房地产价格与企业投资机会

（一）房地产财富效应

1.国外相关研究

根据生命周期理论，家庭财富的大小和财富的变动会影响消费支出，房地产作为家庭的重要财富，当房地产价格波动时，人们的财富存量发生变化，从而直接影响人们的收入分配、消费支出和消费决策，进而影响总需求和经济增长，这就是房地产财富效应。

国外学者针对房地产财富效应的研究内容主要集中于以下几个方面：一是房地产财富对消费的影响力度，即房地产财富效应的大小估算；二是针对房地产财富效应与股市财富效应的比较；三是对不同经济体国家的房地产财富效应的大小进行比较。

学者们关于房地产财富效应的众多研究成果都表明，房地产财富效应显著存在并随时间逐渐增长。例如，Belsky ＆Prakken（2004）利用美国1960～2003年SCF、SIPP等机构的宏观季度数据，使用误差修正模型估计房地产财富的边际消费倾向（Marginal propensity to consume，MPC）为0.045。Bover（2005）利用西班牙2002年EFF机构的数据，采用非参数估计和二阶段OLS（Ordinary least square，普通最小二乘法），估计的住宅财富效应为0.015。Chen（2006）使用VECM（Vector Error Correction Model，向量误差修正模型）协整模型，对瑞典1980～2004年的季度数据进行了分析，认为总消费、可支配收入和住宅财富和金融财富之间存在很强的统计关系，得出持续的房地产价格上涨对居民消费具有显著的正效应的结论。

然而，有部分学者对房地产财富效应的存在性持有不同的观点。Elliott（1980）研究认为包括房地产在内的非金融财富对消费没有影响，房地产不能形成现实的购买力。Levin（1998）对退休历史调查数据（RHS）进行了分析，发现房地产对消费没有影响。Poterba（2000）认为人们更希望把房产遗传给子孙，而不是增加消费。

虽然有些研究的结果存在争议，但是大量研究确认，在英美式自由经济国家，房地产财富上涨对居民消费不仅有显著正面效应，而且比股市的财富效应要大很多，但在一些欧洲大陆社会市场经济国家，房地产价格的影响效应就弱一些。例如，Mehra（2001）采用协整方法检验总消费、劳动收入和财富之间的长期均衡关系，同时运用误差修正方法检验这些变量之间短期的动态关系，得出美国1960～2000年股票和房地产资产对非耐用消费品的MPC为3分，而对总消费的MPC则分别为4分和5分，结果证明存在显著的财富效应，估计的短期消费方程还显示财富对未来消费有预测能力。Raphael et al.（2009）采用微观家庭数据的对数形式，估计美国1989～2001年的房地产财富效应的消费弹性为0.06。Raymond等（2007）估计中国香港1983～2005年的房地产财富的消费弹性为0.10～0.15。Kim（2003）估计韩国1988～2003年的房地产财富的消费弹性为0.229。

最近几年，利用各国宏观面板数据进行房地产和股市财富效应的跨国比较研究成为热点。根据IMF（International Monetary Fund，国际货币基金组织）（2002）的研究报告，财富效应在不同的国家、不同的时期会有所不同，这取决于各国的金融体系的差别。Ludwing ＆Slok（2002）采用了16个发达国家1970～2000年的数据，得出的结论是：以市场为基础的经济体国家的财富变化导致的财富效应要大于以银行为基础的经济体；房价上升产生的财富效应要大于股价上升带来的财富效应；随着时间的推移，无论何种经济体，股票和住房价格上升带来的财富效应都提高了。研究者还根据住房拥有率对数据分组，他们发现住房拥有率的增加会提高正财富效应。Case et al.（2005）利用宏观数据的对数形式，研究得出美国1982～1999年的房地产财富的消费弹性系数为0.05～0.09，OECD国家90年代的房地产财富的消费弹性为0.11～0.17。Sierminska ＆Takhtamanova（2007）利用微观数据，估计加拿大的房地产财富的消费弹性为0.12，法国为0.1，芬兰为0.13。

以上研究使用的是各国的宏观统计数据，利用时间序列的相关计量方法进行实证分析，另一类研究使用的是家庭微观调查数据，利用回归方法进行分析。与宏观数据相比，家庭微观数据的优点在于信息量丰富，在揭示房地产财富效应的微观差异方面以及对个体行为的有效检验方面，有着宏观加总数据不可比拟的优势。例如，Engelhardt（1996）利用美国的微观家庭数据研究发现，自有住房者对住房资产的收益没有反应，但是住房资产损失却对消费产生了影响。作者分析原因可能是自有住房者的住房资产收益变现存在障碍或者是对住房价格上涨的持续性产生怀疑，即使不存在任何的变现障碍，考虑到遗赠给下一代的动机以及拥有自有住宅的非金钱效用等，自有住房者也可能没有很强的动机去变现住房资产收益。Guiso et al.（2004）对意大利的研究估计得到的财富效应比典型的美国数据结果小，MPC的估计值为每欧元住房资产约2欧分。他们将数据划分为自有住房者和租房者后发现，住房财富（排除当前的房地产资本收益）和房地产资本收益的MPC分别为每欧元2欧分和3.5欧分。对租房者没有发现其消费和房地产资本收益（或房地产价格）间的显著统计关系，但估计的净财富的MPC在1欧元3.7欧分和6.2欧分之间，所有结果支持财富对消费的直接效应。Campbell ＆Cocco（2007）运用英国家庭支出调查的个别家庭数据研究住房价值变动对租房者和自有住房者消费的影响，发现在年老的自有住房者中房价对消费在统计上有显著的影响，而在年轻的租房者中则没有显著影响。

相对于房地产市场财富效应而言，学者们对股市财富效应的研究更早，并且股市财富效应的研究结论存在着更大的争议性。整体上来看，国内外关于股市财富效应的实证研究文献基本上可以分成两派（Tuttle ＆Gauger，2003），支持股市财富效应存在的内生消费派，以及认为财富效应长期不存在的内生财富派。

2.国内相关研究

与发达国家相比，我国的房地产市场刚刚兴起，还很不成熟，有关金融配套也存在不一样的地方，房地产财富对居民消费的影响，以及近十年来的房价上涨房地产财富效应是否增强，还需要实证的检验。从近几年国内学者的研究来看，得出的结论颇具争议性，认为我国房地产财富效应微弱、显著为正和显著为负的研究都有。黄平（2006）以2000～2005年全国总体季度数据为样本，采用时间序列单位根和协整检验方法，认为我国房地产市场存在微弱的财富效应。骆祚炎（2007）以1985～2005年的年度数据为样本，采用线性回归方法，也得到我国房地产资产和金融资产的财富效应都较微弱的结论。魏锋（2007）和丁攀（2008）分别利用2002～2005年的月度数据和1998～2006年的季度数据，运用单位根、协整检验以及误差修正模型，研究结果都表明，我国房地产市场（住宅市场）存在显著的正的财富效应。骆祚炎（2008）以1985～2006年的年度数据为样本，采用VAR（Value at Risk，风险价值）模型，分析表明，居民金融资产和住房资产财富效应存在，金融资产财富效应超过住房资产财富效应。然而，刘旦和姚玲珍（2008）研究表明，1979～1999年，我国城镇住宅资产对消费的影响不显著；2000～2006年，住宅财富效应整体上为负，即房价上涨对居民消费产生了抑制作用。赖溟溟和白钦先（2008）基于1998～2007年的数据，运用协整和误差修正模型，认为我国不存在股票市场的财富效应，但是，存在房地产市场的财富效应，长期房地产市场发展与居民消费有协同趋势，短期内房地产市场发展抑制了居民消费支出。

国内学者对我国股市财富效应的存在性也是存在争议的。梁宇峰、冯玉明（2002）、李学峰（2003）等对我国股市是否存在财富效应进行了实证研究，结果表明，自1996年以来，我国股市存在较为明显的财富效应，或者说至少存在一定的财富效应。何德旭、高伟凯（2002）通过实证，认为股市发展的规模和流动性确实能影响储蓄的变化，中国股市的变化与储蓄率的上升有一定的正相关关系。基于中国股市还不完善，股票（流通）市值占GDP（Gross Domestic Product，国内生产总值）的比例低，股市投资者面窄，股市波动幅度大等因素，不少专家认为股市对消费的影响非常有限（胡少维，2001）等。易刚、王召（2002）认为货币政策对资产价格（尤其是股价）有影响，货币数量与通胀的关系不仅取决于商品和服务的价格，而且一定意义上还取决于股市，但通过货币政策刺激股市拉动需求的做法长期上是不可靠的。

国内学者的研究大部分是利用全国总体宏观数据，通过时间序列计量方法进行实证分析，在研究方法、指标选择和数据使用上并不存在太大差异的情况下，最终得出的结论却大相径庭。究其原因，可能与样本容量有限，导致所使用的计量方法得出的结果有偏差有关。Pierse ＆Snell（1995）的研究指出：（1）修正的ADF检验（Augmented Dickey-Fuller Test，单位根检验）方法以及协整检验的E-G二步法，要求样本容量必须充分大，否则得到的协整参数估计量是有偏差的，样本容量越小，偏差越大。（2）在样本数据有限的情况下，Johansen协整检验的值很低，导致单个时序数据协整检验的结果并不可靠。（3）在建立误差修正模型时，滞后项阶数选择是敏感的。我国的房价与租金指数是从1998年开始编制，到目前为止，季度样本数据容量仅40多个，因此，对我国房价和租金指数分析采用时间序列单位根和协整检验是低效果的，结论会有偏差。

（二）房地产价格与银行信贷关系

1.国外相关研究

由于房地产的抵押品和投资品属性，房地产价格波动通过广义财富效应影响企业和居民的投资和消费，影响着信贷需求和供给，同时信贷供给波动又反作用于房价，在房价和信贷之间形成正反馈机制。

房价和信贷之间的这种正反馈机制，已被大量的实证研究所证实。例如，Hofmann（2003），Goodhart ＆Hofmann（2004），Goodhart et al.（2006）基于多变量实证框架，对银行贷款和房价之间的关系进行了分析，发现两者之间存在双向联系，但是房价对信贷的影响比信贷对房价的影响力度更强。Gerlach ＆Peng（2005）针对香港的信贷量和房价进行研究，发现房价是信贷的原因，反之则不成立。Greiber ＆Setzer（2007）对美国和欧洲的广义货币供应量和房价之间的关系进行分析，在标准货币需求系统中添加房价将使货币需求方程更加稳定，在进行标准的脉冲影响分析后，发现存在双向的因果关系，即广义货币供应量的增加将触发房价上涨，并且反之亦然。Adalid ＆Detken（2007）利用工业化国家的面板数据对广义货币供应量和房价之间的关系进行研究，得出两者之间存在显著的联系，特别在资产价格膨胀时期，两者之间的联系更加紧密。同时，还发现私人信贷增长对住房价格的动态波动没有显著的影响。

美国次贷危机后，房地产抵押贷款对金融和实体经济的影响再度成为大家关注的热点。Arsenaultl ＆Peng（2009）认为抵押贷款资金供给和房地产价格之间的正反馈循环机制是房地产业周期性的驱动因素之一。他们研究发现，抵押贷款资金供给的增加（或减少）促使房地产价格的上涨（或下跌），并且以往的房地产投资绩效对抵押资金供给具有正向影响。很明显，抵押贷款量和房地产价格之间的这种正向反馈循环机制加剧了房地产业的周期性，当某种外部因素导致房地产价格上涨时，房地产价值的增加将促使抵押资金供给的增加，这反过来又进一步提升了房地产价值；房地产价格的这种螺旋式的上升（也可称之为房地产的通胀和泡沫）一旦被中止，房地产价格下跌导致抵押资金供给缩减，反过来促使房地产价格的进一步下跌，最终泡沫破灭。Goetzmann et al.通过实证，认为以往的房地产增值程度会对抵押贷款资金的供给有影响，潜在的抵押贷款者和投资者会依靠过去房地产投资绩效来预测未来房地产价格趋势和抵押风险。Goetzmann et al.认为2006年以前的房价指数的经济分析得出未来房价长期上涨的结论，低估了房价下降的概率，这可能是由于居民抵押贷款供给和需求双方的影响造成的。他们发现，过去房价的上涨与次贷需求的高涨、次贷条件的放松是紧密相联的。因此，当过去房地产投资绩效好时（或坏时）会让抵押贷款的贷方觉得未来的抵押风险更低（或更高），结果以往好的（或坏的）房地产投资绩效将增加（或减少）抵押贷款资金的供给。Mian ＆Sufi（2008）研究认为即使在房地产市场投资机会不变的情况下，抵押贷款供给变动将直接影响到房价。Mian ＆Sufi认为与次贷发行量猛增相随的房价指数高涨是信贷放松导致的结果。当抵押需求不变的情况下，抵押供给的增加导致贷方的竞争加剧，贷方的风险容忍度提高，贷款资金价格--利率降低。抵押贷款供给的增加将导致房价上涨，理由一，当贷方允许更高的贷款抵押率（loan to value ratios）和更低的利率下，乐观的投资者们在抵押支持下愿意支付更高的房价。理由二，对于潜在的投资者来说，抵押贷款低利率意味着更高的资金杠杆和目标资产的更高价值，结果，对所有潜在的投资者来说资产更具有价值了。

对于大多数家庭来说必须通过借贷来购房，直觉上，借贷条件对住房需求和房价变动具有决定性的作用。有文献从理论上证明抵押贷款条件与房价波动之间具有非线性的联系。Ortalo-Magné＆Rady（2001）构造了生命周期模型，发现银行首付（down payment requirements）的降低相当于永久收入的增加。Lamont ＆Stein（1997）发现在杠杆率高的城市（例如贷款价值比借款估价高），收入对房价的冲击更加激烈。Muellbauer ＆Murphy（1997）指出购买房产的交易成本（与获取抵押贷款有部分联系）能创造门槛效应，当预期未来资产收益超过这个门槛时，更多的家庭会购买房产。Iacoviello ＆Minetti（2003、2007）针对欧洲经济体的研究表明，抵押市场上的金融管制的放松不仅仅直接刺激了住房投资，而且使房价对货币政策的敏感性也增加了。

Goodhart ＆Hofmann（2008）针对17个工业化国家1973～2006年的数据，运用面板数据固定效应VAR方法，对货币、信贷、房价和GDP之间的关系进行实证分析。研究得出的主要结论有：（1）房价、广义货币量、私人信贷和宏观经济之间存在显著的多维联系。具体而言，货币量增加对房价和信贷有显著的影响，信贷影响货币量和房价，房价影响信贷和货币。房价、信贷和货币量一个单位的新息对经济活动（GDP）和总的物价（CPI）都有显著的影响，GDP、CPI和利率的一个单位新息同样对房价、货币量和信贷具有显著的影响。（2）这些变量在1985～2006年时期内的联系更加紧密，作者认为可能与这段时期金融自由化有关。（3）实证分析进一步揭示出，在房价膨胀时期，房价对货币和信贷的冲击更加强烈。

Lustig ＆Van Nieuwerburg（2005）首次证实了房价通过资产负债表效应对居民消费的影响，他们对美国23个大都市1952～2002年的消费和收入宏观数据进行分析，研究发现在住房抵押不发达的时期和地方，消费对收入更加敏感，这一结果与居民受金融约束和住房财富是重要的抵押品等假设是一致的。Miller et al.（2009）针对美国379个大都市1980年第1季度至2008年第2季度的统计数据进行实证，研究发现房价波动的抵押效用（the collateral effect，或叫信贷效用）是财富效应的三倍；抵押效应对于更受金融约束的家庭影响更强，而财富效应则更弱，并且总的影响保持不变。

Marcel ＆Peng（2009）对商业房地产资产增值与商业抵押资产供给之间的正向反馈机制进行分析，采用美国1978～2008年的季度数据，以往的房地产投资绩效对抵押资金流具有正向影响作用，同样，抵押资金流对同一季度的房地产价值产生影响，这种正反馈机制可能是房地产周期的重要的驱动力量。Clayton、Ling ＆Naranjo（2009）采用向量误差修正模型分析商业房地产投资者的敏感度的作用，使用商业抵押贷款流量作为投资者对商业房地产投资的敏感度的代理变量，研究发现投资者敏感度具有定价地位。

2.国内相关研究

我国金融体系是以银行为主导，银行信贷是微观经济主体的主要融资手段，是金融资源配置的重要途径。在理论上房地产作为投资投机资产，其价格容易受到银行信贷的影响，并会产生相应的价格泡沫。学者们对我国国内银行信贷和房地产价格的实证研究也表明两者存在密切的关系，但在具体因果关系上却存在着分歧。

第一种观点强调银行信贷对房地产价格的决定作用。例如，肖本华（2008）运用Granger因果分析方法对2003～2007年银行信贷与房地产价格之间的关系进行分析，认为中国的信贷扩张为房地产价格的膨胀提供了支撑，而导致信贷过快增长的主要原因是货币供给的过快增长和低实际利率、高存贷利差。平新乔、陈敏彦（2004）利用1999～2002年中国35个城市的年度面板数据，以地价、银行信贷、投资额和行业垄断程度为变量解释房地产价格的决定，发现银行信贷每增加1%，楼盘价格上涨0.5%。

第二种观点强调房地产价格引发银行信贷的波动。Gerlach et al.（2005）研究了香港住宅价格和房地产信贷之间的关系，认为两者之间的强相关关系主要来自银行信贷对房地产价格的反应，过度的银行信贷不是房地产繁荣与萧条的根本原因，而是人们对未来经济预期的变化增加了对房地产或其他投资的动机，在供给弹性较小的情况下产生了价格的较大变化，这样信贷需求和抵押品价值都提高了，而银行信贷只是自然的反应。李健飞、史晨昱（2005）采用协整与Granger因果分析方法，利用1998年1月～2004年9月的季度数据，对我国房地产价格波动和银行信贷之间的关系进行了实证研究，研究结果发现，银行过度放贷并不是房地产价格上涨的根源，而房地产价格上涨对银行信贷的作用却不能忽视。江彤（2007）利用2000年1月～2006年8月的月度数据，对我国银行信贷与房地产价格之间的关系进行了实证分析，研究结果表明，我国银行信贷与房地产价格之间存在单向的长期稳定的均衡关系，房地产价格是银行信贷的Granger原因，反之则不是。崔光灿（2008）利用2000～2007年季度相关数据，对上海市房地产信贷与房地产市场关系进行实证分析，发现房地产信货对房地产市场的影响主要表现在需求方而不是供应方，房地产信贷增长对房地产价格和房地产销售量增长有明显的促进作用，但对房地产开发投资没有明显的影响。房地产信贷增长主要由银行流动性状况决定，而不取决于房地产市场状况，但房地产市场供需状况会影响到房地产信贷结构变化，在价格上升时个人购房贷款增长明显，在价格下降时开发贷款增长明显。在短期内，银行信贷可作为平稳房地产市场波动的手段之一，但是长期而言，只有构建完善的住房供应体系才能保持房地产市场的长期稳定。

第三种观点认为银行信贷与房地产价格互为因果关系。武康平和皮舜等（2004）建立了房地产市场与信贷市场的一般均衡模型，通过对均衡模型的比较静态分析，揭示了房地产价格与银行信贷之间存在正反馈的作用机制，即房地产价格上升导致银行信贷供给增加，银行信贷供给增加导致房地产价格上升。段忠东和曾令华等（2007）运用多变量协整分析技术，利用2000年1月～2006年8月的月度数据，对我国房地产价格影响银行信贷的效应进行了实证检验，研究结果表明，房地产价格和银行信贷之间在长期内互为因果关系，房地产价格波动在短期对银行信贷发放的直接影响有限，主要是在长期内对银行信贷增长产生影响，而银行信贷也通过协整关系成为房地产价格短期波动的Granger原因。张涛和龚六堂等（2006）对中国房地产价格与房地产贷款的关系进行了实证分析，结果表明中国房地产价格水平与银行房地产贷款有较强的正相关关系。

（三）房地产价格与金融加速器关系

1.国外相关研究

Bernanke、Gertler ＆Gilchrist（1996）于1996年正式提出了“金融加速器”（Financial Accelerator）理论。金融加速器理论认为，当金融和信贷市场存在信息不对称问题时，MM定理不再成立。金融和信贷市场好比一个加速装置，当经济中出现一点很小的冲击，例如利率的波动、社会技术进步冲击或者政府开支突然发生变化等，金融和信贷市场就能把该冲击的作用扩大，以至于对整个经济社会产生巨大的后果。金融加速器的作用机制的关键是“外部融资溢价”（external financial premium）与借贷人的“净值”之间的负向关系（Bernaker、Gertler ＆Gilchrist，1996）。“外部融资溢价”是指企业对外筹集资金的成本与内部融资的机会成本之间的差。由于借贷双方信息不对称，从代理成本的角度看，“外部融资溢价”应该是大于零的。为降低“外部融资溢价”，企业会想方设法改善借贷双方的信息不对称局面，通常以企业的资产作抵押。如此，企业的净值就会直接影响企业对外融资成本，企业的净值越大，可供抵押的资产越多，越有利于缓解信息不对称，从而就可以获得较为便宜的贷款；反之，企业净值小，其将面临较高的“外部融资溢价”。企业的净值可以从多个方面来衡量，譬如，资产负债表、当前和预期的现金流等。

金融加速器理论是许多理论研究的高度概括和升华。例如，Bernanke ＆Gertler（1989），Greenwald ＆Stiglitz（1993），Kiyotaki ＆Moore（1997）以及Azariadis ＆Smith（1998）所提出理论模型的结论都可以作为支持金融加速器理论的证据。与此同时，金融加速器理论也成为该领域研究的理论基础或研究对象。Bernanke、Gertler ＆Gilchrist（1998）直接将信贷市场摩擦引入了标准的宏观经济模型中，形成了一个包含金融加速器的动态宏观经济学模型（BGG模型）。该模型从定性和定量角度分析了信贷市场摩擦在商业周期中的作用，并运用美国的季度数据进行模拟，发现金融加速器对美国的经济周期有重要的影响。此后，有很多学者在BGG模型的基础上，围绕金融加速器进行了相关的研究。Carlstrom ＆Fuerst（1997）首次在标准真实商业周期模型（RBC）中引入“金融加速器”效应，建立了一个可计算的一般均衡模型。模型的模拟结果显示，内生的代理成本问题显著改变了商业周期的动态过程。Bernanke、Gertler ＆Gilchrist在动态新凯恩斯模型中加入借贷中代理成本问题，模拟了在货币政策冲击、技术冲击等外生冲击下，企业净值的变化是如何影响企业所能得到的资金，从而影响企业的投资决策，并进而放大对产出的影响。Balke（2000）用“门限向量自回归”的方法，实证检验了信贷市场是否是外生冲击非线性传播的主要原因。使用非线性脉冲反应函数的结果表明，相比于信贷宽松状况，在信贷紧缩区外生冲击对产出的影响更大。这说明，实体经济运行的确存在“金融加速器”效应。Ichiro（2002）运用日本的数据检验金融加速器机制，模拟了货币政策冲击、技术冲击和需求冲击，发现金融加速器原理能够解释日本投资的波动。他们在模型中引入了一个泡沫过程，发现在存在金融加速器情况下，由于资产价格泡沫破灭导致投资明显下降，而且持续很长时间才能恢复。杜清源和龚六堂（2005）在RBC模型中引入了金融加速器以分析信贷市场中存在的信息不对称对经济所造成的影响，通过数值模拟，发现由于金融加速器的存在，加大了波动对经济的影响。与BGG模型不同，他们去掉了价格粘性的假设，发现由于金融加速器的作用，经济中各变量的变化趋势波动性更大。关于开放经济下的金融加速器作用，Gilchrist et al.（2003）把金融加速器原理运用到欧元区，认为金融市场的摩擦为统一货币区的不对称冲击提供了重要的国别间传导渠道，金融合约不对称的存在放大了货币区国别经济周期的差异。Gerder et al.结合1997年亚洲金融危机期间韩国的经历，在金融加速器原理的基础上建立了小型开放经济的模型，发现相对浮动汇率而言，固定汇率会加剧金融危机。

2.国内相关研究

国内关于房地产与金融不稳定的研究非常有限，而且以定性分析为主。张晓晶和孙涛（2006）对我国房地产周期对金融稳定的影响因素进行了分析，认为主要影响因素体现在房地产信贷风险暴露、政府担保风险以及长存短贷的期限错配风险，并提出以下政策建议：努力解决银行业自身问题、规范地方政府行为以及有效监管外资进入中国房地产业。王锋和李宇嘉（2008）对为何房地产市场会造成金融不稳定进行综述的基础上，对我国房价与金融不稳定进行了定性分析，认为房价上涨会掩盖潜在风险，而经济主体的行为又具有非理性特征，经济增长阶段的房地产市场极易造成金融体系的不稳定。失衡的供求关系导致了垄断利润的存在，诱使银行业过度介入房地产市场。而金融纪律弱化以及风险分担和前瞻性的损失预防机制的缺失，导致银行业对房地产市场的过度支持和风险累积，这是我国房地产市场影响金融稳定的主要原因。作者最后建议政府除了要制定调整供应结构和严格融资门槛的供求干预政策外，同时要进行早期的风险预警机制建设。

国内关于房地产信贷的金融加速器作用的研究更加是凤毛麟角，可能是由于数据可得性的问题，或者是房地产信贷的金融加速器作用还没有受到国内学者的重视。赵振全、于震、刘淼（2007）运用金融加速器理论对中国信贷市场与宏观经济波动的非线性关系进行了实证，运用门限向量自回归（TVAR）模型，以及非线性脉冲响应方法，检验发现，在1990年1月～2006年5月期间，中国存在显著的金融加速器效应，表现为对于相同特征的各种外生冲击，经济波动在信贷市场处于“紧缩”状态下的反应均明显强于信贷市场处于“放松”状态下的反应。另外，信贷冲击对于信贷市场状态变化的作用最为显著，其次是货币冲击和价格冲击，最后是实际冲击。进一步的检验还表明：信贷市场在宏观经济波动过程中既是重要的波动源，同时也是波动的有力传导媒介，运用金融加速器理论有助于合理解释中国宏观经济波动的轨迹特征。崔光灿（2006）以房地产价格的变化为对象研究资产价格波动对宏观经济的影响。在BGG模型基础上，运用包含金融加速器的两部门动态宏观经济学模型，考察了资产价格波动对经济稳定影响的金融加速器效应，并对名义冲击与实际冲击的效应、不同经济结构下的经济波动进行了比较。通过对模型进行模拟分析，认为在中国宏观经济运行中，可以运用金融加速器机制解释由于资产价格波动带来的宏观经济波动，经济政策主要应减少名义变量的冲击，在资产价格波动较大的时期可以对不同部门采取不同的信贷政策。

（四）资产价格与物价稳定关系

1.国外相关研究

国外很多学者通过理论和实证研究发现资产价格（特别是房地产价格）中所包含的有关于现在与未来经济状况的有用信息，可以用于改善货币政策当局对未来通货膨胀的预测，并以此来修正货币政策，促进宏观经济的稳定。Fisher（1911）指出货币供应量的增长最先引致资产价格的上升，然后才是消费物价的上升，首次让人们关注资产价格和商品市场物价的关系。1973年，Alchian＆Klein在《通货膨胀测量的一项修正》一文中论证了货币当局应该关注资产价格的观点，他们认为价格指数诸如CPI或者GDP平减指数都是有缺陷的，因为它们仅仅考虑了当前的消费品价格，而完全衡量生活成本还应包括未来商品价格的变动，并认为资产价格是一个较好的替代品，据此提出了跨期成本生活指数（Intertemporal Cost of Living Index，ICLI）。Shibuya（1992）在此基础上构建了动态均衡价格指数（DEPI）。Smets（1997）运用简单模型说明以价格稳定为目标的中央银行对未预期到的资产价格变动所采取的货币政策取决于未预期到的资产价格变动对通货膨胀预期的影响，他认为未预期到的资产价格变动可以通过政策传导机制的作用和资产价格所包含的信息功能影响通货膨胀预期。Shiratsuka（1999）检验了资产价格的信息内涵是否可以作为日本通货膨胀的先行指示器，其运用不同结构向量自回归对GDP平减指数与总资产价格指数进行了格兰杰因果关系检验，发现在5%的统计显著性水平上，总资产价格指数是引致GDP平减指数的格兰杰原因，而GDP平减指数不是引致总资产价格指数的格兰杰原因。针对资产价格在通货膨胀的格兰杰原因的时间上的稳健性，Shiratsuka做了样本期为15年、20年、25年的三类滚动回归检验，发现在样本期间的早期阶段，资产价格是通货膨胀的格兰杰原因的显著性很高，而在20世纪60年代中期以后，其显著性日益降低，说明资产价格波动含有未来价格变动的相关信息，意味着日本资产价格可能是一个有用的信息变量。

众多研究普遍认为房地产价格与股票价格相比，对未来通胀具有更强的预测作用。Goodhart ＆Hofmann（2000）对12个国家的CPI通货膨胀方程进行了估算，其目的在于一旦考虑了通货膨胀的“惯例候选人”效应阐明资产价格是否能有显著的解释力。其“惯例候选人”包括滞后的通货膨胀值、滞后的产出值、货币增长、汇率变动以及利率；资产价格包括房地产价格与股票价格的变动以及收益差价。他们做了大量回归检验的结论是：货币类变量，尤其是在两年期水平上的广义货币的增长率、短期利率和房地产价格三个变量的结论显示了很强的稳健性，认为资产价格特别是房地产价格，在其数据集中的大多数情形中的确有助于预测未来的通货膨胀；至于股价，由于其上涨的程度太高，只能作为未来通货膨胀一个相当有限的指示器。Filardo（2000）以Repeat Sales指数和房产财富指数来代表房地产价格的变化，以Wilshire5000和S＆P500代表股票价格的变化，分析了资产价格是否有助于预测未来通货膨胀水平，分析的区间为1981～1999年和1961～1999年。其研究表明，房产价格对通货膨胀变化具有预测能力，但还比较有限，股票价格对未来通货膨胀变化的预测能力更为微弱。

有些国家央行开发了一些模型以利用资产价格来预测通货膨胀。例如，美联储开发了用于美国经济政策分析与预测的FRB/US结构模型，该结构模型揭示了股票风险升水变化的效应，并认为这种变动不受利率或其他基本因素变化的影响。该研究发现这种股票风险升水的恒常上升一开始就造成股市财富下降20%的影响，并考虑了两种对照的情形：（1）美联储维持联邦基金利率不变；（2）美联储追随泰勒规则。他们的模拟结论是：在第一种情形下，3年后的通货膨胀下降0.4%，GDP下降1.2%；在第二种情形下，3年后的联邦基金利率将会下降0.4%以抵消股市财富效应对通货膨胀冲击的影响，此时GDP只下降0.3%。英格兰银行的货币政策委员会（简称MPC）用于预测通货膨胀的核心方程是该银行自己设立的宏观计量经济学模型。MPC考虑了资产价格外生变化的潜在影响（这种资产价格的变化可以被视为隐性风险升水或泡沫破裂的贡献）。该模型的结论是：资产价格的变动对通货膨胀的预测有着显著的影响，在汇率、股价、房地产价格三个不同的资产价格中，汇率的变动对通货膨胀的影响最大，而且房地产价格的变化比起股价的变化对通货膨胀的影响更大。OECD在1999年发布其在跨国联接模型的环境下所做的一项全球股市的修正模拟分析。该模型中假定货币政策对产出的变动没有直接响应，而是通过消费、投资行为的财富效应与信心效应对GDP产生影响。其结论是：尽管欧元区的股价冲击程度相对美国较小，但其对GDP的影响相对美国更小，其原由也许就在于相对欧元区股票在美国家庭的资产组合中所占的份额更为显著。

也有研究认为资产价格不含有预测未来通货膨胀的有价值的信息。例如，Gilchrist ＆Leahy（2002）构造了一个通货膨胀与各资产价格的回归方程。他们发现借贷利率与一年期的国库券利率的收益差、资产价格与通货膨胀显著相关，而S＆P500则与通货膨胀不相关。他们的结论是，尽管资产价格波动通过各种渠道影响实体经济，但是其中并不含有对于预测未来价格的有价值的信息，因而货币政策也不应建立在资产价格的基础上。直至今日，关于资产价格波动是否可以预测未来的通货膨胀问题，仍然是学术界和各国央行研究和讨论的焦点。Stock ＆Watson（2001）用168种经济指标来预测一年水平上美国的通货膨胀。他们的结论是实际经济行为的衡量方法绩效最佳；相较而言，股票价格与汇率表现要差于传统的菲利普斯曲线；而利率则包含有一定的信息。同时发现在G7国家里，没有一个指标能够可靠地预测未来的通货膨胀，于是对Cecchetti等人能够从资产价格内提取可靠的通货膨胀信号表示怀疑。同样，Bemanke ＆Gertler（1999、2001）在泰勒规则的基础上提供一个较为详尽的存在金融加速因子的新凯恩斯主义模型，简称为B-G模型，认为尽管在冲击的传输中资产价格起了一定的作用，但是在货币政策规则中纳入资产价格的收益仍然是微薄的。因为尽管股票价格直接影响产出，但是仅纳入产出与预期通货膨胀的货币政策规则所得收益涵盖了纳入资产价格的政策规则的绝大部分收益。他们认为货币当局不应对资产价格膨胀做出响应，那种认为货币当局能够预测通货膨胀、货币当局有能力盯住通货膨胀的假设过于牵强。Gilchrist ＆Leahy（2002）在B-G模型的基础上建立了一个新的B-G-C模型，其模拟分析的结论是，对于预测未来的价格而言，资产价格并不包含有价值的信息，尽管资产价格影响经济行为的渠道重要而又令人感兴趣，但作者并不认为货币政策就应建立在资产价格变动的基础上。

同时，众多研究表明资产价格膨胀与消费物价上涨之间的关系并不稳定，在不同的国家或同一国家的不同时期有差异。Filardo（2000）认为资产价格膨胀与消费物价上涨之间有关系，但其关系并不精确，作者认为的原因可能有：第一，房地产价格与股价并非是完全可靠的指示器，是因为这些价格并非Alchian ＆Klein的理论建议的理想替代品（该理论建议的最佳替代品是消费者持有的全部资产的综合指数）。第二，房地产价格与股价可以因一些与通货膨胀预期无关的因素发生变化，如投资者的风险偏好与公司收入预期的改善都会影响股价。作者还表示，即使资产价格包含关于通货膨胀与产出的信息，但是在利率波动方面的成本太高以致货币当局大都漠视这些信息。Cecchetti、Genberg、Lipsky ＆Wadhwani（2000）利用12个国家数据，估算了两类通货膨胀方程，其中一个方程只有滞后通货膨胀率一个解释变量，另一个方程则还包括Goodhart ＆Hofamnn考虑的变量即房地产价格与股票价格。他们得到了两点结论：第一，尽管单纯基于过去通货膨胀模型的预测绩效要优于包含其他变量的模型，但包含资产价格的模型预测绩效更好；第二，在预测绩效上不同国家之间的巨大差异表明，通货膨胀的预测过程在很重要的程度上受制于该国的特定环境。Cecchetti、Genberg ＆Wadhwani（2002）在Cecchetti、Genberg、Lipsky ＆Wadhwani（2000）提出的CGLW结构模型的框架中，针对资产价格变化与随之的消费物价上涨之间的潜在不稳定性提供了一个解释。他们认为，股价与汇率对扰动的内生性响应也会对通货膨胀有一个滞后的影响。这取决于经济体中根本性冲击的来源渠道，资产价格的上涨与未来通货膨胀之间的关系在规模与方向两者上都会发生改变。计量经济学模型测量的是一段特定的历史时期的平均关系，而且在很大程度上，在某些样本中是这种类型的扰动占主导地位，而另一些类型的扰动在其他的样本出现的频率则更高，因此，在这些简化的模型中，资产价格与通货膨胀之间的关系似乎不是稳定的。要想获得两者之间一个稳定的关系需要找到一种途径来判别什么是根本性扰动。尽管如此，Cecchetti、Genberg ＆Wadhwani还是认为他们有可能从资产价格中提取有用的信息，既可以得到通货膨胀的预期，还能够揭示未来经济的波动性。

国际清算银行（BIS，1998）发布的研究纲要证实，包括许多国家的实证研究会出现各式各样的结论。该纲要涵盖了14个国家的中央银行，尽管这些研究没有全部使用相同的方法，也没有使用资产价格的波动作为指标，但是其整个描述还是十分能说明问题的，大概能反映中央银行关于在货币政策机制的设计时如何利用资产价格的流行观点。在有些国家（如加拿大和德国）收益差价似乎对未来的通货膨胀有预测力，但是在诸如奥地利和瑞士则没有。在意大利，货币政策制度的变更则造成资产价格与通货膨胀之间的关系出现严重的不稳定性。

2.国内相关研究

我国学者直接研究资产价格波动影响通货膨胀预测的文献资料并不是很多，并且早期更多地集中于股票价格和收益与通货膨胀的关系，并没有将房地产作为一项特殊资产独立出来。随着我国住房货币化改革的深化以及房价突飞猛进的上涨，最近几年出现了一些针对房价和通货膨胀关系的研究，而且很多实证研究发现，房地产价格波动与通货膨胀之间显著相关，强于股票价格和通货膨胀关系，具有更高的研究价值。王恒（2005）以CPI为目标变量，CPI滞后项、商品房销售价格指数和上证综合指数作为因变量，采用1998～2003年月度数据进行逐步回归分析，结果显示房地产价格对于CPI有很好的解释度并且是CPI的先行指标。蔡晓春和罗江华（2008）采用1998年第3季度至2007年第4季度的季度数据作为样本空间，对消费者物价指数（CPI）、季度内股票市场平均行情（GPI，每个季度上证券综指的开盘价与收盘价的平均值）、房地产销售价格指数（HPI）取自然对数后，进行时间序列分析。结果表明，资产价格与通货膨胀之间确实存在长期的均衡关系，资产价格对通货膨胀具有显著的正向促进作用，其中房价变动对通货膨胀的影响大于股价变动。

与蔡晓春、罗江华得出的房价对通货膨胀具有正向促进的结论不同的是，王维安和贺聪（2005）的实证表明房地产预期收益率每下降1个百分点将会使通货膨胀上升0.58个百分点，得出两者呈负向相关关系。王维安和贺聪通过构建房地产均衡市场模型，在风险中性的假设前提下，利用无套利均衡定价原理，发展了从房地产价格波动中分离出市场通货膨胀预期的新方法，建立了通货膨胀预期与利率、金融市场风险、房地产价格与租金价格波动风险、房地产收益率之间的理论模型。在此基础上，通过采用VAR协整方法对中国房地产市场的实证研究发现，房地产预期收益率与通货膨胀预期之间存在稳定的函数关系，房地产预期收益率变化对通货膨胀变动的解释力很强，仅次于名义利率；另外房地产价格的波动性对通货膨胀变动的影响作用也比较强，说明房地产市场风险因素也是中央银行在分析市场通货膨胀预期变动中不能忽视的因素。

国内数据的实证研究不仅在房地产价格与通货膨胀率之间相关关系的正负方向上存在争议，而且在房地产价格与通货膨胀之间的因果关系分析上也得出了不同的结论。蔡晓春和罗江华（2008）的格兰杰因果检验结果表明我国资产价格与通货膨胀正处于一个螺旋上升的阶段，对产生资产泡沫和出现全面通货膨胀有重大隐患。在95%的置信水平下，我国股票价格的上涨是引致通货膨胀的原因，通货膨胀上升是引致房价上涨的原因，房价上涨又是引致股票价格上涨的原因。当股价、通货膨胀和房地产价格三个变量中任何一个受到冲击，脱离其均衡位置，都会引致其他两个变量发生变动。当某一变量上涨时，会同时引致其他两个变量上涨，从而三者呈现出螺旋上升的状态。廖湘岳和潘爱民（2008）选取1998年第3季度至2006年第3季度的房地产价格指数、消费价格指数与生产资料价格指数等经济指标，利用协整和Granger因果关系检验方法分析了房地产价格变动与物价总水平变动的关系，结果表明，房地产价格变化与物价总水平存在一定的长期关系，但这种关系是单向的，即房地产价格变动是物价总水平变动的Granger原因，而物价总水平的变动不是房地产价格变动的Granger原因。

同时，也有研究认为我国的房价上涨与通货膨胀率之间不存在显著的影响关系。例如，高清晖（2008）利用1998年3月～2007年9月111个样本数据，实证研究的结论是：股票价格对于通货膨胀率的影响是显著的，影响的程度仅次于货币供应量，甚至大于传统意义上的真实利率，并且也大于房屋价格，房地产价格对通货膨胀率并没有显著的影响。

王玉宝（2005）、汪衡（2005）等人通过加入资产价格因素，构造诸如金融市场指数或货币指数等来研究未来通货膨胀率的变化，从而证明资产价格波动对未来通货膨胀具有良好的预测功能。封北麟和王贵民（2006）运用VAR模型经验估计了中国的金融状况指数FCI，结果表明FCI指数对通货膨胀率具有良好的预测力。在此基础上，将FCI指数作为目标和信息变量纳入泰勒规则，运用GMM方法估计了中国的货币政策反应函数，发现FCI指数与短期利率存在正相关关系，可以成为货币政策的短期指示器；但是利率调节对CPI通胀率、产出缺口和金融形势的松紧变化均反应不足。特别是利率对金融形势松紧变化的调节不足，刺激了金融不平衡和资产价格泡沫的相互推动和累积，是经济发展不平稳的重要政策诱因。

以上是针对我国总体的房价与物价之间关系的研究，也有学者专门针对某一大中城市的房地产价格与物价的关系进行研究。例如，蔡风景、李元和王慧敏（2008）基于上海价格指数数据研究居民消费价格指数（CPI）、原材料燃料动力购进价格指数（REI）和工业品出厂价格指数（PPI）及房地产销售价格指数的传导效应。通过DAG技术和多元动态因果检验，给出4种价格指数的同期因果流，揭示它们之间的因果联系和信息传导。研究表明，PPI对CPI长期传导效应显著，房地产销售价格指数对CPI有一定的弱传导效应。因此，作者建议我国应重新编制CPI，提高居住类权重。李德智和李启明（2008）利用南京市2005年11月至2007年10月的房地产价格与物价数据，运用协整理论、误差修正模型和格兰杰因果检验方法定量分析两者关系，发现南京市房地产价格与物价存在协整关系，且短期内房地产价格是物价的格兰杰原因，而长期内则反之。房地产价格波动对CPI上涨具有时长6个月的负向滞后效应，长期弹性为负0.626 9，即房地产价格上涨将在一定时间后拉低物价。张红和章辉赞（2008）利用北京和上海1999年12月至2004年7月的月度数据，采用协整和Granger因果检验方法研究通货膨胀与商品住宅价格的关系。结果表明：在北京，通货膨胀与商品住宅价格不存在长期均衡关系，房地产价格抵御通货膨胀的能力不显著，应采用经济手段而非行政手段调控住宅市场。在上海，通货膨胀与商品住宅价格存在长期均衡关系；而且，房地产价格上涨会引发通货膨胀，应采取行政措施抑制房地产价格的快速上扬。

（五）综述述评

综上所述，国外发达国家房地产市场比较成熟，在房地产财富效应及其宏观经济影响方面的研究比较丰富，既涵盖理论基础方面，又涵盖实证检验方面，定性研究和定量研究并举，这对认清房地产价格波动的广义财富效应及其宏观影响提供了大量的可供参考的资料。由于我国房地产市场化改革时间较短，有关房地产价格上涨的广义财富效应的研究，不论是理论基础还是实证检验方面都有待深化和系统化，具体表现在：

（1）国内学者更重视股票市场财富效应的研究，针对房地产财富效应的研究还显粗糙，有待深化和系统化。房地产价格上涨是如何影响消费和投资，进而影响宏观经济，其作用机制并没有全部为我们所知晓，其影响程度和大小并没有一致的、公认的结论。这与现阶段我国房地产业迅猛发展，各地房地产价格高涨的现实背景，及我国政府为实现房地产业健康发展、经济持续增长及金融稳定而进行有效宏观调控的新的现实需求不相适应。

（2）房地产财富效应的研究视角还需拓展。房地产财富效应的研究都是沿用股票财富效应的研究视角，仅限于房地产价格波动引起房地产财富增减变动，进而对居民消费的影响进行研究。然而，房地产与股票的特性不同，房地产是一种特殊的具有双重属性的资产，既是人们的生活消费品和生产资料，又是人们投资获利的金融资产，以及银行信贷的抵押品。房地产财富变动不仅对居民日常总消费有影响，还可能对居民的住房消费和住房投资，对企业投资（包括房地产投资）产生影响，进而对总需求变动产生影响，最终对物价及整个宏观经济产生影响。房地产作为银行贷款的主要抵押品，房地产财富与银行信贷相互作用，还可能对金融稳定产生影响。房地产作为居民家庭财富的主要组成部分，房地产财富差距分化还会加剧收入差距，对社会产生影响。这些都可以概括为广义的房地产财富效应，即由于房地产价格波动引起房地产财富变动，最终对社会、经济产生的影响。

（3）我国房地产财富效应的研究在数据使用和研究方法上都有待改进。现有国内文献对房地产财富效应的实证研究仅局限于采用宏观数据，通过时间序列计量方法，在研究方法、指标选择和数据使用上并不存在太大差异的情况下，最终得出的结论却差异巨大。究其原因，可能与样本容量有限，导致所使用的计量方法得出的结果有偏差有关。

（4）针对我国房地产价格波动与信贷、金融稳定之间关系的研究，不论在理论分析还是在实证检验方面还缺乏令人信服的证据，有必要借鉴金融经济学中的相关理论和方法进行深入研究。

（5）国内学者针对我国居民住房财富差距问题的研究还停留在描述性分析层面，没有从理论上深入剖析住房财富差距分化的原因，更没有对居民住房财富的差距程度和流动程度进行量化实证研究。