貨幣政策、經濟波動與房地產價格的動態關系研究

葉阿忠， 蔣玲香

(福州大學經濟與管理學院，福建 福州 350108)

貨幣政策、經濟波動與房地產價格的動態關系研究

葉阿忠， 蔣玲香

(福州大學經濟與管理學院，福建 福州 350108)

利用我國相關月度數據構建半參數全局向量自回歸模型，實證分析貨幣政策、經濟波動與房地產價格之間的動態關系。研究發現：(1)貨幣供應量的增長和信貸規模的擴大對房地產價格和經濟波動產生正向影響，且對高房價區域的房地產價格影響最大。(2)房地產價格的上漲對社會消費和社會固定資產投資產生正向影響，且對低房價區域的影響最大。(3)利率對房地產價格的影響呈顯著的非線性關系。整體上，當銀行間同業拆借利率處于較低區間時，提高利率并不能抑制房地產價格上漲；當銀行間同業拆借利率處于較高區間時，提高利率能夠顯著抑制房地產價格上漲。

貨幣政策；經濟波動；房地產價格；半參數全局向量自回歸

自改革開放以來，我國城市化進程不斷推進，房地產市場取得快速發展，并逐漸成為國民經濟的重要支柱性產業。截至2015年，房地產開發投資額為95978.85億元，占全社會固定資產投資的17.1%[1]。這一數據表明，房地產開發投資是全社會固定資產投資的重要組成部分，僅次于制造業投資。在房地產價格方面，我國各省(市、自治區)房地產價格整體上呈現不斷上漲的趨勢。從平均銷售價格上看，2015年北京地區房地產平均銷售價格是每平方米22633元，較2014年上漲20.1%；而上海地區的房地產平均銷售價格上漲最快，從2014年的每平方米16787元上漲到2015年的每平方米20949元，上漲幅度達到24.8%[2]。2016年“兩會”之前，北京、上海、深圳等城市房地產價格出現較大幅度的上漲，較多居民對一線城市房地產價格突然的上漲感到恐慌[3]。一線城市房價暴漲在2016年的“兩會”期間成為了熱門話題，房地產價格的變化受到了社會的廣泛關注。

貨幣政策作為國家重要的宏觀經濟政策，無論是對國家宏觀經濟基本面還是對微觀經濟都能起到調控作用。房地產作為國家的重要支柱性產業，房地產市場的波動必然會對國家經濟發展產生重要影響。因此，關于貨幣政策、經濟波動與房地產價格之間的關系研究一直是學術界的熱點話題。

一、文獻綜述

關于貨幣政策與房地產價格兩者之間的關系，已有研究主要分析了數量型貨幣政策與價格型貨幣政策對房地產價格的影響。關于貨幣供應量和信貸規模等數量型貨幣政策對房地產價格的影響研究，已有文獻的研究結果較為一致，普遍認為增加貨幣供應量或者擴大信貸規模，都能夠引起房地產價格的上漲[4-7]。而關于價格型貨幣政策對房地產價格的影響研究，國外學者普遍認為利率與房地產價格呈負向關系，即提高利率能夠抑制房地產價格上漲[8-9]；但是國內學者的研究結果并不一致，韓國高、梁云芳等認為利率對房地產價格的影響甚微[10-11]；李世美、魏瑋等認為利率對房地產價格影響顯著且持久[12-13]；張小宇等運用非線性的計量方法研究利率與房地產價格的非線性關系[14]。

關于貨幣政策、經濟波動與房地產價格三者之間的影響關系，國內外學者的研究較為豐富。(1)在理論研究方面，Mishkin研究了房地產市場在貨幣政策傳導機制中的直接作用和間接作用，直接作用包括利率渠道影響房地產使用成本、價格預期和房地產供應，間接作用包括信貸渠道和資產負債表渠道影響房地產需求和房地產消費[15]。米什金認為，貨幣政策主要通過傳統利率、資產價格和信貸等途徑影響企業投資，進而影響社會總需求和實際產出[16]。祁玉清認為，貨幣政策會通過預期收益、資金成本以及融資便利性等方面來對固定資產投資產生影響，不同貨幣政策的影響程度有所不同[17]。張洪等在科布-道格拉斯生產函數的基礎上，建立包含房地產市場及空間效應的空間動態計量經濟模型，分析我國70個大中城市房地產投資的空間溢出效應[18]。(2)實證研究方面，國內外學者從不同的角度或運用不同的計量模型分析貨幣政策、宏觀經濟與房地產價格三者之間的影響關系。Bernanke等從短期和長期的角度分析利率沖擊對房地產價格的影響[19]。張勇、周暉等分別運用GARCH模型和BEEK模型對貨幣供應量、房地產價格與經濟增長之間的相關性進行研究[20-21]。胡浩志運用結構向量自回歸的計量模型分析貨幣政策、房地產市場與宏觀經濟波動之間的動態關系[22]。張紅等運用全局向量自回歸模型分析房地產市場對貨幣政策區域傳導效應的差異性[23]。

綜上所述，雖然國內外學者關于貨幣政策、經濟波動與房地產價格之間相互關系的研究較為豐富，但這一熱點話題仍然存在研究的空間：(1)在實證方面，學者們大都從線性計量模型實證分析貨幣政策對房地產價格的影響效應，鮮有學者嘗試利用非線性計量模型分析貨幣政策與房地產價格的非線性關系；(2)我國房地產市場具有顯著的區域特征，盡管有學者從區域層面上研究三者之間的關系，但是劃分區域的方法主要是按照東部、中部和西部等常規分類方法，區域內部的各省份房地產市場發展存在較大差異，應該考慮采用其他分類方法研究區域層面上貨幣政策、經濟波動與房地產價格的動態關系?；谏鲜龅乃伎?，本文采用系統聚類分析方法，將我國各省份進行區域劃分，在區域層面上分析貨幣政策、經濟波動與房地產價格的影響機制；在理論分析的基礎上，建立半參數全局向量自回歸模型，實證研究貨幣政策、經濟波動與房地產價格的區域動態關系。因此，本文的研究方法將進一步豐富現有的研究視角，在計量模型的運用上體現一定的創新性。

二、區域層面上貨幣政策、經濟波動與房地產價格的影響機制

房地產的不可移動性決定了房地產市場是典型的區域性市場，房地產市場的發展受到經濟、政治、文化等環境的影響，各省(市、自治區)的房地產價格也因此相差較大。將全國(除港澳臺外)的31個省(市、自治區)房地產市場進行區域劃分是研究貨幣政策對房地產價格以及房地產價格波動對經濟影響的前提和基礎。只有根據房地產市場發展情況對其進行合理的區域劃分，準確了解各區域房地產市場之間的相互影響關系，才能準確得出貨幣政策對房地產價格的影響，以及房地產價格波動對宏觀經濟中社會消費和社會固定資產投資的影響。本文選取我國30個省(市、自治區)的房地產價格數據(由于西藏地區數據缺失較多，故剔除西藏地區)，采用Q型聚類分析方法對房地產價格數據進行聚類，R統計軟件的分析結果如表1所示。

根據區域劃分結果，分析區域層面上貨幣政策、經濟波動與房地產價格的影響機制。(1)分析貨幣政策對房地產價格的傳導效應。貨幣政策通過貨幣供應量、信貸規模和利率工具對房地產市場的供給和需求產生影響，進而影響房地產價格的變化。由于各區域房地產市場發展狀況不盡相同，房地產金融體系的發展也不平衡[23]，貨幣供應量、信貸規模和利率工具在各區域房地產市場的傳導效率不同，導致貨幣政策的區域差異性顯著。同時，由于區域之間房地產價格的波動具有傳遞效應，從而導致區域之間存在明顯的價格聯動作用[24]。(2)分析房地產價格對社會消費和社會固定資產投資的傳導效應。具體而言，房地產價格通過財富效應、替代效應、流動性約束效應和預算約束效應影響企業和個人的收入狀況，進而對社會消費產生影響；通過直接投資效應、企業資產負債表效應、托賓q效應對社會固定資產投資產生影響?？紤]到各區域經濟發展的不平衡，房地產價格在這一過程中的傳導效益也將出現差異，且社會消費和社會固定資產投資也具有一定的空間溢出效應。因此，不同區域房地產價格的波動對經濟波動的影響也存在一定的差異性。(3)由于貨幣政策對經濟波動的影響存在多種途徑，貨幣政策與經濟波動之間的影響關系復雜。根據本文研究內容，貨幣政策與經濟波動之間的相互影響關系在此不作具體分析。區域層面上貨幣政策、房地產價格與經濟波動的影響機制如圖1所示。

表1 聚類分析結果

圖1 區域層面上貨幣政策、房地產價格與經濟波動的影響機制

三、變量選取與模型構建

根據以上分析，本文實證研究主要選取了貨幣供應量、金融機構中長期貸款余額、銀行間同業拆借利率、房地產價格、房地產開發投資額、社會消費品零售總額、社會固定資產投資完成額等7組變量，建立半參數全局向量自回歸模型。本文樣本為2002年1月至2016年3月我國30個省(市、自治區)宏觀經濟月度數據(由于西藏地區數據缺失，故剔除西藏)。由于半參數全局向量自回歸模型中待估系數較多，所需樣本量較大，故選取月度數據。本文對樣本數據作了以下處理：(1)季節性調整，以消除季節性因素結果的影響；(2)消費者價格指數平減，以消除通貨膨脹對實證結果的影響；(3)對數化處理，以消除數據可能存在的異方差。數據來源于《中國統計年鑒》、Wind數據庫、中國人民銀行和國研網統計數據庫。

由于我國貨幣政策具有相對的獨立性，本文選取廣義貨幣供應量(M2)并取自然對數表示貨幣供應量(lnM2)，選取金融機構中長期貸款余額(L)并取自然對數表示信貸規模(lnL)，設定貨幣供應量和信貸規模為模型的全局變量，選擇銀行間同業拆借利率(R)代表利率工具，并設定利率工具(R)為模型的非參數變量。選取房地產平均銷售價格(H)并取自然對數表示房地產價格(lnH)，選取房地產開發投資額(I)并取自然對數表示房地產投資(lnI)，選取社會消費品零售總額(T)并取自然對數表示社會消費(lnT)，選取社會固定資產投資完成額(G)并取自然對數表示社會固定資產投資(lnG)。將房地產價格、房地產投資、社會消費和社會固定資產投資作為模型的內生變量。

向量自回歸模型包括內生變量的滯后期變量，即變量的空間鄰近關系。因此，在建立計量模型之前，有必要對所選擇的內生變量進行空間相關性檢驗。本文使用Geoda軟件計算出lnH、lnI、lnT和lnG的Moran′I指數分別為0.3432、0.3737、0.3950、0.3487，且對應的P值分別為0.0010、0.0020、0.0002和0.0000。Moran′I的取值范圍為(-1,1)，當Moran′I>0時，存在空間正相關；當Moran′I<0時，存在空間負相關；當Moran′I接近于0時，不存在空間相關性，即在空間中服從隨機分布。檢驗結果表明，lnH、lnI、lnT和lnG等4組內生變量表現出顯著的空間正相關性。由于利率對房地產價格的影響在實證研究中沒有得到一致的結論，為了探討利率對房地產價格的具體影響，不妨假設利率為非參數變量，以避免模型的設定誤差。因此，有必要檢驗利率與房地產價格之間的非線性關系。北京地區作為我國的政治中心，房地產價格居高不下，一直是學術界關注的焦點。浙江地區經濟發展較好，且金融市場發展逐步完善，利率對房地產價格的影響極為明顯。故選取北京和浙江的房地產價格與銀行間同業拆借利率之間的曲線擬合圖，結果表明，利率與房地產價格之間非線性關系明顯。

為了簡化分析，以北京地區模型為例，在下文數據檢驗的基礎上，得出北京地區模型的滯后階數為S*(2,1)。因此，北京地區S*(2,1)模型的具體形式如下：

其中，i表示北京地區，t表示時間，ai0表示截距項，Φi1、Φi2為地區模型中內生變量系數矩陣，Λi0和Λi1為地區模型中其他地區內生變量系數矩陣，Ψi1、Ψi2為全局變量系數矩陣，gi為非參數項，εit為殘差項，符合零均值同方差的標準正態分布，即假定各地區的自發沖擊是序列不相關的。根據半參數全局向量自回歸模型的建模方法，將所有地區模型通過權重矩陣結合在一起。本文采用了地理距離空間權重矩陣，最終得到包含所有地區的半參數全局向量自回歸模型。

四、數據檢驗

五、結果分析

通過以上一系列相關檢驗，對半參數全局向量自回歸模型進行了估計。由于半參數全局向量自回歸模型的地區模型變量系數龐大，且模型主要分析的是外生沖擊對模型變量帶來的影響。廣義脈沖響應函數(GIRF)消除了內生變量排序對脈沖響應函數分析結果的影響，適用于大型復雜的VAR模型系統。因此，本文采用GIRF分析貨幣政策沖擊和房地產價格沖擊對模型中各變量的動態影響關系。

(一)貨幣供應量對區域變量的動態影響

圖2描繪了高房價區域、中等房價區域、低房價區域的房地產價格(lnH)、房地產投資(lnI)、社會消費(lnT)和社會固定資產投資(lnG)對貨幣供應量正向沖擊的響應結果。

從整體上看，短期內貨幣供應量的增加給房地產價格、房地產投資、社會消費和社會固定資產投資帶來立竿見影的正向促進作用，能夠顯著促進房地產價格的上漲、社會消費的增加、社會固定資產投資的增加。這一結論與李世美的研究結果相似。李世美的實證研究表明，貨幣供應量的增加對房地產價格的上漲起到促進作用，貨幣供應量的快速增長是房地產價格上漲的主要原因[12]。這一結果可以反映出，我國房地產市場能夠有效吸收市場上過剩的貨幣，導致房地產價格上漲，社會消費和社會固定資產投資也會隨著貨幣供應量的增加而有所增加。根據經濟理論，寬松的貨幣政策引起經濟市場中流動性過剩，而流動性過剩是導致資產價格上漲和通貨膨脹的主要原因。因此，在脈沖響應的后期，貨幣供應量的增加對房地產價格和投資、社會消費和社會固定資產投資均產生了微弱的負向抑制作用。很顯然，市場上流動性過剩必然會引起通貨膨脹，進而對房地產價格、社會消費和社會固定資產投資產生一定的抑制作用。

從區域層面看：(1)貨幣供應量的增加對高房價區域房地產價格的影響較大。在貨幣供應量增加的條件下，高房價區域房地產價格的上漲幅度較大(0.0753%)，中等房價區域房地產價格的上漲幅度次之(0.0616%)，而低房價區域房地產價格的上漲幅度最小(0.0561%)。由此可知，區域房地產價格越高，越容易受到貨幣供應量的影響。(2)貨幣供應量的增加對社會消費產生正向促進作用，但區域差異性不明顯，說明貨幣供應量對各區域社會消費的推動作用具有一致性。(3)貨幣供應量的增加對房地產開發投資和社會固定資產投資產生正向的推動作用，但區域之間的差異較為明顯。其中，對低房價區域的正向促進作用最大，中等房價區域次之，高房價區域最小。這說明房地產價格越低，房地產投資和社會固定資產投資受貨幣供應量的影響越大。這一結果可以從區域經濟發展的角度來解釋，一方面低房價區域的經濟發展較落后于中高房價區域，基礎設施建設還存在較大發展空間，房地產市場有待完善；另一方面，低房價區域的省份獲得國家扶持政策較多。當貨幣供應量增加時，這些因素都會導致低房價區域的房地產投資和社會固定資產投資增加較多。

圖2 各區域變量對貨幣供應量沖擊的反應

(二)信貸規模對區域變量的動態影響

圖3分別描繪了高房價區域、中等房價區域、低房價區域的房地產價格(lnH)、房地產投資(lnI)、社會消費(lnT)和社會固定資產投資(lnG)對信貸規模正向沖擊的響應結果。

從整體上看，信貸規模的正向沖擊對房地產價格、房地產開發投資、社會消費和社會固定資產投資產生及時且正向的促進作用。擴大信貸規模，能夠顯著刺激房地產價格上漲、社會消費增加，并且能夠帶動房地產投資和社會固定資產投資的增加。這一結果與魏瑋的研究結論一致。魏瑋通過構建面板向量自回歸模型，實證研究我國貨幣政策對房地產價格的影響，得出了信貸規模的正向沖擊對房地產價格具有正向促進作用的結論[25]。這一結果反映出，房地產價格和房地產投資、社會消費和社會固定資產投資對信貸規模變化的反應較為敏感。這意味著，我國通過調整信貸規模對房地產市場以及社會消費和社會固定資產投資加以管制是有效的。在經濟下行、房地產市場低迷階段，國家可通過增加房地產市場的信貸額度、增加房地產市場的流動資金，加大對房地產消費者和投資者的信貸支持，進而促進房地產市場發展。在經濟過熱、房地產市場相對穩定的階段，國家可通過減少房地產市場的信貸額度，控制房地產市場的流動資金，減少對房地產消費者和投資者的信貸支持，以避免房地產市場出現非理性繁榮的現象。

從區域層面看：(1)信貸規模的正向沖擊對高房價區域的房地產價格影響較大。在擴大信貸規模的條件下，高房價區域房地產價格的上漲幅度最大(0.1933%)，中等房價區域房地產價格的上漲幅度次之(0.1503%)，而低房價區域房地產價格的上漲幅度最小(0.1375%)。高房價區域的金融發展狀況優于中低房價區域，中央銀行擴大信貸規模，高房價區域的房地產需求者更容易從金融機構獲得貸款，增加房地產市場的有效需求，進而促進房地產價格的上漲。(2)信貸規模的正向沖擊對社會消費產生正向促進作用，且區域之間的差異性不明顯。這說明信貸規模對各區域社會消費的推動作用具有一致性。(3)信貸規模的正向沖擊對房地產開發投資和社會固定資產投資產生正向的促進作用，但區域之間的差異性較為明顯。其中，對低房價區域的正向推動作用最大，中等房價區域次之，高房價區域最小。由此說明，房地產價格越低，房地產投資和社會固定資產投資受信貸規模沖擊的影響越大。

圖3 各區域變量對信貸規模沖擊的反應

(三)房地產價格對區域變量的動態影響

通過圖4可以看出，高房價區域、中等房價區域、低房價區域的社會消費(lnT)和社會固定資產投資(lnG)對房地產價格的正向沖擊的脈沖響應函數呈倒U型關系，房地產價格的上漲為社會消費和社會固定資產投資帶來正向促進作用，但隨著時間的推移，這種正向促進作用逐漸增大到最大值，隨后逐漸減少。這一研究結果與原鵬飛等的分析一致。原鵬飛等運用一般均衡方法分析得出房地產價格上漲能夠引起宏觀經濟變量的上漲[26]。

圖4 各區域變量對房地產價格沖擊的反應

從整體上看，房地產價格的正向沖擊對社會消費和社會固定資產投資產生顯著的促進作用。房地產價格上漲帶動社會消費和社會固定資產投資的增加，這意味著社會消費和社會固定資產投資對房地產價格變動的反應較為敏感。房地產價格上漲的財富效應和流動約束效應正向促進作用較為顯著，增加人們所持有的收入，從而增加消費支出；房地產價格上漲的直接投資效應和企業資產負債表效應的正向促進作用較為顯著，使得企業持有的信貸資金增加，從而增加投資支出。由此可見，實證研究的結果與本文理論分析較為吻合。

從區域層面看，房地產價格對各區域社會消費和社會固定資產投資的影響存在顯著差異。(1)在社會消費方面，房地產價格上漲對低房價區域的社會消費產生更大的促進作用(0.1856%)，而高房價區域和中等房價區域的作用相對較少。由于高房價區域和中等房價區域消費者的消費水平相對較高，該類群體的生活消費較為固定，而低房價區域的消費者消費潛力較大。區域經濟的快速發展，房地產價格上漲帶來的財富效應更能激發出低房價區域居民的潛在消費，因此低房價區域的社會消費受到房地產價格的影響更大。(2)在社會固定資產投資方面，房地產價格上漲對低房價區域的社會固定資產投資產生更大的正向作用(0.1910%)，而對高房價區域的推動作用相對較小。由此可知，房地產價格對社會固定資產投資影響的區域差異較為顯著。可能原因是國家在各項優惠政策措施上更傾向于低房價區域。低房價區域社會固定資產投資的增多，也反映出低房價區域的經濟發展向好，吸引企業投資。

(四)利率對房地產價格影響的非線性分析

導數散點圖是半參數全局向量自回歸模型的重要估計結果，它能夠直觀、全面地描繪模型中非參數變量與內生變量的非線性關系。其中，橫坐標表示利率(R)，縱坐標表示利率對各地區房地產價格(lnH)的導數?g(lnH)/?R，即利率每變動一個單位所引起的房地產價格變化的百分比。由于半參數全局向量自回歸模型是在單個地區的半參數向量自回歸模型基礎上構建的，因此計算得出的導數散點圖也是與各地區模型相對應的。

在高房價區域中，北京地區房地產價格高，一直居于我國房地產價格首位；浙江地區經濟發展較好，房地產價格上漲較快。在中等房價區域中，重慶和陜西地區房地產價格的增速較快。在低房價區域中，河北地區的房地產價格較高，增速較快；黑龍江地區位于我國東北部，經濟發展較為落后，房地產價格較低，增速較為緩慢。因此，本文挑選了高房價區域中的北京和浙江，中等房價區域中的重慶和陜西，低房價區域中的河北和黑龍江，作為重點研究對象。從導數散點圖既可以看出利率對房地產價格非線性影響的共同特征，又可以看出利率對不同地區房地產價格非線性影響的差異(圖5)。

圖5 利率變化對不同地區房地產價格影響的導數散點圖

導數散點圖的共同特征包括：(1)當銀行間同業拆借利率處于[0,2]時，6個地區的導數值基本為正數。在此區間，提高利率對房地產價格的上漲沒有抑制作用，反而會促進各地區房地產價格的上漲。2005、2008年我國銀行間同業拆借利率大約在1.5左右，隨后銀行間同業拆借利率逐漸增加，各地區房地產價格出現上漲的態勢。由此可見，在利率較低時，中央銀行通過利率工具來調控房地產價格并不能取得理想的效果。(2)當銀行間同業拆借利率處于[2,5]時，各地區的導數值大多為負。在此區間，提高利率在一定程度上可以有效抑制房地產價格的上漲。2004、2007和2010年我國銀行間同業拆借利率分別在2.9、3.5和5.0左右，隨后銀行間同業拆借利率逐漸增加，各地區房地產價格均有一定程度的下跌。這說明在利率較高時，中央銀行通過利率工具對房地產市場進行調控是有效的。

利率對不同地區房地產價格非線性影響的差異主要包括：(1)對于高房價區域、中等房價區域和低房價區域，導數散點圖的波動是不同的。在高房價區域的北京地區和浙江地區的導數散點圖較為平緩，在中等房價區域的重慶和陜西地區、在低房價區域的河北和黑龍江地區的導數散點圖波動較為頻繁?？赡茉蚴抢实淖兓ㄟ^銀行等金融機構傳遞到房地產市場，北京和浙江地區的金融機構規模較大，利率波動對房地產市場的影響較小，因而其房地產價格波動較為平緩。重慶、黑龍江等中低房價區域的金融機構規模較小，利率波動對房地產市場的影響較大，導致房地產價格的波動較為頻繁和劇烈。(2)不同地區銀行間同業拆借利率對房地產價格的影響強度是不同的?？梢姡煌貐^對同樣的利率變化反應存在顯著的地區差異。從導數散點圖的數值上看，銀行間同業拆借利率變動一個單位，引起北京地區房地產價格的最大變動0.12%，浙江地區房地產價格的最大變動2.41%；重慶地區房地產價格的最大變動1.68%，陜西地區房地產價格的最大變動1.08%；河北地區房地產價格的最大變動1.58%，黑龍江地區房地產價格的最大變動1.00%。

六、結論

本文利用2002-2016年我國相關月度數據，構建了半參數全局向量自回歸模型，實證研究了我國貨幣政策、經濟波動與房地產價格的動態關系。不僅分析了貨幣供應量和信貸規模的沖擊對房地產價格的動態影響，也考察了房地產價格波動對社會消費和社會固定資產投資的動態影響，最后分析利率與房地產價格的非線性關系。本文所得結論如下：(1)貨幣供應量方面。從整體上看，短期內增加貨幣供應量對于促進房地產價格上漲具有正向作用，同時也能夠帶動房地產投資、社會消費和社會固定資產投資的增加；但長期來看，由于貨幣供應量增加所引起的通貨膨脹問題顯現，貨幣供應量的增加對房地產價格、房地產投資、社會消費和社會固定資產投資產生一定的負向抑制作用。在區域層面上，貨幣供應量對高房價區域房地產價格的影響最大，對各區域社會消費的影響差異不顯著，對低房價區域房地產投資和社會固定資產投資的影響最大。(2)信貸規模方面。從整體上看，擴大信貸規模對房地產價格、房地產開發投資、社會消費和社會固定資產投資具有立竿見影的正向促進作用。這意味著房地產市場和宏觀經濟對信貸規模的變化較為敏感，國家通過調整信貸規模對房地產市場和經濟進行調控和干預是有效的。在區域層面上，信貸規模的擴大對高房價區域房地產價格的影響(0.1933%)大于其他區域，對各區域社會消費的影響差異不顯著，對高房價區域房地產投資和社會固定資產投資的影響小于其他區域。(3)房地產價格方面。從整體上看，房地產價格的上漲對社會消費和社會固定投資產生了拉動效應，說明房地產價格上漲，所產生的財富效應和直接投資效應等較為顯著，帶動了社會消費和社會固定資產投資。在區域層面上，房地產價格的正向沖擊對低房價區域社會消費(0.1856%)和社會固定資產投資(0.1910%)的影響大于對中高房價區域的影響。(4)利率對房地產價格的影響呈顯著的非線性關系，地區之間差異較大。整體上，當銀行間同業拆借利率處于[0,2]時，提高利率對房地產價格有正向促進作用，并不能抑制房地產價格上漲；當銀行間同業拆借利率處于[2,5]時，提高利率能夠有效抑制房地產價格的上漲。

[1]中華人民共和國國家統計局.國家數據[EB/OL].(2016-09-01)[2016-12-06]. http://data.stats.gov.cn/easyquery.htm?cn=C01.

[2]中華人民共和國國家統計局.國家數據[EB/OL].(2016-09-01)[2016-12-06]. http://data.stats.gov.cn/easyquery.htm?cn=E0103.

[3]王錚.一線樓市集體“暴走”“京滬深”兩會后或出新政[EB/OL].(2016-03-11)[2016-12-18]. http://www.ce.cn/cysc/fdc/fc/201603/11/t20160311_9420945.shtml.

[4]LASTRAPES W D. The real price of housing and money supply shocks, time series evidence and theoretical simulations[J]. Journal of Housing Economics,2002,11(1):40-74.

[5]IACOVIELLO M, RAOUL M. The credit channel of monetary policy: evidence from the housing market[J]. Journal of Macroeconomics,2006,30(1):69-96.

[6]高波,王先柱.中國房地產市場貨幣政策傳導機制的有效性分析：2000-2007[J].財貿經濟,2009(3):129-135.

[7]段忠東.住房價格在貨幣政策傳導中的作用效果——基于SVAR模型的反事實模擬研究[J].當代經濟研究,2015，37(5):11-21，124.

[8]HARRIS J C. The effect of real rates of interest on housing prices [J]. Journal of Real Estate Finance and Economics,1989(2):47-60.

[9]LEVIN E J, PRYCE G B J. What determines the price elasticity of house supply? Real interest rate effects and cyclical asymmetries[J]. Housing Studies,2009,24(6):713-736.

[10]韓國高.貨幣政策對房地產市場的區域效應研究[J].建筑經濟,2014,35(11):89-91.

[11]梁云芳,高鐵梅.中國房地產價格波動區域差異的實證分析[J].經濟研究,2007(8):133-142.

[12]李世美.房地產價格的貨幣政策傳導效應研究[M].北京:中國經濟出版社,2012:35-48.

[13]魏瑋,王洪衛.房地產價格對貨幣政策動態響應的區域異質性——基于省際面板數據的實證分析[J].財經研究,2010(6):123-132.

[14]張小宇,劉金全.貨幣政策、產出沖擊對房地產市場影響機制——基于經濟發展新常態時期的分析[J].中國工業經濟,2015(12):20-35.

[15]MISHKIN F S. Housing and monetary transmission mechanism[J]. NBER Working Paper,2007(10):1-54.

[16]米什金.貨幣金融學[M].北京:清華大學出版社,2009:21-49.

[17]祁玉清.我國貨幣政策對固定資產投資的影響分析[J].中國投資,2010(2):98-100.

[18]張洪,金杰,全詩凡.房地產投資、經濟增長與空間效應——基于70個大中城市的空間面板數據實證研究[J].南開經濟研究,2014(1):42-58.

[19]BERNANKE B S, GERTLER M. Inside the box: the credit channel of monetary policy transmission[J]. The Journal of Economic Perspective,1995,9(4):27-48.

[20]張勇.貨幣政策、房價和通貨膨脹的實證分析[J].經濟研究,2011(6):18,20.

[21]周暉,王擎.貨幣政策與資產價格波動:理論模型與中國的經驗分析[J].經濟研究，2009(10):61-74.

[22]胡浩志.房地產市場在貨幣政策傳導機制中的作用——基于SVAR模型的經驗研究[J].宏觀經濟研究,2010(12):69-74.

[23]張紅,李洋.房地產市場對貨幣政策傳導效應的區域差異研究——基于GVAR模型的實證分析[J].金融研究,2013(2):114-128.

[24]HIEBERT P, VANSTEENKIST I. International trade, technological shocks and spillovers in the labor market: a GVAR analysis of the US manufacturing sector[J]. Working Paper Series of European Central Bank,2007(7):4-33.

[25]魏瑋.貨幣政策對房價波動的區域異質性研究[M].上海:復旦大學出版社,2011:4-13.

[26]原鵬飛,魏巍賢.房地產價格波動經濟影響的一般均衡研究[J].管理科學學報,2012(3):30-43.

(責任編輯： 林小芳)

Dynamicrelationshipamongmonetarypolicy,realestatepriceandeconomicfluctuation

YE A-zhong, JIANG Ling-xiang

(SchoolofEconomics&Management,FuzhouUniversity,Fuzhou350108,China)

Based on the monthly data of China, and constructed the semi-parametric GVAR model to study the dynamic relationship among monetary policy, real estate prices and economic fluctuations. The study find that money supply and credit scale have positive impact on regional real estate prices and economic fluctuations, and the largest impact is in high prices region. The real estate prices have positive effect on the regional consumption and investment, and the largest impact is in lower prices region. Interest rates has a significant non-linear relationship with the impact of real estate prices in various regions. As a whole, when the interbank offered rate is at lower stage, the interest rate cannot be achieved the goal of lowering house prices. When the interbank offered rate is at higher stage, to raise interest rates, can significantly inhibit the rise in real estate prices.

monetary policy； economic fluctuation； real estate price； semi-parametric GVAR

F299.23;F124.8

A

1671-6922(2017)05-0021-08

10.13322/j.cnki.fjsk.2017.05.004

2017-05-13

國家自然科學基金項目(71571046)；國家自然科學基金項目(71171057)。

葉阿忠(1963-)，男，教授，博士生導師。研究方向：計量經濟學理論研究與運用。