本文由战松和孙川撰写，发表于《沈阳建筑大学学报（社会科学版）》2022年第2期。研究基于向量自回归（VAR, Value at Risk）模型，分析了沈阳市房价的影响因素。研究的主要目的是探讨GDP、房地产开发投资额和城镇化率对沈阳市房价的影响，并通过实证分析得出各因素对房价的影响程度。

研究背景与目的

随着中国经济的快速发展，房地产市场在国民经济中占据了重要地位。1998年房改后，房地产市场进入高速发展阶段。然而，房价的波动对经济和社会稳定产生了深远影响。因此，研究房价的影响因素对于制定合理的房地产政策具有重要意义。沈阳市作为辽宁省的省会城市，其房地产市场具有代表性，研究其房价影响因素可以为其他城市提供参考。

研究方法与数据

研究选取了2005年至2019年沈阳市的GDP、房地产开发投资额和城镇化率数据，通过皮尔逊相关性分析构建了VAR模型。研究采用了SPSS26和Eviews10软件进行数据分析，具体步骤包括： 1. 数据收集与预处理：从《2020年沈阳市统计年鉴》中获取相关数据，并对数据进行自然对数处理，以便进行平稳性检验。 2. 平稳性检验：使用ADF（Augmented Dickey-Fuller）检验对数据进行平稳性分析，确保数据在进入模型前是平稳的。 3. 滞后阶数选择：通过AIC（Akaike Information Criterion）和SC（Schwarz Criterion）信息准则确定最优滞后阶数，最终选择2阶滞后。 4. 格兰杰因果检验：检验GDP、房地产开发投资额和城镇化率与房价之间的因果关系，确认这些因素对房价的影响具有内生性。 5. VAR模型构建：基于处理后的数据，构建VAR(2)模型，分析各因素对房价的动态影响。 6. 脉冲响应分析与方差分解：通过脉冲响应分析，观察各因素对房价的冲击效应；通过方差分解，量化各因素对房价变化的贡献度。

研究结果

1. 相关性分析：GDP、房地产开发投资额和城镇化率与房价之间存在显著的相关性，尤其是GDP与房价的相关性最强。
2. 平稳性检验：原始数据序列大多不平稳，但经过一阶差分处理后，数据序列达到平稳状态。
3. 格兰杰因果检验：GDP、房地产开发投资额和城镇化率均与房价存在显著的因果关系，表明这些因素对房价的变化具有直接影响。
4. VAR模型分析：GDP对房价具有正向拉动作用，房地产开发投资额对房价的影响最大，但其影响程度逐年减小；城镇化率对房价的影响相对较小。
5. 脉冲响应分析：GDP的正向冲击会导致房价先下降后上升；房地产开发投资额的冲击会导致房价短期内上升，随后趋于平稳；城镇化率的冲击会导致房价先下降后上升。
6. 方差分解：房地产开发投资额对房价的影响最大，GDP次之，城镇化率的影响最小。

结论与建议

研究得出以下结论： 1. GDP：对房价具有正向拉动作用，GDP的增长会促进房价上涨。 2. 房地产开发投资额：对房价的影响最大，但其影响程度逐年减小。 3. 城镇化率：对房价的影响较小，且随着城镇化进程的加快，其影响趋于平稳。

基于研究结果，提出了以下建议： 1. 引进优质外来资本：通过政府与社会资本合作模式，吸引更多优质投资，促进房地产市场健康发展。 2. 扩大外来人口落户规模：通过人才引进政策，吸引更多外来人口落户，增加住房需求。 3. 健全房地产价格监管体系：坚持“房住不炒”政策，完善市场监管机制，确保房价在合理范围内波动。

研究亮点

1. 多因素综合分析：研究不仅考虑了GDP和房地产开发投资额，还引入了城镇化率作为影响因素，全面分析了房价的驱动因素。
2. 动态分析：通过VAR模型和脉冲响应分析，研究揭示了各因素对房价的动态影响，提供了更为细致的分析视角。
3. 政策建议：基于实证分析结果，提出了切实可行的政策建议，具有较强的实践指导意义。

总结

本文通过VAR模型对沈阳市房价的影响因素进行了深入分析，揭示了GDP、房地产开发投资额和城镇化率对房价的不同影响。研究结果为政府制定房地产调控政策提供了科学依据，具有重要的理论和实践价值。