泡沫经济：中国房地产市场的经济计量分析

2021-02-25沈卓涛

山西农经 2021年3期

关键词：泡沫经济泡沫住房

□沈卓涛

（爱尔兰国立大学（高威）爱尔兰高威 H91P4VW）

1 研究背景和意义

17 世纪中期到20 世纪90 年代初，全球范围内发生了42 次大规模的金融危机，其中与房地产业相关的金融危机高达21 次（Kindleberger），特别是20 世纪70 年代后发生的几次大规模金融危机都与房地产业相关。

20 世纪80 年代末期，日本发生了以房地产业和证券业为主要原因的泡沫经济，泡沫经济破裂后日本陷入了长期的经济衰退，甚至直到今天日本经济仍然未从衰退的泥潭中走出[1]。

21 世纪以来，随着中国经济的快速发展，中国的商品房价格也跟随经济发展的步伐大幅上涨。在近两年，中美之间发生了贸易摩擦，再加上中国经济面临转型的困境，中国经济增速逐渐放缓，而商品房价格居高不下。中国的房地产市场面临着潜在的危机，部分城市商品房的泡沫化已经形成。

有效解决房地产市场的泡沫化与预防经济的泡沫化是目前中国经济发展面对的主要问题之一。目前中国经济和20 世纪80 年代的日本经济有着很多相似之处，同样都有着外向型的经济结构、面对着与美国的贸易摩擦等。研究日本泡沫经济对于预防中国的泡沫经济有着重要的意义。

2 日本泡沫经济成因对比中国整体经济现状

2.1 1985—2005 年日元汇率的变化

1985 年9 月，日本和美国签订了《广场协议》，该协议拟成了降低美元汇率的目标，迫使日元升值，美元和日元之间的汇率从1985 年的1∶239 上升至1987 年的1∶145，严重打击了日本的出口产业，很多日本企业和来日投资的美国企业纷纷将工厂迁至美国，以降低日元升值带来的成本增加[2-3]。

2.2 日元升值的影响

日元升值减少了日美贸易顺差，同时降低了进口产品价格，输出型企业的营业额显著下降，输入型企业的利润有所上升。基于日本以出口为导向的经济结构，总体上日元的升值对日本经济造成了负面影响。

2.3 人民币兑美元汇率的变化

2018 年3 月中美贸易争端爆发。2019 年5 月，美国对中国出口到美国的2 500 亿美元的商品征收25%的关税，这对出口型经济体制的中国产生了非常大的影响。但是2018—2019 年人民币兑美元的汇率并没有出现日本1985 年那样的大幅波动，人民币兑换美元的汇率不仅没有上涨，反而出现了下跌，这一变化有效降低了中国出口型企业在贸易摩擦中面临的压力。

2.4 日元法定贴现率下降

1985 年之后，日本大幅降低了法定贴现率，从1985 年的5%下降到了1988 年的2.5%，并且增加了货币供应量，使得货币供应量远超于当时的GDP 增速。这一量化宽松政策持续了5 年，给日本国内市场带来了非常多的剩余资金，间接引发了泡沫经济。当时的日本政府和央行希望通过宽松的货币政策来抑制日元升值，扩大内需，但是忽略了国内市场的规模和实际需求[4-5]。

2.5 中国法定贴现率的变化

我国的法定贴现率在过去10 年基本保持不变，确保了我国货币和市场的稳定，从而减少了国内市场中的剩余资金，有利于经济稳定发展。

2.6 20 世纪80 年代日本的金融自由化

金融全球化理论诞生于20 世纪70 年代，其主要思想之一是呼吁政府减少对经济的干预，更多地开放本国市场，到20 世纪80 年代，金融全球化已逐步发展为当时经济学的主流理论。日本政府推行的金融自由化政策虽然有效拓宽了本国企业的融资方式，但没有及时制定相关的监督机制，使得当时日本市场缺乏有效监管，加速了经济泡沫化。

2.7 中国的金融自由化

与日本相比，中国的金融自由化进程非常缓慢，但随着经济高速发展，出现了企业融资困难等问题。近年来中国逐渐加快了金融自由化进程[6]。

2.8 日美贸易顺差

为了减少日美间的贸易摩擦，日本政府采用了“前川报告”中的建议：扩大进口，缩小贸易顺差，扩大对外直接投资。

1986 年以后，日本对美国的贸易顺差在之后4 年出现了大幅下降，给依赖于出口贸易的日本经济带来了很大打击。1990 年以后贸易顺差逐步扩大，实际上由于进口量大幅减少，出口量也没有大幅增加。

2.9 中美贸易顺差

中美贸易顺差从2010—2018 年逐渐上升，到2018 年达到了历史最高点418 953.90 万美元，出口导向型经济结构也使中国对美国的依赖程度越来越高。2018 年中美贸易争端爆发后，中美间的贸易顺差在1 年间减少了17.6%，这与《广场协议》签订后日美贸易顺差发生的变化十分相似。基于2019 年中国与1987 年日本相似的经济结构，贸易顺差减少势必会给中国经济带来很大的影响。

2.10 泡沫经济时期日本通货膨胀

1985 年以后，日本为应对汇率在国际市场上迅速升值，采取了量化宽松政策，加速了日本国内的通货膨胀，通货膨胀率从1987 年的0.82%上升到了1990 年的3.70%。急速的通货膨胀不仅影响了市场所有参与者对经济发展的预期，而且改变了投资者的投资策略，在很大程度上加速了日本经济泡沫的进程。

为了减少快速通货膨胀产生的损失，人们纷纷将资金投资到了房地产和股市中以寻求保值。除此之外，由于货币政策比较宽松，当时的日本经济增长迅速。两个因素共同影响，造成了繁荣发展的假象[7]。

2.11 中国目前的通货膨胀率

2012 年以后，中国的通货膨胀率在保持了6 年稳定后于2018 年迅速升高，2018—2019 年增加了2.3 倍，通货膨胀率的增幅超过1987—1990 年日本年均的1.5 倍。通货膨胀率激增会给中国经济带来更多的不稳定因素。

2.12 日本人口的年龄结构

人口结构变化会影响房地产市场的发展趋势。日本房价在1990 年达到顶点后一路下滑，与人口的结构息息相关。

从1950 年开始，日本65 岁及以上的老年人口占总人口的比例持续上升，而0～14 岁的儿童比例持续下降。到1995 年前后，日本的老年人口比例超过了新生人口的比率，不仅造成住房需求减少，而且使经济发展速度逐步减缓。

2.13 中国人口的年龄结构

目前，中国65 岁及以上的人口占到了总人口的12.5%，这与日本1990 年的老年化水平基本相同。受独生子女政策的影响，老龄化比率在中国将持续上升，中国正面临与日本1990 年前后非常相似的环境背景。

3 日本泡沫经济破灭

3.1 泡沫经济破灭的开始

为了调控上涨的股市价格和房价，日本发布了货币紧缩政策，同时还出台了限制土地购买的规定，规范土地的使用途径，更加严格地对贷款进行监查，引入土地税制度。这些举措减少了房产泡沫化带来的一部分损失，但由于政策颁布的时间过晚，已经很难从根本上挽救经济泡沫化。

3.2 股价泡沫的破灭

由于大量剩余资金流入股票市场，日经指数从1985 年9 月23 日的12 666.89 日元一直上涨到1989年12 月26 日的38 681.31 日元。此时日经指数的增长值已经不能客观地反映日本经济的实际增速，股票市场中到处都是投机者。

1990 年之后，日经指数迅速下跌。到1992 年8 月12 日，日经指数下跌到14 733.79 日元，但是之后日经指数并没有反弹，到了2003 年4 月23 日，只剩下7 793.38 日元。股票市场崩盘使日本失去了大量资金，无数企业相继破产倒闭。

3.3 房地产价格的崩溃

1992 年开始，日本三大主要都市圈的土地价格迅速下跌，1992 年和1993 年平均下降了11.6%和14.7%，引起了当时市场的巨大恐慌。而除三大都市圈外，其他地区的土地价格没有出现剧烈波动。由于房地产的崩盘效应产生了滞后性，1992 年其他地区的土地价格平均上涨了1.9%，从1993 年开始同样出现了漫长的下降。

3.4 经济泡沫给日本带来的影响

房地产价格和股市价格的崩溃给日本经济带来了重创。由于企业之间存在相互担保，很多企业纷纷倒闭，银行业也遭受了巨额亏损。一时间，欣欣向荣的日本经济走向了衰退，各个行业都不再景气。

4 中国房地产市场的现状

4.1 中国不同规模城市的住房收入比

随机选取3 座一、二、三线城市，并计算它们的住房收入比。其中，一线城市选取了上海市，二线城市选取了杭州市，三线城市选取了镇江市，具体见图1。中国一、二、三线城市住房收入比=（城镇商品房均价×城镇居民人均居住面积）/城镇居民人均可支配收入。

随机选取的3 个中国一、二、三线城市的2013—2019 年住房收入比都比较高，特别是一线城市上海，一直保持在20%以上。相比较而言，规模越大、人口越多的城市，住房收入比越高。过高的住房收入比在一定程度上反映了中国房地产市场泡沫的存在，从2016 年开始，这一比率显著上升。

中国的住房收入比远超过世界上的其他国家，人们愿意负担20 年甚至30 年房贷的主要原因在于人们把住房和个人的社会价值联系在一起，或将住房作为婚姻的前提条件之一，这使得很多年轻人在购房能力不足的情况下仍然购买高价的商品房。

4.2 房价增长率和GDP 增长率之间的比率

房价增长率和GDP 增长率之间的比率被认为能够反映房地产泡沫的情况。如果比率小于1，则是合理的；如果比率为1～2，则处于泡沫出现的初级阶段；如果大于2，则表明泡沫已经形成。

2000—2018 年，中国的房价增长率和GDP 增速间的比值总体小于1。2008 年，这一比值高达2.53，不仅房价迅速上涨，股市也出现了大幅度波动。

2000—2018 年，中国GDP 大幅增长，其中包括房地产业和制造业，经济均衡发展抵消了房地产业发展过快造成的泡沫。

4.3 房地产泡沫测度系数

房地产泡沫测度系数可以通过房地产测度指标的几何平均值来计算。假设房地产泡沫测度系数为ρ，房价增长率和GDP 增长率之间的比率为p1，房价收入比为p2，房地产贷款增长率和金融机构贷款增长率之间的比值为p3。ρ的值越大，房地产泡沫的程度越高，由此可以得到中国一、二、三线城市的房地产泡沫程度，具体如表1。

2013—2018 年不同规模的城市经历了不同程度的房地产泡沫，其中上海的房地产泡沫程度很高，2013 年的ρ值达到1.93，而镇江的房地产泡沫程度相对较小。可以得出，城市规模越大，房地产泡沫的程度就越高。

由图2 可知，全国的房地产泡沫程度和三线城市的房地产泡沫程度非常接近，这说明中国的房地产泡沫主要集中在一、二线城市。近年来得益于政府的住房调控政策，全国的房地产泡沫程度有所减小。

4.4 决定中国房价的主要因素

我国一、二、三线城市的房价增长迅速。探究影响房价的主要因素，对于有效调控房价有重要的意义。可以通过建立多元线性模型来探索在哪些因素会使我国房价发生改变。

4.4.1 变量的选择

假设模型如下。

表1 中国一、二、三线城市的房地产泡沫程度

其中，Y表示商品房平均价格，单位为元/m2，时间为1987—2019 年；X1表示城镇居民可支配收入，用来表示居民购买住房的能力，单位为元，时间为1987—2019 年；X2表示房地产业占GDP 的比重，用来表示银行、企业和个人对房地产业的投资，单位为百万元，时间为1987—2019 年；X3表示城镇居民的住房支出占总支出的比重，用来表示居民对于购买住房的意愿，单位为元，时间为1987—2019 年。

4.4.2 单位根检验

在经典回归模型中，为了防止出现伪回归，所选的变量数据必须符合平稳性条件。只有同阶单整数据才具有协整关系，因此首先使用ADF 进行平稳性检验。检验结果如表2 所示。

所有变量数值在5%的显著水平下都高于临界值，各变量都接受原假设，该序列不稳定。除了X1（X1），所有变量的一阶拆分序列在5%的显著性水平下拒绝原假设，通过平稳性检验。对X1（X1）进行一阶拆分后的一阶拆分序列通过平稳性检验。

4.4.3 多重共线性检验

在对模型进行回归后，变量dX1和X3不显著，除此之外，dX1和X3的相关系数值小于0，不符合经济常态，故采用多重共线性检验，结果如表3 所示。

一般情况下，如果相关性大于0.82，被认为有多重共线性。可以发现，DX1（dX1）和Y，X2（X2）和Y 以及X2 和DX1 之间存在多重共线性。

对每一组变量取对数，从而解决多重共线性的问题，取了对数后的各个变量都显著，且调整后的R-squared 值为0.969 497。

4.4.4 协整检验

根据单位根检验的结果，由于该序列稳定，因此可能存在协整关系，然后对原模型取残差序列并做单位根检验，得到的ADF 值为-3.629 219。

C(α)=-4.44541322>t-Stastics=-3.629 219，原假设被拒绝，残差序列协整。临界值展示如图3 所示。

表2 单位根检验的结果

表3 多重共线性检测结果

4.4.5 Newey West 调整

为了处理模型中可能存在的异方差自相关，对模型采用Newey-West 调整，如表4 所示。

经过Newey-West 调整后的模型中，各变量的临界值均小于0.05，原假设被拒绝，因此变量的相关系数显著，拟合优度为0.969 497。模型如下。

根据结果可知，商品房平均价格Y与城镇居民可支配收入X1、房地产业占GDP 的比重X2、城镇居民的住房支出占总支出的比重X3的关系为正相关。说明在中国，居民购买住房的能力、银行、企业和个人对于房地产业的投资和居民对于购买住房的意愿是决定房价的主要因素。

5 中国经济发展的建议

5.1 稳定汇率

Ronald I.McKinnon 认为，中国应该放缓国际金融化进程，避免人民币大幅升值，否则中国很有可能出现通货紧缩，并走向经济萧条。

近10 年来，人民币对美元的汇率一直在6.8∶1到7.0∶1 左右浮动。我国作为出口型经济体，稳定的外汇环境对经济的发展尤为重要，应保持人民币对其他货币的稳定汇率，谨慎提高人民币兑换外币的汇率。

Mundell-Fleming 模型是研究汇率波动下经济政策有效性的理论之一，它在IS-LM模型的基础上加入了外汇市场均衡，即BP 曲线，如图4 所示。收入增加会增加本国对国外商品的需求，出现贸易逆差，而利率上升会吸引国外投资的增加，造成贸易顺差，从而在两者的共同作用下维持国际收支平衡[8-13]。

因为收入增加的同时需要保持利率相应增加，所以BP 是一条斜率为正的曲线。BP 曲线的下方表示贸易逆差，上方表示贸易顺差。当本币升值时，BP 曲线会向左移动，而本币贬值时，BP 曲线会向右移动。但是如果中国迫于国际压力使货币升值，则会导致IS曲线向左移动，达到与1987 年日本非常相似的状态，从而造成货币政策失效、经济萧条。