段進(jìn)+曾琦+張樂天

摘要：選用中國2000～2014年31個省的面板數(shù)據(jù)，以銀行信貸為轉(zhuǎn)換變量，通過構(gòu)建面板平滑轉(zhuǎn)換模型對我國房地產(chǎn)價格與經(jīng)濟(jì)增長的非線性關(guān)系進(jìn)行考察。研究發(fā)現(xiàn)：當(dāng)信貸增長率低于28.74% 時，房價增長率對經(jīng)濟(jì)增長產(chǎn)生比較顯著的正向影響；當(dāng)信貸增長率高于28.74%時，房價增長率對經(jīng)濟(jì)增長起到了明顯的阻礙作用。因此，為了實現(xiàn)“穩(wěn)定房價和保持經(jīng)濟(jì)平穩(wěn)增長”的目標(biāo)，央行應(yīng)將信貸增速維持在低增長體制的最優(yōu)區(qū)間中。同時，央行還應(yīng)該改善信貸結(jié)構(gòu)，鼓勵和引導(dǎo)金融資源進(jìn)行合理配置。

關(guān)鍵詞： 房地產(chǎn)價格；銀行信貸；經(jīng)濟(jì)增長；面板平滑轉(zhuǎn)換模型

中圖分類號：F830.572 文獻(xiàn)標(biāo)識碼： A 文章編號：1003-7217（2016）04-0018-07

一、引 言

房地產(chǎn)業(yè)橫跨生產(chǎn)、流通、消費三大領(lǐng)域，是我國的支柱產(chǎn)業(yè)和先導(dǎo)產(chǎn)業(yè)，在國民經(jīng)濟(jì)中具有重要的地位。房地產(chǎn)業(yè)不僅對于經(jīng)濟(jì)發(fā)展具有高度的敏感性和超前性，成為極為重要的經(jīng)濟(jì)增長點，而且與人民的生活也息息相關(guān)。中國自1998年實施住房貨幣化改革以來，大量銀行信貸資金以住房消費貸款、房地產(chǎn)開發(fā)貸款、土地儲備貸款等多種形式流入房地產(chǎn)市場，金融支持下的房地產(chǎn)市場獲得了空前的繁榮，成為推動我國經(jīng)濟(jì)持續(xù)高速增長的重要因素。然而，由于房地產(chǎn)市場機(jī)制不完善、供需失衡等多種因素影響，我國房地產(chǎn)市場呈現(xiàn)出較大的區(qū)域性差異，一線城市房地產(chǎn)價格上漲過快，不得不實行限購；但與此同時，三、四線城市卻房屋庫存嚴(yán)重，使得以往促進(jìn)經(jīng)濟(jì)增長的引擎失去了動力。為了應(yīng)對經(jīng)濟(jì)下滑并化解房屋庫存，我國從2015年1月～2016年3月期間共6次降低法定存款準(zhǔn)備金率，5次降低金融機(jī)構(gòu)人民幣貸款利率，2次降低二套房貸款首付比例，多重直接或間接放松銀行信貸的政策是否會促使房價再次上漲，從而對宏觀經(jīng)濟(jì)的穩(wěn)定造成威脅？銀行信貸、房價波動與經(jīng)濟(jì)增長之間的相互作用機(jī)制如何？嘗試回答這些問題成為本文研究的主要目標(biāo)。

二、文獻(xiàn)綜述

關(guān)于房地產(chǎn)價格與經(jīng)濟(jì)增長的實證研究，一直是國內(nèi)外學(xué)者研究的熱點。然而，對于“房地產(chǎn)價格如何影響經(jīng)濟(jì)增長”，學(xué)者們并未達(dá)成廣泛的共識，形成了以下幾種觀點：第一種認(rèn)為，房地產(chǎn)價格的上漲對經(jīng)濟(jì)增長有顯著的促進(jìn)作用。Chirinko，De Haant and Sterken（2004）研究發(fā)現(xiàn)，如果房價上漲1.5個百分點，生產(chǎn)總值將上漲0.4個百分點[1]。崔光燦（2009）的研究認(rèn)為，房地產(chǎn)價格明顯影響到宏觀經(jīng)濟(jì)的穩(wěn)定，房地產(chǎn)價格上升會增加社會總投資和總消費，房地產(chǎn)投資通過“財富效應(yīng)”對消費的影響始終明顯，對社會總投資的影響也非常顯著，因此促進(jìn)經(jīng)濟(jì)增長[2]。高東勝（2011）指出，在短期內(nèi)房價上漲對我國經(jīng)濟(jì)增長的拉動作用十分明顯[3]。楊俊杰（2012）實證檢驗了房地產(chǎn)價格波動對宏觀經(jīng)濟(jì)波動的作用機(jī)制，認(rèn)為房地產(chǎn)價格的正向沖擊對GDP具有快速拉升作用[4]。第二種認(rèn)為，房地產(chǎn)價格過度上漲對經(jīng)濟(jì)增長有負(fù)面影響或影響不顯著。Gelain、Lansing 和Mendicino（2013）研究發(fā)現(xiàn)，房價偏離宏觀經(jīng)濟(jì)的過度上漲會通過影響公司和投資者對價格信號的反應(yīng)，導(dǎo)致資本沒有得到合理配置而對經(jīng)濟(jì)產(chǎn)生不利的影響[5]?？嘴希?009）實證分析表明，過度的金融支持使東中部地區(qū)的房價偏離了經(jīng)濟(jì)基本面，成為阻礙經(jīng)濟(jì)增長的隱患[6]。王擎、韓鑫韜（2009）發(fā)現(xiàn)房價波動以及房價與貨幣供應(yīng)量的聯(lián)動會顯著導(dǎo)致GDP增長率的下降，但房價的波動對經(jīng)濟(jì)增長的波動沒有顯著影響[7]。第三種認(rèn)為，房地產(chǎn)價格上漲對經(jīng)濟(jì)增長的影響可能是非線性的。沈悅和劉洪玉（2002）對我國房地產(chǎn)價格與城市經(jīng)濟(jì)指標(biāo)的相關(guān)性進(jìn)行了分析，認(rèn)為保持適度的房地產(chǎn)價格上漲速度，對于宏觀經(jīng)濟(jì)的發(fā)展能夠起到一定的促進(jìn)作用，一旦價格增長過快，超過國民經(jīng)濟(jì)和社會發(fā)展的承受能力和消化能力，將帶來非常嚴(yán)重的后果[8]。段忠東（2012）運用非線性的門限自回歸模型刻畫了房價與未來通脹與產(chǎn)出的非線性關(guān)系，結(jié)果發(fā)現(xiàn)，房價與產(chǎn)出存在一個房價增長率門限效應(yīng)，當(dāng)房價處于低增長階段時，房價增長率對于產(chǎn)出有比較顯著的正向影響；而當(dāng)房價處于高增長時期，房價實際增長率對產(chǎn)出的影響效果不顯著[9]。

國內(nèi)外學(xué)者在房地產(chǎn)價格與經(jīng)濟(jì)增長波動關(guān)系的研究方面取得了一定的成果，但是，現(xiàn)有研究中較少從銀行信貸的角度去分析房價波動如何影響經(jīng)濟(jì)增長。發(fā)掘銀行信貸沖擊影響房地產(chǎn)價格的內(nèi)在機(jī)理，將是深入研究房地產(chǎn)價格與經(jīng)濟(jì)增長關(guān)系的重要突破口。Hofman（2003）認(rèn)為將銀行信貸因素納入房地產(chǎn)價格模型的研究是十分有必要的，銀行信貸因素的沖擊會對房地產(chǎn)價格產(chǎn)生明顯的正向影響[10]。Iacoviello（2005）在一般均衡分析框架下分析信貸約束、房地產(chǎn)價格和經(jīng)濟(jì)周期的互動影響，結(jié)果發(fā)現(xiàn)信貸約束和房地產(chǎn)價格的互動反饋使經(jīng)濟(jì)沖擊的影響被不斷放大和擴(kuò)散[11]。Jarociński和 Smets（2008）對英國經(jīng)濟(jì)周期中的住房投資和房價進(jìn)行了研究，結(jié)果表明貨幣政策是引起住房投資增加和房價上漲的重要原因[12]。Chen、Chou和Wu（2013）研究發(fā)現(xiàn)，銀行信貸的沖擊對房價的影響是非線性的。在低增長體制下，房價對銀行信貸沖擊的反應(yīng)比在高增長體制下更強(qiáng)烈[13]。Baldi（2014）在研究央行的貨幣政策對房價反應(yīng)的經(jīng)濟(jì)效應(yīng)時，認(rèn)為央行如果不控制投入房地產(chǎn)的信貸資金總量，則房價上漲會更加明顯[14]。

綜上所述，國內(nèi)外學(xué)者在研究銀行信貸、房地產(chǎn)價格與經(jīng)濟(jì)增長的關(guān)系時，大多集中在研究其中兩個變量之間的關(guān)系上，而將三個變量置于模型中進(jìn)行研究的較少；大多數(shù)研究忽視了房地產(chǎn)價格不同程度的上漲可能會誘致經(jīng)濟(jì)增長出現(xiàn)非線性的機(jī)制轉(zhuǎn)換，房地產(chǎn)價格與經(jīng)濟(jì)增長的關(guān)系并不是簡單的線性關(guān)系，這也導(dǎo)致了以前研究的結(jié)論存在較大分歧。鑒于此，本文試圖建立面板平滑轉(zhuǎn)換模型研究房地產(chǎn)價格與經(jīng)濟(jì)增長的非線性關(guān)系，并將對房地產(chǎn)價格影響較大的銀行信貸作為轉(zhuǎn)換變量納入模型的分析框架進(jìn)行實證檢驗。

三、理論分析

銀行信貸作為國民經(jīng)濟(jì)的資金紐帶，為各行各業(yè)的高速發(fā)展提供了金融支持。長期以來，我國房地產(chǎn)企業(yè)的資金高度依賴于銀行信貸，房地產(chǎn)行業(yè)所取得的成就與銀行信貸的支持與配合是密不可分的。銀行信貸投向房地產(chǎn)的資金主要包括房地產(chǎn)開發(fā)投資資金以及個人住房按揭貸款。2000～2015年房地產(chǎn)投資中直接來源于銀行信貸的比例最低為22.7%，最高為53.2%。另外，銀行信貸還會借助理財產(chǎn)品、房地產(chǎn)信托產(chǎn)品、民間借貸等影子銀行通道間接流入房地產(chǎn)市場。實際上，銀行信貸投向房地產(chǎn)市場的這一比例會更高。正是因為銀行信貸的支持與配合，在一定程度上推動了我國房地產(chǎn)價格的持續(xù)上漲。

在復(fù)雜的現(xiàn)實經(jīng)濟(jì)環(huán)境中，銀行信貸、房地產(chǎn)價格與經(jīng)濟(jì)增長的關(guān)系更可能表現(xiàn)為非線性動態(tài)的特征。寬松的銀行信貸政策推動了房地產(chǎn)價格的持續(xù)上漲，房價的上漲又主要通過消費和投資兩個途徑對經(jīng)濟(jì)增長產(chǎn)生影響，由于投資和儲蓄是此消彼長的關(guān)系，故投資與儲蓄的對比決定了房價對產(chǎn)出的影響方向和力度。因此，可以將不同信貸增速下，房地產(chǎn)價格對經(jīng)濟(jì)增長的影響分為兩個階段來討論：

第一階段，信貸規(guī)模在低增長體制中，房價處于溫和上漲的階段，房價上漲對總需求起到穩(wěn)定的正向推動作用。（1）信貸擴(kuò)張，房價溫和上漲。由于房屋存量資產(chǎn)不足和融資約束的存在，當(dāng)銀行信貸擴(kuò)張時，房地產(chǎn)企業(yè)融資成本下降，這在一定程度上使房地產(chǎn)行業(yè)整體投資門檻降低，引起市場投資需求的增加從而吸引更多的資金流入到房地產(chǎn)市場中。對消費者而言，在寬松的信貸政策和快速城市化進(jìn)程的推動下，越來越多的中低收入家庭通過個人住房抵押貸款加入到購房的行列，增加了對住房的需求量。此時市場上需求大于供給，房地產(chǎn)價格上漲。（2）隨著房價的上漲，房地產(chǎn)行業(yè)的繁榮必將帶動相關(guān)上下游行業(yè)的高速發(fā)展，促使整個社會的投資穩(wěn)定增長。同時，房產(chǎn)財富效應(yīng)①逐漸顯現(xiàn)出來，房價上漲的預(yù)防性儲蓄效應(yīng)②逐漸減弱，住房資產(chǎn)的增值使房屋所有者的租金收入、房屋轉(zhuǎn)讓收入和住宅抵押貸款收入上升，從而帶動房產(chǎn)所有者增加消費。在這一階段，投資大于儲蓄，所以房價對總需求起到穩(wěn)定的正向推動作用，經(jīng)濟(jì)高速增長。

第二階段，信貸規(guī)模在高增長體制中，房價處于高速上漲的階段，房價對經(jīng)濟(jì)增長的推動作用減弱或阻礙經(jīng)濟(jì)增長。（1）銀行信貸進(jìn)一步擴(kuò)張，房價泡沫日益突顯[15，16]。房地產(chǎn)業(yè)高額的投資收益和消費者形成的房價將持續(xù)上漲的非理性預(yù)期，會擴(kuò)大房地產(chǎn)開發(fā)商和住房消費者對銀行的貸款需求。而對銀行來說，房地產(chǎn)作為銀行一種重要的貸款抵押品，在房價上漲的情況下，銀行所擁有的抵押物的價值上升，銀行自身的資金質(zhì)量和整體財務(wù)情況得到改善，也會更加傾向于提高貸款額度，從而進(jìn)一步擴(kuò)大貸款規(guī)模[18，19]。由此將進(jìn)一步推動房地產(chǎn)價格上漲，使房地產(chǎn)市場走向非理性繁榮。（2）在這一階段，融資約束逐漸弱化至零，房地產(chǎn)市場投資超過一定的規(guī)模出現(xiàn)過熱時，房地產(chǎn)市場的消費需求和投機(jī)需求由于過高的價格、預(yù)期轉(zhuǎn)變或者其他因素影響而難以繼續(xù)增長甚至出現(xiàn)下降。市場供求的不平衡導(dǎo)致房屋存量急速增加、新建房屋空置率較高，房價上漲對投資的刺激作用受到反向抑制而開始弱化；同時，伴隨著房價的快速上漲，居民預(yù)防性儲蓄和負(fù)收入效應(yīng)快速增強(qiáng)，房價對消費的促進(jìn)作用逐漸減弱，或者可能出現(xiàn)房價高漲對消費的擠出。當(dāng)銀行信貸擴(kuò)張過度，使得房價脫離基礎(chǔ)價值快速上升至泡沫階段，房地產(chǎn)業(yè)將吸納社會資本長期停留進(jìn)行投資和投機(jī)活動，使實體經(jīng)濟(jì)中其他行業(yè)可用資金變少，這也會降低實際產(chǎn)出和總產(chǎn)出[9]。因此，房價對產(chǎn)出的邊際影響可能會出現(xiàn)兩種情況：一是房價對產(chǎn)出的邊際影響為正，但影響力度較小或不顯著；二是出現(xiàn)儲蓄大于投資的極端情況，房價對產(chǎn)出產(chǎn)生抑制作用，阻礙經(jīng)濟(jì)增長。

四、經(jīng)驗?zāi)Ｐ团c變量選取

（一）模型設(shè)定與估計方法

面板平滑轉(zhuǎn)換模型（Panel Smooth Transition Regression Models，簡稱PSTR模型）是一個非線性面板數(shù)據(jù)模型，最早由González、Tersvirta and Dijk（2004）提出，該模型能夠較好地處理異質(zhì)面板數(shù)據(jù)，這種異質(zhì)性主要是指模型的系數(shù)可以隨時間與截面的變化而變化，這種變化主要是通過轉(zhuǎn)換函數(shù)在不同的體制之間平滑轉(zhuǎn)換來完成[19]。該模型改進(jìn)了Hansen（1999）面板門限回歸模型（PTR）從一種體制突變?yōu)榱硪环N體制的嚴(yán)格假設(shè)，使不同體制的轉(zhuǎn)換變?yōu)橐粋€連續(xù)的平滑過程，更貼近于經(jīng)濟(jì)現(xiàn)實[20]。實際上，面板平滑轉(zhuǎn)換模型是面板門限回歸模型的一般形式?；镜腜STR模型如下：

（二）變量選取與數(shù)據(jù)說明

本文采用我國31個省市2000～2014年的年度面板數(shù)據(jù)，數(shù)據(jù)樣本以1999年為基期剔除了通貨膨脹的因素。所有的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國金融年鑒》和wind數(shù)據(jù)庫。各變量的代理變量選取如下：（1）被解釋變量：經(jīng)濟(jì)增長率（ggdpit）采用各省市的實際GDP增長率衡量。（2）解釋變量：房價增長率（hpit）采用各省市住宅商品房的實際價格增長率作為代理變量。（3）轉(zhuǎn)換變量：信貸增長率（loansit）采用各省市全部金融機(jī)構(gòu)各項貸款余額的實際增長率來衡量。（4）控制變量：消費增長率（consumeit）采用各省市消費總量的實際增長率來衡量。其中，消費總量不僅包括居民的消費，還包括政府的消費即政府購買。凈出口增長率（netexportit）采用各省市凈出口的實際增長率來衡量。投資增長率（investmentit）采用各省市全社會固定投資的實際增長率作為代理變量。

五、實證分析

（一）Hausman檢驗

在處理面板數(shù)據(jù)時，究竟使用固定效應(yīng)還是隨機(jī)效應(yīng)模型是一個基本的問題。為此，采用Hausman檢驗來確定模型的形式。希望檢驗原假設(shè)：隨機(jī)效應(yīng)模型為正確模型，Hausman檢驗顯示F檢驗統(tǒng)計量為18.29，p值為0.0026，說明強(qiáng)烈拒絕原假設(shè)，應(yīng)該使用固定效應(yīng)模型。

（二）面板單位根檢驗

本文的數(shù)據(jù)為面板數(shù)據(jù)，有可能存在不平穩(wěn)問題，會使得回歸結(jié)果出現(xiàn)偏差和不一致。為了避免偽回歸現(xiàn)象，采用LLC和FisherADF檢驗方法對各變量進(jìn)行單位根檢驗，發(fā)現(xiàn)在5%的顯著性水平下，所有變量均可以拒絕存在單位根的原假設(shè)，即所有變量均為平穩(wěn)序列。

（三）模型的非線性檢驗

在估計面板平滑轉(zhuǎn)換模型之前，首先必須對假設(shè)方程進(jìn)行非線性檢驗，確定其是否存在異質(zhì)性。但由于模型中含有未識別的參數(shù)γ，c，所以，不能直接對模型進(jìn)行非線性檢驗。本文借鑒Golletaz，Hurlin的做法，將轉(zhuǎn)換函數(shù)g（qit；γ，c）在γ=0處一階泰勒展開，得到輔助回歸方程：

在輔助回歸方程中，檢驗假設(shè)H*0：β′*1=…=β′*m=0，然后將輔助回歸方程所估計的殘差平方和與線性固定效應(yīng)所估計的殘差平方和，聯(lián)合構(gòu)造統(tǒng)計量對原假設(shè)進(jìn)行檢驗，如果拒絕原假設(shè)，表示模型具有非線性關(guān)系。在確定了非線性關(guān)系后，要對模型進(jìn)行“無剩余異質(zhì)性檢驗”，進(jìn)一步確定模型中轉(zhuǎn)換函數(shù)的個數(shù)。在實際檢驗過程中，首先對原假設(shè)H0：r=r*以及相應(yīng)的備擇假設(shè)H1：r=r*+1進(jìn)行檢驗，如果拒絕原假設(shè)H0，則繼續(xù)對H0：r=r*+1以及相應(yīng)的備擇假設(shè)H1：r=r*+2進(jìn)行檢驗，依次類推，直到無法拒絕原假設(shè)H0為止。

由表1的檢驗結(jié)果可知，當(dāng)銀行信貸作為轉(zhuǎn)換變量對房地產(chǎn)價格與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行非線性檢驗，LM、LMF與LRT檢驗統(tǒng)計量的P值分別為0.001、0.001和0.000，顯著地拒絕了兩者為線性關(guān)系的原假設(shè)。這表明面板數(shù)據(jù)存在異質(zhì)性，使用銀行信貸作為轉(zhuǎn)換變量能夠較好地捕捉房地產(chǎn)價格與經(jīng)濟(jì)增長的非線性關(guān)系。接著，進(jìn)行“無剩余異質(zhì)性檢驗”以考察PSTR模型中轉(zhuǎn)換函數(shù)（體制轉(zhuǎn)換區(qū)間）的最優(yōu)個數(shù)。由表1的結(jié)果分析可得，三個檢驗統(tǒng)計量p值均較大，無法拒絕H0：r=1的原假設(shè)，所以本文用到的模型中，非線性轉(zhuǎn)換函數(shù)的最優(yōu)個數(shù)應(yīng)為1。

接下來，利用AIC與BIC準(zhǔn)則選擇適當(dāng)?shù)奈恢脜?shù)的個數(shù)，表2結(jié)果顯示轉(zhuǎn)換變量loansit的最優(yōu)位置參數(shù)個數(shù)為1。

（四）模型的參數(shù)估計

采用González、Tersvirta and Dijk（2004）提出的網(wǎng)格點搜索法進(jìn)行參數(shù)估計，首先通過去均值的方式消除固定效應(yīng)，然后用網(wǎng)格點搜索的方式得到使模型殘差平方和最小時所對應(yīng)的參數(shù)γ、c，即為最優(yōu)的參數(shù)估計。確定了平滑參數(shù)和位置參數(shù)后，最后運用非線性最小二乘法（NLS）估計模型[19]。上述方法具體的實現(xiàn)通過MATLAB7.11.0編程完成，得到各參數(shù)的結(jié)果見表3。

2.房地產(chǎn)價格對經(jīng)濟(jì)增長的影響。從表3和圖2可以看出，房地產(chǎn)價格與經(jīng)濟(jì)增長的關(guān)系因銀行信貸增速的不同而呈現(xiàn)出顯著的變化。由于模型只有一個轉(zhuǎn)換函數(shù)，對應(yīng)一個位置參數(shù)，所以，該模型是一個兩體制模型。當(dāng)信貸增長處于低體制狀態(tài)下（loansit≤28.74%），房地產(chǎn)價格上漲對經(jīng)濟(jì)增長的影響系數(shù)為0.1063，并且在1%的顯著性水平下顯著；當(dāng)信貸增長處于高體制狀態(tài)下（loansit>28.74%），房地產(chǎn)價格影響經(jīng)濟(jì)增長的系數(shù)突變?yōu)?0.0022，在5%的顯著性水平下顯著。這意味著銀行信貸控制在一定的范圍時，房地產(chǎn)價格的上漲有利于促進(jìn)經(jīng)濟(jì)增長；而隨著銀行信貸的擴(kuò)張，房價也隨之上漲，一旦信貸增長率超過28.74%，房地產(chǎn)價格的持續(xù)高速上漲將顯著地阻礙經(jīng)濟(jì)增長。這一結(jié)論與我國近年來的實際情況基本上是一致的。這是因為房地產(chǎn)產(chǎn)業(yè)具有關(guān)聯(lián)度強(qiáng)、帶動系數(shù)大的特點，房地產(chǎn)業(yè)的正常發(fā)展，能夠拉動上下游如鋼鐵、建材、機(jī)械、化工、紡織、家電、家具等一系列產(chǎn)業(yè)的發(fā)展，但當(dāng)其價格太高成為投機(jī)品后，則會形成大量的空置房或房屋庫存，這樣會產(chǎn)生兩方面的負(fù)作用：一是積壓和占用了大量金融資源，使金融資源不能得到有效配置；另一方面是空置房和庫存房不能有效帶動其他行業(yè)的發(fā)展。在這種情況下，房地產(chǎn)價格不僅沒有拉動經(jīng)濟(jì)增長，反而對宏觀經(jīng)濟(jì)產(chǎn)生了負(fù)面影響。3.控制變量對經(jīng)濟(jì)增長的影響。當(dāng)信貸增長率從低于28.74%的低體制狀態(tài)轉(zhuǎn)變?yōu)楦唧w制狀態(tài)時，控制變量也發(fā)生了相應(yīng)的變化。（1）消費增長率（consumeit）對經(jīng)濟(jì)增長的影響系數(shù)由0.2003變?yōu)?.1593，消費對經(jīng)濟(jì)增長的促進(jìn)作用有所減弱。原因是房價上漲一方面吸引居民將資金投向房地產(chǎn)市場進(jìn)行投資投機(jī)活動從而減少消費，另一方面由于流動性約束效應(yīng)的存在，房價上漲導(dǎo)致消費者為購房而增加儲蓄，降低消費。（2）在信貸增速處于不同的體制下，投資（investmentit）對經(jīng)濟(jì)增長的影響系數(shù)由0.1564突變?yōu)?.0830，盡管系數(shù)都為正，但前后的影響力度發(fā)生了較大的變化。由于全社會固定資產(chǎn)投資中房地產(chǎn)投資占比較大，房地產(chǎn)過度積壓金融資源使實體經(jīng)濟(jì)中其他投資項目可用資金變少，這在一定程度上削弱了投資對經(jīng)濟(jì)增長的拉動作用。（3）凈出口（netexportit）對經(jīng)濟(jì)增長的影響系數(shù)由-0.0005變?yōu)?.0012，盡管在統(tǒng)計意義上是顯著的，但影響力度很小。

（五）穩(wěn)定性檢驗

通過改變樣本容量，采用2000～2012年、2000～2013年、2000～2014年的數(shù)據(jù)分別進(jìn)行實證檢驗，求出的門檻值分別為0.2868、0.2872、0.2874?？梢?，2000年至最近三年期間門檻值趨于穩(wěn)定，表明門檻值具有較好的持續(xù)性。由于本文的轉(zhuǎn)換變量為銀行信貸，當(dāng)銀行信貸受政策等因素影響時，門檻值也會發(fā)生變化，但總體來說是穩(wěn)定的，能較好地解釋房地產(chǎn)價格與經(jīng)濟(jì)增長的非線性關(guān)系。

六、結(jié)論與政策建議

以上基于我國31個省市2000～2014年的年度面板數(shù)據(jù)，以銀行信貸增長率為轉(zhuǎn)換變量，運用面板平滑轉(zhuǎn)換模型考察了我國房地產(chǎn)價格與經(jīng)濟(jì)增長之間的非線性關(guān)系。結(jié)論顯示：我國房地產(chǎn)價格與經(jīng)濟(jì)增長之間的關(guān)系存在非線性的信貸增長率門限效應(yīng)，信貸增長率的門檻值為28.74%。這意味著銀行信貸是影響我國房地產(chǎn)價格與經(jīng)濟(jì)增長關(guān)系的一個重要因素。當(dāng)信貸增長率處于低于28.74%的低體制狀態(tài)時，房地產(chǎn)價格上漲對經(jīng)濟(jì)增長有顯著的促進(jìn)作用；而當(dāng)信貸增長率高28.74%處于高體制狀態(tài)時，房地產(chǎn)價格上漲對經(jīng)濟(jì)增長的影響系數(shù)為負(fù)，表明信貸增長率過高引發(fā)的房地產(chǎn)泡沫將阻礙經(jīng)濟(jì)增長。

我國經(jīng)濟(jì)正處在增速換擋和轉(zhuǎn)變發(fā)展方式的階段，經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的陣痛與四萬億投資的后遺癥交織，經(jīng)濟(jì)增長引擎減弱與房地產(chǎn)價格泡沫的問題并存，因此，我國要維持房地產(chǎn)價格穩(wěn)定，防止房地產(chǎn)價格的大幅度波動對經(jīng)濟(jì)產(chǎn)生不利影響，重點是央行調(diào)控好信貸增速。在房地產(chǎn)市場泡沫膨脹的階段，可采取穩(wěn)中偏緊的貨幣政策，抑制房地產(chǎn)市場泡沫的進(jìn)一步擴(kuò)大，引導(dǎo)房地產(chǎn)價格逐步回歸理性狀態(tài)，控制經(jīng)濟(jì)風(fēng)險；在房地產(chǎn)市場成交低迷、房價增速放緩的階段，為了實現(xiàn)經(jīng)濟(jì)平穩(wěn)增長的目標(biāo)，央行即便采取寬松的信貸政策，也應(yīng)控制好力度，將信貸增長率控制在低于28.74%的最優(yōu)區(qū)間內(nèi)。

央行的貨幣政策除了要控制好信貸增速外，還應(yīng)該堅持“總量穩(wěn)定、結(jié)構(gòu)優(yōu)化”的取向。盤活存量，優(yōu)化增量，改善融資結(jié)構(gòu)和信貸結(jié)構(gòu)，鼓勵和引導(dǎo)金融機(jī)構(gòu)更多地將信貸資源配置到經(jīng)濟(jì)生活中的重點領(lǐng)域和薄弱環(huán)節(jié)，防止房地產(chǎn)業(yè)過多地積壓和占用銀行的信貸資金，造成銀行信貸資金對實體經(jīng)濟(jì)其他領(lǐng)域支持不足的現(xiàn)象。

注釋：

①Ludwing和Slock（2002）[21]將“房產(chǎn)財富效應(yīng)”細(xì)分為“兌現(xiàn)的財富效應(yīng)”與“未兌現(xiàn)的財富效應(yīng)”兩種：前者指住房資產(chǎn)的增值使房屋所有者的租金收入、房屋轉(zhuǎn)讓收入或住宅抵押貸款收入上升，從而帶動房產(chǎn)所有者消費的上升；后者指房產(chǎn)財富一定程度上代表房屋所有者的“持久收入”，房產(chǎn)價格上升時，房產(chǎn)財富的價值上升，房屋所有者會因“持久收入”增加而消費。

②房價的預(yù)防性儲蓄效應(yīng)：房地產(chǎn)價格的上漲會促使租房者和潛在購房者為買房進(jìn)行更多的儲蓄，降低當(dāng)期消費。

③是本文解釋變量hpit在低體制下的系數(shù)β01，其余解釋變量類似。

④是本文解釋變量hpit在高體制下的系數(shù)，由β01+β11g（loansit；γ，c）計算得出，其余解釋變量在高體制下的系數(shù)類似計算。

⑤Fouquau et al.（2008）[22]、Omay和kan（2010）[23]、Delatte和Fouquau（2011）[24]等人指出，面板平滑轉(zhuǎn)換回歸模型（PSTR）是面板門限回歸模型（PTR）的普遍化形式，即面板門限回歸模型僅為面板平滑轉(zhuǎn)換回歸模型的一種特例，當(dāng)平滑參數(shù)較大時，面板平滑轉(zhuǎn)換回歸模型則轉(zhuǎn)變?yōu)槊姘彘T限回歸模型。

參考文獻(xiàn)：

[1]Chirinko R S， L De Haan， E Sterken . Asset price shocks， real expenditures， and financial structure： a multicountry analysis[D].University of Groningen， 2004.

[2]崔光燦. 房地產(chǎn)價格與宏觀經(jīng)濟(jì)互動關(guān)系實證研究基于我國31個省份面板數(shù)據(jù)分析[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2009，（1）：57-62.

[3]高東勝. 我國房地產(chǎn)價格波動的宏觀經(jīng)濟(jì)效應(yīng)研究[J]. 統(tǒng)計與決策，2011，（19）：116-119.

[4]楊俊杰. 房地產(chǎn)價格波動對宏觀經(jīng)濟(jì)波動的微觀作用機(jī)制探究[J]. 經(jīng)濟(jì)研究，2012，（S1）：117-127.

[5]Gelain， P. ， K. J. Lansing， and C. Mendicino. House Prices， Credit growth， and excess volatility：implications for monetary and macroprudential policy[J]. International Journal of Central Banking， 2013， （9）： 219-268.

[6]孔煜. 房價波動、銀行信貸與經(jīng)濟(jì)增長[J]. 財經(jīng)理論與實踐，2009，（5）：12-16.

[7]王擎，韓鑫韜. 貨幣政策能盯住資產(chǎn)價格嗎？來自中國房地產(chǎn)市場的證據(jù)[J]. 金融研究，2009，（8）：114-123.

[8]沈悅，劉洪玉. 房地產(chǎn)價格與宏觀經(jīng)濟(jì)指標(biāo)關(guān)系的研究[J]. 價格理論與實踐，2002，（8）：20-22.

[9]段忠東. 房地產(chǎn)價格與通貨膨脹、產(chǎn)出的非線性關(guān)系基于門限模型的實證研究[J]. 金融研究，2012，（8）：84-96.

[10]Hofmann B. Bank lending and property prices： Some international evidence[R]. HKIMR Working Paper ， 2003， （22）.

[11]Iacoviello M. House Prices， borrowing constraints and monetary Policy in the business cycle[J]. The American Economic Review， 2005， （95）： 739-764.

[12]Jarociński M， F Smets. House prices and the stance of monetary policy[R]. ECB Working Paper （European Central Bank）， 2008， No.891.

[13]Chen N K，Y H Chou， J L Wu. Credit constraint and the asymmetric monetary policy effect on house prices[J] . Pacific Economic Review， 2013， （18）： 431-455.

[14]Baldi G. The economic effects of a central bank reacting to house price inflation[J]. Journal of Housing Economics， 2014， （26）： 119-125.

[15]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.

[16]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.

[17]Davis E P， H Zhu . Bank lending and commercial property cycles： some crosscountry evidence [J]. BIS Working Papers ， 2004，（150）：1-37.

[18]Stefan G， W Peng.Bank lending and property prices in Hong Kong[J]. Journal of Banking & Finance， 2005，（29）：461-481.

[19]González A， T Tersvirta，D Dijk. Panel smooth transition regression model and an application to investment under credit constraints[R]. Working Paper of Stockholm School of Economics， 2004.

[20]Hansen B E.Threshold Effects in Nondynamic Panels： Estimation， Testing， and Inference[J]. Journal of Econometrics， 1999， （93）：345-368.

[21]Ludwing A， T Slok. The Impact of Changes in Stock Prices and House Prices on Consumption in OECD Countries[R]. IMF Working Paper ，2002，No.1.

[22]Fouquau J， Hurlin C， Rabaud I. The FeldsteinHorioka puzzle： a panel smooth transition regression approach[J]. Economic Modelling， 2008， 25（2）： 284-299.

[23]Omay T， znur Kan E. Reexamining the threshold effects in the inflationgrowth nexus with crosssectionally dependent nonlinear panel： Evidence from six industrialized economies[J]. Economic Modelling， 2010， 27（5）： 996-1005.

[24]Delatte A L，F(xiàn)ouquau J. The determinants of international reserves in the emerging countries： a nonlinear approach[J]. Applied Economics， 2011， 43（28）： 4179-4192.

（責(zé)任編輯：寧曉青）

Abstract：Based on China's 31 province-level panel data from 2000 to 2013， setting bank credit as the transition variable and applying the Panel Smooth Transition Regression Model， this paper investigates the nonlinear relationship between house price and economic growth in China. The results indicate that the effects of house price on economic growth change over the level of bank credit rate. Housing price is positively correlated with economic growth when bank credit rate below the threshold 28.72%； while bank credit rate is above the threshold， housing price is negatively correlated with economic growth. Thus， in order to realize the target of stabilizing housing price and maintaining stable economic growth， the policy authorities will not only have to keep the increasing speed of bank credit to low growth stage， but also optimizing the credit structure and allocation of financial resources rationally.

Key words：Housing price； Bank credit； Economic growth； Panel smooth transition regression model