房地产业经济计量学研究论文

摘要：本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。下面是小编整理的《房地产业经济计量学研究论文(精选3篇)》，希望对大家有所帮助。

房地产业经济计量学研究论文 篇1：

人口结构对房地产价格波动的影响

【摘要】中国作为一个人口大国，人口结构因素对中国房地产市场的影响比任何国家都要剧烈。研究中国特殊的人口结构如何影响房价，如何通过上述研究对政府调控政策进行改进使之切实有效，将会促进房地产业乃至整个中国经济的平稳运行。在对人口结构变化特征加以梳理的基础上，以市场供需和宏观环境（政府的参与程度及货币政策的相关变量）角度为切入点，运用面板数据模型分析，探讨了人口结构对房地产价格波动的影响，并据此提出了相关政策建议。

【关键词】人口结构 房地产价格 面板数据模型

房地产是我国国民经济重要支柱产业之一，其对整个国民经济和社会的发展具有巨大的推动作用。近年来，随着房地产市场不断成熟和房地产价格持续上涨，房地产业也伴随了巨大的风险，这种风险主要体现在房价非规律性波动上。尽管影响房地产价格的主要因素很多，诸如供求比例、经济发展、居民收入变动情况、居民的居住水平和居住结构、人口结构情况等。但由于房地产的最终属性是居住，因此房地产与人口的关系非常密切，一个国家的住宅需求量是根据这个国家的人口数量、年龄结构和家庭分裂速度等诸多因素决定的。人口的年龄结构、人口的迁移和流动等都会对房地产的需求产生影响。

人口结构分析之所以重要，是因为不同的结构性质的人口有着不同的住房需求。按照生命周期理论，人在不同的年龄阶段，储蓄和投资的行为不同，所从事的主要活动也会有所不同。根据美国的调查数据，现实中存在对经济产生重大影响的关键年龄：20 岁左右工作；25-35 岁成家买房子；40-50 岁进入事业高峰期，收入和储蓄都会增长；60 岁后逐渐退休。因此各年龄段人口总量及变化量都将对房地产经济产生重大影响。根据我国第六次人口普查结果来看，劳动年龄人口总量保持增长态势，就业压力始终较大。未来十几年16岁及以上人口的规模较大，总量在9亿以上，2013—2020年将超过11亿，并呈增长趋势。劳动年龄人口基数大，高峰持续时间长，对人口就业和房地产发展带来了巨大压力。据统计，1992—2009年，全国城市商品房售价平均上涨了15.27倍。而从2004年开始，我国商品房价格出现明显上涨趋势，当年平均价格的增长幅度达到17.8%，首次超过了居民可支配收入增长幅度，特别是北京、上海、深圳等地价格上涨速度惊人。但是，从人口学的角度，中国正在迅速进入一个加速老龄化时代，这一变化将对整个社会的经济活力以及消费需求带来不可逆的重大影响，住宅市场不可避免的会因此发生重大的变化。目前也有观点认为，如果人口结构老龄化的变化趋势加速，中国的房地产景气周期，有可能会提前突然终结。

作为一个人口大国，人口结构因素对中国房地产市场的影响比历史上任何国家都要剧烈，这种特殊性使得研究人口结构与房地产波动的关系意义深远。研究中国特殊的人口结构如何影响房价，如何通过上述研究对政府调控政策进行改进使之切实有效，将会促进房地产业乃至整个中国经济的平稳运行。

房地产价格问题的重要性吸引着国内外众多学者的关注和研究，对房地产市场的学术研究也越来越多地见诸于各类学术杂志。从国内外研究文献来看，国外学者的研究较中国来说起步稍早。Mankiw和Weil(1988,1992) 对人口和房地产需求关系加以研究，他们通过对年龄结构设定的虚拟变量构建了年龄结构相对于房屋需求量的函数，认为20-30岁人口是房屋需求量最大的人群，而当步入老年之后，人们对住房的需求量骤减。另外，他们认为战后婴儿潮（1946—1964年）推动的人口规模和结构的变化，能够显著影响房地产价格。预测显示，随着婴儿潮一代逐步进入工作、婚育年龄，美国房地产价格会于1969—1989年进入上升通道，于1989年达到顶点后，步入长达30 年的价格下行期。美国的Poterba(1991)对39个城市的年度数据（1980-1990）进行时间序列截面回归分析，使用住宅价格的中位数、建筑成本、人口因素及收入作为变量，证实真实收入和建筑成本的变化可以解释个城市住宅价格指数的上涨，但人口并不是影响房地产价格的主要因素。Robert（2006）的研究表明，综合考虑人口因素对房地产价格、利率的影响后，婴儿潮以及随之而来的人口结构的变化，对美国、日本房地产价格有较强的预测能力。

基于国内的研究主要有：赵君丽（2002）认为，建国以来我国已出现三次人口高峰，即整个20世纪50 年代、1963—1974 年、20世纪80年代后期，其中后两次出生高峰推动房地产市场进入相应的需求高峰。王春艳、吴老二（2007）基于1997-1999年广东省各地级市的数据，构建联立方程模型，利用空间计量方法，研究珠三角城市圈内人口迁移与房地产价格的关系，结果表明收入、消费、人口迁移、空间地理因素均对房地产价格产生显著影响。张昭、陈兀梧（2009）通过现有数据对未来进行预测，研究结果显示，由城市化进程造成新增城镇人口波动将影响住宅需求规模。从人口年龄结构来看，25—45 岁人口规模已于2006—2007 年达到顶峰，其中25—35 岁人口规模仍然会逐步增长。据此，他们认为2010 年后25—35歲人群的首次购房需求将会增加，届时房地产市场会因第二波婴儿潮的推动而受益。另外根据人口老龄化的发展趋势，居民改善性住房需求将由于社会人口老龄化过程的加剧而降低。杜本峰，张寓（2011）针对《中国统计年鉴》的住宅销售价格指数(HSPI)，运用灰色关联度分析模型分析当前我国综合人口经济因素与HSPI 的关联程度。研究结果表明，人口数量直接决定着住房的需求；人口素质与住房消费价格有直接的因果关系；从抚养比的角度来看，总抚养比与HSPI 的关联度很高。徐建炜、徐奇渊、何帆（2012）通过对OECD国家1970年至2008年的数据进行面板数据分析结果显示：人口抚养比例与房屋价格之间存在负相关关系，即无论是少年抚养比例还是老年抚养比例的上升，最终都会导致房屋价格下降。但在对中国1999年至2009年前的分省面板数据进行分析却发现：虽然少年人口抚养比与房价的关系符合前述分析得到的负向关系，但老年人口抚养比却与房价呈现出正向关系。

综上所述，笔者发现国内对于人口结构与房地产价格波动关系的研究甚少，有些不具有全国代表性，有些未涉及重要的青年劳动人口因素，且多半定性描述较多，定量研究较少，少有就这种因素对房地产市场的具体影响进行深入的计量分析。因此笔者在对人口结构变化特征加以梳理的基础上，以市场供需和宏观环境（政府的参与程度及货币政策的相关变量）角度为切入点，运用面板数据模型分析，探讨了人口结构对房地产价格波动的影响，并据此提出了相关政策建议。

一、变量说明及数据来源

（一）被解释变量

本文被解释变量选取的房屋销售价格指数（house price），是反映一定时期房屋销售价格变动程度和趋势的相对数，它是通过百分数的形式来反映房价在不同时期的涨跌幅度，由国家统计局统一编制。其优点是“同质可比”，这种方法反映的是排除房屋质量、建筑结构、地理位置、销售结构因素影响之后，由于供求关系及成本波动等因素带来的价格变动。

（二）解释变量

1.人口结构

综合各种考虑，由于劳动适龄人口是促进社会进步的主要因素，因此笔者选定处于劳动年龄的中青年人口占所有人口比例进行回归分析。（即15-64岁的中青年人口）。笔者假设，15-64岁人口比例与房价波动呈正相关关系。

2.供给

（1）土地价格

土地是建造房屋的成本，是房地产开发成本的主要构成部分，成本上升会导致供给曲线向上移动，从而提高房地产的价格。有数据表明，土地购置费用从1997年的247.6亿元上涨到了2010年的9992亿元，增长了40倍左右。这一数字的大幅增加会对中国各地房地产开发商的成本带来较大的压力。本文选取土地交易价格指数(land price)反映土地价格变化。

（2）房地产开发投资占比

房地产业是资金密集型产业，所以房地产开发投资额的大小将会影响房地产市场的供给情况。本文利用房地产开发投资额占固定资产投资的比例(RED percent)代表社会资金流入房地产行业的情况。

3.需求：收入水平

收入是影响消费行为的最重要因素，随着可支配收入的增长，对房地产的需求量会相应增加，而且收入水平的高低直接决定消费者的消费层次和结构。随着收入水平的提高，一方面人们对于居住标准的要求会不断提升，另一方面，部分原来没有购买力的需求会通过收入的增加转化为有效需求。同时，房地产作为一种特殊的商品，既有供人居住的消费功能，也有投资价值，收入增加会刺激投资性需求。本文使用职工总工资(total wage)反映居民收入水平的变化。

4.宏观环境

（1）国民经济发展水平

一般国民经济发展水平较高的国家居民收入水平也较高，资金比较充裕。从供给方面来看，国民生产总值总量较大，用于投资的部分也会相应较大，相关行业的配套服务也较强，能够满足不同时期不同结构的房地产需求。社会生产力的增加会增加对工业房产、办公楼宇等的需求，劳动生产率、收入水平的提高会提升人们的消费水平。个人财富的增加会导致人们对住房的要求和标准逐步提高，促进部分存量房产业主更换更高层次的房产。本文选取国内生产总值增长率(GDP index)代表每个城市的经济增长情况。

（2）物价水平

物价上升时，房地产投资所必需的建筑材料，如钢材、木材、水泥等价格都会不同程度的上升，直接增加房地产投资的成本。因此物价越高，房地产价格就越高，物价水平降低，则房地产价格也下降。本文选取居民消费价格指数(CPI)代表物价水平的上涨。

（3）信贷规模

房地产行业作为固定投资行业，从土地的流转、房屋的建造到最后的销售，每一个环节都涉及高额的资金投入，因此大部分房地产开发商都是通过贷款完成整个建设投资，这决定了房地产业的发展对信贷规模的高度依赖。另一方面，由于银行信贷扩张，大量投机资金涌入房地产市场，推高房价并导致价格剧烈波动。本文选取贷款金额与国内生产总值比值(loan/GDP)来衡量城市的信贷规模，反映该城市的金融环境情况。

（三）变量描述

二、实证分析

（一）理论模型

本文采用面板数据（Panel Data）模型进行分析。本文既涉及到截面数据，又有时间序列数据，利用面板数据既可以控制个体效应，扩大数据量，增加自由度，减少自变量间多重共线性的影响，同时相对纯横截面和纯时间序列数据而言，面板数据能够构造和检验更复杂的行为模型。

（二）计算结果

回归结果显示劳动适龄人口占总人口比例、收入都对房屋销售价格的波动有显著影响，显著性都达到90%以上。其他因素对房价波动没有显著影响。

在有显著影响的因素中，劳动适龄人口占总人口比例、收入对房屋销售价格波动都是正向影响。其中，在需求方面，收入每增加1%，房屋销售价格指数变动增加2.186个百分点；另外，劳动适龄人口占比每增加1%，房屋销售价格指数变动增加36.347个百分点。

这里要强调的是，在分析人口问题时，有些分析只关注人口数量問题，认为人口数量太大是阻碍中国经济发展的重要原因。然而，一个国家的经济发展水平与该国人口数量的多少并没有必然的联系。从各国人均GDP排名可以看出：排名靠前的既有地广人稀的国家（如加拿大和澳大利亚），也有地狭人稠的国家（如日本和德国）。但人口结构与经济发展确是息息相关。如果一个城市或一个国家在某个时间段需要买房子的年轻人非常多，那么，这个城市或国家的住房需求就旺盛。反之，当一个城市或国家的老年人口所占比重迅速增加时，这个城市或国家的房地产市场一定会陷入低迷。

因此无论从回归结果还是经验来看，14-65岁的中青年劳动人口占比对房地产价格有显著的正向影响。

三、结论及政策建议

综上所述，为确保房地产业的健康发展，维护宏观经济稳定和金融安全，政府需要在以下几方面采取措施，协调多方力量，方能有效控制房价上涨过快的问题。

（一）及时根据人口结构变化调整房地产业发展战略，对土地供应规模、商品房供给结构等实施动态调控

首先，应加强人口结构因素对房地产业影响的监测预警，及时向房地产企业和公众发布相关信息，便于其对人口结构因素做出合理预期。其次，由于房地产建设周期相对较长，政府也要根据人口监测结果，前瞻性地调整土地供应规模、商品房供给结构，避免土地、商品房资源的浪费。

（二）不断完善房地产金融体系，建立多元化的融资渠道

目前，我国整个房地产业对银行信贷依赖性较强。一方面，房地产企业开发过程中大量依靠银行贷款，另一方面，居民购房也主要通过银行融资。这种过度依赖会导致房地产信贷风险主要集中于银行体系，将会对金融安全带来严重隐患。有鉴于此，应尽快建立多元化的房地产业融资机制：一是大力发展产业基金；二是培育和发展住房抵押二级市场，试行住房抵押贷款证券化；三是积极稳妥地发展住房公积金贷款。

（三）着力规范地方政府行为，推动政府职能转变

由于历史原因，目前地方政府财政主要依赖于“土地财政”，地方政府参与房地产业发展的积极性较高。但由于定位不清，其往往具有受益者和监管者的双重身份，加上为了追求政绩所固有的短期行为，直接影响到了中央宏观调控的效果房地产业的健康发展。因此，原有的管理模式亟待改变，将土地收入、房地产相关税费的征收主体与监管主体适度分离，以避免“地方扩张—中央调控”循环造成的不必要的政策性波动。

参考文献

[1] Mankiw，N.Gregory，David N.Weil. The Baby Boom，the Baby Bust，and the Housing Market. National Bureau of Economic Research，Working Paper No.2794.1988.

[2] Mankiw，N.Gregory，David N.Weil. The Baby Boom，the Baby Bust，and the Housing Market：A Reply to Our Critics [J]. Regional Science and Urban Economics，1992(21)

573-579.

[3] Robert F.Martin.2006.The Baby Boom：Predictability in House Prices and Interest Rates. No 84，2006 Meeting Papers from Society for Economic Dynamics.

[4] 赵君丽.人口变化与房地产需求—人口结构变化与房地產周期相关性研究 [J].城市开发,2002（08）.

[5] 王春艳,吴老二.人口迁移、城市圈与房地产价格——基于空间计量学的研究 [J].人口与经济,2007（04）.

[6] 张昭,陈兀梧.人口因素对中国房地产行业波动的影响及预测分析[J].金融经济,2009（08）.

作者简介：方圆（1991-），女，辽宁清原人，本科，中国人民大学财政金融学院金融系学生，研究方向：房地产。

（责任编辑：陈岑）

作者：方圆

房地产业经济计量学研究论文 篇2：

大型企业异质性冲击与经济增长率和中小企业生产率

摘 要：本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。研究结果显示：最大100家企业异质性冲击与经济增长率显著正相关;11个分行业大型企业异质性冲击与行业内中小企业生产率显著负相关，其通过加剧中小企业的融资约束来降低其生产率，且在低技术行业、非国有企业和新企业中尤其显著。本文的研究结论不仅补充了关于企业异质性冲击方面的已有文献，也为政策制定者提供了新思路。

关键词：异质性冲击;经济增长;企业生产率;融资约束;粒度特征

一、问题的提出

自2018年以来，中国经济受到国内外不确定性因素的共同作用：在国内层面，宏观上面临着顺周期下行的压力，微观上面临高企业杠杆率、产能过剩和家庭债务增加等问题;在国际层面，中美贸易摩擦使得中国金融开放程度加快，面临着全球金融市场相互依存的风险。重要的、系统性的金融机构存在规模较大、结构和业务复杂、与其他金融机构关联性强的特点，一旦倒闭或遭遇困境事件，可能将对金融体系或实体经济产生不利影响。2008年9月雷曼兄弟破产后美国次贷危机急速加速就证明了这一点。2008年全球金融危机让人们意识到需要保住重要的、系统性的大型机构。经济状态取决于相互依赖的大型企业的行为，大型企业之所以重要，是因为企业存在粒度特征（Granular Effect）。粒度特征是指如果经济中的企业规模为幂律分布，即呈现厚尾特征——少数大型企业与大量小型企业共存，这种特征会使中心极限定理失效，大型企业异质性冲击在总体上不会相互抵消。Bremus等[1]认为，在金融较为封闭的经济体中，粒度特征更显著。Gabaix[2]根据非金融机构的粒度特征提出了粒度假说理论（Granular Hypothesis），该理论认为大型企业受到的异质性冲击不会相互抵消，对总体波动的影响显著。因此，不仅要关注经济顺周期性波动冲击，防止各种冲击通过金融体系内部或者金融体系与宏观经济的相互作用被催生甚至放大，也要关注大型机构，防止各种冲击通过机构之间的相互关联性，导致金融体系或宏观经济体系受到较大影响，防止发生系统性金融风险。

Gabaix[2]最早利用物理学中的粒度概念研究了美国最大100家企业，使用规模加权冲击与总收入之比构建了粒度残差指标，发现经济总产出的波动很大一部分来自于大型企业受到的异质性冲击，可见大型企业对经济的影响不容忽视。Corsetti等[3]提出了一个模型来解释大型交易者对小型交易者行为的影响。Siriwardane[4]发现，少量出售者存在的信用违约互换（CDS）市场，市场集中度很高，因而CDS合约价格受到出售者的影响很大。Blank等[5]研究了德国银行业异质性冲击，发现大型银行受到的成本冲击将增加小银行破产的可能性。Jinjarak和Zheng[6]揭示了大型金融机构与全球各个市场投资风险之间的关系，研究结果表明，对大型企业投资者的异质性冲击能够显著影响市场风险和跨市场风险的相互依赖性，此影响在2007—2009年尤为突出。此外，Di Giovanni和Levchenko[7]在国际贸易领域扩展了粒度假说理论，发现更开放的贸易对宏观经济增长的影响更大。

近年来，国内已有一些研究关注了机构异质性冲击。然而，鲜有研究涉及中国企业以及各行业大型企业的粒度特征。目前，中国少数大型企业与大量小型企业共存，规模前100的企业在过去10年里平均总收入占GDP将近20%，一些行业中存在“一支独大”的现象。任曙明和吕镯[8]认为，受制于金融市场的发展落后，中国存在着金融资源配置不合理和大型企业资源垄断现象，表征是中小企业融资难及融资贵，融资约束对其生产率产生较大的负面影响。从这个意义上来讲，解读行业的异质性冲击与中小企业生产率的关系就成为一个非常有意义的话题。林毅夫等[9]认为，该主题的研究主要聚焦于宏观维度，从微观企业角度的研究证据相对较少。

本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。上述文献为本文提供了研究思路，本文的贡献在于：首先，从粒度特征角度构建异质性冲击指标，分析了最大100家企业异质性冲击对经济增长率的影响。既从学术上丰富了粒度假说理论，也有助于防范由大型企业异质性冲击引起的系统性风险。其次，分析了11个分行业大型企业异质性冲击对行业内中小企业生产率的影响，并从债务比率和投资—现金流敏感性视角探讨了其影响机制。

二、理論分析与研究假设

理论上，大型企业异质性冲击引起整体波动，主要源于以下两个方面：首先，Gabaix[2]证明了当系统中企业规模为幂律分布时，大型企业受到的冲击不能被分散，可能产生总体波动，他将其称为粒度假说理论。该理论与传统观点中心极限定理相悖，中心极限定理认为，当系统中有数以万计的公司时，正向冲击与负向冲击可能会相互抵消。然而，当少数大型企业与大量小型企业共存时，大型企业受到的异质性冲击对总体发展的影响不会被抵消。Bremus等[1]提到，尤其是在财务较为封闭的经济体中，粒度特征往往不容忽视。其次，Di Giovanni和Levchenko[10]认为，大型企业的重要地位体现在国际贸易是显著影响宏观经济增长的重要因素。然而，大型企业异质性冲击会通过企业之间的相互联系来影响整体波动。这是由于大型企业每年可能从其他企业消费产品和服务，例如，软件开发、物流、食品服务和办公用品等。当大型企业与小型企业企业互动时，这些小型企业可能会在其组织结构、管理实践和运营等方面作出改进。这些变化有利于小型企业技术升级和提升效率，进一步实现财务稳定。另外，受益于大型企业的新知识和新模式的溢出效应，同行业的小型企业可能更容易获得信贷和其他商业机会。当一些小型企业改进其系统或商业模式时，其他小型企业会从中学习并提高自身竞争力，进而提高整个小型企业的生产效率。

粒度假说理论在不同国家得到了经验证据的支持。Ignacio[11]利用1988—2011年11个欧盟国家按产品划分的出口数据，得出主要产品的异质性冲击可能对较小国家的总出口产生重大影响的结论。Blank等[5]构建了银行业粒度残差指标，分析了欧洲大型银行信贷的异质性冲击对实体经济的影响，发现大型银行信贷的变化对GDP增长具有显著的短期影响，产生这种影响的主要驱动因素为负信贷增长，且东欧地区比西欧地区更显著。Buch和Neugebauer[12]分析了2005—2013年德国银行的主权债务敞口数据，发现主权债券主要由规模较大的银行持有，且低风险的政府债券降低了德国银行的风险，尤其是储蓄银行和合作银行。Jinjarak[6]揭示了大型金融机构与全球各个市场投资风险之间的关系，对大型企业投资者的异质性冲击能够显著影响市场风险和跨市场风险的相互依赖性，此影响在2007—2009年全球金融危机期间尤为突出。

自1999年以来，中国最大规模的企业总收入占GDP的比重不断上升，从小于5%到2017年将近四分之一，可见企业规模分布存在幂律分布特征。另外，相较于发达国家，中国金融开放度较低且较为封闭，当企业规模分布存在幂律分布时，大型企业受到的异质性冲击也可能会影响到经济增长率。在金融机构中，中国五大国有商业银行和国有控股企业在银行借贷中占主导地位，集中程度较高，规模也存在分布不均的情况。张天顶和赵梦婷[13]参照Gabaix[2]与Blank等[5]的研究范式，揭示了中国商业银行的信贷冲击具有显著的实际经济效应，其研究证明了中国商业银行信贷规模服从幂律分布，这表明商业银行信贷增长的异质性冲击将不能在商业银行之间相互抵消，会影响到宏观经济总体运行绩效。基于对国内外文献的梳理，笔者提出如下假设：

假设1：大型企业异质性冲击与经济增长率显著正相关。

大型企业更容易从金融机构获得信贷支持，因而中小企业面临的融资约束会对其生产率产生负面影响，原因如下：首先，融资约束导致中小企业改变投资决策，放弃一些本应获利的投资项目，尤其是具有长期性特征的助推企业提高生产率的投资机会。Myers和Majluf[14]认为，中小企业的融资难加剧了融资贵的恶性循环，倒逼企业使用内部沉淀或者积累的资金进行固定资产投资。然而，Badia和Slootmaekers[15]认为，有价值的投资项目规模和资金需求往往较为巨大，单纯依靠企业自身资金难以负担，导致企业放弃投资，从而资源配置失调，进而拉低了生产效率。其次，融资约束将中小企业置于高流动性风险环境内。Aghion等[16]发现，由于不确定性因素的存在，一般企业没有意愿投资高收益但回收周期长的项目，尤其是基础技术领域内的项目，此种选择影响了企业技术进步和效率提升。最后，融资约束严重制约了中小企业的技术升级和产品研发，阻碍了生产率的有效提升。蔡卫星[17]发现，产品研发往往需要投入大量前期资金和沉没成本，对于新兴行业的中小企业，其融资来源主要为内源性融资，资金不足和融资来源匮乏导致产品研发停滞，进而使生产率无法得到提升。基于上述分析，笔者提出如下假设：

假设2：受融资约束的影响，大型企业异质性冲击与中小企业生产率显著负相关。

三、研究设计

（一）变量定义

1.被解释变量

经济增长率（Growth），借鉴Gabaix[2]与张天顶和赵梦婷[13]，本文使用季度GDP增长率（gGDP）、季度人均GDP增长率（gGDPppl）和季度工业增加值增长率（IndAdd）三个指标衡量。

中小企业生产率（g），借鉴蔡卫星[17]、简泽等[18]与任曙明和吕镯[8]，定义劳动生产率z的表达式为：zit=ln（TotalRevit/nit）。其中，TotalRev为企业营业收入，n为企业员工人数。进而，定义中小企业生产率为：git=zit-zi，t-1。其中，g为中小企业生产率的近似值。

2.解释变量

最大100家企业异质性冲击（GR_100），本文用粒度残差指标衡量。基于Gabaix[2]的方法，将理想的粒度残差指标Γ*定义为：Γ*t=∑Ki=1Si，t-1/Yt-1εit。其中，S表示企业总收入，Y表示GDP，K为100。上式表示加权规模下企业异质性冲击总和。为了得到ε，用t-1时期的Q≥K个企业来估计企业异质性冲击。利用估计的企业生产率g得到it=git-′Xit，X表示样本的平均增长率。粒度残差指标Γ为：Γt=∑Ki=1Si，t-1/Yt-1it。若Γ与Γ*十分接近，则认为识别出了粒度残差指标。有两点需要说明：第一，可以使用最简单的方法，即等权规模来控制样本中的平均增长率，Xit=git，git=Q-1∑Qi=1git。实际中，通常用K=100来构建粒度殘差指标，Q=1 000或100来计算平均值。进而得到：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-git）。此外，使用企业i所在行业的平均生产率g来表示平均增长率，Xit=gIndit，有：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-gIndit）。上式代表加权规模下企业生产率减去行业内平均企业生产率。（git-gIndit）更加接近真实ε，因为gIndit更好地控制了企业所在行业内的波动，比如整个行业的价格波动。本文使用后一种方法，原因在于其控制了最大100家上市企业所在行业的平均增长率，得到的粒度残差指标更加接近真实的ε。

分行业大型企业异质性冲击（GR_Ind），同理也用粒度残差指标衡量。由于每一行业大型企业的数量不同，每一行业中最大的K家企业取值不同，用n表示。因此，用GR_Ind表示K=n时分行业大型企业异质性冲击，计算公式如下：GR_Indt=Γ_Indt=∑K=ni=1Si，t-1/Yt-1（git-gIndt）。其中，Ind表示行业;Si，t-1/Yt-1表示分行业内大型企业i在t-1时期产量与行业总产值的比值。除了分行业大型企业异质性冲击反映行业的集中度外，赫芬达尔指数也被广泛使用，后文用其作为替代指标进行稳健性检验。市场集中度（HHI），用企业所在行业的赫芬达尔指数衡量。

3.调节变量

债务比率（DebtR），用企业总负债与总资产的比值衡量;企业现金流（CF），用（营业利润+当期折旧）/总资产衡量。

4.控制变量

借鉴Blank等[5]与张天顶和赵梦婷[13]，宏观经济层面控制变量包括：信贷总额占GDP比重（Credit）、进出口总额占GDP比重（Trade）、居民消费价格指数（CPI）、政府消费占GDP比重（Gov）。

借鉴简泽等[18]与任曙明和吕镯[8]，企业层面控制变量包括：企业规模（Asset），用总资产的自然对数值衡量;财务杠杆（Lev），用企业总负债与股东权益的比值衡量;技术选择（KI），用企业人均资本的自然对数值衡量;企业年龄（Age），用（样本年份-成立年份）的自然對数值衡量;企业所在省份宏观经济增速（GDP_pro）。

（二）数据说明

本文使用的企业数据主要来自于国泰安数据库，包括中国A股市场2000年1月1日至2018年12月31日的所有上市企业。基于原始数据，做如下处理：剔除行业中金融类企业，其中，包括货币金融服务类、其他金融类、资本市场服务类、保险类企业;剔除ST和*ST类企业，共得到3 461家企业，剔除观测值缺失的样本，最终得到29 318个观测值;本文使用的国民经济核算指标类数据来自于国家统计局数据库。

根据《国民经济行业分类》（GB/T 4754—2017）中行业代码（字母）门类代码，并结合《统计上大中小微型企业划分标准》，本文将样本数据划分为11个行业，分别为：农、林、牧、渔业;采矿业;制造业;电力、热力、燃气及水生产和供应业;建筑业;批发业和零售业;交通运输和仓储业;住宿和餐饮业;信息传输、软件和信息技术服务业;房地产业;其他行业。根据《统计上大中小微型企业划分标准》中从业人数、销售金额和资产总额等三项指标，对不同行业的大中小企业进行划分。如此划分的原因如下：首先，以从业人数划分企业类型，清晰简单，符合国际通用做法。其次，客观上，总收入反映了企业真实的经营体量和市场竞争实力，且该指标在中国现行指标中数据较为完整，获取难度较低。最后，资产总额指标从生产要素和资源两个维度体现了公司整体规模。

（三）模型设定

为了分析中国最大100家企业异质性冲击对经济增长率的影响，构建如下模型：

Growthit=β0+β1Growthi，t-1+β2GR_100it+∑βmControlsit+Yeart+εit（1）

其中，i和t分别表示企业和年份;Controls表示一系列控制变量，包括信贷总额占GDP比重（Credit）、进出口总额占GDP比重（Trade）、居民消费价格指数（CPI）和政府消费占GDP比重（Gov）;Year表示时间效应;ε表示随机扰动项。

为了分析分行业大型企业异质性冲击对中小企业生产率的影响，构建如下模型：

git=β0+β1GR_Indit+∑βmControlsit+Indi+Yeart+λi+εit（2）

其中，Controls表示一系列控制变量，包括企业规模（Asset）、财务杠杆（Lev）、技术选择（KI）、企业年龄（Age）、企业所在省份宏观经济增速（GDP_pro）;Ind、Year和λ分别表示行业固定效应、时间效应和个体效应;ε表示随机扰动项。

四、实证结果及分析

（一）描述性统计分析

表1是主要变量的描述性统计结果，分行业大型企业异质性冲击的标准差比最大100家企业异质性冲击的标准差大，意味着分行业异质性冲击差别很大;中小企业生产率的均值为0.117，且在样本期间呈稳步上升趋势，但分行业大型企业异质性冲击为稳步下降趋势。

（二）基准回归结果及分析

1.最大100家企业异质性冲击与经济增长率

表2是最大100家企业异质性冲击与经济增长率的回归结果，列（1）、列（2）和列（3）分别报告了全国季度GDP增长率（gGDP）、季度人均GDP增长率（gGDPppl）和季度工业增加值增长率（IndAdd）作为被解释变量的系统GMM回归结果。

从表2可以看出，列（1）最大100家企业异质性冲击的回归系数为1.412，且在1%的水平下显著，说明最大100家企业异质性冲击对经济增长率具有显著正向影响。列（2）和列（3）显示，最大100家企业异质性冲击的回归系数分别为1.486和0.932，且均在1%的水平下显著。假设1得以验证。其他控制变量的回归结果也与其经济含义一致。

2.分行业大型企业异质性冲击与行业内中小企业生产率

表3是分行业大型企业异质性冲击与行业内中小企业生产率的回归结果，列（1）和列（2）分别报告了没有控制变量和引入控制变量的固定效应回归结果。

从表3可以看出，列（1）和列（2）显示，分行业大型企业异质性冲击的回归系数均为负，且在5%水平下显著，在加入了控制变量后，系数的绝对值有所增长，说明分行业大型企业异质性冲击会显著降低行业内中小企业生产率，假设2得以验证。

（三）分行业大型企业异质性冲击对行业内中小企业生产率的影响机制

1.基于债务比率的讨论

Myers和Majluf[14]与Aivazian等[19]认为，分行业大型企业异质性冲击影响行业内中小企业生产率的核心环节在于其面临的融资约束，债务较高可能是限制中小企业进行外部融资来投资或产生投资激励的原因。为了检验分行业大型企业异质性冲击对行业内中小企业融资约束的影响，构建如下模型：

git=α0+α1GR_Indit+α2GR_Indit×DebtRi，t-1+α3DebtRi，t-1+∑αmControlsit+Indi+Yeart+λi+εit（3）

其中，Controls表示一系列控制变量，与模型（2）中的控制变量相同。

表4是分行业大型企业异质性冲击与行业内中小企业的融资约束的回归结果。

表4列（1）是基于模型（3）的回归结果，分行业大型企业异质性冲击与债务比率交互项的回归系数为负，且在1%的水平下显著，说明分行业大型企业异质性冲击越大，行业内中小企业债务比例越高，进而导致其生产率越低。

2.基于投资—现金流敏感性的讨论

本文借鉴Fazzari等[20]构建的投资—现金敏感性模型，检验分行业大型企业异质性冲击对行业内中小企业融资约束的影响，构建如下模型：

I/Kit=α0+α1GR_Indit+α2GR_Indit×CFi，t-1+α3CFi，t-1+∑αmControlsit+indusi+Yeart+λi+εit（4）

其中，I/K表示企業新增投资，用周期内固定资产增量/期初固定资产衡量;Controls表示一系列控制变量，与模型（2）中的控制变量相同。

Fazzari等[20]认为，融资约束程度较高时，企业更加倾向于使用内部资金完成融资，即项目投资所需资金多来自于企业自身现金流。由此，若CF的系数α3显著为正，则系数反映融资约束程度。各行业大型企业异质性冲击与现金流指标的交互项，即GR_Ind×CF表明往往大型企业正向异质性冲击对同行业中小企业融资约束具有额外效应，若交互项系数α2显著为正，则表示各行业企业异质性冲击加剧了中小企业的融资约束。

表4列（2）是基于模型（4）的回归结果，企业现金流的回归系数为正，且在1%的水平下显著，说明现金流对投资支出具有正向效应;分行业大型企业异质性冲击与内部现金流的交互项系数显著为正，说明大型企业异质性冲击提高了行业内中小企业的投资—现金流敏感性。由于企业更多地依赖于内部资金进行融资决策，进而企业投资所需资金则主要来源于自身现金流。因此，分行业大型企业异质性冲击通过加剧行业内中小企业的融资约束，导致其生产率下降，假设2进一步得以验证。

3.不同企业特征的分类讨论

Bah和Dumontier[21]与王燕梅[22]研究发现，从行业属性角度，较之低技术行业，高技术行业企业受限于无形资产占比过高，融资约束尤甚。Claessens和Tzioumis[23]的研究表明，从企业性质角度，非国有企业比国有企业更有可能面临融资约束。从企业生命周期角度，张杰等[24]发现，信息不对称导致了新企业比老企业更容易遭遇融资约束。因此，本文根据上述三个维度划分子样本，比较分行业大型企业异质性冲击对行业内中小企业生产率的影响在异质性企业中的差异。具体而言，按照国家统计局公布的行业分类标准，可以将中小企业分为两大类，即高技术行业和低技术行业;按照国泰安数据库的企业股权性质划分，将股权结构中含有国有股的中小企业归入国有企业，其他则归为非国有企业;根据企业年龄不同，分为新企业和老企业两类企业，具体回归结果如表5所示。

从表5中可以看出，分行业大型企业异质性冲击对行业内中小企业生产率具有负向冲击，这在具有强融资约束特征的非国有和新企业中更为显著。然而，与预期不同的是，在高技术行业中，大型企业异质性冲击会对中小企业生产率有显著正向影响，但是在低技术产业中，作用方向相反，这与张杰等[24]与蔡卫星[17]的研究结果一致。可能的原因是，高技术产业需大量依靠产品研发来促进生产效率提升，而这一过程需要巨大的资金投入和沉没成本，对于新兴的、技术密集型中小企业，很难承担研发活动所需的巨额前期投入，但他们可以得益于行业内大型企业新兴技术或创新模式的应用来提高企业生产率，即大型企业异质性冲击在高技术产业中具有很强的正外部效应。

（四）稳健性检验

1.次贷危机下分行业大型企业异质性冲击

为了增强结论的稳健性，研究次贷危机期间分行业大型企业异质性冲击对行业内中小企业生产率的影响，本文将样本时间选择为2007—2009年重新回归。稳健性检验结果显示，限于篇幅，稳健性检验结果未在正文列出，留存备索。大型企业异质性冲击的回归系数为-0.307，且在10%的水平下显著，因此，即使在全球金融危机的影响下，分行业大型企业异质性冲击依然与行业内中小企业生产率显著负相关，证实了研究结果的稳健性。

2.使用替代指标

本文使用市场集中度替代分行业大型企业异质性冲击进行回归，稳健性检验结果显示，市场集中度的回归系数显著为负。市场集中度越高，代表行业结构的垄断程度越大，该结果与上文一致。

五、研究结论与政策建议

本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。研究发现：最大100家企业异质性冲击与经济增长率显著正相关;11个分行业大型企业异质性冲击与行业内中小企业生产率显著负相关，其通过加剧中小企业的融资约束来降低其生产率，且在低技术行业、非国有企业和新企业中尤其显著。

根据以上研究结论，笔者提出如下政策建议：首先，对于政府而言，要继续深化经济体制改革。优化市场资源配置，做好顶层设计，兼顾大型企业的发展与中小企业的成长，促进各类型企业良性发展。同样，应当以“大型创新企业为驱动，带动中小企业发展”的整体思路制定政策目标，并防范由大型龙头企业异质性冲击引起的系统性风险。其次，对于大型企业而言，应持续提升产品质量、服务质量和市场竞争力，提高自身的生产效率和市场占有率。最后，对于中小企业而言，要克服资源错配的困境，坚持通过发展创新推动自身成长。

参考文献：

[1] Bremus，F.，Buch，C.，Russ，K. Big Banks and Macroeconomic Outcomes：Theory and Cross-Country Evidence of Granularity[R]. National Bureau of Economic Research Working Paper Series， No. 19093，2013.

[2] Gabaix，X. The Granular Origins of Aggregate Fluctuations[J]. Econometrica，2011，79（3）：733-772.

[3] Corsetti，G.，Dasgupta，A.，Morris，S.， et al. Does One Soros Make a Difference？ A Theory of Currency Crises With Large and Small Traders[J]. Review of Econmic Studies，2004，71（1）：87-113.

[4] Siriwardane， E. Limited Investment Capital and Credit Spreads[R].Harvard Business School Finance Working Paper，No.16-007，2018.

[5] Blank，S.，Buch，C. M.，Neugebauer，K.Shocks at Large Banks and Banking Sector Distress： The Banking Granular Residual[J]. Journal of Financial Stability，2009，5（4）：353-373.

[6] Jinjarak，Y.，Zheng，H. Granular Institutional Investors and Global Market Interdependence[J].Journal of International Money and Finance，2014，46（3）： 61-81.

[7] Di Giovanni，J.，Levchenko，A.A. Country Size，International Trade，and Aggregate Fluctuations in Granular Economies[J]. Journal of Political Economy，2012，120（6）：1083-1132.

[8] 任曙明，呂镯.融资约束、政府补贴与全要素生产率——来自中国装备制造企业的实证研究[J].管理世界，2014，（11）：10-23.

[9] 林毅夫，孙希芳，姜烨.经济发展中的最优金融结构理论初探[J].经济研究，2009，（8）：4-17.

[10] Di Giovanni，J.，Levchenko，A. A.Large Firms and International Business Cycle Co-Movement[J]. The American Economic Review，2017，107（5）：598-602.

[11] Ignacio，D.R.The Granular Hypothesis in EU Country Exports[J].Economics Letters， 2013， 120（3）：433-436.

[12] Buch，C. M.， Neugebauer，K. Bank-Specific Shocks and the Real Economy[J]. Journal of Banking and Finance， 2011， 35（8）：1-21.

[13] 张天顶，赵梦婷.商业银行部门、特质性冲击以及中国省际经济增长[J].南方金融，2013，（9）：4-10.

[14] Myers，S.，Majluf，N.Corporate Financing and Investment Decisions When Firms Have Information That Investors Do not Have[J].Journal of Financial Economics，1984，13（2）：187-221.

[15] Badia，M.，Slootmaekers，V.The Missing Link Between Financial Constraints and Productivity[R].IMF Working Paper，No.72，2009.

[16] Aghion，P.G.，Angeletos，A.，Banerjee，K. M. Volatility and Growth： Credit Constraints and Productivity-Enhancing Investment[R]. NBER Working Paper，No.11349，2005.

[17] 蔡卫星.银行业市场结构对企业生产率的影响——来自工业企业的经验证据[J].金融研究，2019，（4）：39-55.

[18] 简泽，张涛，伏玉林.进口自由化、竞争与本土企业的全要素生产率——基于中国加入WTO 的一个自然实验[J].经济研究，2014，（8）：120-132.

[19] Aivazian，V.A.，Ge，Y.，Qiu，J. The Impact of Leverage on Firm Investment： Canadian Evidence[J]. Journal of Corporate Finance， 2005，11（1）：277-291.

[20] Fazzari，S. M.，Hubbard，R. G.，Petersen，B. C.Financial Financing Constraints and CorporateInvestment[J]. Brooking Papers on Economic Activity，1988，19（1）：141-206.

[21] Bah，R.，Dumontier，P.R&D Intensity and Corporate Financial Policy： Some International Evidence[J]. Journal of Business Finance and Accounting，2011，28（5）：672-692.

[22] 王燕梅.高技术产业化中的融资问题研究[J].中国工业经济，2000，（9）：67-71.

[23] Claessens，S.，Tzioumis，K. Measuring Firms’Access to Finance[R]. World Bank Working Paper，2006.

[24] 张杰，芦哲，郑文平，等.融资约束、融资渠道与企业R&D投入[J].世界经济，2012，（10）：66-90.

（责任编辑：孙 艳）

收稿日期：2020-02-15

基金项目：国家社会科学基金一般项目“基于分层管理视角的系统性风险顺周期性波动效应与异质性冲击效应研究”（19BJY258）

作者简介：唐齐鸣（1956-），女，湖北武汉人，教授，博士，博士生导师，主要从事金融计量学、货币金融理论等方面研究。E-mail：tqm@hust.edu.cn

赵传玺（1992-），女，河南郑州人，博士研究生，主要从事金融计量学研究。E-mail：zhaochuanxi1218@163.com

作者：唐齐鸣　赵传玺

房地产业经济计量学研究论文 篇3：

房地产价格对我国居民消费影响的实证研究

[摘 要]本文利用1978—2007年中国统计年鉴有关统计数据,根据协整理论,对房地产价格与我国居民消费之间的关系进行了实证分析。分析结果表明,房地产价格对我国消费具有促进作用,发挥了房地产的财富效应。稳定房地产价格,正确发挥房地产市场的财富效应是我国制定住房政策的重点。

[关键词]房地产价格;居民消费;财富效应;协整检验

1 引 言

房地产业是国民经济的支柱产业,其产业关联度高,健康发展的房地产市场产生的财富效应对中国经济的拉动至关重要。然而,快速发展必然会带来局部过热,甚至形成“房地产泡沫”。从目前形势来看,我国存在积极发展房地产业和高度重视防止房地产业过热的矛盾。因此,我国政府及有关部门不断出台各项措施,加强对房地产市场的宏观调控,同时政府也有意识发展房地产业以促进消费并带动经济增长。本文将从房地产财富效应视角出发,对我国房地产是否存在财富效应进行实证分析,为政府制定正确的宏观调控政策提供理论指导,促进房地产业和我国国民经济健康发展。

2 房价对消费影响的模型构建和变量选择

2.1 房价对消费影响的理论模型

目前,有关房地产财富效应的文献的理论框架基本上是建立在生命周期理论上。根据消费理论中莫迪利安尼的生命周期假说,消费者是具有理性的,他们根据效用最大化原则在更长的时间范围内计划他们的消费和储蓄行为,以在整个生命周期内实现消费的最佳配置,使得各个时期的消费大体上均等。消费者一生的总资源包括现存的资产以及现在和未来能够赚取的总收入,则每年的消费为:

C=(A+RY)/ T

其中,C为消费,Y为每年的收入,A为原始资产,T为生活年限,R为工作年限。

因此,生命周期消费假说的消费函数可表示为:C=αY+βW ;其中,α=R/T ,β=1/T。

用住宅平均销售价格代表房地产财富,构建模型如下:

lnC=α₀+α₁lnY+α₂lnHP+ξt(1)

其中,C代表消费,Y代表收入,HP代表房地产价格。

2.2 变量选择及数据来源

以方程(1)的模型为基础,选取1978—2008年的年度数据,数据来源于中华人民共和国国家统计局网站、国研网、1985—2008年中国统计年鉴,1985年前的数据来自于《新中国成立55年》的宏观数据,消费变量C为全国城镇居民生活消费支出总额,Y为全国城镇居民人均可支配收入,HP为全国住宅的平均销售价格。由于数据中的消费支出、可支配收入和住宅销售价格均为名义数据,需要将其折算为真实值,以反映实际情况。为避免异方差的影响,对数据进行了取对数处理,LC, LY, LHP分别表示取对数以后的城镇居民生活消费支出、城镇居民可支配收入和全国住宅销售平均价格。

3 房价对我国城镇居民消费总体影响的实证分析

在实际的经济模型中,随机变量一般都遵循随机游动过程,即它们是非平稳的,直接对变量间进行回归将可能导致伪回归现象。尽管两个变量是非平稳的,但二者之间的某个线性组合却是平稳的,这种关系就是协整,它反映了序列之间的一种长期动态均衡。本文将运用动态经济计量学中的协整分析和 Granger 因果检验等方法,研究房价变化与居民生活消费支出的长期关系特征。

3.1 单位根检验

在分析前首先对各变量的时间序列数据的平稳性进行单位根检验,检验结果(表1)说明居民生活消费支出、住宅销售平均价格与居民可支配收入三个变量都是非平稳序列。在进行差分处理后,三个变量均在99%的置信水平下拒绝了原假设。因此,消费、房价和居民可支配收入变量都是一阶单整I(1)的,可以对其进行协整检验。

3.2 Johansen协整检验

下面采用检验来确定LC,LHP,LY三个变量之间是否存在协整关系。Johansen检验结果表明,在5%的显著性水平下,LC,LHP,LY三个变量之间存在一个协整关系。

将协整关系写成数学表达式,并令其等于Vecm,得

Vecm=LC-0.17×LHP-0.74×LY-0.4846

对序列Vecm进行单位根检验,我们发现Vecm变量在95%的置信水平下是平稳的序列,说明该协整关系是正确的。标准化的协整方程为:

LC=0.17×LHP+0.74×LY+0.4846

从协整方程可以看出,消费与房价之间保持着一种长期均衡的关系,房地产价格和可支配收入对消费的影响均呈正相关,说明存在着明显的房地产财富效应。由于本文对变量进行了对数处理,因此这种长期关系可以理解为弹性:当房价增长1%时,消费支出增长0.17%。

3.3 格兰杰因果关系检验

格兰杰因果检验用于确定一个变量的变化是否为另一个变量变化的原因。为了进一步确定房地产价格对消费支出的影响,本文对三个变量进行了格兰杰因果检验,详见表2。

因果关系检验结果表明,在1%的显著性水平上,滞后期数为1时,LHP是LC变化的原因,LC并不是LHP变化的原因。房价的上涨在一定程度上促进了我国居民消费的增长;同时也说明房价变化并没有受到我国居民消费水平的影响。

4 结论与建议

稳定房地产价格,正确发挥房地产市场的财富效应是我国制定住房政策的重点所在。我们应当通过政策手段调控房地产市场供给结构,逐步使房地产成为促进消费增长的一个重要渠道,拉动经济增长。

4.1 加强房地产土地市场的宏观调控

各级政府要明确政府职能,规范政府行为,保证土地的开发与整个经济发展速度相适应,与居民收入和购买力水平相适应。要平衡好土地一级市场总量、结构和区域,建立土地储备制度。改进土地供应方式,平衡好二级市场规模、节奏、档次,杜绝单纯炒卖地皮的谋利行为。制约土地价格的过快增长,规范行政收费与交易行为,减少房地产开发项目的行政收费,加强交易过程的监督,制定合理的土地拍卖规则。

4.2 对不同的收入者实行不同住房供应模式

梳理住房供应体系,使每一个社会成员,无论收入水平如何,都应该能够在住房供应体系中找到与自身收入水平相对应的住房供应渠道。建议采用收入五分位住房供应模式(表3)。

4.3 对投资性购房采取措施加以控制

从2008年10月起,央行先后出台降低首付比例、降低二套房贷款利率等优惠政策,宽松的货币政策释放了巨量资金进入楼市推动资产价格上升,使中国楼市走向和宏观经济走向背道而驰。为此,我们应加强对住房投资和投资需求的管理,实行贷款总量和贷款比例的双重限制,对投资性购房采取更加严格的贷款政策。此外,随着购买套数的增加,贷款利率还要相应提高的差别化利率政策,限制投资者利用贷款投机购房的行为。

4.4 加快推进实施物业税制度

住房税收对中低收入家庭重在支持,而对高收入家庭则主要是再分配。它在调解住房需求的政策价值取向时,应该是抑制投资性需求,鼓励居住性需求。同时,税收对投资性需求的抑制需要适度,因为一定量的投资需求也有利于活跃住房市场。国务院在《关于2009年深化经济体制改革工作意见的通知》中,再次提出“年内研究开征物业税”,对物业税制度的研究,不仅需要考虑居民的承受能力,而且要对不同地区、不同面积的房屋、不同用途的住房和不同收入群体实行差别化的征税。

参考文献:

[1]刘建江.浅议房地产的财富效应[J].房地产金融,2005(5).

[2]孙敬水.计量经济学[M].北京:清华大学出版社,2004(9).

[3]易丹辉.数据分析与E-Views应用[M].北京:中国统计出版社,2007(3).

[4]陈淮,等.英、美、日三国与我国住房制度比较研究[M].北京:中国建筑工业出版社,2007.

[5]张其光,丛诚.论我国城镇住房发展与住房制度规划[M].上海:上海社科院出版社,2007.

[收稿日期]2009-09-09

[作者简介]赵晓康(1965—),男,江苏镇江人,东华大学教授,博士生导师;王蕊(1985—),女,黑龙江伊春人,东华大学产业经济学硕士。

作者：赵晓康 王 蕊