论文部分内容阅读
【摘要】本文在基于1998年房地产业才开始进行商品房的改革，所以选用2000年到2010年11年华东7个省际外商实际直接投资额FDI与商品房平均销售价格HP的年度面板数据，分析外商直接投资额对房地产价格的影响，通过建立固定效应变截距模型分析FDI与HP之间的关系，通过格兰杰因果关系检验，得出房价变动引起外商直接投资额的变动的单向因果关系，最后针对一系列理论和实证研究结果提出政府应该寻找其他影响房地产价格的关键因素来控制房价，通过合理地控制房价水平，从而更好的进行房地产业的招商引资。
【关键词】外商直接投资 房地产价格 面板数据
一、研究背景
我国房地产市场飞速发展，逐渐成为各地经济发展的引擎，这得益于对房地产市场进行的大量投资，其中外商直接投资在房地产投资中的比重不容小觑。据国家统计局2011年按行业分的实际利用外商直接投资金额中，房地产业外商直接投资额占外商总投资的23.17%（见图1），成为仅次于制造业的第二大吸收外资产业。外商直接投资为我国房地产业的发展提供了资金动力，促进了房地产市场的繁荣；同时，国际资本中的投机性资本过度流入也易造成房价的巨幅波动，催生我国房地产市场的泡沫。鉴于房地产具有与各产业关联度高的特点，其风险很容易波及到其他产业，进而影响整个国民经济的安全和社会的稳定，1997年亚洲金融风暴中国际资本大量撤离对日本房地产业的重创就是最好的佐证。因此，在当前我国房价虚高、泡沫积聚的情况下，研究房地产和外商直接投资的关系走向是否具有联动效应，对于解决房地产业面临的问题和引导国际资本的流入具有重要的理论和实践意义。
二、文献综述
由于我国房地产价格的快速增长，对房地产价格的研究引起各方的重视，房地产价格受到很多复杂的因素影响，国内外学者在这方面进行了很多的研究。
关于外商直接投资对房地产的影响因素，国外学者主要从以下三个方面进行研究，第一，外商直接投资进入房地产业的原因研究，Farrell（2006）研究了日本1985年～2004年外商投资原因，发现良好的金融环境是外商直接投资房地产的主要原因；第二，外商直接投资房地产业的风险和回报研究，Hoeslim，Lekander.J和Witkiewicz.W（2004）利用分布于三大洲的7个国家1987～2001年的数据研究了房地产的投资回报，认为房地产是多元化投资组合中的一个有效资产；第三，对外商直接投资房地产业所产生的影响研究，Savant（2006）对印度外商直接投资房地产的指导政策进行了分析，认为房地产业利用外资有利于促进竞争，引进先进技术，带动国内投资。
自从1998年我国取消福利分房以来，房地产业得到迅猛发展，伴随着改革开放的不断深入，越来越多的外资进入我国市场，关于房价与外商投资之间的关系，国内研究者关注的焦点主要集中在焦点主要是外资的进入究竟会产生什么影响，为什么要限制外资进入本国房地产，外资进入本国房地产的目的何在，外资大量进入到中国房地产企业具体会产生哪些正、负面影响等方面。具体的研究主要从以下四个方面进行研究，第一，关于外商直接投资进入房地产的原因研究，赵琼（2010年）认为美国实际利率的不断下降，而人民币名义利率较高，使国内出现套利空间，以及美元持续贬值，国际热钱急于寻找出口，新兴市场成为热钱流入的目的地。基于这些因素影响，热钱大量流入我国；第二，外资进入对房地产业的积极影响研究，冷霜（2007）认为外资流入我国房地产不仅给我国带来学习效应和合作效应，更有利于提高我国房地产企业的经营管理水平和房地产企业更新投资理念，小华（2009）认为外资的进入提高了房地产企业经营能力，促进房地产设计、施工、开发、中介和房地产金融等各领域的成熟和发展；第三，限制外资进入房地产的原因研究，赵海成（2004）认为外资大量流入房地产业加剧了我国房地产市场的供求结构失衡，大量的短期资本流入房地产市场，还会带来投机活动的高涨，产生“羊群效应”，促使房地产泡沫膨胀；第四，现行政策的收效及其原因研究，饶玮、刘颖圆认为我国采取的限制外资进入我国房地产业的措施收效不大，由于我国房地产需求仍然非常旺盛，投资我国房地产不仅可以获得巨额回报，还可享受人民币升值的附加收益加之税收优惠政策，大量外资涌向中国房地产业的局面可能仍会持续。
目前外商直接投资对房地产价格的影响，很多都是采用时间序列数据进行研究，而利用省际面板数据进行的实证研究相对较少，本文利用华东地区近几年的面板数据研究这两者之间的关系。
三、变量的选取
本篇文章涉及的变量有FDI代表房地产业外商直接投资额，HP是商品房平均销售销售价格，用HP来代表房地产价格，SLR代表金融机构一年期法定贷款利率，用该指标控制国家宏观经济变量，具体见表1。
四、数据及处理
本文选取了2000年～2010年11年的华东地区7个省份的房地产业实际利用外商投资直接额和商品房平均销售价格的对应数据，数据来源于2001年至2011年各年份的《中国房地产统计年鉴》，选取2000年～2010年各年度最后一次调整的国家一年期法定贷款利率，数据来源于各年的中国统计年鉴。为了排除物价波动的影响，用1978年为基期的各年居民消费价格指数（数据来源于国家统计局），对所有相关变量进行指数平减，同时为消除面板数据截面所产生的异方差影响，所有变量取自然对数。
五、模型及处理
针对面板数据的模型，主要有固定效应模型和随机效应模型，他们分别又分为定截距项模型和变截距项模型，本文利用相关数据和Eviews软件进行模型选择的相关分析，得出本文所涉及的面板数据适合使用固定效应变截距模型，具体的分析过程见下文。
为了研究外商直接投资实际使用额FDI是如何决定房地产价格HP，首先假定数据适合使用固定变截距模型，居于此假设，建立如下变截距的面板数据模型： 为了判断选择变截距模型是否适合这个面板数据，还需要估计一个混合回归模型，即假定模型（1）中截距项在所有的截面成员上都是相同的，即假定αi=α。混合回归模型的形式如下：
LNHPit=αi+β1LNFDIit+β2LNSLRit+μit （2）
i=1，2，3，4，5，6，7 t=2000，2001，……，2010
（一）固定效应变截距模型估计
固定变截距模型的估计结果如下表2：
常数项的估计值为4.4816，其t统计量在1%的显著水平下显著；它表示在7个截面成员地区的取对数后房价的平均水平（下面简称平均自发房价）。解释变量LGFDI的系数估计值为0.1736，它的t统计量非常显著。由于估计的是变截距模型，因此这个解释变量的系数估计值对7个截面成员地区都是相同的。因为解释变量的系数估计值为正数，说明LGFDI对LGHP有正的影响。LNSLR系数为1.2191，P值也很小，该系数统计显著，估计系数为正数，表明贷款利率也对房价也有正的影响。
Fixed Effects（Cross）列给出的是7个截面成员地区的自发房价水平相对于平均自发房价（常数项C）的偏离，用于反映7个地区之间的自发房价结构差异。其中，上海地区的自发房价水平最高，浙江地区次之，福建最低，各地区自发的房价水平之间的差异是由每个地区独特的环境所引起的，上海和浙江的商业化水平总体较高，自然房价也较高。
根据表2结果，固定效应变截距模型的估计结果如下：
（二）混合回归模型估计
利用Eviews软件中固定效应模型的冗余变量似然比检验，结果如表3。
表3 固定效应模型的冗余变量似然比检验
根据表3所示的结果，混合回归模型的估计结果：
从表3可以看到，混合回归模型的所有参数估计值的t统计量对应的P值都非常小，在1%的检验水平上都是显著的。解释变量LNFDIit和LNSLRit的系数估计值为正，说明外商直接投资和一年期法定贷款利率都对对房价有正的影响。
与混合回归模型对比，固定效应变截距模型是一个无约束的模型，了进一步检验是变截距模型还是混合回归模型更适合，进行受约束F检验，结果如表2所示，因为F统计量和LR统计量对应的概率值非常小，故拒绝“固定效应变截距模型是冗余的”原假设，表明与固定效应变截距模型相比，混合回归模型是无效的，即可以拒绝“7个地区的截距项是相同的”假定。
综合上述模型（1）、（2）对比，本文选择变截距模型。接下来是固定效应变截距模型和随机效应变截距模型的选择问题，具体选择依据见下文的相关检验。
（三）随机效应变截距模型估计
首先，假设数据服从随机效应变截距模型，利用Eiews软件进行相关的估计，结果如表5所示，常数项和解释变量的系数估计都显著且为正数，与表2的数据对比，解释变量的系数估计值与固定效应的估计值很相近。
（四）固定效应模型和随机效应模型的对比
为了确定固定效应模型和随机效应模型哪个模型更合适，利用Eviews进行随机效应的Hausman检验，结果如表6所示：
从上图可以看出，解释变量的系数估计值较接近，固定效应模型和随机效应模型中的LNFDI系数估计值分别为0.1736和00.1983，概率P为0.0294。
Hausman随机效应检验的原假设是：固定效应模型和随机效应模型的估计量没有实质的差异，其检验统计量服从自由度为2的x2分布。从上表7可以看到检验统计量等于4.74601，其概率值P为0.0932，因此在5%的显著水平上不能拒绝检验原假设，即固定效应模型和随机效应模型的估计量没有实质差异，所以本文采用固定效应模型。
综上所述，本篇文章理论模型选用固定效应变系数模型。即房价、外商直接投资、一年期法定贷款利率之间的回归方程如下：
六、结论与建议
根据上文的实证检验结果，可以得出如下结论：
华东7个地区关于外商直接投资额、房地产价格和一年期法定贷款利率之间的省级面板数据，适合使用固定效应变截距模型来进行相关的分析。经过一系列的分析，我们可以知道是一个地区的外商直接投资额和一年期贷款利率都会引起该地区房地产价格的变动。外商直接投资额越高，房地产价格越高，一年期法定贷款利率越高，房地产价格越高。
根据以上结论，本文提出如下建议：
一是房地产业的外商直接投资额，会炒高一个地区的房地产价格，外商地方政府要想控制当地房价，就要合理控制外商在房地产业的直接投资额，可以对这部门呢资金进行合理引流，引导外商直接投资于其他更需要资金流的行业，在保证引进外资总量不变的情况下，合理调整外资资金利用结构，从而提高该地区综合经济水平。
二是国家一年期法定贷款利率会提高房地产价格，所以国家在调整法定贷款利率时，要考虑其对房价可能造成的影响，近年来，国家出台了很多调控房地产价格的法律条款，但是高房价问题始终没得到解决，为此，国家在出门相关政策时可以结合金融机构法定贷款利率考虑这个问题。
三是影响房地产价格的因素还有很多，除了外商直接投资，金融机构一年期法定贷款利率外，还有许多可能因素，国政府要想从根本上解决问题，还要对影响房价的因素进行更深更广程度研究，做到对症下药。
参考文献
[1]范东君，单良.FD I对我国房地产价格影响的实证研究——基于省际面板数据分析[J].云南财经大学学报，2009年第2期.
[2]赵琼.国际资本流动对我国房地产价格的影响分析[J].技术经济与管理研究，2010年第3期.
[3]孙伟.国际资本流动与房地产价格关系的实证研究[J].全国贸易经济类核心期刊，2008.P93.
[4]周江虹.外商投资对我国住房价格影响的实证研究[D].[湖南大学学位论文].长沙：湖南大学，2010.
[5]樊欢欢.Eviews统计分析与应用[M].机械工业出版社，2011， 287-333.
[6]宋勃，高波.国际资本流动对房地产价格的影响[J].金融与投资，2006年.
[7]刘红梅.外商投资对我国房地产价格的影响研究[D].[湖南大学硕士学位论文].湖南大学，2009年.
[8]戎雪.外商直接投资（FDI对我国房地产市场的影响分析[D].[华中科技大学硕士学位论文].华中科技大学，2008.
作者简介：林银瑞（1989-），女，汉族，福建莆田人，福州大学统计学研究生，研究方向：金融统计。
【关键词】外商直接投资 房地产价格 面板数据
一、研究背景
我国房地产市场飞速发展，逐渐成为各地经济发展的引擎，这得益于对房地产市场进行的大量投资，其中外商直接投资在房地产投资中的比重不容小觑。据国家统计局2011年按行业分的实际利用外商直接投资金额中，房地产业外商直接投资额占外商总投资的23.17%（见图1），成为仅次于制造业的第二大吸收外资产业。外商直接投资为我国房地产业的发展提供了资金动力，促进了房地产市场的繁荣；同时，国际资本中的投机性资本过度流入也易造成房价的巨幅波动，催生我国房地产市场的泡沫。鉴于房地产具有与各产业关联度高的特点，其风险很容易波及到其他产业，进而影响整个国民经济的安全和社会的稳定，1997年亚洲金融风暴中国际资本大量撤离对日本房地产业的重创就是最好的佐证。因此，在当前我国房价虚高、泡沫积聚的情况下，研究房地产和外商直接投资的关系走向是否具有联动效应，对于解决房地产业面临的问题和引导国际资本的流入具有重要的理论和实践意义。
二、文献综述
由于我国房地产价格的快速增长，对房地产价格的研究引起各方的重视，房地产价格受到很多复杂的因素影响，国内外学者在这方面进行了很多的研究。
关于外商直接投资对房地产的影响因素，国外学者主要从以下三个方面进行研究，第一，外商直接投资进入房地产业的原因研究，Farrell（2006）研究了日本1985年～2004年外商投资原因，发现良好的金融环境是外商直接投资房地产的主要原因；第二，外商直接投资房地产业的风险和回报研究，Hoeslim，Lekander.J和Witkiewicz.W（2004）利用分布于三大洲的7个国家1987～2001年的数据研究了房地产的投资回报，认为房地产是多元化投资组合中的一个有效资产；第三，对外商直接投资房地产业所产生的影响研究，Savant（2006）对印度外商直接投资房地产的指导政策进行了分析，认为房地产业利用外资有利于促进竞争，引进先进技术，带动国内投资。
自从1998年我国取消福利分房以来，房地产业得到迅猛发展，伴随着改革开放的不断深入，越来越多的外资进入我国市场，关于房价与外商投资之间的关系，国内研究者关注的焦点主要集中在焦点主要是外资的进入究竟会产生什么影响，为什么要限制外资进入本国房地产，外资进入本国房地产的目的何在，外资大量进入到中国房地产企业具体会产生哪些正、负面影响等方面。具体的研究主要从以下四个方面进行研究，第一，关于外商直接投资进入房地产的原因研究，赵琼（2010年）认为美国实际利率的不断下降，而人民币名义利率较高，使国内出现套利空间，以及美元持续贬值，国际热钱急于寻找出口，新兴市场成为热钱流入的目的地。基于这些因素影响，热钱大量流入我国；第二，外资进入对房地产业的积极影响研究，冷霜（2007）认为外资流入我国房地产不仅给我国带来学习效应和合作效应，更有利于提高我国房地产企业的经营管理水平和房地产企业更新投资理念，小华（2009）认为外资的进入提高了房地产企业经营能力，促进房地产设计、施工、开发、中介和房地产金融等各领域的成熟和发展；第三，限制外资进入房地产的原因研究，赵海成（2004）认为外资大量流入房地产业加剧了我国房地产市场的供求结构失衡，大量的短期资本流入房地产市场，还会带来投机活动的高涨，产生“羊群效应”，促使房地产泡沫膨胀；第四，现行政策的收效及其原因研究，饶玮、刘颖圆认为我国采取的限制外资进入我国房地产业的措施收效不大，由于我国房地产需求仍然非常旺盛，投资我国房地产不仅可以获得巨额回报，还可享受人民币升值的附加收益加之税收优惠政策，大量外资涌向中国房地产业的局面可能仍会持续。
目前外商直接投资对房地产价格的影响，很多都是采用时间序列数据进行研究，而利用省际面板数据进行的实证研究相对较少，本文利用华东地区近几年的面板数据研究这两者之间的关系。
三、变量的选取
本篇文章涉及的变量有FDI代表房地产业外商直接投资额，HP是商品房平均销售销售价格，用HP来代表房地产价格，SLR代表金融机构一年期法定贷款利率，用该指标控制国家宏观经济变量，具体见表1。
四、数据及处理
本文选取了2000年～2010年11年的华东地区7个省份的房地产业实际利用外商投资直接额和商品房平均销售价格的对应数据，数据来源于2001年至2011年各年份的《中国房地产统计年鉴》，选取2000年～2010年各年度最后一次调整的国家一年期法定贷款利率，数据来源于各年的中国统计年鉴。为了排除物价波动的影响，用1978年为基期的各年居民消费价格指数（数据来源于国家统计局），对所有相关变量进行指数平减，同时为消除面板数据截面所产生的异方差影响，所有变量取自然对数。
五、模型及处理
针对面板数据的模型，主要有固定效应模型和随机效应模型，他们分别又分为定截距项模型和变截距项模型，本文利用相关数据和Eviews软件进行模型选择的相关分析，得出本文所涉及的面板数据适合使用固定效应变截距模型，具体的分析过程见下文。
为了研究外商直接投资实际使用额FDI是如何决定房地产价格HP，首先假定数据适合使用固定变截距模型，居于此假设，建立如下变截距的面板数据模型： 为了判断选择变截距模型是否适合这个面板数据，还需要估计一个混合回归模型，即假定模型（1）中截距项在所有的截面成员上都是相同的，即假定αi=α。混合回归模型的形式如下：
LNHPit=αi+β1LNFDIit+β2LNSLRit+μit （2）
i=1，2，3，4，5，6，7 t=2000，2001，……，2010
（一）固定效应变截距模型估计
固定变截距模型的估计结果如下表2：
常数项的估计值为4.4816，其t统计量在1%的显著水平下显著；它表示在7个截面成员地区的取对数后房价的平均水平（下面简称平均自发房价）。解释变量LGFDI的系数估计值为0.1736，它的t统计量非常显著。由于估计的是变截距模型，因此这个解释变量的系数估计值对7个截面成员地区都是相同的。因为解释变量的系数估计值为正数，说明LGFDI对LGHP有正的影响。LNSLR系数为1.2191，P值也很小，该系数统计显著，估计系数为正数，表明贷款利率也对房价也有正的影响。
Fixed Effects（Cross）列给出的是7个截面成员地区的自发房价水平相对于平均自发房价（常数项C）的偏离，用于反映7个地区之间的自发房价结构差异。其中，上海地区的自发房价水平最高，浙江地区次之，福建最低，各地区自发的房价水平之间的差异是由每个地区独特的环境所引起的，上海和浙江的商业化水平总体较高，自然房价也较高。
根据表2结果，固定效应变截距模型的估计结果如下：
（二）混合回归模型估计
利用Eviews软件中固定效应模型的冗余变量似然比检验，结果如表3。
表3 固定效应模型的冗余变量似然比检验
根据表3所示的结果，混合回归模型的估计结果：
从表3可以看到，混合回归模型的所有参数估计值的t统计量对应的P值都非常小，在1%的检验水平上都是显著的。解释变量LNFDIit和LNSLRit的系数估计值为正，说明外商直接投资和一年期法定贷款利率都对对房价有正的影响。
与混合回归模型对比，固定效应变截距模型是一个无约束的模型，了进一步检验是变截距模型还是混合回归模型更适合，进行受约束F检验，结果如表2所示，因为F统计量和LR统计量对应的概率值非常小，故拒绝“固定效应变截距模型是冗余的”原假设，表明与固定效应变截距模型相比，混合回归模型是无效的，即可以拒绝“7个地区的截距项是相同的”假定。
综合上述模型（1）、（2）对比，本文选择变截距模型。接下来是固定效应变截距模型和随机效应变截距模型的选择问题，具体选择依据见下文的相关检验。
（三）随机效应变截距模型估计
首先，假设数据服从随机效应变截距模型，利用Eiews软件进行相关的估计，结果如表5所示，常数项和解释变量的系数估计都显著且为正数，与表2的数据对比，解释变量的系数估计值与固定效应的估计值很相近。
（四）固定效应模型和随机效应模型的对比
为了确定固定效应模型和随机效应模型哪个模型更合适，利用Eviews进行随机效应的Hausman检验，结果如表6所示：
从上图可以看出，解释变量的系数估计值较接近，固定效应模型和随机效应模型中的LNFDI系数估计值分别为0.1736和00.1983，概率P为0.0294。
Hausman随机效应检验的原假设是：固定效应模型和随机效应模型的估计量没有实质的差异，其检验统计量服从自由度为2的x2分布。从上表7可以看到检验统计量等于4.74601，其概率值P为0.0932，因此在5%的显著水平上不能拒绝检验原假设，即固定效应模型和随机效应模型的估计量没有实质差异，所以本文采用固定效应模型。
综上所述，本篇文章理论模型选用固定效应变系数模型。即房价、外商直接投资、一年期法定贷款利率之间的回归方程如下：
六、结论与建议
根据上文的实证检验结果，可以得出如下结论：
华东7个地区关于外商直接投资额、房地产价格和一年期法定贷款利率之间的省级面板数据，适合使用固定效应变截距模型来进行相关的分析。经过一系列的分析，我们可以知道是一个地区的外商直接投资额和一年期贷款利率都会引起该地区房地产价格的变动。外商直接投资额越高，房地产价格越高，一年期法定贷款利率越高，房地产价格越高。
根据以上结论，本文提出如下建议：
一是房地产业的外商直接投资额，会炒高一个地区的房地产价格，外商地方政府要想控制当地房价，就要合理控制外商在房地产业的直接投资额，可以对这部门呢资金进行合理引流，引导外商直接投资于其他更需要资金流的行业，在保证引进外资总量不变的情况下，合理调整外资资金利用结构，从而提高该地区综合经济水平。
二是国家一年期法定贷款利率会提高房地产价格，所以国家在调整法定贷款利率时，要考虑其对房价可能造成的影响，近年来，国家出台了很多调控房地产价格的法律条款，但是高房价问题始终没得到解决，为此，国家在出门相关政策时可以结合金融机构法定贷款利率考虑这个问题。
三是影响房地产价格的因素还有很多，除了外商直接投资，金融机构一年期法定贷款利率外，还有许多可能因素，国政府要想从根本上解决问题，还要对影响房价的因素进行更深更广程度研究，做到对症下药。
参考文献
[1]范东君，单良.FD I对我国房地产价格影响的实证研究——基于省际面板数据分析[J].云南财经大学学报，2009年第2期.
[2]赵琼.国际资本流动对我国房地产价格的影响分析[J].技术经济与管理研究，2010年第3期.
[3]孙伟.国际资本流动与房地产价格关系的实证研究[J].全国贸易经济类核心期刊，2008.P93.
[4]周江虹.外商投资对我国住房价格影响的实证研究[D].[湖南大学学位论文].长沙：湖南大学，2010.
[5]樊欢欢.Eviews统计分析与应用[M].机械工业出版社，2011， 287-333.
[6]宋勃，高波.国际资本流动对房地产价格的影响[J].金融与投资，2006年.
[7]刘红梅.外商投资对我国房地产价格的影响研究[D].[湖南大学硕士学位论文].湖南大学，2009年.
[8]戎雪.外商直接投资（FDI对我国房地产市场的影响分析[D].[华中科技大学硕士学位论文].华中科技大学，2008.
作者简介：林银瑞（1989-），女，汉族，福建莆田人，福州大学统计学研究生，研究方向：金融统计。