陳依凡 葉阿忠

摘要：為分析外商直接投資、貨幣政策及信貸規(guī)模和房地產(chǎn)泡沫的動(dòng)態(tài)關(guān)系，采用2006—2015年中國(guó)30個(gè)?。ㄊ?、自治區(qū)）的數(shù)據(jù)，構(gòu)建半?yún)?shù)全局向量自回歸模型和脈沖響應(yīng)函數(shù)來(lái)分析不同經(jīng)濟(jì)變量的沖擊對(duì)房地產(chǎn)泡沫在時(shí)間和空間上的傳導(dǎo)效應(yīng)。同時(shí)，為考察貨幣供給量對(duì)房地產(chǎn)泡沫的非線性影響，在模型中M2為非參部分，并根據(jù)偏導(dǎo)圖來(lái)研究二者之間的相關(guān)關(guān)系。研究結(jié)果表明，給定某個(gè)地區(qū)的房地產(chǎn)泡沫沖擊、外商直接投資沖擊會(huì)對(duì)周邊地區(qū)的房地產(chǎn)泡沫產(chǎn)生不同的效應(yīng)，且這種效應(yīng)在短期內(nèi)具有區(qū)域性差異，在長(zhǎng)期內(nèi)趨于穩(wěn)定;貨幣供給量對(duì)房地產(chǎn)泡沫呈現(xiàn)出非線性的影響，并且寬松和緊縮型貨幣政策在東中西部地區(qū)房地產(chǎn)泡沫的傳導(dǎo)效率不一致。

關(guān)鍵詞：房地產(chǎn)泡沫;外商直接投資;貨幣政策;半?yún)?shù)全局向量自回歸模型

中圖分類(lèi)號(hào)：F293.3

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-5595（2019）03-0025-07

一、引言

20世紀(jì)80年代至今，世界范圍的經(jīng)濟(jì)危機(jī)伴隨著經(jīng)濟(jì)全球化趨勢(shì)不斷發(fā)生，縱觀這些經(jīng)濟(jì)危機(jī)，不難發(fā)現(xiàn)這些危機(jī)爆發(fā)之前股票或房地產(chǎn)等資產(chǎn)大都存在泡沫問(wèn)題，一旦這些資產(chǎn)價(jià)格發(fā)生逆轉(zhuǎn)，金融危機(jī)也就一觸即發(fā)。

泡沫經(jīng)濟(jì)及房地產(chǎn)泡沫的全球化愈發(fā)明顯，各國(guó)房地產(chǎn)市場(chǎng)是否存在泡沫成為全球共同關(guān)注的熱點(diǎn)和難點(diǎn)問(wèn)題。2005年，在匯率改革、商品房改革及個(gè)人住房貸款業(yè)務(wù)推廣影響下，我國(guó)國(guó)民的住房需求急劇上升，一直持續(xù)到2007 年國(guó)家出臺(tái)調(diào)控政策為止。2008 年，為防止美國(guó)次貸危機(jī)在波及全世界過(guò)程中對(duì)我國(guó)經(jīng)濟(jì)產(chǎn)生不利影響，政府出臺(tái)了一系列財(cái)政刺激政策，但在經(jīng)歷了較長(zhǎng)時(shí)間的積累后，中國(guó)房地產(chǎn)泡沫問(wèn)題也不斷顯現(xiàn)。

對(duì)于房地產(chǎn)泡沫如何影響一個(gè)國(guó)家的經(jīng)濟(jì)增長(zhǎng)以及房地產(chǎn)泡沫大小如何受其他政策因素的調(diào)控影響等都是需要重視和研究的問(wèn)題。

二、文獻(xiàn)綜述

目前國(guó)內(nèi)外學(xué)者對(duì)房地產(chǎn)泡沫的研究主要包括房地產(chǎn)泡沫的成因及測(cè)度、房地產(chǎn)泡沫與其他經(jīng)濟(jì)變量之間的相互影響及傳導(dǎo)機(jī)制等。

（一）房地產(chǎn)泡沫成因及測(cè)度

Stiglitz Joseph E認(rèn)為當(dāng)投資者對(duì)資產(chǎn)未來(lái)的出售價(jià)格寄予較高的預(yù)期，而市場(chǎng)無(wú)法對(duì)其預(yù)期作出反應(yīng)時(shí)，泡沫將會(huì)出現(xiàn)[1];李維哲等通過(guò)選取生產(chǎn)、交易、信貸及金融四個(gè)方面的多種指標(biāo)來(lái)衡量房地產(chǎn)市場(chǎng)是否存在泡沫[2];鄭思齊等指出投資信貸的支持及消費(fèi)者的過(guò)度投機(jī)需求是房地產(chǎn)泡沫產(chǎn)生的主要原因[3]。國(guó)內(nèi)外學(xué)者針對(duì)房地產(chǎn)市場(chǎng)泡沫的存在性展開(kāi)了大量研究，檢驗(yàn)房地產(chǎn)泡沫的方法主要有直接檢驗(yàn)法、間接檢驗(yàn)法、指標(biāo)法和多元統(tǒng)計(jì)法。孫焱林等比較了國(guó)內(nèi)外幾種常用的房地產(chǎn)泡沫測(cè)度的方法，指出簡(jiǎn)單指標(biāo)法的測(cè)度結(jié)果誤差較大，其他包括功效系數(shù)法在內(nèi)五種測(cè)度方法的泡沫波動(dòng)方向基本一致，波動(dòng)幅度有所不同。[4]

（二）房地產(chǎn)泡沫與貨幣政策

丁晨等通過(guò)構(gòu)建向量誤差修正模型研究房?jī)r(jià)在貨幣政策中的傳導(dǎo)機(jī)制，發(fā)現(xiàn)其作用顯著且傳導(dǎo)效率高[5];戈蕓根據(jù)日本房地產(chǎn)泡沫破滅的教訓(xùn)提出應(yīng)該保持我國(guó)匯率政策的長(zhǎng)期穩(wěn)定以防止大量國(guó)際游資涌入中國(guó)房地產(chǎn)市場(chǎng)[6];孫晶磊等根據(jù)日美房地產(chǎn)泡沫的破滅提出長(zhǎng)期低息政策會(huì)引起資產(chǎn)價(jià)格的上漲，并可能帶來(lái)巨大的金融風(fēng)險(xiǎn)[7];Mcdonald 等通過(guò)構(gòu)建VAR模型及分析脈沖響應(yīng)得出美聯(lián)儲(chǔ)利率政策下調(diào)是房地產(chǎn)泡沫的原因之一[8];劉晨暉等運(yùn)用非線性Threshold-VAR模型研究了貨幣政策對(duì)房地產(chǎn)泡沫的影響，發(fā)現(xiàn)我國(guó)貨幣調(diào)控政策對(duì)房地產(chǎn)泡沫影響存在明顯的非線性特征。[9]

（三）房地產(chǎn)泡沫與信貸規(guī)模、外商直接投資

Krugman證明銀行體系中信用的不確定性以及代理問(wèn)題的相互作用可能導(dǎo)致房地產(chǎn)泡沫加劇[10];Carey運(yùn)用包含相移的非參數(shù)估計(jì)模型、宋明通過(guò)構(gòu)建時(shí)變參數(shù)狀態(tài)空間模型發(fā)現(xiàn)發(fā)現(xiàn)銀行信貸對(duì)房地產(chǎn)價(jià)格存在“加速器”效應(yīng)[11-12];周學(xué)仁等發(fā)現(xiàn)外商直接投資的流入與我國(guó)房?jī)r(jià)之間存在長(zhǎng)期均衡關(guān)系[13];姜松等通過(guò)構(gòu)建動(dòng)態(tài)面板和門(mén)檻面板模型發(fā)現(xiàn)外商直接投資對(duì)我國(guó)房地產(chǎn)業(yè)的影響效應(yīng)不但沒(méi)有推動(dòng)作用，反而有反向制約作用[14];陳繼勇等指出外商直接投資導(dǎo)致大量資本涌入房地產(chǎn)市場(chǎng)，導(dǎo)致房地產(chǎn)泡沫進(jìn)一步擴(kuò)大，進(jìn)而影響經(jīng)濟(jì)增長(zhǎng)。[15]

（四）外商直接投資與經(jīng)濟(jì)增長(zhǎng)

陳繼勇等指出，外商直接投資對(duì)地區(qū)經(jīng)濟(jì)的促進(jìn)水平很大程度取決于本地區(qū)原有的經(jīng)濟(jì)水平[15];Alfaro等發(fā)現(xiàn)金融市場(chǎng)發(fā)達(dá)的國(guó)家外商直接投資對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用更明顯[16];趙文軍等發(fā)現(xiàn)外商直接投資對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)和經(jīng)濟(jì)增長(zhǎng)都具有正向的推動(dòng)作用。[17]

可見(jiàn)，現(xiàn)有研究尚存在以下不足：第一，大部分文獻(xiàn)都是單獨(dú)研究房地產(chǎn)泡沫、貨幣政策以及外商直接投資等變量之間的關(guān)系，而不是將房地產(chǎn)泡沫與貨幣政策、外商直接投資等構(gòu)造成一個(gè)完整的研究系統(tǒng)，從而可能出現(xiàn)遺漏重要變量進(jìn)而導(dǎo)致模型估計(jì)的偏差;第二，國(guó)內(nèi)外關(guān)于貨幣政策、外商直接投資等對(duì)房地產(chǎn)泡沫的空間效應(yīng)影響的相關(guān)文獻(xiàn)較少，可能導(dǎo)致制定政策或采取措施時(shí)忽略了這些變量的空間效應(yīng);第三，現(xiàn)有大部分文獻(xiàn)在考慮貨幣政策、外商直接投資、信貸規(guī)模等對(duì)房地產(chǎn)泡沫的影響時(shí)，函數(shù)關(guān)系大都簡(jiǎn)單地設(shè)定為線性或者對(duì)數(shù)線性，可能導(dǎo)致模型設(shè)定偏誤。

同時(shí)隨著經(jīng)濟(jì)一體化和全球化，外商直接投資、房?jī)r(jià)等在各個(gè)省份之間的聯(lián)系越來(lái)越密切，所以這些變量之間可能存在空間相關(guān)性。為考察變量沖擊的時(shí)間效應(yīng)和空間效應(yīng)，以及現(xiàn)有研究中貨幣政策對(duì)房地產(chǎn)泡沫是否是線性影響，本文在前人研究的基礎(chǔ)上，針對(duì)現(xiàn)有研究存在的不足，以貨幣政策的廣義貨幣供給量M2為非參部分，構(gòu)建半?yún)?shù)全局向量自回歸模型來(lái)揭示變量間的內(nèi)在作用機(jī)制。

三、實(shí)證模型與數(shù)據(jù)說(shuō)明

（一）模型介紹

經(jīng)濟(jì)全球化的進(jìn)一步發(fā)展，使國(guó)家與國(guó)家、地區(qū)與地區(qū)、行業(yè)與行業(yè)之間的聯(lián)系變得越來(lái)越緊密，相互依賴性日趨增強(qiáng)，擾動(dòng)性所產(chǎn)生的連鎖效應(yīng)很容易在國(guó)家、地區(qū)和行業(yè)間相互傳播。全局向量自回歸模型（Global Vector Autoregression Model，簡(jiǎn)稱GVAR）可以通過(guò)其脈沖響應(yīng)函數(shù)研究某地區(qū)某內(nèi)生變量的沖擊對(duì)所有其他地區(qū)所有內(nèi)生變量在時(shí)間和空間上的動(dòng)態(tài)影響。

半?yún)?shù)全局向量自回歸模型（Semi-parametric Global Vector Autoregression Model，簡(jiǎn)稱SGVAR）建立在GVAR的基礎(chǔ)之上，SGVAR模型為

式中，yit表示第i個(gè)省份的省內(nèi)內(nèi)生變量向量;y*it=∑nj=1wijyjt表示第i個(gè)省份的省外變量向量，其中權(quán)重wij是通過(guò)第i個(gè)省份占第j個(gè)省份的貿(mào)易權(quán)重矩陣計(jì)算所得;p、q、r分別是省內(nèi)變量、省外變量和全局變量的時(shí)間滯后階數(shù);dt、xt為全局變量;m（xit）為未知形式的函數(shù);uit為各個(gè)省份自主沖擊的隨機(jī)誤差項(xiàng)向量;省外變量y*it和全局變量dt都要滿足弱外生性假設(shè)。

模型的估計(jì)分為兩步：

1.對(duì)參數(shù)，，進(jìn)行估計(jì)

2.非參項(xiàng)xit的偏導(dǎo)圖分析

（二）模型建立及數(shù)據(jù)說(shuō)明

1.模型建立

本文將房地產(chǎn)泡沫與貨幣政策、外商直接投資等納入同一個(gè)完整的研究系統(tǒng)，其中貨幣供給量M2以非參數(shù)的形式引入，構(gòu)造如下的SGVAR模型：

式中：Bit、GYit、XDit、lnFDIit分別表示第i個(gè)省份t時(shí)期的房地產(chǎn)泡沫大小、工業(yè)化進(jìn)程、信貸規(guī)模以及外商直接投資;y*it=∑30j=1wijyjt表示第i個(gè)省份的省外變量向量，其中權(quán)重wij是通過(guò)第i個(gè)省份占第j個(gè)省份的貿(mào)易權(quán)重矩陣計(jì)算所得;rt，exct，M2t分別表示t時(shí)期的利率、匯率以及貨幣供給量，m（M2it）為未知函數(shù)形式;εit為各個(gè)省份自主沖擊的隨機(jī)誤差項(xiàng)向量，假設(shè)不同省份的自發(fā)沖擊是非序列相關(guān)的，且具有零均值，方差的時(shí)間不變性;省外變量y*it和全局變量dt都要滿足弱外生性假設(shè);β，γ，ψ分別為省內(nèi)變量、省外變量、全局向量的系數(shù)矩陣。

2.數(shù)據(jù)說(shuō)明

由于西藏大部分經(jīng)濟(jì)變量的缺失值比較嚴(yán)重，本文的數(shù)據(jù)采用我國(guó)大陸地區(qū)除西藏外的30個(gè)?。ㄊ小⒆灾螀^(qū)）2006—2015年的月度數(shù)據(jù)。

關(guān)于房地產(chǎn)泡沫的測(cè)度，本文采用功效系數(shù)法[4]，同時(shí)基于數(shù)據(jù)的可得性，采用房?jī)r(jià)收入比、房地產(chǎn)開(kāi)發(fā)投資增長(zhǎng)率/固定資產(chǎn)投資增長(zhǎng)率、房地產(chǎn)價(jià)格增長(zhǎng)率/經(jīng)濟(jì)增長(zhǎng)率三個(gè)指標(biāo)對(duì)房地產(chǎn)泡沫進(jìn)行測(cè)度。其中，房?jī)r(jià)收入比=（銷(xiāo)售額/銷(xiāo)售面積×人均居住面積）/人均可支配收入。

鑒于對(duì)數(shù)化處理后容易得到平穩(wěn)序列且可消除異方差等，本文采用平減后外商直接投資FDI的對(duì)數(shù)衡量國(guó)外資金流入對(duì)房地產(chǎn)的影響;采用工業(yè)增加值同比增長(zhǎng)率衡量工業(yè)化進(jìn)程GY;采用房地產(chǎn)開(kāi)發(fā)投資國(guó)內(nèi)貸款同比增長(zhǎng)率衡量信貸規(guī)模XD。

貨幣政策工具有數(shù)量型和價(jià)格型兩種，本文采用M2和銀行同業(yè)間拆借利率（IBR）作為兩種工具的代理變量，同時(shí)根據(jù)前文分析將M2 作為非參變量加入模型，考察貨幣調(diào)控政策對(duì)房地產(chǎn)泡沫產(chǎn)生的影響。

本文所有數(shù)據(jù)均來(lái)自國(guó)家統(tǒng)計(jì)局和wind數(shù)據(jù)庫(kù)。

四、半?yún)?shù)全局向量自回歸模型的實(shí)證結(jié)果分析

（一）基本檢驗(yàn)與模型估計(jì)

在模型估計(jì)之前需要先進(jìn)行相應(yīng)的平穩(wěn)性檢驗(yàn)、Granger因果關(guān)系檢驗(yàn)來(lái)判斷數(shù)據(jù)是否適合構(gòu)建VAR模型。

1.平穩(wěn)性檢驗(yàn)和弱外生性檢驗(yàn)

經(jīng)過(guò)ADF檢驗(yàn)得到上述各個(gè)省份的所有省內(nèi)變量、省外變量、全局變量在5%顯著性水平都是原階平穩(wěn)序列。同時(shí)，省外變量和全局變量都滿足弱外生性假設(shè)，說(shuō)明本文選取的經(jīng)濟(jì)變量適合構(gòu)建VAR模型，進(jìn)而模型的估計(jì)結(jié)果才有意義。由于篇幅限制，本文不體現(xiàn)單位根檢驗(yàn)和弱外生性檢驗(yàn)的結(jié)果。

2.Granger因果關(guān)系檢驗(yàn)及滯后階數(shù)的確定

根據(jù)AIC和SC準(zhǔn)則可以分別得到模型中各省份的省內(nèi)變量和省外變量的滯后階數(shù)，同時(shí)根據(jù)Granger因果關(guān)系檢驗(yàn)得到模型中關(guān)于各省份的協(xié)整個(gè)數(shù)，檢驗(yàn)發(fā)現(xiàn)樣本中所有省份的變量間均存在協(xié)整關(guān)系。

（二）脈沖響應(yīng)分析

SGVAR模型的脈沖范圍不僅體現(xiàn)在時(shí)間維度上，也體現(xiàn)在空間維度上，所以當(dāng)給某個(gè)地區(qū)的某個(gè)變量一單位的沖擊時(shí)，它將在未來(lái)的一段時(shí)間內(nèi)對(duì)所有地區(qū)的所有變量產(chǎn)生影響。為研究東部、中部、西部的房地產(chǎn)市場(chǎng)之間的脈沖傳導(dǎo)機(jī)制，結(jié)合地區(qū)代表性和多次試算，本文分別選取江蘇、河南、四川三個(gè)省份為沖擊源進(jìn)行脈沖響應(yīng)分析（由于篇幅限制，本文給出房地產(chǎn)泡沫以及外商直接投資作為沖擊源的脈沖圖）。

房地產(chǎn)泡沫變動(dòng)對(duì)泡沫的影響如圖1所示。

給江蘇省房地產(chǎn)泡沫一個(gè)正的沖擊后，30個(gè)研究對(duì)象的不同變量均能夠在20 期內(nèi)趨近于零。由于篇幅限制，分別從東部、中部、西部選擇一個(gè)地區(qū)進(jìn)行分析。由圖1（a） 可知， 給江蘇省房地產(chǎn)泡沫一個(gè)正的沖擊，在當(dāng)期會(huì)對(duì)東部地區(qū)房地產(chǎn)泡沫起到抑制作用，在第4期之后，逐漸產(chǎn)生正向作用且微弱的長(zhǎng)期影響，說(shuō)明房地產(chǎn)泡沫存在著空間溢出效應(yīng)。對(duì)中部地區(qū)泡沫的影響剛開(kāi)始也是負(fù)向作用，并在0-4期在0上下震蕩最終趨于0。對(duì)西部地區(qū)房地產(chǎn)泡沫的影響在當(dāng)期的負(fù)向作用最強(qiáng)，第1期之后逐漸收斂于0，但仍在0以下，代表持續(xù)且微弱的負(fù)向影響。

同樣地，給河南和四川省房地產(chǎn)泡沫一個(gè)正的沖擊，由圖1（b）和圖1（c）可知，對(duì)東部地區(qū)而言，當(dāng)房地產(chǎn)泡沫沖擊源來(lái)自東部、中部地區(qū)時(shí)，對(duì)該地區(qū)的房地產(chǎn)泡沫主要起到促進(jìn)作用;當(dāng)房地產(chǎn)泡沫沖擊源來(lái)自西部地區(qū)時(shí)，對(duì)該地區(qū)的房地產(chǎn)泡沫主要起到抑制作用。對(duì)中部地區(qū)而言，各個(gè)地區(qū)的房地產(chǎn)泡沫沖擊源對(duì)該地區(qū)房地產(chǎn)泡沫的影響趨勢(shì)類(lèi)似，都是在第1期的促進(jìn)作用達(dá)到最大。對(duì)西部地區(qū)而言，當(dāng)房地產(chǎn)泡沫沖擊源來(lái)自東部、中部地區(qū)時(shí)，對(duì)該地區(qū)的房地產(chǎn)泡沫主要都是起到抑制作用;當(dāng)房地產(chǎn)泡沫沖擊源來(lái)自西部地區(qū)時(shí)，對(duì)該地區(qū)的房地產(chǎn)泡沫主要起到促進(jìn)作用。

因此，從短期來(lái)看，東、中、西部地區(qū)的房地產(chǎn)泡沫的沖擊影響有區(qū)域性差異，但從長(zhǎng)期來(lái)看其他地區(qū)對(duì)本地區(qū)的房地產(chǎn)泡沫沖擊的影響將趨于穩(wěn)定。這是因?yàn)楫?dāng)某個(gè)區(qū)域房地產(chǎn)泡沫變大時(shí)，其鄰近地區(qū)的消費(fèi)者有未來(lái)房?jī)r(jià)上漲的預(yù)期，進(jìn)而增加當(dāng)前的房屋購(gòu)置需求，導(dǎo)致該地區(qū)的房地產(chǎn)泡沫變大。但是，開(kāi)發(fā)商看到消費(fèi)者的購(gòu)買(mǎi)預(yù)期時(shí)會(huì)增大房地產(chǎn)開(kāi)發(fā)力度，增加房地產(chǎn)供給，可能對(duì)房地產(chǎn)泡沫起到抑制作用。

外商直接投資變動(dòng)對(duì)泡沫的影響如圖2所示。

給江蘇省外商直接投資一個(gè)正的沖擊，如圖2（a）所示，對(duì)東部地區(qū)房地產(chǎn)泡沫的促進(jìn)作用在第1期時(shí)達(dá)到最大，之后逐漸下降并在第2期時(shí)的負(fù)向作用最強(qiáng)，最終產(chǎn)生負(fù)向微弱的長(zhǎng)期影響;對(duì)中部地區(qū)的房地產(chǎn)泡沫的促進(jìn)作用在第2期時(shí)達(dá)到最大，在4～7期時(shí)轉(zhuǎn)向?yàn)樨?fù)向作用，第7期后保持正向影響;對(duì)西部地區(qū)的房地產(chǎn)泡沫的促進(jìn)作用第1期時(shí)達(dá)到最大，之后逐漸下降并在第3期時(shí)的負(fù)向作用最強(qiáng)，最終也是產(chǎn)生負(fù)向微弱的長(zhǎng)期影響。

同樣地，給河南和四川省房地產(chǎn)泡沫一個(gè)正向沖擊，由圖2（b）和2（c）可知，對(duì)東部地區(qū)而言，不論外商直接投資沖擊源來(lái)自哪個(gè)地區(qū)，對(duì)該地區(qū)的房地產(chǎn)泡沫主要起到促進(jìn)作用。對(duì)中部地區(qū)而言，當(dāng)外商直接投資的沖擊源來(lái)自東部地區(qū)時(shí)，對(duì)該地區(qū)房地產(chǎn)泡沫主要起到促進(jìn)作用;當(dāng)沖擊源來(lái)自中部地區(qū)時(shí)，對(duì)該地區(qū)的泡沫在短期內(nèi)起到促進(jìn)作用;當(dāng)沖擊源來(lái)自西部地區(qū)時(shí)，對(duì)泡沫的影響主要起到抑制作用。對(duì)西部地區(qū)而言，不管房地產(chǎn)泡沫沖擊源來(lái)自哪個(gè)地區(qū)，對(duì)該地區(qū)的房地產(chǎn)泡沫在短期內(nèi)起到促進(jìn)作用，長(zhǎng)期內(nèi)起到微弱的抑制作用。

（三）M2對(duì)房地產(chǎn)市場(chǎng)的非線性分析

本文引進(jìn)M2作為非參數(shù)項(xiàng)，并采用局部線性法估計(jì)模型中的非參項(xiàng)，得出房地產(chǎn)泡沫對(duì)M2的偏導(dǎo)數(shù)圖。其中，橫軸表示M2（單位：千億元），縱軸表示M2增加一個(gè)單位對(duì)房地產(chǎn)泡沫和外商直接投資的影響。本文從東部、中部、西部各選擇一個(gè)省份考察貨幣政策（貨幣供給量變動(dòng)）對(duì)房地產(chǎn)泡沫的非線性影響。通過(guò)多次試算后，本文選擇江蘇、河南、四川三個(gè)省份作為研究對(duì)象，房地產(chǎn)泡沫對(duì)貨幣政策的偏導(dǎo)圖如圖3所示。由圖3可以看出偏導(dǎo)數(shù)圖都不是在一條水平線上，說(shuō)明M2對(duì)其他變量不是簡(jiǎn)單的線性關(guān)系，也證明了引入M2作為非參數(shù)項(xiàng)設(shè)定的合理性。

（1）由圖3（a）可知，對(duì)東部地區(qū)而言，當(dāng)貨幣供給量為負(fù)時(shí)，貨幣供給量的增加對(duì)房地產(chǎn)泡沫增長(zhǎng)率有抑制作用，但隨著貨幣供給量的增加，這種抑制作用逐漸減弱;當(dāng)貨幣供給量為0到20時(shí)，貨幣供給量的增加對(duì)房地產(chǎn)泡沫增長(zhǎng)率影響由正轉(zhuǎn)為負(fù);當(dāng)貨幣供給量大于20時(shí)，房地產(chǎn)泡沫增長(zhǎng)率保持較為平穩(wěn)的速度遞增。

（2）由圖3（b）可知，對(duì)中部地區(qū)而言，當(dāng)貨幣供給量為負(fù)時(shí)，貨幣供給量的增加對(duì)房地產(chǎn)泡沫增長(zhǎng)率同樣也是起到抑制作用，并且這種抑制作用隨著貨幣供給量的增加逐漸減弱;當(dāng)貨幣供給量為0到20時(shí)，貨幣供給量對(duì)房地產(chǎn)泡沫增長(zhǎng)的影響基本上穩(wěn)定在0附近;當(dāng)貨幣供給量大于20時(shí)，房地產(chǎn)泡沫增長(zhǎng)率保持較為平穩(wěn)的速度遞增。

（3）由圖3（c）可知，對(duì)西部地區(qū)而言，當(dāng)貨幣供給量為負(fù)時(shí)，貨幣供給量的增加對(duì)房地產(chǎn)泡沫增長(zhǎng)率同樣也是起到抑制作用，并且這種抑制作用隨著貨幣供給量的增加逐漸減弱;當(dāng)貨幣供給量為0到25時(shí)，貨幣供給量對(duì)房地產(chǎn)泡沫增長(zhǎng)的影響在0附近震蕩;當(dāng)貨幣供給量大于25時(shí)，房地產(chǎn)泡沫增長(zhǎng)率以平穩(wěn)的速度遞增。

綜上，貨幣政策對(duì)各地區(qū)房地產(chǎn)泡沫的影響總體趨勢(shì)類(lèi)似，即當(dāng)采取較為緊縮的貨幣政策時(shí)，對(duì)房地產(chǎn)泡沫增長(zhǎng)起到抑制作用，而較為寬松的貨幣政策會(huì)對(duì)房地產(chǎn)泡沫增長(zhǎng)起到較大的促進(jìn)作用，當(dāng)采取適度的貨幣政策時(shí)，對(duì)房地產(chǎn)泡沫的增長(zhǎng)沒(méi)有太大影響。

但是通過(guò)比較圖3（a）、3 （b）和3 （c）可以發(fā)現(xiàn)，當(dāng)實(shí)行緊縮型貨幣政策時(shí)，從房地產(chǎn)泡沫的抑制程度可以看出房地產(chǎn)泡沫對(duì)緊縮型貨幣政策影響的敏感度最高的是西部地區(qū)，中部地區(qū)次之，東部地區(qū)敏感度最低;當(dāng)實(shí)行寬松型貨幣政策時(shí)，從房地產(chǎn)泡沫的促進(jìn)程度以及開(kāi)始起到促進(jìn)作用時(shí)所對(duì)應(yīng)的貨幣供應(yīng)量可以看出東部地區(qū)的房地產(chǎn)泡沫對(duì)寬松型貨幣政策量的反應(yīng)敏感度最高，中部地區(qū)次之，西部地區(qū)敏感度最低。這是由于我國(guó)東、中部地區(qū)是我國(guó)核心產(chǎn)業(yè)的聚集地，當(dāng)實(shí)行寬松型貨幣政策時(shí)，投資者首選的投資地區(qū)是東、中部，所以東部沿海地區(qū)在寬松的貨幣政策傳導(dǎo)的速度和深度上可能都優(yōu)于西部地區(qū)。

但是，當(dāng)實(shí)行緊縮型貨幣政策時(shí)，投資者雖然會(huì)減少投資，但是投資地區(qū)主要還是集中于東、中部，而選擇減少對(duì)西部地區(qū)的投資，所以緊縮型貨幣政策對(duì)西部地區(qū)的影響較大。因此，關(guān)于貨幣政策對(duì)房地產(chǎn)泡沫及經(jīng)濟(jì)的影響本文給出了客觀的說(shuō)明。

五、結(jié)論及政策建議

本文基于2006—2015年中國(guó)30 個(gè)?。ㄊ小⒆灾螀^(qū)）的月度數(shù)據(jù)，構(gòu)建SGVAR模型和時(shí)空脈沖響應(yīng)函數(shù)分析各省份不同經(jīng)濟(jì)變量受到?jīng)_擊后對(duì)房地產(chǎn)泡沫的時(shí)空傳導(dǎo)效應(yīng)。同時(shí)，基于模型半?yún)?shù)部分的偏導(dǎo)數(shù)圖刻畫(huà)了不同的貨幣供給量水平對(duì)房地產(chǎn)泡沫的影響。主要結(jié)論如下：

（1）某個(gè)地區(qū)的房地產(chǎn)泡沫沖擊對(duì)周邊地區(qū)的房地產(chǎn)泡沫產(chǎn)生的影響在短期內(nèi)具有區(qū)域性差異，而外商直接投資的增加、房地產(chǎn)業(yè)信貸規(guī)模的擴(kuò)大都可能導(dǎo)致大量資本涌入房地產(chǎn)市場(chǎng)，導(dǎo)致泡沫進(jìn)一步擴(kuò)大。

（2）貨幣政策會(huì)從利率渠道和貨幣供給量渠道影響房地產(chǎn)泡沫，且貨幣供給量對(duì)房地產(chǎn)泡沫呈現(xiàn)非線性的影響。一方面，利率會(huì)影響房地產(chǎn)市場(chǎng)的供給和需求以及消費(fèi)者對(duì)未來(lái)房?jī)r(jià)的預(yù)期;另一方面，貨幣供給量的增加會(huì)導(dǎo)致房?jī)r(jià)上漲，而房?jī)r(jià)上漲又會(huì)反作用于貨幣供給量，二者的相互作用可能導(dǎo)致貨幣供給量對(duì)房地產(chǎn)泡沫的非線性影響。

針對(duì)本文的相關(guān)結(jié)果及結(jié)論提出以下建議：

（1）一旦物價(jià)上漲以及寬松的貨幣政策難以維持下去，資產(chǎn)價(jià)格泡沫也不會(huì)出現(xiàn)大規(guī)模的膨脹，我國(guó)可以根據(jù)經(jīng)濟(jì)實(shí)際情況采取不同的貨幣政策進(jìn)而改變通貨膨脹的預(yù)期，優(yōu)化居民收入結(jié)構(gòu)，從根本上解決房地產(chǎn)業(yè)的供需問(wèn)題。

（2）構(gòu)建完善的金融體系，規(guī)范房地產(chǎn)的信貸市場(chǎng)，有效抑制房地產(chǎn)的投機(jī)行為，在合理控制信貸量的同時(shí)注重信貸方向的控制。同時(shí)，我國(guó)應(yīng)出臺(tái)相關(guān)政策對(duì)外資流入房地產(chǎn)業(yè)進(jìn)行有效控制和監(jiān)管，合理控制其流入規(guī)模及質(zhì)量，避免惡性外資流入造成房地產(chǎn)泡沫的加劇。

（3）政府應(yīng)出臺(tái)相應(yīng)政策對(duì)消費(fèi)者投機(jī)行為進(jìn)行有效控制，如調(diào)高非自住房的貸款利率和首付率，實(shí)行嚴(yán)格的信貸條件包括對(duì)投機(jī)性質(zhì)的房地產(chǎn)交易收取高轉(zhuǎn)讓稅等。

參考文獻(xiàn)：

[1] Stiglitz Joseph E. Symposium on Bubbles[J].Journal of Economic Perspectives，1990，4（2）：13-18.

[2] 李維哲，曲波.地產(chǎn)泡沫預(yù)警系統(tǒng)研究[J].中國(guó)房地產(chǎn)金融，2002（8）：18-21.

[3] 鄭思齊，劉洪玉.如何正確衡量房地產(chǎn)價(jià)格走勢(shì)[J].中國(guó)房地產(chǎn)，2003（3）：27-29.

[4] 孫焱林，張攀紅，王中林.房地產(chǎn)泡沫的測(cè)度方法及實(shí)證比較[J].統(tǒng)計(jì)與決策，2015（24）：79-82.

[5] 丁晨，屠梅曾.論房?jī)r(jià)在貨幣政策傳導(dǎo)機(jī)制中的作用——基于VECM分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，24（11）：106-114.

[6] 戈蕓.談中國(guó)如何借鑒日本房地產(chǎn)泡沫破滅的教訓(xùn)[J].中國(guó)高新技術(shù)企業(yè)，2010（6）：71-72.

[7] 孫晶磊，張亮.日美房地產(chǎn)泡沫的破滅對(duì)我國(guó)貨幣政策調(diào)控的啟示[J].稅務(wù)與經(jīng)濟(jì)，2015（5）：25-30.

[8] Mcdonald J F， Stokes H H. Monetary Policy and the Housing Bubble[J].Journal of Real Estate Finance & Economics，2013，46（3）：437-451.

[9] 劉晨暉， 陳長(zhǎng)石.貨幣政策對(duì)房地產(chǎn)泡沫的非線性影響研究——基于Threshold-VAR模型的實(shí)證分析[J].投資研究，2014 （10）：17-30.

[10] Krugman P. Bubble， Boom， Crash： Theoretical Notes on Asia′s Crises[R]. MIT， Cambridge， Massachussetts， 1998：54-89.

[11] Carey， Mark S. Feeding the Fad：the Federal Land Banks， Land Market Efficiency， and the Farm Credit Crisis[D].Newyork：University of California at Berkerley，1990.

[12] 宋明.我國(guó)房地產(chǎn)價(jià)格與銀行信貸、非銀行信貸的關(guān)系研究——基于時(shí)變參數(shù)狀態(tài)空間模型的實(shí)證檢驗(yàn)[J].價(jià)格理論與實(shí)踐，2016（4）：125-128.

[13] 周學(xué)仁，鄭蘭宇，鮑洋.我國(guó)房地產(chǎn)業(yè)FDI流入與房?jī)r(jià)的關(guān)系研究[J].統(tǒng)計(jì)與決策，2013（22）：122-124.

[14] 姜松，王釗.外商直接投資對(duì)房地產(chǎn)業(yè)技術(shù)進(jìn)步的影響實(shí)證——基于中國(guó)省際面板數(shù)據(jù)[J].軟科學(xué)， 2014，28（7）：53-58.

[15] 陳繼勇，盛楊懌.外商直接投資的知識(shí)溢出與中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)[J].經(jīng)濟(jì)研究，2008（12）：39-49.

[16] Alfaro L， Chanda A， Kalemli-Ozcan S， et al. FDI and Economic Growth： The Role of Local Financial Markets[J].Journal of International Economics，2004，64（1）：89-112.

[17] 趙文軍，于津平.貿(mào)易開(kāi)放、FDI與中國(guó)工業(yè)經(jīng)濟(jì)增長(zhǎng)方式——基于30個(gè)工業(yè)行業(yè)數(shù)據(jù)的實(shí)證研究[J].經(jīng)濟(jì)研究， 2012（8）：18-31.

責(zé)任編輯：韓國(guó)良

Abstract： In order to analyze the dynamic relationship between foreign direct investment， monetary policy and credit scale and real estate bubble， this paper constructs semi-parametric global vector autoregression model and impulse response function based on the data of 30 provinces and cities in China from 2006 to 2015 to analyze the conduction effect of different economic variables on real estate bubble in time and space. At the same time， the non -linear effect of the money supply on the real estate bubble is introduced into the model， and the correlation between the two is studied according to the partial guidance. The results show that the impact of foreign direct investment will have different effects on the real estate bubble in the surrounding areas which vary with different regions in the short term but are stable in the long term. The money supply has a nonlinear effect on the real estate bubble， and the impact of loose and tight monetary policy on the eastern and central regions of the real estate bubble conduction efficiency is inconsistent.

Key words： real estate bubble; foreign direct investment; monetary policy; semi-parametric global vector autoregression model