房地产资产财富效应的区域效应与时序差异:基于动态面板模型的估计

姚树洁，戴颖杰

(1.西安交通大学经济与金融学院，陕西西安 710061;2.诺丁汉大学当代中国学学院，英国诺丁汉)

房地产资产财富效应的区域效应与时序差异:基于动态面板模型的估计

姚树洁1，2，戴颖杰1

(1.西安交通大学经济与金融学院，陕西西安 710061;2.诺丁汉大学当代中国学学院，英国诺丁汉)

本文以1997－2010年我国31个省市的房地产价格和居民消费等作为研究样本，通过利用标准理论模型和拓展理论模型建立研究房地产资产财富效应的动态面板数据实证模型，并采用系统GMM估计方法来测度中国房地产资产的财富效应。结果显示，我国房地产资产价格与居民消费之间存在正相关的关系，即房地产资产具有财富效应，但是中部和东部的财富效应高于西部地区;但是随着经济的发展和居民收入水平的提高，房地产财富效应呈减弱趋势，2004－2010年的房地产资产对居民消费的长期弹性系数值显著小于1997－2003年的该值水平，下降达到48个百分点。

房地产;财富效应;系统GMM

一、引 言

房价稳定和内需增长是一国政府和央行制订宏观政策考虑的两个重要经济指标，而它们之间的内在联系也是学术界和政策当局长期关注的重要问题。近年来，相继研究表明，我国居民消费率(居民消费/GDP)呈逐年下降趋势，从1981年的67.5%降至2008年的35.3%，下降幅度高达30多个百分点。与内需不振形成鲜明对比的是，以住房为主导的消费①城镇居民人均居住消费只包含与居住相关的日常性支出，如房租、水电、煤、燃料等，不包含购房支出(购房支出作为固定资产形成来处理)。在国内兴起，就商品房销售额占城镇居民总收入的比重来看，1998年城镇住房制度改革后，这一比重上涨迅速，从1999年的9.6%上升到2006年的31.1%。然而，近年来居民消费低迷是否与住房消费增长有关，即住房消费与居民消费是否存在替代或互补关系②所谓替代关系只是住房消费增长挤出了居民消费;而互补关系是指住房消费挤入了居民消费，即存在房市正财富效应。，却是学术界和政策当局争论的问题。在此背景下，现阶段结合我国实际经济条件，正确地分析房价和消费之间的关系具有重要的现实意义与学术价值，它不仅有助于增强我们对房市财富效应的理解，而且也为政府制定房改和宏观调控政策提供重要的理论分析和实证检验的参考依据。

有关房价和消费之间关系的研究由来已久，特别是金融海啸以来，由于学者们担心房价的下降会挤出居民的消费性支出，进而对经济增长产生不利影响，由此兴起了一股研究房价与消费关系的研究热潮［1］。其中，Attanasio 和 Weber、Buiter，Muellbauer和Murata根据传统的生命周期消费理论，分析得出:房价没有明显的财富效应，甚至房价和消费之间存在负关系［2－4］;然而，Aoki、Iacoviello 却认为，房价可以通过“金融加速器”效应对居民消费支出产生正向的影响［5－6］;此外，Lettau 和 Ludvigson 的经典论文指出，资产财富的永久性变动才与居民消费有关，而资产价格变动中的很大一部分是暂时性变动，与消费支出无关，传统的估计方法高估了消费对资产财富的冲击反应;但与之不同的是，Contreras和Nichols(2009)利用美国的家庭调查微观数据实证分析后发现，即使房价的短期变动，也会给居民消费支出产生正向的影响，平均而言，房地产财富对消费支出的冲击边际效应约为 3.5%［7－8］。同时，Veirman和Dunstan认为，房地产财富的变动绝大多数是永久性变动，对居民消费有显著性的影响［9］。

最近，2011年3月16日央行发布的问卷调查结果表明，我国85.8%的城镇居民倾向于选择包括投资债券、股票、基金等变相的储蓄，而只有14.2%的居民倾向于“更多消费”，这创下了1999年调查以来的最低值，同时有74.4%的居民认为房价“过高，难以接受”［10］。调查报告表明，房价过高抑制了居民的消费支出。然而，2008年全球金融危机以来，关于房地产价格和消费的多数研究结果却显示，房市具有正的财富效应，即房价的上涨会扩大消费支出。显然，主流的研究结论与央行的调查结果之间存在争论。正因如此，近年来我国学者也从不同的角度揭示房价和居民消费之间的关系展开了深入的研究，其中，骆祚炎实证分析结果显示，房价体现出微弱的财富效应［11］。宋勃运用VAR模型的实证分析发现，房屋价格上涨是居民消费增加的Granger原因［12］。王子龙等的研究也发现，无论从长期分析还是短期分析来看，我国房屋价格变动都会对居民消费带来财富效应。房地产价格的正向冲击将对居民消费产生正效应，导致居民消费增加［13］。黄静和屠梅曾利用家庭微观调差数据，实证发现，房地产财富对居民消费有显著的促进作用，经济越发达地区房地产财富效应越大［14］。邬丽萍等的研究发现，房价上涨对我国居民消费支出有显著的抑制作用［15］。而李成武利用面板数据分析了中国各地区房地产财富效应，研究表明:四个直辖市、东北和东部地区存在显著的负向财富效应，经济越发达地区房价对消费的挤出效应也越明显［16］。沈悦和周奎省等运用时间序列FAVAR模型发现，我国商品住宅价格体现出了比较明显的挤出效应［17］。

该问题的研究不仅对增强我们对我国房市效应的理解，而且也为政策当局对未来房市调控政策改革与制定同样具有重要的学术价值和现实意义。有鉴于此，我们尝试着在现有研究的基础上做一个有益的补充，首先，通过构建房市与消费关系的标准模型和拓展模型，并选择我国31个省市数据，采用工具变量法、差分广义矩法和系统广义矩法对我国房市财富效应、分地区和不同时间段的财富效应进行展开深入研究，由此得出富有启发意义的结论，从而为进一步我国政府制定房改和宏观调控政策提供重要的参考依据。

接下来，本文结构安排如下:第二部分首先构建了房市与消费关系的标准模型和拓展模型;第三部分则简明介绍本文的数据来源、估计方法和实证模型构建;第四部分为实证检验结果和分析;最后部分是本文的结论和启示。

二、理论模型构建

(一)标准理论模型

采用Blanchard和Fisher提出的永久收入假说模型，代表性的个人在0时刻终身效用总和最大化［18］:

其中，Et是基于时期信息的期望算子，β为主观贴现因子，ct表示消费需求，At表示消费者t时期持有的资产，Yt表示t时期劳动收入，rt表示表示t时期资产回报率。

对以上最优化问题构建拉格朗日函数，并做最优化处理，可得一阶条件为:

其中，β和γ为γ和η的函数。与此同时，与Dvornak和Kohler一致［19］，为了简单起见，我们假定资金仅仅取决于房地产财富Ht，则消费函数可改写为:

Hayashi(1982)给出了关于影响社会财富收入因素的时间路径表达式为:

其中，yt－1表示人均税前劳动收入，eYt表示根据t时期所获得的信息，由消费者t－1期Y的预期所作的修正，其表达式为:

将(6)、(7)式代入(5)式，经过化简，可以得到:

其中，εt=γeYt为误差项，误差项εt是一个MA(1)过程，因此在计量分析的时候，应该注意选择合适的估计方法，以避免由其引起的参数估计有偏问题。同时考虑到私人的前期消费在很多程度上由前期的收入水平决定［20］。因此(8)式中ct－1和yt－1可能存在较强的相关性，有鉴于此，在计量研究中，与苑德宇等一致［21］，我们把项并入ct－1项中，并采用参数θ表示ct－1前系数，则模型可进一步改写为:

此表达式为本文计量经验分析的理论框架。由上式可知私人消费不仅与前期消费有关，而且还受到当期房产财富的影响。与此同时，在本文研究中，采用Ht(Pt)表示t期末家庭的净财富为房地产价格的函数关系，而Pt表示t期末的房地产价格。因此，在下文经验分析中，我们将重点考察Ht前系数的大小和方向，以进一步研究房地产资产价格(房地产价格)的财富效应。

(二)两部门的拓展理论模型

与此同时，相关研究表明政府消费是社会总有效消费的重要组成部分，有鉴于此，本文与Karras，Evan 和 Karras以及 Ho 等的研究相一致［22－24］，假定社会凯恩斯有效需求由居民消费和政府消费的简单线性(c*t=ct+δgt))关系所决定，其中参数δ为正(或负)表示政府消费与居民消费存在替代(或互补)关系。此时代表性个人的总效用函数为U(ct，gt)，由此通过最优化处理可得到:

假定经济中不存在惜贷问题，则我们可以把代表性个人的财富总量写成其各项资产和收入流量的现值的总和:

其中，Ht表示资金仅仅取决于房地产财富，Yt为真实人力资本的价值，它由当前的劳动收入yt和未来劳动收入的期望值(Etyt+k)构成;Gt和Tt分别表示当期及未来的税收(tt)和财政支出(gt)的折现值，αGt表示当期和未来的财政支出给消费者所带来的财富效应。

如果假定政府在跨期内实现预算平衡，即Gt=Tt，代入上式则有:

由此可见，(α－1)Gt出现在财富的表达式中，只要α≠1，财政支出的变动就会给消费者带来正或负的财富效应，由(10)、(11)、(12)式可得:

下面是Hayashi给出了关于影响社会财富收入因素的时间路径表达式为［25］:

其中，gt－1表示人均税前财政支出，eGt表示根据t时期所获得的信息，由消费者t－1期Y的预期所作的修正，其表达式为:

将(14)、(15)式代入(13)式，经过化简，可以得到:

其中，误差项εt是一个MA(1)过程，因此在计量分析的时候，应该注意选择合适的估计方法，以避免由其引起的参数估计有偏问题。同时考虑到私人的前期消费在很多程度上由前期的收入水平决定［20］。因此(18)式中ct－1和yt－1可能存在较强的相关性，有鉴于此，在计量研究中，与苑德宇等一致，我们把yt－1项并入ct－1项中，并采用参数 θ表示ct－1前系数［21］，则模型可进一步改写为:

此表达式为本文拓展计量经验分析的理论框架。由上式可知私人消费不仅与前期消费有关，而且还受到当期房产财富、当期政府消费和前期政府消费的影响。与此同时，在本文研究中，采用Ht(Pt)表示t期末家庭的净财富为房地产价格的函数关系，而Pt表示t期末的房地产价格。因此，在下文经验分析中，我们将重点考察Ht前系数的大小和方向，以进一步研究房地产资产价格(房地产价格)的财富效应。

三、数据、方法与计量模型的说明

(一)数据说明

本文采用年度频率数据，时间跨度为1997～2010年，研究样本包括我国31个省(市)的面板数据①本文研究包括的31个省份(市)分别为:东部地区11个省份(即北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南)、中部地区8个省份(即山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南)和西部地区12个省份(即内蒙古、西藏、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏和新疆)，同时，在数据获取和整理过程中，我们发现重庆市1996年以前部分数据严重缺失，而西藏地区经济结构具有特殊性，故未将这两个地区(省份)的数据纳入本文的分析范围。。本文所采用的名义政府消费、名义居民消费、名义可支配收入以及总人口均来自于中经网统计数据库以及《中国统计年鉴》(1998年—2011年)、《新中国五十五统计资料汇编》、《各省统计年鉴》(1998年—2011年)各卷整理获得。其中，各名义(实际)变量除以总人口获得各人均名义(实际)变量。

考虑到商品房的购买者主要集中于城市居民，代表性个人的可支配收入则采用城镇家庭人均可支配收入作为代表变量，因此，本文选择我国房地产价格变动直接影响私人财富的大小，并通过财富渠道影响私人消费行为，因此，本文以房地产价格代表居民持有的房地产资产总财富。各实际变量采用各名义变量除以消费者价格指数获得，本文以季度定基比价格指数(基期为2005年)②由于我国尚未公布消费者价格的季度定基比指数，因此，与现有文献研究相一致，本文利用我国公布的消费者价格的同比指数和环比指数构造我国消费者价格的季度定基比指数(基期为2005年)。进行平减，其中，人均名义可支配收入的计算公式如下:(城镇家庭平均每人可支配收入×城镇人口+农村居民家庭人均年纯收入×乡村总人口)/总人口③当统计上存在数据缺失时，使用人均实际居民消费水平(元/人)作为人均名义可支配收入的替代变量。。

(二)计量模型的说明

基于(9)式和(19)式，并采用对数形式我们把实证模型设定为:

其中，lncit表示真实人均居民消费的对数值;lngit表示真实人均政府消费的对数值;lnHit表示房地产价格的对数值，为随机扰动项。

(三)估计方法的说明

以上(20)、(21)式为房地产财富效应的动态面板数据实证模型。在动态面板数据模型中，由于自变量中存在被解释变量的滞后项，由此可能导致自变量与随机扰动项相关，且由于模型可能存在横截面相依性，因此，如果采用传统面板数据的固定效应或随机效应模型进行估计，可能导致模型估计的参数非一致。

为了有效处理该问题，Arellano and Bond提出了采用工具变量(IV)导出相应矩条件的广义矩(GMM)方法［26］，也就是差分广义矩估计方法和差分广义矩方法(Difference GMM)。一阶差分法在消除动态面板数据中包含固定效应时，常常会导致经过转换后的横截面特定误差向存在系列相关，此外，在此过程中还经常会导致样本信息量的损失，并在当自变量在时间上有持续性时工具变量的有效性也将减弱，从而使得差分转换存在许多缺陷。

针对这些缺陷和不足，Arellano and Bover Blundell and Bond提出了系统广义矩或系统GMM(system GMM)［27－28］，该方法不是利用当期观察值减去前一期观察值的一阶差分法或用各观察值减去变量均值的组内变换法，而是采用各观察值减去变量将来所有可观察值的平均值的前向均值差分法，也即是所谓的Helmert转换。在消除动态面板数据包含的固定效应时，Helmert转换有效避免了经转换后横截面特定误差项的序列相关。由于系统GMM估计利用了更多的样本信息，在一般情况下可增强差分估计中工具变量的有效性，本文主要采用系统GMM估计动态面板数据模型。但参数估计是否有效依赖于工具变量的选择是否有效，本文根据两种方法来识别模型设定的有效性:(1)检验扰动项是否序列自相关，其零假设为差分后的残差项不存在二阶序列相关;如果不能拒绝零假设即AR(2)的值大于0.1，则说明估计是有效的;(2)用Hansen检验识别工具变量的有效性，其零假设为过度识别检验是有效的;若不能拒绝零假设就意味着工具变量的设定是恰当的。

四、实证结果及分析

(一)单位根检验

自从Levin和Lin以及Quah的开创性研究以来［29－30］，有关面板单位根检验的相关文献大量涌现。其主要检验思路是:考虑具有一阶自回归AR(1)过程的面板数据，当自回归系数小于1时，面板数据为弱的平稳序列;而当自回归系数等于1时，则表示面板数据具有一个单位根过程。

视假设条件不同可分为两类:一类为同质面板单位根检验，即假定面板单位具有相等的单位根过程，主要有 Breitung 检验和 LLC 检验等［31－32］;另一类为异质面板单位根检验，即放松了不同面板单位时间序列具有相同一阶自回归系数的约束条件，允许一些面板个体具有单位根过程，与第一类相比更加接近客观现实，主要有IPS检验和ADF－Choi检验［33－34］等。

在进行实证研究之前，首先需要对各主要变量进行预分析，以判别变量序列的平稳性。为保证结果的稳健性和可靠性，本文多种面板单位根检验方法，主要有LLC检验、Breitung检验、ADP－Chio检验、IPS检验和PP－Chio检验五种方法分别对各变量进行面板单位根检验，结果列于表1。对各时间序列变量水平值的检验结果均无法拒绝存在单位根的原假设，但其一阶差分都在1%的显著水上拒绝存在单位根的原假设。检验结果表明各时间序列变量均为非平稳的I(1)过程，由此可对变量进行面板协整检验和回归分析。

(二)模型估计

根据上文的面板数据进行实证研究，本文采用工具变量法、差分广义距法和系统广义矩法分别对标准模型((20)式)和拓展模型((21)式)进行实证检验，结果如表2和表3所示。在估计结果同时给出了工具变量法、差分广义矩法(一步和两步)和系统广义矩法(一步和两步)各自获得的估计量。同时，给出Wald约束检验、残差一阶序列自相关和二阶序列自相关的检验统计量m1和m2以及工具变量设置是否正确的检验统计量(Sargan检验)。

表1 面板单位根检验

从表2各列的回归结果可以看出，无论是当期的房地产价格还是上一期的房地产价格，对当期消费均存在财富效应。根据模型的检验看，列(4)和列(6)均显示出两步差分广义矩法和两步系统广义矩法差分后的残差项不存在一阶序列相关和二阶序列相关，而且Sargan检验统计量的P值为1，接受原假设，认为工具变量的选取是正确的。因此，选取列(4)和列(6)的回归结果进行观察，得出:当期房地产价格对居民消费的即期弹性系数值处于在0.46－0.535之间，而滞后期的房地产价格对居民消费的弹性系数值位于0.139－0.269之间，当期的房地产资产财富效应更为显著。与此同时，为了考察房市的长期财富效应弹性，我们对(20)式作递归处理。

由此，可以得到长期的房市财富效应弹性系数为:

根据图1和式(23)，我们可以测算出标准模型的长期弹性为1.317983，该值大于1是错误的，这主要是由于标准模型没有考虑到控制政府消费对居民消费的影响。

表2 房地产资产财富效应的标准模型回归结果

图1 各个滞后阶数的房市财富效应弹性系数值

为了更好考察房市财富效应，我们在回归中控制了政府消费对居民消费的影响效应，即采用拓展模型进行实证检验，结果显示，在标准模型中，R2为0.95，而在加入了政府消费后的拓展模型中，R2有所增大，如表3所示，为0.977，且政府消费和它的滞后变量的估计系数均在1%统计水平上显著。说明拓展模型能更好分析房地产资产的财富效应，在估计上更有效率。同样，根据模型检验的结果，列(4)和列(6)的估计结果较为满意，但是比较而言，系统广义矩法本身而言就比差分广义矩法在估计上更具效率，而且从表3也可看出，列(6)各估计量均在1%的统计水平上显著，结果比列(4)更令人满意。因此，下面以列(6)进行分析。与表2对式(20)的分析结果一致，式(21)拓展模型的回归结果也显示:房地产资产存在着财富效应，且当期的资产财富效应比滞后期的更为显著。 在表3列(6)中，当期房地产价格对居民消费的弹性系数值为0.199，而上一期的房地产价格对居民消费的弹性系数值则为0.034，因此，同样根据图1和式(23)，测算得出长期的房市财富效应弹性系数为0.587054，远低于标准模型的1.317983，显示了拓展模型的正确性。列(6)同时也显示，居民当期消费很大程度上受到滞后一期消费的影响，其弹性系数值达到0.618且在1%的统计水平上显著，高于长期的房市财富效应弹性系数值0.587054，说明了我国居民消费较为遵循霍尔随机游走模型，这主要是由于消费习惯的不可逆性所决定的，呈现出较明显的“棘轮效应”。

(三)稳健性检验

为了检验上述结论的稳定性，更好衡量房地产资产对居民消费的影响，本文从不同的地区(东部、中部与西部)以及不同的时期等方面对理论模型进行稳健性检验

1.分地区的稳健性检验

本文利用全国31个省市的面板数据对式(20)和(21)进行估计，得出我国房地产资产的财富效应情况，然而所得到的估计结果是就全国而言的，对各省市实施具体的调控房价政策的指导作用有限。因此，通过分地区进行稳健性检验的同时，也可以更加细致、精确地评估我国房地产价格与居民消费之间的关系，从而提高分析结论对政策的指导意义。

表3 房地产资产财富效应的拓展模型回归结果

表4 房地产资产财富效应的标准模型回归结果:基于系统广义矩法的估计

表5 房地产资产财富效应的拓展模型回归结果:基于系统广义矩法的估计

根据经济发展程度将我国各省市分为东部、中部与西部3个地区。各经济区域内的房地产资产财富效应的分析仍沿用前文所构造的标准模型(20)和拓展模型(21);估计方法为一步系统广义矩法和两步系统广义矩法。结合表2，对比表4中各区域的回归结果，可以看出:表2的回归结果具有较强的稳定性，无论是东部、中部还是西部地区，当期的房地产资产价格波动均会对居民消费造成正效应，即具有财富效应。但是，该效应的大小各区域有异，其中，中部地区的房地产财富效应最强，东部地区次之，西部地区最弱。同样，结合表3来对比表5拓展模型的回归结果，虽然中部和西部地区所得到的房地产资产对居民消费的弹性系数值不显著，但是也可以得出相似的结论，即:各个区域的房地产资产均具有财富效应，其中，中东部地区的财富效应相比起西部地区要强很多。同时，表4和表5均体现出居民消费明显的“棘轮效应”，其遵循霍尔随机游走模型，特别是东部地区和西部地区。这两个地区的滞后一期消费对当期消费的弹性系数值分别处于0.515－1.000之间和0.740－0.936且较为显著，很好地证明了上述结论的稳定性。相比起中部地区，东西部地区的居民消费更加符合霍尔随机游走模型，其原因可能是东西部地区居民的消费相对较为理性，其受其他因素的影响小于中部地区。

2.分时段的稳健性检验

2003－2004年，我国房地产进入了快速发展的阶段。自2003年起，国家为了房地产市场的健康稳定发展，避免形成房地产泡沫，实施了一系列针对房地产市场的宏观调控政策以稳定住宅价格。因此，本文在此将研究窗口1997－2010分割为两个时段，即1997－2003和2004－2010年，在进行稳健性检验的同时也观察是否存在时序差异。在此使用的估计方法是系统广义矩法，使用的模型与上文一致，既有标准模型，也有拓展模型。由此可见具体的回归结果见表6。

从表6可以看出，拓展模型的估计效率优于标准模型。这主要是因为:拓展模型中残差序列不管在哪个时间段均出现显著一阶序列相关但不存在二阶自相关，这意味着模型设定可取;同时，两个时期的Sargan检验的P值较大，说明了工具变量选择的有效性。因此，以拓展模型的估计系数进行分析，得出:在1997－2010年，我国房地产资产均具有财富效应，显示出较强的稳健性。但是，结果也显示出存在明显的时序差异。即经过2003－2004的房地产调控，就即期财富效应弹性而言，随着时间推移呈增强态势，即从原先的0.072升至0.123，升幅达到70.83%;而就长期财富效应而言，则从原先的0.688335下降至0.359053，下降幅度为48%。但是，在1997－2003和2004－2010期间，滞后一期的居民消费对当期消费的弹性系数值分别为0.786和0.714且在1%的统计水平上显著，均高于长期房市财富效应值，说明消费习惯等因素对居民消费的影响大于房市的财富效应，说明了我国居民消费习惯的不可逆，印证了居民消费长期内均遵循霍尔随机游走模型。

表6 房地产资产财富效应的回归结果:基于系统广义矩法的估计

五、结 论

本文研究发现，我国房地产资产具有财富效应，其中，当考虑政府消费对居民消费的影响效应时，我国房市的长期财富效应为0.233，即房价每涨1%，居民消费增长0.233个百分点。进一步的研究发现，我国中部和东部区域的财富效应高于西部地区，主要的原因在于，西部地区的房地产市场落后于中、东部地区，房地产市场流动性较弱;而且西部地区由于经济较为落后，消费者需求较为刚性，大部分居民以必要消费为主，因此即使房价上涨也不会对私人消费造成太大影响。与此同时，本文的研究发现，随着时间的推移我国房市长期财富效应出现下降的趋势，从1997－2003年间的0.688335下降至2004－2010年间的0.359053，表明随着中国经济的发展和居民收入水平的提高，房价变动对居民消费的影响却不断减弱。

本文的研究给我们如下两点启示:

第一，我国房地产资产存在财富效应，因此，房价过高并非是导致内需不振的主因。但是，同时我们也应该警惕房地产市场泡沫的产生，继续深化房地产调控政策，促进其稳定发展，从而更好发挥财富效应

第二，相比起房地产财富效应，居民消费呈现出的“棘轮效应”更为明显，这与我国居民受历史因素和社会环境等影响而形成的勤俭朴素的消费习惯和消费观念密切相关。因此，政府一方面在扩大内需，大力发展服务业和文化产业的同时，也应倡导积极健康的消费理念，促使消费结构的优化。

［1］李亮.房地产财富与消费关系研究新进展［J］.经济学动态，2010(11):113－19.

［2］Attanasio O，Weber G.The UK Consuptin booms of the late 1980s:aggregate implications of microeconomic evidence［J］.The Economic Journal，1994，104(427):269－362.

［3］Buiter F C，Morana C.Permanent and transitory dynamic in house price and consuption:crosee－counry evidence［R］.center for research on pensions and welfare polices，2008，wokong paper，No81.

［4］Muellbauer J，Murphy A.Housing markets and the economy:the assessment［J］.Oxford Review of Economic Policy，2008，24(1):1 －33.

［5］Aoki K，Ptoudman J，Vlieghe G.House price，consumption and monetary policy:a financial accelerator approach［J］.Journal of Financial Intermediation，2004(13):114 －435.

［6］Iacoviello M Neri S.Housing Market Spillovers:Evidence from an Estimated DSGE Modelhttp://www2.bc.edu/iacoviel/research_files/NERI_PAPER.pdf，2007 － 03 －31.

［7］Lettau M，Ludvigson S C.Understanding trend and cycle in asset values［J］.American Economic Review，2004，94:276－299.

［8］Contreras J，Nichols J.Consumption responses to permanent and transitory shocks to house appreciation［R］.2009，WorkingPaper，CongressionalBudgetOffice，Washington，D.C.

［9］Veirman E D，Dustan A.Does welth variation matter for comsumption?［R］.Reserch bank of New Zealand ，jan，2010 ，Working Paper，No224.

［10］李崇光.中国高房价和高物价恐引发社会动荡［EB/OL］.［2011 －02 －27］，凤凰网 http://house.ifeng.com/special/2011lianghui/qianzhan/detail_2011_02/27/4876466_0.shtml.

［11］骆祚炎.城镇居民金融资产与不动产财富效应的比较分析［J］.数量经济与技术经济研究，2007(11):57－64.

［12］宋勃.房地产市场财富效应的理论分析和中国经验的实证检验:1998－2006［J］.经济科学，2007(5):41－53.

［13］王子龙，许箫迪，徐浩然.房地产市场财富效应理论与实证研究［J］.财贸经济，2008(12):116－122.

［14］黄静，屠梅曾.房地产财富与消费:来自于家庭微观调查数据的证据［J］.管理世界，2009(7):35－45.

［15］邬丽萍，周建军.房价波动对消费支出影响的实证分析［J］.财经理论与实践，2009(1):109－112.

［16］李成武.中国房地产财富效应地区差异分析［J］.财经问题研究，2010(2):124－129.

［17］沈悦，周奎省，李善燊.利率影响房价的有效性分析——基于 FAVAR 模型［J］.经济科学，2011(1):60－69.

［18］Blanchard O J，Fisher S.Lecture on macroeconomics［M］.MIT Press，Cambridge，Massachusetts，1989.

［19］Dvornak N，Kohler M.Housing wealth，stock market wealth and consumption:A panel analysis for australia［J］.Economic Record，2007(6):113 －151.

［20］王宏利.中国政府支出调控对居民消费的影响［J］.世界经济，2006(10):30－38.

［21］苑德宇，张静静，韩俊霞.居民消费、财政支出与区域效应差异——基于动态面板数据模型的经验分析［J］.统计研究，2010(2):44－52.

［22］Karras G.Government spending and private consumption:Some international evidence［J］.Journal of Money，Credit and Banking，1994，26(1):9 －22.

［23］Evans，Karras.Are government activities productive?evidence from a panel of U.S.States［J］.The Review of Economics and Statistics，1994，76:1 －11.

［24］Tsung－wu Ho.The government spending and private consumption:A panel integration analysis［J］.International Review of Economics and Finance，2001(10):95－108.

［25］Hayashi F.The permanent income hypothesis:Estimation and testing by instrumental variables［J］.Journal of Political Economy，1982，90:895 －916.

［26］Arellano M，Bover S.Tests of specification for panel data:Monte Carlo evidence and an application to employment equations［J］.Review of Economic Studies，1991，58(2):277－297.

［27］Arellano M，Bover O.Another look at the instrumental variable estimation of error － components mkodels［J］.Journal of Econometrics，1995，68(1):29 －52.

［28］Blundell R，Bond S.GMM estimation with persistent panel data:An application to production functions［J］.Econometric Reviews，2000，19(3):321 －340.

［29］Levin A ，Lin C F.Unit root test in panel data:Asymptotic and finite sample properties［Z］.University of California at San Diego，Discussion Paper，1992，92 －23.

［30］Quah D.Exploiting cross－ section variations for unit root inference in dynamic data［J］.Economics Letters，1994，44(1):9－19.

［31］Breitung J.The local power of some unit root tests for Panel Data in Badi Hani Baltagi(ed)，Advances in E－conometrics，Nonstationary Panels，Panel Cointegration and Dynamic Panels［J］.2000，15:161 －1787.

［32］Levin A，Lin C F ，Chu C.Unit root tests in panel data:Asymptotic and finite － sample properties［J］.Journal of Econometrics，2002，108(1):1－24.

［33］Im K S，Pesaran M H，Shin Y.Testing for unit roots in heterogeneous panels［J］.Journal of Econometrics，2003，115(1):53－74.

［34］Choi In.Unit root tests for panel data［J］.Journal of International Money and Finance，2001，20(2):249－272.

The Regional and Time Difference of Real Estate Wealth Effects:Based on Dynamic Panel Data Model

YAO Shu－Jie1，2，DAI Ying－Jie1
(1.School of Economics and Finance，Xi'an Jiaotong University，710061 Xi'an，China;2.School of Contemporary Chinese Studies，University of Nottingham，UK)

This paper constructs a dynamic panel data model of real estate wealth effects and estimate China real estate wealth effect with the system GMM estimation method based on data from 31 provinces through 1997－2010.The results show that real estate price is positively related to household consumption，with higher wealth effect of real estate of eastern and central regions than that of the western region，that the wealth effect is weakening with economic development and increased household income，and that the elastic coefficient through 2004－2010 is significantly less than that through 1997－2003 with 48 percentage decrease.

Real Estate;Wealth Effect;System GMM

A

1002－2848－2012(06)－0088－10

2012－09－06

姚树洁(1959－)，英籍华人，西安交通大学经济与金融学院特聘教授，博士生导师，英国诺丁汉大学当代中国学学院院长，教授，研究方向:计量经济分析、收入分配理论与经济增长;戴颖杰(1982－)，浙江省温州市人，西安交通大学经济与金融学院博士研究生，研究方向:产业经济学。

责任编辑、校对:李斌泉