李斌 黃碩文 張所地

內(nèi)容提要：厘清金融發(fā)展與住房市場的關(guān)系對于制定差異化調(diào)控政策、探尋金融及住房市場改革方向、抑泡沫控風(fēng)險具有重要意義。本文以二者關(guān)系的傳導(dǎo)機制、空間聯(lián)動與非線性特征的識別為邏輯主線，從直接、間接兩個層次剖析金融發(fā)展對住房市場的傳導(dǎo)路徑;并采用空間計量方法探析金融發(fā)展對住房市場的空間溢出效應(yīng);最后，通過門檻效應(yīng)檢驗考察金融發(fā)展對住房市場作用的空間異質(zhì)性。結(jié)果表明：第一，2002—2017年間，35城市住房價格存在正向空間依賴性，莫蘭指數(shù)呈“波浪”型變化;絕大多數(shù)城市屬于“高-高”或“低-低”集聚模式，且這種局部空間格局相對穩(wěn)定。第二，金融規(guī)模、金融結(jié)構(gòu)和金融效率對住房價格均有顯著的直接效應(yīng)，而金融規(guī)模、金融效率因“虹吸效應(yīng)”而對鄰近城市房價產(chǎn)生了顯著的抑制作用。第三，受限于收入水平的單門檻效應(yīng)，金融規(guī)模、金融效率對住房價格的影響呈非線性。研究結(jié)論為制定差異化政策、落實“房住不炒”、防范住房及金融市場風(fēng)險等提供了新的思路。

關(guān)鍵詞：金融發(fā)展;住房市場;空間溢出效應(yīng);非線性

中圖分類號：F293.3;C931 ?文獻標(biāo)識碼：A ?文章編號：1001-148X（2020）07-0090-12

住房市場化改革以來，房地產(chǎn)業(yè)在金融支持下發(fā)展迅速，為經(jīng)濟增長和居民住房條件改善做出了巨大貢獻。然而，房地產(chǎn)與金融二者交織日益密切，不斷引發(fā)人們對金融安全和房價泡沫的憂慮。多次世界經(jīng)濟危機的導(dǎo)火索就是房地產(chǎn)和金融之間關(guān)系的扭曲[1]，特別是2007年“次貸危機”引發(fā)的全球金融危機，帶給人們的“陰影”至今難以揮去，也使得金融與房地產(chǎn)的關(guān)系問題成為了近年來學(xué)術(shù)界的研究熱點和難點。

房地產(chǎn)業(yè)作為資金密集性行業(yè)，其價格變化深受金融發(fā)展影響。為此，剖析金融發(fā)展對住房市場的作用效果，就成為了破解住房價格高漲問題的關(guān)鍵，對于落實“房住不炒”的長期定位、防范住房及金融市場風(fēng)險，制定和實施差異化的住房調(diào)控政策、實現(xiàn)居民家庭美好生活等都具有重要的意義。

一、文獻綜述

（一）金融政策對住房市場的影響

1.利率政策。利率對住房市場的影響是非線性[2]和非對稱性的[3]。從不同驅(qū)動因素來看，當(dāng)住房市場處于平衡狀態(tài)時，則預(yù)期通貨膨脹率變化導(dǎo)致的利率變化是不會對房價產(chǎn)生影響的;而實際回報要求變化引起的利率變化則會對房價產(chǎn)生直接影響[4]。從空間角度看，利率波動對一線城市和東部城市的住房市場作用明顯，但對中西部城市的住房市場影響有限[5]。從時間角度看，長期利率對住房市場的影響具有時變特征，被壓低的長期利率會導(dǎo)致住房市場的過度投資和“爆炸式”增長[6]。

2.匯率政策。學(xué)者們普遍認(rèn)為，匯率政策會通過不同渠道與住房市場產(chǎn)生緊密聯(lián)系。有研究表明，一國匯率會通過信貸效應(yīng)、預(yù)期效應(yīng)、溢出效應(yīng)等渠道對住房價格產(chǎn)生影響，而人民幣匯率預(yù)期升值會引起短期國際資本流入，而這種流動會影響房地產(chǎn)需求端，進而造成房價上漲[7]。但如果貨幣政策配合，且房地產(chǎn)庫存能動態(tài)調(diào)整，則房價最終會趨于穩(wěn)定[8]。也有學(xué)者認(rèn)為，人民幣匯率變化并不會對中國的房價產(chǎn)生直接影響，但會通過貨幣供應(yīng)量渠道對房價波動產(chǎn)生間接影響[9]。此外，也有學(xué)者測算了人民幣實際有效匯率的失調(diào)，發(fā)現(xiàn)匯率失調(diào)程度不同則其對住房市場的影響也不同。

3.信貸政策。國內(nèi)外學(xué)者主要圍繞信貸政策影響住房市場的機制進行了理論及實證檢驗。由于存在信貸抵押約束機制，住房價格會出現(xiàn)自我加速現(xiàn)象，進而導(dǎo)致房價不斷上漲[10]。而由于銀行的高風(fēng)險信貸配置偏好，使得銀行貸款規(guī)模對房地產(chǎn)投資產(chǎn)生正向影響，可能造成房地產(chǎn)投資過熱[11]。而信貸規(guī)模也會通過土地財政渠道而作用于房價[12]，信貸規(guī)模擴張會對房價產(chǎn)生明顯刺激作用[13]。利用2003年至2010年愛爾蘭抵押貸款數(shù)據(jù)、房價數(shù)據(jù)的實證研究表明，可獲得的信貸每增長10%，將導(dǎo)致購買的房地產(chǎn)價值增長1.5%[14]。而個人購房貸款與企業(yè)開發(fā)貸款，在中國不同類型城市對房價的影響是異質(zhì)性的[15]。此外，也有學(xué)者的研究發(fā)現(xiàn)，在高利率預(yù)期之下，信貸增長并不會引起房價明顯上漲[16-17]。

（二）金融發(fā)展對住房市場的影響

有學(xué)者從省際層面研究了金融發(fā)展對房地產(chǎn)庫存的作用，發(fā)現(xiàn)在規(guī)模、結(jié)構(gòu)和效率3個維度下，金融發(fā)展分別對房地產(chǎn)庫存產(chǎn)生了不顯著、正向以及負(fù)向的異質(zhì)作用[1]。也有學(xué)者研究了資本流入、金融結(jié)構(gòu)與住房市場的關(guān)聯(lián)，發(fā)現(xiàn)金融規(guī)模擴張會對實際價格、金融結(jié)構(gòu)和房地產(chǎn)投資產(chǎn)生顯著的正向影響[18]。在預(yù)期房價上漲時，金融約束是歐洲家庭購房決策的重要影響因素[19]。而對23個國家房價的研究顯示，資產(chǎn)市場及股市的收益率、收入增長等是房價的重要驅(qū)動因素，即其他資產(chǎn)市場的金融發(fā)展會溢出到房地產(chǎn)市場[20]。也有學(xué)者則研究了金融發(fā)展與房地產(chǎn)業(yè)聯(lián)合作用下的社會經(jīng)濟影響。例如，周少甫和龍威（2020）[21]分析了金融發(fā)展與房價交互作用對各省份技術(shù)創(chuàng)新的影響，發(fā)現(xiàn)在信貸市場、資本市場兩個維度下，房價對技術(shù)創(chuàng)新的抑制作用會分別被放大和弱化。在產(chǎn)業(yè)結(jié)構(gòu)升級問題下，學(xué)者們發(fā)現(xiàn)單獨考慮金融發(fā)展和房價，則二者對產(chǎn)業(yè)結(jié)構(gòu)升級產(chǎn)生了正向作用;當(dāng)將二者聯(lián)合考慮，則結(jié)果是會對產(chǎn)業(yè)結(jié)構(gòu)升級產(chǎn)生負(fù)向作用[22-23]。

（三）金融集聚對住房市場及城市發(fā)展的影響

金融要素集中會降低購房交易成本并有助于突破預(yù)算約束，因此是房價上漲的重要因素，且銀行、保險、證券業(yè)的集聚對房價的影響是異質(zhì)的[24]。同時，金融集聚對住房市場的影響在不同的地理區(qū)位也表現(xiàn)出了異質(zhì)性[25]。從城市發(fā)展來看，金融集聚對城市空間格局演化，城市發(fā)展效率，以及新型城鎮(zhèn)化發(fā)展[26-27]等都具有十分重要的促進作用。

綜上所述，國內(nèi)外學(xué)者對金融與住房市場的關(guān)系進行了廣泛的探討，為本文提供了研究思路。本文從金融發(fā)展的規(guī)模、結(jié)構(gòu)及效率三個維度出發(fā)，全面考察金融發(fā)展對中國大中城市住房市場的影響，對促進金融業(yè)與房地產(chǎn)業(yè)和諧發(fā)展，明晰房地產(chǎn)和金融改革方向等都具有重要的理論及現(xiàn)實意義。

二、機理分析與研究假設(shè)

金融發(fā)展的現(xiàn)代觀表明，金融發(fā)展是金融規(guī)模擴張、金融結(jié)構(gòu)優(yōu)化及金融效率提升的動態(tài)統(tǒng)一過程，分別反映金融發(fā)展的數(shù)量、結(jié)構(gòu)和質(zhì)量，只有從多個維度考察才有可能全面測度金融發(fā)展水平。金融發(fā)展是住房市場發(fā)展的基礎(chǔ)和保障，二者既有直接影響又存在間接作用。以下將從直接、間接兩個層次梳理金融發(fā)展對住房市場的作用渠道。

（一）直接作用渠道

1.金融發(fā)展規(guī)?！》渴袌?/p>

房地產(chǎn)業(yè)是資金密集性行業(yè)，資金匱乏或金融中介成本較高時，房地產(chǎn)商品的生產(chǎn)和消費都會受阻。對于開發(fā)企業(yè)而言，金融規(guī)模越大，金融業(yè)競爭加劇，往往伴隨著貸款成本下降和貸款門檻降低，企業(yè)的融資約束降低，越容易得到資金支持而增加投資，住房供給增加，對房價有負(fù)向影響;對于購房者而言，金融規(guī)模越大，銀行發(fā)放貸款的意愿也會越強，會有更多的購房者達到貸款門檻，流動性約束降低，住房需求增加進而對房價產(chǎn)生正向影響。

2.金融發(fā)展結(jié)構(gòu)→住房市場

金融發(fā)展在經(jīng)歷了規(guī)模擴大后，往往會進入結(jié)構(gòu)優(yōu)化的更高階段，且要依經(jīng)濟社會需求動態(tài)調(diào)整。金融結(jié)構(gòu)優(yōu)化體現(xiàn)在金融工具多樣化和金融機構(gòu)的多樣性上[1]。學(xué)者們通常將這些工具和機構(gòu)劃分為銀行主導(dǎo)型和市場主導(dǎo)型，分別對應(yīng)間接融資和直接融資模式。前者在信息收集、資金監(jiān)管方面優(yōu)勢明顯，而后者則在激勵創(chuàng)新、風(fēng)險轉(zhuǎn)移方面更勝一籌。

金融工具和機構(gòu)多樣，企業(yè)及居民可以有證券、保險、信托等更多的投資選擇，會在一定程度上抑制住房投資，住房需求減少房價下降;房地產(chǎn)企業(yè)融資渠道多元，不同類型及發(fā)展階段的企業(yè)的金融需求都能得到滿足，增強其風(fēng)險抵御能力，有利于擴大生產(chǎn)規(guī)模增加住房供給平抑房價;保險等風(fēng)險管理工具的發(fā)展，消除居民對未來不確定的擔(dān)憂，可能會刺激現(xiàn)期住房消費和房價上漲。然而，金融工具和金融業(yè)務(wù)的過度創(chuàng)新則可能會造成貨幣政策效力下降、管理難度增加，進而造成金融系統(tǒng)的不穩(wěn)定和風(fēng)險隱患。可見，最優(yōu)金融結(jié)構(gòu)也要隨需求而動態(tài)調(diào)整，如果與住房市場發(fā)展相匹配，則會促進其良性運行;如果與住房市場發(fā)展不匹配，則無法起到支持作用，甚至出現(xiàn)阻礙作用。

3.金融發(fā)展效率→住房市場

金融發(fā)展效率指金融業(yè)的投入產(chǎn)出率。金融效率提高，對于我國目前金融市場發(fā)展的階段而言，意味著融資渠道暢通，信息不對稱程度大大降低，儲蓄轉(zhuǎn)化為貸款更為容易，無論是以開發(fā)貸款還是消費貸款的形式進入到住房市場，都有利于住房市場的發(fā)展活躍。對于企業(yè)而言，獲得貸款有利于增加住房供給;同時，金融中介自身專業(yè)技術(shù)水平的提高，其審查與監(jiān)督成本下降并帶來效率的提升，會降低企業(yè)的融資成本，對住房價格產(chǎn)生負(fù)向影響。對于購房者而言，金融效率低會在一定程度上將大量購房者排斥在金融市場之外，導(dǎo)致流動性約束加劇;而較高的金融效率能解決購房者面臨的信貸約束從而促進潛在需求轉(zhuǎn)化為真實需求，進而對房價產(chǎn)生正向影響。

（二）間接作用渠道

直接渠道主要分析金融要素直接進入到住房市場，影響市場供需和房價的機制。而此處主要分析金融發(fā)展的社會經(jīng)濟影響，進而溢出至住房市場的機制。

1.金融發(fā)展→經(jīng)濟發(fā)展→住房市場

以全國或地區(qū)為對象的分析均顯示，金融發(fā)展和經(jīng)濟增長正向相關(guān)[28]。從渠道來看，金融發(fā)展會通過作用于勞動要素、資本要素等要素積累而起到推動經(jīng)濟發(fā)展的目的[29]。經(jīng)濟發(fā)展良好，生產(chǎn)、服務(wù)、消費均有賴于房地產(chǎn)業(yè)發(fā)揮其基礎(chǔ)承載作用，加之市場樂觀預(yù)期的推動作用，則住房需求增加，對房價產(chǎn)生正向影響。

2.金融發(fā)展→收入（預(yù)期）水平→住房市場

良好的金融發(fā)展，包括規(guī)模的適度擴大、結(jié)構(gòu)的動態(tài)優(yōu)化，以及效率的不斷提升，而效率提升會對居民收入水平和消費水平產(chǎn)生顯著影響[30]。此外，居民為了應(yīng)對未來可能出現(xiàn)的各種風(fēng)險及不確定性，會增加預(yù)防性儲蓄而減少現(xiàn)期的購房需求。隨著金融發(fā)展深化，保險等風(fēng)險管理工具會減少居民對未來風(fēng)險的擔(dān)憂，增加居民的收入預(yù)期[31]，故而增加當(dāng)期的住房消費，對住房價格產(chǎn)生正向影響。

3.金融發(fā)展→技術(shù)創(chuàng)新→住房市場

金融發(fā)展通過多元融資和信用創(chuàng)造、風(fēng)險管理、信息甄別與項目選擇、激勵和監(jiān)督等路徑作用于技術(shù)創(chuàng)新，最終均會對技術(shù)創(chuàng)新產(chǎn)生促進作用[32]。其中，與信貸市場相比，資本市場對技術(shù)創(chuàng)新的作用更大[21，33]。城市技術(shù)創(chuàng)新水平提高，知識交流機會和收益增加，會吸引更多的企業(yè)、人才集聚，進而增加本地住房市場需求，對房價產(chǎn)生正向作用;房地產(chǎn)企業(yè)的設(shè)計、施工、服務(wù)創(chuàng)新能力的提高，有利于企業(yè)提高生產(chǎn)效率，降低生產(chǎn)成本，進而對房價產(chǎn)生負(fù)向影響。

綜上所述，金融發(fā)展向住房市場的傳導(dǎo)路徑是多層次和多維度的（見圖1），雖然各條路徑的作用方向不一致，但并不影響我們對二者具有緊密關(guān)系的初步論斷。故提出如下假設(shè)：

假設(shè)1：金融發(fā)展對住房市場具有顯著的影響。

（三）進一步的分析

房價上漲時，往往伴隨著地價、租金、工資的上漲。如果部分企業(yè)、個人由于經(jīng)營、生活成本上升而被迫向其他地區(qū)流動時，資本、技術(shù)和人才等要素也會同向流動，進而引起當(dāng)?shù)刈》啃枨蟮淖兓?。此外，一城市的金融發(fā)展也可能會因“示范效應(yīng)”、“虹吸效應(yīng)”等引起周邊城市金融體系的變化。故提出如下假設(shè)：

假設(shè)2：金融發(fā)展對住房市場的影響存在空間溢出效應(yīng)。

由于我國各城市資源稟賦、經(jīng)濟發(fā)展階段各不相同，金融資源與住房市場均呈現(xiàn)空間分布不均的特點。與此同時，金融發(fā)展向住房市場的傳導(dǎo)過程，也受限于家庭的收入水平：低收入家庭可能因無力償還貸款而被拒絕在金融市場之外，使得需求端得不到足夠響應(yīng)。由于各城市居民收入水平的分布在空間上是非均勻的，因此金融發(fā)展對住房價格的影響可能并不是線性的，而是受家庭收入水平影響而具有空間異質(zhì)性，故提出如下假設(shè)：

假設(shè)3：金融發(fā)展對住房市場的影響具有非線性特征。

三、研究設(shè)計

（一）研究方法

1.空間計量模型的構(gòu)建

（1）空間權(quán)重矩陣的選擇與構(gòu)建。進行金融發(fā)展與住房市場關(guān)系的空間分析，第一步就是度量城市間的空間距離。隨著互聯(lián)網(wǎng)和交通工具發(fā)展，城市間的交流日益加深，即使空間上不相鄰的城市也可能存在著密切的經(jīng)濟聯(lián)系，故本文重點考察基于地理距離和經(jīng)濟距離的兩種空間權(quán)重矩陣。其中，參照傅貽忙等[1]、王鶴和周少君（2017）[34]等學(xué)者的做法，構(gòu)建基于地理距離的空間權(quán)重矩陣如下：

（二）變量與數(shù)據(jù)

1.變量選取

根據(jù)本文的研究目的和國內(nèi)外學(xué)術(shù)積淀，變量選取情況如下。

（1）被解釋變量。房價是住房市場最重要、最直觀，也是居民最為關(guān)心的指標(biāo)，故選取商品房平均銷售價格作為被解釋變量，來反映住房市場的發(fā)展?fàn)顟B(tài)。

（2）核心解釋變量。為了能夠更好地反映金融發(fā)展?fàn)顩r，本文從金融發(fā)展規(guī)模、金融發(fā)展結(jié)構(gòu)、金融發(fā)展效率三個維度來考察。由于比率指標(biāo)既能反映強度，又有助于消除多重共線性，故量化指標(biāo)時采用比率指標(biāo)。具體的選擇如下。

金融發(fā)展規(guī)模：鑒于目前我國銀行業(yè)主導(dǎo)整個金融體系的現(xiàn)實，借鑒張倩肖和馮雷（2019）[32]、鞏鑫等（2018）[29]的做法，用年末金融機構(gòu)存款余額與年末金融機構(gòu)貸款余額之和與地區(qū)生產(chǎn)總值的比值來度量城市的金融發(fā)展規(guī)模。

金融發(fā)展結(jié)構(gòu)：由于本文要分析的是市場主導(dǎo)型金融體系與銀行主導(dǎo)型金融體系二者的分布及相對規(guī)模對住房市場的影響，因此借鑒王淑娟等（2018）[33]等人的思路，以兩種類型之比重來度量金融發(fā)展結(jié)構(gòu)。近年來，證券、保險、信托等發(fā)展迅速，鑒于數(shù)據(jù)的可得性，采用保險機構(gòu)的保險費收入與年末金融機構(gòu)存貸款余額之和的比值對該變量進行量化。

金融發(fā)展效率：由于本文關(guān)注的是金融自身的投入產(chǎn)生率，故借鑒任鑫和葛晶（2019）[31]、王淑娟等（2018）[33]、王志強和孫剛（2003）[37]等人測算金融機構(gòu)存貸款的轉(zhuǎn)化效率的思路，具體采用儲蓄余額與金融機構(gòu)貸款余額的比值來度量金融中介將儲蓄轉(zhuǎn)化成貸款的效率。

（3）控制變量。為了降低遺漏變量所帶來的偏誤，根據(jù)住房市場供需理論，本文選擇的控制變量如下：將人均地區(qū)生產(chǎn)總值、財政支出、在崗職工平均工資、房地產(chǎn)開發(fā)投資額分別作為經(jīng)濟發(fā)展、基礎(chǔ)設(shè)施建設(shè)、收入水平和房地產(chǎn)投資的代理變量。

2.數(shù)據(jù)來源及處理

樣本數(shù)據(jù)是中國35個大中城市2002年至2017年的年度面板數(shù)據(jù)。對住房價格、人均地區(qū)生產(chǎn)總值、地方財政支出、在崗職工平均工資和房地產(chǎn)開發(fā)投資額5個指標(biāo)進行了去通脹處理和取對數(shù)處理，以消除可能存在的異方差。各變量及數(shù)據(jù)說明如表1。

（三）描述性分析與平穩(wěn)性檢驗

1.描述性統(tǒng)計分析

各變量的描述性統(tǒng)計分析如表2所示。

2.平穩(wěn)性檢驗及協(xié)整檢驗

建模之前，需要進行面板數(shù)據(jù)的平穩(wěn)性檢驗，以避免“偽回歸”問題。此處采用LLC、IPS和ADF三種單位根檢驗方法，結(jié)果見表3。

由表3可知，三種檢驗顯示，諸變量中除了scale、structure以外全部通過了5%顯著性水平下的單位根檢驗;scale、structure在一階差分之后，也通過了1%顯著性水平下的單位根檢驗;需進一步對數(shù)據(jù)進行協(xié)整檢驗。下文使用Kao檢驗、Pedroni檢驗，以及Westerlund檢驗三種方法來對諸變量進行協(xié)整性分析，結(jié)果見表4。

由表4可知，在Kao檢驗、Pedroni檢驗中各統(tǒng)計量均在1%的顯著水平下拒絕了“不存在協(xié)整關(guān)系”原假設(shè)，Westerlund檢驗統(tǒng)計量在10%顯著水平下拒絕了原假設(shè)，可進一步建模分析。

四、實證結(jié)果與分析

（一）空間自相關(guān)檢驗

利用前文構(gòu)建的基于地理距離和經(jīng)濟距離的空間權(quán)重矩陣，采用莫蘭指數(shù)法對樣本期內(nèi)中國35大中城市的住房價格進行了空間自相關(guān)檢驗，結(jié)果見表5。由表5可知，在10%的顯著性水平上，樣本期內(nèi)基于空間距離權(quán)重矩陣的莫蘭指數(shù)都顯著為正;在1%的顯著性水平上，樣本期內(nèi)基于經(jīng)濟距離權(quán)重矩陣的莫蘭指數(shù)都顯著為正?？梢?，我國城市的住房價格存在正向的空間依賴性，采用空間計量方法探討金融發(fā)展對住房市場的影響是十分必要的。

無論是從顯著性，還是莫蘭指數(shù)值的大小上看，經(jīng)濟距離權(quán)重矩陣都明顯優(yōu)于地理距離權(quán)重矩陣。這在一定程度上說明，隨著交通、通信、互聯(lián)網(wǎng)等快速發(fā)展，城市之間的聯(lián)系已經(jīng)打破傳統(tǒng)空間距離壁壘，經(jīng)濟輻射日益顯著，經(jīng)濟距離反而更能反映住房市場的空間關(guān)聯(lián)。故下文采用經(jīng)濟距離權(quán)重矩陣展開進一步的空間效應(yīng)分析。

繪制樣本期內(nèi)基于經(jīng)濟距離權(quán)重矩陣的莫蘭指數(shù)變化圖（見圖2）。

由圖2可知，樣本期內(nèi)基于經(jīng)濟距離權(quán)重的莫蘭指數(shù)呈“波浪”型變化，整體上變化不大但仍表現(xiàn)出一定的上升趨勢。這說明城市間住房價格并不是獨立發(fā)展的，已形成了集群分布和逐步加強的正向空間溢出效應(yīng)。莫蘭指數(shù)從整體上反映了住房價格的空間關(guān)聯(lián)，而莫蘭散點圖則可以更細(xì)致地反映不同城市周邊的高值和低值集聚?；诮?jīng)濟距離權(quán)重矩陣的莫蘭散點圖，見圖3-圖6。

限于篇幅，本文只給出了2002年、2007年、2012年和2017年的莫蘭散點圖。由圖可知，樣本期內(nèi)35城市住房價格的空間分布具有顯著的規(guī)律性：除了呼和浩特、武漢、福州等少數(shù)幾個城市，絕大多數(shù)城市都集中分布在一、三象限，再次印證了中國城市住房價格具有的正向空間依賴。具體來看，北京、上海、廣州、深圳、天津、廈門等城市始終在第一象限，房價呈現(xiàn)“高-高”集聚模式，而西寧、貴陽、重慶、石家莊城市等始終處于第三象限，房價呈現(xiàn)“低-低”集聚模式。由于各年莫蘭散點圖變化不明顯，可知城市住房價格的局部空間格局具有一定的穩(wěn)定性，使用空間計量方法能更好地刻畫出金融發(fā)展對住房市場的影響。

（二）空間溢出效應(yīng)檢驗

1.空間模型形式確定

分析空間溢出效應(yīng)之前，需要確定采用哪種空間面板模型形式。根據(jù)LeSage和Pace（2009）[36]的方法，先由LM檢驗（拉格朗日乘數(shù)形式及其穩(wěn)健形式）判斷SAR和SEM哪個適用;再對SDM進行Wald和LR檢驗，看是否可以退化為SAR或SEM形式[38];最后進行Hausman檢驗確定采用固定效應(yīng)還是隨機效應(yīng)。檢驗結(jié)果見表6。

由表6可知，LMerr和LMlag均通過了1%的顯著性檢驗，R-LMerr和R-LMlag也均通過了1%的顯著性檢驗，說明模型中既包括空間滯后形式，又包括空間誤差形式，應(yīng)采用SDM模型。進一步地，Wald和LR檢驗拒絕了H0：θ=0和H0：θ+ρβ=0的原假設(shè)，即SDM模型不能化簡為SAR和SEM模型。Hausman檢驗顯示使用固定效應(yīng)的SDM更為合理。

2.SDM模型的估計與效應(yīng)分解

SDM的估計結(jié)果見表7。由表可知，W*scale、W*efficiency兩個變量均在1%的水平上顯著，表示金融對住房價格的影響具有顯著的空間效應(yīng)，再次表明采用空間計量方法的必要性。由于SDM模型的回歸系數(shù)并不能直接反映解釋變量對本城市被解釋變量和對鄰近城市被解釋變量的作用，需通過偏微分方程將空間效應(yīng)分解為直接、間接效應(yīng)來反映（見表8）。其中，直接效應(yīng)表示城市金融發(fā)展對自身住房價格的平均影響，間接效應(yīng)則反映城市金融發(fā)展對鄰近城市住房價格的平均影響。

由表8可得到如下結(jié)論：

（1）金融發(fā)展規(guī)模對住房價格的直接效應(yīng)和間接效應(yīng)均顯著且方向相反。對本地房價的直接效應(yīng)系數(shù)為0.0795，對鄰地房價的溢出系數(shù)為-0.2284。金融規(guī)模擴大，信貸規(guī)模往往也隨之?dāng)U大，銀行貸款意愿增強、貸款門檻降低，使更多的購房者可能達到貸款條件，有效緩解居民的流動性約束，購房需求增加進而對房價產(chǎn)生正向影響。雖然此時房地產(chǎn)企業(yè)的融資成本和融資數(shù)量均有利于增加供給緩解價格上漲，但對需求端的作用要更為明顯。金融規(guī)模的擴大，生產(chǎn)性、服務(wù)性行業(yè)都將得到更多的金融支持，經(jīng)濟發(fā)展加快、收入水平整體提高，對住房價格產(chǎn)生正向作用。同時，本地金融規(guī)模擴大，寬松的資金條件和充滿活力的經(jīng)濟發(fā)展都會吸引鄰近城市的企業(yè)入駐、投資者轉(zhuǎn)移，進而帶動更多勞動力遷移，可能造成周邊城市經(jīng)濟下滑、人口流失和住房需求下降，進而對鄰地的房價產(chǎn)生負(fù)向作用。

（2）金融發(fā)展結(jié)構(gòu)對住房價格具有顯著的直接效應(yīng)，作用系數(shù)為-3.5834，但間接效應(yīng)并不顯著。金融工具多樣，金融產(chǎn)品和服務(wù)多元，有利于本地企業(yè)和居民不斷發(fā)展的金融需求得到滿足。不僅可以引導(dǎo)社會資金進入更多的投資領(lǐng)域，對房地產(chǎn)市場盲目投資投機行為進行合理疏導(dǎo)，也可為房地產(chǎn)企業(yè)融資提供更多渠道，進而對房價產(chǎn)生負(fù)向影響。樣本期內(nèi)，金融結(jié)構(gòu)的調(diào)整并未對鄰近城市住房市場產(chǎn)生影響，說明金融結(jié)構(gòu)的調(diào)整尚不足以引起城市間要素的流動。現(xiàn)階段，對于住房市場過熱的城市，優(yōu)化金融結(jié)構(gòu)可作為調(diào)控房價的手段之一。

（3）金融發(fā)展效率對住房價格的直接效應(yīng)和間接效應(yīng)均顯著且方向相反。對本地房價的直接效應(yīng)系數(shù)為0.1961，對鄰地房價的溢出系數(shù)為-1.5890。金融發(fā)展效率提高，意味著融資渠道暢通，金融機構(gòu)工作效率提高且業(yè)務(wù)成本下降，使購房者能更快、更多、更方便地獲得價格更低的貸款，刺激消費者的消費欲望，住房需求得到有效釋放，對房價產(chǎn)生正向影響。雖然此時企業(yè)往往也有能力提供數(shù)量更多、成本更低的住房，但顯然該變量對需求端的作用要更大。金融效率提高，也有助于金融業(yè)從業(yè)人員收入提高，有助于降低融資企業(yè)的時間成本和資金成本，提高生產(chǎn)效率和工資水平，進而對本地住房價格產(chǎn)生正向影響。與此同時，本地金融效率提升，專業(yè)的技術(shù)、較低的業(yè)務(wù)成本、更快的業(yè)務(wù)流程增強了其相對于其他城市的競爭優(yōu)勢，同樣也會吸引更多要素向該城市集聚，造成鄰地產(chǎn)業(yè)、資本和人口的流失，住房市場需求下降，供給不變時則房價自然也會下降。

（4）控制變量均對住房價格產(chǎn)生了顯著的直接效應(yīng)，僅有收入水平產(chǎn)生了顯著的間接效應(yīng)，其他變量的間接效應(yīng)不顯著。人均GDP對本地房價的直接效應(yīng)系數(shù)為0.3689。經(jīng)濟發(fā)展好，本地投資、生產(chǎn)、消費活躍，居民收入往往也同步上升。同時，良好的經(jīng)濟環(huán)境還會吸引大量企業(yè)、人力資本進入。這些都會造成本地住房需求增加和房價上漲。政府財政支出每增加1%，本地房價將上漲0.1575%。政府支出增加，有利于基礎(chǔ)設(shè)施、公共配套的建設(shè)，城市居住環(huán)境品質(zhì)提升、便捷度提高都會對房價產(chǎn)生正向影響。收入水平每提高1%，本城市房價將上漲0.1590%，鄰近城市房價將上漲0.5966%。收入增加，本地居民購買力增強，有更多居民有能力全款購房或借助金融杠桿實現(xiàn)購房，住房需求增加進而推動房價上漲。同時，本地居民隨著收入增加和房產(chǎn)增值，在收入效應(yīng)和財富效應(yīng)作用下，投資能力極大增強，有可能會選擇鄰近城市住房市場進行投資消費，進而引起鄰地房價上漲。房地產(chǎn)投資每增加1%，本地房價將下降0.0544%。房地產(chǎn)投資增加，則該城市未來住房供給將會增加，居民會形成未來房價下降的預(yù)期并減少現(xiàn)期購房行為，對住房價格產(chǎn)生負(fù)向影響。

綜上可知，由金融規(guī)模、結(jié)構(gòu)和效率3個維度的估計結(jié)果來看，金融發(fā)展的確會對中國城市住房市場產(chǎn)生顯著影響，該結(jié)論驗證了假設(shè)1的正確性。由于“虹吸效應(yīng)”的存在，金融發(fā)展會從規(guī)模、效率兩個維度上抑制鄰近城市住房價格的上漲，即二者的作用存在空間溢出效應(yīng)。該結(jié)論不僅驗證了假設(shè)2的正確性，也在一定程度上解釋了住房市場的波動與分化現(xiàn)象。

3.穩(wěn)健性檢驗

前文基于地理距離空間權(quán)重矩陣的自相關(guān)檢驗顯示，在10%的水平上樣本期內(nèi)的莫蘭指數(shù)都顯著為正，故下文基于地理距離權(quán)重矩陣進行穩(wěn)健性分析。

LM檢驗、Wald檢驗和Hausman檢驗結(jié)果見表9。由表9可知，LMlag>LMerr，R-LMlag>R-LMerr，且LMlag、R-LMlag的顯著性高于LMerr和R-LMerr，故SAR模型比SEM模型更適合;WALD檢驗顯示接受了H0：θ=0的原假設(shè)，SDM模型可以退化為SAR模型;由Hausman檢驗可知應(yīng)使用固定效應(yīng)的SAR模型。

參考文獻：

[1] 傅貽忙，周建軍，周穎.金融發(fā)展、空間效應(yīng)與房地產(chǎn)庫存——理論解釋與實證檢驗[J].系統(tǒng)工程，2018，36（10）：14-29.

[2] 陳長石，劉晨暉.利率調(diào)控、貨幣供應(yīng)與房地產(chǎn)泡沫——基于泡沫測算與MS-VAR模型的實證分析[J].國際金融研究，2015（10）：21-31.

[3] 吳淑萍，樊穎，楊贊.利率政策對房價的“非對稱性”影響路徑——基于小波分析和GARCH模型的研究[J].上海金融，2017（2）：3-10.

[4] Pagliari J L. Some Thoughts on Real Estate Pricing[J]. Journal of Portfolio Management， 2017， 43（6）：44-61.

[5] 余華義，黃燕芬.利率效果區(qū)域異質(zhì)性、收入跨區(qū)影響與房價溢出效應(yīng)[J].經(jīng)濟理論與經(jīng)濟管理，2015（08）：65-80.

[6] Barkham R. Real Estate and the Great Financial Crisis[J]. World Economics， 2013， 14（3）：5-26.

[7] 朱孟楠，丁冰茜，閆帥.人民幣匯率預(yù)期、短期國際資本流動與房價[J].世界經(jīng)濟研究，2017（7）：17-29，53，135.

[8] Stalder P. Exchange Rate Shocks， Monetary Policy and Boom-Bust Cycles in the Housing Market： An Econometric Analysis for Switzerland[J]. Journal of Business Cycle Research， 2017，12：1-35.

[9] 韓鑫韜，劉星.匯率變化對房價波動存在溢出效應(yīng)嗎？——來自1997-2015年中國房地產(chǎn)市場的證據(jù)[J].中國管理科學(xué)，2017，25（4）：7-17.

[10]劉一楠.信貸約束、房地產(chǎn)抵押與金融加速器——一個DSGE分析框架[J].財經(jīng)科學(xué)，2017（2）：12-24.

[11]陸嘉瑋，陳文強，賈生華.信貸配置偏好、貸后債務(wù)治理與房地產(chǎn)企業(yè)投資[J].金融經(jīng)濟學(xué)研究，2017，32（6）：3-12，84.

[12]汪盧俊，謝姍，駱永民.土地財政和信貸擴張在房價上漲因素中孰輕孰重？[J].商業(yè)研究，2019（6）：113-118.

[13]李成，李一帆，于海東，等.城市人口、貨幣政策與房地產(chǎn)價格：內(nèi)在機理與實證檢驗[J].當(dāng)代經(jīng)濟科學(xué)，2020，42（1）：108-119.

[14]Kelly R， McCann F， OToole C. Credit Conditions， Macroprudential Policy and House Prices[J]. Journal of Housing Economics， 2018，41（9）：153-167.

[15]胡金星，張志開，邵翠櫻.房地產(chǎn)信貸與房價：來自中國35個大中城市的證據(jù)[J].上海金融，2018（8）：19-24.

[16]Bauer G H. InternationalHouse Price Cycles， Monetary Policy and Credit[J]. Journal of International Money and Finance， 2017，74：88-114.

[17]Chen N K， Chou Y H， Wu J L. Credit Constraint and the Asymmetric Monetary Policy Effect on House Prices[J]. Pacific Economic Review， 2013，18（4）：431-455.

[18]Sá F， Towbin P， Wieladek T. Capital Inflows， Financial Structure and Housing Booms [J]. Journal of the European Economic Association， 2014，12（2）：522-546.

[19]Ampudia M， Mayordomo S. Borrowing Constraints and Housing Price Expectations in the Euro Area[J]. Economic Modelling， 2018， 72（3）：410-421.

[20]Martínez-García E， Grossman V. Explosive Dynamics in House Prices？ An Exploration of Financial Market Spillovers in Housing Markets Around the World[J]. Social Science Electronic Publishing， 2018：1-33.

[21]周少甫，龍威.房價、金融發(fā)展對技術(shù)創(chuàng)新的影響[J].工業(yè)技術(shù)經(jīng)濟，2020，39（1）：33-40.

[22]潘紅玉，劉亞茹.房價、金融發(fā)展與制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級——基于動態(tài)面板的經(jīng)驗分析[J].財經(jīng)理論與實踐，2019，40（1）：123-128.

[23]盧萬青，紀(jì)祥裕.城市房價、金融發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)升級——基于中國地級市面板數(shù)據(jù)的實證研究[J].產(chǎn)經(jīng)評論，2017，8（5）：81-94.

[24]劉顏，鄧若冰.金融集聚對房地產(chǎn)價格的影響——基于靜態(tài)與動態(tài)面板數(shù)據(jù)的估計[J].經(jīng)濟問題探索，2017（9）：126-134.

[25]駱永民，劉艷華.金融集聚、人力資本與房價——基于PanelVAR模型[J].財貿(mào)研究，2011，22（4）：93-101.

[26]籍磊，陳立泰，葉長華.長江經(jīng)濟帶金融集聚對城鎮(zhèn)化影響的機制研究[J].預(yù)測，2019，38（3）：70-75.

[27]王弓，葉蜀君.金融集聚對新型城鎮(zhèn)化影響的理論與實證研究[J].管理世界，2016（1）：174-175.

[28]陳志剛，關(guān)威.金融發(fā)展、技術(shù)進步與經(jīng)濟增長[J].科技管理研究，2017，37（24）：39-44.

[29]鞏鑫，唐文琳，穆軍.金融發(fā)展、要素積累和經(jīng)濟增長關(guān)系的實證分析[J].統(tǒng)計與決策，2018，34（19）：146-149.

[30]任文龍，張?zhí)K緣，陳鑫.金融發(fā)展、收入水平與居民文化消費——基于城鄉(xiāng)差異的視角[J].農(nóng)村經(jīng)濟，2019（11）：118-127.

[31]任鑫，葛晶.金融發(fā)展、收入結(jié)構(gòu)與城鎮(zhèn)居民消費結(jié)構(gòu)[J].宏觀經(jīng)濟研究，2019（1）：30-36，64.

[32]張倩肖，馮雷.金融發(fā)展與企業(yè)技術(shù)創(chuàng)新——基于中國A股市場上市公司的經(jīng)驗分析[J].統(tǒng)計與信息論壇，2019，34（5）：25-33.

[33]王淑娟，葉蜀君，解方圓.金融發(fā)展、金融創(chuàng)新與高新技術(shù)企業(yè)自主創(chuàng)新能力——基于中國省際面板數(shù)據(jù)的實證分析[J].軟科學(xué)，2018，32（3）：10-15.

[34]王鶴，周少君.城鎮(zhèn)化影響房地產(chǎn)價格的“直接效應(yīng)”與“間接效應(yīng)”分析——基于我國地級市動態(tài)空間杜賓模型[J].南開經(jīng)濟研究，2017（2）：3-22.

[35]鞠方，雷雨亮，周建軍.經(jīng)濟開放度、房地產(chǎn)價格及其空間溢出[J].中國軟科學(xué)，2016（10）：147-158.

[36]Lesage J， Pace R K. Introduction to Spatial Econometrics[M]. CRC Press，2009.

[37]王志強，孫剛.中國金融發(fā)展規(guī)模、結(jié)構(gòu)、效率與經(jīng)濟增長關(guān)系的經(jīng)驗分析[J].管理世界，2003（7）：13-20.

[38]Anselin L， Florax R， Rey S J. Advances In Spatial Econometrics： Methodology， Tools And Applications[M].Berlin： Springer Verlag Press， 2004.

（責(zé)任編輯：周正）