张帅 秦梦 张少萍

摘   要：本文運用拔靴全样本和子样本滚动窗口因果关系检验方法，研究了我国金融稳定性与土地价格之间的动态因果关系。实证结果表明，金融稳定性提高会导致土地价格上涨;但过高的土地价格却会引起金融稳定性的降低。此外，金融稳定性与三种类型土地价格之间的相互作用与土地整体价格互动关系略有不同，但大致相似;金融稳定性与商业和住宅用地价格的交互影响程度高于与工业用地价格间的影响程度。了解金融稳定性与土地价格相互作用的传导机制，有助于在防止土地价格过度扩张的同时，制定相关政策，维护我国金融市场稳定。

关键词：金融稳定性;土地价格;因果关系;拔靴滚动窗口检验

中图分类号：F830.2  文献标识码：A 文章编号：1674-2265（2020）08-0020-08

DOI：10.19647/j.cnki.37-1462/f.2020.08.003

一、引言

金融稳定是经济社会可持续发展的关键。欧洲中央银行（ECB）将金融稳定定义为金融系统能够承受冲击并解决金融失衡的一种条件（Fell，2005）[1]。而Mishkin（1999）[2]、Allen和Wood（2006）[3]则从原因、类型、后果等方面定义了金融不稳定。由于定义的不同，对于金融稳定性的衡量一直是一个难点。对于金融稳定性的描述，仅用单一指标来表示具有一定的不可靠性，Morales和Estrada（2010）[4]、王相宁和曾思韶（2019）[5]等学者均选择一系列指标，通过加权求和构建一个综合指标对金融稳定性进行衡量。新兴市场更容易受到外部冲击，Ma?kowiak（2007）[6]研究表明，相关货币政策会对典型新兴市场的价格水平与实际产出产生影响。作为具有代表性的新兴市场，我国金融体系的发展仍处于不完善的阶段（Wahed，2017）[7]，研究影响金融稳定性的因素具有一定的实践意义。

而土地价格则是土地市场运行的重要指标之一，可以被用来分析土地市场的供求状况，优化土地资源配置（Hu等，2016）[8]。土地价格可以反映出一个国家的经济和社会的运行状态（Liu等，2012）[9]，合理的地价更是在推动产业结构升级、促进经济增长中起着不可或缺的作用（曾国安和马宇佳，2019）[10]。然而，却鲜有关于金融稳定性与土地价格之间相互关系的研究。本文试图从金融稳定性与土地价格之间的关系入手展开研究，为相关政府部门提供借鉴。

二、文献综述与理论假设

（一）文献综述

关于金融稳定性与土地价格相互作用的研究较少。相关研究主要集中于以下四个方面：

1. 金融稳定与物价稳定。物价稳定和金融稳定性是影响经济发展的重要因素。基于此考虑，国内外大部分学者在展开研究时，多集中于维护物价稳定和金融稳定的货币政策目标选择与传导机制（Bernanke和Mishikin，1997;朱恩涛等，2016）[11，12]。对于金融稳定与物价稳定之间的相互作用关系，国内外学者尚存在分歧。以Schwartz（1995）[13]为代表的学者认为两者呈正相关关系;Boyd等（2001）[14]等研究则认为物价稳定并不是促进金融稳定的充分条件;王自力（2005）[15]通过建立投资—通胀模型，分析得出金融稳定与物价稳定之间存在短期冲突性和长期一致性。大量的实证研究证明了两者之间并不是简单的正负相关关系。例如，熊海芳和赵亚汝（2015）[16]使用DCC-MARCH模型对我国金融稳定与价格稳定间的动态关系进行分析，认为金融稳定与物价水平之间的关系会随着物价变化而产生变化，并且会受到利率的影响;Fazio等（2018）[17]通过对1998—2014年期间66个国家的银行数据进行实证检验，得出通胀目标与金融稳定性之间的关系呈倒U形的结论。

2. 金融稳定性与房地产市场。金融市场的稳定性与房地产市场联系密切，乃至于部分学者在构建金融稳定性指数时，将国房景气指数、商品房销售价格指数等因素纳入指标体系（刘晓欣和雷霖，2017）[18]。Mishkin（1999）[2]、Herring和Wachter（1999）[19]分别从信息不对称、危机短视和不正当激励等角度证明了房地产市场的繁荣会对金融市场的稳定性造成负向冲击。国内外大量学者通过构建不同实证模型，也得出了相似的结论：Pan和Wang（2013）[20]利用PMG估计方法研究美国房地产市场与金融市场稳定性的关系，发现房价变化和房价偏离对金融稳定性具有负向影响，且这种影响与收入有关;徐荣等（2017）[21]利用SVAR模型对我国房价波动与金融风险的关系展开研究，发现房价的大幅上涨会引起我国系统性金融风险增加。总结以上研究发现，关于金融稳定性与房地产市场的研究主要聚焦于房产价格对金融稳定性的单向影响。

3. 房地产价格与土地价格。关于房地产价格和土地价格间的因果关系，学界并未达成共识，主要有以下三种观点：一是土地价格推动房地产价格，如Sulliva（2000）[22]基于均衡理论，从引致需求的角度解释了房价过高可以归因于地价过高;潘爱民和韩正龙（2012）[23]基于我国省域面板数据，证明土地价格无论在长期还是短期均会对房地产价格产生正向效应。二是房地产价格推动土地价格，如Oikarinen（2014）[24]利用VEC模型对芬兰房价与地价关系进行实证，发现房价的变动会对土地价格产生影响;张浩和李仲飞（2016）[25]应用随机效应模型对我国2004—2013年数据进行研究，表明房价预期对土地价格产生正向影响。三是两者互为因果关系，如Altuzarra和Esteban（2011）[26]对西班牙的地价和房价进行Granger因果检验，发现两个市场间存在双向关系等。

4. 金融市场对土地价格的影响。国内外学者关于两者相互作用的研究较少，多数研究均从金融市场对土地价格的影响展开分析。例如，Awokuse和Duke（2010）[27]利用VAR模型方差分解方法，证明了利率和房地产债务对土地价格的影响极其显著;Rajan和Ramcharan（2012）[28]发现，信贷投放规模的增加会直接引起土地价格的上升，尤其是在次贷危机期间，信贷投放规模较大的地区，土地价格的增幅也更大。

总结既有研究可以发现，金融稳定性会对土地价格产生影响，同时金融稳定性、房地产价格和土地价格之间两两关系密切。但鲜有学者对金融稳定性与土地价格之间的动态因果关系直接展开研究。基于这一研究现状，本文运用拔靴滚动窗口因果检验方法来检验二者间的因果关系;鉴于土地可以被细分为商业、住宅和工业用地，考察了这三种土地价格与金融稳定性之间的动态因果关系。

（二）理论假设

金融稳定对土地价格的传导机制可以从直接影响和间接影响两个方面进行分析：一方面，金融稳定可以增强投资者信心（Gollier，2008）[29]并直接增加对土地的需求，从而提高土地价格;另一方面，随着金融稳定性的增加，人们对风险的谨慎性动机下降，投资意愿上升，这必然会加大对房地产这一重要投资品的需求，推动房地产价格的上升，间接带动土地价格上升。以我国房地产市场为例，土地价格是房价的重要组成部分之一，两者相互影响，随着房价的上涨土地价格也会增加（陈晓川和杨海艳，2013）[30]。随着金融体系与监管体系不断完善，金融稳定性也随之逐步提高，这会引起人们对住房需求的增加，导致房价进一步上涨，并拉动土地价格的同步上升。

基于以上分析，提出假设1：金融稳定性的上升会引起土地价格的上升。

关于土地价格对金融稳定的影响，有两种截然不同的观点：一种观点是土地价格变化会引起金融稳定性的同向变化。这一观点认为，土地或地产价格的下降会导致抵押品价值下降，抵押人偿还债务的意愿变小，导致偿还贷款违约率升高，这无疑会阻碍金融体系的稳定发展。另一种观点是土地价格变化会引起金融稳定性的反向变化。这一观点认为，当土地或地产价格上涨时，购买者会更加偏向于向金融机构贷款，增加金融机构的信贷压力;此外，购买者可能会选择从游离于监管之外的非正式金融机构借款，由此导致的巨额贷款和较高的信用压力，以及监管的不完善，都阻碍了金融体系的稳定发展。我国房价一直保持较快的增速，购房者需要负担高额的贷款，然而购房需求却仍在不断增加。正规金融机构为了降低偿债违约率，对贷款人的贷款审查非常严格，导致一些购房者转向具有更大金融风险的非正规金融机构进行贷款。据此，本文更倾向于第二种观点。

基于以上分析，提出假设2：土地价格的上升会引起金融稳定性的下降。

三、模型构建

本文引入拔靴子样本滚动窗口因果检验方法来检验两者之间的因果关系。以下为模型介绍：

（一）拔靴全样本因果关系检验

在基于传统VAR模型的格兰杰因果关系检验中，检验统计量可能并不服从标准的渐近分布，导致检验结果失真。为了克服这个问题，本文使用基于RB修正LR统计量来检验金融稳定性与土地价格之间的因果关系，构建双变量VAR（p） 模型如下：

其中，[εt=（ε1t，ε2t）']是一个具有零均值和常方差白噪声。[X1t]和[X2t]分别表示金融稳定性和土地价格。[βij（L）=k=1pβij，kLk]，[i=1，2]，[j=1，2]，L是滞后因子，即有[LkXt=Xt-k]。如果[β12，k=0]，[k=1，2，……，p]，则土地价格变化不是金融稳定性变化的格兰杰原因的原假设可以被接受;如果这个原假设被拒绝，则土地价格是我国金融稳定的一个重要原因;金融稳定性变化是否是土地价格变化的格兰杰原因同理。

（二）参数稳定性检验

在全样本因果关系检验中，通常假定参数不存在结构性变化，但在现实中这一假设通常无法满足，此时运用全样本因果检验是不合理的。基于此，采用Sup-F、Ave-F和Exp-F检验确保全样本因果关系分析的可靠性。其中，Sup-F被用来测试突发的结构性变化，Ave-F和Exp-F则被用于检验参数是否会随时间推移而逐渐变化。如果参数存在结构性变化，则应采用拔靴子样本滚动窗口检验方法来检验金融稳定性与土地价格之间的动态因果关系。

（三）拔靴子样本滚动窗口因果关系检验

子样本滚动窗口检验方法是指将全样本按照等宽分割成多个子样本，并对每个子样本进行因果检验。具体步骤如下：在时间序列长度[T]中设置样本长度为[l]的子样本，同时每个子样本的末端为l，[l+1，…，T]，共得到[T-l+1]个子样本。根据基于RB的修正LR因果关系检验方法，将每一个子样本观测到的概率值p和LR统计量按时间顺序进行统计，得到子样本滚动窗口的因果检验结果。式（2）描述了土地价格对金融稳定的影响：

其中 Nb表示拔靴实验重复次数，[β*12，k]是根据式（1）中VAR模型计算所得的拔靴估计量，金融稳定性对土地价格的影响同理。为了保证检验的准确性，本文采用90%置信区间，去除过大或过小的值。

四、实证研究

（一）指标与数据介绍

1.  金融稳定性指标构建。采用主成分分析法构建综合评价指标对金融稳定性进行测度，从金融机构、金融市场、金融体系、抵御外部冲击能力、宏观经济环境等五个方面，共选取15个指标，以2003年第四季度至2019年第三季度作为研究样本，构建金融稳定性綜合评价指标，记为FS。所选指标数据除实际人民币有效汇率指数来源于国际清算银行（BIS）官网外，其他数据均来源于万得数据库。具体指标体系如表1所示。

需要特别说明的主要有以下几点：第一，考虑到房地产市场与土地市场的紧密关联性，在构建金融稳定性指标时，未将代表房地产市场情况的国房景气指数、商品房销售价格指数等指标纳入;第二，不同于西方国家，我国金融机构主要以银行为主，因此在选取描述金融机构的指标时只包含了代表银行业务的指标;第三，为剔除季节性因素的影响，本文对所有指标进行了季节性检验，将存在季节性的存贷比等8个指标进行了Census-X12季节性调整。

根据主成分分析所得到的各成分的方差贡献率和累计贡献率，前4个成分的累计贡献率为86.612%，大于85%，因此可采用前4个主成分代表金融稳定性水平。按照各成分的方差贡献率，进行加权平均得到我国金融稳定性综合指标，其变化如图1所示。

2. 数据描述与平稳性检验。在指标选取方面，金融稳定性指标采用利用主成分分析法构建的综合评价指标FS表示。根据土地用途，土地价格可以被划分为四种类型：总体土地价格、商业用地价格、住宅用地价格和工业用地价格，分别表示为LP、CLP、RLP、ILP。样本区间为2003年第四季度至2019年第三季度，数据来源于万得数据库、中国地价监测网和国际清算银行官方网站。为了消除异方差的影响，对各项指标取其增长率进行分析。

表2给出了金融稳定性和土地价格的描述性统计。FS、LP、CLP、RLP和ILP的均值表明，它们的序列分别集中于0.0750、0.0218、0.0225、0.0305和0.0088;LP、CLP、RLP和ILP的偏度均为正;各项变量均表现为尖峰特征。另外，Jarque-Bera检验证明金融稳定性和土地价格具有显著的非正态分布特征，运用传统的全样本格兰杰因果检验方法是不合适的。

为了防止出现“伪回归”，本文使用ADF检验、PP检验和KPSS检验对数据的平稳性进行检验，结果显示，ADF检验和PP检验中拒绝了存在单位根的原假设，而在KPSS检验中则接受了平稳序列的原假设，可以认为FS、LP、CLP、RLP和ILP均为平稳序列。

（二）FS和LP的动态因果关系分析

1.  拔靴全样本因果关系检验。本文基于SIC信息准则，选择最优滞后长度为1。表3给出了基于RB修正的LR统计量全样本因果关系检验结果。结果表明，FS与LP之间无因果关系。金融稳定性不是土地价格变化的格兰杰原因;反之，土地价格也非金融稳定性变化的格兰杰原因。

2. 参数稳定性检验。为了保证因果检验的可靠性，采用Sup-F、Ave-F、Exp-F检验方法对FS和LP的参数稳定性进行检验，同时使用Lc统计检验对整个VAR模型中参数稳定性进行检验。

由表4可以看出，Sup-F检验显示，FS和LP在1%显著性水平下存在结构性变化，VAR模型的参数在5%显著性水平下存在结构性变化。Ave-F检验显示，在1%显著性水平下，FS的参数会随时间而变化;在5%显著性水平下，LP的参数会随时间而变化。Exp-F检验显示，在1%显著性水平下，FS和LP的参数均会随时间而变化。而对于VAR模型中的参数，Exp-F也被证明在5%水平下显著，但在Ave-F检验中却不能拒绝原假设。Lc统计量检验则显示，VAR模型在5%的显著性水平下拒绝遵循一个随机游走过程的原假设，这表明在上述VAR模型中参数是不稳定的。总之，上述检验表明参数具有时变性，也就是说全样本因果检验的结果不具有可靠性，需要引入拔靴子样本滚动窗口因果检验方法来检验FS与LP之间的因果关系。

3. 拔靴子样本滚动窗口因果关系检验。使用式（2）中的VAR模型来估计LR统计中的拔靴p值。在滚动窗宽度的选择上，较大的窗宽可以提高预测准确性，但却减少了滚动的数量;而较小的窗宽难以保证计算结果的可靠性。Pesaran和Timmermann（2005）[31]提出，如果存在结构性变化，那么滚动窗口宽度不应小于20。为保证检验准确性，本文选取滚动窗口宽度为20个季度①。

图2为金融稳定性FS对土地价格LP影响的p值变化。当p值大于0.1时，说明在10%显著性水平下接受原假设，FS对LP无显著影响;当p值小于0.1时，则认为在10%的显著性水平下，FS对LP影响显著。从图中可以看出，在2011年第四季度至2015年第二季度，以及2015年第四季度至2018年第四季度，金融稳定性FS对土地价格LP存在显著影响。

图3描绘了FS对LP的影响方向和大小。若影响系数大于0，则说明具有正向影响;若影响系数为负数，则说明具有负向影响。从图中可以看出，自2011年以来，金融稳定性FS一直对土地价格LP产生正向影响，假设1得证。这是因为我国面对金融危机，采取一系列有效措施，金融危机影响逐步减弱，金融稳定性逐步增加，加之金融机构不断增加信贷投放支持，监管体系愈加完善，种种条件都为投资者创造了良好的投资环境。此外，国务院发布相关政策，对民间投资给予正确指导和有力支持。良好的投资环境和政府对民间投资的引导支持，为投资市场注入了新的活力，吸引了大量投资，对土地的需求也随之增加，土地的价格也水涨船高。

图4为LP对FS影响的p值变化，与上文的分析类似，可以看出，在2010年第一季度之前和2016年第二季度至2018年底，LP对FS有显著影响，其他时间内LP对FS的影响则不显著。

由图5可以看出，在LP对FS具有显著影响的期间（2010年第一季度之前和2016年第二季度至2018年底），LP对FS产生负向影响，上文所述假设2得证。尤其是2016年第二季度之后，土地价格对金融稳定性的影响极为显著，而这恰好对应了2016年我国房价空前暴涨的事实，反映出土地价格可以通过房地产市场对金融稳定性产生影响。此后土地价格对金融稳定性的影响逐渐下降，这是因为我国针对房地产行业出台相关政策，有效抑制了房价泡沫的膨胀，致使土地价格通过房地产市场对金融稳定性产生的影响也有所降低。由此可以看出，房地产市场是土地价格对金融稳定性产生负向冲击的重要传导途径。

（三）FS与CLP、RLP、ILP互动关系实证结果

本文試图进一步探究金融稳定性对不同用途土地价格的不同影响，以及不同用途土地价格对金融稳定性的不同影响，这就需要分别检验金融稳定性FS与商业用地价格CLP、住宅用地价格RLP以及工业用地ILP之间的因果关系及其相互影响的大小和方向。限于篇幅限制，且考虑到检验过程与上文中对于FS和LP分析过程相同，本文只列出子样本滚动窗口因果关系检验的拔靴p值和影响系数。

图6和图7分别描绘出FS对三种类型土地价格影响的显著程度、方向和大小。从图中可以看出，金融稳定性对三种类型土地价格的影响与金融稳定性对土地总体价格影响相似。在2011年第一季度至2015年第二季度，及2017年第三、四季度，FS对商业用地价格CLP有显著影响，并且这种影响是正向的;在2010年第四季度至2019年第三季度，FS对住宅用地价格RLP同样有着显著的正向影响;在2009年第一季度至2014年第三季度，FS对工业用地价格ILP有显著影响，且影响为正。

图8和图9分别描绘出三种类型土地价格对FS影响的显著程度、方向和大小。从图中可以看出，在2009年第一季度至2010年第一季度、2010年第三季度和2015年第一季度至2017年第四季度，商业用地价格CLP对FS有显著影响，且影响是负向的;在2009年第一季度至2010年第一季度、2016年第二季度至2019年第一季度住宅用地价格RLP对FS有显著负向影响;而工业用地价格ILP对FS仅在2009年第一季度至2010年第一季度具有较小的负向影响。

通过对以上三种类型土地价格与金融稳定性互动关系的比较，金融稳定性对三种类型土地价格都起到正向的推动作用，且对商业用地价格和住宅用地价格的这种推动作用大于对工业用地;从土地价格对金融稳定性影响方面来说，商业用地价格和住宅用地价格对金融稳定性产生的负向冲击较大，而工业用地价格对金融稳定性虽然影响同样为负，但其影响显著的时期较短且影响接近于0。这是因为工业用地主要集中在郊区或靠近郊区的位置，价格相对较低;商业用地则主要集中在城市内部，价格相对较高;而我国房价上涨的一个重要原因是住宅用地价格过高。随着土地价格的升高，金融机构面臨的信贷压力也会越来越大，违约率也会随之上升，也即较高土地价格的类型对金融稳定性影响更为显著。

五、结论与对策建议

本文基于2003年第四季度至2019年第三季度的季度数据，通过主成分分析法构建金融稳定性指标，全面描述我国金融稳定发展状况;而后，运用拔靴全样本和子样本滚动窗口因果关系检验方法对我国金融稳定性和土地价格之间的因果关系展开分析。本文主要结论如下：第一，金融稳定性是土地价格变动的一个重要影响因素，对其产生正向影响，而土地价格同样是影响金融稳定性的重要因素，但对金融稳定性产生负面影响。第二，通过分析三种类型土地价格与金融稳定之间的因果关系，发现商业和住宅用地价格相较于工业用地价格，与金融稳定相互影响程度更大。

基于本文结论，在供给侧结构性改革持续推进、经济转型升级的背景下，相关政府部门需要重视金融稳定性和土地价格之间的互动关系：

首先，为维护并促进金融稳定性的提高，应严格把控土地价格增速，将其控制在合理区间内，科学合理地调整土地供给结构，防止过度上涨的土地价格对金融稳定性造成剧烈的负向冲击。

其次，要协调好维护金融稳定和经济稳增长间的关系，应加强对房地产信贷业务的监管，有效发挥金融服务实体经济的作用，避免过量资金流入房地产市场，造成房地产与实体经济的结构性失衡，引起土地价格上涨，威胁金融稳定。

最后，要特别注重房地产市场这个重要的影响渠道。虽然房地产市场会对经济增长起到一定的带动作用，但同时也要谨防房地产价格过高，放大土地价格增加对金融稳定性造成负向冲击的情形。基于此，应平抑房地产价格尤其是商业用房和住宅价格，严防房地产市场供求和价格出现巨幅波动。

注：

1为了验证检验结果的可靠性，本文还使用24个季度、28个季度和32个季度的滚动窗口宽度来研究因果关系，其结果与20个季度的滚动窗口宽度基本一致。

参考文献：

[1]Fell，J. 2005. Assessing Financial Stability：Exploring the Boundaries of Analysis [J].National Institute Economic Review，192（1）.

[2]Mishkin，Frederic S. 1999. Global Financial Instability：Framework，Events，Issues [J].Journal of Economic Perspectives，13（4）.

[3]Allen W A，Wood G. 2006. Defining and Achieving Financial Stability [J].Journal of Financial Stability，2（2）.

[4]Morales M A，Estrada D. 2010. A Financial Stability Index for Colombia [J].Annals of Finance，6（4）.

[5]王相宁，曾思韶.金融包容性对收入差距和金融稳定性的影响——基于“一带一路”沿线43个国家的面板数据 [J].经济与管理研究，2019，40（4）.

[6]Bartosz，Ma?kowiak. 2007. External Shocks，U.S. Monetary Policy and Macroeconomic Fluctuations in Emerging Markets [J].Journal of Monetary Economics.

[7]Wahed M S. 2017. Chinas Financial System：Resolving the Constraints for Sustained Growth [J].Strategic Change，26.

[8]Hu S，Yang S，Li W，et al. 2016. Spatially Non-Stationary Relationships Between Urban Residential Land Price and Impact Factors in Wuhan City，China [J].Applied Geography，68（68）.

[9]Liu，Z.，and W. T. Zha. 2013. Land-Price Dynamics and Macroeconomic Fluctuations [J].Econometrica，81.

[10]曾国安，马宇佳.土地价格对城市产业结构升级的影响研究——基于全国105个地级及以上城市数据的实证分析 [J].宏观经济研究，2019，（6）.

[11]Bernanke B S，Mishkin F S. 1997. Inflation Targeting：A New Framework for Monetary Policy？ [J].Journal of Economic Perspectives，11（2）.

[12]朱恩涛，翁玉颖，张小雅.关于物价稳定与金融稳定协调的理论分析 [J].商业经济研究，2016，（6）.

[13]Schwartz，A. J. 1995. Systemic Risk and the Macroeconomy， in G. Kaufman，ed.，Banking， Financial Markets， and Systemic Risk [W].Vol 7，Research in Financial Services，Private and Public Policy.Greenwich，Connecticut，Jai Press，19-30.

[14]Boyd J H，Levine R，Smith B D. 2001. The Impact of Inflation on Financial Sector Performance [J].Journal of Monetary Economics，47（2）.

[15]王自力.金融穩定与货币稳定关系论 [J].金融研究，2005，（5）.

[16]熊海芳，赵亚汝.价格稳定、货币与金融稳定的关联性研究 [J].投资研究，2015，34（10）.

[17]Fazio D M，Silva T C，Tabak B M，et al. 2018. Inflation Targeting and Financial Stability：Does the Quality of Institutions Matter？ [J].Economic Modelling，S0264999317304820.

[18]刘晓欣，雷霖.金融杠杆、房地产价格与金融稳定性——基于SVAR模型的实证研究 [J].经济学家，2017，（8）.

[19]Herring R J，Wachter S M. Real Estate Booms and Banking Busts：An International Perspective [J].Social Science Electronic Publishing.

[20]Pan H，Wang C. 2013. House Prices，Bank Instability，and Economic Growth：Evidence From the Threshold Model [J].Journal of Banking & Finance，37（5）.

[21]徐荣，郭娜，李金鑫，何龄童.我国房地产价格波动对系统性金融风险影响的动态机制研究——基于有向无环图的分析 [J].南方经济，2017，（11）.

[22]Sullivan，O. 2000. Urban Economies，[M].The McGraw-Hill Companies.

[23]潘爱民，韩正龙.经济适用房、土地价格与住宅价格——基于我国29个省级面板数据的实证研究[J].财贸经济，2012，（2）.

[24]Oikarinen，E. 2014. Is Urban Land Price Adjustment More Sluggish Than Housing Price Adjustment？ [J]. Empirical Evidence， Urban Studies，l5.

[25]张浩，李仲飞.房价预期、土地价格和房地产商行为 [J].管理评论，2016，（4）.

[26]Altuzarra A，Esteban M. 2011. Land Prices and Housing Prices： The Case of Spain [J].Journal of Housing and the Built Environment，26（4）.

[27]Duke J M，Awokuse T O. 2010. The Casual Structure of Land Price Determinants [J].Canadian Journal of Agricultural Economics，54.

[28]Rajan R，Ramcharan R. 2015. The Anatomy of a Credit Crisis：The Boom and Bust in Farm Land Prices in the United States in the 1920s [J].Nber Working Papers，105（4）.

[29]Jean-Marc Gollier. 2008. The Value of Financial Stability [J].International Finance，11（2）.

[30]陈晓川，杨海艳.我国房价与地价关系的实证分析 [J].武汉理工大学学报（信息与管理工程版），2013，35（3）.

[31]Pesaran M H，Timmermann A. 2005. Small Sample Properties of Forecasts From Autoregressive Models Under Structural Breaks [J].Journal of Econometrics，129.

[32]董迪.区域金融稳定性指数的构建与评估研究[J].武汉金融，2019，（2）.