鄭淑霞， 張曉明， 林 興

(福建江夏學(xué)院 a.數(shù)理教研部 b.金融學(xué)院， 福建 福州 350108)

0 引言

自1998年住房改革以來，我國房地產(chǎn)業(yè)飛速發(fā)展，成為國民經(jīng)濟的重要支柱.持續(xù)走高的房價是供給方和需求方共同作用的結(jié)果.對供給方房地產(chǎn)開發(fā)商而言，土地供應(yīng)和信貸支持顯然是自身發(fā)展的兩大命脈.

國內(nèi)外學(xué)術(shù)界對信貸和土地與房價的關(guān)系做了大量的研究.Pollakowski[1]通過實證發(fā)現(xiàn)在一定程度上對土地供給進行限制后，將帶來住宅價格更大程度的上漲，且上漲趨勢也更明顯；Kauko[2]認為當市場上出現(xiàn)富有彈性的土地供給時，土地政策可以在很大程度上影響房地產(chǎn)價格的變化.另一方面，Elbourne[3]利用脈沖響應(yīng)函數(shù)研究英國住房市場和貨幣政策之間的關(guān)系，認為貨幣供給的變動會正向影響房價.國內(nèi)學(xué)者也從不同的視角對上述問題進行了研究.鄧宏乾等[4]運用動態(tài)廣義矩估計測度地價和信貸與房價的關(guān)聯(lián)性，結(jié)果發(fā)現(xiàn)地價對房價的推動作用遠遠強于信貸；汪盧俊[5]在信貸和地價的基礎(chǔ)上，引入兩者的交互項，通過面板數(shù)據(jù)模型分析發(fā)現(xiàn)，信貸擴張主要是通過土地財政影響房價，一二線城市的地價對自身房價的影響較三四線城市更為突出顯著；盧瓊佩[6]建立VAR模型實證研究銀行的表內(nèi)資金和表外資金對我國的房價都呈正面影響，且表外資金的影響更大；賈生華等[7]構(gòu)建SVAR模型實證得出相同結(jié)論，并且進一步通過反事實模擬分析發(fā)現(xiàn)影子銀行削弱了房價和房地產(chǎn)投資規(guī)模對緊縮性貨幣政策的響應(yīng)程度；馬亞明等[8]采用TVP-VAR模型實證研究后發(fā)現(xiàn)影子銀行對房價的影響具有明顯時變特征；張曾蓮、何蘭芳[9]引入門檻效應(yīng)模型，實證研究發(fā)現(xiàn)影子銀行在一定規(guī)模下能顯著促進房價的上漲，超過一定規(guī)模后其影響不再顯著，并給出了門檻值為1513億元.

分析上述文獻，不難發(fā)現(xiàn)，國外學(xué)者的結(jié)論來源于本國的數(shù)據(jù)，但是中國的房地產(chǎn)發(fā)展具有自身顯著的特點：我國商業(yè)銀行存在二元結(jié)構(gòu)，房地產(chǎn)商的資金來源不僅僅是從銀行獲得的信貸，數(shù)據(jù)顯示其社會融資占比并不低，且融資規(guī)模逐年上升，因此有必要將表外的社會融資納入考慮因素.另外，國內(nèi)學(xué)者在社會融資方面的研究做了一定的補充，且多數(shù)基于時間序列的模型進行討論，沒有從空間相關(guān)性的角度進行研究.但是，經(jīng)濟發(fā)展具有區(qū)域聯(lián)動性，一個地區(qū)的發(fā)展顯然會對周邊地區(qū)產(chǎn)生影響，房價亦不例外.一個地區(qū)的房價在受到信貸(含表內(nèi)信貸和表外信貸)、地價、收入等因素影響的同時，也受到相鄰地區(qū)的房價以及自身上一期房價的影響.

基于此，我們考慮以下問題：影子銀行是否助推了房價的上漲？是的話，土地價格和影子銀行在房價上漲因素中孰輕孰重？另外，影子銀行是否影響了土地價格？從區(qū)域經(jīng)濟的聯(lián)動性考慮，他們對房價的空間溢出效應(yīng)如何？本文基于上述問題，選取影子銀行、交互項和土地價格作為解釋變量，選取人均收入水平、人均財政支出、城鎮(zhèn)化率、房地產(chǎn)投資、表內(nèi)信貸等5個控制變量，采用空間滯后模型進行實證分析，發(fā)現(xiàn)：(1)影子銀行和土地價格與房價皆呈現(xiàn)正相關(guān)關(guān)系.其中影子銀行對房價的影響弱于土地價格，且影子銀行會通過土地價格進而促進房價的上漲；(2)人均收入水平與本地區(qū)和相鄰地區(qū)的房價都呈同向變化；財政支出對本地區(qū)和相鄰地區(qū)的房價分別呈現(xiàn)出正面和負面的影響；房地產(chǎn)投資和表內(nèi)信貸對本地區(qū)房價的正向影響較弱，對相鄰地區(qū)房價的影響不明顯.

本文的貢獻主要體現(xiàn)在：(1)許多文獻考察表內(nèi)信貸對房價的影響，本文基于房地產(chǎn)開發(fā)商的融資現(xiàn)狀討論社會融資也就是影子銀行對房價的影響，從另一個角度考察了資本對房價的影響；(2)在確定土地價格對房價正向影響的基礎(chǔ)上，討論影子銀行通過土地價格進而對房價造成的影響；(3)從空間計量的角度分析一個地區(qū)的房價、地價和財政支出等因素對周圍地區(qū)房價的影響，拓寬了研究視角.

1 理論機制分析與假設(shè)

1.1 土地價格與地區(qū)房價

土地價格對房價的正向影響得到了多數(shù)研究的證實.然而也有學(xué)者持不同看法：王鶴[10]采用廣義空間面板數(shù)據(jù)模型實證發(fā)現(xiàn)地價與房價雖然呈現(xiàn)出正相關(guān),但這種相關(guān)比較微弱，其系數(shù)只有0.017，低于信貸的系數(shù)0.140，更是遠遠低于城鎮(zhèn)居民可支配收入的系數(shù)0.336.

本文認為，我國的財政分權(quán)體制導(dǎo)致了“財權(quán)”與“事權(quán)”不對等，地方政府面臨巨大的財政壓力，“以地生財”成了問題的解決之道.通過控制土地出讓，抬高地價從而提高出讓金，必然導(dǎo)致房價上漲.另一方面，政府將所獲得的土地出讓金用于城市建設(shè)、教育和醫(yī)療等支出，提高城市的硬實力和軟實力，吸引人才引進，商品房供需不平衡，進一步推動了房價上漲.基于此，本文提出如下假設(shè)：

H1：一個地區(qū)的土地價格與該地區(qū)的房價呈同向變化.

1.2 影子銀行與地區(qū)房價

房地產(chǎn)業(yè)是一個資金密集型行業(yè)，信貸擴張對房價的推動作用已達成共識.我國房地產(chǎn)業(yè)的資金來源主要有國內(nèi)貸款和自籌資金等.其中，國內(nèi)貸款中的非銀行金融機構(gòu)貸款、自籌資金中的負債融資、委托貸款和信托貸款構(gòu)成了影子銀行的主要組成部分.據(jù)統(tǒng)計，2013年各房企的融資中超過20%來自社會融資渠道，并且國家統(tǒng)計局公布的社會融資規(guī)模數(shù)據(jù)逐年攀升.影子銀行進入房地產(chǎn)是商業(yè)銀行信貸擴張的主要結(jié)果[11].

社會融資的高成本導(dǎo)致房地產(chǎn)商的開發(fā)成本上升，因此房價具有上升的趨勢.另外，房地產(chǎn)本身具有投資屬性，近些年回報率遠遠超過實體經(jīng)濟，因此也會吸引原本服務(wù)于實體的資金進入，從而推高了房價.最后，開發(fā)商從正規(guī)渠道獲得的信貸資金是有限的，從土地購置到售出商品房，其間需要支出并長期占用大量的資金，基于此，我們有理由相信，有相當部分的影子銀行資金被用于土地購置.因此本文提出第二個假設(shè)：

H2：影子銀行推高了地區(qū)房價，同時也助推了該土地價格的上漲.

1.3 地區(qū)房價的溢出效應(yīng)

上述研究從理論和實證上解釋、驗證了土地價格和表外信貸中的影子銀行對房價的影響程度.這些文獻構(gòu)造的大都是時間序列模型，基于本地區(qū)的視角展開研究，極少從空間相關(guān)性考慮房價的變化情況.實際上，正如地理學(xué)者Tobler(1970)指出區(qū)域間宏觀經(jīng)濟存在空間性影響，距離越近相互作用的可能性也越大.因此，空間相關(guān)性是房地產(chǎn)市場上的一個隱含問題[12]：一個地區(qū)的房價在地區(qū)收入和地區(qū)公共設(shè)施服務(wù)的支出等因素的流動作用下必然會對周邊地區(qū)的房價產(chǎn)生虹吸效應(yīng)；另一個可能是基于資金的流動性和歷年來各地區(qū)房價的普漲現(xiàn)象，一個地區(qū)的房價與相鄰地區(qū)的房價同漲跌.因此，本文提出第三個假設(shè)(含兩分項)：

H3a：一個地區(qū)的房價上漲對相鄰地區(qū)的房價變化具有正效應(yīng)；

H3b：一個地區(qū)的經(jīng)濟發(fā)展水平和城市建設(shè)對相鄰地區(qū)的房價產(chǎn)生虹吸效應(yīng).

2 研究設(shè)計

2.1 變量選擇

房價受到需求方和供給方眾多因素的影響.考慮我國的具體國情、本文的研究主題和數(shù)據(jù)的可獲得性，選取各地區(qū)的影子銀行和土地價格以及兩者的交互項作為自變量.同時，一個地區(qū)的人均收入對該地區(qū)的房價有直接且重要的影響；地方政府在基礎(chǔ)設(shè)施建設(shè)、公共環(huán)境、教育資源和醫(yī)療資源的投入水平?jīng)Q定了地區(qū)的吸引指數(shù)，最終決定購房者的選擇，這體現(xiàn)為人均財政支出水平；另外，城鎮(zhèn)化率在房價的影響因素中也舉足輕重；最后我們還控制了房地產(chǎn)表內(nèi)信貸和投資，其中房地產(chǎn)投資額具有時滯性，我們采用各地區(qū)前一年度的投資額.選取的相關(guān)變量如表1所示.

表1 相關(guān)變量及其定義

本文數(shù)據(jù)選取2013—2019年期間全國30個地區(qū)(由于西藏數(shù)據(jù)缺失，不列入)的面板數(shù)據(jù)，并以1978年作為定基指數(shù)消除通貨膨脹影響.所有數(shù)據(jù)來自中國統(tǒng)計局網(wǎng)站，由于數(shù)量級差異較大，對除了城鎮(zhèn)化率外的所有指標均做了對數(shù)處理.

2.2 空間權(quán)重矩陣的構(gòu)造

空間權(quán)重矩陣是一個n×n矩陣，矩陣的每個元素ωij表示地區(qū)i和地區(qū)j的距離.地理距離和經(jīng)濟距離是常見的兩類距離.按照地理距離構(gòu)造權(quán)重矩陣，當?shù)貐^(qū)i和地區(qū)j相鄰時，取ωij=1,不相鄰時則取ωij=0；也可以取

式中,dij表示地區(qū)i和地區(qū)j之間的距離.

林光平使用地區(qū)間人均GDP的差額作為測度地區(qū)間“經(jīng)濟距離”的指標，由此引入經(jīng)濟空間權(quán)重矩陣W*=W×E,其中W是簡單二分權(quán)重矩陣，E的主對角線元素為0，非主對角線元素

2.3 模型選擇

空間自回歸模型(SAR)和空間誤差模型(SEM)是空間計量經(jīng)濟學(xué)中常用的兩個模型，用來解決空間依賴性問題[12].

空間自回歸模型(SAR)也稱空間滯后模型(SLM)，該模型討論某地區(qū)自變量對因變量影響的同時也考察該地區(qū)因變量對相鄰地區(qū)的溢出效應(yīng)，表示為：

y=ρWy+Xβ+ε,

式中，y是被解釋變量，W為權(quán)重矩陣，X是解釋變量矩陣；系數(shù)ρ體現(xiàn)了自回歸效應(yīng)，β為相應(yīng)系數(shù)，ε為誤差項.

空間誤差模型(SEM)是通過誤差項來體現(xiàn)空間依賴性，具體表示為：

y=Xβ+u,

式中擾動項u的生成過程為

u=ρWu+ε,ε～N(0,σ2In).

此處W為空間權(quán)重矩陣.在該模型中，不包含在X中但是對Y有影響的遺漏變量通過擾動項u體現(xiàn)空間相關(guān)性.

一般情況下，兩個模型的選擇標準是選取極大似然估計值較大者.

綜合上述變量選取、計量模型和權(quán)重矩陣構(gòu)造，本文選取如下實證模型逐一檢驗.

不考慮交互效應(yīng)的空間滯后模型和空間誤差模型：

(1)

(2)

式中

ut=λWut+εt,εt～N(0,σ2In).

考慮交互效應(yīng)的空間滯后模型和空間誤差模型：

(3)

(4)

式中

ut=λWut+εt,εt～N(0,σ2In).

3 實證分析

3.1 房價的空間依賴性檢驗

計算2013—2019年全國30個地區(qū)(西藏除外)房價的莫蘭指數(shù)，結(jié)果如表2所示.

表2 2013—2019全國30個地區(qū)房價的莫蘭指數(shù)

由表2可見，2013—2018期間30個地區(qū)的房價莫蘭指數(shù)均大于0.3，房價在空間上呈現(xiàn)出明顯的正相關(guān)關(guān)系，可以進行空間計量分析.

3.2 最優(yōu)模型檢驗

我們利用LM檢驗?zāi)Ｐ瓦x擇.由于權(quán)重矩陣是30*30的矩陣，而實證樣本有210個，故擴大7倍后進行檢驗.由于空間誤差模型沒有通過顯著性檢驗而空間滯后模型P值為0.048，顯然應(yīng)該采用空間滯后模型，即式(1)和式(3)，排除式(2)和式(4).

進一步，我們分別利用Hausman檢驗確定了選擇固定效應(yīng)模型，且結(jié)果提示存在個體固定效應(yīng).因此，我們再次檢驗時間固定效應(yīng)，檢驗結(jié)果顯示原假設(shè)被拒絕，最后確定應(yīng)該選擇個體固定效應(yīng).

3.3 回歸結(jié)果

本部分基于個體固定效應(yīng)的空間滯后模型，對模型(1)和(3)采用stata16實現(xiàn)回歸結(jié)果.

3.3.1 直接回歸分析

首先分析一個地區(qū)內(nèi)部的房價影響因素效應(yīng)，回歸結(jié)果如表3所示.

(1)房地產(chǎn)價格具有極強的空間相關(guān)性.我們看到，無論是否考慮影子銀行和土地價格的交互項，空間自回歸系數(shù)(0.7190和0.6902)都通過了1%的顯著性檢驗，這個結(jié)果與前文Moran指數(shù)的檢驗結(jié)果一致，說明我國各省份之間的房價存在高度的空間穩(wěn)定性，各地區(qū)房價存在空間影響作用，空間依賴在一定程度上影響了區(qū)域的房價.這充分解釋了自2008年以來全國各地區(qū)房價數(shù)次普漲這一現(xiàn)象.房價的這種地區(qū)傳導(dǎo)效應(yīng)或許與購房者的心理因素和投資預(yù)期有著密切的關(guān)聯(lián).

表3 兩種情況下的SAR模型回歸結(jié)果

(2)影子銀行和土地價格與房價都存在同向變化.土地價格是所有的解釋變量中影響系數(shù)最大的(0.0335和0.0350).城市建設(shè)用地數(shù)量受到嚴格限制，更重要的是大多數(shù)地方政府長期形成的土地財政依賴，導(dǎo)致了地價逐年攀升從而抬高房價.而影子銀行作為房地產(chǎn)開發(fā)資金的一個來源，影響系數(shù)并不小，為(0.0173和0.0126)，雖略低于控制變量中的表內(nèi)信貸.這驗證了前文闡述的理論：國家在歷次的調(diào)控中收緊信貸，但房地產(chǎn)商積極尋求社會融資作為資金來源的一個重要補充.資本具有逐利性，更容易進入回報快、收益穩(wěn)健甚至較高的行業(yè).近年來由于實體經(jīng)濟獲利緩慢且增速疲乏，大量資金進入欣欣向榮的房地產(chǎn)行業(yè)，助推了房價的上漲.這一結(jié)果提示國家應(yīng)該謹防社會資金違規(guī)流入地產(chǎn)，造成房地產(chǎn)價格的快速上漲從而放大系統(tǒng)性金融風險.

另外，考慮兩者的交互效應(yīng)，交互項的系數(shù)為正，是0.0017，意味土地價格越高，影子銀行對房價的促進的作用越顯著.我們以北京市2013年和2019年的數(shù)據(jù)為例說明.采用北京市2013年和2019年的土地價格取自然對數(shù)后分別為9.07和10.49，經(jīng)計算影子銀行對房價的影響系數(shù)分別為0.028 419和0.030 833.顯然，基于地價上漲，影子銀行對北京市2019年的房價影響也比2013年的房價影響系數(shù)高出0.002 414.如果沒有考慮交互效應(yīng)，那么影子銀行對房價的影響系數(shù)為0.0173，遠低于考慮交互效應(yīng)后的系數(shù).這說明土地價格的大幅度上漲導(dǎo)致相當一部分的影子銀行資金流入土地市場，從而促進房價的上漲，也進一步驗證了土地價格對房價的決定性作用.

(3)最后考慮控制項，我們看到人均財政支出的影響系數(shù)0.0829最大，通過了1%的水平檢驗.這高度符合實際情況.一個地區(qū)的財政支出越大，即該地區(qū)的教育和醫(yī)療資源越豐富，交通越發(fā)達，自然土地價格越高，從而房價越高.人均收入對房價的影響稍遜于影子銀行規(guī)模，也體現(xiàn)了相對剛需而言，我國房地產(chǎn)更具備金融屬性.城鎮(zhèn)化率沒有通過顯著性檢驗，這可能是兩者的因果關(guān)系并不明確.另外，房地產(chǎn)投資對房價的影響系數(shù)不到0.01，在所有的解釋變量中影響最弱.相對影子銀行，表內(nèi)信貸對房價的影響更大，為(0.0212和0.0198).這意味著必要時國家對房地產(chǎn)開發(fā)的信貸政策作為房地產(chǎn)調(diào)控的手段之一是有效的.

3.3.2 溢出效應(yīng)分析

以上討論的是一個地區(qū)房價的內(nèi)部影響因素.下面從空間相關(guān)性討論溢出效應(yīng)(見表4).

表4 兩種情況下空間溢出效應(yīng)的分解

根據(jù)上述回歸結(jié)果，結(jié)合表6，直接效應(yīng)、間接效應(yīng)和總效應(yīng)都顯著的變量為：影子銀行、土地價格、人均收入水平和人均財政支出水平，而房地產(chǎn)投資和表內(nèi)信貸在間接效應(yīng)中并不顯著.

(1)顯然一個地區(qū)的影子銀行規(guī)模和土地價格對相鄰地區(qū)的房價并無直接影響，然而它可以通過影響本地區(qū)房價從而影響相鄰地區(qū)的房價水平.回歸結(jié)果顯示，不考慮交互效應(yīng)時，一個地區(qū)的影子銀行規(guī)模通過上述方式對相鄰地區(qū)房價的平均影響系數(shù)為0.0406，考慮交互效應(yīng)后減弱為0.0277；而地價因素在考慮交互效應(yīng)后的溢出效應(yīng)影響系數(shù)略有提升，這再一次驗證了地價是房價的決定性因素，且具有較強的空間傳導(dǎo)效應(yīng).

(2)在控制變量中，人均收入水平的溢出效應(yīng)系數(shù)為正.這很大可能是因為地區(qū)經(jīng)濟發(fā)展具有空間聯(lián)動性[14]：如果一個地區(qū)的經(jīng)濟發(fā)展水平較高，自然會帶動相鄰地區(qū)的經(jīng)濟發(fā)展，從而促進地區(qū)的人均收入水平提高，房價因此上漲.另外，我們也發(fā)現(xiàn)一個地區(qū)的財政支出水平對相鄰地區(qū)的房價水平影響系數(shù)為負.這也是比較容易理解的：一個地區(qū)的財政支出主要體現(xiàn)在教育、醫(yī)療和交通方面，顯然這三項的投入越多，對其他城市的吸引力越大，那么該地區(qū)對相鄰地區(qū)的吸血效應(yīng)越明顯，對相鄰地區(qū)的房價呈現(xiàn)出負向影響.

3.4 穩(wěn)健性檢驗

4 結(jié)論與建議

本文以2013—2019全國省級層面數(shù)據(jù)為樣本，采用空間滯后模型分析了各省房價受到影子銀行、土地價格和兩者交互效應(yīng)的影響程度并分解其空間溢出效應(yīng).實證結(jié)果表明，兩者與房價皆呈現(xiàn)正相關(guān)關(guān)系，其中土地價格對房價的影響最大.考慮交互效應(yīng)后，兩者對房價的影響更加顯著.分解溢出效應(yīng)，發(fā)現(xiàn)一個地區(qū)的影子銀行和土地價格對其相鄰地區(qū)的房價都具有正向影響.在控制變量中, 財政支出對房價的作用最顯著，一個地區(qū)的財政支出對本地區(qū)和相鄰地區(qū)的房價分別呈現(xiàn)出正面和負面的影響；人均收入與本地區(qū)和相鄰地區(qū)的房價呈正向關(guān)系；房地產(chǎn)投資和表內(nèi)信貸則僅對本地區(qū)房價產(chǎn)生正向影響.

基于上述研究結(jié)論，筆者認為，在中國經(jīng)濟進入中高速增長“新常態(tài)”轉(zhuǎn)型升級階段以及全面深化改革新形勢下，亟須在中央政府、地方政府、購房者、開發(fā)商和商業(yè)銀行等多元利益群體框架下，從全國層面創(chuàng)新、構(gòu)建土地供給制度和住房金融制度，發(fā)展長效機制[15].本文提出如下建議：

(1)金融行業(yè)應(yīng)加大創(chuàng)新力度，引導(dǎo)資金更多地進入實體企業(yè)，改變影子銀行的“灰色”屬性,宜疏不宜堵.對房地產(chǎn)企業(yè)來說，應(yīng)該多方拓展融資渠道，調(diào)整資金結(jié)構(gòu)，降低風險，實現(xiàn)平穩(wěn)健康發(fā)展.

(2)地方政府應(yīng)當集中力量發(fā)展并壯大實體經(jīng)濟，擺脫土地財政依賴.實體經(jīng)濟是國家經(jīng)濟的立身之本，只有實體經(jīng)濟發(fā)展好了，經(jīng)濟才能充分煥發(fā)活力，地方政府的城市建設(shè)和設(shè)施投入有了資金來源，才能吸引更多的人才為城市服務(wù)，進一步壯大城市，形成良性發(fā)展.另外，在供地方面實行平穩(wěn)供應(yīng)，可以穩(wěn)定土地市場的供需，完善土地管理政策，杜絕開發(fā)商囤地，也可以降低地方政府對土地財政的依賴程度.

(3)重視區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展.近年來一線、新一線城市人口集聚效應(yīng)明顯，房價快速上漲，在一定程度上對周邊城市形成虹吸效應(yīng)，這并不利于區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展.地方政府應(yīng)當積極創(chuàng)造良好條件，吸引企業(yè)和人才，做強地方經(jīng)濟，達成協(xié)調(diào)發(fā)展.當然，這并不代表一味追求絕對均衡，而應(yīng)該是“在集聚中走向平衡”.