3 我国货币政策对房地产价格影响的计量分析
3.1 研究方法的选择
3.1.1 平稳性检验
平稳性检验是进行时间序列分析的前提，如果对非平稳的时间序列进行实证分析，则可能出现伪回归现象，而在现实经济中，时间序列通常都是非平稳的，因此，本文要对时间序列建模时，必须先进行平稳性检验。检验序列是否平稳则需要进行单位根检验，如果某序列不存在单位根，则认为该序列是平稳的，反之则是不平稳的。单位根检验有多种方法，本文将使用 ADF 检验法及 levin,lin&chu 法分别对非面板数据和面板数据进行单位根检验。
3.1.2 协整检验
对于非平稳时间序列变量，可以使用差分的方法使其平稳，但这样便无法获取总量的长期信息，协整解决了这个问题。协整关系是指一些经济变量本身是非平稳序列，但其线性组合是平稳序列。它既是一种诊断变量之间是否存在长期依存关系的检验方法，又是具体建立变量之间长期稳定关系的方法。本文使用非平稳时间序列变量来分析货币政策对房地产价格的长期影响，因此，建立协整关系是十分有必要的。协整关系的建立条件：当序列非平稳时，则需要对序列进行差分，并对差分后得到的新序列再次进行单位根检验，直到序列平稳为止。通常，一个 p 阶自回归具有 p 个特征根，如果有 d（d≤p）个单位根，则序列需要经过 d 次差分才能达到平稳，则它是 d 阶单整的，只有变量是同阶单整的，才可以协整。本文将在单位根检验的基础上，选用 Johansen 协整检验、Pedroni 面板协整检验及 Kao 面板协整检验，从全国层次和城市层次探究房地产价格与货币供应量、存款准备金率、利率、金融机构各项贷款余额、财政收入的长期稳定关系。
3.1.3 格兰杰因果检验
在 VAR 模型中，其包含的内生变量的参数是没有经济意义的，格兰杰因果检验给出了使 VAR 模型所包含内生变量的参数具有一定经济意义的方法，因此，为了使本文建立的 VAR 模型具有经济意义，进行格兰杰因果检验是十分有必要的。格兰杰因果检验基本原理是在包含了两个变量过去信息的条件下，如果其中一个变量有助于解释另一个的将来变化，就认为前者是引致后者的格兰杰原因。因此，格兰杰因果检验是判断 VAR 模型中变量之间是否存在因果关系的方法。同时，不同的滞后期长度对格兰杰因果检验的结果影响非常大，本文将根据 AIC 和 SBC 准则来确定模型的滞后阶数。
3.1.4 向量误差修正模型
协整关系仅考察的是变量之间的长期均衡关系，而分析货币政策对房地产价格的短期调控效果对于我国货币政策对房地产价格的有效调控是非常有帮助的，因此，仅建立协整关系是不够的，仍需进一步建立短期关系。向量误差修正模型是在建立协整关系的基础上建立起来，来考察变量之间短期关系的模型。向量误差修正模型的解释变量由误差修正项及反映被解释变量短期波动的差分项构成，其中，误差修正项的系数表示将变量由偏离长期均衡状态的短期关系调回长期均衡状态的快慢程度。因此，本文将在协整关系的基础上进一步建立向量误差修正模型来考察我国货币政策对房地产价格的短期影响。
3.1.5 面板数据模型
本文欲分析货币政策对不同类型城市房地产价格的影响程度，若只使用横截面数据或只使用时间序列数据进行分析，只能给出变量两个维度的信息，同时还可能存在样本容量过小、多重共线性等问题。因此，使用面板数据模型是必要的。
面板数据由横截面、时间及指标三维信息构成，能够描述某一时点某一个体的不同特性。通过面板数据建立的模型是面板数据模型，其一般形式可以表示为：
根据截距、系数及随机误差项的假设的不同，面板数据模型可以分为固定效应模型、随机效应模型及混合效应模型。在固定效应模型中，αi是固定常数项，但对于不同的横截面是不同的，因此，固定效应模型能够体现个体间存在的差异。而当αi 是随机变量时，就得到了随机效应模型。对于选择随机效应模型还是固定效应模型，可以通过 Hausman 检验来判断。因此，本文将在存在协整关系的基础上，使用 Hausman 检验来判断面板数据模型的形式，然后建立适合的面板数据模型，来反映我国货币政策与各类城市房地产价格的长期均衡关系。
3.2 变量的确定与选择
根据第二章对房地产价格影响因素的理论分析以及货币政策影响房地产价格的机理分析，本文将从以下几个方面选取变量：
（1）货币供应量。根据中国人民银行的划分标准，货币供应量可以分为流通中的现金 M0、狭义货币供应量 M1（包括 M0、活期存款）以及广义货币供应量 M2（包括 M1、企事业单位的定期存款、居民储蓄存款）三个层次。其中，M2与实体经济联系密切，企业投资资金也主要来源于此，因此选取 M2来代替货币供应量指标。
（2）利率。本文选取银行间同业拆借 30 天加权平均利率来代替利率指标，用 R表示。银行同业拆借利率是目前我国现行市场化最高的基准利率之一，其水平与波动能够较好的反映货币政策的松紧变化。
（3）存款准备金率。本文将存款准备金率纳入模型中，作为货币政策工具指标之一，用 Rd 表示。
（4）银行信贷。考虑到数据的可得性，本文选取金融机构各项贷款余额作为银行信贷变量，用 L 表示。
（5）房地产价格。由于本文涉及全国层次和分城市角度的房地产价格对我国货币政策影响的分析，将选取全国商品房平均销售价格 QP、新建住宅价格指数 P 两个房地产价格指标，分别对我国货币政策对房地产价格的总体影响程度及影响的城市差异性进行分析。
（6）财政收入。为了更好的拟合货币政策对房地产价格的影响程度，本文将影响房地产价格的另一重要因素--财政收入指标纳入模型中，用字母 Y 表示。
（7）需求变量。由于统计数据不支持，本文未将需求因素相关变量纳入模型中。
3.3 我国货币政策对全国房地产价格一般水平的影响程度分析
3.3.1 数据的收集与处理
本文所用的数据主要来源于中国人民银行网站、国家统计局网站、中国经济与社会发展统计数据库等。
本节将选用全国商品房平均销售价格、广义货币供应量、银行间 30 天同业拆借加权平均利率、存款准备金率、金融机构各项贷款余额、国家财政收入指标，来分析我国货币政策各因素对房地产价格的总体影响程度。由于 VAR 模型待估参数较多，为确保模型的估计精度，必须要求大样本数据，同时鉴于数据的可得性，本节选取 2006 年-2014 年的月度数据作为研究样本。
由于我们使用的数据是时间序列的月度数，数据可能存在季节因素，同时还存在不同时间的数据不可比的问题以及个别月份的数据缺失等问题，为此，采用以下方法处理。
第一，缺失值的处理。国家财政收入的月度数据在 2006 年、2007 年、2008 年、2009 年、2012 年、2013 年、2014 年的 12 月均有缺失，观察 2010 与 2011 年国家财政收入的走势不难发现，国家财政收入从 11 月至次年 1 月呈上升趋势，因此本节选用各年 11 月与次年 1 月国家财政收入的平均数来代替缺失值。全国商品房平均销售价格的月度数据每年的 1 月有缺失，根据商品房平均销售价格的走势，对缺失值做如下处理：取上年 12 月与当年 2 月的平均数来表示当年 1 月缺失的全国商品房平均销售价格。
第二，季节因素的剔除。为减少季节变动对数据的影响，对全国商品房平均销售价格 QP、广义货币供应量 M2、银行间 30 天同业拆借加权平均利率 R、存款准备金率 Rd、国家财政收入 Y 进行 X11 季节调整；第三，价格因素影响的剔除。为提高数据的可比性，要将价格因素的影响予以剔除。其中，对银行间 30 天同业拆借加权平均利率 R 进行价格因素影响剔除时，采用的是银行间30天同业拆借加权平均利率R减去通货膨胀率的方法得到实际利率。对其他各指标则采用各指标除以居民消费价格指数的方法剔除价格因素的影响。第四，为了减少异方差的影响，对除银行间 30 天同业拆借加权平均利率外的所有的变量进行对数化处理，处理后的变量分别用 LQP、LM2、LL、LRd、LY 表示。
3.3.2 实证分析结果与讨论
3.3.2.1 平稳性检验
为了避免出现伪回归，需要对模型中各变量进行平稳性检验。对于非面板数据，本文使用 ADF 法检验其平稳性，检验结果见表 3-1.仔细观察表 3-1 不难发现，所有原序列拒绝原假设所犯错误的概率均大于 0.1,所有原序列经一阶差分后的序列拒绝原假设所犯错误的概率均小于 0.01,给定显着性水平 1%,则所有原序列均无法拒绝原假设，而一阶差分序列均拒绝原假设，也就是说所有原序列均是非平稳序列，而一阶差分序列均是平稳的，即所有原序列是一阶单整序列。
3.3.2.2 协整检验
由于单位根检验中各变量同阶单整，因此各变量之间可能存在长期的均衡关系，为了确定各变量之间是否存在着长期稳定的关系，对于非面板数据，本文将运用 Johansen 协整检验法进行协整关系检验，并根据 AIC 信息准则和 SBC 准则，确定滞后阶数为 1,协整检验结果见表 3-2:
由表 3-2 不难看出，对于变量之间不存在协整关系的零假设的 p 值均为零，这表明各变量之间存在长期稳定的关系。由此，可以建立如下的协整关系：
第一，长期模型的拟合优度大于 70%,也就是说模型所选择的变量能较好的解释房地产价格的变动。给定显着性水平 0.05,一方面，长期模型的 F 统计量是统计意义上显着的，同时，模型中各变量的 t 值也是显着的，因此，从长期来看，货币政策是影响房地产价格的主要因素之一；另一方面，DW=2.15,可以认为模型不存在一阶自相关。
第二，从长期来看，货币供应量与金融机构各项信贷余额是影响我国房地产价格主要因素，其中货币供应量对房地产价格的长期影响最大，货币供应量每增加 1%,我国房地产价格将增加 2.3508%,金融机构各项贷款余额对房地产价格的长期影响位列第二，金融机构各项信贷余额每增加 1%,我国房地产价格将增加约 1.7115%.
而利率、存款准备金率、财政收入因素对我国房地产价格均有负向影响，且相对较小，其中财政收入对我国房地产价格的长期影响程度最小，财政收入每增加 1%,我国房地产价格将降低 0.0214%.我们知道税收是我们国家财政收入最重要的收入形式和最主要的收入来源。据有关数据显示，2013 年，我国房地产营业税收入、房地产企业所得税收入、财产转让所得税、契税、土地增值税等与房地产交易有关的财政和政府性基金收入总额占国家公共财政收入和政府性基金收入的 33.47%.因此，国家财政收入的变化，意味着税收收入的变化，也就意味着房地产税收收入的变化，房地产税收收入的改变，改变了房地产市场的成本，从而改变了房地产市场的供给与需求，对我国房地产价格产生一定的影响。
综上所述，从长期来讲，货币供应量和金融机构各项贷款余额对我国房地产价格的调控效果更为显着，因此，应通过货币供应量和金融机构各项贷款余额的调整，来促使我国房地产价格的长期稳定。
3.3.2.3 向量误差修正模型
通过数据平稳性检验及协整检验，所有变量均是 I（1）变量，由此可以进一步建立向量误差修正模型，来分析变量间的长期均衡与短期波动的关系。
根据长期协整模型，可得其残差序列：
从短期向量误差修正模型的拟合结果可以看出：
第一，给定显着性水平 0.05,一方面，短期模型的 F 统计量是统计意义上显着的，另一方面，DW=2.15,可以认为模型不存在一阶自相关。
第二，在模型中，误差修正项的调整系数在统计意义上是显着的，且为负值，这表明滞后一期的非均衡误差对我国房地产价格具有反向调整作用，当产生负的非均衡误差时，房地产价格上升，反之则房地产价格下降。而误差修正项的系数大小0.0768,表示当模型的误差偏离长期均衡状态时，有 7.68%能够得到纠正。
第二，从短期来看，给定显着性水平 0.05,货币供应量、金融机构各项贷款余额、财政收入指标均是不显着的，利率、存款准备金率指标是显着的，也就是说，我国房地产价格的短期影响因素主要是利率和存款准备金率，而货币供应量、金融机构各项贷款余额、财政收入因素不是我国房地产价格的短期影响因素，因此，在短期内，应依靠利率与存款准备金率的调整来调控我国房地产价格。
第三，利率与存款准备金率对我国房地产价格的影响幅度不是很大。存款准备金率每增加 1%,我国房地产价格将降低 0.1956%,而利率每增加 1 个单位，房地产价格将仅降低 0.0021%,可见，二者对于房地产价格的短期影响是十分有限的。
综上所述，在短期利率与存款准备金率对我国房地产价格的调控更为有效，因此，从短期来讲，应通过利率与存款准备金率来对我国房地产价格进行调控，但二者对我国房地产价格的短期影响是十分有限的。
3.3.2.4 Granger 因果检验
通过基于 VAR 模型的格兰杰因果关系检验，来判断我国货币政策与房地产价格之间的因果关系，并根据 AIC 和 SBC 准则确定模型的滞后阶数为 1,格兰杰因果检验结果见表 3-3.
给定 5%的显着性水平，金融机构各项贷款余额、货币供应量及财政收入因素的 F 统计量在统计意义上是显着的，而存款准备金率、利率的 F 统计量在统计意义上是不显着的，也就是说，金融机构各项贷款余额、货币供应量、财政收入指标是我国房地产价格的格兰杰原因，而利率、存款准备金率指标不是我国房地产价格的格兰杰原因，这表明金融机构各项贷款余额、货币供应量、财政收入因素有助于解释我国房地产价格的未来变化，而利率、存款准备金率因素对我国房地产价格的未来变化没有直接的解释作用。
