城市人口、货币政策与房地产价格:内在机理与实证检验

李成 李一帆 于海东 李文乐

摘要：本文基于消费约束的效用函数构建“人口数量—货币政策—房地产价格”理论模型，从供求关系解读城市人口、货币政策影响房地产价格的内在机理，运用2010年第二季度至2018年第四季度的百城季度数据进行面板校正标准误检验。研究发现：

（1）一、二、三线城市常住人口和信贷规模的增加通过扩张房地产供需缺口提高房价，而利率和存款准备金率的紧缩能够抑制房价上涨;

（2）从房价变化的视角来看，价格型货币政策工具调控房价的功效优于数量型工具，其中不同期限价格型工具的调控效果有所差异，1至3年短期贷款利率的效果最为明显;

（3）伴随城市化推进，货币政策抑制房价的效应在一定程度上被人口增加和信贷扩张“对冲抵消”。因此，不仅需要货币政策工具发挥约束房价的“靶向”作用，更需探索不同城市动态差别化供给房地产的长效机制。

关键词：城市人口;货币政策;信贷投放;房地产价格;消费效用函数

文献标识码：A

文章编号：100228482020（01）010812

开放科学（资源服务）标识码（OSID）：

一、文献综述

《2019年新型城镇化建设重点任务》的颁布，为新一轮城市化推进铺平了道路，预示着房地产市场发展进入新阶段。回顾我国城市多年以来的房地产价格变化，一、二线城市房价持续攀升，三、四线城市房价跟随一、二线城市变动，整体呈现上涨态势。造成这一现象的主要原因何在？房价为何给人“只涨不跌”的错觉？本文从消费约束的效用函数入手，构建“人口数量—货币政策—房地产价格”理论模型，运用供求机理从城市人口和货币政策两个维度解读房价变化，并对其进行实证检验，以图廓清城市房价变动的内在逻辑。

长期以来，人口与房价的关系深受学术界关注。Tabuchi [1]较早指出由经济发展催生的劳动力人口流入会直接抬高房价。对此，Brown等 [2]运用住房需求方程发现人口增加通过提高总需求促使房价上涨;Stevenson [3]指出，新增人口创造住房有效需求是支撑房价上涨的关键。学术界由此将伴随城市发展的人口空间流动引入房地产分析，并形成房价上涨的“城市化论”观点 [4]。Chen等 [5]发现城市化加快了人口迁移规模，而这正是引起住房需求和价格上升的重要因素。骆永民 [6]根据四种面板模型分析认为，流动人口增长对房地产需求具有正向作用，越是劳动力流入充足的地域，由城市化带来的房地产需求扩张效应就越明显。刘修岩等 [7]构建房价内生性的城市体系模型，认为人口既能通过房地产需求直接影响房价，又能借助为房地产市场提供人力资源间接影响房价。傅贻忙等 [8]采用系统GMM估计方法指出人口空间结构通过区域房地产库存影响房价。

基于人口视角并从需求端研究房地产的文献在一定程度上解释了房价变动。然而，根据现实观察到的房价整体上涨并不能完全归咎于人口因素，一个简单判断是，房地产的开发和销售均高度依赖银行信贷，信贷资金流入房地产市场，也会推动楼市发展从而提高房价。因此，信贷成为影响房价的另一重要因素。

追溯信贷影响房价的研究可至Hayek [9]的货币周期理论，该理论揭示信贷过度扩张催生资产价格泡沫。Collyns等 [10]利用向量自回归分析东亚国家的房地产市场，发现信贷增加会提高房价。Goodhart等 [11]指出“次贷”危机后美联储过量的信贷投放促使房价反弹，引起房价与信贷同向变化。Davis等 [12]建立包含信贷和房价的一般均衡模型，认为银行向购房者提供贷款的行为经过需求端抬高房价。Nishimura [13]运用统计分析发现信贷扩张造成美日两国的房地产泡沫。平新乔等 [1416]的研究也为此提供了国内证据，这些文献较早地发现投向房企和购房者的贷款对房价存在显著的正向作用，形成“金融过度支持”观点。在后续研究中，陈诗一等 [17]借助包含房地产市场的DSGE模型，指出银行贷款意愿上升通过直接效应、替代效应、风险承担效应和金融加速器效应拉动房价。马勇等 [18]运用门槛面板回归分析中国省份数据，发现银行信贷对房价存在非线性和非对称的影响，特别是在房地产贷款规模较高时银行信贷对房价影响显著。

随着信贷推动房地产发展，如何防范货币过度流向楼市以致房价“失控”逐渐成为关注焦点，学术界开始探索货币政策对房价的调控效果。既有文献大多认为货币政策紧缩使房价产生负向变化，并从货币政策工具的分类视角进行讨论 [1921]。我国货币政策曾依赖“数量为主、价格为辅”的调控模式 [22]，导致许多研究倾向数量型货币政策工具调控房价的效果优于价格型工具 [2326]。随着我国经济由高速发展转向高质量发展，货币政策调控市场相应从单纯数量扩张转向价格信号引导，也有研究指出价格型工具调控房价的作用更为明显。郭文伟 [27]基于單位根右侧ADF方法检验我国房地产市场，发现提高短期贷款利率能够有效抑制房价泡沫。刘中显等 [28]指出严控房贷利率有助于健全适应市场规律的房地产调控机制。欧阳志刚等 [29]通过因子扩展VAR模型，指出1年期存款基准利率对房地产具有更好的调节作用。因此，若要货币政策调控房价发挥最佳效果，应当根据经济发展的不同阶段在数量型和价格型之间有所侧重。

梳理已有文献，针对房价变动的研究或从人口角度予以阐释，或从信贷层面展开讨论，鲜有文献在一个较为完整的框架内，对人口和信贷各自对房价的影响进行系统性分析。因而，同时考虑人口和信贷两个因素剖析房价变化机理，亟待深入探索。进一步地，须将与信贷息息相关的货币政策因素融入其中，从货币总量层面入手，立足于“数量”和“价格”两个维度解读房价变动的逻辑，方能明晰货币政策调控房价的内在规律。

为此，本文基于消费约束的效用函数视角，引入货币政策的数量型与价格型工具，构建包含人口、信贷、法定存款准备金率以及利率在内的“人口数量—货币政策—房地产价格”理论模型，据此从房地产供求的本质层面对房价变化进行机理分析，运用我国经济“换挡期”的百城季度数据进行实证检验，廓清在人口数量和信贷投放的双重影响下，货币政策数量型工具与价格型工具调控房价的效果。后文的安排如下：第二部分为理论模型构建与内在机理阐释;第三部分为实证检验;第四部分为实证结果分析;第五部分为全文结论与启示。

二、理论模型构建与机理阐释

已有“人口—资产价格泡沫模型” [30]和“人口—信贷—房价模型” [31]，分别从人口与资产价格、人口与银行信贷的不同角度讨论了房价变化，但未能从货币的“数量”与“价格”视角进一步剖析。本文引入货币政策调控的数量型和价格型工具，从消费约束的效用函数视角切入，构建“人口数量—货币政策—房地产价格”理论模型，以全面揭示影响房价的因素。在此基础上，深入阐释城市人口、货币政策作用于房价的途径，探讨房价变动的内在机理。

（一）理论模型构建

假设消费者为同质理性人，通过选择并购买不同的商品实现自身效用最大化。在市场上存在两种商品：房地产与其他商品。因此，消费者在购房时的消费效用函数为

U=αlnCR+βlnCO（1）

其中，消费者在购房时的消费效用函数U，可以视为房地产消费效用函数与其他商品消费效用函数的简单加总。lnCR和lnCO是以自然对数表示的效用函数，CR代表房地产消费、CO代表其他商品消费。α、β分别代表房地产消费、其他商品消费的不同效用偏好。

消费者出于生存居住的基本需要存在房地产需求。由于房地产的高价格属性，在购买房地产时，个人仅凭自有资金难以一次性全额支付房款，需要向银行申请贷款辅以完成购买，在银行发放贷款的前提下，消费者在购房时的预算约束条件为

PRQR+POQO≤W+L（2）

式（2）表明，消费者购房时的可使用资金（W+L），需要满足自身的购房消费PRQR和其他消费POQO。其中，PR、PO分别表示房地产价格、其他商品的价格，QR、QO分别表示房地产消费数量、其他商品消费数量，W表示消费者购房时的自有资金，L表示银行贷款。

为实现效用最大化，要求消费效用函数的偏导数为零。因此，围绕式（1）求解消费效用函数关于房地产消费的偏导，即UCR=0，具体过程如下：

对式（2）取等号，有PRQR+POQO=W+L，也即CR+CO=W+L。

对式（1），根据效用最大化条件有

UCR=αCR-βW+L-CR=0（3）

得到βCR=α（W+L）-αCR，因此在效用最大化条件下的房地产消费量CR为

CR=α（W+L）α+β（4）

假设此时的人口数量为H，房地产总供给上限为S，则每个消费者可以获得的房地产供给为S/H。进一步地，由于CR=PRQR，倘若房地产市场处于供求相等的均衡状态，即消费者购买房地产的数量（需求）等于房地产供给，则有

QR=CRPR=α（W+L）（α+β）PR=SH（5）

由式（5）可知，房地产价格PR为

PR=HS×α（W+L）α+β（6）

受土地的稀缺性、非流动性、供应垄断性等多种因素影响，依附于土地的房地产供给上限S存在一个定值，因此假定S保持不变。式（6）表明，在消费偏好α、β以及房地产总供给上限S不变的前提下，房地产价格PR受到消费者自有资金W、银行贷款L以及人口数量H的正向影响。

在此引入货币政策因素。根据货币政策信贷传导理论，货币政策作为宏观总量政策，通过数量型工具（法定存款准备金率）和价格型工具（利率）调控信贷，从而成为影响银行信贷规模的最主要因素。因此，银行信贷L既受法定存款准备金率rd的影响，也受利率rx的影响。两相作用，货币政策能够从宏观层面决定银行发放贷款的数量L（rd，rx）。最终，式（6）可进一步写为

PR=HS×α[W+L（rd，rx）]α+β（7）

鉴于法定存款准备金率和利率分别对银行信贷L存在负向影响，而银行信贷L又对房价PR存在正向影响，因而通过银行信贷的传递，法定存款准备金率rd和利率rx均对房价存在负向影响。最终，式（7）即本文推导的“人口数量—货币政策—房地产价格”理论模型。

式（7）从方向性影响的角度指出：在一座城市中，当其他条件不变时，人口数量H增加、信贷规模L扩张均会提高房价PR，法定存款准备金率rd和利率rx的增加则会降低房价PR。此外，消费者在购房时的自有资金W可以看作是其工资收入的结余，由于工资粘性，工资收入无法通过即时变动迅速影响房价。因此，人口增加和信贷扩张成为推动房价上涨的两大因素，法定存款准备金率和利率的提高成为抑制房价上涨的重要因素。综上所述，人口数量变化、货币政策调控均对房价变动产生影響。

（二）模型机理阐释

在式（7）基础上立足中国现实，融合供求理论，围绕人口数量变动、货币政策调控对房价变化的内在机理进行阐释。图1是根据式（7）推导的结论绘制的框架图，描述了城市人口、货币政策影响房价的不同途径。其中，

途径①是城市人口直接影响房价;

途径②是以法定存款准备金率为代表的货币政策数量型工具，通过银行信贷的“联结”影响房价;

途径③是以利率为代表的货币政策价格型工具，通过银行信贷的“传递”作用于房价;

途径④是银行信贷直接影响房价。

1.城市人口变动对房价的影响

人口是房地产市场发展的基本支撑，人口数量增加能够扩张房地产需求，成为影响房价的直接动能。改革开放以来，我国的城镇化率从1978年的17.92%提高到2018年的59.58%

数据来源：国家统计局。。在此期间，农村人口逐步向城市流动，形成集中涌向大中型城市的趋势。虽然长期存在的户籍制度通过行政性手段实施城乡分割 [32]，在限制人口自由流动的同时约束了城市对人口的吸纳能力，但是伴随人口红利迎来“拐点”，户籍制度的逐渐放松弥合了人口流动的“城际鸿沟”，城市间差异化甚至普惠化的落户政策消弭了人口迁徙的制度障碍，推动人口流向大中型城市。持续进入大中型城市的人口直接增加当地的房地产刚需，加剧大中型城市土地稀缺性与住宅用地需求之间的矛盾，依附于有限土地的房地产供给承受过量的购房需求，造成房地产供给不足。因此，人口不断流入大中型城市产生的房地产刚性需求与大中型城市的房地产供给不足产生“错位碰撞”，扩大了房地产市场的供求缺口，促使大中型城市房价率先上涨。

大中型城市房价上涨的示范效应也激活了房地产的投资投机需求。自1998年起我国实施商品房制度，在繁荣房地产市场发展的同时不断推升房价。房价总体保持上涨甚至“大涨”，令房地产成为近二十年来回报率最显著的投资项目，促使市场形成房价继续上涨的预期，在“买涨不买跌”的情绪驱使下激发房地产需求。加之羊群效应推波助澜掀起非理性抢购狂潮，引发的房价上涨加剧房地产的投资投机需求，引发房价螺旋式攀升。进一步地，大中型城市房价变动还会通过“波纹效应”影响中小型城市 [33]。随着大中型城市可容纳的人口数量达到极限，房地产市场的有限供给无法再满足过量需求，高房价的阻碍迫使部分在大中型城市工作的人口迁移至邻近中小型城市居住，相应增加了中小型城市的房地产刚性需求，为抬高房价奠定基础;同时，受市场影响，大中型城市高房价的现实诱使投机者形成中小型城市房价跟随上涨的预期，将房地产投资投机需求转移至邻近中小型城市从而抬高房价。最终，在人口流动的影响下，大中型城市过量的房地产需求依托空间传导至中小型城市，导致城际间房价整体上升。

综上所述，城市人口对房价的影响主要通过需求端实现。城市人口数量增加，房地产的刚性需求和投资投机需求相应增加，房地产需求与供给缺口相对扩大，房价上升也就不言而喻。因此，城市人口数量扩张引发房价上涨，这是理论模型式（7）揭示的一个重要经济含义。

2.货币政策调控对房价的影响

伴随人口涌向城市提高房价，运用金融手段灵活调控房地产市场成为当务之急。货币政策作为宏观调控的重要方式，既能从货币供给端调整商业银行向市场注入的资金数量，又能从货币需求端影响微观主体，改变企业（个人）需要的资金规模。以上过程通过数量型与价格型工具的使用得以实现。当市场有效需求发生变化时，货币政策凭借“有形之手”调控货币的数量与价格，调节供求关系，对市场进行方向校正，形成相对稳定的房地产均衡价格。

（1）法定存款准备金率和利率影响房价。

作为货币政策数量型和价格型工具的代表，法定存款准备金率和利率分属货币政策调控“硬币的两面”。在理想情况下，法定存款准备金率和利率对市场均衡价格的调控结果具有一致性，对于房地产市场也不外如是。

法定存款准备金率作為货币政策数量型调控工具，通过调节商业银行在中国人民银行的存款准备金数量影响商业银行信贷供给，相应改变流入房地产市场的资金规模。当央行提高法定存款准备金率时，受商业银行货币供给紧缩的影响，信贷资金减少波及房地产供求双方，通过给房地产市场“降温”对房价发挥抑制作用。此外，当央行连续提高法定存款准备金率时，不断紧缩的信贷规模催生资金成本逐渐提高的市场预期，能够持续遏制房价上涨。反之，当央行降低法定存款准备金率时，由此产生的流动性“闸门”扩张效应会从总量层面增加房地产市场的资金规模，在助力房地产市场发展的同时提高房价。因此，法定存款准备金率对房价具有负向影响。

利率作为货币政策价格型调控工具，能够直接影响银行贷款资金的成本，借助价格信号牵引房地产市场的资金总量发生微调甚至转向，发挥房价调控作用。进一步地，当央行提高基准利率时，经过利率体系传导提高房地产供给方的贷款利率和购房需求方的按揭利率，贷款成本的提高通过平抑房地产市场过热势头降低房价。同样，当央行连续提高基准利率，凭借信号宣示功能在房地产市场形成资金成本持续上升的稳定预期，“冷却”房地产市场热度。因此，利率对房价变动存在负向影响。

综上所述，法定存款准备金率和利率的提高能够抑制房价上涨，这也是理论模型式（7）揭示的重要经济含义。特别指出，当房价上涨产生的收益远高于法定存款准备金率或基准利率提高带来的成本时，房地产市场的投资投机需求会被强烈激发，资金成本的约束力将失去功效。此时需要货币政策对房地产市场持续紧缩操作，通过货币政策数量型与价格型工具的组合强化对房价上涨的调控作用。此外，货币政策虽然从总量层面平抑“投资投机性”房价波动，在一定程度上缓解房地产市场的躁动情绪，但是由人口增加引发的住房刚性需求和改善性需求无法单纯运用紧缩货币政策进行抑制，只能通过边际收缩信贷供给或阶梯式提高房贷利率的方式约束人们购买房地产的数量，从而拓展货币政策结构性调控房价的边际空间。

（2）银行信贷影响房价。

房地产属于资金密集型产业，需要大量的资金支持。银行信贷不仅为房地产的土地购买、建设开发、市场销售全程提供资金，也给予房地产市场稳定的发展环境，因此银行信贷成为房地产市场的主要融资渠道。从供求视角来看，一方面，作为房地产市场的直接供给方，开发商在房地产置地建造的过程中必须投入资金购买土地、原材料和劳动力，由此产生的巨量资金需求仅凭开发商独木难支，需要银行信贷予以融资帮助;另一方面，房地产高价格的现实导致消费者购买房地产同样离不开银行信贷。

当银行信贷增加时，市场供求双方借助信贷扩张踊跃参与房地产活动，推动房地产市场走向繁荣。一方面，由于短期内土地供给的有限性，房地产供给方队伍的壮大加剧土地市场竞价，造成土地价格持续上涨，地价上涨通过成本机制转移至房价。另一方面，银行扩张信贷提高了获得贷款的可能性，促使消费者潜在的远期购房计划落实为当期购房行动，在短期增加房地产需求。由此可见，信贷增加引发房地产市场的需求与供给出现失衡，受土地约束影响房地产供给在短期不易立即变化，而需求相对于供给的超前性扩张无疑会“推高”房价。反之，当银行信贷收缩时，供求双方无法获得充足资金，能“冷却”房地产市场的高热态势，需求更为明显地收缩将平抑房价。

然而，当银行信贷过度扩张造成资金供给过剩时，趋利性的货币必将寻求保值增值渠道，鉴于金融属性和较高的回报率使得房地产成为绝佳的投资选择，追逐高收益的资金首先流入大中型城市的房地产市场，增加当地的房地产投资需求进而抬高房价，由此激发房地产供求双方的投机欲望，受羊群效应影响投机需求开始膨胀，加剧房价上升趋势。房价持续走高预示房地产具有更快的升值速度和更高的投资价值，进一步刺激货币的逐利动机，促使资金以更大规模涌入房地产市场，最终造成房价螺旋式上涨。

伴随货币持续流入大中型城市，在通胀预期和收益边际递减的作用下，供给有限的房地产市场难以承受过量的货币，对周边城市产生溢出效应。货币受空间套利动机的影响流向中小型城市的房地产市场，通过扩张投资投机需求拉高中小型城市房价，在城际间形成房价上涨的“波纹效应”。2010—2018年，我国“金融机构人民币各项贷款余额/GDP”指标从1.16提高到1.51

数据来源：中国人民银行、国家统计局，由笔者计算所得。，呈现信贷扩张趋势，在此期间城市房价不断上涨。究其原因，一方面，这一阶段我国的货币政策传导以银行信贷渠道为主，实体经济和虚拟经济固有的投资收益率差异引发银行信贷偏好房地产;另一方面，为对冲前期国际金融危机的残余影响，央行释放大量流动性刺激经济，在一定程度上造成资金“漫灌”以致“淹至”房地产市场。最终，金融体系资金供给与房地产市场资金需求不谋而合，导致城市房价逐年提高。综上所述，银行信贷增加引发房价上涨，这是理论模型式（7）揭示的又一重要经济含义。

三、实证检验

（一）实证模型设计

根据理论分析进行实证检验，基于城市分级层面考察人口数量、银行信贷、利率（价格型工具）和法定存款准备金率（数量型工具）对房价的影响。实证模型重点考虑我国一、二、三线城市人口数量变动、银行信贷投放、利率以及法定存款准备金率对房价的作用效果。因此，在理论模型式（7）方向性分析和内在机理阐释的基础上，构建多元线性回归计量模型如下：

Pi，t=β0+β1×Hi，t-1+β2×Li，t-1+β3×MPt+β4×GDPi，t-1+β5×STRUi，t-1+μi+εi，t（8）

其中，i=1，2，3;t=1，2，…，T;Pi，t为一、二、三线城市的平均住宅价格变量。为减轻内生性影响，参照已有研究做法，对解释变量采取滞后一期处理。

Hi，t-1为滞后一期的一、二、三线城市的平均常住人口变量;

Li，t-1为滞后一期的一、二、三线城市平均信贷规模变量;

MPt为货币政策变量

在中国人民银行网站暂未发现当期货币政策制定受到当期房价即时影响的相关表述;为了避免解释变量可能出现的多重共线性问题，对货币政策变量采用当期值MPt。，分别以利率工具rx或法定存款准备金率工具rd作为表征;

GDPi，t-1为滞后一期的一、二、三线城市GDP平均增速;

STRUi，t-1為滞后一期的一、二、三线城市经济结构平均值，具体以第三产业GDP占总GDP的比重作为表征;

μi代表个体异质性的扰动项;

εi，t为跟随个体与时间而改变的经典扰动项。

（二）数据说明与描述性统计

我国于2010年正式启动百城住宅价格指数研究，形成了覆盖范围最广（涵盖别墅、商品住宅、保障性住房等在售新房）、囊括城市最多的房价指标体系，能够较为完全地反映房地产市场的价格水平。此前，房地产价格的相关指标和数据大多从国家统计局获取，采用商品住宅销售面积和商品住宅销售额计算获得，由此得到的房价指标及数据代表性并不全面。同时，自2010年起我国宏观经济开始“换挡”，经济增速逐渐平稳放缓。因此，基于数据可靠性和代表性的考虑，本文选取2010年第二季度至2018年第四季度的35组城市季度面板数据为样本，探讨在宏观经济增速“换挡”之后的这一阶段，我国城市人口数量、银行信贷、货币政策调控对房价的影响。

在数据选取方面，一、二、三线城市的房地产价格平均值根据中国房地产指数系统（CREIS）公布的百城住宅平均价格数据汇总计算得到

根据CREIS对我国百座城市的等级划分，一线城市包括北京、上海、广州、深圳，二线城市包括天津、重庆、杭州、南京、武汉、沈阳、成都、西安、大连、青岛、宁波、苏州、长沙、济南、厦门、长春、哈尔滨、太原、郑州、合肥、南昌、福州，三线城市包括百城中除一线城市、二线城市之外的其他城市。;一、二、三线城市的常住人口平均值根据国家统计局、各省市统计局公布的常住人口数据计算得到;一、二、三线城市的信贷规模平均值根据国家统计局、中国人民银行历年区域金融运行报告汇总计算形成;货币政策利率工具和法定存款准备金率工具的相关数据源自中国人民银行，利率工具以人民币贷款基准利率表征、法定存款准备金率工具以大型存款类金融机构人民币法定存款准备金率表征。为保障实证结果的稳健性，利率工具选取涵盖6个月至5年的不同期限贷款基准利率。针对控制变量，经济增长与经济结构的相关数据源自国家统计局与各省市统计局。结合统计学理论，对于少数缺失数据进行外推处理。实证检验所选取样本数据为N=3、T=35的平衡长面板数据。原始数据均进行季节调整以消除季节性因素的影响，实证操作基于Stata15软件，变量定义与数据指标说明见表1。

在样本观测期内，一、二、三线城市的房地产价格、常住人口和信贷规模历经持续性的增长并呈现梯级分化。为了直观展示上述规律，表2基于城市分级视角汇报了部分变量的描述性统计结果。比较发现，平均住宅价格、平均常住人口、平均信贷规模三个变量在一、二、三线城市的表现存在显著差异。其中，一线城市的平均房价分别比二、三线城市高19978.64元/平方米和23244.52元/平方米，一线城市房价均值标准差远大于二、三线城市，表明城际间的房价差异巨大，类似结论同样适用于平均常住人口和平均信贷规模。因此，表2初步反映出一、二、三线城市之间由于人口数量与信贷规模差异引起的房价分化：倘若出现人口数量从乡村或小城市直接进入大中型城市的“跃迁”，会促成“大城市高房价、小城市低房价”的结构性分布。

（三）面板数据预检验

为避免“伪回归”，采取适用于长面板数据的LLC检验方法，通过控制线性时间趋势对所有变量进行面板单位根检验，结果见表3。观察发现，除常住人口变量H和经济结构变量STRU不平稳之外，其余变量均在1%水平下显著平稳。为保障实证模型存在回归前提，根据式（8）对变量进行Pedroni面板协整检验 [34]，从表4的结果可以看出变量之间具备协整关系。因此，无论从前文理论模型推导还是协整检验，本文选取的变量在理论和实证两个层面均具有长期经济含义。

（四）实证方法选择

由于实证检验旨在分析城市人口、银行信贷、利率以及法定存款准备金率对房价的影响，为降低其他不可观测因素干扰，减缓可能因模型遗漏变量引起的偏差，首先运用面板固定效应模型控制上述因素（Hausman检验的P值为0，接受固定效应假设），据此结合长面板数据特点，通过放松式（8）中扰动项εi，t独立同分布的假设，进一步运用更为稳健的面板校正标准误方法检验实证模型，这样既能消除因扰动项εi，t产生的组间异方差或组间同期相关影响，又能保障实证结果的稳健性。

四、实证结果分析

（一）城市人口、货币政策对房价的影响

根据式（8），分别运用货币政策价格型工具rx和数量型工具rd对解释变量MPt进行替换，形成具体的计量模型，运用面板校正标准误方法的回归结果见表5。其中，在第（1）—（4）列中，除人口变量H和信贷变量L之外，依次选择6个月至1年的超短期贷款利率rl、1至3年的短期贷款利率ry、3至5年的中期贷款利率rs、5年以上的长期贷款利率rw作为货币政策价格型工具的指标，考察不同期限利率工具分别对房价的影响。在第（5）列中，选择大型存款类金融机构人民币法定存款准备金率rd作为货币政策数量型工具的指标，考察法定存款准备金率工具对房价的影响。

其一，常住人口H的系数显著为正，表明在一、二、三线城市中，常住人口H增加能够提高当地房价;信贷规模L系数显著为正，意味着信贷扩张也能抬高房价;利率工具rx的系数显著为负，表明基于

宏观层面实施的货币政策价格型工具紧缩有助于抑制房价上涨，进一步地，不同期限利率工具的符号均为负，说明不同期限的贷款基准利率均能在不同程度降低房价;存款准备金率工具rd的系数显著为负，表明货币政策数量型工具的紧缩也能抑制房价上升。由此可见，城市人口、银行信贷、利率和法定存款准备金率，对我国一、二、三线城市房价的影响方向与理论模型的推导结果保持一致，同我国城际间房地产市场的经验观察基本相符。因此，从符号方向性的视角来看，实证模型的检验结果与理论模型推导较为符合。

其二，基于房价变化的视角，利率和法定存款准备金率两类工具对房价的影响大于城市人口和信贷投放两个因素，表明房价对货币政策信号变动的反应更为敏感。进一步分析利率与法定存款准备金率两种工具，虽然从统计显著性来看，法定存款准备金率回归系数的显著性比利率略高，但是法定存款准备金率的回归系数绝对值最小（在第（5）列中为175.05），明显低于不同期限利率的回归系数绝对值，说明在货币政策调控产生1单位变动的情况下，利率对房价的影响大于法定存款准备金率。换言之，从房价变化的角度来看，中央银行实施价格型工具调控房价的功效优于数量型工具。因此，在房价调控中需要重视并侧重价格型工具的使用，保障货币政策调控房价有力度、有实效。

其三，在利率工具中，不同期限利率工具对房价的调控作用有所区别，表明从超短期到长期的贷款基准利率调控房价的力度相异。其中，1至3年的短期贷款利率ry对房价的抑制效果最为明显，效果优于更长期限的贷款利率rs和rw，说明中央银行调整1至3年短期贷款基准利率对房地产市场的信号宣示功能最为显著，通过直接影响购房成本引发市场供求变动，成为房价走势较好的预测信号。由于贷款基准利率经由中国人民银行公布能够直接传递至市场微观主体，因此在贷款利率体系中，央行短期贷款基准利率对抑制房价过快上涨的作用至关重要。

其四，基于符號方向性的分析发现，人口、信贷对房价的影响与利率、准备金率对房价的作用相反。同时，控制变量（经济增长）的回归结果指出，城市较高的经济增速代表当地较高的经济发展水平，相应带动房地产市场的发展，从而推动房价上涨。两相结合可知，倘若城市通过吸纳外来人口和扩大招商引资等方式发展经济，由此引发的房价上涨会和货币政策工具紧缩操作抑制房价产生“反向摩擦”，表明城市对经济快速发展的诉求与货币政策工具调控房价的功能并不完全协调，造成货币政策的房价调控效应在部分程度上被人口流入和信贷投放“对冲抵消”。

综上所述，人口数量、银行信贷两者对城市房价存在正向影响，而货币政策工具（利率工具与法定存款准备金率工具）对城市房价具有负向影响。因此，从符号的方向性来看，实证结果符合前文的理论分析。需要说明的是，在房价调控层面，货币政策价格型工具优于数量型工具的实证结果，恰好印证了我国近年来的货币政策转型调整情况。具体而言，我国货币政策数量型调控曾在经济高速增长阶段成效显著，然而随着经济由高速增长“换挡”转向高质量发展，货币政策调控方式也随之从单纯数量扩张转向为深化传导效率，不断凸显市场化色彩，从而逐步向价格型调控转型。由于本文实证检验的样本数据起始于2010年第二季度，与经济增速“换挡”时期较为接近，因此利率和法定存款准备金率两类工具调控房价的差异化表现揭示了货币政策调控转型的变化规律。改进传统性数量型工具、运用创新性价格型工具，也是未来货币政策调控房地产市场的适宜选择。

（二）稳健性检验

在回归模型式（8）的解释变量选择中，针对货币政策价格型工具选取了涵盖6个月至5年的多种期限利率，以全面反映不同期限利率工具对房价的影响差异。为进一步提高实证结果的稳健性，对式（8）的人口变量进行替换。从理论上来看，在一座城市中，常住人口与流动人口共同作为城市总人口的组成部分，两者都对房地产存在居住刚性需求。其中，常住人口增加通过扩张购房需求直接提高房价，流动人口增加通过拉动租房需求间接推升房价，致使城市人口增加对房价产生正向影响。因此，在实证研究中需要考虑城市总人口对当地房价的影响，从而保障实证结果的稳健性。

因此，采用包含常住人口与流动人口的城市总人口作为解释变量进行稳健性检验，回归结果见表6。可以看到，在替换解释变量之后运用面板校正标准误方法得到的回归结果与表5基本一致。因此，理论模型和实证检验的结果都表明，人口增加、信贷投放均能提高房价，货币政策数量型和价格型调控的紧缩操作均能抑制房价上涨，实证结果较为稳健。

五、结论与启示

本文基于消费约束的效用函数视角，引入货币政策的数量型和价格型调控因素，构建包含人口、信贷、法定存款准备金率和利率在内的“人口数量—货币政策—房地产价格”理论模型，结合供求原理分析其内在机理，在理论推导和机理分析的基础上，运用2010年第二季度—2018年第四季度的百城面板数据进行实证检验，得出以下主要结论：

（1）在我国经济进入“换挡”阶段后，一、二、三线城市的信贷规模扩张和常住人口增加均会拉动当地房地产需求从而提高房价。在此基础上，以贷款基准利率为代表的货币政策价格型工具和以法定存款准备金率为代表的货币政策数量型工具，两者的紧缩操作能够对房价上涨产生显著的抑制效应。

（2）不同期限利率工具对房价的抑制作用均强于法定存款准备金率工具，表明货币政策价格型工具调控房价的功效优于数量型工具。其中，1至3年的短期贷款利率对房价上涨的抑制效果最为明显，说明央行调整短期贷款基准利率对房地产市场的宣示功能最为显著，能够成为短期内房价走势较好的预测信号。

（3）伴随城市化推进，由信贷扩张和人口增加两个因素对房价产生的推动作用，将与利率和准备金率紧缩的抑制房价功能“反向摩擦”，说明城市的经济发展诉求与货币政策抑制房价过快上涨的目标并不完全协调，造成货币政策的房价调控效应在一定程度上被信贷投放和人口增加“对冲抵消”。

在房地产调控过程中，从短期看应注重适时运用货币政策价格型工具，通过利率信号的资金成本宣示作用引导市场稳定预期，发挥约束房价过快上涨的“靶向”效果，促成更具市场化的房地产调控模式。同时，坚持“房子是用来住的、不是用来炒的”这一基本定位，预防货币过多流向房地产市场导致“脱实向虚”，通过严控信贷资金为房地产市场运行提供稳定的金融环境。从长期看，要根据“因城施策”导向加强不同城市房价的差异化调控，根据人口集中流向大中型城市的现实规律调整住宅建设用地指标，形成动态差别化供给房地产的长效机制。最终，在多种政策措施的合力作用下，保障房地产市场平稳、健康、可持续发展。

参考文献：

[1] Tabuchi T. Urban agglomeration and dispersion： A synthesis of Alonso and Krugman[J]. Journal of Urban Economics， 1998， 44（3）： 333351.

[2] Brown S J， Liu C H. A global perspective on real estate cycles[M]. Amsterdam： Kluwer Academic Publishers， 2001： 6389.

[3] Steveson S. Modeling housing market fundamentals： Empirical evidence of extreme market conditions[J]. Real Estate Economics， 2010， 36（1）： 129.

[4] 陈国进， 李威， 周洁. 人口结构与房价关系研究——基于代际交叠模型和我国省际面板的分析[J]. 经济学家， 2013（10）： 4047.

[5] Chen J， Guo F， Wu Y. Chinese urbanization and urban housing growth since the mid 1990s[J]. Journal of Housing & the Built Environment， 2011， 26（2）： 219232.

[6] 駱永民. 城市化对房价的影响： 线性还是非线性？——基于四种面板数据回归模型的实证分析[J]. 财经研究， 2011（4）： 135144.

[7] 刘修岩， 李松林. 房价、迁移摩擦与中国城市的规模分布——理论模型与结构式估计[J]. 经济研究， 2017（7）： 6578.

[8] 傅贻忙， 周建军， 周颖. 人口结构变迁对房地产库存的影响研究——基于SYS GMM估计方法的区域差异分析[J]. 经济经纬， 2019（2）： 8794.

[9] Hayek F， Friedrich A. Monetary theory and the trade cycle[M]. New York： Sentry Press， 1933.

[10]Collyns C， Senhadji A. Lending booms， real estate bubbles， and the Asian crisis[R]. IMF Working Papers， 2002.

[11]Goodhart C， Hofmann B. House prices， money， credit， and the macroeconomy[J]. Oxford Review of Economic Policy， 2008， 24（1）： 180205.

[12]Davis E P， Zhu H. Bank lending and commercial property cycles： Some cross country evidence[J]. Journal of International Money & Finance， 2011， 30（1）： 121.

[13]Nishimura K. How to detect and respond to property bubbles[C]. Sydney： Presentation at the Reserve Bank of Australia BIS Research Conference “Property Markets and Financial Stability”， 2012.

[14]平新乔， 陈敏彦. 融资、地价与楼盘价格趋势[J]. 世界经济， 2004（7）： 310+80.

[15]李宏瑾. 房地产市场、银行信贷与经济增长——基于面板数据的经验研究[J]. 国际金融研究， 2005（7）： 3036.

[16]周京奎. 房地产泡沫生成与演化——基于金融支持过度假说的一种解释[J]. 财贸经济， 2006（5）： 310+96.

[17]陈诗一， 王祥. 融资成本、房地产价格波动与货币政策传导[J]. 金融研究， 2016（3）： 114.

[18]马勇， 吴雪妍. 银行信贷如何影响房价？[J]. 金融评论， 2018（3）： 122.

[19]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle[J]. American Economic Review， 2005， 95（3）： 739764.

[20]Lastrapes W D， Potts T B. Durable goods and the forward looking theory of consumption： Estimates implied by the dynamic effects of money[J]. Journal of Economic Dynamics and Control， 2006， 30（8）： 14091430.

[21]Demary M. The link between output， inflation， monetary policy and housing price dynamics[R]. MARA Paper， 2009： 138.

[22]李成， 李一帆. 貨币政策、行政管制与房地产价格变动——基于百城住宅数据的经验分析[J]. 云南财经大学学报， 2019（1）： 3851.

[23]邓富民， 王刚. 货币政策对房地产价格与投资影响的实证分析[J]. 管理世界， 2012（6）： 177179.

[24]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）： 114128.

[25]陈创练， 戴明晓. 货币政策、杠杆周期与房地产市场价格波动[J]. 经济研究， 2018（9）： 5267.

[26]刘金全， 陈德凯. 我国房地产价格波动与货币政策调控模式研究——基于政策不确定性视角的实证分析[J]. 当代经济科学， 2017（4）： 5157.

[27]郭文伟. 中国多层次房价泡沫测度及其驱动因素研究——兼论我国房地产调控政策的实施效果[J]. 经济学家， 2016（10）： 3037.

[28]刘中显， 荣晨. 房地产市场调控长效机制的建立与完善[J]. 宏观经济研究， 2017（12）： 92105.

[29]欧阳志刚， 薛龙. 新常态下多种货币政策工具对特征企业的定向调节效应[J]. 管理世界， 2017（2）： 5366.

[30]Takts E. Ageing and asset prices[R]. BIS Working Papers No. 318， 2010.

[31]朱太辉， 张晓朴. 金融危机的人口信贷房价模型[J]. 金融评论， 2015（5）： 3144.

[32]马草原， 马文涛， 李成. 中国劳动力市场所有制分割的根源与表现[J]. 管理世界， 2017（11）： 2234.

[33]Meen G. Regional house prices and the ripple effect： A new interpretation[J]. Housing Studies， 1999， 14（6）： 733753.

[34]Pedroni P. Panel cointegration： Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[R]. Department of Economics Working Papers， 2004， 20（3）： 597625.

[本刊相关文献链接]

[1] 孟令国，卢翠平，吴文洋.“全面两孩”政策下人口年龄结构、养老保险制度对居民储蓄率的影响研究[J].当代经济科学，2019（1）：6775.

[2] 安磊，沈悦，徐妍.房价上涨如何影响实体企业债务融资——兼论房地产调控政策的实施效果[J].当代经济科学，2018（5）：4761.

[3] 华昱.预期冲击、房地产部门波动与货币政策[J].当代经济科学，2018（2）：4856.

[4] 郭娜，章倩，周扬.房价“粘性”、系统性金融风险与宏观经济波动——基于内生化系统性风险的DSGE模型[J].当代经济科学，2017（6）：716.

[5] 李言，毛豐付.货币政策应该对房价波动做出反应吗——基于中国房地产市场衰退情境的模拟分析[J].当代经济科学，2017（5）：3038.

[6] 王笳旭，冯波，王淑娟.人口老龄化加剧了城乡收入不平等吗——基于中国省际面板数据的经验分析[J].当代经济科学，2017（4）：6978.

[7] 刘金全，陈德凯.我国房地产价格波动与货币政策调控模式研究——基于政策不确定性视角的实证分析[J].当代经济科学，2017（4）：5157.

[8] 王笳旭.人口老龄化对我国城乡居民消费差距的影响研究——基于省际动态面板数据的实证分析[J].当代经济科学，2015（5）：109.

责任编辑、校对： 高原

The Impact of Urban Population and Monetary Policy on Real Estate Price： Internal Mechanism and Empirical Test

LI Cheng 1， LI Yifan 1， YU Haidong 1， LI Wenle 2

（1. School of Economics and Finance of Xian Jiaotong University， Xian 710061， China;

2. Post doctor Workstation of Applied Economics of Xian Jiaotong University， Xian 710061， China）

Abstract：This paper constructs a theoretical model of “population quantity monetary policy real estate price” from the perspective of consumption constraint utility function. To understands the influence mechanism of urban population and monetary policy on real estate price changes from the supply demand relationship， using 100 city quarterly data from the second quarter of 2010 to the fourth quarter of 2018 to verify the standard error of panel correction. The findings are as below. （1） The increase of resident population and the expansion of credit scale in the first， second and third tier cities lead to the rise of house prices by aggravating the gap between supply and demand of real estate， while the tightening of interest rate and reserve rate can restrain the rise of house prices. （2） Judging from the change of the house price， the “price based” monetary policy is more effective than the “quantity based” monetary policy in controlling house prices. Among them， the effect of “price oriented” tools in controlling house prices in different periods is different， and the effect of short term loan interest rates in 1 to 3 years is the most obvious. （3） With urbanization， the effect of monetary policy on housing prices is offset to some extent by population growth and credit expansion. Therefore， we need to explore innovative， targeted， and structural monetary policy tools to play a “targeted” effect of housing price constraints.

Keywords：Urban population; Monetary policy; Credit delivery; Real estate price; Consumption utility function