论文部分内容阅读
摘 要：本文基于VAR模型对影响商品房价格的因素进行分析，首先建立商品房住宅价格波动的向量自回归模型，因为经济序列自身的自相关性会导致“伪回归”为了避免“回归”，进一步引入了VAR，建立了人均可支配收入，贷款利率（住房公积金），城市GDP，住宅土地交易价格指数，住宅销售面积，房地产开发投资这六个因素的VAR模型，结合脉冲响应分析及方差分解描述了这些影响因素和住宅价格波动的动态相关性，最后进行协整检验，得到住宅价格、人均可支配收入和住宅销售面积之间存在稳定的长期关系。住宅价格、人均可支配收入和住宅销售面积之间存在稳定的长期关系，人均可支配收入每增加1元，住宅销售面积增加1平方米，则住宅价格每平方米上涨3.423元，人均可支配收入对住宅价格的弹性为292.6208，住宅销售面积这个因素对住宅价格的弹性为11.49938，由此可见，要保持宏观经济的稳定，免得住宅价格大起大落。
关键词：相关分析 VAR模型 协整检验 向量自回归
一、房价波动模型的构建
1.模型简介。
1.1VAR模型理论。向量自回归（VAR，Vector Auto regression）常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响。VAR方法通过把系统中每一个内生变量，作为系统中所有内生变量的滞后值的函数来构造模型，从而回避了结构化模型的要求。Engle和Granger（1987a）指出两个或多个非平稳时间序列的线性组合可能是平稳的。假如这样一种平稳的或的线性组合存在，这些非平稳（有单位根）时间序列之间被认为是具有协整关系的。这种平稳的线性组合被称为协整方程且可被解释为变量之间的长期均衡关系。
2.房价影响因素。
经济因素：城市居民收入水平和區域经济发展水平。
社会因素：人口数量、家庭城市化状况和居民消费心理预期等。
行政和政治因素：宏观调控政策和土地政策、住房制度等。
房地产内在因素和周边环境因素：房地产投入总额和住宅的竣工面积、 销售面积等。
从定性和定量的角度分析，有些影响因素难以量化，所以选取人均可支配收入、贷款利率、住宅销售面积、城市GDP、住宅土地交易价格指数、房地产开发投资额、城市人口、住宅竣工面积9个可定量的影响因素，进行数据收集并进行分析。
3.整理数据，用Spass做相关性分析。
利用Spass做相关性分析并筛选出商品房价格波动的主要影响因素
（y：住宅价格 x1：人均可支配收入x2：贷款利率x3：住宅销售面积x4：城市GDPx5：住宅土地交易价格指数x6：房地产开发投资额x7：城市人口数x8：住宅竣工面积）
通过相关系数判断相关关系的规则“如下：
（1）当r=0时，x和y不相关。或者不存在直线关系，但可能存在其他类型的关系；
（2）当0≤r<0.3时，x和y为微弱相关；
（3）当时0.3≤r<0.5时，x和y为低度相关；
（4）当时0.5≤r<0.8时，x和y为中度相关；
（5）当时0.8≤r<1，x和y为高度相关；
（6）当|r|=0.3时，x和y为完全相关。
由以表可以大致看出：人均可支配收入、贷款利率、住宅销售面积、城市GDP、住宅土地交易价格指数、房地产开发投资与商品房价格相关性很显著，而城市人口相关度一般，住宅竣工面积相关度较低。所以我们选出人均可支配收入、贷款利率、住宅销售面积、城市GDP、住宅土地交易价格指数、房地产开发投资作为影响房地产价格的主要因素。
4.房地产价格波动模型的实证分析。
4.1住宅价格与其影响因素的相关分析。利用Spass在计算机上分析7个因素之间的相关性，采用逐步回归的来检验多重和共线性问题。
通标对表格的分析，模型2的拟合度最高，故房价波动的逐步回归模型如下
这个结果表明人均可支配收入和住宅销售面积对住宅价格影响较大。人均可收入每增加1元，住宅销售面积增加1平方米，则住宅价格每平方米上涨3.423元。
4.2数据的平稳性检验。根据相关性分析的结果，我们检验以下：人均可支配收入x1，贷款利率x2，住宅销售面积x3，土地交易价格指数x4，房地产开发投资x6，城市GDPx5，这5个指标的原序列线性折线可以看出各序列为非平稳性序列。所以对原始序列进行差分，为了准确起见，需进一步用单位根检验的方法做准确的检验。
由于一阶差分后的序列仍不平稳，所以对原始序列进行二阶差分，二阶差分结果如表所示：
4.3住宅价格波动的向量自回归模型建立。由于在处理模型数据的时候最多只能处理个内生变，所以忽略相关性比较小的因素，另外，模观只有在和互为因果关系时才有效，因此我们最终保留人均可支配收入，贷款利率，住宅销售面积，住宅土地交易价格指数，城市GDP，房地产开发投资额六个主要相关因素。研究住宅价格和这五个主要相关因素的关系（利用序列、阶差分解后的序列、模型的建立及脉冲响应和方差分解分析步骤如下：
4.3.1滞后期的选择。
表格中关于滞后期选择的六个评价指标中有五个认为应建立VAR（2）模型，模型检验如表5所示，
六个方程拟合优度分别为0.931963，0.795607，0.657190，0.863889，0.936155，0.910784，0.886469除了第三个的拟合优度稍微差外，其它方程的拟合效果还是比较好的，VAR（2）模型如下（举一例）：
Y= 0.0452071226892*X1（-1） - 0.00282935236814*X1（-2） + 304.555324454*X2（-1） + 109.329547723*X2（-2） + 1.01829501237*X3（-1） + 2.33916153887*X3（-2）- 0.432857834872*X4（-1） + 0.416628777977*X4（-2） + 10.4960964922*X5（-1） - 51.8280793861*X5（-2） + 4.47518769181*X6（-1） + 0.560511971103*X6（-2） + 0.31086017473*Y（-1） + 0.0169217683749*Y（-2） + 3936.48275113 从模型的结果来看，住宅价格滞后一期的系数为正，说明滞后一期的住宅价格对当期住宅价格有正的影响。也就是说上期住宅价格的升高使下期住宅价格升高。滞后一期的人均可支配收入的系数为负，说明滞后一期的人均可支配收入对当期人均可支配收入有负 的的影响。这可能是因为上期可支配收入的增加导致了消费的增加以至于下期可支配的收入的减少。滞后一期的贷款利率的系数为正，说明滞后一期的贷款利率对当期贷款利率有正的影响。这可能是因为上期贷款利率增加刺激消费导致下期贷款利率会发生涨幅不大的变化。滞后一期的住宅销售面积的系数为正，说明滞后一期的销售面积当期住宅销售面积有积极的影响。这和前面所述诸如贷款利率增加的理由基本相同。滞后一期的城市GDP的系数为负，说明滞后一期的城市GDP对当期城市GDP有负的影响。滞后一期的住宅土地交易价格指数系数为正，说明滞后一期的住宅土地交易价格指数对当期价格指数有积极影响。这可能是因为上期的住宅土地交易价格指数增加对本期及下期价格指数有个相对积极的影响。滞后一期的房地产开发投资的系数为正，这说明滞后一期的房地产的投资对本期的再投资有正的影响，也就是说有积极影响。
4.4 VAR模型的整体平稳性检验
平稳性检验结果显示模型的全部特征根都位于单位圆内，说明该模型是一个平稳系统，平稳系统可以用来做脉冲响应和方差分解。
4.5 脉冲响应分析。脉冲响应的含义是，冲击对某个变量在不同时期（当前值和未来值）的影响效果，长期趋于稳定表明冲击效应基本不变化，冲击趋于0，说明冲击的效应逐渐趋于零，不构成持久影响。从商品房价格响应函数可以得出，商品房价格对自身一個信息的响应在第一期为正向最大461.2251，之后2-10期的脉冲影响有微弱逐渐减少趋势；从人均可支配收入响应函数来看，响应有正有负；从贷款利率来看，第一期正向响应为348.1179，为正向最大值，且之后响应均为正向，说明贷款利率有利于上平方价格的增加；从住宅销售面积响应函数来看，每一期期均为正向响应，第三期正向最大值为378.7392，说明住宅销售面积有利于商品房价格的增加；从城市GDP响应函数来看，第一期为负向响应，之后都是正向响应，说明城市GDP有利于商品房价格的增加；从住宅土地交易价格指数响应函数来看，响应有正有负，且成较明显减小趋势；从房地产开发投资额响应函数来看，每一期期均为正向响应，第二期正向最大，值为378.7392，说明房地产开发投资额有利于商品房价格的增加。
4.6方差分解。从商品房价格的方差分解[7]来看，住宅价格增长的波动在第一期就受到自身冲击的影响为43.5832%，以后逐渐减弱；人均可支配收入对住宅价格的冲击在第一期表现出来为0.429661%之后一直增长并稳定在2.9%左右；贷款利率对住宅价格的冲击也是在第一期表现出来为24.83680，之后缓慢增长；住宅销售面积从第一期开始为15.23786%之后增长并稳定在27%左右；城市GDP对住宅价格的冲击在第一期表现出来为6.961931%，第二期略有下降，之后上升并维持在5%左右；住宅土地交易价值指数对住宅价格的冲击在第一期表现出来为1.77883%，之后持续增长在第九期之后有下降趋势；房地产开发投资对住宅价格的冲击在第一期表现出来为7.17171%，之后先上升后稳定在9.1%左右。
4.7住宅价格波动的误差修正模型建立及分析。y，x1，x3是非平稳序列，但是其二阶差分序列为平稳序列，所以这三者之间可能存在协整关系，为了进一步确定我们可以做协整检验模型是包含协整约束条件的模型，应用于有协整关系的非平稳时间序列Y，x1，x3可以建立平稳的模型。之前已经建立。VEC模型的建立步骤如下：
4.8Johansen协整检验。由协整检验结果可表明在5%置信水平下Y，x1，x3三个变量之间存在协整关系。其协整方程为： 说明这二者之间存在长期稳定的均衡关系。据协整理论，若变量之间存在协整关系，可以误差修正模型（对短期波动和长期均衡进行描述）。
通常我们注重整体检验的效果，通过上表看出，模型的AIC和SC值分别为71.94240和77.28467，对数似然值较适合，说明模型拟合较好，解释力较强。
二、模型说明及总结
1.模型说明。上述模型小括号内分别为每个变量对应的标准差和统计量，虽然有些的统计量不显著，但由于三个误差修正模型是作为一个整体进行估计，而且从整体检验的结果来看模型拟合较好，为了保持完整性也保留了这些不显著项。在误差修正模塑里，各个差分项反映了变量短期波动的影响。被解释变量的波动分为两部分，一部分是短期波动，一部分是长期均衡。vecm项的系数的大小反映了对偏离长期均衡的调整力度，各变量的系数值为（-0.262176，-0.198107，0.097907）系数为负值表明误差修正机制是一个负反馈过程，商品房价格和人均可支配收入、住宅销售面积之间存在长期均衡的协整关系，误差修正模型比普通的单方程模型更全面的反映了模型中的短期和长期关系。上一期的住宅价格和人均可支配收入的变化对本期的住宅价格变化有负向促进作用，作用力度为-0.241900，-1.065675。而上一期的住宅销售面积变化变化对本期住宅价格变化有负向促进作用，作用力度为-0.011785。上一期的商品房价格和人均可支配收入、住宅销售面积对本期国民收入变化有负向作用，作用力度分别为（-0.170874，-0.533220，-1.204914）上一期的商品房价格和人均可支配收入、住宅销售面积对本期生产总值变化分别有负向、正向和正向作用，作用力度分别为（-0.093598，0.027983，0.189877）。
2.结论与建议。模型得出结论：房价波动的逐步回归模型的结论：住宅价格、人均可支配收入和住宅销售面积之间存在稳定的长期关系，人均可支配收入每增加1元，住宅销售面积增加1平方米，则住宅价格每平方米上涨3.423元。因此，城镇居民可支配收入保持较为稳定的增长，避免大起大落有利于房地产经济的健康发展。 VAR模型和脉冲响应及方差分解反映了住宅价格波动与人均可支配收入，住宅销售面积，贷款利率，城市GDP，住宅土地交易价格指数这六个因素的交互响应情况和响应路径，表明这几个因素之间存在着密切联系，并且有着长期性。住宅价格自身信息的响应在第一期为正后，之后逐渐减弱，并趋于稳定。所以，从长远来看，住房价格的变化对自身的影响不大。而相对于人均可支配收入和住宅销售面积这两个因素对住宅价格的影响是比较大的，这对于研究房地产的价格波动涨幅有着一定的作用。住宅价格波动的误差模型（VEC）的结论：住宅价格与人均可支配收入及其住宅销售面积之间存在着较为稳定的长期关系。人均可支配收入对住宅价格的弹性为292.6208，住宅销售面积这个因素对住宅价格的弹性为11.49938，由此可见，要保持宏观经济的稳定，免得住宅价格大起大落。
针对以上结论并综合其他方面，做出如下建议：
1.调整住房结构，增加经济适用房等低价位住房和廉租房的供应，避免市场主体形成房价只涨不跌的恐慌性预期，给出清晰的住房调控信号，保证西安市房地产市场的健康，稳定，协调发展。
2.政府相关部门要完善房地产市场信息公开制度，加强相关信息的公开透明度，及时向公众发布房地产价格，投资额，销售面积等数据，并对其相关信息进行权威的解读，使市场主体充分了解市场，减少非理性预期，防止房价大起大落。
参考文献：
[1]新时期我国房地产周期波动研究：特征、成因和结构变化的计量分析/梁云芳著——北京：科学出版社，2012.
[2]房地产价格波动与管控研究/李斌著——北京：經济管理出版社，2015.5.
[3]上海（中国）房地产发展报告。2014——2015/顾建发等著——上海：上海社会科学院出版社，2015.
[4]我国商品住宅销售价格波动成因的实证分析/梁云芳，高铁梅著，管理世界，2006.
[5]银行信贷、土地价格与西安市房地产价格的边限协整分析/邱长溶，靳军会，赵永超——长安大学学报，2008.
[6]中国房地产与宏观经济——基于SVAR模型的研究/赵昕东--经济评论，2010.
[7]中国房地产价格波动与货币政策分析——基于贝叶斯估计的动态随机一般均衡模型/梁斌，李庆云——经济科学 2011年第三期.
[8]房地产价格波动性研究——以武汉市为例/吴明锋——华中农业大学硕士学位论文 2010.6.
指导老师：宋学力副教授。
关键词：相关分析 VAR模型 协整检验 向量自回归
一、房价波动模型的构建
1.模型简介。
1.1VAR模型理论。向量自回归（VAR，Vector Auto regression）常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响。VAR方法通过把系统中每一个内生变量，作为系统中所有内生变量的滞后值的函数来构造模型，从而回避了结构化模型的要求。Engle和Granger（1987a）指出两个或多个非平稳时间序列的线性组合可能是平稳的。假如这样一种平稳的或的线性组合存在，这些非平稳（有单位根）时间序列之间被认为是具有协整关系的。这种平稳的线性组合被称为协整方程且可被解释为变量之间的长期均衡关系。
2.房价影响因素。
经济因素：城市居民收入水平和區域经济发展水平。
社会因素：人口数量、家庭城市化状况和居民消费心理预期等。
行政和政治因素：宏观调控政策和土地政策、住房制度等。
房地产内在因素和周边环境因素：房地产投入总额和住宅的竣工面积、 销售面积等。
从定性和定量的角度分析，有些影响因素难以量化，所以选取人均可支配收入、贷款利率、住宅销售面积、城市GDP、住宅土地交易价格指数、房地产开发投资额、城市人口、住宅竣工面积9个可定量的影响因素，进行数据收集并进行分析。
3.整理数据，用Spass做相关性分析。
利用Spass做相关性分析并筛选出商品房价格波动的主要影响因素
（y：住宅价格 x1：人均可支配收入x2：贷款利率x3：住宅销售面积x4：城市GDPx5：住宅土地交易价格指数x6：房地产开发投资额x7：城市人口数x8：住宅竣工面积）
通过相关系数判断相关关系的规则“如下：
（1）当r=0时，x和y不相关。或者不存在直线关系，但可能存在其他类型的关系；
（2）当0≤r<0.3时，x和y为微弱相关；
（3）当时0.3≤r<0.5时，x和y为低度相关；
（4）当时0.5≤r<0.8时，x和y为中度相关；
（5）当时0.8≤r<1，x和y为高度相关；
（6）当|r|=0.3时，x和y为完全相关。
由以表可以大致看出：人均可支配收入、贷款利率、住宅销售面积、城市GDP、住宅土地交易价格指数、房地产开发投资与商品房价格相关性很显著，而城市人口相关度一般，住宅竣工面积相关度较低。所以我们选出人均可支配收入、贷款利率、住宅销售面积、城市GDP、住宅土地交易价格指数、房地产开发投资作为影响房地产价格的主要因素。
4.房地产价格波动模型的实证分析。
4.1住宅价格与其影响因素的相关分析。利用Spass在计算机上分析7个因素之间的相关性，采用逐步回归的来检验多重和共线性问题。
通标对表格的分析，模型2的拟合度最高，故房价波动的逐步回归模型如下
这个结果表明人均可支配收入和住宅销售面积对住宅价格影响较大。人均可收入每增加1元，住宅销售面积增加1平方米，则住宅价格每平方米上涨3.423元。
4.2数据的平稳性检验。根据相关性分析的结果，我们检验以下：人均可支配收入x1，贷款利率x2，住宅销售面积x3，土地交易价格指数x4，房地产开发投资x6，城市GDPx5，这5个指标的原序列线性折线可以看出各序列为非平稳性序列。所以对原始序列进行差分，为了准确起见，需进一步用单位根检验的方法做准确的检验。
由于一阶差分后的序列仍不平稳，所以对原始序列进行二阶差分，二阶差分结果如表所示：
4.3住宅价格波动的向量自回归模型建立。由于在处理模型数据的时候最多只能处理个内生变，所以忽略相关性比较小的因素，另外，模观只有在和互为因果关系时才有效，因此我们最终保留人均可支配收入，贷款利率，住宅销售面积，住宅土地交易价格指数，城市GDP，房地产开发投资额六个主要相关因素。研究住宅价格和这五个主要相关因素的关系（利用序列、阶差分解后的序列、模型的建立及脉冲响应和方差分解分析步骤如下：
4.3.1滞后期的选择。
表格中关于滞后期选择的六个评价指标中有五个认为应建立VAR（2）模型，模型检验如表5所示，
六个方程拟合优度分别为0.931963，0.795607，0.657190，0.863889，0.936155，0.910784，0.886469除了第三个的拟合优度稍微差外，其它方程的拟合效果还是比较好的，VAR（2）模型如下（举一例）：
Y= 0.0452071226892*X1（-1） - 0.00282935236814*X1（-2） + 304.555324454*X2（-1） + 109.329547723*X2（-2） + 1.01829501237*X3（-1） + 2.33916153887*X3（-2）- 0.432857834872*X4（-1） + 0.416628777977*X4（-2） + 10.4960964922*X5（-1） - 51.8280793861*X5（-2） + 4.47518769181*X6（-1） + 0.560511971103*X6（-2） + 0.31086017473*Y（-1） + 0.0169217683749*Y（-2） + 3936.48275113 从模型的结果来看，住宅价格滞后一期的系数为正，说明滞后一期的住宅价格对当期住宅价格有正的影响。也就是说上期住宅价格的升高使下期住宅价格升高。滞后一期的人均可支配收入的系数为负，说明滞后一期的人均可支配收入对当期人均可支配收入有负 的的影响。这可能是因为上期可支配收入的增加导致了消费的增加以至于下期可支配的收入的减少。滞后一期的贷款利率的系数为正，说明滞后一期的贷款利率对当期贷款利率有正的影响。这可能是因为上期贷款利率增加刺激消费导致下期贷款利率会发生涨幅不大的变化。滞后一期的住宅销售面积的系数为正，说明滞后一期的销售面积当期住宅销售面积有积极的影响。这和前面所述诸如贷款利率增加的理由基本相同。滞后一期的城市GDP的系数为负，说明滞后一期的城市GDP对当期城市GDP有负的影响。滞后一期的住宅土地交易价格指数系数为正，说明滞后一期的住宅土地交易价格指数对当期价格指数有积极影响。这可能是因为上期的住宅土地交易价格指数增加对本期及下期价格指数有个相对积极的影响。滞后一期的房地产开发投资的系数为正，这说明滞后一期的房地产的投资对本期的再投资有正的影响，也就是说有积极影响。
4.4 VAR模型的整体平稳性检验
平稳性检验结果显示模型的全部特征根都位于单位圆内，说明该模型是一个平稳系统，平稳系统可以用来做脉冲响应和方差分解。
4.5 脉冲响应分析。脉冲响应的含义是，冲击对某个变量在不同时期（当前值和未来值）的影响效果，长期趋于稳定表明冲击效应基本不变化，冲击趋于0，说明冲击的效应逐渐趋于零，不构成持久影响。从商品房价格响应函数可以得出，商品房价格对自身一個信息的响应在第一期为正向最大461.2251，之后2-10期的脉冲影响有微弱逐渐减少趋势；从人均可支配收入响应函数来看，响应有正有负；从贷款利率来看，第一期正向响应为348.1179，为正向最大值，且之后响应均为正向，说明贷款利率有利于上平方价格的增加；从住宅销售面积响应函数来看，每一期期均为正向响应，第三期正向最大值为378.7392，说明住宅销售面积有利于商品房价格的增加；从城市GDP响应函数来看，第一期为负向响应，之后都是正向响应，说明城市GDP有利于商品房价格的增加；从住宅土地交易价格指数响应函数来看，响应有正有负，且成较明显减小趋势；从房地产开发投资额响应函数来看，每一期期均为正向响应，第二期正向最大，值为378.7392，说明房地产开发投资额有利于商品房价格的增加。
4.6方差分解。从商品房价格的方差分解[7]来看，住宅价格增长的波动在第一期就受到自身冲击的影响为43.5832%，以后逐渐减弱；人均可支配收入对住宅价格的冲击在第一期表现出来为0.429661%之后一直增长并稳定在2.9%左右；贷款利率对住宅价格的冲击也是在第一期表现出来为24.83680，之后缓慢增长；住宅销售面积从第一期开始为15.23786%之后增长并稳定在27%左右；城市GDP对住宅价格的冲击在第一期表现出来为6.961931%，第二期略有下降，之后上升并维持在5%左右；住宅土地交易价值指数对住宅价格的冲击在第一期表现出来为1.77883%，之后持续增长在第九期之后有下降趋势；房地产开发投资对住宅价格的冲击在第一期表现出来为7.17171%，之后先上升后稳定在9.1%左右。
4.7住宅价格波动的误差修正模型建立及分析。y，x1，x3是非平稳序列，但是其二阶差分序列为平稳序列，所以这三者之间可能存在协整关系，为了进一步确定我们可以做协整检验模型是包含协整约束条件的模型，应用于有协整关系的非平稳时间序列Y，x1，x3可以建立平稳的模型。之前已经建立。VEC模型的建立步骤如下：
4.8Johansen协整检验。由协整检验结果可表明在5%置信水平下Y，x1，x3三个变量之间存在协整关系。其协整方程为： 说明这二者之间存在长期稳定的均衡关系。据协整理论，若变量之间存在协整关系，可以误差修正模型（对短期波动和长期均衡进行描述）。
通常我们注重整体检验的效果，通过上表看出，模型的AIC和SC值分别为71.94240和77.28467，对数似然值较适合，说明模型拟合较好，解释力较强。
二、模型说明及总结
1.模型说明。上述模型小括号内分别为每个变量对应的标准差和统计量，虽然有些的统计量不显著，但由于三个误差修正模型是作为一个整体进行估计，而且从整体检验的结果来看模型拟合较好，为了保持完整性也保留了这些不显著项。在误差修正模塑里，各个差分项反映了变量短期波动的影响。被解释变量的波动分为两部分，一部分是短期波动，一部分是长期均衡。vecm项的系数的大小反映了对偏离长期均衡的调整力度，各变量的系数值为（-0.262176，-0.198107，0.097907）系数为负值表明误差修正机制是一个负反馈过程，商品房价格和人均可支配收入、住宅销售面积之间存在长期均衡的协整关系，误差修正模型比普通的单方程模型更全面的反映了模型中的短期和长期关系。上一期的住宅价格和人均可支配收入的变化对本期的住宅价格变化有负向促进作用，作用力度为-0.241900，-1.065675。而上一期的住宅销售面积变化变化对本期住宅价格变化有负向促进作用，作用力度为-0.011785。上一期的商品房价格和人均可支配收入、住宅销售面积对本期国民收入变化有负向作用，作用力度分别为（-0.170874，-0.533220，-1.204914）上一期的商品房价格和人均可支配收入、住宅销售面积对本期生产总值变化分别有负向、正向和正向作用，作用力度分别为（-0.093598，0.027983，0.189877）。
2.结论与建议。模型得出结论：房价波动的逐步回归模型的结论：住宅价格、人均可支配收入和住宅销售面积之间存在稳定的长期关系，人均可支配收入每增加1元，住宅销售面积增加1平方米，则住宅价格每平方米上涨3.423元。因此，城镇居民可支配收入保持较为稳定的增长，避免大起大落有利于房地产经济的健康发展。 VAR模型和脉冲响应及方差分解反映了住宅价格波动与人均可支配收入，住宅销售面积，贷款利率，城市GDP，住宅土地交易价格指数这六个因素的交互响应情况和响应路径，表明这几个因素之间存在着密切联系，并且有着长期性。住宅价格自身信息的响应在第一期为正后，之后逐渐减弱，并趋于稳定。所以，从长远来看，住房价格的变化对自身的影响不大。而相对于人均可支配收入和住宅销售面积这两个因素对住宅价格的影响是比较大的，这对于研究房地产的价格波动涨幅有着一定的作用。住宅价格波动的误差模型（VEC）的结论：住宅价格与人均可支配收入及其住宅销售面积之间存在着较为稳定的长期关系。人均可支配收入对住宅价格的弹性为292.6208，住宅销售面积这个因素对住宅价格的弹性为11.49938，由此可见，要保持宏观经济的稳定，免得住宅价格大起大落。
针对以上结论并综合其他方面，做出如下建议：
1.调整住房结构，增加经济适用房等低价位住房和廉租房的供应，避免市场主体形成房价只涨不跌的恐慌性预期，给出清晰的住房调控信号，保证西安市房地产市场的健康，稳定，协调发展。
2.政府相关部门要完善房地产市场信息公开制度，加强相关信息的公开透明度，及时向公众发布房地产价格，投资额，销售面积等数据，并对其相关信息进行权威的解读，使市场主体充分了解市场，减少非理性预期，防止房价大起大落。
参考文献：
[1]新时期我国房地产周期波动研究：特征、成因和结构变化的计量分析/梁云芳著——北京：科学出版社，2012.
[2]房地产价格波动与管控研究/李斌著——北京：經济管理出版社，2015.5.
[3]上海（中国）房地产发展报告。2014——2015/顾建发等著——上海：上海社会科学院出版社，2015.
[4]我国商品住宅销售价格波动成因的实证分析/梁云芳，高铁梅著，管理世界，2006.
[5]银行信贷、土地价格与西安市房地产价格的边限协整分析/邱长溶，靳军会，赵永超——长安大学学报，2008.
[6]中国房地产与宏观经济——基于SVAR模型的研究/赵昕东--经济评论，2010.
[7]中国房地产价格波动与货币政策分析——基于贝叶斯估计的动态随机一般均衡模型/梁斌，李庆云——经济科学 2011年第三期.
[8]房地产价格波动性研究——以武汉市为例/吴明锋——华中农业大学硕士学位论文 2010.6.
指导老师：宋学力副教授。