2.1 住房市场发展与经济增长相关文献

学术界对住房产业发展与经济增长之间关系的讨论由来已久，但远未达成一致意见，与此相关的争论主要集中于住房产业发展与经济增长之间因果关系的识别。绝大多数学者发现住房投资是经济增长的原因，而不是相反的情况。Green（1997）利用美国1959—1992年收入和产出的季度数据对住宅投资、非住宅投资和国内生产总值之间的关系进行了检验，研究发现，住宅投资是国内生产总值的格兰杰原因，但非住宅投资与国内生产总值之间的因果关系却相反，前者是果，后者是因。他们认为，住宅投资引领经济周期而非住宅投资滞后于经济周期。在随后的研究中，Coulson和Kim（2000）、Wen（2001）、Gauger和Snyder（2003）等对美国不同时间段住宅投资与国内生产总值之间因果关系的检验均得出相似结论。上述研究均采用全国季度时间序列数据进行分析，Ghent和Owyang（2010）则基于美国51个城市1983—2008年的季度时间序列数据对住房投资与经济增长之间的关系进行了再考察，由于数据的限制，他们以建筑施工许可证数量（价值）、城市就业分别作为住宅投资和经济增长的代理变量，研究发现，只有全国施工许可证数量可以带动城市就业，而城市施工许可证数量引领城市就业的效应仅在部分城市发挥。研究还发现，无论是全国房价还是城市房价都对城市就业无引领效应。

仅仅依靠时间序列分析能在一定程度上揭示住房市场发展与经济增长之间的因果关系，但难以实现对其影响机制的探讨。因此，许多学者将住房纳入标准的宏观经济模型，通过数值模拟来揭示住房影响宏观经济的传导机制，其思想源于Bemanke等（1999）提出的金融加速器理论。该理论指出，由于金融市场本身的不完美，信贷市场的微小波动有可能对宏观经济造成巨大冲击。这一理论被应用到房地产市场便是，当经济中出现需求冲击使家庭或企业的房地产抵押价值上升时，融资成本下降，投资或消费增加，引发新一轮的房价上升，从而使经济变化具有自我增强的趋势。基于该理论，Aoki等（2004）在家庭部门决策模型中引入了住房的融资功能，均衡状态下的数值模拟结果显示，住房需求冲击导致房价和家庭净财富上升，从而提高家庭的外部融资能力，进而刺激产生新的住房需求和非住房消费需求。研究还发现，在该理论框架下，货币政策将通过住房的抵押功能对住房价格、住房需求以及非住房需求产生更大的乘数效应。Iacoviello（2004）将家庭部门的借贷能力与住房价值相联系也得出相似结论。Ren和Yuan（2014）不仅在经典的动态随机一般均衡模型（DSGE）中引入了住房的融资功能，还考虑到了其对未来收入或生产率预期的信息冲击和代理人的异质性，研究发现，只有同时考虑住房的融资功能和信息冲击，住房投资才能引领消费和国内生产总值。研究还发现，消费和国内生产总值对信息冲击的反应随着家庭财富的增加而减小。一个更一般的理论分析来自Iacoviello（2005），他在经典的DSGE模型中同时允许家庭和企业以住房作为抵押品来获得借款。数值模拟结果显示，当不考虑住房的抵押品功能时，住房需求冲击对消费无显著影响，甚至相关关系为负，但一旦引入住房的抵押品功能，住房价格每增长1%可使消费增长0.2%，且数值模拟结果与基于美国1974—2003年季度时间序列数据得到的脉冲响应函数高度吻合，这表明住房通过缓解企业和家庭借贷约束而促进经济增长是住房影响宏观经济的重要渠道。

也有学者发现住房产业发展对经济增长的解释力较弱或不具解释力。Learmer（2007）考察了不同经济发展阶段住宅投资与国内生产总值之间的关系，研究发现，美国经济在1947—2007年的年均增长率为3.5%，但住宅投资只能解释其中的4.6%，即住宅投资对经济增长的贡献率只有0.21。尽管住宅投资对经济增长的贡献较小，住宅投资却可在经济衰退时期对经济发展起到较好的预警作用，作者对第二次世界大战后美国经历的十次经济衰退进行分析后发现，除了1953年国防部门的经济衰退（Department of Defense Downturn）以及2001年互联网泡沫危机破灭外，其余八次经济衰退之前，住宅投资都出现了严重的问题。实证分析表明，在这八次经济衰退中，住宅投资的平均贡献率达到26.0%。Davis和Heathcote（2005）在多部门增长模型框架下讨论了住宅投资与非住宅投资的波动性以及住宅投资对经济增长的引领效应，数值模拟结果显示，住宅投资的波动性强于非住宅投资，且与真实数据一致，但该模型不能解释住宅投资引领经济周期而非住宅投资滞后于经济周期的现象。Nahm（2002）利用韩国1970—1997年的季度数据探讨了住宅投资与国内生产总值之间的因果关系，研究发现，住宅投资与国内生产总值之间的关系随时间变化而变化。在20世纪80年代，韩国住宅投资引领经济增长，但在20世纪70年代和20世纪90年代，住宅投资与经济增长相互影响。Walentin和Sellin（2014）基于瑞典宏观季度数据的研究发现，住宅投资不能导致产出增加且滞后于产出，且该结论不会随着样本选取时间段的改变而变化。

近年来，我国房地产市场的繁荣也吸引了大量学者对中国住宅投资与经济增长之间的关系进行研究。王国军和刘水杏（2004）借助投入产出模型测量了我国及美国、日本、英国、澳大利亚4个发达国家房地产业和与其密切关联产业的关联度。结果表明，我国房地产业每增加1单位产值对各产业的总带动效应为1.416，其中对金融保险业的带动效应为0.145，居各产业之首。研究还发现，我国房地产业对相关产业的带动效应高于美国、澳大利亚，但低于日本和英国。梁云芳等（2006）利用我国1995—2005年的季度数据考察了房地产市场的外部冲击对宏观经济的影响，脉冲响应函数的结果表明：房地产投资的冲击对经济增长具有长期影响，且对相关行业的拉动作用也较大。黄忠华等（2008）采用1997—2006年我国31个省（直辖市、自治区）的面板数据分析了全国及区域层面房地产投资对经济增长的影响。研究发现，无论在全国还是区域层面，房地产投资都能引起经济增长，其中东部、西部地区的房地产投资和经济增长还存在相互影响的作用；房地产投资对经济增长的贡献和影响存在区域差异，其中东部地区最大，中部地区次之，西部地区最小，房地产投资对经济增长的影响依赖于地区的经济发展水平。周晖和王擎（2009）利用我国1998—2008年的季度数据，采用BEKK模型和GARCH均值方程模型实证检验了房地产价格、货币供应量与经济增长的波动相关性以及它们的各种波动对经济增长率的影响。结果表明，房价的波动以及房价与货币供应量的联动会导致GDP增长率的下降，但房价的波动对经济增长的波动没有显著影响，且房价与经济增长的联动对经济增长的波动影响也不显著。唐志军等（2010）基于我国1995—2008年的季度数据，通过协调整和及向量自回归分析发现，房地产价格波动对社会消费品零售总额的波动具有显著负向影响，但房地产投资的波动对GDP增长率有显著正向影响，房地产投资额的增长率每提升1个百分点，GDP增长率将上涨0.181个百分点。1个单位的房地产投资波动的冲击在第4个季度时达到最大，之后缓慢衰减，这表明房地产投资的波动对GDP增长率有长期影响。Chen等（2011）基于我国省级面板数据的实证研究发现，住宅投资、非住宅投资和国内生产总值之间存在长期稳定的关系，其中，住宅投资既是经济波动的引领者，也是经济波动的追随者。研究还发现，住宅投资与经济波动的关系在不同区域也不相同。在西部欠发达地区，住宅投资对经济增长的推动作用不明显，贡献率小于非住宅投资。作者认为，西部地区人口规模较小是造成这种现象的重要原因。张清勇和郑环环（2012）运用我国1985—2009年各省（直辖市、自治区）的面板数据，再次检验了住宅投资与经济增长之间的领先-滞后关系。结果表明，无论是1985—2009年全时段还是以1998年大规模房改为分界线的分时段，无论是全国各省市还是分区域的各省市数据，经济增长引领住宅投资的单向格兰杰因果关系是稳定的，但没有证据支持住宅投资带动经济增长的论点。

综上所述，住宅投资与经济增长之间的关系在不同国家不相同，即使在同一国家内部，不同时间段内，住宅投资与经济增长之间的关系也不相同。国际货币基金组织（IMF）2008年发布的《世界经济展望》报告第三章对发达国家住房市场发展与经济周期之间的关系进行了比较总结。报告显示，在西班牙、日本、希腊、法国、加拿大、比利时、奥地利、澳大利亚，住宅投资引领经济增长；但在德国、意大利、芬兰、瑞典、挪威，住宅投资没有引领经济周期；在美国、荷兰、丹麦、爱尔兰、英国，住宅投资甚至加剧了经济衰退，平均来看，住宅投资变动造成国内生产总值下降10.0%。报告还指出，不同国家住宅投资与国内生产总值的关系存在差异的原因在于不同国家影响住宅供给与住宅需求的因素不同。在劳动力市场弹性较大和建筑业劳动力比重较高的国家，住宅需求的增加对住宅供给和建筑业部门的就业影响更大，住宅投资对国内生产总值的解释力也更强。

除了直接研究住宅投资与经济增长之间因果关系的文献外，还有一些研究通过分析住房市场发展与产业结构调整之间的关系来揭示其对经济增长的影响渠道，已有研究发现，住房市场发展通过影响劳动力成本而对产业结构调整产生了重要影响。Helpman（1998）在Krugman（1991）提出的新经济地理学标准模型的基础上，引入了住房市场的因素，指出某地区的住房价格过高会影响劳动者的相对效用，进而抑制劳动力在该地区的集聚。Hanson等（2005）在随后的实证研究中证实了Helpman（1998）的结论。通常而言，劳动力的流入将影响一个地区的产业集聚程度，进而改变产业结构（Krugman,1991）。邵挺和范剑勇（2010）基于中国1998—2008年长江三角洲16个城市的面板数据，实证研究发现，房价过快上涨是导致长江三角地区制造业布局分散化的重要原因。高波等（2012）基于对中国35个大中城市面板数据的研究发现，城市间的相对房价越高，相对就业人数越少，这将促使产业价值链向高端攀升，从而促进产业结构升级，邵朝对等（2016）对中国282个地级以上城市的分析同样得出相似结论。本书从家庭这一更微观的角度进行分析，是对现有文献的有力补充。