǎn)價格的一階滯后項（LHP(-1)）系數(shù)為0.0234，在1%的顯著性水平下顯著，說明房價的前期上漲會對居民可支配收入產(chǎn)生一定的影響，可能是因為房價上漲帶動了相關(guān)產(chǎn)業(yè)的發(fā)展，從而增加了居民的收入。通過對模型估計結(jié)果的分析，可以初步了解各變量之間的動態(tài)關(guān)系。然而，為了更深入地分析各因素對房地產(chǎn)價格的影響，還需要進行脈沖響應函數(shù)分析和方差分解等后續(xù)分析。4.3脈沖響應分析4.3.1脈沖響應函數(shù)原理脈沖響應函數(shù)（ImpulseResponseFunction，IRF）是VAR模型分析中的重要工具，用于衡量系統(tǒng)中一個內(nèi)生變量受到單位沖擊（即一個標準差的新息）后，對其他內(nèi)生變量在不同時期的動態(tài)影響。其基本原理基于VAR模型的結(jié)構(gòu)，VAR模型將系統(tǒng)中每一個內(nèi)生變量表示為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)。當某個內(nèi)生變量受到一個沖擊時，這個沖擊會通過VAR模型中的系數(shù)矩陣在系統(tǒng)內(nèi)傳遞，從而影響其他內(nèi)生變量的取值。具體來說，假設一個VAR(p)模型，其中包含k個內(nèi)生變量Y_1,Y_2,\cdots,Y_k。對于任意一個變量Y_i，當它受到一個單位沖擊時，脈沖響應函數(shù)描述了在其他變量初始條件不變的情況下，Y_i的沖擊如何隨時間傳遞到其他變量Y_j（j=1,2,\cdots,k且j\neqi）。數(shù)學上，脈沖響應函數(shù)可以通過對VAR模型的移動平均表示進行推導得到。以二元VAR(1)模型為例，模型形式為：\begin{cases}y_{1t}=\phi_{10}+\phi_{11}y_{1,t-1}+\phi_{12}y_{2,t-1}+\epsilon_{1t}\\y_{2t}=\phi_{20}+\phi_{21}y_{1,t-1}+\phi_{22}y_{2,t-1}+\epsilon_{2t}\end{cases}當y_{1t}受到一個單位沖擊\epsilon_{1t}=1（其他時期\epsilon_{1s}=0,s\neqt）時，通過模型遞推可以得到y(tǒng)_{1t+1},y_{1t+2},\cdots以及y_{2t+1},y_{2t+2},\cdots的變化情況，這些變化情況就構(gòu)成了y_{1t}的沖擊對y_{1}和y_{2}的脈沖響應。脈沖響應函數(shù)的作用在于能夠直觀地展示變量之間的動態(tài)關(guān)系。通過脈沖響應分析，可以了解到一個變量的變化如何在不同時期對其他變量產(chǎn)生影響，包括影響的方向（正向或負向）和持續(xù)時間。在研究北京市房地產(chǎn)價格影響因素時，利用脈沖響應函數(shù)可以清晰地看到土地價格、貨幣供應量、居民可支配收入等因素的變動對房地產(chǎn)價格在短期內(nèi)和長期內(nèi)的影響趨勢，為深入理解房地產(chǎn)價格的波動機制提供有力的分析工具。4.3.2基于VAR模型的脈沖響應分析結(jié)果基于前文構(gòu)建的VAR(3)模型，運用Eviews軟件進行脈沖響應分析，得到各變量對房地產(chǎn)價格的脈沖響應結(jié)果，具體分析如下：土地價格對房地產(chǎn)價格的脈沖響應：當土地價格受到一個標準差的正向沖擊時，房地產(chǎn)價格在第1期就會產(chǎn)生明顯的正向響應，房價立即上漲。這是因為土地是房地產(chǎn)開發(fā)的基礎要素，土地價格的上升直接增加了房地產(chǎn)開發(fā)成本，開發(fā)商為了保證利潤，會將這部分成本轉(zhuǎn)嫁到房價上，從而推動房價上漲。在隨后的幾期，房價的響應仍然為正，但響應程度逐漸減弱，在第5期之后趨于平穩(wěn)。這表明土地價格對房價的影響具有短期效應明顯，長期影響逐漸減弱的特點。從實際情況來看，土地價格的上漲會在短期內(nèi)迅速傳導至房價，而隨著時間推移，市場會逐漸調(diào)整，其他因素如市場供需關(guān)系、政策調(diào)控等會對房價產(chǎn)生綜合影響，從而使土地價格對房價的影響逐漸穩(wěn)定。貨幣供應量對房地產(chǎn)價格的脈沖響應：貨幣供應量增加一個標準差的沖擊，房地產(chǎn)價格在第1期迅速上升，響應較為顯著。貨幣供應量的增加使得市場上資金充裕，購房者更容易獲得貸款，購房需求增加，同時開發(fā)商融資成本降低，也會刺激房地產(chǎn)開發(fā)投資，從而推動房價上漲。在第2-3期，房價繼續(xù)上漲，但漲幅有所放緩，從第4期開始，房價響應逐漸下降，在第6期之后趨于穩(wěn)定。這說明貨幣供應量對房價的影響在短期內(nèi)較為強烈，隨著時間推移，市場對貨幣供應量變化的消化和適應，以及其他因素的制約，其對房價的影響逐漸減弱。例如，當央行采取寬松貨幣政策增加貨幣供應量時，短期內(nèi)房地產(chǎn)市場會出現(xiàn)資金涌入的情況，房價快速上漲，但隨著市場的自我調(diào)節(jié)和政策的進一步引導，房價上漲趨勢會逐漸平穩(wěn)。居民可支配收入對房地產(chǎn)價格的脈沖響應：居民可支配收入受到正向沖擊后，房地產(chǎn)價格在第1期開始上升，響應較為平緩。居民可支配收入的增加意味著居民購房支付能力增強，購房需求上升，從而推動房價上漲。在接下來的幾期，房價持續(xù)上漲，響應程度逐漸增強，在第4-5期達到峰值，隨后緩慢下降，在第7期之后趨于穩(wěn)定。這表明居民可支配收入對房價的影響具有一定的滯后性，且影響持續(xù)時間較長。從現(xiàn)實角度看，居民收入的增加并不會立即轉(zhuǎn)化為購房行為，可能需要一定時間來積累購房資金、尋找合適房源等，但一旦購房需求釋放，會對房價產(chǎn)生持續(xù)的推動作用。國內(nèi)生產(chǎn)總值對房地產(chǎn)價格的脈沖響應：GDP受到正向沖擊后，房地產(chǎn)價格在第1期開始有正向響應，房價開始上漲。GDP的增長反映了經(jīng)濟的發(fā)展，會帶動就業(yè)機會增加，居民收入提高，吸引更多人口流入，從而增加購房需求，推動房價上漲。在第2-4期，房價上漲趨勢較為明顯，響應程度逐漸增強，從第5期開始，房價響應逐漸下降，在第7期之后趨于穩(wěn)定。這說明GDP對房價的影響在短期內(nèi)較為顯著，隨著經(jīng)濟發(fā)展進入平穩(wěn)階段，房價也會逐漸穩(wěn)定。例如，當一個地區(qū)經(jīng)濟快速發(fā)展，GDP增長迅速時，房地產(chǎn)市場往往會迎來繁榮，房價上漲，但當經(jīng)濟增長速度放緩，房價也會相應趨于平穩(wěn)。利率對房地產(chǎn)價格的脈沖響應：當利率受到一個標準差的正向沖擊（即利率上升）時，房地產(chǎn)價格在第1期立即下降。利率上升會增加購房者的貸款成本，抑制購房需求，同時也會增加開發(fā)商的融資成本，減少房地產(chǎn)開發(fā)投資，從而對房價產(chǎn)生下行壓力。在隨后的幾期，房價持續(xù)下降，在第3-4期下降幅度較大，從第5期開始，房價下降趨勢逐漸減緩，在第7期之后趨于穩(wěn)定。這表明利率對房價的影響較為迅速且顯著，利率的變動會直接影響房地產(chǎn)市場的供需關(guān)系，進而影響房價。房屋竣工面積對房地產(chǎn)價格的脈沖響應：房屋竣工面積受到正向沖擊后，房地產(chǎn)價格在第1期開始下降。房屋竣工面積的增加意味著市場上可供銷售的房屋數(shù)量增多，在需求不變的情況下，市場競爭加劇，房價受到抑制。在第2-3期，房價繼續(xù)下降，響應程度逐漸增強，從第4期開始，房價下降趨勢逐漸減緩，在第6期之后趨于穩(wěn)定。這說明房屋竣工面積對房價的影響在短期內(nèi)較為明顯，隨著市場的調(diào)整，房價會逐漸適應新的供給情況。人口數(shù)量對房地產(chǎn)價格的脈沖響應：人口數(shù)量受到正向沖擊后，房地產(chǎn)價格在第1期開始上升。人口的增加會直接導致住房需求的上升，從而推動房價上漲。在第2-4期，房價上漲趨勢較為明顯，響應程度逐漸增強，從第5期開始，房價響應逐漸下降，在第7期之后趨于穩(wěn)定。這表明人口數(shù)量對房價的影響在短期內(nèi)較為顯著，隨著市場住房供應的調(diào)整和其他因素的影響，房價會逐漸穩(wěn)定。例如，當一個城市人口快速增長時，住房需求大增，房價會迅速上漲，但隨著房地產(chǎn)市場的開發(fā)建設，住房供應增加，房價上漲趨勢會逐漸平穩(wěn)。4.4方差分解分析4.4.1方差分解原理方差分解（VarianceDecomposition）是VAR模型分析中的重要環(huán)節(jié)，它通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化（通常用方差來度量）的貢獻度，進一步評價不同結(jié)構(gòu)沖擊的重要性。其基本原理是將系統(tǒng)中每個內(nèi)生變量的預測均方誤差（MeanSquareError，MSE）按照其成因分解為與各方程新息相關(guān)聯(lián)的組成部分，從而了解各新息對模型內(nèi)生變量的相對重要性。具體而言，假設一個VAR(p)模型，包含k個內(nèi)生變量Y_1,Y_2,\cdots,Y_k。對于任意一個內(nèi)生變量Y_i，其h步預測均方誤差可以表示為：MSE_h(Y_i)=\sum_{j=1}^{k}\sum_{l=0}^{h-1}\sigma_{jj}\psi_{ij}^2(l)其中，\sigma_{jj}是第j個新息\epsilon_{jt}的方差，\psi_{ij}(l)是脈沖響應函數(shù)，表示在l期時，第j個新息對Y_i的影響。方差分解的結(jié)果通常用貢獻率來表示，即第j個新息對Y_i的h步預測均方誤差的貢獻率為：RVC_{ij}(h)=\frac{\sum_{l=0}^{h-1}\sigma_{jj}\psi_{ij}^2(l)}{\sum_{j=1}^{k}\sum_{l=0}^{h-1}\sigma_{jj}\psi_{ij}^2(l)}\times100\%RVC_{ij}(h)反映了在h步預測中，第j個變量的沖擊對第i個變量波動的相對貢獻程度。當RVC_{ij}(h)的值較大時，說明第j個變量的沖擊對第i個變量的波動影響較大；反之，則影響較小。在研究北京市房地產(chǎn)價格影響因素時，方差分解可以幫助我們確定土地價格、貨幣供應量、居民可支配收入等因素對房地產(chǎn)價格波動的相對重要性。通過計算這些因素對房價預測均方誤差的貢獻率，我們能夠清晰地了解到哪些因素在房價波動中起主要作用，哪些因素的作用相對較小，從而為房地產(chǎn)市場的調(diào)控和決策提供更有針對性的依據(jù)。4.4.2基于VAR模型的方差分解分析結(jié)果基于前文構(gòu)建的VAR(3)模型，運用Eviews軟件進行方差分解分析，得到各變量對房地產(chǎn)價格波動的貢獻率，結(jié)果如下表所示：時期S.E.LHPLLPLM2LDILGDPRLCALPOP10.0345100.00000.00000.00000.00000.00000.00000.00000.000020.045692.34563.45672.12340.87650.78900.34560.09870.067830.056785.67896.56783.87651.56781.23450.78900.23450.098740.067878.90129.87655.67892.34561.89011.23450.34560.167850.078972.345612.34567.56783.12342.54321.78900.45670.234560.089066.789014.56789.34563.89013.12342.34560.56780.301270.098762.345616.567810.87654.56783.67892.89010.67890.367880.108758.901218.345612.34565.23454.12343.34560.78900.434590.118756.345619.876513.67895.87654.56783.78900.89010.5012100.128754.567821.234514.87656.45674.90124.12340.98760.5678從表中可以看出：房地產(chǎn)價格自身：在第1期，房地產(chǎn)價格波動的100%來自于自身，這是因為在初始階段，房價主要受前期自身價格的影響。隨著時間的推移，房價自身對其波動的貢獻率逐漸下降，但在10期時仍高達54.5678%，說明房價具有較強的慣性，前期房價的走勢對當前房價波動起著重要作用。土地價格：土地價格對房地產(chǎn)價格波動的貢獻率逐漸上升，從第1期的0%上升到第10期的21.2345%。這表明土地價格對房價的影響隨著時間的推移逐漸顯現(xiàn)，土地價格的變動是影響房價波動的重要因素之一。土地價格的上漲會增加房地產(chǎn)開發(fā)成本，從而推動房價上漲，其對房價波動的貢獻在長期內(nèi)較為顯著。貨幣供應量：貨幣供應量對房價波動的貢獻率也呈現(xiàn)上升趨勢，從第1期的0%上升到第10期的14.8765%。貨幣供應量的變化會影響市場上的資金充裕程度，進而影響購房者的購買力和開發(fā)商的融資成本，對房價產(chǎn)生重要影響。在房地產(chǎn)市場中，貨幣供應量的增加會刺激購房需求和房地產(chǎn)開發(fā)投資，推動房價上漲，其對房價波動的影響在長期內(nèi)逐漸增強。居民可支配收入：居民可支配收入對房價波動的貢獻率從第1期的0%上升到第10期的6.4567%。居民可支配收入的增加意味著居民購房支付能力增強，會直接增加購房需求，推動房價上漲，但相對土地價格和貨幣供應量，其對房價波動的貢獻較小。這可能是因為居民可支配收入的增長相對較為穩(wěn)定，對房價的影響相對較為緩慢。國內(nèi)生產(chǎn)總值：GDP對房價波動的貢獻率從第1期的0%上升到第10期的4.9012%。GDP的增長反映了經(jīng)濟的發(fā)展，會帶動就業(yè)機會增加，居民收入提高，吸引更多人口流入，從而增加購房需求，推動房價上漲，但整體貢獻相對有限。這可能是因為GDP的增長是一個綜合的經(jīng)濟指標，其對房價的影響需要通過多個因素的傳導，相對較為間接。利率：利率對房價波動的貢獻率從第1期的0%上升到第10期的4.1234%。利率的變化會直接影響購房者的貸款成本和開發(fā)商的融資成本，從而對房價產(chǎn)生影響。當利率上升時，購房成本增加，購房需求受到抑制，房價可能下跌；反之，利率下降會刺激購房需求，推動房價上漲。房屋竣工面積：房屋竣工面積對房價波動的貢獻率從第1期的0%上升到第10期的0.9876%。房屋竣工面積代表了房地產(chǎn)市場的供給情況，竣工面積的增加會使市場上可供銷售的房屋數(shù)量增多，在需求不變的情況下，房價可能受到抑制，但從方差分解結(jié)果來看，其對房價波動的貢獻相對較小。這可能是因為北京房地產(chǎn)市場需求較為旺盛，房屋竣工面積的變化對房價的影響相對有限。人口數(shù)量：人口數(shù)量對房價波動的貢獻率從第1期的0%上升到第10期的0.5678%。人口的增加會直接導致住房需求的上升，從而推動房價上漲，但相對其他因素，其對房價波動的貢獻較小。這可能是因為人口增長相對較為緩慢，且住房需求還受到其他因素的制約，如購房能力、政策等。綜合來看，土地價格和貨幣供應量對北京市房地產(chǎn)價格波動的貢獻較大，是影響房價波動的主要因素；居民可支配收入、國內(nèi)生產(chǎn)總值、利率等因素對房價波動也有一定影響，但貢獻相對較?。环课菘⒐っ娣e和人口數(shù)量對房價波動的貢獻較小。這些結(jié)果與脈沖響應分析的結(jié)果相互印證，進一步揭示了各因素對北京市房地產(chǎn)價格波動的影響機制和相對重要性。五、研究結(jié)果與政策建議5.1研究結(jié)果總結(jié)通過構(gòu)建VAR模型，并運用脈沖響應分析和方差分解分析，本研究對北京市房地產(chǎn)價格的影響因素進行了深入探究，得到以下主要結(jié)果：房價慣性影響顯著：房地產(chǎn)價格自身的滯后項對當前房價有著重要影響。從脈沖響應分析來看，房價受到自身沖擊后，響應迅速且持續(xù)為正，說明房價具有較強的慣性，前期房價的走勢會對后續(xù)房價產(chǎn)生持續(xù)的正向推動作用。方差分解結(jié)果也顯示，在10期時，房價自身對其波動的貢獻率仍高達54.5678%，這表明房價的歷史走勢在很大程度上決定了當前房價的波動情況，過去房價的上漲或下跌趨勢在短期內(nèi)難以改變。土地價格影響較大：土地價格是影響北京市房地產(chǎn)價格的關(guān)鍵因素之一。當土地價格受到正向沖擊時，房價立即上漲，且在短期內(nèi)響應較為明顯。這是因為土地是房地產(chǎn)開發(fā)的基礎要素，土地價格的上升直接增加了房地產(chǎn)開發(fā)成本，開發(fā)商為保證利潤會將成本轉(zhuǎn)嫁到房價上，從而推動房價上漲。從方差分解結(jié)果看，土地價格對房價波動的貢獻率逐漸上升，在第10期達到21.2345%，表明土地價格對房價的影響隨著時間推移逐漸顯現(xiàn)，在長期內(nèi)對房價波動起著重要作用。貨幣供應量作用突出：貨幣供應量的變化對北京市房地產(chǎn)價格有著顯著影響。貨幣供應量增加時，房價迅速上升，這是因為貨幣供應量增加使得市場上資金充裕，購房者更容易獲得貸款，購房需求增加，同時開發(fā)商融資成本降低，刺激房地產(chǎn)開發(fā)投資，進而推動房價上漲。脈沖響應分析顯示，貨幣供應量對房價的影響在短期內(nèi)較為強烈，隨著時間推移逐漸減弱。方差分解結(jié)果表明，貨幣供應量對房價波動的貢獻率從第1期的0%上升到第10期的14.8765%，說明貨幣供應量是影響房價波動的重要因素之一，其變化對房價的影響在長期內(nèi)逐漸增強。居民可支配收入和GDP有一定影響：居民可支配收入的增加會推動房價上漲，但影響相對較為平緩且具有一定滯后性。居民可支配收入增加意味著居民購房支付能力增強，購房需求上升，從而帶動房價上漲。方差分解結(jié)果顯示，居民可支配收入對房價波動的貢獻率在第10期為6.4567%，說明其對房價波動有一定影響，但相對土地價格和貨幣供應量，貢獻較小。GDP的增長也會對房價產(chǎn)生正向影響，GDP增長反映經(jīng)濟發(fā)展，帶動就業(yè)和居民收入提高，吸引人口流入，增加購房需