李成 李一帆 于海東 李文樂

摘要：本文基于消費約束的效用函數(shù)構(gòu)建“人口數(shù)量—貨幣政策—房地產(chǎn)價格”理論模型，從供求關(guān)系解讀城市人口、貨幣政策影響房地產(chǎn)價格的內(nèi)在機(jī)理，運用2010年第二季度至2018年第四季度的百城季度數(shù)據(jù)進(jìn)行面板校正標(biāo)準(zhǔn)誤檢驗。研究發(fā)現(xiàn)：

（1）一、二、三線城市常住人口和信貸規(guī)模的增加通過擴(kuò)張房地產(chǎn)供需缺口提高房價，而利率和存款準(zhǔn)備金率的緊縮能夠抑制房價上漲;

（2）從房價變化的視角來看，價格型貨幣政策工具調(diào)控房價的功效優(yōu)于數(shù)量型工具，其中不同期限價格型工具的調(diào)控效果有所差異，1至3年短期貸款利率的效果最為明顯;

（3）伴隨城市化推進(jìn)，貨幣政策抑制房價的效應(yīng)在一定程度上被人口增加和信貸擴(kuò)張“對沖抵消”。因此，不僅需要貨幣政策工具發(fā)揮約束房價的“靶向”作用，更需探索不同城市動態(tài)差別化供給房地產(chǎn)的長效機(jī)制。

關(guān)鍵詞：城市人口;貨幣政策;信貸投放;房地產(chǎn)價格;消費效用函數(shù)

文獻(xiàn)標(biāo)識碼：A

文章編號：100228482020（01）010812

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

一、文獻(xiàn)綜述

《2019年新型城鎮(zhèn)化建設(shè)重點任務(wù)》的頒布，為新一輪城市化推進(jìn)鋪平了道路，預(yù)示著房地產(chǎn)市場發(fā)展進(jìn)入新階段?；仡櫸覈鞘卸嗄暌詠淼姆康禺a(chǎn)價格變化，一、二線城市房價持續(xù)攀升，三、四線城市房價跟隨一、二線城市變動，整體呈現(xiàn)上漲態(tài)勢。造成這一現(xiàn)象的主要原因何在？房價為何給人“只漲不跌”的錯覺？本文從消費約束的效用函數(shù)入手，構(gòu)建“人口數(shù)量—貨幣政策—房地產(chǎn)價格”理論模型，運用供求機(jī)理從城市人口和貨幣政策兩個維度解讀房價變化，并對其進(jìn)行實證檢驗，以圖廓清城市房價變動的內(nèi)在邏輯。

長期以來，人口與房價的關(guān)系深受學(xué)術(shù)界關(guān)注。Tabuchi?[1]較早指出由經(jīng)濟(jì)發(fā)展催生的勞動力人口流入會直接抬高房價。對此，Brown等?[2]運用住房需求方程發(fā)現(xiàn)人口增加通過提高總需求促使房價上漲;Stevenson?[3]指出，新增人口創(chuàng)造住房有效需求是支撐房價上漲的關(guān)鍵。學(xué)術(shù)界由此將伴隨城市發(fā)展的人口空間流動引入房地產(chǎn)分析，并形成房價上漲的“城市化論”觀點?[4]。Chen等?[5]發(fā)現(xiàn)城市化加快了人口遷移規(guī)模，而這正是引起住房需求和價格上升的重要因素。駱永民?[6]根據(jù)四種面板模型分析認(rèn)為，流動人口增長對房地產(chǎn)需求具有正向作用，越是勞動力流入充足的地域，由城市化帶來的房地產(chǎn)需求擴(kuò)張效應(yīng)就越明顯。劉修巖等?[7]構(gòu)建房價內(nèi)生性的城市體系模型，認(rèn)為人口既能通過房地產(chǎn)需求直接影響房價，又能借助為房地產(chǎn)市場提供人力資源間接影響房價。傅貽忙等?[8]采用系統(tǒng)GMM估計方法指出人口空間結(jié)構(gòu)通過區(qū)域房地產(chǎn)庫存影響房價。

基于人口視角并從需求端研究房地產(chǎn)的文獻(xiàn)在一定程度上解釋了房價變動。然而，根據(jù)現(xiàn)實觀察到的房價整體上漲并不能完全歸咎于人口因素，一個簡單判斷是，房地產(chǎn)的開發(fā)和銷售均高度依賴銀行信貸，信貸資金流入房地產(chǎn)市場，也會推動樓市發(fā)展從而提高房價。因此，信貸成為影響房價的另一重要因素。

追溯信貸影響房價的研究可至Hayek?[9]的貨幣周期理論，該理論揭示信貸過度擴(kuò)張催生資產(chǎn)價格泡沫。Collyns等?[10]利用向量自回歸分析東亞國家的房地產(chǎn)市場，發(fā)現(xiàn)信貸增加會提高房價。Goodhart等?[11]指出“次貸”危機(jī)后美聯(lián)儲過量的信貸投放促使房價反彈，引起房價與信貸同向變化。Davis等?[12]建立包含信貸和房價的一般均衡模型，認(rèn)為銀行向購房者提供貸款的行為經(jīng)過需求端抬高房價。Nishimura?[13]運用統(tǒng)計分析發(fā)現(xiàn)信貸擴(kuò)張造成美日兩國的房地產(chǎn)泡沫。平新喬等?[1416]的研究也為此提供了國內(nèi)證據(jù)，這些文獻(xiàn)較早地發(fā)現(xiàn)投向房企和購房者的貸款對房價存在顯著的正向作用，形成“金融過度支持”觀點。在后續(xù)研究中，陳詩一等?[17]借助包含房地產(chǎn)市場的DSGE模型，指出銀行貸款意愿上升通過直接效應(yīng)、替代效應(yīng)、風(fēng)險承擔(dān)效應(yīng)和金融加速器效應(yīng)拉動房價。馬勇等?[18]運用門檻面板回歸分析中國省份數(shù)據(jù)，發(fā)現(xiàn)銀行信貸對房價存在非線性和非對稱的影響，特別是在房地產(chǎn)貸款規(guī)模較高時銀行信貸對房價影響顯著。

隨著信貸推動房地產(chǎn)發(fā)展，如何防范貨幣過度流向樓市以致房價“失控”逐漸成為關(guān)注焦點，學(xué)術(shù)界開始探索貨幣政策對房價的調(diào)控效果。既有文獻(xiàn)大多認(rèn)為貨幣政策緊縮使房價產(chǎn)生負(fù)向變化，并從貨幣政策工具的分類視角進(jìn)行討論?[1921]。我國貨幣政策曾依賴“數(shù)量為主、價格為輔”的調(diào)控模式?[22]，導(dǎo)致許多研究傾向數(shù)量型貨幣政策工具調(diào)控房價的效果優(yōu)于價格型工具?[2326]。隨著我國經(jīng)濟(jì)由高速發(fā)展轉(zhuǎn)向高質(zhì)量發(fā)展，貨幣政策調(diào)控市場相應(yīng)從單純數(shù)量擴(kuò)張轉(zhuǎn)向價格信號引導(dǎo)，也有研究指出價格型工具調(diào)控房價的作用更為明顯。郭文偉?[27]基于單位根右側(cè)ADF方法檢驗我國房地產(chǎn)市場，發(fā)現(xiàn)提高短期貸款利率能夠有效抑制房價泡沫。劉中顯等?[28]指出嚴(yán)控房貸利率有助于健全適應(yīng)市場規(guī)律的房地產(chǎn)調(diào)控機(jī)制。歐陽志剛等?[29]通過因子擴(kuò)展VAR模型，指出1年期存款基準(zhǔn)利率對房地產(chǎn)具有更好的調(diào)節(jié)作用。因此，若要貨幣政策調(diào)控房價發(fā)揮最佳效果，應(yīng)當(dāng)根據(jù)經(jīng)濟(jì)發(fā)展的不同階段在數(shù)量型和價格型之間有所側(cè)重。

梳理已有文獻(xiàn)，針對房價變動的研究或從人口角度予以闡釋，或從信貸層面展開討論，鮮有文獻(xiàn)在一個較為完整的框架內(nèi)，對人口和信貸各自對房價的影響進(jìn)行系統(tǒng)性分析。因而，同時考慮人口和信貸兩個因素剖析房價變化機(jī)理，亟待深入探索。進(jìn)一步地，須將與信貸息息相關(guān)的貨幣政策因素融入其中，從貨幣總量層面入手，立足于“數(shù)量”和“價格”兩個維度解讀房價變動的邏輯，方能明晰貨幣政策調(diào)控房價的內(nèi)在規(guī)律。

為此，本文基于消費約束的效用函數(shù)視角，引入貨幣政策的數(shù)量型與價格型工具，構(gòu)建包含人口、信貸、法定存款準(zhǔn)備金率以及利率在內(nèi)的“人口數(shù)量—貨幣政策—房地產(chǎn)價格”理論模型，據(jù)此從房地產(chǎn)供求的本質(zhì)層面對房價變化進(jìn)行機(jī)理分析，運用我國經(jīng)濟(jì)“換擋期”的百城季度數(shù)據(jù)進(jìn)行實證檢驗，廓清在人口數(shù)量和信貸投放的雙重影響下，貨幣政策數(shù)量型工具與價格型工具調(diào)控房價的效果。后文的安排如下：第二部分為理論模型構(gòu)建與內(nèi)在機(jī)理闡釋;第三部分為實證檢驗;第四部分為實證結(jié)果分析;第五部分為全文結(jié)論與啟示。

二、理論模型構(gòu)建與機(jī)理闡釋

已有“人口—資產(chǎn)價格泡沫模型”?[30]和“人口—信貸—房價模型”?[31]，分別從人口與資產(chǎn)價格、人口與銀行信貸的不同角度討論了房價變化，但未能從貨幣的“數(shù)量”與“價格”視角進(jìn)一步剖析。本文引入貨幣政策調(diào)控的數(shù)量型和價格型工具，從消費約束的效用函數(shù)視角切入，構(gòu)建“人口數(shù)量—貨幣政策—房地產(chǎn)價格”理論模型，以全面揭示影響房價的因素。在此基礎(chǔ)上，深入闡釋城市人口、貨幣政策作用于房價的途徑，探討房價變動的內(nèi)在機(jī)理。

（一）理論模型構(gòu)建

假設(shè)消費者為同質(zhì)理性人，通過選擇并購買不同的商品實現(xiàn)自身效用最大化。在市場上存在兩種商品：房地產(chǎn)與其他商品。因此，消費者在購房時的消費效用函數(shù)為

U=αlnCR+βlnCO（1）

其中，消費者在購房時的消費效用函數(shù)U，可以視為房地產(chǎn)消費效用函數(shù)與其他商品消費效用函數(shù)的簡單加總。lnCR和lnCO是以自然對數(shù)表示的效用函數(shù)，CR代表房地產(chǎn)消費、CO代表其他商品消費。α、β分別代表房地產(chǎn)消費、其他商品消費的不同效用偏好。

消費者出于生存居住的基本需要存在房地產(chǎn)需求。由于房地產(chǎn)的高價格屬性，在購買房地產(chǎn)時，個人僅憑自有資金難以一次性全額支付房款，需要向銀行申請貸款輔以完成購買，在銀行發(fā)放貸款的前提下，消費者在購房時的預(yù)算約束條件為

PRQR+POQO≤W+L（2）

式（2）表明，消費者購房時的可使用資金（W+L），需要滿足自身的購房消費PRQR和其他消費POQO。其中，PR、PO分別表示房地產(chǎn)價格、其他商品的價格，QR、QO分別表示房地產(chǎn)消費數(shù)量、其他商品消費數(shù)量，W表示消費者購房時的自有資金，L表示銀行貸款。

為實現(xiàn)效用最大化，要求消費效用函數(shù)的偏導(dǎo)數(shù)為零。因此，圍繞式（1）求解消費效用函數(shù)關(guān)于房地產(chǎn)消費的偏導(dǎo)，即UCR=0，具體過程如下：

對式（2）取等號，有PRQR+POQO=W+L，也即CR+CO=W+L。

對式（1），根據(jù)效用最大化條件有

UCR=αCR-βW+L-CR=0（3）

得到βCR=α（W+L）-αCR，因此在效用最大化條件下的房地產(chǎn)消費量CR為

CR=α（W+L）α+β（4）

假設(shè)此時的人口數(shù)量為H，房地產(chǎn)總供給上限為S，則每個消費者可以獲得的房地產(chǎn)供給為S/H。進(jìn)一步地，由于CR=PRQR，倘若房地產(chǎn)市場處于供求相等的均衡狀態(tài)，即消費者購買房地產(chǎn)的數(shù)量（需求）等于房地產(chǎn)供給，則有

QR=CRPR=α（W+L）（α+β）PR=SH（5）

由式（5）可知，房地產(chǎn)價格PR為

PR=HS×α（W+L）α+β（6）

受土地的稀缺性、非流動性、供應(yīng)壟斷性等多種因素影響，依附于土地的房地產(chǎn)供給上限S存在一個定值，因此假定S保持不變。式（6）表明，在消費偏好α、β以及房地產(chǎn)總供給上限S不變的前提下，房地產(chǎn)價格PR受到消費者自有資金W、銀行貸款L以及人口數(shù)量H的正向影響。

在此引入貨幣政策因素。根據(jù)貨幣政策信貸傳導(dǎo)理論，貨幣政策作為宏觀總量政策，通過數(shù)量型工具（法定存款準(zhǔn)備金率）和價格型工具（利率）調(diào)控信貸，從而成為影響銀行信貸規(guī)模的最主要因素。因此，銀行信貸L既受法定存款準(zhǔn)備金率rd的影響，也受利率rx的影響。兩相作用，貨幣政策能夠從宏觀層面決定銀行發(fā)放貸款的數(shù)量L（rd，rx）。最終，式（6）可進(jìn)一步寫為

PR=HS×α[W+L（rd，rx）]α+β（7）

鑒于法定存款準(zhǔn)備金率和利率分別對銀行信貸L存在負(fù)向影響，而銀行信貸L又對房價PR存在正向影響，因而通過銀行信貸的傳遞，法定存款準(zhǔn)備金率rd和利率rx均對房價存在負(fù)向影響。最終，式（7）即本文推導(dǎo)的“人口數(shù)量—貨幣政策—房地產(chǎn)價格”理論模型。

式（7）從方向性影響的角度指出：在一座城市中，當(dāng)其他條件不變時，人口數(shù)量H增加、信貸規(guī)模L擴(kuò)張均會提高房價PR，法定存款準(zhǔn)備金率rd和利率rx的增加則會降低房價PR。此外，消費者在購房時的自有資金W可以看作是其工資收入的結(jié)余，由于工資粘性，工資收入無法通過即時變動迅速影響房價。因此，人口增加和信貸擴(kuò)張成為推動房價上漲的兩大因素，法定存款準(zhǔn)備金率和利率的提高成為抑制房價上漲的重要因素。綜上所述，人口數(shù)量變化、貨幣政策調(diào)控均對房價變動產(chǎn)生影響。

（二）模型機(jī)理闡釋

在式（7）基礎(chǔ)上立足中國現(xiàn)實，融合供求理論，圍繞人口數(shù)量變動、貨幣政策調(diào)控對房價變化的內(nèi)在機(jī)理進(jìn)行闡釋。圖1是根據(jù)式（7）推導(dǎo)的結(jié)論繪制的框架圖，描述了城市人口、貨幣政策影響房價的不同途徑。其中，

途徑①是城市人口直接影響房價;

途徑②是以法定存款準(zhǔn)備金率為代表的貨幣政策數(shù)量型工具，通過銀行信貸的“聯(lián)結(jié)”影響房價;

途徑③是以利率為代表的貨幣政策價格型工具，通過銀行信貸的“傳遞”作用于房價;

途徑④是銀行信貸直接影響房價。

1.城市人口變動對房價的影響

人口是房地產(chǎn)市場發(fā)展的基本支撐，人口數(shù)量增加能夠擴(kuò)張房地產(chǎn)需求，成為影響房價的直接動能。改革開放以來，我國的城鎮(zhèn)化率從1978年的17.92%提高到2018年的59.58%

數(shù)據(jù)來源：國家統(tǒng)計局。。在此期間，農(nóng)村人口逐步向城市流動，形成集中涌向大中型城市的趨勢。雖然長期存在的戶籍制度通過行政性手段實施城鄉(xiāng)分割?[32]，在限制人口自由流動的同時約束了城市對人口的吸納能力，但是伴隨人口紅利迎來“拐點”，戶籍制度的逐漸放松彌合了人口流動的“城際鴻溝”，城市間差異化甚至普惠化的落戶政策消弭了人口遷徙的制度障礙，推動人口流向大中型城市。持續(xù)進(jìn)入大中型城市的人口直接增加當(dāng)?shù)氐姆康禺a(chǎn)剛需，加劇大中型城市土地稀缺性與住宅用地需求之間的矛盾，依附于有限土地的房地產(chǎn)供給承受過量的購房需求，造成房地產(chǎn)供給不足。因此，人口不斷流入大中型城市產(chǎn)生的房地產(chǎn)剛性需求與大中型城市的房地產(chǎn)供給不足產(chǎn)生“錯位碰撞”，擴(kuò)大了房地產(chǎn)市場的供求缺口，促使大中型城市房價率先上漲。

大中型城市房價上漲的示范效應(yīng)也激活了房地產(chǎn)的投資投機(jī)需求。自1998年起我國實施商品房制度，在繁榮房地產(chǎn)市場發(fā)展的同時不斷推升房價。房價總體保持上漲甚至“大漲”，令房地產(chǎn)成為近二十年來回報率最顯著的投資項目，促使市場形成房價繼續(xù)上漲的預(yù)期，在“買漲不買跌”的情緒驅(qū)使下激發(fā)房地產(chǎn)需求。加之羊群效應(yīng)推波助瀾掀起非理性搶購狂潮，引發(fā)的房價上漲加劇房地產(chǎn)的投資投機(jī)需求，引發(fā)房價螺旋式攀升。進(jìn)一步地，大中型城市房價變動還會通過“波紋效應(yīng)”影響中小型城市?[33]。隨著大中型城市可容納的人口數(shù)量達(dá)到極限，房地產(chǎn)市場的有限供給無法再滿足過量需求，高房價的阻礙迫使部分在大中型城市工作的人口遷移至鄰近中小型城市居住，相應(yīng)增加了中小型城市的房地產(chǎn)剛性需求，為抬高房價奠定基礎(chǔ);同時，受市場影響，大中型城市高房價的現(xiàn)實誘使投機(jī)者形成中小型城市房價跟隨上漲的預(yù)期，將房地產(chǎn)投資投機(jī)需求轉(zhuǎn)移至鄰近中小型城市從而抬高房價。最終，在人口流動的影響下，大中型城市過量的房地產(chǎn)需求依托空間傳導(dǎo)至中小型城市，導(dǎo)致城際間房價整體上升。

綜上所述，城市人口對房價的影響主要通過需求端實現(xiàn)。城市人口數(shù)量增加，房地產(chǎn)的剛性需求和投資投機(jī)需求相應(yīng)增加，房地產(chǎn)需求與供給缺口相對擴(kuò)大，房價上升也就不言而喻。因此，城市人口數(shù)量擴(kuò)張引發(fā)房價上漲，這是理論模型式（7）揭示的一個重要經(jīng)濟(jì)含義。

2.貨幣政策調(diào)控對房價的影響

伴隨人口涌向城市提高房價，運用金融手段靈活調(diào)控房地產(chǎn)市場成為當(dāng)務(wù)之急。貨幣政策作為宏觀調(diào)控的重要方式，既能從貨幣供給端調(diào)整商業(yè)銀行向市場注入的資金數(shù)量，又能從貨幣需求端影響微觀主體，改變企業(yè)（個人）需要的資金規(guī)模。以上過程通過數(shù)量型與價格型工具的使用得以實現(xiàn)。當(dāng)市場有效需求發(fā)生變化時，貨幣政策憑借“有形之手”調(diào)控貨幣的數(shù)量與價格，調(diào)節(jié)供求關(guān)系，對市場進(jìn)行方向校正，形成相對穩(wěn)定的房地產(chǎn)均衡價格。

（1）法定存款準(zhǔn)備金率和利率影響房價。

作為貨幣政策數(shù)量型和價格型工具的代表，法定存款準(zhǔn)備金率和利率分屬貨幣政策調(diào)控“硬幣的兩面”。在理想情況下，法定存款準(zhǔn)備金率和利率對市場均衡價格的調(diào)控結(jié)果具有一致性，對于房地產(chǎn)市場也不外如是。

法定存款準(zhǔn)備金率作為貨幣政策數(shù)量型調(diào)控工具，通過調(diào)節(jié)商業(yè)銀行在中國人民銀行的存款準(zhǔn)備金數(shù)量影響商業(yè)銀行信貸供給，相應(yīng)改變流入房地產(chǎn)市場的資金規(guī)模。當(dāng)央行提高法定存款準(zhǔn)備金率時，受商業(yè)銀行貨幣供給緊縮的影響，信貸資金減少波及房地產(chǎn)供求雙方，通過給房地產(chǎn)市場“降溫”對房價發(fā)揮抑制作用。此外，當(dāng)央行連續(xù)提高法定存款準(zhǔn)備金率時，不斷緊縮的信貸規(guī)模催生資金成本逐漸提高的市場預(yù)期，能夠持續(xù)遏制房價上漲。反之，當(dāng)央行降低法定存款準(zhǔn)備金率時，由此產(chǎn)生的流動性“閘門”擴(kuò)張效應(yīng)會從總量層面增加房地產(chǎn)市場的資金規(guī)模，在助力房地產(chǎn)市場發(fā)展的同時提高房價。因此，法定存款準(zhǔn)備金率對房價具有負(fù)向影響。

利率作為貨幣政策價格型調(diào)控工具，能夠直接影響銀行貸款資金的成本，借助價格信號牽引房地產(chǎn)市場的資金總量發(fā)生微調(diào)甚至轉(zhuǎn)向，發(fā)揮房價調(diào)控作用。進(jìn)一步地，當(dāng)央行提高基準(zhǔn)利率時，經(jīng)過利率體系傳導(dǎo)提高房地產(chǎn)供給方的貸款利率和購房需求方的按揭利率，貸款成本的提高通過平抑房地產(chǎn)市場過熱勢頭降低房價。同樣，當(dāng)央行連續(xù)提高基準(zhǔn)利率，憑借信號宣示功能在房地產(chǎn)市場形成資金成本持續(xù)上升的穩(wěn)定預(yù)期，“冷卻”房地產(chǎn)市場熱度。因此，利率對房價變動存在負(fù)向影響。

綜上所述，法定存款準(zhǔn)備金率和利率的提高能夠抑制房價上漲，這也是理論模型式（7）揭示的重要經(jīng)濟(jì)含義。特別指出，當(dāng)房價上漲產(chǎn)生的收益遠(yuǎn)高于法定存款準(zhǔn)備金率或基準(zhǔn)利率提高帶來的成本時，房地產(chǎn)市場的投資投機(jī)需求會被強烈激發(fā)，資金成本的約束力將失去功效。此時需要貨幣政策對房地產(chǎn)市場持續(xù)緊縮操作，通過貨幣政策數(shù)量型與價格型工具的組合強化對房價上漲的調(diào)控作用。此外，貨幣政策雖然從總量層面平抑“投資投機(jī)性”房價波動，在一定程度上緩解房地產(chǎn)市場的躁動情緒，但是由人口增加引發(fā)的住房剛性需求和改善性需求無法單純運用緊縮貨幣政策進(jìn)行抑制，只能通過邊際收縮信貸供給或階梯式提高房貸利率的方式約束人們購買房地產(chǎn)的數(shù)量，從而拓展貨幣政策結(jié)構(gòu)性調(diào)控房價的邊際空間。

（2）銀行信貸影響房價。

房地產(chǎn)屬于資金密集型產(chǎn)業(yè)，需要大量的資金支持。銀行信貸不僅為房地產(chǎn)的土地購買、建設(shè)開發(fā)、市場銷售全程提供資金，也給予房地產(chǎn)市場穩(wěn)定的發(fā)展環(huán)境，因此銀行信貸成為房地產(chǎn)市場的主要融資渠道。從供求視角來看，一方面，作為房地產(chǎn)市場的直接供給方，開發(fā)商在房地產(chǎn)置地建造的過程中必須投入資金購買土地、原材料和勞動力，由此產(chǎn)生的巨量資金需求僅憑開發(fā)商獨木難支，需要銀行信貸予以融資幫助;另一方面，房地產(chǎn)高價格的現(xiàn)實導(dǎo)致消費者購買房地產(chǎn)同樣離不開銀行信貸。

當(dāng)銀行信貸增加時，市場供求雙方借助信貸擴(kuò)張踴躍參與房地產(chǎn)活動，推動房地產(chǎn)市場走向繁榮。一方面，由于短期內(nèi)土地供給的有限性，房地產(chǎn)供給方隊伍的壯大加劇土地市場競價，造成土地價格持續(xù)上漲，地價上漲通過成本機(jī)制轉(zhuǎn)移至房價。另一方面，銀行擴(kuò)張信貸提高了獲得貸款的可能性，促使消費者潛在的遠(yuǎn)期購房計劃落實為當(dāng)期購房行動，在短期增加房地產(chǎn)需求。由此可見，信貸增加引發(fā)房地產(chǎn)市場的需求與供給出現(xiàn)失衡，受土地約束影響房地產(chǎn)供給在短期不易立即變化，而需求相對于供給的超前性擴(kuò)張無疑會“推高”房價。反之，當(dāng)銀行信貸收縮時，供求雙方無法獲得充足資金，能“冷卻”房地產(chǎn)市場的高熱態(tài)勢，需求更為明顯地收縮將平抑房價。

然而，當(dāng)銀行信貸過度擴(kuò)張造成資金供給過剩時，趨利性的貨幣必將尋求保值增值渠道，鑒于金融屬性和較高的回報率使得房地產(chǎn)成為絕佳的投資選擇，追逐高收益的資金首先流入大中型城市的房地產(chǎn)市場，增加當(dāng)?shù)氐姆康禺a(chǎn)投資需求進(jìn)而抬高房價，由此激發(fā)房地產(chǎn)供求雙方的投機(jī)欲望，受羊群效應(yīng)影響投機(jī)需求開始膨脹，加劇房價上升趨勢。房價持續(xù)走高預(yù)示房地產(chǎn)具有更快的升值速度和更高的投資價值，進(jìn)一步刺激貨幣的逐利動機(jī)，促使資金以更大規(guī)模涌入房地產(chǎn)市場，最終造成房價螺旋式上漲。

伴隨貨幣持續(xù)流入大中型城市，在通脹預(yù)期和收益邊際遞減的作用下，供給有限的房地產(chǎn)市場難以承受過量的貨幣，對周邊城市產(chǎn)生溢出效應(yīng)。貨幣受空間套利動機(jī)的影響流向中小型城市的房地產(chǎn)市場，通過擴(kuò)張投資投機(jī)需求拉高中小型城市房價，在城際間形成房價上漲的“波紋效應(yīng)”。2010—2018年，我國“金融機(jī)構(gòu)人民幣各項貸款余額/GDP”指標(biāo)從1.16提高到1.51

數(shù)據(jù)來源：中國人民銀行、國家統(tǒng)計局，由筆者計算所得。，呈現(xiàn)信貸擴(kuò)張趨勢，在此期間城市房價不斷上漲。究其原因，一方面，這一階段我國的貨幣政策傳導(dǎo)以銀行信貸渠道為主，實體經(jīng)濟(jì)和虛擬經(jīng)濟(jì)固有的投資收益率差異引發(fā)銀行信貸偏好房地產(chǎn);另一方面，為對沖前期國際金融危機(jī)的殘余影響，央行釋放大量流動性刺激經(jīng)濟(jì)，在一定程度上造成資金“漫灌”以致“淹至”房地產(chǎn)市場。最終，金融體系資金供給與房地產(chǎn)市場資金需求不謀而合，導(dǎo)致城市房價逐年提高。綜上所述，銀行信貸增加引發(fā)房價上漲，這是理論模型式（7）揭示的又一重要經(jīng)濟(jì)含義。

三、實證檢驗

（一）實證模型設(shè)計

根據(jù)理論分析進(jìn)行實證檢驗，基于城市分級層面考察人口數(shù)量、銀行信貸、利率（價格型工具）和法定存款準(zhǔn)備金率（數(shù)量型工具）對房價的影響。實證模型重點考慮我國一、二、三線城市人口數(shù)量變動、銀行信貸投放、利率以及法定存款準(zhǔn)備金率對房價的作用效果。因此，在理論模型式（7）方向性分析和內(nèi)在機(jī)理闡釋的基礎(chǔ)上，構(gòu)建多元線性回歸計量模型如下：

Pi，t=β0+β1×Hi，t-1+β2×Li，t-1+β3×MPt+β4×GDPi，t-1+β5×STRUi，t-1+μi+εi，t（8）

其中，i=1，2，3;t=1，2，…，T;Pi，t為一、二、三線城市的平均住宅價格變量。為減輕內(nèi)生性影響，參照已有研究做法，對解釋變量采取滯后一期處理。

Hi，t-1為滯后一期的一、二、三線城市的平均常住人口變量;

Li，t-1為滯后一期的一、二、三線城市平均信貸規(guī)模變量;

MPt為貨幣政策變量

在中國人民銀行網(wǎng)站暫未發(fā)現(xiàn)當(dāng)期貨幣政策制定受到當(dāng)期房價即時影響的相關(guān)表述;為了避免解釋變量可能出現(xiàn)的多重共線性問題，對貨幣政策變量采用當(dāng)期值MPt。，分別以利率工具rx或法定存款準(zhǔn)備金率工具rd作為表征;

GDPi，t-1為滯后一期的一、二、三線城市GDP平均增速;

STRUi，t-1為滯后一期的一、二、三線城市經(jīng)濟(jì)結(jié)構(gòu)平均值，具體以第三產(chǎn)業(yè)GDP占總GDP的比重作為表征;

μi代表個體異質(zhì)性的擾動項;

εi，t為跟隨個體與時間而改變的經(jīng)典擾動項。

（二）數(shù)據(jù)說明與描述性統(tǒng)計

我國于2010年正式啟動百城住宅價格指數(shù)研究，形成了覆蓋范圍最廣（涵蓋別墅、商品住宅、保障性住房等在售新房）、囊括城市最多的房價指標(biāo)體系，能夠較為完全地反映房地產(chǎn)市場的價格水平。此前，房地產(chǎn)價格的相關(guān)指標(biāo)和數(shù)據(jù)大多從國家統(tǒng)計局獲取，采用商品住宅銷售面積和商品住宅銷售額計算獲得，由此得到的房價指標(biāo)及數(shù)據(jù)代表性并不全面。同時，自2010年起我國宏觀經(jīng)濟(jì)開始“換擋”，經(jīng)濟(jì)增速逐漸平穩(wěn)放緩。因此，基于數(shù)據(jù)可靠性和代表性的考慮，本文選取2010年第二季度至2018年第四季度的35組城市季度面板數(shù)據(jù)為樣本，探討在宏觀經(jīng)濟(jì)增速“換擋”之后的這一階段，我國城市人口數(shù)量、銀行信貸、貨幣政策調(diào)控對房價的影響。

在數(shù)據(jù)選取方面，一、二、三線城市的房地產(chǎn)價格平均值根據(jù)中國房地產(chǎn)指數(shù)系統(tǒng)（CREIS）公布的百城住宅平均價格數(shù)據(jù)匯總計算得到

根據(jù)CREIS對我國百座城市的等級劃分，一線城市包括北京、上海、廣州、深圳，二線城市包括天津、重慶、杭州、南京、武漢、沈陽、成都、西安、大連、青島、寧波、蘇州、長沙、濟(jì)南、廈門、長春、哈爾濱、太原、鄭州、合肥、南昌、福州，三線城市包括百城中除一線城市、二線城市之外的其他城市。;一、二、三線城市的常住人口平均值根據(jù)國家統(tǒng)計局、各省市統(tǒng)計局公布的常住人口數(shù)據(jù)計算得到;一、二、三線城市的信貸規(guī)模平均值根據(jù)國家統(tǒng)計局、中國人民銀行歷年區(qū)域金融運行報告匯總計算形成;貨幣政策利率工具和法定存款準(zhǔn)備金率工具的相關(guān)數(shù)據(jù)源自中國人民銀行，利率工具以人民幣貸款基準(zhǔn)利率表征、法定存款準(zhǔn)備金率工具以大型存款類金融機(jī)構(gòu)人民幣法定存款準(zhǔn)備金率表征。為保障實證結(jié)果的穩(wěn)健性，利率工具選取涵蓋6個月至5年的不同期限貸款基準(zhǔn)利率。針對控制變量，經(jīng)濟(jì)增長與經(jīng)濟(jì)結(jié)構(gòu)的相關(guān)數(shù)據(jù)源自國家統(tǒng)計局與各省市統(tǒng)計局。結(jié)合統(tǒng)計學(xué)理論，對于少數(shù)缺失數(shù)據(jù)進(jìn)行外推處理。實證檢驗所選取樣本數(shù)據(jù)為N=3、T=35的平衡長面板數(shù)據(jù)。原始數(shù)據(jù)均進(jìn)行季節(jié)調(diào)整以消除季節(jié)性因素的影響，實證操作基于Stata15軟件，變量定義與數(shù)據(jù)指標(biāo)說明見表1。

在樣本觀測期內(nèi)，一、二、三線城市的房地產(chǎn)價格、常住人口和信貸規(guī)模歷經(jīng)持續(xù)性的增長并呈現(xiàn)梯級分化。為了直觀展示上述規(guī)律，表2基于城市分級視角匯報了部分變量的描述性統(tǒng)計結(jié)果。比較發(fā)現(xiàn)，平均住宅價格、平均常住人口、平均信貸規(guī)模三個變量在一、二、三線城市的表現(xiàn)存在顯著差異。其中，一線城市的平均房價分別比二、三線城市高19978.64元/平方米和23244.52元/平方米，一線城市房價均值標(biāo)準(zhǔn)差遠(yuǎn)大于二、三線城市，表明城際間的房價差異巨大，類似結(jié)論同樣適用于平均常住人口和平均信貸規(guī)模。因此，表2初步反映出一、二、三線城市之間由于人口數(shù)量與信貸規(guī)模差異引起的房價分化：倘若出現(xiàn)人口數(shù)量從鄉(xiāng)村或小城市直接進(jìn)入大中型城市的“躍遷”，會促成“大城市高房價、小城市低房價”的結(jié)構(gòu)性分布。

（三）面板數(shù)據(jù)預(yù)檢驗

為避免“偽回歸”，采取適用于長面板數(shù)據(jù)的LLC檢驗方法，通過控制線性時間趨勢對所有變量進(jìn)行面板單位根檢驗，結(jié)果見表3。觀察發(fā)現(xiàn)，除常住人口變量H和經(jīng)濟(jì)結(jié)構(gòu)變量STRU不平穩(wěn)之外，其余變量均在1%水平下顯著平穩(wěn)。為保障實證模型存在回歸前提，根據(jù)式（8）對變量進(jìn)行Pedroni面板協(xié)整檢驗?[34]，從表4的結(jié)果可以看出變量之間具備協(xié)整關(guān)系。因此，無論從前文理論模型推導(dǎo)還是協(xié)整檢驗，本文選取的變量在理論和實證兩個層面均具有長期經(jīng)濟(jì)含義。

（四）實證方法選擇

由于實證檢驗旨在分析城市人口、銀行信貸、利率以及法定存款準(zhǔn)備金率對房價的影響，為降低其他不可觀測因素干擾，減緩可能因模型遺漏變量引起的偏差，首先運用面板固定效應(yīng)模型控制上述因素（Hausman檢驗的P值為0，接受固定效應(yīng)假設(shè)），據(jù)此結(jié)合長面板數(shù)據(jù)特點，通過放松式（8）中擾動項εi，t獨立同分布的假設(shè)，進(jìn)一步運用更為穩(wěn)健的面板校正標(biāo)準(zhǔn)誤方法檢驗實證模型，這樣既能消除因擾動項εi，t產(chǎn)生的組間異方差或組間同期相關(guān)影響，又能保障實證結(jié)果的穩(wěn)健性。

四、實證結(jié)果分析

（一）城市人口、貨幣政策對房價的影響

根據(jù)式（8），分別運用貨幣政策價格型工具rx和數(shù)量型工具rd對解釋變量MPt進(jìn)行替換，形成具體的計量模型，運用面板校正標(biāo)準(zhǔn)誤方法的回歸結(jié)果見表5。其中，在第（1）—（4）列中，除人口變量H和信貸變量L之外，依次選擇6個月至1年的超短期貸款利率rl、1至3年的短期貸款利率ry、3至5年的中期貸款利率rs、5年以上的長期貸款利率rw作為貨幣政策價格型工具的指標(biāo)，考察不同期限利率工具分別對房價的影響。在第（5）列中，選擇大型存款類金融機(jī)構(gòu)人民幣法定存款準(zhǔn)備金率rd作為貨幣政策數(shù)量型工具的指標(biāo)，考察法定存款準(zhǔn)備金率工具對房價的影響。

其一，常住人口H的系數(shù)顯著為正，表明在一、二、三線城市中，常住人口H增加能夠提高當(dāng)?shù)胤績r;信貸規(guī)模L系數(shù)顯著為正，意味著信貸擴(kuò)張也能抬高房價;利率工具rx的系數(shù)顯著為負(fù)，表明基于

宏觀層面實施的貨幣政策價格型工具緊縮有助于抑制房價上漲，進(jìn)一步地，不同期限利率工具的符號均為負(fù)，說明不同期限的貸款基準(zhǔn)利率均能在不同程度降低房價;存款準(zhǔn)備金率工具rd的系數(shù)顯著為負(fù)，表明貨幣政策數(shù)量型工具的緊縮也能抑制房價上升。由此可見，城市人口、銀行信貸、利率和法定存款準(zhǔn)備金率，對我國一、二、三線城市房價的影響方向與理論模型的推導(dǎo)結(jié)果保持一致，同我國城際間房地產(chǎn)市場的經(jīng)驗觀察基本相符。因此，從符號方向性的視角來看，實證模型的檢驗結(jié)果與理論模型推導(dǎo)較為符合。

其二，基于房價變化的視角，利率和法定存款準(zhǔn)備金率兩類工具對房價的影響大于城市人口和信貸投放兩個因素，表明房價對貨幣政策信號變動的反應(yīng)更為敏感。進(jìn)一步分析利率與法定存款準(zhǔn)備金率兩種工具，雖然從統(tǒng)計顯著性來看，法定存款準(zhǔn)備金率回歸系數(shù)的顯著性比利率略高，但是法定存款準(zhǔn)備金率的回歸系數(shù)絕對值最?。ㄔ诘冢?）列中為175.05），明顯低于不同期限利率的回歸系數(shù)絕對值，說明在貨幣政策調(diào)控產(chǎn)生1單位變動的情況下，利率對房價的影響大于法定存款準(zhǔn)備金率。換言之，從房價變化的角度來看，中央銀行實施價格型工具調(diào)控房價的功效優(yōu)于數(shù)量型工具。因此，在房價調(diào)控中需要重視并側(cè)重價格型工具的使用，保障貨幣政策調(diào)控房價有力度、有實效。

其三，在利率工具中，不同期限利率工具對房價的調(diào)控作用有所區(qū)別，表明從超短期到長期的貸款基準(zhǔn)利率調(diào)控房價的力度相異。其中，1至3年的短期貸款利率ry對房價的抑制效果最為明顯，效果優(yōu)于更長期限的貸款利率rs和rw，說明中央銀行調(diào)整1至3年短期貸款基準(zhǔn)利率對房地產(chǎn)市場的信號宣示功能最為顯著，通過直接影響購房成本引發(fā)市場供求變動，成為房價走勢較好的預(yù)測信號。由于貸款基準(zhǔn)利率經(jīng)由中國人民銀行公布能夠直接傳遞至市場微觀主體，因此在貸款利率體系中，央行短期貸款基準(zhǔn)利率對抑制房價過快上漲的作用至關(guān)重要。

其四，基于符號方向性的分析發(fā)現(xiàn)，人口、信貸對房價的影響與利率、準(zhǔn)備金率對房價的作用相反。同時，控制變量（經(jīng)濟(jì)增長）的回歸結(jié)果指出，城市較高的經(jīng)濟(jì)增速代表當(dāng)?shù)剌^高的經(jīng)濟(jì)發(fā)展水平，相應(yīng)帶動房地產(chǎn)市場的發(fā)展，從而推動房價上漲。兩相結(jié)合可知，倘若城市通過吸納外來人口和擴(kuò)大招商引資等方式發(fā)展經(jīng)濟(jì)，由此引發(fā)的房價上漲會和貨幣政策工具緊縮操作抑制房價產(chǎn)生“反向摩擦”，表明城市對經(jīng)濟(jì)快速發(fā)展的訴求與貨幣政策工具調(diào)控房價的功能并不完全協(xié)調(diào)，造成貨幣政策的房價調(diào)控效應(yīng)在部分程度上被人口流入和信貸投放“對沖抵消”。

綜上所述，人口數(shù)量、銀行信貸兩者對城市房價存在正向影響，而貨幣政策工具（利率工具與法定存款準(zhǔn)備金率工具）對城市房價具有負(fù)向影響。因此，從符號的方向性來看，實證結(jié)果符合前文的理論分析。需要說明的是，在房價調(diào)控層面，貨幣政策價格型工具優(yōu)于數(shù)量型工具的實證結(jié)果，恰好印證了我國近年來的貨幣政策轉(zhuǎn)型調(diào)整情況。具體而言，我國貨幣政策數(shù)量型調(diào)控曾在經(jīng)濟(jì)高速增長階段成效顯著，然而隨著經(jīng)濟(jì)由高速增長“換擋”轉(zhuǎn)向高質(zhì)量發(fā)展，貨幣政策調(diào)控方式也隨之從單純數(shù)量擴(kuò)張轉(zhuǎn)向為深化傳導(dǎo)效率，不斷凸顯市場化色彩，從而逐步向價格型調(diào)控轉(zhuǎn)型。由于本文實證檢驗的樣本數(shù)據(jù)起始于2010年第二季度，與經(jīng)濟(jì)增速“換擋”時期較為接近，因此利率和法定存款準(zhǔn)備金率兩類工具調(diào)控房價的差異化表現(xiàn)揭示了貨幣政策調(diào)控轉(zhuǎn)型的變化規(guī)律。改進(jìn)傳統(tǒng)性數(shù)量型工具、運用創(chuàng)新性價格型工具，也是未來貨幣政策調(diào)控房地產(chǎn)市場的適宜選擇。

（二）穩(wěn)健性檢驗

在回歸模型式（8）的解釋變量選擇中，針對貨幣政策價格型工具選取了涵蓋6個月至5年的多種期限利率，以全面反映不同期限利率工具對房價的影響差異。為進(jìn)一步提高實證結(jié)果的穩(wěn)健性，對式（8）的人口變量進(jìn)行替換。從理論上來看，在一座城市中，常住人口與流動人口共同作為城市總?cè)丝诘慕M成部分，兩者都對房地產(chǎn)存在居住剛性需求。其中，常住人口增加通過擴(kuò)張購房需求直接提高房價，流動人口增加通過拉動租房需求間接推升房價，致使城市人口增加對房價產(chǎn)生正向影響。因此，在實證研究中需要考慮城市總?cè)丝趯Ξ?dāng)?shù)胤績r的影響，從而保障實證結(jié)果的穩(wěn)健性。

因此，采用包含常住人口與流動人口的城市總?cè)丝谧鳛榻忉屪兞窟M(jìn)行穩(wěn)健性檢驗，回歸結(jié)果見表6。可以看到，在替換解釋變量之后運用面板校正標(biāo)準(zhǔn)誤方法得到的回歸結(jié)果與表5基本一致。因此，理論模型和實證檢驗的結(jié)果都表明，人口增加、信貸投放均能提高房價，貨幣政策數(shù)量型和價格型調(diào)控的緊縮操作均能抑制房價上漲，實證結(jié)果較為穩(wěn)健。

五、結(jié)論與啟示

本文基于消費約束的效用函數(shù)視角，引入貨幣政策的數(shù)量型和價格型調(diào)控因素，構(gòu)建包含人口、信貸、法定存款準(zhǔn)備金率和利率在內(nèi)的“人口數(shù)量—貨幣政策—房地產(chǎn)價格”理論模型，結(jié)合供求原理分析其內(nèi)在機(jī)理，在理論推導(dǎo)和機(jī)理分析的基礎(chǔ)上，運用2010年第二季度—2018年第四季度的百城面板數(shù)據(jù)進(jìn)行實證檢驗，得出以下主要結(jié)論：

（1）在我國經(jīng)濟(jì)進(jìn)入“換擋”階段后，一、二、三線城市的信貸規(guī)模擴(kuò)張和常住人口增加均會拉動當(dāng)?shù)胤康禺a(chǎn)需求從而提高房價。在此基礎(chǔ)上，以貸款基準(zhǔn)利率為代表的貨幣政策價格型工具和以法定存款準(zhǔn)備金率為代表的貨幣政策數(shù)量型工具，兩者的緊縮操作能夠?qū)Ψ績r上漲產(chǎn)生顯著的抑制效應(yīng)。

（2）不同期限利率工具對房價的抑制作用均強于法定存款準(zhǔn)備金率工具，表明貨幣政策價格型工具調(diào)控房價的功效優(yōu)于數(shù)量型工具。其中，1至3年的短期貸款利率對房價上漲的抑制效果最為明顯，說明央行調(diào)整短期貸款基準(zhǔn)利率對房地產(chǎn)市場的宣示功能最為顯著，能夠成為短期內(nèi)房價走勢較好的預(yù)測信號。

（3）伴隨城市化推進(jìn)，由信貸擴(kuò)張和人口增加兩個因素對房價產(chǎn)生的推動作用，將與利率和準(zhǔn)備金率緊縮的抑制房價功能“反向摩擦”，說明城市的經(jīng)濟(jì)發(fā)展訴求與貨幣政策抑制房價過快上漲的目標(biāo)并不完全協(xié)調(diào)，造成貨幣政策的房價調(diào)控效應(yīng)在一定程度上被信貸投放和人口增加“對沖抵消”。

在房地產(chǎn)調(diào)控過程中，從短期看應(yīng)注重適時運用貨幣政策價格型工具，通過利率信號的資金成本宣示作用引導(dǎo)市場穩(wěn)定預(yù)期，發(fā)揮約束房價過快上漲的“靶向”效果，促成更具市場化的房地產(chǎn)調(diào)控模式。同時，堅持“房子是用來住的、不是用來炒的”這一基本定位，預(yù)防貨幣過多流向房地產(chǎn)市場導(dǎo)致“脫實向虛”，通過嚴(yán)控信貸資金為房地產(chǎn)市場運行提供穩(wěn)定的金融環(huán)境。從長期看，要根據(jù)“因城施策”導(dǎo)向加強不同城市房價的差異化調(diào)控，根據(jù)人口集中流向大中型城市的現(xiàn)實規(guī)律調(diào)整住宅建設(shè)用地指標(biāo)，形成動態(tài)差別化供給房地產(chǎn)的長效機(jī)制。最終，在多種政策措施的合力作用下，保障房地產(chǎn)市場平穩(wěn)、健康、可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]?Tabuchi T. Urban agglomeration and dispersion： A synthesis of Alonso and Krugman[J]. Journal of Urban Economics， 1998， 44（3）： 333351.

[2]?Brown S J， Liu C H. A global perspective on real estate cycles[M]. Amsterdam： Kluwer Academic Publishers， 2001： 6389.

[3]?Steveson S. Modeling housing market fundamentals： Empirical evidence of extreme market conditions[J]. Real Estate Economics， 2010， 36（1）： 129.

[4]?陳國進(jìn)， 李威， 周潔. 人口結(jié)構(gòu)與房價關(guān)系研究——基于代際交疊模型和我國省際面板的分析[J]. 經(jīng)濟(jì)學(xué)家， 2013（10）： 4047.

[5]?Chen J， Guo F， Wu Y. Chinese urbanization and urban housing growth since the mid?1990s[J]. Journal of Housing & the Built Environment， 2011， 26（2）： 219232.

[6]?駱永民. 城市化對房價的影響： 線性還是非線性？——基于四種面板數(shù)據(jù)回歸模型的實證分析[J]. 財經(jīng)研究， 2011（4）： 135144.

[7]?劉修巖， 李松林. 房價、遷移摩擦與中國城市的規(guī)模分布——理論模型與結(jié)構(gòu)式估計[J]. 經(jīng)濟(jì)研究， 2017（7）： 6578.

[8]?傅貽忙， 周建軍， 周穎. 人口結(jié)構(gòu)變遷對房地產(chǎn)庫存的影響研究——基于SYS?GMM估計方法的區(qū)域差異分析[J]. 經(jīng)濟(jì)經(jīng)緯， 2019（2）： 8794.

[9]?Hayek F， Friedrich A. Monetary theory and the trade cycle[M]. New York： Sentry Press， 1933.

[10]Collyns C， Senhadji A. Lending booms， real estate bubbles， and the Asian crisis[R]. IMF Working Papers， 2002.

[11]Goodhart C， Hofmann B. House prices， money， credit， and the macroeconomy[J]. Oxford Review of Economic Policy， 2008， 24（1）： 180205.

[12]Davis E P， Zhu H. Bank lending and commercial property cycles： Some cross?country evidence[J]. Journal of International Money & Finance， 2011， 30（1）： 121.

[13]Nishimura K. How to detect and respond to property bubbles[C]. Sydney： Presentation at the Reserve Bank of Australia?BIS Research Conference “Property Markets and Financial Stability”， 2012.

[14]平新喬， 陳敏彥. 融資、地價與樓盤價格趨勢[J]. 世界經(jīng)濟(jì)， 2004（7）： 310+80.

[15]李宏瑾. 房地產(chǎn)市場、銀行信貸與經(jīng)濟(jì)增長——基于面板數(shù)據(jù)的經(jīng)驗研究[J]. 國際金融研究， 2005（7）： 3036.

[16]周京奎. 房地產(chǎn)泡沫生成與演化——基于金融支持過度假說的一種解釋[J]. 財貿(mào)經(jīng)濟(jì)， 2006（5）： 310+96.

[17]陳詩一， 王祥. 融資成本、房地產(chǎn)價格波動與貨幣政策傳導(dǎo)[J]. 金融研究， 2016（3）： 114.

[18]馬勇， 吳雪妍. 銀行信貸如何影響房價？[J]. 金融評論， 2018（3）： 122.

[19]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle[J]. American Economic Review， 2005， 95（3）： 739764.

[20]Lastrapes W D， Potts T B. Durable goods and the forward?looking theory of consumption： Estimates implied by the dynamic effects of money[J]. Journal of Economic Dynamics and Control， 2006， 30（8）： 14091430.

[21]Demary M. The link between output， inflation， monetary policy and housing price dynamics[R]. MARA Paper， 2009： 138.

[22]李成， 李一帆. 貨幣政策、行政管制與房地產(chǎn)價格變動——基于百城住宅數(shù)據(jù)的經(jīng)驗分析[J]. 云南財經(jīng)大學(xué)學(xué)報， 2019（1）： 3851.

[23]鄧富民， 王剛. 貨幣政策對房地產(chǎn)價格與投資影響的實證分析[J]. 管理世界， 2012（6）： 177179.

[24]張紅， 李洋. 房地產(chǎn)市場對貨幣政策傳導(dǎo)效應(yīng)的區(qū)域差異研究——基于GVAR模型的實證分析[J]. 金融研究， 2013（2）： 114128.

[25]陳創(chuàng)練， 戴明曉. 貨幣政策、杠桿周期與房地產(chǎn)市場價格波動[J]. 經(jīng)濟(jì)研究， 2018（9）： 5267.

[26]劉金全， 陳德凱. 我國房地產(chǎn)價格波動與貨幣政策調(diào)控模式研究——基于政策不確定性視角的實證分析[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2017（4）： 5157.

[27]郭文偉. 中國多層次房價泡沫測度及其驅(qū)動因素研究——兼論我國房地產(chǎn)調(diào)控政策的實施效果[J]. 經(jīng)濟(jì)學(xué)家， 2016（10）： 3037.

[28]劉中顯， 榮晨. 房地產(chǎn)市場調(diào)控長效機(jī)制的建立與完善[J]. 宏觀經(jīng)濟(jì)研究， 2017（12）： 92105.

[29]歐陽志剛， 薛龍. 新常態(tài)下多種貨幣政策工具對特征企業(yè)的定向調(diào)節(jié)效應(yīng)[J]. 管理世界， 2017（2）： 5366.

[30]Takts E. Ageing and asset prices[R]. BIS Working Papers No. 318， 2010.

[31]朱太輝， 張曉樸. 金融危機(jī)的人口信貸房價模型[J]. 金融評論， 2015（5）： 3144.

[32]馬草原， 馬文濤， 李成. 中國勞動力市場所有制分割的根源與表現(xiàn)[J]. 管理世界， 2017（11）： 2234.

[33]Meen G. Regional house prices and the ripple effect： A new interpretation[J]. Housing Studies， 1999， 14（6）： 733753.

[34]Pedroni P. Panel cointegration： Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[R]. Department of Economics Working Papers， 2004， 20（3）： 597625.

[本刊相關(guān)文獻(xiàn)鏈接]

[1]?孟令國，盧翠平，吳文洋.“全面兩孩”政策下人口年齡結(jié)構(gòu)、養(yǎng)老保險制度對居民儲蓄率的影響研究[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019（1）：6775.

[2]?安磊，沈悅，徐妍.房價上漲如何影響實體企業(yè)債務(wù)融資——兼論房地產(chǎn)調(diào)控政策的實施效果[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2018（5）：4761.

[3]?華昱.預(yù)期沖擊、房地產(chǎn)部門波動與貨幣政策[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2018（2）：4856.

[4]?郭娜，章倩，周揚.房價“粘性”、系統(tǒng)性金融風(fēng)險與宏觀經(jīng)濟(jì)波動——基于內(nèi)生化系統(tǒng)性風(fēng)險的DSGE模型[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2017（6）：716.

[5]?李言，毛豐付.貨幣政策應(yīng)該對房價波動做出反應(yīng)嗎——基于中國房地產(chǎn)市場衰退情境的模擬分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2017（5）：3038.

[6]?王笳旭，馮波，王淑娟.人口老齡化加劇了城鄉(xiāng)收入不平等嗎——基于中國省際面板數(shù)據(jù)的經(jīng)驗分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2017（4）：6978.

[7]?劉金全，陳德凱.我國房地產(chǎn)價格波動與貨幣政策調(diào)控模式研究——基于政策不確定性視角的實證分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2017（4）：5157.

[8]?王笳旭.人口老齡化對我國城鄉(xiāng)居民消費差距的影響研究——基于省際動態(tài)面板數(shù)據(jù)的實證分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2015（5）：109.

責(zé)任編輯、校對： 高原

The Impact of Urban Population and Monetary Policy on Real Estate Price： Internal Mechanism and Empirical Test

LI Cheng?1， LI Yifan?1， YU Haidong?1， LI Wenle?2

（1. School of Economics and Finance of Xian Jiaotong University， Xian 710061， China;

2. Post?doctor Workstation of Applied Economics of Xian Jiaotong University， Xian 710061， China）

Abstract：This paper constructs a theoretical model of “population quantity?monetary policy?real estate price” from the perspective of consumption constraint utility function. To understands the influence mechanism of urban population and monetary policy on real estate price changes from the supply?demand relationship， using 100?city quarterly data from the second quarter of 2010 to the fourth quarter of 2018 to verify the standard error of panel correction. The findings are as below. （1） The increase of resident population and the expansion of credit scale in the first， second and third?tier cities lead to the rise of house prices by aggravating the gap between supply and demand of real estate， while the tightening of interest rate and reserve rate can restrain the rise of house prices. （2） Judging from the change of the house price， the “price?based” monetary policy is more effective than the “quantity?based” monetary policy in controlling house prices. Among them， the effect of “price?oriented” tools in controlling house prices in different periods is different， and the effect of short?term loan interest rates in 1 to 3 years is the most obvious. （3） With urbanization， the effect of monetary policy on housing prices is offset to some extent by population growth and credit expansion. Therefore， we need to explore innovative， targeted， and structural monetary policy tools to play a “targeted” effect of housing price constraints.

Keywords：Urban population; Monetary policy; Credit delivery; Real estate price; Consumption utility function