修 士 論 文 発 表 会 29/3/13 日 本 の 主 要 都 市 の オフィスビル 新 規 募 集 賃 料 に 関 する 研 究 一 橋 大 学 大 学 院 国 際 企 業 戦 略 研 究 科 金 融 戦 略 経 営 財 務 コース IM7F39 梅 村 充
目 次 1. 研 究 の 背 景 と 目 的 2. 使 用 データ 3. 先 行 研 究 4. 仮 説 5.オフィスビル 新 規 募 集 賃 料 の 概 観 6. 賃 料 変 動 率 のエリア 間 の 関 係 7. 賃 料 とマクロ 変 量 の 関 係 8. 都 市 毎 の 賃 料 と 空 室 率 就 業 者 数 の 関 係 9.まとめ 1. 参 考 文 献
1. 研 究 の 背 景 と 目 的 背 景 オフィスビルの 価 格 はキャッシュフローを 適 切 なキャップレートで 割 り 戻 す 収 益 還 元 法 により 決 定 されることが 一 般 的 である キャッシュフロー 変 動 の 最 大 要 因 は 賃 料 変 動 と 考 えられる 28 年 の 金 融 危 機 発 生 前 の 数 年 間 に 不 動 産 価 格 が 急 激 に 上 昇 した 主 要 因 は キャッシュフローの 向 上 ではなく 投 資 家 の 投 資 スタンス の 積 極 化 に 伴 うキャップレートの 低 下 であると 考 えられる 不 動 産 市 場 が 下 落 局 面 の 現 在 不 動 産 業 界 に 身 を 置 くものにとって 不 動 産 の 真 の 実 力 であるキャッシュフローの 動 きを 把 握 すること 即 ち 賃 料 の 動 きを 正 確 に 把 握 することが 肝 要 である
1. 研 究 の 背 景 と 目 的 目 的 各 都 市 のオフィスビル 募 集 賃 料 の 変 動 の 様 子 特 に 都 市 間 の 関 係 及 び マクロ 変 量 との 関 係 を 解 明 する 期 待 される 成 果 オフィスビルの 貸 主 が 募 集 賃 料 を 決 定 する 際 に 近 傍 類 似 案 件 に 加 えて 参 考 にすることが 可 能 となる 不 動 産 マーケットの 動 向 を 解 明 する 一 つの 材 料 を 提 供 することにより 不 動 産 ケッ 動 向 を 解 明 する 材 料 を 提 供 する り 投 資 家 不 動 産 会 社 の 投 資 戦 略 のブラッシュアップに 資 する
2. 使 用 データ 本 研 究 では 以 下 のオフィスビル 新 規 募 集 賃 料 データを 使 用 する 提 供 会 社 シービー リチャードエリス 株 式 会 社 データ 種 別 オフィスビル 新 規 募 集 平 均 賃 料 時 点 1996 年 12 月 ~28 年 9 月 までの 四 半 期 データ(48 時 点 ) 対 象 エリア 東 京 都 心 5 区 横 浜 市 大 阪 市 名 古 屋 市 仙 台 市 札 幌 市 福 岡 市
3. 先 行 研 究 本 研 究 の 一 部 とアプローチが 同 様 と 考 えられる 不 動 産 収 益 率 をマクロ 変 量 等 により 説 明 することを 試 みた 研 究 森 (25)は オフィスの 空 室 率 調 整 済 み 募 集 賃 料 とマクロ 変 量 との 関 係 を 分 析 し 空 室 率 調 整 済 み 募 集 賃 料 を1 期 前 の 実 質 GDP 成 長 率 1 期 前 の 就 業 者 数 ( 金 融 保 険 不 動 産 ) 当 期 の 新 規 供 給 量 により 説 明 するモデルを 構 築 して いる Chaudhry et al. (1999)は 米 国 の 不 動 産 株 債 券 国 債 の 価 格 指 標 を 対 象 と し 特 に 不 動 産 に 関 しては 不 動 産 の 種 類 (オフィス 商 業 R&D 施 設 倉 庫 ) やエリア( 東 部 中 部 南 部 西 部 )を 対 象 として 共 和 分 関 係 を 求 め 異 なる 資 産 の 間 の 長 期 的 な 均 衡 関 係 を 分 析 している また 複 数 種 類 の 不 動 産 の 間 には 共 和 分 関 係 があるものの エリア 間 の 共 和 分 関 係 が 存 在 しないことを 確 認 している これらのように マクロ 変 量 と 不 動 産 収 益 率 の 関 係 については 数 多 くの 蓄 積 が なされているが 賃 料 のエリア 間 の 関 係 やエリア 毎 の 賃 料 変 動 を 個 別 に 解 明 するという 研 究 はあまり 例 がないため 新 規 性 があり 意 義 深 いと 考 えられる
4. 仮 説 不 動 産 業 界 の 実 務 募 集 賃 料 は 貸 主 が 近 傍 類 似 案 件 の 賃 料 需 給 バランス 景 気 動 向 等 を 踏 まえて 決 定 する 加 えて 全 国 展 開 しているデベロッパー 等 は 賃 料 決 定 トレンド 予 測 にあたり 近 傍 類 似 案 件 以 外 の 賃 料 動 向 も 踏 まえる 賃 料 変 動 のインパクト( 例 :1, 円 / 月 坪 )は 地 方 都 市 ほど 大 きい 仮 説 各 都 市 の 募 集 賃 料 は 自 身 の 都 市 の 過 去 の 賃 料 水 準 の 動 向 を 踏 まえて 変 動 する さらに 各 都 市 の 募 集 賃 料 は 次 のような 特 徴 を 持 つと 考 えられる
4. 仮 説 仮 説 ( 続 き) 東 京 募 集 賃 料 は 需 給 動 向 不 動 産 市 場 の 変 動 マクロ 経 済 の 変 動 を 受 けて 他 都 市 よりも 早 く かつ 大 きく 変 動 すると 考 えられる 大 阪 名 古 屋 東 京 ほどではないものの 需 給 動 向 や 不 動 産 市 場 の 変 動 マクロ 経 済 の 変 動 を 受 けて 募 集 賃 料 が 変 動 すると 考 えられる 横 浜 東 京 に 付 随 する 都 市 という 性 格 上 東 京 の 変 動 から 一 定 の 遅 れを もって 変 動 が 発 生 すると 考 えられるが 変 動 幅 は 東 京 ほど 大 きくない と 考 えられる 仙 台 札 幌 福 岡 上 記 都 市 とは 異 なり マクロ 経 済 や 他 都 市 の 影 響 をあまり 受 けず 賃 料 変 動 はそれほど 大 きくないと 考 えられる
5.オフィスビル 新 規 募 集 賃 料 の 概 観 対 数 賃 料 系 列 (log 賃 料 系 列 )のプロット 9.8 9.8 5wards 9.8 OSAKA 9.8 NAGOYA 9.7 9.6 9.6 9.6 9.4 9.4 9.4 96 9.6 92 9.2 92 9.2 92 9.2 9.5 9. 97 98 99 1 2 3 4 5 6 7 8 9. 97 98 99 1 2 3 4 5 6 7 8 9. 97 98 99 1 2 3 4 5 6 7 8 9.4 YOKOHAMA SENDAI SAPPORO 9.8 9.8 9.8 9.3 9.6 9.6 9.6 9.2 9.4 9.4 9.4 9.2 9.2 9.2 9.1 9. 9. 9. 9. 97 98 99 1 2 3 4 5 6 7 8 FUKUOKA 97 98 99 1 2 3 4 5 6 7 8 97 98 99 1 2 3 4 5 6 7 8 8.9 97 98 99 1 2 3 4 5 6 7 8 9.8 9.6 9.4 5wards OSAKA NAGOYA YOKOHAMA SENDAI SAPPORO FUKUOKA 9.2 9. 97 98 99 1 2 3 4 5 6 7 8 バブル 崩 壊 後 ITバブル 23 年 問 題 等 ありながらも 26 年 まで 下 落 その 後 27 年 後 半 まで 上 昇 するが 再 び 下 落 東 京 の 賃 料 が 他 都 市 より 明 らかに 高 水 準 である 東 京 大 阪 横 浜 仙 台 札 幌 は 比 較 的 賃 料 変 動 が 大 きいが 名 古 屋 福 岡 はそれほど 大 きくない
5.オフィスビル 新 規 募 集 賃 料 の 概 観 賃 料 変 動 率 系 列 (log 賃 料 1 階 階 差 系 列 )のプロット.5.4 5wards.2 OSAKA.2 NAGOYA.4.3.2.1.1..1..3. -.1 -.1 -.1.2 -.2 -.3 97 98 99 1 2 3 4 5 6 7 8 -.2 -.3 97 98 99 1 2 3 4 5 6 7 8 -.2 -.3 97 98 99 1 2 3 4 5 6 7 8.1 YOKOHAMA SENDAI SAPPORO..2.1.3.2.1.4.2 -.1. -.1. -.1. -.2 -.2 -.2 -.3 -.2 -.3 -.3 97 98 99 1 2 3 4 5 6 7 8 -.4 97 98 99 1 2 3 4 5 6 7 8 -.4 97 98 99 1 2 3 4 5 6 7 8 -.4 97 98 99 1 2 3 4 5 6 7 8.6.4 FUKUOKA 5wards OSAKA NAGOYA YOKOHAMA SENDAI SAPPORO FUKUOKA.2. -.2 -.4 97 98 99 1 2 3 4 5 6 7 8 東 京 の26 年 以 降 の 上 昇 率 が 他 都 市 よりも 際 立 っている 一 方 他 都 市 では 26 年 以 降 の 上 昇 率 の 大 きさが 際 立 っている 様 子 は 確 認 できない
5.オフィスビル 新 規 募 集 賃 料 の 概 観 単 位 根 検 定 各 種 時 系 列 分 析 の 準 備 として 定 常 性 の 確 認 を 行 う 各 都 市 の 対 数 賃 料 系 列 及 び 賃 料 変 動 率 系 列 について 単 位 根 検 定 (ADFテスト PPテスト)を 施 す ADFテスト PPテスト 検 定 の 結 果 は 以 下 の 通 り 対 数 賃 料 系 列 はADFテスト PPテスト 共 に 単 位 根 あり 賃 料 変 動 率 系 列 はADFテスト PPテスト 共 に 単 位 根 なし 各 都 市 の 対 数 賃 料 系 列 をI(1)とみなして 分 析 を 進 める
5.オフィスビル 新 規 募 集 賃 料 の 概 観 自 己 回 帰 移 動 平 均 モデル(ARMAモデル) 各 都 市 の 賃 料 変 動 率 系 列 に 対 して 以 下 のARMA(p,q)モデルを 構 築 する(ただし p,q 4) AR 項 及 びMA 項 の 次 数 はAIC 情 報 量 基 準 により 決 定 する 分 析 結 果 東 京 ARMA(2,4) Adj. R 2 =.41 大 阪 ARMA(4,3) Adj. R 2 =.546 名 古 屋 ARMA(2,3) Adj. R 2 =.39 横 浜 ARMA(3,2) Adj. R 2 =.44 仙 台 ARMA(4,3) Adj. R 2 =.142 札 幌 ARMA(4,4) 4) Adj. R 2 =.631 福 岡 ARMA(3,3) Adj. R 2 =.281
5.オフィスビル 新 規 募 集 賃 料 の 概 観 自 己 回 帰 移 動 平 均 モデル(ARMAモデル) 構 築 結 果 一 覧 Variable C AR(1) AR(2) AR(3) AR(4) MA(1) MA(2) MA(3) MA(4) Residuals 東 京 Adj. R 2 Coefficient -.2 -.824.12 - - 1.39.677.795.64 Jarque-Bera ARMA(2,4).41 Std. Error.4.277.26 - -.237.384.277.14 1.198 AIC t-statistic -.519-2.979.45 - - 5.867 1.763 2.872 4.578 Prob. -6.234 Prob..67.5.964 - -..86.7..549 大 阪 Adj. R 2 Coefficient -.3 -.75.317.932.148 1.237.212-1.158 - Jarque-Bera ARMA(4,3).546 Std. Error.7.386.416.245.231.463.657.558-1.64 AIC t-statistic -.446-1.942.762 3.798.642 2.674.323-2.74 - Prob. -6.848 Prob..658.6.451.1.525.11.749.46 -.587 名 古 屋 Adj. R 2 Coefficient -.2.161.531 - - -.793 -.831.135 - Jarque-Bera ARMA(2,3).39 Std. Error.2.28.318 - -.32.38.39 -.23 AIC t-statistic -.94.771 1.668 - - -2.475-2.186.436 - Prob. -6.71 Prob..372.446.13 - -.18.35.666 -.891 横 浜 Adj. R 2 Coefficient -.4.77 -.825.179 - -.472.939 - - Jarque-Bera ARMA(3,2).44 Std. Error.2.155.11.125 -.46.26 - -.427 AIC t-statistic -1.85 4.977-8.186 1.439 - -1.217 36.528 - - Prob. -6.488 Prob..79...158 -.. - -.88 仙 台 Adj. R 2 Coefficient -.4.34 -.57 -.279 -.288 -.585.5.693 - Jarque-Bera ARMA(4,3).142 Std. Error.1.262.274.184.129.236.32.229 -.8 AIC t-statistic -3.96 1.3 -.29-1.517-2.234-2.479.16 3.31 - Prob. -6.578 Prob...22.835.138.32.18.988.5 -.996 札 幌 Adj. R 2 Coefficient -.6 -.362 -.8.783 -.131.383 -.337-2.81.75 Jarque-Bera ARMA(4,4).631 Std. Error.2.57.44.23.561.686.6.618 1.32 5.346 AIC t-statistic -3.255 -.715 -.183 3.411 -.234.559 -.562-3.368.57 Prob. -6.16 Prob..3.479.856.2.817.58.578.2.955.69 福 岡 Adj. R 2 Coefficient -.3 -.98 -.37.495 -.328.25 -.711 - Jarque-Bera ARMA(3,3).281 Std. Error.2.234.193.17 -.244.243.256 -.68 AIC t-statistic -1.328 -.421 -.189 2.98-1.343 1.3-2.782 - Prob. -6.617 Prob..192.676.851.6 -.187.31.9 -.967
6. 賃 料 変 動 率 のエリア 間 の 関 係 -グレンジャー 因 果 性 - グレンジャー 因 果 性 ( 賃 料 変 動 率 系 列 に 対 して 適 用 ) 5WARDS OSAKA X causes Y. ( : 有 意 水 準 5%) Y 5WARDS OSAKA NAGOYA YOKOHAMA SENDAI SAPPORO FUKUOKA lag 1 lag 1,2,3,4 lag 1,2,3 lag 1,2,3 lag 1,2,3,4 lag 1,2,3,4 NAGOYA X YOKOHAMA SENDAI lag 1 lag 1 lag 4 lag 3,4 lag 3 SAPPORO FUKUOKA lag 1 lag 1,2,3,4 lag 1 東 京 は 多 くの 都 市 にグレンジャーの 意 味 での 因 果 性 を 与 えている 大 阪 名 古 屋 はほとんどグレンジャーの 意 味 での 因 果 性 を 与 えていない
6. 賃 料 変 動 率 のエリア 間 の 関 係 - 共 和 分 関 係 - 共 和 分 関 係 ( 対 数 賃 料 系 列 に 対 して 適 用 ) ( 例 )(_5wards) t =θ(osaka ) t + u t lag1 lag2 lag3 lag4 _5wards osaka Trace 1 Max-Eig 1 nagoyag y Trace 1 Max-Eig yokohama Trace 1 Max-Eig 1 sendai Trace Max-Eig sapporo Trace Max-Eig fukuoka Trace 1 Max-Eig osaka nagoya Trace Max-Eig yokohama Trace 1 1 Max-Eig 1 sendai Trace Max-Eig sapporo Trace Max-Eig fukuoka Trace 2 Max-Eig 2 lag1 lag2 lag3 lag4 nagoya yokohama Trace 1 1 2 Max-Eig 1 sendai Trace 1 Max-Eig 1 sapporo Trace Max-Eig fukuoka Trace Max-Eig yokohama sendai Trace 1 2 Max-Eig 1 sapporo Trace Max-Eig fukuoka Trace 1 2 Max-Eig 2 sendai sapporo Trace Max-Eig fukuoka Trace 1 Max-Eig 1 sapporo fukuoka Trace Max-Eig
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VARモデル 構 築 - VARモデル 構 築 ( 賃 料 変 動 率 系 列 に 対 して 適 用 ) ( 例 )2 変 量 VAR(2)モデル VARのパラメーター 数 はn(np+1)+n(n+1)/2で 与 えられる n: 変 量 数, p: lag 数 3 変 量 2 時 点 前 : 3*(3*2+1)+3*(3+1)/2=21+6=27 2 変 量 4 時 点 前 : 2*(2*4+1)+2*(2+1)/2=18+1=28 18+1 28 48 時 点 とデータ 数 に 限 りがあるため 3 変 量 1,2 時 点 前 2 変 量 1~4 時 点 前 の モデルを 構 築 する
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VARモデル 構 築 - 構 築 するVARモデル 2 都 市 VARモデル(lag1~4) 3 都 市 VARモデル(lag1, 2) ( 例 ) 東 京 大 阪 のVAR(lag1)モデル ( _5wards) t =C 1 +φ 11 1,1 ( _5wards ) t-1 +φ 12 1,2 ( osaka ) t-1 +ε 1,t ( osaka) t =C 2 +φ 2,1 ( _5wards ) t-1 +φ 2,2 ( osaka ) t-1 +ε 2,t
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VARモデル 構 築 - 構 築 されたモデルの 例 仙 台 札 幌 のVAR(lag1)モデル Variable Δy 1,t-1 Δy 2,t-1 C y 1,t Adj. R 2 Coefficient -.257 -.259 -.6 仙 台 265.265 Std. Error -.12 -.79 79 -.1 1 t-statistic -2.152-3.268-4.365 y 2,t Adj. R 2 Coefficient.159 -.113 -.5 札 幌 -.26 Std. Error -.231 -.153 -.3 t-statistic.688 -.736-1.912 仙 台 のAdj.R 2 =.265は ARMA(4,3)の Adj. R 2 =.142 よりも 向 上.2 Response to Cholesky One S.D. Innovations Response of SAPPORO to SAPPORO Response of SAPPORO to SENDAI.2 Variance Decomposition Percent SAPPORO variance due to SAPPORO Percent SAPPORO variance due to SENDAI 1 1.16.16 8 8.12.12 6 6.8.8.4.4 4 4.. 2 2 -.4 -.4 Response of SENDAI to SAPPORO Response of SENDAI to SENDAI Percent SENDAI variance due to SAPPORO Percent SENDAI variance due to SENDAI.1.1 1 1.75.75 8 8.5.5 6 6.25..25. 4 4 -.25 -.25 2 2 -.5 -.5
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VECモデル 構 築 - VECモデル 構 築 ( 賃 料 変 動 率 系 列 に 対 して 適 用 ) A:n h 行 列 B:n h 行 列 ( 例 )2 変 量 VEC(2)モデル
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VECモデル 構 築 - 構 築 するVECモデル 2 都 市 VECモデル(lag1~4) 3 都 市 VECモデル(lag1, 2) ( 例 ) 東 京 大 阪 のVEC(lag1)モデル ( _5wards) t =C 1 +ζ 11 1,1 ( _5wards ) t-1 +ζ 12 1,2 ( osaka ) t-1 +a 1 {b 1 (_5wards) t-1 + b 2 (osaka) t-1 } +ε 1,t ( osaka) t =C 2 +ζ 2,1 ( _5wards ) t-1 +ζ 2,2 ( osaka ) t-1 +a 2 {b 1 (_5wards) t-1 + b 2 (osaka) t-1 } +ε 2,t
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VECモデル 構 築 - 構 築 されたモデルの 例 東 京 名 古 屋 仙 台 のVEC (lag1)モデル Error Collection Variable y 1,t-1 y 2,t-1 y 3,t-1 C y 1,t 東 京 Coefficient 1. -5.458 1.625 25.73 y 2,t 名 古 屋 Std. Error - -.999 -.484 - y 3t 3,t 仙 台 t-statistic - -5.464 3.358 - Variable CointEq1 Δy 1,t-1 Δy 2,t-1 Δy 3,t-1 C y 1t 1,t Adj. R 2 Coefficient.15.449.61.344.1 東 京.293 Std. Error -.34 -.14 -.182 -.161 -.2 t-statistic.436 3.26.335 2.14.418 y 2,t Adj. R 2 Coefficient.118 -.26 -.19 -.289 -.3 名 古 屋.427 Std. Error -.24 -.98 -.128 -.113 -.1 t-statistic 4.893 -.261 -.856-2.567-2.138 y 3,t Adj. R 2 Coefficient.5.261 -.189 -.358 -.5 仙 台.187 Std. Error -.28 -.115 -.15 -.132 -.1 t-statistic.162 2.269-1.263-2.72-3.436
6. 賃 料 変 動 率 のエリア 間 の 関 係 -VECモデル 構 築 - 構 築 されたモデルの 例 東 京 名 古 屋 仙 台 のVEC (lag1)モデル Response of _5WARDS to _5WARDS.25.2 Response to Cholesky One S.D. Innovations Response of _5WARDS to SENDAI.25.25.2.2 Response of _5WARDS to NAGOYA Percent _5WARDS variance due to _5WARDS 1 Variance Decomposition Percent _5WARDS variance due to SENDAI 1 Percent _5WARDS variance due to NAGOYA 1.15.15.15 8 8 8.1.1.1 6 6 6.5.5.5 4 4 4... 2 2 2 -.5 -.5 -.5.1 Response of SENDAI to _5WARDS.1 Response of SENDAI to SENDAI.1 Response of SENDAI to NAGOYA Percent SENDAI variance due to _5WARDS Percent SENDAI variance due to SENDAI Percent SENDAI variance due to NAGOYA 1 1 1.8.8.8 8 8 8.6.6.6.4.4.4 6 6 6.2.2.2 4 4 4... 2 2 2 -.2 -.2 -.2 Response of NAGOYA to _5WARDS Response of NAGOYA to SENDAI Response of NAGOYA to NAGOYA Percent NAGOYA variance due to _5WARDS Percent NAGOYA variance due to SENDAI Percent NAGOYA variance due to NAGOYA.8.8.8 1 1 1.6.6.6 8 8 8.4.4.4 6 6 6.2.2.2... 4 4 4 -.2 -.2 -.2 2 2 2 -.4 -.4 -.4 名 古 屋 のAdj.R 2 =.427は ARMA(2,3) のAdj. R 2 =.39よりも 向 上
7. 賃 料 とマクロ 変 量 の 関 係 賃 料 とマクロ 変 量 の 関 係 各 種 マクロ 変 量 ( 一 部 変 量 についてはX12による 季 節 調 整 を 施 す ) を 用 いて 各 都 市 の 賃 料 変 動 率 を 説 明 するモデルを 構 築 する 構 築 するモデル 1 都 市 1マクロ 変 量 の2 変 量 VARモデル VECモデル 1 都 市 2マクロ 変 量 の3 変 量 VARモデル VECモデル V 2 都 市 1マクロ 変 量 の3 変 量 VARモデル VECモデル
7. 賃 料 とマクロ 変 量 の 関 係 使 用 するマクロ 変 量 (I(1)のみ 用 いる ) 表 記 マクロ 変 量 和 分 過 程 GDP 実 質 GDP( 季 節 調 整 済 み) I(1) Earnings 企 業 経 常 利 益 ( 金 融 保 険 以 外 季 節 調 整 済 み) I(1) Employee(Employees_real) 金 融 保 険 不 動 産 就 業 者 数 I(1) Bond 長 期 国 債 1 年 物 応 募 者 利 回 り I() Nikkei 日 経 平 均 I(1) Topix TOPIX( 東 証 第 1 部 ) I(1) Market_cap 東 証 第 1 部 時 価 総 額 I(1) Employees_all 全 就 業 者 数 ( 季 節 調 整 済 み) I(1) Employees_con 建 設 業 就 業 者 数 I(1) CPI CPI( 総 合 ) I(1) Const_order 建 設 工 事 受 注 I(1) Const 建 築 着 工 床 面 積 I() Prime_rate 長 期 プライムレート( 月 中 平 均 ) I(1) Activity_index 全 産 業 活 動 指 数 ( 季 節 調 整 済 み) I(1) DI 判 断 DI 業 況 I(2) CI_lead 景 気 動 向 指 数 CI 先 行 系 列 I(2) CI_normal 景 気 動 向 指 数 CI 一 致 系 列 I(1) CI_lag 景 気 動 向 指 数 CI 遅 行 系 列 I(2) Nikkei_iw 日 経 産 業 天 気 INDEX( 日 経 DI) I(1) Nikkei_w 日 経 景 気 INDEX( 日 経 BI) I(2) DI_employee 判 断 DI 雇 用 人 員 I(1) DI_fund 判 断 DI 資 金 繰 り I(1) DI_lender 判 断 DI 金 融 機 関 貸 出 態 度 I(1) CGPI 企 業 物 価 指 数 ( 総 平 均 ) I(2)
7. 賃 料 とマクロ 変 量 の 関 係 GDP EARNINGS EMPLOYEES_REAL BOND NIKKEI 34. 16.6 5.6 1. 1. 33.95 16.4 5.56.5 9.8 16.2 5.52 9.6 33.9 16.. 15.8 5.48 9.4 33.85 15.6 5.44 -.5 9.2 33.8 15.4 5.4-1. 9. 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 TOPIX MARKET_CAP EMPLOYEES_ALL EMPLOYEES_CON CPI 7.6 2.2 8.8 6.6 4.65 7.4 2. 8.79 6.5 4.64 7.2 19.8 8.78 4.63 8.77 6.4 7. 19.6 8.76 4.62 6.8 19.4 8.75 6.3 4.61 6.6 19.2 8.74 6.2 4.6 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 CONST_ORDER CONST PRIME_RATE ACTIVITY_INDEX DI 15.6 11. 1.2 4.68 4.8 15.4 1.8 1. 4.66 4.6.8 4.64 4.4 15.2 1.6 4.62.6 4.6 4.2 15. 1.4.4 458 4.58 4. 14.8 1.2.2 4.56 3.8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 CI_LEAD CI_NORMAL CI_LAG NIKKEI_IW NIKKEI_W 4.65 4.7 4.7 5.2 4.68 4.6 4.65 4.6 4.8 4.64 4.55 4.6 4.6 4.5 4.55 4.5 4.4 4.45 4.5 4.56 4.4 4.45 4.4 4. 4.52 4.35 4.4 4.3 3.6 4.48 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 DI_EMPLOYEE DI_FUND DI_LENDER CGPI 4.9 4.7 4.8 4.72 4.8 4.6 4.7 4.68 4.7 4.6 4.5 4.64 4.6 4.5 4.5 4.4 4.4 4.6 4.4 4.3 4.3 4.56 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8 98 2 4 6 8
7. 賃 料 とマクロ 変 量 の 関 係 構 築 されたモデルの 例 東 京 プライムレートのVEC(lag4)モデル Error Collection Variable y 1,t-1 y 2,t-1 C y 1,t 東 京 Coefficient 1. -.343-9.336 y 2,t プライムレート Std. Error - -.48 - t-statistic - -7.142 - Variable CointEq1 Δy 1,t-1 Δy 1,t-2 Δy 1,t-3 Δy 1,t-4 Δy 2,t-1 Δy 2,t-2 Δy 2,t-3 Δy 2,t-4 C y 1,t Adj. R 2 Coefficient -.172.195.137.293 -.133 -.66 -.2 -.5 -.43 -.1 東 京.613 Std. Error -.35 -.15 -.126 -.136 -.159 -.17 -.16 -.15 -.15 -.1 t-statistic -4.995 1.295 1.84 2.151 -.84-3.98-1.227-3.381-2.875 -.649 y 2,t Adj. R 2 Coefficient -.61.87 2.346-2.326-1.694 -.112 -.2 -.284 -.185 -.9 プライムレート -59.59 Std. Error -453.453-1971 1.971-1.656-1784 1.784-2.83-221.221 -.21-193.193-194.194 -.1818 t-statistic -.135.41 1.416-1.33 -.813 -.58 -.7-1.475 -.953 -.527
7. 賃 料 とマクロ 変 量 の 関 係 構 築 されたモデルの 例 東 京 プライムレートのVEC(lag4)モデル Response to Cholesky One S.D. Innovations Response of PRIME_RATE to PRIME_RATE Response of PRIME_RATE to _5WARDS.12.12 Variance Decomposition Percent PRIME_RATE variance due to PRIME_RATE Percent PRIME_RATE variance due to _5WARDS 1 1.8.8 8 8 6 6.4.4 4 4.. 2 2 Response of _5WARDS to PRIME_RATE Response of _5WARDS to _5WARDS Percent _5WARDS variance due to PRIME_RATE Percent _5WARDS variance due to _5WARDS.28.28 1 1.24.2.24.2 8 8.16.16 6 6.12.8.12.8 4 4.4..4. 2 2 -.4 -.4 東 京 のAdj.R 2 =.613は ARMA(2,4) のAdj. R 2 =.41よりも 向 上
7. 賃 料 とマクロ 変 量 の 関 係 構 築 されたモデルの 例 仙 台 札 幌 全 就 業 者 数 のVEC(lag2)モデル Error Collection Variable y 1t-1 1,t 1 y 2t-1 2,t y 3t-1 3,t C y 1,t 仙 台 Coefficient 1. -.521-2.782 19.937 y 2,t 札 幌 Std. Error - -.57 -.339 - y 3,t 全 就 業 者 数 t-statistic - -9.12-8.28 - Variable CointEq1 Δy 1,t-1 Δy 1,t-2 Δy 2,t-1 Δy 2,t-2 Δy 3,t-1 Δy 3,t-2 C y 1,t Adj. R 2 Coefficient -.339 -.12 -.37 -.371 -.18 -.59-1.167 -.8 仙 台.52 Std. Error -.68 68 -.122 -.11 -.66 66 -.8 8 -.48 -.47 -.1 1 t-statistic -5.3 -.978 -.372-5.65-1.356-1.448-2.868-5.532 y 2,t Adj. R 2 Coefficient.8.216 -.81 -.111.32 -.642.6 -.6 札 幌 -.118 Std. Error -.179 -.324 -.266 -.175 -.211-1.79-1.78 -.4 t-statistic.445.666 -.35 -.634.15 -.595.6-1.5 y 3,t Adj. R 2 Coefficient.21.13.13.31 -.2.23.149. 全 就 業 者 数 -.67 Std. Error -.3 -.55 -.45 -.3 -.36 -.183 -.183 -.1 t-statistic.678.243.295 1.53 -.572 1.18.817 -.664
7. 賃 料 とマクロ 変 量 の 関 係 構 築 されたモデルの 例 仙 台 札 幌 全 就 業 者 数 のVEC(lag2)モデル Response of SAPPORO to SAPPORO.2 Response to Cholesky One S.D. Innovations Response of SAPPORO to EMPLOYEES_ALL.2 Response of SAPPORO to SENDAI.2 Percent SAPPORO variance due to SAPPORO 1 Variance Decomposition Percent SAPPORO variance due to EMPLOYEES_ALL 1 Percent SAPPORO variance due to SENDAI 1.15.15.15 8 8 8.1.1.1 6 6 6.5.5.5 4 4 4... 2 2 2 -.5 -.5 -.5 Response of EMPLOY EES_ALL to SAPPORO Response of EMPLOY EES_ALL to EMPLOY EES_ALL Response of EMPLOY EES_ALL to SENDAI Percent EMPLOYEES_ALL variance due to SAPPORO Percent EMPLOYEES_ALL variance due to EMPLOYEES_ALL Percent EMPLOYEES_ALL variance due to SENDAI.4.4.4 1 1 1.3.3.3 8 8 8.2.2.2 6 6 6.1.1.1... 4 4 4 -.1 -.1 -.1 2 2 2 -.2 -.2 -.2 Response of SENDAI to SAPPORO Response of SENDAI to EMPLOYEES_ALL Response of SENDAI to SENDAI.8.8.8.6.6.6.4.4.4 Percent SENDAI variance due to SAPPORO Percent SENDAI variance due to EMPLOYEES_ALL Percent SENDAI variance due to SENDAI 1 1 1 8 8 8.2.2.2 6 6 6... 4 4 4 -.2 -.2 -.2 2 2 2 -.4 -.4 -.4 仙 台 のAdj.R 2 =.52は ARMA(4,3) のAdj. R 2 =.142よりも 向 上
8. 都 市 毎 の 賃 料 と 空 室 率 就 業 者 数 の 関 係 都 市 毎 の 賃 料 と 空 室 率 就 業 者 数 の 関 係 各 都 市 の 空 室 率 及 び 都 道 府 県 別 就 業 者 数 (X12による 季 節 調 整 を 施 す )を 用 いて 各 都 市 の 賃 料 変 動 率 を 説 明 するモデルを 構 築 する 構 築 するモデル 賃 料 変 動 率 空 室 率 変 動 率 の2 変 量 VARモデル VECモデル 賃 料 変 動 率 就 業 者 数 変 動 率 の2 変 量 VARモデル VECモデル V 賃 料 変 動 率 空 室 率 変 動 率 就 業 者 数 変 動 率 の3 変 量 VARモデル VECモデル
8. 都 市 毎 の 賃 料 と 空 室 率 就 業 者 数 の 関 係 各 都 市 の 空 室 率 就 業 者 数 空 室 率 就 業 者 数 VA 5WARDS VA_OSAKA VA_NAGOYA EMP 5WARDS EMP_OSAKA EMP_NAGOYA -2.4-2.2-2.4 11.1 8.86 8.42-2.8-3.2-3.6-4. -2.3-2.4-2.5-2.6-2.7-2.8-2.6-2.8-3. -3.2 11.9 11.8 11.7 11.6 8.84 8.82 8.8 8.78 8.76 8.74 8.4 8.38 8.36 8.34 8.32-4.4 1998 2 22 24 26 28-2.9 1998 2 22 24 26 28-3.4 1998 2 22 24 26 28 11.5 1998 2 22 24 26 28 8.72 1998 2 22 24 26 28 8.3 1998 2 22 24 26 28 VA_YOKOHAMA VA_SENDAI VA_SAPPORO EMP_YOKOHAMA EMP_SENDAI EMP_SAPPORO -2.2-2. -2. 8.3 8.43 7.75-2.4-2.6-2.8-3. -3.2-2.4-2.8-3.2-2.2-2.4-2.6-2.8-3. -3.2 8.28 8.26 8.24 8.22 842 8.42 8.41 8.4 8.39 8.38 8.37 7.7 7.65 7.6 7.55 7.5-3.4 1998 2 22 24 26 28-3.6 1998 2 22 24 26 28-3.4 1998 2 22 24 26 28 8.2 1998 2 22 24 26 28 8.36 1998 2 22 24 26 28 7.45 1998 2 22 24 26 28-2. VA_FUKUOKA 7.94 EMP_FUKUOKA -2.2-2.4 7.92-2.6 7.9-2.8-3. 7.88-3.2-3.4 1998 2 22 24 26 28 7.86 1998 2 22 24 26 28
8. 都 市 毎 の 賃 料 と 空 室 率 就 業 者 数 の 関 係 構 築 されたモデルの 例 東 京 東 京 の 空 室 率 のVEC(lag3)モデル Error Collection Variable y 1t 1,t-11 y 2t 2,t-1 C y 1,t 東 京 Coefficient 1. 1.29-5.443 y 2,t 東 京 空 室 率 Std. Error - -.41 - t-statistic - 3.145 - Variable CointEq1 Δy 1,t-1 Δy 1,t-2 Δy 1,t-3 Δy 2,t-1 Δy 2,t-2 Δy 2,t-3 C y 1,t Adj. R 2 Coefficient -.19.9 -.12.156 -.1.4.32. 東 京.525 Std. Error -.6 -.158 -.159 -.165 -.2 -.2 -.21 -.1 t-statistic -3.344.56 -.77.949 -.53.224 1.529 -.136 y 2,t Adj. R 2 Coefficient -.25 1.564 -.228 -.62.372.539 -.174 -.2 東 京 空 室 率.371 Std. Error -.5-1.414-1.425-1.474 -.181 -.179 -.188 -.13 t-statistic -.492 116 1.16 -.16-48.48 2.54 39 3.9-926.926 -.147
8. 都 市 毎 の 賃 料 と 空 室 率 就 業 者 数 の 関 係 構 築 されたモデルの 例 東 京 東 京 の 空 室 率 のVEC(lag3)モデル Response to Cholesky One S.D. Innovations Response of VA 5WARDS to VA 5WARDS Response of VA 5WARDS to _5WARDS.2.2 Variance Decomposition Percent VA 5WARDS variance due to VA 5WARDS Percent VA 5WARDS variance due to _5WARDS 1 1.16.16 8 8.12.12 6 6.8.8 4 4.4.4 2 2...1 Response of _5WARDS to VA 5WARDS.1 Response of _5WARDS to _5WARDS Percent _5WARDS variance due to VA 5WARDS 1 Percent _5WARDS variance due to _5WARDS 1.. 8 8 6 6 -.1 -.1 4 4 -.2 -.2 2 2 -.3 -.3 東 京 のAdj.R 2 =.525は ARMA(2,4) のAdj. R 2 =.41よりも 向 上
9. まとめ 分 析 結 果 の 総 括 ( 各 都 市 において 最 も 説 明 力 の 高 いモデルをマーク) ARMA 二 都 市 VAR 二 都 市 VEC 三 都 市 VAR 三 都 市 VEC 都 市 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 東 京 ARMA(2,4).41 大 阪 (lag3).426 大 阪 ARMA(4,3).546 名 古 屋 ARMA(2,3) 39.39 東 京 仙 台 (lag1).427 横 浜 ARMA(3,2).44 仙 台 ARMA(4,3).142 札 幌 (lag1).265 東 京 札 幌 (lag1).341 名 古 屋 札 幌 (lag1).255 札 幌 ARMA(4,4).631 福 岡 ARMA(3,3).281 大 阪 (lag4).399 マクロVAR マクロVEC 1 都 市 2マクロVAR 1 都 市 2マクロVEC 2 都 市 1マクロVAR 2 都 市 1マクロVEC 都 市 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 東 京 Prime rate(lag4).613 大 阪 名 古 屋 横 浜 DI_lender(lag1) 433.433 横 浜 Employees_real(lag3).447 仙 台 GDP(lag2).546 仙 台 Employees_all(lag2).218 札 幌 Employees_all(lag2).52 札 幌 福 岡 Employees_all(lag3).474 大 阪 Nikkei_iw(lag2).522 空 室 率 VAR 就 業 者 数 VAR 空 室 率 VEC 就 業 者 数 VEC 空 室 率 就 業 者 数 VAR 空 室 率 就 業 者 数 VEC 都 市 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 モデル Adj. R 2 東 京 VAR(lag3).418 VEC(lag3).525 VEC(lag3).495 大 阪 名 古 屋 横 浜 仙 台 札 幌 福 岡 VEC(lag3).393
9. まとめ 各 都 市 の 賃 料 変 動 率 の 類 型 化 (1) 自 己 完 結 型 : 大 阪 札 幌 (ARMAモデル) (2) 東 京 依 存 型 :( 仙 台 ) ( 名 古 屋 ) ( 福 岡 ) ( 東 京 を 含 むモデル) (3) 他 都 市 依 存 型 : 名 古 屋 横 浜 仙 台 福 岡 ( 東 京 ) ( 東 京 以 外 の 都 市 を 含 むモデル) (4)マクロ 依 存 型 (マクロ 変 量 を 含 むモデル) : 東 京 名 古 屋 横 浜 仙 台 福 岡 (5)ローカル 経 済 依 存 型 :( 東 京 ) ( 福 岡 ) ( 自 都 市 の 空 室 率 等 を 含 むモデル)
9. まとめ 各 都 市 毎 の 考 察 東 京 :マクロ 変 量 や 自 都 市 の 空 室 率 や 就 業 者 数 により 説 明 力 が 向 上 している 点 は 不 動 産 市 場 の 実 務 の 考 えと 概 ね 一 致 大 阪 : 自 己 完 結 型 に 分 類 されており 実 務 上 の 考 えとは 異 なる 名 古 屋 :マクロ 変 量 の 影 響 を 受 けている 点 は 実 務 上 の 考 えと 一 致 するが モデルに 用 いられたマクロ 変 量 は 実 務 上 想 定 していないものである 横 浜 : 東 京 に 付 随 する 形 で 変 動 するという 考 えとは 異 なる 結 果 が 得 られたが 全 就 業 者 数 により 説 明 力 が 向 上 する 点 は 実 務 上 の 考 えと 整 合 的 である 仙 台 : 札 幌 の 影 響 を 受 けている 様 子 が 明 らかになった これは 実 務 上 考 えられ ていないが 比 較 的 近 接 している 都 市 であるためそれほど 違 和 感 はない 札 幌 : 実 務 上 の 考 え 通 り 自 己 完 結 型 という 結 果 が 得 られた 福 岡 : 比 較 的 近 接 している 大 阪 の 影 響 を 受 けていることはそれほど 違 和 感 は ないが マクロ 変 量 の 影 響 を 受 けている 点 は 実 務 上 の 考 えとは 異 なる
9. まとめ まとめ 各 都 市 の 賃 料 変 動 率 について それぞれ 最 も 高 い 説 明 力 を 持 つモデルを 構 築 構 築 されたモデルの 種 類 に 応 じて 各 都 市 の 賃 料 変 動 率 の 動 向 を 類 型 化 結 果 として 実 務 上 の 考 え( 仮 説 )と 一 致 する 都 市 と 一 致 しない 都 市 があることを 解 明
1. 参 考 文 献 参 考 文 献 森 政 治 計 量 経 済 学 的 アプローチによるオフィスビルのキャッシュフロー 決 定 モデルとリスク 分 析 一 橋 大 学 院 国 際 企 業 戦 略 研 究 科 金 融 戦 略 コース(25) Mukesh K. Chaudhry, F.C.Neil Myer, James R. Webb. Stationarity and Cointegration in Systems with Real Estate and Financial Assets, Journal of Real Estate Finance and Economics 18:3 (1999), 339-349.