货币政策、银行贷款与住宅价格——对中国4个直辖市的实证研究，本文主要内容关键词为：直辖市论文,货币政策论文,中国论文,银行贷款论文,住宅论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
货币政策对房地产业有着非常重要的影响，在中国也不例外。自1998年实行住房制度改革以来，中国房地产金融得到了飞速发展，目前银行住房贷款已达到2.5万亿元。由于中国房地产开发和住房融资渠道单一，主要以银行为主，银行要为房贷承担全部风险。当前中国房地产价格持续高涨，据统计，2004年四个季度全国商品房销售价格指数与上年同期相比，分别上涨7.7％、10.4％、109.9％、110.8％，全国土地价格指数与上年同期相比，分别上涨107.51％、111.5％、111.6％、110％。为降低房地产金融风险，中国人民银行于2004年10月29日和2005年3月16日两次调整住房贷款政策，贷款利率分别上调0.27个百分点和0.20个百分点。然而，现阶段中国房地产价格高涨是否与货币政策有直接关系呢？本文将利用中国4个直辖市住宅价格数据和宏观经济数据，研究不同城市住宅价格与货币政策之间的互动关系。
一、理论模型
有关住宅价格理论与经验研究的文献非常丰富，其中以存量一流量模型和住宅服务流量模型为主。存量一流量模型是传统的住宅价格模型，是以新古典经济理论为框架，假设市场完全出清，住宅价格是供给和需求的函数，通过价格调整住宅需求将等于住宅存量。然而，在该框架下构建的住宅价格模型缺少微观基础，人们更关注住宅服务流量模型。该模型是Breedon和Joyce（1993）、Holly和Jones（1997）、Brown（1997）分别提出来的。他们认为，住宅可以为使用者提供服务流，住宅基础价格可以看作是未来各期服务流的折现值。假设消费者仅购买两种商品：住宅和其他复合商品。消费者在预算约束内决定购买决策，以获得最大效用。这样，购买这两种商品的边际替代率（u[，h]/u[，c]）等于住宅的使用成本：
（U[，h]/U[，c]）=[（1-t）i-π[，h]+δ]P[，h]（1）
其中，i代表利率，t代表收入税，π代表住宅的资本收益，δ代表折旧率，P代表住宅价格。C代表住宅使用成本[（1-t）i-π[，h]+δ]P[，h]。
由于在资本市场均衡条件下，市场出清的结果是租金（R）必须等于住宅使用成本。因此，（1）式可以表示为：
（U[，h]/U[，c]）=[（1-t）i-π[，h]+δ]P[，h]=R[，t]（2）
在一般情况下租金与住宅需求成正比，与住宅供给成反比。租金可以看作是收入（Y）、住宅存量（H）和人口（D）的函数。因此，住宅价格可以用如下变量表示：
P=f（Y，H，D，C）（3）
在凯恩斯主义理论中货币创造有着非常重要的作用，它不仅是银行运行的基础，也是融资的主要来源。从目前金融制度来看，银行具有通过信贷扩张使金融支持力度提高的能力，从而增加信贷货币供给。凯恩斯主义者认为，如果没有金融部门信贷扩张所产生的货币创造，投资和经济增长是不可能的。然而，金融支持力度的提高，又会对整体经济造成冲击，促使形成资产泡沫，房地产泡沫的产生就与金融支持过度有密切的关系。
上述住宅价格模型中还没包括住宅贷款变量，然而消费者购买住宅资金大部分来自银行，每个借款者的境况各不相同，银行面临着信息不对称问题。银行为避免风险，在贷款之前要借款人以住房作为抵押，如果借款人不能按时偿还贷款，银行有权拍卖住宅，并将拍卖所得作为偿还贷款的资金。消费者的借款能力如何，与利率有直接的关系。如果利率上升，住宅价格（包括抵押品）下降，实际负债上升，银行将降低住宅抵押贷款。相反，如果利率下降，消费者将更容易获得住宅抵押贷款。随着银行业竞争程度的增加，银行常把扩大市场份额作为首要目标，把利润最大化作为次要目标。其结果不仅增加了银行风险，而且导致房地产业金融支持过度，使住宅价格上涨和住宅投机同时出现。因此，货币政策（L）作为外生变量，可以通过控制住宅贷款额来影响住宅价格，是影响住宅价格波动的主要原因之一，在住宅价格模型中应包含该变量。
Hendry（1984）、Hakfoort和Matysiak（1997）在研究中将住宅抵押贷款存量作为贷款变量，Muellbauer和Murphy（1997）将住宅抵押贷款存量变化率作为贷款变量，其他学者如Dicks（1990）、Pain和Westaway（1997）将贷款与抵押品价值之比作为贷款变量。因此，住宅价格可以用如下公式表示：
P=f（Y，H，D，C，L）（4）
由于住宅供给在短期缺乏弹性，而在长期供给可以有较大变化，上述各变量在不同时期对住宅价格的影响有很大差异。为反映短期和长期各变量对价格的影响，我们首先根据（4）式建立一个线性方程：
LnP[，t]=a[，1]LnY[，t]+a[，2]LnH[，t]+a[，3]LnD[，t]+a[，4]LnC[，t]+a[，5]LnL[，t]+a+ε[，t]（5）
为消除异方差，上式中变量都取对数。然后根据（5）式构建误差修正模型（ECM），确定住宅价格与各变量之间的长期关系。
二、房地产贷款与住宅价格长期关系的协整检验
1.数据
在以往的研究中学者们经常用年度数据分析房地产业运行状况，殊不知房地产作为一种投资品，价格在一年内将发生显著变化，仅用年度数据难以反映这种变化，应尽量使用季度或者月度数据。同时，在研究房地产价格波动状况时用全国整体的数据并不能反映局部的差异，使用城市级数据是最佳选择。因此，本文在研究中以月度数据为基础，对2001年6月—2004年8月期间北京、天津、上海、重庆4个直辖市房地产价格与货币政策及其他宏观经济变量（注：具体数据根据中经网数据库、中宏数据库以及中国资讯行数据库资料整理得到。）之间的关系进行研究，相关的价格和收入数据均进行了消除通货膨胀处理。
目前，房地产价格指数较多，如国房景气指数、中房指数，这些指数都具有样本选择广泛，跟踪调查时间长等特点。然而，房地产属性各不相同，这些价格指数仍难以反映不同房地产属性上的差异，而用不同时段的商品房销售额除以销售面积，得到的房地产价格仍能够反映房地产价格的走势。因此，本文将用该方法确定房地产价格P。
从目前我国房地产投资的资金来源来看，主要包括国内贷款、利用外资、自筹资金和其他资金。国内贷款主要是银行提供，利用外资也是金融支持的一部分，而其他资金实质上是通过非银行金融机构转化而来的银行资金。另外，目前房地产市场化程度不断加深，商品房基本上是由个人购买，这些购房资金80％来自于银行。因此，本文将房地产开发非自筹资金T和住宅销售额X代表货币政策变量L。
由于房地产市场中新建商品房价格上涨较快，新建商品房投放量对价格有积极的影响，因此本文以竣工面积累计额与销售面积累计额之比作为房地产存量变量H。在商品房成本中建材成本是主体，本文将以原材料价格指数作为该成本变化指标C。为反映真实需求能力，在模型中还包括人均可支配收入变量Y。由于人口变量没有月度统计，在研究中将不包含此变量。
2.单整及协整检验
协整的概念是20世纪80年代由恩格尔-格兰杰（Engle-Granger）提出的。协整理论为在两个或多个非平衡变量间寻找均衡关系，以及用存在协整关系的变量建立误差修正模型提供了理论基础。在实际中，多数经济时间序列都是非平稳的，然而某些非平稳时间序列的某种线性组合有可能是平稳的。协整检验的思想在于：如果某两个或多个同阶时间序列向量的某种线性组合可以得到一个平稳的误差序列，则这些非平稳的时间序列存在长期均衡关系，或者说这些序列具有协整性。只有具有相同单整阶数的两个变量才有可能存在协整关系，因此，在协整分析之前首先要对变量的单整阶数进行检验。检验结果见表1、表2。
表1 单位根检验结果（一阶非平稳ADF检验）
城市变量
LnP LnY LnT LnK LnC LnH
ADF统计量0.030.583.072.231.85-0.21
北京 5％临界值-1.95
-1.95
-1.95
-1.95
-1.95
-1.95
ADF统计量1.560.183.202.970.99-0.85
天津 5％临界值-1.96
-1.95
-1.95
-1.95
-1.95
-1.95
ADF统计量1.540.212.212.611.96-3.19[*]
上海 5％临界值-1.95
-1.95
-1.95
-1.95
-1.95
-3.53
ADF统计量0.62-2.4[**]-3.08[*]2.411.87-1.59
重庆 5％临界值-1.95
-2.94
-3.53
-1.95
-1.95
-1.95
注：以上如不做出说明，表示均无截距项或趋势项；*包括截距项和趋势项；**包括截距项，滞后两期。
表2 单位根检验结果（二阶非平稳ADF检验）
城市变量
LnP LnY LnT LnX LnC LnH
ADF统计量-5.69
-6.53
-3.71[**]-2.92-3.63
-3.60
北京 5％临界值1.95-1.95
-2.94-1.95-1.95
-1.95
ADF统计量-6.11
-4.60
-2.99-3.92[**]-2.86
-8.27
天津 5％临界值-1.95
-1.95
-1.95-2.94-1.95
-1.95
ADF统计量-5.18
-7.61
-4.01-2.68-2.58
-4.92
上海 5％临界值-1.95
-1.95
-3.54[*] -1.95-1.95
-3.54[*]
ADF统计量-4.15
-6.13
-4.60[*] -2.82-3.15
-3.93
重庆 5％临界值-1.95
-1.95
-3.53-1.95-1.95
-1.95
注：以上如不做出说明，表示均无截距项或趋势项；*包括截距项和趋势项；**包括截距项，滞后两期。
检验结果表明各时间序列均为一阶单整过程，我们可以用它做长期协整分析。Engle和Granger提出两步法估计协整向量，即首先用最小二乘法对向量进行协整回归，然后再把协整回归所得残差进行单位根检验。协整回归结果见表3。对协整回归所得残差进行单位根检验，结果如表4。
表3 住宅价格与其他变量协整回归结果
变量 北京天津 上海 重庆
LnY
0.29（3.24）-0.09（-1.88） - -
LnY（-1） -
- - 0.07（1.89）
LnT
-0.31（-3.45） -0.21（-1.98） - -
LnT（-1） -
- 0.19（2.01） -
LnX
0.22（2.84）0.25（2.13）- 0.07（2.60）
LnX（-1） -
- -0.15（-1.82）-
LnC- 0.29（1.88）0.60（2.65） -0.61（-2.35）
LnH-
- - -0.35（-2.87）
LnP（-1） 0.29（2.28）0.54（3.86）0.63（4.83） 0.77（7.96）
截距项4.82（4.00）2.63（2.38）- 3.64（2.64）
DW
1.762.161.84 1.88
R[2] 0.650.780.94 0.92
注：括号中的值为t检验值。
表4 协整回归所得残差
的单位根检验结果
变量 北京天津 上海重庆
-1-0.97（-3.98）
-1.09（-6.39） -1.21（-5.18） -1.02（-4.24）
Δ-1 0.06（0.75）
-0.30（1.70）0.10（0.55）
截距项 0.01（0.73） -0.001（-0.09）0.01（0.49）0.002（0.16）
趋势项 -0.0002（-0.76） 0.00008（0.14）-0.0003（-0.46）-0.00008（-0.17）
5％临界值（EG） --4.76 -
-
5％临界值（AEG）
-3.98- -4.15
-4.15
标准误差0.06 0.04
0.040.03
DW 1.96 1.94
1.941.98
R[2]0.45 0.55
0.510.48
注：括号中的值为t检验值。
表4中DW值较高，说明该残差序列不含有自相关。4个残差序列的EG或AEG值都小于临界值。因此，可以认为北京市住宅价格LnP与变量LnY、LnT、LnX、LnP（-1）存在协整关系，天津市住宅价格LnP与变量LnY、LnC、LnT、LnX，LnP（-1）存在协整关系，上海市住宅价格LnP与变量LnC、LnX（-1）、LnT（-1）、LnP（-1）存在协整关系，重庆市住宅价格LnP与变量LnH、LnC、LnY（-1）、LnX、LnP（-1）存在协整关系。住宅价格与各变量的长期关系如表3所示。
从住宅价格与各变量的长期关系来看，变量LnY、LnT、LnX、LnP（-1）对北京住宅价格走势影响较大，其中LnY、LnX是从需求角度影响价格，LnT是从供给角度反向影响价格，LnP（-1）说明过去的价格对当期价格有很大影响，它们的影响弹性分别为0.29、0.22、0.31、0.29。由于投资额和消费额的大部分是银行提供的资金，它们对住宅影响弹性都很高。因此，北京市住宅价格变化与货币政策有紧密的关系。
从模型中可以看出天津市住宅价格与变量LnY、LnC、LnT、LnX，LnP（-1）存在较大的关联性，其中变量LnC、LnT、LnX、LnP（-1）的影响弹性更高一些，达到0.29、0.21、0.25、0.54。变量LnC、LnT主要是从供给角度影响价格，LnY、LnX是从需求角度影响价格，LnP（-1）是从预期角度影响价格。因此，可以认为天津市住宅价格上涨迅速是综合因素作用的结果，但未来价格上涨的预期和货币政策的变化是导致住宅价格迅速上涨的主要因素。
上海住宅价格受变量LnC、LnX（-1）、LnT（-1）、LnP（-1）的影响较大，其中成本和投资额是从供给角度正向影响价格，影响弹性分别为0.60、0.19；销售额是从需求角度反向影响价格，影响弹性为0.15，滞后1期的价格是从预期角度影响价格，影响弹性为0.63。由于销售额和投资额大部分由银行提供，因此货币政策对住宅价格影响较大。上海住宅价格变化的重要特点是成本推动明显，预期是导致住宅价格上涨的主要原因之一。
重庆住宅价格与变量LnH、LnC、LnY（-1）、LnX、LnP（-1）有紧密关系，其中LnH、LnC是从供给角度影响价格，影响弹性分别为0.35、0.61；LnY（-1）、LnX是从需求角度影响价格，影响弹性分别为0.07、0.07；LnP（-1）是从预期角度影响价格，影响弹性为0.77。分析结果显示，成本和预期是导致重庆住宅价格上涨的主要因素。
三、误差修正模型
根据格兰杰（Granger）定理，一组具有协整关系的变量一定具有误差修正模型的表达形式存在。下面，我们通过建立误差修正模型进一步揭示住宅价格变化原因。用Et表示协整回归所得残差，建立误差修正模型如表5所示。
表5 误差修正模型
变量 北京天津 上海
重庆
ΔLnY 0.30（3.81）-0.13（-2.85） - -
ΔLnT -
-0.25（-2.24） - -
ΔLnT[，t-1] -0.35（-1.95）
- - -
ΔLnX 0.31（2.60）0.46（3.03）
- -
ΔLnC -- 0.85（1.67） -
ΔLnH -- --0.30（-3.48）
ΔLnP[，t-1] -- 0.83（3.01） 0.69（2.95）
E[，t-1] -0.53（-3.10） -0.47（-2.43） -1.20（3.70）-0.84（-2.91）
LM[，1] 0.008
1.30
0.11 0.18
LM[，2] 0.191.57
0.91 0.15
ARCH0.571.37
0.01 0.0001
标准误差0.040.04
0.04 0.028
DW 1.942.25
2.04 1.92
R[，2] 0.600.37
0.27 0.35
注：括号中的值为t检验值。
表5中回归系数都通过了显著性检验，误差修正系数为负，符合反向修正机制。由于上述误差修正模型中都有LM[，1]＜λ[，0.05（1）][2]=3.84，LM[，2]＜λ[，0.05（2）][2]=5.99，所以这些模型都不存在自相关。在模型中ARCH＜λ[，0.05（1）][2]=3.84，所以两个模型都不存在异方差。
由于对数的差分本身是一个增长率的概念，表5中的误差修正模型显示了影响住宅价格增长率变化的若干因素。北京市住宅价格增长率受收入、滞后1期的投资额、滞后1期的销售额的影响较大，单位影响率都超过了30％，而投资额和销售额大部分都来自于银行，因此住宅价格还间接地受货币政策影响。在模型中还显示出，上一年住宅价格与各变量的非均衡误差以0.53的比率对本年度价格的增长做出修正。
天津住宅价格增长率受投资额、销售额、收入影响较大，其中销售额的影响率达到了0.46，其次是投资额，为0.25，这说明受货币政策影响的投资和住房贷款与住宅价格有紧密的关系。而且上一年住宅价格与各变量的非均衡误差以0.47的比率对本年度价格的增长做出修正。
上海住宅价格增长率与建筑成本、价格预期有紧密的关系，影响率分别达到0.85和0.83，而上一年住宅价格与各变量的非均衡误差以1.2的比率对本年度价格的增长做出修正。由于预期中包括了人们对获取住房贷款、开发贷款的良好预期，货币政策对住宅价格的影响将是间接的。
重庆市住宅价格增长率的变化主要受住宅存量和预期心理的影响，影响率分别达到0.30和0.69。而上一年住宅价格与各变量的非均衡误差以0.84的比率对本年度价格的增长做出修正。由于预期中包括了人们对获取住房贷款、开发贷款的良好预期，货币政策对重庆市住宅价格的影响也是间接的，而且非常显著。
四、结论
货币政策对住宅价格的影响主要通过开发投资、住宅抵押贷款和消费者预期来实现。当开发投资和住宅抵押贷款源源不断涌向房地产业时，消费者会产生价格持续上涨的预期，从而推动住宅价格脱离正常轨道，打破住宅价格与经济基础的均衡关系，造成市场虚假繁荣，使社会财富进一步向少数人转移，严重影响社会经济发展。
对我国4个直辖市的实证研究结果表明，各城市住宅价格都是非平稳变量，这与近期住宅价格不断上涨相吻合。协整分析表明，各城市住宅价格水平与投资额、销售额和滞后一期的价格存在协整关系，说明这些变量是住宅价格变化的主要影响因素，住宅市场不符合有效市场假说。由于除北京外，其他各城市居民可支配收入与住宅价格上涨没有正向的协整关系或协整关系，而投资额和销售额中的大部分是银行贷款，这证明住宅价格上涨与宽松的货币政策有紧密的关系。另外，滞后一期的住宅价格对当期价格影响弹性最高为0.77，最低为0.29，说明消费者基本上是以外推预期判断价格走势，即价格预期的形成不仅与过去价格有关，而且受过去价格变动趋势的影响很大。这是一种非理性预期，表明近期强有力的房地产金融支持，极大地助长了消费者的投机行为，是导致住宅价格上升的一个不可忽视的因素。
通过构建误差修正模型，我们发现误差修正系数非常大，最高为上海，达到1.2，最低为天津，达到0.47，说明近几年这4个城市住宅价格极大地偏离了长期均衡值，或者可以认为价格上涨已经打破了经济基础与住宅价格之间原有的均衡关系。由于居民可支配收入对价格变动的影响率较低，这说明住宅价格的非正常偏离没有市场真实需求做支撑，是非理性繁荣的表现，必须引起政府和产业部门的足够重视。
房地产业是资金密集型产业，其供给和需求都离不开金融支持。然而，在金融制度变迁、不确定性和信息不对称性的背景下，由于金融机构的短视行为，导致贷款大量的投向了房地产业，投资者和消费者由此产生严重的投机行为和风险转嫁行为，将直接导致住宅价格剧烈波动。因此，我们认为降低房地产业的金融支持力度，实行有限度的偏紧的货币政策，对保持住宅价格稳定将起到积极的作用。
标签：临界值论文; 误差修正模型论文; 协整关系论文; 房地产金融论文; 价格弹性论文; 协变量论文; 银行论文; 市场均衡论文; 误差分析论文; 购房论文; 房地产业论文;