Page 122 - 《北京工商大学学报(社会科学版)》2020年第4期
P. 122

第 35 卷摇 第 4 期         Nguyen Thithuha, 罗雪筠: 时变视角下房价对制造业投资影响的再审视


   持续健康发展。                                         月同比数据。
       已有研究就新常态背景下高房价对于实体经                             房价波动( HP )。 国家统计局于 2011 年 1
                                                                    t
   济,尤其是对制造业投资是否造成挤出效应展开                           月起不再发布全国房屋销售价格指数,转而公布
   了相关讨论。 挤出效应(crowding鄄out effect)原指              使用了新统计口径的 70 个大中城市新建住宅价
   增加政府投资对私人投资产生的挤占效应,从而                           格指数。 与二手房房价相比,新建住宅房价既能
   导致增加政府投资所带来的国民收入增加可能会                           反映其背后所包含的近期房地产投资,又能反映
   因为私人投资的减少而被全部或部分地抵消。 此                          市场投机资金带来的溢价作用。 本文选用 70 个
   外,挤出效应这一理论框架还被广泛地应用于一                           大中城市新建住宅当月同比价格指数来度量房价
   种投资的增加导致另一种投资的减少                   [21 - 25] 。 一  波动,数据来源于 Wind 数据库。
   部分观点认为,高昂的房价对于制造业造成了挤                               制造业投资(MI )。 制造业投资的表现反映
                                                                      t
   出效 应, 并 且 导 致 了 制 造 业 在 城 市 间 的 转               着一个经济体的实体经济发展情况的好坏。 目前
   移 [26 - 28] 。 程博  [29]  指出,这种挤出效应主要来自           中国的制造业划分成 31 类细分行业,包含了生活
   房地产绝对投资规模扩大和挤压技术升级融资两                           资料、轻工业和重工业。 因此,制造业投资能够较
   个方面。 肖珂、黄宗远         [30]  的研究也验证了房地产            为全面的体现实体经济各个领域的投资。 本文选
   行业制约了制造业内部技术创新从而挤出制造业                           用的制造业固定资产投资当月同比数据来源于
   发展的这一传导机制。 然而,陆桂贤、许承明                    [31]   CEIC 中国数据库。
   基于外部融资的视角发现,在排除制造业自身经                               股票市场(SM )。 股票市场是市场资金的又
                                                                    t
   营状况对于投资的影响后,房地产投资并没有对                           一大流向,股市的涨跌对于整体经济的运行有强
   于制造业投资造成挤出效应。 此外,诸多学者研                          烈的冲击作用,对实体经济,尤其是制造业,有着
   究发现,房价上涨对于实体经济的投资是具有拉                           不可替代的影响。 本文选用沪深 300 指数作为股
   动效应的    [7, 32 - 35] 。 综上所述,中国房价波动是否            票市场的代理变量。 沪深 300 指数覆盖了中国沪
   会对制造业造成挤出效应是一个实证问题,已有                           深市场 60% 左右的市值,具有较强的市场代表
   研究并没有得出较为普遍的一致结论。                               性。 本文选用的沪深 300 指数来源于 Wind 数据
       比较已有研究,本文从时变视角着手,构建                         库,并计算当月同比数据。
   TVP鄄VAR鄄SV 模型,基于 2011—2017 年 20 个大                  基础设施建设投资(II )。 对整体经济而言,
                                                                           t
   中城市的新建住宅价格数据,分析在房价过快增                           与制造业投资相比,基建投资有着扩散性、长期性
   长但增长速度不同的各个阶段,房价波动对于制                           等优势;对于投资者而言,基建投资则有项目投资
   造业投资的影响。                                        数额高、建设周期长等劣势。 因此,基建投资往往
       三、数据来源、指标说明及实证模型                            由政府主导,并占用大量的市场资金。 本文选用
       (一)数据来源及指标说明                                的基础设施建设固定资产投资当月同比数据来源

       本文选取样本的时间跨度为 2011 年 1 月—                    于 CEIC 中国数据库。
   2017 年 6 月,20 个大中城市,共计 78 个月的数                      上述变量均使用了当月同比的数据,具体描
                                                                      淤
   据。 具体的指标选取说明如下:                                 述性统计如表 1 所示 。 由表 1 可见,M2 当月同
       货币政策(MP )。 选择广义货币供应量 M2                     比的均值在 13郾 177% ,最大值为 17郾 200% ,最小
                    t
   作为中国货币政策的变量。 广义货币既包括了流                          值为 9郾 400% ,可以看出本文所选时间段中,中国
   通现金和企业活期存款,也包括定期存款、居民储                          的货币政策相对较为宽松,这也便于本文探究较

   蓄存款和其他存款。 中国人民银行于 2011 年 10                     为宽松的货币政策下,资本最终流向了哪一行
   月调整了广义货币供应量 M2 的统计口径,加入                         业。 70 个大中城市新建住宅当月同比价格指数
   了住房公积金存款和非存款类金融机构同业存款                           均值为 9郾 822% ,最大值为 31郾 500% ,最小值为
   两项。 由此可见,广义货币 M2 的变动能够较为                         - 4郾 000% 。 说明房价变化幅度较大,房价在选取
   全面地反映货币政策对于经济各领域的影响。 本                          期间存在较大的波动,这也为本文识别房价变动
   文选用的 M2 数据来源于 Wind 数据库,并计算当                     所产生的影响提供了研究条件。 制造业固定资产

                                                                                       · 1 1 7 ·
   117   118   119   120   121   122   123   124   125   126   127