沈悅+郭培利

摘要：從經濟增長與銀行信貸交互作用的視角建立住宅價格波動理論模型，利用1999~2010年35個大中城市的異質面板經驗解析了三者關聯(lián)。結果發(fā)現(xiàn)：經濟增長和銀行信貸對住宅價格波動均有影響，但效果不同，取決于二者博弈，即實質在于調整經濟增長和控制銀行信貸的力度配合。在房價中等的城市中經濟增長放緩對價格下降影響更大，在房價較高和較低的城市中限制信貸效應更明顯。

關鍵詞：住宅價格；經濟增長；信貸；面板

中圖分類號：F293.3;F014.7文獻標識碼：A文章編號：1001-8409（2014）07-0001-05

Economic Growth，Bank Credit and House Price Fluctuation

——EmpiricalAnalysis ofthe Panel Data of 35 Cities

SHEN Yue，GUO Peili

(School of Finance and Economics，Xian Jiaotong University，Xian 710061)

Abstract： This paper analyzes the relationship among house price，economic growth and bank credit using the panel data of 35 cities from 1999 to 2010. Results show that economic growth and bank credit both affect the house price，but the effect depends on their game. Economic growth slowdown has greater impact in cities that prices are middling，and credit limiting has more pronounced effect in cities that prices are higher or lower.

Key words： house price; economic growth; credit; panel data

1引言

1998年7月住宅貨幣化政策的實施使我國房價在經歷了近5年198%以下的平穩(wěn)增長后，迅速上揚至2003~2008年平均762%的漲幅。2005年開始，國家宏觀調控有針對性地放緩經濟增速、控制銀行信貸以期抑制住宅價格。然而國際金融危機的出現(xiàn)遮蔽了調控效果，住宅價格下降的趨勢在2008年曇花一現(xiàn)，又跟隨經濟增長再度上升。圖1以三維勾畫展示了我國35個大中城市住宅價格這種漲跌起伏的趨勢，顯然2009年后住宅價格的漲幅遠超金融危機之前。面對如此飆升，究竟還能否認定調整經濟、控制信貸對遏制住宅價格上漲的效用？2010年國家依然堅持在“保增長”的基礎上通過調整信貸來干預房價，由于此次創(chuàng)新性加入了限購、保障房建設等政策措施，2012年價格再次短暫下降，但使人們不得不困惑2008年、2012年的短暫下降究竟該歸功于誰。多年來我國持續(xù)調整經濟增長和控制銀行信貸以期降低住宅價格卻未果，是根本性的方向偏離，還是力度配合未得當？

國外理論界對以上疑問曾深入挖掘，卻仍未達成一致結論。Collyns和Senhadji發(fā)現(xiàn)，在中國香港、新加坡、泰國和韓國信貸擴張是房價的強力推手，而在美國GDP對房價影響顯著［1］。這一結論中對美國的研究與Englund和Ioannides對OECD國家的研究一致，暗示了西方社會經濟規(guī)律的同質性；然而關于亞洲地區(qū)的觀點卻被部分學者置疑。2003年Leung也對中國香港、新加坡、韓國和日本進行了分析，認為經濟持續(xù)繁榮才是這些地區(qū)房價上漲的主要原因［2］。Gerlach和Peng同樣堅持中國香港的信貸擴張對房價影響較?。?］。各位學者莫衷一是，但共同點在于均認為銀行信貸或經濟增長與房價波動關聯(lián)。國內學者近年來以我國房地產市場為對象展開了類似研究，發(fā)現(xiàn)城市間顯著相關［4］。4個直轄市被確定其住宅價格和銀行信貸之間存在協(xié)整關系［5］；沈悅、劉洪玉直接分析了經濟發(fā)展對房價走勢呈U型的14個城市住宅價格波動的解釋能力，發(fā)現(xiàn)具有部分效力但隨時間推移正在減弱［6］。這些成果引領了相關研究的發(fā)展，但顯然樣本過小，結論普適性不佳。2007年梁云芳、高鐵梅以我國各省和自治區(qū)1994~2006年數(shù)據(jù)為樣本，分析了信貸規(guī)模、經濟發(fā)展對東、中、西部區(qū)域房價長、短期波動的不同影響［7］。該研究綜合考慮了經濟增長、銀行信貸影響房價的問題，顯著突破了前文貢獻。然而上述學者的研究忽略了銀行信貸、經濟增長是兩個交織糾纏的變量，對其的分析需先行剝離二者的交互作用；而且眾所周知我國住宅價格波動重點在大中城市，省級數(shù)據(jù)多取均值易導致實證估計偏誤，國際文獻也都使用城市數(shù)據(jù)。

因此，本文針對以上不足，對近期再次困擾人們的調整經濟增長、銀行信貸對住宅價格波動是否有效的問題進行全新解析。樣本選用1999~2010年35個大中城市數(shù)據(jù)，按照住宅價格均值劃分為三類(分界線分別為4000元/平方米，2400元/平方米。圖1中Y軸編號1~9、10~27、28~35分別為高、中、低房價城市)。具體安排為：首先推導出含銀行信貸和經濟增長對住宅價格波動交互影響的模型；其次采取變截距固定效應分別從截面維和時間維角度對面板數(shù)據(jù)進行實證；然后結合估計結果對所提疑問做出經濟學解釋；最后概述結論。

2理論模型

國內外學者從不同視角對經濟增長、銀行信貸與住宅價格波動關系進行過分析，以Meen(1990)基于跨期選擇提出的住宅價格波動模型最常用，Pain和Westaway(1996)、Muellbauer和Murphy(1997)等分別從住宅貸款、抵押品價值等方面對Meen所提模型進行了深化。本文結合生產理論創(chuàng)新的推導出經濟增長、銀行信貸交互作用與住宅價格波動關系的研究模型。

跨期選擇以消費者一生效用U最大化為目標，因此假設消費者只購買住宅H和其他復合商品C，建立函數(shù)式(1)研究如何在預算約束內分配資源進行購買決策。其中Hjt、Cjt分別表示城市j在第t期的住宅存量和復合商品消費量，φ為跨期效用主觀貼現(xiàn)率。

MaxU(H,C)=∞j,t=1ujt(Hjt,Cjt)(1+φ)t－1,(j=1,…35;t=1,…N)(1)

對于每個城市j的最優(yōu)選擇則需要滿足第t至t+n期的總消費等于總收入的約束條件式(2)，其中P為住宅H的價格，C的價格為1；Q、Y、r分別表示住宅存量變動、實際收入、利率。從而若名義收入為Inc，住宅折舊率為δ，稅率為tax，通貨膨脹率為π，則城市j第t期的住宅存量變動Qjt和實際收入Yjt可以表示為式(3)：

(PjtQjt+Cjt)+…Pj,t+nQj,t+n+Cj,t+n(1+rjt)(1+rj,t+1)…(1+rj,t+n－1)

=Yjt+…Yj,t+n(1+rjt）（1+rj,t+1）…（1+rj,t+n－1）(2)

Qjt=Hj,t+1－(1－δ)Hjt

Yjt=(1－taxjt)(1+πjt)Incjt(3)

將式(1)、式(2)、式(3)聯(lián)立，可知當H和C的邊際替代率MRSH,C等于邊際效用之比MUH/MUC時達到最優(yōu)解；此時又因C的價格為1，所以MRSH,C等于住宅使用成本Costjt，即：

MRSH,C=MUHMUC=Costjt=Pjt［(1－taxjt)rjt－πjt+δ］(4)

Costjt是有關P、H、δ的變量，因而由式(4)得第t期城市j住宅價格的縮約模型為：

Pjt=f(Hjt,Cjt,Incjt;rjt,taxjt,πjt,δ,φ)(5)

在資本市場均衡條件下，住宅市場出清的結果是Cost必須等于住宅租金Rent，其中租金可以看做式(6)所示的居民名義收入Inc、房地產投資Inv、土地購置Land等的函數(shù)，結合式(4)便可將式(5)簡化為模型(7)。

Rentjt=f1(Incjt,Invjt,Landjt;rjt,taxjt,πjt,δ,φ)

=Costjt(6)

Pjt=f2(Hjt,Cjt;Incjt,Invjt,Landjt)(7)

上述模型演繹了住宅價格與影響因素的邏輯推理，但對我國特殊國情適用性欠佳。本文借鑒以上思路并從生產角度出發(fā)，假設對應H和C兩種消費品，生產者也僅生產H和C兩種商品，以銀行信貸比重Cre表示資金約束，以GDP表示生產H和C帶來的總產值，那么生產函數(shù)可表示為：

GDPjt=eCrejt(PjtHjt)ACBjtμ（8）

其中μ代表干擾因素，結合式(7)則為μ=f3(Inc，Inv，Land)；A、B分別為住宅和復合商品對經濟發(fā)展的貢獻度。因為0

lnPjt=-1ACrejt+1AGDPjt-ln(HjtCBAjt）-1Alnμ(9)

由式(8)得HjtCB/Ajt能以GDPθ·Crejtjt形式表示，再引入向量X=(Incjt,Invjt,Landjt)替換μ便可將式(9)轉化為式(10)所示的住宅價格波動模型。θ、β為待估參數(shù)，β3=(β13,β23,β33)與X對應，εt為調整后的誤差項。

lnPjt=β0+θ(Crejt·lnGDPjt)+β1Crejt+β2lnGDPjt+β3lnX+εjt(10)

這也正是本文的基礎模型，其中銀行信貸變量Cre和經濟增長變量GDP為影響住宅價格P的核心變量，X包含的收入Inc、房地產投資Inv、土地購置Land是減小模型誤差的控制變量。該模型的獨特之處在于以待估參數(shù)θ表示了經濟增長和銀行信貸交互作用對住宅價格波動的影響，結合β1、β2可最終衡量Crejt和GDPjt對Pjt的綜合效應(β1+θlnGDPjt)和(β2+θCrejt)。

3數(shù)據(jù)與方法

31數(shù)據(jù)說明

本文取住宅價格波動較為平緩的中等房價城市和總體均值作為對照組，針對高、低房價城市的住宅價格進行重點分析。文中所用數(shù)據(jù)P、Cre、Inv、Land源于《中國房地產統(tǒng)計年鑒》，Inc采用《中宏產業(yè)數(shù)據(jù)庫》中指標城鎮(zhèn)居民年人均可支配收入，GDP取自《中國城市統(tǒng)計年鑒》。其中Cre=(開發(fā)商抵押貸款+購房者按揭貸款)/房地產開發(fā)資金，文獻中核算銀行信貸的方法有兩種：僅以抵押貸款為準和合并抵押、按揭貸款。因房地產開發(fā)周期漫長，貸款初始由地產抵押獲得，后期主要是購房者的按揭貸款［8］，所以本文認為后者方法更接近實際，故采納。此外，住宅價格2002~2004年數(shù)據(jù)由當年住宅銷售額與銷售面積相除得到，其他個別缺失數(shù)據(jù)從中國資訊行和各城市政府網站搜集獲取，共計整理出35×12=420組樣本數(shù)據(jù)。為了消除通貨膨脹影響和保證結果的可信度，在實證檢驗前除Land（面積變量）外所有變量均以居民消費價格指數(shù)進行了平減調整(以1998年為基期)，并對Cre之外的所有調整后數(shù)據(jù)取對數(shù)以消除異方差。表1以平減后數(shù)據(jù)為基礎展示了主要變量的描述性統(tǒng)計結果。

表135個大中城市相關變量的描述性統(tǒng)計量(1999~2010)

類別變量PCreGDPIncInvLand樣本高房價城市中等房價城市低房價城市全部城市均值544107233587168315084709最大值15496086413900298352371920925108最小值179902853827758472139均值272406261078105562087372最大值659708653727207021185619289216最小值11510172120510445211均值19430548622933913752945最大值34870839478320137132471737796最小值1088007558483395185均值3244063316191189126943797最大值15496086513900298352371920925420最小值1088007558483345139注：P：元/平方米；Cre： 1；GDP：億元/年；Inc：元/年；Inv：億元/年； Land：億平方米/年

32估計方法選擇

以上數(shù)據(jù)在模型估計前需先判別變量序列的平穩(wěn)性，并選擇合適的形式才可盡量縮小估計偏差。

首先，對面板數(shù)據(jù)的變量序列進行平穩(wěn)性檢驗。本文選擇LLC和ADF這兩種應用最廣泛的方法進行檢驗，兼顧存在同質與異質面板單位根的原假設。結果顯示(均以含截距和趨勢項的水平模式計算，判別準則為AIC)：在同質假設下，所有變量均通過1%顯著水平的平穩(wěn)性檢驗；在異質假設下，Cre和Land在1%顯著水平上拒絕原假設，Inv和Inc在5%顯著水平上通過檢驗，而GDP在10%顯著水平上拒絕接受存在單位根。由此可知各變量序列均為嚴平穩(wěn)或廣義平穩(wěn)序列，可以進行實證估計。

其次，為模型選擇合適的估計形式。面板估計可分為不變系數(shù)、變截距和變系數(shù)3種，但本文樣本區(qū)間較短，不適用F檢驗選擇，因此假定高、中、低房價城市具有三類經濟波動趨勢，在靜態(tài)層面每個城市的個體稟賦相異，從而采取變截距估計形式。變截距模型中的個體影響為固定效應還是隨機效應通過Likelihood和Hausman檢驗確定，結果均在1%水平上顯示應建立固定效應模型，因此本文選擇變截距的固定效應模型對住宅價格波動與經濟增長、銀行信貸的關系進行估計。其中模型(10)中的截距項β0可更細致分為表示城市共同稟賦的總體效應α、表示各城市異質資源的截面效應σj和時期效應ηt，以便觀察高、中、低房價城市12年間的個體變化趨勢。

4實證分析

為了消除異方差和自相關，本文在實證中對截面?zhèn)€數(shù)小于時序個數(shù)的高、低房價城市模型添加不相關回歸(SUR)進行約束，對截面?zhèn)€數(shù)大于時序個數(shù)的中等房價城市和總體模型添加截面加權(CSW)約束。

41截面維估計結果分析

將高、中、低房價城市和總體樣本數(shù)據(jù)分別以模型(10)回歸，估計結果如表2，顯然住宅價格對控制變量Inc、Inv、Land的彈性系數(shù)大多都通過了1%的檢驗，因此達到了以這些變量縮減誤差的目的。表2模型參數(shù)的截面維估計結果

變量高房價城市中等房價城市低房價城市全部城市θ0308***（4926）0201*（1634）0240***（6822）0131***（2674）β02731***（3191）1243（0742）2284***（7906）0405（0705）β1-5490***（-5143）-2887*（-1643）-3394***（-6379）-1875***（-2451）β20037（0683）0079（0656）0007（0191）0145***（2784）β130281***（4155）0568***（7614）0568***（8685）0601***（9006）β230290***（7928）00560**（1949）0035**（2228）0040*（1707）β33-0119***（-10030）-0060***（-3678）-0044***（-6999）-0075***（-7732）R2097088099095DW200097170101注：括號中數(shù)字為t統(tǒng)計量；***、**、*分別表示在1%、5%、10%顯著水平上通過檢驗

對于重要關注變量交互項Cre·lnGDP的系數(shù)θ全為正，表明經濟增長與信貸寬松的交互作用明顯提高了住宅價格。表2顯示高房價城市最敏感，1倍的因GDP增長而超額發(fā)放的信貸或由信貸放松帶來的GDP增加將造成高房價城市3075%的住宅價格上漲，中、低房價城市則分別為2010%和2397%。對于隔離了交互作用的Cre增加對P卻負反饋，這隱涵了在金融穩(wěn)態(tài)下按經濟增速逐漸投放市場的信貸額使房地產市場趨近完全競爭，從而弱化了房價泡沫。由此看來銀行信貸是否助推住宅價格上升取決于房地產開發(fā)資金中信貸比重與經濟增長的同步狀況，即Cre的偏系數(shù)(β1+θlnGDP)的大小。以高房價城市為例，當lnGDP大于1771即GDP大于491150億元時，Cre偏系數(shù)(-549+031×lnGDP)為正，此時若保持信貸比重不變則銀行信貸將偏離構建完全競爭市場的方向而推高住宅價格；樣本中2005年僅有上海、北京地區(qū)生產總值超越臨界點，而至2008年廣州、深圳、天津也都已超越。同理，由中、低房價城市Cre的偏系數(shù)也可得其分界線。對于GDP的偏系數(shù)也有以上推理。

進一步對比變量系數(shù)的大小。由表2可知，除GDP、Inc外高房價城市的所有變量系數(shù)都最大，說明同等的調整幅度將極易造成高房價城市P的急劇波動，這與該區(qū)域房地產市場供需比例嚴重失衡有關。β1也證明了此觀點，若高、中、低房價城市Cre減小1%，可分別帶來各區(qū)域549%、289%、339%的P下降。圖2所展示的35個大中城市截面維個體效應(α+σj)波動趨勢也從另一角度支持了該觀點。個體效應代表與P有關的未控制因素，總體和高、中、低房價城市的波動區(qū)間分別為［-009，060］、［237，312］、［108，155］、［189，246］，顯然高、低房價城市個體效應均值273、228高于中等房價城市的124，即前者區(qū)域內要素的變動對P的影響程度強于后者，這與前述觀點一致。此外，總體樣本的個體效應均值約為041，而高、中、低房價城市則遠大于1，暗示擴大調控范圍，趨利避害的區(qū)域分散效應將可以稀釋房地產價格波動風險。

42時間維估計結果分析

表3列舉了各變量時間維參數(shù)估計結果。θ在高、中房價城市中依然為正，與截面維不同的是在低房價城市中為負，這與低房價市場的欠飽和狀態(tài)相關；但因Cre、GDP偏系數(shù)未定，所以最終影響待定。按上文方法，對Cre偏系數(shù)有：當高房價城市l(wèi)nGDP小于1735即GDP小于341873億元和當中等房價城市l(wèi)nGDP小于1446即GDP小于27569億元時，Cre對P的總效應為負。樣本中高房價城市共有7個陸續(xù)超越臨界值進入Cre正反饋于P的階段，超越年份分別為：上海1999年、北京2003年、廣州2004年、深圳2005年、天津2006年、杭州2009年、南京2010年。對低房價城市的Cre偏系數(shù)，當lnGDP大于1683即GDP大于204230億元時為負，即此時提高Cre將使P減小；樣本中僅有重慶在2006年后的GDP滿足條件，所以調控中適當提高重慶市房地產開發(fā)資金的信貸比重，其住宅價格可降低。三類城市中Cre對P的影響在不同年份效應不同，一方面因Cre與GDP不同步，另一方面在于各區(qū)域房地產市場競爭和投資飽和程度差異較大，導致各地貸款的利用效率不一。同樣，對GDP偏系數(shù)為正的假設也可計算出高、中、低三類城市相對應的Cre臨界點分別為：Cre>080，Cre>-041，Cre<116。由于0

變量高房價城市中等房價城市低房價城市全部城市θ0475**（2397）0114**（2041）-0143**（-2050）0082**（2029）β07511***（3398）6253***（7752）6374***（8747）1559**（2225）β1-8240***（-2492）-1648*（-1840）2407**（2272）-1067*（-1671）β2-0378***（-2524）0047*（1 809）0166***（3815）0143***（3358）β130511***（15340）0093*（1 626）-0045*（-1723）0478***（6723）β230288***（7507）0052**（2324）-0040**（-1936）0019*（1821）β33-0118***（-4913）-0057***（-11300）-0039**（-2023）-0054***（6508）R2091087089078DW162190175172圖3對以上分析進行了補充。個體效應顯示以2005年為界線，各城市時期效應ηt全部由負變?yōu)檎?，?條趨勢線在2002~2006年彼此相交，這說明要素對住宅價格的影響在該段時間發(fā)生了質變。從ηt代表意義來看，一方面暗含了各區(qū)域內與Ｐ關聯(lián)的因素由低迷到活躍的轉變，另一方面反映出房產商、政府、購房者等利益主體的博弈。擴展至整個時間軸，ηt趨勢線斜率隨高、中、低房價城市模型的變換逐步增大，可看出住宅貨幣化實施之初，高房價城市的飛速經濟增長和寬松信貸支持迅速推高住宅價格；隨著競爭激烈和宏觀調控，房產商逐漸轉向中、低房價城市謀利。

5結論

基于跨期選擇和生產理論，本文建立了經濟增長與銀行信貸交互作用對住宅價格波動影響的理論模型，較以往研究更貼近現(xiàn)實地解析了經濟增長、銀行信貸與住宅價格的關聯(lián)。將35個大中城市住宅價格劃分為高、中、低三類，以變截距固定效應回歸對1999~2010年的面板數(shù)據(jù)進行估計，本文得出了較穩(wěn)健的結論：經濟增長和銀行信貸對住宅價格波動均有影響，但效果不同，取決于二者博弈，即實質在于調整經濟增長和控制銀行信貸的力度配合。具體來講：(1)經濟增長對住宅價格的影響在高房價城市中受銀行信貸同步狀況約束，在中、低房價城市中無條件推動價格上漲；(2)銀行信貸隨時間推移對住宅價格影響不同，若使控制銀行信貸的措施對平穩(wěn)住宅價格有效，關鍵在于衡量城市經濟發(fā)展水平是否與所發(fā)放信貸規(guī)模相適應；(3)經濟增長與信貸寬松的交互作用正反饋于住宅價格上漲，高房價城市反應最為敏感，也就是說調整經濟增長和控制銀行信貸的合理組合將對高房價城市住宅價格下降影響最顯著。

由以上結論可知，經濟增長、銀行信貸與住宅價格之間存在著一定的均衡關系，需理性把控才可實現(xiàn)整體穩(wěn)定。本文研究發(fā)現(xiàn)影響住宅價格波動的要素在2002~2006年從低迷質變到活躍，因此我國宏觀調控合理力度的把握可參考住宅貨幣化初期相對穩(wěn)定局面的運籌帷幄。深入來看，目前我國高房價城市大多存在信貸超發(fā)，而低房價城市經濟發(fā)展又較為落后，若要達到住宅價格與經濟增長、銀行信貸平衡的良性循環(huán)，需慎重把握不同被調控對象的現(xiàn)實狀況，持續(xù)向經濟增長和銀行信貸合理配比的方向推移；尤其對于高房價城市，更要以謹慎而穩(wěn)健的調整力度來逐漸實現(xiàn)前瞻遠景。

參考文獻：

［1］Collyns C，Senhadji A Lending Booms，Real Estate Bubbles，and the Asian Crisis［R］. Washington D C:IMF Working Paper，2002(2).

［2］Leung C K Y. Economic Growth and Increasing House Price［J］. Pacific Economic Review，2003，8(2):183-190.

［3］Gerlach S，Peng W. Bank Lending and Property Prices in Hong Kong［J］. Journal of Banking & Finance，2005，29 (2):461-481.

［4］張謙，王成璋. 中國住房價格波動的空間溢出效應研究［J］. 軟科學，2013(4):50-53.

［5］周京奎. 貨幣政策、銀行貸款與住宅價格——對中國4個直轄市的實證研究［J］. 財貿經濟，2005(5):22-27.

［6］沈悅，劉洪玉. 住宅價格與經濟基本面:1995~2002年中國14城市的實證研究［J］. 經濟研究，2004(6):78-86.

［7］梁云芳，高鐵梅. 中國房地產價格波動區(qū)域差異的實證分析［J］. 經濟研究，2007(8):133-142.

［8］段軍山，白茜. 銀行貸款、可支配收入與房地產價格波動:1999～2010［J］. 軟科學，2011(11):24-29.

（責任編輯：趙毅峰）