房地产业作为国民经济发展的重要产业，在促进消费、扩大内需、拉动投资增长、保持国民经济持续健康快速发展等方面，发挥了举足轻重的作用。尤其是作为关键点之一的房地产价格，是资源配置的重要影响因素，其过快上涨不仅会加剧当前经济中的结构矛盾，也会对居民的消费支出和其他投资行业产生“挤出效应”，甚至可能积聚金融风险、引发金融危机。然而，我国房地产业自从市场化以来，其价格持续攀升、步步走高，宏观调控效果不够理想，也一定程度上说明货币政策在房地产价格调控中发挥的积极作用不够。

已有的许多研究和房地产调控实践表明，货币政策工具是可以对房地产价格产生显著影响的，且数量型货币政策对房价的调控效果更为明显。但是，为什么货币政策宏观调控很难达到预期的效果，究其原因是在以往的调控过程中，将关注点过分集中于主体作为与否以及组合工具的使用，而忽略了调控对象的客观属性，故而很难做到精准调控。不同区域房地产市场的发展背景存在差异，如经济环境、人口规模等方面，使得货币政策调控效果展现出区域异质性。如何根据调控对象的客观属性来分类施策，从而提高调控的精准性与有效性，已有部分学者以地理位置为划分依据展开研究，将研究触角更进了一步，但也存在一定的局限性，例如同被划为东部地区的北京与辽宁，2019年北京市房价约为6万元/平方米，辽宁平均房价约为6千元/平方米，房地产发展差异如此明显的地方作为同一调控对象显然有失合理性，这表明传统的地理位置分类对于房地产的精准调控并不一定是较好的选择。房地产市场的发达程度与城市规模、人口总数、经济发展水平、科技创新能力、金融业发展程度、交通通达能力等息息相关，而同等发达程度城市的房地产市场对货币政策的调控具有较为相近的反应机制。城市的发展规模、人口总数、科技创新能力、金融业聚集度也决定了城市的发展等级，同一等级城市的房地产市场对货币政策的反应机制更具有趋同性，也就是说，从城市等级的视角，来提高货币政策调控的精准性，也许是现阶段一个相对较好的选择。对此，本文拟基于城市等级视角，探究货币政策对房地产价格的动态作用规律，以期为货币政策精准调控房地产市场提供参考。

本文以中国房地产指数系统中100个主要城市作为研究样本。对于城市等级的界定，2014年11月20日，《国务院关于调整城市规模划分标准的通知》提出以“城区常住人口”为城市规模划分标准，已有研究多衡量城市经济发展水平，并以此作为划分城市等级的主要依据。考虑到城市发展的多样性和全面性，本文综合观测样本城市的人口规模、金融发展、科技创新、商贸往来五个方面，根据五个方面发展情况其划分为一、二、三线城市。其中，一线城市常住人口大于1000万，金融业聚集度较高，城市科技创新发展指数排名前5，贸易进出口总值排名前10；二线城市常住人口超过500万，金融业聚集度中等，城市科技创新发展指数排名前30，贸易进出口总值排名前50；三线城市常住人口大部分不足500万，且金融业聚集度普遍较低，城市科技创新发展指数排名30名以外，贸易进出口总值排名50名以外。100个主要城市划分结果如表1所示。

(1）房价指标

现有研究中，常见房价指标有住房销售平均价、新建住房价格指数增长率等，而房地产市场上出售房屋种类差异，单一商品住宅销售价格可能不足以代表区域房价，需寻求一个尽量包含指定区域内多种类型房屋的综合价格。中国房地产指数系统（CREIS）通过观测全国主要城市的房地产市场现行状况及发展潜力，形成一套综合价格指数体系。其中，“城市价格指数”是对主要城市房价的衡量，由城市内部多种类型房屋价格的全样本检测结果而成，能够较真实、全面地反映城市房价变动情况，因此本文选择CREIS中的“城市价格指数”数据，作为房价指标（hp）衡量样本城市房地产价格。

(2）货币政策指标

目前我国中央银行主要货币政策工具有：利率、法定存款准备金率、公开市场业务等。利率作为货币的价格信号，反映的是资金市场的供求情况，更进一步的，是信贷总量变动的长期作用结果。存款准备金率通过释放或控制信贷操作，调节市场流动性，其变化情况又主要由市场信贷规模体现。考虑数据的可观测性及购房贷款的长期性，本文选取国内贷款总额（load）和五年期金融机构法定贷款利率（rate）作为货币政策的代理变量。

本文各城市发展数据来源于对应城市国民经济和社会发展统计公报、《中国城市科技创新发展报告2018》、海关总署网站等。房价数据来源于CREIS公布的主要城市价格指数，数据期间为2010年6月至2018年12月。如图1、2、3所示，可以看出，一线城市价格指数大多数超过了20000，二线城市浮动于10000上下，三线城市则普遍低于10000，表明同一等级城市的房价相差不大，可以进行归类研究。信贷规模（load）、及利率（rate）数据取自中经网数据库及中国人民银行网站。基于我国的货币发行制度，本文假设不同货币政策数据相互独立。

针对收集到的原始数据还需做如下处理：首先使用X12法消除城市价格指数月度数据季节波动的影响；其次对同一类别中各城市数据依据其房屋成交面积进行汇总、加权平均得到一、二、三线城市的年住宅平均价格数据，记为hp＿01、hp＿02、hp＿03；最后通过对数化处理消除量纲差异，并以“lnhp＿01、lnhp＿02、lnhp＿03、lnload、lnrate”表示，实证过程采用Eviews7.0进行，表2为各变量数据的描述性统计。可以看出，房价指标的最大值为10.606，最小值为8.812，分别对应一线城市和三线城市，这与实际经济发展情况较为相符。

VAR模型是通过对当期变量和若干滞后期变量建立某种回归关系，以此反映出各变量之间的动态变化关系。本文欲探析不同等级城市房价对于货币政策变化的反应情况，VAR模型不仅可以明确包括自身在内的每个变量的相互影响结果，且脉冲响应和方差分解亦可以较为直观地反映各变量之间的长期动态关系以及贡献程度，符合研究初衷，因此本文引入VAR模型进行研究。VAR(p）表示滞后P阶模型，其一般形式如下：

其中，y_t为内生变量，u_t为误差向量，A_p为待估系数矩阵。

为保证实证结果的准确性，首先对数据进行ADF单位根检验。经检验，lnhp＿01、lnload、lnrate原值数据不平稳，因此对变量序列进行差分处理，一阶差分序列检验结果如表3所示。

从表3可以看出，所有变量作一阶差分后，均在对应临界值下拒绝原假设，表示一阶差分后序列平稳，此时各变量呈一阶单整I(1），可进一步检验变量间的协整关系。

同阶单整的序列需进行协整检验，以验证变量间的长期关系，本文采用Johansen-Juselius方法检验，结果如表4所示。通过对相关变量的协整检验可知，两类货币政策工具与各线城市的房价之间均至少有一个协整方程，表明货币政策与房价存在长期协整关系，进一步建立VAR模型。

VAR估计前需确定滞后阶数，一般来说，随着滞后阶数的增大，模型所反映出的变量间动态关系会更真实和完整，但同时模型的估计系数变多，继而降低整体自由度，因此需要通过判断准则确定最优滞后阶数。本文首先分别建立包含两种货币政策工具及某一级城市房价数据在内的共3个VAR模型，并根据LogL、FPE、AIC、SC、HQ共5个判断准则进行滞后阶数选取，结果如表5所示。

从表5可以看出，各线城市模型滞后阶数p为1阶时，AIC、SC、HQ都达到了最小值，所以三个模型的最优滞后阶数均选为1阶，并建立VAR(1）模型。

对一、二、三线城市分别建立如下VAR(1）模型，且三个模型的整体拟合优度为96.8%、99.7%、99.9%，表明模型能够较好解释变量之间的关系。

建立三个VAR(1）阶模型后，需确定模型稳定，采用单位根检验法，所有单位根都落在单位圆以内则表明模型稳定。三个模型的单位根检验结果如图4、图5、图6所示，表明所建的三个模型稳定，可进行下一步分析。

从上述模型可以看出，各线城市房价自身滞后一期均对当期产生了正向影响；其次，忽略系统交互影响，单看房价的系数估计结果，初步判断不同货币政策工具对房价调控效果可能存在较大差异，其影响程度为从一线城市至三线城市依次减弱，且信贷扩张、利率降低等扩张性货币政策对一线城市房价上升有显著推动作用，但对二、三线城市房价影响不太明显；反之，信贷紧缩、提升利率等紧缩性货币政策可抑制一线城市房价上升，但与此同时二、三线城市房价波动较小。为进一步检验和分析货币政策调控的区域异质性，基于模型估计结果运用脉冲函数模拟不同政策工具冲击对城市房价的动态影响。

脉冲响应是指对VAR模型内某个变量在基期给予一个标准差正向变化，其余变量受到其冲击后在未来各期的响应情况，图7至图9是在三个模型的脉冲响应曲线。

对比上图可以看出，整体上各城市房价对于货币政策的响应期限主要介于1-6期之间，一线城市受货币政策影响较大、周期较长，二、三线城市房价波动较小，周期较短。进一步对不同城市脉冲响应曲线图进行分析，可以得出以下几点结论：

(1）对于一线城市，如图7所示，给予房价一个正冲击时，城市房价脉冲响应始终为正，并在第4期左右达到最大值，为0.09；给贷款规模一个正冲击时，城市房价响应始终为正，且经历了一个由升转降的过程，转折点在第3期左右，表明贷款规模的增大会引起房价的上升，在第3期左右升至房价最大值，随后房价会出现下降趋势，但整体而言仍然比基期价格高；给利率一个正冲击时，城市房价的响应为负，约在第2期左右下降至最低点，随后开始回升，第5、第6期左右时相比于基期有所上升，最后稳定在初期状态，表明央行提升利率，对应房价是前期下降，中后期回稳。

(2）对于二线城市，如图8所示，当给予房价一个正冲击时，城市房价脉冲响应趋势类似于一线城市，但第3期回升程度较小；给贷款规模一个正冲击时，城市房价响应初期为正，第2期达到最大值，随后出现短期负向，从第6期开始几乎为0，表明贷款规模的增大，二线城市房价先升后降，后期恢复初始状态；给利率一个正冲击时，城市房价整体响应为正，且在第三期达到最大值，表明央行提升利率对二线城市的调控作用在前期不太明显，中后期时房价上涨趋势才有所放缓。

(3）对于三线城市，如图9所示，当给予房价一个正冲击时，城市房价脉冲响应始终为正，但在前期有一个较为明显的响应减弱过程；给贷款规模一个正冲击时，三线城市的初期响应情况类似于二线城市，即出现短期正向响应，随后转负，不同的是，三线城市后期一直低于初始状态；给利率一个正冲击时，三线城市房价表现弱正向响应，表明央行提升利率对三线城市的房价调控效果不太明显。

综合分析来看，央行实行降准政策时，购房者可贷款数额增多，相应的房地产开发商的生产成本降低，供求变化使得房地产均衡价格有所波动，一线、二线、三线城市房价在前3期均会出现上升，表明贷款规模对于各类城市在初期对于买房需求端的影响大于供给端，且从上图响应系数来看，一线城市的波动情况最为明显，而随着时间推移，二线、三线城市房价开始出现下降，最终一线城市房价表现为上升、二线城市为不变、三线为降低，体现了贷款规模对于房价的影响异质性。同样的，央行实行提高利率政策时，短期内一线城市房地产过热势头有所抑制，房价下降，而二线和三线城市房价上升趋势在前期未得到缓解，原因可能是这两类城市购房需求属于刚需，即使在利率上升的情况下，短期内房价仍有小部分上升空间，政策效果主要体现在中后期。

通过方差分解可以进一步度量不同货币政策与各类城市房价之间长期互动关系，分析各变量的方差贡献率构成，方差分解数据整理结果如表6所示。

由表6结果发现：

(1）从不同货币政策的角度，贷款规模对三线城市的房价影响最为明显，且随着时间增大持续增大，最终约为18%，其对于一线城市的房价影响较为明显，对于二线城市房价影响较弱；利率对于二线城市的房价影响最为明显且稳定，约为10%左右，其对于一线和三线城市的房价影响相差不大，但趋势有所不同，对于一线的影响表现为逐渐减小，三线则相反。

(2）从不同等级城市的角度，一线城市和三线城市的房价受到贷款规模，即存款准备金率工具调控的影响较大；二线城市房价受到利率调控的影响较大。结合脉冲响应结果可知，货币政策整体上对一线城市的影响幅度最大。

本文通过研究100个主要城市房价、信贷、利率数据，基于城市等级视角建立VAR模型，并通过脉冲响应及方差分解分析，对货币政策调控房地产市场的区域异质性进行了探讨。研究结果表明，货币政策对不同等级城市房价的影响存在显著差异，一线城市房价受货币政策的影响程度最大，主要原因是其金融市场效率较高，对货币政策更为敏感。在不同的货币政策工具上，存款准备金工具对于一、三线城市的房价影响较大，信贷规模增大会引起一线城市房价上升，三线城市房价先升后降；利率工具对于二线城市的房价影响较大，且二线城市房价上涨趋势在提高利率后有所放缓。根据研究结果，本文对未来货币政策精准调控房地产市场、促进各区域协调发展提出如下几点建议：

(1）聚焦同类城市进行精准调控是提高货币在房地产市场配置效率的有效选择之一。当前我国地区经济发展存在一定差距，实行统一的货币政策会产生区域效应，且房地产市场已经步入结构性调整时代，“一刀切”的货币政策已不适应房地产市场发展，需在保持货币政策调控统一性的前提下，结合各地经济环境、产品供需所导致的区域异质性进行差异化调整。相较于地理位置，以城市等级为依据的区域划分更能在经济、科技、交通、人才等方面综合展现城市发展的客观属性，针对同类城市进行调控，将是今后一段时间内货币政策精准发力的较优选择之一。

(2）贯彻实施“房住不炒”战略时，宜根据货币政策房地产价格调控效应异质性规律，“一城一策”，精准施策。当一、二、三线城市房价普遍过快上涨时，宜考虑控制涉房信贷，可以同时使用货币政策数量工具与价格工具，抑制投资投机性需求，迅速降低房地产市场热度。这样操作见效快、力度大，但“双刃剑”的负面效应也显而易见。当主要表现为一线城市房价过快上涨时，而其它板块未有联动，建议采用货币政策数量工具，控制房地产市场贷款规模，协调房地产市场供需，进而控制房价过快上涨，避免产生联动效应；当主要表现为二线城市房价过快上涨时，由于信贷工具的调控效果存在一定时滞性，建议采用货币政策价格工具。

(3）三线城市房地产市场的调控慎用货币政策工具，而宜优先考虑市场手段与行政手段。由于城市经济背景差异，现阶段三线城市金融市场效率不及一、二线城市，对货币政策的敏感性偏低。另一方面，三线城市在购买住房时，其对住房贷款的偏好程度不及一、二线城市。因此，三线城市房地产市场对货币政策工具反应在时间和效果上都不及一、二线城市；相反，从长期效果上来看，负面效应程度更深。为了保护三线城市更为脆弱的房地产市场，在运用货币政策工作对三线城市房地产市场进行调控之前，需要优先考虑更为灵活有效的市场手段与行政手段，如调整房地产市场供地节奏、加强房地产用地建设管控、调整棚改货币化安置政策等，以提升房地产市场调控效果。