基于空間異質性的中國住房空置率與房地產金融風險研究

鞠方 陽娟 黎小佳

摘要：運用空間計量方法，利用2004-2015年30省市面板數據考量住房空置率對房地產金融風險的影響。結果表明：中國房地產金融風險在空間上存在顯著的正向關聯，地理距離和經濟距離均會對區(qū)域房地產風險及其空間相關性產生顯著影響，在考慮了空間影響后住房空置率對房地產金融風險的影響顯著為正。

關鍵詞：住房空置率；房地產金融風險；空間異質性

中圖分類號：F293.35文獻標識碼：A文章編號：10037217（2018）04002606

一、引言

隨著房地產行業(yè)的飛速發(fā)展，我國房地產行業(yè)與商業(yè)銀行等金融機構的產業(yè)關聯度越來越高。近年來我國住房空置率居高不下，住房空置問題突出，房地產行業(yè)中積聚的金融風險也越來越大，不但阻礙了房地產業(yè)的健康可持續(xù)發(fā)展，對于我國經濟的平穩(wěn)運行也有巨大的不利影響。目前國內外對住房空置與房地產金融風險的相關性研究主要集中在以下兩個方面。

一是住房空置與房地產價格及租金的關聯性研究。ThomasJMiceli和CFSirmans（2013）認為租金的變化與自然空置率、市場空置率有關[1]，StephanWhitake和ThomasJ（2013）發(fā)現空置率會降低房價[2]。林毅夫（2006）認為在我國高房價與高空置并存[3]，而劉敏等（2006）發(fā)現房價與空置率呈反向變化[4]。近期也有學者對住房空置與租金的關系進行研究，張川川等（2016）認為發(fā)展住房租賃市場，降低租金水平有利于緩解住房空置狀況[5]。沈曉艷等（2017）則利用相關數據建立住房供需模型進行分析發(fā)現，土地的供應價格對住房空置有負向影響[6]。目前關于房價對消費的影響也是學者們研究的重點，楊碧云等（2017）發(fā)現房價上漲對城鎮(zhèn)居民家庭總消費具有顯著的正向影響[7]，黎泉等（2018）發(fā)現房價對居民消費影響具有區(qū)域差異性，經濟較發(fā)達內陸中等城市受影響更大[8]。

二是房地產價格波動與金融穩(wěn)定關系的研究。Niinimaki（2009）發(fā)現房地產是銀行信貸中極受歡迎的抵押品，房價上升帶來的抵押品價值上升使得借款人的違約可能性降低，增加了銀行體系的穩(wěn)定性[9]。Christopher等（2011）認為銀行為獲取更高的收益將信貸過度集中于房地產市場，導致信貸和杠桿急劇增加，金融風險積聚，當泡沫破滅時，債務積壓和去杠桿化將會危及金融穩(wěn)定[10]。Bianconi&Yoshino;（2012）認為經濟衰退導致的房價突然下降會使得整個金融體系陷入危機[11]。況偉大（2011）認為房價波動、信貸波動以及兩者相互驅動下的聯合波動會引發(fā)我國銀行不穩(wěn)定[12]。劉知博等（2014）發(fā)現銀行體系引發(fā)了信用擴張，房地產金融風險主要集中在商業(yè)銀行[13]。郭連強等（2015）研究認為目前我國房地產業(yè)融資渠道單一，商業(yè)銀行負擔了90%以上的房地產融資，市場風險和信用風險高度集中于商業(yè)銀行[14]。王勁松等（2016）通過實證發(fā)現房地產、股票等資產價格的劇烈波動是引發(fā)金融不穩(wěn)定的重要原因[15]。孟憲春等（2017）考察了住房信貸和房產稅調控政策的傳導機制和協(xié)調效應[16]。

二、傳導機制分析

住房空置對房地產金融風險的影響主要是基于兩種傳導機制發(fā)揮作用：一是住房空置直接影響銀行信貸資金的回籠，進而引發(fā)房地產金融風險；二是住房空置通過影響房價再進一步作用于銀行信貸，從而影響房地產金融風險。

一是住房空置直接影響銀行信貸資金。這一傳導機制從房地產開發(fā)商和購房者兩個角度對銀行信貸造成影響。一方面就房地產開發(fā)商而言，資金多來源于銀行貸款，建成的房屋尚未售出或租出時，具有較高的機會成本，開發(fā)商難以出售或出租空置房屋回籠資金，從而出現資金鏈斷裂，導致商業(yè)銀行面臨巨大壞賬風險。另一方面就購房者而言，這一方面的影響主要是針對投資投機者。由于我國融資途徑少，融資工具單一且房地產投資者自身財力有限，投資者一般會采用住房抵押貸款形式進行投資，一旦住房空置率增加，房價下降，投資者無力還款或者選擇不還款，銀行會面臨大量壞賬。房地產行業(yè)對銀行等金融機構的過度依賴，嚴重加大了商業(yè)銀行面臨的金融風險。

二是住房空置通過預期、供求和宏觀經濟運行三種機制影響房價，房價又作用于銀行信貸，進而影響房地產金融風險。首先在房價預期上漲時，商業(yè)銀行為了獲得更高的利潤紛紛提高對房地產行業(yè)的貸款，資本大量涌入房地產市場。其次這些涌入的資本使得房地產市場更為繁榮，進一步刺激了房地產開發(fā)商和購房者的投資熱情，而房地產開發(fā)周期長，且土地供應有限，供給短期內無法適應需求的增加，由此抬升了房價。再次房價上漲后使得房地產價值上升，其作為銀行信貸的抵押物價值更高，銀行貸款的違約風險降低，房地產開發(fā)商和購房者又可以從銀行獲得更多的信貸，銀行也由此增加了對房地產行業(yè)的信貸投入。最后銀行信貸在房地產行業(yè)的大量投入使得房價泡沫急劇膨脹。增量市場上的高空置率容易使房地產市場預期走低，導致房價下跌，銀行持有的住房資產價值縮水，同時住房價值的下降使得借款者的違約意愿增強，導致銀行的房地產開發(fā)商貸款和購房者住房抵押貸款將會面臨極大的壞賬風險，房價泡沫的破滅會蔓延到整個金融體系，引發(fā)金融風險。

三、我國住房空置與房地產金融風險現狀分析

（一）我國住房空置現狀分析

如圖2所示，從2004年開始我國商品房待售面積不斷上升，2015年達到歷史最高點。2015年之后我國房地產業(yè)實行“去庫存”政策，商品房待售面積下降幅度較大，但是商品房的待售面積還是有將近6億平方米。另有本文用如下公式：住房空置率=（住房待售面積/近三年住房累計竣工面積）×100%，測算了2004年到2016年的住房空置率，2016年我國30個省份住房空置率的平均水平高達19.09%。按照國際房屋空置率判斷標準可知，超過10%的房屋空置率就進入了危險區(qū)域，目前我國商品房待售面積居高不下，住房空置率大大高于合理空置率范圍，住房空置問題突出。

（二）我國房地產金融風險的現狀分析

目前我國房地產金融風險主要集中于兩個方面：一是房地產價格居高不下，市場風險突出。如圖3所示，從2004年開始我國商品房的平均售價始終保持上升趨勢，從2004年的2778元到2016年的7476元，平均每年上漲13%。房地產價格嚴重偏離其內在價值，導致我國房地產市場產生房價泡沫，市場風險嚴重。二是房地產企業(yè)過度擴張，信用風險明顯。自1998房改后我國房地產開發(fā)企業(yè)數量不斷上升，首先如圖4所示，目前我國房地產開發(fā)企業(yè)的自有資金比例只占30%左右，占據較大比例的各種貸款都來自商業(yè)銀行；其次，房地產開發(fā)企業(yè)的擴張使得購房者的住房按揭貸款也大量增加。房地產開發(fā)企業(yè)的大量貸款以及購房者住房按揭貸款的長期性使得商業(yè)銀行的信用風險加大。

四、實證分析

（一）變量選取

本文數據主要來自于國家統(tǒng)計局。

1.被解釋變量：房地產開發(fā)商國內貸款同房地產開發(fā)投資額的比重（FR），這一比重越大，說明房地產開發(fā)投資中集聚的銀行信貸風險越大，房地產企業(yè)違約導致無法償還銀行貸款進而衍生出的系統(tǒng)性金融風險越嚴重。

2.核心解釋變量：住房空置率（HV），本文采用增量市場上的住房空置率來衡量住房空置水平，由于房地產產品從生產到銷售完成一般需要3年的周期，所以本文的住房空置率=（住房待售面積/近三年住房累計竣工面積）×100%。

3.控制變量：選取分省的GDP增長率（GR）控制地區(qū)發(fā)展水平對房地產金融風險的影響，選取新開工房屋面積增長率（NH）、房價收入比（HP）和商品房銷售額增長率（HG）控制房地產市場需求對房地產金融風險的影響，選取房地產開發(fā)投資額增長率（DG）控制房地產市場供給對房地產金融風險的影響。

（二）經典面板估計結果及分析

首先在不考慮空間效應的影響下，構建一個多元回歸模型采用經典面板估計方法衡量住房空置率對房地產金融風險的影響。模型如下：

FRit=β0+β1HVit+β2NHit+β3HPit+

β4DGik+β5HGit+β6GRit+uit（1）

其中FRit表示地區(qū)i在t期的房地產金融風險水平，系數β衡量解釋變量對于FRit的影響，uit是誤差項。

首先分別使用混合效應回歸、固定效應模型和隨機效應模型對總體樣本進行回歸，其中Hausman檢驗值為0.3503，故總體回歸結果以隨機效應為準。為了進一步分析住房空置率對我國房地產市場金融風險影響的區(qū)域差異性，再分別對東中西部三個子樣本進行回歸，進行Hausman檢驗后發(fā)現，東中西三個子樣本回歸分別支持固定效應、固定效應和隨機效應。經典面板回歸結果如表1所示。

首先，主要解釋變量住房空置率（HV）系數為正，且都在5%的顯著性水平上通過檢驗。這說明住房空置率對房地產金融風險有著顯著正向影響，當住房空置率上升，房地產市場需求小于供給，由于房地產市場的供給缺乏彈性，房地產開發(fā)商為了及時出售，不得不降低房價。此時市場低迷，房地產開發(fā)商無法快速實現資金回籠及時償還銀行貸款。輕則影響企業(yè)流動性，重則資金鏈斷裂，瀕臨破產，從而加大了房地產市場的金融風險。子樣本中的系數數值西部>中部>東部，這說明住房空置率對房地產金融風險的影響存在區(qū)域差異性，其中西部地區(qū)的住房空置率對房地產金融風險的影響最大，中部地區(qū)次之，東部地區(qū)最小。這是因為西部地區(qū)房地產市場以剛性需求為主，住房空置率上升表示房地產市場上的住房庫存增加，房地產開發(fā)商無法及時回籠資金以償還銀行信貸，加大了房地產金融風險。而中部和東部地區(qū)市場上存在較多的投資投機性需求，房地產開發(fā)商會采取“囤房”行為以提高房價，住房空置率提高帶來的市場低迷對房地產金融風險的影響較小。

其次，房價收入比（HP）系數顯著為正，房價收入比上升說明房價增長速度快于收入增長速度，消費者無力負擔高額房價或償還信貸，從而導致市場需求下降，住房空置率上升，房地產金融風險增加。GDP增長率（GR）的系數則顯著為負，這是由于全社會總收入增加后固定資產投資分散到其他行業(yè)，分散了房地產金融風險。其他變量未通過顯著性檢驗可能是由于未考慮空間效應，模型估計結果不理想。

（三）空間面板估計結果及分析

1.空間自相關檢驗。

為了檢驗房地產金融風險是否存在空間相關性，本文依次構建了鄰接空間矩陣W1、地理距離矩陣W2和經濟距離權重矩陣W3，并測算了MoranI和GearyC指數。

鄰接空間矩陣是按照地理上是否鄰接構建的，相鄰地區(qū)設定為1，不相鄰地區(qū)則設定為0。地理權重矩陣則是按照兩地的地理距離而構建的，距離越遠相關性越弱，本文利用地圖上各個省會城市的經緯度測算省份之間的距離，再利用距離的倒數再平方測度空間相關性。經濟距離矩陣則是利用各省的人均實際GDP差距的倒數來構建的，其經濟發(fā)展水平越接近其空間相關性越高。

MoranI指數的取值介于-1～1之間，大于0時表示自相關為正向，小于0表示自相關為負向，取值趨向于0則表明隨機的空間分布，無空間自相關。GearyC的取值范圍在0到2之間（2不是嚴格上界），其中，當取值大于1時，呈負相關，等于1時表示不存在空間相關，取值小于1時呈正相關。

結果如表2所示，W1和W3無論是MoranI還是GearyC指數均通過了1%的顯著性檢驗，且系數符號為正，W2的MoranI指數也在10%的顯著性水平上通過檢驗。因此綜合三個矩陣的結果來看，我國房地產金融風險存在顯著為正的空間相關性，地區(qū)間的房地產金融風險存在空間溢出效應，所以有必要使用空間計量模型來勾勒住房空置對于房地產金融風險的影響。

2.建立空間模型。

為了進一步考察住房空置率對房地產金融風險水平的影響，剔除由于空間觀測單元之間的相關性造成的內生性和殘差擾動項非獨立同分布致使的普通最小二乘法估計結果有偏的后果，本文采用空間計量方法進行進一步分析。

常用的空間計量模型有空間自相關（SAR）和空間誤差（SEM）模型，SAR模型認為空間內不同觀測單元相互之間的影響可以通過因變量的滯后項來體現：

FRit=γ∑nj-1Wijfrit+β0+β1HVit+β2NHit+

β3HPit+β4DGit+β5HGit+β6GRit+εit（2）

其中，γ表示空間內本地區(qū)房地產金融風險受到相鄰地區(qū)房地產金融風險的影響程度，其中Wit為經處理后的空間權重矩陣，FRit表示某地區(qū)的房地產金融風險水平?！苙j-1Wijfrit為空間滯后因變量，用以表示t年度附近地區(qū)房地產金融風險水平的加權平均值（地區(qū)i除外），回歸系數β度量房地產金融風險受到解釋變量的影響，εit為殘差擾動項。

SEM模型認為空間內不同觀測單元相互之間的影響可通過殘差擾動項來實現：

FRit=β0+β1HVit+β2NHit+β3HPit+

β4DGit+β5HGit+β6GRit+εit

εit=α∑nj-1Wijεit+μit（3）

其中α為空間誤差系數，用來表示本區(qū)域房地產金融風險受到因變量殘差擾動項的影響?！苙j-1Wijεit為空間滯后因變量，用以表示t年度附近地區(qū)房地產金融風險水平模型誤差項的加權平均值（地區(qū)i除外），其余參數含義與SAR模型一致。

為了選擇最佳空間計量模型，對SAR模型和SEM模型進行LM檢驗。結果如表3所示，W2選擇SEM模型，但W1和W3均選擇SAR模型。因此綜合來看，選擇對三種空間矩陣進行SAR模型的回歸。

3.空間回歸結果及分析。

由于空間面板回歸同樣具有固定效應和隨機效應，我們首先分別利用固定效應模型和隨機效應模型分別在三大權重矩陣的背景下進行回歸，再利用Hausman檢驗在回歸模型中進行選擇。Hausman檢驗的結果分別為0.8032，0.7810，0.0963，即對三大矩陣背景下的模型分別支持隨機效應、隨機效應和固定效應。結果如表4所示。

首先，關注空間相關系數ρ。在三種矩陣背景下，ρ的系數符號均為正，且均能在5%的顯著性水平上通過檢驗，這表明我國房地產金融風險具有顯著的空間溢出效應。W1、W2背景下的空間相關系數顯著為正，這表示在地理上鄰近地區(qū)的房地產金融風險會產生空間溢出效應。這是因為地理位置的鄰近有利于要素流動，資本的流通使得銀行信貸風險在地區(qū)之間輻射，從而增加了房地產金融風險。W3為背景的回歸結果表明在經濟水平上相近的地

區(qū)，其房地產金融風險也會產生空間溢出。這是因為經濟發(fā)展水平相似的地區(qū)，其經濟往來、經濟合作更加密切，資本、人口的來往更加頻繁，為房地產金融風險的傳播創(chuàng)造了有利條件。

其次，關注主要解釋變量住房空置率（HV）的系數?？梢钥吹皆谌N權重矩陣的背景下，住房空置率系數均通過了5%的顯著性檢驗，且系數符號為正。這說明在剔除了由于空間觀測單元之間的相關性后住房空置率仍然對房地產金融風險有著顯著影響，住房空置率提高會帶來房地產金融風險的上升，且由此產生的房地產金融風險會對地理距離較近以及經濟發(fā)展水平類似的地區(qū)產生空間溢出效應。這是因為對于這些地區(qū)來說，住房空置率上升導致該地區(qū)房地產市場供給增加，房價下降，又間接使得距離較近和經濟發(fā)展水平類似地區(qū)的購房者都形成房價下降的預期，減少購房需求，使得這些地區(qū)的住房空置率上升，產生房地產金融風險溢出。

最后，控制變量中房價收入比（HP）、商品房銷售額增長率（HG）、GDP增長率（GR）的系數均至少在5%的顯著性水平上通過了顯著性檢驗。其中HP和HG的系數為正，GR的系數為負。這說明無論是在地理區(qū)位還是經濟發(fā)展水平鄰近的地區(qū)，其房價收入比、商品房銷售額增長率對房地產金融風險具有正效應；GDP增長率對房地產金融風險具有負效應，因為伴隨GDP的增長，投資渠道增加，住房投資轉移到其他領域，實現了金融風險的分散。

五、結論與政策建議

通過實證分析，本文得出以下結論：（1）在未考慮空間效應的前提下，住房空置率對房地產金融風險具有顯著正向的影響，且這一影響存在地區(qū)差異，西部地區(qū)的住房空置率對房地產金融風險的影響最大，其次是中部，最后是東部地區(qū)。（2）通過構建三種空間矩陣進行空間自相關檢驗發(fā)現，我國房地產金融風險存在顯著為正的空間相關性?；诳臻gSAR模型的回歸分析可知，在空間效應下住房空置率對我國房地產金融風險的影響顯著為正，且住房空置率對房地產金融風險的影響具有空間溢出效應。

由于房地產金融風險的顯著空間相關性，政府在制定調控政策時要充分考慮區(qū)域之間的相互影響，各個地區(qū)在實施差別化的房地產金融風險調控政策的同時要加強與地理上相鄰和經濟水平類似的地區(qū)之間的協(xié)調合作，既要基于各地區(qū)的實際情況積極降低住房空置率，又要避免“單獨行動”造成的政策失效。

目前我國住房空置率居高不下，加大了我國房地產金融風險。因此為維護我國房地產行業(yè)健康發(fā)展，保持我國經濟平穩(wěn)運行，政府應積極實施宏觀調控，從以下四個方面入手，有效降低我國住房空置水平，防范房地產金融風險：（1）提高公共服務水平，完善社會保險體系，刺激國民消費，增加房地產市場改善性需求，降低住房空置水平。（2）加快建立租購并舉的住房制度，大力發(fā)展住房租賃市場，建立和完善住房租賃信息平臺實現信息資源共享，增加住房流動性，降低住房空置率。

（3）加快社會信用體系建設，緩解和避免商業(yè)銀行等金融機構借貸過程中的信息不對稱，對借款者實行信用約束，降低借款者違約的可能性。

（4）加強對商業(yè)銀行等金融機構的監(jiān)管，嚴格監(jiān)管對于房地產開發(fā)企業(yè)的貸款行為，對于只重業(yè)績，疏于審核的貸款行為施加懲罰，嚴格審核對于購房者的住房抵押貸款，減少投機性資金流入市場的可能性，定期檢查監(jiān)管政策的執(zhí)行情況。

參考文獻：

[1]MiceliTJ，SirmansCF.Efficiencyrents：anewtheoryofthenaturalvacancyrateforrentalhousing[J].JournalofHousingEconomics，2013，22（1）：20-24.

[2]StephanWhitaker，ThomasJ.FitzpatrickIV.Deconstructingdistressedpropertyspillovers：theeffectsofvacant，taxdelinquent，andforeclosedpropertiesinhousingsubmarkets[J].JournalofHousingEconomics，2013，22（2）：79-91.

[3]林毅夫.空置面積很大的情況下房價為何還上漲[J].中國房地產業(yè)，2006（10）：45-45.

[4]劉敏，張燕麗，高宏.山東房價與商品房空置率、居民收入關系研究[J].東岳論叢，2006（3）：171-175.

[5]張川川，賈珅，楊汝岱.“鬼城”下的蝸居：收入不平等與房地產泡沫[J].世界經濟，2016，39（2）：120-141.

[6]沈曉艷，黃賢金.基于土地供應側的中國商品住宅空置效應分析——以35個大中城市為例[J].現代城市研究，2017（10）：12-17.

[7]楊碧云，屈原.房價變動對我國城鎮(zhèn)居民消費影響的異質性研究[J].消費經濟，2017，33（6）：18-26.

[8]黎泉，張波，林靖欣.住房價格對居民消費的影響研究——基于我國35個大中城市面板數據分析[J].消費經濟，2018，34（2）：72-78.

[9]NiinimakiJR.Doescollateralfuelmoralhazardinbanking[J].JournalofBankingandFinance，2009（33）：514-521.

[10]ChristopherC，GiovanniDA，DenisL，etal.Policiesformacrofinancialstability：optionstodealwithrealestatebooms[R].IMFstaffdiscussionnote，2011，SDN/11/02.

[11]BianconiM，YoshinoJA.Firmmarketperformanceandvolatilityinanationalrealestatesector[J].InternationalReviewofEconomicsandFinance，2012，22（1）：230-253.

[12]況偉大.房地產投資、房地產信貸與中國經濟增長[J].經濟理論與經濟管理，2011（1）：59-68.

[13]劉知博，賈甫，韋靜強.銀行體制、資本市場與房地產金融風險[J].經濟體制改革，2014（5）：134-138.

[14]郭連強，劉力臻，祝國平.我國房地產金融創(chuàng)新面臨的突出問題與對策[J].經濟縱橫，2015（3）：103-108.

[15]王勁松，韓克勇，趙琪.資產價格波動對金融穩(wěn)定的影響——基于中國數據的實證研究[J].中國流通經濟，2016，30（3）：102-107.

[16]孟憲春，張屹山，李天宇.住房信貸與房產稅調控政策的傳導機制與協(xié)調效應分析[J].經濟科學，2017（3）：47-59.

（責任編輯：鐘瑤）