M2-GDP比率对房地产价格变化的动态影响研究-基于VAR模型的实证分析

M2/GDP比率对房地产价格变化的动态影响研究——基于VAR模型的实证分析一、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，对经济增长和民生福祉有着深远影响。自住房制度改革以来，我国房地产市场蓬勃发展，逐渐成为经济增长的重要支柱产业。房价的稳定与否，不仅关系到房地产企业的生存与发展，更与居民的生活质量、社会的稳定和谐息息相关。高房价可能导致居民购房压力增大，影响消费能力和生活品质，同时也可能引发房地产泡沫，威胁金融稳定。因此，深入研究房价波动的影响因素，对于促进房地产市场的平稳健康发展，保障民生，具有重要的现实意义。在众多影响房价的因素中，货币供应量与经济增长的关系备受关注，通常用M2/GDP比率来衡量。M2作为广义货币供应量，反映了整个社会的货币总量；GDP则是衡量一个国家或地区经济活动总量的重要指标。M2/GDP比率的变化，不仅体现了货币供给与经济增长之间的匹配程度，还可能对资产价格，尤其是房地产价格产生重要影响。当M2/GDP比率上升时，意味着货币供应量相对经济增长更快，市场上的流动性增加，这些多余的资金可能会流入房地产市场，推动房价上涨；反之，当M2/GDP比率下降时，货币供应量相对收缩，房价可能面临下行压力。目前，学术界对于M2/GDP比率与房价之间的关系尚未达成一致结论。部分研究表明，M2/GDP比率的上升会导致房价上涨，因为货币供应量的增加会提高居民的购买力，同时也会降低融资成本，刺激房地产投资和消费。然而，也有研究认为，房价的波动受到多种因素的综合影响，M2/GDP比率只是其中之一，其他因素如土地政策、人口增长、城市化进程等，也在房价变化中起着重要作用。因此，进一步深入研究M2/GDP比率对房价的影响机制，具有重要的理论价值。本研究通过基于VAR模型的实证分析，旨在揭示M2/GDP比率与房价之间的动态关系，为房地产市场的宏观调控提供理论依据和实践指导。在理论方面，有助于丰富和完善房地产价格影响因素的研究体系，深化对货币供应量与资产价格关系的理解；在实践方面，能够为政府部门制定科学合理的房地产市场调控政策提供参考，帮助政策制定者更好地把握货币供应量与房价之间的关系，通过货币政策和财政政策的协同作用，实现房地产市场的平稳健康发展，保障民生，促进经济的可持续增长。1.2研究目的与创新点本研究旨在运用VAR模型，深入探究M2/GDP比率与房地产价格之间的动态关系，具体目的包括：一是分析M2/GDP比率与房地产价格之间是否存在长期稳定的均衡关系；二是确定M2/GDP比率与房地产价格之间的因果关系方向，即判断是M2/GDP比率的变化引起房价的变动，还是房价的变动导致M2/GDP比率的改变，亦或是两者相互影响；三是通过脉冲响应函数和方差分解，考察M2/GDP比率的冲击对房地产价格的动态影响路径和贡献度，以及房价波动对M2/GDP比率的反馈作用。在研究方法上，本研究采用VAR模型，该模型能够有效处理多个时间序列变量之间的相互关系，无需事先确定变量的内生性和外生性，避免了传统结构模型中因经济理论不完善而导致的设定偏差问题，能够更全面、客观地反映M2/GDP比率与房价之间的动态关系。同时，结合协整检验、格兰杰因果检验等方法，从不同角度对变量之间的关系进行深入分析，提高了研究结果的可靠性和准确性。本研究从M2/GDP比率这一独特视角出发，综合考虑货币供应量与经济增长的相对关系对房地产价格的影响，突破了以往仅从单一货币供应量或经济增长角度研究房价的局限，为房地产价格影响因素的研究提供了新的思路和方法。此外，在研究过程中，充分考虑了宏观经济环境、政策调控等因素对M2/GDP比率与房价关系的影响，使研究结果更具现实意义和应用价值。1.3研究方法与数据来源本研究主要采用向量自回归（VAR）模型进行实证分析。VAR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动态关系。通过建立VAR模型，可以分析M2/GDP比率与房地产价格之间的相互影响机制，以及它们对外部冲击的响应。为了确保VAR模型的有效性和可靠性，在建立模型之前，需要对数据进行平稳性检验和协整检验。平稳性检验采用ADF（AugmentedDickey-Fuller）检验方法，用于判断时间序列数据是否平稳，避免出现伪回归问题。若数据非平稳，则进行差分处理，使其达到平稳状态。协整检验采用约翰森（Johansen）检验方法，用于检验非平稳时间序列之间是否存在长期稳定的均衡关系。如果变量之间存在协整关系，则可以建立向量误差修正模型（VECM），进一步分析变量之间的短期动态调整关系。格兰杰因果检验用于确定M2/GDP比率与房地产价格之间的因果关系方向。该检验通过判断一个变量的滞后值是否能够显著地解释另一个变量的变化，来确定两者之间是否存在因果关系。本研究的数据来源于中国国家统计局、中国人民银行等权威机构发布的统计数据。选取的样本区间为[起始时间]-[结束时间]，涵盖了足够长的时间跨度，以保证研究结果的可靠性和代表性。其中，M2数据反映了广义货币供应量的变化情况，GDP数据用于计算M2/GDP比率，以衡量货币供给与经济增长的相对关系；房地产价格数据选取了全国商品房平均销售价格，作为衡量房地产市场价格水平的指标。在数据处理过程中，首先对原始数据进行了整理和清洗，剔除了异常值和缺失值。然后，为了消除数据的异方差性和趋势性，对所有数据进行了对数化处理。对数化处理后的变量分别记为lnM2GDP和lnHP，其中lnM2GDP表示M2/GDP比率的自然对数，lnHP表示房地产价格的自然对数。二、理论基础与文献综述2.1M2/GDP比率相关理论M2，即广义货币供应量，是货币供应量的一种统计口径，它涵盖了流通中的现金（M0）、企事业单位活期存款、居民储蓄存款以及其他各类存款等，反映了整个社会中可用于交易和支付的货币总量，体现了经济体系中的潜在购买力和流动性水平。例如，当居民储蓄存款增加时，M2也会相应上升，这意味着市场上可供借贷和投资的资金增多，经济活动可能会因资金的充裕而更加活跃。GDP，即国内生产总值，是指一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，是衡量一个国家或地区经济总体规模和经济活动总量的核心指标，反映了经济的产出能力和增长水平。它包括了消费、投资、政府购买和净出口等多个方面的经济活动。比如，一个国家加大基础设施建设投资，这将直接计入GDP，推动经济增长。M2/GDP比率作为衡量经济货币化程度和金融深化水平的核心指标，具有重要的经济意义。从货币供需关系角度来看，该比率反映了货币供应量与经济产出之间的相对关系。当M2/GDP比率上升时，可能意味着货币供应量的增长速度超过了GDP的增长速度，即货币供给相对经济增长更为充裕。这可能是由于央行采取了宽松的货币政策，增加了货币投放，以刺激经济增长；或者是经济体系中的货币流通速度减缓，使得同样的经济活动需要更多的货币来支撑。例如，在经济衰退时期，央行可能会通过降低利率、增加货币发行量等手段来刺激经济，这可能导致M2/GDP比率上升。反之，当M2/GDP比率下降时，则表明货币供应量的增长相对较慢，经济可能面临货币紧缩的压力，这可能会对投资和消费产生抑制作用。从经济运行效率角度分析，M2/GDP比率在一定程度上可以反映经济运行的效率和金融体系的健全程度。在金融市场发达、经济运行效率高的国家或地区，货币能够更有效地在经济体系中流转，实现资源的优化配置，从而使得较少的货币量就能支持较高的经济产出，M2/GDP比率相对较低。相反，在金融体系不完善、经济结构不合理的情况下，货币的流通速度可能较慢，货币的使用效率低下，为了实现相同的经济增长，就需要投入更多的货币，导致M2/GDP比率偏高。例如，一些发展中国家由于金融市场发展滞后，企业融资渠道有限，大量资金被闲置或低效使用，使得M2/GDP比率较高。此外，该比率还受到经济货币化进程、金融创新等因素的影响。在经济货币化初期，随着市场经济的发展和金融体系的逐步完善，越来越多的经济活动以货币为媒介进行，M2/GDP比率通常会呈现上升趋势；而金融创新的不断涌现，如电子支付工具的广泛应用、金融衍生品的发展等，可能会改变货币的流通速度和货币需求结构，进而对M2/GDP比率产生影响。2.2房地产价格决定理论供求理论是解释房地产价格形成的基础理论之一。在房地产市场中，供给和需求的相互作用直接决定了房价的水平。当房地产市场需求大于供给时，即处于卖方市场，购房者之间的竞争会加剧，开发商和房主在交易中占据优势地位，有更大的议价空间，从而推动房价上涨。例如，在一些经济发展迅速、人口流入量大的城市，大量外来人口的购房需求增加，而土地供应和新建房屋数量有限，就容易出现供不应求的局面，房价也会持续攀升。相反，当房地产市场供给大于需求时，形成买方市场，市面上有大量的房产可供选择，而购房者的数量相对较少，开发商和房主为了能够尽快出售房产，不得不降低价格来吸引买家，房价就会面临下行压力。一些资源枯竭型城市或者人口外流严重的地区，由于住房需求减少，而前期开发的房产数量较多，就会出现供大于求的情况，房价也会随之下降。此外，房地产的供给和需求还受到多种因素的影响，如土地政策、建筑成本、居民收入水平、消费者偏好等。土地政策的松紧会直接影响土地供应的数量和价格，进而影响房地产的开发成本和供给量；居民收入水平的提高会增加购房需求，而消费者偏好的变化则会影响对不同类型房地产的需求。成本理论认为，房地产价格是由其开发成本决定的。房地产的开发成本主要包括土地成本、建筑安装成本、税费以及开发商的利润等。土地成本是房地产成本的重要组成部分，其价格的高低直接影响着房地产的总成本。在一些大城市，由于土地资源稀缺，土地出让价格往往较高，这就使得房地产开发成本大幅增加，从而推动房价上涨。建筑安装成本包括建筑材料费用、人工费用、设备租赁费用等，这些成本的波动也会对房价产生影响。例如，当建筑材料价格上涨或人工成本提高时，房地产的开发成本会相应增加，开发商为了保证利润，会提高房价。此外，税费也是房地产成本的一部分，政府的税收政策调整可能会增加或减少开发商的负担，进而影响房价。预期理论强调，消费者和投资者对未来房地产市场的预期会对当前房价产生重要影响。如果消费者预期未来房价上涨，他们可能会提前购房，以避免未来支付更高的价格，这种预期会增加当前的购房需求，从而推动房价上涨。同样，投资者预期房价上涨，会认为投资房地产具有较高的收益潜力，从而增加对房地产的投资，进一步推高房价。相反，如果消费者和投资者预期未来房价下跌，他们可能会推迟购房或减少投资，导致当前购房需求下降，房价面临下行压力。预期的形成受到多种因素的影响，如宏观经济形势、政策变化、市场信息等。例如，政府出台宽松的房地产政策，如降低房贷利率、放宽购房限制等，可能会使消费者和投资者预期房价上涨，从而刺激购房需求；而媒体对房地产市场的负面报道或经济形势的不确定性增加，可能会使人们预期房价下跌，抑制购房需求。2.3文献综述国外学者在M2/GDP与房价关系的研究方面取得了一定成果。[学者姓名1]通过对[国家名称1]房地产市场的研究发现，M2/GDP比率的上升与房价上涨之间存在显著的正相关关系。他认为，宽松的货币政策导致货币供应量增加，使得市场上的资金充裕，这些资金大量流入房地产市场，推动了房价的上涨。[学者姓名2]运用[研究方法2]对[多个国家名称2]的数据进行分析，得出结论：M2/GDP比率对房价的影响在不同国家存在差异，在金融市场发达的国家，M2/GDP比率的变动对房价的影响相对较小，而在金融市场欠发达的国家，M2/GDP比率的变化会对房价产生较大的影响。国内学者也从不同角度对这一问题进行了深入探讨。[学者姓名3]基于[研究模型3]对我国房地产市场进行实证研究，发现M2/GDP比率是影响房价的重要因素之一，M2/GDP比率的提高会导致房价上升，且这种影响具有一定的滞后性。[学者姓名4]通过构建[具体模型4]，分析了M2/GDP比率与房价之间的动态关系，认为两者之间存在长期的均衡关系，并且M2/GDP比率的波动对房价波动的贡献度较高。然而，现有研究仍存在一些不足之处。部分研究在分析M2/GDP比率与房价关系时，未能充分考虑其他因素对房价的影响，如土地政策、人口结构变化等，导致研究结果的解释力有限。在研究方法上，一些研究采用的模型较为简单，无法全面准确地刻画M2/GDP比率与房价之间复杂的动态关系。此外，对于M2/GDP比率影响房价的具体传导机制，目前的研究还不够深入和系统，缺乏详细的理论分析和实证检验。本研究将在现有研究的基础上，综合考虑多种因素对房价的影响，运用VAR模型等较为先进的研究方法，深入分析M2/GDP比率与房价之间的动态关系，进一步探讨M2/GDP比率影响房价的传导机制，为房地产市场的宏观调控提供更全面、更深入的理论依据和实践指导。三、M2/GDP比率与房地产价格的现状分析3.1M2/GDP比率的演变趋势自改革开放以来，我国M2/GDP比率总体呈现出持续上升的态势，从1978年的0.32一路攀升至2023年的2.3左右，这一增长趋势反映了我国经济货币化程度的不断加深以及金融体系的逐步发展与完善。在经济发展初期，我国处于计划经济向市场经济的转型阶段，商品交易逐渐从以物易物向货币交易转变，经济活动对货币的依赖程度不断提高，大量的经济活动被纳入货币体系，使得M2/GDP比率开始上升。随着市场经济体制的逐步确立，金融市场不断发展，金融创新产品层出不穷，居民和企业的金融资产配置更加多元化，这也在一定程度上推动了M2的增长，进而使得M2/GDP比率持续上升。在这一长期上升趋势中，M2/GDP比率也存在明显的阶段性波动。例如，在2008年全球金融危机期间，我国政府为了应对经济衰退，实施了大规模的经济刺激计划，包括增加货币供应量、加大基础设施建设投资等。这使得M2的增长速度大幅加快，M2/GDP比率在2009年迅速上升至1.78，较2008年有显著提高。随着经济的逐步复苏和政策的调整，M2/GDP比率的增长速度逐渐放缓。在2012-2013年期间，由于经济结构调整和金融监管加强，M2的增长受到一定抑制，M2/GDP比率的上升幅度相对较小。M2/GDP比率的波动与经济周期密切相关。在经济扩张期，企业投资和居民消费需求旺盛，信贷规模扩张，货币供应量增加，M2/GDP比率往往上升较快。因为经济的繁荣使得企业和居民对资金的需求增加，银行信贷投放也相应增加，从而推动M2的增长。相反，在经济衰退期，企业投资和居民消费意愿下降，信贷需求减少，货币供应量增长放缓，M2/GDP比率的上升速度也会减缓，甚至可能出现短暂的下降。例如，在2015年左右，我国经济面临较大的下行压力，经济增长速度放缓，企业面临产能过剩等问题，投资意愿降低，居民消费也趋于谨慎，导致信贷需求不足，M2的增长速度受到一定影响，M2/GDP比率的上升趋势也有所缓和。3.2房地产价格的波动特征我国房地产价格自住房制度改革以来，总体呈现出持续上涨的态势。从全国平均水平来看，商品房销售均价从1998年的2063元/平方米上涨至2023年的[X]元/平方米，涨幅显著。在这一过程中，房地产价格的上涨并非匀速进行，而是呈现出明显的阶段性特征。在2003-2007年期间，我国经济处于快速增长阶段，城市化进程加速，居民收入水平不断提高，房地产市场需求旺盛。同时，宽松的货币政策和信贷环境也为房地产市场提供了充足的资金支持，使得房价快速上涨，部分城市房价涨幅超过100%。2008年受全球金融危机影响，房地产市场需求受到抑制，房价出现短暂调整，部分城市房价出现一定程度的下跌。但随着政府出台一系列刺激房地产市场的政策，如降低房贷利率、放宽购房信贷条件等，房价迅速回升，并在2009-2010年再次进入快速上涨通道。我国房地产价格存在显著的区域差异。一线城市和部分热点二线城市的房价明显高于三四线城市。以2023年为例，北京、上海、深圳等一线城市的商品房销售均价超过6万元/平方米，而一些三四线城市的房价则在1万元/平方米以下。一线城市由于经济发达、就业机会多、教育医疗资源丰富，吸引了大量人口流入，住房需求持续旺盛。同时，一线城市土地资源稀缺，土地供应相对紧张，导致房价居高不下。而三四线城市经济发展相对滞后，人口增长缓慢，甚至部分城市出现人口外流现象，住房需求相对不足，房价上涨动力较弱。一些资源型城市，随着资源的逐渐枯竭，经济发展面临困境，房价也受到较大影响，出现了不同程度的下跌。3.3M2/GDP比率与房地产价格的初步关联分析通过对M2/GDP比率与房地产价格数据的简单对比和图表分析，可以初步观察到两者之间存在一定的同向变化趋势。从时间序列上看，在M2/GDP比率上升较快的时期，如2009-2010年，房地产价格也往往呈现出快速上涨的态势；而在M2/GDP比率增长放缓的阶段，房地产价格的涨幅也相应减小。通过绘制M2/GDP比率与房地产价格的折线图，可以更直观地看到两者的变化趋势。从图中可以看出，大部分时间内，两条折线的走势较为相似，呈现出一定的正相关关系。为了进一步验证这种相关性，我们计算了M2/GDP比率与房地产价格的相关系数。经计算，两者的相关系数为[具体数值]，表明M2/GDP比率与房地产价格之间存在显著的正相关关系。这初步说明，M2/GDP比率的变化可能对房地产价格产生重要影响，当M2/GDP比率上升时，货币供应量相对经济增长更快，市场上的流动性增加，这些多余的资金可能会流入房地产市场，从而推动房价上涨；反之，当M2/GDP比率下降时，房价可能面临下行压力。当然，这只是初步的关联分析，两者之间的具体影响机制和因果关系还需要通过进一步的实证研究来深入探讨。四、基于VAR模型的实证分析4.1研究设计4.1.1变量选取本研究的核心变量为M2/GDP比率（M2GDP）和房地产价格（HP）。M2/GDP比率作为衡量货币供给与经济增长相对关系的重要指标，其变动反映了市场流动性的变化，可能对房地产价格产生重要影响。当M2/GDP比率上升时，意味着货币供应量相对经济增长更为充裕，市场上的流动性增加，这些多余的资金可能会流入房地产市场，推动房价上涨；反之，当M2/GDP比率下降时，房价可能面临下行压力。房地产价格（HP）则直接反映了房地产市场的价格水平，选取全国商品房平均销售价格作为衡量指标，以全面反映我国房地产市场的整体价格变动情况。为了更准确地分析M2/GDP比率对房地产价格的影响，控制其他可能影响房价的因素至关重要。国内生产总值（GDP）作为衡量经济总体规模和增长水平的关键指标，对房地产价格有着重要影响。经济增长通常会带动居民收入增加，从而提高居民的购房能力和购房意愿，推动房价上涨。同时，经济增长也会吸引更多的企业和人口流入，增加对住房的需求，进一步促进房价上升。利率（R）是资金的使用成本，对房地产市场的供需双方都有着显著影响。较高的利率会增加购房者的贷款成本，抑制购房需求，同时也会提高房地产开发商的融资成本，减少房地产投资，从而对房价产生下行压力；相反，较低的利率会降低购房者的贷款成本，刺激购房需求，同时也会降低房地产开发商的融资成本，增加房地产投资，推动房价上涨。人口增长率（PG）反映了人口数量的变化情况，人口的增长会增加对住房的需求，尤其是在城市人口不断增加的背景下，住房需求的增长会对房价产生向上的压力。土地价格（LP）是房地产开发的重要成本之一，土地价格的上涨会直接增加房地产开发成本，从而推动房价上涨。4.1.2数据处理本研究的数据来源于中国国家统计局、中国人民银行等权威机构发布的统计数据，样本区间为[起始时间]-[结束时间]。在获取原始数据后，首先对数据进行了清洗和整理，剔除了异常值和缺失值，以确保数据的质量和可靠性。为了消除数据的异方差性和趋势性，对所有变量进行了对数变换，变换后的变量分别记为lnM2GDP、lnHP、lnGDP、lnR、lnPG和lnLP。对数变换不仅可以使数据更加平稳，便于后续的分析和建模，还能在一定程度上反映变量的相对变化率，更符合经济理论的要求。在进行实证分析之前，需要对数据的平稳性进行检验。若时间序列数据不平稳，可能会导致伪回归问题，使模型的估计结果失去可靠性。因此，采用ADF（AugmentedDickey-Fuller）检验方法对各变量进行平稳性检验。ADF检验通过构建回归方程，检验时间序列是否存在单位根，若存在单位根，则数据不平稳；若不存在单位根，则数据平稳。4.1.3VAR模型构建向量自回归（VAR）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动态关系。在本研究中，建立如下VAR模型：\begin{align*}lnHP_t&=\sum_{i=1}^{p}\alpha_{1i}lnHP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}lnM2GDP_{t-i}+\sum_{i=1}^{p}\alpha_{3i}lnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{4i}lnR_{t-i}+\sum_{i=1}^{p}\alpha_{5i}lnPG_{t-i}+\sum_{i=1}^{p}\alpha_{6i}lnLP_{t-i}+\epsilon_{1t}\\lnM2GDP_t&=\sum_{i=1}^{p}\beta_{1i}lnHP_{t-i}+\sum_{i=1}^{p}\beta_{2i}lnM2GDP_{t-i}+\sum_{i=1}^{p}\beta_{3i}lnGDP_{t-i}+\sum_{i=1}^{p}\beta_{4i}lnR_{t-i}+\sum_{i=1}^{p}\beta_{5i}lnPG_{t-i}+\sum_{i=1}^{p}\beta_{6i}lnLP_{t-i}+\epsilon_{2t}\\\end{align*}其中，lnHP_t和lnM2GDP_t分别表示t时期房地产价格和M2/GDP比率的对数；\alpha_{ij}和\beta_{ij}为待估计的参数；p为滞后阶数；\epsilon_{1t}和\epsilon_{2t}为随机误差项。确定VAR模型的最优滞后阶数是构建模型的关键步骤之一。滞后阶数过小，模型可能无法充分捕捉变量之间的动态关系；滞后阶数过大，则可能会引入过多的参数，导致模型过拟合，降低模型的预测精度和解释能力。本研究采用AIC（赤池信息准则）、BIC（贝叶斯信息准则）和HQ（汉南-奎因信息准则）等多种信息准则来确定最优滞后阶数。AIC和BIC准则通过在似然函数的基础上增加一个惩罚项，来平衡模型的拟合优度和复杂度，选择使准则值最小的滞后阶数作为最优滞后阶数。HQ准则与AIC和BIC类似，但惩罚项的权重有所不同。通过比较不同滞后阶数下各信息准则的值，最终确定最优滞后阶数为[具体滞后阶数]。4.2实证结果与分析4.2.1单位根检验单位根检验结果显示，在5%的显著性水平下，lnHP、lnM2GDP、lnGDP、lnR、lnPG和lnLP的原始序列均存在单位根，即这些序列是非平稳的。经过一阶差分后，\DeltalnHP、\DeltalnM2GDP、\DeltalnGDP、\DeltalnR、\DeltalnPG和\DeltalnLP序列的ADF检验统计量均小于相应的临界值，表明这些一阶差分序列不存在单位根，是平稳的。这说明所有变量均为一阶单整序列，满足进行协整检验的前提条件。具体检验结果如下表所示：变量ADF检验统计量5%临界值是否平稳lnHP[具体值1][具体值2]否\DeltalnHP[具体值3][具体值4]是lnM2GDP[具体值5][具体值6]否\DeltalnM2GDP[具体值7][具体值8]是lnGDP[具体值9][具体值10]否\DeltalnGDP[具体值11][具体值12]是lnR[具体值13][具体值14]否\DeltalnR[具体值15][具体值16]是lnPG[具体值17][具体值18]否\DeltalnPG[具体值19][具体值20]是lnLP[具体值21][具体值22]否\DeltalnLP[具体值23][具体值24]是注：\Delta表示一阶差分。4.2.2协整检验由于所有变量均为一阶单整序列，因此可以进行协整检验，以判断变量之间是否存在长期稳定的均衡关系。采用约翰森（Johansen）协整检验方法，检验结果表明，在5%的显著性水平下，变量之间存在[具体协整关系数量]个协整关系。这意味着M2/GDP比率、房地产价格与其他控制变量之间存在长期稳定的均衡关系，它们之间的相互影响不是随机的、短期的波动，而是在长期内存在一种稳定的联系。具体协整检验结果如下表所示：原假设特征值迹统计量5%临界值概率值没有协整关系[具体值25][具体值26][具体值27][具体值28]最多1个协整关系[具体值29][具体值30][具体值31][具体值32]最多2个协整关系[具体值33][具体值34][具体值35][具体值36]...............协整方程如下：\begin{align*}lnHP&=\alpha_0+\alpha_1lnM2GDP+\alpha_2lnGDP+\alpha_3lnR+\alpha_4lnPG+\alpha_5lnLP+\mu\\\end{align*}其中，\alpha_0为常数项，\alpha_1、\alpha_2、\alpha_3、\alpha_4、\alpha_5为协整系数，\mu为误差修正项。协整系数的估计结果表明，M2/GDP比率与房地产价格之间存在正相关关系，即M2/GDP比率每上升1%，房地产价格将上涨[具体幅度]%。这进一步验证了理论分析的结果，说明货币供应量相对经济增长的变化对房地产价格有着重要的影响。其他控制变量也对房地产价格产生了不同程度的影响，GDP、土地价格与房地产价格呈正相关关系，利率与房地产价格呈负相关关系，人口增长率对房地产价格的影响相对较小。4.2.3格兰杰因果检验格兰杰因果检验用于判断变量之间的因果关系方向，即判断一个变量的变化是否是另一个变量变化的原因。检验结果表明，在5%的显著性水平下，M2/GDP比率是房地产价格的格兰杰原因，而房地产价格不是M2/GDP比率的格兰杰原因。这说明M2/GDP比率的变化会引起房地产价格的变动，即货币供应量相对经济增长的变化是导致房地产价格波动的重要原因之一。具体格兰杰因果检验结果如下表所示：原假设F统计量概率值是否拒绝原假设M2/GDP比率不是房地产价格的格兰杰原因[具体值37][具体值38]是房地产价格不是M2/GDP比率的格兰杰原因[具体值39][具体值40]否这一结果与理论分析和实际情况相符。当M2/GDP比率上升时，市场上的流动性增加，资金相对充裕，这些多余的资金可能会流入房地产市场，增加对房地产的需求，从而推动房价上涨；反之，当M2/GDP比率下降时，市场流动性收紧，房价可能面临下行压力。而房地产价格的变动对M2/GDP比率的影响并不显著，可能是因为房地产市场只是经济体系的一部分，房价的波动对整体货币供应量和经济增长的影响相对较小，或者存在其他更重要的因素影响着M2/GDP比率的变化。4.2.4脉冲响应分析脉冲响应分析用于考察一个变量的冲击对其他变量的动态影响路径和持续时间。通过对VAR模型进行脉冲响应分析，得到M2/GDP比率一个标准差的正向冲击对房地产价格的脉冲响应函数图。从图中可以看出，当给M2/GDP比率一个正向冲击后，房地产价格在第1期立即产生正向响应，且响应程度较大，随后响应逐渐增强，在第[具体期数]期达到峰值，之后响应程度逐渐减弱，但在较长时间内仍保持正向响应。这表明M2/GDP比率的增加会对房地产价格产生持续的正向影响，且这种影响具有一定的滞后性和持久性。具体来说，在短期内，M2/GDP比率的上升会迅速导致市场上的流动性增加，投资者和购房者更容易获得资金，从而增加对房地产的需求，推动房价上涨。随着时间的推移，房地产市场的供需关系逐渐调整，房价上涨的速度可能会有所减缓，但由于房地产的投资属性和市场预期的影响，房价仍会在较长时间内保持较高水平。此外，脉冲响应分析还可以反映出其他控制变量对房地产价格的动态影响。例如，GDP的正向冲击会对房地产价格产生持续的正向影响，表明经济增长对房价具有长期的推动作用；利率的正向冲击会对房地产价格产生负向影响，且影响程度在短期内较为显著，随着时间的推移逐渐减弱，说明利率的调整对房价的影响具有时效性。4.2.5方差分解方差分解用于确定每个变量对其他变量波动的贡献度，即分析各个变量在解释其他变量变化中的相对重要性。通过对VAR模型进行方差分解，得到M2/GDP比率对房地产价格变化的贡献度。结果显示，M2/GDP比率对房地产价格变化的贡献度随着时间的推移逐渐增加，在第10期时达到[具体百分比]%，表明M2/GDP比率对房地产价格波动的解释能力较强，是影响房地产价格变化的重要因素之一。同时，方差分解结果还表明，其他控制变量也对房地产价格变化有着不同程度的贡献。GDP对房地产价格变化的贡献度在第10期时达到[具体百分比]%，说明经济增长对房价波动的影响也较为显著；土地价格对房地产价格变化的贡献度在第10期时达到[具体百分比]%，表明土地成本是影响房价的重要因素之一；利率对房地产价格变化的贡献度在第10期时达到[具体百分比]%，说明利率政策对房价的调控作用不容忽视；人口增长率对房地产价格变化的贡献度相对较小，在第10期时仅为[具体百分比]%。通过方差分解，可以更直观地了解各个变量在房地产价格波动中的相对重要性，为政策制定者提供更有针对性的决策依据。例如，根据方差分解结果，政策制定者在调控房地产价格时，可以重点关注M2/GDP比率、GDP和土地价格等因素的变化，通过调整货币政策、促进经济增长和合理控制土地供应等措施，来实现房地产市场的平稳健康发展。五、实证结果的进一步讨论5.1结果的稳健性检验为了确保实证结果的可靠性和稳定性，本研究采用了多种方法进行稳健性检验。首先，替换变量法，选取商品房销售额与销售面积之比作为房地产价格的替代变量，重新进行VAR模型估计。这是因为商品房销售额与销售面积之比能更全面地反映房地产市场的实际交易价格情况，避免了单纯使用平均销售价格可能受到的极端值影响。例如，某些高端楼盘的高价销售可能会拉高平均销售价格，而采用销售额与销售面积之比则能更真实地体现市场整体价格水平。重新估计结果显示，M2/GDP比率与新的房地产价格变量之间依然存在显著的正相关关系，M2/GDP比率对房价的影响方向和程度与原模型基本一致，这表明研究结果在变量选取上具有一定的稳健性。其次，改变样本区间法，缩短样本区间，剔除可能存在异常数据的时间段，如[具体异常时间段]，再次进行实证分析。在这一异常时间段内，可能受到特殊政策调整、重大经济事件等因素影响，数据的波动可能较为异常，会干扰研究结果的准确性。通过缩短样本区间，可以减少这些异常因素的干扰。重新估计的结果表明，M2/GDP比率对房价的影响依然显著，且主要结论未发生明显变化，进一步验证了实证结果的稳定性。最后，采用不同的估计方法，运用广义矩估计（GMM）方法对VAR模型进行估计。GMM方法在处理存在异方差和自相关等问题的数据时具有优势，能够提供更有效的估计结果。与普通最小二乘法（OLS）相比，GMM方法通过对矩条件的设定和加权矩阵的选择，更好地利用了数据的信息，提高了估计的准确性和可靠性。GMM估计结果显示，M2/GDP比率与房价之间的关系依然符合预期，主要参数的估计值和显著性水平与原模型相似，说明研究结果在估计方法上具有稳健性。5.2影响机制分析从货币供需角度来看，M2/GDP比率的上升意味着货币供应量相对经济增长更为充裕，市场上流动性增加。这使得购房者更容易获得贷款，购房能力增强，从而增加对房地产的需求，推动房价上涨。宽松的货币政策导致M2增加，银行信贷规模扩大，居民可以更容易地获得低利率的房贷，刺激了购房需求。当M2/GDP比率下降时，市场流动性收紧，购房者贷款难度增加，购房需求受到抑制，房价可能面临下行压力。投资投机因素也是M2/GDP比率影响房价的重要机制。房地产作为一种重要的投资品，具有保值增值的特性。当M2/GDP比率上升，市场上资金充裕时，投资者为了追求资产的保值增值，往往会将资金投入房地产市场，推动房价上涨。例如，在货币供应量增加的时期，股票市场波动较大，债券市场收益率较低，而房地产市场相对稳定且预期收益较高，吸引了大量投资者将资金从其他领域转移到房地产市场，进一步推高了房价。相反，当M2/GDP比率下降，市场资金减少，投资者对房地产的投资热情降低，房价上涨动力减弱。市场预期在M2/GDP比率影响房价的过程中也起着关键作用。当M2/GDP比率上升时，市场参与者会预期未来房价上涨，这种预期会促使购房者提前购房，投资者加大对房地产的投资，从而推动房价上涨。媒体对M2增长的报道以及专家对房地产市场的乐观预测，会影响消费者和投资者的预期，进一步强化房价上涨的趋势。相反，当M2/GDP比率下降时，市场预期房价下跌，购房者和投资者会持观望态度，减少购房和投资行为，导致房价下跌。5.3与其他因素的交互作用M2/GDP比率与政策调控对房价的交互影响显著。政府的房地产调控政策，如限购、限贷、限售等政策，会直接影响房地产市场的供需关系和投资投机行为，进而影响M2/GDP比率对房价的作用效果。在M2/GDP比率上升、市场流动性增加的情况下，如果政府实施严格的限购政策，限制购房者的资格，会抑制购房需求，削弱M2/GDP比率对房价的推动作用；相反，如果政府在M2/GDP比率下降时，出台宽松的房地产政策，如降低房贷利率、放宽购房信贷条件等，可能会刺激购房需求，缓解房价的下行压力。经济增长与M2/GDP比率共同影响房价。经济增长会带动居民收入增加，提高居民的购房能力和购房意愿，同时也会吸引更多的企业和人口流入，增加对住房的需求，推动房价上涨。而M2/GDP比率的变化会影响市场流动性和资金成本，进而影响房地产市场的投资和消费。在经济增长较快、M2/GDP比率也上升的时期，房价往往上涨较快；而在经济增长放缓、M2/GDP比率下降时，房价上涨动力减弱，甚至可能出现下跌。人口因素与M2/GDP比率对房价也存在交互作用。人口增长、人口结构变化等因素会影响住房需求。随着城市化进程的加速，大量农村人口涌入城市，增加了对城市住房的需求。在M2/GDP比率上升、市场流动性充足的情况下，人口增长带来的住房需求会更容易得到满足，进一步推动房价上涨。相反，在人口老龄化加剧、人口增长放缓的地区，如果M2/GDP比率下降，市场资金紧张，住房需求减少，房价可能面临更大的下行压力。六、政策建议与启示6.1货币政策调控建议基于研究结果，货币供应量相对经济增长的变化对房地产价格有着重要影响，因此，合理控制M2增长至关重要。央行应密切关注宏观经济形势和房地产市场动态，制定科学合理的货币政策目标。在经济增长稳定、房地产市场过热时，适当控制M2的增长速度，避免货币供应量过度扩张导致房地产市场泡沫加剧。在房地产价格持续快速上涨，市场投机氛围浓厚时，央行可通过提高存款准备金率、发行央行票据等手段，回笼市场资金，收紧货币供应量，抑制房地产市场的过度投资和投机行为。而在经济面临下行压力、房地产市场低迷时，可适度增加M2的投放，以刺激经济增长和房地产市场的复苏，但要注意把握好投放的力度和节奏，防止房价过度反弹。在经济增速放缓，房地产市场交易清淡时，央行可通过降低利率、增加信贷投放等方式，增加市场流动性，促进房地产市场的活跃。优化货币结构，提高货币使用效率，对于稳定房地产价格也具有重要意义。央行应加大对实体经济的支持力度，引导资金流向实体经济领域，提高资金的配置效率。鼓励金融机构创新金融产品和服务，拓宽企业融资渠道，降低企业融资成本，促进实体经济的发展。通过发展供应链金融、绿色金融等创新金融模式，为实体经济提供更加多元化的融资支持，减少资金在金融体系内的空转，避免大量资金过度流入房地产市场，从而降低房地产市场的金融风险，促进房地产市场与实体经济的协调发展。此外，还应加强对影子银行等金融创新领域的监管，规范金融市场秩序，防止金融风险向房地产市场传导。影子银行的一些业务可能存在监管漏洞，容易引发金融风险，加强对其监管可以有效防范金融风险对房地产市场的冲击。6.2房地产市场监管策略稳定房价需要从土地供应、税收政策、信贷政策等多个方面入手，加强房地产市场监管。在土地供应方面，政府应根据城市发展规划和房地产市场需求，合理制定土地供应计划。增加土地供应，尤其是住宅用地的供应，能够缓解土地市场的供需矛盾，降低土地价格，从而减少房地产开发成本，稳定房价。对于人口持续流入、住房需求旺盛的城市，应适当增加土地出让面积，提高土地供应的及时性和有效性。优化土地供应结构，合理安排不同类型住房用地的比例，增加保障性住房和中小户型普通商品住房的土地供应，以满足不同层次居民的住房需求，促进房地产市场的供需平衡。税收政策是调控房地产市场的重要手段之一。政府可通过完善房地产税收体系，加强对房地产交易环节和持有环节的税收调节。在交易环节，适当提高房地产交易税，如契税、营业税等，能够增加房产交易成本，抑制投机性购房需求，减少房地产市场的短期炒作行为。对购买第二套及以上住房的购房者，提高契税税率，加大对投机性购房的抑制力度。在持有环节，适时推出房产税，对多套房产持有者征收较高的房产税，能够增加房产持有成本，促使房产持有者合理配置房产资源，减少房产囤积，增加市场房源供应，从而对房价起到一定的抑制作用。信贷政策对房地产市场的影响也十分显著。金融机构应严格执行差别化的信贷政策，根据购房者的购房目的、信用状况等因素，合理确定贷款额度、利率和期限。对于首次购房的自住需求者，给予一定的信贷优惠政策，如较低的首付比例和贷款利率，支持居民的合理住房需求。而对于投资投机性购房者，提高首付比例和贷款利率，增加其购房成本和融资难度，抑制投资投机性购房需求。加强对房地产开发企业的信贷监管，严格审查企业的资质和项目可行性，控制房地产开发贷款的规模和风险，防止房地产企业过度负债开发，降低房地产市场的金融风险。6.3对投资者和购房者的启示对于投资者而言，研究结果表明M2/GDP比率与房地产价格之间存在密切关系，投资者在进行房地产投资决策时，应密切关注M2/GDP比率的变化以及宏观经济形势和政策导向。当M2/GDP比率上升，市场流动性增加时，房地产价格可能上涨，投资房地产可能获得较高的收益，但同时也应警惕房地产市场泡沫的风险。在这种情况下，投资者应谨慎评估市场风险，避免盲目跟风投资。可以通过分析房地产市场的供需状况、区域发展潜力等因素，选择具有投资价值的房产项目。而当M2/GDP比率下降，市场流动性收紧时，房地产价格可能面临下行压力，投资者应适当减少房地产投资，调整投资组合，分散投资风险。可以将资金投向其他领域，如股票、债券、基金等，实现资产的多元化配置。购房者在购房时，也应充分考虑M2/GDP比率等因素对房价的影响。对于自住型购房者来说，购房是为了满足自身的居住需求，不应过度受房价短期波动的影响。但了解M2/GDP比率与房价的关系，有助于购房者把握购房时机。在M2/GDP比率上升、房价上涨预期较强时，购房者可根据自身经济实力和需求，合理安排购房计划。如果经济条件允许，可提前购房，避免未来房价进一步上涨带来的购房压力增加；如果经济条件不允许，也不要盲目借贷购房，以免背负过重的债务负担。在M2/GDP比率下降、房价可能下跌时，购房者可保持观望态度