居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響研究

鞠方 李寧 周建軍

［摘?要］ 使用2007-2020年我國31個(gè)省、市、自治區(qū)面板數(shù)據(jù)，運(yùn)用空間計(jì)量模型考察居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響以及非理性行為的調(diào)節(jié)效應(yīng)。研究發(fā)現(xiàn)：我國房地產(chǎn)金融風(fēng)險(xiǎn)存在明顯的空間溢出效應(yīng)；居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)有顯著正向影響，且該影響存在地區(qū)異質(zhì)性，東部地區(qū)受到的影響小于中西部地區(qū)。進(jìn)一步分析表明，非理性行為在居民債務(wù)影響房地產(chǎn)金融風(fēng)險(xiǎn)的過程中具有正向調(diào)節(jié)效應(yīng)。

［關(guān)鍵詞］ 居民債務(wù)；房地產(chǎn);金融風(fēng)險(xiǎn)；非理性行為

［中圖分類號(hào)］ ?F293.3???［文獻(xiàn)標(biāo)識(shí)碼］ Ａ???［文章編號(hào)］ 1008-1763（2023）04-0057-08

Research on the Impact of Household Debt on Real

Estate Financial Risks：

Based on the Perspective of Irrational Behavior

JU Fang，LI Ning，ZHOU Jian-jun

（School of Business， Xiangtan University， Xiangtan?411105， China）

Abstract：Based on the panel data of 31 provinces，municipalities and autonomous regions in China from 2007 to 2020， this paper uses spatial econometric model to investigate the impact of household debt on real estate financial risks and the moderating effect of irrational behavior. It is found that there is an obvious spatial spillover effect of real estate financial risks in China. Household debt has a significant positive impact on real estate financial risks， and there is regional heterogeneity in the impact， the eastern region is less affected than the central and western regions. Further analysis shows that irrational behavior has a positive moderating effect on the process of household debt affecting real estate financial risks.

Key words： household debt; real estate; financial risks; irrational behavior

一?引?言

防范化解重大風(fēng)險(xiǎn)是新時(shí)代國家安全工作的中心任務(wù)。隨著城鎮(zhèn)化進(jìn)程加快和經(jīng)濟(jì)快速發(fā)展，房地產(chǎn)業(yè)在我國金融系統(tǒng)中的地位日益突出，且關(guān)聯(lián)的行業(yè)也越來越多，房地產(chǎn)金融風(fēng)險(xiǎn)已然成為我國金融風(fēng)險(xiǎn)防范工作中的重要對象。從美國、日本等發(fā)達(dá)國家的歷史經(jīng)驗(yàn)來看，房地產(chǎn)業(yè)一旦發(fā)生規(guī)模性不穩(wěn)定波動(dòng)，將會(huì)對國內(nèi)金融安全、社會(huì)穩(wěn)定和民生保障造成嚴(yán)重傷害，同時(shí)對國際金融環(huán)境造成沖擊。

傳統(tǒng)金融學(xué)的核心假設(shè)是理性人假設(shè)。然而，金融市場中存在的過度反應(yīng)、金融傳染和羊群行為等異象表明了交易主體是非理性的。由于住房兼具投資和居住屬性，與金融市場類似，消費(fèi)者的購房行為同樣會(huì)受非理性因素的影響。2020年6月，廣州市的房地產(chǎn)市場呈現(xiàn)出了典型的羊群效應(yīng)特點(diǎn)。隨著住房價(jià)格的不斷上漲，消費(fèi)者的購房需求不跌反增，表現(xiàn)出“追漲”的情況。我國金融市場的不發(fā)達(dá)、養(yǎng)老金融體系的不健全等因素促使居民集中投資房地產(chǎn)，并在房價(jià)持續(xù)上漲的背景下形成過度投資。中國人民銀行公布數(shù)據(jù)顯示，2021-2022年，我國住戶貸款余額由64.46萬億元上升至71.95萬億元，其中，以房貸為主的中長期消費(fèi)貸款是我國居民債務(wù)的主要構(gòu)成。與其他國家相比，我國居民杠桿率已經(jīng)超過閾值，須抑制杠桿率進(jìn)一步上升[1]。

在區(qū)域金融聯(lián)系日益密切的趨勢下，房地產(chǎn)市場中更容易出現(xiàn)非理性行為。在諸多因素的影響下，區(qū)域房地產(chǎn)金融風(fēng)險(xiǎn)是否存在空間上的相關(guān)性？居民債務(wù)是否會(huì)影響房地產(chǎn)金融風(fēng)險(xiǎn)？房地產(chǎn)市場中的非理性行為在居民債務(wù)影響房地產(chǎn)金融風(fēng)險(xiǎn)的過程中起到什么樣的作用？研究這些問題，對于把握和防控房地產(chǎn)金融風(fēng)險(xiǎn)具有重要意義。

二?文獻(xiàn)綜述

（一）房地產(chǎn)金融風(fēng)險(xiǎn)的定義與測度

徐聯(lián)初在調(diào)查湖北省房地產(chǎn)市場和金融市場時(shí)，主要從房地產(chǎn)信貸結(jié)構(gòu)和質(zhì)量兩個(gè)方面評估了房地產(chǎn)金融風(fēng)險(xiǎn)[2]。隨后，阮加和劉延平在研究銀行信用擴(kuò)張時(shí)將房地產(chǎn)金融風(fēng)險(xiǎn)定義為由銀行信用擴(kuò)張帶來的信用風(fēng)險(xiǎn)或者房地產(chǎn)價(jià)格過高引起的泡沫風(fēng)險(xiǎn)［3］。Romainville認(rèn)為分析房地產(chǎn)金融化時(shí)需要關(guān)注住房開發(fā)資金的來源[4]。伴隨著房地產(chǎn)業(yè)發(fā)展占用越來越多的金融資源和生產(chǎn)資源，房地產(chǎn)金融風(fēng)險(xiǎn)已然成為關(guān)系經(jīng)濟(jì)穩(wěn)定發(fā)展的“灰犀?！憋L(fēng)險(xiǎn)。因此，準(zhǔn)確識(shí)別房地產(chǎn)金融風(fēng)險(xiǎn)的大小是研究房地產(chǎn)金融風(fēng)險(xiǎn)的首要問題。

Jiang等[5]、鞠方等[6]使用單一指標(biāo)衡量了房地產(chǎn)金融風(fēng)險(xiǎn)。周建軍和孫倩倩[7]、荊中博等［8］從多維度出發(fā)，選擇多個(gè)指標(biāo)綜合衡量房地產(chǎn)金融風(fēng)險(xiǎn)。除此以外，白鶴祥等通過建立基于房地產(chǎn)市場的系統(tǒng)性金融風(fēng)險(xiǎn)模型，分析并測度了在房價(jià)大幅下跌情景下引發(fā)的系統(tǒng)性金融風(fēng)險(xiǎn)的水平和結(jié)構(gòu)[9]。隨著交叉學(xué)科的流行與發(fā)展，Sadhwani等將其他學(xué)科領(lǐng)域的方法應(yīng)用到金融風(fēng)險(xiǎn)的識(shí)別中［10］。

（二）居民債務(wù)與房地產(chǎn)金融風(fēng)險(xiǎn)

根據(jù)金融不穩(wěn)定假說，經(jīng)濟(jì)平穩(wěn)期信貸融資范圍會(huì)擴(kuò)大，推動(dòng)經(jīng)濟(jì)發(fā)展甚至高漲，同時(shí)埋下金融風(fēng)險(xiǎn)隱患［11］。然而，該假說沒有強(qiáng)調(diào)家庭債務(wù)的重要性。美國次貸危機(jī)和2008年全球金融危機(jī)引發(fā)了國內(nèi)外學(xué)者對家庭債務(wù)與宏觀經(jīng)濟(jì)穩(wěn)定兩者關(guān)系的討論。居民作為金融、信貸活動(dòng)的主要參與者，其債務(wù)規(guī)模與金融風(fēng)險(xiǎn)之間的聯(lián)系逐漸受到廣泛關(guān)注。理論方面，F(xiàn)isher［12］、Mian和Sufi［13］提出了債務(wù)通貨緊縮理論和杠桿化損失理論。實(shí)證方面，Mian和Sufi對美國家庭債務(wù)上升與經(jīng)濟(jì)危機(jī)之間的關(guān)系進(jìn)行了多次實(shí)證研究，強(qiáng)調(diào)家庭債務(wù)是經(jīng)濟(jì)危機(jī)的核心［14］。

我國學(xué)者就居民債務(wù)與金融風(fēng)險(xiǎn)的關(guān)系進(jìn)行了多方面的研究。其中，劉哲希和李子昂［15］、紀(jì)洋等［16］研究發(fā)現(xiàn)現(xiàn)階段我國居民部門債務(wù)水平會(huì)加劇金融風(fēng)險(xiǎn)，應(yīng)警惕居民部門加杠桿。然而，紀(jì)敏等［17］、劉子威等[18]認(rèn)為目前我國居民杠桿率水平并不會(huì)導(dǎo)致風(fēng)險(xiǎn)積聚。綜合來看，現(xiàn)有文獻(xiàn)分別從理論和實(shí)證兩個(gè)方面對居民債務(wù)與金融風(fēng)險(xiǎn)的關(guān)系進(jìn)行了研究。由于我國經(jīng)濟(jì)、金融環(huán)境的復(fù)雜性和特殊性，國內(nèi)學(xué)者關(guān)于居民債務(wù)對金融風(fēng)險(xiǎn)的影響如何，尚未形成統(tǒng)一定論。

居民債務(wù)狀況會(huì)受到宏觀和微觀因素的影響。對此，Berisha和Meszaros[19]、阮健弘等[20]已經(jīng)進(jìn)行了相關(guān)研究。事實(shí)上，居民作為投資者，在信息不完全公開和投資渠道單一的市場環(huán)境下，其投資行為和債務(wù)狀況會(huì)受到自身預(yù)期、風(fēng)險(xiǎn)態(tài)度和他人投資決策等行為經(jīng)濟(jì)因素的影響。Hyytinen和Putkuri發(fā)現(xiàn)個(gè)人沖動(dòng)性、過度樂觀預(yù)期等因素均會(huì)影響投資者的債務(wù)狀況［21］。在我國，王周偉等[22]、李彬[23]和文衛(wèi)勇等[24]以政府、企業(yè)等市場主體為對象研究了非理性因素對其投融資行為、債務(wù)規(guī)模和穩(wěn)定性的影響。王磊等通過構(gòu)建網(wǎng)絡(luò)擴(kuò)散模型，對房地產(chǎn)投資者“追殺追跌”行為進(jìn)行了仿真分析[25]。與政府、企業(yè)等主體相比，居民往往面臨著更加有限的信息，在決策時(shí)會(huì)傾向于將其他投資者的投資行為納入預(yù)期。這種有限理性或非理性行為也會(huì)在一定程度上影響居民債務(wù)狀況。而我國現(xiàn)有關(guān)于非理性行為影響居民債務(wù)狀況的研究還較為有限。

考慮到我國居民債務(wù)持續(xù)擴(kuò)張且房地產(chǎn)貸款為主要債務(wù)構(gòu)成，本文著重關(guān)注居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響，以及非理性行為在其中發(fā)揮的作用，力求在以下方面對現(xiàn)有研究作出貢獻(xiàn)：（1）在理論機(jī)制上展示居民債務(wù)如何影響房地產(chǎn)金融風(fēng)險(xiǎn)，補(bǔ)充居民債務(wù)對金融風(fēng)險(xiǎn)的影響；（2）在非理性行為視角下研究居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響，依據(jù)行為經(jīng)濟(jì)學(xué)對區(qū)域房地產(chǎn)金融風(fēng)險(xiǎn)的防控和預(yù)警工作提供參考。

三?理論機(jī)制與研究假設(shè)

（一）居民債務(wù)與房地產(chǎn)金融風(fēng)險(xiǎn)

在居民收入不足、信貸供給發(fā)生變化等情況下，居民債務(wù)狀況容易產(chǎn)生變動(dòng)。由于收入較高的家庭多傾向于財(cái)富的積累而非借款消費(fèi)，因此，高負(fù)債往往集中在低收入家庭中。高負(fù)債背景下，居民超出收入增速的過度負(fù)債行為，會(huì)增加其對政策、資產(chǎn)價(jià)格的敏感性，容易誘發(fā)債務(wù)鏈條斷裂，隱含著較大的債務(wù)違約風(fēng)險(xiǎn)。

由于我國貸款渠道較為單一，居民貸款主要來源于銀行等金融機(jī)構(gòu)，在此背景下，居民債務(wù)違約風(fēng)險(xiǎn)會(huì)傳導(dǎo)至金融部門，銀行面臨壞賬風(fēng)險(xiǎn)，在未來可能會(huì)收緊放貸條件。房地產(chǎn)企業(yè)會(huì)面臨庫存積壓，無法償還開發(fā)中的銀行貸款，由此引發(fā)資金鏈斷裂，增加我國房地產(chǎn)市場和金融體系的不穩(wěn)定性。事實(shí)上，房地產(chǎn)企業(yè)不會(huì)只在某一個(gè)地區(qū)進(jìn)行開發(fā)和融資活動(dòng)，且銀行等金融機(jī)構(gòu)也存在跨地區(qū)的同業(yè)拆借等行為，因此，各地區(qū)的房地產(chǎn)市場和金融市場有著緊密關(guān)聯(lián)。當(dāng)某地房地產(chǎn)金融市場發(fā)生波動(dòng)時(shí)，波動(dòng)會(huì)通過企業(yè)、銀行等機(jī)構(gòu)傳導(dǎo)至其他地區(qū)，造成房地產(chǎn)金融風(fēng)險(xiǎn)在空間范圍上的溢出。

另外，在我國房價(jià)持續(xù)上漲的預(yù)期內(nèi)，居民房貸規(guī)模進(jìn)一步擴(kuò)張。從我國居民負(fù)債結(jié)構(gòu)中可以看出，住房貸款占較高比重，是我國居民債務(wù)的主要組成部分。因此，房貸規(guī)模擴(kuò)張助推著居民過度負(fù)債。同時(shí)，居民購房貸款的高杠桿化極易推動(dòng)房價(jià)進(jìn)一步上漲。債務(wù)擴(kuò)張尤其是房貸擴(kuò)張意味著居民部門杠桿結(jié)構(gòu)失衡和房子進(jìn)一步偏離其使用價(jià)值，會(huì)加劇金融資源向房地產(chǎn)市場傾斜，造成金融資源錯(cuò)配，埋下房地產(chǎn)金融風(fēng)險(xiǎn)隱患[26]。

（二）居民債務(wù)、非理性行為與房地產(chǎn)金融風(fēng)險(xiǎn)

現(xiàn)實(shí)中，投資者很難滿足理性人假設(shè)，投資行為會(huì)受到投資者過度自信、依賴他人行為和從眾心理等非理性因素的影響。可得性偏差是指人們往往根據(jù)認(rèn)知層面上的獲取難度來判斷事件發(fā)生的可能性。可得性偏差的存在，促使投資者在進(jìn)行投資判斷時(shí)會(huì)過度依賴快速得到的信息，導(dǎo)致投資決策結(jié)果過度依賴投資者個(gè)人行為因素。情緒喚醒效應(yīng)是指當(dāng)觀察到示范者的情緒反應(yīng)時(shí)，觀察者傾向于模仿示范者，產(chǎn)生相同的反應(yīng)。在情緒喚醒效應(yīng)下，投資者容易因?yàn)樨?cái)富、政策等基本面的相似性從而跟隨他人做出相同的決定。由于區(qū)域間存在行業(yè)發(fā)展水平、政策實(shí)施力度等基本面的相似性，居民債務(wù)擴(kuò)張行為會(huì)受到個(gè)體間和地區(qū)間的相互影響。張影認(rèn)為在注意力配置效應(yīng)下，投資者會(huì)將有限的注意力配置到波動(dòng)較高的市場[27]。該理論認(rèn)為，當(dāng)某一地的房地產(chǎn)市場出現(xiàn)較大波動(dòng)時(shí)，在羊群效應(yīng)和示范效應(yīng)的疊加作用下，會(huì)引起其他地區(qū)投資者的情緒波動(dòng)和行為改變，出現(xiàn)集體非理性現(xiàn)象，導(dǎo)致居民債務(wù)狀況發(fā)生變化。在以上三種效應(yīng)的作用下，居民債務(wù)會(huì)受到非理性行為的影響。

基于以上分析，本文提出以下研究假說：

假說1：居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)有正向影響。

假說2：非理性行為在居民債務(wù)影響房地產(chǎn)金融風(fēng)險(xiǎn)的過程中具有調(diào)節(jié)效應(yīng)，會(huì)強(qiáng)化居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的正向影響。

四?研究設(shè)計(jì)

（一）空間相關(guān)性檢驗(yàn)及空間權(quán)重矩陣設(shè)定

1.空間相關(guān)性檢驗(yàn)

現(xiàn)有研究居民債務(wù)與房地產(chǎn)金融風(fēng)險(xiǎn)的文獻(xiàn)多使用普通面板模型，忽視了地區(qū)間存在的經(jīng)濟(jì)聯(lián)系。除此之外，風(fēng)險(xiǎn)具有跨區(qū)域溢出和傳染的特性，在研究風(fēng)險(xiǎn)時(shí)考慮其空間相關(guān)性是必要的。因此，本文將選用空間面板模型進(jìn)行深入探究。

在進(jìn)行空間計(jì)量模型設(shè)定前，本文使用Morans I指數(shù)法對被解釋變量的空間相關(guān)性進(jìn)行檢驗(yàn)。其計(jì)算公式如式（1）所示：

其中，wij為空間權(quán)重矩陣中的（i，j）元素，S2為樣本的方差。Morans I指數(shù)的值一般介于-1到1之間，當(dāng)I大于0時(shí)，表示變量存在空間正相關(guān)；當(dāng)I小于0時(shí)，表示變量存在空間負(fù)相關(guān)。

2.空間權(quán)重矩陣設(shè)定

一般來說，在空間上分布的任何事物都是相關(guān)的，距離越近，其相關(guān)性越強(qiáng)。本文通過設(shè)定鄰接權(quán)重矩陣來表現(xiàn)對相鄰地區(qū)產(chǎn)生的影響。當(dāng)?shù)貐^(qū)i與地區(qū)j相鄰時(shí)，取值為1，反之為0?？紤]到海南省靠近廣東省且經(jīng)濟(jì)來往頻繁，將兩者設(shè)定為相鄰。

在社會(huì)發(fā)展過程中，經(jīng)濟(jì)發(fā)展水平相近的地區(qū)往往有一定的趨同性，存在跨地區(qū)的空間相關(guān)。本文基于各省份人均GDP之差絕對值的倒數(shù)，構(gòu)建經(jīng)濟(jì)距離權(quán)重矩陣，如式（2）所示：

考慮到空間地理距離和經(jīng)濟(jì)距離均會(huì)對地區(qū)間的經(jīng)濟(jì)交流產(chǎn)生影響，本文還將各地區(qū)在經(jīng)緯度上直線距離的倒數(shù)與經(jīng)濟(jì)距離權(quán)重矩陣相乘，構(gòu)建了經(jīng)濟(jì)地理嵌套權(quán)重矩陣如式（3）所示：

其中，dij表示地區(qū)i與地區(qū)j在經(jīng)緯度上的直線距離。

（二）空間計(jì)量模型設(shè)定

當(dāng)被解釋變量通過空間相關(guān)性檢驗(yàn)時(shí)，可以認(rèn)為房地產(chǎn)金融風(fēng)險(xiǎn)存在明顯的空間溢出。在此前提下，將空間因素納入回歸模型，建立空間計(jì)量模型考察居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響。

空間自回歸模型（SAR）認(rèn)為空間內(nèi)不同個(gè)體之間的相互影響通過因變量的空間滯后項(xiàng)來實(shí)現(xiàn)，如式（4）所示：

riskit=ρWriskit+β1debtit+δXcontrolit+μi+εit（4）

其中，risk為房地產(chǎn)金融風(fēng)險(xiǎn)，ρ表示其他地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)對本地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)的影響，debt為居民債務(wù)，Xcontrol為控制變量，β1、δ分別為主要解釋變量和控制變量對房地產(chǎn)金融風(fēng)險(xiǎn)的回歸系數(shù)，μ為省份固定效應(yīng)，ε為隨機(jī)擾動(dòng)項(xiàng)。

空間誤差模型（SEM）則認(rèn)為空間內(nèi)不同個(gè)體之間的相互影響是通過殘差項(xiàng)來實(shí)現(xiàn)的，如式（5）所示：

其中，λ為空間誤差系數(shù)，表示本地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)受殘差擾動(dòng)項(xiàng)的影響，其余參數(shù)含義與模型（4）一致。

參考Anselin等提出的方法，后續(xù)采用LM檢驗(yàn)來識(shí)別最佳空間計(jì)量模型[28]。

（三）變量選取及數(shù)據(jù)來源

1.變量選取

被解釋變量：房地產(chǎn)金融風(fēng)險(xiǎn)（risk）。參考許滌龍和陳雙蓮[29]的研究，并結(jié)合房地產(chǎn)金融風(fēng)險(xiǎn)的定義，本文從金融市場和房地產(chǎn)市場兩個(gè)層面構(gòu)建指標(biāo)體系，如表1所示。同時(shí)，使用CRITIC賦權(quán)法測算房地產(chǎn)金融風(fēng)險(xiǎn)的大小。CRITIC賦權(quán)法在考慮指標(biāo)變異性的同時(shí)兼顧了指標(biāo)間的相關(guān)性，是一種比熵權(quán)法和標(biāo)準(zhǔn)離差法更有優(yōu)勢的客觀賦權(quán)法。

其中，住房空置率和房價(jià)收入比分別參考呂江林[30]、何興強(qiáng)和楊銳鋒[31]的做法測算得出。由于房地產(chǎn)貸款屬于中長期貸款，參考張宗新和陳瑩的做法將中長期貸款余額占比納入指標(biāo)體系衡量金融機(jī)構(gòu)面臨的風(fēng)險(xiǎn)壓力[32]。有關(guān)房地產(chǎn)市場的指標(biāo)選取參考周建軍和孫倩倩[7]的做法。

主要解釋變量：居民債務(wù)（debt）。參考郭新華等的做法使用個(gè)人消費(fèi)貸款占GDP比重指標(biāo)衡量居民債務(wù)水平[33]。

控制變量：參考紀(jì)洋等的做法選取GDP增速（GDP_sp）、人口密度（pop）、通貨膨脹率（infla）和金融業(yè)發(fā)展水平（finan）作為控制變量對地區(qū)間宏觀層面上的差距進(jìn)行控制[16]。其中，金融業(yè)發(fā)展水平用金融業(yè)產(chǎn)值占GDP比重表示，對人口密度取對數(shù)以消除量綱差異。

調(diào)節(jié)變量：非理性行為（herd）。參考王麗艷等[34]、鄭立冬等[35]的做法，計(jì)算出各地區(qū)住宅市場的投資收益率，采用各地區(qū)住宅市場投資收益率與全國平均收益率之差的絕對值衡量房地產(chǎn)市場波動(dòng)情況。結(jié)合前文理論分析，當(dāng)某地住宅市場的投資收益率與全國平均投資收益率存在較大差異時(shí)，意味著該地房地產(chǎn)市場出現(xiàn)較大波動(dòng)，容易誘發(fā)規(guī)模性的非理性現(xiàn)象。

2.數(shù)據(jù)來源

本文的研究對象為我國31個(gè)省、市、自治區(qū)，因數(shù)據(jù)缺失，剔除了港澳臺(tái)地區(qū)，樣本期間為2007-2020年，數(shù)據(jù)來源于《中國區(qū)域金融運(yùn)行報(bào)告》《中國金融年鑒》和EPS全球統(tǒng)計(jì)數(shù)據(jù)庫。各變量的描述性統(tǒng)計(jì)如表2所示。

通過分析各地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)值發(fā)現(xiàn)，北京市、天津市、上海市和海南省的房地產(chǎn)金融風(fēng)險(xiǎn)水平較高。從整體上看，我國西部地區(qū)的房地產(chǎn)金融風(fēng)險(xiǎn)水平高于中部和東部地區(qū)。而一般認(rèn)為，房價(jià)較高、房地產(chǎn)市場過熱的東部地區(qū)更容易誘發(fā)金融風(fēng)險(xiǎn)，與本文的發(fā)現(xiàn)顯然不相符。原因在于，本文使用CRITIC賦權(quán)法測算房地產(chǎn)金融風(fēng)險(xiǎn)的大小，在對指標(biāo)賦權(quán)時(shí)考慮了指標(biāo)的變異性與相關(guān)性，致使各指標(biāo)的重要性不同。其中，金融機(jī)構(gòu)貸存比、中長期貸款規(guī)模和商業(yè)銀行不良貸款率的權(quán)重較高，意味著這些指標(biāo)對房地產(chǎn)金融風(fēng)險(xiǎn)的貢獻(xiàn)較大。分析2020年數(shù)據(jù)可以發(fā)現(xiàn)，中、西部地區(qū)的中長期貸款規(guī)模高于東部地區(qū)，西部地區(qū)的金融機(jī)構(gòu)貸存比高于東部地區(qū)，三個(gè)地區(qū)的商業(yè)銀行不良貸款率水平接近。因此，根據(jù)本文的測算結(jié)果，西部地區(qū)的房地產(chǎn)金融風(fēng)險(xiǎn)水平較高。這一結(jié)果說明了不能僅使用房價(jià)、收益率等單個(gè)指標(biāo)分析房地產(chǎn)金融風(fēng)險(xiǎn)，要同時(shí)考慮房地產(chǎn)活動(dòng)背后的資金狀況和區(qū)域金融運(yùn)行狀況，進(jìn)行全面的分析。

五?實(shí)證分析

（一）空間相關(guān)性檢驗(yàn)

使用Morans I指數(shù)法對各年份房地產(chǎn)金融風(fēng)險(xiǎn)的空間相關(guān)性進(jìn)行檢驗(yàn)后發(fā)現(xiàn)，三個(gè)權(quán)重矩陣下的絕大多數(shù)Morans I值顯著為正，表明各地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)存在較強(qiáng)的空間正相關(guān)。為了更好地刻畫風(fēng)險(xiǎn)在空間上的集聚特征及在時(shí)間維度上的變化，圖1分別給出了2007年和2020年經(jīng)濟(jì)地理嵌套權(quán)重矩陣下的房地產(chǎn)金融風(fēng)險(xiǎn)Moran散點(diǎn)圖。圖中房地產(chǎn)金融風(fēng)險(xiǎn)大部分集中在第一、三象限，驗(yàn)證了高風(fēng)險(xiǎn)被高風(fēng)險(xiǎn)包圍和低風(fēng)險(xiǎn)被低風(fēng)險(xiǎn)包圍的空間集聚特征。因此，在研究居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響時(shí)，空間效應(yīng)不可忽視。

（二）空間計(jì)量模型選擇

在分析數(shù)據(jù)之前，使用LM檢驗(yàn)選擇合適的空間計(jì)量模型。表3展示了三種權(quán)重矩陣下LM檢驗(yàn)的結(jié)果。

數(shù)據(jù)顯示，各權(quán)重矩陣下的LM Error、LM Lag檢驗(yàn)均顯著，少部分情況下R-LM Error檢驗(yàn)不顯著，R-LM Lag檢驗(yàn)的顯著性優(yōu)于R-LM Error檢驗(yàn)。在Anselin分析準(zhǔn)則下，本文選取SAR模型進(jìn)行實(shí)證分析。

（三）空間面板回歸結(jié)果

表4報(bào)告了空間面板回歸結(jié)果。考慮到空間因素的影響后，居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)有顯著正向影響，假說1得到驗(yàn)證。這表明現(xiàn)階段需要警惕居民債務(wù)擴(kuò)張背后的房地產(chǎn)金融風(fēng)險(xiǎn)隱患。

空間自相關(guān)系數(shù)ρ在三個(gè)權(quán)重矩陣下均顯著為正，意味著其他地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)對本地區(qū)房地產(chǎn)金融風(fēng)險(xiǎn)存在正向影響。由于城鎮(zhèn)化發(fā)展中人口流動(dòng)加速、住房金融化程度加深等因素推動(dòng)著住房需求不斷攀升，居民圍繞房地產(chǎn)的金融活動(dòng)越來越頻繁，為其背負(fù)的債務(wù)也越來越大。居民債務(wù)擴(kuò)張引發(fā)的斷供增加、法拍房增加等均會(huì)加劇該地房地產(chǎn)市場和信貸市場的脆弱性，極易導(dǎo)致房地產(chǎn)金融風(fēng)險(xiǎn)水平上升。伴隨著地區(qū)間金融聯(lián)系日益密切，某地房地產(chǎn)市場的波動(dòng)會(huì)通過影響銀行資金狀況從而對其他地區(qū)房地產(chǎn)市場造成沖擊，尤其是地理鄰近和經(jīng)濟(jì)聯(lián)系密切的地區(qū)，最終使得風(fēng)險(xiǎn)在區(qū)域間實(shí)現(xiàn)擴(kuò)散。

（四）穩(wěn)健性檢驗(yàn)

為了增加本次研究的可信度，本文以經(jīng)濟(jì)距離權(quán)重矩陣為代表進(jìn)行了多次穩(wěn)健性檢驗(yàn)。首先，參考童偉和張居營的做法使用個(gè)人住房抵押貸款指標(biāo)重新衡量居民債務(wù)水平[36]。為消除通貨膨脹和量綱的影響，采用定基指數(shù)處理后取對數(shù)納入模型進(jìn)行分析，檢驗(yàn)結(jié)果如表5第（1）列所示。其次，考慮到居民當(dāng)期負(fù)債的變動(dòng)未必能及時(shí)對當(dāng)期房地產(chǎn)金融風(fēng)險(xiǎn)產(chǎn)生影響，因此，本文使用債務(wù)水平滯后一期的數(shù)據(jù)進(jìn)行回歸分析，檢驗(yàn)結(jié)果如表5第（2）列所示。最后，考慮到2008年全球爆發(fā)金融危機(jī)、2018年中美貿(mào)易摩擦等因素對我國金融業(yè)和房地產(chǎn)業(yè)造成較大沖擊，因此，在研究居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響時(shí)，需要排除外生沖擊的干擾。由于我國在2008年金融危機(jī)中及時(shí)采取救市措施，經(jīng)濟(jì)增長下滑趨勢在2009年年末得到有效遏制，在全球率先實(shí)現(xiàn)回升向好。因此，本文選擇2010-2017年為樣本區(qū)間重新進(jìn)行實(shí)證檢驗(yàn)，結(jié)果如表5第（3）列所示。

從各列檢驗(yàn)結(jié)果可以看出，主要解釋變量的系數(shù)均顯著為正，再次證明了居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)具有正向影響，結(jié)論具有穩(wěn)健性。

（五）區(qū)域異質(zhì)性檢驗(yàn)

由于我國地區(qū)間經(jīng)濟(jì)金融發(fā)展水平、房地產(chǎn)市場發(fā)展規(guī)模和購房熱度存在明顯的地區(qū)差異，因此，本文進(jìn)行了區(qū)域異質(zhì)性檢驗(yàn)。依據(jù)國家統(tǒng)計(jì)局對各省、市、自治區(qū)所屬地區(qū)的劃分，設(shè)置東部地區(qū)虛擬變量east和中部地區(qū)虛擬變量mid將31個(gè)省、市、自治區(qū)分別歸類為東部、中部和西部地區(qū)。對主要變量進(jìn)行中心化處理后，構(gòu)建居民債務(wù)與地區(qū)虛擬變量的交互項(xiàng)，檢驗(yàn)居民債務(wù)影響房地產(chǎn)金融風(fēng)險(xiǎn)的區(qū)域異質(zhì)性。

表6報(bào)告了區(qū)域異質(zhì)性檢驗(yàn)結(jié)果。綜合來看，居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響差異主要體現(xiàn)在中西部和東部地區(qū)之間，說明我國居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響存在地區(qū)異質(zhì)性。其中，居民債務(wù)與東部地區(qū)虛擬變量的交互項(xiàng)顯著為負(fù)，可以認(rèn)為，目前我國東部地區(qū)居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響要弱于中西部地區(qū)。原因可能是東部地區(qū)經(jīng)濟(jì)發(fā)達(dá)，信貸規(guī)模大于其他兩個(gè)地區(qū)，金融市場抵御風(fēng)險(xiǎn)的能力較強(qiáng)，且地方政府金融監(jiān)管嚴(yán)格，居民收入水平相對較高，債務(wù)規(guī)模仍具有增長空間。

六?非理性行為對居民債務(wù)影響房地產(chǎn)

金融風(fēng)險(xiǎn)的調(diào)節(jié)效應(yīng)檢驗(yàn)

綜合前文理論分析可見，居民債務(wù)不僅會(huì)直接對房地產(chǎn)金融風(fēng)險(xiǎn)產(chǎn)生影響，也會(huì)在非理性行為的驅(qū)動(dòng)下對房地產(chǎn)金融風(fēng)險(xiǎn)造成影響。因此，本文構(gòu)建居民債務(wù)與非理性行為的交互項(xiàng)，考察非理性行為對居民債務(wù)影響房地產(chǎn)金融風(fēng)險(xiǎn)的調(diào)節(jié)效應(yīng)。

本文在模型（4）的基礎(chǔ)上引入非理性行為變量herd以及居民債務(wù)與非理性行為的交互項(xiàng)debt×herd，對各變量進(jìn)行中心化處理后，構(gòu)建模型如式（6）所示。當(dāng)交互項(xiàng)系數(shù)β3顯著為正時(shí)，證明非理性行為在居民債務(wù)影響房地產(chǎn)金融風(fēng)險(xiǎn)的過程中具有正向調(diào)節(jié)效應(yīng)，假說2成立。

表7報(bào)告了調(diào)節(jié)效應(yīng)的檢驗(yàn)結(jié)果。可以看出，居民債務(wù)與非理性行為交互項(xiàng)的系數(shù)大部分通過了顯著性檢驗(yàn)，且系數(shù)為正，表明非理性行為的存在會(huì)強(qiáng)化居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響，本文提出的假說2得到驗(yàn)證。非理性行為的存在，會(huì)加劇居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的正向影響，調(diào)控居民債務(wù)水平的同時(shí)需要密切關(guān)注房地產(chǎn)市場中存在的非理性行為。

七?結(jié)論建議

本文利用2007-2020年31個(gè)省、市、自治區(qū)面板數(shù)據(jù)分析了居民債務(wù)、非理性行為對房地產(chǎn)金融風(fēng)險(xiǎn)的影響，得出了以下結(jié)論：（1）我國房地產(chǎn)金融風(fēng)險(xiǎn)存在明顯的空間溢出效應(yīng)。（2）居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)有顯著正向影響。（3）居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響存在區(qū)域異質(zhì)性，東部地區(qū)受到的影響要弱于中西部地區(qū)。（4）房地產(chǎn)市場中存在的非理性行為會(huì)強(qiáng)化居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響。

基于以上研究結(jié)論，本文得出如下政策啟示：第一，由于我國房地產(chǎn)金融風(fēng)險(xiǎn)存在顯著的空間溢出效應(yīng)，在化解風(fēng)險(xiǎn)時(shí)，要從宏觀層面開展調(diào)控，通過打破區(qū)域間的隔閡促進(jìn)區(qū)域合作，地區(qū)間共同發(fā)力緩解風(fēng)險(xiǎn)危機(jī)。第二，政府部門要警惕居民債務(wù)擴(kuò)張帶來的風(fēng)險(xiǎn)隱患，及時(shí)調(diào)控居民債務(wù)擴(kuò)張行為，引導(dǎo)居民債務(wù)水平處于合理區(qū)間。在推進(jìn)居民部門去杠桿、穩(wěn)杠桿工作的同時(shí)，要關(guān)注債務(wù)構(gòu)成，引導(dǎo)居民債務(wù)結(jié)構(gòu)合理化。第三，考慮到居民債務(wù)對房地產(chǎn)金融風(fēng)險(xiǎn)的影響存在地區(qū)差異，在制定相關(guān)政策時(shí)，要因地制宜、因城施策，制定差異化策略調(diào)控居民債務(wù)水平，化解區(qū)域房地產(chǎn)金融風(fēng)險(xiǎn)。第四，在調(diào)控房地產(chǎn)市場和化解金融風(fēng)險(xiǎn)時(shí)，需要關(guān)注消費(fèi)者和投資者的預(yù)期和情緒反應(yīng)，在需求側(cè)找出造成房地產(chǎn)市場波動(dòng)、房地產(chǎn)金融風(fēng)險(xiǎn)增加的因素，合理引導(dǎo)消費(fèi)者和投資者的預(yù)期。同時(shí)，加強(qiáng)對新聞媒體的監(jiān)管，以防其對房地產(chǎn)市場進(jìn)行過度渲染和夸大報(bào)道，加劇消費(fèi)者和投資者的非理性行為，從而使房地產(chǎn)市場面臨更多風(fēng)險(xiǎn)。

［參?考?文?獻(xiàn)］

［1］?張啟迪.宏觀杠桿率與經(jīng)濟(jì)增長[J].財(cái)政研究，2020（6）：62-76.

［2］?徐聯(lián)初.透視與新解：積極應(yīng)對房地產(chǎn)業(yè)快速發(fā)展中的金融風(fēng)險(xiǎn)——對湖北省房地產(chǎn)市場和金融發(fā)展的調(diào)查與思考[J].金融研究，2004（9）：25-33.

［3］?阮加，劉延平.次貸危機(jī)的成因與房地產(chǎn)金融風(fēng)險(xiǎn)防范[J].管理世界，2009（5）：166-167.

［4］?Romainville A. The financialization of housing production in Brussels[J]. International Journal of Urban and Regional Research， 2017（4）： 623-641.

［5］?Jiang Y X， Zheng L Y， Wang J Z. Research on external financial risk measurement of China real estate[J]. International Journal of Finance & Economics， 2021（4）： 5472-5484.

［6］?鞠方，陽娟，黎小佳.基于空間異質(zhì)性的中國住房空置率與房地產(chǎn)金融風(fēng)險(xiǎn)研究[J].財(cái)經(jīng)理論與實(shí)踐，2018（4）：26-31.

［7］?周建軍，孫倩倩.貨幣政策對房地產(chǎn)金融風(fēng)險(xiǎn)的影響研究——基于SVAR模型與門檻模型的實(shí)證分析[J].財(cái)經(jīng)理論與實(shí)踐，2019（4）：32-37.

［8］?荊中博，方意，曾艷琪，等.房地產(chǎn)信托沖擊與中國影子銀行系統(tǒng)性風(fēng)險(xiǎn)[J].系統(tǒng)工程理論與實(shí)踐，2021（12）：3101-3114.

［9］?白鶴祥，劉社芳，羅小偉，等.基于房地產(chǎn)市場的我國系統(tǒng)性金融風(fēng)險(xiǎn)測度與預(yù)警研究[J].金融研究，2020（8）：54-73.

［10］Sadhwani A， Giesecke K， Sirignano J. Deep learning for mortgage risk[J]. Journal of Financial Econometrics， 2021（2）： 313-368.

［11］Minsky H P. Can “it” happen again？ A reprise[J]. Challenge， 1982（3）： 5-13.

［12］Fisher I. The debt-deflation theory of great depressions[J]. Econometrica： Journal of the Econometric Society， 1933（4）： 337-357.

［13］Mian A， Sufi A. What explains the 2007-2009 drop in employment？[J]. Econometrica， 2014（6）： 2197-2223.

［14］Mian A， Sufi A. The consequences of mortgage credit expansion： evidence from the U.S. mortgage default crisis[J]. The Quarterly Journal of Economics， 2009（4）： 1449-1496.

［15］劉哲希，李子昂.結(jié)構(gòu)性去杠桿進(jìn)程中居民部門可以加杠桿嗎[J].中國工業(yè)經(jīng)濟(jì)，2018（10）：42-60.

［16］紀(jì)洋，葛婷婷，邊文龍，等.杠桿增速、部門差異與金融危機(jī)——“結(jié)構(gòu)性去杠桿”的實(shí)證分析與我國杠桿政策的討論[J].經(jīng)濟(jì)學(xué)（季刊），2021（3）：843-862.

［17］紀(jì)敏，嚴(yán)寶玉，李宏瑾.杠桿率結(jié)構(gòu)、水平和金融穩(wěn)定——理論分析框架和中國經(jīng)驗(yàn)[J].金融研究，2017（2）：11-25.

［18］劉子威，李雪蓮，薛蕾.居民負(fù)債增長、金融風(fēng)險(xiǎn)與高杠桿率下的負(fù)債結(jié)構(gòu)調(diào)整[J].財(cái)經(jīng)科學(xué)，2021（9）：14-28.

［19］Berisha E， Meszaros J. Household debt， consumption， and income inequality[J]. International Economic Journal， 2018（2）： 161-176.

［20］阮健弘，劉西，葉歡.我國居民杠桿率現(xiàn)狀及影響因素研究[J].金融研究，2020（8）：18-33.

［21］Hyytinen A， Putkuri H. Household optimism and overborrowing[J]. Journal of Money， Credit and Banking， 2018（1）： 55-76.

［22］王周偉，趙啟程，宋玉平，等.羊群行為視角的系統(tǒng)重要性地方政府識(shí)別研究[J].中國軟科學(xué)，2021（11）：91-102.

［23］李彬.非理性投資行為、債務(wù)穩(wěn)健性與資本結(jié)構(gòu)動(dòng)態(tài)調(diào)整[J].經(jīng)濟(jì)科學(xué)，2013（4）：103-115.

［24］文衛(wèi)勇，胡嘉，徐鋒.突發(fā)性群體事件演化過程中的網(wǎng)絡(luò)輿情因素分析[J].南昌大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2012（2）：55-59.

［25］王磊，李守偉，何建敏，等.網(wǎng)絡(luò)輿情擾動(dòng)下房地產(chǎn)投資者“追漲殺跌”行為擴(kuò)散研究[J].中國管理科學(xué)，2023（1）：56-69.

［26］費(fèi)聿珉.經(jīng)濟(jì)泡沫的存在性、形成機(jī)理及防治對策探討[J].東北師大學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015（3）：53-57.

［27］張影.我國四部門金融杠桿對系統(tǒng)性金融風(fēng)險(xiǎn)的影響——基于空間溢出視角[J].財(cái)經(jīng)理論與實(shí)踐，2022（4）：18-25.

［28］Anselin L， Bera A K， Florax R， et al. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics， 1996（1）： 77-104.

［29］許滌龍，陳雙蓮.基于金融壓力指數(shù)的系統(tǒng)性金融風(fēng)險(xiǎn)測度研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2015（4）：69-78.

［30］呂江林.我國城市住房市場泡沫水平的度量[J].經(jīng)濟(jì)研究，2010（6）：28-41.

［31］何興強(qiáng)，楊銳鋒.房價(jià)收入比與家庭消費(fèi)——基于房產(chǎn)財(cái)富效應(yīng)的視角[J].經(jīng)濟(jì)研究，2019（12）：102-117.

［32］張宗新，陳瑩.系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)測度與跨部門網(wǎng)絡(luò)溢出效應(yīng)研究[J].國際金融研究，2022（1）：72-84.

［33］郭新華，唐榮，伍再華.中國公共債務(wù)與家庭債務(wù)變動(dòng)的共同決定因素的統(tǒng)計(jì)考察[J].統(tǒng)計(jì)與決策，2015（20）：119-123.

［34］王麗艷，崔燚，王振坡.政策干預(yù)、羊群行為與房地產(chǎn)價(jià)格波動(dòng)[J].華東經(jīng)濟(jì)管理，2019（3）：111-118.

［35］鄭立東，程小可，姚立杰.獨(dú)立董事背景特征與企業(yè)投資效率——“幫助之手”抑或“抑制之手”？[J].經(jīng)濟(jì)與管理研究，2013（8）：5-14.

［36］童偉，張居營.人口老齡化與房價(jià)波動(dòng)對居民部門債務(wù)風(fēng)險(xiǎn)的影響研究[J].財(cái)經(jīng)論叢，2018（3）：19-28.