一、问题的提出

自2021年以来,基于中央“房住不炒”定位,央行和银保监会多次强调“稳妥实施房地产金融审慎管理制度”。2021年3月发布的“十四五”规划明确提出,“实施金融安全战略,守住不发生系统性风险的底线”“建立住房和土地联动机制,加强房地产金融调控”。防范房地产金融风险是维护我国金融安全的关键,房地产金融风险是指,在商业银行为房地产业提供资金筹集、融通、清算等金融服务活动中,由于不确定因素的影响造成商业银行经济损失,从而引发的系统性金融风险。房地产金融风险不仅涉及单项业务、单个金融机构,也涉及整个房地产金融体系,会对金融系统造成巨大的负面冲击,还会引发全球性金融风险的多米诺骨牌效应。例如,20世纪80年代的日本泡沫经济、20世纪90年代的东南亚金融危机以及2007年美国次级房贷危机,都与房地产金融市场的剧烈波动密切相关。根据国家统计局数据,2016—2020年,我国每一年商品房均价同比涨幅均大于5.5%,同时房地产金融化程度不断加深,泡沫化趋势逐渐加重。新冠病毒感染疫情冲击下,2021年全国商品房均价同比下降幅度为2.8%,中国房地产经济出现萎缩,房地产企业接连破产,居民房贷出现断供,商业银行坏账持续攀升等问题逐渐显现[1],局部市场过热等结构性矛盾愈加突出。在金融加速器效应下,房地产金融风险存在“升缓降急”的非对称性,疫情的蔓延加大了中国房地产金融风险的波动溢出[2],系统性房地产金融风险一触即发,并且中国经济正面临“三期叠加”的多重压力,在后疫情时代,如何通过优化房地产金融市场政策有效地防范房地产金融风险值得关注。

房地产的金融属性源于房价攀升带来的投资价值[3],房价增长存在较强的空间联动性[4],房价泡沫化是房地产过度金融化的现实表征,基于“信贷—资产价格周期”理论以及“金融经济周期”理论,地方政府债务与房地产信贷同样加剧了房地产的金融属性[5]。现有文献多聚焦房地产价格、房地产泡沫等空间联动问题[6],认为房地产风险与金融风险密切相关。然而,鲜有文献分析房地产金融风险的时空演化特征,更缺乏从动态视角对跨期跨区房地产金融风险空间溢出机制的研究。因此,本文综合考虑我国体制背景,将地方政府债务风险、信贷扩张与房地产金融风险置于同一研究框架,分析房地产金融风险的演化特征及其影响因素,以期为各级政府防范系统性金融风险提供新视角和新路径,这对落实我国金融安全战略具有重要的现实意义。

本文可能的边际贡献在于:一是采用三维核密度估计和空间相关性研究方法,客观分析房地产金融风险的演化趋势和特征,并通过构建动态空间杜宾模型,揭示房地产金融风险跨期跨区的风险溢出机制,拓展了房地产金融风险的研究范围;二是从动态视角揭示地方政府债务风险和信贷扩张对房地产金融风险的影响机制,并进一步探究各影响因素的长期效应和短期效应、直接效应和间接效应,为房地产金融风险的系统性防控提供了理论支撑和政策依据。

二、理论分析与研究假设

突发性事件不仅会对局部金融市场产生冲击,也可能诱发多部门、跨地区的金融风险。房地产市场、地方政府债务和信贷市场作为重大金融风险冲击的源头,是系统性风险叠加共生的重要载体。因此,地方政府债务、信贷扩张与房地产金融风险存在紧密关系。

(一)地方政府债务风险对房地产金融风险的影响机制

2008年以来,我国地方政府举债规模持续扩大,地方政府债务风险呈现复杂网络特征和空间外溢特征[7]。地方政府以土地出让金作为担保的举债行为具有融资放大效应,且与房地产金融部门直接捆绑[8]。尤其在土地财政依赖严重的地区,受制于房地产调控政策,存在较大的债务风险隐患[9]。因此,由地方政府债务扩张带来的债务风险可能会直接转化为房地产金融风险,从而诱发房地产金融危机。此外,房地产金融风险与地方政府债务风险已打破部门和地域界限[10],通过双向风险传导在区域间形成“多米诺骨牌效应”[11],并表现出显著的跨区域空间关联特征[12]。地方政府债务融资、房地产调控等政府策略互动存在空间关联性[13],为地方政府债务风险对房地产金融风险产生空间外溢作用提供了可能[14]。而当某地区面临较高的债务风险时,其邻近地区政府会产生警惕行为,并积极采取缩减债务支出的预防措施,进而邻近地区的房地产金融风险可能会降低。因此,本文提出如下假设。

H1:地方政府债务风险对房地产金融风险具有正向直接影响和负向空间溢出效应。

(二)信贷扩张对房地产金融风险的影响机制

商业银行信贷过度扩张是诱发系统性风险的根源之一[15],政策调控则是影响房地产金融风险的重要外部因素[16],这是因为中国土地购置和房地产开发融资大多来源于商业银行贷款,而信贷政策的宽松程度决定了房地产企业的融资难度和商业银行的放贷额度。一方面,房地产信贷规模扩张,能够缓解房地产企业的融资约束,从而有效增加住房供给,但当过多资金被配置到房地产市场时,会引起实体投资等要素发生联动变化,加剧房地产业金融化程度[17]。另一方面,房地产信贷扩张具有金融加速器效应,是银行部门的重要风险敞口[18-19],也是造成房价泡沫破裂的重要因素[20-21]。因此,信贷扩张可能导致房地产金融风险的急剧上升。此外,基于空间经济学经典理论和金融风险传染理论,房地产金融风险可能会产生唤醒效应和季风效应。在风险跨部门、跨区域传染背景下,当某地区的银行信贷风险增加时,其邻近地区的金融风险也会相应增加,由此形成的交叉风险传染效应对房地产系统具有更强的冲击。因此,本文提出如下假设。

H2:信贷扩张对房地产金融风险具有正向直接影响和正向空间溢出效应。

三、研究设计

(一)样本选取与数据来源

本文选取2011—2020年中国31个省份(不含港澳台地区)样本,数据来源于《中国国土资源统计年鉴》《中国房地产统计年鉴》、国家统计局数据库、CSMAR数据库、Wind数据库以及CEIC经济数据库。对于个别年份缺失的变量,采用 GM(1,1)灰色预测均值差分方法进行估值。

(二)变量说明

本文以房地产金融风险作为被解释变量,地方政府债务风险和信贷扩张作为解释变量,其他影响房地产金融风险的因素作为控制变量纳入实证模型,主要变量设定与含义如表1所示。

1.被解释变量

参考鞠方等[22]的做法,本文的被解释变量房地产金融风险(FR)用房地产开发贷款额与房地产开发投资额的比值进行度量。该数值越大,说明聚集在商业银行的房地产金融风险越大,越容易引发系统性金融风险。

2.解释变量

地方政府债务风险(LGD)和信贷扩张(CE)是本文的解释变量。参考伏润民等[23]的做法,采用地方政府债务余额的对数值度量地方政府债务风险;参考潘海峰、张定胜[17]以及王伟等[24]的做法,以房地产开发企业国内贷款额占地区生产总值的比重度量信贷扩张。

3.控制变量

参考已有文献[22,25]的做法,综合考虑房地产市场和社会经济发展等方面,选取房地产投资增长率(IGR)、房屋供应面积(HS)、房地产贷款增长率(LGR)、房价(HP)、土地财政依赖度(LFD)、产业结构(ISO)和人均可支配收入(PCI)作为本文的控制变量。

(三)实证模型构建

1.空间面板计量模型的构建

空间面板计量模型包括空间滞后模型(SLM)、空间误差模型(SEM)以及空间杜宾模型(SDM)三种主要类型。相较于静态空间杜宾模型,动态空间杜宾模型不仅能够得到有效和无偏的估计结果,还能够缓解模型的内生性问题。特别地,金融风险具有时间滞后性[26-27],上一期的房地产金融风险可能会对本期产生重要影响,即存在一定惯性效应。因此,本文更适合构建包含动态效应的房地产金融风险SDM模型,模型的具体形式如式(1)所示。

ϑt+εi,t

(1)

其中,下标i为省份,t为时间,j为省份i的邻近省份,X为控制变量。α为常数项,τ为时间滞后项系数,ρ、β2、β4、γ分别为相应变量的空间滞后项系数,δ为时空滞后项系数,Wi,j为空间权重矩阵,β1、β3、θ′分别为相应变量的系数,μi表示空间效应,ϑt表示时间效应,ε为随机误差项。

2.空间权重矩阵的构建

基于实际地理距离构造空间权重矩阵Wi,j,di,j为省份i和其邻近省份j之间的实际地理距离,Wi,j为省份i和其邻近省份j之间地理距离的倒数,矩阵如式(2)所示。

(2)

四、房地产金融风险演化特征分析

(一)核密度估计分析

本文参考沈丽、刘媛[10]的研究方法,借助Matlab软件绘制了2011—2020年中国房地产金融风险的三维核密度估计曲线,以此刻画房地产金融风险的时序演化特征。如图1所示,从核密度曲线来看,其左右移动但整体表现出向右偏移的趋势,说明中国房地产金融风险在2011—2020年呈现波动上升的演进特征。从曲线主峰来看,呈现上下波动态势,波峰逐渐变宽,表明在本文的研究期内中国房地产金融风险省际差异逐渐扩大,但波动幅度逐渐变小,即省际差异扩大趋势有所减缓。从曲线波峰形态来看,呈现一个主峰和多个小次峰的形态,表明在本文的研究期内中国房地产金融风险没有出现两极分化的特征。从曲线拖尾来看,其分布延展性在一定程度上存在收敛趋势,表明在本文的研究期内中国房地产金融风险处于高值区的省份数量逐渐减少,全国范围内的区域差距在逐渐缩小。根据核密度曲线变化形态特征可以看出,中国房地产金融风险的时序演进过程是地区差异与时段变化叠加共生的结果。

(二)空间相关性分析

1.全局空间相关性分析

本文通过全局莫兰指数(Moran’s I)来检验全局空间相关性,以考察各省份房地产金融风险总体的空间依赖程度。基于地理距离空间权重矩阵,借助Stata软件对被解释变量和解释变量做全局指数的单尾检验,实证结果如表2所示。在研究期内,被解释变量和核心解释变量均存在显著的空间正相关性,且Moran’s I整体呈现上升趋势,说明中国房地产金融风险、地方政府债务风险及信贷扩张具有明显的空间依赖性,且空间依赖性逐渐加强。

2.局部空间相关性分析

本文通过局部Moran’s I来检验局部空间相关性,以进一步分析房地产金融风险局部空间集聚特征。基于地理距离空间权重矩阵,选取2011年和2020年的数据进行局部空间相关性检验,并借助Stata软件绘制房地产金融风险局部 Moran’s I散点图,如图2和图3所示。从房地产金融风险集聚分布情况来看,大多数省份分布在第Ⅰ和第Ⅲ象限内,说明各省份的房地产金融风险集聚情况以高—高集聚和低—低集聚为主。相较于2011年,2020年的集聚特征明显加强。此外,本文借助LISA集聚分析方法,进一步考察了具体省份的风险演化趋势,实证结果显示,在2011年,黑龙江呈低—低集聚状态,表明其与周边省份处于房地产金融风险洼地;新疆和河北呈低—高集聚状态,表明新疆和河北的房地产金融风险较低,其周围省份的房地产金融风险较高。在2020年,山东、江苏、上海和浙江的房地产金融风险呈高—高集聚状态,具有明显的扩散效应;河北、安徽和福建呈低—高集聚状态,表明其自身房地产金融风险较低,且与风险较高的省份集聚;四川呈高—低集聚状态,表明四川的房地产金融风险较大,并与房地产金融风险低的省份集聚。

通过以上分析发现,中国房地产金融风险具有明显的空间依赖性,局部空间格局以高—高集聚和低—低集聚为主,以低—高集聚和高—低集聚为辅。因此,需构建空间计量模型,进一步研究省际空间溢出效应。

五、实证结果分析

(一)描述性统计

本文利用2011—2020年中国31个省份平衡面板数据进行研究,并对部分变量做取对数处理,以消除异方差的影响。主要变量的描述性统计结果如表3所示。其中,房地产金融风险(FR)的均值为0.187,最大值为0.581,最小值为0.015,标准差为0.109,表明不同地区房地产金融风险差异较大。同时,地方政府债务风险(LGD)呈现“均值大、标准差大”的特点,信贷扩张(CE)呈现“均值小、标准差小”的特点。控制变量方面,不同地区在房地产市场和社会发展方面也存在着明显差异。

(二)实证模型的选择

为确保实证模型选择的科学性和有效性,借助Stata软件对空间计量模型进行检验。首先,对模型进行方差膨胀因子(VIF)检验,检验结果显示,VIF值均低于10,表明不存在严重的多重共线性问题。其次,对空间计量模型进行检验与识别。对空间依赖性存在形式检验发现,LM lag和robust LM lag统计量分别为23.869和20.857,均通过了1%水平的显著性检验;LM error和robust LM error统计量分别为3.026和0.013,前者通过了10%水平的显著性检验,而后者并未通过检验,说明房地产金融风险标准空间计量模型存在滞后形式。空间计量模型检验结果显示,Wald和LR的空间滞后项和空间误差项均通过了1%水平的显著性检验,拒绝了原假设“SDM模型可以简化为SLM模型和SEM模型”。因此,本文采用SDM模型来测度房地产金融风险的空间溢出效应是有效的。此外,Hausman检验在1%的水平下拒绝随机效应的原假设,也说明应采用固定效应SDM模型。

(三)全域实证结果分析

1.模型估计结果分析

对静态SDM模型固定效应以及动态SDM模型的时间固定效应、空间固定效应、时空固定效应分别做模型估计,结果如表4所示。对比静态SDM模型,三种动态SDM模型同时包含时间滞后效应、空间滞后效应以及时空滞后效应,因此其参数估计结果对计量模型具有更强的解释力。在动态SDM模型估计结果中,被解释变量的时间滞后项均通过了1%水平的显著性检验,也进一步验证了采用动态SDM模型的合理性和必要性。

综合分析动态SDM三种固定效应模型估计结果可知,空间维度方面,房地产金融风险的空间滞后项在地理距离空间权重矩阵下显著且系数为正,说明中国房地产金融风险在地理距离相近的地区存在显著的空间溢出效应。这与全局空间自相关检验结果一致。时间维度方面,滞后一期的房地产金融风险回归系数均为正,且变量都通过了1%水平的显著性检验,说明中国房地产金融风险存在显著的“时间惯性”,具有一定的路径依赖特征,即当期房地产金融风险处于较高水平时,下一期房地产金融风险水平可能持续增高,表现出一定的雪球效应。可能的原因是,对于房地产相关政策的调整,如房地产金融信贷、房价调控、房产税税收等政策的调整,其本身具有时间上的滞后性,从而引起房地产金融风险的变化也随之滞后。时空双向维度方面,在空间固定效应中房地产金融风险的时空滞后项系数为负,且变量通过10%水平的显著性检验,表明本地区上一期较高的房地产金融风险对邻近地区本期的房地产金融风险具有一定的抑制作用,即在时间维度和空间维度上存在警示效应。可能的原因是,面对本地区较高的房地产金融风险,邻近地区政府在居民、房企等社会压力下会提前采取积极的措施应对房地产金融风险。

在动态SDM模型估计结果方面,三种固定效应下两个地方政府债务风险的系数均为正,说明地方政府债务风险对房地产金融风险可能存在正向关联作用。在空间固定效应和时空固定效应下,地方政府债务风险的空间滞后项显著且系数为负,表明本地区地方政府债务风险对邻近地区的房地产金融风险发挥了抑制作用,即本地区地方政府债务风险越大,邻近地区的房地产金融风险越小。在动态SDM三种固定效应模型中,信贷扩张及其空间滞后项均显著且系数为正,表明信贷扩张对房地产金融风险存在正向影响,对邻近地区的房地产金融风险也存在正向影响。

综上所述,中国各省份的房地产金融风险不仅存在内生的时间滞后效应和空间交互效应,还存在外生的地方政府债务风险和信贷扩张的空间交互效应。这也再次表明,探讨中国房地产金融风险的影响因素,不能忽略各变量对房地产金融风险产生的跨区域空间溢出效应。

2.影响因素效应分析

动态SDM模型估计结果并不能直接探讨地方政府债务风险和信贷扩张对房地产金融风险的边际影响,借助偏微分分解方法,可将各影响因素对房地产金融风险的影响分解为直接效应、间接效应和总效应。直接效应指的是某影响因素变动对本地区房地产金融风险的直接影响,间接效应指的是某影响因素的变化对邻近地区房地产金融风险的影响,表现为该影响因素的空间溢出效应。由于动态SDM模型包含了滞后一期的房地产金融风险及其空间滞后项,在时间维度上,直接效应、间接效应及总效应又可分为短期效应和长期效应,以反映各影响因素对房地产金融风险的短期即时影响和考虑时间滞后的长期影响。根据表4模型估计结果,动态SDM模型空间固定效应的Log-L值最大,模型估计结果最佳。因此,本文根据各变量实际经济含义,重点对空间固定效应下的动态SDM模型做效应分析,结果如表5所示。

从地方政府债务风险效应分解结果来看,除短期和长期的直接效应分别通过了10%和5%水平的显著性检验,其他效应均通过了1%水平的显著性检验。短期和长期的直接效应系数均为正,且长期直接效应大于短期直接效应,说明地方政府债务风险对房地产金融风险存在显著的正向直接影响,且该影响在长期逐渐变大且其显著性增强。短期和长期的间接效应系数均为负,且长期间接效应绝对值大于短期间接效应绝对值,说明地方政府债务风险对房地产金融风险存在显著的负向空间溢出效应,且该效应会伴随着时间的推移而增强。无论长期还是短期,间接效应绝对值均大于直接效应绝对值,说明地方政府债务风险对房地产金融风险的影响主要体现在空间溢出方面。因此,H1得到验证。从信贷扩张效应分解结果来看,各个效应均为正且通过了1%水平的显著性检验。长期直接效应大于短期直接效应,说明信贷扩张对房地产金融风险具有显著的正向直接影响,且该影响较为长远。长期间接效应小于短期间接效应,说明信贷扩张对房地产金融风险存在显著的正向空间溢出效应,且该效应会伴随着时间的推移而减弱。因此,H2得到验证。

从控制变量效应分解结果来看,根据表5中直接效应检验结果,房地产投资增长率和房地产贷款增长率均通过了1%水平的显著性检验,房屋供应面积和土地财政依赖度均通过了5%水平的显著性检验,以上影响显著变量的长期效应绝对值均大于短期效应绝对值,说明各个变量均对房地产金融风险具有长远影响。通过分析以上影响显著变量的系数符号发现,房地产投资增长率、房屋供应面积和土地财政依赖度对房地产金融风险具有显著的负向影响,而房地产贷款增长率对房地产金融风险具有显著的正向影响。根据表5中间接效应的检验结果,短期和长期的房地产投资增长率均通过了至少10%水平的显著性检验,且长期效应绝对值小于短期效应绝对值,即房地产投资增长率对房地产金融风险存在显著的负向空间溢出效应,且该效应在短期更加明显。

(四)内生性处理

本文采用动态SDM模型探究房地产金融风险的影响机制,该计量模型同时包含被解释变量的时间滞后项、空间滞后项和时空滞后项,以及解释变量的空间滞后项,这不仅能够降低空间自回归系数的有偏性,还能够有效降低互为因果的内生性干扰。为确保研究的可靠性,本文进一步采用面板工具变量法探讨内生性问题。参考李双建、田国强[28]以及余明桂、王空[29]的做法,选取地方财政支出中的医疗卫生支出和农林水事务支出作为地方政府债务风险的工具变量;同时,参考高楠等[30]将银行分支机构数量作为家庭信贷约束的工具变量这一思路,选取房地产开发企业数量作为房地产金融市场信贷扩张的工具变量。房地产开发企业数量与房地产信贷规模密切相关,能够影响房地产金融市场信贷扩张,但并不直接影响房地产金融风险,满足工具变量的相关性和外生性条件。

为提高研究结论的可靠性,本文参考李双建、田国强[28]的方法,采用两阶段最小二乘法(2SLS)、有限信息极大似然估计法(LIML)和广义矩估计法(GMM)三种计量方法进行内生性处理。地方政府债务风险和信贷扩张的工具变量估计结果如表6所示,表中Anderson canon. corr. LM统计量的p值均为0.000 0,说明不存在工具变量识别不足的问题;Cragg-Donald Wald F统计量均大于10,表明模型不存在弱工具变量问题。对地方政府债务风险的两个工具变量进行过度识别检验,三种检验方法中Sargan统计量的p值均大于0.1,说明所选工具变量均符合外生性。此外,三种检验方法的估计结果高度相似,并且解释变量估计结果和静态基准回归模型的估计结果基本一致,这表明在内生性处理后,本文的研究结论依然稳健。

(五)进一步分析:区域异质性

由于资源禀赋和发展阶段不同,无论房地产金融风险还是地方政府债务风险、信贷扩张等,在东部、中部、西部地区分布上都存在着明显的异质性特点。因此,本文进一步讨论房地产金融风险的区域异质性。

1.模型估计结果分析

通过模型检验发现,对于东部地区和西部地区,空间固定效应下的动态SDM模型估计结果最佳,而中部地区时空固定效应下的动态SDM模型估计结果最佳,回归结果如表7所示。空间维度方面,东部、中部、西部三个地区的房地产金融风险空间滞后项均显著且系数为正,表明三个地区都存在显著的空间溢出效应,这与全域实证分析结果一致,也进一步验证了模型的稳健性。时间维度方面,东部、中部、西部三个地区滞后一期的房地产金融风险均显著且系数均为正,表明三个地区的房地产金融风险都存在显著的时间惯性,且该作用强度从大到小依次为中部地区、东部地区、西部地区。时空双向维度方面,东部地区房地产金融风险的时空滞后项显著且系数为负,意味着在东部地区,本地区上一期较高的房地产金融风险会对邻近地区本期的房地产金融风险产生抑制作用,即存在明显的警示效应,这与全域检验结果一致。而中部地区房地产金融风险的时空滞后项显著且系数为正,意味着在中部地区,本地区上一期的房地产金融风险越大,邻近地区本期的房地产金融风险也会越大,即存在风险时空扩散效应。西部地区房地产金融风险的时空滞后项系数为负,但变量并不显著。

2.影响因素效应分析

本文还给出了东部、中部和西部地区房地产金融风险影响因素的效应分解结果,具体回归结果如表8和表9所示。

在东部地区,各影响因素的长期效应均不显著,因此本部分重点分析短期效应,其政策实施也应侧重短期效果。根据表8中短期直接效应的检验结果,信贷扩张、房地产投资增长率、房地产贷款增长率、土地财政依赖度均通过了1%水平的显著性检验,房屋供应面积通过了5%水平的显著性检验。通过分析以上影响显著变量的系数符号发现,信贷扩张、房地产贷款增长率对房地产金融风险具有显著的正向影响,而房地产投资增长率、房屋供应面积和土地财政依赖度对房地产金融风险具有显著的负向影响。根据表8中短期间接效应的检验结果,地方政府债务风险、信贷扩张、房地产贷款增长率和土地财政依赖度均通过了1%水平的显著性检验,房价通过了5%水平的显著性检验。通过分析以上显著性变量的系数符号发现,信贷扩张、房价和土地财政依赖度对房地产金融风险存在显著的正向空间溢出效应,而地方政府债务风险和房地产贷款增长率对房地产金融风险存在显著的负向空间溢出效应。

在中部地区,各影响因素的短期效应均不显著,因此本部分重点分析长期效应,其政策实施也应当侧重长期效果。根据表9中长期直接效应的检验结果,信贷扩张、房地产投资增长率、房地产贷款增长率、土地财政依赖度和产业结构均通过了1%水平的显著性检验,房屋供应面积通过了5%水平的显著性检验。通过分析以上影响显著变量的系数符号不难发现,信贷扩张、土地财政依赖度和产业结构对房地产金融风险具有显著的正向影响,而房地产投资增长率、房屋供应面积和房地产贷款增长率对房地产金融风险具有显著的负向影响。根据表9中长期间接效应的检验结果,地方政府债务风险、房地产投资增长率、房屋供应面积、房地产贷款增长率和产业结构均通过了1%水平的显著性检验,信贷扩张通过了5%水平的显著性检验,房价通过了10%水平的显著性检验。通过分析以上影响显著变量的系数符号可以发现,房地产投资增长率、房屋供应面积和产业结构存在显著的正向空间溢出效应,而地方政府债务风险、信贷扩张、房地产贷款增长率和房价对房地产金融风险存在显著的负向空间溢出效应。

在西部地区,整体对比各影响因素的短期效应和长期效应不难发现,不同变量既有短期的即时影响,也具有长期的深远影响。根据表8和表9中短期直接效应和长期直接效应的检验结果,信贷扩张、房地产贷款增长率、产业结构均通过了1%水平的显著性检验。通过分析以上影响显著变量的系数符号可以发现,信贷扩张和房地产贷款增长率对房地产金融风险具有显著的正向影响,而产业结构对房地产金融风险具有显著的负向影响。根据表8和表9中短期间接效应和长期间接效应的检验结果,地方政府债务风险和房地产投资增长率均通过了不同水平的显著性检验,表明地方政府债务风险和房地产投资增长率对房地产金融风险存在显著的负向空间溢出效应。以上变量的长期效应绝对值均大于短期效应绝对值,说明在西部地区,各影响因素的长期效应更为明显。

六、研究结论与政策建议

(一)研究结论

本文从时空角度分析了房地产金融风险演化特征,并通过构建动态空间杜宾模型探究了房地产金融风险的空间溢出机制、影响因素及其作用机理,得出以下主要结论。

在房地产金融风险时空演化特征方面,2011—2020年,中国房地产金融风险整体呈现波动上升的演进特征,且省际差异在逐渐缩小;全局具有明显的空间依赖性,局部空间格局以高—高集聚和低—低集聚为主,以低—高集聚和高—低集聚为辅。中国房地产金融风险存在显著的时间雪球效应、空间溢出效应以及时空维度的警示效应。在房地产金融风险影响因素方面,地方政府债务风险对房地产金融风险存在正向直接影响和负向空间溢出效应,且直接影响和空间溢出的长期效应更加明显;信贷扩张对房地产金融风险存在正向直接影响和正向空间溢出效应,且直接影响的长期效应更明显,而空间溢出的短期效应更明显。东部、中部、西部地区房地产金融风险及其影响因素的作用机制存在区域异质性。

(二)政策建议

基于本文的实证结果,结合我国经济社会发展战略部署以及房地产金融风险阶段性、空间性发展特征,本文提出如下政策建议。

第一,统筹省际政策联动,防范房地产金融风险区域溢出。房地产金融风险具有空间依赖和集聚特征,因此应充分考虑省际房地产金融风险的空间溢出效应,防范房地产金融风险跨期、跨区、跨部门传染,实现时间维度的稳中求进与空间维度的循序蔓延。在时间上因势利导,将房地产调控力度与市场形势相匹配,实现住房、土地、金融、财税等制度供给在时序上的合理性;在空间上因地制宜,统筹把握省际房地产调控政策出台的协调性,注重关键性改革举措在省域层面的节奏急缓与空间次序。

第二,加强地方政府债务管理,弱化其与房地产的联动效应。房价、土地财政依赖度等因素对房地产金融风险也存在显著影响。因此,政府债务治理和房地产政策调控需要“双管齐下”,弱化地方政府债务与房地产金融风险的联动效应。应严格控制地方政府债务规模,规范地方政府融资平台的运作,限定地方政府债务增量,降低地方政府举债冲动,硬化地方政府预算约束。稳妥推进房产税试点,减少住房的“投资属性”,平稳市场预期,逐步降低土地财政依赖度,实现地方政府收入从土地财政向房地产税转型。

第三,监控房地产信贷规模,引导信贷资金流向。以“房企融资三道红线”“银行业涉房贷款两道红线”为基础,加强对抵押信贷和相关衍生品的监管,优化房地产金融资源配置,加强跨期跨区的房地产信贷管理工作,防止过量资金进入房地产市场。结合我国区域协调发展战略部署和城市群发展规划,化解区域间房地产信贷供需错配等空间结构性矛盾。动态监测房地产信贷资金规模,引导信贷资金流向,避免金融市场与信贷结构扭曲。加大对房地产企业数字化升级等领域的信贷力度,引导信贷资金投入国民重要行业和关键领域。

参考文献：

[1]刘伟,苏剑.中国宏观经济态势与政策分析——2022年的回顾与2023年的展望[J].经济理论与经济管理, 2023(3):13-23.

[2]郭文伟,朱洪进,马晓文.结构性去杠杆与中国房地产金融业波动溢出风险:促进还是抑制?[J].云南财经大学学报,2022(1):40-58.

[3]王可,杨雨晴.房地产的金融属性与宏观债务效应研究[J].经济问题,2018(7):34-38.

[4]BASHAR O. An intra-city analysis of house price convergence and spatial dependence[J]. Journal of Real Estate Finance and Economics,2021,63(4):525-546.

[5]唐云锋,刘清杰.地方债务与房价风险联动的理论维度、历史逻辑与现实路径[J].现代财经(天津财经大学学报),2021(9):33-42.

[6]TOMAL M. Spillovers across house price convergence clubs：evidence from the Polish housing market[J]. Real Estate Management and Valuation,2020,28(2):13-20.

[7]王周伟,赵启程,李方方.地方政府债务风险价值估算及其空间效应分解应用[J].中国软科学,2019(12):81-95.

[8]梅冬州,温兴春,王思卿.房价调控、地方政府债务与宏观经济波动[J].金融研究,2021(1):31-50.

[9]刘尚希,蒋毅.地方政府债券风险管理——基于区域差异性的分析[J].财政研究,2021(11):12-22.

[10]沈丽,刘媛.全球政府债务扩张的地区差距及空间分布动态演进研究[J].数量经济技术经济研究,2020(5):139-155.

[11]张璇,张梅青,唐云锋.地方政府债务风险与金融风险的动态交互影响研究——基于系统动力学模型的政策情景仿真[J].经济与管理研究,2022(7):3-15.

[12]邓慧慧,赵家羚.地方政府经济决策中的“同群效应”[J].中国工业经济,2018(4):59-78.

[13]彭旭辉,杨迎亚.地方政府竞争与征地冲动——网络及空间视角[J].北京理工大学学报(社会科学版),2022(2):141-152.

[14]张帆,孟磊,毛佳莹.财政不平衡、转移支付与地方政府债务融资[J].江南大学学报(人文社会科学版),2022(5):27-39.

[15]童中文,解晓洋,邓熳利.中国银行业系统性风险的“社会性消化”机制研究[J].经济研究,2018(2):124-139.

[16]ZHANG C, LI M, LI Y. Financial risk analysis of real estate bubble based on machine learning and factor analysis model[J]. Journal of Intelligent and Fuzzy Systems,2020, 40(1):1-12.

[17]潘海峰,张定胜.信贷约束、房价与经济增长关联性及空间溢出效应——基于省域面板数据的空间计量[J].中央财经大学学报,2018(11):82-95.

[18]白鹤祥,刘社芳,罗小伟,等.基于房地产市场的我国系统性金融风险测度与预警研究[J].金融研究,2020(8):54-73.

[19]方意,荆中博,马晓.中国房地产市场对银行业系统性风险的溢出效应[J].经济学(季刊),2021(6):2037-2060.

[20]JUSTINIANO A,PRIMICERI G,TAMBALOTTI A．Credit supply and the housing boom[J]. Journal of Political Economy,2019,127(3):1317-1350．

[21]RYCZKOWSKI M. Money, credit, house prices and quantitative easing-the wavelet perspective from 1970 to 2016[J]. Journal of Business Economics and Management,2019, 20(3):546-572.

[22]鞠方,阳娟,黎小佳.基于空间异质性的中国住房空置率与房地产金融风险研究[J].财经理论与实践,2018(4):26-31.

[23]伏润民,缪小林,高跃光.地方政府债务风险对金融系统的空间外溢效应[J].财贸经济,2017(9):31-47.

[24]王伟,王茜,汪玲.金融竞争力、信贷扩张与经常账户不平衡[J].国际金融研究,2019(6):48-56.

[25]林馨,吕萍.基于空间杜宾模型研究京津冀城市群房价空间相关性及影响因素[J].经济问题探索,2021(1):79-90.

[26]周建军,孙倩倩.货币政策对房地产金融风险的影响研究——基于SVAR模型与门槛模型的实证分析[J].财经理论与实践,2019(4):32-37.

[27]苑莹,王海英,庄新田.基于非线性相依的市场间金融传染度量——测度2015年中国股灾对重要经济体的传染效应[J].系统工程理论与实践,2020(3):545-558.

[28]李双建,田国强.地方政府债务扩张与银行风险承担：理论模拟与经验证据[J].经济研究,2022(5):34-50.

[29]余明桂,王空.地方政府债务融资、挤出效应与企业劳动雇佣[J].经济研究,2022(2):58-72.

[30]高楠,马媛媛,何青.融资需求、信贷约束与经济诈骗[J].世界经济,2022(4):134-161.

Evolution Characteristics and Influencing Factors of Real Estate Financial Risks—Based on the Dynamic Spatial Durbin Model

ZHANG Xuan1, ZHANG Meiqing1 &TANG Yunfeng2 (1. School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China; 2. School of Public Finance and Taxation, Zhejiang University of Finance and Economics, Hangzhou, Zhejiang 310018, China)

Abstract： Real estate financial risk is a key part of systemic financial risk. Preventing real estate financial risk is an important measure to implement China’s financial security strategy. This paper uses 31 provincial panel data in China from 2011 to 2020 to analyze the spatio-temporal evolution characteristics of real estate financial risks and explores the spillover mechanism of real estate financial risks and its influencing factors by constructing a dynamic spatial Durbin model. The results are as follows. (1) China’s real estate financial risk rises in fluctuations, with narrowing inter-provincial differences. There is obvious spatial dependence in the global, but the local spatial pattern is dominated by high-high agglomeration and low-low agglomeration. (2) The real estate financial risk shows snowball effect, spillover effect, and warning effect in time, space, and space-time dimensions, respectively. (3) Local governments’ debt risk has a positive direct impact and a negative spatial spillover effect on real estate financial risk. However, credit expansion has a positive direct impact and a positive spatial spillover effect on real estate financial risk. Therefore, it is necessary to coordinate inter-provincial policy linkage, strengthen local governments’ debt management, and monitor real estate credit scale, so as to prevent real estate financial risk.

Key Words： real estate finance; financial risk; risk evolution; spatial agglomeration; spatial spillover effect; dynamic spatial Durbin model

doi：10.12085/j.issn.1009-6116.2023.04.009

引用格式：张璇,张梅青,唐云锋.房地产金融风险演化特征及其影响因素——基于动态空间杜宾模型[J]. 北京工商大学学报(社会科学版),2023,38(4):101-114.

ZHANG Xuan, ZHANG Meiqing, TANG Yunfeng. Evolution characteristics and influencing factors of real estate financial risks—based on the dynamic spatial durbin model[J]. Journal of Beijing Technology and Business University (Social Sciences), 2023,38(4):101-114.

中图分类号：F293.3

文献标志码：A

文章编号：1006116(2023)001014

收稿日期：202029

基金项目：浙江省自然科学基金项目“空间效应视角下地方债务与房价的风险强化机制研究”(LY20G030014);国家社会科学基金项目“金融安全视角下房地产与地方债务风险叠加效应及其防控研究”(18BJY209)。

作者简介：张 璇(1993—),女,河北邯郸人,北京交通大学经济管理学院博士研究生,研究方向为区域金融与产业金融;

本文通信作者

;

张梅青(1961—),女,内蒙古呼和浩特人,北京交通大学经济管理学院教授,博士生导师,博士,研究方向为区域经济与产业经济;

唐云锋(1971—),男,湖南祁阳人,浙江财经大学财政税务学院教授,博士生导师,博士,研究方向为公共经济。

(责任编辑 王沈南 责任校对 邓 艳)