李 杰 沈良延 趙玉丹

一、引言

2015年下半年起，我國房地產(chǎn)市場又起波瀾。從當(dāng)年8月份開始，一線城市的月度房價指數(shù)較上年同期漲幅都在10%以上，2016年1、2月份這一數(shù)字更是高達(dá)20%以上(詳見圖1)。房地產(chǎn)行業(yè)是關(guān)乎國計民生的支柱產(chǎn)業(yè)，它的蓬勃發(fā)展可以為建筑、建材、家電、金融等眾多其他行業(yè)提供巨大的需求，對經(jīng)濟(jì)增長有較強(qiáng)的拉動作用。但是，房地產(chǎn)價格的過快上漲也有相當(dāng)大的不良影響：一方面，由于房地產(chǎn)具有必需消費(fèi)品的屬性，房價的過快上漲導(dǎo)致城鎮(zhèn)居民住房成本負(fù)擔(dān)加重；另一方面，更重要的是，很多國家都發(fā)生過房地產(chǎn)價格大幅上漲、并隨即下跌的案例，而在價格暴跌的過程中，這些國家的經(jīng)濟(jì)遭受了巨大的負(fù)面沖擊。

圖1 近年來我國一線城市房價增速

資料來源：Wind資訊。圖2、圖3同。

例如，日本的房地產(chǎn)價格在20世紀(jì)80年代后期飆升，6個主要城市的住宅用城市土地價格指數(shù)同比增速在1990年達(dá)到33%，但在隨后就出現(xiàn)大幅下跌，1993年這一數(shù)字為-18%，并且下跌趨勢一直延續(xù)到了2000年以后。在房地產(chǎn)行業(yè)持續(xù)蕭條的背景下，日本的宏觀經(jīng)濟(jì)經(jīng)歷了“失去的十年”。另一個例子是21世紀(jì)初的美國，標(biāo)普Case-Shiller 10個大中城市的月度房價指數(shù)同比在2004年一度觸及20%，但在之后也經(jīng)歷了大幅下挫，2008—2009年間曾連續(xù)20個月同比跌幅超過10%(見圖2、圖3)。美國房地產(chǎn)市場泡沫的破滅直接導(dǎo)致了次貸危機(jī)和全球金融海嘯，重創(chuàng)了美國乃至全球經(jīng)濟(jì)。

由于其巨大危害性，房地產(chǎn)泡沫一直受到政策界和社會公眾的廣泛關(guān)注，學(xué)術(shù)界也對房地產(chǎn)泡沫問題有較多的討論。但是在已有的文獻(xiàn)中，學(xué)術(shù)界在房地產(chǎn)泡沫的定義、成因等重要問題上仍然存在爭論。傳統(tǒng)的Stiglitz(1990)[1]式“價格偏離價值”定義存在模型依賴問題，而Lind(2009)[2]式的、僅以價格變動作為判別準(zhǔn)則的定義則難以有力地區(qū)分泡沫和正常的價格波動。基于房地產(chǎn)泡沫——銀行危機(jī)這種情形對宏觀經(jīng)濟(jì)突出的負(fù)面影響，本文將房價發(fā)生大幅上漲、并隨即發(fā)生銀行危機(jī)的情形定義為惡性房地產(chǎn)泡沫，并對造成惡性房地產(chǎn)泡沫的因素進(jìn)行了經(jīng)驗檢驗。本文的結(jié)果顯示，畸低的利率水平和過度寬松的貨幣政策是造成惡性房地產(chǎn)泡沫的主要原因；同時，經(jīng)濟(jì)增長速度較高的情況下，惡性房地產(chǎn)泡沫出現(xiàn)的可能性會增加，表明了經(jīng)濟(jì)過熱對于資產(chǎn)泡沫會產(chǎn)生促進(jìn)作用；此外，本文也發(fā)現(xiàn)人口增速和城鎮(zhèn)化增速等代表剛性需求的指標(biāo)并不能解釋惡性房地產(chǎn)泡沫的產(chǎn)生，這從側(cè)面證明了惡性房地產(chǎn)泡沫中房價的上升是脫離基本面的。

圖2 日本的房地產(chǎn)泡沫

圖3 美國的房地產(chǎn)泡沫

二、房地產(chǎn)泡沫的定義

Stiglitz(1990)[1]、Case和Shiller(2003)[3]認(rèn)為，房地產(chǎn)泡沫的定義是房地產(chǎn)市場價格脫離均衡價格持續(xù)上漲，其本質(zhì)在于價格對于價值的偏離。國內(nèi)的研究，如曹振良(2003)[4]等，也多持這一觀點?；谶@一理論定義，國內(nèi)外學(xué)術(shù)界提出了很多衡量房地產(chǎn)泡沫程度的指標(biāo)，并基于這些指標(biāo)進(jìn)行了很多經(jīng)驗研究。例如，Case和Shiller(2003)[3]指出，房價收入比、按揭貸款利率、房屋開工率等指標(biāo)可以用來衡量房地產(chǎn)泡沫的程度，類似的文獻(xiàn)還有Gallin(2008)[5]等。呂江林(2010)[6]對這一類房地產(chǎn)泡沫的衡量指標(biāo)進(jìn)行了很好的總結(jié)。

在價格偏離價值的定義之下，對房地產(chǎn)泡沫的衡量實質(zhì)上要求確定房地產(chǎn)潛在的均衡價格，并將這種理論上的均衡價格與市場價格進(jìn)行對比。但是在Lind(2009)[2]看來，這種定義存在問題：一方面，這種定義只考慮了房地產(chǎn)價格波動中上漲的部分，而實際上，房價在上漲之后的下跌才是各界關(guān)注的重心；另一方面，這種定義依賴于對房地產(chǎn)價值或者均衡價格的設(shè)定，而價值或者均衡價格并不能直接觀測到，而是依賴于模型的假設(shè)。Lind(2009)[2]認(rèn)為，房地產(chǎn)泡沫的定義應(yīng)當(dāng)集中到價格漲跌動態(tài)的“結(jié)果”而并非造成這種變動的“原因”上，他將房地產(chǎn)泡沫定義為房價在大幅上漲后出現(xiàn)大幅下跌的過程。

Lind(2009)[2]的“結(jié)果”論為房地產(chǎn)泡沫問題的研究開拓了新的思路，使得房地產(chǎn)泡沫的定義脫離了對理論均衡的依賴，而基于現(xiàn)實的、可觀測的經(jīng)濟(jì)現(xiàn)象。但是，單純依靠房地產(chǎn)價格的變動來定義泡沫，判斷泡沫存在與否就依賴于主觀設(shè)定的價格漲跌幅度標(biāo)準(zhǔn)，這一問題削弱了Lind(2009)[2]式定義的理論和實際意義。

房地產(chǎn)泡沫問題相關(guān)研究之所以有意義，主要是因為房地產(chǎn)泡沫對經(jīng)濟(jì)有著巨大的負(fù)面影響。而這當(dāng)中最突出的一種影響是泡沫可能會催生銀行系統(tǒng)危機(jī)。Herring和Wachter(1999)[7]總結(jié)房地產(chǎn)泡沫與銀行危機(jī)的歷史發(fā)現(xiàn)，在眾多國家的案例中，這兩個經(jīng)濟(jì)現(xiàn)象總是緊密聯(lián)系在一起的。項衛(wèi)星和李宏瑾(2007)[8]認(rèn)為，盡管房地產(chǎn)泡沫并不必然導(dǎo)致銀行危機(jī)，但是這兩種現(xiàn)象經(jīng)常如同“孿生兄弟”一般同時出現(xiàn)，其相關(guān)性非常顯著。Hilbers等(2001)[9]總結(jié)了11個國家的案例，發(fā)現(xiàn)在這些案例中，房價的暴漲暴跌都造成了金融系統(tǒng)的危機(jī)。Hilbers等(2001)[9]還運(yùn)用國際清算銀行的數(shù)據(jù)和logit/probit模型檢驗了房地產(chǎn)價格波動與金融系統(tǒng)穩(wěn)定性的關(guān)系，發(fā)現(xiàn)房價的劇烈調(diào)整顯著地提高了金融危機(jī)發(fā)生的概率。歐陽遠(yuǎn)芬和李璐(2014)[10]也基于OECD的數(shù)據(jù)發(fā)現(xiàn)，前期房價上漲會增加當(dāng)期銀行危機(jī)發(fā)生的概率，且其邊際效應(yīng)隨前期房價上漲率的增加而提高。此外，Reinhart和Rogoff(2013)[11]的結(jié)論也支持包括房地產(chǎn)泡沫在內(nèi)的資產(chǎn)泡沫與銀行危機(jī)間的因果關(guān)系。Allen和Gale(2000)[12]從理論上解釋了房地產(chǎn)泡沫對銀行危機(jī)的催生作用：由于委托-代理關(guān)系的存在，消費(fèi)者將投機(jī)帶來的風(fēng)險轉(zhuǎn)嫁給了銀行系統(tǒng)。對于銀行而言，房地產(chǎn)在價格上漲的過程中是優(yōu)良的信貸抵押品，而在泡沫破滅的過程中，房地產(chǎn)價格的暴跌削弱了購房者歸還房貸的動機(jī)，降低了房地產(chǎn)作為抵押品的價值，使得銀行面臨巨大的壞賬風(fēng)險，并導(dǎo)致銀行危機(jī)的發(fā)生。Koetter和Poghosyan(2010)[13]認(rèn)為，在房價上漲的過程中，如果房地產(chǎn)市場價格超過均衡價格過多，就會造成銀行的道德風(fēng)險和逆向選擇問題：由于房地產(chǎn)作為抵押品的價值不斷提高，銀行就會持續(xù)地擴(kuò)大對房地產(chǎn)的貸款，從而使得銀行面臨的風(fēng)險水平提高。他們利用德國的數(shù)據(jù)驗證了這一理論。

相較于一般的房地產(chǎn)泡沫，造成銀行危機(jī)的泡沫對宏觀經(jīng)濟(jì)的負(fù)面影響更大，這主要是因為銀行體系在貨幣政策和宏觀經(jīng)濟(jì)中有著特殊的角色。Bernanke和Blinder(1988，1992)[14-15]指出，大量的中小企業(yè)只能依賴銀行的信貸進(jìn)行融資，銀行部門一旦發(fā)生危機(jī)，這些企業(yè)將面臨信貸收縮，并被迫減少投資，使總需求下降，因此銀行危機(jī)對實體經(jīng)濟(jì)有很大的負(fù)面作用。Reinhart和Kaminsky(1999)[16]等檢驗了銀行危機(jī)對實體經(jīng)濟(jì)的巨大負(fù)面作用。除了這種直接的沖擊以外，另一些文獻(xiàn)，如Honohan和Klingebiel(2003)[17]等還發(fā)現(xiàn)，銀行危機(jī)還會使政府在被迫對銀行部門進(jìn)行救助的過程中承擔(dān)巨大的財政負(fù)擔(dān)，進(jìn)而對實體經(jīng)濟(jì)產(chǎn)生長期的負(fù)面效應(yīng)。

鑒于造成了銀行危機(jī)的房地產(chǎn)泡沫的特殊性，本文認(rèn)為，可以把這一類泡沫單獨歸類為惡性的房地產(chǎn)泡沫。這種惡性泡沫的定義包含兩個要素：其一是房價的大幅上漲；其二是隨后而至的銀行系統(tǒng)危機(jī)。從定義的方法來講，惡性房地產(chǎn)泡沫基于的是實際觀測到的價格變動和與價格變動可能存在關(guān)聯(lián)的、可觀測的經(jīng)濟(jì)現(xiàn)象，因此更接近Lind(2009)[2]的思路，避免了對房地產(chǎn)理論均衡價格的模型依賴。同時，由于惡性房地產(chǎn)泡沫的定義基于銀行危機(jī)的發(fā)生，本文也在一定程度上減輕了Lind(2009)[2]式定義中房價漲跌幅度標(biāo)準(zhǔn)設(shè)定的主觀性帶來的影響。當(dāng)然，這一定義對房地產(chǎn)泡沫的觀測很可能是后驗的，按Allen和Gale(2000)[12]的理論，銀行危機(jī)主要在房價開始下跌后爆發(fā)。歐陽遠(yuǎn)芬和李璐(2014)[10]的研究也證明銀行危機(jī)通常在房地產(chǎn)泡沫出現(xiàn)價格調(diào)整之后才發(fā)生。但從現(xiàn)實意義上講，研究房地產(chǎn)泡沫的目的不僅在于事中判別泡沫是否發(fā)生，也在于解釋泡沫發(fā)生的原因和條件，并盡量避免為泡沫的發(fā)生創(chuàng)造條件。由于惡性房地產(chǎn)泡沫突出的危害性，研究這一類房地產(chǎn)泡沫產(chǎn)生、發(fā)展的條件和原因，從而避免這一類泡沫的出現(xiàn)是有意義的。

三、惡性房地產(chǎn)泡沫產(chǎn)生的原因

從寬泛的角度來看，房地產(chǎn)泡沫是資產(chǎn)泡沫的一種。有關(guān)資產(chǎn)泡沫的早期文獻(xiàn)，如Shiller(1978)[18]、Blanchard和Watson(1982)[19]等，都在理性預(yù)期的框架下探討資產(chǎn)價格泡沫的產(chǎn)生和破滅，類似的文獻(xiàn)還有Tirole(1982，1985)[20-21]以及Weil(1987)[22]等。20世紀(jì)90年代后，眾多的文獻(xiàn)突破傳統(tǒng)框架，將信息經(jīng)濟(jì)學(xué)理論和博弈論運(yùn)用到了對資產(chǎn)泡沫的分析中，例如Allen和Gorton(1993)[23]等。同一時期中，行為經(jīng)濟(jì)學(xué)的框架也逐漸被引入到對這一問題的探討中，有代表性的文獻(xiàn)包括Scharfstein和Stein(1990)[24]和Abreu和Brunnermeier(2003)[25]等。

但很多文獻(xiàn)認(rèn)為，與其他資產(chǎn)泡沫相比，房地產(chǎn)泡沫有其特殊性。Linneman(1986)[26]、Rosenthal(1999)[27]以及Glaeser等(2008)[28]發(fā)現(xiàn)，房地產(chǎn)市場之所以容易產(chǎn)生泡沫，與這一市場上較高的交易成本以及賣空機(jī)會的缺乏有關(guān)。例如，Glaeser等(2008)[28]的研究表明，泡沫出現(xiàn)的概率和持續(xù)時間的長短與房地產(chǎn)供給的彈性呈負(fù)相關(guān)，在供給彈性較小的地區(qū)，房地產(chǎn)泡沫出現(xiàn)的可能性更高、持續(xù)時間也更長。Mankiw和Weil(1988)[29]則是從需求的角度來解釋房地產(chǎn)價格的大幅上升，他們的研究發(fā)現(xiàn)，70年代美國房地產(chǎn)價格的上升與美國戰(zhàn)后“嬰兒潮”一代進(jìn)入購房年齡階段相關(guān)。

另一些文獻(xiàn)強(qiáng)調(diào)造成房地產(chǎn)泡沫的一個重要因素是貨幣。例如，Taylor(2007)[30]運(yùn)用反事實模擬的統(tǒng)計方法發(fā)現(xiàn)，2002—2005年間美國市場上短期利率長時間處于過低水平，長期偏低的利率是隨后數(shù)年中美國房地產(chǎn)泡沫出現(xiàn)和破滅的重要原因。McDonald和Stokes(2013)[31]也通過Granger因果檢驗和VAR模型發(fā)現(xiàn)，2001—2004年期間，美國市場上的利率水平被美聯(lián)儲人為地壓低了，而這對房地產(chǎn)泡沫的產(chǎn)生造成了顯著的促進(jìn)作用。李健和鄧瑛(2011)[32]從貨幣的需求、供給、信貸和動態(tài)價格調(diào)整四個角度分析了貨幣量與房地產(chǎn)泡沫間的關(guān)系，指出貨幣量的增加會從資產(chǎn)性通脹渠道、房地產(chǎn)抵押物的加速器效應(yīng)和房地產(chǎn)較低的供給彈性等渠道來影響房地產(chǎn)市場的供求平衡，從而造成房地產(chǎn)泡沫的出現(xiàn)。針對美國、日本和中國的數(shù)據(jù)，李健和鄧瑛(2011)[32]采用協(xié)整VAR的方法驗證了巨額貨幣存量對房價上漲的顯著推動作用。

與貨幣供給、信貸等因素相關(guān)的，是金融體系在房地產(chǎn)泡沫產(chǎn)生和破滅中的特殊角色。袁志剛和樊瀟彥(2003)[33]構(gòu)造了一個房地產(chǎn)市場的局部均衡模型，為行為人的預(yù)期、銀行信貸以及政府政策在地產(chǎn)泡沫形成中的作用提供了一個理論分析框架。武康平等(2004)[34]的模型證明，在房地產(chǎn)市場供給彈性小、商業(yè)銀行承擔(dān)代理成本等條件下，銀行經(jīng)理人傾向于向房地產(chǎn)市場過度供給貸款，從而導(dǎo)致房地產(chǎn)價格系統(tǒng)性地被高估。周京奎(2006)[35]基于一個房地產(chǎn)市場的局部均衡模型，提出房地產(chǎn)市場上之所以存在著嚴(yán)重的投機(jī)和風(fēng)險轉(zhuǎn)嫁行為，一個重要的原因在于金融制度的變遷、不確定性和信息的不對稱造成了金融部門對房地產(chǎn)市場的過度支持。在周京奎(2006)[35]的模型中，如果房地產(chǎn)開發(fā)商和消費(fèi)者都可以取得銀行信貸，群體投機(jī)行為將造成房地產(chǎn)的市場價格高于其基本面，即產(chǎn)生房地產(chǎn)泡沫，且銀行對房地產(chǎn)信貸力度的增加與房價的上升高度相關(guān)；而如果房地產(chǎn)貸款的違約行為過多，房地產(chǎn)泡沫將會破滅。

上述文獻(xiàn)對房地產(chǎn)泡沫產(chǎn)生原因的研究主要都是基于價格偏離價值的傳統(tǒng)定義，并非本文中房價發(fā)生大幅上漲、進(jìn)而產(chǎn)生銀行危機(jī)的惡性房地產(chǎn)泡沫。用于解釋傳統(tǒng)房地產(chǎn)泡沫的因素有可能在解釋惡性泡沫時失去效力。一個側(cè)面的證據(jù)是，房地產(chǎn)泡沫并不必然造成銀行系統(tǒng)危機(jī)，因此造成這種泡沫的因素可能并不會造成本文定義的惡性泡沫。而從理論上來看，要引發(fā)銀行系統(tǒng)危機(jī)，房地產(chǎn)市場就要與銀行信貸聯(lián)系起來，即武康平等(2004)[34]、周京奎(2006)[35]等提出的銀行部門對房地產(chǎn)市場的過度信貸支持。如果在房價上漲過程中銀行并沒有對房地產(chǎn)提供過度支持，則銀行系統(tǒng)發(fā)生危機(jī)的可能性就相對較低。因此，解釋惡性房地產(chǎn)泡沫的因素，除了要能解釋房價過快上漲，還要能解釋銀行部門對房地產(chǎn)市場的過度支持。這使得本文中造成惡性房地產(chǎn)泡沫的因素與傳統(tǒng)文獻(xiàn)中造成房地產(chǎn)泡沫的因素區(qū)別開來。

四、模型、變量與數(shù)據(jù)

為了從經(jīng)驗角度檢驗造成惡性房地產(chǎn)泡沫的因素，本文構(gòu)建了如下的回歸模型：

bi,t=β0+β1ri,t+β2gi,t+β3log (yi,t)+β4ni,t

+β5mi,t+β6ugi,t+β7ui,t+εi,t

在上述模型中，二值變量bi,t表示惡性房地產(chǎn)泡沫。根據(jù)上文的討論，本文對這一變量做出了如下的設(shè)定：如果i國在t年的房價指數(shù)同比增速pi,t同時滿足條件pi,t>meanipi,t+sdi(pi,t)，以及i國在t年、t+1年或t+2三年內(nèi)發(fā)生銀行危機(jī)，則定義i國在t年發(fā)生了惡性房地產(chǎn)泡沫，發(fā)生惡性泡沫時bi,t=1，否則bi,t=0。其中，meani(pi,t)、sdi(pi,t)分別是i國房價指數(shù)同比增速pi,t在全部樣本時間區(qū)間中的均值、標(biāo)準(zhǔn)差。歐陽遠(yuǎn)芬和李璐(2014)[10]基于與本文接近的樣本發(fā)現(xiàn)，前一年度房價上漲幅度20%、50%和100%，則本年度銀行危機(jī)發(fā)生的概率分別為2.6%、4.7%以及11%。在此基礎(chǔ)上，本文從穩(wěn)健性角度出發(fā)，將房價泡沫可能引致銀行危機(jī)的時間區(qū)間拓展到了t年和t+2年。同時，考慮到各個國家房價增速的結(jié)構(gòu)性差異，本文以超過均值一個標(biāo)準(zhǔn)差來表示房價過高。

根據(jù)Capozza等(2002)[36]對房價數(shù)據(jù)時間序列特征的研究，房價的序列相關(guān)性和均值回歸性受人均收入水平、收入增長率及人口增長率的影響：人均收入水平越高，房價的序列相關(guān)和均值回歸越弱，房地產(chǎn)泡沫出現(xiàn)可能性越低；而收入增速和人口增速越高，房價就表現(xiàn)出越強(qiáng)的序列相關(guān)和均值回歸特征，泡沫出現(xiàn)的可能性也就越高。為了控制這些因素，本文加入了log (yi,t)、gi,t和ni,t作為描述人均收入水平、收入增速和人口增速的控制變量。log (yi,t)是i國在t年的人均收入(2005年不變價美元)的自然對數(shù)，gi,t以i國在t年的GDP增長率衡量，ni,t則以i國在t年的總?cè)丝谠鲩L率衡量。

同時根據(jù)前述有關(guān)利率水平、貨幣供應(yīng)與房地產(chǎn)泡沫相關(guān)性的文獻(xiàn)，本文添加了變量ri,t作為i國在t年的實際利率，并設(shè)置變量mi,t作為描述i國在t年的貨幣供給量增長的變量。參考李健和鄧瑛(2011)[32]的研究，本文中變量mi,t的定義是M2i,t-πi,t，其中M2i,t為i國在t年中M2的增長率，而πi,t則是i國在t年中基于CPI計算的通貨膨脹率。

基于Mankiw和Weil(1988)[29]的研究，本文還添加了表示房地產(chǎn)需求的變量。對房地產(chǎn)需求產(chǎn)生直接影響的一個因素是城鎮(zhèn)化的發(fā)展。例如，Chen等(2011)[37]發(fā)現(xiàn)，城鎮(zhèn)化發(fā)展的差異顯著影響了中國省級行政區(qū)房地產(chǎn)價格上升的幅度。本文定義了自變量ugi,t來描述i國在t年中的城鎮(zhèn)化增長率。為增強(qiáng)結(jié)果的穩(wěn)健性，本文還檢驗了i國在t年中城鎮(zhèn)化的水平ui,t對惡性房地產(chǎn)泡沫出現(xiàn)概率的影響。根據(jù)簡新華和黃錕(2010)[38]的評述，衡量城鎮(zhèn)化水平的恰當(dāng)指標(biāo)是城鎮(zhèn)人口在總?cè)丝谥械恼急龋蚨疚睦酶鲊r(nóng)村人口占總?cè)丝诒戎氐臄?shù)據(jù)計算了城鎮(zhèn)人口占比及其增長率，分別作為變量ui,t和ugi,t對應(yīng)的數(shù)據(jù)指標(biāo)。

本文使用的房價數(shù)據(jù)來自O(shè)ECD統(tǒng)計數(shù)據(jù)庫，這一數(shù)據(jù)庫記錄了43個國家1980—2015年期間季度頻率的房價指數(shù)。通過計算這一指數(shù)的年平均值，并以上年為基期取同比增速，本文得出了回歸檢驗所需的房價增長率數(shù)據(jù)。本文使用的銀行危機(jī)數(shù)據(jù)則來自于Laeven和Valencia(2013)[39]的統(tǒng)計，這一研究記錄了1970—2012年間162個國家發(fā)生的銀行危機(jī)，以政府向銀行提供流動性支持、擔(dān)保、重組等救助措施為指標(biāo)，構(gòu)建了描述銀行危機(jī)是否發(fā)生的二值變量。在其樣本覆蓋的全部43年中，這一研究共記錄了147次銀行危機(jī)，而在本文的樣本時間范圍1981—2012年間，該研究記錄了143次銀行危機(jī)。需要指出的是，根據(jù)本文的定義，只要有銀行危機(jī)在房價大幅上漲的隨后三年之內(nèi)開始，銀行危機(jī)的虛擬變量就取1，而并不需要考慮銀行危機(jī)持續(xù)或結(jié)束的時間。表1報告了本文最終樣本內(nèi)包含的銀行危機(jī)觀測，圖4～圖6則展示了銀行危機(jī)發(fā)生的頻次和美國、日本兩國的惡性房地產(chǎn)泡沫案例。

表1 樣本中的銀行危機(jī)觀測

續(xù)前表

圖4 樣本中銀行危機(jī)發(fā)生的頻次

圖5 美國惡性房地產(chǎn)泡沫

圖6 日本的惡性房地產(chǎn)泡沫

本文所使用的其他變量指標(biāo)中，實際利率、人均GDP水平、GDP增長率、人口增長率、M2、CPI及農(nóng)業(yè)人口占總?cè)丝诒壤臄?shù)據(jù)均來自世界銀行World Development Indicator數(shù)據(jù)庫。表2報告了本文的經(jīng)驗檢驗中各變量對應(yīng)指標(biāo)以及構(gòu)建這些變量所需中間變量的數(shù)據(jù)的描述統(tǒng)計量。

表2 描述統(tǒng)計量

續(xù)前表

經(jīng)過處理，本文的樣本中包含了35個國家1981—2012年共計約1 320個觀測的面板數(shù)據(jù)。在本文的樣本中，銀行危機(jī)發(fā)生的次數(shù)為45次，表1報告了本文樣本中所包括的銀行危機(jī)發(fā)生的時間和國家。結(jié)合圖4可以看出，銀行危機(jī)主要集中發(fā)生在1991—1998年的發(fā)展中國家和2007—2008全球金融危機(jī)期間的歐美發(fā)達(dá)國家?；诋?dāng)年房價同比增速高于該國房價增速樣本均值與樣本標(biāo)準(zhǔn)差的判別條件，本文共定義了14個惡性房地產(chǎn)觀測點，表3報告了這些惡性房地產(chǎn)泡沫發(fā)生的國家和時間。

表3 根據(jù)本文定義的惡性房地產(chǎn)泡沫在本文樣本中的觀測

本文回歸模型所使用的因變量是一個二值變量，要對這一模型進(jìn)行計量經(jīng)濟(jì)學(xué)分析，通常應(yīng)當(dāng)使用logistic或probit等方法，并采用固定效應(yīng)模型控制國家的特征。但由于本文的數(shù)據(jù)樣本中，發(fā)生惡性房地產(chǎn)泡沫，即因變量取值為1的觀測點較少，很多國家在整個樣本時間范圍內(nèi)都沒有發(fā)生惡性房地產(chǎn)泡沫，因而如果采用國家的固定效應(yīng)，這些沒有發(fā)生惡性房地產(chǎn)泡沫的國家都會被剔除，這使得可估計的樣本大大縮小，對樣本中的信息進(jìn)行利用的效率受到損失(表4報告了面板logit固定效應(yīng)回歸的結(jié)果)。

表4 面板logit模型固定效應(yīng)回歸結(jié)果

采用logistic模型會出現(xiàn)樣本被大量剔除的問題，為解決此問題，本文采用了廣義估計方程(GEE)方法進(jìn)行回歸分析。廣義估計方程是Liang和Zeger(1986)[40]在廣義線性模型的基礎(chǔ)上提出的。廣義線性模型是常見的正態(tài)線性模型的直接推廣，logistic模型即是廣義線性模型的特例。廣義線性模型具備很高的靈活性，其因變量可以是指數(shù)分布族中的任何一個分布，如正態(tài)分布、二項分布、泊松分布等；而自變量與因變量之間可以使用多種非線性的連接函數(shù)進(jìn)行連接，如對數(shù)函數(shù)、logit和負(fù)二項函數(shù)等(對廣義線性模型的探討，詳見陳希孺(2002)[41])。豐富靈活的設(shè)定和功能使得廣義線性模型被廣泛地運(yùn)用于醫(yī)學(xué)統(tǒng)計和保險精算等領(lǐng)域中。

廣義線性模型假定樣本中各個觀測之間是獨立的，但是在面板數(shù)據(jù)中，同一個體在不同的時間點的觀測之間很可能存在組內(nèi)相關(guān)性，這使得廣義線性模型不再適用。在廣義線性模型基礎(chǔ)上，Liang和Zeger(1986)[40]提出的廣義估計方程將二階方差成分引入到限制性擬似然估計方程中，用以處理數(shù)據(jù)之間的相關(guān)性，使其能夠解決同一個體在不同時間點上的各個觀測之間的相關(guān)性問題，并且能夠有效地利用每一個時間點的觀測數(shù)據(jù)，減少信息的損失(康萌萌和劉素春(2015)[42])。廣義估計方程既具備了處理二值因變量的能力，又能很好地解決本文樣本中潛在的一個國家在不同年份中觀測數(shù)據(jù)的相關(guān)性，因而本文采用了這一方法來進(jìn)行計量估計。

使用廣義估計方程除了需要設(shè)定因變量與自變量外，還需要定義因變量的分布函數(shù)、因變量與自變量間的連接函數(shù)，以及同一個體在不同時間點記錄的觀測之間的方差-協(xié)方差矩陣。由于因變量是一個二值變量，本文設(shè)定二項分布作為因變量的分布函數(shù)，并設(shè)定連接函數(shù)為logit函數(shù)。方差-協(xié)方差矩陣是對樣本內(nèi)同一個體在不同的時間點的觀測之間組內(nèi)相關(guān)性形式的假定，Liang和Zeger(1986)[40]提出了幾種方差-協(xié)方差矩陣形式的設(shè)定，包括獨立型(independent)、可交換型(exchangeable)、自回歸型(autoregressive)等，而判斷最優(yōu)的方差-協(xié)方差矩陣形式的方法主要是Pan(2001)[43]提出的擬似然信息準(zhǔn)則(quasi-likelihood information criterion，以下簡稱QIC)，這一準(zhǔn)則檢驗了真實的協(xié)方差矩陣和假定的相關(guān)陣的一致程度，QIC值越小表示方差-協(xié)方差矩陣假定越符合模型。本文基于QIC方法對幾種常見的方差-協(xié)方差矩陣設(shè)定進(jìn)行了檢驗，發(fā)現(xiàn)獨立形式(independent)的方差-協(xié)方差矩陣QIC值最小，因而最符合本文的樣本數(shù)據(jù)。表5報告了QIC檢驗的結(jié)果。

表5 廣義估計方程回歸方差-協(xié)方差矩陣QIC檢驗

五、回歸結(jié)果

本文采用了二項分布作為因變量分布、獨立形式的方差-協(xié)方差矩陣設(shè)定下的廣義估計方程對上述回歸模型進(jìn)行了經(jīng)驗檢驗，表6報告了檢驗的主要結(jié)果。為了提高研究的穩(wěn)健性，本文分別采用了兩種不同的連接函數(shù)，即logit函數(shù)與probit函數(shù)對模型進(jìn)行估計。表6的第1列與第3列分別報告了基于logit和probit連接函數(shù)進(jìn)行回歸(以下分別稱為回歸(1)與回歸(2))得出的系數(shù)，第2列與第4列則分別報告了對應(yīng)變量的讓步比(odds ratio)。

表6 廣義估計方程回歸結(jié)果

在解釋變量中，實際利率ri,t在兩個回歸中都得出了顯著為負(fù)的系數(shù)，說明在其他條件不變的情況下，較高的實際利率水平會減少惡性房地產(chǎn)泡沫發(fā)生的可能性，而較低的實際利率水平會提高惡性房地產(chǎn)泡沫發(fā)生的可能性。Taylor(2007)[30]以及McDonald和Stokes(2013)[31]認(rèn)為，長期保持過低水平的利率是房地產(chǎn)泡沫出現(xiàn)和破滅的重要原因；在周京奎(2006)[35]的理論中，過度的金融支持促使房地產(chǎn)市場上投機(jī)行為的產(chǎn)生，使得房價的上漲不可持續(xù)，最終泡沫破滅。根據(jù)Cheng等(2014)[44]的結(jié)論，在房地產(chǎn)價格上漲、房地產(chǎn)泡沫膨脹的過程中，金融系統(tǒng)往往無法覺察房地產(chǎn)市場上潛在的系統(tǒng)性風(fēng)險。由于房價上漲導(dǎo)致其作為抵押品的價值上升，銀行傾向于放松對房貸的審批，向房地產(chǎn)部門投入更多的信貸，當(dāng)房地產(chǎn)泡沫破滅、房地產(chǎn)價格大幅下挫之后，銀行的房貸資產(chǎn)大量發(fā)生壞賬，因而造成了銀行危機(jī)的產(chǎn)生。這些結(jié)論都是基于傳統(tǒng)的價格偏離價值的房地產(chǎn)泡沫定義得出的，而本文的結(jié)果發(fā)現(xiàn)，利率因素同樣可以用來解釋惡性房地產(chǎn)泡沫的出現(xiàn)。

描述貨幣量增速的變量mi,t在回歸(1)和回歸(2)中也都得到了顯著為正的系數(shù)，這說明貨幣量的過快增長也是造成惡性房地產(chǎn)泡沫產(chǎn)生的一個重要原因。美國的貨幣政策以利率為主要傳導(dǎo)方式，利率的高低能夠有效地衡量貨幣的寬松與否。而在包括日本、中國在內(nèi)的許多國家中，金融部門對實體經(jīng)濟(jì)進(jìn)行融資以銀行信貸為主，貨幣政策寬松程度需要以貨幣供給量來衡量。本文的結(jié)果支持了李健和鄧瑛(2011)[32]的結(jié)論，同時也說明了貨幣因素對于房地產(chǎn)價格上漲的推動可能帶來的潛在危害性。

GDP增長率gi,t在回歸(1)和回歸(2)中都得出了顯著為正的系數(shù)，說明在其他條件不變的情況下，收入增長越快，發(fā)生惡性房地產(chǎn)泡沫的可能性越高。這一結(jié)果與Capozza等(2002)[36]的結(jié)果類似，在其研究中，Capozza等(2002)[36]強(qiáng)調(diào)的是房地產(chǎn)價格短期中的自相關(guān)性和長期中的均值回歸性，因而其對房地產(chǎn)泡沫的定義更接近于Lind(2009)[2]。

人口增長率ni,t在回歸(1)中系數(shù)為負(fù)，并且在10%的顯著性水平上顯著；但ni,t在回歸(2)中的系數(shù)則并不顯著。這說明人口增速的升高對惡性房地產(chǎn)泡沫有一定的抑制作用，但是這種影響并不明確。此外，ugi,t在兩個回歸中的系數(shù)都為負(fù)，但是其顯著度都比較低。這說明城鎮(zhèn)化發(fā)展的快慢對于惡性房地產(chǎn)泡沫出現(xiàn)的概率并沒有明顯的影響。同時兩個回歸的結(jié)果都顯示，ui,t的系數(shù)為正，但是其顯著度也比較低，說明城鎮(zhèn)化水平的高低對惡性房地產(chǎn)泡沫發(fā)生的概率也沒有明顯的影響。綜合動態(tài)、靜態(tài)兩個角度來看，城鎮(zhèn)化發(fā)展的速度與城鎮(zhèn)化發(fā)展水平的高低對惡性房地產(chǎn)泡沫的產(chǎn)生都沒有顯著的影響。在其他條件不變的情況下，城鎮(zhèn)化的快速發(fā)展、城鎮(zhèn)化進(jìn)程處于較低的水平并不能減少惡性房地產(chǎn)泡沫發(fā)生的概率，而城鎮(zhèn)化已經(jīng)處于較高的水平、發(fā)展速度減緩本身也不會招致惡性房地產(chǎn)泡沫。人口增速、城鎮(zhèn)化水平與城鎮(zhèn)化增速不顯著，說明了剛性需求對于惡性房地產(chǎn)泡沫的產(chǎn)生沒有解釋力，因而也從一個側(cè)面說明了，在惡性房地產(chǎn)泡沫發(fā)生過程中，價格的上漲存在很大的投機(jī)因素。

六、結(jié)論

房地產(chǎn)泡沫對宏觀經(jīng)濟(jì)有著綜合性的負(fù)面影響，其中一種突出的影響是泡沫可能會導(dǎo)致銀行系統(tǒng)發(fā)生危機(jī)。由于銀行信貸在金融、經(jīng)濟(jì)體系中的重要角色，這種催生了銀行危機(jī)的房地產(chǎn)泡沫對經(jīng)濟(jì)可能造成更大的危害。相比較于其他的情況，這種泡沫更值得關(guān)注。沿著Lind(2009)[2]的思路，本文將這種房價大幅上漲、并隨即出現(xiàn)銀行危機(jī)的情形定義為惡性的房地產(chǎn)泡沫。這一定義避免了傳統(tǒng)的“價格偏離價值”定義對理論均衡價格的模型依賴性問題，也避免了Lind(2009)[2]定義中對泡沫發(fā)生標(biāo)準(zhǔn)的主觀性。

結(jié)合文獻(xiàn)，本文探討了造成這種惡性房地產(chǎn)泡沫發(fā)生的因素，主要包括實際利率、貨幣供給、剛性需求等。為了驗證這些因素，本文基于35個國家1981—2012年間的年度面板數(shù)據(jù)，利用廣義估計方程對這些因素進(jìn)行了經(jīng)驗檢驗。從檢驗的結(jié)果可以看出，本文的結(jié)論與Taylor(2007)[30]、李健和鄧瑛(2011)[32]等類似。本文認(rèn)為，對惡性房地產(chǎn)泡沫有較為明顯推動作用的，是包括實際利率水平和貨幣供給增加在內(nèi)的貨幣因素。而人口增長、城鎮(zhèn)化水平和城鎮(zhèn)化增速這一類代表可能的剛性需求的變量則對惡性房地產(chǎn)泡沫缺乏解釋力。這一結(jié)果反映了惡性房地產(chǎn)泡沫的投機(jī)性，即價格上漲并非源于住房需求，而是寬松貨幣環(huán)境下的投機(jī)行為。

本文的結(jié)論對于當(dāng)前我國的房地產(chǎn)政策有較強(qiáng)的指導(dǎo)意義。2015年年末及2016年年初，一線城市和部分二線城市房價暴漲的背后是貨幣政策和銀行信貸的過度寬松。2016年前3個月M2同比增速分別為14%、13.3%和13.4%，均高于2016政府工作報告中全年預(yù)期增長13%的目標(biāo)*國務(wù)院總理李克強(qiáng)在第十二屆全國人民代表大會第四次會議上的政府工作報告，來自http://www.gov.cn/guowuyuan/2016-03/05/content_5049372.htm。；而從月度社會融資總量來看，2016年1月這一數(shù)字達(dá)到了34 173億元，為歷史最高值，而歷史次高的數(shù)字僅為26 004億元(2014年1月)；從金融機(jī)構(gòu)對居民戶的新增中長期貸款當(dāng)月值來看，2016年1月的數(shù)字也達(dá)到了創(chuàng)紀(jì)錄的4 783億元，3月份數(shù)字4 397億元也是歷史次高。*M2同比、社會融資總量和金融機(jī)構(gòu)對居民戶的新增中長期貸款當(dāng)月值數(shù)字均來自Wind資訊。

當(dāng)前我國經(jīng)濟(jì)發(fā)展面臨轉(zhuǎn)型，經(jīng)濟(jì)增速放緩，投資實體產(chǎn)業(yè)預(yù)期回報率降低，過度寬松的貨幣政策帶來的泛濫流動性只能流向各類金融資產(chǎn)。在股市等主要金融資產(chǎn)市場低迷的“資產(chǎn)荒”情況下，由于房地產(chǎn)市場也具備資產(chǎn)屬性，過剩流動性開始進(jìn)入房地產(chǎn)市場，推高了剛性需求較高的一線城市和部分二線城市的房價。從本文的結(jié)論來看，過度寬松的貨幣政策是造成惡性房地產(chǎn)泡沫的主要推動因素。房地產(chǎn)庫存的消化固然重要，但貨幣政策放水提高了居民和金融機(jī)構(gòu)的杠桿水平，增加了金融體系和宏觀經(jīng)濟(jì)面臨的風(fēng)險，可能導(dǎo)致銀行危機(jī)等惡性后果的發(fā)生。鑒于此，我國的貨幣政策和房地產(chǎn)調(diào)控政策都需要反思。

為了避免房地產(chǎn)市場可能出現(xiàn)的惡性泡沫和由此導(dǎo)致的系統(tǒng)性風(fēng)險，本文認(rèn)為，一方面近期我國的貨幣政策應(yīng)該高度謹(jǐn)慎，避免過度放水帶來資產(chǎn)價格過快上漲；另一方面，相關(guān)部門應(yīng)當(dāng)加強(qiáng)對銀行房地產(chǎn)信貸的監(jiān)管，促使銀行提高風(fēng)險管理水平，避免出現(xiàn)金融體系對房地產(chǎn)市場的過度支持；此外，為了實現(xiàn)房地產(chǎn)去庫存的目標(biāo)，政府應(yīng)該更多地從推動城鎮(zhèn)化發(fā)展、放開戶籍限制等方向入手，增加房地產(chǎn)的有效合理需求，促進(jìn)房地產(chǎn)市場的健康發(fā)展。

[1]Stiglitz J E. Symposium on Bubbles.[J].Journal of Economic Perspectives, 1990, 4(2):13-18.

[2]Lind H. Price Bubbles in Housing Markets: Concept, Theory and Indicators [J].International Journal of Housing Markets and Analysis, 2009,2(1):78-90.

[3]Case K, Shiller R. Is There a Bubble in the Housing Market?[J].Brookings Papers on Economic Activity, 2003(2): 299-362.

[4]曹振良.房地產(chǎn)經(jīng)濟(jì)學(xué)通論[M].北京：北京大學(xué)出版社,2003.

[5]Gallin J. The Long-Run Relationship between House Prices and Rents [J].Real Estate Economics, 2008, 36(4):635-658.

[6]呂江林.我國城市住房市場泡沫水平的度量[J].經(jīng)濟(jì)研究,2010(6):28-41.

[7]Herring R, Wachter S. Real Estate Booms and Banking Busts: An International Perspective [R].The Wharton Financial Institutions Centre, Working Paper 99-27. 1999.

[8]項衛(wèi)星,李宏瑾,白大范.銀行信貸擴(kuò)張與房地產(chǎn)泡沫:美國,日本及東亞各國和地區(qū)的教訓(xùn)[J].國際金融研究,2007(3):54-60.

[9]Hilbers P L C, Qin L, Zacho L. Real Estate Market Developments and Financial Sector Soundness [R].IMF Working Papers, 2001, 01(1/129).

[10]歐陽遠(yuǎn)芬,李璐. 逆房地產(chǎn)周期調(diào)控政策對抑制銀行危機(jī)的有效性分析[J].國際金融研究, 2014(9):52-60.

[11]Reinhart C M, Rogoff K S. Banking Crises: An Equal Opportunity Menace [J].Journal of Banking and Finance, 2013, 37(11): 4557-4573.

[12]Allen F, Gale D. Bubbles and Crises [J].Economic journal, 2000, 110(460): 236-255.

[13]Koetter M, Poghosyan T. Real estate prices and bank stability [J].Journal of Banking and Finance, 2010, 34(6):1129-1138.

[14]Bernanke B, Blinder A. Credit, Money, and Aggregate Demand [J].American Economic Review, 1988, 78(2): 435-39.

[15]Bernanke B, Blinder A. The Federal Funds Rate and the Channels of Monetary Transmission [J].American Economic Review, 1992, 82(4): 901-21.

[16]Reinhart C, Kaminsky G. The Twin Crises: The Causes of Banking and Balance of Payments Problems [J].American Economic Review, 1999, 89(3): 473-500.

[17]Honohan P, Klingebiel D. The Fiscal Cost Implications of An Accommodating Approach to Banking Crises [J].Journal of Banking and Finance, 2003, 27(8): 1539-1560.

[18]Shiller R J. Rational Expectations and the Dynamic Structure of Macroeconomic Models: A Critical Review [J].Journal of Monetary Economics, 1978, 4(1): 1-44.

[19]Blanchard O, Watson M. Bubbles, Rational Expectations and Financial Markets [R].National Bureau of Economic Research, 1982.

[20]Tirole J. On the Possibility of Speculation under Rational Expectations [J].Econometrica, 1982: 1163-1181.

[21]Tirole J. Asset Bubbles and Overlapping Generations [J].Econometrica, 1985, 53(6): 1499-1528.

[22]Weil P. Confidence and the Real Value of Money in An Overlapping Generations Economy [J].Quarterly Journal of Economics, 1987: 1-22.

[23]Allen F, Gorton G. Churning Bubbles [J].Review of Economic Studies, 1993, 60(4): 813-836.

[24]Scharfstein D S, Stein J C. Herd Behavior and Investment [J].American Economic Review, 1990: 465-479.

[25]Abreu D, Brunnermeier M K. Bubbles and Crashes [J].Econometrica, 2003, 71(1): 173-204.

[26]Linneman P. An Empirical Test of the Efficiency of the Housing Market [J].Journal of Urban Economics, 1986, 20(2): 140-154.

[27]Rosenthal S. Residential Buildings and the Cost of Construction: New Evidence on the Efficiency of the Housing Market [J].Review of Economics and Statistics, 1999, 81(2): 288-302.

[28]Glaeser E L, Gyourko J, Saiz A. Housing Supply and Housing Bubbles [J].Journal of urban Economics, 2008, 64(2): 198-217.

[29]Mankiw N G, Weil D N. The Baby Boom, The Baby Bust, and the Housing Market [J].Regional Science and Urban Economics, 1989, 19(2):235-258.

[30]Taylor J B. Housing and Monetary Policy [R].National Bureau of Economic Research, 2007.

[31]McDonald J F, Stokes H. Monetary Policy and the Housing Bubble [J].Journal of Real Estate Finance and Economics, 2013, 46(3): 437-451.

[32]李健,鄧瑛.推動房價上漲的貨幣因素研究——基于美國、日本、中國泡沫積聚時期的實證比較分析[J].金融研究,2011(6):18-32.

[33]袁志剛, 樊瀟彥. 房地產(chǎn)市場理性泡沫分析[J].經(jīng)濟(jì)研究, 2003(3):34-43.

[34]武康平,皮舜,魯桂華.中國房地產(chǎn)市場與金融市場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(10):24-32.

[35]周京奎.房地產(chǎn)泡沫生成與演化——基于金融支持過度假說的一種解釋[J].財貿(mào)經(jīng)濟(jì),2006(5):3-10.

[36]Capozza D, Hendershott P, Mack C, Mayer C J. Determinants of Real House Price Dynamics [R].National Bureau of Economic Research, 2002.

[37]Chen J, Guo F, Wu Y. One Decade of Urban Housing Reform in China: Urban Housing Price Dynamics and the Role of Migration and Urbanization, 1995-2005[J].Habitat International, 2011, 35(1):1-8.

[38]簡新華,黃錕.中國城鎮(zhèn)化水平和速度的實證分析與前景預(yù)測[J].經(jīng)濟(jì)研究,2010(3):28-39.

[39]Laeven L, Valencia F. Systemic Banking Crises Database [J].IMF Economic Review, 2013, 61(2):225-270.

[40]Liang K Y, Zeger S L. Longitudinal Data Analysis Using Generalized Linear Models [J].Biometrika, 1986, 73(1): 13-22.

[41]陳希孺.廣義線性模型(一)[J].數(shù)理統(tǒng)計與管理,2002,21(5):54-61.

[42]康萌萌,劉素春.廣義估計方程在商業(yè)車險定價中的應(yīng)用[J].保險研究,2015(12):88-97.

[43]Pan W. Akaike's Information Criterion in Generalized Estimating Equations [J].Biometrics, 2001, 57(1): 120-125.

[44]Cheng I H, Raina S, Xiong W. Wall Street and the Housing Bubble [J].American Economic Review, 2014, 104(9): 2797-2829.