信贷约束、房价与经济增长关联性及空间溢出效应——基于省域面板数据的空间计量

潘海峰 张定胜

一、引言

房地产作为国民经济的重要支柱产业，对于促进经济增长具有重要支撑作用。房地产属于资金高度密集型的行业，其健康发展离不开金融业的支持，无论是房地产开发还是消费都受到信贷环境的影响，从历史上看，每一次房价的高涨，背后都有宽松的信贷政策作为支撑。房产商大量的开发资金来自于银行，其信贷受可抵押资产价值的约束，负面冲击会导致资产价格的大幅波动，并进一步对实体经济活动产生持久影响，证据表明多次全球性金融危机均与房价的急剧下降和信贷约束密切相关(Kindleberger，2000[1])。

对房地产市场而言，由于受到区域经济发展水平、人口规模、城镇化水平、居民收入等多种因素的制约，往往具有明显的区域性特征，房价具有一定的空间分异性，但这种空间分异性，并不意味着区域间房价不存在相互联系。伴随区域经济快速发展，城镇化进程加快，跨区域资本流动日益频繁，区域间相互投资增加，房地产市场的区域性特征逐渐减弱。随着区域经济一体化进程的推进，跨区域人力资本流动越来越顺畅，更多的经济主体会在跨区域范围内对生产要素进行优化，这也促使了房地产市场的关联性逐渐增强。此外，随着互联网技术的快速发展，人们获取信息的途径更加丰富和及时，不同区域房价变化的信息更加透明，跨区域的房地产投资套利，也会导致不同区域间的房价相互影响。区域联动性的直接表现是，一个地区的房价上涨往往会对其他地区的房价产生拉动作用，但这也可能导致某些区域出现房价水平与居民收入和经济发展水平不相匹配的现象。因此，需要从空间的视角对区域间的相依性及溢出效应特征进行分析，明确区域间信贷约束、房价与经济增长的互动关系。相关研究可以为我国制定有效的区域政策，促进金融市场、房地产市场与宏观经济的协调发展提供科学依据。

二、相关文献回顾

与本文相关的研究主要包括以下三个方面：一是信贷约束与经济增长关系研究。国外研究大多认为信贷约束将影响各种冲击对经济的影响(Kiyotaki 和Moore，1997[2]；Bernanke等，1999[3])。银行信贷通过投资规模和投资效率两条途径作用于经济增长，需要注意的是信贷作用于经济增长往往表现出一定的结构性特征。信贷投资对经济增长的短期和长期作用存在一定的差异，信贷结构对经济增长影响有所不同(张岩等，2013[4]；杨长汉，2017[5])。短期信贷主要通过消费信贷模式，鼓励居民消费，促进经济增长，但促进作用弱于中长期贷款(周鸿和刘轶，2008[6]；梁媛，2012[7])。银行信贷对经济增长的贡献水平在区域间也存在差异性(韩旭等，2013[8]；韩玲，2014[9])。此外，其他因素如居民收入(赵爱玲，2000[10])、城镇化率(姜松和王钊，2014[11])、产业结构(宋平，2013[12])、外商直接投资(张林等，2014[13])等因素也与银行信贷共同作用于经济增长。

二是房价与经济增长关系研究。关于二者关系的研究早期主要集中于经济基本面因素如收入、人口、利率等对房价的影响(Case和Shiller, 1990[14]; Poterba等, 1991[15]; Potepan,1996[16])，研究结果表明房价的变化基本可以通过基本面因素进行解释。但我国实证研究表明房价的上涨并不能完全由基本面因素解释，房价经常出现高估现象，且房价往往存在明显的区域特征(沈悦和刘洪玉，2004[17]；陈晨和傅勇，2013[18])。随着研究的深入，更多的文献将研究的重点侧重于房价与宏观经济的互动机制分析。房价对宏观经济的影响主要通过两种途径传导，一是财富效应，即当房价变化时，财富水平发生变化，影响消费，进而直接作用于实体经济；二是估值效应，当房价变化时，抵押价值也随之变化，影响信贷投放，进而影响企业的贷款，间接作用于实体经济(黄忠华等，2009[19])。

三是信贷约束、房价与经济增长关系研究。早期对于该主题的研究大多采用局部均衡分析框架，Benanke和Gertler(1989)[20]建立了一般均衡分析框架进行分析。Bernanke等(1996)[21]提出金融加速器概念，认为信贷市场、房地产市场的反馈机制将放大宏观经济波动。Iacoviello(2005)[22]基于动态随机一般均衡框架分析了信贷约束、房价波动与宏观经济的关系，认为信贷约束的存在扩大了房价对宏观经济的影响。现有研究结论基本认为由于房地产作为主要抵押物，在家庭和企业财富中比重较大，信贷约束的变动将对房价及宏观经济变化产生影响。一些实证分析也表明房地产抵押价值的减少，将导致投资减少，对总需求产生影响，信贷、房价与宏观经济存在互动关系(Chen，2001[23]；Gan，2007[24])。国内实证研究也得到相应验证，如不同地区间的房价波动、金融支持与经济基本面密切相关(袁俊和施有文，2010[25])；银行信贷、房地产价格与宏观经济三者之间确实存在着联动性(孔煜，2009[26]；吕江林等，2015[27])。

无论是房价与经济增长、信贷约束与经济增长二者关系，还是信贷约束、房价与经济增长三者关系的研究，均表明变量间往往表现出一定的区域性特征。地理学者Tobler(1970)[28]指出区域间宏观经济存在空间性影响，距离越近相互作用的可能性越大。Lucas(1988)[29]首次探讨了经济增长中的空间溢出效应影响，随着研究深入，权重矩阵也由邻接权重扩展到经济距离权重等(魏下海，2010[30]；于斌斌，2015[31])。一个地区的房价在要素流动作用下会对周边地区房价产生影响(Browning和Leth，2013[32]；Bruyne和Hove，2013[33]；刘志平和陈智平，2013[34])，区域联动性往往导致房价变动的影响超过本地区，因此，忽略这种空间溢出效应将导致估计结果的偏差。

综上分析，可以看出信贷约束、房价与经济增长联系紧密，信贷约束的变化引起房价的变动，房价的变动又会对宏观经济产生影响，因此信贷约束是理解宏观经济变动的重要视角。关于三者关系的研究，国内外文献从均衡理论、机制分析、实证检验等多个视角进行了较为系统的研究，研究结果表明三者往往表现出一定的区域性特征，但信贷资源的配置、房价高低对不同经济发展阶段的区域所带来的溢出效应也有所不同，另外也存在短期和中长期的结构性差异，因此，仅仅通过传统面板数据模型无法对区域间的相互影响和结构特征进行有效度量。此外，对于信贷约束指标，多数文献采用房地产抵押贷款比率来衡量，该指标虽可以有效度量信贷约束水平，但无法体现不同地区间的金融发展水平及发展效率特征。在考虑空间溢出效应因素上，权重因素的考虑主要集中于邻接权重或经济距离权重，权重的选择不够全面。

因此，本文主要从以下方面进行改进：一是基于新经济地理的视角，考虑经济增长的空间溢出效应，采用省域面板数据的空间滞后和空间误差模型进行实证分析，深化信贷约束、房价波动对经济增长的影响。二是在空间权重矩阵选择上，建立五种权重矩阵进行实证研究，比较发现最优的空间权重矩阵，从而有效度量区域间的空间溢出效应特征。三是对于信贷约束的度量，考虑五种信贷约束指标，包括狭义信贷约束、三种广义信贷约束和信贷约束结构型指标，研究信贷约束对经济增长的短期与中长期影响，度量地区的金融杠杆特征；通过不同变量实证结果的对比分析，得到稳健性的结论。

三、计量模型与变量选择

(一)空间计量模型

为探讨区域经济的溢出效应，使用Moran 指数来衡量并检验空间相关性。将地区间的空间关系引入面板模型，根据引入关系的不同方式，将空间计量模型分为空间滞后模型(Spatial Lag Model, SLM)和空间误差模型(Spatial Error Model, SEM)。空间滞后模型主要用来研究被解释变量的空间依赖性，分析被解释变量在某一地区是否存在溢出或扩散效应，模型为：

其中，随机误差项ε～N(0,σ2I)；y是NT×1被解释变量；W是NT×NT空间权重矩阵；N是数据样本；T是样本时间维度；μi是个体固定效应；ρ是空间自回归系数，一般在(-1,1)之间，其大小代表了空间溢出效应的强弱，如果为正，则代表着空间集聚效应，反之，则表明存在空间互斥现象；向量β是解释变量的系数，其反映了各影响因素对被解释变量的直接效应。空间误差模型主要用来研究误差项的空间相关性，模型为：

其中，u是随机误差项，λ代表空间自相关系数，ε～N(0,σ2I)。

在空间面板固定效应模型估计中，如果忽略空间效应直接进行非空间的固定效应回归，则会存在解释变量缺失问题，使估计结果出现偏差。张志强(2012)[35]、Wooldridge(2016)[36]等采用去平均化的方法得到对数似然函数：

(二)空间权重矩阵

定义空间距离是空间计量分析的前提，该距离主要通过空间权重矩阵体现，其表示地区间的影响形式。本文出于稳健性考虑，设定空间权重时考虑了地理距离、经济距离、非对称性等不同影响因素，共设定五种空间权重矩阵。

1.二元邻接权重。

其中i，j分别表示两个地区，inbj表示两个地区相邻。二元邻接矩阵是比较常用的空间权重矩阵，当两个地区拥有共同边界时，权重值为1；不相邻时为0。

2.负指数距离权重。

在邻接矩阵中，只有当两个地区相邻时，才存在相互等同的影响，但这与直觉不符。例如，北京与山东不相邻，在邻接矩阵中设为0，类似的如北京与海南也设为0，换言之北京与山东、北京与海南之间的影响相同；而直觉上判断，相互影响还是与距离远近存在很大关系。地理学第一定理(Tobler，1970[28])认为，相对于距离较远的事物，距离近的事物之间联系更密切，负指数距离可以对该特征进行刻画。

其中，dij是地区i和j之间的距离。这样的设定代表两个地区之间距离越近，则权重越大；反之，距离越远，则权重越小。

3.经济距离矩阵。

除了地理距离之外，经济因素也是地区间相互影响的重要因素之一。一般情况下，认为收入差距越小，经济水平越接近，权重越大；经济水平差距越大，权重较小。

其中gi和gj分别表示i地区和j地区的人均GDP。两个地区经济水平越接近，分母越小，权重越大；反之，分母越大，权重越小。

4.万有引力权重。

由于仅考虑地理距离或经济距离，具有一定的局限性，因此，可以将两个因素综合考虑构建权重矩阵。两地区的经济实力越强，经济联系越强；两个地区之间距离越近，权重越大。

其中dij、gi和gj含义同上。当两个地区经济发展均较好时，分子大，若同时距离较近，分母小，则权重大；当两个地区经济发展均较弱，且距离较远时，权重较小；当两个地区经济发展均较好，但距离较远，则分母较大对分子形成制约，权重不会太高。因此，可以看出权重大小受到两个因素的共同影响。

5.非对称影响权重矩阵。

万有引力权重中，虽然综合考虑了地理距离和经济距离两个因素，但却没有考虑地区间的非对称性影响。一般情况下，经济发达地区对欠发达地区的辐射影响要大，而经济落后地区对经济发达地区的影响力较小。

其中dij、gi和gj含义同上。该权重与万有引力权重的主要区别在于分子不同，非对称性权重的分子取决于两个地区人均GDP的比值。一个地区比另一个地区发达程度越高，则分子越大，权重越大；反之，则权重越小。因此，权重大小取决于两个地区的地理距离及经济发展水平的相对比较。

(三)变量选择与数据描述

被解释变量为经济增长，一般采用GDP、GDP增长率、人均GDP增长率、工业增加值等指标，为综合反映地区经济增长水平，本文采用人均GDP增长率(RGG)来衡量(周业安和章泉，2008[37]；马勇和陈雨露，2017[38])。关于信贷约束，将其分为广义信贷约束和狭义信贷约束。结合Bayoumi(1993)[39]、Sarno和Taylor(1998)[40]、吕江林等2015[27]的研究，采用房地产业贷款余额与GDP比值(HDG)作为信贷约束指标，并将该指标定义为狭义信贷约束指标。关于广义信贷约束，主要考虑金融发展规模、金融发展水平、金融发展效率三个方面，金融发展规模因素，采用金融产业增加值与GDP比值(FIG)；金融发展水平指标，采用存贷总额与GDP比值(SDG)；金融发展效率指标，采用信贷总额与储蓄总额的比值(TDS)。为了考虑信贷约束的结构性特征，将信贷分为短期信贷和中长期信贷约束分别采用短期信贷与储蓄总额的比值(SDS)、中长期信贷与储蓄总额的比值(LDS)。关于房价，本文采用商品房销售均价增长率(HPG)，其中商品房销售均价由各地区商品房销售额和销售面积计算所得。其他控制变量包括：外商直接投资(FDI)，由实际利用外资额与GDP比值得到；居民收入(IGR)，采用城镇单位就业人员平均工资增长率；固定资产投资(FZG)，由固定资产投资与GDP比值得到；城镇化率(URR)，由城镇人口与全口径人口比值得到；产业结构(TIG)，由第三产业增加值与GDP比值得到(见表1)。

表1 变量汇总表

分析我国房地产市场历史发展，可以将其大致划分为四个阶段：1978至1993年，住房实物分配制改革阶段；1994至1998年，向市场化改革的过渡阶段；1999至2004年，市场化全面推行阶段；2005年至今，调控和均衡发展阶段(卢嘉，2013[41])。为分析我国近年来信贷约束、房价与经济发展的关联性特征，并考虑样本数据的稳定性，本文选取样本的起始时间为2005年，即时间跨度为2005年至2016年全国31个省份组成的省域面板数据，数据来源于Wind数据库以及2006至2017年的《中国统计年鉴》《中国金融统计年鉴》及各省统计年鉴。

四、实证分析

(一)经济增长的空间相依性检验

计算2005至2016年全国31个省份人均GDP增长率的空间依赖程度，结果见表2。

表2 2005至2016年人均GDP增长率的空间相依性

由表2可知，2005至2016年的Moran指数均大于0，且在0.2以上，经济增长在空间上呈现出明显的正相关关系，因此，实证分析中需要考虑经济增长空间效应的影响。

Moran散点图可以更加直观地呈现各省份人均GDP增长率的空间相依性。限于篇幅，本文只列出2005年和2016年人均GDP增长率的Moran散点图，见图1和图2。

图1 2005年人均GDP增长率Moran散点图

图2 2016年人均GDP增长率Moran散点图

由图1和图2，各省份位于第一象限和第三象限的散点居多，表明各省份的人均GDP增长率具有明显的正向相关性。

为判断各地区的局部相关类型即聚集区是否在统计意义上显著，进一步分析LISA集聚图，限于篇幅，只给出2005和2016年的集聚图，如图3、图4所示。

图3 2005年人均GDP增长率LISA集聚图

图4 2016年人均GDP增长率LISA集聚图

由图3和图4可以看出，2005年，山东、河北、黑龙江、山西和陕西等地区人均GDP增长率较高，存在空间上的相互集聚，这些地区多处在北方工业区或资源丰富地区，主要原因是宏观经济的快速发展，对工业需求和能源产业形成利好；2016年，浙江、安徽、湖北、湖南、江西等地区增长率较高，这些省份除了浙江外，其他均为中西部地区，反映出中部承接东部产业转移、西部大开发等政策对中西部地区的经济起到了明显的推动作用。浙江近年来的快速发展则得益于经济的快速转型，人工智能、大数据等新兴产业和新兴业态为经济发展提供了新动力。此外，2005年，安徽呈现出显著的低高集聚特征，该地区本身经济欠发达，但周围地区如江苏、浙江、山东等经济较为发达；广东呈现出显著的高低空间集聚，这是因为相对于广西、湖南、江西、福建而言，经济相对发达；其他地区的空间集聚关系不显著。2016年，内蒙古、吉林、辽宁等地区呈现出低低集聚特征。综合看，局部相关性随样本时期的不同存在着阶段性特征。

(二)多变量空间滞后和空间误差模型估计

本文研究中，考虑到实证结果的稳健性，共考虑五种空间计量模型，五种模型均考虑了相同的被解释变量、房价解释变量和控制变量因素，区别主要体现在信贷约束解释变量。对于五个模型均以五种空间权重为基础，考虑空间滞后、空间误差固定效应和随机效应模型进行实证分析。根据Hausman检验，分别确定最优的空间滞后和空间误差固定效应或随机效应模型，基本步骤是观察Hausman检验的显著性，若在5%显著性水平下拒绝原假设，则接受固定效应的备择假设；反之，接受原假设，说明随机效应模型较好。此外，观测随机效应估计中的参数θ，若θ显著不为0，则说明随机效应模型较好；反之固定效应模型较好。进一步结合拟合优度、LR统计量等，确定最优模型。

模型一：广义信贷约束金融发展规模、房价与经济增长估计。

模型一中，被解释变量为人均GDP增长率(RGG)；解释变量为广义信贷约束金融发展规模(FIG)、房价增长率(HPG)以及所有控制变量。首先，对每种空间权重矩阵，分别采用空间滞后和空间误差模型进行估计，进一步根据Hausman检验分别确定最优的随机效应和固定效应模型，结果表明空间滞后随机效应和空间误差随机效应模型最优；此外，θ显著不为0，同样认为随机效应模型效果较好。最后结合拟合优度等，得到最优空间计量模型。最终结果见表3。

表3 不同空间权重下广义信贷约束金融发展规模、房价与经济增长估计

续前表

由表3可以得出：第一，不同路径下地区间经济发展的溢出效应明显。在邻接权重、负指数距离权重下，ρ表现出显著的正向溢出效应，说明地理位置上“邻接”、距离远近能够显著促进区域间经济发展的集聚与发展。经济权重矩阵主要从经济因素的角度来构造权重矩阵，一般情况下，当两个地区的经济发展规模越接近，则产业结构、金融发展水平、房价水平等越相似，同时伴随城镇化率提高、产业结构逐渐升级、产业集聚、房价水平提高等特征。经济距离主要考虑了区域间经济水平的差异性；万有引力权重、非对称权重则既考虑了经济因素又考虑了距离因素，是距离权重和经济权重的综合，且非对称矩阵还进一步考虑了发达地区对欠发达地区影响的非对称性；三种空间权重下，ρ也均表现出显著的正向溢出效应。第二，金融发展规模因素对地区经济发展的影响并不显著，若从符号上看，金融发展规模对区域经济增长具有负向影响。第三，房价因素均在5%或1%水平下显著，反映出区域的房价对区域经济增长具有显著的正影响。

模型二：广义信贷约束金融发展水平、房价与经济增长估计。

模型二将广义信贷约束金融发展水平(SDG)和房价(HPG)作为解释变量，解释变量和控制变量不变。估计过程与模型一相同，可以得出五种权重下的最优空间计量模型(见表4)。结果显示：不同路径下空间滞后回归系数ρ和空间误差回归系数λ均在1%水平下显著，存在显著的空间溢出效应；广义信贷约束金融发展水平(SDG)在各种空间权重下均不显著，反映出金融发展水平因素并未对区域经济增长产生显著的积极或消极影响；对于房价因素，邻接权重、负指数距离、经济距离和非对称权重均在5%水平下显著，仅在万有引力权重下不显著，因此综合看，房价对区域经济增长存在显著的正向影响。

表4 不同空间权重下广义信贷约束金融发展水平、房价与经济增长估计

续前表

模型三：广义信贷约束金融发展效率、房价与经济增长估计。

模型三将广义信贷约束金融发展效率(TDS)和房价作为解释变量，被解释变量和控制变量不变，可以得出五种权重下的最优空间计量模型(见表5)。结果显示：不同路径下空间自回归系数ρ均在1%水平下显著，反映出区域间经济发展存在显著的空间溢出效应；广义信贷约束TDS在各种空间权重下均不显著，反映出金融发展效率因素并未对区域经济增长产生显著影响；对于房价因素均在5%或1%水平下显著，说明房价对区域经济增长存在显著的正向影响。

表5 不同空间权重下广义信贷约束金融发展效率、房价与经济增长估计

续前表

模型四：狭义信贷约束、房价与经济增长估计。

模型四将狭义信贷约束(HDG)和房地产价格作为解释变量，被解释变量和控制变量不变，可以得出五种权重下的最优空间计量模型(见表6)。结果显示：不同路径下空间自回归系数ρ均在1%水平下显著，反映出区域间经济发展存在显著的空间溢出效应；狭义信贷约束HDG在各种空间权重下均不显著，反映出狭义信贷约束并未对区域经济增长产生显著影响；房价因素均在5%或1%水平下显著，房价对区域经济增长存在显著的正向影响。

模型五：信贷约束结构、房价与经济增长估计。

模型五将信贷结构(SDS、LDS)和房价作为解释变量，被解释变量和控制变量不变，可以得出五种权重下的最优空间计量模型(见表7)。结果显示：不同路径下空间自回归系数ρ均在1%水平下显著，存在显著的空间溢出效应；对于短期信贷因素，可以看出基于负指数距离、万有引力权重和非对称影响权重在1%水平下显著，经济距离权重5%水平下显著，仅在邻接权重下不显著，综合可以得出短期信贷与经济增长呈现出显著的负向关系；对于中长期信贷，可以发现仅基于邻接权重且在10%水平下显著，其他空间权重下均不显著，因此并不能得出中长期贷款与经济增长呈现显著影响关系；对于房价因素，可以看出基于邻接权重和经济距离权重分别在1%和5%水平下显著，但在负指数距离、万有引力权重、非对称权重下不显著，即仅考虑区域的邻接特征、经济因素时，房价对区域经济增长影响显著，当考虑空间距离或综合空间距离和经济因素时，房价对经济影响不显著，结论存在差异性，但从系数来看，房价因素对经济增长仍表现为正向影响。

表7 不同空间权重下信贷结构、房价与经济增长估计

分析不同权重下五种最优模型的空间溢出效应系数(见图5)。可以发现，五种模型的空间溢出效应系数均在0.65和0.85之间，具有较高的一致性，空间溢出效应因素是解释区域经济联系的重要因素。五种空间矩阵中，经济距离权重下的空间溢出效应系数最低，非对称权重矩阵的空间溢出效应最大，邻接权重、负指数距离和万有引力权重空间溢出效应介于二者之间。邻接权重矩阵波动性最大，对样本数据的敏感性相对较高。因此，仅考虑区域间的经济距离、邻接特征可能会低估区域间相互影响，既考虑距离因素又考虑经济因素和区域间非对称影响的空间权重，能够对空间溢出效应特征进行更好的描述。

图5 不同权重下空间溢出效应系数

(三)内生性检验

恰如大多数宏观经济模型，上述实证分析可能存在一些潜在的内生性问题，主要原因包括：第一，互为因果关系。一方面伴随区域经济快速发展，人口增加、资源集聚，从而导致更高的房价；另一方面，高房价提高了政府的财政收入，政府通过提高公共财政支出，推动经济发展。经济中的状态变量，如消费、收入、银行信贷等也受到一些宏观经济政策变量的影响，此外货币政策变量如利率、信贷约束等一般伴随着经济变化而变化，货币当局也会根据宏观经济的运行情况对货币政策变量进行宏观调控，因此，内生于经济系统。第二，可能也存在遗漏变量问题，即模型中可能遗漏了其他影响经济增长的重要变量。

为克服模型中可能存在的内生性问题，采用空间SLM的GMM方法进行稳健性检验。借鉴Kelejian和Prucha(1998)[42]、余泳泽和刘大勇(2013)[43]、白俊红等(2017)[44]的思路，在空间GMM估计中选用W·X、W2·X作为工具变量。限于篇幅，本文仅给出模型一的空间GMM估计结果(见表8)，研究结果表明回归系数的方向和显著性并未发生根本性改变，因此，实证分析的结果依然稳健。

表8 不同空间权重下广义信贷约束金融发展规模、房价与经济增长的空间GMM估计

五、结论与政策建议

本文基于空间计量视角，以2005至2016年的省域面板数据为样本，分析了我国省域经济发展的空间分布特征，探讨了信贷约束、房价与经济增长之间的关系，采用不同模型和不同估计方法的实证结果保持了一致性，具有稳健性。实证分析表明我国区域经济增长存在空间相依性特征，不同区域的经济增长之间存在空间联系。因此，研究中不能忽视地理因素、经济因素和空间效应的影响，应用空间计量模型有利于深化理解不同路径下信贷约束、房价波动对经济增长的影响。相比传统的计量模型，使用空间计量模型更适合省域面板数据的特征。主要研究结论如下：

第一，我国区域经济发展存在空间上显著的正相关关系，并且空间依赖性对经济发展起到显著的促进作用。虽然空间权重在选定因素相同但构建方式不同时，对空间相关性强弱的体现有所不同，但系数的方向和显著性并未发生根本性变化，结果稳健。经济发展在空间上存在正向的联动效应，表现为区域经济发展的空间集聚效应。由于区域经济发展的不平衡，呈现出经济增长的高低聚集区，且随着样本时期不同表现出阶段性特征，这与不同地区所处的经济发展阶段和国家的宏观政策密切相关。应将这种区域的空间相关性纳入到经济政策的制定过程中，采取更有效的区域政策以促进高低或低低集聚区的协调发展，缩小区域差异。

第二，广义信贷约束金融发展规模、金融发展水平、金融发展效率以及狭义信贷约束均与区域经济增长之间无显著的影响关系，反映出我国金融业的快速发展并未对经济增长产生积极作用。这与现有研究文献大多认为广义信贷约束与经济增长正相关有所不同。主要原因在于，伴随地区经济的快速发展，企业的融资需求亦不断增加，货币供给稳步增长，信贷需求快速增长，但金融市场将资金更多地配置到了国有企业，或者产出效率相对较低的基建等行业，而中小型企业和民营企业融资较难。金融资源的错配效应，一定程度上抑制了区域经济增长的活力。

第三，短期信贷与经济增长呈显著的负相关关系；中长期信贷对经济增长不存在显著的影响关系。长期以来我国经济增长的主要动力为净出口和投资，经济增长模式转向为需求拉动型还需要一个过程。尤其在全球经济低迷时，投资则成为推动经济增长的重要源动力。稳定各个行业的投资，是保持我国经济长期稳定增长的重要保障，尤其在我国深化“供给侧”改革的阶段，推动产品和产业升级，均需要中长期信贷资金的有效供给，而从实证结果看，我国中长期贷款并未对地区经济发展起到显著的正向影响，这就需要我国进一步调整信贷结构，提升中长期贷款比例，为实体经济和相关产业提供稳定的金融资源，为“供给侧”改革和地区经济的创新发展提供支撑。短期信贷主要为信用贷款、消费贷款或银行同业拆借等，一般发生在经济增长缓慢，货币政策中性偏紧时期，该时期中长期贷款比例下降，流动性偏紧，企业的中长期融资需求难以满足，则企业会通过短期信贷资金解决流动性需求，导致短期贷款比例上升，资金期限的错位既增加了企业的经营风险，也对企业创新投入和快速发展形成了制约，因此，短期信贷往往与经济发展表现出一定的负相关性。

第四，房价对经济增长具有显著的正向促进作用。房价的直接决定因素为房地产的供给和需求，房价的上升一般伴随着房地产土地购置面积和房地产投资的增加，房地产产业链既涉及中上游的钢铁、水泥、化工等，又涉及下游的家电、建材等行业，房地产投资增加可以带动诸多产业的发展，刺激经济增长，同时也带动就业和居民收入的提升，间接刺激消费的增长。因此，房价上升往往对经济发展具有正向推动作用。但同时需要注意的是，过高的房价，反而会抑制普通居民的刚性和改善型需求，增加居民杠杆，促使消费需求下降。此外，高房价抬高了工业成本，削弱了经济竞争，造成产能过剩和产业同质化，削弱了工业创新能力，不利于创新型国家的建设，造成贫富差距的扩大。因此，只有合理控制房地产价格，避免房地产泡沫，地区经济增长才能可持续。

根据上述实证分析，提出如下政策建议：

第一，加强完善多层次资本市场建设，拓宽居民有效的投资渠道，并多渠道解决企业的融资瓶颈，多渠道保障实体经济的融资来源，秉持资本市场服务实体经济的本质，扩大金融发展对经济增长的贡献。第二，推动民营银行和互联网融资平台的发展，健全监管体制，鼓励金融创新，结合定向降准等政策，有效解决中小企业的融资需求，注重信贷资源向实体经济尤其是中小企业的倾斜，推动经济持续发展。第三，完善现有信贷体制，避免金融资源虚拟化。信贷资源不应在金融市场内部循环，更多的资源应引导至实体经济，提升投资效率，促进金融体系健康发展，使得信贷资源成为实体经济的催化剂。第四，优化中长期信贷和短期信贷的比例，降低金融杠杆，有效提升对实体企业的中长期贷款比例，减少产能过剩、高污染、落后产能企业的投入，加强对创新型企业的投入，培育新经济增长点，提升经济活力。第五，房地产投资高速增长是我国城镇化快速提升的必然结果，房地产对于区域经济发展会起到重要的推动作用，但也需要注意房价的非理性增长，空置率提高，传统产能过剩，也同样蕴含着经济风险，制约区域经济发展的活力和持续性。第六，使房价的上涨速度与经济增长、居民收入的增长保持一致性，合理运用限购、限贷、利率调控等政策使房价维持在合理的水平。