沈 悅 郭培利
?
收入、房?jī)r(jià)與金融穩(wěn)定性*——源自異質(zhì)面板門(mén)檻模型的解析
沈 悅 郭培利
(西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院 陜西西安 710061)
本文以線性和非線性估計(jì)對(duì)比研究了不同收入的35個(gè)大中城市內(nèi)房?jī)r(jià)對(duì)均衡值的偏離和房?jī)r(jià)的百分比波動(dòng)分別作用于金融穩(wěn)定性的效應(yīng)。結(jié)果表明:無(wú)論房?jī)r(jià)偏離還是房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性的影響均顯著存在收入門(mén)檻效應(yīng),前者為雙門(mén)檻,后者為單門(mén)檻。不同門(mén)檻區(qū)間內(nèi)房?jī)r(jià)與金融穩(wěn)定性關(guān)系不同,中、低收入下支持價(jià)值偏離理論,高收入下支持價(jià)值抵押理論。房?jī)r(jià)偏離和房?jī)r(jià)波動(dòng)的作用程度相差5倍以上。以房?jī)r(jià)偏離進(jìn)行非線性估計(jì)被證明更科學(xué)。
收入 房?jī)r(jià)偏離 金融穩(wěn)定性 非線性
房地產(chǎn)作為銀行貸款的經(jīng)常性抵押品,其價(jià)格波動(dòng)對(duì)各國(guó)金融穩(wěn)定的重要性毋庸置疑。世界多次金融危機(jī)均與房?jī)r(jià)波動(dòng)關(guān)聯(lián):如2007年美國(guó)“次貸危機(jī)”、1999年日本泡沫經(jīng)濟(jì)崩潰、1997年?yáng)|南亞金融危機(jī)以及我國(guó)海南房產(chǎn)泡沫等。關(guān)于房?jī)r(jià)與金融穩(wěn)定性的研究在學(xué)術(shù)界一直是熱議的焦點(diǎn),且已形成一定理論。最近有學(xué)者如潘和王(Pan和Wang,2013)在研究二者作用時(shí)將收入的影響效應(yīng)也考慮在內(nèi)。收入水平影響著住房支付能力、國(guó)民財(cái)富增長(zhǎng)等,與房?jī)r(jià)和金融穩(wěn)定性的關(guān)系確實(shí)密切。細(xì)察我國(guó)經(jīng)濟(jì)現(xiàn)實(shí),收入較高的一線城市北、上、廣、深以及三線城市溫州、神木等,房?jī)r(jià)波動(dòng)劇烈,“跑路潮”等金融不穩(wěn)定事件也發(fā)生頻繁,收入中等和較低的城市內(nèi)房?jī)r(jià)與金融穩(wěn)定性變化就相對(duì)平和。由此本文推測(cè)收入水平會(huì)影響房?jī)r(jià)與金融穩(wěn)定性的關(guān)系,不同收入水平下房?jī)r(jià)對(duì)金融穩(wěn)定性的效應(yīng)會(huì)不同。
關(guān)于房?jī)r(jià)與金融穩(wěn)定性的關(guān)系,目前業(yè)界從金融加速器分析形成了兩種對(duì)立的觀點(diǎn):一是價(jià)值抵押理論,認(rèn)為房?jī)r(jià)上漲可以提升金融穩(wěn)定性。房?jī)r(jià)上漲通過(guò)提高抵押資產(chǎn)價(jià)值推高了金融資本,由此降低借款者的違約可能性,減少金融資產(chǎn)的風(fēng)險(xiǎn),從而提升了金融體系穩(wěn)定性(Daglish,2009)。二是價(jià)值偏離理論,認(rèn)為房?jī)r(jià)上漲會(huì)破壞金融穩(wěn)定性。房?jī)r(jià)上漲將造成逆向選擇和道德風(fēng)險(xiǎn)(Allen和Gale,2001),金融機(jī)構(gòu)以不合理的低利率為客戶提供大量貸款,房?jī)r(jià)預(yù)期也鼓勵(lì)投資者借款,非理性繁榮下房?jī)r(jià)嚴(yán)重偏離均衡值,金融危機(jī)在經(jīng)濟(jì)或政策逆轉(zhuǎn)時(shí)可能毫無(wú)征兆發(fā)生。那么,對(duì)于我國(guó)城市眾多、財(cái)富差距較大的特殊國(guó)情,每個(gè)城市究竟該以哪一觀點(diǎn)作為經(jīng)濟(jì)發(fā)展的指導(dǎo)?不同收入城市內(nèi)房?jī)r(jià)與金融穩(wěn)定性的關(guān)系具體如何?怎樣才能更科學(xué)合理地對(duì)三者關(guān)系進(jìn)行判定?基于以上考慮,本文試圖解決以下問(wèn)題:(1)我國(guó)房?jī)r(jià)對(duì)金融穩(wěn)定性的影響是否存在收入的門(mén)檻效應(yīng);(2)若存在,那么高、中、低收入?yún)^(qū)間內(nèi)房?jī)r(jià)與金融穩(wěn)定性關(guān)系如何;(3)不同的房?jī)r(jià)變化測(cè)度標(biāo)準(zhǔn)對(duì)金融穩(wěn)定性的影響是否存在差異。
不少學(xué)者圍繞房?jī)r(jià)和金融穩(wěn)定性問(wèn)題進(jìn)行了理論探討。申(Shin,2008)以房地產(chǎn)作為唯一資產(chǎn)模擬價(jià)格變動(dòng),發(fā)現(xiàn)資本金價(jià)值隨價(jià)格變化而波動(dòng)產(chǎn)生了風(fēng)險(xiǎn),破壞了金融穩(wěn)定性。古德哈特等(Goodhart et al.,2009)引入包含異質(zhì)性的房產(chǎn)和銀行,研究了抵押貸款、個(gè)人違約等如何將最初的房?jī)r(jià)沖擊轉(zhuǎn)化為金融不穩(wěn)定。達(dá)格利什(Daglish,2009),帕里格若瓦和桑托斯(Paligorova和Stantos,2012)發(fā)現(xiàn)金融穩(wěn)定性對(duì)房?jī)r(jià)變化高度敏感,尤其在房?jī)r(jià)下降時(shí),若同時(shí)存在利率上升,則有極大可能導(dǎo)致部分客戶無(wú)法償還貸款,金融風(fēng)險(xiǎn)只能由銀行自身承擔(dān)。安德烈和阿爾塞(Andre和Arce,2012)模擬銀行高度競(jìng)爭(zhēng)化的特殊環(huán)境得出房?jī)r(jià)沖擊的短期經(jīng)濟(jì)穩(wěn)定效應(yīng)比長(zhǎng)期更強(qiáng)烈的結(jié)論。赫爾(Hull,2015)考慮如何穩(wěn)定金融市場(chǎng)和降低不良貸款時(shí)開(kāi)發(fā)出了一種可變更抵押貸款協(xié)議,通過(guò)綁定房?jī)r(jià)指數(shù)和主要債務(wù)實(shí)現(xiàn)。細(xì)查以上文獻(xiàn),在分析房?jī)r(jià)與金融穩(wěn)定性的關(guān)系時(shí)所采用指標(biāo)多為房?jī)r(jià)或其指數(shù)的百分比變化,近年已有學(xué)者認(rèn)為應(yīng)將房?jī)r(jià)對(duì)長(zhǎng)期均衡值的偏離也考慮在內(nèi)。斯捷潘尼揚(yáng)等(Stepanyan et al.,2010)肯定了房?jī)r(jià)波動(dòng)與多種金融因素關(guān)聯(lián)后,就提出應(yīng)加強(qiáng)房?jī)r(jià)對(duì)均衡值偏離的關(guān)注度,認(rèn)為這是目前該研究領(lǐng)域的薄弱之處??颂貭柡筒ǜ袼箵P(yáng)(Koetter和Poghosyan,2010)創(chuàng)新性展開(kāi)了相關(guān)研究,分離出德國(guó)房?jī)r(jià)對(duì)均衡值的偏離,然后采用面板logit模型檢驗(yàn)了房?jī)r(jià)變化對(duì)金融穩(wěn)定性的價(jià)值抵押和偏離效應(yīng)。潘和王(Pan和Wang,2013)也利用PMG估計(jì)分離了美國(guó)房?jī)r(jià)對(duì)均衡值的偏離,并同時(shí)采用房?jī)r(jià)百分比變化和房?jī)r(jià)偏離兩個(gè)指標(biāo)對(duì)比檢驗(yàn)了銀行不穩(wěn)定性的響應(yīng)狀況。國(guó)內(nèi)學(xué)者中僅邱崇明、李輝文(2011)率先使用了房?jī)r(jià)偏離測(cè)度,吸納國(guó)際先進(jìn)思想,在國(guó)內(nèi)房?jī)r(jià)與銀行穩(wěn)定性研究中通過(guò)協(xié)整理論、probit估計(jì)發(fā)現(xiàn)我國(guó)房?jī)r(jià)上漲更傾向于在偏離回歸效應(yīng)下生成銀行不穩(wěn)定。由此可見(jiàn),國(guó)內(nèi)文獻(xiàn)有關(guān)房?jī)r(jià)對(duì)均衡值偏離的研究幾乎為鳳毛麟角,同時(shí)采用多種房?jī)r(jià)指標(biāo)進(jìn)行金融穩(wěn)定效應(yīng)對(duì)比的文獻(xiàn)更是暫時(shí)空白。
不過(guò)國(guó)內(nèi)學(xué)者在房?jī)r(jià)與金融穩(wěn)定性關(guān)系研究方面成果不少。如武康平等(2004)構(gòu)建基于中國(guó)制度背景的一般均衡模型,揭示了過(guò)度繁榮環(huán)境下房?jī)r(jià)持續(xù)上漲將導(dǎo)致金融失衡的共生性關(guān)系。張曉晶、孫濤(2006)通過(guò)分析驅(qū)動(dòng)房地產(chǎn)周期的增長(zhǎng)面、宏觀面與制度面因素得出房地產(chǎn)周期與金融穩(wěn)定息息相關(guān)的結(jié)論。宋凌峰、葉永剛(2010)采用或有權(quán)益資產(chǎn)負(fù)債表方法發(fā)現(xiàn)過(guò)高和過(guò)低的房?jī)r(jià)都會(huì)增加房地產(chǎn)行業(yè)金融風(fēng)險(xiǎn)。譚政勛、王聰(2011)利用多元GARCH和動(dòng)態(tài)隨機(jī)一般均衡模型共同解釋了房?jī)r(jià)、信貸及其聯(lián)合波動(dòng)作用于我國(guó)金融穩(wěn)定性的經(jīng)驗(yàn)機(jī)制。然而顯然這些研究采用的均是線性方法,我國(guó)區(qū)域經(jīng)濟(jì)差距懸殊,變量之間很可能存在非線性關(guān)系。上文中潘和王(Pan和Wang,2013)的成果除了吸納房?jī)r(jià)偏離思想外,最大貢獻(xiàn)就是較之其他更進(jìn)一步挖掘出房?jī)r(jià)與銀行不穩(wěn)定性之間存在收入增長(zhǎng)影響下的非線性效應(yīng)。早其幾年的研究戈茨(Goetz,2009)也證實(shí)了資產(chǎn)價(jià)格對(duì)金融穩(wěn)定性的影響在跨越門(mén)檻值前后存在明顯的非線性結(jié)構(gòu)突變。不過(guò)該研究在分類(lèi)樣本時(shí)通過(guò)強(qiáng)制劃分資產(chǎn)價(jià)格下降程度進(jìn)行,主觀意念偏重??岛蛣ⅲ↘ang和Liu,2014)將中國(guó)內(nèi)地和臺(tái)灣的房?jī)r(jià)劃分為不同層次,研究出臺(tái)灣的高房?jī)r(jià)比內(nèi)地在次貸危機(jī)中所受影響更深重,但也是采用外生性標(biāo)準(zhǔn)分類(lèi)樣本。搜集相關(guān)文獻(xiàn)發(fā)現(xiàn)非線性結(jié)構(gòu)解析近年才嶄露頭角,國(guó)內(nèi)相關(guān)研究不多。徐晶(2013)對(duì)35個(gè)大中城市分析得出房?jī)r(jià)上漲的穩(wěn)定效應(yīng)有著階段性的不同效果,在不同經(jīng)濟(jì)發(fā)展水平地區(qū)存在明顯差異。趙楊等(2011)在時(shí)間維度區(qū)分了房?jī)r(jià)波動(dòng)對(duì)居民消費(fèi)、經(jīng)濟(jì)增長(zhǎng)的階段性效應(yīng),并結(jié)合收入進(jìn)行了房地產(chǎn)財(cái)富效應(yīng)的對(duì)比。但這些均為房?jī)r(jià)對(duì)宏觀經(jīng)濟(jì)穩(wěn)定的作用,具體至金融穩(wěn)定性的非線性分析國(guó)內(nèi)還未出現(xiàn)。高波等(2013)以動(dòng)態(tài)GMM證實(shí)收入差距擴(kuò)大是引發(fā)城市房?jī)r(jià)租金比升高的最主要因素。可見(jiàn)對(duì)中國(guó)房?jī)r(jià)與金融穩(wěn)定性的分析納入收入的非線性影響十分必要。
本文的創(chuàng)新之處在于:(1)以門(mén)限向量自回歸(Threshold Vector Auto-regression, 又稱“門(mén)檻模型”)獲取的收入門(mén)檻值分類(lèi)數(shù)據(jù),從而進(jìn)行房?jī)r(jià)與金融穩(wěn)定性關(guān)系在異質(zhì)樣本間的非線性結(jié)構(gòu)解析。此處取代了一般文獻(xiàn)中強(qiáng)加外生性標(biāo)準(zhǔn)分離樣本的方法,使得分析結(jié)果更加科學(xué)可靠。(2)采納并構(gòu)建了房?jī)r(jià)對(duì)均衡值的偏離指標(biāo)(以下均簡(jiǎn)稱為“房?jī)r(jià)偏離”)來(lái)分析房?jī)r(jià)與金融穩(wěn)定性的關(guān)系,并同時(shí)使用房?jī)r(jià)的同比波動(dòng)指標(biāo)(以下均簡(jiǎn)稱為“房?jī)r(jià)波動(dòng)”)更深刻的進(jìn)行對(duì)比挖掘,克服一般文獻(xiàn)中單一角度論證欠周密的不足。
(一)假設(shè)提出
從理論上講,收入、房?jī)r(jià)與金融穩(wěn)定性三者之間相互關(guān)聯(lián)。第一,房?jī)r(jià)變化與金融穩(wěn)定性波動(dòng)存在著千絲萬(wàn)縷的聯(lián)系。金融機(jī)構(gòu)的抵押、按揭貸款在房?jī)r(jià)變化時(shí)均因資產(chǎn)價(jià)值上升或下降而調(diào)整自身風(fēng)險(xiǎn)敞口或抵御能力;而房地產(chǎn)市場(chǎng)的榮衰則直接是資產(chǎn)價(jià)格波動(dòng)下金融機(jī)構(gòu)調(diào)整信貸利率和規(guī)模產(chǎn)生的結(jié)果。第二,金融穩(wěn)定性與收入水平在風(fēng)險(xiǎn)投資、財(cái)富分配等作用下也相互制約。金融穩(wěn)定與金融危機(jī)環(huán)境下投資者可獲得的收入預(yù)期差別較大;高、低收入水平下資金投放的不同也直接影響著金融穩(wěn)定性的強(qiáng)弱波動(dòng)。第三,房?jī)r(jià)與收入之間因抵押資產(chǎn)價(jià)值、住房支付能力的牽連也存在著相互的影響。房?jī)r(jià)上漲必然增大居民的固定資產(chǎn)投資性收入,而收入上漲也會(huì)因提高了居民住房支付能力使整體房?jī)r(jià)水平被緩慢推升。因此,收入是房?jī)r(jià)與金融穩(wěn)定性的重要連接紐帶。
具體來(lái)看,收入較低時(shí),居民財(cái)富大多用來(lái)消費(fèi),甚至無(wú)力支付房產(chǎn),房?jī)r(jià)變化與此類(lèi)群體關(guān)聯(lián)不大,其金融穩(wěn)定效應(yīng)也較小。收入中等時(shí),居民可累積部分財(cái)富用來(lái)購(gòu)買(mǎi)或投資房產(chǎn),房?jī)r(jià)變化緊密關(guān)聯(lián)著此類(lèi)群體的住房支付能力或投資預(yù)期收益,其金融穩(wěn)定效應(yīng)隨著財(cái)富儲(chǔ)蓄、信貸支持等的關(guān)聯(lián)也相應(yīng)增強(qiáng),但此類(lèi)群體收益及能力均有限,房?jī)r(jià)急速上漲或下跌時(shí)的非理性投資、違約償貸等將會(huì)使金融穩(wěn)定性遭受極大波動(dòng)。收入較高時(shí),財(cái)富分配在消費(fèi)、投資、儲(chǔ)蓄等渠道中選擇余地大,是否投資或消費(fèi)房產(chǎn)成為可選擇性決策,因而帶來(lái)的金融效應(yīng)也具有不確定性,但不可置否地,對(duì)于此類(lèi)群體而言投資至關(guān)重要,房地產(chǎn)又是偏好標(biāo)的,所以此處房?jī)r(jià)變化對(duì)金融穩(wěn)定性具有風(fēng)向標(biāo)的重要價(jià)值。綜上可知,不同收入水平下房?jī)r(jià)變化對(duì)金融穩(wěn)定性的影響必然不同。鑒于此,本文提出:
假設(shè)1:房?jī)r(jià)對(duì)金融穩(wěn)定性的影響存在收入的門(mén)檻效應(yīng)。
更進(jìn)一步,中、低收入水平下,由于居民趨利性心理作用強(qiáng)烈,有限理性的局部思維方式很可能造成低概率風(fēng)險(xiǎn)的忽略,尤其對(duì)于房?jī)r(jià)上漲預(yù)期下成功示范效應(yīng)帶來(lái)的集體性行為,極大可能使得短期內(nèi)風(fēng)險(xiǎn)迅速累積,使得金融穩(wěn)定性遭受極大威脅,通常只有緩慢降低房?jī)r(jià)才能強(qiáng)制更改投資路徑來(lái)逐步分散不良影響。高收入水平下,金融虛擬資產(chǎn)的利益誘惑已遠(yuǎn)超房產(chǎn)的緩慢收益,但選擇前者也會(huì)使風(fēng)險(xiǎn)威脅出現(xiàn)乘數(shù)效應(yīng),因此大幅增加房產(chǎn)價(jià)值吸引投資從虛擬資產(chǎn)轉(zhuǎn)向固定資產(chǎn),才可平衡風(fēng)險(xiǎn)穩(wěn)定整體金融系統(tǒng)。因而可看出,中、低收入水平時(shí)房?jī)r(jià)上漲偏向在偏離均衡值較大幅度時(shí)積累不易察覺(jué)的金融風(fēng)險(xiǎn);高收入水平時(shí)房?jī)r(jià)上漲則偏向通過(guò)資產(chǎn)抵押價(jià)值的調(diào)整提升金融穩(wěn)定性。鑒于此,本文提出:
假設(shè)2:中、低收入水平下房?jī)r(jià)對(duì)金融穩(wěn)定性的影響支持價(jià)值偏離理論;高收入水平下房?jī)r(jià)對(duì)金融穩(wěn)定性的影響支持價(jià)值抵押理論。
然而在研究房?jī)r(jià)和金融穩(wěn)定性關(guān)系時(shí)常用的指標(biāo)為房?jī)r(jià)波動(dòng),近年被證明效用良好且更加實(shí)用的房?jī)r(jià)偏離指標(biāo)在國(guó)內(nèi)研究中卻非常罕見(jiàn)。房?jī)r(jià)波動(dòng)的測(cè)度與基期數(shù)據(jù)選取的關(guān)聯(lián)很強(qiáng),在持續(xù)上漲時(shí)不會(huì)出現(xiàn)負(fù)數(shù);而房?jī)r(jià)偏離卻與區(qū)域綜合經(jīng)濟(jì)相關(guān),即使持續(xù)上漲也可能因低于均衡值而出現(xiàn)負(fù)向的反響修正。二者的描述統(tǒng)計(jì)會(huì)有較大區(qū)別,因此被推測(cè)對(duì)金融穩(wěn)定性的影響也會(huì)存在較大差異。鑒于此,本文提出:
假設(shè)3:不同測(cè)度標(biāo)準(zhǔn)的房?jī)r(jià)偏離或房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性的影響也不相同。
(二)理論模型
關(guān)于房?jī)r(jià)偏離和房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性影響的分析,如何測(cè)度房?jī)r(jià)對(duì)均衡值的偏離是一難點(diǎn),克特爾和波格斯揚(yáng)(Koetter和Poghosyan,2010)針對(duì)德國(guó)78個(gè)地區(qū)提出過(guò)解決方案;而在同步考慮收入水平影響的條件下,另一需解決的關(guān)鍵就是怎樣依據(jù)收入分離樣本,潘和王(Pan和Wang,2013)使用美國(guó)286個(gè)大都市異質(zhì)面板的收入、房?jī)r(jià)和銀行數(shù)據(jù)做出過(guò)類(lèi)似研究。綜上,本文將模型設(shè)計(jì)如下:
首先,描述房?jī)r(jià)與其相關(guān)變量的長(zhǎng)期關(guān)系。房?jī)r(jià)決定因素一般考慮住房需求與供給兩個(gè)方面(史永東、陳日清,2009;Stepanyan et al.,2010),收入水平、人口密度、房?jī)r(jià)增長(zhǎng)預(yù)期等都是主要的住房需求驅(qū)動(dòng);而由于區(qū)域分割、信息不對(duì)稱等固有屬性,房地產(chǎn)投資、土地短缺等也極大限制了住房供給。因此,本文將房?jī)r(jià)描述為:
其中是35個(gè)大中城市的房地產(chǎn)價(jià)格;表示居民人均可支配收入;、、分別為人口密度、房地產(chǎn)投資、土地購(gòu)置面積;為誤差項(xiàng);和分別表示城市和時(shí)間。、、的一階滯后與房?jī)r(jià)存在著顯著的協(xié)整關(guān)系,將式(1)整合為式(2)所示的一階自回歸分布滯后模型:
(2)
IV與IV--1,LD與LD-1,以及IV--1、LD-1與HP-1之間高度相關(guān),多重共線性明顯,所以不能直接利用式(2)回歸。在房?jī)r(jià)滯后一期時(shí),式(2)的誤差修正形式為:
速度調(diào)整系數(shù)、截距項(xiàng)0i以及短期調(diào)整系數(shù)30i、40i隨城市而變化,1i、2i、3i、4i為長(zhǎng)期調(diào)整系數(shù)。其中預(yù)期為負(fù),這就暗示房?jī)r(jià)對(duì)市場(chǎng)不均衡的反應(yīng)有:隨著長(zhǎng)期正向偏離均衡值,房?jī)r(jià)下降;隨著長(zhǎng)期負(fù)向偏離均衡值,房?jī)r(jià)上升。對(duì)于式(2)和(3)的參數(shù)之間有如下關(guān)系:
(4)
通過(guò)估算可得誤差修正項(xiàng)HPD-1= HP-1-- IC-1- PP-1- IV-1- LD-1,這一結(jié)果也就是房?jī)r(jià)對(duì)均衡值的偏離,并能夠在下文分析中作為金融穩(wěn)定性的一項(xiàng)決定因素。
其次,依據(jù)收入水平分離樣本。收入水平被設(shè)定為與房?jī)r(jià)指標(biāo)互動(dòng)的門(mén)檻變量,利用漢森(Hansen,1999)提出的門(mén)限向量自回歸模型取代一般文獻(xiàn)中強(qiáng)加外部約束進(jìn)行樣本分離的方法,本文確定了收入門(mén)檻值,然后對(duì)我國(guó)35個(gè)大中城市10年間的面板數(shù)據(jù)進(jìn)行了高、中、低收入城市的科學(xué)劃分。關(guān)于門(mén)檻值的真實(shí)性和顯著性需要進(jìn)一步檢驗(yàn)。相關(guān)步驟在實(shí)證分析中詳述。
最后,根據(jù)分類(lèi)后的異質(zhì)性樣本,在不同收入?yún)^(qū)間內(nèi)分別估計(jì)房?jī)r(jià)偏離、房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性的影響。具體來(lái)講,金融穩(wěn)定性指標(biāo)被作為房?jī)r(jià)偏離或房?jī)r(jià)波動(dòng)、收入水平、相關(guān)金融因素等的一個(gè)因變量來(lái)進(jìn)行估計(jì),門(mén)檻模型設(shè)定為:
HPD-1是房?jī)r(jià)偏離的一期滯后估計(jì)結(jié)果;表示金融穩(wěn)定性變量;代表相關(guān)金融變量和其他控制因素,為個(gè)體固定效應(yīng),e為誤差項(xiàng)。在此背景下,根據(jù)門(mén)檻變量IC-1是大于還是小于門(mén)檻值將樣本分類(lèi)。如果回歸斜率1和2不同,以房?jī)r(jià)波動(dòng)變量為例,式(5)可寫(xiě)為:
(6)
其中,是表示收入?yún)^(qū)間的輔助函數(shù)。如果存在兩個(gè)門(mén)檻值1和2,以房?jī)r(jià)偏離變量為例,式(5)可表示為:
(一)變量選取及數(shù)據(jù)處理
本文將研究范圍界定在收入差異具有一定代表性(如圖1所示)且能將不可移動(dòng)的房地產(chǎn)資產(chǎn)異質(zhì)性考慮在內(nèi)的35個(gè)大中城市區(qū)域。這些地區(qū)房?jī)r(jià)圍繞我國(guó)整體均值有著相當(dāng)?shù)牟▌?dòng),房地產(chǎn)市場(chǎng)的城市間震蕩差異較大?;诜?jī)r(jià)變化多取決于經(jīng)濟(jì)發(fā)展和人口增長(zhǎng)的考慮以及已有文獻(xiàn)關(guān)于住房需求、供給的理論分析,本文選定居民人均可支配收入、全市人口密度、房地產(chǎn)投資完成額、土地購(gòu)置面積作為房?jī)r(jià)偏離測(cè)度的決定性因素。對(duì)于房?jī)r(jià)波動(dòng)則以2003年為基期計(jì)算房?jī)r(jià)的百分比波動(dòng)值。以上數(shù)據(jù)均來(lái)自《中國(guó)房地產(chǎn)統(tǒng)計(jì)年鑒》和《中宏產(chǎn)業(yè)數(shù)據(jù)庫(kù)》。金融穩(wěn)定性指標(biāo)的選擇關(guān)系重大,國(guó)外文獻(xiàn)中不良貸款已成為一個(gè)常用變量(Kauko,2012),銀行破產(chǎn)率(Cebula et al.,2011)、危機(jī)概率(Koetter和Poghosyan,2010)等也有被使用。然而我國(guó)區(qū)域金融對(duì)以上指標(biāo)的采集或推算尚不完善,地區(qū)性金融統(tǒng)計(jì)數(shù)據(jù)中可獲得的最相關(guān)變量即為《中國(guó)城市統(tǒng)計(jì)年鑒》中的金融機(jī)構(gòu)各項(xiàng)存、貸款余額,翟光宇(2013)證明存貸比數(shù)據(jù)對(duì)流動(dòng)性等金融風(fēng)險(xiǎn)的效應(yīng)分析有效。因此,對(duì)本文來(lái)講,金融機(jī)構(gòu)存貸比在研究35個(gè)大中城市金融穩(wěn)定性時(shí)即最適用變量。此外,根據(jù)房地產(chǎn)市場(chǎng)、金融穩(wěn)定性波動(dòng)來(lái)源和地區(qū)數(shù)據(jù)的可獲得性,在設(shè)定門(mén)檻模型時(shí)國(guó)內(nèi)生產(chǎn)總值、抵押貸款按揭貸款、財(cái)政收支比、工資增長(zhǎng)額、消費(fèi)增長(zhǎng)額等被作為控制變量使用,數(shù)據(jù)均來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。鑒于所有可獲得變量統(tǒng)計(jì)時(shí)間的一致性,本文選取2003-2012年為期限,表1展示了以上所有變量的描述性統(tǒng)計(jì)結(jié)果。為保證模型分析的穩(wěn)定性,對(duì)數(shù)據(jù)進(jìn)行了量綱差異消除及不平穩(wěn)序列取差分或?qū)?shù),房?jī)r(jià)同比波動(dòng)轉(zhuǎn)化為以2003年為基期的定基比數(shù)據(jù)等處理步驟。篇幅所限,不予陳述。
表1 35個(gè)大中城市相關(guān)變量的描述性統(tǒng)計(jì)量(2003-2012)
圖1 35個(gè)大中城市收入水平層次圖①圖2 模型(A)第一門(mén)檻值檢驗(yàn)
圖3 模型(A)第二門(mén)檻值檢驗(yàn)???圖4 模型(B)單一門(mén)檻值檢驗(yàn)
(二)房?jī)r(jià)偏離的測(cè)度
對(duì)于房?jī)r(jià)偏離的測(cè)度,由于式(2)和(3)隨機(jī)誤差項(xiàng)存在異方差和自相關(guān),對(duì)比動(dòng)態(tài)面板數(shù)據(jù)的估計(jì)方法后本文認(rèn)為GMM(廣義矩估計(jì))更為有效,而且GMM為穩(wěn)健估計(jì),所得到的參數(shù)估計(jì)量比其他方法更合乎實(shí)際。表2列舉了GMM得到的相關(guān)系數(shù)估計(jì)結(jié)果,根據(jù)式(4)的參數(shù)轉(zhuǎn)換關(guān)系便可計(jì)算出的估計(jì)值房?jī)r(jià)偏離、房?jī)r(jià)波動(dòng)以及原始房?jī)r(jià)的描述性統(tǒng)計(jì)量在表1中均已列示,其中和的均值正負(fù)不同,絕對(duì)值相差約1500,最小值的統(tǒng)計(jì)也差別甚大,由此可初步認(rèn)定假設(shè)3的推測(cè)合理,采取房?jī)r(jià)偏離和房?jī)r(jià)波動(dòng)兩種指標(biāo)對(duì)金融穩(wěn)定性進(jìn)行研究有著相當(dāng)?shù)囊饬x和價(jià)值。
表2中P值的顯著統(tǒng)計(jì)表明GMM方法的選擇與使用是有效的。與預(yù)期和其他文獻(xiàn)一致,在1%的水平上顯著為-0.1860,表明我國(guó)上一年度房?jī)r(jià)對(duì)均衡值的偏離有18.60%在本年度被調(diào)整。根據(jù)相關(guān)文獻(xiàn)方法,本文計(jì)算了房?jī)r(jià)在沖擊下對(duì)長(zhǎng)期均衡值調(diào)整的半衰期-(2)/(1+),得到了3.38年的結(jié)果,即在外部條件不變的情況下,我國(guó)房?jī)r(jià)從目前狀態(tài)調(diào)整至均衡值需約3年半時(shí)間。克特爾和波格斯揚(yáng)(Koetter和Poghosyan,2010),潘和王(Pan和Wang,2013)分別對(duì)德國(guó)、美國(guó)房?jī)r(jià)研究后得到的半衰期估計(jì)值為6.79年和2.75年。不同國(guó)家調(diào)整周期的不同應(yīng)與當(dāng)?shù)胤康禺a(chǎn)市場(chǎng)是否有效以及國(guó)家政策、經(jīng)濟(jì)環(huán)境相關(guān)。在此這一結(jié)果為我國(guó)房?jī)r(jià)向長(zhǎng)期均衡值進(jìn)行調(diào)整提供了參考。
表2 房?jī)r(jià)偏離測(cè)度的相關(guān)系數(shù)估計(jì)結(jié)果
注:***、**、*分別表示在1%、5%、10%水平下顯著。
長(zhǎng)期調(diào)整系數(shù)中房?jī)r(jià)的收入彈性1i不足0.10,這與潘和王(Pan和Wang,2013)對(duì)美國(guó)286個(gè)大都市房?jī)r(jià)收入彈性的估計(jì)值0.57差距較大,但與史永東、陳日清(2009)的研究結(jié)論比較一致。考慮到我國(guó)部分城市房?jī)r(jià)收入比甚至是美國(guó)數(shù)據(jù)的7、8倍,造成原因有統(tǒng)計(jì)口徑、數(shù)據(jù)計(jì)算方法不同等,較為復(fù)雜,此處亦認(rèn)為結(jié)果合理;房地產(chǎn)投資對(duì)房?jī)r(jià)的影響最強(qiáng)烈且為負(fù)的1.7640,據(jù)此分析我國(guó)房地產(chǎn)市場(chǎng)投資已接近飽和,繼續(xù)增加只會(huì)加劇競(jìng)爭(zhēng)而壓低房?jī)r(jià);其次人口密度增長(zhǎng)對(duì)房?jī)r(jià)影響也相當(dāng)明顯,系數(shù)2i顯示人口密度和房?jī)r(jià)幾乎呈現(xiàn)同倍增長(zhǎng)。短期調(diào)整系數(shù)30i對(duì)房?jī)r(jià)的作用也比較強(qiáng)烈,同樣表明房地產(chǎn)投資對(duì)房?jī)r(jià)影響程度深重,但區(qū)別在于短期內(nèi)投資效應(yīng)為正,即會(huì)迅速推高房?jī)r(jià),而在長(zhǎng)期則導(dǎo)致競(jìng)爭(zhēng)激烈迫使房?jī)r(jià)下降。綜合這些估計(jì)結(jié)果,長(zhǎng)期來(lái)看房地產(chǎn)投資、人口密度是推動(dòng)我國(guó)房?jī)r(jià)上漲的重要因素;而短期內(nèi)房地產(chǎn)投資是房?jī)r(jià)上漲的主要推力。人口密度增大造成的房?jī)r(jià)上漲很難調(diào)整,投資推動(dòng)引起的房?jī)r(jià)上漲則相對(duì)容易改變。
(三)門(mén)檻值的獲取與檢驗(yàn)
遵從理論設(shè)計(jì)本文考慮了兩種模型(A)和(B)。其中(A)為在門(mén)檻變量收入水平限制下房?jī)r(jià)偏離對(duì)金融穩(wěn)定性的影響,對(duì)應(yīng)式(6);(B)為收入限制下房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性的影響,對(duì)應(yīng)式(7)。在估計(jì)式(6)和(7)時(shí),首先必須消除個(gè)體效應(yīng)的影響,實(shí)證中可從每個(gè)觀測(cè)值中減去組內(nèi)平均值實(shí)現(xiàn)。然后進(jìn)行是否存在收入門(mén)檻效應(yīng)的非線性分析。從搜索一個(gè)門(mén)檻值開(kāi)始,將門(mén)檻變量取值范圍內(nèi)的任一值作為初始值0賦給,以O(shè)LS估計(jì)方程得出對(duì)應(yīng)的殘差平方和(0)。再用同樣的方法在區(qū)間內(nèi)選取多個(gè)數(shù)值求得(),根據(jù)殘差平方和最小化原則,使得()最小的0就是可能的門(mén)檻值。對(duì)于多門(mén)檻模型基于同樣的原理,直到第(+1)個(gè)門(mén)檻值不顯著為止。估計(jì)出門(mén)檻值后,其他參數(shù)值也就能夠相應(yīng)確定。
接下來(lái)需檢驗(yàn)門(mén)檻值的顯著性和真實(shí)性。漢森(Hansen,1999)提供了F檢驗(yàn)、極大似然估計(jì)等判斷標(biāo)準(zhǔn)。對(duì)于單、雙或三門(mén)檻模型方法均類(lèi)似,限于篇幅,僅介紹單門(mén)檻模型檢驗(yàn)方法。設(shè)定原假設(shè)和檢驗(yàn)統(tǒng)計(jì)量為:
0表示不存在門(mén)檻效應(yīng),0為0條件下方程估計(jì)的殘差平方和,且有0≥()。為隨機(jī)誤差項(xiàng)方差的一致估計(jì)。在求得時(shí)的殘差后可得:
(9)
若拒絕原假設(shè)0,則存在門(mén)檻效應(yīng)。但因門(mén)檻值事先未定,F(xiàn)不服從2分布,故可使用“自抽樣”(Bootstrap)模擬F的漸進(jìn)分布來(lái)分析。本文利用Stata12.0軟件得到如表3所示的F統(tǒng)計(jì)量,結(jié)果顯示(A)應(yīng)建立雙門(mén)檻模型,(B)為單門(mén)檻模型。由此證明(A)和(B)均存在門(mén)檻效應(yīng),假設(shè)1的推測(cè)合理有效,即無(wú)論房?jī)r(jià)偏離還是房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性的影響均存在收入的門(mén)檻效應(yīng)。
進(jìn)一步需構(gòu)造似然比統(tǒng)計(jì)量LR檢驗(yàn)門(mén)檻值的真實(shí)性,漢森(Hansen,1999)認(rèn)為當(dāng)()>-2(1-(1-)0.5)時(shí)門(mén)檻值真實(shí)(為顯著性水平),其中:
似然比統(tǒng)計(jì)量LR可作為門(mén)檻變量的函數(shù)進(jìn)行繪制,如圖2、3為模型(A)中檢驗(yàn)第一、二門(mén)檻值時(shí)與LR的互動(dòng),圖4是模型(B)的繪制結(jié)果。與零軸相交處即為模型的門(mén)檻值,虛線以下為95%置信區(qū)間,全部檢驗(yàn)結(jié)果匯總至表4。可知房?jī)r(jià)偏離模型(A)的收入“分水嶺”分別為25936元和29505元,房?jī)r(jià)波動(dòng)模型(B)的“分水嶺”為28205元,二者門(mén)檻效應(yīng)不一致,再次證明假設(shè)3的推測(cè)合理有效。
表3 門(mén)檻效應(yīng)檢驗(yàn)結(jié)果
注:***、**、*分別表示在1%、5%、10%水平下顯著。
表4 門(mén)檻值估計(jì)結(jié)果及置信區(qū)間
(四)門(mén)檻估計(jì)結(jié)果分析
通過(guò)以上門(mén)檻檢驗(yàn)步驟,顯著證明了房?jī)r(jià)對(duì)金融穩(wěn)定性的影響存在收入門(mén)檻效應(yīng)的假設(shè)1。根據(jù)內(nèi)生性估計(jì)的門(mén)檻值,本文將模型(A)的樣本劃分為≤25936、25936<≤29505、>29505的高、中、低收入城市三類(lèi),將模型(B)的樣本劃分為≤28205、>28205的高、低收入城市兩類(lèi),進(jìn)而分區(qū)間對(duì)模型參數(shù)估計(jì)。為了更加直觀的分析模型結(jié)果,除門(mén)檻效應(yīng)外,本文也采用面板固定效應(yīng)模型對(duì)(A)、(B)估計(jì),進(jìn)行線性和非線性的結(jié)果對(duì)比。
表5 模型(A)和(B)的線性與非線性估計(jì)結(jié)果
注:***、**、*分別表示在1%、5%、10%水平下顯著,括號(hào)內(nèi)為t值。
如表5所示,第一,從面板固定效應(yīng)模型的線性估計(jì)結(jié)果看,(A)中房?jī)r(jià)偏離和(B)中房?jī)r(jià)波動(dòng)均在1%顯著水平上對(duì)金融穩(wěn)定性產(chǎn)生正向的強(qiáng)化作用,不同之處在于1單位正向的沖擊影響為0.1963,而則遠(yuǎn)大于為0.9051。這一結(jié)果與業(yè)界房?jī)r(jià)上漲可以加強(qiáng)金融穩(wěn)定性的學(xué)者觀點(diǎn)互為佐證,尤其在影響程度方面也與部分文獻(xiàn)近似。不難看出,這是由于模型(B)的指標(biāo)計(jì)算和固定效應(yīng)估計(jì)方法均與已有文獻(xiàn)略同。的計(jì)算方法剔除了與基期相關(guān)的房?jī)r(jià)累積波動(dòng)影響,因此僅為效應(yīng)的46%。此處證明了假設(shè)3“不同房?jī)r(jià)變化測(cè)度方法對(duì)金融穩(wěn)定性影響不同”推論的有效性,所得結(jié)論穩(wěn)固,然而無(wú)法解釋部分城市房?jī)r(jià)上漲卻伴隨頻繁“跑路潮”的經(jīng)濟(jì)現(xiàn)實(shí)。
第二,從非線性門(mén)檻模型估計(jì)結(jié)果看,雙門(mén)檻模型(A)中收入低于29505元的城市群和單門(mén)檻模型(B)中收入低于28205元的城市群房?jī)r(jià)上漲會(huì)破壞金融穩(wěn)定性,高于這些收入標(biāo)準(zhǔn)的其他城市則在房?jī)r(jià)上漲時(shí)加強(qiáng)金融穩(wěn)定性。具體來(lái)看,模型(A)的低收入水平下,1單位正向沖擊對(duì)金融穩(wěn)定性影響僅為-0.0929,比較微弱。這與低收入居民購(gòu)房意愿不強(qiáng),財(cái)富多用來(lái)消費(fèi),割裂了投資、儲(chǔ)蓄的金融效應(yīng)有關(guān),負(fù)向的效應(yīng)暗示了房?jī)r(jià)上漲加壓居民支付能力的窘?jīng)r,因此房?jī)r(jià)下降才能穩(wěn)定金融市場(chǎng)。中等收入水平下,房?jī)r(jià)偏離對(duì)金融穩(wěn)定性的作用在1%水平顯著且影響較大,為-0.8526。該收入人群盈利欲望強(qiáng)烈而風(fēng)險(xiǎn)偏好不強(qiáng),因此房產(chǎn)投資較多。當(dāng)房?jī)r(jià)正向偏離時(shí),上漲預(yù)期和信息不對(duì)稱下低利率或低門(mén)檻的放貸和鋌而走險(xiǎn)的投資渠道異常開(kāi)放,極易造成逆向選擇的集體性行為,在政策或環(huán)境突變時(shí)將通過(guò)資金鏈斷裂、信貸違約等流動(dòng)性風(fēng)險(xiǎn)、道德風(fēng)險(xiǎn)使金融風(fēng)險(xiǎn)快速膨脹,強(qiáng)烈破壞金融穩(wěn)定性。中、低收入水平下的分析均與價(jià)值偏離觀點(diǎn)“房?jī)r(jià)上漲破壞金融穩(wěn)定性”一致。高收入水平下,的系數(shù)顯著為正向0.2996,與中、低收入水平下效應(yīng)相反且僅約為其三分之一。富裕人群財(cái)富投資較多,金融虛擬資產(chǎn)收益較高且回籠較快,而房產(chǎn)收益不高卻風(fēng)險(xiǎn)較小,因此只有房?jī)r(jià)大幅上漲才能吸引投資決策在最優(yōu)選擇中增大房產(chǎn)投資比重,使金融資本通過(guò)抵押資產(chǎn)價(jià)值上升的渠道而增值,進(jìn)而降低信貸違約可能性,弱化金融風(fēng)險(xiǎn),增強(qiáng)金融系統(tǒng)穩(wěn)定。因此高收入水平下與的關(guān)系符合價(jià)值抵押觀點(diǎn)“房?jī)r(jià)上漲提升金融穩(wěn)定性”。模型(B)對(duì)和的分析與(A)總體一致,僅作用強(qiáng)度有異。低收入水平下影響為-0.6360,更接近在中等收入時(shí)的效應(yīng),這與門(mén)檻值28205和(A)的第二門(mén)檻值29505相差不大有關(guān)。高收入水平下對(duì)影響為2.8864,幾乎是在高收入時(shí)效應(yīng)的9倍,如此大的差異顯著體現(xiàn)了一般文獻(xiàn)中因指標(biāo)計(jì)算導(dǎo)致的金融不穩(wěn)定夸大。此處模型(A)和(B)同時(shí)證實(shí)了假設(shè)2關(guān)于“中、低收入水平下房?jī)r(jià)對(duì)金融穩(wěn)定性的影響支持價(jià)值偏離理論;高收入水平下房?jī)r(jià)對(duì)金融穩(wěn)定性的影響支持價(jià)值抵押理論”的論斷,也再次驗(yàn)證了假設(shè)3。
第三,對(duì)比線性和非線性估計(jì)結(jié)果,模型(A)的線性固定效應(yīng)估計(jì)更接近非線性雙門(mén)檻模型中高收入?yún)^(qū)間估計(jì)結(jié)果;模型(B)的線性估計(jì)數(shù)值上與非線性模型低收入?yún)^(qū)間估計(jì)系數(shù)接近,方向卻與高收入?yún)^(qū)間估計(jì)結(jié)果一致,可見(jiàn)模型(B)穩(wěn)定性不如(A)。模型(A)和(B)的線性估計(jì)均過(guò)于粗糙,僅能說(shuō)明和對(duì)作用的大致趨勢(shì)。非線性門(mén)檻模型分區(qū)間細(xì)化了房?jī)r(jià)對(duì)金融穩(wěn)定性的影響,可針對(duì)單一城市進(jìn)行差別化指導(dǎo),而且單、雙門(mén)檻估計(jì)結(jié)果大約一致,相互論證,由此可知非線性門(mén)檻模型比線性固定效應(yīng)分析可靠性更強(qiáng)。此外,無(wú)論模型(A)還是(B),也無(wú)論線性還是非線性估計(jì),所有控制變量的系數(shù)均正負(fù)一致且大小相差不多,由此可知文中選取這些變量來(lái)縮小模型誤差達(dá)到了預(yù)期效果。綜合以上分析,可知房?jī)r(jià)偏離模型(A)的非線性門(mén)檻估計(jì)結(jié)果穩(wěn)定性和可靠性最佳。
本文通過(guò)理論分析發(fā)現(xiàn)收入不僅對(duì)城市房?jī)r(jià)、金融穩(wěn)定性都存在著直接影響,作為關(guān)聯(lián)紐帶也間接作用于二者關(guān)系,因而采用我國(guó)35個(gè)大中城市2003至2012年的異質(zhì)面板數(shù)據(jù)構(gòu)造了線性固定效應(yīng)和非線性門(mén)檻模型,將房?jī)r(jià)對(duì)金融穩(wěn)定性的影響在不同收入城市中進(jìn)行了實(shí)證檢驗(yàn)。具體得到如下結(jié)論:(1)房?jī)r(jià)對(duì)金融穩(wěn)定性的影響存在收入的門(mén)檻效應(yīng),且從房?jī)r(jià)對(duì)均衡值的偏離分析存在雙門(mén)檻值,從房?jī)r(jià)的同比波動(dòng)分析存在單一門(mén)檻值。(2)無(wú)論房?jī)r(jià)偏離還是房?jī)r(jià)波動(dòng),在中、低收入水平下均支持“房?jī)r(jià)上漲破壞金融穩(wěn)定性”的價(jià)值偏離理論;跨越門(mén)檻值進(jìn)入高收入水平后則支持“房?jī)r(jià)上漲提升金融穩(wěn)定性”的價(jià)值抵押理論。(3)不同測(cè)度方法的房?jī)r(jià)偏離和房?jī)r(jià)波動(dòng)對(duì)金融穩(wěn)定性作用程度差異較大,后者約為前者的5至9倍。(4)收入水平、人口密度是驅(qū)動(dòng)我國(guó)房?jī)r(jià)偏離的重要因素,在當(dāng)前環(huán)境下房?jī)r(jià)調(diào)整至均衡值需用時(shí)約3.38年。(5)非線性門(mén)檻模型下房?jī)r(jià)偏離對(duì)金融穩(wěn)定性的影響效應(yīng)被證明相對(duì)最穩(wěn)定和可靠。
為此,本文提出以下政策建議:
第一,把握時(shí)機(jī)適當(dāng)提高高端住宅、投資型住房、改善性住房銷(xiāo)售價(jià)格;盡可能調(diào)整剛需型住宅價(jià)格回歸均衡值,拉開(kāi)與前者的支付差距。高收入群體對(duì)房產(chǎn)的偏好在于投資和改善性居住,主要關(guān)注房?jī)r(jià)預(yù)期波動(dòng)如何,對(duì)房?jī)r(jià)均衡值不甚敏感;又因固定資產(chǎn)投資相較金融虛擬資產(chǎn)風(fēng)險(xiǎn)小,因此一定程度提高此類(lèi)房產(chǎn)價(jià)格既可吸引高收入群體投資,又可穩(wěn)定金融市場(chǎng)平衡,達(dá)到共贏互利的效果。對(duì)于剛性需求購(gòu)房者,迫切需要質(zhì)量可靠、價(jià)格低廉的緊湊型房屋,若此類(lèi)房?jī)r(jià)也長(zhǎng)期高于均衡值就只能望房興嘆。剛需群體占據(jù)著我國(guó)相當(dāng)比例,基礎(chǔ)層次需求的長(zhǎng)期不得滿足不僅對(duì)金融市場(chǎng)甚至社會(huì)發(fā)展都將造成嚴(yán)重后果。
第二,以調(diào)整房?jī)r(jià)來(lái)穩(wěn)定區(qū)域金融市場(chǎng)時(shí)應(yīng)綜合考慮當(dāng)?shù)厥杖胨?、人口密度等狀況,否則可能適得其反。我國(guó)幅員遼闊,城市之間經(jīng)濟(jì)發(fā)展差距較大,一味地認(rèn)為打壓房?jī)r(jià)便可利國(guó)利民的口號(hào)不可取,“一刀切”管理模式完全不符合我國(guó)宏觀調(diào)控。具體來(lái)講,收入較高的城市群如北、上、廣、深等適合有控制和規(guī)劃地部分提升別墅、高檔小區(qū)等房?jī)r(jià)增幅;而大部分中、低收入城市則應(yīng)依據(jù)居民住房支付能力和房地產(chǎn)市場(chǎng)供求來(lái)穩(wěn)定當(dāng)?shù)胤课蒌N(xiāo)售價(jià)格,而非全國(guó)性跟風(fēng)房?jī)r(jià)變化。
第三,在數(shù)據(jù)信息、技術(shù)能力支持的條件下,采用更加科學(xué)可靠的測(cè)度和評(píng)估方法衡量我國(guó)房?jī)r(jià)變化、金融監(jiān)管、收入差距等經(jīng)濟(jì)狀況,可產(chǎn)生更為合理有效、針對(duì)性強(qiáng)的政策指導(dǎo)。目前我國(guó)政府評(píng)估采用的方法手段與社會(huì)技術(shù)更新步調(diào)不很一致,信息統(tǒng)計(jì)和披露程度也較國(guó)際相對(duì)保守。區(qū)域金融市場(chǎng)不良資產(chǎn)、總貸款負(fù)債比等國(guó)際公開(kāi)數(shù)據(jù)在我國(guó)搜集仍較為困難;非線性門(mén)檻估計(jì)等國(guó)際廣泛應(yīng)用模型在我國(guó)使用仍較為有限。21世紀(jì)科技日新月異,雖然我國(guó)整體龐大,但仍然必須杜絕尾大不掉的弊端,為了國(guó)計(jì)民生,及時(shí)學(xué)習(xí)和應(yīng)用時(shí)新技術(shù),提升業(yè)務(wù)質(zhì)量。
最后,雖然本文得出了一些有益的結(jié)論,但鑒于國(guó)內(nèi)城市金融數(shù)據(jù)的可獲得性,僅選取了35個(gè)大中城市的10年數(shù)據(jù)為樣本,且變量確定方面受到一定限制,所以在雙門(mén)檻模型的低收入城市中所得結(jié)論不甚顯著。隨著我國(guó)信息披露強(qiáng)度擴(kuò)大,未來(lái)以更多城市的相關(guān)數(shù)據(jù)研究收入限制下房?jī)r(jià)對(duì)金融穩(wěn)定性的影響將有更具體和重大的指導(dǎo)價(jià)值。
1. 高波、王文莉、李祥:《預(yù)期、收入差距與中國(guó)城市房?jī)r(jià)租金“剪刀差”之謎》[J],《經(jīng)濟(jì)研究》2013年第6期。
2. 邱崇明、李輝文:《房?jī)r(jià)波動(dòng)、銀行不穩(wěn)定和貨幣政策》[J],《財(cái)貿(mào)經(jīng)濟(jì)》2011年第3期。
3. 宋凌峰、葉永剛:《中國(guó)房地產(chǎn)行業(yè)宏觀金融風(fēng)險(xiǎn)研究——基于金融穩(wěn)定的視角》[J],《經(jīng)濟(jì)管理》2010年第12期。
4. 史永東、陳日清:《不確定性條件下的房地產(chǎn)價(jià)格決定:隨機(jī)模型和經(jīng)驗(yàn)分析》[J],《經(jīng)濟(jì)學(xué)(季刊)》2009年第1期。
5. 譚政勛、王聰:《中國(guó)信貸擴(kuò)張、房?jī)r(jià)波動(dòng)的金融穩(wěn)定效應(yīng)研究——?jiǎng)討B(tài)隨機(jī)一般均衡模型視角》[J],《金融研究》2011年第8期。
6. 武康平、皮舜、魯桂華:《中國(guó)房地產(chǎn)市場(chǎng)與金融市場(chǎng)共生性的一般均衡分析》[J],《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2004年第10期。
7. 徐晶:《房?jī)r(jià)上漲與經(jīng)濟(jì)增長(zhǎng)的退耦分析》[J],《管理世界》2013年第9期。
8. 翟光宇:《存貸比監(jiān)管指標(biāo)是否應(yīng)該放松——基于中國(guó)上市銀行2007—2012年的季度數(shù)據(jù)分析》[J],《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》2013年第6期。
9. 張曉晶、孫濤:《中國(guó)房地產(chǎn)周期與金融穩(wěn)定》[J],《經(jīng)濟(jì)研究》2006年第1期。
10. 趙楊、張屹山、趙文勝:《房地產(chǎn)市場(chǎng)與居民消費(fèi)、經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系研究——基于1994-2011年房地產(chǎn)市場(chǎng)財(cái)富效應(yīng)的實(shí)證分析》[J],《經(jīng)濟(jì)科學(xué)》2011年第6期。
11. Allen, F. and Gale, D., 2001, Comparing Financial Systems [M], MIT Press, Cambridge, PP155-160.
12. Andre, S. J. and Arce, O., 2012, “Banking Competition, Housing Prices and Macroeconomic Stability” [J],, Vol.122, PP1346-1372.
13. Cebula, R., Koch, J. and Fenili, R., 2011, “The Bank Failure Rate, Economic Conditions and Banking Statutes in the U.S.” [J],, Vol.39(1), PP39-46.
14. Daglish, T., 2009, “What Motivates a Subprime Borrower to Default?” [J],, Vol.33, PP681-693.
15. Goetz, V. P., 2009, “Asset Price and Banking Distress: A Macroeconomic Approach” [J],, Vol.5, PP298-319.
16. Goodhart, C. A. E., Tsomocos, D. P. and Vardoulakis, A. P., 2009, “Modeling a Housing and Mortgage Crisis” [R], Central Bank of Chile Working Paper, No.547.
17. Hansen, B.E., 1999, “Threshold Effects in Non-dynamic Panels: Estimation, Testing and Inference” [J],, Vol.93, PP345-368.
18. Hull, I., 2015, “The Macro-financial Implications of House Price-indexed Mortgage Contracts” [J],, Vol.127, PP81-85.
19. Kang, H. H. and Liu, S. B., 2014, “The Impact of the 2008 Financial Crisis on Housing Prices in China and Taiwan: A Quantile Regression Analysis” [J],, Vol.42, PP356-362.
20. Kauko, K., 2012, “External Deficits and Non-performing Loans in the Recent Financial Crisis” [J],, Vol.115, PP196-199.
21. Koetter, M. and Poghosyan, T., 2010, “Real Estate Prices and Bank Stability” [J],, Vol.34, PP1129-1138.
22. Paligorova, T. and Stantos, J. C., 2012, “Monetary Policy and Bank Risk-Taking: Evidence from the Corporate Loan Market”[J],, Vol.7, PP1-57.
23. Pan, H. R. and Wang, C., 2013, “House Prices, Bank Instability and Economic Growth: Evidence from the Threshold Model” [J],, Vol.37, PP1720-1732.
24. Shin, H. S., 2008, “Risk and Liquidity in a System Context” [J],, Vol.17(7), PP315-329.
25. Stepanyan, V., Poghosyan, T. and Bibolov A., 2010, “House Price Determinants in Selected Countries of the Former Soviet Union” [R], IMF Working Paper.
(YH)
① 35個(gè)大中城市:1北京,2天津,3石家莊,4太原,5呼和浩特,6沈陽(yáng),7大連,8長(zhǎng)春,9哈爾濱,10上海,11南京,12杭州,13寧波,14合肥,15福州,16廈門(mén),17南昌,18濟(jì)南,19青島,20鄭州,21武漢,22長(zhǎng)沙,23廣州,24深圳,25南寧,26海口,27重慶,28成都,29貴陽(yáng),30昆明,31西安,32蘭州,33西寧,34銀川,35烏魯木齊。
*本文得到國(guó)家自然科學(xué)基金項(xiàng)目(71373201)和西安交通大學(xué)重大重點(diǎn)招標(biāo)項(xiàng)目(skz2014003)的資助。