房價(jià)上漲與企業(yè)投資：基于BVAR-DSGE 模型的分析

劉河北，曹 慧，蒙莉絲

（1.廣西財(cái)經(jīng)學(xué)院 海上絲綢之路與廣西區(qū)域發(fā)展研究院，廣西 南寧 530003；2.廣西大學(xué) 工商管理學(xué)院，廣西 南寧 530004；3.柳州職業(yè)技術(shù)學(xué)院 貿(mào)易與旅游管理學(xué)院，廣西 柳州 545001）

一、前言

黨的十九屆五中全會提出，要加快構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進(jìn)的新發(fā)展格局。但是近年來，中國經(jīng)濟(jì)面臨著“脫實(shí)向虛”和企業(yè)金融化問題，大量資金流向股市和房地產(chǎn)等金融領(lǐng)域，而實(shí)體經(jīng)濟(jì)則持續(xù)低迷。本文基于房價(jià)上漲，探討中國經(jīng)濟(jì)在投資領(lǐng)域的“脫實(shí)向虛”問題以及房價(jià)上漲影響經(jīng)濟(jì)內(nèi)循環(huán)的機(jī)理。統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)，全國平均房價(jià)由2000 年第一季度的2 126 元/平方米上漲至2021 年第二季度的10 484 元/平方米，期間上漲了近5 倍；固定資產(chǎn)投資增長率由2009 年6 月的33.6%逐漸下降至2019 年12 月的5.4%，且房地產(chǎn)投資增速長期高于固定資產(chǎn)投資增速；房地產(chǎn)投資與GDP 之比，由2000 年的5.48%上升至2020 年的約14%①數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒2021》。。如何解釋以上現(xiàn)象？房價(jià)上漲與房地產(chǎn)投資、固定資產(chǎn)投資有何內(nèi)在關(guān)聯(lián)？如何詮釋其中蘊(yùn)含的經(jīng)濟(jì)學(xué)機(jī)理？本文擬在BVAR-DSGE 模型框架下探討這一問題。

對于房價(jià)與投資，國外文獻(xiàn)主要從經(jīng)驗(yàn)證據(jù)與理論模型兩個(gè)角度展開探討。在經(jīng)驗(yàn)證據(jù)方面，Gan（2007）［1］分析了日本20 世紀(jì)90 年代房地產(chǎn)市場崩潰對企業(yè)投資的影響，研究發(fā)現(xiàn)當(dāng)房產(chǎn)價(jià)值下降10%時(shí)，企業(yè)投資將下降0.8%。Chaney et al.（2012）［2］利用美國1993—2007 年的樣本數(shù)據(jù)，發(fā)現(xiàn)不動(dòng)產(chǎn)價(jià)格沖擊將顯著影響商業(yè)投資，當(dāng)不動(dòng)產(chǎn)價(jià)值上漲1 美元時(shí)，美國企業(yè)將增加0.06美元的投資。Liu et al.（2013）［3］發(fā)現(xiàn)美國的土地價(jià)格與投資之間存在一種顯著的正向聯(lián)動(dòng)關(guān)系，基于遞歸的貝葉斯向量自回歸（Bayesian Vector Autoregression，簡稱為BVAR）模型發(fā)現(xiàn)正向的土地價(jià)格沖擊導(dǎo)致投資增加，同時(shí)消費(fèi)和就業(yè)上升。Fougère et al.（2019）［4］利用法國微觀企業(yè)數(shù)據(jù)，發(fā)現(xiàn)不動(dòng)產(chǎn)價(jià)格對企業(yè)投資的影響取決于企業(yè)持有不動(dòng)產(chǎn)的多寡。在理論模型方面，Kiyotaki et al.（1997）［5］、Bernanke et al.（1999）［6］基于一般均衡模型，較早地研究了企業(yè)資產(chǎn)凈值與企業(yè)投資的關(guān)系，發(fā)現(xiàn)兩者存在顯著的正相關(guān)關(guān)系，并且信貸約束具有金融加速器機(jī)制。Liu et al.（2013）［3］將企業(yè)的信貸約束融入動(dòng)態(tài)隨機(jī)一般均衡（Dynamic Stochastic General Equilibrium，簡稱為DSGE）模型當(dāng)中，發(fā)現(xiàn)正向的住房偏好沖擊導(dǎo)致企業(yè)增加投資，同時(shí)住房偏好沖擊能夠解釋美國投資波動(dòng)的30～50%，土地的抵押效應(yīng)和再分配效應(yīng)是土地價(jià)格影響宏觀經(jīng)濟(jì)的主要內(nèi)在機(jī)制。需要說明的是，以上文獻(xiàn)將投資視為一個(gè)整體，并未將投資區(qū)分為房地產(chǎn)投資與非房地產(chǎn)投資，因此得到的結(jié)論較為一致，即房價(jià)上漲與企業(yè)投資存在顯著的正相關(guān)關(guān)系。Iacoviello et al.（2010）［7］構(gòu)建了一個(gè)含有商業(yè)投資和住宅投資的多部門新凱恩斯DSGE 模型，數(shù)值模擬發(fā)現(xiàn)住房偏好沖擊導(dǎo)致商業(yè)投資下降、住宅投資上升，他們認(rèn)為價(jià)格粘性和替代效應(yīng)是房價(jià)影響商業(yè)投資和住宅投資的主要機(jī)制。

國內(nèi)文獻(xiàn)對房價(jià)上漲與企業(yè)投資的研究，主要集中于經(jīng)驗(yàn)研究，且存在不同觀點(diǎn)。如曾海艦（2012）［8］利用2003—2009 年中國上市公司數(shù)據(jù)，發(fā)現(xiàn)房產(chǎn)價(jià)值將影響公司的投融資活動(dòng)，房產(chǎn)價(jià)值增加1 元，投資將增加約0.04 元。余靜文等（2015）［9］發(fā)現(xiàn)房價(jià)上漲對企業(yè)的投融資行為存在流動(dòng)性效應(yīng)和桿杠擠出效應(yīng)，他們利用中國工業(yè)企業(yè)數(shù)據(jù)和35 個(gè)大中城市房價(jià)數(shù)據(jù)，發(fā)現(xiàn)房價(jià)上漲能夠緩解企業(yè)的融資約束，流動(dòng)性效應(yīng)大于桿杠擠出效應(yīng)，所以在整體上房價(jià)上漲導(dǎo)致企業(yè)投資上升。另外一些文獻(xiàn)則發(fā)現(xiàn)房價(jià)上漲將擠出固定資產(chǎn)投資，且存在不同的擠出渠道，如房價(jià)上漲通過吸引非房地產(chǎn)企業(yè)進(jìn)入房地產(chǎn)行業(yè)（榮昭等，2014［10］）、房價(jià)上漲擠出了工業(yè)企業(yè)的研發(fā)投入和創(chuàng)新（王文春等，2014［11］）、增加對風(fēng)險(xiǎn)小利潤高的房地產(chǎn)行業(yè)投資能夠規(guī)避經(jīng)營風(fēng)險(xiǎn)（劉行等，2016［12］）、金融資產(chǎn)風(fēng)險(xiǎn)與收益的錯(cuò)配使得金融資產(chǎn)如房地產(chǎn)的投資收益率高于固定資產(chǎn)的投資收益率（張成思 等，2016［13］）、房地產(chǎn)投資對金融效率的抑制作用（彭俞超 等，2018［14］）等，都將擠出固定資產(chǎn)投資。?；茴R等（2015）［15］進(jìn)一步研究了房價(jià)波動(dòng)對城鎮(zhèn)居民消費(fèi)的影響。

與以上文獻(xiàn)不同，對于房價(jià)上漲與企業(yè)投資的關(guān)系，本文首先將投資區(qū)分為房地產(chǎn)投資和不包括房地產(chǎn)投資的固定資產(chǎn)投資①本文的固定資產(chǎn)投資為凈固定資產(chǎn)投資，即在固定資產(chǎn)投資數(shù)據(jù)中剔除房地產(chǎn)投資，下同。統(tǒng)計(jì)數(shù)據(jù)顯示，中國的房地產(chǎn)投資占固定資產(chǎn)投資的比重約為20%。，然后利用BVAR 模型得到房價(jià)上漲與房地產(chǎn)投資、固定資產(chǎn)投資之間關(guān)系的特征事實(shí)，最后構(gòu)建一個(gè)含有房地產(chǎn)部門、異質(zhì)性家庭和企業(yè)信貸約束的DSGE 模型，在模型擬合特征事實(shí)的基礎(chǔ)上，探討房價(jià)上漲與房地產(chǎn)投資、固定資產(chǎn)投資之間關(guān)系的內(nèi)在經(jīng)濟(jì)學(xué)機(jī)理。機(jī)制分析表明，一方面由于企業(yè)存在信貸約束，房價(jià)上漲將產(chǎn)生正向的抵押效應(yīng)，即房價(jià)上漲提高了房產(chǎn)價(jià)值和企業(yè)借貸能力，放松了企業(yè)的融資約束，進(jìn)而使企業(yè)同時(shí)增加房地產(chǎn)投資和固定資產(chǎn)投資。另一方面房價(jià)上漲提高了房地產(chǎn)投資的回報(bào)率，使企業(yè)增加房地產(chǎn)投資而減少固定資產(chǎn)投資，即擠出效應(yīng)。當(dāng)房價(jià)上漲的擠出效應(yīng)大于抵押效應(yīng)時(shí)，擠出效應(yīng)占優(yōu)，房價(jià)上漲將擠入房地產(chǎn)投資、擠出固定資產(chǎn)投資。在這個(gè)過程中，一方面房地產(chǎn)投資上升，導(dǎo)致企業(yè)債務(wù)上升，企業(yè)增加房產(chǎn)購買；另一方面由生產(chǎn)函數(shù)、資源總約束公式和資本動(dòng)態(tài)方程可知，固定資產(chǎn)投資下降將導(dǎo)致投資需求和資本總量下降，引致產(chǎn)出下降，進(jìn)而抑制消費(fèi)和就業(yè)，阻礙了經(jīng)濟(jì)內(nèi)循環(huán)的暢通。

此外，現(xiàn)有文獻(xiàn)對企業(yè)金融化、房地產(chǎn)領(lǐng)域和金融領(lǐng)域的脫實(shí)向虛的成因與后果展開了廣泛的探討（王國剛，2018［16］；彭俞超 等（2018）［17］），但從房價(jià)上漲影響企業(yè)投資行為的角度來探討“脫實(shí)向虛”的文獻(xiàn)較少，本文即是從這一視角出發(fā)。在經(jīng)濟(jì)雙循環(huán)方面，現(xiàn)有文獻(xiàn)探討了經(jīng)濟(jì)雙循環(huán)的理論基礎(chǔ)、時(shí)代背景、概念特征、學(xué)理內(nèi)涵與外延等（余淼杰，2020［18］，黃群慧，2021［19］），以及如何暢通雙循環(huán)的方法如促進(jìn)技術(shù)進(jìn)步、擴(kuò)大內(nèi)需、產(chǎn)業(yè)升級、降低物流成本和要素市場改革等（王微等，2020［20］；劉瑞等，2021［21］），但是這些措施都過于宏大，且缺乏聚焦和深入研究。本文研究發(fā)現(xiàn)，房價(jià)上漲對固定資產(chǎn)投資產(chǎn)生了擠出效應(yīng)，進(jìn)而導(dǎo)致消費(fèi)、就業(yè)和產(chǎn)出下降，阻礙了經(jīng)濟(jì)內(nèi)循環(huán)，其政策含義是減弱或抑制房價(jià)上漲的擠出效應(yīng)則有利于經(jīng)濟(jì)內(nèi)循環(huán)的暢通。

本文與Liu et al.（2012）［3］的不同之處體現(xiàn)在以下兩點(diǎn)：第一，他們將投資看成一個(gè)整體，而本文則將投資區(qū)分為房地產(chǎn)投資和非房地產(chǎn)投資；第二，他們強(qiáng)調(diào)房價(jià)上漲所產(chǎn)生的資產(chǎn)抵押效應(yīng)和土地分配效應(yīng)，而本文則認(rèn)為房價(jià)上漲所產(chǎn)生的資產(chǎn)抵押效應(yīng)和擠出效應(yīng)是理解房價(jià)上漲與企業(yè)投資的關(guān)鍵。本文余下部分結(jié)構(gòu)安排如下：第二部分基于BVAR 模型給出房價(jià)上漲與企業(yè)投資之間的特征事實(shí)；第三部分構(gòu)建動(dòng)態(tài)隨機(jī)一般均衡（DSGE）模型；第四部分為數(shù)值模擬；第五部分為結(jié)論和政策建議。

二、房價(jià)上漲與企業(yè)投資：來自BVAR 模型的證據(jù)

為了探討房價(jià)上漲與企業(yè)投資的內(nèi)在關(guān)系，本文將企業(yè)投資區(qū)分為固定資產(chǎn)投資和房地產(chǎn)投資，同時(shí)構(gòu)建了一個(gè)包含房價(jià)、固定資產(chǎn)投資和房地產(chǎn)投資的三變量BVAR 模型，時(shí)間跨度為2000 年第一季度至2021 年第二季度，數(shù)據(jù)均來自國家統(tǒng)計(jì)局。其中，房價(jià)為全國商品房的平均價(jià)格，由于國家統(tǒng)計(jì)局未直接給出商品房的價(jià)格，本文利用“房價(jià)=商品房銷售額/商品房銷售面積”獲得相應(yīng)的房價(jià)數(shù)據(jù)。

對以上三個(gè)變量，首先以2000 年為基準(zhǔn)利用季度CPI 數(shù)據(jù)進(jìn)行平減，得到變量的實(shí)際值；而后利用X-12 方法進(jìn)行季節(jié)調(diào)整，取對數(shù)，采用HP 濾波剔除長期趨勢，得到各變量相應(yīng)的波動(dòng)項(xiàng)數(shù)據(jù)。最后利用三個(gè)變量的波動(dòng)項(xiàng)數(shù)據(jù)，在進(jìn)行單位根平穩(wěn)性檢驗(yàn)和VAR 系統(tǒng)穩(wěn)定性檢驗(yàn)之后，確定最優(yōu)滯后階數(shù)為2 期，同時(shí)參照Liu et al.（2013）［3］的方法，構(gòu)建三變量的BVAR 模型，先驗(yàn)分布為Sims-Zha 中的Normal-Flat 分布，其中三變量的Cholesky 排序?yàn)楣潭ㄙY產(chǎn)投資、房地產(chǎn)投資、房價(jià)①穩(wěn)健性檢驗(yàn)發(fā)現(xiàn)先驗(yàn)分布假設(shè)、Cholesky 排序的變化不會對BVAR 模型的脈沖響應(yīng)結(jié)果產(chǎn)生實(shí)質(zhì)性差異。，這一排序設(shè)定一方面意味著房價(jià)將直接影響固定資產(chǎn)投資和房地產(chǎn)投資，另一方面能夠保證BVAR 模型的脈沖響應(yīng)結(jié)果與理論模型的模擬結(jié)果具有可比性。

圖1 給出了1%的房價(jià)上漲沖擊，對房地產(chǎn)投資和固定資產(chǎn)投資的脈沖響應(yīng)，虛線表示95%置信度的置信區(qū)間，橫軸表示期數(shù)（季度），縱軸表示偏離穩(wěn)態(tài)百分比。由圖1（a）可知，在1%的房價(jià)上漲沖擊下，房地產(chǎn)投資在期初快速上升，在第三期達(dá)到頂峰為0.18%，而后緩慢下降，具有一定的持續(xù)性，并于第八期回歸初始穩(wěn)態(tài)。由圖1（b）可知，固定資產(chǎn)投資在期初快速下降，在第二期達(dá)到谷底為-0.17%，而后逐步回歸初始穩(wěn)態(tài)，具有一定的持續(xù)性。此外，利用最小二乘法對房價(jià)的波動(dòng)項(xiàng)數(shù)據(jù)，進(jìn)行AR（1）回歸分析，發(fā)現(xiàn)房價(jià)波動(dòng)的持續(xù)性為0.61。下文將通過構(gòu)建DSGE 模型，來解釋圖1 的特征事實(shí)，并分析房價(jià)上漲影響企業(yè)投資的內(nèi)在機(jī)理。

圖1 1%的房價(jià)上漲沖擊對房地產(chǎn)投資和固定資產(chǎn)投資的脈沖響應(yīng)

三、DSGE 模型

為了擬合房價(jià)上漲與房地產(chǎn)投資、固定資產(chǎn)投資之間的特征事實(shí)，本文以Liu et al.（2013）［3］模型為基礎(chǔ)，構(gòu)建了一個(gè)含有房地產(chǎn)部門、異質(zhì)性家庭和企業(yè)信貸約束的DSGE 模型，并在住房偏好沖擊下展開探討。本文模型包括三類代表性主體，分別為李嘉圖家庭、非李嘉圖家庭和企業(yè)家，相應(yīng)地用o、n、e 進(jìn)行區(qū)分，同時(shí)融入了一般性生產(chǎn)部門和房地產(chǎn)部門，市場形態(tài)均為完全競爭市場。

（一）李嘉圖家庭

假設(shè)經(jīng)濟(jì)體中存在許多無限期生存的李嘉圖家庭。李嘉圖家庭在t 期，通過選擇變量集最優(yōu)化其期望貼現(xiàn)效用：

其中，AP，t服從 AR（1）過程表示住房偏好的長期均值，PAP?［0，1］為住房偏好沖擊的持續(xù)性為白噪聲過程，滿足N（0，σ2AP）。為了與本文研究主題一致，下文將住房偏好沖擊統(tǒng)稱為房價(jià)沖擊。

李嘉圖家庭的預(yù)算約束條件為：

其中，假定一般價(jià)格水平為1，變量Pht為相對于一般價(jià)格水平的住房價(jià)格，即房價(jià)。δh為住房的折舊率。變量Wt和Rt分別為t 期的真實(shí)工資和家庭資產(chǎn)回報(bào)率。在給定目標(biāo)函數(shù)（1）式和預(yù)算約束條件（3）式的情況下，構(gòu)建拉格朗日函數(shù)，分別對求導(dǎo)，記 λ1，t為（3）式的朗格拉日乘子，得到相應(yīng)的一階條件為：

（二）非李嘉圖家庭

非李嘉圖家庭擁有與李嘉圖家庭相同的偏好和效用，并在t 期通過選擇變量集最優(yōu)化其期望貼現(xiàn)效用：

非李嘉圖家庭的預(yù)算約束條件為：

在給定目標(biāo)函數(shù)（8）式和預(yù)算約束條件（9）式的情況下，構(gòu)建拉格朗日函數(shù)，分別對求導(dǎo)，記λ2，t為（9）式的拉格朗日乘子，得到相應(yīng)的一階條件為：

需要說明的是，本文并沒有在模型中導(dǎo)入非李嘉圖家庭的信貸約束，這主要是因?yàn)樵跀?shù)值模擬的過程中，發(fā)現(xiàn)非李嘉圖家庭的信貸約束不是理解和解釋房價(jià)上漲與企業(yè)投資的核心因素，即不是擬合圖1 的必要因素。在本文模型中，李嘉圖家庭和非李嘉圖家庭的主要區(qū)別體現(xiàn)在兩者的主觀貼現(xiàn)因子不同。

（三）企業(yè)家

假設(shè)經(jīng)濟(jì)體中存在許多無限期生存的企業(yè)家，企業(yè)家擁有資本并受到信貸約束。本文假定住房進(jìn)入企業(yè)家的效用函數(shù)，這意味著房產(chǎn)不僅具有生產(chǎn)屬性，而且還具有消費(fèi)屬性，對企業(yè)家而言，既是投資品又是消費(fèi)品，與楊贊等（2014）［22］對住房的假定和研究結(jié)論一致。企業(yè)家的最優(yōu)化過程分為兩步，分別為追求效用最大化和利潤最大化。第一步，企業(yè)家在t 期，通過選擇變量集，最優(yōu)化其期望貼現(xiàn)效用：

企業(yè)家的預(yù)算約束條件和信貸約束條件分別為：

其中，變量Qt為資本重置價(jià)格托賓q，δ 為資本折舊率，變量為資本回報(bào)率。參數(shù)θe為企業(yè)的貸款價(jià)值比（Loan-To-Value，LTV），企業(yè)能夠獲得的貸款數(shù)量是其抵押的房產(chǎn)和物理資本市場價(jià)值的一個(gè)比率。假設(shè)存在資本調(diào)整成本是資本調(diào)整函數(shù)，穩(wěn)態(tài)時(shí)因此將資本積累方程設(shè)定為：

在給定目標(biāo)函數(shù)（14）式和約束條件（15）、（16）式的情況下，構(gòu)建拉格朗日函數(shù)，分別對求導(dǎo)，記分別為（15）式和（16）式的拉格朗日乘子，得到相應(yīng)的一階條件為：

第二步，企業(yè)家在生產(chǎn)過程中追求利潤最大化，其生產(chǎn)函數(shù)為規(guī)模報(bào)酬不變的柯布-道格拉斯形式：

其中，變量Yt為產(chǎn)出，α 為勞動(dòng)報(bào)酬份額，變量Lt為總就業(yè)?？偩蜆I(yè)由李嘉圖家庭和非李嘉圖家庭的勞動(dòng)供給構(gòu)成，即：

假定企業(yè)家的利潤為 ，其利潤最大化問題為：

（四）房地產(chǎn)部門

參照J(rèn)ustiniano et al.（2015）［23］的方法，將房地產(chǎn)部門的生產(chǎn)函數(shù)設(shè)定為：

求解（28）式，相應(yīng)的一階條件為：

此外，新建住房ht與存量住房Ht的動(dòng)態(tài)關(guān)系可表述為：

其中，存量住房Ht由李嘉圖家庭、非李嘉圖家庭與企業(yè)家三者的住房需求共同構(gòu)成：

（五）資源約束與加總

總產(chǎn)出由總消費(fèi)、固定資產(chǎn)投資和房地產(chǎn)投資品三者構(gòu)成：

李嘉圖家庭、非李嘉圖家庭和企業(yè)家三者在資產(chǎn)負(fù)債和消費(fèi)上的數(shù)量加總關(guān)系分別為：

四、數(shù)值模擬

（一）參數(shù)校準(zhǔn)

本文采用校準(zhǔn)方法，對第三部分模型的參數(shù)進(jìn)行設(shè)定。對于主觀貼現(xiàn)因子，參照何青等（2015）［24］的做法，本文將李嘉圖家庭、非李嘉圖家庭和企業(yè)家的貼現(xiàn)因子 β0、βn和 βe分別設(shè)定為0.99、0.985 和0.95。為了體現(xiàn)李嘉圖家庭和非李嘉圖家庭在勞動(dòng)供給彈性上的差異，本文參照王君斌等（2020）［25］的做法，將李嘉圖家庭勞動(dòng)供給彈性的倒數(shù)b0設(shè)定為2，非李嘉圖家庭的bn設(shè)定為3。采用勞動(dòng)時(shí)間對李嘉圖家庭和非李嘉圖家庭的穩(wěn)態(tài)勞動(dòng)供給進(jìn)行校準(zhǔn)，每天工作8 小時(shí)一周工作5 天時(shí)，相應(yīng)的勞動(dòng)時(shí)間為0.238，依據(jù)該值，將李嘉圖家庭的勞動(dòng)供給設(shè)定為0.2，非李嘉圖家庭的勞動(dòng)供給設(shè)定為0.25。

對于中國的生產(chǎn)函數(shù)和資本折舊率，參考大部分文獻(xiàn)的做法，將生產(chǎn)函數(shù)中的勞動(dòng)份額α 設(shè)定為0.5，將季度資本折舊率δ 設(shè)定為0.025。對于住房的折舊率，參照侯成琪等（2014）［26］的做法，將住房的季度折舊率δh設(shè)定為0.008。參照J(rèn)ustiniano et al.（2015）［23］的做法，將住房供給彈性ηh設(shè)定為600。參照王君斌等（2021）［27］的做法，將資本品價(jià)格對投資資本比的彈性系數(shù)η 設(shè)定為0.3。高然等（2017）［28］采用中國數(shù)據(jù)對企業(yè)的貸款價(jià)值比進(jìn)行貝葉斯估計(jì)，得到中國企業(yè)的貸款價(jià)值比為0.1351，由于本文的企業(yè)貸款價(jià)值比與他們的設(shè)定方式一致，因此借鑒該值將企業(yè)貸款價(jià)值比 θe設(shè)定為 0.1351。

為了便于將BVAR 模型的脈沖響應(yīng)與理論模型的脈沖響應(yīng)進(jìn)行對比，本文第二部分計(jì)算得到的房價(jià)波動(dòng)持續(xù)性為0.61，因此將理論模型中的房價(jià)沖擊的持續(xù)性pAP設(shè)定為0.61，相應(yīng)的標(biāo)準(zhǔn)差設(shè)定為1%。此外，在給定以上參數(shù)值和理論模型最優(yōu)化一階條件的前提條件下，效用函數(shù)中消費(fèi)與閑暇的相對權(quán)重ΩO和Ωn，消費(fèi)與住房的相對權(quán)重κO、κn和κe，均可以通過各一階條件方程之間的數(shù)量關(guān)系計(jì)算得到。

表1 參數(shù)校準(zhǔn)值

（二）模型的脈沖響應(yīng)

圖2 為基于第三部分DSGE 模型的設(shè)定下，1%正向的房價(jià)上漲沖擊［即住房偏好沖擊（2）式］對主要宏觀變量的脈沖響應(yīng)。由圖2 中房地產(chǎn)投資和固定資產(chǎn)投資的脈沖響應(yīng)可知，在正向房價(jià)上漲沖擊下，房地產(chǎn)投資在第一期上升0.003%，并在第四期達(dá)到頂峰，呈駝峰狀，而后逐步回歸穩(wěn)態(tài)；固定資產(chǎn)投資在受到?jīng)_擊的第一期下降0.8%，而后逐步回歸穩(wěn)態(tài)，具有一定的持續(xù)性。由此可知，圖2 中房地產(chǎn)投資和固定資產(chǎn)投資的脈沖響應(yīng)，能夠較好地?cái)M合圖1 中BVAR 模型的結(jié)果，也即本文構(gòu)建的DSGE 模型能夠較好擬合中國房價(jià)上漲與企業(yè)投資之間的特征事實(shí)。

圖2 1%正向的房價(jià)沖擊對主要宏觀變量的脈沖響應(yīng)

（三）內(nèi)在傳導(dǎo)機(jī)制

由圖2 可知，在正向的房價(jià)上漲沖擊下，宏觀經(jīng)濟(jì)呈現(xiàn)“脫實(shí)向虛”。具體而言，在沖擊發(fā)生的第一期，房價(jià)上漲0.9%而資本的托賓Q 下降為-0.23%，進(jìn)而導(dǎo)致房地產(chǎn)投資在第一期上升為0.003%而后在第四期達(dá)到頂峰，固定資產(chǎn)投資則在第一期下降為-0.8%，企業(yè)債務(wù)在第一期上升為0.6%，企業(yè)持有的房產(chǎn)上升0.119%。與此同時(shí)，產(chǎn)出在第一期下降為-0.068%，就業(yè)下降為-0.13%，消費(fèi)在第一期上升為0.15%而后從第四期開始下降為負(fù)。隨著時(shí)間的推移，所有變量逐漸回歸穩(wěn)態(tài)。因此，在期初房價(jià)上漲通過使房地產(chǎn)投資上升和固定資產(chǎn)投資下降，進(jìn)一步阻礙了經(jīng)濟(jì)內(nèi)循環(huán)的暢通。

最后，對于企業(yè)的投資決策而言，當(dāng)房價(jià)上漲的擠出效應(yīng)大于抵押效應(yīng)時(shí)，此時(shí)擠出效應(yīng)占優(yōu)，房價(jià)上漲導(dǎo)致房地產(chǎn)投資、企業(yè)債務(wù)和企業(yè)持有的房產(chǎn)上升，進(jìn)而擠出固定資產(chǎn)投資和實(shí)體經(jīng)濟(jì)，消費(fèi)、固定資產(chǎn)投資、就業(yè)和產(chǎn)出下降，宏觀經(jīng)濟(jì)出現(xiàn)“脫實(shí)向虛”，經(jīng)濟(jì)內(nèi)循環(huán)進(jìn)一步受到阻礙，如圖2 所示。

此外，在第三部分DSGE 模型的基礎(chǔ)上，在非李嘉圖家庭部分加入了信貸約束，數(shù)值模擬發(fā)現(xiàn)非李嘉圖家庭的信貸約束沒有在本質(zhì)上改變圖2 的脈沖軌跡，因而它不是理解房價(jià)上漲與企業(yè)投資之間關(guān)系的必要因素。

（四）穩(wěn)健性分析

為了使模型結(jié)果更加穩(wěn)健，本文對模型結(jié)構(gòu)參數(shù)取不同值進(jìn)行穩(wěn)健性檢驗(yàn)。對非李嘉圖家庭和李嘉圖家庭的勞動(dòng)供給彈性 bn和 bO在［1，3］之間取值；對住房的季度折舊率 δh在［0.005，0.015］之間取值；企業(yè)貸款價(jià)值比 θe在［0.1，0.2］之間取值；對住房供給彈性 ηh在［400，1600］之間取值；對資本品價(jià)格對投資資本比的彈性系數(shù)η 在［0.1，0.8］之間取值。數(shù)值模擬發(fā)現(xiàn)，以上結(jié)構(gòu)參數(shù)取值的變化，不會使房價(jià)與房地產(chǎn)投資、固定資產(chǎn)投資的動(dòng)態(tài)關(guān)系發(fā)生實(shí)質(zhì)性的變化，其他宏觀變量的動(dòng)態(tài)軌跡也沒有發(fā)生本質(zhì)改變。這意味著本文模型的結(jié)果是穩(wěn)健的。

五、結(jié)論和政策建議

近年來，中國經(jīng)濟(jì)面臨著“脫實(shí)向虛”的問題，在投資領(lǐng)域表現(xiàn)為房地產(chǎn)投資的增速較快且長期高于固定資產(chǎn)投資，房地產(chǎn)投資與GDP 之比呈現(xiàn)上升趨勢，而固定資產(chǎn)投資增速則呈現(xiàn)長期下降趨勢。與此同時(shí)，中國商品房的平均價(jià)格在2000—2021 年期間上漲了近5 倍。本文在BVARDSGE 模型框架下解釋上述宏觀經(jīng)濟(jì)現(xiàn)象，首先基于宏觀統(tǒng)計(jì)數(shù)據(jù)將投資區(qū)分為房地產(chǎn)投資和不包括房地產(chǎn)投資的固定資產(chǎn)投資，而后構(gòu)建了一個(gè)含有房價(jià)、房地產(chǎn)投資和固定資產(chǎn)投資的三變量BVAR 模型，發(fā)現(xiàn)在房價(jià)上漲沖擊下，房地產(chǎn)投資上升而固定資產(chǎn)投資下降，兩者的脈沖響應(yīng)具有一定的持續(xù)性，而且在統(tǒng)計(jì)上顯著。然后，構(gòu)建一個(gè)包含房地產(chǎn)部門、異質(zhì)性家庭和企業(yè)信貸約束的DSGE 模型，數(shù)值模擬發(fā)現(xiàn)DSGE 模型能夠較好地?cái)M合BVAR 模型的脈沖響應(yīng)結(jié)果。進(jìn)一步的機(jī)制分析表明，由于將信貸約束施加于企業(yè)部門，對企業(yè)而言，房價(jià)上漲對房地產(chǎn)投資和固定資產(chǎn)投資存在抵押效應(yīng)和擠出效應(yīng)，當(dāng)房價(jià)上漲的擠出效應(yīng)大于抵押效應(yīng)時(shí)，企業(yè)將增加房地產(chǎn)投資而減少固定資產(chǎn)投資。在這一個(gè)過程中，一方面房地產(chǎn)投資上升，導(dǎo)致企業(yè)債務(wù)上升，企業(yè)增加房產(chǎn)購買；另一方面固定資產(chǎn)投資下降將導(dǎo)致資本的托賓Q、投資需求和資本下降，引致產(chǎn)出下降，進(jìn)而抑制消費(fèi)和就業(yè)，阻礙了經(jīng)濟(jì)內(nèi)循環(huán)的暢通。

基于以上分析，本文的政策建議體現(xiàn)為如下三點(diǎn)。第一，由于本文將房價(jià)上漲視為外生變量，過快、過高的房價(jià)上漲將導(dǎo)致房地產(chǎn)投資上升而固定資產(chǎn)投資下降，因此穩(wěn)房價(jià)是遏制經(jīng)濟(jì)“脫實(shí)向虛”和暢通經(jīng)濟(jì)內(nèi)循環(huán)的關(guān)鍵之一。一方面因地制宜，因城施策，對于住房需求比較大的一二線城市應(yīng)該擴(kuò)大土地供給和住房供給，租售并舉，形成商品房、保障房等多層次的住房供應(yīng)體系。另一方面通過提高房貸利率、收緊住房按揭的信貸投放等方式，對住房需求進(jìn)行合理引導(dǎo)，在長期內(nèi)平滑家庭的住房需求，形成合理的房價(jià)預(yù)期，進(jìn)而達(dá)到穩(wěn)房價(jià)的目的。

第二，房價(jià)上漲導(dǎo)致投資房地產(chǎn)能夠帶來較高的投資回報(bào)率，因此在穩(wěn)房價(jià)的同時(shí)，通過減稅降費(fèi)、鼓勵(lì)技術(shù)進(jìn)步等方式提高固定資產(chǎn)投資的回報(bào)率，降低住房與資本回報(bào)率之間的溢價(jià)，引導(dǎo)資本回流到實(shí)體經(jīng)濟(jì)，促進(jìn)經(jīng)濟(jì)“脫虛向?qū)崱?，助推中國?jīng)濟(jì)高質(zhì)量發(fā)展，有利于經(jīng)濟(jì)內(nèi)循環(huán)的暢通。

第三，調(diào)整對家庭的信貸投放結(jié)構(gòu)。家庭債務(wù)主要由一般性消費(fèi)貸款和住房按揭貸款兩部分組成，目前住房按揭貸款占家庭債務(wù)的比重約為80%。因此，金融機(jī)構(gòu)提高對家庭一般性消費(fèi)貸款的投放比重，降低對住房按揭貸款的投放比重，不僅能夠降低住房需求，而且能夠促進(jìn)消費(fèi)，有利于房地產(chǎn)行業(yè)與實(shí)體經(jīng)濟(jì)的協(xié)同發(fā)展。