论文部分内容阅读
摘要：居民消费水平是政府和公民共同关心的热点话题。房地产开发及与之相关的房价是近年来中国经济繁荣的重要驱动力，但学界并未关注其与微观层面居民消费水平之间的关系。基于中国1986-2018年的时间序列数据，运用向量自回归模型VAR对中国房地产开发与城市居民消费水平之间的关系进行了研究，结果发现：中国房地产开发是城市居民消费水平的格兰杰原因，且存在“互为格兰杰因果”关系;中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”關系，并据此提出了相应的政策建议与启示。
关键词：土地城市化;房地产开发;居民消费;冲击影响;VAR模型
中图分类号：F293.3 文献标识码：A
文章编号：1001-9138-（2021）02-0045-52 收稿日期：2021-01-15
作者简介：肖华，华中科技大学公共管理学院。
王蕾，义乌工商职业技术学院经济管理学院，JSPS博士后研究员，日本神户大学系统情报学研究科。
1 引言
居民生活水平与每个个体息息相关，也是学界和政界关心的热点社会话题。居民生活水平涵盖的内容和范围具有多元化和综合性的特征，一般来说，居民生活水平包括了居民的实际收入水平、消费水平和消费结构、劳动的社会条件和生产条件、社会服务的发达程度、闲暇时间的占有量和结构、卫生保健和教育普及程度等维度的内容。实践中，居民生活水平高低受多种因素影响，提升居民生活水平是每人体努力的方向，也是我国政府推动经济发展的落脚点。然而，随着中国土地城市化的快速推进，居民生活水平常常与城市房地产价格“挂钩相连”，这诱使我们关注一个问题：居民当前消费信心不足是否受到了当前中国房地产价格的冲击？中国房地产开发及其发展是如何冲击城市居民消费水平的？回答这些问题有助于丰富居民生活水平影响因素层面的文献和理论，也有助于为提高居民消费水平，推动双循环背景下的内驱动力研讨。为了回答上述问题，本文收集了中国1986-2018年的时间序列数据，运用向量自回归模型VAR进行探索，以明晰中国房地产开发对城市居民消费水平的冲击影响，为国家制定相关城镇发展战略、提高居民生活水平建言献策。
2 相关文献综述
提高居民消费水平是应对中国经济复杂局面，形成以国内大循环为主体，国际国内双循环相互促进新发展格局的关键。现有文献中，对居民消费水平现状的研究占大多数，如：孟静和曹荣林（2009）基于SPSS对江苏省居民消费水平的现状和差异进行了分析;夏甜（2012）对湖北省城市居民消费水平差异进行了探讨。佟孟华（1999）对辽宁省15个城市的居民消费水平进行了综合评价，并对提高居民消费水平，实现地区健康协调发展提供了参考意义。
除了对居民消费水平的影响因素进行探讨外，不少学者也聚焦于对居民消费水平影响因素进行探讨。学者张昊（2020）探讨了交通和通讯这两类基础设施建设对居民消费水平的影响，并以300多个地级市的面板数据为例实证了交通和通讯两类基础设施在提升城市居民消费水平上的促进作用。曾鹏和蔡悦灵（2018）研究了政府公共财政支出对居民消费水平的影响，在他们的研究中，人力资本是公共支出作用于城市居民消费水平提升的重要机制，三者之间存在着相互关系，通过增加公共支出和提升人力资本水平，能够提升城市居民的消费水平。俞月沁（2014）从宏观的视角探讨了新型城镇化战略选择对居民消费水平的影响，在她看来，居民消费水平受城市规模和城市空间布局影响，以中小城市为中心的城镇化战略能够有效提升居民消费水平。
总的来说，尽管学者对当前居民消费水平给予了足够的关注，但鲜有从房地产开发视角、房价提升维度入手，探讨其对居民消费水平的影响。在过去十多年间，高繁荣的房地产市场与高增长的房价给中国经济带来高GDP增速的同时，是否也对中国居民消费水平造成了冲击呢？此问题构成了本文的主要内容和创新点。
3 实证分析
3.1 数据来源与描述性统计
通常情况下，城市居民的生活水平与消费价格和能力以及收入水平等关系密切，而房地产开发投资总额体现城市扩张和发展的速度以及经济发展的水平。为探索中国房地产开发（自变量）对城市居民消费水平（因变量）的冲击影响，本文以1986-2018年的中国居民消费水平（记为cy）、房地产开发投资总额（记为iy）的时间序列数据为变量，构建向量自回归模型。各变量指标的基本解释如表1所示。本文的数据来源于中国财政部、中国国家税务总局。由于本文所研究的变量与“收入”相关，所以需要剔除价格带来的影响，因此，除了上述变量，本文还收集了城镇、农村居民消费价格指数（1978=100），由于房地产开发投资总额最早的时间序列数据仅能追踪到1986年，故将城镇、农村居民消费价格指数算成以1986年为基期的水平指数（1986=100）。采用城镇居民价格指数进行平减后的房地产开发投资总额、城镇居民消费水平分别记为piy、pcy;另外，为了消除可能存在的异方差性，对两个变量以及平减后的变量采取自然对数处理，分别记为lniy、lncy与lnpiy、lnpcy，并求取均值、最值及标准差。全文实证部分采取Stata16.0运行。
由表1可知，解释变量房地产开发投资总额iy的最小值仅为101亿元，而最大值高达120264亿元，被解释变量城镇居民消费水平cy的最值分别为872.000、33282.000元，可见如果将原始数据iy和cy直接纳入VAR模型进行回归，会因为异方差导致系数偏误，而且如果不消除价格的影响，无法得出较为准确的估计;由此，平减收入类变量是实证之前所必须的步骤，两变量存在统计单位的差异，需要采取对数化处理。为直观地反映两者的关系，分别将平减之前和之后的变量画出折线图如图1所示。首先，lncy与lniy的趋势特征与lnpiy和lnciy的趋势一致，但后者更小，即出现异方差的可能性被大大降低。其次，从时间趋势来看，1986-2018年期间，lnpiy在大约2004年之前的值要低于lnpcy，而之后逐渐拉大，形成“剪刀差”式的演化特征。 3.2 ADF平稳性检验
由于中国房地产开发对城市居民消费水平均为时间序列，而通常经济变量时间序列大都具有不平稳的特征，在回归之前，就必须进行平稳性检测;而检测时间序列平稳性最有效的方法是单位根检验，最经典的方法是ADF检验，检验结果见表2。结果可知，lncy序列都是非平稳的，其余的序列变量都平稳，为此采用lnpcy、lnpiy进入VAR模型，并进行格兰杰因果关系检验。
3.3 VAR模型构建与有效性分析
3.3.1 VAR模型一般形式
由于VAR模型常用于相互联系的时间序列系统的预测及分析随机扰动对变量系统的动态冲，从而描述各个经济冲击对经济变量的影响，选取VAR模型，表达式为（1）：
lnpcyi = β0 + β1·ln pcyi-1 + β2·lnpiyi +εi（i=1，2，3，…，n） （1）
其中，ln pcyi是k维度内生列向量：代表城市居民消费水平，ln pcyi是k维度外生列向量：代表城市居民消费水平，βi维待估系数矩阵，εi是k维随机干扰项。
3.3.2 VAR模型的階数选择
确定最佳滞后期是VAR模型有效性判断的必要步骤，依据常用的LL、LR、FPE、AIC、HQIC、SBIC等6个统计量，确定最佳滞后期如表3所示。结果显示，滞后4期的*号有5个，优势明显，故确定模型的最佳滞后期为4。最佳滞后期确定之后，构建模型VAR （4）进行回归，如表4所示;同时，还需要进一步检验模型VAR （4）的有效性。
由表4的结果可知，被解释变量城市居民消费水平受到了滞后2～4期的中国房地产开发的显著影响，系数分别为0.3089、-0.3666、0.2659;值得注意的是第二期的影响为负，表明中国房地产开发会在某一阶段内造成城市居民消费水平的下降。同时第一期房地产开发变量并不显著，表明在城市开发初期，并不会影响到该城市居民的消费水平。VAR模型的有效性还需进行检验，主要包括各阶系数的联合显著性检验和残差序列的白噪声检验。
3.3.3 VAR模型的相关检验
3.3.3.1 联合显著性检验与白噪声检验
VAR （4）模型的各阶系数的联合显著性检验结果显示，虽然表5中某一些阶数不显著，但所有的联合性检验结果均在5%或者1%的显著性水平下显著，这表明本文的VAR （4）构建合理。此外，为了检测残差项是否存在白噪声，进行残差项的序列相关性检验，检验结果见表6。
检验结果显示，滞后项的P值分别为0.6884、0.8362，则接受“没有白噪声”的原假设，表明本文构建的VAR （4）不存在较为严重的内生问题。即从计量上科学论证了中国房地产开发确实对城市居民消费水平造成了重要影响;另外，采用AR多项式特征判断模型有效性如图2所示。图中的蓝色点为特征根，很明显均在单位圆内，表明序列无自相关、平稳且意味着中国房地产开发对城市居民消费水平的冲击效应具有长期持续性，即模型有效，因此，可以进行IRF脉冲响应函数分解。
3.3.3.2 残差序列的正太分布检验
表7进一步对VAR （4）模型的残差项进行了Jarque-Bera、Skewness、Kurtosis 等三个正态分布检验。结果显示，所有的P值结果均可在5%的显著性水平上接受这三个变量的动正态分布的原假设：假设残差项不为正太分布。尽管找动项不服从正态分布对VAR模型本身的影响不大，但残差项的“正太性”使得结果不会偏离真实样本数生成过程，并且使得在做冲击效应研究时变得可信。
VAR模型的重要作用之一是进行预测，对1990年到2018年的中国房地产开发和城市居民消费水平的发展趋势预测来看，预测线forecast与实际线的基本趋势一样，能够较好的预测本文研究范围内的数字;那么在2020-2030年内，仍然可以看到中国房地产开发和城市居民消费水平保持同时上涨的趋势。虽然如此，中国房地产开发对城市居民消费水平的冲击产生怎样的动态影响无法获知，比如中国房地产开发程度每增加一个百分点，城市居民消费水平会变化多少和有多大的影响。此时，需要用到正交化冲响应函数;未正交化的脉冲响应函数无法厘清各变量冲击的单独影响，意义不大。但正交化的函数还会依赖于变量的排序。为此，分别考察中国房地产开发与城市居民消费水平变量之间的格兰杰因果关系如图3所示。
3.3.3.3 格兰杰因果关系检验
经济学家开拓了一种试图分析经济变量之间的格兰杰因果关系的办法，即格兰杰因果关系检验。该检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰（Clive W.J.Granger）所开创，用于分析经济变量之间的格兰杰因果关系。他给格兰杰因果关系的定义为“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差”。进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。在进行格兰杰因果关系检验之前首先应对各指标时间序列的平稳性进行单位根检验（前文已经进行了单位根检验）。常用增广的迪基-富勒检验（ADF检验）来分别对各指标序列的平稳性进行单位根检验，直接进行格兰杰因果关系检验结果如表8所示。
表8显示，在以城市居民消费水平（lnpcy）为被解释变量的方程中，如果检验变量中国房地产开发（lnpiy）系数的联合显著的卡方统计量为24.390，相应的P值为0.0000 （拒绝原假设），故可认为中国房地产开发（lnpiy）城市居民消费水平（lnpcy）的格兰杰原因。表8中的“ALL”表示同时检验所有自变量的联合显著性，由于本文只考虑中国房地产开发变量的影响，因此与单变量的结果一致。类似的，将中国房地产开发作为被解释变量，也可以得出类似的结果：城市居民消费水平（lnpcy）也是中国房地产开发（lnpiy）的格兰杰原因，可以进一步进行脉冲影响函数分析，由于“互为格兰杰因果”命题成立，需要考察中国房地产开发对城市居民消费水平的冲击效应以及反向冲击作用。 3.4 中国房地产开发对城市居民消费水平的冲击效应
脉冲响应函数是分析当一个误差项受到某种冲击、发生变化时对系统的动态影响如图4所示。图4中按照不同的时间段分了五个小图进行中国房地产开发对城市居民消费水平的冲击效应，依次即为Graph1-5。图中红色线表是0线，纵坐标表示冲击响应程度：也就是随着时间的推移，中国房地产开发程度的逐步加深对与城市居民消费水平的冲击影响。
从Graph1来看，中国房地产开发对城市居民消费水平的冲击效应持续到40期，但大约在第20期之后归于“平静”，也就是冲击效应较小，几乎为0。在第0～20期时，中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”关系（参见Graph5），也即是说，约在房地产开发的初期（第10期）以前，随着中国房地产开发程度的逐步提高，开发资金投入的持续加大，对应也逐渐提高了城市居民的消费水平：也可以说产生了“负面”作用，而当继续进行中国房地产开发与城市扩张时，这种对城市居民消费水平的冲击作用逐步降低（第10～20期时）。中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”关系与前人文献在“城乡收入差距与城市化（城市扩张）”关系时得出的结论一致。不仅如此，前人也采用VAR模型对城市土地价格波动对房地产业的影响进行了研究，应用广泛，结论可靠。
4 结论建议
居民消费水平提升是政府和公民共同关心的热点话题。房地产开发及与之相关的房价是近年来中国经济繁荣的重要驱动力，但学界并未关注其与微观层面的居民消费水平之间的关系。本文基于中国1986-2018年的时间序列数据，运用向量自回归模型VAR对中国房地产开发与城市居民消费水平之间的关系进行了研究，结果发现：第一，中国房地产开发是影响城市居民消费水平的格兰杰原因，且存在“互为格兰杰因果”关系。第二，中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”关系。这两点结论对于当前立足国内大循环，促进国内国际双循环的发展格局有着重要的启示意义。具体来说：第一，房地产开发是中国城镇化发展与经济快速增长的产物，一定程度上构成了新型城镇化发展的基石，尽管近年来发展过快的房地产也给中国经济发展，尤其是居民生活水平带来了不少负面影响，但经济平稳运行的大背景下，不必过度忧虑房地产开发带来的负面效应，尊重其本身发展的规律，并适当加以完善和调整，是政府和居民应共同持有的态度。第二，居民消费水平提升仍是需持续重视和投入的重点课题，除了鼓励居民从自身能力和水平出发提升自己在日益激烈竞争环境下的竞争力外，政府应从完善住房保障、维护房地产公平政策的发展秩序、提升居民收入水平、注重公民收入分配结构合情合理等途径出发，提升城乡居民收入水平。
参考文献：
1.孟静 曹荣林.基于SPSS的江苏省城市居民消费水平差异分析.河南科学.2009.27（05）
2.夏甜.基于SPSS的湖北省城市居民消费水平差异分析.现代经济信息.2012（01）
3.佟孟华.城市居民消费水平综合评价及分析.财经问题研究.1999.05
4.张昊.城市基础设施与居民消费水平——基于线上线下协同的促进机制.商业经济与管理.2020.03
5.曾鹏 蔡悦灵.公共支出对城市群居民消费水平的影响机制分析.统计与决策.2018.34（09）
6.俞月沁.新型城镇化战略选择对居民消费水平的影响分析.浙江工商大学.2015
7.高铁梅.计量经济学分析方法与建模.清华大学出版社.2009
8.易丹辉.数据分析與EViews应用.中国人民大学出版社.2007
9.陈强.高级计量经济学及Stata应用（第二版）.高等教育出版社.2014
10.姚志 谢云.城乡收入差距与城镇化“倒U型”系实证研究.统计与决策.2017.09
11.周京奎.城市土地价格波动对房地产业的影响——1999-2005年中国20城市的实证分析.当代经济科学.2006.04
关键词：土地城市化;房地产开发;居民消费;冲击影响;VAR模型
中图分类号：F293.3 文献标识码：A
文章编号：1001-9138-（2021）02-0045-52 收稿日期：2021-01-15
作者简介：肖华，华中科技大学公共管理学院。
王蕾，义乌工商职业技术学院经济管理学院，JSPS博士后研究员，日本神户大学系统情报学研究科。
1 引言
居民生活水平与每个个体息息相关，也是学界和政界关心的热点社会话题。居民生活水平涵盖的内容和范围具有多元化和综合性的特征，一般来说，居民生活水平包括了居民的实际收入水平、消费水平和消费结构、劳动的社会条件和生产条件、社会服务的发达程度、闲暇时间的占有量和结构、卫生保健和教育普及程度等维度的内容。实践中，居民生活水平高低受多种因素影响，提升居民生活水平是每人体努力的方向，也是我国政府推动经济发展的落脚点。然而，随着中国土地城市化的快速推进，居民生活水平常常与城市房地产价格“挂钩相连”，这诱使我们关注一个问题：居民当前消费信心不足是否受到了当前中国房地产价格的冲击？中国房地产开发及其发展是如何冲击城市居民消费水平的？回答这些问题有助于丰富居民生活水平影响因素层面的文献和理论，也有助于为提高居民消费水平，推动双循环背景下的内驱动力研讨。为了回答上述问题，本文收集了中国1986-2018年的时间序列数据，运用向量自回归模型VAR进行探索，以明晰中国房地产开发对城市居民消费水平的冲击影响，为国家制定相关城镇发展战略、提高居民生活水平建言献策。
2 相关文献综述
提高居民消费水平是应对中国经济复杂局面，形成以国内大循环为主体，国际国内双循环相互促进新发展格局的关键。现有文献中，对居民消费水平现状的研究占大多数，如：孟静和曹荣林（2009）基于SPSS对江苏省居民消费水平的现状和差异进行了分析;夏甜（2012）对湖北省城市居民消费水平差异进行了探讨。佟孟华（1999）对辽宁省15个城市的居民消费水平进行了综合评价，并对提高居民消费水平，实现地区健康协调发展提供了参考意义。
除了对居民消费水平的影响因素进行探讨外，不少学者也聚焦于对居民消费水平影响因素进行探讨。学者张昊（2020）探讨了交通和通讯这两类基础设施建设对居民消费水平的影响，并以300多个地级市的面板数据为例实证了交通和通讯两类基础设施在提升城市居民消费水平上的促进作用。曾鹏和蔡悦灵（2018）研究了政府公共财政支出对居民消费水平的影响，在他们的研究中，人力资本是公共支出作用于城市居民消费水平提升的重要机制，三者之间存在着相互关系，通过增加公共支出和提升人力资本水平，能够提升城市居民的消费水平。俞月沁（2014）从宏观的视角探讨了新型城镇化战略选择对居民消费水平的影响，在她看来，居民消费水平受城市规模和城市空间布局影响，以中小城市为中心的城镇化战略能够有效提升居民消费水平。
总的来说，尽管学者对当前居民消费水平给予了足够的关注，但鲜有从房地产开发视角、房价提升维度入手，探讨其对居民消费水平的影响。在过去十多年间，高繁荣的房地产市场与高增长的房价给中国经济带来高GDP增速的同时，是否也对中国居民消费水平造成了冲击呢？此问题构成了本文的主要内容和创新点。
3 实证分析
3.1 数据来源与描述性统计
通常情况下，城市居民的生活水平与消费价格和能力以及收入水平等关系密切，而房地产开发投资总额体现城市扩张和发展的速度以及经济发展的水平。为探索中国房地产开发（自变量）对城市居民消费水平（因变量）的冲击影响，本文以1986-2018年的中国居民消费水平（记为cy）、房地产开发投资总额（记为iy）的时间序列数据为变量，构建向量自回归模型。各变量指标的基本解释如表1所示。本文的数据来源于中国财政部、中国国家税务总局。由于本文所研究的变量与“收入”相关，所以需要剔除价格带来的影响，因此，除了上述变量，本文还收集了城镇、农村居民消费价格指数（1978=100），由于房地产开发投资总额最早的时间序列数据仅能追踪到1986年，故将城镇、农村居民消费价格指数算成以1986年为基期的水平指数（1986=100）。采用城镇居民价格指数进行平减后的房地产开发投资总额、城镇居民消费水平分别记为piy、pcy;另外，为了消除可能存在的异方差性，对两个变量以及平减后的变量采取自然对数处理，分别记为lniy、lncy与lnpiy、lnpcy，并求取均值、最值及标准差。全文实证部分采取Stata16.0运行。
由表1可知，解释变量房地产开发投资总额iy的最小值仅为101亿元，而最大值高达120264亿元，被解释变量城镇居民消费水平cy的最值分别为872.000、33282.000元，可见如果将原始数据iy和cy直接纳入VAR模型进行回归，会因为异方差导致系数偏误，而且如果不消除价格的影响，无法得出较为准确的估计;由此，平减收入类变量是实证之前所必须的步骤，两变量存在统计单位的差异，需要采取对数化处理。为直观地反映两者的关系，分别将平减之前和之后的变量画出折线图如图1所示。首先，lncy与lniy的趋势特征与lnpiy和lnciy的趋势一致，但后者更小，即出现异方差的可能性被大大降低。其次，从时间趋势来看，1986-2018年期间，lnpiy在大约2004年之前的值要低于lnpcy，而之后逐渐拉大，形成“剪刀差”式的演化特征。 3.2 ADF平稳性检验
由于中国房地产开发对城市居民消费水平均为时间序列，而通常经济变量时间序列大都具有不平稳的特征，在回归之前，就必须进行平稳性检测;而检测时间序列平稳性最有效的方法是单位根检验，最经典的方法是ADF检验，检验结果见表2。结果可知，lncy序列都是非平稳的，其余的序列变量都平稳，为此采用lnpcy、lnpiy进入VAR模型，并进行格兰杰因果关系检验。
3.3 VAR模型构建与有效性分析
3.3.1 VAR模型一般形式
由于VAR模型常用于相互联系的时间序列系统的预测及分析随机扰动对变量系统的动态冲，从而描述各个经济冲击对经济变量的影响，选取VAR模型，表达式为（1）：
lnpcyi = β0 + β1·ln pcyi-1 + β2·lnpiyi +εi（i=1，2，3，…，n） （1）
其中，ln pcyi是k维度内生列向量：代表城市居民消费水平，ln pcyi是k维度外生列向量：代表城市居民消费水平，βi维待估系数矩阵，εi是k维随机干扰项。
3.3.2 VAR模型的階数选择
确定最佳滞后期是VAR模型有效性判断的必要步骤，依据常用的LL、LR、FPE、AIC、HQIC、SBIC等6个统计量，确定最佳滞后期如表3所示。结果显示，滞后4期的*号有5个，优势明显，故确定模型的最佳滞后期为4。最佳滞后期确定之后，构建模型VAR （4）进行回归，如表4所示;同时，还需要进一步检验模型VAR （4）的有效性。
由表4的结果可知，被解释变量城市居民消费水平受到了滞后2～4期的中国房地产开发的显著影响，系数分别为0.3089、-0.3666、0.2659;值得注意的是第二期的影响为负，表明中国房地产开发会在某一阶段内造成城市居民消费水平的下降。同时第一期房地产开发变量并不显著，表明在城市开发初期，并不会影响到该城市居民的消费水平。VAR模型的有效性还需进行检验，主要包括各阶系数的联合显著性检验和残差序列的白噪声检验。
3.3.3 VAR模型的相关检验
3.3.3.1 联合显著性检验与白噪声检验
VAR （4）模型的各阶系数的联合显著性检验结果显示，虽然表5中某一些阶数不显著，但所有的联合性检验结果均在5%或者1%的显著性水平下显著，这表明本文的VAR （4）构建合理。此外，为了检测残差项是否存在白噪声，进行残差项的序列相关性检验，检验结果见表6。
检验结果显示，滞后项的P值分别为0.6884、0.8362，则接受“没有白噪声”的原假设，表明本文构建的VAR （4）不存在较为严重的内生问题。即从计量上科学论证了中国房地产开发确实对城市居民消费水平造成了重要影响;另外，采用AR多项式特征判断模型有效性如图2所示。图中的蓝色点为特征根，很明显均在单位圆内，表明序列无自相关、平稳且意味着中国房地产开发对城市居民消费水平的冲击效应具有长期持续性，即模型有效，因此，可以进行IRF脉冲响应函数分解。
3.3.3.2 残差序列的正太分布检验
表7进一步对VAR （4）模型的残差项进行了Jarque-Bera、Skewness、Kurtosis 等三个正态分布检验。结果显示，所有的P值结果均可在5%的显著性水平上接受这三个变量的动正态分布的原假设：假设残差项不为正太分布。尽管找动项不服从正态分布对VAR模型本身的影响不大，但残差项的“正太性”使得结果不会偏离真实样本数生成过程，并且使得在做冲击效应研究时变得可信。
VAR模型的重要作用之一是进行预测，对1990年到2018年的中国房地产开发和城市居民消费水平的发展趋势预测来看，预测线forecast与实际线的基本趋势一样，能够较好的预测本文研究范围内的数字;那么在2020-2030年内，仍然可以看到中国房地产开发和城市居民消费水平保持同时上涨的趋势。虽然如此，中国房地产开发对城市居民消费水平的冲击产生怎样的动态影响无法获知，比如中国房地产开发程度每增加一个百分点，城市居民消费水平会变化多少和有多大的影响。此时，需要用到正交化冲响应函数;未正交化的脉冲响应函数无法厘清各变量冲击的单独影响，意义不大。但正交化的函数还会依赖于变量的排序。为此，分别考察中国房地产开发与城市居民消费水平变量之间的格兰杰因果关系如图3所示。
3.3.3.3 格兰杰因果关系检验
经济学家开拓了一种试图分析经济变量之间的格兰杰因果关系的办法，即格兰杰因果关系检验。该检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰（Clive W.J.Granger）所开创，用于分析经济变量之间的格兰杰因果关系。他给格兰杰因果关系的定义为“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差”。进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。在进行格兰杰因果关系检验之前首先应对各指标时间序列的平稳性进行单位根检验（前文已经进行了单位根检验）。常用增广的迪基-富勒检验（ADF检验）来分别对各指标序列的平稳性进行单位根检验，直接进行格兰杰因果关系检验结果如表8所示。
表8显示，在以城市居民消费水平（lnpcy）为被解释变量的方程中，如果检验变量中国房地产开发（lnpiy）系数的联合显著的卡方统计量为24.390，相应的P值为0.0000 （拒绝原假设），故可认为中国房地产开发（lnpiy）城市居民消费水平（lnpcy）的格兰杰原因。表8中的“ALL”表示同时检验所有自变量的联合显著性，由于本文只考虑中国房地产开发变量的影响，因此与单变量的结果一致。类似的，将中国房地产开发作为被解释变量，也可以得出类似的结果：城市居民消费水平（lnpcy）也是中国房地产开发（lnpiy）的格兰杰原因，可以进一步进行脉冲影响函数分析，由于“互为格兰杰因果”命题成立，需要考察中国房地产开发对城市居民消费水平的冲击效应以及反向冲击作用。 3.4 中国房地产开发对城市居民消费水平的冲击效应
脉冲响应函数是分析当一个误差项受到某种冲击、发生变化时对系统的动态影响如图4所示。图4中按照不同的时间段分了五个小图进行中国房地产开发对城市居民消费水平的冲击效应，依次即为Graph1-5。图中红色线表是0线，纵坐标表示冲击响应程度：也就是随着时间的推移，中国房地产开发程度的逐步加深对与城市居民消费水平的冲击影响。
从Graph1来看，中国房地产开发对城市居民消费水平的冲击效应持续到40期，但大约在第20期之后归于“平静”，也就是冲击效应较小，几乎为0。在第0～20期时，中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”关系（参见Graph5），也即是说，约在房地产开发的初期（第10期）以前，随着中国房地产开发程度的逐步提高，开发资金投入的持续加大，对应也逐渐提高了城市居民的消费水平：也可以说产生了“负面”作用，而当继续进行中国房地产开发与城市扩张时，这种对城市居民消费水平的冲击作用逐步降低（第10～20期时）。中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”关系与前人文献在“城乡收入差距与城市化（城市扩张）”关系时得出的结论一致。不仅如此，前人也采用VAR模型对城市土地价格波动对房地产业的影响进行了研究，应用广泛，结论可靠。
4 结论建议
居民消费水平提升是政府和公民共同关心的热点话题。房地产开发及与之相关的房价是近年来中国经济繁荣的重要驱动力，但学界并未关注其与微观层面的居民消费水平之间的关系。本文基于中国1986-2018年的时间序列数据，运用向量自回归模型VAR对中国房地产开发与城市居民消费水平之间的关系进行了研究，结果发现：第一，中国房地产开发是影响城市居民消费水平的格兰杰原因，且存在“互为格兰杰因果”关系。第二，中国房地产开发对城市居民消费水平的冲击效应呈现出了一个“倒U型”关系。这两点结论对于当前立足国内大循环，促进国内国际双循环的发展格局有着重要的启示意义。具体来说：第一，房地产开发是中国城镇化发展与经济快速增长的产物，一定程度上构成了新型城镇化发展的基石，尽管近年来发展过快的房地产也给中国经济发展，尤其是居民生活水平带来了不少负面影响，但经济平稳运行的大背景下，不必过度忧虑房地产开发带来的负面效应，尊重其本身发展的规律，并适当加以完善和调整，是政府和居民应共同持有的态度。第二，居民消费水平提升仍是需持续重视和投入的重点课题，除了鼓励居民从自身能力和水平出发提升自己在日益激烈竞争环境下的竞争力外，政府应从完善住房保障、维护房地产公平政策的发展秩序、提升居民收入水平、注重公民收入分配结构合情合理等途径出发，提升城乡居民收入水平。
参考文献：
1.孟静 曹荣林.基于SPSS的江苏省城市居民消费水平差异分析.河南科学.2009.27（05）
2.夏甜.基于SPSS的湖北省城市居民消费水平差异分析.现代经济信息.2012（01）
3.佟孟华.城市居民消费水平综合评价及分析.财经问题研究.1999.05
4.张昊.城市基础设施与居民消费水平——基于线上线下协同的促进机制.商业经济与管理.2020.03
5.曾鹏 蔡悦灵.公共支出对城市群居民消费水平的影响机制分析.统计与决策.2018.34（09）
6.俞月沁.新型城镇化战略选择对居民消费水平的影响分析.浙江工商大学.2015
7.高铁梅.计量经济学分析方法与建模.清华大学出版社.2009
8.易丹辉.数据分析與EViews应用.中国人民大学出版社.2007
9.陈强.高级计量经济学及Stata应用（第二版）.高等教育出版社.2014
10.姚志 谢云.城乡收入差距与城镇化“倒U型”系实证研究.统计与决策.2017.09
11.周京奎.城市土地价格波动对房地产业的影响——1999-2005年中国20城市的实证分析.当代经济科学.2006.04