該案例來(lái)自于金融理論與政策小組作業(yè)——《基于分省數(shù)據(jù)研究宏觀變量對(duì)房地產(chǎn)價(jià)格的影響》驾胆，我主要負(fù)責(zé)對(duì)房地產(chǎn)長(zhǎng)周期影響因素進(jìn)行回歸分析。由于我們采用的是面板數(shù)據(jù)锦爵，第一次做這樣的分析含鳞，Stata也是從零基礎(chǔ)開(kāi)始，把過(guò)程記錄下來(lái)作為以后研究的基礎(chǔ)计福。
房地產(chǎn)的一個(gè)完整周期大致為30年，我國(guó)商品房市場(chǎng)從1998年正式開(kāi)始徽职，發(fā)展至今也不過(guò)走了長(zhǎng)周期的一半象颖。房地產(chǎn)價(jià)格長(zhǎng)周期主要受經(jīng)濟(jì)增長(zhǎng)、城市化姆钉、人口數(shù)量和結(jié)構(gòu)等影響说订，短周期主要受金融政策影響（利率、抵押貸首付比潮瓶、稅收陶冷、土地政策等）。下面這張圖以上海房?jī)r(jià)數(shù)據(jù)為例形象地表現(xiàn)了各階段的發(fā)展特點(diǎn)：
面板數(shù)據(jù)用Stata處理比較方便毯辅，導(dǎo)入數(shù)據(jù)前需要處理成特定格式埂伦，比如第一列為省份數(shù)據(jù)（31個(gè)省）思恐，第二列為年份數(shù)據(jù)（1995-2015年度數(shù)據(jù)）沾谜，第三列為因變量（房?jī)r(jià)）膊毁，第四至n列為解釋變量（人均GDP、人口类早、城鎮(zhèn)化率媚媒、土地價(jià)格嗜逻、利率等）涩僻。
首先，我們采用固定效應(yīng)回歸模型栈顷，在回歸方程中截距項(xiàng)只和個(gè)體有關(guān)逆日，也就意味著認(rèn)為省份之間的差異不隨時(shí)間發(fā)生改變。Stata代碼如下：
xtset province, year
xtreg ln_hp gdp_capita population cityl ln_land rate, fe
est store fixed
上述回歸結(jié)果主要關(guān)注幾項(xiàng)指標(biāo)：總體R2為0.8962萄凤，回歸較為顯著室抽；corr(u_i, Xb)為個(gè)體效應(yīng)和解釋變量之間的相關(guān)系數(shù)，該值接近0時(shí)比較適合采用隨機(jī)效應(yīng)回歸模型靡努；回歸P值小于0.05可以認(rèn)為是顯著的坪圾，這里回歸顯示人口因素不顯著；sigma_u代表個(gè)體效應(yīng)的標(biāo)準(zhǔn)差惑朦，sigma_e代表干擾項(xiàng)的標(biāo)準(zhǔn)差兽泄，rho為個(gè)體效應(yīng)的波動(dòng)占總波動(dòng)的比率，這里為85%左右漾月。
接下來(lái)再采用隨機(jī)效應(yīng)回歸模型病梢，它的優(yōu)勢(shì)是增加了同時(shí)與個(gè)體和時(shí)間相關(guān)的因子，但更加復(fù)雜梁肿，Stata代碼如下：
xtreg ln_hp gdp_capita population cityl ln_land rate, re
est store random
隨機(jī)效應(yīng)回歸模型的參數(shù)同上蜓陌，也可以看出人口因素回歸是不顯著的。
那么吩蔑，到底采用哪種模型更為合適钮热，就可以通過(guò)Hausman檢驗(yàn)來(lái)進(jìn)行評(píng)判。前面我們已經(jīng)將兩個(gè)模型分別儲(chǔ)存為fixed和random烛芬，因此Hausman檢驗(yàn)的Stata代碼如下：
hausman fixed random
這里最重要的還是檢驗(yàn)P值霉旗，P<0.05說(shuō)明可以拒絕原假設(shè)（隨機(jī)效應(yīng)回歸模型），因此我們的模型采用固定效應(yīng)回歸模型更為合適蛀骇。
剛才也提到了厌秒，人口因素回歸是不顯著的，因此我們將這個(gè)解釋變量刨去擅憔，再用固定效應(yīng)回歸模型進(jìn)行回歸分析鸵闪。
xtreg ln_hp gdp_capita cityl ln_land rate, fe
這里我們可以關(guān)注一下Coef.，回歸結(jié)果為：人均GDP每增加一千元暑诸，房?jī)r(jià)大致上漲9%蚌讼；城鎮(zhèn)化率每增加1%辟灰，房?jī)r(jià)大致上漲2.7%；土地價(jià)格每增加1%篡石，房?jī)r(jià)大致上漲0.18%芥喇；利率每增加1%，房?jī)r(jià)大致上漲6%凰萨。
采用固定效應(yīng)回歸模型還有一個(gè)好處继控，就是我們可以通過(guò)設(shè)置虛擬變量的方式分別進(jìn)行時(shí)間固定效應(yīng)回歸和個(gè)體固定效應(yīng)回歸，以此發(fā)現(xiàn)是否存在有差異的時(shí)間段或個(gè)體胖眷。首先是時(shí)間方面：
tab year, gen(yr)
drop yr1
reg ln_hp gap_capita cityl ln_land rate yr*
yr14武通，yr15對(duì)應(yīng)的是2008-2009年，這段時(shí)間由于多次降準(zhǔn)降息珊搀，以及國(guó)家四萬(wàn)億基建投資冶忱，房地產(chǎn)價(jià)格經(jīng)歷了快速上漲階段，這些是難以用長(zhǎng)期驅(qū)動(dòng)因素來(lái)分析的境析，屬于異常值囚枪；yr20對(duì)應(yīng)2014年，可見(jiàn)2014-2016年這段時(shí)間房?jī)r(jià)上漲也偏離了長(zhǎng)期合理價(jià)位劳淆。
其次進(jìn)行個(gè)體效應(yīng)分析：
tab province, gen(dum)
drop dum1
reg ln_hp gap_capita cityl ln_land rate dum*
dum2對(duì)應(yīng)的是天津省链沼，dum5對(duì)應(yīng)的是內(nèi)蒙古，這兩個(gè)值出現(xiàn)異常其實(shí)是蠻奇怪的憔儿，因?yàn)槲抑白约旱念A(yù)測(cè)是北上廣等地區(qū)會(huì)出現(xiàn)偏差忆植，這是否說(shuō)明這些地區(qū)房?jī)r(jià)從長(zhǎng)期來(lái)看其實(shí)是很合理的？對(duì)于天津和內(nèi)蒙古谒臼，查了一下數(shù)據(jù)是覺(jué)得它們的人均GDP漲幅很快朝刊，但是房?jī)r(jià)上漲并沒(méi)有那么明顯，可能是這個(gè)原因?qū)е鲁霈F(xiàn)異常蜈缤。
短周期影響方面拾氓，我也嘗試進(jìn)行了回歸，時(shí)間段為2014.3-2016.9季度數(shù)據(jù)底哥。比較麻煩的一點(diǎn)是excel復(fù)制過(guò)去的時(shí)間數(shù)據(jù)是string格式咙鞍，要變換成Stata認(rèn)可的季度數(shù)據(jù)格式還費(fèi)了一些周折，過(guò)程如下：
gen time1 = date( time, "YMD")
format time1 %td
gen time2 = qofd(time1)
format time2 %tq
接下來(lái)趾徽，將房?jī)r(jià)與短周期的影響因素（利率续滋、貸款總量、社融規(guī)模）進(jìn)行了回歸孵奶，同樣采用固定效應(yīng)回歸模型：
xtset province time2
xtreg hp rate loan financing, fe
可以發(fā)現(xiàn)疲酌，總體的R2只有0.14，不夠顯著。短周期來(lái)看朗恳，利率和房?jī)r(jià)是反相關(guān)的湿颅，而我們長(zhǎng)期回歸參數(shù)確是正的，這似乎也說(shuō)明了利率的兩種不同影響機(jī)制（即影響房地產(chǎn)開(kāi)發(fā)商的借貸成本—正相關(guān)粥诫，也影響購(gòu)房者的借貸成本—負(fù)相關(guān)）油航。
大致的分析過(guò)程就是這樣，由于水平非常有限怀浆，目前只能做到這樣谊囚。希望之后能有機(jī)會(huì)好好學(xué)一學(xué)金融計(jì)量，定量研究一定還是有它的價(jià)值所在的揉稚！
