影响房地产市场的货币政策论文

2022-04-29

摘要：货币政策是调控我国宏观经济的重要手段，也是调控房地产市场的重要途径。首先从理论上定性分析中国货币政策对房地产价格影响的区域非对称性，然后选取中国30个省份2003—2016年数据为样本，将30个省份分为A、B、C、D四个区域，通过构建向量自回归模型进行实证分析。以下是小编精心整理的《影响房地产市场的货币政策论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

影响房地产市场的货币政策论文篇1：

关于资产价格对货币政策影响的思考

【摘要】伴随着资产市场的发展，以股价和房价为代表的资产价格的大幅波动给一国经济带来消极影响，同时也对央行的货币政策提出了挑战。本文从货币需求的稳定性、货币供给结构、货币政策的资产价格传导机制等方面展开分析，提出关注资产价格波动、灵活微调货币政策、有效释放预期的政策建议，并指出研究的方向。

【关键词】资产价格货币政策股价房价

一、研究背景

资产市场在为经济增长提供杠杆推动作用的同时，出现了资产市场不稳定而导致宏观经济大起大落，尤其是资产价格泡沫的产生、膨胀和破灭，正成为金融危机和经济动荡的重要原因。此次因美国次贷危机便是一次深刻教训。

我国证券市场建立十多年来，居民资产结構中有价证券份额持续增加，2009年股票市值总额达243939亿元，占GDP的比值攀升至72%。我国房地产自1998房改开始，市场化程度不断提高，逐渐成为国民经济的支柱产业，与此相伴随的是我国房价的连年高涨，持续高位运行。

股票市场和房地产市场的发展都为资产价格影响货币政策提供了基础。资产存量的不断增长以及资产价格的波动，既体现了金融深化程度的提高(资产存量与货币供应量M2之比)，又意味着货币供应与国民经济主要指标之间稳定性的弱化。因此研究资产价格对我国货币政策的影响具有重要意义。

二、资产价格与货币政策的关系

1.资产价格改变货币需求的稳定性

资产价格变化之所以会对货币政策产生影响，是因为它改变了货币需求的稳定性：一，资产价格变化会改变人们的货币需求偏好；二，在资产具有一定流动性的情况下，较高的收益率使大量的存款转化为资产而产生转移效应，最终导致货币供应量和结构发生变化；三，资产存量的增加使商品价格和资产价格之间的相关性有所增强；四，在资产存量不断膨胀、资产价格迅速上扬的情况下，货币的预防需求会下降，实际货币需求与货币政策的数量目标之间出现较大差异，宏观调控中需求管理的有效性有所减弱。

2.资产价格影响货币供给的结构

根据中民人民银行最近13个月（201009-201110）的数据显示：M2、M1增长下降趋势明显，而M0相对下降态势慢。

货币供应产生上述结构性变化，除了与利率调整等政策因素有关外，资产价格变化对货币供应的影响也不容忽视。首先，资产价格的不断上扬使货币的流动性有所增强，即便在央行调高存款利率的政策下，居民和机构仍愿意持有更多的现金，表现为M0呈下降态势。其次，资产价格的不断上扬使得储蓄的机会成本加大。在1年定期存款利率小于同期资产价格涨幅的基本环境下，对高收益率的追求使得资产需求看涨。与此同时，相对较低的名义利率导致储蓄心理出现扭曲，储蓄增长缓慢。再次，资产价格的不断上扬使得资金需求大量从生产领域转向非生产领域，资金进入虚拟运作。

3.货币政策的资产价格传导机制

资产价格一般包括股票价格、债券价格、汇率等金融资产与房地产价格。货币政策的资产价格传导机制分为两个环节，即货币政策对资产价格的影响以及资产价格将货币政策的信息传导到实体经济。

货币政策的资产价格传导机制基于以下因素：多元资产论；金融部门对货币供给的反应要早于实际部门；货币政策的资产价格传导是对利率传导论的一种补充。

第一阶段货币政策通过市场利率和货币供应量对资产价格产生影响。鉴于我国房价一直在高位运行，比较有代表性，根据1998年1月至2009年12月期间的月度数据，结合M2和我国市场化水平最高的银行间同业7天期拆借利率数据，三者之间的相关系数矩阵如下：

在第二阶段，主要通过财富效应、资产负债表效应、托宾Q理论、消费信贷效应等对投资和居民消费产生影响，进而影响宏观经济，现有研究已对此有详细介绍，不再赘述。

三、货币政策是否应该将资产价格纳入调控目标

资产价格变化会对货币政策的传导机制产生影响，因此资产价格是否应该作为货币政策中介就成为问题的核心。

目前，国内外还没有一致的观点。代表性的有两种观点：第一种观点认为资产价格不应该作为货币政策目标，货币政策无法改变影响资产价格的长期利率环境。该观点认为决定资产价格的因素复杂多样，既有基本面因素，也有非基本面因素，其中金融监管以及投资者信心等都会对资产价格产生影响，央行并不能有效预测和分解其中的因素，实践中更多的做法是在资产价格变化采取单方面调控，即通过及时注入充足流动性来缓解资产泡沫破裂后带来的影响，正如此次全球危机爆发后，各国央行大规模注入流动性所采取的做法一样。这种观点实际上是强调了央行处于类似“三元悖论”环境中，增加资产价格为调控目标会影响央行货币政策有效性。但是本文认为这种非对称的操作机制会增加投机者的道德风险，会给经济系统积累潜在风险。

另一种观点认为货币政策应当关注资产价格变动。强调央行对货币信贷的监测，尤其是在经济上升期及住房价格膨胀的阶段。现任美联储主席伯南克（2000）认为仅在资产价格影响了央行对通胀预期的情况下，资产价格的变化才会影响货币政策，即货币政策是否应该对资产价格波动作出反应，取决于其波动是否影响了社会对通胀的预期。

在如何看待资产价格对货币政策影响时，本文认为不应为资产价格规定调控界限，不能将其纳入我国货币政策调控目标，但也不能忽视资产价格的异常波动，应该及时挖掘资产价格波动对社会预期的影响，从而在制定货币政策时予以考虑。

首先，资产价格的变化不仅受货币政策所影响，而且受市场预期的影响。市场参与者持有资产的目的在于获得未来预期收益，预期因素在资产价格形成中意义重大。其次，货币政策的实施是引导短期利率变化而进行的，中央银行市场参与的目的在于影响金融系统的流动性或短期利率，不是长期利率，而资产价格则主要与对长期利率的预期相关。再次，资产价格变化不仅与国内的货币政策有关，而且与外部经济因素有关，如各国通货膨胀、利率、汇率以及国际游资等。最后，随着金融市场和金融工具的创新，资产的内容会相应地发生变化，难以找到具有广泛代表意义的资产价格指数。将资产价格纳入央行调控目标有很大的难度，在现阶段中央银行不具备有效调控资产价格从而实现间接调控物价和产出的基础。

四、政策建议

1.谨防资产价格泡沫的形成

资产价格泡沫会给经济造成严重的危害，它可能会摧毁市场信心、侵蚀企业资本、导致经济停滞以及引发金融危机，为此，有必要进行防止资产价格泡沫的对策研究。

具体措施方面：首先，完善金融法制、规范市场行为。加强对银行等金融机构的约束和管理，防止金融机构介入股票市场和房地产市场的投机活动，抑制大量资金过度流入资产市场及虚拟资本的过度膨胀。其次，资产价格泡沫的产生的原因之一就是人们的投机需求会在巨大的财富效应和非理性预期的条件下，形成羊群效应。而非理性预期是由信息不对称造成的，对投资者提供丰富有效的信息，帮助投资者对其投机行为进行较为准确的判断。再次，培养和引导投资者理性投资，使投资者正确认识投机风险和资产价格泡沫。

2.灵活运用货币政策

由于资产价格的变化对货币需求的稳定性、货币政策的传导机制等逐渐产生重要影响，因此，应在完善市场环境、确定货币政策目标以及灵活运用货币政策的技巧等方面作出相应的调整。

首先，伴随资产市场中介作用的增强，货币数量与经济总体实际需求量之间的量化关系趋于模糊化，货币政策重心应由货币数量控制向追求既定物价目标区间制的转移。其次，注重货币政策工具运用的灵活性、微调性，央行在微调的同时会向市场传递特定信息，有效改变社会预期。再次，高度关注房地产市场对宏观经济的影响。鉴于房地产业是国民经济的支柱产业，与宏观经济关联度极高，而且我国特殊文化传统决定了居民对住房的刚性需求，房价的增速甚至已经超越了经济层面成为了一个社会问题，软着陆是调控房价的关键。

五、未来的研究方向

资产价格与货币政策的关系是一个深刻复杂同时又意义深远的问题，从货币政策的资产价格传导机制到货币政策是否应该将资产价格纳入调控目标，继而是否应对资产价格做出反应以及如何做出反应等都是需要我们继续研究的课题，可以预见，伴随着资产市场的飞速发展，资产价格对货币政策的影响会更加广泛，有关资产价格和货币政策的问题会越来越突出。

参考文献

[1]Ben Bernanke,Mark Gertler,Agency Costs,and Business Fluctuations[J].TheAmericanEconomicReview,Vol.79,No.1(1989).

[2]Ben S.Bernanke,Mark Gertler,Monetary Policy and Asset Price Volatility[J].NBER Working Paper,No.7559(2000).

[3]Vitor Castro,Are Central Banks following a linear or nonlinear (augmented)Taylor rule?[J].NIPE WP,No.19(2008).

[4]丁晨,屠梅曾,论房价在货币政策传导机制中的作用:基于VECM分析[J].数量经济技术经济研究，2007（11）：106-114.

[5]翟强,资产价格与货币政策[J]经济研究，2001（7）:60-67.

[6]冯科，我国股票市场在货币政策传导机制中作用的实证分析[J].中央财经大学学报，2010（11）：21-26.

[7]孙华妤,中国货币政策独立性和有效性检验[J].当代财经, 2006(7):26-32.

[8]孙华妤,马跃,中国货币政策与股票市场的关系[J].经济究, 2003[7]:44-91.

[9]赵琪,货币、信贷与总需求:基于信贷渠道的货币政策传导机制研究[J].中央财经大学学报,2010(10):38-42.

作者简介：贾雷（1983-），男，汉族，山西人，上海理工大学管理学院2009级国民经济学专业研究生；赵洪进（1964-），男，汉族，河北人，上海理工大学管理学院教授、MBA中心主任，研究方向：财务金融、战略规划。

作者：贾雷赵洪进

影响房地产市场的货币政策论文篇2：

我国货币政策对房地产价格影响的区域非对称效应研究

摘要：货币政策是调控我国宏观经济的重要手段，也是调控房地产市场的重要途径。首先从理论上定性分析中国货币政策对房地产价格影响的区域非对称性，然后选取中国30个省份2003—2016年数据为样本，将30个省份分为A、B、C、D四个区域，通过构建向量自回归模型进行实证分析。结果表明，A区的房地产价格对货币政策传导效应最强，对于利率和货币供应量冲击响应程度最强，C区D区次之B区最弱。且对货币政策反应的持续时间为，A、B区持续时间短，C、D区持续时间长。

关键词：货币政策；房地产价格；区域非对称性；向量自回归模型

引言

近年来，逐步攀升的房地产价格已超出了一般城镇居民的购买能力，2008年次贷危机爆发后货币政策对房地产市场调控的必要性再一次受到了学术界的极大关注。回顾政府对房地产市场的调整措施，主流分为了四个阶段：支持发展阶段（1998年6月至2003年6月）；调控房价阶段（2003年7月至2008年9月）；刺激房市阶段（2008年10月至2010年6月）；整体调控房地产泡沫阶段（2010年7月至今）。国家频繁出台的政策稳定了部分城市的房价满足了一部分低收入家庭的住房刚需，但对于北京、上海等经济发展水平较高的城市同时外来人口较多的城市来说，房价不降反升，高涨的房价仍是横在住房刚需前的一道鸿沟。

由于我国各地区之间经济发展水平、金融一体化程度、对外开放程度、资本流动性等因素存在较大差异，导致了货币政策对各地区房价的不同影响，如各区敏感程度、各区影响时滞、各区政策效果都存在差异。那选用货币政策调控房地产市场区域效果具体是什么样的？哪一货币政策手段更加有效？本文将围绕以上问题展开研究并提出相关建议。

一、文献综述

首先对货币政策在房地产市场的传导途径进行系统的理论分析，翻阅大量文献进行总结归纳目前学者的研究成果。

Bernanke（伯南克）和Gertler（格特勒）（1995）、Murphy（莫菲）（1997）认为，货币政策在房地产市场的传导效应中，信贷渠道作为一种间接渠道作用更为显著[1～2]。而Mishkin（米什金）（2007）认为，货币政策在作用于房地产市场时，利率渠道起到了主要传导作用[3]。对此国内学者王先柱（2011）从房地产市场的供给方面验证了货币政策利率渠道、信贷渠道对其的影响[4]。张红、李洋（2013），在Carlino（卡利诺）和Defina（德菲纳）研究基础上证明货币政策在作用于房地产市场产生区域性差异时，利率渠道、信贷渠道对房地产市场的影响[5]。张小宇、刘金全（2015）构建向量自回归模型（STVAR）发现在经济发展新常态时期货币政策与对房地产市场影响更为显著[6]。梁斌、李庆云（2011）通过对建立含房地产部门的一般均衡模型进行研究，提出当政府仅仅调控房地产价格而不影响宏观经济的稳定时，政府应优先选择信贷政策，例如提高首付比例[7]。王先柱、杨义武（2015）根据Malpezzi和Wachter（2005）的研究——相对于房地产市场投资者而言，住房的投资性需求明显是适应性预期而不是理性预期——假设住房需求方为适应性预期、供给方为理性预期，建立了均衡模型，证明了预期显著影响房地产价格的波动[8～9]。

翻阅大量文献进行总结归纳目前学者关于货币政策區域效应、货币政策对房地产市场的区域非对称性研究成果。Fratantoni（弗拉坦托尼）和Schuh（舒）（2003）经研究证实房地产投资经货币政策作用区域差异性很明显[10]。Negro（内格罗）和Otrok（奥特罗克）（2007）利用贝叶斯估计方法对1986—2005年的美国房地产价格波动进行了研究，得出了地区因素导致了理清波动[11]。王先柱、毛中根、刘洪玉（2011）从房地产的供需考察货币政策对房地产市场的区域性差异，证实利率、信贷规模作用房地产市场产生的区域性凸显，东部受利率影响明显，中部和西部区域受信贷规模影响最为明显[12]。张红、李洋（2013）选取年2001—2010年中国30个省份的数据构建全局向量自回归模型证实了货币政策与房地产市场和区域经济的动态关系[5]。

虽然已有大量有关这方面的研究，但从国家频繁地出台各种政策措施来调整房地产市场可知政府对房地产市场的调控仍是摸索试验期：货币政策调控房地产市场区域效果具体如何？哪一货币政策手段更加有效？

二、理论分析

通过对现有文献进行归纳，货币政策是怎样影响房地产市场的，之后又是怎样影响区域经济乃至宏观经济的？大致描述为以下阶段（见图1）。

本文研究的货币政策对房地产市场影响的区域非对称性即对第一阶段的研究。货币政策是通过哪些渠道影响房地产市场的，主流观点着重描述了利率渠道和信贷渠道。

从利率渠道看，利率提高必然导致房地产开发商开发成本增加。尤其对小房地产开发商而言，成本增加造成资金链紧张，导致其极有可能降低销售价格来获得资金；而对于资金链充裕的房地产开发商而言，会把增加的成本加入到商品房价格中，最终房地产市场价格的上升由购房者承担；加息同时抑制了需求，由于这个原因房地产价格也有可能不涨。但加息使得开发商的成本上升，会引起开发商的被淘汰。利率提高对于消费者的作用远大于开发商。利率提升实际上是银行对购房者的支持减弱，购房者的购买力下降，导致市场需求下降。总的来说，对于房地产市场而言，加息主要是降低了房地产需求。

从信贷渠道看，信贷渠道中的银行贷款渠道强调，存款准备金率提高，货币供给量减少，可贷资金减少，贷款随之收缩，那些依赖银行贷款的购房者和房地产开发商被迫减少投资，从而使房地产市场的供给和需求下降，进而导致房地产价格的下降。反之，存款准备金率降低，货币供应量增大，银行信贷量增加，一方面，购房者容易获得购房贷款，房产需求增加，推动房地产价格上涨；另一方面，房地产价格上涨会使得更多的资金进入房地产市场，房地产投资增加。

本文尝试从利率和信贷方面分析货币政策对房地产价格影响的区域非对称性，下面我们以中国30个省份2003—2016年的数据为样本，将30个省份分为A、B、C、D四个区域，通过构建向量自回归模型进行实证分析。

三、实证分析

（一）数据的选取和来源

本文基于中国30个省份2003—2016年的季度数据建立模型，由于西藏地区经济的特殊性和数据缺失严重，因此剔除不再将其列入被研究范围内。

根据我国的实际国情，本文价格型货币政策工具选取市场化程度较高且较普遍用来研究的的银行间同业拆借利率（RR），数量型货币政策工具选取广义货币供应量（M2），所以货币政策的工具变量包括了（RR）和（M2）。由各省的房地产市场销售总额与销售面积的商为房地产价格（RP）。同时，选取固定资产开发投资完成额为投资水平（IN）。价格指数根据各地区城镇居民消费价格指数的同比，指定基期来构造定基比序列，得到居民消费价格指数的时间序列（CPI）。根据上文的分析可知，我国房地产投资者对于房地产价格大多表现为适应性预期，因此选用上两季度的房价均值作为当期房价的预期（EP2）。并同时选取社会消费品零售总额作为消费指标（C），GDP作为产出指标（Y），房地产开发贷款余额（RIN）。使用EviewsX-11方法剔出变量季节性。最后，本文对C、RP、IN、GDP、M2取对数来克服变量序列之间的异方差性。以上数据均来自Wind数据库、各省统计局官网、统计年鉴等。

（二）模型的建立

VAR（p）模型的数学表达式是：

yt=Ф1yt-1+…+Фpyt-p+Hxt+εt t=1，2，…T （1）

式中，xt为d维外生变量列向量，yt为k维内生变量列向量，T为样本个数，p为滞后阶数。k×k维矩阵Ф1，…Фp和k×d维矩阵H为待估计的系数矩阵。εt 为k维扰动列向量，它们不与自己的滞后值相关且不与等式右边的变量相关，但相互之间可以同期相关。

参照郑煜（2007）、阚凯（2014）、张水峰（2015）、刘立清（2015）等从经济发展程度，金融开放程度和房地产市场的供求三方面出发，采用聚类分析对我国各省市划分的结果，将我国30个省份分为A、B、C、D四类[13～16]：

A类：北京、上海，这是我国经济发展水平最高金融市场最为发达的地区，二者政治经济中心的地位吸引的大量的外来人口，所以二者的房地产发展是最发达的，同时已经步入较为成熟的阶段。

B类：天津、廣东、浙江、江苏、福建，这几个地区具有较强沿海地域优势，再加上天津靠近北京经济圈，广东包含深圳特区经济圈靠近香港经济圈，江苏包含上海经济圈，房价水平也仅次于北京、上海位居B类。

C类：河北、湖北、安徽、山东、四川、江西、陕西、河南、海南、辽宁，这几个省份属于中西部、东三省较发达的内陆地区，是中西部、东三省经济发展的动力，同时房地产市场也符合自身经济水平稳步上升。

D类：山西、云南、吉林、黑龙江、广西、湖南、内蒙、新疆、宁夏、贵州、甘肃、青海。这些地区大多属于偏远边界省份，以此经济、金融发展水平属于我国中下列，同时外来人口和前几类比较少，房地产市场处于只满足当地刚需的阶段。

在此分组基础上，分别验证利率和货币供给量在A、B、C、D区域的效应，即每个区域分别以利率和货币供给量作为货币政策手段建立VAR模型，之后进行每个区域不同政策手段和不同区域相同政策手段的对比。

四、实证结果及分析

下面以A区为例，首先考察以M2作为货币政策手段建立VAR模型。为了得到平稳性数据，对变量进行取对数和一阶差分处理。为了更好地验证上述处理后的变量的平稳性，再做ADF单位根检验。结果证实，在10%的显著性水平下，经过处理后的这9个变量已经为平稳序列。表1显示了处理后各变量单位根平稳性检验的结果。

ADF检验结果显示变量可以做协整分析。本文所用的方法是基于VAR系数协整检验的Johansen 协整检验。结果显示，至少有一个以上的协整关系，可以做VAR模型。表2显示了协整检验结果。

对各变量时间序列进行协整检验发现，各变量之间存在显著的协整关系。基于模型估计结果，进一步采用脉冲响应分析方法，分析以上变量之间的相互作用影响。

图2分别为为A、B、C、D四个区的DLRP响应图，每个区域分别以货币供应量和利率作为货币政策变量建立了VAR模型，所以每个区域DLRP响应图也分为只包含货币供应量变量或利率变量两种。从图2中可以更加细致具体地观察各区的房地产价格，在正的货币政策冲击下影响时间和力度的差异。为便于对比将各脉冲分析结果列入下页表3。

货币政策对房地产市场价格具有调控作用，但在不同类经济区域间调控效应存在显著差异。从实践效果来看，对应于货币供应量冲击，A、B、C、D四区房地产价格的响应值在-2%～1.9%区间，A区房地产价格响应强度最高为1.9%，且四区域一般在第2期及以后正向响应显著。对应于利率冲击，A、B、C、D四区房地产价格的响应值在-1.8%～-0.3%区间，A区房地产价格响应强度最高为-1.8%，且四区域一般在第1期及以后负向响应显著，利率上调会引起各区房价下降，由于A区的金融业的市场化程度高，房地产市场受到利率上调的影响更为显著。对于不同区域，A区的房地产价格对货币政策传导效应最强，对于利率和货币供应量冲击响应值分别达到-1.8%和1.9%，C区D区次之，B地区最弱。可见，房地产价格在货币政策传导方面存在显著的区域性差异。由于每次利率调整幅度较小，且我国利率市场化水平不高，我国货币政策中的数量型货币政策通过房地产价格传导效应更强。对于不同货币政策，从四区域对于利率和货币供应量冲击的响应值区间及最大和最小响应值可以看出，货币供给量对房地产市场价格发挥作用要略大于利率变动对房地产价格的作用，A区尤为明显，其他区域则不明显。货币政策对房地产价格的影响仅为短期，从A、B、C、D四区房地产价格响应图可以看出，A、B区域在第6期之后的响应趋于0，而C、D区域对于货币政策的反应持续时间长，第6期之后的响应振幅虽明显减弱但波动仍明显，从这一点可以看出A区虽然对货币政策反应敏感，但A、B区域货币政策持续时间短。

结论

（1）A类：北京、上海，这是我国经济发展水平最高金融市场最为发达的地区，二者政治经济中心的地位吸引了大量的外来人口，所以二者的房地产发展是最发达的同时已经步入较为成熟的阶段。对于不同区域，A区的房地产价格对货币政策传导效应最强，C区D区次之B地区最弱。可见，房地产价格在货币政策传导方面存在显著的区域性。（2）A区虽然对货币政策反应敏感，且A区的房地产价格对货币政策传导效应最强，但A、B区域货币政策持续时间短，而C、D区域货币政策持续时间长。

中国区域发展差距大，且各区房地产市场情况复杂，仅通过货币政策难以达到理想效果。房地产问题与经济环境密切相关，所以要从根本上解决住房民生问题，除了要收入分配、保障房政策、税收制度等各方面改革同时配合外，还要采用调整首付比例等专门针对房地产市场的政策，最重要的还是要从经济发展的长远规划入手，提高经济开放度和金融发展水平，构建全方位、多层次的金融支持体系，在现有的主要几个经济圈基础上向外辐射以缓解中心区域的各种压力。同时，政府合理引导居民对房屋的需求和投资偏好，促进房地产业的技术进步水平。

参考文献：

[1] Bernanke Ben S.，Gertler Mark.Inside the black box：The credit channel of monetary policy transmission[J].Journal of Economic Perspectives，1995，（4）：27-48.

[2] Muellbauer J.，Murphy A.Booms and buts in the UK housing market[J].Economic Journal，1997，（6）：1701-1727.

[3] Mishkin F.Housing and monetary transmission mechanism.NBER Working Paper，2007：13518.

[4] 王先柱.房地产市场货币政策区域效应——基于我国31个省市的实证分析[J].山西财经大学学报，2011，（33）：52-61.

[5] 张红，李洋.房地产市场对货币政策传导效应的区域差异研究——基于GVAR模型的实证分析[J].金融研究，2013，（2）：114-128.

[6] 张小宇，刘金全.货币政策、产出冲击对房地产市场影响机制——基于经济发展新常态时期的分析[J].中国工业经济，2015，（12）： 20-35.

[7] 梁斌，李庆云.中国房地产价格波动与货币政策分析——基于贝叶斯估计的动态随机一般均衡模型[J].经济科学，2011，（3）：17-33.

[8] 王先柱，杨义武.差异化预期、政策调控与房价波动——基于中国35个大中城市的实证研究[J].财经研究，2015，（12）：51-71.

[9] Malpezzi S.，Wachter S.M.The role of speculation in real estate cycles.Journal of Real Estate Literature[J].2005，（2）：143-164.

[10] Frantantoni M.，Schuh S.Monetary policy，housing，and heterogeneous regional markets[J].Journal of Money，Credit，and Banking，2003，（35）：557-589.

[11] Negro D.Macro，Otrok Christopher.Luftballons：Monetary policy and the house price boom across U.S states[J].Journal of Monetary Economics，2007，（54）：1962-1985.

[12] 王先柱，毛中根，劉洪玉.货币政策的区域效应——来自房地产市场的证据[J].金融研究，2011，（9）：42-53.

[13] 郑煜.我国货币政策对房地产价格调控效力的区域非对称性研究[D].成都：西南财经大学，2007.

[14] 阚凯.中国商业地产价格波动区域差异的实证分析——基于货币政策的视角[D].成都：西南财经大学，2014.

[15] 张水峰.中国房地产市场区域价格运行特征研究[D].长春：东北师范大学，2015.

[16] 刘立清.基于区域差异视角的货币政策在房地产市场的调控效应研究[D].南宁：广西大学，2015.

[责任编辑陈丹丹]

作者：王宏涛崔景钗

影响房地产市场的货币政策论文篇3：

房价溢出效应与货币政策异质效果：综述与展望

摘要：本文从表现、成因以及影响三个方面对房价溢出效应的国内外相关研究做了全面的梳理与分析，总结了房价溢出效应在国家、区域、省份（州）以及城市间的广泛存在性和具体表现程度；构建出以社会交互和预期传染为内在机理，以人口、资金和信息流动为具体渠道，以区域间房地产市场的异质性、联动性和经济关联性为条件的完整形成机制理论框架；验证了货币政策在区域房地产市场间的异质性效果。最后，参照世界各国经验以及我国区域房地产市场的具体表现，本文提出了重点观测东部地区楼市表现以及根据各地区政策敏感程度实行差异化房地产管理的政策建议。

关键词：房价波动；溢出效应；区域经济；货币政策

一、问题的提出

随着经济的发展，不同地区间的经济联系日趋增强，区域间经济变量的交互关系越来越受到学术界的关注。我国房地产市场自1998年房改以来进入了繁荣期，期间经历了几轮快速上涨。2014年，伴随着成交价量涨幅同时收窄直至转跌，我国房地产市场进入了调整期，原本在某种程度上被全国城市房价普遍上涨现象所掩盖的区域间房地产市场波动的异质性逐渐凸显出来。在这样的条件下，对于地区间房价结构特征（联动性与差异性）的考虑在房地产研究中显得格外重要。当区域房价呈现出较强波动性的时候，联动性进而表现为溢出效应（范斯滕基斯特和希伯特，2011）。溢出效应的概念源于组织经济理论，是一种外部收益。波动溢出效应的早期研究多集中于金融市场，检验不同金融产品或同种金融产品的不同市场的波动之间存在的相互影响和相互作用。吴巍伟等（2011）梳理了房价波动溢出效应的含义，在狭义上将其总结为“两个或多个区域之间的住宅价格波动的传导以及交互程度”，而在广义上，这种传导扩散还可以存在于房地产市场和经济基本面或其他关联市场之间，包含时间和空间两个维度。本文讨论的房价溢出效应主要集中于狭义的范畴。

房价的溢出效应引发了两个现实问题的思考：我国区域间房价波动具有怎样的结构特征与溢出效果？在这样的背景下，全国范围内的货币政策，尤其是2015年以来央行出台的强力降准降息政策又会对各区域房地产市场产生怎样的异质性影响？对于这两个问题的回答，在当前我国各区域出现不断发展的地区异质性调整的背景下具有重要意义。

国内外众多学者从经验证据和理论上研究了房价溢出效应以及货币政策的异质性效果。但由于当前研究还未形成完善和成熟的理论框架，目前学术界尚未有对于房价溢出效应相关问题的全面整理、分析与扩展。本文弥补了这一空白，从房价溢出效应的各国历史表现、形成原因以及货币政策对房价的差异化影响这三个方面着手，对相关问题进行全面的回顾与探索，以期为后续研究提供理论和经验铺垫，也为我国新时期的房地产发展以及对我国楼市的政策调控提供新的思路。

二、各国关于房价溢出效应的经验研究

国内外的大量文献研究了区域间房价冲击传导的特征，给出了房价波动溢出效应的描述性分析。其中，英国房价最先受到学者们的关注，研究成果也相当丰富。比较成熟的理论之一是“波纹效应理论”，即某些区域的住房价格波动由中心城市带动而对其他区域的住房价格波动产生传导效应的长期关系。“波纹效应”是“溢出效应”的一种表现形式，但“溢出效应”的范畴更广泛。哈尔曼斯（Holmans，1990）、朱萨尼和海德尤马瑟（Giussani和Hadjimatheou，1991）、麦克唐纳和泰勒（MacDonald和Taylor，1993）、亚历山大和巴罗（Alexander和Barrow，1994）、德拉克（Drake，1995）、默恩（Meen，1999）以及库克（Cook，2003、2005）分别利用格兰杰因果检验、协整理论、似不相关回归等方法对英国房价在区域间的传导进行分析，发现自20世纪60年代末开始，英国房价运行呈现出从东南部或大伦敦地区通过中部地区向北部传递的模式，具有显著的“波纹效应”。除了对英国房价传导特征研究外，哈尔曼斯（2007）利用面板模型分析了其空间特征，结果显示英国大多数地区的房价波动既具有一定的趋同性，又具有一定的差异性，但各地区偏离长期均衡后的调整速度存在较大差异。霍利等（Holly等，2011）的研究不仅验证了关于重要经济区域（伦敦）的房价冲击会快速传递到国内的其他区域的观点，并进一步指出，伦敦的房地产市场也通过与纽约及世界其他金融中心城市的联系而受到国际经济波动的影响，从而将“波纹效应”扩展到“溢出效应”，将溢出范围从英国扩展到全世界。

除英国以外，2005年以后也涌现出许多对世界其他国家的房价联动性与溢出效应的经验观察与检验。在针对美国区域房价的研究中，通过GVAR、CCE估计等方法，20世纪70年代以来美国各州间的房价溢出效应得到验证，且那些土地供应弹性较低的区域尤为明显（范斯滕基斯特，2007；霍利等，2010）。从20世纪90年代开始，美国区域房价波动较之前呈现出了更强的联动性，房地产市场具有扩张趋势下联动性上涨的特征（克雷约夫，2008）。与此同时，美国房价的波动与欧洲地区之间的关联性也得到验证，根据对近30年的数据分析，在美国和欧洲地区房价之间存在着紧密联系，且欧洲房价相对于美国房价有大约两年的滞后期（格罗斯，2006）。针对欧洲各国房价溢出效应的研究大多与欧洲各国的货币市场交互相联系，研究工具也主要为符号识别VAR、GVAR等VAR类交互影响模型。在欧盟国家开始实行单一货币欧元，并在实行欧元的国家实施统一货币政策以后，欧洲各国的经济联系更加紧密，而各国货币量与房地产市场的结构性特征存在关联。但在关联程度上，欧洲房价的联动性程度比金融变量低一些，与实体经济变量的联动性程度相近（奥特罗克等，2005），这种货币市场的交互性与采用统一货币的联合性也促进了欧洲房地产市场的交互影响（泽茨尔，2011）。另外，与美国的房地产市场情况相类似，在欧洲地区房价冲击的溢出效应被验证的同时，土地供给弹性较弱的地区有更大的溢出效应这一现象也得到确认（范斯滕基斯特和希伯特，2011）。

在国家间房价联动性与溢出效应方面，早期的经验证据表明，15个OECD国家的房价波动具有一定的相似性（英格伦和约安尼季斯，1997）。2004年以后更多的研究通过FAVAR等模型验证了全球房价增长率的高同步性，且在一定时期内，动态因子框架下全球房价因子（单独对房地产市场的全球冲击）解释了多国房价波动的25%（泰罗纳和奥特罗克，2004；贝尔特拉蒂和莫拉纳，2010）。同时，这种国家间房地产市场的交互关联性在2008年全球金融危机时期愈发凸显出来。各国房地产市场在房价下行时期出现了很强的同步性，这种同步性似乎也使得危机进一步恶化（克莱森斯等，2010）。后金融危机时代，这种房价在世界各国间的同步性依旧在随着时间的推移而增强（平田，2012）。值得注意的一点是，上述这些讨论几乎全集中于发达国家，对于发展中国家房地产市场及其相互之间关联性的关注相对较少，这可能与发展中国家相关数据的缺乏有关。比安基（Cesa-Bianchi，2013）填补了这一空白：通过构建包含发达国家与发展中国家经济情况的创新性的多国数据组，并使用GVAR模型研究了这两个集团之间的房地产市场以及实体经济的交互影响，认为在金融危机后，新兴经济体在世界经济复苏中起到了越来越重要的作用。

对于我国区域间房价结构特征与传导特征的检验与研究，从2007年开始逐步展开且大多数研究依赖于近年来发展的空间计量模型而进行。这些研究呈现了我国房地产市场的空间特征，基本上都证实了房价的联动性和溢出效应在我国省份间（李成武和李婷，2010；张谦和王成璋，2013）、城市间（位志宇和杨忠直，2007；王松涛等，2008；谭政勋和周利，2013）甚至是社区间（温海珍等，2011）的存在性。同时，针对我国房地产繁荣时期的研究认为，我国区域间房价的这种较强的相关性和传递性会为房价泡沫的扩散提供便利渠道，进而引发房地产行业系统性金融风险（洪涛等，2007；陈雪楚等，2012）。

通过上述梳理可以发现关于房价联动性与溢出效应的经验研究的发展脉络：早期集中于英国住房市场，2000年后开始出现对于美国和欧洲市场的关注，金融危机后扩散到对全世界范围内的研究，此外，近年来伴随着我国房地产的繁荣以及空间计量方法的发展，我国学者对于我国房地产市场的讨论也加入其中。这些研究在整体上证明：无论是在世界各国间，还是在各国内部的区域间、我国的省份间及城市间，房价的联动性与溢出效应是普遍存在的，且随着时间的推移关联与溢出强度逐渐增加。

三、房价溢出效应成因的理论分析

相较于大量对于现象的经验研究，对溢出效应的原因寻求理论分析的研究相对较少，这些理论大多数集中于空间或社会交互。曼斯基（Manski，1993、2000）发展了内生交互概念，认为个体行为围绕着群体中平均行为而线性变动，这可以为解释房价波动的联动性提供依据。但由于个体在决策时的内在动机具有隐蔽性，较难提取，因此这一概念在经验研究中难以得到具体应用。约安尼季斯和扎贝尔（Ioannides和Zabel，2008）对社会交互理论的分支进行了推广，将决策主体由个体转化为家庭水平，并且其对住房的需求依赖于相邻家庭住房需求的均值，这为诱发区域间溢出效应提供了内在理论原因。除了社会交互概念以外，随着近年来行为经济学的发展，基于行为经济学理论的预期传染也被学者作为替代性假说提出，用以解释房价溢出效应的发生机理。

以上两种理论分析了房价溢出效应的内在机理，而传导机制理论则提供了具体途径。由于人口规模、经济发展水平、经济影响程度以及地理位置的影响，区域间会形成不同的集群，由于劳动地域分工以及区域职能互补，作为区域空间联系实质内容的空间流会发生方向和强度的变化，将导致区域内相互联系的产生，引起区域间人员、资金、信息的流动（朱英明和姚士谋，2001）。这三种要素的流动，为住宅价格溢出效应提供了渠道，其中人口流动和资金流动对溢出效应的影响，可归类于空间社会交流理论的范畴；信息流动的影响，则归类于行为经济学框架下的预期传染的范畴。

（一）人口流动

能够引起住宅价格波动溢出效应的人口流动主要是家庭迁移。这种迁移可能是出于自然环境或地理因素的考虑。但在当代社会，更可能的原因在于家庭对低住房成本的搜寻。当城市间房价存在差异时，家庭倾向于从高房价的区域向低房价的区域迁移，增加了后者的住房需求，且会吸引更多的企业增加该地区房地产投资，使其房价随着高房价区域升高而升高，并促进该地区经济增长。早期对于英国房价波纹效应的成因解释中，朱萨尼和海德尤马瑟（1991）利用结构性模型分析英国房价波纹效应的形成机制时，就持有此观点。他们认为收入、金融条件以及房屋供给弹性的差异造成了不同城市房价差异，人口会从高房价的城市向低房价城市迁移，直至形成新的均衡。此外，现代企业在城市间的扩散发展或转移也可以导致家庭迁移，使城市间的住房供给和需求发生变化，这种企业的“集聚—扩散效应”也可以引发住宅价格的溢出效应。最后，伴随着家庭迁移，其原有的住房财富是新购住房首付款的重要资金来源，当一个区域的房价发生波动时，选择迁移的家庭会因此而具有更强或更弱的支付能力，从而导致其他区域房价的相关波动。

（二）资金流动

能够引起住宅价格波动溢出效应的资金流动主要与城市间房地产市场上的空间套利有关。由于各地区经济发展差异较大，而房地产投资的分布并不平衡且房地产本身具有不可移动性，住房市场在区域维度上并非绝对有效，这就存在着区域间的套利机会。默恩（1999、2001）和伍德（Wood，2003）对“波纹效应”的产生原因进行总结时，就提出除了家庭迁移外，财富转移和空间套利的影响也很重要。在一个城市拥有住房且拥有更多闲置资金的个体或群体，会因该城市的房价变动而搜寻其他城市房地产市场的套利机会，进而进行相应的投资投机行为，这种财富的扩散和转移将一个城市的房价波动传递到另一城市。此外，在城市经济基本面上，房价相对较高地区的土地成本也会水涨船高，土地利用限制变大，进而在供给层面上促使开发商进行资金转移，选择房价相对低的地区购买土地，从而使后者的土地价格上涨，最终带来高房价地区的房价溢出效果。

（三）信息流动

人口流动和资金流动通过直接渠道引发各类住房需求在不同区域住房市场之间的转移，形成房价的溢出效应。而信息流动通过间接渠道对溢出效应的形成构成影响。这类研究主要基于行为经济学的视角，将住房作为一种资本品，认为房价的风险溢价可以在区域间传播。由于市场参与者无法准确判断某个房地产的基本价值，往往根据其他地区的房地产市场状况形成其对本地区未来房地产价格的预期，这会通过投机行为影响城市房地产价格波动。当某个区域的住房价格发生波动的情况下，该区域的购房者可能会较大数量出现买入、卖出或观望的现象，在信息传播高度发达快捷的今日社会，这样的现象会迅速传递到其他区域，从而引起周边区域的购房者出现类似的羊群行为，进而引致了周边区域住宅价格的相应波动。伯恩赛德（Burnside，2011）使用社会动态学中的流行病传染模型刻画了美国房地产市场中的类似行为：具有房价将上涨的强烈预期的家庭会将这种预期“传染”给那些无特定观点的家庭。当然，这一模型也可以进一步推广应用到国际维度，尤其是当模型中的经济体具有共同的宏观经济政策时，这样的推广更加合理。

以上三个渠道虽在侧重点上有所不同，但在实际中是相互影响与交互发生的。通过上述分析可以发现，即便溢出效应在房地产市场中广泛存在，但其发生也需要一些基本条件。首先，效应相关区域之间必须存在直接或间接的经济关联。其次，区域之间的住房市场既存在趋同性，又存在差异性。这样，一个区域的住宅价格波动会通过时间的推进，传递到其他区域，进而影响后者的住宅价格波动。第三，即便在区域住房市场之间不存在经济联系时，由于宏观政策在不同区域间存在差异性效果，或区域房价影响因素（如人均收入等）的波动存在领先滞后关系，也会产生城市间房价溢出效应的效果，但这样的单纯显示性效果不在主流的讨论中。

四、货币政策的区域间差异性效果

区域间经济条件的不同决定了货币政策的差异性效果。在货币政策传导中，房地产市场扮演着重要角色，因此房价波动的区域间异质性强化了货币政策在区域间房地产市场的异质性效果。

在关于区域间异质性的研究中，布兰卡德等（Blanchard等，1992）、奎阿（Quah，1995）以及卡利诺和德菲纳（Carlino和DeFina，1999）都分析了美国区域异质性的重要性，认为考虑地区间的多样化有利于避免经济变量加总时的偏差。而其他相关研究证实了货币政策在美国区域间的显著差异性效果，这源于不同地区的工业结构（哈约和艾伦伯克，2000）、地理结构（曼丘和韦伊，1989）、人力资本条件（琼斯和豪克利克，1999）、地方政府的公共管理策略（马尔佩齐，1996）以及金融条件的差异（拉莫特和斯坦因，1999），导致其对于货币政策的敏感性不同（卡利诺和德菲纳，1999；加里森和张，1979），利率渠道和信贷渠道是形成美国货币政策区域效应的主要传导途径，同时，这一效应随时间而变动的趋势也得到考察（王和霍华德，2004、2006）。我国学者使用VAR类模型以及脉冲响应函数对我国货币政策在区域间的异质效果进行分析，得到了与美国学者相似的研究结论（宋旺和钟正生，2006；常海滨和徐成贤，2007；蒋益民和陈璋，2009）。

房地产市场与货币政策传导机制这两个分支的研究，一部分关注于房地产价格在货币政策传导中所起作用的重要性程度，另一部分从区域差异上探讨货币政策最终对各区域房地产价格的影响异质性。在第一部分的考察中，在包含了13个国家样本的早期文献中，股票价格和住房价格等资产价格在货币政策制定中所起作用的重要性得到了考察（切林科等，2004）。朱廖多里（Giuliodori，2005）和埃尔伯恩（2008）都使用VAR类模型对英国房地产进行经验研究，所得结论均证实了房地产市场在货币政策传导中起到了不可忽视的作用，但在具体作用程度方面的观点却大相径庭。与此类似，亚科维耶洛和米内特（Iacoviell和Minetti，2008）对欧洲楼市的研究也证明了房地产市场在为货币政策提供信用渠道中起到了重要作用。学者们对于我国房价在货币政策传导机制中作用的考察都得到了类似结论，均发现房价在传导机制中所起作用较为显著，且对货币政策传导效率高，房地产市场是我国货币政策传导的重要渠道（丁晨和屠梅曾，2007；王松涛和刘洪玉，2009；武康平和胡谍，2010）。

在货币政策作用于区域房地产间的异质性效果方面，首先值得关注的是米什金（Mishkin，2007）关于货币政策对房地产市场供求情况以及相应房价变动的作用机制理论的系统性阐述：直接作用通过利率渠道影响房地产市场的资金使用成本、价格预期，进而影响到房地产的供给与需求；间接作用通过信贷渠道来影响资金的可获得性，进而影响房地产供给和需求。当然，货币政策通过这两个途径作用于房地产市场后，可以再进一步通过房地产市场传递至其他经济领域。另外，货币政策还可通过财富效应和信心效应对房地产市场产生影响。在经验研究上，货币政策的异质性效果在美国、欧洲以及我国都得到验证。弗拉坦托尼和舒（Fratantoni和Schuh，2003）利用区域代理VAR模型（HAVAR）对1986—1998年的美国市场进行研究，发现房地产投资对于货币政策的反应随区域的不同而不同。内格罗和奥特罗克（Negro和Otrok，2007）使用因子模型及贝叶斯估计方法考察了更长时间段的美国房地产市场价格波动趋势，分离出共同趋势和地区因素，其经验结果显示：利率变动只能在很小的程度上解释2005年美国的楼市繁荣。对于欧洲房地产市场，货币政策传导效应与各国房地产金融体系的结构性特征有关（亚科维耶洛和米内特，2008），利率波动对欧洲不同国家房价存在异质性影响。同时，1971—2009年间利率波动在整体上对房价影响较弱（范斯滕基斯特和希伯特，2011）。对于我国房地产市场，梁云芳和高铁梅（2007）最早从区域层面探讨了货币政策对房地产市场的异质性影响，她们基于误差修正模型形式的面板数据模型，验证了货币政策变量（利率和信贷规模）对我国东中西部的房地产价格具有显著的差异性影响。后续研究大多是在这一权威文献的基本框架下使用IRF或GIRF进行的部分扩展，进一步验证了异质性效果的存在性（高波和王先柱，2009；王先柱等，2011），并发现了更丰富的异质性特征，如认为我国货币供给对房地产价格的影响效力是从东部到西部依次递增的（袁科和冯邦彦，2007）；利率对东部地区房价的累积效应最大（魏玮和王洪卫，2010）；货币供应量冲击对房价的影响在区域间差别不大，而利率冲击对各地区房地产市场更具有异质性影响，东部地区的房价反应更贴近紧缩性货币政策目标（张红和李洋，2013）。

五、总结与展望

本文对房价溢出效应的相关研究从表现、成因以及影响三个方面做了系统性梳理，具体内容和脉络如图1所示。

首先，本文全面回顾了对房价溢出效应进行经验检验的国内外研究。整体来看，在世界范围内，无论是城市间、省份间、区域间还是国家间都广泛存在着不同程度的房价溢出效应。其次，本文对该现象理论成因的研究进行整理和分析，分析了目前为止学术界给出的包含内在机理及传递渠道的解释，给出了较为完整的形成机制框架。最后，在区域间房价异质性的基础上，总结了各国货币政策对区域房地产市场的异质性影响。已有研究显示，货币政策主要通过利率渠道和信贷渠道影响房地产市场的供给和需求。在各区域不同的经济条件下，最终在区域房地产价格和投资中形成了异质性效果，这在各国的经验研究中都得到了证实。

就我国房地产的现实问题方面，由于我国省份间、城市间的房价存在明显的溢出效应，且东部地区的溢出强度最大，那么东部城市的楼市表现实际上对全国房地产市场都有重要的示范和影响作用；在货币政策方面，价格型货币政策对于东部地区的影响效力最大，而数量型货币政策对西部地区的影响效力最大。这为采取区域差异化的调控政策提供了依据。既然货币政策的效果依赖于各地区的政策敏感性以及经济形势，那么对各地区的房地产市场进行差别化管理就显得尤为重要。

此外，从方法论的角度，已有文献中对于溢出效应的理论分析主要集中于社会交互理论，经验分析则主要使用空间计量方法框架下的协整检验、VAR类时间序列模型以及脉冲响应函数等方法。其中，范斯滕基斯特（2007）、范斯滕基斯特和希伯特（2011）、比安奇（2013）以及张红和李洋（2013）在研究中使用的GVAR模型引起了本文的关注。GVAR模型由佩萨林等（Pesaran等，2004）提出，并由蒂斯等（Dees等，2007）发展，模型通过使用根据区域间贸易额或地理距离计算的权重矩阵来描述不同区域间的关联程度，并以此矩阵将描述各经济体的传统ECM模型连接起来，在形成全局系统的同时又保留了全局变量在系统中的相对外生性。GVAR模型多数被应用于石油价格研究中，在房地产领域内使用较少。但是，由于其既可以清晰地反映区域间房价相互影响的关系，又有助于分析共同因素与区域房价波动之间的交互性，并提供经验逻辑解释，因此非常适合于房价溢出效应方面的研究。综上，本文认为以GVAR模型为基础的宏观变量交互与以行为经济学为基础的微观家庭预期行为间的交互相结合的研究，应成为今后这一领域的重要研究方向。

参考文献：

[1]A Cesa-Bianchi.2013. Housing Cycles and Macroeconomic Fluctuations：A Global Perspective[J].Journal of International Money and Finance，37.

[2]Beltratti A，Morana C.2010.International House Prices and Macroeconomic Fluctuations[J].Journal of Banking & Finance，34 （3）.

[3]Burnside C，Eichenbaum M，Rebelo S.2011.Understanding Booms and Busts in Housing Markets [R].NBER Working Paper，January.

[4]Claessens S，Kose M A，Terrones M E. 2010.Financial Cycles：What？ How？ When？[C].NBER International Seminar on Macroeconomics. University of Chicago Press，（6）.

[5]Dees S，di Mauro F，Pesaran M H，et al. 2007. Exploring the International Linkages of the Euro Areas：a Global VAR Analysis [J].Journal of Applied Econometrics， 22.

[6]Elbourne A. 2008. The UK Housing Market and the Monetary Policy Transmission Machanism：an SVAR Approach [J].Journal of Housing Economics，17（l）.

[7]Gros D.2006. Bubbles in Real Estate？ A Longer-term Comparative Analysis of Housing Prices in Europe and the US[C].CEPS Working Document， No. 239.

[8]Hirata H，Kose M A，Otrok C，et al. 2012. Global House Price Fluctuations： Synchronization and Determinants [R].National Bureau of Economic Research.

[9]Holmes. 2007. How Convergent are Regional House Prices in the United Kingdom？ Some New Evidence from Panel Data Unit Root Testing [J].Journal of Economic and Social Research，9（1）.

[10]Holly S，Pesaran M H，Yamagata T.2011. Spatial and Temporal Diffusion of House Prices in the UK[J].Journal of Urban Economics.

[11]Holly S，Pesaran M H，Yamagata. 2010. A Spatio-temporal Model of House Prices in the USA[J].Journal of Econometrics，158.

[12]Iacoviello M，R Minetti. 2008. The Credit Channel of Monetary Policy：Evidence from the Housing market [J].Journal of Macroeconomics，30（1）.

[13]Ioannides Y M，Zabel J E. 2008. Interactions，Neighborhood Selection and Housing Demand [J].Journal of Urban Economics， 63（1）.

[14]Klyuev V.2008. What Goes Up Must Come Down？ House Price Dynamics in the United States [M]. IMF Working Paper，No. 187 .

[15]Manski C F. Economic Analysis of Social Interactions[J].Journal of Economic Perspectives.

[16]Mishkin F S. 2007. Housing and the Monetary Transmission Mechanism[R].National Bureau of Economic Research， 1-53.

[17]Negro M，C Otrok. 2007. Luftballons：Monetary Policy and the House Price Boom Across U.S. States [J]. Journal of Monetary Economics，54（7）.

[18]Owang M T，J Howard. 2006. Regional VARs and the Channels of Monetary Policy [J].Working Papers，Federal Reserve Bank of St. Louis.

[19]Setzer R，van den Noord P，Wolff G. 2011.Heterogeneity in Money Holdings Across Euro Area Countries：the Role of Housing[J].European Journal of Political Economy，27 （4）.

[20]Vansteenkiste I. 2007. Regional Housing Market Spillovers in the US：Lessons from Regional Divergences in a Common Monetary Policy Setting[C].ECB Working Paper，No. 708.

[21]Vansteenkiste I，P Hiebert. 2011. Do Housing Price Developments Spillover Across Euro Area Countries？ Evidence from A Global VAR [J].Journal of Housing Economics， 20.

[22]吴伟巍，郑彦璐，李启明，吴非.区域城市间住宅价格波动溢出效应的内涵分析[J].城市发展研究，2011，18（10）.

[23]李成武，李婷.基于空间面板数据的中国房地产市场财富效应研究[J].东北大学学报（社会科学版），2010，12（9）.

[24]张谦，王成璋. 中国住房价格波动的空间溢出效应研究[J].软科学，2013，27（4）.

[25]位志宇，杨忠直.长三角房价变化的生态共生性研究：基于上海、杭州和南京的实证[J].当代经济管理，2007，29（2）.

[26]王松涛，杨赞，刘洪玉. 我国区域市场城市房价互动关系的实证研究[J].财经问题研究，2008，（6）.

[27]谭政勋，周利. 房价波动的空间效应：估计方法与我国实证[J]. 数理统计与管理，2013，32（5）.

[28]温海珍，张之礼，张凌. 基于空间计量模型的住宅价格空间效应实证分析：以杭州市为例[J].系统工程理论与实践，2011，31（9）.

[29]洪涛，西宝，高波.房地产价格区域间联动与泡沫的空间扩散——基于2000—2005年中国35个大中城市面板数据的实证检验[J]. 统计研究，2007，24（8）.

[30]陈雪楚，彭建刚，吴梦吟. 城市间房价相关性与系统性金融风险防范[J].上海金融，2012，（8）.

[31]朱英明，姚士谋.国外区域联系研究综述[J].世界地理研究，2001，11（2）.

[32]宋旺，钟正生.我国货币政策区域效应的存在性及原因——基于最优货币区理论的分析[J].经济研究，2006，（3）.

[33]常海滨，徐成贤.我国货币政策传导机制区域差异的实证分析[J].经济科学，2007，（5）.