货币政策、交通通达性与区域房价分化

徐亚平，姜 燕

一、引 言

近年来，区域间房价分化呈现加剧的态势(张娟锋 等，2010；王洋 等，2015；倪鹏飞，2019)。2005—2017年的城市房价核密度分布(图1)显示，随着房价的整体上升，城市间住房价格的分散程度越来越大，城市间住房价格分化愈发严重。这种住房价格分化引发了一系列问题，一方面，一、二线城市土地和住房的供求背离以及随之而来的房价过快增长，会加大居民住房压力，造成经济福利损失；另一方面，因大量资金及生产资源流向房地产，引致房地产泡沫风险(倪鹏飞，2019)，不利于经济的可持续发展。因此，有必要对区域房价分化进行深入探究。

城市间住房价格差异主要归因于收入水平、人口效应、政府政策以及住房和生活质量等因素。货币政策在区域间差异化的实施结果，会对房价产生较大影响(Mundell，1961；宋旺 等，2006；李刚 等，2009)。涂红等(2018)研究发现货币政策对房价影响具有区域差异。倪鹏飞(2019)的研究结果表明货币政策会通过居民收入分化和人口分化作用机制影响城市间住房价格分化。从图2可以看出，一、二线城市特别是一线城市相比三、四线城市，房价增幅越来越大，货币供应量(M2)也在快速增加。

图1 城市房价核密度分布图 图2 商品房价格和M2的趋势图

回顾我国宏观调控的实践，宽松的货币政策会促进“铁路、公路与基础设施”的建设。近年房价上涨，除北上广深等一线城市以外，二线城市的房价涨幅同样较大，而这些城市基本为重要高铁枢纽城市，因此，交通通达性也是影响区域房价分化的重要因素。我国正在进行的以高速铁路和公路为骨架的大规模快速交通网络建设，使得交通基础设施水平大幅提高(丁如曦 等，2017)，极大提升了城市间的交通通达性。交通通达性既是大城市空间聚集的前提，又是其向小城市扩散的条件(张学良，2012)，为空间经济活动的主要依赖(Redding et al，2015)。交通通达性的改善能够强化交通发展对区域空间的结构效应(王雨飞 等，2016)，对地区就业、工资和经济增长空间产生直接或间接的影响(董艳梅 等，2016)，进而推动区域房价的分化。因此，从交通通达性的视角研究货币政策对区域房价分化的影响至关重要。

基于此，本文以2005—2017年中国283个地级及以上城市面板数据为样本，采用经济地理学的建模方法，扩展建立一个包含货币政策的住房价格理论模型，从交通通达性的视角，对货币政策与区域房价分化进行理论与实证分析。结果发现，交通通达性分化对城市间房价分化具有非线性影响，呈现先减小后增加再减小的趋势。宽松的货币政策加剧了城市间房价分化，并且交通通达性分化是货币政策通过交通通达性影响区域房价分化的作用机制之一。

二、文献回顾

与本文相关的文献主要集中于两方面。一是城市住房价格的影响因素探讨，主要集中在社会经济和城市特征两个层面。在社会经济层面，况伟大(2010)通过对中国35个大中城市的分析，认为中国的房价主要由收入和人口决定。此外，一个城市提供的就业机会越多越容易吸引外来人口(Berg，2002)，外来人口占比越高的城市房价越高(李嘉楠 等，2017)。周颖刚等(2019)认为高房价会挤出无自有住房的劳动力，高技能劳动力更偏好于公共环境较好的城市，相应也愿意支付更高的居住成本(Diamond，2016)。对于有房者，房价上升对劳动力的迁移决策存在正向影响，对于无房者，高居住成本提高了其迁出概率(Foote，2016)。在城市特征层面，生活环境(Glaeser et al，2006)、基础设施建设(Shilton et al，1999)和社会公共服务(Bruyne et al，2013)影响城市间房价的差异，本地的住房市场条件也是房价差异的原因(李航 等，2017)。

二是探讨货币政策与区域房价间的关系，即货币政策对全国平均房价水平的影响和货币政策对房价区域异质性影响。关于货币政策对全国平均房价水平的影响，学者们普遍认为房价上涨离不开宽松货币政策的驱动(Iacoviello et al，2010；Negro et al，2007；李健 等，2011)，且在资产泡沫膨胀阶段尤为明显(李健 等，2011)。张炜(2017)通过分析中国30个省份在2006—2016年期间货币政策与房地产泡沫的关系，发现货币政策是影响房地产泡沫的主要因素。不论是价格型货币政策还是数量型货币政策都能够显著影响房价，如银行信贷规模加大、负的利率均对房价上涨具有显著的推动作用(孟宪春 等，2020；徐忠 等，2012)。关于货币政策对房价的区域异质性影响，Scott(1955)较早认为货币政策的实施效率存在区域差异。随后，Carlino等(1998)发现，房地产市场具有较明显的区域性特点，每个地区的资源禀赋和发展条件不尽相同，对政策的响应度也存在差异，从而导致货币政策对区域房价产生影响。Fratantoni等(2003)的研究表明，美国货币政策对各州房价的影响有很大不同，各州不同的产业结构是导致货币政策区域异质性的根本原因。国内学者也发现货币政策效应的区域异质性是造成不同区域房价差异的重要原因(梁云芳 等，2007；涂红 等，2018)。虽然货币政策对不同区域来说是统一的，但面对宽松的货币政策，发达地区能够获取更多的信贷资源，因此货币政策对发达地区经济增长的促进作用相比于不发达地区会更明显(申俊喜 等，2011)。货币供应量扩大不仅对我国不同区域的房地产市场价格波动带来明显的异质性冲击，也是造成区域房地产价格分化加剧的外部诱因(张清源 等，2018)。余华义等(2015)发现货币政策对东部以及大城市的房地产价格具有较明显的正向促进效应，而对中西部地区房地产价格的影响较弱。货币政策的持续扩张导致不同区域间房地产价格分化的加剧(倪鹏飞，2019)。

综上所述，货币政策是影响房价的重要因素，已有研究主要集中于探讨货币政策与全国平均房价波动之间的联系，而从货币政策视角考察区域房价分化的文献较少，且研究还不够深入，很难解释近年来一、二线城市与三、四线城市房价分化为何呈现加剧态势。因为影响货币政策区域异质性的主要因素如货币供应量增长、人口流动等一直都是存在的。从短期影响因素来看，很难将区域房价分化加剧完全归因于货币的影响；从长期影响因素来看，人口流动、经济发展等对目前区域房价分化加剧的解释力度也不强。而交通通达性对城市经济发展有显著的影响(王晓东 等，2014；殷江滨 等，2016；李兰冰 等，2019)。鲁渤等(2019)认为交通通达性水平与经济增长呈现显著的倒U型关系且影响程度在各地区具有显著的差异性。而龚维进等(2017)研究表明交通便利性对房价产生显著的正向作用。因此，本文将从交通通达性这一视角来研究货币政策对区域房价分化的影响，为削弱区域间房价分化提供理论支撑。本文可能的边际贡献主要体现为：(1)本文尝试从交通通达性的视角，结合我国经济转型升级的大背景，探讨近年来我国区域间房价加速分化的深层次原因。(2)借鉴Bruyne等(2013)基于经济地理学的建模方法，扩展建立一个包含货币政策的住房价格体系的空间模型来分析货币政策、交通通达性与区域房价三者之间的关系。(3)现有文献表明长三角一体化推进需要交通相互促进(滕堂伟 等，2020)，本文进一步从侧面为长三角高质量发展提供理论依据。

三、理论分析与提出假设

参考Bruyne等(2013)基于经济地理学的建模方法，扩展建立一个包含货币政策的住房价格体系的空间模型。与Bruyne等(2013)不同的是，本文在模型中引入人口变量，我们认为城市间相对人口的变化是影响城市间住房价格分化的一个重要原因。

(一)基本假设

假设考虑包含两个城市的经济体系，设定两个城市分别为大城市(

B

)和小城市(

S

)。假设大城市的居民均留在大城市工作，小城市的居民可以选择留在小城市工作或者去距离较近的大城市工作，因此当小城市居民去大城市工作才会有实际的通勤发生。小城市有

δ

份额的居民留在小城市，有(1-

δ

)去大城市工作。每小时工资为

w

，工作时间为

T

，通勤成本为

C

，收入为

wT

-

C

。通勤成本是距离的增函数，包括交通费用和通勤机会成本。假设在大城市和小城市工作的时间

T

是一样的，这意味着，大城市居民的闲暇时间和在留在小城工作居民的闲暇时间相同，而去大城市工作的小城市居民则不得不用部分闲暇时间

L

来换取通勤时间。因此，本文构建有差异化的一般消费品生产部门与房地产开发部门，即纳入异质性生产部门(Iacoviello et al，2010)。

(二)居民的收入

1．小城市居民收入

小城市居民留在小城市工作的收入为

w

T

；小城市居民去大城市工作的收入为

w

T

-

C

。因此，小城市的收入为：

δn

w

T

+(1-

δ

)

n

(

w

T

-

C

)

(1)

工作的时间为一个人的可支配的时间总数

T

减去闲暇时间

L

，再减去通勤时间

T

，因此，式(1)可以表示为：

(2)

(3)

2.大城市居民收入

(4)

(3)式和(4)可以放在一起写为：

(5)

式(5)中

Y

表示收入，

r

表示大城市

B

或小城市

S

，当

r

=

B

时，

δ

=0，

C

=0。

(三)交通通达性、劳动者选择与城市集聚能力

每个城市居民都具双重选择。第一，在闲暇和工作中做选择，我们假设一个Cobb-Douglas效用函数，其中，选择闲暇的权重为

α

，工作的权重为(1-

α

)。第二，支出在一般消费品

X

和住房

H

中做选择，再假设一个效用函数为Cobb-Dauglas型效用函数，其中，权重

β

为购买一般商品，(1-

β

)为购买住房，居民效用函数为：

(6)

其中，

r

同式(5)，

U

、

H

和

X

分别表示居民效用、居民对住房的消费量和居民对一般消费品组合的消费量。设定城市

r

的城市住房价格为

P

,，一般商品价格为

P

表示非住房的消费品价格组合(可以设定为1)，则可以得到的居民预算约束函数：

P

,

H

+

P

X

≤

Y

(7)

分析货币政策影响，本文借鉴倪鹏飞(2019)将预先持有货币约束引入模型，城市居民由当期持有的货币购买商品，名义货币总供给为

M

，则满足：∑(

P

,

H

+

P

X

)≤

M

(8)

结合(5)式、(6)式和(7)式，若城市居民效用实现最大化，通过建立拉格朗日函数，房地产价格可根据一阶条件求得，具体为：

(9)

(10)

其中，根据(9)式，房地产价格主要取决于人口、收入以及闲暇等因素。根据(10)式，当房地产市场达到均衡状态时，房地产价格还取决于总收入水平和到大城市的通勤时间等因素。

根据(9)式，小城市和大城市的相对住房价格可表示为：

(11)

进一步探究人口流动对城市住房价格影响内在机制，对(11)式的工资求偏导，具体为：

(12)

(13)

(14)

(15)

由(12)式和(13)式可知，小城市工资水平增加会使其住房价格上升，但大城市工资水平增加会使得小城市住房价格下降。(14)式和(15)式则进一步反映人口流动的影响。当小城市人口增加时，会引起其相对住房价格的上升，而大城市的人口增加会造成小城市住房价格下降，这是因为，小城市工资水平上涨使得本地就业水平上升，减少一定程度上的人口外流。但是大城市的工资水平上涨会吸引小城市的人来工作，导致小城市的人口外流，对本地住房需求减少。

进一步分析通勤成本的影响，均衡时的条件为：每个在小城市工作的居民与每个大城市居民的效用没有差异；每个在大城市工作的小城市居民与每个大城市居民的效用没有差异。具体表达为：

(16)

将(16)式整理可得：

(17)

将(17)式代入(11)式中，因为只有小城市的劳动者到大城市工作，才有通勤成本，所以大小城市住房价格表示为通勤成本的函数：

(18)

(四)比较静态分析

参考丁如曦等(2017)，从住房价格与通勤成本的关系入手，根据(18)式，可得到住房价格关于通勤成本的一阶偏导数：

(19)

(20)

(20)式揭示了通勤成本对住房价格的非线性影响机制，当小城市居民的通勤成本小于在大城市工作收入时(

C

<

w

T

)，大小城市住房价格差异关于通勤成本的二阶偏导恒为负，大小城市住房价格差异函数为凸函数。这表明，城市间住房价格差异随着小城市居民到大城市工作通勤成本增加而下降的幅度会逐渐趋缓。伴随着交通基础建设越来越便捷，通勤成本是交通通达性的倒数(鲁渤 等，2019)，会逐渐缩短并满足

C

<

w

T

的条件，大城市的收入越高，对小城市的通勤成本补偿能力越强，在大城市工作的小城市居民更愿意在小城市买房，会缩小大城市和小城市间的住房价格分化。当小城市居民的通勤成本高于在大城市工作的工资收入时(

C

>

w

T

)，大小城市住房价格差异关于通勤成本的二阶偏导恒为正，住房价格差异函数为凹函数。这表明，住房价格分化随着通勤成本增加而下降的幅度会增大。因为这种情形下，在大城市工作的小城市居民要么选择在大城市居住，愿意在大城市买房，要么选择留在小城市工作买房。而对于小城市的居民来说，大多数由于经济能力压力会选择留在小城市买房，这样会缩小大城市和小城市间的住房价格分化。随着我国交通通达性的提升，促进大城市人口和资源的流入，进而提高大城市的经济水平(董艳梅 等，2016)，而房价会依赖于地区发展状况(梁云芳 等，2007)。因此交通通达性驱动大城市房价上涨。

基于上述分析，本文提出假设1：

H1：从总体趋势来看，小城市的交通基础设施通达性对缩小城市间的住房价格分化与大城市的交通基础设施通达性相关，即城市间的交通基础设施通达性差异对城市间住房价格分化的影响是一个先递减、后递增再递减的非线性总体减函数趋势过程。

进一步分析货币政策效应，由上述的居民效用最大化和拉格朗日辅助函数，且依据一阶条件和(8)式可得:

(21)

(22)

根据(21)式，宽松货币政策(货币供应量

M

的增加)会增加去大城市工作的闲暇时间。这主要是由于宽松货币政策的实施，有利于支持铁路、公路等基础设施的建设，使交通更加便捷，通勤时间缩短，会增加去大城市工作的闲暇时间。根据(22)式，宽松货币政策会扩大大城市与小城市的房价分化。这主要是由于宽松货币政策借助交通通达性，推动人口(人才)流入、资源集聚、产业升级等各种影响因素协同发挥效应，并最终传导至房地产价格上，由此提出假设2：

H2：宽松货币政策的实施加剧区域间房价分化，并且会通过交通通达性分化作用机制影响区域间房价分化。

四、模型与数据

(一)计量模型设定

基于前文理论模型，结合住房价格的影响因素，本文构建以中国地级及以上城市为样本的城市间住房价格分化指数(

hp

)计量模型，以进行实证检验：

hp

=

a

+

a

hp

-1+

a

road

+

a

road

2+

a

road

3+

a

pop

+

a

wage

+

a

landp

+

a

landarea

+

a

Control

+

τ

+

η

+

ε

(23)

其中，

i

表示城市间的组合样本，

t

表示年份，

hp

表示城市间住房价格分化指数，

road

表示交通通达性分化指数；结合本文的理论分析部分，参照丁如曦等(2017)的做法，交通通达性分化指数的二次项为

road

2，三次项为

road

3，

pop

为人口分化指数，

wage

为居民收入分化指数，

landp

为土地出让价格分化指数，

landarea

表示土地出让面积分化指数，

Control

代表一组控制变量；

τ

和

η

分别表示时间固定效应和个体固定效应；

ε

表示随机扰动项。

各城市都面临着统一的货币政策，并且货币政策与住房价格波动紧密相关，所以在本文理论模型所揭示的住房价格影响机制中，货币政策能够通过交通通达性分化指数对区域房价分化产生影响。由于影响货币政策区域异质性的人口、收入因素一直都是存在的，因此，本文也将检验货币政策通过人口分化、居民收入分化影响区域房价分化的作用效应，构建如下模型：

hp

=

β

+

β

M

growth

×

Ivar

+

β

Control

+

η

+

τ

+

φ

(24)

其中，

M

growth

为货币供应量

M

增长率，

Ivar

表示调节变量，具体为交通通达性分化指数

road

、人口分化指数

pop

、居民收入分化指数

wage

。

(二)样本、变量选取及说明

1.样本选取及说明

一些城市因数据缺失被剔除，本文实际选取我国283个地级及以上城市作为研究样本，并通过GDP、人口、人均可支配收入、实际利用外资金额(万美元)、财政收入、金融机构人民币资金运用贷款(万元)、人口(万人)、职工平均工资(元/人)、城市建成区面积(平方公里)、城市道路面积(万平方米)、建成区绿化率覆盖率(%)和高校学生人数(人)等指标进行聚类分析，将283个城市分为四组城市。

根据上述分组，采用地理学中的特定方向空间分化程度的方法(PDI)对“高—低”两组城市的空间分化程度进行测度，分别测度四组两两间的十类分化指数，包括一线与二线，一线与三线，一线与四线，二线与三线，二线与四线，三线与四线，一线与二、三、四线，一、二线与三线，一、二线与四线，一、二线与三、四线城市间的分化指数。PDI指数越高，说明在该空间方向上的分化越大，PDI指数具体可表示为：

(25)

式(25)中，

x

代表组

E

第

i

城市某项指标的均值，

y

表示组

F

第

j

个城市的某项指标的均值，

μ

为所有样本某个指标的均值，组

E

和组

F

的城市个数分别为

m

和

n

，

M

和

M

分别为组

E

和组

F

的幂平均数，具体表现为：

(26)

其中，

q

为大于0的任意值，当0<

q

<1，权重更倾向于小城市的指标，反之倾向于大城市的指标。从本文的研究对象看，大小城市组内部小城市数占多数，同时结合倪鹏飞(2019)和王洋等(2015)的研究，根据中国城市的实际情况将

q

值定为0.8。

2.变量选取及说明

(1)被解释变量：城市间住房价格分化指数(

hp

)。借鉴倪鹏飞(2019)的做法，根据商品房销售面积和销售额求得平均价格，再根据式(25)和(26)计算城市间住房价格分化指数。(2)核心解释变量：交通通达性分化指数(

road

)。本文综合考虑采用鲁渤等(2019)以公路密度，即公路里程除以国土面积衡量交通通达性，然后再计算其分化指数；人口分化指数(

pop

)，采用城区人口的分化指数；居民收入分化指数(

wage

)，使用职工平均工资分化指数；土地出让面积分化指数(

landarea

)，用以衡量住房供给分化；土地出让价格分化指数(

landp

)，用土地出让收入除以土地出让面积表示；货币政策(

M

growth

)，因为货币政策作为宏观经济变量在一定时期内对所有城市的影响都是一样的，因此不需要进行分化指数处理，以货币供应量

M

的增长率来表示。(3)控制变量：借鉴倪鹏飞(2019)、鲁渤等(2019)的研究，采用房价分化的滞后项为当前房价的预期(

hgp

)；绿化覆盖率分化指数(

greenc

)，用建成区绿化覆盖率分化指数来衡量；小学师生比分化指数(

pstr

)，用以反映不同城市教育水平差异程度；病床张数分化指数(

hbed

)，用以反映不同城市间的医疗水平差异程度；地方财政收支比分化指数(

revexpr

)，如果地方财政存在赤字或收支趋紧，就会存在更强的推动房价上涨的动机；大学生占比分化指数(

univp

)，能够反映人力资本以及潜在的住房需求。本文所有变量的分化指数都由(25)和(26)式计算而得。

(三)数据来源与描述性统计

1.数据来源

本文选取中国283个地级及以上城市2005—2017年的面板数据进行分析。相关数据取自《中国区域统计年鉴》、《中国城市统计年鉴》、国家统计局官网等，并采用插值法填补少量空缺数据和异常值。

2.描述性统计

根据式(25)和式(26)的PDI计算公式，利用2005—2017年的数据，使用java软件算出各变量由一、二、三、四线城市两两之间的十类分化指数，得到130个观测值。主要变量的描述性统计如下：

表1 描述性统计

五、实证结果与分析

(一)交通通达性对区域房价分化的影响

表2报告了交通通达性对区域房价分化的影响，第(1)列仅考虑了交通基础设施通达性分化指数一次项，第(2)列加入交通基础设施通达性分化指数二次项，第(3)列将交通基础设施通达性分化指数三次项纳入其中。回归结果表明：变量

road

在第(1)列中的估计系数为小于0，与理论分析中的城市住房价格关于通勤成本一阶导数为负相符，这意味着随着小城市的交通基础设施通达性增强，与大城市间交通通达性分化减弱，小城市居民去大城市更容易，大城市吸引更多小城市居民来大城市定居，促进大城市的房价上涨，反而会增加区域房价分化。在加入交通基础设施通达性二次项和三次项之后，模型的回归效果也有所提升。二次项和三次项的加入有效捕捉到交通基础设施通达性分化指数对城市间住房价格分化指数的非线性机制。从第(3)列结果来看，变量

road

、

road

2和

road

3的估计系数分别显著为负、正和负。这意味着，当小城市与大城市间的交通基础设施通达性分化指数上升，城市间的住房价格分化指数呈现出先递减后递增再递减的趋势。假设H1得到支持。此外，根据实证结果，居民收入分化指数和人口分化指数对城市间住房价格分化的影响显著为正，影响系数分别为0.597和0.311，说明人口(人才)流动、收入(人力资本)等确实是影响区域房价分化的核心因素。

表2 基准回归

(二)货币政策对区域房价分化的影响

表3报告了货币政策对区域房价分化的影响。其中，第(1)列未加入控制变量，第(2)列未加入控制时间效应，第(3)列则两者都加入，结果表明货币供应量增长率对城市住房价格分化在1%水平上有显著的正向推动作用，与理论分析结果一致。第(3)列的回归结果显示货币政策的估计系数为0.122，说明货币供应量增速越快，城市住房价格分化越大。这意味着宽松的货币政策会促进城市住房价格分化。这与涂红等(2018)研究发现的货币政策对城市间住房价格的影响存在显著差异的结论一致，且进一步补充货币政策对城市间住房价格分化具有正向的促进作用。

表3 货币政策与住房价格分化

(三)货币政策影响区域房价分化的作用机制

上述研究表明货币政策显著促进住房价格分化，本文进一步探究货币政策对城市间住房价格分化可能存在交通通达性、居民收入、人口流动三种作用机制，具体结果见表4。

根据表4第(3)列，货币供应量对人口分化的估计系数在1%水平下显著为正，这说明货币供应量扩张会促进人口分化。第(4)列的结果表明，在考虑人口分化的情况下，货币供应量扩张对住房价格分化具有显著的正向作用。表4第(1)列显示，货币供应量增长率估计系数在1%水平上显著为正，表明宽松货币政策会加剧城市居民收入分化。第(2)列的结果表明，在考虑居民收入分化的情况下，货币供应量增速对区域房价分化具有显著的正向效应。这一结论与倪鹏飞(2019)相一致。

根据表4第(5)列可知，货币供应量扩张对交通通达性分化具有显著的正向推动效应，且在1%水平上显著。第(6)列显示，在考虑交通通达性分化的情况下，货币供应量增速与区域房价分化具有显著的正向关系，说明宽松货币政策能够借助交通通达性这一作用机制对区域房价分化产生影响，支持了H2。值得注意的是，货币供应量增速的估计系数大于表3第(3)列的估计系数，这说明交通基础设施通达性分化可能对住房价格分化具有非线性关系，这也与理论分析和基准回归模型的结果相符。因此，第(7)列在第(6)列的基础上加入交通基础设施通达性的二次和三次项，结果显示其一、二和三次项的估计系数符号显著为负、正和负，与前文的理论分析也是一致的。

表4 货币政策对区域房价分化影响的作用机制检验

(四)稳健性分析

1.内生性检验。采用2SLS工具变量法进行内生性检验。首先借鉴倪鹏飞(2019)采用城市居民生活用水量作为人口工具变量，城市蔬菜产量作为土地出让面积的工具变量。其次，城市每百人图书馆藏书可以作为居民收入的合适工具变量。最后借鉴李兰冰等(2019)、孙传旺等(2019)采用地理坡度和降水量乘积构建公路建设的工具变量。具体结果如表5中的第(1)列至第(4)列所示，第一阶段回归F统计量大于10这一经验值，表明所选择的工具变量与内生解释变量解释之间高度相关(陈诗一 等，2018；孙传旺 等，2019)，可排除“弱工具变量”问题。并且Sargan-Hansen统计量检验结果均不显著，表明本文选择的工具变量是比较有效的。在进行工具变量回归分析后，货币供应量增速的估计系数仍旧为正，居民收入分化、人口分化、土地出让价格和土地供给分化的估计系数与前文保持一致，表明实证研究结果是稳健的。

2.更换货币供给衡量方式。鉴于中国货币政策操作以货币供给量调控为主(王国刚，2012；谭政勋 等，2015)，本文使用M1增长率代替前文中的M2增长率来衡量。具体结果如表5第(5)列所示，均与前文的估计系数方向保持一致。

3.进一步稳健性讨论。首先，考虑到核心解释变量可能存在的内生性偏误，控制变量也可能具有内生性问题，因此，将控制变量都滞后一期。如表5第(6)列所示，核心变量的估计系数和显著性均未发生实质性变化，进一步显示实证研究结果的稳健性。其次，由于2008年是金融危机年，可能对各变量存在一定的冲击，因此剔除2008年数据进行回归，检验结果如表5第(7)列所示，结果依旧稳健。

表5 稳健性检验

六、主要结论与启示

本文基于经济地理学的建模方法，扩展建立一个包含货币政策的住房价格空间模型，从交通通达性的视角，研究货币政策影响区域房价分化的作用机制。在理论分析和实证研究的基础上，得出以下主要结论：(1)交通通达性分化加剧对区域房价分化具有先减小后增强再减小的趋势。(2)宽松货币政策的实施，有利于支持铁路、公路等基础设施的建设，增强了大城市的资源集聚能力和经济增长空间，奠定区域房价分化的前提和基础。(3)人口、居民收入、土地供给等因素分化和相关宏观经济变量等会加剧城市间住房价格分化。(4)货币政策通过交通通达性影响区域房价分化。(5)过去一段时期，适应我国经济发展的新特征和新要求，产业转型和升级成为我国经济工作的重中之重。交通通达性提升所带来的虹吸效应，进一步增强大城市的资源吸纳能力，扩大大城市发展高端产业的竞争优势。从不同地区工资收入水平的差距来看，一个城市的规模越大、产业越高端，其工资收入水平也越高。因此，伴随着产业的升级，必然是工资水平的相对提高，从而进一步推动区域房价的分化。

根据以上研究结论，得到以下启示：(1)加大对三、四线城市的政策支持，谋划好区域特色经济。在当前经济高质量发展的背景下，既要做好传统产业的转型升级，也要谋划好战略性新兴产业的发展。由于人才等方面的条件制约，在高端产业发展方面，三、四线城市的竞争力普遍落后于大城市。三、四线城市留住人才的关键在于立足地区禀赋，发展好区域特色经济，而不能一味地发展交通基础设施，而应形成特有产业竞争力。(2)以长三角一体化发展为引领，推动区域协调发展。从本质上看，区域房价持续分化实际也是区域经济社会发展差异的一个体现。这需要进一步落实好区域发展总体战略，探索区域协同创新模式，推动各地区共同发展。(3)优化结构性货币政策，加大对新基建的定向支持。货币政策在继续支持“铁公基”等传统基础设施建设的同时，也要加大对新基建的定向支持，支持发展 5G技术、人工智能和工业互联网等新型基建，努力提升创新型产业，创造出新的经济增长点，以此将更多资金吸引至实体经济，避免宽松货币政策导致大量资金进入房地产市场。