沈悅+郭培利

摘要：從經(jīng)濟(jì)增長(zhǎng)與銀行信貸交互作用的視角建立住宅價(jià)格波動(dòng)理論模型，利用1999~2010年35個(gè)大中城市的異質(zhì)面板經(jīng)驗(yàn)解析了三者關(guān)聯(lián)。結(jié)果發(fā)現(xiàn)：經(jīng)濟(jì)增長(zhǎng)和銀行信貸對(duì)住宅價(jià)格波動(dòng)均有影響，但效果不同，取決于二者博弈，即實(shí)質(zhì)在于調(diào)整經(jīng)濟(jì)增長(zhǎng)和控制銀行信貸的力度配合。在房?jī)r(jià)中等的城市中經(jīng)濟(jì)增長(zhǎng)放緩對(duì)價(jià)格下降影響更大，在房?jī)r(jià)較高和較低的城市中限制信貸效應(yīng)更明顯。

關(guān)鍵詞：住宅價(jià)格；經(jīng)濟(jì)增長(zhǎng)；信貸；面板

中圖分類號(hào)：F293.3;F014.7文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-8409（2014）07-0001-05

Economic Growth，Bank Credit and House Price Fluctuation

——EmpiricalAnalysis ofthe Panel Data of 35 Cities

SHEN Yue，GUO Peili

(School of Finance and Economics，Xian Jiaotong University，Xian 710061)

Abstract： This paper analyzes the relationship among house price，economic growth and bank credit using the panel data of 35 cities from 1999 to 2010. Results show that economic growth and bank credit both affect the house price，but the effect depends on their game. Economic growth slowdown has greater impact in cities that prices are middling，and credit limiting has more pronounced effect in cities that prices are higher or lower.

Key words： house price; economic growth; credit; panel data

1引言

1998年7月住宅貨幣化政策的實(shí)施使我國(guó)房?jī)r(jià)在經(jīng)歷了近5年198%以下的平穩(wěn)增長(zhǎng)后，迅速上揚(yáng)至2003~2008年平均762%的漲幅。2005年開始，國(guó)家宏觀調(diào)控有針對(duì)性地放緩經(jīng)濟(jì)增速、控制銀行信貸以期抑制住宅價(jià)格。然而國(guó)際金融危機(jī)的出現(xiàn)遮蔽了調(diào)控效果，住宅價(jià)格下降的趨勢(shì)在2008年曇花一現(xiàn)，又跟隨經(jīng)濟(jì)增長(zhǎng)再度上升。圖1以三維勾畫展示了我國(guó)35個(gè)大中城市住宅價(jià)格這種漲跌起伏的趨勢(shì)，顯然2009年后住宅價(jià)格的漲幅遠(yuǎn)超金融危機(jī)之前。面對(duì)如此飆升，究竟還能否認(rèn)定調(diào)整經(jīng)濟(jì)、控制信貸對(duì)遏制住宅價(jià)格上漲的效用？2010年國(guó)家依然堅(jiān)持在“保增長(zhǎng)”的基礎(chǔ)上通過調(diào)整信貸來干預(yù)房?jī)r(jià)，由于此次創(chuàng)新性加入了限購(gòu)、保障房建設(shè)等政策措施，2012年價(jià)格再次短暫下降，但使人們不得不困惑2008年、2012年的短暫下降究竟該歸功于誰。多年來我國(guó)持續(xù)調(diào)整經(jīng)濟(jì)增長(zhǎng)和控制銀行信貸以期降低住宅價(jià)格卻未果，是根本性的方向偏離，還是力度配合未得當(dāng)？

國(guó)外理論界對(duì)以上疑問曾深入挖掘，卻仍未達(dá)成一致結(jié)論。Collyns和Senhadji發(fā)現(xiàn)，在中國(guó)香港、新加坡、泰國(guó)和韓國(guó)信貸擴(kuò)張是房?jī)r(jià)的強(qiáng)力推手，而在美國(guó)GDP對(duì)房?jī)r(jià)影響顯著［1］。這一結(jié)論中對(duì)美國(guó)的研究與Englund和Ioannides對(duì)OECD國(guó)家的研究一致，暗示了西方社會(huì)經(jīng)濟(jì)規(guī)律的同質(zhì)性；然而關(guān)于亞洲地區(qū)的觀點(diǎn)卻被部分學(xué)者置疑。2003年Leung也對(duì)中國(guó)香港、新加坡、韓國(guó)和日本進(jìn)行了分析，認(rèn)為經(jīng)濟(jì)持續(xù)繁榮才是這些地區(qū)房?jī)r(jià)上漲的主要原因［2］。Gerlach和Peng同樣堅(jiān)持中國(guó)香港的信貸擴(kuò)張對(duì)房?jī)r(jià)影響較小［3］。各位學(xué)者莫衷一是，但共同點(diǎn)在于均認(rèn)為銀行信貸或經(jīng)濟(jì)增長(zhǎng)與房?jī)r(jià)波動(dòng)關(guān)聯(lián)。國(guó)內(nèi)學(xué)者近年來以我國(guó)房地產(chǎn)市場(chǎng)為對(duì)象展開了類似研究，發(fā)現(xiàn)城市間顯著相關(guān)［4］。4個(gè)直轄市被確定其住宅價(jià)格和銀行信貸之間存在協(xié)整關(guān)系［5］；沈悅、劉洪玉直接分析了經(jīng)濟(jì)發(fā)展對(duì)房?jī)r(jià)走勢(shì)呈U型的14個(gè)城市住宅價(jià)格波動(dòng)的解釋能力，發(fā)現(xiàn)具有部分效力但隨時(shí)間推移正在減弱［6］。這些成果引領(lǐng)了相關(guān)研究的發(fā)展，但顯然樣本過小，結(jié)論普適性不佳。2007年梁云芳、高鐵梅以我國(guó)各省和自治區(qū)1994~2006年數(shù)據(jù)為樣本，分析了信貸規(guī)模、經(jīng)濟(jì)發(fā)展對(duì)東、中、西部區(qū)域房?jī)r(jià)長(zhǎng)、短期波動(dòng)的不同影響［7］。該研究綜合考慮了經(jīng)濟(jì)增長(zhǎng)、銀行信貸影響房?jī)r(jià)的問題，顯著突破了前文貢獻(xiàn)。然而上述學(xué)者的研究忽略了銀行信貸、經(jīng)濟(jì)增長(zhǎng)是兩個(gè)交織糾纏的變量，對(duì)其的分析需先行剝離二者的交互作用；而且眾所周知我國(guó)住宅價(jià)格波動(dòng)重點(diǎn)在大中城市，省級(jí)數(shù)據(jù)多取均值易導(dǎo)致實(shí)證估計(jì)偏誤，國(guó)際文獻(xiàn)也都使用城市數(shù)據(jù)。

因此，本文針對(duì)以上不足，對(duì)近期再次困擾人們的調(diào)整經(jīng)濟(jì)增長(zhǎng)、銀行信貸對(duì)住宅價(jià)格波動(dòng)是否有效的問題進(jìn)行全新解析。樣本選用1999~2010年35個(gè)大中城市數(shù)據(jù)，按照住宅價(jià)格均值劃分為三類(分界線分別為4000元/平方米，2400元/平方米。圖1中Y軸編號(hào)1~9、10~27、28~35分別為高、中、低房?jī)r(jià)城市)。具體安排為：首先推導(dǎo)出含銀行信貸和經(jīng)濟(jì)增長(zhǎng)對(duì)住宅價(jià)格波動(dòng)交互影響的模型；其次采取變截距固定效應(yīng)分別從截面維和時(shí)間維角度對(duì)面板數(shù)據(jù)進(jìn)行實(shí)證；然后結(jié)合估計(jì)結(jié)果對(duì)所提疑問做出經(jīng)濟(jì)學(xué)解釋；最后概述結(jié)論。

2理論模型

國(guó)內(nèi)外學(xué)者從不同視角對(duì)經(jīng)濟(jì)增長(zhǎng)、銀行信貸與住宅價(jià)格波動(dòng)關(guān)系進(jìn)行過分析，以Meen(1990)基于跨期選擇提出的住宅價(jià)格波動(dòng)模型最常用，Pain和Westaway(1996)、Muellbauer和Murphy(1997)等分別從住宅貸款、抵押品價(jià)值等方面對(duì)Meen所提模型進(jìn)行了深化。本文結(jié)合生產(chǎn)理論創(chuàng)新的推導(dǎo)出經(jīng)濟(jì)增長(zhǎng)、銀行信貸交互作用與住宅價(jià)格波動(dòng)關(guān)系的研究模型。

跨期選擇以消費(fèi)者一生效用U最大化為目標(biāo)，因此假設(shè)消費(fèi)者只購(gòu)買住宅H和其他復(fù)合商品C，建立函數(shù)式(1)研究如何在預(yù)算約束內(nèi)分配資源進(jìn)行購(gòu)買決策。其中Hjt、Cjt分別表示城市j在第t期的住宅存量和復(fù)合商品消費(fèi)量，φ為跨期效用主觀貼現(xiàn)率。

MaxU(H,C)=∞j,t=1ujt(Hjt,Cjt)(1+φ)t－1,(j=1,…35;t=1,…N)(1)

對(duì)于每個(gè)城市j的最優(yōu)選擇則需要滿足第t至t+n期的總消費(fèi)等于總收入的約束條件式(2)，其中P為住宅H的價(jià)格，C的價(jià)格為1；Q、Y、r分別表示住宅存量變動(dòng)、實(shí)際收入、利率。從而若名義收入為Inc，住宅折舊率為δ，稅率為tax，通貨膨脹率為π，則城市j第t期的住宅存量變動(dòng)Qjt和實(shí)際收入Yjt可以表示為式(3)：

(PjtQjt+Cjt)+…Pj,t+nQj,t+n+Cj,t+n(1+rjt)(1+rj,t+1)…(1+rj,t+n－1)

=Yjt+…Yj,t+n(1+rjt）（1+rj,t+1）…（1+rj,t+n－1）(2)

Qjt=Hj,t+1－(1－δ)Hjt

Yjt=(1－taxjt)(1+πjt)Incjt(3)

將式(1)、式(2)、式(3)聯(lián)立，可知當(dāng)H和C的邊際替代率MRSH,C等于邊際效用之比MUH/MUC時(shí)達(dá)到最優(yōu)解；此時(shí)又因C的價(jià)格為1，所以MRSH,C等于住宅使用成本Costjt，即：

MRSH,C=MUHMUC=Costjt=Pjt［(1－taxjt)rjt－πjt+δ］(4)

Costjt是有關(guān)P、H、δ的變量，因而由式(4)得第t期城市j住宅價(jià)格的縮約模型為：

Pjt=f(Hjt,Cjt,Incjt;rjt,taxjt,πjt,δ,φ)(5)

在資本市場(chǎng)均衡條件下，住宅市場(chǎng)出清的結(jié)果是Cost必須等于住宅租金Rent，其中租金可以看做式(6)所示的居民名義收入Inc、房地產(chǎn)投資Inv、土地購(gòu)置Land等的函數(shù)，結(jié)合式(4)便可將式(5)簡(jiǎn)化為模型(7)。

Rentjt=f1(Incjt,Invjt,Landjt;rjt,taxjt,πjt,δ,φ)

=Costjt(6)

Pjt=f2(Hjt,Cjt;Incjt,Invjt,Landjt)(7)

上述模型演繹了住宅價(jià)格與影響因素的邏輯推理，但對(duì)我國(guó)特殊國(guó)情適用性欠佳。本文借鑒以上思路并從生產(chǎn)角度出發(fā)，假設(shè)對(duì)應(yīng)H和C兩種消費(fèi)品，生產(chǎn)者也僅生產(chǎn)H和C兩種商品，以銀行信貸比重Cre表示資金約束，以GDP表示生產(chǎn)H和C帶來的總產(chǎn)值，那么生產(chǎn)函數(shù)可表示為：

GDPjt=eCrejt(PjtHjt)ACBjtμ（8）

其中μ代表干擾因素，結(jié)合式(7)則為μ=f3(Inc，Inv，Land)；A、B分別為住宅和復(fù)合商品對(duì)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)度。因?yàn)?

lnPjt=-1ACrejt+1AGDPjt-ln(HjtCBAjt）-1Alnμ(9)

由式(8)得HjtCB/Ajt能以GDPθ·Crejtjt形式表示，再引入向量X=(Incjt,Invjt,Landjt)替換μ便可將式(9)轉(zhuǎn)化為式(10)所示的住宅價(jià)格波動(dòng)模型。θ、β為待估參數(shù)，β3=(β13,β23,β33)與X對(duì)應(yīng)，εt為調(diào)整后的誤差項(xiàng)。

lnPjt=β0+θ(Crejt·lnGDPjt)+β1Crejt+β2lnGDPjt+β3lnX+εjt(10)

這也正是本文的基礎(chǔ)模型，其中銀行信貸變量Cre和經(jīng)濟(jì)增長(zhǎng)變量GDP為影響住宅價(jià)格P的核心變量，X包含的收入Inc、房地產(chǎn)投資Inv、土地購(gòu)置Land是減小模型誤差的控制變量。該模型的獨(dú)特之處在于以待估參數(shù)θ表示了經(jīng)濟(jì)增長(zhǎng)和銀行信貸交互作用對(duì)住宅價(jià)格波動(dòng)的影響，結(jié)合β1、β2可最終衡量Crejt和GDPjt對(duì)Pjt的綜合效應(yīng)(β1+θlnGDPjt)和(β2+θCrejt)。

3數(shù)據(jù)與方法

31數(shù)據(jù)說明

本文取住宅價(jià)格波動(dòng)較為平緩的中等房?jī)r(jià)城市和總體均值作為對(duì)照組，針對(duì)高、低房?jī)r(jià)城市的住宅價(jià)格進(jìn)行重點(diǎn)分析。文中所用數(shù)據(jù)P、Cre、Inv、Land源于《中國(guó)房地產(chǎn)統(tǒng)計(jì)年鑒》，Inc采用《中宏產(chǎn)業(yè)數(shù)據(jù)庫(kù)》中指標(biāo)城鎮(zhèn)居民年人均可支配收入，GDP取自《中國(guó)城市統(tǒng)計(jì)年鑒》。其中Cre=(開發(fā)商抵押貸款+購(gòu)房者按揭貸款)/房地產(chǎn)開發(fā)資金，文獻(xiàn)中核算銀行信貸的方法有兩種：僅以抵押貸款為準(zhǔn)和合并抵押、按揭貸款。因房地產(chǎn)開發(fā)周期漫長(zhǎng)，貸款初始由地產(chǎn)抵押獲得，后期主要是購(gòu)房者的按揭貸款［8］，所以本文認(rèn)為后者方法更接近實(shí)際，故采納。此外，住宅價(jià)格2002~2004年數(shù)據(jù)由當(dāng)年住宅銷售額與銷售面積相除得到，其他個(gè)別缺失數(shù)據(jù)從中國(guó)資訊行和各城市政府網(wǎng)站搜集獲取，共計(jì)整理出35×12=420組樣本數(shù)據(jù)。為了消除通貨膨脹影響和保證結(jié)果的可信度，在實(shí)證檢驗(yàn)前除Land（面積變量）外所有變量均以居民消費(fèi)價(jià)格指數(shù)進(jìn)行了平減調(diào)整(以1998年為基期)，并對(duì)Cre之外的所有調(diào)整后數(shù)據(jù)取對(duì)數(shù)以消除異方差。表1以平減后數(shù)據(jù)為基礎(chǔ)展示了主要變量的描述性統(tǒng)計(jì)結(jié)果。

表135個(gè)大中城市相關(guān)變量的描述性統(tǒng)計(jì)量(1999~2010)

類別變量PCreGDPIncInvLand樣本高房?jī)r(jià)城市中等房?jī)r(jià)城市低房?jī)r(jià)城市全部城市均值544107233587168315084709最大值15496086413900298352371920925108最小值179902853827758472139均值272406261078105562087372最大值659708653727207021185619289216最小值11510172120510445211均值19430548622933913752945最大值34870839478320137132471737796最小值1088007558483395185均值3244063316191189126943797最大值15496086513900298352371920925420最小值1088007558483345139注：P：元/平方米；Cre： 1；GDP：億元/年；Inc：元/年；Inv：億元/年； Land：億平方米/年

32估計(jì)方法選擇

以上數(shù)據(jù)在模型估計(jì)前需先判別變量序列的平穩(wěn)性，并選擇合適的形式才可盡量縮小估計(jì)偏差。

首先，對(duì)面板數(shù)據(jù)的變量序列進(jìn)行平穩(wěn)性檢驗(yàn)。本文選擇LLC和ADF這兩種應(yīng)用最廣泛的方法進(jìn)行檢驗(yàn)，兼顧存在同質(zhì)與異質(zhì)面板單位根的原假設(shè)。結(jié)果顯示(均以含截距和趨勢(shì)項(xiàng)的水平模式計(jì)算，判別準(zhǔn)則為AIC)：在同質(zhì)假設(shè)下，所有變量均通過1%顯著水平的平穩(wěn)性檢驗(yàn)；在異質(zhì)假設(shè)下，Cre和Land在1%顯著水平上拒絕原假設(shè)，Inv和Inc在5%顯著水平上通過檢驗(yàn)，而GDP在10%顯著水平上拒絕接受存在單位根。由此可知各變量序列均為嚴(yán)平穩(wěn)或廣義平穩(wěn)序列，可以進(jìn)行實(shí)證估計(jì)。

其次，為模型選擇合適的估計(jì)形式。面板估計(jì)可分為不變系數(shù)、變截距和變系數(shù)3種，但本文樣本區(qū)間較短，不適用F檢驗(yàn)選擇，因此假定高、中、低房?jī)r(jià)城市具有三類經(jīng)濟(jì)波動(dòng)趨勢(shì)，在靜態(tài)層面每個(gè)城市的個(gè)體稟賦相異，從而采取變截距估計(jì)形式。變截距模型中的個(gè)體影響為固定效應(yīng)還是隨機(jī)效應(yīng)通過Likelihood和Hausman檢驗(yàn)確定，結(jié)果均在1%水平上顯示應(yīng)建立固定效應(yīng)模型，因此本文選擇變截距的固定效應(yīng)模型對(duì)住宅價(jià)格波動(dòng)與經(jīng)濟(jì)增長(zhǎng)、銀行信貸的關(guān)系進(jìn)行估計(jì)。其中模型(10)中的截距項(xiàng)β0可更細(xì)致分為表示城市共同稟賦的總體效應(yīng)α、表示各城市異質(zhì)資源的截面效應(yīng)σj和時(shí)期效應(yīng)ηt，以便觀察高、中、低房?jī)r(jià)城市12年間的個(gè)體變化趨勢(shì)。

4實(shí)證分析

為了消除異方差和自相關(guān)，本文在實(shí)證中對(duì)截面?zhèn)€數(shù)小于時(shí)序個(gè)數(shù)的高、低房?jī)r(jià)城市模型添加不相關(guān)回歸(SUR)進(jìn)行約束，對(duì)截面?zhèn)€數(shù)大于時(shí)序個(gè)數(shù)的中等房?jī)r(jià)城市和總體模型添加截面加權(quán)(CSW)約束。

41截面維估計(jì)結(jié)果分析

將高、中、低房?jī)r(jià)城市和總體樣本數(shù)據(jù)分別以模型(10)回歸，估計(jì)結(jié)果如表2，顯然住宅價(jià)格對(duì)控制變量Inc、Inv、Land的彈性系數(shù)大多都通過了1%的檢驗(yàn)，因此達(dá)到了以這些變量縮減誤差的目的。表2模型參數(shù)的截面維估計(jì)結(jié)果

變量高房?jī)r(jià)城市中等房?jī)r(jià)城市低房?jī)r(jià)城市全部城市θ0308***（4926）0201*（1634）0240***（6822）0131***（2674）β02731***（3191）1243（0742）2284***（7906）0405（0705）β1-5490***（-5143）-2887*（-1643）-3394***（-6379）-1875***（-2451）β20037（0683）0079（0656）0007（0191）0145***（2784）β130281***（4155）0568***（7614）0568***（8685）0601***（9006）β230290***（7928）00560**（1949）0035**（2228）0040*（1707）β33-0119***（-10030）-0060***（-3678）-0044***（-6999）-0075***（-7732）R2097088099095DW200097170101注：括號(hào)中數(shù)字為t統(tǒng)計(jì)量；***、**、*分別表示在1%、5%、10%顯著水平上通過檢驗(yàn)

對(duì)于重要關(guān)注變量交互項(xiàng)Cre·lnGDP的系數(shù)θ全為正，表明經(jīng)濟(jì)增長(zhǎng)與信貸寬松的交互作用明顯提高了住宅價(jià)格。表2顯示高房?jī)r(jià)城市最敏感，1倍的因GDP增長(zhǎng)而超額發(fā)放的信貸或由信貸放松帶來的GDP增加將造成高房?jī)r(jià)城市3075%的住宅價(jià)格上漲，中、低房?jī)r(jià)城市則分別為2010%和2397%。對(duì)于隔離了交互作用的Cre增加對(duì)P卻負(fù)反饋，這隱涵了在金融穩(wěn)態(tài)下按經(jīng)濟(jì)增速逐漸投放市場(chǎng)的信貸額使房地產(chǎn)市場(chǎng)趨近完全競(jìng)爭(zhēng)，從而弱化了房?jī)r(jià)泡沫。由此看來銀行信貸是否助推住宅價(jià)格上升取決于房地產(chǎn)開發(fā)資金中信貸比重與經(jīng)濟(jì)增長(zhǎng)的同步狀況，即Cre的偏系數(shù)(β1+θlnGDP)的大小。以高房?jī)r(jià)城市為例，當(dāng)lnGDP大于1771即GDP大于491150億元時(shí)，Cre偏系數(shù)(-549+031×lnGDP)為正，此時(shí)若保持信貸比重不變則銀行信貸將偏離構(gòu)建完全競(jìng)爭(zhēng)市場(chǎng)的方向而推高住宅價(jià)格；樣本中2005年僅有上海、北京地區(qū)生產(chǎn)總值超越臨界點(diǎn)，而至2008年廣州、深圳、天津也都已超越。同理，由中、低房?jī)r(jià)城市Cre的偏系數(shù)也可得其分界線。對(duì)于GDP的偏系數(shù)也有以上推理。

進(jìn)一步對(duì)比變量系數(shù)的大小。由表2可知，除GDP、Inc外高房?jī)r(jià)城市的所有變量系數(shù)都最大，說明同等的調(diào)整幅度將極易造成高房?jī)r(jià)城市P的急劇波動(dòng)，這與該區(qū)域房地產(chǎn)市場(chǎng)供需比例嚴(yán)重失衡有關(guān)。β1也證明了此觀點(diǎn)，若高、中、低房?jī)r(jià)城市Cre減小1%，可分別帶來各區(qū)域549%、289%、339%的P下降。圖2所展示的35個(gè)大中城市截面維個(gè)體效應(yīng)(α+σj)波動(dòng)趨勢(shì)也從另一角度支持了該觀點(diǎn)。個(gè)體效應(yīng)代表與P有關(guān)的未控制因素，總體和高、中、低房?jī)r(jià)城市的波動(dòng)區(qū)間分別為［-009，060］、［237，312］、［108，155］、［189，246］，顯然高、低房?jī)r(jià)城市個(gè)體效應(yīng)均值273、228高于中等房?jī)r(jià)城市的124，即前者區(qū)域內(nèi)要素的變動(dòng)對(duì)P的影響程度強(qiáng)于后者，這與前述觀點(diǎn)一致。此外，總體樣本的個(gè)體效應(yīng)均值約為041，而高、中、低房?jī)r(jià)城市則遠(yuǎn)大于1，暗示擴(kuò)大調(diào)控范圍，趨利避害的區(qū)域分散效應(yīng)將可以稀釋房地產(chǎn)價(jià)格波動(dòng)風(fēng)險(xiǎn)。

42時(shí)間維估計(jì)結(jié)果分析

表3列舉了各變量時(shí)間維參數(shù)估計(jì)結(jié)果。θ在高、中房?jī)r(jià)城市中依然為正，與截面維不同的是在低房?jī)r(jià)城市中為負(fù)，這與低房?jī)r(jià)市場(chǎng)的欠飽和狀態(tài)相關(guān)；但因Cre、GDP偏系數(shù)未定，所以最終影響待定。按上文方法，對(duì)Cre偏系數(shù)有：當(dāng)高房?jī)r(jià)城市l(wèi)nGDP小于1735即GDP小于341873億元和當(dāng)中等房?jī)r(jià)城市l(wèi)nGDP小于1446即GDP小于27569億元時(shí)，Cre對(duì)P的總效應(yīng)為負(fù)。樣本中高房?jī)r(jià)城市共有7個(gè)陸續(xù)超越臨界值進(jìn)入Cre正反饋于P的階段，超越年份分別為：上海1999年、北京2003年、廣州2004年、深圳2005年、天津2006年、杭州2009年、南京2010年。對(duì)低房?jī)r(jià)城市的Cre偏系數(shù)，當(dāng)lnGDP大于1683即GDP大于204230億元時(shí)為負(fù)，即此時(shí)提高Cre將使P減??；樣本中僅有重慶在2006年后的GDP滿足條件，所以調(diào)控中適當(dāng)提高重慶市房地產(chǎn)開發(fā)資金的信貸比重，其住宅價(jià)格可降低。三類城市中Cre對(duì)P的影響在不同年份效應(yīng)不同，一方面因Cre與GDP不同步，另一方面在于各區(qū)域房地產(chǎn)市場(chǎng)競(jìng)爭(zhēng)和投資飽和程度差異較大，導(dǎo)致各地貸款的利用效率不一。同樣，對(duì)GDP偏系數(shù)為正的假設(shè)也可計(jì)算出高、中、低三類城市相對(duì)應(yīng)的Cre臨界點(diǎn)分別為：Cre>080，Cre>-041，Cre<116。由于0

變量高房?jī)r(jià)城市中等房?jī)r(jià)城市低房?jī)r(jià)城市全部城市θ0475**（2397）0114**（2041）-0143**（-2050）0082**（2029）β07511***（3398）6253***（7752）6374***（8747）1559**（2225）β1-8240***（-2492）-1648*（-1840）2407**（2272）-1067*（-1671）β2-0378***（-2524）0047*（1 809）0166***（3815）0143***（3358）β130511***（15340）0093*（1 626）-0045*（-1723）0478***（6723）β230288***（7507）0052**（2324）-0040**（-1936）0019*（1821）β33-0118***（-4913）-0057***（-11300）-0039**（-2023）-0054***（6508）R2091087089078DW162190175172圖3對(duì)以上分析進(jìn)行了補(bǔ)充。個(gè)體效應(yīng)顯示以2005年為界線，各城市時(shí)期效應(yīng)ηt全部由負(fù)變?yōu)檎?條趨勢(shì)線在2002~2006年彼此相交，這說明要素對(duì)住宅價(jià)格的影響在該段時(shí)間發(fā)生了質(zhì)變。從ηt代表意義來看，一方面暗含了各區(qū)域內(nèi)與Ｐ關(guān)聯(lián)的因素由低迷到活躍的轉(zhuǎn)變，另一方面反映出房產(chǎn)商、政府、購(gòu)房者等利益主體的博弈。擴(kuò)展至整個(gè)時(shí)間軸，ηt趨勢(shì)線斜率隨高、中、低房?jī)r(jià)城市模型的變換逐步增大，可看出住宅貨幣化實(shí)施之初，高房?jī)r(jià)城市的飛速經(jīng)濟(jì)增長(zhǎng)和寬松信貸支持迅速推高住宅價(jià)格；隨著競(jìng)爭(zhēng)激烈和宏觀調(diào)控，房產(chǎn)商逐漸轉(zhuǎn)向中、低房?jī)r(jià)城市謀利。

5結(jié)論

基于跨期選擇和生產(chǎn)理論，本文建立了經(jīng)濟(jì)增長(zhǎng)與銀行信貸交互作用對(duì)住宅價(jià)格波動(dòng)影響的理論模型，較以往研究更貼近現(xiàn)實(shí)地解析了經(jīng)濟(jì)增長(zhǎng)、銀行信貸與住宅價(jià)格的關(guān)聯(lián)。將35個(gè)大中城市住宅價(jià)格劃分為高、中、低三類，以變截距固定效應(yīng)回歸對(duì)1999~2010年的面板數(shù)據(jù)進(jìn)行估計(jì)，本文得出了較穩(wěn)健的結(jié)論：經(jīng)濟(jì)增長(zhǎng)和銀行信貸對(duì)住宅價(jià)格波動(dòng)均有影響，但效果不同，取決于二者博弈，即實(shí)質(zhì)在于調(diào)整經(jīng)濟(jì)增長(zhǎng)和控制銀行信貸的力度配合。具體來講：(1)經(jīng)濟(jì)增長(zhǎng)對(duì)住宅價(jià)格的影響在高房?jī)r(jià)城市中受銀行信貸同步狀況約束，在中、低房?jī)r(jià)城市中無條件推動(dòng)價(jià)格上漲；(2)銀行信貸隨時(shí)間推移對(duì)住宅價(jià)格影響不同，若使控制銀行信貸的措施對(duì)平穩(wěn)住宅價(jià)格有效，關(guān)鍵在于衡量城市經(jīng)濟(jì)發(fā)展水平是否與所發(fā)放信貸規(guī)模相適應(yīng)；(3)經(jīng)濟(jì)增長(zhǎng)與信貸寬松的交互作用正反饋于住宅價(jià)格上漲，高房?jī)r(jià)城市反應(yīng)最為敏感，也就是說調(diào)整經(jīng)濟(jì)增長(zhǎng)和控制銀行信貸的合理組合將對(duì)高房?jī)r(jià)城市住宅價(jià)格下降影響最顯著。

由以上結(jié)論可知，經(jīng)濟(jì)增長(zhǎng)、銀行信貸與住宅價(jià)格之間存在著一定的均衡關(guān)系，需理性把控才可實(shí)現(xiàn)整體穩(wěn)定。本文研究發(fā)現(xiàn)影響住宅價(jià)格波動(dòng)的要素在2002~2006年從低迷質(zhì)變到活躍，因此我國(guó)宏觀調(diào)控合理力度的把握可參考住宅貨幣化初期相對(duì)穩(wěn)定局面的運(yùn)籌帷幄。深入來看，目前我國(guó)高房?jī)r(jià)城市大多存在信貸超發(fā)，而低房?jī)r(jià)城市經(jīng)濟(jì)發(fā)展又較為落后，若要達(dá)到住宅價(jià)格與經(jīng)濟(jì)增長(zhǎng)、銀行信貸平衡的良性循環(huán)，需慎重把握不同被調(diào)控對(duì)象的現(xiàn)實(shí)狀況，持續(xù)向經(jīng)濟(jì)增長(zhǎng)和銀行信貸合理配比的方向推移；尤其對(duì)于高房?jī)r(jià)城市，更要以謹(jǐn)慎而穩(wěn)健的調(diào)整力度來逐漸實(shí)現(xiàn)前瞻遠(yuǎn)景。

參考文獻(xiàn)：

［1］Collyns C，Senhadji A Lending Booms，Real Estate Bubbles，and the Asian Crisis［R］. Washington D C:IMF Working Paper，2002(2).

［2］Leung C K Y. Economic Growth and Increasing House Price［J］. Pacific Economic Review，2003，8(2):183-190.

［3］Gerlach S，Peng W. Bank Lending and Property Prices in Hong Kong［J］. Journal of Banking & Finance，2005，29 (2):461-481.

［4］張謙，王成璋. 中國(guó)住房?jī)r(jià)格波動(dòng)的空間溢出效應(yīng)研究［J］. 軟科學(xué)，2013(4):50-53.

［5］周京奎. 貨幣政策、銀行貸款與住宅價(jià)格——對(duì)中國(guó)4個(gè)直轄市的實(shí)證研究［J］. 財(cái)貿(mào)經(jīng)濟(jì)，2005(5):22-27.

［6］沈悅，劉洪玉. 住宅價(jià)格與經(jīng)濟(jì)基本面:1995~2002年中國(guó)14城市的實(shí)證研究［J］. 經(jīng)濟(jì)研究，2004(6):78-86.

［7］梁云芳，高鐵梅. 中國(guó)房地產(chǎn)價(jià)格波動(dòng)區(qū)域差異的實(shí)證分析［J］. 經(jīng)濟(jì)研究，2007(8):133-142.

［8］段軍山，白茜. 銀行貸款、可支配收入與房地產(chǎn)價(jià)格波動(dòng):1999～2010［J］. 軟科學(xué)，2011(11):24-29.

（責(zé)任編輯：趙毅峰）