金融发展规模、门槛效应与房地产库存

傅贻忙 李小虎 张晨怡 谢柳莹

作者简介： 傅贻忙（1982—），男，湖南汝城人，博士，湖南工业大学商学院副教授，研究方向：城市与房地产经济学。

摘 要：基于2004-2017年我国金融发展规模和房地产库存的省际面板数据，构建基准面板模型和门槛面板模型，考量金融发展规模对房地产库存的影响。结果表明：金融机构存款对房地产库存的影响具有区域差异性，东部地区和西部地区表现出抑制作用，全国和中部地区表现出促进作用，中部地区和西部地区显著。金融机构贷款对房地产库存具有显著的促进作用。股票市价总值对房地产库存的影响存在显著的门槛效应，随着人均GDP跨过门槛值，股票市价总值对房地产库存的影响由抑制作用转化成促进作用。此外，上市公司数量对房地产库存的影响在全国、中部地区表现出促进作用，且中部地区显著。市场化指数在基准面板模型中表现出抑制作用且不显著，但在门槛面板模型中表现出显著的促进作用。经济发展水平对房地产库存表现出促进作用，但不显著。

关键词： 金融发展规模;房地产库存;门槛特征

中图分类号：F832;F299.23 文献标识码： A 文章编号：1003-7217（2022）01-0035-08

一、引 言

2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出：“加强房地产金融调控，发挥住房税收调节作用，支持合理自住需求，遏制投资投机性需求。”金融发展规模是区域金融发展的重要体现，金融发展规模越大，表明金融发展程度越高。金融资源禀赋是决定金融发展规模的前提，一般而言金融资源禀赋越丰富，金融发展规模扩大的可能性越大。金融资源禀赋同区域经济发展水平、社会文化和居民消费习惯息息相关。房地产是资金密集型产业，金融发展规模在促进房地产市场发展过程中有着至关重要的作用，房地产金融的成本与效率决定了房地产金融发展规模的程度。当前，房地产金融规模持续增大，高企的房地产库存占用了大量资金，导致房地产金融成本上升和效率降低，房地产金融规模的有效性降低。高企的房地产库存，也会导致金融系统面临巨大风险。另外，房地产去库存速度过快，成交量持续上升，导致出现供不应求的现象，可能引起房价再次上涨。因此，适当的房地产库存能有效降低房地产金融风险和抑制房价波动。那么，现阶段我国金融发展规模是否会影响房地产库存？又是通过哪些途径影响房地产库存？这些都是实现房地产市场平稳健康发展不可忽略的问题。

近年来，已有不少文献考察了金融投资、市场波动以及宏观调控等对房地产市场的影响。一是金融发展对房地产价格影响的研究。房地产行业发展需要大量资金，我国房地产业在金融快速发展的背景下成长起来。已有研究主要从信贷和杠杆等方面研究金融发展对房地产价格的影响。一方面，人口、收入、城市化构成了我国房地产价格上涨的基本面，而金融机构信贷量发展不平衡、宽松的货币政策等非基本面因素加速了房价上涨，加剧了房地产业金融化程度[1-7];另一方面，金融杠杆与房地产价格有内在联系，金融杠杆的运用不仅可以制约房价上涨，保持房价稳定，也有利于金融市场的稳健发展[8，9]。二是金融政策对房地产市场的影响。货币政策通过影响房地产资金使用成本、房价预期以及供给影响房地产市场。货币政策对房地产金融风险产生冲击，影响房地产消费与投资，但对房地产价格的影响相对较小。随着时间的推移，这种影响表现出扩大的趋势[10，11]。随着我国信贷市场的发展，利率政策通过信贷渠道对房地产市场价格的负向影响越明显。在高杠杆率环境下，相比于传统的短期利率手段，信贷政策对房地产市场的调控效果更好[12，13]。基于此，学者们提出改革土地制度、推进城镇化发展、强化市场监管等相关政策建议，促进房地产市场平稳健康发展[14-16]。三是房地产市场去库存的研究。双循环发展背景下，房地产市场的供需矛盾阻碍经济高质量发展，三四线城市房地产去库存政策效果不明显。学者们通过理论分析和实证检验，就我国房地产去库存策略做了大量研究：从库存成因来看，土地供应政策是商品住宅庫存的重要影响因素之一，在不同时期其调控效果也存在空间差异[17]。从去库存主体来看，国有房地产企业相比非国有房地产企业更愿意去库存，但地方政府可能因为增长压力阻挠其去库存行为[15]。从区域差异来看，金融发展对房地产库存的影响呈现显著的动态市场异质性特征，不同经济发展阶段、不同经济发展区域影响均不同。其中，金融发展效率与房地产库存呈负相关，且通过空间溢出效应弱化了对房地产库存的抑制作用[18，19]。从扩大内需来看，有学者提出加快多元城镇化步伐，培育潜在购房需求，重视农民工市民化作用，并制定合理的户籍制度和配套措施[20，21]。

综上所述，国内外学者对金融发展与房地产市场进行了大量的研究，以往的理论研究和实证分析表明金融发展对房地产市场健康持续发展具有重要的影响，但围绕金融发展规模对房地产库存影响的研究还有待进一步深化，金融发展规模对房地产库存的门槛效应影响还未得到充分认识。因此，在现有研究成果的基础上，基于金融发展规模视角，构建门槛面板模型，研究金融发展规模对房地产库存的影响，有利于促进房地产业与金融业协同发展，具有一定的理论价值和现实意义。

二、理论分析与研究假设

（一）金融存款对房地产库存的影响机制

金融存款产生财富效应，对房地产库存产生影响。一方面，当房价上升时，拥有一套商品房的居民并不会选择出售商品房，居民消费受住房价格上涨的影响较少，此时居民财富表现为一种虚拟变化，并无实际的财富效应。而拥有两套或更多商品房的居民则会选择增加改善住房环境的消费或是出售部分商品房，通过商品房买卖之间的差价取得购买高档住房的资金，从而带来正的财富效应，相对来说增加了房地产市场的供给，对房地产库存的增加产生正向的影响[22]。另一方面，对于计划在未来购房并具备购房能力的居民，房价的降低将直接导致住房消费的提升，形成正的财富效应。对于计划买房但未具备购房能力或无购房需求的居民，房价的降低将减少其购房压力，降低居民的储蓄负担，居民将加大在改善住房环境方面的消费，带来正的财富效应。基于此，提出假设1。

假设1 金融存款通过财富效应影响居民购房能力，进而影响房地产库存，这种影响可能存在区域差异。

（二）金融贷款对房地产库存的影响机制

金融贷款主要是从两个维度对房地产库存产生影响。一是在贷款利率上升时，开发商的投资成本持续上升。对资本充足的开发商来说，虽然贷款利息的增加会明显地造成开发资金成本的上升，但利息增加会明显地约束资本弱小的房地产开发商的建设进程[23]。所以，短时间内为夺取市场资源，压制竞争对手，资本充足的开发商不会放缓房地产建造与生产规模的速度，房地产销售会以新建房为主、库存为辅，这时房地产库存不会明显下降。贷款利息的长期增加，会直接影响房地产市场的贷款结构与规模。因此，不论是资本充足还是资金短缺的开发商，均会减少和降低对房地产的开发规模与速度，此时房地产库存会明显下降。二是居民会在银行信贷扩充时参与信贷来获取更多购置商品房的资金，导致购房需求增加。房价的上涨也会促使投资者对未来房地产市场的评估获益趋向积极乐观，增加对房地产市场的投资信心，保持对房地产市场较高的投资[24]。居民获得金融机构贷款用于购置房地产，购房需求被激发出来，从而降低房地产库存。基于此，提出假设2。

假设2 金融贷款不仅能制约居民购房行为，也会影响房地产开发投资，需要考量二者的力量强弱。

（三）股票市场对房地产库存的影响机制

我国的股票市场与房地产市场两者是一种辩证的相互制约关系[25]。当房地产市场发展缓慢时，大量资金便流向股市，反之亦然。长期来看，我国房地产市场和股票市场存在着失调关系。短期来看，股票市场对房地产市场的替代作用不清晰，但产生的财富效应却较为明显。从经济周期传导效应视角分析，两个市场都受到相同宏观经济政策的调控，两个市场将同向转变[26]。当经济复苏或繁荣时，房地产市场和股票市场的有效需求增加，市场规模持续扩大，房地产库存会减少。当经济衰退时，两个市场的交易额不足，出现供过于求，致使房地产库存增加。同为资本投资市场的股票市场和房地产市场之间存在替代关系，但两者之间的替代关系并不紧密[27]。我国股票市场和房地产市场之间可能存在非线性关系。在经济发展水平较低时，人们的收入水平难以支撑投资需求，股票市场与房地产市场之间是替代关系。在经济发展水平较高时，通过财富效应，股票市场和房地产市场之间是促进关系。

假设3 经济发展水平较低时，股票市场与房地产市场之间是替代关系;经济发展水平较高时，股票市场和房地产市场之间是促进关系。

三、研究设计

（一）数据来源

根据官方统计的区域划分标准把全国（不包括港、澳、台等地区）分为东部、中部、西部三大区域。数据来源于2004-2017年《中国房地产统计年鉴》《中国金融统计年鉴》等。西藏自治区数据缺失严重，故分析中并不包括西藏自治区。以2004年为基期，运用CPI指数对含有价格因素的各项指标进行平减。市场化指数以樊纲等编写的《中国分省份市场化指数报告（2018）》为基础，缺失年份使用GDP增长率进行计算求得。

（二）计量模型构建

1.基准面板模型。

由理论分析可知，金融发展规模中的金融存款、金融贷款和股票市场均会对房地产库存造成影响。建立基准面板模型进行估计，模型设定如下：

在式（1）中，为克服异方差的影响，减少原始数据波动性对模型估计精度的影响，对房地产库存（chsait）、金融机构存款（tdit）、金融机构贷款（tlit）、股票市价总值（tsit）和经济发展水平（rgdpit）等绝对数指标分别进行对数化处理。其中房地产库存（chsait）为被解释变量，Xit为解释变量：金融机构存款（tdit）、金融机构贷款（tlit）和股票市价总值（tsit）。Uit表示影响金融发展规模的控制变量：上市公司数量（lcnit）、市場化指数（marketit）和经济发展水平（rgdpit）。下标i和t分别代表省份和年度，ω为常数项，εit为随机扰动项。

2.变量选取

（1）因变量分析

房地产库存（chsait）：主要考察金融发展规模对房地产库存的影响，选用狭义的房地产库存概念，具体是指在报告期末已竣工的待售现房，即现行房地产开发统计中的待售商品房面积。房地产库存的区域差异在一定程度上可以通过商品房待售面积的省际差异来体现[28]。

（2）自变量分析

金融机构存款（tdit）：指居民将其使用权暂时转让给金融机构的货币资金。金融机构贷款（tlit）：是指银行业金融机构利用存款向社会发放的贷款总额。股票市价总值（tsit）：股票市价总值是股票公司的市场价格同发行的总股数的乘积，即该公司在股票市场上的总价值。

（3）控制变量分析

主要选取上市公司数量（lcnit）、市场化指数（marketit）和经济发展水平（rgdpit）作为控制变量。上市公司数量（lcnit）：是指在证券交易所上市交易的股份有限公司数量。市场化指数（marketit）：区域市场经济发展程度。经济发展水平（rgdpit）：表示在一定时间区域内人均生产的财富总值。

3.门槛面板模型。基准面板模型说明了金融发展规模对房地产库存的影响，但仍无法刻画金融发展规模对房地产库存变动的非线性影响。门槛自回归模型由Tong首次提出，之后这种非线性模型在经济和金融分析领域得到了广泛的应用。门槛分界点是门槛自回归模型运用门槛变量来决定的，通过门槛变量的观察值来估算出合适的门槛值。Hansen的门槛面板模型是一种较为实用的检测方法，模型中门槛值的精确度和内生门槛效应是否存在都能通过显著性检验得出。其核心观点是将门槛值比作未知变量代入计量模型检验，建立观测数据的区制解释变量系数分段函数，并通过模型对相应门槛值和门槛效应进行检验。依据上述观点，将式（1）转换成三门槛面板模型的基本模式。

依据Hansen的门槛回归思想，当回归残差平方和最小时其对应的值就是θ值。对此，估算完门槛值后，需对门槛个数进行进一步的检测，考证门槛值划分样本群组和参数是否存在显著差异，构建LM统计量进行检验。

其中，S0表示原假设下的残差平方和，S（θ1）表示单个门槛值下的回归残差平方和，σ2为其残差的方差估值。因式（4）中的F分布为非标准分布，依据Hansen基本理念，可借助“自助抽样法”（Bootstrap）获取检验临界值。检验通过后可构造估量计算θ置信区间。此外，S（θ1）是对照不同门槛值所得到的残差平方和。

门槛回归模型显著性检验主要用于检验两组样本中的模型估计参数是否存在明显差异。因此，构造LM（Lagrange multiplier）统计量，门槛不存在的零假设是H0：β1=β2。

式（6）中，S0为零假设中残差项平方和，Sn为门槛效应中残差项平方和。然而，对式（6）进行统计检验的过程中，可能存在零假设下无法识别的情况，将造成传统检验统计量的大样本分布成为在干扰参数影响下的非标准非相似（non-standard non-similar）分布，而不是卡方分布，导致分布的临界值无法通过模拟的方式得到。为避免这类问题出现，Hansen以本身的大样本分布函数来调整，获取大样本的渐进P值。当零假设成立时，P值统计量的大样本分布表现为均衡分布，并借助“自助抽样法”（Bootstrap）计算。其方法的基本原理是：存在需要的解释变量和门槛值，模拟出因变量序列使其符合式（2）。每获取一个自抽样样本，可计算出相应模拟的LM统计量。将此步骤进行数次，其模拟产生的LM统计量高于式（6）的次数的比值，即“自助抽样法”中的P值。其中Bootstrap P值等同于普通测量方法中的概率P值。當检验某一变量表现出“门槛效应”时，需确认门槛值的置信区间。对零假设H0：y=y0检验时，可将“似然比统计量”（likelihood ratio staistic）表示为：

LR同样为非标准正态分布。而Hansen计算了其置信区间，即在显著性水平为α时，当LRy0≤cα=-2ln1-1-a时，不能拒绝零假设y=y0。当存在一个门槛值时，要确认是否存在多个门槛值，对两个门槛值的检测是有必要的。当拒绝LM检测时，表明至少有一个门槛值，随后设1为已知变量，对下一个门槛值2实行验证。确定两个门槛值后，对下一个门槛进行检验，直到存在零假设为止。因此，无论多少个门槛检验，其原理是相同的。

四、模型估计及分析

（一）描述性统计分析

表2是各变量的描述性统计结果。分别对全国、东部、中部、西部数据进行描述性统计分析：依据平均值分析，东部地区房地产库存已超出全国综合水平，且高于中西部地区。依据标准差分析，东部地区房地产库存的差异性较中西部地区要高。从银行业金融机构存款、银行业金融机构贷款和股票市价总值三个指标来看，东部地区高出全国水平，中西部地区却低于全国水平。从上市公司数量、经济发展水平、市场化指数这类引发房地产库存变动的变量来看，可发现东部地区高于全国平均水平，且远远高于中西部地区。以上几点说明房地产库存和金融发展规模存在显著的区域性差异。

（二）单位根检验

为保证变量间统计规律的稳定性，避免出现“伪回归”等问题，建模分析前需对序列的平稳性进行检验。主要采用LLC检验和IPS检验两种方法对各变量进行单位根检验。其中，LLC检验主要适用于长面板，而IPS检验又能很好地克服LLC检验中要求“各自回归系数都相等”的缺点，对前者起到补充检验的作用。结果如表3所示。对原序列进行单位根检验时，含有单位根的变量较多，而一阶差分后，七个变量序列均表现平稳，表明这七个变量为一阶单整。

（三）协整检验

对于含有单位根的变量，进一步探索单位根变量之间是否存在“长期均衡关系”。若存在，则满足基准回归分析条件。运用Pedroni检验方法、Westerlund检验和Kao检验三种检验方法综合对数据进行协整分析。由表4可知，各个统计量否认“不存在协整关系”的最初假设，即相同阶的协整变量之间有着明显的长期协整关系。

（四）基准面板估计结果及分析

固定效应、随机效应和混合效应是处理面板数据的基本方法。对2004-2017年的全国、东部地区、中部地区和西部地区进行面板数据的估计。在对模型的具体形式进行筛选时，采用F检验法对固定效应模型和混合效应模型进行判定，借助Hausman验证法在固定效应模型和随机效应模型中进行判定。从表5中的数据可以看出：全国和中部地区选取固定效应模型进行分析，东部地区和西部地区选取随机效应模型进行分析。

金融机构存款：东部地区和西部地区表现出一定的抑制作用，全国和中部地区表现出一定的促进作用，中部地区和西部地区显著。一方面，存款规模增加，居民可支配收入也随着增加，从而增强居民购房能力，有利于房地产库存的降低。另一方面，房价与房租往往成正相关，在房价上涨的同时房租也随之上涨，这会抑制甚至阻挡上述的住房消费效果，提升房地产库存水平。金融机构贷款：全国、东部和西部地区都是显著正相关，中部地区不显著。这表明银行业金融机构贷款促进房地产库存的增加。一方面，人们在银行信贷扩张期间普遍认为可以从信贷扩张中获取较多资金用于住房消费，从而扩大购房需求，原本潜在的购房需求也会随之发展成为实质性的购房需求。另一方面，房地产开发企业获得贷款后增加房地产市场的供给。两个方面力量的比较，现阶段我国的银行业金融机构贷款显著提升了房地产库存水平。股票市价总值：全国、东部地区和西部地区具有一定的抑制作用，但不显著。这说明我国房地产市场与股票市场之间具有轻微的投资替代关系，但并不显著。

从上市公司数量看，全国和中部地区表现出正相关，且中部地区显著，东部地区和西部地区表现出轻微的负相关，不显著。市场化指数：西部地区市场化指数同房地产库存具有正向关系，全国、东部地区和中部地区是负向关系，但都不显著。从经济发展水平看，全国、东部地区、中部地区和西部地区都表现出正向关系，但都不显著。

（五）门槛面板估计结果及分析

通过上述分析不难发现，股票市价总值对房地产库存的影响并不明显，可能原因是股票市价总值对房地产库存的影响并不是简单的线性关系。股票市价总值对房地产库存的影响也许是以某种约束来实现的，导致门槛效应的形成。在门槛区制的影响下，股票市价总值对房地产库存的影响呈现出不一致现象，当其通过相应门槛值后，对房地产库存的影响会出现差异性。因此，运用面板数据模型的门槛估计技术，以人均GDP作为门槛变量，进一步检验股票市价总值对房地产库存影响的门槛效应，以揭示在不同人均GDP门槛区制下股票市价总值和市场化指数对房地产库存影响的转换特征。

借助300次自助抽样法（Bootstrap）进行反复的计算得出“似然比统计量”，来确定人均GDP门槛区制下股票市价总值对房地产库存影响的门槛值。表6给出了人均GDP门槛值个数检验成果，显而易见，单一和双重门槛效应均显著。本文主要考察不同区制下股票市价总值对房地产库存的影响，因此，选择双重门槛进行分析。

通过门槛效应个数检验后，需要进一步研究门槛效应的置信区间和门槛效应的似然比函数图。双重门槛效应的95%置信区间列示于表7。双重门槛模型中人均GDP对数化（实际值）的门槛值分别为9.737（16932）和10.057（23318）。因此，可以根据双重门槛值把全国按人均GDP发展水平划分为人均GDP水平较低区域（ln rgdpit≤9.737）、人均GDP水平中等区域（9.737<ln rgdpit≤10.057）和人均GDP水平较高区域（10.057

门槛面板模型回归结果表明，将人均GDP作为门槛变量，股票市价总值和市场化指数对房地产库存的影响有显著区别。伴随着股票市价总值跨越人均GDP相应门槛值，其对房地产库存的影响从显著到不显著再到显著，其影响系数也由负值缓慢转变为正值，影响系数绝对值减小。市场化指数与房地产库存具有显著的正向关系，表明市场化指数对房地产库存有一定的促进作用。市场化指数反映的是区域市场化程度，目前我国市场化程度较高的区域，其房地产市场规模较大，因此，所需要的房地产库存也较高。

当人均GDP处在ln rgdpit≤9.737区制时，股票市价总值对房地产库存的影响系数为-0.0373，在1%的水平下显著，处于这一区间内的样本占比为26.90%。当人均GDP处在9.737

这表明股票市价总值对房地产库存的影响存在显著的门槛效应，随着人均GDP的门槛区制转化，股票市价总值对房地产库存的影响由抑制作用转化为促进作用，可能的原因是：当人均GDP较低时，人们拥有的收入不足以同时购买股票和进行住房消费，两者只能取其一。住房消费具有占用资金多、回报时间长等特征，人们往往选择股票进行投资，导致进入房地产市场的资金较少，房地产供给不足，房地产消费主要体现为刚性消费，因此，房地产库存下降。股票市价总值与房地产库存具有负相关关系，即股票市场投资与房地产市场投资存在一定的替代性。当人均GDP较高时，人们拥有的收入增加，叠加股票的财富效应，投资需求增加。人们对房地产投资偏好变强，进入房地产市场的资金增加，致使房地产供给增加，房地产改善型消费增加引起房地产需求增加，最终导致房地产市场规模扩大，所需的房地产库存增加。股票市价总值与房地产库存具有正相关关系，即股票市场投资与房地产市场投资存在一定的协同性。

五、结论与启示

基于2004-2017年我国省际面板数据构建基准面板模型和门槛面板模型，考量金融发展规模对房地产库存的影响，形成以下主要结论：第一，银行业金融机构存款对房地产库存的影响具有区域差异性，东部地区和西部地区表现出一定的抑制作用，全国和中部地区表现出一定的促进作用，中部地区和西部地区显著。第二，银行业金融机构贷款对房地产库存的影响在全国、东部和西部地区表现出显著的正向影响。第三，股票市价总值对房地产库存的影响存在显著的门槛效应。随着人均GDP的门槛区制转化，股票市价总值对房地产库存的影响由抑制作用转化为促进作用。第四，上市公司数量在全国和中部地区表现出正相关，且中部地区显著，东部地区和西部地区表现出轻微的负相关，不显著。第五，市场化指数在基准面板数据模型中表现出抑制作用，不显著，但在门槛模型中表现出显著的促进作用。第六，经济发展水平对房地产库存表现出促进作用，但不显著。

综上所述，本文得出如下政策启示：一是金融发展规模中的银行业金融机构贷款对房地产库存的影响具有显著的促进作用。将银行业金融机构贷款调控作为稳定房地产库存水平的重要手段，防范由于抵押融资约束等金融摩擦所造成的风险跨市场传染。完善金融发展资源高效率配置机制，促进房地产市场平稳健康发展，减少房地产金融资源供求失衡问题。二是重视股票市场与房地产市场之间的短期和长期关系变化特征。股票市场与房地产市场之间在不同经济发展阶段相互关系存在差异，应进一步健全我国多层次金融市场，防范股票市场与房地产市场剧烈波动引发我国经济系统性风险。三是上市公司数量、市场化程度和经济发展水平与房地产库存并无显著的正向关系。我国较多三四线城市面临人口流失、高质量发展动力不足和房地产贷款比重较大问题，房地产去库存政策制定应更多关注三四线城市发展难题，落实“一城一策”方针，合理规划三四线城市房地产市场调控政策。

参考文献：

[1] 周建军，刘奎兵，郑娇，等.人口结构对房价的影响及其区域差异性研究[J].经济经纬，2020，37（3）：134-141.

[2] 周颖刚，蒙莉娜，卢琪.高房价挤出了谁？——基于中国流动人口的微观视角[J].经济研究，2019，54（9）：106-122.

[3] 倪鹏飞.货币政策宽松、供需空间错配与房价持续分化[J].经济研究，2019，54（8）：87-102.

[4] Glaeser E，Huang W，Ma Y， et al. A real estate boom with Chinese characteristics[J]. Journal of Economic Perspectives，2017，31（1）：93-116.

[5] 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.

[6] 董纪昌，袁铨，尹利君，等.基于PMC指数模型的单项房地产政策量化评价研究——以我国“十三五”以来住房租赁政策为例[J].管理评论，2020，32（5）：3-13+75.

[7] 周建军，孙倩倩，鞠方.房价波动、收入差距与消费差距[J].消费经济，2018，34（5）：23-30.

[8] 伍文中，李燕.金融杠杆抑制房价有效性检验[J].华东经济管理，2021，35（2）：106-111.

[9] 刘晓欣，雷霖.金融杠杆、房地产价格与金融稳定性——基于SVAR模型的实证研究[J].经济学家，2017（8）：63-72.

[10]Gupta R，Africa S， Jurgilas M，et al. Financial market liberalization，monetary policy， and housing sector dynamics[J]. International Business and Economics Research Journal， 2012（1）：69-96.

[11]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，2019，40（4）：32-37.

[12]Pan H，Wang C. House prices， bank instability， and economic growth： Evidence from the threshold model[J]. Journal of Banking and Finance，2013，37（5）：1720-1732.

[13]劉晓欣，雷霖，靳亚阁.货币供给、房地产价格与金融稳定性——基于SVAR模型的实证研究[J].上海经济研究，2017（7）：31-41.

[14]刘志彪.房地产去库存：供给侧结构改革的重中之重[J].江苏行政学院学报，2016（4）：36-41.

[15]刘斌，黄坤，王雷.谁更愿意去库存：国有还是非国有房地产企业？[J].经济研究，2018，53（6）：112-126.

[16]汪天都.房地产去库存：进展、问题与对策[J].金融发展研究，2019（5）：38-45.

[17]黄燕芬，张磊.2016年中国房地产业主基调：去库存、稳市场[J].价格理论与实践，2015（12）：25-28.

[18]傅贻忙，周建军，孙倩倩，等.多元城镇化、门槛效应与房地产库存：理论解释与实证检验[J].财经理论与实践，2018，39（3）：127-133.

[19]傅贻忙，周建军，周颖.金融发展、空间效应与房地产库存——理论解释与实证检验[J].系统工程，2018，36（10）：14-29.

[20]许光建，陆颖婷，马小雨.我国房地产市场“去库存”的路径研究——以无锡市为例[J].价格理论与实践，2017（2）：21-25.

[21]胡祖铨.我国房地产去库存研究[J].宏观经济管理，2016（4）：22-25+33.

[22]周广肃，王雅琦.住房价格、房屋购买与中国家庭杠杆率[J].金融研究，2019（6）：1-19.

[23]于雪.房地产价格泡沫与拐点研究——基于日本东京和中国上海的对比分析[J].管理评论，2019，31（9）：58-69.

[24]鞠方，王姣，朱兴宇.房地产投资对行业全要素生产率的影响——基于信贷中介效应的视角[J].湖南大学学报（社会科学版），2020，34（5）：62-70.

[25]周弘，张成思，何启志.中国居民资产配置效率的门限效应研究：金融约束视角[J].金融研究，2018（10）：55-71.

[26]胡成春，陈迅.经济政策不确定性、宏观经济与资产价格波动——基于TVAR模型及溢出指数的实证分析[J].中国管理科学，2020，28（11）：61-70.

[27]张浩，韩铭辉，姚佳颖.外汇市场、股票市场与房地产市场的风险传染研究——基于三元VAR-BEKK-GARCH模型实证分析[J].运筹与管理，2020，29（7）：206-213.

[28]傅贻忙，王欢芳，刘奎兵.空间变异特征下金融发展结构对房地产库存的影响研究[J].财经理论与实践，2020，41（3）：117-123.

（责任编辑：钟 瑶）

3219501908298