3 我國貨幣政策對房地產價格影響的計量分析
3.1 研究方法的選擇
3.1.1 平穩性檢驗
平穩性檢驗是進行時間序列分析的前提，如果對非平穩的時間序列進行實證分析，則可能出現偽回歸現象，而在現實經濟中，時間序列通常都是非平穩的，因此，本文要對時間序列建模時，必須先進行平穩性檢驗。檢驗序列是否平穩則需要進行單位根檢驗，如果某序列不存在單位根，則認為該序列是平穩的，反之則是不平穩的。單位根檢驗有多種方法，本文將使用 ADF 檢驗法及 levin,lin&chu 法分別對非面板數據和面板數據進行單位根檢驗。
3.1.2 協整檢驗
對于非平穩時間序列變量，可以使用差分的方法使其平穩，但這樣便無法獲取總量的長期信息，協整解決了這個問題。協整關系是指一些經濟變量本身是非平穩序列，但其線性組合是平穩序列。它既是一種診斷變量之間是否存在長期依存關系的檢驗方法，又是具體建立變量之間長期穩定關系的方法。本文使用非平穩時間序列變量來分析貨幣政策對房地產價格的長期影響，因此，建立協整關系是十分有必要的。協整關系的建立條件：當序列非平穩時，則需要對序列進行差分，并對差分后得到的新序列再次進行單位根檢驗，直到序列平穩為止。通常，一個 p 階自回歸具有 p 個特征根，如果有 d（d≤p）個單位根，則序列需要經過 d 次差分才能達到平穩，則它是 d 階單整的，只有變量是同階單整的，才可以協整。本文將在單位根檢驗的基礎上，選用 Johansen 協整檢驗、Pedroni 面板協整檢驗及 Kao 面板協整檢驗，從全國層次和城市層次探究房地產價格與貨幣供應量、存款準備金率、利率、金融機構各項貸款余額、財政收入的長期穩定關系。
3.1.3 格蘭杰因果檢驗
在 VAR 模型中，其包含的內生變量的參數是沒有經濟意義的，格蘭杰因果檢驗給出了使 VAR 模型所包含內生變量的參數具有一定經濟意義的方法，因此，為了使本文建立的 VAR 模型具有經濟意義，進行格蘭杰因果檢驗是十分有必要的。格蘭杰因果檢驗基本原理是在包含了兩個變量過去信息的條件下，如果其中一個變量有助于解釋另一個的將來變化，就認為前者是引致后者的格蘭杰原因。因此，格蘭杰因果檢驗是判斷 VAR 模型中變量之間是否存在因果關系的方法。同時，不同的滯后期長度對格蘭杰因果檢驗的結果影響非常大，本文將根據 AIC 和 SBC 準則來確定模型的滯后階數。
3.1.4 向量誤差修正模型
協整關系僅考察的是變量之間的長期均衡關系，而分析貨幣政策對房地產價格的短期調控效果對于我國貨幣政策對房地產價格的有效調控是非常有幫助的，因此，僅建立協整關系是不夠的，仍需進一步建立短期關系。向量誤差修正模型是在建立協整關系的基礎上建立起來，來考察變量之間短期關系的模型。向量誤差修正模型的解釋變量由誤差修正項及反映被解釋變量短期波動的差分項構成，其中，誤差修正項的系數表示將變量由偏離長期均衡狀態的短期關系調回長期均衡狀態的快慢程度。因此，本文將在協整關系的基礎上進一步建立向量誤差修正模型來考察我國貨幣政策對房地產價格的短期影響。
3.1.5 面板數據模型
本文欲分析貨幣政策對不同類型城市房地產價格的影響程度，若只使用橫截面數據或只使用時間序列數據進行分析，只能給出變量兩個維度的信息，同時還可能存在樣本容量過小、多重共線性等問題。因此，使用面板數據模型是必要的。
面板數據由橫截面、時間及指標三維信息構成，能夠描述某一時點某一個體的不同特性。通過面板數據建立的模型是面板數據模型，其一般形式可以表示為：
根據截距、系數及隨機誤差項的假設的不同，面板數據模型可以分為固定效應模型、隨機效應模型及混合效應模型。在固定效應模型中，αi是固定常數項，但對于不同的橫截面是不同的，因此，固定效應模型能夠體現個體間存在的差異。而當αi 是隨機變量時，就得到了隨機效應模型。對于選擇隨機效應模型還是固定效應模型，可以通過 Hausman 檢驗來判斷。因此，本文將在存在協整關系的基礎上，使用 Hausman 檢驗來判斷面板數據模型的形式，然后建立適合的面板數據模型，來反映我國貨幣政策與各類城市房地產價格的長期均衡關系。
3.2 變量的確定與選擇
根據第二章對房地產價格影響因素的理論分析以及貨幣政策影響房地產價格的機理分析，本文將從以下幾個方面選取變量：
（1）貨幣供應量。根據中國人民銀行的劃分標準，貨幣供應量可以分為流通中的現金 M0、狹義貨幣供應量 M1（包括 M0、活期存款）以及廣義貨幣供應量 M2（包括 M1、企事業單位的定期存款、居民儲蓄存款）三個層次。其中，M2與實體經濟聯系密切，企業投資資金也主要來源于此，因此選取 M2來代替貨幣供應量指標。
（2）利率。本文選取銀行間同業拆借 30 天加權平均利率來代替利率指標，用 R表示。銀行同業拆借利率是目前我國現行市場化最高的基準利率之一，其水平與波動能夠較好的反映貨幣政策的松緊變化。
（3）存款準備金率。本文將存款準備金率納入模型中，作為貨幣政策工具指標之一，用 Rd 表示。
（4）銀行信貸?？紤]到數據的可得性，本文選取金融機構各項貸款余額作為銀行信貸變量，用 L 表示。
（5）房地產價格。由于本文涉及全國層次和分城市角度的房地產價格對我國貨幣政策影響的分析，將選取全國商品房平均銷售價格 QP、新建住宅價格指數 P 兩個房地產價格指標，分別對我國貨幣政策對房地產價格的總體影響程度及影響的城市差異性進行分析。
（6）財政收入。為了更好的擬合貨幣政策對房地產價格的影響程度，本文將影響房地產價格的另一重要因素--財政收入指標納入模型中，用字母 Y 表示。
（7）需求變量。由于統計數據不支持，本文未將需求因素相關變量納入模型中。
3.3 我國貨幣政策對全國房地產價格一般水平的影響程度分析
3.3.1 數據的收集與處理
本文所用的數據主要來源于中國人民銀行網站、國家統計局網站、中國經濟與社會發展統計數據庫等。
本節將選用全國商品房平均銷售價格、廣義貨幣供應量、銀行間 30 天同業拆借加權平均利率、存款準備金率、金融機構各項貸款余額、國家財政收入指標，來分析我國貨幣政策各因素對房地產價格的總體影響程度。由于 VAR 模型待估參數較多，為確保模型的估計精度，必須要求大樣本數據，同時鑒于數據的可得性，本節選取 2006 年-2014 年的月度數據作為研究樣本。
由于我們使用的數據是時間序列的月度數，數據可能存在季節因素，同時還存在不同時間的數據不可比的問題以及個別月份的數據缺失等問題，為此，采用以下方法處理。
第一，缺失值的處理。國家財政收入的月度數據在 2006 年、2007 年、2008 年、2009 年、2012 年、2013 年、2014 年的 12 月均有缺失，觀察 2010 與 2011 年國家財政收入的走勢不難發現，國家財政收入從 11 月至次年 1 月呈上升趨勢，因此本節選用各年 11 月與次年 1 月國家財政收入的平均數來代替缺失值。全國商品房平均銷售價格的月度數據每年的 1 月有缺失，根據商品房平均銷售價格的走勢，對缺失值做如下處理：取上年 12 月與當年 2 月的平均數來表示當年 1 月缺失的全國商品房平均銷售價格。
第二，季節因素的剔除。為減少季節變動對數據的影響，對全國商品房平均銷售價格 QP、廣義貨幣供應量 M2、銀行間 30 天同業拆借加權平均利率 R、存款準備金率 Rd、國家財政收入 Y 進行 X11 季節調整；第三，價格因素影響的剔除。為提高數據的可比性，要將價格因素的影響予以剔除。其中，對銀行間 30 天同業拆借加權平均利率 R 進行價格因素影響剔除時，采用的是銀行間30天同業拆借加權平均利率R減去通貨膨脹率的方法得到實際利率。對其他各指標則采用各指標除以居民消費價格指數的方法剔除價格因素的影響。第四，為了減少異方差的影響，對除銀行間 30 天同業拆借加權平均利率外的所有的變量進行對數化處理，處理后的變量分別用 LQP、LM2、LL、LRd、LY 表示。
3.3.2 實證分析結果與討論
3.3.2.1 平穩性檢驗
為了避免出現偽回歸，需要對模型中各變量進行平穩性檢驗。對于非面板數據，本文使用 ADF 法檢驗其平穩性，檢驗結果見表 3-1.仔細觀察表 3-1 不難發現，所有原序列拒絕原假設所犯錯誤的概率均大于 0.1,所有原序列經一階差分后的序列拒絕原假設所犯錯誤的概率均小于 0.01,給定顯著性水平 1%,則所有原序列均無法拒絕原假設，而一階差分序列均拒絕原假設，也就是說所有原序列均是非平穩序列，而一階差分序列均是平穩的，即所有原序列是一階單整序列。
3.3.2.2 協整檢驗
由于單位根檢驗中各變量同階單整，因此各變量之間可能存在長期的均衡關系，為了確定各變量之間是否存在著長期穩定的關系，對于非面板數據，本文將運用 Johansen 協整檢驗法進行協整關系檢驗，并根據 AIC 信息準則和 SBC 準則，確定滯后階數為 1,協整檢驗結果見表 3-2:
由表 3-2 不難看出，對于變量之間不存在協整關系的零假設的 p 值均為零，這表明各變量之間存在長期穩定的關系。由此，可以建立如下的協整關系：
第一，長期模型的擬合優度大于 70%,也就是說模型所選擇的變量能較好的解釋房地產價格的變動。給定顯著性水平 0.05,一方面，長期模型的 F 統計量是統計意義上顯著的，同時，模型中各變量的 t 值也是顯著的，因此，從長期來看，貨幣政策是影響房地產價格的主要因素之一；另一方面，DW=2.15,可以認為模型不存在一階自相關。
第二，從長期來看，貨幣供應量與金融機構各項信貸余額是影響我國房地產價格主要因素，其中貨幣供應量對房地產價格的長期影響最大，貨幣供應量每增加 1%,我國房地產價格將增加 2.3508%,金融機構各項貸款余額對房地產價格的長期影響位列第二，金融機構各項信貸余額每增加 1%,我國房地產價格將增加約 1.7115%.
而利率、存款準備金率、財政收入因素對我國房地產價格均有負向影響，且相對較小，其中財政收入對我國房地產價格的長期影響程度最小，財政收入每增加 1%,我國房地產價格將降低 0.0214%.我們知道稅收是我們國家財政收入最重要的收入形式和最主要的收入來源。據有關數據顯示，2013 年，我國房地產營業稅收入、房地產企業所得稅收入、財產轉讓所得稅、契稅、土地增值稅等與房地產交易有關的財政和政府性基金收入總額占國家公共財政收入和政府性基金收入的 33.47%.因此，國家財政收入的變化，意味著稅收收入的變化，也就意味著房地產稅收收入的變化，房地產稅收收入的改變，改變了房地產市場的成本，從而改變了房地產市場的供給與需求，對我國房地產價格產生一定的影響。
綜上所述，從長期來講，貨幣供應量和金融機構各項貸款余額對我國房地產價格的調控效果更為顯著，因此，應通過貨幣供應量和金融機構各項貸款余額的調整，來促使我國房地產價格的長期穩定。
3.3.2.3 向量誤差修正模型
通過數據平穩性檢驗及協整檢驗，所有變量均是 I（1）變量，由此可以進一步建立向量誤差修正模型，來分析變量間的長期均衡與短期波動的關系。
根據長期協整模型，可得其殘差序列：
從短期向量誤差修正模型的擬合結果可以看出：
第一，給定顯著性水平 0.05,一方面，短期模型的 F 統計量是統計意義上顯著的，另一方面，DW=2.15,可以認為模型不存在一階自相關。
第二，在模型中，誤差修正項的調整系數在統計意義上是顯著的，且為負值，這表明滯后一期的非均衡誤差對我國房地產價格具有反向調整作用，當產生負的非均衡誤差時，房地產價格上升，反之則房地產價格下降。而誤差修正項的系數大小0.0768,表示當模型的誤差偏離長期均衡狀態時，有 7.68%能夠得到糾正。
第二，從短期來看，給定顯著性水平 0.05,貨幣供應量、金融機構各項貸款余額、財政收入指標均是不顯著的，利率、存款準備金率指標是顯著的，也就是說，我國房地產價格的短期影響因素主要是利率和存款準備金率，而貨幣供應量、金融機構各項貸款余額、財政收入因素不是我國房地產價格的短期影響因素，因此，在短期內，應依靠利率與存款準備金率的調整來調控我國房地產價格。
第三，利率與存款準備金率對我國房地產價格的影響幅度不是很大。存款準備金率每增加 1%,我國房地產價格將降低 0.1956%,而利率每增加 1 個單位，房地產價格將僅降低 0.0021%,可見，二者對于房地產價格的短期影響是十分有限的。
綜上所述，在短期利率與存款準備金率對我國房地產價格的調控更為有效，因此，從短期來講，應通過利率與存款準備金率來對我國房地產價格進行調控，但二者對我國房地產價格的短期影響是十分有限的。
3.3.2.4 Granger 因果檢驗
通過基于 VAR 模型的格蘭杰因果關系檢驗，來判斷我國貨幣政策與房地產價格之間的因果關系，并根據 AIC 和 SBC 準則確定模型的滯后階數為 1,格蘭杰因果檢驗結果見表 3-3.
給定 5%的顯著性水平，金融機構各項貸款余額、貨幣供應量及財政收入因素的 F 統計量在統計意義上是顯著的，而存款準備金率、利率的 F 統計量在統計意義上是不顯著的，也就是說，金融機構各項貸款余額、貨幣供應量、財政收入指標是我國房地產價格的格蘭杰原因，而利率、存款準備金率指標不是我國房地產價格的格蘭杰原因，這表明金融機構各項貸款余額、貨幣供應量、財政收入因素有助于解釋我國房地產價格的未來變化，而利率、存款準備金率因素對我國房地產價格的未來變化沒有直接的解釋作用。
