房?jī)r(jià)波動(dòng)與金融支持的關(guān)聯(lián)效應(yīng)研究

李勇剛，李 祥

（南京大學(xué) 經(jīng)濟(jì)學(xué)院，南京 210093）

0 引言

當(dāng)前，在穩(wěn)健的貨幣政策和新一輪密集調(diào)控政策的作用下，房地產(chǎn)企業(yè)面臨的信貸環(huán)境逐步趨緊，利用銀行貸款進(jìn)行融資的難度也進(jìn)一步加大。貨幣政策工具的使用以及限購(gòu)令等調(diào)控政策促使金融支持的增速開(kāi)始放緩，金融支持力度逐漸減弱，房?jī)r(jià)也產(chǎn)生了向下調(diào)整的趨勢(shì)，未來(lái)一段時(shí)間內(nèi)房地產(chǎn)市場(chǎng)整體步入蕭條的可能性大增。那么，金融支持力度的減弱能否引起房?jī)r(jià)下降及房地產(chǎn)市場(chǎng)的蕭條？金融支持與房?jī)r(jià)波動(dòng)的相互作用機(jī)理又呈現(xiàn)出怎樣特征？金融支持與房?jī)r(jià)的相互影響是否具有區(qū)域性差異？在此，本文將圍繞這些問(wèn)題進(jìn)行深入探討。利用全國(guó)35個(gè)大中城市面板數(shù)據(jù)實(shí)證檢驗(yàn)金融支持與房?jī)r(jià)之間的相互作用機(jī)理，分析金融支持在房?jī)r(jià)波動(dòng)中的重要作用。

1 理論框架

1.1 金融支持與房?jī)r(jià)的相互影響及關(guān)聯(lián)分析

1.1.1 金融支持對(duì)房地產(chǎn)價(jià)格的作用機(jī)理分析

本文將金融支持界定為房地產(chǎn)開(kāi)發(fā)企業(yè)所獲得銀行貸款、實(shí)際利用的外資、其他來(lái)源資金及當(dāng)年商品房銷售總額的70%四個(gè)部分組成。在此，本文將主要基于銀行信貸資金及外資的視角分析金融支持對(duì)房?jī)r(jià)的作用機(jī)理。當(dāng)銀行信貸、外資、其他來(lái)源資金不斷的注入房地產(chǎn)市場(chǎng)時(shí)，可以從兩個(gè)方面作用于房?jī)r(jià)：一方面，房地產(chǎn)開(kāi)發(fā)商的現(xiàn)金流增加，可以進(jìn)行更大規(guī)模的房地產(chǎn)開(kāi)發(fā)投資及投機(jī)，在增加市場(chǎng)的住房供給的同時(shí)也推高了房?jī)r(jià)；另一方面，居民從銀行等金融機(jī)構(gòu)獲得住房抵押貸款將變得更容易，居民對(duì)住房的需求潛力將得到極大的釋放。兩方面共同作用，將直接導(dǎo)致房地產(chǎn)價(jià)格的波動(dòng)以及泡沫的產(chǎn)生，使房地產(chǎn)市場(chǎng)進(jìn)入非理性繁榮狀態(tài)。房地產(chǎn)市場(chǎng)的繁榮，將吸引更多銀行信貸資金、外資及其他來(lái)源資金進(jìn)入房地產(chǎn)市場(chǎng)進(jìn)行投資及投機(jī)，推動(dòng)房?jī)r(jià)的大幅波動(dòng)。當(dāng)采取穩(wěn)健貨幣政策時(shí)，銀行信貸緊縮時(shí)，信貸量下降及外資進(jìn)入減少，金融支持力度下降，房地產(chǎn)市場(chǎng)投資及投機(jī)行為成本提升，利潤(rùn)下降；同時(shí)，居民住房需求將下降，最終引起房地產(chǎn)市場(chǎng)衰退，房?jī)r(jià)下跌。

1.1.2 房地產(chǎn)價(jià)格上漲對(duì)金融支持的作用機(jī)理

房地產(chǎn)市場(chǎng)與金融市場(chǎng)緊密相關(guān)，金融支持為房地產(chǎn)市場(chǎng)發(fā)展提供資金，而房地產(chǎn)行業(yè)的繁榮又為金融資本提供了一個(gè)高回報(bào)的投資渠道，因而房?jī)r(jià)對(duì)金融支持也具有一定的影響力。一方面，當(dāng)房地產(chǎn)市場(chǎng)處于繁榮期，房?jī)r(jià)上升時(shí)，更多的資金將進(jìn)入房地產(chǎn)市場(chǎng)進(jìn)行投資及投資活動(dòng)。對(duì)于銀行而言，其持有的住房資產(chǎn)的價(jià)值相應(yīng)提高，房地產(chǎn)抵押品的市場(chǎng)價(jià)值相應(yīng)上升，違約風(fēng)險(xiǎn)降低，愿意將更多貸款投向房地產(chǎn)行業(yè)以獲得更多利潤(rùn)，因而能夠吸引到更多的銀行貸款流入房地產(chǎn)行業(yè)。另一方面，當(dāng)房?jī)r(jià)上漲時(shí)，房地產(chǎn)市場(chǎng)的投資者及投機(jī)者所持有的住房擔(dān)保品的價(jià)值將相應(yīng)提高，因而可以從銀行等金融機(jī)構(gòu)獲得更多信貸資金用于住房投資及投機(jī)活動(dòng)。當(dāng)房?jī)r(jià)下降時(shí)，住房抵押品價(jià)值的相應(yīng)降低將導(dǎo)致銀行減少貸款，開(kāi)發(fā)商也會(huì)因市場(chǎng)前景黯淡而減少資金投入，外資也會(huì)因?yàn)槔麧?rùn)的下降而撤出市場(chǎng)，因而金融支持力度也將相應(yīng)減弱。

1.2 數(shù)理模型分析

為了對(duì)房?jī)r(jià)與金融支持的相互作用機(jī)理進(jìn)行更深入研究，本文在理論分析基礎(chǔ)上，構(gòu)建了包括消費(fèi)者和開(kāi)發(fā)商兩部門的動(dòng)態(tài)供求價(jià)格決定模型。1.2.1 消費(fèi)者

消費(fèi)者作為理性人，只消費(fèi)一般商品和住房，在預(yù)算約束下通過(guò)選擇不同商品組合達(dá)到效用的最大化。通過(guò)借鑒Henderson和Ioannides(1983)的思想，本文做了如下假定：(1)消費(fèi)時(shí)間劃分為兩個(gè)時(shí)期，消費(fèi)者用第一期（即當(dāng)期）的收入和信貸購(gòu)買一般商品和住房，兩個(gè)時(shí)期消費(fèi)的商品和住房數(shù)量不變；(2)消費(fèi)者第二期的財(cái)富包括第二期收入和住房的增值額之和，并扣除信貸本息和；(3)消費(fèi)者的效用函數(shù)服從柯布-道格拉斯效用函數(shù)形式，即U(x,h)=xαhβ，將其對(duì)數(shù)化之后變?yōu)棣羖nx1+βlnh1；(4)第一期只支付首付，第二期支付本金和利息，利率為i，一般商品的價(jià)格標(biāo)準(zhǔn)化為1。以上式子中，V(w)是第二期的間接效用函數(shù)，U(x,h)和V(w)都是嚴(yán)格擬凹函數(shù)，y1和y2分別是第一期和第二期的收入，h1d和x1分別是住房購(gòu)買面積與一般商品消費(fèi)數(shù)量，η為時(shí)間貼現(xiàn)因子，α是一般商品消費(fèi)的效用彈性，β為住房消費(fèi)的效用彈性，θ是房?jī)r(jià)的上漲程度，L為房貸總額。

建立拉格朗日函數(shù)為：

Z(x,h,λ)=αlnx1+βlnh1d+ηV(w)+λ(x1+p1h1d-L-y1)

由效用最大化的一階條件可得：

式中，λ是拉格朗日因子，將式(5)和式(6)合并，可得當(dāng)期消費(fèi)者住房的最優(yōu)需求量表達(dá)式：

1.2.2 開(kāi)發(fā)商

為了對(duì)房地產(chǎn)開(kāi)發(fā)商在市場(chǎng)中的行為進(jìn)行分析，本文借鑒Muraki(2009)和況偉大(2010)的思想，做了如下假設(shè)：(1)開(kāi)發(fā)商的開(kāi)發(fā)周期分為兩個(gè)時(shí)期段，第一期投入土地和資金兩種要素，第二期投入勞動(dòng)力進(jìn)行開(kāi)發(fā)；(2)市場(chǎng)結(jié)構(gòu)為寡頭壟斷模式，市場(chǎng)中房地產(chǎn)開(kāi)發(fā)商數(shù)量較少，開(kāi)發(fā)商之間是一種古諾寡頭競(jìng)爭(zhēng)的關(guān)系；(3)開(kāi)發(fā)商的生產(chǎn)函數(shù)為柯布-道格拉斯生產(chǎn)函數(shù)形式，成本函數(shù)為F(h2)+chh2s+W2N2，其中ch為每單位建筑面積的土地成本，W2為雇傭勞動(dòng)力的基本工資，N2為雇傭的勞動(dòng)力數(shù)量，F(xiàn)(h2)是住房供給的函數(shù)，表示除了勞動(dòng)和土地之外的其他成本支出；(4)開(kāi)發(fā)商的開(kāi)發(fā)成本等于自籌資金與金融支持之和。

以上式子中，i為利率，B1為自籌資金，K1為金融支持量，I2為開(kāi)發(fā)商在第二期新開(kāi)發(fā)住房的數(shù)量，h1s為第一期住房供給量，h2s為第二期住房的存量，δ為第二期住房的折舊比率，A是綜合技術(shù)水平，R1為第一期投入的土地?cái)?shù)量，ξ、ψ和ζ分別表示金融支持量產(chǎn)出的彈性系數(shù)、勞動(dòng)力產(chǎn)出的彈性系數(shù)和土地產(chǎn)出的彈性系數(shù)。

由古諾寡頭模型中廠商的產(chǎn)量選擇和價(jià)格競(jìng)爭(zhēng)過(guò)程可知，通過(guò)實(shí)現(xiàn)單個(gè)開(kāi)發(fā)商利潤(rùn)的最大化可以達(dá)到古諾均衡。因而由利潤(rùn)最優(yōu)化的一階條件可得：

將式(14)進(jìn)行變換，可得到第二期住房供給的表達(dá)式：

其中，ρ=(1+i)[F'(h2)+ch] ，將式(11)代入式(15)計(jì)算得到當(dāng)期房地產(chǎn)開(kāi)發(fā)商最優(yōu)住房供給量得表達(dá)式：

當(dāng)h1d=h1s時(shí)，住房市場(chǎng)實(shí)現(xiàn)了出清，此時(shí)價(jià)格為均衡價(jià)格。將式(12)代入式(9)和式(16)，當(dāng)ρ-p2＞0 及時(shí)，可得住房市場(chǎng)均衡價(jià)格為：

由上述均衡條件可得到命題1及推論1：

推論1：當(dāng)不同地區(qū)收入水平存在差異時(shí)，金融支持對(duì)房?jī)r(jià)的影響存在顯著的區(qū)域性差異。

2 實(shí)證檢驗(yàn)

2.1 變量的選取和計(jì)量模型的選擇

在以往研究中，很多學(xué)者使用全國(guó)或某一地區(qū)的時(shí)間序列數(shù)據(jù)對(duì)房?jī)r(jià)與金融支持的關(guān)系進(jìn)行分析，而這樣的研究往往會(huì)忽視房?jī)r(jià)在短時(shí)間內(nèi)的變化和區(qū)域性差異。因此，本文使用全國(guó)35個(gè)大中城市的面板數(shù)據(jù)進(jìn)行分析，既可減少分析中存在的異方差，也可以對(duì)區(qū)域性差異進(jìn)行比較，從而有效地反映出房地產(chǎn)市場(chǎng)運(yùn)行中局部特征。

根據(jù)前文數(shù)理分析結(jié)果和實(shí)證分析的需要，我們?cè)O(shè)計(jì)了模型中所涉及到的幾個(gè)變量：

房?jī)r(jià)(HP)。房?jī)r(jià)作為被解釋變量，本文用各個(gè)城市的商品房平均銷售價(jià)格表示房?jī)r(jià)，即各個(gè)城市的商品房的銷售總額除以相應(yīng)年度的銷售面積所得。

金融支持(L)。金融支持作為解釋變量。目前房地產(chǎn)開(kāi)發(fā)投資的資金來(lái)源中，包括銀行信貸、外資、自籌資金及其他資金。借鑒周京奎(2004)的思想，并考慮購(gòu)房首付30%這樣一個(gè)因素，本文將扣除掉自籌資金后的房地產(chǎn)開(kāi)發(fā)資金來(lái)源與當(dāng)年商品房銷售總額的70%之和作為金融支持變量。

商品房竣工面積(JGMJ)。商品房竣工面積可作為控制變量，表示影響房地產(chǎn)價(jià)格的供給因素，反映市場(chǎng)真是的供給能力。

房地產(chǎn)開(kāi)發(fā)投資(FDCTZ)。房地產(chǎn)開(kāi)發(fā)投資作為控制變量，也可反映市場(chǎng)真是的供給能力。

城鎮(zhèn)居民人均可支配收入(KZPSR)。用城鎮(zhèn)居民人均可支配收入作為衡量居民收入水平的指標(biāo)，可反映居民真實(shí)的住房需求能力。

本文之所以沒(méi)有將利率、匯率、土地出讓價(jià)格等因素作為控制變量加入進(jìn)行模型中，主要是因?yàn)槔屎蛥R率對(duì)房?jī)r(jià)的影響很大一部分可以通過(guò)金融支持來(lái)實(shí)現(xiàn)，而35個(gè)大中城市的土地出讓價(jià)格數(shù)據(jù)不容易獲取。

由式(17)及以上分析可知，可將房?jī)r(jià)對(duì)數(shù)型計(jì)量經(jīng)濟(jì)模型以及房金融支持對(duì)數(shù)型計(jì)量經(jīng)濟(jì)模型表示為：

式(18)和式(19)中，下標(biāo)i和t分別表示各城市及時(shí)間；α0表示截距項(xiàng)；β1表示解釋變量對(duì)被解釋變量的影響程度，φ表示控制變量對(duì)被解釋變

量的影響系數(shù)，γ表示地區(qū)虛擬變量對(duì)被解釋變量的影響彈性大??；M表示控制變量，D表示地區(qū)虛擬變量，東部城市=1，中西部地區(qū)城市=0；μit表示隨機(jī)誤差項(xiàng)。

2.2 數(shù)據(jù)的整理及描述性分析

本文數(shù)據(jù)來(lái)源于2000～2010年的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)城市統(tǒng)計(jì)年鑒》、《中國(guó)房地產(chǎn)統(tǒng)計(jì)年鑒》、中經(jīng)網(wǎng)產(chǎn)業(yè)數(shù)據(jù)庫(kù)以及國(guó)研網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)。樣本包括東部地區(qū)的北京、天津、石家莊、沈陽(yáng)、大連、上海、濟(jì)南、南京、杭州、福州、廈門、廣州、深圳和?？诘仁鶄€(gè)城市，中部地區(qū)的太原、南昌、合肥、長(zhǎng)沙、武漢、鄭州、哈爾濱、長(zhǎng)春等八個(gè)城市以及西部地區(qū)的重慶、成都、貴陽(yáng)、昆明、西安、蘭州、西寧、銀川、南寧、烏魯木齊和呼和浩特等十一個(gè)城市。由于拉薩數(shù)據(jù)難以獲取，所以本文選取以上35個(gè)大中城市1999～2009年的數(shù)據(jù)進(jìn)行實(shí)證分析。為了消除樣本數(shù)據(jù)中所存在的異方差問(wèn)題，本文對(duì)所有變量進(jìn)行自然對(duì)數(shù)處理。同時(shí)本文所采用的分析軟件是Eviews 6.0。對(duì)所有變量的描述性分析，如表1所示。

表1 變量描述性分析結(jié)果

2.3 穩(wěn)健性檢驗(yàn)

為避免實(shí)證中存在的偽回歸問(wèn)題，保證回歸分析結(jié)果的有效性及無(wú)偏性，在進(jìn)行計(jì)量分析之前需要對(duì)面板數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。本文使用LLC、IPS、ADF-Fisher、PPFisher四種方法對(duì)各變量進(jìn)行ADF檢驗(yàn)。檢驗(yàn)結(jié)果如表2所示。表2中結(jié)果表明，lnHP、lnL、lnJGMJ、lnFDCTZ和lnKZPSR等五個(gè)變量都含單位根，為非平穩(wěn)序列，一階差分檢驗(yàn)后為平穩(wěn)序列，則可認(rèn)為五個(gè)變量是一階單整，可進(jìn)一步對(duì)其進(jìn)行協(xié)整檢驗(yàn)，以檢驗(yàn)變量之間可能存在的協(xié)整關(guān)系。

為了確保協(xié)整檢驗(yàn)結(jié)論的可靠性和有效性，本文采用基于Engel-Granger兩步法為基礎(chǔ)的Pedroni統(tǒng)計(jì)量和Kao統(tǒng)計(jì)量對(duì)lnHP、lnL、lnJGMJ、lnFDCTZ和lnKZPSR之間的協(xié)整關(guān)系進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果如表3所示，Kao檢驗(yàn)等大部分檢驗(yàn)方法在1%的顯著水平下拒絕原假設(shè)，因此本文認(rèn)為房地產(chǎn)價(jià)格與其他四個(gè)變量之間存在長(zhǎng)期均衡關(guān)系，可進(jìn)一步進(jìn)行回歸分析。

表2 各變量面板數(shù)據(jù)單位根檢驗(yàn)

2.4 實(shí)證檢驗(yàn)結(jié)果分析

2.4.1 金融支持對(duì)全國(guó)35個(gè)大中城市房?jī)r(jià)的整體影響

由Hausman檢驗(yàn)結(jié)果可知，35個(gè)大中城市整體面板數(shù)據(jù)模型1、2和3均支持固定效應(yīng)模型進(jìn)行檢驗(yàn)，模型4支持隨機(jī)效應(yīng)模型進(jìn)行回歸分析，結(jié)果如表4所示。

表3 各變量面板數(shù)據(jù)協(xié)整檢驗(yàn)

模型1回歸結(jié)果顯示，金融支持變量對(duì)房?jī)r(jià)的影響在1%水平上顯著為正，其影響的彈性系數(shù)為0.35，即金融支持每變動(dòng)一個(gè)百分點(diǎn)將導(dǎo)致房?jī)r(jià)變動(dòng)0.35個(gè)百分點(diǎn)，這說(shuō)明金融支持能夠?qū)Ψ績(jī)r(jià)產(chǎn)生重要影響，進(jìn)而驗(yàn)證了命題1。模型2在控制了商品房竣工面積和房地產(chǎn)開(kāi)發(fā)投資兩個(gè)供給因素之后，金融支持變量對(duì)房?jī)r(jià)的影響在1%水平上顯著為正，影響系數(shù)為0.348，與未控制供給因素相比差別不大。模型3和4控制了城鎮(zhèn)人均可支配收入這一影響房?jī)r(jià)的需求因素，金融支持對(duì)房?jī)r(jià)的影響在1%水平上仍然顯著為正，影響系數(shù)分別為0.18和0.21，仍然證明了命題1的正確性。表明在考慮所有控制變量情況下金融支持每變動(dòng)1百分點(diǎn)將引起房?jī)r(jià)變動(dòng)0.21個(gè)百分點(diǎn)，其對(duì)房?jī)r(jià)的影響程度高于商品房竣工面積和房地產(chǎn)開(kāi)發(fā)投資，低于城鎮(zhèn)人均可支配收入。地區(qū)虛擬變量的回歸系數(shù)通過(guò)了顯著性檢驗(yàn)，表明金融支持對(duì)房?jī)r(jià)波動(dòng)的影響在不同地區(qū)有顯著的區(qū)域性差異，發(fā)達(dá)地區(qū)的金融支持對(duì)房?jī)r(jià)所施加的影響更大，從而驗(yàn)證了推論1。商品房竣工面積和住房投資等控制變量對(duì)房?jī)r(jià)的影響都顯著，其中商品房竣工面積對(duì)房?jī)r(jià)影響顯著為負(fù)，城鎮(zhèn)居民人均可支配收入對(duì)房?jī)r(jià)的影響顯著為正。

表4 各變量與房?jī)r(jià)波動(dòng)的回歸結(jié)果

2.4.2 房?jī)r(jià)波動(dòng)對(duì)金融支持程度的影響

由Hausman檢驗(yàn)結(jié)果可知，35個(gè)大中城市整體面板數(shù)據(jù)模型1支持隨機(jī)效應(yīng)模型進(jìn)行回歸分析，模型2、3和4支持固定效應(yīng)模型進(jìn)行回歸分析，所得結(jié)果如表5所示。

模型1的回歸分析結(jié)果顯示房?jī)r(jià)對(duì)金融支持的影響在1%水平上顯著為正，表明房地產(chǎn)價(jià)格對(duì)金融支持具有正向影響，房?jī)r(jià)每上漲1%將引起金融支持增加2.19個(gè)百分點(diǎn)，從而證明了命題1。在控制了房?jī)r(jià)的供求影響因素之后，模型2、3和4的回歸結(jié)果表明房?jī)r(jià)對(duì)金融支持的影響在1%水平上顯著為正，但影響系數(shù)下降，分別為0.62、0.44和0.5，說(shuō)明房地產(chǎn)開(kāi)發(fā)投資與人均可支配收入等控制變量對(duì)金融支持均能夠產(chǎn)生正向顯著影響，而且實(shí)證結(jié)果也證明了這種觀點(diǎn)。地區(qū)虛擬變量回歸系數(shù)不顯著，說(shuō)明房?jī)r(jià)對(duì)金融支持的影響不存在顯著的區(qū)域性差異，房?jī)r(jià)上漲對(duì)東、中西部地區(qū)房地產(chǎn)市場(chǎng)的貨幣資金流入量的影響沒(méi)有顯著的區(qū)域性差異。

表5 各變量與金融支持的回歸結(jié)果

3 結(jié)論

本文通過(guò)構(gòu)建房地產(chǎn)市場(chǎng)的局部均衡模型，研究房?jī)r(jià)與金融支持的相互影響機(jī)理，并給出了相關(guān)命題。進(jìn)而利用中國(guó)35個(gè)大中城市1999～2009年的面板數(shù)據(jù)進(jìn)行實(shí)證分析，得出了以下結(jié)論：

(1)金融支持對(duì)房?jī)r(jià)具有正向顯著影響，金融對(duì)房地產(chǎn)市場(chǎng)支持力度的變動(dòng)將導(dǎo)致房?jī)r(jià)也發(fā)生相應(yīng)波動(dòng)。

(2)金融支持對(duì)房?jī)r(jià)的影響存在區(qū)域性顯著差異，對(duì)東部地區(qū)的影響大于對(duì)中西部地區(qū)。

(3)房?jī)r(jià)對(duì)金融支持程度同樣具有正向影響，房?jī)r(jià)上漲會(huì)吸引更多資金進(jìn)入房地產(chǎn)市場(chǎng)進(jìn)行投資和投機(jī)活動(dòng)。但是，房?jī)r(jià)對(duì)金融支持程度的影響不存在區(qū)域性差異。

[1] 馮晶.亞洲金融危機(jī)對(duì)我國(guó)房地產(chǎn)業(yè)發(fā)展的啟示[J].經(jīng)濟(jì)體制改革,1999,(2).

[2] 李文斌.外商投資我國(guó)大陸房地產(chǎn)的動(dòng)因[J].中外投資,2004(9).

[3] 文林峰.加強(qiáng)監(jiān)管外資進(jìn)入中國(guó)房地產(chǎn)市場(chǎng)已迫在眉睫[J].中國(guó)房地信息,2005,(11).

[4] 劉明興,羅俊偉.泡沫經(jīng)濟(jì)與金融危機(jī)[J].經(jīng)濟(jì)學(xué)家,2000,(4).