史 彪

（中國(guó)人民銀行咸陽(yáng)市中心支行，陜西 咸陽(yáng) 712000）

一、引言

在次級(jí)貸款泛濫的背景下，美國(guó)房地產(chǎn)市場(chǎng)呈現(xiàn)畸形繁榮，房地產(chǎn)金融泡沫日益加劇，其后隨著房?jī)r(jià)轉(zhuǎn)跌，部分家庭喪失還貸能力，美國(guó)于2007年爆發(fā)了次貸危機(jī)，使得商業(yè)銀行面臨嚴(yán)峻不良資產(chǎn)問(wèn)題。金融危機(jī)很快波及到其他發(fā)達(dá)國(guó)家和新興市場(chǎng)國(guó)家，嚴(yán)重沖擊全球金融穩(wěn)定，造成了全球?qū)嶓w經(jīng)濟(jì)的衰退。在此背景下，為應(yīng)對(duì)國(guó)際金融危機(jī)沖擊，保持經(jīng)濟(jì)平穩(wěn)較快發(fā)展，中國(guó)政府出臺(tái)了一系列經(jīng)濟(jì)刺激措施，中國(guó)人民銀行多次調(diào)整存貸款基準(zhǔn)利率，下調(diào)金融機(jī)構(gòu)再貸款和再貼現(xiàn)利率，保證銀行體系流動(dòng)性充足。財(cái)政政策方面，推出了“進(jìn)一步擴(kuò)大內(nèi)需，促進(jìn)經(jīng)濟(jì)穩(wěn)定增長(zhǎng)”的4萬(wàn)億元的投資計(jì)劃。同時(shí)，為鼓勵(lì)住房消費(fèi)，促使房地產(chǎn)銷售回暖，國(guó)家出臺(tái)了降低首付比及按揭貸款利率等措施。這一系列舉措有效扭轉(zhuǎn)了經(jīng)濟(jì)下滑趨勢(shì)，成功抵御了國(guó)際金融危機(jī)沖擊。2015年以來(lái)，全球經(jīng)濟(jì)增速放緩，國(guó)內(nèi)經(jīng)濟(jì)出現(xiàn)下行，面對(duì)財(cái)政金融風(fēng)險(xiǎn)加劇的形勢(shì)，國(guó)家又先后出臺(tái)一系列政策，旨在實(shí)現(xiàn)穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)、防風(fēng)險(xiǎn)，但在持續(xù)降息降準(zhǔn)政策的作用下，全國(guó)房?jī)r(jià)出現(xiàn)了明顯上漲。于是2016年中央經(jīng)濟(jì)工作會(huì)議上提出“房子是用來(lái)住的，不是用來(lái)炒的”的基本定位，隨后多地樓市調(diào)控政策密集出臺(tái)。

這些經(jīng)濟(jì)政策對(duì)促進(jìn)經(jīng)濟(jì)平穩(wěn)健康發(fā)展發(fā)揮了重要作用，但也引起了一些其他后果。一方面，政策的頻繁出臺(tái)加劇了經(jīng)濟(jì)的不確定性。根據(jù)Baker等（2016）的研究，中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)自2012年以來(lái)不斷上升[1]。而在經(jīng)濟(jì)政策不確定時(shí)，市場(chǎng)主體難以對(duì)政策調(diào)整進(jìn)行預(yù)知，可能因政策模糊引發(fā)潛在風(fēng)險(xiǎn)。另一方面，大規(guī)模刺激政策在改善我國(guó)實(shí)體經(jīng)濟(jì)投資下滑的同時(shí)，也加快了房地產(chǎn)等傳統(tǒng)行業(yè)的快速發(fā)展，我國(guó)居民杠桿率快速增長(zhǎng)，大量杠桿資金積聚在房地產(chǎn)行業(yè)，企業(yè)金融化以及金融資源傾向房地產(chǎn)領(lǐng)域的趨勢(shì)更加明顯[2]。

房地產(chǎn)金融化的顯著特征是房地產(chǎn)行業(yè)從商業(yè)銀行獲取的信貸規(guī)模不斷增加，居民家庭按揭貸款比例不斷上升。同時(shí)，大量債券、股本、信托資金進(jìn)入房地產(chǎn)行業(yè)，房地產(chǎn)行業(yè)與資本市場(chǎng)深度關(guān)聯(lián)。而商業(yè)銀行信貸資金過(guò)度集中于某一個(gè)行業(yè)，將不利于其控制資產(chǎn)風(fēng)險(xiǎn)。尤其當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，企業(yè)經(jīng)營(yíng)環(huán)境將發(fā)生較大變化，會(huì)加劇金融市場(chǎng)風(fēng)險(xiǎn)[3]。因此，在經(jīng)濟(jì)政策不確定時(shí)，房地產(chǎn)金融化可能對(duì)商業(yè)銀行產(chǎn)生沖擊，如果出現(xiàn)大規(guī)模房地產(chǎn)企業(yè)債務(wù)違約，將損害商業(yè)銀行資產(chǎn)質(zhì)量。2020年末，我國(guó)商業(yè)銀行不良貸款率為1.92%，資產(chǎn)質(zhì)量總體平穩(wěn)，但不良貸款率較上年末增長(zhǎng)了0.06個(gè)百分點(diǎn)。此外，我國(guó)商業(yè)銀行資產(chǎn)質(zhì)量表現(xiàn)出明顯的地區(qū)差異[4]。例如：北京、上海、江蘇等經(jīng)濟(jì)發(fā)達(dá)省份不良貸款率均在1%以下，而西北、東北地區(qū)部分省份不良貸款率處于高位，甘肅省不良貸款率高達(dá)7.71%①數(shù)據(jù)中的區(qū)域金融版圖：長(zhǎng)三角是銀行貸款投放“最愛(ài)”［EB/OL］.（2020-10-10）.https://baijiahao.baidu.com/s?id=1680117125043787484&wfr=spider&for=pc.。如果商業(yè)銀行不良貸款率大幅上升，不僅會(huì)沖擊區(qū)域金融穩(wěn)定，還可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。

綜上所述，房地產(chǎn)金融化保證了房地產(chǎn)行業(yè)的資金供給，也為商業(yè)銀行提供了優(yōu)質(zhì)的信貸資產(chǎn)。但是金融資源過(guò)度積聚于地產(chǎn)領(lǐng)域如同“灰犀?！币话?，已成為危及我國(guó)商業(yè)銀行體系的巨大隱患。當(dāng)房地產(chǎn)過(guò)度金融化這只“灰犀?！庇龅健敖?jīng)濟(jì)政策不確定”這只“黑天鵝”，是否會(huì)引起商業(yè)銀行不良貸款率的攀升？此外，部分研究認(rèn)為經(jīng)濟(jì)政策不確定性在很大程度上被視為勻質(zhì)的[5]，那么對(duì)于房地產(chǎn)金融化和商業(yè)銀行不良貸款率，這一觀點(diǎn)是否仍然成立？本文將研究落腳點(diǎn)置于我國(guó)金融體系中占據(jù)重要地位的商業(yè)銀行，并考慮不同區(qū)域房地產(chǎn)金融化以及經(jīng)濟(jì)、金融發(fā)展水平的差異，選擇各省份商業(yè)銀行不良貸款率作為被解釋變量，通過(guò)構(gòu)建全國(guó)及各省份房地產(chǎn)金融化指數(shù)，分析經(jīng)濟(jì)政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率之間的關(guān)系。在分析中，將銀行體系流動(dòng)性納入研究框架，探討銀行體系流動(dòng)性在經(jīng)濟(jì)政策不確定性影響房地產(chǎn)金融化過(guò)程中的中介效應(yīng)，為本文研究提供支撐。

二、文獻(xiàn)綜述

（一）經(jīng)濟(jì)政策不確定性與房地產(chǎn)金融化

一方面，經(jīng)濟(jì)政策不確定將加劇房地產(chǎn)價(jià)格波動(dòng)。張浩等（2015）構(gòu)建我國(guó)房?jī)r(jià)短期波動(dòng)模型，采用LSTVAR模型分析發(fā)現(xiàn)較高的政策不確定性會(huì)延緩個(gè)人購(gòu)房行為，降低房地產(chǎn)企業(yè)住房供給，加劇房地產(chǎn)價(jià)格波動(dòng)[6]。另一方面，經(jīng)濟(jì)政策不確定將導(dǎo)致經(jīng)濟(jì)金融環(huán)境發(fā)生改變，從而影響市場(chǎng)主體行為[7]。對(duì)于商業(yè)銀行，經(jīng)濟(jì)政策不確定將影響商業(yè)銀行流動(dòng)性創(chuàng)造。以歐洲央行在歐洲債務(wù)危機(jī)期間的貨幣政策操作為例，Talk（2016）認(rèn)為其政策本意是刺激資金流向?qū)嶓w經(jīng)濟(jì)，提振經(jīng)濟(jì)增長(zhǎng)，但是政策調(diào)整過(guò)于劇烈反而導(dǎo)致銀行放貸動(dòng)力不足[8]。田國(guó)強(qiáng)等（2020）指出，當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，商業(yè)銀行會(huì)降低表內(nèi)、表外流動(dòng)性創(chuàng)造，并且這一負(fù)向影響呈現(xiàn)“非對(duì)稱U型”結(jié)構(gòu)變化[9]。對(duì)于房地產(chǎn)企業(yè)，陳淑云等（2020）通過(guò)理論推導(dǎo)，認(rèn)為經(jīng)濟(jì)政策不確定可能會(huì)加劇房地產(chǎn)企業(yè)投資行為。具體來(lái)看，在高度不確定時(shí)期，房地產(chǎn)企業(yè)將增加土地儲(chǔ)備，擴(kuò)大投資，提前搶占未來(lái)市場(chǎng)份額[10]。潘群星等（2020）使用中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)和中國(guó)房地產(chǎn)開發(fā)投資數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果表明中國(guó)經(jīng)濟(jì)政策不確定性會(huì)抑制房地產(chǎn)企業(yè)實(shí)物投資[11]。

（二）房地產(chǎn)金融化與商業(yè)銀行不良貸款率

林睿等（2015）認(rèn)為我國(guó)房地產(chǎn)金融狀況大致可以分為四個(gè)階段，其中次貸危機(jī)時(shí)期房地產(chǎn)金融狀況較差。進(jìn)入2010年以后，房地產(chǎn)金融市場(chǎng)運(yùn)行相對(duì)平穩(wěn)，但與2007年前相比，房地產(chǎn)金融市場(chǎng)波動(dòng)幅度增大，房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)也在增大[12]。李嘉珣（2021）指出當(dāng)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)高度聚集時(shí)，一些突發(fā)因素可能會(huì)沖擊商業(yè)銀行體系，例如融資環(huán)境和政策的變化可能導(dǎo)致現(xiàn)金流斷裂，銀行呆賬壞賬的發(fā)生幾率劇增，甚至波及行業(yè)上下游的產(chǎn)業(yè)鏈[13]。此外，方明（2018）認(rèn)為房地產(chǎn)資金供給和需求的期限不匹配問(wèn)題導(dǎo)致房地產(chǎn)行業(yè)本身蘊(yùn)含潛在風(fēng)險(xiǎn)，尤其是過(guò)多的銀行資金積壓于房地產(chǎn)項(xiàng)目，將加劇整個(gè)銀行體系的系統(tǒng)性風(fēng)險(xiǎn)[14]。

（三）經(jīng)濟(jì)政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率

陳詩(shī)一等（2016）指出，央行調(diào)整政策利率會(huì)通過(guò)金融體系傳遞到房地產(chǎn)市場(chǎng)，進(jìn)而反作用于銀行業(yè)信貸資產(chǎn)[15]。潘晶（2017）認(rèn)為，伴隨著房地產(chǎn)信貸規(guī)模快速擴(kuò)張，金融資源配置的結(jié)構(gòu)失衡和效率低下開始顯現(xiàn)，從國(guó)外的發(fā)展教訓(xùn)來(lái)看，這將極易導(dǎo)致房地產(chǎn)泡沫的破滅和金融體系的動(dòng)蕩，進(jìn)而對(duì)整個(gè)實(shí)體經(jīng)濟(jì)造成沖擊[16]。在實(shí)證方面，周建軍等（2019）基于主成分分析法，利用SVAR模型和門檻模型，分析貨幣政策對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的沖擊，結(jié)果表明貨幣政策調(diào)整對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的沖擊在不同房?jī)r(jià)水平上具有非對(duì)稱性[17]。

回顧以往研究，學(xué)者普遍認(rèn)為經(jīng)濟(jì)政策不確定會(huì)沖擊房地產(chǎn)市場(chǎng)和商業(yè)銀行體系，進(jìn)而沖擊金融穩(wěn)定。但鮮有定量分析經(jīng)濟(jì)政策不確定對(duì)房地產(chǎn)金融化和商業(yè)銀行不良貸款率的影響，這可能是因?yàn)槿狈饬糠康禺a(chǎn)金融化的相關(guān)指標(biāo)。因此，本文基于以往研究，構(gòu)建我國(guó)房地產(chǎn)金融化指數(shù)，衡量2008—2019年我國(guó)房地產(chǎn)金融市場(chǎng)發(fā)展?fàn)顩r，同時(shí)基于我國(guó)經(jīng)濟(jì)政策不確定性不斷上升的背景，通過(guò)實(shí)證研究房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率產(chǎn)生的影響。

三、理論機(jī)制與研究假設(shè)

本文首先討論房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響。房地產(chǎn)行業(yè)本身屬于資本密集型行業(yè)，其健康發(fā)展需要金融化作為支撐。適度的金融化將確保房地產(chǎn)行業(yè)平穩(wěn)、健康發(fā)展，房地產(chǎn)行業(yè)的快速發(fā)展也能夠有效促進(jìn)金融行業(yè)的成長(zhǎng)，兩者之間存在相互依賴關(guān)系。進(jìn)入2008年以來(lái)，我國(guó)城鎮(zhèn)化進(jìn)程加快，房地產(chǎn)市場(chǎng)呈現(xiàn)快速發(fā)展態(tài)勢(shì)，全國(guó)性住宅價(jià)格開始普漲，尤其部分大中城市房?jī)r(jià)大幅上漲。因此，房地產(chǎn)資產(chǎn)成為間接融資領(lǐng)域最優(yōu)質(zhì)的抵押物。當(dāng)房?jī)r(jià)處于上漲階段，在信貸供給端，商業(yè)銀行投放房地產(chǎn)抵押貸款的意愿較強(qiáng)，甚至?xí)潘墒谛艞l件，提高抵押率，推動(dòng)貸款投放加速，并通過(guò)同業(yè)業(yè)務(wù)的擴(kuò)張促進(jìn)信貸資源流向房地產(chǎn)行業(yè)，這將加速房地產(chǎn)金融化。在信貸需求端，居民購(gòu)置資產(chǎn)向來(lái)存在買漲不買跌的傾向，購(gòu)房融資需求也相對(duì)旺盛。在風(fēng)險(xiǎn)方面，近十年房地產(chǎn)市場(chǎng)價(jià)值整體穩(wěn)定，居民投資房地產(chǎn)的風(fēng)險(xiǎn)遠(yuǎn)低于股票等其他權(quán)益類投資。此外，房地產(chǎn)市場(chǎng)還有著相對(duì)成熟規(guī)范的抵押及處置手續(xù)。因此，盡管“房地產(chǎn)泡沫是威脅金融安全最大的‘灰犀牛’”，但在過(guò)去十余年，房地產(chǎn)市場(chǎng)依靠融資以及超長(zhǎng)景氣周期，借助土地以及房產(chǎn)的高抵押價(jià)值，為商業(yè)銀行提供了較為穩(wěn)健的收益和安全的信貸資產(chǎn)?；谝陨戏治?，提出假設(shè)1。

H1：房地產(chǎn)金融化水平的提升有利于改善商業(yè)銀行資產(chǎn)質(zhì)量，降低商業(yè)銀行不良貸款率。

接下來(lái)，本文進(jìn)一步討論在經(jīng)濟(jì)政策不確定下，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響。當(dāng)經(jīng)濟(jì)政策不確定性較低時(shí)，政府出臺(tái)各項(xiàng)政策不會(huì)使市場(chǎng)主體行為發(fā)生劇烈調(diào)整，房地產(chǎn)金融市場(chǎng)得以平穩(wěn)發(fā)展，因此，假設(shè)H1仍然成立。但是，當(dāng)經(jīng)濟(jì)政策不確定性提高時(shí)，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響可能發(fā)生突變。根據(jù)真實(shí)期權(quán)理論，在高度不確定的政策環(huán)境下，若存在固定的不可逆成本，拖延價(jià)值就會(huì)上升[18]。由于銀行貸款的等待期權(quán)價(jià)值隨政策不確定性的上升而增加，銀行將傾向推遲放貸或收緊信貸規(guī)模。此外，根據(jù)不作為經(jīng)濟(jì)學(xué)，隨著政策不確定性的上升，銀行對(duì)未來(lái)的流動(dòng)性需求缺乏穩(wěn)定預(yù)期，其信貸決策也會(huì)表現(xiàn)為推遲放貸，縮減貸款規(guī)模[19]。因此，經(jīng)濟(jì)政策不確定性上升將導(dǎo)致商業(yè)銀行流動(dòng)性創(chuàng)造能力收縮以及信貸投放偏向短期資產(chǎn)，這將使得房地產(chǎn)行業(yè)難以獲得有效資金支持，進(jìn)而開發(fā)投資規(guī)模下滑，金融化水平降低。如果商業(yè)銀行信貸資金驟縮，房地產(chǎn)企業(yè)其他外部融資渠道也受限，將可能導(dǎo)致房地產(chǎn)企業(yè)資金鏈斷裂，進(jìn)而引發(fā)資不抵債，這種風(fēng)險(xiǎn)甚至還會(huì)傳遞到建筑、建材等房地產(chǎn)企業(yè)供應(yīng)商，加劇商業(yè)銀行資產(chǎn)質(zhì)量的惡化。因此，經(jīng)濟(jì)政策不確定性將通過(guò)改變商業(yè)銀行體系流動(dòng)性，影響房地產(chǎn)金融化水平，從而對(duì)商業(yè)銀行不良貸款率產(chǎn)生突變影響?；谝陨戏治?，本文提出假設(shè)2和假設(shè)3。

H2：房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響受經(jīng)濟(jì)政策不確定性的門檻作用。在高政策不確定性下，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的降低作用將弱化。

H3：銀行體系流動(dòng)性是經(jīng)濟(jì)政策不確定性影響房地產(chǎn)金融化的中介變量，較高的經(jīng)濟(jì)政策不確定性將促使銀行體系流動(dòng)性下降，降低房地產(chǎn)金融化水平。

經(jīng)濟(jì)政策不確定除了影響商業(yè)銀行信貸決策外，也會(huì)影響到居民對(duì)房地產(chǎn)市場(chǎng)的預(yù)期。這將打破房地產(chǎn)市場(chǎng)供需平衡，致使房?jī)r(jià)呈現(xiàn)異常波動(dòng)，影響房地產(chǎn)資產(chǎn)抵押價(jià)值。房?jī)r(jià)波動(dòng)的沖擊還會(huì)在信貸市場(chǎng)和房地產(chǎn)市場(chǎng)間被放大，這一放大效應(yīng)將造成房地產(chǎn)市場(chǎng)形成自我強(qiáng)化的順周期波動(dòng)[20]，進(jìn)而加劇房地產(chǎn)金融化與經(jīng)濟(jì)政策不確定對(duì)商業(yè)銀行不良貸款的沖擊。一方面，房?jī)r(jià)波動(dòng)使得大部分家庭對(duì)房地產(chǎn)市場(chǎng)持觀望態(tài)度，從而導(dǎo)致房地產(chǎn)銷售狀況不及預(yù)期，房地產(chǎn)資金鏈趨緊，尤其高杠桿房地產(chǎn)企業(yè)將面臨嚴(yán)重的流動(dòng)性壓力，甚至難以償還商業(yè)銀行貸款。另一方面，如果房?jī)r(jià)出現(xiàn)大幅下跌，可能通過(guò)“金融加速器”作用增加商業(yè)銀行不良貸款規(guī)模。具體來(lái)看，房?jī)r(jià)的下跌導(dǎo)致抵押資產(chǎn)價(jià)值縮水，商業(yè)銀行為了規(guī)避風(fēng)險(xiǎn)會(huì)收緊信貸約束，同時(shí)要求補(bǔ)充抵押品或者提供違約賠償，這將進(jìn)一步導(dǎo)致房地產(chǎn)企業(yè)資產(chǎn)價(jià)格下跌，外部融資成本上升，形成信貸緊縮—投資下降—資產(chǎn)價(jià)格下跌的正反饋循環(huán)。此外，房地產(chǎn)市場(chǎng)價(jià)值的波動(dòng)有可能引發(fā)政策不確定性的上升。當(dāng)房地產(chǎn)市場(chǎng)低迷時(shí)，政府采取新一輪調(diào)控措施刺激房地產(chǎn)企業(yè)融資需求，進(jìn)一步加劇房地產(chǎn)價(jià)格波動(dòng)?；谝陨戏治?，本文提出假設(shè)4。

H4：高經(jīng)濟(jì)政策不確定性將影響房地產(chǎn)金融化對(duì)商業(yè)銀行體系的作用，加劇商業(yè)銀行不良貸款率上升。

四、中國(guó)房地產(chǎn)金融化指數(shù)構(gòu)建

關(guān)于中國(guó)房地產(chǎn)金融化指數(shù)構(gòu)建，以往學(xué)者研究較少。呂錚等（2012）根據(jù)房地產(chǎn)泡沫的成因及特征表現(xiàn)選取房地產(chǎn)投資/全社會(huì)固定資產(chǎn)投資、商品房空置率、房?jī)r(jià)收入比、商品房?jī)r(jià)格漲幅/CPI漲幅等7個(gè)指標(biāo)測(cè)度房地產(chǎn)泡沫程度[21]。周中明等（2019）從產(chǎn)業(yè)結(jié)構(gòu)關(guān)聯(lián)、房地產(chǎn)業(yè)發(fā)展以及信貸資金安全三方面構(gòu)建房地產(chǎn)金融風(fēng)險(xiǎn)指數(shù)[22]。因此，本文參考房地產(chǎn)金融風(fēng)險(xiǎn)指數(shù)和房地產(chǎn)泡沫測(cè)度系數(shù)，根據(jù)房地產(chǎn)金融化特點(diǎn)，從房地產(chǎn)部門、金融部門以及居民部門三個(gè)層面構(gòu)建房地產(chǎn)金融化指數(shù)，綜合反映房地產(chǎn)行業(yè)對(duì)金融部門、居民部門的依賴度。

房地產(chǎn)金融化指數(shù)共涵蓋7個(gè)一級(jí)指標(biāo)、12個(gè)二級(jí)指標(biāo)，所有指標(biāo)均為正向指標(biāo)，具體見表1。并且由于我國(guó)東部、中部和西部地區(qū)發(fā)展存在差異，各省份房地產(chǎn)開發(fā)和金融發(fā)展水平存在差距，因此，本文從省域?qū)用鎸?duì)房地產(chǎn)金融化水平進(jìn)行測(cè)算。

表1 房地產(chǎn)金融化指數(shù)指標(biāo)構(gòu)成

（一）指標(biāo)介紹

1.房地產(chǎn)市場(chǎng)指標(biāo)

房地產(chǎn)市場(chǎng)層面指標(biāo)有三類：第一類指標(biāo)反映房地產(chǎn)市場(chǎng)景氣狀況。主要包括各省份住房銷售價(jià)格和銷售規(guī)模。當(dāng)房地產(chǎn)市場(chǎng)景氣時(shí)，商業(yè)銀行住房抵押貸款投放意愿增強(qiáng)，將加速房地產(chǎn)金融化。第二類指標(biāo)反映房地產(chǎn)市場(chǎng)投資狀況，該指標(biāo)反映了房地產(chǎn)開發(fā)建設(shè)的活躍度。其中，投資完成額增長(zhǎng)率體現(xiàn)房地產(chǎn)市場(chǎng)開發(fā)、建設(shè)資金規(guī)模變化，指標(biāo)越高意味著房地產(chǎn)行業(yè)開發(fā)資金越充足；投資完成額占GDP的比重體現(xiàn)各省份經(jīng)濟(jì)對(duì)房地產(chǎn)行業(yè)的依賴度。第三類指標(biāo)反映房地產(chǎn)企業(yè)自身經(jīng)營(yíng)情況。主營(yíng)業(yè)務(wù)成本率是各省份房地產(chǎn)企業(yè)主營(yíng)業(yè)務(wù)成本與主營(yíng)業(yè)務(wù)收入的比重，主要體現(xiàn)房地產(chǎn)企業(yè)在土地購(gòu)置、開發(fā)建設(shè)等方面的成本支出；房地產(chǎn)企業(yè)資產(chǎn)負(fù)債率反映了其資產(chǎn)負(fù)債結(jié)構(gòu)，體現(xiàn)了各地房地產(chǎn)企業(yè)對(duì)外部資金的依賴情況。

2.金融機(jī)構(gòu)指標(biāo)

房地產(chǎn)開發(fā)資金是房地產(chǎn)行業(yè)的實(shí)際到位資金，其增長(zhǎng)率體現(xiàn)房地產(chǎn)行業(yè)的資金流入情況，反映商業(yè)銀行對(duì)房地產(chǎn)企業(yè)的資金投入總規(guī)模；房地產(chǎn)開發(fā)資金/銀行業(yè)各項(xiàng)貸款反映商業(yè)銀行貸款中流向房地產(chǎn)企業(yè)的比例；房地產(chǎn)銀行貸款/房地產(chǎn)開發(fā)資金體現(xiàn)房地產(chǎn)企業(yè)對(duì)商業(yè)銀行的依賴度；房地產(chǎn)非銀行貸款/房地產(chǎn)開發(fā)資金體現(xiàn)房地產(chǎn)企業(yè)對(duì)非銀行機(jī)構(gòu)的資金依賴度。

3.家庭層面指標(biāo)

住房?jī)r(jià)格/人均GDP體現(xiàn)住房?jī)r(jià)格與當(dāng)?shù)厣a(chǎn)力水平的比值，該指標(biāo)越高，反映房?jī)r(jià)水平與居民自住需求相匹配程度越低；個(gè)人按揭貸款增長(zhǎng)率則反映家庭住房債務(wù)變化情況，該指標(biāo)越高，居民杠桿率越高。

本文選用2008—2019年樣本數(shù)據(jù)，數(shù)據(jù)來(lái)自中經(jīng)網(wǎng)、WIND數(shù)據(jù)庫(kù)以及EPS數(shù)據(jù)庫(kù)。

（二）房地產(chǎn)金融化指數(shù)的計(jì)算

本文采用主成分分析法（PCA）對(duì)31個(gè)省份的房地產(chǎn)金融化指數(shù)進(jìn)行測(cè)度。該方法屬于客觀賦權(quán)法，可以基于數(shù)據(jù)本身特征確定各指標(biāo)的權(quán)重，能夠在較大程度上減少人為因素干擾。因?yàn)楦鱾€(gè)省份城鎮(zhèn)化率、金融結(jié)構(gòu)、居民收入存在較大差異，所以構(gòu)成其房地產(chǎn)金融化指數(shù)的主成分不盡相同，就需要利用主成分分析法分別獲取構(gòu)成各省份房地產(chǎn)金融化指數(shù)的主成分，從而構(gòu)建各省份房地產(chǎn)金融化指數(shù)。數(shù)據(jù)處理采用SPSS25.0軟件，依次對(duì)31個(gè)省份的12項(xiàng)指標(biāo)進(jìn)行處理。首先，對(duì)所有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，確保所有指標(biāo)值處于同一數(shù)量級(jí)別，可以進(jìn)行綜合測(cè)評(píng)分析。其次，使用經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)合成2008—2019年全國(guó)31個(gè)省份的房地產(chǎn)金融化指數(shù)。

第一步：使用KMO以及Bartlett檢驗(yàn)，判斷第i個(gè)省份的數(shù)據(jù)能否使用主成分分析法。

第二步：確定第i個(gè)省份所有數(shù)據(jù)的主成分個(gè)數(shù)j，并選擇特征值大于1的因子作為主成分①特征值的大小反映了其所對(duì)應(yīng)的因子解釋樣本數(shù)據(jù)的水平，該值越大解釋效果就越佳，通常選擇特征值大于1的因子作為主成分。。

第三步：根據(jù)各變量因子得分系數(shù)計(jì)算出2008—2019年各個(gè)主成分的得分Fjt。

第四步：確定各個(gè)成分所對(duì)應(yīng)的權(quán)重：ωjt=Sj/，即各個(gè)成分對(duì)應(yīng)的方差解釋率和累積方差解釋率的比值。

第五步：使用各年份的主成分得分值Fjt與權(quán)重ωjt相乘得到第i個(gè)省份的房地產(chǎn)金融化得分Xt=Fjt×ωjt。因?yàn)樗x指標(biāo)涵蓋部分變動(dòng)率指標(biāo)，因此該得分實(shí)質(zhì)反映各個(gè)年份房地產(chǎn)金融化的變動(dòng)情況。

最后，本文以2007年為基期，將2007年的房地產(chǎn)金融化水平視為100，使用公式RAFIit=100×（1-Xit/10）得到第i個(gè)省份2008—2019年的房地產(chǎn)金融化指數(shù)。

考慮到區(qū)域經(jīng)濟(jì)金融的差異性，本文將31個(gè)省份劃分為東部、西部和中部，并以各區(qū)域所有省份2008—2019年間的算術(shù)平均值作為這三個(gè)區(qū)域的房地產(chǎn)金融化指數(shù)。

（三）房地產(chǎn)金融化指數(shù)評(píng)價(jià)及趨勢(shì)分析

圖1反映了我國(guó)2008—2019年房地產(chǎn)金融化水平。從全國(guó)來(lái)看，2008年以來(lái)我國(guó)房地產(chǎn)金融化水平先出現(xiàn)明顯上升，在2013年達(dá)到頂峰后保持平穩(wěn)態(tài)勢(shì)，2017年開始出現(xiàn)較為明顯的下降。

圖1 2008—2019年房地產(chǎn)金融化指數(shù)

次貸危機(jī)后，我國(guó)政府采取積極的財(cái)政政策和適度寬松的貨幣政策，加快基礎(chǔ)設(shè)施以及保障性安居工程建設(shè)，鼓勵(lì)普通商品住房消費(fèi)，商業(yè)銀行信貸規(guī)模不斷擴(kuò)大，住房?jī)r(jià)格出現(xiàn)了快速上漲，導(dǎo)致房地產(chǎn)行業(yè)大量信貸資金流入。因此，2008年之后，我國(guó)房地產(chǎn)金融化程度快速提升。

2012年以后，部分大中城市加強(qiáng)房地產(chǎn)市場(chǎng)調(diào)控，房地產(chǎn)開發(fā)貸款收緊，監(jiān)管機(jī)構(gòu)開始密切關(guān)注房地產(chǎn)企業(yè)融資行為，防止其違規(guī)套取銀行資金。但與此同時(shí)，國(guó)內(nèi)金融產(chǎn)品創(chuàng)新日益活躍，影子銀行市場(chǎng)迅速膨脹，房地產(chǎn)企業(yè)轉(zhuǎn)而求助于游離于正規(guī)銀行部門的各類影子銀行。因此，影子銀行為房地產(chǎn)企業(yè)提供了大量資金支持，房地產(chǎn)金融化程度仍繼續(xù)攀升。2014年至2016年上半年，房地產(chǎn)市場(chǎng)呈現(xiàn)“總量放緩、區(qū)域分化”狀態(tài)，國(guó)家調(diào)控聚焦于去庫(kù)存和分類管理，通過(guò)放松限購(gòu)政策、公積金松綁、降準(zhǔn)降息等措施對(duì)需求端進(jìn)行調(diào)控，房地產(chǎn)金融化水平仍居高不下。2016年底，中央提出“房住不炒”定位后，出臺(tái)了一系列政策助推表外資金回流表內(nèi)，收緊銀行信貸、保險(xiǎn)、地方資產(chǎn)管理、海外發(fā)債等房地產(chǎn)融資渠道，房地產(chǎn)行業(yè)的杠桿率持續(xù)下降，我國(guó)房地產(chǎn)金融化指數(shù)出現(xiàn)回落。2020年在新冠肺炎疫情影響下，貨幣環(huán)境整體較為寬松，但房地產(chǎn)調(diào)控仍堅(jiān)持“房住不炒”基調(diào)不變，2020年8月，央行提出了對(duì)房地產(chǎn)企業(yè)融資的三道紅線以及相應(yīng)的融資限制條件，2020年12月，房地產(chǎn)貸款集中度管理制度正式出臺(tái)，標(biāo)志著房地產(chǎn)金融長(zhǎng)效管理機(jī)制進(jìn)一步完善。

分區(qū)域來(lái)看，相比于中部和西部，東部區(qū)域房地產(chǎn)金融化指數(shù)于2010年達(dá)到高峰，之后整體較為平穩(wěn)。主要由于東部地區(qū)城鎮(zhèn)化水平較高，并且房地產(chǎn)企業(yè)融資渠道相對(duì)廣泛，可以通過(guò)發(fā)行股票、債券等多種渠道籌集資金，對(duì)商業(yè)銀行的信貸依賴度較低。所以盡管部分一線城市房?jī)r(jià)上漲明顯，但房地產(chǎn)金融化指數(shù)整體偏低。而西部房地產(chǎn)金融化指數(shù)相比于東部和中部呈現(xiàn)較大差異，主要體現(xiàn)在西部地區(qū)房地產(chǎn)金融化指數(shù)最晚達(dá)到峰值，并自2016年開始出現(xiàn)回落，這主要是由于西部地區(qū)城鎮(zhèn)化水平較低，在城鎮(zhèn)化建設(shè)中房地產(chǎn)市場(chǎng)仍需大量資金支持。中部地區(qū)房地產(chǎn)金融化水平呈現(xiàn)較大波動(dòng)幅度，且在趨勢(shì)上與全國(guó)較為貼近。

五、模型設(shè)定及檢驗(yàn)結(jié)果分析

（一）變量選取和數(shù)據(jù)來(lái)源

1.被解釋變量

商業(yè)銀行不良貸款率（NPL）。選擇31個(gè)省份銀行業(yè)金融機(jī)構(gòu)不良貸款率，該數(shù)值越大，表明區(qū)域資產(chǎn)質(zhì)量越低。2008—2018年數(shù)據(jù)來(lái)自EPS數(shù)據(jù)庫(kù)，2019年數(shù)據(jù)來(lái)自中國(guó)銀保監(jiān)會(huì)網(wǎng)站。

2.解釋變量

一是房地產(chǎn)金融化指數(shù)（RAFI），反映各省份房地產(chǎn)金融化水平。為使RAFI與其他數(shù)據(jù)量級(jí)較為一致，本文將計(jì)算得到的房地產(chǎn)金融化指數(shù)縮小100倍。

二是經(jīng)濟(jì)政策不確定性指數(shù)。本文采用Baker等（2016）根據(jù)《南華早報(bào)》關(guān)鍵詞搜索測(cè)算得到的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)①數(shù)據(jù)來(lái)源于policy uncertainty網(wǎng)站（http://policyuncertainty.com/china_epu.html）。，并將月度指數(shù)經(jīng)算術(shù)平均得到年度不確定性指數(shù)，再對(duì)年度數(shù)據(jù)取對(duì)數(shù)，記做LNEPU。

3.控制變量

為解決部分遺漏變量而導(dǎo)致的內(nèi)生性問(wèn)題，本文加入以下控制變量：經(jīng)濟(jì)增長(zhǎng)水平（GDP）、消費(fèi)者價(jià)格水平（CPI）、工業(yè)生產(chǎn)價(jià)格水平（PPI）、固定資產(chǎn)投資（IIFA）、財(cái)政風(fēng)險(xiǎn)（FDGDP）、居民收入（PGDP）、金融深化（CBGDP）。以上數(shù)據(jù)來(lái)自中經(jīng)網(wǎng)、WIND以及EPS數(shù)據(jù)庫(kù)，由于西藏地區(qū)固定資產(chǎn)投資價(jià)格指數(shù)部分指標(biāo)缺失，采用其他年份數(shù)據(jù)平均值代替。同時(shí)，為避免異常值對(duì)實(shí)證結(jié)果造成的不利影響，本文對(duì)所有連續(xù)變量進(jìn)行了1%水平上的Winsorize縮尾處理。

各變量介紹及說(shuō)明如表2所示。

表2 變量介紹及說(shuō)明

（二）模型設(shè)定

基于前文分析，為研究經(jīng)濟(jì)政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率之間的關(guān)系，本文首先建立普通面板回歸模型。

在（1）式中，i=1，2，3，......，n，表示第i個(gè)省份，t=2008，.......，2019。μit表示每個(gè)省份的個(gè)體效應(yīng)，εit為隨機(jī)擾動(dòng)項(xiàng)。

前文分析，經(jīng)濟(jì)政策不確定下，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響是非線性的，即存在門檻效應(yīng)。因此，本文在基本回歸模型的基礎(chǔ)上引入指數(shù)函數(shù)，建立單門檻模型。

在（2）式中，γ為門檻的臨界值。當(dāng)β1與β2不相等時(shí)，表明在不同門檻范圍內(nèi)回歸系數(shù)不一致，即存在門檻效應(yīng)。

（三）變量描述性統(tǒng)計(jì)

變量描述性統(tǒng)計(jì)如表3所示。

表3 變量描述性統(tǒng)計(jì)

（四）實(shí)證檢驗(yàn)與結(jié)果分析

1.普通回歸模型

通過(guò)對(duì)數(shù)據(jù)進(jìn)行豪斯曼檢驗(yàn)，發(fā)現(xiàn)拒絕原假設(shè)，本文采用固定效應(yīng)模型進(jìn)行普通面板回歸。為檢驗(yàn)固定效應(yīng)模型的隨機(jī)誤差項(xiàng)，本文在固定效應(yīng)模型的基礎(chǔ)上，依次進(jìn)行了異方差檢驗(yàn)、序列相關(guān)檢驗(yàn)以及截面相關(guān)性檢驗(yàn)，檢驗(yàn)結(jié)果表明不能使用傳統(tǒng)的穩(wěn)健性估計(jì)。因此，本文采用“異方差－序列相關(guān)－截面相關(guān)”穩(wěn)健標(biāo)準(zhǔn)誤對(duì)模型進(jìn)行了修正，模型（1）的回歸結(jié)果見表4。

表4 模型（1）和模型（2）回歸結(jié)果

（1）經(jīng)濟(jì)政策不確定性、房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響。從回歸結(jié)果看，在1%的顯著性水平下，LNEPU的系數(shù)為0.0042，表明隨著經(jīng)濟(jì)政策不確定性的提高，商業(yè)銀行不良貸款率將上升，資產(chǎn)質(zhì)量出現(xiàn)下降。在10%的顯著性水平下，房地產(chǎn)金融化同商業(yè)銀行不良貸款率呈負(fù)向關(guān)系，房地產(chǎn)金融化能夠降低商業(yè)銀行不良貸款率，證實(shí)了假設(shè)H1。這表明在樣本區(qū)間內(nèi)，房地產(chǎn)市場(chǎng)能為商業(yè)銀行提供優(yōu)質(zhì)的抵押資產(chǎn)，商業(yè)銀行也傾向于將資金投向房地產(chǎn)領(lǐng)域，房地產(chǎn)金融化有利于降低商業(yè)銀行不良貸款率。

（2）控制變量對(duì)商業(yè)銀行不良貸款率的影響。消費(fèi)者價(jià)格指數(shù)同商業(yè)銀行不良貸款率顯著負(fù)相關(guān)。消費(fèi)者價(jià)格指數(shù)反映了物價(jià)水平上漲的程度，通貨膨脹率高表明經(jīng)濟(jì)發(fā)展處于繁榮周期，商業(yè)銀行所面臨的宏觀經(jīng)濟(jì)環(huán)境相對(duì)穩(wěn)定，有利于降低商業(yè)銀行不良貸款率。生產(chǎn)價(jià)格指數(shù)同商業(yè)銀行不良貸款率顯著正相關(guān)。生產(chǎn)價(jià)格指數(shù)反映了工業(yè)企業(yè)生產(chǎn)資料價(jià)格水平變動(dòng)情況，原材料價(jià)格上漲可能沖擊企業(yè)生產(chǎn)經(jīng)營(yíng)，導(dǎo)致商業(yè)銀行不良資產(chǎn)增加。經(jīng)濟(jì)增長(zhǎng)同商業(yè)銀行不良貸款率顯著負(fù)相關(guān)，表明較好的經(jīng)濟(jì)形勢(shì)能為商業(yè)銀行提供良好的外部經(jīng)營(yíng)環(huán)境，從而降低商業(yè)銀行不良貸款率。居民收入同商業(yè)銀行不良貸款率顯著負(fù)相關(guān)，表明收入水平越高，個(gè)人信貸的償還能力越強(qiáng)，因此越有利于降低商業(yè)銀行不良貸款率。金融深化同商業(yè)銀行不良貸款率顯著負(fù)相關(guān)，表明當(dāng)?shù)亟鹑诎l(fā)展水平越高，商業(yè)銀行對(duì)經(jīng)濟(jì)的滲透度越深，抵抗風(fēng)險(xiǎn)的能力也越強(qiáng)，越有助于降低商業(yè)銀行不良貸款率。固定資產(chǎn)投資價(jià)格指數(shù)、財(cái)政風(fēng)險(xiǎn)對(duì)商業(yè)銀行不良貸款率的影響并不顯著。

2.面板門檻模型

基于前文分析，本文將經(jīng)濟(jì)政策不確定性作為門檻變量，設(shè)置自舉次數(shù)為500，依次檢驗(yàn)是否存在雙重門檻和單一門檻效應(yīng)。檢驗(yàn)結(jié)果（見表5）發(fā)現(xiàn)，在單一門檻下，p值為0.0120，表明房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響存在單一門檻效應(yīng)，驗(yàn)證了假設(shè)H2。

表5 門檻效應(yīng)檢驗(yàn)結(jié)果

模型（2）的回歸結(jié)果如表4所示。根據(jù)表4，當(dāng)經(jīng)濟(jì)政策不確定性指數(shù)小于門檻值5.1395時(shí)，房地產(chǎn)金融化同商業(yè)銀行不良貸款率負(fù)相關(guān)，估計(jì)系數(shù)為-0.0155，在1%的顯著性水平下顯著；當(dāng)經(jīng)濟(jì)政策不確定性指數(shù)大于門檻值5.1395時(shí)，房地產(chǎn)金融化與商業(yè)銀行不良貸款率仍顯著負(fù)相關(guān)，但估計(jì)系數(shù)為-0.0098，表明隨著經(jīng)濟(jì)政策不確定性的上升，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的降低作用明顯減弱，經(jīng)濟(jì)政策不確定性存在門檻效應(yīng)。

3.中介效應(yīng)檢驗(yàn)

為檢驗(yàn)經(jīng)濟(jì)政策不確定性對(duì)房地產(chǎn)金融化發(fā)生作用的路徑，本文借鑒吳軍（2008）的研究[23]，使用存貸比作為中介變量，反映各省份銀行體系流動(dòng)性。同時(shí)，不同于傳統(tǒng)的商業(yè)銀行存貸比（銀行貸款總額/存款總額），本文將存貸比定義為各省份銀行業(yè)存款余額/各省份銀行業(yè)貸款余額，記做LDR①該指標(biāo)為正向指標(biāo)，當(dāng)LDR上升，表明銀行體系流動(dòng)性增強(qiáng)。。借鑒溫忠麟等（2014）的研究[24]，建立如下三個(gè)模型，采用逐步回歸系數(shù)法進(jìn)行中介效應(yīng)檢驗(yàn)。其中，α1表示模型（3）中解釋變量LNEPU對(duì)被解釋變量RAFI的總效應(yīng)，γ1是模型（4）中LNEPU對(duì)中介變量LDR的系數(shù)，φ2是模型（5）中中介變量LDR對(duì)被解釋變量RAFI的系數(shù)。γ1×φ2即表示解釋變量經(jīng)由中介變量LDR產(chǎn)生的中介效應(yīng)，φ1表示LNEPU對(duì)RAFI的直接效應(yīng)，γ1×φ2/φ1是中介效應(yīng)在總效應(yīng)中所占的比重。具體檢驗(yàn)過(guò)程如下，檢驗(yàn)結(jié)果如表6所示。

表6 中介效應(yīng)回歸結(jié)果

第一步：對(duì)模型（3）進(jìn)行OLS回歸，檢驗(yàn)經(jīng)濟(jì)政策不確定性與房地產(chǎn)金融化之間的主效應(yīng)。檢驗(yàn)結(jié)果表明，α1在1%的置信水平上顯著，經(jīng)濟(jì)政策不確定性與房地產(chǎn)金融化呈負(fù)相關(guān)。

第二步：對(duì)模型（4）進(jìn)行OLS回歸，檢驗(yàn)經(jīng)濟(jì)政策不確定性同銀行體系流動(dòng)性之間的關(guān)系。結(jié)果表明，經(jīng)濟(jì)政策不確定性上升將顯著降低銀行體系流動(dòng)性，系數(shù)γ1=-0.199。

第三步：對(duì)模型（5）進(jìn)行OLS回歸，在加入銀行體系流動(dòng)性指標(biāo)后，經(jīng)濟(jì)政策不確定性與房地產(chǎn)金融化指數(shù)仍顯著負(fù)相關(guān)，但系數(shù)的絕對(duì)值由0.0466降低至0.0328；銀行體系流動(dòng)性與房地產(chǎn)金融化也顯著正相關(guān)，系數(shù)φ2=0.0696，這表明銀行體系流動(dòng)性在經(jīng)濟(jì)政策不確定性和房地產(chǎn)金融化間發(fā)揮著部分中介作用，假設(shè)H3成立。

具體來(lái)講，經(jīng)濟(jì)政策不確定性對(duì)房地產(chǎn)金融化的總效應(yīng)為-0.0466，其中直接效應(yīng)為-0.0328。經(jīng)濟(jì)政策不確定性通過(guò)影響銀行體系流動(dòng)性對(duì)房地產(chǎn)金融化發(fā)揮的間接效應(yīng)是γ1×φ2=-0.199×0.0696=-0.0139，銀行體系流動(dòng)性中介效應(yīng)在總效應(yīng)中占比為γ1×φ2/φ1=0.0139/0.0466=29.83%。

綜上所述，銀行體系流動(dòng)性是經(jīng)濟(jì)政策不確定性影響房地產(chǎn)金融化的重要渠道。經(jīng)濟(jì)政策不確定性上升使得商業(yè)銀行體系流動(dòng)性降低，進(jìn)而加速房地產(chǎn)金融化水平下降，這也與田國(guó)強(qiáng)等（2020）[9]的研究一致，即經(jīng)濟(jì)政策不確定水平上升，商業(yè)銀行流動(dòng)性創(chuàng)造能力將降低。同時(shí)，中介效應(yīng)檢驗(yàn)結(jié)果為經(jīng)濟(jì)政策不確定性的門檻效應(yīng)提供了支撐，因?yàn)楫?dāng)經(jīng)濟(jì)政策不確定性加劇時(shí)，商業(yè)銀行縮減流動(dòng)性規(guī)模以及調(diào)整信貸結(jié)構(gòu)，導(dǎo)致房地產(chǎn)市場(chǎng)資金壓力加大，部分高杠桿房地產(chǎn)企業(yè)可能因?yàn)橘Y金鏈斷裂出現(xiàn)信貸違約，因此，將弱化房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的作用。

4.引入經(jīng)濟(jì)政策不確定性虛擬變量

為進(jìn)一步分析高經(jīng)濟(jì)政策不確定性背景下房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響，本文設(shè)立經(jīng)濟(jì)政策不確定性的虛擬變量DLNEPU，以門檻值5.1395將LNEPU分為高低兩類。當(dāng)LNEPU高于5.1395時(shí)，DLNEPU取值為1，當(dāng)LNEPU低于5.1395時(shí)，DLNEPU取值為0。因?yàn)榻?jīng)濟(jì)政策不確定性將通過(guò)改變房地產(chǎn)金融化水平，進(jìn)而改變商業(yè)銀行不良貸款率。因此，本文以乘法方式引入DLNEPU，將DLNEPU×RAFI作為新的解釋變量，構(gòu)造模型（6），更精確地反映高經(jīng)濟(jì)政策不確定性背景下，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響。

回歸結(jié)果見表7，結(jié)果顯示，DLNEPUt×FAFIit項(xiàng)的系數(shù)為0.0052，在1%的顯著水平下顯著。表明在高政策不確定性下，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的邊際影響由負(fù)轉(zhuǎn)正，兩者間的顯著負(fù)向關(guān)系被弱化，房地產(chǎn)金融化加劇了商業(yè)銀行不良貸款率的上升，證實(shí)了假設(shè)H4。這可能由于以下原因：一是高政策不確定性導(dǎo)致房地產(chǎn)金融化水平快速下降，在快速去金融化的過(guò)程中，可能會(huì)集中出現(xiàn)房地產(chǎn)企業(yè)現(xiàn)金流問(wèn)題，使商業(yè)銀行資產(chǎn)質(zhì)量受到?jīng)_擊。二是高政策不確定性導(dǎo)致的房地產(chǎn)價(jià)格波動(dòng)，加劇了房地產(chǎn)抵押資產(chǎn)價(jià)值的波動(dòng)，從而提高了商業(yè)銀行所面臨的風(fēng)險(xiǎn)水平。

5.分樣本回歸

更進(jìn)一步，本文對(duì)樣本進(jìn)行分類回歸，分別檢驗(yàn)東部、中部、西部地區(qū)經(jīng)濟(jì)政策不確定性、房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響。分類回歸結(jié)果見表7，結(jié)果顯示：（1）東部、中部地區(qū)房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的影響都顯著為負(fù)，西部地區(qū)系數(shù)不顯著。就估計(jì)系數(shù)來(lái)看，東部地區(qū)房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的估計(jì)系數(shù)為為-0.0116，相較于全國(guó)水平，絕對(duì)數(shù)值更小?？赡芤?yàn)闁|部地區(qū)城鎮(zhèn)化率水平整體較高，且東部地區(qū)多為資金實(shí)力強(qiáng)的頭部房地產(chǎn)企業(yè)，其在金融市場(chǎng)融資手段更豐富，與商業(yè)銀行的依存度更低，因此，房地產(chǎn)市場(chǎng)的金融化對(duì)商業(yè)銀行資產(chǎn)質(zhì)量的促進(jìn)作用有限。（2）經(jīng)濟(jì)政策不確定性虛擬變量和房地產(chǎn)金融化的交乘項(xiàng)系數(shù)都為正，體現(xiàn)了高經(jīng)濟(jì)政策不確定性下，房地產(chǎn)金融化會(huì)使得區(qū)域金融風(fēng)險(xiǎn)高度聚焦，影響區(qū)域銀行資產(chǎn)質(zhì)量，不過(guò)西部地區(qū)該指標(biāo)系數(shù)并未通過(guò)顯著性檢驗(yàn)。中部地區(qū)該指標(biāo)的估計(jì)系數(shù)顯著大于東部，主要是因?yàn)橹胁康貐^(qū)居民收入、經(jīng)濟(jì)金融發(fā)展水平同東部地區(qū)有較大差距，且金融市場(chǎng)發(fā)展尚不成熟，房地產(chǎn)市場(chǎng)對(duì)商業(yè)銀行體系的依賴性更強(qiáng)。因此，經(jīng)濟(jì)政策不確定性通過(guò)影響市場(chǎng)主體行為沖擊房地產(chǎn)價(jià)格，形成與房地產(chǎn)金融化的相互作用，從而沖擊商業(yè)銀行資產(chǎn)質(zhì)量。

表7 引入虛擬變量及分樣本回歸結(jié)果

（五）穩(wěn)健性檢驗(yàn)

為保證實(shí)證結(jié)果的可靠性，本文引入被解釋變量NPL的一階滯后項(xiàng)作為解釋變量，運(yùn)用動(dòng)態(tài)面板模型進(jìn)行穩(wěn)健性檢驗(yàn)，分別采用差分GMM和系統(tǒng)GMM進(jìn)行估計(jì)。AR（1）和AR（2）的p值顯示，在Arellano-Bond檢驗(yàn)中，擾動(dòng)項(xiàng)存在一階自相關(guān)，不存在二階自相關(guān)；Sargan檢驗(yàn)表明，所有工具變量都是有效的，不存在過(guò)度識(shí)別問(wèn)題，所以差分GMM和系統(tǒng)GMM估計(jì)方法適用?；貧w結(jié)果見表8。無(wú)論是差分GMM還是系統(tǒng)GMM估計(jì)，實(shí)證結(jié)果與前文基本保持一致，且主要解釋變量均通過(guò)顯著性檢驗(yàn)，證明了本文研究結(jié)論的穩(wěn)健性。

表8 動(dòng)態(tài)面板回歸結(jié)果

六、結(jié)論及建議

本文基于房地產(chǎn)部門、金融部門以及居民部門三個(gè)層面，運(yùn)用2008—2019年的樣本數(shù)據(jù)，使用主成分分析法（PCA）構(gòu)建我國(guó)房地產(chǎn)金融化指數(shù)，利用固定效應(yīng)和面板門檻模型分析政策不確定性、房地產(chǎn)金融化與商業(yè)銀行不良貸款率的關(guān)系，得到以下結(jié)論：（1）經(jīng)濟(jì)政策不確定性的上升將導(dǎo)致商業(yè)銀行不良貸款率上升，而房地產(chǎn)金融化同商業(yè)銀行不良貸款率呈顯著負(fù)相關(guān)，即在樣本期間內(nèi)，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率有降低作用。（2）經(jīng)濟(jì)政策不確定性對(duì)房地產(chǎn)金融化影響商業(yè)銀行不良貸款率具有單一門檻效應(yīng)。當(dāng)經(jīng)濟(jì)政策不確定性指數(shù)低于e5.1395時(shí)，房地產(chǎn)金融化能夠在一定程度上降低商業(yè)銀行不良貸款率，提高商業(yè)銀行資產(chǎn)質(zhì)量；當(dāng)經(jīng)濟(jì)政策不確定性指數(shù)高于e5.1395時(shí)，房地產(chǎn)金融化對(duì)商業(yè)銀行不良貸款率的降低效果下降。（3）銀行體系流動(dòng)性在經(jīng)濟(jì)政策不確定性和房地產(chǎn)金融化間發(fā)揮著中介作用，經(jīng)濟(jì)政策不確定性上升將通過(guò)降低銀行體系流動(dòng)性，加速房地產(chǎn)金融化水平下降。（4）高經(jīng)濟(jì)政策不確定性背景下，房地產(chǎn)金融化將加劇商業(yè)銀行不良貸款率的上升。（5）相較于東部地區(qū)，中部地區(qū)商業(yè)銀行不良貸款率受經(jīng)濟(jì)政策不確定性和房地產(chǎn)金融化的影響更為劇烈。綜上，盡管樣本期內(nèi)房地產(chǎn)金融化并未導(dǎo)致大規(guī)模金融體系的動(dòng)蕩，并且能夠降低商業(yè)銀行不良貸款率，但如遇政策不確定性等疊加因素影響，將導(dǎo)致區(qū)域金融資產(chǎn)質(zhì)量下降。

針對(duì)以上結(jié)論，本文提出如下建議：

1.穩(wěn)定經(jīng)濟(jì)政策預(yù)期，加強(qiáng)微觀主體引導(dǎo)。經(jīng)濟(jì)政策不確定通過(guò)對(duì)房地產(chǎn)和金融市場(chǎng)產(chǎn)生沖擊，從而加劇商業(yè)銀行資產(chǎn)質(zhì)量的惡化。因此，要進(jìn)一步穩(wěn)定經(jīng)濟(jì)金融預(yù)期，注重房地產(chǎn)政策的穩(wěn)定性、連續(xù)性，打造公開透明的政策環(huán)境，引導(dǎo)微觀主體形成合理預(yù)期。

2.持續(xù)做好房地產(chǎn)金融風(fēng)險(xiǎn)監(jiān)測(cè)。商業(yè)銀行要加強(qiáng)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的監(jiān)測(cè)、分析和預(yù)警，進(jìn)一步完善房地產(chǎn)金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系；加強(qiáng)對(duì)房地產(chǎn)行業(yè)貸款風(fēng)險(xiǎn)的事前、事中和事后控制，及時(shí)準(zhǔn)確分析經(jīng)濟(jì)政策環(huán)境變化，避免流動(dòng)性收縮引發(fā)的快速去金融化沖擊資產(chǎn)質(zhì)量。

3.加強(qiáng)房地產(chǎn)金融審慎管理。一是借助房地產(chǎn)融資“三線四檔”政策，倒逼房地產(chǎn)企業(yè)優(yōu)化融資結(jié)構(gòu)，拓展融資渠道。二是持續(xù)做好房地產(chǎn)貸款集中度管理，防范信貸資金過(guò)度集中于房地產(chǎn)領(lǐng)域，引導(dǎo)房地產(chǎn)與金融市場(chǎng)良性發(fā)展。三是鼓勵(lì)房地產(chǎn)企業(yè)通過(guò)發(fā)展REITs和CMBS等資產(chǎn)證券化產(chǎn)品，實(shí)現(xiàn)存量資產(chǎn)的盤活，提升房地產(chǎn)企業(yè)流動(dòng)性。