信貸約束、房價與經(jīng)濟增長關聯(lián)性及空間溢出效應
——基于省域面板數(shù)據(jù)的空間計量

潘海峰 張定勝

一、引言

房地產作為國民經(jīng)濟的重要支柱產業(yè)，對于促進經(jīng)濟增長具有重要支撐作用。房地產屬于資金高度密集型的行業(yè)，其健康發(fā)展離不開金融業(yè)的支持，無論是房地產開發(fā)還是消費都受到信貸環(huán)境的影響，從歷史上看，每一次房價的高漲，背后都有寬松的信貸政策作為支撐。房產商大量的開發(fā)資金來自于銀行，其信貸受可抵押資產價值的約束，負面沖擊會導致資產價格的大幅波動，并進一步對實體經(jīng)濟活動產生持久影響，證據(jù)表明多次全球性金融危機均與房價的急劇下降和信貸約束密切相關(Kindleberger，2000[1])。

對房地產市場而言，由于受到區(qū)域經(jīng)濟發(fā)展水平、人口規(guī)模、城鎮(zhèn)化水平、居民收入等多種因素的制約，往往具有明顯的區(qū)域性特征，房價具有一定的空間分異性，但這種空間分異性，并不意味著區(qū)域間房價不存在相互聯(lián)系。伴隨區(qū)域經(jīng)濟快速發(fā)展，城鎮(zhèn)化進程加快，跨區(qū)域資本流動日益頻繁，區(qū)域間相互投資增加，房地產市場的區(qū)域性特征逐漸減弱。隨著區(qū)域經(jīng)濟一體化進程的推進，跨區(qū)域人力資本流動越來越順暢，更多的經(jīng)濟主體會在跨區(qū)域范圍內對生產要素進行優(yōu)化，這也促使了房地產市場的關聯(lián)性逐漸增強。此外，隨著互聯(lián)網(wǎng)技術的快速發(fā)展，人們獲取信息的途徑更加豐富和及時，不同區(qū)域房價變化的信息更加透明，跨區(qū)域的房地產投資套利，也會導致不同區(qū)域間的房價相互影響。區(qū)域聯(lián)動性的直接表現(xiàn)是，一個地區(qū)的房價上漲往往會對其他地區(qū)的房價產生拉動作用，但這也可能導致某些區(qū)域出現(xiàn)房價水平與居民收入和經(jīng)濟發(fā)展水平不相匹配的現(xiàn)象。因此，需要從空間的視角對區(qū)域間的相依性及溢出效應特征進行分析，明確區(qū)域間信貸約束、房價與經(jīng)濟增長的互動關系。相關研究可以為我國制定有效的區(qū)域政策，促進金融市場、房地產市場與宏觀經(jīng)濟的協(xié)調發(fā)展提供科學依據(jù)。

二、相關文獻回顧

與本文相關的研究主要包括以下三個方面：一是信貸約束與經(jīng)濟增長關系研究。國外研究大多認為信貸約束將影響各種沖擊對經(jīng)濟的影響(Kiyotaki 和Moore，1997[2]；Bernanke等，1999[3])。銀行信貸通過投資規(guī)模和投資效率兩條途徑作用于經(jīng)濟增長，需要注意的是信貸作用于經(jīng)濟增長往往表現(xiàn)出一定的結構性特征。信貸投資對經(jīng)濟增長的短期和長期作用存在一定的差異，信貸結構對經(jīng)濟增長影響有所不同(張巖等，2013[4]；楊長漢，2017[5])。短期信貸主要通過消費信貸模式，鼓勵居民消費，促進經(jīng)濟增長，但促進作用弱于中長期貸款(周鴻和劉軼，2008[6]；梁媛，2012[7])。銀行信貸對經(jīng)濟增長的貢獻水平在區(qū)域間也存在差異性(韓旭等，2013[8]；韓玲，2014[9])。此外，其他因素如居民收入(趙愛玲，2000[10])、城鎮(zhèn)化率(姜松和王釗，2014[11])、產業(yè)結構(宋平，2013[12])、外商直接投資(張林等，2014[13])等因素也與銀行信貸共同作用于經(jīng)濟增長。

二是房價與經(jīng)濟增長關系研究。關于二者關系的研究早期主要集中于經(jīng)濟基本面因素如收入、人口、利率等對房價的影響(Case和Shiller, 1990[14]; Poterba等, 1991[15]; Potepan,1996[16])，研究結果表明房價的變化基本可以通過基本面因素進行解釋。但我國實證研究表明房價的上漲并不能完全由基本面因素解釋，房價經(jīng)常出現(xiàn)高估現(xiàn)象，且房價往往存在明顯的區(qū)域特征(沈悅和劉洪玉，2004[17]；陳晨和傅勇，2013[18])。隨著研究的深入，更多的文獻將研究的重點側重于房價與宏觀經(jīng)濟的互動機制分析。房價對宏觀經(jīng)濟的影響主要通過兩種途徑傳導，一是財富效應，即當房價變化時，財富水平發(fā)生變化，影響消費，進而直接作用于實體經(jīng)濟；二是估值效應，當房價變化時，抵押價值也隨之變化，影響信貸投放，進而影響企業(yè)的貸款，間接作用于實體經(jīng)濟(黃忠華等，2009[19])。

三是信貸約束、房價與經(jīng)濟增長關系研究。早期對于該主題的研究大多采用局部均衡分析框架，Benanke和Gertler(1989)[20]建立了一般均衡分析框架進行分析。Bernanke等(1996)[21]提出金融加速器概念，認為信貸市場、房地產市場的反饋機制將放大宏觀經(jīng)濟波動。Iacoviello(2005)[22]基于動態(tài)隨機一般均衡框架分析了信貸約束、房價波動與宏觀經(jīng)濟的關系，認為信貸約束的存在擴大了房價對宏觀經(jīng)濟的影響?，F(xiàn)有研究結論基本認為由于房地產作為主要抵押物，在家庭和企業(yè)財富中比重較大，信貸約束的變動將對房價及宏觀經(jīng)濟變化產生影響。一些實證分析也表明房地產抵押價值的減少，將導致投資減少，對總需求產生影響，信貸、房價與宏觀經(jīng)濟存在互動關系(Chen，2001[23]；Gan，2007[24])。國內實證研究也得到相應驗證，如不同地區(qū)間的房價波動、金融支持與經(jīng)濟基本面密切相關(袁俊和施有文，2010[25])；銀行信貸、房地產價格與宏觀經(jīng)濟三者之間確實存在著聯(lián)動性(孔煜，2009[26]；呂江林等，2015[27])。

無論是房價與經(jīng)濟增長、信貸約束與經(jīng)濟增長二者關系，還是信貸約束、房價與經(jīng)濟增長三者關系的研究，均表明變量間往往表現(xiàn)出一定的區(qū)域性特征。地理學者Tobler(1970)[28]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越大。Lucas(1988)[29]首次探討了經(jīng)濟增長中的空間溢出效應影響，隨著研究深入，權重矩陣也由鄰接權重擴展到經(jīng)濟距離權重等(魏下海，2010[30]；于斌斌，2015[31])。一個地區(qū)的房價在要素流動作用下會對周邊地區(qū)房價產生影響(Browning和Leth，2013[32]；Bruyne和Hove，2013[33]；劉志平和陳智平，2013[34])，區(qū)域聯(lián)動性往往導致房價變動的影響超過本地區(qū)，因此，忽略這種空間溢出效應將導致估計結果的偏差。

綜上分析，可以看出信貸約束、房價與經(jīng)濟增長聯(lián)系緊密，信貸約束的變化引起房價的變動，房價的變動又會對宏觀經(jīng)濟產生影響，因此信貸約束是理解宏觀經(jīng)濟變動的重要視角。關于三者關系的研究，國內外文獻從均衡理論、機制分析、實證檢驗等多個視角進行了較為系統(tǒng)的研究，研究結果表明三者往往表現(xiàn)出一定的區(qū)域性特征，但信貸資源的配置、房價高低對不同經(jīng)濟發(fā)展階段的區(qū)域所帶來的溢出效應也有所不同，另外也存在短期和中長期的結構性差異，因此，僅僅通過傳統(tǒng)面板數(shù)據(jù)模型無法對區(qū)域間的相互影響和結構特征進行有效度量。此外，對于信貸約束指標，多數(shù)文獻采用房地產抵押貸款比率來衡量，該指標雖可以有效度量信貸約束水平，但無法體現(xiàn)不同地區(qū)間的金融發(fā)展水平及發(fā)展效率特征。在考慮空間溢出效應因素上，權重因素的考慮主要集中于鄰接權重或經(jīng)濟距離權重，權重的選擇不夠全面。

因此，本文主要從以下方面進行改進：一是基于新經(jīng)濟地理的視角，考慮經(jīng)濟增長的空間溢出效應，采用省域面板數(shù)據(jù)的空間滯后和空間誤差模型進行實證分析，深化信貸約束、房價波動對經(jīng)濟增長的影響。二是在空間權重矩陣選擇上，建立五種權重矩陣進行實證研究，比較發(fā)現(xiàn)最優(yōu)的空間權重矩陣，從而有效度量區(qū)域間的空間溢出效應特征。三是對于信貸約束的度量，考慮五種信貸約束指標，包括狹義信貸約束、三種廣義信貸約束和信貸約束結構型指標，研究信貸約束對經(jīng)濟增長的短期與中長期影響，度量地區(qū)的金融杠桿特征；通過不同變量實證結果的對比分析，得到穩(wěn)健性的結論。

三、計量模型與變量選擇

(一)空間計量模型

為探討區(qū)域經(jīng)濟的溢出效應，使用Moran 指數(shù)來衡量并檢驗空間相關性。將地區(qū)間的空間關系引入面板模型，根據(jù)引入關系的不同方式，將空間計量模型分為空間滯后模型(Spatial Lag Model, SLM)和空間誤差模型(Spatial Error Model, SEM)?？臻g滯后模型主要用來研究被解釋變量的空間依賴性，分析被解釋變量在某一地區(qū)是否存在溢出或擴散效應，模型為：

其中，隨機誤差項ε～N(0,σ2I)；y是NT×1被解釋變量；W是NT×NT空間權重矩陣；N是數(shù)據(jù)樣本；T是樣本時間維度；μi是個體固定效應；ρ是空間自回歸系數(shù)，一般在(-1,1)之間，其大小代表了空間溢出效應的強弱，如果為正，則代表著空間集聚效應，反之，則表明存在空間互斥現(xiàn)象；向量β是解釋變量的系數(shù)，其反映了各影響因素對被解釋變量的直接效應?？臻g誤差模型主要用來研究誤差項的空間相關性，模型為：

其中，u是隨機誤差項，λ代表空間自相關系數(shù)，ε～N(0,σ2I)。

在空間面板固定效應模型估計中，如果忽略空間效應直接進行非空間的固定效應回歸，則會存在解釋變量缺失問題，使估計結果出現(xiàn)偏差。張志強(2012)[35]、Wooldridge(2016)[36]等采用去平均化的方法得到對數(shù)似然函數(shù)：

(二)空間權重矩陣

定義空間距離是空間計量分析的前提，該距離主要通過空間權重矩陣體現(xiàn)，其表示地區(qū)間的影響形式。本文出于穩(wěn)健性考慮，設定空間權重時考慮了地理距離、經(jīng)濟距離、非對稱性等不同影響因素，共設定五種空間權重矩陣。

1.二元鄰接權重。

其中i，j分別表示兩個地區(qū)，inbj表示兩個地區(qū)相鄰。二元鄰接矩陣是比較常用的空間權重矩陣，當兩個地區(qū)擁有共同邊界時，權重值為1；不相鄰時為0。

2.負指數(shù)距離權重。

在鄰接矩陣中，只有當兩個地區(qū)相鄰時，才存在相互等同的影響，但這與直覺不符。例如，北京與山東不相鄰，在鄰接矩陣中設為0，類似的如北京與海南也設為0，換言之北京與山東、北京與海南之間的影響相同；而直覺上判斷，相互影響還是與距離遠近存在很大關系。地理學第一定理(Tobler，1970[28])認為，相對于距離較遠的事物，距離近的事物之間聯(lián)系更密切，負指數(shù)距離可以對該特征進行刻畫。

其中，dij是地區(qū)i和j之間的距離。這樣的設定代表兩個地區(qū)之間距離越近，則權重越大；反之，距離越遠，則權重越小。

3.經(jīng)濟距離矩陣。

除了地理距離之外，經(jīng)濟因素也是地區(qū)間相互影響的重要因素之一。一般情況下，認為收入差距越小，經(jīng)濟水平越接近，權重越大；經(jīng)濟水平差距越大，權重較小。

其中gi和gj分別表示i地區(qū)和j地區(qū)的人均GDP。兩個地區(qū)經(jīng)濟水平越接近，分母越小，權重越大；反之，分母越大，權重越小。

4.萬有引力權重。

由于僅考慮地理距離或經(jīng)濟距離，具有一定的局限性，因此，可以將兩個因素綜合考慮構建權重矩陣。兩地區(qū)的經(jīng)濟實力越強，經(jīng)濟聯(lián)系越強；兩個地區(qū)之間距離越近，權重越大。

其中dij、gi和gj含義同上。當兩個地區(qū)經(jīng)濟發(fā)展均較好時，分子大，若同時距離較近，分母小，則權重大；當兩個地區(qū)經(jīng)濟發(fā)展均較弱，且距離較遠時，權重較小；當兩個地區(qū)經(jīng)濟發(fā)展均較好，但距離較遠，則分母較大對分子形成制約，權重不會太高。因此，可以看出權重大小受到兩個因素的共同影響。

5.非對稱影響權重矩陣。

萬有引力權重中，雖然綜合考慮了地理距離和經(jīng)濟距離兩個因素，但卻沒有考慮地區(qū)間的非對稱性影響。一般情況下，經(jīng)濟發(fā)達地區(qū)對欠發(fā)達地區(qū)的輻射影響要大，而經(jīng)濟落后地區(qū)對經(jīng)濟發(fā)達地區(qū)的影響力較小。

其中dij、gi和gj含義同上。該權重與萬有引力權重的主要區(qū)別在于分子不同，非對稱性權重的分子取決于兩個地區(qū)人均GDP的比值。一個地區(qū)比另一個地區(qū)發(fā)達程度越高，則分子越大，權重越大；反之，則權重越小。因此，權重大小取決于兩個地區(qū)的地理距離及經(jīng)濟發(fā)展水平的相對比較。

(三)變量選擇與數(shù)據(jù)描述

被解釋變量為經(jīng)濟增長，一般采用GDP、GDP增長率、人均GDP增長率、工業(yè)增加值等指標，為綜合反映地區(qū)經(jīng)濟增長水平，本文采用人均GDP增長率(RGG)來衡量(周業(yè)安和章泉，2008[37]；馬勇和陳雨露，2017[38])。關于信貸約束，將其分為廣義信貸約束和狹義信貸約束。結合Bayoumi(1993)[39]、Sarno和Taylor(1998)[40]、呂江林等2015[27]的研究，采用房地產業(yè)貸款余額與GDP比值(HDG)作為信貸約束指標，并將該指標定義為狹義信貸約束指標。關于廣義信貸約束，主要考慮金融發(fā)展規(guī)模、金融發(fā)展水平、金融發(fā)展效率三個方面，金融發(fā)展規(guī)模因素，采用金融產業(yè)增加值與GDP比值(FIG)；金融發(fā)展水平指標，采用存貸總額與GDP比值(SDG)；金融發(fā)展效率指標，采用信貸總額與儲蓄總額的比值(TDS)。為了考慮信貸約束的結構性特征，將信貸分為短期信貸和中長期信貸約束分別采用短期信貸與儲蓄總額的比值(SDS)、中長期信貸與儲蓄總額的比值(LDS)。關于房價，本文采用商品房銷售均價增長率(HPG)，其中商品房銷售均價由各地區(qū)商品房銷售額和銷售面積計算所得。其他控制變量包括：外商直接投資(FDI)，由實際利用外資額與GDP比值得到；居民收入(IGR)，采用城鎮(zhèn)單位就業(yè)人員平均工資增長率；固定資產投資(FZG)，由固定資產投資與GDP比值得到；城鎮(zhèn)化率(URR)，由城鎮(zhèn)人口與全口徑人口比值得到；產業(yè)結構(TIG)，由第三產業(yè)增加值與GDP比值得到(見表1)。

表1 變量匯總表

分析我國房地產市場歷史發(fā)展，可以將其大致劃分為四個階段：1978至1993年，住房實物分配制改革階段；1994至1998年，向市場化改革的過渡階段；1999至2004年，市場化全面推行階段；2005年至今，調控和均衡發(fā)展階段(盧嘉，2013[41])。為分析我國近年來信貸約束、房價與經(jīng)濟發(fā)展的關聯(lián)性特征，并考慮樣本數(shù)據(jù)的穩(wěn)定性，本文選取樣本的起始時間為2005年，即時間跨度為2005年至2016年全國31個省份組成的省域面板數(shù)據(jù)，數(shù)據(jù)來源于Wind數(shù)據(jù)庫以及2006至2017年的《中國統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》及各省統(tǒng)計年鑒。

四、實證分析

(一)經(jīng)濟增長的空間相依性檢驗

計算2005至2016年全國31個省份人均GDP增長率的空間依賴程度，結果見表2。

表2 2005至2016年人均GDP增長率的空間相依性

由表2可知，2005至2016年的Moran指數(shù)均大于0，且在0.2以上，經(jīng)濟增長在空間上呈現(xiàn)出明顯的正相關關系，因此，實證分析中需要考慮經(jīng)濟增長空間效應的影響。

Moran散點圖可以更加直觀地呈現(xiàn)各省份人均GDP增長率的空間相依性。限于篇幅，本文只列出2005年和2016年人均GDP增長率的Moran散點圖，見圖1和圖2。

圖1 2005年人均GDP增長率Moran散點圖

圖2 2016年人均GDP增長率Moran散點圖

由圖1和圖2，各省份位于第一象限和第三象限的散點居多，表明各省份的人均GDP增長率具有明顯的正向相關性。

為判斷各地區(qū)的局部相關類型即聚集區(qū)是否在統(tǒng)計意義上顯著，進一步分析LISA集聚圖，限于篇幅，只給出2005和2016年的集聚圖，如圖3、圖4所示。

圖3 2005年人均GDP增長率LISA集聚圖

圖4 2016年人均GDP增長率LISA集聚圖

由圖3和圖4可以看出，2005年，山東、河北、黑龍江、山西和陜西等地區(qū)人均GDP增長率較高，存在空間上的相互集聚，這些地區(qū)多處在北方工業(yè)區(qū)或資源豐富地區(qū)，主要原因是宏觀經(jīng)濟的快速發(fā)展，對工業(yè)需求和能源產業(yè)形成利好；2016年，浙江、安徽、湖北、湖南、江西等地區(qū)增長率較高，這些省份除了浙江外，其他均為中西部地區(qū)，反映出中部承接東部產業(yè)轉移、西部大開發(fā)等政策對中西部地區(qū)的經(jīng)濟起到了明顯的推動作用。浙江近年來的快速發(fā)展則得益于經(jīng)濟的快速轉型，人工智能、大數(shù)據(jù)等新興產業(yè)和新興業(yè)態(tài)為經(jīng)濟發(fā)展提供了新動力。此外，2005年，安徽呈現(xiàn)出顯著的低高集聚特征，該地區(qū)本身經(jīng)濟欠發(fā)達，但周圍地區(qū)如江蘇、浙江、山東等經(jīng)濟較為發(fā)達；廣東呈現(xiàn)出顯著的高低空間集聚，這是因為相對于廣西、湖南、江西、福建而言，經(jīng)濟相對發(fā)達；其他地區(qū)的空間集聚關系不顯著。2016年，內蒙古、吉林、遼寧等地區(qū)呈現(xiàn)出低低集聚特征。綜合看，局部相關性隨樣本時期的不同存在著階段性特征。

(二)多變量空間滯后和空間誤差模型估計

本文研究中，考慮到實證結果的穩(wěn)健性，共考慮五種空間計量模型，五種模型均考慮了相同的被解釋變量、房價解釋變量和控制變量因素，區(qū)別主要體現(xiàn)在信貸約束解釋變量。對于五個模型均以五種空間權重為基礎，考慮空間滯后、空間誤差固定效應和隨機效應模型進行實證分析。根據(jù)Hausman檢驗，分別確定最優(yōu)的空間滯后和空間誤差固定效應或隨機效應模型，基本步驟是觀察Hausman檢驗的顯著性，若在5%顯著性水平下拒絕原假設，則接受固定效應的備擇假設；反之，接受原假設，說明隨機效應模型較好。此外，觀測隨機效應估計中的參數(shù)θ，若θ顯著不為0，則說明隨機效應模型較好；反之固定效應模型較好。進一步結合擬合優(yōu)度、LR統(tǒng)計量等，確定最優(yōu)模型。

模型一：廣義信貸約束金融發(fā)展規(guī)模、房價與經(jīng)濟增長估計。

模型一中，被解釋變量為人均GDP增長率(RGG)；解釋變量為廣義信貸約束金融發(fā)展規(guī)模(FIG)、房價增長率(HPG)以及所有控制變量。首先，對每種空間權重矩陣，分別采用空間滯后和空間誤差模型進行估計，進一步根據(jù)Hausman檢驗分別確定最優(yōu)的隨機效應和固定效應模型，結果表明空間滯后隨機效應和空間誤差隨機效應模型最優(yōu)；此外，θ顯著不為0，同樣認為隨機效應模型效果較好。最后結合擬合優(yōu)度等，得到最優(yōu)空間計量模型。最終結果見表3。

表3 不同空間權重下廣義信貸約束金融發(fā)展規(guī)模、房價與經(jīng)濟增長估計

續(xù)前表

由表3可以得出：第一，不同路徑下地區(qū)間經(jīng)濟發(fā)展的溢出效應明顯。在鄰接權重、負指數(shù)距離權重下，ρ表現(xiàn)出顯著的正向溢出效應，說明地理位置上“鄰接”、距離遠近能夠顯著促進區(qū)域間經(jīng)濟發(fā)展的集聚與發(fā)展。經(jīng)濟權重矩陣主要從經(jīng)濟因素的角度來構造權重矩陣，一般情況下，當兩個地區(qū)的經(jīng)濟發(fā)展規(guī)模越接近，則產業(yè)結構、金融發(fā)展水平、房價水平等越相似，同時伴隨城鎮(zhèn)化率提高、產業(yè)結構逐漸升級、產業(yè)集聚、房價水平提高等特征。經(jīng)濟距離主要考慮了區(qū)域間經(jīng)濟水平的差異性；萬有引力權重、非對稱權重則既考慮了經(jīng)濟因素又考慮了距離因素，是距離權重和經(jīng)濟權重的綜合，且非對稱矩陣還進一步考慮了發(fā)達地區(qū)對欠發(fā)達地區(qū)影響的非對稱性；三種空間權重下，ρ也均表現(xiàn)出顯著的正向溢出效應。第二，金融發(fā)展規(guī)模因素對地區(qū)經(jīng)濟發(fā)展的影響并不顯著，若從符號上看，金融發(fā)展規(guī)模對區(qū)域經(jīng)濟增長具有負向影響。第三，房價因素均在5%或1%水平下顯著，反映出區(qū)域的房價對區(qū)域經(jīng)濟增長具有顯著的正影響。

模型二：廣義信貸約束金融發(fā)展水平、房價與經(jīng)濟增長估計。

模型二將廣義信貸約束金融發(fā)展水平(SDG)和房價(HPG)作為解釋變量，解釋變量和控制變量不變。估計過程與模型一相同，可以得出五種權重下的最優(yōu)空間計量模型(見表4)。結果顯示：不同路徑下空間滯后回歸系數(shù)ρ和空間誤差回歸系數(shù)λ均在1%水平下顯著，存在顯著的空間溢出效應；廣義信貸約束金融發(fā)展水平(SDG)在各種空間權重下均不顯著，反映出金融發(fā)展水平因素并未對區(qū)域經(jīng)濟增長產生顯著的積極或消極影響；對于房價因素，鄰接權重、負指數(shù)距離、經(jīng)濟距離和非對稱權重均在5%水平下顯著，僅在萬有引力權重下不顯著，因此綜合看，房價對區(qū)域經(jīng)濟增長存在顯著的正向影響。

表4 不同空間權重下廣義信貸約束金融發(fā)展水平、房價與經(jīng)濟增長估計

續(xù)前表

模型三：廣義信貸約束金融發(fā)展效率、房價與經(jīng)濟增長估計。

模型三將廣義信貸約束金融發(fā)展效率(TDS)和房價作為解釋變量，被解釋變量和控制變量不變，可以得出五種權重下的最優(yōu)空間計量模型(見表5)。結果顯示：不同路徑下空間自回歸系數(shù)ρ均在1%水平下顯著，反映出區(qū)域間經(jīng)濟發(fā)展存在顯著的空間溢出效應；廣義信貸約束TDS在各種空間權重下均不顯著，反映出金融發(fā)展效率因素并未對區(qū)域經(jīng)濟增長產生顯著影響；對于房價因素均在5%或1%水平下顯著，說明房價對區(qū)域經(jīng)濟增長存在顯著的正向影響。

表5 不同空間權重下廣義信貸約束金融發(fā)展效率、房價與經(jīng)濟增長估計

續(xù)前表

模型四：狹義信貸約束、房價與經(jīng)濟增長估計。

模型四將狹義信貸約束(HDG)和房地產價格作為解釋變量，被解釋變量和控制變量不變，可以得出五種權重下的最優(yōu)空間計量模型(見表6)。結果顯示：不同路徑下空間自回歸系數(shù)ρ均在1%水平下顯著，反映出區(qū)域間經(jīng)濟發(fā)展存在顯著的空間溢出效應；狹義信貸約束HDG在各種空間權重下均不顯著，反映出狹義信貸約束并未對區(qū)域經(jīng)濟增長產生顯著影響；房價因素均在5%或1%水平下顯著，房價對區(qū)域經(jīng)濟增長存在顯著的正向影響。

模型五：信貸約束結構、房價與經(jīng)濟增長估計。

模型五將信貸結構(SDS、LDS)和房價作為解釋變量，被解釋變量和控制變量不變，可以得出五種權重下的最優(yōu)空間計量模型(見表7)。結果顯示：不同路徑下空間自回歸系數(shù)ρ均在1%水平下顯著，存在顯著的空間溢出效應；對于短期信貸因素，可以看出基于負指數(shù)距離、萬有引力權重和非對稱影響權重在1%水平下顯著，經(jīng)濟距離權重5%水平下顯著，僅在鄰接權重下不顯著，綜合可以得出短期信貸與經(jīng)濟增長呈現(xiàn)出顯著的負向關系；對于中長期信貸，可以發(fā)現(xiàn)僅基于鄰接權重且在10%水平下顯著，其他空間權重下均不顯著，因此并不能得出中長期貸款與經(jīng)濟增長呈現(xiàn)顯著影響關系；對于房價因素，可以看出基于鄰接權重和經(jīng)濟距離權重分別在1%和5%水平下顯著，但在負指數(shù)距離、萬有引力權重、非對稱權重下不顯著，即僅考慮區(qū)域的鄰接特征、經(jīng)濟因素時，房價對區(qū)域經(jīng)濟增長影響顯著，當考慮空間距離或綜合空間距離和經(jīng)濟因素時，房價對經(jīng)濟影響不顯著，結論存在差異性，但從系數(shù)來看，房價因素對經(jīng)濟增長仍表現(xiàn)為正向影響。

表7 不同空間權重下信貸結構、房價與經(jīng)濟增長估計

分析不同權重下五種最優(yōu)模型的空間溢出效應系數(shù)(見圖5)?？梢园l(fā)現(xiàn)，五種模型的空間溢出效應系數(shù)均在0.65和0.85之間，具有較高的一致性，空間溢出效應因素是解釋區(qū)域經(jīng)濟聯(lián)系的重要因素。五種空間矩陣中，經(jīng)濟距離權重下的空間溢出效應系數(shù)最低，非對稱權重矩陣的空間溢出效應最大，鄰接權重、負指數(shù)距離和萬有引力權重空間溢出效應介于二者之間。鄰接權重矩陣波動性最大，對樣本數(shù)據(jù)的敏感性相對較高。因此，僅考慮區(qū)域間的經(jīng)濟距離、鄰接特征可能會低估區(qū)域間相互影響，既考慮距離因素又考慮經(jīng)濟因素和區(qū)域間非對稱影響的空間權重，能夠對空間溢出效應特征進行更好的描述。

圖5 不同權重下空間溢出效應系數(shù)

(三)內生性檢驗

恰如大多數(shù)宏觀經(jīng)濟模型，上述實證分析可能存在一些潛在的內生性問題，主要原因包括：第一，互為因果關系。一方面伴隨區(qū)域經(jīng)濟快速發(fā)展，人口增加、資源集聚，從而導致更高的房價；另一方面，高房價提高了政府的財政收入，政府通過提高公共財政支出，推動經(jīng)濟發(fā)展。經(jīng)濟中的狀態(tài)變量，如消費、收入、銀行信貸等也受到一些宏觀經(jīng)濟政策變量的影響，此外貨幣政策變量如利率、信貸約束等一般伴隨著經(jīng)濟變化而變化，貨幣當局也會根據(jù)宏觀經(jīng)濟的運行情況對貨幣政策變量進行宏觀調控，因此，內生于經(jīng)濟系統(tǒng)。第二，可能也存在遺漏變量問題，即模型中可能遺漏了其他影響經(jīng)濟增長的重要變量。

為克服模型中可能存在的內生性問題，采用空間SLM的GMM方法進行穩(wěn)健性檢驗。借鑒Kelejian和Prucha(1998)[42]、余泳澤和劉大勇(2013)[43]、白俊紅等(2017)[44]的思路，在空間GMM估計中選用W·X、W2·X作為工具變量。限于篇幅，本文僅給出模型一的空間GMM估計結果(見表8)，研究結果表明回歸系數(shù)的方向和顯著性并未發(fā)生根本性改變，因此，實證分析的結果依然穩(wěn)健。

表8 不同空間權重下廣義信貸約束金融發(fā)展規(guī)模、房價與經(jīng)濟增長的空間GMM估計

五、結論與政策建議

本文基于空間計量視角，以2005至2016年的省域面板數(shù)據(jù)為樣本，分析了我國省域經(jīng)濟發(fā)展的空間分布特征，探討了信貸約束、房價與經(jīng)濟增長之間的關系，采用不同模型和不同估計方法的實證結果保持了一致性，具有穩(wěn)健性。實證分析表明我國區(qū)域經(jīng)濟增長存在空間相依性特征，不同區(qū)域的經(jīng)濟增長之間存在空間聯(lián)系。因此，研究中不能忽視地理因素、經(jīng)濟因素和空間效應的影響，應用空間計量模型有利于深化理解不同路徑下信貸約束、房價波動對經(jīng)濟增長的影響。相比傳統(tǒng)的計量模型，使用空間計量模型更適合省域面板數(shù)據(jù)的特征。主要研究結論如下：

第一，我國區(qū)域經(jīng)濟發(fā)展存在空間上顯著的正相關關系，并且空間依賴性對經(jīng)濟發(fā)展起到顯著的促進作用。雖然空間權重在選定因素相同但構建方式不同時，對空間相關性強弱的體現(xiàn)有所不同，但系數(shù)的方向和顯著性并未發(fā)生根本性變化，結果穩(wěn)健。經(jīng)濟發(fā)展在空間上存在正向的聯(lián)動效應，表現(xiàn)為區(qū)域經(jīng)濟發(fā)展的空間集聚效應。由于區(qū)域經(jīng)濟發(fā)展的不平衡，呈現(xiàn)出經(jīng)濟增長的高低聚集區(qū)，且隨著樣本時期不同表現(xiàn)出階段性特征，這與不同地區(qū)所處的經(jīng)濟發(fā)展階段和國家的宏觀政策密切相關。應將這種區(qū)域的空間相關性納入到經(jīng)濟政策的制定過程中，采取更有效的區(qū)域政策以促進高低或低低集聚區(qū)的協(xié)調發(fā)展，縮小區(qū)域差異。

第二，廣義信貸約束金融發(fā)展規(guī)模、金融發(fā)展水平、金融發(fā)展效率以及狹義信貸約束均與區(qū)域經(jīng)濟增長之間無顯著的影響關系，反映出我國金融業(yè)的快速發(fā)展并未對經(jīng)濟增長產生積極作用。這與現(xiàn)有研究文獻大多認為廣義信貸約束與經(jīng)濟增長正相關有所不同。主要原因在于，伴隨地區(qū)經(jīng)濟的快速發(fā)展，企業(yè)的融資需求亦不斷增加，貨幣供給穩(wěn)步增長，信貸需求快速增長，但金融市場將資金更多地配置到了國有企業(yè)，或者產出效率相對較低的基建等行業(yè)，而中小型企業(yè)和民營企業(yè)融資較難。金融資源的錯配效應，一定程度上抑制了區(qū)域經(jīng)濟增長的活力。

第三，短期信貸與經(jīng)濟增長呈顯著的負相關關系；中長期信貸對經(jīng)濟增長不存在顯著的影響關系。長期以來我國經(jīng)濟增長的主要動力為凈出口和投資，經(jīng)濟增長模式轉向為需求拉動型還需要一個過程。尤其在全球經(jīng)濟低迷時，投資則成為推動經(jīng)濟增長的重要源動力。穩(wěn)定各個行業(yè)的投資，是保持我國經(jīng)濟長期穩(wěn)定增長的重要保障，尤其在我國深化“供給側”改革的階段，推動產品和產業(yè)升級，均需要中長期信貸資金的有效供給，而從實證結果看，我國中長期貸款并未對地區(qū)經(jīng)濟發(fā)展起到顯著的正向影響，這就需要我國進一步調整信貸結構，提升中長期貸款比例，為實體經(jīng)濟和相關產業(yè)提供穩(wěn)定的金融資源，為“供給側”改革和地區(qū)經(jīng)濟的創(chuàng)新發(fā)展提供支撐。短期信貸主要為信用貸款、消費貸款或銀行同業(yè)拆借等，一般發(fā)生在經(jīng)濟增長緩慢，貨幣政策中性偏緊時期，該時期中長期貸款比例下降，流動性偏緊，企業(yè)的中長期融資需求難以滿足，則企業(yè)會通過短期信貸資金解決流動性需求，導致短期貸款比例上升，資金期限的錯位既增加了企業(yè)的經(jīng)營風險，也對企業(yè)創(chuàng)新投入和快速發(fā)展形成了制約，因此，短期信貸往往與經(jīng)濟發(fā)展表現(xiàn)出一定的負相關性。

第四，房價對經(jīng)濟增長具有顯著的正向促進作用。房價的直接決定因素為房地產的供給和需求，房價的上升一般伴隨著房地產土地購置面積和房地產投資的增加，房地產產業(yè)鏈既涉及中上游的鋼鐵、水泥、化工等，又涉及下游的家電、建材等行業(yè)，房地產投資增加可以帶動諸多產業(yè)的發(fā)展，刺激經(jīng)濟增長，同時也帶動就業(yè)和居民收入的提升，間接刺激消費的增長。因此，房價上升往往對經(jīng)濟發(fā)展具有正向推動作用。但同時需要注意的是，過高的房價，反而會抑制普通居民的剛性和改善型需求，增加居民杠桿，促使消費需求下降。此外，高房價抬高了工業(yè)成本，削弱了經(jīng)濟競爭，造成產能過剩和產業(yè)同質化，削弱了工業(yè)創(chuàng)新能力，不利于創(chuàng)新型國家的建設，造成貧富差距的擴大。因此，只有合理控制房地產價格，避免房地產泡沫，地區(qū)經(jīng)濟增長才能可持續(xù)。

根據(jù)上述實證分析，提出如下政策建議：

第一，加強完善多層次資本市場建設，拓寬居民有效的投資渠道，并多渠道解決企業(yè)的融資瓶頸，多渠道保障實體經(jīng)濟的融資來源，秉持資本市場服務實體經(jīng)濟的本質，擴大金融發(fā)展對經(jīng)濟增長的貢獻。第二，推動民營銀行和互聯(lián)網(wǎng)融資平臺的發(fā)展，健全監(jiān)管體制，鼓勵金融創(chuàng)新，結合定向降準等政策，有效解決中小企業(yè)的融資需求，注重信貸資源向實體經(jīng)濟尤其是中小企業(yè)的傾斜，推動經(jīng)濟持續(xù)發(fā)展。第三，完善現(xiàn)有信貸體制，避免金融資源虛擬化。信貸資源不應在金融市場內部循環(huán)，更多的資源應引導至實體經(jīng)濟，提升投資效率，促進金融體系健康發(fā)展，使得信貸資源成為實體經(jīng)濟的催化劑。第四，優(yōu)化中長期信貸和短期信貸的比例，降低金融杠桿，有效提升對實體企業(yè)的中長期貸款比例，減少產能過剩、高污染、落后產能企業(yè)的投入，加強對創(chuàng)新型企業(yè)的投入，培育新經(jīng)濟增長點，提升經(jīng)濟活力。第五，房地產投資高速增長是我國城鎮(zhèn)化快速提升的必然結果，房地產對于區(qū)域經(jīng)濟發(fā)展會起到重要的推動作用，但也需要注意房價的非理性增長，空置率提高，傳統(tǒng)產能過剩，也同樣蘊含著經(jīng)濟風險，制約區(qū)域經(jīng)濟發(fā)展的活力和持續(xù)性。第六，使房價的上漲速度與經(jīng)濟增長、居民收入的增長保持一致性，合理運用限購、限貸、利率調控等政策使房價維持在合理的水平。