1、我国房地产价格波动与货币政策联动关系的实证分析摘 要：自我国实行住房货币化改革以来，房地产价格持续快速上涨，在繁荣经济的同时，也带来了一系列的社会和经济问题。本文通过对我国房地产价格波动与货币政策联动关系的实证分析，探析二者间联动关系的制约因素，以期对增强货币政策调控的针对性和有效性提供有益借鉴，并引导房地产行业良性发展，进而促进我国经济的持续健康发展。 关键词：房地产价格；货币政策；联动关系 中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2014（2）-0023-06 一、问题的提出和相关文献回顾 自 1998 年我国实行住房的货币化改革以来，一方面房地产的消费需
2、求得到了极大地释放，另一方面，在政策的扶持下房地产业成为国民经济的支柱产业。房地产行业及其产业链上下游行业的日益繁荣，对于拉动国民经济增长和增加就业有着重要的促进作用。但同时，房地产价格上涨过快也带来了许多弊端：房地产市场投机现象盛行，资产泡沫日益显现，住房更多是作为投资品被追逐，而其生活必需品的属性没有得到足够重视。日本房地产经济泡沫的破灭和美国次贷危机等国际经验和教训证明，过高的房价既不利于房地产行业的健康发展，也不利于经济的持续增长和社会的安定和谐。而近几年部分城市出现的房价回调现象，除了经济下行的因素外，主要是限购令和监管部门对金融机构的窗口指导等非经济手段调控的结果。同时，鉴于当前房
3、地产行业在中国的重要地位和特殊性，作为国家进行宏观经济调控重要手段之一的货币政策，对房地产价格进行有效调控，不但关系到房地产行业的健康发展，而且直接关系到价格稳定、经济增长和就业这三个货币政策主要目标能否较好地实现。因此，深入研究货币政策与房地产价格的联动关系，以增强货币政策调控的针对性和有效性、引导房地产行业良性发展、促进中国经济的持续健康发展等方面都有着重要意义。 国内外学者近年来对货币政策与房地产价格之间的联动关系做了许多有意义的探索和研究，其中 Chien 等（2009）利用 VEC 模型分析了台湾地区的货币政策对房地产价格的影响，指出货币政策与房地产价格间存在双向的负相关影响关系。H
4、ilde 等（2010）利用 SVAR 模型分析了房地产价格在挪威、瑞典和英国货币政策传导机制中的作用，指出房地产价格对货币政策的反应迅速，同时利率对房地产价格的变化也很灵敏。Rangan 等（2010）通过修正的 VAR 模型验证了货币政策和房地产价格的关系，指出货币政策与房地产价格存在负相关关系，而且货币政策对房地产价格的影响具有区际效应。Xu 等（2011）通过实证分析中国的货币政策对房地产价格的影响，指出货币政策是房地产价格涨跌背后的关键性驱动因素。戴国强等（2009）利用 SVAR 模型对我国房地产价格的货币政策传导机制进行了实证分析， 得出货币政策对房地产价格的传导比较顺畅，但房地
5、产市场的财富效用和投资效用不显著。李村璞（2011）通过实证分析我国房地产价格和货币政策的非线性动态关系，指出货币政策对房地产价格存在非对称性影响，房地产价格对货币供应量的弹性较小，所以房地产市场的调控单靠货币政策难以奏效。邓国营等（2012）构建 VAR 模型实证研究了货币政策与资本流入两种因素对房地产价格的影响，证实我国的房地产价格受到货币政策影响强于资本流入影响，且信贷量对房价上涨有较强的推动作用，而利率对房地产价格的影响并不明显。本文试通过对我国房地产价格波动与货币政策的联动关系进行实证分析，探析二者之间联动关系的制约因素，以期为优化货币政策对房地产价格调控的针对性和有效性提供有益的借
6、鉴。 二、房地产价格波动与货币政策联动的途径 （一）房地产价格波动影响货币政策的传导途径 房地产价格波动对货币政策的影响主要通过货币需求和利率两个路径。首先，房地产价格变动对货币需求的影响体现在三方面：一是财富效应，房地产价格的上涨使人们的名义财富增加，货币需求量相应增加；二是交易效应，房地产价格的上升使房地产交易量增加，增加了用于房地产交易的货币需求量增加；三是替代效应，房地产价格的上升使预期收益率增加，人们将增加对房地产的投资，减少货币的持有，这将降低货币需求。 其次，房地产价格变动对利率的影响有三方面：一是对投资者的财富效应，房地产价格的波动及由此对未来的预期判断，将使得房地产开发商和购
7、房者的融资需求增加，从而导致利率的上升；二是对银行的资产负债表效应，房地产相关贷款一般都是以房地产作为抵押品，房价的波动将直接影响到抵押品的价值和贷款不良率的高低，进而影响银行对房地相关贷款的利率和规模。 （二）货币政策影响房地产价格波动的传导途径 货币政策主要是通过利率和货币供应量两个工具变量，来实现对房地产价格波动的影响。首先，利率是本币的价格，是货币政策的主要价格型变量调控工具，利率的变化将影响到房地产开发商、购房者和银行等市场交易主体的资金需求。房地产行业是高负债高杠杆行业，其主要运营资金来源于银行贷款。非国有性质的房产开发商对利率的变化尤其敏感，当贷款利率上升时，将增加房地产开发商的
8、成本，房产开发商将通过提高房屋销售价格来转嫁成本。而对购房者来说，贷款利率的上升，一方面由于其贷款购房的成本上升降低了购房的意愿，需求的减少会对房地产价格形成下行的压力。另一方面，购房者（尤其是投资者）如果可以将其贷款利率上升增加的资金成本通过二级市场的交易形式来进行转嫁的话，势必形成房地产二级市场价格的攀升。第三，利率释放出的政策信号，将影响到购房者对房地产价格的预期。出于对政策性风险和房价未来走势不确定的担心，购房者持币待购或放弃购房，从而影响到整个房地产市场的需求。另外，由于银行是房地产市场的重要参与者，直接控制着房地产开发商和购房者的融资渠道，监管部门往往通过窗口指导的方式对银行的房地
9、产相关贷款进行干预，比如不允许银行的房地产开发贷款利率下浮，提高个人第二套住房的贷款利率等，从而达到影响房地产市场需求和价格的目的。 其次，货币供应量的变化主要通过银行信贷、利率、通货膨胀等来影响房地产价格。当央行通过公开市场业务、再贷款和窗口指导等方式来实现控制货币供应量时，会直接或间接影响到银行内部信贷政策和信贷规模，尤其是银行会根据监管部门的要求控制房地产行业的信贷规模，将对房地产开发商的资金流和购房者贷款造成较大的影响，从供给和需求双重角度来影响房价；货币供给量的变化直接影响到资金市场的供给与需求，从而通过间接影响利率水平来影响房价；货币供应量变化导致的通货膨胀效应也会影响到人们对未来
10、房价的预期和投资房产的选择，进而影响到房地产的价格。 三、房地产价格波动与货币政策联动关系的实证分析 （一）变量的选取和样本数据说明 货币政策的工具变量主要包括数量型工具和价格型工具两类，其中数量型工具以货币供应量为主，价格型变量工具一般以利率为主。根据研究目的及弗里德曼提出的单一规则（single rules）货币政策 1，我们可选择广义货币供应量的同比增长率来作为数量型工具指标，记为 M2R；而价格型变量工具指标，我们可相应选择对房地产市场各交易主体（房开商、购房者和银行）影响较大的 5 年期贷款利率，用 LR 来表示。另外，房地产价格指标选取的是商品房平均销售价格，用 lnHP 来表示。
11、样本数据的选取区间是 1991 至 2012 年，其中商品房平均销售价格 2 和货币供应量同比增长率的数据主要来源于中国统计年鉴 。利率的基础数据来源于人民银行网站，当年如遇政策调整，则根据利率的政策调整时间和实际执行时间进行加权处理。 （二）数据的平稳性检验 当变量数据没有做平稳性检验就贸然进行线性回归，将可能导致伪回归，所以在构造方程前需对变量数据进行平稳性检验。我们运用Dickey 和 Fuller 提出的 ADF 检验方法，对 lnHP、M2R、LR 的原时间序列和一阶差分进行单位根检验，可知序列 lnHP、M2R 和 LR 均服从一阶单整。（三）变量间的协整关系检验 协整关系的检验上
12、，我们选择的是 Johansen 检验方法，因为相对 E-G 两步法，其对两个及以上变量间协整关系的检验结果更完整和精确。同时，由于 Johansen 检验比原序列的最大滞后期数要小 1，故此时协整的滞后区间应该为（1，1） 。通过对 lnHP、M2R 和 LR 序列的曲线图分析，可知变量的序列基本没有确定性趋势。对于协整方程的形式有无截距和线性趋势，可分两种情况检验，检验结果参见表 2。由检验结果可知，在两种情况下变量间都至少存在 2 个协整关系，因此可以建立 VAR 模型。 （四）构建 VAR 模型 根据以上变量的平稳性检验结果，我们以平稳序列 lnHp、M2R 和 LR作为变量来构建 V
13、AR 模型，来说明房地产价格波动与货币政策间的关系。1、滞后期的选择 结合 SC 准则 、AIC 信息准则，由表 3 可知 SC 准则、AIC 信息准则均选择滞后期为 2，所以模型的滞后期选择为 2。 2.建立 VAR 模型 根据上述检验结果，构建以 lnHp、M2R 和 LR 为变量的 VAR（2）模型，如下： 1nHPM2RLR=0.40.530.15+0.85 0.3 0.920.02 0.61 1.660.03 0.05 0.371nHPM2RLR+0.1 0.22 -1.89-0.07 0.21 -1.83-0.05 0.18 -0.121nHPM2RLRt-2 三个 VAR 模型方
14、程的可决系数分别为 R2= 0.98、0.82、0.96，说明方程的拟合度较高。我们再进行特征根检验来看模型的稳定性（见图 1） ，结果显示所有特征根都在单位圆内，没有数值大于 1 的特征根，是一个平稳的系统，符合向量自回归模型建模要求。另外，从方程不同滞后期的系数综合来看，货币供应量对房价的影响相对更大一些，而房价对利率的影响则相对更大一些。 （五）Granger 因果关系检验 我们可根据时间序列变量间的 Granger 因果关系（causal relationship）检验方法，对序列 lnHP 和 M2R、LR 进行 Granger 因果关系检验，来验证房地产价格波动与货币政策之间的联动
15、关系。检验结果表明， lnHP 与 M2R 间不存在 Granger 因果关系。而 lnHP 与 LR 间存在单向的 Granger 因果关系，其中利率对房价的变动几乎没有影响，而房价对利率有一定程度的影响。 （六）冲击反应分析和方差分解 1、冲击反应分析。我们用 M2R 和 LR 的变动对 lnHP 冲击，及 lnHP的变动对 M2R 和 LR 的冲击，来进一步分析房地产价格波动与货币政策之间的联动关系，检验结果如下： （1）首先分析 M2R 和 LR 的变动对 lnHP 的冲击，由脉冲响应函数图2 可见，给予 M2R、和 LR 一个正的冲击时，会使得 lnHp 有正向或负向波动，这种影响一
16、直持续到 10 期以后，说明货币政策的变动会影响到房价的变动。而且可以看出，相对利率来说，货币供应量 M2R 对房价 lnHP 的影响更大一些。 （2）再分析 lnHP 的变动对 M2R 和 LR 的冲击影响，由脉冲响应函数图 3 可见，给予 lnHP 一个正的冲击时，对 M2R 和 LR 造成正向或负向波动的影响，这种影响一直持续到 10 期以后，说明房地产价格的变动对货币政策也有一定的影响。而且从图中可以看出，随着时间的推移，房价lnHP 对利率 LR 的冲击影响相对更大一些。 2、方差分解检验。lnHP、M2R 和 LR 三个变量的方差分解检验结果如表 5， lnHP 和 M2R、LR
17、序列变量的相互贡献度均为正，其中 M2R 相较LR 对 lnHp 的贡献率更大一些，即货币供应量的变动对房价变动影响更大一些，这与脉冲响应的分析结果是一致的。而在 lnHp 对 M2R、LR 的贡献度中， lnHp 对 LR 的贡献率逐步在增长，到第 9 期以后就超过了 lnHp对 M2R 的贡献率，这说明在一个较长的时间范围来看，房价的变动对贷款利率的影响更大一些，这与脉冲响应的分析结果也是相同的。 （七）建立向量误差修正模型（VEC） 上述分析可知， lnHP、M2R 和 LR 序列之间存在着协整关系，因此我们可构造包括误差修正项作为回归变量的向量误差修正模型，以反映变量之间的长期和短期均
18、衡关系，具体的 VEC 模型如下： （1）误差修正模型 1nHPM2RLR=0.090.01-0.01+-0.470.02-0.1ecm+-0.06 -0.59 0.31-0.22 0.22 0.96 0.04 -0.09 -0.271nHPM2RLRt-1 （2）误差修正项 ecm为 0 时，变量间的长期均衡关系如下： 1nHP=-6.54-1.79*M2R-0.87*LR 由以上建立的 VEC 模型可知，lnHP、M2R、LR 序列相互之间的影响和作用很弱，货币供应量 M2R 的变动和贷款利率 LR 的变动与房价的波动lnHP 呈负相关关系，即货币供应量和贷款利率增加（或减少）时，房价下降
19、（或上涨） 。 四、主要结论及政策建议 通过上述对房地产价格波动与货币政策联动关系的实证分析，说明了房地产价格波动与货币政策间存在着较弱的联动关系。其中协整关系检验、冲击反应分析和方差分解均验证了房地产价格波动和货币政策间存在着联动关系，但是二者间的联动程度太弱，以至于在 Granger 因果关系检验中不能完全得出二者之间存在因果关系的结论。 实证检验的结果是与现实情况基本相符的。首先，由于地方政府把发展房地产业作为支柱性产业，对其给予很大的政策扶持，甚至通过干预金融机构经营行为来支持当地房地产企业的融资。再加上国有房地产企业在房地产企业中占据了的较大比例，银行信贷对国有企业的偏好，使得国有房
20、地产企业总能以较低的价格融资，缺乏对利率变化的敏感性，从而使得货币政策对房地产价格的影响较弱。其次，由于我国住房贷款利率上下浮动幅度被严格管制，其借贷的成本往往主要取决于房屋本身的总价。过高的房价和房产投机行为盛行，使得购房者更关注房屋总价和首付款比例，而对利率同样缺乏敏感性，货币政策对消费者购房行为的影响同样较弱。再次，货币政策是对整个宏观经济的调控，政策目标较多，其决策到执行的过程也较长，而房地产价格的波动速度较快，政策的时滞性使得房地产价格波动对货币政策的影响在短期内较弱。笔者认为，只有继续优化货币政策的调控机制、转变地方政府发展经济的模式、推进利率市场化改革、深化包括房地产和银行在内的
21、国有企业改革，多措并举，以增强货币政策调控的宏微观基础，才能实现货币政策对房地产价格波动的有效调控。 参考文献 1 Gupta， Rangan. et al.， “The effect of monetary policy on house price inflation： A factor augmented vector autoregression （FAVAR） approach”， Journal of Economic Studies， Vo37，No.6（2010）：616626. 2 Hilde C. Bj？rnlanda. et al.， “The role of house
22、prices in the monetarypolicy transmission mechanism in small open economies”， Journal of Financial Stability， Vo376，No.4（2010）：218229. 3 Mei-Se， Chien. et al.， “The Impact of Monetary Policy and Bonds Supply on Real Estate Prices： An Empirical Study”， International Journal of Management， Vo26，No.2（2009）：250260. 4 Xu， Xiaoqing. et al.， “The effect of monetary policy on real estate price growth in China ”， Pacific-Basin
