基于贝叶斯面板平滑转换模型的房价阈值效应研究

【www.zhangdahai.com--其他范文】

[摘 要] 针对经济变量之间普遍存在的非线性关系，导致线性模型拟合失效的问题，构建面板数据平滑转换模型，刻画变量之间关系的非对称性。采用贝叶斯方法进行模型的参数估计，避免非线性最小二乘算法难以收敛，参数估计不确定。通过分析模型结构，选择参数先验分布，设计相应的Metropolis-Hasting-Gibbs混合抽样算法，据此估计模型参数；在此基础上，利用省域面板数据分析房价阈值效应问题。研究结果表明：参数的动态迭代轨迹收敛，MH-Gibbs混合抽样算法能够准确地估计模型各参数，解决了非线性最小二乘无法收敛的问题，证明了贝叶斯面板数据平滑转换模型的有效性；同时也验证了房价波动的阈值效应以及房价与城市化、城乡收入差距之间的非线性关系。

[关键词] 房价；城市化；面板数据；平滑转换模型；贝叶斯分析

[中图分类号] F293.3 [文献标识码] A [文章编号] 1008—1763（2014）05—0066—08

Bayesian inference on Price of the Real Estate Threshold Effect Based on Panel Smooth Transition Regression Model

ZHU Huiming，YOU Wanhai ，LI Xiaoyi

（College of Business Administration， Hunan University， Changsha 410082， China）

Abstract： For nonlinear relationship between the prevalence of economic variables， resulting in failure of the linear model fitting problems， panel data smooth transition regression models are established .bayesian method is used to address uncertain risk of parameters estimation caused by common estimation algorithm which is difficult to converge. Based on the analysis of model statistic structure and the selection of parameters prior，the MetropolisHasting within Gibbs sampling method is utilized to estimate model parameters， predicting parameters in use of Monte Carlo Markov Chain.The empirical research applies Bayesian panel data smooth model to analyze the data in Chinese provinces. The research outcomes indicate that the iteration traces of parameters are convergent， and the MetropolisHasting within Gibbs sampling method estimates parameters accurately， resolving the problem difficult to converge， showing the effectiveness of Bayesian panel smooth transition model. Furthermore， the existence of threshold effect in the price of the Real Estate has been certificated.

Key words： Price of the Real Estate； Urbanization； Panel Data； Smooth Transition Regression Model； Bayesian Analysis

一 引 言

异质性是经济金融变量的主要特征之一，有效地刻画数据的异质性是合理建模的前提。面板数据模型通过引入个体和时间效应，能够有效地刻画个体之间的异质行为特征和揭示经济运行规律，因此，被广泛的应用于描述各种复杂经济社会现象。然而，经济金融变量常表示出非对称和非线性关系，使得经典的线性面板数据模型失效。例如，在资本市场中，由于买方和卖方之间的信息非对称性，个体公司的投资决策通常与其他金融变量相关，如现金流量。面板平滑转换回归模型（Panel Smooth Transition Regression， PSTR）通过引入转移变量使得模型系数具有时变性，不仅可以刻画个体之间的异质性，同时也能有效地描述经济金融变量间的非对称关系，从而被广泛应用于经济、金融、环境和能源领域，探索其内在的行为规律。房地产行业作为国民经济的重要产业，非理性投机需求、单维经济利益驱动推动房价泡沫的形成，房地产市场供需机制畸形引发的金融稳定等问题倍受关注。

伴随城市化进程的不断发展，探究城市化促进房价上涨的方式和作用的大小成为学术界研究的重点。Kottis [1]认为人口从农村向城市的转移对房地产市场的扩张产生了促进作用，引起了房价的上涨。Michaels和Rauch [2]研究了美国人口从农村向城市的转移，认为该转移伴随着机制转换。Gabriel [3]对加利福尼亚州两个最大城市住宅价格的变化模式进行分析后发现，庞大的人口迁移规模是近几十年来加利福尼亚州住宅价格变化的主要因素。Koetter和Poghosyan [4]认为城市化水平是房地产价格的重要环境变量之一。Ghebreegziabiher和Debrezion [5]研究发现，大城市的房价会伴随城市化的进程而有所提高。程开明 [6]基于误差修正模型并进行协整分析，认为城市化水平与房地产价格之间存在着长期均衡关系，城市化构成房价的Granger原因。同时也有不少学者研究了城乡收入差距对房地产价格波动存在显著影响。胡晓[7]认为较大的收入差距是构成房价上涨的重要因素。Flaherty [8]认为城乡收入差距拉大对房价具有显著的正向促进作用，Quigley [9]等人的研究同样证实这一观点。陈健和高波 [10]构建面板联立方程模型研究发现，收入差距与房价之间存在正向互动关系，收入差距扩大推动房价上涨，房价上涨也会引起收入差距的扩大。以上对房价的研究都是在线性模型的基础上考察了城市化水平、城乡收入差距对房地产价格的影响，并未考虑变量间可能存在的非线性特征。

对变量的非线性特征、变量之间的非线性关系的研究已引起众多学者关注，Hansen [11]利用英国公司15年数据研究了财政限制与投资决策的非线性关系。Lee和Chiu [12]发现了保险金在存在阈值效应。Julien[13]利用面板平滑转换模型研究区域资本流动性，分析了投资与储蓄之间的非线性关系。Rosa和Vicente[14]利用PSTR模型，在环境库茨曲线的理论框架下，研究了人均用水量与人均收入的非线性关系。Jude[15]研究发现经济发展与金融发展的非线性关系。Omay和Kan [16]运用非线性最小二乘法研究出口贸易对通货膨胀的非线性影响的参数。学者骆永民 [17]基于平滑转换模型分析城市化对房价的影响，研究发现，我国房价波动表现出明显的非对称性，具有很强的非线性特征。但是非线性最小二乘法（NLS）估计平滑转换模型存在参数估计难以收敛的问题，会导致参数估计不准确。贝叶斯方法将参数的先验信息运用到统计推断中，不仅提高了统计推断的准确性，而且可以解决参数估计不确定等难题。Wang和Holan [18]运用贝叶斯方法估计多机制平滑转换模型参数，有效并且准确地解决模型参数估计不收敛的问题。

为正值，回归系数要大于0.3004，表明城乡收入差距每增加一单位，引起房价的变化要大于处于低机制时的变化量。伴随着人均GDP的增加，每个省份在不同年份所处的机制不同，同一机制包含的省份也有所不同。2010年，安徽、江西、广西、四川、贵州、云南、西藏、甘肃等地区处于低机制，其回归系数小于其他地区，表明城乡收入差距的拉大引起的房价的变化量要小于其他地区。

（2）城市化水平与房地产价格。当人均GDP低于21580时，模型处于低机制，城市化水平与房地产价格正相关，回归系数为0.2225；当人均GDP高于时，模型处于高机制，β12g（pGDPit；γ，c）为正值，表明随着城市化水平进程的发展，房价相应的改变量会正向增加。农村人口向城市化的转换，引起城市人口在全国人口的比重上升，随着人均GDP的增加，即经济水平的提高，住房的需求量增加，而供应的住房有限，需求大于供给，进而引起房地产价格的上涨。但是经济水平处于不同领域，城乡收入差距与房地产价格的回归系数大小却也有所不同。

四 结 论

本文针对面板数据平滑转换模型估计算法难以收敛的问题，构建贝叶斯面板数据平滑转换模型，设置先验分布，根据参数的完全条件后验分布信息设计相应的MH-Gibbs混合抽样方案，据此进行模型参数的估计。在此基础上，利用中国省域面板数据研究房价波动的阈值效应。结果发现：模型的各个参数的迭代轨迹均是收敛的，参数估计的MC误差都比较小；并且后验密度曲线为钟形，说明MH-Gibbs混合抽样算法有效地模拟了参数的完全条件后验分布，贝叶斯面板数据平滑转换模型能够更好地说明变量之间的关系，同时也验证了房价波动存在阈值效应。本文运用新的模型研究发现房价波动存在阈值效应，同时也采用贝叶斯方法解决常用参数估计方法不确定性的问题。但是文中只考虑了模型存在两种状态，并未考虑可能存在更多种状态，而且各个个体阈值是相同的，未考虑个体阈值的不同，这也是进一步研究的问题。

[参 考 文 献]

[1] Kottis A. Impact of migration on housing in urban areas[J]. The Annals of Regional Science， 1971， 5（1）： 117-124.

[2] Michaels G， Rauch F， Redding S J. Urbanization and Structural Transformation[J]. The Quarterly Journal of Economics， 2012， 127（2）： 535-586.

[3] Gabriel S， Rosenthal S. Quality of the business environment versus quality of life in a dynamic model of urban composition and growth[J]. The Review of Economics and Statistics， 2003， 86（1）： 438-444.

[4] Koetter M， Poghosyan T. Real estate prices and bank stability[J]. Journal of Banking &Finance， 2010， 34（6）： 1129-1138.

[5] Ghebreegziabiher D， Pels E， Rietveld P. The Impact of Rail Transport on Real Estate Prices： An Empirical Analysis of the Dutch Housing Market [J]. Urban Studies， 2011， 48（5）： 997-1015.

[6] 程开明， 李金昌. 城市偏向、城市化与城乡收入差距的作用机制及动态分析[J]. 数量经济技术经济研究， 2007， （7）： 116-125.

[7] 胡晓. 收入差距与中国房地产价格：理论与实证 兼论当前房地产调控的有效性[J]. 财经科学， 2010， 12： 83-90.

[8] O"Flaherty B. An economic theory of homelessness and housing [J]. Journal of Housing Economics， 1995， 4（1）： 13-49.

[9] Quigley J M， Raphael S， Smolensky E. Homeless in America， homeless in California [J]. The Review of Economics and Statistics， 2001， 83（1）： 37-51.

[10]陈健， 陈杰， 高波. 信贷约束、房价与居民消费率 基于面板门槛模型的研究[J]. 金融研究， 2012， （4）： 45-74.

[11]Hansen B E. Threshold effects in non-dynamic panels： Estimation， testing， and inference[J]. Journal of Econometrics， 1999， 93（2）： 345-368.

[12]Lee C C， Chiu Y B. The impact of real income on insurance premiums： Evidence from panel data[J]. International Review of Economics and Finance， 2012， 21（1）： 246-260.

[13]Fouquau J， Hurlin C， Rabaud I. The Feldstein-Horioka puzzle： A panel smooth transition regression approach[J]. Economic modeling， 2008， 25（2）： 284-299.

[14]Duarte R， Pinilla V， Serrano A. Is there an environmental Kuznets curve for water use？ A panel smooth transition regression approach[J]. Economic modeling， 2013， 31（3）： 518-527.

[15]Jude E C. Financial Development and Growth：A Panel Smooth Regression Approach[J]. Journal of Economic Development， 2010， 35（1）： 15-33.

[16]Omay T， znur Kan E. Re-examining the threshold effects in the inflation–growth nexus with cross-sectional dependent non-linear panel： Evidence from six industrialized economics[J]. Economic Modeling， 2010， 27（5）： 996–1005.

[17]骆永民. 城市化对房价的影响： 线性还是非线性？—基于四种面板数据回归模型的实证分析[J]. 财经研究， 2011，37（4）： 135-144.

[18]Wang J C， Holan S H. Bayesian multi-regime smooth transition regression with ordered categorical variables[J]. Computational Statistics and Data Analysis， 2012， 56（12）： 4165-4179.

[19]Gonzalez A， Teasvirta T， Dijk D. Panel Smooth Transition Regression Models [R]. Working Paper Series in Economics and Finance， 2005， No. 604.

[20]Lopes H F， Salazar E. Bayesian model uncertainty in Smooth Transition Autoregression[J]. Journal of Time series Analysis， 2006， 27（1）： 97-117.

[21]白凡. 对外贸易差额与货币供给 基于国别面板数据的实证研究[J].湖南大学学报（社会科学版）， 2013， 27（6）：74-78.

推荐访问:阈值 平滑 效应 面板 房价