房地产泡沫论文

今天小编给大家找来了《房地产泡沫论文(精选3篇)》，欢迎阅读，希望大家能够喜欢。内容提要本文基于消费者购房选择偏好模型，利用2006-2016年我国30个省域的面板数据构建空间动态计量模型，以房地产泡沫测度为基础，分析预期、货币政策等不同因素对房地产泡沫形成的影响与空间溢出效应。本文分别采用二元0-1空间邻近矩阵、地理空间矩阵与经济-地理空间矩阵三种不同空间权重矩阵进行实证检验，其中经济-地理空间权重矩阵适用性最强。

房地产泡沫论文 篇1：

外商直接投资、货币政策和房地产泡沫的动态关系研究

摘要：为分析外商直接投资、货币政策及信贷规模和房地产泡沫的动态关系，采用2006—2015年中国30个省（市、自治区）的数据，构建半参数全局向量自回归模型和脉冲响应函数来分析不同经济变量的冲击对房地产泡沫在时间和空间上的传导效应。同时，为考察货币供给量对房地产泡沫的非线性影响，在模型中M2为非参部分，并根据偏导图来研究二者之间的相关关系。研究结果表明，给定某个地区的房地产泡沫冲击、外商直接投资冲击会对周边地区的房地产泡沫产生不同的效应，且这种效应在短期内具有区域性差异，在长期内趋于稳定;货币供给量对房地产泡沫呈现出非线性的影响，并且宽松和紧缩型货币政策在东中西部地区房地产泡沫的传导效率不一致。

关键词：房地产泡沫;外商直接投资;货币政策;半参数全局向量自回归模型

文献标识码：A

一、引言

20世纪80年代至今，世界范围的经济危机伴随着经济全球化趋势不断发生，纵观这些经济危机，不难发现这些危机爆发之前股票或房地产等资产大都存在泡沫问题，一旦这些资产价格发生逆转，金融危机也就一触即发。

泡沫经济及房地产泡沫的全球化愈发明显，各国房地产市场是否存在泡沫成为全球共同关注的热点和难点问题。2005年，在汇率改革、商品房改革及个人住房贷款业务推广影响下，我国国民的住房需求急剧上升，一直持续到2007 年国家出台调控政策为止。2008 年，为防止美国次贷危机在波及全世界过程中对我国经济产生不利影响，政府出台了一系列财政刺激政策，但在经历了较长时间的积累后，中国房地产泡沫问题也不断显现。

对于房地产泡沫如何影响一个国家的经济增长以及房地产泡沫大小如何受其他政策因素的调控影响等都是需要重视和研究的问题。

二、文献综述

目前国内外学者对房地产泡沫的研究主要包括房地产泡沫的成因及测度、房地产泡沫与其他经济变量之间的相互影响及传导机制等。

（一）房地产泡沫成因及测度

Stiglitz Joseph E认为当投资者对资产未来的出售价格寄予较高的预期，而市场无法对其预期作出反应时，泡沫将会出现[1];李维哲等通过选取生产、交易、信贷及金融四个方面的多种指标来衡量房地产市场是否存在泡沫[2];郑思齐等指出投资信贷的支持及消费者的过度投机需求是房地产泡沫产生的主要原因[3]。国内外学者针对房地产市场泡沫的存在性展开了大量研究，检验房地产泡沫的方法主要有直接检验法、间接检验法、指标法和多元统计法。孙焱林等比较了国内外几种常用的房地产泡沫测度的方法，指出简单指标法的测度结果误差较大，其他包括功效系数法在内五种测度方法的泡沫波动方向基本一致，波动幅度有所不同。[4]

（二）房地产泡沫与货币政策

丁晨等通过构建向量误差修正模型研究房价在货币政策中的传导机制，发现其作用显著且传导效率高[5];戈芸根据日本房地产泡沫破灭的教训提出应该保持我国汇率政策的长期稳定以防止大量国际游资涌入中国房地产市场[6];孙晶磊等根据日美房地产泡沫的破灭提出长期低息政策会引起资产价格的上涨，并可能带来巨大的金融风险[7];Mcdonald 等通过构建VAR模型及分析脉冲响应得出美联储利率政策下调是房地产泡沫的原因之一[8];刘晨晖等运用非线性Threshold-VAR模型研究了货币政策对房地产泡沫的影响，发现我国货币调控政策对房地产泡沫影响存在明显的非线性特征。[9]

（三）房地产泡沫与信贷规模、外商直接投资

Krugman证明银行体系中信用的不确定性以及代理问题的相互作用可能导致房地产泡沫加剧[10];Carey运用包含相移的非参数估计模型、宋明通过构建时变参数状态空间模型发现发现银行信贷对房地产价格存在“加速器”效应[11-12];周学仁等发现外商直接投资的流入与我国房价之间存在长期均衡关系[13];姜松等通过构建动态面板和门槛面板模型发现外商直接投资对我国房地产业的影响效应不但没有推动作用，反而有反向制约作用[14];陈继勇等指出外商直接投资导致大量资本涌入房地产市场，导致房地产泡沫进一步扩大，进而影响经济增长。[15]

（四）外商直接投资与经济增长

陈继勇等指出，外商直接投资对地区经济的促进水平很大程度取决于本地区原有的经济水平[15];Alfaro等发现金融市场发达的国家外商直接投资对经济增长的促进作用更明显[16];赵文军等发现外商直接投资对产业结构升级和经济增长都具有正向的推动作用。[17]

可见，现有研究尚存在以下不足：第一，大部分文獻都是单独研究房地产泡沫、货币政策以及外商直接投资等变量之间的关系，而不是将房地产泡沫与货币政策、外商直接投资等构造成一个完整的研究系统，从而可能出现遗漏重要变量进而导致模型估计的偏差;第二，国内外关于货币政策、外商直接投资等对房地产泡沫的空间效应影响的相关文献较少，可能导致制定政策或采取措施时忽略了这些变量的空间效应;第三，现有大部分文献在考虑货币政策、外商直接投资、信贷规模等对房地产泡沫的影响时，函数关系大都简单地设定为线性或者对数线性，可能导致模型设定偏误。

同时随着经济一体化和全球化，外商直接投资、房价等在各个省份之间的联系越来越密切，所以这些变量之间可能存在空间相关性。为考察变量冲击的时间效应和空间效应，以及现有研究中货币政策对房地产泡沫是否是线性影响，本文在前人研究的基础上，针对现有研究存在的不足，以货币政策的广义货币供给量M2为非参部分，构建半参数全局向量自回归模型来揭示变量间的内在作用机制。

三、实证模型与数据说明

（一）模型介绍

经济全球化的进一步发展，使国家与国家、地区与地区、行业与行业之间的联系变得越来越紧密，相互依赖性日趋增强，扰动性所产生的连锁效应很容易在国家、地区和行业间相互传播。全局向量自回归模型（Global Vector Autoregression Model，简称GVAR）可以通过其脉冲响应函数研究某地区某内生变量的冲击对所有其他地区所有内生变量在时间和空间上的动态影响。

半参数全局向量自回归模型（Semi-parametric Global Vector Autoregression Model，简称SGVAR）建立在GVAR的基础之上，SGVAR模型为

式中，yit表示第i个省份的省内内生变量向量;y*it=∑nj=1wijyjt表示第i个省份的省外变量向量，其中权重wij是通过第i个省份占第j个省份的贸易权重矩阵计算所得;p、q、r分别是省内变量、省外变量和全局变量的时间滞后阶数;dt、xt为全局变量;m（xit）为未知形式的函数;uit为各个省份自主冲击的随机误差项向量;省外变量y*it和全局变量dt都要满足弱外生性假设。

模型的估计分为两步：

1.对参数，，进行估计

2.非参项xit的偏导图分析

（二）模型建立及数据说明

1.模型建立

本文将房地产泡沫与货币政策、外商直接投资等纳入同一个完整的研究系统，其中货币供给量M2以非参数的形式引入，构造如下的SGVAR模型：

式中：Bit、GYit、XDit、lnFDIit分别表示第i个省份t时期的房地产泡沫大小、工业化进程、信贷规模以及外商直接投资;y*it=∑30j=1wijyjt表示第i个省份的省外变量向量，其中權重wij是通过第i个省份占第j个省份的贸易权重矩阵计算所得;rt，exct，M2t分别表示t时期的利率、汇率以及货币供给量，m（M2it）为未知函数形式;εit为各个省份自主冲击的随机误差项向量，假设不同省份的自发冲击是非序列相关的，且具有零均值，方差的时间不变性;省外变量y*it和全局变量dt都要满足弱外生性假设;β，γ，ψ分别为省内变量、省外变量、全局向量的系数矩阵。

2.数据说明

由于西藏大部分经济变量的缺失值比较严重，本文的数据采用我国大陆地区除西藏外的30个省（市、自治区）2006—2015年的月度数据。

关于房地产泡沫的测度，本文采用功效系数法[4]，同时基于数据的可得性，采用房价收入比、房地产开发投资增长率/固定资产投资增长率、房地产价格增长率/经济增长率三个指标对房地产泡沫进行测度。其中，房价收入比=（销售额/销售面积×人均居住面积）/人均可支配收入。

鉴于对数化处理后容易得到平稳序列且可消除异方差等，本文采用平减后外商直接投资FDI的对数衡量国外资金流入对房地产的影响;采用工业增加值同比增长率衡量工业化进程GY;采用房地产开发投资国内贷款同比增长率衡量信贷规模XD。

货币政策工具有数量型和价格型两种，本文采用M2和银行同业间拆借利率（IBR）作为两种工具的代理变量，同时根据前文分析将M2 作为非参变量加入模型，考察货币调控政策对房地产泡沫产生的影响。

本文所有数据均来自国家统计局和wind数据库。

四、半参数全局向量自回归模型的实证结果分析

（一）基本检验与模型估计

在模型估计之前需要先进行相应的平稳性检验、Granger因果关系检验来判断数据是否适合构建VAR模型。

1.平稳性检验和弱外生性检验

经过ADF检验得到上述各个省份的所有省内变量、省外变量、全局变量在5%显著性水平都是原阶平稳序列。同时，省外变量和全局变量都满足弱外生性假设，说明本文选取的经济变量适合构建VAR模型，进而模型的估计结果才有意义。由于篇幅限制，本文不体现单位根检验和弱外生性检验的结果。

2.Granger因果关系检验及滞后阶数的确定

根据AIC和SC准则可以分别得到模型中各省份的省内变量和省外变量的滞后阶数，同时根据Granger因果关系检验得到模型中关于各省份的协整个数，检验发现样本中所有省份的变量间均存在协整关系。

（二）脉冲响应分析

SGVAR模型的脉冲范围不仅体现在时间维度上，也体现在空间维度上，所以当给某个地区的某个变量一单位的冲击时，它将在未来的一段时间内对所有地区的所有变量产生影响。为研究东部、中部、西部的房地产市场之间的脉冲传导机制，结合地区代表性和多次试算，本文分别选取江苏、河南、四川三个省份为冲击源进行脉冲响应分析（由于篇幅限制，本文给出房地产泡沫以及外商直接投资作为冲击源的脉冲图）。

房地产泡沫变动对泡沫的影响如图1所示。

给江苏省房地产泡沫一个正的冲击后，30个研究对象的不同变量均能够在20 期内趋近于零。由于篇幅限制，分别从东部、中部、西部选择一个地区进行分析。由图1（a） 可知， 给江苏省房地产泡沫一个正的冲击，在当期会对东部地区房地产泡沫起到抑制作用，在第4期之后，逐渐产生正向作用且微弱的长期影响，说明房地产泡沫存在着空间溢出效应。对中部地区泡沫的影响刚开始也是负向作用，并在0-4期在0上下震荡最终趋于0。对西部地区房地产泡沫的影响在当期的负向作用最强，第1期之后逐渐收敛于0，但仍在0以下，代表持续且微弱的负向影响。

同样地，给河南和四川省房地产泡沫一个正的冲击，由图1（b）和图1（c）可知，对东部地区而言，当房地产泡沫冲击源来自东部、中部地区时，对该地区的房地产泡沫主要起到促进作用;当房地产泡沫冲击源来自西部地区时，对该地区的房地产泡沫主要起到抑制作用。对中部地区而言，各个地区的房地产泡沫冲击源对该地区房地产泡沫的影响趋势类似，都是在第1期的促进作用达到最大。对西部地区而言，当房地产泡沫冲击源来自东部、中部地区时，对该地区的房地产泡沫主要都是起到抑制作用;当房地产泡沫冲击源来自西部地区时，对该地区的房地产泡沫主要起到促进作用。

因此，从短期来看，东、中、西部地区的房地产泡沫的冲击影响有区域性差异，但从长期来看其他地区对本地区的房地产泡沫冲击的影响将趋于稳定。这是因为当某个区域房地产泡沫变大时，其邻近地区的消费者有未来房价上涨的预期，进而增加当前的房屋购置需求，导致该地区的房地产泡沫变大。但是，开发商看到消费者的购买预期时会增大房地产开发力度，增加房地产供给，可能对房地产泡沫起到抑制作用。

外商直接投资变动对泡沫的影响如图2所示。

给江苏省外商直接投资一个正的冲击，如图2（a）所示，对东部地区房地产泡沫的促进作用在第1期时达到最大，之后逐渐下降并在第2期时的负向作用最强，最终产生负向微弱的长期影响;对中部地区的房地产泡沫的促进作用在第2期时达到最大，在4～7期时转向为负向作用，第7期后保持正向影响;对西部地区的房地产泡沫的促进作用第1期时达到最大，之后逐渐下降并在第3期时的负向作用最强，最终也是产生负向微弱的长期影响。

同样地，给河南和四川省房地产泡沫一个正向冲击，由图2（b）和2（c）可知，对东部地区而言，不论外商直接投资冲击源来自哪个地区，对该地区的房地产泡沫主要起到促进作用。对中部地区而言，当外商直接投资的冲击源来自东部地区时，对该地区房地产泡沫主要起到促进作用;当冲击源来自中部地区时，对该地区的泡沫在短期内起到促进作用;当冲击源来自西部地区时，对泡沫的影响主要起到抑制作用。对西部地区而言，不管房地产泡沫冲击源来自哪个地区，对该地区的房地产泡沫在短期内起到促进作用，长期内起到微弱的抑制作用。

（三）M2对房地产市场的非线性分析

本文引进M2作为非参数项，并采用局部线性法估计模型中的非参项，得出房地产泡沫对M2的偏导数图。其中，横轴表示M2（单位：千亿元），纵轴表示M2增加一个单位对房地产泡沫和外商直接投资的影响。本文从东部、中部、西部各选择一个省份考察货币政策（货币供给量变动）对房地产泡沫的非线性影响。通过多次试算后，本文选择江苏、河南、四川三个省份作为研究对象，房地产泡沫对货币政策的偏导图如图3所示。由图3可以看出偏导数图都不是在一条水平线上，说明M2对其他变量不是简单的线性关系，也证明了引入M2作为非参数项设定的合理性。

（1）由图3（a）可知，对东部地区而言，当货币供给量为负时，货币供给量的增加对房地产泡沫增长率有抑制作用，但随着货币供给量的增加，这种抑制作用逐渐减弱;当货币供给量为0到20时，货币供给量的增加对房地产泡沫增长率影响由正转为负;当货币供给量大于20时，房地产泡沫增长率保持较为平稳的速度递增。

（2）由图3（b）可知，对中部地区而言，当货币供给量为负时，货币供给量的增加对房地产泡沫增长率同样也是起到抑制作用，并且这种抑制作用随着货币供给量的增加逐渐减弱;当货币供给量为0到20时，货币供给量对房地产泡沫增长的影响基本上稳定在0附近;当货币供给量大于20时，房地产泡沫增长率保持较为平稳的速度递增。

（3）由图3（c）可知，对西部地区而言，当货币供给量为负时，货币供给量的增加对房地产泡沫增长率同样也是起到抑制作用，并且这种抑制作用随着货币供给量的增加逐渐减弱;当货币供给量为0到25时，货币供给量对房地产泡沫增长的影响在0附近震荡;当货币供给量大于25时，房地产泡沫增长率以平稳的速度递增。

综上，货币政策对各地区房地产泡沫的影响总体趋势类似，即当采取较为紧缩的货币政策时，对房地产泡沫增长起到抑制作用，而较为宽松的货币政策会对房地产泡沫增长起到较大的促进作用，当采取适度的货币政策时，对房地产泡沫的增长没有太大影响。

但是通过比较图3（a）、3 （b）和3 （c）可以发现，当实行紧缩型货币政策时，从房地产泡沫的抑制程度可以看出房地产泡沫对紧缩型货币政策影响的敏感度最高的是西部地区，中部地区次之，东部地区敏感度最低;当实行宽松型货币政策时，从房地产泡沫的促进程度以及开始起到促进作用时所对应的货币供应量可以看出东部地区的房地产泡沫对宽松型货币政策量的反应敏感度最高，中部地區次之，西部地区敏感度最低。这是由于我国东、中部地区是我国核心产业的聚集地，当实行宽松型货币政策时，投资者首选的投资地区是东、中部，所以东部沿海地区在宽松的货币政策传导的速度和深度上可能都优于西部地区。

但是，当实行紧缩型货币政策时，投资者虽然会减少投资，但是投资地区主要还是集中于东、中部，而选择减少对西部地区的投资，所以紧缩型货币政策对西部地区的影响较大。因此，关于货币政策对房地产泡沫及经济的影响本文给出了客观的说明。

五、结论及政策建议

本文基于2006—2015年中国30 个省（市、自治区）的月度数据，构建SGVAR模型和时空脉冲响应函数分析各省份不同经济变量受到冲击后对房地产泡沫的时空传导效应。同时，基于模型半参数部分的偏导数图刻画了不同的货币供给量水平对房地产泡沫的影响。主要结论如下：

（1）某个地区的房地产泡沫冲击对周边地区的房地产泡沫产生的影响在短期内具有区域性差异，而外商直接投资的增加、房地产业信贷规模的扩大都可能导致大量资本涌入房地产市场，导致泡沫进一步扩大。

（2）货币政策会从利率渠道和货币供给量渠道影响房地产泡沫，且货币供给量对房地产泡沫呈现非线性的影响。一方面，利率会影响房地产市场的供给和需求以及消费者对未来房价的预期;另一方面，货币供给量的增加会导致房价上涨，而房价上涨又会反作用于货币供给量，二者的相互作用可能导致货币供给量对房地产泡沫的非线性影响。

针对本文的相关结果及结论提出以下建议：

（1）一旦物价上涨以及宽松的货币政策难以维持下去，资产价格泡沫也不会出现大规模的膨胀，我国可以根据经济实际情况采取不同的货币政策进而改变通货膨胀的预期，优化居民收入结构，从根本上解决房地产业的供需问题。

（2）构建完善的金融体系，规范房地产的信贷市场，有效抑制房地产的投机行为，在合理控制信贷量的同时注重信贷方向的控制。同时，我国应出台相关政策对外资流入房地产业进行有效控制和监管，合理控制其流入规模及质量，避免恶性外资流入造成房地产泡沫的加剧。

（3）政府应出台相应政策对消费者投机行为进行有效控制，如调高非自住房的贷款利率和首付率，实行严格的信贷条件包括对投机性质的房地产交易收取高转让税等。

参考文献：

[1] Stiglitz Joseph E. Symposium on Bubbles[J].Journal of Economic Perspectives，1990，4（2）：13-18.

[2] 李维哲，曲波.地产泡沫预警系统研究[J].中国房地产金融，2002（8）：18-21.

[3] 郑思齐，刘洪玉.如何正确衡量房地产价格走势[J].中国房地产，2003（3）：27-29.

[4] 孙焱林，张攀红，王中林.房地产泡沫的测度方法及实证比较[J].统计与决策，2015（24）：79-82.

[5] 丁晨，屠梅曾.论房价在货币政策传导机制中的作用——基于VECM分析[J].数量经济技术经济研究，2007，24（11）：106-114.

[6] 戈蕓.谈中国如何借鉴日本房地产泡沫破灭的教训[J].中国高新技术企业，2010（6）：71-72.

[7] 孙晶磊，张亮.日美房地产泡沫的破灭对我国货币政策调控的启示[J].税务与经济，2015（5）：25-30.

[8] Mcdonald J F， Stokes H H. Monetary Policy and the Housing Bubble[J].Journal of Real Estate Finance & Economics，2013，46（3）：437-451.

[9] 刘晨晖， 陈长石.货币政策对房地产泡沫的非线性影响研究——基于Threshold-VAR模型的实证分析[J].投资研究，2014 （10）：17-30.

[10] Krugman P. Bubble， Boom， Crash： Theoretical Notes on Asia′s Crises[R]. MIT， Cambridge， Massachussetts， 1998：54-89.

[11] Carey， Mark S. Feeding the Fad：the Federal Land Banks， Land Market Efficiency， and the Farm Credit Crisis[D].Newyork：University of California at Berkerley，1990.

[12] 宋明.我国房地产价格与银行信贷、非银行信贷的关系研究——基于时变参数状态空间模型的实证检验[J].价格理论与实践，2016（4）：125-128.

[13] 周学仁，郑兰宇，鲍洋.我国房地产业FDI流入与房价的关系研究[J].统计与决策，2013（22）：122-124.

[14] 姜松，王钊.外商直接投资对房地产业技术进步的影响实证——基于中国省际面板数据[J].软科学， 2014，28（7）：53-58.

[15] 陈继勇，盛杨怿.外商直接投资的知识溢出与中国区域经济增长[J].经济研究，2008（12）：39-49.

[16] Alfaro L， Chanda A， Kalemli-Ozcan S， et al. FDI and Economic Growth： The Role of Local Financial Markets[J].Journal of International Economics，2004，64（1）：89-112.

[17] 赵文军，于津平.贸易开放、FDI与中国工业经济增长方式——基于30个工业行业数据的实证研究[J].经济研究， 2012（8）：18-31.

责任编辑：韩国良

Key words： real estate bubble; foreign direct investment; monetary policy; semi-parametric global vector autoregression model

作者：陈依凡 叶阿忠

房地产泡沫论文 篇2：

预期、货币政策与房地产泡沫空间溢出新趋势解析

内容提要 本文基于消费者购房选择偏好模型，利用2006-2016年我国30个省域的面板数据构建空间动态计量模型，以房地产泡沫测度为基础，分析预期、货币政策等不同因素对房地产泡沫形成的影响与空间溢出效应。本文分别采用二元0-1空间邻近矩阵、地理空间矩阵与经济-地理空间矩阵三种不同空间权重矩阵进行实证检验，其中经济-地理空间权重矩阵适用性最强。将其作为基本模型计量不同省域间房地产泡沫的空间溢出程度，并分析新趋势发现：首先，近年来房地产价格确实存在空间溢出性特点，不同省域的溢出程度存在差异性，不同房价溢出圈之间的溢出程度呈现发散性的特点；其次，房地产价格空间溢出效应在房价溢出圈内逐渐聚集，不同房价溢出圈之间呈现梯次性过度趋势；第三，我国各省域房价根据溢出程度可以分为传染活跃型、传染较活跃型、传染稳定型与传染迟钝型四种类型，其中前两种类型城市较易受到房价空间溢出性影响，需要适时调控。

关键词 房地产泡沫 预期 货币政策 空间溢出

一、引言与文献回顾

随着中国住房制度改革的推进，中国房地产业发展迅速，逐渐成为中国经济发展的支柱产业。特别是近两年房价快速攀升，房地产泡沫特征已十分明显。目前，众多学者从自身专业视角出发对房地产泡沫的形成进行了大量研究，将房地产泡沫形成原因归结为供给因素、①需求因素②与外部因素③等。这些研究都是建立传统时间维度上的回归计量模型，没有考虑到房地产泡沫地区间的相互影响。然而，著名地理经济学家Tobler提出地区之间的经济行为都存在一定的空间性影响关系，离得越近的地区相互作用的可能性也就越大。Tobler W.R.， “A Computer Movie Simulating Urban Growth in the Detroit Region，” Economic Geography， vol.46， no.2， 1970， pp.234～240.Browning等、Bruyne和Hove、王鹤与刘志平等在研究过程中发现，一个地区房价在要素流动的作用下确实会影响周边地区房地产价格的变化，具有空间性。Browning M.， Gortz S. and Leth-Petersen， “Housing Wealth and Consumption： A Micro Panel Study， ”Economic Journal， vol.568， no.123， 2008， pp.401～428； Bruyne K. D. and Hove J.V.， “Explaining the Spatial Variation in Housing Prices： An Economic Geography Approach，” Applied Economics， vol.45， no.5， 2013， pp.1673～1689；王鹤：《基于空间计量的房地产价格影响因素分析》，《经济评论》2012年第1期；刘志平、陈智平：《城市住房价格的空间相关性、影响因素与传递效应——基于区域市场关系层面的实证研究》，《上海财经大学学报》2013年第1期。房地产泡沫以房价作为基础，从空间相关性的角度分析房地产泡沫形成与膨胀，计量其空间溢出效应与溢出程度，探寻房地产泡沫演化新趋势具有重要意义。

本文以房地产泡沫测度为基础，试图从房地产泡沫形成的影响因素——预期、货币政策、人口密度与供给等方面入手，构建空间计量模型，探讨如下问题：房地产泡沫是否存在空间溢出效应？如果存在，空间溢出程度是多大？又产生了怎样的特点与趋势？下文研究思路为：第二部分，基于购房者选择模型探讨房地产泡沫的影响因素及影响方式；第三部分，基于房地产泡沫的影响因素构建空间计量模型，引入三大空间权重进行模拟检验，选择最优空间计量模型；第四部分，根据模拟结果计算不同省域间房地产泡沫的空间溢出程度，并对其动态变化过程、特点与趋势进行分析；第五部分，对研究结果进行总结展望。

二、房地产市场泡沫的解释与测算

近年来房地产泡沫问题得到了学者的广泛关注，各学者从自身研究视角出发对房地产泡沫给出了界定，得到普遍共识的房地产泡沫定义为：由房地产市场投机导致房地产价格脱离市场基础所引起的均衡价格的持续上扬。曹振良：《房地产经济学通论》，北京大学出版社，2003年；刘琳、刘洪玉：《地价与房价关系的经济学分析》，《数量经济技术经济研究》2003年第7期；吕江林：《我国城市住房市场泡沫水平的度量》，《经济研究》2010年第6期。对于房地产泡沫的测度研究也持续了20多年，Fallies G.， “Housing Tenure in a Model of Consumer Choice： A Simple Diagrammatic Analysis，” Real Estate Economics， vol.11， no.1， 1983， pp.30～44； Abraham J.M. and Hendershott P.H.， “Bubbles in Metropolitan HousingMarket，” NBER Working Papers， vol.35， no.7， 1994， pp.171～192； Levin E.J. and Wright R.E.， “The Impact of Speculation on House Prices in the United Kingdom，” Economic Modelling， vol.14， no.4，1997， pp.567～585； Arthur G. and Andrew A.， “Housing Supply， Land Costs and Price Adjustment，” Real Estate Economics， vol.24， no.2， 2010， pp.43～56； John M. and Anthony M.， “Booms and Busts in the UK Housing Market，” The Economic Journal， vol.445， no.87， 2012， pp.32～45.众多学者对房地产泡沫的度量主要运用指标法，即根据某个或某些指标的数值来判断房地产市场泡沫的大小。Brunnermeier M.K. and Julliard C.， “Money Illusion and Housing Frenzies，” Review of Financial Studies， vol.21， no.1， 2006， pp.135～180； Goodman A.C. and Thibodeau T.G.，“Where are the Speculative Bubbles in US Housing Markets？” Journal of Housing Economics， vol.17， no.2， 2008， pp.117～137； Hott C. and Monnin P.， “Fundamental Real Estate Prices： An Empirical Estimation with International Data，” Journal of Real Estate Finance and Economics， vol.36， no.4， 2008， pp.427～450； Major Coleman I.V.， Lacour-Little M. and Vandell K.D.， “Subprime Lending and the Housing Bubble： Tail Wags Dog？” Electronic Journal， vol.17， no.4， 2008， pp.272～290；柳德榮：《京沪深住房市场泡沫比较研究——基于长期投资的视角》，《管理世界》2010年第9期；吕江林：《我国城市住房市场泡沫水平的度量》，《经济研究》2010年第6期；李永刚：《中国房价泡沫测度研究》，《经济体制改革》2014年第9期。这种方法具有较深厚的理论基础，其中具有代表性的吕江林比较了衡量房地产泡沫的一系列指标（租售比、空置率、投资购房与自住购房之比、房地产贷款占比等），最终选取房价收入比作为度量房地产泡沫的标准并对其科学性与准确性进行论述。吕江林：《我国城市住房市场泡沫水平的度量》，《经济研究》2010年第6期。参照吕江林的做法，本文对房地产泡沫的测度也选取房价收入比作为衡量指标。其计算公式为：房价收入比=商品住宅平均单套价格/城镇家庭平均可支配年收入=（商品住宅平均销售价格X商品住宅平均单套销售面积）/（城镇家庭人均可支配收入X城镇家庭户均人口数）。公式中各指标数据来源的详细说明请参考下文变量解释部分，本文研究视角定位在省域数据，吕江林研究视角定位在35个大中城市，因此选取的指标来源不同，测度出的北京与天津的房地产泡沫值也有略微差异，但整体变化趋势一致。

2006-2016年间中国各省域房地产泡沫程度见表1。本文样本中，西藏数据缺失严重，因而将其舍弃。从表1可看出，各省域的房地产泡沫值整体在波动中上扬，2006-2011年间各省域房地产泡沫处于持续增长状态，增长幅度较高的省域包括：北京、上海、浙江、海南等地区。其后在2011-2014年间房地产泡沫增长速度放缓，部分省域房地产泡沫出现小幅回调。在2015年与2016年两年间，各省域的房地产泡沫值都呈现出大幅膨胀态势。特别是北京、上海、天津、江苏与湖北等省市房地产泡沫值直冲20以上，膨胀速度之快与膨胀值之高值得关注。因此，我们不禁要问究竟是什么因素影响着房地产泡沫不断膨胀，而这些影响因素的影响程度如何，又是通过怎样的影响方式推动着房地产泡沫的攀升。

三、房地产市场泡沫的理论分析与事实验证

住房消费与非住房消费给消费者带来效用的大小取决于系数a1与a2，a1较大说明消费者选择非住房消费品会带来更大的效用，住房作為一项大额的耐用消费品支出必然会给消费者带来巨大的经济压力，甚至会使某些消费者在长期内背负巨额贷款成为房奴。如果消费者不选择购买住房而将资金用于生活与娱乐，会大大提高生活质量，从而获得更大的效用。a2较大说明消费者选择购买住房会带来更大的效用，住房的购买在某种程度上满足了消费者的需求与偏好，例如自有住房持有人在未来房价上涨过程中会获得更多的增值收益；住房所有者可以享受地区教育资源等基本公共服务；居民住在自有住房内可免于搬迁的不稳定性，提高住房舒适度与安全感。因此，如何进行住房与非住房消费分配获得效用最大化，取决于消费者的偏好。消费者的偏好取决于住房消费与非住房消费的替代弹性与住房消费在总效用中的重要性。消费者对家庭收入进行配置实现效用最大化的方程为：

命题一：房价收入比受到住房消费在总效用中重要性的影响，若自有住房与其他消费给消费者存在效用差异，则消费者实现效用最大化的自有住房消费效用比越大，房地产市场泡沫的膨胀度越高。

住房消费在总效用中的重要性主要受到购房者心理偏好的影响，住房者对房产的偏好主要由居住的刚性需求偏好与房产的投资需求偏好两部分构成。对于居住的刚性需求既可以通过购买住房实现也可以通过租房满足，而房产的投资需求则必须通过购买房产实现。当住房消费者预期未来房产增值空间较小时，住房消费在总效用中重要性减弱，消费者更偏重于租房从而规避高昂的购房成本；当住房消费者预期未来房产有较大的增值空间时，住房消费在总效用中表现出很强的重要性，住房消费者一方面担心如果不抓紧购房未来则更加无法承担起高昂的住房成本；另一方面住房消费者希望通过购买房产在未来获得丰厚利润，此时住房消费在总效用中的重要性表现得十分突出。因此，我们选取住房消费者的房产增值预期代表住房消费在总效用中的重要性，房产未来增值预期越大，住房消费在总效用中重要性越强；房产未来增值预期越小，住房消费在总效用中重要性越弱。

将房地产泡沫与消费者的房产增值预期的关系通过气泡图的形式展现（见图1），发现房地产泡沫膨胀程度与房产增值预期有正相关关系，图1中加入了各省份人口密度作为权重，气泡越大说明该地区人口密度越高。从图中可以观测到人口密度越高的地区相应的房地产泡沫程度与增值预期也越高，但这种正相关关系并不是十分显著，还需在接下来的计量模型中进一步检验。

将房价收入比对购房贷款进行求导，得到ph/yL>0，说明消费者住房贷款量越大，房价收入比越高；消费者购房时可以借到的住房贷款越多，房价收入比越高，房地产市场泡沫与货币政策紧密相关。

命题二：住房贷款投入量增加会促使房地产市场泡沫的持续膨胀。

为了更直观地显示住房贷款投入量与房地产泡沫之间的关系，我们通过气泡图的形式展现（见图2）。从中可以发现二者存在一定正相关关系，即住房贷款投入量的不断增加促进了房地产市场泡沫的持续膨胀。但与房地产泡沫和房产增值预期间的正相关关系相比，房地产市场泡沫和住房贷款投入量之间的正相关关系明显要更弱一些，可见房地产泡沫的膨胀更加容易受到房产增值预期的影响。图2中同样将各地区人口密度作为权重引入，可以发现在人口密度较高的省份，住房贷款投入量与房地产泡沫程度都较高。

将房价收入比对消费者非住房消费进行求导，得到ph/yc>0，说明消费者的非住房消费量越高，房价收入比越低。

命题三：消费者非住房消费的增长，可以抑制房地产市场泡沫的快速膨胀。

消费者的收入支出在住房消费与非住房消费之间选择，如果债券、股票等金融产品的投资回报率远远高于住房资本带来的收益，消费者则不会选择投资房产；或者消费者在生活、娱乐等非住房消费品中获得的效用大于住房消费效用时，消费者也不会再热衷于住房消费，房地产泡沫的膨胀也会因此得到抑制。我们直观地可以从图3中看到非住房消费与房地产泡沫呈负相关关系，人口密度的影响不显著。

当然这只是初步的直观结论，下文将通过构建计量模型对经验分析做更严谨的实证检验。

四、实证分析

1.变量解释

根据上文的理论研究，发现房地产价格的增值预期、货币政策、非住房消费、人口密度等因素是可能影响房地产泡沫形成的主要因素，基于此我们选取具体变量与数据解释如下：

（1）房地产泡沫（Pop）：本文采用房价收入比作为房地产泡沫的度量指标。其中2006-2014年房价数据来自历年《中国房地产统计年鉴》中各地区商品房平均销售价格；2015年与2016年房价数据来自于房天下、中经网与中国资讯行数据。2006-2014年人均可支配收入数据来自历年《中国区域统计年鉴》；2015年与2016年人均可支配收入数据来自《中国经济景气月报》。

（2）房地产价格预期（Pre）：本文将上一期的价格作为理性预期基础，将下一期的增速作为本期适应性预期，上一期的价格与上两期的平均增值量加总得到当期房地产价格预期，其中房地产价格数据来源同上。

（3）房地产开发企业与个人按揭贷款（Loa）：2006-2014年按揭贷款数据来自历年《中国房地产统计年鉴》；2015年与2016年数据来自中国人民银行。

（4）非住房消费（Con）：2006-2014年非住房消费数据来自历年《中国区域经济统计年鉴》中社会消费品零售总额；2015年与2016年社会消费品零售总额数据来自《中国经济景气月报》。

（5）房地产市场供给量（Sup）：2006-2014年房地产市场供给量数据来自历年《中国房地产统计年鉴》中各地区房地产市场房屋竣工套数；2015年与2016年房地产市场房屋竣工套数据来自《中国经济景气月报》。

（6）人口密度（Den）：人口密度是各地区人口数量与实际占地面积的比值，其中2006-2014年人口数量数据来自历年《中国城市统计年鉴》；2015年数据来自各地区统计公报；2016年数据根据预测得出。由于各地区人口数量的增长具有平稳性特点，因此通过预测得到的2016年数据与实际值不會有较大差异，具有一定的有效性与合理性。

（7）利率（Int）：每年贷款基准利率由当年利率调整的平均值代表，2006-2016年数据来自中国人民银行。

上述变量的统计描述见表2。在进行实证检验之前为了避免伪回归问题，我们首先需要对样本进行单位根检验。面板数据单位根根据是否存在同根情况可以分为两种检验方法：一种是以LLC与Hadri检验为代表的相同根单位根检验方法；另一种为IPS、Fisher-ADF和Fisher-PP检验，属于对不同根的单位根检验方法。本文采用相同根情况下的LLC方法与不同根情况下的IPS方法对所有变量进行单位根检验。检验结果见表3。由表3数据可以看出原变量序列中房地产泡沫（Pop）、贷款量（lnLoa）、非住房消费（lnCon）、房地产市场供给（lnSup）与密度（lnDen）为非平稳变量，一阶差分后所有变量皆变为平稳变量。

3.计量模型

空间溢出的计量通常采用空间相关性来衡量各地区之间，在不同因素影响下是否具有相互影响。空间相关性具体是指在不同区域间的观测样本中，位于i区域的观测值与位于j区域的观测值具有相关关系，用函数表示为Yi=f（Yj），i=1，2…n；i≠j。如果回归模型中存在空间相关性，则最小二乘估计是有偏的，估计结果也不具有一致性，在这种情况下通常采用极大似然法或两阶段最小二乘法进行估计。在分析空间问题时经常会涉及到两个模型：空间滞后模型与空间误差模型。表5检验结果显示，空间滞后模型的显著程度明显优于空间误差模型（后文给出详细分析），因此本文着重对空间滞后模型（SLM）进行介绍与探讨。空间滞后模型（SLM）是对某地区变量是否对周边地区变量具有扩散现象（外溢效应）进行分析的计量模型。SLM表达式为Y=ρωY+βX+ε，其中Y为因变量；X为n×k阶的外生解释变量矩阵；ρ为空间回归系数；ω为n×n阶的空间加权矩阵，ωY为空间滞后因变量；ε为随机误差项。根据前文的理论研究，房地产泡沫受到货币政策、预期、非住房消费、住房供给与贷款基准利率等因素的影响，基于此我们构建房地产泡沫的空间滞后模型如下：

本文数据年限为2006-2016年，因此矩阵中包含了11个W值， 而每年又包括30个省域样本，因此w为330×330的矩阵。接下来本文将对各省域数据分别进行未考虑空间效应的OLS估计、考虑空间效应的空间滞后模型估计与空间误差模型估计，根据检验结果选择最优模型。在选择模型过程中，我们先选取最简单的“0-1空间权重矩阵”进行模拟。即假设地理位置接近的省域赋予W值为1，认为只有地理上接近的省域间才会有房地产价格的空间溢出效应，否则为0。即Wi，j=1或0（i与j临近为1，不临近为0）。空间效应模型的回归结果见表5。可以看出，OLS模型拟合优度为0.9673，模型整体通过了5%水平的显著性检验。但由于Morans’I统计值显示OLS回归误差的空间相关性较明显，因此需要在模型中引入空间效应，我们引入空间滞后模型与空间误差模型进行回归。

表5中显示了两种空间效应模型的回归结果，拉格朗日乘数滞后项（LMLAG）与稳健滞后项（R-LMLAG）都通过了1%水平的显著性检验，且LMLAG较拉格朗日误差项（LMERR）在统计上更为显著，R-LMLAG较稳健误差项（R-LMERR）更为显著，从5个统计量可以看出，SLM比SEM的拟合优度更高。将OLS估计结果与SLM估计结果相比较发现，SLM的拟合优度在OLS基础上有所提高，达到0.9785。对数似然函数值从未考虑空间效应模型中的101.042，提高到SLM模型中的184.452。从表5的计量结果可以看出，考虑到空间效应的SLM模型更加适合用来拟合房地产泡沫的空间溢出效应。初步估计结果显示，房地产泡沫在区域间具有正向溢出效应，其对房地产泡沫值增长的影响系数为0.975。但此估计结果只考虑了0-1空间权重，在实际中房地产泡沫的区域溢出效应不仅存在于相邻的地区之间，还存在于周边地区乃至经济相关地区。因此，我们将地理权重矩阵与经济-地理权重矩阵引入，在下文中进一步研究不同空间权重矩阵对房地产泡沫空间溢出效应的影响。

4.空间权重设定

本文探讨的空间权重矩阵是赋予周边不同省域房地产泡沫影响力的不同权重，用来衡量泡沫的空间溢出效应。一般空间权重矩阵的构建共包括三种方法：Anselin L. and Bera A.， “Spatial Dependence in Linear Regression Model with an Introduction to Spatial Econometrics，” Handbook of Applied Economic Statistics， vol.27， no.4， 1998， pp.67～72；康继军、王卫、傅蕴英：《中国各地区市场化进程区位分布的空间效应研究》，《统计研究》2009年第5期；魏下海：《人力资本、空间溢出与省际全要素生产率增长——基于三种空间权重测度的实证检验》，《财经研究》2010年第12期；于斌斌：《产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析》，《中国工业经济》2015年第12期。

（1）0-1权重矩阵，认为地理上相邻的地区间才会产生空间溢出性，赋予W值为1，否则为0。这种方法直观且操作简单，在计量空间问题时得到广泛应用。但是采用这种方法容易遗漏空间溢出的部分信息，即使不相邻的区域间也会产生空间溢出性，且地理较接近发展模式相似的省域间也会产生空间溢出效应。因此，在讨论房地产泡沫空间溢出性中我们需要将地理权重矩阵与经济权重矩阵引入进行比较，从而得到最优选择。

（2）地理权重矩阵，即将含有距离因素的空间单元引入权重矩阵，认为不相邻的省域间也存在空间联系，对角线上的空间权重都为0，Wi，j是矩阵第i行和第j列的元素，表示第i个地区与第j个地区经纬度上的直线距离的无量纲化倒数。

（3）经济-地理权重矩阵，即将含有距离因素与经济因素的空间单元引入权重矩阵，认为不同省域间变量的空间性关系不仅受到地理距离的影响还会受到经济距离的影响，其中经济距离是指两个区域间经济发展的差距，用两个地区GDP差值的倒数表示。经濟-地理距离是指在经济距离与地理距离的共同影响下，一个地区经济指标对周边地区影响的空间效应，权重矩阵中Wi，j为i与j地区经纬度上的直线距离的无量纲化倒数与GDP差值倒数的乘积。省市之间地理距离与经济距离越远，则房地产泡沫空间溢出效果越差，所赋予的权重越小。

表6给出了三种权重矩阵下的空间效应模型的回归结果。从中可以看出，系数α1，α3，α5符号为正，α2，α4，α6符号为负。ρ的符号为正，即房地产泡沫在区域间具有正向空间溢出性。表6结果显示，空间滞后模型与空间误差模型在经济-地理权重矩阵下的对数似然函数值优于0-1权重矩阵与地理权重矩阵下的对数似然值，空间滞后模型与空间误差模型相比较指标显著性较高。因此本文以经济-地理权重矩阵下的空间滞后模型来计量房地产泡沫的空间溢出效应。表6中第4列结果显示，α1至α6的估计结果符号与预计相符，预期、宽松的货币政策（信贷量支持与较低的贷款基准利率）、人口密度的增加会刺激房地产泡沫的不断攀升；有效房地产供给的增加、非住房消费结构的优化，可以抑制房地产泡沫过快迅猛增长，各因素的作用下预期与供给因素对房地产泡沫的影响作用最强，分别达到0.842与-0.633。在0-1权重矩阵、地理权重矩阵与经济-地理权重矩阵下，房地产泡沫的空间溢出效应显著为正，说明一个区域的房地产泡沫的膨胀会有效带动周边地区泡沫值的攀升，空间影响系数为0.532。即一个地区房地产泡沫增长一个百分点，会带动与该地区具有经济-地理关系地区的房地产泡沫增长0.532个百分点。下文中，我们将进一步讨论各区域在2006-2016年间，房地产泡沫的增长对周边具有经济-地理空间关系地区所产生的空间溢出效应，并对其空间溢出程度进行度量。

五、回归结果分析

将空间溢出回归系数0.532代入经济-地理权重矩阵空间计量模型，得到2006-2016年间各省域房地产泡沫空间溢出对房地产泡沫值增长的贡献率，我们运用空间溢出效应贡献率衡量一个地区房地产泡沫值增长对另一个与其有经济-地理空间关系地区泡沫变化的空间溢出程度，具体结果见表7。进一步对表7数据进行分析，发现近年来我国房地产泡沫空间溢出逐渐呈现出三大趋势：

1. 不同省域泡沫溢出程度存在差异性，在不同溢出圈内溢出程度呈现发散性的特点。本文运用非参数估计模型中的核估计法，模拟房地产泡沫空间溢出的密度函数。将2006-2016年划分为四个阶段，分别为2006-2008年、2009-2011年、2012-2014年与2015-2016年，依次对四个阶段进行估计，估计结果以高斯核函数形式呈现。图4显示房地产泡沫空间溢出密度函数中心矩在波动中不断向右移动，峰值由小变大后又经历了由大变小的过程，同时空间溢出变化区间由小变大。2012-2014年房地产泡沫空间溢出密度分布具有明显的高峰薄尾特征，说明在这几年间各区域的溢出效应集中于中心距附近，极端值相对较小。这主要是由于在这三年间，各区域房地产泡沫空间溢出效应减弱，区域间溢出方差较小。但其后在2015-2016年间，空间溢出密度函数峰值很快回落，尾度增厚，说明在这两年间各区域房地产泡沫空间溢出方差逐渐增大，不同中心房价领涨区域对周边房地产泡沫的溢出程度差异性扩大，有明显的发散性特点。结合表7数据发现，2015-2016年间，以北京为房价领涨中心，周边河北与天津空间溢出性分别达到6.75与7.74，以上海为中心，周边浙江与江苏空间溢出性为8.05与7.47，相较2012-2014年间空间溢出差异性与发散性都明显增强。

2.房地产泡沫空间溢出效应在同一泡沫溢出圈内逐渐聚集，不同溢出圈之间呈现梯次性过度趋势。将2015-2016年间，各地区房地产泡沫取均值填充颜色至中国地图。由图5可知，我国各省域间房地产泡沫空间溢出效应呈现明显的聚集性与区域性的特点，且梯次性过度趋势较明显，总体呈现由沿海向内地、由东部向西部梯次衰退态势。溢出效应聚集圈主要划分为三大板块，一是以北京为中心区的京津冀溢出圈；二是以上海为中心的沪苏浙溢出圈；三是以广东为中心的闽粤溢出圈。这三板块的空间溢出效应贡献率在616以上。其他板块为辽吉黑溢出圈、中部地区溢出圈与西部地区溢出圈，空间溢出效应贡献率在5.25～5.86之间。高溢出聚集区主要集中于京津冀和长三角地区以及这两大经济体沿海延长线地带。结合上文的回归分析，形成这种状态的主要原因有：随着城镇化进程的不断加快，越来越多的外来人口涌入北上广深等中心地区，促使人口密度不断攀升，住房需求不断扩大，推动房地产价格增长，过高的房价压力和不断完善的交通设施，使更多的中心省域居民选择在周边地区购房，形成房地产泡沫的空间溢出圈；同时，由于土地稀缺性，中心省域房产供给不足，政府拍卖的住房用地中“地王”频现，进一步推高了房地产商的拿地与开发成本，在成本-收益的约束下，房产商逐渐开始选择开发中心省域的周边地区，力图通过低拿地成本和高建筑质量吸引购房者，获得更高利润，带动周边地区房地产市场的发展，产生房地产泡沫空间溢出圈，圈内曾经差距较大的省域价格逐渐减小，房地产泡沫空间溢出效应在溢出圈内逐渐呈现聚集性特点。

3.我国各省域房地产泡沫根据溢出程度可以分为四大类型。为了对不同省域间2015-2016年间的溢出效应新趋势做进一步分析，我们引入空间溢出性分布图。图6中，纵轴为各省域空间溢出效应，横轴为各省域房地产泡沫值，纵向线为房地产泡沫值的中位数，横向线为空间溢出效应贡献率的中位数。两条直线将将分布图划分为四个象限：第一象限为传染活跃型省域，受到房地产泡沫空间溢出性影响大，包括福建、河北、江苏、浙江；第二象限为传染较活跃型省域，自身房地产泡沫较高受到空间溢出性的影响较大，且自身房地产泡沫较高，容易对周边地区产生较强的溢出效应，包括北京、上海、广东与天津；第三象限为传染稳定型，这类城市会受到泡沫空间溢出效应的影响，但影响程度有限，包括山西、山东、河南与陕西等省域；第四象限为传染迟钝型，此类城市不容易受到周边城市房地产泡沫膨胀的影响，同时自身房价的增长也较难影响周边区域，包括海南。一、二象限城市较易产生房地产泡沫的空间溢出效应，在房价过快增长时期要出台限制措施，引导房价合理走向。三、四象限城市受到房价空间溢出效应较弱，在经济增速放缓时期可以适时取消房产限购政策，带动经济平稳增长。

六、结论与展望

本文基于租购消费效用选择模型，利用2006-2016年我国30个省域的面板数据构建空间动态计量模型，以房地产泡沫测度为基础，分析各影响因素对房地产泡沫的作用程度，考察在不同影响因素作用下房地产泡沫是否具有空间溢出效应。本文将二元0-1空间邻近矩阵、地理空间矩阵与经济-地理空间矩阵三种不同空间权重矩阵进行比较，得出经济-地理空间权重矩阵下的空间滞后模型最适合分析房地产泡沫的空間溢出，进而以此为基本模型探讨了不同省域间房地产泡沫的空间溢出程度，并对房地产泡沫空间溢出的新趋势进行了分析。本文研究发现：（1）近年来房地产泡沫确实存在空间溢出性特点，并且不同省域房地产泡沫溢出圈内的溢出程度差异性扩大，有明显的发散性特点；（2）房地产泡沫空间溢出效应在泡沫溢出圈内逐渐聚集，不同溢出圈之间呈现梯次性过渡趋势；（3）我国各省域房地产泡沫根据溢出程度可以分为传染活跃型、传染较活跃型、传染稳定型与传染迟钝型四种类型，其中前两种类型城市较易受到房地产泡沫空间溢出性影响。由于近年来各省域房地产泡沫空间溢出方差逐渐增大，使得房地产泡沫差异化现象明显，容易造成基尼系数的攀升，影响收入分配的公平与效率，需要政府适时出台相应政策进行调控，特别是要加强对较易受到房地产泡沫空间溢出性影响的传染活跃型与传染较活跃型两大类城市的楼市的针对性调控。

本文对于深化房地产价格的研究，解析房地产泡沫空间溢出效应新趋势具有积极意义。然而，本文的研究仍存在着不足之处，由于数据的缺乏，房地产泡沫空间溢出效应的计算还不能完全涵盖中国31个省级行政区。同时，适合用来分析房地产泡沫溢出的经济-地理权重矩阵重叠分组空间加权的技术难题尚未突破，也未能将隐性房价以及结构性房价带来的泡沫空间溢出效应全部考虑进来，这两个方面会导致空间溢出程度的低估。这些不足之处有待今后进一步的研究。

作者单位：天津商业大学经济学院

责任编辑：牛泽东

作者：张炜

房地产泡沫论文 篇3：

从房地产泡沫中论中国经济结构的转型

摘要：房地产泡沫是房地产价格对其基本价值的连续偏离，是一种对个人、社会及宏观经济运行等有严重影响的经济现象。房地产泡沫形成和发展的原因是多方面的，房地产泡沫的破灭将对整个社会经济带来巨大的冲击，甚至会酿成经济危机。纵观我国房地产泡沫的形成和传导机制，可以看出经济结构的转型和升级将是有效化解我国房地产泡沫危害的一剂良方。

关键词：经济泡沫  房地产泡沫  原因  经济结构  转型

1 经济泡沫与房地产泡沫

1.1 经济泡沫与经济泡沫载体

经济泡沫是现代社会存在的一种经济现象，是指资产价格对其基本价值的偏离。具体来说是指资产在一个连续过程中陡然涨价，使人们产生了还要涨价的预期，于是又吸引了新的买主加入，因此价格越推越高，使资产的市场价格脱离资产内在正常价值的部分。[1]

现实经济生活中存在着诸多经济泡沫，每一种经济泡沫都有其相应的承载体。经济泡沫的载体范围很广，包括股票、债券、房地产、艺术品等等。由于房地产保存期非常长，在消费时并不被消耗，在其整个寿命周期内价格波动频繁，而供给又有限，供求缺口较大，这些因素使房地产成为社会经济中最主要的经济泡沫载体。

1.2 房地产泡沫

房地产泡沫是指房地产价格对其基本价值的连续偏离，即房地产价格处于房地产基本价值之外的一种对个人、社会及宏观经济运行等有比较严重影响的经济现象。也就是说房地产泡沫就是附着于房地产这一载体的经济泡沫。如果房地产价格刚好偏离正常基本价值，此时房地产泡沫很小，感觉也不明显;当房地产价格大幅度上涨，房地产价格越高，其偏离正常基本价值就越远，即房地产泡沫也越大。

1.3 经济泡沫的客观评价

生活中经济泡沫无处不在，时刻存在于经济发展过程之中，广大社会民众因为对经济泡沫缺乏足够的认识，以致于“谈泡沫即色变”。其实我们应该全面地看待经济泡沫：泡沫有大小之分，当经济泡沫处在比较合理范围内时，泡沫在一定程度上对经济发展有利，能够刺激和促进经济发展，甚至可以说合理范围内的泡沫是经济发展的润滑剂和引擎;但是，当经济泡沫急剧膨胀和持续堆积，扩张到比较严重的程度时，将对社会和经济带来极其负面的影响，甚至会导致社会出现经济危机的状况。

2 中国房地产泡沫产生的原因

2.1 房地产市场的双重特性及房地产作为虚拟资产的特征是房地产泡沫产生的根本原因

房地产既是耐用消费品，也是资本品，具有投资和投机的价值，有别于一般的商品。兼具耐用消费品和投资品特征的房地产，决定了房地产市场同时具有实体经济和虚拟经济的双重特性。当完全作为耐用消费品时，房地产是不会出现泡沫的，而只有投资和投机的参与才能够使房地产脱离实体经济而出现可能的泡沫趋势。也就是说在导致房地产泡沫的过程中，投资性引致的投机行为是导致房地产泡沫产生的最根本原因。

2.2 金融的自由与宽松是房地产泡沫形成的客观条件

金融自由化加快了虚拟经济与实体经济相背离的趋势，基于金融自由化建立的金融体系和金融制度加剧了房地产商品价值的虚拟化，使房地产的价格越来越容易脱离其基本价值。可以说金融自由化是房地产泡沫产生的制度性根源，它使房地产泡沫的产生成为必然。

房地产业资金需求量大，资金周转周期长，决定了该行业与金融业高度依存的关系。自从我国房地产市场建立以来，房地产市场的发展就和金融市场的发展紧密地联系在一起。房地产业在世界各国有“第二金融”之称，从购地、建房到销售环节，金融业贯穿于房地产运行的全过程。2008年随着雷曼兄弟的破产，中国经济遭受了货币政策持续从紧以及金融危机席卷全球的双重打击，持续多年的国内生产总值增长面临夭折的风险。世界各国为了应对金融危机，大都实行无比宽松的接近零利率的货币政策，于是我国中央政府迅速启动“撒钱式”的极度宽松的信贷政策。除此以外，国外游资预期人民币会升值，为了在短期内赚取套利而大量涌入中国市场。在这些因素的共同作用之下，国内外大量的资金蜂拥而至地投向我国房地产市场，投机行为大量充斥着我国整个房地产市场，房地产如脱缰之野马，价格不断上蹿，房地产泡沫在宽松的金融市场环境之下急速膨胀。

2.3 房地产的供求关系是房地产泡沫形成的重要内在因素

西方经济学的商品供求关系理论是：当供给大于需求时，商品价格下降;当供给小于需求时，商品的价格就会上升。房地产的供给和土地的供给息息相关，而土地具有与一般商品不同的特性，即占有的垄断性、排他性和稀缺性。[2]在经济生活中，供给弹性越小的要素，其价格会增长得越快，在所有的生产要素中，土地的供给弹性最小，因此土地价格的上涨幅度也最大。

一方面，房地产的刚性需求随着中国房改政策的实行而得到彻底地释放，再加上城市化的推进以及我国国民固有的新房情结，使得我国居民对房地产的需求日趋旺盛。特别是近年来广大社会民众在未来通胀预期和“买涨不买跌”的消费偏好心理的双重影响下，很多潜在需求被激发为现实需求，整个社会对房地产的需求持续攀升。[3]而另一方面，房地产商和投机者为了在预期的通胀中牟取更高的收益，囤积居奇、圈地待涨和捂盘惜售成为了他们实现利润最大化的手段，从而在社会上人为地营造出房地产供给紧张和不足的气氛。由此可见，一方面是房地产需求的不断高涨，另一方面是房地产商和投机者人为地压缩供给，因此房地产市场呈现出了严重的供不应求状态，价格持续暴涨，房地产泡沫在供需极其失衡的状态下持续堆积和膨胀，房地产泡沫的空前膨胀已经失去了真实需求的支撑。

2.4 固定资产投资比重过高所造成的产能过剩是房地产泡沫不断催生的外部环境

改革开放以来，在粗放式经济增长模式和唯国内生产总值是举的思维模式下，中国经济片面追求投资，大量的低水平重复建设不可避免，表现在国内固定资产投资增速年均达10%以上，造成了严重的产能过剩。在产能过剩和信贷宽松双“井喷”之下，包括国有资本和民营资本在内的社会资金面临着出路狭窄的问题。过剩的产能无法消化必定导致实体经济裹足不前，在经历实体经济投资受挫之后，作为支柱产业的房地产便成为社会资金的最佳避风港，于是不仅民营企业，就连国有企业也都竞相投资房地产业。正因为多年来固定资产投资比重过高所造成的实体经济的困境，使得房地产市场成为恶炒、爆炒的领域，房地产业呈现出一片热火朝天的场面，房地产泡沫不断疯狂膨胀。[4]

2.5 土地供给垄断和土地财政是房地产泡沫产生的制度基础

在我国，土地属于国家或者集体所有，政府官员有比较大的权力来处理土地，这也是我国房地产市场受到政府影响巨大的原因之一。土地供给的垄断性和稀缺性使得土地价格在一定时期内具有稳步上升的趋势，随着经济的发展，工业化的推进，城市化进程的加快以及城市人口的不断增加，人们对土地的需求更是旺盛。分税制改革弱化了地方财权，使地方财权与事权严重脱节，地方财政收入捉襟见肘，只好将目光投向卖地收入，土地财政因此成为地方预算外收入的主要来源。[5]地方政府为了增加地方收入，在“招拍挂”政策下不断推高土地价格;另一方面，房地产是当前我国城市GDP增长的主引擎，长期以来我国官员的政绩考核与升迁也是以GDP增长作为衡量标准。因此，各地政府作为土地资源唯一的供给者，把土地收入纳入地方财政收入，以土地收入“经营城市”，创造GDP政绩，这些因素构成了地方政府高价出让土地的动机和内在激励，地方政府从而成为高房价的支持者。[6]

2.6 购买者的心理因素和心理预期是房地产泡沫产生和强化的内在动因和动力机制

购买者对未来房地产价格的预期，无论是理性的还是非理性的，都将影响房地产的需求而使房地产价格发生变化。由于房地产市场买卖双方信息的不对称，因而常常引起购买者对价格变动的逆反心理，即越涨价越抢购的逆反行为。房地产购买者的不完全理性和投机心理决定了他们的“从众行为”进而形成“羊群效应”。从众心理实际上是一种正反馈机制，在群体之间相互影响，相互传递信号，而信号的传递往往是一种正反馈模式。当房价越是上涨，购买者越是跟进购入;而当房价越是下跌，购买者越是抛售。从众行为既是制造泡沫的机器，也是打破泡沫的机器。

3 从房地产泡沫中审视我国经济结构的转型

3.1 房地产泡沫破灭的影响

房地产泡沫破灭是指房地产泡沫处于高位时，从吹泡沫向挤泡沫快速的逆转。换句话说房地产泡沫破灭就是指房地产价格大幅度偏离基本价值之后急速回归基本价值的过程。房地产泡沫一旦破裂，对中国经济的危害是非常巨大的，并会演化出严重的社会问题。房地产泡沫破灭之后，房价出现疯狂下跌，需求量随着急剧下降，房价再继续下跌，从而形成恶性循环。购房者多数高价按揭住房，而随着房地产泡沫的破灭，房子瞬间贬值，很多人会因此而抛房，同时银行接收的是贬值的房产，这就会冲击整个金融体系。房地产业是一个很长的产业链，它的上游是建筑材料、钢铁、煤电、运输等等，这些都是资金密集型产业，房地产泡沫破灭，将会导致整个产业链生产过剩，经济随即趋向萧条。因此，房地产泡沫带来的危害不仅仅限于行业的本身，而且影响到上下游其他许多行业，如果国内房地产崩盘，整个国家经济都可能发生危机。

从上面的论述当中可以看出，房地产泡沫的破灭对我国宏微观经济的危害是不可估量的，国家对房地产泡沫必须加以重视并提前干预。房地产泡沫在破灭之前，如果政府提前采取得当措施积极应对，使房地产价格缓慢地恢复到其正常价值，这个过程只能够称之为“恢复其内在价值”，而不算一般意义上的破灭。因为房地产价格慢慢恢复到其正常价值的时间比较长，给予了各个利益相关者调整行动策略的时间也相应拉长，有利于逐步适应和调整，以最大程度地减少各利益相关者的损失，以此降低房地产泡沫破灭所带来的社会震荡和危害。纵观我国房地产泡沫产生和传导的路径，要妥当处理房地产泡沫问题，当务之急必须为房地产市场营造一个合理的经济结构宏观环境。

3.2 加快我国经济结构转型的策略

3.2.1 处理好国家投资与民间投资的关系

依赖国家和政府投资的结果就是国进民退，造成民间的实体经济面临的投资环境不断恶化，行业利润率和资本回报率也因此呈逐年下降态势。大量的民间资本在实体经济投资无门之下，只能纷纷加入到股市和房地产等虚拟经济中，参与吹大房地产泡沫。因此，在经济结构调整转型当中，必须实行国退民进，国有资本不可与民争利，国家必须平等地对待民营资本，向民营资本开放更多的领域，特别是在石油、电信、金融等垄断领域，要给民营资本的进入开辟通道，让更多的以热钱形式存在的民营资本找到用武之地，从而使民间资本逐步从非理性的房地产市场当中退出，以利于逐渐地化解房地产泡沫。

3.2.2 启动国民收入分配机制改革

众所周知，拉动经济增长的三匹马车为投资、出口和消费。改革开放以来，中国经济过分依赖政府投资和出口需求推动，国内消费占国内生产总值的比例偏低。投资与消费存在着此消彼长的关系，投资比重持续上升，“挤出效应”的基本规律只会让消费需求的启动更加艰难。强调投资和投资过热的结果就是居民消费乏力，增速低缓，社会总供给与总需求之间的循环关系断裂，进而影响实体经济的增速。近年来在全球金融危机和人民币升值的双重压力之下，中国靠出口拉动经济增长的模式已经变得举步维艰，失去了进一步上升的空间。

中国经济要化解房地产泡沫，必须要依靠国内消费需求的爆发，靠消费来拉动生产。国富民穷是当下中国经济的真实写照，也是消费需求难以真正启动的根源所在。因此，启动国民收入分配机制改革，增加人民收入才能保证中国经济的内需得到彻底激发，从而为实体经济的发展注入活力，实现经济增长方式的转变。要提高国民收入，地方政府与民争利的心态必须摒弃，首先国家必须改革当前土地财政这一与民争利的体制，使当前的房地产市场摆脱土地财政的束缚，房地产不断上升的价格才能实现真正的回落，高企的房价才能得以慢慢地向房地产真实的价值靠拢，从而真正化解房地产泡沫，居民的消费需求也才能逐步从被高房价所挤压的困境中解脱出来。

3.2.3 以自主创新立国，逐步消化房地产泡沫堆积中所带来的产能过剩

自从房地产被确立为国民经济支柱产业以来，房地产业走上了“撒钱式”的发展之路，伴随而来的便是整个国家产能过剩的不断重复出现和堆积。产能过剩严重阻碍了中国经济的健康发展，也对房地产泡沫的破灭产生巨大威胁。消化产能过剩的出路在于经济结构的转型，即以自主创新立国，将中国制造改写为中国创造。自主创新立国对于中国经济结构转型、国家安全和在国际经济竞争中占据制高点的意义非凡，当今世界，政治经济的独立必须以技术独立为基础。如今的中国，经济结构要转型，必须摈弃靠自然资源及要素堆积驱动和依赖资产泡沫膨胀的传统经济发展模式，而是要把经济发展引导到更多地依靠提高资源配置效率和各类技术创新活动上来，让民众能够分享经济发展带来的红利，实现传统的经济发展方式到现代经济发展方式的转变。

房地产泡沫是在特定的经济环境下所形成和发展的，房地产泡沫的产生有其必然性。房地产泡沫的破灭将对中国整个社会经济带来巨大的冲击，甚至会酿成经济危机。因此，在房地产泡沫破灭之前，政府必须未雨绸缪，提前主动干预。经济结构的转型和升级是当前中国经济化解房地产泡沫的一剂良方，有利于中国房地产泡沫逐步和缓慢地恢复到其基本价值，从而最大程度地降低房地产泡沫破灭所带来的危害。

参考文献：

[1]任宏，王林.中国房地产泡沫研究[M].重庆大学出版社，2008.

[2]张旭材.供需因素对房价的影响分析[J].中国集体经济，2012（12）.

[3]苏多永，戴滢珂.需求释放、房价走势与对策建议[J].中国房地产，2012（11）.

[4]许子枋.中国房地产大萧条还有多远[M].湖南人民出版社，2013.

[5]常春华，汪发元.房地产业对地方财政收入和支出影响的实证分析[J].会计之友，2013（5）.

[6]东方导.超级泡沫——中国房地产金融解密[M].中国经济出版社，2011.

作者：黄仰玲