中国“房价之谜”的检验与原因分析，本文主要内容关键词为：之谜论文,中国论文,房价论文,原因论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F293.35 文献标识码：A 文章编号：1005-1309(2012)08-0042-010
所谓“房价之谜”(home price puzzle)是指中央银行连续提高利率情况下，房产价格没有受到抑制反倒持续上升的奇异现象，类似于Sims(1992)在研究美国货币政策效果时发现的“价格之谜”(price puzzle)——联邦基金利率正向冲击导致物价同向变化的情景，这与一般的货币金融思想以及资本资产定价理论大相径庭。McCarthy和Peach(2002)较早发现“房价之谜”这一现象，他们的质疑引起后人极大的研究兴趣。Goodhart和Hofmann(2007)对七大工业国(美国、日本、德国、法国、意大利、英国、加拿大)在1972-1998年间利率与住宅价格关系的研究中发现，只有日本存在“房价之谜”现象，而此段时期刚好是日本房地产泡沫累积和爆发的年代，“房价之谜”由此被视为房地产泡沫和经济衰退的前奏。
从货币政策的实施来看，尽管在理论上关于中央银行要不要关注资产价格存在着严重的分歧，但在实践上各国中央银行普遍对资产价格进行不同程度的干预。目前货币政策的房地产价格传导渠道已得到多国研究证实，“房价之谜”的现象却为这种传导机制的普遍性蒙上了阴影。利率政策调控下我国是否存在“房价之谜”？如果存在，那么隐藏在这种异常现象下的深层次原因是什么？本文对这一现象进行验证并探明原因，这对于我国房地产调控政策的有效实施无疑有着重要的参考价值。
二、研究综述
从现有国外文献来看，多数研究认为货币政策对住宅价格的影响效果是明显的。早在1997年，Muellbauer和Murphy就提出抵押市场的金融自由化使得利率水平对住宅价格的变化发挥着重要作用，利率可以有效影响住宅价格。Iacoviello和Minetti(2003)利用VAR模型实证研究了芬兰、瑞典及英国货币政策冲击对住宅价格波动的影响，发现利率变动不但直接对住宅价格变化发挥了重要作用，而且还增加了住宅市场的政策敏感性。Fratantoni和Schuh(2003)采用异质代理人自回归模型(Heterogeneous-Agent VAR Model)对美国1986-1996年间区域性住房市场与货币政策之间关系进行了分析，研究发现，利率与住房投资和住房价格变化呈负相关关系，但其作用效果具有区域差异。他们认为这种差异主要是因不同地区经济结构及其对货币政策反应不同造成的。Aoki et al.(2004)利用动态随机一般均衡(DSGE)模型研究发现，住宅价格对货币政策的传导存在金融加速器效应。Cameron等(2006)的研究发现，在英国，信贷状况直接或间接地通过实际利率水平影响房地产价格，实际利率提高导致住宅价格下降。Deokho和Ma(2006)运用协整检验和谱分析(spectral analysis)考察了韩国1991-2002年间房价与利率之间的关系，发现长期内房价与利率是正常的负相关关系，并且短期内利率是房价变动的Granger原因。Iacoviello和Minetti(2008)通过四个向量自回归模型(VAR)分析了芬兰、德国等国家的房地产市场上货币政策的传导机制，指出货币政策的房价传导机制是否有效与一个国家的房地产市场结构特征相关联。Adam(2008)运用SVAR模型，发现英国房地产价格波动对消费价格和利率均有影响。Wallison(2010)通过考察美国次贷危机发现，美联储的长期低利率、社区再投资法以及其他的房产刺激政策，加上房利美和房地美的保险，导致极高的道德风险，促成了美国的房产泡沫。Beetsma和Giuliodori(2010)实证研究了11个欧洲国家从1970年到2004年间的情况，发现收入等因素对住宅价格的影响变小，而利率、股票市场等作用则明显增强，利率的增加能够抑制房价上涨。研究结果表明存在“房价之谜”结论的不多。除了Goodhart和Hofmann(2007)发现1972-1998年间日本房地产泡沫期间利率对房地产价格具有正向冲击外，只有McCarthy和Peach(2002)以及Kasai等(2008)的研究表明南非市场在20世纪80年代金融自由化时期也存在“房价之谜”。可以看出，发达国家由于金融自由化起步时间早，利率市场化程度高，利率对房价的影响效果明显，很少出现“房价之谜”的异常现象。
从国内文献来看，关于数量型货币政策与住宅价格关系的研究结果基本一致，均认为信贷或者货币供应的增加会促进房价上扬，但是对利率与住宅价格关系的研究结果存在较大分歧，梳理出以下几种情况：(1)利率与房价变动正相关，因此认为利率政策对房价作用失效：陈鹄飞等(2010)通过构建GARCH(1，1)-M模型，发现央行实施加息的货币政策后当期房价反而上涨的投资现象。况伟大(2010)对中国35个大中城市1996-2007年数据回归研究发现，本期利率变动对房价变动具有正向影响，但回归系数不显著，表明中央银行利率政策在很大程度上是无效的。蔡真和汪利娜(2011)研究认为，在当前中国金融体制下，提高利率的价格政策以及提高准备金的数量政策都没有起到抑制房价过快上涨的作用。(2)利率与房价负相关，由此认为利率政策对房价调节有效：屠梅曾(2007)运用向量误差修正模型(VEC)对房价在货币政策传导机制中的作用进行了实证分析，以短期利率、信贷、货币供应量为政策变量发现房价渠道的总体传导效率较高。曾华珑等(2008)用房价、股价、利率三个变量做VAR模型分析认为利率对房价的影响系数为负，利率对房价的贡献程度较大。戴国强和张建华(2009)利用SVAR模型分析得出，利率正向冲击会对房地产投资和房地产价格产生负向的扰动，同样的结论还见黄飞雪和王云(2010)，他们的研究发现利率提高所带来的房价有小幅下降，这都与现实情况有出入，不能解释中国在2000年后多数年份呈现出来的房价与利率互涨的现象。除此以外，也有研究认为利率与房价二者作用微弱，有的干脆以中国利率没有完全市场化为由回避这一问题。
从研究方法上来看，国内外多数文献的实证分析绝大部分采用的是VAR(或者是SVAR)模型，而VAR模型的创始人Sims(1992)则认为，VAR模型所处理的经济变量过少是该模型的主要缺陷。Bernanke等人(2005)也指出，政策制定者考虑的经济因素数很多，影响房价的潜在经济因素也数以百计，目前运用的VAR、VEC、SVAR以及DSGE模型最多可以处理12个变量，有限的经济变量不能反映房价的真实变动情况，这样对政策效果的分析难免会出现偏差。
本文对中国“房价之谜”现象进行检验并探索其原因。文章的贡献在于：一是首次将计量经济学前沿模型——FAVAR(Factor Augmented Vector Auto Regressive Model，因素扩展的向量自回归模型)应用于该研究领域，利用模型所具有的可以处理多变量、大规模数据的优势，全面捕捉现实中的经济信息，更加真实地反映变量间相互影响的动态关系；二是对影响中国“房价之谜”的主要原因做以比较分析，对各种因素的影响程度做出测量并评价其影响效果，从而为房地产调控政策的科学长远实施提供理论支持。
三、研究方法：FAVAR模型
Bernanke等(2005)在前人研究的基础上，对VAR模型进行了改进，开创性地提出了FAVAR模型。该模型后来得到Boivin和Giannoni(2008)等人在理论上的进一步发展；Shibamoto(2007)、Vargas-Silva(2008)、Kabundi和Gupta(2009)、Gupta et al.(2010)等人先后利用FAVAR模型对日本、美国及南非等国家货币政策对房地产价格变化的作用进行了实证研究，发现FAVAR模型的实证分析效果优越于小规模的VAR、BVAR等模型。
(一)模型结构
=
四、实证分析
(一)变量说明及数据处理
借鉴Bernanke et al.(2005)以及Gupta(2010)的研究，结合我国数据的可得性，本文选取了160种时间序列变量，时间跨度为2000年第1季度至2010年第2季度，共计42个季度。这些变量大致分为九组。一是货币政策和各项金融活动指标，包括长、短期存贷款基准利率、个人住房担保贷款利率、货币供应量(包括
)、各项存、信贷规模等；二是反映房地产市场状况的变量，包括房屋销售价格指数，商品房销售价格指数(包括住宅和非住宅，其中住宅又包含经济适用房、普通住宅、高档住宅；非住宅包含办公楼、商业娱乐用房、工业仓储用房)、二手房交易价格指数、房屋租赁价格指数、土地交易价格指数、房屋供需量、土地供应量等；三是反映国民经济发展变量，包括GDP、工业生产总值、工业增加值、主要工业产品产量、财政收入及支出等；四是反映居民消费情况，包括CPI以及构成各项、社会消费品零售额、耐用品消费支出、教育医疗等消费支出；五是反映投资状况的变量，包括固定资产投资、房地产投资额以及投资资金来源等；六是有关就业和收入变量，包括城镇就业人数、平均劳动报酬、农村居民收入、城镇居民收入等；七是有关资本市场发展的变量，包括股票市场总值、股票流通市值、股票成交额、债券规模等；八是有关国际收支的变量，包括汇率变动、经常项目收支各项、FDI、外汇储备、主要产品进出口量等；九是起预期作用的变量(主要指经济景气指数变量)，包括国房经济景气指数、消费者信心指数、采购经理指数、各行业经济景气指数及宏观经济景气指数等。
数据主要来源于2000年以后的《中国经济景气月报》以及各年度《中国统计年鉴》，部分来源于国研网数据库、中宏网数据库、国家统计局网站和人民银行网站。在模型分析前数据经过以下步骤处理：第一步，用Eviews6.0软件的X-12方法进行季节性调整，消除季节性波动的影响；第二步：对于各类价格指数，统一转换为以2000年第一季度为基期的定基比指数，然后将各类与价格因素相关的变量，转化为以2000年第一季度为基期的不变价格数据①，以消除价格因素的影响。第三步：检验数据的平稳性，对于不平稳的数据取自然对数并差分直至平稳；第四步：用Z-Score法对各类序列数据标准化，以消除数据量纲的差异。
(二)实证过程及结果分析
1.单位根及协整检验
在按照以上步骤处理数据时发现，绝大多数时间序列在显著水平为1%的ADF检验中都存在单位根，说明原序列不能做到0阶平稳。但各变量取对数后的一阶差分在1%的显著水平下都拒绝了单位根假设，从而说明各变量都是1阶差分平稳序列。在利用两步分析法进行FAVAR模型估计时，选取8个主成份的总方差解释率超过70%，基本认为这8个主成份对总体数据特征具有解释力。在此基础上通过Johanserl协整检验和分析，发现存在协整关系。由于文章涉及的变量较多而篇幅有限，具体的平稳性和协整检验过程和结果在此不予列出。
2.格兰杰因果关系和动态相关性检验
在进行格兰杰因果关系检验前，首先确定模型的最优滞后期，LR，FPE，AIC，SC，HQ五项指标均表明，包含住宅价格和名义利率、实际利率的FAVAR模型最优滞后期为2期，在此基础上的格兰杰因果检验发现，5%的显著性水平下住宅价格分别与名义利率、实际利率之间互为因果关系。但这不足以说明它们正相关性的存在，为此对它们进行动态相关性分析，图1是住宅价格和名义利率、实际利率间的动态相关系数图。从中看出，住宅价格和名义利率、实际利率间在滞后和超前各期上主要呈现正相关，其中住宅价格和名义利率的动态正相关性较强，和实际利率的正相关性稍弱。当j＜0时，
间的动态相关系数最大，说明在基本正相关性态势下前期利率的提高更能引起后期住宅价格的上涨。总体来看，因果关系和动态相关性检验证实了“房价之谜”的存在。
3.基于3FAVAR的脉冲响应分析
在数据检验完成之后，利用广义脉冲响应探寻变量间的动态传导关系是本文重点所在。
(1)货币政策对住宅价格的影响②
图2表明：①住宅价格在面对单位名义利率正向冲击时，初期脉冲响应就达到正向最大值0.5个单位，然后强度逐渐降低直至第4季度后出现略微负值并趋向平稳，体现了名义利率和住宅价格强正相关关系，名义利率起不到抑制房价的作用，名义利率作用下的“房价之谜”现象显著。②单位实际利率的正向冲击使得住宅价格初期产生约0.3个单位的脉冲响应，持续2期后减弱，到第3期正响应结束，第4期至第6期略微负值，这表明实际利率相较于名义利率而言，由于通货膨胀的影响使其对住宅价格的正向脉冲响应变弱，虽然第4期后有一定的负响应但是不明显，实际利率变动下的“房价之谜”仍然存在。③单位信贷规模正向冲击使住宅价格在第2季度响应达到最大0.25单位，维持到第3季度之后才逐渐变小，第7季度后趋向平稳，正向作用持续时间较长。④单位广义货币供应的正向冲击后住宅价格脉冲响应与图3-(3)相似。
由此可知，信贷规模和货币供应量对住宅价格作用明显，流动性增强会促使住宅价格上扬，但是利率正向冲击下的住宅价格呈现显著的正向脉冲响应表明，利率变动下的“房价之谜”存在。
对于这种“房价之谜”现象，有的人认为是货币政策的时滞效应导致，但是存在的疑问是，如果真是政策的时滞效应，那么在正向利率脉冲之后即使有住宅价格上升惯性，之后也应该出现住宅价格显著下降的现象，但是图3的前两幅脉冲响应图反映的结果并非如此，利率调高后住宅价格长时间呈现正向脉冲响应，这足以推翻用时滞效应否认“房价之谜”的观点。
图3 利率对价格和收入冲击的脉冲响应
注：图3中(1)为利率冲击后的工业贷款脉冲响应；(2)为利率冲击后的工商业贷款脉冲响应；(3)为利率冲击后的工业增加值脉冲响应；(4)为利率冲击后的住宅投资完成额脉冲响应。
(2)利率变动对各产业的影响
图3主要考察我国名义利率政策冲击后各类产业投资与产出做出的反应。①单位利率正向冲击后工业贷款第2季度达到最小约-0.3个单位，第3季度趋向平稳，这说明提高利率对工业贷款有抑制作用。②单位利率正向冲击下，工商业贷款的响应与工业贷款的响应效果基本相同，同样在第2季度达到最小值，此时约为-0.4个单位，第3季度趋向平稳，这说明提高利率对整个工商业贷款都有抑制作用。③单位利率正向冲击后的工业增加值脉冲响应在1个季度的时滞影响后，从第2季度开始出现负值，大约在第5季度达到最小约-0.25个单位，第8季度后才趋向平稳，说明提高利率对工业增加值的抑制作用明显。④与前三种情况所不同的是，在单位利率正向冲击下，住宅投资完成额逆势上扬，第2季度达到最大约0.4个单位，波动到第3季度时稍微出现负值后基本趋向平稳。
由此看出，利率冲击下各个产业投资与产出响应效果是不同的，调高利率紧缩了银根，使得工商业贷款迅速下滑，工业增加值随之下降，但是住宅投资完成额却在增加，不受利率的制约，这是什么原因呢？考察我国的房贷政策发现，2007年以前我国基本实行的是最低首付30%，利率享受8.5折的优惠住宅信贷政策，2008年至2009年底为应对金融危机，我国又实行最低首付20%，利率享受7折优惠的住宅信贷政策，一般工商业贷款利率却无此优惠，因此与工商业贷款利率比较，优惠的房贷利率作为一种“受保护的利率”明显具有“比较优势”，市场利率的提高会产生投资的“挤出效应”，使得原本流向工商业的资金加速流入房市，从而加剧了住宅价格的上扬。
(3)预期、收入差距、平均收入和成本对住宅价格的影响
图4展示了住宅价格对预期、收入差距、平均收入和成本冲击的脉冲响应。可以看出：①在适应性预期下，给定住宅资产投资的预期利润率一个单位正向冲击后，住宅价格初始脉冲响应值就达到0.11，之后下行至第5季度趋向平稳，说明在2000年后住宅价格长期快速上涨的态势下，投资投机者会以适应性预期为指向预测住宅价格走势，住宅投资利润远超过贷款利息支出，投资投机行为推动了对住宅资产的需求，致使住宅资产价格在一致预期下被人为推高。②在收入差距变动率的单位正向冲击下，住宅价格脉冲响应正向变化，至第2季度达到最大约0.65个单位，之后下行至第5季度趋向平稳。③单位人均收入增长率正向冲击下，住宅价格脉冲响应也呈现正向变化，但是响应值最大约0.2，且正向脉冲持续时期也只有4个季度。④单位住宅建设成本正向冲击下，住宅价格脉冲响应初始值就达到0.2单位，持续到第3季度后下降，至第4季度后趋向平稳。
由此来看，常年的住宅价格上涨固化了人们“住宅价格不会下跌”的信念，除非住宅价格一路上扬的态势被打破，否则这种适应性预期就会一直持续。这种预期下的住宅投资利润率远超过利率，足以克服利息支出的投资成本，对推高房价起到重要作用(根据本文的数据推算，2000年至2010年11年内总体住宅价格上涨了约3.5倍，投资者扣除利息和税收成本支出后，每年住宅投资净利润率约为22%)。另外发现，收入差距、人均收入、住宅建设成本均会影响住宅价格，但是比较来看，收入差距的扩大比人均收入和住宅建设成本更能影响房价，这意味着我国住宅价格快速上涨不是一般的“收入拉动”或者“成本推动”，而是具有强烈的“收入差距拉动”效果，这是一个十分值得关注的问题。收入差距的扩大相当于低收入者向高收入者转移并积累资金，短期内社会住宅购买力得到增强，投资投机性需求被超前集中释放，推动了住宅价格快速上涨。
图4 住宅价格对其影响因素冲击的脉冲响应
注：(1)～(4)为住宅价格分别对住宅投资预期利润率、收入差距变化率、人均收入增长率以及住宅建设成本增长率冲击的脉冲响应。这里预期利润率用前期住宅价格指数变动率减去利率来衡量，代表了居民的适应性预期；收入差距取东、西部代表性省份单位农村居民财产性收入对比值③；人均收入取城镇居民家庭人均可支配收入与农村居民家庭人均现金收入之和；住宅建设成本取居住用地交易价格指数。
五、结论及启示
本文运用FAVAR模型对中国2000年至2010期间“房价之谜”——中央银行连续提高利率情况下，房产价格没有受到抑制反倒持续上升的奇异现象进行检验并对其产生的原因进行研究，得出以下几点结论：
1.名义利率、实际利率与住宅价格正向变化，“房价之谜”存在。宽松的数量型货币政策(信贷规模和货币供应量的投放)能够推动住宅价格上扬，而紧缩的价格型货币政策(利率上调)难以抑制住宅价格上涨。
2.长期的住宅价格上涨趋势强化了投资者的适应性预期，房价只涨不跌的观念占据主流，这种适应性预期下的住宅投资利润率远超过市场利率，对推动住宅价格上涨作用显著。除非住宅价格一路上扬的态势被打破，否则这种适应性预期就会一直持续并作用于房价。
3.与工商业贷款利率比较，优惠的房贷利率作为一种“受保护的利率”明显具有“比较优势”，在提高利率的政策背景下工商业投资受到抑制，投资的“挤出效应”明显，资金进一步流入房地产市场，更加剧了住宅价格上涨。
4.收入差距的扩大比平均收入和住宅建设成本更能影响房价，这意味着中国住宅价格变化具有强烈的收入差距拉动效果。收入差距的扩大产生资金积累的马太效应，投资投机性需求被超前集中释放，推动了住宅价格快速上涨。
对房地产市场的调控是中央政府规范市场秩序、保障民生福祉的一项重要工程。“房价之谜”的现象说明了我国房地产市场存在市场失灵，单纯的价格型货币政策难以有效抑制房价的过度上涨。为及时控制房地产价格泡沫，中央政府先后颁布了“国八条”、“国六条”、“新国八条”等房地产调控政策，升息、限贷限购等政策组合拳初见成效。但是我们也要认识到，房地产调控的行政手段只是非常之举，培育健全的投融资市场，遵循市场机制才是发挥调控效果的关键。对于这方面的工作，首先是要进一步推进利率市场化改革。利率作为资产价格的重要参考因素，应该在市场有效配置资源过程中起基础性调节作用，实现资金流向和配置的不断优化；其次是要确保国家宏观政策的连续性和稳定性。树立政府房地产调控的“声誉”，引导公众理性的投资预期，避免货币政策的“时间不一致”问题。同时又要根据经济形势的变化，适时适度做好政策的微调，科学把握差别化政策的运用；最后，要把缩小居民收入差距作为施政的长期举措。收入差距的缩小能够从源头上抑制过度的住宅投资与投机性需求，消除资产价格过度膨胀而使利率信号扭曲的“房价之谜”现象。在目前阶段，要扎扎实实落实好保障性住房的建设和公正分配工作，把促进发展、保障民生和房地产市场调控统一起来，避免房地产资源的过度投机和不合理分配造就新的不平等和财产占有悬殊。
①目前我国统计部门发布的多数价格指数为同比指数，难以直接运用，最好的办法是统一转化为定基比指数，以增强可比性。转化的方法是，在已知全部同比指数和某一统计周期环比指数情况下，先换算出全部环比指数，再换算出全部定基比指数。以月度指数为例，第一步计算环比指数：当年t月环比指数=下年t-1月同比指数×下年t月环比指数/下年t月同比指数，例如：2002年9月环比指数=2003年8月同比指数×2003年9月环比指数/2003年9月同比指数；第二步计算定基比指数：t月定基比指数=t月环比指数×上月定基比指数/100，例如：假设2000年1月到4月的环比数据分别为100.5，101.3，99.6，98.1，如果选定2000年1月为基期，那么换算成定基比时，就设1月为100，定基比的2月就是101.3×100/100=101.3，定基比的3月就是99.6×101.3/100，依次类推。在这里关键是要找到某一统计周期的环比指数，根据我们的搜集，2009年的各类环比价格指数比较全面，其它年份同比价格指数都能搜集到，利用以上转化公式可以核算出以2000年第一季度为基期的定基价格指数。
②这里的住宅统计的是指新建商品住宅，不包括二手住宅。
③在这里东部选取的是北京、上海、江苏、浙江、广东五省份，西部选取的是陕西、贵州、甘肃、青海、宁夏五省份。目前衡量我国收入差距状况的基尼系数的计算方法不统一，许多学者的计算结果出入较大，以东、西部单位农村居民财产性收入对比值衡量我国收入差距有三方面优势：一是体现了我国东、西部地域收入差距的特点，二是选取财产性收入的对比更能体现造成我国收入差距扩大的原因，三是考虑到城市对农村经济的带动作用，用东部地区的农村财产性收入与西部地区农村财产性收入对比，也能间接反映我国城乡收入差距的状况。
标签：货币政策论文; 名义利率论文; 房价指数论文; 房价论文; 房价下跌论文; var模型论文; 政策影响论文; 价格发现论文; 经济论文; 利率论文; 购房论文;