当前位置:首页 >> 经济/市场 >>

我国省级房价波动与宏观调控政策配置研究_图文

2019 年 4 月 (第 33 卷第 4 期)
●区域发展

East China Economic Management

Apr.,2019
(Vol.33,No.4)

[DOI]10.19629/j.cnki.34-1014/f.180130017

我国省级房价波动与宏观调控政策配置研究

林桐
(四川农业大学 经济学院,四川 成都 611130)

摘 要:文章构建面板 SVAR 模型,运用 2008-2016 年我国 31 个省份面板数据,首先对财政政策影响各省房价的差异效

应进行分组检验,得到 4 组不同效果类别,并且发现各组之间差异明显,且这种差异与东中西三大区域分布并不一致。

然后继续考察组内货币政策对房价的影响,发现货币供给量对各省房价基本均起到促进作用,贷款利率对中东部省份基

本表现为负向作用。最后比较各项政策对房价波动的贡献程度发现:第 1、2、4 组的房价波动主要来源于货币政策,并且

相比货币供给工具,贷款利率工具对房价波动影响更灵敏;第 3 组财政政策冲击对房价贡献较高。以上研究结果为推进

房价政策调控提供了可靠的经验支持。

关键词:房价波动;宏观调控政策;分组效应;面板 SVAR 模型

中图分类号:F061.5;F293.3

文献标志码:A

文章编号:1007-5097 (2019) 04-0077-07

Fluctuations in Provincial Housing Price and Allocation of Macro-Control Policy
LIN Tong
(School of Economics,Sichuan Agricultural University,Chengdu 611130,China) Abstract: The influence of macro-control policy on housing price has always been one of the hot spots. Firstly,regional differ?
ences in impact of fiscal policy on housing price was tested based on panel data of 31 provinces from 2008 to 2016 using panel SVAR model. The results showed significantly difference between groups,which was not in line with the distribution of the east,center and west. Secondly,the impact of monetary policy on housing prices in the group was examined. It was found that money supply played a role in promoting housing prices,and the role of loan interest rates was basically negative for central and eastern provinces. Finally,the contributions of various policies to the fluctuation of housing prices were compared. It showed that the price fluctuation of the first,the second and the fourth groups was mainly from the monetary policy. Compared with the money supply tool,the loan interest rate tool had a more sensitive impact on the house price fluctuation. The third group’s fiscal policy shocks made the greatest contribute to the housing price. The above results provide reliable experience
support for promoting the regulation and control of house price policy. Keywords: fluctuations in housing price;macro-control policy;grouped effects;panel SVAR model

一、引言与文献综述 十九大报告再次强调“房子是用来住的,不是用 来炒的”,房价这一关乎民生的话题一直是社会各界 关注的焦点之一。2009 年以来,为了应对上涨势头强 劲的房价,国家先后实施了一系列宏观调控政策,这 些政策对房价波动是否起到显著调控作用?关于这 一点,国内学者况伟大(2010)、谭政勋和王聪(2015)、 郑世刚和严良(2016)、王文甫等(2017)等均基于国家 层面进行了大量研究[1-4],为我们之后的深入探讨奠定 了坚实的基础,然而鉴于我国区域发展严重不平衡, 宏观调控政策对各省级房价波动分别有什么影响? 这些影响有什么具体差异?不同宏观调控政策对各 省级房价影响效果有什么不同?这些问题的准确认

识将为调节房价、提高宏观调控政策效率提供一定的 借鉴意义。基于 2008-2016 年我国省级房价及政策变 量的面板数据,本文对以上问题进行了实证分析。
关于房价波动的影响因素,国内外学者分别从 经济层面及政策层面出发对其进行了大量研究,其 中 Aizenman 和 Jinjarak(2009)、Beltratti 和 Morana (2010)、徐建炜等(2012)、陈斌开等(2012)等认为通 胀、技术进步、消费者偏好、人口结构等经济基本面 能很好地解释房价波动[5-8]。沈悦和刘洪玉(2004)、 余华义(2010)等实证发现我国经济层面因素对房价 的影响能力有限[9-10],郑世刚和严良(2016)认为这主 要是由于我国市场化程度不高以及较为特殊的制度 环境所导致的,因此国内大部分文献集中于探讨影

收稿日期:2018-01-30 作者简介:林桐(1989-),女,四川成都人,讲师,经济学博士,研究方向:宏观经济政策效应。

— 77 —

2019 年 4 月 (第 33 卷第 4 期)

我国省级房价波动与宏观调控政策的配置

Apr.,2019
(Vol.33,No.4)

响房价波动的政策效果[3]。 影响房价波动的政策主要包括财政政策、货币政
策以及土地政策等,其中对货币政策的讨论尤其多, 例如谭政勋和王聪(2015)认为房价波动应该纳入我 国货币政策规则中,而货币供应量以及利率对房价的 波动反应并不充分[2];然而况伟大(2010)等实证表明 我国货币政策规则的操作并没有将房价纳入其中,以 上文献均是探讨房价在货币政策设定中的作用[1],王 先柱和杨义武(2015)、郑世刚和严良(2016)肯定了货 币政策对房价调控的重要影响,并且郑世刚和严良 (2016)指 出 货 币 供 应 量 是 导 致 房 价 上 涨 的 主 要 原 因[3,11]。除此之外,宫汝凯(2012)、王猛等(2013)等均 认为土地财政与房价相互存在促进作用,郑世刚和严 良(2016)在肯定这一正向作用的同时指出土地供应 量对房价的影响非常有限[3,12-13]。与货币政策及土地 政策相比,财政政策对房价的影响关注相对较少,其 中踪家峰等(2010)、郑世刚和严良(2016)、王文甫等 (2017)等讨论了政府支出对房价的影响[3-4,15]。
综观国内相关文献,大部分研究均是基于国家层 面研究宏观调控政策对房价的影响[3-4],吕伟和刘晨辉 (2012)、宫汝凯(2015)等虽然运用省级数据探讨了地 方财政政策及土地政策对房价的作用,但是现有文献 均忽略了宏观调控政策对房价的影响可能存在的异 质性[15-16]。鉴于我国幅员辽阔,省级区域之间经济发 展不平衡,地方财政能力也存在巨大差异等基本国 情,关于宏观调控政策对房价的影响,本文主要做了 以下三方面扩展:其一,通过在省级层面的分组检验, 来考察组间财政政策对房价影响的差异性。现有文 献鞠方等(2013)、潘金霞(2013)等均是基于地理位置 分析东、中、西三大区域间土地政策、财政政策对房价 的作用[17-18],本文构建面板 SVAR 模型,运用分组检验 识别出财政政策效应显著不同的省级群;其二,周晖 和王擎(2009)发现货币政策对不同城市调节效果不 同,因此本文通过交互效应面板 SVAR 模型测量组内 货币政策对各省级房价影响的不同效果[19];其三,本 文将财政政策与货币政策放在一个系统中进行研究, 以观测不同宏观调控政策对省级房价波动的影响。
二、模型设定 (一)我国省级房价波动与宏观调控政策发展趋势 潘金霞(2013)、郑世刚和严良(2016)、王文甫等 (2017)等均认为扩张性财政政策对房价起到提升作 用 ,而 [18,3-4] 本文通过观察我国各省级房价波动与财 政政策发展趋势之间的关系发现,并不是所有省份 都符合这一结论,下面以上海与宁夏为例进行说明。 图 1 中实线和虚线分别表示上海和宁夏的固定资 产投资变化趋势及房价波动,其中房价波动等于实际 — 78 —

房地产销售价格的对数差,固定资产投资差额为实际 固定资产投资的对数差。郑世刚和严良(2016)认为 财政购买性支出是我国财政政策调控的主要方式之 一[3],因此本文也采用固定资产投资表征财政政策,数 据来源于中经网数据库的省级固定资产投资资金中 国家预算内资金。如图 1 所示,与上海相比,宁夏的房 价波动与固定资产投资变化正向相关性更加明显,即 伴随固定资产投资的增加房价也上升;而对于上海而 言,固定资产投资变化与房价波动呈现反向关系,例 如 2011-2013 年期间,上海固定资产投资变化从-0.48 增加到极大值 1.56,之后下降到-0.03,对应的房价波 动从-0.04 减小到-0.06,再上升到 0.13。



"









        







BBM

"







         







BBM

"

图 1 上海、宁夏房价波动与固定资产投资差额

另外,货币供给与利率作为常用的货币政策的 表征变量[19,3],本文又将各省级房价波动与货币政策 发展趋势放到一个图中,如图 2 所示,可以发现:为了 应对 2008 年金融危机,货币供给与利率均上升,上海 与宁夏在 2009 年房价均达到整个样本区间的极大值 点,只是程度有所不同。







"

 































 







B4 (











 































 







B4 (



图 2 上海、宁夏房价波动与货币政策

2019 年 4 月 (第 33 卷第 4 期)

我国省级房价波动与宏观调控政策配置研究

Apr.,2019
(Vol.33,No.4)

根据图 1 和图 2 可以发现各省级财政政策对房

价的影响作用方向、大小存在一定差异,货币政策对

各省房价的影响程度同样不同。鉴于上述数据特征

所得结论,接下来本文力图通过严格实证分析,探讨

宏观调控政策对省级房价波动的影响。

(二)面板 SVAR 模型的设定

为了探讨宏观调控政策对房价波动的影响,本

文以各省级房价 HP 为被解释变量,财政政策与货币

政策为解释变量建立以下面板回归模型:

HPit=?1GEi,t+?2GEi,t - 1+?3HPi,t - 1+vi+gi Ft+ξit (1) 其中,GE 是固定资产投资,Ft = ( M2t, SIt)′包含货 币供给与利率,vi 为个体效应。?1 和 ?2 分别衡量固

定资产投资对房价波动即期、滞后一期的影响大小,

?3 表示房价波动的惯性。鉴于图 1 和图 2 可以看出

固定资产投资与货币政策对房价的异质性影响,为

了表达方便,本文这里首先设定固定资产投资前面

系数同质,后文将详细论述其分组检验,gi 表示货币

政策对各省房价的不同作用。由于房价波动与财政

政策存在相互影响的关系,然而况伟大(2010)、谭政

勋和王聪(2015)等实证表明房价并没有被纳入我国

货币政策规则中[1-2],因此本文将模型(1)扩展为面板

SVAR 模型:

Ayit = Γ y1 i,t - 1 + λi + Λi Ft + εit

(2)

式(2)中 yit = ( GEit, HPit)′,货币政策 Ft 作为外生

变量引入模型(2)。面板 SVAR 模型不能直接估计, 因此对上式两边同时左乘 A-1 得到如下对应的简约

方程:

yit = Π y1 i,t - 1 + bi + Si Ft + uit

(3)

其中,Π1=A-1 Γ1,bi=A-1 λi,Si=A-1 Λi,uit=A-1 εit。

三、模型估计

(一)面板 VAR 模型的估计

待估模型(2)与常用的面板 SVAR 模型的不同之

处在于模型(2)中存在交互效应,因此本文基于 Bai

(2009,2013)、杨继生和徐娟(2015)给出模型(2)的

估计思路[20-22]。

基于上述文献对面板数据交互效应的处理方

式,本文首先对共同因素货币政策变量 Ft 进行标准 化处理,使得 FtF′t = I;其次通过去离差消去式(3)中 的个体效应后,构造投影矩阵 MF = I - F′tFt,等式两

边同时右乘投影矩阵得到待估系数:

Π? 1 = ( Z? it Z? ′it - 1 )-1 ( Z? it - 1 Z? ′it - 1 )

(4)

其 中 ,Z? it - k = y? it - k MF ,y? it - k = yit - k - yˉi。 然 后 基 于

Π? 1 得到货币政策在第 i 个省份的即期效应为 S? i 的估

计值为:

S? i = ( Z? i - Π? 1 Z? i,-1 ) F′ ( FF′ )-1

(5)

式(5)中 Z? i = ( Z? i1, …, Z? iT)′。最后在 Π? 1 和 S? i 的基 础上,可以得到个体效应 b? i、残差 u? it 以及方差协方差 矩阵 Ω? ,通过 uit = A-1 εit 可得 Ω = A-1 A-1′,假设本期的

房价波动 HP 取决于本期的固定资产投资 GE,而本期

固定资产投资 GE 取决于上一期的房价波动 HP,因此

此时结构矩阵 A 设定为如下形式:A =

é a11

ê
?

a

21

0 a 22

ùú,本 ?

文利用乔莱斯基分解得到 A? 以及模型(2)中待估参数

Γ? 1 = A? Π? 1,λ? i = A? b? i,Λ? i = A? S? i。

(二)分组检验

如前所述鉴于我国各省级经济发展严重不平

衡、财政能力存在巨大差异,图 1 也表明从数据特征

来看各省级财政政策对房价波动影响确实有一定的

异质性,因此接下来本文通过分组检验将财政政策

对房价波动影响效果相似的省份放在一组,此时每

一组组间将存在显著的差异。

在分组检验之前从模型(3)中抽取第 1 个方程,

并将固定资产投资变量前面的系数变为异质的,得

到下列形式: HPit = π1iGEi,t - 1 + π2HPi,t - 1 + vi + si Ft + ξit (6) 其中,π1i 表示不同省份固定资产投资对房价波
动的异质性效应。根据上一部分估计思路,对式(6) 进行估计可以得到 π? 1i, π? 2, ν? i, s? i,对 π? 1i 从小到大进行
排 列 ,据 此 调 整 各 省 份 的 顺 序 ,并 在 此 基 础 上 本 文

定义:

Rit = HPit - π? 2HPi,t - 1 - v? i - s? i Ft

(7)

如果假设不同省份财政政策对房价波动的影响

相同,那么可得如下形式的受约束模型:

Rit = π1GEi,t - 1 + ξ? it

(8)

然后,本文先将总样本分成 2 个组,即每一组对

应不同省份的标号:1~l 与 ( l + 1 ) ~N,l = 1~ ( N - 1 )。

此时假设两组样本之间存在显著差异,而组内相似,

从而有半约束模型:

Rit = π11GEi,t - 1 + π12 IiGEi,t - 1 + ξ? it

{ 上式中,示性函数 Ii =

1, i = 1~l ; 0, i = ( l + 1 ) ~N。

(9)

对式(8)和式(9)进行估计,分别得到带约束残

差平方和 RSSr 以及无约束残差平方和 RSSu,然后构

造 F 统计量:

Fl

=

( RSSr - RSSu) /q RSSu / ( n - k )

~F ( q, n - k )

(10)

其中,q 表示约束条件个数,即式(8)与式(9)待

估参数之差,n 和 k 分别为无约束模型(9)的样本个数

以及待估参数个数,当 Fl 大于临界值时说明带约束

模型与半约束模型之间存在显著差别,因此我们选

— 79 —

2019 年 4 月 (第 33 卷第 4 期)

我国省级房价波动与宏观调控政策的配置

Apr.,2019
(Vol.33,No.4)

择模型(9)。l 从 1 取值到( N - 1 ),对应可以得到 N - 1 个 F 统计量,从中选取最大 F 值所对应的 l 值,我们就 从这里截断暂时将整个样本分为两组,例如此时第 一组为省份 1~M,第二组为省份( M + 1 ) ~N。接下来 对组一 1~M 的省份和组二 ( M + 1 ) ~N 的省份分别按
照上述方法继续分组,直到每一组里所有 F 统计量均 小于临界值为止。
四、宏观调控政策对省级房价波动的影响分析 1 (一)数据来源及处理 考虑到 2007 年底次贷危机引发的全球金融危机 影响了宏观调控政策的强度以及方向,郑世刚和严 良(2016)也发现 2008 年前后我国调控政策对房价影 响存在巨大差异[3],因此本文主要选取 2008-2016 年 省级面板数据对省级调控政策的效果进行实证分 析。模型(2)中涉及的内生变量包括省级固定资产 投资和房价波动,分别来源于中经网数据库中固定 资产投资资金中国家预算内资金以及商品房平均销 售价格,考虑到通胀因素,本文分别以 2008 年为基期 的 CPI 对各省固定资产投资和房价进行了消胀处理, 得到实际固定资产投资及实际房价。另外模型(2) 中外生块货币政策包括货币供给量以及利率,盛松 成和谢洁玉(2016)、郑世刚和严良(2016)均认为相 比银行间同业拆借利率[3,23],一年期贷款利率对房价 波动影响更为显著,因此本文也选取了一年期贷款 利率减去通货膨胀率所得的实际贷款利率 SI,货币供 应量选取广义货币供给 M2 的数据。最后,分别对模 型(2)中内生变量以及货币供给量取自然对数,可以 减弱它们的异方差性。为了保证模型(2)不存在伪 回归,需要对研究中所涉及的所有变量进行面板单 位根检验,本文通过 LLC 检验发现在 5% 显著水平 下,内生变量以及货币供给量都表现为 I ( 1 ) 过程,SI
为平稳序列,因此分别对实际固定资产投资、实际房 价和货币供应量的对数形式取差分得到平稳序列。
(二)宏观调控政策对省级房价波动的具体效应 和地区差异
1. 分组检验 在前文所述的基础上,本文根据财政政策对房 价的不同影响效果,在 5% 的显著性水平下将 31 个 省份分为 4 个组(如表 1 所列)。从表 1 中可以看出, 第 1、第 2 和第 3 组中均包括了东中西三大区域的省 份,第 4 组中的三个省份均属于东部地区,这说明财 政政策对房价影响的差异性与东中西三大区域分布 并不一致。接下来本文将在此分组的基础上,分别 探讨组间财政政策效应以及组内货币政策的对房价 的效应。 — 80 —

表 1 分组检验结果

组别

地区

第 1 组 宁夏、云南、山西、广西、北京、辽宁、新疆、重庆、河南

第 2 组 湖北、四川、上海、河北、西藏、内蒙古、黑龙江、青海、广东、天津

第 3 组 吉林、甘肃、安徽、陕西、贵州、湖南、山东、江西、海南

第4组

江苏、福建、浙江

2. 财政政策对房价波动的影响分析 如图 3 所示,面对 1% 正向的固定资产投资冲击, 第 2、3、4 组房价均呈现一个倒 U 形,其中,第 2 组房价在 即期下降 0.02%,第 3、4 组房价在即期分别上升 0.03% 和 0.05%,第 2、3、4 组的房价在滞后第 1 期均上升到极 大值 0.04%、0.07% 以及 0.13%,随后逐渐衰减到零,然 而从衰减速度来看,第 4 组衰减最慢,这说明固定资产 投资冲击对第 4 组房价的影响具有更长的持续性。固 定资产投资增加 1%,第 1 组房价在即期上升 0.01%,滞 后 1 期后下降到 0.04%,随后负向影响逐渐消失。

      
             
03 03 03 0 3
图 3 固定资产投资冲击对房价波动的影响
总体来看,固定资产投资对我国省级房价影响 存在一定的滞后性,伴随固定资产投资的增加,第 2、 3、4 组房价增加,第 1 组房价减少。这说明固定资产 投资对第 2、3、4 组房价起到促进作用,本文认为主要 是由于大量基础设施项目的建设和投入使用能够改 善房地产产品周围的环境,起到保值与增值的作用, 从而使得固定资产投资对这些区域房价起到正向作 用。对于第 1 组地区而言,固定资产投资的增加意味 着保障住房计划的有力实施,因此在宁夏、云南、山 西、广西、北京、辽宁、新疆、重庆、河南这些地区固定 资产投资对房价起到抑制作用。
3. 货币政策对房价影响的效应分析 表 2 表示面对 1% 的货币供给冲击或利率冲击,各 省房价在滞后 10 期内变动的累计百分比。表 2 中省 份按照前文所述的分组进行排列,可以观察到如下两 个特点:其一,整体来看,货币供给对各省房价基本均 起到促进作用(除了云南、山西、辽宁和青海),这与经 济直觉相一致;其二,利率对各省房价的影响方向存 在差异,其中第 1、2、3 组中 17 个省份房价在面临贷款 利率增加时表现为上升结果,这与经济理论不相符,

2019 年 4 月 (第 33 卷第 4 期)

我国省级房价波动与宏观调控政策配置研究

Apr.,2019
(Vol.33,No.4)

郑世刚和严良(2016)基于国家层面也得到了相一致 的结论,郑世刚和严良(2016)将其归因于一方面我国 利率市场化的不完全导致了利率对房价传导渠道不

通顺,另一方面货币供给的高速增加带来的房地产收 益率高于利率水平[3]。另外,贷款利率对第 4 组以及 第 1、2、3 组中东部省份房价基本表现为负向作用。

表 2 各省份货币政策对房价波动的累积脉冲响应结果

%

省份

M2

SI

省份

M2

SI

省份

M2

SI

省份

M2

SI

宁夏

0.05

-0.07

湖北

0.02

-0.04

吉林

0.07

0.09

江苏

0.81

-0.82

云南

-0.02

-0.01

四川

0.01

0.03

甘肃

0.06

0.16

福建

0.54

-0.43

山西

-0.02

0.17

上海

0.04

-0.09

安徽

0.02

0.28

浙江

0.52

-1.08

广西

0.02

-0.02

河北

0.03

-0.04

陕西

0.04

0.03

北京

0.02

-0.19

西藏

0.09

0.13

贵州

0.08

0.00

辽宁

-0.01

0.03 内蒙古

0.00

0.08

湖南

0.06

0.04

新疆

0.00

0.05 黑龙江

0.00

0.05

山东

0.01

0.05

重庆

0.02

-0.03

青海

-0.02

0.07

江西

0.06

-0.12

河南

0.00

0.00

广东

0.01

-0.02

海南

0.03

0.08

天津

0.00

0.00

(三)政策层面省级房价波动的动力来源 1. 财政政策对省级房价波动的解释力度 图 4 表示在给定货币环境下固定资产投资对每 一组房价波动的贡献程度,例如第 1 组在 0 期和 10 期 分别对应 1.72 以及 11.21,这意味着第 1 组的房价波 动,固定资产投资在即期可以解释 1.72%,累计滞后 10 期之后解释力度达到 11.21%。观察图 4 中的四条 虚实线,第 1、2 组房价波动约 11.21% 以及 6.36% 来自 固定资产投资,第 3、4 组固定资产对房价的解释力度 在即期略微不同,但是长期来看固定资产投资均能 解释房价波动的 30% 左右。总的来说,给定货币环 境下,第 3、4 组财政政策对房价波动的影响力度大于 第 1、2 组。 2. 货币政策对省级房价波动的解释力度 表 3 表示不同货币政策工具对各省房价波动的 贡献程度,例如宁夏对应的表格中数据分别为 3.60% 以及 11.22%,这说明宁夏的房价波动中,长期来看货 币供给可以解释 3.60%,贷款利率能够解释 11.22%,

剩下的部分由财政政策与房价惯性冲击解释,关于 财政政策对房价波动的贡献程度,根据图 4 以及表 3 可以直接计算,例如宁夏财政政策对房价波动的贡 献 程 度 为(1 - 3.60% - 11.22%)× 11.21%=9.55%,为 了 进一步分析财政政策与货币政策对各省房价波动的 调控力度,本文在下一部分基于此又分别给出了两 种政策对房价波动的贡献程度,如表 4 所列。从表 3 中房价波动的动力分解结果来看,总体说来相比货 币供给工具,贷款利率对于房价波动影响更灵敏(除 了贵州、天津和福建)。

     
            

03

03

03

0 3

图 4 给定货币环境下财政政策对房价波动的解释力度(%)

表 3 各省份货币政策对房价波动的贡献程度

%

省份

M2

SI

省份

M2

SI

省份

M2

SI

省份

M2

SI

宁夏

3.60

11.22

湖北

1.11

18.75

吉林

6.57

12.46

江苏

21.74

22.98

云南

1.85

5.33

四川

0.64

48.28

甘肃

3.89

28.37

福建

13.62

9.01

山西

0.49

62.62

上海

6.92

15.06

安徽

0.25

53.26

浙江

8.59

37.85

广西

0.46

27.18

河北

2.05

11.95

陕西

2.37

10.20

北京

0.34

43.65

西藏

13.91

32.21

贵州

8.42

0.03

辽宁

0.09

20.31 内蒙古

0.39

12.14

湖南

4.54

6.78

新疆

0.04

27.41 黑龙江

0.53

8.70

山东

0.54

3.65

重庆

0.53

60.73

青海

2.14

35.75

江西

4.60

15.82

河南

0.80

7.97

广东

0.32

3.25

海南

2.45

26.49

天津

1.29

1.02

— 81 —

2019 年 4 月 (第 33 卷第 4 期)

我国省级房价波动与宏观调控政策的配置

Apr.,2019
(Vol.33,No.4)

3. 货币政策与财政政策比较 表 4 给出了各省份房价波动中财政政策及货 币政策的贡献程度,比如宁夏财政政策的贡献约占 9.55%,货 币 政 策 贡 献 为 14.82%,剩 下 的 部 分 由 房 价惯性冲击贡献 75.63%。从房价波动的动力来源

分解结果来看,第 1、2、4 组的房价基本都表现为对 货币冲击更为敏感,而第 3 组财政冲击对房价贡献 较高(除了甘肃、安徽和海南)。另外与第 1、2 组相 比,第 3、4 组省份房价的变化整体上对财政冲击更 为敏感。

省份 宁夏 云南 山西 广西 北京 辽宁 新疆 重庆 河南

财政 9.55 10.41 4.14 8.11 6.28 8.93 8.14 4.34 10.23

货币 14.82
7.19 63.11 27.64 43.99 20.40 27.45 61.26
8.77

表 4 各省份财政政策、货币政策对房价波动的贡献程度

省份

财政

货币

省份

财政

货币

湖北

5.10

19.86

吉林

24.99

19.03

四川

3.25

48.92

甘肃

20.91

32.26

上海

4.96

21.98

安徽

14.35

53.51

河北

5.47

14.00

陕西

26.98

12.57

西藏

3.43

46.11

贵州

28.25

8.45

内蒙古

5.56

12.54

湖南

27.37

11.32

黑龙江

5.77

9.23

山东

29.57

4.19

青海

3.95

37.89

江西

24.56

20.43

广东

6.13

3.57

海南

21.93

28.93

天津

6.22

2.31

省份 江苏 福建 浙江

财政 17.14 23.98 16.60

%
货币 44.72 22.63 46.44

(四)房价上涨压力的空间传递 模型(3)中的 bi 表示去除固定资产波动、货币政 策变化以及房价惯性冲击之外的房价波动值,可以 说明房价上涨压力的空间上的差异性,表 5 给出了不 同省份的个体效应的估计值。

省份 宁夏 云南 山西 广西 北京 辽宁 新疆 重庆 河南

表 5 各省份房价上涨压力的空间差异
估计值 省份 估计值 省份 估计值 省份 0.08 湖北 0.19 吉林 -0.12 江苏 0.01 四川 0.07 甘肃 -0.12 福建 -0.38 上海 0.03 安徽 -0.10 浙江 -0.05 河北 0.18 陕西 0.15 0.25 西藏 -0.29 贵州 0.00 -0.11 内蒙古 -0.10 湖南 0.12 -0.13 黑龙江 -0.07 山东 0.03 0.19 青海 -0.15 江西 0.14 0.00 广东 0.01 海南 -0.32 天津 0.04

估计值 0.22 0.11 0.08

比较不同组内的个体效应估计值发现,第 4 组 地区个体效应均为正,另外第 1 组中北京、重庆,第 2 组湖北、河北、上海、广东、天津,第 3 组陕西、湖 南、山东、江西也均为正,这说明中东部地区较为发 达的省份房价空间上存在上涨压力。相对应的个 体效应较小的为山西、新疆、西藏、海南、青海等中 西部交为不发达的省份。这说明房价的上涨在空 间上自较发达的中东部地区向较不发达的中西部 地区传递。
五、结论与政策建议 鉴 于 我 国 省 域 经 济 发 展 不 平 衡 ,财 政 能 力 、制 — 82 —

度 等 方 面 存 在 较 大 差 异 ,本 文 运 用 分 组 检 验 ,根 据 财政政策对房价的不同效应将 31 个省份分为 4 个 组,在此基础上构建含外生变量的面板 SVAR 模型 分析各组间财政政策对房价的区别效应,组内货币 政策对房价影响的异质性,并且比较两种政策对房 价 波 动 的 贡 献 程 度 ,实 证 结 果 表 明 :根 据 财 政 政 策 影响房价的区别效应得到 4 组不同效果类别,从分 组结果来看,财政政策对房价影响的差异性与东中 西三大区域分布并不一致;财政政策对房价的调控 存 在 一 定 的 滞 后 性 ,并 且 固 定 资 产 投 资 支 出 对 第 2、3、4 组房价起到促进作用,对第 1 组房价起到抑 制效果。另外,货币供给对各省房价基本均起到促 进作用,贷款利率对中东部省份房价基本表现为负 向作用;从政策层面来看,第 1、2、4 组的房价波动 主 要 来 源 于 货 币 政 策 ,并 且 相 比 货 币 供 给 工 具 ,贷 款利率工具对于房价波动影响更灵敏;第 3 组财政 政策冲击对房价贡献较高。从空间上来看,房价的 上涨容易自较发达的中东部地区向较不发达的中 西部地区传递。
基于上述分析结果可以得到一些政策启示:第 一,伴随着中国步入“新常态”时期,为保经济稳步增 长,政府实施积极财政政策,在积极财政政策取向不 变的情况下,充分发挥财政政策在房地产市场的调 控作用,地方政府需要进一步优化财政支出结构,特 别是第 2,3,4 组,应增加公共性和保障性住房的投 资;第二,为了有效调控房价,一方面可以有效控制 货币供应量,另一方面提高市场化程度以推进利率 在房地产市场的传导机制,使利率对房价抑制效果

2019 年 4 月 (第 33 卷第 4 期)

我国省级房价波动与宏观调控政策配置研究

Apr.,2019
(Vol.33,No.4)

更明显;第三,由于各组对货币冲击及财政冲击的敏 感性存在差异,同样的宏观调控政策对于不同省份 房价有不同的作用效果,因此为了不扭曲各项政策 的调控效果,货币政策的设计应以第 1、2、4 组为基 础,财政政策以第 3 组为基准。另外根据房价上涨空 间的传递结果,房价的调控起点应该是较为发达的 中东部地区。
尽管本文探讨了宏观调控政策对各省房价波 动 的 差 异 效 应 以 及 贡 献 程 度 ,为 更 有 效 推 进 房 价 政 策 调 控 提 供 了 可 靠 的 经 验 支 持 ,但 本 文 仍 需 改 进 及 进 一 步 扩 展 的 方 向 :一 是 各 项 宏 观 调 控 政 策 对各省房价影响的内在机理及差异性原因分析; 二 是 由 于 分 组 检 验 的 需 要 ,本 文 仅 仅 考 虑 了 我 国 财 政 政 策 主 要 的 调 控 方 式 之 一 ,土 地 政 策 以 及 税 收政策对省级房价的影响效应和作用路径也将是 未来研究的方向。
参考文献:
[1]况伟大 . 利率对房价的影响[J]. 世界经济,2010(4):134145.
[2]谭政勋,王聪 . 房价波动、货币政策立场识别及其反应研究 [J]. 经济研究,2015(1):67-83.
[3]郑世刚,严良 . 房价波动、调控政策立场估计及其影响效应 研究——基于 1998-2014 年数据的实证分析[J]. 财经研 究,2016(6):98-109.
[4]王文甫,罗显康,魏彧 . 政府支出的外部性、信贷约束与房 地产波动[J]. 世界经济文汇,2017(2):29-47.
[5]AIZENMAN J,JINJARAK Y. Current Account Patterns and National Real Estate Markets[J]. Journal of Urban Econom? ics,2009,66(2):75-89.
[6]BELTRATTI A,MORANA C. International House Prices and Macroeconomic Fluctuations[J]. Journal of Banking & Finance,2010,34(3):533-545.
[7]徐建炜,徐奇渊,何帆 . 房价上涨背后的人口结构因素:国 际经验与中国证据[J]. 世界经济,2012(1):24-42.
[8]陈斌开,徐帆,谭力 . 人口结构转变与中国住房需求:1999-

2025——基于人口普查数据的微观实证研究[J]. 金融研 究,2012(1):129-140. [9]沈悦,刘洪玉 . 住宅价格与经济基本面:1995-2002 年中国 14 城市的实证研究[J]. 经济研究,2004(6):78-86. [10]余华义 . 经济基本面还是房地产政策在影响中国的房价[J]. 财贸经济,2010(3):116-122. [11]王先柱,杨义武 . 差异化预期、政策调控与房价波动—— 基于中国 35 个大中城市的实证研究[J]. 财经研究,2015 (12):51-61. [12]宫汝凯 . 分税制改革、土地财政和房价水平[J]. 世界经济 文汇,2012(4):90-104. [13]王猛,李勇刚,王有鑫 . 土地财政、房价波动与城乡消费差 距——基于面板数据联立方程的研究[J]. 产业经济研 究,2013(5):84-92. [14]踪家峰,刘岗,贺妮 . 中国财政支出资本化与房地产价格[J]. 财经科学,2010(11):57-64. [15]吕炜,刘晨晖 . 财政支出、土地财政与房地产投机泡沫 ——基于省际面板数据的测算与实证[J]. 财贸经济, 2012(12):21-30. [16]宫汝凯 . 财政不平衡和房价上涨:中国的证据[J]. 金融研 究,2015(4):66-81. [17]鞠方,林辉叶,周建军 . 土地出让收入、地方财政支出对我 国房价影响的区域差异性研究[J]. 财经理论与实践, 2013(1):77-81. [18]潘金霞 . 是土地供应量与房地产税赋提高了房价吗[J]. 南方经济,2013(11):27-37. [19]周晖,王擎 . 货币政策与资产价格波动:理论模型与中国 的经验分析[J]. 经济研究,2009(10):61-74. [20]BAI J. Panel Data Models with Interactive Fixed Effects [J]. Econometrica,2009,77(4):1229-1279. [21]BAI J. Fixed-Effects Dynamic Panel Models,a Factor Ana? lytical Method[J]. Econometrica,2013,81(1):285-314. [22]杨继生,徐娟 . 从田间到市场:谁托起了食品的价格?[J]. 经济学:季刊,2015(3):911-930. [23]盛松成,谢洁玉 . 社会融资规模与货币政策传导——基于 信用渠道的中介目标选择[J]. 中国社会科学,2016(12):
61-83.
[责任编辑:张 青]

— 83 —