影子銀行對房價溢出效應(yīng)的區(qū)域異質(zhì)性研究
——基于省級面板數(shù)據(jù)的空間計量分析

張 超，侯甜甜

(安徽財經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030)

自我國的住房制度改革以來，各地區(qū)房價競相上漲，部分城市房價一度出現(xiàn)“量價齊升”的態(tài)勢。一些學(xué)者認為，當前我國房地產(chǎn)行業(yè)正逐漸步入“脫實向虛”境地[1]。為防范和遏制房地產(chǎn)泡沫化，政府出臺了一些穩(wěn)定房價的調(diào)控政策，例如：“國五條”“國十條”“五限政策”等。但從房價的波動幅度來看，并未達到預(yù)期效果，房價依舊“逆勢飄紅”，這或許與近些年快速成長起來的影子銀行有關(guān)。據(jù)銀保監(jiān)會的課題組發(fā)布《中國影子銀行報告》顯示，截至2019年底，由銀行理財、委托貸款、資金信托等組成的廣義影子銀行規(guī)模已達到84.80萬億元，約占社會融資規(guī)模的33.72%。影子銀行存在不透明性、期限轉(zhuǎn)換以及高杠桿性等特征，能夠在一定程度上規(guī)避管制，為金融機構(gòu)和企業(yè)提供部分信貸支持[2]。被譽為“經(jīng)濟晴雨表”的房地產(chǎn)行業(yè)是資本密集型產(chǎn)業(yè)，對資金存在較大需求，依賴傳統(tǒng)銀行機構(gòu)進行融資的方式難以滿足該行業(yè)現(xiàn)行發(fā)展的需要。在此境況下，房地產(chǎn)行業(yè)開始轉(zhuǎn)向了境外發(fā)債、非標融資等其它“影子渠道”[3]?？梢?，房地產(chǎn)業(yè)與影子銀行這兩者間緊密相連。故研究房價與影子銀行之間的關(guān)系，對促進房地產(chǎn)市場的健康運行、維護金融體系的穩(wěn)定，以及加強區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展具有重要意義。

一、文獻綜述

關(guān)于影子銀行對房地產(chǎn)價格的影響一直是各界學(xué)者關(guān)注的熱點話題，其研究的主要內(nèi)容可分為以下幾個方面。

一是影子銀行對房地產(chǎn)價格具有促進作用。Pavlov和Wachter(2011) 認為影子銀行是金融發(fā)展與創(chuàng)新的產(chǎn)物，能夠為房地產(chǎn)市場提供部分資金[4]。張寶林和潘煥學(xué)(2013)研究影子銀行促使資產(chǎn)泡沫化和誘發(fā)金融危機的作用機制，結(jié)果發(fā)現(xiàn)長期影子銀行規(guī)模的擴大對房價具有正向影響[5]。賈生華等(2016)進一步研究發(fā)現(xiàn)影子銀行會擴大房地產(chǎn)投資規(guī)模，并降低實際利率水平[6]。張輝(2019)運用SVAR模型研究房地產(chǎn)行業(yè)、影子銀行體系以及金融系統(tǒng)的穩(wěn)定三者之間的關(guān)系，結(jié)果發(fā)現(xiàn)影子銀行信貸資金大量流入房地產(chǎn)市場[7]。劉子策(2020)運用DSGE模型，實證研究發(fā)現(xiàn)影子銀行通過向房地產(chǎn)行業(yè)輸送信貸資金，有可能會引發(fā)經(jīng)濟波動和金融危機[3]。

二是影子銀行對房地產(chǎn)價格具有抑制作用或二者存在互動機制。歐陽志剛等(2016)運用VAR模型，研究發(fā)現(xiàn)短期內(nèi)影子銀行的金融壓力對房價泡沫化會產(chǎn)生正向影響，但長期具有抑制作用[8]。馬亞明等(2018)從監(jiān)管套利方面出發(fā)，研究影子銀行業(yè)務(wù)類型和資金流向房地產(chǎn)業(yè)的作用機理，結(jié)果發(fā)現(xiàn)影子銀行體系對房地產(chǎn)價格存在顯著的時變特征，即兩者并無必然關(guān)聯(lián)[9]。趙勝民和何潔玉(2018)提出影子銀行與房地產(chǎn)價格具有互推機理，影子銀行規(guī)模擴大會助推房價的上漲，并且房價上漲會提高影子銀行規(guī)模[10]；姜世超(2019)也進一步證實了這一觀點[11]。然而上述文獻對房地產(chǎn)價格和影子銀行的研究主要是基于VAR模型，少數(shù)運用了一般動態(tài)均衡模型，未考慮區(qū)域間的異質(zhì)性和相互影響，回歸結(jié)果或許存在偏誤。

此外，也有少數(shù)學(xué)者從區(qū)域差異和空間效應(yīng)的角度研究影子銀行對房地產(chǎn)價格的影響。王若涵(2020)運用RBC模型研究影子銀行體系與貨幣政策影響我國房價的內(nèi)在機制。結(jié)果發(fā)現(xiàn)，東、中部地區(qū)的影子銀行對房價有著明顯促進效應(yīng)，而西部地區(qū)的影子銀行對房價具有抑制效應(yīng)[12]。張曾蓮和何蘭芳(2017)基于空間視角，研究影子銀行體系對房地產(chǎn)價格的影響，結(jié)果發(fā)現(xiàn)各省域房價存在空間關(guān)聯(lián)性，即鄰近轄區(qū)房價的上漲會推動本地區(qū)房價的上升[13]?？梢姡谘芯课覈白鱼y行與房價兩者之間的關(guān)系時需考慮空間因素。

綜上，多數(shù)學(xué)者認為影子銀行會助推房價上漲，也有部分學(xué)者提出影子銀行能夠抑制房價上漲或二者存在互動機制。但基于空間視角，聚焦影子銀行，探討影子銀行對房價影響的區(qū)域差異的文獻較少，這為本文提供了一定的空間。鑒于此，本文將基于2009—2018年中國省級面板數(shù)據(jù)，從空間關(guān)聯(lián)的視角運用空間計量模型，分析影子銀行對房地產(chǎn)價格影響的區(qū)域差異和空間效應(yīng)。

二、模型設(shè)定與變量說明

1.變量選取與數(shù)據(jù)來源

鑒于部分省域的數(shù)據(jù)存在少數(shù)缺失，本文實證研究使用2009—2018年間我國31個省域(自治區(qū)、直轄市)的空間面板數(shù)據(jù)，并且數(shù)據(jù)主要來自各地區(qū)的統(tǒng)計公報、國家統(tǒng)計局、Wind資訊金融終端。

(1)被解釋變量

房價(Lnprice)，借鑒王若涵的研究方法，選取各省域商品房的平均售價作為衡量房價的代理變量，并取自然對數(shù)[13]。

(2)解釋變量

影子銀行(Lnsbank)，借鑒封思賢(2014)的研究方法，從借款人的視角出發(fā)，間接度量出核心解釋變量影子銀行的規(guī)模[14]。之所以采用間接測算的方法，是因為我國影子銀行業(yè)務(wù)的劃分沒有統(tǒng)一的口徑，若直接對影子銀行的子業(yè)務(wù)進行加總會形成較大的誤差。最后，將其取自然對數(shù)。

(3)控制變量

本文借鑒劉有章和徐穎(2019)的研究方法，從經(jīng)濟發(fā)展、人口需求、土地供給、開發(fā)投資以及利率水平這五個方面選取以下變量進行控制[15]。選取人均地區(qū)生產(chǎn)總值(Lnpgdp)來衡量各地區(qū)經(jīng)濟發(fā)展狀況對房價的影響，并取自然對數(shù)；選取人口密度(Lndens)來衡量人口需求因素對房價的影響，并取自然對數(shù)；選取各地區(qū)房屋竣工面積(Lnarea)，從房屋供給的角度，衡量土地供給因素對房價的影響，并取自然對數(shù)；選取房地產(chǎn)開發(fā)投資(Lninvest)，衡量開發(fā)投資因素對房價的影響，并取自然對數(shù)；選取各省的實際利率(Rate)，衡量實際利率水平對房地產(chǎn)價格的影響。其中，人口密度(Lndens)采用常駐總?cè)丝谂c各地行政面積的比值來表示。實際利率(Rate)采取名義利率和實際利率這二者之差來表示。樣本中各變量的描述性統(tǒng)計，如表1所示。

表1 變量的描述性統(tǒng)計

2.空間相關(guān)性檢驗

考察影子銀行對房地產(chǎn)價格的空間效應(yīng)，首先需要對變量進行空間自相關(guān)性分析，以識別影子銀行和房地產(chǎn)價格的空間依賴關(guān)系，通常有以下兩種分析方法。

(1)全局空間相關(guān)性檢驗

全局空間相關(guān)性檢驗?zāi)軌蚩疾檎麄€研究范疇是否存在某種自相關(guān)性，采用“莫蘭指數(shù)”(Moran’s I)來估量,其表達式如下：

(1)

式(1)中，wij表示鄰接空間權(quán)重矩陣，xi與xj分別表示省份i、省份j的觀測值，本文主要考察房價與影子銀行。其中，該指數(shù)的大小一般介于-1到1之間。若該數(shù)值小于0，說明各地域的觀測值具有空間負相關(guān)性，若該數(shù)值大于0，說明各地域的觀測值具有空間正相關(guān)性。

(2)局部空間相關(guān)性檢驗

局部空間自相關(guān)性反映了地區(qū)觀測值的空間內(nèi)部結(jié)構(gòu)?？蛇\用Moran散點圖(也稱四象限圖：低-低型、低-高型、高-高型以及高-低型)對房價與影子銀行的局部空間相關(guān)性進行分析，研究兩者局部空間聚集性的具體特征。

3.空間計量模型的設(shè)定

不同的空間模型表示不同的經(jīng)濟含義。SAR模型能夠用于研究相鄰地域的房地產(chǎn)價格對本地域房價產(chǎn)生的溢出效應(yīng)。SEM模型則可用于考察相鄰地域各相關(guān)變量的誤差沖擊對本地域房價產(chǎn)生的影響。SDM模型可用于分析相鄰地域的各相關(guān)變量和房價對本地域房價的溢出效應(yīng)。本文運用以上三種模型，具體公式如下：

Lnpriceit=λWLpriceit+β0+β1Lnsbankit+βiControl+εit

(2)

Lnpriceit=φ0+φ1Lnsbankit+φiControl+ρWμ+εit

(3)

Lnpriceit=δWLnpriceit+γ0+γ1Lnsbankit+γiControl+η1WLnsbankit+ηiWControl+εit

(4)

上式中，β0、φ0、γ0是常數(shù)項，βi、φi、γi為各個變量的回歸系數(shù)，W為31×31的空間權(quán)重矩陣，Lnpriceit代表第i個省份第t年的房價，Lnsbankit代表第i個省份第t年影子銀行規(guī)模，control為各控制變量，λ、δ代表了房價的空間自回歸系數(shù)，反映房地產(chǎn)價格的關(guān)聯(lián)程度，即鄰近地域房價對本地域房價的空間溢出效應(yīng)。ρ為空間誤差項的相關(guān)系數(shù)，表明鄰近地域中各個變量的觀測值的誤差波動對本地域相應(yīng)變量觀測值的作用效應(yīng)。η為各變量的空間滯后項系數(shù)，反映鄰近地域各變量對本地域房價的空間溢出效應(yīng)。

三、空間計量結(jié)果分析

1.空間自相關(guān)性分析

(1)全局空間自相關(guān)性分析

基于空間自相關(guān)理論，本文運用全局莫蘭指數(shù)(Moran’s I)對我國31個省份2009—2018年房價和影子銀行的空間相關(guān)性進行檢驗，如表2所示。

表2 房價和影子銀行的全局莫蘭指數(shù)

由表2可知，從2009年到2018年，我國房價的Moran’s I表現(xiàn)為正且均通過了1%的顯著性水平的檢驗。這說明房地產(chǎn)價格有著較為明顯的空間正相關(guān)性，即呈現(xiàn)一定的地理集聚效應(yīng)。因此，在研究我國房價不斷上漲問題時應(yīng)充分重視其可能存在空間關(guān)聯(lián)性。另外，從2016年至2017年，影子銀行的Moran’s I均在5%的顯著性水平內(nèi)顯著為正，其余年份均在1%的顯著性水平內(nèi)顯著為正，說明我國影子銀行也存在顯著的空間正相關(guān)性。

(2)局部空間相關(guān)性分析

本文使用Stata15.0軟件測度房價與影子銀行2018年的局部莫蘭指數(shù)，同時描繪出這兩者的局部Moran散點圖。由圖1可知，2018年約有8個和19個省份分別位于第一、第三象限，即位于一、三象限的地區(qū)達到87%，說明房地產(chǎn)價格存在較為明顯的高高、低低分布的態(tài)勢?？梢娢覈績r存在一定程度的空間正自相關(guān)性。從圖2也可以看出， 2018年影子銀行規(guī)模大多數(shù)集中在第一象限，而少數(shù)集中在第三象限，同樣表現(xiàn)出較為明顯的高高、低低分布的趨勢，即存在空間正自相關(guān)性。

圖1 2018年房價的Moran散點圖

圖2 2018年影子銀行的Moran散點圖

2.全國空間效應(yīng)分析

(1)空間計量模型檢驗

首先，對空間樣本數(shù)據(jù)進行LM檢驗，結(jié)果顯示，空間誤差模型與空間滯后模型對應(yīng)的P值分別在5%、1%的顯著性水平內(nèi)顯著，說明兩個模型均適合。此時，空間杜賓模型作為二者的結(jié)合也可用于本文的研究。其次，根據(jù)空間面板的Wald和LR檢驗結(jié)果，采取空間杜賓模型進行參數(shù)估計最佳。再次，依據(jù)Husman檢驗以及效應(yīng)檢驗結(jié)果，使用固定個體效應(yīng)模型的回歸結(jié)果會更為準確。最后，為了保證計量結(jié)果的穩(wěn)定性，一并運用以上三種模型進行研究分析，如表3所示。

表3 空間面板模型的回歸結(jié)果表

表3分別列出了三種模型的回歸結(jié)果，可以看出空間杜賓模型的R2、Log-L統(tǒng)計量分別為：0.8967、272.1484，即該模型的擬合效果最好且對數(shù)似然值最大，表明三者中的空間杜賓模型最適宜。因此，此處僅對空間杜賓模型的結(jié)果進一步分析。SDM模型中被解釋變量房價的空間自回歸系數(shù)(W×Lnprice)為0.1318且在1%的顯著性水平內(nèi)顯著，這說明一個地域房地產(chǎn)價格的上漲對鄰近地域房價具有明顯的正向溢出效應(yīng)。

觀察各變量的回歸系數(shù)，影子銀行規(guī)模的系數(shù)為0.2139且在1%的顯著性水平內(nèi)顯著，即影子銀行對本地域的房價存在正向影響，這說明影子銀行規(guī)模的擴增對本地域房價具有明顯的促進作用。借鑒賈生華等(2015)的觀點，影子銀行能夠在一定條件下規(guī)避管制，以高于市場利率向房地產(chǎn)企業(yè)提供信貸支持，而增加的成本被企業(yè)轉(zhuǎn)嫁到房價上來，最終由購房者承擔[6]。控制變量中，人口密度和人均地區(qū)生產(chǎn)總值對本地域的房地產(chǎn)價格具有顯著的促進作用，而房屋竣工面積和房地產(chǎn)開發(fā)投資對本地域房價具有顯著的抑制作用，而利率對房價的影響不顯著，可能在于利率調(diào)節(jié)房價的機理更多是通過改變房地產(chǎn)市場的供求關(guān)系，對目前國內(nèi)房地產(chǎn)業(yè)來說，這種方式較難直接控制房價[12]。

進一步分析解釋變量的空間滯后項系數(shù)，影子銀行的空間滯后項系數(shù)(W×Lnsbank)為0.0642且在5%的顯著水平內(nèi)顯著，這說明本地域影子銀行規(guī)模的擴大會對鄰近地域房價產(chǎn)生正向溢出效應(yīng)。這或許由于地域之間存在示范、模仿等效應(yīng)，本地域影子銀行規(guī)模的增大會間接刺激鄰近地域房地產(chǎn)市場的發(fā)展，從而對鄰近地域房價產(chǎn)生正向溢出效應(yīng)。人均地區(qū)生產(chǎn)總值與人口密度的空間滯后項系數(shù)為正，兩者對周邊地域的房價有著正向溢出效應(yīng)。房屋竣工面積、實際利率的空間滯后項系數(shù)顯著為負，即二者對鄰近地域房價會形成負向的溢出效應(yīng)。房地產(chǎn)開發(fā)投資的空間滯后項系數(shù)為正卻不顯著，說明本地域房地產(chǎn)開發(fā)投資增加對鄰近地域房價不具有顯著溢出效應(yīng)。

3.分區(qū)域空間效應(yīng)分析

為了進一步探討影子銀行和房地產(chǎn)價格二者的地域結(jié)構(gòu)特征，本文將從東、中、西部三個地區(qū)，分別考察影子銀行與房價之間的關(guān)系。因上文分析固定個體的空間杜賓模型可作為適宜的估計方法，則依次列出三個地區(qū)的計量結(jié)果，如表4所示。

表4 分地區(qū)空間計量模型結(jié)果表

由表4可知，房價的空間自回歸系數(shù)(W×Lnprice)分別為：0.4163、0.3085、0.2665，在東、中、西三個地區(qū)都顯著為正，且依次遞減，表明三個地域的房地產(chǎn)價格均存在顯著的溢出效應(yīng)。就東部地區(qū)而言，房地產(chǎn)價格的上升對鄰近地域房價的推動作用為最大，中部、西部依次降低。

進一步觀察各變量的回歸系數(shù)。一方面，影子銀行、人均地區(qū)生產(chǎn)總值、人口密度對地區(qū)房價的促進作用自東部向西部呈現(xiàn)出了逐漸遞減的趨勢，且西部地區(qū)的影子銀行和人口密度對房價的影響不顯著，可能在于東部、中部地域經(jīng)濟發(fā)展狀況較好，有助于影子銀行的發(fā)展和人才的流入，在一定水平上會促進房價的上漲；而經(jīng)濟發(fā)展狀況相對滯后的西部地區(qū)人口密度較低，同時影子銀行發(fā)展規(guī)模較小，難以成為傳統(tǒng)融資方式的補充，導(dǎo)致人口密度和影子銀行規(guī)模對房價尚未產(chǎn)生顯著影響[12]。另一方面，房屋竣工面積、房地產(chǎn)開發(fā)投資對三個地區(qū)的房價均有著較強的抑制作用，說明我國各區(qū)域的房價受到這兩個因素的影響較大。實際利率水平對房價的作用效果存在區(qū)域差異，具體為實際利率對西部地區(qū)的房價不存在顯著影響，但對其他地區(qū)會產(chǎn)生一定程度的抑制作用。

對解釋變量的空間滯后項系數(shù)進行分析，影子銀行的空間滯后項系數(shù)(W×Lnsbank)在東、中部地區(qū)顯著為正，而西部呈現(xiàn)不顯著。這說明，在東、中部地區(qū)，本地域的影子銀行規(guī)模的擴大對鄰近地域房價有著顯著的溢出效應(yīng)，而西部地區(qū)作用不明顯。原因可能是西部地區(qū)各省份的影子銀行規(guī)模較小，且房價的波動幅度較低，地區(qū)之間影子銀行規(guī)模的擴大尚未對房地產(chǎn)價格產(chǎn)生明顯的溢出作用。人均地區(qū)生產(chǎn)總值的空間滯后項系數(shù)在東、中部地域顯著為正，而西部為負且不顯著，這說明在東部、中部地區(qū)，本地域的經(jīng)濟發(fā)展狀況對鄰近地域的房價有著顯著的正向溢出效應(yīng)。西部地區(qū)人口密度的空間滯后項系數(shù)為0.3313且通過了1%的顯著性水平，而其他地區(qū)不顯著。說明在西部地區(qū)，本地域的人口密度對鄰近地域的房價有著較強的溢出效應(yīng)。三個地區(qū)的房屋竣工面積、實際利率水平的空間滯后項系數(shù)顯著為負，即二者對房價具有負向溢出效應(yīng)。而房地產(chǎn)開發(fā)投資的空間滯后項系數(shù)在東部、中部地區(qū)顯著為負，而西部地區(qū)不顯著，說明在東、中部地區(qū)，本地域的房地產(chǎn)開發(fā)投資對鄰近地域的房價有著較強的負向溢出效應(yīng)，而西部地區(qū)不明顯。

四、結(jié)論與建議

1.結(jié)論

本文基于我國2009—2018年31個省份地區(qū)的面板數(shù)據(jù)，運用空間計量模型研究影子銀行與房價之間的變動關(guān)系，研究范圍覆蓋了我國東、中、西部三個地區(qū)，研究結(jié)果具有較強的現(xiàn)實意義。

第一，通過空間自相關(guān)分析，發(fā)現(xiàn)我國31個省份的房價和影子銀行均存在較強的正向空間自相關(guān)性，說明我國房價和影子銀行都具有一定的空間依賴性和地理聚集效應(yīng)。

第二，從全國層面來看，影子銀行對房價具有顯著的空間溢出效應(yīng)。即本地域的影子銀行的擴張對當?shù)氐姆績r存在顯著的正向影響，同時對鄰近地域的房價也有著較為顯著的正向影響。原因可能是相鄰地域間具有示范效應(yīng)和模仿效應(yīng)，本地域影子銀行規(guī)模的擴張會間接刺激鄰近地域的房價上升。

第三，從區(qū)域?qū)用鎭砜?，影子銀行對房價的空間溢出效應(yīng)在我國東、中、西部存在顯著差異。東部和中部地區(qū)影子銀行對房價存在顯著的正向空間溢出效應(yīng)，且東部最強，中部次之，即中、東部地區(qū)影子銀行的擴張對本地域和鄰近地域的房價均存在促進作用，而西部地區(qū)影子銀行對房價的溢出效應(yīng)不顯著。

2.建議

基于研究結(jié)論，為了進一步加強對房地產(chǎn)價格的調(diào)控和規(guī)范我國影子銀行的合理發(fā)展，提出以下相關(guān)建議。

第一，為有效遏制房地產(chǎn)發(fā)生泡沫，構(gòu)筑反周期的房地產(chǎn)市場調(diào)節(jié)體系。房地產(chǎn)行業(yè)的運行通常需要投入大量的資金，其屬于資本密集型產(chǎn)業(yè)。政府及相關(guān)機構(gòu)應(yīng)大力拓展多元化的融資途徑，提升直接融資在市場中的占比，例如，建立房地產(chǎn)行業(yè)的投資基金、開發(fā)項目債券等。另一方面，不同省域的經(jīng)濟發(fā)展狀況存在顯著差異，政府應(yīng)依據(jù)當?shù)氐陌l(fā)展水平和特征，采取具有針對性、差別化的房地產(chǎn)調(diào)控手段，以期維護市場的健康發(fā)展。

第二， 擴大影子銀行業(yè)務(wù)的監(jiān)管范疇和力度，實行穿透式、全覆蓋監(jiān)管[16]。要特別關(guān)注從事流動性轉(zhuǎn)換的金融機構(gòu)，控制多層嵌套和通道業(yè)務(wù)，從而有效降低杠桿比例。同時，為防范化解金融風險，相關(guān)部門需盡快完善對影子銀行的監(jiān)督管理框架，力將眾多與影子銀行所屬業(yè)務(wù)有關(guān)聯(lián)的金融機構(gòu)和具備影子能力的中介均納入監(jiān)管體系中。此外，健全影子銀行類業(yè)務(wù)的信息披露機制，改善其透明度，引導(dǎo)我國的影子銀行體系更好地為實體經(jīng)濟的發(fā)展服務(wù)。

第三，充分發(fā)揮影子銀行的積極作用，降低房地產(chǎn)市場的分化程度，促進我國地區(qū)協(xié)調(diào)發(fā)展。影子銀行能夠增強資金的流動性，將閑置資金轉(zhuǎn)化為投資，進而拓寬企業(yè)融資渠道[17]。而我國影子銀行規(guī)模在東、中、西部分布不均，影子銀行對房價影響區(qū)域差異也較為明顯。應(yīng)將各區(qū)域的影子銀行規(guī)?？刂圃谶m宜范圍內(nèi)，盡量發(fā)揮其積極作用，降低房地產(chǎn)市場的分化程度，促進我國地區(qū)協(xié)調(diào)發(fā)展。