郭東杰 王如豐

[摘?要]?在分析貨幣政策與房地產(chǎn)價(jià)格互動(dòng)關(guān)系基礎(chǔ)上，選取相應(yīng)變量建立SVAR模型進(jìn)行實(shí)證研究。結(jié)果發(fā)現(xiàn)：短期內(nèi)貨幣政策和房?jī)r(jià)存在一定的互動(dòng)關(guān)系，但它們之間作用的顯著性不同，存在非對(duì)稱性，貨幣政策沖擊對(duì)房?jī)r(jià)的作用十分有限，而房?jī)r(jià)沖擊對(duì)貨幣政策的作用較為明顯。同時(shí)，房?jī)r(jià)也影響實(shí)體經(jīng)濟(jì)的物價(jià)和產(chǎn)出水平，應(yīng)是貨幣政策制定需要考慮的因素。

[關(guān)鍵詞]?貨幣政策;住房?jī)r(jià)格;互動(dòng)機(jī)制;SVAR模型

[中圖分類號(hào)]F82[文獻(xiàn)標(biāo)志碼]A

一、引言

自1998年起，我國(guó)實(shí)施住房分配貨幣化政策，推進(jìn)房地產(chǎn)行業(yè)市場(chǎng)化，房地產(chǎn)逐漸成為國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)。統(tǒng)計(jì)數(shù)據(jù)顯示，中國(guó)房地產(chǎn)總值占國(guó)內(nèi)生產(chǎn)總值（GDP）的比重從1998年的4.0%上升到2018年上半年的6.87%。與此同時(shí)，住房?jī)r(jià)格也不斷攀升，已經(jīng)嚴(yán)重地影響到企業(yè)生產(chǎn)和居民生活。為應(yīng)對(duì)急速上漲的房?jī)r(jià)，政府頻頻進(jìn)行宏觀調(diào)控，尤以貨幣政策對(duì)房地產(chǎn)市場(chǎng)的調(diào)控最為明顯。貨幣政策作為央行實(shí)現(xiàn)既定目標(biāo)的重要工具，其實(shí)施將作用于整體經(jīng)濟(jì)，一般來說，寬松貨幣政策會(huì)拉動(dòng)房地產(chǎn)市場(chǎng)的消費(fèi)和投資，帶動(dòng)房?jī)r(jià)上漲。但是，持續(xù)寬松的貨幣政策又會(huì)引起房地產(chǎn)業(yè)投資過快，進(jìn)而影響實(shí)體經(jīng)濟(jì)的物價(jià)和產(chǎn)出水平，導(dǎo)致泡沫經(jīng)濟(jì)，而泡沫一旦破裂會(huì)引發(fā)金融危機(jī)，美國(guó)的“次貸危機(jī)”是典型實(shí)例。全球金融危機(jī)以后，中國(guó)房地產(chǎn)市場(chǎng)經(jīng)歷了三輪上漲周期：第一輪從2009年3月開始，持續(xù)到2010年5月結(jié)束;第二輪從2012年7月開始，到2014年4月見頂回落;第三輪上漲周期自2015年5月開始延續(xù)至今。面對(duì)急劇上漲的房?jī)r(jià)，中央政府提出“房住不炒”，堅(jiān)決遏制房地產(chǎn)泡沫滋生，多渠道多方式發(fā)展住房租賃市場(chǎng)。中國(guó)人民銀行也依據(jù)經(jīng)濟(jì)周期與房地產(chǎn)價(jià)格波動(dòng)，對(duì)貨幣政策進(jìn)行相機(jī)抉擇。因此，如何保持貨幣政策與房地產(chǎn)平穩(wěn)發(fā)展相適應(yīng)，從而促進(jìn)整個(gè)社會(huì)經(jīng)濟(jì)高質(zhì)量發(fā)展，已成為貨幣當(dāng)局與學(xué)者們的研究熱點(diǎn)。

二、文獻(xiàn)回顧

房地產(chǎn)市場(chǎng)宏觀調(diào)控是政府的宏觀經(jīng)濟(jì)管理職能，旨在促進(jìn)房地產(chǎn)市場(chǎng)總供求平衡，保障居民的基本住房需求。[1]60其中，貨幣政策是政府調(diào)控房地產(chǎn)行業(yè)最為重要的工具。貨幣政策的松緊關(guān)系到房?jī)r(jià)的漲跌，房?jī)r(jià)的漲跌也會(huì)波及到物價(jià)和產(chǎn)出水平，進(jìn)而反饋到貨幣政策及時(shí)再調(diào)整。因此，下文將從貨幣政策與房?jī)r(jià)的互動(dòng)關(guān)系兩方面進(jìn)行文獻(xiàn)綜述。

（一）貨幣政策對(duì)房?jī)r(jià)影響的文獻(xiàn)簡(jiǎn)述

房地產(chǎn)作為一種特殊的商品，兼具商品屬性和金融屬性，其價(jià)格很容易受到貨幣政策的影響。貨幣政策調(diào)控房?jī)r(jià)存在理論和現(xiàn)實(shí)的必要，緊縮性貨幣政策多會(huì)抑制房?jī)r(jià)上漲，同時(shí)，數(shù)量型工具調(diào)控房?jī)r(jià)效果一般優(yōu)于價(jià)格型工具。[2]41從需求角度看，房地產(chǎn)作為一種價(jià)值較高的商品，多數(shù)購(gòu)房者需要抵押貸款或者按揭貸款，如果央行提高基準(zhǔn)利率，將會(huì)嚴(yán)重影響購(gòu)房者還貸成本。央行也可能通過提高商業(yè)銀行的法定存款準(zhǔn)備金率，減少流通中的貨幣供應(yīng)量。此時(shí)，商業(yè)銀行會(huì)減少貸款優(yōu)惠政策、收縮放款或者以更高的貸款條件篩選借款人，導(dǎo)致購(gòu)房者的購(gòu)房成本提高，房地產(chǎn)需求減少。同時(shí)，潛在購(gòu)房者會(huì)基于當(dāng)前貨幣政策走勢(shì)，對(duì)房?jī)r(jià)預(yù)期會(huì)發(fā)生相應(yīng)變化。相反，當(dāng)央行增加貨幣供應(yīng)量或者下調(diào)基準(zhǔn)利率時(shí)，購(gòu)房者對(duì)未來房?jī)r(jià)就有上漲的預(yù)期，這將使購(gòu)房者尤其是剛性需求購(gòu)房者會(huì)選擇在即時(shí)購(gòu)買，從而刺激房地產(chǎn)的需求，進(jìn)一步推高房?jī)r(jià)。張煒認(rèn)為，預(yù)期、貨幣政策與非住房消費(fèi)是影響房地產(chǎn)泡沫的主要因素，其中消費(fèi)者預(yù)期對(duì)房地產(chǎn)泡沫變動(dòng)的影響最大，而且在初期效果逐漸增強(qiáng)，其后緩慢衰退，最后進(jìn)入平穩(wěn)期。[3]79事實(shí)上，此種預(yù)期也反映在不同地區(qū)房?jī)r(jià)輪動(dòng)上漲現(xiàn)象，原因在于“正螺旋反饋機(jī)制”及貨幣政策的時(shí)滯效應(yīng)。[4]88

從供給角度來看，開發(fā)房地產(chǎn)需要耗費(fèi)大量的資金與時(shí)間，投資款的回收也較慢。例如，在緊縮性貨幣政策的條件下，減少貨幣供應(yīng)量或者上調(diào)基準(zhǔn)利率，都會(huì)引起借貸成本的急劇上升。短期來說，部分開發(fā)商會(huì)提高房?jī)r(jià)，使購(gòu)房者成為增加成本的承受者;同時(shí)，部分開發(fā)商會(huì)降低房地產(chǎn)售價(jià)以收回資金或退出房地產(chǎn)市場(chǎng)?？偠灾康禺a(chǎn)的供給會(huì)減少，房?jī)r(jià)隨之上漲。華昱發(fā)現(xiàn)，預(yù)期沖擊會(huì)顯著影響房?jī)r(jià)與房地產(chǎn)投資，并傳導(dǎo)到經(jīng)濟(jì)中的其他部門，對(duì)非房地產(chǎn)部門投資產(chǎn)生“擠出”效應(yīng)。面對(duì)高漲的房?jī)r(jià)，央行不得不實(shí)施穩(wěn)健的貨幣政策加大管控力度。[5]50等從實(shí)施效果來看，數(shù)量型貨幣政策在管控房?jī)r(jià)和杠桿率上更為有效。[6]53央行可以進(jìn)一步強(qiáng)化數(shù)量型貨幣政策執(zhí)行力度，同時(shí)也需要發(fā)揮價(jià)格型貨幣政策在去杠桿中的作用。

（二）房?jī)r(jià)對(duì)貨幣政策影響的文獻(xiàn)簡(jiǎn)述

房地產(chǎn)價(jià)格波動(dòng)會(huì)通過不同的途徑影響消費(fèi)和投資，從而影響經(jīng)濟(jì)產(chǎn)出和物價(jià)水平，引致貨幣政策進(jìn)行相應(yīng)的調(diào)整。從消費(fèi)角度來說，當(dāng)房?jī)r(jià)上漲時(shí)，會(huì)降低潛在購(gòu)房者的購(gòu)買意愿，從而減少房地產(chǎn)的需求。此時(shí)他們往往會(huì)選擇租房，使得租金上漲，一般物價(jià)水平上升。當(dāng)房?jī)r(jià)上漲時(shí)，房地產(chǎn)市場(chǎng)的發(fā)展前景被看好，帶動(dòng)關(guān)聯(lián)行業(yè)的發(fā)展，為居民提供更多的就業(yè)崗位，從而提高他們的收入水平，使得消費(fèi)需求增加，進(jìn)而提高產(chǎn)出水平。然而，如果房?jī)r(jià)過快上漲，房?jī)r(jià)收入比過高，按揭貸款嚴(yán)重透支居民購(gòu)買力，反而有可能抑制社會(huì)總消費(fèi)。胡靜和黎東升發(fā)現(xiàn)，M2的增加能顯著提高房?jī)r(jià)水平，但房?jī)r(jià)上漲對(duì)居民消費(fèi)的影響并不確定，且不同狀態(tài)下，貨幣、房?jī)r(jià)與消費(fèi)間的關(guān)聯(lián)性存在差異。[7]144由此可見，房?jī)r(jià)波動(dòng)對(duì)我國(guó)宏觀經(jīng)濟(jì)的影響存在非對(duì)稱性：在房?jī)r(jià)持續(xù)上升時(shí)，隨著抵押貸款約束松弛，房?jī)r(jià)進(jìn)一步上漲對(duì)消費(fèi)和產(chǎn)出的刺激作用有限;而在房?jī)r(jià)持續(xù)下跌時(shí)，銀行貸款的緊縮會(huì)在很大程度上加劇經(jīng)濟(jì)的衰退。[8]17

從投資角度來說，托賓q效應(yīng)指出，當(dāng)房?jī)r(jià)上漲時(shí)，房地產(chǎn)企業(yè)的q值上升，投資需求增加，推動(dòng)物價(jià)水平上升，甚至產(chǎn)生通貨膨脹。央行考慮對(duì)資產(chǎn)價(jià)格做出反應(yīng)的貨幣政策會(huì)顯著降低產(chǎn)出和通脹率的波動(dòng)，而不考慮對(duì)資產(chǎn)價(jià)格做出反應(yīng)的貨幣政策會(huì)導(dǎo)致更大損失。[9]170-171房?jī)r(jià)上漲會(huì)增加已擁有房地產(chǎn)企業(yè)或居民的抵押資產(chǎn)價(jià)值，讓他們更容易獲得銀行貸款。房?jī)r(jià)的上漲在提高家庭部門杠桿率的同時(shí)，也會(huì)帶動(dòng)其他行業(yè)生產(chǎn)部門的杠桿率水平。[10]145在信用風(fēng)險(xiǎn)約束逐漸減小的背景下，房地產(chǎn)價(jià)格對(duì)銀行信貸將會(huì)產(chǎn)生“加速器效應(yīng)”，進(jìn)一步加重中國(guó)銀行業(yè)的信貸“高燒”。[11]18當(dāng)房?jī)r(jià)上漲時(shí)，更多的社會(huì)資金被用于房地產(chǎn)投資，從而帶動(dòng)相關(guān)產(chǎn)業(yè)的發(fā)展，使得總投資支出相應(yīng)增加，產(chǎn)出水平上升。與此同時(shí)，房?jī)r(jià)上漲使房地產(chǎn)企業(yè)的q值變大，當(dāng)q大于1時(shí)，房地產(chǎn)開發(fā)商會(huì)開發(fā)新樓盤以增加投資支出，從而推動(dòng)產(chǎn)出水平上升。因此，政府降低社會(huì)融資成本，能夠明顯地弱化房地產(chǎn)市場(chǎng)的金融加速器效應(yīng);同時(shí)，央行采取盯住房地產(chǎn)價(jià)格波動(dòng)的貨幣政策，能夠改善社會(huì)福利，但是政策效果也會(huì)因社會(huì)融資成本的降低而削弱。[12]13在住房市場(chǎng)調(diào)控的背景下，包含房?jī)r(jià)的貨幣政策因?yàn)樽》啃刨J摩擦將使長(zhǎng)期偏離穩(wěn)態(tài)的消費(fèi)、社會(huì)總產(chǎn)出、房?jī)r(jià)向長(zhǎng)期均衡收斂。相比信貸增速和房地產(chǎn)價(jià)格，廣義信貸偏離可成為宏觀審慎政策有效調(diào)控房地產(chǎn)市場(chǎng)的信號(hào)源，盯住廣義信貸偏離的宏觀審慎政策將通過逆周期調(diào)控信貸市場(chǎng)從而抑制房?jī)r(jià)漲幅，削弱房地產(chǎn)市場(chǎng)對(duì)實(shí)體投資的擠出效應(yīng)，進(jìn)而平滑總產(chǎn)出波動(dòng)，同時(shí)使社會(huì)總債務(wù)規(guī)模與實(shí)體經(jīng)濟(jì)發(fā)展更加匹配，顯著降低宏觀杠桿率。在一個(gè)完善的金融市場(chǎng)中，信貸政策具有結(jié)構(gòu)調(diào)整功能，會(huì)推動(dòng)資本向?qū)嶓w經(jīng)濟(jì)轉(zhuǎn)移，引導(dǎo)經(jīng)濟(jì)“脫虛向?qū)崱?。[13]96

三、SVAR模型構(gòu)建與數(shù)據(jù)處理

（一）SVAR模型構(gòu)建

用非結(jié)構(gòu)性方法建模的VAR模型，可以預(yù)測(cè)相關(guān)時(shí)間序列并分析隨機(jī)擾動(dòng)項(xiàng)的動(dòng)態(tài)影響。包含m個(gè)內(nèi)生變量、不含外生變量的s階向量自回歸模型VAR（s）可表示為：

zt=A0+A1zt-1+A2zt-2+…+Aszt-s+ut，t=1，2，…，T（1）

公式（1）中，zt是m維內(nèi)生變量向量，s是滯后階數(shù)，t為樣本個(gè)數(shù)。A0是常數(shù)項(xiàng)，A1，…，As為m×m維矩陣。ut為隨機(jī)擾動(dòng)項(xiàng)，它滿足白噪聲過程，但不與所有滯后期的變量以及自身滯后值相關(guān)，定義ut的協(xié)方差矩陣為W=E（utuTt）。在平穩(wěn)性條件獲得滿足的情況下，將公式（1）表示成為滯后算子的形式，通過Wold定理可得：

zt=D（L）ut=∑∞j=0D（j）ut-j（2）

公式（2）中，D（L）為滯后算子的多項(xiàng)式。VAR模型能夠較好地研究變量之間的相互關(guān)系，但它不能將變量之間的同期關(guān)系反映出來。另外，該模型預(yù)測(cè)誤差被識(shí)別出的沖擊不是結(jié)構(gòu)性沖擊，而且其脈沖響應(yīng)曲線會(huì)隨著方程順序的變化而發(fā)生改變，使得結(jié)論的可信度下降。因此，Blanchard & Quah克服VAR模型的缺點(diǎn)，提出了結(jié)構(gòu)向量自回歸（SVAR）模型。[14]662一個(gè)含有m個(gè)變量的s階結(jié)構(gòu)向量自回歸模型SVAR（s）可以表示為：

H0zt=Г0+Г1zt-1+Г2zt-2+…+Гszt-s+δt，t=1，2，…，T（3）

公式（3）中，擾動(dòng)向量δt滿足白噪聲過程，是結(jié)構(gòu)性沖擊，且它的協(xié)方差矩陣V=E（δtδTt）=Im。在平穩(wěn)性條件得到滿足的情況下，可將公式（3）表示成滯后算子的形式：H=（L）zt=δt。假設(shè)多項(xiàng)式H（L）可逆，由Wold定理，H（L）zt=δt可以轉(zhuǎn)化為：

zt=Q（L）δt=∑∞j=0Q（j）δt-j（4）

公式（4）中，Q（L）=H（L）-1，且Q0=H-10。聯(lián)立公式（2）和公式（4），進(jìn)一步得到：

ut=Q0δt或δt=H0ut（5）

Q（j）=Q0D（j）=H-10D（j）（6）

公式（5）中，ut為簡(jiǎn)化性沖擊，它是結(jié)構(gòu)性沖擊δt的線性組合。根據(jù)公式（6）得出，只要對(duì)矩陣H0施加約束，就能得到結(jié)構(gòu)系數(shù)矩陣Q（j）和結(jié)構(gòu)信息δt，從而對(duì)SVAR模型進(jìn)行識(shí)別。利用極大似然法，公式（1）需要估計(jì)m2s+m（m+1）/2個(gè)參數(shù)，而公式（3）則需要估計(jì)m2s+m2個(gè)參數(shù)。所以，要確定H0中的元素，還需要施加m（m-1）/2個(gè)約束條件。

對(duì)SVAR模型施加的約束條件可分為短期約束和長(zhǎng)期約束。短期約束反映了經(jīng)濟(jì)變量對(duì)結(jié)構(gòu)性沖擊的同期響應(yīng)，可以通過Cholesky分解法建立。該方法對(duì)變量的排序有嚴(yán)格要求，變量次序改變會(huì)導(dǎo)致結(jié)果的不同。在長(zhǎng)期約束方面，一些變量對(duì)另一些變量的結(jié)構(gòu)性沖擊的長(zhǎng)期反應(yīng)為0，但它們間的即期作用不受限制。對(duì)SVAR模型進(jìn)行識(shí)別后，就可以通過脈沖響應(yīng)函數(shù)反映單位結(jié)構(gòu)性沖擊對(duì)各期變量的影響，再由方差分解得到系統(tǒng)中各變量對(duì)某一變量結(jié)構(gòu)性沖擊的貢獻(xiàn)度。

（二）數(shù)據(jù)來源與處理

選取我國(guó)1999年第一季度至2018年第四季度的季度數(shù)據(jù)進(jìn)行實(shí)證分析，共80個(gè)樣本數(shù)據(jù)，主要涉及以下四類變量：

物價(jià)水平變量：以1999年1月為基期，通過CPI的月度同比和月度環(huán)比數(shù)據(jù)計(jì)算月度定基比居民消費(fèi)價(jià)格指數(shù)，再由此得出季度定基比居民消費(fèi)價(jià)格指數(shù)，作為研究物價(jià)水平的變量，記為P。

實(shí)體經(jīng)濟(jì)變量：選取國(guó)內(nèi)生產(chǎn)總值（GDP）的季度數(shù)據(jù)，并將其除以定基比居民消費(fèi)價(jià)格指數(shù)，作為反映產(chǎn)出水平的變量，記為G。

房?jī)r(jià)變量：考慮到全國(guó)商品房平均銷售價(jià)格指數(shù)無法直接得到，本文通過收集全國(guó)商品房銷售額以及全國(guó)商品房銷售面積的季度數(shù)據(jù)，將兩者對(duì)應(yīng)相除，從而得到全國(guó)商品房平均銷售價(jià)格指數(shù)，再將其除以定基比居民消費(fèi)價(jià)格指數(shù)，記為HP。

貨幣政策變量：選用銀行間7天同業(yè)拆借加權(quán)平均利率作為貨幣政策的代表變量，記為BR。

數(shù)據(jù)均來源于國(guó)家統(tǒng)計(jì)局官方網(wǎng)站、中國(guó)人民銀行官方網(wǎng)站、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)以及Choice金融終端。通過Eviews9.0軟件對(duì)以上4個(gè)變量進(jìn)行X-12季節(jié)調(diào)整，剔除變量的季節(jié)要素。對(duì)除利率以外的變量取對(duì)數(shù)，得到變量的對(duì)數(shù)序列：lnP、lnG、lnHP和BR。

四、實(shí)證分析

（一）VAR模型估計(jì)與結(jié)構(gòu)性沖擊分離

1.VAR模型的估計(jì)

為保證公式（5）收斂，運(yùn)用ADF檢驗(yàn)對(duì)經(jīng)過預(yù)處理的變量進(jìn)行平穩(wěn)性檢驗(yàn)，從而消除變量的非平穩(wěn)性對(duì)研究結(jié)果的影響，檢驗(yàn)結(jié)果見表1。

由表1的ADF檢驗(yàn)結(jié)果可知，原序列BR、lnG、lnHP、lnP的ADF統(tǒng)計(jì)值的絕對(duì)值均小于它們各自在1%、5%和10%的置信水平下臨界值的絕對(duì)值，因此不能拒絕原假設(shè)，說明原序列均為非平穩(wěn)序列;而它們的一階差分序列△BR、△lnG、△lnHP、△lnP的ADF統(tǒng)計(jì)值的絕對(duì)值均大于它們各自在1%、5%和10%的置信水平下臨界值的絕對(duì)值，因此拒絕原假設(shè)，說明一階差分序列為平穩(wěn)序列，均為一階單整序列。

鑒于VAR模型的滯后階數(shù)過長(zhǎng)或過短均會(huì)使結(jié)果無效，所以需要對(duì)模型的最優(yōu)滯后階數(shù)進(jìn)行確定。通過選取不同的滯后階數(shù)（季度數(shù)據(jù)的最大滯后階數(shù)Lag=4）對(duì)模型進(jìn)行估計(jì)，比較不同情況下的AIC和SC值，取最小的AIC或SC值對(duì)應(yīng)的滯后階數(shù)為最優(yōu)滯后階數(shù)，檢驗(yàn)結(jié)果見表2。

由表2的檢驗(yàn)結(jié)果可知，雖然準(zhǔn)則AIC和SC在選取最優(yōu)滯后階數(shù)時(shí)的結(jié)果不相同，但參考LR、FPE和HQ準(zhǔn)則，應(yīng)選取滯后4階為模型的最優(yōu)滯后階數(shù)。據(jù)此，參考（1）式建立無約束的VAR（4）模型，其中zt=（△lnGt，△lnPt，△BRt，△lnHPt）T：

zt=A0+A1zt-1+a2zt-2+A3zt-3+A4zt-4+ut（7）

公式（7）中，ut=（uG，uP，uBR，uHP）T為VAR模型的殘差項(xiàng)。通過觀察模型的單位根，得到所有特征根均落在單位圓的內(nèi)部，見圖1，表明模型估計(jì)結(jié)果是平穩(wěn)的。

對(duì)模型的殘差序列進(jìn)行檢驗(yàn)，由LM檢驗(yàn)得到殘差序列不存在自相關(guān)，由White異方差檢驗(yàn)得到殘差序列不存在異方差。由（2）式將VAR（4）模型轉(zhuǎn)化為移動(dòng)平均形式：zt=D（L）ut。

2.結(jié)構(gòu)性沖擊的分離

由上述檢驗(yàn)結(jié)果，可以建立與VAR（4）模型對(duì)應(yīng)的SVAR（4）模型：

H0zt=Г0+Г1zt-1+Г2zt-2+Г3zt-3+Г4zt-4+δt（8）

公式（8）中，δt=（δG，δP，δBR，δHP）T為相應(yīng)變量的結(jié)構(gòu)性沖擊。通過公式（5）建立結(jié)構(gòu)性沖擊與殘差序列的關(guān)系，得到：

δGtδPtδBRtδHPt=H0uGtuPtuBRtuHPt=1H12H13H14H211H23H24H31H321H34H41H42H431uGtuPtuBRtuHPt

對(duì)結(jié)構(gòu)性沖擊進(jìn)行識(shí)別，還需對(duì)矩陣H0施加6個(gè)約束條件。參考段忠東對(duì)SVAR模型約束條件的設(shè)立，[15]17歸納出以下假設(shè)：

（1）實(shí)體經(jīng)濟(jì)的產(chǎn)出水平對(duì)利率沖擊的反應(yīng)滯后一階，也不受房?jī)r(jià)和物價(jià)水平的當(dāng)期影響，因此，同期它只受自身沖擊的影響，即H12=H13=H14=0。

（2）經(jīng)濟(jì)體的物價(jià)水平不受利率以及房?jī)r(jià)的當(dāng)期影響，同期它只和產(chǎn)出水平相關(guān)，即H23=H24=0。

（3）利率會(huì)對(duì)房?jī)r(jià)在同期產(chǎn)生影響，但貨幣政策執(zhí)行不會(huì)盯住房?jī)r(jià)，也即房?jī)r(jià)不會(huì)反作用于利率，由此得到，H34=0。

以上假設(shè)共得到6個(gè)約束條件，矩陣H0為一個(gè)下三角矩陣，因此H0被恰好識(shí)別。通過估計(jì)得到H0為：

H0=10000.27100-2.68-22.7210-1.28-1.850.021

H0確定后，由（6）式可得到結(jié)構(gòu)式?jīng)_擊的系數(shù)矩陣，從而可對(duì)SVAR（4）模型進(jìn)行脈沖響應(yīng)和方差分解分析。

（二）脈沖響應(yīng)與方差分解

1.脈沖響應(yīng)分析

在脈沖響應(yīng)函數(shù)中，本文選取的響應(yīng)期數(shù)為36個(gè)季度，圖中的藍(lán)色實(shí)線為變量對(duì)結(jié)構(gòu)性沖擊的響應(yīng)變化軌跡，兩條紅色虛線間為兩倍標(biāo)準(zhǔn)差置信帶。下文將分別對(duì)貨幣政策沖擊和房?jī)r(jià)沖擊的脈沖響應(yīng)進(jìn)行分析。

（1）房?jī)r(jià)與利率互動(dòng)的脈沖響應(yīng)

對(duì)利率施加1個(gè)單位的正向沖擊后，房?jī)r(jià)的反應(yīng)在短期內(nèi)具有一定的不確定性，徘徊在正負(fù)值之間。房?jī)r(jià)在第1個(gè)季度下降了1%，為最大的下降幅度，說明利率的提高會(huì)抑制房?jī)r(jià)的上漲。但第2個(gè)季度房?jī)r(jià)卻出現(xiàn)上浮，并在第3個(gè)季度又下降，如此反復(fù)在第7個(gè)季度達(dá)到最大漲幅0.62%。之后，房?jī)r(jià)對(duì)利率沖擊的反應(yīng)隨著時(shí)間的推移而衰減，最終趨于平穩(wěn)，參見圖2a。

對(duì)房?jī)r(jià)施加1個(gè)單位的正向沖擊后，利率并沒有立即發(fā)生變化，而是在第2個(gè)季度有22.86%的最大增幅，說明房?jī)r(jià)上漲會(huì)引起市場(chǎng)利率的走高。隨后，利率又出現(xiàn)大幅走低，在第3個(gè)季度下降了21.07%，為最大降幅。此后，利率又反向上升，并在第4個(gè)季度上升了16.55%，如此反復(fù)。該脈沖響應(yīng)軌跡說明，作為貨幣政策工具變量的利率在短期對(duì)房?jī)r(jià)沖擊的反應(yīng)十分劇烈，且有一定的不確定性，并隨著時(shí)間的推移，反應(yīng)程度減弱并趨于穩(wěn)定，參見圖2b。

（2）物價(jià)和產(chǎn)出水平對(duì)房?jī)r(jià)沖擊的脈沖響應(yīng)

對(duì)房?jī)r(jià)施加1個(gè)單位的正向沖擊后，物價(jià)水平?jīng)]有立即發(fā)生變化，而是在第2個(gè)季度才有0.15%的漲幅。房?jī)r(jià)上漲通過托賓q效應(yīng)增加了企業(yè)的投資需求，總需求擴(kuò)張推動(dòng)物價(jià)水平上漲。隨后，物價(jià)漲幅有一定程度的收縮，在第5個(gè)季度已變?yōu)樨?fù)值，在第6個(gè)季度物價(jià)下降了0.05%，為最大降幅，這可能因?yàn)榉績(jī)r(jià)的上漲抑制了消費(fèi)需求，引起總需求一定程度的收縮。之后，物價(jià)出現(xiàn)小幅的上漲和下降，以上漲居多，并最終趨于平穩(wěn)，參見圖3a。

對(duì)房?jī)r(jià)施加1個(gè)單位的正向沖擊后，產(chǎn)出水平也沒有立即發(fā)生變化，而是在第2個(gè)季度才有了0.02%的減少，這可能是房?jī)r(jià)的上漲使得購(gòu)房者或租房者的消費(fèi)支出減少，引起產(chǎn)出水平下降。隨后，產(chǎn)出迅速增加，在第3個(gè)季度達(dá)到最大增幅0.14%，因?yàn)榉績(jī)r(jià)的上漲，特別是房?jī)r(jià)預(yù)期的上漲，刺激了投資支出，引起產(chǎn)出水平提高。之后，產(chǎn)出的增幅開始縮小，在第6個(gè)季度已出現(xiàn)負(fù)值，在第7個(gè)季度產(chǎn)出減少0.05%，為最大降幅。此后，產(chǎn)出出現(xiàn)反彈，其反應(yīng)函數(shù)值在第8個(gè)季度變?yōu)檎?，最終產(chǎn)出水平隨著時(shí)間的推移對(duì)房?jī)r(jià)沖擊的反應(yīng)趨于穩(wěn)定，參見圖3b。

2.方差分解分析

方差分解用來說明每個(gè)變量的結(jié)構(gòu)性沖擊對(duì)所研究變量方差的貢獻(xiàn)度，以此對(duì)不同結(jié)構(gòu)性沖擊的重要性進(jìn)行判斷。本文將選取的滯后期數(shù)為36個(gè)季度，分別對(duì)房?jī)r(jià)、利率、物價(jià)和產(chǎn)出水平的方差分解進(jìn)行分析。

（1）房?jī)r(jià)的方差分解

由表3可以得出，房?jī)r(jià)的自身沖擊在其預(yù)測(cè)誤差方差的來源中占主導(dǎo)地位，僅在第1個(gè)季度就達(dá)到近90%，在12個(gè)季度后趨于穩(wěn)定，占比在70%以上，說明房?jī)r(jià)主要受其自身因素的影響。除此之外，雖然利率沖擊對(duì)房?jī)r(jià)的預(yù)測(cè)誤差方差的貢獻(xiàn)度隨時(shí)間有所提高，但在第6個(gè)季度以后，它的貢獻(xiàn)度是所有沖擊中最低的，表明利率變動(dòng)對(duì)房?jī)r(jià)的作用非常有限。

（2）利率的方差分解

由表4可以得出，利率的自身沖擊在其預(yù)測(cè)誤差方差的來源中占主導(dǎo)地位，僅在第1個(gè)季度就達(dá)到近98%，在12個(gè)季度后趨于穩(wěn)定，占比60%以上，說明利率主要受其自身因素的影響。除此之外，雖然房?jī)r(jià)沖擊對(duì)利率的預(yù)測(cè)誤差方差在第1個(gè)季度的貢獻(xiàn)度為0，但從第12個(gè)季度開始，它的貢獻(xiàn)度就穩(wěn)定在21%左右，僅次于利率自身沖擊的重要性，表明市場(chǎng)利率受房?jī)r(jià)的影響較大。

（3）物價(jià)的方差分解

由下表5可以得出，物價(jià)水平的自身沖擊在其預(yù)測(cè)誤差方差的來源中占支配地位，僅在第1個(gè)季度就達(dá)到近85%，從第12個(gè)季度開始穩(wěn)定在65%以上，說明物價(jià)水平主要受其自身因素的影響。此外，房?jī)r(jià)在第1個(gè)季度對(duì)物價(jià)水平的預(yù)測(cè)誤差方差的貢獻(xiàn)度為0，之后有所上升，但從第12個(gè)季度開始就穩(wěn)定在接近5%的水平上，是所有沖擊中貢獻(xiàn)度最低的，表明物價(jià)水平受房?jī)r(jià)變動(dòng)的影響不大。

（4）產(chǎn)出的方差分解

由下表6可以得出，產(chǎn)出水平的自身沖擊在其預(yù)測(cè)誤差方差的來源中占主導(dǎo)地位，僅在第1個(gè)季度就達(dá)到100%，從第12個(gè)季度開始穩(wěn)定在80%以上，說明物價(jià)水平主要受其自身因素的影響。另外，房?jī)r(jià)在第1個(gè)季度對(duì)產(chǎn)出水平的預(yù)測(cè)誤差方差的貢獻(xiàn)度為0，之后有所上升，但從第12個(gè)季度開始就穩(wěn)定在接近2%的水平上，是所有沖擊中貢獻(xiàn)度最低的，表明房?jī)r(jià)變動(dòng)對(duì)產(chǎn)出水平的影響十分微弱。

雖然近幾年來銀行間同業(yè)拆借利率在我國(guó)利率體系中的地位逐漸提高，但是貨幣供應(yīng)量一直作為貨幣政策的中間目標(biāo)，與實(shí)體經(jīng)濟(jì)的聯(lián)系更為緊密。因此，下文以廣義貨幣供應(yīng)量M2作為貨幣政策的代理變量，取代原來SVAR（4）模型中的利率，進(jìn)行穩(wěn)健性分析。

對(duì)貨幣供應(yīng)量原始序列進(jìn)行對(duì)數(shù)處理后，進(jìn)行ADF檢驗(yàn)，發(fā)現(xiàn)其是一階單整序列。通過AIC和SC準(zhǔn)則判定，新VAR模型的最優(yōu)滯后階數(shù)為4。由于貨幣供應(yīng)量會(huì)受到實(shí)體經(jīng)濟(jì)中產(chǎn)出水平的同期影響，不會(huì)受到房?jī)r(jià)的同期作用，因此可用yt=（△lnGt，△lnPt，△lnM2t，△lnHPt）T建立新的SVAR（4）模型。對(duì)新SVAR（4）模型的矩陣進(jìn)行分析，是一個(gè)下三角矩陣，能被恰好識(shí)別，由此得到結(jié)構(gòu)式?jīng)_擊的系數(shù)矩陣，并進(jìn)一步對(duì)模型進(jìn)行脈沖響應(yīng)和方差分解的分析。

圖4a是房?jī)r(jià)對(duì)貨幣供應(yīng)量沖擊的脈沖響應(yīng)軌跡，可以看出，對(duì)貨幣供應(yīng)量施加1個(gè)單位的正向沖擊后，房?jī)r(jià)在第1個(gè)季度有0.22%的上漲，雖然到第2個(gè)季度房?jī)r(jià)的漲幅縮小，但在第3個(gè)季度房?jī)r(jià)漲幅又?jǐn)U大，達(dá)到最大值0.62%，表明增加貨幣供應(yīng)量會(huì)引起房?jī)r(jià)的上漲。隨后，房?jī)r(jià)的漲幅開始由正轉(zhuǎn)負(fù)，并在第5個(gè)季度下降了0.27%，為最大降幅。之后，房?jī)r(jià)的降幅逐漸衰減，并最終趨于0，達(dá)到平穩(wěn)狀態(tài)。

圖4b是貨幣供應(yīng)量對(duì)房?jī)r(jià)沖擊的脈沖響應(yīng)軌跡，可以看出，對(duì)房?jī)r(jià)施加1個(gè)單位的正向沖擊后，貨幣供應(yīng)量沒有立即發(fā)生變化，而是在第2個(gè)季度才有0.08%的小幅增加，這是由于房?jī)r(jià)上漲通過財(cái)富效應(yīng)和投資效應(yīng)推動(dòng)消費(fèi)和投資的增長(zhǎng)，從而加大對(duì)貨幣需求，引致貨幣供應(yīng)量增加。隨后，在第3個(gè)季度貨幣供應(yīng)量減少0.32%，為最大降幅。之后，在第6個(gè)季度貨幣供應(yīng)量達(dá)到最大增幅0.26%，并開始小幅增減，最終趨于穩(wěn)定狀態(tài)。

最后，表7和表8分別是新的SVAR模型下，房?jī)r(jià)和貨幣供應(yīng)量的方差分解結(jié)果。

從表7可知，房?jī)r(jià)的自身沖擊在其預(yù)測(cè)誤差方差的來源中占主導(dǎo)地位，僅在第1個(gè)季度就達(dá)到近94%，從第6個(gè)季度開始穩(wěn)定在74%以上，說明房?jī)r(jià)主要受其自身因素的影響。另外，貨幣供應(yīng)量沖擊對(duì)房?jī)r(jià)的預(yù)測(cè)誤差方差的貢獻(xiàn)度始終處于較低水平，從第6個(gè)季度起穩(wěn)定在1.5%左右，貢獻(xiàn)度是所有沖擊中是最低的，表明貨幣供應(yīng)量變動(dòng)對(duì)房?jī)r(jià)的作用十分微弱，這一結(jié)論與利率作為貨幣政策代理變量時(shí)一致。

從表8可知，貨幣供應(yīng)量的自身沖擊在其預(yù)測(cè)誤差方差的來源中占主導(dǎo)地位，僅在第1個(gè)季度就達(dá)到70%以上，從第18個(gè)季度開始穩(wěn)定在56%以上，說明貨幣供應(yīng)量主要受其自身因素的影響。此外，房?jī)r(jià)沖擊對(duì)貨幣供應(yīng)量的預(yù)測(cè)誤差方差的貢獻(xiàn)度在第1個(gè)季度為0，從第12個(gè)季度開始穩(wěn)定在4.8%左右，是所有沖擊中最低的，表明房?jī)r(jià)變動(dòng)對(duì)貨幣供應(yīng)量的作用十分有限。

五、結(jié)論與政策建議

本文選取1999年第一季度到2018年第四季度的季度數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行平衡性檢驗(yàn)與處理基礎(chǔ)上，構(gòu)建SVAR模型，并由此分析模型變量的脈沖響應(yīng)和方差分解。同時(shí)，將利率和貨幣供應(yīng)量分別作為貨幣政策代理變量，對(duì)模型結(jié)論進(jìn)行穩(wěn)健性分析，主要得到如下結(jié)論：首先，貨幣政策和房?jī)r(jià)在短期存在一定的互動(dòng)關(guān)系，但兩者之間作用的顯著性不同。貨幣政策沖擊在短期對(duì)房?jī)r(jià)的作用十分有限，而房?jī)r(jià)沖擊在短期對(duì)貨幣政策的作用較為明顯，由此表明貨幣當(dāng)局在制定貨幣政策時(shí)已開始考慮房?jī)r(jià)變動(dòng)因素。其次，經(jīng)濟(jì)體的物價(jià)和產(chǎn)出水平在短期受房?jī)r(jià)的影響，相較于產(chǎn)出水平，房?jī)r(jià)對(duì)物價(jià)水平的作用更為明顯，但持續(xù)時(shí)間更短。最后，相對(duì)于市場(chǎng)利率，貨幣供應(yīng)量作為貨幣政策的代理變量時(shí)，貨幣政策對(duì)房?jī)r(jià)的作用十分有限，這在一定程度上說明，從調(diào)控房?jī)r(jià)的角度來講，利率水平是更好的貨幣政策代理變量。

基于上述模型結(jié)論，政策建議如下：第一，貨幣政策制定應(yīng)該考慮房?jī)r(jià)波動(dòng)的因素，通過分析房?jī)r(jià)波動(dòng)對(duì)通貨膨脹及其預(yù)期的影響，有針對(duì)性地執(zhí)行相應(yīng)的貨幣政策，減小房?jī)r(jià)劇烈波動(dòng)的可能。第二，完善市場(chǎng)化利率形成機(jī)制，有效發(fā)揮利率對(duì)信貸的調(diào)節(jié)功能，從而提高對(duì)房?jī)r(jià)調(diào)控的有效性，進(jìn)而促進(jìn)實(shí)體經(jīng)濟(jì)產(chǎn)出的增加。第三，改善房地產(chǎn)市場(chǎng)的結(jié)構(gòu)，優(yōu)化社會(huì)收入分配和稅收機(jī)制，降低貨幣政策存在的時(shí)滯，從而達(dá)到貨幣政策對(duì)房地產(chǎn)市場(chǎng)調(diào)控的預(yù)定目標(biāo)。

[參考文獻(xiàn)]

[1]彭爽，劉丹.宏觀調(diào)控、微觀管制與房地產(chǎn)市場(chǎng)穩(wěn)定[J].經(jīng)濟(jì)學(xué)家，2017（6）：58-66.

[2]李成，李一帆.貨幣政策、行政管制與房地產(chǎn)價(jià)格變動(dòng)——基于百城住宅數(shù)據(jù)的經(jīng)驗(yàn)分析[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（1）：38-51.

[3]張煒.預(yù)期、貨幣政策與房地產(chǎn)泡沫——來自省際房地產(chǎn)市場(chǎng)的經(jīng)驗(yàn)驗(yàn)證[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2017（8）：77-90.

[4]王天雨.貨幣政策對(duì)住宅商品房?jī)r(jià)格影響的區(qū)域差異——來自我國(guó)31省份的證據(jù)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2018（8）：75-90.

[5]華昱.預(yù)期沖擊、房地產(chǎn)部門波動(dòng)與貨幣政策[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2018（2）：48-56+126.

[6]陳創(chuàng)練，戴明曉.貨幣政策、杠桿周期與房地產(chǎn)市場(chǎng)價(jià)格波動(dòng)[J].經(jīng)濟(jì)研究，2018（9）：52-67.

[7]胡靜，黎東升.貨幣、房?jī)r(jià)與我國(guó)居民消費(fèi)支出區(qū)制關(guān)聯(lián)性的實(shí)證[J].統(tǒng)計(jì)與決策，2018（11）：144-148.

[8]趙勝民，張瀚文.我國(guó)宏觀審慎政策與貨幣政策的協(xié)調(diào)問題研究——基于房?jī)r(jià)波動(dòng)的非對(duì)稱性影響[J].國(guó)際金融研究，2018（07）：12-21.

[9]姚云霞，章貴橋.關(guān)注房?jī)r(jià)還是關(guān)注股價(jià)——基于貨幣政策對(duì)資產(chǎn)價(jià)格反應(yīng)的模擬分析[J].管理世界，2017（11）：170-171.

[10]呂煒，高帥雄，周潮.房?jī)r(jià)上漲如何助推了中國(guó)企業(yè)的高杠桿？——基于投入產(chǎn)出網(wǎng)絡(luò)的DSGE研究新視角[J].經(jīng)濟(jì)體制比較，2018（1）：140-150+169.

[11]張澄，沈悅.房?jī)r(jià)波動(dòng)、風(fēng)險(xiǎn)約束與銀行信貸——來自中國(guó)銀行業(yè)的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)與管理研究，2018（8）：15-26.

[12]陳詩一，王祥.融資成本、房地產(chǎn)價(jià)格波動(dòng)與貨幣政策傳導(dǎo)[J].金融研究，2016（3）：1-14.

[13]孟憲春，張屹山，李天宇.有效調(diào)控房地產(chǎn)市場(chǎng)的最優(yōu)宏觀審慎政策與經(jīng)濟(jì)“脫虛向?qū)崱盵J].中國(guó)工業(yè)經(jīng)濟(jì)，2018（6）：81-97.

[14]Blanchard，O.J.and D.Quah.The Dynamic Effects of Aggregate Demand and Supply Disturbances [J].American Economic Review，1989（4）：655-673.

[15]段忠東.住房?jī)r(jià)格在貨幣政策傳導(dǎo)中的作用效果——基于SVAR模型的反事實(shí)模擬研究[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2015（5）：11-21+124.

[16]朱德忠，朱方正.區(qū)域經(jīng)濟(jì)中財(cái)政與貨幣政策的作用分析[J].牡丹江師范學(xué)院學(xué)報(bào)：社會(huì)科學(xué)版，2019（1）：16-24.

[17]趙巖，林莉.貨幣政策、研發(fā)投資與技術(shù)進(jìn)步[J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2018（4）：93-100.

[18]彭建剛，唐甜.供求視角下住房公積金對(duì)中國(guó)房?jī)r(jià)影響分析[J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2018（5）：5-14.

[責(zé)任編輯]王立國(guó)

Research on the Relation between Monetary Policy and Real

Estate Price in the Economic Cycle

GUO Dongjie，WANG Rufeng

（School of Economics，Zhejiang University of Technology，Hangzhou，Zhejiang，310023，China）

Abstract：Based on the analysis of the interaction mechanism between monetary policy and real estate price， this paper sets up a SVAR model using proper variables to study the relationship between monetary policy and the house price.We find that in the short run，there is a certain interaction between monetary policy and house price，but the significance of their interaction is different and also asymmetry.Monetary policy shock has a very limited impact on house prices，but house prices shock has a more significant impact on monetary policy.Also，we learn that house price affects the real economy's price level and output level，and we suggest that house price should be a considerable factor of monetary policy making.

Keywords：monetary policy;real estate prices;interaction mechanism;SVAR model