信贷规模房价波动与经济增长之间的关系基于省际面板数据的实证分析.docx
《信贷规模房价波动与经济增长之间的关系基于省际面板数据的实证分析.docx》由会员分享，可在线阅读，更多相关《信贷规模房价波动与经济增长之间的关系基于省际面板数据的实证分析.docx（13页珍藏版）》请在冰豆网上搜索。
信贷规模房价波动与经济增长之间的关系基于省际面板数据的实证分析
信贷规模、房价波动和经济增长之间的关系
——基于省际面板数据的实证分析
摘要：
本文运用联立方程模型、面板分析技术及省际面板数据研究发现，我国信贷规模、房价波动与经济增长之间具有紧密的联系。
分区域的实证研究结果显示：
各地区房价的上涨与金融支持有关，过度的金融支持使东中部地区的房价偏离了经济基本面；中西部地区房价的上涨对信贷规模的扩张有显著影响，而经济增长是各地区促进信贷规模扩张的共同因素。
此外，房价的上涨与信贷规模的扩张共同促进了我国各区域经济的繁荣。
关键词：
信贷规模;房价波动;经济增长；面板数据
CreditScale,RealEstateFluctuationandEconomicGrowth:
TheEmpiricalAnalysisoftheProvincialPanelData
Abstract:
Thispaperusessimultaneousequationsmodelbasedonnationalandprovincialpaneldatatostudyonthecreditscale,housingprices,andeconomicgrowth.Wefindthatthereisacloserelationshipamongcreditscale,housingpricesandeconomicgrowth.ButtheempiricalresearchoftheirrelationshipineveryregionofChinashowsdifferentiatous.TheresultsrevealsthatcreditsclaeisthemosteffectivefactorpullingregionalhousingpricesandhousingpricesaredeviationfromfundamentalsinEasternregionandMiddleregion.Inthetworegions,therisinghousingpriceshavesignificantimpactonbanklendingexpansionandtheeffectsdonotexistinEasternregion.Ontheotherhand,economicgrowthisthecommonfactorpullingbanklendingexpansionineveryregion.Theanalysisalsosuggeststhathousingpricesandbanklendingexpansionhaveacceleratedtheboomofeconomy.
Keywords:
CreditScale;RealEstatePriceFluctuation;EconomicGrowth;PanelData
1引言
中国自1998年实施住房货币化改革以来，大量银行信贷资金以住房消费贷款、房地产开发贷款、土地储备贷款等多种形式流入房地产市场，金融支持下的房地产市场得到极大繁荣，成为推动我国经济持续高位增长的重要因素。
但是，随着房地产价格的持续快速上涨，银行信贷资金迅速聚集于房地产业，宏观经济也出现过热的趋势。
这一过程与20世纪80年代以来，一些发达国家和新兴市场国家在金融自由化改革进程中经历的房价泡沫与经济过热颇为相似。
为防止历史的重现，避免出现金融危机或者经济衰退，系统地探讨房价波动、银行信贷与经济增长三者之间的相互作用机制,就成为具有中国实践意义和政策涵义的重大课题。
关于信贷规模、房价波动与经济增长互动关系的研究目前已取得一些有益的探索。
Davis和Zhu（2004）认为，从长期看银行信贷与房价是正相关的，并且房价对银行信贷的影响十分显著，但反向影响尚不明朗[1]；Borio和Lowe（2002）注意到，资产价格的上涨与信贷的增加如影随形[2]。
这反映出常规的信贷行为是顺经济周期的。
信贷数量的上升以及随之引发的资产价格上涨也都会通过金融加速器及其他的供给机制带来实体经济的扩张。
Gerlach和Peng（2005）利用1982年1季度至2001年4季度的季度数据检验了香港住房价格与银行贷款、宏观经济之间的相互关系，发现实际银行贷款、实际GDP和实际房地产价格之间存在长期稳定关系[3]。
而国内关于房价波动、银行信贷与宏观经济之间关系的文献多集中于两两关系的研究，缺乏将三者融入一个分析框架中系统地进行研究[4-6]。
仅有李宏瑾（2005）对房地产业、银行信贷与经济增长进行了全面分析，但研究内容也只是分析了银行信贷对我国房地产业的支持程度以及房地产市场的发展与我国经济增长的关系[7]。
鉴于此，本文利用中国省际面板数据实证考察全国和各区域信贷规模、房价波动与经济增长之间相互关系。
2模型构建、变量选择和数据处理
（一）模型构建与变量选择
通过以往的研究，本文构建一个关于检验信贷规模、房价波动与经济增长相互影响的联立方程模型。
模型包括3个内生变量，共有3个行为方程。
具体实证模型如下：
模型1：
其中，被解释变量房地产价格以各省份在各年度的商品房销售额除以销售面积来表示，记为price。
本文假定1998年城市居民消费价格指数水平为100，计算出1999年以来消费物价指数环比增长率和同期比增长率，构造一个消费物价定基指数，然后用1999年以来全国和各地区在各年的房地产销售价格除以消费物价定基指数，得到房地产实际销售价格。
在解释变量的选取上，信贷规模用以描述信贷扩张与金融支持，记为bl。
银行信贷为中国房地产市场中的企业和消费者提供了开发和消费资金。
我国房地产投资的资金来源，主要包括国内贷款、利用外资、自筹资金和其它资金。
国内贷款主要是银行提供，利用外资也是金融支持的一部分，而其它资金实质上是通过非银行金融机构转化而来的银行资金。
另外，目前房地产市场化程度不断加深，商品房基本上是由个人购买，这些购房资金80%来自于银行。
因此，借鉴周京奎（2005）的方法，本文将房地产开发非自筹资金作为房地产企业的投资贷款额，将商品房销售额的80%作为房地产消费贷款额，两者之和即是房地产的银行贷款总量，再除以消费物价定基指数，得到房地产的实际银行贷款额。
经济增长作为另一个重要的解释变量，按照国际通行的做法，选择用人均实际国内生产总值来表示，记为gdp。
参照周雷、朱涛（2006）的研究，本文采用水平变量，它既符合经济增长理论的一般形式（如扩展的柯布-道格拉斯生产函数）又能够保留水平变量包含的有用信息[8]。
其他控制变量包括人口（popu）、实际建造成本（cost）与商品房实际价格的滞后一项（price（-1））。
i表示省份，i=1,2,3,…⋯,31;t表示年份，t=2000,2001,…⋯,2009。
β0是常数项，βi为各变量的系数，εi,t为残差。
模型2：
模型2中的被解释变量为银行信贷，解释变量除房地产价格与经济增长两个变量外，控制变量我们选用金融机构贷款与GDP的比值来反映各地区的金融发展水平，记为fg。
i表示省份，i=1,2,3,⋯,31;t表示年份，t=2000,2001,⋯,2009。
a0是常数项，ai为各变量的系数，
为残差。
模型3：
模型3中的被解释变量为经济增长，解释变量包括房地产价格与信贷规模，控制变量中选用从业人员数量来反映经济增长过程中劳动力的投入，以全社会固定资产投资增长率作为各地区的投资增长指标，分别记为emp和ir。
i表示省份，i=1,2,3,⋯,31；t表示年份，t=2000,2001,⋯,2009。
γ0是常数项，γi为各变量的系数，ωi,t为残差。
（二）数据的选取
周立、王子明（2002）认为，由于中国地区间发展的不平衡性显著，对中国的研究不能停留在国家层面，必须深入到地区层面，才有可能把握到基本的现实，从而得出符合实际的研究结论[9]。
因此，根据区域发展理论将样本划分为东部地区、中部地区和西部地区，属于东部地区的省（市、自治区）有北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；属于中部地区的省（市、自治区）有山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；属于西部地区的省（市、自治区）有重庆、四川、贵州、陕西、广西、青海、甘肃、西藏、云南、内蒙古、宁夏和新疆。
本文的数据来自《中国区域经济统计年鉴》、CCER中国地区经济数据库与《中国统计年鉴》，部分数据来自《统计公报》，采用的是31个省（市、自治区）的面板数据。
为保证研究数据的整体性，截取2000～2009年的年度数据为样本区间。
本文的时间跨度为2000～2009年。
因为，虽然在1998年年初，党中央、国务院已经决定在全国范围内停止住房实物分配，但1998～1999年，真正的住房实物分配总体上并没有停止。
同时由于土地市场的滞后约束了中国住宅市场的全面建立。
从2000年开始，以住房分配制度改革为核心，中国住宅产业的市场化程度才得以快速地提升。
3实证检验结果与分析
（一）全国信贷规模、房价波动与经济增长的互动关系分析
面板数据的估算方法有聚合最小二乘回归、固定效应模型、随机模型等，对面板数据模型设定形式的选择，本文按如下步骤进行：
首先由F检验判别是选择采用固定效应模型还是选择OLS模型。
如果确定选择固定效应模型，则根据Hausman检验结果，确定选择固定效应模型还是随机效应模型，如果仍然确定选择固定效应模型，则检验到此结束，选择固定效应模型；如果确定选择随机效应模型，则应通过LM（拉格朗日）检验就随机效应模型和OLS模型选择进行补充性检验。
本文的原则是选择两种或三种检验方法都支持的面板数据模型。
另外，由于面板数据中往往容易存在异方差问题，所以，需要使用Wald检验对残差是否存在异方差性进行检验。
表1列示了我国房地产价格、银行信贷与经济增长相互关系的回归结果。
在模型1中，F检验不能拒绝固定效应模型，并且Hausman检验在1%的水平下拒绝随机效应模型，故选择固定效应模型。
可以看到，经济增长在5%水平下显著为正，银行信贷在1%的水平下显著为正，说明近年来我国房地产价格的迅速上涨与宏观经济的快速增长和房地产金融的大力支持有着紧密的关系。
控制变量的系数均符合一般的经济规律。
模型2给出了经济增长与房地产价格对银行信贷影响的回归结果。
根据F检验与Hausman检验，采用固定效应模型可以看出,房地产价格对银行信贷的影响在1%的水平下显著为正，房价上涨10%会导致银行信贷增加8.1%；经济增长对银行信贷的影响也在1%的水平下显著为正，并且经济增长10%将使银行信贷增加12.45%。
模型3反映了房地产价格与银行信贷对经济增长的影响。
根据F检验与Hausman检验，采用固定效应模型。
回归结果显示，房地产价格与银行信贷对经济增长的影响都在1%的水平下显著为正，表明我国近年来房价的上涨与银行信贷的繁荣是促进经济增长的主要原因。
房地产企业通过银行获得足够的开发贷款，从而为房地产市场提供大量的商品房。
另一方面，消费者也通过银行获得足够的按揭贷款来购买住房，使消费需求扩大。
需求与供给的共同作用推动房价的持续上涨，由此推动了经济增长。
表1全国信贷规模、房价波动与经济增长的结果分析
模型一
coef
p
wald
R2
F值
Hausman值
LM值
Cons
-0.534
0.768
482.73
0.3578
2.19（***）
70.18（***）
-
lngdp
0.159
0.008
lnBL
0.103
0.000
lnpopu
0.209
0.150
lncost
0.161
0.006
Lnprice（-1）
0.413
0.000
模型二
coef
p
wald
R2
F值
Hausman值
LM值
Cons
-2.127
0.039
598720.17
0.9012
13.12（***）
7.19（***）
lnprice
0.810
0.000
lngdp
1.245
0.000
lnfg
0.398
0.000
模型三
coef
p
wald
R2
F值
Hausman值
LM值
Cons
-9.012
0.000
319.48
0.9176
62.81（***）
13.55（***）
-
lnprice
0.365
0.000
lnemp
1.258
0.000
lnIR
0.008
0.158
lnbl
0.213
0.000
注:
F检验是对固定效应模型和OLS模型的选择检验；Hausman检验是对固定效应模型和随机效应模型的选择检验；LM检验是对随机效应模型和OLS模型的选择检验；***、**、*分别表示通过1%、5%、10%的显著性水平。
（二）信贷规模、房价波动与经济增长互动关系的跨地区差异分析
中国各地区的房地产价格水平、区域经济与金融发展很不平衡，可能使三者的互动关系在各个区域有较大差异。
根据前面对样本数据的区域划分，分别对东部、中部和西部地区三者的互动关系进行了考察，结果见表2。
通过对模型1的估计显示，在东、中、西部地区，银行信贷对房地产价格的影响显著为正，这进一步印证了我国各地区房地产市场同时出现繁荣，与同一时期金融支持程度的变化有直接关系，这与周京奎（2006）得出的结论一致。
与中西部地区相比较，东部地区的银行信贷对房地产价格的估计系数（绝对值）要大得多，为0.129,且在1%置信水平上显著。
因为，中西部地区在本地吸收的存款，相当一部分会外流到经济较为发达的东部地区，因此，东部地区银行将持有大量存款来满足房地产企业和购房者的借贷需求，从而使得金融支持力度上升，甚至在东部部分城市出现金融支持过度现象，导致了这些城市房价大幅上涨[10]。
同时可以观察到，经济增长对房地产价格的估计系数尽管符合预期的符号，但是并不显著。
相反的是，西部地区经济增长对房地产价格的影响在1%的水平下显著为正，表明中央政府实施的西部大开发战略在拉动西部经济增长的同时，也促进了房地产市场的繁荣,从而推动房地产价格的上涨。
而在东中部地区，虽然宏观经济因素也确实在影响着房地产经济的变动，但是，近年来这些因素不足以对房地产价格的波动给予充分的解释，类似的证据也体现在沈悦、刘洪玉（2004）的研究中[4]。
这意味着东中部地区经济的增长落后于房地产价格的上涨水平，金融支持下的非理性投机与炒作行为可能是引起这两个地区房地产价格大幅上涨的主要原因。
模型2刻画了银行信贷与各外生变量包括房地产价格、经济增长等之间的统计关系，但没有反映它们的相互作用。
表2的结果显示，中、西部地区房地产价格对房地产金融的影响在1%的水平下显著为正，这一正的系数可以作为房地产价格将影响银行信贷的证据。
由于银行贷款经常以不动产作为抵押，当房地产价格上涨时，抵押品升值使房地产开发商和置业者的贷款能力增加，使贷款规模在短时期内持续扩大。
另一方面，它也可以理解为中西部地区由于经济较为落后，居民收入较低，为满足购房需求往往借助于银行贷款。
同时，开发企业的融资渠道较为单一，房地产开发资金也主要依赖于银行贷款，因此，中西部地区的房地产价格与银行信贷之间的联系也非常紧密。
换句话说，当房价上涨时，房地产开发投资和房地产抵押贷款将大量向房地产业聚集。
这样又推动了房地产价格进一步上涨，这一点已为模型1中所得到的结果所证实。
但是，在东部地区，房地产价格对银行信贷的影响却不显著，事实上，东部地区因为经济较为发达，房地产开发企业和购房者所需的资金来源除银行外还有更多的渠道，诸如外资金融机构、股票市场、债券市场等，因此，房地产价格的上涨对银行信贷扩张的影响并不大。
比较东、中、西部三个地区的经济增长系数可以发现，经济增长对银行信贷的影响都在1%的水平下显著为正。
经济的繁荣不仅增加了居民的购房能力和改善住房的需求，同时也增强了人们对房地产价格的预期或信心，在“自我实现的预期效应”下，全国的房地产价格出现普遍上涨的现象，这使得大量银行贷款流入房地产市场，贷款规模在短时期内持续扩张，以至于部分学者明确提出金融风险已正向累积于房地产市场。
模型3反映了房地产价格与银行信贷对经济增长的影响。
实证结果显示，在东中西部三个地区，房地产价格与银行信贷都对经济增长有显著的正向影响。
因此，如果将这一估计结果与中国的现实特殊背景结合起来考虑,或许就不难理解。
1998年的住房货币化改革使中国住房金融市场发生了重大转折，以《个人住房贷款管理办法》的颁布实施为标志，银行对房地产开发和销售两个环节给予信贷支持。
近年来，由于金融市场管制放松，金融市场竞争加剧，信贷规模猛增，大量银行贷款流入房地产市场，造成房地产价格与房地产投资的双重膨胀。
信贷总量的增加与房地产市场的极大繁荣支持实际经济的扩张，形成经济繁荣景象。
已有的研究显示，金融支持下的房地产市场对国民经济保持快速持续发展起到了举足轻重的作用。
例如，王飞、黄满盈（2005）的研究指出，2002～2003年房地产开发和销售对整个经济的诱发额分别高达GDP的7.6%和7.2%[11]。
因此，以上的估计与相关研究获得的证据是一致的。
表2东中西部地区信贷规模、房价波动与经济增长的分析结果
东部
中部
西部
Coef
p
Coef
p
Coef
p
模
型
一
Cons
-5.565
0.085
7.189
0.122
9.212
0.003
lngdp
0.043
0.675
0.102
0.284
0.219
0.006
lnBL
0.129
0.000
0.084
0.026
0.070
0.066
lnpopu
0.734
0.083
-0.764
0.148
-0.811
0.051
lncost
0.001
0.986
0.526
0.000
0.305
0.001
Lnprice（-1）
0.654
0.000
0.135
0.232
-0.038
0.722
Wald（F）
1.29e+06
188.45
608156.79
R2
0.0184
0.3943
0.0154
F值
4.58（***）
4.80（***）
5.74（***）
Hausman值
51.18（***）
77.46（***）
141.61（***）
LM值
-
-
-
模
型
二
Cons
0.616
0.646
-7.602
0.000
-2.029
0.191
lnprice
0.374
0.283
1.224
0.000
0.850
0.001
lngdp
1.319
0.000
1.492
0.000
1.250
0.000
lnfg
0.594
0.001
0.765
0.033
0.422
0.001
Wald（F）
278888.08
247.53
24.18
R2
0.8261
0.6034
0.8848
F值
7.72（***）
20.66（***）
16.42（***）
Hausman值
7.51（*）
0.35
4.98
LM值
-
15.9（***）
89.0（***）
模
型
三
Cons
-5.165
0.000
-1.957
0.100
-16.842
0.000
lnprice
0.631
0.000
0.348
0.062
0.333
0.011
lnBL
0.134
0.001
0.258
0.000
0.192
0.000
lnemp
0.900
0.000
0.506
0.000
2.722
0.000
lnIR
0.003
0.022
0.002
0.388
0.003
0.052
Wald（F）
764.95
226.69
389346.88
R2
0.9343
0.8194
0.8752
F值
35.28（**）
11.78（***）
48.45（***）
Hausman值
0.85
3.61
36.50（***）
LM值
98.99（***）
36.37（***）
-
注:
F检验是对固定效应模型和OLS模型的选择检验；Hausman检验是对固定效应模型和随机效应模型的选择检验；LM检验是对随机效应模型和OLS模型的选择检验；***、**、*分别表示通过1%、5%、10%的显著性水平。
4结论
本文利用中国2000～2009年分省面板数据，应用联立方程估计了信贷规模、房价波动与经济增长的相互关系，认为三者之间存在密切的联系。
具体表现为:
一方面，近年来我国房地产价格的迅速上涨与宏观经济的快速增长和房地产金融的大力支持有着紧密的关系。
另一方面，经济增长与房价上涨促进了银行信贷的繁荣。
同时，房价的上涨与银行信贷的繁荣也是促进经济增长的主要动力。
通过对不同地区信贷规模、房价波动与经济增长相互关系的实证分析发现：
（1）尽管信贷规模是影响东中西部三个地区房地产价格的主要动力，但房地产金融对中西部地区的支持力度远小于东部。
目前，东中部地区房地产价格的波动已不足以用经济因素进行解释，而西部地区的经济增长确实拉动了该地区的房地产价格上涨。
（2）东部地区房地产价格对银行信贷的影响并不显著，与之相反，中西部地区的房地产价格上涨对银行信贷扩张的影响却比较大。
另外，经济增长是引起东中西部地区银行贷款规模扩张的重要根源。
（3）在东中西部三个地区，房地产价格与银行信贷都对经济增长有显著的正向影响，表明信贷总量的增加与房地产市场的极大繁荣支持了我国实际经济的扩张。
参考文献:
[1]Davis
升级会员 