Цены на жилье и макроэкономика: свидетельства из группы европейских стран Средиземноморья: к сведению

НИКОЛАЙ APERGIS

Департамент финансово-банковского управления

Университет Пирей, Пирей 18534, Греция

Аннотация

Это исследование анализирует динамические воздействия конкретных макроэкономических показателей от цены на новые дома продаются в группу европейских стран Средиземноморья, то есть Испании, Франции, Италии, Португалии и Греции. Подход панельных данных используется, а вектор коррекции ошибок авторегрессии (ECVAR) модель используется в моделировании влияния макроэкономических показателей на реальных цен на жилье. Разница разложения показывают, что уровень жилищного кредита переменной с высокой объяснительной силой над изменением реальных цен на жилье, а затем занятости.

Классификация JEL System: G24; E20; E40; E50

Ключевые слова: Цены на жилье; макроэкономических факторов; панельных данных; стран Средиземноморья

I. ВВЕДЕНИЕ

За последние несколько лет в мире рынка недвижимости претерпевает коренные реформы в связи с либерализацией финансовых рынков, резкое снижение процентных ставок, тишине существующего жилищного фонда жилых домов, и изменение потребительских норм о жилищных целей. Кроме того, в жилищном секторе была цель правительства фискальной и монетарной политики, направленной на достижение низкого уровня инфляции и безработицы и сбалансированного роста.

Real циклов недвижимости, то есть периоды избыточного потенциала, после чего спад в строительстве, в первую очередь, пострадавших от потрясений в виде финансовой и валютной политики. Например, резкое увеличение денежной массы приводит к снижению процентной ставки, и если при прочих равных условиях, пользователь стоимость жилищных услуг падает, а количество потребовал от жилищно-коммунальных услуг повышается. Объем спроса и реальных цен на жилье, а также увеличения, так как жилищно-коммунальные услуги связаны 12:59 в жилых единиц (Baffoe-Бонни, 1998).

В дополнение к денежной массы, другие экономические переменные, такие, как занятость и ипотечных процентных ставок, может отрицательно сказаться как цены на жилье и строительство новых жилых домов. Строительная деятельность стимулируется выше роста занятости (Смит и Tesarek, 1991; Sternlieb и Хьюз, 1997). Ставка по ипотечным кредитам является очень важным параметром, влияющим на решения людей, чтобы купить дом. При увеличении ипотека с плавающей ставкой, люди не имеют возможности покупать дома, поэтому спрос на жилье падает. Существует мнение, что значительное влияние процентной ставки на потребительские расходы, как ожидается, через жилья богатства, особенно в системах характеризуется важность обеспечения роли домов (Muellbauer, 1992; Muellbauer и Murphy, 1997; Макленнан и др.., 1998) . Ранее проведенные исследования, в котором анализируется влияние макроэкономических показателей по жилищному сектору (например, Кирл, 1979; Follain, 1981; Шваб, 1983; Манчестер, 1987, и Харрис, 1989), не дали за то, что эти макроэкономические показатели сами по себе под влиянием спроса и предложения потрясений на жилищном секторе. Среди последних соответствующих исследований, Baffoe-Бонни (1998) разработал вектор авторегрессии (VAR) модель, которая учитывает полному взаимодействию жилищного сектора с остальной экономикой ..

Целью данной работы является эмпирически исследовать влияние конкретных макроэкономических показателей на реальных цен на жилье в новых домов, проданных в группу европейских стран Средиземноморья, а именно Испании, Франции, Италии, Португалии и Греции. Для лучшего познания авторов, нет никаких соответствующих панельных данных исследования о ценах на жилье. Кроме того, эти страны были специально отобраны на том основании, что они испытали маленький реальные изменения реальных цен на жилье в течение рассматриваемого периода (Stephens, 1995, таблица 1). Во всех этих странах наблюдалось значительное увеличение номинальных цен на дома. Однако этот рост практически исчезли, когда темпы инфляции были приняты во внимание. Жилищный сектор является важной сферой для всех 5 экономикой в рамках исследования. Жилищно-расходы, связанные составляют 30-55 процентов инвестиционных расходов, что свидетельствует о выполнении этого сектора, как считается, существенное влияние на общую эффективность экономики. Кроме того, на 59%, 55%, 68%, 67% и 76% от общего числа домов в Испании, Франции, Италии, Португалия и Греция, соответственно, в частном владении (Макленнан др.., 1998). Кроме того, 14% от греческих семей, самый высокий среди других Европейского союза (ЕС), собственный дом вторую, что свидетельствует о греческих семей рассматривать недвижимость как вариант инвестиций ..

При моделировании влияния макроэкономических показателей на цены на жилье, вектор коррекции ошибок авторегрессии (ECVAR) модель используется для захвата полного взаимодействия жилищного сектора с остальной экономикой. Остальная часть статья организована следующим образом: Раздел II представляет эмпирического анализа и эмпирических результатов, а в разделе III приводятся некоторые заключительные замечания и последствия для политики.

II. Эмпирический анализ

Данные

Эмпирический анализ проводится с использованием квартальных данных с 1981 по 1999 год. Переменных, используемых в эмпирических анализа индекс цен на жилье (HPRC), ставка по ипотечным кредитам прокси по средневзвешенному курсу жилищных кредитов со сроком погашения в 15 лет (INTR), стоимость измеряется индексом потребительских цен (P), а также занятости измеряется по занятости индекса (EMPL). Индекс цен на жилье дефлировались разделив ее на ИПЦ (RHPRC). Макроэкономические данные об уровне занятости и потребительских цен, были получены из стран ОЭСР "Основные экономические показатели CD-Rom. ставки по ипотечному жилищному были любезно предоставлены исследовательского отдела Коммерческого банка Греции, в то время как цены на жилье были получены от Европейского сообщества, ипотечных Федерации на период до 1990 года и с Европейская ипотечная федерация по данным с 1991 по 1999 год. В частности, для Франции и Италии Индекс основан на ценах существующих домов в крупных городах, а в случаях, Испании, Португалии и Греции индекс основывается на построении цен. Наконец, программное обеспечение РАТС помощью эмпирического анализа.

Динамические неоднородности

Динамические неоднородности, т. е. изменение перехватить по странам и времени, через сечение соответствующие переменные могут быть оценены несколькими способами. На первом этапе, ADF (п) уравнения для каждого отношения в панели оценивается, а затем, гипотеза о том, регрессии параметры равны между этих уравнений. Затем аналогичные проверки параметра равенство выполняется путем оценки п порядка авторегрессии модели для каждого отношения изучается. Стандартный чау-типа F испытания при нулевой параметра равенства во всех отношениях, также выполняются. Если результаты отвергают нулевую, это свидетельствует о неоднородности поперечного сечения параметров. Наконец, однородности дисперсии ошибки по группам, также рассматривается в качестве еще одной меры динамической неоднородности. Белый испытаний для GroupWise гетероскедастичности используются для служить этой цели. Результаты представлены в таблице 1 для отношений между реальными ценами на жилье, цены на проценты по кредиту и занятости. Результаты показывают, что отношения по расследованию характеризуется неоднородностью динамика и дисперсии ошибки для разных групп.

Группа интеграции анализа

Переменных были проверены на единицу нестационарности корень с помощью панели единичный корень IPS испытаний, предложенной в Im и др. (1995). Эти тесты основаны на расширенный Дики-Фуллер (ADF) Статистика в каждой стране. Результаты, связанные с единичного корня испытаний приведены в таблице 2. Результаты представлены с учетом и без тенденции, и после контрольного времени, установленного эффекты максимум 4 отстает для испытаний ADF. Гипотеза, что переменные RHPRC, INTR и EMPL содержат единичный корень не может быть отвергнута на уровне значимости 1%. Когда первые различия были использованы нестационарности единичный корень был отвергнут на 1% значительного уровня, что указывает на переменные RHPRC, INTR и EMPL были I (1) переменных.

Группа коинтеграции Анализ

Однажды определили, что эти переменные включены того же порядка, возможность коинтеграции между этими переменными также был осмотрен с помощью метода коинтеграции панели на основе Педрони (1999), предполагающей использование остаточной основе многомерных тест ADF. Этот метод основан на остатках в долгосрочной перспективе модель (группы стран и наблюдения N T времени). Расчетную зависимость cointegrating имели вид:

RHP [C.sub.it] = [А] [[бета]. Sub.it] INTR [I.sub.1it] [[бета]. Sub.2it] EMP [L.sub.2it] [[эпсилон] . sub.it]

где т измеряет количество замечаний со временем и я рядом стран в панели управления. В нашем случае я = 5 и T = 76. Cointegrating уравнения следует, что все коэффициенты, таким образом, cointegrating вектор, различаются между странами. В такой манере, cointegrating вектор позволяет полностью гетерогенности между отдельными членами группы.

Если ряд изучаемых cointegrated, остатков [e.sub.it] будет стационарных переменной. Педрони (1999) предусматривает в общей сложности семь испытаний нулевых не коинтеграции, четыре из которых связаны объединения в пределах размера (панели испытаний) и три по между размерности (группа означает тесты). Оба типа испытания включают непараметрические статистические данные аналогичны Филлипса и Перрона ро статистики, а также параметрических т-статистика аналогичных т Расширенная Дики-Фуллера-статистики. Как сообщалось в таблице 3, и панель, и группа испытания отклонения нестационарности остатков на 1% уровне значимости, подразумевая, что четыре переменные рассматриваемых доля долгосрочных cointegrating отношений. Оценки коэффициентов cointegrating отношений (на основе 4-лаг модели) дали:

RHPRC = -0,147 INTR 0,072 0,016 EMPL

T-статистики (-5,92) * (6,84) * (5,41) *

[F.sub.1NTR1] = 65,82 [0,0]

[F.sub.EMPL1] = 59,22 [0,0]

[F.sub.INTR2] = 1,75 [0,23]

[F.sub.EMPL2] = 1,28 [0,37]

где первые два F-тест показал, что коэффициенты совместно значительных в разных странах, в то время как последние два F-тесты показали, что коэффициенты равны между странами, что свидетельствует однородность cointegrating вектора. Иными словами, как представляется, свидетельствует в пользу существования один общий вектор cointegrating между переменными в панели управления. Цифры в скобках указывают р-значения, а звездочка означает статистическую значимость на уровне 1%.

Модель коррекции ошибок

Как коинтеграции подтвердится, мы приступим к оценке коррекции ошибок VAR (ECVAR) модель с использованием Объединенные Средняя группа (PMG) оценкой Pesaran, Shin и Смит (1999) для учета взаимосвязи панельных данных. Это оценка подходит, когда переменные cointegrated. В нашем случае ECVAR модели состоит из трех переменных, т. е. реальные цены на жилье, цены на проценты по кредиту и занятости. Наконец, оценка PMG был получен путем методологический анализ программного обеспечения предложенный Pesaran, Shin и Смит (1999). Учитывая, что cointegrating уравнение:

RHPR [V.sub.it] = [[тета]. Sub.0] я [[тета]. Sub.1i] INT [R.sub.it] [[тета]. Sub.2i] EMP [L.sub . она] [u.sub.it]

и связанные с авторегрессии с распределенным лагом уравнения описывается ARDL (1,1,1) модель:

RHPR [C.sub.it] = [[му]. Sub.i] [[дельта]. Sub.10i] INT [R.sub.it] [[дельта]. Sub.11i] INT [R.sub. я, т-1] [[дельта [. sub.20i] EMP [L.sub.it] [[дельта]. sub.21i] EMP [L.sub.i, т-1] [[лямбда]. югу . г] RHPR [C.sub.i, т-1] [[эпсилон]. sub.it]

то ошибка дает коррекции уравнение:

[DELTA] RHPR [C.sub.it] = [фи] (RHPR [C.sub.i, т-1] - [[тета]. Sub.0i] - [[тета]. Sub.1i] INT [ R.sub.it] - [[тета]. sub.2i] EMP [L.sub.it]) - [[дельта]. sub.11i] [ДЕЛЬТА] INT [R.sub.it] - [[дельта ]. sub.21i] [ДЕЛЬТА] EMP [L.sub.it] [[эпсилон]. sub.it]

Эксплуатируя ECVAR модели, разница разложения может быть осуществлена.

Разница Разложения

Этот раздел определяет количественно степень важности различных макроэкономических показателей, которые влияют на цены на жилье за период выборки. Можно разложить общую дисперсию реальных цен на жилье в каждом из будущих периодов и определить, какая часть этой дисперсии каждого макроэкономических переменных объясняет. Таким образом, ответ реальных цен на жилье на 1 стандартное отклонение инновационной в каждом макроэкономических переменных, полученных при горизонтов до 20 кварталов. Различные Choleski заказа при условии поддержки надежности наших результатов.

В таблице 4 представлены дисперсия ошибки прогноза реальных цен на жилье и его разложение в пропорции объясняется случайных потрясений инноваций для каждого макроэкономических переменных, в том числе своих собственных. Кроме того, в таблице 4 приводятся стандартные ошибки разница разложения вычисляется через Монте-Карло методы основаны на 500 репликаций. Результаты в таблице 3 показывают, что до 4 квартала, ударов со скоростью счет ипотечного жилищного более изменения реальных цен на жилье, чем изменения производства потрясений на работу. С другой стороны, на более длительный период, вплоть до 20 кварталов, потрясений как ставка ипотечного и занятости приходится более изменения реальных цен на жилье. Отметим также, что переменная с наибольшим пояснительных власть над изменением реальных цен на жилье является ставка ипотека, которая объясняет около 41,7% вариации, вплоть до 4 квартала, и около 48,5% вариации до 20 четверти. Переменная скорость после ипотечного объяснить изменение реальных цен на жилье занятости, что объясняет 16,8% вариации, вплоть до 4-й квартал. Для более длительного периода, то есть 20 кварталов, занятости объясняет 43,4% вариации реальных цен на жилье ..

III. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ И ПОЛИТИЧЕСКИЕ ПОСЛЕДСТВИЯ

Основная цель данной работы заключается в анализе динамических эффектов некоторых макроэкономических показателей, то есть скорость проценты по ипотечным кредитам и занятости, реальных цен на жилье в новых домах продаются в пяти европейских странах Средиземноморья, а именно Испании, Франции, Италии, Португалии и Греции. Результаты показывают, что реальные цены на жилье делают реагировать на конкретные экономические переменные. В частности, разница разложения показывают, что скорость ипотечного является переменная с наибольшим пояснительных власть над изменением реальных цен на жилье, а затем занятости.

После использования результатов дисперсионного распада испытания, определенные политические последствия могут быть указаны. Как только ставки по ипотечным кредитам Показано, что наиболее влиятельных факторов для цен реальных жилья, будущий курс реальных цен на жилье в среду ЕВС может быть пересмотрен. В этих условиях ожидается, что более низкие ставки по ипотеке приведет к увеличению реальных цен на жилье, учитывая, что низкий уровень инфляции будет сохраняться в пределах Европейского валютного союза. Кроме того, занятости, как ожидается, сильнее в ЕВС которая среде, которая характеризуется минимизации (если не ликвидации) отдельных факторов неопределенности, например, неопределенность обменного курса. Таким образом, изменения в сфере занятости также будут оказывать существенное влияние на реальные цены на жилье, то есть повышению уровня занятости, как ожидается, приведет к увеличению реальных цен на жилье, учитывая, что окружающая среда ЭВС будет поддерживать низкий уровень инфляции.

Ссылки

Baffoe-Бонни J. (1998), "Динамические влияния макроэкономических показателей о ценах на жилье и фондовому домов: национальные и региональные анализ", Журнал Недвижимость Финансы и экономика, Vol. 17, с. 179-197.

Follain, JR (1981), "ли инфляция влияет на реальное поведение? Дело жилья", Южный Economic Journal, Vol. 48, с. 570-582.

Харрис, J. (1989), "Влияние реальных процентных ставок по жилищным цены", журнал "Недвижимость Финансы и экономика, Vol. 2, с. 47-60.

Ира, KS, Pesaran, MH, и Шин, Ю. (1995), "Проверка на группы Корни в гетерогенных панелей". Кембриджский университет, DAE рабочий документ № 9526.

Кирл, JH (1979), "инфляция, ипотека, и жилищного строительства", журнал "политическая экономия", Vol. 87, с. 1-29.

Макленнан Д., Muellbauer, J., и Stephens, M. (1998), "Асимметрия в жилищном и финансовых рыночных институтов и ЭВС", Оксфорд Обзор экономической политики, Vol. 14, с. 54-80.

Манчестере, J. (1987), "Инфляция и жилищного Спрос: новая перспектива", журнал "Городской экономической литературы, Vol. 30, с. 102-142.

Muellbauer, J. (1992), "англо-немецкой Различия в динамике рынка жилья: Роль институтов и макроэкономической политики", Европейская Economic Review, доклады и отчеты, Vol. 36, с. 539-548.

Muellbauer, J. Murphy и, A. (1997), "Спады и подъемы в Великобритании, рынок жилья", The Economic Journal, Vol. 107, с. 1701-1727.

Педрони, P. (1999), "Критические значения для коинтеграции Тесты в гетерогенных панели с несколькими Регрессоры", Оксфорд Бюллетень экономики и статистики, Vol. 61, с. 653-670.

Pesaran, ТМ, Шин, Ю. и Смит, R. (1999), "Объединенный Средняя группа оценки динамических гетерогенных панели", Журнал Американской статистической ассоциации, Vol. 94, с. 621-634.

Шваб, Р. (1983), "реальные и номинальные процентные ставки и спрос на жилье", Журнал экономики города ", Vol. 13, с. 181-195.

Смит Б. А., Tesarek, WP (1991), "цены на жилье и региональных Real Циклы недвижимости: Рынок Регулировка в Хьюстоне", Журнал Американской Недвижимость и городского ассоциации экономики, Vol. 19, с. 396-416.

Стивенс, И. (1995), "денежно-кредитной политики и цен на жилье Волатильность в Западной Европе", жилищного строительства исследований, Vol. 10, с. 551-564.

Sternlieb Г., Хьюз, JW (1997), "Региональный рынок вариантах: по сравнению с Северо-Восток Юг", Журнал Американской недвижимости и экономики города ассоциации, с. 44-68.

ПРИМЕЧАНИЯ

(1.) Что он за исключением документов Кеннеди (1981) и Торнтон и Иннес (1989), все остальные ссылки на H

(2.) С (5) должны соответствовать тем же теоретические функции регрессии, как (1), необходимо указать перехвата и наклон на D как это сделано в (5). То есть, когда наблюдение за мужчиной в (5), D равен 0, и (5) становится в Y = ([дельта]] альфа-[) [бета] X, тогда как для женщин, (5) становится В Y = [дельта] [бета] X. Это точно такой же линии регрессии получает от 1 (1) при D равна 1 для мужчин и равна 0 для женщин.

Энтони Krautmann C. Джеймс Ciecka

Университета Де Пола