房价波动的消费挤出效应——基于我国70个大中城市面板数据分析

赵维树，薛璟璟

(安徽建筑大学，安徽 合肥 230601)

在我国过去十多年的经济发展过程中，房地产在拉动经济增长中扮演着重要角色，与房地产相关的上中下游企业分享了红利，带动了整个社会经济的发展。2008年以前，我国经济增长以出口拉动型为主，房地产并不属于支柱产业，房地产泡沫尚未形成。虽然当时房地产也有过较快的增长，但与居民的收入水平相适应。2008年以后，随着出口贸易萎缩，刺激楼市，稳增长开始成为政策取向，房价也开始了一波迅速的上涨周期，买不起房成为社会的重要难题。迄今为止，为了抑制房价的快速增长，中央和地方先后出台了诸多政策，但是房价却越打压价格越高，房价泡沫对实体经济的挤出效应越来越明显。例如，银行资金大部分流向了房地产企业，居民收入的大部分用于买房，抑制了其扩大消费的可能。因此，房价波动对居民消费的影响，将成为新的研究热点。

一、文献综述及假设

房地产泡沫的形成使得学术研究领域对它的关注与日俱增。在助推房价的影响因素研究中，周怀康等通过跟踪我国高层次人口的流动数据，指出高素质人口的跨省流动是助推本地房价上涨的最重要原因。[1]王丽艳等则对我国抑制房价的政策无效性做了研究，认为现有房价市场中刚性购房者存在明显的“羊群效应”，导致政策干预达不到预期的效果。[2]在房价波动对中国宏观经济影响的研究中，翟乃森指出，当前我国依靠房地产促进经济增长的方式已经变得不可持续，2018年以后虽然房地产投资增速超过10%，但是经济回落仍在继续，房地产稳增长的边际效应递减趋势明显。[3]魏兰叶认为房地产对实体经济已经造成了恶劣的影响，尤其是中小企业，由于房地产对资金的需求大，可抵押物品足，因此大多数银行将现有资金贷款给房地产企业，中小微企业无法获得贷款，增加了社会失业。[4]

由于住房具有投资和消费两种属性，一些学者也开始研究房价对居民财富和消费的影响，试图厘清房价—消费之间的传导机制。张世涵在研究中发现，房价的上涨能否带来财富效应取决于房产变现的能力，这又与整个社会的借贷成本以及信贷市场发展程度相关，而由于我国信贷市场尚不成熟，房价的波动对于消费的挤出效应大于因为房价上涨带来的财富效应。[5]李春风等在研究中发现，虽然在房价上涨早期，持有住房者会因为房价的上涨获得收益，获得一定的财富效应，但是随着房价涨幅过快，居民收入增幅赶不上房价增幅，此时居民不得不借贷消费，降低了居民的边际消费倾向。[6]郑宁、陈立文通过实证分析表明，房价一路飙升带来的是居民消费支出的持续性下滑，这与居民部门杠杆率飙升相关，且这种挤出效应还存在明显的地域差异。[7]关于消费挤出效应的解释，学者们也从其他方面做了有益的尝试。例如，吴焕研究表明，长期来看政府的公共卫生支出会有一定的消费挤入效应，但短期来看这种效应并不明显。[8]唐琦、秦雪征基于对微观数据的分析表明，医疗消费会显著降低家庭的储蓄，减少日常食品消费，且这种挤出效应主要是通过收入效应实现的。[9]姜海纳等研究了婚庆消费的挤出效应，指出随着婚庆消费规模的扩大，加剧了一些低收入家庭的消费压力，因此应该减少婚庆消费中的炫耀性支出，理性消费。[10]

纵观学者已有的研究成果可以发现，学者们对居民消费挤出效应的研究更多的是站在房价上涨的角度来看的，并未从房价波动出发。随着我国经济进入新常态，房价的预期波动可能更严重。因此，基于学者已有成果，本文得出推论：房价的波动对城市居民而言会有重大的消费挤出效应，且这种挤出效应与波动的大小呈现正向相关。

二、变量、数据与研究方法

(一)变量的选取与数据来源

本文整理我国2012—2018年70个大中城市(包括4个直辖市，27个省会城市以及39个大中型城市)的数据，其中核心变量包括房价以及房价波动性变量，被解释变量为城市居民人均消费支出规模。关于房价波动的变量，本文以国家历年公布的商品房交易价格数据为基础，以其同比增速的绝对值作为衡量房价波动的代理变量，其中房价和房价波动性变量主要来源于我国统计局官方网站。

由于本次研究主要分析的是房地产价格波动对居民消费支出的影响，因此，在计量模型中仅考虑价格的波动性变量与房价变量。此外，由于居民的消费还受到家庭收入、收入差距以及受教育水平等诸多变量的影响，因此，也将上述变量纳入到控制变量范畴中进行考虑。各控制变量数据均来源于我国城市统计年鉴、各城市历年公布的经济与社会发展统计公报，对一些缺失的数据，采用了插值法的处理方式。为了剔除因变量数据过大造成的误差，对收入及房价变量做了对数化处理，各变量的描述性统计具体见表1。

表1 城镇居民各变量的描述性统计情况

(二)计量模型简介

研究房价波动的挤出效应，使用面板数据更有优势。相对于时间序列数据，面板数据样本数量更充分，能够有效避免数据之间的多重共线性以及样本之间的异质性问题。因此，建立了如下面板计量模型：

lnCit=αi+βilnHit+λiVit+γiXi+εit

(1)

其中i表示第i个城市，t表示第t年，H为各个城市历年的平均房价，β、λ、γ分别为各个变量的估计参数。如果β值为正，则意味着随着房价的上涨，居民的消费水平得到了提高，房价的财富效应增强；如果β值为负，则意味着房价上涨不利于居民消费水平的提高。对于房价波动变量而言，如果λ显著为正，则意味着房价波动越大，居民消费水平越低；如果λ显著为负，则意味着居民消费水平会因为房屋价格的不确定性而降低。εit为随机扰动项。

三、房价波动的消费挤出效应的实证分析

(一)面板单位根检验

本文在实证中使用了70个大中城市七年的面板数据，对于房价波动与消费可能会存在伪回归现象，因此在实证分析之前需要进行单位根检验。为了提高样本数据检验结果的可信度，综合运用了业界较为流行的PP-Fisher检验、LLC检验、IPS检验以及ADF检验对本文的被解释变量以及核心解释变量进行单位根检验，具体结果见表2。统计分析数据显示，三大变量都符合单位根检验的条件，因此不存在伪回归的问题。

表2 单位根检验的结果

(二)回归分析

表3是本文基于式(1)测算的回归结果。在第一列中，仅仅对主要核心解释变量进行了估计。模型拟合的结果显示，城市居民人均消费与房屋价格以及房屋波动呈现显著的负向相关关系，这与前文的推论相符合，即房屋价格的波动尤其是房屋向上的价格波动会显著降低居民的消费支出，房价波动的消费挤出效应明显。在第二列中，本文加入了各个控制变量进行了OLS回归。可以看出在加入各个控制变量以后，主要核心变量估计的参数虽然发生了细微的变化，但显著性程度未发生变化，均通过了1%的显著性检验。在各控制变量中，居民收入显著为正，说明收入仍然是决定居民消费水平的重要因素，受教育程度以及城乡收入差距的估计结果虽然为正，仅仅通过了10%的显著性检验，一个可能的原因是70个大中城市数据的限制，在受教育水平以及城乡收入差距上表现的差异不大。在第三列中，本文考虑了个体固定效应以及时间固定效应的影响。研究结果表明，房价波动与居民消费呈现显著的负向相关关系，验证了推论。

表3 回归结果表①

关于房价波动为何会影响居民消费， 一个可能的解释是：2018年以前房价的波动更多表现为房价的上升，而在这一阶段，无房群体仍然占大多数，刚需群体为了购买房屋，不得不通过按揭付款的方式买房，这也就意味着其收入的绝大部分将会被银行部门划走用来支付房款。房价的波动性越大，对于无房者群体的影响会越大，其预期购买房屋所需的费用就越高，这也就意味着其能够用于日常花费的费用就更少。

四、结论与建议

通过对2012—2018年我国70个大中城市房价波动及居民消费支出数据的回归分析发现，随着房价消费在居民消费支出中所占的比例不断上升，房价对居民消费的挤出作用愈发明显。实证结果也表明，房价的波动不利于居民消费水平的提高，在考虑了收入、受教育水平以及收入差距等因素后，房价波动对居民消费的挤出效应仍然很显著。因此，为了改善居民消费水平，本文从住房角度提出以下建议：

首先，要完善住房长效保障制度。作为民生问题的基石，完善的社会保障制度不仅能够有效解决低收入群体的住房问题，还有利于我国的城镇化建设。当前我国虽然有廉租房、保障房政策，但是落实情况不理想，并未从根本上解决流动人口的住房问题。因此政府应结合现有住房保障政策，协调好保障性住房与商品房的供应，做到精准保障，通过税收减免、住房补贴等方式确保中低收入群体能够有房住、住得起房。为了实现住房长效保障制度，应该借鉴国外成功经验，紧紧围绕住房保障制度改革，建立起政策性的公积金制度、合作性的住房储蓄银行以及商业性抵押贷款制度为一体的住房金融制度，促进住房保障制度的可持续发展。

其次，要构建房地产发展长效机制，引导健康居住理念。房价波动对消费的挤出效应主要是因为未来的不确定性。为了从根本上解决由于房价波动，尤其是房价上涨对消费的挤出效应，需要构建一套成熟的房地产健康发展的长效机制，减低土地财政对房价波动的助推作用，以减缓房价的波动。通过避免房价的大起大落，消除刚性买房者对房价上涨过快的担忧，去除房地产中的投机投资部分，真正让房地产回归居住属性，以此来引导居民形成更加理性的居住观念，这样才能够形成健康可持续的社会消费动力。从房地产市场长期看，人口的态势仍将持续，这就给房地产调控政策提供了方向，大中城市一直以来都是人口流入的重要区域，这也直接带动了城市的住房需求。基于此，国家在房地产调控中应该谋篇布局，长远规划，实现人口在区域城市间的技术性流动，合理调配房地产市场需求。

最后，要不断扩宽居民收入增收路径。这就要求转变我国过去过度依赖房地产的经济发展方式，通过大力发展第三产业，提高居民的就业机会，提高最低工资标准，充分释放居民的消费潜力，以内需带动经济的可持续性发展。此外，丰富居民投资路径也是抑制房价的一大推动力，通过合理引导民间资本投资，逐步减少民间资本流向房地产领域，转而向有资金需求、具有良好发展前景的人工智能、大数据、环保行业转移，从而促进产业间的协同发展。

注释：

①在固定效应模型的选择上，本文首先采用了豪斯曼检验。检验结果表明，应该适用固定效应模型。