房價波動、投資約束與經濟增長
——基于異質性面板門檻模型的研究

沈 　 悅，　董 鵬 剛,2

(1.西安交通大學 經濟與金融學院， 陜西 西安 710061；2.西安理工大學 經濟與管理學院， 陜西 西安 710048)

一、引　言

房地產發展對經濟增長的重要性毋庸置疑，然而世界多次經濟危機的爆發也與房地產市場不無關聯，甚至直接由房價的過度波動而導致。近年來，在國家政策的傾斜作用下，如何控制房地產投資規模在經濟增長的研究中重要性逐步突顯。投資規模不僅直接影響著房地產市場的發展狀況，也是宏觀經濟運行中間接構成GDP的部分，同時因其是地區資金的直接投入，通過工資分配、福利發放等方式對地區居民的收入水平也產生著重要影響。因此，投資規模的約束與房地產價格波動、經濟增長的關系十分密切。細察我國經濟現實，房地產投資規模較大的一些城市如溫州、神木、柳州等，經濟增長速度非但沒有加快，反而出現了大量的“空城”“鬼城”現象。相比較而言，房地產投資規模控制較為有度的城市房價與經濟增長的變化狀況均保持平穩狀態，一定程度上，房地產業對加速經濟增長頗有推動作用。基于此，本文推測投資約束會影響房價波動與經濟增長的關系，不同投資區間內房價波動對經濟增長的影響會呈現出異質性。

在關于房價波動與經濟增長的關系研究中，目前存在兩種基于不同考慮的觀點：一是從擠出效應出發，認為房價持續上漲會影響甚至減緩經濟增長速度。一方面，經濟社會的可用資源在一定時間和空間內從來都是有限的，房地產業的發展壯大必然需要大量的資源支持，因而勢必會擠占其他行業的可用資源數量，若發生資源錯配導致經濟結構失衡，則經濟增長速度在較長的時期內都會表現出遲緩的后果；另一方面，非理性的房地產市場繁榮自身也會蘊藏巨大風險，在政策逆轉時嚴重損毀經濟。二是從財富效應出發，認為房地產價格的升高可以加快經濟增長速度。以多年來房地產業作為我國經濟支柱發展的堅實基礎，以及其自身所帶的投資、消費雙重屬性可知，房地產單一行業的發展就可帶動上下游許多行業的生產、銷售、就業等，對當地生產總值的增加、居民生活條件的改善、收入水平的提高等都具有不可磨滅的貢獻，從而無論直接還是間接影響都有助于經濟增長速度的加快。然而，中國的房地產市場在一、二、三、四線城市中的表現差異巨大，作為其發展瓶頸的資金投放在不同城市中也相差懸殊。那么，對于不同投資規模約束下的城市，其房價波動與經濟增長之間的關系究竟如何？該采用怎樣的投資規模才能使其房地產發展推動地區經濟增長？怎樣才能更科學合理地對房價波動、經濟增長、投資約束三者的關系進行判定？鑒于此，本文嘗試著重分析以下問題：我國房價波動對經濟增長的作用機制是否存在投資約束下的異質性門檻效應？如果存在，那么小、中、大投資規模下房價波動分別會對經濟增長產生怎樣的影響？使用不同的經濟增長表征變量進行研究時，房價波動對經濟增長的作用效果是否會表現出差異性？這些問題是本研究重點要解決的。

二、文獻綜述

在房價波動與經濟增長的關系研究方面，學術界有很多學者都曾深入探討。Kim[1]研究了韓國的土地價格、股票價格以及國內生產總值之間的協整關系，其結論認為，房地產價格和經濟基本面在長期關系上存在著強相關。Matteo 和 Raoul[2]以及Bj?rnland 和 Jacobsen[3]研究辯論了房地產價格的傳導機制和預期效用，在資金流動性、房地產價格與經濟增長協調發展的問題上提供了一定解決途徑。Davis 和Nieuwerburgh[4]選擇房地產業由繁榮到蕭條的一段周期對房價和宏觀經濟之間的關系進行了研究，發現二者之間作用機制非常復雜，并非呈現簡單的線性結構。沈悅和劉洪玉[5]認為我國房地產市場為非有效市場，并以14個城市的平行數據為例挖掘了宏觀經濟基本面與房價之間的城市異質性特征。梁云芳和高鐵梅[6]對中國房地產價格在區域之間的具體差異進行了研究，得出中部地區房地產市場發展與其經濟增長狀況更加密切的結論。唐志軍[7]研究表明房地產市場的波動狀況會通過多種途徑影響一國的經濟增長，我國的房地產投資對GDP增長有顯著的長期正影響。這些學者基本認為房價上漲可以加速經濟增長過程。

然而也有很多學者指出了過度發展房地產業給宏觀經濟帶來的危害。Shin[8]在模擬房地產價格波動的過程中發現，資本金價值隨價格變化波動，而波動會產生相當的風險，并可能進一步危害經濟基本面的安全運行。Pan和Wang[9]分離出美國房價對均衡值的偏離程度，著重分析了銀行穩定性在房價出現偏離或波動時會發生怎樣的變化，進而如何影響宏觀經濟波動。Hull[10]贊同房地產市場有可能引發經濟危機的言論，并通過綁定房價指數和主要債務制作出一種可變更的抵押貸款協議，以期降低不良貸款額度和平穩宏觀經濟波動。武康平等11]發現了房地產相關制度缺陷導致的市場風險積累以及傳播擴散，認為在特定背景條件下，我國存在向房地產市場過度供給貸款的現象，從而導致房價系統性被高估，進而造成房地產市場風險生成并隨時間延續而積累。譚政勛和陳銘[12]檢驗了世界近30個國家的房價波動效應，在測量了房價失衡和房價變化的程度之后，指出這些房價波動狀況都會使得金融危機發生的概率增加，并且認為不同國家的制度性差異對該作用機制影響顯著。郝清民和劉樂[13]在考慮投資者情緒影響的基礎上研究發現房地產業產生風險后傳染至銀行的作用程度顯著大于銀行發生危機向房地產市場的傳染。房地產業發展與宏觀經濟增長之間究竟如何權衡，百家辯論，各有千秋。

除此之外，在房價波動與經濟增長的研究中也有部分學者納入了一些其他因素的作用分析，投資規模是較為重要的一種。Coulson 和 Kim[14]很早就發現了房地產市場上所存在的擠出效應，并挖掘出住宅市場投資對GDP增長具有重要的推動作用，消費是其重要作用渠道。Miles15]針對美國進行的研究表明房地產市場上住宅投資和非住宅投資對經濟增長的作用不同，住宅投資在經濟周期中角色更加重要，其不僅可以促進消費，也能帶動非住宅投資，對美國經濟長期發展非常關鍵。黃忠華等[16]結合中國31 個省份的房地產投資和經濟增長數據考察后明顯發現二者之間存在相互影響。王成成和王曉輝[17]運用GMM法對我國房地產價格和宏觀經濟變量進行關系分析時發現控制房地產投資規模能夠顯著抑制房價上漲，此外，西部城市房價與收入之間呈強相關，而東、中部房價變化與涉及經濟增長的其他因素更加密切，城市之間差異明顯。楊俊杰[18]將消費者的投資決策引入BRC模型來分析房價對經濟增長的作用機制，并同時使用VAR模型對結果進行再次驗證，顯著證明了當期與滯后兩期的房價正向沖擊對GDP的快速拉升作用，以及造成的投資增加的后果。王先柱和趙奉軍[19]使用多種收入表征變量證實了房價變化與收入差距形成之間的密切關聯，并認為限制高收入者的房地產投資需求是治理房地產市場的有效措施。郭培利和沈悅[20]在研究35個大中城市房價分類別和層次的變化時利用銀行信貸與經濟增長聯動效應，得出了不同類別城市之間存在區域差異和時序波動規律的結果。劉洪玉等[21]發現房地產企業從總體來看，在投資規模上對資本成本不敏感，呈現出一定程度的非理性特征，然而適應性預期對該行為的改變能夠帶來顯著影響。李忠富等[22]將供應商、客戶、配送、交易、采購合同等涉及投資的所有信息關聯到同一模型中，為房價波動與經濟增長關系研究提供了新思路。葉新階[23]針對房地產金融風險處置進行研究發現，貨幣超發和利率走低會推升房價收入比，并認為金融機構的表外借款對房價變化產生放大器的效用。

但從以上文獻的具體研究來看，對變量關系的處理多數仍是線性分析，僅有的少量非線性研究也是將樣本隔離開來單獨建模后比較，而非更有效地放置于同一模型內，且大多文獻只從單一角度研究了核心的兩三個因素，所得結論的可靠性有待考證。本文的創新之處在于：第一，通過面板門檻估計從內生性角度獲取分離樣本的投資規模標準，從而深入剖析房價波動與經濟增長在異質性樣本間的非線性結構關系。第二，采用房價波動對GDP和收入水平兩個指標的影響來全面挖掘投資約束下房地產價格與經濟增長之間的關系，與此同時，構造出線性固定效應和非線性面板門檻兩種模型并進行估計，盡最大可能使論證更加科學合理。

三、假設提出與模型設計

1.假設提出

無論從理論還是現實狀況來看，房價波動、經濟增長與投資約束三者之間均存在著千絲萬縷的聯系。第一，房價上漲抑或下跌與經濟增長是否良好存在著緊密關聯。由于我國經濟發展的歷史積累，目前房地產業在宏觀經濟結構中仍占據著舉足輕重的地位，經濟增長所依賴的眾多因素直接或間接地都與房地產市場不無關系。即使積極倡導經濟轉型，“尾大不掉”的弊端使得一定時期內房價波動對經濟增長的重要作用仍然不可忽視。第二，房地產價格變化直接受到房地產投資規模的約束。無論哪一行業的開展首要條件就是尋求融資支持，更進一步的房地產作為資金密集型行業，投資規模的收縮與釋放更是緊握著其發展命脈。資金投入的多少直接決定了產出的數量和質量，而當期的產出也影響著下一期投資規模的決定。第三，經濟增長與投資規模在生產、分配、交換、消費的過程中環環相扣、步步相依。投資規模過小，不足以支撐經濟發展的需要；投資規模過大，則會造成資源浪費、供過于求等，而且也只有良好的經濟發展狀況才能夠充分滿足社會投資規模的需要。因此，投資規模的大小直接或間接都會影響房地產價格與經濟增長之間的關系。不同的投資規模約束下房價波動對經濟增長的影響必然不同。鑒于此，本文提出如下假設：

假設1：房價波動對經濟增長的影響存在投資約束下的異質性門檻效應。

從經濟增長的表征變量之一GDP來看，投資規模較小時，房價波動對GDP的影響主要取決于宏觀經濟狀況。若有限資源調配下，房地產上下游眾多關聯行業可獲得有效資源支持，那么也能帶來GDP增長；然而，若伴隨市場金融摩擦加大，則極易導致房地產資金鏈斷裂，造成GDP急速下滑。投資規模中等時，能夠匹配房地產市場發展的需要，資金得到有效利用，才能起到事半功倍的效果，房地產價格上漲才能帶動關聯行業發展，從而推動經濟增長。投資規模較大時，若超越了房地產市場發展的資金需求，則一方面因擠占了其他行業的資金使用，容易造成社會資源錯配，嚴重時甚至出現“此花開罷百花殺”的后果。因而，在投資規模的約束下，擠出效應更能夠用來解釋房價波動作用于GDP的機制。鑒于此，本文提出如下假設：

假設2：只有在一定的投資規模約束內房價上漲才能夠推動GDP增長。

然而，從經濟增長的另一表征變量——居民人均可支配收入來看，以財富效應來解釋投資規模約束下房價波動對收入的影響顯得更為合適。首先，只要投資規模超越了房地產正常運營的需求，這些資金無論使用在房地產業還是其他行業，產生的所有財富最終都仍將回歸社會，通過工資、福利等形式一部分成為居民的收入。在未導致嚴重資源錯配的狀態下，以增加投資規模來發展房地產業，一般都會拉動地區人均收入水平的提高。其次，繁榮的房地產市場中，上漲的房地產價格通過抵押資產價值的上升必然會增大居民的固定資產投資性收入；而房屋供給數量的大增也在一定程度上變相提高了居民的住房支付能力，從而使其收入水平相對升高。因而，從理論上分析，只要房地產投資達到了一定的規模，即能夠滿足當前房地產市場發展的基本需求時，房地產業的繁榮就可使當地的居民收入水平有所提高，從而間接地達到推動經濟增長的效果。鑒于此，本文提出如下假設：

假設3：在超越一定投資規模的城市內，房價上漲可以拉動收入水平提高，從而推動經濟增長。

2.模型設計

遵從命題提出的分析，本文采用房地產價格作為房地產市場發展的表征變量，以國內生產總值GDP和居民人均可支配收入INC作為經濟增長的具體變量，并據此設計了兩種模型(A)和(B)。其中(A)為房價HP對GDP的影響，(B)為房價HP對收入INC的影響。為了增強結論的全面性、可靠性，文章對模型(A)和(B)均分別采用線性和非線性兩種估計方法進行了檢驗。其中，線性分析采用變截距面板固定效應；非線性分析為面板門檻效應，模型(A)和(B)均遵從的基礎模型設定為：

EGit=ηi+λjHPit+δ1INVit+φ1Zit+μit+eit

(1)

其中，EG是經濟增長變量，包括GDP和INC；HP代表房地產價格；INV是投資規模；Z表示相關控制變量；μ為個體固定效應；e為誤差項。

在面板門檻模型中，采用Hansen[21]提出的門限向量自回歸方法，從內生角度進行樣本分層，設定投資規模INV為與房價互動的門檻變量，以其為標準來分離樣本。根據所提取的門檻值，我國35個大中城市14年間的面板數據被劃分為了大、中、小型投資規模城市3類。在不同投資規模區間內房價對經濟增長影響的模型可表示為：

(2)

其中，τ1、τ2表示所提取的第一、二門檻值，如果τ1等于τ2，則建立單門檻模型。若假定為雙門檻模型，以房價對GDP的作用為例，則式(2)可寫為：

GDPit=ηi+λ1HPitY(INVit≤τ1)+λ2HPitY(τ1τ2)+φ1Zit+μit+eit

(3)

Y是輔助函數，用來界定投資規模區間。以房價對收入INC的作用為例，式(2)可寫為式(4)：

INCit=ηi+λ1HPitY(INVit≤τ1)+λ2HPitY(τ1τ2)+φ1Zit+μit+eit

(4)

然后需檢驗門檻效應的真實性與顯著性，判斷根據門檻值得到的分層樣本之間是否真的存在帶來異質性結構轉變的機制。Hansen[21]設定不存在門檻效應的原假設H0和檢驗統計量F為：

(5)

(6)

因為F不服從χ2分布，本文采用“自抽樣”(Bootstrap)法模擬其分析。當確定存在門檻效應后，需構造似然比統計量LR確定置信區間，并檢驗門檻值的真實性：

(7)

四、實證檢驗與分析

1.變量選取及數據處理

本文選取我國的35個大中城市作為研究對象，這些區域的房價波動和經濟增長狀況在城市之間差異較大。不同投資規模的城市內房價對經濟增長的影響比較具有代表性，便于劃分層次進行分析。文中所使用的房價指標HP選用普通住宅銷售價格，投資規模INV使用房地產本年完成投資額。如何選擇經濟增長EG的代表性指標在文中甚為重要。顯然，從國內各類統計性數據來看，GDP無疑應是經濟增長變量的首選。在國內外文獻綜述中可看出，收入水平對于表征一個國家宏觀經濟運行是否良好也非常重要，而且其與房價的關聯十分緊密。為了研究的全面性，在此，本文同時采用GDP和居民人均可支配收入INC兩個指標作為測度經濟增長EG的變量。此外，根據與房價波動、經濟增長的關聯性以及城市數據的可獲得性，在設定門檻模型時，控制變量Z使用的指標有社會消費品零售總額SC、全市人口密度PP、土地購置面積LD等。數據均提取自《中國房地產統計年鑒》和《中國城市統計年鑒》。鑒于我國房地產市場2002年時才初步在住宅商品化政策實施方面呈現一定的規模效應，以及上述所有可獲得數據在統計時間上的一致性，本文選取2003至2016年為研究期限，各變量的描述性統計結果如表1所示。同時，文章在模型估計之前對數據也進行了量綱差異消除及不平穩序列取差分或對數等處理，以保證模型分析的穩定性。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(2003～2016)

2.模型(A)的線性、非線性估計分析

首先，本文使用Stata12.0軟件對模型(A)進行了門檻值的提取。結果得到如表2所示的F統計量，從統計數據結果可以看出，僅有雙門檻模型在1%的顯著水平上通過了檢驗，因此，房價HP對GDP影響的模型(A)應建立雙門檻模型。進一步對雙門檻模型進行估計可得第一、二門檻值分別為1036.03億元和2301.98億元，該結果及其置信區間如表3所示。從而可以初步證明從經濟增長的表征變量之一GDP來看，命題1的推測合理有效，即房價波動對經濟增長的影響存在投資規模的異質性門檻效應。

進一步需檢驗門檻值的真實性，將似然比統計量LR作為門檻變量INV的函數繪制。如圖1所示，第一、第二門檻值均在與零軸相交處出現，虛線以下的95%置信區間分別為[721.77，2381.36]和[1719.87，2381.36]，與模型估計結果一致，再次表明，命題1的設定合理有效。

表2　模型(A)的門檻效應檢驗結果

注：***、**、*分別表示在1%、5%、10%水平上顯著。

表3　模型(A)的門檻值估計結果及置信區間

經過以上分析，可顯著看出房價波動對GDP的影響存在投資約束下的異質性門檻效應。通過內生性估計得出模型(A)的兩個門檻值，可將其樣本劃分為INV≤1036.03，1036.032301.98的小、中、大型投資規模城市3類。按照前文設計，此處分別以線性固定效應和非線性面板門檻模型估計相關參數，結果如表4所示。從線性估計結果來看，房價波動對GDP的影響為正，但作用程度十分有限，1單位HP僅帶來GDP0.03的變化，且該結果并不顯著，這說明線性估計并不適合模型(A)的研究。從非線性估計結果來看，不同投資規模區間內HP對GDP的作用機制差別較為明顯。對于小型投資規模的城市，HP正向作用于GDP，雖然程度不大，但在5%的水平上表現顯著。這一結果結合命題提出中的理論分析可以推斷，我國目前宏觀經濟運行狀態比較良好，從房地產行業擠出的資金在其他行業得到了有效利用，從而推動了GDP的增長。對于中型投資規模的城市，1單位HP變化可以帶來0.11單位GDP的正向增長，且通過了1%顯著水平的檢驗，就單一行業對經濟的拉動作用來講已經相當可觀。此處實證估計的結果與命題2的理論分析完全吻合，適度的投資規模約束下房價上漲可推動經濟增長的命題被證明有效合理。對于大型投資規模的城市，研究顯示HP的正向變化卻有可能造成GDP的減少，但作用程度只是非常有限的0.01，且不顯著。該結果的得出一方面受限于樣本城市的選取，另一方面得益于我國長期宏觀調控治理的有效性。

綜上所述，模型(A)的非線性估計與命題2的理論分析非常一致。小型、中型投資規模內HP均可正向推動GDP變化，“只有在一定的投資規模約束內房價上漲才能夠推動GDP增長”的假設2在此顯然得到有力驗證。

表4　模型(A)的線性固定效應與非線性面板門檻估計結果

注：***、**、*分別表示在1%、5%、10%水平上顯著。

3.模型(B)的線性、非線性估計分析

接下來從經濟增長的另一表征變量居民人均可支配收入INC來進行分析。對房價HP作用于收入INC的模型(B)采取與模型(A)相同的方法，得到如表5、表6所示的F統計量、門檻值估計結果及置信區間。從表5、表6可看出，單、雙門檻模型的F統計量都顯著，此時應建立雙門檻模型。估計后所得到的第一、二門檻值分別為163.35億元和1908.74億元，對應的置信區間分別為[110.83，254.35]、[1742.28，1975.82]。將第一、二門檻值與似然比統計量LR互動的函數繪制成圖像如圖2所示，顯然該結果通過了真實性檢驗。因此可得房價HP對收入INC的作用在投資規模約束下存在雙門檻值，并由此可知從經濟增長的另一表征變量收入水平INC來看，假設1“房價波動對經濟增長的影響存在投資約束下的異質性門檻效應”在模型(B)的分析中也被證明合理有效。

表5　模型(B)的門檻效應檢驗結果

注：***、**、*分別表示在1%、5%、10%水平上顯著。

表6　模型(B)的門檻值估計結果及置信區間

圖2　模型(B)的第一、第二門檻值檢驗

根據非線性估計得到的兩個門檻值在此將模型(B)的樣本城市不同投資規模劃分為3類，即INV≤163.35，163.351908.74。使用線性固定效應和非線性面板門檻模型對3類城市的相關參數進行估計的結果如表7所示。從線性分析來看，房價HP對收入INC的作用非常明顯，通過了1%的顯著水平，并且作用程度較大，給予1單位的正向沖擊，可帶來1.40單位的INC增長，該結果通過了1%水平的顯著性檢驗。房價、收入之間存在密切關聯的觀點無論國內還是國外都是一致認同的，區別僅在于作用程度與方式不同，所以出現如此的線性估計結果無可厚非。從非線性分析來看，不同投資規模區間內HP對INC的影響效應差異較大。對于小型投資規模的城市，估計結果并不顯著，并且作用力度十分微弱，但是從參數為負值的表現來看，可以推測我國房地產投資規模過小的城市可能存在區域經濟優勢不明顯、房地產及相關行業的經營嚴重影響城市發展的現象。對于中型投資規模的城市，其參數值無論大小、正負及顯著性都與線性估計的結果近似。1單位HP的正向變化可導致1.40單位INC的增長，并在1%水平上顯著。這一結果表明中等投資規模的城市數量仍然占據著我國整體市場的絕大多數，從而其影響力在線性估計時表現比較突出，對其他城市有所遮蓋。對于大型投資規模的城市，雖然HP對INC的作用程度僅是中等投資規模城市的一半，也表現出經營良好的房地產業可以拉動地區收入水平提高的作用機制。

表7　模型(B)的線性固定效應與非線性面板門檻估計結果

注：***、**、*分別表示在1%、5%、10%水平上顯著。

綜上所述，中、大型投資規模城市的HP正向變化均會顯著帶來INC的提高，并且關于模型(B)的估計分析與假設3的推理基本一致。由此可得，“在超越一定投資規模的城市內，房價上漲可以拉動收入水平提高，從而推動經濟增長”的假設3被證明合理有效。

4.模型(A)、(B)的對比分析

對比上文關于模型(A)和模型(B)的估計結果可以看出，所使用經濟增長的表征變量不同，房價波動作用于經濟增長的具體機制也不相同。即使用GDP和使用居民人均可支配收入分別作為經濟增長的表征變量時，所研究得到的房價波動對二者的作用效果不盡相同。其中，若要達到房價上漲的同時提高GDP的目的，就必須將投資規?？刂圃谝欢ǚ秶鷥?，即投資規模存在著上限約束，文內估計出的結果為2301.98億元；若要達到通過房地產價格上漲拉動地區居民收入水平提高的目的，則不得使房地產的投資規模低于某一基本資金需求量，即投資規模存在著下限約束，文內估計出的相應數值為163.35億元。綜合來看，房價波動能夠推動經濟增長的投資規模區間被確定在一定范圍之內，從本文樣本分析來看為[163.35，2301.98]億元。

此外，雖然線性估計方法所得出的結果在GDP和收入兩個經濟增長表征變量的分析中均顯示房價上漲可以直接推動經濟增長，不受投資規模的約束，但一方面，因為部分核心參數估計值不顯著導致模型不合理；另一方面，從經濟現實出發，該方法得出的結果確實存在表義不夠詳盡、不夠全面的弊端。對比控制變量的參數估計值分別在線性、非線性模型中的顯著性也可看出，非線性面板門檻模型的設定相對更加可靠。因而，本文使用非線性面板門檻效應所建立的模型和估計出的結果被認為更加科學、合理。

五、結論與建議

本文根據我國35個大中城市2003至2016年的異質性面板數據構造了線性固定效應和非線性面板門檻模型，對不同投資規模的城市內房價波動作用于經濟增長的機制進行了實證檢驗與分析。通過研究得到如下結論：第一，房價波動對經濟增長的影響存在投資規模的異質性門檻效應，且無論從經濟增長的表征變量GDP分析還是從居民人均可支配收入分析，都得出兩個投資規模的門檻值。第二，只有在小、中型的投資規模內房價上漲才能夠推動GDP增長，其中的作用機制更適合以擠出效應進行解釋。第三，只有超越最低投資規模時房價上漲才可以拉動地區收入水平提高，二者的作用機制更適合以財富效應進行解釋。第四，非線性面板門檻模型估計的房價波動對經濟增長的作用效果被證明相對最科學、可靠。第五，樣本分析得出，我國房地產能夠推動經濟增長的投資規模為[163.35，2301.98]億元。

為此，本文提出以下政策建議：

第一，對房地產業的宏觀調控必須綜合考慮城市投資規?，F狀，防止造成GDP大幅快速下滑而引發危機。首先，研究顯示大型投資規模城市可能出現房價快速上漲而經濟基本面卻瀕臨崩潰的形勢，壓力性調控政策更易觸發相關利益者惡意報復的動機。其次，中、小型投資規模城市的房地產能夠推動經濟增長的狀況存在適度的投資區間，找到房地產業與其他行業之間對于投資資源有效分配和合理利用的均衡才可得到最佳效果。

第二，若要通過房地產市場維持區域收入水平，那么存在著最低的投資規模約束，因此，為了不嚴重影響居民的生活質量和收入水平，城市發展新型產業時務必考慮房地產業的原有重要程度，盡量滿足其正常運營的基本投資規模需求。雖然我國目前正處于經濟結構轉型的關鍵時期，培養新的經濟增長點需求比較急切，但大刀闊斧的削減長期擁有大量資金、資源的房地產業來填補其他行業需要，極易造成原本優勢行業的自身調整措手不及，甚至形成社會資源錯配下的混亂狀態，反而使整體經濟受累。

第三，建議加強有關信息統計及披露，多方面制定可操控的規范措施。在信息傳遞十分便捷、居民素質逐漸提高、知識能力快速增長的社會環境中，更需要全面、快捷、便利的信息供給平臺，并培養大量可以有效進行信息處理的人才。

參考文獻：

[1] KIM K H，LEE H S. Real Estate Price Bubble and Price Forecasts in Korea[D]. Seoul:Sogang University，2000.

[2] MATTEO I，RAOUL M. The credit channel of monetary policy：evidence from the housing market[J]. Journal of Macroeconomics，2008，30(1)：69-96.

[3] BJ?RNLAND H C，JACOBSEN D H. The role of house prices in the monetary policy transmission mechanism in small open economies[J]. Journal of Financial Stability，2010，6(4)：218-229.

[4] DAVIS M A，NIEUWERBURGH S V. Housing, Finance and the Macro-economy[R]. NBER Working Paper 20287，2014.

[5] 沈悅，劉洪玉. 住宅價格與經濟基本面：1995-2002年中國14城市的實證研究[J]. 經濟研究，2004(6)：78-86.

[6] 梁云芳，高鐵梅. 中國房地產價格波動區域差異的實證分析[J]. 經濟研究，2007(8)：133-142.

[7] 唐志軍，徐會軍，巴曙松. 中國房地產市場波動對宏觀經濟波動的影響研究[J]. 統計研究，2010(2)：15-22.

[8] SHIN H S. Risk and liquidity in a system context [J]. Journal of Financial Intermediation，2008，17(7)：315-329.

[9] PAN H R，WANG C. House prices, bank instability and economic growth：evidence from the threshold model[J]. Journal of Banking & Finance，2013(37)：1720-1732.

[10] HULL I. The macro-financial implications of house price-indexed mortgage contracts[J]. Economics Letters，2015(127)：81-85.

[11] 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(10)：24-32.

[12] 譚政勛，陳銘. 房價波動與金融危機的國際經驗證據：抵押效應還是偏離效應[J]. 世界經濟，2012(3)：146-159，

[13] 郝清民，劉樂. 房地產業與銀行業的投資者情緒與風險傳染[J]. 大連理工大學學報(社會科學版)，2016，37(4)：91-97.

[14] COULSON N E，KIM M S. Residential investment，non-residential investment and GDP[J]. Real Estate Economics，2000，28(2)：233-247.

[15] MILES W. Housing investment and the U. S. economy：how have the relationships changed [J]. The Journal of Real Estate Research，2009，31(3)：329-350.

[16] 黃忠華，吳次芳，杜雪君. 房地產投資與經濟增長——全國及區域層面的面板數據分析[J]. 財貿經濟，2008，(8)：56-60,72.

[17] 王成成，王曉輝. 宏觀經濟對房地產價格的影響——基于中國省際的動態面板數據[J]. 經濟管理，2011(9)：153-159.

[18] 楊俊杰. 房地產價格波動對宏觀經濟波動的微觀作用機制探究[J]. 經濟研究，2012(S1)：117-127.

[19] 王先柱，趙奉軍. 收入差距、擠出效應與高房價[J]. 經濟理論與經濟管理，2013(1)：27-35.

[20] 郭培利，沈悅. 中國住宅價格調控效應：區域差異與時序波動[J]. 大連理工大學學報(社會科學版)，2016，37(2)： 24-30.

[21] 劉洪玉，徐躍進，姜沛言． 房地產企業投資的資本成本敏感性[J]. 清華大學學報(自然科學版)，2015，55(6)：640-646．

[22] 李忠富,何丹丹,姜韶華. 基于BIM和Linked Data的建筑業電子商務信息融合框架[J]. 工程管理學報，2017，31(5)：7-12.

[23] 葉新階. 基于市場主體的中國房地產金融風險處置研究[D]． 北京：中國社會科學院研究生院，2017．

[24] HANSEN B. Threshold effects in non-dynamic panels：estimation, testing and inference[J]. Journal of Econometrics，1999(93)：345-368．