3.4 我國貨幣政策對不同類型城市房地產價格的影響程度分析
3.4.1 城市類型的劃分
3.4.1.1 城市類型劃分標準
對我國區域的傳統劃分方式是以地理位置為依據，將我國劃分為東部、中部以及西部地區，但是這種傳統劃分方式，并不適用于房地產市場，因為地理位置并非影響房地產市場的主要因素，同是一個地區的城市，房地產價格存在顯著差異，因此，為了準確的分析貨幣政策對于不同類型城市影響的差異，本文要對我國房地產市場進行細分。參照我國社會科學院財政與貿易經濟研究所提出的劃分標準，以政治地位、經濟實力、城市規模、區域輻射力為劃分依據，將我國城市劃分為一二三四線。具體劃分結果如下：
一線城市：北京、上海、廣州、深圳、天津二線城市，具體又細分為四類，即二線強：南京、武漢、沈陽、西安、成都、重慶、杭州、青島、大連、寧波二線中：濟南、哈爾濱、長春、廈門、鄭州、長沙、福州、烏魯木齊、昆明、蘭州、蘇州、無錫二線弱：南昌、貴陽、南寧、合肥、太原、石家莊、呼和浩特準二線：佛山、東莞、唐山、煙臺、泉州、包頭三線城市，具體又細分為三類，即三線強：銀川、西寧、?？?、洛陽、南通、常州、徐州、濰坊、淄博、紹興、溫州、臺州、大慶、鞍山、中山、珠海、汕頭、吉林、柳州。
三線中：拉薩、保定、邯鄲、秦皇島、滄州、鄂爾多斯、東營、威海、濟寧、臨沂、德州、濱州、泰安、湖州、嘉興、金華、泰州、鎮江、鹽城、揚州、桂林、惠州、湛江、江門、茂名、株洲、岳陽、衡陽、寶雞、宜昌、襄樊、開封、許昌、平頂山、贛州、九江、蕪湖、綿陽、齊齊哈爾、牡丹江、撫順。
三線弱：本溪、丹東、遼陽、錦州、營口、承德、廊坊、邢臺、大同、榆林、延安、天水、克拉瑪依、石河子、南陽、濮陽、安陽、焦作、新鄉、日照、聊城、棗莊、蚌埠、淮南、馬鞍山、連云港、淮安、麗水、衢州、荊州、安慶、景德鎮、新余、湘潭、常德、郴州、漳州、清遠、揭陽、梅州、肇慶、玉林、北海、德陽、宜賓、遵義、大理。
四線城市：上述城市以外的所有城市3.4.1.2 研究對象的選擇
根據上述劃分標準，考慮到房地產價格的地域差異性，以及數據的可得性，本文在一線、二線強、二線中、二線弱、三線城市中選擇各省省會城市、直轄市、自治區首府城市、計劃單列市共 35 個，作為研究對象進行實證研究，具體類別如下：
第一類：北京、上海、廣州、深圳、天津第二類：沈陽、大連、南京、杭州、寧波、青島、武漢、重慶、成都、西安第三類：長春、哈爾濱、福州、廈門、濟南、鄭州、長沙、昆明、蘭州、烏魯木齊第四類：貴陽、南寧、南昌、合肥、呼和浩特、太原、石家莊第五類：?？?、西寧、銀川.
3.4.2 數據的收集與處理
鑒于數據的可得性，本節選用我國 35 個大中城市的新建住宅價格指數、金融機構各項貸款余額、地方財政一般預算性收入以及全國的廣義貨幣供應量、銀行間30 天同業拆借加權平均利率、存款準備金率 2006 年-2012 年的年度數據作為樣本。
為了分析我國貨幣政策對不同類型城市房地產價格的影響程度，需要將我國 35個大中城市的新建住宅價格指數、金融機構各項貸款余額、地方財政一般預算性收入，按照城市類別分別取平均值，來代表五類城市各指標的數值。
為提高數據的可比性，需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。
為了降低異方差的影響，對除銀行間 30 天同業拆借加權平均利率的所有數據進行對數化處理，處理后的數據分別用 LPi、LM2、LLi、LRd、LYi表示，其中 i 表示城市類別。
3.4.3 實證分析結果與討論
3.4.3.1 平穩性檢驗
為了避免出現偽回歸，要對模型中各變量進行平穩性檢驗。對于非面板數據，使用 ADF 法檢驗其平穩性，對于面板數據，使用 levin,lin&chu 法檢驗其平穩性。
仔細觀察表 3-4 不難發現，所有原序列拒絕原假設所犯錯誤的概率均大于 0.05,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 0.05,給定顯著性水平 5%,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，即所有原序列均是一階單整序列。
3.4.3.2 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長期穩定的關系，則需要對進行協整檢驗。協整檢驗結果如表 4-2 所示：
面板數據協整檢驗的方法分為兩大類，一類是建立在 EG 兩步法的基礎上的Pedroni 檢驗和 Kao 檢驗，另一類是建立在 Johansen 檢驗基礎上的 Fisher 檢驗。由于本文所選取的樣本時間跨度較短，不能運用 Fisher（combined Johansen）方法進行面板數據協整檢驗，因此，本文使用了 Pedroni 檢驗和 Kao 檢驗來對變量之間是否協整關系進行驗證。Pedroni 檢驗共有 7 個檢驗統計量，如果大多數統計量均拒絕原假設，則我們可以認為變量之間是存在協整關系的，與此同時，在小樣本下，Pedroni檢驗的 ADF 更為有效。從表中不難看出，在 Pedroni 檢驗的 7 個統計量中有 4 個統計量的 p 值均小于 0.01,也就是說給定顯著性水平 0.01,大多數統計量均是統計意義上顯著的，同時 Pedroni 檢驗的 ADF 統計量均是統計意義上顯著的，也就是說，各變量之間是存在長期協整關系的。此外，Kao 檢驗的協整檢驗的 p 值為零，這也表明各變量之間存在長期的均衡關系，由此，可以建立面板數據模型。
第一，確定面板模型的估計形式。
在固定效應模型還是隨機效應模型的選擇中，使用 Hausman 檢驗，其 p 值為 0.0003,也就是說給定顯著性水平 5%,拒絕“隨機效應模型有效”的零假設，因此，固定效應模型更為有效，同時本節研究的是貨幣政策對房地產價格影響的城市差異性，選擇固定效應模型也是適宜的。因而，可以建立面板固定效應模型：
第二，面板模型的估計。
考慮到截面異方差問題，使用 Cross-section weights 法進行加權，并將數據代入式（3-6）中，則可得到的協整關系的估計結果見表 3-6:
從固定效應部分可以看出，在無其他因素影響的條件下，各類城市的房地產價格水平。其中，一線城市和二線強城市的房地產價格水平普遍較高，而后三類城市的房地產價格水平相對較低。這與城市發展水平的高低息息相關。一線、二線強城市的各方面發展水平都要遠高于二線中、二線弱以及三線城市，其房地產價格水平必然會比后三類城市的房地產價格水平要高。
從長期均衡模型的擬合結果可以得出以下結論：
第一，長期模型的擬合優度為 95.85%,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。F 統計量 p 值為 0.0007,DW=1.87,也就是說，給定顯著性水平 0.05,模型中變量是聯合顯著的，且不存在一階自相關。
第二，模型中某些變量是不顯著的，說明該變量不是影響該類城市房地產價格的主要因素。對于一線和二線強城市來說，財政收入不是影響該類城市房地產價格的因素；貨幣供應量因素對二線中城市的房地產價格沒有顯著性影響；而存款準備金率不是二線弱城市房地產價格水平的影響因素。
第三，各類城市房地產價格影響因素及大小的分析。
其一，貨幣供應量與金融機構各項信貸余額是對各類城市房地產價格影響的主要因素，對房地產價格的變化起到了重要作用。一方面，一線、二線強、二線弱及三線城市的貨幣供應量彈性分別為 0.5060%、1.7052%、1.1306%、1.3052%,也就是說貨幣供應量每增加 1%,各類城市的房地產價格分別增加 0.5060%、1.7052%、1.1306%、1.3052%.貨幣供應量對二線強城市的房地產價格影響相對最大，而對一線城市的影響相對最小，也就是說，貨幣供應量對一線城市房地產價格的調控效果相對有限；另一方面，金融機構各項信貸余額每增加 1%,各類城市的房地產價格分別增加約 0.7802%、1.2194%、1.1068%、1.0098%、1.3097%,金融機構各項貸款余額對三線城市的房地產價格影響相對最大，而對一線城市的房地產價格影響相對最小，這表明金融機構各項信貸余額對一線城市的房地產價格的長期調控效果十分有限。
其二，利率水平與存款準備金率大小對各類城市的房地產價格均有影響，但不是很大，并且利率與存款準備金率對各類城市房地產價格的影響幅度大體相同。利率每增加 1 個單位，各類城市房地產價格會大體下降 0.0334%,特別地，利率對二線強城市的房地產價格影響幅度相對最小，利率每增加 1 個單位，二線強城市的房地產價格會下降 0.0140%.而存款準備金率每增加 1%,各類城市房地產價格會下降約 0.076%左右，存款準備金率對二線強城市的影響幅度相對最大，存款準備金率每增加 1%,二線強城市的房地產價格會下降 0.0951%.
其三，財政收入因素對綜合發展水平較低城市的房地產價格影響更為明顯。一方面，諸如與房地產市場相關的稅種：土地增值稅、城市土地使用稅、房產稅等的增加，會增加房地產的購買成本，從而減少居民對住房的需求，使房地產價格有一定程度的下降；而另一方面，個人所得稅的增加，會使居民的可支配收入減少，從而降低居民購買住房的需求。因此，地方財政收入是各類城市的房地產價格有著顯著性的影響，而各類城市的地方財政收入的不同，致使我國房地產價格存在城市差異性。長期均衡模型正好反映出了這一點。國家財政收入每增加 1%,二線中、二線弱及三線城市的房地產價格分別降低 0.0407%、0.0461%、0.0669%,作用效果依次增強。
其四，從各影響因素對各類城市房地產價格的影響大小來看，影響一線城市房價的主要因素為利率與存款準備金率；貨幣供應量與存款準備金率是影響二線強城市房價的主要因素；影響二線中城市房價的主要因素為利率、金融機構各項貸款余額及財政收入；影響二線弱城市房價的主要因素為財政收入與貨幣供應量；金融機構各項信貸余額及財政收入是影響三線城市房價的最主要因素。
3.4.3.3 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：
將式（3-7）滯后一期，代入并估計式（3-8），則可建立向量誤差修正模型
從向量誤差修正模型的擬合結果不難看出：
總體來看，首先，誤差修正項的調整系數在統計意義上均是顯著的，且均為負值，這表明滯后一期的非均衡誤差對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。同時，誤差修正項的系數大小大體相同，均在 2.05 左右，這表示各類城市的變量由短期關系轉回長期均衡狀態的速度是大體相同的。
其次，在影響方向上來看，貨幣供應量對房地產價格在短期內具有正向影響，而利率、存款準備金率、財政收入因素對房地產價格具有負向影響。
最后，在影響程度上來看，影響房地產價格最主要的短期因素為貨幣供應量，各類城市金融機構各項信貸余額因素不是房地產價格的短期影響因素。而造成各類城市金融機構各項貸款余額對房地產價格長期有影響而短期無影響的原因是我國貨幣政策傳導渠道不暢通，以及金融機構各項信貸余額的變化對房地產市場產生影響具有時滯性而引起的。
具體來看，第一，貨幣供應量因素對五類城市都有顯著性的影響，其中對一線城市的房地產價格影響最大，貨幣供應量每增加 1%,該類城市的房地產價格約上漲 1.5516%.在長期，貨幣供應量因素并不能影響二線中城市的房地產價格，而在短期，該因素對二線中城市的房地產價格有顯著性影響，貨幣供應量每增加 1%,二線中城市的房地產價格約上漲 0.9164%.綜合來看，在短期內貨幣供應量對一線城市房地產價格的影響要大于對二線城市房地產價格的影響，而對三線城市的房地產價格的影響相對最小，這主要是因為一線城市為我國最發達地區，各方面的發展都走在我國的前列，這使得房地產升值空間大，投資機會多，二線城市近年來雖快速崛起，吸引了眾多投資商，但其房地產市場仍要取決于消費市場，而三線城市經濟發展相對落后，投資較少，貨幣政策傳導能力較差，房地產價格主要依賴于經濟發展狀況。
第二，在短期內，利率、存款準備金率以及財政收入因素對三線城市的房地產價格沒有顯著性的影響，也就是說這三個因素不是短期內影響三線城市房地產價格的主要因素，而對一線、二線城市的房地產價格的影響在統計意義上是顯著的，但影響幅度不是很大。對一線城市來說，利率每降低 1 個單位，該類城市的房地產價格上升 0.0568%;存款準備金率每降低 1%,該類城市的房地產價格上升 0.0628%;財政收入每降低 1%,該類城市的房地產價格約上升 0.0068%.
縱向來看，利率、存款準備金率、財政收入因素對一線城市房地產價格的影響要大于對二線城市房地產價格的影響，也遠高于三線城市，但總體來講，各因素對各類城市房地產價格的影響幅度差異都不是很大。一方面，在短期內通過利率、存款準備金率來調控房地產價格是不太有效的。其原因主要表現在：我國三線城市房地產市場的發展較一、二線城市仍是不成熟的，各類金融機構、金融系統包括制度體系的發展都是不夠完善的，再加上經濟發展的相對落后，致使貨幣政策傳導渠道不暢，貨幣政策效果不顯著。另一方面，通過調整財政收入來改變房地產價格，在短期內效果也不顯著。這是因為財政收入的主要來源是稅收，財政收入的調整很大意義上是稅收收入的變化，這就與我國的財政政策緊密相關。增加稅收的財政政策對于一線城市來說，由于其本身的發展水平相對較高，其增加的稅收收入的數額一定會大于二、三線城市的數額，同時一線城市無論從體系、制度、機構等各方面的完善性，以及政策執行力上來說，都要高于二、三線城市，因此財政收入對于房價的調整效果出現差異。此外，財政政策的實施也是具有一定時滯性的，因此，財政收入對房價的短期影響效果并不顯著。
3.4.3.4 Granger 格蘭杰因果檢驗
分別對各類城市通過基于 VAR 模型的 Granger 因果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,結果如下所示：
從上述結果不難看出，給定 5%的顯著性水平，利率分別是一線城市、二線強城市、二線中城市及二線弱城市房地產價格的格蘭杰原因，而其他因素均不是其房地產價格的格蘭杰原因。也就是說，利率有助于解釋一線城市、二線強城市、二線中城市及二線弱城市房地產價格的未來變化。而三線城市的金融機構各項貸款余額及地方財政一般預算性收入是其房地產價格的格蘭杰原因，而其余因素均不是三線城市房地產價格的格蘭杰原因。
