貨幣供給購房需求與房地產價格

趙卿

收稿日期：2014-05-02

基金項目：國家自然科學基金“房價波動與企業投融資行為研究：微觀傳導效應及互動機制”（71263008）階段性成果。

摘 要：

利用中國1999—2013年房地產價格指數數據，采用閾值自回歸模型（TAR），實證檢驗了房地產的投資需求與中國房價波動的非線性關系。借助于閾值模型，本文將貨幣供應量作為關鍵閾值變量。研究表明，當貨幣供應的增長速度低于模型的估計閾值（16.3%），家庭數量、收入及房屋使用成本是影響房地產價格的重要變量，因此，消費需求和房地產供應是房地產價格線性波動的決定因素。然而，當貨幣供給增長速度超過估計閾值，股票價格和通貨膨脹率成為影響房地產價格的重要因素，這表明投資性需求已經逐漸成為主導近幾年中國房價價格波動的關鍵性因素。

す丶詞：

貨幣供給；消費需求；投資需求；房地產價格；非線性波動

の惱鹵嗪牛2095-5960（2014）04-0030-09

；中圖分類號：F830

；文獻標識碼：A

一、引言

房地產價格的波動是經濟領域最受關注的研究課題之一。早期的研究試圖用線性模型來分析房地產價格的波動以及房價的影響因素。線性模型有能力解釋基于消費需求的房地產價格的長期變動，但過剩的房地產需求經常引起房價在短期內產生劇烈的非線性波動。全球房價已經呈現出不對稱、周期性和劇烈的波動現象。比如，英國的房地產市場在20世紀70年代經歷了四個不同的周期。Chen et al (2004) ［1］研究表明，過去幾十年，包括香港、新加坡、臺北和東京在內的亞洲房地產市場顯示出明顯的周期性波動。近年來，美國的房地產市場也剛經歷了由異常繁榮到隨后由次貸危機爆發引致的崩盤。在全球經濟衰退風險加劇和國內宏觀經濟政策調控的雙重作用下，中國的房地產市場近幾年也經歷了大幅震蕩的走勢。先是經歷了2008年至2009年的短暫低谷，接著于2010年2季度再次創下歷史新高14.9%的增長率，之后在房地產調控政策作用下出現較大幅度回調。

已有研究大多運用線性模型，發現房價與影響房價因素之間的關系表現出不穩定性。對此，西方一些學者開始將視角拓展至房價與經濟行為之間可能存在的非線性關系。比如，Hendry et al (1984) ［2］通過將房價立方，實證發現房價呈現非線性波動。Hall et al (1997) ［3］則使用轉換模型描述了房價的泡沫風險。然而，大多數的早期研究傾向于用計量模型檢驗房價的非線性運動特征，并沒有充分驗證房價非線性波動現象背后的潛在原因。后來的一些文獻試圖通過房地產過剩需求的視角來解釋房價的非線性波動。其他研究也試圖證明宏觀經濟的外生影響可能是房地產過剩需求的主要原因，并由此導致房價急劇上漲(Dolde ＆Tirtigoglu，2002； Goodhart ＆ Hofmann，2008；Beltratti ＆ Morana ，2010) ［4］［5］［6］。盡管之前的文獻已對房價的非線性特征進行建模并嘗試利用過剩需求的視角來解釋它。但非線性的計量技術和過剩需求解釋之間的銜接不夠充分，還值得進一步探索。最近一些研究，如Cassidy et al（2008）［7］通過區分消費需求和投資需求來探討房價的非線性特征。本文的研究正是基于消費需求和投資需求建立起房價非線性波動的模型。從國內文獻看，學者們主要采用線性模型，極少將房價與房地產需求要素之間的關系納入非線性分析范疇。鑒于此，本文試圖運用門限模型檢驗房地產的投資需求與我國房價的非線性關系。具體來說，本文提出了以下主要問題：首先，投資需求是否導致房價波動呈現非線性現象，即我國房地產市場是否存在閾值效應？什么是分離房地產消費需求和投資需求的關鍵閾值變量？其次，有哪些消費需求變量影響著房價波動，又是哪些投資需求變量影響著我國房價波動？最后，閾值模型是否比線性模型更有解釋力?本文試圖通過一個閾值自回歸模型(TAR)來回答上述問題。

二、文獻綜述

（一）房地產市場中的消費需求和投資需求

房價變動的特征是在長期趨勢過程中短期會發生一定程度的波動，這意味著有兩種不同的方式影響著房價。房地產通常被視為一種產品，其消費需求由諸如收入和人口等因素所決定，因此其長期向上的趨勢不會迅速改變。早期研究，如Giussani ＆ Hadjimatheou （1991）［8］、Breedon＆ Joyce（1992）［9］通過建模區分了房地產長期和短期的價格運動。這些模型將收入、財富、家庭數量等作為房地產消費需求的長期變量。除了作為消費品，由于房地產的價值較高、持久耐用、區位唯一且固定等特性，因此，房地產也是一種很好的投資品。只要投資者預期房價上漲，可以從房地產投資獲得正的利潤回報，就會產生房地產的投資需求。房地產投資需求的主要制約因素是人們可以動用投資的流動性資金，在可借貸的條件下，投資者能夠動用的流動性資金量可遠遠超過自身的財富水平。因此，只要投資者手中的資金流動性充足，在未來房價看漲的情況下，經濟中可以產生巨量的房地產投資需求（龔強等，2010）［10］。

由于房價經常在短期內劇烈波動，一些研究嘗試將非線性特性引入到房價模型中，并且解釋了其可能的原因。如Hall et al (1997) 借助轉換模型描述了房價中泡沫現象；Tsai et al (2010) ［11］也利用轉換模型發現英國有三個州房價波動不穩定，指出新房和二手房市場價格波動高的地區是價波動低的地區的14—20倍。對于房價的短期波動，其他一些研究也從不同視角進行了解釋，如Meen et al (1990) ［12］指出房價的短期劇烈波動是因為房地產市場存在強烈的過剩需求。為檢驗房地產的過剩需求，Meen et al (2002) ［13］通過測算房地產的使用成本，驗證了過剩需求對房價波動的非線性特性。一些學者從消費和投資的視角探討了房地產的過剩需求，研究表明，房地產既具有自住的消費功能，也能作為一個投資的工具(Brueckner et al.，1997；Lin ＆ Lin，1999) ［14］［15］。Henderson ＆Ioannides (1983) ［16］指出房地產是兼具消費和投資雙重功能的特殊商品，并對房地產市場行為進行了預測，分析了租售選擇的決定因素。Berkovec (1989) ［17］通過建立一個一般均衡模型分析了稅收政策對住房消費需求和投資需求的影響。Arrondela ＆ Lefebvreb(2001) ［18］研究表明，投資需求和消費需求可以通過業主購買住房是為了自住還是出租來加以區分。由于有居住和投資兩種因素的影響，對消費者購房行為的分析顯得尤為困難。盡管一些研究已考慮了居住和投資兩種因素的消費選擇問題，但很少去考察這兩種因素對房價波動的影響。

近些年來，國內學者開始借鑒國外的研究方法對我國房價波動的影響進行實證研究。周建軍（2009）［19］研究認為，居民可支配收入、土地價格與房價呈正相關關系。張海蔚（2009） ［20］研究表明，房價突出表現為需求拉動型增長而不是成本推動型增長。周海波(2009) ［21］通過實證分析得出，人口數量和物價指數是影響我國房價波動的最主要因素。劉莉亞（2008）［22］分析表明，“熱錢”涌入顯著地推動了住宅價格尤其是豪華住宅價格指數的上升。也有學者從房地產的投資屬性入手研究，如崔光燦（2009）［23］研究認為，利率、通脹率對房地產價格的影響非常顯著，并且有明顯的正反饋交易現象，說明我國的房地產已經具有了明顯的投資資產屬性。王先柱和趙奉軍（2013）［24］考察了收入差距的擴大對城市房價的影響。張海洋等（2011）［25］認為投資性需求對 2009 年房價的上漲具有很強的解釋能力。在中國，房地產市場投資規模巨大，檢驗消費需求和投資需求兩種不同因素對房價的影響對于我國經濟增長具有重要意義。

（二）房價短期波動和貨幣政策

宏觀經濟對資產價格的波動具有重要的影響 (Gilchrist ＆ Leahy，2002) ［26］，貨幣政策和房地產市場具有重要的關聯性。Darrat ＆ Glascock (1989) ［27］檢驗了貨幣供給和房地產回報之間的因果關系，發現貨幣供給對于房地產收益的變動扮演著重要的角色。Maclennan et al (1998) ［28］指出，貨幣政策可能通過直接和間接途徑傳導到房地產市場。

近幾年，越來越多的研究討論了貨幣供給和房價波動之間的關系。Lastrapes et al (2002) ［29］使用VAR工具估計了貨幣供給沖擊下房價的動態響應，他們把住房作為一項資產，并以此為基礎解釋了這種響應。Jin ＆ Zeng (2004) ［30］構建了一個三方定量動態隨機一般均衡模型來解釋類似房地產投資和住房價格有關的商業周期屬性，研究發現，貨幣政策和名義利率對房價的形成具有重要作用。Elboume (2008) ［31］驗證了貨幣政策對房地產市場的沖擊效應，發現貨幣政策確實影響了房地產價格。Goodhart ＆ Hofmann (2008)檢驗了17個工業化國家在過去三十幾年間貨幣、信貸、住房價格和經濟活動的內在聯系，結果表明，房價和貨幣變量之間在最近幾年的關聯性更強，并且當房價迅速上漲時，貨幣供給和信貸的沖擊效應就越強。Beltratti ＆ Morana (2010)通過對七國集團的分析，指出諸如利率和貨幣總量等宏觀經濟變量影響著房價。

就國內研究來看，王來福和郭峰（2012）［32］通過建立VAR模型，運用脈沖響應函數與方差分解的方法研究了貨幣供應量與利率變化沖擊對中國房地產價格的動態影響。何靜等（2011）［33］運用非線性平滑轉換模型對我國房地產價格與信貸規模的動態關系進行了研究。盡管國內的一些研究指出房價短期波動和貨幣變量具有潛在的聯系，然而，貨幣變量到底是如何影響房地產的投資需求仍值得進一步討論。雖然一些研究將住房需求分成消費性需求和投資性需求，本文試圖解釋房價短期波動是由投資性需求引起的，并希望通過對中國數據的檢驗，找到投資性需求、貨幣變量和房價短期波動之間的聯系。

三、房價模型、工具和數據

（一）線性模型

在傳統的新古典主義方法里，房地產價格模型著重分析了住房價格的需求和供應方面。一個典型的房地產市場模型由三個聯立方程組成（Malpezzi ＆ Maclennan，2001）［34］。

HD璽=f(Ph璽，HHN璽，Y璽，UUSERC璽，MS璽，SPI璽)（1）

HS璽=g(Ph璽，CC璽) （2）

HD璽=HS璽（3）

Chen ＆ Patel (2004)以上述模型為基礎對以臺灣房地產市場展開了研究。在他們的研究中新房需求（HD）是由房價（Ph）、城鎮家庭數量（HHN）、家庭收入（Y）、房地產資產的使用成本（UUSERC）、貨幣供應量(MS)和替代投資，如股票(SPI)等決定。住房供應是建造新房影響因素的函數，包括住房價格(Ph)和建筑成本(CC)。

將方程 (1)和(2)中的HD和HS代入到方程（3）中代表簡化的房價模型，模型中進一步考慮將新房的供給增長率(S)和通貨膨脹率(Inf)作為控制變量。

〖JP+1〗在這個方程中，一些是和房地產價格的長期變動有關的消費需求變量，如家庭數量、家庭收入；其他變量，如貨幣供應、股票價格則與投資需求的關系更為密切。家庭數量(或人口)直接和房屋的潛在需求相關。家庭數量的增加將使需求曲線向右位移，結果導致房價上升。收入是家庭有能力購買房屋的重要因素，收入越高越有能力購買房屋。用戶住房成本是資產占有成本和資產收益機會的權衡。衡量房地產資產成本的基本方法是用稅后抵押貸款利率減去預期資本收益。房地產使用成本則和房價之間應該是一個負相關關系。由于貨幣供應的擴張會增加一般商品的價格水平，許多研究表明，房地產價格是由快速增長的貨幣供應引起的。此外，增加貨幣供應也會促使家庭投資于房地產市場，因為銀行會增加貸款給家庭和開發商。鑒于房地產通常被認為是一個相對安全的投資品種，并且與其他金融資產相比，房地產能更好地對沖通脹風險(Chen ＆ Patel，2004)，因此增加貨幣供應也會導致房價上漲。目前關于股票價格收益和房價回報之間的關系還沒有達成共識。一些學者支持股票價格和住房價格之間存在關聯(Li ＆ Wang，1995) ［35］，而另一些學者則認為，股票價格和房價之間是分離的，并不存在關聯性(Geltner，1990) ［36］。鑒于以往研究的不同結論，我們將直接對股票和房地產價格之間關系進行實證檢驗。另外，通貨膨脹對房地產價格的影響也是不確定的，如Hoesli et al(2008) ［37］指出，通貨膨脹和房地產投資回報之間關系的實證結果是復雜的。盡管有一些證據表明，直接擁有私人房地產能夠部分對沖通貨膨脹，但在股票市場研究中房地產類股票價格通常被證明與通脹呈負相關關系，特別是意想不到的通貨膨脹。最后，從供應方面考慮，建造成本的上升通常會減少住房供應，這反過來會導致更高的房價。因此，建造成本和房價之間預計將是正相關關系。對于住房供應，雖然在短期內可能存在不平衡，但從長期來看供需會趨于平衡。如果在特定時期存在過度建設的情況，供應過剩將導致房價下降。因此，新房屋供應的增加和房價之間呈負相關關系。〖JP〗

（二）消費需求和投資需求的閾值模型

基于投資需求的房價波動理論，股票投資取決于所投資資產的屬性，房地產投資是基于其資本回報率相對于投資組合中其他資產的收益率的高低情況。研究表明，房價上漲是由貨幣供應快速擴張所引起的，因為貨幣的擴張導致了商品的市場價格總水平上升，房地產通常被認為是相對安全的投資，并且相比其他金融資產，房地產能更好地對沖通脹。此外，貨幣供應的增加使得銀行給家庭和開發商發放更多的貸款，使得家庭可相對容易借到資金投資于房地產市場。

閾值模型。經驗方程(3)代表傳統線性房價模型。然而，最近的文獻顯示，房地產價格與其影響因素之間并不遵循單一模式。TAR模型是用來檢驗房地產價格及其決定因素之間的非線性關系。如前所述，我們假設居住和投資需求導致不同的房地產價格表現，由此可能存在房地產價格門檻效應。應用到房價上的TAR模型如下：

Ph璽=A1X璽+u璽if x璽＜y

A2X璽+u璽if x璽≥y(4)

X璽是一個矩陣，表示解釋變量；x璽是閾值變量；y是閾值參數；誤差u假定是獨立且同分布。模型（4）分為兩個“單元”取決于閾值變量x璽是小于或大于閾值(y)，不同單元有不同回歸系數A1和A2。

X璽是一個矩陣，包括模型(4)中房地產價格的主要決定因素，如家庭數量（HHN）、家庭收入（Y）、住房供給（S）、建造成本（CC）、房地產使用成本（UUSERC)、貨幣供應量（MS)、股票價指數（SPI)及通貨膨脹（Inf)。根據這一過程，回歸方程(4)是在一個包括兩個單元的TAR系統，我們的經驗模型可以表述為：

Ph璽=(β10+β11狧HN璽+β12猋璽+β13猄璽+β14狢C璽+β15猆USERC﹖-1+β16狹S璽+β17猄PI璽+β18狪nf璽)×D［x璽

在閾值點(y)以下房地產價格呈直線的行為；而高于閾值點(y)，住房價格的行為呈非線性特征，其原因可能是房地產的投資需求。

（三）門檻效應的測試

方程(5)的TAR模型是估計的，我們應該首先測試是否有閾值的影響。先前的研究有時會主觀地根據他們的需要來劃分樣本，然而，這種劃分會引起模型設置的缺陷和樣本劃分的錯誤。為了避免這種主觀的分區，我們將TAR模型根據CUSUM的分類標準和Chow斷點測試來劃分樣本。

CUSUM的測試。CUSUM測試(Brown et al.，1975)是建立在遞歸殘差的累積和基礎之上。累積和設置5%臨界邊界。5%臨界邊界是由點(n-θT-n〖KF)〗，n+θT-n〖KF)〗)和(T-3θT-n〖KF)〗，T+3θT-n〖KF)〗)連接而成。如果累積和超過了兩個關鍵的界限，測試發現參數不穩定。CUSUM測試是基于統計數據：

W璽=∑t s=nW璼 σ璚 （6）

t = n，n + l，……T；w璼是遞歸的殘余；σ璚是標準誤。如果β向量各期保持不變，那么E（W璽）=0；但如果β發生變化，則W璽會偏離零平均值線，W璽的移動超出邊界線以外意味著系數不穩定。

Chow斷點的測試。直觀地說，如果把樣本分成兩個次級樣本，他們應該有相同的特性而沒有結構性變化。Chow斷點的思想是將每批次抽樣樣品分別放進斷點測試方程以測試估計方程是否有顯著差異，如果出現顯著的差異表明存在結構性變化。例如，通過Chow斷點測試來檢查住房價格回歸函數在門檻效應前后是否一致。測試可能用于最小二乘和兩階段最小二乘回歸，執行這個測試，需要將數據分成兩個或更多的次級樣本。Chow斷點測試是比較擬合殘差方差的和，f統計量是基于比較限制和無限制的殘差和。

F=(SSR璕-SSR璘)/(P+1) SSR璘/[T-2(p+1)]~F[p+1,T-2(p+1)](7)

SSR璕是限制殘差平方和，SSR璘是次級樣本的殘差平方和，T是觀測的總數，p+1是方程參數的數量。這個公式從廣義上來講自然不止一個斷點。

（四）數據描述

本文將研究1999—2013年中國房地產價格及其影響因素之間的關系。采用全國房屋銷售價格指數來代表房價。考慮到1998年中國開始住房改革政策，停止福利分房制度，實施貨幣化分房，成為房地產業走向市場化的分水嶺，它對整個宏觀經濟產生了很大影響。但1998年真正的住房實物分配總體上并沒有停止，同時土地市場的滯后等因素約束了中國住宅市場的全面建立，因此我們取1999年第一季度—2013年第二季度的季度數據。其他變量的名稱是：房價同比漲幅（PH）；城鎮家庭數量增長率（HHN），用城市化率表示；家庭收入增長率（Y），城鎮家庭收入增長率表示；房地產供應增長率（S），用商品房建筑面積增長率表示；建造成本（CC），用固定資產價格指數表示；房地產使用成本（USERC），用成本5年期貸款利率減房價指數表示；貨幣供應同比增幅（MS）；股價指數（SPI），用上證綜合指數表示；通貨膨脹率（INF）。所有數據均來源于Wind數據庫。

表1中的A報告了8個變量的描述性統計。為了避免模型存在多重共線性問題，我們使用方差膨脹因子(VIF)進行檢驗，結果顯示在表1的B中。因為所有的VIF低于臨界值10并且平均VIF是205，實證回歸潛在的多重共線性問題被消除。

表1描述性統計和方差膨脹因子

Mean

Median

Max

Min

Std.Dev.

Skewness

Kurtosis

A：描述性統計

HP

4.42

4.65

12.20

-2.20

3.76

0.25

2.04

HHN

0.34

0.30

1.10

0.11

0.20

2.84

11.43

Y

11.22

11.40

19.50

3.70

3.16

0.16

3.19

S

20.31

20.90

35.50

4.30

7.25

-0.16

2.71

CC

2.35

1.59

11.27

-2.90

3.11

0.98

3.68

MS

17.00

16.55

29.31

12.30

3.74

1.61

5.69

USERC

2.80

2.57

9.00

-4.68

2.34

3.42

4.78

SPI

2.77

0.15

52.70

-34.00

17.36

0.76

3.75

INF

2.07

1.75

8.30

-2.20

2.47

0.46

2.56

B：方差膨脹因子(VIF)

HP NNP Y S CC MS SPI INF

VIF 2.11503.3610 1.0972 1.2506 1.12813.0940 1.0436 3.2680

本文的研究要求時間序列是平穩的。借助于Dickey ＆ Fuller (1979，1981) 檢驗和 Phillips-Perron (1988) 檢驗工具，本文檢測了所有變量的單位根假設。表2是單位根檢驗的結果，結果表明單位根的零假設都被拒絕，所有變量都是平穩的。

ケ2數據平穩性檢驗

變量

檢驗形式

ADF檢驗

T統計量 P值結論

HP

(c，t，0)

-1.5140

0.1207

不穩定ΔDHP

(c，t，0)

-4.4275

0.0000

穩定 HHN

(c，t，0)

-1.4587

0.1337

不穩定 ΔDHHN

(c，t，0)

-11.2104

0.0000

穩定 Y

(c，t，0)

-0.3997

0.5354

不穩定 ΔDY

(c，t，0)

-7.3715

0.0000

穩定 S

(c，t，0)

-0.6189

0.4449

不穩定 ΔDS

(c，t，0)

-8.3350

0.0000

穩定 CC

(c，t，0)

-0.8274

0.2255

不穩定 ΔDCC

(c，t，0)

-4.5784

0.0000

穩定 MS

(c，t，0)

-0.3588

0.5508

不穩定 ΔDMS

(c，t，0)

-5.2483

0.0000

穩定 USERC

(c，t，0)

-0.4382

0.2308

不穩定 ΔDUSERC

(c，t，0)

-3.3809

0.0000

穩定 SPI

(c，t，0)

-0.7582

0.1267

不穩定 ΔDSPI

(c，t，0)

-4.0606

0.0001

穩定 INF

(c，t，0)

0.2150

0.7445

不穩定 ΔDINF

(c，t，0)

-6.2419

0.0000

穩定

注:1.檢驗類型中c和t分別代表常數項和時間趨勢項；2.△為差分算子。

四、經驗結果

本文研究的前提是：經濟增長是貨幣增長的基礎，而貨幣擴張導致中國房價上漲。下面，首先，將利用多元格蘭杰因果關系技術對假說進行初步檢驗。其次，將利用閾值模型來測試我們的理論，即投資需求導致了中國房地產市場的門檻效應。最后，將分別檢驗哪些消費需求變量影響房價變動，哪些投資需求變量影響著房價變動，并比較線性模型和閾值模型的表現。

（一）經濟和貨幣供應增長對房價影響的初步測試

上文指出，經濟增長導致貨幣供應增長，而貨幣擴張導致房價上漲。本文使用多變量的因果關系測試來分析這種關系。表3的結果表明，經濟增長率(GDP)和貨幣供給增長率（MS）格蘭杰因果互為彼此，而且貨幣供給增長導致住房價格上漲。雖然本文沒有發現經濟增長直接改變住房價格，但本文發現經濟增長導致貨幣供給增長，進而貨幣供給增長導致房價上漲。這些結果支持我們的假設，接下來我們將進一步檢驗房價的決定因素。

表3格蘭杰因果檢驗

原假設

F統計量

P值對于房價

GDP不是房價的Granger原因

MS不是房價的Granger原因

1.7579

5.4527

0.1827

0.0093 對于GDP

房價不是GDP的Granger原因

MS不是GDP的Granger原因

2.3497

3.0096

0.1056

0.0581 對于MS

房價不是MS的Granger原因

GDP不是MS的Granger原因

5.1346

7.9407

0.0093

0.0000

（二）投資需求導致中國房地產市場的閾值效應嗎

為了避免主觀決定閾值變量，本文采用CUSUM檢驗，該檢驗可有效確定數據是否由于自身的特征而產生閾值效應。作為測試閾值效應存在的第一步，首先對所有解釋變量進行回歸。本文重復安排每一個解釋變量作為一個可能的閾值變量放在回歸模型。最后，根據CUSUM測試選擇合適的閾值變量和閾值參數。如果CUSUM統計結果(遞歸回歸的累積偏差誤)保持在臨界邊界的5%的水平上顯著，則該零假設不能被拒絕，回歸的所有系數是穩定的。如果這兩個線交叉，系數穩定的原假設在5%水平意義上被拒絕，即說明閾值效應是明顯的。圖1中CUSUM測試的結果表明，除貨幣供應增長率外，所有的變量都沒有顯示出這種效果。這個結果表明，貨幣供應是

閾值變量，并證實了我們的假設：投資需求變量引起了房價的非線性波動。這個結果進一步支持了先前的研究成果，如Elbourne (2008)、Goodhart ＆ Hofmann (2008)、Beltratti ＆ Morana (2010)，他們均發現貨幣供給會給宏觀經濟帶來沖擊。

（三）閾值點的檢測

當我們在圖2中進行貨幣供給的CUSUM測試時，本文發現一些樣本的變動超過臨界值的線條。這個發現顯示系數不穩定，表明結構變化的存在。為準確確認非線性變化的位置，參考Hansen(2001)的方法，本文以貨幣供應為依據對數據進行排序，在每一個點利用Chow檢驗檢測樣本。根據每個鄒氏檢驗統計量繪制出圖2，結果表明，有將近一半的樣本存在顯著的f統計，特別是在第37的樣本，它擁有最大的f統計量(734)。因此，我們選擇這一點作為閾值點并將對應的值(163%)作為閾值模型的閾值數值。

在表4中繼續構建房價的線性模型和TAR模型，在TAR模型中我們利用貨幣供應增長率作為閾值變量，并以16.3%作為臨界值。

出于比較目的，表4第二列顯示忽略了閾值效應線性估計結果，其余列顯示TAR模型的估計結果。第二列線性模型的結果表明城鎮家庭數量、住房資本的使用者成本及股票價格指數顯著影響房地產價格的增長，這些變量的表現和房地產價格變動理論也一致。住房供應的變量不顯著，這可能是由于住房供給缺乏彈性。

表4中第三、四列顯示了TAR模型估計結果，實際貨幣增長是閾值變量。當方程（4）中的D等于1，即與上一年同季度相比貨幣增加超過163%時，房價開始顯示非線性行為。相反，當D2等于0，貨幣供給增長率低于163%時，表明房價仍然表現線性。線性模型的解釋力(調整R2)在318%左右。但當考慮閾值效應時，模型的解釋力增加到396%。此外，無論是AIC和SBC均表明該模型應該選擇的門檻效應。

表4線性和TAR模型的回歸結果

變量

線性模型

閾值模型

低貨幣供應增長率

у=16.3%（D=0）

高貨幣供應增長率

у=16.3%（D=1）

常數項

0.010

（0.009）

0.003

（0.009）

0.017

（0.010） NNP

2.660**

（2.254）

4.964***

（5.689）

Y

0.533

（0.336）

0.735**

(2.343)

S

0.023

（1.274）

0.082

(1.542)

CC

0.048

(0.520)

USERC

-0.362***

(3.468)

-0.418***

(3.871)

SPI

0.036**

(2.232)

0.098**

（2.274） INF

-0.351

(1.025)

-0.594*

(1.812)

-1.288**

(2.336) R2

0.318

0.396

AIC

-3.426

-3.540

SBC

-3.258

-3.351

注：*，**，***分別表示在10 % ，5%和1%置信水平下顯著。

閾值模型表明，當表4中貨幣供應增長率低于閾值時，家庭數量、收入、住房供應、用戶住房資本使用成本及通貨膨脹率對房地產價格增長率有顯著的影響，在該條件下消費需求和供給成本似乎引起住房價格增長。此時房價似乎依賴于居住需求，這意味著房地產市場此時應該是一個消費者的市場。然而，當貨幣供應增長率較高時，只有股票價格和通貨膨脹率對房地產價格增長率有顯著的影響。當人們持有額外的現金，將對房地產產生更多的投資需求，因為房地產相對于其他投資方式而言更具吸引力，這種投機活動導致房價波動的結構性變化，即非線性特征。在這種情況下，房地產市場應該是一個投資者的市場，即此時房地產價格是由投資需求驅動。

五、結論

房地產是一種具有多種用途的商品，既可以作為耐用消費品，提供居住需求，也可以作為資產投資，獲取租金收入或資本收益，這些因素共同導致房地產價格波動。本文的目的是研究中國房地產價格的非線性現象——門檻效應。筆者假設投資需求是住房價格非線性行為的主要原因，并使用閾值模型來測試這個假說。本文使用CUSUM和Chow測試來判定閾值的影響是否存在，是什么變量引起門檻效應，又是在什么位置發生這種效應。研究發現，貨幣供應量通過CUSUM測試，是關鍵閾值變量。同時構建住房價格的線性模型和TAR模型，后者使用貨幣供給增長率作為閾值變量，閾值約等于163%，結果發現TAR模型比線性模型顯示出更高的解釋力。當實際貨幣供給增長相對較低，家庭數量、收入、住房供應、用戶住房成本和通貨膨脹率都顯著影響房地產價格增長率，居住需求和供給成本引起住房價格增長。然而，當貨幣供給增長率相對較高，只有股票價格和通貨膨脹率對房地產價格產生顯著影響。相對于其他投資方式，房地產市場對投資者變得更加重要，這表明房地產價格是由投資需求驅動。

截止2012年底，中國貨幣供應量余額為9742萬億元，位居世界第一，目前貨幣總量已大大高出此值，而中國房價近幾年也是芝麻開花節節高，正如吳敬璉所言，房價上漲的根本原因是貨幣超發。本文研究的政策涵義意味著現階段中國采取適當的貨幣政策對于房地產價格的調控是非常重要的，要合理控制貨幣供應量增長速度及對房地產消費的信貸規模，尤其要嚴格控制對房地產投機的信貸。同時，當貨幣供給的增長低于門限值時，其他方面的因素也有可能推高房地產價格，此時，就需要動用更多的政策來調控房地產市場。比如，征收投資性購房的資本利得稅，大量建設廉租房，降低投資性購房者的租金預期等。這樣，可以有效遏制商品房的投資需求，還原商品房的消費功能。此外，還應將資金引導到實體經濟和金融市場，從而有效促進經濟健康發展及金融市場完善和發達。

參考文獻：

［1］Chen, M.C., Y. Kawaguchi, and K. Patel. An Analysis of the Trend and Cyclical Behaviours of House Prices in the Asian Markets［J］. Journal of Property Investment and Finance, 2004,22(1): 55-75.

［2］Hendry, D.F. Econometric Modelling of House Prices in the U.K［C］.Econometrics andQuantitative Economics, Oxford: Basil Blackwell,1984.

［3］Hall, S., Z. Psaradakis, and M. Sola. Switching Error-Correction Models of House Prices in the United Kingdom［J］. Economic Modelling, 1997, 14(4): 517-527.

［4］Dolde, W. and D. Tirtitoglu. Housing Price Volatility Changes and Their Effects［J］. Real Estate Economics, 2002(30):41-66.

［5］Goodhart, C. and B. Hofmann. House Prices, Money, Credit, and the Macroeconomy［J］. Oxford Review of Economic Policy, 2008, 24(1): 180-205.

［6］Beltratti, A. and C. Morana. International House Prices and Macroeconomic Fluctuations［J］. Journal of Banking and Finance, 2010(34):533-545.

［7］Cassidy, H.J., B. Dennis, and T. Yang. Home Appreciation Participation Notes: A Solution to Housing Affordability and the Current Mortgage Crisis［J］. International Real Estate Review, 2008, 11(2):126-141.

［8］Giussani, B. and G. Hadjimatheou. Modelling Regional House Price in United Kingdom［J］. Journal of the Regional Science Association International, 1991, 70(2):201-219.

［9］Breedon, F. and M.A.S. Joyce. House Prices, Arrears, and Possessions［J］. Bank of EnglandQuarterly Bulletin, 1992(3): 173-79.

［10］龔強,許蔓.政府與市場:房地產市場的經濟學［J］.浙江社會科學,2010(3):3-6.

［11］Tsai, I.e., M.C. Chen, and T. Ma. Modelling House Price Volatility in the United Kingdom by Switching ARCH Models［J］. Applied Economics, 2010(42):1145-1153.

［12］Meen, G. The Removal of Mortgage Market Constraints and the Implications for Econometric Modelling of U.K. House Prices［J］. Oxford Bulletin Economics and Statistics,1990, 52(1): 1-23.

［13］Meen, G. The Time-Sedes Behavior of House Prices: A Transatlantic Divide? ［J］. Journal of Housing Economics, 2002(11): 1-23.

［14］Brueckner, J.K. Consumption and Investment Motives and the Portfolio Choices of Homeowners. Journal of Real Estate Finance and Economics, 1997, 15(2):159-180.

［15］Lin, CC. and S.J. Lin. An Estimation of Elasticities of Consumption Demand and Investment Demand for Owner-Occupied Housing in Taiwan: A Two-Period Model［J］. International Real Estate Review, 1999, 2(1):110-125.

［16］Henderson, J.V. and Y.M. Ioannides. A Model of Housing Tenure Choice［J］. American Economic Review, 1983, 73(1):98-114.

［17］ Berkovec, J. A General Equilibrium Model of Housing Consumption and Investment［J］. Journal of Real Estate Finance and Economics, 1989, 2(3):157-172.

［18］Arrondela, L. and B. Lefebvreb. Consumption and Investment Motives in Housing Wealth Accumulation: A French Study［J］. Journal of Urban Economics, 2001, 50(1):112-137.

［19］周建軍.我國房地產價格的影響因素及其合理性研究［J］.商業研究,2009( 4) : 93-96．

［20］張海蔚.中國房地產價格決定機制研究［J］.上海金融,2009(3):89-92.

［21］周海波.房地產價格影響因素的實證研究［J］.海南大學學報:人文社會科學版, 2009(10):537-543.

［22］劉莉亞．境外“熱錢”是否推動了股市、房市的上漲? ——來自中國市場的證據［J］.金融研究,2008( 10) : 48 -69．

［23］崔光燦.房地產價格與宏觀經濟互動關系實證研究［J］.經濟理論與經濟管理,2009(1):57-62.

［24］王先柱,趙奉軍.收入差距、擠出效應與高房價［J］.經濟理論與經濟管理,2003(1):27-35.

［25］張海洋,袁小麗,陳卓,郭洪.投資性需求對我國房價影響程度的實證分析［J］.軟科學,2011(3):24-30.

［26］Gilchrist, S. and J.V. Leahy. Monetary Policy and Asset Prices［J］. Journal of Monetary Economics, 2002, 49(1):75-97.

［27］Darrat, A.F. and J.L. Glascock. Real Estate Return, Money and Fiscal Deficits: Is the Real Estate Market Efficient? ［J］. Journal of Real Estate Finance and Economics, 1989(2):197-208.

［28］Maclennan, D., J. Muelbauer, and M. Stephens. Asymmetries in Housing and Financial Market Institutions and EMU［J］. Oxford Review Economic Policy, 1998, 14(3):54-80.

［29］Lastrapes, W.D. The Real Price of Housing and Money Supply Shocks: Time Series Evidence and Theoretical Simulations［J］. Journal of Housing Economics, 2002, 11(1):40-74.

［30］Jin, Y. and Z. Zeng. Residential Investment and House Prices in a Multi-sector Monetary Business Cycle Model［J］. Journal of Housing Economics, 2004(13):268-286.

［30］Elbourne, A. The U.K. Housing Market and the Monetary Policy Transmission Mechanism: An S VAR Approach［J］. Journal of Housing Economics, 2008(17):65-87.

［32］王來福,郭峰.貨幣政策對房地產價格的動態影響［J］.財經問題研究,2007（11）:15-19.

［33］何靜,李村璞,邱長溶.信貸規模與房地產價格的非線性動態關系研究［J］.經濟評論,2011(2):21-28.

［34］Malpezzi, S. and D. Maclennan. The Long-run Price Elasticity of Supply of New Residential Construction in the United States and the United Kingdom. Journal of Housing Economics, 2001(10): 278-306.

［35］Li，Y. and K. Wang. The Predictability of REIT Returns and Market Segmentation［J］. Journal of Real Estate Research,1995,10(4):471-482.

［36］Geltner，D. Return Risk and Cash Flow with Long Term Riskless Leases in Commercial Real Estate［J］. Real Estate Economics,1990(18):377-402.

［37］Hoesli，M. C. Lizieri，and B. MacGregor. The Inflation Hedging Characteristics of U.S.and U.K. Investments: A Multi-Factor Error Correction Approach［J］. Journal of Real Estate Finance and Economics,2008(36):183-206.

Money Supply 、Housing Demand and Housing Prices

- An Empirical Study Based on threshold TAR model

ZHAO Qing

(Zhongshan Institute,University of Electronic Science and Technology, Zhongshan Guangdong 528402, China)

Abstract：

Adopting the threshold autoregressive model (TAR), this paper tests the nonlinear relationship between real estate ﹊nvestment demand and price fluctuation, using 1999 to 2013 real estate price index data in China.A threshold model is used to confirm money supply as the key threshold variable.When the growth rate of money supply is below the model's estimated threshold value（16.3%）, household number, income, and user cost of housing capital are significant variables. It appears that service demand and housing supply are essential increating the linear movement of housing prices. However, when the growth rate of money supply exceeds the threshold value, stock prices and the inflation rate become important, which show the speculative demand has become dominant in residence price movements of the crucial factor.

Key words：

money supply; consumer demand; investment demand; housing prices; nonlinear wave

責任編輯：常明明

吳錦丹 蕭敏娜 常明明