基于空间异质性的中国住房空置率与房地产金融风险研究

鞠方 阳娟 黎小佳

摘要：运用空间计量方法，利用2004-2015年30省市面板数据考量住房空置率对房地产金融风险的影响。结果表明：中国房地产金融风险在空间上存在显著的正向关联，地理距离和经济距离均会对区域房地产风险及其空间相关性产生显著影响，在考虑了空间影响后住房空置率对房地产金融风险的影响显著为正。

关键词：住房空置率；房地产金融风险；空间异质性

中图分类号：F293.35文献标识码：A文章编号：10037217（2018）04002606

一、引言

随着房地产行业的飞速发展，我国房地产行业与商业银行等金融机构的产业关联度越来越高。近年来我国住房空置率居高不下，住房空置问题突出，房地产行业中积聚的金融风险也越来越大，不但阻碍了房地产业的健康可持续发展，对于我国经济的平稳运行也有巨大的不利影响。目前国内外对住房空置与房地产金融风险的相关性研究主要集中在以下两个方面。

一是住房空置与房地产价格及租金的关联性研究。ThomasJMiceli和CFSirmans（2013）认为租金的变化与自然空置率、市场空置率有关[1]，StephanWhitake和ThomasJ（2013）发现空置率会降低房价[2]。林毅夫（2006）认为在我国高房价与高空置并存[3]，而刘敏等（2006）发现房价与空置率呈反向变化[4]。近期也有学者对住房空置与租金的关系进行研究，张川川等（2016）认为发展住房租赁市场，降低租金水平有利于缓解住房空置状况[5]。沈晓艳等（2017）则利用相关数据建立住房供需模型进行分析发现，土地的供应价格对住房空置有负向影响[6]。目前关于房价对消费的影响也是学者们研究的重点，杨碧云等（2017）发现房价上涨对城镇居民家庭总消费具有显著的正向影响[7]，黎泉等（2018）发现房价对居民消费影响具有区域差异性，经济较发达内陆中等城市受影响更大[8]。

二是房地产价格波动与金融稳定关系的研究。Niinimaki（2009）发现房地产是银行信贷中极受欢迎的抵押品，房价上升带来的抵押品价值上升使得借款人的违约可能性降低，增加了银行体系的稳定性[9]。Christopher等（2011）认为银行为获取更高的收益将信贷過度集中于房地产市场，导致信贷和杠杆急剧增加，金融风险积聚，当泡沫破灭时，债务积压和去杠杆化将会危及金融稳定[10]。Bianconi&Yoshino;（2012）认为经济衰退导致的房价突然下降会使得整个金融体系陷入危机[11]。况伟大（2011）认为房价波动、信贷波动以及两者相互驱动下的联合波动会引发我国银行不稳定[12]。刘知博等（2014）发现银行体系引发了信用扩张，房地产金融风险主要集中在商业银行[13]。郭连强等（2015）研究认为目前我国房地产业融资渠道单一，商业银行负担了90%以上的房地产融资，市场风险和信用风险高度集中于商业银行[14]。王劲松等（2016）通过实证发现房地产、股票等资产价格的剧烈波动是引发金融不稳定的重要原因[15]。孟宪春等（2017）考察了住房信贷和房产税调控政策的传导机制和协调效应[16]。

二、传导机制分析

住房空置对房地产金融风险的影响主要是基于两种传导机制发挥作用：一是住房空置直接影响银行信贷资金的回笼，进而引发房地产金融风险；二是住房空置通过影响房价再进一步作用于银行信贷，从而影响房地产金融风险。

一是住房空置直接影响银行信贷资金。这一传导机制从房地产开发商和购房者两个角度对银行信贷造成影响。一方面就房地产开发商而言，资金多来源于银行贷款，建成的房屋尚未售出或租出时，具有较高的机会成本，开发商难以出售或出租空置房屋回笼资金，从而出现资金链断裂，导致商业银行面临巨大坏账风险。另一方面就购房者而言，这一方面的影响主要是针对投资投机者。由于我国融资途径少，融资工具单一且房地产投资者自身财力有限，投资者一般会采用住房抵押贷款形式进行投资，一旦住房空置率增加，房价下降，投资者无力还款或者选择不还款，银行会面临大量坏账。房地产行业对银行等金融机构的过度依赖，严重加大了商业银行面临的金融风险。

二是住房空置通过预期、供求和宏观经济运行三种机制影响房价，房价又作用于银行信贷，进而影响房地产金融风险。首先在房价预期上涨时，商业银行为了获得更高的利润纷纷提高对房地产行业的贷款，资本大量涌入房地产市场。其次这些涌入的资本使得房地产市场更为繁荣，进一步刺激了房地产开发商和购房者的投资热情，而房地产开发周期长，且土地供应有限，供给短期内无法适应需求的增加，由此抬升了房价。再次房价上涨后使得房地产价值上升，其作为银行信贷的抵押物价值更高，银行贷款的违约风险降低，房地产开发商和购房者又可以从银行获得更多的信贷，银行也由此增加了对房地产行业的信贷投入。最后银行信贷在房地产行业的大量投入使得房价泡沫急剧膨胀。增量市场上的高空置率容易使房地产市场预期走低，导致房价下跌，银行持有的住房资产价值缩水，同时住房价值的下降使得借款者的违约意愿增强，导致银行的房地产开发商贷款和购房者住房抵押贷款将会面临极大的坏账风险，房价泡沫的破灭会蔓延到整个金融体系，引发金融风险。

三、我国住房空置与房地产金融风险现状分析

（一）我国住房空置现状分析

如图2所示，从2004年开始我国商品房待售面积不断上升，2015年达到历史最高点。2015年之后我国房地产业实行“去库存”政策，商品房待售面积下降幅度较大，但是商品房的待售面积还是有将近6亿平方米。另有本文用如下公式：住房空置率=（住房待售面积/近三年住房累计竣工面积）×100%，测算了2004年到2016年的住房空置率，2016年我国30个省份住房空置率的平均水平高达19.09%。按照国际房屋空置率判断标准可知，超过10%的房屋空置率就进入了危险区域，目前我国商品房待售面积居高不下，住房空置率大大高于合理空置率范围，住房空置问题突出。

（二）我国房地产金融风险的现状分析

目前我国房地产金融风险主要集中于两个方面：一是房地产价格居高不下，市场风险突出。如图3所示，从2004年开始我国商品房的平均售价始终保持上升趋势，从2004年的2778元到2016年的7476元，平均每年上涨13%。房地产价格严重偏离其内在价值，导致我国房地产市场产生房价泡沫，市场风险严重。二是房地产企业过度扩张，信用风险明显。自1998房改后我国房地产开发企业数量不断上升，首先如图4所示，目前我国房地产开发企业的自有资金比例只占30%左右，占据较大比例的各种贷款都来自商业银行；其次，房地产开发企业的扩张使得购房者的住房按揭贷款也大量增加。房地产开发企业的大量贷款以及购房者住房按揭贷款的长期性使得商业银行的信用风险加大。

四、实证分析

（一）变量选取

本文数据主要来自于国家统计局。

1.被解释变量：房地产开发商国内贷款同房地产开发投资额的比重（FR），这一比重越大，说明房地产开发投资中集聚的银行信贷风险越大，房地产企业违约导致无法偿还银行贷款进而衍生出的系统性金融风险越严重。

2.核心解释变量：住房空置率（HV），本文采用增量市场上的住房空置率来衡量住房空置水平，由于房地产产品从生产到销售完成一般需要3年的周期，所以本文的住房空置率=（住房待售面积/近三年住房累计竣工面积）×100%。

3.控制变量：选取分省的GDP增长率（GR）控制地区发展水平对房地产金融风险的影响，选取新开工房屋面积增长率（NH）、房价收入比（HP）和商品房销售额增长率（HG）控制房地产市场需求对房地产金融风险的影响，选取房地产开发投资额增长率（DG）控制房地产市场供给对房地产金融风险的影响。

（二）经典面板估计结果及分析

首先在不考虑空间效应的影响下，构建一个多元回归模型采用经典面板估计方法衡量住房空置率对房地产金融风险的影响。模型如下：

FRit=β0+β1HVit+β2NHit+β3HPit+

β4DGik+β5HGit+β6GRit+uit（1）

其中FRit表示地区i在t期的房地产金融风险水平，系数β衡量解释變量对于FRit的影响，uit是误差项。

首先分别使用混合效应回归、固定效应模型和随机效应模型对总体样本进行回归，其中Hausman检验值为0.3503，故总体回归结果以随机效应为准。为了进一步分析住房空置率对我国房地产市场金融风险影响的区域差异性，再分别对东中西部三个子样本进行回归，进行Hausman检验后发现，东中西三个子样本回归分别支持固定效应、固定效应和随机效应。经典面板回归结果如表1所示。

首先，主要解释变量住房空置率（HV）系数为正，且都在5%的显著性水平上通过检验。这说明住房空置率对房地产金融风险有着显著正向影响，当住房空置率上升，房地产市场需求小于供给，由于房地产市场的供给缺乏弹性，房地产开发商为了及时出售，不得不降低房价。此时市场低迷，房地产开发商无法快速实现资金回笼及时偿还银行贷款。轻则影响企业流动性，重则资金链断裂，濒临破产，从而加大了房地产市场的金融风险。子样本中的系数数值西部>中部>东部，这说明住房空置率对房地产金融风险的影响存在区域差异性，其中西部地区的住房空置率对房地产金融风险的影响最大，中部地区次之，东部地区最小。这是因为西部地区房地产市场以刚性需求为主，住房空置率上升表示房地产市场上的住房库存增加，房地产开发商无法及时回笼资金以偿还银行信贷，加大了房地产金融风险。而中部和东部地区市场上存在较多的投资投机性需求，房地产开发商会采取“囤房”行为以提高房价，住房空置率提高带来的市场低迷对房地产金融风险的影响较小。

其次，房价收入比（HP）系数显著为正，房价收入比上升说明房价增长速度快于收入增长速度，消费者无力负担高额房价或偿还信贷，从而导致市场需求下降，住房空置率上升，房地产金融风险增加。GDP增长率（GR）的系数则显著为负，这是由于全社会总收入增加后固定资产投资分散到其他行业，分散了房地产金融风险。其他变量未通过显著性检验可能是由于未考虑空间效应，模型估计结果不理想。

（三）空间面板估计结果及分析

1.空间自相关检验。

为了检验房地产金融风险是否存在空间相关性，本文依次构建了邻接空间矩阵W1、地理距离矩阵W2和经济距离权重矩阵W3，并测算了MoranI和GearyC指数。

邻接空间矩阵是按照地理上是否邻接构建的，相邻地区设定为1，不相邻地区则设定为0。地理权重矩阵则是按照两地的地理距离而构建的，距离越远相关性越弱，本文利用地图上各个省会城市的经纬度测算省份之间的距离，再利用距离的倒数再平方测度空间相关性。经济距离矩阵则是利用各省的人均实际GDP差距的倒数来构建的，其经济发展水平越接近其空间相关性越高。

MoranI指数的取值介于-1～1之间，大于0时表示自相关为正向，小于0表示自相关为负向，取值趋向于0则表明随机的空间分布，无空间自相关。GearyC的取值范围在0到2之间（2不是严格上界），其中，当取值大于1时，呈负相关，等于1时表示不存在空间相关，取值小于1时呈正相关。

结果如表2所示，W1和W3无论是MoranI还是GearyC指数均通过了1%的显著性检验，且系数符号为正，W2的MoranI指数也在10%的显著性水平上通过检验。因此综合三个矩阵的结果来看，我国房地产金融风险存在显著为正的空间相关性，地区间的房地产金融风险存在空间溢出效应，所以有必要使用空间计量模型来勾勒住房空置对于房地产金融风险的影响。

2.建立空间模型。

为了进一步考察住房空置率对房地产金融风险水平的影响，剔除由于空间观测单元之间的相关性造成的内生性和残差扰动项非独立同分布致使的普通最小二乘法估计结果有偏的后果，本文采用空间计量方法进行进一步分析。

常用的空间计量模型有空间自相关（SAR）和空间误差（SEM）模型，SAR模型认为空间内不同观测单元相互之间的影响可以通过因变量的滞后项来体现：

FRit=γ∑nj-1Wijfrit+β0+β1HVit+β2NHit+

β3HPit+β4DGit+β5HGit+β6GRit+εit（2）

其中，γ表示空间内本地区房地产金融风险受到相邻地区房地产金融风险的影响程度，其中Wit为经处理后的空间权重矩阵，FRit表示某地区的房地产金融风险水平。∑nj-1Wijfrit为空间滞后因变量，用以表示t年度附近地区房地产金融风险水平的加权平均值（地区i除外），回归系数β度量房地产金融风险受到解释变量的影响，εit为残差扰动项。

SEM模型认为空间内不同观测单元相互之间的影响可通过残差扰动项来实现：

FRit=β0+β1HVit+β2NHit+β3HPit+

β4DGit+β5HGit+β6GRit+εit

εit=α∑nj-1Wijεit+μit（3）

其中α为空间误差系数，用来表示本区域房地产金融风险受到因变量残差扰动项的影响。∑nj-1Wijεit为空间滞后因变量，用以表示t年度附近地区房地产金融风险水平模型误差项的加权平均值（地区i除外），其余参数含义与SAR模型一致。

为了选择最佳空间计量模型，对SAR模型和SEM模型进行LM检验。结果如表3所示，W2选择SEM模型，但W1和W3均选择SAR模型。因此综合来看，选择对三种空间矩阵进行SAR模型的回归。

3.空间回归结果及分析。

由于空间面板回归同样具有固定效应和随机效应，我们首先分别利用固定效应模型和随机效应模型分别在三大权重矩阵的背景下进行回归，再利用Hausman检验在回归模型中进行选择。Hausman检验的结果分别为0.8032，0.7810，0.0963，即对三大矩阵背景下的模型分别支持随机效应、随机效应和固定效应。结果如表4所示。

首先，关注空间相关系数ρ。在三种矩阵背景下，ρ的系数符号均为正，且均能在5%的显著性水平上通过检验，这表明我国房地产金融风险具有显著的空间溢出效应。W1、W2背景下的空间相关系数显著为正，这表示在地理上邻近地区的房地产金融风险会产生空间溢出效应。这是因为地理位置的邻近有利于要素流动，资本的流通使得银行信贷风险在地区之间辐射，从而增加了房地产金融风险。W3为背景的回归结果表明在经济水平上相近的地

区，其房地产金融风险也会产生空间溢出。这是因为经济发展水平相似的地区，其经济往来、经济合作更加密切，资本、人口的来往更加频繁，为房地产金融风险的传播创造了有利条件。

其次，关注主要解释变量住房空置率（HV）的系数。可以看到在三种权重矩阵的背景下，住房空置率系数均通过了5%的显著性检验，且系数符号为正。这说明在剔除了由于空间观测单元之间的相关性后住房空置率仍然对房地产金融风险有着显著影响，住房空置率提高会带来房地产金融风险的上升，且由此产生的房地产金融风险会对地理距离较近以及经济发展水平类似的地区产生空间溢出效应。这是因为对于这些地区来说，住房空置率上升导致该地区房地产市场供给增加，房价下降，又间接使得距离较近和经济发展水平类似地区的购房者都形成房价下降的预期，减少购房需求，使得这些地区的住房空置率上升，产生房地产金融风险溢出。

最后，控制变量中房价收入比（HP）、商品房销售额增长率（HG）、GDP增长率（GR）的系数均至少在5%的显著性水平上通过了显著性检验。其中HP和HG的系数为正，GR的系数为负。这说明无论是在地理区位还是经济发展水平邻近的地区，其房价收入比、商品房销售额增长率对房地产金融风险具有正效应；GDP增长率对房地产金融风险具有负效应，因为伴随GDP的增长，投资渠道增加，住房投资转移到其他领域，实现了金融风险的分散。

五、结论与政策建议

通过实证分析，本文得出以下结论：（1）在未考虑空间效应的前提下，住房空置率对房地产金融风险具有显著正向的影响，且这一影响存在地区差异，西部地区的住房空置率对房地产金融风险的影响最大，其次是中部，最后是东部地区。（2）通过构建三种空间矩阵进行空间自相关检验发現，我国房地产金融风险存在显著为正的空间相关性。基于空间SAR模型的回归分析可知，在空间效应下住房空置率对我国房地产金融风险的影响显著为正，且住房空置率对房地产金融风险的影响具有空间溢出效应。

由于房地产金融风险的显著空间相关性，政府在制定调控政策时要充分考虑区域之间的相互影响，各个地区在实施差别化的房地产金融风险调控政策的同时要加强与地理上相邻和经济水平类似的地区之间的协调合作，既要基于各地区的实际情况积极降低住房空置率，又要避免“单独行动”造成的政策失效。

目前我国住房空置率居高不下，加大了我国房地产金融风险。因此为维护我国房地产行业健康发展，保持我国经济平稳运行，政府应积极实施宏观调控，从以下四个方面入手，有效降低我国住房空置水平，防范房地产金融风险：（1）提高公共服务水平，完善社会保险体系，刺激国民消费，增加房地产市场改善性需求，降低住房空置水平。（2）加快建立租购并举的住房制度，大力发展住房租赁市场，建立和完善住房租赁信息平台实现信息资源共享，增加住房流动性，降低住房空置率。

（3）加快社会信用体系建设，缓解和避免商业银行等金融机构借贷过程中的信息不对称，对借款者实行信用约束，降低借款者违约的可能性。

（4）加强对商业银行等金融机构的监管，严格监管对于房地产开发企业的贷款行为，对于只重业绩，疏于审核的贷款行为施加惩罚，严格审核对于购房者的住房抵押贷款，减少投机性资金流入市场的可能性，定期检查监管政策的执行情况。

参考文献：

[1]MiceliTJ，SirmansCF.Efficiencyrents：anewtheoryofthenaturalvacancyrateforrentalhousing[J].JournalofHousingEconomics，2013，22（1）：20-24.

[2]StephanWhitaker，ThomasJ.FitzpatrickIV.Deconstructingdistressedpropertyspillovers：theeffectsofvacant，taxdelinquent，andforeclosedpropertiesinhousingsubmarkets[J].JournalofHousingEconomics，2013，22（2）：79-91.

[3]林毅夫.空置面積很大的情况下房价为何还上涨[J].中国房地产业，2006（10）：45-45.

[4]刘敏，张燕丽，高宏.山东房价与商品房空置率、居民收入关系研究[J].东岳论丛，2006（3）：171-175.

[5]张川川，贾珅，杨汝岱.“鬼城”下的蜗居：收入不平等与房地产泡沫[J].世界经济，2016，39（2）：120-141.

[6]沈晓艳，黄贤金.基于土地供应侧的中国商品住宅空置效应分析——以35个大中城市为例[J].现代城市研究，2017（10）：12-17.

[7]杨碧云，屈原.房价变动对我国城镇居民消费影响的异质性研究[J].消费经济，2017，33（6）：18-26.

[8]黎泉，张波，林靖欣.住房价格对居民消费的影响研究——基于我国35个大中城市面板数据分析[J].消费经济，2018，34（2）：72-78.

[9]NiinimakiJR.Doescollateralfuelmoralhazardinbanking[J].JournalofBankingandFinance，2009（33）：514-521.

[10]ChristopherC，GiovanniDA，DenisL，etal.Policiesformacrofinancialstability：optionstodealwithrealestatebooms[R].IMFstaffdiscussionnote，2011，SDN/11/02.

[11]BianconiM，YoshinoJA.Firmmarketperformanceandvolatilityinanationalrealestatesector[J].InternationalReviewofEconomicsandFinance，2012，22（1）：230-253.

[12]况伟大.房地产投资、房地产信贷与中国经济增长[J].经济理论与经济管理，2011（1）：59-68.

[13]刘知博，贾甫，韦静强.银行体制、资本市场与房地产金融风险[J].经济体制改革，2014（5）：134-138.

[14]郭连强，刘力臻，祝国平.我国房地产金融创新面临的突出问题与对策[J].经济纵横，2015（3）：103-108.

[15]王劲松，韩克勇，赵琪.资产价格波动对金融稳定的影响——基于中国数据的实证研究[J].中国流通经济，2016，30（3）：102-107.

[16]孟宪春，张屹山，李天宇.住房信贷与房产税调控政策的传导机制与协调效应分析[J].经济科学，2017（3）：47-59.

（责任编辑：钟瑶）