地方政府债务、货币供给与房价调控的辩证研究

2022-10-09 08:18胡吉亚

大连理工大学学报（社会科学版） 2022年5期

胡吉亚

(中国社会科学院大学金融研究所，北京 102488)

一、引言

房地产业是我国支柱型产业，关系国计民生。在国家宏观去杠杆、经济调结构的环境下，越来越多的学者将研究方向转向房价变动原因领域，认为影响房价的主要因素包括城镇化[1]、土地财政[2]和货币政策[3]。

我国房价的上升与城镇化的推进几乎同步。自20世纪末开始，地方政府就开始通过土地财政的方式融资进而推进基础设施建设和民生保障[4-5]，地方政府以土地出让金、土地相关税费和土地投融资收入为基础的收入，占据了2003～2015年地方财政收入的30%～60%[6]。在债务规模控制方面，世界各国的阈值大致相似，政府债务规模约占各国GDP值的90%[7]。总体来说，地方政府目前尚能够控制债务风险[8]，系统性风险发生的概率不高。

货币供给量的增加对于房价上涨具有正向效应[9-11]。有研究显示,货币供应量每增加1%，房价随即会增长1.69%[12]，二者之间呈动态相关性[13]。在金融杠杆的背景下，货币政策能够有效地调节房地产市场价格[14]，尤其是，价格型货币政策通过信贷渠道对房地产市场价格的负向效应非常明显。通过构建理论模型发现，如果美国、西班牙和爱尔兰3国的货币政策足够稳健，那么它们的房价上涨率可以分别降低50%、38%和58%[15-16]。

综上所述，国内外学者分别对于政府债务、货币供给量对于房价的影响做出了一些有益的研究。但是，统筹研究3者关系的文献并不多，特别是在后疫情时代，政府部门在“六保六稳”领域的支出增加，财政压力增大，货币供给量扩张，这些对于房价走势会有怎样的影响？政府债务和房地产市场该如何调控？这是本文主要研究的问题之一。此外，大多文献都较为关注高房价的原因及监控，并未分析高房价是否阻碍了经济发展，是否会引发金融风险，本文从经济发展和金融风险两个视角出发，辩证研究政府债务、货币供给与房价变动的关系，并据此提出政策建议。

二、政府债务、货币供给与房价波动的一般分析

1994年我国实施分税制改革，划定中央政府和地方政府之间的财权关系，地方财政自此自收自支，地方财政压力逐渐增加。

1.政府债务与房价波动

(1)地方政府债务现状

2010～2020年地方政府财政收入与财政支出均实现稳健增长，其中，地方财政支出的增长量始终高于财政收入，债务赤字不断累积，具体情况如表1所示。

表1 中央及地方财政收支情况(单位:亿元)

近年来，地方政府债务不断增长，主要因为基建投入、民生保障和“后危机+后疫情”时期需要大量资金投入。例如，河南省2019年前10个月财政支出75%投向民生领域[17]，江苏省2019年上半年财政支出75%以上用于民生[18]，福建省持续10年民生支出占一般公共预算70%以上[19]。2020年，为扩大内需实现“六稳”，多省市列出了重大项目建设规划。例如，云南省2020年将推出525个重点项目，总投资约5万亿元；《北京市2020年重点工程计划》则包括300个项目，计划完成投资约2523亿元。2021年全年，国家发改委共审批核准固定资产投资项目90个，总投资7754亿元[20]。在国家大力发展重点建设项目背景下，财政压力促使地方政府只能“开源”，而地方政府的财政收入来源较为单一，因此，地方政府只能依赖土地财政扩大收入，来缓解债务问题。

(2)土地财政对房价的影响

我国地方财政对于土地出让收入的依赖度不断上升，由2008年的16.92%上升到2017年的30.17%[21]，其所带来的高地价和税费是房价持续上涨的主要原因之一。

由表2可知，2012～2020年土地相关税收不断上升，9年间上涨了2～3倍。其中，土地增值税增长近100%，契税增长了146%；从比例上来看，土地相关税收占地方财政收入比重的变化不大，一直处于12.57%～19.04%的区间内；土地出让金占财政收入的比重增长变化幅度明显，由2012年46.69%增至2019年的71.74%；土地出让收入成为地方财政收入的第一来源。土地出让收入占据地方政府债务比重的情况亦是如此，总体上呈增长态势，见表2最后一列。土地相关税收是房屋建造的主要成本，随着土地市场改革完善，“招、拍、挂”成为主要的土地交易方式，地产投机及房地产金融属性则引发了房价持续上涨的棘轮效应。以土地财政为媒介，房地产价格与地方政府债务之间形成正向联动关系，进一步强化了两者的联动风险。因此，土地财政依赖、土地与房地产的金融属性综合促成了房地产与债务风险联动的现实路径[22]。根据世界银行标准，发展中国家房价收入比系数通常在4～6，超过7则意味该地区是“房价较难承受地区”[23]。Wind数据库显示，2019年北京、上海、深圳、广州、杭州、天津房价收入比分别为22.97、25.31、34.38、13.3、14.95、12.83，明显高于7的标准值。

表2 我国土地相关税收情况 (单位:亿元)

2.货币供给与房价

近年来，由于金融危机和新冠疫情的爆发，各国纷纷采取扩张型货币政策，加大现金流的投放，我国亦是如此。货币政策的核心思想是通过调节货币供应量和利率，进而作用于消费、投资与贸易，而利率本身取决于货币供需数量，因此，货币政策最终体现在货币供应量的调节方面。

(1)我国近10年货币供应量增长及原因分析

近10年来，我国货币供应量一直呈现出不断增长的趋势，如图1所示：

图1 我国近10年来货币供应量变化

我国货币供应量的增长首先源于GDP的稳步增长，随着居民收入增加，对货币的需求也逐步增加。其次，我国国际贸易顺差依然巨大，加上引进外资政策，存在大量外汇占款，在强制性结售汇制度下，外汇占款转化为基础货币，导致货币供应量大幅增加，但是随着我国转变对外贸易发展方式，贸易顺差可能会逐渐减少，对货币供给的影响也会减少。再次，我国依然保持着较高的储蓄率，在部分准备金制度下，储蓄货币由于乘数效应会派生出更多的货币供给；此外，在“后危机+后疫情”时代，政府的救市措施也会直接影响货币供给量，2021年我国M2为2 213 047亿元，同比增长9.39%，10年间增长了66.84%[24]。

(2)货币供给量增长对房价的影响

与M2持续增长几乎同步的是，我国各大主要城市房价也同步增长。以北京、上海、深圳、杭州、天津、广州、成都、武汉、长沙9个有代表性的一线城市为例，对比图1和图2可知，2012～2020年样本城市的房价均呈现出上涨的趋势，但是2017年前后，各城市房价变化的曲线都趋于平缓，而在2017年，我国M2的增速也跌破至个位数，为8.20%，可见，房价和货币供给的变化趋势具有一致性。

图2 样本城市近九年来房价的变化

货币供给量增加对于房价的影响主要通过3种途径：第一，利率渠道。扩张型的货币政策会降低利率。一方面，购房者比开发商的贷款利率更低，房地产市场供需双方成本同时下降，活跃了房市发展，推高了房价；另一方面，资本市场收益下降，通胀压力上升，居民资产保值增值需求上升，增加购房需求。第二，成本渠道。货币供给量的增加造成不同程度的通货膨胀，推动建材成本、人力资本、土地价格等原材料价格的上升，进而提高房价。第三，财富效应渠道。货币供给量增加使得居民财富增加并有能力重新规划资产配置和生命周期消费，投资房产或者改善住房条件的需求被释放，推动房价上升。

综上所述，政府债务和货币供给的数量都与房价呈现出正相关关系，下面以实证研究来进一步验证政府债务、货币供给对房价的影响。

三、政府债务、货币供给对房价的影响测度

本文选择我国15个主要城市作为研究样本，搭建合理的指标体系，对于政府债务、土地税费、货币供给量和房价的关系做进一步的研究。

1.指标的选择和模型的建立

目前我国各城市的房价主要呈现出一线大城市和省会城市房价稳中有升，大部分二线城市和三线城市房价窄幅盘整且趋于下降的特点。各城市各年的统计年鉴和《国民经济和社会发展统计公报》统计口径并不相同，并以2012年为界。基于数据的可得性和指标的统一性，本文选取我国15座主要城市2013～2019年的相关数据进行实证分析。

衡量房价的主要指标之一就是租售比，本文以各样本城市的房屋租售比作为衡量房价的指标，也是实证的被解释变量，记为ZS。土地财政对于房价的影响主要体现在土地出让金，此外，还有土地补偿费、附着物和青苗补偿费、安置补偿费及土地征收管理费等相关费用也属于为获得土地使用权向政府缴纳的费用，这些都包括在土地购置费中。因此，本文选择土地购置费作为解释变量之一，记为TF。地方政府债务的持续增长很大程度上决定了土地出让金以及各种房地产税费的走势，这里将地方政府债务作为解释变量之一，记为DB。货币供应量用M2口径表示；考虑常住人口数量的增减对于房屋需求量的影响，以CZ表示常住人口数量，作为控制变量；房地产市场的高涨会对实体经济造成“挤出效应”，本文将实体经济的发展也纳入控制变量，以规模以上工业总产值增速GY表示(详见表3)。本文选择多元线性回归模型进行分析，建立模型如下：

表3 变量定义表

y=β0+β1x1+β2x2+…+βmxm+ε

(1)

其中，y为随机变量(被解释变量)，x1，x2，…，xm为m个自变量(解释变量)，β0为截距项(intercept)，β1，β2，…，βm是回归系数，ε是随机变量，包括除了x1，x2，…，xm之外仍影响y的一些因素。

将被解释变量和各解释变量代入模型，由式(1)建立联立方程组如下：

ZS=β0+β1TF+β2·DB+β3·M2+β4·CZ+β5·GY+ε

(2)

2.实证结果

用Stata15.0计量软件对我国15个城市2013～2019年的面板数据进行固定效应模型分析，租售比ZS为被解释变量，政府土地购置费TF变量、政府债务DB变量、货币供应量M2变量、常住人口数量CZ变量和实体经济GY变量作为解释变量和控制变量，根据式(2)进行回归分析，可得结果见表4。

表4 面板数据回归结果

由表4可知，土地购置费变量TF与被解释变量正相关，实体经济变量GY与被解释变量负相关，货币供给量变量和其他解释变量与被解释变量不相关。基于上述结果可见，土地相关税费与房价上升具有一定的相关性，而租售比指标的变动与实体经济指标的变动呈反向关系，货币供给量的增长与房价上升并未呈现显著的相关性。

四、政府债务、货币供给与房价波动的辩证分析

目前，国内外相关文献几乎都将控制房价上升甚至稳定房价作为保证经济稳健发展的唯一路径。这种研究思路只是单方面分析了货币供给和政府债务增加及高房价带来的潜在风险，忽视了其对于国民经济发展的积极贡献。本文认为，分析政府债务、货币供给与房价波动应该采用辩证思维，寻求经济发展、房价平稳和政府债务风险可控的均衡点，经济稳健并不简单地等同于打压房价和清减政府债务。基于此，本文从经济发展和金融风险两个视角出发，分析政府债务、货币供给与房价波动的关系。

1.政府债务、房价与经济发展

显而易见，伴随政府债务和房价上升，国民经济也呈现不断增长。以北京、上海、深圳、杭州、天津、广州、成都、武汉、长沙9个有代表性的大型一线城市为例，10年间，9座城市的GDP均呈倍数增长。其中，GDP增长率最高的3座城市分别是成都(158.46%)、深圳(140.57%)和武汉(131.14%)，与此对应的，3座城市的土地财政和房价的增长率分别为成都(137.50%/64.30%)、深圳(816.52%/194.31%)和武汉(172.19%/109.70%)，具体情况见表5。

表5 我国主要大型城市2011～2020年主要经济指标变化情况 (单位：%)

注：表中城镇化比率=2020年各城市城镇化比率-2011年各城市城镇化比率；土地财政=(2020年各城市土地出让金比率-2010年各城市土地出让金比率)÷2010年各城市土地出让金比率×100%；其余各列=(2020年各城市指标数据-2010年各城市指标数据)÷2010年各城市指标数据×100%。

从表5可以看出，总体上房价的增长速度小于GDP的增长速度，更远小于土地财政的增长速度，9座样本城市中，只有北京市、上海市和天津市的房价增长速度超过了土地财政的增长速度。因此，可以直观地得出结论：土地财政和房价上升就目前而言并未影响经济发展；相反，其对于经济发展是有所贡献的。而货币供给量的增长会刺激经济发展是常识性原理，这里无需赘述。

2.货币供给、房价与金融风险

货币供给、房价与金融风险的关系同样需要辩证的分析。从经济学的视角，如果货币供应量的增长幅度超过经济需求，或者房价飙升造成泡沫，那么就会带来金融风险，但是，从目前我国的宏观经济基本面来看，尚未达到金融风险的标准。从图3可以直观地看出，2011～2020年间，货币供给量M2稳步上升，与之同步上升的是居民消费水平、商品房均价，而不良贷款率和CPI并没有显著变化，国内生产总值显著上升。从图3可以简单推断，货币供给量的增长极大地促进了国民经济的增长，带来居民收入的增加和消费水平的提高，也在一定程度上推高了房价，但是，并未造成通货膨胀，也未增加银行系统的不良贷款率。

图3 2011～2020年宏观经济指标变化

此外，不同类型的货币政策对于系统性金融风险的冲击速度不同。系统性金融风险受到价格型货币政策冲击时衰减速度更快，而受到数量型货币政策冲击时衰减速度较慢[25]。郭娜等构建SV-TVP-VAR模型研究表明，2001～2018年中国系统性金融风险基本维持在较为稳定的状态并呈现下降趋势[26]。除了货币数量之外，汇率问题、利率问题和股市波动都会造成系统性风险[27]，因此，并不能将金融风险成因简单归因于货币供给、政府债务和房价问题。2019年，清华大学国家金融研究院金融与发展研究中心课题组构建了描述中国金融市场系统性压力的指数——中国CISS[28]，用于测度我国金融风险。就近10年的数据来看，我国的系统性金融风险总体可控、水平较低，基本在0.3水平线以下[29]。

对于金融风险，国内学者用不同的度量方法进行预测，得出的结果不尽相同，具体见表6。由表6可知，无论是按照CoVaR的测试结果，还是按照Catfin的度量结果，在金融风险汇聚时，最先受到冲击的都是银行体系。现实中，银行体系直接与货币供给、房贷和地方政府债务相关，但是，从2011～2020年的商业银行官网数据来看，随着货币供给量和地方政府债务的增长，商品房均价逐步上升，中国工商银行的个人住房贷款占总贷款的比例也稳步上升，从2011年的15.3%上升到2015年的21.1%，再到2020年的30.8%，中国建设银行个人住房贷款占总贷款的比例从2011年的20.2%上升到2015年的26.4%，再到2020年的34.7%。虽然住房贷款数量增加，不良贷款比例却一直低位徘徊，并未提示系统性风险，这也与学者们的测算结果一致。

表6 中国金融机构系统性风险测度

五、对策与建议

由一般分析和实证分析可以看出，土地相关税费确实与房价存在一定的关联性，并且，实体经济的发展也会在一定程度上受到房价的影响。但是，不能否认的是，除了推高房价之外，地方政府债务和货币供给量的增加都在一定时期内促进了国民经济的增长和居民消费水平的提高，有利于提高国民福祉，同时，与高房价相关联的银行系统也并未引发系统性风险。基于此，对于地方政府的债务问题需要稳健科学地设计解决方案，严格货币政策预决算机制，全面落实“房住不炒”政策，并建立金融风险联动监测机制。

1.稳健科学地解决地方政府债务问题

地方政府债务问题重在逐步化解，应当既着眼于当下，又布局未来。地方政府债务风险与银行体系直接挂钩，银行大量认购地方政府债务使政府债务风险转化为金融风险，因此商业银行成为地方政府债务风险的载体[30]。在地方政府债务的处置方法上，张明指出，“中央政府需通过自己加杠杆帮地方降杠杆，或由地方债违约，然后救银行。商业银行要为未来的地方债务重组做好准备，通过消耗拨备与资本金来化解部分债务重组成本。”[31]地方政府自行承担一部分债务，通过国企改革、税制改革等进行偿还。

着眼当下，地方政府的债务问题可以从收入和支出两方面着手化解。增加地方政府收入的可行方案主要包括开征新的税种或者提高某些税率；完善地方政府的发债权；提高减税降费的效率；建立健全地方政府财税信息披露机制。减少地方政府支出的主要手段包括降低地方政府在基建中的投资比例，采用BOT、PPP、TOT、REITs等融资模式，引入社会资本，优化融资主体结构，明晰融资主体与政府之间的权、责、利关系，在保证地方政府主导性的前提下减少财政资金的占用；加快国有企业改革，提高国有企业经营效率，减少或停止对于“僵尸企业”的财税补贴和政策支持。

着眼未来，需从根本上控制土地财政问题，设置天花板，并建立地方政府财务风险监控机制。解决土地财政的问题是切断地方政府债务问题与房价关联性。土地财政的源头在于财政供需失衡，从财政资金的供给方来看，税种和税率短期内不会大幅增加，增加财政收入唯一可行途径就是发展实体经济，积极推进产业升级与高端化，增强民族工业的核心竞争力，带动产业“微笑曲线”的两端发展，进而增加财税收入，减少地方财政对于土地的依赖。根据人力资本的流动情况和培育储备情况，酌情将劳动密集型产业向中西部转移，合理引导人力资本流动，增加人才红利，带动中西部经济发展，提高中西部地区的财税收入。从财政资金的需求方来看，基建和民生是财政支出的两大领域，应严格审批基建等项目，追踪财政资金去向，明确举债规模上限，考核财政资金使用效率和合规性，完善地方政府考核评价机制和问责机制，提高地方政府资金绩效。

2.严格货币政策预决算机制

增加货币供给量的根本目的是支持实体经济的发展和保民生保就业。房价的上升由多种因素共同促成，货币供给量增加并不必然造成房价上升，只有货币流动的路径偏差才会使得大量资金涌向房市牟利，催生泡沫。因此，房价问题的部分原因在于货币的剩余以及货币供给的流向，货币的剩余增加人们的可支配收入以及通胀预期，造成资产泡沫，而货币供给的流动偏向容易造成房地产市场的风险累积。

严格货币政策预决算机制可以减少货币剩余的几率，建议建立动态化货币供需测算体系，动态匹配经济领域货币供需，如果从调节各子市场货币供给量的目标出发，货币供需的测算应该更加精细化、功能化，对于容易引发系统性风险的领域，例如房地产市场领域，重点测度货币需求量和流动规律，定期更新数据确保测算数据的科学性和权威性。

监控货币供给流向，建立货币流动监控模型，以季度为期监控国民经济重点领域货币供需平衡状态，及时调整货币政策导向。积极推进数字化货币研发，数字化货币具有加密算法、分布式记账和可追溯的特征，未来由央行发行的数字货币具备纸钞功能并且拥有独一无二的“身份证明”——数字代码或算法，可以清晰地追踪货币流向，进而大大提高货币政策的精准性，增强房地产市场货币数量的监控能力。

在实施货币政策时，建议多采用定向降准、降息的结构性货币政策，而不是宽泛地增加货币供给量。一方面，体现宏观经济政策的导向性，吸引社会资本；另一方面，提高资金的使用效率，减少货币化泡沫的风险，提高资金投向的精准性和专业性。

目前我国一线城市的房价与二三线城市的房价出现明显的分层现象，在考虑货币供给与房价的相关性方面还应考虑区域经济差异和人口流动趋势，在房地产市场自发调节失灵时，有必要采用数量型货币政策与价格型货币政策相结合的方式形成“合力”，增强市场调控的力度和影响力。

3.全面落实“房住不炒”政策

“房住不炒”政策是稳定房市的基石。“房住不炒”并不是严控房价，而是遵循房地产市场发展规律，挤出投机和泡沫，引导房价回归合理。目前，政府调控房价的主要措施包括限购、限贷、限售、限价政策，从实际操作层面来看，效果都不尽理想。因为“限购、限贷、限售”只是压抑了需求，而“限价”则是再分配供给，开发商会减少拿地，而存量房价格则会上涨，所以，这些限制措施只能是短期行为。从长期来看，应当从影响房市的根本因素出发，平衡房市供需。从需求方来看，人们购房动机无非是居住、保值、增值；从供给方来看，土地财政现状尚未有根本性的改观，开发商的盈利本性使得房价下行的空间不大。因此，“房住不炒”除了当前的政策措施之外，还需要从保障居民居住、拓展投资渠道、解决地方政府债务问题、活跃地方经济和规范房地产开发行业这些更深层次的领域着手。

首先，依托产业升级和转型，带动战略性产业和新兴产业在全国范围内的再布局，合理引导人口流向，以此带动地方经济发展进而增加地方财税收入，同时，缓解大型城市的住房压力。其次，以一线城市为主，打造多个“金融+科技”中心，辐射周边中小城市，形成区域经济圈/科技圈，以实体经济的稳步发展支撑金融市场的繁荣，以多元化多类别的投融资渠道形成对房市投资/投机的替代。再次，规范房地产市场运行机制，房地产行业已经成为我国支柱型产业，并带动了诸多产业的发展，对于房地产行业，我国政府更多的倾向于控制价格，并未将房地产作为一个产业进行体制机制方面的规范，建议相关政府部门尽快制定覆盖房地产全行业的法规、办法，从用地规划、建筑、交易、分配、监管等各环节出发，规范行业发展，整顿调控房价的市场乱象。最后，鼓励地方政府发展特色经济，拓展收入来源，以尽快解决地方政府债务问题，缓解土地财政压力。

4.建立金融风险联动监测机制

由前文分析可知，货币供给量和地方政府债务的增长都需要辩证地分析。研究政府债务、货币供给与房价的根本目的在于促进经济平稳发展，控制金融风险，而经济各领域的渗透性和交叉性为传统的监管模式带来巨大的挑战。因此，应当统筹考虑政府债务、货币供给与房地产市场发展的相关性，建立金融风险联动监测机制。值得注意的是，地方政府债务、货币供给和房地产市场的风险最终都会与银行系统直接挂钩，生成潜在的系统性风险。因此，在建立金融风险联动监测指标体系的时候要有全局观，注重每个领域风险的外延性和传导性，建议尽快组织政府部门、央行、四大商业银行、投资银行、金融资产管理公司、房地产龙头企业，会同会计师、律师，组成风险监控专项小组，就货币供给、政府债务和房价调控等经济关键领域的联动监测事宜进行研讨，形成具体监管框架，建立三级监控指标，分别指向风险监测、危机预警和应急处理，专项小组专门负责指标体系的动态监测，每季度出具风险监测报告和风险预估报告。

明确金融风险联动监测机制的监管主体、监管模式和监管范围。首先，明确监管主体。积极推进政府监管部门改革，改变当前部分金融领域存在的监管交叉与监管空白并存的现状，根据经济发展变化和金融风险点设置监管主体，明晰职责，实现全覆盖式、统筹式监管。其次，在监管模式方面，打破传统的行政式监管方式，将金融监管与市场挂钩，用监管创新匹配金融发展，实行市场化动态监管模式。再次，政府部门应紧跟金融科技发展步伐，根据经济金融发展新变化，动态调整监管范围和监管指标。最后，需要强调的是，金融监管需要因时制宜、因地制宜，并且具有持续性。限购用于支持刚需、限贷用于保护银行、限售用于打击炒房、限价用于整顿市场，但是，这些短期政策都会造成市场失灵和供需压抑，后期的需求爆发还是会使得房价飙升。因此，无论金融监管还是宏观调控都需要放眼长远，站在更高的宏观层次，持续稳步推进。