李言 毛丰付

摘要：2014年以来，中国房地产市场经历了明显的衰退和复苏的调整过程，在衰退阶段，房地产市场总需求和总供给出现了结构失衡的局面，对经济发展产生了负面影响。如何减轻房地产市场调整对宏观经济运行的负面影响成为未来中国经济平稳发展的关键。本文从货币政策反应函数的视角出发，模拟分析在货币政策反应函数考虑和不考虑房价波动的情形下，房地产市场进入衰退阶段对宏观经济的影响。结果表明：（1）当货币政策反应函数考虑房价波动时，能够有效减轻房地产市场进入衰退阶段对宏观经济的负面影响；（2）当货币政策反应函数考虑房价波动时，能够显著减轻房地产市场进入衰退阶段时房价的波动程度，进而实现更小的社会福利损失。

关键词：货币政策反应函数；房价波动；房地产市场衰退；DSGE模型

文献标识码：A文章编号：100228482017（05）003009

一、 引言

2014年以来，中国房地产市场经历了明显的衰退和复苏的调整过程。根据国家统計局公布的全国70个大中城市住宅销售价格指数，从2014年9月份开始，下降城市数量开始大于上涨和持平城市数量之和，直到2016年3月份，70个大中城市住宅销售价格上涨城市数量重新超过下降城市数量，而且上涨城市数量逐渐增加。类似于经济的“新常态”，有些学者将本轮房地产市场的调整称为房地产市场“新常态”，并认为本次房地产市场“新常态”呈现出房地产经济保持向上态势，但房地产经济的增长率下降，同时房地产经济的“新常态”同国民经济的“新常态”紧密相连等特点[1]。由于房地产市场经过多年快速发展，已经成长为中国经济发展的支柱产业，所以本轮房地产市场进入衰退阶段对宏观经济的负面影响是全方面的。比如大量库存增加了资金链断裂的风险，加大了地方经济转型升级的难度；地方政府过去获得发展资金的主要渠道，即土地财政，也日益收缩，而短期内又难以找到合适的替代渠道，从而影响了地方政府对经济的调节能力。从房地产市场周期调整的角度来看，如何减轻房地产市场进入衰退阶段对宏观经济的负面影响成为未来中国经济平稳发展需要解决的重要难题。

根据过去政府调节房地产市场的经验，货币政策一直都是重要的调节手段。相较于行政干预或财政政策，货币政策对房地产市场的调节虽然间接，但影响更加全面。从政府利用货币政策调节房价的具体工具来看，中央银行调节利率是最常用的货币政策调节工具，因为利率一方面会影响资金的流动，另一方面会影响贷款的需求，所以其对房地产市场供给与需求两个层面都具有影响。因此，本文重点从货币政策反应函数入手，探讨利用该调节工具能否减轻房地产市场进入衰退阶段对宏观经济的负面影响。根据已有相关研究，在房地产市场进入衰退阶段时，利用货币政策调节房地产市场的核心就在于货币政策反应函数是否应该对房价波动做出反应。尽管已有诸多文献对货币政策反应函数是否应该包含房价波动进行了探讨，但都不是从房地产市场进入衰退阶段的视角切入的。本文的创新就是探讨货币政策反应函数对房价波动做出反应时，房地产市场进入衰退阶段对宏观经济以及社会福利损失的影响，从而为利用货币政策调节房地产市场提供更加具体的建议。

二、 文献综述

如果不考虑本文房地产市场进入衰退阶段的情境假设，则本文研究的就是是否应该在货币政策反应函数中纳入房价波动。从已有国内外研究来看，关于这一问题仍没有统一的观点。

从支持将房价波动纳入货币政策反应函数的研究来看，Goodhart和Hofmann通过实证发现七国集团国家的房价、股价和汇率都对未来需求有不同程度的影响，忽略房价和股价的货币政策反应函数使中央银行的损失更大[2]。肖争艳和彭博通过模拟分析认为中国货币政策反应函数实际上已经将房价纳入盯住的目标[3]。陈利锋从社会福利损失的角度对不同货币政策反应函数进行模拟分析，结果发现同时对房地产供给以及房价做出反应的货币政策反应函数具有相对较小的社会福利损失，因此在房地产市场调控中同时增加房地产供给和抑制房价过快上涨可能会有更好的效果[4]。马亚明和刘翠通过模拟分析更加复杂的货币政策反应函数发现，在稳定产出、物价以及房价方面，当反应函数采用包含房价波动的利率规则和货币供应量规则的混合规则时发挥的作用更大[5]。许先普和楚尔鸣在研究宏观审慎政策对房价波动的调控效应时指出，当货币政策关注房价波动时，有助于强化宏观审慎政策的调控效果，从政策协调的角度支持了货币政策反应函数应该考虑房价波动[6]。

从反对将房价波动纳入货币政策反应函数的研究来看，Bernanke和Gertler认为中央银行应致力于价格稳定，而不应对房价等资产价格的波动做出反应，除非房价等资产价格的变化预示了通货膨胀预期的改变[7]。钱小安认为货币政策不宜盯住资产价格，因为资产价格不仅受货币政策影响还受参与者预期的影响，而且房地产价格主要受长期利率影响，货币政策对短期利率的调整能否影响到房地产价格是难以确定的[8]。李亮运用结构自向量回归（SVAR）模型研究发现中国货币政策在稳定房价等资产价格的同时对经济增长会造成不利影响，认为货币政策反应函数不宜以盯住房价等资产价格为目标[9]。肖卫国等采用混合的RBCVAR模型，基于异质性房价预期的视角模拟分析不同货币政策反应函数，结果表明盯住房价的货币政策获益很少，其在减少产出波动的同时加剧了通货膨胀波动。[JP2]因此，中国人民银行应遏制房价偏离均衡的上涨，尤其是房价上涨预期，但货币政策反应函数不宜盯住房价[JP][10]。

综上，关于货币政策反应函数是否应该纳入房价波动至今仍没有统一的观点，这主要是因为相对最优的反应函数会随着不同国家在不同发展阶段的特征而改变，尤其是房地产市场的发展程度，直接关系到货币政策是否应该将房价波动纳入反应函数。在以上研究的基础上，本文将货币政策反应函数放在房地产市场进入衰退阶段的情境下进行分析，这样做一方面使得本文的分析更加具有针对性，[JP2]另一方面也是对货币政策反应函数的相关研究的拓展，使其更加符合实际经济发展的情况，为中央银行在房地产市场不同发展阶段制定相应的政策提供建议。[JP]endprint

三、 DSGE模型构建与参数估计

本文参考Iacoviello的研究[1112]，构建了一个三部门DSGE模型，主要包括家庭部门、生产部门和政府部门。家庭部门向生产部门提供资本和劳动，生产部门相应地向家庭部门提供资本回报和劳动工资。生产部门分为中间品生产部门、房地产部门和最终产品部门。最终产品部门相当于零售商，主要负责将中间品生产部门的产品转化为家庭部门实际购买的产品，加入该生产部门也是为了将价格粘性机制引入分析框架。政府部门等同于中央银行，主要行为是制定货币政策。重点考察住房需求偏好冲击。

（一）家庭部门

假设家庭部门的效用函数包含三个部分：消费带来的正效用、使用住房带来的正效用和工作带来的负效用，进一步假设家庭部门拥有整个经济的资本，并将资本借给生产部门。假设家庭的选择是无限期的，其追求以下效用函数的最大化：[WTBX]

E0∑[DD（]∞[]t=0[DD）]ztβt[JB<2[]（1-ε）log（ct-εct-1）+jtloght-

[SX（]1[]1+η[SX）]（n1-ξc，t+n1-ξh，t）[SX（]1+η[]1-ξ[SX）][JB>2]][JY]（1）

式中，c、h、nc、nh分别表示消费、房地产、消费部门的工作时间和房地产部门的工作时间，β表示家庭跨期选择偏好因子，ε表示家庭消费习惯因子，比例因子用来标准化边际消费效用，保证其在非随机的静止状态时等于1/c。随机变量zt和jt分别用于测度家庭跨期偏好冲击和住房偏好冲击，冲击模式服从AR（1）过程，其中住房偏好冲击是本文重点考察的一个冲击。本文通过该冲击模拟房地产市场调整，即通过模拟分析家庭住房偏好出现下降来近似代替房地产市场进入衰退阶段的情境。关于劳动支出部分的设定采用Horvath的方式，其中隐含的意义是家庭成员具有分别在两个部门工作的偏好[13]。η用于测度劳动供给的Frisch偏好，假设劳动在不同生产部门是完全流动的。家庭部门面临的约束条件如下：

ct+kc，t+kh，t+qt[ht-（1-δh）ht-1]=

wc，tnc，t+wh，tnh，t+（Rc，t+（1-δkc））kc，t-1+

（Rh，t+（1-δkh））kh，t-1+ft[JY]（2）

式（2）等号的左端表示储蓄型家庭在第t期的支出，主要包括消费支出、中间品生产部门投资支出和房地产部门投资支出和房屋折旧维修费用支出。式（2）等号的右端表示储蓄型家庭在第t期的收入，主要包括中间品生产部门的工资收入、房地产部门的工资收入、上一期投资中间品生产部门的投资回报、上一期投资房地产部门的投资回报和来自公司的分红。

（二）生产部门

假设中间品生产部门的投入包括资本和劳动。房地产部门的投入包括消费品部门投入的资本、家庭部门投入的资本和劳动。

1.中间品生产部门

假设中间品生产部门的生产函数符合CobbDouglas生产函数模型：

Yt=（Ac，tnc，t）1-vckvcc，t-1[JY]（3）

式中，Ac，t表示消费品部门的生产技术。本文假设中间品生产部门与房地产部门的生产技术是有差异的，同时，消费品部门生产技术冲击的设定形式也是AR（1）形式。vc表示投入中间品生产部门资本的产出弹性。中间品生产部门最大化利润的函数如下：

maxYt/Xt-（wc，tnc，t+Rc，tkc，t-1）[JY]（4）

式中，Xt表示最终产品部门购进中间品生产部门的产品之后再制定价格时的价格加成率，即最终产品部门从中间品生产部门购进产品的价格为Pwt，而最终销售的价格为Pt。括号中的两项均为中间品生产部门的支出，包括对家庭部门劳动工资的支出和对家庭部门投入资金的利息支出。

2.房地产部门

假设房地产部门的生产函数符合CobbDouglas生产函数模型：

IHt=（Ah，tnh，t）1-vh（kh，t-1）vh[JY]（5）

式中，Ah，t表示房地产部门的生产技术，对房地产部门的生产技术冲击的设定形式也是AR（1）形式。vh表示家庭部门投资房地产部门的资本产出弹性。房地产部门最大化利润的函数如下：

maxqtIHt-（wh，tnh，t+Rh，tkh，t-1）[JY]（6）

本文排除房地产部门产品定价存在价格粘性，qt表示房产的销售价格。括号中的两项均为房地产部门的支出，包括对家庭部门劳动工资的支出和投入资金的利息支出。

3.最终产品部门

经济中有连续的最终产品部门，以z∈（0，1）标记。为了在模型中引入粘性价格机制，本文參考了Bernanke等的研究[14]。关于最终产品部门的设定，假定最终产品部门z在完全竞争的中间产品市场以价格Ptw购买中间产品，最终产品部门遵从Calvo定价原则，即每一期都有（1-θ）比例的生产厂商调整其产品价格至最优水平P*，其余生产厂商价格只能盯住上期通货膨胀率[15]。最终产品的价格变动服从：

Pt=（θPεt-1+（1-θ）（P*t）1-ε）[SX（]1[]1-ε[SX）][JY]（7）

最终产品部门根据利润最大化原则得到的一阶条件为：

∑[DD（]∞[]k=0[DD）]θkEt{β（Ct/Ct+k）（P*t（z）/Pt+k）Y*t+k（z）}=0[JY]（8）

通过将式（7）和式（8）对数线性化并进行合并可以得到附加预期的菲利普斯曲线：

logπt-ιπlogπt-1=β（Etlogπt+1-ιπlogπt）-

επlog（Xt/X）[JY]（9）

式中，επ=（1-θπ）（1-βθπ）/θπ。endprint

（三）政府部门

政府部门的行为主要是制定货币政策。假设政府部门在制定货币政策时遵循标准的“泰勒准则”和扩展的“泰勒准则”，前者将利率设定为通货膨胀和国内生产总值增长率的函数，后者加入房价波动：

Rt=RrRt-1π（1-rR）rπt（GDPt/GDPt-1）（1-rR）rY·

rr1-rRuR，t[JY]（10）

Rt=RrRt-1π（1-rR）rπt（GDPt/GDPt-1）（1-rR）rY·

（qt/qt-1）（1-rR）rqrr1-rRuR，t[JY]（11）

式中，rr表示均衡状态时的真实利率，GDPt主要由消费和投资构成，随机项uR，t用于衡量利率政策冲击，服从正态分布。

（四）模型均衡条件

该模型的均衡条件是为了保证整个模型出清，从而得到均衡解。本文中的一般均衡模型涉及两个主要的市场：消费品市场，提供家庭消费的产品和房地产部门的中间投资品；房地产市场，提供新的房产。两个市场的出清条件如下：

Ct+IKc，t+IKh，t=Yt[JY]（12）

ht-（1-δh）ht-1=IHt[JY]（13）

式中，C表示总消费水平，IKc和IKh分别表示消费品部门和房地产部门投资，h表示家庭的住房存量。

（五）参数估计

本文模型中的参数设定主要采用两种方法：校准方法确定控制模型稳态的参数；贝叶斯方法估计与模型动态特性有关的参数。采用校准方法估计参数时，需要注意的是参考文献使用的数据和数据年限跨度应该相似。根据肖争艳和彭博的研究，将家庭部门的贴现因子设定为0988。住房偏好取决于商品房销售额与总消费的比值，结合2015年的数据，通过内部解求出住房偏好约为047。根据龚六堂和谢丹阳的研究，中间品生产部门季度资本折旧率为0025，由于一般认为房地产部门的资本折旧率要大于中间品生产部门的，所以将房地产部门季度资本折旧率设定为003[16]。参考骆永民和伍文中的研究，将住房折旧率设定为00125，将房地产部门资本产出弹性设定为055[17]。根据王君斌的研究，将中间品生产部门资本产出弹性设定为05[18]，中国企业价格成本加成率约为10%。根据黄志刚的研究，将价格加成率设定为11[19]。参考梅冬州和龚六堂的研究，将不能调整价格的厂商比例设定为075[20]。根据Zhang的研究，将与泰勒准则有关的利率平滑系数、通货膨胀预期反映系数和产出缺口反映系数分别设定为075、26和06[21]。根据马亚明和刘翠的研究，将利率准则中的房价波动反应系数设定为26。具体模型参数校准结果见表1。

本文其余参数采用贝叶斯方法进行估计。与传统方法相比，贝叶斯方法充分利用了来自微观计量或者已有宏观计量研究成果中的先验信息。贝叶斯方法估计的步骤是，先假设参数的估计值服从一定的先验分布，而后根据观察经济运行获得的实际数据，不断修正之前的参数估计，从先验分布慢慢过渡到后验分布，并最终确定参数的估计值。本文使用的数据主要来源于CCER数据库和国家统计局，时间跨度为2000年第1季度到2015年第4季度，共64笔数据。原始数据包括月度消费者物价指数、月度社会消费品零售总额、月度固定资产投资额、月度房地产投资额、月度商品房销售额、月度商品房销售面积。经过适当的处理，得到贝叶斯估计需要的4笔数据：实际消费、实际中间品生产部门投资、实际房地产部门投资和实际房价。

由于先验分布的设定会影响估计效率和精确度，因此，对结构性参数的先验分布说明如下：家庭消费惯性ε的事先均值选取参照王君斌等的研究，取06，服从Beta分布[22]。参考Iacoviello的研究，将劳动供给弹性η设定为服从Gamma分布，均值为05，标准差为01；将两个部门劳动替代弹性系数ζ设定为服从正态分布，均值为1，标准差为01；将家庭部门的投资调整成系数φkc和φkh，设定为服从Gamma分布，均值为10，标准差为25；投资转换函数中的参数λ设定为服从Beta分布，均值为05，标准差为02；将ιπ设定为服从Beta分布，均值为05，标准差为02。本文所有冲击的AR（1）系数均设定为服从Beta分布，均值为08，标准差为01，所有冲击的标准差服从Inv.Gamma分布，均值为0001，标准差为正无穷。在进行贝叶斯估计时，假定中央银行并没有将房价波动纳入货币政策反应函数。具体参数估计结果见表2。

（六）模型适应性检验

为检验模型的适应性，本文从三个角度对其进行相应检验：首先， 比较各变量的标准差大小，[JY]衡量波动性差异情况；其次，比较各变量的自相关系数大小，衡量粘性差异情况；最后，比较产出与其他变量的相关系数大小，衡量協动性差异情况。

根据表3的对比数据可以发现，本文所构建的模型对实际经济的总体模拟效果良好，尤其是各个变量的标准差和与GDP标准差的比值方面，模拟经济的结果都与实际经济接近。各个变量的自相关系数和与GDP的相关系数有些比较接近，有些则存在一定的差距，尤其是房地产市场相关变量，这可能与贝叶斯估计使用的数据量有关。一般来说，数据量越大，估计效果越好，但由于中国房地产市场相关数据相对较少，所以影响了估计效果。

性调整在不同货币政策反应函数情形下对宏观经济的影响进行分析。首先，考察住房偏好负向冲击对宏观经济的影响，主要模拟分析了冲击对房地产部门投资、房价、总产出、中间品生产部门投资和消费等宏观经济变量的影响。其次，考察当货币政策反应函数对房价波动做出反应时，住房偏好负向冲击对宏观经济的影响，同时考察不同反应程度情形下的结果。最后，考察当货币政策反应函数不对房价波动做出反应和对房价做出反应时，随着住房偏好的下降，社会福利损失的变动情况。

（一）货币政策反应函数不对房价波动做出反应情形endprint

首先，分析住房偏好冲击对房地产市场相关变量的影响。如图1所示，住房偏好冲击将导致房地产部门投资先向下波动而后进入向上波动的过程，而房价则是始终向下波动。受住房偏好冲击的影响，房地产部门投资短期内单调向下波动，之后在大约第4期进入向上波动的过程，且波动幅度经历一个先增后减的过程，在大约第8期到达波峰，最后，房地产部门投资开始向均衡值回复。受住房偏好冲击的影响，房价在短期内单调向下波动，之后在大约第10期回复至均衡值。

接下来，分析住房偏好冲击对非房地产市场相关变量的影响。比较图2与图1的结果，最明显的一个区别在于波动幅度，即住房偏好冲击对房地产部门的影响幅度要更大一些，相同的是住房偏好冲击同样会引起这些变量短期内向下波动，只是总产出和中间品生产部门投资在波动后期会出现小幅向上波动的过程，而消费则是一直保持向下波动的过程。受住房偏好冲击的影响，总产出先单调向下波动，然后在大约第8期进入向上波动的过程，但波动幅度明显小于向下波动的幅度。受住房偏好冲击的影响，中间品生产部门投资先进入一个波动幅度先增后减的向下波动过程，在大约第2期到达波谷，然后在大约第8期进入小幅向上波动过程。受住房偏好冲击的影响，消费先进入一个波幅先增后减的向下波动过程，在大约第3期到达波谷，然后开始向均衡值回复，与中间品生产部门投资不同的是，消费始终向下波动。消费水平下降这一结果也间接表明，房价具有一定的财富效应，所以，当房价下降时，居民由于财富减少会选择减少消费，但是由于消费波动的幅度远小于房价波动的幅度，因而财富效应较小。结合上面对房地产市场相关变量的分析可知，住房偏好冲击不仅会导致房地产市场进入下行期，也会波及宏观经济其他方面，只是对前者的影响幅度较大，对后者的影响幅度较小。

（二）货币政策反应函数对房价波动做出反应情形

将房价波动纳入货币政策反应函数，意味着当房价向上波动时，利率也会上升，从而成为抑制房价下降的因素；而当房价向下波动时，利率会下降，从而成为推动房价上涨的因素。正是因为存在这一机制，当住房偏好冲击导致房价向下波动时，利率会相应地降低，从而刺激宏观经济向上波动，以此减轻甚至抵消住房偏好冲击对宏观经济的负面影响。在图3和图4中，分情况考察了货币政策反应函数对房价波动两种反应程度不同的模式，一种是高度敏感型，即反应系数为26，另一种则是低度敏感型，即反应系数为13。由图3和图4可知，反应系数的增大，只会增大变量对冲击的反应幅度，而波动方向并没有很大的差异，因此，下面重点分析高度敏感型的情形。

首先来看在货币政策反应函数对房价波动反应属于高度敏感型的情形下，住房偏好冲击对房地产部门投资和房价的影响。如图3所示，当货币政策反应函数考虑房价波动时，住房偏好冲击将会导致房地产部门投资短期内单调向上波动，而后大约在第2期进入向下波动的过程，在大约第4期到达波谷，后期房地产部门投资还会进入向上波动的过程，但是幅度相對较小。从整个波动过程来看，当货币政策反应函数没有考虑房价波动时，房地产部门投资主要是向下波动，而当考虑了房价波动时，房地产部门投资则主要是向上波动，所以，当货币政策反应函数考虑房价波动时，能够抵消住房偏好冲击对房地产部门投资的负面影响。接下来分析住房偏好冲击对房价的影响，如图3所示，当货币政策反应函数考虑房价波动时，房价依旧向下波动，但是波动幅度有所减小，在一定程度上缓解了住房偏好冲击对房价的负面影响。

接下来，分析在货币政策反应函数对房价波动反应属于高度敏感型的情形下住房偏好冲击对总产出、中间品生产部门投资、消费和利率的影响。将货币政策反应函数对房价波动反应的情形和不对房价波动反应的情形进行对比，最明显的不同在于变动幅度，从图4中可以看出，当货币政策反应函数考虑房价波动时，总产出、中间品生产部门投资和消费的波动幅度明显增大，中间品生产部门投资的波动幅度甚至大于房地产部门投资的波动幅度。受住房偏好冲击的影响，此时，总产出、中间品生产部门投资和消费均在短期内迅速单调上涨，而后快速进入向下波动的过程，且均在第2到3期进入向下波动的过程，然后又均在第4到5期到达波谷，然后向均衡值回复。从整个波动过程来看，尽管都出现了向下波动的过程，但是由于早期均是向上波动的过程，且波动幅度明显，所以可以大致判断，当货币政策反应函数考虑房价波动时，同样能够大大减轻住房偏好冲击对宏观经济其他变量的负面影响。同时，由图4可知，当货币政策反应函数不考虑房价波动时，住房偏好冲击导致利率向上波动，但波动幅度很小，而当反应函数考虑房价波动时，住房偏好冲击将导致利率向下波动，且波动幅度较大，这主要就是前文提到的机制，即住房偏好冲击导致房价出现明显的向下波动过程，货币政策反应函数会随即对此产生反应，结果就是利率水平下降，对宏观经济产生刺激作用。

通过以上分析可知，将房价波动纳入货币政策反应函数有利于减轻住房偏好冲击对整个宏观经济的负面影响，换句话说，也就是有助于减轻房地产市场进入衰退阶段对宏观经济的负面影响。需要特别注意，本文得出以上结论有个重要的情境假设，即在房地产市场进入衰退阶段，因此，本文根据动态冲击分析得到的结论必须放在该情境下进行理解。根据模型中冲击设定的对称性，当住房偏好冲击是正向冲击时，货币政策反应函数如果考虑房价波动，会起到抑制房价向上波动的作用，这是该模型的优势，但同时，利率上升会造成对宏观经济的负面影响，这是该模型的劣势，因此，在一种情境下有效的结论，在另一种情境下可能就不再有效。

（三）社会福利损失分析

下面将分析的重点放在社会福利损失方面，这也是探讨货币政策反应函数的诸多研究均会涉及的[23]。结合本文探讨的主题，我们将社会福利损失分析的重点放在住房偏好下降时社会福利损失的变动方面。以往的文献中总福利主要包括两个部分：总产出波动和物价波动，我们将房价波动也纳入其中，并且将三个成分的权重都设为1/3。

根据表4可知，当货币政策反应函数不考虑房价波动时，随着住房偏好的下降，社会福利损失会减少。在住房偏好逐渐下降的过程中，房价的波动会增加，即从0041982增加到0042114，[JP2]而总产出和价格水平的波动则会减少，即总产出波动从0023195[JP]减少到0022563，价格水平波动从0005111减少到0005076。从总的结果来看，总产出和物价波动的减少幅度之和大于房价波动的增加幅度，社会福利损失减少，即从0023429减少到00023251。endprint

根据表5可知，当货币政策反应函数考虑房价波动时，随着住房偏好的下降，社会福利损失同样也会减少，但是与表4中的结果对比发现，此时，社会福利损失相对表4中的情形来说是缩小了的。在住房偏好逐渐下降的过程中，房价波动会增加，即从0028024增加到0028056，而总产出波动则会减少，即从0029923减少到0029092，但是物价波动会先减少后增加，即从0006736减少到0006734，再增加到0006736。从三个成分的波动对比可知，表5中的房价波动要小于表4中的结果，而总产出和物价的波动则要大于表4中的结果。由于房价波动幅度明显减小，所以从社会福利损失的角度来看，当货币政策反应函数考虑房价波动时，[JY]社会福利损 [JP2]失仍然会随着住房偏好的下降而减少，即从0021561[JP]减少到0021295。

根据以上对社会福利损失分析的结果可知，当住房偏好发生改变时，如果将房价波动纳入总福利的计算范围，则当货币政策反应函数考虑房价波动时，社会福利损失相较于货币政策反应函数不考虑房价波动时更小。这里需要注意的一点是，如果不将房价波动纳入社会福利损失的计算范围，则得到的结论正好相反，不考虑房价波动的货币政策反应函数更加有效，不过鉴于房地产市场对整个宏观经济的重要性，以及住房对居民生活的重要性，我们认为还是应该将房价波动纳入社会福利损失的考察范围。

五、 结论与政策建议

房地产市场的调整已经成为目前中国经济发展新常态的重要组成部分，如何应对房地产市场的调整，尤其是进入衰退阶段的调整对宏观经济的影响，已成为未来中国经济平稳发展的关键。本文研究的目的就是从货币政策的角度寻找解决上述难题的出路。通过构建一个DSGE模型，用家庭住房偏好下降来近似代替房地产市场进入衰退阶段，模拟分析当货币政策反应函数考虑房价波动时，是否能够减轻房地产市场进入衰退阶段对宏观经济的负面影响以及对社会福利的负面影响。根据本文的模拟分析，可以得到以下两个主要结论：

首先，当货币政策反应函数不考虑房价波动时，住房偏好冲击将对宏观经济造成负面影响，其中，对房价和房地产部门投资的影响幅度要明显大于对总产出、中间品生产部门投资和消费的影响幅度。而当货币政策反应函数考虑房价波动时，住房偏好冲击对房价的影响仍然是负面的，但是影响幅度有所减小，对房地产部门投资、总产出、中间品生产部门投资和消费的影响从整体来看是正面的，因此，考虑房价波动的货币政策反应函数能够有效缓解甚至抵消住房偏好冲击对宏观经济的负面影响。

其次，当货币政策反应函数考虑房价波动时，随着住房偏好的下降，相较于货币政策反应函数不考虑房价波动的情形，社会福利损失会更小。当货币政策不考虑房价波动时，随着房地产市场进入衰退阶段，房价波动会增加，总产出和物价波动会减少；而当货币政策反应函数考虑房价波动时，房价波动会增加，总产出波动会减少，物价波动则是先减少后增加，但此时房价波动的绝对值变小，导致在考虑房价波动情形时，社会福利损失要小于不考虑房价波动情形。

结合以上结论，我们认为在房地产市场进入衰退阶段时，货币政策反应函数应该考虑房价波动，这样一方面有助于宏观经济保持向上波动的态势，减轻房地产市场衰退对经济平稳发展的负面影响，同时，也有助于减轻房地产市场衰退对社会福利的负面影响，尤其是有助于减轻房价波动。本文主要是从家庭住房偏好的视角模拟房地产市场新常态，也就是从需求切入，但从实际来看，供给同样是造成本轮房地产市场新常态的重要因素，这也是我们下一步的研究计划。

[WT][HS2][HT5H]参考文献：[HT5”SS]

[1][ZK（#]张泓铭. 中国房地产经济的新常态及其应对 [J]. 中国党政干部論坛， 2015（4）： 3841.

[2]Goodhart C， Hofmann B. Asset prices and the conduct of monetary policy [C]. Royal Economic Society Annual Conference， 2002.

[3]肖争艳， 彭博. 住房价格与中国货币政策规则 [J]. 统计研究， 2011（11）： 4049.

[4]陈利锋. 通胀、房价膨胀与货币政策 [J]. 东北师大学报（哲学社会科学版）， 2015（5）： 6872.

[5]马亚明， 刘翠. 房地产价格波动与我国货币政策工具规则的选择——基于DSGE模型的模拟分析 [J]. 国际金融研究， 2014（8）： 2434.

[6]许先普， 楚尔鸣. 宏观审慎对房价波动的调控效应及货币政策协调 [J]. 湘潭大学学报（哲学社会科学版）， 2016（6）： 7278.

[7]Bernanke B S， Gertler M. Should central banks respond to movements in asset prices？ [J]. American Economic Review， 2001， 91（2）： 253257.

[8]钱小安. 资产价格变化对货币政策的影响 [J]. 经济研究， 1998（1）： 7076.

[9]李亮. 资产价格波动与货币政策应对——基于结构向量自回归模型的实证分析 [J]. 上海经济研究， 2010（4）： 4556. [ZK）]

[10][ZK（#]肖卫国， 郑开元， 袁威. 住房价格、消费与中国货币政策最优选择： 基于异质性房价预期的视角 [J]. 经济评论， 2012（2）： 105115.

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

[12]Iacoviello M， Neri S. Housing market spillovers： Evidence from an estimated DSGE model [J]. American Economic Journal： Macroeconomics， 2010（2）： 125164.

[13]Horvath M. Sectoral shocks and aggregate fluctuations [J]. Journal of Monetary Economics， 2000（1）： 69106.

[14]Bernanke B S， Gertler M， Gilchrist S. The financial accelerator in a quantitative business cycle framework [J]. Handbook of Macroeconomics， 1999（1）： 13411393.

[15]Calvo G. Staggered prices in a utilitymaximizing framework [J]. Journal of Monetary Economics， 1983， 12（3）： 383398.

[16]龔六堂， 谢丹阳. 我国省份之间的要素流动和边际生产率的差异分析 [J]. 经济研究， 2004（1）： 4553.

[17]骆永民， 伍文中. 房产税改革与房价变动的宏观经济效应——基于DSGE模型的数值模拟分析 [J]. 金融研究， 2012（5）： 13， 514.

[18]王君斌. 通货膨胀惯性、产出波动与货币政策冲击： 基于刚性价格模型的通货膨胀和产出的动态分析 [J]. 世界经济， 2010， 33（3）： 7194.

[19]黄志刚. 货币政策与贸易不平衡的调整 [J]. 经济研究， 2011（3）： 3247.

[20]梅冬州， 龚六堂. 新兴市场经济国家的汇率制度选择 [J]. 经济研究， 2011（11）： 7388.

[21]Zhang W L. Chinas monetary policy： quantity versus price rules [J]. Journal of Macroeconomics， 2008， 31（3）： 473484.

[22]王君斌， 郭新强， 蔡建波. 扩张性货币政策下的产出超调、消费抑制和通货膨胀惯性 [J]. 管理世界， 2011（3）： 721.

[23]陈利锋， 范红忠. 失业波动、社会福利损失与中国最优货币政策 [J]. 华中科技大学学报（社会科学版）， 2013（4）： 93100.[ZK）]

[HT5K][JY]责任编辑、 校对： 高原[FL）]endprint