張 方

一 引 言

自1998 年房改以后，房地產(chǎn)行業(yè)逐漸成為我國國民經(jīng)濟(jì)的重要基礎(chǔ)產(chǎn)業(yè)。2008 年美國次貸危機(jī)引起的房地產(chǎn)市場崩盤，拉開了全球金融危機(jī)的序幕。房價(jià)波動(dòng)逐漸被各國政府重視，并被納入到宏觀管理中。與此同時(shí)，房價(jià)的迅速攀升也為我國經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展埋下了隱患。理論上講，房價(jià)的長期趨勢主要取決于供給和需求的平衡，但短期波動(dòng)則更多受到宏觀經(jīng)濟(jì)變量外生沖擊的影響。尤其是我國的房地產(chǎn)市場素來有“政策市”之稱，在不同的經(jīng)濟(jì)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(jià)的影響也會產(chǎn)生差異。

面對近二十年來房地產(chǎn)價(jià)格過快上漲的情況，我國政府實(shí)施了各類宏觀調(diào)控措施對房地產(chǎn)市場進(jìn)行干預(yù)。由于宏觀經(jīng)濟(jì)政策的頒布具有一定的隨機(jī)性，其產(chǎn)生影響的范圍和程度并不完全可控，并且公眾對政府實(shí)施的經(jīng)濟(jì)政策無法形成準(zhǔn)確有效的預(yù)期，因此，頻繁的宏觀調(diào)控必然給房地產(chǎn)市場帶來經(jīng)濟(jì)政策不確定性的沖擊問題。政策的不確定性會使房地產(chǎn)市場供需雙方的行為在面對各類外部沖擊時(shí)發(fā)生改變，從而帶來市場的短暫失靈，引起市場不必要的非理性波動(dòng)。事實(shí)上，在歐美發(fā)達(dá)國家，不僅對房地產(chǎn)市場，政策不確定性對整個(gè)資本市場的影響都是巨大的。Pastor 和Pietro（2013）指出，政策不確定性會引起市場波動(dòng)并帶來波動(dòng)的不確定性。

Baker 等（2016）對“經(jīng)濟(jì)政策不確定性”（Economic Policy Uncertainty，EPU）給出如下定義：由于政府制定實(shí)施經(jīng)濟(jì)政策的隨機(jī)性，造成對未來政策無法進(jìn)行準(zhǔn)確預(yù)期而產(chǎn)生經(jīng)濟(jì)風(fēng)險(xiǎn)。經(jīng)濟(jì)政策不確定性主要來源于兩方面：一是外部沖擊帶來的經(jīng)濟(jì)衰退，比如金融危機(jī)、戰(zhàn)爭、自然災(zāi)害等；二是經(jīng)濟(jì)衰退本身也會產(chǎn)生不確定性，主要表現(xiàn)為經(jīng)濟(jì)下行時(shí)期政府頻繁實(shí)施調(diào)控政策干預(yù)經(jīng)濟(jì)，導(dǎo)致政策不確定性內(nèi)生地自我發(fā)生。在經(jīng)濟(jì)衰退時(shí)期，政策制定者需要做出更多的政策調(diào)整以擺脫衰退，從而增加了經(jīng)濟(jì)政策的不確定性；而在經(jīng)濟(jì)繁榮時(shí)期，則不需要對經(jīng)濟(jì)政策做過多調(diào)整即可維持經(jīng)濟(jì)發(fā)展（Pastor & Pietro，2013；Baker，et al.，2016）。隨著理論研究和政策實(shí)踐的不斷深入，研究者們逐漸意識到EPU 與個(gè)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(yuǎn)影響（張浩等，2015；劉金全、畢振豫，2018）。

盡管EPU 對房價(jià)波動(dòng)有著潛在的重要影響，但由于EPU 難以量化，學(xué)界對兩者關(guān)系的研究比較匱乏。Baker 等（2016）構(gòu)建了世界各主要經(jīng)濟(jì)體的與政策相關(guān)的不確定性指數(shù)（即“BBD 指數(shù)”），其中也包括對我國EPU 指數(shù)的構(gòu)建。但是，Baker 等人構(gòu)建中國EPU 指數(shù)時(shí)僅采用在香港出版的《南方早報(bào)》 一份英文報(bào)紙的報(bào)道，很難客觀公正地反映整個(gè)中國宏觀經(jīng)濟(jì)的全貌。而Huang 和Luk（2020）則采用10 份在中國大陸出版的主流報(bào)紙，構(gòu)建出了從2000 年1 月1 日起的我國EPU 的日度指數(shù)和月度指數(shù)。①Huang 和Luk（2020）EPU 指數(shù)的介紹見附錄。不僅如此，Huang 和Luk（2020）還分別從財(cái)政政策、貨幣政策、貿(mào)易政策和匯率政策等四個(gè)維度，構(gòu)建了不同類型的EPU 的月度指數(shù)，為進(jìn)一步深入探究我國EPU 和房價(jià)波動(dòng)的聯(lián)動(dòng)機(jī)制提供了新的可能性和實(shí)證依據(jù)。

回顧已有文獻(xiàn)不難發(fā)現(xiàn)，雖然針對EPU 與房價(jià)的關(guān)系展開了一定的研究，但大多基于歐美發(fā)達(dá)國家。中國是世界第二大經(jīng)濟(jì)體，也是最大的新興市場，因此，深入研究EPU 與房價(jià)的互動(dòng)關(guān)系，對于作為國民經(jīng)濟(jì)重要基礎(chǔ)產(chǎn)業(yè)的我國房地產(chǎn)業(yè)持續(xù)健康發(fā)展具有重要意義。相比于已有文獻(xiàn)，本文的主要貢獻(xiàn)在于：首先，與已有文獻(xiàn)采用BBD 指數(shù)不同，本文將首次采用Huang 和Luk（2020）的EPU 指數(shù)。其次，現(xiàn)有關(guān)于我國EPU 與房價(jià)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模型、平滑轉(zhuǎn)換向量自回歸模型、門限參數(shù)時(shí)變向量自回歸模型等，此類VAR 模型主要用于分析時(shí)間序列的回歸，而本文是基于長江經(jīng)濟(jì)帶及其三大城市群的實(shí)證研究，故從面板數(shù)據(jù)的角度出發(fā)，將使用面板協(xié)整檢驗(yàn)、面板格蘭杰因果檢驗(yàn)、面板向量自回歸模型、條件收斂模型等方法探究EPU 對房價(jià)波動(dòng)的影響。再次，現(xiàn)有研究大多僅限于將全國范圍內(nèi)的房價(jià)看作一個(gè)整體，但實(shí)際上，我國各地區(qū)經(jīng)濟(jì)發(fā)展水平差異很大，各地的房地產(chǎn)市場及房價(jià)也呈現(xiàn)出不同的特征。近年來，房地產(chǎn)市場調(diào)控政策堅(jiān)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(gè)時(shí)期的主基調(diào)?；诖?，本文以城市群的概念為基礎(chǔ)，探究EPU 如何影響長江經(jīng)濟(jì)帶及其三大城市群的房價(jià)波動(dòng)。最后，本文還分別使用新建商品住宅價(jià)格指數(shù)和二手房銷售價(jià)格指數(shù)兩個(gè)房價(jià)指數(shù)，探究EPU 對新房和二手房價(jià)格影響的不同之處。

二 文 獻(xiàn) 綜 述

自2008 年全球金融危機(jī)爆發(fā)以來，EPU 對宏觀經(jīng)濟(jì)的沖擊受到了越來越多的學(xué)者關(guān)注。許多研究表明，EPU 對各類經(jīng)濟(jì)變量都存在顯著影響。例如，國際貨幣基金組織的報(bào)告（International Monetary Fund，2012；2013）指出，美國和歐洲的財(cái)政、貨幣、稅收等經(jīng)濟(jì)政策的不確定性和波動(dòng)是引起2008——2009 年全球金融危機(jī)的重要原因之一。由于房屋既是消費(fèi)品又是投資品，因此房屋需求的效應(yīng)函數(shù)包含了對消費(fèi)和投資組合的選擇（Berkovec, 1989），故EPU 可以通過各種渠道影響房價(jià)（El-Montasser，et al.，2016）。作為消費(fèi)品，由于對未來就業(yè)、收入和財(cái)富的不確定性，家庭往往通過增加預(yù)防性儲蓄來應(yīng)對這種情況，則住房需求必然會減少（Giavazzi & McMahon, 2012）。就家庭而言，不確定性增加了融資成本（Pastor & Veroesi，2012）和違約風(fēng)險(xiǎn)（Gilchrist，et al.，2011）。作為投資品，住房通常是一個(gè)家庭最大的單一資產(chǎn)，住房投資決定可能對其長期財(cái)富和消費(fèi)水平產(chǎn)生重大影響。因此，在面臨不確定性時(shí)，家庭可能會推遲投資。雖然關(guān)于不確定性和投資之間關(guān)系的文獻(xiàn)通常集中在公司層面上，但至少可以部分地?cái)U(kuò)展到家庭。對自住住房的投資選擇是由住房的使用成本驅(qū)動(dòng)的，住房價(jià)格的平衡傾向于同未來租金的貼現(xiàn)值相等（Glaeser & Gyourko，2007）。未來的租金是不確定的，房屋所有權(quán)通常被視為是對租金上漲風(fēng)險(xiǎn)的對沖（Sinai & Souleles, 2005）。然而，租金的不確定性比住房使用成本的不確定性小得多（Rosen, et al., 1983）。

由于房屋是同時(shí)具有消費(fèi)屬性的消費(fèi)品和投資屬性的資產(chǎn)（Zhang & Zhang，2019），因而房價(jià)的變動(dòng)也必然會受到各類宏觀政策沖擊的影響（譚政勛、王聰，2015）。例如，從投資者角度而言，經(jīng)濟(jì)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，從而抑制其消費(fèi)和投資行為。從這個(gè)思路出發(fā)，Bloom（2009）認(rèn)為在房地產(chǎn)市場中EPU 會導(dǎo)致房價(jià)的變化。隨后，越來越多的文獻(xiàn)印證了EPU 對房地產(chǎn)市場的顯著作用，但大多集中于研究發(fā)達(dá)國家的案例。例如，Su 等（2016）研究了EPU與德國房地產(chǎn)市場回報(bào)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、英國和美國等7 個(gè)發(fā)達(dá)國家的EPU 與房價(jià)的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)兩者存在著雙向因果關(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(jì)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(jìn)行分析，發(fā)現(xiàn)EPU 對預(yù)測房地產(chǎn)市場的回報(bào)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 可促進(jìn)房地產(chǎn)投資增長和抑制房價(jià)上漲。Jeon（2018）用VECM 模型分析發(fā)現(xiàn)，韓國、日本、中國內(nèi)地和香港地區(qū)等重要亞洲經(jīng)濟(jì)體的EPU 對韓國房價(jià)都產(chǎn)生了顯著的負(fù)作用。

較之發(fā)達(dá)國家，針對發(fā)展中國家的EPU 與房價(jià)關(guān)系的研究相對匱乏。Chow 等（2018）從非線性的角度出發(fā)，對中國和印度的EPU 和房價(jià)指數(shù)做因果測試，發(fā)現(xiàn)兩者存在顯著關(guān)系，再次印證了EPU 對預(yù)測房地產(chǎn)市場走勢有著重要作用。Huang 等（2020）從宏觀層面出發(fā)，發(fā)現(xiàn)EPU 對中國房價(jià)有顯著抑制作用，EPU 的波動(dòng)率對房價(jià)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(jià)之間的關(guān)系。張浩等（2015）發(fā)現(xiàn)，在EPU 較高和較低兩種不同情況下房價(jià)波動(dòng)受宏觀經(jīng)濟(jì)變量的沖擊存在差異性。胡國慶（2017）的研究表明，在以EPU 為門限條件時(shí)，匯率預(yù)期對房價(jià)波動(dòng)具有明顯的非對稱性特征。劉金全和畢振豫（2018）基于EPU 視角，發(fā)現(xiàn)貨幣政策對房價(jià)的調(diào)控具有顯著的時(shí)變特征和非對稱性。綜上所述，現(xiàn)有文獻(xiàn)大多是針對發(fā)達(dá)國家的研究，僅有的關(guān)于我國EPU 與房價(jià)波動(dòng)關(guān)系的研究也存在著一定的局限性，例如，大多是基于VAR 模型的時(shí)間序列研究。因此，本文擬基于新的EPU 指數(shù)和面板數(shù)據(jù)，對EPU 如何影響房價(jià)波動(dòng)進(jìn)行更深入分析。

三 數(shù)據(jù)、檢驗(yàn)方法及模型選擇

（一）數(shù)據(jù)來源及其描述

長江經(jīng)濟(jì)帶，作為重大國家戰(zhàn)略發(fā)展區(qū)域，其城市群的房價(jià)波動(dòng)也深受經(jīng)濟(jì)政策不確定性的影響。本文選取長江經(jīng)濟(jì)帶的25 個(gè)城市，用新建商品住宅價(jià)格指數(shù)（HPI）和二手商品住宅價(jià)格指數(shù)（HPI2）的月度數(shù)據(jù)分別作為因變量①數(shù)據(jù)來源：國家統(tǒng)計(jì)局網(wǎng)站，www.stats.gov.cn。，數(shù)據(jù)起止時(shí)間為2006 年1 月至2021 年3 月。選取同時(shí)期內(nèi)的經(jīng)濟(jì)政策不確定性（epu）的月度數(shù)據(jù)為解釋變量②數(shù)據(jù)來源：Huang 和Luk（2020）。。圖1 顯示了從2000 年1 月至2021 年3 月的我國經(jīng)濟(jì)政策不確定性的走勢。如圖1 所示，2008——2009 年由美國次貸危機(jī)引發(fā)的全球金融危機(jī)和2011 年8 月美國歷史上第一次主權(quán)信用評級的降級，對我國經(jīng)濟(jì)政策產(chǎn)生了重大影響。其后，2015 年8 月人民幣匯率制度改革標(biāo)志著人民幣匯率制度由固定匯率制向市場匯率制的過渡，由此引發(fā)了經(jīng)濟(jì)政策不確定性的劇烈波動(dòng)。自2017 年1 月特朗普上臺后，美國發(fā)起的一系列針對中國的貿(mào)易戰(zhàn)，也大大增加了我國經(jīng)濟(jì)政策的不確定性。為探究EPU 影響的異質(zhì)性，依據(jù)國務(wù)院的批復(fù)，本文將長江經(jīng)濟(jì)帶的主要城市分為三大城市群，具體見表1。

圖1 2000 年1 月至2021 年3 月我國的EPU 指數(shù)

表1 長江經(jīng)濟(jì)帶三大城市群

（二）檢驗(yàn)方法及模型選擇

為了全面揭示EPU 與房價(jià)指數(shù)的相互關(guān)系及其作用機(jī)制，首先，本文采用面板協(xié)整檢驗(yàn)驗(yàn)證EPU 和房價(jià)指數(shù)之間是否存在長期均衡關(guān)系；其次，采用面板格蘭杰因果檢驗(yàn)驗(yàn)證EPU 是否“cause”房價(jià)指數(shù)變動(dòng)；再次，采用面板VAR 模型探究EPU 對房價(jià)指數(shù)波動(dòng)帶來的滯后效應(yīng)。在對兩者關(guān)系進(jìn)行一系列因果分析后，最后用β收斂模型研究長江經(jīng)濟(jì)帶上的城市間房價(jià)是否存在收斂效應(yīng)，進(jìn)而揭示區(qū)域房價(jià)的聯(lián)動(dòng)機(jī)制。

1. 面板協(xié)整檢驗(yàn)。數(shù)據(jù)序列的平穩(wěn)性是避免偽回歸的必要條件，此外，還需要用協(xié)整檢驗(yàn)判斷變量之間是否存在長期的穩(wěn)定關(guān)系。面板協(xié)整檢驗(yàn)方法已從最初的同質(zhì)面板檢驗(yàn)和異質(zhì)面板檢驗(yàn)發(fā)展到了包含結(jié)構(gòu)突變的面板檢驗(yàn)。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(yàn)方法。隨后，Westerhund （2005）提出了允許面板協(xié)整回歸模型的常數(shù)項(xiàng)和趨勢項(xiàng)存在多個(gè)結(jié)構(gòu)突變點(diǎn)的LM 檢驗(yàn)。以上三種面板協(xié)整檢驗(yàn)都是建立在以平穩(wěn)因變量為基礎(chǔ)的面板數(shù)據(jù)模型之上，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 test、ADF test 和PP test，Westerlund（2005）使用了VR test，檢驗(yàn)誤差項(xiàng)是否平穩(wěn)。本文將使用面板協(xié)整檢驗(yàn)開展分析。

2. 面板格蘭杰因果檢驗(yàn)。格蘭杰因果關(guān)系檢驗(yàn)（Engle & Granger，1987）是檢驗(yàn)平穩(wěn)時(shí)間序列經(jīng)濟(jì)變量之間因果關(guān)系常用的一種計(jì)量經(jīng)濟(jì)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(shí)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(jì)變量間的Granger 因果關(guān)系。面板數(shù)據(jù)中的因果檢驗(yàn)同樣是建立在以時(shí)間序列為基礎(chǔ)的Granger 因果關(guān)系檢驗(yàn)思想基礎(chǔ)之上的。由于本文采用多個(gè)城市數(shù)據(jù)作為樣本，考慮到各城市之間存在的區(qū)域差異，即面板異質(zhì)性，以及各城市的相互影響關(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Granger 因果檢驗(yàn)方法，該方法能夠在因果關(guān)系檢驗(yàn)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①具體模型見Dumitresc 和Hurlin（2012）、吳國維等（2018）。。當(dāng)統(tǒng)計(jì)量大于標(biāo)準(zhǔn)正態(tài)分布臨界值時(shí)，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(jì)問題分析中（Ramey & Shapiro, 1998）②具體模型見Ramey 和Shapiro（1998）。。PVAR 模型有三個(gè)特點(diǎn)：第一，所有的內(nèi)生變量在每個(gè)單元i都有滯后項(xiàng)，被稱為“動(dòng)態(tài)共生性”；第二，誤差項(xiàng)在不同單元i之間相關(guān)，被稱為“靜態(tài)共生性”；第三，公式中的截距、斜率和誤差項(xiàng)的方差在不同單元i之間是不同的，被稱為“橫截面的異質(zhì)性”。從某種程度上說，PVAR 模型與存在動(dòng)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(xiàng)的協(xié)方差矩陣（Canova & Ciccarelli，2013）。在我國，PVAR 模型多用于研究經(jīng)濟(jì)增長的相關(guān)實(shí)證分析（陳曉玲、張毅，2017；王允、杜萌，2015；游士兵、蔡遠(yuǎn)飛，2017），文獻(xiàn)中鮮有將PVAR 模型用于分析房價(jià)波動(dòng)，因而本文是一次新的嘗試。

4. 絕對收斂和條件收斂模型。根據(jù)Barro（1991）、Barro 和Sala-i-Martin（1992）提出的β收斂理論，本文分別建立絕對收斂模型（1）和含有EPU 的條件收斂模型（2）：

式中，i和t分別代表城市和時(shí)間；因變量GHPIi,t為房價(jià)指數(shù)增長率；自變量HPIi,t0為期初各城市房價(jià)指數(shù)；ηi和 δt分別為城市固定效應(yīng)和時(shí)間固定效應(yīng)；α和 ?i,t分別為常數(shù)項(xiàng)和殘差。模型（2）中加入了EPUt作為控制變量，用以檢驗(yàn)條件收斂效應(yīng)。

四 實(shí) 證 分 析

（一）單位根檢驗(yàn)和面板協(xié)整檢驗(yàn)

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(jìn)行時(shí)間序列單位根檢驗(yàn)和面板單位根檢驗(yàn)。本文采用ADF test 和PP test 兩種方法，分別對長江經(jīng)濟(jì)帶上的25 個(gè)城市的HPI和HPI2 進(jìn)行時(shí)間序列單位根檢驗(yàn)，結(jié)果如表2 所示，所有城市的HPI和HPI2 都在1%水平上顯著，即HPI和HPI2 為時(shí)間序列平穩(wěn)數(shù)據(jù)。結(jié)合文獻(xiàn)（Chow，et al.，2018），本文又采取LLC 檢驗(yàn)和IPS 檢驗(yàn)兩種方法進(jìn)行面板單位根檢驗(yàn)，結(jié)果如表3 所示，長江經(jīng)濟(jì)帶及其三大城市群的HPI和HPI2 均在1%水平上顯著。時(shí)間序列和面板單位根檢驗(yàn)的結(jié)果均表明，各個(gè)維度的房價(jià)指數(shù)和EPU 指數(shù)均為平穩(wěn)數(shù)據(jù)。

表2 25 個(gè)城市HPI 和HPI2 的時(shí)間序列單位根檢驗(yàn)結(jié)果

表3 HPI 和HPI2 的面板單位根檢驗(yàn)結(jié)果

在進(jìn)行因果分析之前，本文采用面板協(xié)整檢驗(yàn)來探究房價(jià)波動(dòng)與EPU 之間的長期均衡關(guān)系。表4 是Kao test、Pedroni test 和Westlund test 三種不同協(xié)整檢驗(yàn)方法的分析結(jié)果。結(jié)果顯示，無論是新建住宅價(jià)格指數(shù)還是二手住宅價(jià)格指數(shù)，都與EPU 存在顯著的協(xié)整關(guān)系，即兩者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(jìn)一步對房價(jià)和EPU 進(jìn)行因果檢驗(yàn)和VAR 模型回歸。

表4 EPU 與HPI 和HPI2 的面板協(xié)整檢驗(yàn)結(jié)果

（二）面板格蘭杰因果檢驗(yàn)

為了進(jìn)一步探究EPU 是否“cause”房價(jià)指數(shù)變動(dòng)，表5 分別檢驗(yàn)了EPU 滯后1 期至滯后4 期與HPI和HPI2 的因果關(guān)系。結(jié)果顯示，EPU 對整個(gè)長江經(jīng)濟(jì)帶和三大城市群的新房價(jià)格在滯后3 期、滯后4 期均有顯著作用；尤其對整個(gè)長江經(jīng)濟(jì)帶和成渝城市群，因果關(guān)系從滯后2 期即開始顯現(xiàn)。但是，EPU 對二手房價(jià)的影響差異較大。其中，對整個(gè)長江經(jīng)濟(jì)帶和長江中游城市群二手房價(jià)的影響從滯后1 期至滯后4 期均比較顯著；對長三角城市群二手房價(jià)的影響與新房一致，滯后3 期、滯后4期顯著；對成渝城市群二手房價(jià)均無顯著影響。其原因可能在于，與房價(jià)相關(guān)的調(diào)控政策大多數(shù)與房貸、限購等相關(guān)。相較于二手房，購買新房對限購要求、首付比例和房貸利率等更為敏感，故總體來說，新房價(jià)格受EPU 的影響更為顯著。

表5 面板格蘭杰因果檢驗(yàn)結(jié)果

（三）面板向量自回歸模型

房價(jià)波動(dòng)對EPU 的反應(yīng)具有一定的滯后性，面板格蘭杰因果檢驗(yàn)的結(jié)果顯示EPU 的作用大多從滯后2 期開始顯現(xiàn)。因此，為了進(jìn)一步驗(yàn)證EPU 對房價(jià)的作用，本文采用自變量的滯后1 期至滯后4 期作為解釋變量進(jìn)行PVAR 回歸分析。表6 顯示，總體上EPU 對房價(jià)波動(dòng)的影響并不顯著，僅對個(gè)別城市群的房價(jià)呈現(xiàn)出無規(guī)律的影響特征。例如，對滯后2 期的長江經(jīng)濟(jì)帶和滯后4 期的長三角城市群房價(jià)產(chǎn)生影響，以及對滯后2 期、滯后3 期的成渝城市群新房價(jià)格產(chǎn)生影響。

表6 HPI 和HPI2 的PVAR 參數(shù)估計(jì)結(jié)果

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)為衡量全國范圍內(nèi)各類經(jīng)濟(jì)政策的不確定性，并非針對某一個(gè)城市（群），因而個(gè)別城市（群）房價(jià)的波動(dòng)很難對某項(xiàng)涉及全國范圍的經(jīng)濟(jì)政策變動(dòng)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 中沒有得到代表性的結(jié)論，但仍為今后的研究提供了思路和方向：即在將來有條件的時(shí)候，選取具體衡量各個(gè)城市（群）的EPU 指數(shù)作為解釋變量，并且獲取足夠數(shù)量的樣本，再用PVAR 模型驗(yàn)證各城市群房價(jià)波動(dòng)與EPU 指數(shù)的相互關(guān)系。

（四）絕對收斂和條件收斂模型

為進(jìn)一步探究長江經(jīng)濟(jì)帶及其各城市群的城市房價(jià)在EPU 影響下是否具有收斂特征且能否形成聯(lián)動(dòng)效應(yīng)，借鑒陳豐龍等（2018）研究區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的方法，構(gòu)建了絕對收斂和條件收斂模型進(jìn)行估計(jì)，結(jié)果如表7 所示。在沒有EPU 影響的情況下，僅長江經(jīng)濟(jì)帶和長三角城市群的房價(jià)呈現(xiàn)出顯著的絕對收斂特征?，F(xiàn)實(shí)中絕對收斂一般很難實(shí)現(xiàn)，因而本文更加關(guān)注條件收斂的結(jié)果。表7 表明，在控制EPU 后，長江經(jīng)濟(jì)帶及其各城市群的新房價(jià)格和二手房價(jià)格均呈現(xiàn)出顯著的條件收斂特征，說明EPU 對長江經(jīng)濟(jì)帶上各城市間的房價(jià)收斂起到了明顯的促進(jìn)作用，這與國家規(guī)劃長江經(jīng)濟(jì)帶實(shí)施區(qū)域協(xié)同發(fā)展的重大戰(zhàn)略密不可分。

表7 HPI 和HPI2 的收斂特征估計(jì)結(jié)果

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(jì)政策不確定性對房價(jià)波動(dòng)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(diǎn)，通過面板協(xié)整檢驗(yàn)、面板格蘭杰因果檢驗(yàn)、面板向量自回歸模型以及絕對收斂和條件收斂模型等方法，考察經(jīng)濟(jì)政策不確定性對房價(jià)波動(dòng)的溢出效應(yīng)，得出以下結(jié)論：首先，面板協(xié)整檢驗(yàn)的結(jié)果顯示，新建和二手住宅價(jià)格均與EPU 存在長期均衡關(guān)系。其次，面板格蘭杰因果檢驗(yàn)證實(shí)，EPU 對長江經(jīng)濟(jì)帶及其三大城市群的新房價(jià)格總體上在滯后2 期至滯后4 期存在顯著的因果關(guān)系，但對二手房價(jià)格影響的差異較大。再次，PVAR 模型檢驗(yàn)結(jié)果卻表明，總體上EPU 對長江經(jīng)濟(jì)帶及其各城市群的房價(jià)波動(dòng)沒有顯著影響。最后，條件收斂的檢驗(yàn)結(jié)果顯示，EPU 對長江經(jīng)濟(jì)帶及其各城市群的房價(jià)收斂具有顯著的促進(jìn)作用。雖然PVAR 檢驗(yàn)結(jié)果顯示EPU 沒有直接而顯著地影響房價(jià)波動(dòng)，但條件收斂模型檢驗(yàn)結(jié)果卻說明EPU 對實(shí)現(xiàn)房地產(chǎn)市場的區(qū)域協(xié)同發(fā)展目標(biāo)發(fā)揮了重要作用。

綜上所述，經(jīng)濟(jì)政策不確定性的沖擊對房價(jià)波動(dòng)產(chǎn)生了一定的影響，且對房地產(chǎn)市場的區(qū)域協(xié)同發(fā)展存在顯著影響。實(shí)證結(jié)果顯示經(jīng)濟(jì)政策不確定性的沖擊更多作用于新房價(jià)格，這可能源于政府出臺的經(jīng)濟(jì)政策中涉及房地產(chǎn)市場的調(diào)控政策，如限售、限購、搖號等，多是針對一手房市場，故總體上二手房價(jià)格受影響較小?？梢姡谥贫ǚ康禺a(chǎn)市場調(diào)控政策時(shí)要更具針對性，要“因地制宜，因城施策”，分別對新房市場和二手房市場制定不同的調(diào)控政策。由于房價(jià)存在顯著的條件收斂，政府在制定相關(guān)經(jīng)濟(jì)政策時(shí)，要充分考慮到經(jīng)濟(jì)政策不確定性的外溢性。針對某一地區(qū)或城市的調(diào)控政策除了對本地房價(jià)產(chǎn)生影響外，還會導(dǎo)致城市群內(nèi)其他城市房價(jià)產(chǎn)生聯(lián)動(dòng)效應(yīng)。因此，政府可以利用經(jīng)濟(jì)政策的溢出效應(yīng)對區(qū)域房價(jià)進(jìn)行系統(tǒng)性的調(diào)控，從而實(shí)現(xiàn)房地產(chǎn)市場的區(qū)域協(xié)同發(fā)展。總而言之，在制定經(jīng)濟(jì)政策的具體過程中，一方面，經(jīng)濟(jì)政策的出臺需要滿足一定的時(shí)效性和及時(shí)性，但政策的頻繁變動(dòng)所導(dǎo)致的不確定性往往會削弱其調(diào)控效果。因此，政府在制定各類調(diào)控房地產(chǎn)市場的經(jīng)濟(jì)政策時(shí)，應(yīng)注意出臺的頻率和強(qiáng)度，著重考慮政策的長期穩(wěn)定性和前瞻性，避免因政策朝令夕改而引起市場過度反應(yīng)，以至于對公眾預(yù)期產(chǎn)生系統(tǒng)性影響。另一方面，由于經(jīng)濟(jì)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，故需要政府加強(qiáng)對民眾關(guān)于政策調(diào)控預(yù)期的引導(dǎo)，防止外界對政策變動(dòng)進(jìn)行過度解讀，從而降低政策調(diào)控對房地產(chǎn)市場的沖擊。

附 錄

Huang 和Luk（2020）選取的國內(nèi)十大主流報(bào)紙是：《北京青年報(bào)》 《廣州日報(bào)》 《解放日報(bào)》 《人民日報(bào)（海外版）》 《新聞晨報(bào)》 《南方都市報(bào)》 《新京報(bào)》 《今日晚報(bào)》 《文匯報(bào)》 和《羊城晚報(bào)》 。對于每份報(bào)紙，每天搜索包含三類關(guān)鍵詞（“經(jīng)濟(jì)” “政策” “不確定性”）的文章（具體關(guān)鍵詞見下表）；然后對文章數(shù)量的指標(biāo)做指數(shù)化處理，得出日度數(shù)據(jù)，并對日度數(shù)據(jù)做平均化處理，得出月度數(shù)據(jù)。

表8 Huang 和Luk（2020）構(gòu)建EPU 指數(shù)的關(guān)鍵詞