房地产信贷规模对房价的异质性影响：基于35个大中城市的实证洞察

房地产信贷规模对房价的异质性影响：基于35个大中城市的实证洞察一、引言1.1研究背景与意义近年来，中国房地产市场在国民经济中占据着举足轻重的地位，而35个大中城市的房地产市场更是其中的关键组成部分。这些城市涵盖了直辖市、省会城市以及经济特区，其房地产市场的发展状况不仅反映了当地的经济活力与居民生活水平，还对全国房地产市场的走向产生着深远影响。2022年，35城常住总人口达4亿，其商品房销售面积、土地出让金、GDP总量分别占全国的32.4%、50.9%、43.3%，足以彰显其在房地产领域和整体经济格局中的重要地位。房地产信贷作为房地产市场运行的关键资金来源，对房地产价格有着不可忽视的影响。银行信贷为房地产企业的开发建设和消费者的购房行为提供了资金支持，从土地购置、项目开发到房屋销售，各个环节都离不开信贷资金的参与。随着房地产市场的发展，房地产信贷规模不断扩大，与房地产价格之间的关系也日益紧密。从1999-2005年第一季度，与房地产相关的贷款在贷款总量中的比重由4％升至15％，在过去的5年中，这一比例更是增长了将近6倍，凸显了房地产信贷规模在金融领域的快速扩张态势。深入研究35个大中城市房地产信贷规模与房地产价格之间的关系，具有重要的现实意义和理论价值。从宏观层面看，房地产市场的稳定与否直接关系到国民经济的平稳运行。房价的剧烈波动可能引发金融风险，甚至影响整个经济体系的稳定。20世纪80年代以来，一些发达国家和新兴市场国家在金融自由化改革进程中，就曾因房价泡沫与经济过热而遭受金融危机或者经济衰退，如日本在20世纪90年代的房地产泡沫破裂，导致了长期的经济衰退。通过研究两者关系，能够为政府制定科学合理的房地产市场调控政策提供依据，有助于稳定房价，防范房地产市场风险，促进房地产市场与国民经济的协调发展。从微观层面讲，对于房地产企业和购房者而言，清晰了解房地产信贷规模对房价的影响机制，能够帮助他们做出更加理性的决策。房地产企业可以依据信贷政策和信贷规模的变化，合理规划项目开发和投资策略，避免过度依赖信贷资金而导致财务风险。购房者则可以根据信贷条件和房价走势，选择合适的购房时机，合理安排个人财务，降低购房成本和风险。在学术研究方面，目前虽然已有不少关于房地产信贷与房价关系的研究，但针对35个大中城市的系统性分析仍相对不足。不同城市在经济发展水平、人口规模、政策环境等方面存在差异，其房地产信贷规模与房价的关系也可能呈现出不同的特征。通过对35个大中城市的面板数据分析，可以丰富和完善房地产市场理论，为后续相关研究提供更具针对性和实证基础的参考。1.2研究目的与创新点本研究旨在深入剖析35个大中城市房地产信贷规模对房地产价格的影响机制，以及这种影响在不同区域间的差异表现。通过对房地产市场运行中这两个关键因素关系的研究，期望能够为房地产市场的宏观调控提供科学、精准的理论依据，助力政府制定出更具针对性和有效性的政策，以实现房地产市场的平稳、健康发展。同时，也为房地产企业的投资决策和购房者的消费行为提供参考，帮助他们更好地适应市场变化，降低风险。在研究创新点方面，本研究充分考虑了不同城市在经济、人口、政策等方面的异质性，对35个大中城市进行了细致的分组研究。相较于以往一些研究对城市间差异的忽略，这种方法能够更深入地揭示房地产信贷规模与房价关系在不同区域的独特规律，使研究结果更具现实指导意义。例如，东部发达城市与中西部城市在经济发展模式、产业结构、人口流动等方面存在显著差异，这些差异必然会对房地产市场产生不同影响，通过分组研究可以清晰地展现这些差异带来的影响。本研究运用动态面板模型进行分析，动态面板模型不仅能够反映变量之间的当期关系，还能捕捉到变量的滞后效应，考虑到了房地产市场的动态变化和惯性作用。与传统的静态模型相比，能更全面、准确地刻画房地产信贷规模与房价之间的动态关系，为研究房地产市场的长期发展趋势提供更有力的工具。在变量选取上，本研究综合考虑了多种可能影响房地产价格的因素，除了房地产信贷规模这一核心变量外，还纳入了经济增长、人口规模、土地价格等控制变量，使研究模型更加完善，能够更准确地分离出房地产信贷规模对房价的影响，减少其他因素的干扰，提高研究结果的可靠性。1.3研究方法与数据来源本研究主要运用面板数据模型进行分析。面板数据模型能够同时考虑多个个体（35个大中城市）在多个时期的信息，相较于时间序列数据或横截面数据，它可以更好地控制个体异质性，捕捉到不同城市之间的差异以及随时间的变化趋势。通过构建面板数据模型，能够更准确地估计房地产信贷规模对房地产价格的影响系数，分析两者之间的定量关系。为了进一步探究房地产信贷规模与房地产价格之间的因果关系，采用格兰杰因果检验方法。格兰杰因果检验可以判断一个变量的变化是否是另一个变量变化的原因，在时间序列上确定两者之间的因果方向，明确究竟是房地产信贷规模的变动引起房地产价格的变化，还是房地产价格的变动导致房地产信贷规模的调整，亦或是两者存在双向因果关系。本文所使用的数据主要来源于国家统计局、Wind数据库以及各城市的统计年鉴。房地产价格数据选取各城市历年的商品房平均销售价格，该数据能够直观反映房地产市场的价格水平。房地产信贷规模数据采用各城市的房地产开发贷款余额与个人住房贷款余额之和，全面涵盖了房地产开发和消费环节的信贷资金规模。经济增长指标选取地区生产总值（GDP），以衡量各城市的经济发展水平；人口规模指标采用年末常住人口数量，反映城市的人口承载情况；土地价格指标选取土地出让金总额与土地出让面积的比值，体现土地市场的价格情况。这些数据的时间跨度为[具体时间区间]，保证了数据的时效性和研究的可靠性，为后续的实证分析提供了坚实的数据基础。二、理论基础与文献综述2.1房地产信贷与房价相关理论在房地产市场中，房地产信贷规模对房价的影响存在多种理论机制，其中资产负债表渠道和银行贷款渠道是两个重要的理论基础，它们从不同角度解释了信贷规模如何通过影响房地产市场的供需关系，进而对房价产生作用。资产负债表渠道理论认为，房地产企业和购房者的资产负债状况会显著影响其投资和消费行为，而信贷规模的变化是影响资产负债状况的关键因素。对于房地产企业而言，当信贷规模扩张时，企业更容易获得贷款，其资产负债表得到改善，资金流动性增强。企业有更多资金用于土地购置、项目开发等，从而增加房地产市场的供给。例如，在信贷宽松时期，房地产企业能够以较低成本获取大量资金，加速新项目的启动和建设，使得市场上的房屋供应量增加。从购房者角度来看，信贷规模扩张使得购房者更容易获得住房贷款，降低了购房门槛。这增加了购房者的有效需求，尤其是对于那些原本资金不足但有购房意愿的人群。他们能够借助信贷资金实现购房需求，从而推动房地产市场需求上升。当市场需求大于供给时，房价往往会上涨。相反，当信贷规模收缩时，房地产企业融资难度加大，可能会减少开发项目，导致市场供给减少；购房者贷款难度增加，购房需求受到抑制，房价可能面临下行压力。银行贷款渠道理论强调银行信贷在房地产市场中的核心作用。银行作为信贷资金的主要提供者，其信贷政策和信贷规模的调整直接影响着房地产市场的资金可得性。在房地产开发环节，银行信贷是房地产企业重要的资金来源。当银行扩大信贷规模，降低贷款标准和利率时，房地产企业获取开发贷款的成本降低、难度减小，能够投入更多资金进行房地产开发，增加房屋供给。例如，某房地产企业原本因资金有限，只能开发一个小型项目，但在信贷规模扩张后，成功获得更多贷款，得以启动一个大型楼盘项目，增加了当地房地产市场的供给量。在房地产消费环节，银行的个人住房贷款政策对购房者的购房决策影响重大。宽松的信贷政策使得购房者能够更容易获得贷款，且贷款额度更高、利率更低，这极大地刺激了购房需求。众多购房者的积极参与，使得房地产市场需求旺盛，推动房价上涨。反之，当银行收紧信贷规模，提高贷款标准和利率时，房地产企业开发成本上升，可能会减少开发项目；购房者贷款难度加大，购房成本增加，购房需求下降，房价可能会随之下降。房地产信贷规模通过资产负债表渠道和银行贷款渠道，从供给和需求两个方面对房地产价格产生影响。在实际的房地产市场运行中，这两种渠道相互作用、相互影响，共同塑造了房地产信贷规模与房价之间复杂的关系，深刻影响着房地产市场的发展态势。2.2国内外文献综述在国际研究领域，诸多学者对房地产信贷规模与房价关系展开了深入探究。Allen和Gale提出基于信贷扩张的资产价格泡沫模型，该模型指出，当投资者利用借贷资金进行投资且仅承担有限责任时，会对风险资产展现出偏好，并实施风险转移行为，这种对风险资产的过度投资会不断推高资产价格，进而导致房地产泡沫的形成。这一理论从投资者行为角度，阐述了信贷扩张如何引发房地产价格的异常波动，为后续研究提供了重要的理论框架。Collyns和Senhadji通过对多个亚洲国家的研究发现，信贷增长对住宅价格有着显著的同期影响。他们的研究成果表明，在亚洲地区的房地产市场中，信贷规模的变化会迅速在房价上得到体现，揭示了两者之间存在紧密的短期关联。Aoki、Proudman和Vlieghe利用信贷市场一般均衡模型，论证了银行实行的房地产抵押贷款对房地产价格波动具有显著效应，从市场均衡的视角，深入剖析了信贷政策对房价的作用机制。Herring从国际视角出发，研究房地产繁荣与银行危机的关系，通过构建信贷市场模型，并结合Carey模型，得出银行集中贷款会导致房地产繁荣，而房地产繁荣又会酝酿银行危机的结论。这一研究成果强调了房地产信贷规模过度扩张可能带来的系统性风险，为宏观金融监管提供了理论依据。在国内，李健飞等学者侧重考察信贷与房价的互动关系，他们的研究揭示了信贷规模与房价之间存在着双向的影响机制，即信贷规模的变化会影响房价，房价的波动也会反过来影响信贷规模。李松华等学者则侧重于考察货币政策对房价的传导机制，深入分析了货币政策如何通过信贷渠道影响房地产市场的供需关系，进而对房价产生作用。黄立行和张春喜通过对中国市场的实证分析，探讨了互联网金融、信贷规模与房地产价格之间的关系，发现信贷规模对房地产价格有着重要影响，且这种影响在不同市场环境下可能存在差异。林瑞珍和林新华对信贷支持规模对房地产市场的影响机制进行了实证研究，分析了信贷规模支持力度、利率、市场需求等因素对房地产价格的综合作用，为理解房地产市场的运行机制提供了实证依据。雷祝猛、任帅和黄淑苗研究了信贷扩张、地方政府财政与房地产价格之间的关系，指出地方政府财政政策与信贷扩张相互作用，共同影响着房地产价格，强调了在分析房地产价格时，需要综合考虑多种因素的协同作用。现有研究在房地产信贷规模与房价关系的理论和实证方面都取得了丰硕成果，为后续研究奠定了坚实基础。然而，仍存在一些不足之处。部分研究在分析时未能充分考虑不同地区房地产市场的异质性，将全国或多个地区视为一个整体进行研究，导致研究结果在具体应用到不同地区时存在局限性。在研究方法上，虽然已有多种方法被运用，但仍有改进空间。一些研究可能受到数据样本的限制，无法全面准确地反映房地产信贷规模与房价之间的复杂关系。未来研究可进一步细化地区分类，深入探讨不同地区房地产信贷规模对房价影响的独特规律，同时不断完善研究方法，拓展数据来源，以更准确地揭示两者之间的内在联系。三、35个大中城市房地产市场现状分析3.1房地产价格现状近年来，35个大中城市的房地产价格整体呈现出波动上升的态势，但不同城市之间的房价水平和涨幅存在显著差异。根据国家统计局数据，以[具体年份]为例，深圳、北京、上海等一线城市房价水平遥遥领先，深圳的商品房平均销售价格高达每平方米[X]元，北京和上海分别为每平方米[X]元和[X]元。这些城市作为全国的经济、政治和文化中心，吸引了大量的人口流入，住房需求旺盛，同时土地资源相对稀缺，导致房价居高不下。相比之下，西宁、银川、呼和浩特等城市的房价水平相对较低，西宁的商品房平均销售价格约为每平方米[X]元，银川和呼和浩特分别为每平方米[X]元和[X]元。这些城市的经济发展水平和人口吸引力相对较弱，房地产市场的供需关系相对宽松，使得房价处于较低水平。从房价涨幅来看，不同城市之间也存在明显的分化。在过去的一段时间里，一些城市的房价涨幅较大，如深圳在[具体时间段]内房价涨幅达到了[X]%。这主要得益于深圳强大的经济实力、大量的人口流入以及土地供应相对不足等因素。深圳作为中国的科技创新中心，吸引了众多高科技企业和高端人才，对住房的需求持续增长，推动房价不断上涨。而部分城市的房价涨幅则较为平缓，甚至出现了下跌的情况。例如，天津在[具体时间段]内房价出现了一定程度的下跌，同比下降了[X]%。天津房价下跌的原因较为复杂，一方面，前期房地产市场的过度开发导致市场库存增加，供过于求的局面逐渐显现；另一方面，经济增长放缓、产业结构调整等因素也影响了购房者的信心和购房能力，使得房价面临下行压力。房地产价格的走势与宏观经济形势和政策密切相关。当宏观经济形势向好，居民收入增加，购房能力增强，房地产市场需求旺盛，房价往往会上涨。例如，在经济高速增长时期，35个大中城市的房价普遍呈现出上升趋势。相反，当宏观经济形势不佳，居民收入受到影响，购房需求会受到抑制，房价上涨动力减弱。政策对房地产价格的影响也十分显著。限购、限贷、限售等调控政策能够直接影响房地产市场的供需关系和购房者的预期，从而对房价产生作用。在[具体年份]，多地出台了严格的限购限贷政策，限制了购房资格和贷款额度，有效抑制了投机性购房需求，使得房价涨幅得到控制。而在一些城市，为了促进房地产市场的平稳发展，出台了鼓励购房的政策，如降低首付比例、下调贷款利率等，这在一定程度上刺激了购房需求，对房价产生了支撑作用。3.2房地产信贷规模现状近年来，35个大中城市的房地产信贷规模整体呈现出增长的态势，但在不同阶段和不同城市之间存在着显著的差异。从房地产开发贷款来看，在过去的一段时间里，随着房地产市场的发展，房地产开发贷款余额持续上升。根据Wind数据库数据，2010-2020年期间，35个大中城市的房地产开发贷款余额从[X]万亿元增长至[X]万亿元，年均增长率达到[X]%。这表明银行对房地产开发企业的资金支持力度在不断加大，为房地产项目的开发建设提供了充足的资金保障。在2008年全球金融危机后，为了刺激经济增长，我国实施了积极的财政政策和宽松的货币政策，房地产开发贷款规模迅速扩张。许多房地产企业获得了大量的贷款资金，用于新项目的开发和土地储备。在这一时期，一些大型房地产企业通过大规模的信贷融资，迅速扩大了企业规模，在全国范围内布局多个项目。然而，随着房地产市场调控政策的不断加强，尤其是“房住不炒”定位的明确，房地产开发贷款的增速逐渐趋于平稳。近年来，为了防范房地产市场风险，监管部门加强了对房地产开发贷款的管控，对贷款额度、贷款条件等提出了更高的要求，使得房地产开发贷款的增长速度得到了有效控制。个人购房贷款作为房地产信贷的重要组成部分，也经历了快速增长的阶段。随着居民收入水平的提高和城市化进程的加速，居民对住房的需求不断增加，个人购房贷款规模随之不断扩大。2010-2020年，35个大中城市的个人购房贷款余额从[X]万亿元增长至[X]万亿元，年均增长率达到[X]%。个人购房贷款的增长，极大地促进了房地产市场的销售，满足了居民的住房需求。在不同城市之间，房地产信贷规模的分布存在明显的不均衡性。东部发达城市的房地产信贷规模明显高于中西部城市。深圳、北京、上海等一线城市，房地产开发贷款和个人购房贷款余额均处于较高水平。深圳的房地产开发贷款余额在2020年达到了[X]亿元，个人购房贷款余额更是高达[X]亿元。这些城市经济发达，人口密集，房地产市场活跃，对信贷资金的吸引力较强。银行基于对市场前景和风险的评估，更愿意向这些城市的房地产企业和购房者提供贷款。相比之下，西宁、银川、呼和浩特等中西部城市的房地产信贷规模相对较小。西宁的房地产开发贷款余额在2020年仅为[X]亿元，个人购房贷款余额为[X]亿元。这些城市的经济发展水平相对较低，房地产市场的活跃度不高，对信贷资金的需求相对较弱。同时，银行在发放贷款时，也会考虑到当地的经济环境、房地产市场稳定性等因素，对信贷规模进行相应的控制。房地产信贷规模在不同城市的分布差异，与城市的经济发展水平、人口规模、房地产市场供需关系等因素密切相关。经济发展水平高、人口规模大、住房需求旺盛的城市，往往能够吸引更多的信贷资金；而经济发展相对滞后、人口增长缓慢、房地产市场供过于求的城市，信贷规模则相对较小。这种分布差异也进一步影响了不同城市房地产市场的发展态势和房价走势。四、研究设计4.1模型构建为了深入探究房地产信贷规模对房地产价格的影响，本研究构建了如下面板数据模型：\lnhouse_{it}=\alpha_0+\alpha_1\lncredit_{it}+\sum_{j=1}^{n}\alpha_{1+j}\lncontrol_{jit}+\mu_i+\lambda_t+\epsilon_{it}其中，i代表35个大中城市，t表示时间。被解释变量\lnhouse_{it}为城市i在t时期的房地产价格的自然对数，选取商品房平均销售价格作为衡量指标，该指标能直观反映房地产市场的价格水平，是研究房地产价格变动的常用指标。核心解释变量\lncredit_{it}是城市i在t时期的房地产信贷规模的自然对数，由房地产开发贷款余额与个人住房贷款余额之和表示，全面涵盖了房地产开发和消费环节的信贷资金规模，能准确反映房地产信贷的总体情况。\lncontrol_{jit}表示一系列控制变量，j表示控制变量的个数。本研究选取了地区生产总值（GDP）的自然对数来衡量经济增长水平，经济增长对房地产价格有着重要影响。随着经济增长，居民收入增加，购房能力增强，对房地产的需求也会相应增加，从而推动房价上涨。选取年末常住人口数量的自然对数来反映人口规模，人口规模是影响房地产需求的关键因素之一。人口的增长会带来住房需求的增加，尤其是在大城市，人口流入较多，住房需求旺盛，会对房价产生较大的推动作用。还选取了土地价格的自然对数作为控制变量，土地价格是房地产开发成本的重要组成部分，土地价格的上涨会导致房地产开发成本上升，进而推动房价上涨。\mu_i表示个体固定效应，用于控制不随时间变化但随个体不同而变化的因素，如城市的地理位置、资源禀赋、历史文化等，这些因素会对房地产价格产生长期稳定的影响。\lambda_t表示时间固定效应，用于控制随时间变化但不随个体变化的宏观经济因素和政策因素，如宏观经济周期、货币政策、房地产调控政策等，这些因素会在不同时期对所有城市的房地产价格产生共同影响。\epsilon_{it}为随机误差项，反映了模型中未考虑到的其他随机因素对房地产价格的影响。通过构建该面板数据模型，能够综合考虑多个因素对房地产价格的影响，控制个体异质性和时间趋势，更准确地估计房地产信贷规模对房地产价格的影响系数，分析两者之间的定量关系，为后续的实证研究提供有力的模型支持。4.2变量选取与数据处理在变量选取方面，房价变量采用各城市历年的商品房平均销售价格（house）作为衡量指标。商品房平均销售价格是房地产市场价格水平的直接体现，能直观反映房价的总体情况，是研究房价变动的关键指标。通过对该指标的分析，可以清晰了解不同城市房地产价格的高低以及价格的变化趋势，为研究房地产信贷规模对房价的影响提供了明确的价格参照。房地产信贷规模变量以各城市的房地产开发贷款余额与个人住房贷款余额之和（credit）来衡量。房地产开发贷款为房地产企业的项目开发提供资金支持，影响着房地产市场的供给；个人住房贷款则直接关系到购房者的购房能力，决定了房地产市场的需求。将两者之和作为房地产信贷规模的衡量指标，全面涵盖了房地产开发和消费环节的信贷资金规模，能够准确反映房地产信贷的总体状况，有助于深入分析信贷规模对房价的综合影响。控制变量选取了地区生产总值（GDP），用于衡量经济增长水平。经济增长与房地产市场密切相关，经济增长会带动居民收入增加，提升购房能力，进而影响房地产市场的需求和价格。例如，当一个城市的GDP快速增长时，居民的就业机会增多，收入水平提高，对住房的需求也会相应增加，可能推动房价上涨。人口规模指标采用年末常住人口数量（population），人口是影响房地产需求的关键因素。人口的增长，尤其是常住人口的增加，会带来住房需求的上升。在大城市，大量人口流入，住房需求旺盛，往往对房价产生较大的推动作用。例如，深圳作为经济发达城市，吸引了大量外来人口，常住人口持续增长，住房需求居高不下，房价也相对较高。土地价格变量选取土地出让金总额与土地出让面积的比值（landprice），土地价格是房地产开发成本的重要组成部分。土地价格的上涨会导致房地产开发成本上升，房地产企业为保证利润，可能会提高房价。如一些一线城市土地资源稀缺，土地出让价格高昂，使得房地产开发成本大幅增加，进而推动房价上涨。在数据处理过程中，首先对收集到的数据进行了完整性和准确性的检查，确保数据的质量。对于缺失的数据，采用插值法、均值法等方法进行补充。如某城市某一年份的房地产开发贷款余额数据缺失，可根据该城市前后年份的数据以及其他类似城市的相关数据，采用线性插值法进行估算补充。为了消除数据中可能存在的异方差问题，对房价、房地产信贷规模、地区生产总值、人口规模和土地价格等变量进行了对数化处理。对数化处理不仅可以使数据更加平稳，还能将变量的变化转化为相对变化率，便于分析变量之间的弹性关系。例如，对房价变量house取对数后得到\lnhouse，在回归分析中，\lnhouse对\lncredit的系数表示房地产信贷规模每变动1%，房价变动的百分比，这种相对变化率的分析更能准确反映变量之间的数量关系。本研究的数据样本区间为[具体时间区间]，这一区间涵盖了房地产市场的多个发展阶段，包括市场的繁荣期、调整期等，能够全面反映房地产信贷规模与房价在不同市场环境下的关系，使研究结果更具代表性和可靠性。4.3实证方法选择本研究选用面板格兰杰因果检验方法，对房地产信贷规模与房地产价格之间的因果关系进行深入探究。面板格兰杰因果检验是一种基于面板数据的统计检验方法，能够有效分析多个个体在时间序列上变量之间的因果关系。相较于传统的时间序列格兰杰因果检验，面板格兰杰因果检验充分考虑了个体异质性，能够控制不同城市之间的固定效应，从而更准确地判断变量之间的因果方向。在研究35个大中城市房地产信贷规模与房价关系时，不同城市在经济结构、人口特征、政策环境等方面存在差异，这些差异可能会对两者关系产生影响。面板格兰杰因果检验可以通过引入个体固定效应，消除这些不随时间变化但随个体不同而变化的因素对结果的干扰，使因果关系的判断更加准确可靠。脉冲响应分析也是本研究的重要实证方法之一，它能够直观地展示一个变量的冲击对另一个变量的动态影响路径和持续时间。在房地产市场中，房地产信贷规模的变动会对房地产价格产生影响，这种影响并非瞬间完成，而是在一段时间内逐渐显现。通过脉冲响应分析，可以清晰地看到当房地产信贷规模发生一个单位的正向冲击时，房地产价格如何随时间变化，以及这种影响在不同时期的强度和方向。这有助于深入理解房地产信贷规模与房地产价格之间的动态传导机制，为政策制定者和市场参与者提供更具前瞻性的信息。方差分解是一种用于分析系统中各变量对预测误差贡献程度的方法，在本研究中，它能帮助我们确定房地产信贷规模和其他控制变量对房地产价格波动的相对重要性。在房地产价格波动受到多种因素共同作用的情况下，通过方差分解，可以量化房地产信贷规模在解释房地产价格变动中所占的比重，以及其他控制变量如经济增长、人口规模、土地价格等对房价波动的贡献大小。这对于明确影响房地产价格的关键因素，以及评估不同因素在房价波动中的作用强度具有重要意义，为政策制定提供了更具针对性的依据，有助于政策制定者根据各因素的重要性，合理制定调控政策，实现对房地产市场的有效干预。五、实证结果与分析5.1描述性统计对35个大中城市的房价（house）、房地产信贷规模（credit）、地区生产总值（GDP）、人口规模（population）和土地价格（landprice）等变量进行描述性统计，结果如表1所示：表1：各变量描述性统计变量观测值均值标准差最小值最大值ln(house)[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]ln(credit)[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]ln(GDP)[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]ln(population)[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]ln(landprice)[观测值数量][均值数值][标准差数值][最小值数值][最大值数值]从表1可以看出，房价（ln(house)）的均值为[均值数值]，标准差为[标准差数值]，表明不同城市之间的房价存在一定的差异。房价最高的城市达到了[最大值数值]，最低的城市为[最小值数值]，这种巨大的差异反映了35个大中城市房地产市场的不均衡性。一线城市如深圳、北京、上海等，凭借其强大的经济实力、丰富的资源和大量的人口流入，房价处于较高水平；而一些经济相对欠发达的城市，房价则相对较低。房地产信贷规模（ln(credit)）的均值为[均值数值]，标准差为[标准差数值]，说明各城市的房地产信贷规模也存在较大的离散程度。信贷规模较大的城市通常是经济发达、房地产市场活跃的地区，这些城市的房地产企业开发项目多，居民购房需求旺盛，对信贷资金的需求也相应较大；而一些经济发展水平较低、房地产市场相对不活跃的城市，信贷规模则较小。地区生产总值（ln(GDP)）的均值和标准差分别为[均值数值]和[标准差数值]，反映了不同城市经济发展水平的差异。经济发达的城市，如广州、深圳等，GDP较高，为房地产市场的发展提供了坚实的经济基础；而一些中西部城市的GDP相对较低，房地产市场的发展也受到一定的限制。人口规模（ln(population)）的统计数据显示，各城市之间的人口数量存在明显差异。人口规模大的城市，住房需求旺盛，对房地产市场的影响较大；而人口规模较小的城市，住房需求相对较少，房地产市场的发展动力相对不足。土地价格（ln(landprice)）的均值和标准差体现了不同城市土地市场的价格差异。土地价格较高的城市，房地产开发成本增加，进而推动房价上涨；而土地价格较低的城市，房地产开发成本相对较低，房价也可能相对较低。各变量的标准差均不为零，说明这些变量在不同城市和不同时间上存在明显的波动，这也为后续的实证分析提供了丰富的数据基础，有助于深入探究房地产信贷规模与房地产价格之间的关系以及其他因素对房价的影响。5.2平稳性检验与协整检验在进行实证分析之前，对各变量进行平稳性检验是至关重要的，因为只有平稳的时间序列数据才能保证回归结果的可靠性和有效性。若直接对非平稳数据进行回归分析，可能会导致伪回归问题，使结果失去实际意义。本研究采用ADF（AugmentedDickey-Fuller）检验方法对房价（ln(house)）、房地产信贷规模（ln(credit)）、地区生产总值（ln(GDP)）、人口规模（ln(population)）和土地价格（ln(landprice)）等变量进行平稳性检验，检验结果如表2所示：表2：ADF单位根检验结果变量水平值检验结果一阶差分检验结果ln(house)不平稳平稳ln(credit)不平稳平稳ln(GDP)不平稳平稳ln(population)不平稳平稳ln(landprice)不平稳平稳从表2可以看出，各变量的水平值在ADF检验中均未通过平稳性检验，即存在单位根，数据是非平稳的。而经过一阶差分处理后，所有变量均通过了平稳性检验，表明这些变量均为一阶单整序列I(1)。这意味着这些变量的变化率是平稳的，为后续的协整检验和回归分析奠定了基础。由于各变量均为一阶单整序列，满足协整检验的前提条件，因此进一步采用Johansen协整检验方法来检验变量之间是否存在长期稳定的协整关系。Johansen协整检验是一种基于向量自回归模型（VAR）的检验方法，它能够同时考虑多个变量之间的协整关系，通过迹检验和最大特征值检验来判断协整向量的个数。检验结果如表3所示：表3：Johansen协整检验结果原假设迹统计量5%临界值P值结论不存在协整关系[迹统计量数值][临界值数值][P值数值]拒绝原假设至多存在1个协整关系[迹统计量数值][临界值数值][P值数值]接受原假设从表3的检验结果可以看出，在5%的显著性水平下，迹检验和最大特征值检验均拒绝了“不存在协整关系”的原假设，接受了“至多存在1个协整关系”的原假设。这表明房价（ln(house)）、房地产信贷规模（ln(credit)）、地区生产总值（ln(GDP)）、人口规模（ln(population)）和土地价格（ln(landprice)）等变量之间存在长期稳定的协整关系，即它们之间存在一种长期的均衡关系，尽管短期内可能会出现偏离，但从长期来看，它们会趋向于这种均衡状态。这种长期均衡关系的存在，为进一步研究房地产信贷规模与房地产价格之间的关系提供了有力的支持，也说明可以运用构建的面板数据模型进行回归分析，以探究各变量之间的具体数量关系。5.3面板回归结果分析对构建的面板数据模型进行回归估计，得到的结果如表4所示：表4：面板回归结果变量系数标准误t值P值[95%置信区间]ln(credit)[系数数值][标准误数值][t值数值][P值数值][下限数值，上限数值]ln(GDP)[系数数值][标准误数值][t值数值][P值数值][下限数值，上限数值]ln(population)[系数数值][标准误数值][t值数值][P值数值][下限数值，上限数值]ln(landprice)[系数数值][标准误数值][t值数值][P值数值][下限数值，上限数值]cons[系数数值][标准误数值][t值数值][P值数值][下限数值，上限数值]从回归结果来看，房地产信贷规模（ln(credit)）的系数为[系数数值]，且在[具体显著性水平]上显著，这表明房地产信贷规模对房地产价格有着显著的正向影响。即房地产信贷规模每增加1%，房地产价格将上涨[系数数值]%。这一结果与理论预期相符，从资产负债表渠道和银行贷款渠道来看，信贷规模的扩张会增加房地产市场的供给和需求。在供给端，房地产企业能够获得更多资金用于项目开发，增加房屋供给；在需求端，购房者更容易获得贷款，购房需求上升，从而推动房价上涨。地区生产总值（ln(GDP)）的系数为[系数数值]，在[具体显著性水平]上显著为正，说明经济增长对房地产价格有显著的正向影响。经济增长意味着居民收入增加，购房能力增强，对房地产的需求也会相应增加，进而推动房价上涨。当一个城市的经济发展良好，GDP增长较快时，居民的就业机会增多，收入水平提高，会有更多人有能力购买房产，市场对房屋的需求增加，促使房价上升。人口规模（ln(population)）的系数为[系数数值]，且在[具体显著性水平]上显著，表明人口规模的增长对房地产价格有正向影响。人口的增加会带来住房需求的上升，尤其是在大城市，人口流入较多，住房需求旺盛，会对房价产生较大的推动作用。例如，一些一线城市由于其经济优势和发展机会，吸引了大量人口流入，常住人口不断增加，住房需求持续旺盛，房价也相对较高。土地价格（ln(landprice)）的系数为[系数数值]，在[具体显著性水平]上显著为正，说明土地价格的上涨会显著推动房地产价格上升。土地价格是房地产开发成本的重要组成部分，土地价格的上涨会导致房地产开发成本上升，房地产企业为保证利润，会将成本转嫁到房价上，从而推动房价上涨。在一些土地资源稀缺的城市，土地出让价格高昂，房地产开发企业在竞拍土地时需要支付高额的费用，这些成本最终都会反映在房价上，使得房价居高不下。通过面板回归结果分析可知，房地产信贷规模、经济增长、人口规模和土地价格等因素对房地产价格都有着显著的影响，且影响方向与理论预期一致。这些结果为进一步理解房地产市场的运行机制以及制定相关政策提供了重要的实证依据。5.4区域异质性分析为了进一步探究房地产信贷规模对房价影响的区域差异，将35个大中城市按照地理位置划分为东部、中部和西部三个区域，分别对各区域进行回归分析，结果如表5所示：表5：区域异质性回归结果变量东部地区中部地区西部地区ln(credit)[东部地区系数数值][中部地区系数数值][西部地区系数数值]ln(GDP)[东部地区系数数值][中部地区系数数值][西部地区系数数值]ln(population)[东部地区系数数值][中部地区系数数值][西部地区系数数值]ln(landprice)[东部地区系数数值][中部地区系数数值][西部地区系数数值]cons[东部地区系数数值][中部地区系数数值][西部地区系数数值]从回归结果可以看出，房地产信贷规模对房价的影响在不同区域存在显著差异。在东部地区，房地产信贷规模（ln(credit)）的系数为[东部地区系数数值]，且在[具体显著性水平]上显著，表明东部地区房地产信贷规模对房价有着较强的正向影响。东部地区经济发达，人口密集，房地产市场活跃，对信贷资金的需求和利用效率较高。信贷规模的增加能够迅速转化为房地产市场的投资和消费需求，推动房价上涨。例如，深圳作为东部地区的经济特区和一线城市，吸引了大量的人才和资金，房地产市场一直处于高位运行状态。当信贷规模扩张时，房地产企业有更多资金用于开发高端楼盘，购房者也更容易获得贷款购买房产，从而促使房价进一步上升。中部地区房地产信贷规模（ln(credit)）的系数为[中部地区系数数值]，同样在[具体显著性水平]上显著，但系数值相对东部地区较小，说明中部地区房地产信贷规模对房价的影响程度相对较弱。中部地区经济发展水平和人口规模处于全国中等水平，房地产市场的活跃度和对信贷资金的敏感度低于东部地区。虽然信贷规模的增加也会对房价产生一定的推动作用，但由于市场供需关系相对较为平衡，房价上涨的幅度相对较小。以武汉为例，作为中部地区的重要城市，房地产市场在信贷规模扩张时，房价会有所上涨，但涨幅不如东部一线城市明显。西部地区房地产信贷规模（ln(credit)）的系数为[西部地区系数数值]，在[具体显著性水平]上的显著性相对较弱，且系数值相对较小，表明西部地区房地产信贷规模对房价的影响相对不明显。西部地区经济发展相对滞后，人口规模较小，房地产市场的需求相对不足。信贷规模的增加可能无法充分转化为房地产市场的有效需求，对房价的推动作用有限。如西宁等西部地区城市，即使信贷规模有所扩大，但由于当地房地产市场需求有限，房价的上涨幅度并不明显。房地产信贷规模对房价的影响在不同区域存在显著差异，这种差异主要是由各区域的经济发展水平、人口规模、房地产市场供需关系等因素决定的。在制定房地产市场调控政策时，应充分考虑区域异质性，实施差异化的信贷政策，以实现各区域房地产市场的平稳健康发展。5.5稳健性检验为了确保实证结果的可靠性和稳定性，进行了一系列稳健性检验。首先，采用替换变量的方法，将房地产信贷规模的衡量指标替换为房地产开发贷款余额与个人住房贷款余额的增长率之和（credit_growth），以考察不同衡量方式对结果的影响。房价变量则替换为剔除通货膨胀因素后的实际商品房平均销售价格（real_house），通过消费者物价指数（CPI）对名义房价进行调整，使房价数据更能反映实际的价格水平变化，消除通货膨胀对房价的影响。使用替换变量后的指标重新进行面板回归分析，结果如表6所示：表6：替换变量后的面板回归结果变量系数标准误t值P值[95%置信区间]ln(credit_growth)[新系数数值][新标准误数值][新t值数值][新P值数值][新下限数值，上限数值]ln(GDP)[新系数数值][新标准误数值][新t值数值][新P值数值][新下限数值，上限数值]ln(population)[新系数数值][新标准误数值][新t值数值][新P值数值][新下限数值，上限数值]ln(landprice)[新系数数值][新标准误数值][新t值数值][新P值数值][新下限数值，上限数值]cons[新系数数值][新标准误数值][新t值数值][新P值数值][新下限数值，上限数值]从表6的结果可以看出，房地产信贷规模增长率（ln(credit_growth)）的系数依然为正，且在[具体显著性水平]上显著，这表明即使采用不同的衡量指标，房地产信贷规模对房地产价格的正向影响依然显著，与前文的实证结果基本一致。经济增长（ln(GDP)）、人口规模（ln(population)）和土地价格（ln(landprice)）等控制变量的系数符号和显著性也未发生明显变化，进一步验证了模型的稳定性。进行分样本回归检验，将样本按照房地产市场的活跃程度进行划分。将过去五年商品房平均销售面积增长率高于全国平均水平的城市划分为活跃市场样本，低于全国平均水平的城市划分为非活跃市场样本。分别对两个子样本进行回归分析，结果如表7所示：表7：分样本回归结果变量活跃市场样本非活跃市场样本ln(credit)[活跃市场系数数值][非活跃市场系数数值]ln(GDP)[活跃市场系数数值][非活跃市场系数数值]ln(population)[活跃市场系数数值][非活跃市场系数数值]ln(landprice)[活跃市场系数数值][非活跃市场系数数值]cons[活跃市场系数数值][非活跃市场系数数值]在活跃市场样本中，房地产信贷规模（ln(credit)）的系数为[活跃市场系数数值]，在[具体显著性水平]上显著，表明在房地产市场活跃的城市，信贷规模对房价的影响更为明显。信贷规模的增加能够更有效地刺激市场需求，推动房价上涨。而在非活跃市场样本中，房地产信贷规模的系数为[非活跃市场系数数值]，虽然显著性相对较弱，但依然为正，说明信贷规模对房价仍有一定的正向影响，只是影响程度相对较小。这可能是由于非活跃市场的房地产需求相对不足，信贷规模的扩张难以充分转化为房价的上涨动力。通过替换变量和分样本回归等稳健性检验，结果均表明房地产信贷规模对房地产价格具有显著的正向影响，且这一结论在不同的衡量指标和样本划分下具有较强的稳健性，进一步验证了前文实证结果的可靠性。六、影响机制分析6.1需求端影响机制房地产信贷规模的变化对购房者需求有着显著的影响，其中首付比例和贷款利率是两个关键的影响因素。首付比例作为购房者购房时需要支付的首期款项占房屋总价的比例，对购房者的资金门槛和购房决策有着直接的影响。当房地产信贷规模扩张时，银行可能会降低首付比例要求，这使得购房者的购房门槛大幅降低。对于一些原本资金储备不足但有购房意愿的消费者来说，较低的首付比例意味着他们可以用较少的资金实现购房梦想。在信贷规模宽松时期，一些城市将首套房首付比例降至20%，这使得许多年轻购房者能够更容易地进入房地产市场，有效刺激了购房需求。较低的首付比例还能够提升购房者的购买力，使得他们可以选择总价更高、品质更好的房屋，进一步推动了房地产市场需求的增长。然而，首付比例的降低也可能带来一些风险，如增加购房者的债务负担和金融风险。如果购房者在低首付比例下购房，后续需要承担更高的贷款金额和还款压力，一旦经济形势不佳或个人收入出现波动，可能面临还款困难的局面，进而影响金融稳定。贷款利率作为购房者贷款购房时需要支付的利息比率，对购房成本和购房需求有着至关重要的影响。当房地产信贷规模扩张时，市场资金相对充裕，银行可能会降低贷款利率以吸引更多的购房者。较低的贷款利率意味着购房者在贷款期间需要支付的利息总额减少，月供负担降低，购房成本显著下降。这会吸引更多的消费者进入房地产市场，尤其是那些对购房成本较为敏感的首次购房者和改善型购房者。当贷款利率下降1个百分点时，一套价值100万、贷款期限30年的房屋，购房者的总利息支出可能会减少数十万元，月供也会相应降低，这对购房者的吸引力不言而喻。贷款利率的降低还会影响购房者的预期和购房意愿。较低的贷款利率会让购房者预期未来的还款压力较小，从而增强他们的购房信心和意愿。一些原本持观望态度的购房者可能会因为贷款利率的降低而果断出手购房，进一步推动房地产市场需求的上升。相反，当信贷规模收缩时，银行可能会提高贷款利率，这将增加购房者的购房成本，抑制购房需求。较高的贷款利率使得购房者的还款压力增大，一些购房者可能会因为无法承受高额的利息支出而放弃购房计划，导致房地产市场需求下降。房地产信贷规模通过影响首付比例和贷款利率，从资金门槛和购房成本两个关键方面对购房者需求产生作用，进而影响房地产市场的供需关系和价格走势。在房地产市场调控中，合理调整首付比例和贷款利率，优化房地产信贷规模，对于稳定房地产市场、满足居民合理住房需求具有重要意义。6.2供给端影响机制房地产信贷规模的变动对房地产企业的资金获取和开发成本有着深刻的影响，进而在房地产市场的供给端发挥重要作用。从资金获取角度来看，房地产企业的开发建设需要大量的资金投入，而银行信贷是其主要的资金来源之一。当房地产信贷规模扩张时，银行可提供的信贷资金增加，房地产企业更容易获得贷款，资金获取的难度和成本降低。在信贷规模扩张时期，一些房地产企业能够顺利获得大额开发贷款，用于购置优质土地、引进先进的建筑技术和设备，为项目的高质量开发提供了资金保障。充足的资金使得房地产企业能够加快项目开发进度，增加房地产市场的供给。企业可以加大对项目的人力、物力投入，缩短项目建设周期，使房屋能够更快地推向市场。一些原本因资金短缺而进展缓慢的项目，在获得充足信贷资金后，得以加速建设，提前完工交付，增加了市场上的房屋供应量。相反，当房地产信贷规模收缩时，银行收紧信贷政策，提高贷款门槛和利率，房地产企业获取资金的难度加大，资金成本上升。这可能导致一些企业资金链紧张，甚至断裂，不得不放缓项目开发进度，减少房地产市场的供给。一些中小房地产企业在信贷收缩时期，由于难以获得足够的贷款，不得不暂停或推迟项目开发，使得市场上的房屋供应量减少。房地产信贷规模还会通过影响开发成本对房地产市场供给产生作用。贷款利率作为房地产企业融资成本的重要组成部分，直接影响着企业的开发成本。当信贷规模扩张，贷款利率下降时，房地产企业的融资成本降低，开发成本也随之下降。企业在开发成本降低的情况下，利润空间相对增大，更有动力增加开发项目，扩大市场供给。某房地产企业在贷款利率下降后，开发一个项目的融资成本降低了数百万元，企业因此决定增加开发规模，推出更多的楼盘，以获取更多的利润。而当信贷规模收缩，贷款利率上升时，房地产企业的融资成本大幅增加，开发成本上升。为了保证一定的利润水平，企业可能会提高房价，这在一定程度上会抑制市场需求；或者减少开发项目，导致房地产市场供给减少。一些房地产企业在贷款利率上升后，开发成本大幅增加，企业为了避免亏损，不得不减少开发项目数量，甚至放弃一些原本计划开发的项目，使得市场上的房屋供应量相应减少。房地产信贷规模通过影响房地产企业的资金获取和开发成本，在房地产市场的供给端发挥着关键作用，对房地产市场的供给数量和价格产生重要影响，进而影响整个房地产市场的供需平衡和发展态势。6.3中介效应检验为了深入探究房地产信贷规模对房价影响的内在机制，本研究进一步检验需求和供给在其中所起的中介作用。需求方面，选用商品房销售面积（demand）作为衡量指标，该指标能直观反映房地产市场的实际需求情况。供给方面，采用商品房竣工面积（supply）来衡量，它体现了房地产市场的房屋供给数量。构建如下中介效应模型：\lnhouse_{it}=\alpha_0+\alpha_1\lncredit_{it}+\sum_{j=1}^{n}\alpha_{1+j}\lncontrol_{jit}+\mu_i+\lambda_t+\epsilon_{it}\lndemand_{it}/\lnsupply_{it}=\beta_0+\beta_1\lncredit_{it}+\sum_{j=1}^{n}\beta_{1+j}\lncontrol_{jit}+\mu_i+\lambda_t+\epsilon_{it}\lnhouse_{it}=\gamma_0+\gamma_1\lncredit_{it}+\gamma_2\lndemand_{it}/\lnsupply_{it}+\sum_{j=1}^{n}\gamma_{1+j}\lncontrol_{jit}+\mu_i+\lambda_t+\epsilon_{it}第一个方程是房价对房地产信贷规模和控制变量的回归，用于验证房地产信贷规模对房价的总效应；第二个方程是需求（或供给）对房地产信贷规模和控制变量的回归，检验房地产信贷规模对需求（或供给）的影响；第三个方程是房价对房地产信贷规模、需求（或供给）以及控制变量的回归，验证在加入需求（或供给）变量后，房地产信贷规模对房价的影响是否发生变化，以及需求（或供给）的中介效应是否显著。回归结果如表8所示：表8：中介效应回归结果变量房价对信贷规模回归需求对信贷规模回归房价对信贷规模和需求回归供给对信贷规模回归房价对信贷规模和供给回归ln(credit)[系数1数值][系数2数值][系数3数值][系数4数值][系数5数值]ln(demand)/ln(supply)--[系数6数值]-[系数7数值]控制变量控制控制控制控制控制cons[系数8数值][系数9数值][系数10数值][系数11数值][系数12数值]在需求中介效应检验中，从表8可以看出，房地产信贷规模（ln(credit)）对需求（ln(demand)）的回归系数为[系数2数值]，且在[具体显著性水平]上显著，表明房地产信贷规模的增加会显著促进需求的上升。在房价对信贷规模和需求的回归中，需求（ln(demand)）的系数为[系数6数值]，在[具体显著性水平]上显著，同时房地产信贷规模（ln(credit)）的系数[系数3数值]相较于房价对信贷规模回归中的系数[系数1数值]有所减小，这说明需求在房地产信贷规模对房价的影响中起到了部分中介作用。房地产信贷规模的扩张，一方面直接推动房价上涨；另一方面通过增加市场需求，间接促使房价上升。在供给中介效应检验中，房地产信贷规模（ln(credit)）对供给（ln(supply)）的回归系数为[系数4数值]，在[具体显著性水平]上显著，说明房地产信贷规模的增加能够显著促进供给的增加。在房价对信贷规模和供给的回归中，供给（ln(supply)）的系数为[系数7数值]，在[具体显著性水平]上显著，房地产信贷规模（ln(credit)）的系数[系数5数值]相较于房价对信贷规模回归中的系数[系数1数值]也有所减小，表明供给在房地产信贷规模对房价的影响中同样起到了部分中介作用。房地产信贷规模的扩大，既直接影响房价，又通过增加市场供给，对房价产生间接影响。需求和供给在房地产信贷规模对房价的影响中均起到了部分中介作用，房地产信贷规模通过影响市场的供需关系，进而对房价产生影响，这进一步揭示了房地产信贷规模与房价之间复杂的传导机制。七、政策建议与展望7.1政策建议基于本研究的实证结果，为促进房地产市场的平稳健康发展，提出以下针对性的政策建议。在制定房地产信贷政策时，应充分考虑不同区域的经济发展水平、人口规模、房地产市场供需关系等因素，实施差异化的信贷政策。对于东部经济发达、人口密集、房地产市场活跃的城市，由于其房地产信贷规模对房价的影响较为显著，应适度收紧信贷政策，提高首付比例和贷款利率，抑制投机性购房需求，防止房价过快上涨，避免房地产泡沫的进一步扩大。在房价涨幅较大的深圳，可适当提高二套房的首付比例至70%，贷款利率上浮10%，以抑制投资性购房行为，稳定房价。对于中部地区，可根据当地房地产市场的实际情况，采取相对灵活的信贷政策。在房价上涨过快时，可适当收紧信贷；在市场需求不足时，可适度放宽信贷，以促进房地产市场的平稳发展。对于房价