郭東杰 王如豐

[摘?要]?在分析貨幣政策與房地產(chǎn)價格互動關系基礎上，選取相應變量建立SVAR模型進行實證研究。結果發(fā)現(xiàn)：短期內貨幣政策和房價存在一定的互動關系，但它們之間作用的顯著性不同，存在非對稱性，貨幣政策沖擊對房價的作用十分有限，而房價沖擊對貨幣政策的作用較為明顯。同時，房價也影響實體經(jīng)濟的物價和產(chǎn)出水平，應是貨幣政策制定需要考慮的因素。

[關鍵詞]?貨幣政策;住房價格;互動機制;SVAR模型

[中圖分類號]F82[文獻標志碼]A

一、引言

自1998年起，我國實施住房分配貨幣化政策，推進房地產(chǎn)行業(yè)市場化，房地產(chǎn)逐漸成為國民經(jīng)濟的支柱產(chǎn)業(yè)。統(tǒng)計數(shù)據(jù)顯示，中國房地產(chǎn)總值占國內生產(chǎn)總值（GDP）的比重從1998年的4.0%上升到2018年上半年的6.87%。與此同時，住房價格也不斷攀升，已經(jīng)嚴重地影響到企業(yè)生產(chǎn)和居民生活。為應對急速上漲的房價，政府頻頻進行宏觀調控，尤以貨幣政策對房地產(chǎn)市場的調控最為明顯。貨幣政策作為央行實現(xiàn)既定目標的重要工具，其實施將作用于整體經(jīng)濟，一般來說，寬松貨幣政策會拉動房地產(chǎn)市場的消費和投資，帶動房價上漲。但是，持續(xù)寬松的貨幣政策又會引起房地產(chǎn)業(yè)投資過快，進而影響實體經(jīng)濟的物價和產(chǎn)出水平，導致泡沫經(jīng)濟，而泡沫一旦破裂會引發(fā)金融危機，美國的“次貸危機”是典型實例。全球金融危機以后，中國房地產(chǎn)市場經(jīng)歷了三輪上漲周期：第一輪從2009年3月開始，持續(xù)到2010年5月結束;第二輪從2012年7月開始，到2014年4月見頂回落;第三輪上漲周期自2015年5月開始延續(xù)至今。面對急劇上漲的房價，中央政府提出“房住不炒”，堅決遏制房地產(chǎn)泡沫滋生，多渠道多方式發(fā)展住房租賃市場。中國人民銀行也依據(jù)經(jīng)濟周期與房地產(chǎn)價格波動，對貨幣政策進行相機抉擇。因此，如何保持貨幣政策與房地產(chǎn)平穩(wěn)發(fā)展相適應，從而促進整個社會經(jīng)濟高質量發(fā)展，已成為貨幣當局與學者們的研究熱點。

二、文獻回顧

房地產(chǎn)市場宏觀調控是政府的宏觀經(jīng)濟管理職能，旨在促進房地產(chǎn)市場總供求平衡，保障居民的基本住房需求。[1]60其中，貨幣政策是政府調控房地產(chǎn)行業(yè)最為重要的工具。貨幣政策的松緊關系到房價的漲跌，房價的漲跌也會波及到物價和產(chǎn)出水平，進而反饋到貨幣政策及時再調整。因此，下文將從貨幣政策與房價的互動關系兩方面進行文獻綜述。

（一）貨幣政策對房價影響的文獻簡述

房地產(chǎn)作為一種特殊的商品，兼具商品屬性和金融屬性，其價格很容易受到貨幣政策的影響。貨幣政策調控房價存在理論和現(xiàn)實的必要，緊縮性貨幣政策多會抑制房價上漲，同時，數(shù)量型工具調控房價效果一般優(yōu)于價格型工具。[2]41從需求角度看，房地產(chǎn)作為一種價值較高的商品，多數(shù)購房者需要抵押貸款或者按揭貸款，如果央行提高基準利率，將會嚴重影響購房者還貸成本。央行也可能通過提高商業(yè)銀行的法定存款準備金率，減少流通中的貨幣供應量。此時，商業(yè)銀行會減少貸款優(yōu)惠政策、收縮放款或者以更高的貸款條件篩選借款人，導致購房者的購房成本提高，房地產(chǎn)需求減少。同時，潛在購房者會基于當前貨幣政策走勢，對房價預期會發(fā)生相應變化。相反，當央行增加貨幣供應量或者下調基準利率時，購房者對未來房價就有上漲的預期，這將使購房者尤其是剛性需求購房者會選擇在即時購買，從而刺激房地產(chǎn)的需求，進一步推高房價。張煒認為，預期、貨幣政策與非住房消費是影響房地產(chǎn)泡沫的主要因素，其中消費者預期對房地產(chǎn)泡沫變動的影響最大，而且在初期效果逐漸增強，其后緩慢衰退，最后進入平穩(wěn)期。[3]79事實上，此種預期也反映在不同地區(qū)房價輪動上漲現(xiàn)象，原因在于“正螺旋反饋機制”及貨幣政策的時滯效應。[4]88

從供給角度來看，開發(fā)房地產(chǎn)需要耗費大量的資金與時間，投資款的回收也較慢。例如，在緊縮性貨幣政策的條件下，減少貨幣供應量或者上調基準利率，都會引起借貸成本的急劇上升。短期來說，部分開發(fā)商會提高房價，使購房者成為增加成本的承受者;同時，部分開發(fā)商會降低房地產(chǎn)售價以收回資金或退出房地產(chǎn)市場。總而言之，房地產(chǎn)的供給會減少，房價隨之上漲。華昱發(fā)現(xiàn)，預期沖擊會顯著影響房價與房地產(chǎn)投資，并傳導到經(jīng)濟中的其他部門，對非房地產(chǎn)部門投資產(chǎn)生“擠出”效應。面對高漲的房價，央行不得不實施穩(wěn)健的貨幣政策加大管控力度。[5]50等從實施效果來看，數(shù)量型貨幣政策在管控房價和杠桿率上更為有效。[6]53央行可以進一步強化數(shù)量型貨幣政策執(zhí)行力度，同時也需要發(fā)揮價格型貨幣政策在去杠桿中的作用。

（二）房價對貨幣政策影響的文獻簡述

房地產(chǎn)價格波動會通過不同的途徑影響消費和投資，從而影響經(jīng)濟產(chǎn)出和物價水平，引致貨幣政策進行相應的調整。從消費角度來說，當房價上漲時，會降低潛在購房者的購買意愿，從而減少房地產(chǎn)的需求。此時他們往往會選擇租房，使得租金上漲，一般物價水平上升。當房價上漲時，房地產(chǎn)市場的發(fā)展前景被看好，帶動關聯(lián)行業(yè)的發(fā)展，為居民提供更多的就業(yè)崗位，從而提高他們的收入水平，使得消費需求增加，進而提高產(chǎn)出水平。然而，如果房價過快上漲，房價收入比過高，按揭貸款嚴重透支居民購買力，反而有可能抑制社會總消費。胡靜和黎東升發(fā)現(xiàn)，M2的增加能顯著提高房價水平，但房價上漲對居民消費的影響并不確定，且不同狀態(tài)下，貨幣、房價與消費間的關聯(lián)性存在差異。[7]144由此可見，房價波動對我國宏觀經(jīng)濟的影響存在非對稱性：在房價持續(xù)上升時，隨著抵押貸款約束松弛，房價進一步上漲對消費和產(chǎn)出的刺激作用有限;而在房價持續(xù)下跌時，銀行貸款的緊縮會在很大程度上加劇經(jīng)濟的衰退。[8]17

從投資角度來說，托賓q效應指出，當房價上漲時，房地產(chǎn)企業(yè)的q值上升，投資需求增加，推動物價水平上升，甚至產(chǎn)生通貨膨脹。央行考慮對資產(chǎn)價格做出反應的貨幣政策會顯著降低產(chǎn)出和通脹率的波動，而不考慮對資產(chǎn)價格做出反應的貨幣政策會導致更大損失。[9]170-171房價上漲會增加已擁有房地產(chǎn)企業(yè)或居民的抵押資產(chǎn)價值，讓他們更容易獲得銀行貸款。房價的上漲在提高家庭部門杠桿率的同時，也會帶動其他行業(yè)生產(chǎn)部門的杠桿率水平。[10]145在信用風險約束逐漸減小的背景下，房地產(chǎn)價格對銀行信貸將會產(chǎn)生“加速器效應”，進一步加重中國銀行業(yè)的信貸“高燒”。[11]18當房價上漲時，更多的社會資金被用于房地產(chǎn)投資，從而帶動相關產(chǎn)業(yè)的發(fā)展，使得總投資支出相應增加，產(chǎn)出水平上升。與此同時，房價上漲使房地產(chǎn)企業(yè)的q值變大，當q大于1時，房地產(chǎn)開發(fā)商會開發(fā)新樓盤以增加投資支出，從而推動產(chǎn)出水平上升。因此，政府降低社會融資成本，能夠明顯地弱化房地產(chǎn)市場的金融加速器效應;同時，央行采取盯住房地產(chǎn)價格波動的貨幣政策，能夠改善社會福利，但是政策效果也會因社會融資成本的降低而削弱。[12]13在住房市場調控的背景下，包含房價的貨幣政策因為住房信貸摩擦將使長期偏離穩(wěn)態(tài)的消費、社會總產(chǎn)出、房價向長期均衡收斂。相比信貸增速和房地產(chǎn)價格，廣義信貸偏離可成為宏觀審慎政策有效調控房地產(chǎn)市場的信號源，盯住廣義信貸偏離的宏觀審慎政策將通過逆周期調控信貸市場從而抑制房價漲幅，削弱房地產(chǎn)市場對實體投資的擠出效應，進而平滑總產(chǎn)出波動，同時使社會總債務規(guī)模與實體經(jīng)濟發(fā)展更加匹配，顯著降低宏觀杠桿率。在一個完善的金融市場中，信貸政策具有結構調整功能，會推動資本向實體經(jīng)濟轉移，引導經(jīng)濟“脫虛向實”。[13]96

三、SVAR模型構建與數(shù)據(jù)處理

（一）SVAR模型構建

用非結構性方法建模的VAR模型，可以預測相關時間序列并分析隨機擾動項的動態(tài)影響。包含m個內生變量、不含外生變量的s階向量自回歸模型VAR（s）可表示為：

zt=A0+A1zt-1+A2zt-2+…+Aszt-s+ut，t=1，2，…，T（1）

公式（1）中，zt是m維內生變量向量，s是滯后階數(shù)，t為樣本個數(shù)。A0是常數(shù)項，A1，…，As為m×m維矩陣。ut為隨機擾動項，它滿足白噪聲過程，但不與所有滯后期的變量以及自身滯后值相關，定義ut的協(xié)方差矩陣為W=E（utuTt）。在平穩(wěn)性條件獲得滿足的情況下，將公式（1）表示成為滯后算子的形式，通過Wold定理可得：

zt=D（L）ut=∑∞j=0D（j）ut-j（2）

公式（2）中，D（L）為滯后算子的多項式。VAR模型能夠較好地研究變量之間的相互關系，但它不能將變量之間的同期關系反映出來。另外，該模型預測誤差被識別出的沖擊不是結構性沖擊，而且其脈沖響應曲線會隨著方程順序的變化而發(fā)生改變，使得結論的可信度下降。因此，Blanchard & Quah克服VAR模型的缺點，提出了結構向量自回歸（SVAR）模型。[14]662一個含有m個變量的s階結構向量自回歸模型SVAR（s）可以表示為：

H0zt=Г0+Г1zt-1+Г2zt-2+…+Гszt-s+δt，t=1，2，…，T（3）

公式（3）中，擾動向量δt滿足白噪聲過程，是結構性沖擊，且它的協(xié)方差矩陣V=E（δtδTt）=Im。在平穩(wěn)性條件得到滿足的情況下，可將公式（3）表示成滯后算子的形式：H=（L）zt=δt。假設多項式H（L）可逆，由Wold定理，H（L）zt=δt可以轉化為：

zt=Q（L）δt=∑∞j=0Q（j）δt-j（4）

公式（4）中，Q（L）=H（L）-1，且Q0=H-10。聯(lián)立公式（2）和公式（4），進一步得到：

ut=Q0δt或δt=H0ut（5）

Q（j）=Q0D（j）=H-10D（j）（6）

公式（5）中，ut為簡化性沖擊，它是結構性沖擊δt的線性組合。根據(jù)公式（6）得出，只要對矩陣H0施加約束，就能得到結構系數(shù)矩陣Q（j）和結構信息δt，從而對SVAR模型進行識別。利用極大似然法，公式（1）需要估計m2s+m（m+1）/2個參數(shù)，而公式（3）則需要估計m2s+m2個參數(shù)。所以，要確定H0中的元素，還需要施加m（m-1）/2個約束條件。

對SVAR模型施加的約束條件可分為短期約束和長期約束。短期約束反映了經(jīng)濟變量對結構性沖擊的同期響應，可以通過Cholesky分解法建立。該方法對變量的排序有嚴格要求，變量次序改變會導致結果的不同。在長期約束方面，一些變量對另一些變量的結構性沖擊的長期反應為0，但它們間的即期作用不受限制。對SVAR模型進行識別后，就可以通過脈沖響應函數(shù)反映單位結構性沖擊對各期變量的影響，再由方差分解得到系統(tǒng)中各變量對某一變量結構性沖擊的貢獻度。

（二）數(shù)據(jù)來源與處理

選取我國1999年第一季度至2018年第四季度的季度數(shù)據(jù)進行實證分析，共80個樣本數(shù)據(jù)，主要涉及以下四類變量：

物價水平變量：以1999年1月為基期，通過CPI的月度同比和月度環(huán)比數(shù)據(jù)計算月度定基比居民消費價格指數(shù)，再由此得出季度定基比居民消費價格指數(shù)，作為研究物價水平的變量，記為P。

實體經(jīng)濟變量：選取國內生產(chǎn)總值（GDP）的季度數(shù)據(jù)，并將其除以定基比居民消費價格指數(shù)，作為反映產(chǎn)出水平的變量，記為G。

房價變量：考慮到全國商品房平均銷售價格指數(shù)無法直接得到，本文通過收集全國商品房銷售額以及全國商品房銷售面積的季度數(shù)據(jù)，將兩者對應相除，從而得到全國商品房平均銷售價格指數(shù)，再將其除以定基比居民消費價格指數(shù)，記為HP。

貨幣政策變量：選用銀行間7天同業(yè)拆借加權平均利率作為貨幣政策的代表變量，記為BR。

數(shù)據(jù)均來源于國家統(tǒng)計局官方網(wǎng)站、中國人民銀行官方網(wǎng)站、中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫以及Choice金融終端。通過Eviews9.0軟件對以上4個變量進行X-12季節(jié)調整，剔除變量的季節(jié)要素。對除利率以外的變量取對數(shù)，得到變量的對數(shù)序列：lnP、lnG、lnHP和BR。

四、實證分析

（一）VAR模型估計與結構性沖擊分離

1.VAR模型的估計

為保證公式（5）收斂，運用ADF檢驗對經(jīng)過預處理的變量進行平穩(wěn)性檢驗，從而消除變量的非平穩(wěn)性對研究結果的影響，檢驗結果見表1。

由表1的ADF檢驗結果可知，原序列BR、lnG、lnHP、lnP的ADF統(tǒng)計值的絕對值均小于它們各自在1%、5%和10%的置信水平下臨界值的絕對值，因此不能拒絕原假設，說明原序列均為非平穩(wěn)序列;而它們的一階差分序列△BR、△lnG、△lnHP、△lnP的ADF統(tǒng)計值的絕對值均大于它們各自在1%、5%和10%的置信水平下臨界值的絕對值，因此拒絕原假設，說明一階差分序列為平穩(wěn)序列，均為一階單整序列。

鑒于VAR模型的滯后階數(shù)過長或過短均會使結果無效，所以需要對模型的最優(yōu)滯后階數(shù)進行確定。通過選取不同的滯后階數(shù)（季度數(shù)據(jù)的最大滯后階數(shù)Lag=4）對模型進行估計，比較不同情況下的AIC和SC值，取最小的AIC或SC值對應的滯后階數(shù)為最優(yōu)滯后階數(shù)，檢驗結果見表2。

由表2的檢驗結果可知，雖然準則AIC和SC在選取最優(yōu)滯后階數(shù)時的結果不相同，但參考LR、FPE和HQ準則，應選取滯后4階為模型的最優(yōu)滯后階數(shù)。據(jù)此，參考（1）式建立無約束的VAR（4）模型，其中zt=（△lnGt，△lnPt，△BRt，△lnHPt）T：

zt=A0+A1zt-1+a2zt-2+A3zt-3+A4zt-4+ut（7）

公式（7）中，ut=（uG，uP，uBR，uHP）T為VAR模型的殘差項。通過觀察模型的單位根，得到所有特征根均落在單位圓的內部，見圖1，表明模型估計結果是平穩(wěn)的。

對模型的殘差序列進行檢驗，由LM檢驗得到殘差序列不存在自相關，由White異方差檢驗得到殘差序列不存在異方差。由（2）式將VAR（4）模型轉化為移動平均形式：zt=D（L）ut。

2.結構性沖擊的分離

由上述檢驗結果，可以建立與VAR（4）模型對應的SVAR（4）模型：

H0zt=Г0+Г1zt-1+Г2zt-2+Г3zt-3+Г4zt-4+δt（8）

公式（8）中，δt=（δG，δP，δBR，δHP）T為相應變量的結構性沖擊。通過公式（5）建立結構性沖擊與殘差序列的關系，得到：

δGtδPtδBRtδHPt=H0uGtuPtuBRtuHPt=1H12H13H14H211H23H24H31H321H34H41H42H431uGtuPtuBRtuHPt

對結構性沖擊進行識別，還需對矩陣H0施加6個約束條件。參考段忠東對SVAR模型約束條件的設立，[15]17歸納出以下假設：

（1）實體經(jīng)濟的產(chǎn)出水平對利率沖擊的反應滯后一階，也不受房價和物價水平的當期影響，因此，同期它只受自身沖擊的影響，即H12=H13=H14=0。

（2）經(jīng)濟體的物價水平不受利率以及房價的當期影響，同期它只和產(chǎn)出水平相關，即H23=H24=0。

（3）利率會對房價在同期產(chǎn)生影響，但貨幣政策執(zhí)行不會盯住房價，也即房價不會反作用于利率，由此得到，H34=0。

以上假設共得到6個約束條件，矩陣H0為一個下三角矩陣，因此H0被恰好識別。通過估計得到H0為：

H0=10000.27100-2.68-22.7210-1.28-1.850.021

H0確定后，由（6）式可得到結構式?jīng)_擊的系數(shù)矩陣，從而可對SVAR（4）模型進行脈沖響應和方差分解分析。

（二）脈沖響應與方差分解

1.脈沖響應分析

在脈沖響應函數(shù)中，本文選取的響應期數(shù)為36個季度，圖中的藍色實線為變量對結構性沖擊的響應變化軌跡，兩條紅色虛線間為兩倍標準差置信帶。下文將分別對貨幣政策沖擊和房價沖擊的脈沖響應進行分析。

（1）房價與利率互動的脈沖響應

對利率施加1個單位的正向沖擊后，房價的反應在短期內具有一定的不確定性，徘徊在正負值之間。房價在第1個季度下降了1%，為最大的下降幅度，說明利率的提高會抑制房價的上漲。但第2個季度房價卻出現(xiàn)上浮，并在第3個季度又下降，如此反復在第7個季度達到最大漲幅0.62%。之后，房價對利率沖擊的反應隨著時間的推移而衰減，最終趨于平穩(wěn)，參見圖2a。

對房價施加1個單位的正向沖擊后，利率并沒有立即發(fā)生變化，而是在第2個季度有22.86%的最大增幅，說明房價上漲會引起市場利率的走高。隨后，利率又出現(xiàn)大幅走低，在第3個季度下降了21.07%，為最大降幅。此后，利率又反向上升，并在第4個季度上升了16.55%，如此反復。該脈沖響應軌跡說明，作為貨幣政策工具變量的利率在短期對房價沖擊的反應十分劇烈，且有一定的不確定性，并隨著時間的推移，反應程度減弱并趨于穩(wěn)定，參見圖2b。

（2）物價和產(chǎn)出水平對房價沖擊的脈沖響應

對房價施加1個單位的正向沖擊后，物價水平?jīng)]有立即發(fā)生變化，而是在第2個季度才有0.15%的漲幅。房價上漲通過托賓q效應增加了企業(yè)的投資需求，總需求擴張推動物價水平上漲。隨后，物價漲幅有一定程度的收縮，在第5個季度已變?yōu)樨撝?，在?個季度物價下降了0.05%，為最大降幅，這可能因為房價的上漲抑制了消費需求，引起總需求一定程度的收縮。之后，物價出現(xiàn)小幅的上漲和下降，以上漲居多，并最終趨于平穩(wěn)，參見圖3a。

對房價施加1個單位的正向沖擊后，產(chǎn)出水平也沒有立即發(fā)生變化，而是在第2個季度才有了0.02%的減少，這可能是房價的上漲使得購房者或租房者的消費支出減少，引起產(chǎn)出水平下降。隨后，產(chǎn)出迅速增加，在第3個季度達到最大增幅0.14%，因為房價的上漲，特別是房價預期的上漲，刺激了投資支出，引起產(chǎn)出水平提高。之后，產(chǎn)出的增幅開始縮小，在第6個季度已出現(xiàn)負值，在第7個季度產(chǎn)出減少0.05%，為最大降幅。此后，產(chǎn)出出現(xiàn)反彈，其反應函數(shù)值在第8個季度變?yōu)檎?，最終產(chǎn)出水平隨著時間的推移對房價沖擊的反應趨于穩(wěn)定，參見圖3b。

2.方差分解分析

方差分解用來說明每個變量的結構性沖擊對所研究變量方差的貢獻度，以此對不同結構性沖擊的重要性進行判斷。本文將選取的滯后期數(shù)為36個季度，分別對房價、利率、物價和產(chǎn)出水平的方差分解進行分析。

（1）房價的方差分解

由表3可以得出，房價的自身沖擊在其預測誤差方差的來源中占主導地位，僅在第1個季度就達到近90%，在12個季度后趨于穩(wěn)定，占比在70%以上，說明房價主要受其自身因素的影響。除此之外，雖然利率沖擊對房價的預測誤差方差的貢獻度隨時間有所提高，但在第6個季度以后，它的貢獻度是所有沖擊中最低的，表明利率變動對房價的作用非常有限。

（2）利率的方差分解

由表4可以得出，利率的自身沖擊在其預測誤差方差的來源中占主導地位，僅在第1個季度就達到近98%，在12個季度后趨于穩(wěn)定，占比60%以上，說明利率主要受其自身因素的影響。除此之外，雖然房價沖擊對利率的預測誤差方差在第1個季度的貢獻度為0，但從第12個季度開始，它的貢獻度就穩(wěn)定在21%左右，僅次于利率自身沖擊的重要性，表明市場利率受房價的影響較大。

（3）物價的方差分解

由下表5可以得出，物價水平的自身沖擊在其預測誤差方差的來源中占支配地位，僅在第1個季度就達到近85%，從第12個季度開始穩(wěn)定在65%以上，說明物價水平主要受其自身因素的影響。此外，房價在第1個季度對物價水平的預測誤差方差的貢獻度為0，之后有所上升，但從第12個季度開始就穩(wěn)定在接近5%的水平上，是所有沖擊中貢獻度最低的，表明物價水平受房價變動的影響不大。

（4）產(chǎn)出的方差分解

由下表6可以得出，產(chǎn)出水平的自身沖擊在其預測誤差方差的來源中占主導地位，僅在第1個季度就達到100%，從第12個季度開始穩(wěn)定在80%以上，說明物價水平主要受其自身因素的影響。另外，房價在第1個季度對產(chǎn)出水平的預測誤差方差的貢獻度為0，之后有所上升，但從第12個季度開始就穩(wěn)定在接近2%的水平上，是所有沖擊中貢獻度最低的，表明房價變動對產(chǎn)出水平的影響十分微弱。

雖然近幾年來銀行間同業(yè)拆借利率在我國利率體系中的地位逐漸提高，但是貨幣供應量一直作為貨幣政策的中間目標，與實體經(jīng)濟的聯(lián)系更為緊密。因此，下文以廣義貨幣供應量M2作為貨幣政策的代理變量，取代原來SVAR（4）模型中的利率，進行穩(wěn)健性分析。

對貨幣供應量原始序列進行對數(shù)處理后，進行ADF檢驗，發(fā)現(xiàn)其是一階單整序列。通過AIC和SC準則判定，新VAR模型的最優(yōu)滯后階數(shù)為4。由于貨幣供應量會受到實體經(jīng)濟中產(chǎn)出水平的同期影響，不會受到房價的同期作用，因此可用yt=（△lnGt，△lnPt，△lnM2t，△lnHPt）T建立新的SVAR（4）模型。對新SVAR（4）模型的矩陣進行分析，是一個下三角矩陣，能被恰好識別，由此得到結構式?jīng)_擊的系數(shù)矩陣，并進一步對模型進行脈沖響應和方差分解的分析。

圖4a是房價對貨幣供應量沖擊的脈沖響應軌跡，可以看出，對貨幣供應量施加1個單位的正向沖擊后，房價在第1個季度有0.22%的上漲，雖然到第2個季度房價的漲幅縮小，但在第3個季度房價漲幅又擴大，達到最大值0.62%，表明增加貨幣供應量會引起房價的上漲。隨后，房價的漲幅開始由正轉負，并在第5個季度下降了0.27%，為最大降幅。之后，房價的降幅逐漸衰減，并最終趨于0，達到平穩(wěn)狀態(tài)。

圖4b是貨幣供應量對房價沖擊的脈沖響應軌跡，可以看出，對房價施加1個單位的正向沖擊后，貨幣供應量沒有立即發(fā)生變化，而是在第2個季度才有0.08%的小幅增加，這是由于房價上漲通過財富效應和投資效應推動消費和投資的增長，從而加大對貨幣需求，引致貨幣供應量增加。隨后，在第3個季度貨幣供應量減少0.32%，為最大降幅。之后，在第6個季度貨幣供應量達到最大增幅0.26%，并開始小幅增減，最終趨于穩(wěn)定狀態(tài)。

最后，表7和表8分別是新的SVAR模型下，房價和貨幣供應量的方差分解結果。

從表7可知，房價的自身沖擊在其預測誤差方差的來源中占主導地位，僅在第1個季度就達到近94%，從第6個季度開始穩(wěn)定在74%以上，說明房價主要受其自身因素的影響。另外，貨幣供應量沖擊對房價的預測誤差方差的貢獻度始終處于較低水平，從第6個季度起穩(wěn)定在1.5%左右，貢獻度是所有沖擊中是最低的，表明貨幣供應量變動對房價的作用十分微弱，這一結論與利率作為貨幣政策代理變量時一致。

從表8可知，貨幣供應量的自身沖擊在其預測誤差方差的來源中占主導地位，僅在第1個季度就達到70%以上，從第18個季度開始穩(wěn)定在56%以上，說明貨幣供應量主要受其自身因素的影響。此外，房價沖擊對貨幣供應量的預測誤差方差的貢獻度在第1個季度為0，從第12個季度開始穩(wěn)定在4.8%左右，是所有沖擊中最低的，表明房價變動對貨幣供應量的作用十分有限。

五、結論與政策建議

本文選取1999年第一季度到2018年第四季度的季度數(shù)據(jù)，對數(shù)據(jù)進行平衡性檢驗與處理基礎上，構建SVAR模型，并由此分析模型變量的脈沖響應和方差分解。同時，將利率和貨幣供應量分別作為貨幣政策代理變量，對模型結論進行穩(wěn)健性分析，主要得到如下結論：首先，貨幣政策和房價在短期存在一定的互動關系，但兩者之間作用的顯著性不同。貨幣政策沖擊在短期對房價的作用十分有限，而房價沖擊在短期對貨幣政策的作用較為明顯，由此表明貨幣當局在制定貨幣政策時已開始考慮房價變動因素。其次，經(jīng)濟體的物價和產(chǎn)出水平在短期受房價的影響，相較于產(chǎn)出水平，房價對物價水平的作用更為明顯，但持續(xù)時間更短。最后，相對于市場利率，貨幣供應量作為貨幣政策的代理變量時，貨幣政策對房價的作用十分有限，這在一定程度上說明，從調控房價的角度來講，利率水平是更好的貨幣政策代理變量。

基于上述模型結論，政策建議如下：第一，貨幣政策制定應該考慮房價波動的因素，通過分析房價波動對通貨膨脹及其預期的影響，有針對性地執(zhí)行相應的貨幣政策，減小房價劇烈波動的可能。第二，完善市場化利率形成機制，有效發(fā)揮利率對信貸的調節(jié)功能，從而提高對房價調控的有效性，進而促進實體經(jīng)濟產(chǎn)出的增加。第三，改善房地產(chǎn)市場的結構，優(yōu)化社會收入分配和稅收機制，降低貨幣政策存在的時滯，從而達到貨幣政策對房地產(chǎn)市場調控的預定目標。

[參考文獻]

[1]彭爽，劉丹.宏觀調控、微觀管制與房地產(chǎn)市場穩(wěn)定[J].經(jīng)濟學家，2017（6）：58-66.

[2]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)大學學報，2019（1）：38-51.

[3]張煒.預期、貨幣政策與房地產(chǎn)泡沫——來自省際房地產(chǎn)市場的經(jīng)驗驗證[J].中央財經(jīng)大學學報，2017（8）：77-90.

[4]王天雨.貨幣政策對住宅商品房價格影響的區(qū)域差異——來自我國31省份的證據(jù)[J].經(jīng)濟理論與經(jīng)濟管理，2018（8）：75-90.

[5]華昱.預期沖擊、房地產(chǎn)部門波動與貨幣政策[J].當代經(jīng)濟科學，2018（2）：48-56+126.

[6]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)濟研究，2018（9）：52-67.

[7]胡靜，黎東升.貨幣、房價與我國居民消費支出區(qū)制關聯(lián)性的實證[J].統(tǒng)計與決策，2018（11）：144-148.

[8]趙勝民，張瀚文.我國宏觀審慎政策與貨幣政策的協(xié)調問題研究——基于房價波動的非對稱性影響[J].國際金融研究，2018（07）：12-21.

[9]姚云霞，章貴橋.關注房價還是關注股價——基于貨幣政策對資產(chǎn)價格反應的模擬分析[J].管理世界，2017（11）：170-171.

[10]呂煒，高帥雄，周潮.房價上漲如何助推了中國企業(yè)的高杠桿？——基于投入產(chǎn)出網(wǎng)絡的DSGE研究新視角[J].經(jīng)濟體制比較，2018（1）：140-150+169.

[11]張澄，沈悅.房價波動、風險約束與銀行信貸——來自中國銀行業(yè)的經(jīng)驗證據(jù)[J].經(jīng)濟與管理研究，2018（8）：15-26.

[12]陳詩一，王祥.融資成本、房地產(chǎn)價格波動與貨幣政策傳導[J].金融研究，2016（3）：1-14.

[13]孟憲春，張屹山，李天宇.有效調控房地產(chǎn)市場的最優(yōu)宏觀審慎政策與經(jīng)濟“脫虛向實”[J].中國工業(yè)經(jīng)濟，2018（6）：81-97.

[14]Blanchard，O.J.and D.Quah.The Dynamic Effects of Aggregate Demand and Supply Disturbances [J].American Economic Review，1989（4）：655-673.

[15]段忠東.住房價格在貨幣政策傳導中的作用效果——基于SVAR模型的反事實模擬研究[J].當代經(jīng)濟科學，2015（5）：11-21+124.

[16]朱德忠，朱方正.區(qū)域經(jīng)濟中財政與貨幣政策的作用分析[J].牡丹江師范學院學報：社會科學版，2019（1）：16-24.

[17]趙巖，林莉.貨幣政策、研發(fā)投資與技術進步[J].湖南財政經(jīng)濟學院學報，2018（4）：93-100.

[18]彭建剛，唐甜.供求視角下住房公積金對中國房價影響分析[J].湖南財政經(jīng)濟學院學報，2018（5）：5-14.

[責任編輯]王立國

Research on the Relation between Monetary Policy and Real

Estate Price in the Economic Cycle

GUO Dongjie，WANG Rufeng

（School of Economics，Zhejiang University of Technology，Hangzhou，Zhejiang，310023，China）

Abstract：Based on the analysis of the interaction mechanism between monetary policy and real estate price， this paper sets up a SVAR model using proper variables to study the relationship between monetary policy and the house price.We find that in the short run，there is a certain interaction between monetary policy and house price，but the significance of their interaction is different and also asymmetry.Monetary policy shock has a very limited impact on house prices，but house prices shock has a more significant impact on monetary policy.Also，we learn that house price affects the real economy's price level and output level，and we suggest that house price should be a considerable factor of monetary policy making.

Keywords：monetary policy;real estate prices;interaction mechanism;SVAR model