【正文】 上漲的趨勢(shì)。該隨機(jī)游走模型擬合后的殘差序列BDS檢驗(yàn)結(jié)果如表314所示，BDS統(tǒng)計(jì)值顯示在各個(gè)維度下均不拒絕零假設(shè)，說(shuō)明該模型充分的擬合了該序列，可以認(rèn)為該帶漂移項(xiàng)和帶趨勢(shì)項(xiàng)的隨機(jī)游走模型即為該序列的一個(gè)有效擬合模型。由于常方差模型已經(jīng)能夠充分解釋該序列的數(shù)據(jù)特征，同樣不需要再考慮條件方差的形式。綜上，對(duì)于湖南的房?jī)r(jià)收益率序列，常方差的ARMA模型和常方差的隨機(jī)游走模型均為充分?jǐn)M合的時(shí)間序列模型。（3）河北第一步，考慮以ARMA模型進(jìn)行擬合。與上文相同的分析方法，首先考慮常方差模型形式，在自相關(guān)圖初步判斷的基礎(chǔ)上，根據(jù)所有估計(jì)系數(shù)均顯著異于零，且AIC值和SC值最小來(lái)最終確定最佳滯后階數(shù)p值均為2，以ARMA（2）模型來(lái)對(duì)河北的收益率序列進(jìn)行擬合，擬合結(jié)果如表315所示。從表315中可以看到，序列不存在序列相關(guān)性，該模型方程達(dá)到了擬合優(yōu)度。從模型擬合結(jié)果中的系數(shù)可以看到，滯后一階和滯后二階的影響系數(shù)分別為，說(shuō)明河北省房?jī)r(jià)收益率的歷史信息對(duì)當(dāng)期房?jī)r(jià)收益率的影響為負(fù)的。BDS檢驗(yàn)結(jié)果如表316所示?？梢钥吹?，在5%的顯著性水平下，我們可以認(rèn)為該ARMA（2）模型即為河北房?jī)r(jià)收益率序列的一個(gè)有效擬合模型，而不需再對(duì)條件方差模型進(jìn)行分析。第二步，以隨機(jī)游走過(guò)程對(duì)湖南的房?jī)r(jià)收益率序列進(jìn)行擬合。同樣首先考慮常方差的模型形式。選擇帶漂移項(xiàng)和帶趨勢(shì)項(xiàng)的隨機(jī)游走模型來(lái)進(jìn)行擬合，擬合結(jié)果如表317所示。從表中可以看到，各項(xiàng)系數(shù)均顯著異于0，DurbinWatson統(tǒng)計(jì)量為2，序列不存在序列相關(guān)性，F(xiàn)統(tǒng)計(jì)量顯著異于0，表明該模型方程達(dá)到了擬合優(yōu)度，其估計(jì)結(jié)果是有效的。R（1）的系數(shù)說(shuō)明歷史信息對(duì)當(dāng)期的影響為負(fù)向的，時(shí)間趨勢(shì)對(duì)當(dāng)期的影響趨勢(shì)項(xiàng)系數(shù)為正向的。BDS檢驗(yàn)結(jié)果如表318所示，可以看到，在5%的顯著性水平下，在嵌入維度為5時(shí)，BDS統(tǒng)計(jì)值顯著異于0，即拒絕零假設(shè)，在高維度下如果有拒絕零假設(shè)的情況出現(xiàn)，則最終必須拒絕零假設(shè)，所以該BDS檢驗(yàn)的結(jié)果表明該隨機(jī)游走模型不能充分?jǐn)M合序列中的數(shù)據(jù)特征，該序列中存在非線性特征，該模型對(duì)序列的擬合是非充分的。由于常方差隨機(jī)游走模型不能夠充分解釋該序列的數(shù)據(jù)特征，那么需要再考慮條件方差的形式。第三步，對(duì)常方差隨機(jī)游走模型擬合的結(jié)果進(jìn)行ARCH LM檢驗(yàn)，檢驗(yàn)結(jié)果如表319所示，不顯著異于0，表明該序列不存在ARCH效應(yīng)，于是不能以條件方差的模型進(jìn)行擬合。綜上，對(duì)于河北的房?jī)r(jià)收益率序列，僅常方差A(yù)RMA模型為有效的擬合模型。（4）海南對(duì)于海南的房?jī)r(jià)收益率序列，分析步驟和方法與上文相同，將不再贅述，而簡(jiǎn)單闡述相應(yīng)的實(shí)證結(jié)果，該序列僅能以常方差A(yù)RMA過(guò)程進(jìn)行充分?jǐn)M合。該序列以ARMA（2）模型進(jìn)行擬合的結(jié)果如表320所示。從表320中可以看到，t統(tǒng)計(jì)量很顯著，表明序列不存在序列相關(guān)性，該模型方程達(dá)到了擬合優(yōu)度，其估計(jì)結(jié)果是有效的。從模型擬合結(jié)果中的系數(shù)可以看到，滯后一階和滯后二階的影響系數(shù)分別為，均顯著異于零，說(shuō)明海南省房?jī)r(jià)收益率的歷史信息對(duì)當(dāng)期房?jī)r(jià)收益率的影響為負(fù)向的，后期房?jī)r(jià)收益率的波動(dòng)負(fù)向地依存于前期，前期高位房?jī)r(jià)可能導(dǎo)致當(dāng)期房?jī)r(jià)的負(fù)向變動(dòng)。BDS檢驗(yàn)結(jié)果如表321所示，BDS統(tǒng)計(jì)值在各維度下均為不顯著的異于零，即不拒絕零假設(shè)，則該模型充分的擬合了海南的房?jī)r(jià)收益率序列。（5）青海青海的房?jī)r(jià)收益率序列僅能以常方差A(yù)RMA過(guò)程進(jìn)行充分?jǐn)M合，其擬合結(jié)果如表323所示。從表323中可以看到，表明序列不存在序列相關(guān)性，其估計(jì)結(jié)果是有效的。從模型擬合結(jié)果中的系數(shù)可以看到，滯后一階和滯后二階的影響系數(shù)均為負(fù)，說(shuō)明青海省房?jī)r(jià)收益率的歷史信息對(duì)當(dāng)期房?jī)r(jià)收益率的影響為負(fù)的。該ARMA（2，1）模型BDS檢驗(yàn)結(jié)果如表324所示，BDS統(tǒng)計(jì)值顯示不拒絕零假設(shè)，可認(rèn)為該模型充分?jǐn)M合了青海的房?jī)r(jià)收益率序列。（6）浙江浙江的房?jī)r(jià)收益率序列同樣只能以常方差A(yù)RMA過(guò)程進(jìn)行充分?jǐn)M合，擬合結(jié)果如表325所示。從表325中顯示t統(tǒng)計(jì)量顯著，序列不存在序列相關(guān)性，該模型估計(jì)結(jié)果是有效的。從模型擬合結(jié)果中的系數(shù)可以看到，滯后一階和滯后二階的影響系數(shù)均顯著異于零，歷史信息對(duì)當(dāng)期房?jī)r(jià)收益率的影響為負(fù)的。BDS檢驗(yàn)結(jié)果如表326所示，在5%的顯著性水平下，BDS統(tǒng)計(jì)值顯示不拒絕零假設(shè)，可認(rèn)為該模型充分?jǐn)M合了浙江的房?jī)r(jià)收益率序列。下面將簡(jiǎn)單介紹四川、甘肅的房?jī)r(jià)收益率序列經(jīng)EGARCHM模型擬合過(guò)程及其相應(yīng)殘差序列的BDS檢驗(yàn)結(jié)果。（1）四川第一步，以ARMA過(guò)程進(jìn)行擬合。首先考慮常方差形式，其擬合結(jié)果如表32所示。從表344中可以看到，各項(xiàng)系數(shù)都很顯著，DurbinWatson統(tǒng)計(jì)量為2，表明序列不存在序列相關(guān)性，F(xiàn)統(tǒng)計(jì)量顯著異于0，該模型方程達(dá)到了擬合優(yōu)度，其估計(jì)結(jié)果是有效的。從模型擬合結(jié)果中的系數(shù)可以看到，滯后項(xiàng)系數(shù)均顯著異于零，說(shuō)明歷史信息對(duì)當(dāng)期房?jī)r(jià)收益率的影響均為負(fù)的。其BDS檢驗(yàn)結(jié)果如表328所示，在5%的顯著性水平下，在嵌入維度為5時(shí)，BDS統(tǒng)計(jì)值顯著異于0，即拒絕零假設(shè)，所以該BDS檢驗(yàn)的結(jié)果表明該隨機(jī)游走模型不能充分?jǐn)M合序列中的數(shù)據(jù)特征。第二步，對(duì)常方差A(yù)RMA模型擬合后的殘差序列進(jìn)行ARCH LM檢驗(yàn)，結(jié)果如表329所示，不顯著異于0，表明該序列不存在ARCH效應(yīng)，于是不能以條件方差的ARMA模型進(jìn)行擬合。第三步，以隨機(jī)游走模型進(jìn)行擬合。首先考慮常方差的模型形式，對(duì)該收益率序列我們選擇帶漂移項(xiàng)和帶趨勢(shì)項(xiàng)的隨機(jī)游走模型來(lái)進(jìn)行擬合，擬合結(jié)果如表330所示。從表中可以看到，各項(xiàng)系數(shù)均顯著異于0，序列不存在序列相關(guān)性，F(xiàn)統(tǒng)計(jì)量顯著異于0，表明該模型方程達(dá)到了擬合優(yōu)度，其估計(jì)結(jié)果是有效的。，表明歷史趨勢(shì)對(duì)當(dāng)期影響為負(fù)，時(shí)間趨勢(shì)對(duì)當(dāng)期影響為正向。其BDS檢驗(yàn)結(jié)果如表331所示，在嵌入維度為5時(shí)，BDS統(tǒng)計(jì)值顯著異于0，所有最終必須拒絕零假設(shè)，該隨機(jī)游走模型不能充分?jǐn)M合序列中的數(shù)據(jù)特征，該序列中存在非線性特征。第四步，對(duì)常方差隨機(jī)游走模型擬合后的殘差序列進(jìn)行ARCH LM檢驗(yàn)，結(jié)果如表332所示，在5%的置信水平下顯著異于0，表明該序列存在ARCH效應(yīng)，于是考慮以條件方差的隨機(jī)游走模型進(jìn)行擬合。第五步，以條件方差的隨機(jī)游走模型進(jìn)行擬合。由于常方差隨機(jī)游走模型擬合的殘差序列經(jīng)檢驗(yàn)表明存在顯著的GARCH效應(yīng)，表明序列因存在某種形式的ARCH效應(yīng)使得方差不為常數(shù)，而存在條件方差，于是將考慮以六種形式的GARCH族模型（GARCH模型、TGARCH模型、EGARCH模型，以及以上三種模型帶均值的形式，即GARCHM模型、TGARCHM模型和EGARCHM模型）對(duì)該常方差隨機(jī)游走模型形式進(jìn)行重新估計(jì)，并對(duì)擬合結(jié)果的殘差序列進(jìn)行BDS檢驗(yàn)。經(jīng)擬合后殘差序列的BDS檢驗(yàn)顯示僅EGARCHM模型（表333所示）擬合后的殘差序列是接受零假設(shè)的，我們認(rèn)為該模型為有效擬合模型。在該EGARCHM模型中，在5%顯著性水平下，其均值方程中條件標(biāo)準(zhǔn)差項(xiàng)系數(shù)顯著異于零，這與具有高風(fēng)險(xiǎn)的資產(chǎn)可獲得更高收益率的金融理論一致，存在“風(fēng)險(xiǎn)越大，預(yù)期收益越高”的特點(diǎn)。市場(chǎng)預(yù)期風(fēng)險(xiǎn)增加或減小一個(gè)百分點(diǎn)，會(huì)，存在杠桿效應(yīng)。同時(shí)方差方程中，顯著異于零且小于零，說(shuō)明市場(chǎng)對(duì)信息沖擊的影響存在著非對(duì)稱性。這與方差方程中對(duì)數(shù)部分系數(shù)也顯著異于零相吻合，都可在一定程度上說(shuō)明市場(chǎng)的無(wú)效率。其殘差序列的BDS檢驗(yàn)結(jié)果如表334所示，在5%的顯著性水平下，不拒絕零假設(shè)，可認(rèn)為該模型充分?jǐn)M合房?jī)r(jià)收益率序列。（2）甘肅與四川房?jī)r(jià)收益率序列的分析步驟相同，實(shí)證檢驗(yàn)的結(jié)果顯示常方差的ARMA模型和常方差的隨機(jī)游走模型均不能對(duì)序列進(jìn)行充分?jǐn)M合，而僅條件方差的隨機(jī)游走模型能對(duì)序列的非線性特征進(jìn)行充分解釋。其擬合的結(jié)果如表335所示。其殘差序列的BDS檢驗(yàn)結(jié)果如表336，在5%的顯著性水平下，不拒絕零假設(shè)，可認(rèn)為該模型充分?jǐn)M合房?jī)r(jià)收益率序列。47均值方程中條件標(biāo)準(zhǔn)差項(xiàng)系數(shù)顯著異于零，同樣與金融理論相一致，但方差，不顯著異于零，表明甘肅住房市場(chǎng)不存在杠桿效應(yīng)。除以上八個(gè)省市地區(qū)外，其他22個(gè)省市的房?jī)r(jià)收益率序列中均存在本文所采用的28個(gè)時(shí)序模型不能充分解釋的顯著的非線性特征。非線性相關(guān)意味著正態(tài)分布并不是該收益率序列的精確描述。通過(guò)對(duì)這22個(gè)序列的常方差模型進(jìn)行ARCH LM檢驗(yàn)，有安徽、福建等12個(gè)序列不存在ARCH效應(yīng)，序列中的非線性特征不能以ARCH模型予以解釋；對(duì)存在ARCH效應(yīng)的10個(gè)序列再以6種形式的GARCH模型對(duì)其常方差模型的基本形式進(jìn)行重新估計(jì)，結(jié)果表明其收益率序列以GARCH族模型擬合后的殘差序列都不滿足獨(dú)立同分布，表明GARCH族模型仍不能充分解釋序列中的非線性特征，說(shuō)明這些地區(qū)住房市場(chǎng)的波動(dòng)比較復(fù)雜，以時(shí)間序列模型難以捕捉其數(shù)據(jù)特征。48第四章因素分析第三章的實(shí)證分析是運(yùn)用ARMA模型和隨機(jī)游走模型這兩類時(shí)間序列模型，共28個(gè)數(shù)據(jù)擬合過(guò)程，對(duì)我國(guó)30個(gè)地區(qū)房地產(chǎn)市場(chǎng)收益率序列分別進(jìn)行了擬合，通過(guò)對(duì)其殘差序列進(jìn)行BDS檢驗(yàn)，對(duì)擬合模型的有效性和序列的非線性進(jìn)行了研究，主要得出以下結(jié)論：我國(guó)不同地區(qū)住房市場(chǎng)具有不同的價(jià)格波動(dòng)特征，依據(jù)數(shù)據(jù)序列的非線性特征可以將這30個(gè)省市的住房市場(chǎng)分為四類：符合常方差A(yù)RMA過(guò)程的序列，主要有重慶、河北、湖南等六個(gè)省市，對(duì)于這些地區(qū)，常方差的ARMA即能對(duì)其序列的數(shù)據(jù)特征進(jìn)行充分地解釋；符合常方差隨機(jī)游走模型過(guò)程的序列，僅有重慶、湖南兩個(gè)地區(qū)，相應(yīng)模型即可作為它們的有效擬合模型；存在GARCH效應(yīng)的非線性結(jié)構(gòu)序列，僅有四川、甘肅兩個(gè)地區(qū)；而對(duì)于其他80%的地區(qū)，如安徽、北京、上海等，經(jīng)BDS檢驗(yàn)的結(jié)果表明其價(jià)格收益率序列的波動(dòng)均存在非線性結(jié)構(gòu)，是非線性市場(chǎng)，但限于本文的研究范圍，并未能對(duì)這些地區(qū)的非線性特征和結(jié)構(gòu)作精確的判斷，故能充分解釋和擬合這些地區(qū)住房市場(chǎng)波動(dòng)特征的擬合模型還有待進(jìn)一步的探討和研究。本文的研究結(jié)論支持了我國(guó)住房市場(chǎng)存在區(qū)域差異的普遍性和客觀存在性，驗(yàn)證了區(qū)域房?jī)r(jià)波動(dòng)理論。房地產(chǎn)業(yè)的發(fā)展程度取決于一個(gè)地區(qū)或國(guó)家經(jīng)濟(jì)的發(fā)展水平，反過(guò)來(lái)又影響該地區(qū)的經(jīng)濟(jì)發(fā)展水平，它與宏觀經(jīng)濟(jì)的發(fā)展是相互促進(jìn)、相互制約。房地產(chǎn)的不可移動(dòng)性和房地產(chǎn)消費(fèi)的地域性，使得房地產(chǎn)業(yè)的發(fā)展具有明顯的地區(qū)特征。房地產(chǎn)的區(qū)域特性會(huì)對(duì)一個(gè)地區(qū)經(jīng)濟(jì)的發(fā)展產(chǎn)生較大的外部性，它可以通過(guò)房地產(chǎn)的產(chǎn)出、投資、消費(fèi)和價(jià)格來(lái)影響該地區(qū)的經(jīng)濟(jì)活動(dòng)。另一方面，一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平、通勤情況、自然資源的察賦等都將決定該地區(qū)房地產(chǎn)的供給和發(fā)展。因此，受多種因素的影響，使得房地產(chǎn)業(yè)的發(fā)展及波動(dòng)具有鮮明的區(qū)域特征。上文對(duì)我國(guó)不同地區(qū)住房市場(chǎng)房?jī)r(jià)收益率序列波動(dòng)特征的實(shí)證研究結(jié)果顯示出我國(guó)住房市場(chǎng)的波動(dòng)特征存在一定的區(qū)域差異性，但為什么存在這些差異性？是這些地區(qū)的哪些影響因素導(dǎo)致了波動(dòng)特征的差異？要分析這兩個(gè)問(wèn)題，我們需要跳出房地產(chǎn)市場(chǎng)本身，從宏觀經(jīng)濟(jì)環(huán)境入手來(lái)分析數(shù)字背后的原因，探究這兩類住房市場(chǎng)所存在的某些特征。參考國(guó)內(nèi)外學(xué)者的研究成果，區(qū)域的宏觀經(jīng)濟(jì)環(huán)境對(duì)區(qū)域住房市場(chǎng)的影響包括供給、需求兩方面，影響因素主要包括地區(qū)生產(chǎn)總值、人均可支配收入、人口、各地城市化水平、各地土地供給量、房地產(chǎn)投資額度、以及區(qū)域經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)等等。本文由于搜集到的統(tǒng)計(jì)數(shù)據(jù)有限，僅能從地區(qū)生產(chǎn)總值、人均可支配收入、城市化比率、產(chǎn)業(yè)結(jié)構(gòu)四個(gè)方面出發(fā)來(lái)深入分析實(shí)證結(jié)果中表現(xiàn)出的住房市場(chǎng)波動(dòng)的區(qū)域差異性。并且因?yàn)橹荒芩鸭较嚓P(guān)變量的年度數(shù)據(jù)，所以下文的分析均是基于1999年至2009年的年度統(tǒng)計(jì)數(shù)據(jù)，該數(shù)據(jù)均來(lái)源于銳思數(shù)據(jù)庫(kù)?；趯?shí)證結(jié)果，我們可以將這30個(gè)地區(qū)住房市場(chǎng)根據(jù)上文實(shí)證研究的結(jié)果劃分為兩類進(jìn)行討論：第一類，為可用常方差或者條件方差時(shí)間序列模型對(duì)數(shù)據(jù)波動(dòng)特征進(jìn)行充分解釋的序列過(guò)程，第二類，為不能以簡(jiǎn)單時(shí)間序列過(guò)程進(jìn)行充分?jǐn)M合的序列過(guò)程，該類序列中存在某些復(fù)雜的非線性特征，時(shí)間序列模型不能予以充分捕捉。地區(qū)生產(chǎn)總值反映是的一個(gè)地區(qū)綜合經(jīng)濟(jì)水平，受到宏觀微觀多方面因素的綜合影響，同時(shí)它對(duì)住房市場(chǎng)需求面具有較大影響。在我國(guó)，不同地區(qū)的經(jīng)濟(jì)發(fā)展水平差異較大，存在嚴(yán)重的不平衡，而我國(guó)住房市場(chǎng)同樣存在部分地區(qū)過(guò)熱的區(qū)域發(fā)展不平衡現(xiàn)象。49地區(qū)生產(chǎn)總值與這兩類市場(chǎng)的波動(dòng)特征差異性是否存在一定關(guān)系，本文取兩類住房市場(chǎng)中各地區(qū)的生產(chǎn)總值進(jìn)行分析。從表41地區(qū)生產(chǎn)總值與這兩類市場(chǎng)的相關(guān)分析中可以看到，1999年至2009年間，第二類市場(chǎng)的地區(qū)生產(chǎn)總值均相對(duì)高于第一類的地區(qū)生產(chǎn)總值，即在第二類別市場(chǎng)中的地區(qū)，其經(jīng)濟(jì)發(fā)達(dá)水平相對(duì)較高，宏觀經(jīng)濟(jì)環(huán)境可能相對(duì)更復(fù)雜，受到的多方面經(jīng)濟(jì)沖擊更多更大，比如國(guó)際投資資金、國(guó)際經(jīng)濟(jì)環(huán)境的變化等，所以這類住房市場(chǎng)表現(xiàn)更活躍，導(dǎo)致了這類住房市場(chǎng)的波動(dòng)更為復(fù)雜，所以可能簡(jiǎn)單時(shí)間序列模型不足以充分地捕捉到其數(shù)據(jù)特征，而存在比較復(fù)雜的非線性特征。我國(guó)幅員遼闊，東西部經(jīng)濟(jì)發(fā)展嚴(yán)重不平衡，不同地區(qū)人均可支配收入差異顯著。地區(qū)人均可支配收入直接決定了當(dāng)?shù)鼐用褡》肯M(fèi)和投資兩方面的購(gòu)買需求，對(duì)住房市場(chǎng)影響很大。表42中比較了1999年至2007年兩類住房市場(chǎng)的總體平均人均可支配收入，可以看到第二類住房市場(chǎng)的平均人均可支配收入明顯高于第一類住房市場(chǎng)，這與上文地區(qū)生產(chǎn)總值的分析結(jié)論是一致的。人均可支配收入直接影響的是住房需求，較高的人均可支配收入對(duì)住房需求更大，住房市場(chǎng)更活躍，可能對(duì)住房市場(chǎng)的波動(dòng)影響更大，導(dǎo)致了這類住房市場(chǎng)的數(shù)據(jù)特征更復(fù)雜而難以描述。人口對(duì)于住房市場(chǎng)的需求與人均可支配收入的作用是一致的，直接影響住房市場(chǎng)的需求量。由于統(tǒng)計(jì)數(shù)據(jù)的缺失，只能取到1999年至2007年的人口