中国金融发展对城市住房影响的实证分析

姚雪松，向 军，姚 慧

（1.广东技术师范大学 财经学院，广东 广州 510665；2.贵州健康职业学院 思想政治教学研究部，贵州 铜仁552300；3.贵州铜仁交通职业学校 基础教学部，贵州 铜仁 552300）

一、引言

随着中国城市化进程的发展，城市房价长期处于相对高位，城市住房问题成为了中国当前主要问题之一。解决城市住房问题，不仅是中国城市化进程的重要影响因素，同时也是解决城市社会治安混乱等“社会事件”问题的重要影响因素。如何有效地解决城市住房问题，是中国当前面临的重大课题，也一直是世界各国政府和学术界不断在探讨的热门话题。Romer（1986）[1]和Jung（1986）[2]及Merton（1992）[3]认为城市居民在住房上的支出很难由家庭的当期收入来承受，因此采用金融的手段透支未来家庭收入用于住房支出是解决城市住房重要而有效的手段。King（1993）[4]和Levine（1997）[5]认为解决城市住房问题除了通过增加城市居民收入、降低购房税收、降低住房贷款利率等手段外，政府还应进行城市住房规划，不断增加城市住房供给，这一过程可以通过政策性金融手段来帮助完成。Luisito & Duncan（2004）[6]及Nahashi & Stannics（2007）[7]认为城市住房问题的解决主要只能通过金融和税收两个手段，可以通过金融机构筹集社会储蓄用于城市住房的建设，并且政府给予建房者和买房者相应补贴和税收减免来解决城市的住房问题。易宪容（1999）[8]、陆铭和陈钊（2004）[9]认为城市住房问题能否解决最主要取决于城市住房金融的发展，然而中国住房金融还存在不少问题，亟需制定与之相配套的各种政策。张宗益和许丽英（2006）[10]、黄勇和谢朝华（2008）[11]、贾洪文和胡殿萍（2013）[12]认为住房金融是发展城市房地产的重要工具，但过度发展存在潜在风险，过度地通过金融手段向房地产投机会放大住房金融的系统性风险。姚雪松等（2014）[13]认为金融发展通过促进储蓄和投资以及储蓄向投资的转化对区域资本的形成具有重要的积极作用，从而对城市住房问题的解决具有积极的影响。王弟海等（2015）[14]、彭镇华和习明明（2018）[15]认为金融发展通过金融业自身规模的扩大以及对城市产业发展的促进作用，对城市就业和城市住房问题的解决具有较大的积极作用，但同时也应该注意防范金融风险的爆发对城市就业和城市住房带来的负面冲击。李枫（2019）[16]认为中国土地财政和土地价格对城市住房价格的影响不大，金融信贷才是影响城市房价的最主要因素。孙伟增等（2020）[17]认为金融对城市住房租金与居民消费具有影响，住房问题的解决有助于缩小居民之间的不均等。

大量的研究表明金融对城市住房具有影响，但对中国金融与城市住房的影响研究主要集中在金融信贷对城市房价的影响，以及房地产市场价格波动对金融风险的影响，很少有研究涉及到中国金融发展对城市住房问题解决的影响。本文从金融发展可以增加城市住房供给和城市居民购买能力从而有效解决城市住房问题的角度出发，总结梳理金融发展对城市住房的影响机制，在此基础上以城市住房销售面积作为城市住房的代理变量，运用中国省际面板数据实证分析中国金融发展对城市住房的影响，分析中国金融发展对城市住房问题解决的作用和贡献，最后提出对策建议。

二、金融发展对城市住房的影响机制

（一）金融发展通过对房地产企业的融资促进城市住房供给的增加

城市住房问题的解决最根本在于建设更多的城市住房，增加城市住房的供给。城市住房的建设者主要为各房地产企业，而房地产企业进行房屋的建设往往需要先垫付大量的资金，如果没有很好的融资渠道和融资来源，很多的房地产企业往往会因为资金的缺乏而难以开工或完工，影响城市住房的建设和供给。金融发展体现为金融机构的增长、金融资产的增多、金融市场的完善等，无论是哪一方面的发展都会对房地产企业融资产生重要的积极作用，有了金融的融资途径，房地产企业可以通过向银行贷款或者在金融市场上发行股票和债券等方式筹集资金，达到住房建设融资的目的，从而对城市住房的建设和供给具有重要作用。

（二）金融发展通过对城市居民提供贷款帮助解决住房问题

由于住房是城市居民家庭最重大的支出之一，大多数城市居民和家庭往往很难通过短时间的收入来承担购房的支出，若完全依靠自身储蓄来实现购房，往往需要很长的时间才能完成。金融发展的表现之一为金融规模的扩大，即借贷资金规模的扩大，通过金融机构对城市居民提供购房贷款，可以平滑城市居民一生的收入，实现城市居民先购房居住，然后用后面的收入还款的方式完成购房，从而帮助解决城市住房问题。

（三）金融发展通过对保障性住房建设提供资金融通帮助解决城市住房问题

在城市土地有限的情况下，随着城市人口的不断增加，城市住房需求不断地扩大，世界各国都会面临城市房价高涨、城市居民购房困难的问题，为了解决城市中低收入居民城市住房问题，很多国家采用了保障性住房政策，而保障性住房建设所需要的资金也往往需要通过金融手段来予以调节和融通。金融发展使得可以调节和融通保障性住房建设所需资金的金融手段更为丰富、灵活，可以提供的资金规模更为庞大，从而有效地促进城市保障性住房的建设，增加城市住房的供给，帮助解决城市住房问题。

三、模型设定、指标度量和数据说明

（一）模型设定

从理论分析来看，金融发展通过为房地产企业提供更大规模、更便捷的融资，为城市居民提供购房贷款，为城市保障性住房建设提供融资的方式对解决城市住房问题具有重要的积极作用。以下通过构建以城市住房为被解释变量、金融发展为主要解释变量的计量模型实证分析中国金融发展对城市住房的影响。构建的模型如下：

lnhouseit=bt+ρilnfdsit+φilnfseit+ηiY+ωit

其中，ωit为随机误差项，bt、ρi、φi和ηi为参数；lnhouseit、lnfdsit和lnfseit分别为城市住房、金融规模和金融效率。Y代表了一组控制变量，分别为产业结构、政府行为和城市非房地产固定资产投资。

考虑到金融发展主要表现为金融规模的扩大和金融效率的提高，因此本文设定模型中将采用金融规模和金融效率两个指标来衡量金融发展的状况。另外，考虑到可以有效地消除异方差以及变量单位可以统一，所以设定模型中将所有变量都取了对数。

（二）指标度量

1.城市住房。从已有的文献来看，城市住房状况大多用城市住房建筑面积或城市人均住房面积来代表，但考虑到目前中国很多城市住房存在房地产企业故意空置的情况，城市住房建筑面积或城市人均住房面积并不能很好地代表城市居民实际的住房状况，这在上文中已提到，本文主要试图分析中国金融发展对城市住房问题解决的作用和贡献，而城市住房问题是否解决主要看城市居民购房情况，因此本文用城市商品房销售面积作为城市住房的代理变量，更真实地反映城市居民的实际住房状况，记为houseit。

2.金融规模和金融效率。金融的概念为资金的融通，因此金融规模的大小是指资金融通规模的大小，资金融通规模包涵了所有金融市场的融通资金，但由于中国资金融通主要以银行市场为主，银行市场的资金融通规模总体可以代表中国的金融规模，因此本文选择银行贷款总量作为金融规模的代理变量，记为fdsit。金融效率是指资金融通的效率，本文沿用了姚雪松等（2017）[13]的做法，采用银行的存贷款率作为金融效率的代理变量，记为fseit。

3.控制变量。考虑到产业结构、政府行为和非房地产固定资产投资状况会对城市住房产生较大的影响，因此本文选择了产业结构、政府行为和城市非房地产固定资产投资三个变量作为本文的控制变量。产业结构采用第二、三产业所占比重作为代理变量，记为ind_strit，政府行为采用政府财政支出减去政府财政收入作为代理变量，记为g_r_eit，城市非房地产固定资产投资采用各地区非房地产固定资产投资作为代理变量，记为f_assetsit。

（三）数据说明

由于2003年中国进行了城市建设房屋土地由招投标制度改为拍卖制度的改革，对城市住房建设的影响较大，另外由于2020年新冠肺炎疫情对房地产销售影响较大，因此我们选择了2003—2019年中国的省际面板数据作为样本数据，原始数据来源为2003—2019各省区市统计年鉴、中国人民银行官方网站、国家统计局官方网站、中经网数据库、中国知网数据库。整理后的设定模型中各变量样本数据的描述性统计如表1所示。

表1 本文设定模型中所涉及变量的描述性统计

为了直观地观察中国金融发展与城市住房的关系，整理好设定模型中各变量的样本数据后，作出了金融规模和城市住房以及金融效率和城市住房的散点图，如图1、图2所示。从散点图来看，金融规模和金融效率与城市住房之间均存在正向相关性，但这还不能表明它们之间的关系，它们之间的关系还需通过具体的计量估计方法估计后才能得出。

图1 金融发展对城市住房的影响机制

图2 金融规模与城市住房之间的散点图

图3 金融效率与城市住房之间的散点图

四、实证分析

（一）各自变量相关性分析

在模型估计前，先需要确定模型中各解释变量间是否存在多重共线性的问题，通常的做法是通过观察各解释变量间的相关系数，以及通过方差膨胀因子的值（VIF）来检验。本文首先计算了各解释变量间的相关系数，计算结果如表2所示，然后计算了各解释变量的方差膨胀因子的值，计算结果如表3所示。从表2可以看出，各解释变量间相关系数均小于0.8，表明设定模型存在多重共线性的可能性较小；从表3可以看出所有变量对应的VIF值均小于10，表明设定模型不存在多重共线性。

表2 本文设定模型中各自变量间的相关系数

表3 本文设定模型中各自变量方差膨胀因子的值

（二）模型估计方法

确定了模型不存在多重共线性后，就可以选择适当的方法对模型进行估计。由于本文选用的数据为中国省际面板数据，所以设定模型为面板数据模型。针对面板数据模型的估计方法主要有三种：OLS、固定效应和随机效应估计。选择哪一种估计方法取决于模型是否存在固定效应和随机效应，这主要通过对被解释变量的变化图、固定效应后的F检验以及随机效应后的xttest0检验来判断。基于此，先作出了设定模型中的被解释变量（lnhouse）的变化图，如图4所示。从图4中看出，被解释变量（lnhouse）各省份的截距和斜率都存在一定差别，表明存在个体效应，应该采用固定效应或随机效应对模型进行估计，另外固定效应估计后的F检验的P值为0.000，表明设定模型存在固定效应，随机效应估计后的xttest0检验的P值为0.000，表明设定模型存在随机效应，都表明设定模型不应该采用OLS估计。选择固定效应估计还是随机效应估计通常的做法是对两者估计结果进行hausman检验，因此我们也采用了这种做法，hausman检验的卡方值为-134.29，为负数，表明应采用随机效应估计。本文设定模型OLS、固定效应、随机效应估计和各检验结果如表4所示。

图4 本文设定模型中各省份lnhouse变化图

表4 本文设定模型的估计结果

（三）估计结果分析

根据上面的分析，设定模型应该采用随机效应估计方法，从表4中随机效应估计结果来看，设定模型选择的控制变量产业结构（lnind_str）、政府行为（lng_r_e）和城市非房地产固定资产投资（lnf_assets）均对被解释变量城市住房（lnhouse）具有显著性的正向影响，表明本文选择的控制变量是恰当的。金融发展的两个代理变量金融规模（lnfds）和金融效率（lnfse）对城市住房同样具有显著性的正向影响，金融规模每增加1%，城市住房销售将增加0.185%，金融效率每提升1%，城市住房销售将增加0.219%，表明金融发展对增加中国城市住房、解决城市住房问题具有重要的积极作用。

五、结论与建议

城市房价长期处于相对高位，城市居民的住房问题仍然是当前中国面临的重要问题之一，解决城市住房问题，最主要的途径有增加城市住房的供给和提高城市居民购买能力两方面。理论分析表明，金融发展通过为房地产企业提供更大规模、更便捷的融资，为城市居民提供购房贷款，为城市保障性住房建设提供融资等方式对增加城市住房供给和提高城市居民购买能力具有重要的积极作用。通过中国省际面板数据的实证分析也表明，金融发展对中国城市住房具有重要的显著性的正向影响，金融规模每增加1%，城市住房将增加0.185%，金融效率每提升1%，城市住房将增加0.219%。

基于研究结论并结合现实，提出以下建议：

第一，进一步努力促进城市金融规模的扩大。金融规模的扩大可以有效地增加对城市住房建设的融资，有效增加城市住房供给；金融规模的扩大还可以增加对城市居民的购房贷款规模，有效降低购房贷款利率，增强城市居民购买能力。建议可以通过进一步增加金融机构、扩大金融市场、降低民间资本开办金融企业的门槛来促进中国金融规模的扩大。

第二，鼓励金融创新，提高金融效率。金融效率的提高对解决城市住房具有十分重要的意义，但目前中国各城市的存贷款率平均占60%左右，股票、债券等金融市场在整个社会融资规模中所占比例较小，由于2018年互联网金融平台出现大量违约事件，互联网金融平台市场等新兴金融市场低迷，中国金融效率总体而言处于相对比较低的状态。但是不能因短暂的问题而放弃金融创新、金融效率提升的努力，政府应进一步鼓励金融创新，扩大股票、债券等直接金融在社会融资规模中的比重，鼓励新兴金融市场的形成，完善互联网金融平台等金融市场的功能，提高中国的金融效率。

第三，加强金融监管，防范金融风险。金融规模的扩大、金融效率的提升都会引发金融风险压力的增大，政府应加强金融监管，特别是对互联网金融平台等新金融市场和金融机构的监管，可设立对新金融机构、新金融市场和新金融产品专门的监管机构，设计和完善新的监管体系和方法，确保在中国金融规模扩大、金融效率提升的同时不出现系统性金融风险的爆发。另外尽量防止房价的大起大落，避免房地产市场价格大幅波动对金融市场造成的巨大冲击，防范金融风险。