资金约束下房地产与经济增长的非线性分析——基于异质性面板门槛模型的研究

李嘉珣

(住房和城乡建设部政策研究中心，北京 100835)

一、引言与综述

改革开放以来，特别是1998 年住房制度改革以来，城镇化的快速发展，居民住房体系不断改革和完善，使得作为第三产业的房地产业在我国宏观经济中发挥着越来越重要的作用。无论是次贷危机后的经济恢复期，还是产业结构调整和增速换挡期，房地产在推动地区经济发展、提升居民生活品质方面都发挥着无可替代的作用。房地产业是资金密集型产业，房地产业的开发投资贷款和居民购房贷款是我国银行贷款的主要组成部分[1]，房企和个人在购买土地、开工建设还是购置房产等环节，都需要消耗大量资金。在研究房地产与经济之间的关系时，要重点考虑资金对两者的影响。此外，随着营商环境、房产政策和信贷条件的不断变化，不同用途的房地产市场逐渐走向分化，住宅地产、办公楼地产和商业地产对经济的影响程度也随之改变。因此，研究在我国城市众多发展情况迥异的国情下，不同类型房地产如何考虑资金约束，对房地产与经济增长之间关系的研究就有一定意义。基于此，本文试图解决如下两个问题：一是我国不同房地产类型价格对经济的影响是否存在资金约束的门槛效应；二是如果存在门槛效应，不同房地产类型的门槛效应是否相似，对经济的影响如何。

在房价与经济之间关系的研究上，国内外学者做了大量研究，从不同角度阐述了两者关系。一种角度认为，房价上涨产生对其他产业的挤出效应并加剧泡沫形成，减缓经济增长速度[2-4]。徐宪春等[5]通过对房地产开发投资、房地产生产和消费的界定和计算，发现房价过快上涨会产生对实体经济的“抽血效应”、对居民消费的“挤出效应”和对经济运行的“风险效应”。王振波[6]认为房地产过度发展会导致流动性过剩和投机加剧等行为，加速房地产泡沫的形成进而影响经济运行。另一种角度认为，房价上涨将带动上下游产业，改善居民生活条件，并提升金融稳定性，推动经济发展。Aizenman et al.[7]通过对19 个国家38 年的研究发现房价与经济增长呈现正相关关系。Daglish[8]认为房价上涨能提高抵押品的价值，降低违约风险，加快经济发展速率。我国学者李莉[9]和王弟海等[10]运用不同模型探究各地房价上涨对推动经济增长的作用机理、传导关系和贡献程度，并从各角度提出优化发展对策。

随着研究的深入，学者加入了更多变量来探究影响房价波动和推动经济增长的因素，资金因素被广泛提及。目前主流研究的资金变量包括银行信贷、利率、房地产融资规模和货币政策等。Gerlach et al.[11]在对20 年的香港宏观经济数据、银行信贷规模和香港房价进行分析后，得出银行信贷规模与房价呈现高度相关性。Negro et al.[12]通过贝叶斯模型对美国1986—2005 年各州房价波动进行分析，指出货币政策是导致2001—2005 年各州房价上涨的主要推手。Anundsen et al.[13]通过利用Logit 模型对20 个OECD 国家1975—2014 年房价和信贷数据进行分析，发现房地产发展离不开金融市场和信贷市场的稳定。国内方面，孔煜[14]运用联立方程模型和省际面板数据发现我国房价、银行信贷和经济增长之间有紧密的关系，房价上涨与银行信贷的扩张共同促进了我国各地区经济的繁荣。佟克克[15]用国民收入、投资、储蓄等货币指标探究房地产周期对经济发展的影响。张品一[16]构建区制转换模型，分析了货币政策对房地产周期的影响。从国内外研究来看，房地产市场的发展离不开资金的支持[17]。

进入21 世纪以来，城市化带动了商业地产迅猛发展，办公楼和商业地产(本文主要指商业营业用房)成为国民经济的重要组成部分和GDP 的主要增长点[18]。相比于住宅地产，后两者对经济影响的研究相对较少，因此更具有研究价值。从不同物业用途看，住宅地产从购置土地到开工竣工、销售等各环节相对简单，货币政策能作出灵活调整；而办公楼和商业地产开发过程复杂且依靠长期持续经营获利，大型项目对各类政策、企业资质和定位要求较高。与住宅地产研究逻辑不同，后两者研究的重点在于其经营模式、风险因素测算上。Miles[19]通过对美国地产市场的研究，发现住宅投资和非住宅投资对经济增长的差异显著。陈言[20]通过建立商业地产系统动力学模型，探究消费、地价等因素对商业地产和宏观经济的周期性影响。

从上述文献分析来看，大部分研究通过线性分析分析影响房价的因素，再通过不同模型加以论证。纵观我国房地产发展历程，虽然近20 年房价一直在上涨，受宏观经济和政策的影响，出现数次“急涨”行情，加之我国各省经济发展水平差异较大，线性分析仅能从单一角度或时段表征房地产发展情况，所得结论可靠性不足。此外，过往房地产研究中的“房价”指标基本来自住宅类，对宏观经济影响较大的办公楼和商业地产研究明显不足，探究两者对经济影响的研究非常匮乏。

二、假设提出与模型设计

房价、经济和资金三者都有紧密联系。在我国，尽管有限购限贷政策的约束，但房价高的地区一般经济发展水平同样较高，房价上涨快的地区也是科技、医疗、教育等资源发达的地区。此外，房地产具有产业链长、关联行业多的特点，其发展带动建筑业、制造业、物流业和金融业的发展，增加值占GDP的份额也在不断上升[21]。同时，作为资金密集型行业，房地产的价格变化受到宏观经济、行业周期和自身融资能力的影响，并在不同资金约束下产生不同的预期和经济行为。当资金不足时，房地产投资、生产和消费活动受到限制，无法增加对国民经济增长的贡献，而当资金大量涌入时，又会造成大兴土木、盲目建设、挤压消费、房价暴涨等问题，直接影响国民经济健康发展。同时，受调控政策的影响，住宅地产、办公楼和商业地产在责权属性、资金成本、市场预期、风险敞口等方面的差异而呈现不同发展趋势，在研究其对经济的影响时应予以区分。

由此，本文提出两大假设：

假设1：在行业资金约束下，房价波动与经济发展之间存在异质性门槛效应。由于投资属性和影响因素更多，办公楼、商业地产和住宅地产呈现出不同的门槛效应，且办公楼和商业地产的异质性门槛数量更多。

假设2：在资金约束条件较强的情况下，房价上涨具有较强挤压效应，无法有效促进经济发展；在资金约束条件较弱的情况下，房价上涨具有较强的虹吸效应，推动经济发展。

根据假设，本文选择非线性模型开展实证分析，采用Hansen[22]和王君潞等[23]的门槛面板模型(公式1)进行估计和检验。

式(1)显示的是单一门槛模型，Yit表示被解释变量；αi表示截距项；bit表示解释变量；xit表示对被解释变量有影响关系的变量，即控制变量；β2和β3表示不同区置下解释变量对被解释变量的估计系数；β1表示控制变量对被解释变量的估计系数；I(·)表示指示函数；qit表示整个函数的门槛变量；γ表示门槛值；eit表示误差项，i和t表示不同样本和时间，其中1≤i≤n，1≤t≤T。式(1)中，如果满足括号内的条件，I(·)=1，如果不满足括号内的条件，I(·)=0。

本文采用住宅房价、办公楼房价和商业营业用房房价作为衡量房地产发展水平的指标，作为解释变量。以人均国内生产总值(Real GDP per capita)作为衡量地区经济增长的表征变量，作为被解释变量。为使模型更加稳健，本研究加入对经济增长有解释作用但独立于解释变量的控制变量。将模型变为：

式(2)中，Yit表示人均国内生产总值；HPit表示第i个省份第t年的房价；CAPit为门槛变量，表示第i个省份第t年单位房企实际资金到位情况；γ表示门槛值，GOODit、ROADit和CITYit分别表示当年各地区社会消费品零售总额、各省份等级公路里程和城市人口占比；HPit CAPit为房价与门槛变量的交乘项；βi为各变量的估计系数；εit为误差项。式(2)为单门槛模型，γ将观测变量划分为两个区制，如果出现两个门槛值，式(2)将会出现三个区制，多门槛模型可以由此进行扩展。

式(2)的估计值需要消除个体效应，一般通过用观测值与组内平均值相减来实现。单门槛模型中门槛值γ搜索从区制内任意初始值γ0开始，求其残差平方和，直到取得最小的γx为止，此时γx即为门槛值。当门槛值确定后，估计参数可以一同确定。多门槛模型原理相同。

确定好门槛值和估计系数后，需要对门槛效应的真实性和显著性进行检验，用以判断门槛值区分的区制之间是否真的存在异质性结构转变。因此，设定模型不存在门槛效应的原假设为H0∶b1=b2，存在门槛效应的备择假设H1∶b1≠b2。因检验统计量不符合卡方分布，Hansen 建议采用靴样法(bootstrap approach)对样本分布进行检验，继而构造P值和运用LR 统计量确定置信区间(式3)。本文采用靴样法模拟其分析。

当LR1(γ) ≤c(α)=-时(α代表显著性水平)，无法拒绝原假设，表示该模型不存在门槛效应；如果LR1(γ)＞c(α)，则拒绝原假设，表示模型存在门槛效应。在90%的置信区间下c(α)=6.53；在95%的置信区间下，c(α)=7.35。

三、实证分析

(一)数据获取与描述

本文采用中国31 个省份2006—2017 年的面板数据进行实证研究。本文分别构建关于住宅地产、办公楼和商业地产关于资金约束的门槛模型。其中，被解释变量为各省份当年的人均国内生产总值(cagdp)；解释变量分别为各省份年均普通住宅销售价格(hhp)、各省份年均办公楼销售价格(ohp)和各省份年均商业营业用房销售价格(chp)；门槛变量为资金约束指标，由于各省份发展水平不同以及顾及数据的可获得性和可比性，选择各省份当年房企平均实际到位资金(cap)作为衡量指标，包含上年结余资金和本年新增到位资金，外资融资转换成人民币进行统计；控制变量选择当年各省份社会消费品零售总额(good)、各省份等级公路里程数(road)和城市人口占比(city)从不同角度来反映地区经济发展水平。同时，加入门槛变量与解释变量(hhpcap、ohpcap、chpcap)的交乘项提升对模型的判断。所有原始数据来源于《中国统计年鉴》(2007—2018)和《中国房地产统计年鉴》(2007—2018)。文章在预估模型前对数据进行量纲差异消除，对部分省份特殊年份的缺失值采用当地年均房价代替。篇幅所限，不予赘述。实证分析前，有必要对面板数据进行描述性统计分析。利用stata15.0 统计分析软件得出本研究面板数据的描述性统计结果(表1)，其中包含各变量的单位、均值、方差、最小值和最大值。从样本结构看，样本区间的实际到位资金介于1 049.75 万～49 729.97 万元，平均为11 757.67 万元，各地区、各年份的差异较大。

表1 各变量的描述性统计

(二)数据处理

门槛模型需要面板数据平稳从而避免产生“伪回归”问题，因此在回归前需要对各变量进行单位根平稳性检验。本文利用LLC 和IPS 两种方法共同验证各变量的平稳性，只有都通过检验才被应用[24]。为减少变量之间的多重共线性，消除量纲的影响，本文对cagdp、hhp、ohp、chp、good变量值取对数。如果变量不平稳，则进行一阶差分(表2)。

表2 变量平稳性检验结果

(三)面板门槛模型的估计与检验

利用stata15.0 对上述平稳数据进行根据公式(2)进行门槛模型回归。首先，对住宅房价与经济增长的关系进行回归，得到如表3 的F统计量。由统计结果看，在5%的显著水平中，单门槛模型通过了显著性检验，而双门槛模型未通过显著性检验，说明住宅房价和经济增长之间存在资金约束的单门槛效应。将第一、二门槛值与似然比统计量LR 函数绘制成图像(图1)所示，该结果在第一门槛值通过了真实性检验。

表3 住宅房价模型的门槛效应检验结果

图1 住宅房价模型第一、第二门槛值检验

其次，对办公楼房价与经济增长进行回归，得到如表4 的F统计量。由统计结果看，在10%的显著水平中，单门槛模型通过了显著性检验，而双门槛模型未通过显著性检验，说明办公楼房价和经济增长之间存在资金约束的单门槛效应。将第一、二门槛值与似然比统计量LR 函数绘制成图像(图2)所示，该结果在第一门槛值通过了真实性检验。

表4 办公楼房价模型的门槛效应检验结果

最后，对商业地产房价与经济增长进行回归，得到如表5 的F统计量。由统计结果看，在5%的显著水平中，单门槛模型通过了显著性检验，在10%的显著水平中，双门槛模型通过了显著性检验，说明商业地产的房价和经济增长之间存在资金约束的双门槛效应。将第一、二门槛值与似然比统计量LR函数绘制成图像(图3)所示，该结果在两个门槛值通过了真实性检验。

图2 办公楼房价模型第一、第二门槛值检验

表5 商业地产房价模型的门槛效应检验结果

图3 商业地产房价模型第一、第二门槛值检验

(四)面板门槛模型结果

经过以上分析，可显著看出房价波动对经济增值之间的影响存在资金约束下的异质性门槛效应，估计相关参数如表6 所示。

从所得结果看，假设1 部分成立。住宅、办公楼和商业地产与经济发展之间均存在资金约束条件下的异质性门槛效应。其中，住宅和办公楼均有一个门槛值，分别为7 247.96 和5 484.53，而商业地产有2 个门槛值，分别为3 875.06 和8 197.73(见表7)。样本中办公楼均价比住宅均价高63.89%，但住宅房价的门槛值却比办公楼的高32.15%，一部分原因是因为办公楼具有较强的投资属性，一二线城市核心地段办公楼价格拉高了整体均价，另一部分原因是由于在很多欠发达地区，建造办公楼所需的资质、资金和技术要远小于建造住宅的要求，很多小型开发商在资金条件不足的情况下优先开发办公楼，因此呈现的门槛值也较低。商业地产具有商业营运属性和投资属性，平均单价比住宅单价高59.96%，在经济欠发达地区其比值高达2.5～3 倍，其资金门槛值呈现两极化。首先，商业地产按规模和地区不同划分为不同等级，较低等级下的商业地产作为住宅的补充和配套，对资金要求较低，而甲级(10 000 平米以上)和乙级(5 000～10 000 平米)等级的商业地产具有一定规模效应，对开发商资质和融资能力要求较高，导致其门槛值也较高[25]。其次，相比于住宅，商业地产业态发展和迭代速度都较快，部分地区的业态已由传统的街坊集市、百货商店发展到新兴步行街和城市商业综合体，具有极强的商圈辐射能力和投资溢价，其对资金的要求更高[26]，因此门槛值也相对较高。

表6 三种房价模型门槛估计结果统计

表7 三种房价模型门槛估计值

从所得结果看，假设2 成立。在资金约束条件较强和实际到位资金有限的情况下，房价上涨与经济增长呈现负相关关系；在资金约束条件较弱和实际到位资金充足的情况下，房价上涨与经济增长呈现正相关关系。具体来看，在资金约束较强时，房地产企业以中低层收入家庭为客户群体，开发户型较小、总价较低等刚需住宅，住房是解决居住问题的生活必需品，此时房价上涨对于居民消费的抑制作用更强，产业挤压效应大于其规模效应，拉动经济作用不明显，这与众多学者过往研究一致[27-28]。在资金约束较弱时，开发商更易产生非理性预期和行为[29]，购置和开发土地等经济活动持续增加，开发的建筑物与配套设施等级也有所提升。此外，由于房地产的虹吸效应显著，资金和人口由经济欠发达城市向经济发达城市聚集[30-31]，当地区开发企业实力雄厚时，会开发更优质的住宅和商业综合体并吸引更多高收入群体，拉动经济作用也更为显著。由于商业地产比住宅地产更具投资属性，因此其拉动经济能力也越强，本文验证了上述结论。

以门槛值划分，2007—2008 年以及2014 年的房企资金到位情况较差，一方面是由于次贷危机导致经济增速放缓，另一方面受房地产政策影响楼市阶段性低迷，在“三期”叠加的情况下，推动经济增长的动力减弱。而以区域划分，西北、西南和东北的部分省份房企融资能力较弱，房地产价格涨幅较低。本研究发现，房企资金到位较差的7 省份在样本区间内(内蒙古、黑龙江、广西、贵州、甘肃、青海和新疆)住宅类房价平均涨幅比其余省份低9.47%，商业地产类房价低11.66%，这与龚斌恩[32]和常元福等[33]的研究结果有共同之处。

四、讨论与分析

从房地产企业资金来源看，国内房企主要资金来源为房屋的订金和预收款、个人按揭贷款、自筹资金和国内贷款，利用外资比例较小。通过对历年房企资金来源情况进行分析，以订金、预收款、个人按揭贷款为主的其他资金来源比重不断上升，由2006年的47.77%上升到2017 年的51.18%；自筹资金比例呈现先增长后下降的趋势，基本保持在32%左右；国内贷款和利用外资比例分别由2006 年的18.31%和1.21%下降到2017 年的16.18%和0.11%，国内贷款中，银行贷款比例也逐年下降，由2006 年的95.93%下降到2017 年的81.56%。由此可见，目前我国房企资金特点是以项目回款和自筹资金等内源融资为主的重资产运营模式，主要盈利模式是开发项目利润和资产增值。随着各地陆续进入存量房时代以及出台各项政策严查资金进入房地产领域，房企面临着更为严峻的资金和运营压力。因此，房企一方面应积极拓展融资渠道，加大金融创新形式，增加外资融资、夹层融资、资产证券化、投资基金等融资方式，并由单纯重资产模式向轻重资产结合的模式转变；另一方面应积极布局存量房市场，加大老旧社区改造项目、长租公寓、产业地产、物流地产等新型地产模式的参与力度，提供更多元的综合服务。

本研究发现资金门槛的两个区制下，房价对经济起到截然相反的作用，容易造成房地产参与方的非理性预期，加剧金融机构和房产开发商的“羊群效应”。作为土地商品的微观消费者，开发商不仅在心理层面对现有市场进行反馈，还会依据同业行为强化自身预期[34]。当房价持续上涨、资金回笼理想时，各房企拿地规模持续增大，负债率也不断提高，一旦遇到政策和市场变化，极易引发预期和行为的改变，造成相关资产价格的宽幅震荡，伤害宏观经济健康发展，这也解释了过去十年我国房地产市场“地王频现”和“流标流拍”交替波动现象。因此，政府应合理制定和运用房地产政策时，加强预期导向性管理，减少因信息不对称而导致房地产参与者对政策和制度的解读不到位，进而引起非理性行为。政府应在企业融资、土地招拍挂、交易环节税收等方面保持政策的连贯性和稳定性，防范房地产市场系统性风险。要密切监测各地区房地产行业的现金流运转和结构、偿债能力、融资变动等指标，防止出现行业内过度举债融资的情况。

本研究结果发现，房价与经济的作用受地域、时间、资金和房屋类型等众多因素的影响，这为地方政府落实“一城一策、因城施策”提供了理论支撑。2016 年底中央经济工作会议提出“房住不炒”的定位，意味着房地产调控更加精细化和制度化，调控主体责任也由中央部委转移到地方政府，各地针对地区特点出台了众多房地产调控政策。本研究结果显示，过度收紧房地产资金将对经济起到副作用，如何平衡房价波动与经济增长之间的关系成为未来政府必须考虑的问题。对于住宅类地产，政府在完善住宅周边医疗、教育、养老等公共服务和设施的同时，应积极引导开发企业向功能化、品质化的改善性住房和多元化地产业态方向发展。对于商业地产而言，尽管本研究发现商业地产对经济的拉动作用更加显著，但目前部分地区商业地产存在盲目建设、规划随意等问题，导致空置率过高、投机盛行。对于办公楼和商业地产严重过剩的城市，政府应结合本地发展需要，完善相关土地制度和金融制度，控制商业地块出让规模，对存量商业地块进行更精细化的规划，并将商业地产融合与其他行业资源，打造体验性消费和个性化消费空间，来匹配目标客户群体，促进当地经济发展。

五、结论

不同类型房地产价格上涨与经济增长之间因为存在资金约束而呈现不同差异。通过研究得到如下结论：(1)行业资金约束下，住宅地产、办公楼和商业地产呈现出不同的资金门槛效应，住宅地产和办公楼有1 个门槛值，分别为7 247.96 和5 484.53；商业地产有2 个门槛值，分别为3 875.06 和8 197.73。(2)在行业资金约束较强的情况下，房价上涨挤压其他行业资金，与经济增长呈现负相关关系，行业资金约束较弱的情况下，房价上涨有效带动相关产业，推动经济发展。