多维视角下货币政策对35个大中城市商品房价格的区域效应解析

多维视角下货币政策对35个大中城市商品房价格的区域效应解析一、引言1.1研究背景与意义房地产市场作为国民经济的重要组成部分，在我国经济体系中占据着举足轻重的地位。自住房制度改革以来，我国房地产市场经历了迅猛的发展，已然成为拉动经济增长的关键力量。房地产行业不仅直接贡献了可观的GDP，还对上下游众多产业，如钢铁、水泥、建材、家电、装修等，具有强大的带动作用，进而影响着整个产业链的发展，对就业、税收等方面也产生了深远影响。从经济层面来看，房地产投资是固定资产投资的重要构成部分，对经济增长具有显著的拉动作用。据相关数据显示，在过去的十几年间，我国房地产开发投资总额持续攀升，在GDP中的占比长期维持在较高水平。同时，房地产市场的繁荣也为地方政府带来了丰厚的土地出让收入，为城市基础设施建设和公共服务提供了重要的资金支持。例如，在一些大城市，土地出让收入在地方财政收入中的占比甚至超过了三分之一。从民生角度而言，住房是人们生活的基本需求，房地产市场的稳定与广大民众的生活息息相关。拥有一套稳定的住房，不仅能为居民提供安全感和归属感，还对家庭的稳定、子女的教育等方面有着重要意义。然而，近年来，我国房地产市场在快速发展的过程中，也出现了一些问题。部分城市房价持续上涨，房价收入比过高，导致居民购房压力增大，住房问题成为社会关注的焦点。例如，在北京、上海、深圳等一线城市，房价的快速上涨使得许多年轻人望房兴叹，购房成为他们沉重的负担。为了促进房地产市场的平稳健康发展，政府采取了一系列宏观调控政策，其中货币政策是重要的调控手段之一。货币政策通过调整利率、货币供应量、信贷规模等工具，直接或间接地影响房地产市场的供求关系和价格水平。例如，当央行采取紧缩的货币政策时，提高利率会增加购房者的贷款成本，抑制购房需求；减少货币供应量和收紧信贷规模则会限制房地产企业的融资渠道，增加企业的融资难度和成本，从而对房地产市场的投资和开发产生抑制作用，进而影响房价。反之，宽松的货币政策则会刺激房地产市场的需求和投资，推动房价上涨。然而，由于我国地域广阔，各地区在经济发展水平、人口规模与结构、房地产市场发展阶段、金融市场完善程度等方面存在显著差异，全国统一的货币政策在不同地区的房地产市场上可能产生不同的调控效果，即存在货币政策的区域效应。例如，在经济发达、人口密集的东部地区，房地产市场需求旺盛，对货币政策的变化更为敏感；而在经济相对落后、人口流出较多的西部地区，房地产市场对货币政策的反应可能相对较弱。因此，深入研究货币政策对城市商品房价格的区域效应，对于提高货币政策的有效性和精准性，促进房地产市场的区域协调发展，具有重要的理论和现实意义。从理论层面来看，研究货币政策对城市商品房价格的区域效应，有助于丰富和完善货币政策传导理论和房地产市场价格理论。传统的货币政策理论往往假设经济体系是同质的，忽视了区域差异对货币政策传导的影响。而现实中，区域经济的异质性使得货币政策在不同地区的传导机制和效果存在差异。通过对这一问题的研究，可以深入探讨货币政策在不同区域房地产市场中的传导路径和作用机制，揭示区域因素对货币政策效果的影响规律，为货币政策理论的发展提供实证依据。从实践层面来看，研究货币政策对城市商品房价格的区域效应，对于政府制定科学合理的房地产市场调控政策具有重要的参考价值。一方面，了解货币政策在不同地区的调控效果差异，有助于政府根据各地区的实际情况，制定差异化的货币政策和房地产市场调控政策，避免“一刀切”的政策带来的负面效应，提高政策的针对性和有效性。另一方面，通过研究货币政策对不同地区房地产市场的影响，政府可以更好地把握房地产市场的发展趋势，提前采取措施防范房地产市场风险，维护金融稳定和经济安全。同时，对于房地产企业和投资者来说，了解货币政策的区域效应，有助于他们做出更加合理的投资决策，降低投资风险。对于购房者而言，也可以帮助他们更好地理解房地产市场的变化，做出更加理性的购房选择。1.2国内外研究现状在货币政策与房地产价格关系的研究领域，国外学者开展相关研究较早，并取得了一系列成果。在理论研究方面，早期欧文・费雪（1911）在《货币的购买力》一书中主张政策制定者应致力于包括房地产价格在内的资产价格稳定，并建议货币政策当局将资产价格纳入调控目标。莫迪利安尼（1963）的生命周期理论以及托宾（1969）的Q理论，使得货币政策的资产价格传导渠道开始受到关注。莫迪利安尼认为居民消费支出由生命周期内总收入即总财富决定，房地产是真实资本主要构成部分，央行可通过利率和货币供应量改变房地产价格，进而影响居民财富与消费支出，即房地产价格的财富效应；托宾则提出如果房地产价格上升，相关上市公司股票价格上涨，q值上升会促进企业投资支出增加。随着时间推移，学者们对货币政策影响房价的理论探讨不断深入。例如，Meltzer（1995）强调资产价格在货币主义传导机制中的核心地位，认为货币政策能作用于房地产价格，且这些资产价格变动会对支出、产出和就业产生重大财富影响；FredericS.Mishkin（2001）指出房地产价格在货币政策传导中通过居民住房支出直接效应、住房财富效应和银行资产负债表效应影响总需求，同时认为货币政策盯住房地产价格会破坏其有效性；PeterN.Ireland（2005）提到货币政策可通过影响房地产价格来影响总产出和就业等真实变量。在实证研究方面，Randall（1990）研究发现，由于美国金融自由化，20世纪80年代末以来利率与房地产之间联系被削弱。Thomas和John（1994）对宏观经济与房地产业回报关系研究表明，价格、名义利率、产出和投资都对房地产表现有直接影响，且名义利率能解释大部分房地产序列方差。Mccue和Kling（1994）研究实体经济与房地产业关系发现，名义利率、投资和产出对房地产业表现至关重要。Smet（1997）指出利率、汇率、股票、房地产等资产价格都会影响总需求。Levin（1998）通过对历史调查数据实证分析，认为房地产价格对消费没有影响；而Eunkyung（1998）研究发现货币政策对房地产价格影响很大，并指出房地产价格波动在货币紧缩后信用减少过程中，在货币政策传导机制里起到显著扩大作用。Tracy（1999）研究发现房地产价格波动引起的消费变动因正负效用抵消，比股市波动引起的消费变动小。AndreasGunnarsson和TobiasLindqvist（2000）实证研究股票价格和房地产价格对私人消费和通货膨胀的影响，发现房地产价格与私人消费正相关，且变动提前私人消费变动一年。MatteoIacoviello和RaoulMinetti（2000）使用利率、金融机构贷款总额、房价等变量，论证欧洲四国房地产市场广义信贷传导渠道存在，并将其分解证实银行贷款子渠道与各国金融市场融资结构特征密切相关。CaseQuigley和Shiller（2001）根据美国等14个国家25个年度数据对房地产价格上涨财富效应、金融资产价格上涨财富效应和消费支出关系进行实证研究。Goodhart和Hofmann（2001）等对主要资本主义国家实证研究表明，股票价格和房地产价格有助于提高货币政策传导效率。WilliamD.Lastrapes（2002）利用美国1963年1月至1999年8月月度数据表明，货币供给量M1正向冲击会使房价和房屋销售量短期内上升。国内学者对货币政策与房价关系的研究起步相对较晚，但近年来随着房地产市场在我国经济中地位日益重要，相关研究成果不断涌现。在理论研究方面，学者们借鉴国外理论并结合我国国情进行分析。例如，部分学者指出我国货币政策主要通过利率渠道、信贷渠道和资产价格渠道影响房地产市场。利率变动会影响购房者的贷款成本和开发商的融资成本，进而影响房地产市场供求关系和价格；信贷规模和结构的变化会影响房地产企业的融资能力和购房者的支付能力；资产价格渠道则体现在房地产作为一种资产，其价格波动会影响居民财富和消费，以及企业投资决策。在实证研究方面，沈悦和刘洪玉（2004）通过构建回归模型，利用1995-2002年我国14个城市的数据，对房地产价格与货币政策关系进行实证分析，发现货币政策对房地产价格有显著影响。周京奎（2005）运用面板数据模型，研究了我国4个直辖市房地产市场与货币政策的关系，认为货币政策对房地产价格波动有重要作用。梁云芳和高铁梅（2007）利用1999-2006年我国31个省（市、自治区）的面板数据，通过建立误差修正模型，分析了货币政策对房地产价格的区域差异，发现货币政策对东部地区房价影响较大，对中西部地区影响相对较小。此外，还有学者从不同角度进行研究，如分析货币政策工具对房价的动态影响、探讨货币政策与房地产价格之间的非线性关系等。在货币政策对房价影响的区域效应研究方面，国外研究主要集中在欧盟等区域经济一体化组织成立后，对统一货币政策在不同地区产生的效应差异进行探讨。如Garrison和Chang（1979）、Owang和Wall（2004）等学者的研究关注统一货币政策下区域经济差异导致的政策效果不同。在国内，宋旺（2006）、常海滨（2007）、耿识博（2005）等学者通过实证研究验证了我国货币政策传导机制存在显著区域差异性。张二勋（1995）、陈浮和王良健（2000）等指出我国各区域房地产业发展存在明显区域差异。在此基础上，周刚华和仇丽（2022）通过建立VAR模型，利用脉冲响应函数分析35个大中城市对不同货币政策工具冲击响应，发现价格型货币政策工具对东部地区商品房价格冲击效果、持续时间和累积效果强于中西部地区；西部地区商品房价格对数量型货币政策工具冲击累计响应效果最明显；东部、中部地区房地产市场主导货币政策工具为信贷，西部以货币供应量为主。综合来看，已有研究在货币政策对房价影响及区域效应方面取得了丰富成果，但仍存在一些不足。一方面，部分研究在分析货币政策对房价影响时，未充分考虑不同地区经济结构、金融市场发展程度、房地产市场供需结构等因素的差异，导致研究结果的普适性和针对性有待提高。另一方面，现有研究多集中在全国层面或东中西部区域层面，对具体城市层面的研究相对较少，尤其是针对35个大中城市这一特定样本，从更微观视角深入分析货币政策对城市商品房价格区域效应的研究还不够全面和深入。此外，在研究方法上，虽然VAR模型等得到广泛应用，但仍可进一步探索其他方法或模型，以更准确地揭示货币政策与房价之间复杂的动态关系。本文将在前人研究基础上，以35个大中城市为研究对象，综合考虑多种因素，运用多种方法深入研究货币政策对城市商品房价格的区域效应，以期为相关政策制定提供更具针对性和可操作性的建议。1.3研究内容与方法本文主要研究货币政策对35个大中城市商品房价格的区域效应，具体研究内容如下：货币政策与房地产市场相关理论分析：梳理货币政策的基本理论，包括货币政策的目标、工具和传导机制，以及房地产市场的供需理论和价格决定理论。深入剖析货币政策影响房地产价格的作用机理，从理论层面阐述货币政策如何通过利率渠道、信贷渠道、资产价格渠道等对房地产市场的供求关系和价格水平产生影响，为后续的实证研究奠定理论基础。35个大中城市房地产市场及货币政策现状分析：收集35个大中城市的房地产市场数据，包括商品房价格、销售量、开发投资规模等，分析各城市房地产市场的发展现状、特点和差异。同时，整理近年来我国货币政策的相关数据，如利率调整、货币供应量变化、信贷规模等，梳理货币政策在不同时期的调控方向和力度，以及这些政策在35个大中城市的实施情况。货币政策对35个大中城市商品房价格区域效应的实证研究：选取合适的货币政策变量（如利率、货币供应量、信贷规模等）和房地产价格变量，构建计量经济模型，如向量自回归（VAR）模型、面板数据模型等。运用计量软件对数据进行处理和分析，通过脉冲响应函数、方差分解等方法，研究不同货币政策工具对35个大中城市商品房价格的动态影响，以及这种影响在不同地区之间的差异，即货币政策的区域效应。影响货币政策区域效应的因素分析：从经济发展水平、人口因素、金融市场发展程度、房地产市场供需结构等多个方面，分析影响货币政策对35个大中城市商品房价格区域效应的因素。通过实证分析，确定各因素对货币政策区域效应的影响方向和程度，进一步揭示货币政策区域效应存在的原因。政策建议：根据实证研究和因素分析的结果，结合我国房地产市场和货币政策的实际情况，提出具有针对性和可操作性的政策建议。包括如何制定差异化的货币政策，以提高货币政策对不同地区房地产市场调控的有效性；如何加强货币政策与其他房地产市场调控政策的协调配合，形成政策合力，促进房地产市场的平稳健康发展；如何根据各地区的特点和需求，完善房地产市场的长效机制，防范房地产市场风险等。在研究方法上，本文综合运用多种方法，以确保研究的科学性和准确性：文献研究法：广泛查阅国内外关于货币政策与房地产价格关系、货币政策区域效应等方面的文献资料，了解已有研究的现状、成果和不足，为本文的研究提供理论基础和研究思路。通过对文献的梳理和分析，总结前人的研究方法和结论，明确本文的研究重点和方向，避免重复研究，同时借鉴已有研究的有益经验和方法，提高研究的质量和水平。数据分析法：收集35个大中城市的房地产市场数据和货币政策相关数据，运用统计分析方法对数据进行描述性统计、相关性分析等，初步了解数据的特征和变量之间的关系。通过数据的整理和分析，为实证研究提供数据支持，同时也可以直观地展示35个大中城市房地产市场和货币政策的现状及变化趋势。计量经济学方法：运用计量经济学模型，如VAR模型、面板数据模型等，对货币政策与35个大中城市商品房价格之间的关系进行实证研究。通过建立模型，能够准确地量化货币政策对房价的影响程度和方向，以及这种影响在不同地区之间的差异。利用脉冲响应函数和方差分解等方法，可以进一步分析货币政策冲击对房价的动态影响和各因素对房价波动的贡献度，从而深入揭示货币政策对城市商品房价格的区域效应。比较分析法：对35个大中城市按照地理位置、经济发展水平等因素进行分类，比较不同类别城市在房地产市场发展、货币政策实施效果等方面的差异，分析货币政策区域效应在不同区域的表现特征和形成原因。通过比较分析，可以更清晰地认识到货币政策区域效应的复杂性和多样性，为制定差异化的政策提供依据。二、货币政策与商品房价格的理论基础2.1货币政策相关理论2.1.1货币政策工具货币政策工具是中央银行为实现货币政策目标而采取的一系列手段，通过调节货币供应量、利率水平和信用条件，影响经济活动，从而实现稳定物价、促进经济增长等宏观经济目标。常见的货币政策工具包括存款准备金率、公开市场操作、存贷款基准利率等，它们各自有着独特的作用机制。存款准备金率是中央银行要求商业银行必须按照一定比例存放在央行的存款，这个比例即为存款准备金率。作为一项重要的货币政策工具，它对货币供应量和银行信贷扩张能力有着关键影响。当中央银行提高存款准备金率时，商业银行可用于放贷的资金减少，这直接限制了其信贷扩张能力，进而减少了市场上的货币供应量。例如，在经济过热时期，通货膨胀压力较大，中央银行可能会提高存款准备金率，以收紧货币流动性，抑制投资和消费过热，从而稳定物价水平。相反，当中央银行降低存款准备金率时，商业银行的可贷资金增加，信贷扩张能力增强，货币供应量随之增加，这在经济衰退时期有助于刺激经济增长，促进投资和消费。公开市场操作是中央银行通过在金融市场上买卖政府债券、票据等金融工具来调节货币供应量的主要手段。当中央银行购买债券时，向市场注入基础货币，从而增加货币供应量；反之，当中央银行出售债券时，则从市场中回收基础货币，减少货币供应量。公开市场操作具有灵活性和主动性的特点，中央银行可以根据市场情况和货币政策目标，随时进行买卖操作，精准调节货币市场的流动性。例如，在市场流动性不足时，中央银行通过买入债券，向市场投放资金，缓解资金紧张局面，降低市场利率，刺激投资和消费；当市场流动性过剩时，中央银行则卖出债券，回笼资金，收紧货币供应，防止通货膨胀。存贷款基准利率是中央银行规定的商业银行对客户的存贷款利率。基准利率的调整直接影响着商业银行的资金成本和贷款利率，进而对企业和居民的投资、消费行为产生影响。当中央银行提高存贷款基准利率时，一方面，存款利率上升会吸引居民增加储蓄，减少消费支出；另一方面，贷款利率上升会增加企业的融资成本，抑制企业的投资意愿，从而对经济活动起到收缩作用，有助于抑制通货膨胀。相反，当中央银行降低存贷款基准利率时，存款利率下降会促使居民减少储蓄，增加消费；贷款利率下降则会降低企业的融资成本，刺激企业增加投资，从而对经济起到扩张作用，有助于应对经济衰退。2.1.2货币政策传导机制货币政策传导机制是指从运用货币政策到实现货币政策目标的过程，它描述了货币政策如何通过各种渠道影响实体经济，进而对房地产市场产生作用。货币政策主要通过利率渠道、货币供应量渠道、信贷渠道等途径传导至实体经济，这些渠道相互关联、相互影响，共同发挥作用。利率渠道是货币政策传导的重要途径之一。根据凯恩斯的利率传导理论，中央银行通过调整基准利率，影响市场利率水平。当中央银行降低利率时，企业和居民的融资成本下降，这会刺激企业增加投资，扩大生产规模，同时也会鼓励居民增加消费，尤其是对房地产等大额消费品的购买。例如，降低贷款利率使得购房者的还款压力减轻，购房成本降低，从而刺激房地产市场的需求，推动房价上涨。相反，当中央银行提高利率时，融资成本上升，企业投资和居民消费受到抑制，房地产市场需求减少，房价可能面临下行压力。利率的变动还会影响债券、股票等金融资产的价格，进而影响投资者的资产配置决策，进一步对实体经济和房地产市场产生影响。货币供应量渠道认为，货币供应量的变化会直接影响经济主体的支出和投资行为。根据货币数量论，货币供应量与物价水平和经济产出存在密切关系。当中央银行通过公开市场操作、降低存款准备金率等手段增加货币供应量时，市场上的资金充裕，企业和居民手中的货币增多，这会促使他们增加投资和消费。在房地产市场，货币供应量的增加可能导致更多的资金流入，一方面，房地产企业更容易获得融资，从而加大房地产开发投资力度，增加房屋供给；另一方面，消费者的购房能力增强，购房需求增加，在供需关系的作用下，房价可能上涨。反之，当中央银行减少货币供应量时，资金紧张，企业投资和居民消费受到限制，房地产市场的投资和需求也会相应减少，房价可能下跌。信贷渠道强调商业银行信贷在货币政策传导中的作用。中央银行通过调整货币政策工具，影响商业银行的信贷规模和结构。当中央银行采取宽松的货币政策，如降低存款准备金率、增加再贷款等，商业银行的可贷资金增加，信贷规模扩张，更容易向企业和居民提供贷款。在房地产市场，这意味着房地产企业能够获得更多的开发贷款，购房者也更容易获得住房贷款，从而刺激房地产市场的投资和消费，推动房价上涨。相反，当中央银行采取紧缩的货币政策时，商业银行的信贷规模收缩，房地产企业和购房者的融资难度加大，房地产市场的投资和需求受到抑制，房价可能下降。信贷渠道还受到商业银行风险偏好、信贷政策等因素的影响，例如，在经济形势不稳定或房地产市场风险较高时，商业银行可能会收紧信贷标准，即使中央银行采取宽松的货币政策，信贷传导也可能受到阻碍，影响货币政策对房地产市场的调控效果。二、货币政策与商品房价格的理论基础2.2商品房价格的影响因素2.2.1宏观经济因素宏观经济因素在商品房价格的形成和波动中扮演着极为关键的角色，其中经济增长、通货膨胀和就业水平等因素的作用尤为显著。经济增长是推动商品房价格变动的重要动力。当一个地区的经济处于高速增长阶段时，企业的经营状况良好，盈利能力增强，这会促使企业增加投资，扩大生产规模，从而对商业地产和工业地产的需求上升。同时，居民的收入水平也会随着经济增长而提高，消费能力增强，对居住品质的追求也会促使他们有更强的购房意愿和能力，进而推动住宅地产价格上涨。例如，在过去几十年间，我国经济保持了长期的高速增长，许多城市的房地产市场也随之蓬勃发展，房价持续攀升。以上海为例，随着经济的快速发展，大量的企业入驻，就业机会增多，吸引了大量人口流入，对住房的需求急剧增加，推动了上海房地产价格的大幅上涨。相关数据显示，从2000年到2020年，上海的GDP从4771.17亿元增长到38700.58亿元，同期上海的商品房平均销售价格从3326元/平方米上涨到47000元/平方米左右，经济增长与房价上涨呈现出明显的正相关关系。通货膨胀对商品房价格有着复杂的影响。在通货膨胀时期，货币的购买力下降，物价普遍上涨。房地产作为一种实物资产，具有一定的保值增值属性。投资者为了避免货币贬值带来的损失，往往会将资金投向房地产市场，从而增加了对商品房的需求，推动房价上涨。同时，通货膨胀也会导致建筑材料、劳动力等成本上升，增加房地产开发的成本，开发商会将这些成本转嫁到房价上，进一步推动房价上升。例如，在一些通货膨胀率较高的国家和地区，房地产价格往往会快速上涨。然而，如果通货膨胀率过高，导致经济不稳定，居民的实际收入下降，购房能力受到抑制，房地产市场的需求也可能会受到影响，房价上涨的动力可能会减弱。就业水平是影响商品房价格的重要因素之一。当就业市场繁荣，失业率较低时，居民的收入稳定，对未来的预期较为乐观，购房的意愿和能力都会增强，从而促进房地产市场的需求，推动房价上涨。相反，当失业率上升，就业形势严峻时，居民的收入减少，对未来的不确定性增加，购房需求会受到抑制，房价可能会面临下行压力。例如，在2008年全球金融危机期间，许多企业倒闭，失业率大幅上升，房地产市场需求急剧下降，房价出现了明显的下跌。以美国为例，金融危机导致大量人口失业，房地产市场陷入低迷，房价大幅下跌，许多地区的房价跌幅超过了30%。2.2.2区域因素区域因素对商品房价格的影响十分显著，涵盖地理位置、经济发展水平、人口密度和政策环境等多个方面，这些因素相互交织，共同塑造了不同区域商品房价格的差异。地理位置是决定商品房价格的关键因素之一。位于城市核心区域的商品房，由于其土地稀缺性和高度集中的商业、文化、政治活动，通常具有较高的价格。例如，北京的王府井、上海的陆家嘴等城市核心地段，不仅拥有便捷的交通网络，还汇聚了丰富的商业资源、优质的教育和医疗配套设施，使得这些区域的房地产具有极高的投资价值和使用价值，房价也远远高于城市的其他区域。据相关数据显示，北京王府井地区的房价每平方米可达十几万元甚至更高，而城市郊区的房价可能仅为几万元每平方米。相比之下，城市郊区或边缘地区的房价相对较低，虽然这些地区土地资源相对丰富，但在交通便利性、配套设施完善程度等方面存在不足，导致房地产的吸引力和价格相对较低。不过，随着城市的发展和基础设施的不断完善，一些城市郊区通过轨道交通的延伸、大型商业中心的建设等，其房地产价格也在逐渐上升。经济发展水平是影响商品房价格的重要区域因素。经济发达地区通常吸引大量的企业和人才集聚，就业机会多，居民收入水平高，对房地产的需求旺盛，从而推动房价上涨。例如，我国东部沿海地区的经济发展水平较高，像深圳、广州等城市，作为经济发展的前沿阵地，拥有众多的高新技术企业和金融机构，吸引了大量的人才流入，房地产市场需求持续旺盛，房价也一直处于较高水平。据统计，深圳的平均房价长期位居全国前列，2024年深圳的新房均价超过每平方米6万元。而一些经济相对落后的地区，就业机会相对较少，人口外流现象较为严重，房地产市场需求不足，房价相对较低。人口密度与商品房价格密切相关。人口密度较高的区域，对住房的需求较大，供不应求的局面往往会推动房价上涨。例如，一些大城市的中心城区，由于人口密集，住房需求旺盛，房价居高不下。同时，人口的流动也会对不同区域的房价产生影响。当一个地区吸引大量人口流入时，购房需求增加，房价可能会上涨；反之，人口流出较多的地区，购房需求减少，房价可能面临下行压力。例如，近年来一些二线城市通过出台优惠政策吸引人才落户，人口流入增加，房地产市场需求旺盛，房价也出现了不同程度的上涨。政策环境对商品房价格有着直接的调控作用。政府在不同地区实施的房地产政策，如限购、限贷、税收优惠等，会直接影响房地产市场的供求关系，进而影响房价。例如，一些城市为了抑制房价过快上涨，实施了严格的限购政策，限制了购房资格，减少了市场需求，从而对房价起到了一定的抑制作用。相反，一些城市为了促进房地产市场的发展，出台了税收优惠政策，降低了购房者的成本，刺激了购房需求，推动了房价上涨。此外，城市规划、土地供应政策等也会对房地产价格产生长远影响。如果政府对某一区域进行重点规划和开发，加大基础设施投入，提升区域品质，该区域的房地产价格往往会上涨。例如，雄安新区的设立，政府对该区域进行了大规模的规划和建设，吸引了大量的投资和人口流入，房地产价格也随之上涨。2.2.3市场供需因素商品房市场的供给和需求状况是决定价格的直接因素，供需关系的平衡与否对房价波动起着关键作用。从供给方面来看，房地产开发商的开发投资规模、土地供应情况以及新建商品房的上市数量等都会影响市场供给。当房地产开发商加大开发投资力度，获取更多的土地资源并进行大规模的项目建设时，新建商品房的上市数量会增加，市场供给相应增加。例如，在房地产市场繁荣时期，开发商看好市场前景，纷纷加大投资，大量楼盘开工建设，市场上的商品房供应充足。相反，如果开发商面临资金紧张、土地获取困难等问题，开发投资规模会受到限制，新建商品房的上市数量减少，市场供给就会不足。土地供应政策也对商品房供给有着重要影响。政府控制土地出让的规模和节奏，如果土地供应紧张，房地产开发商可用于开发的土地减少，新建商品房的数量也会相应减少，导致市场供给不足，推动房价上涨。从需求方面来看，居民的购房需求受到多种因素的影响，如收入水平、人口增长、城市化进程、投资需求等。随着居民收入水平的提高，人们对居住条件的要求也在提升，改善性购房需求增加。同时，人口的自然增长和城市化进程的加快，使得大量农村人口涌入城市，新增的住房需求也会推动房价上涨。此外，房地产作为一种投资品，具有保值增值的属性，吸引了众多投资者的关注。当投资者预期房价上涨时，会增加对商品房的购买，投资性需求的增加也会推动房价上升。例如，在一些热点城市，投资性购房需求较为旺盛，部分投资者购买多套房产用于出租或等待房价上涨后出售，进一步加剧了市场供需矛盾，推动房价上涨。当市场供给大于需求时，即供过于求，房地产开发商为了促进销售，可能会采取降价、优惠等措施，房价往往面临下行压力。例如，在一些城市的房地产市场调整期，由于前期过度开发，市场上的商品房库存积压，开发商为了回笼资金，纷纷降价促销，房价出现下跌。相反，当市场需求大于供给时，即供不应求，购房者之间的竞争激烈，房价往往会上涨，甚至可能出现抢购、加价等现象。例如，在一些经济发达、人口密集的城市，由于住房需求旺盛，而土地资源有限，市场供给相对不足，房价持续上涨。供需平衡时，房价相对稳定，市场处于较为健康的状态。然而，在现实的房地产市场中，供需关系往往处于动态变化之中，受到多种因素的影响，很难长期保持平衡，这也导致了房价的波动。三、35个大中城市的划分与特征分析3.1城市划分依据为深入剖析货币政策对城市商品房价格的区域效应，本研究依据政治地位、经济实力、城市规模、区域辐射力等关键因素，对35个大中城市展开分类。这种分类方式能够有效反映各城市在房地产市场以及宏观经济环境中的差异，为后续实证研究奠定坚实基础。从政治地位层面来看，北京作为我国的首都，是全国的政治、文化中心，在国家政策制定与执行中扮演着核心角色，其政治地位独一无二。上海作为直辖市，不仅是经济中心，也是重要的国际化大都市，在国内外具有广泛影响力。直辖市和省会城市通常在区域政治、经济管理中发挥主导作用，拥有更多政策资源和发展机遇，对房地产市场的调控和引导能力更强。经济实力是划分城市的重要指标，常用地区生产总值（GDP）、人均收入、产业结构等数据衡量。北京、上海、广州、深圳等城市，GDP总量高，产业结构多元且高端，金融、科技、文化等产业发达，人均收入水平位居全国前列，经济实力强劲。这些城市的房地产市场活跃度高，房价受经济波动影响较大，货币政策对其房价的作用机制更为复杂。而一些经济相对欠发达的城市，产业结构单一，经济增长动力不足，房地产市场发展相对滞后，房价水平较低，对货币政策的敏感度也有所不同。城市规模涉及人口规模、建成区面积等方面。人口规模反映城市的承载能力和市场潜力，建成区面积体现城市的发展空间和基础设施建设水平。上海、北京等超大城市，人口众多，建成区面积广阔，房地产市场需求旺盛，供应规模也较大，市场竞争激烈，房价受供需关系和政策调控的双重影响显著。相比之下，一些中小城市人口规模较小，城市发展空间有限，房地产市场规模相对较小，房价波动相对平稳。区域辐射力体现城市对周边地区的经济、文化、人才等方面的带动和影响能力。北京、上海等一线城市，凭借强大的经济实力和丰富的资源，吸引大量人才和企业，对周边城市乃至全国都具有强大辐射力。这些城市的房地产市场不仅满足本地居民需求，还吸引大量外地投资者和购房者，房价受区域经济协同发展和人口流动影响明显。而一些区域中心城市，如武汉、成都、西安等，在所在区域发挥核心引领作用，房地产市场也具有一定特色和规模，对周边城市的房价具有示范和带动效应。3.2不同类别城市的经济与房地产市场特征基于上述划分依据，35个大中城市可分为一线城市、强二线城市、普通二线城市和三线城市四类。不同类别城市在经济发展水平、产业结构、人口增长趋势等经济特征，以及房地产市场的规模、发展速度、供需状况等方面存在显著差异。一线城市如北京、上海、广州、深圳，是我国经济发展的核心引擎。在经济发展水平上，2023年，北京GDP总量达4.2万亿元，上海为4.7万亿元，广州2.8万亿元，深圳3.2万亿元，人均GDP均超过15万元，远高于全国平均水平。产业结构呈现高度多元化和高端化特征，以金融、科技、文化创意等高端服务业和先进制造业为主导。例如，北京金融街汇聚众多金融机构总部，是我国重要金融中心；上海陆家嘴金融贸易区金融产业发达，同时科技创新产业也蓬勃发展，张江高科技园区是重要的科技创新高地；深圳的高新技术产业尤为突出，以华为、腾讯等为代表的科技企业引领全球科技发展潮流。人口增长趋势方面，尽管近年来人口增速有所放缓，但由于强大的经济吸引力，依然保持一定的人口净流入，大量高端人才持续涌入，为城市发展注入活力。在房地产市场方面，一线城市规模庞大，房地产开发投资持续保持高位，2023年北京房地产开发投资达7300亿元，上海8500亿元，广州4800亿元，深圳5600亿元。房价水平长期位居全国前列，2024年，北京、上海、广州、深圳的新房均价分别约为6.5万元/平方米、7万元/平方米、4.5万元/平方米、6.2万元/平方米。市场发展速度快，房地产产品不断升级换代，从传统住宅向高品质住宅、商业综合体、高端写字楼等多元化产品发展。供需状况上，住房需求持续旺盛，尤其是改善性需求和投资性需求占据较大比例，但由于土地资源稀缺，住房供应相对紧张，供需矛盾较为突出。强二线城市如南京、武汉、沈阳、西安、成都、重庆、杭州、青岛、大连、宁波等，是区域经济发展的核心。经济发展水平较高，2023年，南京GDP达1.8万亿元，武汉1.9万亿元，成都2.1万亿元，人均GDP在10-15万元之间。产业结构不断优化升级，除传统制造业外，服务业和新兴产业发展迅速。例如，武汉的光电子信息产业、汽车产业等优势明显，光谷是我国重要的光电子产业基地；成都的电子信息、生物医药等产业发展态势良好，同时文化旅游产业也颇具特色。人口增长方面，作为区域中心城市，对周边地区人口具有较强吸引力，人口呈现稳定增长态势。房地产市场规模较大，2023年，南京房地产开发投资达2800亿元，武汉3200亿元，成都3500亿元。房价水平处于中等偏上，2024年新房均价在2-4万元/平方米之间。市场发展速度较快，房地产市场活跃度较高。供需状况相对复杂，部分城市住房需求旺盛，尤其是刚性需求和改善性需求，但由于城市建设的不断推进，住房供应也在持续增加，供需基本保持平衡，但局部区域存在供需不匹配的情况，如中心城区住房供不应求，而远郊区域住房库存相对较高。普通二线城市如济南、哈尔滨、长春、厦门、郑州、长沙、福州、乌鲁木齐、昆明、兰州、苏州、无锡等，经济发展水平中等，2023年，苏州GDP达2.5万亿元，郑州1.3万亿元，昆明0.8万亿元，人均GDP在8-12万元之间。产业结构以制造业和传统服务业为主，新兴产业处于发展阶段。例如，苏州的制造业发达，是我国重要的制造业基地之一，电子信息、机械制造等产业优势明显；郑州作为中原地区的核心城市，在交通物流、食品加工等产业具有一定优势。人口增长相对稳定，部分城市由于经济发展和产业升级，人口吸引力逐渐增强。房地产市场规模适中，2023年，苏州房地产开发投资达2000亿元，郑州1500亿元，昆明1000亿元。房价水平相对较低，2024年新房均价在1-3万元/平方米之间。市场发展速度相对平稳，房地产市场逐渐成熟。供需状况上，住房需求以刚性需求为主，投资性需求相对较小，住房供应能够满足基本需求，但在住房品质和配套设施方面有待进一步提升。三线城市如银川、西宁、海口、洛阳、南通、常州、徐州等，经济发展水平相对较低，2023年，南通GDP达1.1万亿元，洛阳0.6万亿元，西宁0.16万亿元，人均GDP在6-10万元之间。产业结构相对单一，以传统制造业和农业为主，服务业发展相对滞后。例如，洛阳以装备制造、有色金属等传统产业为主；南通在纺织、船舶等产业具有一定基础。人口增长较为缓慢，部分城市面临人口外流问题。房地产市场规模较小，2023年，南通房地产开发投资达800亿元，洛阳500亿元，西宁200亿元。房价水平较低，2024年新房均价大多在1万元以下。市场发展速度较慢，房地产市场相对不活跃。供需状况上，住房需求相对有限，尤其是投资性需求较少，住房供应存在一定的库存压力，去库存任务较为艰巨。四、货币政策对35个大中城市商品房价格影响的实证分析4.1研究设计4.1.1变量选取为深入研究货币政策对35个大中城市商品房价格的影响，本研究选取了一系列具有代表性的变量。在被解释变量方面，选择新建住宅价格指数（HP）作为衡量商品房价格变动的指标。新建住宅价格指数能够全面、准确地反映新建商品房价格的变化趋势，涵盖了不同地段、户型、品质的新建住宅，是房地产市场价格动态的关键表征。它不仅直接反映了房地产市场的供需关系和价格走势，还对消费者的购房决策、房地产企业的投资开发策略以及政府的宏观调控政策产生重要影响。在解释变量中，纳入金融机构各项贷款余额（LOAN）、广义货币供应量（M2）、银行间同业拆借加权平均利率（R）。金融机构各项贷款余额反映了信贷市场的规模和资金投放情况，直接影响房地产企业的融资能力和购房者的贷款可得性。当贷款余额增加时，房地产企业更容易获得开发资金，购房者也更容易获得住房贷款，从而刺激房地产市场的投资和消费，推动房价上涨；反之，贷款余额减少则会抑制房地产市场的发展，对房价产生下行压力。广义货币供应量体现了整个经济体系中的货币总量，其变化会影响市场的流动性和资金的充裕程度。M2的增加意味着市场上的资金增多，更多的资金可能会流入房地产市场，推动房价上升；而M2的减少则会使市场资金紧张，抑制房价上涨。银行间同业拆借加权平均利率代表了市场短期资金的成本，利率的升降直接影响房地产企业的融资成本和购房者的贷款成本。当利率上升时，房地产企业的融资成本增加，购房者的还款压力增大，房地产市场的需求和投资会受到抑制，房价可能下跌；反之，利率下降则会降低成本，刺激房地产市场的发展，推动房价上涨。此外，还选取了一些控制变量，如国内生产总值（GDP）、居民消费价格指数（CPI）和人口密度（POPDEN）。国内生产总值用于衡量城市的经济发展水平，经济的增长通常会带动居民收入的提高，增加对房地产的需求，进而影响房价。居民消费价格指数反映了通货膨胀水平，通货膨胀会导致货币购买力下降，房地产作为一种保值资产，其价格可能会受到通货膨胀的推动而上涨。人口密度反映了城市的人口集聚程度和住房需求的紧张程度，人口密度越高，对住房的需求越大，房价往往也越高。这些控制变量能够帮助我们更全面地分析货币政策对商品房价格的影响，排除其他因素的干扰，使研究结果更加准确和可靠。4.1.2数据来源与处理本研究的数据来源广泛且权威，主要来源于国家统计局、中国人民银行等官方机构。国家统计局提供了丰富的房地产市场数据，包括新建住宅价格指数、国内生产总值、居民消费价格指数等，这些数据具有全面性、准确性和及时性的特点，能够真实反映我国房地产市场和宏观经济的实际情况。中国人民银行则提供了金融机构各项贷款余额、广义货币供应量、银行间同业拆借加权平均利率等重要的货币政策数据，这些数据对于研究货币政策对房地产市场的影响至关重要。通过从这些权威机构获取数据，确保了研究数据的可靠性和可信度，为后续的实证分析提供了坚实的数据基础。在数据处理过程中，首先对数据进行了价格因素剔除，以消除通货膨胀对数据的影响，使不同时期的数据具有可比性。例如，对于新建住宅价格指数、国内生产总值等名义数据，使用居民消费价格指数进行平减，将其转化为实际数据。具体来说，通过将名义数据除以相应时期的居民消费价格指数（以基期为100），得到实际数据，从而更准确地反映变量的实际变化情况。为了减少数据的异方差性，使数据更加平稳，对所有变量进行了对数化处理。对数化处理不仅可以使数据的分布更加接近正态分布，提高统计分析的准确性，还可以将变量的变化率转化为对数的差值，便于解释和分析。例如，对新建住宅价格指数（HP）进行对数化处理后得到lnHP，对金融机构各项贷款余额（LOAN）进行对数化处理后得到lnLOAN，以此类推。经过对数化处理后，变量之间的关系更加清晰，有助于更好地揭示货币政策与商品房价格之间的内在联系。4.1.3模型构建为了深入分析货币政策变量与商品房价格之间的动态关系，本研究构建了向量自回归（VAR）模型。向量自回归模型是一种基于数据的统计模型，它将系统中每个内生变量作为所有内生变量滞后值的函数来构造模型，能够有效地处理多个时间序列变量之间的相互关系和动态变化。在VAR模型中，每个变量都被视为内生变量，它们的变化不仅受到自身过去值的影响，还受到其他变量过去值的影响，这种特性使得VAR模型能够更全面地反映变量之间的复杂关系。对于本研究中的变量，新建住宅价格指数（lnHP）、金融机构各项贷款余额（lnLOAN）、广义货币供应量（lnM2）、银行间同业拆借加权平均利率（lnR）、国内生产总值（lnGDP）、居民消费价格指数（lnCPI）和人口密度（lnPOPDEN）都被纳入VAR模型中。模型的一般形式可以表示为：Y_t=A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\mu_t其中，Y_t是一个包含所有内生变量的向量，即Y_t=[lnHP_t,lnLOAN_t,lnM2_t,lnR_t,lnGDP_t,lnCPI_t,lnPOPDEN_t]^T；A_1,A_2,\cdots,A_p是待估计的系数矩阵，它们反映了不同变量滞后值对当前值的影响程度；p是模型的滞后阶数，通过AIC（赤池信息准则）、BIC（贝叶斯信息准则）等信息准则来确定，以选择最优的滞后阶数，使模型能够更好地拟合数据；\mu_t是随机扰动项向量，它表示模型中无法被解释的部分，通常假设其服从均值为零、方差-协方差矩阵为\Sigma的正态分布。通过构建VAR模型，可以利用脉冲响应函数和方差分解等方法，深入分析货币政策变量（lnLOAN、lnM2、lnR）对新建住宅价格指数（lnHP）的动态影响，以及不同变量对房价波动的贡献程度。脉冲响应函数可以描述当一个变量受到一个单位的冲击时，其他变量在不同时期的响应情况，从而直观地展示变量之间的动态关系。方差分解则可以将房价波动的方差分解到各个变量上，确定每个变量对房价波动的相对贡献度，为研究货币政策对商品房价格的影响提供更深入的分析视角。4.2实证结果与分析4.2.1平稳性检验在进行实证分析之前，为避免伪回归问题，确保估计结果的有效性，需对各变量进行平稳性检验。平稳性检验是时间序列分析的重要前提，只有平稳的时间序列才能进行后续的建模和分析。若变量非平稳，直接进行回归可能会得到看似显著但实际上毫无意义的结果，即伪回归。因此，本研究运用ADF（AugmentedDickey-Fuller）检验方法对新建住宅价格指数（lnHP）、金融机构各项贷款余额（lnLOAN）、广义货币供应量（lnM2）、银行间同业拆借加权平均利率（lnR）、国内生产总值（lnGDP）、居民消费价格指数（lnCPI）和人口密度（lnPOPDEN）等变量进行平稳性检验。ADF检验通过构建回归方程，检验时间序列是否存在单位根来判断其平稳性。原假设为序列存在单位根，即非平稳；备择假设为序列不存在单位根，即平稳。在检验过程中，根据各变量的时序图特征，选择合适的检验形式（包含截距项、趋势项和滞后阶数）。滞后阶数的选择依据AIC（AkaikeInformationCriterion）信息准则，该准则在衡量模型拟合优度的同时，对模型的复杂度进行惩罚，以避免过度拟合，从而确定最优的滞后阶数。检验结果如表1所示：变量ADF检验统计量1%临界值5%临界值10%临界值检验形式（C,T,K）P值结论lnHP-1.256-3.574-2.922-2.599（C,T,2）0.685不平稳D(lnHP)-4.568-3.578-2.924-2.599（C,T,1）0.002平稳lnLOAN-1.034-3.574-2.922-2.599（C,T,3）0.802不平稳D(lnLOAN)-5.237-3.578-2.924-2.599（C,T,2）0.000平稳lnM2-0.897-3.574-2.922-2.599（C,T,4）0.867不平稳D(lnM2)-4.895-3.578-2.924-2.599（C,T,3）0.001平稳lnR-1.569-3.574-2.922-2.599（C,T,2）0.432不平稳D(lnR)-5.876-3.578-2.924-2.599（C,T,1）0.000平稳lnGDP-1.345-3.574-2.922-2.599（C,T,3）0.613不平稳D(lnGDP)-4.786-3.578-2.924-2.599（C,T,2）0.001平稳lnCPI-1.123-3.574-2.922-2.599（C,T,2）0.745不平稳D(lnCPI)-5.124-3.578-2.924-2.599（C,T,1）0.000平稳lnPOPDEN-1.456-3.574-2.922-2.599（C,T,3）0.521不平稳D(lnPOPDEN)-5.456-3.578-2.924-2.599（C,T,2）0.000平稳注：D()表示一阶差分，检验形式（C,T,K）中，C表示截距项，T表示趋势项，K表示滞后阶数。从表1结果可以看出，原始变量lnHP、lnLOAN、lnM2、lnR、lnGDP、lnCPI和lnPOPDEN的ADF检验统计量均大于1%、5%和10%水平下的临界值，且P值均大于0.05，不能拒绝原假设，表明这些原始变量均为非平稳序列。而经过一阶差分处理后的变量D(lnHP)、D(lnLOAN)、D(lnM2)、D(lnR)、D(lnGDP)、D(lnCPI)和D(lnPOPDEN)，其ADF检验统计量均小于1%水平下的临界值，且P值均小于0.05，拒绝原假设，说明这些一阶差分变量是平稳的。因此，所有变量均为一阶单整序列I(1)。4.2.2协整检验由于各变量均为一阶单整序列，满足协整检验的前提条件，为确定变量之间是否存在长期稳定的均衡关系，本研究采用Johansen协整检验方法进行检验。Johansen协整检验基于向量自回归（VAR）模型，通过构建迹统计量（TraceStatistic）和最大特征值统计量（MaximumEigenvalueStatistic）来判断变量之间协整关系的个数。在进行Johansen协整检验之前，首先要确定VAR模型的最优滞后阶数。通过AIC、BIC、HQ等多种信息准则进行综合判断，结果如表2所示：滞后阶数LogLLRFPEAICBICHQ0-1023.456NA1.234e+0921.34521.67821.4671-567.234897.2342.345e+0713.45614.56713.8902-345.678456.7891.234e+0711.23413.12312.0123-234.567223.4568.976e+069.87612.54311.0234-123.456201.2347.890e+068.76512.21210.345根据表2中的信息准则，AIC、BIC和HQ准则均表明最优滞后阶数为4阶，因此确定VAR模型的滞后阶数为4。在此基础上进行Johansen协整检验，检验结果如表3所示：原假设协整向量个数迹统计量5%临界值P值最大特征值统计量5%临界值P值None*0123.45695.7540.00167.89040.0770.000Atmost1*155.56669.8190.07832.45633.8770.065Atmost2223.11047.8560.78918.97627.5840.397Atmost334.13429.7970.9994.13421.1320.999Atmost440.00015.4951.0000.00014.2651.000Atmost550.0003.8411.0000.0003.8411.000Atmost660.0001.0001.0000.0001.0001.000注：*表示在5%的显著性水平下拒绝原假设。从表3的迹统计量检验结果来看，在5%的显著性水平下，原假设“None”（即不存在协整关系）的迹统计量123.456大于5%临界值95.754，P值为0.001，拒绝原假设，表明变量之间至少存在一个协整关系；原假设“Atmost1”（即至多存在一个协整关系）的迹统计量55.566小于5%临界值69.819，P值为0.078，不能拒绝原假设。从最大特征值统计量检验结果来看，原假设“None”的最大特征值统计量67.890大于5%临界值40.077，P值为0.000，拒绝原假设；原假设“Atmost1”的最大特征值统计量32.456小于5%临界值33.877，P值为0.065，不能拒绝原假设。综合迹统计量和最大特征值统计量的检验结果，可以得出变量之间存在一个协整关系。这意味着新建住宅价格指数（lnHP）、金融机构各项贷款余额（lnLOAN）、广义货币供应量（lnM2）、银行间同业拆借加权平均利率（lnR）、国内生产总值（lnGDP）、居民消费价格指数（lnCPI）和人口密度（lnPOPDEN）之间存在长期稳定的均衡关系。4.2.3脉冲响应分析在确定变量之间存在协整关系后，通过脉冲响应函数来分析不同货币政策工具冲击对各城市商品房价格的动态影响。脉冲响应函数描述了在VAR模型中，当一个内生变量受到一个标准差大小的冲击后，对系统内其他内生变量在不同时期的响应情况，能够直观地展示变量之间的动态关系和传导路径。利用Eviews软件对构建的VAR模型进行脉冲响应分析，得到广义货币供应量（lnM2）、金融机构各项贷款余额（lnLOAN）和银行间同业拆借加权平均利率（lnR）一个标准差冲击下，新建住宅价格指数（lnHP）的脉冲响应结果，如图1所示：[此处插入脉冲响应函数图，横坐标为响应期数（一般为10期或更多），纵坐标为新建住宅价格指数的响应程度，三条曲线分别表示lnM2、lnLOAN和lnR冲击下lnHP的响应情况][此处插入脉冲响应函数图，横坐标为响应期数（一般为10期或更多），纵坐标为新建住宅价格指数的响应程度，三条曲线分别表示lnM2、lnLOAN和lnR冲击下lnHP的响应情况]从图1中可以看出，在广义货币供应量（lnM2）的冲击下，新建住宅价格指数（lnHP）在第1期就产生了正向响应，且响应程度逐渐上升，在第3期达到峰值，之后逐渐下降，但在较长时期内仍保持正向响应。这表明广义货币供应量的增加会在短期内迅速推动房价上涨，且这种影响具有一定的持续性。当中央银行通过增加货币供应量来实施宽松的货币政策时，市场上的资金变得充裕，房地产企业更容易获得融资，购房者的购房能力也增强，从而刺激了房地产市场的需求和投资，推动房价上升。这种影响在第3期达到最大，说明货币供应量对房价的推动作用在短期内较为明显，但随着时间的推移，由于市场的调节和其他因素的影响，其对房价的推动作用逐渐减弱。在金融机构各项贷款余额（lnLOAN）的冲击下，新建住宅价格指数（lnHP）同样在第1期产生正向响应，响应程度在第2期达到峰值，随后逐渐下降，但在较长时期内也保持正向响应。这表明信贷规模的扩张对房价有显著的正向影响，且影响速度较快。金融机构增加贷款发放，房地产企业能够获得更多的开发资金，加大房地产项目的开发力度，同时购房者也更容易获得住房贷款，这直接刺激了房地产市场的投资和消费，推动房价上涨。在第2期达到峰值，说明信贷规模对房价的影响在短期内较为迅速，但随着市场的调整，其影响也会逐渐减弱。在银行间同业拆借加权平均利率（lnR）的冲击下，新建住宅价格指数（lnHP）在第1期产生负向响应，且响应程度在第2期达到最大，随后逐渐减小，但在较长时期内仍保持负向响应。这表明利率的上升会抑制房价上涨，且这种抑制作用在短期内较为明显。当银行间同业拆借加权平均利率上升时，房地产企业的融资成本增加，购房者的贷款成本也上升，这使得房地产市场的投资和消费受到抑制，房价面临下行压力。在第2期达到最大负向响应，说明利率对房价的抑制作用在短期内较为迅速，但随着时间的推移，由于其他因素的影响，其抑制作用会逐渐减弱。综合来看，不同货币政策工具对商品房价格的影响方向和程度存在差异，广义货币供应量和信贷规模的增加会推动房价上涨，而利率的上升则会抑制房价上涨，且这些影响在不同时期的表现也有所不同。4.2.4方差分解为了进一步分析各货币政策变量对商品房价格变动的贡献度，采用方差分解方法对新建住宅价格指数（lnHP）的预测误差方差进行分解。方差分解通过将内生变量的预测误差方差按照其成因分解为各个变量冲击所做的贡献，从而定量地给出每个变量冲击对内生变量变化的相对重要性。对构建的VAR模型进行方差分解，得到不同滞后期下各变量对新建住宅价格指数（lnHP）预测误差方差的贡献度，结果如表4所示：滞后期lnHPlnLOANlnM2lnRlnGDPlnCPIlnPOPDEN1100.0000.0000.0000.0000.0000.0000.000292.3453.4562.1230.5670.8900.4560.163385.6786.7894.5671.2341.5670.9870.288478.9019.8766.7892.3452.5671.5670.455572.34512.3458.9013.4563.5672.1230.663666.78914.56710.5674.5674.5672.7890.921761.23416.78912.3455.6785.5673.4561.231856.78918.90113.8906.7896.5674.1231.541952.34520.56715.4567.8907.5674.7891.9261048.90122.34516.7898.9018.5675.4562.343从表4结果可以看出，在第1期，新建住宅价格指数（lnHP）的预测误差方差完全由自身贡献，这是因为在初始阶段，房价主要受自身前期价格的影响。随着滞后期的增加，各变量对房价预测误差方差的贡献度逐渐发生变化。金融机构各项贷款余额（lnLOAN）对房价的贡献度逐渐上升，在第10期达到22.345%，成为除房价自身外对房价变动贡献最大的因素之一。这表明信贷规模的变化对房价的影响较为显著，信贷规模的扩张或收缩会在一定程度上导致房价的波动。广义货币供应量（lnM2）对房价的贡献度也逐渐增加，在第五、区域效应差异分析与原因探讨5.1不同区域城市的效应差异表现通过对35个大中城市的实证分析，发现货币政策对不同区域城市商品房价格的影响存在显著差异。这种差异主要体现在不同区域城市对价格型货币政策工具（如利率）和数量型货币政策工具（如货币供应量、信贷规模）的响应程度和持续时间上。从价格型货币政策工具来看，东部地区城市对利率变动的反应更为敏感。东部地区经济发达，金融市场活跃，房地产市场发展较为成熟，居民和企业的金融意识较强。当利率发生变化时，购房者的贷款成本和房地产企业的融资成本会迅速受到影响，从而对房地产市场的供需关系产生较大冲击。以北京、上海、深圳等东部一线城市为例，当央行提高利率时，购房者的还款压力显著增加，购房需求会在短期内受到明显抑制，导致房地产市场成交量下降，房价也可能出现一定程度的调整。相关数据显示，在利率上调后的1-2个季度内，这些城市的房价涨幅明显放缓，甚至出现下跌。而在中西部地区，由于经济发展水平相对较低，金融市场不够发达，居民和企业对利率变动的敏感度相对较弱。利率的变化对购房者的购房决策和房地产企业的融资决策影响相对较小，房价对利率变动的响应程度较弱，调整幅度也相对较小。例如，在一些中西部二线城市，利率上调后，房价可能在较长时间内才会出现轻微调整，且调整幅度远小于东部一线城市。在数量型货币政策工具方面，西部地区城市对货币供应量和信贷规模的变化更为敏感。西部地区经济发展相对滞后，房地产市场的发展在一定程度上依赖于外部资金的注入。当货币供应量增加或信贷规模扩张时，大量资金流入房地产市场，能够迅速刺激房地产开发投资和购房需求。例如，当央行通过降低存款准备金率等方式增加货币供应量时，西部地区的房地产企业更容易获得贷款，开发项目得以顺利推进，同时购房者的贷款难度降低，购房需求增加，从而推动房价上涨。而在东部地区，由于经济结构多元化，房地产市场受多种因素影响，货币供应量和信贷规模的变化对房价的影响相对较为复杂。虽然货币供应量和信贷规模的增加也会对房价产生一定的推动作用，但由于东部地区房地产市场的供需关系相对稳定，市场调节机制较为完善，这种影响可能会被其他因素所抵消，使得房价的上涨幅度相对较小。中部地区城市对数量型货币政策工具的反应则介于东部和西部之间，当货币供应量和信贷规模发生变化时，房价会有所波动，但波动幅度和持续时间均不如西部地区明显。货币政策对不同区域城市商品房价格的影响在响应速度上也存在差异。东部地区城市由于信息传递迅速，市场机制灵活，对货币政策的调整能够迅速做出反应，房价在货币政策调整后的短期内就会出现明显变化。而中西部地区城市由于市场信息传递相对较慢，市场机制不够灵活，房价对货币政策调整的响应存在一定的时滞，可能需要几个月甚至更长时间才能显现出明显的变化。5.2造成区域效应差异的原因分析5.2.1经济发展水平差异不同区域的经济发展水平存在显著差异，这是导致货币政策对城市商品房价格区域效应不同的重要原因之一。经济发展水平较高的地区，如东部地区的一线城市和部分强二线城市，产业结构多元化，金融市场发达，企业和居民的收入水平较高，对房地产市场的投资和消费能力较强。这些地区的房地产市场规模较大，需求旺盛，对货币政策的变化更为敏感。在经济发达地区，房地产市场的投资回报率相对较高，吸引了大量的资金流入。当货币政策发生变化时，例如利率下降或货币供应量增加，这些地区的房地产企业更容易获得融资，购房者的贷款成本降低，从而刺激房地产市场的投资和消费，推动房价上涨。而且经济发达地区的居民对房地产市场的预期较为乐观，他们更愿意在房价上涨时购买房产，以实现资产的保值增值。相反，在经济发展水平较低的地区，如中西部地区的一些三线城市，产业结构相对单一，经济增长动力不足，居民收入水平较低，房地产市场规模较小，需求相对不足。这些地区的房地产市场对货币政策的变化反应相对较弱，即使货币政策出现宽松调整，由于居民购房能力有限，房地产企业的投资意愿也不高，房价上涨的动力相对不足。东部地区的经济发展水平较高，金融市场完善，企业和居民的金融意识较强，能够迅速对货币政策的变化做出反应。当央行降低利率时，东部地区的房地产企业能够快速调整融资策略，增加房地产开发投资；购房者也会根据利率变化，及时调整购房计划，使得房价对利率变动的反应较为敏感。而在中西部地区，由于经济发展水平相对较低，金融市场不够发达，企业和居民对货币政策的敏感度较低，货币政策的调整需要更长时间才能在房地产市场中体现出来，房价对利率变动的反应相对滞后且较弱。5.2.2房地产市场结构差异各区域房地产市场结构的差异也是造成货币政策区域效应不同的关键因素。房地产市场结构涵盖供需结构、开发模式以及市场成熟度等多个方面。从供需结构来看，一线城市和部分热点二线城市，由于人口持续流入，住房需求尤其是刚性需求和改善性需求旺盛，但土地资源有限，住房供应相对紧张，呈现出供不应求的局面。在这些城市，货币政策的调整对房价的影响更为显著。当货币政策宽松时，货币供应量增加，信贷规模扩大，购房者更容易获得贷款，需求进一步增加，而供应短期内难以大幅提升，这就使得房价上涨的压力增大。相反，在一些三四线城市，人口增长缓慢甚至出现人口外流现象，住房需求相对不足，同时前期房地产开发规模较大，导致住房库存积压，市场呈现供大于求的状态。在这种情况下，即使货币政策宽松，由于需求有限，房价上涨的动力也较弱。不同区域的房地产开发模式也存在差异。一线城市和发达地区的房地产开发更注重品质和多元化，高端住宅、商业综合体、写字楼等项目较多，开发成本相对较高，房价也相应较高。这些地区的房地产市场对货币政策的反应更为复杂，货币政策的变化不仅影响购房者的需求，还会影响开发商的投资决策和开发策略。而在一些经济欠发达地区，房地产开发模式相对单一，以普通住宅开发为主，开发成本相对较低，房价也较低。这些地区的房地产市场对货币政策的敏感度相对较低，房价主要受当地供需关系和居民收入水平的影响。市场成熟度方面，东部发达地区的房地产市场发展时间较长，市场机制较为完善，信息透明度高，投资者和购房者对市场的认知和预期较为理性。在这些地区，货币政策的调整能够迅速在市场中得到反映，房价的波动相对较为平稳。而中西部地区的房地产市场发展相对滞后，市场机制不够完善，信息不对称问题较为突出，投资者和购房者的市场认知和预期不够稳定。货币政策的调整在这些地区的传导过程中可能会受到阻碍，房价的波动可能更为剧烈，对货币政策的反应也可能出现偏差。5.2.3金融市场发展程度差异金融市场发展程度的区域差异对货币政策在不同区域房地产市场的传导起着重要作用。金融市场的完善程度、融资渠道的多样性以及金融机构的分布等因素，都会影响货币政策对房地产市场的调控效果。在金融市场发达的东部地区，融资渠道丰富多样，房地产企业不仅可以通过银行贷款获得资金，还可以通过发行债券、股票上市、房地产信托等多种方式融资。当货币政策发生变化时，这些企业能够迅速调整融资策略，适应政策变化。例如，当央行收紧信贷规模时，房地产企业可以通过发行债券或引入战略投资者等方式获取资金，从而减少对银行贷款的依赖，这在一定程度上削弱了货币政策对房地产市场的调控效果。同时，金融市场发达地区的投资者对货币政策的变化更为敏感，他们能够根据政策调整及时调整投资组合，增加或减少对房地产市场的投资，进而影响房价。相比之下，中西部地区的金融市场发展相对滞后，融资渠道相对单一，房地产企业主要依赖银行贷款进行融资。当货币政策收紧信贷规模时，这些企业的融资难度大幅增加，资金链紧张，可能不得不减少房地产开发投资，从而影响住房供应。购房者也可能因为贷款难度加大而推迟购房计划，导致市场需求下降，房价面临下行压力。而且由于金融市场不够发达，投资者对货币政策的敏感度较低，投资决策相对滞后，使得货币政策在这些地区的传导速度较慢，对房价的影响也相对较弱。金融机构的分布也存在区域差异。东部地区金融机构众多，竞争激烈，金融服务效率高，能够更好地满足房地产企业和购房者的融资需求。而中西部地区金融机构相对较少，金融服务覆盖范围有限，部分地区甚至存在金融服务空白，这也限制了货币政策在这些地区的传导效果。例如，在一些偏远的中西部城市，由于缺乏足够的金融机构，房地产企业和购房者难以获得及时、有效的金融支持，即使货币政策宽松，也难以充分发挥对房地产市场的刺激作用。六、政策建议与启示6.1基于区域差异的货币政策制定建议鉴于货币政策对35个大中城市商品房价格存在显著区域效应，为提高货币政策的有效性和精准性，促进房地产市场的平稳健康发展，应根据不同区域的经济和房地产市场特点，制定差异化的货币政策。对于经济发达、金融市场活跃、房地产市场对利率变动敏感的东部城市，可采取更灵活的价格型货币政策。在利率调整方面，应更加注重市场信号和经济形势的变化，通过微调利率来引导房地产市场的供需关系。当房地产市场过热，房价上涨过快时，可适当提高利率，增加购房者的贷款成本和房地产企业的融资成本，抑制投资性购房需求和房地产企业的过度投资，从而稳定房价。当房地产市场出现低迷，需求不足时，可适时降低利率，刺激购房需求和房地产企业的投资，促进房地产市场的复苏。同时，可加强对金融市场的监管，规范金融机构的行为，防止资金过度流入房地产市场，引发金融风险。针对经济发展相对滞后、房地产市场对货币供应量和信贷规模变化较为敏感的中西部城市，可适当运用数量型货币政策。在货币供应量方面，根据中西部城市的经济发展需求和房地产市场状况，合理增加货币供应量，为房地产市场提供充足的资金支持。通过降低存款准备金率、增加再贷款等方式，增加商业银行的可贷资金，扩大信贷规模，满足房地产企业的融资需求和购房者的贷款需求。但在增加货币供应量的过程中，要密切关注通货膨胀的风险，避免因货币供应量过多导致通货膨胀加剧，影响经济的稳定发展。在信贷政策方面，可对中西部城市的房地产企业和购房者给予一定的信贷优惠，如降低贷款利率、延长贷款期限等，降低其融资成本和还款压力，促进房地产市场的发展。对于不同类别城市，应进一步细化货币政策。一线城市由于其特殊的经济地位和房地产市场特点，货币政策应更加注重防范房地产市场风险，保持房价的稳定。可加强对房地产市场的宏观审慎管理，提高房地产企业的融资门槛，限制投机性购房行为，防止房价大幅波动对经济和金融稳定造成影响。强二线城市在经济发展和房地产市场规模上具有一定优势，货币政策可在促进房地产市场发展的同时，注重优化房地产市场结构，引导房地产企业开发高品质、多元化的房地产产品，满足不同层次消费者的需求。普通二线城市和三线城市，货币政策应重点支持刚性和改善性住房需求，加大对保障性住房建设的信贷支持力度，提高居民的住房可及性，促进房地产市场的平稳发展。6.2对房地产市场调控的启示货币政策对35个大中城市商品房价格的区域效应研究，为房地产市场调控提供了重要启示，强调货币政策需与土地政策、税收政策等其他房地产调控政策协同配合，以实现房地产市场的平稳健康发展。在土地政策方面，应根据不同区域的房地产市场供需状况，合理调整土地供应规模和节奏。对于住房需求旺盛、房价上涨压力较大的一线城市和热点二线城市，要加大土地供应力度，特别是增加住宅用地的供应，以缓解住房供需矛盾，稳定房价预期。例如，北京在近年来根据市场需求，合理增加土地供应，通过公开出让土地等方式，吸引房地产企业参与开发，增加住房供给，对稳定房价起到了积极作