朱琳琪

（安徽财经大学 金融学院，安徽 蚌埠 233000）

我国银行信贷对房地产投资的影响
——基于VECM模型的实证分析

朱琳琪

（安徽财经大学 金融学院，安徽 蚌埠 233000）

随着经济的发展和城市化进程的不断深入，我国房地产业发展迅速，成为推动国民经济不断增长的重要力量.银行信贷作为房地产投资开发的重要资金来源，它的变动会对房地产市场产生重大影响.本文基于VECM模型，重点研究了我国房地产投资与银行信贷之间的联动关系，经过实证发现，银行信贷是促进房地产投资规模变动的重要原因之一，两者的稳定对促进我国国民经济平稳运行发挥着至关重要的作用.

房地产投资；银行信贷；VECM模型

1 前言

近几年，北上广等一线城市的房价一度大幅上涨，这使得其他城市的房价也跟着上涨，而部分银行信贷的资金以杠杆的形式进入房地产市场炒作.由于房地产的上下游行业十分广泛，并且与投资、信贷和金融等密切相关，对宏观经济的增长和金融市场的长期稳定有着显著的影响.银行信贷作为重要的调节工具，其量的变化将会对经济发展和金融市场产生极大地影响，并间接作用于房产市场.为了正确有效的调控房地产市场，学术界应该加强银行信贷与房地产投资内在关系的研究.本文将在已有研究的基础上，首次将银行信贷与房地产投资两变量的时间序列引入向量误差修正模型，该模型在向量自回归模型的基础上加入了误差修正项，其结果更具完备性.并且本文通过协整检验、脉冲响应和方差分解具体研究了银行信贷对房地产投资的影响，这相较于已有的定性分析与单纯时间序列研究更具有代表性，最后将就实证分析的结果提出相应的政策建议.

2 文献综述

国外方面，Douglas（1991）在论文中将房地产信贷与普通信贷进行比较，并对其中区别进行了分析.Grenadier（1995）在已有的房地产价格周期性研究之上，对房地产信贷周期性规律进行了探讨.Case和Glaeser（2000）通过引入外生变量，分析了房地产信贷风险的特征.David和Sastry（2002）使用时间序列建模分析了房地产投资与银行信贷之间的关系，但并没有将其结果扩展到实际经济层面.Benjamin和Chinloy（2004）将房地产投资额加入到总产出模型中进行分析，并讨论了居民消费对房地产投资的影响.Hancock和Wilcox（1994）在研究商业银行不良贷款时将房地产信贷作为新的变量引入模型中，并对其影响进了定性的描述分析.

国内方面，张戈和郭琨等（2012）通过建立状态空间模型，分析了房地产信贷在房地产开发投资中的乘数效应，发现我国的房地产信贷乘数效应确实存在.中国人民银行乌鲁木齐中奋支行货币信贷处调研组（2003）利用新疆的数据分析了本地区房地产信贷对房地产投资的影响，并对存在的问题和制约因素做了详尽的分析.李宝伟和郭金兴等（2007）通过研究发现房地产投资过热的重要推动力量之一是商业银行信贷，并且详细的分析了传导路径.王璐和李忆秋等（2015）认为我国房地产投资对商业银行的信贷资金依赖性过强，房产业存在着很大的潜在风险.贾生华、董照樱子和陈文强等（2016）研究发现，房地产投资急速增长的重要原因之一是银子银行的信贷膨胀，这不但降低了市场的利率水平，而且也使得社会信贷供给扩大.马冬梅（2016）利用向量自回归模型探究了房地产投资与银行信贷的联动关系，发现银行信贷与房地产投资之间存在着长期稳定的关系，短期内的波动会对彼此产生不良的影响.

3 数据整理和基本分析

3.1 数据来源和介绍

基于本文所研究的问题，我们选取了2008年1月至2015年12月的时间序列数据进行实证分析.其中我们采用社会融资规模中的人民币贷款总和作为银行信贷变量（loans），数据来源于中国人民银行官网，同时使用房地产投资额作为房地产投资变量（estinv），数据来源于中经网统计数据库.为了消除回归中出现的异方差现象，我们对所有数据进行了取对数处理.

3.2 平稳性检验

在计量分析中经常会出现虚假回归等问题，所以在分析之前需要对原时间序列进行平稳性检验.本文首先对经过对数处理后的银行信贷与房地产投资序列，以及一阶差分后的序列进行单位根检验（ADF检验）.运行EViews 8.0软件可以得到相应的检验结果，如表1所示.

从表1中可以看出，原序列的ADF统计量均大于10%临界值，因此原序列接受原假设，存在单位根.而在一阶差分序列中，ADF统计量均小于1%临界值说明一阶差分序列拒绝原假设，不存在单位根，即原序列的一阶差分序列为平稳序列.

表1 单位根检验

4 银行信贷对房地产投资长期效应

4.1 协整检验

协整检验为我们提供了一个研究变量之间长期稳定的均衡关系的途径，本文将采用Johansen与Juselius提出的协整检验方法去分析银行信贷对房产投资的长期影响.这一检验方法是在向量自回归（VAR）的基础上所建立的，其不但能检验多个变量，而且能求出他们之间的若干种协整关系.

由平稳性检验可以知道，时间序列Lnestinv和Lnloans全都是平稳的一阶单整序列，所以两序列间可能存在着均衡的长期关系，即协整关系.本文首先建立无约束的VAR模型，然后通过LR、FPE、AIC、SC和HQ准则选择无约束VAR模型的最佳滞后阶数，最后依据此确定协整检验的最佳滞后阶数.

通过反复比较，最终确定无约束VAR模型的最佳滞后阶数为8，故协整检验最佳滞后阶数为7.

表2 协整检验

由表2可以看出，在5%的显著性水平之下，银行信贷和房地产投资两个变量之间存在着一个协整关系，其对应的协整关系如下：

lnestinv=1.255Lnloans-6.467从协整方程可以看出，在长期内银行信贷对房地产投资有着较大的正向影响，银行信贷每增加1%，房地产投资将增加1.255%.

5 银行信贷对房地产投资短期效应

5.1 向量误差修正模型

向量误差修正模型是Engle和Granger将协整与误差修正模型结合起来所构建的模型，此模型是含有协整约束的向量自回归模型，通常应用于具有协整关系的非平稳时间序列建模.通过前文的Johansen协整检验与Granger因果关系检验，表明银行信贷和房地产投资在长期内存在着显著的正向关联，且银行信贷是推动房地产投资增长的重要原因之一.为了进一步研究银行信贷对房地产投资的短期效应，本文对Lnestinv和Lnloans两个序列建立了向量误差修正模型.由上述协整方程，可得协整方程的误差修正项为：

ECM=LnestinvⅠ1.255Lnloans+6.467

经过AIC和SC等各项准则的判断，确定最优滞后阶数为7阶，同时将误差修正项引入模型中，得到VECM模型计量估计的结果（表3）.从结果可知，R2=0.684939，F统计量为13.60911，表明模型整体拟合优度较高，有较强的解释能力.

表3 误差修正系数

表4 房地产投资(Lnestinv)的脉冲响应函数表

5.2 脉冲响应

通过VECM模型可以得到相应的脉冲响应函数表和方差分解表.由表4可知，给房地产投资（Lnestinv）自身一个正向的冲击，将会产生一个近似U型的曲线，从第1期开始有一个正向的影响，但是在后期正向影响逐渐减弱，第3期开始出现负向的影响，第5期达到最低点（-0.162926），第10期开始收敛.这说明当房地产投资受到外界扰动时，将会对自身产生不良的影响，因此保证房地产投资的长期稳定是十分重要的.

给银行信贷（Lnloans）一个正向的冲击，将会产生锯齿型的曲线，在第2到3期影响为负值，在4到8期影响为正值，后期继续反复波动，在第10期仍没有收敛的迹象.这表明银行信贷对房地产投资影响是一个长期的过程，其在短期内的影响较为复杂，这与之前的分析也是相吻合的，所以维持银行信贷的稳定也对房地产投资有着重要的意义.

5.3 方差分解

VECM模型的脉冲响应描述了银行信贷受到扰动时，房地产投资影响所受到的影响.下面将通过方差分解来分析银行信贷在不同时期对房地产投资的贡献度，即影响程度.从房地产投资的方差分解表（表5），可以看到房地产投资（Lnestinv）起初主要是受到自身的影响，但这一影响会随着时间的推移而逐渐减弱，相比而言，虽然起初银行信贷（Lnloans）对房地产投资的影响较小，但是随着时期变长，影响开始逐渐增大.

表5 房地产投资（Lnestinv)的方差分解表

6 结论及建议

本文利用VECM模型分析了我国银行信贷对房地产投资的影响，通过计量分析的结果得到如下主要结论：

1.通过协整检验可以得知，银行信贷与房地产投资间存在着较为稳定的长期均衡关系，当银行信贷每增加1%时，房地产投资将增加1.255%；通过Granger因果关系检验可以得知，银行信贷确实是推动房地产投资增长的重要原因之一.

2.从VECM模型的脉冲响应和方差分解的结果来看，银行信贷对房地产投资的影响是一个长期且逐渐加强的过程，而在短期内存在着较为复杂的影响，当银行信贷受到扰动时，不同的时期将会出现完全相反的影响；房地产投资对其自身的影响随着时间的推移会不断减弱，而在短期内受到扰动时，将会对其自身产生不良的影响.

结合实证分析的结论，并针对我国房地产业和银行信贷规模的现状，提出以下两条政策建议：

1.深化住房体制改革，逐步完善房产市场投融资体系

由于房地产业是典型的资金密集型产业，这就导致银行信贷投放量会对房地产市场产生重要的影响，为此，我国应该积极促进房地产投资融资多元化，不断发展房地产保险基金，推出住房抵押贷款证券化等来化解金融风险，维护经济稳定.此外，我国还应不断建立并完善住房供应体系，这样即使房价出现异动，市场需求发生较大变化时，也不会对房地产市场造成较大冲击，影响到金融市场和世界经济的稳定和发展.

2.加强信贷管理，化解金融风险

当前，我国房地产市场呈现一片欣欣向荣的景象，但由于房地产业投融资过度依靠银行信贷，商业银行参与了房地产市场投资、经营等的各个环节，这就使得其要承受来自不同环节的市场风险，从而导致整个银行系统积累了较高的风险.为了实现金融稳定，经济持续发展的长远目标，国家应在大力发展房地产市场的同时，严格把控银行信贷风险，进一步加强对银行信贷资金使用情况的监管，提高对房产企业的约束力，确保房地产企业的经营者能够合理使用信贷资金，使其在有效规避风险的同时，实现收益最大化的经营目标.

〔1〕江彤.我国银行信贷与房地产价格关系实证分析[J].中国房地产金融,2007(4):15-18.

〔2〕李宝伟,郭金兴.房地产投资过热与商业银行房地产信贷风险治理[J].中国房地产,2007(10):40-41.

〔3〕羿建华,孙健.房地产、金融周期与工业周期的内在影响机制分析——基于商业银行信贷管理视角[J].山东社会科学,2016(4):143-148.

〔4〕顾六宝,陈博飞.一二线城市房价变动影响因素的比较分析——基于北京、石家庄的调研数据[J].统计与管理,2012 (4):8-10.

〔5〕崔文学.银行信贷、货币供应量与股票价格的动态关系研究[J].财经政法资讯,2016(1):26-34.

〔6〕马冬梅.房地产投资与银行信贷——基于VAR模型的实证分析[J].金融经济:理论版,2016(8):145-146.

〔7〕陈淑云,付振奇.城市化、房地产投资与经济增长的关系分析——以湖北省1990～2009年时间序列数据为例[J].经济体制改革,2012(2):30-35.

F293.3

A

1673-260X（2017）06-0081-03

2017-04-24

国家级大学生创新创业训练计划项目（201610378051）；安徽财经大学大学生科研创新基金重点项目（XSKY1703ZD）