李慶華 周瑤

(華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，湖北武漢430079)

?

房地產(chǎn)投資對(duì)貨幣傳導(dǎo)機(jī)制的影響研究
——基于VADL模型的實(shí)證分析

李慶華 周瑤

(華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，湖北武漢430079)

我國(guó)房地產(chǎn)經(jīng)濟(jì)的發(fā)展對(duì)我國(guó)貨幣供給向?qū)嶓w經(jīng)濟(jì)的流動(dòng)有特殊重要的作用，但房地產(chǎn)經(jīng)濟(jì)發(fā)展的過(guò)度膨脹，也會(huì)給貨幣供給向其它實(shí)體產(chǎn)業(yè)的流動(dòng)帶來(lái)負(fù)向影響。本文以2005—2016年的季度數(shù)據(jù)作為估計(jì)依據(jù)，根據(jù)IS—LM模型構(gòu)建變系數(shù)自回歸分布滯后(VADL)模型，就中國(guó)房地產(chǎn)投資規(guī)模對(duì)貨幣傳導(dǎo)機(jī)制的影響進(jìn)行了檢驗(yàn)和分析。實(shí)證結(jié)果表明：房地產(chǎn)投資規(guī)模對(duì)貨幣傳導(dǎo)的效率和時(shí)滯有正反兩個(gè)方向的影響；當(dāng)房地產(chǎn)開(kāi)發(fā)投資總額的增量超過(guò)一個(gè)臨界點(diǎn)后，其影響是負(fù)向的，反之則是正向的；由市場(chǎng)因素決定的房地產(chǎn)投資數(shù)量存在一個(gè)季度投資額約為1萬(wàn)億元人民幣的最優(yōu)規(guī)模，超過(guò)這個(gè)規(guī)模的部分很可能是非市場(chǎng)因素(如地方政府)作用的結(jié)果。因此，根據(jù)合理的房地產(chǎn)投資規(guī)模建立房地產(chǎn)投資增量控制的預(yù)警機(jī)系統(tǒng)對(duì)我國(guó)市場(chǎng)經(jīng)濟(jì)整體的理性發(fā)展有重要作用。

房地產(chǎn)投資； 貨幣傳導(dǎo)機(jī)制； VADL模型

一、引言

2016年8月以來(lái)，中國(guó)一線城市和部分二線城市房地產(chǎn)市場(chǎng)十分火爆。北京、上海、南京、武漢等城市的房地產(chǎn)市場(chǎng)呈現(xiàn)出搖號(hào)認(rèn)購(gòu)和“開(kāi)盤光”等現(xiàn)象，似乎有種恐慌情緒在漫延。人們?cè)趽?dān)心什么呢？一個(gè)合理的解釋是貨幣貶值嗎？

2015年以來(lái)，央行六次下調(diào)金融機(jī)構(gòu)人民幣貸款和存款基準(zhǔn)利率，以進(jìn)一步降低社會(huì)融資成本刺激包括房地產(chǎn)在內(nèi)的消費(fèi)，結(jié)果導(dǎo)致貨幣大量增發(fā)，根據(jù)中華人民共和國(guó)統(tǒng)計(jì)局資料2016年5-8月的貨幣供給量M1同比分別增長(zhǎng)了23.7%，24.6%，25.4%和25.3%。如此強(qiáng)度的貨幣超發(fā)，并沒(méi)有導(dǎo)致CPI的大幅上升，2016年7月和8月的CPI環(huán)比僅上漲0.2%和0.1%。

然而在房地產(chǎn)場(chǎng)市上，情況大不相同，一線城市和部分二線城市的房地產(chǎn)價(jià)格的漲幅超過(guò)了貨幣供給量的增幅，這說(shuō)明貨幣供給直接并集中影響了房地產(chǎn)市場(chǎng)，從而也影響了房地產(chǎn)產(chǎn)業(yè)鏈上的各行業(yè)，但在目前房地產(chǎn)投資十分龐大的前提下，貨幣供給量的變化對(duì)其它產(chǎn)業(yè)的影響并不明顯，這從CPI和PPI的數(shù)據(jù)就可以看出。這意味著，房地產(chǎn)投資的過(guò)度發(fā)展，使貨幣資金直接和集中流入房地產(chǎn)市場(chǎng)，同

時(shí)間接和稀疏地流入其它實(shí)體經(jīng)濟(jì)。這就必然導(dǎo)致房地產(chǎn)價(jià)格的漲幅大大超過(guò)其它商品價(jià)格的漲幅。

一方面，這種情況能被經(jīng)濟(jì)活動(dòng)主體所認(rèn)識(shí)，他們預(yù)期房地產(chǎn)是一種看漲類商品，而包括貨幣在內(nèi)的其它商品則是相對(duì)看跌的商品，理性人自然會(huì)選擇購(gòu)買看漲商品而出售看跌商品?？梢?jiàn)，人們購(gòu)買房產(chǎn)的行為實(shí)在是一種理性行為。

另一方面，當(dāng)人們普遍預(yù)期房地產(chǎn)看漲而引起房地產(chǎn)價(jià)格的即期上漲和房地產(chǎn)投資的擴(kuò)張時(shí)，其它實(shí)體經(jīng)濟(jì)被擠壓的概率就會(huì)增加。顯然這里存在兩種相反機(jī)制：一是貨幣供給量增加使房地產(chǎn)投資增加，房地產(chǎn)產(chǎn)業(yè)鏈上的實(shí)體經(jīng)濟(jì)得到發(fā)展；二是當(dāng)房地產(chǎn)投資增加到一定程度后，房地產(chǎn)投資的增加會(huì)擠出其它實(shí)體經(jīng)濟(jì)投資。可見(jiàn)，房地產(chǎn)投資的變化對(duì)貨幣傳導(dǎo)機(jī)制兩種相反的影響趨勢(shì)，到底哪一種趨勢(shì)處于主導(dǎo)地位則取決于兩種相反趨勢(shì)轉(zhuǎn)換的臨界點(diǎn)。

因此，研究房地產(chǎn)投資與貨幣政策的關(guān)系有重要理論與現(xiàn)實(shí)意義。在有關(guān)房地產(chǎn)與貨幣政策關(guān)系的研究中，多數(shù)是對(duì)貨幣政策如何影響房地產(chǎn)投資以及房地產(chǎn)投資如何影響貨幣政策的研究。但本文的研究將從一個(gè)新的角度展開(kāi)：研究房地產(chǎn)投資對(duì)貨幣傳導(dǎo)機(jī)制的影響，并在此基礎(chǔ)上找出房地產(chǎn)投資對(duì)貨幣傳導(dǎo)機(jī)制從正向影響轉(zhuǎn)為負(fù)向影響的臨界點(diǎn)。從而為房地產(chǎn)政策提供總量控制的理論依據(jù)。

二、相關(guān)文獻(xiàn)回顧

西方學(xué)者在有關(guān)房地產(chǎn)投資或房地產(chǎn)市場(chǎng)與貨幣政策傳導(dǎo)機(jī)制關(guān)系的研究方面的貢獻(xiàn)是比較突出的。Thomas H. Naylor(1967)認(rèn)為美國(guó)貨幣管理當(dāng)局趨向于增加貨幣供給量，這會(huì)導(dǎo)致利率的下降，而利率的下降會(huì)導(dǎo)致更多的消費(fèi)與投資。表現(xiàn)在房地產(chǎn)市場(chǎng)，較低的利率就意味較低的借貸成本，較低的借貸成本會(huì)激勵(lì)更多的需求。J. R. Kearl, Frederic S. Mishkin(1977)的研究方法很有創(chuàng)意，他們首先根據(jù)部分調(diào)整模型建立家庭住宅實(shí)際存量與意愿存量的關(guān)系，然后用線性模型代替意愿存量與收入、按揭利率、負(fù)債之間的函數(shù)關(guān)系，最后得到一個(gè)實(shí)際存量決定于收入、負(fù)債和利率的計(jì)量模型，在這個(gè)模型中，引發(fā)筆者興趣的是，利率的一個(gè)線性函數(shù)是處在收入前的系數(shù)的位置上*這實(shí)際上可以轉(zhuǎn)化為一個(gè)變系數(shù)自回歸分布滯后模型，而此系數(shù)與利率之間是負(fù)向關(guān)系。，該模型說(shuō)明了貨幣政策影響家庭住宅擁有量的決策機(jī)制。Simone，Clemhout和Salih N. Neftci(1981)采用了格蘭杰因果關(guān)系的分析方法，建立了一個(gè)滯后模型為12向量自回歸模型，研究了房地產(chǎn)周期與宏觀經(jīng)濟(jì)周期的關(guān)系，認(rèn)為房地產(chǎn)周期可能先于宏觀經(jīng)濟(jì)周期。他們的研究暗示宏觀調(diào)控也許可以通過(guò)房地產(chǎn)市場(chǎng)開(kāi)始。Michael Fratantoni, Scott Schuh(2003)通過(guò)建立異構(gòu)向量自回歸(heterogeneous-agent VAR)模型異構(gòu)向量自回歸(heterogeneous-agent VAR)模型是當(dāng)時(shí)作者對(duì)自己所建立的模型的稱謂，該模型既考慮了時(shí)間動(dòng)態(tài)又考慮了區(qū)域的異質(zhì)，在考慮時(shí)間動(dòng)態(tài)時(shí)，將滯后影響動(dòng)態(tài)化，即讓回歸系數(shù)變化，類似于目前普遍運(yùn)用的變系數(shù)隨機(jī)效應(yīng)向量自回歸模型。，并利用美國(guó)1986—1996年的季度數(shù)據(jù)，對(duì)貨幣傳導(dǎo)機(jī)制與房地產(chǎn)市場(chǎng)的關(guān)系進(jìn)行了研究，認(rèn)為房地產(chǎn)市場(chǎng)異構(gòu)性的延展導(dǎo)致貨幣政策傳導(dǎo)效率具有長(zhǎng)期性和滯后變化性*指滯后效應(yīng)隨時(shí)間變化。。Matteo, Iacoviello和Stefano Neri(2010) 通過(guò)建立動(dòng)態(tài)隨機(jī)一般均衡(DSGE)模型考察了美國(guó)房地產(chǎn)市場(chǎng)與貨幣政策傳導(dǎo)的關(guān)系，得出了貨幣之于房產(chǎn)市場(chǎng)的“超灌”(spillovers)并非負(fù)向的結(jié)論，在文獻(xiàn)《房產(chǎn)市場(chǎng)超灌：來(lái)自估計(jì)DSGE模型的證據(jù)》(Housing Market Spillovers: Evidence from an Estimated DSGE Model)中，Matteo, Iacoviello 和 Stefano Neri研究了其機(jī)理，認(rèn)為，因“超灌”產(chǎn)生的財(cái)富效應(yīng)，導(dǎo)致消費(fèi)增加，會(huì)使貨幣傳導(dǎo)于GDP的效應(yīng)增加。

國(guó)內(nèi)學(xué)者對(duì)房地產(chǎn)與貨幣傳導(dǎo)機(jī)制的研究是將房地產(chǎn)納入到貨幣傳導(dǎo)框架內(nèi)進(jìn)行的，主要研究了貨幣政策變化對(duì)房地產(chǎn)投資或房地產(chǎn)市場(chǎng)的影響以及房地產(chǎn)投資或房地產(chǎn)市場(chǎng)對(duì)貨幣政策的影響。唐志軍、徐會(huì)軍和巴曙松(2010)通過(guò)建立VAR模型并進(jìn)行協(xié)整分析后，認(rèn)為房地產(chǎn)的波動(dòng)會(huì)通過(guò)多種途徑影響宏觀經(jīng)濟(jì)。鄭忠華、郭娜(2011)通過(guò)建立結(jié)構(gòu)向量自回歸(SVAR)模型，用我國(guó)貨幣政策的信貸傳導(dǎo)解釋房地產(chǎn)價(jià)格，得出了資產(chǎn)價(jià)格高漲的根本原因是央行信貸的大量投放的結(jié)論。陳詩(shī)一、王祥(2016)構(gòu)建了一個(gè)包括房地產(chǎn)市場(chǎng)的多部門DSGE模型，研究貨幣政策影響房地產(chǎn)價(jià)格的傳導(dǎo)機(jī)制，結(jié)果顯示利率降低會(huì)使房地產(chǎn)價(jià)格顯著上升，而央行采取盯住房地產(chǎn)價(jià)格波動(dòng)的貨幣政策，可以改善社會(huì)福利，但是政策效果會(huì)因融資成本的降低而削弱。

本文的研究思路是：首先將新凱恩斯主義有關(guān)貨幣傳導(dǎo)機(jī)制的自回歸分布滯后模型作為本文研究的基礎(chǔ)模型；其次，在上述模型中，將滯后項(xiàng)系數(shù)與即期效應(yīng)系數(shù)動(dòng)態(tài)化建立變系數(shù)自回歸分布滯后(VADL)模型，而滯后項(xiàng)系數(shù)與即期效應(yīng)系數(shù)的動(dòng)態(tài)化則設(shè)定其為關(guān)于房地產(chǎn)投資的二次函數(shù)；第三，為了控制CPI和GDP中的季節(jié)趨勢(shì)，在模型中引入CPI和季節(jié)虛擬變量作為解釋變量；第四，用武-豪斯曼(Wu-Hausman)檢驗(yàn)對(duì)模型中的解釋變量進(jìn)行外生性檢驗(yàn)，以決定估計(jì)方法；第五，本文根據(jù)估計(jì)結(jié)果，特別是滯后項(xiàng)系數(shù)和即期效應(yīng)系數(shù)與房地產(chǎn)投資的關(guān)系，研究房地產(chǎn)投資的變化對(duì)貨幣傳導(dǎo)機(jī)制的影響；最后，本文將在對(duì)估計(jì)結(jié)果進(jìn)一步分析的基礎(chǔ)上找出房地產(chǎn)開(kāi)發(fā)投資對(duì)貨幣傳導(dǎo)機(jī)制影響的臨界點(diǎn)。

本文的貢獻(xiàn)：第一，建立了中國(guó)房地產(chǎn)投資對(duì)貨幣傳導(dǎo)機(jī)制的影響的動(dòng)態(tài)自回歸分布滯后模型；第二，提出了房地產(chǎn)宏觀調(diào)控時(shí)要考慮房地產(chǎn)投資對(duì)整個(gè)貨幣政策傳導(dǎo)的影響；第三，提出了我國(guó)房地產(chǎn)投資的合理季度額是1萬(wàn)億元人民幣左右的觀點(diǎn)。

三、模型的構(gòu)建

本文研究房地產(chǎn)投資，并不是將該經(jīng)濟(jì)變量作為自變量，也不是作為中間變量，更不是作為應(yīng)變量處理，而是作為影響貨幣政策傳導(dǎo)機(jī)制的動(dòng)態(tài)參數(shù)處理的。這種研究方法，在某種意義上是對(duì)J. R. Kearl, Frederic S. Mishkin(1977)的研究方法和Michael Fratantoni, Scott Schuh(2003)的研究方法的一種改進(jìn)。

利用IS—LM模型作為研究貨幣傳導(dǎo)機(jī)制的理論出發(fā)點(diǎn)是較合理的做法。IS-LM模型的關(guān)鍵在于三個(gè)函數(shù)：一是宏觀消費(fèi)函數(shù)，二是投資函數(shù)，三是貨幣需求函數(shù)。

Ct=α1+α2Vt+α3Vt-1+εit

(1)

α2=v(HSt)

(2)

式(1)中Ct、Yt、Yt-1、εit，分別表示全社會(huì)消費(fèi)支出、當(dāng)期GDP、滯后一期和隨機(jī)擾動(dòng)項(xiàng)；式(2)為變系數(shù)方程，α2、HSt分別表示當(dāng)期GDP的回歸系數(shù)、當(dāng)期房地產(chǎn)投資和隨機(jī)擾動(dòng)項(xiàng)。

關(guān)于投資函數(shù)，孫琳琳、任若恩(2006)估計(jì)了我國(guó)的投資函數(shù)，得出了產(chǎn)出和資本成本是決定投資主要因素的結(jié)論；張瑩、劉波(2009)基于新古典主義的投資理論，以我國(guó)宏觀經(jīng)濟(jì)季度數(shù)據(jù)為依據(jù)，利用VAR模型進(jìn)行計(jì)量分析，也得出了類似結(jié)論。但本文認(rèn)為，用GDP解釋投資是不合理的:因?yàn)閺挠?jì)量分析來(lái)看投資與GDP的顯著關(guān)聯(lián)，可能來(lái)源于它們有共同的因素——它們均隨同時(shí)間而增長(zhǎng)，換言之，回歸分析中有關(guān)投資對(duì)GDP的回歸很可能是偽回歸。所以本文認(rèn)為投資I取決于利率r，故設(shè)定投資函數(shù)為

It=α4+α5rt+ε2t

(3)

式(3)中，投資I不僅包括私人部門的投資也包括政策部門的投資。

關(guān)于貨幣需求函數(shù)，有大量研究文獻(xiàn)。至今仍在廣泛應(yīng)用的西方貨幣需求理論主要有貨幣數(shù)量論，流動(dòng)偏好理論和弗里德曼的貨幣需求理論。觀其理論實(shí)質(zhì)，無(wú)非是研究貨幣需求函數(shù)的決定變量是什么，其函數(shù)形式是否穩(wěn)定。我國(guó)學(xué)者對(duì)此進(jìn)行了廣泛深入的研究：劉金全、張文剛、于冬(2006)根據(jù)弗里德曼的貨幣需求函數(shù)進(jìn)行實(shí)證研究，結(jié)果表明中國(guó)貨幣需求函數(shù)具有一定程度的動(dòng)態(tài)穩(wěn)定性，而收入與利率仍是解釋貨幣需求的主要因素；王少平，李子奈(2004)設(shè)定我國(guó)需求函數(shù)決定于收入、價(jià)格與其它因素，將利率歸入其它因素中，得出了我國(guó)貨幣需求缺乏有效的內(nèi)在調(diào)節(jié)機(jī)制的結(jié)論；曾華、李凱、鄭紅(2009)主要基于收入、價(jià)格和利率等影響因素，建立了一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)二級(jí)組合網(wǎng)絡(luò)結(jié)構(gòu)的非線性誤差校正模型；等等。從這些研究中，筆者發(fā)現(xiàn)，凱恩斯主義的流動(dòng)偏好理論在進(jìn)行實(shí)證分析時(shí)最具有可操作性，故此本文設(shè)定貨幣需求函數(shù)為

(4)

考慮到國(guó)際貿(mào)易長(zhǎng)期的平衡性，本文設(shè)凈出口為一隨機(jī)擾動(dòng)，即

NXt=ε4t

(5)

由于政策支出已經(jīng)分解到消費(fèi)支出與投資支出之中，根據(jù)凱恩斯定律*凱恩斯定律在這里是指均衡產(chǎn)出決定于總需求。、式(1)、(3)和式(5)，可得到IS曲線的表達(dá)式

Yt=Ct+It+NXt=α1+α2Yt+α3Yt-1+ε1t+α4+α5rt+ε2t+ε4t化簡(jiǎn)，得

(6)

由式(4)可得LM曲線的表達(dá)式

(7)

式(7)中α6>0,α7<0，解出rt，得

(8)

式(8)代入到式(6)并化簡(jiǎn)，得

Yt=c+γYt-1+δMt+εt

(9)

式(9)中

(10)

(11)

(12)

(13)

由式(10)、(11)、(12)、(13)可知，式(9)中的回歸系數(shù)c與γ均與有關(guān)，δ與及Pt有關(guān)，εt與α2有關(guān)，并且均是α2的單調(diào)映射*只要分別將式(10)、(11)、(12)、(13)關(guān)于α2求一階偏導(dǎo)數(shù)便可得知此結(jié)論。。故式子(9)可寫成

Yt=c(HSt)+γ(HSt)Yt-1+δ(HSt,Pt)Mt+εt

(14)

其中，隨機(jī)擾動(dòng)項(xiàng)與房地產(chǎn)投資HSt相關(guān)。

模型(14)即是本文的核心模型——貨幣傳導(dǎo)機(jī)制的房地產(chǎn)投資影響模型。

四、模型的估計(jì)

為了估計(jì)模型(14)，需要將模型(14)中的系數(shù)函數(shù)具體化，考慮到房地產(chǎn)投資對(duì)貨幣傳導(dǎo)機(jī)制的影響可能有正反兩個(gè)方向，本文用系數(shù)函數(shù)關(guān)于房地產(chǎn)投資的對(duì)數(shù)的二階泰勒展開(kāi)式代替系數(shù)函數(shù)。即

c(HSt)=c0+c1(ln(HSt))+c2(ln(HSt)2+uct

(15)

γ(HSt)=γ0+γ1(ln(HSt))+γ2(ln(HSt))2+uγt

(16)

(17)

此外，由于我國(guó)GDP季節(jié)數(shù)據(jù)中，季節(jié)因素十分明顯，所以需要在模型中加入季節(jié)虛似變量以控制季節(jié)變動(dòng)趨勢(shì)。并令X=ln(HSt)。處理后的可估計(jì)模型為

(18)

其中隨機(jī)擾動(dòng)項(xiàng)ut為

ut=εt+uct+Yt-1uγt+Mtuδt

(19)

式(19)說(shuō)明，模型(18)的擾動(dòng)項(xiàng)與解釋變量可能存在相關(guān)關(guān)系，從而存在內(nèi)生解釋變量的問(wèn)題。一般不能用最小二乘法估計(jì)，但通過(guò)武-豪斯曼(Wu-Hausman)檢驗(yàn)*Wu, “Alternative Tests of Independence between Stochastic Regressors and Disturbances(隨機(jī)的回歸元與干擾之間獨(dú)立性的其它檢驗(yàn))”, Econometrica, 1973, 41,pp.733-750.*J.A.Hausman, “Specification Tests in Econometrics(計(jì)量經(jīng)濟(jì)學(xué)中的設(shè)定檢驗(yàn))”, Econometrica, 1978,46,pp.1251-1271.說(shuō)明在估計(jì)時(shí)，內(nèi)生解釋變量如果可以視同外生，則仍可用最小二乘法估計(jì)回歸系數(shù)，否則需要找內(nèi)生解釋變量的工具變量，選用合適方法如廣義矩法(GMM)估計(jì)。

此外，由于模型中的數(shù)據(jù)為時(shí)間序列數(shù)據(jù)，為了估計(jì)模型(18)，先要對(duì)模型中所要利用的數(shù)據(jù)列進(jìn)行平穩(wěn)或非平衡性檢驗(yàn)以確定是否可以進(jìn)行協(xié)整檢驗(yàn)，如果可以則進(jìn)行協(xié)整檢驗(yàn)。所以本部分包括數(shù)據(jù)處理、單位根檢驗(yàn)與協(xié)整檢驗(yàn)、武-豪斯曼(Wu-Hausman)檢驗(yàn)、模型的估計(jì)和結(jié)果解釋等內(nèi)容。

(一)數(shù)據(jù)處理

本文選擇2005—2016年的季度數(shù)據(jù)作為估計(jì)依據(jù)。GDP的數(shù)據(jù)可直接從中華人民共和國(guó)統(tǒng)計(jì)局官網(wǎng)上下載；貨幣供給量可從中國(guó)人民銀行官網(wǎng)上得到，為使貨幣供給量數(shù)據(jù)的時(shí)頻與GDP一致，選取季度末數(shù)據(jù)，季度末數(shù)據(jù)為相應(yīng)季度的最后一個(gè)月的月末數(shù)據(jù)；選取CPI作為價(jià)格指數(shù)，以2004年第四季度為基期計(jì)算定基指數(shù)。相關(guān)數(shù)據(jù)如表1。

(二)單位根檢驗(yàn)與協(xié)整檢驗(yàn)

根據(jù)表1中的數(shù)據(jù)，計(jì)算模型(18)中諸變量的時(shí)序值后進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表2所示。

表1 核心模型基本數(shù)據(jù)表

時(shí)間(季度)GDP(億元)CPIHS(億元)M1(億元)2005.140130.91.0873270072323.6094743.192005.244748.21.1448522423869.5098601.252005.347550.21.1912360524184.601009642005.453466.51.2407420315381.60107278.572006.146678.31.2859005352792.70106737.082006.252560.41.3393432294901.90112342.362006.355467.81.3908770725207.80116814.12006.462950.11.4773860766480.10126028.052007.156686.61.6018271953543.80127881.312007.264648.91.7810410316343.40135847.42007.368789.52.1272178446926.90142591.572007.477894.32.5792229728465.60152519.172008.168778.43.2518938434687.80150867.472008.278537.64.0697831758507.90154820.152008.381619.54.7469177788082.00155748.972008.487816.35.1159408879302.10166217.132009.173283.65.0234135714880.30176541.132009.283614.24.7958500739625.00193138.152009.388923.54.61578639110545.10201708.142009.4998084.70804871411181.30221445.812010.186684.35.0254781646594.50229397.932010.299059.85.48080745213152.602405802010.3104950.66.07078666813764.20243821.92010.4118208.26.96754642314755.80266621.542011.1103456.98.0811181848846.40266255.482011.21184659.55199127317404.10274662.572011.3125279.311.462607617974.30267193.162011.4136922.313.1175984917515.00289847.72012.1116147.914.6558184610927.20277998.112012.2130765.815.9521320519682.60287526.172012.3136722.916.8787728920436.10286788.212012.4150486.417.9467519320757.90308672.992013.1128083.519.288189813132.60310898.292013.2143031.820.7103583423695.30313499.822013.3150719.822.4990449324291.70312330.342013.4166183.624.5134744124893.80337291.052014.113873826.243929615339.20327683.742014.215520128.0140655926679.40341487.452014.316346729.6992617926732.60327220.212014.4178732.831.0558456726284.40348056.412015.1147961.832.1869482616650.60337210.522015.2166216.432.0583292227304.40356082.862015.3175616.032.3475915226580.10364416.92015.4192250.832.5093295025443.80400953.442016.1160710.233.0618477017676.00411581.31

表2 模型(18)中變量的單位根檢驗(yàn)之ADF統(tǒng)計(jì)量 臨界值為-2.941 1

圖1 殘差序列圖

(三)武-豪斯曼(Wu-Hausman)檢驗(yàn)

武-豪斯曼(Wu-Hausman)檢驗(yàn)的思想是先做內(nèi)生解釋變量對(duì)前定變量的回歸得其擬合值，再做被解釋變量對(duì)內(nèi)生解釋變量、模型中的前定變量以及內(nèi)生解釋變量擬合值的回歸，然后進(jìn)行內(nèi)生解釋變量的似合值的回歸系數(shù)均為零的假設(shè)檢驗(yàn)，如果零假設(shè)不被拒絕，則可將內(nèi)生解釋變量視同外生或前定。

進(jìn)行武-豪斯曼(Wu-Hausman)檢驗(yàn)需要

確定內(nèi)生解釋變量和前定變量。從模型(18)中隨機(jī)擾動(dòng)項(xiàng)的獲得過(guò)程可知，模型(18)中除了截距項(xiàng)，季節(jié)虛擬變量外，其它8個(gè)變量均有內(nèi)生性。本文選擇這8個(gè)內(nèi)生變量的滯后一期的值作為前定變量，分別用每一個(gè)內(nèi)生解釋變量對(duì)這些前定變量回歸得到相應(yīng)的8個(gè)擬合值變量，如果按內(nèi)生解釋變量整體進(jìn)行武-豪斯曼(Wu-Hausman)檢驗(yàn)，則需要在模型(18)中加入上述8個(gè)擬合值變量，這樣模型中變量的個(gè)增加到了20個(gè)(包括截距項(xiàng))，而本文的時(shí)序數(shù)據(jù)只有43組，因滯后又失去2組，可用的數(shù)據(jù)只有41組，顯然樣本數(shù)據(jù)不足，從而出現(xiàn)嚴(yán)重的多重共線性問(wèn)題，或者模型根本不能估計(jì)。為了解決這個(gè)問(wèn)題，筆者將內(nèi)生解釋變量的擬合值變量分成四組，分別加入模型(18)中，這樣模型中變量的個(gè)數(shù)只增加了2個(gè)擬合值變量，結(jié)果發(fā)現(xiàn)在四次回歸中，擬合值變量的t統(tǒng)計(jì)量的絕對(duì)值均在0.5以下，這表明：將模型中的解釋變量視同外生是合理的*古扎拉蒂，2011,《計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)》(下冊(cè))(第五版)，第709頁(yè)，中國(guó)人民大學(xué)出版社。。

(四)估計(jì)結(jié)果

根據(jù)圖1的形狀和武-豪斯曼(Wu-Hausman)檢驗(yàn)的結(jié)果，對(duì)模型(18)用最小二乘法回歸是合理的。回歸結(jié)果如表3。

從表3可以看出，除了表示第二季度的虛擬變量外，模型(18)的其它解釋變量基本上是顯著的。根據(jù)表3還可以估計(jì)出式(15)，式(16)和式(17)

(20)

表3 模型(18)的最小二乘回歸結(jié)果 調(diào)整后的R2=0.998

(21)

(22)

五、房地產(chǎn)投資影響貨幣政策傳導(dǎo)的

效率與時(shí)滯：模型的解釋

(一)自回歸分布滯后模型的關(guān)鍵系數(shù)

模型(9)是基本自回歸分布滯后模型，其中δ和γ是關(guān)鍵系數(shù)。δ表示貨幣供給對(duì)GDP傳導(dǎo)的即期效應(yīng)，根據(jù)δ和γ可以估算出貨幣供給對(duì)GDP傳導(dǎo)的總效應(yīng)和平均滯后，計(jì)算過(guò)程*參見(jiàn)苗楊，李慶華，蔣毅，《我國(guó)貨幣政策傳導(dǎo)機(jī)制的效率與時(shí)滯》， 《財(cái)經(jīng)問(wèn)題研究》，2015(3)。如下

式(9)可寫成

(23)

根據(jù)式(23)得到

(24)

(25)

根據(jù)式(24)和式(25)，得到如下命題：

命題一 國(guó)內(nèi)生產(chǎn)總值對(duì)貨幣供給的即期響應(yīng)越大，則其總效應(yīng)就越大，而且貨幣傳導(dǎo)的時(shí)滯也越大；國(guó)內(nèi)生產(chǎn)總值的慣性越大，則貨幣傳導(dǎo)的時(shí)滯越大。

關(guān)于貨幣傳導(dǎo)機(jī)制有兩種效率概念，一是經(jīng)濟(jì)學(xué)意義上的效率，它是指貨幣傳導(dǎo)機(jī)制是否可以使貨幣供給對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生作用，二是貨幣管理當(dāng)局的效率，它是指貨幣傳導(dǎo)機(jī)制是否可以很快地傳導(dǎo)到實(shí)體經(jīng)濟(jì)。本文中的總效應(yīng)與平均時(shí)滯分別量化了這兩種概念。顯然這里產(chǎn)生了一個(gè)兩難困境：

推論1 如果要想通過(guò)貨幣傳導(dǎo)機(jī)制使貨幣供給對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生明顯的作用，則必以貨幣機(jī)制的傳導(dǎo)速度緩慢為代價(jià)，如果要想貨幣傳導(dǎo)速度加快，則貨幣供給對(duì)實(shí)體經(jīng)濟(jì)的作用的顯著性必定下降。

由于市場(chǎng)經(jīng)濟(jì)越發(fā)達(dá)，經(jīng)濟(jì)活動(dòng)主體的理性程度越高，其對(duì)貨幣政策變化的反應(yīng)就會(huì)越快，即貨幣傳導(dǎo)機(jī)制的時(shí)滯就越短。于是有

推論2 市場(chǎng)經(jīng)濟(jì)越發(fā)達(dá)，貨幣政策對(duì)實(shí)體經(jīng)濟(jì)的作用就越小，貨幣中性就越明顯。

推論1與推論2在本文中有重要作用，根據(jù)這兩個(gè)推論可以從反向思維的角度分析一種使本文中關(guān)鍵系數(shù)發(fā)生變化的機(jī)制是否與我國(guó)市場(chǎng)化進(jìn)程相一致。如果某種機(jī)制既有使關(guān)鍵系數(shù)的值減少的趨勢(shì)，又有使關(guān)鍵系數(shù)的值增加的趨勢(shì)，那么，為使經(jīng)濟(jì)體系的運(yùn)行處于一個(gè)由市場(chǎng)決定的良性狀態(tài)，是否可以找到一個(gè)臨界點(diǎn)或“度”呢？

(二)房地產(chǎn)投資對(duì)貨幣傳導(dǎo)效率與時(shí)滯的影響

結(jié)合回歸模型(20)、(21)、(22)和(14)即可分析我國(guó)貨幣傳導(dǎo)效率與時(shí)滯對(duì)我國(guó)房地產(chǎn)投資的動(dòng)態(tài)響應(yīng)。

在變系數(shù)分布滯后模型(VDAL)Yt=c(HSt)+γ(HSt)Yt-1+δ(HSt,Pt)Mt+εt中，Mt的系數(shù)δ(HSt,Pt)代表了貨幣傳導(dǎo)的即期效應(yīng)。根據(jù)式(22)，即期效應(yīng)與價(jià)格指數(shù)大體成反比例關(guān)系，而與房地產(chǎn)投資的關(guān)系則表現(xiàn)為正反兩個(gè)方面，在房地產(chǎn)投資規(guī)模不是很大的時(shí)，負(fù)向影響占主導(dǎo)；當(dāng)房地產(chǎn)投資規(guī)模很大的時(shí)，正向影響占主導(dǎo)。求式(22)關(guān)于ln(HSt)的偏導(dǎo)數(shù)并令其等于零，得到其單調(diào)遞減區(qū)間和單調(diào)遞增區(qū)間分別為：(-∞，9, 189 33]，[9, 189 33，+∞)。因而，HSt的單調(diào)遞減區(qū)間和單調(diào)遞增區(qū)間分別為：(-∞，9, 797.994]，[9, 797.994，+∞)。所以有

命題二 當(dāng)季度房地產(chǎn)開(kāi)發(fā)投資規(guī)模小于9 797.994億元時(shí)，貨幣政策傳導(dǎo)的即期效應(yīng)會(huì)隨著其投資規(guī)模的增加而減少；當(dāng)季度房地產(chǎn)開(kāi)發(fā)投資規(guī)模HSt大于9,797.994億元時(shí)，貨幣政策傳導(dǎo)的即期效應(yīng)會(huì)隨著其投資規(guī)模的增加而增大。

由于總效應(yīng)和平均滯后均與即期效應(yīng)成正方向變化，所以有

推論3 房地產(chǎn)投資對(duì)貨幣傳導(dǎo)的影響表現(xiàn)在兩個(gè)方面，一是在一定范圍內(nèi)房地產(chǎn)投資的增加會(huì)使貨幣傳導(dǎo)的效應(yīng)(貨幣經(jīng)濟(jì)學(xué)意義的效率)下降，同時(shí)會(huì)使貨幣傳導(dǎo)的速度(貨幣管理當(dāng)局理解的效率)加快；如果超出這個(gè)范圍，房地產(chǎn)投資的增加會(huì)使貨幣傳導(dǎo)的效應(yīng)上升，同時(shí)會(huì)使貨幣傳導(dǎo)的速度下降。

命題二的意義是：我國(guó)房地產(chǎn)投資的季度規(guī)模是有一個(gè)臨界值或度的，這個(gè)度大約為1萬(wàn)億元。根據(jù)推論2，可以認(rèn)為由市場(chǎng)因素作用的房地產(chǎn)季度投資額存在一個(gè)最優(yōu)規(guī)模，大約就是這個(gè)度，約為1萬(wàn)億元；超過(guò)這個(gè)規(guī)模的部分很可能是非市場(chǎng)因素(如地方政府)作用的結(jié)果。

此外，根據(jù)式(22)、(24)和式(25)，可得

命題三 貨幣傳導(dǎo)的即期效應(yīng)、總效應(yīng)與平均滯后期均與價(jià)格指數(shù)成反比。

命題三與經(jīng)濟(jì)學(xué)中有關(guān)貨幣中性或非中性的理論是相符的。

六、結(jié)論與政策含義

總結(jié)本文結(jié)果大體可得到三個(gè)結(jié)論。

第一，根據(jù)表3，我國(guó)房地產(chǎn)投資對(duì)貨幣傳導(dǎo)機(jī)制是有影響的，其影響可用變系數(shù)自回歸分布滯后模型解釋。這說(shuō)明房地產(chǎn)投資的變化會(huì)使從貨幣供給向?qū)嶓w經(jīng)濟(jì)傳導(dǎo)的效率和滯后期發(fā)生變化。

第二，根據(jù)本文命題二和推論3，房地產(chǎn)投資對(duì)貨幣傳導(dǎo)的影響有一個(gè)季度投資額為1萬(wàn)億元的臨界點(diǎn)。在臨界點(diǎn)之下，對(duì)貨幣傳導(dǎo)機(jī)制的影響是正向的；在臨界點(diǎn)之上對(duì)貨幣傳導(dǎo)機(jī)制的影響是負(fù)向的，即，當(dāng)房地產(chǎn)季度投資額在大約1萬(wàn)億元以下時(shí)，房地產(chǎn)投資的增加會(huì)使貨幣傳導(dǎo)的效應(yīng)下降，同時(shí)會(huì)使貨幣傳導(dǎo)的速度加快；當(dāng)房地產(chǎn)季度投資額在大約1萬(wàn)億元以上時(shí)，房地產(chǎn)投資的增加會(huì)使貨幣傳導(dǎo)的效應(yīng)上升，同時(shí)會(huì)使貨幣傳導(dǎo)的速度下降。

第三，從表一可知，近幾年來(lái)，我國(guó)實(shí)際房地產(chǎn)投資季度額基本在2萬(wàn)億左右，這說(shuō)明我國(guó)市場(chǎng)力量與非市場(chǎng)力量大約各占一半。

上述結(jié)論的政策含義是：

第一，我國(guó)房地產(chǎn)開(kāi)發(fā)投資政策與貨幣政策需要相互配套，而其主管機(jī)構(gòu)即建設(shè)部與中國(guó)人民銀行需要相互溝通。

第二，我國(guó)房地產(chǎn)投資的市場(chǎng)發(fā)展程度還不是很高，有許多非市場(chǎng)因素起著很重要的作用，容易產(chǎn)生非理性的投資澎脹。所以，建設(shè)一個(gè)房地產(chǎn)投資預(yù)警系統(tǒng)對(duì)房地產(chǎn)開(kāi)發(fā)投資進(jìn)行總量控制很有必要。例如，可以根據(jù)季度房地產(chǎn)投資額距離1萬(wàn)億的遠(yuǎn)近，設(shè)置預(yù)警指標(biāo)。

第三，進(jìn)一步完善市場(chǎng)機(jī)制，使經(jīng)濟(jì)活動(dòng)的個(gè)體理性與整個(gè)國(guó)民經(jīng)濟(jì)的集體理性趨于一致。

[1]陳詩(shī)一，王祥[J]. 融資成本、房地產(chǎn)價(jià)格波動(dòng)與貨幣政策傳導(dǎo)，金融研究, 2016(3):1-14.

[2]廖成林,青雪梅.基于協(xié)整理論的中國(guó)宏觀消費(fèi)函數(shù)分析[J]經(jīng)濟(jì)科學(xué), 2005(1).

[3]苗楊,李慶華,蔣毅.我國(guó)貨幣政策傳導(dǎo)機(jī)制的效率與時(shí)滯[J]財(cái)經(jīng)問(wèn)題研究, 2015(3):47-52.

[4]孫琳琳,任若恩.中國(guó)投資行為研究[J].經(jīng)濟(jì)問(wèn)題探索, 2006(9):4-8.

[5]唐志軍,徐會(huì)軍,巴曙松.中國(guó)房地產(chǎn)市場(chǎng)波動(dòng)對(duì)宏觀經(jīng)濟(jì)波動(dòng)的影響研究[J]，統(tǒng)計(jì)研究, 2010(2):15-22.

[6]王軍. 中國(guó)消費(fèi)函數(shù)的實(shí)證分析及其思考[J]，財(cái)經(jīng)研究, 2001(7):3-8.

[7]徐會(huì)奇,李輝,李敬強(qiáng).有限理性視角下城鎮(zhèn)居民消費(fèi)決策綜合模型的理論構(gòu)建——基于1979 年—2010年省際動(dòng)態(tài)面板數(shù)據(jù)的分析[J].經(jīng)濟(jì)科學(xué), 2012(3):38-49.

[8]曾華,李凱,鄭紅.我國(guó)貨幣需求函數(shù)非線性建模與應(yīng)用[J].管理評(píng)論,2009(7):80-84.

[9]祝憲民. 房地產(chǎn)的實(shí)物資產(chǎn)和虛擬資產(chǎn)的雙重屬性研究[J]. 廣東社會(huì)科學(xué),2013(4):16-17.

[10]張瑩,劉波. 貨幣政策、財(cái)政政策對(duì)我國(guó)投資行為影響的實(shí)證分析[J].財(cái)貿(mào)經(jīng)濟(jì),2000(5):18-23.

[11]鄭忠華,郭娜. 我國(guó)房地產(chǎn)價(jià)格高漲的原因研究——信貸渠道視角下的解釋[J]. 中國(guó)經(jīng)濟(jì)問(wèn)題,2011(6):44-50.

[12]劉金全,張文剛,于冬. 中國(guó)短期和長(zhǎng)期貨幣需求函數(shù)穩(wěn)定性的實(shí)證分析[J]. 管理科學(xué),2006(4):62-67.

[13]王少平,李子奈. 我國(guó)貨幣需求的協(xié)整分析及其貨幣政策建議[J]. 經(jīng)濟(jì)研究,2004(7):9-17.

[14]Damodar N. Gujarati[J].《計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)》下冊(cè)，中國(guó)人民大學(xué)出版社第四版，2005,第629頁(yè)。

[15]Naylor T H.The Impact of Fiscal and Monetary Policy on the Housing Market[J].Law and Contemporary Problems,1967,32(3):384-396.

[16]Matteo I , Stefano N. Housing Market Spillovers: Evidence from an Estimated DSGE Model[J]. American Economic Journal: Macroeconomics,2010, 2(2):125-164.

[17]Simone C, Salih N N. Policy Evaluation of Housing Cyclicality: A Spectral Analysis[J].The Review of Economics and Statistics, 1981, 63(3): 385-394.

[18]Michael F, Scott S.Monetary Policy, Housing, and Heterogeneous Regional Markets[J].Journal of Money, Credit and Banking,2003,35(4): 557-589.

[19]Kearl J R , Frederic S M. Illiquidity, the Demand for Residential Housing, and Monetary Policy[J].The Journal of Finance, 1977,32(5): 1571-1586.

[20]Wu D M. Alternative Tests of Independence between Stochastic Regressors and Disturbances[J].Econometrica, 1973, 41(4):733-750.

[21]Hausman J A. Specification Tests in Econometrics[J].Econometrica, 1978,46(6):1251-1271.

責(zé)任編輯 王麗英

The Effect of Real Estate Investment on Monetary Transmission Mechanism in China ——An Empirical Study Based on VADL Model

LI Qing-hua, ZHOU Yao

(School of Economics and Business Administration, Central China Normal University, Wuhan, 430079, China)

The development of China’s real estate economy has a special effect on the flow of money supply to the real economy, but the over-expansion of the real estate economy will also have a negative impact on the flow of money supply to other entities. This paper conducts an empirical analysis of the impact of China’s real estate investment on monetary transmission mechanism based on Vary coefficient Autoregressive-Distributed Lag (VADL) model with the quarter data from 2005 to 2016. The results show that the real estate investment scale has an effect of both positive and negative direction on efficiency and time lag of monetary transmission; when the increment of real estate investment exceeds a critical point, the influence is negative, otherwise it is positive; the number of real estate investment is decided by market factors with an optimal scale of 1 trillion yuan, and the part beyond of this scale is likely to be the result of nonmarket factors (such as local government). Therefore, establishing a warning system of the real estate investment increment control based on a reasonable real estate investment scale is important to the rational development of the market economy in our country.

real estate investment; monetary transmission mechanism; VADL

2016-09-01

國(guó)家社會(huì)科學(xué)基金項(xiàng)目(14BJY011)。

李慶華；男，華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院副教授，主要從事數(shù)量經(jīng)濟(jì)和貨幣經(jīng)濟(jì)研究；周瑤，女，華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院碩士生，主要從事房地產(chǎn)經(jīng)濟(jì)研究。

F293.3

A

1005-1007(2016)12-0086-11