房企融資杠桿對房價影響的實證分析

譚本艷，黃 婧，向古月

（三峽大學 經(jīng)濟與管理學院，湖北 宜昌 443002）

0 引言

自中國實行了住房制度改革以來，房地產(chǎn)行業(yè)得到了迅速發(fā)展，房價也相應出現(xiàn)了快速攀升。房價快速攀升不僅直接與廣大公眾的生活息息相關，而且會對實體經(jīng)濟產(chǎn)生較大的擠出效應。因此，房價問題受到政府的高度關注。同時，房價問題也成為學術界研究的熱點話題，國內(nèi)外學者對影響房價的因素展開了大量研究，從已有文獻來看，國內(nèi)外學術界的研究視角主要集中在兩個方面。一方面是研究收入、人口、土地供給等因素對房價的影響[1-5]。另一方面是研究貨幣政策、稅收政策、土地政策等宏觀調(diào)控政策對房價的影響[6-14]。

眾所周知，房地產(chǎn)行業(yè)屬于典型的雙向杠桿行業(yè)，即房地產(chǎn)開發(fā)商（以下簡稱房企）通過較少的自有資金進行杠桿融資獲得較多的資金開發(fā)房產(chǎn)，購房者通過較少的自有資金向銀行貸款購買房產(chǎn)。從理論上講，如果房企融資金額較大，可能會提高房價來消化財務成本。因此，房企融資杠桿的存在對房價有較大的影響。黨中央提出的“供給側結構性改革”戰(zhàn)略中的一個重要內(nèi)容就是“去杠桿”，為此，本文將在研究中國房產(chǎn)價格和房企融資杠桿現(xiàn)狀的基礎上，分析房企融資杠桿影響房價的原因，并基于空間面板數(shù)據(jù)模型實證分析房企融資杠桿對房價的影響。

1 中國房產(chǎn)價格概況

本文從Wind數(shù)據(jù)庫選取了中國31個省市1999—2015年的商品房（房屋）的平均銷售價格（以下簡稱房價）的數(shù)據(jù)，對中國房產(chǎn)價格進行研究。中國總體房屋均價由1999年的1676.53元/平方米開始逐年上漲，到2015年達到了7514.80元/平方米。從增長速度來看，中國房價在1999—2015年間年均增長超過10%。

限于篇幅，本文僅列出了中國31個省市1999年、2008年和2015年的房價情況（見表1）。

表1 31個省市房價 (單位：元/平方米)

從表1可以看出，不同省份之間房價差異較大。中、西部地區(qū)房價普遍低于東部沿海地區(qū)。

進一步，本文將31個省市1999—2015年房價作算數(shù)平均計算，并將房價介于[2400,2800)、[2800,4000)和[4000,11000)三個區(qū)間分別界定為房價水平高、房價水平一般、房價水平較低。結果顯示：（1）房價水平高的省市包括8個，分別是北京、上海、浙江、天津、廣東、海南、福建和江蘇，房價介于4000元/平方米和11000元/平方米之間；（2）

房價水平一般的省市包括12個，分別是遼寧、四川、重慶、山東、湖北、陜西、安徽、黑龍江、云南、廣西、河北和吉林，房價介于5000元/平方米和6500元/平方米之間；（3）房價水平低的省市包括11個，分別是甘肅、湖南、河南、貴州、內(nèi)蒙古、青海、江西、新疆、山西、寧夏和西藏，房價介于2400元/平方米和2800元/平方米之間。

2 房企融資杠桿概況

2.1 房企融資杠桿的界定

在中國的實體經(jīng)濟中，金融產(chǎn)品相對匱乏，房地產(chǎn)行業(yè)憑借其獨特的投資價值成為具備金融屬性的行業(yè)，面對房地產(chǎn)產(chǎn)品的這一特殊屬性，行業(yè)內(nèi)參與者都在很大程度上依賴融資杠桿工具。房地產(chǎn)投資的資金來源總的來說包括兩大部分：自有資金和外部資金，其中外部資金主要來源于國內(nèi)貸款、利用外資以及其他資金來源。本文對房企融資杠桿做如下界定：房企融資杠桿率=借貸資本/自有資本，采用借貸資金來增大所得稅前權益投資收益率稱為融資杠桿，在項目投資中借貸資金占的比重越大則杠桿效應越顯著。其公式如下：

levi=(i=1,2,3,…,31) （1）

式（1）中，levi表示省份i房企的融資杠桿率；loani表示省份i房企融資結構中的借貸資本總金額；totali表示省份i房地產(chǎn)企業(yè)融資的自有資本總金額。顯然，融資杠桿率levi反映了房企通過自有資金撬動外部資金的能力。loani ownedi

2.2 房企融資杠桿率的省際差異

為了分析中國31省市房企融資杠桿率levi的差異，本文從Wind數(shù)據(jù)庫收集了31個省市1999—2015年房地產(chǎn)開發(fā)企業(yè)資金來源的數(shù)據(jù)，并根據(jù)式（1）計算了各省市房企的融資杠桿率levi。在此基礎上，進一步計算了1999—2015年31個省市房企融資杠桿率levi的簡單算術平均值（見表2）。

表2 31個省市房企融資杠桿率（1999—2015年平均值）

由表2可以看出，在1999—2015年期間，31個省市l(wèi)evi最大值達到3.55，最小值僅為0.65。其中，有13個省市房企融資杠桿水平高于全國平均水平，即房企融資杠桿率（levi）大于1.86；有18個省市房企融資杠桿水平低于中國平均水平，即房企融資杠桿率（levi）低于1.86。進一步，本文將 levi介于[0.65,1.55)、[1.55,2.00)和[2.00,3.55]三個區(qū)間分別界定為融資杠桿水平較高、融資杠桿水平一般和融資杠桿水平較低。結果顯示：（1）融資杠桿水平較高的有11個省市，包括浙江、北京、福建、廣東、上海、江蘇、云南、重慶、天津、寧夏和廣西，lev在2.05和3.55之間；（2）融資杠桿水平一般的有11個省市，包括貴州、西藏、新疆、江西、湖北、四川、海南、陜西、安徽、山東和湖南，lev在1.55和1.99之間；（3）融資杠桿水平較低的有9個省市，包括甘肅、山西、河南、河北、遼寧、青海、吉林、黑龍江和內(nèi)蒙古，lev在0.65和1.53之間。

2.3 融資杠桿影響房價的原因

（1）房地產(chǎn)企業(yè)融資成本上升推動房價上漲。近年來，中國房地產(chǎn)市場的融資渠道已經(jīng)形成了銀行、資本市場、公司債、非標債權等更為多元的融資結構，使得大部分規(guī)模企業(yè)的融資結構和成本得到優(yōu)化，但是部分渠道（如公司債）的借貸資金利息較高。同時，隨著負債規(guī)模的不斷擴大，企業(yè)的盈利狀況下降，加之企業(yè)加杠桿購地的行為越來越多，部分企業(yè)進入高價地股權轉(zhuǎn)讓潮，暴露出企業(yè)資金周轉(zhuǎn)能力有限，因此變相增加了企業(yè)的融資成本，從而推高房價。

（2）借貸資本轉(zhuǎn)化為有效投資的時滯性引起價格變動。由于商品房從開始生產(chǎn)到在市場上出售有一個較長的生產(chǎn)周期，當商品房的生產(chǎn)規(guī)?；虍a(chǎn)量確定后，在一個生產(chǎn)周期完成之前不能中途改變；當大量借貸資本流入房地產(chǎn)市場后，部分資本未及時轉(zhuǎn)化為有效的投資并迅速投入到商品房的建設中，因此房地產(chǎn)市場會經(jīng)常出現(xiàn)供求不均衡的現(xiàn)象，從而引起價格變動。

（3）融資杠桿加速房市投機行為導致房價動蕩。投資者選擇房地產(chǎn)作為投資方向的一個重要的出發(fā)點是期待依靠房地產(chǎn)企業(yè)的融資杠桿效應，從獲取財務杠桿利益出發(fā)，通過獲得更多的借貸資本來擴大自己的投資規(guī)模；但是其中不乏投機者有意炒作抬高房價，市場上的部分參與者通過各種手段制造搶房假象，其中不可忽視的是有部分開發(fā)商和房產(chǎn)中介的推波助瀾;遍地的搶房熱潮使得購房者人人自危，也促使房價非理性上漲。

3 樣本數(shù)據(jù)及研究方法

3.1 樣本數(shù)據(jù)說明

本文選取的變量為中國31個省市1999—2015年的面板數(shù)據(jù)，數(shù)據(jù)全部來源于Wind數(shù)據(jù)庫。各變量解釋如下：（1）被解釋變量p。各省市歷年房價，來自Wind數(shù)據(jù)庫。（2）解釋變量lev。各省市歷年房企融資杠桿，由前文計算所得。（3）控制變量income、cost、M。參考國內(nèi)學者已有的研究，本文選取城鎮(zhèn)居民人均可支配收入（income）、房屋竣工造價（cost）以及廣義貨幣供應量（M）作為控制變量。

3.2 研究方法

3.2.1 空間自相關

由于某一區(qū)域內(nèi)的某種經(jīng)濟現(xiàn)象總是與其相鄰省市的相應經(jīng)濟現(xiàn)象息息相關，這種空間上的相關性特征，稱之為空間自相關性。莫蘭指數(shù)（Moran’s I）是常用來度量全局空間自相關的統(tǒng)計指標，對任一年份，其計算公式為：

其中，s2為樣本方差；wijk為二進制的鄰接空間權值矩陣，用于定義空間對象的相互鄰接關系（選取二階鄰接權值矩陣）；Moran’s I的取值介于-1和1之間，取值大于0表示存在正相關關系，取值小于0表示存在負相關關系，取值接近于0表示不存在相關關系。以計量融資杠桿的莫蘭指數(shù)為例，若Moran’s I取值大于0，則表明在所考察的區(qū)域內(nèi)，融資杠桿高的省份之間相鄰，融資杠桿低的省份之間相鄰；若Moran’s I取值小于0，則表明在所考察的區(qū)域內(nèi)，融資杠桿高的省份與融資杠桿低的省份之間相鄰。

3.2.2 空間面板數(shù)據(jù)模型

本文在經(jīng)典面板數(shù)據(jù)模型式（3）的基礎上來說明空間面板數(shù)據(jù)模型：

式（3）中，pit為房價；levit為房企融資杠桿；Xit為3個對房價有顯著影響的控制變量；本文選取的控制變量為income、cost、M；i=1,2,…,31表示31個省市；t=1999,2000,…,2015表示時間維度；μi、λt和εit是服從獨立同分布的干擾項，分別表示來自截面維度的干擾項、來自時間維度的干擾項、同時來自截面和時間維度的干擾項。

然而，從中國的實際情況來看，東南沿海省份的房價大多都高于中部省份，這表明房價可能存在空間上的依賴性。因此，可以將經(jīng)典面板數(shù)據(jù)模型擴展為空間面板數(shù)據(jù)模型以解決變量的空間依賴問題?？臻g自回歸模型（SAR）、空間誤差模型（SEM）以及空間杜賓模型（SDM）是空間面板數(shù)據(jù)模型的三種主要類型：

（1）空間自回歸模型（SAR）。該模型主要考察被解釋變量在所考察區(qū)域內(nèi)的空間相關性，即房價在所考察的省市之間的空間相關性，探討某個省市是否有溢出效應或擴散現(xiàn)象，模型表達式如下：

式（4）中，δ為空間自回歸系數(shù)，矩陣W即為空間權值矩陣，本文采用二階鄰近矩陣來對空間權值矩陣W做出如下定義：如果兩個空間單元有公共邊界時，那么認為這兩個單元是相鄰接的，對應的空間權重矩陣的元素wij賦值為1，否則取0。例如北京和天津空間上相鄰，wij的賦值為1，北京和新疆空間上不相鄰，wij的賦值則為0。

（2）空間誤差模型（SEM）。該模型研究誤差擾動項是否存在空間依賴作用，探討的是鄰近省份觀測值變量的空間相關強度，以及由鄰近省份產(chǎn)生的變量誤差對本地區(qū)觀測值的影響程度，模型表達式如下：

其中，εi,t是空間誤差項，λ是空間誤差自相關系數(shù)。

（3）空間杜賓模型（SDM）?？臻g杜賓模型的考察范圍更廣，對于該模型所考察的變量，既考慮了因變量的空間相關性，又考慮了殘差項的空間自相關性。同時將自變量對因變量的影響的空間交互作用納入考察范圍，對空間變量之間的關系具有更好的解釋能力，模型表達式如下：

式（6）中，β和γ表示未知系數(shù)。在滿足一定條件下可將上述模型簡化為空間自回歸面板模型式（4）或空間誤差面板模型式（5）。

4 實證分析

4.1 空間自相關檢驗

本文對模型使用的變量進行了全域空間自相關性Moran’s I檢驗，限于篇幅，本文僅列出對房價（lnp）和房企融資杠桿（lnlev）的空間自相關檢驗結果（見表3）。

表3 空間自相關全域Moran’s I檢驗

通過表3可知，對于樣本期間的各個年份，房價（lnp）全域的Moran’s I都在0.23以上，融資杠桿（lnlev）全域的Moran’s I除2015年以外都在0.19以上，這表明房價（lnp）、融資杠桿（lnlev）均存在著顯著的空間自相關。

4.2 模型估計結果及分析

本文的模型估計采用Stata軟件完成。由于通常面板數(shù)據(jù)模型有固定效應和隨機效應兩種估計方法。為此，本文使用Hausman檢驗來判斷究竟是采用固定效應還是隨機效應估計結果。Hausman檢驗結果表明，無論是經(jīng)典模型、SAR模型、SEM模型還是SDM模型，均應該采用固定

效應估計結果。表4是四種模型的固定效應估計結果。

表4 模型估計結果

由表4的估計結果可以看出：

（1）從調(diào)整的擬合優(yōu)度R2來看，經(jīng)典模型、SAR模型、SEM模型和SDM模型的R2都超過了0.95，模型擬合效果都較好，說明被解釋變量可以很好地用解釋變量來解釋。另外，考慮空間相關性的SAR模型、SEM模型和SDM模型的R2均高于不考慮空間相關性的經(jīng)典模型?？梢?，在探討房企融資杠桿對房價影響時忽略空間相關性可能導致模型估計偏誤。

（2）SAR模型的估計結果顯示，房價的空間滯后項回歸系數(shù)δ估計值的符號為正，且在1%的水平上顯著，說明房價存在空間上的相關性，即鄰近?。ㄊ?、區(qū)）的房價上升對本?。ㄊ?、區(qū)）的房價具有正向溢出的效應。為此，對于經(jīng)典模型而言，由于沒有考慮房價的空間相關性，回歸求得的房企融資杠桿對房價影響的估計值就是有偏的。

（3）SEM模型的估計結果顯示，空間誤差自相關系數(shù)λ估計值的符號為正，且在1%的水平上顯著，說明誤差項存在空間上的相關性。為此，對于SAR模型而言，由于沒有考慮誤差項的空間相關性，回歸求得的房企融資杠桿對房價影響的估計值就是有偏的。

（4）SDM模型的估計結果顯示，解釋變量income空間交互項回歸系數(shù)估計值符號為負，且在1%水平下顯著，說明收入對房價的影響也存在空間交互作用。為此，對于SAR模型和SEM模型而言，由于沒有考慮解釋變量對被解釋變量影響的空間交互作用，回歸求得的房企融資杠桿對房價影響的估計值就是有偏。相反，由于SDM模型既考慮了被解釋變量的空間相關性，又考慮的解釋變量和誤差項的空間相關性，其對于房企融資杠桿對房價影響的估計值是無偏并且一致的。另外，比較SAR模型、SEM模型和SDM模型的似然函數(shù)值，也可以發(fā)現(xiàn)SDM模型擬合最好，因此，本文選擇SDM模型估計結果作為實證結論。

（5）從本文最終選擇的SDM模型估計結果來看，房企融資杠桿（lnlev）的系數(shù)β1估計值為0.116，并且在1%的水平下顯著，表明房企融資杠桿對房價有顯著的正向影響。且房企融資杠桿對房價的彈性約為0.116，具體地，房企融資杠桿每上升1%，房價平均而言將上漲0.116%。另外，所選取的反映房地產(chǎn)需求、供給和宏觀經(jīng)濟政策的控制變量可支配收入（income）、房地產(chǎn)竣工造價（cost）和貨幣政策（M）的參數(shù)估計值均至少在5%的水平下顯著，表明居民收入、建造成本和宏觀經(jīng)濟政策對房價有顯著影響。

5 結論

本文得出的主要結論如下：（1）房地產(chǎn)市場具有一定的區(qū)域性，同時不同區(qū)域或城市之間的房價也存在空間聯(lián)動；（2）房企融資杠桿在中國范圍內(nèi)有較強的空間差異；（3）由莫蘭指數(shù)可知，房價、房企融資杠桿存在較強的空間自相關；（4）房企融資杠桿對房價的增長具有顯著正影響，融資杠桿水平每增加1%，房價將上漲0.116%。

參考文獻：

[1]Montgomery C A.Ranking the Benefits of Biodiversity：An Exploration of Relative Values[J].Journal of Environmental Management,2002,65(3).

[2]徐建煒，徐奇淵，何帆.房價上漲背后的人口結構因素：國際經(jīng)驗與中國證據(jù)[J].世界經(jīng)濟，2012,(1).

[3]Peng R,Wheaton W C.Effects of Restrictive Land Supply on Housing In Hong Kong：An Econometric Analysis[J].Journal of Housing Research,1994,5(2).

[4]平新喬，陳敏彥.融資、地價與樓盤價格趨勢[J].世界經(jīng)濟，2004,(7).

[5]況偉大.房價與地價關系研究：模型及中國數(shù)據(jù)檢驗[J].財貿(mào)經(jīng)濟，2005,(11).

[6]安輝，王瑞東.我國房地產(chǎn)價格影響因素的實證分析——兼論當前房地產(chǎn)調(diào)控政策[J].財經(jīng)科學，2013,(3).

[7]崔光燦.房地產(chǎn)價格與宏觀經(jīng)濟互動關系實證研究——基于我國31個省份面板數(shù)據(jù)分析[J].經(jīng)濟理論與經(jīng)濟管理，2009,(1).

[8]王鶴.基于空間計量的房地產(chǎn)價格影響因素分析[J].經(jīng)濟評論，2012,(1).

[9]李芳，李秋娟.人民幣匯率與房地產(chǎn)價格的互動關系——基于2005—2012年月度數(shù)據(jù)的MS-VAR模型分析[J].國際金融研究，2014,(3).

[10]譚小芬，林木材.人民幣升值預期與中國房地產(chǎn)價格變動的實證研究[J].中國軟科學，2013,(8).

[11]Davis E P,Zhu H.Bank Lending and Commercial Property Cycles：Some Cross-Country Evidence[J].Journal of International Money and Finance,2011,30(1).

[12]段忠東，曾令華，黃澤先.房地產(chǎn)價格波動與銀行信貸增長的實證研究[J].金融論壇，2007,12(2).

[13]秦嶺，姚一旻.我國銀行信貸與房地產(chǎn)價格關系研究[J].經(jīng)濟社會體制比較，2012,(2).

[14]Quigley J M,Rosenthal L A.The Effects of Land Use Regulation on the Price of Housing：What Do We Know?What Can We Learn?[J].Cityscape,2005.