基于SVAR模型的住宅價格調控政策有效性實證分析

沈悅，張學峰，張金梅

（1.西安交通大學經濟與金融學院，西安710061；2.西安外國語大學商學院，西安710128）

基于SVAR模型的住宅價格調控政策有效性實證分析

沈悅1，張學峰1，張金梅2

（1.西安交通大學經濟與金融學院，西安710061；2.西安外國語大學商學院，西安710128）

住宅價格持續高漲隱藏著巨大的經濟和社會風險，也凸顯調控政策有效性研究的重要性。文章通過構建房屋價格指數、本年土地購置面積、開發企業國內貸款和住房貸款利率的四元SVAR模型進行實證分析。結果表明，國內貸款增加對住宅價格的推升作用最為明顯，而增加土地供應和提高住房貸款利率的政策并沒有起到抑制房價過快上漲的作用；宏觀政策互相配合及保持其執行力和持續性才是有效調控住宅價格的關鍵。

住宅價格；調控政策；SVAR模型；正反饋

0 引言

住宅產業作為新興產業，對我國的經濟發展和擴大就業等方面起著舉足輕重的作用[1]。但近年來，我國住宅交易市場呈現著“非理性繁榮”[2]，土地供應價格和各層次住宅價格也在大部分時間里處于過快上漲態勢。對于事關民生的住宅價格過快上漲，近年來國家也出臺了一系列調控措施，但結果卻并不理想，反而陷入了“調控——觀望——反彈”的怪圈，而且這種怪圈每經歷一次循環往復，住宅價格都會攀升到一個新的高點，隱藏著巨大的經濟和社會風險[3]。那么，近年來國家所出臺的調控政策在何種方向、何種程度上對住宅價格產生影響？面對過去的政策調控效果，今后又該在哪方面改進？考察這些問題及隱藏其后的原因即為本文的研究動機。本文創新性地構建了多因素SVAR模型，從定量角度對此進行了實證分析，得出了研究結論，并提出了相關政策建議。

1 文獻回顧

近年來，關于調控政策對住宅價格的影響，國內外學者進行了卓有成效的研究，但總體來看，定性研究較多，定量研究較少。這些研究主要集中于三方面：

一是基于對住宅價格的多項影響因素分析來討論調控政策效果的的，如沈超群（2006）認為房地產業利潤高，金融調控政策相對來說力度太小，無法遏制住房地產業投資資金使用成本的增加，使得其他行業的企業面臨負擔加重、市場萎縮的雙重困境[4]；鄭園園等（2008）認為區位、地鐵、入住、時間、方向等因素對于住宅價格具有顯著影響，目前一刀切的調控方式不合理[5]；Yinghua He等[6]；龔江輝等（2009）；宋建軍（2009）等也有類似的研究。這一研究視角側重于對調控政策及其效果的定性分析，缺乏對調控政策效果的精確性解釋。

二是基于政策的某一方面進行分析，如聶學峰等（2005）通過對貨幣政策的協整分析認為，我國的貨幣政策能夠影響房地產價格，且貨幣供應量比利率政策更加顯著，但所選樣本期是1994～2005年，而我國從1998年才開始編制房地產價格指數，因此1998年之前的數據的來源值得商榷，而且該文沒有考察土地調控政策等其他政策的調控效果[7]；顧巧等（2008）從貨幣政策的角度進行了分析，說明貨幣政策對房價調控的效果不明顯[8]；高峰（2009）從土地增值稅的角度作了研究；Iacoviello M和Minetti R[9]等也有類似的研究。這一研究視角的缺點是沒有綜合考慮多項政策共同作用下的調控效果，缺少對政策整體協調配合的綜合判斷。

三是基于某一社會科學理論或模型進行分析，如杜陽（2006）運用logistic模型分析了2005年“新國八條”和“央行加息”兩項政策的效果，其中因變量“政策效果”是按房價降低與否設定為0和1，這種設定有帶有較強的主觀性，而且研究只考慮了2005年的調控政策，也無法判斷房價升降究竟是之前政策的滯后效應還是新的政策起了效果[10]；高苛，劉長濱（2008）從預期理論的角度構建了住宅價格調控模型，認為市場主體的政策預期可導致調控政策的短期失效，而長期中預期作用對調控政策效果無影響[11]；歐紹華（2010）[12]、朱宇（2006）從博弈論的角度進行了分析，揭示了隱藏在房價背后的錯綜復雜的利益關系及其變化規律；此外，羅華奇（2008）從模糊數學理論的角度；馬海濤（2007）從灰色理論的角度等也進行了分析。這一研究視角的共性是把相互作用的變量分為外生和內生，而且研究區間較短，也缺少與我國現實住宅市場調控的緊密聯系。

綜上所述，針對住宅價格調控政策有效性問題，由于研究采用指標、研究區間、使用方法以及分析視角的不同，必然會得出不同的結論。這些結論能夠在一定程度上解釋調控政策有效性，但由于在研究區間、調控影響因素選取和檢驗理論方法上還存在一定的局限性，使得其研究結論缺少對較長時期內調控政策作用方向和強度的精確綜合判斷。本文擬以2000～2009年為研究區間，綜合土地供應、對開發企業貸款、住房貸款利率等政策多方因素的月度數據構建SVAR模型實證分析它們對住宅價格影響的時滯、作用方向及強度，為下一步調控政策的科學制定提供依據。

2 實證研究設計

鑒于以往研究的缺陷，需要重新審視調控政策與住宅價格波動的關系，進而將相關調控政策放到一個系統框架內進行解釋，進一步揭示這些政策的作用方向和強度。

2.1 模型選取

Sims(1980)提出的向量自回歸模型(VAR)采用多方程聯立的形式，在模型的每一個方程中，內生變量對模型所含全部內生變量的滯后項進行回歸來估計內生變量之間的動態關系，但不能反映變量之間當期相關關系的確切形式。此外，VAR模型要求參數過多，只有所含變量較少的VAR才能通過OLS和極大似然估計，加上較少考慮經濟理論，所產生的脈沖響應不能被識別為內在結構誤差，從而無法給出結構性解釋[13]。為此，Blanchard和Quah(1989)對VAR模型進行了修正，提出了結構向量自回歸模型（SVAR），其實質是VAR模型的結構式，即在一般VAR模型基礎上加人內生變量之間的當期關系，把隱藏在誤差項中的變量間的當期相關關系提取出來，使模型的經濟意義更加明確[14]。因此，將SVAR模型應用于住宅價格調控政策有效性評價優點有三：一是模型中調控政策任何變量都假設為內生的，不嚴格按照先驗理論，也不事先設定內外生變量，可以直接用最小二乘法(OLS)進行估計；二是給出了調控政策變量之間的當期關系，避免了VAR方法中Cholesky分解引發內生變量排序對結果的敏感影響；三是約束條件少，避免了施加錯誤的長期約束可能對模型結果產生的負面影響。

含有k（k≥3）個變量的p階結構向量自回歸模型SVAR(p)一般矩陣形式可表示為:

B可逆時，可將公式（1）轉化為：

由此，可以根據et=B-1ut估計得到的簡化式對結構矩陣進行估計。但要想得到結構式模型唯一的估計參數，要求簡化式的未知參數不比結構式的未知參數多，即需要施加k(k-1)/2個約束條件才能估計出結構式模型的參數。

2.2 變量確定

由于住宅價格調控是從供給和需求著手的，其核心政策是土地供應、住宅供給結構、信貸等，結合數據的可得性，本文選擇以下四個變量構建模型：

（1）房屋銷售價格指數（SI）。這一指標可以綜合各種因素，反映房屋價格的波動情況。

（2）住宅開發開發資金中的國內貸款（DL）。住宅開發投資中，除了自籌資金，最主要的是國內貸款，這一指標可以反映國家通過信貸調控住宅供給的情況。

（3）本年土地購置面積(LB)。土地是住宅的源頭，政府欲調控土地供給和住宅供給結構時，反映政策意圖和效果最明顯的指標是本年土地購置面積的變化。

（4）住房貸款利率（MR）。由于住宅價值較高且具有投資消費雙重屬性，住房貸款仍是實現購買力的主要途徑，這也決定了國家通過調節住房貸款利率調控需求的必然性。

由此可以構建四元SVAR模型：

其中，

2.3 約束條件

模型中包含4個變量，需要施加6個約束條件才能識別出結構沖擊，根據經濟理論，可作如下6個約束：

（1）住宅開發投資資金中的國內貸款（DL）用于在建項目的繼續開發和維持企業的正常運轉，它將影響滯后期內住宅價格。因此DL對當期的SI沒有影響，即矩陣B中b12=0。

（2）當期購置的土地用于后期開發，而住宅價格是由當期可供銷售的住宅商品的供求關系決定，故認為當期土地購置面積對當期住宅價格不會產生影響，即矩陣B中b13=0。

（3）住房貸款利率（MR）的變化會影響到購房需求，理論上會進一步傳導到住宅開發企業的借款成本，但根據《土地管理法》規定，企業拍得土地后必須在兩年內動工開發，這決定了本期貸款利率變化并不會影響到住宅開發企業取得國內貸款（DL），即矩陣B中b24=0。

（4）住宅開發企業已經儲備一定量土地或一定資金用于土地購置以利于持續經營，而且根據相關法規，國內貸款（DL）主要用于在建項目，對當期土地購置面積（LB）沒有影響，即矩陣B中b32=0。

（5）由于住宅商品的供給缺乏彈性，當期住房貸款利率（MR）變化不會對當期土地購置面積（LB）產生影響，即矩陣B中b34=0。

（6）當期購置的土地主要用于儲備和后期開發，并不會影響當期住宅交易市場，故當期土地購置面積（LB）不會影響當期的住房貸款利率（MR），即矩陣B中b43=0。

2.4 數據來源與處理

數據主要來源于中宏產業數據庫、國研網統計數據庫、中國資訊行和《中國統計年鑒2009》。對于個別缺失的數據，用K-最近距離鄰居法進行了彌補，并對有明顯季節因素的變量用X11程序進行了季節因素調整。同時，由于我國住房貸款利率由央行制定，而非完全市場化，為了反映當期購房者的真實成本，本文以5年期以上商業銀行住房貸款利率為基礎，用當月居民消費價格指數（CPI）對其進行了調整。共整理出120組月度數據，建模分析借助eviews6.0。

3 實證結果與分析

3.1 序列平穩性檢驗

SVAR模型中，如果序列是非平穩的，則其對沖擊的收斂程度會大大降低，從而影響實證結果的穩定性，因此在估計SVAR模型前需要對變量進行平穩性檢驗，最佳滯后期由AIC信息準則確立，結果如表1所示。

表1 各變量的平穩性檢驗

由表1可知，差分前各序列的ADF值均大于5%水平下的臨界值，均為非平穩序列，而差分后的ADF值均小于5%水平下的臨界

值，可以拒絕原假設，即每個時間序列的一階差分均有一個單位根，原序列為一階單整,記為I（1）。

3.2 殘差及模型穩定性檢驗

SVAR模型穩定性是判斷模型優劣的關鍵，因為滯后期越長，模型穩定性越差，所以當SVAR模型不符合穩定性條件時的前推1期為最長滯后期，即首先確保SVAR模型穩定，然后根據殘差檢驗逐期剔除不顯著模型，通過殘差自相關、正態性和異方差檢驗的模型為最終模型[15]。依此，模型最終確定的最優滯后期都為4。殘差檢驗結果（表2）說明，模型殘差的聯合分布服從正態分布，LM自相關檢驗表明模型殘差在滯后1-11期都不存在自相關。

表2 VAR（4）殘差檢驗

模型的穩定性采用AR roots方法進行檢驗。結果是，被估計的VAR模型所有根的模都小于1，如圖1所示，模型滿足穩定性條件，SVAR模型的擬合效果是理想的。

3.3 脈沖響應函數分析

在SVAR模型中，通過對結構脈沖響應函數的分解可以得到系統中各變量對自身及其他變量單位變動的反應。為了觀測各政策對住宅價格的影響方向和程度，本文重點考察SI對DL、LB和MR沖擊的響應情況。

（1）總體對比觀察

綜合圖2、3、4對比可知，放松對開發企業信貸、加大土地供應和提高住房貸款實際利率對當期住宅價格的影響很小，這是由住宅商品供給彈性較小的特性決定的；但從較長時期來看，它們都會對住宅價格產生正向影響，在作用力達到某一峰值后開始下降，然后衰減至零，只是作用力的大小和滯后期不同。

（2）住宅價格對住宅開發企業國內貸款的脈沖響應分析由圖2可知，當期給國內貸款一個正的沖擊，住宅價格當期不會有大的變化，但之后快速反應，并在第10期達到響應峰值（0.6632），而后響應又呈較快下降趨勢，直至接近于零；從圖5SI對DL的累積脈沖響應圖可以看出，從第1期到第30期累積響應快速增長，但到30期之后，累積響應趨向穩定，而且呈正響應。這說明，當期放松對住宅開發企業信貸后，房價就開始快速上升，這一影響到兩年半后才會逐漸消失。這也反映出，開發企業或中介捂盤惜售行為的大量存在，當其能順利獲得貸款并使資金鏈不致斷裂的情況下，就不會對資金問題產生憂慮，對現有樓盤定出高額價格，助推住宅價格升高。

（3）住宅價格對土地購置面積的脈沖響應分析

由圖3可知，當期給土地供應一個正的沖擊，住宅價格響應也是從零開始快速上升，并在第9期達到響應峰值（0.4659），而后急劇下降，直至為零；從圖5SI對LB的累積脈沖響應圖也可以看出，從第1期到第22期累積響應較快增長，但到22期之后，累積響應趨于穩定，且呈正響應。從表面看，這違背了經濟學原理：土地供應增加會擴大住房供應量，從而降低住宅價格，為什么現實是住宅價格不降反升呢？結合第二部分可知，主要原因有三：一是土地供應結構不合理，高檔別墅、公寓供給過剩，廣大消費者所需求的普通住宅供應量嚴重不足；二是由于分稅制改革后，地方政府過度依賴于土地財政，而土地價格的高企也助長了房價的飚升；三是大量圈地、囤地、炒地行為的存在，土地不斷轉手，價格不斷攀高，從而也助長了房價。

（4）住宅價格對住房貸款利率的脈沖響應分析

由圖4可知，當期給住房貸款利率一個正的沖擊，住宅價格對其的響應也是從零開始緩慢增加，并在第21期達到響應峰值（0.0818），而后緩慢下降，逐漸趨近于零；從圖5SI對MR的累積脈沖響應圖也可以看出，從第1期到第40期累積響應較快增長，但到40期之后，累積響應趨于穩定，且呈正響應。從表面看，這也違背經濟學原理：提高住房貸款利率是屬于增加購房成本，抑制需求的范疇，為什么越抑制房價反而越高呢？原因之一是我國正處于住房的脫困性、改善性與投資性需求同時釋放的階段，住房需求剛性較強，貸款利率的提高不能真正抑制百姓購房的剛性需求；之二是在流動性過剩和強烈的正反饋交易心理的支撐下，眾多的投機客和熱錢涌向住宅交易市場，獲取超過平均利潤的超額收益，助長了需求。

4 結論與啟示

本文分析表明：①雖然國內貸款在住宅開發資金來源中僅占25%左右，但對住宅價格的推升作用卻非常明顯，其每變動一個單位，將導致住宅價格同向變動0.663個單位；而且滯后影響期較長，長達兩年半之久。因此，通過調節對住宅開發企業信貸可有效調控住宅價格。②政府增加土地供應以期增加住宅供給、穩定房價的政策沒有收到理想效果，反而伴隨著住宅價格的快速攀升使作用相互抵消，表現為即增加一個單位土地供給反而會使得住宅價格上漲0.466個單位，但其滯后影響期較短，僅不到兩年。③通過提高住房貸款利率來抑制需求的政策也沒有收到預期效果，反而是住房貸款利率越高，需求越旺盛，住宅價格越高漲，而且對住宅價格的滯后影響期時間最長，達三年半之久。④心理預期、正反饋交易和政策缺少協調配合等可能是導致調控政策效果大打折扣的原因。

由此得到以下啟示：①對開發企業貸款增加會促使住宅價格快速攀升，要穩定房價，首先要穩定對開發企業信貸，但對開發企業的國內貸款近兩年呈現出強勁增長勢頭，應當減緩。②實踐中，僅靠某一政策對住宅價格進行調控的效果可能是不理想的，需要根據市場狀況選擇合適的政策組合才能達到預期的調控目標，同時要注意保持政策的執行力和連續性，抑制正反饋交易心理滋生。

[1]梁云芳，高鐵梅.中國房地產價格波動區域差異的實證分析[J].經濟研究，2007，（8）.

[2]黃鶴.中國大中城市房地產泡沫的檢驗及成因分析[D].哈爾濱工業大學，2008.

[3]徐龍炳.國民經濟安全研究——房地產泡沫、經濟波動與政府調控[M].上海：上海財經大學出版社，2008.

[4]沈超群.房產新政下房地產金融政策調控的思考[J].國土資源導刊，2006，（1）.

[5]鄭園園，宋戈，李軒修.哈爾濱市商品住宅價格影響因素的計量經濟分析[J].東北農業大學學報(社會科學版)，2008，（4）.

[6]Yinghua He,Brendan O’Flaherty,Robert A.Rosenheck.Is Shared Housing a Way to Reduce Homelessness?The Effect of Household Arrangements on Formerly Homeless People[J].Journal of Housing Economics,2010，(19).

[7]聶學峰，劉傳哲.我國貨幣政策影響房地產市場的實證分析[J].河南金融管理干部學院學報，2005，（4）.

[8]顧巧，馬永開.中國貨幣政策調控房地產價格的實證分析[J].科技創新導報，2008，（2）.

[9]Iacoviello M,Minetti R.The Credit Channel of Monetary Policy:Evidence from the Housing Market[J].Journal of Macroeconomics,2008，(30).

[10]杜陽.中國房地產調控政策效果評價研究[D].重慶大學，2006.

[11]高苛，劉長濱.基于預期理論的住宅市場價格調控模型及其仿真分析[J].土木工程學報，2008，（4）.

[12]歐紹華.中國房價研究的新視角—評龍均云《中國房價博弈論》[J].湖南工業大學學報(社會科學版)，2010，(2).

[13]馬萍.政府干預下的房地產價格波動[D].西南財經大學，2007.

[14]Hyeon Ji Yu,Sugie Lee.Government Housing Policies and Housing Market Instability in Korea[J].Habitat International,2010，(34).

[15]Markku Lanne,Helmut Lutkepohl,Katarzyna Maciejowska.Structural Vector Autoregressions with Markov Switching[J].Journal of Economic Dynamics&Control，2010，（34）.

F014.36

A

1002-6487（2011）07-0111-04

國家社會科學基金項目（08XJY002）；教育部人文社會科學研究基金資助資助項目（08JA790100）

沈悅（1961-），女，陜西大荔人，教授，博士生導師，研究方向：金融市場與投資、行為金融。張學峰（1981-），男，河南漯河人，博士研究生，研究方向：金融市場與投資、行為金融。張金梅（1963-），女，陜西大荔人，博士，教授，研究方向：消費經濟學。

（責任編輯/浩天）