我國直轄市房地產(chǎn)市場與信貸市場的相互影響分析

[摘 要]文章選定我國的四大直轄市為研究對象，基于房地產(chǎn)價格波動與銀行信貸之間存在的互動機制，研究了房地產(chǎn)價格與銀行信貸之間的相關性、長期協(xié)整、短期修復以及基于向量自回歸的方差分解情況與脈沖響應函數(shù)。發(fā)現(xiàn)北京市的房地產(chǎn)市場與銀行信貸市場的相關性最大且其短期修復速度最快。通過向量自回歸模型的建立，發(fā)現(xiàn)北京市和上海市的房地產(chǎn)市場受銀行信貸市場的影響較小，而房地產(chǎn)價格的上漲卻實實在在地影響到了銀行信貸總量的上漲。天津市的房地產(chǎn)市場與銀行信貸市場的相互影響程度并不高，然而，重慶市的房地產(chǎn)市場與銀行信貸市場相互的影響程度卻較高。所以每個城市的房地產(chǎn)市場和信貸市場的發(fā)展中均可能存在著優(yōu)勢與劣勢，城市與城市之間可以相互吸取教訓和相互學習經(jīng)驗，進而促進每個城市的健康發(fā)展，最終使得我國的經(jīng)濟健康持續(xù)發(fā)展。

[關鍵詞]向量自回歸;協(xié)整與反向誤差修正模型;房地產(chǎn)與銀行信貸;直轄市

[DOI] 10.13939/j.cnki.zgsc.2020.10.055

1 經(jīng)濟理論基礎

一般而言，房地產(chǎn)市場的周期與信貸市場的周期趨同，兩者之間存在著順周期效應。對于我國，房地產(chǎn)業(yè)是我國的支柱產(chǎn)業(yè)，在國民經(jīng)濟的發(fā)展中占有重要的地位，然而，我國房地產(chǎn)業(yè)對銀行業(yè)的發(fā)展也起著舉足輕重的作用。有數(shù)據(jù)顯示，在我國房價不斷上漲的時期，恰恰是我國銀行業(yè)平均利潤率增長幅度最大的時期。

我國的房地產(chǎn)業(yè)的發(fā)展離不開銀行信貸的支持和配合，沒有銀行信貸的存在，我國房地產(chǎn)業(yè)將停滯不前。具體來說，由于房地產(chǎn)業(yè)需要有巨大的資金墊付量，所以房地產(chǎn)業(yè)的發(fā)展第一個基礎是資金，而房地產(chǎn)企業(yè)的資金主要來自自有資金和融資。房地產(chǎn)業(yè)有其獨有的特征——建設周期長，資金周轉的速度卻緩慢，這導致了巨大的資金墊付，只靠自有資金是不可能實現(xiàn)的，所以融資是不可或缺的一部分。

另外，我國房地產(chǎn)價格對商業(yè)銀行信貸有著正負兩方面效應。一方面，由于房地產(chǎn)價格的上漲，導致可抵押固定資產(chǎn)的價值上升，從而增加銀行可以發(fā)放的可抵押信貸額度而產(chǎn)生正向效應;另一方面，當市場房地產(chǎn)價格波動過大，不論是過大漲幅還是過大跌幅，都給市場以不好的信號，此時一國的貨幣當局必須要進行金融調控，但不僅效力可能不高，效果也不確定。所以此時的房價波動會使得金融市場的主要金融機構銀行在進行信貸投放時會處于被動地位，不利于社會經(jīng)濟的正常發(fā)展，這就是負面效應?？傊?，兩者之間的相互作用是密不可分的，且一直存在的。

2 數(shù)據(jù)選取和前置檢驗與分析

（1）數(shù)據(jù)來源與處理。選取銀行貸款總額來代表銀行信貸的指標，選取房地產(chǎn)價格指數(shù)來代表房地產(chǎn)價格的指標。有關各城市的銀行信貸總額來源于中國人民金融機構各個分支機構公布的該城市維度的銀行貸款總額，并通過整理所得;有關各城市的房地產(chǎn)價格指數(shù)來源于中國統(tǒng)計年鑒公布的“70個大中城市住宅銷售價格指數(shù)”，并通過整理所得。這里選取了數(shù)據(jù)區(qū)間為2011年1月至2013年6月 。在實證分析過程中，對銀行信貸和房地產(chǎn)價格指數(shù)都先利用Eviews進行了季節(jié)調整 ，剔除季節(jié)影響，為了消除異方差的影響，將銀行信貸總額和房地產(chǎn)價格指數(shù)都取了自然對數(shù)分別用lndk和lnfdc來表示。

（2）相關性檢驗?？梢酝ㄟ^對所選兩個變量間的相關性檢驗進行粗略的分析，從數(shù)量上發(fā)現(xiàn)各城市的銀行信貸與房地產(chǎn)價格間的相關性。我國的四大直轄市的結果匯總，如表1所示。

對于我國四大直轄市的房地產(chǎn)價格與銀行信貸間的相關系數(shù)，從高到低的順序為：北京、天津、上海、重慶。四個城市的相關系數(shù)均在0.5以上，相關性較明顯。從相關系數(shù)的角度，其中相關系數(shù)最大的是北京，最小的是重慶，對于北京房價的不斷上漲引起了人們更多的關注，從相關系數(shù)看到北京的房價與銀行信貸的相關性最高，這對于研究兩者的關系更具有現(xiàn)實的實際意義。

（3）趨勢與平穩(wěn)性分析。利用Eviews趨勢圖的輸出方式，可直觀地觀察每個城市銀行信貸變化情況、房地產(chǎn)價格變化情況以及兩者的總體趨勢。通過對四個城市的房地產(chǎn)價格與信貸總額的趨勢圖分析，發(fā)現(xiàn)四個城市的信貸總額均呈平穩(wěn)上漲的趨勢，而四個城市的房地產(chǎn)價格卻是波動中上漲。

在經(jīng)濟領域中，所觀測的時間序列大都不是由平穩(wěn)過程產(chǎn)生的。正如對數(shù)據(jù)的趨勢圖分析的結果，數(shù)據(jù)隨著時間的位移發(fā)生著變化，初步判定為非平穩(wěn)序列，為了對該時間序列做進一步的分析，現(xiàn)進行數(shù)據(jù)的平穩(wěn)性檢驗——ADF檢驗。通過對四個城市的房地產(chǎn)價格與信貸總額分別進行ADF檢驗，發(fā)現(xiàn)在原序列不平穩(wěn)的情況下，經(jīng)過一階差分后，在5%的顯著水平下均呈現(xiàn)平穩(wěn)序列。

3 我國四大直轄市房價與銀行信貸的協(xié)整與誤差模型分析

（1）長期均衡關系——協(xié)整。在對兩個本身不具有平穩(wěn)性但同階單整的序列，可以借助協(xié)整對其間可能存在的長期均衡關系進行研究。四大直轄市的房地產(chǎn)價格與信貸總額之間的長期均衡關系如下。

對北京市的房價序列和信貸總額序列進行Eviews中的最小二乘法（OLS）進行估計，發(fā)現(xiàn)變量系數(shù)在90%的置信水平下為可靠的。同時，將回歸模型估計后的殘差保存到一個新的序列中，對其進行ADF檢驗，發(fā)現(xiàn)為平穩(wěn)序列。因而信貸總額與房地產(chǎn)價格指數(shù)兩變量間存在協(xié)整關系，即具有長期均衡關系，回歸系數(shù)具有經(jīng)濟意義，同時回歸方程為LNXD = 1.60×LNFDC + 2.98。

對于上海市房價序列和信貸總額序列進行協(xié)整分析，發(fā)現(xiàn)估計系數(shù)可信且殘差平穩(wěn)，所以得到回歸方程為LNXD = 1.23×LNFDC +4.81。

對于天津和重慶兩市場均也發(fā)現(xiàn)了存在協(xié)整關系，其回歸方程分別為LNXD =3.82×LNFDC.8.04和LNFDC = 0.065×LNXD + 4.02。

（2）短期波動關系——誤差修正模型。由上文可知，信貸總額與房地產(chǎn)價格指數(shù)兩序列間存在協(xié)整關系，所以可以建立誤差修正模型（ECM模型）。上一步回歸模型的殘差序列resid即為誤差修正項ecm的值。下面利用Eviews的OLS分別對四個城市進行誤差修正模型分析短期波動關系。

對北京市房價序列與信貸總額序列建立誤差修正模型，誤差修正項ecm的系數(shù)為.0.62，為負代表具有反向修復機制，其絕對值0.62代表：當北京市兩變量間出現(xiàn)短期波動時，將以0.62的速度調整回長期均衡的狀態(tài)。上海市的誤差修正項ecm的系數(shù)為.0.38，天津市的誤差修正項ecm的系數(shù)為.0.21，重慶市的誤差修正項ecm的系數(shù)為.0.19。

通過對四個城市的誤差修正模型的建立，發(fā)現(xiàn)北京市的房地產(chǎn)市場與銀行信貸市場之間的短期波動修正速度最快，而天津市和重慶市的調整速度較小。從這個角度，北京市政府采取相應的信貸政策將對其房地產(chǎn)市場產(chǎn)生更快的短期調整效應，對重慶、天津兩城市的短期調整效應較低。

4 我國四大直轄市房價與銀行信貸的VAR建模分析

為了進一步分析研究，我國信貸總額與房地產(chǎn)價格指數(shù)的動態(tài)變化關系，將兩個變量的數(shù)據(jù)建立為非結構化的向量自回歸模型（VAR模型），并進一步利用脈沖響應函數(shù)和方差分解進行分析。

（1）北京市房價與信貸的VAR建模分析。在建立VAR模型之前，先對VAR對象進行了單位根的平穩(wěn)性檢驗。發(fā)現(xiàn)北京市的VAR模型滿足平穩(wěn)性的條件，以此進行了脈沖響應分析和方差分解分析。分別建立了信貸總額對于房地產(chǎn)價格指數(shù)殘差的一個標準偏差的沖擊的反應和房地產(chǎn)價格指數(shù)對于信貸總額殘差的一個標準偏差的沖擊的反應。

其中圖1為北京市信貸總額對于房地產(chǎn)價格指數(shù)的沖擊反應，反映信貸總額對于房地產(chǎn)價格的沖擊隨著時間的推移，其影響會越來越大。這說明北京市房地產(chǎn)價格的變化對信貸總額是一個長期的影響。北京市房地產(chǎn)價格指數(shù)對于信貸總額的沖擊反應如圖2所示，反映銀行信貸總額對其房地產(chǎn)價格的影響是負效應的，在前八期內(nèi)均為負效應。說明宏觀的調控政策難以按預定目標達到調控的效果。進一步說明，從選取的數(shù)據(jù)建立的脈沖響應模型角度出發(fā)，北京的信貸政策對房地產(chǎn)價格的調控在初期并不能起到預定的調控效果。

另外，由表1北京房地產(chǎn)價格的Cholesky方差分解和表2北京銀行信貸的Cholesky方差分解，可以看出房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度隨著時間的推移，越來越顯著，但銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度卻較低。這在一定程度上說明，房地產(chǎn)價格快速上漲會影響銀行信貸活動的起伏變動，同時想僅僅只通過信貸的調控來調節(jié)房地產(chǎn)的價格的實時效果將不顯著。這與上一節(jié)中脈沖響應的分析結果相一致，房地產(chǎn)價格對信貸的沖擊做出的反應在短期內(nèi)是負效應的。

（2）上海市房價與信貸的VAR建模分析。在檢驗了上海市VAR對象的平穩(wěn)性后，同樣進行了脈沖響應和方差分析。通過輸出脈沖響應圖發(fā)現(xiàn)，信貸總額對于房地產(chǎn)價格的沖擊是實時做出反應的，隨著時間的推移影響會越來越小。房地產(chǎn)價格對于信貸總額的沖擊是隨著時間的推移不斷做出反應，開始作用力度較小，隨時間推移作用力在增大，但在滯后7期的時候便趨于平穩(wěn)，之后的影響反而會變小。這說明信貸的變動對房地產(chǎn)價格的影響程度在短期內(nèi)是越來越大的，但一定期限后便會減小。

另外，從方差分解結果可以看出，房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度較為顯著，而銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度卻較低，這在一定程度上說明，房地產(chǎn)價格快速上漲會影響銀行信貸活動的起伏變動，同時想僅僅只通過信貸的調控來調節(jié)房地產(chǎn)的價格的實時效果將不顯著。這也印證了上一節(jié)的脈沖響應函數(shù)的分析，銀行信貸對房地產(chǎn)價格的影響是在滯后幾期之后才顯現(xiàn)出來的。

（3）天津市房價與信貸的VAR建模分析。在檢驗了上海市VAR對象的平穩(wěn)性后，同樣進行了脈沖響應和方差分析。通過輸出脈沖響應圖發(fā)現(xiàn)，信貸總額對于房地產(chǎn)價格的沖擊隨著時間的推移，其影響會越來越小，且?guī)缀蹙幱谪撔那闆r。這說明天津市房地產(chǎn)價格的變化對信貸總額的影響并不顯著。房地產(chǎn)價格對于信貸總額的沖擊是隨著時間的推移不斷做出反應，且隨著時間的推移作用力不斷增大。這說明天津市信貸的變動對房地產(chǎn)價格的影響是持續(xù)且長期的。從這個角度，天津市可以采取信貸政策來調控房地產(chǎn)價格。

另外，從方差分解的結果可以看出，房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度很小，且銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度也較小。對于天津市而言，房地產(chǎn)市場與信貸市場的相互影響程度都不顯著。

（4）重慶市房價與信貸的VAR建模分析。在檢驗了上海市VAR對象的平穩(wěn)性后，同樣進行了脈沖響應和方差分析。通過輸出脈沖響應圖發(fā)現(xiàn)，信貸總額對于房地產(chǎn)價格的沖擊做出的反應，先是前四期逐漸增大，在第四期達到最大之后逐期減小。這說明對于重慶市房地產(chǎn)價格的變化，其信貸市場在短期內(nèi)逐步做出反應，但隨著時間的推移，其房地產(chǎn)價格的變化對信貸市場的影響逐漸降低。房地產(chǎn)價格對于信貸總額的沖擊是隨著時間的推移不斷做出反應，作用力隨時間推移不斷增大，最后趨于平緩。這說明重慶信貸的變動對房地產(chǎn)價格的影響程度在短期內(nèi)是顯著的，但一定期限后便會趨于平穩(wěn)。

另外，從方差分解的結果可以看出，房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度較為顯著，且銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度也較為顯著。對于重慶市而言，雖然重慶市房地產(chǎn)市場與信貸市場的相互影響程度不是十分顯著，但相對于天津市而言卻也是較為顯著的。

5 結論

為了對四大城市的房地產(chǎn)市場與銀行信貸市場之間的關系進行實證研究，首先選取合適的數(shù)據(jù)指標，這里選取的是我國四大直轄市的房地產(chǎn)價格指數(shù)和銀行貸款總額兩個數(shù)據(jù)序列。

首先對兩者的相關關系進行了檢驗，發(fā)現(xiàn)對于我國的北京、天津、上海、重慶四個城市兩變量之間的相關系數(shù)均在0.5以上，相關性較強，其北京的相關系數(shù)達到0.67，相關性最大。在對四個城市的房地產(chǎn)價格與信貸總額兩序列進行趨勢分析發(fā)現(xiàn)，均呈現(xiàn)上漲的趨勢，四個城市的房地產(chǎn)價格呈現(xiàn)出波動中上漲的趨勢。既然具有明顯的上漲趨勢，說明對于每個城市的兩個變量均是非平穩(wěn)的，在建立協(xié)整模型前需要序列具有平穩(wěn)性。雖然所選數(shù)據(jù)的原始序列非平穩(wěn)，但通過ADF檢驗發(fā)現(xiàn)，序列均為一階單整，同樣滿足了協(xié)整的前提。

通過協(xié)整模型的建立與檢驗發(fā)現(xiàn)，北京、天津、上海、重慶四個城市兩變量間均存在協(xié)整關系，這說明均存在長期的均衡關系，所得到的回歸方程也均有意義。在考察了變量間的長期關系后，通過建立誤差修正模型來考察兩變量間的短期波動情況，發(fā)現(xiàn)四個城市建立模型后的誤差修正項的系數(shù)均為負數(shù)，這說明四個城市均符合反向修復機制。進一步對比四個城市的誤差修正項系數(shù)的大小，發(fā)現(xiàn)北京市的誤差修正項系數(shù)為0.62最大，其調整速度最快。

為了分析研究四大城市的房地產(chǎn)市場與銀行信貸市場相互作用的影響程度，進一步建立了向量自回歸模型，并利用了方差分解和脈沖響應函數(shù)進行了分析對比。由于每個城市具有自己的特點，導致每個城市的情況各不相同。

從對四個城市的脈沖響應函數(shù)的分析來看，北京市的信貸總額對房地產(chǎn)價格沖擊的反應是隨時間不斷變大的，而信貸沖擊對房地產(chǎn)價格的影響卻是負效應的;上海市的信貸對房地產(chǎn)價格沖擊的反應是隨時間不斷變小的，房地產(chǎn)價格對于信貸沖擊做出的反應是影響力度在一定期限后逐漸變小;天津市的房地產(chǎn)價格對信貸沖擊的反應是負效應的，而信貸對于房地產(chǎn)價格的沖擊做出的反應卻是隨時間的推移在不斷增大;重慶市信貸對于房地產(chǎn)價格的沖擊做出的反應是先逐漸增大之后再逐漸減小，而房地產(chǎn)價格對于信貸沖擊的反應力度在達到一定程度后趨于平緩。

從對四個城市的方差分解的分析來看，北京市的房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度較明顯，而銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度較不明顯;上海市的情況同北京市類似;天津市的房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度較小，且銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度也較小;重慶市的房地產(chǎn)價格的波動對銀行信貸的波動的貢獻程度較為顯著，且銀行信貸的波動對房地產(chǎn)價格的波動的貢獻程度也較為顯著。

僅從選取的時間段的房地產(chǎn)價格和銀行信貸的數(shù)據(jù)來看，北京市和上海市的房地產(chǎn)市場受銀行信貸市場的影響較小，而房地產(chǎn)價格的上漲卻實實在在地影響到了銀行信貸總量的上漲。而我國另外兩個直轄市的房地產(chǎn)市場和銀行信貸市場的情況卻與北京和上海均不相同，天津市的房地產(chǎn)市場與銀行信貸市場的相互影響程度并不高，然而，重慶市的房地產(chǎn)市場與銀行信貸市場相互的影響程度卻較高。每個城市的情況各不相同，但每個城市可能都有相對成功的地方，所以不同城市間可以相互借鑒各自的長處，使得每個城市的房地產(chǎn)市場與銀行信貸市場都健康發(fā)展，最終使得我國經(jīng)濟金融市場健康持續(xù)發(fā)展。

參考文獻：

[1]國世平，廖龍.信貸和價格關系的實證研究——基于我國房地產(chǎn)市場[J].技術經(jīng)濟與管理研究，2017（11）：8.14

[2]王迅.土地價格、房地產(chǎn)信貸規(guī)模與房價的相互影響與均衡關系[J].系統(tǒng)工程，2015，33（2）：31.37

[3]黃梓蔚，潘海英.銀行信貸規(guī)模與房地產(chǎn)價格波動關系研究[J].價格理論與實踐，2014（11）：80.82

[作者簡介] 劉瑩瑩（1988—），女，天津人，北京經(jīng)濟管理職業(yè)學院，講師，研究方向：宏觀經(jīng)濟、金融理財。