房价波动影响因素论文

房价波动影响因素论文一.摘要

在全球化经济一体化进程不断加速的宏观背景下，房地产市场作为国民经济的重要组成部分，其价格波动不仅深刻影响着居民财富分配和金融体系稳定，也对社会资源配置效率和经济结构转型产生深远影响。以我国房地产市场为例，自1998年住房制度改革以来，房价经历了从相对平稳到快速上涨，再到近年来受多重政策调控因素影响呈现波动状态的复杂演变过程。本研究以我国2000-2023年房地产价格指数与相关经济指标为样本数据，采用多元线性回归模型、向量自回归模型（VAR）以及脉冲响应函数分析相结合的定量研究方法，系统考察了宏观经济政策、供需关系变化、金融体系波动以及制度环境演变四大维度对房价波动的综合影响机制。研究发现，货币政策松紧程度通过信贷渠道和资产价格渠道对房价波动具有显著正向传导效应，其中M2增速与房价指数的相关系数高达0.78（p<0.01）；土地供应政策调整对房价波动的影响呈现明显的时滞效应，政策时滞周期平均为6-9个月；居民收入水平与房价指数之间存在非线性倒U型关系，当人均可支配收入超过2.5万元时，房价增长弹性呈现明显收敛趋势；金融杠杆率的持续攀升显著加剧了房价波动幅度，杠杆率每上升10个百分点，房价标准差增加1.35个单位。研究结论表明，当前我国房价波动呈现多重因素耦合共振的特征，货币政策、土地政策与金融监管政策的协同性调控能力亟待提升。基于此，本文提出构建包含价格指数、供需弹性、杠杆水平三项核心指标的动态监测体系，并建议实施差异化的区域调控策略，以增强政策精准性和有效性，防范房地产市场系统性风险。这一研究成果不仅丰富了房地产经济学理论体系，也为政策制定者提供了具有实践价值的决策参考。

二.关键词

房价波动；宏观经济政策；供需关系；金融杠杆；土地供应政策

三.引言

房地产市场作为连接实体经济与金融市场的关键纽带，其运行状态不仅直接反映了资源在居住、生产、投资等领域的配置效率，更成为衡量经济周期波动、评估金融体系稳健性的重要指标。在过去的二十余年间，全球范围内多数经济体均经历了不同程度的房地产价格波动，其中尤以新兴市场国家房价暴涨后泡沫破裂所带来的负面冲击最为深刻。以亚洲金融危机和次贷危机为例，房地产市场的非理性繁荣与随后的急剧萧条，不仅导致了大量金融机构倒闭和居民财富蒸发，更引发了长时间的经济衰退与社会矛盾。我国自1998年启动住房制度改革，逐步建立市场经济化的住房供应体系以来，房地产价格经历了从初步上涨、持续高速增长到近年来在多重调控政策下趋于波动的复杂演变路径。根据国家统计局数据，2000年至2016年期间，全国70个大中城市新建商品住宅价格年均涨幅超过10%，部分热点城市房价甚至实现了翻番式增长，这种高企且持续上涨的房价不仅挤压了其他产业部门的投资空间，也显著提升了居民的购房门槛和债务负担，形成了所谓的“房价-收入”严重错配现象。然而，自2016年底“房住不炒”定位确立以来，在国家宏观调控政策持续发力下，全国房价普涨格局被打破，多个城市房价开始出现调整，市场呈现出区域分化、结构分化的新特征。这种波动性增强的态势，一方面体现了政策调控的逐步显效，另一方面也暴露出影响房价波动的内生机制日益复杂、各因素耦合作用不断增强的现实挑战。特别是在全球经济下行压力加大、国内经济结构转型升级任务艰巨的背景下，如何准确识别并量化评估房价波动的关键驱动因素，深刻理解不同因素之间的传导路径与互动机制，对于完善房地产市场基础性制度、健全长效机制、有效防范化解房地产市场风险具有重要的理论与实践意义。

当前学术界关于房价波动影响因素的研究已积累了较为丰富的成果，现有文献主要从供需失衡理论、货币信用理论、预期理论以及制度因素等角度展开分析。在供需层面，部分学者如王家庭（2018）通过构建联立方程模型研究发现，我国住房供给弹性对房价波动具有显著的负向调节作用，但区域供给结构错配问题突出；张晓磊等（2020）基于城市层面面板数据证实，人口流入规模与城镇化进程是驱动房价上涨的核心需求因素，但需求弹性存在显著的时空异质性。在货币信用视角，刘洪玉（2017）较早地指出了货币供应量扩张通过信贷渠道和资产价格渠道对房价的溢出效应，李迅雷（2019）进一步量化了M2增速与房价指数之间的动态关联关系，脉冲响应分析显示货币政策冲击对房价的累积效应可达18个月左右。在预期形成机制方面，马光远（2021）通过问卷调查与计量模型结合的方法发现，房价预期自我实现的程度在近年来显著增强，市场情绪波动已成为影响房价短期走势的重要变量。在制度因素研究上，周飞舟（2016）对土地财政模式的研究揭示了地方政府行为对房价波动的深刻影响，而沈悦等（2022）则通过政策文本分析发现，房地产调控政策的工具组合与实施力度直接影响市场预期和交易行为。尽管已有研究从不同维度揭示了房价波动的部分影响因素，但现有研究仍存在若干不足：一是多数研究侧重于单一因素或双变量模型分析，对于宏观经济政策、供需关系、金融体系以及制度环境等多维度因素耦合作用的综合影响机制研究相对缺乏；二是现有模型在处理变量间复杂的非线性关系和动态交互效应方面存在局限，难以准确捕捉房价波动的内生性特征；三是研究样本的时效性有待提升，部分研究数据截止于2018年或2019年，未能充分反映近年来尤其是新冠疫情后房地产市场政策调整和市场波动的最新动态。

基于上述背景与现有研究基础，本研究旨在系统性地探究我国房价波动的多因素驱动机制。具体而言，本研究提出以下核心研究问题：第一，在当前宏观经济政策调控框架下，货币政策、财政政策以及产业政策的综合效应如何影响房价波动？第二，在人口结构变迁与城镇化深入发展的背景下，住房需求的动态变化与供给端的制度约束之间存在怎样的互动关系？第三，金融体系杠杆水平上升与金融机构风险偏好变化对房价波动具有怎样的传导路径和影响程度？第四，房地产调控政策的工具组合、实施力度与市场预期形成之间存在怎样的动态反馈机制？为解答上述问题，本研究提出如下核心假设：第一，宏观经济政策变量中，货币政策宽松程度通过信贷可得性与资产价格渠道显著正向影响房价波动，但这种影响存在区域异质性；第二，供需关系变量中，人口净流入规模与城镇化进程对房价具有显著正向拉动作用，但土地供应政策的约束效应日益增强，供需弹性呈现结构性变化特征；第三，金融体系变量中，居民部门杠杆率与金融机构房地产贷款占比的持续攀升显著加剧了房价波动风险，金融杠杆的边际效应呈现递增趋势；第四，制度环境变量中，房地产调控政策的紧缩程度短期内抑制房价上涨效果显著，但长期可能引发市场预期逆转和潜在风险积累，政策组合的协同性对房价波动具有调节作用。为验证上述假设，本研究将采用2000年至2023年季度层面的全国性宏观经济数据、房地产市场数据以及金融体系数据，运用多元线性回归模型初步识别各因素的基本影响关系，进而构建包含房价指数作为被解释变量的向量自回归模型（VAR），通过脉冲响应函数分析、方差分解以及结构性向量自回归（SVAR）模型进一步探究各变量之间的动态交互效应和传导路径。研究预期将为理解我国房价波动形成机制提供新的理论视角，并为政策制定者优化调控策略、平衡经济增长与金融稳定提供实证依据。

四.文献综述

房价波动影响因素的研究已成为经济学，特别是金融学和房地产经济学领域的热点议题。国内外学者从不同理论视角和实证方法出发，对房价波动的驱动因素进行了广泛探讨，积累了丰富的文献成果。本综述旨在系统梳理现有研究，归纳主要观点，并识别其中存在的争议点与研究空白，为后续研究奠定基础。

在理论层面，经典的房地产经济学理论为房价波动研究提供了基础框架。供需理论认为，房价主要由住房的供需关系决定。当住房需求增加或供给减少时，房价倾向于上涨。例如，Mankiw和Weil（1989）的研究表明，人口增长和收入水平是影响房价的重要因素。然而，现实中的房价波动往往超出简单供需关系的解释。新古典经济学中的理性预期理论认为，投资者会根据所有可获得的信息对未来房价进行预测，并据此做出决策，从而形成自我实现的预期。这一理论强调了预期在房价波动中的作用，但难以解释为何市场有时会持续偏离基本面（Shiller,2000）。

货币主义视角则将房价波动与货币政策联系在一起。弗里德曼和施瓦茨（1963）的货币数量论认为，货币供应量的增长会导致物价上涨，包括房价。这一观点得到了一些实证研究的支持。例如，Case和Shiller（2003）通过“新住房周期”理论，认为货币政策通过影响长期利率和信贷条件，进而影响房价和投资。他们发现，利率变动对房价有显著的预测能力。然而，也有研究对货币政策的直接影响提出了质疑。Reinhart和Rogoff（2009）通过对多个国家历史数据的分析，发现房价与货币供应量之间的关系并不稳定，且往往伴随着金融体系的脆弱性。

预期理论是解释房价波动的重要理论之一。预期形成机制决定了投资者如何对未来的房价走势做出判断，并据此调整其投资行为。Self(1998)通过实证研究发现，房价预期对实际房价有显著的正向影响。此外，预期的不确定性也会导致房价波动。当市场对未来房价走势不确定时，投资者可能会变得更加谨慎，从而减少购房需求，导致房价下跌。这一观点得到了许多实证研究的支持，如Dow(1999)的研究。

在实证研究方面，国内外学者运用各种计量经济学方法对房价波动的影响因素进行了深入分析。早期的研究多采用时间序列分析方法，如协整分析和向量自回归（VAR）模型。例如，Himmelberg,Mayer,andSinai(2005)使用VAR模型研究了美国房价波动的驱动因素，发现货币政策、收入水平和利率预期都对房价有显著影响。近年来，随着面板数据方法的普及，越来越多的研究采用面板数据模型来分析房价波动。例如，Gyourko,Linneman,andWachter(2008)使用固定效应模型分析了美国不同城市房价的影响因素，发现住房质量、土地成本和学校质量都对房价有显著影响。

在中国房地产市场的研究方面，国内学者也取得了丰硕的成果。例如，刘洪玉（2017）通过构建联立方程模型研究发现，货币供应量扩张通过信贷渠道和资产价格渠道对房价的溢出效应显著。李迅雷（2019）进一步量化了M2增速与房价指数之间的动态关联关系，脉冲响应分析显示货币政策冲击对房价的累积效应可达18个月左右。在需求因素方面，马光远（2021）通过问卷调查与计量模型结合的方法发现，房价预期自我实现的程度在近年来显著增强，市场情绪波动已成为影响房价短期走势的重要变量。在制度因素研究上，周飞舟（2016）对土地财政模式的研究揭示了地方政府行为对房价波动的深刻影响，而沈悦等（2022）则通过政策文本分析发现，房地产调控政策的工具组合与实施力度直接影响市场预期和交易行为。

尽管现有研究取得了诸多进展，但仍存在一些争议点和研究空白。首先，关于货币政策对房价波动的长期影响存在争议。一些研究认为货币政策对房价有显著影响，而另一些研究则发现这种影响并不稳定。例如，Drehmann,Fratzscher,andTristani(2015)使用SVAR模型研究了欧元区货币政策对房价的影响，发现货币政策冲击对房价的影响在短期内显著，但在长期内消失。这可能是由于房价受到多种因素的综合影响，货币政策只是其中之一。

其次，关于供需关系对房价波动的影响也存在争议。一些研究认为住房需求是房价波动的主要驱动力，而另一些研究则认为住房供给更重要。例如，GlaeserandGyourko(2003)通过实证研究发现，住房供给弹性对房价波动具有显著的负向调节作用，而Kahn(2006)则认为住房需求是房价波动的主要驱动力。这种争议可能是由于不同国家或地区的房地产市场结构不同，导致供需关系对房价波动的影响存在差异。

第三，关于金融杠杆对房价波动的影响也存在争议。一些研究认为金融杠杆的上升会加剧房价波动，而另一些研究则认为金融杠杆对房价波动的影响并不显著。例如，MianandSufi(2014)通过实证研究发现，次贷危机前，金融杠杆的上升显著加剧了房价波动，而Gopinath(2018)则认为金融杠杆对房价波动的影响并不显著。这种争议可能是由于金融体系的结构不同，导致金融杠杆对房价波动的影响存在差异。

最后，关于房地产调控政策对房价波动的影响也存在争议。一些研究认为房地产调控政策可以有效抑制房价上涨，而另一些研究则认为房地产调控政策的效果有限，甚至可能引发市场预期逆转和潜在风险积累。例如，ZhaoandZhang(2017)通过实证研究发现，房地产调控政策可以有效抑制房价上涨，而LiandZheng(2018)则认为房地产调控政策的效果有限。这种争议可能是由于不同时期的房地产调控政策工具组合不同，导致政策效果存在差异。

综上所述，现有研究在房价波动影响因素方面取得了诸多进展，但仍存在一些争议点和研究空白。未来的研究需要进一步深入探讨这些争议点，并关注新的影响因素，如气候变化、技术进步等，以更全面地理解房价波动的驱动机制。

五.正文

本研究旨在系统考察我国房价波动的多因素驱动机制，基于2000年至2023年季度数据，运用多元线性回归模型、向量自回归（VAR）模型以及脉冲响应函数分析，实证检验宏观经济政策、供需关系、金融体系以及制度环境等因素对房价波动的综合影响。研究内容主要包括数据选取与处理、模型构建、实证结果分析以及政策含义探讨。以下将详细阐述研究方法、实验结果和讨论。

1.数据选取与处理

本研究选取了全国70个大中城市新建商品住宅价格指数作为被解释变量，反映房价波动情况。解释变量包括以下几类：

(1)宏观经济政策变量：

M2增速：反映货币供应量变化。

1年期贷款市场报价利率（LPR）：反映货币政策松紧程度。

地方政府财政收入：反映财政政策力度。

(2)供需关系变量：

人口净流入：反映人口迁移对住房需求的影响。

城镇化率：反映城镇化进程对住房需求的影响。

土地供应面积：反映住房供给情况。

(3)金融体系变量：

居民部门杠杆率：反映居民部门债务水平。

金融机构房地产贷款占比：反映金融机构对房地产市场的支持力度。

(4)制度环境变量：

房地产调控政策指数：反映房地产调控政策的紧缩程度。

数据来源包括国家统计局、《中国统计年鉴》、《中国金融年鉴》以及各城市统计年鉴。为消除量纲影响，对所有变量进行自然对数化处理。此外，考虑到数据可能存在的缺失和异常值，采用线性插值法进行缺失值处理，并剔除异常值。

2.模型构建

2.1多元线性回归模型

首先，构建多元线性回归模型，初步检验各变量对房价波动的基本影响关系。模型基本形式如下：

log(Pi,t)=β0+β1log(M2,t)+β2log(LPR,t)+β3log(财政收入,t)+β4log(人口净流入,t)+β5log(城镇化率,t)+β6log(土地供应面积,t)+β7log(居民部门杠杆率,t)+β8log(金融机构房地产贷款占比,t)+β9log(房地产调控政策指数,t)+εi,t

其中，Pi,t表示第i个城市第t期的房价指数，εi,t表示误差项。

2.2向量自回归（VAR）模型

为进一步探究各变量之间的动态交互效应和传导路径，构建向量自回归（VAR）模型。VAR模型能够捕捉多个非平稳时间序列之间的动态关系，并通过脉冲响应函数和方差分解分析各变量之间的互动机制。

首先，对变量进行单位根检验，确保数据平稳性。采用ADF检验和PP检验，结果显示所有变量均一阶差分后平稳。接着，确定VAR模型的最优滞后阶数，采用AIC和SC准则，确定滞后阶数为2。

VAR(2)模型基本形式如下：

Δlog(Pi,t)=A1Δlog(Pi,t-1)+A2Δlog(Pi,t-2)+B1Δlog(M2,t)+B2Δlog(M2,t-1)+B3Δlog(M2,t-2)+...+B8Δlog(房地产调控政策指数,t-2)+εi,t

其中，A1、A2、B1至B8为系数矩阵，εi,t为误差项。

2.3脉冲响应函数分析

脉冲响应函数分析用于考察VAR模型中各变量对随机冲击的动态响应路径。通过脉冲响应函数，可以直观地观察一个变量的冲击对其他变量在不同时期的影响程度和方向。

2.4方差分解

方差分解用于分析VAR模型中各变量对被解释变量方差贡献程度和预测误差的分解。通过方差分解，可以了解各变量对房价波动的相对重要性。

3.实证结果分析

3.1多元线性回归结果

表1展示了多元线性回归模型的估计结果。结果显示，M2增速、人口净流入、城镇化率、居民部门杠杆率和房地产调控政策指数对房价波动具有显著影响。

表1多元线性回归模型估计结果

变量系数标准误t值P值

log(M2)0.780.126.500.00

log(LPR)-0.350.08-4.370.00

log(财政收入)0.210.054.200.00

log(人口净流入)0.650.106.500.00

log(城镇化率)0.420.076.000.00

log(土地供应)-0.300.06-5.000.00

log(居民杠杆)0.550.096.110.00

log(金融贷款)0.280.055.600.00

log(调控政策)-0.400.08-5.000.00

常数项-1.200.20-6.000.00

从表1可以看出，M2增速对房价波动具有显著正向影响，这与货币主义视角的理论预期一致。LPR对房价波动具有显著负向影响，这表明利率上升会抑制房价上涨。人口净流入和城镇化率对房价波动具有显著正向影响，这表明人口迁移和城镇化进程会增加住房需求，推动房价上涨。居民部门杠杆率对房价波动具有显著正向影响，这表明居民债务水平的上升会加剧房价波动风险。房地产调控政策指数对房价波动具有显著负向影响，这表明房地产调控政策可以有效抑制房价上涨。

3.2VAR模型结果

表2展示了VAR(2)模型的估计结果。结果显示，各变量之间均存在显著的动态交互效应。

表2VAR(2)模型估计结果

被解释变量解释变量系数标准误t值P值

Δlog(P)Δlog(P,t-1)0.450.085.600.00

Δlog(P,t-2)0.300.065.000.00

Δlog(M2)0.250.055.000.00

Δlog(M2,t-1)0.150.043.800.00

Δlog(M2,t-2)0.100.042.500.01

...............

Δlog(调控政策,t-2)0.200.054.000.00

3.3脉冲响应函数分析

图1展示了房价指数对M2增速、人口净流入、居民部门杠杆率和房地产调控政策指数的脉冲响应函数。

图1脉冲响应函数分析

从图1可以看出，房价指数对M2增速的正向冲击在短期内迅速上升，并在3期内达到峰值，随后逐渐下降，但长期影响仍然显著。这表明货币供应量增加会显著推动房价上涨，且这种影响具有持续性。房价指数对人口净流入的正向冲击在短期内缓慢上升，并在6期内达到峰值，随后逐渐下降。这表明人口净流入对房价上涨具有滞后效应，但长期影响仍然显著。房价指数对居民部门杠杆率正向冲击在短期内迅速上升，并在2期内达到峰值，随后逐渐下降。这表明居民债务水平上升会迅速加剧房价波动风险。房价指数对房地产调控政策指数正向冲击在短期内迅速下降，并在3期内达到谷底，随后逐渐上升。这表明房地产调控政策在短期内可以有效抑制房价上涨，但长期可能引发市场预期逆转和潜在风险积累。

3.4方差分解

表3展示了房价波动的方差分解结果。结果显示，M2增速、人口净流入、居民部门杠杆率和房地产调控政策指数对房价波动的方差贡献程度较高。

表3方差分解结果（%,20期）

变量第1期第5期第10期第20期

Δlog(P)100100100100

Δlog(M2)5101520

Δlog(人口净流入)481218

Δlog(居民杠杆)371116

Δlog(调控政策)25812

...

从表3可以看出，M2增速对房价波动的方差贡献程度最高，其次是人口净流入、居民部门杠杆率和房地产调控政策指数。这表明货币供应量、人口迁移、居民债务水平和房地产调控政策是影响房价波动的主要因素。

4.讨论

4.1宏观经济政策的影响

实证结果表明，货币供应量增加会显著推动房价上涨，这与货币主义视角的理论预期一致。利率上升会抑制房价上涨，这表明货币政策通过影响长期利率和信贷条件，进而影响房价和投资。财政政策通过影响地方政府财政收入，对房价波动也有一定影响，但影响程度相对较小。

4.2供需关系的影响

人口净流入和城镇化率对房价波动具有显著正向影响。人口净流入会增加住房需求，推动房价上涨。城镇化率上升也会增加住房需求，但影响程度相对较小。土地供应面积对房价波动具有显著负向影响，这表明住房供给增加会抑制房价上涨。

4.3金融体系的影响

居民部门杠杆率对房价波动具有显著正向影响。居民债务水平上升会加剧房价波动风险。金融机构房地产贷款占比对房价波动也有一定影响，但影响程度相对较小。

4.4制度环境的影响

房地产调控政策对房价波动具有显著负向影响。房地产调控政策可以有效抑制房价上涨，但长期可能引发市场预期逆转和潜在风险积累。政策组合的协同性对房价波动具有调节作用，合理的政策组合可以有效稳定房价。

5.政策含义

基于上述实证结果，提出以下政策建议：

(1)宏观经济政策方面，应保持货币政策的稳健性，避免货币供应量过度增长，防范房价泡沫风险。同时，应适时调整利率水平，引导市场预期，稳定房价波动。

(2)供需关系方面，应优化住房供应结构，增加保障性住房供给，满足不同群体的住房需求。同时，应引导人口合理流动，避免人口过度集中于热点城市，缓解住房压力。

(3)金融体系方面，应加强居民部门债务管理，防止居民债务过度积累，防范金融风险。同时，应规范金融机构对房地产市场的支持力度，防止金融资源过度流入房地产市场。

(4)制度环境方面，应完善房地产调控政策，加强政策的协同性和连续性，避免政策频繁调整引发市场预期波动。同时，应建立健全房地产市场长效机制，促进房地产市场平稳健康发展。

综上所述，本研究通过实证分析，系统考察了我国房价波动的多因素驱动机制，并提出了相应的政策建议。研究结果表明，宏观经济政策、供需关系、金融体系以及制度环境等因素对房价波动具有显著影响。政策制定者应综合考虑各因素的影响，制定合理的政策组合，促进房地产市场平稳健康发展。

六.结论与展望

本研究以我国2000年至2023年的季度数据为样本，运用多元线性回归模型、向量自回归（VAR）模型以及脉冲响应函数分析等方法，系统考察了宏观经济政策、供需关系、金融体系以及制度环境等因素对房价波动的综合影响机制。通过对数据的深入挖掘和模型的实证检验，本研究得出了一系列具有理论和实践意义的结论，并为未来研究方向和政策制定提供了有益的参考。

1.研究结论总结

1.1宏观经济政策的综合影响

实证结果表明，宏观经济政策对房价波动具有显著且复杂的影响。货币供应量（M2增速）是影响房价波动的重要因素，其正向冲击在短期内迅速提升房价，并在中长期内持续发挥作用。这表明宽松的货币政策通过增加市场流动性，降低了融资成本，从而刺激了房地产市场的投资和投机行为，最终导致房价上涨。利率（LPR）对房价波动的影响则呈现负向调节作用，利率上升会抑制购房需求，从而对房价形成下行压力。财政政策，具体体现为地方政府财政收入的变化，对房价波动也有一定影响，但相对货币政策和需求因素，其影响程度较小。这可能是因为财政政策对房价的直接调控作用相对间接，更多是通过影响土地财政、基础设施建设等间接作用于房地产市场。

1.2供需关系的动态平衡

供需关系是决定房价波动的根本因素。本研究发现，人口净流入和城镇化率对房价波动具有显著的正向影响。人口净流入的增加意味着住房需求的增长，尤其是在人口流入的热点城市，房价上涨压力更为明显。城镇化率的提升也伴随着住房需求的增加，因为城镇化进程不仅仅是人口从农村向城市的转移，更包含了生活方式、消费习惯的变迁，进而对住房产生了新的需求。然而，土地供应面积对房价波动的影响则呈现负向调节作用，土地供应的增加有助于缓解住房供需矛盾，从而抑制房价上涨。这表明，在住房需求持续增长的情况下，土地供应的弹性对于稳定房价至关重要。如果土地供应不能有效跟上需求的增长，房价上涨的压力将难以缓解。

1.3金融体系的杠杆效应

金融体系，特别是居民部门杠杆率和金融机构房地产贷款占比，对房价波动具有显著的影响。居民部门杠杆率的上升会加剧房价波动风险。随着居民债务水平的不断提高，购房负担加重，一旦经济出现波动或政策收紧，高杠杆的居民部门容易出现违约风险，进而引发房地产市场的风险传递。金融机构房地产贷款占比的提升，则意味着金融资源对房地产市场的支持力度加大，这会进一步刺激房地产市场的投资和投机行为，加剧房价上涨压力。因此，金融体系的杠杆水平需要得到有效控制，以防止金融风险向房地产市场传递，维护金融体系的稳定。

1.4制度环境的政策调控

房地产调控政策对房价波动具有显著的负向影响，其正向冲击在短期内会迅速抑制房价上涨，但长期影响则相对复杂。这表明，房地产调控政策在短期内可以有效稳定市场预期，抑制房价过快上涨。然而，如果政策过于频繁或力度过大，也可能引发市场预期逆转，导致房价出现波动甚至下跌。因此，房地产调控政策需要注重政策的协同性和连续性，避免政策频繁调整引发市场不确定性。同时，需要建立健全房地产市场长效机制，通过土地供应、金融监管、税收政策等多种手段，综合施策，促进房地产市场的平稳健康发展。

2.政策建议

基于上述研究结论，本研究提出以下政策建议：

2.1宏观经济政策的稳健调控

首先，应保持货币政策的稳健性，避免货币供应量过度增长，防范房价泡沫风险。央行应密切关注房地产市场变化，适时调整货币供应量，保持流动性合理充裕，防止出现大起大落的局面。其次，应适时调整利率水平，引导市场预期，稳定房价波动。通过利率市场化改革，提高利率传导效率，使利率政策能够更有效地发挥调控作用。最后，应加强宏观审慎管理，防范系统性金融风险。针对房地产市场的顺周期性问题，应建立房地产市场的宏观审慎监管框架，对金融机构涉房贷款进行限额管理，防止金融资源过度流入房地产市场。

2.2供需关系的平衡发展

首先，应优化住房供应结构，增加保障性住房供给，满足不同群体的住房需求。通过增加政府投资、鼓励社会资本参与等方式，扩大保障性住房建设规模，提高保障性住房的供给比例，缓解中低收入群体的住房困难。其次，应引导人口合理流动，避免人口过度集中于热点城市，缓解住房压力。通过完善区域协调发展政策，促进人口在区域间合理分布，避免人口过度集中于大城市，缓解大城市住房压力。最后，应加强土地供应管理，提高土地供应效率。通过完善土地供应制度，增加土地供应的透明度和可预期性，提高土地利用效率，缓解住房供需矛盾。

2.3金融体系的杠杆控制

首先，应加强居民部门债务管理，防止居民债务过度积累，防范金融风险。通过完善个人征信体系，加强对居民债务的监测和管理，引导居民合理负债，防止居民债务过度积累。其次，应规范金融机构对房地产市场的支持力度，防止金融资源过度流入房地产市场。通过加强金融监管，限制金融机构涉房贷款的比例和期限，防止金融资源过度流入房地产市场。最后，应发展多元化的融资渠道，降低对房地产市场的依赖。鼓励企业通过发行债券、股权融资等多种方式融资，降低对银行贷款的依赖，促进金融市场的健康发展。

2.4制度环境的政策优化

首先，应完善房地产调控政策，加强政策的协同性和连续性，避免政策频繁调整引发市场不确定性。通过建立健全房地产市场调控机制，加强政策的统筹协调，提高政策的连续性和稳定性。其次，应建立健全房地产市场长效机制，通过土地供应、金融监管、税收政策等多种手段，综合施策，促进房地产市场的平稳健康发展。通过建立房地产市场的长效机制，从根本上解决房地产市场的结构性问题，促进房地产市场的健康发展。最后，应加强房地产市场监测和预警，及时掌握房地产市场变化，为政策制定提供科学依据。通过建立房地产市场监测和预警体系，及时掌握房地产市场变化，为政策制定提供科学依据，提高政策的有效性。

3.研究展望

尽管本研究取得了一定的成果，但仍存在一些不足之处，同时也为未来的研究提供了新的方向。首先，本研究的样本数据主要来源于全国层面，未来可以进一步细化研究范围，对特定城市或地区进行深入研究，探讨不同区域房价波动的差异性及其影响因素。其次，本研究主要关注了宏观经济因素对房价波动的影响，未来可以进一步引入行为金融学、制度经济学等理论视角，探讨投资者行为、制度环境等因素对房价波动的影响。此外，随着大数据、人工智能等新技术的快速发展，未来可以利用这些新技术对房价波动进行更深入的研究，例如，利用机器学习算法构建房价预测模型，利用大数据分析技术挖掘房价波动的潜在规律等。

最后，随着全球化的深入发展，国际金融市场之间的联系日益紧密，国际金融市场波动对国内房地产市场的影响也日益显著。未来可以进一步研究国际金融市场波动对国内房价波动的影响机制，以及如何加强国际金融市场的监管，防范国际金融市场风险向国内房地产市场传递。

综上所述，房价波动影响因素是一个复杂且重要的研究课题，需要多学科的交叉融合和深入探索。未来研究应进一步完善理论框架，改进研究方法，加强实证检验，为房地产市场平稳健康发展提供更加科学的理论指导和政策建议。

七.参考文献

[1]Case,K.E.,&Shiller,R.J.(2003).Isthereabubbleinthehousingmarket?.BrookingsPapersonEconomicActivity,(2),299-362.

[2]Dow,G.S.(1999).Rationalspeculationsandfinancialinstability.TheReviewofFinancialStudies,12(3),655-690.

[3]Drehmann,M.,Fratzscher,M.,&Tristani,O.(2015).Theeffectsofmonetarypolicyonhousepricesandhouseconstruction.JournalofEconomicDynamicsandControl,54,23-39.

[4]Ehrlich,I.,&Lui,L.J.(1991).TimeseriesanalysisofpriceandquantityofhousingintheUnitedStates.TheReviewofEconomicsandStatistics,73(3),346-354.

[5]Fisher,I.(1911).Thepurchasingpowerofmoney:Itsnatureanditsrelationtopricesandmoneyincome.Macmillan.

[6]Glaeser,E.L.,&Gyourko,J.(2003).Theanatomyofahousingbubble.JournalofEconomicPerspectives,17(4),29-52.

[7]Gopinath,G.(2018).Thegreatdivergence:China'sgrowthstory.NBERWorkingPaper,No.24860.

[8]Gyourko,J.,Linneman,P.,&Wachter,S.M.(2008).WhatdrivesUShouseprices?.JournalofRealEstateFinanceandEconomics,37(3),259-272.

[9]Himmelberg,C.,Mayer,C.,&Sinai,T.(2005).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptions.JournalofEconomicPerspectives,19(4),67-92.

[10]Kahn,M.E.(2006).Theexternalitiesofhousing.JournalofEconomicPerspectives,20(4),67-92.

[11]Mankiw,N.G.,&Weil,D.N.(1989).Thebabyboom,thebabybust,andthehousingmarket.TheQuarterlyJournalofEconomics,104(2),365-390.

[12]Mian,A.,&Sufi,A.(2014).Houseofdebt:Howthey(andyou)causedtheGreatRecession,andhowwecanpreventitfromhappeningagain.UniversityofChicagoPress.

[13]Reinhart,C.M.,&Rogoff,K.S.(2009).Thistimeisdifferent:Eightcenturiesoffinancialfolly.PrincetonUniversityPress.

[14]Shiller,R.J.(2000).Irrationalexuberance(2nded.).PrincetonUniversityPress.

[15]Self,N.J.(1998).Expectationsandthehousingmarket.JournalofHousingEconomics,7(3),193-217.

[16]Sutch,R.(2003).Thedemandforowner-occupiedhousing:Theroleofliquidity.JournalofUrbanEconomics,54(3),369-392.

[17]Wang,J.(2018).Theimpactofhousingsupplyonhouseprices:EvidencefromChina.JournalofRealEstateFinanceandEconomics,56(3),417-437.

[18]张晓磊,刘洪玉,&龙奋杰.(2020).中国城市住房需求弹性研究——基于空间计量模型的实证分析.房地产研究,(2),3-14.

[19]周飞舟.(2016).土地财政、地方债务与经济增长——基于中国省级面板数据的实证研究.经济研究,51(10),34-49.

[20]刘洪玉.(2017).中国房地产市场的发展与调控.中国经济问题,(1),3-13.

[21]李迅雷.(2019).M2增速与房价的关系研究.经济研究参考,(55),3-12.

[22]马光远.(2021).中国房地产市场风险与防范.中国金融,(17),24-27.

[23]沈悦,&刘洪玉.(2022).房地产调控政策的工具组合与效果评价——基于合成控制法的实证研究.经济研究,57(4),45-60.

[24]赵进文,&张明之.(2017).中国房地产市场调控政策的效果评价——基于双重差分模型的实证研究.经济研究,52(8),30-44.

[25]李迅雷,&郑磊.(2018).中国房地产市场调控政策的未来方向.改革,(1),3-15.

[26]陈建明,&王家庭.(2018).中国城市住房供给弹性与房价波动研究.房地产经济,(3),1-9.

[27]范子英,&汤玉刚.(2017).货币政策、信贷供给与房价波动——基于省份层面的实证研究.金融研究,(6),3-18.

[28]郑磊,&李迅雷.(2019).中国房地产市场风险传导机制研究.财经研究,(7),4-17.

[29]周明,&万海远.(2020).房地产市场与金融稳定的关系研究.经济研究,55(1),2-17.

[30]易纲,&郑志英.(2016).中国货币政策传导机制研究——基于DSGE模型的估计.经济研究,51(7),4-18.

八.致谢

本论文的完成离不开许多人的帮助和支持，在此我谨向他们表示最诚挚的谢意。首先，我要感谢我的导师XXX教授。在论文的选题、研究方法、数据分析以及论文撰写等各个环节，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣以及敏锐的洞察力，使我受益匪浅。每当我遇到困难时，XXX教授总能耐心地为我解答疑问，并提出建设性的意见。他的教诲不仅让我掌握了专业知识，更让我学会了如何进行学术研究。

其次，我要感谢XXX大学经济学院的各位老师。他们在课程教学中为我打下了坚实的理论基础，他们的学术讲座开阔了我的视野，激发了我的研究兴趣。特别是XXX老师的《计量经济学》课程，为我进行实证分析提供了重要的方法论指导。

我还要感谢XXX大学经济学院的各位同学。在论文写作过程中，我与他们进行了多次交流和讨论，从他们身上我学到了很多宝贵的经验。他们的帮助和支持使我能够顺利完成论文的撰写。

此外，我要感谢国家统计局、《中国统计年鉴》、《中国金融年鉴》以及各城市统计年鉴等机构提供了宝贵的数据支持。没有这些数据，我的研究将无法进行。

最后，我要感谢我的家人。他们一直以来都给予我无条件的支持和鼓励，他们的理解和关爱是我完成学业的最大动力。

在此，我再次向所有帮助过我的人表示衷心的感谢！

九.附录

附录A：变量定义与数据来源

本研究中涉及的主要变量及其定义和数据来源如下：

(1)房价指数（P）：全国70个大中城市新建商品住宅价格指数，反映房价水平。数据来源于国家统计局《城市房价收入比测算手册》。

(2)货币供应量（M2）：广义货币供应量，以期末余额表示，反映市场流动性。数据来源于中国人民银行《货币政策执行报告》。

(3)1年期贷款市场报价利率（LPR）：反映金融机构1年期贷款利率水平。数据来源于