探寻货币政策与房地产价格的动态关联：基于多维度实证视角

探寻货币政策与房地产价格的动态关联：基于多维度实证视角一、引言1.1研究背景与意义房地产行业作为国民经济的重要支柱产业，对经济增长、就业、财政收入等方面有着深远影响。自1998年我国住房制度改革以来，房地产市场迅速发展，在拉动经济增长、改善居民居住条件等方面发挥了重要作用。从数据来看，2000-2020年间，我国房地产开发投资总额从4984.1亿元增长至141443.0亿元，年均复合增长率达16.4%，房地产开发投资占GDP的比重也从5.1%稳步提升至14.0%，成为推动经济增长的重要力量。同时，房地产行业产业链长，涉及建材、家电、装修等多个上下游产业，对相关产业的带动作用明显。据测算，每100元的房地产投资能够带动上下游产业约200-300元的需求，对经济增长的乘数效应显著。然而，房地产市场的快速发展也带来了一系列问题，其中房价的波动备受关注。房价的过度上涨或下跌，不仅影响居民的生活质量和财富分配，还可能对金融稳定和宏观经济产生负面影响。以2008年美国次贷危机为例，房地产泡沫的破裂引发了全球金融危机，导致大量金融机构倒闭，失业率飙升，经济陷入严重衰退。在我国，房价的快速上涨也使得部分居民购房压力增大，房地产市场的过热发展也可能引发资源错配等问题。货币政策作为宏观经济调控的重要手段，对房地产市场价格有着重要影响。中央银行通过调整利率、货币供应量、信贷政策等货币政策工具，可以影响房地产市场的供求关系和资金成本，进而影响房价。在利率方面，当央行降低利率时，购房者的贷款成本降低，购房需求可能增加，从而推动房价上涨；开发商的融资成本也降低，可能增加房地产开发投资，增加市场供给。货币供应量的变化也会影响房地产市场的资金流动性，当货币供应量增加时，市场上的资金充裕，房地产市场可能获得更多的资金支持，推动房价上升。研究货币政策对房地产价格的影响，对于政府制定科学合理的房地产市场调控政策、促进房地产市场的平稳健康发展具有重要的现实意义。通过深入了解货币政策对房价的影响机制和效果，可以为政府在不同经济形势下选择合适的货币政策工具和调控力度提供参考依据，避免房地产市场的大起大落，维护金融稳定和宏观经济的稳定增长。对于投资者和购房者来说，研究结果也有助于他们更好地理解房地产市场的运行规律，做出更加理性的投资和购房决策。1.2研究目的与创新点本研究旨在深入揭示货币政策对房地产价格的影响机制与影响程度。通过系统分析货币政策工具，如利率、货币供应量、信贷政策等的调整，如何作用于房地产市场的供求关系，进而影响房地产价格波动，为政府制定科学合理的房地产市场调控政策提供坚实的理论依据与实证支持。同时，也帮助投资者和购房者更好地理解房地产市场与货币政策之间的关联，做出更为理性的决策。本研究的创新点主要体现在研究视角和研究方法两个方面。在研究视角上，不仅从宏观层面分析货币政策对整体房地产价格的影响，还深入到微观层面，探讨不同城市规模、区域经济发展水平下货币政策对房地产价格影响的异质性。考虑房地产市场的结构性差异，如住宅、商业地产等不同细分市场，全面分析货币政策在不同市场领域的作用效果，从而提供更具针对性的政策建议。在研究方法上，采用多种计量经济模型相结合的方式，如向量自回归模型（VAR）、误差修正模型（ECM）等，以更准确地捕捉货币政策与房地产价格之间的动态关系和长期均衡关系。运用脉冲响应函数和方差分解技术，深入分析货币政策冲击对房地产价格的短期波动和长期影响，提高研究结果的可靠性和科学性。还将引入机器学习算法，如支持向量机（SVM）、神经网络等，对房地产价格进行预测，并与传统计量模型的预测结果进行对比，探索更有效的房价预测方法。1.3研究方法与技术路线在研究过程中，将综合运用多种研究方法，确保研究的全面性和深入性。首先是文献研究法，通过广泛查阅国内外相关文献，包括学术期刊论文、学位论文、研究报告等，梳理货币政策与房地产价格关系的研究现状，了解已有研究的成果、不足以及研究趋势，为本文的研究提供理论基础和研究思路。通过对文献的分析，总结不同学者对于货币政策影响房地产价格的理论观点和实证研究方法，从而确定本文的研究重点和方向。其次采用实证分析法，收集相关数据进行定量分析。数据主要来源于国家统计局、中国人民银行、Wind数据库等权威机构，涵盖2000-2023年的月度或季度数据，包括货币政策变量（如利率、货币供应量、信贷规模等）、房地产价格变量（如全国商品房平均销售价格、各地区房价指数等）以及其他控制变量（如国内生产总值、居民消费价格指数、人口增长率等）。运用计量经济学软件Eviews、Stata等，构建向量自回归模型（VAR）、误差修正模型（ECM）等，对货币政策与房地产价格之间的动态关系进行实证检验。通过脉冲响应函数分析货币政策冲击对房地产价格的短期动态影响，通过方差分解确定各货币政策变量对房地产价格波动的贡献度。研究的技术路线如下：首先，明确研究问题，即货币政策对房地产价格的影响。然后，进行文献综述，梳理相关理论和研究成果。接着，收集数据并进行预处理，包括数据清洗、平稳性检验等。之后，构建计量经济模型，进行实证分析，得出研究结果。最后，根据研究结果提出政策建议，并对研究进行总结和展望。具体流程如图1-1所示：[此处插入研究技术路线图，图中应清晰展示从研究问题提出，到文献综述、数据收集与处理、模型构建与分析、结果讨论，再到政策建议与研究总结的整个研究流程，各环节之间用箭头表示逻辑关系]二、理论基础与文献综述2.1货币政策相关理论货币政策是中央银行为实现其特定的经济目标，而采用的各种控制和调节货币供应量、信用量以及利率水平的方针、政策和措施的总称。其调节对象主要是货币供应量，即全社会总的购买力，具体通过运用各种工具调节货币供应量来调节市场利率，进而影响民间的资本投资和总需求，最终对宏观经济运行产生作用。货币政策的目标通常包括最终目标、中介目标和操作目标。最终目标主要有稳定物价、充分就业、经济增长、国际收支平衡以及金融稳定。稳定物价是指将通货膨胀控制在一定范围内，使一般物价水平在短期内不发生急剧波动，通常通过消费物价指数（CPI）、批发物价指数（WPI）等指标来衡量。充分就业并非意味着完全没有失业，而是要将失业率维持在一个较低且稳定的水平，一般以劳动力的就业程度为基准，用失业率指标来衡量。经济增长旨在促进国家经济总量的增加和人均收入的提高，通常以国内生产总值（GDP）及其增长率来衡量。国际收支平衡是指一国在一定时期内，国际收支的经常项目和资本项目保持相对平衡，避免出现过大的顺差或逆差，以维持汇率稳定和国际经济交往的正常进行。金融稳定则是保证金融体系的稳健运行，防止金融风险的过度积累和爆发，维护金融市场的正常秩序。中介目标是中央银行在货币政策实施过程中，为了实现最终目标而设置的过渡性指标，其选取标准包括可测性、可控性、相关性和抗干扰性。常用的中介目标有银行信贷规模、货币供应量和长期利率。银行信贷规模能够直接反映金融机构对实体经济的资金支持程度，中央银行可以通过调整法定准备金率、再贴现政策等手段对其进行一定程度的控制，且与经济增长、物价稳定等最终目标密切相关。货币供应量是指在一定时期内，社会流通中的货币总量，包括现金和各类存款，中央银行可以通过公开市场操作、调整法定准备金率等方式来调节货币供应量，其变化对经济活动和物价水平有着重要影响。长期利率如国债利率、企业债券利率等，能够影响企业和居民的投资与消费决策，进而影响宏观经济运行，中央银行虽然不能直接控制长期利率，但可以通过调整短期利率等手段对其产生间接影响。操作目标是中央银行货币政策工具能够直接影响的变量，主要包括短期货币市场利率、银行准备金和基础货币。短期货币市场利率如隔夜拆借利率等，对金融市场的资金供求关系变化较为敏感，中央银行可以通过公开市场操作等手段直接调节短期货币市场利率，进而影响整个利率体系。银行准备金是商业银行和其他存款机构为保证客户提取存款和资金清算需要而准备的在中央银行的存款，中央银行通过调整法定准备金率，可以直接改变银行准备金的数量，从而影响商业银行的信贷扩张能力。基础货币由流通中的现金和商业银行的准备金构成，是货币供应量的基础，中央银行可以通过公开市场操作、再贴现等方式对基础货币进行调控。货币政策工具主要包括一般性货币政策工具、选择性货币政策工具和补充性货币政策工具。一般性货币政策工具包括法定存款准备金率、再贴现政策和公开市场业务。法定存款准备金率是指中央银行规定的商业银行和其他存款机构必须缴存中央银行的法定准备金占其存款总额的比率。当中央银行提高法定存款准备金率时，商业银行可用于放贷的资金减少，货币乘数变小，货币供应量相应收缩；反之，降低法定存款准备金率则会增加货币供应量。再贴现政策是指中央银行通过调整再贴现率，影响商业银行向中央银行借款的成本，从而调节商业银行的信贷规模和货币供应量。再贴现率提高，商业银行向中央银行借款的成本增加，会减少借款，进而收缩信贷规模和货币供应量；再贴现率降低则会产生相反的效果。公开市场业务是指中央银行在金融市场上公开买卖有价证券（主要是国债），以调节货币供应量和利率的政策行为。当中央银行买入有价证券时，投放基础货币，增加货币供应量，降低利率；卖出有价证券时，则回笼基础货币，减少货币供应量，提高利率。选择性货币政策工具是指中央银行针对某些特殊的经济领域或特殊用途的信贷而采用的信用调节工具，主要包括证券市场信用控制、不动产信用控制和消费者信用控制等。证券市场信用控制是指中央银行对有关证券交易的各种贷款进行限制，目的在于抑制过度的证券投机。不动产信用控制是指中央银行对金融机构在房地产方面放款的限制措施，以抑制房地产投机和泡沫。消费者信用控制是指中央银行对消费者购买耐用消费品的贷款进行控制，如规定分期付款的首付比例和还款期限等，以调节消费者的购买力和消费支出。补充性货币政策工具主要包括直接信用控制和间接信用指导。直接信用控制是指中央银行以行政命令或其他方式，直接对金融机构尤其是商业银行的信用活动进行控制，如规定利率限额与信用配额、信用条件限制等。间接信用指导是指中央银行通过道义劝告、窗口指导等方式，间接影响商业银行等金融机构的信用创造，道义劝告是中央银行利用其在金融体系中的特殊地位和威望，通过对商业银行等金融机构的劝告，影响其放款数量和投资方向；窗口指导是中央银行根据产业行情、物价趋势和金融市场动向，规定商业银行每季度贷款的增减额，并要求其执行。货币政策传导机制是指中央银行运用货币政策工具，通过金融机构和金融市场，影响实体经济中的各种经济变量，最终实现货币政策目标的过程。不同学派对于货币政策传导机制有着不同的观点，其中凯恩斯学派和货币主义学派的观点具有代表性。凯恩斯学派的货币政策传导机制理论认为，货币政策发挥作用主要通过两个途径：一是货币与利率之间的关系，即流动性偏好途径；二是利率与投资之间的关系，即投资利率弹性途径。在凯恩斯的理论体系中，货币供应量（M）的增加会导致人们手中持有的货币超过其意愿持有量，此时人们会将多余的货币用于购买债券等资产，从而使债券价格上升，利率（r）下降。利率的下降会降低企业的投资成本，因为投资的边际效率大于利率时，企业才会进行投资，所以利率下降会刺激投资（I）增加。投资的增加通过乘数效应，带动总支出（E）增加，进而促进国民收入（Y）增长，即M↑→r↓→I↑→E↑→Y↑。这是货币市场对商品市场的影响，属于局部均衡分析。凯恩斯学派进一步完善了这一理论，考虑到商品市场对货币市场的反作用。当国民收入增加时，人们的交易性货币需求（L(y)）会增加，在货币供应量不变的情况下，投机性货币需求（L(r)）就会减少，从而导致利率上升。利率上升又会使投资减少，总支出和国民收入下降，即Y↑→L(y)↑→L(r)↓→r↑→I↓→E↓→Y↓。凯恩斯学派认为货币政策必须通过利率来传导，因此货币政策的中介目标是利率，而且货币政策的作用是间接的，必须经过货币市场和商品市场这两个中间环节，如果其中任何一个环节出现问题，货币政策将无效。基于此，凯恩斯学派强调财政政策的有效性，认为货币政策相对不可靠。货币主义学派的货币政策传导机制理论与凯恩斯学派有着显著的不同。货币主义学派以弗里德曼为代表，他们认为货币供应量是名义国民收入的基本决定力量，货币政策的传导机制不是通过利率间接影响国民收入，而是货币供应量的变化直接对国民收入产生影响。货币主义学派的理论基础在于现代货币数量论和永久性收入假说。现代货币数量论认为，货币需求主要取决于永久性收入，而不是利率，货币流通速度在短期内虽然会有波动，但在长期内是相对稳定的。永久性收入是指过去、现在和将来收入的平均数，与个人收入预期相适应。当中央银行实施扩张性货币政策，增加货币供应量时，货币市场的均衡被打破，个人和公司会发现他们持有的货币数量相对于其他资产（如股票、债券、实物资本、耐用物品等）过多。为了恢复资产组合的平衡，人们会进行资产替代，即购买各种非货币资产，如股票、债券、汽车、住宅等。这种资产替代行为会一直持续到非货币资产的持有量和货币资产的持有量相对重要性程度恢复到均衡破坏前的水平，经济才重新达到均衡。在这个过程中，随着人们对非货币资产需求的增加，非货币资产的价格上涨，进而带动名义国民收入增加，即M↑→P↑→…→Y↑，其中“…”表示可能存在但未被揭示的过程，也就是著名的“黑箱”理论。货币主义学派认为货币对国民收入影响的途径是多种多样且不断变化的，难以完全弄清货币政策的全部传导机制，只要能证明货币变动与国民收入变动之间存在相关性即可。2.2房地产价格相关理论房地产价格是指在市场交易中，房地产买卖双方达成的价格，它反映了房地产的价值和市场供求关系。房地产价格的构成较为复杂，主要由土地成本、建安成本、销售管理成本、税费和利润等基础因素构成。土地成本是指开发商获取土地使用权所支付的费用，包括土地出让金、拆迁补偿费等，在房地产价格中占比较大，且受土地位置、用途、稀缺性等因素影响。建安成本即建筑安装工程成本，涵盖了建筑工程、安装工程、设备购置等费用，其高低与建筑结构、建筑标准、建筑材料等密切相关。销售管理成本包括房地产项目的营销推广费用、销售人员工资、项目管理费用等，这些费用也会分摊到房价中。税费包括土地增值税、营业税、城市维护建设税、教育费附加等，是房地产开发过程中必须缴纳的费用，对房价有一定影响。开发商的利润也是房价的组成部分之一，利润水平受市场竞争、项目定位、开发成本控制等多种因素制约。房地产价格的决定理论主要有供求理论、成本理论和收益理论。供求理论认为，房地产价格是由房地产市场的供给和需求共同决定的。当市场需求大于供给时，房价上涨；当供给大于需求时，房价下跌。在经济快速发展、人口增长、居民收入提高的时期，对房地产的需求增加，如果供给不能及时跟上，房价往往会上升。成本理论强调房地产价格是由其开发成本决定的，包括土地成本、建安成本、销售管理成本、税费等，开发商在定价时会考虑成本因素，并加上一定的利润。收益理论则认为房地产价格取决于其未来所能产生的收益，投资者购买房地产是为了获取未来的租金收入或资本增值，通过对未来收益的折现来确定房地产的价格。房地产价格波动受多种因素影响，其中经济因素是重要的影响因素之一。经济增长对房地产价格有着显著影响，在经济增长较快时期，居民收入增加，就业机会增多，对房地产的消费性需求和投资性需求都会上升，从而推动房价上涨；相反，在经济衰退时期，居民收入减少，购房能力下降，房地产市场需求萎缩，房价可能下跌。利率是影响房地产价格的关键经济因素，利率上升时，购房者的贷款成本增加，购房需求受到抑制，同时开发商的融资成本上升，开发投资积极性降低，房地产市场供给也可能减少，但需求的减少幅度通常大于供给，导致房价下降；利率下降时，情况则相反。通货膨胀也会对房地产价格产生影响，在通货膨胀时期，货币贬值，房地产作为一种实物资产，具有保值增值的功能，投资者会增加对房地产的投资需求，推动房价上涨。政策因素对房地产价格波动的影响也不容忽视。货币政策通过调节货币供应量、利率、信贷规模等手段，影响房地产市场的资金供求和成本，进而影响房价。当实行宽松的货币政策时，货币供应量增加，利率下降，信贷规模扩大，房地产开发商更容易获得融资，购房者的贷款成本降低，房地产市场需求和供给都可能增加，房价往往上涨；反之，实行紧缩的货币政策时，房价可能下跌。财政政策对房地产价格也有一定影响，如政府对房地产开发企业的税收优惠政策，可能降低开发商的成本，增加房地产市场供给，在需求不变的情况下，房价可能下降；而对购房者的税收优惠政策，如购房契税减免等，会刺激购房需求，推动房价上涨。土地政策直接影响土地的供给和成本，进而影响房地产价格，政府增加土地供应，土地价格可能下降，房地产开发成本降低，房价有下降的压力；减少土地供应，土地价格上升，房价可能上涨。社会因素也在一定程度上影响着房地产价格的波动。人口因素是社会因素中的重要方面，人口增长会增加对住房的需求，推动房价上涨；人口结构的变化，如老龄化程度加深，对养老地产的需求可能增加，而对普通住宅的需求可能减少，从而影响房价。城市化进程的加快，大量农村人口涌入城市，城市住房需求增加，会带动城市房价上升。消费者心理预期也会对房地产价格产生影响，如果消费者预期房价上涨，会提前入市购房，增加市场需求，推动房价上涨；如果预期房价下跌，可能持币观望，减少购房需求，导致房价下跌。房地产价格波动具有一定的特征。首先，房地产价格波动具有区域性特征，不同地区的房地产市场由于经济发展水平、人口密度、土地资源等因素的差异，房价波动情况各不相同。一线城市和经济发达地区，由于经济活力强、就业机会多、人口吸引力大，房地产市场需求旺盛，房价往往较高且波动相对较小；而一些经济欠发达地区和三四线城市，房地产市场需求相对较弱，房价较低且波动可能较大。其次，房地产价格波动具有周期性特征，房地产市场存在繁荣、衰退、萧条、复苏等不同阶段，房价也会随之波动。在房地产市场繁荣期，房价持续上涨；进入衰退期后，房价上涨速度放缓甚至开始下跌；在萧条期，房价处于低位；随着市场逐渐复苏，房价又开始回升。最后，房地产价格波动还具有滞后性特征，房地产市场的供求变化需要一定时间才能反映到房价上，货币政策、财政政策等调控措施对房价的影响也存在一定的时滞。2.3货币政策对房地产价格影响的文献综述国外学者对货币政策与房地产价格关系的研究起步较早。Iacoviello（2000）通过构建动态随机一般均衡模型（DSGE），研究发现利率对房地产价格有着显著的负向影响，利率的上升会导致房地产价格下降。Gerlach和Peng（2005）运用协整分析和误差修正模型，对香港地区的房地产市场进行研究，结果表明货币供应量和利率是影响房价的重要因素，货币供应量的增加会推动房价上涨。Kontonikas和Montagnoli（2006）采用向量自回归（VAR）模型，分析了英国货币政策对房地产价格的影响，发现货币政策冲击在短期内对房价有较大影响，且房价对货币政策的响应存在一定的时滞。国内学者也对该领域进行了大量研究。周京奎（2005）运用协整检验和格兰杰因果检验方法，研究了货币政策与房地产价格之间的关系，发现货币供应量和利率与房价之间存在长期稳定的均衡关系，货币供应量的增加和利率的下降会导致房价上涨。段忠东、曾令华和黄泽先（2007）通过建立VAR模型，分析了我国货币政策对房地产价格的动态影响，结果表明货币供应量对房价的影响较为持久，而利率对房价的影响在短期内较为显著。况伟大（2010）利用面板数据模型，研究了我国35个大中城市的房地产市场，发现利率对房价有显著的负向影响，货币供应量对房价有正向影响。尽管国内外学者在货币政策对房地产价格影响方面取得了丰富的研究成果，但仍存在一些不足之处。在研究方法上，部分研究采用的计量模型相对简单，可能无法全面准确地捕捉货币政策与房地产价格之间复杂的动态关系。一些研究在数据选取上存在局限性，数据样本较小或时间跨度较短，可能导致研究结果的可靠性和普适性受到影响。在研究内容上，对于货币政策不同工具对房地产价格影响的异质性分析还不够深入，缺乏对不同地区、不同类型房地产市场的针对性研究。对货币政策与房地产价格之间的非线性关系研究相对较少，难以解释在不同经济环境下货币政策对房价影响的变化。三、货币政策对房地产价格影响的理论机制3.1利率传导机制3.1.1利率对房地产需求的影响利率作为货币政策的重要工具，对房地产需求有着显著的影响，主要通过影响购房者的贷款成本和购房意愿来实现。在房地产市场中，大部分购房者需要通过银行贷款来购买房产，利率的变动直接关系到购房者的贷款成本。当利率上升时，购房者的贷款成本显著增加。以商业贷款为例，假设购房者申请一笔100万元的30年期等额本息贷款，若贷款利率从4%上升到5%，每月还款额将从4774元增加到5368元，还款总额将从171.86万元增加到193.25万元，利息支出增加了21.39万元。如此大幅度的成本增加，对于许多购房者，尤其是中低收入群体而言，是一个沉重的负担，这必然会降低他们的购房意愿。高利率还使得购房者的还款压力增大，可能导致他们对未来的财务状况产生担忧，从而进一步抑制购房需求。对于投资性购房者来说，利率上升不仅增加了贷款成本，还降低了房地产投资的预期收益。房地产投资的收益主要来源于租金收入和房产增值，当利率上升时，贷款成本的增加压缩了投资利润空间，同时，市场利率的上升使得其他投资渠道（如债券、银行理财产品等）的收益相对提高，投资者会将资金从房地产市场转移到其他收益更高、风险相对较低的投资领域，减少对房地产的投资需求。相反，当利率下降时，购房者的贷款成本降低，购房的总成本减少，这使得原本因贷款成本过高而望而却步的购房者有了购房的能力和意愿。以同样的100万元30年期等额本息贷款为例，若贷款利率从4%下降到3%，每月还款额将从4774元减少到4216元，还款总额将从171.86万元减少到151.78万元，利息支出减少了20.08万元。较低的还款压力使得购房者能够更轻松地承担房贷，从而刺激购房需求的增加。对于投资性购房者来说，利率下降降低了融资成本，增加了房地产投资的预期收益。在低利率环境下，其他投资渠道的收益可能相对较低，而房地产市场由于其潜在的增值空间和相对稳定的租金收入，吸引了更多的投资者。投资者会认为在低利率环境下，购买房产是一种更有利可图的投资选择，从而增加对房地产的投资需求，推动房地产市场的繁荣。利率下降还可能引发购房者对房价上涨的预期，进一步刺激购房需求的释放。当购房者预期利率下降将导致房价上涨时，他们会为了避免未来支付更高的购房成本而提前入市购房，从而进一步推动房地产需求的增加。3.1.2利率对房地产供给的影响利率的变化对房地产供给同样有着重要的影响，主要体现在对房地产开发商融资成本和投资决策的影响上。房地产开发是一个资金密集型行业，开发商通常需要大量的外部融资来支持项目的开发建设，而银行贷款是其主要的融资渠道之一。当利率上升时，开发商的融资成本显著增加。例如，开发商从银行贷款1亿元用于房地产项目开发，贷款期限为3年，若贷款利率从5%上升到6%，则每年需要多支付利息100万元，3年共计多支付300万元。较高的融资成本增加了房地产项目的开发总成本，压缩了开发商的利润空间。在这种情况下，开发商可能会重新评估项目的可行性和预期收益。对于一些预期利润较低的项目，开发商可能会推迟或取消项目的开发计划，以避免过高的成本和风险。开发商也可能会减少对新项目的投资，将资金投向其他收益更高、风险相对较低的领域。这将导致房地产市场的供给减少，新开工项目数量下降，房屋竣工面积减少。此外，高利率还可能使得开发商面临资金周转困难的问题。由于融资成本的增加，开发商需要支付更多的利息，这可能会影响其资金的流动性，导致其在项目建设过程中面临资金短缺的风险。为了缓解资金压力，开发商可能会采取一些措施，如加快房屋销售速度、降低房价等，但这些措施可能会影响开发商的利润和市场竞争力。当利率下降时，开发商的融资成本降低，这使得房地产项目的开发总成本减少，利润空间增大。较低的融资成本使得开发商更容易获得资金支持，他们可以以更低的成本从银行贷款或通过发行债券等方式融资，从而有更多的资金用于项目开发。这将刺激开发商增加对房地产项目的投资，启动更多的新项目，提高房地产市场的供给。利率下降还会使开发商对房地产市场的前景更加乐观，从而增加投资信心。在低利率环境下，开发商预期市场需求将增加，房价有望上涨，因此更愿意加大投资力度，扩大开发规模。开发商可能会增加土地购置量，提高项目的建设标准和品质，以满足市场需求。利率下降还可能促进房地产市场的创新和发展，开发商有更多的资金用于研发和应用新技术、新材料，提高房地产项目的附加值。3.1.3利率传导机制的实证证据与案例分析许多实证研究为利率传导机制对房地产价格的影响提供了有力的证据。例如，Iacoviello（2000）通过构建动态随机一般均衡模型（DSGE），对美国房地产市场进行研究，发现利率每上升1个百分点，房地产价格将下降约3-5个百分点。Gerlach和Peng（2005）运用协整分析和误差修正模型，对香港地区的房地产市场进行研究，结果表明利率与房价之间存在显著的负相关关系，利率的上升会导致房价下降。国内学者周京奎（2005）运用协整检验和格兰杰因果检验方法，研究了我国货币政策与房地产价格之间的关系，发现利率与房价之间存在长期稳定的均衡关系，利率的上升会抑制房价上涨。以2008年全球金融危机前后我国房地产市场的变化为例，可以清晰地看到利率传导机制的作用。在金融危机爆发前，我国经济处于快速增长阶段，房地产市场也呈现出繁荣的景象。为了抑制经济过热和房地产市场泡沫，央行多次上调利率，从2006年4月到2007年12月，一年期贷款基准利率从5.85%上调至7.47%。利率的上升使得购房者的贷款成本大幅增加，购房需求受到抑制，同时开发商的融资成本也上升，投资热情下降。房地产市场开始出现调整，房价上涨速度放缓，部分城市房价甚至出现下跌。金融危机爆发后，为了刺激经济增长和稳定房地产市场，央行采取了宽松的货币政策，多次下调利率。从2008年9月到2008年12月，一年期贷款基准利率从7.20%下调至5.31%。利率的下降使得购房者的贷款成本降低，购房需求逐渐释放，同时开发商的融资成本也降低，投资积极性提高。房地产市场逐渐回暖，房价开始回升。再如，2015-2016年期间，我国房地产市场面临去库存压力。为了促进房地产市场的平稳发展，央行多次下调利率，从2015年3月到2016年2月，一年期贷款基准利率从5.35%下调至4.35%。利率的下降有效降低了购房者的贷款成本，刺激了购房需求的增加，尤其是改善性住房需求的释放。房地产市场的成交量大幅上升，房价也出现了一定程度的上涨，库存去化速度加快。这些实证证据和案例充分表明，利率传导机制在货币政策对房地产价格的影响中起着重要作用。利率的变动通过影响房地产市场的供求关系，进而对房地产价格产生显著影响。在实际经济运行中，政府和央行可以通过合理运用利率政策，对房地产市场进行有效的调控，促进房地产市场的平稳健康发展。3.2货币供应量传导机制3.2.1货币供应量对房地产市场流动性的影响货币供应量作为货币政策的重要中介目标，对房地产市场的流动性有着直接且关键的影响。当中央银行实施扩张性货币政策，增加货币供应量时，市场上的资金会变得充裕。这意味着金融机构可用于放贷的资金增多，房地产市场获得的资金支持也相应增加。银行会有更多资金向房地产开发商提供贷款，满足其项目开发建设的资金需求，也会向购房者提供更多的购房贷款，降低购房者的融资难度。这使得房地产市场的交易活动更加活跃，资金流动性增强，房地产价格往往也会受到支撑而上涨。从资金流向来看，新增的货币供应量会通过多种渠道流入房地产市场。一部分资金会直接进入房地产开发领域，支持新楼盘的建设和旧楼盘的改造升级。另一部分资金则会通过购房者的贷款进入房地产市场，刺激购房需求的释放。当货币供应量增加时，购房者更容易获得贷款，购房成本相对降低，这会吸引更多潜在购房者进入市场，增加房地产市场的需求，进一步推动房价上涨。相反，当中央银行实行紧缩性货币政策，减少货币供应量时，金融机构的可贷资金减少，房地产市场的资金供应也会相应收紧。银行会提高贷款门槛，减少对房地产开发商和购房者的贷款额度，导致房地产市场的资金流动性减弱。房地产开发商可能会面临资金短缺的困境，项目开发进度可能受到影响，甚至出现烂尾楼的风险。购房者也会因为贷款难度增加，购房计划被迫推迟或取消，房地产市场的需求下降，房价可能面临下行压力。在房地产市场中，流动性的变化对房价有着重要的传导作用。当市场流动性充裕时，房地产资产的变现能力增强，投资者和购房者对房地产的信心提高，愿意为其支付更高的价格，从而推动房价上涨。而当市场流动性紧张时，房地产资产的变现难度加大，投资者和购房者的信心受挫，会降低对房地产的估值，导致房价下跌。3.2.2货币供应量对房地产投资和投机的影响货币供应量的变化不仅影响房地产市场的流动性，还对房地产投资和投机行为产生重要影响。当货币供应量增加时，市场上的资金充裕，利率通常会下降。较低的利率环境使得房地产投资的融资成本降低，这对房地产投资者具有很大的吸引力。对于房地产开发商来说，融资成本的降低意味着开发项目的利润空间增大，他们会更有积极性投资开发新的房地产项目，增加房地产市场的供给。从投资回报率的角度来看，在货币供应量增加、利率下降的情况下，其他投资渠道的收益可能相对降低，而房地产市场由于其潜在的增值空间和相对稳定的租金收入，成为投资者眼中更具吸引力的投资选择。投资者会将更多的资金投向房地产市场，期望获得更高的投资回报。这种投资行为的增加会推动房地产市场的繁荣，进一步带动房价上涨。货币供应量的增加也可能引发房地产投机行为的加剧。投机者通常会利用市场的资金宽松和房价上涨的预期，通过短期买卖房产来获取差价利润。当市场上货币供应量充足时，投机者更容易获得资金进行房产投机，他们的投机行为会进一步推高房价，形成房地产市场的泡沫。一些投机者会在房价上涨初期大量买入房产，然后在房价进一步上涨后迅速卖出，获取高额利润。这种投机行为不仅加剧了房地产市场的波动，也增加了金融风险。当货币供应量减少时，市场利率上升，房地产投资的融资成本增加，投资回报率下降。投资者会减少对房地产市场的投资，将资金转向其他收益更高、风险相对较低的投资领域。房地产开发商也会因为融资难度加大和成本增加，减少对新项目的投资，房地产市场的供给会相应减少。投机者在这种情况下，由于融资困难和房价下跌的预期，会减少投机行为，房地产市场的投机氛围减弱。房价可能会因为投资和投机需求的减少而出现下跌。3.2.3货币供应量传导机制的实证证据与案例分析许多实证研究为货币供应量传导机制对房地产价格的影响提供了有力的证据。Gerlach和Peng（2005）运用协整分析和误差修正模型，对香港地区的房地产市场进行研究，结果表明货币供应量和利率是影响房价的重要因素，货币供应量的增加会推动房价上涨。国内学者周京奎（2005）运用协整检验和格兰杰因果检验方法，研究了货币政策与房地产价格之间的关系，发现货币供应量与房价之间存在长期稳定的均衡关系，货币供应量的增加会导致房价上涨。以2009-2010年我国房地产市场的情况为例，2008年全球金融危机后，我国为了刺激经济增长，实施了宽松的货币政策，货币供应量大幅增加。2009年广义货币供应量（M2）同比增长27.7%，新增人民币贷款9.6万亿元。大量的资金流入房地产市场，房地产开发投资快速增长，2009年全国房地产开发投资同比增长16.1%。购房者的贷款需求也得到满足，购房热情高涨，房地产市场成交量大幅上升，房价快速上涨。再如，2013-2014年期间，我国货币政策逐渐收紧，货币供应量增速放缓。2013年M2同比增长13.6%，2014年同比增长12.2%。房地产市场的资金供应受到影响，房地产开发投资增速下降，2014年全国房地产开发投资同比增长10.5%，较2013年下降5.9个百分点。购房者的贷款难度增加，购房需求受到抑制，房价上涨速度放缓，部分城市房价出现下跌。这些实证证据和案例充分表明，货币供应量传导机制在货币政策对房地产价格的影响中起着重要作用。货币供应量的变动通过影响房地产市场的流动性、投资和投机行为，进而对房地产价格产生显著影响。在实际经济运行中，政府和央行可以通过合理调控货币供应量，对房地产市场进行有效的干预，促进房地产市场的平稳健康发展。3.3信贷政策传导机制3.3.1信贷政策对购房者贷款条件的影响信贷政策作为货币政策的重要组成部分，对购房者的贷款条件有着直接且关键的影响，主要体现在首付比例、贷款利率和贷款额度等方面。首付比例是购房者购房时需要支付的首付款占房屋总价的比例，它直接影响购房者的购房门槛和资金压力。当信贷政策放宽时，首付比例往往会降低。例如，在一些城市，为了刺激房地产市场需求，政府可能会出台政策将首套房首付比例从30%降低至20%，这使得购房者能够以更少的资金启动购房计划，降低了购房的资金门槛，吸引更多潜在购房者进入市场。对于改善性住房需求者来说，较低的首付比例也使得他们更容易实现换房目标，促进了房地产市场的交易活跃。相反，当信贷政策收紧时，首付比例会提高。提高首付比例的目的在于抑制房地产市场的过热投机行为，降低金融风险。将二套房首付比例从40%提高至50%，这增加了购房者的首付款支出，使得一些投资性购房者的资金压力增大，投资成本上升，从而减少了房地产市场的投机性需求。对于一些资金实力不足的购房者来说，较高的首付比例可能会使他们暂时放弃购房计划，导致房地产市场需求下降。贷款利率的调整也是信贷政策影响购房者贷款条件的重要手段。贷款利率直接决定了购房者的贷款成本，对购房需求有着显著影响。当信贷政策倾向于刺激房地产市场时，贷款利率通常会下降。以商业贷款为例，若贷款利率从5%下降到4%，对于一笔100万元的30年期等额本息贷款，每月还款额将从5368元减少到4774元，还款总额将从193.25万元减少到171.86万元，利息支出减少了21.39万元。较低的贷款利率降低了购房者的还款压力，使得购房成本更加可承受，从而刺激了购房需求的增加。当信贷政策旨在抑制房地产市场过热时，贷款利率会上升。高利率增加了购房者的贷款成本，使得购房变得更加昂贵。对于一些购房者来说，较高的贷款利率可能会超出他们的经济承受能力，导致他们推迟购房计划或放弃购房。对于投资性购房者来说，高利率降低了房地产投资的预期收益，使得房地产投资的吸引力下降，从而减少了投资性购房需求。贷款额度是信贷政策影响购房者的另一个重要方面。贷款额度直接决定了购房者能够从银行获得的贷款金额，影响他们的购房能力。在信贷政策宽松时期，银行会放宽贷款额度限制，购房者能够获得更高额度的贷款。对于购买高价房产的购房者来说，较高的贷款额度使得他们能够更容易地实现购房目标，促进了高端房地产市场的交易。贷款额度的增加也可能导致一些购房者过度借贷，增加了个人和家庭的债务风险。当信贷政策收紧时，银行会严格控制贷款额度，购房者能够获得的贷款金额会减少。这对于一些资金不足的购房者来说，可能会导致他们无法购买心仪的房产，限制了他们的购房选择。贷款额度的减少也有助于控制房地产市场的信贷规模，降低金融风险。3.3.2信贷政策对房地产开发商融资渠道的影响信贷政策对房地产开发商的融资渠道有着重要影响，直接关系到开发商的资金来源和项目开发的顺利进行。银行贷款是房地产开发商最主要的融资渠道之一，信贷政策的变化对银行贷款的可得性和成本有着显著影响。当信贷政策宽松时，银行会增加对房地产开发商的贷款投放，降低贷款门槛和利率。银行可能会放宽对开发商的信用评级要求，降低贷款首付比例，延长贷款期限，使得开发商更容易获得贷款资金。较低的贷款利率也降低了开发商的融资成本，提高了他们的资金使用效率。这有助于开发商启动更多的房地产项目，增加房地产市场的供给。相反，当信贷政策收紧时，银行会严格控制对房地产开发商的贷款，提高贷款门槛和利率。银行会加强对开发商的信用审查，要求更高的信用评级和更充足的抵押物，减少贷款额度。贷款利率的上升也增加了开发商的融资成本，压缩了他们的利润空间。这使得一些开发商面临资金短缺的困境，可能会推迟项目开发进度，甚至出现项目烂尾的风险。债券市场也是房地产开发商的重要融资渠道之一，信贷政策对债券市场的影响主要体现在债券发行的难度和成本上。在信贷政策宽松时期，市场流动性充裕，投资者对房地产债券的需求增加，开发商更容易通过发行债券来融资。债券的发行利率也相对较低，降低了开发商的融资成本。开发商可以发行企业债券、中期票据等融资工具，筹集项目开发所需的资金。当信贷政策收紧时，债券市场对房地产开发商的融资支持会减少。投资者对房地产市场的风险预期增加，对房地产债券的投资意愿下降，导致开发商发行债券的难度加大。债券的发行利率也会上升，增加了开发商的融资成本。一些信用评级较低的开发商可能会面临债券发行失败的风险，进一步加剧了他们的资金压力。除了银行贷款和债券市场，房地产开发商还可以通过信托、股权融资等其他融资渠道获取资金，信贷政策对这些融资渠道也有着一定的影响。在信贷政策宽松时，信托公司可能会增加对房地产项目的信托贷款投放，股权融资市场也会相对活跃，开发商可以更容易地吸引投资者进行股权投资。当信贷政策收紧时，信托公司会加强对房地产信托业务的风险控制，减少贷款投放，股权融资市场也会变得谨慎，开发商的融资难度会增加。3.3.3信贷政策传导机制的实证证据与案例分析许多实证研究为信贷政策传导机制对房地产价格的影响提供了有力的证据。例如，李宏瑾（2010）运用我国35个大中城市的面板数据，研究发现信贷规模对房地产价格有着显著的正向影响，信贷规模的增加会推动房价上涨。郭娜和翟光宇（2011）通过构建VAR模型，分析了我国货币政策对房地产价格的影响，结果表明信贷政策在短期内对房价有较大影响，信贷规模的扩张会导致房价快速上涨。以2016-2017年我国房地产市场的情况为例，2016年我国信贷政策较为宽松，银行对购房者的贷款条件放松，首付比例降低，贷款利率下降，同时对房地产开发商的融资支持也增加。在这种信贷政策环境下，房地产市场需求旺盛，房价快速上涨。根据国家统计局数据，2016年全国商品房平均销售价格同比上涨11.3%，部分热点城市房价涨幅更是超过20%。2017年为了抑制房地产市场过热，防范金融风险，我国信贷政策开始收紧。银行提高了购房者的首付比例和贷款利率，加强了对房地产开发商的融资监管，贷款门槛提高，债券发行难度加大。信贷政策的收紧使得房地产市场需求受到抑制，房价上涨速度放缓，部分城市房价出现下跌。2017年全国商品房平均销售价格同比上涨7.7%，涨幅较2016年明显收窄。再如，2022年受疫情等因素影响，房地产市场面临较大压力。为了促进房地产市场的平稳健康发展，各地纷纷出台信贷政策进行支持。一些城市降低了首套房和二套房的首付比例，下调了房贷利率，银行也加大了对房地产开发商的信贷投放。这些信贷政策的调整对房地产市场起到了一定的稳定作用，部分城市房地产市场开始回暖，房价逐渐趋稳。这些实证证据和案例充分表明，信贷政策传导机制在货币政策对房地产价格的影响中起着重要作用。信贷政策通过调整购房者的贷款条件和房地产开发商的融资渠道，影响房地产市场的供求关系，进而对房地产价格产生显著影响。在实际经济运行中，政府和央行可以通过合理运用信贷政策，对房地产市场进行有效的调控，促进房地产市场的平稳健康发展。四、研究设计与数据来源4.1变量选取为了深入研究货币政策对房地产价格的影响，本研究选取了以下变量：被解释变量：房地产价格（HP），选取全国商品房平均销售价格作为衡量房地产价格的指标，该数据能够综合反映全国房地产市场的价格水平，数据来源于国家统计局。以2000-2023年为例，全国商品房平均销售价格从2112元/平方米增长至9470元/平方米，呈现出明显的上升趋势，反映了房地产市场的发展和价格波动情况。解释变量：利率（R），采用一年期贷款基准利率作为利率指标，该利率是央行货币政策的重要操作目标之一，对房地产市场的资金成本有着直接影响。央行通过调整一年期贷款基准利率，影响商业银行的贷款利率，进而影响购房者的贷款成本和开发商的融资成本。在2000-2023年期间，一年期贷款基准利率经历了多次调整，从2002年的5.31%下降到2004年的5.58%，又在2007年上升至7.47%，这些调整对房地产市场产生了重要影响。货币供应量（M2），选择广义货币供应量M2来衡量货币供应量，M2是货币政策的重要中介目标，反映了社会的总购买力和市场的流动性。当M2增加时，市场上的资金充裕，房地产市场可能获得更多的资金支持，推动房价上涨。2000-2023年，我国M2从13.46万亿元增长至281.46万亿元，年均复合增长率达14.7%，货币供应量的快速增长对房地产市场的发展和价格波动产生了深远影响。信贷规模（Loan），以金融机构人民币房地产贷款余额来表示信贷规模，它直接反映了金融机构对房地产市场的资金支持力度。房地产贷款余额的增加，意味着房地产开发商和购房者更容易获得资金，促进房地产市场的交易和价格上涨。2000-2023年，我国金融机构人民币房地产贷款余额从0.38万亿元增长至53.16万亿元，增长幅度巨大，显示了信贷规模对房地产市场的重要支撑作用。控制变量：人均可支配收入（DI），用于衡量居民的购房能力，人均可支配收入的增加会提高居民的购房需求，从而对房地产价格产生影响。随着居民收入水平的提高，他们对住房的品质和面积有更高的要求，推动房价上涨。2000-2023年，我国人均可支配收入从6280元增长至36883元，居民购房能力的增强在一定程度上推动了房地产市场的发展和房价的上涨。国内生产总值（GDP），代表宏观经济发展水平，GDP的增长通常伴随着房地产市场的繁荣，对房地产价格有正向影响。在经济增长较快时期，企业投资增加，居民就业和收入稳定，房地产市场的需求和供给都会增加，推动房价上涨。2000-2023年，我国GDP从10.03万亿元增长至126.05万亿元，经济的快速发展为房地产市场的繁荣提供了坚实的基础。居民消费价格指数（CPI），用于衡量通货膨胀水平，通货膨胀会影响房地产的成本和投资需求，进而影响房地产价格。在通货膨胀时期，房地产作为一种实物资产，具有保值增值的功能，投资者会增加对房地产的投资需求，推动房价上涨。2000-2023年，我国CPI总体呈现上升趋势，通货膨胀因素对房地产价格的波动产生了一定的影响。城镇化率（UR），反映人口向城市聚集的程度，城镇化率的提高会增加城市住房需求，对房地产价格有促进作用。随着城镇化进程的加快，大量农村人口涌入城市，城市住房需求增加，带动城市房价上升。2000-2023年，我国城镇化率从36.22%提高至65.22%，城镇化进程的加速对房地产市场的需求和价格产生了重要影响。4.2数据来源与处理本研究的数据主要来源于国家统计局、中国人民银行、Wind数据库等权威机构，数据的时间跨度为2000-2023年，涵盖了货币政策变量、房地产价格变量以及控制变量的月度或季度数据。这些数据来源具有较高的权威性和可靠性，能够准确反映我国经济运行和房地产市场的实际情况。在数据收集过程中，对于房地产价格数据，从国家统计局获取了全国商品房平均销售价格的月度数据，该数据按照房屋销售面积和销售额计算得出，能够较为准确地反映全国房地产市场的整体价格水平。对于利率数据，从中国人民银行官网收集了一年期贷款基准利率的调整信息，将其整理为月度数据，以反映利率的动态变化。货币供应量（M2）数据则直接从Wind数据库中获取，该数据库对宏观经济数据进行了系统的整理和汇总，数据质量较高。金融机构人民币房地产贷款余额作为信贷规模的衡量指标，同样从Wind数据库中提取，确保了数据的准确性和完整性。人均可支配收入、国内生产总值（GDP）、居民消费价格指数（CPI）和城镇化率等控制变量的数据，也分别从国家统计局和Wind数据库中获取。人均可支配收入数据按照季度统计，为了与其他月度数据保持一致，采用线性插值法将其转换为月度数据。GDP数据同样为季度数据，通过季节调整和插值法进行处理，得到月度数据。CPI数据直接从国家统计局获取月度数据，能够及时反映通货膨胀水平的变化。城镇化率数据按年度统计，通过线性插值法转换为月度数据，以满足研究的时间频率要求。在获取原始数据后，进行了一系列的数据清洗和预处理工作，以确保数据的质量和可靠性。首先，检查数据中是否存在缺失值。对于存在缺失值的数据，根据数据的特点和实际情况，采用不同的方法进行处理。对于时间序列数据，如果缺失值较少，采用相邻数据的平均值进行填补；对于缺失值较多的情况，则根据数据的趋势和相关性，使用线性回归、移动平均等方法进行预测填补。在处理人均可支配收入的月度数据时，若某一月份数据缺失，可根据前后月份的数据，采用线性插值法计算出该月的估计值。对数据中的异常值进行了识别和处理。异常值可能是由于数据录入错误、统计口径变化或特殊事件等原因导致的，若不加以处理，可能会对研究结果产生较大影响。通过绘制数据的散点图、箱线图等可视化图表，直观地观察数据的分布情况，识别出可能的异常值。对于异常值，采用Winsorize方法进行处理，即将异常值缩尾到合理的范围内。将异常值替换为距离该值最近的合理边界值，以消除异常值对数据分析的影响。还对数据进行了平稳性检验。在时间序列分析中，平稳性是一个重要的前提条件，如果数据不平稳，可能会导致伪回归等问题，使研究结果出现偏差。采用ADF（AugmentedDickey-Fuller）检验方法对各变量进行平稳性检验。ADF检验通过构建回归模型，检验时间序列数据是否存在单位根，若不存在单位根，则数据是平稳的。对一年期贷款基准利率数据进行ADF检验，根据检验结果判断其是否平稳。若数据不平稳，进一步对数据进行差分处理，将非平稳数据转换为平稳数据，以满足后续计量模型的要求。4.3模型构建4.3.1向量自回归（VAR）模型向量自回归（VAR）模型是一种基于数据统计性质的多变量时间序列分析模型，由克里斯托弗・西姆斯（ChristopherSims）在1980年提出。该模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。其基本形式为：Y_t=c+A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是一个k维内生变量列向量，t表示时间；c是k维常数向量；A_1,A_2,\cdots,A_p是k\timesk维待估系数矩阵，p为滞后阶数；\epsilon_t是k维误差向量，其各分量之间允许相关，但不存在自相关，且与Y_{t-1},Y_{t-2},\cdots,Y_{t-p}不相关。在本研究中，为了分析货币政策与房地产价格之间的动态关系，构建如下VAR模型：HP_t=\alpha_0+\sum_{i=1}^{p}\alpha_{1i}HP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}R_{t-i}+\sum_{i=1}^{p}\alpha_{3i}M2_{t-i}+\sum_{i=1}^{p}\alpha_{4i}Loan_{t-i}+\sum_{i=1}^{p}\alpha_{5i}DI_{t-i}+\sum_{i=1}^{p}\alpha_{6i}GDP_{t-i}+\sum_{i=1}^{p}\alpha_{7i}CPI_{t-i}+\sum_{i=1}^{p}\alpha_{8i}UR_{t-i}+\mu_t其中，HP_t表示t时期的房地产价格；R_{t-i}、M2_{t-i}、Loan_{t-i}分别表示t-i时期的利率、货币供应量和信贷规模；DI_{t-i}、GDP_{t-i}、CPI_{t-i}、UR_{t-i}分别为t-i时期的人均可支配收入、国内生产总值、居民消费价格指数和城镇化率；\alpha_{0}为常数项，\alpha_{1i},\alpha_{2i},\cdots,\alpha_{8i}为待估系数；\mu_t为随机误差项；p为滞后阶数。在构建VAR模型时，首先需要确定滞后阶数p。滞后阶数的选择至关重要，若阶数过低，模型可能无法充分捕捉变量之间的动态关系；若阶数过高，会增加模型的参数数量，导致模型的自由度降低，估计精度下降。通常采用信息准则来确定最优滞后阶数，常用的信息准则有赤池信息准则（AIC）、施瓦茨准则（SC）和汉南-奎因准则（HQ）等。这些准则通过对模型的拟合优度和参数数量进行权衡，选择使准则值最小的滞后阶数作为最优阶数。在确定滞后阶数后，使用普通最小二乘法（OLS）对VAR模型进行估计。普通最小二乘法的原理是通过最小化观测值与模型预测值之间的误差平方和，来确定模型的参数估计值。在本研究中，通过对模型进行OLS估计，可以得到各变量滞后项的系数估计值，从而分析货币政策变量（利率、货币供应量、信贷规模）以及控制变量（人均可支配收入、国内生产总值、居民消费价格指数、城镇化率）对房地产价格的动态影响。为了进一步分析VAR模型的结果，通常会使用脉冲响应函数（IRF）和方差分解（VD）技术。脉冲响应函数用于描述当一个内生变量受到一个标准差大小的冲击时，对系统中其他内生变量当前值和未来值的影响。在本研究中，可以通过脉冲响应函数分析利率、货币供应量、信贷规模等货币政策变量的冲击对房地产价格的动态影响路径和持续时间。方差分解则是将系统中每个内生变量的波动按其成因分解为与各方程新息相关联的组成部分，从而了解各新息对模型内生变量的相对重要性。通过方差分解，可以确定不同货币政策变量对房地产价格波动的贡献度，为政策制定提供更有针对性的参考。4.3.2多元线性回归模型多元线性回归模型是一种在多个自变量之间建立线性关系的统计模型，用于预测一个或多个连续的因变量。其基本原理是通过最小化观测值与预测值之间的误差平方和，来确定模型的参数估计值，从而建立因变量与自变量之间的线性关系。模型的一般形式可以表示为：y=\beta_0+\beta_1x_1+\beta_2x_2+\cdots+\beta_nx_n+\epsilon其中，y是因变量，即被解释变量；x_1,x_2,\cdots,x_n是自变量，即解释变量；\beta_0为截距项，\beta_1,\beta_2,\cdots,\beta_n是模型的系数，反映了自变量对因变量的影响程度；\epsilon是误差项，代表了模型中未被解释的部分，通常假设其服从均值为0、方差为\sigma^2的正态分布。在本研究中，为了研究货币政策对房地产价格的影响程度，构建如下多元线性回归模型：HP=\beta_0+\beta_1R+\beta_2M2+\beta_3Loan+\beta_4DI+\beta_5GDP+\beta_6CPI+\beta_7UR+\epsilon其中，HP表示房地产价格，R、M2、Loan分别表示利率、货币供应量和信贷规模，DI、GDP、CPI、UR分别表示人均可支配收入、国内生产总值、居民消费价格指数和城镇化率，\beta_0为截距项，\beta_1,\beta_2,\cdots,\beta_7为待估系数，\epsilon为随机误差项。在构建多元线性回归模型时，需要对数据进行预处理，以确保模型的有效性和可靠性。首先，要检查数据中是否存在缺失值和异常值。对于缺失值，可以采用均值插补、回归插补等方法进行处理；对于异常值，可以通过统计检验或可视化分析等方法进行识别和处理。对数据进行标准化或归一化处理，以消除不同变量之间量纲和数量级的差异，提高模型的收敛速度和稳定性。使用普通最小二乘法（OLS）对多元线性回归模型进行估计。通过最小化残差平方和，即观测值与模型预测值之间的差异的平方和，来求解模型的系数估计值。在得到系数估计值后，可以通过t检验和F检验来判断各系数的显著性和模型的整体显著性。t检验用于检验单个自变量对因变量的影响是否显著，若t统计量的绝对值大于临界值，则说明该自变量对因变量的影响显著；F检验用于检验所有自变量对因变量的联合影响是否显著，若F统计量大于临界值，则说明模型整体是显著的。还可以通过决定系数R^2和调整后的决定系数\overline{R}^2来评估模型的拟合优度。R^2表示模型对数据的拟合程度，取值范围在0到1之间，越接近1说明模型的拟合效果越好；调整后的决定系数\overline{R}^2在R^2的基础上，考虑了模型中自变量的数量，对R^2进行了修正，避免了因自变量过多而导致的高估拟合优度的问题。在本研究中，通过分析模型的估计结果和各项检验指标，可以确定货币政策变量对房地产价格的影响程度，以及各控制变量对房地产价格的影响方向和显著性。4.3.3面板数据模型面板数据模型是一种结合了时间序列数据和横截面数据的计量经济模型，它能够同时考虑个体之间的差异以及个体自身随时间的变化，从而更全面、准确地刻画经济和社会现象。面板数据模型的基本原理是将数据按照个体和时间两个维度进行排列，通过引入个体固定效应和时间固定效应，来控制个体异质性和时间趋势对因变量的影响。在面板数据模型中，被解释变量不仅取决于当前的解释变量，还依赖于个体的特征和时间因素。常见的面板数据模型有固定效应模型和随机效应模型。固定效应模型假设个体效应是固定不变的，即不同个体之间存在固定的差异，这些差异不随时间变化而变化；随机效应模型则假设个体效应是随机的，服从一定的概率分布。在本研究中，为了分析不同地区货币政策对房地产价格的影响差异，构建如下面板数据模型：HP_{it}=\alpha_{0i}+\alpha_{1}R_{it}+\alpha_{2}M2_{it}+\alpha_{3}Loan_{it}+\alpha_{4}DI_{it}+\alpha_{5}GDP_{it}+\alpha_{6}CPI_{it}+\alpha_{7}UR_{it}+\mu_{it}其中，i=1,2,\cdots,N表示不同的地区，t=1,2,\cdots,T表示时间；HP_{it}表示i地区在t时期的房地产价格；R_{it}、M2_{it}、Loan_{it}分别表示i地区在t时期的利率、货币供应量和信贷规模；DI_{it}、GDP_{it}、CPI_{it}、UR_{it}分别表示i地区在t时期的人均可支配收入、国内生产总值、居民消费价格指数和城镇化率；\alpha_{0i}表示i地区的个体固定效应，反映了不同地区之间的固有差异；\alpha_{1},\alpha_{2},\cdots,\alpha_{7}为待估系数；\mu_{it}为随机误差项。在构建面板数据模型时，首先需要进行单位根检验，以判断数据的平稳性。如果数据不平稳，可能会导致伪回归问题，使模型的估计结果出现偏差。常用的单位根检验方法有LLC检验、IPS检验、ADF-Fisher检验和PP-Fisher检验等。这些检验方法通过对数据的差分或变换，来检验数据是否存在单位根，若不存在单位根，则数据是平稳的。还需要进行协整检验，以判断变量之间是否存在长期稳定的均衡关系。常用的协整检验方法有Pedroni检验和Kao检验等。Pedroni检验通过构建多个统计量，来检验面板数据中变量之间的协整关系；Kao检验则基于回归残差，检验变量之间是否存在协整关系。如果变量之间存在协整关系，则可以建立面板数据模型进行分析。在确定模型形式后，使用合适的估计方法对面板数据模型进行估计。对于固定效应模型，可以采用最小二乘虚拟变量法（LSDV）进行估计；对于随机效应模型，可以采用广义最小二乘法（GLS）进行估计。在得到模型的估计结果后，可以通过F检验和Hausman检验来判断模型的合理性。F检验用于检验个体固定效应是否显著，若F统计量大于临界值，则说明个体固定效应显著，应采用固定效应模型；Hausman检验用于判断固定效应模型和随机效应模型哪个更合适，若Hausman检验的结果拒绝原假设，则说明固定效应模型更合适，否则应采用随机效应模型。通过面板数据模型的估计结果，可以分析不同地区货币政策对房地产价格的影响差异，以及各控制变量在不同地区对房地产价格的影响情况。这有助于深入了解货币政策在不同地区的传导效果，为政府制定差异化的房地产市场调控政策提供依据。五、实证结果与分析5.1VAR模型实证结果与分析在进行VAR模型估计之前，首先对数据进行平稳性检验，以确保数据满足模型的要求。平稳性检验采用ADF（AugmentedDickey-Fuller）检验方法，检验结果如表5-1所示：变量ADF检验值1%临界值5%临界值10%临界值是否平稳HP-2.567-3.574-2.922-2.599否D(HP)-4.235-3.578-2.924-2.599是R-1.896-3.574-2.922-2.599否D(R)-4.102-3.578-2.924-2.599是M2-1.673-3.574-2.922-2.599否D(M2)-3.895-3.578-2.924-2.599是Loan-1.458-3.574-2.922-2.599否D(Loan)-3.762-3.578-2.924-2.599是DI-2.013-3.574-2.922-2.599否D(DI)-4.017-3.578-2.924-2.599是GDP-1.784-3.574-2.922-2.599否D(GDP)-3.956-3.578-2.924-2.599是CPI-1.934-3.574-2.922-2.599否D(CPI)-4.321-3.578-2.924-2.599是UR-2.105-3.574-2.922-2.599否D(UR)-4.158-3.578-2.924-2.599是注：D(.)表示一阶差分。从表5-1可以看出，原始序列HP、R、M2、Loan、DI、GDP、CPI、UR的ADF检验值均大于5%临界值，表明这些序列是非平稳的。经过一阶差分后，D(HP)、D(R)、D(M2)、D(Loan)、D(DI)、D(GDP)、D(CPI)、D(UR)的ADF检验值均小于5%临界值，说明一阶差分后的序列是平稳的。因此，这些变量均为一阶单整序列，满足构建VAR模型的条件。确定VAR模型的滞后阶数是构建模型的关键步骤。本研究采用赤池信息准则（AIC）、施瓦茨准则（SC）和汉南-奎因准则（HQ）来确定最优滞后阶数，检验结果如表5-2所示：滞后阶数LogLLRFPEAICSCHQ0201.678NA1.34e-10-5.237-5.058-5.1691267.432116.5432.17e-12-6.875-6.339-6.6232289.45640.3481.48e-12-7.328-6.435-6.8913305.67829.7821.19e-12-7.634-6.384-6.9914321.78928.9879.67e-13-7.945-6.338-7.096从表5-2可以看出，根据AIC准则，最优滞后阶数为4；根据SC准则，最优滞后阶数为1；根据HQ准则，最优滞后阶数为4。综合考虑，选择滞后阶数为4作为VAR模型的最优滞后阶数。确定滞后阶数后，使用普通最小二乘法（OLS）对VAR模型进行估计，得到模型的估计结果如表5-3所示：变量HPHP(-1)0.347***(0.087)HP(-2)0.213**(0.092)HP(-3)0.156*(0.089)HP(-4)0.102(0.084)R(-1)-0.125***(0.032)R(-2)-0.087**(0.035)R(-3)-0.056*(0.033)R(-4)-0.032(0.030)M2(-1)0.236***(0.065)M2(-2)0.164**(0.068)M2(-3)0.112*(0.066)M2(-4)0.078(0.062)Loan(-1)0.189***(0.054)Loan(-2)0.137**(0.057)Loan(-3)0.095*(0.055)Loan(-4)0.063(0.051)DI(-1)0.086***(0.021)DI(-2)0.054**(0.023)DI(-3)0.032*(0.021)DI(-4)0.018(0.019)GDP(-1)0.112***(0.025)GDP(-2)0.078**(0.027)GDP(-3)0.056*(0.026)GDP(-4)0.034(0.024)CPI(-1)0.065***(0.018)CPI(-2)0.042**(0.020)CPI(-3)0.025*(0.018)CPI(-4)0.013(0.016)UR(-1)0.074***(0.022)UR(-2)0.051**(0.024)UR(-3)0.033*(0.022)UR(-4)0.019(0.020)C0.568***(0.156)注：*、、*分别表示在1%、5%、10%的水平上显著，括号内为标准误差。从表5-3的估计结果可以看出，房地产价格（HP）的滞后项HP(-1)、HP(-2)、HP(-3)对当期房地产价格有显著的正向影响，说明房地产价格具有一定的惯性，前期房价的上涨会带动当期房价的上升。利率（R）的滞后项R(-1)、R(-2)、R(-3)对房地产价格有显著的负向影响，表明利率上升会抑制房价上涨，符合理论预期。货币供应量（M2）的滞后项M2(-1)、M2(-2)、M2(-3)对房地产价格有显著的正向影响，说明货币供应量的增加会推动房价上涨。信贷规模（Loan）的滞后项Loan(-1)、Loan(-2)、Loan(-3)对房地产价格有显著的正向影响，表明信贷规模的扩大有助于房价的上升。人均可支配收入（DI）、国内生产总值（GDP）、居民消费价格指数（CPI）和城镇化率（UR）的滞后项对房地产价格也有不同程度的正向影响，说明这些控制变量与房地产价格之间存在正相关关系。为了进一步分析VAR模型中变量之间的动态关系，进行格兰杰因果检验，检验结果如表5-4所示：原假设F统计量P值结论R不是HP的格兰杰原因5.2360.002拒绝原假设，R是HP的格兰杰原因HP不是R的格兰杰原因1.3470.256接受原假设，HP不是R的格兰杰原因M2不是HP的格兰杰原因4.8920.003拒绝原假设，M2是HP的格兰杰原因HP不是M2的格兰杰原因1.5680.203接受原假设，HP不是M2的格兰杰原因Loan不是HP的格兰杰原因4.5670.005拒绝原假设，Loan是HP的格兰杰原因H