收入、房價與金融穩(wěn)定性*——源自異質(zhì)面板門檻模型的解析

沈 悅 郭培利

?

收入、房價與金融穩(wěn)定性*——源自異質(zhì)面板門檻模型的解析

沈 悅 郭培利

（西安交通大學經(jīng)濟與金融學院 陜西西安 710061）

本文以線性和非線性估計對比研究了不同收入的35個大中城市內(nèi)房價對均衡值的偏離和房價的百分比波動分別作用于金融穩(wěn)定性的效應(yīng)。結(jié)果表明：無論房價偏離還是房價波動對金融穩(wěn)定性的影響均顯著存在收入門檻效應(yīng)，前者為雙門檻，后者為單門檻。不同門檻區(qū)間內(nèi)房價與金融穩(wěn)定性關(guān)系不同，中、低收入下支持價值偏離理論，高收入下支持價值抵押理論。房價偏離和房價波動的作用程度相差5倍以上。以房價偏離進行非線性估計被證明更科學。

收入 房價偏離 金融穩(wěn)定性 非線性

一、引 言

房地產(chǎn)作為銀行貸款的經(jīng)常性抵押品，其價格波動對各國金融穩(wěn)定的重要性毋庸置疑。世界多次金融危機均與房價波動關(guān)聯(lián)：如2007年美國“次貸危機”、1999年日本泡沫經(jīng)濟崩潰、1997年東南亞金融危機以及我國海南房產(chǎn)泡沫等。關(guān)于房價與金融穩(wěn)定性的研究在學術(shù)界一直是熱議的焦點，且已形成一定理論。最近有學者如潘和王（Pan和Wang，2013）在研究二者作用時將收入的影響效應(yīng)也考慮在內(nèi)。收入水平影響著住房支付能力、國民財富增長等，與房價和金融穩(wěn)定性的關(guān)系確實密切。細察我國經(jīng)濟現(xiàn)實，收入較高的一線城市北、上、廣、深以及三線城市溫州、神木等，房價波動劇烈，“跑路潮”等金融不穩(wěn)定事件也發(fā)生頻繁，收入中等和較低的城市內(nèi)房價與金融穩(wěn)定性變化就相對平和。由此本文推測收入水平會影響房價與金融穩(wěn)定性的關(guān)系，不同收入水平下房價對金融穩(wěn)定性的效應(yīng)會不同。

關(guān)于房價與金融穩(wěn)定性的關(guān)系，目前業(yè)界從金融加速器分析形成了兩種對立的觀點：一是價值抵押理論，認為房價上漲可以提升金融穩(wěn)定性。房價上漲通過提高抵押資產(chǎn)價值推高了金融資本，由此降低借款者的違約可能性，減少金融資產(chǎn)的風險，從而提升了金融體系穩(wěn)定性（Daglish，2009）。二是價值偏離理論，認為房價上漲會破壞金融穩(wěn)定性。房價上漲將造成逆向選擇和道德風險（Allen和Gale，2001），金融機構(gòu)以不合理的低利率為客戶提供大量貸款，房價預期也鼓勵投資者借款，非理性繁榮下房價嚴重偏離均衡值，金融危機在經(jīng)濟或政策逆轉(zhuǎn)時可能毫無征兆發(fā)生。那么，對于我國城市眾多、財富差距較大的特殊國情，每個城市究竟該以哪一觀點作為經(jīng)濟發(fā)展的指導？不同收入城市內(nèi)房價與金融穩(wěn)定性的關(guān)系具體如何？怎樣才能更科學合理地對三者關(guān)系進行判定？基于以上考慮，本文試圖解決以下問題：（1）我國房價對金融穩(wěn)定性的影響是否存在收入的門檻效應(yīng)；（2）若存在，那么高、中、低收入?yún)^(qū)間內(nèi)房價與金融穩(wěn)定性關(guān)系如何；（3）不同的房價變化測度標準對金融穩(wěn)定性的影響是否存在差異。

二、文獻綜述

不少學者圍繞房價和金融穩(wěn)定性問題進行了理論探討。申（Shin，2008）以房地產(chǎn)作為唯一資產(chǎn)模擬價格變動，發(fā)現(xiàn)資本金價值隨價格變化而波動產(chǎn)生了風險，破壞了金融穩(wěn)定性。古德哈特等（Goodhart et al.，2009）引入包含異質(zhì)性的房產(chǎn)和銀行，研究了抵押貸款、個人違約等如何將最初的房價沖擊轉(zhuǎn)化為金融不穩(wěn)定。達格利什（Daglish，2009），帕里格若瓦和桑托斯（Paligorova和Stantos，2012）發(fā)現(xiàn)金融穩(wěn)定性對房價變化高度敏感，尤其在房價下降時，若同時存在利率上升，則有極大可能導致部分客戶無法償還貸款，金融風險只能由銀行自身承擔。安德烈和阿爾塞（Andre和Arce，2012）模擬銀行高度競爭化的特殊環(huán)境得出房價沖擊的短期經(jīng)濟穩(wěn)定效應(yīng)比長期更強烈的結(jié)論。赫爾（Hull，2015）考慮如何穩(wěn)定金融市場和降低不良貸款時開發(fā)出了一種可變更抵押貸款協(xié)議，通過綁定房價指數(shù)和主要債務(wù)實現(xiàn)。細查以上文獻，在分析房價與金融穩(wěn)定性的關(guān)系時所采用指標多為房價或其指數(shù)的百分比變化，近年已有學者認為應(yīng)將房價對長期均衡值的偏離也考慮在內(nèi)。斯捷潘尼揚等（Stepanyan et al.，2010）肯定了房價波動與多種金融因素關(guān)聯(lián)后，就提出應(yīng)加強房價對均衡值偏離的關(guān)注度，認為這是目前該研究領(lǐng)域的薄弱之處。克特爾和波格斯揚（Koetter和Poghosyan，2010）創(chuàng)新性展開了相關(guān)研究，分離出德國房價對均衡值的偏離，然后采用面板logit模型檢驗了房價變化對金融穩(wěn)定性的價值抵押和偏離效應(yīng)。潘和王（Pan和Wang，2013）也利用PMG估計分離了美國房價對均衡值的偏離，并同時采用房價百分比變化和房價偏離兩個指標對比檢驗了銀行不穩(wěn)定性的響應(yīng)狀況。國內(nèi)學者中僅邱崇明、李輝文（2011）率先使用了房價偏離測度，吸納國際先進思想，在國內(nèi)房價與銀行穩(wěn)定性研究中通過協(xié)整理論、probit估計發(fā)現(xiàn)我國房價上漲更傾向于在偏離回歸效應(yīng)下生成銀行不穩(wěn)定。由此可見，國內(nèi)文獻有關(guān)房價對均衡值偏離的研究幾乎為鳳毛麟角，同時采用多種房價指標進行金融穩(wěn)定效應(yīng)對比的文獻更是暫時空白。

不過國內(nèi)學者在房價與金融穩(wěn)定性關(guān)系研究方面成果不少。如武康平等（2004）構(gòu)建基于中國制度背景的一般均衡模型，揭示了過度繁榮環(huán)境下房價持續(xù)上漲將導致金融失衡的共生性關(guān)系。張曉晶、孫濤（2006）通過分析驅(qū)動房地產(chǎn)周期的增長面、宏觀面與制度面因素得出房地產(chǎn)周期與金融穩(wěn)定息息相關(guān)的結(jié)論。宋凌峰、葉永剛（2010）采用或有權(quán)益資產(chǎn)負債表方法發(fā)現(xiàn)過高和過低的房價都會增加房地產(chǎn)行業(yè)金融風險。譚政勛、王聰（2011）利用多元GARCH和動態(tài)隨機一般均衡模型共同解釋了房價、信貸及其聯(lián)合波動作用于我國金融穩(wěn)定性的經(jīng)驗機制。然而顯然這些研究采用的均是線性方法，我國區(qū)域經(jīng)濟差距懸殊，變量之間很可能存在非線性關(guān)系。上文中潘和王（Pan和Wang，2013）的成果除了吸納房價偏離思想外，最大貢獻就是較之其他更進一步挖掘出房價與銀行不穩(wěn)定性之間存在收入增長影響下的非線性效應(yīng)。早其幾年的研究戈茨（Goetz，2009）也證實了資產(chǎn)價格對金融穩(wěn)定性的影響在跨越門檻值前后存在明顯的非線性結(jié)構(gòu)突變。不過該研究在分類樣本時通過強制劃分資產(chǎn)價格下降程度進行，主觀意念偏重。康和劉（Kang和Liu，2014）將中國內(nèi)地和臺灣的房價劃分為不同層次，研究出臺灣的高房價比內(nèi)地在次貸危機中所受影響更深重，但也是采用外生性標準分類樣本。搜集相關(guān)文獻發(fā)現(xiàn)非線性結(jié)構(gòu)解析近年才嶄露頭角，國內(nèi)相關(guān)研究不多。徐晶（2013）對35個大中城市分析得出房價上漲的穩(wěn)定效應(yīng)有著階段性的不同效果，在不同經(jīng)濟發(fā)展水平地區(qū)存在明顯差異。趙楊等（2011）在時間維度區(qū)分了房價波動對居民消費、經(jīng)濟增長的階段性效應(yīng)，并結(jié)合收入進行了房地產(chǎn)財富效應(yīng)的對比。但這些均為房價對宏觀經(jīng)濟穩(wěn)定的作用，具體至金融穩(wěn)定性的非線性分析國內(nèi)還未出現(xiàn)。高波等（2013）以動態(tài)GMM證實收入差距擴大是引發(fā)城市房價租金比升高的最主要因素。可見對中國房價與金融穩(wěn)定性的分析納入收入的非線性影響十分必要。

本文的創(chuàng)新之處在于：（1）以門限向量自回歸（Threshold Vector Auto-regression, 又稱“門檻模型”）獲取的收入門檻值分類數(shù)據(jù)，從而進行房價與金融穩(wěn)定性關(guān)系在異質(zhì)樣本間的非線性結(jié)構(gòu)解析。此處取代了一般文獻中強加外生性標準分離樣本的方法，使得分析結(jié)果更加科學可靠。（2）采納并構(gòu)建了房價對均衡值的偏離指標（以下均簡稱為“房價偏離”）來分析房價與金融穩(wěn)定性的關(guān)系，并同時使用房價的同比波動指標（以下均簡稱為“房價波動”）更深刻的進行對比挖掘，克服一般文獻中單一角度論證欠周密的不足。

三、研究假設(shè)與模型設(shè)計

（一）假設(shè)提出

從理論上講，收入、房價與金融穩(wěn)定性三者之間相互關(guān)聯(lián)。第一，房價變化與金融穩(wěn)定性波動存在著千絲萬縷的聯(lián)系。金融機構(gòu)的抵押、按揭貸款在房價變化時均因資產(chǎn)價值上升或下降而調(diào)整自身風險敞口或抵御能力；而房地產(chǎn)市場的榮衰則直接是資產(chǎn)價格波動下金融機構(gòu)調(diào)整信貸利率和規(guī)模產(chǎn)生的結(jié)果。第二，金融穩(wěn)定性與收入水平在風險投資、財富分配等作用下也相互制約。金融穩(wěn)定與金融危機環(huán)境下投資者可獲得的收入預期差別較大；高、低收入水平下資金投放的不同也直接影響著金融穩(wěn)定性的強弱波動。第三，房價與收入之間因抵押資產(chǎn)價值、住房支付能力的牽連也存在著相互的影響。房價上漲必然增大居民的固定資產(chǎn)投資性收入，而收入上漲也會因提高了居民住房支付能力使整體房價水平被緩慢推升。因此，收入是房價與金融穩(wěn)定性的重要連接紐帶。

具體來看，收入較低時，居民財富大多用來消費，甚至無力支付房產(chǎn)，房價變化與此類群體關(guān)聯(lián)不大，其金融穩(wěn)定效應(yīng)也較小。收入中等時，居民可累積部分財富用來購買或投資房產(chǎn)，房價變化緊密關(guān)聯(lián)著此類群體的住房支付能力或投資預期收益，其金融穩(wěn)定效應(yīng)隨著財富儲蓄、信貸支持等的關(guān)聯(lián)也相應(yīng)增強，但此類群體收益及能力均有限，房價急速上漲或下跌時的非理性投資、違約償貸等將會使金融穩(wěn)定性遭受極大波動。收入較高時，財富分配在消費、投資、儲蓄等渠道中選擇余地大，是否投資或消費房產(chǎn)成為可選擇性決策，因而帶來的金融效應(yīng)也具有不確定性，但不可置否地，對于此類群體而言投資至關(guān)重要，房地產(chǎn)又是偏好標的，所以此處房價變化對金融穩(wěn)定性具有風向標的重要價值。綜上可知，不同收入水平下房價變化對金融穩(wěn)定性的影響必然不同。鑒于此，本文提出：

假設(shè)1：房價對金融穩(wěn)定性的影響存在收入的門檻效應(yīng)。

更進一步，中、低收入水平下，由于居民趨利性心理作用強烈，有限理性的局部思維方式很可能造成低概率風險的忽略，尤其對于房價上漲預期下成功示范效應(yīng)帶來的集體性行為，極大可能使得短期內(nèi)風險迅速累積，使得金融穩(wěn)定性遭受極大威脅，通常只有緩慢降低房價才能強制更改投資路徑來逐步分散不良影響。高收入水平下，金融虛擬資產(chǎn)的利益誘惑已遠超房產(chǎn)的緩慢收益，但選擇前者也會使風險威脅出現(xiàn)乘數(shù)效應(yīng)，因此大幅增加房產(chǎn)價值吸引投資從虛擬資產(chǎn)轉(zhuǎn)向固定資產(chǎn)，才可平衡風險穩(wěn)定整體金融系統(tǒng)。因而可看出，中、低收入水平時房價上漲偏向在偏離均衡值較大幅度時積累不易察覺的金融風險；高收入水平時房價上漲則偏向通過資產(chǎn)抵押價值的調(diào)整提升金融穩(wěn)定性。鑒于此，本文提出：

假設(shè)2：中、低收入水平下房價對金融穩(wěn)定性的影響支持價值偏離理論；高收入水平下房價對金融穩(wěn)定性的影響支持價值抵押理論。

然而在研究房價和金融穩(wěn)定性關(guān)系時常用的指標為房價波動，近年被證明效用良好且更加實用的房價偏離指標在國內(nèi)研究中卻非常罕見。房價波動的測度與基期數(shù)據(jù)選取的關(guān)聯(lián)很強，在持續(xù)上漲時不會出現(xiàn)負數(shù)；而房價偏離卻與區(qū)域綜合經(jīng)濟相關(guān)，即使持續(xù)上漲也可能因低于均衡值而出現(xiàn)負向的反響修正。二者的描述統(tǒng)計會有較大區(qū)別，因此被推測對金融穩(wěn)定性的影響也會存在較大差異。鑒于此，本文提出：

假設(shè)3：不同測度標準的房價偏離或房價波動對金融穩(wěn)定性的影響也不相同。

（二）理論模型

關(guān)于房價偏離和房價波動對金融穩(wěn)定性影響的分析，如何測度房價對均衡值的偏離是一難點，克特爾和波格斯揚（Koetter和Poghosyan，2010）針對德國78個地區(qū)提出過解決方案；而在同步考慮收入水平影響的條件下，另一需解決的關(guān)鍵就是怎樣依據(jù)收入分離樣本，潘和王（Pan和Wang，2013）使用美國286個大都市異質(zhì)面板的收入、房價和銀行數(shù)據(jù)做出過類似研究。綜上，本文將模型設(shè)計如下：

首先，描述房價與其相關(guān)變量的長期關(guān)系。房價決定因素一般考慮住房需求與供給兩個方面（史永東、陳日清，2009；Stepanyan et al.，2010），收入水平、人口密度、房價增長預期等都是主要的住房需求驅(qū)動；而由于區(qū)域分割、信息不對稱等固有屬性，房地產(chǎn)投資、土地短缺等也極大限制了住房供給。因此，本文將房價描述為：

其中是35個大中城市的房地產(chǎn)價格；表示居民人均可支配收入；、、分別為人口密度、房地產(chǎn)投資、土地購置面積；為誤差項；和分別表示城市和時間。、、的一階滯后與房價存在著顯著的協(xié)整關(guān)系，將式（1）整合為式（2）所示的一階自回歸分布滯后模型：

（2）

IV與IV--1，LD與LD-1，以及IV--1、LD-1與HP-1之間高度相關(guān)，多重共線性明顯，所以不能直接利用式（2）回歸。在房價滯后一期時，式（2）的誤差修正形式為：

速度調(diào)整系數(shù)、截距項0i以及短期調(diào)整系數(shù)30i、40i隨城市而變化，1i、2i、3i、4i為長期調(diào)整系數(shù)。其中預期為負，這就暗示房價對市場不均衡的反應(yīng)有：隨著長期正向偏離均衡值，房價下降；隨著長期負向偏離均衡值，房價上升。對于式（2）和（3）的參數(shù)之間有如下關(guān)系：

（4）

通過估算可得誤差修正項HPD-1= HP-1-- IC-1- PP-1- IV-1- LD-1，這一結(jié)果也就是房價對均衡值的偏離，并能夠在下文分析中作為金融穩(wěn)定性的一項決定因素。

其次，依據(jù)收入水平分離樣本。收入水平被設(shè)定為與房價指標互動的門檻變量，利用漢森（Hansen，1999）提出的門限向量自回歸模型取代一般文獻中強加外部約束進行樣本分離的方法，本文確定了收入門檻值，然后對我國35個大中城市10年間的面板數(shù)據(jù)進行了高、中、低收入城市的科學劃分。關(guān)于門檻值的真實性和顯著性需要進一步檢驗。相關(guān)步驟在實證分析中詳述。

最后，根據(jù)分類后的異質(zhì)性樣本，在不同收入?yún)^(qū)間內(nèi)分別估計房價偏離、房價波動對金融穩(wěn)定性的影響。具體來講，金融穩(wěn)定性指標被作為房價偏離或房價波動、收入水平、相關(guān)金融因素等的一個因變量來進行估計，門檻模型設(shè)定為：

HPD-1是房價偏離的一期滯后估計結(jié)果；表示金融穩(wěn)定性變量；代表相關(guān)金融變量和其他控制因素，為個體固定效應(yīng)，e為誤差項。在此背景下，根據(jù)門檻變量IC-1是大于還是小于門檻值將樣本分類。如果回歸斜率1和2不同，以房價波動變量為例，式（5）可寫為：

（6）

其中，是表示收入?yún)^(qū)間的輔助函數(shù)。如果存在兩個門檻值1和2，以房價偏離變量為例，式（5）可表示為：

四、假設(shè)檢驗與實證分析

（一）變量選取及數(shù)據(jù)處理

本文將研究范圍界定在收入差異具有一定代表性（如圖1所示）且能將不可移動的房地產(chǎn)資產(chǎn)異質(zhì)性考慮在內(nèi)的35個大中城市區(qū)域。這些地區(qū)房價圍繞我國整體均值有著相當?shù)牟▌?，房地產(chǎn)市場的城市間震蕩差異較大。基于房價變化多取決于經(jīng)濟發(fā)展和人口增長的考慮以及已有文獻關(guān)于住房需求、供給的理論分析，本文選定居民人均可支配收入、全市人口密度、房地產(chǎn)投資完成額、土地購置面積作為房價偏離測度的決定性因素。對于房價波動則以2003年為基期計算房價的百分比波動值。以上數(shù)據(jù)均來自《中國房地產(chǎn)統(tǒng)計年鑒》和《中宏產(chǎn)業(yè)數(shù)據(jù)庫》。金融穩(wěn)定性指標的選擇關(guān)系重大，國外文獻中不良貸款已成為一個常用變量（Kauko，2012），銀行破產(chǎn)率（Cebula et al.，2011）、危機概率（Koetter和Poghosyan，2010）等也有被使用。然而我國區(qū)域金融對以上指標的采集或推算尚不完善，地區(qū)性金融統(tǒng)計數(shù)據(jù)中可獲得的最相關(guān)變量即為《中國城市統(tǒng)計年鑒》中的金融機構(gòu)各項存、貸款余額，翟光宇（2013）證明存貸比數(shù)據(jù)對流動性等金融風險的效應(yīng)分析有效。因此，對本文來講，金融機構(gòu)存貸比在研究35個大中城市金融穩(wěn)定性時即最適用變量。此外，根據(jù)房地產(chǎn)市場、金融穩(wěn)定性波動來源和地區(qū)數(shù)據(jù)的可獲得性，在設(shè)定門檻模型時國內(nèi)生產(chǎn)總值、抵押貸款按揭貸款、財政收支比、工資增長額、消費增長額等被作為控制變量使用，數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》。鑒于所有可獲得變量統(tǒng)計時間的一致性，本文選取2003-2012年為期限，表1展示了以上所有變量的描述性統(tǒng)計結(jié)果。為保證模型分析的穩(wěn)定性，對數(shù)據(jù)進行了量綱差異消除及不平穩(wěn)序列取差分或?qū)?shù)，房價同比波動轉(zhuǎn)化為以2003年為基期的定基比數(shù)據(jù)等處理步驟。篇幅所限，不予陳述。

表1 35個大中城市相關(guān)變量的描述性統(tǒng)計量（2003-2012）

圖1 35個大中城市收入水平層次圖①圖2 模型（A）第一門檻值檢驗

圖3 模型（A）第二門檻值檢驗???圖4 模型（B）單一門檻值檢驗

（二）房價偏離的測度

對于房價偏離的測度，由于式（2）和（3）隨機誤差項存在異方差和自相關(guān)，對比動態(tài)面板數(shù)據(jù)的估計方法后本文認為GMM（廣義矩估計）更為有效，而且GMM為穩(wěn)健估計，所得到的參數(shù)估計量比其他方法更合乎實際。表2列舉了GMM得到的相關(guān)系數(shù)估計結(jié)果，根據(jù)式（4）的參數(shù)轉(zhuǎn)換關(guān)系便可計算出的估計值房價偏離、房價波動以及原始房價的描述性統(tǒng)計量在表1中均已列示，其中和的均值正負不同，絕對值相差約1500，最小值的統(tǒng)計也差別甚大，由此可初步認定假設(shè)3的推測合理，采取房價偏離和房價波動兩種指標對金融穩(wěn)定性進行研究有著相當?shù)囊饬x和價值。

表2中P值的顯著統(tǒng)計表明GMM方法的選擇與使用是有效的。與預期和其他文獻一致，在1%的水平上顯著為-0.1860，表明我國上一年度房價對均衡值的偏離有18.60%在本年度被調(diào)整。根據(jù)相關(guān)文獻方法，本文計算了房價在沖擊下對長期均衡值調(diào)整的半衰期-（2）/（1+），得到了3.38年的結(jié)果，即在外部條件不變的情況下，我國房價從目前狀態(tài)調(diào)整至均衡值需約3年半時間?？颂貭柡筒ǜ袼箵P（Koetter和Poghosyan，2010），潘和王（Pan和Wang，2013）分別對德國、美國房價研究后得到的半衰期估計值為6.79年和2.75年。不同國家調(diào)整周期的不同應(yīng)與當?shù)胤康禺a(chǎn)市場是否有效以及國家政策、經(jīng)濟環(huán)境相關(guān)。在此這一結(jié)果為我國房價向長期均衡值進行調(diào)整提供了參考。

表2 房價偏離測度的相關(guān)系數(shù)估計結(jié)果

注：***、**、*分別表示在1%、5%、10%水平下顯著。

長期調(diào)整系數(shù)中房價的收入彈性1i不足0.10，這與潘和王（Pan和Wang，2013）對美國286個大都市房價收入彈性的估計值0.57差距較大，但與史永東、陳日清（2009）的研究結(jié)論比較一致。考慮到我國部分城市房價收入比甚至是美國數(shù)據(jù)的7、8倍，造成原因有統(tǒng)計口徑、數(shù)據(jù)計算方法不同等，較為復雜，此處亦認為結(jié)果合理；房地產(chǎn)投資對房價的影響最強烈且為負的1.7640，據(jù)此分析我國房地產(chǎn)市場投資已接近飽和，繼續(xù)增加只會加劇競爭而壓低房價；其次人口密度增長對房價影響也相當明顯，系數(shù)2i顯示人口密度和房價幾乎呈現(xiàn)同倍增長。短期調(diào)整系數(shù)30i對房價的作用也比較強烈，同樣表明房地產(chǎn)投資對房價影響程度深重，但區(qū)別在于短期內(nèi)投資效應(yīng)為正，即會迅速推高房價，而在長期則導致競爭激烈迫使房價下降。綜合這些估計結(jié)果，長期來看房地產(chǎn)投資、人口密度是推動我國房價上漲的重要因素；而短期內(nèi)房地產(chǎn)投資是房價上漲的主要推力。人口密度增大造成的房價上漲很難調(diào)整，投資推動引起的房價上漲則相對容易改變。

（三）門檻值的獲取與檢驗

遵從理論設(shè)計本文考慮了兩種模型（A）和（B）。其中（A）為在門檻變量收入水平限制下房價偏離對金融穩(wěn)定性的影響，對應(yīng)式（6）；（B）為收入限制下房價波動對金融穩(wěn)定性的影響，對應(yīng)式（7）。在估計式（6）和（7）時，首先必須消除個體效應(yīng)的影響，實證中可從每個觀測值中減去組內(nèi)平均值實現(xiàn)。然后進行是否存在收入門檻效應(yīng)的非線性分析。從搜索一個門檻值開始，將門檻變量取值范圍內(nèi)的任一值作為初始值0賦給，以O(shè)LS估計方程得出對應(yīng)的殘差平方和（0）。再用同樣的方法在區(qū)間內(nèi)選取多個數(shù)值求得（），根據(jù)殘差平方和最小化原則，使得（）最小的0就是可能的門檻值。對于多門檻模型基于同樣的原理，直到第（+1）個門檻值不顯著為止。估計出門檻值后，其他參數(shù)值也就能夠相應(yīng)確定。

接下來需檢驗門檻值的顯著性和真實性。漢森（Hansen，1999）提供了F檢驗、極大似然估計等判斷標準。對于單、雙或三門檻模型方法均類似，限于篇幅，僅介紹單門檻模型檢驗方法。設(shè)定原假設(shè)和檢驗統(tǒng)計量為：

0表示不存在門檻效應(yīng)，0為0條件下方程估計的殘差平方和，且有0≥（）。為隨機誤差項方差的一致估計。在求得時的殘差后可得：

（9）

若拒絕原假設(shè)0，則存在門檻效應(yīng)。但因門檻值事先未定，F(xiàn)不服從2分布，故可使用“自抽樣”（Bootstrap）模擬F的漸進分布來分析。本文利用Stata12.0軟件得到如表3所示的F統(tǒng)計量，結(jié)果顯示（A）應(yīng)建立雙門檻模型，（B）為單門檻模型。由此證明（A）和（B）均存在門檻效應(yīng)，假設(shè)1的推測合理有效，即無論房價偏離還是房價波動對金融穩(wěn)定性的影響均存在收入的門檻效應(yīng)。

進一步需構(gòu)造似然比統(tǒng)計量LR檢驗門檻值的真實性，漢森（Hansen，1999）認為當（）>-2（1-（1-）0.5）時門檻值真實（為顯著性水平），其中：

似然比統(tǒng)計量LR可作為門檻變量的函數(shù)進行繪制，如圖2、3為模型（A）中檢驗第一、二門檻值時與LR的互動，圖4是模型（B）的繪制結(jié)果。與零軸相交處即為模型的門檻值，虛線以下為95%置信區(qū)間，全部檢驗結(jié)果匯總至表4?？芍績r偏離模型（A）的收入“分水嶺”分別為25936元和29505元，房價波動模型（B）的“分水嶺”為28205元，二者門檻效應(yīng)不一致，再次證明假設(shè)3的推測合理有效。

表3 門檻效應(yīng)檢驗結(jié)果

注：***、**、*分別表示在1%、5%、10%水平下顯著。

表4 門檻值估計結(jié)果及置信區(qū)間

（四）門檻估計結(jié)果分析

通過以上門檻檢驗步驟，顯著證明了房價對金融穩(wěn)定性的影響存在收入門檻效應(yīng)的假設(shè)1。根據(jù)內(nèi)生性估計的門檻值，本文將模型（A）的樣本劃分為≤25936、25936＜≤29505、＞29505的高、中、低收入城市三類，將模型（B）的樣本劃分為≤28205、＞28205的高、低收入城市兩類，進而分區(qū)間對模型參數(shù)估計。為了更加直觀的分析模型結(jié)果，除門檻效應(yīng)外，本文也采用面板固定效應(yīng)模型對（A）、（B）估計，進行線性和非線性的結(jié)果對比。

表5 模型（A）和（B）的線性與非線性估計結(jié)果

注：***、**、*分別表示在1%、5%、10%水平下顯著，括號內(nèi)為t值。

如表5所示，第一，從面板固定效應(yīng)模型的線性估計結(jié)果看，（A）中房價偏離和（B）中房價波動均在1%顯著水平上對金融穩(wěn)定性產(chǎn)生正向的強化作用，不同之處在于1單位正向的沖擊影響為0.1963，而則遠大于為0.9051。這一結(jié)果與業(yè)界房價上漲可以加強金融穩(wěn)定性的學者觀點互為佐證，尤其在影響程度方面也與部分文獻近似。不難看出，這是由于模型（B）的指標計算和固定效應(yīng)估計方法均與已有文獻略同。的計算方法剔除了與基期相關(guān)的房價累積波動影響，因此僅為效應(yīng)的46%。此處證明了假設(shè)3“不同房價變化測度方法對金融穩(wěn)定性影響不同”推論的有效性，所得結(jié)論穩(wěn)固，然而無法解釋部分城市房價上漲卻伴隨頻繁“跑路潮”的經(jīng)濟現(xiàn)實。

第二，從非線性門檻模型估計結(jié)果看，雙門檻模型（A）中收入低于29505元的城市群和單門檻模型（B）中收入低于28205元的城市群房價上漲會破壞金融穩(wěn)定性，高于這些收入標準的其他城市則在房價上漲時加強金融穩(wěn)定性。具體來看，模型（A）的低收入水平下，1單位正向沖擊對金融穩(wěn)定性影響僅為-0.0929，比較微弱。這與低收入居民購房意愿不強，財富多用來消費，割裂了投資、儲蓄的金融效應(yīng)有關(guān)，負向的效應(yīng)暗示了房價上漲加壓居民支付能力的窘?jīng)r，因此房價下降才能穩(wěn)定金融市場。中等收入水平下，房價偏離對金融穩(wěn)定性的作用在1%水平顯著且影響較大，為-0.8526。該收入人群盈利欲望強烈而風險偏好不強，因此房產(chǎn)投資較多。當房價正向偏離時，上漲預期和信息不對稱下低利率或低門檻的放貸和鋌而走險的投資渠道異常開放，極易造成逆向選擇的集體性行為，在政策或環(huán)境突變時將通過資金鏈斷裂、信貸違約等流動性風險、道德風險使金融風險快速膨脹，強烈破壞金融穩(wěn)定性。中、低收入水平下的分析均與價值偏離觀點“房價上漲破壞金融穩(wěn)定性”一致。高收入水平下，的系數(shù)顯著為正向0.2996，與中、低收入水平下效應(yīng)相反且僅約為其三分之一。富裕人群財富投資較多，金融虛擬資產(chǎn)收益較高且回籠較快，而房產(chǎn)收益不高卻風險較小，因此只有房價大幅上漲才能吸引投資決策在最優(yōu)選擇中增大房產(chǎn)投資比重，使金融資本通過抵押資產(chǎn)價值上升的渠道而增值，進而降低信貸違約可能性，弱化金融風險，增強金融系統(tǒng)穩(wěn)定。因此高收入水平下與的關(guān)系符合價值抵押觀點“房價上漲提升金融穩(wěn)定性”。模型（B）對和的分析與（A）總體一致，僅作用強度有異。低收入水平下影響為-0.6360，更接近在中等收入時的效應(yīng)，這與門檻值28205和（A）的第二門檻值29505相差不大有關(guān)。高收入水平下對影響為2.8864，幾乎是在高收入時效應(yīng)的9倍，如此大的差異顯著體現(xiàn)了一般文獻中因指標計算導致的金融不穩(wěn)定夸大。此處模型（A）和（B）同時證實了假設(shè)2關(guān)于“中、低收入水平下房價對金融穩(wěn)定性的影響支持價值偏離理論；高收入水平下房價對金融穩(wěn)定性的影響支持價值抵押理論”的論斷，也再次驗證了假設(shè)3。

第三，對比線性和非線性估計結(jié)果，模型（A）的線性固定效應(yīng)估計更接近非線性雙門檻模型中高收入?yún)^(qū)間估計結(jié)果；模型（B）的線性估計數(shù)值上與非線性模型低收入?yún)^(qū)間估計系數(shù)接近，方向卻與高收入?yún)^(qū)間估計結(jié)果一致，可見模型（B）穩(wěn)定性不如（A）。模型（A）和（B）的線性估計均過于粗糙，僅能說明和對作用的大致趨勢。非線性門檻模型分區(qū)間細化了房價對金融穩(wěn)定性的影響，可針對單一城市進行差別化指導，而且單、雙門檻估計結(jié)果大約一致，相互論證，由此可知非線性門檻模型比線性固定效應(yīng)分析可靠性更強。此外，無論模型（A）還是（B），也無論線性還是非線性估計，所有控制變量的系數(shù)均正負一致且大小相差不多，由此可知文中選取這些變量來縮小模型誤差達到了預期效果。綜合以上分析，可知房價偏離模型（A）的非線性門檻估計結(jié)果穩(wěn)定性和可靠性最佳。

五、結(jié) 論

本文通過理論分析發(fā)現(xiàn)收入不僅對城市房價、金融穩(wěn)定性都存在著直接影響，作為關(guān)聯(lián)紐帶也間接作用于二者關(guān)系，因而采用我國35個大中城市2003至2012年的異質(zhì)面板數(shù)據(jù)構(gòu)造了線性固定效應(yīng)和非線性門檻模型，將房價對金融穩(wěn)定性的影響在不同收入城市中進行了實證檢驗。具體得到如下結(jié)論：（1）房價對金融穩(wěn)定性的影響存在收入的門檻效應(yīng)，且從房價對均衡值的偏離分析存在雙門檻值，從房價的同比波動分析存在單一門檻值。（2）無論房價偏離還是房價波動，在中、低收入水平下均支持“房價上漲破壞金融穩(wěn)定性”的價值偏離理論；跨越門檻值進入高收入水平后則支持“房價上漲提升金融穩(wěn)定性”的價值抵押理論。（3）不同測度方法的房價偏離和房價波動對金融穩(wěn)定性作用程度差異較大，后者約為前者的5至9倍。（4）收入水平、人口密度是驅(qū)動我國房價偏離的重要因素，在當前環(huán)境下房價調(diào)整至均衡值需用時約3.38年。（5）非線性門檻模型下房價偏離對金融穩(wěn)定性的影響效應(yīng)被證明相對最穩(wěn)定和可靠。

為此，本文提出以下政策建議：

第一，把握時機適當提高高端住宅、投資型住房、改善性住房銷售價格；盡可能調(diào)整剛需型住宅價格回歸均衡值，拉開與前者的支付差距。高收入群體對房產(chǎn)的偏好在于投資和改善性居住，主要關(guān)注房價預期波動如何，對房價均衡值不甚敏感；又因固定資產(chǎn)投資相較金融虛擬資產(chǎn)風險小，因此一定程度提高此類房產(chǎn)價格既可吸引高收入群體投資，又可穩(wěn)定金融市場平衡，達到共贏互利的效果。對于剛性需求購房者，迫切需要質(zhì)量可靠、價格低廉的緊湊型房屋，若此類房價也長期高于均衡值就只能望房興嘆。剛需群體占據(jù)著我國相當比例，基礎(chǔ)層次需求的長期不得滿足不僅對金融市場甚至社會發(fā)展都將造成嚴重后果。

第二，以調(diào)整房價來穩(wěn)定區(qū)域金融市場時應(yīng)綜合考慮當?shù)厥杖胨?、人口密度等狀況，否則可能適得其反。我國幅員遼闊，城市之間經(jīng)濟發(fā)展差距較大，一味地認為打壓房價便可利國利民的口號不可取，“一刀切”管理模式完全不符合我國宏觀調(diào)控。具體來講，收入較高的城市群如北、上、廣、深等適合有控制和規(guī)劃地部分提升別墅、高檔小區(qū)等房價增幅；而大部分中、低收入城市則應(yīng)依據(jù)居民住房支付能力和房地產(chǎn)市場供求來穩(wěn)定當?shù)胤课蒌N售價格，而非全國性跟風房價變化。

第三，在數(shù)據(jù)信息、技術(shù)能力支持的條件下，采用更加科學可靠的測度和評估方法衡量我國房價變化、金融監(jiān)管、收入差距等經(jīng)濟狀況，可產(chǎn)生更為合理有效、針對性強的政策指導。目前我國政府評估采用的方法手段與社會技術(shù)更新步調(diào)不很一致，信息統(tǒng)計和披露程度也較國際相對保守。區(qū)域金融市場不良資產(chǎn)、總貸款負債比等國際公開數(shù)據(jù)在我國搜集仍較為困難；非線性門檻估計等國際廣泛應(yīng)用模型在我國使用仍較為有限。21世紀科技日新月異，雖然我國整體龐大，但仍然必須杜絕尾大不掉的弊端，為了國計民生，及時學習和應(yīng)用時新技術(shù)，提升業(yè)務(wù)質(zhì)量。

最后，雖然本文得出了一些有益的結(jié)論，但鑒于國內(nèi)城市金融數(shù)據(jù)的可獲得性，僅選取了35個大中城市的10年數(shù)據(jù)為樣本，且變量確定方面受到一定限制，所以在雙門檻模型的低收入城市中所得結(jié)論不甚顯著。隨著我國信息披露強度擴大，未來以更多城市的相關(guān)數(shù)據(jù)研究收入限制下房價對金融穩(wěn)定性的影響將有更具體和重大的指導價值。

1. 高波、王文莉、李祥：《預期、收入差距與中國城市房價租金“剪刀差”之謎》[J]，《經(jīng)濟研究》2013年第6期。

2. 邱崇明、李輝文：《房價波動、銀行不穩(wěn)定和貨幣政策》[J]，《財貿(mào)經(jīng)濟》2011年第3期。

3. 宋凌峰、葉永剛：《中國房地產(chǎn)行業(yè)宏觀金融風險研究——基于金融穩(wěn)定的視角》[J]，《經(jīng)濟管理》2010年第12期。

4. 史永東、陳日清：《不確定性條件下的房地產(chǎn)價格決定：隨機模型和經(jīng)驗分析》[J]，《經(jīng)濟學（季刊）》2009年第1期。

5. 譚政勛、王聰：《中國信貸擴張、房價波動的金融穩(wěn)定效應(yīng)研究——動態(tài)隨機一般均衡模型視角》[J]，《金融研究》2011年第8期。

6. 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)濟技術(shù)經(jīng)濟研究》2004年第10期。

7. 徐晶：《房價上漲與經(jīng)濟增長的退耦分析》[J]，《管理世界》2013年第9期。

8. 翟光宇：《存貸比監(jiān)管指標是否應(yīng)該放松——基于中國上市銀行2007—2012年的季度數(shù)據(jù)分析》[J]，《經(jīng)濟理論與經(jīng)濟管理》2013年第6期。

9. 張曉晶、孫濤：《中國房地產(chǎn)周期與金融穩(wěn)定》[J]，《經(jīng)濟研究》2006年第1期。

10. 趙楊、張屹山、趙文勝：《房地產(chǎn)市場與居民消費、經(jīng)濟增長之間的關(guān)系研究——基于1994-2011年房地產(chǎn)市場財富效應(yīng)的實證分析》[J]，《經(jīng)濟科學》2011年第6期。

11. Allen, F. and Gale, D., 2001, Comparing Financial Systems [M], MIT Press, Cambridge, PP155-160.

12. Andre, S. J. and Arce, O., 2012, “Banking Competition, Housing Prices and Macroeconomic Stability” [J],, Vol.122, PP1346-1372.

13. Cebula, R., Koch, J. and Fenili, R., 2011, “The Bank Failure Rate, Economic Conditions and Banking Statutes in the U.S.” [J],, Vol.39(1), PP39-46.

14. Daglish, T., 2009, “What Motivates a Subprime Borrower to Default?” [J],, Vol.33, PP681-693.

15. Goetz, V. P., 2009, “Asset Price and Banking Distress: A Macroeconomic Approach” [J],, Vol.5, PP298-319.

16. Goodhart, C. A. E., Tsomocos, D. P. and Vardoulakis, A. P., 2009, “Modeling a Housing and Mortgage Crisis” [R], Central Bank of Chile Working Paper, No.547.

17. Hansen, B.E., 1999, “Threshold Effects in Non-dynamic Panels: Estimation, Testing and Inference” [J],, Vol.93, PP345-368.

18. Hull, I., 2015, “The Macro-financial Implications of House Price-indexed Mortgage Contracts” [J],, Vol.127, PP81-85.

19. Kang, H. H. and Liu, S. B., 2014, “The Impact of the 2008 Financial Crisis on Housing Prices in China and Taiwan: A Quantile Regression Analysis” [J],, Vol.42, PP356-362.

20. Kauko, K., 2012, “External Deficits and Non-performing Loans in the Recent Financial Crisis” [J],, Vol.115, PP196-199.

21. Koetter, M. and Poghosyan, T., 2010, “Real Estate Prices and Bank Stability” [J],, Vol.34, PP1129-1138.

22. Paligorova, T. and Stantos, J. C., 2012, “Monetary Policy and Bank Risk-Taking: Evidence from the Corporate Loan Market”[J],, Vol.7, PP1-57.

23. Pan, H. R. and Wang, C., 2013, “House Prices, Bank Instability and Economic Growth: Evidence from the Threshold Model” [J],, Vol.37, PP1720-1732.

24. Shin, H. S., 2008, “Risk and Liquidity in a System Context” [J],, Vol.17(7), PP315-329.

25. Stepanyan, V., Poghosyan, T. and Bibolov A., 2010, “House Price Determinants in Selected Countries of the Former Soviet Union” [R], IMF Working Paper.

（YH）

*本文得到國家自然科學基金項目（71373201）和西安交通大學重大重點招標項目（skz2014003）的資助。