房地产价格狭义财富效应的微观数据检验

（一）样本来源及模型设定

1.样本来源

本节使用的数据来自“中国健康与营养调查（CHNS）”，该数据库是由美国北卡罗来那大学和中国预防科学医学院联合调查和创建的。它涵盖了辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西和贵州9个省份，以及1989年、1991年、1993年、1997年、2000年、2004年、2006年和2009年共8次调查，每次调查大约访问200个左右的城乡社区（包括城市的街道居委会和农村村委会），每个社区大约访问20个家庭，共4 000户左右的家庭，城乡比为1∶2。目前该数据库主要用于对我国城乡居民的医疗、健康、劳动等方面的研究，但由于其中包含了翔实的家庭收入、食品消费和耐用品消费以及住房信息^[2]，因此我们完全可以用它进行很好的房地产财富效应的实证研究，这是国内一个极为难得的纵向微观数据。

我们选取了房改以后CHNS在2000年、2004年和2006年三次调查中城镇家庭的调查数据。对未响应样本进行剔除后，得到总样本数为1 916个。

2.模型设定

把财富（资产）作为重要的变量纳入消费行为的分析，是生命周期假说（LCH）和持久收入假说（PIH）的最重要贡献之一，其理论思路对分析资产价格波动对消费行为的影响提供了重要的启发。R·霍尔和M·费莱文通过对理性预期理论、LCH和PIH内涵的综合探讨，把PIH对未来预期的强调和LCH对财富和人口统计变量的强调结合起来，把财富当作总消费最重要的决定因素，构建了LC-PIH模型。在LC-PIH分析框架下，财富是家庭可用于消费的源泉，财富的增长能增加居民一生财富资源，而且可能永久性增加家庭一生的消费。这一消费函数的简化形式可表示为（式3-1）：

其中，C表示消费，YP为永久性收入，WR为消费者的净财富。

本章利用CHNS调查问卷中的相关项目测算出“去年”家庭实际收入（下文中简称“收入”）^[3]，然后通过家庭年收入构造“永久收入”。根据Browning ＆Lusardi（1996）和Fuehs-Schundeln ＆Schundeln（2005）使用的方法，每个家庭的永久收入排名在整个社会中应当是非常稳定的，因此可以用相对稳定的“经济地位”来推算家庭的永久收入。本章的测算方法是：先计算出2000～2006年历次调查中每个家庭的年收入与当年所有家庭年收入均值的比值，然后取三个比值的加权平均，再乘以每年家庭年收入均值（式3-2）：

关于家庭的总消费支出指标，初始研究计划是依据CHNS在调查问卷中家庭的食品消费情况和耐用品消费情况测算出家庭“去年”总消费。但是，由于数据版权问题，仅获取家庭所消费食品的代码，没有具体的食品名称，因此没办法测算出每个家庭在食品上的开销，这是本节使用CHNS数据的唯一遗憾之处。所以，接下来的实证部分，我们检验的是住房财富上涨对家庭耐用品消费的影响（下文中简称“消费”）^[4]。CHNS针对家庭住房价值的调查代表了家庭所住住房财富的大小（下文中简称“房地产财富”）。

研究房地产财富与消费的关系，离不开国内经济转型与发展的特殊背景对居民消费的影响，罗楚亮（2004）、杭斌和申春兰（2005）的研究证实了20世纪90年代中后期以来我国城镇居民收入不确定性、失业风险、医疗支出不确定性及教育支出等因素对居民消费行为的削减作用显著存在。所以，本章对消费有影响的“收入不确定性”和“支出不确定性”进行了控制。具体我们参照罗楚亮（2004）的做法，按户主的受教育年限、从事职业、工作单位的所有制性质三项指标把所有的家庭分组，计算2000～2006年三次调查家庭年收入对数值的组内方差，得到“家庭收入风险”指标^[5]。参照樊潇彦等（2007）的研究，以“家庭在校人数”作为教育支出的代理指标，以“家庭平均健康自评”作为医疗支出的代理指标^[6]。

考虑到我国居民的风俗习惯和消费传统，家庭在搬入新房时一般会进行耐用消费品的更新换代，家里有嫁娶时会一次性地添购耐用消费品，所以本章除了对家庭的人口学特征进行控制外，还通过指标“去年是否搬入新房”和“去年是否有嫁娶”对这些因素进行了控制。

为了估计房地产财富对消费的弹性系数，以及弹性系数随时间的大小变化，以及为了消除异方差，在式（3-1）的基础上，通过再分解，得到一个适合于本章计量分析的房地产财富效应研究的函数（式3-3）：

其中，ln C、lnYP和ln WR分别代表家庭在第t期的消费、永久收入和房地产财富的对数。ln WR×Ti（i＝2 004，2 006）表示房地产财富与2004年和2006年度虚拟变量的交叉项，用来分析三次调查的房地产财富效应大小的差异。Xi代表所控制的家庭人口学特征、收入不确定性和支出不确定性指标，具体包含：户主年龄、性别、工作类型、家庭平均受教育年限^[7]、家庭人口、去年是否有嫁娶、去年是否搬家、地区、住房来源、家庭平均健康自评、家庭在校人数和收入风险等。通过估算α2、α3、α4，我们可以得出三次调查中房地产财富对消费的弹性系数，通过对三次调查弹性系数大小的比较，可以判断出房地产财富效应是增强还是减弱。

为了更进一步地检验房地产财富效应在不同收入、不同年龄、不同住房来源、不同地区的家庭之间的差异，我们构造了房地产财富与相应指标的虚拟变量的交叉项，如式（3-4）所示。

其中，ln WR×Vk表示房地产财富与相应虚拟变量的交叉项。

为了使各年度各省份的收入、消费和住房财富是可比较的，我们以2006年各省份的城镇物价为基数分别计算了各年各省份的城镇通货膨胀率，以此来对各年各省份城镇居民的名义收入、消费和住房价值进行平减，其中物价指数数据来源于中国统计年鉴各期的“各地区全社会零售物价总指数”。

（二）数据描述

表3.1是样本中关键指标分年度的描述性统计情况，在2000～2006年的三次调查中家庭年收入、消费和房地产财富随时间推移而增长，特别是房地产财富增长迅速，家庭平均受教育年限逐渐增长，家庭人口稳定在三口人水平，这些都表明我们使用的数据质量较高，适合进行房地产财富效应的检验。

我国20世纪90年代房改之前，城市居民中拥有自有住房的人较少，基本都是租用公家的房屋，但在几轮房改之后，公房不再以租用形式提供给居民，基本都以全价或折价转售给个人。虽然不少居民折价从单位购入的住宅至今在转让和流通上存在诸多限制，但也算是私有住房。另外，我国由于没有发达的租房市场，租房子的人群主要以刚毕业的大学生和移居到城市的人口为主，定居人口租房的很少，租借私人房子的比例并不算很高，当前近82%的城镇房屋属于私有房，这个比例在世界范围内也算是较高的。CHNS对家庭住房来源进行了详细调查，主要有6种：国家的、单位的、租私人的、自己的、免费居住的和部分产权，其中“国家的”和“单位的”表示家庭住房来源于公家的房改转售房。表3.2描述了不同年度样本中各种住房来源所占的比例，“自己的”住房所占比例最大，并且逐年增长；“国家的”和“单位的”住房比例大概占20%左右；“租私人的”比例很低，在1%～2%，这与我国住房现实情况是相符的。中国人“根”的思想根深蒂固，拥有一套住房是家庭的根本所在，租房只是临时性的、过渡性的权宜之计。描述性统计表明，本章所选样本与我国居民的住房消费习惯以及住房改革的现实是完全相符的。

表3.2　住房来源描述

（三）实证结果及分析

1.房地产财富效应存在性检验

为了检验房地产财富对居民消费的影响程度，以及房地产价格上涨是否促使房地产财富效应增强，依据式3-3以消费为因变量，收入和住房财富为自变量，同时控制了家庭人口特征以及收入不确定性和支出不确定性，回归结果见表3.3模型（1）。从模型（1）的结果来看，房地产财富对消费的影响显著为正，三次调查的弹性系数依次为0.12、0.08和0.11，表示住房价值每增加1%，将导致消费增长0.08%～0.12%，与骆祚炎（2007）利用宏观数据得出我国房地产财富的消费弹性为0.14的结论较接近。与Case、Quigley ＆Shiller（2005）对欧洲国家90年代房地产财富的消费弹性为0.11～0.17之间的结论相比，以及与收入的消费弹性系数0.27相比，我国房地产财富对消费的影响是不容忽视的。同时，从房地产财富与时间虚拟变量的交叉项来看，2004年的房地产财富效应弹性系数显著小于2000年，2006年弹性系数又有所回升，略低于2000年，可见房改后我国城镇房价上涨导致了房地产财富的普遍上涨，并没有使得房地产财富对消费的弹性系数增加，弹性系数反而是降低的，说明房改后的房价上涨使得我国房地产财富效应有所减弱。这与Ludwing ＆Slok（2002）的研究认为西方国家随着时间的推移房地产财富效应越来越大的结果不一致，可能与我国房地产市场发展程度、金融市场自由化程度、房地产市场的投机程度以及人们对待房地产财富的观念等方面的差异有关。

代表医疗负担的“家庭平均健康自评”与消费呈显著负相关，表明家庭平均健康自评越高，家庭成员健康程度越低，家庭的医疗负担越重，消费越低，这与理论分析结果是相一致的。代表家庭教育负担的“家庭在校人数”回归系数虽然为负，但并不显著，这很可能是由于CHNS中没有详细的家庭教育支出的数据，因此无法准确度量教育对人们支出负担的影响，致使回归结果不显著。目前我们只能用这一代理指标“控制”教育负担，对教育支出风险的准确度量和深入分析还有待于进一步的数据支持。人们在搬入新房或重新装修房子后，往往会对耐用品进行更新换代，“家庭从上次调查以来是否迁入新房或翻建住房”的回归系数不仅显著且达到了0.27证实了这一点。按照中国人的婚嫁习俗，新人结婚时会把一次性购买耐用品，所以本章控制了“家庭去年是否有嫁娶”，但是，这一变量的系数虽然为正却不显著，这可能是因为子女结婚后另成一家，子女结婚所购置的耐用消费品没有算作是自家“去年”的消费。本章从户主的职业、教育程度和工作单位所有制性质三个维度测算出“家庭收入风险”，回归结果也不显著，这可能与我们仅有三次调查数据，时间维度不长对收入风险指标构造产生影响有一定关系。此外，家庭人口较多、平均受教育水平更高以及户主年龄越轻的家庭都将有更高的耐用品消费，均与人们的直觉相符。

模型（1）中的异方差检验采用的是标准化残差和标准化预测值的Spearman等级相关分析方法，从结果来看在1%的显著水平下接受原假设，不存在异方差。最大VIF值没有超过3，表明自变量之间不存在严重的多重共线性。DW值为1.84接近2，意味着不存在序列相关性。以上检验表明，模型（1）的结果是无偏的、有效的。表3.4中的检验结果相似，下文中不再赘述。

2.房地产财富效应差异性检验

接下来依据式（3-4），采用交叉项，检验房地产财富效应在不同住房来源、不同年龄、不同收入、不同地区之间的差异，结果如表3.4所示。表3.4中模型（2）通过房地产财富与住房来源的交叉项，检验了不同住房来源财富效应的差异，以“房地产财富×自己的”为参照。从回归结果来看，除“部分产权”外，其他交叉项的系数都为负，说明与“自己的”住房相比，“国家的”“单位的”“租私人的”和“免费居住”^[8]的住房来源的财富效应更弱，其中，“国家的”最弱，“单位的”次之。从系数显著性来看，“租私人的”“免费居住”和“部分产权”与“自己的”财富效应在统计上没有显著差异。这与Guiso、Paiella ＆Visco（2004）的研究认为意大利租房者与自有住房者之间的房地产财富效应存在差异的研究结果不同，这可能与我国租房市场化不发达，租房比例较低有关。

表3.4中模型（3）以房地产财富与年龄组的交叉项来考察财富效应的年龄差异，以退休人员（年龄大于60岁）为参照组。从表3.4中模型（3）回归结果可以看出，其他年龄组的房地产财富效应显著为正，并且随年龄的增长逐渐降低，表明年青人的房地产财富效应显著高于年老者。进一步地，以户主年龄45岁为临界值，把样本分为“年青”和“年老”两组，按住房来源是否为“自己的”分成“自有”和“非自有”两组，以“房地产财富×年老×自有”为参照，检验结果见表3.4中模型（6）。从回归结果可以看出，年青自有住房者的财富效应显著高于年老自有住房者，而无论是年青还是年老的非自有住房者与年老自有住房者的房地产财富效应没有显著差异。这与Campbell ＆Cocco（2007）的研究认为英国老年人房地产财富效应大于年青人的结论截然相反，这可能与包括中国在内的许多亚洲国家居民都有很强的遗赠动机有关，对于老年人而言，即使房产价格上涨，他们也不太可能通过更换更小的房产来增加当期消费，而是更可能把房产或者增加的财富留给面临更高房价的后代。

表3.4模型（4）中，我们考察了房地产财富效应的收入差异，首先把家庭按永久收入从低至高的顺序平均分成五个组，依次为低收入组、较低收入组、中等收入组、较高收入组和高收入组，然后以高收入组与房地产财富的交叉为参照。可以看出，与参照交叉项相比，其他项的回归系数皆为负，且收入越低，系数越小，表明房地产财富效应存在显著的收入差异，收入越高的家庭房地产财富效应越高。

表3.4中模型（5）以地区与房地产财富的交叉项来考察财富效应的地区差异。从回归结果可以看出，与参照组江苏省相比，其他省的房地产财富效应显著为负，表明各地区的房地产财富效应有显著差异，并且江苏省的最高，河南次之，广西最低。整体来看，中东部地区的房地产财富效应高于东北和西部地区，房地产财富效应的发挥与经济发达水平相联系，经济越发达房地产财富效应越高。

（四）稳健性检验

接下来对房地产财富与消费之间的关系做进一步的稳健性检验，以考察前文的结论是否因房地产财富、收入等变量的衡量方法、方程设定以及所选用变量和估计方法的不同而变化。

首先，为了排除样本中极大值和极小值对回归结果的干扰，对收入、住房财富最低和最高各1%的样本进行了剔除后，回归结果如表3.5模型（7）。可以看出，房地产财富效应弹性系数仍然为0.12，在5%的水平下显著。

考虑到“房地产财富”测算中可能存在的统计误差，进而导致内生性的问题，我们采用工具变量法进行检验和控制。依据数据的可得性，利用“房租”作为“房地产财富”的工具变量^[9]。表3.5中模型（8）报告了工具变量的二阶段最小二乘法的回归结果，并且“外生性检验”没有拒绝零假设，这说明我们使用的“房地产财富”指标不存在严重的统计误差，进而导致内生性的问题，前面的回归结果是无偏的、可信的。为了控制“家庭永久收入”的内生性问题，我们直接采用“家庭年收入”作为代理指标，回归结果如表3.5中模型（9）所示，可以看出所有变量的系数和符号与表3.3模型（1）相比都稳定，估计的结果很理想。

前文实证检验结果表3.3和表3.4中，代理家庭教育负担的“家庭在校人数”和代理收入风险的“家庭收入风险”系数均不显著，我们通过更换代理指标进一步探索。首先，把家庭教育负担的代理指标更换成“家庭在校大学生人数”。在我国，大学生的教育费用对普通居民来说是个不小的数目，利用“家庭在校大学生人数”作为教育负担的代理教育负担具有一定合理性。从表3.5中模型（10）的回归结果可以看出，“家庭在校大学生人数”的系数在5%水平上显著为负，说明家庭在读大学生人数越多，教育负担越重，消费越低，这完全符合理论分析，其他变量的系数和符号也都稳定。接下来，我们根据Browning ＆Lusardi（1996）综述中的方法和Fuchs-Schundeln ＆Schundeln（2005）的研究策略，用“家庭工作人口中稳定性职业人数占比”作为“家庭收入风险”的代理指标。回归结果如表3.5中模型（11）所示，“家庭收入风险”系数依然不显著，这可能与本章研究样本仅使用了三年收入数据，时间序列还不是太长，收入风险的衡量还不能完全体现出收入波动的大小有关。

（五）检验结论

本节首创性地利用大型家庭微观调查数据对我国房改后房地产财富与消费关系进行研究，不仅克服了国内以往同类研究中采用宏观数据的样本量不足的局限性，也是对CHNS这一珍贵的微观家庭调查数据的深度开发和拓展性应用。微观数据的使用，使得我们在确定了房地产财富对消费的影响程度以及在房地产财富效应变动的基础上，进一步深入挖掘房地产财富效应在不同年龄、不同住房来源、不同地区以及不同收入的家庭之间发挥程度的差异。而且，本章在借鉴国内外消费方面文献的基础上，通过代理指标的选取来控制家庭“收入风险”和“支出风险”对居民消费的影响，以提高本章实证结论的稳健性。

实证分析得到的主要结论为：（1）房改后，房地产财富对居民消费存在显著的影响作用，房地产财富效应的弹性系数为0.08～0.12，即住房财富每增加1%，耐用消费品增长0.08%～0.12%，与0.26的收入消费弹性以及OECD国家0.11～0.17的房地产财富消费弹性相比，我国的房地产财富效应值得关注。（2）房改后我国城镇房价上涨，导致城镇居民房地产财富的普遍上涨，但是房地产财富对消费的弹性系数并没有增加，反而有所降低。可见，房改后随着房地产价格的上涨，我国的房地产财富效应却有所减弱。（3）我国房地产财富效应的发挥在不同家庭存在着差异，并且与西方发达国家相比也有所不同，具体地，住房来源为“自己的”家庭的住房财富效应最大，高于住房来源为“单位的”和“国家的”家庭，但自有产权住房与租私人住房的家庭房地产财富效应没有显著差异；户主越年轻的家庭，房地产财富效应越大；收入越高的家庭房地产财富效应越大；经济越发达地区房地产财富效应越大。