京津冀人口增長率對房地產金融風險空間溢出效應分析

秦雪明

摘 要：在京津冀協同發展戰略實施中，防范京津冀地區房地產金融風險空間傳遞和溢出至關重要。本文基于2008-2017年京津冀地區房地產面板數據，使用空間計量的方法，實證檢驗京津冀地區房地產金融風險的空間傳遞及溢出情況，分析人口增長率對房地產金融風險空間溢出的影響。研究發現：京津冀地區房地產金融風險存在空間溢出效應，再考慮空間效應后的人口增長率與房地產金融風險呈顯著負相關。

關鍵詞：人口增長率;房地產金融風險;空間溢出

引言

近年來，隨著京津冀一體化發展戰略的實施，京津冀地區人口和資本流動加速，房地產企業投資也呈現區域擴散態勢，打破了三地房地產市場原本相對分割的局面。京津冀地區人口流量較大，一個地區人口的流動會導致其他地區人口變動，人口的增長會拉動對房地產的需求，加之房地產市場與金融市場的密切聯系，從而容易對房地產金融風險產生影響。因此在各地人口不斷變化的過程中，京津冀地區房地產金融風險有空間溢出傾向。

本文使用空間計量模型實證檢驗京津冀房地產金融風險的空間溢出效應，主要分析京津冀地區人口增長率對房地產金融風險空間溢出的影響程度，依此提出防范京津冀房地產金融風險空間溢出的建議。

一、人口增長率對房地產金融風險的影響

人口增長率對房地產金融風險的影響主要體現在兩個方面：一是人口增長對房地產需求的影響作用于空置住房，從而影響房地產金融風險。從長期來看，人口的流動導致某一地區人口的增長，而一個地區人口的增長會促進對當地房地產的需求，進而降低當地住房空置率。由于住房空置率過高會引發房地產金融風險，因此人口的增長對房地產金融風險有一定的影響。二是人口增長對房地產需求的影響作用于銀行信貸從而導致房地產金融風險產生。人口增長增加了對房地產的需求，進而增加了對銀行貸款的需求，銀行可能面臨壞賬風險的增加，房地產金融風險增加。

二、實證分析

首先檢驗京津冀地區是否存在房地產金融風險空間溢出效應，若存在，再結合拉格朗日乘數檢驗選擇適用的空間計量模型。最后進行實證分析人口增長率對房地產金融風險空間溢出的效應如何，并給出實證結論。

1.指標選擇與數據來源

本文考慮數據可得性因素選取京津冀13座主要城市影響房地產金融風險的7個指標。數據時間維度為2008年12月31日-2017年12月31日，為面板數據，具體指標如下。

被解釋變量：房地產金融風險（RR）：房地產金融風險指金融體系面臨的由房地產市場引發的風險。在研究京津冀地區房地產金融風險空間溢出時，認為房地產金融風險一般由人口和房地產企業導致金融機構所要面臨的風險，因此選擇房地產貸售比1表示房地產企業的風險;選擇房價收入比2表示人口對房地產金融風險的影響。使用熵值法3對上述兩指標賦予權重計算得到綜合指標來衡量房地產金融風險。

主要解釋變量：人口增長率（PG）。其他解釋變量：（1）房地產開發投資額增長率（HD）表示房地產投資對房地產金融風險的影響。（2）國內生產總值增長率（GR）控制不同經濟梯度房地產金融風險空間溢出的影響;（3）房地產貸款投資比（FR）表示房地產企業給金融機構帶來的風險對房地產金融風險的影響。（4）房價增長率（HR）反應不同地區房地產的需求。4

2.空間溢出效應的檢驗與模型的選擇

用MATLAB軟件計算京津冀地區經濟-距離權重矩陣，并得到總體莫蘭指數為0.3143，屬于（0，1）的范圍內為正向的空間相關性。每年莫蘭指數的檢驗結果均為正數并在5%水平下的顯著性檢驗，表示京津冀地區房地產金融風險存在顯著的正向空間相關性。也就是說，京津冀地區一個城市的房地產金融風險的增加會帶動周圍城市房地產金融風險的增加，從而出現房地產金融風險正向空間溢出的特征。

常用的空間計量模型有空間滯后模型、空間誤差模型和空杜賓模型。模型的選擇需要通過對研究對象進行拉格朗日乘數檢驗來決定。檢驗結果顯示robust LM-lag在1%的置信水平上顯著，robust LM-error不顯著，因此針對房地產金融風險空間回歸模型應選擇空間滯后模型（SLM）。

3.空間計量模型的建立

依據拉格朗日乘數檢驗的結果，建立如下多因素空間面板滯后模型：

其中，ρ為空間回歸相關系數，其顯著性表示被解釋變量是否存在空間溢出，其大小表示被解釋變量空間溢出的強度。β為回歸系數，本文中表示房地產金融風險受到其他變量的影響程度。t和i分別表示時間和地區。 為個體效應，可以是固定（與解釋變量相關）的效應也可以是隨機（與解釋變量不相關）的效應， 為一般殘差擾動項。

4.參數估計結果

本文使用MATLAB軟件分別對京津冀房地產金融風險固定效應下和隨機效應下的多因素空間滯后面板模型進行回歸分析，固定效應下的空間滯后模型參數估計結果如下。整體回歸的擬合優度R2為0.9285，接近1，擬合效果較好。從具體回歸結果中來看：（1）解釋變量顯著性：房地產貸款投資比FR在5%的置信水平下顯著，GDP增長GR不顯著，人口增長率PG、房價增長率HR、房地產開發投資額增長率HD在1%的置信水平下顯著。（2）β系數：FR的系數為1.21，PG的系數為-10.30，HR的系數為1.87，HD的系數為0.38。（3）空間相關系數ρ：空間相關系數為0.75，且在1%的置信水平下顯著。

本文使用Hausman檢驗對回歸結果進行了穩健性檢驗，從檢驗結果中可以看出，P值小于0.01，回歸結果應拒絕隨機效應，選擇固定效應。因此認為就本文研究的樣本而言，具有固定效應的空間滯后面板模型優于具有隨機效應的空間滯后面板模型。

三、實證結論

通過前文對觀測值的回歸分析可以看出，京津冀地區房地產金融風險存在空間溢出效應，且為正向的空間溢出效應。這是因為地理臨近的區域，有利于要素的流動，資本的流通，從而增加了房地產金融風險區域性傳遞的可能性。

本文回歸結果以固定效應為主，從解釋變量與被解釋變量的關系可以看出：京津冀地區人口增長率（PG）對房地產金融風險的空間溢出影響最大，且是負效應。這說明，京津冀地區人口增長率的提升會降低房地產金融風險的空間溢出。因此認為，京津冀地區人口增長導致由銀行貸款的增加引發的房地產金融風險的增加效果小于人口增長導致住房空置率的降低引發的房地產金融風險的減少效果。考慮的原因是京津冀地區人口素質的提升及個人信用體系的建設導致由個人銀行貸款引發的房地產金融風險相對較小，而京津冀地區住房空置問題引發的房地產金融風險相對較大，導致人口增長對住房空置問題更敏感。

因此，在地理位置臨近的京津冀地區，其中一個地區的人口增長率的降低，會造成這一地區的房地產金融風險增加，由于京津冀地區之間的正向空間溢出效應，這一地區的風險增加會導致其他地區的房地產金融風險也增加，反之減少。

四、建議

目前京津冀地區一體化發展處于初級階段，北京與天津、河北的協調性較差、經濟水平差距較大，在調控房地產市場時，應給予因地制宜的房地產政策，根據各地區的實際情況，差別化調控各地房地產金融風險，同時拒絕部分地區的特立獨行對周圍地區造成的不良影響。

（1）增強地區吸引力，吸引高質量人才，促進人口增長率的增加，降低住房空置率，以滿足基本住房需求為目的調控房地產市場。（2）提高人口素質，加強個人信貸體系建設，減少個人房地產貸款給銀行帶來的風險。（3）金融機構要加強對房地產企業貸款的審核力度，貸款初期對房地產企業及開發地點實地調研，貸款中期不定時對貸款企業進行再審核，貸款后期根據房地產企業的收益情況及時收回貸款，拒絕盲目逐利帶來不必要的風險。

參考文獻

[1] 鞠方，陽娟，黎小佳.基于空間異質性的中國住房空置率與房地產金融風險研究[J].財經理論與實踐，2018，39（04）：26-31.

[2] 溫海珍，張之禮，張凌.基于空間計量模型的住宅價格空間效應實證分析：以杭州市為例[J].系統工程理論與實踐，2011，31（09）：1661-1667.

[3] 沈麗，劉媛，李文君.不良貸款、空間溢出與區域經濟增長[J].經濟與管理評論，2018，34（03）：26-41.

[4] 張學波，陳思宇，廖聰，宋金平.京津冀地區經濟發展的空間溢出效應[J].地理研究，2016，35（09）：1753-1766.

[5] Kenneth Patton，American Estate Financial development，The American Economic Review，2006.

[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（08）：133-142.

[7] 黃燕芬，張志開，唐將偉.京津冀城市群住房價格波動溢出效應——基于單中心理論視角下的分析[J].價格理論與實踐，2018（11）：30-33.

[8] 程蘭芳，張鳳琴.京津冀協同發展下房價漣漪效應研究[J].價格理論與實踐，2018（08）：139-142.

注釋：

① 房地產貸售比=房地產國內貸款/銷售額

② [11]

③ 熵值法：一種客觀賦權法，根據各項指標所提供的信息大小來確定指標的權重。

④ 數據來源：中經網，wind數據庫，各地《國民經濟和社會發展統計公報》。