Modeling the dynamics between house prices and rents

다국어 초록 (Multilingual Abstract)

This paper uses a new error correction model with endogenous regime switching to study the relationship between house prices and rents in the United States from 1983 to 2019. We first consider the time-varying coefficient approach to explain the long-run relationship of the real estate market. Then, we estimate the error correction model with endogenous regime switching using an autoregressive latent factor, in which the future transition between states depends on the current state as well as the realization of the underlying time series. The results show that the endogenous regime model is a compelling choice because it can better capture the boom and bust cycle of the housing market than the Markov regime switching model. We run an adaptive lasso to select the unobserved macro variables determining the regimes. We find that employment and interest rates are essential predictors for regime factors. The empirical analysis supports that the error correction model with endogenous regime switching is applicable for studying the dynamic relationship of the housing market.

국문 초록 (Abstract)

본 논문에서는 1983년부터 2019년까지 미국의 집값과 월세 간의 관계를 파악하기 위해 내생적 국면 전환 오차수정모형을 활용하였다. 시간 변동 계수를 이용해서 부동산 시장의 장기적인 관계를 분석하였다. 또한, 장기 공적분 변수를 적용한 선형 오차수정모형, 마르코프 오차수정모형 및 내생적 국면 전환 오차수정모형을 추정하였다. Chang et al. (2017) 에서 제시된 새로운 방법을 활용하여 국면 전환을 구조화 함으로써 기저 시계열이 다음 기의 국면에 영향을 미칠 수 있도록 하였다. 분석 결과를 통하여 내생성을 고려해야 한다. 내생적 국면 전환 오차수정모형이 주택 시장의 호황과 불황 등의 변화를 더 정확히 포착할 수 있었다. 내생 모형의 잠재 요소는 적응성 래소 (adaptive lasso)로 가장 관계성이 높은 거시 변수를 뽑았는데, 고용과 금리는 부동산 시장에서는 유익한 예측력이 있는 경제 지수였다. 결과적으로 내생적 국면 전환 오차수정모형이 집값과 월세의 동태 관계 분석에 적절하였다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• Chapter 2. Model 4
• 2.1. TVC Model 5
• 2.2. Endogenous Regime Switching Model 7
• 2.3. Adaptive Lasso 10
• Chapter 3. Empirical Analysis 12
• 3.1. Data 12
• 3.2. Empirical Results 14
• 3.2.1. Unit Root Pretesting 14
• 3.2.2. Long-Run Estimation 16
• 3.2.3. Short-Run Estimation 21
• 3.2.4. Latent Factor and Transition Probabilities 24
• 3.2.5. Regime Factors 25
• Chapter 4. Conclusion 33