2.1 住房市場發展與經濟增長相關文獻

學術界對住房產業發展與經濟增長之間關系的討論由來已久，但遠未達成一致意見，與此相關的爭論主要集中于住房產業發展與經濟增長之間因果關系的識別。絕大多數學者發現住房投資是經濟增長的原因，而不是相反的情況。Green（1997）利用美國1959—1992年收入和產出的季度數據對住宅投資、非住宅投資和國內生產總值之間的關系進行了檢驗，研究發現，住宅投資是國內生產總值的格蘭杰原因，但非住宅投資與國內生產總值之間的因果關系卻相反，前者是果，后者是因。他們認為，住宅投資引領經濟周期而非住宅投資滯后于經濟周期。在隨后的研究中，Coulson和Kim（2000）、Wen（2001）、Gauger和Snyder（2003）等對美國不同時間段住宅投資與國內生產總值之間因果關系的檢驗均得出相似結論。上述研究均采用全國季度時間序列數據進行分析，Ghent和Owyang（2010）則基于美國51個城市1983—2008年的季度時間序列數據對住房投資與經濟增長之間的關系進行了再考察，由于數據的限制，他們以建筑施工許可證數量（價值）、城市就業分別作為住宅投資和經濟增長的代理變量，研究發現，只有全國施工許可證數量可以帶動城市就業，而城市施工許可證數量引領城市就業的效應僅在部分城市發揮。研究還發現，無論是全國房價還是城市房價都對城市就業無引領效應。

僅僅依靠時間序列分析能在一定程度上揭示住房市場發展與經濟增長之間的因果關系，但難以實現對其影響機制的探討。因此，許多學者將住房納入標準的宏觀經濟模型，通過數值模擬來揭示住房影響宏觀經濟的傳導機制，其思想源于Bemanke等（1999）提出的金融加速器理論。該理論指出，由于金融市場本身的不完美，信貸市場的微小波動有可能對宏觀經濟造成巨大沖擊。這一理論被應用到房地產市場便是，當經濟中出現需求沖擊使家庭或企業的房地產抵押價值上升時，融資成本下降，投資或消費增加，引發新一輪的房價上升，從而使經濟變化具有自我增強的趨勢。基于該理論，Aoki等（2004）在家庭部門決策模型中引入了住房的融資功能，均衡狀態下的數值模擬結果顯示，住房需求沖擊導致房價和家庭凈財富上升，從而提高家庭的外部融資能力，進而刺激產生新的住房需求和非住房消費需求。研究還發現，在該理論框架下，貨幣政策將通過住房的抵押功能對住房價格、住房需求以及非住房需求產生更大的乘數效應。Iacoviello（2004）將家庭部門的借貸能力與住房價值相聯系也得出相似結論。Ren和Yuan（2014）不僅在經典的動態隨機一般均衡模型（DSGE）中引入了住房的融資功能，還考慮到了其對未來收入或生產率預期的信息沖擊和代理人的異質性，研究發現，只有同時考慮住房的融資功能和信息沖擊，住房投資才能引領消費和國內生產總值。研究還發現，消費和國內生產總值對信息沖擊的反應隨著家庭財富的增加而減小。一個更一般的理論分析來自Iacoviello（2005），他在經典的DSGE模型中同時允許家庭和企業以住房作為抵押品來獲得借款。數值模擬結果顯示，當不考慮住房的抵押品功能時，住房需求沖擊對消費無顯著影響，甚至相關關系為負，但一旦引入住房的抵押品功能，住房價格每增長1%可使消費增長0.2%，且數值模擬結果與基于美國1974—2003年季度時間序列數據得到的脈沖響應函數高度吻合，這表明住房通過緩解企業和家庭借貸約束而促進經濟增長是住房影響宏觀經濟的重要渠道。

也有學者發現住房產業發展對經濟增長的解釋力較弱或不具解釋力。Learmer（2007）考察了不同經濟發展階段住宅投資與國內生產總值之間的關系，研究發現，美國經濟在1947—2007年的年均增長率為3.5%，但住宅投資只能解釋其中的4.6%，即住宅投資對經濟增長的貢獻率只有0.21。盡管住宅投資對經濟增長的貢獻較小，住宅投資卻可在經濟衰退時期對經濟發展起到較好的預警作用，作者對第二次世界大戰后美國經歷的十次經濟衰退進行分析后發現，除了1953年國防部門的經濟衰退（Department of Defense Downturn）以及2001年互聯網泡沫危機破滅外，其余八次經濟衰退之前，住宅投資都出現了嚴重的問題。實證分析表明，在這八次經濟衰退中，住宅投資的平均貢獻率達到26.0%。Davis和Heathcote（2005）在多部門增長模型框架下討論了住宅投資與非住宅投資的波動性以及住宅投資對經濟增長的引領效應，數值模擬結果顯示，住宅投資的波動性強于非住宅投資，且與真實數據一致，但該模型不能解釋住宅投資引領經濟周期而非住宅投資滯后于經濟周期的現象。Nahm（2002）利用韓國1970—1997年的季度數據探討了住宅投資與國內生產總值之間的因果關系，研究發現，住宅投資與國內生產總值之間的關系隨時間變化而變化。在20世紀80年代，韓國住宅投資引領經濟增長，但在20世紀70年代和20世紀90年代，住宅投資與經濟增長相互影響。Walentin和Sellin（2014）基于瑞典宏觀季度數據的研究發現，住宅投資不能導致產出增加且滯后于產出，且該結論不會隨著樣本選取時間段的改變而變化。

近年來，我國房地產市場的繁榮也吸引了大量學者對中國住宅投資與經濟增長之間的關系進行研究。王國軍和劉水杏（2004）借助投入產出模型測量了我國及美國、日本、英國、澳大利亞4個發達國家房地產業和與其密切關聯產業的關聯度。結果表明，我國房地產業每增加1單位產值對各產業的總帶動效應為1.416，其中對金融保險業的帶動效應為0.145，居各產業之首。研究還發現，我國房地產業對相關產業的帶動效應高于美國、澳大利亞，但低于日本和英國。梁云芳等（2006）利用我國1995—2005年的季度數據考察了房地產市場的外部沖擊對宏觀經濟的影響，脈沖響應函數的結果表明：房地產投資的沖擊對經濟增長具有長期影響，且對相關行業的拉動作用也較大。黃忠華等（2008）采用1997—2006年我國31個省（直轄市、自治區）的面板數據分析了全國及區域層面房地產投資對經濟增長的影響。研究發現，無論在全國還是區域層面，房地產投資都能引起經濟增長，其中東部、西部地區的房地產投資和經濟增長還存在相互影響的作用；房地產投資對經濟增長的貢獻和影響存在區域差異，其中東部地區最大，中部地區次之，西部地區最小，房地產投資對經濟增長的影響依賴于地區的經濟發展水平。周暉和王擎（2009）利用我國1998—2008年的季度數據，采用BEKK模型和GARCH均值方程模型實證檢驗了房地產價格、貨幣供應量與經濟增長的波動相關性以及它們的各種波動對經濟增長率的影響。結果表明，房價的波動以及房價與貨幣供應量的聯動會導致GDP增長率的下降，但房價的波動對經濟增長的波動沒有顯著影響，且房價與經濟增長的聯動對經濟增長的波動影響也不顯著。唐志軍等（2010）基于我國1995—2008年的季度數據，通過協調整和及向量自回歸分析發現，房地產價格波動對社會消費品零售總額的波動具有顯著負向影響，但房地產投資的波動對GDP增長率有顯著正向影響，房地產投資額的增長率每提升1個百分點，GDP增長率將上漲0.181個百分點。1個單位的房地產投資波動的沖擊在第4個季度時達到最大，之后緩慢衰減，這表明房地產投資的波動對GDP增長率有長期影響。Chen等（2011）基于我國省級面板數據的實證研究發現，住宅投資、非住宅投資和國內生產總值之間存在長期穩定的關系，其中，住宅投資既是經濟波動的引領者，也是經濟波動的追隨者。研究還發現，住宅投資與經濟波動的關系在不同區域也不相同。在西部欠發達地區，住宅投資對經濟增長的推動作用不明顯，貢獻率小于非住宅投資。作者認為，西部地區人口規模較小是造成這種現象的重要原因。張清勇和鄭環環（2012）運用我國1985—2009年各省（直轄市、自治區）的面板數據，再次檢驗了住宅投資與經濟增長之間的領先-滯后關系。結果表明，無論是1985—2009年全時段還是以1998年大規模房改為分界線的分時段，無論是全國各省市還是分區域的各省市數據，經濟增長引領住宅投資的單向格蘭杰因果關系是穩定的，但沒有證據支持住宅投資帶動經濟增長的論點。

綜上所述，住宅投資與經濟增長之間的關系在不同國家不相同，即使在同一國家內部，不同時間段內，住宅投資與經濟增長之間的關系也不相同。國際貨幣基金組織（IMF）2008年發布的《世界經濟展望》報告第三章對發達國家住房市場發展與經濟周期之間的關系進行了比較總結。報告顯示，在西班牙、日本、希臘、法國、加拿大、比利時、奧地利、澳大利亞，住宅投資引領經濟增長；但在德國、意大利、芬蘭、瑞典、挪威，住宅投資沒有引領經濟周期；在美國、荷蘭、丹麥、愛爾蘭、英國，住宅投資甚至加劇了經濟衰退，平均來看，住宅投資變動造成國內生產總值下降10.0%。報告還指出，不同國家住宅投資與國內生產總值的關系存在差異的原因在于不同國家影響住宅供給與住宅需求的因素不同。在勞動力市場彈性較大和建筑業勞動力比重較高的國家，住宅需求的增加對住宅供給和建筑業部門的就業影響更大，住宅投資對國內生產總值的解釋力也更強。

除了直接研究住宅投資與經濟增長之間因果關系的文獻外，還有一些研究通過分析住房市場發展與產業結構調整之間的關系來揭示其對經濟增長的影響渠道，已有研究發現，住房市場發展通過影響勞動力成本而對產業結構調整產生了重要影響。Helpman（1998）在Krugman（1991）提出的新經濟地理學標準模型的基礎上，引入了住房市場的因素，指出某地區的住房價格過高會影響勞動者的相對效用，進而抑制勞動力在該地區的集聚。Hanson等（2005）在隨后的實證研究中證實了Helpman（1998）的結論。通常而言，勞動力的流入將影響一個地區的產業集聚程度，進而改變產業結構（Krugman,1991）。邵挺和范劍勇（2010）基于中國1998—2008年長江三角洲16個城市的面板數據，實證研究發現，房價過快上漲是導致長江三角地區制造業布局分散化的重要原因。高波等（2012）基于對中國35個大中城市面板數據的研究發現，城市間的相對房價越高，相對就業人數越少，這將促使產業價值鏈向高端攀升，從而促進產業結構升級，邵朝對等（2016）對中國282個地級以上城市的分析同樣得出相似結論。本書從家庭這一更微觀的角度進行分析，是對現有文獻的有力補充。