3. PREÇOS DA HABITAÇÃO NA U.E 15: IMPORTÂNCIA DOS FACTORES INSTITUCIONAIS
3.4. Amostra e Metodologia
3.5.3. Análise de Curto Prazo
A tabela 19 apresenta os resultados de estimação do modelo de correcção de erro definido na equação (10), para a U.E.-15 e para cada um dos cinco grupos de países.
Com excepção do grupo 1 (Alemanha e Áustria), o termo de correcção de erro (ecm) apresenta um sinal correcto e mostra-se estatisticamente significativo. O valor do termo de erro de -0,03 para o conjunto dos países da U.E.-15 aponta para a existência de desvios persistentes dos preços da habitação face aos seus valores de equilíbrio. Numa base anual, o valor do termo de erro é aproximadamente -0,12. Este valor mostra-se muito próximo do valor de -0,16 (em termos anuais) obtido para o termo de correcção de erro por Adams e Füss (2010), mas inferior aos encontrados em anteriores estudos, cujos termos de correcção de erro variam entre -0,34 e -0,83 (ver Adams e Füss, 2010). Ainda assim o termo de correcção de erro mostra-se superior a -0,05 obtido por Abraham e Hendershott (1996) para o mercado de habitação dos EUA. Adams e Füss (2010) referem que a existência de um longo processo de ajustamento dos preços da habitação se tende a dever à geral rigidez à baixa dos preços da habitação. Caballero e Engel (2003) revelam que a velocidade de ajustamento nas variáveis com elevada rigidez, como a dos preços da habitação, tende a estar fortemente sobrestimada quando são utilizadas amostras com reduzidos níveis de agregação. Devido a este facto e face ao elevado número de observações do nosso estudo, é de crer que os nossos resultados se mostrem mais representativos e que na realidade exista um longo processo de ajustamento dos preços da habitação para os seus valores de equilíbrio na U.E-15.
93
Tabela 19 – Modelo de Correcção de Erro
A tabela apresenta os resultados do processo de ajustamentos dos preços da habitação para o equilíbrio com base no modelo de correcção de erro definido na equação (3.10). As estimações são realizadas através de dados em painel dinâmicos, com utilização do estimador GMM de Arellano e Bond (1991) e Blundell e Bond (1998), para dados trimestrais e para os períodos temporais identificados na tabela 15. Todas as variáveis incluídas com excepção do custo de utilização real da habitação e do termo de correcção de erro surgem logaritmizadas e à primeira diferença. É utilizada a primeira diferença da variável custo de utilização real da habitação. A variável dependente é a primeira diferença do logaritmo do índice de preços da habitação em termos reais (hp). São usadas como variáveis dependentes: vários desfasamentos temporais da variável dependente; o índice de custos da construção (cc); o montante de crédito hipotecário concedido à habitação (cred); o PIB (gdp); o custo de utilização real da habitação (ruc) e o termo de correcção de erro (ecm), desfasado um período. O p-value dos coeficientes de estimação é apresentado dentro de parêntesis. a, b e c significam a existência de significância estatística a 1%, 5% e 10% respectivamente.
A tabela apresenta seis equações. A equação “U.E.-15” refere-se aos resultados do processo de ajustamento dos preços da habitação para os seus valores de equilíbrio, para todos os países da U.E.-15. As restantes cinco equações apresentam os resultados do processo de ajustamento dos preços da habitação para os seus valores de equilíbrio, para os países incluídos no grupo 1, 2, 3, 4 e 5, respectivamente. Grupo 1: Alemanha e Áustria; Grupo 2: Itália e Grécia; Grupo 3: França, Bélgica, Luxemburgo, Holanda e Portugal; Grupo 4: Suécia, Finlândia e Dinamarca e Grupo 5: Espanha, Irlanda e Reino Unido.
Equação U.E.-15 Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5
constante 0,001 -0,001 0,002 0,002 0,001 0,000 (0,107) (0,586) (0,234) (0,176) (0,660) (0,970) log hp (-1) 0,160a -0,126 0,296a -0,020 0,250b 0,156b (0,000) (0,364) (0,002) (0,839) (0,023) (0,027) log hp (-2) 0,136b 0,127c 0,035 0,155b 0,133c 0,096c (0,017) (0,098) (0,887) (0,011) (0,077) (0,075) log hp (-3) 0,117b 0,162c 0,358c 0,196a 0,044 0,077c (0,018) (0,062) (0,052) (0,006) (0,681) (0,094) log hp (-4) 0,253a 0,391a -0,219c 0,347a 0,252a 0,312a (0,000) (0,000) (0,096) (0,000) (0,005) (0,000) log hp (-5) -0,044 -0,009 -0,007 -0,083 -0,012 -0,108 (0,288) (0,911) (0,969) (0,307) (0,864) (0,107) log cc 0,076a 0,076a 0,592a 0,069a 0,297c 0,285a (0,000) (0,000) (0,000) (0,000) (0,068) (0,001) log cred 0,028a 0,021 0,065c 0,009 0,033 0,042a (0,000) (0,744) (0,063) (0,300) (0,317) (0,000) log gdp 0,015 0,021 0,025 0,016 0,027 0,071b (0,449) (0,664) (0,341) (0,597) (0,397) (0,011) ruc -0,239c -0,333c -0,369 -0,286c -0,875b -0,322c (0,063) (0,095) (0,220) (0,082) (0,026) (0,088) ecm (-1) -0,031b 0,007 -0,075a -0,038a -0,049a -0,013b (0,013) (0,292) (0,009) (0,002) (0,003) (0,038) R2 Ajustado 0,244 0,295 0,314 0,447 0,163 0,330 Nro Observações 1087 174 124 423 281 285 Nro Países 15 2 2 5 3 3
Das várias equações estimadas verifica-se que a velocidade do ajustamento dos preços da habitação para os seus valores de equilíbrio difere entre os cinco grupos de países analisados. Os grupos 2 (Itália e Grécia), 3 (França Bélgica, Luxemburgo, Portugal e Holanda) e 4 (Suécia, Dinamarca e Finlândia) apresentam termos de correcção de erro superiores em termos absolutos ao valor médio verificado para os países da U.E.-15. Estes
94 resultados apontam a existência de desvios dos preços da habitação face aos valores de equilíbrio menos persistentes nestes países relativamente à U.E.-15. O grupo 1 (Alemanha e Áustria) apresenta um termo de correcção de erro positivo, mas sem significância estatística. A existência de características institucionais conservadoras nestes dois países tende a actuar no sentido de rapidamente proporcionar um ajustamento dos preços da habitação aos seus preços de equilíbrio, não permitindo o surgimento de bolhas nos preços da habitação. Donde, se depreende que a insignificância do termo de correcção de erro se deve ao facto de os preços da habitação estarem possivelmente em equilíbrio. Finalmente, no caso do grupo 5 (Espanha, Irlanda e Reino Unido) verifica-se que o valor do termo de correcção de erro é de -0,013, sendo inferior ao encontrado para o conjunto dos países da U.E.-15. A evidência empírica parece assim demonstrar que os desequilíbrios dos preços da habitação se mostram mais persistentes para o grupo de países com o sistema de crédito menos conservador, um escasso mercado de arrendamento e um sistema fiscal generoso (grupo 5). Miles e Pillonca (2008) referem existir nos preços da habitação destes três países uma elevada componente de bolha, que pode justificar os persistentes desvios dos preços da habitação relativamente aos seus valores de equilíbrio.
No que respeita às restantes variáveis, na sua generalidade, apresentam o sinal esperado e mostram-se em linha com a literatura. Por exemplo, a significativa estrutura de autocorrelação com valores negativos no quinto desfasamento temporal para a variável dependente também foi encontrada por Englund e Ioannides (1997) e Adams e Füss (2010), no estudo comparativo da dinâmica dos preços da habitação na U.E.-15 e em 15 países industrializados, respectivamente. As elasticidades do PIB, do crédito hipotecário para aquisição de habitação, taxa de juro e custos de construção mostram-se na generalidade das estimações inferiores às elasticidades obtidas para o modelo de longo prazo. Este facto vem corroborar a necessidade da análise dos preços da habitação quer no longo prazo quer no curto prazo, em que devido à rigidez à baixa dos preços da habitação os efeitos das variáveis macroeconómicas no curto prazo tendem a ser mais reduzidos.
95
3.6. Conclusão
Apesar do processo de convergência na U.E. existem diferenças significativas ao nível do mercado de habitação e funcionamento das instituições financeiras entre os países da U.E.-15.
Este artigo estuda a importância das características institucionais associadas ao sistema de crédito hipotecário, mercado de arrendamento e habitação e sistema fiscal, no comportamento dos preços da habitação entre os países da U.E.-15.
No presente trabalho é desenvolvido um modelo explicativo do comportamento dos preços da habitação condicionado pelas características institucionais dos 15 países da U.E.- 15. O modelo de longo prazo revela a existência de um maior impacto sobre os preços das habitações nos países com um sistema de crédito hipotecário mais desenvolvido, um escasso mercado de arrendamento e um generoso sistema fiscal, e que integram o cluster Espanha, Irlanda e Reino Unido. Em situação oposta encontra-se o cluster formado por Alemanha e Áustria.
Atendendo à importância do sistema de crédito hipotecário de entre as características institucionais do mercado de habitação, é também testada a hipótese de existirem efeitos distintos sobre os preços das habitações em resultado de variações do montante de crédito hipotecário. A evidência é consistente com esta hipótese. O efeito da variável crédito hipotecário sobre os preços é superior no cluster formado pela Espanha, Irlanda e Reino Unido e inferior no cluster da Alemanha e Áustria. Nos restantes clusters os efeitos do crédito hipotecário sobre os preços das habitações assumem um valor intermédio entre estes dois.
Finalmente, da análise de curto prazo constata-se que a velocidade de ajustamento dos preços da habitação para os seus valores de equilíbrio tende a diferir entre os países da U.E.-15, em função das características institucionais, com os desequilíbrios a mostrarem-se mais persistentes no grupo de países com características institucionais menos conservadoras.
As diferenças ao nível das características institucionais parecem assim desempenhar um papel de especial importância na explicação das diferenças de crescimento real dos preços das habitações, no processo de ajustamento dos preços para os seus valores de equilíbrio e na possível formação e desenvolvimento de bolhas nos preços da habitação. As diferenças entre os vários países quanto às características institucionais colocam a questão
96 de saber qual é a política monetária adequada num contexto de moeda única (caso da zona euro) face à heterogeneidade de características institucionais.
97
3.7. Referências Bibliográficas
[1] Abraham, Jesse e Hendershott, Patric, 1996, “Bubbles in Metropolitan Housing Markets”, Journal of Housing Research, 7: 191-207.
[2] Adams, Zeno e Füss, Roland, 2010, “Macroeconomic Determinants of International Housing Markets”, Journal of Housing Economics, 19: 38-50.
[3] Arellano, Manuel e Bond, Stephen, 1991, “Some Test of Specification for Panel Data: Monte Carlo Evidence and Application to Employment Equations”, Review of Economic Studies, 58 (1): 277-97.
[4] Bai, Jushan e Perron, Pierre, 1998, “Estimating and Testing Linear Models with Multiple Structural Changes”, Econometrica, 66 (1): 47-68.
[5] Bai, Jushan e Perron, Pierre, 2001, “Multiple Structural Change Models: A Simulation Analysis”, Manuscript, Boston University.
[6] Bai, Jushan e Perron, Pierre, 2003, “Computation and Analysis of Multiple Structural Change Models”, Journal of Applied Econometrics, 18: 1-22.
[7] Benjamin, John; Chinloy, Peter e Jud, Donald, 2004, “Why Do Households Concentrate Their Wealth in Housing?”, Journal of Real Estate Research, 26 (4): 329-43. [8] Blundell, Richard e Bond, Stephen, 1998, “Initial Conditions and Moment Restrictions in Dynamic Panel Data Models”, Journal of Econometrics, 87 (1): 115-143. [9] Borio, Claudio; Kennedy, Neale e Prowse, Stephen, 1994, “Exploring Aggregated Asset Price Fluctuations Across Countries”, BIS Economic Papers, n.º 40.
[10] Caballero, Ricardo e Engle, Eduardo, 2003, “Adjustments is Much Slower than You Think”, NBER working paper n.º 9898, August, 2003.
[11] Calza, Alessandro, Monacelli, Tommaso e Stracca, Livio, 2007, “Mortgage Markets, Collateral Constraints, and Monetary Policy: Do Institutional Factors Matter?”, CEPR Discussion Paper n.º DP6231, April.
[12] Campbell, John e Cocco, João, 2007, “How Do Home Prices Affect Consumption? Evidence From Micro Data”, Journal of Monetary Economics, 54 (3): 591-621.
[13] Case, Karl, Quigley, John e Shiller, Robert, 2001, “Comparing Wealth Effects: The Stock Market versus the Housing Market”, NBER working paper n.º 8606.
[14] DiPasquale, Denise e Wheaton, William, 1992, “The Markets for Real Estate Assets and Space: a Conceptual Framework”, American Real Estate and Urban Association Journal, 20 (1): 161-180.
98 [15] Engelhardt, Gary e Poterba, James, 1991, “House Prices and Demographic Change: Canadian Evidence”, Regional Science and Urban Economics, 21 (4): 539-46.
[16] Englund, Peter; Hwang, Mine e Quigley, John, 2002, “Hedging Housing Risk”, Journal of Real Estate Finance and Economics, 24 (1-2): 167-200.
[17] Englund, Peter e Ioannides, Yannis, 1997, “House Price Dynamics: An International Empirical Perspective”, Journal of Housing Economics, 6: 119-136.
[18] European Central Bank, 2003, “Structural Factors in the EU Housing Markets”, ECB, March, 2003.
[19] Flavin, Marjorie e Yamashita, Takashi, 2002, “Owner-Occupied Housing and the Composition of the Household Portfolio”, American Economic Review, 92 (1): 345-362. [20] Giuliodori, Massimo, 2005, “The Role of House Prices in the Monetary Transmission Mechanism Across European Countries”, Scottish Journal of Political Economy, 52 (4): 519-543.
[21] Guiso, Luigi, Jappelli, Tullio e Terlizzese, Daniele, 1992, “Saving and Capital Market Imperfections: The Italian Experience”, Scandinavian Journal of Economics, 94 (2): 197-213.
[22] Hadri, Kaddour, 2000, “Testing for stationarity in heterogeneous panel data”, Econometric Journal, 3: 148-161.
[23] Helbling, Thomas e Terrones, Marco, 2003, “When Bubbles Burst”, World Economic Outlook, IMF, April 2003, Chapter II.
[24] Hendershott, Patric, MacGregor, Bryan e White, Michael, 2002, “Explaining Real Commercial Rents Using an Error Correction Model with Panel Data”, Journal of Real Estate Finance and Economics, 24: 1/2: 59-87.
[25] Hofmann, Boris, 2001, “The Pass-Through of Money Market Rates to Loans Rates in the Euro-Area”, ZEI, University of Bonn, mimeo.
[26] Hofmann, Boris e Mizen, Paul, 2004, “Interest Rate Pass-Through and Monetary Transmission: Evidence From Individual Financial Institutions’ Retail Rates”, Economica, 71 (281): 99-123.
[27] Holmans, Alan, 1994, “House Prices, Land Prices, the Housing Market and House Purchase Debt in the UK and Other Countries”. Economic Modelling, 11(2): 157–99. [28] Hort, Katinka, 1998, “The Determinants of Urban House Price Fluctuations in Sweden 1968-1994”, Journal of Housing Economics, 7: 93-120.
99 [29] Iacoviello, Matteo, 2000. “House Prices and the Macroeconomy in Europe: Results from a Structural VAR Analysis”, European Central Bank (ECB), working paper nº. 18, April.
[30] Im, Kyung So, Pesaran, Hashem e Shin, Yongcheol, 2003, “Testing for Unit Roots in Heterogeneous Panels”, Journal of Econometrics, 115: 53-74.
[31] Levin, Andrew, Lin, Chien-Fu e Chu, Chia-Shang, 2002, “Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties”, Journal of Econometrics, 108: 1–24. [32] Lieser, Karsten e Groh, Alexander, 2010, “The Attractiveness of 66 Countries for Institutional Real Estate Investments: A Composite Index Approach”, working paper, July 10, 2010 (http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1638286).
[33] Maclennan, Duncan, Muellbauer, John e Stephens, Mark, 1998, “Asymmetries in Housing and Financial Market Institutions and EMU”, Oxford Review of Economic Policy, 14 (3): 54-80.
[34] Mankiw, Gregory e Weil, David, 1989, “The Baby Boom, the Baby Bust, and the Housing Market”, Regional Science and Urban Economics, 19 (2): 235-258.
[35] Martins, António, Martins, Francisco e Serra, Ana Paula, 2011, “Alterações de Regime no Mercado de Habitação da U.E.-15”.
[36] McCrone, Gavin e Stephens, Mark, 1995, Housing Policy in Britain and Europe, London, UCL Press.
[37] Miles, David e Pillonca, Vladimir, 2008, “Financial Innovation and European Housing and Mortgage Markets”, Oxford Review of Economic Policy, 24 (1): 145-175. [38] Ott, Hervé, 2007, “Are Euro Area House Prices Overvalued? An Asset Pricing Approach”, University of Munich, working paper.
[39] Pedroni, Peter, 1999, “Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors”, Oxford Bulletin of Economics and Statistics, 61: 653-70. [40] Pedroni, Peter, 2000, “Fully Modified OLS for Heterogeneous Cointegrated Panels”, Advances in Econometrics, 15: 93-130.
[41] Pedroni, Peter, 2004, “Panel Cointegration Asymptotic and Finite Samples Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis”, Econometric Theory, 20 (3): 597-625.
[42] Poterba, James, 1984, “Tax Subsidies to Owner-Occupied Housing: An Asset- Market Approach”, Quarterly Journal of Economics, 99 (4): 729-752.
100 [43] Poterba, James, 1991, “House Price Dynamics: The Role of Tax Policy and Demography”, Brooking Papers on Economic Activity, 1/1991: 143-203.
[44] Quigley, John e Raphael, Steven, 2005, “Regulation and the High Cost of Housing in California”, American Economic Review, 95 (2): 323-328.
[45] Sorensen, Christoffer e Lichtenberger, Jung-Duk, 2007, “Mortgage Interest Rate Dispersion in the Euro Area”, European Central Bank, working paper n.º 733, February. [46] Tsatsaronis, Kostas e Zhu, Haibin, 2004, “What Drives Housing Price Dynamics: Cross Country Evidence” BIS Quarterly Review, March.
[47] Van den Noord, Paul, 2003, “Tax Incentives and House Price Volatility in the Euro Area: Theory and Evidence”, OECD Economics Department, working paper n.º 356. [48] Warnock, Veronica e Warnock, Francis, 2008, “Markets and Housing Finance”, Journal of Housing Economics, 17 (3): 239-251.
[49] Wolswijk, Guido, 2006, “Determinants of Mortgage Debt Growth in EU Countries”, European Journal of Housing Policy, 6 (2): 131-149.
101
3.8. Anexo
Anexo III. Análise Hierárquica de Clusters: Dendogramas e Tabela de Partição dos Países por Grupos
Neste anexo são apresentados o dendograma obtidos na análise hierárquica de clusters para todas as variáveis de natureza institucional e uma tabela com a partição dos países por grupos de países. Os dendogramas obtidos, usando os métodos de aglomeração “vizinho mais afastado” e Ward, sugerem uma partição dos grupos muito próxima pelo que se apresenta apenas um dos métodos.
Figura 5. Dendrograma com base no Método de Ward
0 5 10 15 20 25 Países Num +---+---+---+---+---+ Espanha 5 Irlanda 10 Reino Unido 14 Finlândia 6 Suécia 15 Dinamarca 4 Alemanha 1 Áustria 2 Grécia 8 Itália 11 Bélgica 3 França 7 Luxemburgo 12 Holanda 9 Portugal 13
102
Tabela 20 - Clusters
Esta tabela apresenta os clusters formados pelos métodos do “vizinho mais afastado” e de Ward com base nas 17 variáveis referidas na tabela 12, respeitantes ao mercado de habitação/arrendamento, sistema financeiro e sistema fiscal. Com base no dendrograma obtido foi seleccionada a partição dos países em cinco grupos.
Método do “vizinho mais afastado” Método de Ward
# Clusters # Clusters 3 4 5 6 3 4 5 6 Alemanha 1 1 1 1 1 1 1 1 Áustria 1 1 1 1 1 1 1 1 Bélgica 2 2 2 2 2 2 2 2 Dinamarca 1 3 3 3 3 3 3 3 Espanha 2 3 5 3 3 3 5 4 Finlândia 1 3 3 3 3 3 3 3 França 2 2 2 2 2 2 2 2 Grécia 3 4 4 6 2 4 4 5 Holanda 2 2 2 4 2 2 2 6 Irlanda 2 3 5 3 3 3 5 4 Itália 3 4 4 6 2 4 4 5 Luxemburgo 2 2 2 2 2 2 2 2 Portugal 2 2 2 4 2 2 2 6 Reino Unido 1 3 5 5 3 3 5 4 Suécia 1 3 3 3 3 3 3 3
103