許桂華，孔小偉

(東莞理工學(xué)院經(jīng)濟貿(mào)易系，廣東東莞523808)

一、引言及文獻綜述

家庭作為房價與消費的重要承載體，一直是貨幣當(dāng)局與學(xué)界關(guān)注的焦點。一直以來，貨幣當(dāng)局通過各種信貸政策調(diào)控以期達到穩(wěn)定房價和促進消費增長兩大目標(biāo)的協(xié)調(diào)。然而，從實際情況看，房價的高企以及消費增長的乏力表明現(xiàn)有信貸調(diào)控模式難以實現(xiàn)家庭部門兩大目標(biāo)的平衡。盡管在以間接融資為主導(dǎo)的金融格局下，尤其是經(jīng)濟轉(zhuǎn)型的特殊時期，信貸政策是較為重要的金融調(diào)控手段(高玉澤和徐忠，2012)［1］，然而這種調(diào)控更多是貨幣當(dāng)局基于信貸市場供求信息所做出的，主要采用的是總量信貸調(diào)控的思路，這直接限制了信貸政策有效發(fā)揮的空間。

理論上講，信貸政策能否有效發(fā)揮作用取決于兩方面的因素。一是信貸條件，即信貸政策能否有效地改變經(jīng)濟主體所面臨的信貸環(huán)境，如果信貸政策能有效改變信貸條件，就可以間接通過信貸條件對經(jīng)濟主體產(chǎn)生約束進而改變經(jīng)濟主體借貸行為;二是信貸流向，即信貸資源的配置方向，金融經(jīng)濟系統(tǒng)內(nèi)生結(jié)構(gòu)性差異可能造成信貸流向具有非平衡性。歷年房地產(chǎn)信貸調(diào)控失效表明現(xiàn)有的總量信貸政策并沒有充分考慮到以上兩大因素對信貸政策效果產(chǎn)生的潛在影響。首先，從信貸條件看，現(xiàn)有信貸政策的決策更多是基于信貸市場供求信息(信貸供求變化對信貸條件產(chǎn)生的影響)做出的，而沒有考慮到非市場信息對信貸條件產(chǎn)生的影響。事實上，金融制度的變遷必然影響到信貸條件的變化，從世界各國金融發(fā)展趨勢看，金融創(chuàng)新和去監(jiān)管化必然導(dǎo)致信貸條件長期趨于寬松，這在一定程度上增強了經(jīng)濟主體信貸獲取能力，部分抵消了信貸政策的作用空間。其次，從信貸流向看，即使信貸條件是相同的，但由于內(nèi)在金融經(jīng)濟結(jié)構(gòu)性差異所造成的信貸流向的非平衡性，比如同等信貸條件可能使信貸資源更多流向房地產(chǎn)領(lǐng)域而非消費領(lǐng)域，現(xiàn)有的總量信貸調(diào)控模式難以兼顧到這種非平衡性。

有關(guān)信貸條件的研究可以分為市場因素和非市場因素兩個方面。在市場因素方面，主要分析信貸政策如何通過改變信貸市場供求關(guān)系，進而影響信貸條件。Ericsson等(1998)把短期利率與實際利率作為衡量貨幣政策中間目標(biāo)的指標(biāo)，并對其進行加權(quán)平均構(gòu)造了貨幣條件指數(shù)(Monetary Conditions Index，MCI)［2］。Goodhart和Hofmann(2001)在MCI基礎(chǔ)上加入了股票價格指數(shù)與房地產(chǎn)價格指數(shù)，發(fā)展出金融條件指數(shù)(Financial Conditions Index，F(xiàn)CI)［3］。國內(nèi)學(xué)者的研究主要包括運用不同計量方法估算中國FCI:王寶玉(2005)［4］運用 VAR 方法，封北麟和王貴民(2006)［5］運用GMM方法，陸軍和梁靜瑜(2007)［6］運用聯(lián)立方程方法，王雪峰(2010)［7］運用狀態(tài)空間方法，以及戴國強和張建華(2009)［8］的 FCI 與貨幣政策傳導(dǎo)等方面［4－8］。在非市場因素方面，主要探索金融制度變化對信貸條件可能造成的潛在影響。Muellbauer和Murphy(1993)選取貸款—價值比(LVRS)，并對抵押貸款利率、房屋價格—收入比進行回歸，樣本分為1980前后兩個時期，實證結(jié)果表明金融自由化對信貸條件變化有顯著影響［9］。Caporale和Williams(2001)，F(xiàn)ernandez－Corugedo和 Price(2002)運用不同時期的數(shù)據(jù)，實證發(fā)現(xiàn)金融自由化促使家庭信貸條件長期趨于寬松［10－11］。Cox和Japelli(1993)則從信貸約束的角度來研究家庭信貸條件，他們運用家庭消費調(diào)查數(shù)據(jù)估算1983年面臨信貸約束美國家庭的比例，結(jié)果表明金融自由化弱化了美國家庭面臨的信貸約束［12］。Lyons(2003)從家庭承擔(dān)債務(wù)的能力來研究信貸條件，研究結(jié)果表明金融自由化增加了家庭承擔(dān)債務(wù)的能力［13］。Goodhart，Hofmann和Segoviano(2004)提出，金融自由化及某種順周期資本規(guī)定的建立改變了信貸條件，導(dǎo)致商業(yè)周期更加明顯的繁榮與蕭條交替［14］。Fernandez－Corugedo和Muellbauer(2006)認(rèn)為信貸條件應(yīng)反映金融制度的變化，隨著金融創(chuàng)新及放松管制，金融制度變遷長期內(nèi)會造成信貸條件趨于寬松［15］。

有關(guān)信貸流向的研究更多集中在企業(yè)層面。一是企業(yè)規(guī)模直接影響信貸流向。Fisher(1999)，Atanasova和 Wilson(2003)研究發(fā)現(xiàn)小企業(yè)相對于大企業(yè)面臨更強的信貸約束，同等的信貸環(huán)境將使信貸資源更多流向大企業(yè)［16－17］。胡海鷗和虞偉榮(2003)，劉明(2006)等學(xué)者均認(rèn)為，由于我國銀行和企業(yè)之間存在信息不對稱，導(dǎo)致大量信貸資金向大企業(yè)傾斜［18－19］。二是企業(yè)所有權(quán)性質(zhì)也決定著信貸流向。Brandt和Li(2003)較早提出所有制“金融歧視”，即銀行貸款過多發(fā)放于國有企業(yè)，民營企業(yè)難以獲得急需的貸款［20］。方軍雄(2007)，饒品貴和姜國華(2013)等國內(nèi)學(xué)者研究發(fā)現(xiàn)中國信貸資源更多流向國有企業(yè)［21－22］。

目前，專門針對家庭部門信貸條件與信貸流向的研究較少，鑒于此，本文試圖運用樣條函數(shù)來刻畫金融制度變化，借鑒F－C＆M的分析框架來分析我國家庭部門信貸條件變化以及信貸流向，并在此基礎(chǔ)上提出能反映信貸條件變化以及信貸流向非平衡性的信貸調(diào)控思路。

二、理論基礎(chǔ)

從家庭信貸流向看，家庭部門的信貸資源主要配置到抵押債務(wù)與非抵押債務(wù)兩大領(lǐng)域。Scott(1996)認(rèn)為抵押債務(wù)更多是通過財富抵押效應(yīng)獲取，而非抵押債務(wù)主要通過預(yù)期收入效益獲取。前者更多用于房地產(chǎn)投資，而后者更多用于消費［23］。Muellbauer和 Murphy(1993)認(rèn)為銀行向家庭部門提供貸款主要通過限制貸款—價值比(LVRS)與貸款—收入比(LIRS)來控制信貸風(fēng)險，LVRS決定著家庭獲取抵押債務(wù)的能力，而LIRS決定著家庭獲取非抵債務(wù)的能力［9］。Muellbauer(1997)的研究發(fā)現(xiàn)名義利率(－)、真實利率(－)、預(yù)期利率(－)、抵押債務(wù)與非抵押債務(wù)之間的利差(+)、房屋價格/收入比(+)、消費者信心(+)、長期收入與當(dāng)期收入的差額(+)、住房價格波動率(－)、購房者平均年齡(－)①括號中的“+”表示該變量與LVRS和LIRS正相關(guān)，“－”表示該變量與LVRS和LIRS負相關(guān)。等是影響 LIRS和 LVRS的內(nèi)生變量［24］。此外，信貸條件主要對LIRS和LVRS的外部信貸環(huán)境產(chǎn)生影響。Fernandez－Corugedo和Muellbauer(2006)假定存在一個潛在的、不能直接觀測的信貸條件變量CCI可代表住戶面臨的外部信貸環(huán)境，并將上述所有影響因素作為自變量，將LIRS和LVRS作為因變量，構(gòu)造方程組如下［15］:

其中，xit是影響LIRS和LVRS的內(nèi)生變量，殘差項εt和ηt近似服從正態(tài)分布。信貸條件變量CCI由線性樣條函數(shù)與信貸政策變量兩部分構(gòu)成，樣條函數(shù)主要用來模擬金融制度的變化。

其中，qdit為t年i季度的啞變量，代表影響信貸條件指數(shù)的金融制度因素。t年第1至第4季度的啞變量分別取值 0.25，0.5，0.75 和 1，t年之后的啞變量全部取1，t年之前的啞變量全部取0。δi為樣條函數(shù)參數(shù)，同一年份不同季度的樣條函數(shù)參數(shù)相等。crt代表影響信貸條件指數(shù)的貨幣政策因素。假定h(crt)=ξcrt，并設(shè)(δ，ξ')'= φ，(qdit，crt)'=ct，ξ為貨幣政策變量對應(yīng)的參數(shù)向量，φ為樣條函數(shù)參數(shù)與貨幣政策參數(shù)構(gòu)成的向量。式(2)可以變形為:

將(3)式代入(1)式，并用非抵押債務(wù)代替LIRS，用抵押債務(wù)代替LVRS，用來反映家庭信貸流向，用隱變量CCI反映家庭信貸條件的變化，便可構(gòu)造囊括家庭部門信貸條件與信貸流向的誤差修正方程組。

三、指標(biāo)選取及誤差修正方程組構(gòu)建

(一)相關(guān)指標(biāo)的選取

本文選取家庭部門的抵押債務(wù)與非抵押債務(wù)作為衡量信貸流向的兩個基礎(chǔ)變量，其受到內(nèi)生系統(tǒng)性因素和外生信貸條件的影響。Fernandez－Corugedo和Muellbauer(2006)的研究表明:對家庭抵押債務(wù)與非抵押債務(wù)有直接影響的內(nèi)生因素包括人口結(jié)構(gòu)、收入、失業(yè)率、家庭財富、名義利率、實際利率、預(yù)期收入與預(yù)期利率［15］，本文參照其方法，選取如下變量作為構(gòu)造誤差修正方程組的內(nèi)生變量。

1.人口結(jié)構(gòu)特征。參加工作并具有住房需求的人群所占的比例，這部分人群所占的比例越高，對住房抵押信貸需求越大，相應(yīng)地，家庭抵押債務(wù)水平越高。

2.收入。收入水平高低直接決定著家庭的償債能力，收入越高，家庭更容易償還債務(wù)，相應(yīng)地，家庭所承擔(dān)的抵押債務(wù)與非抵押債務(wù)水平越高。

3.失業(yè)率變動。失業(yè)率可以作為衡量家庭預(yù)期收入水平的變量，能反映家庭面臨的不確定性。如果失業(yè)率越高，家庭預(yù)期收入水平越低且面臨的不確定性越大，家庭能獲得抵押信貸與非抵押信貸能力越弱。

4.家庭財富存量。家庭部門的財富構(gòu)成包含:流動性金融財富、非流動性金融財富與住房財富。更高的流動資產(chǎn)—收入比表明金融系統(tǒng)有更強的能力將資產(chǎn)轉(zhuǎn)化為債務(wù)，更多的流動性財富將增加家庭抵押債務(wù)與非抵押債務(wù)水平;非流動性財富為債務(wù)提供長期的資產(chǎn)支持，非流動性財富比率越高，家庭債務(wù)水平越高;住房財富對抵押債務(wù)具有正向影響，住房財富越多，家庭獲取抵押債務(wù)的能力越強。然而，住房財富對非抵押債務(wù)的影響取決于兩種債務(wù)的替代與收入效應(yīng)①抵押債務(wù)與非抵押債務(wù)的替代效應(yīng)是指當(dāng)兩種債務(wù)總量是一定時，抵押債務(wù)增加時，非抵押債務(wù)獲取量相應(yīng)減少;收入效應(yīng)是指住房財富增加，家庭償債能力增強，抵押債務(wù)的增加會促進非抵押債務(wù)的增加。的力量對比。

5.名義利率。名義利率越高，家庭償還債務(wù)的壓力越大，將減少個人承擔(dān)債務(wù)的數(shù)量。名義利率越高，家庭的抵押債務(wù)與非抵押債務(wù)水平越低。

6.真實利率。真實利率通過兩個渠道影響家庭債務(wù)的承擔(dān)。首先，真實利率越高，家庭每期償還的債務(wù)越多，將減少債務(wù)的承擔(dān);其次，真實利率提高將增加儲蓄的收益，提高當(dāng)前消費的價格，減少家庭非抵押債務(wù)。

7.預(yù)期收入。個人會平滑自己的消費，當(dāng)預(yù)期將來有更高的收入增長，他會增加住房與非住房商品的消費。在給定的當(dāng)前收入水平下，預(yù)期收入越高，家庭可能選擇承擔(dān)越多的債務(wù)。

8.預(yù)期利率。一年以上利率與一年以下利率的差額可以反映市場對于短期利率變動方向的判斷，如果兩者利差增大，表明未來利率有上升的趨勢，這樣家庭債務(wù)水平趨于下降。

另外，外生因素方面，金融制度變化和信貸政策調(diào)整均對家庭抵押債務(wù)與非抵押債務(wù)產(chǎn)生影響。用樣條函數(shù)刻畫金融制度變化，用存款準(zhǔn)備金率RR、央行購債增長率①央行購債增速用貨幣當(dāng)局資產(chǎn)負債表中“對政府債權(quán)”項的增長率表示。CBB和再貼現(xiàn)貸款增長率②再貼現(xiàn)貸款增速用貨幣當(dāng)局資產(chǎn)負債表中“對存款貨幣銀行債權(quán)”項的增長率表示。RED作為信貸政策變量，以構(gòu)建信貸條件隱變量。

(二)數(shù)據(jù)來源及處理

本文選取2002年第1季度至2013年第4季度的數(shù)據(jù)來估算家庭部門信貸條件指數(shù)。對于人口特征變量使用首次購房者比例FTBS代替，其計算參照F－C＆M的方法，即24～34歲城鎮(zhèn)人口數(shù)除以總城鎮(zhèn)人口數(shù)。用2000年和2010年人口普查年齡結(jié)構(gòu)數(shù)據(jù)，分別向前和向后推算加總得到20～34歲城鎮(zhèn)人口數(shù)，并將2000年和2010年兩年的數(shù)值求均值，以減少城鎮(zhèn)化進程帶來的誤差。為了控制收入轉(zhuǎn)移帶來的影響，用城鎮(zhèn)居民可支配收入YD代表收入水平。財富變量包括:流動性財富LIW，等于現(xiàn)金與居民存款之和;非流動性金融財富ULIW，等于家庭部門持有的流動股市值③將1992年以來商品房銷售額逐季累加，可以得到每期居民住房財富的近似值。;住房財富HW，等于房屋銷售額的累加值④據(jù)《中國資本市場發(fā)展報告》數(shù)據(jù)，截至2007年底，中國股票市場中機構(gòu)投資者占比達49%，近幾年其占比已超出50%，平均來看，個人投資者投資約占中國股票流通市值的50%。。失業(yè)率UNR用城鎮(zhèn)失業(yè)登記率代替。名義利率INT用貨幣市場基準(zhǔn)利率(3個月)來替代，將日利率按季度平均求出季平均利率。由于人民銀行在制定存貸款基準(zhǔn)利率時會參照這一利率，所以該利率在某種程度上可以反映存貸款利率。實際利率REAL用名義利率減去通脹率以消除物價的影響，通貨膨脹用CPI同比增速表示。預(yù)期利率IEXP等于10年期國債到期收益率與貨幣市場基準(zhǔn)利率差額。預(yù)期收入變動額INCEXP等于永久性收入與當(dāng)期收入的差額。參考Muellbauer和 Murphy(1993)的估計方法，假定家庭在每期用最近X期的收入觀測值來預(yù)測未來K期的收入，并用預(yù)測的收入作為永久收入減去當(dāng)前收入，再對兩者差額進行貼現(xiàn)［9］，如式(4)所示。

(三)誤差修正方程組構(gòu)造

參照F－C＆M的分析框架，構(gòu)造誤差修正方程組如下:

其中，yt=(SDt，USDt)'，xt=(YDt，LIWt，ULIWt，HWt，REALt，F(xiàn)TBSt)'，et為誤差項，νt=(ΔINTt，ΔUNRt，ΔINCEXPt，ΔIEXPt)'，由于信貸條件CCI是不可觀察變量，不能單列方程進行估計，必須將CCI的變量作為自變量一同并入式(5)。假定CCI能用分段樣條函數(shù)與信貸政策變量之和表示，其函數(shù)形式為:

將(6)式代入(5)式，對矩陣θ進行標(biāo)準(zhǔn)化處理，即假定信貸條件指數(shù)每增加1單位將引起抵押債務(wù)SDt增加1單位，非抵押債務(wù)USDt增加γ單位，則矩陣θ的對角元素為1和γ。得到最終誤差修正方程組如下:

表1 選取指標(biāo)的內(nèi)涵、數(shù)據(jù)來源及處理方法

表2 變量的統(tǒng)計性描述

四、實證步驟、結(jié)果及分析

(一)實證步驟

首先，參照 Muellbauer和 Murphy(1993)的方法對城鎮(zhèn)居民預(yù)期收入變動額進行估算［9］。將1998年第一季度至2001年第四季度共16季度的數(shù)據(jù)作為第一個子樣本，用城鎮(zhèn)居民可支配收入滯后1～5期作為自變量對本期進行回歸，并動態(tài)預(yù)測未來12期數(shù)值，然后用貼現(xiàn)因子0.85計算2002年第一季度的預(yù)測值。不斷重復(fù)該步驟一直到2013年第三季度，共有48個子樣本可估算出2002年第一季度至2013年第四季度的預(yù)期收入變動額。從表2可以看出，家庭部門的主要債務(wù)是抵押債務(wù)，均值為37692億元，非抵押債務(wù)占比較小，僅為9005億元。首次購房者比例為25.8%。城鎮(zhèn)居民可支配收入均值為25107億元。流動性財富、非流動性財富與住房財富分別為25.8萬億元，4.2萬億元與15.1萬億元①由于使用的指標(biāo)、數(shù)據(jù)處理方法存在的差異，可能會與實際情況有一定的偏差。。具體各變量均值、最小值與最大值可參見表2。

其次，對變量進行變換。為了消除經(jīng)濟增長帶來的趨勢影響，用城鎮(zhèn)居民可支配收入對抵押債務(wù)變量、非抵押債務(wù)變量、流動性財富、非流動性財富以及住房財富進行平減。另外，對上述平減后的變量、首次購房者比例、城鎮(zhèn)居民可支配收入、失業(yè)率進行對數(shù)變換，以保證數(shù)據(jù)更加平滑。

最后，選擇估算方法。極大似然估計(ML)通過概率密布分布來估算總體參數(shù)，不要求誤差項必須服從某種分布，是一種更廣泛的估計方法，尤其在非線性方程組中能夠保證估計的參數(shù)更有效，但難以克服內(nèi)生性問題。為了克服內(nèi)生性問題，本文用首次購房者比例、流動財富、非流動財富、住房財富、城鎮(zhèn)居民可支配收入、名義利率、真實利率、失業(yè)率、預(yù)期利率和預(yù)期收入變動額等內(nèi)生變量的滯后一期，以及抵押債務(wù)、非抵押債務(wù)、存款準(zhǔn)備金率、央行購債量、再貼現(xiàn)貸款增長率等外生變量作為工具變量，并用兩階段最小二乘估算出方程組的協(xié)方差矩陣，并將期協(xié)方差矩陣代入極大似然函數(shù)，運用完全信息極大似然(FIML)估計方法對方程組參數(shù)進行估計。

(二)實證結(jié)果及分析

從表3的估計結(jié)果看，短期來看，風(fēng)險因素對家庭信貸流向產(chǎn)生了顯著影響。在抵押債務(wù)方面，預(yù)期收入變動對抵押債務(wù)的影響最大，預(yù)期收入每增加1%，將促進抵押債務(wù)增加約1%。其次是失業(yè)率變動，失業(yè)率每上升1%，將導(dǎo)致抵押債務(wù)減少0.84%。預(yù)期利率影響最小，其每上升1%，將導(dǎo)致抵押債務(wù)減少約0.1%。值得注意的是名義利率對抵押債務(wù)影響不顯著，這表明使用利率調(diào)控房價效果有限。在非抵押債務(wù)方面，失業(yè)率這一風(fēng)險因素對非抵押債務(wù)影響最大，失業(yè)率每增加1%將促使非抵押債務(wù)減少約3%，主要原因可能是非抵押債務(wù)獲取受收入的支配較大，失業(yè)率上升將直接減少家庭的收入來源。預(yù)期利率、名義利率均與非抵押債務(wù)呈反向變動關(guān)系，其上升1%將導(dǎo)致非抵押債務(wù)分別減少約0.9%和0.7%。比較來看，失業(yè)率對抵押債務(wù)的影響小于非抵押債務(wù)，主要原因是抵押債務(wù)更多受財富抵押效應(yīng)的影響，受當(dāng)期收入影響較小。名義利率對非抵押債務(wù)有顯著影響，而對抵押債務(wù)沒有顯著影響，原因可能是抵押債務(wù)在財富效應(yīng)作用下對利率反映不敏感，而非抵押債務(wù)主要用于消費，對利率反映更為敏感。值得注意的是，預(yù)期收入對抵押債務(wù)影響較大，但對非抵押債務(wù)影響不顯著。

長期來看，收入因素以及財富因素均對住戶信貸流向造成了顯著影響。從收入因素看，城鎮(zhèn)居民可支配收入變動對抵押債務(wù)的影響小于非抵押債務(wù)，城鎮(zhèn)居民可支配收入每增加1%，將促使兩者分別增加0.4%和3.7%，表明抵押債務(wù)更多受財富抵押效應(yīng)的影響。從財富因素看，流動性財富對抵押債務(wù)與非抵押債務(wù)均具有正向促進效應(yīng)，流動性財富每增加1%，將促使兩者分別增加3.1%和10%，表明流動性財富對非抵押債務(wù)影響更大，主要原因可能是流動性財富可以迅速轉(zhuǎn)化為收入，起到平滑當(dāng)期收入的作用。住房財富對抵押債務(wù)具有正向促進效應(yīng)，而對非抵押債務(wù)具有負向促進效應(yīng)，具體地，住房財富每增加1%，將造成抵押債務(wù)增加4.2%，非抵押債務(wù)減少4.9%，這說明住房財富對非抵押債務(wù)的替代效應(yīng)大于收入效應(yīng)，即房價上漲導(dǎo)致住戶信貸更多向抵押債務(wù)傾斜。此外，股票等非流動性財富對非抵押債務(wù)具有正向促進效應(yīng)。從外部信貸條件看，同等的信貸條件對抵押債務(wù)的影響大于非抵押債務(wù)，這表明在寬松信貸環(huán)境下，更多的信貸資源流向了房地產(chǎn)，而較少地用于消費。

表3 誤差修正方程組的完全信息極大似然估計值(FIML)

表4 模擬金融制度變化的樣條函數(shù)系數(shù)的估計值

表4列出了2002～2013年金融制度變化的樣條函數(shù)系數(shù)估計值。在金融改革和金融工具創(chuàng)新的作用下，我國金融制度不斷趨于寬松，只有少數(shù)年份，金融制度出現(xiàn)了短暫的逆轉(zhuǎn)，但在實證上不顯著。這表明金融制度具有驅(qū)動住戶信貸環(huán)境趨于寬松的長效機制，不應(yīng)忽視金融制度對住戶信貸條件的影響。

表5 貨幣政策變量的估計值

表5列出了貨幣政策變量的估計值，存款準(zhǔn)備金率與住戶信貸條件指數(shù)呈反向變動關(guān)系，存款準(zhǔn)備金每上升1%，將導(dǎo)致住戶信貸條件指數(shù)下降約0.4%，央行購債增長率與再貼現(xiàn)貸款增長率同住戶信貸條件指數(shù)呈同向變動關(guān)系，兩者上升1%，將促使住戶信貸條件變量分別上升0.02%和0.06%。在這三個貨幣政策變量中，存款準(zhǔn)備金對住戶信貸條件變量影響最大，表明存款準(zhǔn)備金是較為猛烈的貨幣政策工具。

綜合來看，盡管我國實施了緊縮的信貸政策以應(yīng)對房價的過快上漲，但由于金融制度長期趨于寬松，一定程度上抵消了信貸政策的作用空間。圖1給出了信貸條件與貨幣政策調(diào)整走勢圖(實線表示信貸條件變動，虛線表示貨幣政策調(diào)整)，從圖中可以看出，信貸條件一直處于上升的趨勢，這表明家庭部門面臨的外部信貸條件一直較為寬松，貨幣政策并沒有較好地改變家庭部門所面臨的信貸條件，這從一定程度上解釋了貨幣政策在調(diào)控房價方面失效的制度層面原因。

五、結(jié)論及政策啟示

鑒于目前信貸條件研究偏向于市場因素，且對信貸流向探討更多集中在企業(yè)層面，本文試圖借鑒F－C＆M的分析框架，運用樣條函數(shù)模擬金融制度變化，探討家庭部門信貸條件與信貸流向，得出如下結(jié)論:

(1)在金融制度因素的作用下，信貸條件總體上趨于寬松。由于金融改革是我國經(jīng)濟體制改革的重要內(nèi)容，在長期改革紅利作用下，圍繞匯率、利率和金融機構(gòu)改革的有序推進，金融創(chuàng)新形式層出不窮，不斷推進我國金融制度趨于完善，客觀上已形成了驅(qū)動住戶信貸條件不斷趨向?qū)捤傻拈L效機制。

(2)長期趨于寬松的金融制度，在一定程度上限制了信貸政策有效作用的空間。房價的過快上漲已經(jīng)成為引發(fā)我國金融不穩(wěn)定的潛在威脅，為此，貨幣當(dāng)局實施各種貨幣政策以應(yīng)對房價過快上漲，但每次調(diào)控效果并不盡如人意，這與金融制度長期趨于寬松不無關(guān)系。

(3)住戶信貸流向具有非平衡性，同等寬松的住戶信貸條件，對住戶的抵押債務(wù)與非抵押債務(wù)影響程度不同。具體地，住戶信貸條件每上升1%，造成住戶抵押債務(wù)與非抵押債務(wù)分別上升1%和0.14%，表明在相同的信貸環(huán)境下，信貸資源更多流向房地產(chǎn)領(lǐng)域而較少用于消費。

(4)短期風(fēng)險因素、長期收入和財富因素均對信貸流向具有非平衡性影響。這些變量對家庭抵押債務(wù)與非抵押債務(wù)的影響程度是非平衡的，表明總量信貸政策難以調(diào)節(jié)信貸的非平衡性流動。

貨幣當(dāng)局在制定調(diào)控房地產(chǎn)價格和消費信貸政策時，應(yīng)重視金融制度以及信貸流向的非平衡性等因素對貨幣政策產(chǎn)生的潛在影響。金融制度長期趨于寬松，可能對短期的緊縮信貸政策產(chǎn)生抵消作用，一定程度上將限制房地產(chǎn)調(diào)控政策發(fā)揮的空間，貨幣當(dāng)局應(yīng)考慮金融制度對貨幣政策可能產(chǎn)生的抵消作用。家庭信貸流向的非平衡性，決定了總量信貸政策難以調(diào)節(jié)信貸結(jié)構(gòu)，必須堅持實施差別化信貸政策，以促進家庭信貸流向趨于平衡，這樣才能兼顧平抑房價與保障消費兩大目標(biāo)。此外，貨幣當(dāng)局還應(yīng)密切關(guān)注長期收入和財富因素、短期風(fēng)險因素的變化，加強對這些因素的調(diào)節(jié)以平衡家庭信貸流向。

［1］高玉澤，徐忠.論轉(zhuǎn)型時期中央銀行信貸政策［J］.金融研究，2012，(7):75 －83.

［2］Ericsson N，Jansen E，Kerbeshian N，et al.Interpreting a Monetary Conditions Index in Economic Policy［R］.Bank for International Settlements，BIS Conference Papers，1998，(19):20－42.

［3］Goodhart C，Hofmann B.Asset Price，F(xiàn)inancial Conditions，and the Transmission of Monetary Policy［M］.San Francisco:Stanford University Press，2001.

［4］王寶玉.金融形勢指數(shù)(FCI)的中國實證［J］.上海金融，2005，(8):29 －32.

［5］封北麟，王貴民.金融狀況指數(shù)FCI與貨幣政策反應(yīng)函數(shù)經(jīng)驗研究［J］.財經(jīng)研究，2006，(12):53－64.

［6］陸軍，梁靜瑜.中國金融狀況指數(shù)的構(gòu)建［J］.世界經(jīng)濟，2007，(4):13 －24.

［7］王雪峰.中國金融穩(wěn)定狀態(tài)指數(shù)的構(gòu)建——基于狀態(tài)空間模型分析［J］.當(dāng)代財經(jīng)，2010，(5):51－60.

［8］戴國強，張建華.中國金融狀況指數(shù)對貨幣政策傳導(dǎo)作用研究［J］.財經(jīng)研究，2009，(7):52－62.

［9］Muellbauer J，Murphy A.Income Expectations，Wealth and Demography in the Aggregate UK Consumption Function［C］.Presented at HM Treasury Academic Panel meeting，Oxford:Nuffield College，1993:12－30.

［10］Caporale G M，Williams G.Monetary Policy and Financial Liberalisation:the Case of United Kingdom Consumption［J］.Journal of Macroeconomics，2001，23(2):77－197.

［11］Fernandez－ Corugedo E，Price S.Financial Liberalisation and Consumers'Expenditure:‘FLIB’Re－examined［R］.Bank of England，Working Paper，2002，(157):9 －22.

［12］Cox D，Japelli T.The Effects of Borrowing Constraints on Consumer Liabilities［J］.Journal of Money，Credit and Banking，1993，25(2):197－213.

［13］Lyons A.How Credit Access Has Changed over Time for US Households［J］.Journal of Consumer Affairs，2003，37(2):231－55.

［14］Goodhart C，Hofmann B，Segoviano M.Bank Regulation and Macroeconomic Fluctuations［J］. Oxford Review of Economic Policy，2004，20(4):591－615.

［15］Fernandez－Corugedo E，Muellbauer J.Consumer Credit Conditions in the United Kingdom［R］.Bank of England， Working Paper，2006，(314):5－28.

［16］Fisher D M.Credit Market Imperfections and the Heterogeneous Response of Firms to Monetary Shocks［J］.Journal of Money，Credit and Banking，1999，31(2):187－211.

［17］Atanasova V，Wilson N.Bank Borrowing Constraints and the Demand for Trade Credit:Evidence from Panel Data［J］.Managerial and Decision Economics，2003，24(6－7):503－514.

［18］胡海鷗，虞偉榮.貨幣政策的信貸傳導(dǎo)——信息不對稱、金融加速器效應(yīng)［J］.山西財經(jīng)大學(xué)學(xué)報，2003，(5):76 －79.

［19］劉明.信貸配給與貨幣政策效果非對稱性及閥值效應(yīng)分析［J］.金融研究，2006，(2):12－20.

［20］Brandt L，Li H.Bank Discrimination in Transition Economies:Ideology，Information or Incentives［J］.Journal of Comparative Economics，2003，31(3):387－413.

［21］方軍雄.所有制、制度環(huán)境與信貸資金配置［J］.經(jīng)濟研究，2007，(12):82 －92.

［22］饒品貴，姜國華.貨幣政策、信貸資源配置與企業(yè)業(yè)績 ［J］.管理世界，2013，(3):12－22.

［23］Scott A.Consumption，‘Credit Crunches’and Financial Deregulation［R］.Centre for Economic PolicyResearch， Discussion Paper，1996，(1389):11－20.

［24］Muellbauer J.Measuring Financial Liberalization in the UK Mortgage Market［C］.Paper Delivered at the Econometric Society European Meeting，Toulouse，1997:20 －45.