貨幣政策影響下收入和房價的跨區(qū)域聯(lián)動

余華義，黃燕芬

(中國人民大學(xué)　公共管理學(xué)院，北京　100872)

貨幣政策影響下收入和房價的跨區(qū)域聯(lián)動

余華義，黃燕芬

(中國人民大學(xué)公共管理學(xué)院，北京100872)

摘要：本文首先構(gòu)建了解釋貨幣政策對不同城市房價的區(qū)域差異性影響、城市間房價的跨區(qū)溢出以及收入對房價的跨區(qū)影響的分析框架。之后，利用中國35個大城市的面板數(shù)據(jù)，本文通過GVAR模型對該框架進行了實證研究。結(jié)果表明，貨幣供應(yīng)量變動對一線城市和東部城市房價的正向影響高于其對中西部城市的影響。北京等一線城市的房價波動對其它城市房價有明顯的溢出效應(yīng)，而中西部城市的房價溢出效應(yīng)則不明顯。一線城市和東部城市的房價在很大程度上受其它城市收入變動的影響，而中西部城市的房價主要受本城市收入變動的影響。最后，基于理論分析和實證結(jié)果，本文提出了有針對性的政策建議。

關(guān)鍵詞：房價溢出效應(yīng)；區(qū)域差異性；貨幣政策；GVAR 模型

一、引言

自2003年以來，中國大幅度攀升的房價成為社會關(guān)注的焦點。與此同時，中國的貨幣政策也進入了一個相對寬松的時期。在此背景下，許小年(2011)提出中國房價的上漲是由超額貨幣供應(yīng)所引發(fā)的成為一種頗為流行的觀點[1]。然而，已有文獻對該觀點并沒有給出有信服力的實證證據(jù)。僅有少量文獻基于宏觀數(shù)據(jù)對中國貨幣供應(yīng)量與房價之間關(guān)系進行過實證研究，且結(jié)論存在較大分歧(如李健、鄧瑛，2011；徐忠等，2012；王擎，韓鑫韜，2009，Yao等，2012)[2-5]。宏觀數(shù)據(jù)本身的局限性可能是產(chǎn)生這種分歧的重要原因。Carlino和Defina(1998)認為在一國內(nèi)部，貨幣政策可能對不同區(qū)域產(chǎn)生差異性影響[6]。如果貨幣政策對房地產(chǎn)市場有區(qū)域差異性影響，貨幣政策引發(fā)不同地區(qū)的房價變動具有較大差異時，那么基于宏觀數(shù)據(jù)的研究可能得出有偏誤的結(jié)論。比如，當貨幣供應(yīng)量變動時，部分城市房價下跌，部分城市房價上漲，基于宏觀數(shù)據(jù)的研究可能難以發(fā)現(xiàn)貨幣供應(yīng)量與房價之間統(tǒng)計上的顯著聯(lián)系。從政策角度而言，貨幣政策的區(qū)域差異性影響也會導(dǎo)致中央銀行面臨困境。當不同城市的房價對貨幣政策的反應(yīng)敏感程度明顯不同時，擴張性貨幣政策可能引起局部城市的房價超出可控的范圍。

貨幣政策對房價的區(qū)域差異性影響，事實上反映著地區(qū)間由經(jīng)濟發(fā)展水平、人口等差異所引發(fā)的房地產(chǎn)市場的差異。過去十余年，北京、上海等東部大城市的房價水平和房價增長率上都遠遠超過了中西部城市。圖1a給出了中國35個大城市2000-2003年、2004-2007年和2008-2011年三個時期房價增長率的核密度曲線。從圖中可以看出，隨著時間的推移，核密度曲線在逐漸扁平化，這表明中國城市房價變化率的離散程度在加大，城市間房價差距在逐漸拉大。圖1b給出了2000-2011年間，中國35個大城市的房價增長率和人均可支配收入增長率的核密度曲線。我們可以看出，人均可支配收入增長率的核密度曲線表現(xiàn)呈現(xiàn)出一個明顯的峰值，而房價增長率的核密度曲線則較為扁平。這表明，在2000-2011年間，中國城市間人均可支配收入的增長率的離散程度遠低于房價增長率的離散程度，房價分布的變化趨勢與人均收入分布的變化趨勢并不一致。這暗示了在跨區(qū)購房情況下，本城市居民的收入增長并不一定增加本城市的住房購買力，而可能增加其它城市的住房購買力。因而，單個城市收入變動可能引發(fā)不同城市房價的聯(lián)動變化。然而，過去文獻缺乏這方面的探討。

一個國家內(nèi)部各地區(qū)的房地產(chǎn)市場并不是相互隔離的，某個城市房價的變動也可能影響周圍城市的房價，即產(chǎn)生所謂的房價溢出效應(yīng)(spillover)。然而，過去文獻對房價溢出效應(yīng)的探討主要集中在其特殊的表現(xiàn)形式——“波紋效應(yīng)”的探討上?！安y效應(yīng)”的特殊性體現(xiàn)在房價傳導(dǎo)具有空間上的連續(xù)性。然而，由于城市間的經(jīng)濟、社會的聯(lián)系的緊密程度可能并不嚴格依賴于其地理距離，這可能導(dǎo)致不同城市間的房價相互影響機制并不具有“波紋效應(yīng)”所展現(xiàn)出的空間連續(xù)性。而本文則試圖突破“波紋效應(yīng)”的框架對中國城市間的房價溢出效應(yīng)給出全面的實證上的證據(jù)。房價的溢出效應(yīng)也具有明確的政策含義。近年來，中國政府制定了一些區(qū)域性的房價控制政策，比如部分城市的住房限購政策。如果某些城市的房價溢出效應(yīng)較大，對這些城市的房價進行調(diào)控，顯然會對其它城市房價產(chǎn)生明顯的影響。因而，對中國城市房價的溢出效應(yīng)進行實證探討，事實上為評價區(qū)域房價控制政策的合理性提供了依據(jù)。

本文在探討貨幣政策區(qū)域差異性影響下收入和房價的跨區(qū)域聯(lián)動機制時，使用了Dees等(2006)開發(fā)的GVAR(Globe Vector Autoregression)模型[7]。傳統(tǒng)的面板VAR模型中，單個個體被認為是沒有區(qū)位溢出效應(yīng)的，也即是說發(fā)生在給定區(qū)域的經(jīng)濟沖擊只會影響本區(qū)域，而不會對其它區(qū)域產(chǎn)生影響。而GVAR模型的優(yōu)勢在于，它能刻畫區(qū)位溢出效應(yīng)，以及區(qū)位層面變量和全國層面變量間的相互影響。這就使得我們不僅能夠分析全國層面的沖擊(例如貨幣供應(yīng)量)對各地房價的影響，也能夠分析某個城市的房價或收入變動對其它城市房價變動的差異性影響。

二、文獻綜述

傳統(tǒng)宏觀經(jīng)濟學(xué)是從總量角度探討貨幣政策對經(jīng)濟的影響的，較少考慮考慮貨幣政策在不同區(qū)域的差異性影響問題。隨著跨國的區(qū)域貨幣聯(lián)盟出現(xiàn)，有關(guān)貨幣政策區(qū)域差異性影響的研究逐漸為學(xué)界所重視。Dornbusch等(1998)對歐元區(qū)內(nèi)部貨幣政策的區(qū)域效應(yīng)進行了探討，認為歐元區(qū)不同國家的金融結(jié)構(gòu)(如企業(yè)融資結(jié)構(gòu)、商業(yè)銀行穩(wěn)健性、非銀行融資可得性)差異會導(dǎo)致統(tǒng)一貨幣政策產(chǎn)生區(qū)域差異性效果[8]。Ulrike(2012)認為歐洲央行在制定貨幣政策時缺乏對各成員國經(jīng)濟受到貨幣政策沖擊的差異性反應(yīng)的考慮。而一個國家內(nèi)部，特別是區(qū)域差異比較大的國家，貨幣政策也可能存在區(qū)域差異性影響[9]。Carlino和Defina(1998)基于美國各州數(shù)據(jù)的實證結(jié)果表明，美聯(lián)儲的貨幣政策對不同區(qū)域存在明顯的差異性影響[6]。Owyang和Wall(2009)認為美國內(nèi)部貨幣政策的區(qū)域差異性影響源于各州實體產(chǎn)業(yè)對貨幣政策反應(yīng)的差異，但他們同時發(fā)現(xiàn)美國貨幣政策區(qū)域差異性影響在縮小[10]。有關(guān)中國的研究方面，宋旺和鐘正生(2006)基于最優(yōu)貨幣區(qū)理論，認為中國并不滿足最優(yōu)貨幣區(qū)條件，貨幣政策存在顯著的區(qū)域差異性影響[11]。蔣益民和陳璋(2009)基于聚類分析和SVAR方法，也發(fā)現(xiàn)中國不同區(qū)域?qū)τ谪泿耪叩姆磻?yīng)是不同的[12]。目前，學(xué)術(shù)界有關(guān)貨幣政策的區(qū)域差異性影響的討論主要集中于貨幣政策對不同地區(qū)產(chǎn)出的差異性方面。貨幣政策對房價水平的區(qū)域差異性影響，過去并未受到學(xué)術(shù)界的重視。僅王先柱等(2011)、張紅和李洋(2013)、余華義和黃燕芬(2015)等，就貨幣政策沖擊對房地產(chǎn)市場的區(qū)域差異性影響進行過實證研究[13-15]。

學(xué)術(shù)界對不同地區(qū)間房價相互影響的研究始于對“波紋效應(yīng)”的探討。Meen(1999)給出了“波紋效應(yīng)”存在的四個理論上的解釋：人口遷移、資產(chǎn)轉(zhuǎn)換、空間套利和外生經(jīng)濟沖擊效果的時間差異[16]。Holmes(2008)認為從計量角度而言，如果“波紋效應(yīng)”存在，最終各地區(qū)間的房價應(yīng)呈現(xiàn)出一定程度的長期收斂關(guān)系，并且通過不同地區(qū)間房價的因果關(guān)系檢驗可以判斷出房價波紋的傳播方向[17]。此后，大量文獻基于不同國家數(shù)據(jù)，支持了“波紋效應(yīng)”的存在性，比如Meen(1999)和Holmes(2008)基于英國的研究[16-17]。然而，也有一些研究對“波紋效應(yīng)”的存在性提出了質(zhì)疑。同樣基于英國的數(shù)據(jù)，Drake(1995)和Abbott和De Vita(2011)的實證結(jié)果卻顯示英國的區(qū)域房地產(chǎn)市場并不存在明顯的“波紋效應(yīng)”[18-19]。由于“波紋效應(yīng)”的研究主要是基于統(tǒng)計方法對其存在性進行檢驗，因而無法給出某一地區(qū)房價的變動對另一地區(qū)未來房價的具體影響大小。

“波紋效應(yīng)”的不顯著可能源于不同城市間的房價聯(lián)動機制并不具有空間連續(xù)性。近年來部分文獻開始從空間計量角度實證分析不具有空間連續(xù)性的房價時空聯(lián)動影響。Beenstock和Felsenstein(2007)構(gòu)建了一個空間向量自回歸(SpVAR)的框架用以分析某一地區(qū)的經(jīng)濟沖擊對不同臨近地區(qū)房價的時空影響，并以以色列數(shù)據(jù)為例，模擬了來自耶路撒冷的收入沖擊和來自特拉維夫的人口沖擊對其它地區(qū)房價的影響趨勢[20]。Kuethe和Pede(2011)也采用SpVAR模型分析了美國不同州的收入和失業(yè)率沖擊對附近州房價的影響[21]。Holly等(2010)構(gòu)建了一個考慮空間效應(yīng)的房價和經(jīng)濟基本面關(guān)系的模型，并利用美國州層面的數(shù)據(jù)發(fā)現(xiàn)空間因素是影響房價偏離均衡后調(diào)整速度的重要因素[22]。Holly等(2011)探討了英國地區(qū)層面的房價時空擴散機制，并利用廣義時空脈沖響應(yīng)分析了一個某地區(qū)的房價受到?jīng)_擊后，其它地區(qū)房價的跨時間和跨空間的響應(yīng)[23]。然而，這些文獻仍存在明顯不足。首先，這些文獻只考慮了某一地區(qū)的沖擊(房價和經(jīng)濟變量)對其它地區(qū)房價的影響，并未考慮全國層面的沖擊(比如貨幣供應(yīng)量變動)對不同地區(qū)房價的異化影響。其次，這些文獻缺乏對溢出效應(yīng)及貨幣政策對房價區(qū)域差異性影響的理論解釋。

三、貨幣政策對房價的區(qū)域異質(zhì)影響以及收入和房價的跨區(qū)域聯(lián)動的分析框架

通過對過去文獻的總結(jié)梳理，我們可以得到一個貨幣政策對房價的區(qū)域異質(zhì)影響及房價溢出效應(yīng)的分析框架，該框架由圖2所示。

對于中央銀行而言，貨幣政策中介目標有數(shù)量指標和價格指標兩類。數(shù)量指標把各種可直接控制的數(shù)量作為中介指標，如信貸規(guī)模、基礎(chǔ)貨幣、貨幣供應(yīng)量(M1、M2)等；而價格指標則把可影響貨幣政策的價格變量作為中介目標，如長短期利率、匯率等。從實踐而言，中國尚未實現(xiàn)利率的市場化，中國人民銀行的貨幣政策框架是把貨幣供應(yīng)量作為中介目標的，“中國貨幣政策調(diào)控主要圍繞‘數(shù)量’而展開的”(王國剛，2012)[24]。此外，F(xiàn)an等(2011)就中國貨幣政策執(zhí)行效果的實證分析也表明，貨幣供給量的增加在促進經(jīng)濟增長的同時也導(dǎo)致物價上漲，而利率變化對產(chǎn)出和物價的影響都不顯著[25]。因而貨幣供應(yīng)量相對于利率而言，更適宜作為調(diào)節(jié)宏觀經(jīng)濟的貨幣工具。基于以上原因，本文選取貨幣供應(yīng)量作為衡量貨幣政策的代理變量。

當貨幣政策導(dǎo)致貨幣供應(yīng)量變動后，會有三種渠道可能引發(fā)住房需求的區(qū)域差異性反應(yīng)。第一種渠道來自利率渠道。貨幣供應(yīng)量的增大，意味著實際利率水平降低，進而融資成本降低，購房需求增加。第二種渠道來自信貸配給機制。Stiglitz和Weiss(1981)證明在信貸市場信息不對稱情況下，理性市場參與者追求效用最大化的結(jié)果是出現(xiàn)信貸配給，即通過首付款要求、抵押條件和最低收入還貸比例等非利率條件，阻止部分資金需求者進入借貸市場[26]。由于不同地區(qū)的收益和風(fēng)險狀況不同，信貸市場可能會出現(xiàn)區(qū)域信貸配給，資金集中流向收益水平較高、風(fēng)險較低的地區(qū)。第三種渠道來自居民對不同城市房價上漲預(yù)期的差異。如果民眾普遍預(yù)期某些城市的房價增值會更快，房地產(chǎn)投資資本會更加傾向于這些城市。然而，不同地區(qū)的住房供給彈性是不同的。相同的住房需求增量所導(dǎo)致的房價上漲幅度是不同的。因而，貨幣供應(yīng)量變動通過上述三種渠道引發(fā)住房需求的區(qū)域差異性反應(yīng)后，又會因各地住房供給彈性的差異，導(dǎo)致不同地區(qū)房價變動的區(qū)域差異性。

圖2　貨幣政策區(qū)域差異性影響下收入和房價的跨區(qū)域聯(lián)動機制分析框架

收入和房價的跨區(qū)域聯(lián)動，主要是受到效用水平的空間均衡機制影響。按照Roback(1982)的觀點，資本和勞動力在城市間的自由流動將導(dǎo)致區(qū)位均衡[27]。對廠商而言，如果較高的房價沒有較低的工資做補償，廠商會選擇遷移；而對居民而言，較高的房價沒有高工資做補償，居民也會選擇遷移。廠商和居民的這種遷移，將使得不同城市的廠商和居民分別獲得近似的邊際成本和效用水平，這就是一種區(qū)位均衡。按照這種機制，一個城市的房價水平和人均收入水平的變化，會對本城市和其它城市的房價水平均產(chǎn)生影響。

一個城市房價水平的上漲，意味著在該城市企業(yè)經(jīng)營成本和居民居住成本的相對提高。按照效用的空間均衡機制，這會導(dǎo)致部分企業(yè)和居民搬遷到其它城市，進而帶動其它城市房價的上漲，產(chǎn)生所謂的房價溢出效應(yīng)。

一個城市人均收入水平的提高，意味著在該城市生活的居民效用水平的提高，這會引發(fā)居民從其它城市搬入該城市。這一搬遷過程，實際伴隨著居民將其在其它城市取得的收入轉(zhuǎn)移至新搬入的城市，用于購買住房*中國還普遍存在子女在異地工作，父母為其購房(或支付首付或月供)、轉(zhuǎn)移收入的現(xiàn)象。。這意味著搬入城市住房需求增加，而原來城市住房需求的下降。這樣，一個城市收入水平的變動對其它城市房價會存在跨區(qū)域的影響。一個城市人均收入水平的提高將導(dǎo)致其它城市房價水平的降低。同時，一個城市人均收入的提高，將通過提高本城市居民住房購買力和引發(fā)移民住房需求的方式，導(dǎo)致本城市房價水平上漲。

住房具有投資品屬性，房價變動可引發(fā)“追漲殺跌”的正反饋機制。由于資本的逐利性，不同城市房產(chǎn)投資回報率的差異，會導(dǎo)致房地產(chǎn)投資資本在不同城市間轉(zhuǎn)移以獲取更大收益。房產(chǎn)投資回報率高(房價增長快)的城市，房產(chǎn)投資資本匯聚會較多，正反饋機制會相應(yīng)較大*比如北京、深圳等房價上漲較快的城市，更容易受到外來房地產(chǎn)投資資本的關(guān)注(比如溫州、山西炒房團等)。。

下面，我們利用1999-2013年中國35個大城市的季度數(shù)據(jù)，對上述分析框架進行實證研究。

四、實證模型和數(shù)據(jù)

(一)實證模型

為實證研究第三部分探討的貨幣政策對房價的區(qū)域差異性影響及房價和收入的跨區(qū)域聯(lián)動機制，我們首先構(gòu)建了一個GVAR模型。GVAR模型在單個地區(qū)變量誤差修正模型的基礎(chǔ)上，通過加權(quán)平均矩陣引入了各地區(qū)變量之間的相互影響，同時引入了全國性變量對各地區(qū)變量的影響。具體而言，GVAR模型考慮了地區(qū)之間三種相互聯(lián)系的途徑：

途徑1：某個地區(qū)變量xit依賴于其它地區(qū)該變量xit*的當期和滯后值。

途徑2：各地區(qū)變量受全國層面外生變量的共同影響，比如貨幣供應(yīng)量的變動。

途徑3：第i個地區(qū)會受到來自第j個地區(qū)所受到的當期沖擊的影響，這種關(guān)聯(lián)性通過誤差的協(xié)方差矩陣加以反映。

假定在GVAR系統(tǒng)中有N+1個城市，分別標記為城市0，1，2，…，N。同時假定Xi表示第i個地區(qū)的變量向量(比如實際房價rhp和實際人均收入ry)，Xi*表示第i個地區(qū)以外的其它地區(qū)的變量向量(相應(yīng)地為rhp*和ry*)，也被稱為星標變量。Xi和Xi*階數(shù)分別為ki和ki*。

如果Xi和Xi*滯后階數(shù)均為1，于是可以得到第i個地區(qū)的VARX*(1，1)模型：

(1)

在GVAR模型中，權(quán)重可以有多種設(shè)定方法。根據(jù)地理學(xué)第一定律[28]，兩個城市間的相互影響會隨距離的增加而減少。因而，我們采用了空間計量經(jīng)濟學(xué)中常用的距離權(quán)重構(gòu)建方法來構(gòu)建權(quán)重項wij。即當i=j時，wij=0；而i≠j時，wij=1/dij，dij為兩城市間的距離。

之后，我們以wij構(gòu)建權(quán)重矩陣W并做標準化處理，使每列元素之和轉(zhuǎn)換為1。將地區(qū)內(nèi)變量和地區(qū)外變量結(jié)合，可以形成一個(ki+ki*)×1的向量Zi：Zit=(Xit，Xit*)T。于是，式可以改寫為：

AiZit=ai0+ai1t+BiZi,t-1+εit

(2)

Zit=WiXt,i=0,1,2,…,N

(3)

其中，Wi為由距離權(quán)重wij構(gòu)成的(ki+ki*)×ki矩陣。Wi可以看作是將各地區(qū)VARX*模型連接為GVAR模型的連接矩陣。將和式結(jié)合，可以得到：

AiWiXt=ai0+ai1t+BiWiXt-1+εit

(4)

其中，AiWi和BiWi均為ki×k矩陣。將所有方程寫為上下疊加形式，有：

GXt=a0+a1t+HXt-1+εt

(5)

其中，H=(B0W0,B1W1,…,BNWN)T，G=(A0W0,A1W1,…,ANWN)T，Ai=(Iki-Λi0)，Bi=(Φi,Λi1)，a0=(a00,a10,…,aN0)T，a1=(a01,a11,…,aN1)T，εt=(ε0t,ε1t,…,εNt)T。加入全國共同變量，比如貨幣供應(yīng)量等，可將GVAR模型一般化。擴展的VARX*模型可以表示為：

(6)

這里的dt表示一個s×1階全國共同變量的向量(也可以只包含一個變量，比如廣義貨幣供應(yīng)量M2)。X*it和dt都被假定為滿足弱外生性。于是，GVAR模型可擴展為：

GXt=a0+a1t+HXt-1+Ψ0dt+Ψ1dt-1+εt

(7)

GΔXt=a0+a1t+(H-G)Xt-1+Ψ0dt+Ψ1dt-1+εt

(8)

將兩邊同乘以G-1，可以得到以下的形式：

Xt=G-1a0+G-1a1t+G-1(H-G)Xt-1+G-1Ψ0dt+G-1Ψ1dt-1+G-1εt

(9)

該式構(gòu)成了GVAR模型分析的標準形式。本文采用了Dees，et al.(2007)的方法對GVAR模型進行求解并計算沖擊的廣義脈沖響應(yīng)函數(shù)[7]。

(二)數(shù)據(jù)說明

本文的GVAR模型中主要使用了三個變量：實際房價(rhp)、實際人均可支配收入(ry)和實際廣義貨幣供應(yīng)量(M2)。其中，前兩個變量為1999年1季度-2013年4季度的中國35個大城市面板數(shù)據(jù)，實際廣義貨幣供應(yīng)量為同一時間段的全國層面數(shù)據(jù)。根據(jù)之前的模型說明，我們可以計算出每個城市所對應(yīng)的其它城市的加權(quán)實際房價(rhp*)和加權(quán)實際人均可支配收入(ry*)。

由于國家統(tǒng)計局公布的分城市房屋價格指數(shù)并不具備城市間房價水平的橫向可比性。為此，本文采用了Yu(2011)的方法[29]，計算得到了中國35個大城市1999年1季度至2013年4季度的具有橫向可比性的加權(quán)平均房價。在計算過程中，每個城市的各類型房屋價格使用的是國家發(fā)展改革委員會價格司的35個大城市的分類型房屋價格的原始監(jiān)測匯總數(shù)據(jù)，權(quán)重為上一年各類型房屋銷售額占總銷售的比重，最后通過加權(quán)平均的方法求得各城市的加權(quán)平均房價。中國35個大城市的居民的各季度人均可支配收入和名義廣義貨幣供應(yīng)量分別取自各期《中國經(jīng)濟景氣月報》和《中國人民銀行統(tǒng)計季報》*本文使用了季度平均利率。如果在該季度中遇到調(diào)整利率，則按該季度中執(zhí)行不同利率的天數(shù)為權(quán)數(shù)進行了加權(quán)得到季度平均利率。。加權(quán)平均房價、人均可支配收入和廣義貨幣供應(yīng)量用定基全國居民消費價格扣除物價上漲因素，可以得到實際房價(rhp)、實際人均可支配收入(ry)和實際廣義貨幣供應(yīng)量(M2)。在實證中，所有變量均取自然對數(shù)值。

在本文的GVAR模型中，需要構(gòu)建一個基于城市間距離的權(quán)重矩陣。本文利用ArcGIS 10.0軟件導(dǎo)入“國家基礎(chǔ)地理信息系統(tǒng)”的中國1:400萬地理信息系統(tǒng)數(shù)據(jù)庫，實現(xiàn)了對中國35個大城市間的兩兩距離的測算。之后，對距離取倒數(shù)，并對矩陣進行列元素加總為1的標準化處理，可以得到GVAR模型中的距離權(quán)重矩陣。該矩陣可以刻畫兩個城市間的相互影響隨距離的增大而衰減，比如廣州對深圳的影響遠大于廣州對銀川的影響。

五、統(tǒng)計檢驗

在對GVAR模型進行估計之前，我們需要對變量進行必要的統(tǒng)計檢驗。我們首先應(yīng)用ADF檢驗對地區(qū)變量及相應(yīng)的星標變量的水平值和一階差分值進行單位根檢驗。對實際貨幣供應(yīng)量(M2)而言，所有城市都是一樣的數(shù)值，其水平值和一階差分形式的ADF統(tǒng)計值分別為0.923和-7.545，這表明其是5%顯著性水平上的I(1)序列*檢驗基于包含截距和線性時間趨勢的形式。限制篇幅，具體的ADF檢驗結(jié)果此處略去，讀者可向筆者索要。。35個城市的實際房價(rhp)和實際人均可支配收入(ry)序列及相應(yīng)的星標變量(rhp*和ry*)可以認為都是I(1)序列。因此，我們可以利用這35個城市的水平值去檢驗變量的協(xié)整形式，并用序列的一階差分形式去估計VECM模型。

之后，我們利用Johansen協(xié)整檢驗對每個城市模型中可能存在的協(xié)整關(guān)系進行考察。表1給出了Johansen協(xié)整檢驗的跡(Trace)檢驗的結(jié)果。檢驗方程中包含的一階差分的滯后項階數(shù)根據(jù)AIC法則確定。結(jié)果顯示，這35個城市的實際房價(rhp)、實際人均可支配收入(ry)、相應(yīng)的星標變量(rhp*和ry*)和實際廣義貨幣供應(yīng)量(M2)都包含著一組協(xié)整關(guān)系。這表明，我們可以利用一組協(xié)整關(guān)系對GVAR模型進行求解。本文的協(xié)整檢驗結(jié)果與Holly，et al.(2010)類似，該文在考慮了房價的共同影響因素和地區(qū)擾動后，也同樣發(fā)現(xiàn)了美國49個州的房價和收入之間具有協(xié)整關(guān)系[22]。

在估計GVAR模型時，一個重要的假設(shè)是式中的X*it和dt都要滿足弱外生性。要檢驗這個假設(shè)，我們需要構(gòu)建一個輔助的一階差分方程，并對估計出的誤差修正項的顯著性進行檢驗。具體而言，對于X*it=(rhp*，ry*)’中的變量rhp*it，有下列回歸方程：

(10)

表3給出了星標變量對本地變量的同期影響。在計算標準誤和t統(tǒng)計量時，我們使用了Newey-West異方差和自相關(guān)一致協(xié)方差矩陣。這些系數(shù)估計值可以理解為本地變量和星標變量之間的影響彈性。結(jié)果顯示，全部城市的rhp*的系數(shù)估計值都為正數(shù)且顯著。以北京、上海、廣州、深圳為例，我們可以看到，其它城市加權(quán)房價在某個季度1%的變動將導(dǎo)致北京、上海、廣州、深圳在該季度的房價分別發(fā)生0.106%、0.158%、0.163%和0.142%的顯著的正向變動。其它城市也有相似的同期影響彈性，但從系數(shù)的絕對值來看，其程度遠遠大于北京、上海、廣州和深圳。這表明，北京、上海、廣州、深圳房價的受其它城市房價變動的影響較小，而其它城市的房價變動受外部影響較大，尤其是受到北京、上海、廣州、深圳這四個一線大城市的影響較大。

表1　Johansen協(xié)整檢驗(跡檢驗)

注：協(xié)整檢驗?zāi)Ｐ筒捎冒窍拗菩越鼐囗椇途€性確定性趨勢的形式。模型中包含I(1)內(nèi)生變量rhp和ry，以及外生變量rhp*、ry*和rr。

注：模型采用包含非限制性截距項和線性確定性趨勢的形式，模型中的5個變量分別為I(1)內(nèi)生變量rhp、ry和I(1)外生變量rhp*、ry*和rr。

多數(shù)城市ry*的系數(shù)估計值也為顯著的正值，這表明各城市的人均收入也有一定的共同變動趨勢。然而，我們發(fā)現(xiàn)，幾乎所有城市的ry*的系數(shù)估計值要低于rhp*的系數(shù)估計值，東部大城市的估計值明顯低于中西部城市，并且上海、深圳和杭州的ry*的系數(shù)估計值為不顯著的負數(shù)。這暗示，與房價相比，中國城市間的人均收入受到外部城市人均收入變動的影響較小，尤其是東部的大城市。

表3　星標變量對本地變量的同期影響效果

六、模型的估計和動態(tài)性分析

為了研究GVAR模型的動態(tài)特性并且刻畫外部沖擊對各城市房價影響的時間變動軌跡，我們考察了三個方面的外部沖擊的影響效果：

1)人均可支配收入變動對房價的影響。我們選取具有代表性的北京、廣州、南京、蘭州，分別給這些城市1%的人均收入的正向沖擊，看其它城市房價所受的影響。

2)單個城市的房價變動對不同城市房價的影響。我們依舊選取了具有代表性的北京、廣州、南京、蘭州，分別給這些城市1%的房價的正向沖擊，看其它城市房價所受的影響。

3)1%的真實廣義貨幣供應(yīng)量的正向沖擊。

我們之所以選擇上述四個城市，一方面是考慮到它們地理位置的代表性，另一方面是考慮到它們各自房地產(chǎn)市場的差異性。選取北京、廣州作為中國經(jīng)濟最發(fā)達的一線城市(北京、上海、廣州、深圳)的代表；選取蘭州作為中國中西部城市的代表；選取南京作為東部城市的代表*在本文中，東部城市特指31個樣本城市中，除一線城市(北京、上海、廣州、深圳)外，位于東部沿海省份的其它城市。具體而言，包括石家莊、大連、南京、杭州、寧波、福州、廈門、青島、南寧和?？?。。在考察房價對于沖擊的反應(yīng)時，我們使用了基于GVAR模型的廣義脈沖響應(yīng)函數(shù)。

(一)可支配收入變動對房價的影響

圖3可以看出，在給人均可支配收入施加1%的正向沖擊后，各個城市房價的初始反應(yīng)都是正向的。但在前8個季度內(nèi)，這種正向的反應(yīng)呈現(xiàn)出迅速向下衰減的波動趨勢，之后逐漸趨于穩(wěn)定。

北京、廣州、南京、蘭州的房價在受到各自人均可支配收入1%的正向沖擊后，長期反應(yīng)分別為大約0.090%、0.123%、0.207%和0.265%。這表明以北京、廣州為代表的一線城市可支配收入增長對自身房價推動作用較小，而以蘭州為代表的中西部城市可支配收入增長對自身房價的推動作用較為明顯。該結(jié)果，可按第三部分的分析框架加以解釋。1990年代以來，中國的城市化進程加快。然而，不同城市的人口變化情況具有明顯的不均衡性，城市增長的東西部差距明顯，中西部城市的集聚效應(yīng)遠落后于東部城市。1990年代后，東部較為發(fā)達的長江三角洲、珠江三角洲和京津唐地區(qū)的人口規(guī)模增長都遠高于全國其它地區(qū)，而這三個區(qū)域內(nèi)的核心城市(主要是北京、上海、廣州和深圳四個一線城市)的人口增長速度又高于區(qū)域內(nèi)其它城市。這種人口變化的差異實際反映了各城市間公共產(chǎn)品之間的巨大差異。根據(jù)Tiebout(1956)提出的“Tiebout效應(yīng)”，不同城市的公共產(chǎn)品會影響到人們的效用水平進而影響人們的遷移行為[30]。一線城市在公共產(chǎn)品(包括教育、醫(yī)療、社會保障、基礎(chǔ)設(shè)施、信息獲取、政府資源等)的數(shù)量和質(zhì)量上優(yōu)于東部城市，而東部城市又優(yōu)于中西部城市。相比中西部城市，一線城市、東部城市不僅在吸收外來人口數(shù)量上具有優(yōu)勢，新遷入人口的財富、學(xué)歷等也具有明顯的優(yōu)勢。因此，對于中西部城市而言，其房價增長受到本城市收入增長的推動作用較大，而一線城市、東部城市住房需求中有更大比重的來自外部移民的住房需求，外部移民的購房伴隨著大量非本城市的購房資金轉(zhuǎn)移，因而一線城市、東部城市房價上漲受到來自本城市收入增長的推動作用較小。而中西部城市土地供給彈性相對更大，外部資金導(dǎo)致的房價變動幅度相對較小，房價受本城市收入變動的影響相對較大，而一線城市、東部城市的情況則反之。

按照第三部分的空間均衡分析框架，某個城市收入水平的提高會導(dǎo)致人口從其它城市流入，進而單個城市收入變動對其它城市的房價有一定的負向影響。本文實證結(jié)果發(fā)現(xiàn)，除了對蘭州的人均可支配收入施加1%的正向沖擊后，北京和廣州的房價長期反應(yīng)為正值以外，在對北京、廣州、南京、蘭州的人均可支配收入施加1%的正向沖擊后，其它城市的房價長期反應(yīng)為都為負值。這和第三部分的理論分析的結(jié)果基本一致。但這種反應(yīng)強度都很微弱，可以認為城市收入變動對其它城市房價的影響是較弱的。比如對北京人均可支配收入施加1%的正向沖擊后，上海、廣州和深圳房價的長期反應(yīng)分別僅為-0.004%、-0.018%和-0.029%；而東部城市和中西部城市房價的長期平均反應(yīng)均分別為-0.059%和-0.092%。而對蘭州的人均可支配收入施加1%的正向沖擊后，北京、上海、廣州和深圳房價的長期反應(yīng)分別僅為0.009%、0.006%、-0.013%和-0.006%，東部城市房價的長期平均反應(yīng)為-0.017%，中西部城市房價的長期平均反應(yīng)為-0.028%。由于中國城市化進程遠未完成，人口流動主要方向是農(nóng)村向城市以及從中小城市向大城市的流動。中國35個大城市的居民因城市間收入相對差異變化而產(chǎn)生的移民動機相對較弱。當大城市人均收入提高后，所引發(fā)的移民主要來自農(nóng)村及中小城市，而非其它大城市。因而，結(jié)果顯示35個大城市中單個城市收入變動對其它城市房價的負向影響較微弱。值得注意的是，一線城市可支配收入沖擊對中西部城市的影響程度遠高于其對其它一線城市和東部城市的影響。這反映了一線城市對中西部城市的居民的吸引力要遠高于其對東部發(fā)達城市居民的吸引力，一線城市工資水平相對提高后，主要是吸引中西部城市的移民而非其它東部發(fā)達城市的移民。

(二)單個城市的房價變動對不同城市房價的影響

圖4可以看出，在給北京、廣州、南京、蘭州的房價施加1%的正向沖擊后，絕大多數(shù)城市房價的反應(yīng)基本都是正向的，這表明中國城市房價有明顯的溢出性。但與可支配收入沖擊相比，房價沖擊引起的房價反應(yīng)的衰減速度較慢。在前16個季度內(nèi)，房價的反應(yīng)呈現(xiàn)衰減向下的波動趨勢，在16個季度后逐漸趨于穩(wěn)定。

圖3　北京、廣州、南京、蘭州1%的可支配收入沖擊的影響

相比人均可支配收入沖擊，單個城市的房價沖擊對其它城市的房價有更大的影響。在對北京房價施加1%的正向沖擊后，上海、廣州和深圳房價的長期反應(yīng)分別為0.239%、0.195%和0.270%，東部城市和中西部城市的房價長期平均反應(yīng)分別為0.196%和0.165%。在對南京房價施加1%的正向沖擊后，北京、上海、廣州和深圳房價的長期反應(yīng)分別為0.083%、0.107%、0.115%和0.134%，東部城市和中西部城市的房價長期平均反應(yīng)分別為0.063%和0.029%。在對蘭州房價施加1%的正向沖擊后，北京、上海、廣州和深圳房價的長期反應(yīng)分別為0.089%、0.080%、0.050%和

圖4　北京、廣州、南京、蘭州1%的房價沖擊的影響

0.067%，東部城市和中西部城市的房價長期平均反應(yīng)分別為0.024%和-0.002%。這顯示，中國的城市房價具有明顯的溢出效應(yīng)，但是不同類型城市的房價溢出效應(yīng)強度并不相同。一線城市的房價溢出效應(yīng)高于東部城市，而東部城市又高于中西部城市。該結(jié)果也可以按照第三部分的分析框架進行解釋。一個城市的房價水平的上漲，意味著居住成本和企業(yè)經(jīng)營成本的提高，這會導(dǎo)致部分企業(yè)和居民搬遷到其它城市，進而帶動其它城市房價的上漲。顯然，如果城市人口規(guī)模越大，土地越稀缺，則房價上漲所導(dǎo)致的居民和企業(yè)的搬遷規(guī)模會越大，房價的溢出效應(yīng)也就越大。此外，如果兩個城市間在居民就業(yè)和企業(yè)經(jīng)營選址上的替代性越強，則兩個城市間的房價的溢出也會越大。由于一線城市的產(chǎn)業(yè)和配套基礎(chǔ)設(shè)施最為齊全，就業(yè)崗位高度多元化，因而一線城市與其它城市在居民就業(yè)和企業(yè)經(jīng)營選址上的替代性最強。而中西部城市產(chǎn)業(yè)和配套基礎(chǔ)設(shè)施相對不足，就業(yè)崗位的多元化程度和容納量有限，這會使得中西部城市和其它不同城市在在居民就業(yè)和企業(yè)經(jīng)營選址上的替代性較弱。實證結(jié)果也顯示，就單個城市而言，都表現(xiàn)出其對一線城市的房價溢出效應(yīng)最大，對東部城市次之，對中西部城市的房價溢出效應(yīng)相對較小的特征。

北京、廣州、南京、蘭州的房價對來自自身房價1%的正向沖擊后的長期反應(yīng)分別為大約0.410%、0.447%、0.295%和0.130%。其中，北京、廣州和南京的房價對來自自身房價1%沖擊后的反應(yīng)(0.410%、0.447%、0.295%)要高于來自自身1%可支配收入沖擊后的反應(yīng)(0.090%、0.123%和0.207%)，而成都的房價對來自自身房價1%沖擊后的反應(yīng)(0.130%)則遠低于來自自身可支配收入1%沖擊后的反應(yīng)(0.265%)。這表明一線城市和東部城市的房價變動具有明顯的正反饋機制，當期房價的上漲(或下降)會推動下一期房價的上漲(或下降)，并且正反饋機制對房價影響大于收入對房價的影響。而中西部城市房價的正反饋機制較弱，房價的上漲較多地反映了自身收入的增長。不同城市房價的正反饋機制的強度差異，可根據(jù)第三部分分析框架加以解釋。近年來，中國房價增長上表現(xiàn)出一線城市快于東部城市，而東部城市快于中西部城市的特征。房價上漲更快的城市，意味著更高的房產(chǎn)投資回報率。在此情況下，逐利的房地產(chǎn)投機資本會首選一線城市，其次是東部城市，而相對最少選擇的是投資回報率較低的中西部城市。因此，一線城市和東部城市的房價往往會偏離人均收入等經(jīng)濟基本面，較多地表現(xiàn)出“追漲殺跌”的正反饋機制。而中西部城市由于房價上漲預(yù)期相對較弱，房地產(chǎn)投機資本匯聚較少，房價增長能較多地反映收入增長。

(三)貨幣供應(yīng)量變動對房價的影響

在中國，貨幣供應(yīng)量是中央銀行貨幣政策的中介目標，是一個中央銀行控制的全國性的變量。從圖5可以看出，在給廣義貨幣供應(yīng)量(M2)1%的正向沖擊后，中國35個大城市的房價都有正向的長期反應(yīng)，并且表現(xiàn)出先迅速大幅下降，之后再迅速回升，在第8期之后趨于穩(wěn)定的情況。這表明近年來中國巨大的貨幣供應(yīng)量確實具有推高房價的效果，這李健和鄧瑛(2011)和徐忠等(2012)基于全國宏觀數(shù)據(jù)的結(jié)論是一致的[2-3]。

之前的分析框架表明，貨幣供應(yīng)量變動會對不同城市房價產(chǎn)生區(qū)域差異性影響。但宏觀數(shù)據(jù)并不能刻畫不同城市房價對貨幣供應(yīng)量反應(yīng)的差異性，而本文基于GVAR模型的實證結(jié)果顯示了這種差異性。對于不同城市，貨幣供應(yīng)量變動導(dǎo)致房價正向反應(yīng)的程度具有明顯的差異。北京、上海、廣州、深圳的房價對來自廣義貨幣供應(yīng)量(M2)1%正向沖擊的長期反應(yīng)分別為大約0.353%、0.327%、0.291%和0.302%。東部城市對廣義貨幣供應(yīng)量(M2)1%正向沖擊的長期反應(yīng)都超過0.2%，長期平均為0.235%。而中西部城市對該正向沖擊的長期反應(yīng)基本都在0.2%以內(nèi)，長期平均為0.170%。我們可以基于第三部分的分析框架，從貨幣供應(yīng)量對房價的區(qū)域差異性影響的三種渠道對實證結(jié)果進行解釋。第一種渠道，由于一線城市和東部城市的金融市場更為發(fā)達，貨幣供應(yīng)量沖擊(引發(fā)實際利率變動)對一線城市和東部城市住房需求的正向影響明顯高于中西部城市。第二種渠道，即從信貸配給機制來看，為追求高收益和低風(fēng)險，信貸資金往往會集中流向經(jīng)濟發(fā)展水平高的地區(qū)。相比中西部城市，一線城市和東部城市的房地產(chǎn)市場能獲得更多的信貸資金。第三種渠道，即從預(yù)期角度來看，由于近年來一線城市和東部城市房價漲幅高于中西部城市，民眾普遍預(yù)期一線城市和東部城市的房地產(chǎn)投資回報率高于中西部城市。房地產(chǎn)投資資本會更加傾向于一線城市和東部城市。另一方面，中國一線城市和東部城市土地資源相對稀缺，土地對住房供給的制約更為明顯，這使得其住房供給彈性遠低于中西部城市。這樣，當發(fā)生貨幣供應(yīng)量沖擊后，相比中西部城市，一線城市和東部城市房價會受到更為明顯的正向影響。

一線城市和東部城市的房價對廣義貨幣供應(yīng)量的正向反應(yīng)程度遠高于中西部城市的差異性影響具有明確的政策含義。在中國的一線城市和東部城市的房價增長率遠高于中西部城市的背景下，這暗示了采用適當緊縮的貨幣政策，適當控制貨幣供應(yīng)量可以在較大幅度抑制一線城市和東部城市房價的同時，又不會大幅度對房價上漲相對平緩的中西部城市產(chǎn)生較大影響。因而，從政策角度而言，控制貨幣供應(yīng)量可以成為抑制一線城市和東部城市房價過快增長的一個政策選項。當然，改變貨幣供應(yīng)量的效果并不是只針對房地產(chǎn)市場，中央銀行在調(diào)整貨幣供應(yīng)量時仍需主要考察其對經(jīng)濟增長和物價總水平的影響。

圖5　1%的廣義貨幣供應(yīng)量(M2)沖擊

七、結(jié)論和政策含義

本文首先構(gòu)建了分析貨幣政策對不同城市房價的區(qū)域差異性影響、城市間房價的跨區(qū)溢出以及收入對房價的跨區(qū)影響的分析框架。之后，基于1999年1季度-2012年3季度的中國35個大城市面板數(shù)據(jù)，本文通過GVAR模型探討了中國不同城市間房價的溢出效應(yīng)、人均收入和房價之間的跨區(qū)域聯(lián)動，以及調(diào)整廣義貨幣供應(yīng)量究竟會對中國不同城市間的房價波動產(chǎn)生何種影響。實證結(jié)果與之前的理論分析高度吻合。

本文發(fā)現(xiàn)，單個城市的可支配收入沖擊對其它城市房價有輕微的負向影響。其中，一線城市可支配收入沖擊對中西部城市的影響程度遠高于其對其它一線城市和東部城市的影響。中西部城市房價對其自身的可支配收入沖擊有較大的正向長期反應(yīng)，一線城市房價對其自身可支配收入沖擊的正向反應(yīng)則很小，東部城市房價所受影響程度介于二者之間。這表明一線城市和東部城市的房價波動不僅受本城市人均收入變動的影響，而且受其它城市收入變動的影響程度也較大；中西部城市的房價則主要受本城市收入變動的影響。相比人均可支配收入沖擊，單個城市的房價沖擊對其它城市的房價有更大的影響，即中國城市房價有明顯的溢出性。然而，不同城市房價的溢出性有很大的差異。一線城市的房價溢出性高于東部城市，而東部城市又高于中西部城市。并且，中西部城市的房價溢出性主要集中在一線城市，其對其它城市房價的溢出性很微弱。在單個城市房價沖擊對自身房價的影響方面，一線城市和東部城市表現(xiàn)出明顯的房價正反饋機制，而中西部城市的房價正反饋機制不明顯。

雖然中國35個城市的房價都對貨幣供應(yīng)量沖擊有明顯的正向長期反應(yīng)，但這種正向反應(yīng)的程度有很大的不同。中西部城市房價受貨幣供應(yīng)量沖擊的正向影響較小，而一線城市和東部城市房價受貨幣供應(yīng)量沖擊的正向影響則較大。

本文的實證結(jié)果具有明確的政策含義。

首先，從房價溢出效應(yīng)實證結(jié)果來看，政府對房價進行宏觀調(diào)控的重點應(yīng)該放在一線城市和東部城市。從長期來看，政府應(yīng)該促進中國的區(qū)域均衡發(fā)展，而不應(yīng)推行大城市化的發(fā)展戰(zhàn)略?？梢詫⒁恍┊a(chǎn)業(yè)和資源從大城市轉(zhuǎn)移到中小城市，促進中小城市的發(fā)展，避免產(chǎn)業(yè)和資源在大城市過度集中，減緩大城市的房價壓力。從短期來看，政府應(yīng)針對重點城市制定一些有區(qū)別性的房地產(chǎn)宏觀調(diào)控政策。實證結(jié)果顯示一線城市和東部城市房價的正反饋機制較為明顯，房價進入上漲通道后有很強的自我強化效果。政府可針對一線城市和東部大城市采用一些抑制價格投機的政策(比如住房限購)以穩(wěn)定這些城市的房價，進而達到穩(wěn)定全國房價的目的。而全國性的“一刀切”式的房價宏觀調(diào)控政策的效果可能很有限。

其次，從房價對可支配收入沖擊的實證結(jié)果來看，人口規(guī)模越大的城市，房價受本城市收入的推動作用越小。這暗示了外來移民帶來的轉(zhuǎn)移資金對房價的較大影響。因而從長期來看，政府應(yīng)努力實現(xiàn)公共產(chǎn)品的區(qū)域均等化，縮小一線城市、東部城市在吸引移民(尤其是高素質(zhì)人才上)的優(yōu)勢，進而減緩一線城市、東部城市因外部轉(zhuǎn)移資金而帶來的房價上漲壓力。從短期來看，對一線城市、東部城市進行住房限購的政策，能在一定程度上限制人口以及購房資金從外地向這些城市匯聚，從而在一定程度上控制這些城市房價的過快增長。

最后，央行應(yīng)控制貨幣供應(yīng)量的過快增長。實證結(jié)果顯示貨幣供應(yīng)量變動對房價具有明顯的正向影響，且這種正向影響的程度在房價水平較高、增長較快的一線城市和東部城市高于中西部城市。因而貨幣供應(yīng)量調(diào)整可通過對一線城市和東部城市房價產(chǎn)生較大的影響，進而調(diào)控全國的房價水平。

參考文獻：

[1]許小年.貨幣超發(fā)按下葫蘆浮起瓢[N].經(jīng)濟參考報，2010-06-17.

[2]李健，鄧瑛.推動房價上漲的貨幣因素研究——基于美國、日本、中國泡沫積聚時期的實證比較分析[J].金融研究，2011(6)：18-32.

[3]徐忠，張雪春，鄒傳偉.房價、通貨膨脹與貨幣政策——基于中國數(shù)據(jù)的研究[J].金融研究，2012(6)：1-12.

[4]王擎，韓鑫韜.貨幣政策能盯住資產(chǎn)價格嗎?——來自中國房地產(chǎn)市場的證據(jù)[J].金融研究，2009(8)：114-123.

[5]Yao S，Luo D，Loh L.On China’s monetary policy and asset prices[J].Applied Financial Economics，2012,23(5)：377-392.

[6]Carlino G，Defina R.The differential regional effects of monetary policy[J].The Review of Economics and Statistics，1998,80(4)：572-587.

[7]Dees S，Mauro F D，Pesaran M H，et al.Exploring the international linkages of the euro area：a global VAR analysis[J].Journal of Applied Econometrics，2007,22(1)：1-38.

[8]Dornbusch R，F(xiàn)avero C，Giavazzi F.Immediate challenges for the European Central Bank[J].Economic Policy，1998,13(26)：15-64.

[9]Ulrike R.Are bank loans important for output growth？A panel analysis of the euro area[J].Journal of International Financial Markets，Institutions and Money，2012,22(1)：103-119.

[10]Owyang，M.，Wall，H.Regional VARs and the channels of monetary policy[J].Applied Economics Letters，2009,16(12)：1191-1194.

[11]宋旺，鐘正生.我國貨幣政策區(qū)域效應(yīng)的存在性及原因——基于最優(yōu)貨幣區(qū)理論的分析[J].經(jīng)濟研究，2006(3)：46-58.

[12]蔣益民，陳璋.SVAR模型框架下貨幣政策區(qū)域效應(yīng)的實證研究：1978～2006[J].金融研究，2009(4)：180-195.

[13]王先柱，毛中根，劉洪玉.貨幣政策的區(qū)域效應(yīng)——來自房地產(chǎn)市場的證據(jù)[J].金融研究，2011(9)：42-53.

[14]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)：114-128.

[15]余華義，黃燕芬.貨幣政策效果區(qū)域異質(zhì)性、房價溢出效應(yīng)與房價對通脹的跨區(qū)影響[J].金融研究，2015(2)：95-113.

[16]Meen G.Regional housing prices and the ripple effect：a new interpretation[J].Housing Studies，1999,14(6)：733-753.

[17]Holmes M J.Is there long-run convergence among regional house prices in the UK?[J].Urban Studies，2008,45(8)：1531-1544.

[18]Drake L.Testing for convergence between UK regional house prices[J].Regional Studies，1995,29(4)：357-366.

[19]Abbott A，De Vita G.Testing for long-run convergence across regional house prices in the UK：a pairwise approach[J].Applied Economics，2013,45(10)：1227-1238.

[20]Beenstock M，F(xiàn)elsenstein D.Spatial vector autoregressions[J].Spatial Economic Analysis，2007,2(2)：167-196.

[21]Kuethe T H，Pede V O.Regional housing price cycles：a spatio-temporal analysis using US state-level data[J].Regional Studies，2011,45(5)：563-574.

[22]Holly S，Pesaran M H，Yamagata T.A spatio-temporal model of house prices in the USA[J].Journal of Econometrics，2010,158(1)：160-173.

[23]Holly S，Hashem Pesaran M，Yamagata T.The spatial and temporal diffusion of house prices in the UK[J].Journal of Urban Economics，2011,69(1)：2-23.

[24]王國剛.中國貨幣政策目標的實現(xiàn)機理分析:2001-2010[J].經(jīng)濟研究，2012(12)：4-14，42.

[25]Fan L，Yu Y，Zhang C.An empirical evaluation of China’s monetary policies[J].Journal of Macroeconomics，2011,33(2)：358-371.

[26]Stiglitz J E，Weiss A.Credit rationing in markets with imperfect information[J].American Economic Review，1981,71(3)：393-410.

[27]Roback J.Wages，rents，and the quality of life[J].Journal of Political Economy，1982,90(6)：1257-1278.

[28]Tobler W.A computer movie simulating urban growth in the detroit region[J].Economic Geography，1970,46(2)：234-240.

[29]Yu H.Size and characteristic of housing bubbles in China’s major cities：1999-2010[J].China & World Economy，2011,19(6)：56-75.

[30]Tiebout C M.A pure theory of local expenditures[J].Journal of Political Economy，1956,64(5)：416-424.

(本文責(zé)編：王延芳)

Trans-regional Interaction between Income and Housing Prices under Given Monetary Policy

YU Hua-yi，HUANG Yan-fen

(School of Public Administration and Policy,Renmin University of China,Beijing 100872,China)

Abstract：Firstly，this paper establish an analysis frame to explain the spillovers of housing price，the trans-regional impact of income per capita on housing price and the different impact of monetary supply on housing price.Then，using GVAR model，this paper empirically study not only the spillovers of housing price and real income per capita among China’s 35 major cities but also the impact of M2 shock on the housing price dynamics among these cities.The empirical results show that，the first-tier cities，such as Beijing，have comparatively large spillovers of housing price，while the spillovers in central and western cities are not obvious.The housing price of first-tier and eastern cities are not only affected by the real income per capita of these cities themselves but also affected by that of other cities to a great extent，while housing price in central and western cities are mainly affected by the real income per capita of these cities themselves.M2 changes have weak influence on the housing price of central and western cities，but large influence on that of first-tier cities and eastern cities.The empirical results have definite policy implications.

Key words:spillover of housing price；regional difference；monetary policy；GVAR model

中圖分類號：F293.3

文獻標識碼：A

文章編號：1002-9753(2015)10-0085-16

作者簡介：余華義(1983-)，男，四川成都人，經(jīng)濟學(xué)博士，中國人民大學(xué)公共管理學(xué)院土地管理系副教授，碩士生導(dǎo)師,研究方向：房地產(chǎn)經(jīng)濟學(xué)、城市經(jīng)濟學(xué)、空間經(jīng)濟問題。

基金項目：國家自然基金項目(71403283)、中國人民大學(xué)明德青年學(xué)者計劃(14XNJ004)資助。

收稿日期：2015-06-15修回日期：2015-10-10