收入差距与房价上涨的交互性及非均衡性： 基于CGSS数据的联立方程检验

王玥玥，李伟军,2

(1.安徽工业大学 商学院，安徽 马鞍山 243032；2.复旦大学 经济学院，上海 200433)

一、引言

改革开放四十余年来，中国从低收入发展中国家跻身为世界第二大经济体，国民财富随之快速增加。但与此同时，收入差距也不断向高位攀升，引起社会各界广泛关注。世界银行数据显示，中国基尼系数自2002年突破0.40关口以后，于2010年达到0.45，虽在2013年之后有所回落，但基本维持在0.4左右。同时，一些更加悲观的观点认为，来自官方的基尼系数存在低估，实际上中国近年来的收入差距并未真正缩小。从世界范围来看，丹麦、德国和英国等欧洲高福利国家的基尼系数长期低于0.4的水平，而巴西则高达0.55左右①。对此，如果将收入差距与福利水平放在同一框架内进行简单对比，不难看出在一定程度上控制收入差距的必要性。诚然，从中国改革开放的经验来看，改革初期将多劳多得作为优化收入分配制度的办法，有助于我们跳出计划经济下“吃大锅饭”制度的低效藩篱，激发社会潜在的创新和竞争活力。但是，随着社会财富水平不断提升，逐渐加大的收入差距又必然带来诸多社会问题。尤其是，收入机制中的非劳动因素占比过高，严重损害了人力资本要素的积极性，将社会进步及财富积累的内驱力从教育、创新和企业精神等人力资本积累角度导入畸形通道。长此以往，社会财富增加无疑会陷入零和博弈甚至庞氏骗局的怪圈，严重削弱社会文明进步的动力。因此，关注当下中国收入差距及其成因，对于我们采用更加理性的眼光审视中国式居民造富的行为特征，寻求收入差距扩大的防范机制，具有积极意义。

房地产无疑是造成社会收入差距扩大的重要原因。自1998年我国住房市场化改革以来，市场经历了近二十年的黄金时代，成就了一个个造富神话。但同时，房价的快速攀升引发了明显的财富效应[1]，房地产成为吸纳流动性的海绵[2]，也是聚集财富的蓄水池。尤其是，在社会投资渠道和金融产品有限前提下，城市居民普遍借助房屋抵押和按揭贷款的信贷杠杆刺激，不断放大房地产投资品属性。由此，环顾中国房地产市场发展历程，既是一个繁荣与兴盛的过程，同时也是预期、投机、房地产泡沫[3]和财富效应等相互交织的过程。如此循环反复，促使学者们持续关注房价波动与收入差距的密切联系，以期破解人们追逐财富增值的密码。

然而，从既有研究来看，大部分研究仅仅关注房价波动对收入差距的单向影响，忽略了收入差距对房地产市场的反向作用。虽然有少量研究涉及到两者的交互性问题，但两者间关系究竟是对等均衡，还是非均衡，相关结论并不清晰。综上，本文在将宏观数据库与CGSS微观数据库进行整合的基础上，得到省级层面收入差距数据，进一步利用3SLS回归模型进行计量检验，以期为厘清我国现阶段收入差距与房价上涨的传导机制提供实证依据。

二、文献综述

房价波动直接拉大收入差距。范红忠等[4]在考虑了城市规模基础上，采用CHIPS 2002—2008年数据进行实证分析后发现，随着城市规模扩大，房价上涨拉大了居民的收入差距。房价上涨引致的收入分配效应违背了经济伦理原则[5]，同时导致城镇居民的福利损失[6]，面对高昂的住房负担，优秀人才“望房却步”，阻碍了城市群人口集聚的吸引力[7]。一般而言，学术界将房价波动对收入差距的影响机制划分为两个方面：一是财富效应。Linneman et al.[8]认为房产可以通过衍生的财富效应导致社会整体财富分配不均。比如，当高收入家庭因房屋价值产生的收益增长超过劳动收入增长，那么房价上涨将通过财富效应对财富分配产生影响。Case[9]则用美国1980—1990年各州的面板数据，通过实证验证了房产的财富效应[10]的存在。房产价值的差异、租金支出或收入、隐性收入等最终会影响家庭消费, 拥有房产会产生财富效应，从而增加居民的消费[11]。而消费更能反映家庭收入的真实状况，房价上涨明显在通过财富效应使得居民收入分配差距拉大[12]，因此房价调控政策目标除重视抑制投机行为，还需要重点关注房价上涨通过财富提升造成的对居民收入差距扩大风险。二是信贷效应。房价的上涨会增加拥有住房家庭的资产价值，拥有房产越多，房价上涨对其越有利，使其在收入分配中拥有相对的优势[13]。

关于收入差距对房地产市场的影响，目前学术界尚未形成统一认识。一种观点认为，收入差距没有促进房价上涨。李仲飞等[14]认为，整体上看，房价与收入差距间没有显著影响关系。另一种观点认为，收入差距显著促进房价上涨。Joseph Gyourko et al.[15]研究发现，在土地供给缺乏弹性的前提下，美国代表性大城市中高收入人群比重的增加，显著推高了房价。对中国相关问题的研究，许多学者同样得出了类似的结论[16-18]。王先柱和赵奉军[19]认为，从宏观角度来看，收入差距扩大导致储蓄率上升；从微观角度来看，收入差距引发居民家庭过度住房投资，进而造成房价上涨。周光肃等[20]认为，当收入差距进一步扩大时，人们可能为追求更高的社会地位和“身份标签”，从而选择价格更高的住房，以显示身份差异。这也可以从微观心理层面解释为何房价越高的地段，住房需求越旺盛的原因[21]。

还有一些研究关注房价与收入差距之间的交互性问题。张传勇[12]使用联立方程组处理房价与收入差距的内生性问题，并建立GLS回归模型进行实证检验，结果显示房价上涨与居民收入分配之间相互影响的方向均为正向[22]，且收入分配对房价的作用效果要比房价对收入分配的作用效果强烈。张媛媛等[23]通过对省级面板数据进行PVAR分析发现房价对城乡收入差距的影响方向为正，城乡收入差距反过来能给房价带来负向影响。谢鹏和孙群力[24]建立空间面板联立方程模型发现，房价上涨直接拉大城乡居民收入差距，该效应随着经济发展水平的提高而逐步缩小;周边城市房价上涨通过空间溢出效应带动本地房价上涨，进而间接拉大本地城乡收入差距。另外，也有一些学者关注房价与收入差距的区域效应。肖尧[25]使用2000—2010年省级面板数据进行实证研究后认为，从全国层面来看，房价上涨对城乡收入差距是中性影响，中、西部地区房价上涨会缩小城乡收入差距，而东部地区则相反。王拉娣和安勇[26]通过中西部地区的房价对居民收入差异更敏感。鞠方等[27]认为房价上涨确实会扩大城乡居民的收入差距，从西部到东部，随着城市化平均水平的提高，房价对城乡居民收入差距的影响系数将减小，即西部地区房价对收入差距的影响大于东部地区[13]。骆永民和徐明星[28]利用面板向量自回归模型进行分析，结果显示，房价冲击收入分配时，收入差异自西向东逐步缩小；收入分配冲击房价时，房价涨幅由东至西逐渐减少。李仲飞等[14]认为就区域层面看，在经济发展水平较高的省份，房地产主要为投资品，收入差距促进了房价上涨，而在经济发展水平较低的省份，收入差距则抑制了房价上涨。宋婧[29]通过省级面板数据的实证研究发现，收入差距对东部发达地区房价影响更大、对中西部欠发达地区影响较小。

综上，学者围绕房价波动与收入差距问题进行了广泛研究，并得到很多有益的研究结论。然而，综合讨论两者交互性及非均衡性的研究仍十分鲜见。出于上述考虑，本文使用联立方程组，既兼顾了两者双向影响，也剔除了二者的内生性问题，从而为丰富这一议题提供了更加细致的研究结果。

三、模型构建

(一)数据来源

本文的收入差距及地区教育水平等指标主要源自CGSS(中国综合社会调查)，房价变量和人均GDP等来自历年《中国统计年鉴》。其中，CGSS数据由中国人民大学2005年主持进行的不定期全国性调查，也是第一个全国性、连续性、综合性的社会调查，在社会学领域使用率排名靠前，可信度较高。同时，由于CGSS仅公布非连续年度调查数据，因此本文也据此选择相关年度的数据进行测算②。

(二)模型选择

假设住房会影响居民相对收入，可能一定程度上房屋价值差距的拉大会导致收入差距的扩大。同时，收入差距则对居民家庭进一步的投资决策产生影响，在市场预期作用下，富裕群体的资产配置会向房地产市场倾斜，在货币和流动性追逐之下，持续推动房价上涨。

由于本文数据是由微观数据整理并匹配宏观数据得到的省际数据，且主要变量是房价与收入差距，因此就单个方程来看，需要关注其中存在的内生性问题。遗漏变量误差是内生性问题的主要来源，然而，本文通过Link检验得知，模型设计不存在重要解释变量缺失问题。因此，本文对内生性处理侧重于房价与收入差距之间的反向因果关系。借鉴张传勇[12]对内生性处理的办法，我们构建了一个包含相关宏观经济特征和家庭资产结构等变量的双向联立方程组模型，刻画房价与收入差距的双向影响机制。与张传勇[12]的区别之处在于，本文采用3SLS模型，不仅考虑到不同方程的扰动项之间的相关性，也提高了系统估计的效率③。模型如下：

GINIi,t=α0+α1lnHpricei,t+α2GDPi,t+α3Wei,t+α4Drt+α5Edui,t+ε1

(1)

Hpricei,t=β0+β1GINIi,t+β2Lrt+β3URi,t+β4Hinvesti,t+β5Hhnewmi,t+β6Tupricei,t+ε2

(2)

其中α、β分别是公式(1)、(2)的常数项和各变量的系数，ε是误差项。下标i、t分别表示第i个省(区、市)、第t年。Gini为各省份收入差距；Hprice为住宅商品房价格；GDP、We、Dr、Edu、Lr、UR、Hinvest、Hnewm、Tuprice分别表征地区经济和教育发展情况、家庭资产情况、购房贷款成本、风险资产波动、房地产市场情况等方面的变化。

(三)变量说明

1.主要解释变量。收入差距(Gini)：研究收入差距有很多方向和指标，本文在大量文献研究基础上，采用基尼系数进行衡量。具体来讲，本文综合参考胡祖光[30]和鞠方等[31]的测算方法，基尼系数简便计算公式如下：

GINI=P5-P1

(3)

(3)式中，基尼系数近似等于收入五分法中高收入组占比与低收入组占比之差。在数据处理时，将CGSS数据中各省调查问卷中家庭总收入指标进行收入分组，按照公式(3)计算出不同省市收入的基尼系数。

房价(Hprice)：本文使用统计年鉴中“各省每年的商品房平均销售价格”表示(单位：元/平方米)。为便于分析，在计算时对其取对数处理，记为lnHprice。

2.控制变量。人均国内生产总值(GDP)，可以从总体角度体现各地区居民的经济发展状况；地区教育水平(EDUi,t)是统计各地区6岁以上居民的人均受教育年限，数据处理使用的公式为：

(4)

其中，Pi表示某教育水平对应的人口比重，Agei表示受教育年限，本文使用的年限赋值方法沿袭CGSS中受教育年限赋值方法，如没有受过任何教育为0，小学为3，初中为4；选择家庭工资性收入(个人加配偶劳动收入)占家庭总收入(个人加配偶全年总收入)的比重[32]表示家庭工资性收入比(Wei,t)；短期存款利率(Dr)采用一年期央行公布的基准利率。

长期贷款利率(Lr)使用五年以上的贷款利率，该指标反映家庭的房贷压力或直接购房家庭的住房红利；城镇化率(Ur)是指该地区城镇户籍人数与总人数的比值，由于城镇化率与经济增长是互相联系的关系，该指标体现地区资源配置优化程度；住宅商品房新开工面积(Hnewm)体现该地区住宅商品房屋的开发情况，并进行对数化处理(Lnhnewm)；住宅投资价值(Hinvest)用住宅投资额表示，反映地区住宅商品房供给情况，对数处理记为(Lnhinvest)；单位土地购置费(Tuprice)用土地购置费/本年土地购置面积表示。利用stata13.1软件进行变量描述性统计，结果见表1。

表1 变量描述

四、实证分析

(一)系统回归

为考察房价上涨与城镇收入差距程度之间的关联性，参考已有文献，本文建立了一个包含收入差距方程和房价上涨方程在内的联立方程模型(SEM)，见模型(1)、模型(2)。其中，单方程模型反映单向影响机制，系统方程模型用于解释房价与收入差距间的互动影响机制。

描述性统计结果显示，指标均满足联立方程模型秩条件，参数可识别。同时，模型也满足方程过度识别的阶条件，即K*≥M1。单位根检验的p值显著小于0.01，均通过单位根检验。基于此，本文首先进行OLS单独估计作为参照系，再使用2SLS做单一方程估计和三阶段最小二乘法(3SLS)进行系统估计，以及迭代式三阶段最小二乘法估计。结果见表2。

表2 回归结果汇总

首先，从结果比较来看，3SLS较OLS与2SLS的回归结果更稳健且变量间相关性更显著。因此，本文以表2所示几种回归结果中的3SLS及3SLS～r为准。从估计结果来看，房价与收入差距间存在显著的双向影响关系，即存在交互性。其中，收入差距方程显示，房价每上涨一个单位，收入差距拉大0.074个单位；房价方程(收入差距对房价的影响)中，收入差距上升一个单位，房价上涨3.563个单位。住房新开工面积(Hnewm)和城镇化率(Ur)对房价有负面影响，其中住房新开工面积是地区房地产投资开发力度的表征变量，如果住房新开工面积的增加会使房地产市场供给量增加，房价会有下跌的可能。除此之外，住房投资价值(Hinvest)和单位土地购置费用(Tuprice)对房价有正向的冲击，从成本收益的角度看，投资价值和单位土地购置费用的增加，会提高住房建造成本从而推动房价上涨。另外，本文选择的联立方程组，既解决了核心变量间的内生性问题，又尽可能拟合二者的双向影响，保证了结果的稳健性。

(二)分区域回归

我国地域辽阔，地区发展和城市进程差异巨大。鉴于此，本文将样本划分为东中西部，探讨收入差距与房价的区域效应，结果如表3所示。

表3 分区域回归

(1)东部地区，房价上涨对收入差距的影响在1%水平上显著，同时，收入差距对房价上涨的影响程度更高，收入差距在扩大1单位基础上会拉动房价上涨1.418个单位，并在10%水平上显著。原因可能在于，东部地区是中国改革开放和市场化水平最高的地区，平均工资水平较高，与此同时，源源不断的人口流入，为房地产投资提供了充分的乐观预期。因此，东部地区的富裕群体和高收入群体更易诱发对房地产的投资偏好，从而出现收入差距反向刺激房价上涨的现象。(2)中西部地区，收入差距对房价上涨的刺激作用同样明显，且都在1%水平上显著。这说明，现阶段我国居民间的收入差距，不仅体现在货币化层面，而且依托房地产投资属性，传导到房地产市场，并直观反映在房价上涨上面。也即，只要收入差距在一定程度上广泛存在，就天然存在人们依托房地产渠道保值增值的动力机制。热点地区房价上涨的动力持续存在，直至沦为“富人”追逐财富的游戏。这从另一个角度论证了房地产调控任务的艰巨性。

五、稳健性检验

(一)系统模型稳健型检验

本文使用替换主要变量的方法进行稳健性分析。具体来讲，参考郑新业等[33]采用测算组间收入差距的方法，按收入高低分组，考察不同群体收入的相对差异，指标记为(lnIncgap)it，数据处理结果如表4。替换主要变量后，房价上涨与收入差距程度仍具有显著的双向影响关系且收入差距对房价的影响较强烈。其中模型OLS和Two_sls分别指最小二乘法和两阶段回归的模型，结果表明房价上涨与收入差距程度之间具有双向影响，但部分控制变量不显著，双向系统不够稳定。而使用模型Three_sls、Three_sls_iter即三阶段回归时，收入差距程度对房价的影响系数由0.840增至1.071，且主要变量在0.01的程度上显著，控制变量的显著程度也有所增加，说明房价和收入差距之间的变化在迭代回归的情况下仍具有双向且正向影响。此结果与前文回归结果一致。

表4 使用替代变量进行总体回归稳健性检验

(二)分区域模型稳健型检验

接下来仍然利用变量ln(Incgap)it，对不同区域的3SLS回归结果进行稳健性检验，结果如表5所示。

从东中西部的分区域情况来看，仍显著表现出收入差距扩大对房价上涨的刺激作用，其值分别为0.162、0.082和0.083，且都在1%水平上显著。其显著性程度明显高于房价上涨对收入差距的影响。同时，表5结果与表3结果相吻合。

表5 使用替代变量进行分区域回归稳健性检验

六、结论及建议

本文以CGSS微观数据为切入点，为探究房价和收入差距之间的关联，构建了“房价—收入差距程度”的联立模型，使用3SLS回归估计和分区域估计对二者关系进行验证。研究结论表明：房价上涨拉大了收入差距，削弱社会公平；同时，收入差距拉大也反向刺激房价上涨，两者存在交互性。同时，两者的交互作用又表现出非均衡性，收入差距扩大造成的房价上涨更加显著。

综上，房价与收入差距之间具有双向且正向的影响关系，但二者上涨过快对经济均有严重的危害，因此从政策调控角度对其涨势进行缓冲是十分必要的，在政策选择上，不能仅瞄准单一目标，应考虑到二者之间的联动机制，采取适当的措施：(1)抑制房地产投资属性。坚持“房子是用来住的，不是用来炒的”的定位不动摇。从需求端，推行租购并举，强调住房的居住属性，将住房定位为消费品，遏制市场投机行为。加快房地产市场税收制度建设，借助房产税、遗产税等提高“炒房”成本，抑制房地产市场投机。从供给端，在适宜程度上控制土地拍卖价格、差异化住房供应结构。创造出既有适合低收入家庭的保障房，也有外形美观、超高质量的豪华小区房，形成“高端有市场、中端有需求、低端有保障”的多元化市场结构。(2)关注并避免收入差距过大。初次分配层面，政府应关注生产要素分配环节公平，避免非正常手段利益寻租现象的发生；再分配层面，防止甚至限制市场的住房投机行为，从制度层面切断收入差距衍生的住房不平等问题。

本文的研究结论为调控房价与收入差距，以及分区域研究提供了微观数据上的支持佐证。进一步的研究，需要加强以下两方面工作：一是加强对微观数据的应用。受数据限制，本文采用的是宏微观结合的数据，不能像纯微观数据那样做到个体识别。二是加大对时间序列长度的运用。受客观数据完整性的制约，未来可进一步进行积累，拉长时间序列，这样可以对发现长期规律和保证稳健性提供更好的支持。

注释：

①依据国际认定，基尼系数处于0.4～0.5之间视为收入差距较大，大于0.5则是收入差距悬殊，需要调控.

②测算数据使用CGSS2008、2010、2011、2012、2013、2015年调查数据，故本文实证使用数据为混合截面数据.

③3SLS是处理变量之间的内生性的常用方法。参见文献[34].