中國房價波動的聯(lián)動效應(yīng)及其宏觀影響因素

陳 鵬， 王 聰

中國房價波動的聯(lián)動效應(yīng)及其宏觀影響因素

陳 鵬， 王 聰

通過構(gòu)建貝葉斯?jié)撛趧討B(tài)多因子模型來估算影響中國房價波動的動態(tài)多因子，考察中國大中城市房價波動的全國和區(qū)域聯(lián)動效應(yīng)，發(fā)現(xiàn)全國共同因子較好地刻畫了2000—2014年間中國房價波動的動態(tài)特征。方差分解結(jié)果表明，中國房價波動很大程度取決于全國共同因子，這表明中國大中城市房價波動存在較強的聯(lián)動效應(yīng)；房價波動也存在一定程度的區(qū)域聯(lián)動，而且區(qū)域因子對一線城市的影響要明顯大于二線城市；特定的城市異質(zhì)性因子對該城市房價波動的影響存在明顯差異；不同因子對東部與中、西部城市，一線與二線城市的房價波動影響也存在著一定的差異；中國房價波動的聯(lián)動效應(yīng)與其宏觀影響因素存在著密切關(guān)系。

房價 動態(tài)多因子 聯(lián)動效應(yīng) 區(qū)域差異

一、引 言

自從1998年實行住房改革以來，中國房地產(chǎn)市場得到快速發(fā)展，各個地區(qū)房價均呈現(xiàn)出不同程度的較大幅度上漲。尤其是2003年以后，中國大部分城市房價出現(xiàn)了大幅度的上升，比如在2005年全國房價平均上漲了16.7%，其中有19個大中城市的房價漲幅超過了全國平均水平。最近十幾年來各地區(qū)房價都同時表現(xiàn)出上升趨勢，但由于各地區(qū)的地理位置、經(jīng)濟發(fā)展水平、人口數(shù)量、土地稀缺程度和金融市場的完善程度不同，使得各地區(qū)房價波動狀況存在較大的差異。即使在經(jīng)濟發(fā)展程度相似、地理位置相鄰的地區(qū)，其房價的波動有時也千差萬別。從全國范圍來看，東部沿海城市總體房價水平高，房價波動幅度大，其中東部一線城市的房價波動尤為突出，比如上海、深圳等城市的房價在2009年后年均上漲超過20%；而內(nèi)陸城市總體房價水平相對較低，比如長沙、重慶、成都、西安等中西部二線城市的房價相對平穩(wěn)。事實數(shù)據(jù)表明，中國大中城市房價波動也因其城市所在的地理位置和城市等級的不同而存在差異?？傮w而言，東部沿海城市比中、西部城市的房價波動的幅度更大，而且，即便同是東部沿海城市，一線城市與二線城市房價波動也存在不少差異。那么，中國各城市房價波動在全國范圍內(nèi)存在多大程度的空間互動與關(guān)聯(lián)？此外，房價波動在區(qū)域間、不同等級城市間是否存在一定的關(guān)聯(lián)與傳染效應(yīng)，同時又存在多大的差異？

本文擬通過構(gòu)建貝葉斯?jié)撛趧討B(tài)多因子模型對中國35個城市房價波動進行多維度的空間分析，以同時識別影響全國各城市房價波動的全國因子、影響同一區(qū)域內(nèi)不同城市房價波動的區(qū)域因子及不同城市各自獨特的城市異質(zhì)性因子。該模型從一個全新的角度切入，可以概括地用少數(shù)潛在因子反映較多的實際影響因素，將房價波動的變動趨勢在全國與各地區(qū)間的公共部分同時進行量化，從而可以對“各地區(qū)房價的變化趨勢是否表現(xiàn)出不同空間的聯(lián)動性與傳染性及其聯(lián)動程度”做出解答，并系統(tǒng)地探討中國房價波動的區(qū)域聯(lián)動性與差異性。此外，本文還將進一步探討中國房價聯(lián)動效應(yīng)與宏觀影響因素的關(guān)系。

二、文獻綜述

近年來越來越多的國外學者從不同的角度、運用不同的計量模型和估計方法來探討房價波動特征及其聯(lián)動效應(yīng)。例如，MacDonald & Taylor(1993)運用Granger因果檢驗和協(xié)整理論，發(fā)現(xiàn)了英國房價波動從大倫敦區(qū)通過中部地區(qū)向北部傳遞的特征。*R. MacDonald,M.Taylor. Regional House Prices in Britain: Long-run Relationship and Short- run Dynamics. Seottish Journal of Political Economy, 1993, 40(1): 43—55.Englund & Ioannides (1997)對15個OECD國家的房地產(chǎn)市場進行了研究，發(fā)現(xiàn)這些國家間房價波動具有一定的相似性。*P. Englund, Y. M. Ioannides. House Price Dynamics: An International Empirical Perspective. Journal of Housing Economics, 1997, 6(2):119—136.Meen (1999)利用空間異質(zhì)系數(shù)房價模型，證明空間異質(zhì)系數(shù)不同造成了房價擴散效應(yīng)。*G. Meen. Regional House Prices and the Ripple Effect: A new Interpretation. Housing Studies, 1999, 14(6):733—753.Negro & Otrok (2005)運用VAR模型對美國48個州房價進行了研究，發(fā)現(xiàn)區(qū)域性因素是影響歷史房價走勢的主導因素，而擴張性貨幣政策沖擊對房價的影響甚微。*M. D. Negro, C. Otrok. Monetary Policy and the House Price Boom across U.S. States. Journal of Monetary Economics, 2005, 54(7):1962—1985.Vansteenkiste(2007)通過全局自回歸模型分析得出了和Negro & Otrok (2007)相似的結(jié)論，并進一步指出相鄰地區(qū)間還存在房價溢出效應(yīng)。*I. Vansteenkiste. Regional Housing Market Spillovers in the US: Lessons from Regional Divergences in a Common Monetary Policy Setting. Working Paper,2007.Holmes & Grimes (2008)分析了英國不同地區(qū)的房價，發(fā)現(xiàn)大多數(shù)地區(qū)房價波動具有一定的趨同性，但各地區(qū)偏離長期均衡后的調(diào)整速度存在較大差異。*M. J. Holmes,A. Grimes. Is There Long-run Convergence among Regional House Prices in the UK?. Urban Studies, 2008, 45(8): 1531—1544.Holly等 (2010)利用CCE估計法探討了美國49個州的房價，發(fā)現(xiàn)其房價波動不但強相關(guān)，而且還表現(xiàn)出各州間的橫截面弱相關(guān)等空間效應(yīng)。*S. Holly,M. H. Pesaran, T.Yamagata. A Spatio-temporal Model of House Prices in the USA. Journal of Econometrics, 2010, 158(1): 160—173.Vansteenkiste & Hiebert (2011)對歐元區(qū)七個主要國家間的房價波動進行了研究，發(fā)現(xiàn)各國間的房價聯(lián)動效應(yīng)與其歐元貨幣聯(lián)盟的總趨勢密切相關(guān)，但歐元區(qū)各國房價的溢出效應(yīng)并不明顯。*I.Vansteenkiste, P. Hiebert. Do House Price Developments Spillover across Euro Area Countries? Evidence from a Global VAR. Journal of Housing Economics, 2011, 20(4): 299—314.

針對房價波動聯(lián)動效應(yīng)問題，國內(nèi)也有不少學者進行了探討。比如，洪濤等(2007)利用中國35個大中城市房價的面板數(shù)據(jù)測算了不同城市的房價泡沫，發(fā)現(xiàn)城市間的房價變化不僅具有聯(lián)動性，而且房價泡沫也存在空間擴散效應(yīng)。*洪濤、西寶、高波：《房價區(qū)域間聯(lián)動與泡沫的空間擴散:基于2000—2005年35個大中城市面板數(shù)據(jù)的實證檢驗》，載《統(tǒng)計研究》2007年第8期。位志宇和楊忠直(2007)研究了長三角地區(qū)的上海、杭州和南京的房價，發(fā)現(xiàn)這三個城市間的房價波動具有生態(tài)共生性。*位志宇、楊忠直:《長三角房價變化的生態(tài)共生性研究:基于上海、杭州和南京的實證》，載《當代經(jīng)濟管理》2007年第2期。王松濤等(2008)研究了中國五個主要區(qū)域市場的房價波動，發(fā)現(xiàn)各城市房價長期波動存在協(xié)同效應(yīng)以及“核心城市”房價的領(lǐng)先效應(yīng)。*王松濤、楊贊、劉洪玉：《我國區(qū)域市場城市房價互動關(guān)系的實證研究》，載《財經(jīng)問題研究》2008年第6期。陳浪南和王鶴(2012)運用廣義空間動態(tài)面板數(shù)據(jù)模型分析了中國省區(qū)房價波動，發(fā)現(xiàn)中國各地區(qū)房價波動存在顯著的相關(guān)性，而且這個聯(lián)動程度與空間距離及經(jīng)濟特征有一定的相關(guān)。*陳浪南、王鶴：《我國房地產(chǎn)價格區(qū)域互動的實證研究》，載《統(tǒng)計研究》2012年第7期。王鶴等(2014)針對省際面板房價構(gòu)建了區(qū)域房價聯(lián)動的共同因子模型，發(fā)現(xiàn)區(qū)域房價聯(lián)動主要是受到經(jīng)濟因素和調(diào)控政策的影響。*王鶴、潘愛民、陳湘州：《經(jīng)濟環(huán)境、調(diào)控政策與區(qū)域房價——基于面板數(shù)據(jù)同期強相關(guān)視角》，載《南方經(jīng)濟》2014年第6期。張銜和林仁達 (2015)綜合運用VEC模型和空間相關(guān)法對中國七個地區(qū)的房價進行了分析，發(fā)現(xiàn)這些地區(qū)房價波動存在明顯的波紋效應(yīng)。*張銜、林仁達：《我國城市房價短期波紋效應(yīng)的實證》，載《財經(jīng)科學》2015年第9期。丁如曦和倪鵬飛(2015)采用空間數(shù)據(jù)統(tǒng)計分析方法考察了中國城市住房價格的區(qū)域空間關(guān)聯(lián)，發(fā)現(xiàn)中國城市房價不但存在全域范圍的正的空間自相關(guān)性，而且在局域范圍內(nèi)也存在明顯的空間聚集特征。*丁如曦、倪鵬飛：《中國城市住房價格波動的區(qū)域空間關(guān)聯(lián)與溢出效應(yīng)——基于2005—2012年全國285個城市空間面板數(shù)據(jù)的研究》，載《財貿(mào)經(jīng)濟》2015年第6期。

綜上，目前對于中國房價波動聯(lián)動效應(yīng)或溢出效應(yīng)的實證研究不但在計量分析方法選擇上雷同，而且已有的研究大都只探討了中國省際、不同城市間、某特定區(qū)域內(nèi)的城市間或不同地理區(qū)域的房價波動聯(lián)動效應(yīng)。顯然，中國各地區(qū)的房地產(chǎn)市場發(fā)展水平不但在東、中、西部存在一定的差距，而且其房價波動與市場需求在不同等級城市間也存在明顯的差異。因此，中國城市房價波動在地區(qū)之間的互動與傳導有著不同的區(qū)域特性，這對研究中國不同地區(qū)的房價波動提出了更高的要求。然而，目前尚未有文獻通過區(qū)分城市的不同等級(比如一線、二線城市等)和不同地理區(qū)域(東、中和西部)來研究城市間房價波動的空間聯(lián)動效應(yīng)；更沒有文獻同時進行全國范圍內(nèi)、不同區(qū)域間以及同一區(qū)域內(nèi)城市的房價波動的趨同性與差異性等空間效應(yīng)的研究。

本文的創(chuàng)新之處在于：首先，本文通過構(gòu)建中國房價波動的貝葉斯?jié)撛趧討B(tài)多因子模型，對房價波動進行多維度、多層次的空間分析，將聯(lián)動效應(yīng)分成全國性聯(lián)動效應(yīng)(全國共同因子)和區(qū)域聯(lián)動效應(yīng)(多個區(qū)域因子)。該模型有助于識別并區(qū)分出各維度的聯(lián)動效應(yīng)(多層次因子)。這也避免了傳統(tǒng)上直接采用VAR/SVAR方法、Granger因果檢驗或誤差修正模型等方法從而混淆了共同與異質(zhì)因子的各自獨立影響，進而一定程度上對實證研究結(jié)果產(chǎn)生的偏誤。其次，本文在研究中國房地產(chǎn)市場的區(qū)域劃分時，并非采用傳統(tǒng)的簡單地根據(jù)地理位置來劃分區(qū)域，而是充分考慮到房價在不同等級城市(比如一線、二線等)間以及不同地理位置間的差異，因而本文根據(jù)地理位置和城市等級相結(jié)合來劃分區(qū)域，并結(jié)合構(gòu)建的動態(tài)多因子模型，進一步比較分析區(qū)域間、一線與二線城市間的房價波動聯(lián)動效應(yīng)，從而為因地制宜地制定房價調(diào)控政策提供新思維。最后，基于宏觀經(jīng)濟視角進一步揭示房價波動的聯(lián)動效應(yīng)與其宏觀影響因素的關(guān)系，豐富了房地產(chǎn)市場的研究。

三、模型與數(shù)據(jù)

(一)貝葉斯?jié)撛趧討B(tài)多因子模型

貝葉斯?jié)撛趧討B(tài)多因子模型(Bayesian Dynamic Latent Factor Model)可以用來識別不同層次的動態(tài)多因子，為分析大截面數(shù)據(jù)之間多維度、多層次聯(lián)動現(xiàn)象提供了一個分析框架，因而被廣泛應(yīng)用于各類經(jīng)濟聯(lián)動現(xiàn)象分析中。鑒于該模型的優(yōu)勢，本文構(gòu)建中國房價波動的貝葉斯?jié)撛趧討B(tài)多因子模型，用于對中國主要大中城市房價波動進行多維度、多層次的聯(lián)動效應(yīng)分析。

本文以中國東部、中部和西部的35個大中城市的房價為樣本對象，充分考慮不同的地理位置與城市等級之間的同質(zhì)和異質(zhì)因素對房價波動的影響及其所呈現(xiàn)的特征，根據(jù)各個城市所在地區(qū)(東、中和西部)以及城市等級(一線與二線城市)的不同，劃分東部一線、東部二線、中部二線和西部二線四個區(qū)域。區(qū)域劃分及其城市名稱如表1所示。

表1 中國大中城市的區(qū)域分類

(1)

εi,t=ψi,1εi,t-1+ψi,2εi,t-2+…+ψi,qεi,q+ui,t

(2)

其中，ui,t滿足以下假設(shè)條件：

(3)

(4)

var(εi,t)

(5)

(6)

(二)數(shù)據(jù)

本文使用2000—2014年中國35個大中城市房價的季度數(shù)據(jù)，來源于《中國房地產(chǎn)統(tǒng)計年鑒》和Wind數(shù)據(jù)庫。在具體應(yīng)用中，我們先對房價指數(shù)取自然對數(shù)并進行一階差分(同比增長率)；然后再對各序列做了去均值化處理。這樣，一是為了確保時間序列的平穩(wěn)性;二是模型采用增長率這一指標，可以有效避免因各城市房地產(chǎn)規(guī)模差別而造成的對估算結(jié)果的影響。圖1(a)至(d)分別報告了中國東部一線(4個城市)、東部二線(12個城市)、中部二線(8個城市)和西部二線(11個城市)等四大區(qū)域內(nèi)所有城市房價增長率的波動時序圖；圖1(e)為中國35個大中城市房價增長率的波動時序圖。

從圖1可以看出，中國大部分城市房價波動存在明顯的共同變化趨勢，即存在一定程度的聯(lián)動效應(yīng)，但也存在一些城市比如上海、?？诘?，其房價波動幅度較大，與中國房價共同的波動趨勢存在較大的偏離。通過比較中國四大區(qū)域35個城市房價波動的描述性統(tǒng)計結(jié)果*限于篇幅，我們沒有詳細地報告中國35個大中城市房價的描述性統(tǒng)計結(jié)果。，我們發(fā)現(xiàn)，總體來說，東部沿海地區(qū)的房價波動要遠高于中、西部地區(qū)，而且即便同是東部沿海城市，其一線與二線城市間的房價波動也存在明顯差異，一線城市的房價波動總體要大于二線城市的房價波動。因此，我們有必要進一步探討各地區(qū)的城市房價波動背后隱含的規(guī)律。

四、實證結(jié)果

(一)全國動態(tài)因子

根據(jù)潛在動態(tài)多因子模型的貝葉斯估算結(jié)果，圖2中實線部分刻畫了全國共同因子的中位數(shù)，虛線部分分別是5%和95%分位數(shù)。從圖2可以看出，各分位數(shù)曲線比較接近，表明了我們對全國共同因子的估算是較為精確的。同時，我們也發(fā)現(xiàn)，基于全國35個大中城市房價的全國共同因子的變化較好地反映出2000—2014年間中國房價波動的基本趨勢：在2000—2007年間中國房地產(chǎn)市場處于繁榮階段，且在2008年初達到相對較高水平；在2008—2009年間，由于受到全球經(jīng)濟危機的影響，中國房地產(chǎn)市場也受到極大的影響，一度處于低潮期；自2009年尤其是2010年第二季度以來，在各種宏觀政策的刺激下，特別是一系列房市政策措施，有力地推動了中國房地產(chǎn)市場在2009—2010年間進入高速發(fā)展階段，出現(xiàn)倒V字形的波動現(xiàn)象；從2011年第二季度至2013年初，由于受到央行的頻繁貨幣政策變化和房市各類限制性政策影響，中國房地產(chǎn)行業(yè)運行整體放緩；而在2013年中期開始，在一系列“促供應(yīng)”“市場化”等房市政策的影響下，中國房地產(chǎn)市場又進入回暖階段。

此外，我們還測算了全國共同因子(中位數(shù))與中國房價增長率的相關(guān)系數(shù)，二者之間的相關(guān)系數(shù)為0.92，這也從某種程度上表明基于貝葉斯動態(tài)多因子模型估計得到的全國共同因子能很好地反映出中國房地產(chǎn)市場的變化。

(二)方差分解分析

為了分析全國性和區(qū)域性聯(lián)動效應(yīng)的強度以及各層次因子對各城市房價波動的影響，本文以表2報告各動態(tài)因子基于中位數(shù)的方差分解結(jié)果。

圖1 中國大中城市房價時序圖

圖2 全國共同因子(2000—2014年)

城市全國因子區(qū)域因子城市異質(zhì)性因子北京76．937．1515．91廣州61．5836．342．08上海29．230．8369．95深圳61．733．8234．44東部一線(平均)57．3712．0430．60大連48．730．2151．05福州94．460．035．51海口33．820．0266．16杭州68．870．3730．76濟南98．600．331．06南京56．745．4437．82寧波32．920．5066．58青島60．498．3031．21沈陽45．162．4652．38石家莊81．610．1818．20天津56．101．8342．08廈門56．070．5443．39東部二線(平均)61．131．6937．18長沙89．214．576．22長春49．442．2848．28哈爾濱88．292．679．04合肥62．165．7332．11南昌63．401．4035．2太原72．0012．4215．58武漢83．810．6615．53鄭州55．870．4943．63中部二線(平均)70．523．7825．7重慶70．6611．8917．45成都66．386．1927．43貴陽67．222．2530．53呼和浩特24．484．2771．26昆明63．041．5635．4蘭州47．3010．5742．13南寧65．351．0433．61烏魯木齊46．121．0152．87西安97．250．592．16西寧61．951．5336．52銀川51．161．5547．29西部二線(平均)62．563．8633．58全國(平均)62．524．0333．45

注：全國因子、區(qū)域因子和城市異質(zhì)性因子分別表示這三個因子對特定城市房價波動影響的貢獻度；限于篇幅，這里只報告了三大因子中位數(shù)的貢獻結(jié)果。

首先，由表2可以看出，中國各城市房價波動很大程度上歸因于全國因子：平均而言，全國因子解釋了62.52%的房價波動。這意味著中國各大中城市房價波動總體上存在較強的空間聯(lián)動效應(yīng)。但是全國因子對不同地區(qū)間的城市、同一地區(qū)不同城市的房價波動的影響也存在明顯的差異。其中，全國因子對中部二線城市房價波動的影響最大，其相對貢獻率的平均值約是70.52%，表明該地區(qū)各城市房價的全國聯(lián)動效應(yīng)相對較強；最低是東部一線，其相對貢獻率的平均值約是57.37%，說明該地區(qū)各城市房價的全國聯(lián)動效應(yīng)相對較弱。此外，全國因子對各城市房價波動的影響也存在明顯差異。從圖3可以看出，全國因子對城市房價波動的貢獻超過80%有七個，包括武漢、哈爾濱、石家莊、長沙、福州、西安和濟南；而貢獻低于40%有四個，包括呼和浩特、上海、寧波和海口。

圖3 全國因子對城市房價波動的方差貢獻

其次，在剔除了全國共同因子的影響外，基于各區(qū)域內(nèi)不同城市房價聯(lián)動性的區(qū)域因子，對城市房價波動的相對貢獻率平均值約是4.03%，這表明房價波動的區(qū)域性聯(lián)動效應(yīng)比較弱。區(qū)域因子對中國各城市房價波動的相對貢獻率大多集中在10%以內(nèi)，除了廣州，太原、重慶和蘭州等城市以外?？傮w而言，區(qū)域因子對中國各區(qū)域內(nèi)城市房價波動影響較小，而且也存在較大差異。此外，就四個不同區(qū)域因子來看，區(qū)域因子對不同區(qū)域房價波動的影響也不一樣。正如表2所示，平均而言，區(qū)域因子對東部一線、東部二線、中部二線和西部二線的房價波動影響的貢獻度分別是12.04%、1.69%、3.78%和3.86%。這也表明區(qū)域因子對一線城市的影響要明顯大于二線城市。顯然，在剔除了全國性房價波動的聯(lián)動效應(yīng)，一線城市間房價波動的關(guān)聯(lián)與傳染效應(yīng)總體上比二線城市要強。這一估算結(jié)果與我們實際觀察到的房價波動現(xiàn)象也是相吻合的。

圖4 城市異質(zhì)性因子對城市房價波動的方差貢獻

最后，城市異質(zhì)性因子對該城市房價波動具有重要影響。平均而言，城市異質(zhì)性因子對中國各城市房價波動的相對貢獻是33.45%。由圖4可以看出，城市異質(zhì)性因子對該城市房價波動的貢獻度主要集中在0—20%之間和30%—50%之間，這說明城市異質(zhì)性因子對該城市房價波動的作用存在明顯差異。這一實證結(jié)果具有明顯的政策含義。從這角度而言，房市調(diào)控政策在城市層面的細化還應(yīng)該與相應(yīng)的城市特征及其發(fā)展水平相結(jié)合。

(三)動態(tài)因子與宏觀影響因素的關(guān)系

為了進一步探討驅(qū)動中國城市房價波動聯(lián)動效應(yīng)的宏觀影響因素，我們通過構(gòu)建向量自回歸(VAR)模型分析宏觀調(diào)控下貨幣政策工具(貨幣供給量、長期貸款利率等)和宏觀經(jīng)濟基本面(經(jīng)濟增長、通貨膨脹)等因素對中國房價聯(lián)動效應(yīng)的影響。設(shè)yt=[GDPt,CPIt,IRt,M2t,factornationt]′是一個五維的內(nèi)生變量,分別代表GDP實際增長率、通貨膨脹、實際長期貸款利率、貨幣供給增長率、全國共同因子(中位數(shù))factornationt，其中,factornationt用來刻畫中國房價波動的全國性聯(lián)動效應(yīng)。宏觀經(jīng)濟和貨幣政策指標數(shù)據(jù)來源于2000—2014年各年《中國統(tǒng)計年鑒》和Wind數(shù)據(jù)庫。

在進行多變量VAR模型估計之前，首先我們對選定變量的平穩(wěn)性進行單位根檢驗，由于各個時間序列(除了利率)均做了一階差分，因此ADF檢驗結(jié)果表明，VAR模型的變量都是平穩(wěn)的。其次，根據(jù)LR檢驗統(tǒng)計量、AIC和SC信息準則確定VAR模型的最優(yōu)滯后階數(shù)為2。最后，基于VAR模型的分析進一步進行方差分解，旨在分析VAR系統(tǒng)中內(nèi)生變量之間的動態(tài)關(guān)系，從而度量不同內(nèi)生變量變化的相對重要性。表3是全國共同因子factornationt的方差分解結(jié)果，其中的數(shù)字為百分比貢獻率。

表3 全國共同因子(中位數(shù))的方差分解(%)

Cholesky Ordering: GDP,CPI,IR,M2,Factor50.

從表3可以看出，中國房價波動的聯(lián)動現(xiàn)象(全國因子)除了來自自身沖擊的影響外，短期來看，中國房價波動的全國因子預(yù)測方差的18.05%可以由通貨膨脹來解釋，而經(jīng)濟增長、貨幣供給、利率分別可以解釋0.91%、4.38%和0.59%的全國因子的方差。長期來看，貨幣政策(包括貨幣供給和利率)可以解釋全國因子的方差份額約為28.86%，經(jīng)濟增長約為7.58%，通貨膨脹則為23.14%。因此，總體來看，短期內(nèi)，通貨膨脹是影響房價波動聯(lián)動效應(yīng)的最重要因素，而貨幣政策(包括貨幣供給和利率)聯(lián)合起來只解釋不到5%的房價波動聯(lián)動效應(yīng)；長期內(nèi)，貨幣政策中的貨幣供給和通貨膨脹對房價波動聯(lián)動效應(yīng)都產(chǎn)生了較大的影響，而經(jīng)濟增長與貨幣政策中的利率則對其影響相對較小。此外，我們還發(fā)現(xiàn)通貨膨脹無論在短期還是長期對房價波動都具有較強的作用，而且其影響程度比較穩(wěn)定。這在一定程度上反映投資房地產(chǎn)市場可能是對沖中國通貨膨脹的最主要的投資渠道之一。

五、結(jié)論與啟示

本文以2000—2014年間中國35個大中城市房價的季度數(shù)據(jù)為樣本，在充分考慮到不同的地理位置與城市等級之間的因素對房價波動的影響，將35個大中城市劃分為東部一線、東部二線、中部二線及西部二線等四個區(qū)域。本文通過構(gòu)建貝葉斯?jié)撛趧討B(tài)多因子模型對房價波動進行了多維度、多層次的空間分析，可同時分析全國、區(qū)域(多個)及城市異質(zhì)性等因子。在此基礎(chǔ)上通過方差分解深入分析了各層次因子對房價波動的影響，并進一步比較各因子對東部與中西部城市、一線與二線城市的房價波動的差異性。最后，我們探究了中國大中城市房價波動的聯(lián)動效應(yīng)與其宏觀影響因素的關(guān)系。實證研究得出以下三點結(jié)論。

首先，基于全國35個大中城市房價波動的全國共同因子的變化較好地反映出2000—2014年間中國房地產(chǎn)市場價格波動的基本特征，從而在宏觀層面上保證了本文模型估計結(jié)果的準確性。此外，基于動態(tài)多因子模型估計的全國共同因子與中國房價增長率之間的相關(guān)系數(shù)為0.92，這也進一步表明全國共同因子能較好地反映中國房地產(chǎn)市場的變化。

其次，方差分解結(jié)果表明全國共同因子是中國大中城市房價波動最重要的驅(qū)動因子，平均而言可以解釋62%以上的房價波動，這也表明了中國房價波動存在很強的聯(lián)動效應(yīng)。同時，區(qū)域因子對各區(qū)域內(nèi)城市房價波動的相對貢獻率較小，大部分城市房價波動的區(qū)域聯(lián)動效應(yīng)較弱，而且在各區(qū)域間也存在較大差異。實證結(jié)果表明一線城市間房價波動的關(guān)聯(lián)性與傳染性比二線城市要強。此外，城市異質(zhì)性因子對該城市房價的影響存在明顯差異?？傮w而言，不同層次的因子對東部與中、西部城市，一線與二線城市房價波動的影響存在著一定程度的差異。

最后，中國房價波動的聯(lián)動效應(yīng)與其宏觀經(jīng)濟驅(qū)動因素存在著密切關(guān)系。VAR模型及其方差分解分析表明：短期來看，通貨膨脹對房價波動貢獻最大，而貨幣政策(包括貨幣供給和長期貸款利率)聯(lián)合起來對房價波動聯(lián)動效應(yīng)的作用相對較?。婚L期來看，貨幣政策和通貨膨脹都對房價波動聯(lián)動效應(yīng)具有較大的影響。此外，實證結(jié)果還揭示出通貨膨脹在長短期都對房價波動聯(lián)動效應(yīng)具有較強的影響，而且其影響程度也保持穩(wěn)定。

以上結(jié)論對于我們更全面地認識中國房地產(chǎn)市場波動特征及宏觀調(diào)控政策的制定與實施具有非常重要的意義。要想更深入、系統(tǒng)地認識中國房價波動特征，單純依賴全國或地區(qū)視角來研究顯然是不夠的，還需要從多維度、多層次的視角進行探討。本文通過動態(tài)多因子模型對房價波動進行了多維度多層次的分析，進一步揭示了中國各城市房價波動的一些重要特征。因此，在制定宏觀政策和房地產(chǎn)調(diào)控措施時，我們應(yīng)該考慮到各區(qū)域不同城市間房價波動存在相互影響及其聯(lián)動效應(yīng)，防止中國各地區(qū)城市間的房價波動出現(xiàn)暴漲暴跌，減少其空間的溢出效應(yīng)。同時，在中國經(jīng)濟進入新常態(tài)的轉(zhuǎn)型階段及“去產(chǎn)能、去庫存、去杠桿”的結(jié)構(gòu)性改革背景下，無論是中央政府還是地方政府，制定與實施宏觀調(diào)控政策時應(yīng)當更加細化，需要充分地考慮到不同地區(qū)、不同城市的房價波動特征和城市異質(zhì)性問題，從而真正地遏制房地產(chǎn)投資“過熱”現(xiàn)象。此外，實證結(jié)果還發(fā)現(xiàn)貨幣供給量在長期內(nèi)對中國房價的共同波動產(chǎn)生較大的影響，因而制定更為穩(wěn)健的貨幣政策，特別是在貨幣供給方面加強對房地產(chǎn)行業(yè)信貸政策的控制與監(jiān)管，將有利于中國有效地抑制房地產(chǎn)資產(chǎn)泡沫化。當然，關(guān)于本文所揭示的中國各城市房價波動的異質(zhì)性特征，限于數(shù)據(jù)的可得性，本文未對這方面城市間的差異及其內(nèi)在影響因素展開分析，有待于進一步深入研究。

【責任編輯：于尚艷】

[編者按] 以特定問題為主題和焦點，敞開哲學沉思的學術(shù)追問，打破學術(shù)研究的學科界限，在新的語境中解讀經(jīng)典文本和傳統(tǒng)思想，以獨特研究視角，還原先哲思想，從而得出全新內(nèi)容和結(jié)論，是我們開展理論研究與解決實踐問題所迫切需要的。本欄目中兩篇論作分別基于阿爾都塞解讀的哲學語境和約翰·霍洛威的文法學分析語境，對《資本論》的研究對象和起點問題進行了重新思考，為探索馬克思哲學開辟了新的視域。

廣東省打造“理論粵軍”重大資助項目“中國家庭金融問題研究——基于制度因素、人力資本、財富效應(yīng)的考察”(LLYJ1317)；廣東省自然科學基金——博士啟動項目“我國房價波動空間效應(yīng)的建模及其驅(qū)動要素研究”(2015A030310444)；廣東省哲學社會科學規(guī)劃項目“我國房價波動的空間效應(yīng)及其驅(qū)動要素研究”(GD14XYJ03)

2016-09-28

F293.3

A

1000-5455(2017)02-0018-08

陳鵬，福建仙游人，經(jīng)濟學博士，暨南大學經(jīng)濟學院副研究員；王聰，貴州貴陽人，經(jīng)濟學博士，珠江學者，暨南大學經(jīng)濟學院教授、博士生導師。)