人民幣匯率對我國城市房價區別影響研究

石懷平，張 博，闞瑀婷

(1.安徽財經大學 實驗實訓中心，安徽 蚌埠 233030；2.安徽財經大學 金融學院，安徽 蚌埠 233030；3.蚌埠市稅務局，安徽 蚌埠 230061)

匯率和房地產價格是當前中國經濟的兩大熱點問題，房地產業能否健康、平穩地發展，既關系到國民經濟的長期可持續發展，又牽動著人民的財產分配與切身利益。房地產市場的發展進程不單受到國內經濟形勢的沖擊，并且受到國際金融市場波動的影響。中國房地產業經歷長時期高速發展后，當前正處于一個艱難的調整期，其作為資金密集型產業，和金融環境的變動緊密相連，因此人民幣匯率的變動也會導致房地產市場的波動。從2005年7月21日開始，我國調整為有管理的浮動匯率制度。在經濟全球化的大環境下，2006年至2015年，這過去的9年中，人民幣持續升值，最高增長32%。這也正是中國房地產價格高速增長的9年。2015年至今，國內經濟在“新常態”這一嶄新的背景之下，人民幣貶值預期持續加強，但對一、二、三線城市房地產價格的影響呈現不同狀態。

在理論意義上，建立人民幣匯率對一、二、三線城市房地產價格區別影響的理論分析框架，分析匯率以及通過各中間變量所起的作用，為實證分析提供理論依據。在現實意義上，考慮到我國目前所處于經濟發展的“新常態”時期，由于一、二、三線城市房地產市場存在較大差異，研究匯率對不同城市房地產價格的結構性影響，平衡不同城市經濟增長速度，具有現實意義。

文章基于理論分析，引入相關中間變量，利用面板 VAR模型來描述人民幣匯率通過各因素作用于一、二、三線城市房地產價格的結構化影響，接著通過靜、動態面板數據模型確定各因素對各線城市房價的影響方向與彈性系數，最后提出具有分類調控特點的政策建議。

一、文獻綜述

國外相關研究起始于美國遠近聞名的經濟學家歐文·費雪。他在1911年《貨幣的購買力》中強調，匯率的波動使得國外投資者對本國房地產市場進行投機活動，這是導致本國房價產生波動的一大誘因。而后，大量關于匯率對房地產價格的實證探究逐步展開。研究結果主要集中在三個方面：一是隨著本幣升值，房價增長，匯率和房價呈現顯著相關[1-2]；二是匯率失衡導致熱錢涌入而抬高房地產價格[3-4]；三是基于中國國情，認為人民幣預期升值會引致國際資本進入，這成為中國房地產市場波動的關鍵因素，匯率變動影響著房地產投資組合的利潤率[5-6]；四是匯率變化帶來的信貸效應、流動性效應、預期效應、財富效應與溢出效應均對房價存在影響,其中影響最強烈的是溢出效應[7]。

國內相關研究主要分為兩類，一是從經濟理論視角對二者的關系進行探究；二是利用計量模型對二者的關系加以實證探究。從經濟理論視角出發，存在國際資本流動渠道論和國內貨幣供給渠道論兩大理論。國際資本流動渠道論認為：匯率升值引起國際資本流入從而導致房地產價格上揚[8]。國內貨幣供給渠道論認為：匯率升值會引致貨幣供應量的上升，從而引致房地產價格的飆升[9]。從實證分析視角出發，研究主要集中于整體影響研究和結構影響研究兩類。在整體影響研究中，基于我國房價數據，采用線性回歸方程得出房價隨匯率變動百分比，且人民幣升值會促使房價上揚[10]。采用VAR模型和向量修正模型得出匯率與房地產價格呈現反向相關[11]。采用VAR模型分析出中短期來看，人民幣升值引致房價上揚，長期情況下則恰好相反[12]。以及利用非線性MSVAR模型判定出匯率與房地產價格呈現出彼此推進的關系[13-14]。在結構影響研究中，主要集中于對我國東中西部地區以及代表性省份房價的結構性研究。得出國內東中西部地區房地產市場在價格、投資偏好、市場供求與就業等方面呈現顯著差別，這主要是因為各地區經濟發展程度、政策扶助力度以及消費觀念差異所致[15]。通過建立 VAR模型，對東部、中部、西部房價進行實證研析，結果表明匯率對西部地區房價波動的影響超過了東部地區，FDI作為中間變量的確有效傳遞了匯率變動對房價的影響，尤其在西部組上效果明顯[16]。還有運用 Panel Data模型對人民幣匯率與國內外向型地區房地產價格進行實證分析，發現二者具有顯著的同向變化關系，人民幣每升值1%，會引發外向型地區房地產價格上揚0.94%[17]。

無論是國外還是國內的研究，由于采取的計量口徑、樣本數據的區間以及計量模型的不同，人民幣匯率對我國房地產價格影響結果也存在差異。現有的研究在經濟原理和實證分析上，給我們提供了一個研究的高度。但研究大多集中在人民幣匯率對我國房地產價格這一整體的研究，對于我國區域房地產的結構性研究，也局限于對東、中、西部以及選取代表性省份的分析，鮮有研究人民幣匯率對我國一、二、三線城市房地產價格的研究，且無結構性影響的理論基礎。由于我國一、二、三線城市房地產市場差異較大，因此文章基于面板VAR模型及靜、動態數據模型，實證研究人民幣匯率對我國一、二、三線城市房地產價格的影響具備現實意義，針對各城市不同的研究結果，有針對性對如何平衡“匯率穩定”與“房價穩定”的難題提出對策建議。

二、理論分析

(一)一般性分析

1.國際資本流動渠道論

在短期，匯率對房地產價格的影響表現為一國貨幣升值使得大批國際資本紛紛流入該國市場，其中一部分流向房地產市場，推高房地產價格。雖然中國實行資本管制政策，但國際資本會繞開資本管制，以種種隱形渠道進入中國市場。投資者一方面獲得資本價格上升帶來的買賣價格差；另一方面賺取人民幣升值所帶來的收益。在羊群效應的作用下，大量的國際資本流入，使得房價上升與資本流入呈螺旋式增長。但在長期，一國貨幣的不斷升值會吸引更多的資本流入，升值壓力不斷增大，當升值到一定程度時，國際資本預期匯率已升值到頂，他們便會撤離該國市場，導致其房地產價格下跌。

2.貨幣供給渠道論

一國貨幣升值會帶來經常項目與資本項目順差，國外凈資產的增加引致外匯儲備的上漲，使得外匯占款激增，由于基礎貨幣中包含外匯占款，而貨幣供應量又是基礎貨幣與貨幣乘數的乘積，因而貨幣供應量成倍增長。

當一國貨幣供給量增加時，一方面促進個人消費、企業投資、政府購買的增加，從而增加總需求，國民收入增加；另一方面人們預期物價上漲，即貨幣購買力在未來將減弱，因此貨幣持有將會減少，轉而購買能夠保值的資產，如房屋等固定資產，讓原本打算以后買房的人提前買房，增加當期購房需求，從而抬高房價，反之則降低房價。

(二)結構性分析

1.房地產交易者投機理論

一國貨幣升值一方面將導致進口原材料價格下跌，引致國內依靠進口原材料的產品成本降低；另一方面又會引致出口商品價格上漲，出口減少，國內產品供過于求；這都會引致實際利率的上漲，因此借貸資金供過于求帶來名義利率下跌，最后預期投資收益上升，外商直接投資上漲。外商直接投資的進入會使房地產業投資增加，商品房成交量大幅增加，房地產價格上漲。與此同時，大量外商直接投資涌入本國市場也使得本幣升值壓力變大，更多的資金流入本國，抬高房價。對房地產投資者而言，短期資金流入多是投機目的，過度炒房也成為房價居高不下的原因，由于一、二、三城市金融市場發達程度，資金流動性存在差異,相同的匯率變動會導致外商直接投資在各城市有所不同，從而導致各線城市房價變動存在差異。

2.信貸投放對房價的傳導效應

由于匯率變動通過外匯儲備引致貨幣供應量的變動，房地產業作為資金密集型產業，對于投資者與消費者而言，往往需要向商業銀行貸款，很難全額付清房款。貨幣供應量的增加會提高商業銀行的放貸能力，商業銀行在合理預估信貸風險收益后，擴大對房地產業的貸款投入，從而使購房者易于獲得貸款，房地產有效需求上升，房價隨之增長；反之房地產有效需求則下降，房價下跌。但由于一、二、三線城市信貸投放集中度不同，這一傳導效應便對各線城市信貸投放的影響呈現不同狀態，從而對一、二、三線城市房價存在區別影響。

三、實證研究

(一)數據來源與處理

在以上理論分析的基礎上，選取2006年到2019年間的數據進行研究，選擇一、二、三線城市商品房均價pt作為被解釋變量，選取人民幣兌美元匯率ert，廣義貨幣供應量mt，一、二、三線城市國內生產總值gdpt，外商直接投資fdit，貸款額lat作為解釋變量，其中t=1,2,3分別代表一、二、三線城市。根據最新一、二、三線城市分類標準，遴選北京、上海、廣州、深圳、天津作為一線城市；重慶、杭州、南京、廈門、青島、成都、西安、寧波、武漢、濟南、大連作為二線城市；福州、合肥、南昌、石家莊、海口、昆明、貴陽、長春、蘭州、南寧、西寧、呼和浩特作為三線城市。之所以做出這樣的選擇是因為大中發達城市金融市場體系較為完善、國際資本流動較為順暢、外商直接投資引力較強且信貸投放集中度較高，使得研究更具現實意義。數據來源于各大城市統計局并經過整理得出。原始數據統計特征見表1，并對原始數據取對數，目的是為了消除異方差。

從表1可以清晰地看到，一、二、三線城市房價、國內生產總值、外商直接投資及貸款額存在較大差異，人民幣兌美元匯率對各城市房價呈現較高的負相關性，對其他各變量也呈現一定程度的負相關性，因此有必要通過實證研究探討匯率自身及通過這些中間變量對各城市房價的區別影響。

表1 數據統計特征

(二)面板VAR模型

文章對一、二、三線城市分別構建面板 VAR模型，以得出人民幣匯率自身及通過各中間變量對各線城市房價的作用方向與軌跡，也為進一步利用靜、動態面板數據模型加以研析做鋪墊。

1.面板單位根檢驗

為了避免出現偽回歸，應首先進行面板單位根檢驗，文章利用Eviews 8.0對全部變量加以檢驗，由表2可知，一、二、三線城市各個變量對數形式平穩。

表2 各變量面板單位根檢驗

2.模型平穩性檢驗

基于各變量對數形式平穩，接下來考慮面板 VAR模型的滯后階數，根據AIC，SC，HQ及其他準則，經多次試驗后確定一、二、三線城市該模型的最佳滯后階數均是二階。再分別對各線城市二階面板VAR模型進行平穩性檢驗，結果表明所有的點均落于單位圓內，模型穩定。

3.脈沖響應函數估計

為了進一步分析人民幣匯率自身及通過各個變量對一、二、三線城市房地產價格的區別沖擊，文章利用脈沖響應函數做深入分析。

通過圖1可清晰刻畫人民幣匯率自身及通過各中間變量對城市房地產價格的沖擊方向與軌跡。

(1)人民幣匯率對房價的直接影響

人民幣匯率在正交化新息的沖擊下，對一線城市房價的影響在前期正負正波動，而后第7期穩定于正向影響；對二線城市房價一直為負相關，且相關程度越來越大，三線城市房價先顯現正向影響，第二期達到正向最大，而后轉為負值，并隨著期數的增加影響不斷增強；可以看到人民幣匯率對一、二、三線城市房價呈現區別影響，這也證實了后續研究的必要性。但一線城市房價受人民幣匯率的影響與理論分析略有偏頗，這里可能的原因是一線城市金融市場發達，匯率的傳遞效應較為顯著，在長期，人民幣不斷升值會吸引更多的資本流入，升值壓力不斷增大，當升值到一定程度時，國際資本預期匯率已升值到頂，投資者紛紛預期房價將下跌，此時雖然房地產需求與房地產供給均下降，但由于房地產供給周期長，反應時間相對滯后，導致房地產需求方的投資者先行撤離本國市場。

圖1 脈沖響應圖

(2)人民幣匯率通過M2對房價的影響

人民幣匯率的正交化新息沖擊下M2均呈現負向沖擊；M2的正交化新息沖擊下一線城市房價呈先負后正波動，二線城市房價則呈正向波動，且正向影響在第2期達最大，后期有所下降，三線城市房價也呈正向波動，且波動幅度隨著滯后期的增加略有上升。人民幣匯率通過貨幣供應量對各線城市房價的影響存在滯后性，一線城市房價表現得更為突出。

(3)人民幣匯率通過GDP對房價的影響

對于人民幣匯率的一個正向沖擊，一、二、三線城市 GDP均先呈現正向波動，在滯后2期以后開始呈現負向影響，這與理論分析基本一致，前期出現相悖，是因為人民幣匯率到GDP的傳遞，中間還存在到貨幣供應量的傳遞，使人民幣匯率的變動未能及時的反應各城市GDP中，且三線城市 GDP的負向波動逐漸增大，說明人民幣匯率的波動在后期對三線城市 GDP的增加起到的效用有所增強；一線城市 GDP的一個正向沖擊，使得一線城市房價呈現先負后正的波動，二、三線城市則呈現正向波動，三線城市房價的負向波動最為顯著，說明一線城市 GDP對其房價的影響相對滯后，三線城市 GDP的提高會明顯提高三線城市房價水平。

(4)人民幣匯率通過FDI對房價的影響

人民幣匯率對一、二、三線城市 FDI的影響均先為正后為負，且人民幣匯率對三線城市 FDI的傳遞相對滯后，對一線城市 FDI的影響程度隨著時間的推移越來越高；一、二線城市 FDI的一個單位正向沖擊，對一、二線城市房價的影響呈現正負波動最后穩定為正值，且對一線城市的影響程度明顯高于二線城市，但三線城市 FDI對其房價的影響非顯著，因此圖1中并未列出。

(5)人民幣匯率通過貸款額對房價的影響

人民幣匯率一個正向沖擊，一線城市貸款額呈現負正負的波動，二線城市貸款額呈現負向波動，三線城市貸款額無顯著影響。因此圖1中并未列出；一、二、三線城市貸款額的一個正向沖擊，使得一、二、三線城市房價呈現先為負后為正的影響，但三線城市房價在后期受貸款額的影響程度高于一、二線城市。又由于人民幣匯率對三線城市貸款額的作用非顯著，所以應對三線城市進行區域經濟調控，提高三線城市信貸集中度，拓寬房地產融資渠道，這對于調整三線城市房價，去三線城市房地產庫存至關重要。

由此我們可以看到，人民幣匯率自身及通過各中間變量對一、二、三線城市房價的影響存在顯著差異，需要進一步加以實證分析各變量的貢獻程度。

4.方差分解

表3 第一組方差分解表

表4 第二組方差分解表

方差分解可以得出一個變量的結構沖擊對內生變量的解釋程度，通過比較貢獻程度的大小，以了解各變量結構沖擊的相對重要性。文章在進行方差分解時，將樣本分為兩組，第一組僅引入人民幣匯率與一、二、三線城市房價兩個變量，第二組則引入所有變量，旨在比較引入其他中間變量是否使得人民幣匯率對一、二、三線城市房價的影響更顯著。

由表3及表4可以看出，引入各中間變量后，人民幣匯率對一、二、三線城市房價的貢獻率有所增強，且區別影響更為顯著，第5期一線城市房價變動中有38.21%由人民幣匯率引起，有19.03%由外商直接投資引起，廣義貨幣供應量、國內生產總值、貸款額的貢獻率分別為16.51%、6.87%、9.05%，第10期 GDP的解釋程度有所增加，達到13.73%，其他影響因素基本與第5期保持一致。二線城市在第5期人民幣匯率、廣義貨幣供應量、外商直接投資、國內生產總值的貢獻度分別為30.26%、14.98%、11.76%、5.75%，在第10期，其他因素的貢獻度大體不變。三線城市第5期人民幣匯率、廣義貨幣供應量、貸款額、國內生產總值、外商直接投資的貢獻度分別為25.85%、18.55%、12.59%、9.42%、1.26%，而在第10期，廣義貨幣供應量、貸款額的解釋程度分別增長到23.75%、19.59%，房價本身的解釋程度減少為17.94%，其他因素的貢獻度基本不變。

這充分說明了人民幣匯率不僅僅是直接作用于房價，中間因素起著重要影響，因此引入中間變量使得分析更加精準。相對于其他中間變量，人民幣匯率對一、二、三線城市房價均存在顯著影響，而且除房價本身以外人民幣匯率的貢獻率較其他變量而言均最大，貢獻度從大到小依次為一線城市、二線城市、三線城市。這可能是因為人民幣匯率較其他變量而言既可以直接作用于各線城市房價，又會通過其他變量，間接影響各線城市房價，而一線城市金融市場完善，資金流動性較強，具備更優地投資價值。

(三)面板數據模型

以面板VAR模型作為基礎，建立靜、動態面板數據模型。一是可以確定各因素對各線城市房價的影響方向與彈性系數；二是因為若直接構建面板數據模型，易產生偽回歸。

1.靜態面板數據模型

在建立靜態面板數據模型形式之前，需明確模型效應形式，首先設立隨機效用模型，利用Hauseman隨機效應檢驗，P值小于0.05時，拒絕原假設，則應設定固定效應模型，否則設定隨機效應模型，檢驗得到一、二、三線城市 P值均為0.00，因此靜態面板數據模型構建形式如下：

(15)

其中，被解釋變量lnpit表示各線城市房價水平，i表示各線城市，t表示年份，C表示截距，αt表示個體非觀測效應，為固定常數，εit表示隨機誤差項。

對(15)式進行回歸，我們可以看到一、二、三線城市回歸結果見表5。除模型3變量 FDI不顯著以外，3個模型各變量在置信度為10%的水平下均顯著，人民幣匯率對各線城市房價的影響系數從大到小依次為一線城市、二線城市、三線城市，貸款額則正好相反；一、二線城市 FDI對其對應房價的影響程度依次減少，而廣義貨幣供應量對各線城市房價的影響系數從大到小依次為二線城市、三線城市、一線城市，結論與脈沖響應與方差分解結果基本一致，說明人民幣匯率自身及各中間變量共同引致一、二、三線城市房地產價格的差異。

表5 靜態面板模型估計結果

2.動態面板數據模型

由于現實社會中，很多經濟關系是動態的，有時需要引入滯后項去解釋這些經濟關系，因此有必要研究當期房價受上一期房價水平的影響，從而運用動態面板數據模型重新估計。動態面板數據模型構建形式如下：

(16)

其中解釋變量lnpit-1滯后一期。

以一階差分廣義矩估計GMM方法對式(16)加以回歸分析，估計結果見表6。

表6 動態面板模型估計結果

動態面板數據的 GMM估計不同于一般的估計，沒有擬合優度和 F統計量，而是利用 J統計量做 Sargan檢驗，原假設為所有工具變量均有效，由表6，模型1、2和3的 J統計量 P值分別為0.446、0.193和0.653374，因此這三個模型均通過 Sargan檢驗，說明這三個模型的所有工具變量均不存在過度識別問題，接下來利用 Arellano Bond檢驗誤差項是否序列相關，且 GMM估計不能存在二階序列相關，即 P(AR(2))越大越好，一般要求大于0.1，模型1的 P(AR(1))=0.4782， P( AR(2))=0.7431，模型2的 P( AR(1))=0.2277，P( AR(2))=0.6829，模型3的 P( AR(1))=0.8793， P(AR(2))=0.8876，所以這三個模型其誤差項均無序列相關。最后進行殘差的單位根檢驗，模型1的 LLC、 PP-Fisher檢驗的 P值分別為0.0024和0.0005，模型2的LLC、IPS、ADF-Fisher和 PP-Fisher檢驗的 P值分別為0.0000、0.0000、0.0016和0.0000，模型3的 LLC、 PP-Fisher檢驗的 P值分別為0.0002和0.0005，因此在5%的置信度水平下，殘差平穩。從而說明三個模型均平穩，GMM估計均是有效的。

對于一、二線城市而言，滯后一期的房價分別于置信度為5%、1%的水平下顯著，一線城市上一年的房價每提高1%，當年房價就會提高0.429%，二線城市上一年的房價每提高1%，當年房價就會提高0.541%，三線城市滯后一期的房價在置信度為5%的水平下顯著，上一年的房價每提高1%，當年房價就會增加0.386%，這說明了一、二、三線城市房價變動具有正向動態傳導性，在其他條件不變的情況下，一、二、三線城市房價存在“越追越漲”的態勢；因此運用動態面板數據模型加以刻畫更加精確。此外從動態面板數據模型回歸結果看出人民幣匯率對一、二、三線城市房價的影響程度與方差分解結果基本一致，各自變量的系數與靜態面板模型系數類似，這也說明面板數據模型具有穩健性，靜、動態面板數據模型的結論也呼應了脈沖響應函數和方差分解的結果。

四、結論與政策建議

文章基于2006年至2019年城市面板數據，利用面板VAR及靜、動態面板數據模型進行實證分析，得出的結論是：人民幣匯率、廣義貨幣供應量、國內生產總值、外商直接投資和貸款額是影響一、二、三線城市房價的多維因素，其中人民幣匯率為影響的關鍵因素；人民幣匯率對一線城市房價的影響最顯著，其次為二線城市，最后為三線城市，且引入中間變量后差異更為明顯；人民幣升值，一線城市房價短期上揚，長期下跌，二、三線城市房價則持續上揚；人民幣匯率通過M2、GDP對各線城市房價存在顯著影響，但存在滯后性，一線城市更為突出；人民幣匯率通過FDI對房價的沖擊，一線城市高于二線城市；三線城市房價受GDP、貸款額的沖擊程度較大；一、二、三線城市房地產價格具有正向時間慣性。

經過梳理分析，結合我國經濟“新常態”下“經濟平穩增長，結構優化升級”的特征，認為應從以下幾個方面提出分類調控的政策建議：

第一，應通過市場化的匯率機制，減少國際熱錢的套匯空間，對短期國際資本加強監督管理。由于人民幣匯率是影響一、二、三線城市房價的關鍵性因素，對于一線城市房價的解釋程度相對二、三線城市更高，且二、三線城市房價受到人民幣升值的持續正向作用，為維護我國各線城市房地產業的健康發展，應加強對進入我國房地產市場的短期國際資本進行監管，減少國際熱錢的套匯空間，盡管人民幣2019年仍存在貶值壓力，但并不存在長期貶值基礎，因此監控跨境投融資活動，抑制外資進行投機性活動仍不容忽視。

第二，應保持貨幣供應量的合理增速, 適度加大三線城市產業支撐。由于在實證分析中可以看到人民幣匯率通過 M2和 GDP對各線城市房價均存在正向影響，但存在滯后性，且三線城市 GDP的提高會顯著提高三線城市房價。由于我國雙順差的存在，央行被動形成大量外匯占款，造成流通性的貨幣膨脹、流動性過剩，流動資金涌進國內房地產市場，引致房地產市場價格上漲，因此應保持貨幣供應量的合理增長，以適應中國GDP增長率，減少M2與GDP對房地產價格的放大作用。對于三線城市則應加大產業支撐，助力多類型行業發展，在去三線城市房地產庫存的同時，避免三線城市房價的快速增長。

第三，一、二、三線城市FDI引入規模與方式應有所不同。由于人民幣匯率通過影響利率帶動外商直接投資的升跌， FDI的地域性很強，過多的 FDI流入易引起房價高速上漲，且人民幣匯率通過 FDI對一線城市房價的影響最為明顯。因此對一線城市FDI引入規模應控制在合理范圍，加強外資管理，以抑制外資的炒房投機活動；對于二、三線城市應該出臺可操作性的引資政策，加大資金技術支持，改善二、三線城市的投資環境，擴大房地產業的招商力度，縮短與一線城市的差距，促使 FDI在我國各線城市間的合理分布。

第四，加寬房地產投融資渠道，調整各線城市信貸集中度。由于實證分析中人民幣匯率通過貸款額對一、二、三線城市房價存在顯著影響，因此貸款的可獲得性是影響各城市房價至關重要的因素。因此要大力開展房地產信托、房地產證券和房地產金融租賃等業務，而不是只依靠銀行信貸。但與此同時也要注意到三線城市信貸投放集中度較低，房地產庫存較為嚴重，因此對于三線城市而言，在拓寬投融資渠道的同時，也應適度加大銀行的信貸投放，有助于提高三線城市房地產需求，加之支持農民工在城鎮購房等舉措，這都將對于三線城市房地產去庫存取得積極成效。