湯子隆 易露霞 高星

【摘 要】 選取2010—2016年30個省級區(qū)域居民杠桿率作為樣本，以經(jīng)濟增長和金融波動作為核心解釋變量以及添加人口增長、CPI等宏微觀指標作為控制變量，使用空間杜賓模型（SDM）和溢出效應(yīng)模型，實證研究了我國居民杠桿率的空間結(jié)構(gòu)及區(qū)域間的影響因素。實證結(jié)果表明，居民杠桿率的空間互動關(guān)系并不顯著，區(qū)域間杠桿變化的聯(lián)動機制和影響因素錯綜復雜;具體而言，金融業(yè)發(fā)展能顯著提升居民杠桿率，而人口增長率對居民杠桿率有顯著的降低作用?；诖?，提出控制居民貸款規(guī)模、優(yōu)化居民杠桿結(jié)構(gòu)和基于區(qū)域稟賦原則因城施策的政策建議。

【關(guān)鍵詞】 居民杠桿; 空間溢出效應(yīng); 空間杜賓模型

【中圖分類號】 F830? 【文獻標識碼】 A? 【文章編號】 1004-5937（2019）04-0049-06

一、引言

2008年金融危機以來，我國在宏觀層面經(jīng)歷了三次杠桿提升過程，一是4 萬億元刺激計劃導致地方政府融資平臺和商業(yè)銀行的資產(chǎn)負債表擴張，抬升產(chǎn)能過剩行業(yè)和政府融資平臺的杠桿率;二是社會資金借助影子銀行渠道大規(guī)模投入房地產(chǎn)等行業(yè)進一步提升其杠桿;三是高杠桿融資融券推動股市泡沫。在跟隨性的貨幣政策寬松環(huán)境背景下，三次加杠桿過程在一定程度上緩釋了經(jīng)濟增長下行的壓力，但同時也是資產(chǎn)價格泡沫等金融波動亂象的重要致因。反映在居民杠桿上，其水平也由2008年的20%上升至當前的54%（含公積金貸款），雖然還低于西方主要發(fā)達經(jīng)濟體的居民杠桿水平，但仍遠超其余新興經(jīng)濟體，如以可支配收入作為參照，則杠桿率達到了90%，已十分接近日本和美國金融危機前夕水平。有鑒于此，探討居民杠桿過快增長的引致因素和對經(jīng)濟系統(tǒng)風險的顯著影響已成為近期宏觀經(jīng)濟、區(qū)域金融研究的焦點之一。本文擬從區(qū)域視角對此問題進行探究，主要基于空間杜賓模型的分析，不僅從宏觀上考量三者間的關(guān)聯(lián)機制，而且定量分析省級區(qū)域居民杠桿的空間異質(zhì)性和溢出效應(yīng)，基于“守住不發(fā)生系統(tǒng)性金融風險底線”的施策背景，如何切實有效控制居民杠桿過快增長，防范和化解系統(tǒng)性風險具有一定的理論和實踐意義。

國外對居民杠桿的研究都是圍繞“家庭負債”這一關(guān)鍵詞開展的，其與宏觀經(jīng)濟增長、金融波動的關(guān)聯(lián)機制研究主要集中在以下領(lǐng)域：一是家庭債務(wù)增長的影響因素。Barnes et al.[1]認為住房融資借貸是美國家庭債務(wù)規(guī)模擴張的重要驅(qū)動因素;而Amann et al.[2-4]則認為資產(chǎn)價格上漲、金融創(chuàng)新與監(jiān)管套利、收入和財富不均衡等因素分別顯著提升了美國家庭債務(wù)的借債意愿、融資能力和償債能力。二是家庭債務(wù)與金融波動的關(guān)系。Iacovielloet al.[5-6]各自獨立在動態(tài)隨機一般均衡模型（DSGE）中加入資產(chǎn)價格因素，通過數(shù)據(jù)模擬發(fā)現(xiàn)居民家庭之間的借貸行為存在顯著的“金融加速器”機制，進而放大了外部沖擊引起的金融波動。Calza et al.[7-9]則發(fā)現(xiàn)金融市場相對發(fā)達的國家強化了家庭通過抵押房產(chǎn)獲取資金的能力，而當房產(chǎn)價格出現(xiàn)下滑時，其對宏觀經(jīng)濟波動的溢出作用則更為顯著。

由于中國經(jīng)濟體制的特殊性，國內(nèi)關(guān)于居民杠桿的研究更關(guān)注居民杠桿水平測算及其與宏觀經(jīng)濟增長和波動間的關(guān)聯(lián)機制。首先是關(guān)于居民杠桿水平的度量，姜超[10]、黃志龍[11]、李若愚[12]以居民債務(wù)比GDP，新增房貸比GDP、存量房貸比居民可支配收入等不同口徑測度我國居民杠桿近年來的變動趨勢，各指標都顯示我國居民杠桿率并不低，償付能力正受到巨大考驗，而杠桿增速的大幅提升則進一步增加資產(chǎn)泡沫，對經(jīng)濟系統(tǒng)性風險具有疊加效應(yīng)。此外主要研究主要集中于居民杠桿與經(jīng)濟增長間的相互影響。郭新華等[13]使用格蘭杰因果檢驗考察了家庭債務(wù)、消費和經(jīng)濟增長的關(guān)系，發(fā)現(xiàn)家庭債務(wù)與消費以及消費與經(jīng)濟增長之間存在長期均衡關(guān)系，且互為因果。譚政勛等[14]、肖爭艷等[15]、駱祚炎[16]等均認為，貨幣超發(fā)和寬松信貸是拉升房價的重要原因。何青等[17]發(fā)現(xiàn)在抵押率沖擊下，借貸約束和房地產(chǎn)市場存在放大效應(yīng)，并對宏觀經(jīng)濟變量具有顯著動態(tài)影響。陳利鋒[18]則以宏觀審慎政策作為研究對象，通過不同政策機制下的脈沖響應(yīng)函數(shù)的衰減比較，發(fā)現(xiàn)其具有緩和金融沖擊，維持物價和金融系統(tǒng)的穩(wěn)定的作用。

盡管上述研究已對居民杠桿、經(jīng)濟增長和金融波動的互動關(guān)系進行深入探討，并取得了許多有益的進展，但仍存在以下兩個不足：一是在研究范圍適用性方面既有研究成果主要是基于宏觀層面的數(shù)據(jù)，得到的結(jié)論更多的是整體性的而非區(qū)域性的，因此在中國區(qū)域性差異較大的約束下其適用性有待商榷;二是在計量方法上，現(xiàn)有文獻大多基于時間序列或面板方法，難以反映各區(qū)域間經(jīng)濟要素的空間互動性，因而也難以對本地區(qū)居民杠桿與周邊地區(qū)的影響因素的互動關(guān)系進行識別?；诖?，本文擬從以下兩個方面做出邊際貢獻：一是基于30個省級區(qū)域的居民杠桿數(shù)據(jù)做出區(qū)域?qū)用娣治?，二是采用空間面板杜賓模型（SDM）進行研究，能夠有效判斷各區(qū)域居民杠桿及其影響因素的關(guān)聯(lián)程度，改善參數(shù)估計中遺漏變量偏誤問題。

（三）變量選擇

如前文所述，我國各省居民杠桿率的Moran's I指數(shù)的計算表明省域居民杠桿率的樣本觀測值的并不完全滿足空間獨立性，而是存在一定程度的空間互動關(guān)系。因此，本文選取30個省級區(qū)域的空間樣本數(shù)據(jù)，同時選取2010—2016年間我國省區(qū)居民杠桿率作為被解釋變量的面板數(shù)據(jù)。

在解釋變量的選擇上，本文重點分析居民杠桿率與經(jīng)濟發(fā)展及金融波動風險間的空間互動關(guān)系。在核心解釋變量的選擇上，首先選取GDP增長率度量經(jīng)濟發(fā)展水平（GDPL），然后采用金融杠桿波動度量金融風險的強弱程度。對于金融杠桿波動的計算，選取全國各省貸款余額與GDP的比值，然后對其進行HP濾波計算，則得到金融杠桿的振幅，然后再將振幅取絕對值以表示金融杠桿波動的強弱程度（VOL）。金融杠桿波動越大，VOL的值也越大，金融不穩(wěn)定程度越高。

在其他控制變量的選擇上，選取宏觀、結(jié)構(gòu)、金融、社會四個層面，分別考察其與居民杠桿率的空間互動關(guān)系。宏觀層面選取人均GDP（GDPR）與通貨膨脹率（CPI）;結(jié)構(gòu)層面分別選取第二產(chǎn)業(yè)（2GDP）及第三產(chǎn)業(yè)（3GDP）與GDP的比值，資本形成率（ZB）;金融層面選取金融業(yè)總量與GDP的比值（JRGDP）;社會層面選取人口自然增長率（RK）。數(shù)據(jù)來源于Wind數(shù)據(jù)庫。

三、實證結(jié)果

由Moran's I指數(shù)的計算結(jié)果可知，我國省域居民杠桿率并不完全服從空間上的獨立同分布。本文選取2010—2016年的居民杠桿率作為被解釋變量與其他控制變量的面板數(shù)據(jù)，利用空間計量面板數(shù)據(jù)模型對居民杠桿率與區(qū)域經(jīng)濟增長及金融穩(wěn)定進行回歸分析，考察其空間異質(zhì)性及空間溢出效應(yīng)。

表2是我國省域居民杠桿率與GDP增長率SDM模型空間與時間雙固定效應(yīng)回歸結(jié)果。在模型1中，僅包含GDP增長率，從模型2至模型5，依次加入宏觀、結(jié)構(gòu)、金融、社會層面的控制變量。由表3可知，Hausman檢驗表明本文采用的模型應(yīng)為固定效應(yīng)模型。從模型1至模型5，Wald檢驗與LR檢驗的結(jié)果顯示本文應(yīng)采用SDM模型最為合適。

由表2的計算結(jié)果可知，由模型1至模型5，全國各省居民杠桿率的空間滯后系數(shù)（JMGGL）均為負數(shù)，但是顯著性卻呈現(xiàn)出先上升后下降的趨勢。這說明從總體上來看，我國居民杠桿率總體呈現(xiàn)出空間擴散趨勢，即全國高居民杠桿率的省份有不斷增多的趨勢，但是人口增長、金融發(fā)展等因素能抑制居民杠桿率的空間擴散程度。

從核心解釋變量的回歸結(jié)果看，GDP增長率（GDPL）僅在模型1中顯著，模型2至模型5均不顯著，且模型1中GDP增長率的系數(shù)為負，表明經(jīng)濟發(fā)展對居民杠桿率有降低作用。而經(jīng)濟發(fā)展過程中宏觀經(jīng)濟、產(chǎn)業(yè)結(jié)構(gòu)、金融業(yè)增長、人口增長對居民杠桿率都不能對居民杠桿率有提高作用，居民加杠桿的能力并沒有隨著宏觀經(jīng)濟增長而得到加強。而周邊地區(qū)的GDP增長率（W×GDPL）從模型2至模型5均顯著為負，表明居民杠桿率高的地區(qū)以犧牲周邊地區(qū)經(jīng)濟發(fā)展為代價，資金流向了高房價地區(qū)。

從控制變量的回歸結(jié)果看，金融業(yè)發(fā)展（JRGDP）的系數(shù)顯著為正，表明金融業(yè)對居民杠桿率有顯著的促進作用。人口增長率系數(shù)（RK）顯著為負，表明產(chǎn)生高房價的原因并不是人口增加所致，而是金融業(yè)等“虛擬經(jīng)濟”占用大量資金所致。周邊地區(qū)人均GDP（W×GDPR）的系數(shù)顯著為正，表明在經(jīng)濟發(fā)展過程中，由于居民杠桿率主要由房貸構(gòu)成，所以居民購房的第一選擇依然是一線城市與部分二線重點城市。周邊地區(qū)的資本形成率（W×ZB）的系數(shù)顯著為負，表明投資對居民杠桿率有顯著的降低作用。

與表2同理可知，表3是使用金融波動作為核心解釋變量的計量結(jié)果，在模型1中，僅包含金融波動風險，從模型2至模型5，依次加入宏觀、結(jié)構(gòu)、金融、社會層面的控制變量，且SDM模型最為合適。

由表3的計算結(jié)果可知，模型1至模型3中，全國各省居民杠桿率的空間滯后系數(shù)（JMGGL）顯著為負，但是模型4與模型5的空間滯后系數(shù)并不顯著，表明在不考慮金融業(yè)發(fā)展與人口增長的情況下，全國居民杠桿率存在顯著的空間擴散作用。若將金融業(yè)與人口納入計量模型，則居民杠桿率的空間異質(zhì)性不顯著。這是由于我國資金存在“脫實向虛”的現(xiàn)象，居民通過房貸促使大量資金流向了房地產(chǎn)領(lǐng)域，這個現(xiàn)象全國普遍存在，因此，居民杠桿率在加入金融與人口增長因素后，減弱了空間異質(zhì)性的特點。

從核心解釋變量的回歸結(jié)果來看，由模型1至模型5，金融波動風險（VOL）的系數(shù)均不顯著，僅在模型1與模型2中國周邊地區(qū)金融波動風險系數(shù)（W×VOL）較為顯著，表明居民杠桿率與金融波動風險并沒有顯著的因果關(guān)系。這是由于我國居民杠桿率主要由房貸構(gòu)成，又因為房產(chǎn)在我國居民心中具有重要地位，這就促使即便外部金融環(huán)境產(chǎn)生變化，居民購買房產(chǎn)的動力依然不會削減。

從其他解釋變量的回歸結(jié)果來看，金融業(yè)發(fā)展系數(shù)（JRGDP）與周邊地區(qū)金融業(yè)發(fā)展系數(shù)（W×JRGDP）均顯著為正，表明金融業(yè)發(fā)展能顯著提高居民杠桿率。人口增長率系數(shù)（RK）顯著為負，這表明產(chǎn)生高房價的原因并不是人口增加所致，而是金融業(yè)等“虛擬經(jīng)濟”占用大量資金所致。

四、結(jié)論及政策建議

本文采用30個省級區(qū)域的居民杠桿率與經(jīng)濟發(fā)展及金融波動的面板數(shù)據(jù)，通過構(gòu)建空間面板數(shù)據(jù)杜賓模型，通過實證研究居民杠桿率對經(jīng)濟發(fā)展及金融波動之間的空間互動關(guān)系，得出以下結(jié)論：第一，在綜合考慮宏觀經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、金融業(yè)發(fā)展、社會情況的條件下，無論是考慮經(jīng)濟發(fā)展，還是考慮金融波動風險，居民杠桿率的空間互動關(guān)系并不顯著，表明我國居民部門雖然整體負債水平提升較快，但是總體負債水平不高，且負債的穩(wěn)健性較強。第二，金融業(yè)發(fā)展對居民杠桿率有顯著的提高作用。第三，人口增長率對居民杠桿率有顯著的降低作用。

基于本文的研究結(jié)論，并結(jié)合當前居民部門債務(wù)增速較快的現(xiàn)實，提出以下三點政策建議以更好地控制居民杠桿率過快增長：首先，調(diào)整杠桿結(jié)構(gòu)，提高居民杠桿質(zhì)量。充分把握好居民長期貸款和短期信貸的比例、城鎮(zhèn)居民與農(nóng)村居民的貸款比例、住房貸款及其他消費貸款的比例，逐步優(yōu)化居民杠桿結(jié)構(gòu)。其次，控制居民貸款規(guī)模，防范居民杠桿率過快增長。最后，堅持區(qū)域稟賦原則，因城施策。一方面地方政府在大力發(fā)展經(jīng)濟的同時，也要注重提高其社保和醫(yī)保的保障水平，使得居民的可支配收入能夠覆蓋其債務(wù)水平，保證居民債務(wù)具有可持續(xù)性。另一方面要把握居民杠桿對經(jīng)濟發(fā)展的長遠影響，既要構(gòu)建居民消費信貸對經(jīng)濟增長的長效機制，又要堅持樓市調(diào)控政策不動搖，讓房子回歸其居住的本質(zhì)，遏制不合理的炒房行為，防范資產(chǎn)泡沫，避免發(fā)生債務(wù)危機。

【參考文獻】

[1] BARNES S，YOUNG G.The rise in US household debt：Assessing its causes and sustainability[D].Bank of England Working Papers，2003.

[2] AMANN B，SOMMER R，SHARMA A，et al.House prices，consumption，and monetary policy：a financial accelerator approach[J].Journal of Financial Intermediation，2004，13（4）：414-435.

[3] CAMPBELL J R，HERCOWITZ Z.The role of collateralized household debt in macroeconomic stabilization[D].NBER working Paper，2005.

[4] IACOVIELLO M，MINETTI R.The credit channel of monetary policy：evidence from the housing market [J].Journal of Macroeconomics，2008，30（1）：69-96.

[5] IACOVIELLO M.House prices，borrowing constraints，and monetary policy in the business cycle[J].Boston College Working Papers in Economic，2004，95（3）：739-764.

[6] IACOVIELLO M，NERI S.Housing market spillovers：evidence from an estimated dsge model[J].American Economic Journal Macroeconomics，2010，2（2）：125-164.

[7] CALZA A.Housing finance and monetary policy[J].Journal of the European Economic Association，2013，11（S1）：101-122.

[8] PUNZIT.Housing Market and current account imbalances in the international economy[J].Review of International Economics，2013，21（4）：601-613.

[9] GETE P，REHER M.Two extensive margins of credit and loan to value policies[J].Journal of Money credit and Banking，2016，48 （7）：1397-1438.

[10] 姜超.居民加杠桿空間有限[J].股市動態(tài)分析，2017（34）：16-17.

[11] 黃志龍.警惕房地產(chǎn)成為中國經(jīng)濟的“灰犀?！盵N].證券日報，2017-08-05（A03）.

[12] 李若愚.居民部門杠桿率的國際比較與啟示[J].金融與經(jīng)濟，2016（1）：23-27.

[13] 郭新華，何雅菲.中國家庭債務(wù)、消費與經(jīng)濟增長關(guān)系的實證分析[J].統(tǒng)計與決策，2010（22）：100-102.

[14] 譚政勛，王聰.中國信貸擴張、房價波動的金融穩(wěn)定效應(yīng)研究——動態(tài)隨機一般均衡模型視角[J].金融研究，2011（8）：57-71.

[15] 肖爭艷，彭博.住房價格與中國貨幣政策規(guī)則[J].統(tǒng)計研究，2011，28（11）：40-49.

[16] 駱祚炎.資產(chǎn)價格波動先行指標、金融不平衡與廣義價格目標函數(shù)——基于金融加速器效應(yīng)的視角[J].金融經(jīng)濟學研究，2017（2）：20-31.

[17] 何青，錢宗鑫，郭俊杰.房地產(chǎn)驅(qū)動了中國經(jīng)濟周期嗎？[J].經(jīng)濟研究，2015（12）：41-53.

[18] 陳利鋒.不同抵押約束機制下的房地產(chǎn)市場調(diào)控政策效應(yīng)——基于NK-DSGE模型的分析[J].廣東財經(jīng)大學學報，2016，31（4）：16-30.