摘要：基于2000-2010年我国宏观季度经济数据，构建了3个VAR模型，实证检验了房地产市场货币政策信贷传导机制有效性。实证结果表明，在信贷渠道传导过程中，提高利率对控制商业银行在整个国民经济中贷款供给是有效的，但对抑制商业银行在房地产市场的贷款供给效果不明显。提高贷款利率，抑制了房地产开发企业从银行的直接融资，但无法有效阻止房地产开发企业以个人住宅按揭贷款等途径，从银行间接获取更多贷款。
关键词：货币政策信贷传导机制；房地产市场；VAR模型
一、引言
近年来，学者对资产价格波动与货币政策制定进行了深入研究，并研究检验房地产价格波动在货币政策传导过程中的作用。例如，Frederic S. Mishkin(2007)认为通过利率政策，货币政策影响房地产市场，并通过以下6种渠道直接或间接影响宏观经济：(1)资本成本渠道；(2)未来房地产价格预期；(3)住房供给；(4)房地产价格波动的财富效应；(5)消费者的资产负债表和信贷渠道；(6)住房需求的资产负债表和信贷渠道①。然而，货币政策房地产价格传导机制的复杂性，成为研究房地产价格波动与货币政策制定的又一难题。例如，Smets(1997)认为中央银行对超出预期的资产价格变化的响应，应该取决于这些变化对通货膨胀前景的影响。Smets的分析认为最优的货币政策响应是基于资产价格变动是怎样影响中央银行的通货膨胀预测的，而中央银行的预测依赖于两个因素：资产价格在货币的传导机制中所扮演的角色和资产价格变动所含有典型信息。因而对货币政策房地产价格传导机制有效性，对于分析房地产价格波动是否应该成为货币政策制定的依据，具有重要的意义。
鉴于此，本文根据2000-2010年我国季度宏观经济数据，检验我国房地产市场货币政策信贷传导渠道是否顺畅。本文余下部分安排如下：第二部分，文献回顾；第三部分，研究方法和数据；第四部分，实证研究结果；第五部分，研究结论。
二、文献回顾
自19世纪60年代末以来，对信贷渠道的理论研究有两条主要方向，一是从信贷配给角度研究货币政策传导的信贷渠道，另一方向是由Bernanke和Blinder(1988)率先提出的，由银行贷款渠道和资产负债表渠道组成。银行贷款渠道侧重于中央银行运用货币政策影响存贷机构的贷款供给能力，以及贷款依赖型私人部门的存在。对银行而言，贷款与债券不可完全替代，银行缺乏存款负债的相近替代品；对借款者来说，也缺乏银行信贷的替代品。在以上约束条件下，银行信贷量的变动就会对总支出产生独立的影响。而资产负债表渠道强调货币政策通过对借款者平衡表状况的影响改变借款者外部融资溢价的大小，进而影响其投资以及消费决策。鉴于房地产价格在货币政策调控过程中具有不可忽视的作用，学者开始关注房地产市场货币政策信贷传导机制有效性，并对此问题进行了理论与实证研究。
理论研究多在现有货币政策传导机制的研究基础上，引入房地产或银行抵押贷款部门，探讨相关变量对货币政策冲击的反应。例如，Aoki等(2004)将BGG模型引人了房地产部门经济，研究了房地产在货币政策中的传导作用。在该模型中，住房既提供一定的消费服务，也是家庭借贷的抵押品，在一定条件下，金融加速器效应放大了货币政策冲击对住房投资、住房价格和消费的影响。以英国为例，由于信贷市场结构的变化，减小住房抵押的消费借贷成本，虽然可以增加货币政策冲击对消费的影响，却降低了对住房价格和住房投资的影响。另一方面，房地产市场货币政策信贷渠道传导机制有效性的检验，研究成果众多。Mohammad和Majid(2002)基于Modigliani的研究认为，通过利率、信用额和财富效应了解货币政策对于房地产价格的影响，对政策制定者和研究者都很重要，他们研究了自1968-1999年英国房地产投资与宏观经济因素之间的关系，用VAR模型进行方差分解，得出财政政策对房产消费有着温和而明显的影响，而货币政策对房产消费有更大且长期的影响。Iacoviello(2002)、lacoviello(2005)采用房价与GDP、通货膨胀率、利率、广义货币的VAR模型来分析欧洲六国(包括法国、德国、意大利、西班牙、瑞典、英国)房地产价格与宏观经济的相互影响。Iacoviello和Minetti(2007)通过构建4个VAR模型分析了货币政策在芬兰、德国、挪威和英国等国家对房地产市场的影响后得出结论，信贷传导渠道的有效性与一个国家的房地产市场结构特征相关联。芬兰和英国属于银行信贷渠道，但不能排除存在资产负债表渠道的可能性，德国货币政策传导机制则表现为纯粹的资产负债表渠道，挪威没有显示出有信贷渠道的迹象。
近年来我国房地产市场发展迅速，房地产价格在货币政策传导机制中的作用开始得到学者的重视。刘斌(2003)认为，房地产业的发展为央行货币政策的传导提供了新的途径，由于住房已经成为普通居民最主要的资产形式和最主要的负债，因此央行的货币政策可以通过房地产业对居民的经济行为产生显著的影响。丁晨、屠梅曾(2007)运用向量误差修正模型(VECM)实证检验房价在货币政策传导机制中的作用。分析结果表明，房价在货币传导机制中的作用较为显著，房地产价格渠道的总体传导效率较高。李树丞、曾华珑和李林(2008)根据1999-2006年的季度数据，运用SVAR模型对我国房地产价格波动在货币政策传导中的作用进行实证研究，结果表明，我国房地产价格的财富效应较弱，给定房地产价格1%的正向冲击，消费只上升0.002%，投资效应较强，投资上升0.1%。房地产价格波动在货币政策传导中的作用比较明显，在货币政策对消费和投资的影响中的贡献分别为10%和6.7%。胡莹、潘耀明和仲伟周(2008)利用VAR模型实证分析的结果是房地产价格传导我国货币政策存在着障碍，并没有表现出显著的财富效应和投资效应，利率也不能充分发挥对房地产市场的调节作用。戴国强、张建华(2009)利用结构VAR模型对我国房地产价格的货币政策传导机制进行实证研究，结果表明，房地产价格对投资和消费的传导存在阻塞，即我国房地产市场的财富效用和投资效用不显著。黄飞雪和王云(2010)采用2005年7月到2009年9月宏观经济数据构建SVAR模型，分别从货币供给的利率传导机制、现金余额效应、汇率传导机制以及房地产价格对货币供给的反馈机制四个角度进行实证分析，发现货币量的增加和汇率上升都会带来房价的大幅上涨，而利率提高所带来的房价下降程度很小，房价的上涨会引起物价和消费上涨。因而认为当今房地产市场中，存在着货币政策的房价传导机制。
可以发现，国外研究检验更加成熟、深入，不仅仅探讨了房地产市场货币政策传导机制有效性，而且进一步具体到信贷传导渠道。而在我国国内，学者重点着眼于房地产价格波动对消费和投资的影响，因而当前的研究成果更多的是从结果角度进行了检验，但是房地产价格与银行信贷关系紧密，银行信贷在银行信贷在房地产价格波动影响宏观经济过程中，起到了重要的作用，因而从银行信贷角度研究检验，可以深入探讨影响房地产价格市场货币政策传导机制有效性的根源。
三、研究方法及数据
(一)基本数据选取及来源
利率形成机制完善，市场化程度高，并且市场反应灵敏，是利率规则指导下的货币政策成功实施的前提条件。自1996年第二季度开始，我国放开了同业拆借市场，实现由拆借双方根据市场资金供求自主确定拆借利率。特别是近几年来，我国逐步扩大金融机构贷款利率浮动区间和实行再贷款浮息制度和差别存款准备金率制度。可以得出，1996年前我国利率形成机制不完善，市场化程度低，市场反应迟缓，而1996年后，我国利率市场化改革逐步取得了重大进展，利率市场化程度不断提高。另一方面，自1998年房地产市场化改革开始，我国房地产市场迅速发展，并且在强劲的需求推动下，房地产价格一直保持上涨趋势。利率政策成为央行调控宏观经济的重要政策手段，但直到2003年，我国银行才开始重视利率政策对房地产价格的调控。综合考虑上述情况，本文样本区间选择为2000-2010年。
为了检验房地产市场货币政策信贷渠道是否顺畅，本文具体变量选取如下：(1)银行短期贷款利率，采取六个月至一年金融机构贷款利率，并且采用时间加权方式计算季度利率；(2)房地产价格指数选取国房景气指数中的房屋销售价格指数；(3)银行个人住房贷款、银行房地产开贷款和银行信贷分别采取人民银行金融机构个人住房贷款、房地产开发贷款余额和和各项贷款余额；(4)通货膨胀采用我国统计局公布的消费者价格指数；(5)产出采用工业增加值。并且对各名义变量进行自然对数处理；最终数据处理后的银行短期利率、房地产价格指数、个人住房贷款、房地产法开发贷款、银行贷款总额、国内生产总值和消费者价格指数分别以si、 LNHP、LNIML、LNFML、LNTL、LNY和LCPI表示。
本文研究数据来源于：(1)国家统计局；(2)人民银行；(3)中国货币政策执行报告。
(二)实证检验检验方法
众多研究文献多采用VAR模型、脉冲反应函数、因果关系检验等方法，研究货币政策在房地产市场传导机制，具体如，Svensson(1999a，1999b)、Mohammad和Majid(2002)、Iacoviello和Minetti(2007)的实证研究。本文将房地产市场货币政策传导机制具体到银行贷款渠道和资产负债表渠道，检验我国货币政策通过房地产市场，影响银行抵押贷款和银行信贷，进而影响产出和通货膨胀，这一传导渠道是否顺畅。
在短期内价格粘性的假设条件下，所货币政策首先影响产出，然后才影响价格水平。这一顺序与Svensson(1999a，1999b)提出的以通货膨胀为目标的模型中货币政策传导机制相一致。而后，房地产价格变量置于其后，是因为货币政策制定者可能并不对房地产市场做出即时反应，而房地产市场却对所有冲击做出即时反应。最后，房地产价格波动影响银行信贷变量，如房地产开发贷款、个人住房贷款以及银行信贷余额等变量。有鉴于此，本文将利率作为货币政策的代理变量，构造3个VAR模型，对信贷渠道在房地产市场的传导机制进行分析，具体如下：
1.第一个模型变量：产出、通货膨胀率、短期利率、房地产价格和房地产贷款。房地产贷款主要包括房地产开发企业的银行贷款和个人住房按揭贷款。一般来说，当货币当局实施从紧的货币政策时，会出现银行贷款量下降和贷款需求的减少。
2.第二个模型变量：产出、通货膨胀率、短期利率、房地产价格、房地产贷款和银行贷款。第二个模型主要用来分析信贷渠道在房地产市场的具体表现。一般来说，从紧的货币政策一般会造成商业银行的授信规模减少，房地产开发企业和个人从银行渠道获取的贷款难度增加。
3.第三个模型变量：产出、通货膨胀率、房地产价格、房地产开发企业的银行贷款和个人住房贷款。第三个模型主要用来分析房地产贷款对房地产价格的影响，然后检验因房地产价格上涨而对消费和投资的影响，进而对产出和通货膨胀的影响。
四、实证检验结果
(一)单位根检验
根据2000-2010年季度我国房地产价格指数、个人住房贷款、房地产法开发贷款、银行贷款总额、国内生产总值和消费者价格指数的的季度数据，对我国房地产市场货币政策银行信贷渠道传导机制有效性进行检验。在利用所得数据进行经济分析之前，需要对其进行平稳性分析。在剔除相关变量的异常数据之后，运用ADF方法对各个变量的平整性进行单位根检验，具体结果如下：
注：检验形式(c,t,q)中．c、t、q分别代表单位根检验模型中的截距项、时间趋势和滞后阶数；是否含有截距项和时间趋势项，根据单位根方程截距项和时间趋势项系数的显著性确定；滞后阶数根据AIC和SC信息准则确定；△表示序列的一阶差分序列。
根据表1单位根检验结果可以得出，变量LNHP、LNIML、LNFML、LNTL、LNY和LCPI的ADF 统计量的绝对值高于10%临界值水平, 原序列在10%的显著性水平均接受零假设H0=0，因此变量LNHP、LNIML、LNFML、LNTL、LNY和LCPI的时间序列都是不平稳的。而LNHP、LNIML、LNFML、LNTL、LNY和LCPI变量序列的一阶差分序列，ADF统计量的绝对值低于5%临界值水平，△LNHP、△LNIML、△LNFML、△LNTL、△LNY和△LCPI在5%的显著性水平均拒绝零假设H0=0，因此变量的时间序列是平稳的。因而根据表1的单位根检验结果可得出以下结论，LNHP、LNIML、LNFML、LNTL、LNY和LCPI为一阶单整序列，即I（1）。
(二)协整关系检验
由单位根检验检验结果可知，相关变量序列均为I（1）序列，因此对LNHP、LNIML、LNFML、LNML（LNML=LNFML+LNIML）、LNTL、LNY和LCPI进行协Johanson整检验，具体回归结果如下：
注: ** (*)代表在5 %(1 %)的显著性水平上拒绝零假设，滞后阶数根据AIC和SC信息准则确定。
根据表2可以得出，3个模型中的变量之间存在协整关系，表明在我国房地产市场存在通过信贷渠道影响宏观经济的可能性。下面使用脉冲响应函数分别对房地产价格波动通过资产负债表渠道和信贷渠道对产出和通货膨胀的影响进行分析。
(三)脉冲分析
1.模型一脉冲响应结果
从图1可以得出，在给利率一个正的标准差的冲击之后，通过房地产价格、房地产开发企业的银行贷款和个人住房贷款渠道逐步反映到宏观经济。利率提高带来的是房地产价格的正向冲击，第2期达到最大值0.013652。而后，房地产价格呈现下降趋势，直至第6期下行至-0.031446。此后，表现为上升趋势，并持续相当长的时间，到第10期，上升至0.010561。这一点与近年以来银行贷款利率提高和房地产价格上涨的事实是一致的。利率对房地产贷款的抑制作用很明显，在初始期，房地产贷款余额开始减速，从第2期变为负值，并持续到第5期。
上调贷款利率向市场传递了政府调控房地产价格的政策目标，因而短期内会降低购房者房地产价格预期，预期行为会影响公众当期的投资行为，降低居民购房需求，房地产价格有下滑压力。但鉴于房地产卖方市场特点，购房者会在短期内调整房地产价格预期以及购房需求，房地产下行趋势很快结束。另一方面，上调短期贷款利率，房地产开发商资金使用成本增加，新开工的房地产项目开发成本上升。大型开发商拥有更大的市场势力，更高的市场势力直接演变为更高的项目定价能力，从而为了保证项目的盈利能力，要求更高的房屋售价。此外，小型开发商也会紧随其后，开始提高房屋售价。受这两方面作用力的影响，房地产价格开始出现攀升趋势，从而出现短期利率对房地产价格的正向影响力度增加，房地产价格上涨。因而利率提高减少了房地产贷款的供给，但不能有效抑制房地产贷款，房地产价格波动会通过银行房地产信贷而逐步反映到宏观经济，利率提高带来的是产出和通货膨胀的正向冲击，说明货币政策在整个国民经济与房地产市场的传导效应是不一致的。
2.模型二脉冲响应结果
从图2可以得出，在给利率一个正的标准差的冲击之后，通过房地产价格、房地产行业贷款、银行贷款渠道逐步反映到宏观经济。利率提高带来的是房地产价格的正向冲击，第1期最大值0.010125。而后，房地产价格呈现下降趋势，自第5期开始为负，第6期下行至-0.012136。此后，表现为上升趋势，到第8期，上升至-0.001221。利率对银行房地行业贷款的抑制作用明显，自第1开始为负，并与第2期达到最小值-0.018816。此后，开始上行，并在第10期达到最大值0.005221。而银行贷款余额也自第1开始为负，并且在第2期达到最小值-0.013033。此后，开始上行，自第7期开始为正，并在第10期达到最大值0.005709。
上调贷款利率，会通过影响房地产市场预期，并且在房地产卖房市场等特点共同作用下，导致房地产价格出现下行趋势，但下行趋势很快结束，房地产价格开始回升。房地产价格的波动会反映到银行抵押信贷市场，房地产价格随利率政策下行，会增加房地产市场购房者的市场观望情绪，因而最初房地产价格与银行抵押贷款之间存在负相关关系，但是随着房地产价格下行，考虑到我国房地产市场需求强劲，购房者观望情绪降低，市场成交量开始上升，因而个人住房抵押贷款增加。并且随着房地产价格回升，房地产投资增长，进而银行房地产开发贷款也进一步增长。随着银行抵押贷款的增长，银行贷款余额也不断上涨。因而可以得出，利率提高能有效抑制房地产行业贷款和银行贷款供给，但持续时间较短。房地产价格波动通过抵押贷款、银行信贷渠道逐步反映到宏观经济，利率提高带来的是产出和通货膨胀的正向冲击，说明货币政策在整个国民经济与房地产市场的传导效应是不一致的。
3.模型三脉冲响应结果
从图3可以得出，在给利率一个正的标准差的冲击之后，通过房地产价格、房地产开发企业的银行贷款和个人住房贷款渠道逐步反映到宏观经济。利率提高带来的是房地产价格的正向冲击，第2期达到最大值0.007736。而后，房地产价格呈现下降趋势，直至第6期下行至-0.017740。此后，表现为上升趋势，到第9期，上升至0.003587。利率对银行房地产开发贷款和个人住房贷款的抑制作用并不明显，在初始期，房地产开发贷款余额开始减少，并于第4期达到最小值0.001537，此后开始上行。而个人住房贷款余额开始减少，自第2期开始为负，并于第4期达到最小值-0.021402。此后，开始上行，并在第10期达到最大值0.032932。
与模型1和2的检验结果类似，上调贷款利率，房地产价格最初会出现下行趋势，但下行趋势很快结束，房地产价格开始回升。在快速城市化进程、人口红利以及人民币升值条件下，确实存在强劲的房地产需求，因而房地产价格下行却未能抑制房地产开发贷款的发放。银行支持房地产业发展体现在两个方面，一是直接支持企业的房地产开发投资，二是通过发放个人住房按揭贷款间接转化为房地产开发投资。由于对个人住房贷款的限制较小，仍有较多资金由个人住房贷款间接转化为房地产开发资金，印证了图中房地产贷款在利率的冲击下不减反增的现象。其实，利率提高抑制房地产开发贷款仅仅限于银行对房地产企业的直接贷款，而房地产企业的自筹资金、工程垫款也大多间接来自银行贷款。房地产开发企业存在通过关联企业贷款、挪用已开工项目资金、向省外企业借款以及销售回款再投资等方法来拼凑自有资金。
因而可以得出，在信贷渠道的传导过程中，利率提高没有起到紧缩房地产“银根”的作用，房地产开发贷款和个人住宅贷款虽然出现了下行趋势，但持续时间断和下行幅度小，总体而言，商业银行对房地产业的贷款供给也没有减少，结果造成房地产价格的上涨最终，利率提高带来的是产出和通货膨胀的正向冲击。
五、实证检验结论
对于房地产市场货币政策信贷传导机制有效性的检验分析，可以从利率政策对房地产价格的影响，房地产价格波动对银行抵押贷款、银行贷款余额的影响，以及抵押贷款和银行信贷波动对产出和通货膨胀的影响进行分析。本文构建了3个向量自回归模型，对货币政策在房地产市场的传导机制进行实证检验。首先，协整检验结果表明各组变量之间存在着长期稳定的均衡关系，这就证明了信贷渠道在我国房地产市场存在传导的可能性。然后，在此基础上，进行脉冲响应函数分析，检验了信贷渠道在房地产市场传导的具体表现。在信贷渠道传导过程中，提高利率对控制商业银行在整个国民经济中贷款供给是有效的，但对抑制商业银行在房地产市场的贷款供给效果不明显。提高房地产贷款利率，抑制了房地产开发企业从银行的直接融资，但无法有效阻止房地产开发企业以个人住宅按揭贷款的增加等途径从银行间接获取更多贷款。总体而言，商业银行对房地产业的贷款供给也没有减少，结果造成房地产价格的上涨，房地产开发贷款和个人住宅贷款对房地产价格的正向带动作用。房地产开发贷款刺激房地产价格上涨的作用机理和货币渠道传导对房地产价格的影响是一致的。因而可以得出，在信贷渠道的传导过程中，利率提高没有起到紧缩房地产“银根”的作用，在房地产贷款增加的条件下，提高房地产贷款利率，不能有效抑制房地产价格上涨。房地产价格波动通过抵押贷款、银行信贷渠道逐步反映到宏观经济，说明货币政策在整个国民经济与房地产市场的传导效应是不一致的。
参考文献：
[1]戴国强和张建华，《货币政策的房地产价格传导机制研究》，财贸经济,2009年第12期.
[2]丁晨和屠梅曾，《论房价在货币政策传导机制中的作用――基于VECM 分析》，数量经济技术经济研究, 2007(11):32- 37.
[3]李树丞、曾华珑和李林，《房地产价格波动对货币政策传导的作用研究》，财经理论与实践,2008,(6).-17-21.
[4]刘斌，《作为传导途径的房地产业对货币政策的影响――以上海为例》，上海金融，2003,(1):21-23．
[5]胡莹、潘耀明和仲伟周，《房地产价格传导货币政策效果的实证研究》，上海金融, 2008 (11) : 50 - 54.
[6] Aoki K., Proudman J. and Vlieghe G, 2004. “House Prices,Consumption,and Monetary Policy:A Financial Accelerator Approach”, Journal of Financial Intermediation,2004(13):414-435.
[7] Bernanke, Ben S & Blinder, Alan S., 1988. “Credit, Money, and Aggregate Demand”, American Economic Review, American Economic Association, vol. 78(2), pages 435-39, May.
[8] Hasan, Mohammad S., Taghavi, Majid, 2002. “Residential investment, macroeconomic activity and financial deregulation in the UK: an empirical investigation”, Journal of Economics and Business. Volume (Year): 54 (2002), pp. 447-462.
[9] Iacoviello, M., 2002. “House Prices and Business Cycles in Europe: a VAR Analysis”, Boston College Working Papers in Economics 540, Boston College Department of Economics.
[10] Iacoviello, M., 2005. “House Prices, Borrowing Constraints, and Monetary Policy in the Business Cycle”, American Economic Review, American Economic Association, vol. 95(3), pages 739-764, June.
[11] Iacoviello, M. and Minetti Raoul, 2007. “The credit channel of monetary policy: Evidence from the housing market”, Journal of Macroeconomics, 30(2008),69-96.
[12] Frederic S. Mishkin, 2007. “Housing and the Monetary Transmission Mechanism”, NBER Working Papers 13518, National Bureau of Economic Research, Inc.
[13] Frank Smets, 1997. “Financial-asset Prices and Monetary Policy: Theory and Evidence”, RBA Annual Conference Volume, in: Philip Lowe (ed.), Monetary Policy and Inflation Targeting Reserve Bank of Australia.
[14] Svensson, L., 1999a. “Inflation Targeting as a monetary Policy Rule”, Journal of Monetary Economics, Vol. 43 (3), 607-654.
[15] Svensson, L., 1999b. “Inflation Targeting: Some Extensions”, Scandinavian journal of Economics, Vol. 101 (3), 337-361.