[摘 要]文章选定我国的四大直辖市为研究对象，基于房地产价格波动与银行信贷之间存在的互动机制，研究了房地产价格与银行信贷之间的相关性、长期协整、短期修复以及基于向量自回归的方差分解情况与脉冲响应函数。发现北京市的房地产市场与银行信贷市场的相关性最大且其短期修复速度最快。通过向量自回归模型的建立，发现北京市和上海市的房地产市场受银行信贷市场的影响较小，而房地产价格的上涨却实实在在地影响到了银行信贷总量的上涨。天津市的房地产市场与银行信贷市场的相互影响程度并不高，然而，重庆市的房地产市场与银行信贷市场相互的影响程度却较高。所以每个城市的房地产市场和信贷市场的发展中均可能存在着优势与劣势，城市与城市之间可以相互吸取教训和相互学习经验，进而促进每个城市的健康发展，最终使得我国的经济健康持续发展。

[关键词]向量自回归;协整与反向误差修正模型;房地产与银行信贷;直辖市

[DOI] 10.13939/j.cnki.zgsc.2020.10.055

1 经济理论基础

一般而言，房地产市场的周期与信贷市场的周期趋同，两者之间存在着顺周期效应。对于我国，房地产业是我国的支柱产业，在国民经济的发展中占有重要的地位，然而，我国房地产业对银行业的发展也起着举足轻重的作用。有数据显示，在我国房价不断上涨的时期，恰恰是我国银行业平均利润率增长幅度最大的时期。

我国的房地产业的发展离不开银行信贷的支持和配合，没有银行信贷的存在，我国房地产业将停滞不前。具体来说，由于房地产业需要有巨大的资金垫付量，所以房地产业的发展第一个基础是资金，而房地产企业的资金主要来自自有资金和融资。房地产业有其独有的特征——建设周期长，资金周转的速度却缓慢，这导致了巨大的资金垫付，只靠自有资金是不可能实现的，所以融资是不可或缺的一部分。

另外，我国房地产价格对商业银行信贷有着正负两方面效应。一方面，由于房地产价格的上涨，导致可抵押固定资产的价值上升，从而增加银行可以发放的可抵押信贷额度而产生正向效应;另一方面，当市场房地产价格波动过大，不论是过大涨幅还是过大跌幅，都给市场以不好的信号，此时一国的货币当局必须要进行金融调控，但不仅效力可能不高，效果也不确定。所以此时的房价波动会使得金融市场的主要金融机构银行在进行信贷投放时会处于被动地位，不利于社会经济的正常发展，这就是负面效应。总之，两者之间的相互作用是密不可分的，且一直存在的。

2 数据选取和前置检验与分析

（1）数据来源与处理。选取银行贷款总额来代表银行信贷的指标，选取房地产价格指数来代表房地产价格的指标。有关各城市的银行信贷总额来源于中国人民金融机构各个分支机构公布的该城市维度的银行贷款总额，并通过整理所得;有关各城市的房地产价格指数来源于中国统计年鉴公布的“70个大中城市住宅销售价格指数”，并通过整理所得。这里选取了数据区间为2011年1月至2013年6月 。在实证分析过程中，对银行信贷和房地产价格指数都先利用Eviews进行了季节调整 ，剔除季节影响，为了消除异方差的影响，将银行信贷总额和房地产价格指数都取了自然对数分别用lndk和lnfdc来表示。

（2）相关性检验。可以通过对所选两个变量间的相关性检验进行粗略的分析，从数量上发现各城市的银行信贷与房地产价格间的相关性。我国的四大直辖市的结果汇总，如表1所示。

对于我国四大直辖市的房地产价格与银行信贷间的相关系数，从高到低的順序为：北京、天津、上海、重庆。四个城市的相关系数均在0.5以上，相关性较明显。从相关系数的角度，其中相关系数最大的是北京，最小的是重庆，对于北京房价的不断上涨引起了人们更多的关注，从相关系数看到北京的房价与银行信贷的相关性最高，这对于研究两者的关系更具有现实的实际意义。

（3）趋势与平稳性分析。利用Eviews趋势图的输出方式，可直观地观察每个城市银行信贷变化情况、房地产价格变化情况以及两者的总体趋势。通过对四个城市的房地产价格与信贷总额的趋势图分析，发现四个城市的信贷总额均呈平稳上涨的趋势，而四个城市的房地产价格却是波动中上涨。

在经济领域中，所观测的时间序列大都不是由平稳过程产生的。正如对数据的趋势图分析的结果，数据随着时间的位移发生着变化，初步判定为非平稳序列，为了对该时间序列做进一步的分析，现进行数据的平稳性检验——ADF检验。通过对四个城市的房地产价格与信贷总额分别进行ADF检验，发现在原序列不平稳的情况下，经过一阶差分后，在5%的显著水平下均呈现平稳序列。

3 我国四大直辖市房价与银行信贷的协整与误差模型分析

（1）长期均衡关系——协整。在对两个本身不具有平稳性但同阶单整的序列，可以借助协整对其间可能存在的长期均衡关系进行研究。四大直辖市的房地产价格与信贷总额之间的长期均衡关系如下。

对北京市的房价序列和信贷总额序列进行Eviews中的最小二乘法（OLS）进行估计，发现变量系数在90%的置信水平下为可靠的。同时，将回归模型估计后的残差保存到一个新的序列中，对其进行ADF检验，发现为平稳序列。因而信贷总额与房地产价格指数两变量间存在协整关系，即具有长期均衡关系，回归系数具有经济意义，同时回归方程为LNXD = 1.60×LNFDC + 2.98。

对于上海市房价序列和信贷总额序列进行协整分析，发现估计系数可信且残差平稳，所以得到回归方程为LNXD = 1.23×LNFDC +4.81。

对于天津和重庆两市场均也发现了存在协整关系，其回归方程分别为LNXD =3.82×LNFDC.8.04和LNFDC = 0.065×LNXD + 4.02。

（2）短期波动关系——误差修正模型。由上文可知，信贷总额与房地产价格指数两序列间存在协整关系，所以可以建立误差修正模型（ECM模型）。上一步回归模型的残差序列resid即为误差修正项ecm的值。下面利用Eviews的OLS分别对四个城市进行误差修正模型分析短期波动关系。

对北京市房价序列与信贷总额序列建立误差修正模型，误差修正项ecm的系数为.0.62，为负代表具有反向修复机制，其绝对值0.62代表：当北京市两变量间出现短期波动时，将以0.62的速度调整回长期均衡的状态。上海市的误差修正项ecm的系数为.0.38，天津市的误差修正项ecm的系数为.0.21，重庆市的误差修正项ecm的系数为.0.19。

通过对四个城市的误差修正模型的建立，发现北京市的房地产市场与银行信贷市场之间的短期波动修正速度最快，而天津市和重庆市的调整速度较小。从这个角度，北京市政府采取相应的信贷政策将对其房地产市场产生更快的短期调整效应，对重庆、天津两城市的短期调整效应较低。

4 我国四大直辖市房价与银行信贷的VAR建模分析

为了进一步分析研究，我国信贷总额与房地产价格指数的动态变化关系，将两个变量的数据建立为非结构化的向量自回归模型（VAR模型），并进一步利用脉冲响应函数和方差分解进行分析。

（1）北京市房价与信贷的VAR建模分析。在建立VAR模型之前，先对VAR对象进行了单位根的平稳性检验。发现北京市的VAR模型满足平稳性的条件，以此进行了脉冲响应分析和方差分解分析。分别建立了信贷总额对于房地产价格指数残差的一个标准偏差的冲击的反应和房地产价格指数对于信贷总额残差的一个标准偏差的冲击的反应。

其中图1为北京市信贷总额对于房地产价格指数的冲击反应，反映信贷总额对于房地产价格的冲击随着时间的推移，其影响会越来越大。这说明北京市房地产价格的变化对信贷总额是一个长期的影响。北京市房地产价格指数对于信贷总额的冲击反应如图2所示，反映银行信贷总额对其房地产价格的影响是负效应的，在前八期内均为负效应。说明宏观的调控政策难以按预定目标达到调控的效果。进一步说明，从选取的数据建立的脉冲响应模型角度出发，北京的信贷政策对房地产价格的调控在初期并不能起到预定的调控效果。

另外，由表1北京房地产价格的Cholesky方差分解和表2北京银行信贷的Cholesky方差分解，可以看出房地产价格的波动对银行信贷的波动的贡献程度随着时间的推移，越来越显著，但银行信贷的波动对房地产价格的波动的贡献程度却较低。这在一定程度上说明，房地产价格快速上涨会影响银行信贷活动的起伏变动，同时想仅仅只通过信贷的调控来调节房地产的价格的实时效果将不显著。这与上一节中脉冲响应的分析结果相一致，房地产价格对信贷的冲击做出的反应在短期内是负效应的。

（2）上海市房价与信贷的VAR建模分析。在检验了上海市VAR对象的平稳性后，同样进行了脉冲响应和方差分析。通过输出脉冲响应图发现，信贷总额对于房地产价格的冲击是实时做出反应的，随着时间的推移影响会越来越小。房地产价格对于信贷总额的冲击是随着时间的推移不断做出反应，开始作用力度较小，随时间推移作用力在增大，但在滞后7期的时候便趋于平稳，之后的影响反而会变小。这说明信贷的变动对房地产价格的影响程度在短期内是越来越大的，但一定期限后便会减小。

另外，从方差分解结果可以看出，房地产价格的波动对银行信贷的波动的贡献程度较为显著，而银行信贷的波动对房地产价格的波动的贡献程度却较低，这在一定程度上说明，房地产价格快速上涨会影响银行信贷活动的起伏变动，同时想仅仅只通过信贷的调控来调节房地产的价格的实时效果将不显著。这也印证了上一节的脉冲响应函数的分析，银行信贷对房地产价格的影响是在滞后几期之后才显现出来的。

（3）天津市房价与信贷的VAR建模分析。在检验了上海市VAR对象的平稳性后，同样进行了脉冲响应和方差分析。通过输出脉冲响应图发现，信贷总额对于房地产价格的冲击随着时间的推移，其影响会越来越小，且几乎均处于负效应的情况。这说明天津市房地产价格的变化对信贷总额的影响并不显著。房地产价格对于信贷总额的冲击是随着时间的推移不断做出反应，且随着时间的推移作用力不断增大。这说明天津市信贷的变动对房地产价格的影响是持续且长期的。从这个角度，天津市可以采取信贷政策来调控房地产价格。

另外，从方差分解的结果可以看出，房地产价格的波动对银行信贷的波动的贡献程度很小，且银行信贷的波动对房地产价格的波动的贡献程度也较小。对于天津市而言，房地产市场与信贷市场的相互影响程度都不显著。

（4）重庆市房价与信贷的VAR建模分析。在检验了上海市VAR对象的平稳性后，同样进行了脉冲响应和方差分析。通过输出脉冲响应图发现，信贷总额对于房地产价格的冲击做出的反應，先是前四期逐渐增大，在第四期达到最大之后逐期减小。这说明对于重庆市房地产价格的变化，其信贷市场在短期内逐步做出反应，但随着时间的推移，其房地产价格的变化对信贷市场的影响逐渐降低。房地产价格对于信贷总额的冲击是随着时间的推移不断做出反应，作用力随时间推移不断增大，最后趋于平缓。这说明重庆信贷的变动对房地产价格的影响程度在短期内是显著的，但一定期限后便会趋于平稳。

另外，从方差分解的结果可以看出，房地产价格的波动对银行信贷的波动的贡献程度较为显著，且银行信贷的波动对房地产价格的波动的贡献程度也较为显著。对于重庆市而言，虽然重庆市房地产市场与信贷市场的相互影响程度不是十分显著，但相对于天津市而言却也是较为显著的。

5 结论

为了对四大城市的房地产市场与银行信贷市场之间的关系进行实证研究，首先选取合适的数据指标，这里选取的是我国四大直辖市的房地产价格指数和银行贷款总额两个数据序列。

首先对两者的相关关系进行了检验，发现对于我国的北京、天津、上海、重庆四个城市两变量之间的相关系数均在0.5以上，相关性较强，其北京的相关系数达到0.67，相关性最大。在对四个城市的房地产价格与信贷总额两序列进行趋势分析发现，均呈现上涨的趋势，四个城市的房地产价格呈现出波动中上涨的趋势。既然具有明显的上涨趋势，说明对于每个城市的两个变量均是非平稳的，在建立协整模型前需要序列具有平稳性。虽然所选数据的原始序列非平稳，但通过ADF检验发现，序列均为一阶单整，同样满足了协整的前提。

通过协整模型的建立与检验发现，北京、天津、上海、重庆四个城市两变量间均存在协整关系，这说明均存在长期的均衡关系，所得到的回归方程也均有意义。在考察了变量间的长期关系后，通过建立误差修正模型来考察两变量间的短期波动情况，发现四个城市建立模型后的误差修正项的系数均为负数，这说明四个城市均符合反向修复机制。进一步对比四个城市的误差修正项系数的大小，发现北京市的误差修正项系数为0.62最大，其调整速度最快。

为了分析研究四大城市的房地产市场与银行信贷市场相互作用的影响程度，进一步建立了向量自回归模型，并利用了方差分解和脉冲响应函数进行了分析对比。由于每个城市具有自己的特点，导致每个城市的情况各不相同。

从对四个城市的脉冲响应函数的分析来看，北京市的信贷总额对房地产价格冲击的反应是随时间不断变大的，而信贷冲击对房地产价格的影响却是负效应的;上海市的信贷对房地产价格冲击的反应是随时间不断变小的，房地产价格对于信贷冲击做出的反应是影响力度在一定期限后逐渐变小;天津市的房地产价格对信贷冲击的反应是负效应的，而信贷对于房地产价格的冲击做出的反应却是随时间的推移在不断增大;重庆市信贷对于房地产价格的冲击做出的反应是先逐渐增大之后再逐渐减小，而房地产价格对于信贷冲击的反应力度在达到一定程度后趋于平缓。

从对四个城市的方差分解的分析来看，北京市的房地产价格的波动对银行信贷的波动的贡献程度较明显，而银行信贷的波动对房地产价格的波动的贡献程度较不明显;上海市的情况同北京市类似;天津市的房地产价格的波动对银行信贷的波动的贡献程度较小，且银行信贷的波动对房地产价格的波动的贡献程度也较小;重庆市的房地产价格的波动对银行信贷的波动的贡献程度较为显著，且银行信贷的波动对房地产价格的波动的贡献程度也较为显著。

仅从选取的时间段的房地产价格和银行信贷的数据来看，北京市和上海市的房地产市场受银行信贷市场的影响较小，而房地产价格的上涨却实实在在地影响到了银行信贷总量的上涨。而我国另外两个直辖市的房地产市场和银行信贷市场的情况却与北京和上海均不相同，天津市的房地产市场与银行信贷市场的相互影响程度并不高，然而，重庆市的房地产市场与银行信贷市场相互的影响程度却较高。每个城市的情况各不相同，但每个城市可能都有相对成功的地方，所以不同城市间可以相互借鉴各自的長处，使得每个城市的房地产市场与银行信贷市场都健康发展，最终使得我国经济金融市场健康持续发展。

参考文献：

[1]国世平，廖龙.信贷和价格关系的实证研究——基于我国房地产市场[J].技术经济与管理研究，2017（11）：8.14

[2]王迅.土地价格、房地产信贷规模与房价的相互影响与均衡关系[J].系统工程，2015，33（2）：31.37

[3]黄梓蔚，潘海英.银行信贷规模与房地产价格波动关系研究[J].价格理论与实践，2014（11）：80.82

[作者简介] 刘莹莹（1988—），女，天津人，北京经济管理职业学院，讲师，研究方向：宏观经济、金融理财。