唐紹欣++田廣健

[摘 要]改革開放以來，房地產(chǎn)行業(yè)表現(xiàn)出來的周期性波動引起了國內(nèi)外學(xué)者的極大關(guān)注，運用各種方法對這種周期性進行描述，探討周期性波動的形成原因及影響因素。在我國，大約70%的房地產(chǎn)開發(fā)資金來自于銀行信貸，銀行信貸與房地產(chǎn)周期波動之間有著緊密的聯(lián)系，而且房地產(chǎn)行業(yè)的發(fā)展呈現(xiàn)出區(qū)域性、多元化的特點。運用VAR模型實證分析山東省房地產(chǎn)周期與銀行信貸之間的關(guān)系，結(jié)果顯示，銀行信貸對房地產(chǎn)周期波動有滯后的正向影響，因而可以運用信貸政策適當(dāng)控制房地產(chǎn)波動；相對來說，貨幣供應(yīng)量的擴張或收縮對平抑房地產(chǎn)周期波動基本無效。

[關(guān)鍵詞]房地產(chǎn)周期；銀行信貸；貨幣供應(yīng)量；合成指數(shù)；VAR模型

[中圖分類號]F293.35 [文獻標識碼]A [文章編號]1671-8372（2015）03-0020-10

Empirical research on the relationship between the real estate cycle and bank credits

—based on the related data of Shandong province from 2000 to 2013

TANG Shao-xin， TIAN Guang-jian

（Center for Economic Research， Shandong University， Jinan 250100， China）

Abstract：Since the reform and opening up， the periodic fluctuation of real estate industry has attracted much attention of scholars both at home and abroad. The scholars use various methods to describe the periodic nature to explore the causes and influencing factors of periodic fluctuations. In our country， about 70% of the real estate development funds are from the bank credit. The bank credits and real estate cycle fluctuation are closely linked， and the development of the real estate industry presents regional and diversified characteristics. By using VAR model to make the empirical analysis of the relationship between the cycle of real estate and bank credit in Shandong province， we find that bank credit has lagged positive influence on real estate periodic fluctuation. Thus the credit policy can be used to control the real estate fluctuation， and on the other hand， the expansion or contraction of the money supply cannot help ease the periodic fluctuation of real estate.

Key words：real estate cycle； bank credit； money supply； composite index； VAR model

一、引言

1994年，分稅制改革實施，其中把耕地占用稅、土地使用稅、土地增值稅、房產(chǎn)稅等這些與土地有關(guān)的稅種都給了地方，土地財政收入成為地方最重要的收入之一。2001年，土地財政收入占地方財稅總收入的比重為19.7%，2010年這一比重達到了49.7%。地方土地收入暴漲的背后是房價的瘋狂上漲。

1998年，我國開始住房制度改革。實施多年的住房分配制度的結(jié)束，開啟了住房市場化和貨幣化時代，促進了我國房地產(chǎn)業(yè)的發(fā)展，完全釋放了房地產(chǎn)行業(yè)的發(fā)展?jié)摿?，標志著我國房地產(chǎn)正式向市場經(jīng)濟體制的轉(zhuǎn)軌。

從相關(guān)數(shù)據(jù)可以看出，這兩項改革的實施對我國房地產(chǎn)行業(yè)以及國民經(jīng)濟增長的巨大推動作用。1998年以來，在城鎮(zhèn)化和工業(yè)化的共同推動下，房地產(chǎn)開發(fā)投資額占當(dāng)年GDP的比重由4.55%增長到了2012年的13.86%。在此期間，全社會固定資產(chǎn)投資增長了1225.80%；而房地產(chǎn)企業(yè)完成投資額卻增長了2202.11%，這一指標占全社會固定資產(chǎn)投資的比重也由11.01%增長到了20.00%。

房地產(chǎn)周期是在經(jīng)濟周期的概念中發(fā)展衍化出來的。類似于經(jīng)濟運行中出現(xiàn)的擴張、收縮交替更迭，循環(huán)往復(fù)，房地產(chǎn)行業(yè)在不同時期也會呈現(xiàn) “繁榮—衰退—低迷—復(fù)蘇”的階段性波動。房地產(chǎn)行業(yè)所呈現(xiàn)出的類似于經(jīng)濟周期波動、循環(huán)的過程，叫做房地產(chǎn)周期。

房地產(chǎn)行業(yè)自身擁有一些區(qū)域自然特性，再加上各區(qū)域的社會特征、經(jīng)濟特征和不同的房地產(chǎn)政策因素等，導(dǎo)致各區(qū)域的房地產(chǎn)周期波動不同。從大的區(qū)域來看，這種差異存在于全世界的各個國家之間，從小的區(qū)域來看，這種差異存在于一個國家內(nèi)部的不同地區(qū)之間[1]。

銀行信貸周期主要是指在有抵押品的情況下，融資能力是如何受抵押品價格波動約束的，當(dāng)某項貸款有抵押品抵押時，初始借貸規(guī)模會受到抵押品當(dāng)前價值的影響，而抵押品價格的波動也會引起貸款規(guī)模的變動?？偠灾盅浩穬r格的上下變動會引起借貸規(guī)模的擴張和收縮，出現(xiàn)信貸周期[2]。

在房地產(chǎn)復(fù)蘇階段開始后一段時間，對房地產(chǎn)需求的上漲，刺激了房地產(chǎn)開發(fā)投資。伴隨著宏觀經(jīng)濟的復(fù)蘇和繁榮，房地產(chǎn)市場開始充滿了樂觀情緒。另外，經(jīng)濟高漲時，人們對通貨膨脹的預(yù)期也在增加，因此在通貨膨脹加速、存款利率與貸款利率下降的形勢下，房地產(chǎn)市場就成為資金追逐更高利潤的目標，金融機構(gòu)也會相應(yīng)增加對房地產(chǎn)的投資力度以獲取較高的穩(wěn)定收入，進而大量的房地產(chǎn)信貸進入市場流通。

房地產(chǎn)繁榮階段的到來，意味著房地產(chǎn)投機者大量增加，再加上自用購房者的剛性需求，這兩方面將對房地產(chǎn)市場產(chǎn)生較大的需求，房地產(chǎn)價格不斷攀升并可能形成泡沫，隨后更多的資金投入房地產(chǎn)市場。銀行在控制信貸風(fēng)險時，主要是在抵押物價值的基礎(chǔ)上確定信貸規(guī)模，因此，房地產(chǎn)產(chǎn)品的市場價值，直接決定了信貸額度的大小。而在房地產(chǎn)繁榮階段，房屋作為抵押物的價值急劇上升，導(dǎo)致銀行房地產(chǎn)信貸量增加。同時，根據(jù)靜態(tài)和適應(yīng)性預(yù)期理論，樂觀的房地產(chǎn)市場會導(dǎo)致銀行預(yù)期后續(xù)房地產(chǎn)商品還會繼續(xù)升值，在這一預(yù)期下，銀行會放松貸款條件，增加房地產(chǎn)信貸額度。

房價的大幅上漲，使人們逐漸認識到房地產(chǎn)價格和價值的嚴重偏離，便會警惕房地產(chǎn)泡沫破裂的風(fēng)險。考慮到房地產(chǎn)泡沫破滅會造成的嚴重后果，政府會對房地產(chǎn)市場進行宏觀調(diào)控，即出臺一系列限制房地產(chǎn)投機的政策措施，如限制商業(yè)銀行向房地產(chǎn)開發(fā)企業(yè)放貸、提高住房貸款利率等。

隨著政府緊縮的調(diào)控政策的實施，利率的提高會導(dǎo)致房地產(chǎn)開發(fā)企業(yè)拿到資金的成本增加，對房地產(chǎn)企業(yè)的限貸會導(dǎo)致企業(yè)很難拿到新的貸款，這將會使房地產(chǎn)開發(fā)企業(yè)面臨較大的財務(wù)壓力，企業(yè)違約現(xiàn)象越來越嚴重。同時，住房貸款利率的提高也會限制購房者的購買欲望，投資總量開始回落，這將加速房地產(chǎn)市場的衰退與危機的到來。在房地產(chǎn)危機與衰退階段到來后，我們會看到房地產(chǎn)價格降低，房地產(chǎn)交易量減少；此時市場中彌漫著恐慌的情緒，一有利空消息出臺房屋價格就會暴跌，有價無市的局面被打破，房地產(chǎn)泡沫開始破裂。而房價的暴跌更減少了對房地產(chǎn)市場的投資。在此階段，一些小的房地產(chǎn)商面臨資金鏈斷裂，不得不宣布破產(chǎn)。前期積累的房地產(chǎn)信貸風(fēng)險開始集中暴露[3]（見圖1）。

圖1 國房景氣指數(shù)與銀行房地產(chǎn)信貸關(guān)系

從圖1可以看出，代表房地產(chǎn)周期波動的國房景氣指數(shù)與代表房地產(chǎn)信貸規(guī)模的貸款增長率指標趨勢大體吻合，這就說明房地產(chǎn)業(yè)的發(fā)展離不開金融機構(gòu)的支持，而其發(fā)展和波動又給金融機構(gòu)帶來了巨大的影響。兩者的發(fā)展密不可分，相互支持，也相互制約。

隨著發(fā)達國家房地產(chǎn)行業(yè)的逐步成熟，房地產(chǎn)行業(yè)已經(jīng)成為其國民經(jīng)濟增長的重要支柱之一，關(guān)于房地產(chǎn)的調(diào)控政策已基本適應(yīng)本國房地產(chǎn)行業(yè)不同階段的特征。而我國房地產(chǎn)業(yè)起步較晚，現(xiàn)在還處于發(fā)展階段，房地產(chǎn)調(diào)控制度還在摸索過程中，并且各個區(qū)域的房地產(chǎn)發(fā)展很不平衡。因此，如果某個地區(qū)的房地產(chǎn)出現(xiàn)較大的波動，將對該地區(qū)的經(jīng)濟增長產(chǎn)生較為嚴重的負面影響。正確認識各個區(qū)域房地產(chǎn)行業(yè)本身的周期變動規(guī)律，既可以為行業(yè)各參與方提供科學(xué)有效的理論指導(dǎo)和應(yīng)對措施，還有助于該地區(qū)整體經(jīng)濟的健康發(fā)展。除此之外，通過分析影響房地產(chǎn)周期的各個因素及深層次原因，為當(dāng)?shù)卣贫ㄏ鄳?yīng)調(diào)控政策，引導(dǎo)當(dāng)?shù)胤康禺a(chǎn)行業(yè)健康發(fā)展提供重要的參考依據(jù)。房地產(chǎn)信貸調(diào)控政策的實施必須經(jīng)過銀行等金融機構(gòu)向市場投放信貸額度才能發(fā)揮政策的作用，這意味著，商業(yè)銀行信貸對房地產(chǎn)行業(yè)的發(fā)展有直接而重要的影響。本文通過收集2000—2013年山東省房地產(chǎn)行業(yè)的相關(guān)月度數(shù)據(jù)，運用VAR模型實證分析房地產(chǎn)周期與銀行信貸之間的關(guān)系。

二、文獻綜述

雖然國外對房地產(chǎn)信貸波動和房地產(chǎn)業(yè)波動有較多的論述，但他們大多是從心理、期望和行為等方面進行的討論，而完整系統(tǒng)地闡述房地產(chǎn)周期與信貸關(guān)系的文章比較少。Bernanke、Gertler和 Gilchrist（1996）等人共同提出了金融加速器理論，該理論認為，當(dāng)信息不對稱問題出現(xiàn)在金融市場和信貸市場時，MM 定理便不再成立，來自外界的微小沖擊便可以通過金融市場和信貸市場的傳遞導(dǎo)致較為嚴重的實體經(jīng)濟波動。也就是說，放松金融管制，金融市場逐漸自由化，隨著違規(guī)借貸的金融風(fēng)險的增加，房地產(chǎn)周期的波動幅度也會越大。

Allen和Gale[4]基于信貸擴張理論提出了資產(chǎn)價格模型。該模型認為如果投資者進行投資時采用的是自有資金，那么此時形成的資產(chǎn)價格可以看做是資產(chǎn)的基礎(chǔ)價值。當(dāng)投資者資金來源于外部融資時，投資者進行投資時會提高他們對資產(chǎn)的風(fēng)險容忍度，即偏好風(fēng)險資產(chǎn)，并采取風(fēng)險轉(zhuǎn)移行為。風(fēng)險資產(chǎn)的過度投資會不斷抬高資產(chǎn)自身的價格，導(dǎo)致價值的偏離。在該理論中，銀行信貸擴張扮演了資產(chǎn)價格上漲的推手。

皮舜、武康平[5]通過創(chuàng)建我國房地產(chǎn)信貸和房地產(chǎn)價格之間的誤差修正模型，運用我國1997—2003年金融市場和房地產(chǎn)市場之間的月度數(shù)據(jù)進行實證分析，得出的結(jié)論是：房地產(chǎn)價格的上漲會導(dǎo)致銀行房地產(chǎn)信貸的增加，而銀行房地產(chǎn)信貸的增加又會推動房地產(chǎn)價格的持續(xù)上漲，兩者存在著正向的反饋關(guān)系。

陸磊、李世宏[6]通過建立兩階段的動態(tài)優(yōu)化模型，對房地產(chǎn)投資決策和房地產(chǎn)泡沫的形成與破裂進行研究，得出房地產(chǎn)泡沫的積累與破裂是理性預(yù)期下，預(yù)期收入與實際收入的偏離，其直接導(dǎo)致居民破產(chǎn)和銀行不良貸款的上升。

李倩[7]從概念出發(fā)，通過建立一套科學(xué)完整的指標綜合評價體系，定性描述和分析了房地產(chǎn)周期各個階段的特征及影響因素，然后使用由主成分分析法得出的綜合指數(shù)和擴散指數(shù)，聯(lián)系房地產(chǎn)增加值指標，綜合定量分析了1990年以來北京市的房地產(chǎn)周期運行情況，認為影響北京房地產(chǎn)周期性波動的主要因素是投資。

魏巍賢、李陽[8]通過建立房地產(chǎn)需求對房地產(chǎn)價格、收入以及利率之間的需求函數(shù)，運用1999—2003年我國30個省市的面板數(shù)據(jù)進行了分類實證分析，得出了代表我國東、中、西部房地產(chǎn)需求的函數(shù)，并運用該函數(shù)對東、中、西部房地產(chǎn)需求狀況與特征進行了分析。研究結(jié)果表明，我國各地區(qū)的房地產(chǎn)需求函數(shù)存在較大差異，不僅三個公共因素影響程度不同，而且各個地區(qū)還存在著個體的影響。所以，國家在制定房地產(chǎn)政策時，應(yīng)考慮各地區(qū)的需求差異，因地制宜，根據(jù)該地區(qū)的實際情況制定相應(yīng)的調(diào)控政策。

顧建發(fā)[9]認為房地產(chǎn)價格與成交量的波動，應(yīng)該類似于證券市場中證券的價格與成交量的波動規(guī)律。證券市場中存在的較為成熟的價量分析工具，也應(yīng)該可以運用到房地產(chǎn)市場中來。因此，他運用數(shù)學(xué)模型對上海市房地產(chǎn)周期綜合指數(shù)進行分解，然后運用移動平均線、OBV價量關(guān)系等分析工具對上海市房地產(chǎn)周期波動進行了分析。結(jié)果表明，房地產(chǎn)自身的調(diào)節(jié)作用是影響上海市房地產(chǎn)周期的主要因素，而政策因素的影響期限較短，在一年左右。

易傳和、詹蕙卿[10]運用房地產(chǎn)景氣指數(shù)來刻畫房地產(chǎn)周期波動，用房地產(chǎn)企業(yè)違約率刻畫信貸風(fēng)險，通過房地產(chǎn)信貸風(fēng)險計量模型（CPV）對兩變量進行實證分析，并對信貸風(fēng)險進行度量。研究結(jié)果表明，房地產(chǎn)景氣指數(shù)與信貸風(fēng)險之間存在相互波動的關(guān)系，但必須結(jié)合當(dāng)時的經(jīng)濟環(huán)境進行具體分析并作出相應(yīng)措施。

楊正東[11]同樣選用國房景氣指數(shù)作為房地產(chǎn)周期的代理指數(shù)，選取銀行業(yè)金融機構(gòu)房地產(chǎn)貸款增長率，5年以上人民幣貸款基準利率作為解釋變量對國房景氣指數(shù)進行回歸。實證分析結(jié)果表明，兩個解釋變量的變化都會不同程度地影響被解釋變量。相對來說，5年以上人民幣貸款基準利率影響更大一些。

竹隰生、章琛[12]從六個方面選取了8個指標，運用主成分分析法得到了綜合指數(shù)，對我國四個直轄市1990—2009年的數(shù)據(jù)進行實證分析，并從波動過程、波動幅度、景氣轉(zhuǎn)折點三個方面對四個直轄市的房地產(chǎn)周期波動進行對比分析。結(jié)果表明，四個直轄市都大致經(jīng)歷了三個相對完整的周期，但是每個直轄市之間的周期特征又表現(xiàn)出一定的差異性。除此之外，各地區(qū)房地產(chǎn)發(fā)展與該地區(qū)的經(jīng)濟發(fā)展之間的相關(guān)性較高。

王雪青、陳媛、劉炳勝[13]綜合運用差異系數(shù)、全局Morans I、Moran散點圖和LISA集聚圖等方法，通過計算中國31個省份2000—2009年房地產(chǎn)經(jīng)濟面板數(shù)據(jù)，對中國不同區(qū)域房地產(chǎn)特征規(guī)律進行分析，發(fā)現(xiàn)我國房地產(chǎn)行業(yè)區(qū)域發(fā)展不平衡，地區(qū)差異較大，區(qū)域房地產(chǎn)經(jīng)濟的發(fā)展與空間位置密切相關(guān)。文章還分析了近10年中國區(qū)域房地產(chǎn)發(fā)展的演變過程，認為當(dāng)前中國區(qū)域房地產(chǎn)發(fā)展已形成較為穩(wěn)定的格局，并根據(jù)空間分布特征提出了相應(yīng)的優(yōu)化路徑。

三、山東省房地產(chǎn)周期與銀行信貸關(guān)系的實證研究

（一）各項指標的選取

本文的主要研究目的是找出山東省房地產(chǎn)周期波動和房地產(chǎn)信貸之間的動態(tài)關(guān)系。因此，在變量選擇上要考慮具有代表性的信貸政策變量及能體現(xiàn)房地產(chǎn)市場周期波動特點的變量。全國房地產(chǎn)開發(fā)業(yè)綜合景氣指數(shù)（國房景氣指數(shù)HPI）是基于經(jīng)濟周期波動理論和景氣指數(shù)原理，由8個房地產(chǎn)行業(yè)的分類指數(shù)計算而得，從土地、資本、市場需求和開發(fā)量多角度反映全國房地產(chǎn)業(yè)基本狀況和周期波動特征。曾經(jīng)一段時間，山東省也根據(jù)類似指標體系編制過“魯房景氣指數(shù)”，但是后來就停止了[14]。由于編制指數(shù)的一些變量數(shù)據(jù)的不可獲得性及不連續(xù)性，在嘗試編制時，得出的數(shù)據(jù)結(jié)果并不理想，所以只能放棄景氣指數(shù)指標而選擇簡單加權(quán)合成指標作為山東省房地產(chǎn)周期波動的代理指標。而信貸政策代理指標選擇的是山東省房地產(chǎn)開發(fā)投資資金來源（國內(nèi)貸款）這一指標。

1.房地產(chǎn)周期衡量指標的選取

根據(jù)國內(nèi)外有關(guān)文獻對影響房地產(chǎn)周期波動的各項因素的闡述，同時參考我國國房景氣指數(shù)的編制方法，考慮指標數(shù)據(jù)的可獲得性和連續(xù)性，選擇最有代表性的四個指標，并賦予其一定權(quán)重，按簡單加權(quán)法計算得到房地產(chǎn)的合成指數(shù)[15]：房地產(chǎn)合成增長率指數(shù)= 商品房施工面積增長率×0.2+商品房竣工面積增長率×0.2+房地產(chǎn)投資增長率×0.3+商品房銷售額增長率×0.3，其中增長率取的是同比增長率。為了使論文所用指標的時間、區(qū)間相同，周期相關(guān)數(shù)據(jù)樣本區(qū)間選擇的是2000年2月到2013年12月，數(shù)據(jù)來源于wind數(shù)據(jù)庫。

2.房地產(chǎn)信貸指標和其他相關(guān)變量

由于我國的金融體制是銀行占主導(dǎo)地位，債券、股票、信托投資等融資方式并不發(fā)達，銀行機構(gòu)與房地產(chǎn)業(yè)的資金往來渠道主要是房地產(chǎn)信貸，因此房地產(chǎn)開發(fā)貸款這一指標應(yīng)該是衡量房地產(chǎn)業(yè)信貸與房地產(chǎn)周期之間關(guān)系的良好指標。但是，由于房地產(chǎn)開發(fā)貸款余額數(shù)據(jù)和住房個人貸款余額數(shù)據(jù)時間序列較短，數(shù)據(jù)發(fā)布不完全，所以整體來說實用性不強。因此在考慮數(shù)據(jù)的可得性和連續(xù)性后，本文選擇山東省房地產(chǎn)開發(fā)投資資金來源（國內(nèi)貸款）這一指標作為房地產(chǎn)信貸指標。同時，由于我國的房地產(chǎn)周期受整體宏觀政策影響較大，央行的貨幣政策對房地產(chǎn)行業(yè)也會造成很強烈的沖擊，同時影響到房地產(chǎn)信貸規(guī)模的擴張和收縮，因此，本文選擇廣義貨幣供應(yīng)量（M2）作為另一個變量。

為了消除時間序列數(shù)據(jù)異方差的影響，本文對上述房地產(chǎn)開發(fā)投資資金來源和廣義貨幣供應(yīng)量指標都取同比增長率。

3.各變量時間序列圖形

根據(jù)上述編制規(guī)則，得到的各變量時間序列圖形如圖2所示。

圖2 合成指標增長率

從圖2可以看出，山東省房地產(chǎn)周期波動大致經(jīng)歷了三個周期。第一個周期從1999—2006年，雖然在此階段房地產(chǎn)周期性特征并不明顯，中間波動比較大，但還是呈現(xiàn)出了一個整體的周期。2000年、2002年、2003年合成指標增長率達到波峰，2006年合成指標增長率降到了最低，到達波谷。第二個周期比較明顯，2006—2008年，這個時期比較短。第三個周期是2008—2012年，持續(xù)了4年的時間。2013年以后，趨勢不太明顯，合成指標增長率比較低。

山東省房地產(chǎn)開發(fā)資金來源—國內(nèi)貸款同比增長率如圖3所示。

圖3 山東省房地產(chǎn)開發(fā)投資資金來源：國內(nèi)貸款同比增長率

國內(nèi)廣義貨幣供應(yīng)量同比增長率如圖4所示。

圖4 國內(nèi)貨幣廣義供應(yīng)量同比增長率

（二）實證分析

本文運用EVIEWS軟件，采用VAR模型、協(xié)整檢驗、格蘭杰因果檢驗和脈沖響應(yīng)函數(shù)等方法，檢驗山東省房地產(chǎn)信貸與貨幣供應(yīng)量M2對房地產(chǎn)周期波動存在的影響，以及這些指標之間存在的長期動態(tài)關(guān)系。

1.時間序列的平穩(wěn)性檢驗

對于時間序列數(shù)據(jù)來說，有時候數(shù)據(jù)的高度相關(guān)性僅僅是因為其具有隨時間同時向上或向下的變動趨勢，但是時間序列數(shù)據(jù)間并沒有聯(lián)系，這時如果對其進行回歸，便會產(chǎn)生“偽回歸問題”，因此需要檢驗本文所選取的三個指標數(shù)據(jù)的平穩(wěn)性。在這里采用ADF單位根檢驗方法。用EVIEWS軟件對三個時間序列進行單位根檢驗（檢驗過程略）。

房地產(chǎn)周期合成指標（COM）單位根檢驗結(jié)果：由于計算出的P值為0.0000，并且ADF值為-5.506880，絕對值大于5%的置信水平，因此在5%置信水平下拒絕有單位根的原假設(shè)，序列是平穩(wěn)的。

房地產(chǎn)信貸指標增長率（LOAN）單位根檢驗結(jié)果：由于ADF檢驗值絕對值小于5%置信水平，接受存在單位根的原假設(shè)，序列是非平穩(wěn)的。因而對該序列的一階差分進行檢驗。

從房地產(chǎn)信貸指標增長率的一階差分單位根檢驗情況來看，該序列的一階差分不存在單位根，所以該一階差分序列是一個平穩(wěn)序列。也就是說，房地產(chǎn)信貸指標是一階單整的。

廣義貨幣供應(yīng)量增長率單位根檢驗結(jié)果：由于ADF檢驗值絕對值大于5%置信水平，因此拒絕存在單位根的原假設(shè)，序列是平穩(wěn)的。

2.序列的協(xié)整檢驗

單位根檢驗結(jié)果表明，房地產(chǎn)周期合成指標、廣義貨幣供應(yīng)量是平穩(wěn)數(shù)列，房地產(chǎn)信貸序列數(shù)據(jù)在5%水平下一階單整。運用協(xié)整檢驗確定變量之間是否存在協(xié)整關(guān)系。本文采用Johansen的多變量系統(tǒng)最大似然法進行協(xié)整檢驗。

關(guān)于滯后期、協(xié)整階數(shù)的選擇，本文采用SchwartZ準則BIC（統(tǒng)計量取極小值）確定滯后期和協(xié)整階數(shù)。協(xié)整檢驗的結(jié)果如表1所示。

表1 協(xié)整檢驗結(jié)果

Date： 03/12/14 Time： 20：41

Sample （adjusted）： 2000M07 2013M12

Included observations： 149 after adjustments

Trend assumption： Quadratic deterministic trend

Series： COM LOAN M2

Lags interval （in first differences）： 1 to 4

Unrestricted Cointegration Rank Test （Trace）

Hypothesized Trace 0.05

No. of CE（s） Eigenvalue Statistic Critical Value Prob.**

None * 0.152672 45.45974 35.01090 0.0028

At most 1 * 0.069799 20.77535 18.39771 0.0229

At most 2 * 0.064877 9.994464 3.841466 0.0016

Trace test indicates 3 cointegrating eqn（s） at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis （1999） p-values

從表1可以看出，在5% 的顯著性水平下，房地產(chǎn)周期、房地產(chǎn)信貸、貨幣供應(yīng)量存在某種長期的協(xié)整關(guān)系。說明雖然序列不是平穩(wěn)的，但序列之間存在某種穩(wěn)定的內(nèi)在聯(lián)系。

3.格蘭杰（Granger）因果檢驗

從表2的Granger因果檢驗的結(jié)果來看，系統(tǒng)拒絕了房地產(chǎn)周期波動不是房地產(chǎn)信貸的格蘭杰原因的假設(shè)。而這正好和兩者的關(guān)系相對應(yīng)，房地產(chǎn)周期或價格的波動，在一定程度上會影響房地產(chǎn)信貸的額度。

表2 格蘭杰因果檢驗

Pairwise Granger Causality Tests

Date： 03/12/14 Time： 21：15

Sample： 2000M02 2013M12

Lags： 2

Null Hypothesis： Obs F-Statistic Probability

LOAN does not Granger Cause COM 152 1.73004 0.18087

COM does not Granger Cause LOAN 7.18626 0.00105

M2 does not Granger Cause COM 152 2.70047 0.07051

COM does not Granger Cause M2 1.15079 0.31922

M2 does not Granger Cause LOAN 152 0.06033 0.94148

LOAN does not Granger Cause M2 0.62373 0.53735

從第二組數(shù)據(jù)的Granger檢驗結(jié)果來看，系統(tǒng)拒絕了貨幣供應(yīng)量不是房地產(chǎn)周期波動的格蘭杰原因的假設(shè)。我們知道，央行貨幣的供給量多少會直接影響市場資金量和利率，進而影響房地產(chǎn)周期和價格波動。

從第三組數(shù)據(jù)的Granger檢驗結(jié)果來看，廣義貨幣供應(yīng)量和房地產(chǎn)信貸的因果關(guān)系并不明顯，說明影響房地產(chǎn)信貸的因素很多，而廣義貨幣供應(yīng)量只是其中一個。

4.VAR模型階數(shù)的確定

建立VAR模型之前，首先要確定VAR模型的階數(shù)，也就是滯后期K（見表3）。

表3 VAR模型階數(shù)的確定

VAR Lag Order Selection Criteria

Endogenous variables： COM LOAN M2

Exogenous variables： C

Date： 03/13/14 Time： 10：46

Sample： 2000M02 2013M12

Included observations： 150

Lag LogL LR FPE AIC SC HQ

0 -1776.377 NA 4038560. 23.72503 23.78524 23.74949

1 -1474.128 588.3776 80939.09 19.81505 20.05590* 19.91290

2 -1459.541 27.81240* 75141.29* 19.74055* 20.16204 19.91179*

3 -1452.058 13.96869 76706.35 19.76078 20.36290 20.00540

4 -1447.051 9.146178 80958.59 19.71402 20.59678 20.13203

* indicates lag order selected by the criterion

LR： sequential modified LR test statistic （each test at 5% level）

FPE： Final prediction error

AIC： Akaike information criterion

SC： Schwarz information criterion

HQ： Hannan-Quinn information criterion

從表3可以發(fā)現(xiàn)，有三個準則選擇了滯后4期，所以本文選擇滯后4期建立VAR模型。

5.VAR（4）模型的建立

VAR（4）模型的估計結(jié)果如表4所示。

表4 VAR模型滯后4期估計結(jié)果

Vector Autoregression Estimates

Date： 03/13/14 Time： 10：54

Sample （adjusted）： 2000M06 2013M12

Included observations： 150 after adjustments

Standard errors in （ ） & t-statistics in [ ]

COM LOAN M2

COM（-1） 0.148353 -0.417664 -0.007632

（0.10134） （0.11710） （0.00628）

[ 1.46392] [-3.56686] [-1.21541]

COM（-2） 0.143188 0.060192 -0.003002

（0.11028） （0.12742） （0.00683）

[ 1.29844] [ 0.47238] [-0.43932]

COM（-3） 0.153497 -0.047272 0.006028

（0.10844） （0.12530） （0.00672）

[ 1.41555] [-0.37728] [ 0.89721]

COM（-4） 0.115680 0.172364 -0.006622

（0.10510） （0.12145） （0.00651）

[ 1.10062] [ 1.41926] [-1.01676]

LOAN（-1） 0.141543 0.744230 0.004237

（0.08719） （0.10074） （0.00540）

[ 1.62344] [ 7.38740] [ 0.78441]

LOAN（-2） -0.009190 0.227305 0.005116

（0.10436） （0.12059） （0.00647）

[-0.08806] [ 1.88499] [ 0.79117]

LOAN（-3） -0.088428 0.063948 -0.007910

（0.10287） （0.11887） （0.00637）

[-0.85959] [ 0.53797] [-1.24092]

LOAN（-4） 0.007269 -0.111162 0.003279

（0.08844） （0.10219） （0.00548）

[ 0.08219] [-1.08777] [ 0.59831]

M2（-1） -2.642693 -1.690858 1.026939

（1.35936） （1.57072） （0.08423）

[-1.94408] [-1.07649] [ 12.1926]

M2（-2） 4.347365 3.330825 0.112331

（1.94923） （2.25230） （0.12078）

[ 2.23030] [ 1.47885] [ 0.93008]

M2（-3） -1.793939 -1.824793 -0.049751

（1.97338） （2.28021） （0.12227）

[-0.90907] [-0.80027] [-0.40689]

M2（-4） 0.502506 0.206433 -0.162669

（1.36150） （1.57319） （0.08436）

[ 0.36908] [ 0.13122] [-1.92828]

C 4.757013 9.712346 1.434955

（7.62678） （8.81263） （0.47256）

[ 0.62372] [ 1.10209] [ 3.03656]

R-squared 0.257850 0.727705 0.935706

Adj. R-squared 0.192845 0.703855 0.930074

Sum sq. resids 35610.96 47545.74 136.7144

S.E. equation 16.12247 18.62926 0.998957

F-statistic 3.966576 30.51094 166.1520

Log likelihood -623.0738 -644.7517 -205.8852

Akaike AIC 8.480984 8.770022 2.918469

Schwarz SC 8.741905 9.030944 3.179391

Mean dependent 31.73449 36.33457 17.11187

S.D. dependent 17.94539 34.23285 3.777700

Determinant resid covariance （dof adj.） 63091.94

Determinant resid covariance 48068.64

Log likelihood -1447.051

Akaike information criterion 19.81402

Schwarz criterion 20.59678

表4中COM、LOAN、M2分別表示被解釋變量；回歸系數(shù)估計值中帶圓括號的數(shù)字為相應(yīng)回歸系數(shù)估計量的標準差，方括號中的數(shù)字表示的是相應(yīng)回歸系數(shù)估計量的t統(tǒng)計值量。每一行內(nèi)生變量的滯后變量作為解釋變量?？梢钥闯?，模型的擬合優(yōu)度較好，說明擬合性很好。

由于本文主要的關(guān)注點是房地產(chǎn)周期波動與房地產(chǎn)信貸之間的關(guān)系，因此只列出與此相關(guān)的兩個方程：

COM=0.148353*COM（-1）+（0.143288）*COM（-2）+ 0.153497*COM（-3）+0.115680*COM（-4）

（0.10134）（0.11028）（0.10844）（0.10510）

+0.141543*LOAN（-1）+（-0.009190）*LOAN（-2）+（-0.088428）*LOAN（-3）+

（0.08719） （0.10436） （0.10287）

0.007269*LOAN（-4）+（-2.642693）*M2（-1）+4.347365*M2（-2）+（-1.793939）*M3

（0.08844）（1.35936）（1.94923）（1.97338）

+0.502506*M2（-4）+4.757013

（1.36150） （7.62678）

LOAN=（-0.417664）*COM（-1）+0.060192*COM（-2）+（-0.047272）*COM（-3）+

（0.11710） （0.12742） （0.12530）

0.172364*COM（-4）+0.744230*LOAN（-1）+0.227305*LOAN（-2）+0.063948*LOAN（-3）

（0.12145） （0.10074） （0.12059） （0.11887）

+（-0.111162）*LOAN（-4）+（-1.690858）*M2（-1）+3.330825*M2（-2）+（-1.824793）*M2（-3）

（0.10219）（1.57072）（2.25230）（2.28021）

+0.206433*M2（-4）

（1.57319）

從上述方程中我們能得到幾點結(jié)論：

房地產(chǎn)合成指數(shù)受自身一期、兩期、三期、四期滯后項的影響效果差不多，兩者具有正的相關(guān)性，第四期的滯后項對合成指數(shù)的影響逐漸衰減。而房地產(chǎn)信貸額滯后一期對合成指數(shù)的影響較大，系數(shù)比較顯著，其后三期影響都比較小，房地產(chǎn)信貸額滯后兩期、三期對房地產(chǎn)周期有負向影響，滯后四期的房地產(chǎn)信貸對房地產(chǎn)周期有正向的影響。說明銀行等金融機構(gòu)房地產(chǎn)信貸額度的調(diào)整對房地產(chǎn)周期的影響是即時的。最后，滯后一期的廣義貨幣供應(yīng)量對房地產(chǎn)周期產(chǎn)生負向的影響，滯后兩期的廣義貨幣供應(yīng)量對房地產(chǎn)周期產(chǎn)生一個較大的正向影響，滯后三期、四期的廣義貨幣供應(yīng)量對房地產(chǎn)周期的影響逐漸減少，其中滯后三期的影響是負向的，滯后四期的影響是正向的。這說明對房地產(chǎn)周期來說，廣義貨幣供應(yīng)量具有一定的搖擺性，其作用在貨幣供應(yīng)的第二期作用最大，時間間隔越久，對房地產(chǎn)周期的影響就越小，整體來看對房地產(chǎn)周期的影響效果不顯著。

房地產(chǎn)周期對房地產(chǎn)信貸額并沒有明顯的影響，系數(shù)都接近于0，但是在滯后第四期影響系數(shù)有所放大，說明房地產(chǎn)周期對房地產(chǎn)信貸的影響滯后時間比較長。房地產(chǎn)信貸額滯后一期對其有正向影響，但隨著時間的推移，房地產(chǎn)信貸滯后項對房地產(chǎn)信貸額的影響也越來越微弱。

廣義貨幣供應(yīng)量對房地產(chǎn)信貸額的影響和對房地產(chǎn)周期的影響效果相似，在滯后一期具有負的影響，滯后二期具有正向的影響。說明當(dāng)貨幣供應(yīng)量增加時，經(jīng)過兩期后房地產(chǎn)信貸額開始增長。

在得到了VAR模型的估計結(jié)果之后，需要進一步對整個VAR模型的平穩(wěn)性進行檢驗。本文用Lutkpohl（1991）對于AR特征多項式根的倒數(shù)結(jié)論：如果被估計的VAR模型所有根的模的倒數(shù)都位于單位圓內(nèi)，則其是穩(wěn)定的，反之則相反。

對于已估計出的VAR（4），有AR根檢驗，如圖5所示。

從圖5可以看出，AR模型的所有根的倒數(shù)都在單位圓內(nèi)，說明前面建立的VAR模型是穩(wěn)定的，滿足建立脈沖響應(yīng)函數(shù)的條件。

圖5 AR根檢驗結(jié)果圖

6.脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)的結(jié)果如圖6所示。

圖6 脈沖響應(yīng)函數(shù)結(jié)果

圖6中，第一行的三個圖是房地產(chǎn)合成指數(shù)分別受自身、房地產(chǎn)信貸和廣義貨幣供應(yīng)量一個單位標準差的沖擊之后的反應(yīng)?？梢钥闯龇康禺a(chǎn)合成指數(shù)受自身變動影響比較小，在四期后趨于平穩(wěn)。而合成指數(shù)在受到房地產(chǎn)信貸一個單位的正沖擊之后，在滯后一期的時候達到最高值，四期后趨于穩(wěn)定，即從長期來看，房地產(chǎn)信貸對房地產(chǎn)合成指數(shù)有一個穩(wěn)定的正向影響。在廣義貨幣供應(yīng)量給房地產(chǎn)合成指數(shù)一個正向沖擊之后，房地產(chǎn)合成指數(shù)在前幾期會小幅波動，之后慢慢趨于穩(wěn)定，也就是說廣義貨幣供應(yīng)量對房地產(chǎn)合成指數(shù)的影響不太確定。

第二行的三個圖是房地產(chǎn)信貸額受到房地產(chǎn)合成指數(shù)、自身以及廣義貨幣供應(yīng)量沖擊之后的反應(yīng)?？梢钥闯觯康禺a(chǎn)周期對房地產(chǎn)信貸額的影響初期是負向的并且比較小，但在滯后三、四期影響有所放大。而房地產(chǎn)信貸額受自身的影響很大，自身的一個正沖擊之后，帶來房地產(chǎn)信貸額持續(xù)的正向增長。廣義貨幣供應(yīng)量對房地產(chǎn)信貸的影響是正向的，并且逐漸減弱。

7.結(jié)論

實證檢驗結(jié)果表明，房地產(chǎn)周期合成指數(shù)本身具有程度較小的粘滯性，連續(xù)滯后四期對當(dāng)期指數(shù)都是正向影響，但是這種影響會隨著滯后期時間的推移減弱。而房地產(chǎn)信貸對房地產(chǎn)周期的影響在滯后一期會有一個正向的影響，隨后這種影響會逐漸減弱并接近消失。這說明房地產(chǎn)信貸政策的調(diào)整對房地產(chǎn)周期的調(diào)控效果會在很短的時間內(nèi)發(fā)揮作用。至于廣義貨幣量，對房地產(chǎn)周期的影響具有一定的不確定性，說明控制廣義貨幣供應(yīng)量的政策并不能很好地調(diào)控房地產(chǎn)周期。

而房地產(chǎn)信貸則受房地產(chǎn)周期滯后一期的影響較大，同時受自身滯后期正向的影響。房地產(chǎn)信貸受廣義貨幣供應(yīng)量滯后一期負向的影響，隨后受滯后兩期、三期正向的影響，說明廣義貨幣供應(yīng)量在三個月內(nèi)對房地產(chǎn)信貸有較明顯的影響。

四、 政策建議

（一）加強房地產(chǎn)周期波動的預(yù)警體系建設(shè)

政府只有及時準確地掌握了房地產(chǎn)周期波動的狀況，才能制定相宜的政策來進行房地產(chǎn)調(diào)控，平抑房地產(chǎn)周期波動對經(jīng)濟增長的影響。完善成熟的周期預(yù)警體系，通過建立一種動態(tài)模型，運用現(xiàn)有的行業(yè)數(shù)據(jù)進行分析得出衡量指標，與基期指標和歷史指標進行對比，能夠敏感地反映出房地產(chǎn)行業(yè)發(fā)展現(xiàn)狀，并定位所處的周期階段；同時能夠檢測房地產(chǎn)泡沫的程度，具有一定的預(yù)報能力[16]。運用的模型應(yīng)該是動態(tài)的，并隨著市場環(huán)境變化而相應(yīng)調(diào)整。

（二）調(diào)整房地產(chǎn)行業(yè)的產(chǎn)業(yè)結(jié)構(gòu)

隨著我國城鎮(zhèn)化進程的加快，居民生活水平的提高，住房的有效需求增加。同時，家庭規(guī)模的小型化、消費觀念的轉(zhuǎn)變、個性化需求的增加又將逐步影響到住房需求結(jié)構(gòu)。因此，調(diào)整房地產(chǎn)產(chǎn)品結(jié)構(gòu)顯得尤為重要。一是控制高檔物業(yè)的開發(fā)力度，增加經(jīng)適房建設(shè)，完善廉租房體制，積極推進經(jīng)適房、廉租房政策的實施；二是改革土地供給機制，完善城市土地供給、征用、補償機制，改革土地出讓金收取方式，減少房地產(chǎn)價格盲目波動的因素，減少投機因素；三是大力規(guī)范房地產(chǎn)開發(fā)商和炒房者等市場參與主體的行為，引導(dǎo)房地產(chǎn)開發(fā)商樹立可持續(xù)發(fā)展觀念，保持房地產(chǎn)行業(yè)的良性循環(huán)發(fā)展。

（三）加強房地產(chǎn)信貸調(diào)控機制和監(jiān)管制度建設(shè)

商業(yè)銀行的信貸規(guī)模過度是導(dǎo)致房地產(chǎn)信貸風(fēng)險的一個重要因素，為了保證房地產(chǎn)市場健康穩(wěn)定發(fā)展，需要政府通過各種政策調(diào)控銀行對房地產(chǎn)業(yè)的非理性貸款，防范信貸風(fēng)險。一方面加強對房地產(chǎn)市場的監(jiān)管，讓房價在合理的價格區(qū)間內(nèi)運行；另一方面，銀行要控制房地產(chǎn)貸款的過度增長，加強對抵押物和自身操作的管理，加強對房地產(chǎn)企業(yè)財務(wù)狀況的審查。

（四）創(chuàng)新信貸政策調(diào)控手段

目前，我國的房地產(chǎn)信貸調(diào)控工具和手段還比較單一，我們應(yīng)該借鑒現(xiàn)行國家對個人購房貸款實施的調(diào)控措施，充分發(fā)揮利率、貸款按揭乘數(shù)、限貸等工具和手段對房地產(chǎn)市場調(diào)控的成效[17]；除此之外，房地產(chǎn)信貸調(diào)控政策應(yīng)該兼顧長遠性和靈活性，適度保持動態(tài)調(diào)整，以應(yīng)對政策實施過程中出現(xiàn)的意外。動態(tài)調(diào)整包括調(diào)整的時間、對象和工具的選擇；房地產(chǎn)信貸調(diào)控要完善協(xié)調(diào)機制，這不僅包括貨幣政策與監(jiān)管政策、財稅政策的協(xié)調(diào)，也包括中央與地方，不同部門、不同層次政策之間的協(xié)調(diào)，加強宏觀審慎管理和微觀審慎監(jiān)管的協(xié)調(diào)，保持政策的配套性。

王志鳳，楊豐肅.基于合成指數(shù)的蘭州市房地產(chǎn)景氣周期循環(huán)研究[J].城市規(guī)劃，2013（8）：67-71.

張強，曾江波.信貸政策與房地產(chǎn)價格周期波動的實證研究[J].金融理論與實踐，2013（12）：8-12.

翟斌斌.我國商業(yè)銀行的房地產(chǎn)信貸風(fēng)險研究—基于上市房地產(chǎn)企業(yè)的證據(jù)[D].南京：南京師范大學(xué)，2010.

Allen E，Gale D Bubbles and Crisis R. The wharton school university of pennsylvania[J].Working Paper， 1998.

皮舜，武康平.房地產(chǎn)市場發(fā)展和經(jīng)濟增長間的因果關(guān)系—對我國的實證分析[J].管理評論，2004（3）：8-13.

陸磊，李世宏.微觀決策與經(jīng)濟體制：房地產(chǎn)泡沫下的居民—金融部門破產(chǎn)[J].北京金融研究，2004（9）：34-50.

李倩.北京市房地產(chǎn)周期波動研究[D].北京：首都經(jīng)濟貿(mào)易大學(xué)，2004.

魏巍賢，李陽.我國房地產(chǎn)需求的地區(qū)差異分析[J].統(tǒng)計研究，2005（9）：55-60.

顧建發(fā).上海房地產(chǎn)周期波動的模型分析[J].上海經(jīng)濟研究，2007（8）：53-66.

易傳和，詹蕙卿.房地產(chǎn)景氣指數(shù)與銀行房地產(chǎn)信貸風(fēng)險計量[J].求索，2009（2）：16-18.

楊正東.我國房地產(chǎn)信貸調(diào)控對房地產(chǎn)周期的影響分析[J].區(qū)域金融研究，2011（11）：6-11.

竹隰生，章琛.不同區(qū)域房地產(chǎn)周期的比較研究[J].建筑經(jīng)濟，2011（11）：49-54.

王雪青，陳媛，劉炳勝.中國區(qū)域房地產(chǎn)經(jīng)濟發(fā)展水平空間統(tǒng)計分析[J].數(shù)理統(tǒng)計與管理，2014（1）：59-71.

鄭煒.山東省房地產(chǎn)周期波動及企業(yè)對策研究[D].濟南：山東大學(xué)，2006.

孫雅靜，張慶君.我國房地產(chǎn)周期波動與經(jīng)濟周期的實證分析[J].生產(chǎn)力研究，2009（15）：87-89.

焦繼文，陳文天.基于HP濾波法的我國房地產(chǎn)周期與房地產(chǎn)政策關(guān)聯(lián)性研究[J].建筑經(jīng)濟，2012（8）：79-83.

陳德強，熊燕青.房地產(chǎn)信貸資金配置效率實證研究[J].合作經(jīng)濟與科技，2011（11）：56-58.

[責(zé)任編輯 張桂霞]