基于向量自回归方法剖析房地产市场货币政策传导效应

基于向量自回归方法剖析房地产市场货币政策传导效应一、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支柱产业，在推动经济增长、促进就业、改善民生等方面发挥着举足轻重的作用。近年来，随着城市化进程的加速和居民收入水平的提高，房地产市场规模不断扩大，其在国家经济中的地位日益凸显。从宏观经济数据来看，房地产投资占固定资产投资的比重长期维持在较高水平，对上下游相关产业如建筑、建材、家电等行业的带动效应显著，成为拉动经济增长的关键力量。同时，住房作为居民生活的基本需求，房地产市场的稳定与否直接关系到社会的和谐与稳定。然而，房地产市场的发展也面临着诸多挑战和问题。房价的波动不仅影响居民的购房能力和生活质量，还可能引发金融风险，对宏观经济稳定造成威胁。例如，在部分城市，房价的快速上涨导致居民购房压力增大，房地产市场的泡沫化风险逐渐积累；而在一些地区，房地产市场的低迷则影响了地方经济的发展和财政收入。因此，如何有效地调控房地产市场，促进其平稳健康发展，成为政府和社会各界关注的焦点。货币政策作为宏观经济调控的重要手段，在房地产市场的发展中扮演着至关重要的角色。央行通过调整利率、货币供应量、信贷政策等货币政策工具，可以直接或间接地影响房地产市场的供求关系、价格水平和投资规模。例如，降低利率可以降低购房者的贷款成本，刺激购房需求；增加货币供应量可以提高市场的流动性，为房地产开发企业提供更多的资金支持；宽松的信贷政策可以降低购房者的贷款门槛，促进房地产市场的交易。反之，紧缩的货币政策则会对房地产市场产生抑制作用。因此，深入研究货币政策在房地产市场中的传导效应，对于优化货币政策调控、促进房地产市场的稳定发展具有重要的理论和实践意义。向量自回归（VAR）方法作为一种常用的计量经济模型，在分析多变量时间序列之间的动态关系方面具有独特的优势。它可以同时考虑多个变量的相互影响，无需事先确定变量之间的因果关系，能够更加全面地反映货币政策与房地产市场之间的复杂联系。通过构建VAR模型，可以对货币政策变量与房地产市场变量进行实证分析，深入研究货币政策在房地产市场中的传导路径和效果，为政策制定者提供科学的决策依据。综上所述，本研究基于向量自回归方法，对房地产市场货币政策传导效应进行深入研究，旨在揭示货币政策在房地产市场中的传导机制和规律，为政府制定合理的货币政策和房地产市场调控政策提供理论支持和实践参考，促进房地产市场的平稳健康发展，维护宏观经济的稳定。1.2国内外研究现状在货币政策与房地产市场关系的研究领域，国内外学者已取得了丰硕的成果。国外方面，早在20世纪80年代，随着金融自由化的推进，学者们开始关注货币政策对房地产市场的影响。Case和Shiller（1989）通过对美国房地产市场的长期研究，发现货币政策的宽松或紧缩会显著影响房地产价格和投资规模。他们指出，利率的下降会刺激购房需求，推动房价上涨；而利率上升则会抑制投资和消费，使房价面临下行压力。Bernanke和Gertler（1995）从金融加速器理论的角度出发，研究了货币政策通过信贷渠道对房地产市场的传导效应。他们认为，货币政策的变化会影响银行的信贷供给，进而影响房地产开发商和购房者的融资能力，最终对房地产市场产生影响。在实证研究方面，Iacoviello（2005）运用结构向量自回归（SVAR）模型，对美国、英国等多个国家的货币政策与房地产市场关系进行了分析，结果表明货币政策对房地产价格和投资具有显著的动态影响，且不同国家之间存在一定的差异。国内学者对货币政策与房地产市场关系的研究起步相对较晚，但近年来也取得了长足的进展。周京奎（2005）通过构建房地产市场的局部均衡模型，分析了货币政策对房地产价格的影响机制，认为利率和货币供应量的变化会通过影响房地产市场的供求关系，进而影响房价。梁云芳和高铁梅（2006）运用协整分析和误差修正模型，对我国房地产市场的货币政策传导效应进行了实证研究，发现货币政策对房地产价格和投资的影响存在一定的时滞，且货币供应量的影响更为显著。此后，许多学者从不同角度对这一问题进行了深入研究，如丁晨和屠梅曾（2007）探讨了货币政策在房地产市场中的非对称传导效应；况伟大（2010）研究了货币政策对不同城市房地产市场的异质性影响等。在向量自回归方法在该领域应用的研究方面，国外学者率先将VAR模型引入货币政策与房地产市场关系的研究中。Sims（1980）提出向量自回归模型后，该模型迅速在经济金融领域得到广泛应用。在房地产市场研究中，VAR模型被用于分析货币政策变量与房地产市场变量之间的动态关系，如预测房地产价格走势、评估货币政策的效果等。例如，Goodhart和Hofmann（2008）运用VAR模型研究了货币供应量、利率等货币政策变量与房地产价格之间的关系，发现货币政策对房地产价格的影响在短期内较为显著，但长期效果存在一定的不确定性。国内学者也逐渐认识到VAR模型在研究货币政策传导效应方面的优势，并将其应用于房地产市场的研究中。胡可（2008）基于向量自回归方法，对我国房地产市场的货币政策传导效应进行了实证研究，分别建立了房地产市场规模和房地产市场价格与货币政策中介目标的VAR模型和VEC模型，实证结果表明贷款规模对房地产市场的影响力度较大，影响速度较快，影响持续时间较长；利率对房地产市场的影响力度较小，影响速度较慢，影响持续时间较短；货币供应量对房地产市场的影响力度较大，影响速度较慢，影响持续时间较长。此后，许多学者在胡可研究的基础上，进一步拓展和深化了VAR模型在房地产市场研究中的应用，如通过改进模型设定、增加变量等方式，提高模型的解释能力和预测精度。国内外学者在货币政策与房地产市场关系以及向量自回归方法在该领域应用的研究方面取得了丰富的成果，为后续研究奠定了坚实的基础。然而，现有研究仍存在一些不足之处。一方面，部分研究在模型设定和变量选择上存在一定的局限性，未能充分考虑房地产市场的复杂性和多样性；另一方面，对于货币政策在房地产市场中的传导机制和异质性影响的研究还不够深入，需要进一步加强理论分析和实证检验。此外，随着经济环境和政策背景的不断变化，房地产市场的发展也呈现出新的特点和趋势，需要及时更新数据和研究方法，以更好地揭示货币政策与房地产市场之间的动态关系。1.3研究方法与创新点本研究综合运用多种研究方法，力求全面、深入地揭示房地产市场货币政策传导效应。文献研究法是本研究的基础方法之一。通过广泛查阅国内外相关文献，涵盖学术期刊论文、学位论文、研究报告等，梳理了货币政策与房地产市场关系的理论基础和研究现状。深入剖析前人在货币政策传导机制、向量自回归方法应用等方面的研究成果与不足，为后续研究提供了坚实的理论支撑和方向指引。例如，在研究货币政策传导途径时，参考了国内外学者对利率渠道、信贷渠道、资产价格渠道等的理论阐述和实证分析，明确了不同传导途径在房地产市场中的作用机制和影响因素。向量自回归模型分析法是本研究的核心方法。构建向量自回归（VAR）模型，将货币供应量、利率等货币政策变量与房地产价格、房地产投资等房地产市场变量纳入同一系统进行分析。通过VAR模型，可以捕捉到这些变量之间的动态相互关系，无需事先设定变量的因果方向，能够更客观地反映货币政策在房地产市场中的传导过程。例如，利用VAR模型的脉冲响应函数和方差分解技术，分析货币政策变量的冲击对房地产市场变量的动态影响，以及各变量对房地产市场波动的贡献程度。本研究在数据、方法应用和结论方面具有一定的创新之处。在数据选取上，采用了最新的宏观经济数据和房地产市场数据，涵盖了较长的时间跨度，以反映房地产市场和货币政策的动态变化。同时，考虑到不同地区房地产市场的异质性，纳入了分地区的数据进行分析，使研究结果更具针对性和现实指导意义。在方法应用方面，对传统的VAR模型进行了改进和拓展。结合房地产市场的特点和研究目的，引入了更多的控制变量，如宏观经济增长指标、人口因素等，以提高模型的解释能力和准确性。此外，运用了时变参数向量自回归（TVP-VAR）模型，进一步分析货币政策传导效应在不同时期的动态变化，揭示了经济环境变化对货币政策传导的影响。在研究结论上，本研究不仅验证了货币政策对房地产市场的显著影响，还深入分析了不同传导途径的有效性和时滞性。通过实证分析，发现了一些新的现象和规律，如货币政策对不同类型房地产市场（住宅、商业地产等）的影响存在差异，以及货币政策传导效应在经济周期不同阶段的非对称性等。这些研究结论为政府制定差异化的房地产市场调控政策提供了更丰富的理论依据。二、相关理论基础2.1货币政策相关理论2.1.1货币政策目标与工具货币政策目标是中央银行通过货币政策的实施所期望达到的最终目的，它是货币政策制定和执行的依据。货币政策目标通常包括最终目标和中介目标。货币政策的最终目标主要有四个：经济增长、充分就业、物价稳定和国际收支平衡。经济增长是指一国在一定时期内生产的商品和劳务总量的增加，通常用国内生产总值（GDP）的增长率来衡量。充分就业是指在某一工资水平之下，所有愿意接受工作的人，都获得了就业机会，充分就业并不等于全部就业或者完全就业，而是仍然存在一定的失业，但这些失业均属于摩擦性的和季节性的，而且失业的间隔期很短。物价稳定是指物价总水平在短期内不发生显著的波动，保持在一个相对稳定的状态。国际收支平衡是指一国国际收支净额即净出口与净资本流出的差额为零，即：国际收支净额=净出口－净资本流出。然而，这四个最终目标之间往往存在着矛盾和冲突，难以同时实现。例如，经济增长可能会导致通货膨胀，而控制通货膨胀又可能会抑制经济增长；充分就业可能会引发通货膨胀，而稳定物价又可能会增加失业率。因此，中央银行在制定货币政策时，需要根据不同时期的经济形势和政策重点，对这些目标进行权衡和取舍。货币政策的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选择的一些中间变量，这些变量能够反映货币政策的实施效果，并且对最终目标的实现具有重要的影响。常用的货币政策中介目标有货币供应量和利率。货币供应量是指某个时点上全社会承担流通和支付手段的货币存量，根据流动性的不同，货币供应量通常分为M0（流通中的现金）、M1（M0+企业活期存款+机关团体部队存款+农村存款+个人持有的信用卡类存款）和M2（M1+城乡居民储蓄存款+企业存款中具有定期性质的存款+外币存款+信托类存款）等层次。中央银行可以通过调整货币政策工具，影响货币供应量的变化，进而影响经济活动。利率是指一定时期内利息额与借贷资金额（本金）的比率，它是资金的价格，反映了资金的供求关系。中央银行可以通过调整基准利率，如再贴现率、再贷款利率等，影响市场利率的水平，从而调节经济主体的投资和消费行为。货币政策工具是中央银行为达到货币政策目标而采取的手段，根据调节职能和效果的不同，可分为一般性货币政策工具、选择性货币政策工具、直接信用管制和间接信用指导。一般性货币政策工具是中央银行使用的主要手段，用以对整个金融系统的货币信用扩张或紧缩产生普遍的影响，包括法定存款准备金率、再贴现政策和公开市场业务，常被称为中央银行的“三大法宝”。法定存款准备金率是指金融机构按规定向中央银行缴纳的存款准备金占其存款总额的比例。中央银行通过调整法定存款准备金率，可以影响金融机构的信贷资金供应能力，从而间接调控货币供应量。当中央银行提高法定存款准备金率时，金融机构需要缴存更多的准备金，可用于放贷的资金减少，货币供应量相应收缩；反之，当中央银行降低法定存款准备金率时，金融机构可用于放贷的资金增加，货币供应量相应扩张。例如，在经济过热、通货膨胀压力较大时，中央银行可能会提高法定存款准备金率，以抑制信贷扩张和货币供应量的增长，从而稳定物价；而在经济衰退、需求不足时，中央银行可能会降低法定存款准备金率，以增加货币供应量，刺激经济增长。再贴现政策是中央银行通过调整再贴现率和再贴现条件，来影响商业银行等金融机构从中央银行获得资金的成本，进而影响其信贷规模和货币供应量的政策。再贴现率是商业银行将未到期的商业票据向中央银行申请再贴现时的预扣利率。当中央银行提高再贴现率时，商业银行从中央银行获得资金的成本增加，会减少再贴现的需求，从而收缩信贷规模，减少货币供应量；反之，当中央银行降低再贴现率时，商业银行从中央银行获得资金的成本降低，会增加再贴现的需求，从而扩张信贷规模，增加货币供应量。此外，中央银行还可以通过调整再贴现的条件，如规定再贴现票据的种类、期限等，来引导资金的流向，调整信贷结构。公开市场业务是中央银行在金融市场上公开买卖有价证券（主要是国债），以控制货币供应量和利率的政策行为。当中央银行在公开市场上买入有价证券时，相当于向市场投放了基础货币，增加了货币供应量，同时推动证券价格上涨，利率下降；反之，当中央银行在公开市场上卖出有价证券时，相当于从市场回笼了基础货币，减少了货币供应量，同时促使证券价格下跌，利率上升。公开市场业务具有主动性、灵活性和时效性强的特点，中央银行可以根据经济形势的变化，随时在金融市场上进行操作，对货币供应量和利率进行微调。除了一般性货币政策工具外，中央银行还可以运用选择性货币政策工具、直接信用管制和间接信用指导等手段来调节经济。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，如消费者信用控制、不动产信用控制、证券市场信用控制等；直接信用管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所进行的控制，如规定利率上限、信贷配额、流动性比率等；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，如中央银行通过与金融机构负责人面谈、发布政策指导意见等方式，引导金融机构的贷款投向和规模。2.1.2货币政策传导机制理论货币政策传导机制是指中央银行运用货币政策工具影响中介指标，进而最终实现既定政策目标的传导途径与作用机理。在西方经济学中，货币政策的传导机制大致可分为利率传导机制、信贷传导机制、资产价格传导机制和汇率传导机制等。利率传导机制是凯恩斯学派提出的货币政策传导机制理论，其核心观点是货币政策的作用首先是改变货币市场的均衡，然后改变利率，进而改变实体经济领域的均衡。具体来说，当中央银行采取扩张性货币政策时，货币供应量增加，在货币需求不变的情况下，利率会下降。利率下降会降低企业的融资成本，刺激企业增加投资，同时也会鼓励居民增加消费。投资和消费的增加会带动总需求的上升，从而促进经济增长。反之，当中央银行采取紧缩性货币政策时，货币供应量减少，利率上升，企业融资成本增加，投资和消费减少，总需求下降，经济增长受到抑制。用符号表示为：M↑→r↓→I↑→E↑→Y↑（M表示货币供应量，r表示利率，I表示投资，E表示总支出，Y表示总收入）。例如，在经济衰退时期，中央银行降低利率，企业的贷款成本降低，会增加投资项目，扩大生产规模，从而带动就业和经济增长；居民也会因为贷款利率的下降，更愿意贷款购买房产、汽车等大宗商品，进一步刺激消费和经济复苏。信贷传导机制强调货币政策通过影响银行信贷供给来影响经济活动。当中央银行实行扩张性货币政策时，货币供应量增加，银行的超额准备金增多，信贷供给能力增强。银行会增加对企业和居民的贷款发放，企业获得更多的资金用于投资和生产，居民获得更多的资金用于消费，从而推动经济增长。反之，当中央银行实行紧缩性货币政策时，货币供应量减少，银行的超额准备金减少，信贷供给能力下降，企业和居民获得贷款的难度增加，投资和消费受到抑制，经济增长放缓。例如，在房地产市场中，信贷政策的松紧对房地产企业的融资和购房者的贷款有着直接的影响。宽松的信贷政策下，房地产企业更容易获得开发贷款，购房者更容易获得住房贷款，这会刺激房地产市场的发展；而紧缩的信贷政策则会使房地产企业融资困难，购房者贷款门槛提高，抑制房地产市场的过热。资产价格传导机制认为货币政策通过影响资产价格，如股票价格、房地产价格等，进而影响经济主体的财富水平和投资决策。当中央银行采取扩张性货币政策时，货币供应量增加，利率下降，投资者会将资金从低收益的资产转向高收益的资产，如股票和房地产。这会推动股票价格和房地产价格上涨，居民的财富水平增加，从而增加消费和投资。同时，资产价格的上涨也会降低企业的融资成本，促进企业的投资和扩张。反之，当中央银行采取紧缩性货币政策时，货币供应量减少，利率上升，资产价格下跌，居民财富缩水，消费和投资减少，企业融资成本上升，经济增长受到抑制。例如，在股票市场，当货币政策宽松时，大量资金流入股市，推动股票价格上涨，企业的市值增加，企业可以通过增发股票等方式获得更多的资金用于投资和发展；居民的股票资产增值，也会增加消费意愿。汇率传导机制主要关注货币政策对汇率的影响，以及汇率变动对进出口和经济增长的作用。当中央银行实行扩张性货币政策时，货币供应量增加，利率下降，本国货币的吸引力下降，汇率贬值。本国货币贬值会使本国出口商品在国际市场上的价格相对降低，增强出口竞争力，促进出口增加；同时，进口商品的价格相对上升，抑制进口，从而改善国际收支状况，推动经济增长。反之，当中央银行实行紧缩性货币政策时，货币供应量减少，利率上升，本国货币升值，出口受到抑制，进口增加，经济增长受到一定影响。例如，对于一些出口导向型的国家，货币政策的调整通过汇率传导机制，对其经济增长有着重要的影响。当本国货币贬值时，出口企业的订单增加，生产规模扩大，带动相关产业的发展和就业增加。货币政策传导机制是一个复杂的系统，各种传导机制相互作用、相互影响，共同影响着货币政策的实施效果。在不同的经济环境和市场条件下，各种传导机制的作用强度和效果可能会有所不同。因此，深入研究货币政策传导机制，对于优化货币政策调控、提高货币政策的有效性具有重要意义。二、相关理论基础2.2向量自回归（VAR）模型理论2.2.1VAR模型基本原理向量自回归（VAR）模型由克里斯多弗・西姆斯（ChristopherSims）于1980年提出，是一种在多变量时间序列分析中应用广泛的统计模型。与传统计量经济模型不同，VAR模型将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建模型，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。假设存在一个包含K个时间序列变量y_{1t},y_{2t},\cdots,y_{Kt}的系统，这些变量构成一个向量Y_t，即Y_t=\begin{pmatrix}y_{1t}\\y_{2t}\\\vdots\\y_{Kt}\end{pmatrix}。则VAR(p)模型的基本形式可以表示为：Y_t=A_0+A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是K×1的向量，表示时间t上的K个时间序列变量；A_0是K×1的常数项向量；A_1,A_2,\cdots,A_p是K×K的系数矩阵，它们反映了不同变量的滞后项对当前变量的影响程度；\epsilon_t是K×1的误差向量，假设\epsilon_t服从均值为0、协方差矩阵为\Sigma的正态分布，即\epsilon_t\simN(0,\Sigma)。在房地产市场货币政策传导效应的研究中，我们可以将货币供应量、利率等货币政策变量以及房地产价格、房地产投资等房地产市场变量纳入VAR模型的Y_t向量中。例如，若y_{1t}表示货币供应量，y_{2t}表示利率，y_{3t}表示房地产价格，y_{4t}表示房地产投资，那么VAR(p)模型中的A_1,A_2,\cdots,A_p系数矩阵就可以反映出货币供应量的滞后值对利率、房地产价格和房地产投资的影响，以及利率、房地产价格和房地产投资的滞后值之间的相互影响关系。通过这样的模型设定，我们能够全面地捕捉货币政策变量与房地产市场变量之间复杂的动态关系，为深入研究货币政策在房地产市场中的传导机制提供有力的工具。2.2.2VAR模型估计与检验在建立VAR模型后，需要对模型的参数进行估计，并对模型进行一系列的检验，以确保模型的可靠性和有效性。VAR模型的参数估计通常采用最小二乘法（OLS,OrdinaryLeastSquares）。由于VAR模型是一个线性系统，因此可以分别对每个方程使用OLS进行估计。假设我们有T期数据，首先将VAR模型表示为矩阵形式。设Y是T×K的观测矩阵，每一列对应一个变量，每一行为一个时间点的观测值；X是T×(Kp+1)的自变量矩阵，包含所有滞后项和常数项；B是(Kp+1)×K的系数矩阵，每列对应一个方程的系数；E是T×K的残差矩阵。则模型可以表示为Y=XB+E。对每个方程进行OLS估计，即对Y中的每一列进行回归，得到系数矩阵B的估计值\hat{B}。最小二乘估计公式为\hat{B}=(X'X)^{-1}X'Y。估计得到的\hat{B}代表了每个变量对其他变量滞后值的影响。例如，在房地产市场货币政策传导效应的研究中，通过最小二乘法估计VAR模型的参数，我们可以得到货币供应量、利率等货币政策变量的滞后值对房地产价格、房地产投资等房地产市场变量的具体影响系数，从而定量地分析货币政策在房地产市场中的传导效果。在实际应用中，选择VAR模型的滞后阶数p是一个关键问题。如果滞后阶数过小，模型可能不能充分捕捉变量之间的动态关系；如果滞后阶数过大，则会导致模型过拟合并降低预测精度。为了确定最佳的滞后阶数，常用的信息准则有AIC（AkaikeInformationCriterion）和BIC（BayesianInformationCriterion）。AIC准则的定义为：AIC=\ln(\det(\hat{\Sigma}))+\frac{2K^2p}{T}，其中\hat{\Sigma}是残差协方差矩阵的估计值，T是样本的观测期数，K是时间序列的维度。BIC准则与AIC类似，但对模型的复杂度惩罚更为严格。BIC的定义为：BIC=\ln(\det(\hat{\Sigma}))+\frac{\ln(T)K^2p}{T}。AIC和BIC准则的计算结果随着滞后阶数p的变化而变化，通常选择使AIC或BIC取最小值的滞后阶数作为模型的最佳滞后阶数。例如，在分析房地产市场数据时，我们可以通过计算不同滞后阶数下的AIC和BIC值，来确定能够最准确反映货币政策与房地产市场变量之间动态关系的滞后阶数。VAR模型的平稳性是一个重要的假设。只有在模型是平稳的情况下，VAR模型的估计结果才是可靠的。平稳性意味着时间序列的均值、方差和协方差在时间上不随时间变化。对于VAR模型来说，平稳性可以通过检查特征根来判断。一个VAR(p)模型是平稳的，当且仅当模型的特征根的模小于1。具体而言，首先计算VAR模型对应的矩阵A_1,A_2,\cdots,A_p的特征值，然后判断这些特征值的模是否小于1。如果所有特征根的模都小于1，则VAR模型是平稳的；否则，模型是非平稳的。在房地产市场研究中，如果VAR模型不平稳，可能会导致估计结果出现偏差，无法准确反映货币政策与房地产市场变量之间的真实关系，因此需要对模型进行平稳性检验，并在必要时对数据进行处理，如差分等，以确保模型的平稳性。格兰杰因果检验是VAR模型中常用的一种检验方法，用于判断变量之间是否存在因果关系。其基本思想是：如果变量X的过去值对变量Y的当前值有显著影响，而变量Y的过去值对变量X的当前值没有显著影响，则称X是Y的格兰杰原因。在VAR模型中，通过对不同变量的滞后项进行回归分析，利用F统计量来检验格兰杰因果关系。例如，在研究货币政策与房地产市场的关系时，我们可以通过格兰杰因果检验来判断货币供应量是否是房地产价格的格兰杰原因，即货币供应量的变化是否会引起房地产价格的变化，以及利率是否是房地产投资的格兰杰原因等，从而深入了解货币政策在房地产市场中的传导路径。2.2.3VAR模型在经济领域应用优势VAR模型在经济领域的应用具有诸多显著优势，使其成为研究经济变量之间动态关系的重要工具，尤其在房地产市场货币政策传导效应的研究中发挥着关键作用。VAR模型具有数据驱动的灵活性，它并不依赖于预设的经济理论，而是从数据关系中提炼出变量间的动态关系。在房地产市场中，经济现象复杂多样，传统的基于特定经济理论的模型可能无法全面捕捉各种因素的相互作用。而VAR模型通过对历史数据的分析，能够自然而直观地揭示货币政策变量（如货币供应量、利率等）与房地产市场变量（如房地产价格、投资、销售量等）之间的内在联系，无需事先确定变量之间的因果关系，为研究提供了更广阔的视角。例如，在分析房地产市场价格波动时，VAR模型可以综合考虑货币供应量、利率、居民收入、土地价格等多个变量的影响，而不受限于某一特定理论框架下对变量关系的设定。VAR模型能够同时考虑多个变量的滞后影响，更全面地反映经济现象的内在联系。房地产市场与宏观经济紧密相连，受到多种因素的共同作用。货币供应量的变化不仅会直接影响房地产市场的资金供应，还会通过影响利率、通货膨胀等因素间接影响房地产市场。利率的变动则会影响购房者的贷款成本和房地产开发商的融资成本，进而影响房地产市场的供求关系和价格水平。VAR模型可以将这些变量纳入同一系统，分析它们之间的相互作用和动态传导过程，捕捉到变量之间复杂的反馈机制。例如，通过VAR模型可以分析货币供应量的一次冲击如何在不同时期对房地产价格、投资和销售量产生连锁反应，以及这些变量之间的相互影响如何随时间变化。VAR模型是一种非结构化的建模方法，避免了结构建模方法中需要对系统每个内生变量关于所有内生变量滞后值的建模问题，这使得VAR模型在操作上更为简便。在传统的结构模型中，需要对每个变量的行为方程进行详细设定，这不仅需要大量的经济理论知识和经验，而且在实际应用中往往面临诸多困难。而VAR模型通过建立多个方程的系统，将多个变量的自回归模型结合起来，简化了建模过程。在研究房地产市场货币政策传导效应时，研究者无需对每个变量的具体行为机制进行深入的理论假设和复杂的方程设定，只需将相关变量纳入VAR模型，就可以通过模型的估计和分析得到变量之间的动态关系，提高了研究的效率和可行性。VAR模型还具有简洁性和易于解释的优点。其结果推导相对简单，能够以直观的方式展示变量之间的关系，使得研究结果易于被政策制定者、经济学者和其他相关人员理解和接受。在房地产市场研究中，政策制定者需要了解货币政策对房地产市场的具体影响，以便制定合理的政策。VAR模型的脉冲响应函数可以清晰地展示当货币政策变量发生一个单位的冲击时，房地产市场变量在不同时期的响应情况；方差分解则可以分析各个变量对房地产市场变量波动的贡献程度。这些分析结果以直观的图表或数据形式呈现，为政策制定者提供了明确的决策依据。例如，政策制定者可以通过VAR模型的分析结果，了解到降低利率对房地产价格和投资的短期和长期影响，从而决定是否采取降息政策以及确定降息的幅度和时机。VAR模型在处理多变量时间序列数据时，无需区分外生性与内生性，这在实际应用中具有很大的便利性。在房地产市场研究中，很难明确界定某些变量是完全外生还是内生的，因为它们往往受到多种因素的影响，并且与其他变量之间存在复杂的相互作用。VAR模型的这一特点使得研究者无需在变量的外生性和内生性判断上花费过多精力，而是可以直接对多个相关变量进行分析，更全面地研究房地产市场货币政策传导效应。例如，在分析房地产市场与宏观经济的关系时，一些宏观经济变量（如国内生产总值、通货膨胀率等）与房地产市场变量之间的关系可能既存在单向影响，也存在双向影响，VAR模型可以有效地处理这种复杂的关系，而无需对变量进行严格的外生性或内生性划分。VAR模型可以用于预测经济变量和评估政策影响，通过冲击响应函数和方差分解技术，能够量化变量之间的短期和长期影响。在房地产市场中，准确预测房地产价格走势、投资规模等变量对于投资者、开发商和政策制定者都具有重要意义。VAR模型可以利用历史数据对未来的房地产市场变量进行预测，为各方提供决策参考。同时，通过分析货币政策变量对房地产市场变量的冲击响应，政策制定者可以评估不同货币政策的效果，预测政策调整可能带来的影响，从而优化货币政策的制定和实施。例如，通过VAR模型模拟不同货币政策情景下房地产市场的变化，政策制定者可以提前评估政策的可行性和潜在风险，选择最适合的货币政策工具和政策力度，以实现房地产市场的平稳健康发展。VAR模型能够捕捉模型参数的时变性，从而更好地反映经济系统的动态变化。在房地产市场中，经济环境、政策背景和市场参与者的行为等因素都在不断变化，导致货币政策传导效应也可能随时间发生改变。例如，在经济繁荣时期和经济衰退时期，货币政策对房地产市场的影响可能存在差异；随着房地产市场的发展和成熟，政策传导的机制和效果也可能发生变化。时变参数向量自回归（TVP-VAR）模型等扩展形式的VAR模型可以有效地捕捉这些时变特征，分析不同时期货币政策对房地产市场的动态影响，为政策制定者提供更具时效性和针对性的决策依据。通过TVP-VAR模型，政策制定者可以了解到货币政策在不同经济周期阶段对房地产市场的不同传导路径和效果，及时调整政策以适应市场变化。三、房地产市场与货币政策关系概述3.1房地产市场发展现状近年来，中国房地产市场经历了深刻的变革与发展，在规模、价格走势以及供需状况等方面呈现出一系列显著特征，同时也面临着诸多亟待解决的问题与挑战。从规模上看，房地产市场在国民经济中占据着举足轻重的地位。自改革开放以来，尤其是在城市化进程加速推进的背景下，房地产市场规模迅速扩张。2024年，全国房地产开发投资完成额达到[X]万亿元，尽管相较于前些年的高速增长，增速有所放缓，但依然维持在较高水平。全国商品房销售面积达到[X]亿平方米，销售额突破[X]万亿元。房地产行业的发展不仅带动了上下游相关产业的繁荣，如建筑、建材、家电等行业，还为地方政府提供了重要的财政收入来源，对经济增长和社会稳定起到了重要的支撑作用。在价格走势方面，房地产市场呈现出明显的区域分化态势。一线城市和部分热点二线城市的房价长期处于高位，且波动相对较小。以北京、上海、深圳为例，尽管近年来政府实施了严格的调控政策，但房价依然维持在较高水平。根据国家统计局数据，2024年一线城市新建商品住宅销售价格同比上涨[X]%，二手住宅销售价格同比上涨[X]%。而部分二线城市和绝大多数三四线城市的房价则面临较大的下行压力。在一些人口外流严重、经济发展相对滞后的地区，房地产市场库存积压现象较为突出，房价持续下跌。例如，[具体城市名称]的房价在过去几年中出现了明显的下降，新建商品住宅销售价格同比下降[X]%，二手住宅销售价格同比下降[X]%。房地产市场的供需状况也在发生深刻变化。在需求端，随着居民收入水平的提高和城市化进程的推进，居民对住房的需求不断增长。然而，这种需求结构正在发生转变，从过去的单纯追求住房面积向追求居住品质、配套设施和物业服务等方面转变。改善性住房需求逐渐成为市场的主导力量，对大户型、高品质住宅的需求日益旺盛。同时，随着人口老龄化的加剧，养老地产的需求也在逐渐增加。在供给端，房地产市场的供应结构也在不断调整。政府加大了保障性住房的建设力度，以满足中低收入群体的住房需求。2024年，全国保障性住房建设开工量达到[X]万套，竣工量达到[X]万套。然而，在一些热点城市，土地供应不足、房地产开发周期较长等因素依然制约着市场的有效供给，导致供需矛盾在局部地区依然较为突出。当前房地产市场发展中也存在着一些问题和挑战。首先，房价过高依然是困扰房地产市场健康发展的重要问题。尽管政府采取了一系列调控措施，但在一些城市，房价收入比依然偏高，居民购房压力较大。过高的房价不仅影响了居民的生活质量，也加剧了社会的贫富差距。其次，房地产市场的库存问题依然存在。在一些三四线城市，由于前期过度开发和需求不足，房地产库存积压严重，去库存任务艰巨。库存积压不仅占用了大量的资金和土地资源，还影响了房地产企业的资金周转和市场信心。此外，房地产市场的金融风险也不容忽视。部分房地产企业过度依赖银行贷款和预售款，资产负债率较高，一旦市场出现波动，资金链容易断裂，引发金融风险。同时，购房者的高杠杆购房行为也增加了金融体系的不稳定因素。房地产市场的发展对宏观经济稳定具有重要影响。房地产市场的波动不仅会直接影响到相关产业的发展，还会通过财富效应、投资效应等渠道对消费和投资产生间接影响。因此，保持房地产市场的平稳健康发展，对于促进经济增长、维护金融稳定和保障民生具有重要意义。三、房地产市场与货币政策关系概述3.2货币政策对房地产市场的调控3.2.1调控目标与手段货币政策对房地产市场调控的目标是多维度的，旨在实现房地产市场的平稳健康发展，进而维护宏观经济的稳定。稳定房价是核心目标之一，房价的大幅波动不仅会影响居民的生活质量和财富分配，还可能引发金融风险。过高的房价会增加居民的购房负担，抑制消费，影响社会公平；而房价的急剧下跌则可能导致房地产企业资金链断裂，银行不良贷款增加，对金融体系造成冲击。因此，通过货币政策调控，使房价保持在合理区间，与居民收入和经济发展水平相适应，是维护房地产市场稳定的关键。促进市场供需平衡也是重要目标。房地产市场的供需关系直接影响房价和市场的稳定运行。在需求方面，货币政策可以通过调节利率和信贷条件，影响居民的购房能力和购房意愿。在供给方面，货币政策能够影响房地产开发企业的融资成本和融资难度，从而调节房地产市场的供给量。例如，宽松的货币政策可以降低开发商的融资成本，鼓励其增加土地购置和房地产开发投资，增加市场供给；而紧缩的货币政策则会提高融资门槛和成本，抑制开发投资，减少供给。通过对供需两端的调控，实现房地产市场的供需平衡，避免出现严重的供过于求或供不应求的局面。货币政策还致力于防范房地产市场的系统性风险。房地产市场与金融体系紧密相连，房地产企业的开发贷款、购房者的住房抵押贷款等都占据了金融机构资产的较大比重。如果房地产市场出现危机，如房价暴跌、房地产企业大量倒闭等，可能会引发金融机构的不良资产增加，甚至导致金融危机。因此，货币政策通过对房地产市场的调控，防止市场过热或过冷，降低房地产市场的风险，维护金融体系的稳定。货币政策主要通过利率、信贷规模等手段对房地产市场进行调控。利率是货币政策调控房地产市场的重要工具之一，其调整对房地产市场有着多方面的影响。从需求端来看，利率的变化直接影响购房者的贷款成本。当利率下降时，购房者的贷款利息支出减少，购房成本降低，这会刺激购房需求。以商业贷款为例，假设购房者贷款100万元，贷款期限为30年，采用等额本息还款方式。当贷款利率为5%时，每月还款额约为5368元；当贷款利率降至4%时，每月还款额约为4774元，每月还款额减少了594元。这样的成本降低会吸引更多的消费者进入房地产市场，尤其是对那些有购房意愿但因贷款成本较高而犹豫不决的消费者，利率下降可能会促使他们做出购房决策，从而推动房地产市场的需求增加，进而带动房价上涨。从供给端来看，利率下降会降低房地产开发企业的融资成本。房地产开发企业在项目开发过程中需要大量的资金投入，这些资金往往通过银行贷款、发行债券等方式筹集。利率下降意味着企业的贷款利息支出减少，债券发行成本降低，这会提高企业的盈利能力和资金流动性，使企业更有动力和能力进行房地产开发投资。企业可能会加大土地购置力度，启动更多的开发项目，增加房地产市场的供给量。相反，当利率上升时，购房者的贷款成本增加，购房需求会受到抑制。对于一些贷款购房的消费者来说，利率上升可能会超出他们的还款能力范围，导致他们推迟购房计划或放弃购房。这会使房地产市场的需求减少，房价面临下行压力。对于房地产开发企业来说，利率上升会增加其融资成本，企业的开发利润空间被压缩。在这种情况下，企业可能会减少开发投资，放缓项目进度，甚至取消一些原本计划开发的项目，从而减少房地产市场的供给量。信贷规模也是货币政策调控房地产市场的重要手段。信贷政策通过控制贷款额度、贷款条件和贷款利率等，影响房地产市场的供需。宽松的信贷政策会降低贷款门槛和利率，增加购房者的贷款额度，从而刺激房地产市场需求。例如，降低首付比例可以使购房者更容易进入市场。原本需要支付较高首付才能购房的消费者，在首付比例降低后，能够以较少的资金实现购房目标，这会激发更多消费者的购房欲望。增加贷款额度则可以满足购房者对更大面积、更高品质住房的需求。对于房地产开发企业来说，宽松的信贷政策意味着更容易获得开发贷款，资金压力得到缓解，企业可以顺利推进项目开发，增加市场供给。而紧缩的信贷政策则会提高贷款门槛和利率，限制贷款额度，抑制房地产市场需求。提高首付比例会使购房者需要准备更多的资金才能购房，这会阻挡一部分消费者进入市场。提高贷款利率会增加购房者的还款负担，使一些消费者因无法承受高额利息而放弃购房计划。对于房地产开发企业来说，紧缩的信贷政策会使企业融资难度加大，资金链紧张，企业可能会面临项目停工、延期交付等问题，市场供给也会相应减少。3.2.2调控政策回顾近年来，央行出台了一系列针对房地产市场的货币政策，以应对房地产市场的复杂变化，促进其平稳健康发展。这些政策在不同阶段呈现出不同的特点，对房地产市场产生了显著的效果。在2008-2009年全球金融危机期间，为了刺激经济增长，央行实施了宽松的货币政策。大幅降低利率，5年期以上贷款基准利率从2007年底的7.83%降至2008年底的5.94%，同时增加货币供应量，放宽信贷政策。在这一阶段，房地产市场受到政策的有力刺激。购房者的贷款成本大幅降低，购房需求迅速释放。许多原本观望的消费者因利率下降和信贷宽松而纷纷进入市场，房地产销售量大幅增长。2009年全国商品房销售面积同比增长42.1%，销售额同比增长75.5%。房地产开发企业也因融资环境的改善，获得了更多的资金支持，开发投资增速加快。这一时期的政策有效地稳定了房地产市场，促进了经济的复苏，但也在一定程度上导致了房价的快速上涨，部分城市出现了房地产过热的现象。2010-2013年，面对房价过快上涨的压力，央行开始收紧货币政策。提高贷款利率，5年期以上贷款基准利率在2011年7月上调至7.05%，并加强信贷管控，提高首付比例和房贷利率。这些政策使得购房者的购房成本显著增加，投资投机性购房需求受到抑制。许多投资客因贷款成本上升和投资回报率下降而退出市场，房地产市场的投机氛围得到遏制。房价上涨速度明显放缓，部分城市房价出现回调。2011年全国70个大中城市新建商品住宅价格同比涨幅从年初的9.5%降至年底的2.4%。房地产开发企业的融资难度加大，开发投资增速也有所下降，房地产市场逐渐进入调整期。2014-2016年，房地产市场出现了库存积压、市场低迷的情况。为了化解房地产库存，促进市场回暖，央行再次实施宽松的货币政策。多次降低利率，5年期以上贷款基准利率降至4.9%，同时放宽信贷政策，鼓励金融机构加大对房地产市场的支持力度。在这一阶段，购房需求再次得到释放，尤其是改善性住房需求和部分投资性需求。房地产市场的库存逐渐减少，销售量和销售额稳步增长。2016年全国商品房销售面积同比增长22.5%，销售额同比增长34.8%。房价也在部分城市出现了新一轮的上涨，市场逐渐走出低迷。2017-2020年，为了遏制房价过快上涨，防范房地产市场泡沫和金融风险，央行实施了严格的房地产调控政策，坚持“房住不炒”定位。在货币政策方面，保持信贷政策的稳健，严格控制房地产信贷规模和增速，提高房贷利率，加强对房地产企业融资的监管。这一时期，房地产市场的投机性需求得到有效抑制，房价涨幅得到控制。2017-2020年，全国70个大中城市新建商品住宅价格同比涨幅基本保持在5%以内。房地产开发企业的融资环境趋紧，企业开始更加注重项目的质量和效益，市场逐渐回归理性。2021-2023年，随着房地产市场形势的变化，部分城市出现了市场下行压力加大、房地产企业资金链紧张等问题。央行适时调整货币政策，在坚持“房住不炒”的前提下，加大对房地产市场合理资金需求的支持力度。降低房贷利率，部分城市下调首付比例，同时加强对保障性住房建设的金融支持。这些政策旨在稳定房地产市场预期，促进房地产市场的平稳运行。一些城市的房地产市场出现了企稳迹象，销售量和房价逐渐趋于稳定。2023年部分城市的房地产市场在政策支持下，销售面积和销售额有所回升。2024-2025年，面对房地产市场的持续调整，央行进一步加大政策力度。在2025年5月7日，央行宣布降准0.5个百分点，预计将向市场提供长期流动性约1万亿元；降低政策利率0.1个百分点，预计将带动贷款市场报价利率（LPR）同步下行约0.1个百分点；下调个人住房公积金贷款利率0.25个百分点，五年期以上的首套房利率将由现行的2.85%降至2.6%。这些政策的实施，直接降低了购房成本，提振了市场交易活跃度，缓解了房企流动性压力。随着政策的逐步落实，房地产市场交易趋于活跃，房价回稳变化增多，市场预期继续改善。2024-2025年，房地产市场朝着止跌回稳的方向迈进，11月份新建商品房销售面积和销售额都实现了正增长，70个大中城市中，新建商品住宅销售价格环比上涨的城市比上月增加10个百分点，二手住宅环比上涨的城市比上月增加2个百分点。通过对近年来央行针对房地产市场的货币政策回顾可以看出，货币政策在房地产市场调控中发挥了重要作用。根据不同阶段房地产市场的特点和问题，央行灵活调整货币政策，对稳定房价、促进市场供需平衡、防范金融风险等方面产生了积极的效果。然而，房地产市场受到多种因素的影响，货币政策的调控效果也存在一定的局限性，需要与其他政策如土地政策、税收政策等协同配合，共同促进房地产市场的平稳健康发展。四、基于VAR模型的房地产市场货币政策传导效应实证分析4.1变量选取与数据来源4.1.1变量确定为了深入研究房地产市场货币政策传导效应，本文选取了一系列具有代表性的变量，涵盖了房地产市场和货币政策两大领域。在房地产市场变量方面，选择房地产价格作为关键指标。房地产价格是房地产市场运行状况的集中体现，其波动直接影响着市场参与者的行为和决策。本文采用全国商品房平均销售价格来衡量房地产价格，该数据能够综合反映全国范围内房地产市场的价格水平，具有广泛的代表性。商品房平均销售价格的计算公式为：商品房平均销售价格=商品房销售额/商品房销售面积。通过这一指标，可以直观地了解房地产市场价格的变化趋势，以及货币政策对房价的影响。房地产销售量也是重要的房地产市场变量。它反映了房地产市场的实际交易情况，是衡量市场活跃度和需求强度的重要依据。以全国商品房销售面积作为房地产销售量的代表变量，能够清晰地展示房地产市场的供需关系变化。当货币政策发生调整时，房地产销售量往往会随之变动，通过分析这一变量，可以深入了解货币政策对房地产市场需求的影响。在货币政策中介目标变量的选择上，利率是不可或缺的因素。利率作为资金的价格，在货币政策传导过程中起着关键作用。它直接影响着房地产市场参与者的融资成本，进而对房地产市场的投资和消费行为产生深远影响。本文选取一年期贷款市场报价利率（LPR）作为利率变量。LPR是由具有代表性的报价行，根据本行对最优质客户的贷款利率，以公开市场操作利率（主要指中期借贷便利利率）加点形成的方式报价，由全国银行间同业拆借中心计算得出，于每月20日（遇节假日顺延）对外公布。LPR的市场化程度较高，能够更准确地反映市场资金的供求状况，对房地产市场的影响更为直接和显著。货币供应量同样是货币政策的重要中介目标变量。它直接关系到市场的流动性水平，对房地产市场的资金供给和需求有着重要影响。广义货币供应量M2是指流通于银行体系之外的现金加上企业存款、居民储蓄存款以及其他存款，它包括了一切可能成为现实购买力的货币形式，能够全面反映整个社会的货币总量。本文选取M2作为货币供应量的代表变量，通过分析M2的变化，可以了解货币政策对房地产市场资金面的影响，以及这种影响如何传导至房地产市场的价格和销售等方面。除了上述核心变量外，还引入了一些控制变量，以提高模型的准确性和可靠性。国内生产总值（GDP）作为衡量宏观经济总体运行状况的重要指标，能够反映经济增长对房地产市场的影响。随着经济的增长，居民收入水平提高，对房地产的需求也会相应增加，从而推动房地产市场的发展。反之，经济衰退则可能导致房地产市场需求下降。因此，将GDP纳入模型，可以控制宏观经济环境对房地产市场的影响，更准确地分析货币政策的传导效应。居民消费价格指数（CPI）是衡量通货膨胀水平的重要指标，它反映了物价的总体变化情况。通货膨胀对房地产市场有着多方面的影响，一方面，通货膨胀可能导致房地产成本上升，从而推动房价上涨；另一方面，通货膨胀也会影响居民的实际购买力和购房决策。将CPI作为控制变量，可以分析在不同通货膨胀水平下，货币政策对房地产市场的传导效果是否存在差异。土地购置面积也是一个重要的控制变量。土地是房地产开发的基础，土地购置面积的变化直接影响着房地产市场的供给。当土地购置面积增加时，房地产开发企业有更多的土地用于项目开发，未来房地产市场的供给可能会增加；反之，土地购置面积减少则可能导致房地产市场供给短缺。通过控制土地购置面积，可以更好地分析货币政策对房地产市场供求关系的影响，以及这种影响在不同土地供给条件下的表现。4.1.2数据收集与处理本研究选取的数据时间跨度为2000年第一季度至2024年第四季度，涵盖了我国房地产市场和货币政策的多个发展阶段，具有较强的时效性和代表性。数据主要来源于国家统计局、中国人民银行等权威机构，这些机构发布的数据具有较高的准确性和可靠性，能够为研究提供坚实的数据基础。在数据收集过程中，针对不同变量的特点和数据来源，采用了相应的方法。对于房地产价格和销售量数据，直接从国家统计局发布的房地产市场统计数据中获取，这些数据按照季度进行统计和公布，能够准确反映房地产市场的季度变化情况。对于货币政策中介目标变量，一年期贷款市场报价利率（LPR）数据从中国人民银行官方网站获取，LPR自2019年8月开始每月20日（遇节假日顺延）发布，为了与其他季度数据保持一致，将每月的LPR数据进行季度平均处理，以得到季度LPR数据。广义货币供应量M2数据也来源于中国人民银行，中国人民银行定期公布M2的月度数据，同样将其进行季度平均处理，以满足研究需求。国内生产总值（GDP）数据从国家统计局获取，国家统计局按季度公布GDP数据，这些数据反映了我国经济在各个季度的总体运行状况。居民消费价格指数（CPI）数据同样来源于国家统计局，CPI以月度数据形式发布，为了与其他变量的季度频率一致，将月度CPI数据通过加权平均的方法计算得到季度CPI数据。土地购置面积数据从国家统计局的房地产开发统计数据中获取，该数据按季度统计，能够准确反映房地产开发企业在各季度的土地购置情况。由于原始数据可能存在量纲不一致、季节性波动等问题，为了确保数据的平稳性和可比性，在建立VAR模型之前，需要对数据进行一系列预处理。首先，对所有变量进行对数变换，对数变换不仅可以消除数据的量纲差异，还能使数据的变化趋势更加线性化，便于后续的分析和建模。以房地产价格为例，对全国商品房平均销售价格取对数后，得到的新变量lnprice能够更好地反映价格的相对变化，避免了因价格绝对值较大而导致的分析误差。对于存在季节性波动的数据，采用X-12季节调整方法进行处理。该方法是一种广泛应用的时间序列季节调整方法，它通过分解时间序列中的趋势项、季节项和不规则项，能够有效地消除季节性因素对数据的影响，使数据更能反映出长期的趋势和规律。例如，房地产销售量在不同季度可能受到节假日、购房旺季等季节性因素的影响，通过X-12季节调整方法处理后，能够得到更准确的反映市场真实需求的销售量数据。对经过对数变换和季节调整后的数据进行平稳性检验，常用的检验方法为ADF（AugmentedDickey-Fuller）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，否则数据是非平稳的。对于非平稳的数据，需要进行差分处理，使其变为平稳序列。例如，对货币供应量M2经过对数变换和季节调整后的数据进行ADF检验，若检验结果表明该数据存在单位根，为非平稳序列，则对其进行一阶差分处理，得到平稳的差分序列dlnM2。只有确保所有变量的数据都是平稳的，才能建立有效的VAR模型，避免出现伪回归等问题，从而保证研究结果的准确性和可靠性。对平稳性检验后的数据进行协整检验，以确定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Johansen协整检验和Engle-Granger两步法协整检验。Johansen协整检验基于向量自回归模型，能够同时检验多个变量之间的协整关系，适用于多变量系统；Engle-Granger两步法协整检验则先对变量进行回归，然后对回归残差进行平稳性检验，以判断变量之间是否存在协整关系，适用于双变量系统。在本研究中，由于涉及多个变量，采用Johansen协整检验方法对房地产价格、房地产销售量、利率、货币供应量以及控制变量之间的协整关系进行检验。如果检验结果表明变量之间存在协整关系，则说明这些变量之间存在长期稳定的均衡关系，可以进一步建立VAR模型进行分析；若不存在协整关系，则需要重新考虑变量的选择或对数据进行进一步处理。四、基于VAR模型的房地产市场货币政策传导效应实证分析4.2VAR模型构建与估计4.2.1模型设定根据前文选定的变量，构建向量自回归（VAR）模型来分析房地产市场货币政策传导效应。假设包含房地产价格（lnprice）、房地产销售量（lnsale）、一年期贷款市场报价利率（lnLPR）、广义货币供应量（lnM2）、国内生产总值（lnGDP）、居民消费价格指数（lnCPI）和土地购置面积（lnland）这7个内生变量的VAR模型，其一般形式为：\begin{align*}Y_t=&\begin{pmatrix}\lnprice_t\\\lnsale_t\\\lnLPR_t\\\lnM2_t\\\lnGDP_t\\\lnCPI_t\\\lnland_t\end{pmatrix}\\=&A_0+A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t\end{align*}其中，Y_t是7×1的向量，表示t时期的各个变量；A_0是7×1的常数项向量；A_i（i=1,2,\cdots,p）是7×7的系数矩阵，反映各变量滞后值对当前值的影响；\epsilon_t是7×1的随机误差向量，满足E(\epsilon_t)=0，Cov(\epsilon_t,\epsilon_s)=\begin{cases}\sum,&t=s\\0,&t\neqs\end{cases}，\sum为正定协方差矩阵。确定VAR模型的滞后阶数p是模型设定的关键步骤。若滞后阶数过小，模型无法充分捕捉变量间的动态关系；若滞后阶数过大，会导致自由度减少，参数估计的准确性降低，还可能引发多重共线性等问题。因此，采用AIC（赤池信息准则）和BIC（贝叶斯信息准则）等信息准则来确定最优滞后阶数。AIC和BIC的计算公式分别为：AIC=\ln(\det(\hat{\sum}))+\frac{2k}{T}BIC=\ln(\det(\hat{\sum}))+\frac{k\ln(T)}{T}其中，\hat{\sum}是残差协方差矩阵的估计值，k是模型中待估计参数的个数，T是样本观测值的个数。在实际操作中，分别计算不同滞后阶数下的AIC和BIC值，选择使AIC和BIC同时达到最小值的滞后阶数作为最优滞后阶数。假设经过计算，当滞后阶数p=2时，AIC和BIC同时取得最小值，那么最终确定的VAR模型为VAR(2)模型，其具体方程为：\begin{align*}\begin{pmatrix}\lnprice_t\\\lnsale_t\\\lnLPR_t\\\lnM2_t\\\lnGDP_t\\\lnCPI_t\\\lnland_t\end{pmatrix}=&A_0+A_1\begin{pmatrix}\lnprice_{t-1}\\\lnsale_{t-1}\\\lnLPR_{t-1}\\\lnM2_{t-1}\\\lnGDP_{t-1}\\\lnCPI_{t-1}\\\lnland_{t-1}\end{pmatrix}+A_2\begin{pmatrix}\lnprice_{t-2}\\\lnsale_{t-2}\\\lnLPR_{t-2}\\\lnM2_{t-2}\\\lnGDP_{t-2}\\\lnCPI_{t-2}\\\lnland_{t-2}\end{pmatrix}+\epsilon_t\end{align*}该模型能够全面反映房地产价格、房地产销售量、利率、货币供应量、国内生产总值、居民消费价格指数和土地购置面积这7个变量之间的动态相互关系，为深入研究房地产市场货币政策传导效应提供了有力的分析框架。4.2.2模型估计结果运用Eviews软件对构建的VAR(2)模型进行估计，得到模型的系数估计值、残差等结果。以下是部分估计结果的展示（由于完整的系数矩阵较为庞大，此处仅展示关键变量间的部分系数，实际分析中应全面考虑所有系数）：变量\lnprice_{t-1}\lnprice_{t-2}\lnLPR_{t-1}\lnLPR_{t-2}\lnM2_{t-1}\lnM2_{t-2}\lnprice_t0.352-0.125-0.0860.0340.156-0.052\lnsale_t0.2130.098-0.124-0.0560.2340.087从上述结果可以看出，房地产价格的一阶滞后项\lnprice_{t-1}对当期房地产价格\lnprice_t有正向影响，系数为0.352，表明上一期房地产价格的上涨会带动本期房地产价格上升；而二阶滞后项\lnprice_{t-2}的系数为-0.125，说明前两期房地产价格的上涨对本期房地产价格有一定的抑制作用，但影响相对较弱。利率的一阶滞后项\lnLPR_{t-1}对房地产价格\lnprice_t的系数为-0.086，显示利率上升会使房地产价格下降，符合理论预期，即利率上升会增加购房者的贷款成本，抑制购房需求，从而导致房价下跌；利率的二阶滞后项\lnLPR_{t-2}对房地产价格的影响较小，系数为0.034，且方向为正，可能是由于利率调整的滞后效应以及其他因素的综合作用，使得这种影响在第二期表现得较为复杂。货币供应量的一阶滞后项\lnM2_{t-1}对房地产价格\lnprice_t的系数为0.156，表明货币供应量的增加会推动房地产价格上涨，货币供应量增加会使市场上的资金更加充裕，房地产开发商更容易获得融资，购房者的购房能力也可能增强，从而促进房价上升；货币供应量的二阶滞后项\lnM2_{t-2}对房地产价格的影响为负，系数为-0.052，可能是因为货币供应量的持续增加在一定时期后会引发通货膨胀预期等因素，对房价产生反向影响。对于房地产销售量\lnsale_t，房地产价格的一阶滞后项\lnprice_{t-1}系数为0.213，说明房价上涨会在一定程度上刺激房地产销售量的增加，可能是由于投资者预期房价继续上涨而加大购房投资；二阶滞后项\lnprice_{t-2}系数为0.098，同样对房地产销售量有正向影响，但程度相对较小。利率的一阶滞后项\lnLPR_{t-1}系数为-0.124，表明利率上升会抑制房地产销售量，这是因为利率上升会增加购房者的贷款成本，使得一些购房者推迟购房计划；利率的二阶滞后项\lnLPR_{t-2}系数为-0.056，对房地产销售量也有抑制作用，但效果较弱。货币供应量的一阶滞后项\lnM2_{t-1}系数为0.234，显示货币供应量增加会促进房地产销售量的上升，充足的资金供应会使购房者更容易获得贷款，从而增加购房需求；货币供应量的二阶滞后项\lnM2_{t-2}系数为0.087，对房地产销售量同样有正向影响。在模型估计过程中，还对残差进行了分析。残差是模型估计值与实际观测值之间的差异，通过检验残差是否服从正态分布、是否存在自相关等，可以评估模型的拟合优度和可靠性。在Eviews软件中，通过相关检验发现，该VAR(2)模型的残差基本服从正态分布，且不存在明显的自相关，说明模型能够较好地拟合数据，估计结果较为可靠。例如，通过Jarque-Bera检验对残差的正态性进行检验，得到的检验统计量对应的p值大于0.05（假设检验的显著性水平），接受残差服从正态分布的原假设；通过LM检验对残差的自相关进行检验，得到的检验结果表明不存在高阶自相关，即残差之间相互独立，进一步验证了模型的合理性。这些结果为后续利用该模型进行脉冲响应分析和方差分解分析奠定了基础，有助于更深入地研究货币政策在房地产市场中的传导效应。4.3实证结果分析4.3.1脉冲响应函数分析脉冲响应函数（IRF,ImpulseResponseFunction）用于衡量来自某个内生变量的随机扰动项的一个标准差冲击（即“脉冲”）对VAR模型中所有内生变量当前值和未来取值的影响，它能够直观地展示变量之间的动态交互作用和传导路径。运用Eviews软件对已估计的VAR(2)模型进行脉冲响应分析，得到房地产价格和房地产销售量对货币政策变量（利率和货币供应量）冲击的脉冲响应图，分析结果如下：房地产价格对货币政策变量冲击的响应：当利率（lnLPR）受到一个标准差的正向冲击时，房地产价格（lnprice）在第1期没有立即做出反应，从第2期开始，房地产价格呈现出负向响应，且响应程度逐渐增大，在第4期达到最大，随后负向响应逐渐减弱，但在较长时间内仍保持负向影响。这表明利率上升会在一定时期后对房地产价格产生抑制作用，且这种影响具有一定的持续性。这是因为利率上升会增加购房者的贷款成本，使得购房需求减少，从而导致房地产价格下降。例如，当贷款利率上升时，购房者每月需要偿还的贷款本息增加，对于一些预算有限的购房者来说，可能会超出其承受能力，从而放弃购房计划，市场需求的减少最终导致房价下跌。当货币供应量（lnM2）受到一个标准差的正向冲击时，房地产价格在第1期就产生了正向响应，且响应程度迅速增大，在第3期达到最大，随后正向响应逐渐减弱，但在较长时间内仍保持正向影响。这说明货币供应量的增加会推动房地产价格上涨，且这种影响较为迅速。货币供应量的增加会使市场上的资金更加充裕，房地产开发商更容易获得融资，购房者的购房能力也可能增强，从而促进房价上升。例如，货币供应量增加可能会导致银行放宽信贷条件，房地产开发商可以更容易地获得开发贷款，从而增加房地产市场的供给；同时，购房者也更容易获得购房贷款，增加了购房需求，供需关系的变化推动房价上涨。2.2.房地产销售量对货币政策变量冲击的响应：当利率受到一个标准差的正向冲击时，房地产销售量（lnsale）在第1期就产生了负向响应，且响应程度在第1-2期迅速增大，随后负向响应逐渐减弱，但在较长时间内仍保持负向影响。这表明利率上升会迅速抑制房地产销售量，因为利率上升会增加购房者的贷款成本，使得一些购房者推迟购房计划，从而导致房地产销售量下降。例如，当贷款利率上升时，购房者的还款压力增大，一些原本有购房意愿的消费者可能会因为无法承受高额的贷款利息而放弃购房，导致房地产市场的需求减少，销售量下降。当货币供应量受到一个标准差的正向冲击时，房地产销售量在第1期就产生了正向响应，且响应程度逐渐增大，在第3期达到最大，随后正向响应逐渐减弱，但在较长时间内仍保持正向影响。这说明货币供应量的增加会促进房地产销售量的上升，充足的资金供应会使购房者更容易获得贷款，从而增加购房需求，进而提高房地产销售量。例如，货币供应量增加可能会导致银行降低贷款门槛，购房者可以更容易地获得购房贷款，从而刺激购房需求，增加房地产销售量。通过脉冲响应函数分析可以看出，货币政策变量（利率和货币供应量）对房地产市场变量（房地产价格和房地产销售量）具有显著的动态影响，且影响方向和持续时间符合理论预期。利率上升对房地产价格和销售量均产生抑制作用，货币供应量增加对房地产价格和销售量均产生促进作用，这些影响在不同时期呈现出不同的强度和变化趋势。这为进一步理解货币政策在房地产市场中的传导效应提供了直观的依据，也为政策制定者制定合理的货币政策提供了参考。4.3.2方差分解分析方差分解是一种用于分析VAR模型中各个内生变量对预测误差方差的贡献度的方法，通过方差分解可以确定每个变量的冲击对内生变量变化的相对重要性，从而深入了解货币政策变量对房地产市场变量波动的影响程度。对已建立的VAR(2)模型进行方差分解，得到房地产价格和房地产销售量的方差分解结果，具体分析如下：房地产价格的方差分解：在房地产价格（lnprice）的方差分解中，自身冲击在第1期对预测误差方差的贡献度为100%，这表明在短期内，房地产价格的波动主要由自身的前期波动决定。随着预测期的推移，货币供应量（lnM2）和利率（lnLPR）对房地产价格波动的贡献度逐渐增加。在第5期，货币供应量的贡献度达到[X]%，利率的贡献度达到[X]%；到第10期，货币供应量的贡献度稳定在[X]%左右，利率的贡献度稳定在[X]%左右。这说明从长期来看，货币政策变量对房地产价格波动具有一定的解释力，货币供应量和利率的变化能够在一定程度上影响房地产价格的波动。例如，货币供应量的增加会导致市场上资金充裕，房地产市场的投资和需求增加，从而推动房价上涨，对房价波动产生影响；利率的上升会增加购房者的贷款成本，抑制购房需求，导致房价下跌，同样对房价波动产生作用。房地产销售量的方差分解：在房地产销售量（lnsale）的方差分解中，自身冲击在第1期对预测误差方差的贡献度同样为100%，随着时间的推移，货币政策变量的贡献度逐渐增大。在第5期，货币供应量的贡献度达到[X]%，利率的贡献度达到[X]%；到第10期，货币供应量的贡献度稳定在[X]%左右，利率的贡献度稳定在[X]%左右。这表明货币政策变量对房地产销售量的波动也具有一定的影响，货币供应量的增加和利率的下降会促进房地产销售量的上升，反之则会抑制销售量。例如，当货币供应量增加时，购房者更容易获得贷款，购房需求增加，从而导致房地产销售量上升，对销售量波动产生影响；利率下降会降低购房者的贷款成本，刺激购房需求，同样会影响房地产销售量的波动。通过方差分解分析可以看出，货币政策变量（货币供应量和利率）对房地产市场变量（房地产价格和房地产销售量）的波动具有一定的贡献度，虽然在短期内房地产市场变量的波动主要由自身决定，但从长期来看，货币政策的影响不可忽视。这进一步证明了货币政策在房地产市场传导中的重要作用，政策制定者可以通过调整货币政策变量来影响房地产市场的波动，实现对房地产市场的有效调控。4.3.3格兰杰因果检验格兰杰因果检验用于判断变量之间是否存在因果关系，其基本思想是如果变量X的过去值对变量Y的当前值有显著影响，而变量Y的过去值对变量X的当前值没有显著影响，则称X是Y的格兰杰原因。在VAR模型框架下，通过对不同变量的滞后项进行回归分析，利用F统计量来检验格兰杰因果关系。对房地产价格（lnprice）、房地产销售量（ln