中國家庭債務(wù)與房價(jià)之間的自增強(qiáng)效應(yīng)
——基于全面FGLS回歸和分位數(shù)回歸的實(shí)證分析*

郭新華,李曉敏

(湘潭大學(xué) 商學(xué)院,湖南 湘潭 411105)

一、引言

自增強(qiáng)是一種局部正反饋的現(xiàn)象，經(jīng)濟(jì)系統(tǒng)中存在著大量的自增強(qiáng)現(xiàn)象(Arthur,1988)[1]9-31。2008年次貸危機(jī)以后，激發(fā)了學(xué)者們研究住房市場和信貸市場盛衰周期的相互作用，尤其是房價(jià)上漲與信貸增加之間的自增強(qiáng)效應(yīng)的興趣(Oikarinen,2009; Anundsen&Jansen,2013)[2]747-756，[3]192-212。2003年以來，大量資金涌入房地產(chǎn)市場，導(dǎo)致全國尤其是大城市房價(jià)迅猛上漲，形成了“中國式”房地產(chǎn)繁榮(Glaeser et al.,2017)[4]93-116。考慮到不同城市的異質(zhì)性以及房價(jià)水平差異，故不能簡單判斷城市房價(jià)是否存在泡沫, 否則會(huì)降低結(jié)論的可信度和實(shí)踐意義(梁云芳和高鐵梅,2007)[5]133-142。在我國房價(jià)不斷攀升的同時(shí)，家庭債務(wù)規(guī)模急劇擴(kuò)張，也存在著明顯地區(qū)差異，這可能與本地區(qū)城鎮(zhèn)人口比重和城鎮(zhèn)人均居民收入等因素密切相關(guān)(蔡浩儀和徐忠,2005)[6]63-75。已有關(guān)于中國家庭債務(wù)與房價(jià)之間關(guān)系的研究文獻(xiàn)，缺乏深入探討家庭債務(wù)與房價(jià)之間是否存在自增強(qiáng)關(guān)系，更沒有分析自增強(qiáng)效應(yīng)各渠道的解釋力度(郭新華等,2011；唐文進(jìn)等,2013)[7]9-13，[8]108-110。

因此，本文利用樣本城市的季度數(shù)據(jù)，構(gòu)造房價(jià)收入比指標(biāo)測度城市的房價(jià)泡沫化程度，并結(jié)合家庭債務(wù)的數(shù)據(jù)，考察樣本城市家庭債務(wù)與房價(jià)之間是否存在自增強(qiáng)效應(yīng)的特征。在此基礎(chǔ)上構(gòu)建面板固定效應(yīng)模型，利用全面FGLS回歸和分位數(shù)回歸方法，驗(yàn)證城市家庭債務(wù)與房價(jià)之間自增強(qiáng)效應(yīng)作用渠道并比較各渠道的貢獻(xiàn)。本文研究的主要意義在于：樣本城市家庭債務(wù)與房價(jià)之間存在自增強(qiáng)效應(yīng)，且不同渠道解釋力度不同，這為深刻理解中國家庭債務(wù)與房價(jià)之間的變動(dòng)關(guān)系提供一種理論解釋，且為決策者因地因城制定差異化調(diào)控政策提供較為重要的決策參考。

二、中國家庭債務(wù)與房價(jià)的自增強(qiáng)效應(yīng)考察

(一)城市房價(jià)泡沫化程度的測度

現(xiàn)有文獻(xiàn)采用統(tǒng)計(jì)檢驗(yàn)法、模型法和綜合指標(biāo)法，測度房價(jià)泡沫時(shí)具有各自的優(yōu)缺點(diǎn)。相較于模型法與統(tǒng)計(jì)檢驗(yàn)法，統(tǒng)計(jì)指標(biāo)法較容易和精準(zhǔn)地測定房價(jià)收入比。因此，本文參考呂江林(2010)[9]28-41的做法，選取房價(jià)收入比指標(biāo)衡量房價(jià)泡沫。在選擇樣本城市過程中，本文首先考慮到數(shù)據(jù)的完整性，從338個(gè)地級(jí)及以上城市中，剔除數(shù)據(jù)缺失嚴(yán)重的88個(gè)西部地級(jí)市，剩下250個(gè)城市；然后根據(jù)中國房地產(chǎn)信息網(wǎng)中收集到的72個(gè)城市住房成交套數(shù)數(shù)據(jù)，剔除年均成交套數(shù)在10 000套以下的13個(gè)城市，剩下59個(gè)城市；接著根據(jù)城市統(tǒng)計(jì)年鑒收集到的家庭債務(wù)數(shù)據(jù)比較完整的44個(gè)城市，剔除家庭債務(wù)規(guī)模最大值低于500億元的10個(gè)城市，剩余34個(gè)城市；最后選擇住房成交套數(shù)數(shù)據(jù)和家庭債務(wù)數(shù)據(jù)都比較完整的22個(gè)城市。本文在呂江林(2010)[9]28-41研究的基礎(chǔ)上優(yōu)化了部分指標(biāo)，用商品住宅平均單套銷售面積代替平均單套竣工面積，用城市層面的城鎮(zhèn)家庭戶均人口數(shù)代替全國平均城鎮(zhèn)家庭戶均人口數(shù)，最終測算出了22個(gè)樣本城市的房價(jià)收入比。(1)房價(jià)收入比=商品住宅套均售價(jià)/城鎮(zhèn)家庭平均可支配收入=(商品住宅銷售面積/商品住宅銷售套數(shù)*商品住宅平均銷售價(jià)格)/(城鎮(zhèn)家庭人均可支配收入*城鎮(zhèn)家庭戶均人口數(shù))。本文推導(dǎo)出當(dāng)前我房價(jià)收入比的合理上限為4.38～6.78，以此判斷各城市是否存在房價(jià)泡沫及泡沫化程度。

表1顯示：(1)2008—2015年北京、天津等14個(gè)城市(2)存在相當(dāng)大的房價(jià)泡沫的14個(gè)城市為：北京、天津、上海、南京、杭州、寧波、廈門、南昌、重慶、成都、無錫、蘇州、惠州和韶關(guān)。房價(jià)收入比基本上都在10倍左右，部分城市甚至超過20倍，存在相當(dāng)大的房價(jià)泡沫；(2)武漢和長沙的房價(jià)收入比也超過了合理范圍，存在一定程度的房價(jià)泡沫；(3)濟(jì)南2014年和2015年，淮安2008年、2014年和2015年，泉州2010年、2012—2015年的房價(jià)收入比在4.38～ 6.78間，并不存在房價(jià)泡沫，但其他年份也存在一定的房價(jià)泡沫。

表1 2008—2015年22個(gè)樣本城市的房價(jià)收入比

資料來源：根據(jù)各城市統(tǒng)計(jì)年鑒、部分省級(jí)統(tǒng)計(jì)年鑒、《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》(2009—2016)和中國房地產(chǎn)信息網(wǎng)(http://www.realestate.cei.gov.cn/)的數(shù)據(jù)整理計(jì)算而得。

(二)家庭債務(wù)與房價(jià)的變動(dòng)

表2為2009—2015年樣本城市家庭債務(wù)和房價(jià)的增長率情況。在房價(jià)上漲較緩慢時(shí)期(2011—2012年)，家庭債務(wù)增速較為平穩(wěn)；在房價(jià)上漲較迅速時(shí)期(2009—2010年，2013—2015年)，家庭債務(wù)也保持著較快增速。這表明，房價(jià)波動(dòng)與家庭債務(wù)變動(dòng)之間存在較強(qiáng)的同向變動(dòng)關(guān)系，這與挪威1986—2008年房價(jià)與信貸增長變動(dòng)的表現(xiàn)類似(Anundsen & Jansen,2013)[3]192-212，具備了較明顯的自增強(qiáng)效應(yīng)特征。

表2 2009—2015年22個(gè)樣本城市家庭債務(wù)與房價(jià)的增長率

注：括號(hào)外的數(shù)字是樣本城市的家庭債務(wù)規(guī)模的變動(dòng)率，括號(hào)內(nèi)的數(shù)字是樣本城市的商品住宅平均銷售價(jià)格的變動(dòng)率，以百分比表示。表中數(shù)據(jù)根據(jù)各城市統(tǒng)計(jì)年鑒、部分省級(jí)統(tǒng)計(jì)年鑒、部分省級(jí)金融年鑒和《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》(2009—2016)的數(shù)據(jù)整理計(jì)算所得。

三、中國家庭債務(wù)與房價(jià)自增強(qiáng)效應(yīng)的作用渠道

(一)房價(jià)對(duì)家庭債務(wù)的作用渠道

基于生命周期—持久收入假說，已有文獻(xiàn)考察房價(jià)波動(dòng)對(duì)家庭債務(wù)變動(dòng)的作用渠道。(1)抵押效應(yīng)渠道。家庭部門金融加速器效應(yīng)的實(shí)現(xiàn)主要是通過住房資產(chǎn)的抵押效應(yīng)來傳導(dǎo)(Bernanke et al.,1996)[10]1-15。房價(jià)上漲通過抵押效應(yīng)影響家庭的借貸能力，且抵押效應(yīng)的存在使家庭資產(chǎn)的暫時(shí)性變動(dòng)被家庭債務(wù)的同向變動(dòng)所強(qiáng)化(Iacoviello,2005)[11]739-764。(2)財(cái)富效應(yīng)渠道。房價(jià)上升影響了家庭預(yù)期終生財(cái)富，導(dǎo)致家庭消費(fèi)更多，最終擴(kuò)大了信用需求(Oikarinen,2009)[2]747-756。(3)托賓Q效應(yīng)渠道。實(shí)際房價(jià)上漲會(huì)增加與建筑成本有關(guān)的住房價(jià)值，也就是住宅投資的托賓Q比率(Anundsen & Jansen,2013)[3]192-212。托賓Q比率的上升將吸引開發(fā)商和家庭部門投資房產(chǎn)，進(jìn)而導(dǎo)致信貸需求增加。而此時(shí)增加信貸投放可觀的利潤也會(huì)刺激銀行擴(kuò)大信貸，信貸需求與供給兩方面的增加導(dǎo)致家庭債務(wù)規(guī)模的增大。這三種渠道在解釋房價(jià)與家庭債務(wù)之間關(guān)系中的貢獻(xiàn)大小并非一樣。由于托賓Q比率在實(shí)際建模中多是以企業(yè)的財(cái)務(wù)指標(biāo)來衡量，而本文主要考慮家庭部門，故沒有驗(yàn)證該渠道的作用。

(二)家庭債務(wù)對(duì)房價(jià)的作用渠道

基于流動(dòng)性約束假說的文獻(xiàn)揭示了家庭債務(wù)變動(dòng)對(duì)房價(jià)波動(dòng)存在較為復(fù)雜的作用渠道。(1)資產(chǎn)負(fù)債表效應(yīng)渠道。家庭債務(wù)規(guī)模的變動(dòng)意味著家庭資產(chǎn)負(fù)債的相對(duì)變動(dòng)，而資產(chǎn)負(fù)債的相對(duì)變動(dòng)會(huì)影響對(duì)住房的投資需求，進(jìn)而導(dǎo)致房價(jià)的波動(dòng)。(2)預(yù)期效應(yīng)渠道。預(yù)期和不確定性會(huì)顯著影響住房需求，進(jìn)而導(dǎo)致房價(jià)波動(dòng)(Oikarinen,2009)[2]747-756。(3)流動(dòng)性效應(yīng)渠道。大多數(shù)購房都是由信貸支持的，家庭債務(wù)可能通過各種流動(dòng)性影響影響住房價(jià)格(Anundsen & Jansen,2013)[3]192-212。信貸可用性提高會(huì)降低貼現(xiàn)率，并增加預(yù)期的未來現(xiàn)金流量，導(dǎo)致房價(jià)上漲。這三種渠道在家庭債務(wù)對(duì)房價(jià)的作用中相互影響，不能完全割裂。由于流動(dòng)性效應(yīng)的代理變量是利率，而一些針對(duì)中國的經(jīng)驗(yàn)研究發(fā)現(xiàn)利率對(duì)中國房價(jià)波動(dòng)沒有影響(陳晨和傅勇,2013)[12]50-66。本文基于中國的實(shí)際情況沒有驗(yàn)證流動(dòng)性效應(yīng)渠道，只檢驗(yàn)資產(chǎn)負(fù)債表效應(yīng)渠道和預(yù)期效應(yīng)渠道的影響。圖1為家庭債務(wù)與房價(jià)自增強(qiáng)效應(yīng)的作用渠道。

四、變量選取與模型設(shè)定

(一)變量選取

為了驗(yàn)證中國家庭債務(wù)與房價(jià)之間自增強(qiáng)效應(yīng)的作用渠道，本文最終設(shè)置的主要變量是家庭債務(wù)、房價(jià)泡沫、貸款價(jià)值比、房價(jià)、城鎮(zhèn)家庭人均可支配收入?？刂谱兞渴巧鐣?huì)保障與就業(yè)支出、人口規(guī)模、國內(nèi)生產(chǎn)總值和地方公共財(cái)政預(yù)算支出。本文所用數(shù)據(jù)的時(shí)間跨度選取2008—2015年。表3為主要變量的描述與數(shù)據(jù)來源。

基于樣本容量以及房價(jià)波動(dòng)程度的考慮，我們用Eviews 9.0將年度數(shù)據(jù)轉(zhuǎn)換成季度數(shù)據(jù)。為了減少異方差和保證自變量與因變量之間是線性的，本文在實(shí)證過程中對(duì)家庭債務(wù)、社會(huì)保障與就業(yè)支出、人口規(guī)模、地價(jià)、房價(jià)、城鎮(zhèn)家庭人均可支配收入和公共財(cái)政預(yù)算支出取自然對(duì)數(shù)；而貸款價(jià)值比、房價(jià)泡沫和房價(jià)變動(dòng)率本來就是相對(duì)值，故無需取對(duì)數(shù)。

(二)模型設(shè)定

基于F檢驗(yàn)和Hausman檢驗(yàn)的結(jié)果，分別拒絕混合回歸模型和隨機(jī)效應(yīng)模型原假設(shè)，故本文選擇面板固定效應(yīng)模型。參考Cutler和Llerasmuney(2010)[13]1-28的方法，本文將模型設(shè)定為：

LNHDit=ci+γt+α1PIRit+Xitη+uit

(1)

LNHDit=ci+γt+β1PIRit+Xitη+Citλ+uit

(2)

(3)

(4)

五、中國家庭債務(wù)與房價(jià)自增強(qiáng)效應(yīng)的渠道分解

(一)回歸方法選擇

采用LLC法和ADF-Fisher 法的單位根檢驗(yàn)結(jié)果表明，所有變量的時(shí)間序列皆為平穩(wěn)序列。本文樣本數(shù)據(jù)屬于長面板，選擇沃爾德chi2檢驗(yàn)、沃爾德F檢驗(yàn)和Frees檢驗(yàn)，結(jié)果表明，擾動(dòng)項(xiàng)存在組間異方差、組內(nèi)自相關(guān)與組間同期相關(guān)。因此，本文選擇全面可行廣義最小二乘法估計(jì)(全面FGLS)來進(jìn)行回歸。另外，考慮到城市的異質(zhì)性，不同城市的家庭債務(wù)規(guī)模與房價(jià)相差較大，為此采用分位數(shù)回歸方法，來比較不同規(guī)模的家庭債務(wù)對(duì)房價(jià)的影響以及不同水平的房價(jià)對(duì)家庭債務(wù)的影響?？紤]到極端值的影響，選擇0.1、0.3、0.5、0.7和0.9作為分位點(diǎn)，對(duì)不同分位數(shù)條件下各變量的回歸系數(shù)進(jìn)行估計(jì)，并與全面FGLS回歸結(jié)果進(jìn)行比較，說明回歸結(jié)果的穩(wěn)健性。

(二)回歸結(jié)果分析

1.房價(jià)對(duì)家庭債務(wù)的作用渠道分解

表4全面FGLS回歸結(jié)果表明，在不加入任何渠道變量的情況下，房價(jià)與家庭債務(wù)之間存在顯著的正向關(guān)系。在加入渠道變量后，兩類渠道變量共同解釋了房價(jià)對(duì)家庭債務(wù)正向作用的78.5%，其中抵押效應(yīng)渠道解釋了2.8%，財(cái)富效應(yīng)渠道解釋了78.9%，財(cái)富效應(yīng)渠道的解釋力度要遠(yuǎn)大于抵押效應(yīng)渠道。

表4 房價(jià)對(duì)家庭債務(wù)的作用渠道分解估計(jì)結(jié)果(全面FGLS回歸)

注：***、**、*分別表示在1%、5%、10%的水平上顯著，括號(hào)內(nèi)為t 統(tǒng)計(jì)量的值；回歸中還控制了經(jīng)濟(jì)發(fā)展水平變量、公共財(cái)政預(yù)算支出變量和城市等虛擬變量，限于篇幅，沒有報(bào)告。除非特別說明，下文同。

表5分位數(shù)回歸的結(jié)果表明，在不同分位點(diǎn)上，房價(jià)都對(duì)家庭債務(wù)起著顯著的促進(jìn)作用，且家庭債務(wù)越大，房價(jià)對(duì)家庭債務(wù)的正向作用就越顯著。在不同分位點(diǎn)上，財(cái)富效應(yīng)渠道在解釋正向作用上都發(fā)揮著顯著的促進(jìn)作用，且家庭債務(wù)越大，財(cái)富效應(yīng)渠道在解釋房價(jià)對(duì)家庭債務(wù)的正向作用中所占的比重越大。相比之下，抵押效應(yīng)渠道的解釋作用在Q=0.1和Q=0.3處都不顯著，這說明當(dāng)家庭債務(wù)較小時(shí)，抵押效應(yīng)渠道在解釋房價(jià)對(duì)家庭債務(wù)的正向作用中的比重不顯著。但是，就各分位點(diǎn)的結(jié)果綜合來看，財(cái)富效應(yīng)渠道的解釋力度遠(yuǎn)大于抵押效應(yīng)渠道，這與全面FGLS的回歸結(jié)果一致。

2.家庭債務(wù)對(duì)房價(jià)的作用渠道分解

表6全面FGLS回歸結(jié)果表明，在不加入任何渠道變量的情況下，家庭債務(wù)與房價(jià)之間存在著顯著的正向關(guān)系。在加入渠道變量后，兩類渠道變量共同解釋了家庭債務(wù)對(duì)房價(jià)正向作用的76.4%，其中資產(chǎn)負(fù)債表效應(yīng)渠道解釋了63.3%，預(yù)期效應(yīng)渠道解釋了7.1%。由此可見，資產(chǎn)負(fù)債表效應(yīng)渠道的解釋力度要遠(yuǎn)大于預(yù)期效應(yīng)渠道。

表5 房價(jià)對(duì)家庭債務(wù)自增強(qiáng)效應(yīng)的作用渠道分解估計(jì)結(jié)果(分位數(shù)回歸)

注：抵押效應(yīng)渠道的解釋作用在分位點(diǎn)Q=0.1和Q=0.3處都不顯著，這說明當(dāng)家庭債務(wù)較小時(shí)，抵押效應(yīng)渠道在解釋房價(jià)對(duì)家庭債務(wù)的正向作用中的比重不顯著。故限于篇幅，分位點(diǎn)Q=0.1和Q=0.3沒有報(bào)告。

表6 家庭債務(wù)對(duì)房價(jià)的作用渠道分解估計(jì)結(jié)果(全面FGLS回歸)

注：回歸中還控制了社會(huì)保障和就業(yè)支出變量、人口規(guī)模變量和城市等虛擬變量，限于篇幅，沒有報(bào)告。除非特別說明，下文同。

表7分位數(shù)回歸的結(jié)果表明，在不同分位點(diǎn)上，家庭債務(wù)都對(duì)房價(jià)起著顯著的促進(jìn)作用，且隨著分位數(shù)水平的不斷提高，影響系數(shù)逐漸變大，這說明房價(jià)越高，家庭債務(wù)對(duì)房價(jià)的正向作用就越顯著。在不同分位點(diǎn)上，預(yù)期效應(yīng)渠道在解釋家庭債務(wù)對(duì)房價(jià)的正向作用上都發(fā)揮著抑制作用。相比之下，資產(chǎn)負(fù)債表效應(yīng)渠道在解釋正向作用上都發(fā)揮著促進(jìn)作用，且房價(jià)越高，資產(chǎn)負(fù)債表效應(yīng)渠道的解釋力度越大。然而，在Q=0.9處，加入資產(chǎn)負(fù)債表效應(yīng)渠道后，房價(jià)的回歸系數(shù)反而不顯著了，這說明當(dāng)房價(jià)泡沫程度非常大時(shí)，資產(chǎn)負(fù)債表效應(yīng)在解釋正向作用中的貢獻(xiàn)并不顯著。但是，就各分位點(diǎn)的結(jié)果綜合來看，資產(chǎn)負(fù)債表效應(yīng)渠道的解釋力度遠(yuǎn)大于預(yù)期效應(yīng)渠道，這與全面FGLS的回歸結(jié)果一致。

表7 家庭債務(wù)對(duì)房價(jià)作用渠道分解估計(jì)結(jié)果(分位數(shù)回歸)

注：在分位點(diǎn)Q=0.1處，預(yù)期效應(yīng)渠道在解釋家庭債務(wù)對(duì)房價(jià)正向作用中的貢獻(xiàn)并不顯著，在分位點(diǎn)Q=0.9處，加入資產(chǎn)負(fù)債表效應(yīng)渠道后，房價(jià)的回歸系數(shù)反而不顯著了，這說明當(dāng)房價(jià)泡沫程度非常大時(shí)，資產(chǎn)負(fù)債表效應(yīng)在解釋正向作用中的貢獻(xiàn)并不顯著。故限于篇幅，分位點(diǎn)Q=0.1和Q=0.9沒有報(bào)告。

六、結(jié)語

2008年以來，中國家庭債務(wù)規(guī)模與房價(jià)之間呈現(xiàn)較明顯的自增強(qiáng)特征，因此，研究家庭債務(wù)與房價(jià)之間的自增強(qiáng)效應(yīng)及其作用渠道，對(duì)政府調(diào)控房地產(chǎn)市場和防范金融風(fēng)險(xiǎn)具有重要的意義。本文利用樣本城市2008—2015年季度數(shù)據(jù)，構(gòu)造房價(jià)收入比指標(biāo)測度城市的房價(jià)泡沫化程度，識(shí)別樣本城市家庭債務(wù)與房價(jià)之間的自增強(qiáng)效應(yīng)。在此基礎(chǔ)上構(gòu)建面板固定效應(yīng)模型，利用全面FGLS回歸和分位數(shù)回歸，驗(yàn)證了家庭債務(wù)與房價(jià)之間自增強(qiáng)效應(yīng)的作用渠道并比較各渠道的貢獻(xiàn)大小。研究結(jié)果表明：樣本城市的家庭債務(wù)與房價(jià)之間存在較明顯的自增強(qiáng)效應(yīng)。房價(jià)上漲通過抵押效應(yīng)渠道和財(cái)富效應(yīng)渠道帶來城市家庭債務(wù)的擴(kuò)大，且財(cái)富效應(yīng)渠道的解釋力度更大。家庭債務(wù)擴(kuò)大通過資產(chǎn)負(fù)債表效應(yīng)渠道和預(yù)期效應(yīng)渠道推動(dòng)了房價(jià)的進(jìn)一步上漲，且資產(chǎn)負(fù)債表效應(yīng)渠道的解釋力度更大。

本文研究結(jié)論具有較豐富的政策含義。一方面，政府應(yīng)該對(duì)房價(jià)泡沫程度較大的城市，實(shí)行嚴(yán)格的調(diào)控政策來防范和應(yīng)對(duì)房價(jià)泡沫帶來的風(fēng)險(xiǎn)；對(duì)房價(jià)泡沫程度相對(duì)低的城市支持家庭購買住房的正常需求，實(shí)施優(yōu)惠政策以緩解住房庫存壓力。另一方面，政府應(yīng)該警惕家庭債務(wù)快速上升帶來的金融風(fēng)險(xiǎn)，對(duì)家庭債務(wù)規(guī)模較大的城市，要加強(qiáng)對(duì)住房金融市場監(jiān)管；而對(duì)家庭債務(wù)規(guī)模相對(duì)較低的城市，滿足家庭住房信貸需求，改善家庭住房條件與提升居民幸福感。