我国货币政策对房地产价格影响的区域非对称效应研究

王宏涛+崔景钗

摘 要：货币政策是调控我国宏观经济的重要手段，也是调控房地产市场的重要途径。首先从理论上定性分析中国货币政策对房地产价格影响的区域非对称性，然后选取中国30个省份2003—2016年数据为样本，将30个省份分为A、B、C、D四个区域，通过构建向量自回归模型进行实证分析。结果表明，A区的房地产价格对货币政策传导效应最强，对于利率和货币供应量冲击响应程度最强，C区D区次之B区最弱。且对货币政策反应的持续时间为，A、B区持续时间短，C、D区持续时间长。

关键词：货币政策；房地产价格；区域非对称性；向量自回归模型

中图分类号：F299.27 文献标志码：A 文章编号：1673-291X（2017）27-0071-08

引言

近年来，逐步攀升的房地产价格已超出了一般城镇居民的购买能力，2008年次贷危机爆发后货币政策对房地产市场调控的必要性再一次受到了学术界的极大关注。回顾政府对房地产市场的调整措施，主流分为了四个阶段：支持发展阶段（1998年6月至2003年6月）；调控房价阶段（2003年7月至2008年9月）；刺激房市阶段（2008年10月至2010年6月）；整体调控房地产泡沫阶段（2010年7月至今）。国家频繁出台的政策稳定了部分城市的房价满足了一部分低收入家庭的住房刚需，但对于北京、上海等经济发展水平较高的城市同时外来人口较多的城市来说，房价不降反升，高涨的房价仍是横在住房刚需前的一道鸿沟。

由于我国各地区之间经济发展水平、金融一体化程度、对外开放程度、资本流动性等因素存在较大差异，导致了货币政策对各地区房价的不同影响，如各区敏感程度、各区影响时滞、各区政策效果都存在差异。那选用货币政策调控房地产市场区域效果具体是什么样的？哪一货币政策手段更加有效？本文将围绕以上问题展开研究并提出相关建议。

一、文献综述

首先对货币政策在房地产市场的传导途径进行系统的理论分析，翻阅大量文献进行总结归纳目前学者的研究成果。

Bernanke（伯南克）和Gertler（格特勒）（1995）、Murphy（莫菲）（1997）认为，货币政策在房地产市场的传导效应中，信贷渠道作为一种间接渠道作用更为显著[1～2]。而Mishkin（米什金）（2007）认为，货币政策在作用于房地产市场时，利率渠道起到了主要传导作用[3]。对此国内学者王先柱（2011）从房地产市场的供给方面验证了货币政策利率渠道、信贷渠道对其的影响[4]。张红、李洋（2013），在Carlino（卡利诺）和Defina（德菲纳）研究基础上证明货币政策在作用于房地产市场产生区域性差异时，利率渠道、信贷渠道对房地产市场的影响[5]。张小宇、刘金全（2015）构建向量自回归模型（STVAR）发现在经济发展新常态时期货币政策与对房地产市场影响更为显著[6]。梁斌、李庆云（2011）通过对建立含房地产部门的一般均衡模型进行研究，提出当政府仅仅调控房地产价格而不影响宏观经济的稳定时，政府应优先选择信贷政策，例如提高首付比例[7]。王先柱、杨义武（2015）根据Malpezzi和Wachter（2005）的研究——相对于房地产市场投资者而言，住房的投资性需求明显是适应性预期而不是理性预期——假设住房需求方为适应性预期、供给方为理性预期，建立了均衡模型，证明了预期显著影响房地产价格的波动[8～9]。

翻阅大量文献进行总结归纳目前学者关于货币政策區域效应、货币政策对房地产市场的区域非对称性研究成果。Fratantoni（弗拉坦托尼）和Schuh（舒）（2003）经研究证实房地产投资经货币政策作用区域差异性很明显[10]。Negro（内格罗）和Otrok（奥特罗克）（2007）利用贝叶斯估计方法对1986—2005年的美国房地产价格波动进行了研究，得出了地区因素导致了理清波动[11]。王先柱、毛中根、刘洪玉（2011）从房地产的供需考察货币政策对房地产市场的区域性差异，证实利率、信贷规模作用房地产市场产生的区域性凸显，东部受利率影响明显，中部和西部区域受信贷规模影响最为明显[12]。张红、李洋（2013）选取年2001—2010年中国30个省份的数据构建全局向量自回归模型证实了货币政策与房地产市场和区域经济的动态关系[5]。

虽然已有大量有关这方面的研究，但从国家频繁地出台各种政策措施来调整房地产市场可知政府对房地产市场的调控仍是摸索试验期：货币政策调控房地产市场区域效果具体如何？哪一货币政策手段更加有效？

二、理论分析

通过对现有文献进行归纳，货币政策是怎样影响房地产市场的，之后又是怎样影响区域经济乃至宏观经济的？大致描述为以下阶段（见图1）。

本文研究的货币政策对房地产市场影响的区域非对称性即对第一阶段的研究。货币政策是通过哪些渠道影响房地产市场的，主流观点着重描述了利率渠道和信贷渠道。

从利率渠道看，利率提高必然导致房地产开发商开发成本增加。尤其对小房地产开发商而言，成本增加造成资金链紧张，导致其极有可能降低销售价格来获得资金；而对于资金链充裕的房地产开发商而言，会把增加的成本加入到商品房价格中，最终房地产市场价格的上升由购房者承担；加息同时抑制了需求，由于这个原因房地产价格也有可能不涨。但加息使得开发商的成本上升，会引起开发商的被淘汰。利率提高对于消费者的作用远大于开发商。利率提升实际上是银行对购房者的支持减弱，购房者的购买力下降，导致市场需求下降。总的来说，对于房地产市场而言，加息主要是降低了房地产需求。

从信贷渠道看，信贷渠道中的银行贷款渠道强调，存款准备金率提高，货币供给量减少，可贷资金减少，贷款随之收缩，那些依赖银行贷款的购房者和房地产开发商被迫减少投资，从而使房地产市场的供给和需求下降，进而导致房地产价格的下降。反之，存款准备金率降低，货币供应量增大，银行信贷量增加，一方面，购房者容易获得购房贷款，房产需求增加，推动房地产价格上涨；另一方面，房地产价格上涨会使得更多的资金进入房地产市场，房地产投资增加。endprint

本文尝试从利率和信贷方面分析货币政策对房地产价格影响的区域非对称性，下面我们以中国30个省份2003—2016年的数据为样本，将30个省份分为A、B、C、D四个区域，通过构建向量自回归模型进行实证分析。

三、实证分析

（一）数据的选取和来源

本文基于中国30个省份2003—2016年的季度数据建立模型，由于西藏地区经济的特殊性和数据缺失严重，因此剔除不再将其列入被研究范围内。

根据我国的实际国情，本文价格型货币政策工具选取市场化程度较高且较普遍用来研究的的银行间同业拆借利率（RR），数量型货币政策工具选取广义货币供应量（M2），所以货币政策的工具变量包括了（RR）和（M2）。由各省的房地产市场销售总额与销售面积的商为房地产价格（RP）。同时，选取固定资产开发投资完成额为投资水平（IN）。价格指数根据各地区城镇居民消费价格指数的同比，指定基期来构造定基比序列，得到居民消费价格指数的时间序列（CPI）。根据上文的分析可知，我国房地产投资者对于房地产价格大多表现为适应性预期，因此选用上两季度的房价均值作为当期房价的预期（EP2）。并同时选取社会消费品零售总额作为消费指标（C），GDP作为产出指标（Y），房地产开发贷款余额（RIN）。使用EviewsX-11方法剔出变量季节性。最后，本文对C、RP、IN、GDP、M2取对数来克服变量序列之间的异方差性。以上数据均来自Wind数据库、各省统计局官网、统计年鉴等。

（二）模型的建立

VAR（p）模型的数学表达式是：

yt=Ф1yt-1+…+Фpyt-p+Hxt+εt t=1，2，…T （1）

式中，xt为d维外生变量列向量，yt为k维内生变量列向量，T为样本个数，p为滞后阶数。k×k维矩阵Ф1，…Фp和k×d维矩阵H为待估计的系数矩阵。εt 为k维扰动列向量，它们不与自己的滞后值相关且不与等式右边的变量相关，但相互之间可以同期相关。

参照郑煜（2007）、阚凯（2014）、张水峰（2015）、刘立清（2015）等从经济发展程度，金融开放程度和房地产市场的供求三方面出发，采用聚类分析对我国各省市划分的结果，将我国30个省份分为A、B、C、D四类[13～16]：

A类：北京、上海，这是我国经济发展水平最高金融市场最为发达的地区，二者政治经济中心的地位吸引的大量的外来人口，所以二者的房地产发展是最发达的，同时已经步入较为成熟的阶段。

B类：天津、廣东、浙江、江苏、福建，这几个地区具有较强沿海地域优势，再加上天津靠近北京经济圈，广东包含深圳特区经济圈靠近香港经济圈，江苏包含上海经济圈，房价水平也仅次于北京、上海位居B类。

C类：河北、湖北、安徽、山东、四川、江西、陕西、河南、海南、辽宁，这几个省份属于中西部、东三省较发达的内陆地区，是中西部、东三省经济发展的动力，同时房地产市场也符合自身经济水平稳步上升。

D类：山西、云南、吉林、黑龙江、广西、湖南、内蒙、新疆、宁夏、贵州、甘肃、青海。这些地区大多属于偏远边界省份，以此经济、金融发展水平属于我国中下列，同时外来人口和前几类比较少，房地产市场处于只满足当地刚需的阶段。

在此分组基础上，分别验证利率和货币供给量在A、B、C、D区域的效应，即每个区域分别以利率和货币供给量作为货币政策手段建立VAR模型，之后进行每个区域不同政策手段和不同区域相同政策手段的对比。

四、实证结果及分析

下面以A区为例，首先考察以M2作为货币政策手段建立VAR模型。为了得到平稳性数据，对变量进行取对数和一阶差分处理。为了更好地验证上述处理后的变量的平稳性，再做ADF单位根检验。结果证实，在10%的显著性水平下，经过处理后的这9个变量已经为平稳序列。表1显示了处理后各变量单位根平稳性检验的结果。

ADF检验结果显示变量可以做协整分析。本文所用的方法是基于VAR系数协整检验的Johansen 协整检验。结果显示，至少有一个以上的协整关系，可以做VAR模型。表2显示了协整检验结果。

对各变量时间序列进行协整检验发现，各变量之间存在显著的协整关系。基于模型估计结果，进一步采用脉冲响应分析方法，分析以上变量之间的相互作用影响。

图2分别为为A、B、C、D四个区的DLRP响应图，每个区域分别以货币供应量和利率作为货币政策变量建立了VAR模型，所以每个区域DLRP响应图也分为只包含货币供应量变量或利率变量两种。从图2中可以更加细致具体地观察各区的房地产价格，在正的货币政策冲击下影响时间和力度的差异。为便于对比将各脉冲分析结果列入下页表3。

货币政策对房地产市场价格具有调控作用，但在不同类经济区域间调控效应存在显著差异。从实践效果来看，对应于货币供应量冲击，A、B、C、D四区房地产价格的响应值在-2%～1.9%区间，A区房地产价格响应强度最高为1.9%，且四区域一般在第2期及以后正向响应显著。对应于利率冲击，A、B、C、D四区房地产价格的响应值在-1.8%～-0.3%区间，A区房地产价格响应强度最高为-1.8%，且四区域一般在第1期及以后负向响应显著，利率上调会引起各区房价下降，由于A区的金融业的市场化程度高，房地产市场受到利率上调的影响更为显著。对于不同区域，A区的房地产价格对货币政策传导效应最强，对于利率和货币供应量冲击响应值分别达到-1.8%和1.9%，C区D区次之，B地区最弱。可见，房地产价格在货币政策传导方面存在显著的区域性差异。由于每次利率调整幅度较小，且我国利率市场化水平不高，我国货币政策中的数量型货币政策通过房地产价格传导效应更强。对于不同货币政策，从四区域对于利率和货币供应量冲击的响应值区间及最大和最小响应值可以看出，货币供给量对房地产市场价格发挥作用要略大于利率变动对房地产价格的作用，A区尤为明显，其他区域则不明显。货币政策对房地产价格的影响仅为短期，从A、B、C、D四区房地产价格响应图可以看出，A、B区域在第6期之后的响应趋于0，而C、D区域对于货币政策的反应持续时间长，第6期之后的响应振幅虽明显减弱但波动仍明显，从这一点可以看出A区虽然对货币政策反应敏感，但A、B区域货币政策持续时间短。endprint

结论

（1）A类：北京、上海，这是我国经济发展水平最高金融市场最为发达的地区，二者政治经济中心的地位吸引了大量的外来人口，所以二者的房地产发展是最发达的同时已经步入较为成熟的阶段。对于不同区域，A区的房地产价格对货币政策传导效应最强，C区D区次之B地区最弱。可见，房地产价格在货币政策传导方面存在显著的区域性。（2）A区虽然对货币政策反应敏感，且A区的房地产价格对货币政策传导效应最强，但A、B区域货币政策持续时间短，而C、D区域货币政策持续时间长。

中国区域发展差距大，且各区房地产市场情况复杂，仅通过货币政策难以达到理想效果。房地产问题与经济环境密切相关，所以要从根本上解决住房民生问题，除了要收入分配、保障房政策、税收制度等各方面改革同时配合外，还要采用调整首付比例等专门针对房地产市场的政策，最重要的还是要从经济发展的长远规划入手，提高经济开放度和金融发展水平，构建全方位、多层次的金融支持体系，在现有的主要几个经济圈基础上向外辐射以缓解中心区域的各种压力。同时，政府合理引导居民对房屋的需求和投资偏好，促进房地产业的技术进步水平。

参考文献：

[1] Bernanke Ben S.，Gertler Mark.Inside the black box：The credit channel of monetary policy transmission[J].Journal of Economic Perspectives，1995，（4）：27-48.

[2] Muellbauer J.，Murphy A.Booms and buts in the UK housing market[J].Economic Journal，1997，（6）：1701-1727.

[3] Mishkin F.Housing and monetary transmission mechanism.NBER Working Paper，2007：13518.

[4] 王先柱.房地产市场货币政策区域效应——基于我国31个省市的实证分析[J].山西财经大学学报，2011，（33）：52-61.

[5] 张红，李洋.房地产市场对货币政策传导效应的区域差异研究——基于GVAR模型的实证分析[J].金融研究，2013，（2）：114-128.

[6] 张小宇，刘金全.货币政策、产出冲击对房地产市场影响机制——基于经济发展新常态时期的分析[J].中国工业经济，2015，（12）： 20-35.

[7] 梁斌，李庆云.中国房地产价格波动与货币政策分析——基于贝叶斯估计的动态随机一般均衡模型[J].经济科学，2011，（3）：17-33.

[8] 王先柱，杨义武.差异化预期、政策调控与房价波动——基于中国35个大中城市的实证研究[J].财经研究，2015，（12）：51-71.

[9] Malpezzi S.，Wachter S.M.The role of speculation in real estate cycles.Journal of Real Estate Literature[J].2005，（2）：143-164.

[10] Frantantoni M.，Schuh S.Monetary policy，housing，and heterogeneous regional markets[J].Journal of Money，Credit，and Banking，2003， （35）：557-589.

[11] Negro D.Macro，Otrok Christopher.Luftballons：Monetary policy and the house price boom across U.S states[J].Journal of Monetary Economics，2007，（54）：1962-1985.

[12] 王先柱，毛中根，劉洪玉.货币政策的区域效应——来自房地产市场的证据[J].金融研究，2011，（9）：42-53.

[13] 郑煜.我国货币政策对房地产价格调控效力的区域非对称性研究[D].成都：西南财经大学，2007.

[14] 阚凯.中国商业地产价格波动区域差异的实证分析——基于货币政策的视角[D].成都：西南财经大学，2014.

[15] 张水峰.中国房地产市场区域价格运行特征研究[D].长春：东北师范大学，2015.

[16] 刘立清.基于区域差异视角的货币政策在房地产市场的调控效应研究[D].南宁：广西大学，2015.

[责任编辑 陈丹丹]endprint