收入、房價與金融穩定性*——源自異質面板門檻模型的解析

沈 悅 郭培利

?

收入、房價與金融穩定性*——源自異質面板門檻模型的解析

沈 悅 郭培利

（西安交通大學經濟與金融學院 陜西西安 710061）

本文以線性和非線性估計對比研究了不同收入的35個大中城市內房價對均衡值的偏離和房價的百分比波動分別作用于金融穩定性的效應。結果表明：無論房價偏離還是房價波動對金融穩定性的影響均顯著存在收入門檻效應，前者為雙門檻，后者為單門檻。不同門檻區間內房價與金融穩定性關系不同，中、低收入下支持價值偏離理論，高收入下支持價值抵押理論。房價偏離和房價波動的作用程度相差5倍以上。以房價偏離進行非線性估計被證明更科學。

收入 房價偏離 金融穩定性 非線性

一、引 言

房地產作為銀行貸款的經常性抵押品，其價格波動對各國金融穩定的重要性毋庸置疑。世界多次金融危機均與房價波動關聯：如2007年美國“次貸危機”、1999年日本泡沫經濟崩潰、1997年東南亞金融危機以及我國海南房產泡沫等。關于房價與金融穩定性的研究在學術界一直是熱議的焦點，且已形成一定理論。最近有學者如潘和王（Pan和Wang，2013）在研究二者作用時將收入的影響效應也考慮在內。收入水平影響著住房支付能力、國民財富增長等，與房價和金融穩定性的關系確實密切。細察我國經濟現實，收入較高的一線城市北、上、廣、深以及三線城市溫州、神木等，房價波動劇烈，“跑路潮”等金融不穩定事件也發生頻繁，收入中等和較低的城市內房價與金融穩定性變化就相對平和。由此本文推測收入水平會影響房價與金融穩定性的關系，不同收入水平下房價對金融穩定性的效應會不同。

關于房價與金融穩定性的關系，目前業界從金融加速器分析形成了兩種對立的觀點：一是價值抵押理論，認為房價上漲可以提升金融穩定性。房價上漲通過提高抵押資產價值推高了金融資本，由此降低借款者的違約可能性，減少金融資產的風險，從而提升了金融體系穩定性（Daglish，2009）。二是價值偏離理論，認為房價上漲會破壞金融穩定性。房價上漲將造成逆向選擇和道德風險（Allen和Gale，2001），金融機構以不合理的低利率為客戶提供大量貸款，房價預期也鼓勵投資者借款，非理性繁榮下房價嚴重偏離均衡值，金融危機在經濟或政策逆轉時可能毫無征兆發生。那么，對于我國城市眾多、財富差距較大的特殊國情，每個城市究竟該以哪一觀點作為經濟發展的指導？不同收入城市內房價與金融穩定性的關系具體如何？怎樣才能更科學合理地對三者關系進行判定？基于以上考慮，本文試圖解決以下問題：（1）我國房價對金融穩定性的影響是否存在收入的門檻效應；（2）若存在，那么高、中、低收入區間內房價與金融穩定性關系如何；（3）不同的房價變化測度標準對金融穩定性的影響是否存在差異。

二、文獻綜述

不少學者圍繞房價和金融穩定性問題進行了理論探討。申（Shin，2008）以房地產作為唯一資產模擬價格變動，發現資本金價值隨價格變化而波動產生了風險，破壞了金融穩定性。古德哈特等（Goodhart et al.，2009）引入包含異質性的房產和銀行，研究了抵押貸款、個人違約等如何將最初的房價沖擊轉化為金融不穩定。達格利什（Daglish，2009），帕里格若瓦和桑托斯（Paligorova和Stantos，2012）發現金融穩定性對房價變化高度敏感，尤其在房價下降時，若同時存在利率上升，則有極大可能導致部分客戶無法償還貸款，金融風險只能由銀行自身承擔。安德烈和阿爾塞（Andre和Arce，2012）模擬銀行高度競爭化的特殊環境得出房價沖擊的短期經濟穩定效應比長期更強烈的結論。赫爾（Hull，2015）考慮如何穩定金融市場和降低不良貸款時開發出了一種可變更抵押貸款協議，通過綁定房價指數和主要債務實現。細查以上文獻，在分析房價與金融穩定性的關系時所采用指標多為房價或其指數的百分比變化，近年已有學者認為應將房價對長期均衡值的偏離也考慮在內。斯捷潘尼揚等（Stepanyan et al.，2010）肯定了房價波動與多種金融因素關聯后，就提出應加強房價對均衡值偏離的關注度，認為這是目前該研究領域的薄弱之處。克特爾和波格斯揚（Koetter和Poghosyan，2010）創新性展開了相關研究，分離出德國房價對均衡值的偏離，然后采用面板logit模型檢驗了房價變化對金融穩定性的價值抵押和偏離效應。潘和王（Pan和Wang，2013）也利用PMG估計分離了美國房價對均衡值的偏離，并同時采用房價百分比變化和房價偏離兩個指標對比檢驗了銀行不穩定性的響應狀況。國內學者中僅邱崇明、李輝文（2011）率先使用了房價偏離測度，吸納國際先進思想，在國內房價與銀行穩定性研究中通過協整理論、probit估計發現我國房價上漲更傾向于在偏離回歸效應下生成銀行不穩定。由此可見，國內文獻有關房價對均衡值偏離的研究幾乎為鳳毛麟角，同時采用多種房價指標進行金融穩定效應對比的文獻更是暫時空白。

不過國內學者在房價與金融穩定性關系研究方面成果不少。如武康平等（2004）構建基于中國制度背景的一般均衡模型，揭示了過度繁榮環境下房價持續上漲將導致金融失衡的共生性關系。張曉晶、孫濤（2006）通過分析驅動房地產周期的增長面、宏觀面與制度面因素得出房地產周期與金融穩定息息相關的結論。宋凌峰、葉永剛（2010）采用或有權益資產負債表方法發現過高和過低的房價都會增加房地產行業金融風險。譚政勛、王聰（2011）利用多元GARCH和動態隨機一般均衡模型共同解釋了房價、信貸及其聯合波動作用于我國金融穩定性的經驗機制。然而顯然這些研究采用的均是線性方法，我國區域經濟差距懸殊，變量之間很可能存在非線性關系。上文中潘和王（Pan和Wang，2013）的成果除了吸納房價偏離思想外，最大貢獻就是較之其他更進一步挖掘出房價與銀行不穩定性之間存在收入增長影響下的非線性效應。早其幾年的研究戈茨（Goetz，2009）也證實了資產價格對金融穩定性的影響在跨越門檻值前后存在明顯的非線性結構突變。不過該研究在分類樣本時通過強制劃分資產價格下降程度進行，主觀意念偏重。康和劉（Kang和Liu，2014）將中國內地和臺灣的房價劃分為不同層次，研究出臺灣的高房價比內地在次貸危機中所受影響更深重，但也是采用外生性標準分類樣本。搜集相關文獻發現非線性結構解析近年才嶄露頭角，國內相關研究不多。徐晶（2013）對35個大中城市分析得出房價上漲的穩定效應有著階段性的不同效果，在不同經濟發展水平地區存在明顯差異。趙楊等（2011）在時間維度區分了房價波動對居民消費、經濟增長的階段性效應，并結合收入進行了房地產財富效應的對比。但這些均為房價對宏觀經濟穩定的作用，具體至金融穩定性的非線性分析國內還未出現。高波等（2013）以動態GMM證實收入差距擴大是引發城市房價租金比升高的最主要因素。可見對中國房價與金融穩定性的分析納入收入的非線性影響十分必要。

本文的創新之處在于：（1）以門限向量自回歸（Threshold Vector Auto-regression, 又稱“門檻模型”）獲取的收入門檻值分類數據，從而進行房價與金融穩定性關系在異質樣本間的非線性結構解析。此處取代了一般文獻中強加外生性標準分離樣本的方法，使得分析結果更加科學可靠。（2）采納并構建了房價對均衡值的偏離指標（以下均簡稱為“房價偏離”）來分析房價與金融穩定性的關系，并同時使用房價的同比波動指標（以下均簡稱為“房價波動”）更深刻的進行對比挖掘，克服一般文獻中單一角度論證欠周密的不足。

三、研究假設與模型設計

（一）假設提出

從理論上講，收入、房價與金融穩定性三者之間相互關聯。第一，房價變化與金融穩定性波動存在著千絲萬縷的聯系。金融機構的抵押、按揭貸款在房價變化時均因資產價值上升或下降而調整自身風險敞口或抵御能力；而房地產市場的榮衰則直接是資產價格波動下金融機構調整信貸利率和規模產生的結果。第二，金融穩定性與收入水平在風險投資、財富分配等作用下也相互制約。金融穩定與金融危機環境下投資者可獲得的收入預期差別較大；高、低收入水平下資金投放的不同也直接影響著金融穩定性的強弱波動。第三，房價與收入之間因抵押資產價值、住房支付能力的牽連也存在著相互的影響。房價上漲必然增大居民的固定資產投資性收入，而收入上漲也會因提高了居民住房支付能力使整體房價水平被緩慢推升。因此，收入是房價與金融穩定性的重要連接紐帶。

具體來看，收入較低時，居民財富大多用來消費，甚至無力支付房產，房價變化與此類群體關聯不大，其金融穩定效應也較小。收入中等時，居民可累積部分財富用來購買或投資房產，房價變化緊密關聯著此類群體的住房支付能力或投資預期收益，其金融穩定效應隨著財富儲蓄、信貸支持等的關聯也相應增強，但此類群體收益及能力均有限，房價急速上漲或下跌時的非理性投資、違約償貸等將會使金融穩定性遭受極大波動。收入較高時，財富分配在消費、投資、儲蓄等渠道中選擇余地大，是否投資或消費房產成為可選擇性決策，因而帶來的金融效應也具有不確定性，但不可置否地，對于此類群體而言投資至關重要，房地產又是偏好標的，所以此處房價變化對金融穩定性具有風向標的重要價值。綜上可知，不同收入水平下房價變化對金融穩定性的影響必然不同。鑒于此，本文提出：

假設1：房價對金融穩定性的影響存在收入的門檻效應。

更進一步，中、低收入水平下，由于居民趨利性心理作用強烈，有限理性的局部思維方式很可能造成低概率風險的忽略，尤其對于房價上漲預期下成功示范效應帶來的集體性行為，極大可能使得短期內風險迅速累積，使得金融穩定性遭受極大威脅，通常只有緩慢降低房價才能強制更改投資路徑來逐步分散不良影響。高收入水平下，金融虛擬資產的利益誘惑已遠超房產的緩慢收益，但選擇前者也會使風險威脅出現乘數效應，因此大幅增加房產價值吸引投資從虛擬資產轉向固定資產，才可平衡風險穩定整體金融系統。因而可看出，中、低收入水平時房價上漲偏向在偏離均衡值較大幅度時積累不易察覺的金融風險；高收入水平時房價上漲則偏向通過資產抵押價值的調整提升金融穩定性。鑒于此，本文提出：

假設2：中、低收入水平下房價對金融穩定性的影響支持價值偏離理論；高收入水平下房價對金融穩定性的影響支持價值抵押理論。

然而在研究房價和金融穩定性關系時常用的指標為房價波動，近年被證明效用良好且更加實用的房價偏離指標在國內研究中卻非常罕見。房價波動的測度與基期數據選取的關聯很強，在持續上漲時不會出現負數；而房價偏離卻與區域綜合經濟相關，即使持續上漲也可能因低于均衡值而出現負向的反響修正。二者的描述統計會有較大區別，因此被推測對金融穩定性的影響也會存在較大差異。鑒于此，本文提出：

假設3：不同測度標準的房價偏離或房價波動對金融穩定性的影響也不相同。

（二）理論模型

關于房價偏離和房價波動對金融穩定性影響的分析，如何測度房價對均衡值的偏離是一難點，克特爾和波格斯揚（Koetter和Poghosyan，2010）針對德國78個地區提出過解決方案；而在同步考慮收入水平影響的條件下，另一需解決的關鍵就是怎樣依據收入分離樣本，潘和王（Pan和Wang，2013）使用美國286個大都市異質面板的收入、房價和銀行數據做出過類似研究。綜上，本文將模型設計如下：

首先，描述房價與其相關變量的長期關系。房價決定因素一般考慮住房需求與供給兩個方面（史永東、陳日清，2009；Stepanyan et al.，2010），收入水平、人口密度、房價增長預期等都是主要的住房需求驅動；而由于區域分割、信息不對稱等固有屬性，房地產投資、土地短缺等也極大限制了住房供給。因此，本文將房價描述為：

其中是35個大中城市的房地產價格；表示居民人均可支配收入；、、分別為人口密度、房地產投資、土地購置面積；為誤差項；和分別表示城市和時間。、、的一階滯后與房價存在著顯著的協整關系，將式（1）整合為式（2）所示的一階自回歸分布滯后模型：

（2）

IV與IV--1，LD與LD-1，以及IV--1、LD-1與HP-1之間高度相關，多重共線性明顯，所以不能直接利用式（2）回歸。在房價滯后一期時，式（2）的誤差修正形式為：

速度調整系數、截距項0i以及短期調整系數30i、40i隨城市而變化，1i、2i、3i、4i為長期調整系數。其中預期為負，這就暗示房價對市場不均衡的反應有：隨著長期正向偏離均衡值，房價下降；隨著長期負向偏離均衡值，房價上升。對于式（2）和（3）的參數之間有如下關系：

（4）

通過估算可得誤差修正項HPD-1= HP-1-- IC-1- PP-1- IV-1- LD-1，這一結果也就是房價對均衡值的偏離，并能夠在下文分析中作為金融穩定性的一項決定因素。

其次，依據收入水平分離樣本。收入水平被設定為與房價指標互動的門檻變量，利用漢森（Hansen，1999）提出的門限向量自回歸模型取代一般文獻中強加外部約束進行樣本分離的方法，本文確定了收入門檻值，然后對我國35個大中城市10年間的面板數據進行了高、中、低收入城市的科學劃分。關于門檻值的真實性和顯著性需要進一步檢驗。相關步驟在實證分析中詳述。

最后，根據分類后的異質性樣本，在不同收入區間內分別估計房價偏離、房價波動對金融穩定性的影響。具體來講，金融穩定性指標被作為房價偏離或房價波動、收入水平、相關金融因素等的一個因變量來進行估計，門檻模型設定為：

HPD-1是房價偏離的一期滯后估計結果；表示金融穩定性變量；代表相關金融變量和其他控制因素，為個體固定效應，e為誤差項。在此背景下，根據門檻變量IC-1是大于還是小于門檻值將樣本分類。如果回歸斜率1和2不同，以房價波動變量為例，式（5）可寫為：

（6）

其中，是表示收入區間的輔助函數。如果存在兩個門檻值1和2，以房價偏離變量為例，式（5）可表示為：

四、假設檢驗與實證分析

（一）變量選取及數據處理

本文將研究范圍界定在收入差異具有一定代表性（如圖1所示）且能將不可移動的房地產資產異質性考慮在內的35個大中城市區域。這些地區房價圍繞我國整體均值有著相當的波動，房地產市場的城市間震蕩差異較大。基于房價變化多取決于經濟發展和人口增長的考慮以及已有文獻關于住房需求、供給的理論分析，本文選定居民人均可支配收入、全市人口密度、房地產投資完成額、土地購置面積作為房價偏離測度的決定性因素。對于房價波動則以2003年為基期計算房價的百分比波動值。以上數據均來自《中國房地產統計年鑒》和《中宏產業數據庫》。金融穩定性指標的選擇關系重大，國外文獻中不良貸款已成為一個常用變量（Kauko，2012），銀行破產率（Cebula et al.，2011）、危機概率（Koetter和Poghosyan，2010）等也有被使用。然而我國區域金融對以上指標的采集或推算尚不完善，地區性金融統計數據中可獲得的最相關變量即為《中國城市統計年鑒》中的金融機構各項存、貸款余額，翟光宇（2013）證明存貸比數據對流動性等金融風險的效應分析有效。因此，對本文來講，金融機構存貸比在研究35個大中城市金融穩定性時即最適用變量。此外，根據房地產市場、金融穩定性波動來源和地區數據的可獲得性，在設定門檻模型時國內生產總值、抵押貸款按揭貸款、財政收支比、工資增長額、消費增長額等被作為控制變量使用，數據均來自《中國城市統計年鑒》。鑒于所有可獲得變量統計時間的一致性，本文選取2003-2012年為期限，表1展示了以上所有變量的描述性統計結果。為保證模型分析的穩定性，對數據進行了量綱差異消除及不平穩序列取差分或對數，房價同比波動轉化為以2003年為基期的定基比數據等處理步驟。篇幅所限，不予陳述。

表1 35個大中城市相關變量的描述性統計量（2003-2012）

圖1 35個大中城市收入水平層次圖①圖2 模型（A）第一門檻值檢驗

圖3 模型（A）第二門檻值檢驗???圖4 模型（B）單一門檻值檢驗

（二）房價偏離的測度

對于房價偏離的測度，由于式（2）和（3）隨機誤差項存在異方差和自相關，對比動態面板數據的估計方法后本文認為GMM（廣義矩估計）更為有效，而且GMM為穩健估計，所得到的參數估計量比其他方法更合乎實際。表2列舉了GMM得到的相關系數估計結果，根據式（4）的參數轉換關系便可計算出的估計值房價偏離、房價波動以及原始房價的描述性統計量在表1中均已列示，其中和的均值正負不同，絕對值相差約1500，最小值的統計也差別甚大，由此可初步認定假設3的推測合理，采取房價偏離和房價波動兩種指標對金融穩定性進行研究有著相當的意義和價值。

表2中P值的顯著統計表明GMM方法的選擇與使用是有效的。與預期和其他文獻一致，在1%的水平上顯著為-0.1860，表明我國上一年度房價對均衡值的偏離有18.60%在本年度被調整。根據相關文獻方法，本文計算了房價在沖擊下對長期均衡值調整的半衰期-（2）/（1+），得到了3.38年的結果，即在外部條件不變的情況下，我國房價從目前狀態調整至均衡值需約3年半時間。克特爾和波格斯揚（Koetter和Poghosyan，2010），潘和王（Pan和Wang，2013）分別對德國、美國房價研究后得到的半衰期估計值為6.79年和2.75年。不同國家調整周期的不同應與當地房地產市場是否有效以及國家政策、經濟環境相關。在此這一結果為我國房價向長期均衡值進行調整提供了參考。

表2 房價偏離測度的相關系數估計結果

注：***、**、*分別表示在1%、5%、10%水平下顯著。

長期調整系數中房價的收入彈性1i不足0.10，這與潘和王（Pan和Wang，2013）對美國286個大都市房價收入彈性的估計值0.57差距較大，但與史永東、陳日清（2009）的研究結論比較一致。考慮到我國部分城市房價收入比甚至是美國數據的7、8倍，造成原因有統計口徑、數據計算方法不同等，較為復雜，此處亦認為結果合理；房地產投資對房價的影響最強烈且為負的1.7640，據此分析我國房地產市場投資已接近飽和，繼續增加只會加劇競爭而壓低房價；其次人口密度增長對房價影響也相當明顯，系數2i顯示人口密度和房價幾乎呈現同倍增長。短期調整系數30i對房價的作用也比較強烈，同樣表明房地產投資對房價影響程度深重，但區別在于短期內投資效應為正，即會迅速推高房價，而在長期則導致競爭激烈迫使房價下降。綜合這些估計結果，長期來看房地產投資、人口密度是推動我國房價上漲的重要因素；而短期內房地產投資是房價上漲的主要推力。人口密度增大造成的房價上漲很難調整，投資推動引起的房價上漲則相對容易改變。

（三）門檻值的獲取與檢驗

遵從理論設計本文考慮了兩種模型（A）和（B）。其中（A）為在門檻變量收入水平限制下房價偏離對金融穩定性的影響，對應式（6）；（B）為收入限制下房價波動對金融穩定性的影響，對應式（7）。在估計式（6）和（7）時，首先必須消除個體效應的影響，實證中可從每個觀測值中減去組內平均值實現。然后進行是否存在收入門檻效應的非線性分析。從搜索一個門檻值開始，將門檻變量取值范圍內的任一值作為初始值0賦給，以OLS估計方程得出對應的殘差平方和（0）。再用同樣的方法在區間內選取多個數值求得（），根據殘差平方和最小化原則，使得（）最小的0就是可能的門檻值。對于多門檻模型基于同樣的原理，直到第（+1）個門檻值不顯著為止。估計出門檻值后，其他參數值也就能夠相應確定。

接下來需檢驗門檻值的顯著性和真實性。漢森（Hansen，1999）提供了F檢驗、極大似然估計等判斷標準。對于單、雙或三門檻模型方法均類似，限于篇幅，僅介紹單門檻模型檢驗方法。設定原假設和檢驗統計量為：

0表示不存在門檻效應，0為0條件下方程估計的殘差平方和，且有0≥（）。為隨機誤差項方差的一致估計。在求得時的殘差后可得：

（9）

若拒絕原假設0，則存在門檻效應。但因門檻值事先未定，F不服從2分布，故可使用“自抽樣”（Bootstrap）模擬F的漸進分布來分析。本文利用Stata12.0軟件得到如表3所示的F統計量，結果顯示（A）應建立雙門檻模型，（B）為單門檻模型。由此證明（A）和（B）均存在門檻效應，假設1的推測合理有效，即無論房價偏離還是房價波動對金融穩定性的影響均存在收入的門檻效應。

進一步需構造似然比統計量LR檢驗門檻值的真實性，漢森（Hansen，1999）認為當（）>-2（1-（1-）0.5）時門檻值真實（為顯著性水平），其中：

似然比統計量LR可作為門檻變量的函數進行繪制，如圖2、3為模型（A）中檢驗第一、二門檻值時與LR的互動，圖4是模型（B）的繪制結果。與零軸相交處即為模型的門檻值，虛線以下為95%置信區間，全部檢驗結果匯總至表4。可知房價偏離模型（A）的收入“分水嶺”分別為25936元和29505元，房價波動模型（B）的“分水嶺”為28205元，二者門檻效應不一致，再次證明假設3的推測合理有效。

表3 門檻效應檢驗結果

注：***、**、*分別表示在1%、5%、10%水平下顯著。

表4 門檻值估計結果及置信區間

（四）門檻估計結果分析

通過以上門檻檢驗步驟，顯著證明了房價對金融穩定性的影響存在收入門檻效應的假設1。根據內生性估計的門檻值，本文將模型（A）的樣本劃分為≤25936、25936＜≤29505、＞29505的高、中、低收入城市三類，將模型（B）的樣本劃分為≤28205、＞28205的高、低收入城市兩類，進而分區間對模型參數估計。為了更加直觀的分析模型結果，除門檻效應外，本文也采用面板固定效應模型對（A）、（B）估計，進行線性和非線性的結果對比。

表5 模型（A）和（B）的線性與非線性估計結果

注：***、**、*分別表示在1%、5%、10%水平下顯著，括號內為t值。

如表5所示，第一，從面板固定效應模型的線性估計結果看，（A）中房價偏離和（B）中房價波動均在1%顯著水平上對金融穩定性產生正向的強化作用，不同之處在于1單位正向的沖擊影響為0.1963，而則遠大于為0.9051。這一結果與業界房價上漲可以加強金融穩定性的學者觀點互為佐證，尤其在影響程度方面也與部分文獻近似。不難看出，這是由于模型（B）的指標計算和固定效應估計方法均與已有文獻略同。的計算方法剔除了與基期相關的房價累積波動影響，因此僅為效應的46%。此處證明了假設3“不同房價變化測度方法對金融穩定性影響不同”推論的有效性，所得結論穩固，然而無法解釋部分城市房價上漲卻伴隨頻繁“跑路潮”的經濟現實。

第二，從非線性門檻模型估計結果看，雙門檻模型（A）中收入低于29505元的城市群和單門檻模型（B）中收入低于28205元的城市群房價上漲會破壞金融穩定性，高于這些收入標準的其他城市則在房價上漲時加強金融穩定性。具體來看，模型（A）的低收入水平下，1單位正向沖擊對金融穩定性影響僅為-0.0929，比較微弱。這與低收入居民購房意愿不強，財富多用來消費，割裂了投資、儲蓄的金融效應有關，負向的效應暗示了房價上漲加壓居民支付能力的窘況，因此房價下降才能穩定金融市場。中等收入水平下，房價偏離對金融穩定性的作用在1%水平顯著且影響較大，為-0.8526。該收入人群盈利欲望強烈而風險偏好不強，因此房產投資較多。當房價正向偏離時，上漲預期和信息不對稱下低利率或低門檻的放貸和鋌而走險的投資渠道異常開放，極易造成逆向選擇的集體性行為，在政策或環境突變時將通過資金鏈斷裂、信貸違約等流動性風險、道德風險使金融風險快速膨脹，強烈破壞金融穩定性。中、低收入水平下的分析均與價值偏離觀點“房價上漲破壞金融穩定性”一致。高收入水平下，的系數顯著為正向0.2996，與中、低收入水平下效應相反且僅約為其三分之一。富裕人群財富投資較多，金融虛擬資產收益較高且回籠較快，而房產收益不高卻風險較小，因此只有房價大幅上漲才能吸引投資決策在最優選擇中增大房產投資比重，使金融資本通過抵押資產價值上升的渠道而增值，進而降低信貸違約可能性，弱化金融風險，增強金融系統穩定。因此高收入水平下與的關系符合價值抵押觀點“房價上漲提升金融穩定性”。模型（B）對和的分析與（A）總體一致，僅作用強度有異。低收入水平下影響為-0.6360，更接近在中等收入時的效應，這與門檻值28205和（A）的第二門檻值29505相差不大有關。高收入水平下對影響為2.8864，幾乎是在高收入時效應的9倍，如此大的差異顯著體現了一般文獻中因指標計算導致的金融不穩定夸大。此處模型（A）和（B）同時證實了假設2關于“中、低收入水平下房價對金融穩定性的影響支持價值偏離理論；高收入水平下房價對金融穩定性的影響支持價值抵押理論”的論斷，也再次驗證了假設3。

第三，對比線性和非線性估計結果，模型（A）的線性固定效應估計更接近非線性雙門檻模型中高收入區間估計結果；模型（B）的線性估計數值上與非線性模型低收入區間估計系數接近，方向卻與高收入區間估計結果一致，可見模型（B）穩定性不如（A）。模型（A）和（B）的線性估計均過于粗糙，僅能說明和對作用的大致趨勢。非線性門檻模型分區間細化了房價對金融穩定性的影響，可針對單一城市進行差別化指導，而且單、雙門檻估計結果大約一致，相互論證，由此可知非線性門檻模型比線性固定效應分析可靠性更強。此外，無論模型（A）還是（B），也無論線性還是非線性估計，所有控制變量的系數均正負一致且大小相差不多，由此可知文中選取這些變量來縮小模型誤差達到了預期效果。綜合以上分析，可知房價偏離模型（A）的非線性門檻估計結果穩定性和可靠性最佳。

五、結 論

本文通過理論分析發現收入不僅對城市房價、金融穩定性都存在著直接影響，作為關聯紐帶也間接作用于二者關系，因而采用我國35個大中城市2003至2012年的異質面板數據構造了線性固定效應和非線性門檻模型，將房價對金融穩定性的影響在不同收入城市中進行了實證檢驗。具體得到如下結論：（1）房價對金融穩定性的影響存在收入的門檻效應，且從房價對均衡值的偏離分析存在雙門檻值，從房價的同比波動分析存在單一門檻值。（2）無論房價偏離還是房價波動，在中、低收入水平下均支持“房價上漲破壞金融穩定性”的價值偏離理論；跨越門檻值進入高收入水平后則支持“房價上漲提升金融穩定性”的價值抵押理論。（3）不同測度方法的房價偏離和房價波動對金融穩定性作用程度差異較大，后者約為前者的5至9倍。（4）收入水平、人口密度是驅動我國房價偏離的重要因素，在當前環境下房價調整至均衡值需用時約3.38年。（5）非線性門檻模型下房價偏離對金融穩定性的影響效應被證明相對最穩定和可靠。

為此，本文提出以下政策建議：

第一，把握時機適當提高高端住宅、投資型住房、改善性住房銷售價格；盡可能調整剛需型住宅價格回歸均衡值，拉開與前者的支付差距。高收入群體對房產的偏好在于投資和改善性居住，主要關注房價預期波動如何，對房價均衡值不甚敏感；又因固定資產投資相較金融虛擬資產風險小，因此一定程度提高此類房產價格既可吸引高收入群體投資，又可穩定金融市場平衡，達到共贏互利的效果。對于剛性需求購房者，迫切需要質量可靠、價格低廉的緊湊型房屋，若此類房價也長期高于均衡值就只能望房興嘆。剛需群體占據著我國相當比例，基礎層次需求的長期不得滿足不僅對金融市場甚至社會發展都將造成嚴重后果。

第二，以調整房價來穩定區域金融市場時應綜合考慮當地收入水平、人口密度等狀況，否則可能適得其反。我國幅員遼闊，城市之間經濟發展差距較大，一味地認為打壓房價便可利國利民的口號不可取，“一刀切”管理模式完全不符合我國宏觀調控。具體來講，收入較高的城市群如北、上、廣、深等適合有控制和規劃地部分提升別墅、高檔小區等房價增幅；而大部分中、低收入城市則應依據居民住房支付能力和房地產市場供求來穩定當地房屋銷售價格，而非全國性跟風房價變化。

第三，在數據信息、技術能力支持的條件下，采用更加科學可靠的測度和評估方法衡量我國房價變化、金融監管、收入差距等經濟狀況，可產生更為合理有效、針對性強的政策指導。目前我國政府評估采用的方法手段與社會技術更新步調不很一致，信息統計和披露程度也較國際相對保守。區域金融市場不良資產、總貸款負債比等國際公開數據在我國搜集仍較為困難；非線性門檻估計等國際廣泛應用模型在我國使用仍較為有限。21世紀科技日新月異，雖然我國整體龐大，但仍然必須杜絕尾大不掉的弊端，為了國計民生，及時學習和應用時新技術，提升業務質量。

最后，雖然本文得出了一些有益的結論，但鑒于國內城市金融數據的可獲得性，僅選取了35個大中城市的10年數據為樣本，且變量確定方面受到一定限制，所以在雙門檻模型的低收入城市中所得結論不甚顯著。隨著我國信息披露強度擴大，未來以更多城市的相關數據研究收入限制下房價對金融穩定性的影響將有更具體和重大的指導價值。

1. 高波、王文莉、李祥：《預期、收入差距與中國城市房價租金“剪刀差”之謎》[J]，《經濟研究》2013年第6期。

2. 邱崇明、李輝文：《房價波動、銀行不穩定和貨幣政策》[J]，《財貿經濟》2011年第3期。

3. 宋凌峰、葉永剛：《中國房地產行業宏觀金融風險研究——基于金融穩定的視角》[J]，《經濟管理》2010年第12期。

4. 史永東、陳日清：《不確定性條件下的房地產價格決定：隨機模型和經驗分析》[J]，《經濟學（季刊）》2009年第1期。

5. 譚政勛、王聰：《中國信貸擴張、房價波動的金融穩定效應研究——動態隨機一般均衡模型視角》[J]，《金融研究》2011年第8期。

6. 武康平、皮舜、魯桂華：《中國房地產市場與金融市場共生性的一般均衡分析》[J]，《數量經濟技術經濟研究》2004年第10期。

7. 徐晶：《房價上漲與經濟增長的退耦分析》[J]，《管理世界》2013年第9期。

8. 翟光宇：《存貸比監管指標是否應該放松——基于中國上市銀行2007—2012年的季度數據分析》[J]，《經濟理論與經濟管理》2013年第6期。

9. 張曉晶、孫濤：《中國房地產周期與金融穩定》[J]，《經濟研究》2006年第1期。

10. 趙楊、張屹山、趙文勝：《房地產市場與居民消費、經濟增長之間的關系研究——基于1994-2011年房地產市場財富效應的實證分析》[J]，《經濟科學》2011年第6期。

11. Allen, F. and Gale, D., 2001, Comparing Financial Systems [M], MIT Press, Cambridge, PP155-160.

12. Andre, S. J. and Arce, O., 2012, “Banking Competition, Housing Prices and Macroeconomic Stability” [J],, Vol.122, PP1346-1372.

13. Cebula, R., Koch, J. and Fenili, R., 2011, “The Bank Failure Rate, Economic Conditions and Banking Statutes in the U.S.” [J],, Vol.39(1), PP39-46.

14. Daglish, T., 2009, “What Motivates a Subprime Borrower to Default?” [J],, Vol.33, PP681-693.

15. Goetz, V. P., 2009, “Asset Price and Banking Distress: A Macroeconomic Approach” [J],, Vol.5, PP298-319.

16. Goodhart, C. A. E., Tsomocos, D. P. and Vardoulakis, A. P., 2009, “Modeling a Housing and Mortgage Crisis” [R], Central Bank of Chile Working Paper, No.547.

17. Hansen, B.E., 1999, “Threshold Effects in Non-dynamic Panels: Estimation, Testing and Inference” [J],, Vol.93, PP345-368.

18. Hull, I., 2015, “The Macro-financial Implications of House Price-indexed Mortgage Contracts” [J],, Vol.127, PP81-85.

19. Kang, H. H. and Liu, S. B., 2014, “The Impact of the 2008 Financial Crisis on Housing Prices in China and Taiwan: A Quantile Regression Analysis” [J],, Vol.42, PP356-362.

20. Kauko, K., 2012, “External Deficits and Non-performing Loans in the Recent Financial Crisis” [J],, Vol.115, PP196-199.

21. Koetter, M. and Poghosyan, T., 2010, “Real Estate Prices and Bank Stability” [J],, Vol.34, PP1129-1138.

22. Paligorova, T. and Stantos, J. C., 2012, “Monetary Policy and Bank Risk-Taking: Evidence from the Corporate Loan Market”[J],, Vol.7, PP1-57.

23. Pan, H. R. and Wang, C., 2013, “House Prices, Bank Instability and Economic Growth: Evidence from the Threshold Model” [J],, Vol.37, PP1720-1732.

24. Shin, H. S., 2008, “Risk and Liquidity in a System Context” [J],, Vol.17(7), PP315-329.

25. Stepanyan, V., Poghosyan, T. and Bibolov A., 2010, “House Price Determinants in Selected Countries of the Former Soviet Union” [R], IMF Working Paper.

（YH）

*本文得到國家自然科學基金項目（71373201）和西安交通大學重大重點招標項目（skz2014003）的資助。