您当前的位置:首页 > 论文故事
关于城市房价溢出效应的研究历程
发布时间:2019-04-03 16:54:34

 吕龙

(华中科技大学经济学院)

 

 

《经济评论》杂志于2019年第2期刊登我与博导刘海云老师合作的论文,并邀我撰写文章的创作历程,个人感到非常荣幸。回顾论文写作、投稿过程,感悟良多。当初之所以会研究房价溢出效应,与个人专业背景有关。在硕博阶段,我主要的研究兴趣集中在金融风险管理领域,溢出效应正是风险管理的热点问题。大量文献研究表明在心理预期、生产要素流动等机制的作用下,资产价格序列之间存在相互溢出。因此,个人认为寻找高房价问题的破解之道,避免政策调控出现按下葫芦浮起瓢的局面,需要研究不同城市房价的溢出效应及其影响因素。为实现研究目标,研究过程按照房价溢出指数测度依据溢出指数构建溢出网络房价溢出效应影响因素分析的思路展开。具体论文写作包括搜集文献和数据、Matlab编程计算、写作和反复修改等步骤,耗时近半年,期间也遇到不少的研究障碍。在刘老师、博士同门的帮助和鼓励下,相关问题都得到解决。

研究过程中遇到第一个障碍就是房价溢出效应的测度问题。目前房价溢出效应大多是采用格兰杰因果检验、基于VAR计算脉冲响应函数值,分析两两城市间的溢出效应,并没有编制标准化的溢出指数。无法量化个体城市房价溢出效应究竟有多大,也不利于以溢出指数作为因变量研究房价溢出效应的发生机制。受到《Better to Give than to Receive:Forecast Based Measurement of Volatility Spillovers》一文的启发,我尝试将VAR、广义方差分解和滚窗法三者结合,构建时变溢出指数,解决房价溢出效应的动态测度问题。然而,在对数据进行描述性统计时,发现房价收益率明显不服从普通VAR模型的正态分布假定。

为更准确地测度房价溢出效应,在构建溢出指数时,我尝试采用VAR-t模型,由此产生研究过程中的第二个障碍,即高维VAR-t模型的估计问题。论文的研究样本包括35个大中城市,一阶滞后设定下模型需要估计1225个系数。尽管VAR-t模型的似然函数存在显性解,但极大似然估计方法(MLE)依赖牛顿-拉夫森、拟牛顿等方法进行参数优化,参数维度过高不仅导致算法收敛缓慢,且容易陷入局部最优解。此外,VAR-t的非正态设定意味着模型估计也无法使用普通最小二乘。通过文献梳理并与同门讨论,我发现国外学者估计高维VAR模型参数大多采用马尔科夫链蒙特卡洛模拟抽样(MCMC),避免极大似然函数估计过程陷入局部最小。因此,我推导MCMC的参数抽样流程,解决第二个障碍。

房价溢出指数可以测度任一城市房价的溢出水平的纵向变化,但无法反映各城市在房价溢出过程中扮演的角色。溢出效应体现不同城市间房价的相互影响,必然有一些城市是溢出效应发生的源头,另一些城市是溢出效应的接收方,还有一些城市是房价传导链条上的中间环节。分析各样本城市在房价溢出效应中发挥的作用,对于政府在房地产市场调控中实现一城一策至关重要,也是论文研究过程中遇到的第三个障碍。通过文献梳理并和刘老师讨论后,我发现社会网络分析(SNA)能够较好地实现研究目的,该方法已被部分学者用于银行业、金融市场等领域的风险溢出问题分析。因此,我进一步使用SNA方法构建城市房价溢出网络,通过节点中心度、块分析(Block modeling)等方法将样本城市划分为领导者经纪人双向引导者跟随者,明晰不同城市在房价溢出网络中发挥的作用。

经济学研究不仅要关注是什么,更重要的是分析为什么,因此论文需要进一步分析房价溢出效应背后的影响因素问题。在编制溢出指数并建立溢出网络之后,论文不仅可以分析整体溢出效应的影响因素,还可分析不同板块城市房价溢出效应的影响因素。由于是利用滚窗法计算动态溢出指数,样本量有一定损失,我原本计划采用静态面板模型进行影响因素分析,幸有审稿老师提醒,采用静态面板模型可能忽视内生性问题。最后,我决定采用动态面板模型,并利用广义矩方法估计参数。研究结果发现人口流动、羊群效应等因素在整体房价溢出效应中发挥着关键作用,但各板块溢出效应的影响因素存在显著差异。

上述研究工作完成后,参考刘老师和同门的建议,我于20181月将论文投至《经济评论》官网,经过初审、外审、三审、终审等环节,论文于同年12月份被杂志社录用。此次研究成果能够顺利发表,除研究团队努力之外,与杂志社编辑老师、外审专家的辛勤工作密不可分。正是有各位老师的专业指导,才使得论文在研究内容、学术规范性等方面不断完善。

 

(《城市房价溢出效应的测度、网络结构及其影响因素研究》载于《经济评论》2019年第2期)