银行信贷对房价的影响研究.docx
- 文档编号:25186799
- 上传时间:2023-06-05
- 格式:DOCX
- 页数:15
- 大小:324.42KB
银行信贷对房价的影响研究.docx
《银行信贷对房价的影响研究.docx》由会员分享,可在线阅读,更多相关《银行信贷对房价的影响研究.docx(15页珍藏版)》请在冰豆网上搜索。
银行信贷对房价的影响研究
银行信贷对房价的影响研究
摘要:
房地产是关乎国计民生的国家支柱产业,对一国经济结构构建及社会稳定与促进就业都十分重要。
近年来,我国信贷规模迅速扩张,与之同步的是房产价格也一路上涨,风险逐步积累。
房地产业是资金密集型产业,房地产开发所需资金主要由金融机构提供,因而,如果缺少信贷支持房地产业发展就会滞后,信贷扩张又会导致房地产出现价格的膨胀。
目前,我国出台了一系列严控信贷的政策来调控房价,而政策的体现效果主要依赖于银行信贷对房价的影响程度。
鉴于此,本文选取银行信贷与房地产价格的关系作为研究对象,通过对我国35个大中城市信贷和房价的面板数据数据的实证分析,得出银行信贷对房地产价格的影响作用以及东西部地区存在的差异性,进而提出个人的政策建议。
关键词:
银行信贷;房价;面板数据模型
一、引言
近年来,随着房地产业的迅猛发展,我国房地产价格一路突飞猛进,呈现了非理性繁荣的态势。
与之相伴随的是我国信贷规模特别是房地产信贷的持续不断扩张,两者几乎呈现了同步增长的发展趋势。
房地产业是资金密集型产业,房地产开发所需资金主要由金融机构提供,因而,如果缺少信贷支持房地产业发展就会滞后,信贷扩张又会导致房地产出现价格的膨胀。
目前,我国出台了一系列严控信贷的政策来调控房价,而政策的体现效果主要依赖于银行信贷对房价的影响程度。
我国各大房地产开发商的资金来源主要是金融机构房地产开发贷款,而购房者绝大多数通过个人住房贷款来获得购房资金的支持。
因此,无论是从售房者还是购房者角度出发,银行信贷都对房地产业有着举足轻重的影响。
房地产价格是房地产市场上供需双方所形成的价格。
由于房地产商品所涉及的产品周期长,产业链长,政策性明显,因此房地产价格的波动就受到了多种因素的影响。
由于学术界对各种因素归纳和分类的角度不同,所得的结果也各有千秋。
Allen和Gale于1998年和2000年提出基于信贷扩张的资产价格模型,认为投资者用自有资金进行投资时所形成的资产价格是资产的基础价值,当投资者利用借来的资金进行投资且只负有限责任时,他们会表现出对风险资产的偏好并采取风险转移行为,而对风险资产的过度投资又会不断推高资产的价格。
信贷扩张、资产价格上涨与金融危机三者之间存在很强的因果关系。
FrededeS.Mishkin(2001)指出房地产价格在货币政策传导中起着很重要的作用。
Collyns和Senhadji(2001)对4个东亚国家和地区的研究表明,在这些国家和地区中,银行信贷的增长对房地产价格上涨具有显著的同步效应。
Hofmann(2001)、Gerlach和Peng(2002)基于多元变量的实证框架,分析了银行信贷与房地产价格之间的关系,发现存在着从房地产价格到银行信贷的长期和短期的因果关系。
国内在这方面的研究也不少,武康平、皮舜等(2004)建立了房地产市场与信贷市场的一般均衡模型,通过对均衡解的比较静态分析,其研究结论认为房地产价格的上涨导致了银行信贷的增加,银行信贷供给增加导致房地产价格的上涨,二者之间存在正反馈的作用机制。
周京奎(2005)在一个不对称信息框架下分析了银行和房地产投资者之间的行动选择,认为在单重博弈中,提供房地产信贷是银行的最佳选择:
而在多重博弈中,双方根据对方过去的行动来更新自己的信念,在借款人不良贷款行为对银行的收益影响足够小的情况下,借款人采取信誉低的行动,银行采取金融支持力度高的行动将是多重博弈的均衡解。
肖本华(2008)运用Granger因果分析方法,对2003—2007年我国银行信贷与房地产价格之间的关系进行了初步探讨,认为我国的信贷扩张为房地产价格的膨胀提供了支撑,而导致信贷过快增长的主要原因是货币供给的过快增长和低实际利率、高存贷利差。
针对我国现阶段的实际情况,宽松的货币环境以及持续的信贷扩张对我国房地产价格的推动有着极为深远的影响。
另外,在当前信贷严控政策不断推出的背景下,研究银行信贷这一关键因素对房价的作用意义重大。
二、银行信贷对房地产价格影响的理论分析
目前我国各大房地产开发商的资金来源主要是金融机构房地产开发贷款,而购房者绝大多数通过个人住房贷款来获得购房资金的支持。
因此,无论是从售房者还是购房者角度出发,银行信贷都对房地产业有着举足轻重的影响。
房地产市场价格是房地产供给和需求双方相互作用过程中形成的。
从需求上说,房地产消费信贷的扩大刺激了市场的有效消费需求,在假定房地产商品供给不变的情况下,房地产价格也会上升,可以表述为:
住房贷款随之增加,从而扩大了房地产市场的有效需求,导致房地产价格上升,即货币供应量↑→住房贷款↑→房地产需求↑→房地产价格↑。
从供给上说,房地产供给是指房地产开发商和拥有者在某一特定的时间内,在每一价格水平下,对某种房地产所愿意而且能够提供出售的数量。
房地产开发贷款规模的扩大推动了房地产的大规模开发,理论上讲房地产供给量的增多会促使房地产商品供给曲线向右下方移动,在假定需求不变时,新均衡点对应的价格水平要低于原先的价格水平,因此房地产价格会下降,但在中国房地产市场上房地产商品供给总量的结构性失衡即目前我国住房供应结构与住房消费结构还很不对应,市场上生产的商品房70%—80%是高档房,存在严重的供大于求,而低档住宅明显供不应求,抬高了中国房地产价格,房地产的大规模开发并没有提供更多的有效供给,在需求依然旺盛的条件下,商品房平均价格就会上扬。
信贷对房地产价格具有正反两方面的影响。
一方面,房地产信贷波动能够产生良性的作用。
这主要体现在房地产信贷波动对房地产业波动的“平抑”作用.当房地产业处于低谷的时候,房地产价格和贷款利率都呈下降趋势,这会逐渐带动住房消费需求,也就会增加对住房个人抵押贷款的需求,从而逐渐抵消投资减少对房地产业发展的负面影响,推动房地产业复苏。
而在房地产复苏阶段,居民收入和预期都会增加,房地产信贷需求上升,房地产价格也回升,金融机构发放信贷的动力也增加,从而迅速把房地产业推至繁荣阶段。
另一方面,房地产信贷波动也会产生负面作用。
当房地产业进入衰退阶段,金融机构为保证资产的安全性,会大幅度缩减信用,严格贷款审查,使房地产业得不到必须的信贷支持而进入萧条阶段,消费者也因得不到住房个人贷款而不能实现住房消费。
对于房地产金融机构而言,如果房地产信贷波动是由于房地产业波动或更深层次的宏观经济波动引起的,将带来巨大的房地产金融风险,使整个国民经济受到重大的冲击。
三、数据、变量与实证方法
本文进行实证分析的原始数据是从中国人民银行网站的统计数据、国家统计局公布的数据、中国房地产发展报告以及各地市统计信息网公布的年度公报中获取。
在变量的选择上,由于研究的是银行信贷对房价的影响,本文选取了金融机构人民币贷款余额来表示银行信贷规模;另外,房地产价格指数较多,如国房景气指数、中房指数,这些指数都具有样本选择广泛,跟踪调查时间长等特点。
然而,房地产属性各不相同,这些价格指数仍难以反映不同房地产属性上的差异,而用不同时段的商品房销售额除以销售面积,得到的房地产价格仍能够反映房地产价格的走势。
因此,本文将用该方法即由商品房销售额除以商品房销售面积来获得商品房平均价格。
实际GDP则用以代表经济增长变量。
另外,在实证分析过程中,所有数据均采用其增长率,并用消费物价指数平减,以消除通货膨胀因素的影响。
将房价、银行贷款余额、GDP总额分别用P、L和Y表示。
在样本的选择上,本文选取了2007到2010年35个大中城市的面板数据来构建面板数据模型。
根据国家在制定经济发展规划时的标准划分,东部城市主要城市包括北京、天津、石家庄、沈阳、大连、上海、南京、杭州、宁波、福州、厦门、济南、青岛、广州、深圳、南宁、海口等17个城市;中西部城市主要城市包括太原、长春、哈尔滨、合肥、南昌、郑州、武汉、长沙、重庆、成都、贵阳、昆明、乌鲁木齐、西宁、兰州、银川、西安、呼和浩特等18个城市。
实证过程通过对变量的单位根检验、面板数据模型的建立以及虚拟变量的引入对我国东部和中西部城市房价与银行信贷之间的影响关系进行研究,从而得出两者的影响机制及地区差异性,并进一步检验信贷严控政策对抑制房价过快上涨的有效性。
本文对面板数据构建了面板数据模型,其优点在于:
1、利用面板数据模型可以解决样本容量不足的问题,改进模型估计的有效性;2、面板数据模型有助于正确地分析经济变量之间的关系;3、可以估计某些难以度量的因素对被解释变量的影响。
四、实证分析
(一)单位根检验与回归分析
面板数据综合了来自时间序列和横截面的信息,因此也存在用非平稳时间序列建立回归模型时可能产生的“伪回归”问题。
所以,在对我国2007年至2010年东部和中西部城市房价与银行信贷的影响关系进行回归检验之前,必须对面板数据进行单位根检验。
面板数据单位根检验主要是为了判定面板数据的平稳性,它综合了时间序列和横截面的特征,能更直接、精确地推断单位根的存在,是对时间序列单位根检验理论的继续和发展。
本文在考虑计量软件的可操作性的情况下,为了避免单一方法可能存在的缺陷,同时选用了IPS检验、ADF-Fisher检验和PPFisher检验三种方法来进行面板数据单位根检验,在检验过程中,考虑到样本时间跨度的限制并根据Im、Pesaran和Shin推荐的尽可能大原则,将最大滞后期数选为3。
东部和中西部城市的房价增长率、银行信贷增长率和GDP增长率的单位根检验结果分别见表1和表2。
表1:
东部城市面板单位根检验方法与结果
IPS检验ADF-Fisher检验PP-Fisher检验
统计量P值统计量P值统计量P值
房价增长率-1.40820.075150.71490.0117110.2140.0000
银行信贷增长率-0.88570.140556.56170.0088107.1290.0000
实际GDP增长率-10.23210.000089.24190.000075.77610.0000
表2:
中西部城市面板单位根检验方法与结果
IPS检验ADF-Fisher检验PP-Fisher检验
统计量P值统计量P值统计量P值
房价增长率-3.89120.005373.39350.000390.67310.0000
银行信贷增长率-2.11640.015255.00280.0093121.4370.0000
实际GDP增长率-4.78140.000088.65310.0000151.0020.0000
结果显示,除了东部城市的房价增长率和银行信贷增长率在IPS检验中没能够通过之外,我国2007~2010年东部和中西部地区各个城市的房价增长率、银行信贷增长率和GDP增长率均在5%的统计水平上显著。
因此,可以认为东部和中西部城市的房价增长率、银行信贷增长率和GDP增长率都是平稳的。
由于本文主要研究的是各解释变量尤其是银行信贷对房价变动的影响程度,分析的主要目的是估计模型的参数,所以选择固定效应模型更为合适。
选择35个大中城市面板数据集合,构建如下模型进行回归分析:
其中,Δ代表增长率。
回归结果如表3所示。
表3:
35个大中城市总样本的回归结果
VariableCoefficientStd.Errort-StatisticProb.
C-0.0093580.013095-3.7146350.0973
ΔL0.3624160.0367469.8626230.0001
ΔY0.1369630.0518262.6427790.0102
FixedEffects——C
BJ-0.011965TY-0.034368
TJ0.005506CC-0.022028
SJZ0.050419HEB-0.011655
SY-0.010912HF-0.03127
SH0.025582NC-0.024551
DL0.041901ZZ-0.034734
NJ-0.007561CS-0.060355
HZ0.04644CQ-0.040614
NB0.048147CD-0.046533
FZ0.045758GY-0.026179
XM0.127202KM-0.038102
JN0.052278WLMQ-0.021422
QD0.043856XN-0.035955
GZ0.049578LZ-0.033229
SZ0.02952XA-0.02761
NN0.040114HHHT-0.039621
HK0.020891YC-0.035162
WH-0.033367
在采用随机效应模型下进行回归分析并对结果进行Hausman检验,以检验选择固定效应模型的正确性。
Hausman检验的结果如表4所示。
表4:
HAUSMAN检验结果
TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.
Cross-sectionrandom7.76422220.0206
Cross-sectionrandomeffectstestcomparisons:
VariableFixedRandomVar(Diff.)Prob.
ΔL0.3624160.3359370.0001150.0134
ΔY0.1369630.1989550.0009590.0453
通过Hausman检验可以看到,豪斯曼统计量的值是7.764222,相对应的概率是0.0206,说明检验结果拒绝了随机效应模型原假设,随机效应的估计结果不一致,这也证明了选择固定效应模型进行分析的正确性。
(二)东部和中西部地区差异性分析
1.引入虚拟变量比较东部和中西部地区差异性
为了分析东部和中西部城市间,银行信贷对房地产价格的影响程度是否一致,本文采用引入虚拟变量的方法来研究模型结构的稳定性。
设置虚拟变量:
D=0东部城市1中西部城市
将东部和中西部地区的两个样本合并,估计以下模型:
其中,Δ代表增长率。
利用t检验判断系数的显著性,可得到两种检验结果:
1、系数显著为零,表明两个模型之间没有显著差异,称之为“重合回归”;2、系数不显著为零,表明两个模型不相同,存在显著差异,称之为“相异回归”。
东部和中西部地区两个样本构建的模型的差异性检验结果见表5。
表5:
引入虚拟变量的t检验结果
VariableCoefficientStd.Errort-StatisticProb.
ΔD?
*ΔL?
-0.2498820.034395-7.2649960.0000
根据表3所示的检验结果,ΔD*ΔL的系数显著不为零,因此可以得出,东部和中西部地区银行信贷对房价的影响程度具有差异性,因而接下去将利用东部和西部两个样本分别构建回归方程,深入研究两个地区银行信贷对房地产价格的影响。
(三)东部和中西部地区的分别回归
根据变量间的关系,对东部和中西部地区两组子样本分别构建以下模型:
其中,Δ代表增长率。
在运用两个字样本面板数据构建回归模型时依然采用了变截距同系数模型,因为变截距考虑了研究不同区域银行信贷和经济增长两个因素对房价影响时其他不变的非观测效应,更符合实际情况。
东部地区各个城市的回归结果见表6。
表6:
东部各个城市回归结果
VariableCoefficientStd.Errort-StatisticProb.
C0.0196760.0204710.9611750.3413
ΔL0.4039140.0645153.2608210.0147
ΔY0.1158000.0585892.1471780.0369
FixedEffects——C
BJ-0.046798TJ-0.031117
SJZ0.016216SY-0.049001
SH-0.007624DL0.006647
NJ-0.044033HZ0.010144
NB0.010381FZ0.010025
XM0.091767JN0.017903
QD0.008862GZ0.016149
SZ-0.003923NN0.003055
HK-0.008651
中西部地区各个城市的回归结果见表7。
表7:
中西部各个城市回归结果
VariableCoefficientStd.Errort-StatisticProb.
C-0.0276880.004522-6.1225370.0000
ΔL0.2861770.01617117.697110.0000
ΔY0.1597070.0241836.1905130.0000
FixedEffects——C
TY0.00297CC0.008555
HEB0.016529HF0.000469
NC0.008176ZZ-0.00492
CS-0.02542CQ-0.009273
CD-0.001022GY0.00499
KM-0.002695WLMQ0.008999
XN-0.001524LZ0.002084
XA0.005072HHHT-0.007224
YC-0.00427WH-0.001497
从表5和表6的对比中我们可以发现,中西部地区的房价受银行信贷和经济增长的影响相近,两者共同推动了房价的变动,而东部地区城市的房价变动则更多地受银行信贷增幅的影响。
另外,东部地区各城市房价增长对银行信贷扩张的敏感性比中西部地区更强,即东部城市银行信贷对房价的影响程度比中西部城市更深,由此可见,严控银行信贷措施对平抑房价的效果在东部城市将会更加明显。
五、结论以及建议
(一)银行信贷对房地产价格影响的研究结论
1、根据实证分析结果,通过对35个大中城市2006年到2010年面板数据的回归分析,结果表明银行信贷扩张幅度对房地产价格的变动具有较大的影响,并且该因素的影响程度比地区经济增长率对房地产价格的变动产生的影响程度更深。
银行信贷的扩张速度加快将拉动房地产价格的上涨,相反,银行信贷的扩张速度减缓也将使房地产价格的上涨幅度减慢。
统计结果还显示,中西部地区的截距项普遍为负值,即其他非观测因素对当地房地产价格主要呈负影响;相反,东部地区的截距项则大多呈正值,即其他非观测因素对当地房地产价格主要是正向的影响。
2、根据实证分析过程,将东部和中西部地区的两组面板数据进行合并,并在回归方程中引入虚拟变量D,以检验东部和中西部地区银行信贷对房地产价格的影响程度是否存在差异性。
t检验的结果表明,D*L的系数显著不为零,即东部和中西部之间存在显著差异。
由于金融业发展程度的不同,房地产价格的变动幅度对于银行信贷变动幅度的敏感性在两个地区间存在一定的差异,在分析银行信贷对房地产价格影响时,如果采用全国性的大样本将产生一定的误差,因此,更好的分析方法是将样本分成东部地区和中西部地区两个子样本,分别建立面板数据模型进行回归分析。
3、根据分别对东部和中西部地区两个子样本的回归结果表明,两个地区的房地产价格变动都同时受地方经济发展速度和银行信贷增速的影响,而银行信贷增幅对房地产价格的影响更为显著。
并且,由于东部地区金融业的发展程度相较于中西部地区而言更深,房地产开发对银行贷款的依赖程度更深,个人住房贷款规模也更大,因此,东部地区的银行信贷对房地产价格的影响程度更加深远,即房价对银行信贷规模变动的敏感性更强、更明显。
(二)本文所提出的对策建议
1、鉴于房地产价格在一定程度上受到银行信贷的影响,即银行信贷的快速扩张将有力地推动房地产价格的上升,而银行信贷的增幅减缓则能够在一定程度上抑制房地产价格的过快上升。
当前,维持我国房价的基本稳定甚至适度回落是加快城市化进程以及启动内需的需要,要使房价与经济增长步伐以及居民收入增长速度基本一致。
因此,合理调整银行能够信贷规模将对控制房价起到一定的作用。
从长远来看,我们还需建立健全一套统一货币政策框架下的差别性金融调控体系,通过差别化调控个人住房贷款首付比例和贷款利率水平等方式,不断完善差别性调控工具,从而提高金融宏观调控的针对性和有效性。
2、针对东部和中西部地区的差异性,在制定金融调控政策时要适度考虑各地区的实际情况,注意对不同地区采取不同的调控力度,以适应各个地区的经济发展要求和金融业发展程度,尽量在保持良好发展势头的环境中来调节银行信贷以调控房价。
其次,还要不断促进中西部地区的商场化程度,大力推动中西部地区的金融业发展,构建中西部地区良好的金融环境,使国家的金融政策能够更为有效地实施。
另外,由于房地产贷款风险的主要承担者是各大金融机构,房价波动对银行经营风险的影响不容忽视,且我国商业银行用于控制贷款投量的措施显得十分单一乏力,因此,必须建立和完善全国房地产市场的风险预警预报体系、房地产统计指标体系和信息披露制度,尤其是加快中西部地区征信体系建设,减少信息不对称所造成的信用风险。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 银行信贷 房价 影响 研究
![提示](https://static.bdocx.com/images/bang_tan.gif)