住房價格、 貨幣政策和收入差距①

金洪飛, 陳瑩瑩

(上海財經(jīng)大學金融學院, 上海 200433)

0 引 言

自改革開放以來, 中國經(jīng)濟獲得了高速發(fā)展, 但同時也產(chǎn)生了居民收入差距迅速擴大等一些發(fā)展不協(xié)調(diào)的問題.圖1給出了中國1995年—2017年的基尼系數(shù)變化.從圖中可以發(fā)現(xiàn), 自2000年開始, 基尼系數(shù)就從未低于0.4的國際警戒線.在2003年—2017年間, 該系數(shù)則一直在0.46以上, 而2008年更是達到了最大值0.491.進一步, 圖2給出了不同類別人均可支配收入的城鎮(zhèn)數(shù)額和農(nóng)村數(shù)額之比, 用以衡量不同類別收入的差距狀況.可以看到在四種收入類別中, 財產(chǎn)性收入差距最大, 其城鎮(zhèn)農(nóng)村之比在12以上, 遠遠高于其他類別收入的差距.因此,中國不僅面臨整體收入差距的擴大, 還面臨著不同類別收入差距的分化.收入差距過高可能使低收入者感到社會不公, 降低居民的幸福感[1],從而不利于經(jīng)濟穩(wěn)定.此外, 由于低收入者的邊際消費傾向往往高于高收入者, 收入差距過高將降低整體消費需求, 不利于經(jīng)濟高質(zhì)量發(fā)展[2].近年來,許多學者還認為,過高的收入差距將會導致內(nèi)生的信用擴張, 引起房價等因素的變化[3], 從而增加了系統(tǒng)性金融風險[4], 最終可能會引發(fā)金融危機[5].中國的三大攻堅戰(zhàn)一直強調(diào)防范化解重大風險和精準脫貧, 這些都和收入差距有重要關(guān)聯(lián).收入差距已經(jīng)成為日益嚴重的社會問題.

圖1 1995年—2017年中國的基尼系數(shù)Fig.1 The Gini index in China (1995-2017)注: 數(shù)據(jù)來源于Wind咨詢、蘇寧金融研究院

圖2 不同收入類別城鎮(zhèn)農(nóng)村數(shù)額之比Fig.2 The ratio of urban to rural in different income categories注: 數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫

那什么因素會對收入差距產(chǎn)生影響?具體的影響機制又是怎樣呢?很多學者對收入差距的影響因素進行了研究.其中, 關(guān)于貨幣政策對收入差距的影響研究由來已久.Coibion 等[6]利用美國家庭微觀數(shù)據(jù)發(fā)現(xiàn)貨幣政策會帶來一定的收入再分配效應(yīng), 貨幣政策對收入差距的長期趨勢沒有顯著影響, 但是貨幣政策變動對收入差距的周期性波動具有重大影響.一般來說, 擴張性的貨幣政策會帶來更高的通貨膨脹, 從而會減少以高收入人群為代表的債權(quán)人的收入, 并相應(yīng)增加了債務(wù)人的收益[7], 因此擴張性貨幣政策會通過通貨膨脹渠道減緩收入差距[8,9].此外, 如果考慮到家庭勞動供給的異質(zhì)性, 貨幣政策對提供高技術(shù)和低技術(shù)勞動的家庭會產(chǎn)生不同的收入效應(yīng), 從而影響收入分配.Romer和 Romer[10]通過經(jīng)驗分析認為擴張性的貨幣政策在短期會促進經(jīng)濟增長并增加就業(yè), 使提供低技術(shù)勞動的窮人獲得更高受益, 從而減緩收入差距.Areosa和Areosa[11]在DSGE模型中區(qū)分了家庭在金融市場參與程度以及勞動供給技術(shù)水平的差異, 認為在緊縮性貨幣政策沖擊下, 高技術(shù)高金融市場參與度的家庭會遭受更少的收入損失, 因此整體收入不平等程度將增加.江春等[12]也得到類似的結(jié)論, 即緊縮性貨幣政策將加大家庭收入差距.Auclert[13]對貨幣政策的收入分配效應(yīng)進行了歸納, 指出在前兩種費雪渠道(1)即通貨膨脹的收入再分配效應(yīng).(Fisher channel)和收入異質(zhì)性渠道(earnings heterogeneity channel)之外, 貨幣政策還將通過利率改變家庭凈資產(chǎn)的價格從而影響收入分配, 作者將該渠道稱為利率風險暴露渠道(interest rate exposure channel).具體來看, 不同家庭所擁有的家庭資產(chǎn)有所差別, 貨幣政策變動會改變資產(chǎn)價格從而使不同家庭遭受差異化的資產(chǎn)價值變動收益, 從而影響到收入差距.然而,目前較少有文獻考慮到了貨幣政策通過資產(chǎn)價格變動對收入差距產(chǎn)生影響的渠道.

家庭有很多資產(chǎn)類別, 而住房往往是其主要表現(xiàn)形式[14].很多學者在基尼系數(shù)的分解研究中發(fā)現(xiàn), 以住房為代表產(chǎn)生的財產(chǎn)性收入差距(2)和房價變動相關(guān)的財產(chǎn)性收入差距包括由于房價變動而直接帶來的住房資產(chǎn)價值變動收益以及由買房借貸而間接產(chǎn)生的利息成本與收益.顯著高于整體收入差距, 是整體收入差距擴大的重要原因[15-18].低收入人群的住房擁有量往往低于高收入人群, 而且低收入人群在自身資金不足的情況下只能貸款買房.這樣當房價上漲時, 高收入人群會獲得較高的房價上漲收益, 而低收入人群則背負了更高的購房成本以及貸款利息成本, 家庭間的收入差距將顯著增加.Li和Yao[19]通過建立一個生命周期模型認為房價上漲會增加年老住房擁有者的福利, 盡管房價上漲放松了信貸約束, 但是總體增加了購房成本, 年輕住房擁有者和租房者將遭受更多福利損失.原鵬飛和馮蕾[20]通過構(gòu)建引入存量住房資產(chǎn)的動態(tài)可計算一般均衡(dynamic computable general equilibrium, DCGE)模型, 認為高收入階層將從房價上漲中獲得更大收益, 房價上漲會加劇居民收入差距, 房產(chǎn)溢價的利潤固化已經(jīng)成為近年來收入差距惡化的主要原因.Kim和Rhee[21]利用1980年—2018年32個經(jīng)濟合作及發(fā)展組織(OECD)成員國的數(shù)據(jù)也發(fā)現(xiàn)相較于股票資產(chǎn)價格而言, 房價上漲對居民收入差距的推動作用更加明顯, 同時政府強有力的再分配政策能夠弱化房價變動對收入差距的影響.

從上述文獻梳理中可以發(fā)現(xiàn), 貨幣政策可以通過利率和通貨膨脹率變動改變家庭的勞動以及消費決策等, 從而對收入差距產(chǎn)生直接影響.貨幣政策還可以通過利率變化和信貸調(diào)節(jié)影響房價水平[22-24], 進而對收入差距產(chǎn)生間接影響.房價作為資產(chǎn)價格的主要表現(xiàn)形式, 其本身的波動也是收入差距變動的重要原因.然而目前很少有文獻能綜合考慮房價和貨幣政策波動對收入差距的影響, 并比較不同渠道的影響機制和大小.Doepke等區(qū)分了異質(zhì)性家庭及每類家庭對應(yīng)的異質(zhì)性住房市場, 通過建立生命周期模型發(fā)現(xiàn), 通貨膨脹較高時, 相較于債權(quán)人, 債務(wù)人會享受高通脹帶來的貨幣貶值收益, 因此長期內(nèi)高收入人群在名義資產(chǎn)上的投資遭受損失, 而中低收入人群獲得收益; 但同時由于住房異質(zhì)性, 高收入家庭對應(yīng)的住房交易價格上漲幅度遠遠小于中低收入家庭對應(yīng)的住房價格上漲幅度, 因此中低收入家庭面臨更高的購房成本和債務(wù)壓力, 這種房價的異質(zhì)性變化部分抵消了高通貨膨脹貨幣政策的收入再分配效應(yīng)(3)Doepke M, Schneider M, Selezneva V. Distributional effects of monetary policy[R]. Brookings, Hutchins Center Working Paper, 2015..該文的研究較為系統(tǒng)詳細, 充分考慮了家庭以及住房市場的異質(zhì)性, 但是該模型只用2013年家庭微觀的橫截面數(shù)據(jù)進行全部參數(shù)的校準, 缺乏參數(shù)的動態(tài)信息; 另外該文只聚焦通貨膨脹沖擊對各個經(jīng)濟變量的影響, 缺乏對其他沖擊的刻畫; 此外該文并沒有進一步區(qū)分家庭不同收入類別, 也沒能構(gòu)造顯性的指標直接衡量收入差距的大小, 這將使收入差距的變化分析不是那么直接和詳盡; 最后該文是針對美國數(shù)據(jù)進行的研究, 而中國和美國之間無論在收入差距現(xiàn)狀、房地產(chǎn)發(fā)展程度以及貨幣政策機制上都有很大不同, 因此有必要進一步對中國情形進行進一步的具體研究.

本文借鑒Doepke等的研究思路, 根據(jù)家庭購房方式的差別, 將家庭區(qū)分為耐心和非耐心家庭, 并區(qū)分了一般消費品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門, 構(gòu)建了包含兩類家庭和兩類生產(chǎn)部門的動態(tài)隨機一般均衡(dynamic stochastic general equilibrium, DSGE)模型, 通過細分家庭的不同收入類別, 分析貨幣政策沖擊和房地產(chǎn)市場沖擊對收入差距的影響渠道.DSGE模型能充分考慮經(jīng)濟變量的內(nèi)生性, 參數(shù)估計中的貝葉斯方法能充分利用數(shù)據(jù)信息, 使模型參數(shù)更有說服力.本文對住房市場進行了簡化, 不再區(qū)分住房異質(zhì)性, 而是用不同家庭住房擁有量的差別反應(yīng)不同收入群體對房價變動的響應(yīng).同時由于不同家庭資源稟賦以及投資行為存在差異性, 當面臨經(jīng)濟沖擊時, 基于效用最大化決策, 每個家庭會選擇最優(yōu)的勞動供給量, 因此雖然本文沒有區(qū)分不同家庭勞動供給的異質(zhì)性, 但是兩類家庭勞動供給表現(xiàn)仍然有很大不同.同質(zhì)性勞動的假設(shè)簡化了模型的分析, 同時并不影響模型主要推論.

本研究發(fā)現(xiàn)房地產(chǎn)市場的沖擊會影響居民的消費需求進而影響產(chǎn)出、勞動工資率、資本租金率以及通貨膨脹率和實際利率等, 兩類家庭不同類別的收入變動有所差別, 因而整體收入差距會發(fā)生變化.貨幣政策沖擊可以通過房價變動間接影響兩類家庭的房價上漲收益, 還將通過利率變動直接影響利息收益、紅利收益、資本租金收益和勞動收入.總體來看, 在住房和利率沖擊下, 非耐心家庭的勞動收入變化更加敏感, 兩類家庭的房價上漲收益相對于各自家庭總收入的變化幅度差別不大, 利息收益、紅利收益和資本租金收益是收入差距變動的主要原因.住房交易成本沖擊對本研究中五種外生沖擊所引起的基尼系數(shù)的波動具有主要的解釋力, 貨幣政策沖擊的解釋力次之.福利分析表明對基尼系數(shù)做出反應(yīng)的貨幣政策能帶來額外的社會福利.

本研究的貢獻在于: 第一, 部分填補了關(guān)于貨幣政策對收入差距影響研究的空缺, 通過對房地產(chǎn)部門的刻畫, 引入了貨幣政策通過資產(chǎn)價格變動對收入差距產(chǎn)生影響的渠道.本研究綜合考慮了房價變動和貨幣政策對收入差距的影響, 完善了收入差距的動態(tài)影響機制.第二, 對居民收入差距進行了分解, 將整體收入差距進一步細分為家庭在勞動收入、資本租金收入、房價上漲收益、利息收益和紅利收益上的差距, 從而更細致的研究了經(jīng)濟沖擊如何通過不同收入類別的渠道對收入差距產(chǎn)生影響.

1 理論模型

我國隨著房地產(chǎn)金融的發(fā)展, 貸款買房已經(jīng)成為居民購房的一種重要方式.一些消費者在自有資金不足的情況下, 為了能提前享受住房效用, 會選擇以按揭貸款的方式來購買房屋.這部分消費者收入較小, 而且更看重當前效用, 其貼現(xiàn)因子較小, 因此可以將其歸類為非耐心的消費者.剩余參與住房交易市場的消費者擁有更多資本, 收入較高, 他們有足夠的資金進行全額的房產(chǎn)買賣, 而且他們還能通過各種金融產(chǎn)品的形式將剩余資金借貸出去以獲得未來的收益.所以相比之下, 這類消費者更愿意出借自己的資金并且享受未來的利息收益, 他們具有更高的耐心程度, 更看重未來的長遠效用, 貼現(xiàn)因子更大.因此這類消費者可以歸為耐心的消費者.中國的房地產(chǎn)市場具有較高的區(qū)域異質(zhì)性, 但是在每個地區(qū)中都能夠根據(jù)上述標準將參與住房交易市場的消費者分為耐心和非耐心的類型.所以耐心消費者和非耐心消費者的分類在中國具有整體上的普適性.

總之, 同Iacoviello[25]類似, 本研究把家庭部門分為耐心家庭和非耐心家庭, 而把生產(chǎn)部門分為一般消費品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門.在整個經(jīng)濟體中, 假定耐心家庭人口占比為x, 非耐心家庭人口占比為1-x.

1.1 耐心家庭

(1)

耐心家庭的預算約束如下

(2)

耐心家庭在兩個生產(chǎn)部門的資本積累方程分別為

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

1.2 非耐心家庭

(12)

其中βII是非耐心家庭的折現(xiàn)因子, 其余的參數(shù)同耐心家庭一樣.非耐心家庭的預算約束為

(13)

非耐心家庭的借款能力受到其所持住房價值的約束, 借款約束為

(14)

(15)

(16)

(17)

(18)

(19)

1.3 房地產(chǎn)生產(chǎn)部門

(20)

(21)

(22)

式(22)即為最終生產(chǎn)商對中間產(chǎn)品的需求方程, 也是中間生產(chǎn)商在進行生產(chǎn)決策時需要滿足的約束條件.將式(22)代入最終生產(chǎn)商的生產(chǎn)技術(shù)方程后可得

(23)

(24)

(25)

(26)

(27)

(28)

Pct為一般消費品的價格.在式(22)約束條件下對式(28)的利潤方程進行最大化求解可得

(29)

將式(29)代入式(23)即得房地產(chǎn)部門住房的最終價格為

(30)

將式(30)的名義房價轉(zhuǎn)換成實際房價, 并引入住房價格沖擊即得

(31)

1.4 一般消費品生產(chǎn)部門

(32)

(33)

(34)

式(33)即為最終生產(chǎn)商對中間產(chǎn)品的需求方程, 式(34)為最終品價格的決定方程.

一般消費品部門的中間生產(chǎn)商i的生產(chǎn)技術(shù)方程如下

(35)

(36)

(37)

(38)

將式(37)和式(38)代入成本方程中可得中間生產(chǎn)商i的邊際成本為

(39)

(40)

(41)

1.5 貨幣當局

貨幣政策的一個重要目的就是減少產(chǎn)出和通貨膨脹率的波動, 使實際利率接近自然利率水平.近年來, 考慮到房地產(chǎn)市場對經(jīng)濟運行的重要性, 很多文獻還認為應(yīng)將房地產(chǎn)價格納入貨幣政策調(diào)控目標[28-30].因此本研究用同時考慮了產(chǎn)出缺口、通貨膨脹缺口以及房價缺口的泰勒規(guī)則來描述貨幣政策, 具體如下

(42)

1.6 均衡條件

本研究的市場均衡包括借貸市場均衡、房地產(chǎn)市場均衡和一般消費品市場均衡.

在借貸市場中, 耐心家庭的資金借出量等于非耐心家庭的資金借入量

(43)

在房地產(chǎn)市場中, 房地產(chǎn)生產(chǎn)部門總供給等于家庭總需求

(44)

消費品市場中, 一般消費品的產(chǎn)出等于兩類家庭對一般消費品需求之和

(45)

此外, 整個經(jīng)濟體的總產(chǎn)出等于一般消費品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門的產(chǎn)出之和

Yt=Yct+QtYht

(46)

1.7 基尼系數(shù)構(gòu)建

(47)

等式右側(cè)第一部分是當期勞動收入、資本租金收入和紅利收入, 第二部分是借出資金的利息收入, 第三部分是由于房價變動而帶來的住房資產(chǎn)價值變動收益, 本文也稱為房價上漲收入.

(48)

上式表明, 非耐心家庭的收入等于勞動所得加上住房價格上漲帶來的收入, 再減去借入資金所付的利息.

圖3 基尼系數(shù)計算示意圖Fig.3 The method of computing Gini index

GINIt=

(49)

上式顯示基尼系數(shù)是眾多變量的非線性函數(shù), 很難直接看出某個具體經(jīng)濟變量對基尼系數(shù)的影響方向.例如上期實際利率升高會使耐心家庭獲得更多利息收入, 但是實際利率的升高也會使本期房價下跌, 總產(chǎn)出也會減小, 基尼系數(shù)的分子和分母將同時發(fā)生變化.因此, 基尼系數(shù)的動態(tài)變化較為復雜.本研究將在第三節(jié)對基尼系數(shù)的變化進行脈沖分析, 通過對不同收入類別的詳細分析了解基尼系數(shù)的變化機制.

2 模型求解及評價

為盡可能利用較多數(shù)據(jù)信息, 本部分以季度頻率對模型參數(shù)進行校準和估計, 然后分析模型對現(xiàn)實數(shù)據(jù)的擬合效果.

2.1 參數(shù)校準

本研究根據(jù)中國經(jīng)濟的實際數(shù)據(jù)以及國內(nèi)外已有研究的參數(shù)設(shè)定, 對模型的相關(guān)參數(shù)進行校準.由式(9)可以得出耐心家庭的折現(xiàn)因子βI是實際利率穩(wěn)態(tài)值的倒數(shù)(10)這里的實際利率即為通常意義上的利率再加1., 而在2000年至2017年, 中國銀行同業(yè)拆借加權(quán)平均的實際季度利率為0.349%, 因此耐心家庭的折現(xiàn)因子βI為0.997, 即βI=0.997.根據(jù)王頻和侯成琪[26], 本研究將非耐心家庭的折現(xiàn)因子βII設(shè)置為0.95, 即βII=0.95; 將房地產(chǎn)部門生產(chǎn)函數(shù)中的資本份額αh和一般消費品部門生產(chǎn)函數(shù)中的資本份額αc都設(shè)置為0.5, 即αh=αc=0.5; 將兩部門的生產(chǎn)替代彈性εc和εh都設(shè)為6, 即εc=εh=6; 將家庭效用函數(shù)中勞動供給對真實工資彈性的倒數(shù)η設(shè)為0.5, 即η=0.5; 將家庭在兩部門所投入的勞動之間的替代彈性τ設(shè)為1, 即τ=1; 將資本的季度折舊率δk設(shè)置為2.5%, 即δk=2.5%; 將住房的季度折舊率δh設(shè)置為0.8%, 即δh=0.8%.中國商業(yè)銀行對家庭首套住宅貸款的首付比例平均為30%, 因此將住房抵押貸款比例m設(shè)置為0.7, 即m=0.7.

2.2 參數(shù)貝葉斯估計

本研究的外生沖擊為住房交易成本沖擊、住房價格加成沖擊、貨幣政策沖擊、消費需求沖擊和投資沖擊等五個.考慮到數(shù)據(jù)特征, 選取總產(chǎn)出、房價、通貨膨脹率和名義利率的歷史數(shù)據(jù)對模型參數(shù)進行貝葉斯估計.總產(chǎn)出、通貨膨脹和名義利率數(shù)據(jù)來自WIND數(shù)據(jù)庫, 房價數(shù)據(jù)來自CEIC中國經(jīng)濟數(shù)據(jù)庫, 具體是由全國商品房住宅現(xiàn)房的銷售額除以銷售面積得到.所有數(shù)據(jù)均采用季度形式.由于房價數(shù)據(jù)從2005年8月份開始統(tǒng)計, 因此為保證數(shù)據(jù)年度的完整性, 本研究的數(shù)據(jù)時間區(qū)間為2006年第一季度至2017年第四季度.對于總產(chǎn)出和房價,研究用CPI定基指數(shù)將名義總產(chǎn)出和房價轉(zhuǎn)換成實際產(chǎn)出與實際房價, 之后進行季節(jié)性調(diào)整, 然后對季節(jié)性調(diào)整后的實際產(chǎn)出與實際房價取對數(shù)之后用單邊HP濾波(11)根據(jù)Stock和 Watson[31], 在DSGE模型求解之后控制變量只是當期和過去狀態(tài)變量以及隨機沖擊的函數(shù).雙邊的HP濾波利用未來數(shù)據(jù)區(qū)分了趨勢項和周期項, 這會對數(shù)據(jù)在估計時的可信度造成影響.因此本文采用只利用當前和過去數(shù)據(jù)來做濾波處理的單邊HP濾波進行估計.剔除長期趨勢從而獲得了這兩個變量相對于穩(wěn)態(tài)的對數(shù)偏離.對于通貨膨脹率和名義利率,利用CPI數(shù)據(jù)計算季度通貨膨脹率, 利用3個月銀行間同業(yè)拆借加權(quán)利率計算季度名義利率, 然后對這兩個變量分別取對數(shù), 再取均值, 從而獲得相對于穩(wěn)態(tài)的對數(shù)偏離值.

在進行估計之前, 只有確保所有模型參數(shù)都能夠被識別, 才能認為接下來的貝葉斯估計結(jié)果是有說服力的.本研究參考Iskrev[32]進行了參數(shù)估計的識別檢驗.在Dynare中識別檢驗(identification test)提供兩種檢驗統(tǒng)計量: 矩陣H列滿秩是參數(shù)全部可識別的必要條件, 矩陣J列滿秩是參數(shù)全部可識別的充要條件.在模型識別檢驗中, 矩陣H和矩陣J都是列滿秩的, 可以認為本研究模型的參數(shù)都是可以識別的.

表1 貝葉斯估計結(jié)果Table 1 The results of Bayesian estimation

2.3 模型評價

目前有幾種較為常見的方法可以判斷模型對實際數(shù)據(jù)的擬合效果.可以計算模型對內(nèi)生變量的預測值以及用隨機模擬的辦法計算內(nèi)生變量的模擬標準差和相關(guān)系數(shù)等, 然后和實際觀測數(shù)據(jù)進行比較.另外貝葉斯估計中的貝葉斯因子、邊際似然值等都可以用來評價模型表現(xiàn).本文計算了產(chǎn)出、通貨膨脹、實際房價和名義利率的一步預測值, 并將其與實際觀測值進行比較,結(jié)果如圖4所示.該評價方法較為直觀, 且能夠隨時間變化觀察模型的預測值對實際值的擬合程度.從圖4可以發(fā)現(xiàn)雖然模型預測值和實際值在大小上有稍許差別, 但四個序列的預測值和觀測值的走勢基本吻合, 模型能夠捕捉到實際數(shù)據(jù)的波動.

圖4 模型預測值和實際觀測值的比較Fig.4 The comparisons between predictive data and actual data

3 脈沖響應(yīng)和方差分解

本部分對模型進行脈沖響應(yīng)分析和方差分解, 根據(jù)模型結(jié)論可以將家庭收入分為五個類別, 然后從不同收入類別變動的角度出發(fā), 研究住房價格加成沖擊、住房交易成本沖擊以及貨幣政策沖擊對收入差距的影響渠道和大小.在下列脈沖響應(yīng)圖中, 兩類家庭的勞動收入占比、資本租金收入占比、利息收入占比、房價上漲收益占比、紅利收入占比以及總收入占比是指各類別收入的變化相對于穩(wěn)態(tài)家庭總收入的比例, 即外生沖擊下的各類別收入的實際值減去各類別收入的穩(wěn)態(tài)值,再除以穩(wěn)態(tài)家庭總收入.和各類別收入水平值的變化相比,各類別收入相對于家庭穩(wěn)態(tài)總收入占比的變化能更加清晰的衡量每種類別收入變動對總收入差距的貢獻, 例如若非耐心家庭的勞動收入占比上升5%, 而耐心家庭只上升了1%, 則該收入類別的變化將導致整體收入差距的減小.因此, 細分家庭的不同收入類別可以使人們能更清晰的了解外生沖擊對整體收入差距的影響機制.

3.1 脈沖響應(yīng)分析

3.1.1 住房價格加成沖擊

圖5顯示一單位標準差的正向住房價格加成沖擊提升了實際房價, 減小了總體住房需求, 房地產(chǎn)部門的產(chǎn)出減小.房價的上升將通過替代效應(yīng)和收入效應(yīng)對家庭一般消費品的消費產(chǎn)生正向和負向影響.但同時, 在一般均衡系統(tǒng)中, 房價的上升還將改變房地產(chǎn)生產(chǎn)部門的生產(chǎn)行為, 進而改變家庭的勞動和資本供給以及相應(yīng)的收入.更低的住房需求使房地產(chǎn)生產(chǎn)部門的勞動工資率和資本租金率都下降, 因此兩類家庭都遭受額外的收入損失.總體上看, 房價的上升通過替代效應(yīng)對一般消費品需求的拉動有限.在更低的家庭總收入下, 家庭對一般消費品的需求減小, 該部門的產(chǎn)出也減小.因此總產(chǎn)出下降.該沖擊對經(jīng)濟具有緊縮效應(yīng).

圖5 正向住房價格加成沖擊時的脈沖響應(yīng)分析Fig.5 The impulse response to a positive housing pricing markup shock

從不同類別收入變動來看, 疲軟的生產(chǎn)狀況使兩類家庭都遭受了勞動收入和資本租金收入損失.實際房價的上升以及房地產(chǎn)部門邊際生產(chǎn)成本的下降使該部門具有更大的盈利空間, 該部門剩余利潤增加, 并最終使耐心家庭紅利收入增加.兩類家庭在房價上漲時都享受住房價值變動帶來的房價上漲收益.隨著沖擊的消退和房價回調(diào), 房價上漲收益都由正轉(zhuǎn)負.耐心家庭由于擁有較高的住房存量, 其房價上漲收益變動幅度更大.在消費品部門總體較低的生產(chǎn)需求下, 通貨膨脹率也進入了長期的下行通道, 實際利率總體上升, 耐心家庭的利息收入(對應(yīng)到非耐心家庭利息成本)增加.

總體來說, 在住房價格加成沖擊引起的經(jīng)濟下行情況下, 耐心家庭的利息收益、紅利收益以及房價上漲收益等財產(chǎn)性收入緩解了其余類別收入損失, 而非耐心家庭當期勞動收入以及利息收入下降更多, 因此基尼系數(shù)增加.但是隨著生產(chǎn)的回調(diào), 非耐心家庭的勞動收入占比有更大幅度的提升, 這使得后來基尼系數(shù)略微下降.圖5顯示, 從第5期開始基尼系數(shù)開始下降, 但是下降幅度很小.因此整體來看, 基尼系數(shù)對正向住房價格加成沖擊的脈沖響應(yīng)總體為正.

3.1.2 住房交易成本沖擊

圖6給出了在正向住房交易成本沖擊下各主要經(jīng)濟變量以及基尼系數(shù)的脈沖響應(yīng)函數(shù).和正向房地產(chǎn)價格加成沖擊相比, 正向住房交易成本沖擊是外生的需求沖擊, 在該沖擊下, 非耐心家庭住房需求量下降較大, 耐心家庭的住房需求反而略有上升, 這可能是由于在非耐心家庭大量減小購房需求并推低房價之后, 耐心家庭面對更低的房價增加了對住房的購買.房地產(chǎn)部門總體需求曲線下移, 最終實際房價和居民總住房需求都減小, 房地產(chǎn)部門的產(chǎn)出也減小.在房地產(chǎn)部門量價齊跌的情況下, 收入效應(yīng)對居民一般消費品的消費的拉動作用更強, 因此家庭對一般消費品的總需求增加, 消費品部門的產(chǎn)出增加.對一般消費品高需求還提升了物價, 因此通貨膨脹率上升, 實際利率減小.總體上, 從脈沖響應(yīng)圖可以看出, 消費品部門產(chǎn)出增加幅度高于房地產(chǎn)部門產(chǎn)出減小幅度, 總產(chǎn)出增加, 因此正向住房交易成本沖擊對經(jīng)濟具有擴張效應(yīng).結(jié)合現(xiàn)實來看, 2010年為了打壓房價的快速上漲, 國家出臺了各種限購政策, 包括“國十一條”以及“新國十條”等, 住房交易環(huán)節(jié)的契稅和土地增值稅等也有所上調(diào), 這都顯著的增加了住房交易成本.從圖4的現(xiàn)實觀測數(shù)據(jù)中可以看到, 在2010年較高的住房交易成本沖擊下, 實際房價顯著下調(diào), 而總產(chǎn)出明顯上升, 通貨膨脹率也有較大幅度的增加, 相應(yīng)的實際利率有所下降, 這和脈沖響應(yīng)結(jié)果是相符的.

圖6 正向住房交易成本沖擊時的脈沖響應(yīng)分析Fig.6 The impulse response to a positive housing transaction cost shock

從家庭收入類別的變動來看, 總生產(chǎn)需求的增加使兩類家庭的勞動收入以及耐心家庭的資本收入上升.較高的消費品部門生產(chǎn)需求提高了該部門的勞動工資率和資本租金率, 產(chǎn)品的邊際生產(chǎn)成本增加, 由于一般消費品價格調(diào)整存在粘性, 在扣除生產(chǎn)成本后, 部門剩余利潤減小, 耐心家庭的紅利收入也降低.實際房價的下降降低了兩類家庭當期的住房收益, 隨后隨著房價由低到高回調(diào), 住房收益由負轉(zhuǎn)正.實際利率的減小使耐心家庭的利息收入下降, 非耐心家庭的利息收入上升.

在該沖擊下, 總產(chǎn)出的提升使非耐心家庭受益更多, 其勞動收入占比增加了更高的幅度, 實際利率的下降也大大降低了該家庭貸款買房的利息成本.耐心家庭的資本租金收入雖然增高, 但是該家庭遭受更多的利息收入、紅利收益以及房價上漲收益等財產(chǎn)性收入損失, 因此整體基尼系數(shù)下降.

3.1.3 貨幣政策沖擊

圖7中, 緊縮性貨幣政策沖擊導致實際利率升高, 耐心家庭為了在未來獲得更多利息收入會推遲當前消費.因此一般消費品需求減少, 物價降低, 通貨膨脹率降低.非耐心家庭在較高的實際利率下, 為了減緩其利息成本也減少了住房消費, 這會導致房價下降.耐心家庭在較低的房價下對住房的需求量略有上升, 但整個房地產(chǎn)部門的總體住房需求下降, 實際房價下降.在較低的消費品和住房需求下, 兩類生產(chǎn)部門的產(chǎn)出都減小, 因此總產(chǎn)出對緊縮性貨幣政策沖擊的脈沖響應(yīng)為負.由圖4中各變量的觀測數(shù)據(jù)也能看到, 以2011年名義利率持續(xù)上行為例, 利率的升高對經(jīng)濟具有緊縮效應(yīng), 下一年的實際產(chǎn)出震蕩下行, 實際房價也有所下降.而2015年為了配合樓市調(diào)控政策, 刺激經(jīng)濟發(fā)展, 央行也多次下調(diào)利率, 可以看到2016年產(chǎn)出有所回升, 而實際房價由于受到較多因素影響, 觀測數(shù)據(jù)顯示其變動更為頻繁.

圖7 緊縮貨幣政策沖擊時的脈沖響應(yīng)分析Fig.7 The impulse response to a positive monetary policy shock

從不同收入類別的變動來看, 在該沖擊下, 兩部門較低的生產(chǎn)需求降低了生產(chǎn)部門對勞動和資本投入的需求, 勞動工資率和資本租金率下降, 兩類家庭都遭受勞動收入和資本租金收入損失.由于一般消費品價格調(diào)整存在粘性, 因此在扣除生產(chǎn)成本后, 消費品部門總利潤增加, 耐心家庭紅利收益增加.實際房價下降降低了兩類家庭的房價上漲收益, 隨后隨著房價回調(diào), 房價上漲收益由負轉(zhuǎn)正.實際利率的上升還使耐心家庭的利息收入增加.總體上, 初期基尼系數(shù)上升.但是之后隨著生產(chǎn)的回調(diào), 非耐心家庭的勞動收入占比出現(xiàn)了更大幅度的提升, 使基尼系數(shù)在后期略微下降.可以看到在4期之后, 基尼系數(shù)由正轉(zhuǎn)負, 但幅度很小, 幾乎接近穩(wěn)態(tài)值0.因此整體來看, 基尼系數(shù)對緊縮性貨幣政策沖擊的脈沖響應(yīng)為正.

從圖7可以看出, 貨幣政策沖擊通過利率和通貨膨脹率變動使兩類家庭在勞動收入、資本租金收入、紅利收入以及利息收入的變動上發(fā)生較大差別.貨幣政策也通過房價變動對兩類家庭的房價上漲收益占比產(chǎn)生影響, 但是差別很小.其原因在于, 雖然耐心家庭的住房擁有量高于非耐心家庭, 當房價變動時耐心家庭的房價上漲收益會有更大變動, 但由于耐心家庭穩(wěn)態(tài)總收入更高, 因此考慮到穩(wěn)態(tài)總收入水平的差異后, 兩類家庭的房價上漲收益占比差別不大.和非耐心家庭相比, 耐心家庭由于有較高的資本存量, 其還擁有更多的收入渠道, 如利息收益、紅利收益和資本租金收益.在緊縮性貨幣政策下, 利率和通貨膨脹率的變動將使耐心家庭在這些收入渠道上獲得額外的收益.因此總體來看, 貨幣政策通過利率和通貨膨脹對收入差距的直接影響大于通過房價變動而產(chǎn)生的間接影響.

和江春等[12]沒有考慮房地產(chǎn)部門的模型相比, 本文模型中收入差距對貨幣政策沖擊的反應(yīng)幅度更大.江春等[12]的模型中貨幣政策對收入差距產(chǎn)生影響的主要原因在于不同家庭勞動收入變動的差異.而本研究加入了房地產(chǎn)部門的模型中, 貨幣政策沖擊不僅會通過家庭勞動收入變動的差異影響基尼系數(shù), 還會通過其他收入類別的變動對基尼系數(shù)產(chǎn)生影響.貨幣政策沖擊會影響房地產(chǎn)部門的工資率、資本租金率、房價以及產(chǎn)出, 從而進一步影響家庭的勞動收入、資本租金收入、紅利收入、房價上漲收益以及由貸款買房機制而形成的利息收入.缺乏對房地產(chǎn)部門的刻畫將使這些收入中缺少由房地產(chǎn)部門的變動而帶來的影響.因此和不考慮房地產(chǎn)部門的模型相比, 本研究加入了房地產(chǎn)部門的模型關(guān)于貨幣政策沖擊對收入差距影響渠道的分析可能更加全面.

3.1.4 脈沖響應(yīng)分析總結(jié)

綜合來看, 在上述三種外生沖擊下, 非耐心家庭的勞動收入占穩(wěn)態(tài)總收入的比例對總需求的變動更加敏感, 隨著總需求的提升, 該家庭勞動收入會有更快更高的增長.因此雖然本研究沒有區(qū)分家庭勞動供給的異質(zhì)性, 但是由于家庭稟賦和投資行為的差異, 兩類家庭勞動收入的變化仍然存在較大差別.非耐心家庭的收入渠道較為單一, 其對勞動收入的依賴性更強, 因此在外生沖擊下其勞動收入變化幅度也更大.此外, 在三種沖擊下, 兩類家庭由于住房持有量不同會面臨不同程度的房價上漲收益變動, 但是考慮到兩類家庭總穩(wěn)態(tài)收入的差距后, 房價上漲收益占總穩(wěn)態(tài)收入的比值變動差別不大.這也說明, 在貸款買房機制下, 兩類家庭都可以參與住房市場并享受房價變動帶來的住房價值變動收益, 所以房價上漲收益對收入差距的貢獻較小.但是貸款買房的機制同時也使非耐心家庭背負了更多的利息, 兩類家庭的利息收益變動正好完全相反.最后, 耐心家庭由于擁有更高的資本存量, 其對資本市場的直接參與也擴寬了該家庭的收入渠道, 該家庭還享有紅利收益和資本租金收益.總體來看, 不同收入類別對整體收入差距的貢獻有所不同, 利息收益、紅利收益以及資本租金收益是兩類家庭收入差距變化的主要原因.

3.2 方差分解

本研究考察模型中的五種外生沖擊對基尼系數(shù)波動的貢獻度.表2描述了本文的五種外生沖擊所引起的基尼系數(shù)波動的無限期方差分解.可以看出, 在這五種外生沖擊中, 住房交易成本沖擊和貨幣政策沖擊是基尼系數(shù)波動的兩個主要來源, 分別解釋了這五種外生沖擊所引起的基尼系數(shù)波動的80.94%和17.21%.因此, 相較于貨幣政策, 住房市場調(diào)控政策對基尼系數(shù)有更大的影響.

表2 基尼系數(shù)的無限期方差分解/%Table 2 The variance decomposition of Gini index/%

進一步對基尼系數(shù)進行歷史分解, 分析在不同時期模型的外生沖擊會造成多大程度的基尼系數(shù)偏離.從圖8可以發(fā)現(xiàn), 與基尼系數(shù)無限期方差分解結(jié)果相同, 在五種外生沖擊中, 住房交易成本沖擊和貨幣政策沖擊對基尼系數(shù)偏離的貢獻最大.但這兩種沖擊的作用方向往往是相反的, 體現(xiàn)了不同政策在調(diào)控基尼系數(shù)上的協(xié)調(diào)配合.

圖8 基尼系數(shù)的歷史分解圖Fig.8 The historical decomposition of Gini index under different shocks

以金融危機發(fā)生前后一段時間為例, 金融危機之前房地產(chǎn)發(fā)展過熱, 為了調(diào)控房市, 貨幣政策在2007年偏向于緊縮, 存貸款基準利率上調(diào), 金融機構(gòu)存款準備金率由年初的9%上升至年末的14.5%.而與此同時房地產(chǎn)市場土地增值稅、城鎮(zhèn)土地使用稅以及土地有償使用費征收標準的增加提升了住房交易成本.2007年年底開始, 基尼系數(shù)隨緊縮性貨幣政策沖擊正向變動, 而隨正向的住房交易成本沖擊負向變動, 基尼系數(shù)整體變小.金融危機之后住房市場受到重創(chuàng), 為了穩(wěn)定經(jīng)濟, 政策開始轉(zhuǎn)向刺激住房消費.2008年下半年以及2009年年初央行都執(zhí)行了適度寬松的貨幣政策, 如2008年10月下調(diào)了存款準備金率、金融機構(gòu)人民幣貸款利率以及住房公積金貸款利率等; 房地產(chǎn)市場上也出臺了很多住房優(yōu)惠政策, 降低了住房交易成本, 例如政府下調(diào)了普通住房契稅稅率、暫免個人買賣印花稅和營業(yè)稅以及免個人轉(zhuǎn)讓出售的土地增值稅等.從圖8可以看到, 在2009年, 寬松的貨幣政策沖擊對基尼系數(shù)偏離的貢獻為負, 而負向住房交易成本沖擊對基尼系數(shù)偏離的貢獻為正, 整體基尼系數(shù)升高.之后隨著房地產(chǎn)市場回升, 央行開始進行逆周期調(diào)節(jié), 貨幣政策趨于穩(wěn)健, 房地產(chǎn)市場調(diào)控也趨緊.可以看到2010年至2014年, 總體上穩(wěn)健的貨幣政策對偏離的貢獻為正, 而正向住房交易成本沖擊對偏離的貢獻為負.2015年, 在房地產(chǎn)去庫存下, 房地產(chǎn)市場寬松政策開始逐漸加碼, 央行也采取了降準降息等寬松性貨幣政策進行配合.之后房地產(chǎn)市場調(diào)控政策較為穩(wěn)健, 各種調(diào)控措施因地制宜穩(wěn)步推行.隨著去庫存壓力的緩解, 在2017年房地產(chǎn)政策開始收緊, 市場利率也有所上調(diào).圖8顯示, 在2017年緊縮性貨幣政策對基尼系數(shù)偏離的貢獻為正, 住房交易成本的增加對偏離的貢獻為負.從總體來看, 在整個基尼系數(shù)歷史分解期間內(nèi), 住房交易成本沖擊對基尼系數(shù)偏離的貢獻程度最大, 貨幣政策沖擊次之, 貨幣政策沖擊對基尼系數(shù)的作用方向往往和住房交易成本沖擊相反.

4 穩(wěn)健性檢驗

4.1 選取不同的模型參數(shù)值

為了驗證模型的穩(wěn)健性, 本研究選取家庭住房效用偏好、消費品部門的價格粘性指數(shù)以及耐心家庭的比例作為檢驗參數(shù), 分析在參數(shù)的不同取值下, 基尼系數(shù)的脈沖響應(yīng)函數(shù)的穩(wěn)健性.具體檢驗參數(shù)的取值如表3所示.

表3 不同參數(shù)的取值Table 3 The different parameters’value

圖9為不同參數(shù)取值下的基尼系數(shù)的脈沖響應(yīng)表現(xiàn).可以看到, 無論是對于住房價格加成沖擊, 還是住房交易成本沖擊, 或貨幣政策沖擊, 不同參數(shù)值下的基尼系數(shù)的脈沖響應(yīng)都比較穩(wěn)定, 脈沖響應(yīng)的大小可能有細微差異, 但基本的趨勢是相同的.因此模型的穩(wěn)健性表現(xiàn)較好.

圖9 不同參數(shù)取值下的基尼系數(shù)的脈沖響應(yīng)函數(shù)Fig.9 The impulse response of Gini index under different parameter value

4.2 進一步的經(jīng)驗分析

為了進一步驗證脈沖響應(yīng)分析結(jié)論的穩(wěn)健性, 構(gòu)建如下的計量模型并采用中國的省份時間面板數(shù)據(jù)進行檢驗.

lnincgapit=β0+β1lnhpit+β2lnrealrateit+

controls+μi+τt+εit

(50)

其中incgapit指省份i在時期t的收入差距、hpit是省份i在時期t的商品住宅平均銷售價格、realrateit是省份i在時期t的實際利率.controls為其余可能會對收入差距產(chǎn)生影響的控制變量[38], 其中包括城鎮(zhèn)化率(urbanrateit)、平均受教育年限(eduyearit)、實際人均GDP(gdpit)、經(jīng)濟開放度(openit)以及社會保障支出占總財政支出的比例(securityit).μi、τt和εit分別為地區(qū)虛擬變量、時間虛擬變量和殘差.回歸分析中所有變量都取了對數(shù)值.由于控制變量中社會保障支出占總財政支出的比例數(shù)據(jù)從2007年開始統(tǒng)計, 因此時間區(qū)間為2007年—2019年.而由于西藏的部分數(shù)據(jù)缺乏, 因此將其刪去.最終的數(shù)據(jù)樣本包括中國30個省級區(qū)域(14)為去除中國香港、中國澳門、中國臺灣和西藏的其余省級區(qū)域.2007年—2019年共390個觀測值.表4為變量定義.其中對于收入差距變量, 中國有較多涉及家庭微觀收入的數(shù)據(jù)庫, 但這些數(shù)據(jù)庫中所包含的省份和時間往往較少并且不連貫.考慮到城鄉(xiāng)收入差距很大程度上反映了地區(qū)總的收入差距程度[39], 因此本研究采用城鄉(xiāng)差距來衡量整體收入差距.由于2013年之后國家統(tǒng)計局調(diào)整了農(nóng)村人均收入的計算方法, 2013年前后的數(shù)據(jù)不具有可比性, 因此本研究選擇用城鄉(xiāng)居民的消費數(shù)據(jù)來替代收入數(shù)據(jù), 并計算消費基尼系數(shù)來替代收入基尼系數(shù)(15)由于篇幅限制, 變量的描述性統(tǒng)計特征省略.讀者如有需要可以和作者索取..

表4 變量定義Table 4 Variable definitions

式(49)給出了兩類家庭基尼系數(shù)的結(jié)構(gòu)化表達式, 但是式(49)右側(cè)內(nèi)生變量的變動既會影響分子也會影響分母, 因此右側(cè)這些內(nèi)生變量對基尼系數(shù)的最終影響方向無法確定.根據(jù)脈沖響應(yīng)分析的結(jié)論, 直接分析模型中的外生沖擊對基尼系數(shù)的影響.圖5～圖7的脈沖響應(yīng)圖顯示, 正向住房價格加成沖擊、正向住房交易成本沖擊和緊縮性的貨幣政策沖擊分別對兩類家庭的基尼系數(shù)呈正向、負向和正向的影響.而方差分解結(jié)果表明住房交易成本沖擊和貨幣政策沖擊解釋了五種外生沖擊所引起的基尼系數(shù)的波動的97.69%.因此本部分的經(jīng)驗分析重點研究這兩種外生沖擊對基尼系數(shù)影響的穩(wěn)健性.

本研究用實際利率的變動來表示貨幣政策變動, 實際利率對收入差距的影響系數(shù)預期為正.然而住房交易成本變動則較難用現(xiàn)實數(shù)據(jù)衡量.住房交易成本是指發(fā)生在住房交易環(huán)節(jié)的各種成本, 主要包括信息成本以及各種稅費等[40].其中信息成本是指由于買方和賣方之間的信息不對稱而多付出的成本, 如二手房交易中的中介費和房屋評估費等, 居民為買賣房產(chǎn)而搜集信息并付出的時間和精力成本也可計算在信息成本中.住房交易中涉及各種稅費包括契稅、土地增值稅、印花稅、個人所得稅、住房交易手續(xù)費、房屋產(chǎn)權(quán)登記費等.信息成本一般較難量化, 其和住房交易市場上的信息不對稱程度相關(guān).而住房交易環(huán)節(jié)的稅費, 如印花稅與個人所得稅中和住房交易相關(guān)的部分、住房交易手續(xù)費和房屋產(chǎn)權(quán)登記費等都較難找到對應(yīng)的現(xiàn)實數(shù)據(jù).劉圣欣[40]認為住宅交易成本中不可量化的部分不低于可量化的部分的一半.因此, 較難對住房交易成本進行全面的量化計算.基于此, 本研究試圖尋找和住房交易成本相關(guān)的間接指標進行回歸分析.圖6的脈沖響應(yīng)分析顯示正向的住房交易成本沖擊首先對住房市場產(chǎn)生影響, 該沖擊會降低住房需求, 使住房市場出現(xiàn)量價齊跌的現(xiàn)象.因此住房交易成本沖擊應(yīng)該和房價呈反方向變動.本研究用房價這個間接指標代替住房交易成本進行回歸分析.然而房價會受到多種經(jīng)濟因素的影響, 這些經(jīng)濟因素可能會干擾房價和收入差距之間的關(guān)系, 使計量模型中房價的回歸系數(shù)并不完全反應(yīng)住房交易成本沖擊的影響.本研究在計量模型中加入了多種控制變量以及個體固定效應(yīng)和時間固定效應(yīng), 因而盡可能避免了因遺漏其余經(jīng)濟因素而帶來的估計誤差.此外, DSGE模型的脈沖響應(yīng)分析和方差分解表明, 在模型的五種外生沖擊中, 住房交易成本沖擊對收入差距的變動具有最大的解釋力, 因此由住房交易成本沖擊所引起的房價變動對收入差距的影響應(yīng)該占據(jù)主導地位.如果DSGE模型的結(jié)論穩(wěn)健的話, 經(jīng)驗分析中房價對收入差距的影響應(yīng)該如圖6脈沖響應(yīng)分析中所示為正.

最后, 考慮到一線城市所在的省級區(qū)域的住房市場發(fā)展比較迅速, 住房的金融屬性更強, 貸款買房行為更加常見, 因此在這些省級區(qū)域中貨幣政策沖擊對收入差距的影響應(yīng)該更強烈.一線城市通常指北京、上海、廣州和深圳, 分別對應(yīng)的省級區(qū)域為北京市、上海市和廣東省.本研究構(gòu)造了一線城市所在省級區(qū)域的虛擬變量yixian.當省級區(qū)域為北京市、上海市和廣東省時, 令yixian=1,否則令yixian=0.然后在式(50)計量模型的基礎(chǔ)上加入yixian和lnrealrateit的乘積項.根據(jù)前述分析, 乘積項的系數(shù)預期為正.

表5中列(1)為式(50)計量模型的回歸結(jié)果,表5列(2)為加入乘積項之后的回歸結(jié)果.可以看出在表5列(1)和表5列(2)中, 房價的系數(shù)都在5%的水平上顯著為正, 而實際利率的系數(shù)也都至少在5%的水平上顯著為正, 這些結(jié)果和前述分析的推論相一致, 因此DSGE模型的結(jié)論具有較高的穩(wěn)健性.列(2)中乘積項的系數(shù)為1.933 0, 在5%的水平上顯著, 這說明一線城市所在省級區(qū)域中貨幣政策對收入差距的影響更強烈, 這進一步印證了本文DSGE模型的推論.

表5 回歸結(jié)果Table 5 The estimated result from panel regression

5 社會福利分析

本研究接下來分析貨幣政策對社會福利的影響.從脈沖響應(yīng)分析中可以看出, 在家庭存在異質(zhì)性下, 貨幣政策會對兩類家庭的收入產(chǎn)生不同影響, 進而影響基尼系數(shù)的大小.那么基尼系數(shù)的變動是否會影響社會福利呢?對基尼系數(shù)的變動做出反應(yīng)的貨幣政策是否有助于社會福利的提高呢?

在代表性家庭的設(shè)定下, Woodford[41]和Gali[42]推導出家庭福利損失的二階近似可以表示為產(chǎn)出方差和通脹方差的加權(quán)平均和.而在兩類異質(zhì)性家庭的設(shè)定下, 社會福利損失函數(shù)的形式會發(fā)生改變.Areosa和Areosa[11]以及江春等[12]都構(gòu)建了兩類異質(zhì)性家庭的DSGE模型, 他們所推導的社會福利損失函數(shù)中除了產(chǎn)出方差和通脹方差之外, 還包括收入差距的方差, 因此收入差距的變動會影響社會福利損失.本研究的DSGE模型相較于Areosa和Areosa[11]以及江春等[12]中的模型來說更為復雜.本研究考慮了生產(chǎn)中的物質(zhì)資本投入, 并且在區(qū)分家庭的異質(zhì)性之外還進一步區(qū)分了一般消費品部門和房地產(chǎn)部門的差異.因此較難推導出社會福利損失函數(shù)的解析解, 但是本文根據(jù) Gali[42]的方法對社會福利損失進行了數(shù)值計算, 具體過程參考 Gali[42], 本文的社會福利損失可表示為

(51)

其中

(52)

(53)

(54)

(55)

(56)

(57)

利用社會福利損失的計算方法, 可以比較當貨幣政策對基尼系數(shù)做出不同程度的反應(yīng)時社會福利損失的大小.對基尼系數(shù)做出反應(yīng)的貨幣政策規(guī)則如下所示

(58)

其中GINIss為基尼系數(shù)GINIt的穩(wěn)態(tài)值,φg為貨幣政策規(guī)則中基尼系數(shù)的反應(yīng)系數(shù), 其余參數(shù)與變量和式(42)相同.表6比較了當φg取不同值時社會福利損失的變化.由于緊縮性的貨幣政策會提高基尼系數(shù), 所以貨幣政策規(guī)則中基尼系數(shù)的反應(yīng)系數(shù)應(yīng)為負.表6顯示隨著基尼系數(shù)反應(yīng)系數(shù)的絕對值的增加, 社會福利損失在逐漸減小.因此對基尼系數(shù)做出反應(yīng)的貨幣政策能夠減小社會福利損失, 這和江春等[12]的研究是一致的.貨幣政策在對產(chǎn)出、通貨膨脹和房價的波動做出反應(yīng)之外, 如果能進一步平抑基尼系數(shù)的波動則能夠帶來額外的社會福利.

表6 貨幣政策泰勒規(guī)則中基尼系數(shù)反應(yīng)系數(shù)的不同取值所對應(yīng)的社會福利損失Table 6 The welfare loss under different response coefficient of Gini index in the Taylor Rule for monetary policy

6 結(jié)束語

本研究構(gòu)建了包含耐心和非耐心家庭以及消費品生產(chǎn)部門和房地產(chǎn)生產(chǎn)部門的DSGE模型, 從不同類別收入變動的角度出發(fā), 綜合研究了房價和貨幣政策變動對收入差距的影響渠道和影響大小.研究結(jié)果顯示.

第一, 正向住房價格加成沖擊提高了基尼系數(shù).該沖擊降低了總需求和通貨膨脹率, 導致實際利率升高.兩類家庭在較低的生產(chǎn)需求下都遭受勞動收入和資本租金收入損失.但實際房價的上升使耐心家庭享受更多房價上漲收益, 較高的實際利率提高了耐心家庭的利息收益, 而且耐心家庭還因房地產(chǎn)部門的盈利而擁有更多的紅利收益.總體來看在該沖擊下耐心家庭擁有更多財產(chǎn)性收入上漲的收益, 導致基尼系數(shù)上升.

第二, 正向住房交易成本沖擊降低了基尼系數(shù).該沖擊使房地產(chǎn)部門的需求曲線下移, 房地產(chǎn)部門需求的減小提高了家庭對一般消費品的需求并進而使總需求上升, 通貨膨脹率增加, 實際利率降低.總需求的增大使非耐心家庭的勞動收入以更大幅度上升, 其利息成本在實際利率下降時也大大降低.而耐心家庭的利息收益下降, 一般消費品部門邊際生產(chǎn)成本的升高也降低了其紅利收益, 房價的下降使其在當期遭受更多房價上漲收益損失.因此基尼系數(shù)減小.

第三, 緊縮性的貨幣政策沖擊提高了基尼系數(shù).在緊縮性貨幣沖擊導致的經(jīng)濟下行中, 兩類家庭的勞動收入和耐心家庭的資本租金收入都下降, 但實際利率的提高使耐心家庭獲得更多利息收益, 耐心家庭的紅利收益也有所增加, 從而導致兩類家庭的基尼系數(shù)增加.貨幣政策通過降低房價使兩類家庭都遭受房價上漲收益損失, 但是考慮到總穩(wěn)態(tài)收入水平的差異后, 房價上漲收益對總收入差距的貢獻較小.總體來看, 貨幣政策通過利率和通貨膨脹率對收入差距的直接影響大于通過房價變動對收入差距產(chǎn)生的間接影響.

在上述三種外生沖擊下, 非耐心家庭的勞動收入對沖擊更加敏感, 在總產(chǎn)出復蘇時會有更大幅度的增長; 兩類家庭房價上漲收益占各自家庭穩(wěn)態(tài)總收入的比例差別較小, 但是由買房借貸而產(chǎn)生的利息收益卻有很大的差別; 利息收益、紅利收益以及資本租金收益是兩類家庭基尼系數(shù)變化的主要原因.

進一步的方差分解表明住房交易成本沖擊對模型中五種外生沖擊所引起的基尼系數(shù)總波動的解釋力達到80.49%, 而貨幣政策沖擊的解釋力次之, 為17.21%.福利分析表明基尼系數(shù)的波動會影響社會福利損失, 對基尼系數(shù)做出反應(yīng)的貨幣政策能帶來額外的社會福利.

基于中國收入差距一直較高的現(xiàn)實, 本研究的結(jié)論有助于政府從房價調(diào)控和貨幣政策調(diào)控這兩個角度出發(fā), 抑制收入差距的擴大.方差分解表明, 相較于貨幣政策, 旨在改變住房交易成本的房地產(chǎn)調(diào)控政策對收入差距的調(diào)控效果可能會更大.而歷史分解也說明貨幣政策和住房調(diào)控政策協(xié)調(diào)配合往往有助于減緩基尼系數(shù)的波動.最后不同類別的收入差距對整體收入差距的貢獻不盡相同, 因此還需關(guān)注收入差距類別的分化, 這樣才能對癥下藥, 提高政策實施的效率.