房地產投資對貨幣傳導機制的影響研究
——基于VADL模型的實證分析

李慶華 周瑤

(華中師范大學經濟與工商管理學院，湖北武漢430079)

?

房地產投資對貨幣傳導機制的影響研究
——基于VADL模型的實證分析

李慶華 周瑤

(華中師范大學經濟與工商管理學院，湖北武漢430079)

我國房地產經濟的發展對我國貨幣供給向實體經濟的流動有特殊重要的作用，但房地產經濟發展的過度膨脹，也會給貨幣供給向其它實體產業的流動帶來負向影響。本文以2005—2016年的季度數據作為估計依據，根據IS—LM模型構建變系數自回歸分布滯后(VADL)模型，就中國房地產投資規模對貨幣傳導機制的影響進行了檢驗和分析。實證結果表明：房地產投資規模對貨幣傳導的效率和時滯有正反兩個方向的影響；當房地產開發投資總額的增量超過一個臨界點后，其影響是負向的，反之則是正向的；由市場因素決定的房地產投資數量存在一個季度投資額約為1萬億元人民幣的最優規模，超過這個規模的部分很可能是非市場因素(如地方政府)作用的結果。因此，根據合理的房地產投資規模建立房地產投資增量控制的預警機系統對我國市場經濟整體的理性發展有重要作用。

房地產投資； 貨幣傳導機制； VADL模型

一、引言

2016年8月以來，中國一線城市和部分二線城市房地產市場十分火爆。北京、上海、南京、武漢等城市的房地產市場呈現出搖號認購和“開盤光”等現象，似乎有種恐慌情緒在漫延。人們在擔心什么呢？一個合理的解釋是貨幣貶值嗎？

2015年以來，央行六次下調金融機構人民幣貸款和存款基準利率，以進一步降低社會融資成本刺激包括房地產在內的消費，結果導致貨幣大量增發，根據中華人民共和國統計局資料2016年5-8月的貨幣供給量M1同比分別增長了23.7%，24.6%，25.4%和25.3%。如此強度的貨幣超發，并沒有導致CPI的大幅上升，2016年7月和8月的CPI環比僅上漲0.2%和0.1%。

然而在房地產場市上，情況大不相同，一線城市和部分二線城市的房地產價格的漲幅超過了貨幣供給量的增幅，這說明貨幣供給直接并集中影響了房地產市場，從而也影響了房地產產業鏈上的各行業，但在目前房地產投資十分龐大的前提下，貨幣供給量的變化對其它產業的影響并不明顯，這從CPI和PPI的數據就可以看出。這意味著，房地產投資的過度發展，使貨幣資金直接和集中流入房地產市場，同

時間接和稀疏地流入其它實體經濟。這就必然導致房地產價格的漲幅大大超過其它商品價格的漲幅。

一方面，這種情況能被經濟活動主體所認識，他們預期房地產是一種看漲類商品，而包括貨幣在內的其它商品則是相對看跌的商品，理性人自然會選擇購買看漲商品而出售看跌商品?？梢姡藗冑徺I房產的行為實在是一種理性行為。

另一方面，當人們普遍預期房地產看漲而引起房地產價格的即期上漲和房地產投資的擴張時，其它實體經濟被擠壓的概率就會增加。顯然這里存在兩種相反機制：一是貨幣供給量增加使房地產投資增加，房地產產業鏈上的實體經濟得到發展；二是當房地產投資增加到一定程度后，房地產投資的增加會擠出其它實體經濟投資?？梢?，房地產投資的變化對貨幣傳導機制兩種相反的影響趨勢，到底哪一種趨勢處于主導地位則取決于兩種相反趨勢轉換的臨界點。

因此，研究房地產投資與貨幣政策的關系有重要理論與現實意義。在有關房地產與貨幣政策關系的研究中，多數是對貨幣政策如何影響房地產投資以及房地產投資如何影響貨幣政策的研究。但本文的研究將從一個新的角度展開：研究房地產投資對貨幣傳導機制的影響，并在此基礎上找出房地產投資對貨幣傳導機制從正向影響轉為負向影響的臨界點。從而為房地產政策提供總量控制的理論依據。

二、相關文獻回顧

西方學者在有關房地產投資或房地產市場與貨幣政策傳導機制關系的研究方面的貢獻是比較突出的。Thomas H. Naylor(1967)認為美國貨幣管理當局趨向于增加貨幣供給量，這會導致利率的下降，而利率的下降會導致更多的消費與投資。表現在房地產市場，較低的利率就意味較低的借貸成本，較低的借貸成本會激勵更多的需求。J. R. Kearl, Frederic S. Mishkin(1977)的研究方法很有創意，他們首先根據部分調整模型建立家庭住宅實際存量與意愿存量的關系，然后用線性模型代替意愿存量與收入、按揭利率、負債之間的函數關系，最后得到一個實際存量決定于收入、負債和利率的計量模型，在這個模型中，引發筆者興趣的是，利率的一個線性函數是處在收入前的系數的位置上*這實際上可以轉化為一個變系數自回歸分布滯后模型，而此系數與利率之間是負向關系。，該模型說明了貨幣政策影響家庭住宅擁有量的決策機制。Simone，Clemhout和Salih N. Neftci(1981)采用了格蘭杰因果關系的分析方法，建立了一個滯后模型為12向量自回歸模型，研究了房地產周期與宏觀經濟周期的關系，認為房地產周期可能先于宏觀經濟周期。他們的研究暗示宏觀調控也許可以通過房地產市場開始。Michael Fratantoni, Scott Schuh(2003)通過建立異構向量自回歸(heterogeneous-agent VAR)模型異構向量自回歸(heterogeneous-agent VAR)模型是當時作者對自己所建立的模型的稱謂，該模型既考慮了時間動態又考慮了區域的異質，在考慮時間動態時，將滯后影響動態化，即讓回歸系數變化，類似于目前普遍運用的變系數隨機效應向量自回歸模型。，并利用美國1986—1996年的季度數據，對貨幣傳導機制與房地產市場的關系進行了研究，認為房地產市場異構性的延展導致貨幣政策傳導效率具有長期性和滯后變化性*指滯后效應隨時間變化。。Matteo, Iacoviello和Stefano Neri(2010) 通過建立動態隨機一般均衡(DSGE)模型考察了美國房地產市場與貨幣政策傳導的關系，得出了貨幣之于房產市場的“超灌”(spillovers)并非負向的結論，在文獻《房產市場超灌：來自估計DSGE模型的證據》(Housing Market Spillovers: Evidence from an Estimated DSGE Model)中，Matteo, Iacoviello 和 Stefano Neri研究了其機理，認為，因“超灌”產生的財富效應，導致消費增加，會使貨幣傳導于GDP的效應增加。

國內學者對房地產與貨幣傳導機制的研究是將房地產納入到貨幣傳導框架內進行的，主要研究了貨幣政策變化對房地產投資或房地產市場的影響以及房地產投資或房地產市場對貨幣政策的影響。唐志軍、徐會軍和巴曙松(2010)通過建立VAR模型并進行協整分析后，認為房地產的波動會通過多種途徑影響宏觀經濟。鄭忠華、郭娜(2011)通過建立結構向量自回歸(SVAR)模型，用我國貨幣政策的信貸傳導解釋房地產價格，得出了資產價格高漲的根本原因是央行信貸的大量投放的結論。陳詩一、王祥(2016)構建了一個包括房地產市場的多部門DSGE模型，研究貨幣政策影響房地產價格的傳導機制，結果顯示利率降低會使房地產價格顯著上升，而央行采取盯住房地產價格波動的貨幣政策，可以改善社會福利，但是政策效果會因融資成本的降低而削弱。

本文的研究思路是：首先將新凱恩斯主義有關貨幣傳導機制的自回歸分布滯后模型作為本文研究的基礎模型；其次，在上述模型中，將滯后項系數與即期效應系數動態化建立變系數自回歸分布滯后(VADL)模型，而滯后項系數與即期效應系數的動態化則設定其為關于房地產投資的二次函數；第三，為了控制CPI和GDP中的季節趨勢，在模型中引入CPI和季節虛擬變量作為解釋變量；第四，用武-豪斯曼(Wu-Hausman)檢驗對模型中的解釋變量進行外生性檢驗，以決定估計方法；第五，本文根據估計結果，特別是滯后項系數和即期效應系數與房地產投資的關系，研究房地產投資的變化對貨幣傳導機制的影響；最后，本文將在對估計結果進一步分析的基礎上找出房地產開發投資對貨幣傳導機制影響的臨界點。

本文的貢獻：第一，建立了中國房地產投資對貨幣傳導機制的影響的動態自回歸分布滯后模型；第二，提出了房地產宏觀調控時要考慮房地產投資對整個貨幣政策傳導的影響；第三，提出了我國房地產投資的合理季度額是1萬億元人民幣左右的觀點。

三、模型的構建

本文研究房地產投資，并不是將該經濟變量作為自變量，也不是作為中間變量，更不是作為應變量處理，而是作為影響貨幣政策傳導機制的動態參數處理的。這種研究方法，在某種意義上是對J. R. Kearl, Frederic S. Mishkin(1977)的研究方法和Michael Fratantoni, Scott Schuh(2003)的研究方法的一種改進。

利用IS—LM模型作為研究貨幣傳導機制的理論出發點是較合理的做法。IS-LM模型的關鍵在于三個函數：一是宏觀消費函數，二是投資函數，三是貨幣需求函數。

Ct=α1+α2Vt+α3Vt-1+εit

(1)

α2=v(HSt)

(2)

式(1)中Ct、Yt、Yt-1、εit，分別表示全社會消費支出、當期GDP、滯后一期和隨機擾動項；式(2)為變系數方程，α2、HSt分別表示當期GDP的回歸系數、當期房地產投資和隨機擾動項。

關于投資函數，孫琳琳、任若恩(2006)估計了我國的投資函數，得出了產出和資本成本是決定投資主要因素的結論；張瑩、劉波(2009)基于新古典主義的投資理論，以我國宏觀經濟季度數據為依據，利用VAR模型進行計量分析，也得出了類似結論。但本文認為，用GDP解釋投資是不合理的:因為從計量分析來看投資與GDP的顯著關聯，可能來源于它們有共同的因素——它們均隨同時間而增長，換言之，回歸分析中有關投資對GDP的回歸很可能是偽回歸。所以本文認為投資I取決于利率r，故設定投資函數為

It=α4+α5rt+ε2t

(3)

式(3)中，投資I不僅包括私人部門的投資也包括政策部門的投資。

關于貨幣需求函數，有大量研究文獻。至今仍在廣泛應用的西方貨幣需求理論主要有貨幣數量論，流動偏好理論和弗里德曼的貨幣需求理論。觀其理論實質，無非是研究貨幣需求函數的決定變量是什么，其函數形式是否穩定。我國學者對此進行了廣泛深入的研究：劉金全、張文剛、于冬(2006)根據弗里德曼的貨幣需求函數進行實證研究，結果表明中國貨幣需求函數具有一定程度的動態穩定性，而收入與利率仍是解釋貨幣需求的主要因素；王少平，李子奈(2004)設定我國需求函數決定于收入、價格與其它因素，將利率歸入其它因素中，得出了我國貨幣需求缺乏有效的內在調節機制的結論；曾華、李凱、鄭紅(2009)主要基于收入、價格和利率等影響因素，建立了一個基于BP神經網絡和小波神經網絡二級組合網絡結構的非線性誤差校正模型；等等。從這些研究中，筆者發現，凱恩斯主義的流動偏好理論在進行實證分析時最具有可操作性，故此本文設定貨幣需求函數為

(4)

考慮到國際貿易長期的平衡性，本文設凈出口為一隨機擾動，即

NXt=ε4t

(5)

由于政策支出已經分解到消費支出與投資支出之中，根據凱恩斯定律*凱恩斯定律在這里是指均衡產出決定于總需求。、式(1)、(3)和式(5)，可得到IS曲線的表達式

Yt=Ct+It+NXt=α1+α2Yt+α3Yt-1+ε1t+α4+α5rt+ε2t+ε4t化簡，得

(6)

由式(4)可得LM曲線的表達式

(7)

式(7)中α6>0,α7<0，解出rt，得

(8)

式(8)代入到式(6)并化簡，得

Yt=c+γYt-1+δMt+εt

(9)

式(9)中

(10)

(11)

(12)

(13)

由式(10)、(11)、(12)、(13)可知，式(9)中的回歸系數c與γ均與有關，δ與及Pt有關，εt與α2有關，并且均是α2的單調映射*只要分別將式(10)、(11)、(12)、(13)關于α2求一階偏導數便可得知此結論。。故式子(9)可寫成

Yt=c(HSt)+γ(HSt)Yt-1+δ(HSt,Pt)Mt+εt

(14)

其中，隨機擾動項與房地產投資HSt相關。

模型(14)即是本文的核心模型——貨幣傳導機制的房地產投資影響模型。

四、模型的估計

為了估計模型(14)，需要將模型(14)中的系數函數具體化，考慮到房地產投資對貨幣傳導機制的影響可能有正反兩個方向，本文用系數函數關于房地產投資的對數的二階泰勒展開式代替系數函數。即

c(HSt)=c0+c1(ln(HSt))+c2(ln(HSt)2+uct

(15)

γ(HSt)=γ0+γ1(ln(HSt))+γ2(ln(HSt))2+uγt

(16)

(17)

此外，由于我國GDP季節數據中，季節因素十分明顯，所以需要在模型中加入季節虛似變量以控制季節變動趨勢。并令X=ln(HSt)。處理后的可估計模型為

(18)

其中隨機擾動項ut為

ut=εt+uct+Yt-1uγt+Mtuδt

(19)

式(19)說明，模型(18)的擾動項與解釋變量可能存在相關關系，從而存在內生解釋變量的問題。一般不能用最小二乘法估計，但通過武-豪斯曼(Wu-Hausman)檢驗*Wu, “Alternative Tests of Independence between Stochastic Regressors and Disturbances(隨機的回歸元與干擾之間獨立性的其它檢驗)”, Econometrica, 1973, 41,pp.733-750.*J.A.Hausman, “Specification Tests in Econometrics(計量經濟學中的設定檢驗)”, Econometrica, 1978,46,pp.1251-1271.說明在估計時，內生解釋變量如果可以視同外生，則仍可用最小二乘法估計回歸系數，否則需要找內生解釋變量的工具變量，選用合適方法如廣義矩法(GMM)估計。

此外，由于模型中的數據為時間序列數據，為了估計模型(18)，先要對模型中所要利用的數據列進行平穩或非平衡性檢驗以確定是否可以進行協整檢驗，如果可以則進行協整檢驗。所以本部分包括數據處理、單位根檢驗與協整檢驗、武-豪斯曼(Wu-Hausman)檢驗、模型的估計和結果解釋等內容。

(一)數據處理

本文選擇2005—2016年的季度數據作為估計依據。GDP的數據可直接從中華人民共和國統計局官網上下載；貨幣供給量可從中國人民銀行官網上得到，為使貨幣供給量數據的時頻與GDP一致，選取季度末數據，季度末數據為相應季度的最后一個月的月末數據；選取CPI作為價格指數，以2004年第四季度為基期計算定基指數。相關數據如表1。

(二)單位根檢驗與協整檢驗

根據表1中的數據，計算模型(18)中諸變量的時序值后進行單位根檢驗，檢驗結果如表2所示。

表1 核心模型基本數據表

時間(季度)GDP(億元)CPIHS(億元)M1(億元)2005.140130.91.0873270072323.6094743.192005.244748.21.1448522423869.5098601.252005.347550.21.1912360524184.601009642005.453466.51.2407420315381.60107278.572006.146678.31.2859005352792.70106737.082006.252560.41.3393432294901.90112342.362006.355467.81.3908770725207.80116814.12006.462950.11.4773860766480.10126028.052007.156686.61.6018271953543.80127881.312007.264648.91.7810410316343.40135847.42007.368789.52.1272178446926.90142591.572007.477894.32.5792229728465.60152519.172008.168778.43.2518938434687.80150867.472008.278537.64.0697831758507.90154820.152008.381619.54.7469177788082.00155748.972008.487816.35.1159408879302.10166217.132009.173283.65.0234135714880.30176541.132009.283614.24.7958500739625.00193138.152009.388923.54.61578639110545.10201708.142009.4998084.70804871411181.30221445.812010.186684.35.0254781646594.50229397.932010.299059.85.48080745213152.602405802010.3104950.66.07078666813764.20243821.92010.4118208.26.96754642314755.80266621.542011.1103456.98.0811181848846.40266255.482011.21184659.55199127317404.10274662.572011.3125279.311.462607617974.30267193.162011.4136922.313.1175984917515.00289847.72012.1116147.914.6558184610927.20277998.112012.2130765.815.9521320519682.60287526.172012.3136722.916.8787728920436.10286788.212012.4150486.417.9467519320757.90308672.992013.1128083.519.288189813132.60310898.292013.2143031.820.7103583423695.30313499.822013.3150719.822.4990449324291.70312330.342013.4166183.624.5134744124893.80337291.052014.113873826.243929615339.20327683.742014.215520128.0140655926679.40341487.452014.316346729.6992617926732.60327220.212014.4178732.831.0558456726284.40348056.412015.1147961.832.1869482616650.60337210.522015.2166216.432.0583292227304.40356082.862015.3175616.032.3475915226580.10364416.92015.4192250.832.5093295025443.80400953.442016.1160710.233.0618477017676.00411581.31

表2 模型(18)中變量的單位根檢驗之ADF統計量 臨界值為-2.941 1

圖1 殘差序列圖

(三)武-豪斯曼(Wu-Hausman)檢驗

武-豪斯曼(Wu-Hausman)檢驗的思想是先做內生解釋變量對前定變量的回歸得其擬合值，再做被解釋變量對內生解釋變量、模型中的前定變量以及內生解釋變量擬合值的回歸，然后進行內生解釋變量的似合值的回歸系數均為零的假設檢驗，如果零假設不被拒絕，則可將內生解釋變量視同外生或前定。

進行武-豪斯曼(Wu-Hausman)檢驗需要

確定內生解釋變量和前定變量。從模型(18)中隨機擾動項的獲得過程可知，模型(18)中除了截距項，季節虛擬變量外，其它8個變量均有內生性。本文選擇這8個內生變量的滯后一期的值作為前定變量，分別用每一個內生解釋變量對這些前定變量回歸得到相應的8個擬合值變量，如果按內生解釋變量整體進行武-豪斯曼(Wu-Hausman)檢驗，則需要在模型(18)中加入上述8個擬合值變量，這樣模型中變量的個增加到了20個(包括截距項)，而本文的時序數據只有43組，因滯后又失去2組，可用的數據只有41組，顯然樣本數據不足，從而出現嚴重的多重共線性問題，或者模型根本不能估計。為了解決這個問題，筆者將內生解釋變量的擬合值變量分成四組，分別加入模型(18)中，這樣模型中變量的個數只增加了2個擬合值變量，結果發現在四次回歸中，擬合值變量的t統計量的絕對值均在0.5以下，這表明：將模型中的解釋變量視同外生是合理的*古扎拉蒂，2011,《計量經濟學基礎》(下冊)(第五版)，第709頁，中國人民大學出版社。。

(四)估計結果

根據圖1的形狀和武-豪斯曼(Wu-Hausman)檢驗的結果，對模型(18)用最小二乘法回歸是合理的。回歸結果如表3。

從表3可以看出，除了表示第二季度的虛擬變量外，模型(18)的其它解釋變量基本上是顯著的。根據表3還可以估計出式(15)，式(16)和式(17)

(20)

表3 模型(18)的最小二乘回歸結果 調整后的R2=0.998

(21)

(22)

五、房地產投資影響貨幣政策傳導的

效率與時滯：模型的解釋

(一)自回歸分布滯后模型的關鍵系數

模型(9)是基本自回歸分布滯后模型，其中δ和γ是關鍵系數。δ表示貨幣供給對GDP傳導的即期效應，根據δ和γ可以估算出貨幣供給對GDP傳導的總效應和平均滯后，計算過程*參見苗楊，李慶華，蔣毅，《我國貨幣政策傳導機制的效率與時滯》， 《財經問題研究》，2015(3)。如下

式(9)可寫成

(23)

根據式(23)得到

(24)

(25)

根據式(24)和式(25)，得到如下命題：

命題一 國內生產總值對貨幣供給的即期響應越大，則其總效應就越大，而且貨幣傳導的時滯也越大；國內生產總值的慣性越大，則貨幣傳導的時滯越大。

關于貨幣傳導機制有兩種效率概念，一是經濟學意義上的效率，它是指貨幣傳導機制是否可以使貨幣供給對實體經濟產生作用，二是貨幣管理當局的效率，它是指貨幣傳導機制是否可以很快地傳導到實體經濟。本文中的總效應與平均時滯分別量化了這兩種概念。顯然這里產生了一個兩難困境：

推論1 如果要想通過貨幣傳導機制使貨幣供給對實體經濟產生明顯的作用，則必以貨幣機制的傳導速度緩慢為代價，如果要想貨幣傳導速度加快，則貨幣供給對實體經濟的作用的顯著性必定下降。

由于市場經濟越發達，經濟活動主體的理性程度越高，其對貨幣政策變化的反應就會越快，即貨幣傳導機制的時滯就越短。于是有

推論2 市場經濟越發達，貨幣政策對實體經濟的作用就越小，貨幣中性就越明顯。

推論1與推論2在本文中有重要作用，根據這兩個推論可以從反向思維的角度分析一種使本文中關鍵系數發生變化的機制是否與我國市場化進程相一致。如果某種機制既有使關鍵系數的值減少的趨勢，又有使關鍵系數的值增加的趨勢，那么，為使經濟體系的運行處于一個由市場決定的良性狀態，是否可以找到一個臨界點或“度”呢？

(二)房地產投資對貨幣傳導效率與時滯的影響

結合回歸模型(20)、(21)、(22)和(14)即可分析我國貨幣傳導效率與時滯對我國房地產投資的動態響應。

在變系數分布滯后模型(VDAL)Yt=c(HSt)+γ(HSt)Yt-1+δ(HSt,Pt)Mt+εt中，Mt的系數δ(HSt,Pt)代表了貨幣傳導的即期效應。根據式(22)，即期效應與價格指數大體成反比例關系，而與房地產投資的關系則表現為正反兩個方面，在房地產投資規模不是很大的時，負向影響占主導；當房地產投資規模很大的時，正向影響占主導。求式(22)關于ln(HSt)的偏導數并令其等于零，得到其單調遞減區間和單調遞增區間分別為：(-∞，9, 189 33]，[9, 189 33，+∞)。因而，HSt的單調遞減區間和單調遞增區間分別為：(-∞，9, 797.994]，[9, 797.994，+∞)。所以有

命題二 當季度房地產開發投資規模小于9 797.994億元時，貨幣政策傳導的即期效應會隨著其投資規模的增加而減少；當季度房地產開發投資規模HSt大于9,797.994億元時，貨幣政策傳導的即期效應會隨著其投資規模的增加而增大。

由于總效應和平均滯后均與即期效應成正方向變化，所以有

推論3 房地產投資對貨幣傳導的影響表現在兩個方面，一是在一定范圍內房地產投資的增加會使貨幣傳導的效應(貨幣經濟學意義的效率)下降，同時會使貨幣傳導的速度(貨幣管理當局理解的效率)加快；如果超出這個范圍，房地產投資的增加會使貨幣傳導的效應上升，同時會使貨幣傳導的速度下降。

命題二的意義是：我國房地產投資的季度規模是有一個臨界值或度的，這個度大約為1萬億元。根據推論2，可以認為由市場因素作用的房地產季度投資額存在一個最優規模，大約就是這個度，約為1萬億元；超過這個規模的部分很可能是非市場因素(如地方政府)作用的結果。

此外，根據式(22)、(24)和式(25)，可得

命題三 貨幣傳導的即期效應、總效應與平均滯后期均與價格指數成反比。

命題三與經濟學中有關貨幣中性或非中性的理論是相符的。

六、結論與政策含義

總結本文結果大體可得到三個結論。

第一，根據表3，我國房地產投資對貨幣傳導機制是有影響的，其影響可用變系數自回歸分布滯后模型解釋。這說明房地產投資的變化會使從貨幣供給向實體經濟傳導的效率和滯后期發生變化。

第二，根據本文命題二和推論3，房地產投資對貨幣傳導的影響有一個季度投資額為1萬億元的臨界點。在臨界點之下，對貨幣傳導機制的影響是正向的；在臨界點之上對貨幣傳導機制的影響是負向的，即，當房地產季度投資額在大約1萬億元以下時，房地產投資的增加會使貨幣傳導的效應下降，同時會使貨幣傳導的速度加快；當房地產季度投資額在大約1萬億元以上時，房地產投資的增加會使貨幣傳導的效應上升，同時會使貨幣傳導的速度下降。

第三，從表一可知，近幾年來，我國實際房地產投資季度額基本在2萬億左右，這說明我國市場力量與非市場力量大約各占一半。

上述結論的政策含義是：

第一，我國房地產開發投資政策與貨幣政策需要相互配套，而其主管機構即建設部與中國人民銀行需要相互溝通。

第二，我國房地產投資的市場發展程度還不是很高，有許多非市場因素起著很重要的作用，容易產生非理性的投資澎脹。所以，建設一個房地產投資預警系統對房地產開發投資進行總量控制很有必要。例如，可以根據季度房地產投資額距離1萬億的遠近，設置預警指標。

第三，進一步完善市場機制，使經濟活動的個體理性與整個國民經濟的集體理性趨于一致。

[1]陳詩一，王祥[J]. 融資成本、房地產價格波動與貨幣政策傳導，金融研究, 2016(3):1-14.

[2]廖成林,青雪梅.基于協整理論的中國宏觀消費函數分析[J]經濟科學, 2005(1).

[3]苗楊,李慶華,蔣毅.我國貨幣政策傳導機制的效率與時滯[J]財經問題研究, 2015(3):47-52.

[4]孫琳琳,任若恩.中國投資行為研究[J].經濟問題探索, 2006(9):4-8.

[5]唐志軍,徐會軍,巴曙松.中國房地產市場波動對宏觀經濟波動的影響研究[J]，統計研究, 2010(2):15-22.

[6]王軍. 中國消費函數的實證分析及其思考[J]，財經研究, 2001(7):3-8.

[7]徐會奇,李輝,李敬強.有限理性視角下城鎮居民消費決策綜合模型的理論構建——基于1979 年—2010年省際動態面板數據的分析[J].經濟科學, 2012(3):38-49.

[8]曾華,李凱,鄭紅.我國貨幣需求函數非線性建模與應用[J].管理評論,2009(7):80-84.

[9]祝憲民. 房地產的實物資產和虛擬資產的雙重屬性研究[J]. 廣東社會科學,2013(4):16-17.

[10]張瑩,劉波. 貨幣政策、財政政策對我國投資行為影響的實證分析[J].財貿經濟,2000(5):18-23.

[11]鄭忠華,郭娜. 我國房地產價格高漲的原因研究——信貸渠道視角下的解釋[J]. 中國經濟問題,2011(6):44-50.

[12]劉金全,張文剛,于冬. 中國短期和長期貨幣需求函數穩定性的實證分析[J]. 管理科學,2006(4):62-67.

[13]王少平,李子奈. 我國貨幣需求的協整分析及其貨幣政策建議[J]. 經濟研究,2004(7):9-17.

[14]Damodar N. Gujarati[J].《計量經濟學基礎》下冊，中國人民大學出版社第四版，2005,第629頁。

[15]Naylor T H.The Impact of Fiscal and Monetary Policy on the Housing Market[J].Law and Contemporary Problems,1967,32(3):384-396.

[16]Matteo I , Stefano N. Housing Market Spillovers: Evidence from an Estimated DSGE Model[J]. American Economic Journal: Macroeconomics,2010, 2(2):125-164.

[17]Simone C, Salih N N. Policy Evaluation of Housing Cyclicality: A Spectral Analysis[J].The Review of Economics and Statistics, 1981, 63(3): 385-394.

[18]Michael F, Scott S.Monetary Policy, Housing, and Heterogeneous Regional Markets[J].Journal of Money, Credit and Banking,2003,35(4): 557-589.

[19]Kearl J R , Frederic S M. Illiquidity, the Demand for Residential Housing, and Monetary Policy[J].The Journal of Finance, 1977,32(5): 1571-1586.

[20]Wu D M. Alternative Tests of Independence between Stochastic Regressors and Disturbances[J].Econometrica, 1973, 41(4):733-750.

[21]Hausman J A. Specification Tests in Econometrics[J].Econometrica, 1978,46(6):1251-1271.

責任編輯 王麗英

The Effect of Real Estate Investment on Monetary Transmission Mechanism in China ——An Empirical Study Based on VADL Model

LI Qing-hua, ZHOU Yao

(School of Economics and Business Administration, Central China Normal University, Wuhan, 430079, China)

The development of China’s real estate economy has a special effect on the flow of money supply to the real economy, but the over-expansion of the real estate economy will also have a negative impact on the flow of money supply to other entities. This paper conducts an empirical analysis of the impact of China’s real estate investment on monetary transmission mechanism based on Vary coefficient Autoregressive-Distributed Lag (VADL) model with the quarter data from 2005 to 2016. The results show that the real estate investment scale has an effect of both positive and negative direction on efficiency and time lag of monetary transmission; when the increment of real estate investment exceeds a critical point, the influence is negative, otherwise it is positive; the number of real estate investment is decided by market factors with an optimal scale of 1 trillion yuan, and the part beyond of this scale is likely to be the result of nonmarket factors (such as local government). Therefore, establishing a warning system of the real estate investment increment control based on a reasonable real estate investment scale is important to the rational development of the market economy in our country.

real estate investment; monetary transmission mechanism; VADL

2016-09-01

國家社會科學基金項目(14BJY011)。

李慶華；男，華中師范大學經濟與工商管理學院副教授，主要從事數量經濟和貨幣經濟研究；周瑤，女，華中師范大學經濟與工商管理學院碩士生，主要從事房地產經濟研究。

F293.3

A

1005-1007(2016)12-0086-11