我国房地产价格对货币政策响应的区域异质性研究*

■徐振鑫

一、引言与文献评述

2008年全球金融危机爆发以来，为了抑制房地产价格的过快上涨，人民银行在针对房地产市场的货币政策制订和实施过程中采取了许多积极举措。但从调控的实际情况来看，调控政策并没有完全实现调控目标。货币政策的调控方式主要是通过货币供给和货币价格等货币政策工具对房地产市场进行宏观调控，但从房地产市场的现实情况看，房地产市场是典型的区域性市场，各区域房地产价格对货币政策的反应差异较大，货币政策效应存在区域差异，采取统一的货币政策无法达到满意的效果。房地产市场的这些区域异质性特征，导致货币政策对房地产市场调控的总体效应取决于货币政策的区域敏感度和货币政策执行期间的区域经济禀赋。货币政策敏感度和区域经济禀赋会随时间的推移产生变化，微小的变化可能对加总情况产生显著影响。货币政策是宏观调控政策，虽然无法实现因城施策的精准调控，但将房地产市场的区域异质性特征尝试纳入货币政策的考量范围，仍可能提高货币政策对房地产价格的调控效率。为了证实区域异质性对货币政策制定的重要性，并将区域异质性纳入货币政策对房地产市场影响的分析，本文引入了一个宏观经济计量框架，称为异质性代理向量自回归（HAVAR）模型，在非加总水平上，HAVAR模型类似于小规模结构宏观模型的简化形式，在加总的水平上，HAVAR模型类似于包含了异质性特征的宏观VAR模型。HAVAR模型的引入不仅有利于对区域异质性模型化的探索，更有利于认识区域异质性对货币政策制定的重要性。

已有研究大概可以分为三类。

第一类是研究货币政策对房地产市场调控的有效性。顾海峰和张元娇（2014）深入分析货币政策与房地产价格的关联性以及货币政策对房地产价格的调控机理，实证研究发现利率对房地产价格的调控效应不显著，存款准备金率与房地产价格存在长期的均衡关系，存款准备金率对房地产价格的调控效应显著。向为民和谭娟（2018）通过结构向量自回归模型研究房价波动、银行信贷和同业拆借利率三者关系，实证结果显示房价波动与银行信贷相互推动、互为因果，利率通过信贷规模的影响间接影响房价。王松涛和刘洪玉（2009）基于住房市场为载体的货币政策传导机制理论框架，对住房价格传导货币政策对私人消费的冲击效果进行了定量研究，房价解释了紧缩货币政策下私人消费下降的45%，房地产市场在货币政策传导机制中发挥了重要载体作用。

第二类是以Mundell提出的最优货币区理论为分析框架，研究货币政策对不同区域房地产市场的影响。魏玮和王洪卫（2010）以最优货币区及房地产市场区域异质性为出发点，测度各种货币政策工具对我国东、中、西部地区房地产市场价格动态影响的异同。实证结果表明：东、西部地区房地产价格受数量型工具冲击后向稳态收敛的速度慢于中部；数量型工具对西部地区房地产价格的累积效应最为显著，价格型工具对东部地区房地产价格的累积效应最大；东、中部地区房地产市场上主导型货币政策工具为M0，西部地区则以信贷为主导型政策工具。龙威、刘金全（2018）构建了最优货币区理论的分析框架，利用聚类分析的方法研究各区域房价对货币政策的反应差异。其研究成果表明，货币政策效应存在区域差异，采取统一的货币政策无法达到满意的效果。信贷规模对各区域的房价调控都能起到很大的作用;但存款准备金率对高度发达地区与欠发达地区的房价调控会起到相反的作用。王宏涛和崔景钗（2017）在最优货币区理论的基础上将我国30个省份分为A、B、C、D四个区域，通过构建向量自回归模型对这四个区域的货币政策对房地产价格的影响进行实证分析。结果表明，A区的房地产价格对货币政策传导效应最强，对于利率和货币供应量冲击响应程度最强，C区D区次之B区最弱。且对货币政策反应的持续时间为，A、B区持续时间短，C、D区持续时间长。

第三类则主要从实证研究的角度，按照一定的时期和区域划分标准，对利率、规模等货币政策工具分别进行检验，以证实我国货币政策对房地产市场的影响存在区域效应。蒋益民和陈璋（2009）运用SVAR模型对我国八大经济区的房地产市场和货币政策效率进行了实证检验，结果表明货币政策对房地产市场的调控存在明显的区域效应，区域效应主要受区域生产力水平的差异、区域产业结构和区域金融结构三方面因素的影响。王先柱（2011）认为，内部经济的非同质性决定了货币政策存在区域效应。无论从房地产需求、房地产供给还是房地产的金融支持来看，房地产市场具有显著的区域性，强化了货币政策在房地产市场的区域效应。利率、信贷规模对房地产市场存在显著的区域效应，对中西部地区的抑制效应要普遍小于东部地区，对房地产先行性指标的影响要大于当期指标。冯雷、马谌宸（2016）分析了我国货币政策对房地产价格调控的省际差异化效应，实证结果表明，我国货币政策对房地产价格调控存在省际差异化效应，在金融发展水平较高的地区，房地产价格与货币政策调控呈现显著的负相关关系，而在经济开放度较高的地区，房地产市场价格受货币政策调控影响较为显著且两者呈现正相关关系。

与国内相比，国外学者早在2000年就开始尝试研究房地产市场异质性对货币政策效率的影响，如Michael Fratanton&Fannie Mae（2000）基于美国各州房地产市场对货币政策的敏感度，将异质性纳入货币政策分析，他们认为货币政策对经济的影响取决于区域异质性的程度和性质，这种异质性会随时间的推移而改变。Giulioodori（2005）探讨了货币政策对房地产市场传导机制，基于八个欧洲国家数据实证分析房价对货币政策敏感性具有明显差异。Iacoviello和Minetti（2008）研究了欧洲4个国家的货币政策信贷渠道在房地产市场中的传导机制，研究结果发现货币政策传导效应与各国房地产金融体系的结构性特征有关。

国内外学者的研究成果证明了区域异质性是影响货币政策调控房地产市场的重要因素，也为如何将区域异质性纳入模型分析提供了可借鉴的宝贵经验，但现有研究成果更多的是注重证实房地产市场区域异质性对货币政策调控有影响以及影响因素，并未将房地产市场的区域异质性内嵌到模型中。本文先对区域异质性进行定义和刻画，并将我国房地产市场的货币政策响应度内嵌到HAVAR模型中，运用我国省级区域房地产市场和货币政策工具的相关数据，从省级层面更深入的分析房地产价格对货币政策响应的区域异质性。

二、理论框架

从货币政策调控房地产价格的作用机制看，人民银行会根据全国房地产价格的当前水平调整货币政策的参数，货币政策参数的改变会影响金融市场上的货币供给量和货币资金的价格，货币供给量和货币资金价格的调整会影响房地产市场主体的经济决策。对房地产市场主体的经济决策的约束主要分为两个方面：一方面是约束房地产供给端的投资行为；另一方面是约束房地产需求端的购房行为。供给端和需求端的共同发力最终起到调控房地产价格的作用。货币政策参数的变动对地区经济增长和房地产市场的影响既有短期效应，又有滞后效应，上述的传导机制虽然是现实情况的简化，只考虑的货币政策传导的主要渠道，但也有一定的经验支持。在整个调控机制中，人民银行的货币政策主要关注全国房地产价格的宏观水平，不会只关注某个区域的房地产价格水平，但各个区域的房地产价格由于具有异质性，对货币政策的响应体现出不同的特征。从以往的研究成果看，目前还没有令人满意的结构动态一般均衡模型能够将异质性纳入货币政策和房地产价格的分析框架。HAVAR模型结合了货币VAR模型和区域、产业异质性VAR模型的优点，能够将区域异质性纳入模型框架，为货币政策的制定提供一定程度的微观基础。

货币政策调控房地产价格的作用机制中包含了宏观变量、加总变量和区域变量的复杂关系。宏观变量就是未包含区域异质性的原始非加总宏观经济变量，加总变量就是将带有区域异质性特征的区域变量加总得到的宏观变量，区域变量就是各地区的原始经济变量。在众多变量的经济关系中，本文关注的主要是加总变量和宏观变量对货币政策的响应，因为加总行为纳入了区域异质性信息，使用加总变量得到的政策效果与非加总变量得到的政策效果之间的差异将对人民银行调整货币政策参数及调控房地产价格提供理论依据。既然确定了关注的重点，为了简化分析，本文提出以下三个假设条件：

假设一：人民银行在货币政策的制定中关注的是宏观变量，并不关注各区域的分量。

假设二：区域变量对利率的反应是同期的，对其他宏观变量的反应是滞后一期的。

假设三：区域主体之间在同期的相互作用为零，他们之间的相互影响是滞后一期的。

图1 货币政策传导机制

根据这三条基本假设，可以得到货币政策调控区域房地产价格的传导机制，如图1所示，图中的I代表利率，S代表存款准备金率，y、p、q分别代表区域的城镇平均可支配收入、房地产住宅均价及房地产住宅投资，Y、P、Q分别是y、p、q的加总值。

三、省级房地产市场的区域模型及区域异质性

宏观经济学家普遍认为货币政策不能用来影响、控制或瞄准特定地区的经济状况。但事实上，因为区域对货币政策的响应不同，区域经济的初始状况不同，这些区域异质性经济状况会影响总体结果。例如收入、通货膨胀等宏观经济变量对货币政策冲击总体响应的幅度和持续时间随时间和区域初始经济状况的不同而不同。从我国经济现实来看，区域房地产市场的供求关系是大相径庭的，需要对全国房地产市场进行区域分解。理论上来说，把区域市场分得越细致，就越接近现实的情况，因为每个地区的房地产市场的区域异质性都很明显，住建部门甚至提出房地产市场调控要实现“因城施策”的调控精度。鉴于数据可得性和模型的可行性，本文将全国房地产市场按照省级行政区划进行分解。

为了更好的理清区域房地产市场的异质性特征，下面将建立省级区域房地产市场的VAR模型进行分析。

模型中的变量组At包含5个变量，其中2个是宏观变量，它们分别是It和St，It是5年及以上时期贷款基准利率，是调控房地产行业贷款资金成本的主要货币政策工具之一，St是存款准备金率，是调控货币资金供应量的主要货币政策工具之一；另外3个变量是区域变量，它们分别是 yt、pt和 qt，yt是城镇居民人均可支配收入，pt是商品住宅销售均价（商品住宅销售额除以商品住宅销售面积），qt是住宅房地产开发投资；εt是随机误差项。各项数据采用季度数据，数据来源于Wind数据库，数据时间跨度从1999年初到2017年末。模型建立之后，本文利用Eviews进行分析。

表1 省级区域货币政策响应度

根据VAR模型的结果，参考美联储研究员Gerald Carlino的计算方法①Gerald Carlino利用VAR模型中估计值计算美国各州人均收入对货币政策冲击的敏感度，作者计算思路是选取货币政策实施8个季度后，人均收入变化幅度与货币政策变化幅度的比值。计算各省、直辖市房地产住宅价格对货币政策的响应度。本文认为，货币政策对目标变量的影响不仅限于一个时间点，而是一个时间段，计算货币政策响应度时不能只考虑某一个时期的响应度，应该从跨度更广阔的作用周期来计算，而且各项政策的滞后效果不一致，计算时各时间点应采用不同的权重。从房地产住宅价格对存款准备金率的相应度分布图看，相应度的梯度分布特征较为明显，东部地区最高、中部地区居中、西部地区最低。导致相应度梯度分布的主要原因是各个地区房地产市场的成熟度不同，房地产市场资金充裕程度不同，对存款准备金率的响应度也不同。

图2 房地产住宅价格存款准备金率政策相应度

四、HAVAR模型的构建

HAVAR模型的特点是先根据各区域的初始禀赋计算出各区域对货币政策的政策敏感度，然后将货币政策敏感度作为区域异质性的具体表现内嵌到模型中，这种设定模式更符合区域异质性的特征，更适用于分析货币政策响应的区域异质性，因为区域经济禀赋初始条件决定了货币政策的区域敏感度，货币政策敏感度又决定了各区域对货币政策响应的区域异质性。将货币政策敏感度内嵌到模型中更符合经济运行的基本现实，可以得到更符合现实的研究成果。

通过前面的理论分析，本文得到HAVAR模型的数据向量Xt=[ItStYtPtQt]′，Xt被划分为两个部分，即′，其中是宏观部分的数据向量，上标m是宏观数据向量的代表=[ItSt]′包含利率和存款准备金率两个变量，由于It和St两个变量使用的都是宏观数据，因而称之为宏观数据向量是加总部分的数据向量，上标a是加总数据向量的代表包含人均可支配收入、房地产住宅平均价格和房地产住宅投资三个变量，由于 Yt、Pt、Qt三者都使用的是加总数据，故也被称之为加总数据向量。根据上面对数据向量的定义，Hamilton提出的传统货币政策与住房VAR结构模型可表示为：

其中，结构参数

是一个5×5的系数矩阵，K和Ut分别是5×1的矩阵。Γ0是可逆矩阵，通过矩阵变换可以得到传统货币政策与住房VAR结构模型的简化形式：

根据Theil提出的方法论，本文在HAVAR模型的理论框架下，将基准的区域模型关系代入到传统货币政策与住房VAR结构模型中就能得到HAVAR模型，这个步骤本质就是将传统模型中的宏观变量用区域加总变量进行替代。将进行替代后的传统模型如下：

经过替代的系数矩阵

在系数矩阵Γ1中的权重系数si，t-1是货币政策响应度权重与区域变量初始权重的比值，si，t-1是sit的一个分量，将这些区域变量加总后，得到HAVAR模型

与传统货币政策与住房VAR结构模型相比，HAVAR模型能够进行动态分析。由于参数随时间变化的特征，HAVAR模型表现出随时间变化的脉冲响应。区域结构冲击的分布影响着加总变量的动态响应，因为是时变的并且存在异质性。因此，HAVAR模型加总动态响应是状态依赖的。传统货币政策与住房VAR结构模型隐含了一个与现实不符的假设，即当经济系统遭受冲击时各区域都处于均衡状态。HAVAR模型放宽了这个假设，加总动态响应取决于当期和累积冲击在区域之间的分布情况。时变特征意味着HAVAR模型属于非线性时间序列模型的一类。尽管HAVAR具有这种非线性特征，但HAVAR模型没有表现出多重平衡，因为微观模型是线性的并且是稳定的。然而，任何给定的总冲击可以产生多元脉冲响应，这取决于微冲击的精确分布。同时，任何给定的总冲击响应与微冲击分布的多重性是一致的。由于区域模型具有固定的参数，可以利用时间序列平均权值获得HAVAR模型的近似值。区域参数的加权和与传统参数之间的差值反映了由于聚集而导致的传统参数的偏差程度。换言之，加总模型的动态响应比微观模型的响应表现出更多的持久性。

HAVAR模型包含3G+2个变量，需要估计（3G+2）2L+3G+2个参数。对于省级数据，G=31，L=2时就要估计18145个参数，显然，在有限的数据量下，这是不可能实现的。为了简化参数的估计和分析，本文在理论框架部分提到三大假设条件具有非常重要的作用，可以极大减少待估参数的数量，降低样本数据量对HAVAR模型的限制。

假设一：人民银行在货币政策的制定中关注的是宏观变量，并不关注各区域的分量。假设一消除了从加总变量到宏观变量控制参数反馈机制的异质性，使得的所有变化对的影响都是一致的，无论这种变化是来自于哪个区域以及这种变化如何在区域间传播。这条假设将下面矩阵中的待估参数数量从6GL大幅缩减至6L。

假设二：区域变量对利率的反应是同期的，对其他宏观变量的反应是滞后一期的。这条假设条件限制了宏观变量对区域变量的当期反馈作用，这使得

但是对于所有的宏观变量来说，在滞后一期之后对区域变量都有影响。这个条件将待估参数数量从6GL减少到2GL，如果时间序列数据量够多，也可以考虑放弃这个限制条件。

假设三：区域主体之间在同期的相互作用为零，他们之间的相互影响是滞后一期的。这条假设意味着所有区域以相同的方式相互影响，限制了区域间经济活动的当期联系，这虽然降低了系统中的异质性的影响，但它也通过将参数从3G2L减少到3GL来获得大部分参数的识别能力。在施加了这三大假设之后，系数矩阵Γ1中只需要估计5GL+6L个参数，对于省级数据而言，仍有许多参数需要估计，但目前的样本量已经足够了。

本文借鉴Marvin Goodfriend and Robert G.King（1997）的研究成果，采用两步三角分解法对模型参数进行识别，采用这种方法的原因如下：一方面是需要估计系数矩阵Γ0的各个参数；另一方面是在加入大量微观区域后，待估参数数量大幅增加，传统的最大似然估计方法不再适用HAVAR模型。可以利用HAVAR模型的协方差矩阵的估计量=E（̂来估计Γ0。HAVAR模型的协方差矩阵可以解构为，通过三角分解，可以得到其中的下三角矩阵A就是的估计量。在上面的三大假设条件中，已经得到了Γ0的一些参数，对下三角矩阵A施加同样的假设约束，可以得到Γ0的剩余参数。

两步识别法的第一步是单独估计每一个区域VAR模型，以得到г0am,i和γ0.ii。第二步是将这些区域参数视为给定的，进一步估计出

五、估计结果与脉冲响应分析

在建立HAVAR模型后，本文利用Eviews软件进行检测和分析，为了与宏观模型进行对比分析，本文列出了宏观模型和HAVAR模型的结果如表2所示：

表2 模型结果对比

从模型结果看，传统宏观VAR模型和HAVAR模型之间的差异主要体现在系数的大小以及显著性上。整体看，传统宏观VAR模型的系数比HAVAR模型要大，两个模型中的系数符号呈现周期性变化。在传统宏观VAR模型中，房地产住宅价格对利率的敏感度十分显著，而房地产住宅投资对滞后1期的利率敏感度不显著，对滞后2期的利率敏感度显著；房地产住宅价格对滞后1期的存准率敏感度十分显著，对滞后2期的存准率敏感度不显著；房地产住宅投资对存准率的敏感度显著。在HAVAR模型中，房地产住宅价格对利率政策的敏感度显著，房地产住宅投资对利率政策的敏感度也显著；房地产住宅价格对滞后1期的存准率敏感度显著，对滞后2期的存准率敏感度不显著，房地产住宅投资对滞后1期的存准率敏感度不显著，对滞后2期的存准率敏感度显著。

从模型系数的显著性可以看出，与传统宏观VAR模型相比，HAVAR模型中大部分变量的显著性相对较差，但总体上并不影响模型结果的适用性。经过调研取证和认真思考及排查模型设定问题，本文认为这并非HAVAR模型设置有问题，而是要反思利用传统宏观VAR模型在分析货币政策的效果时是否真的有效，其优良的显著性是否真的符合经济现实。而将区域异质性纳入分析后，区域房地产市场对货币政策的响应不再如传统宏观VAR模型中体现的那么显著，政策效果并没有传统意义上那么明显，这正从侧面反映出区域异质性对货币政策效应具有重要影响。

图3 传统VAR模型的脉冲响应

图4 HAVAR模型的脉冲响应

从脉冲响应分析看，除了房地产住宅价格对存款准备金率的响应大致相同外，传统宏观VAR模型与HAVAR模型有显著的差异。在传统宏观VAR模型中，2个标准差的利率冲击会立刻引起房地产住宅价格上涨，然后在第2季度达到峰值并不断衰减，第5季度后衰减为负数，引起导致房地产住宅价格下降；利率冲击会立刻引起房地产住宅投资回落，在第2季度达到峰值并逐步回升，第3季度以后引发房地产住宅投资的增长。2个标准差的存准率冲击会引发房地产住宅价格的持续下降；同时会引发房地产住宅投资立刻增长至峰值并逐渐下降，第3季度以后对房地产住宅投资的影响由正转负，并持续扩大。从传统宏观VAR模型脉冲响应分析看，货币政策对房地产住宅价格和房地产住宅投资都有持续较大的影响，货币政策体现出较强的调控能力。

在HAVAR模型中，2个标准差的利率冲击会导致房地产住宅价格在第1季度出现上升并达到峰值，第2季度开始转为下降，到第8季度逐渐衰减为0；利率冲击会导致房地产住宅投资立刻下降，第2季度达到峰值并逐步回升，第6到第8季度衰减为0。2个标准差的存准率冲击会立刻引起房地产住宅价格的持续下降，同时会立刻引起房地产住宅投资的增加。第2季度到第5季度逐渐衰减，第6季度到第8季度衰减至0。HAVAR模型的脉冲响应分析结果意味着加入区域异质性后，房地产住宅价格和房地产住宅投资都对货币政策体现出不同的响应特征，脉冲响应结果的不同意味着区域异质性对房地产住宅价格和房地产住宅投资两个变量的货币政策响应程度具有重要影响。从HAVAR模型的脉冲响应分析结果看，房地产住宅价格和房地产住宅投资对货币政策的响应并没有传统宏观VAR模型的那么强烈和持久。

在短期内，两个模型中的房地产住宅价格和房地产住宅投资对利率及存准率冲击的响应程度都较强。在长期，传统VAR模型中房地产住宅价格和房地产住宅投资对利率及存准率冲击的响应方式虽有所变化，但响应程度依旧较强，而在HAVAR模型中，房地产住宅价格对利率冲击的响应逐渐衰减为零，房地产住宅投资对利率及存准率冲击的响应也逐渐衰减为零，体现出了货币政策的调控作用在短期内有效，而在长期内无效的特征。房地产住宅价格和房地产住宅投资对货币政策的响应在不同模型中表现出来的巨大差异意味着HAVAR模型在货币政策制定中具有重要的参考价值，也意味着区域异质性对货币政策在房地产市场调控上的有效性存在巨大影响。

六、结论

本文通过构建HAVAR模型，尝试将我国省级房地产市场对货币政策响应的区域异质性纳入分析框架，对比分析传统宏观VAR模型和HAVAR模型中房地产住宅价格和房地产住宅投资对货币政策的响应情况。传统的宏观VAR模型既不考虑异质性，其线性总体模型也假设区域房地产市场对货币政策的响应在每个时间点上都是同质的，而HAVAR模型克服了这种局限性，放宽了对区域同质性的假设，使得模型的构建更为复杂，但也更贴近经济现实。虽然基础的区域VAR模型是线性的，但HAVAR模型是一个易于处理的非线性加总模型，其动态特性取决于地区的初始经济条件的分布。对于一组区域数据，HAVAR模型在货币冲击的动态响应的幅度和持续时间上表现出显著的经济差异，证明了区域异质性对货币政策冲击的响应具有重要作用。短期来看，中央银行在调控房地产住宅价格的过程中需要重视区域异质性对货币政策总体效率的影响。长期来看，区域异质性会导致货币政策的调控能力下降，中央银行应重视加强对房地产金融市场的宏观审慎管理，综合运用贷款价值比、债务收入比等工具对房地产信贷市场进行逆周期调节。

从现阶段我国房地产市场的发展情况看，房地产价格区域特征明显，将区域异质性作为重要影响因素纳入货币政策制定过程显得更加符合实际，也能更为高效地对全国房地产市场进行调控。中央银行应在总结近年来的调控经验基础上，进一步改进房地产调控措施，强调因城施策原则，在国家统一政策基础上，由各省级市场利率定价自律机制结合所在城市实际自主确定辖内商业性个人住房贷款的最低首付比例。除此之外，制定的货币政策在保持区域房地产市场流动性合理适度的同时，也应更加注重区域异质性在抑制资产泡沫和防范区域性金融风险中的作用。