經(jīng)濟政策不確定性與房價波動*
——來自70個大中城市的證據(jù)

張 方

一、引言

自1998年房改以來，房地產(chǎn)行業(yè)成為我國國民經(jīng)濟的重要支柱產(chǎn)業(yè)。2007年美國次貸危機引起的房地產(chǎn)市場崩盤拉開了全球金融危機的序幕。房地產(chǎn)的價格波動逐漸得到各國政府重視，并被納入宏觀經(jīng)濟管理。與此同時，房地產(chǎn)價格的迅速攀升也為我國經(jīng)濟的持續(xù)穩(wěn)定發(fā)展埋下了隱患。從理論上講，房價的長期趨勢主要取決于供給和需求的平衡，但短期內(nèi)的波動則更多受到宏觀經(jīng)濟變量外生沖擊的影響。在不同的經(jīng)濟政策背景下，各種宏觀調(diào)控政策的變化往往被賦予不同的含義，其對房價的影響也會產(chǎn)生差異。

面對近20年來房地產(chǎn)價格過快上漲的情況，我國政府實施了各類宏觀調(diào)控措施對房地產(chǎn)市場進行干預(yù)。由于宏觀經(jīng)濟政策的頒布具有一定的隨機性，產(chǎn)生影響的范圍和程度也并不完全可控，并且公眾對于政府實施的經(jīng)濟政策無法形成準確有效的預(yù)期，頻繁的宏觀調(diào)控必然給市場帶來波動。Baker等(2016)對經(jīng)濟政策不確定性(economic policy uncertainty，EPU)給出如下定義：由于政府制定實施經(jīng)濟政策的隨機性，從而無法對未來政策進行準確預(yù)期所造成的經(jīng)濟風險。政策的不確定性會使得房地產(chǎn)市場供需雙方面對各類外部沖擊時的行為發(fā)生改變，從而導(dǎo)致市場短暫失靈，引起市場不必要的非理性波動。隨著理論研究和政策實踐的不斷深入，研究者們逐漸意識到政策不確定性與個體預(yù)期有著密切的聯(lián)系，從而導(dǎo)致其對房地產(chǎn)市場的調(diào)控產(chǎn)生深遠影響(張浩等，2015；劉金全和畢振豫，2018)。

回顧已有文獻不難發(fā)現(xiàn)，雖然有不少針對經(jīng)濟政策不確定性和房地產(chǎn)價格的研究，但大多基于歐美發(fā)達國家。中國作為最大的新興市場，也是世界第二大經(jīng)濟體，深入研究經(jīng)濟政策不確定性與房價的互動關(guān)系對作為支柱產(chǎn)業(yè)的房地產(chǎn)市場的持續(xù)健康發(fā)展具有重要意義。相比已有文獻，本文的主要貢獻包括以下四個方面。首先，與已有文獻采用的BBD EPU指數(shù)不同，本文將首次采用Huang 和 Luk(2020)的EPU指數(shù)研究其對房價波動的影響。其次，現(xiàn)有關(guān)于我國EPU和房價關(guān)系的研究大多采用的是向量自回歸(VAR)模型，包括門限向量自回歸(TVAR)模型、平滑轉(zhuǎn)換向量自回歸(LSTVAR)模型、門限參數(shù)時變向量自回歸(LT-TVP-VAR)模型等，此類VAR模型主要用于分析時間序列的回歸。由于本文是基于70個大中城市的實證研究，故從面板數(shù)據(jù)的角度出發(fā)，使用面板協(xié)整檢驗、面板格蘭杰因果檢驗和面板向量自回歸模型探究EPU對房價波動的影響。再次，現(xiàn)有研究僅限于對全國房價進行整體分析，而實際上我國地區(qū)經(jīng)濟發(fā)展水平差異很大，各地的房地產(chǎn)市場也呈現(xiàn)出不同的特征。近年來，房地產(chǎn)調(diào)控政策堅持“因地制宜、因城施策”的原則，房地產(chǎn)市場的分化調(diào)整成為今后一個時期的主基調(diào)。鑒于此，本文以城市群為基礎(chǔ)，對70個大中城市進行地區(qū)分類，探究EPU如何影響不同城市群的房價波動。最后，分別使用新建商品住宅價格指數(shù)和二手房銷售價格指數(shù)這兩個房價指數(shù)，對比EPU對新建住宅和二手房市場的不同影響。

二、文獻綜述

自2008年全球金融危機以來，經(jīng)濟政策不確定性對宏觀經(jīng)濟的沖擊引起了越來越多學(xué)者的關(guān)注。許多研究表明，EPU對各類經(jīng)濟變量都存在顯著影響。例如，國際貨幣基金組織(IMF)的報告(2012，2013)指出，美國和歐洲的財政、貨幣、稅收等經(jīng)濟政策的不確定性和波動是引起2008年全球金融危機的重要原因之一。

由于房屋是同時具有消費屬性的消費品和投資屬性的資產(chǎn)(Zhang & Zhang，2019)，房價的變動必然會受到各類宏觀沖擊的影響(譚政勛和王聰，2015)。例如，從投資者角度而言，經(jīng)濟政策的高度不確定性會降低投資者對市場的預(yù)期和信心，從而抑制消費和投資行為(Ang，2008；Wang et al.，2014)。從這個思路出發(fā)，Bloom(2009)認為，在房地產(chǎn)市場中，EPU會導(dǎo)致房價的變化。隨后，越來越多的文獻印證了EPU對房地產(chǎn)市場的顯著作用(Antonakakis et al.，2015；Antonakakis & Floros，2016；Su et al.，2016；El-Montasser et al.，2016；Christou et al.，2017；Aye，2018；Christidou & Fountas，2018；Jeon，2018)，但大多數(shù)文獻主要集中于研究發(fā)達國家的案例。例如，Su 等(2016)研究了EPU和德國房地產(chǎn)市場回報率的因果關(guān)系。El-Montasser 等(2016)對加拿大、法國、德國、意大利、西班牙、英國和美國7個發(fā)達國家的EPU與房價之間的關(guān)系進行研究，發(fā)現(xiàn)二者之間存在雙向因果關(guān)系。Antonakakis 和 Floros(2016)從英國的案例出發(fā)，發(fā)現(xiàn)EPU對房地產(chǎn)市場、股票市場和宏觀經(jīng)濟都有一定的影響。Christou等(2017)采用貝葉斯方法對OECD成員國的面板數(shù)據(jù)進行分析，發(fā)現(xiàn)EPU對預(yù)測房地產(chǎn)市場的回報率有顯著作用。Christidou 和 Fountas(2018)通過GARCH模型對美國各州的研究發(fā)現(xiàn)，EPU可以促進房地產(chǎn)投資增長和抑制房價上漲。Jeon(2018)采用VECM模型分析發(fā)現(xiàn)，韓國、日本、中國及中國香港這四個重要的亞洲國家和地區(qū)的EPU對房價都產(chǎn)生了顯著的負作用。

較之發(fā)達國家，針對發(fā)展中國家的EPU與房地產(chǎn)市場的研究相對匱乏。Chow等(2017)從非線性的角度出發(fā)，對中國和印度兩大新興市場的EPU和房價指數(shù)進行因果測試，發(fā)現(xiàn)二者之間存在顯著關(guān)系，再次印證了EPU對更好地理解和預(yù)測房地產(chǎn)市場走勢起著重要作用。Huang等(2019)從宏觀層面研究出發(fā)，發(fā)現(xiàn)不僅EPU對中國房價有顯著的抑制作用，EPU的波動率也對房價有顯著的影響?；诟黝怴AR模型，國內(nèi)學(xué)者也探究了EPU與房價之間的關(guān)系。張浩等(2015)發(fā)現(xiàn)，在EPU程度較高和較低兩種不同狀態(tài)下，房價波動受宏觀經(jīng)濟變量的沖擊存在差異性。胡國慶(2017)的研究結(jié)果表明，在以EPU為門限條件下，匯率預(yù)期對房價波動具有明顯的非對稱性特征。劉金全和畢振豫(2018)在EPU視角下，發(fā)現(xiàn)了貨幣政策對房價的調(diào)控具有顯著的時變特征和非對稱性。此外，張方(2021)以長江經(jīng)濟帶城市為例，通過條件收斂模型發(fā)現(xiàn)EPU對新房價格和二手房價格的收斂性均具有顯著的促進作用。

綜上所述，現(xiàn)有文獻多是針對發(fā)達國家的研究，僅有的關(guān)于我國EPU和房價波動的研究也存在著一定的局限性，如多是基于VAR模型的時間序列研究。因此，本文基于新的EPU指數(shù)和面板數(shù)據(jù)，對EPU如何影響我國房價波動進行深入分析。

三、數(shù)據(jù)和模型

(一)數(shù)據(jù)來源與描述

本文選取中國70個大中城市新建商品住宅價格指數(shù)(HPI)和二手商品住宅價格指數(shù)(HPI2)的月度數(shù)據(jù)分別作為因變量，區(qū)間為2006年1月至2018年12月，數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站。選取同時期內(nèi)的EPU月度數(shù)據(jù)為自變量，數(shù)據(jù)來自Huang和Luk(2020)的研究。圖1顯示了2006年1月至2018年12月EPU的走勢。如圖1所示， 2008～2009年由美國次貸危機引發(fā)的全球金融危機和2011年8月美國歷史上第一次主權(quán)信用評級的降級，對我國的經(jīng)濟政策產(chǎn)生了重大影響。其后，2015年8月人民幣匯率改革標志著人民幣由固定匯率制向市場匯率制過渡，由此引發(fā)了經(jīng)濟政策的劇烈波動。而自2017年1月美國特朗普總統(tǒng)上臺后，挑起了一系列針對中國的貿(mào)易爭端，也大大增加了我國經(jīng)濟政策的不確定性。同時，為了研究EPU對不同城市群房價波動的影響，依據(jù)相關(guān)批復(fù)，將70個大中城市分為14個國家級城市群(見表1)。

圖1 2006～2018年經(jīng)濟政策不確定性

表1 14個國家級城市群

(二)計量模型和檢驗

1.面板協(xié)整檢驗

數(shù)據(jù)序列的平穩(wěn)性只是避免偽回歸的必要條件，此外還需要用協(xié)整檢驗判斷變量之間是否存在長期的穩(wěn)定關(guān)系。面板協(xié)整的檢驗方法已從最初的同質(zhì)面板檢驗和異質(zhì)面板檢驗發(fā)展為包含結(jié)構(gòu)突變的面板檢驗。Kao(1999)和Pedroni(1999，2004)最早提出了以E-G 兩步法的回歸殘差為基礎(chǔ)的協(xié)整檢驗方法。隨后，Westerhund (2005)則提出了允許面板協(xié)整回歸模型的常數(shù)項和趨勢項存在多個結(jié)構(gòu)突變點的LM 檢驗。三種方法均要求協(xié)整變量本身之間不存在協(xié)整關(guān)系。Kao(1999)和Pedroni(1999，2004)采用了DF檢驗、ADF檢驗和PP檢驗；Westerlund(2005)使用了VR 檢驗，以檢驗誤差項是否平穩(wěn)。

2.面板格蘭杰因果檢驗

格蘭杰因果關(guān)系檢驗(Engle & Granger，1987)是檢驗平穩(wěn)時間序列經(jīng)濟變量之間因果關(guān)系常用的一種計量經(jīng)濟學(xué)方法，其基本理論是：X是否引起Y，Y能在多大程度上被過去的X所解釋，加入X的滯后值是否顯著并提高對Y的解釋程度。在時間序列的協(xié)整分析中，如果協(xié)整關(guān)系存在，就可以建立誤差修正模型，估計變量間的格蘭杰因果關(guān)系。面板數(shù)據(jù)中的因果檢驗同樣是建立在以時間序列為基礎(chǔ)的格蘭杰因果關(guān)系檢驗思想基礎(chǔ)之上的。由于本文采用多個城市數(shù)據(jù)作為樣本，考慮到各地市之間存在的區(qū)域差異(即面板異質(zhì)性)，以及地市相互影響關(guān)系(即截面相關(guān)性)，故采用Dumitrescu和Hurlin(2012)提出的一種全新的面板格蘭杰因果檢驗方法，該方法能夠在因果關(guān)系檢驗中有效處理面板數(shù)據(jù)存在的異質(zhì)性和截面相關(guān)性的影響。當統(tǒng)計量大于標準正態(tài)分布臨界值時，則拒絕原假設(shè)，說明存在因果關(guān)系；反之則接受原假設(shè)，即不存在因果關(guān)系。

3.面板向量自回歸(PVAR)模型

PVAR模型與VAR模型類似，假設(shè)所有變量都具有內(nèi)生性，因此使用PVAR模型可以忽略內(nèi)生性問題，這使得PVAR模型被廣泛應(yīng)用于各類宏觀經(jīng)濟問題分析中(Ramey & Shapiro, 1998)。PVAR模型有三個特點：第一，所有的內(nèi)生變量在每個單元都有滯后項，稱為“動態(tài)共生性”；第二，誤差項在不同單元之間相關(guān)，稱為“靜態(tài)共生性”；第三，公式中的截距、斜率和誤差項的方差在不同單元之間不同，稱為“橫截面的異質(zhì)性”。從某種程度上說，PVAR模型與存在動態(tài)和靜態(tài)共生性的大規(guī)模的VAR模型相似，不同之處在于橫截面的異質(zhì)性引入了誤差項的協(xié)方差矩陣(Canova & Ciccarelli，2013)。在我國，PVAR模型多用于研究經(jīng)濟增長的相關(guān)實證分析(陳曉玲和張毅，2017；王允和杜萌，2015；游士兵和蔡遠飛，2017)，鮮有將其用于分析房價波動的實證研究。

四、實證分析

(一)面板協(xié)整檢驗

因果分析要求變量必須為平穩(wěn)數(shù)據(jù)，因此，本文首先對各變量進行時間序列單位根檢驗和面板單位根檢驗。采用ADF 檢驗和Phillips-Perron 檢驗對70個大中城市的新建住宅價格指數(shù)(HPI)和二手住宅價格指數(shù)(HPI2)進行時間序列單位根檢驗。結(jié)果顯示，(1)限于篇幅，時間序列單位根檢驗的具體結(jié)果未匯報，如有需要可向作者索取。除武漢的HPI是在5%水平上顯著，其他所有大中城市的HPI和HPI2均在1%水平上顯著，即70個大中城市的HPI和HPI2均為時間序列平穩(wěn)數(shù)據(jù)。為了確保檢驗結(jié)果的穩(wěn)健性，結(jié)合相關(guān)文獻(Chow et al.，2017)，本文采用LLC 檢驗和IPS 檢驗進行面板單位根檢驗。結(jié)果顯示，所有數(shù)據(jù)均在1%水平上顯著，即都是平穩(wěn)數(shù)據(jù)(見表2)。

表2 70個大中城市房價的面板單位根檢驗

在進行因果分析之前，本文用面板協(xié)整檢驗來探究房價波動與EPU之間是否存在長期均衡關(guān)系。表3顯示了Kao 檢驗、Pedroni 檢驗和Westlund 檢驗三種協(xié)整檢驗方法的結(jié)果。結(jié)果顯示，無論是新建住宅價格指數(shù)還是二手住宅價格指數(shù)，都與EPU存在顯著的協(xié)整關(guān)系，即房價波動與EPU之間存在顯著的長期均衡關(guān)系。這一結(jié)論有助于我們進一步對房價和經(jīng)濟政策不確定性進行因果檢驗和PVAR模型的回歸。

表3 EPU與70個大中城市房價指數(shù)的面板協(xié)整檢驗

(二)面板格蘭杰因果檢驗

為了進一步探究EPU是否是房價波動的原因，即EPU是否引起房價指數(shù)變動，表4分別檢驗了EPU滯后1期至4期對HPI和HPI2的因果關(guān)系。從全國范圍看，EPU對HPI在滯后2期內(nèi)有顯著作用，從第3期開始，EPU不再影響HPI，說明對新建住宅價格的影響隨時間的推移而消失。EPU對二手住宅價格的影響卻持續(xù)了整個滯后期。進一步對14個城市群做面板格蘭杰因果檢驗，結(jié)果表明除蘭西城市群外，EPU在各個滯后期對各大城市群新建住宅價格基本沒有顯著影響。相對新建住宅，EPU對二手房價格的影響更為顯著，主要集中在京津冀城市群(滯后1期)、遼中南城市群(滯后1期、2期、4期)、長江中游城市群(滯后2期)、中原城市群(滯后1期至4期)、海峽西岸城市群(滯后1期)、北部灣城市群(滯后2期至4期)、成渝城市群(滯后1期)和蘭西城市群(滯后1期至4期)。

表4 EPU和房價指數(shù)的面板格蘭杰因果檢驗

續(xù)表

(三)面板向量自回歸模型和脈沖響應(yīng)分析

房價的波動對EPU的反應(yīng)具有一定的滯后性。面板格蘭杰因果檢驗的結(jié)果顯示，隨著時間推移，EPU的影響又逐漸淡化。因此，本文采用自變量的滯后1期至4期作為解釋變量，研究EPU對房價波動的影響。表5展示了把HPI和HPI2分別作為被解釋變量的PVAR模型估計結(jié)果。由圖2可見，新建住宅的價格在EPU變動后的2期有明顯的下降趨勢，隨后又在第3期恢復(fù)上漲；EPU滯后1期對二手房價格有輕微的抑制作用，但在隨后一期中轉(zhuǎn)變?yōu)檩p微的正作用。由此可見，不論是新建住宅還是二手住宅，EPU在某一時期造成房價下跌后，房價會在隨后的某一時期出現(xiàn)反彈。

表5 EPU和房價指數(shù)的PVAR模型參數(shù)估計結(jié)果

圖2 HPI和HPI2對EPU的脈沖響應(yīng)函數(shù)

為進一步研究EPU對不同城市群房價波動的影響，本文分別對14個城市群進行PVAR模型回歸。(2)限于篇幅，14個城市群PVAR模型的具體回歸結(jié)果未匯報，如有需要可向作者索取?？傮w上看，除個別城市群外，EPU對絕大多數(shù)城市群房價波動的影響并不顯著。從極少數(shù)影響顯著的例子來看，EPU對新建住宅和二手房價格的影響無規(guī)律可言，不具有普遍性和代表性。出現(xiàn)這種結(jié)果的原因，一方面，可能由于本文采用的EPU指數(shù)均為衡量全國范圍內(nèi)各類經(jīng)濟政策的不確定性，并非針對某一個城市(群)的政策不確定性，因而個別城市(群)房價的波動很難對某項針對全國范圍的經(jīng)濟政策變動做出反應(yīng)；另一方面，可能由于某些城市群覆蓋城市過少，造成回歸樣本不夠大，從而無法得到有效的回歸結(jié)果。盡管從針對各城市群的PVAR模型回歸沒有得到代表性的結(jié)論，但這為今后的研究提供了可能的思路和方向，即在將來有條件的時候，選取具體衡量各個城市(群)的EPU指數(shù)作為解釋變量，并獲取足夠大樣本，再用PVAR模型驗證各城市群房價波動與EPU指數(shù)的相互關(guān)系。

繼PVAR模型結(jié)果分析之后，本文采用脈沖響應(yīng)函數(shù)研究各內(nèi)生變量沖擊(EPU)對HPI和HPI2的影響作用。解釋PVAR模型參數(shù)估計的結(jié)果通常具有很大困難，很多參數(shù)的符號和顯著性都無法通過檢驗，但PVAR模型關(guān)注的焦點不僅在于此，還在于對未來的預(yù)測分析。脈沖響應(yīng)是這類預(yù)測分析的必要方法之一。圖2顯示了HPI和HPI2分別對EPU沖擊產(chǎn)生的反應(yīng)。由于本文采用的是月度數(shù)據(jù)，過短的時間跨度可能來不及探測到房價對EPU沖擊的反應(yīng)，而過長的時間跨度下房價對EPU沖擊的反應(yīng)也會逐漸消失，因此本文選取12期(一年)對脈沖響應(yīng)函數(shù)進行分析。如圖2所示，EPU對新建住宅價格產(chǎn)生持續(xù)抑制作用，而在對二手房價格產(chǎn)生抑制作用后不久，又推動了房價的反彈和上升。

五、結(jié)論及政策建議

作為宏觀調(diào)控的必然結(jié)果，經(jīng)濟政策的不確定性對房價波動產(chǎn)生的影響引起了研究者的廣泛關(guān)注。本文以此為切入點，通過面板協(xié)整檢驗、面板格蘭杰因果檢驗、面板向量自回歸模型和脈沖響應(yīng)函數(shù)等方法，考察經(jīng)濟政策不確定性(EPU)對房價波動的溢出效應(yīng)。首先，面板協(xié)整檢驗的結(jié)果顯示，新建住宅和二手房價格均與EPU存在長期均衡關(guān)系。其次，面板格蘭杰因果檢驗證實，從全國范圍看，EPU對兩類住宅價格均有顯著影響。但針對14個城市群的面板因果檢驗顯示，EPU對房價的影響主要集中于個別城市群的二手房市場。這可能是由于近些年來各地對新建住宅均實行“限價”政策，導(dǎo)致新建住宅價格對其他經(jīng)濟政策敏感度降低。再次，PVAR模型顯示，EPU在某一時期對房價產(chǎn)生抑制作用，但這種抑制作用并不能持續(xù)，房價在隨后的時期即發(fā)生反彈。但是，14個城市群的PVAR模型回歸結(jié)果表明，除極個別城市群外，EPU對絕大多數(shù)城市群房價波動的影響并不顯著。這可能由于本文采用的EPU指數(shù)是衡量全國范圍內(nèi)經(jīng)濟政策的不確定性，而非針對某一個城市(群)的政策不確定性，因此個體城市(群)房價的波動受到針對全國范圍經(jīng)濟政策的影響較小。這為今后的研究提供了可能的思路和方向，即未來可以選取衡量各個城市(群)的EPU指數(shù)作為解釋變量，并獲取足夠大樣本后，用PVAR模型驗證各城市群房價波動與EPU指數(shù)的相互關(guān)系。最后，脈沖響應(yīng)分析為EPU沖擊導(dǎo)致房價波動提供了更具體的證據(jù)，即EPU對新建住宅價格產(chǎn)生持續(xù)抑制作用，而對二手房價格的影響則是使其先抑后揚。綜合PVAR模型和脈沖響應(yīng)的結(jié)果來看，在經(jīng)濟政策不確定性增大的時候，房地產(chǎn)市場的反應(yīng)是消極的。以上發(fā)現(xiàn)也印證了Wang 等(2014)、Chow 等(2017)、Aye(2018)和Huang 等(2019)關(guān)于EPU對各國房地產(chǎn)市場存在顯著負效應(yīng)的結(jié)論。

綜上所述，經(jīng)濟政策的出臺雖然需要一定的時效性和及時性，但政策的頻繁變動所導(dǎo)致的不確定性往往會削弱其調(diào)控效果。因此，政府在制定經(jīng)濟政策時應(yīng)注意出臺政策的頻率和強度，著重考慮政策的長期穩(wěn)定性和前瞻性，避免政策朝令夕改而引起市場的過度反應(yīng)，從而對公眾預(yù)期和政府聲譽產(chǎn)生系統(tǒng)性影響。另外，由于經(jīng)濟政策不確定性主要通過改變心理預(yù)期和信心渠道對房地產(chǎn)市場產(chǎn)生影響，因此需要政府相關(guān)部門加強對民眾關(guān)于政策調(diào)控預(yù)期的解釋和引導(dǎo)，防止外界對宏觀政策變動進行過度解讀，從而降低政策調(diào)整對房地產(chǎn)市場的沖擊。