ID464货币政策对城市商品房价的区域效应研究以35个大中城市为例.docx

ID464货币政策对城市商品房价的区域效应研究以35个大中城市为例.docx

《ID464货币政策对城市商品房价的区域效应研究以35个大中城市为例.docx》由会员分享，可在线阅读，更多相关《ID464货币政策对城市商品房价的区域效应研究以35个大中城市为例.docx（19页珍藏版）》请在冰豆网上搜索。

ID464货币政策对城市商品房价的区域效应研究以35个大中城市为例

货币政策对城市商品房价格

的区域效应研究

——以35个大中城市为例

Thedifferentregionaleffectofurbanrealestatepricetomonetarypolicy

---------Caseof35largeandmediumcities

浙江大学房地产研究中心周刚华仇丽

（Thecenterforrealestatestudy,Zhejiang University,

Hangzhou 310058,China）

（ZhouGangHuaQiuLi）

摘要：

房地产具有明显的区域性特征。

本文通过建立VAR模型，利用脉冲响应函数，分析各城市对不同货币政策工具冲击响应的异同。

实证结果表明：

（1）价格型货币政策工具对东部地区商品房价格的冲击效果、持续时间和累积效果明显强于中部、西部地区；

（2）西部地区商品房价格对数量型货币政策工具冲击累计响应效果最为明显；（3）东部、中部地区房地产市场上占主导地位的货币政策工具为信贷，西部则以货币供应量为主。

Becauseoftheheterogeneityofregionalrealestatemarket,ThispaperwasconstructedfortheVARmodelandimpulseresponsefunction（IRF）.Conclusionofthisstudyinclude:

（1）Thedurationandcumulativeeffectofprice-basedmonetaryimpactonhousingpricesineasternarestrongerthanthecentralandwesternregions.

（2）Westrealestatepricehasthemostobviouscumulativeresponseofthequantitative-basedmonetary.（3）Creditisthedominanttoolsofmonetarypolicyintherealestateofeasternandcentralregions,whileprimarilymoneysupplyinwestern.

关键词：

货币政策；区域效应；房价；脉冲响应函数

Keywords:

Monetarypolicy;Redionaleffects;Urbanrealestateprice;Impulseresponsefunction

一、问题提出

我国房地产市场的快速发展，在带来经济增长的同时，业导致了金融风险的增加、贫富差距加大等社会问题。

为此，从2003年开始国家针对房地产市场发展情况，不断出台一系列控政策，货币政策在调控房地产市场中发挥了重要作用，但是，由于各地区房地产市场的异质性，全国统一的货币政策对不同城市房地产市场的调节效果可能不同，某些为了抑制商品房价格过快上涨大的货币政策可能对部分城市有效，而对其他城市可能没有明显的效果，甚至可能产生相反的负面效果。

因此，为了提高货币政策的有效性，必须理清货币政策对不同城市房地产市场的不同效应。

作为影响房价的重要因素之一，货币政策一直受到国内外学者的关注（Bernanke和Gertler，1995;Matteo和Raoul，2003；Negro等，2007），货币政策对房价影响的研究已较为成熟。

随着欧盟成立，统一货币政策产生的区域效应开始成为另一个研究热点，如Garrison和Chang（1979），Owang和Wall（2004）等；而宋旺（2006）、常海滨（2007）、耿识博（2005）等不少学者的实证研究，验证了我国货币政策传导机制存在显著的区域差异性。

房地产具有明显的区域性特征，不同区域由于经济的发展水平不同，相对应的房地产发展水平也就各有不同。

张二勋（1995）、陈浮和王良健（2000）等学者都指出了我国各区域房地产业发展存在明显的区域差异。

区域性作为房地产市场的一个重要的特征，而将其纳入货币政策对房地产市场影响的研究却寥寥可数，且研究范围主要局限于欧美经济发达地区，如Macro和Christopher（2007）、IacovielloandMinetti（2003）等。

国内开始有学者关注货币政策对房价的区域效应研究，如沈悦和刘洪玉（2004）、周京奎（2005）、梁云芳和高铁梅（2007）等。

我国学者有关货币政策影响房价的区域效应实证研究还处于起步阶段，现有文献主要是通过构建回归模型，利用年度或省市层面的数据寻找影响房价波动的主要原因，研究结果认为货币政策是引起房价区域波动差异的重要因素，研究结果还大致区分了货币政策对房价影响的作用方向。

但是从货币政策对房价影响得结果来看，利率、货币供应量等不同货币政策工具对房价的影响是不同的，简单以某一变量代表货币政策来验证区域房地产市场对货币政策的不同反应，不能够精确地检验货币政策对房价的区域效应。

因此，本文在上述研究的基础上，深入探讨各种货币政策工具对城市商品房价格的区域效应，为政府制定政策提供有益的参考。

二、VAR模型及实证数据说明

（一）VAR模型

在货币政策对房价的研究和货币政策区域效应的实证研究中，VAR模型得到了普遍的使用。

尽管此模型对变量之间的关系作了极为简化处理，模型的建立也不用严格的经济理论为依据，其他主要优势就在于能有效地揭示变量之间响应的动态变化，因此VAR模型比较适用于不同地区或不同行业对于货币政策冲击的动态响应研究。

当VAR模型都是不含外生变量的非限制向量自回归模型时，一般的p阶无约束VAR模型具有如下形式：

，t=1，2，3…，T

（1）

对VAR模型中某变量的全部滞后项系数的联合检验能够表明该变量是否对被解释变量有显著的影响，但是不能分清这种影响的正负以及作用时间。

因此在VAR模型中经常要运用脉冲响应函数，用以度量被解释变量对单位冲击的响应。

在实际运用中，由于VAR模型不是理论性的模型，不需要对变量作任何先验性约束，因此在对VAR模型进行分析时，一般不分析一个变量的变化对另一个变量的影响程度，而是探究一个误差项发生变化时，即模型受到的某种外部冲击造成的动态影响，这种分析方法就是脉冲响应函数方法。

一般脉冲响应函数通过Cholesky分解，使误差项正交，但是这是一种很随意的方法，方程顺序的改变会产生剧烈地影响到脉冲响应。

而广义脉冲分解法其结果和秩序无关，为了避免Cholesky分解结果和秩序有关而采用的另一种分解方法，对样本没有什么要求，只要建立的VAR模型稳定即可，因此本文选择广义脉冲函数。

（二）变量选取和数据处理

货币政策调控房地产市场主要是通过两个路径：

利率路径和信贷路径。

在存在外部融资的情况下，货币政策的利率途径通过影响房地产商和消费者的成本进而影响房地产市场的供求和价格。

货币政策的信贷途径则是通过中央银行采取公开市场操作、法定存款准备金、再贴现、再贷款等政策工具来改变货币供应量，从而影响商业银行的贷款供给能力，银行贷款能力的变化会增加或减少房地产市场的投资和消费，最后引致房地产价格的相应变化。

国内现有的研究中，研究者主要就采用了某一货币政策工具作为货币政策变量代表，尽管在研究结果能得出货币政策对房价存在区域效应，但是货币政策对房价的影响是多方面的，不同的货币政策工具影响结果会因彼此的不同而被覆盖掉。

如果只是以某一变量为代表，并不能真实反映不同货币政策工具的效果。

因此，本文在选取研究变量时，通过不同货币政策工具变量，以充分体现货币政策对房价的区域效应。

本文选择了货币供应量（M2）和金融机构各项贷款余额（LOAN）作为数量型货币政策工具的变量，并引入银行间市场同业拆借7天平均利率（R）作为价格型货币政策工具的变量。

在货币供应量指标中，M2和宏观经济变量关系最为密切，因此选取了M2作为货币供应量变量之一。

由于种种原因，我国金融领域的市场化进程相对比较滞后，尤其是利率市场化的尚未实现，银行的贷款和存款利率受到管制。

国际经验表明，作为金融市场引导其他利率走向的核心利率，基准利率比较容易在货币市场上形成。

银行间市场同业拆借利率，一直被认为是信贷资金短缺或充足的风向标，是发达国家央行货币政策最重要的中介工具。

银行间市场拆借利率由市场资金供求状况生成，是我国1996年利率市场化进程开始以来最早放开的利率，相对其他利率来说是最具代表性的市场利率。

在同业拆借市场中，7天以内的同业拆借交易量最大，占比最高，其货币市场利率具有很强的代表性（陆前进和卢庆杰，2006），因此用银行间市场同业拆借7天平均利率（R）代表利率。

本文采取了1999年1季度—2009年4季度的季度数据作为样本，数据来源于中国资讯行、中国人民银行网站、中国房地产统计年鉴等。

货币供应量（M2）、金融机构各项贷款余额（LOAN）和银行间市场同业拆借7天平均利率（R）季度数据数据来源于中国人民银行网站。

由于全国各个城市每个季度真实房地产销售价格的可获得性较差，本文在选择房价变量时，只能选择有关的房地产价格指数。

就我国目前的房地产价格指数来看，根据发布对象可以分为房地产中介机构发布指数和政府部门发布指数。

前者是侧重地区房地产细分市场走势，为房地产开发商和购房者的决策提供参考；后者则是反映地区房地产市场整体走势，为相关部门决策提供建议。

全国35个大中城市房地产价格指数就是属于后者，是1998年国家发展计划委员会、国家统计局首次发布。

每年1月、4月、7月和10月发布上年全年和当年上个季度及半年的价格指数。

和其他房地产价格指数相比，全国35个大中城市房地产价格指数更能完整和统一地反映各城市房地产业的发展状况。

为了消除通货膨胀对研究变量的影响，本文采用消费者价格指数（CPI）作为衡量通货膨胀率的指标。

因此本文中如果变量是以货币形式表示，就除以CPI得到其实际值，名义利率减去通货膨胀率得到实际利率。

货币供应量M2和金融机构各项贷款余额LOAN为当季发生值，即用当年本季累计数减去当年上季累计数；利率的季度数据是由季度内三个月度数据平均所得。

全国35个大中城市的房屋销售价格指数为季度同比数据，为求得反映房价变动的时间序列数据，在实际研究当中一般将同比数据定基化处理，并假定基期年的各季度数据反映了当年房价的实际变动。

本文在此基础上搜集了2009年全国35个大中城市房价变化的月度环比数据，根据各月的环比数据推出2009年各季度房价变动的定基数据，据此再推出2009年之前及之后各季度的房价定基指数，从而使得我们的数据更加真实的反映房地产市场的实际价格变动。

2009年以前的季度环比数据是由2009年季度环比数据以及样本期间内的季度同比数据计算得出，计算公式为：

上年t季环比数据=今年t季环比数据×今年（t-1）季同比数据/今年t季同比数据。

季度环比数据由季度内三个月的月度环比数据相乘获得。

由于各变量（除利率以外）存在明显的季节波动，所以本文用TRAMO/SEATS季节调整方法进行处理，去掉季节波动的影响，将季节要素从原序列中剔除。

最后，为了尽量避免数据的波动和消除异方差，并且通过使各变量的趋势线性化，对季节调整后的房地产价格指数（HP）、货币供应量（M2）和金融机构各项贷款余额（LOAN）取对数，变换后的变量分别为LNHP、LNM2、LNLOAN。

本文的实证模型设计，为35个城市的商品房价格分别建立VAR模型以度量货币政策的变动给各城市商品房价格带来的影响。

本文的VAR模型包括4个变量：

选取了货币供应量M2、7天同业拆借利率和金融机构各项存贷款余额作为货币政策的变量代表，选择各城市商品房价格HP作为衡量货币政策对这些城市房地产市场的影响，得到的VAR模型入如下：

，t=1，2，3…，T（3）

其中，yt=（LNHPi，LNLOAN，LNM2，R），其中LNHPi为各城市商品房价格，A为系数向量，p为模型的滞后阶数，

为白噪声误差。

（三）模型稳定性检验

建立VAR模型对序列并没有什么要求，但是如果要进行脉冲响应函数和方差分解的话，则要求建立的VAR模型是稳定的。

如果全部根的倒数值都在单位圆之内，VAR模型是稳定；否则是不稳定，不稳定的VAR模型是不能做脉冲响应函数分析的。

在构建VAR模型首先要考虑滞后阶数的问题，在计量经济学中可以有多个准则可以用于确定VAR模的滞后阶数，具体包括修正的时序似然比检验统计量（LR）、最终预测误差准则（FPE）、AIC准则（AIC）、SC准则（SC）和HQ准则（HQ）（宋旺，2005），使用Eviews5.0进行检验，以北京城市为例，结果如表5.1所示，根据5个评价统计量各自给出的最小滞后期表明，建立二阶的VAR模型比较合理。

表1VAR滞后阶数选择准则

Lag

LogL

LR

FPE

AIC

SC

HQ

0

 3.446876

NA 

 1.21e-05

 0.026982

 0.194159

 0.087859

1

 101.7232

 172.5828

 2.19e-07

-3.986497

 -3.150608*

 -3.682112*

2

 119.4808

  27.71921*

  2.06e-07*

 -4.072234*

-2.567634

-3.524342

3

 134.2197

 20.13121

 2.33e-07

-4.010718

-1.837407

-3.219318

通过自回归特征多项式的跟对北京VAR

（2）的稳定性进行检验。

从AR根图可以看出，没有根落在单位圆外，所以本文设定的北京VAR

（2）模型满足稳定性条件，根据其得出的脉冲响应函数的结果是稳健、可靠的。

图1自回归特征多项式逆根图

经过对各城市VAR模型滞后阶数的讨论和稳定性的检验，每个城市建立VAR模型都不存在根落在单位圆外的现象，所以本文设定的35个城市VAR模型满足稳定性条件，根据其得出的脉冲响应函数的结果是稳健、可靠的。

三、各地区商品房价格对货币政策响应结果

为了进一步理解货币政策对商品房价格的区域效应，本文将35个样本城市分为东、中、西三个地区，并讨论货币政策对各地区商品房价格之效应的相似之处和差异之处。

我国大陆区域经济的产生主要是依据其经济发展水平和地理位置相结合长期演变而形成的，目前对于房地产市场分地区的研究也多分为东、中、西三部。

尽管各地区商品房价格对货币政策的响应存在一些共同之处，但同样存在一些重要差异，主要可归纳为以下三点：

（1）价格型货币政策工具对东部地区商品房价格冲击效果，持续时间和累积效果明显强于中部、西部地区。

价格货币政策工具对东部地区各城市累计响应的平均值为0.00929，远高于中部的0.00511和西部的0.0061。

东部地区金融市场化相对于其他两个地区要完善许多，7天同业拆借利率作为市场化较早的利率，对市场化较为完善的东部，其影响也更为明显。

利率的提高，不仅导致房地产企业借款成本的直接增加，也会引致企业股票等资产价格的下跌，对企业的融资条件带来比较严重的影响。

我国东部地区城市房地产企业银行贷款来源占资金来源和中、西部地区相较较低，意味着东部房地产企业的资金筹款，很大部分来源于资本市场及其他金融市场，其对利率的敏感度也相较之最大。

尽管在魏巍贤和李阳（2005）研究中认为东部地区消费者对利率的敏感度较弱，但是房价对消费影响不明显，但对投资的影响较大（丁晨和屠梅曾，2007）。

（2）西部地区商品房价格对数量型货币政策工具冲击累计响应效果最为明显。

我国目前的大部分实证结果都认为货币政策主要是通过信贷渠道而非货币渠道影响经济的（孙明华，2004）。

数量型货币政策的影响可以用信贷渠道传导机制进行解释：

银行规模和其融资能力密切相关（Kashyap和AnilK,1994），贷款主要来源于小银行的地区更容易受到政策的冲击（Carlino和DeFina，1999）。

一方面，西部地区的银行规模普遍较小，而西部地区房地产企业规模普遍较小（从其资质的分布可以看出），除了银行贷款外，其他的融资渠道的不完善和高成本，导致西部房地产企业的资金来源主要依赖于银行贷款。

另一方面，西部地区金融机构主要以国有银行为主，一旦国家收紧银行，国有银行执行速度最快，银行放贷量明显下降。

因此西部地区受数量型货币政策冲击影响较大。

（3）东部、中部地区房地产市场上占主导地位的货币政策工具为信贷，西部则以货币供应量为主。

对三个地区各城市累积响应最大值的均值进行比较时可以发现，信贷为东、中部地区房地产市场的主导型货币政策工具，其累积响应最大值为0.00991、0.0436。

货币供应量为西部地区房地产市场的主导货币政策工具，其累积响应最大值为0.01457。

四、结论和政策建议

对我国35个大中城市的实证研究结果表明，货币政策工具对各地区和城市商品房价格产生了不同的影响。

从1998-2010年的历史时期来看，货币政策在推动房地产市场发展方面产生了很重要的作用。

当然由于各个城市经济的发展水平、政府对房地产市场态度等方面存在较大的差异，从研究结果来看，货币政策影响城市商品房价格存在着较为明显的区域差异。

各地区城市商品房价格对不同的货币政策工具冲击的响应存在一定的共同性。

各地区商品房价格对货币供应量冲击的响应存在明显的时滞；对信贷冲击的响应持续期较长；各地区城市对利率冲击的响应时间速度快，深度高；但是长期效果不佳。

不同的货币政策变量对不同城市的房价都能产生影响，不同的货币政策工具产生的影响是不同的。

以三个地区的划分来看，价格型货币政策工具对东部地区商品房价格的冲击，持续时间和累积效果明显强于中部、西部地区。

西部地区商品房价格对数量型货币政策工具冲击累计响应效果最为明显。

东部、中部地区房地产市场上占主导地位的货币政策工具为信贷，西部则以货币供应量为主。

以M2为代表的货币供应量对各城市房价的影响是多样的，除了对合肥、呼和浩特等8个城市没有显著影响外，对其他城市的影响正向和负向都有，从短期看来，货币供应量和房地产价格属于正相关关系，即货币供应量的增加会引起房地产价格的上升。

但从长期效果来看，货币供应量作用没有持续效果。

信贷量的增加对大部分城市而言都产生了正向作用，也就是宽松的信贷政策对城市房价起到了促进的作用。

而2007年二套房政策出台，深圳、北京等一线城市，以及厦门、南京等房价较高城市的2008年房价都出现下降，针对房地产市场的政策在调整房地产市场中起到的作用要更为明显些，不至于出现2003-2007年不断调控却导致房价的快速上升。

通过上调利率抑制供需双方的投资和购买行为，对城市房价只产生了一段时间的缓解房价上升作用，很快由于投资者和购买者对房价上升的预期以及预期的收益要大于投入资本时，出现了越调越高的现象，利率越是调整，房价不降反升。

从利率影响的方向图可以看到，利率对大部分城市的作用，先是负向作用再转为正向作用，也就是说利率在短期和房地产价格呈负相关关系，能抑制房价的上升，但是随时间延续，上调的利率对房价冲击的正向作用效果和持续度要远大于负向作用。

货币政策是一刀切的思想，主要是针对部分城市的房价过高过快增长，对于这些城市调控效果也赋予于了更多的关注。

房地产商看好房地产业，成长空间、市场潜力以及比较乐观的盈利能力。

（1）根据区域房地产市场发展特点，制定并实施有针对性的货币政策

由于各区域城市经济发展水平不同，在经济发达地区，投资性需求在房地产市场上具有重要作用，投资者和房地产开发商看好这些城市的房地产业，其成长空间、市场潜力和比较乐观的盈利能力。

一方面，货币政策的出台主要是针对这些投机炒房者，但是由于在经济发达地区，投资者预期收益要高于实际成本，所以即使宏观调控政策出台，这些投资者仍坚持在这些城市的投资。

这些城市中的房地产企业规模大，融资渠道较多，银行信贷收紧尽管有一定影响，但是其雄厚的资本依然能让他们在和政府的博弈中，采取持久战术。

对于深圳、上海、北京、广州和杭州等高房价城市而言，货币政策的出台本身就是为了抑制这些城市的房价快速上涨，但单纯的采用调整法定存款准备金率和贷款基准利率并没有起到应有的作用，利率只能起到短期抑制房价的上涨；从长期来看主要还是需要通过采用信贷政策，打击和遏制投机炒房者的行为，需要更有针对性的政策。

预防二线城市房价的快速上升，宁波、厦门等城市经济实力不容小觑，但其房价不及深圳等一线城市的城市，对于投资者和房地产开发商而言，这些城市将为成为下一个争夺的市场重点。

为此，相关部门需要提前做好预防准备。

从历年的房价走势图可以看出，宁波等城市并没有受到相关政策的影响，房价持续走高，已然有跨入一线城市房价的趋势。

平稳中西部城市房价。

中西部地区的城市因为各城市的经济发展条件不一样，其房地产市场也有相当不同，但是从总体上而言，这些城市房地产市场的发展相对来说稍落后些。

为鼓励这些城市房地产市场的发展，可以推行差别化的准备金率、适当宽松的贷款窗口指导等，这些措施要在可控范围内进行操作，以避免产生过度刺激导致房价不正常上涨。

（2）和其他政策相辅相成，更好地引导房地产市场发展

对目前部分城市过高的房地产价格进行调控，要避免调控带来的经济波动，不能靠单纯的货币政策，必须从各方面多管齐下。

统一的货币政策很难达到调控目的，因此需要完善财政、税收支持政策和土地政策等。

附录：

VAR模型结果

表1各地区城市对货币政策冲击的响应最大时期及值

地区

城市

货币供应量

信贷量

利率

响应最大的时期

最大响应

响应最大的时期

最大响应

响应最大的时期

最大响应

东部

北京

3

0.003768

1

0.002421

2

-0.00194

大连

4

0.000841

2

0.000171

1

-0.001657

福州

3

0.000955

1

0.001493

1

-0.000176

广州

3

0.00305

1

0.001495

10

-0.000546

海口

6

0.002247

6

0.00214

1

-0.00319

杭州

5

0.001916

4

0.00099

2

-0.005942

济南

6

0.001147

3

0.001554

2

-0.00142

宁波

4

0.001842

2

0.002529

1

-0.000457

南京

4

0.00328

4

0.001485

1

-0.004315

青岛

6

0.002137

5

0.000784

6

0.005049

上海

4

0.003903

4

0.005789

1

-0.002759

石家庄

4

0.001904

4

0.000974

1

-0.002595

沈阳

8

0.00064

10

0.000552

12

-0.000666

深圳

2

0.000519

2

0.00046

1

-0.000775

天津

4

0.002081

4

0.001468

2

-0.001054

厦门

2

0.001759

5

0.00104

2

-0.002557

南宁

7

0.000922

4

0.001566

2

-0.001483

均值

4

0.00193594

3

0.001583

2

-0.00155782

中部

长春

7

0.000552

1

0.004212

2

-0.003561