城市人口、貨幣政策與房地產(chǎn)價(jià)格:內(nèi)在機(jī)理與實(shí)證檢驗(yàn)

李成 李一帆 于海東 李文樂(lè)

摘要：本文基于消費(fèi)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(jià)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(jià)格的內(nèi)在機(jī)理，運(yùn)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(yàn)。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(guò)擴(kuò)張房地產(chǎn)供需缺口提高房?jī)r(jià)，而利率和存款準(zhǔn)備金率的緊縮能夠抑制房?jī)r(jià)上漲;

（2）從房?jī)r(jià)變化的視角來(lái)看，價(jià)格型貨幣政策工具調(diào)控房?jī)r(jià)的功效優(yōu)于數(shù)量型工具，其中不同期限價(jià)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?jī)r(jià)的效應(yīng)在一定程度上被人口增加和信貸擴(kuò)張“對(duì)沖抵消”。因此，不僅需要貨幣政策工具發(fā)揮約束房?jī)r(jià)的“靶向”作用，更需探索不同城市動(dòng)態(tài)差別化供給房地產(chǎn)的長(zhǎng)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(jià)格;消費(fèi)效用函數(shù)

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：100228482020（01）010812

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

一、文獻(xiàn)綜述

《2019年新型城鎮(zhèn)化建設(shè)重點(diǎn)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(chǎng)發(fā)展進(jìn)入新階段?；仡櫸覈?guó)城市多年以來(lái)的房地產(chǎn)價(jià)格變化，一、二線城市房?jī)r(jià)持續(xù)攀升，三、四線城市房?jī)r(jià)跟隨一、二線城市變動(dòng)，整體呈現(xiàn)上漲態(tài)勢(shì)。造成這一現(xiàn)象的主要原因何在？房?jī)r(jià)為何給人“只漲不跌”的錯(cuò)覺(jué)？本文從消費(fèi)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(jià)格”理論模型，運(yùn)用供求機(jī)理從城市人口和貨幣政策兩個(gè)維度解讀房?jī)r(jià)變化，并對(duì)其進(jìn)行實(shí)證檢驗(yàn)，以圖廓清城市房?jī)r(jià)變動(dòng)的內(nèi)在邏輯。

長(zhǎng)期以來(lái)，人口與房?jī)r(jià)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(dòng)力人口流入會(huì)直接抬高房?jī)r(jià)。對(duì)此，Brown等?[2]運(yùn)用住房需求方程發(fā)現(xiàn)人口增加通過(guò)提高總需求促使房?jī)r(jià)上漲;Stevenson?[3]指出，新增人口創(chuàng)造住房有效需求是支撐房?jī)r(jià)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(dòng)引入房地產(chǎn)分析，并形成房?jī)r(jià)上漲的“城市化論”觀點(diǎn)?[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(jià)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(dòng)人口增長(zhǎng)對(duì)房地產(chǎn)需求具有正向作用，越是勞動(dòng)力流入充足的地域，由城市化帶來(lái)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?jī)r(jià)內(nèi)生性的城市體系模型，認(rèn)為人口既能通過(guò)房地產(chǎn)需求直接影響房?jī)r(jià)，又能借助為房地產(chǎn)市場(chǎng)提供人力資源間接影響房?jī)r(jià)。傅貽忙等?[8]采用系統(tǒng)GMM估計(jì)方法指出人口空間結(jié)構(gòu)通過(guò)區(qū)域房地產(chǎn)庫(kù)存影響房?jī)r(jià)。

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?jī)r(jià)變動(dòng)。然而，根據(jù)現(xiàn)實(shí)觀察到的房?jī)r(jià)整體上漲并不能完全歸咎于人口因素，一個(gè)簡(jiǎn)單判斷是，房地產(chǎn)的開(kāi)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(chǎng)，也會(huì)推動(dòng)樓市發(fā)展從而提高房?jī)r(jià)。因此，信貸成為影響房?jī)r(jià)的另一重要因素。

追溯信貸影響房?jī)r(jià)的研究可至Hayek?[9]的貨幣周期理論，該理論揭示信貸過(guò)度擴(kuò)張催生資產(chǎn)價(jià)格泡沫。Collyns等?[10]利用向量自回歸分析東亞國(guó)家的房地產(chǎn)市場(chǎng)，發(fā)現(xiàn)信貸增加會(huì)提高房?jī)r(jià)。Goodhart等?[11]指出“次貸”危機(jī)后美聯(lián)儲(chǔ)過(guò)量的信貸投放促使房?jī)r(jià)反彈，引起房?jī)r(jià)與信貸同向變化。Davis等?[12]建立包含信貸和房?jī)r(jià)的一般均衡模型，認(rèn)為銀行向購(gòu)房者提供貸款的行為經(jīng)過(guò)需求端抬高房?jī)r(jià)。Nishimura?[13]運(yùn)用統(tǒng)計(jì)分析發(fā)現(xiàn)信貸擴(kuò)張?jiān)斐擅廊諆蓢?guó)的房地產(chǎn)泡沫。平新喬等?[1416]的研究也為此提供了國(guó)內(nèi)證據(jù)，這些文獻(xiàn)較早地發(fā)現(xiàn)投向房企和購(gòu)房者的貸款對(duì)房?jī)r(jià)存在顯著的正向作用，形成“金融過(guò)度支持”觀點(diǎn)。在后續(xù)研究中，陳詩(shī)一等?[17]借助包含房地產(chǎn)市場(chǎng)的DSGE模型，指出銀行貸款意愿上升通過(guò)直接效應(yīng)、替代效應(yīng)、風(fēng)險(xiǎn)承擔(dān)效應(yīng)和金融加速器效應(yīng)拉動(dòng)房?jī)r(jià)。馬勇等?[18]運(yùn)用門檻面板回歸分析中國(guó)省份數(shù)據(jù)，發(fā)現(xiàn)銀行信貸對(duì)房?jī)r(jià)存在非線性和非對(duì)稱的影響，特別是在房地產(chǎn)貸款規(guī)模較高時(shí)銀行信貸對(duì)房?jī)r(jià)影響顯著。

隨著信貸推動(dòng)房地產(chǎn)發(fā)展，如何防范貨幣過(guò)度流向樓市以致房?jī)r(jià)“失控”逐漸成為關(guān)注焦點(diǎn)，學(xué)術(shù)界開(kāi)始探索貨幣政策對(duì)房?jī)r(jià)的調(diào)控效果。既有文獻(xiàn)大多認(rèn)為貨幣政策緊縮使房?jī)r(jià)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(guó)貨幣政策曾依賴“數(shù)量為主、價(jià)格為輔”的調(diào)控模式?[22]，導(dǎo)致許多研究?jī)A向數(shù)量型貨幣政策工具調(diào)控房?jī)r(jià)的效果優(yōu)于價(jià)格型工具?[2326]。隨著我國(guó)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(chǎng)相應(yīng)從單純數(shù)量擴(kuò)張轉(zhuǎn)向價(jià)格信號(hào)引導(dǎo)，也有研究指出價(jià)格型工具調(diào)控房?jī)r(jià)的作用更為明顯。郭文偉?[27]基于單位根右側(cè)ADF方法檢驗(yàn)我國(guó)房地產(chǎn)市場(chǎng)，發(fā)現(xiàn)提高短期貸款利率能夠有效抑制房?jī)r(jià)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(chǎng)規(guī)律的房地產(chǎn)調(diào)控機(jī)制。歐陽(yáng)志剛等?[29]通過(guò)因子擴(kuò)展VAR模型，指出1年期存款基準(zhǔn)利率對(duì)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?jī)r(jià)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(jià)格型之間有所側(cè)重。

梳理已有文獻(xiàn)，針對(duì)房?jī)r(jià)變動(dòng)的研究或從人口角度予以闡釋，或從信貸層面展開(kāi)討論，鮮有文獻(xiàn)在一個(gè)較為完整的框架內(nèi)，對(duì)人口和信貸各自對(duì)房?jī)r(jià)的影響進(jìn)行系統(tǒng)性分析。因而，同時(shí)考慮人口和信貸兩個(gè)因素剖析房?jī)r(jià)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(jià)格”兩個(gè)維度解讀房?jī)r(jià)變動(dòng)的邏輯，方能明晰貨幣政策調(diào)控房?jī)r(jià)的內(nèi)在規(guī)律。

為此，本文基于消費(fèi)約束的效用函數(shù)視角，引入貨幣政策的數(shù)量型與價(jià)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(jià)格”理論模型，據(jù)此從房地產(chǎn)供求的本質(zhì)層面對(duì)房?jī)r(jià)變化進(jìn)行機(jī)理分析，運(yùn)用我國(guó)經(jīng)濟(jì)“換擋期”的百城季度數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，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(jià)格型工具調(diào)控房?jī)r(jià)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(shí)證檢驗(yàn);第四部分為實(shí)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(jià)格泡沫模型”?[30]和“人口—信貸—房?jī)r(jià)模型”?[31]，分別從人口與資產(chǎn)價(jià)格、人口與銀行信貸的不同角度討論了房?jī)r(jià)變化，但未能從貨幣的“數(shù)量”與“價(jià)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(jià)格型工具，從消費(fèi)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(jià)格”理論模型，以全面揭示影響房?jī)r(jià)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?jī)r(jià)的途徑，探討房?jī)r(jià)變動(dòng)的內(nèi)在機(jī)理。

（一）理論模型構(gòu)建

假設(shè)消費(fèi)者為同質(zhì)理性人，通過(guò)選擇并購(gòu)買不同的商品實(shí)現(xiàn)自身效用最大化。在市場(chǎng)上存在兩種商品：房地產(chǎn)與其他商品。因此，消費(fèi)者在購(gòu)房時(shí)的消費(fèi)效用函數(shù)為

U=αlnCR+βlnCO（1）

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

消費(fèi)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(jià)格屬性，在購(gòu)買房地產(chǎn)時(shí)，個(gè)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(qǐng)貸款輔以完成購(gòu)買，在銀行發(fā)放貸款的前提下，消費(fèi)者在購(gòu)房時(shí)的預(yù)算約束條件為

PRQR+POQO≤W+L（2）

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

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

對(duì)式（2）取等號(hào)，有PRQR+POQO=W+L，也即CR+CO=W+L。

對(duì)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(fèi)量CR為

CR=α（W+L）α+β（4）

假設(shè)此時(shí)的人口數(shù)量為H，房地產(chǎn)總供給上限為S，則每個(gè)消費(fèi)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(chǎng)處于供求相等的均衡狀態(tài)，即消費(fèi)者購(gòu)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(jià)格PR為

PR=HS×α（W+L）α+β（6）

受土地的稀缺性、非流動(dòng)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(gè)定值，因此假定S保持不變。式（6）表明，在消費(fèi)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(jià)格PR受到消費(fèi)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(guò)數(shù)量型工具（法定存款準(zhǔn)備金率）和價(jià)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(xiě)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(duì)銀行信貸L存在負(fù)向影響，而銀行信貸L又對(duì)房?jī)r(jià)PR存在正向影響，因而通過(guò)銀行信貸的傳遞，法定存款準(zhǔn)備金率rd和利率rx均對(duì)房?jī)r(jià)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(jià)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(shí)，人口數(shù)量H增加、信貸規(guī)模L擴(kuò)張均會(huì)提高房?jī)r(jià)PR，法定存款準(zhǔn)備金率rd和利率rx的增加則會(huì)降低房?jī)r(jià)PR。此外，消費(fèi)者在購(gòu)房時(shí)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(wú)法通過(guò)即時(shí)變動(dòng)迅速影響房?jī)r(jià)。因此，人口增加和信貸擴(kuò)張成為推動(dòng)房?jī)r(jià)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?jī)r(jià)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(duì)房?jī)r(jià)變動(dòng)產(chǎn)生影響。

（二）模型機(jī)理闡釋

在式（7）基礎(chǔ)上立足中國(guó)現(xiàn)實(shí)，融合供求理論，圍繞人口數(shù)量變動(dòng)、貨幣政策調(diào)控對(duì)房?jī)r(jià)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?jī)r(jià)的不同途徑。其中，

途徑①是城市人口直接影響房?jī)r(jià);

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(guò)銀行信貸的“聯(lián)結(jié)”影響房?jī)r(jià);

途徑③是以利率為代表的貨幣政策價(jià)格型工具，通過(guò)銀行信貸的“傳遞”作用于房?jī)r(jià);

途徑④是銀行信貸直接影響房?jī)r(jià)。

1.城市人口變動(dòng)對(duì)房?jī)r(jià)的影響

人口是房地產(chǎn)市場(chǎng)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?jī)r(jià)的直接動(dòng)能。改革開(kāi)放以來(lái)，我國(guó)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(lái)源：國(guó)家統(tǒng)計(jì)局。。在此期間，農(nóng)村人口逐步向城市流動(dòng)，形成集中涌向大中型城市的趨勢(shì)。雖然長(zhǎng)期存在的戶籍制度通過(guò)行政性手段實(shí)施城鄉(xiāng)分割?[32]，在限制人口自由流動(dòng)的同時(shí)約束了城市對(duì)人口的吸納能力，但是伴隨人口紅利迎來(lái)“拐點(diǎn)”，戶籍制度的逐漸放松彌合了人口流動(dòng)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(dòng)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(guò)量的購(gòu)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(cuò)位碰撞”，擴(kuò)大了房地產(chǎn)市場(chǎng)的供求缺口，促使大中型城市房?jī)r(jià)率先上漲。

大中型城市房?jī)r(jià)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(guó)實(shí)施商品房制度，在繁榮房地產(chǎn)市場(chǎng)發(fā)展的同時(shí)不斷推升房?jī)r(jià)。房?jī)r(jià)總體保持上漲甚至“大漲”，令房地產(chǎn)成為近二十年來(lái)回報(bào)率最顯著的投資項(xiàng)目，促使市場(chǎng)形成房?jī)r(jià)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(gòu)狂潮，引發(fā)的房?jī)r(jià)上漲加劇房地產(chǎn)的投資投機(jī)需求，引發(fā)房?jī)r(jià)螺旋式攀升。進(jìn)一步地，大中型城市房?jī)r(jià)變動(dòng)還會(huì)通過(guò)“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(chǎng)的有限供給無(wú)法再滿足過(guò)量需求，高房?jī)r(jià)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?jī)r(jià)奠定基礎(chǔ);同時(shí)，受市場(chǎng)影響，大中型城市高房?jī)r(jià)的現(xiàn)實(shí)誘使投機(jī)者形成中小型城市房?jī)r(jià)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?jī)r(jià)。最終，在人口流動(dòng)的影響下，大中型城市過(guò)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?jī)r(jià)整體上升。

綜上所述，城市人口對(duì)房?jī)r(jià)的影響主要通過(guò)需求端實(shí)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(duì)擴(kuò)大，房?jī)r(jià)上升也就不言而喻。因此，城市人口數(shù)量擴(kuò)張引發(fā)房?jī)r(jià)上漲，這是理論模型式（7）揭示的一個(gè)重要經(jīng)濟(jì)含義。

2.貨幣政策調(diào)控對(duì)房?jī)r(jià)的影響

伴隨人口涌向城市提高房?jī)r(jià)，運(yùn)用金融手段靈活調(diào)控房地產(chǎn)市場(chǎng)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(chǎng)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(gè)人）需要的資金規(guī)模。以上過(guò)程通過(guò)數(shù)量型與價(jià)格型工具的使用得以實(shí)現(xiàn)。當(dāng)市場(chǎng)有效需求發(fā)生變化時(shí)，貨幣政策憑借“有形之手”調(diào)控貨幣的數(shù)量與價(jià)格，調(diào)節(jié)供求關(guān)系，對(duì)市場(chǎng)進(jìn)行方向校正，形成相對(duì)穩(wěn)定的房地產(chǎn)均衡價(jià)格。

（1）法定存款準(zhǔn)備金率和利率影響房?jī)r(jià)。

作為貨幣政策數(shù)量型和價(jià)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(duì)市場(chǎng)均衡價(jià)格的調(diào)控結(jié)果具有一致性，對(duì)于房地產(chǎn)市場(chǎng)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(guò)調(diào)節(jié)商業(yè)銀行在中國(guó)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(chǎng)的資金規(guī)模。當(dāng)央行提高法定存款準(zhǔn)備金率時(shí)，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(guò)給房地產(chǎn)市場(chǎng)“降溫”對(duì)房?jī)r(jià)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(shí)，不斷緊縮的信貸規(guī)模催生資金成本逐漸提高的市場(chǎng)預(yù)期，能夠持續(xù)遏制房?jī)r(jià)上漲。反之，當(dāng)央行降低法定存款準(zhǔn)備金率時(shí)，由此產(chǎn)生的流動(dòng)性“閘門”擴(kuò)張效應(yīng)會(huì)從總量層面增加房地產(chǎn)市場(chǎng)的資金規(guī)模，在助力房地產(chǎn)市場(chǎng)發(fā)展的同時(shí)提高房?jī)r(jià)。因此，法定存款準(zhǔn)備金率對(duì)房?jī)r(jià)具有負(fù)向影響。

利率作為貨幣政策價(jià)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(jià)格信號(hào)牽引房地產(chǎn)市場(chǎng)的資金總量發(fā)生微調(diào)甚至轉(zhuǎn)向，發(fā)揮房?jī)r(jià)調(diào)控作用。進(jìn)一步地，當(dāng)央行提高基準(zhǔn)利率時(shí)，經(jīng)過(guò)利率體系傳導(dǎo)提高房地產(chǎn)供給方的貸款利率和購(gòu)房需求方的按揭利率，貸款成本的提高通過(guò)平抑房地產(chǎn)市場(chǎng)過(guò)熱勢(shì)頭降低房?jī)r(jià)。同樣，當(dāng)央行連續(xù)提高基準(zhǔn)利率，憑借信號(hào)宣示功能在房地產(chǎn)市場(chǎng)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(chǎng)熱度。因此，利率對(duì)房?jī)r(jià)變動(dòng)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?jī)r(jià)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?jī)r(jià)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(lái)的成本時(shí)，房地產(chǎn)市場(chǎng)的投資投機(jī)需求會(huì)被強(qiáng)烈激發(fā)，資金成本的約束力將失去功效。此時(shí)需要貨幣政策對(duì)房地產(chǎn)市場(chǎng)持續(xù)緊縮操作，通過(guò)貨幣政策數(shù)量型與價(jià)格型工具的組合強(qiáng)化對(duì)房?jī)r(jià)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?jī)r(jià)波動(dòng)，在一定程度上緩解房地產(chǎn)市場(chǎng)的躁動(dòng)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(wú)法單純運(yùn)用緊縮貨幣政策進(jìn)行抑制，只能通過(guò)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(gòu)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?jī)r(jià)的邊際空間。

（2）銀行信貸影響房?jī)r(jià)。

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(gòu)買、建設(shè)開(kāi)發(fā)、市場(chǎng)銷售全程提供資金，也給予房地產(chǎn)市場(chǎng)穩(wěn)定的發(fā)展環(huán)境，因此銀行信貸成為房地產(chǎn)市場(chǎng)的主要融資渠道。從供求視角來(lái)看，一方面，作為房地產(chǎn)市場(chǎng)的直接供給方，開(kāi)發(fā)商在房地產(chǎn)置地建造的過(guò)程中必須投入資金購(gòu)買土地、原材料和勞動(dòng)力，由此產(chǎn)生的巨量資金需求僅憑開(kāi)發(fā)商獨(dú)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(jià)格的現(xiàn)實(shí)導(dǎo)致消費(fèi)者購(gòu)買房地產(chǎn)同樣離不開(kāi)銀行信貸。

當(dāng)銀行信貸增加時(shí)，市場(chǎng)供求雙方借助信貸擴(kuò)張踴躍參與房地產(chǎn)活動(dòng)，推動(dòng)房地產(chǎn)市場(chǎng)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(duì)伍的壯大加劇土地市場(chǎng)競(jìng)價(jià)，造成土地價(jià)格持續(xù)上漲，地價(jià)上漲通過(guò)成本機(jī)制轉(zhuǎn)移至房?jī)r(jià)。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(fèi)者潛在的遠(yuǎn)期購(gòu)房計(jì)劃落實(shí)為當(dāng)期購(gòu)房行動(dòng)，在短期增加房地產(chǎn)需求。由此可見(jiàn)，信貸增加引發(fā)房地產(chǎn)市場(chǎng)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(duì)于供給的超前性擴(kuò)張無(wú)疑會(huì)“推高”房?jī)r(jià)。反之，當(dāng)銀行信貸收縮時(shí)，供求雙方無(wú)法獲得充足資金，能“冷卻”房地產(chǎn)市場(chǎng)的高熱態(tài)勢(shì)，需求更為明顯地收縮將平抑房?jī)r(jià)。

然而，當(dāng)銀行信貸過(guò)度擴(kuò)張?jiān)斐少Y金供給過(guò)剩時(shí)，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(bào)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(chǎng)，增加當(dāng)?shù)氐姆康禺a(chǎn)投資需求進(jìn)而抬高房?jī)r(jià)，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(kāi)始膨脹，加劇房?jī)r(jià)上升趨勢(shì)。房?jī)r(jià)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(jià)值，進(jìn)一步刺激貨幣的逐利動(dòng)機(jī)，促使資金以更大規(guī)模涌入房地產(chǎn)市場(chǎng)，最終造成房?jī)r(jià)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(chǎng)難以承受過(guò)量的貨幣，對(duì)周邊城市產(chǎn)生溢出效應(yīng)。貨幣受空間套利動(dòng)機(jī)的影響流向中小型城市的房地產(chǎn)市場(chǎng)，通過(guò)擴(kuò)張投資投機(jī)需求拉高中小型城市房?jī)r(jià)，在城際間形成房?jī)r(jià)上漲的“波紋效應(yīng)”。2010—2018年，我國(guó)“金融機(jī)構(gòu)人民幣各項(xiàng)貸款余額/GDP”指標(biāo)從1.16提高到1.51

數(shù)據(jù)來(lái)源：中國(guó)人民銀行、國(guó)家統(tǒng)計(jì)局，由筆者計(jì)算所得。，呈現(xiàn)信貸擴(kuò)張趨勢(shì)，在此期間城市房?jī)r(jià)不斷上漲。究其原因，一方面，這一階段我國(guó)的貨幣政策傳導(dǎo)以銀行信貸渠道為主，實(shí)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(duì)沖前期國(guó)際金融危機(jī)的殘余影響，央行釋放大量流動(dòng)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(chǎng)。最終，金融體系資金供給與房地產(chǎn)市場(chǎng)資金需求不謀而合，導(dǎo)致城市房?jī)r(jià)逐年提高。綜上所述，銀行信貸增加引發(fā)房?jī)r(jià)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(shí)證檢驗(yàn)

（一）實(shí)證模型設(shè)計(jì)

根據(jù)理論分析進(jìn)行實(shí)證檢驗(yàn)，基于城市分級(jí)層面考察人口數(shù)量、銀行信貸、利率（價(jià)格型工具）和法定存款準(zhǔn)備金率（數(shù)量型工具）對(duì)房?jī)r(jià)的影響。實(shí)證模型重點(diǎn)考慮我國(guó)一、二、三線城市人口數(shù)量變動(dòng)、銀行信貸投放、利率以及法定存款準(zhǔn)備金率對(duì)房?jī)r(jià)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(jì)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(jià)格變量。為減輕內(nèi)生性影響，參照已有研究做法，對(duì)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(guó)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?jī)r(jià)即時(shí)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(wèn)題，對(duì)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(gè)體異質(zhì)性的擾動(dòng)項(xiàng);

εi，t為跟隨個(gè)體與時(shí)間而改變的經(jīng)典擾動(dòng)項(xiàng)。

（二）數(shù)據(jù)說(shuō)明與描述性統(tǒng)計(jì)

我國(guó)于2010年正式啟動(dòng)百城住宅價(jià)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?jī)r(jià)指標(biāo)體系，能夠較為完全地反映房地產(chǎn)市場(chǎng)的價(jià)格水平。此前，房地產(chǎn)價(jià)格的相關(guān)指標(biāo)和數(shù)據(jù)大多從國(guó)家統(tǒng)計(jì)局獲取，采用商品住宅銷售面積和商品住宅銷售額計(jì)算獲得，由此得到的房?jī)r(jià)指標(biāo)及數(shù)據(jù)代表性并不全面。同時(shí)，自2010年起我國(guó)宏觀經(jīng)濟(jì)開(kāi)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(guó)城市人口數(shù)量、銀行信貸、貨幣政策調(diào)控對(duì)房?jī)r(jià)的影響。

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

根據(jù)CREIS對(duì)我國(guó)百座城市的等級(jí)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(yáng)、成都、西安、大連、青島、寧波、蘇州、長(zhǎng)沙、濟(jì)南、廈門、長(zhǎng)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(guó)家統(tǒng)計(jì)局、各省市統(tǒng)計(jì)局公布的常住人口數(shù)據(jù)計(jì)算得到;一、二、三線城市的信貸規(guī)模平均值根據(jù)國(guó)家統(tǒng)計(jì)局、中國(guó)人民銀行歷年區(qū)域金融運(yùn)行報(bào)告匯總計(jì)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(guó)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(shí)證結(jié)果的穩(wěn)健性，利率工具選取涵蓋6個(gè)月至5年的不同期限貸款基準(zhǔn)利率。針對(duì)控制變量，經(jīng)濟(jì)增長(zhǎng)與經(jīng)濟(jì)結(jié)構(gòu)的相關(guān)數(shù)據(jù)源自國(guó)家統(tǒng)計(jì)局與各省市統(tǒng)計(jì)局。結(jié)合統(tǒng)計(jì)學(xué)理論，對(duì)于少數(shù)缺失數(shù)據(jù)進(jìn)行外推處理。實(shí)證檢驗(yàn)所選取樣本數(shù)據(jù)為N=3、T=35的平衡長(zhǎng)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(shí)證操作基于Stata15軟件，變量定義與數(shù)據(jù)指標(biāo)說(shuō)明見(jiàn)表1。

在樣本觀測(cè)期內(nèi)，一、二、三線城市的房地產(chǎn)價(jià)格、常住人口和信貸規(guī)模歷經(jīng)持續(xù)性的增長(zhǎng)并呈現(xiàn)梯級(jí)分化。為了直觀展示上述規(guī)律，表2基于城市分級(jí)視角匯報(bào)了部分變量的描述性統(tǒng)計(jì)結(jié)果。比較發(fā)現(xiàn)，平均住宅價(jià)格、平均常住人口、平均信貸規(guī)模三個(gè)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?jī)r(jià)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?jī)r(jià)均值標(biāo)準(zhǔn)差遠(yuǎn)大于二、三線城市，表明城際間的房?jī)r(jià)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?jī)r(jià)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(huì)促成“大城市高房?jī)r(jià)、小城市低房?jī)r(jià)”的結(jié)構(gòu)性分布。

（三）面板數(shù)據(jù)預(yù)檢驗(yàn)

為避免“偽回歸”，采取適用于長(zhǎng)面板數(shù)據(jù)的LLC檢驗(yàn)方法，通過(guò)控制線性時(shí)間趨勢(shì)對(duì)所有變量進(jìn)行面板單位根檢驗(yàn)，結(jié)果見(jiàn)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(shí)證模型存在回歸前提，根據(jù)式（8）對(duì)變量進(jìn)行Pedroni面板協(xié)整檢驗(yàn)?[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(wú)論從前文理論模型推導(dǎo)還是協(xié)整檢驗(yàn)，本文選取的變量在理論和實(shí)證兩個(gè)層面均具有長(zhǎng)期經(jīng)濟(jì)含義。

（四）實(shí)證方法選擇

由于實(shí)證檢驗(yàn)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(duì)房?jī)r(jià)的影響，為降低其他不可觀測(cè)因素干擾，減緩可能因模型遺漏變量引起的偏差，首先運(yùn)用面板固定效應(yīng)模型控制上述因素（Hausman檢驗(yàn)的P值為0，接受固定效應(yīng)假設(shè)），據(jù)此結(jié)合長(zhǎng)面板數(shù)據(jù)特點(diǎn)，通過(guò)放松式（8）中擾動(dòng)項(xiàng)εi，t獨(dú)立同分布的假設(shè)，進(jìn)一步運(yùn)用更為穩(wěn)健的面板校正標(biāo)準(zhǔn)誤方法檢驗(yàn)實(shí)證模型，這樣既能消除因擾動(dòng)項(xiàng)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(shí)證結(jié)果的穩(wěn)健性。

四、實(shí)證結(jié)果分析

（一）城市人口、貨幣政策對(duì)房?jī)r(jià)的影響

根據(jù)式（8），分別運(yùn)用貨幣政策價(jià)格型工具rx和數(shù)量型工具rd對(duì)解釋變量MPt進(jìn)行替換，形成具體的計(jì)量模型，運(yùn)用面板校正標(biāo)準(zhǔn)誤方法的回歸結(jié)果見(jiàn)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(gè)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(zhǎng)期貸款利率rw作為貨幣政策價(jià)格型工具的指標(biāo)，考察不同期限利率工具分別對(duì)房?jī)r(jià)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(duì)房?jī)r(jià)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(jī)r(jià);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?jī)r(jià);利率工具rx的系數(shù)顯著為負(fù)，表明基于

宏觀層面實(shí)施的貨幣政策價(jià)格型工具緊縮有助于抑制房?jī)r(jià)上漲，進(jìn)一步地，不同期限利率工具的符號(hào)均為負(fù)，說(shuō)明不同期限的貸款基準(zhǔn)利率均能在不同程度降低房?jī)r(jià);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?jī)r(jià)上升。由此可見(jiàn)，城市人口、銀行信貸、利率和法定存款準(zhǔn)備金率，對(duì)我國(guó)一、二、三線城市房?jī)r(jià)的影響方向與理論模型的推導(dǎo)結(jié)果保持一致，同我國(guó)城際間房地產(chǎn)市場(chǎng)的經(jīng)驗(yàn)觀察基本相符。因此，從符號(hào)方向性的視角來(lái)看，實(shí)證模型的檢驗(yàn)結(jié)果與理論模型推導(dǎo)較為符合。

其二，基于房?jī)r(jià)變化的視角，利率和法定存款準(zhǔn)備金率兩類工具對(duì)房?jī)r(jià)的影響大于城市人口和信貸投放兩個(gè)因素，表明房?jī)r(jià)對(duì)貨幣政策信號(hào)變動(dòng)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(jì)顯著性來(lái)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(duì)值最小（在第（5）列中為175.05），明顯低于不同期限利率的回歸系數(shù)絕對(duì)值，說(shuō)明在貨幣政策調(diào)控產(chǎn)生1單位變動(dòng)的情況下，利率對(duì)房?jī)r(jià)的影響大于法定存款準(zhǔn)備金率。換言之，從房?jī)r(jià)變化的角度來(lái)看，中央銀行實(shí)施價(jià)格型工具調(diào)控房?jī)r(jià)的功效優(yōu)于數(shù)量型工具。因此，在房?jī)r(jià)調(diào)控中需要重視并側(cè)重價(jià)格型工具的使用，保障貨幣政策調(diào)控房?jī)r(jià)有力度、有實(shí)效。

其三，在利率工具中，不同期限利率工具對(duì)房?jī)r(jià)的調(diào)控作用有所區(qū)別，表明從超短期到長(zhǎng)期的貸款基準(zhǔn)利率調(diào)控房?jī)r(jià)的力度相異。其中，1至3年的短期貸款利率ry對(duì)房?jī)r(jià)的抑制效果最為明顯，效果優(yōu)于更長(zhǎng)期限的貸款利率rs和rw，說(shuō)明中央銀行調(diào)整1至3年短期貸款基準(zhǔn)利率對(duì)房地產(chǎn)市場(chǎng)的信號(hào)宣示功能最為顯著，通過(guò)直接影響購(gòu)房成本引發(fā)市場(chǎng)供求變動(dòng)，成為房?jī)r(jià)走勢(shì)較好的預(yù)測(cè)信號(hào)。由于貸款基準(zhǔn)利率經(jīng)由中國(guó)人民銀行公布能夠直接傳遞至市場(chǎng)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(duì)抑制房?jī)r(jià)過(guò)快上漲的作用至關(guān)重要。

其四，基于符號(hào)方向性的分析發(fā)現(xiàn)，人口、信貸對(duì)房?jī)r(jià)的影響與利率、準(zhǔn)備金率對(duì)房?jī)r(jià)的作用相反。同時(shí)，控制變量（經(jīng)濟(jì)增長(zhǎng)）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(dòng)房地產(chǎn)市場(chǎng)的發(fā)展，從而推動(dòng)房?jī)r(jià)上漲。兩相結(jié)合可知，倘若城市通過(guò)吸納外來(lái)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?jī)r(jià)上漲會(huì)和貨幣政策工具緊縮操作抑制房?jī)r(jià)產(chǎn)生“反向摩擦”，表明城市對(duì)經(jīng)濟(jì)快速發(fā)展的訴求與貨幣政策工具調(diào)控房?jī)r(jià)的功能并不完全協(xié)調(diào)，造成貨幣政策的房?jī)r(jià)調(diào)控效應(yīng)在部分程度上被人口流入和信貸投放“對(duì)沖抵消”。

綜上所述，人口數(shù)量、銀行信貸兩者對(duì)城市房?jī)r(jià)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(duì)城市房?jī)r(jià)具有負(fù)向影響。因此，從符號(hào)的方向性來(lái)看，實(shí)證結(jié)果符合前文的理論分析。需要說(shuō)明的是，在房?jī)r(jià)調(diào)控層面，貨幣政策價(jià)格型工具優(yōu)于數(shù)量型工具的實(shí)證結(jié)果，恰好印證了我國(guó)近年來(lái)的貨幣政策轉(zhuǎn)型調(diào)整情況。具體而言，我國(guó)貨幣政策數(shù)量型調(diào)控曾在經(jīng)濟(jì)高速增長(zhǎng)階段成效顯著，然而隨著經(jīng)濟(jì)由高速增長(zhǎng)“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?yàn)樯罨瘋鲗?dǎo)效率，不斷凸顯市場(chǎng)化色彩，從而逐步向價(jià)格型調(diào)控轉(zhuǎn)型。由于本文實(shí)證檢驗(yàn)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(shí)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?jī)r(jià)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(yùn)用創(chuàng)新性價(jià)格型工具，也是未來(lái)貨幣政策調(diào)控房地產(chǎn)市場(chǎng)的適宜選擇。

（二）穩(wěn)健性檢驗(yàn)

在回歸模型式（8）的解釋變量選擇中，針對(duì)貨幣政策價(jià)格型工具選取了涵蓋6個(gè)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(duì)房?jī)r(jià)的影響差異。為進(jìn)一步提高實(shí)證結(jié)果的穩(wěn)健性，對(duì)式（8）的人口變量進(jìn)行替換。從理論上來(lái)看，在一座城市中，常住人口與流動(dòng)人口共同作為城市總?cè)丝诘慕M成部分，兩者都對(duì)房地產(chǎn)存在居住剛性需求。其中，常住人口增加通過(guò)擴(kuò)張購(gòu)房需求直接提高房?jī)r(jià)，流動(dòng)人口增加通過(guò)拉動(dòng)租房需求間接推升房?jī)r(jià)，致使城市人口增加對(duì)房?jī)r(jià)產(chǎn)生正向影響。因此，在實(shí)證研究中需要考慮城市總?cè)丝趯?duì)當(dāng)?shù)胤績(jī)r(jià)的影響，從而保障實(shí)證結(jié)果的穩(wěn)健性。

因此，采用包含常住人口與流動(dòng)人口的城市總?cè)丝谧鳛榻忉屪兞窟M(jìn)行穩(wěn)健性檢驗(yàn)，回歸結(jié)果見(jiàn)表6?？梢钥吹剑谔鎿Q解釋變量之后運(yùn)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(shí)證檢驗(yàn)的結(jié)果都表明，人口增加、信貸投放均能提高房?jī)r(jià)，貨幣政策數(shù)量型和價(jià)格型調(diào)控的緊縮操作均能抑制房?jī)r(jià)上漲，實(shí)證結(jié)果較為穩(wěn)健。

五、結(jié)論與啟示

本文基于消費(fèi)約束的效用函數(shù)視角，引入貨幣政策的數(shù)量型和價(jià)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(jià)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(yùn)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(shí)證檢驗(yàn)，得出以下主要結(jié)論：

（1）在我國(guó)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(huì)拉動(dòng)當(dāng)?shù)胤康禺a(chǎn)需求從而提高房?jī)r(jià)。在此基礎(chǔ)上，以貸款基準(zhǔn)利率為代表的貨幣政策價(jià)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(jī)r(jià)上漲產(chǎn)生顯著的抑制效應(yīng)。

（2）不同期限利率工具對(duì)房?jī)r(jià)的抑制作用均強(qiáng)于法定存款準(zhǔn)備金率工具，表明貨幣政策價(jià)格型工具調(diào)控房?jī)r(jià)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(duì)房?jī)r(jià)上漲的抑制效果最為明顯，說(shuō)明央行調(diào)整短期貸款基準(zhǔn)利率對(duì)房地產(chǎn)市場(chǎng)的宣示功能最為顯著，能夠成為短期內(nèi)房?jī)r(jià)走勢(shì)較好的預(yù)測(cè)信號(hào)。

（3）伴隨城市化推進(jìn)，由信貸擴(kuò)張和人口增加兩個(gè)因素對(duì)房?jī)r(jià)產(chǎn)生的推動(dòng)作用，將與利率和準(zhǔn)備金率緊縮的抑制房?jī)r(jià)功能“反向摩擦”，說(shuō)明城市的經(jīng)濟(jì)發(fā)展訴求與貨幣政策抑制房?jī)r(jià)過(guò)快上漲的目標(biāo)并不完全協(xié)調(diào)，造成貨幣政策的房?jī)r(jià)調(diào)控效應(yīng)在一定程度上被信貸投放和人口增加“對(duì)沖抵消”。

在房地產(chǎn)調(diào)控過(guò)程中，從短期看應(yīng)注重適時(shí)運(yùn)用貨幣政策價(jià)格型工具，通過(guò)利率信號(hào)的資金成本宣示作用引導(dǎo)市場(chǎng)穩(wěn)定預(yù)期，發(fā)揮約束房?jī)r(jià)過(guò)快上漲的“靶向”效果，促成更具市場(chǎng)化的房地產(chǎn)調(diào)控模式。同時(shí)，堅(jiān)持“房子是用來(lái)住的、不是用來(lái)炒的”這一基本定位，預(yù)防貨幣過(guò)多流向房地產(chǎn)市場(chǎng)導(dǎo)致“脫實(shí)向虛”，通過(guò)嚴(yán)控信貸資金為房地產(chǎn)市場(chǎng)運(yùn)行提供穩(wěn)定的金融環(huán)境。從長(zhǎng)期看，要根據(jù)“因城施策”導(dǎo)向加強(qiáng)不同城市房?jī)r(jià)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(shí)規(guī)律調(diào)整住宅建設(shè)用地指標(biāo)，形成動(dòng)態(tài)差別化供給房地產(chǎn)的長(zhǎng)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(chǎng)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(guó)進(jìn)， 李威， 周潔. 人口結(jié)構(gòu)與房?jī)r(jià)關(guān)系研究——基于代際交疊模型和我國(guó)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(duì)房?jī)r(jià)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(shí)證分析[J]. 財(cái)經(jīng)研究， 2011（4）： 135144.

[7]?劉修巖， 李松林. 房?jī)r(jià)、遷移摩擦與中國(guó)城市的規(guī)模分布——理論模型與結(jié)構(gòu)式估計(jì)[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(duì)房地產(chǎn)庫(kù)存的影響研究——基于SYS?GMM估計(jì)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(jià)與樓盤價(jià)格趨勢(shì)[J]. 世界經(jīng)濟(jì)， 2004（7）： 310+80.

[15]李宏瑾. 房地產(chǎn)市場(chǎng)、銀行信貸與經(jīng)濟(jì)增長(zhǎng)——基于面板數(shù)據(jù)的經(jīng)驗(yàn)研究[J]. 國(guó)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(guò)度假說(shuō)的一種解釋[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2006（5）： 310+96.

[17]陳詩(shī)一， 王祥. 融資成本、房地產(chǎn)價(jià)格波動(dòng)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?jī)r(jià)？[J]. 金融評(píng)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(jià)格變動(dòng)——基于百城住宅數(shù)據(jù)的經(jīng)驗(yàn)分析[J]. 云南財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2019（1）： 3851.

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

[24]張紅， 李洋. 房地產(chǎn)市場(chǎng)對(duì)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(shí)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(chǎng)價(jià)格波動(dòng)[J]. 經(jīng)濟(jì)研究， 2018（9）： 5267.

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

[27]郭文偉. 中國(guó)多層次房?jī)r(jià)泡沫測(cè)度及其驅(qū)動(dòng)因素研究——兼論我國(guó)房地產(chǎn)調(diào)控政策的實(shí)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(chǎng)調(diào)控長(zhǎng)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(yáng)志剛， 薛龍. 新常態(tài)下多種貨幣政策工具對(duì)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?jī)r(jià)模型[J]. 金融評(píng)論， 2015（5）： 3144.

[32]馬草原， 馬文濤， 李成. 中國(guó)勞動(dòng)力市場(chǎng)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(guó)，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(xiǎn)制度對(duì)居民儲(chǔ)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?jī)r(jià)上漲如何影響實(shí)體企業(yè)債務(wù)融資——兼論房地產(chǎn)調(diào)控政策的實(shí)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(dòng)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(yáng).房?jī)r(jià)“粘性”、系統(tǒng)性金融風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)波動(dòng)——基于內(nèi)生化系統(tǒng)性風(fēng)險(xiǎn)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(duì)房?jī)r(jià)波動(dòng)做出反應(yīng)嗎——基于中國(guó)房地產(chǎn)市場(chǎng)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(guó)省際面板數(shù)據(jù)的經(jīng)驗(yàn)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(guó)房地產(chǎn)價(jià)格波動(dòng)與貨幣政策調(diào)控模式研究——基于政策不確定性視角的實(shí)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(duì)我國(guó)城鄉(xiāng)居民消費(fèi)差距的影響研究——基于省際動(dòng)態(tài)面板數(shù)據(jù)的實(shí)證分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2015（5）：109.

責(zé)任編輯、校對(duì)： 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