APP下载

地区异质性、房价调控与区域货币政策效果

2019-07-19付楷

价值工程 2019年9期

付楷

摘要:房产市场是典型的区域市场,市场参与者对货币政策反应的敏感度因地区而异。文章基于最优货币区理论,以2010-2017年30个省市直辖市的面板数据为分析对象,采用两步SYS-GMM(系统广义距估计)方法,具体考察我国货币政策对各地区房价波动区域异质和时间滞后性的影响大小。实证结果表明:貨币政策对全国住房价格的调控具有时间差异,滞后期数量型政策和预期价格型政策会显著影响当期房价;由于各区域经济发展程度的差异,货币政策对房价调控较为显著存在明显的区域差异效果,其中二线城市的调控作用最为明显。因此,我国应根据各区域经济结构特点加强与完善适度差异化的区域金融调整政策的同时,着力完善二、三线城市金融体系,提高其金融环境。

Abstract: The real estate market is a typical regional market, and the sensitivity of market participants to monetary policy varies with different regions. Based on the Optimal Currency Area theory, this paper derives the corresponding optimal currency area accession model, and determines and analyzes the applicable area of unified monetary policy. The paper establishes a two-step SYS-GMM estimating method to investigate the impact of the Monetary policy changes on housing price using panel data of 30 provinces from 2010 to 2017. The empirical results show that the significant effects of time lag and regional differences on Monetary policy changes as a whole. Due to the differences in the regional economic development level; Especially in the second-tier city or third-tier city, the regulation of the of the monetary policy on house prices is significant. Meanwhile, due to its economic advantage, the second-tier city is significantly effected by monetary policy. Therefore, China should properly handle the relationship between centralization and regional orientation of monetary policy according to the characteristics of regional economic structure, and strengthen and improve the moderately differentiated regional financial adjustment policy.

关键词:最优货币区;房价波动;SYS-GMM估计;区域异质;时间滞后

Key words: optima of a currency area;house price fluctuation;SYS-GMM;regional differences;time lag

中图分类号:F293.3;F822.0                           文献标识码:A                                  文章编号:1006-4311(2019)09-0192-05

0  引言

我国房地产行业的发展以货币政策的改革为基础,1998年随着信贷支持政策的完善,房地产行业进入内生增长的重要阶段,1999年开始发展个人按揭信贷;2003年国家加强对房企信贷支持力度,并将其作为国家支柱产业进行发展,2004年开始房地产行业持续呈现量升价涨的局面,这一阶段持续到2009年。2010年北京首次出台限购政策后,2011年上海、重庆试点房产税,国务院在原有的货币政策基础上再次推出八条政策措施,进一步推出住房差别化信贷。2014年随着限制性货币政策的大规模放松,上海、南京、苏州、合肥、武汉、惠州、廊坊等二三线城市房价大幅上涨,截止2016年上半年土地成交价螺旋式上升。因此为抑制房价暴涨,各地货币政策全面收紧,北京、上海、深圳、南京等地区商业银行陆续提高首房信贷利率水平,首套房贷利率水平上浮5-10%。货币政策是调控商品房价格的重要手段,因此如何制定一个高效的货币政策来合理调控我国各区域城市房价己经成为了一项非常重要的研究课题。

由于房地产具有固定资产性质,其发展现状和供需结构在不同区域均存在明显差异。并且,我国经济正处于三期叠加的深水期,不同地区间的经济发展态势极不平衡,不满足“最优货币区”条件。基于以上我国的经济现状,这类“大水漫灌”式货币政策对不同区域、不同时间段的房价产生不同效果。所以,研究货币政策对不同时间、不同城市房价的影响是具有现实意义的。

1  文献综述

1961年Robert Mundell提出最优货币区理论,他认为市场参与者的金融结构、通货膨胀会影响货币政策的实施效果。房地产是一种特殊的区域性市场,这种区域性特点使得货币政策从以下两方面对房价产生影响:第一,不同地区的初始经济條件是不同;第二,各市场参与者拥有不同的政策敏感度(Carlino and DeFina, 1999)。

随着世界各国对金融改革的重视,国内外众多学者开始致力于研究货币政策是否能有效调控房产市场(Macro Del Negro, 2005)。Iacoviello(2005)在SVAR模型的基础上实证得出,价格型货币政策比数量型货币政策更为有效,可以有效调控房价甚至消费。

但少有学者将区域纳入货币政策对房产分析框架中,并且研究主要集中于西方发达经济国家与地区。Marco Del Negro & Chirstopher Otrok(2007)使用VAR模型分析得出,在美国区域性因素显著持续影响房价走势。Ulrike(2012)实证得出欧洲各成员国对货币政策冲击反应是不同的,即使在一个国家内部,不同区域货币政策效果也不尽相同,尤其是区域经济发展不平衡的国家。在此基础上,余华义,黄燕芬(2015)运用相同模型,证明得出货币政策的正向冲击对发达地区房价的影响高于欠发达地区。

随着研究进行,时间滞后因素也逐渐被纳入到研究之中。Aoki等(2004)利用DSGE模型实证得出由于房地产市场会加速货币政策传导,使得货币政策时滞缩短。Chien, Chang和Lee(2009)利用协整检验得出,货币政策与房价之间存在滞后因果关系。Maclennan, Muellbauer和Stephens(2000)则运用VAR模型,也分析表明了房地产价格与货币政策之间存在明显滞后期。徐忠,张雪春,邹传伟(2012)利用协整检验证明货币政策的价格型工具对房价有抑制作用,并且幅度逐步扩大,在第6个月达到最大。张中华,林众,雷鹏(2013)基于VECM模型,得到货币政策面对房价冲击时,短期内存在明显滞后。张中华,林众(2013)还从正向冲击的角度证明得出扩张性的货币政策使得房价螺旋式快速上升,并维持在峰值。

综上所述,国内外关于区域异质性和时间滞后性的研究多采用VAR及其拓展模型,并且在VAR模型中,传统的货币政策指标如利率、M2存在内生性问题,货币政策冲击未能准确代表中央银行的立场和意图。此外,国内外论文对相关研究的区域划分多采用地理位置划分,未考虑相邻地区之间的内生性作用及该划分的有效性。

因此,本文针对上述不足进行研究。第一、在模型设置上,使用系统广义矩估计法克服VAR模型的内生性问题,对全国各区域城市货币政策对房价波动的时空差异实证分析;第二,在研究目的上,考虑区域之间的内生性问题,建立更加精准的区域划分准则,验证了货币区域效应的存在,同时将区域和时间两个变量一起纳入本文研究框架之中。

2  最优货币区加入标准

2.1 最优货币理论区域区分

1963年麦金农在蒙代尔“最优货币区”理论基础上,提出对外开放程度也因成为判断货币联盟是否是最优货币区的标准之一。经济学家凯南(P.B.Kenen)则认为生产的多样化程度是衡量最优货币区成立的要素之一,他认为一个国家或经济体应对非对称冲击的能力是与其生产的产品多样化程度正相关。1973年英国经济学家英格拉姆(J.C.Ingram, 1970)得出金融高度一体化的条件下,跨国资本的流动足以恢复国际收支失衡导致的利率波动。米尔顿·弗里德曼(Milton Friedman,1953)和卡瓦伊(Kawai,1987)均提出工资和物价水平黏性较低的区域更适宜组成最优货币区。将这些标准综合起来看,若一组对外开放程度、生产的多样化程度、金融一体化程度等相似性较高的经济体,如果劳动力、资本等生产要素充分自由流动,并且工资和物价黏性较低,则该组经济体适合组建最优货币区。

然而在最优货币区理论最初构想中,都使用统一的标准和成本—收益分析框架,但是在欧债危机以后,学者发现在加入最优货币区的时候,没有设定不同的标准,但是由于内生性作用,不同地区存在异质性和非对称冲击出现。为解决最优货币区理论的内生性问题,现代最优货币区理论提出这时对于不同的地区,应该给予不同的标准,并将所有成员地区分类。第一类是经济影响力较大,占领优质资源的核心区域;第二类是经济总量中等,希望通过加入最优货币区保持并增加其经济优势的过渡区域;第三类经济总量偏低,希望加入最优货币区域获取更多优质资源的边缘地区。

2.2 最优货币区加入标准理论

假设在最优货币区内有三类地区,F代表第一类地区即核心区, i为核心区个数;S代表第二类地区即渡地区,用j代表其个数;T代表二三类地区即边缘区, 设l为其个数。我们第一步先以总体的经济体量为案例进行分析,将各区域的GDP总量记为A。

本文利用我国30个省市直辖市的GDP所占比例与经济增长率两个指标,计算各地区加入标准的赋值,用以区分核心地区、过渡地区、边缘地区。如图1我们可以看出货币区加入标准赋值所区分的核心地区、过渡地区、边缘地区正好分别是一线城市、二线城市、三线城市。为保证文章对中国实际情况的适用性,本文采用此区分。

通过计算,一线城市(核心区域)的均值M=9.86,二线城市(过渡区域)和三线城市(边缘区域)随着与一线城市均值差值的增大,其所面临的非对称性冲击也越大。因此在现阶段,我国一、二、三线城市还无法达到组建货币联盟的标准要求,根据最优货币区的理论,我国各区域整体实行由央行制定的“大水漫灌”式货币政策可能会造成货币政策地区差异效应,进而加剧各区域经济发展差异问题,形成一种螺旋上升的恶性循环,下文则对不同区域货币政策的效果进行实证检验。

3  实证数据选取与处理

3.1 数据选取

由于在获取数据时不但要保证数据的有效性,同时还要兼顾数据用于实证检验是其结果的现实性,故而本文中选用2010年元月起至2017年年中的数据来做面板。样本时间跨度为90个月,所有数据都取自于Wind数据库、人民银行统计报告。本文利用新建住房价格指数y代表各省市房地产市场价格。

同时,根据前文对早期最优货币理论和现代最优货币区理论加入标准的分析,本文以区域的经济总量指标为准则对其进行分组分析,因此我们将30个省市分为一线城市、二线城市以及三线城市①。

现如今业界主要有两种货币政策工具,分别是数量型工具与价格型工具,其中数量型工具主要为法定存款准备金、信贷窗口指导和公开市场操作,而对存款与贷款利率的不断调整是央行主要的价格型型工具。本文在数量型货币政策工具的变量选择上,采用中长期居民户人民币贷款余额loan与广义货币供给量M2,在价格型货币政策工具的变量选择上,采用银行间7天同业拆借利率deposit,该变量拥有较高的市场化程度。考虑到房价内生性问题,本文引入工具变量各项存款余额account。

为消除价格因素,文章先将y,M2,loan,account等变量的名义值除以CPI得到各自的实际值(其中,CPI=2010年1月为基期的居民消费价格指数),分别记做realy,rM2,rloan,raccount。实际贷款利率rdeposit则等于名义deposit变量减去通货膨胀率。实际房价的时间序列描述性统计图可知,realy具有显著周期波动性,使用X-12季节调整方法调整其周期波动性。在实证研究中对名义利率使用对数形式,能有效缓解时间序列间的异方差性,变量分别记为lny,lnM2,lnlan,lndeposit,lnaccount。

3.2 数据描述性分析

图2展示了全国各线城市近年来房价变化趋势图。根据图2显示,从2005年到2017年,全国各地区住房价格都在逐年增加。一线城市由于其经济发展的优势,房价增长幅度较大;二线城市受地理位置、经济发展的限制,其房价增长趋势较为稳定;三线城市基于中国经济快速发展的辐射效应,虽然其房价基数较低,也出现了快速增长趋势,房价波动较大。(表1)

图3的散点矩阵图展现了住房价格指数与数量型、价格型货币政策工具三者之间的相互关系,以及各区域之间的差异。可以看到,住房價格指数与数量型、价格型货币政策变动方向基本一致。从散点分布的陡峭程度来看,二、三线城市房价对货币政策反应较为明显,三线城市比率最高。同时,货币供应量与住房价格存在明显的线性关系,意味着对全国各城市而言,数量型货币政策对房价变化起到重要作用。此外,一线城市银行同业拆借利率对房价影响比较分散,没有明显趋势性,但二、三线城市较为集中,并伴随这一定趋势性。虽然从变动方向上来看,似乎全国各地区货币政策对正相关关系明显,但矩阵图只能显示整体上的变化趋势,特别是各变量之间的动态关系还需要通过实证分析进行进一步分析。

4  实证结果分析

4.1 模型设定

本文将住房价格作为被解释变量,滞后期与当前数量型货币政策、价格型货币政策和人民币住户存款余额作为解释变量,建立如下模型

其中,yit表示i省t期新建住房价格指数,loanit表示中长期居民户人民币贷款余额,depositit表示银行间7天同业拆借利率。另外,引入滞后期的货币政策相关变量来考察政策变化是否对住房价格产生财富效应或挤出效应,引入未来一期货币政策变量来考察理性预期下未来货币政策变动对当期房价影响。M2t表示t期货币供应量。accountit表示居民各项存款余额,?琢8代表的意义为区域居民现有财富对区域房屋价格的影响力,?着t则用来表示误差。因为房屋价格的波动可能存在其内生性原因,故在设定本模型之初就引入了相应的工具变量,同时针对其中Multicollinearity采用System-GMM方法解决。

4.2 单位根检验

在进行面板回归操作之前,要针对面板中的各项变量数据进行单位跟检测与验证,从而避免伪回归情况的出现,这将确保变量与变量之间的各种关系更加稳定,同时也是之后进行协整检测的重要基础。本文中采用Levin-Lin-Chu检验,Harris-Tzavalis检验,Fisher-type检验,Im-Pesaran-Shin检验这四种方法进行单位根测试。如表2所示,无零单位根的变量。表中所列出的全部变量均为零阶的单整变量,满足了协整检测验证的前置条件。

4.3 面板数据协整检验

通过对每个变量的单位根检验,已经确定各个经济变量本身是非平稳的,但还无法确定被解释变量与解释变量之间是否存在长期稳定关系。本文中采用Westerlund(2007)开发的,使用四种面板协整检测方法:两个组统计量Gt和Ga,在允许面板异质性的条件下存在协整关系,零假设是至少有一个不存在协整。两个面板统计量Pt和Pa,在考虑面板同质性的条件下检验是否存在协整关系,零假设是所有变量都不存在协整关系。该方法通过检测个别面板中的个体或者整个面板是否存在误差修正来确定非协整关系。对全国面板数据各个变量进行协整检验,检验结果如表3。

从表2检验结果看来,Westerlund的四种检验方法有两个统计理论在0.05的显著水平之下,可以认为是拒绝了不存在协整关系的原假设。即我国30个省市直辖市住房价格与数量型、价格型货币政策之间存在协整关系。

4.4 动态面板数据模型的两步System-GMM方法估计

本文使用System- GMM方法,并引入工具变量解决面板数据模型中的内生性问题和序列相关问题。在回归方程中,将各项存款余额作为工具变量,对一、二、三线城市样本数据进行动态面板的两步System-GMM估计,回归结果如表4。

从模型的结果观察我们可以发现,人均住房消费支出会受到各个解释变量变化的影响,并且其波动较大。根据Arellano-Bond检验的AR(1)和AR(2)结果表明,拒绝不存在一阶自回归的零假设,接受不存在二阶自回归的零假设。并且过度约束的Sargan检验和Hansen检验结果也表明,文中所述模型使用的各种工具变量其属性设定正确并稳健,能够得出唯一的结构参数值。

本文回归中使用的工具变量是有效并且稳健的,不存在过度识别问题。

本文以最优货币区为出发点,提出货币政策对区域房价影响存在差异性的假设,并利用中国房地产市场区域数据建立SYS-GMM模型,讨论了不同货币政策工具对房地产市场动态影响的区域异同性,得出的以下主要结论:

①根据全国趋势可知,价格型工具相比数量型货币政策对房价影响较为显著。房价上升压力主要是来自于市场预期、信息不对称等因素,只要投资者预期房价还会上涨,资金就会继续投入房产市场,因此,利率这类价格型货币政策工具比紧缩性的数量型货币政策对房产市场的影响更为突出。②对比一、二、三线城市的实证估计结果发现,各区域房地产价格对货币政策的响应存在较明显的时间差异。各地区购房者对银行间拆借利率预期和滞后期贷款余额的变化显著影响当期房价。这是因为利率代表了资金的价格,它的变化直接影响借贷成本,同时按揭是购房的重要方式,会影响房地产行业的供求变化。因此利率和贷款传导机制的快慢造成了房价对货币政策响应的滞后效应。③相比一线城市而言,二、三线城市货币政策效果显著,特别是二线城市,货币政策的影响在短期内有立竿见影的效果。我国各地区城市由于自然禀赋和经济政策的差异,导致其发展速度、经济结构存在差异,而全国采取统一的货币政策,通过非均衡的区域体系进行传导,进而会对不同区域发展程度不同的房地产市场产生不同的政策调控效应。

5  区域化政策建议

通过以上论述可以得出货币政策在不同城市存在差异性效应,本节将基于上文的实证研究提出相应的区域化政策建议。

由于我国地域辽阔,不同层次城市在各种资源占有上不尽相同,同时各个地方经济的发展程度和对抗风险的能力也有很大差异,这就致使我国现行的各种货币政策在不同地区所产生的效应也存在较大差异。这种问题不是由某一单一原因引起的,而是在几种不同因素相互作用而引发的。如果我们不能解决这种差异,那将削弱我们各项货币政策在全国范围内的效果,进而使各区域间经济发展的差异性不断增大,这将及其不利于各地区经济的协同发展。最终会影响到我国共同富裕的基本国策。针对这一问题,我提出如下建议。

首先是在制定货币政策是将区域之间的差异性考虑进去,实施将区域差异与宏观总量控制有机结合的货币政策。现阶段我国制定的各种货币政策主要还是站在宏观层面,主要是针对整个宏观经济的运行状况,由央行统一决策和操作,这就使得政策制定时没有充分的考虑到各区域间的差异。例如在现阶段制定的货币政策操作和操作目标,均没有将各区域间的经济发展条件的差异性纳入到政策制定过程中的参考条件中。因此实施定向精准的货币政策并不意味着“漫灌”式货币政策的失效,而是应该将区域之间的经济差距考虑进去,不断的减小各区域间经济发展的不平衡。所以我们可以尝试在同一的政策框架下,将各区域间经济的差异性考虑进来,使其与同一政策有机的结合起来,制定区域货币政策分目标。例如在经济基础薄弱、资源占有不具優势且利用率低的城市,在制定货币政策时就应着重考虑资源利用问题,从提高资源的利用率入手,来达到提高经济发展速的目的。而在经济基础雄厚,资源丰富的区域,则将稳定物价作为政策制定的重点。经济发展存在一定基础的二线城市,则需要建立经济发展和物价稳定并举的货币政策。另外,适当放宽中央银行货币政策调控权限,让各区域政府实施因地制宜的地方货币政策,以解决上层建设与经济基础信息不对称问题,达到对各区域的精准调控。

其次,进一步完善和发挥货币政策的结构调控功能。自2004年4月中央银行对不同金融机构实行差别化的存款准备金制度以来,取得显著的成果。一方面对中小商业银行、农村金融机构实行较低的存款准备金政策,促进了中小企业和三农的积极发展;另一方面通过对资金不足且过度贷的金融机构实行较高的存款准备率,抑制其盲目扩张。

再次,改善和提高二、三线城市的金融环境,完善金融体系。二、三线城市与一线城市在资源禀赋上存在巨大差异,其金融机构数量明显少于一线城市。为扩大招商引资,实现城市发展,一些城市建立了相对宽松且便利的金融体系。在一线城市不断加剧的限购背景下,大量投机资金与国际热钱炒作,快速涌入、涌出二、三线房地产行业造成房价的剧烈波动。以安徽市蚌埠市为例,其2017年5月新房价格环比涨幅甚至超过了北京、上海等一线城市。在房地产非理性的投资热情作用下,更有甚者利用消费贷贷取资金加入炒房军团,使得房价泡沫快速膨胀。一旦这些借助于金融杠杆加速形成的资产泡沫破裂,将对金融市场、实体经济产生毁灭性灾难。

然后,建立区域化的综合评价体系。由于中国特殊的政治经济体制,使得与GDP密切相关的房地产行业成为政府工业化和城市化发展的核心领域,然而单一的GDP指标并不能有效反映该城市发展的活力。各区域应建立适合该省自己的经济、政治、文化、社会、生态文明综合评价体系。

最后,合理借鉴国外关于减小货币政策效应差异性方面的经验。例如美国等西方发达国家的经验,来为缩小我国货币政策效应的区域性差异服务。

注释:

①一线城市:北京、上海、广州、深圳;二线城市:杭州、南京、济南、重庆、成都、武汉、哈尔滨、沈阳、西安、长春、长沙、福州、郑州、石家庄、太原、合肥、南昌、南宁、昆明;三线城市:乌鲁木齐、贵阳、海口、兰州、银川、西宁、呼和浩特等30个省市直辖市。

参考文献:

[1]魏玮,王洪卫.房地产价格对货币政策动态响应的区域异质性——基于省际面板数据的实证分析[J].财经研究,2010(06):123-132.

[2]谭政勋,王聪.房价波动、货币政策立场识别及其反应研究[J].经济研究,2015(01):67-83.

[3]梁云芳,高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究,2007(8):133-142.

[4]张中华,林众.汇改机制与货币政策冲击对我国房价的影响研究——兼论“三元悖论”在我国的适用性[J].宏观经济研究,2013(09):13-19.

[5]张中华,林众,雷鹏.货币政策对房价动态冲击效果研究——基于供求关系视角[J].经济问题,2013(02):4-8.

[6]徐忠,张雪春,邹传伟.房价、通货膨胀与货币政策——基于中国数据的研究[J].金融研究,2012(06):1-12.

[7]余华义,黄燕芬.货币政策效果区域异质性、房价溢出效应与房价对通胀的跨区影响[J].金融研究,2015(02):95-113.

[8]余华义,黄燕芬.利率效果区域异质性、收入跨区影响与房价溢出效应[J].经济理论与经济管理,2015(08):65-80.

[9]余华义,黄燕芬.货币政策影响下收入和房价的跨区域联动[J].中国软科学,2015(10):85-100.

[10]蒋益民,陈璋,SVAR模型框架下货币政策区域效应的实证研究:1978-2006[J],金融研究2009(04):180-195.

[11]邓创,徐曼,汪洋.货币政策房价调控效应的非对称性与区域差异分析[J].统计与决策,2016(17):116-119.

[12]顾海峰,张元姣.货币政策与房地产价格调控:理论与中国经验[J].经济研究,2014,49(S1):29-43.

[13]杨思群,董美.宏观共同因子、特质因子以及货币政策对中国各线城市房价的影响——基于FAVAR模型[J].技术经济,2017,36(07):117-127.

[14]戴金平,尹相颐.我国货币政策的调控效果与时变反应特征——基于房价与汇率变量的检验[J].中南财经政法大学学报,2017(05):88-95,160.