金融發展對城市住房市場的影響：理論機制、空間溢出及非線性效應

李斌 黃碩文 張所地

內容提要：厘清金融發展與住房市場的關系對于制定差異化調控政策、探尋金融及住房市場改革方向、抑泡沫控風險具有重要意義。本文以二者關系的傳導機制、空間聯動與非線性特征的識別為邏輯主線，從直接、間接兩個層次剖析金融發展對住房市場的傳導路徑;并采用空間計量方法探析金融發展對住房市場的空間溢出效應;最后，通過門檻效應檢驗考察金融發展對住房市場作用的空間異質性。結果表明：第一，2002—2017年間，35城市住房價格存在正向空間依賴性，莫蘭指數呈“波浪”型變化;絕大多數城市屬于“高-高”或“低-低”集聚模式，且這種局部空間格局相對穩定。第二，金融規模、金融結構和金融效率對住房價格均有顯著的直接效應，而金融規模、金融效率因“虹吸效應”而對鄰近城市房價產生了顯著的抑制作用。第三，受限于收入水平的單門檻效應，金融規模、金融效率對住房價格的影響呈非線性。研究結論為制定差異化政策、落實“房住不炒”、防范住房及金融市場風險等提供了新的思路。

關鍵詞：金融發展;住房市場;空間溢出效應;非線性

中圖分類號：F293.3;C931 ?文獻標識碼：A ?文章編號：1001-148X（2020）07-0090-12

住房市場化改革以來，房地產業在金融支持下發展迅速，為經濟增長和居民住房條件改善做出了巨大貢獻。然而，房地產與金融二者交織日益密切，不斷引發人們對金融安全和房價泡沫的憂慮。多次世界經濟危機的導火索就是房地產和金融之間關系的扭曲[1]，特別是2007年“次貸危機”引發的全球金融危機，帶給人們的“陰影”至今難以揮去，也使得金融與房地產的關系問題成為了近年來學術界的研究熱點和難點。

房地產業作為資金密集性行業，其價格變化深受金融發展影響。為此，剖析金融發展對住房市場的作用效果，就成為了破解住房價格高漲問題的關鍵，對于落實“房住不炒”的長期定位、防范住房及金融市場風險，制定和實施差異化的住房調控政策、實現居民家庭美好生活等都具有重要的意義。

一、文獻綜述

（一）金融政策對住房市場的影響

1.利率政策。利率對住房市場的影響是非線性[2]和非對稱性的[3]。從不同驅動因素來看，當住房市場處于平衡狀態時，則預期通貨膨脹率變化導致的利率變化是不會對房價產生影響的;而實際回報要求變化引起的利率變化則會對房價產生直接影響[4]。從空間角度看，利率波動對一線城市和東部城市的住房市場作用明顯，但對中西部城市的住房市場影響有限[5]。從時間角度看，長期利率對住房市場的影響具有時變特征，被壓低的長期利率會導致住房市場的過度投資和“爆炸式”增長[6]。

2.匯率政策。學者們普遍認為，匯率政策會通過不同渠道與住房市場產生緊密聯系。有研究表明，一國匯率會通過信貸效應、預期效應、溢出效應等渠道對住房價格產生影響，而人民幣匯率預期升值會引起短期國際資本流入，而這種流動會影響房地產需求端，進而造成房價上漲[7]。但如果貨幣政策配合，且房地產庫存能動態調整，則房價最終會趨于穩定[8]。也有學者認為，人民幣匯率變化并不會對中國的房價產生直接影響，但會通過貨幣供應量渠道對房價波動產生間接影響[9]。此外，也有學者測算了人民幣實際有效匯率的失調，發現匯率失調程度不同則其對住房市場的影響也不同。

3.信貸政策。國內外學者主要圍繞信貸政策影響住房市場的機制進行了理論及實證檢驗。由于存在信貸抵押約束機制，住房價格會出現自我加速現象，進而導致房價不斷上漲[10]。而由于銀行的高風險信貸配置偏好，使得銀行貸款規模對房地產投資產生正向影響，可能造成房地產投資過熱[11]。而信貸規模也會通過土地財政渠道而作用于房價[12]，信貸規模擴張會對房價產生明顯刺激作用[13]。利用2003年至2010年愛爾蘭抵押貸款數據、房價數據的實證研究表明，可獲得的信貸每增長10%，將導致購買的房地產價值增長1.5%[14]。而個人購房貸款與企業開發貸款，在中國不同類型城市對房價的影響是異質性的[15]。此外，也有學者的研究發現，在高利率預期之下，信貸增長并不會引起房價明顯上漲[16-17]。

（二）金融發展對住房市場的影響

有學者從省際層面研究了金融發展對房地產庫存的作用，發現在規模、結構和效率3個維度下，金融發展分別對房地產庫存產生了不顯著、正向以及負向的異質作用[1]。也有學者研究了資本流入、金融結構與住房市場的關聯，發現金融規模擴張會對實際價格、金融結構和房地產投資產生顯著的正向影響[18]。在預期房價上漲時，金融約束是歐洲家庭購房決策的重要影響因素[19]。而對23個國家房價的研究顯示，資產市場及股市的收益率、收入增長等是房價的重要驅動因素，即其他資產市場的金融發展會溢出到房地產市場[20]。也有學者則研究了金融發展與房地產業聯合作用下的社會經濟影響。例如，周少甫和龍威（2020）[21]分析了金融發展與房價交互作用對各省份技術創新的影響，發現在信貸市場、資本市場兩個維度下，房價對技術創新的抑制作用會分別被放大和弱化。在產業結構升級問題下，學者們發現單獨考慮金融發展和房價，則二者對產業結構升級產生了正向作用;當將二者聯合考慮，則結果是會對產業結構升級產生負向作用[22-23]。

（三）金融集聚對住房市場及城市發展的影響

金融要素集中會降低購房交易成本并有助于突破預算約束，因此是房價上漲的重要因素，且銀行、保險、證券業的集聚對房價的影響是異質的[24]。同時，金融集聚對住房市場的影響在不同的地理區位也表現出了異質性[25]。從城市發展來看，金融集聚對城市空間格局演化，城市發展效率，以及新型城鎮化發展[26-27]等都具有十分重要的促進作用。

綜上所述，國內外學者對金融與住房市場的關系進行了廣泛的探討，為本文提供了研究思路。本文從金融發展的規模、結構及效率三個維度出發，全面考察金融發展對中國大中城市住房市場的影響，對促進金融業與房地產業和諧發展，明晰房地產和金融改革方向等都具有重要的理論及現實意義。

二、機理分析與研究假設

金融發展的現代觀表明，金融發展是金融規模擴張、金融結構優化及金融效率提升的動態統一過程，分別反映金融發展的數量、結構和質量，只有從多個維度考察才有可能全面測度金融發展水平。金融發展是住房市場發展的基礎和保障，二者既有直接影響又存在間接作用。以下將從直接、間接兩個層次梳理金融發展對住房市場的作用渠道。

（一）直接作用渠道

1.金融發展規模→住房市場

房地產業是資金密集性行業，資金匱乏或金融中介成本較高時，房地產商品的生產和消費都會受阻。對于開發企業而言，金融規模越大，金融業競爭加劇，往往伴隨著貸款成本下降和貸款門檻降低，企業的融資約束降低，越容易得到資金支持而增加投資，住房供給增加，對房價有負向影響;對于購房者而言，金融規模越大，銀行發放貸款的意愿也會越強，會有更多的購房者達到貸款門檻，流動性約束降低，住房需求增加進而對房價產生正向影響。

2.金融發展結構→住房市場

金融發展在經歷了規模擴大后，往往會進入結構優化的更高階段，且要依經濟社會需求動態調整。金融結構優化體現在金融工具多樣化和金融機構的多樣性上[1]。學者們通常將這些工具和機構劃分為銀行主導型和市場主導型，分別對應間接融資和直接融資模式。前者在信息收集、資金監管方面優勢明顯，而后者則在激勵創新、風險轉移方面更勝一籌。

金融工具和機構多樣，企業及居民可以有證券、保險、信托等更多的投資選擇，會在一定程度上抑制住房投資，住房需求減少房價下降;房地產企業融資渠道多元，不同類型及發展階段的企業的金融需求都能得到滿足，增強其風險抵御能力，有利于擴大生產規模增加住房供給平抑房價;保險等風險管理工具的發展，消除居民對未來不確定的擔憂，可能會刺激現期住房消費和房價上漲。然而，金融工具和金融業務的過度創新則可能會造成貨幣政策效力下降、管理難度增加，進而造成金融系統的不穩定和風險隱患。可見，最優金融結構也要隨需求而動態調整，如果與住房市場發展相匹配，則會促進其良性運行;如果與住房市場發展不匹配，則無法起到支持作用，甚至出現阻礙作用。

3.金融發展效率→住房市場

金融發展效率指金融業的投入產出率。金融效率提高，對于我國目前金融市場發展的階段而言，意味著融資渠道暢通，信息不對稱程度大大降低，儲蓄轉化為貸款更為容易，無論是以開發貸款還是消費貸款的形式進入到住房市場，都有利于住房市場的發展活躍。對于企業而言，獲得貸款有利于增加住房供給;同時，金融中介自身專業技術水平的提高，其審查與監督成本下降并帶來效率的提升，會降低企業的融資成本，對住房價格產生負向影響。對于購房者而言，金融效率低會在一定程度上將大量購房者排斥在金融市場之外，導致流動性約束加劇;而較高的金融效率能解決購房者面臨的信貸約束從而促進潛在需求轉化為真實需求，進而對房價產生正向影響。

（二）間接作用渠道

直接渠道主要分析金融要素直接進入到住房市場，影響市場供需和房價的機制。而此處主要分析金融發展的社會經濟影響，進而溢出至住房市場的機制。

1.金融發展→經濟發展→住房市場

以全國或地區為對象的分析均顯示，金融發展和經濟增長正向相關[28]。從渠道來看，金融發展會通過作用于勞動要素、資本要素等要素積累而起到推動經濟發展的目的[29]。經濟發展良好，生產、服務、消費均有賴于房地產業發揮其基礎承載作用，加之市場樂觀預期的推動作用，則住房需求增加，對房價產生正向影響。

2.金融發展→收入（預期）水平→住房市場

良好的金融發展，包括規模的適度擴大、結構的動態優化，以及效率的不斷提升，而效率提升會對居民收入水平和消費水平產生顯著影響[30]。此外，居民為了應對未來可能出現的各種風險及不確定性，會增加預防性儲蓄而減少現期的購房需求。隨著金融發展深化，保險等風險管理工具會減少居民對未來風險的擔憂，增加居民的收入預期[31]，故而增加當期的住房消費，對住房價格產生正向影響。

3.金融發展→技術創新→住房市場

金融發展通過多元融資和信用創造、風險管理、信息甄別與項目選擇、激勵和監督等路徑作用于技術創新，最終均會對技術創新產生促進作用[32]。其中，與信貸市場相比，資本市場對技術創新的作用更大[21，33]。城市技術創新水平提高，知識交流機會和收益增加，會吸引更多的企業、人才集聚，進而增加本地住房市場需求，對房價產生正向作用;房地產企業的設計、施工、服務創新能力的提高，有利于企業提高生產效率，降低生產成本，進而對房價產生負向影響。

綜上所述，金融發展向住房市場的傳導路徑是多層次和多維度的（見圖1），雖然各條路徑的作用方向不一致，但并不影響我們對二者具有緊密關系的初步論斷。故提出如下假設：

假設1：金融發展對住房市場具有顯著的影響。

（三）進一步的分析

房價上漲時，往往伴隨著地價、租金、工資的上漲。如果部分企業、個人由于經營、生活成本上升而被迫向其他地區流動時，資本、技術和人才等要素也會同向流動，進而引起當地住房需求的變化。此外，一城市的金融發展也可能會因“示范效應”、“虹吸效應”等引起周邊城市金融體系的變化。故提出如下假設：

假設2：金融發展對住房市場的影響存在空間溢出效應。

由于我國各城市資源稟賦、經濟發展階段各不相同，金融資源與住房市場均呈現空間分布不均的特點。與此同時，金融發展向住房市場的傳導過程，也受限于家庭的收入水平：低收入家庭可能因無力償還貸款而被拒絕在金融市場之外，使得需求端得不到足夠響應。由于各城市居民收入水平的分布在空間上是非均勻的，因此金融發展對住房價格的影響可能并不是線性的，而是受家庭收入水平影響而具有空間異質性，故提出如下假設：

假設3：金融發展對住房市場的影響具有非線性特征。

三、研究設計

（一）研究方法

1.空間計量模型的構建

（1）空間權重矩陣的選擇與構建。進行金融發展與住房市場關系的空間分析，第一步就是度量城市間的空間距離。隨著互聯網和交通工具發展，城市間的交流日益加深，即使空間上不相鄰的城市也可能存在著密切的經濟聯系，故本文重點考察基于地理距離和經濟距離的兩種空間權重矩陣。其中，參照傅貽忙等[1]、王鶴和周少君（2017）[34]等學者的做法，構建基于地理距離的空間權重矩陣如下：

（二）變量與數據

1.變量選取

根據本文的研究目的和國內外學術積淀，變量選取情況如下。

（1）被解釋變量。房價是住房市場最重要、最直觀，也是居民最為關心的指標，故選取商品房平均銷售價格作為被解釋變量，來反映住房市場的發展狀態。

（2）核心解釋變量。為了能夠更好地反映金融發展狀況，本文從金融發展規模、金融發展結構、金融發展效率三個維度來考察。由于比率指標既能反映強度，又有助于消除多重共線性，故量化指標時采用比率指標。具體的選擇如下。

金融發展規模：鑒于目前我國銀行業主導整個金融體系的現實，借鑒張倩肖和馮雷（2019）[32]、鞏鑫等（2018）[29]的做法，用年末金融機構存款余額與年末金融機構貸款余額之和與地區生產總值的比值來度量城市的金融發展規模。

金融發展結構：由于本文要分析的是市場主導型金融體系與銀行主導型金融體系二者的分布及相對規模對住房市場的影響，因此借鑒王淑娟等（2018）[33]等人的思路，以兩種類型之比重來度量金融發展結構。近年來，證券、保險、信托等發展迅速，鑒于數據的可得性，采用保險機構的保險費收入與年末金融機構存貸款余額之和的比值對該變量進行量化。

金融發展效率：由于本文關注的是金融自身的投入產生率，故借鑒任鑫和葛晶（2019）[31]、王淑娟等（2018）[33]、王志強和孫剛（2003）[37]等人測算金融機構存貸款的轉化效率的思路，具體采用儲蓄余額與金融機構貸款余額的比值來度量金融中介將儲蓄轉化成貸款的效率。

（3）控制變量。為了降低遺漏變量所帶來的偏誤，根據住房市場供需理論，本文選擇的控制變量如下：將人均地區生產總值、財政支出、在崗職工平均工資、房地產開發投資額分別作為經濟發展、基礎設施建設、收入水平和房地產投資的代理變量。

2.數據來源及處理

樣本數據是中國35個大中城市2002年至2017年的年度面板數據。對住房價格、人均地區生產總值、地方財政支出、在崗職工平均工資和房地產開發投資額5個指標進行了去通脹處理和取對數處理，以消除可能存在的異方差。各變量及數據說明如表1。

（三）描述性分析與平穩性檢驗

1.描述性統計分析

各變量的描述性統計分析如表2所示。

2.平穩性檢驗及協整檢驗

建模之前，需要進行面板數據的平穩性檢驗，以避免“偽回歸”問題。此處采用LLC、IPS和ADF三種單位根檢驗方法，結果見表3。

由表3可知，三種檢驗顯示，諸變量中除了scale、structure以外全部通過了5%顯著性水平下的單位根檢驗;scale、structure在一階差分之后，也通過了1%顯著性水平下的單位根檢驗;需進一步對數據進行協整檢驗。下文使用Kao檢驗、Pedroni檢驗，以及Westerlund檢驗三種方法來對諸變量進行協整性分析，結果見表4。

由表4可知，在Kao檢驗、Pedroni檢驗中各統計量均在1%的顯著水平下拒絕了“不存在協整關系”原假設，Westerlund檢驗統計量在10%顯著水平下拒絕了原假設，可進一步建模分析。

四、實證結果與分析

（一）空間自相關檢驗

利用前文構建的基于地理距離和經濟距離的空間權重矩陣，采用莫蘭指數法對樣本期內中國35大中城市的住房價格進行了空間自相關檢驗，結果見表5。由表5可知，在10%的顯著性水平上，樣本期內基于空間距離權重矩陣的莫蘭指數都顯著為正;在1%的顯著性水平上，樣本期內基于經濟距離權重矩陣的莫蘭指數都顯著為正。可見，我國城市的住房價格存在正向的空間依賴性，采用空間計量方法探討金融發展對住房市場的影響是十分必要的。

無論是從顯著性，還是莫蘭指數值的大小上看，經濟距離權重矩陣都明顯優于地理距離權重矩陣。這在一定程度上說明，隨著交通、通信、互聯網等快速發展，城市之間的聯系已經打破傳統空間距離壁壘，經濟輻射日益顯著，經濟距離反而更能反映住房市場的空間關聯。故下文采用經濟距離權重矩陣展開進一步的空間效應分析。

繪制樣本期內基于經濟距離權重矩陣的莫蘭指數變化圖（見圖2）。

由圖2可知，樣本期內基于經濟距離權重的莫蘭指數呈“波浪”型變化，整體上變化不大但仍表現出一定的上升趨勢。這說明城市間住房價格并不是獨立發展的，已形成了集群分布和逐步加強的正向空間溢出效應。莫蘭指數從整體上反映了住房價格的空間關聯，而莫蘭散點圖則可以更細致地反映不同城市周邊的高值和低值集聚。基于經濟距離權重矩陣的莫蘭散點圖，見圖3-圖6。

限于篇幅，本文只給出了2002年、2007年、2012年和2017年的莫蘭散點圖。由圖可知，樣本期內35城市住房價格的空間分布具有顯著的規律性：除了呼和浩特、武漢、福州等少數幾個城市，絕大多數城市都集中分布在一、三象限，再次印證了中國城市住房價格具有的正向空間依賴。具體來看，北京、上海、廣州、深圳、天津、廈門等城市始終在第一象限，房價呈現“高-高”集聚模式，而西寧、貴陽、重慶、石家莊城市等始終處于第三象限，房價呈現“低-低”集聚模式。由于各年莫蘭散點圖變化不明顯，可知城市住房價格的局部空間格局具有一定的穩定性，使用空間計量方法能更好地刻畫出金融發展對住房市場的影響。

（二）空間溢出效應檢驗

1.空間模型形式確定

分析空間溢出效應之前，需要確定采用哪種空間面板模型形式。根據LeSage和Pace（2009）[36]的方法，先由LM檢驗（拉格朗日乘數形式及其穩健形式）判斷SAR和SEM哪個適用;再對SDM進行Wald和LR檢驗，看是否可以退化為SAR或SEM形式[38];最后進行Hausman檢驗確定采用固定效應還是隨機效應。檢驗結果見表6。

由表6可知，LMerr和LMlag均通過了1%的顯著性檢驗，R-LMerr和R-LMlag也均通過了1%的顯著性檢驗，說明模型中既包括空間滯后形式，又包括空間誤差形式，應采用SDM模型。進一步地，Wald和LR檢驗拒絕了H0：θ=0和H0：θ+ρβ=0的原假設，即SDM模型不能化簡為SAR和SEM模型。Hausman檢驗顯示使用固定效應的SDM更為合理。

2.SDM模型的估計與效應分解

SDM的估計結果見表7。由表可知，W*scale、W*efficiency兩個變量均在1%的水平上顯著，表示金融對住房價格的影響具有顯著的空間效應，再次表明采用空間計量方法的必要性。由于SDM模型的回歸系數并不能直接反映解釋變量對本城市被解釋變量和對鄰近城市被解釋變量的作用，需通過偏微分方程將空間效應分解為直接、間接效應來反映（見表8）。其中，直接效應表示城市金融發展對自身住房價格的平均影響，間接效應則反映城市金融發展對鄰近城市住房價格的平均影響。

由表8可得到如下結論：

（1）金融發展規模對住房價格的直接效應和間接效應均顯著且方向相反。對本地房價的直接效應系數為0.0795，對鄰地房價的溢出系數為-0.2284。金融規模擴大，信貸規模往往也隨之擴大，銀行貸款意愿增強、貸款門檻降低，使更多的購房者可能達到貸款條件，有效緩解居民的流動性約束，購房需求增加進而對房價產生正向影響。雖然此時房地產企業的融資成本和融資數量均有利于增加供給緩解價格上漲，但對需求端的作用要更為明顯。金融規模的擴大，生產性、服務性行業都將得到更多的金融支持，經濟發展加快、收入水平整體提高，對住房價格產生正向作用。同時，本地金融規模擴大，寬松的資金條件和充滿活力的經濟發展都會吸引鄰近城市的企業入駐、投資者轉移，進而帶動更多勞動力遷移，可能造成周邊城市經濟下滑、人口流失和住房需求下降，進而對鄰地的房價產生負向作用。

（2）金融發展結構對住房價格具有顯著的直接效應，作用系數為-3.5834，但間接效應并不顯著。金融工具多樣，金融產品和服務多元，有利于本地企業和居民不斷發展的金融需求得到滿足。不僅可以引導社會資金進入更多的投資領域，對房地產市場盲目投資投機行為進行合理疏導，也可為房地產企業融資提供更多渠道，進而對房價產生負向影響。樣本期內，金融結構的調整并未對鄰近城市住房市場產生影響，說明金融結構的調整尚不足以引起城市間要素的流動。現階段，對于住房市場過熱的城市，優化金融結構可作為調控房價的手段之一。

（3）金融發展效率對住房價格的直接效應和間接效應均顯著且方向相反。對本地房價的直接效應系數為0.1961，對鄰地房價的溢出系數為-1.5890。金融發展效率提高，意味著融資渠道暢通，金融機構工作效率提高且業務成本下降，使購房者能更快、更多、更方便地獲得價格更低的貸款，刺激消費者的消費欲望，住房需求得到有效釋放，對房價產生正向影響。雖然此時企業往往也有能力提供數量更多、成本更低的住房，但顯然該變量對需求端的作用要更大。金融效率提高，也有助于金融業從業人員收入提高，有助于降低融資企業的時間成本和資金成本，提高生產效率和工資水平，進而對本地住房價格產生正向影響。與此同時，本地金融效率提升，專業的技術、較低的業務成本、更快的業務流程增強了其相對于其他城市的競爭優勢，同樣也會吸引更多要素向該城市集聚，造成鄰地產業、資本和人口的流失，住房市場需求下降，供給不變時則房價自然也會下降。

（4）控制變量均對住房價格產生了顯著的直接效應，僅有收入水平產生了顯著的間接效應，其他變量的間接效應不顯著。人均GDP對本地房價的直接效應系數為0.3689。經濟發展好，本地投資、生產、消費活躍，居民收入往往也同步上升。同時，良好的經濟環境還會吸引大量企業、人力資本進入。這些都會造成本地住房需求增加和房價上漲。政府財政支出每增加1%，本地房價將上漲0.1575%。政府支出增加，有利于基礎設施、公共配套的建設，城市居住環境品質提升、便捷度提高都會對房價產生正向影響。收入水平每提高1%，本城市房價將上漲0.1590%，鄰近城市房價將上漲0.5966%。收入增加，本地居民購買力增強，有更多居民有能力全款購房或借助金融杠桿實現購房，住房需求增加進而推動房價上漲。同時，本地居民隨著收入增加和房產增值，在收入效應和財富效應作用下，投資能力極大增強，有可能會選擇鄰近城市住房市場進行投資消費，進而引起鄰地房價上漲。房地產投資每增加1%，本地房價將下降0.0544%。房地產投資增加，則該城市未來住房供給將會增加，居民會形成未來房價下降的預期并減少現期購房行為，對住房價格產生負向影響。

綜上可知，由金融規模、結構和效率3個維度的估計結果來看，金融發展的確會對中國城市住房市場產生顯著影響，該結論驗證了假設1的正確性。由于“虹吸效應”的存在，金融發展會從規模、效率兩個維度上抑制鄰近城市住房價格的上漲，即二者的作用存在空間溢出效應。該結論不僅驗證了假設2的正確性，也在一定程度上解釋了住房市場的波動與分化現象。

3.穩健性檢驗

前文基于地理距離空間權重矩陣的自相關檢驗顯示，在10%的水平上樣本期內的莫蘭指數都顯著為正，故下文基于地理距離權重矩陣進行穩健性分析。

LM檢驗、Wald檢驗和Hausman檢驗結果見表9。由表9可知，LMlag>LMerr，R-LMlag>R-LMerr，且LMlag、R-LMlag的顯著性高于LMerr和R-LMerr，故SAR模型比SEM模型更適合;WALD檢驗顯示接受了H0：θ=0的原假設，SDM模型可以退化為SAR模型;由Hausman檢驗可知應使用固定效應的SAR模型。

參考文獻：

[1] 傅貽忙，周建軍，周穎.金融發展、空間效應與房地產庫存——理論解釋與實證檢驗[J].系統工程，2018，36（10）：14-29.

[2] 陳長石，劉晨暉.利率調控、貨幣供應與房地產泡沫——基于泡沫測算與MS-VAR模型的實證分析[J].國際金融研究，2015（10）：21-31.

[3] 吳淑萍，樊穎，楊贊.利率政策對房價的“非對稱性”影響路徑——基于小波分析和GARCH模型的研究[J].上海金融，2017（2）：3-10.

[4] Pagliari J L. Some Thoughts on Real Estate Pricing[J]. Journal of Portfolio Management， 2017， 43（6）：44-61.

[5] 余華義，黃燕芬.利率效果區域異質性、收入跨區影響與房價溢出效應[J].經濟理論與經濟管理，2015（08）：65-80.

[6] Barkham R. Real Estate and the Great Financial Crisis[J]. World Economics， 2013， 14（3）：5-26.

[7] 朱孟楠，丁冰茜，閆帥.人民幣匯率預期、短期國際資本流動與房價[J].世界經濟研究，2017（7）：17-29，53，135.

[8] Stalder P. Exchange Rate Shocks， Monetary Policy and Boom-Bust Cycles in the Housing Market： An Econometric Analysis for Switzerland[J]. Journal of Business Cycle Research， 2017，12：1-35.

[9] 韓鑫韜，劉星.匯率變化對房價波動存在溢出效應嗎？——來自1997-2015年中國房地產市場的證據[J].中國管理科學，2017，25（4）：7-17.

[10]劉一楠.信貸約束、房地產抵押與金融加速器——一個DSGE分析框架[J].財經科學，2017（2）：12-24.

[11]陸嘉瑋，陳文強，賈生華.信貸配置偏好、貸后債務治理與房地產企業投資[J].金融經濟學研究，2017，32（6）：3-12，84.

[12]汪盧俊，謝姍，駱永民.土地財政和信貸擴張在房價上漲因素中孰輕孰重？[J].商業研究，2019（6）：113-118.

[13]李成，李一帆，于海東，等.城市人口、貨幣政策與房地產價格：內在機理與實證檢驗[J].當代經濟科學，2020，42（1）：108-119.

[14]Kelly R， McCann F， OToole C. Credit Conditions， Macroprudential Policy and House Prices[J]. Journal of Housing Economics， 2018，41（9）：153-167.

[15]胡金星，張志開，邵翠櫻.房地產信貸與房價：來自中國35個大中城市的證據[J].上海金融，2018（8）：19-24.

[16]Bauer G H. InternationalHouse Price Cycles， Monetary Policy and Credit[J]. Journal of International Money and Finance， 2017，74：88-114.

[17]Chen N K， Chou Y H， Wu J L. Credit Constraint and the Asymmetric Monetary Policy Effect on House Prices[J]. Pacific Economic Review， 2013，18（4）：431-455.

[18]Sá F， Towbin P， Wieladek T. Capital Inflows， Financial Structure and Housing Booms [J]. Journal of the European Economic Association， 2014，12（2）：522-546.

[19]Ampudia M， Mayordomo S. Borrowing Constraints and Housing Price Expectations in the Euro Area[J]. Economic Modelling， 2018， 72（3）：410-421.

[20]Martínez-García E， Grossman V. Explosive Dynamics in House Prices？ An Exploration of Financial Market Spillovers in Housing Markets Around the World[J]. Social Science Electronic Publishing， 2018：1-33.

[21]周少甫，龍威.房價、金融發展對技術創新的影響[J].工業技術經濟，2020，39（1）：33-40.

[22]潘紅玉，劉亞茹.房價、金融發展與制造業產業結構升級——基于動態面板的經驗分析[J].財經理論與實踐，2019，40（1）：123-128.

[23]盧萬青，紀祥裕.城市房價、金融發展與產業結構升級——基于中國地級市面板數據的實證研究[J].產經評論，2017，8（5）：81-94.

[24]劉顏，鄧若冰.金融集聚對房地產價格的影響——基于靜態與動態面板數據的估計[J].經濟問題探索，2017（9）：126-134.

[25]駱永民，劉艷華.金融集聚、人力資本與房價——基于PanelVAR模型[J].財貿研究，2011，22（4）：93-101.

[26]籍磊，陳立泰，葉長華.長江經濟帶金融集聚對城鎮化影響的機制研究[J].預測，2019，38（3）：70-75.

[27]王弓，葉蜀君.金融集聚對新型城鎮化影響的理論與實證研究[J].管理世界，2016（1）：174-175.

[28]陳志剛，關威.金融發展、技術進步與經濟增長[J].科技管理研究，2017，37（24）：39-44.

[29]鞏鑫，唐文琳，穆軍.金融發展、要素積累和經濟增長關系的實證分析[J].統計與決策，2018，34（19）：146-149.

[30]任文龍，張蘇緣，陳鑫.金融發展、收入水平與居民文化消費——基于城鄉差異的視角[J].農村經濟，2019（11）：118-127.

[31]任鑫，葛晶.金融發展、收入結構與城鎮居民消費結構[J].宏觀經濟研究，2019（1）：30-36，64.

[32]張倩肖，馮雷.金融發展與企業技術創新——基于中國A股市場上市公司的經驗分析[J].統計與信息論壇，2019，34（5）：25-33.

[33]王淑娟，葉蜀君，解方圓.金融發展、金融創新與高新技術企業自主創新能力——基于中國省際面板數據的實證分析[J].軟科學，2018，32（3）：10-15.

[34]王鶴，周少君.城鎮化影響房地產價格的“直接效應”與“間接效應”分析——基于我國地級市動態空間杜賓模型[J].南開經濟研究，2017（2）：3-22.

[35]鞠方，雷雨亮，周建軍.經濟開放度、房地產價格及其空間溢出[J].中國軟科學，2016（10）：147-158.

[36]Lesage J， Pace R K. Introduction to Spatial Econometrics[M]. CRC Press，2009.

[37]王志強，孫剛.中國金融發展規模、結構、效率與經濟增長關系的經驗分析[J].管理世界，2003（7）：13-20.

[38]Anselin L， Florax R， Rey S J. Advances In Spatial Econometrics： Methodology， Tools And Applications[M].Berlin： Springer Verlag Press， 2004.

（責任編輯：周正）