老龄化与房价外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

老龄化与房价

埃尔德·塔卡茨

国际清算银行，4002巴塞尔，瑞士

摘要：本文调查了老龄化对房价的影响。它首次使用覆盖22个先进经济体的房价数据。 分析发现，人口统计显着影响了房价。结果表明，正在发生重大转变。在过去40年中，平均人口数量使得先进经济实体房价每年上涨约30个基点，而未来40年，老龄化与中性人口平均年均下降约80个基点。在考虑金融资产价格时，人口结构从顺风变为逆风的转变也可能是与之相关的。

关键词：老龄化；房价；资产价格

1、研究目的

老龄化会抑制房价吗?这个问题对于业主，潜在的买家和投资者来说都是深远的影响——对于我们几乎所有人来说都是如此。老龄化可能会降低房价，因为工作年龄人们倾向于购买房屋，而老年人的疾病或死亡则导致销售额如克林（2005）所述。因此，如果与工作年龄人口数量相比老年人增加，那么房价可能会面临压力。而根据联合国人口预测（2011年），即将发生的事情是：老年人抚养比率——老年人口与就业人口的比例——在发达经济体的未来40年将几乎翻一番。 这给我们提出了这个问题：房价会怎样？我们会看到房价崩溃吗？

本文发现，老龄化将对房价造成极大的负面影响，但房价崩溃是不可能的。该文的主要贡献是使用广泛的国际房价小组来量化目前和未来房价发展情况下持续人口变化的影响。 本文找到明确的证据表明,人口老化,从而影响房价的因素。估计显示，未来40年，老龄化将使平均发达经济体价格年均增长约80个基点。虽然影响是巨大的，但并不等于曼昆和威尔（1989）所预测的房价崩溃。

本文首先建立了一个模型，将人口因素在房价制定中的作用形式化。理论模型建立在可追溯到布伦伯格和莫迪里阿尼（1954）与安藤和莫迪里阿尼（1963））的生命周期假说的主要见解之上：人们在工作生涯中购买资产，并在老年时卖掉资产。因此，除经济因素外，人口也决定资产价格。该模型有助于确定老年抚养比和总人口是人口影响的主要推动力。 但住房是一种特殊的资产，它的购买与家庭形成有关，其销售通常在生活中很晚——通常只有在所有者死亡之后才能使用克赖纳（2005）的文件。因此，模型对人口影响的预测是经验性估计的。

实证分析使用国际清算银行的国际房价数据小组。数据覆盖了1970年至2009年间的发达经济体。这是第一次使用这样的国际数据库来调查老龄化对房价的影响。虽赫恩等（2005），经合组织（2005）和亚当斯（Fans）（2010）利用同一个国际数据来了解宏观经济变数与房价之间的联系，本文是第一个用它来调查人口与房价之间的联系。以前关于该主题的研究，曼昆和威尔（1989）和亨德斯霍特（1991）的数据来自美国，恩格尔哈特和波特巴（1991）的来自加拿大，伯格（1996）和霍特（1998）的来自瑞典。

这里使用的国际样本比单一国家数据具有更强大的识别。识别是至关重要的，因为老化是缓慢的移动变量，有很多非线性措施。这些特征将允许在单一国家数据中将许多非线性度量中的一种纳入资产价格趋势。恩格尔哈特和波特巴（1991）通过表明曼昆和威尔（1989）中确定的人口学变量并不能解释加拿大的房价波动，从而证明了这一观点。布鲁克斯（2006）类似地表明，一些老龄化措施通常可以适应单一国家金融资产价格趋势，尽可能地要求使用国际样本。

实证结果证实，人口学显著影响房价。分析使用面板回归模型，将老年抚养比与总人口与实际房价相联系，同时控制宏观经济变量。总人口的百分之一高于实际房屋价格的1％左右。高龄老年抚恤金比例相当于实际房屋价格下降约2/3％。详细的敏感性分析证实，对于回归规范中的大量变化，结果保持稳健。

人口影响不仅在统计学上，而且在经济上也是显着的。结果表明，平均人口增加了先进经济住房，过去40年，与中性人口相比，价格每年约30个基点。此外，未来的人口影响也可以估计使用联合国人口预测（2011）。据估计，未来40年，人口学将使年均经济发达房屋价格下降约80个基点。简而言之，我们即将看到一个重大的人口变迁：近期的人口顺风在不久的将来会变成逆风。

重要的是，这些估计并不一定意味着实际房价的绝对下降。其他因素，如经济增长，可以很好地抵消人口的阻力。然而，似乎未来四十年将是一个比过去40年更加困难的房价涨幅环境。

此外，估计并不意味着资产价格的崩溃。这将结果放在文献中的两个相反的观点之间。 曼昆和威尔（1989）一方面认为，婴儿潮一代的退休将导致“资产价格的崩溃”，即不到二十年的房地产价格大幅下降了近50％。在另一方面，恩格尔哈特和波特巴（1991），亨德斯霍特（1991）和伯格（1996）发现人口的影响很小，而霍特（1998）甚至发现了老龄化的影响。

最后，本文及其结果也可能用于进一步考虑老龄化和金融资产价格。生命周期假说不仅意味着房价逆势而且意味着金融资产价格逆势。不幸的是，住房和金融资产购买决策存在一些差异，这使得房价目前的结果能够将金融资产价格的变化转化为金融资产价格困难。未来的研究可以探索这些差异，并利用现有的结果更好地理解老龄化对金融资产价格的影响。在这方面，令人鼓舞的是，这里确定的房屋老化逆势与文献中金融资产识别的衰退趋势基本一致。

本文的其余部分组织如下。第二部分介绍了推导关键资产价格驱动因素的理论模型。第三部分经验分析数据，并显示老化影响估计。最后一节为结论。

2、模型

2.1基准模型

2.1.1建立

依照阿莱(1947), 萨缪尔森(1958) and戴蒙德(1965)之后的一个小的重叠生成模型，建立了生命周期。 相同的代理人生活了两个时期。年轻的代理人工作，有外生的工作收入，并且在老年时节省了消费。储蓄是通过可分割的平价资产完成的。代理人的效用函数（U）可以写成如下：

其中是自然对数, 是年轻时的消费，是年老时的消费，是折扣因子，t是时间段指数。

代理根据预算限制最大化其效用函数：

即年轻时的消费 和消费的折扣价值（1/(1 ））在年龄（）较老年（）弱

于外生工作收入时。利率（）将内生确定，并将描述资产价格变动。

现在介绍资产市场。代理人交易单一，可分割和其他无用的平价资产（K），其在t时刻在定价。年轻代理人以单位价格购买该资产的份额。因此，预算约束可以重写如下：

由于代理人是相同的，平衡总产量等于总消费，年轻人的个人储蓄等于资产价值（）除以当前年轻一代（）的平均水平.因此，（3）可以重写如下：

那么在t 1时刻，现在的老代理商就是在这个资产出售价格并使用收益消费：

方程式(5)显示，老年消费依赖于初始储蓄（/）和这些储蓄的回报(1 ）。

在解决模型之前，我们先来介绍两个符号。首先，将人口增长(）定义为当前(t)年轻一代与当前老年人的比例（和前一年）年代：

第二，同样地表达外生经济增长（）：

标准横向条件最终确定了系统的描述：

2.1.2结论

基准模型的解决方案是直接的。结合一级条件：

资源约束（2）年轻时产生个人消费：

在下一步中，写出均衡的个人储蓄和投资（方程（9））。左侧显示年轻人的储蓄作为外生工作收入与消费之间的差异，如方程式（8）。右侧显示年轻时的均衡投资，由方程式（4）：

可以使用相同的步骤来确定下一个时期（t 1）中的平衡保值和投资值：

上述公式可以通过使用公式的人口增长方程式（6）和实际经济增长方程式（7）来重写：

简单来说，将方程（10）除以方程（9）可确定资产价格在实际经济和人口增长方面的演变：

我们可以直接看出，它与资产需求有关。如果下一代更富裕，资产将会更多，因为这一代人将需要更多的资产。实际的经济增长因素可以看出，财富和人口增长因素对发电规模的影响。

附录A中的扩展显示，基准模型的主要资产价格驱动力在规范的各种变化下保持强劲。 特别是，考虑到跨期替代效用函数的不变弹性，允许住房公用事业，引入社会保障配置或明确建模寿命不会改变基准模型的主要定性结论：人口学，即后代世代的差异是一个关键资产价格驱动。

2.2影响

总而言之，实际的经济和人口因素驱动了房价。 这些理论研究结果与布伦伯格和莫迪里阿尼（1954）和安藤和莫迪里阿尼（1963）的模型相一致，发现除了收入，人口增长和人口年龄分布外， 确定储蓄消费决定，从而确定资产价格。

该模型也可用于指导实证调查的解释变量的选择。事实上，经验估计是必要的，因为模型使用了一些简化的假设。例如，它假定住房存量是固定的，或者是老房子在一生中卖掉。 家庭的经验行为显然更丰富，如克林（2005）所述。无论如何，该模型在选择经济和人口解释变量方面提供了有用的指导。

方程（11）中的实际经济增长因子（1 g）被实际GDP人均增长所捕获。越富裕的人越加愿意准备支付他们的住房。

方程（11）中的人口增长（1 d）可以通过总人口（TPOP）增长和老年抚养比的倒数来获得。此外，老年抚养比（OLDDEP）的倒数，老年人与工作年龄人口的比例可以写成年轻人（）与老年人（）的比例，或更简单地作为人口增长的倒数（1 d）：

包括人口因素（即老年抚养比与总人口增长的倒数）对于经验分析是有用的。它们可以被认为是捕获一方的大小效应（在总人口的情况下），另一方面是组合效应（在老年抚养比的情况下）。 虽然这些效果在风格化模式中的作用类似，但它们在更丰富的现实生活数据中并不完全相同。例如，考虑延长预期寿命。即使生育率仍然保持繁殖率，随后几代人的规模相同，预期寿命就会增加总人口和老年抚养比。根据模型，这将对房价产生相反的影响。 较高的老年依赖度会降低，而总人口居高不下的房价。因此，只依靠一种人口衡量标准是误导的。因此，经验模型使用两个变量。

总而言之，人均实际GDP增长吸引了实际的经济因素，老年抚养比和总人口占人口因素。 基于该模型，人们可以预期，实际GDP变量和总人口的系数将为正值，而老年抚养比负值则为正。

3.实证分析

3.1 数据

实证分析使用来自国家来源的房屋价格数据和国际清算银行编制的数据。数据库涵盖了1970年至2009年间的22个发达经济体：澳大利亚，奥地利，比利时，加拿大，丹麦，芬兰，法国，德国，希腊，爱尔兰，意大利，日本，韩国，荷兰，新西兰，挪威，葡萄牙，西班牙，瑞典 ，瑞士，英国和美国。对于美国来说，美国国内房价指数适用于整个时期。对于所有其他经济体，使用国际清算银行编制的房价指数。各个经济体的数据覆盖面和方法有所不同，因此，水平可能无法直接相比。最重要的是，日本指数是土地成本，而不是房价。

实际房价数据显示高水平的异质性（图1）。经济在地理上分为：中欧（左上图），欧洲周边（右上图），北欧（左下图）和非欧洲经济（右下图）。在所有群体中，有一些实体房价涨幅较大的国家，北欧以外的所有国家都包含在过去40年里没有或很少实际房屋涨价的国家。这种国际异质性对于识别是有用的。

图1

图1所示。发达经济体的实际房价。1970 = 100，平减指数:消费者价格指数。资料来源:美国全国房价指数;国际清算银行；国家数据。

一些房价和人口发展似乎与生命周期理论的定性预测一致。 联合国人口预测（2011年）的人口数据显示，一些著名的快速老龄化国家，如德国，日本或瑞士的平均价格涨幅较小。 另一方面，澳大利亚，加拿大或新西兰相对年轻且快速增长的人口与价格大幅上涨相关（附录A中的图A1）。但是，也有例外。最大的涨幅发生在英国，平均老龄化情况。此外，芬兰，意大利和韩国的快速增长已经经历了稳健的价格增长。在下文中，回归分析用于确定经济和人口因素对房价的确切影响。

3.2 面板回归

面板回归分析使用理论部分讨论的三个变量来解释实际房价演变。人均实际GDP用于经济因素。老年抚养比（65岁以上的人口和20岁至64岁之间）和总人口占人口因素。回归如下：

其中P表示实际房价，是截距，GDPPC是人均实际GDP，OLDDEP是老年依赖率，TPOP是总人口和/时间固定效应（其捕获未观察到的全球共同因素，如石油冲击）。下标i和t分别表示国家和时间（年份）。使用自然对数来获得弹性。

回归运行在差异上，而不是由于系列中的单位根导致的水平。事实上，这些变量似乎是固定的差异，即表现出单位的水平，但没有差异。单位根测试的细节显示在附录A的表A1和A2中。此外，差异解决了来自趋势变量的潜在问题。

面板回归分析证实，经济和人口因素对房屋价格的影响显着（表1）。尽管差异的影响减弱，但所有自变量都是非常显着的。人均实际人均国内生产总值和老年依赖度水平显着高于1％，总人口达到5％。系数的符号与理论模型预期的一样：人均实际GDP和总人口对房价的影响是积极的，老年抚养比的影响是负的。

表1 基准模型——实际房价。

来源:BIS和国家房价数据，联合国人口预测(2011)，国际货币基金组织。

在log-differences面板回归。1970年和2010年的22个发达国家的数据。具有固定的时间影响的年度数据。依赖变量:实际房价的差异。独立变量:人均国内生产总值的差异，老年抚养比和总数人口。老年抚养比率被定义为老年人口比率(65岁以上)和劳动年龄人口(20 - 64岁)。

**系数在5%显著水平。

***系数在1%显著水平。

系数的大小也似乎是合理的。它们被解释为弹性，因为回归是对日志差异的。实际房价在实际人均GDP和人口总额方面的弹性是统一的，即实际人均国内生产总值或总人口提高了1％，这意味着实际房价大概高出1％。相反，1％的老年抚养比意味着实际

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28029]，资料为PDF文档或Word文档，PDF文档可免费转换为Word