經濟政策不確定性與房價波動*
——來自70個大中城市的證據

張 方

一、引言

自1998年房改以來，房地產行業成為我國國民經濟的重要支柱產業。2007年美國次貸危機引起的房地產市場崩盤拉開了全球金融危機的序幕。房地產的價格波動逐漸得到各國政府重視，并被納入宏觀經濟管理。與此同時，房地產價格的迅速攀升也為我國經濟的持續穩定發展埋下了隱患。從理論上講，房價的長期趨勢主要取決于供給和需求的平衡，但短期內的波動則更多受到宏觀經濟變量外生沖擊的影響。在不同的經濟政策背景下，各種宏觀調控政策的變化往往被賦予不同的含義，其對房價的影響也會產生差異。

面對近20年來房地產價格過快上漲的情況，我國政府實施了各類宏觀調控措施對房地產市場進行干預。由于宏觀經濟政策的頒布具有一定的隨機性，產生影響的范圍和程度也并不完全可控，并且公眾對于政府實施的經濟政策無法形成準確有效的預期，頻繁的宏觀調控必然給市場帶來波動。Baker等(2016)對經濟政策不確定性(economic policy uncertainty，EPU)給出如下定義：由于政府制定實施經濟政策的隨機性，從而無法對未來政策進行準確預期所造成的經濟風險。政策的不確定性會使得房地產市場供需雙方面對各類外部沖擊時的行為發生改變，從而導致市場短暫失靈，引起市場不必要的非理性波動。隨著理論研究和政策實踐的不斷深入，研究者們逐漸意識到政策不確定性與個體預期有著密切的聯系，從而導致其對房地產市場的調控產生深遠影響(張浩等，2015；劉金全和畢振豫，2018)。

回顧已有文獻不難發現，雖然有不少針對經濟政策不確定性和房地產價格的研究，但大多基于歐美發達國家。中國作為最大的新興市場，也是世界第二大經濟體，深入研究經濟政策不確定性與房價的互動關系對作為支柱產業的房地產市場的持續健康發展具有重要意義。相比已有文獻，本文的主要貢獻包括以下四個方面。首先，與已有文獻采用的BBD EPU指數不同，本文將首次采用Huang 和 Luk(2020)的EPU指數研究其對房價波動的影響。其次，現有關于我國EPU和房價關系的研究大多采用的是向量自回歸(VAR)模型，包括門限向量自回歸(TVAR)模型、平滑轉換向量自回歸(LSTVAR)模型、門限參數時變向量自回歸(LT-TVP-VAR)模型等，此類VAR模型主要用于分析時間序列的回歸。由于本文是基于70個大中城市的實證研究，故從面板數據的角度出發，使用面板協整檢驗、面板格蘭杰因果檢驗和面板向量自回歸模型探究EPU對房價波動的影響。再次，現有研究僅限于對全國房價進行整體分析，而實際上我國地區經濟發展水平差異很大，各地的房地產市場也呈現出不同的特征。近年來，房地產調控政策堅持“因地制宜、因城施策”的原則，房地產市場的分化調整成為今后一個時期的主基調。鑒于此，本文以城市群為基礎，對70個大中城市進行地區分類，探究EPU如何影響不同城市群的房價波動。最后，分別使用新建商品住宅價格指數和二手房銷售價格指數這兩個房價指數，對比EPU對新建住宅和二手房市場的不同影響。

二、文獻綜述

自2008年全球金融危機以來，經濟政策不確定性對宏觀經濟的沖擊引起了越來越多學者的關注。許多研究表明，EPU對各類經濟變量都存在顯著影響。例如，國際貨幣基金組織(IMF)的報告(2012，2013)指出，美國和歐洲的財政、貨幣、稅收等經濟政策的不確定性和波動是引起2008年全球金融危機的重要原因之一。

由于房屋是同時具有消費屬性的消費品和投資屬性的資產(Zhang & Zhang，2019)，房價的變動必然會受到各類宏觀沖擊的影響(譚政勛和王聰，2015)。例如，從投資者角度而言，經濟政策的高度不確定性會降低投資者對市場的預期和信心，從而抑制消費和投資行為(Ang，2008；Wang et al.，2014)。從這個思路出發，Bloom(2009)認為，在房地產市場中，EPU會導致房價的變化。隨后，越來越多的文獻印證了EPU對房地產市場的顯著作用(Antonakakis et al.，2015；Antonakakis & Floros，2016；Su et al.，2016；El-Montasser et al.，2016；Christou et al.，2017；Aye，2018；Christidou & Fountas，2018；Jeon，2018)，但大多數文獻主要集中于研究發達國家的案例。例如，Su 等(2016)研究了EPU和德國房地產市場回報率的因果關系。El-Montasser 等(2016)對加拿大、法國、德國、意大利、西班牙、英國和美國7個發達國家的EPU與房價之間的關系進行研究，發現二者之間存在雙向因果關系。Antonakakis 和 Floros(2016)從英國的案例出發，發現EPU對房地產市場、股票市場和宏觀經濟都有一定的影響。Christou等(2017)采用貝葉斯方法對OECD成員國的面板數據進行分析，發現EPU對預測房地產市場的回報率有顯著作用。Christidou 和 Fountas(2018)通過GARCH模型對美國各州的研究發現，EPU可以促進房地產投資增長和抑制房價上漲。Jeon(2018)采用VECM模型分析發現，韓國、日本、中國及中國香港這四個重要的亞洲國家和地區的EPU對房價都產生了顯著的負作用。

較之發達國家，針對發展中國家的EPU與房地產市場的研究相對匱乏。Chow等(2017)從非線性的角度出發，對中國和印度兩大新興市場的EPU和房價指數進行因果測試，發現二者之間存在顯著關系，再次印證了EPU對更好地理解和預測房地產市場走勢起著重要作用。Huang等(2019)從宏觀層面研究出發，發現不僅EPU對中國房價有顯著的抑制作用，EPU的波動率也對房價有顯著的影響。基于各類VAR模型，國內學者也探究了EPU與房價之間的關系。張浩等(2015)發現，在EPU程度較高和較低兩種不同狀態下，房價波動受宏觀經濟變量的沖擊存在差異性。胡國慶(2017)的研究結果表明，在以EPU為門限條件下，匯率預期對房價波動具有明顯的非對稱性特征。劉金全和畢振豫(2018)在EPU視角下，發現了貨幣政策對房價的調控具有顯著的時變特征和非對稱性。此外，張方(2021)以長江經濟帶城市為例，通過條件收斂模型發現EPU對新房價格和二手房價格的收斂性均具有顯著的促進作用。

綜上所述，現有文獻多是針對發達國家的研究，僅有的關于我國EPU和房價波動的研究也存在著一定的局限性，如多是基于VAR模型的時間序列研究。因此，本文基于新的EPU指數和面板數據，對EPU如何影響我國房價波動進行深入分析。

三、數據和模型

(一)數據來源與描述

本文選取中國70個大中城市新建商品住宅價格指數(HPI)和二手商品住宅價格指數(HPI2)的月度數據分別作為因變量，區間為2006年1月至2018年12月，數據來自國家統計局網站。選取同時期內的EPU月度數據為自變量，數據來自Huang和Luk(2020)的研究。圖1顯示了2006年1月至2018年12月EPU的走勢。如圖1所示， 2008～2009年由美國次貸危機引發的全球金融危機和2011年8月美國歷史上第一次主權信用評級的降級，對我國的經濟政策產生了重大影響。其后，2015年8月人民幣匯率改革標志著人民幣由固定匯率制向市場匯率制過渡，由此引發了經濟政策的劇烈波動。而自2017年1月美國特朗普總統上臺后，挑起了一系列針對中國的貿易爭端，也大大增加了我國經濟政策的不確定性。同時，為了研究EPU對不同城市群房價波動的影響，依據相關批復，將70個大中城市分為14個國家級城市群(見表1)。

圖1 2006～2018年經濟政策不確定性

表1 14個國家級城市群

(二)計量模型和檢驗

1.面板協整檢驗

數據序列的平穩性只是避免偽回歸的必要條件，此外還需要用協整檢驗判斷變量之間是否存在長期的穩定關系。面板協整的檢驗方法已從最初的同質面板檢驗和異質面板檢驗發展為包含結構突變的面板檢驗。Kao(1999)和Pedroni(1999，2004)最早提出了以E-G 兩步法的回歸殘差為基礎的協整檢驗方法。隨后，Westerhund (2005)則提出了允許面板協整回歸模型的常數項和趨勢項存在多個結構突變點的LM 檢驗。三種方法均要求協整變量本身之間不存在協整關系。Kao(1999)和Pedroni(1999，2004)采用了DF檢驗、ADF檢驗和PP檢驗；Westerlund(2005)使用了VR 檢驗，以檢驗誤差項是否平穩。

2.面板格蘭杰因果檢驗

格蘭杰因果關系檢驗(Engle & Granger，1987)是檢驗平穩時間序列經濟變量之間因果關系常用的一種計量經濟學方法，其基本理論是：X是否引起Y，Y能在多大程度上被過去的X所解釋，加入X的滯后值是否顯著并提高對Y的解釋程度。在時間序列的協整分析中，如果協整關系存在，就可以建立誤差修正模型，估計變量間的格蘭杰因果關系。面板數據中的因果檢驗同樣是建立在以時間序列為基礎的格蘭杰因果關系檢驗思想基礎之上的。由于本文采用多個城市數據作為樣本，考慮到各地市之間存在的區域差異(即面板異質性)，以及地市相互影響關系(即截面相關性)，故采用Dumitrescu和Hurlin(2012)提出的一種全新的面板格蘭杰因果檢驗方法，該方法能夠在因果關系檢驗中有效處理面板數據存在的異質性和截面相關性的影響。當統計量大于標準正態分布臨界值時，則拒絕原假設，說明存在因果關系；反之則接受原假設，即不存在因果關系。

3.面板向量自回歸(PVAR)模型

PVAR模型與VAR模型類似，假設所有變量都具有內生性，因此使用PVAR模型可以忽略內生性問題，這使得PVAR模型被廣泛應用于各類宏觀經濟問題分析中(Ramey & Shapiro, 1998)。PVAR模型有三個特點：第一，所有的內生變量在每個單元都有滯后項，稱為“動態共生性”；第二，誤差項在不同單元之間相關，稱為“靜態共生性”；第三，公式中的截距、斜率和誤差項的方差在不同單元之間不同，稱為“橫截面的異質性”。從某種程度上說，PVAR模型與存在動態和靜態共生性的大規模的VAR模型相似，不同之處在于橫截面的異質性引入了誤差項的協方差矩陣(Canova & Ciccarelli，2013)。在我國，PVAR模型多用于研究經濟增長的相關實證分析(陳曉玲和張毅，2017；王允和杜萌，2015；游士兵和蔡遠飛，2017)，鮮有將其用于分析房價波動的實證研究。

四、實證分析

(一)面板協整檢驗

因果分析要求變量必須為平穩數據，因此，本文首先對各變量進行時間序列單位根檢驗和面板單位根檢驗。采用ADF 檢驗和Phillips-Perron 檢驗對70個大中城市的新建住宅價格指數(HPI)和二手住宅價格指數(HPI2)進行時間序列單位根檢驗。結果顯示，(1)限于篇幅，時間序列單位根檢驗的具體結果未匯報，如有需要可向作者索取。除武漢的HPI是在5%水平上顯著，其他所有大中城市的HPI和HPI2均在1%水平上顯著，即70個大中城市的HPI和HPI2均為時間序列平穩數據。為了確保檢驗結果的穩健性，結合相關文獻(Chow et al.，2017)，本文采用LLC 檢驗和IPS 檢驗進行面板單位根檢驗。結果顯示，所有數據均在1%水平上顯著，即都是平穩數據(見表2)。

表2 70個大中城市房價的面板單位根檢驗

在進行因果分析之前，本文用面板協整檢驗來探究房價波動與EPU之間是否存在長期均衡關系。表3顯示了Kao 檢驗、Pedroni 檢驗和Westlund 檢驗三種協整檢驗方法的結果。結果顯示，無論是新建住宅價格指數還是二手住宅價格指數，都與EPU存在顯著的協整關系，即房價波動與EPU之間存在顯著的長期均衡關系。這一結論有助于我們進一步對房價和經濟政策不確定性進行因果檢驗和PVAR模型的回歸。

表3 EPU與70個大中城市房價指數的面板協整檢驗

(二)面板格蘭杰因果檢驗

為了進一步探究EPU是否是房價波動的原因，即EPU是否引起房價指數變動，表4分別檢驗了EPU滯后1期至4期對HPI和HPI2的因果關系。從全國范圍看，EPU對HPI在滯后2期內有顯著作用，從第3期開始，EPU不再影響HPI，說明對新建住宅價格的影響隨時間的推移而消失。EPU對二手住宅價格的影響卻持續了整個滯后期。進一步對14個城市群做面板格蘭杰因果檢驗，結果表明除蘭西城市群外，EPU在各個滯后期對各大城市群新建住宅價格基本沒有顯著影響。相對新建住宅，EPU對二手房價格的影響更為顯著，主要集中在京津冀城市群(滯后1期)、遼中南城市群(滯后1期、2期、4期)、長江中游城市群(滯后2期)、中原城市群(滯后1期至4期)、海峽西岸城市群(滯后1期)、北部灣城市群(滯后2期至4期)、成渝城市群(滯后1期)和蘭西城市群(滯后1期至4期)。

表4 EPU和房價指數的面板格蘭杰因果檢驗

續表

(三)面板向量自回歸模型和脈沖響應分析

房價的波動對EPU的反應具有一定的滯后性。面板格蘭杰因果檢驗的結果顯示，隨著時間推移，EPU的影響又逐漸淡化。因此，本文采用自變量的滯后1期至4期作為解釋變量，研究EPU對房價波動的影響。表5展示了把HPI和HPI2分別作為被解釋變量的PVAR模型估計結果。由圖2可見，新建住宅的價格在EPU變動后的2期有明顯的下降趨勢，隨后又在第3期恢復上漲；EPU滯后1期對二手房價格有輕微的抑制作用，但在隨后一期中轉變為輕微的正作用。由此可見，不論是新建住宅還是二手住宅，EPU在某一時期造成房價下跌后，房價會在隨后的某一時期出現反彈。

表5 EPU和房價指數的PVAR模型參數估計結果

圖2 HPI和HPI2對EPU的脈沖響應函數

為進一步研究EPU對不同城市群房價波動的影響，本文分別對14個城市群進行PVAR模型回歸。(2)限于篇幅，14個城市群PVAR模型的具體回歸結果未匯報，如有需要可向作者索取。總體上看，除個別城市群外，EPU對絕大多數城市群房價波動的影響并不顯著。從極少數影響顯著的例子來看，EPU對新建住宅和二手房價格的影響無規律可言，不具有普遍性和代表性。出現這種結果的原因，一方面，可能由于本文采用的EPU指數均為衡量全國范圍內各類經濟政策的不確定性，并非針對某一個城市(群)的政策不確定性，因而個別城市(群)房價的波動很難對某項針對全國范圍的經濟政策變動做出反應；另一方面，可能由于某些城市群覆蓋城市過少，造成回歸樣本不夠大，從而無法得到有效的回歸結果。盡管從針對各城市群的PVAR模型回歸沒有得到代表性的結論，但這為今后的研究提供了可能的思路和方向，即在將來有條件的時候，選取具體衡量各個城市(群)的EPU指數作為解釋變量，并獲取足夠大樣本，再用PVAR模型驗證各城市群房價波動與EPU指數的相互關系。

繼PVAR模型結果分析之后，本文采用脈沖響應函數研究各內生變量沖擊(EPU)對HPI和HPI2的影響作用。解釋PVAR模型參數估計的結果通常具有很大困難，很多參數的符號和顯著性都無法通過檢驗，但PVAR模型關注的焦點不僅在于此，還在于對未來的預測分析。脈沖響應是這類預測分析的必要方法之一。圖2顯示了HPI和HPI2分別對EPU沖擊產生的反應。由于本文采用的是月度數據，過短的時間跨度可能來不及探測到房價對EPU沖擊的反應，而過長的時間跨度下房價對EPU沖擊的反應也會逐漸消失，因此本文選取12期(一年)對脈沖響應函數進行分析。如圖2所示，EPU對新建住宅價格產生持續抑制作用，而在對二手房價格產生抑制作用后不久，又推動了房價的反彈和上升。

五、結論及政策建議

作為宏觀調控的必然結果，經濟政策的不確定性對房價波動產生的影響引起了研究者的廣泛關注。本文以此為切入點，通過面板協整檢驗、面板格蘭杰因果檢驗、面板向量自回歸模型和脈沖響應函數等方法，考察經濟政策不確定性(EPU)對房價波動的溢出效應。首先，面板協整檢驗的結果顯示，新建住宅和二手房價格均與EPU存在長期均衡關系。其次，面板格蘭杰因果檢驗證實，從全國范圍看，EPU對兩類住宅價格均有顯著影響。但針對14個城市群的面板因果檢驗顯示，EPU對房價的影響主要集中于個別城市群的二手房市場。這可能是由于近些年來各地對新建住宅均實行“限價”政策，導致新建住宅價格對其他經濟政策敏感度降低。再次，PVAR模型顯示，EPU在某一時期對房價產生抑制作用，但這種抑制作用并不能持續，房價在隨后的時期即發生反彈。但是，14個城市群的PVAR模型回歸結果表明，除極個別城市群外，EPU對絕大多數城市群房價波動的影響并不顯著。這可能由于本文采用的EPU指數是衡量全國范圍內經濟政策的不確定性，而非針對某一個城市(群)的政策不確定性，因此個體城市(群)房價的波動受到針對全國范圍經濟政策的影響較小。這為今后的研究提供了可能的思路和方向，即未來可以選取衡量各個城市(群)的EPU指數作為解釋變量，并獲取足夠大樣本后，用PVAR模型驗證各城市群房價波動與EPU指數的相互關系。最后，脈沖響應分析為EPU沖擊導致房價波動提供了更具體的證據，即EPU對新建住宅價格產生持續抑制作用，而對二手房價格的影響則是使其先抑后揚。綜合PVAR模型和脈沖響應的結果來看，在經濟政策不確定性增大的時候，房地產市場的反應是消極的。以上發現也印證了Wang 等(2014)、Chow 等(2017)、Aye(2018)和Huang 等(2019)關于EPU對各國房地產市場存在顯著負效應的結論。

綜上所述，經濟政策的出臺雖然需要一定的時效性和及時性，但政策的頻繁變動所導致的不確定性往往會削弱其調控效果。因此，政府在制定經濟政策時應注意出臺政策的頻率和強度，著重考慮政策的長期穩定性和前瞻性，避免政策朝令夕改而引起市場的過度反應，從而對公眾預期和政府聲譽產生系統性影響。另外，由于經濟政策不確定性主要通過改變心理預期和信心渠道對房地產市場產生影響，因此需要政府相關部門加強對民眾關于政策調控預期的解釋和引導，防止外界對宏觀政策變動進行過度解讀，從而降低政策調整對房地產市場的沖擊。