中国房地产价格对通货膨胀与产出的影响：理论与实证研究

PAGEPAGE22中国房地产价格对通货膨胀与产出的影响：理论与实证研究【摘要】本文通过一个简单的理论模型和四象限图形分析了房地产价格影响物价与产出的机制，理论分析的结论是：房价通过影响总需求进而对物价水平产生向上的压力，其中，房价波动对储蓄的边际影响起十分重要的作用。在此基础上，综合运用相关性分析、协整检验、脉冲响应函数和方差分解等方法检验我国房地产价格与通货膨胀、产出的关系，实证检验的结论是：短期内，房地产价格波动对通货膨胀与产出的影响十分有限；长期来看，房地产价格对通货膨胀与产出产生重要的影响，并且，在房价与物价、产出之间存在正反馈作用机制。这意味着在一个平稳的宏观经济环境中，这种正反馈作用可能会引发经济过热和房价泡沫。关键词房地产价格；通货膨胀；产出；货币政策目标；正反馈机制ImpactofChinaRealEstatePriceonInflationandOutput:TheoryandEmpiricalResearchAbstract：Withasimpletheorymodelandafourquadrantsdiagram，thisthesisanalysesthemechanismwhichhousepricesaffectingpriceandoutput，theconclusionoftheoryanalysisis：housepricesexertascendingpressuretopricethroughaggregatedemand，andthemarginalimpactofhousepricebringtosavingisveryimportant。Basedonthetheoryanalysis，theauthorteststherelationshipamonghouseprices、priceandoutputwithmethodssuchascorrelationanalysis、Co-integrateTest、ImpulseResponseFunctionandVarianceDecomposition。TheconclusionofEmpiricaltestisthattheeffectshousepricesbringtopriceandoutputisverylimitedinshortterm；inthelongterm，housepricesaffectpriceandoutputsignificantly，andthereexistpositivefeedbackmechanismamonghouseprices、inflationandoutput。Thismeansthatsuchpositivefeedbackmechanismwillbringabouteconomicoverheatingandhousepricebubblesinastablemacro-economyenvironment。Keywords：Realestateprice；Inflation；Output；Monetarypolicytarget；Positivefeedbackmechanism中国房地产价格对通货膨胀与产出的影响：理论与实证研究一、研究背景与问题的提出最近二十年以来，各国货币政策当局与经济学家开始对资产价格，尤其是房地产价格的波动表示出极大的关注与兴趣。这主要源于在1980年代末和1990年代初期，日本与英国等发达国家所经历的通货膨胀中，房地产价格波动起到了先行指示器的作用（Filardo，2000）。[1]日本和英国两国低且稳定的通货膨胀环境孕育了资产价格膨胀，房地产价格成倍上涨所形成的压力使两个国家都最终经历了消费价格水平的大幅度上涨。从中国的现状来看，自1998年我国进行城镇住房制度改革以来，房地产价格在低通胀的环境中经历了大幅度快速上涨的过程。1998年3季度至2006年4季度之间我国房地产价格与通货膨胀率、产出的变动趋势见图1、图2其中，全国房屋销售价格指数的季度数据直接得自于《中国经济景气月报》各期，消费价格指数季度数据是通过对月度消费价格指数的同期比数据进行季度内数据的算术平均求得。。如图1所示，房地产价格的波动态势与消费价格在很大程度上保持了一致性，图中分别用INF1、QHP1表示居民消费价格指数和全国房屋销售价格指数（以上年同期为100）。同期相关系数为0.867，这似乎预示着二者之间存在某种联系。从1999年4季度到2003年4季度，房价增长率保持了平稳增长的走势，2004年1季度起，房价增长率经历了一个快速大幅度上涨的过程，到2004年4季度达到10.8%的最高点，之后在宏观调控的作用下，涨幅有所下降。相对于房价的涨幅，CPI的波动幅度明显较低。从1998年3季度到2003年3季度，居民消费价格增长率在-2%—2%幅度之间波动，由于此处所引用的是以上年同期为100的消费价格指数，因此这种指数代表了物价的年度增长率。2003年4季度到2005年1季度，消费价格增长率在2%以上运行，于2004年3季度达到最高点5.27%后略有回落，此后，消费价格增长率保持在1.2%—其中，全国房屋销售价格指数的季度数据直接得自于《中国经济景气月报》各期，消费价格指数季度数据是通过对月度消费价格指数的同期比数据进行季度内数据的算术平均求得。图中分别用INF1、QHP1表示居民消费价格指数和全国房屋销售价格指数（以上年同期为100）。由于此处所引用的是以上年同期为100的消费价格指数，因此这种指数代表了物价的年度增长率。如图2所示，产出与房地产价格也表现出一定程度的共同波动趋势图中以QHP与YR分别表示房地产价格与GDP的同比增长率，其中左纵轴是房价增长率，右纵轴是产出增长率。此处的图中以QHP与YR分别表示房地产价格与GDP的同比增长率，其中左纵轴是房价增长率，右纵轴是产出增长率。此处的GDP的同比增长率是根据当年GDP当年累计值、当年累计增长率推算出的GDP季度增长率。总体来看，1999年以来我国房地产价格的上涨产生于一个低通胀的外部环境，随着房价的持续快速上涨，物价水平开始大幅度上涨，产出也出现高涨。这一过程与1980年代底1990年代初日本、英国所经历的房地产泡沫与经济过热颇为相似。虽然在宏观调控的作用下，房价上涨势头总体上有所缓解，但2006年底至今物价水平与产出水平的高涨给我们再次拉响了经济过热的警报。图1.通货膨胀率与房地产价格的波动趋势图2.产出与房地产价格的波动趋势当前，我国货币政策目标是维持物价稳定。在通货膨胀与经济过热的形成过程中，房地产价格是否起作用，如何起作用，起多大的作用？通货膨胀、产出与房地产价格之间存在怎样的相互联系？随着房地产业在我国国民经济中所占地位的上升，这些问题逐渐成为货币政策当局进行宏观调控，进而实现物价稳定目标所面临的基础性问题。本文将对此展开研究，这一方面可以弥补相关理论研究的不足，另一方面可以为货币政策当局制定相应的政策提供参考。全文的结构安排如下：第二部分是文献综述；第三部分是理论分析；第四部分是我国房地产价格与通货膨胀、产出关系的实证检验；最后是结论。二、文献综述国外学者关于资产价格与通货膨胀关系的研究大致沿两个方向，一是沿着Alchian和Klein的思路，探讨资产价格是否应该以及如何包含进入广义的通货膨胀指标；二是研究资产价格波动对于未来通货膨胀与产出的影响，探讨资产价格与通货膨胀、产出之间稳定的关系。（一）资产价格是否应该以及如何包含进入广义的通货膨胀指标资产价格可以作为未来通货膨胀波动指示器的观点最早起源于Fisher（1911），他认为货币供应量的增加首先表现为资产价格的上涨，然后才是商品价格的上涨。Alchian和Klein（1973）提出了跨期生活成本指数（ICLI）的概念，认为对于生活成本的全面度量应该包含未来物价的变化，由于资产价格反映了人们对未来商品与服务的预期，因此可用作未来商品与服务价格的代理变量。[2]Shibuya（1992）将ICLI运用于实践，[3]建立并命名了动态均衡价格指数（DEPI），他将该指数表示为当期物价指数和资产价格的加权几何平均。Shiratsuka（1999）计算了日本的动态均衡价格指数，并检验了资产价格作为通货膨胀先行指标的信息内涵。[4]Goodhart（1999）建议政策当局应该考虑一个广义的价格指数，其中包括房价与股价。GoodhartandHofmann（2001）在MCI（货币状况指数）的基础上，加入房地产价格与股票价格，从而将C扩展为FCI（金融状况指数），发现这一指数包含了关于未来通货膨胀压力的有用信息。[5]（二）资产价格是否对未来通货膨胀与产出具有预测力大部分文献都支持房地产价格对于未来的通货膨胀与产出具有显著的预测力，并且这种预测力强于股票价格。Filardo（2000）检验了包含住房价格与股票价格在内的资产价格对于通货膨胀的预测能力，结论是，住房价格波动能够为未来的消费价格膨胀提供有益的信息。[1]GoodhartandHofmann（2000）估计了一个小型结构模型，结果发现，房地产价格对于产出具有高度显著的影响，并且在两年水平上，房价是消费价格膨胀的有用指示器。[6]GoodhartandHofmann（2002）估计了G7国家中住房价格对产出缺口的影响，结果发现房价对产出缺口的影响大于股价对产出缺口的影响。[7]Bryan，CecchettiandSullivan（2002）运用动态因素指数，研究结论是，资产价格确实对总体价格变化产生影响，特别是住房价格的影响最大。[8]KontonikasandMontagnoli（2002）估计了房价对总需求和通货膨胀的影响，结果显示，房地产价格对于总需求具有重要的影响，并且住房价格波动与未来的消费价格膨胀之间具有高度的正相关性。[9]HelblingandTerrones（2003）发现，住房价格的崩溃所导致的产出损失是股票价格崩溃所导致产出损失的两倍。[10]Black，FraserandHoesli（2005）运用时变贴现方法，发现房价对通货膨胀的影响具有不对称性。[11]TkaczandWilkins（2006）分别运用线性模型与非线性阀值模型检验了股价与房价对加拿大GDP和通货膨胀的预测能力，其结论是，房价能够帮助预测未来产出与通货膨胀。[12]（三）国内学者的相关研究近年来，国内学者开始以包含房地产价格在内的资产价格为对象，研究如何构建广义价格指数。如王恒（2007）运用一般回归方法构建了一个包含房地产价格的新通货膨胀指数，结果显示新指数可以使既定的货币政策更加有效。[13]封北麟、王贵民（2007）运用VAR模型经验估计了中国的金融状况指数FCI，结果表明FCI对于通货膨胀具有良好的预测能力。[14]陆军等（2007）估计了中国的金融状况指数FCI，结果表明FCI对于通货膨胀具有良好的预测能力。[15]国内文献中，单独以房价作为对象，探讨其与通货膨胀关系的文献相对较少。王维安等（2005）的实证研究发现，房地产预期收益率与通货膨胀预期之间确实存在稳定的函数关系。[16]中国人民银行南昌中心支行课题组（2006）分别进行了固定效应模型与混合最小二乘法估计，发现房地产价格指数与消费者价格指数不存在统计意义上显著关系。[17]国内现有研究的不足主要有：（1）大部分文献以资产价格，尤其是以股票价格作为研究对象，单独对房地产价格进行的研究比较少；（2）对房地产价格单独进行研究的文献中，政策性分析多，严格的理论分析与实证检验较少。本文通过一个简单的理论模型与四象限图形分析了房地产价格影响通货膨胀与产出的机制，同时综合运用相关性分析、协整分析、脉冲响应函数和方差分解等方法实证检验我国房地产价格与通货膨胀、产出的关系。三、理论分析（一）基本作用机制房地产价格波动影响通货膨胀和产出的机制主要有二：一是房价波动通过影响总需求，从而对未来的通货膨胀产生影响。房地产价格通过这一机制影响经济行为的渠道主要可分为三种：财富效应、托宾Q效应以及信贷渠道效应。其中，财富效应是指，作为居民的一项重要的资产，房价上涨使居民拥有的财富增加，这使居民的消费也相应增加；托宾Q效应是指，当房价上涨并使得住房投资的托宾Q值大于1时，房地产建设开发商将有利可图，房地产投资会增加；信贷渠道效应是指，由于信贷市场存在摩擦，经济主体面临着融资约束，而房地产是获取银行信贷的最常用的抵押物，因此当房地产价格上涨导致抵押物价值上涨时，经济主体的融资约束放松，相应增加投资与消费。二是房地产价格在理论上由未来房租贴现值决定，因此房价受未来收益预期的影响，这又关系到对未来经济行为、通货膨胀和货币政策的预期。因此，即使房地产价格对总需求的影响是有限的，它们也同样包含了关于未来经济条件的有用信息（Smets，1997），这些信息可用于改善对未来通货膨胀的预期。[18]（二）一个简单数理模型表示下面本文用一个简单模型说明房地产价格波动通过影响总需求，进而对通货膨胀产生影响的机制。该模型思路受益于陆军.梁静瑜（2007）的启发。首先，本文通过一个简单的静态模型，说明房地产价格对产出的影响方向。由收入——支出法可得不考虑净出口，支出中略去净出口项。不考虑净出口，支出中略去净出口项。（1）其中，Y是产出，C是消费，I是投资，G是政府购买，S是储蓄，T是税收，HP是房地产价格，i是利率。假设政府收支平衡，因此有。（1）式可以写为：（2）根据经济理论，可知各变量的偏导数符号表示投资对房价的偏导数。其余变量的偏导数表示与此类同。：。其中，的理由有三：1.根据托宾Q理论，房价上涨使得房地产开发建设部门有利可图，因此增加房地产开发建设投资；2.由于房地产业对于国民经济中其他行业如生产资料、原材料、建材、基础设施等的拉动作用，房价上涨所引发的房地产投资增长将推动这些行业的投资增长；3.根据Bernanke，Gertler的信贷观，房地产价格上涨时使抵押物价值随之增加，企业融资约束放松，银行贷款扩张意愿增强，进而导致投资支出也增加。总之，房价的上涨将导致投资水平的全面增长。表示投资对房价的偏导数。其余变量的偏导数表示与此类同。对（2）式两边求Y对HP的隐函数导数得：（3）对于，它表示房价波动对储蓄的边际影响。考虑到经济主体的异质性，房价上涨对不同经济主体的储蓄行为将产生不同影响。对于已有住房者，房价上涨通过财富效应和信贷渠道刺激增加消费而减少储蓄，或者投资于住房而减少储蓄；对于无房并准备购房者，房价上涨使他们的预防性动机增加，为购买更高价格的住房，他们不得不增加储蓄。因此，的符号取决于两种效应的对比，当房价上涨对储蓄增加的刺激作用大于其对储蓄减少的刺激作用时，>0，表示房价对储蓄的边际影响为正；反之，<0，表示房价对储蓄的边际影响为负。但这涉及到房屋的保有权结构、房屋在居民资产中所占的比重，从理论上很难判别，往往需要通过实证检验来确定。（3）式的符号取决于的符号，这又可分为几种情形。1.当，或时，，（3）式为正，说明房价对总需求起到刺激作用，房价的上涨使产出增加；2.当时，，（3）式为负，说明房价对总需求起到抑制作用，房价的上涨使产出减少。由此可知，随着房地产价格的上涨，产出（总需求）也随之变动，但是变动的方向却取决于投资对房价偏导数与储蓄对房价偏导数之间的对比。下面用一个简化的向后看（Backward-looking）Philips曲线与向后看IS曲线来考察房地产价格波动对于产出与通货膨胀的动态影响机制，设：Phlips曲线：（4）IS曲线：（5）其中，Yt、Pt为对数形式t时期的真实产出、通货膨胀率，其他变量的定义如前，参数及均为正数。从（4）、（5）式可知，通货膨胀为需求拉上型。另外，房地产价格对于产出的影响与利率对于产出的直接影响不同，是一种间接的影响，这种间接通过一个函数表示，并且如前所述，的符号取决于投资对房价的偏导数与储蓄对房价的偏导数之间的对比。将（5）式代入（4）式得：（6）将（4）、（5）式重复迭代消去Y，（6）式变为：（7）其中，与均为正数。由（6）式可知，房地产价格通过影响产出（或总需求）从而影响通货膨胀。具体的影响方向取决于的符号，这又取决于投资对房价的偏导数与储蓄对房价的偏导数之间的对比。以上的分析意味着房价波动对储蓄的边际影响（大小与方向）在决定房价对产出、通胀影响方面十分重要：如果房价过度上涨造成经济主体的预防性动机增加过大，使储蓄增长幅度过大（这对应着消费大幅缩减），就有可能对产出、通胀形成负面的影响，引发通货紧缩；反之，如果房价上涨刺激消费增长（减少储蓄），或者虽然使储蓄增长，但增长幅度低于投资的增长幅度，则可能对产出起正向作用，进而对物价水平产生向上的压力。（三）四象限模型表示下面本文用一个四象限模型表示房地产价格波动通过信贷渠道导致通货膨胀与产出（总需求）变动的机制。其中，图3-1表示房价与融资溢价之间的关系，在一个充满摩擦的信贷市场中，房地产被用作抵押物，当房价上涨时（HP1HP2），抵押物价值增加，公司或居民融资溢价下降（R1R2），因此房价与融资溢价之间反向变动。为简化起见，将房价与融资溢价之间的关系表示为线性关系。图3-2表示可得资金的供求机制，假设初始可得资金的需求由FD曲线决定，可得资金的供给由FS1决定，初始均衡点是e0，当融资溢价下降后，意味着资金提供者愿意以更低的价格提供同样数量的资金，因此可得资金供给曲线左移到FS2，均衡点由e0移到e1。这样可得资金由F1上升到F2。图3—3表示可得资金与投资（消费）之间的关系，随着可得资金由F1增加至F2时，经济主体的融资约束放松，企业（居民）会相应增加投资（消费）。图3—4表示总供给与总需求的均衡关系，当投资（消费）增加时（I1I2），总需求也相应增加，总需求曲线由AD1移动到AD2，假设总供给在短期内不变，总供给曲线AS也保持不变，因此总价格水平与产出将从（P1，Y1）增加为（P2，Y2）。经济系统中产出与通货膨胀的新均衡点与新的房价保持一致性变动，当房价再次上涨时，产出与通货膨胀也相应增加。为简化起见，将房价与融资溢价之间的关系表示为线性关系。PHPASHP2P2P1HP1AD2AD1Y1Y2YR2R1RPHPASHP2P2P1HP1AD2AD1Y1Y2YR2R1R41FFFS2F2e1F2FS1F1e0F1FDI1（C1）I2（C2）I（C）R2R1R32图3.房地产价格影响通货膨胀、产出的图形表示四、我国房地产价格与通货膨胀、产出关系的实证检验（一）研究方法与数据处理1.研究方法（1）向量自回归模型与向量误差修正模型西姆斯（Sims，1980）提出来的向量自回归(VAR)模型不但具有联立方程对多个经济变量相互影响进行分析的优点，同时由于VAR模型的解释变量不包括任何当期变量,所以与联立方程模型有关的问题在VAR模型中都不存在（张晓峒,2000）。[19]含有N个变量滞后p期的VAR（p）模型可以表示如下：～其中，，Yt是N×1阶时间序列列向量，P是滞后阶数，是N×1阶常数项列向量，是N×N阶参数矩阵，～是N×1阶随机误差列向量。建立VAR模型要求各变量具有平稳性，对于非平稳变量，则要对变量之间的协整关系进行检验：如果变量之间不存在协整关系，可对各变量进行差分平稳化后建立VAR模型；如果各变量之间存在协整关系时,在模型的设定时应选择向量误差修正模型（VECM）形式。相应的向量误差修正模型可以设定如下：其中是协整矩阵，是调整系数矩阵。和都是N×r阶矩阵，表示有r个协整向量，…，存在r个协整关系。用误差修正项的形式可以将上式表示为：其中，是误差修正项，反映变量之间的长期均衡关系，系数向量反映变量之间的均衡关系偏离长期均衡状态时，调整其到均衡状态的调整速度。（2）脉冲响应函数与预测方差分解基于向量误差修正模型，通过考察系统的脉冲响应函数与方差分解，可以更好地观察变量之间的动态关系。脉冲响应函数描述一个内生变量对误差冲击的反应。具体地说，它描述的是在随机误差项上施加一个标准差大小的新息（Innovation）冲击后对内生变量的当期值和未来值所带来的影响。方差分解是把系统中每个内生变量的波动按其成因分解为各方程新息（随机误差项）相关联的组成部分，从而了解各新息对内生变量的重要性。2.数据来源与处理对于变量的选择主要根据本文的理论分析部分，另外，受HoffmaisterandSchinasi（1995）启发，资产价格的波动通过与利率、产出和货币增长的相互作用，从而影响到商品价格或通货膨胀率。[20]因此，本文的研究变量包括房地产价格、产出、通货膨胀率、货币供应量与利率。由于我国利率形成机制尚未完全市场化，利率对经济主体的引导、调节作用依然有限，而货币供应量在货币政策调控中依然有重要的地位，并且经济理论认为其对通胀和总需求产生重要影响，因此在变量选择中包含了货币供应量。本文采用1998年1月至2006年12月期间的月度数据，共108组样本数据，所有的数据均来自《中国经济景气月报》和《中国人民银行统计季报》各期。其中，对于明显具有季节性的变量采用X-12方法进行季节调整。由于我国利率形成机制尚未完全市场化，利率对经济主体的引导、调节作用依然有限，而货币供应量在货币政策调控中依然有重要的地位，并且经济理论认为其对通胀和总需求产生重要影响，因此在变量选择中包含了货币供应量。Sims（1993）认为，使用未经过季节调整的数据可能易于高估变量的解释力，而使用经过季节调整数据则可能产生更小的偏差。图4.经过处理的各变量时间趋势图本文中所采用的代理变量及其处理如下：（1）通货膨胀率（INF）采用以1997年12月为基期的定基消费价格指数（CPI）作为代理变量。具体计算方法是以1997年12月为基期，将各月的月度消费价格环比指数连乘而得到。由于消费价格定基指数具有明显的季节性，因而采用X-12方法进行季节调整。（2）房地产价格（HP）由于数据的可得性，采用国房景气指数中的房地产销售价格指数作为房地产价格的代理变量。（3）产出（Y）由于缺乏GDP的月度数据，采用工业增加值的月度数据作为代理变量。名义工业增加值除以同期的定基消费价格指数，将其转换为以1997年12月的价格所表示的实际工业增加值。由于工业增加值具有明显的季节性，因而采用X-12方法进行季节调整。（4）货币供应量（M2）采用广义货币供应量M2作为货币供应量的代理变量，并采用X-12方法进行季节调整。（5）利率（I）采用银行间市场7天同业拆借利率作为代理变量，并剔除通货膨胀因素，得到实际利率。最后，将所有的数据取对数处理。经过处理之后的通货膨胀率、房地产价格、产出、货币供应量与实际利率分别用LINF、LHP、LY、LM2、I表示。各变量变动趋势如图4所示。（二）房地产价格与通货膨胀、产出的动态相关性分析笔者计算了房地产价格与通货膨胀、产出之间的动态相关系数动态相关系数表见附表1。，相应的动态相关关系如图5所示。当期通货膨胀INFt与房地产价格QHPt+j（j=0，±1，±2，…）之间的动态相关系数表现出的特征是：一、以同期相关系数0.749为最大值，随着房地产价格超前或滞后期的增加，二者之间的动态相关程度在逐渐降低；二、二者的动态相关系数在绝大部分时间都为正，负相关关系出现在房价超前16个月至超前27个月，而且不显著。这说明二者之间存在的主要是同向波动关系，前36个月的房价波动与本月通货膨胀率的波动方向一致，而本月通货膨胀的波动与未来15个月的房价波动方向一致。这可能预示着在房地产价格、通货膨胀之间存在相互的正向影响。动态相关系数表见附表1。图5.INFt、Yt与QHPt+j（j=0，±1，±2，…）的动态相关系数当期产出Yt与各期房地产价格QHPt+j（j=0，±1，±2，…）之间的动态相关系数表现出的特征是：一、以同期相关系数0.725为最大值，随着房地产价格超前或滞后期的增加，二者之间的跨期相关系数逐渐减小；二、二者之间的动态相关系数在所有的72个月考察期内均为正。这说明房价与产出具有同向波动趋势，前36个月的房价与本月产出的波动方向一致，而本月产出与未来36个月的房价波动方向一致。这也似乎预示着在产出与房地产价格之间存在正向的相互影响。总之，以上动态相关性分析预示着我国房地产价格的波动中可能包含了未来通货膨胀和产出的有用信息，并且房价与通胀之间、房价与产出之间可能存在正向的相互影响。当然，这种相关系数分析仅仅是初步的，各变量之间复杂的经济关系还有待于更严密计量方法的检验。（三）我国房地产价格与通货膨胀、产出关系：协整分析与因果关系检验1.变量的平稳性检验在建立VAR模型或进行协整关系检验之前，必须首先对各变量的平稳性进行检验，本文运用方法对各个变量的平稳性进行单位根检验。对各变量平稳性进行单位根检验的结果如表1所示。表1.各变量的单位根检验结果变量检验类型（c，t，n）统计量临界值临界值AICSCDW检验检验结果LINF（c，t，2）-1.34-4.05-3.45-8.27-8.151.99不平稳LY（c，t，2）-2.97-4.04-3.45-3.75-3.622.05不平稳LHP（c，t，2）-3.06-4.05-3.45-5.26-5.142.05不平稳LM2（c，t，1）-2.09-4.05-3.45-7.17-7.072.01不平稳I（c，t，2）-2.10-4.05-3.452.022.141.94不平稳LINF（c，0，1）-7.65**-3.49-2.89-8.17-8.101.85平稳LY（c，0，1）-11.22**-3.50-2.89-3.67-3.602.04平稳LHP（c，0，1）-7.16**-3.50-2.89-5.20-5.122.00平稳LM2（c，0，1）-8.56**-3.50-2.89-7.16-7.092.02平稳I（c，0，1）-8.12**-3.49-2.582.032.111.96平稳注：其中LINF、LY、LHP、LM2、I分别表示原序列的一阶差分序列，（c，t，n）分别表示单位根检验模型中的截距项、时间趋势项和滞后阶数。*表示在5%水平显著，**表示在1%水平显著。所有数据分析均运用Eviews5.0软件进行。由表1可知，各变量的水平值在5%的临界水平都是不平稳的，而所有变量的一阶差分在1%的临界水平都是平稳的。因此，可以得出所有的变量都是一阶单整序列，即I（1）。2.协整关系检验由于各变量均为一阶单整时间序列，则在通货膨胀率、产出、房地产价格、货币供应量与实际利率之间可能存在长期稳定的均衡关系。这种关系可以通过协整检验来确定。本文运用Johnsen（1988）和Juselius（1990）所提出的Johnsen协整检验方法来对本文的多变量系统进行检验。这种检验方法是基于向量自回归模型来进行的，在检验之前必须先确定VAR模型的结构。本文建立的VAR以及随后的向量误差修正模型中，内生变量序列设定为：Y本文建立的VAR以及随后的向量误差修正模型中，内生变量序列设定为：Yt=（LINF，LY，LHP，LM2，I）′。对于VAR模型中最合适滞后期k值的选择，本文选用AIC或SC信息准则来初步确定k值，原则是选择使AIC或SC的值最小的k值，然后再对所估计VAR或VECM的残差是否服从独立同分布，以及残差序列是否存在自相关、异方差等进行诊断检验。最后，根据各检验结果选取K=4。通过模型选择的联合检验,确定最合适的协整检验模型为协整空间中有常数项、时间趋势项,数据空间有线性趋势项。通货膨胀率、产出、房地产价格、货币供应量与实际利率的Johnsen协整检验结果如表2所示。表2.LINF、LY、LHP、LM2与I的Johnsen协整关系检验结果零假设H0特征值迹统计量5%水平临界值概率值r=0*0.443104141.976588.80380r≤1*0.27644782.2680163.87610.0007r≤2*0.19970949.262742.915250.0103r≤30.15324326.5391425.872110.0413r≤40.0895779.57233212.517980.1479注：迹统计量显示在0.05水平存在三个协整方程，*表示在0.05水平拒绝零假设，**表示MacKinnon-Haug-Michelis（1999）P值将变量之间的协整关系进行标准化处理，得到以通货膨胀作被解释变量的协整关系式(括号内的数字为t统计量)：（8）其中，ecmt误差修正项。括号内数字为t统计量。在该协整关系式中，房地产价格与通货膨胀率的长期关系弹性为0.31；产出与货币供应量也和通货膨胀率同向变动。但是利率的系数却非常小，仅为0.0006，且t统计量也非常不显著。这说明在以上五个变量组成的协整关系中，利率对于通货膨胀率的影响虽然为负，但是这种反向影响却非常有限，甚至可以忽略不计。这一检验结果可能意味着在中国目前利率形成机制尚未完全市场化的情形下，经济主体对于利率的低弹性现象仍然存在。鉴于以上的结果，将利率剔除后对剩余的变量进行协整关系检验。根据同样的方法选择VAR模型的最佳滞后阶数K=5LM1=17.16（P=0.37），LM5=21.06（0.18），JB=4.08（P=0.13），H（异方差）=420（P=0.23），这说明在5%LM1=17.16（P=0.37），LM5=21.06（0.18），JB=4.08（P=0.13），H（异方差）=420（P=0.23），这说明在5%的显著水平上，VAR的残差序列不存在自相关和异方差，均满足正态性。由于篇幅有限，协整关系检验模型设定中是否含时间趋势项的具体检验过程省略，数据空间中含趋势可由各变量的图形与单位根检验过程得知。通货膨胀率、产出、房地产价格与货币供应量的Johnsen协整检验结果如表3所示。结果显示，在通货膨胀率、产出、房地产价格与货币供应量之间存在一个协整关系。表3.LINF、LY、LHP与LM2的Johnsen协整关系检验结果零假设H0特征值迹统计量5%水平临界值概率值r=0*0.3661582.6141763.87610.0006r≤10.15829136.5638942.915250.1865r≤20.14578119.1594325.872110.2714r≤30.0316193.24505312.517980.8462注：迹统计量显示在0.05水平存在一个协整方程，*表示在0.05水平拒绝零假设，**表示MacKinnon-Haug-Michelis（1999）P值可以将变量之间的协整关系进行标准化处理，得到以通货膨胀作被解释变量的协整关系式(括号内的数字为t统计量)：（9）其中，ecmt是各变量对长期均衡的偏离所产生的非均衡误差项。时间趋势项的t统计量显著，说明将协整方程设定为含时间趋势项是正确的。由以上的协整关系式可知，在通货膨胀率、产出、房地产价格与货币供应量之间存在长期稳定的均衡关系。其中，房地产价格与通货膨胀率的长期关系弹性为0.239，即长期来看，房地产价格每上涨1%，通货膨胀率也相应增加0.239%。3.向量误差修正模型（VECM）的建立与因果关系检验（1）向量误差修正模型（VECM）的建立由于已经证明了在变量之间存在协整关系，因此可以利用协整关系建立向量误差修正模型，以反映变量之间的长期均衡与短期波动关系。四个变量之间的协整关系可以误差修正项形式表示为：（10）通货膨胀率、产出与房地产价格的向量误差修正模型估计结果如表4所示：表4.向量误差修正模型的估计结果方程LINFLYLHPECM（-1）-0.076（-2.35）-1.150（-3.04）0.701（4.26）LINF（-1）0.222（1.93）1.645（2.79）LINF（-2）-3.338（-2.36）1.264（2.05）LINF（-3）-0.130（-1.00）1.197（1.80）LINF（-4）-0.175（-1.77）1.193（2.35）LINF（-5）0.126（1.20）-3.040（-2.47）0.850（1.59）LY（-1）0.038（3.03）-0.951（-6.42）0.366（5.67）LY（-2）0.018（1.14）-0.770（-4.23）0.314（3.96）LY（-3）-0.335（-1.72）0.311（3.65）LY（-4）-0.394（-2.26）0.207（2.72）LY（-5）0.022（1.69）-0.418（-2.78）0.114（1.74）LHP（-1）-0.022（-1.08）0.562（2.36）LHP（-2）0.031（1.50）-0.318（-1.31）LHP（-3）LHP（-4）-0.021（-1.10）LHP（-5）LM2（-1）-0.061（-1.07）-0.300（-1.03）LM2（-2）-0.121（-2.16）LM2（-3）0.508（1.79）LM2（-4）-2.016（-3.07）0.563（1.97）LM2（-5）-1.423（-2.19）0.352（1.24）C0.103（3.34）-0.040（-2.99）R20.530.550.39F4.334.512.49DW1.912.052.04AIC-24.75SC-22.35注：删除了t统计量小于1的不显著项。其中，括号内数字为t统计量，R2表示拟合优度，F表示F统计量，AIC与SC分别表示AIC与SC信息准则值。对模型的残差进行各种诊断检验，结果表明LM1=15.42（P=0.49），LM5=15.14（0.51），JB=3.45（P=0.17），H（x2=442P=0.22）。，LM1=15.42（P=0.49），LM5=15.14（0.51），JB=3.45（P=0.17），H（x2=442P=0.22）。以上的模型反映了变量之间复杂的关系，下面对此展开分析。①关于通货膨胀方程误差修正机制对滞后一期的系统非均衡误差的修正效果良好，调整系数显著为负，是-0.076。这说明滞后一期的非均衡误差对当期的通货膨胀率产生了反向调节作用。将（10）式滞后一期形式的左右两边同乘以调整系数-0.076，可得各变量长期变动对于当期通货膨胀率LINF的影响：（11）由（11）可知，长期来看，房价上涨会伴随着短期通货膨胀率的增加，其弹性系数为0.018，即长期内房地产价格上升1%，当期的通货膨胀率也会上涨0.018%。长期来看，产出与广义货币供应量的波动也会伴随着短期通货膨胀率的上涨，它们与当期通货膨胀的弹性系数分别为0.011和0.046。从房价影响通货膨胀率的短期动态关系来看，滞后1月与滞后4月的房价波动反向影响当期的通货膨胀率，滞后2月的房价与当期通货膨胀率同向波动。总的来看，短期房价波动对当期通货膨胀率的影响效果十分微弱且不显著（t值均小于2）。②关于产出方程从调整系数为-1.150可以看出，误差修正机制对非均衡误差的反向修正效果良好，滞后一期的非均衡误差对当期的产出变动产生了显著的反向调节作用。将（10）式滞后一期形式的左右两边同乘以调整系数-1.150，可得各变量长期变动对于当期产出的影响：（12）由（12）可知，长期来看，房价上涨会伴随着当期产出的增长，二者之间的弹性系数为0.276，即长期内房价上涨1%，当期产出也相应上涨0.276%，这说明房价的长期上涨对当期产出增长有较明显的刺激作用。另外，长期来看，通货膨胀率的增加会伴随着当期产出的下降，并且弹性系数为-1.150，这说明通货膨胀率的长期增加会对当期经济增长产生抑制作用。从房价影响产出的短期动态关系来看，滞后1月的房价正向影响产出，而滞后2月的房价反向影响产出，总的来看，短期房价波动对当期产出的影响效果，比较小且不是足够显著。③关于房地产价格方程房地产价格的误差修正机制中调整系数为0.701，说明误差修正模型不能对滞后一期的非均衡误差起反向调节作用。从通货膨胀率、产出影响房价的短期动态关系看，滞后1月—5月的通货膨胀均对当期房价产生显著的正向影响；滞后1月—5月的产出波动均对当期房价产生显著的正向影响。这说明，房价对于物价水平、总需求的变化相对敏感，其变动即使在短期内都可以对房价产生正向的影响。（2）因果关系检验基于向量误差修正模型可以对变量之间的长期和短期因果关系进行检验。关于通货膨胀率、产出与房价的误差修正模型可以表示为：以通货膨胀的误差修正模型为例。检验零假设H01：，如果接受H01，就是接受房价在短期不能成为通货膨胀率波动的Granger原因；否则，就是接受房价短期内可以作为通货膨胀率波动的Granger原因。检验H02：，如果接受H02，就是接受房地产价格在长期内不能成为通货膨胀率波动的Granger原因；否则，就是接受房地产价格波动长期内可以作为通货膨胀率波动的Granger原因。其他变量之间的因果关系检验与此类同。对相应的变量系数做约束检验的Wald系数检验结果如表5所示。表５.基于ECM的各变量之间的长短期Granger因果检验结果方程原假设X2概率值结论通货膨胀率LHP不是LINF的短期Granger原因4.670.46接受LHP不是LINF的长期Granger原因13.890.03拒绝LY不是LINF的短期Granger原因12.770.03拒绝LY不是LINF的长期Granger原因56.220.00拒绝产出LHP不是LY的短期Granger原因8.040.15接受LHP不是LY的长期Granger原因15.930.01拒绝LINF不是LY的短期Granger原因13.200.02拒绝LINF不是LY的长期Granger原因18.360.01拒绝房地产价格LINF不是LHP的短期Granger原因27.390.00拒绝LINF不是LHP的长期Granger原因29.170.00拒绝LY不是LHP的短期Granger原因34.430.00拒绝LY不是LHP的长期Granger原因34.210.00拒绝注：以上检验中的结论是在5%的显著性水平上作出的。从表5的检验结果可以看出，房价与通胀、产出的因果关系是：一、房价在短期内不能作为通货膨胀与产出变动的Granger原因，长期来看，则能够成为通货膨胀与产出变动的Granger原因；二、通货膨胀率与产出无论在短期还是长期都能作为房价波动的Granger原因。对此，可能的解释有：随着通货膨胀的上涨，经济主体纷纷投资于保值性更好的实物资产，其中房地产就是一种保值性较好的实物资产，另外，通货膨胀使实际利率下降，这时敏感家庭以更低的融资成本借款购买住房，由此推动房价上涨（PiazzesiandSchneider，2007）；[21]同样，总需求的扩张会推动房价上涨。总之，因果关系检验结果告诉我们，长期来看，房价与通货膨胀率之间，房价与产出之间存在双向互为因果关系。（四）房地产价格与通货膨胀率、产出之间的动态关系与贡献度：脉冲响应函数与方差分解基于向量误差修正模型(VECM)，为了更好地观察房地产价格与通货膨胀率、产出之间的动态关系及贡献度，可以考察系统的脉冲响应函数和方差分解。在脉冲响应函数分析与方差分解中，使用标准的Cholesky因子分解识别冲击结构，内生变量的顺序选择是（LM2，LY，LINF，LHP）。这里变量顺序的选择借鉴了GoodhartandHofmann（2001）。1.脉冲响应函数分析（1）通货膨胀率对各变量的脉冲响应函数如图6所示，对于房地产价格的一个单位标准新息的冲击，通货膨胀率在当月和第2月的反应为零，从冲击发生的第2月开始到第4月，通货膨胀率有一个迅速增加的过程，到第4月达到0.15%，从第6月起，通货膨胀率开始缓慢上升，并且这一过程一直持续到第48月，达到最大值0.56%。对于产出的冲击，通货膨胀率在当期的反应为-0.13%，从第2期开始变为正向反应，以后正向逐渐增加，到48期达到0.68%，这种反应路径也说明，作为总需求的代理变量，产出冲击在长期会对通货膨胀率产生明显的向上压力。（2）产出对各变量的脉冲响应函数如图7所示，对于房地产价格的一个单位标准新息的冲击，产出在当月的反应为零，第2月有一个正向的响应，达到1.3%，但是到第3月的响应却几乎零，这种反应说明，房地产价格波动对产出的影响在短期具有不确定性；随着房价冲击作用时间的延续，产出从第4月开始产生正向响应，这种响应也表现出一个逐渐增加的过程，到第48月时达到1.13%。对于通货膨胀率冲击，产出在短期内有较大的波动，反应方向为负向，长期看这种反应稳定在-0.45%至-0.48%之间，说明通货膨胀对产出的影响短期内具有不确定性，长期来看对产出产生稳定的负面影响。图6.通货膨胀对各变量冲击的脉冲响应函数图7.产出对各变量冲击的脉冲响应函数（3）房地产价格对各变量的脉冲响应函数如图8所示，对于通货膨胀率的冲击，房价在第1期的反应为零，到第3期迅速上升到1.15%，此后略有波动，从第11期起房价反应稳定在0.97%—1.0%之间。对于产出的冲击，房价在第1期反应为零，到第4期迅速上升到1%，此后略有波动，从15期起逐渐稳定在1.0%—1.2%之间。这说明，房价对通货膨胀水平与产出变动较为敏感，物价与总需求的冲击在短期和长期均使房价产生正向响应。图8.房地产价格对各变量冲击的脉冲响应函数总之，脉冲响应函数分析结果可以看出，房地产价格冲击在短期内对物价水平与产出的影响十分有限，而长期来看，却对宏观经济形成显著的正向影响；通货膨胀与总需求冲击无论是短期还是长期都对房价产生显著的正向影响。2.方差分解（1）通货膨胀率的方差分解观察图9并结合表6，可知房地产价格对通货膨胀率的贡献度在第1、2月为零，从第3月开始逐步增加，但增加的速度递减，第4月可以解释通货膨胀率预测误差的12%，从第25月起到48月，房价波动对通货膨胀波动的贡献度逐渐增加并稳定35.5%—37.2%之间。这说明我国房价的波动短期内对通货膨胀的解释力十分有限，长期看则会对通货膨胀具有很强的解释力。从整体来看，短期内通货膨胀的预测方差主要来自于自身，长期内有50%来自于产出的冲击，37%来自房地产价格的冲击，5%来自广义货币量的冲击，7%来自于自身的冲击。（2）产出的方差分解观察图10并结合表7，可以看出，房价对产出的贡献度在第1期为零，第2期增加到10.83%，此后略有下降，到第6期对产出的贡献度为7.89%，第7期起一直处于增加的趋势，从第40期—48期逐步稳定在14%—15%之间。从长期看，产出的预测方差有80%来自于自身的冲击，有15%来自于房地产价格的冲击，有4%来自于通货膨胀的冲击，而来自于广义货币量冲击的预测方差几乎为零。（3）房地产价格的方差分解观察图11并结合表8可以看出，通货膨胀对于房价的贡献度在第1期为零，第4期时为21.6%，到第6期迅速增加为25.8%，此后逐渐下降，到第48期为19.21%。产出对于房价的贡献度在第1期为零，到第4期迅速增加到13.9%，此后逐渐缓慢增加，到第48期时为22%。这说明，即使在短期内，物价水平与总需求也是房价波动的重要解释因素。从长期来看，房价波动的预测方差有54%来自于自身的冲击，有22%来自于产出的冲击，有19%来自于通货膨胀率的冲击，来自货币量的冲击只占5%。总之，方差分解的结果告诉我们：长期来看，一方面房地产价格上涨是通货膨胀与产出增长的重要影响因素；另一方面通货膨胀与产出水平的高涨无论短期还是长期都是房地产价格上涨的重要影响因素。因此，房地产价格与宏观经济从长期来说存在相互的重要影响。图9.通货膨胀率的方差分解图10.产出的方差分解图11.房地产价格的方差分解表6.通货膨胀率的方差分解结果时期（月）S.E.LINFLYLHPLM210.00303380.7384918.9621600.29934740.00581577.870687.43934312.419412.27056880.00821159.3767518.6666819.884972.071606120.01138540.9086729.1325728.056291.902473160.01500529.3050736.2797431.912522.502666200.01892221.6711441.1314434.158793.03863240.02296816.8365244.29835.414253.451235280.02705313.6101746.4620136.126513.801312320.03112411.3509548.0087236.565664.074669360.0351439.71679749.1455836.843684.293942400.0390868.4948650.0081337.023974.473044440.0429397.55615150.6792837.144634.619949480.0466956.8187151.2123937.22674.742192表7.产出的方差分解结果时期（月）S.E.LINFLYLHPLM210.003033094.8132305.18677240.0058154.22020183.761768.2446213.77341980.0082115.75817480.056899.0382325.146705120.0113855.58332180.963789.3710844.081816160.0150055.53086681.0759710.163033.230141200.0189225.28150881.1048111.015192.598495240.0229685.05885781.0407811.785632.114729280.0270534.86132980.8828412.504791.751039320.0311244.68116480.7051413.139611.474094360.0351434.52278580.5175513.699241.260429400.0390864.38415880.3305514.191681.093617440.0429394.26244180.1510814.624720.96176480.0466954.15567679.981915.006180.856245表8.房地产价格的方差分解结果时期（月）S.E.LINFLYLHPLM210.0155540.0721600.00562699.848840.07337240.03751421.6158413.8631559.803364.71764780.05747924.2638315.9314653.643386.161322120.07125423.3330716.6857353.412146.569066160.08349722.6543117.5466053.258486.540612200.09451022.0778418.3029553.274576.344640240.10472221.5135019.0131253.354306.119075280.11430121.0145719.6460053.443925.895516320.12335420.5718220.2159153.531645.680628360.13196720.1730720.7291753.614535.483232400.14019619.8173021.1897553.689665.303292440.14808519.4985521.6042653.757225.139967480.15567219.2122221.9777553.817784.992253五、结论在文献综述的基础上，笔者对房地产价格影响通货膨胀率、产出的机制与效应进行了理论分析，并对我国房地产价格波动与通货膨胀、产出之间的关系进行了实证检验，得出的结论主要有：（一）房地产价格波动通过影响总需求，进而对通货膨胀率产生影响，具体的影响方向取决于投资对房价的偏导数与储蓄对房价的偏导数二者的对比。这意味着房价波动对储蓄的边际影响（大小与方向）在决定房价对产出、通胀的影响上起十分重要的作用。如果房价过度上涨造成经济主体的预防性动机提高过快，使储蓄增长幅度过大，就有可能对产出与物价形成负面的影响；反之，如果房价上涨使储蓄增长幅度低于其对投资的刺激作用，或者房价上涨刺激消费增长，则可能刺激总需求并对物价产生向上的压力。（二）从长期来看，房价对物价与产出产生显著的正向影响，成为物价、产出波动的Granger原因，并且是物价、产出波动的重要解释因素；而在短期内，房价对通货膨胀、产出的影响却十分有限且不显著，不能成为物价、产出波动的Granger原因，而且不是物价、产出波动的重要解释因素。而物价上涨与产出增长无论是短期还是长期都能显著影响房价，成为房价波动的Granger原因，而且是房价波动的重要解释因素。（三）因果关系检验表明，长期来看，在房价与通货膨胀之间、房价与产出之间存在互为因果关系。这一检验结果与结论（二）结合起来，说明房价与宏观经济之间在长期存在正反馈过程：一方面，房价的上涨会刺激总需求进而对物价产生向上的压力；另一方面，总需求的扩张与物价水平的高涨会进一步刺激房价的上涨。这种正反馈过程的进一步持续放大可以由金融加速器效应来解释相关的文献有BernankeandGertler（1995），Bernanke，GertlerandGilchrist（1998），BernankeandGertler相关的文献有BernankeandGertler（1995），Bernanke，GertlerandGilchrist（1998），BernankeandGertler（2000），Kiyotaki和Moore（1997）。段忠东、曾令华（2007）的研究表明，我国房地产价格与银行信贷之间在长期存在互为因果关系。[22]反之，房地产价格的外生下跌也可能会通过这种正反馈作用导致经济紧缩和房地产泡沫破灭。总之，我国房地产价格已经开始具有宏观经济先行指标的作用，同时，房价与产出、物价之间的正反馈作用机制可能引发经济过热和房价泡沫，从而威胁经济与金融稳定。货币政策当局可以考虑以下对策：一是积极关注房价波动，在适当的时候可以考虑将房地产价格纳入到一个广义的消费价格指标测量中；二是有效调控房地产投资以及相关固定资产投资的过快增长，把房地产价格调控与总需求调控结合起来；三是对房地产价格进行宏观调控时充分考虑到房价影响宏观经济的长期性和货币政策作用的滞后性，重视对房价的预调；四是调控中注重运用货币信贷政策手段。参考文献Alchian，ArmenA.，andBenjaminKlein.OnaCorrectMeasureofInflation.JournalofMoney，Credit，andBanking[J]，5（1），1973，pp.173–191.Shibuya，Hiroshi.DynamicEquilibriumPriceIndex：AssetPriceandInflation.MonetaryandEconomicStudies，10（1），InstituteforMonetaryandEconomicStudies，BankofJapan，1992，pp.95–109.ShigenoriShiratsuka.AssetPriceFluctuationandPriceIndices.MonetaryandEconomicStudies[J]，December1999，pp.103—128.CharlesGoodhartandBorisHofmann.Assetprice，FinancialConditions，andTransmissionofMonetaryPolicy.Paperpreparedfortheconferenceon‘AssetPrices,ExchangeRates,andMonetaryPolicy’StanfordUniversity,March2-3,2001.Filardo.MonetaryPolicyandAssetprice.EconomicReview.3quarter.FederalReserveBankofKansas.2000.pp.11-37.GoodhartandHofmann.FinancialVariablesandtheConductofMonetaryPolicy.SverigesRiksbankworkingpaperNo.112，2000.GoodhartandHofmann.AssetPricesandtheConductofMonetaryPolicy.PaperpresentedattheRoyalEconomicSocietyAnnual