采用IV估计的关键是找到合适的工具变量，以往的文献中，Campbell and Mankiw(1988)将消费变量的滞后期作为工具变量，他们假设某一比例的消费者仅消费当期收入，而剩余消费者则按随机游走假说行事，对于第一组消费者，其第t-1期到第t期的消费变化等于第t-1期到第t期的收入变化，而对第二组消费者，其第t-1期的消费变化等于第t-1到第t期的估计的永久性收入变化，这样一来，他们就找到一组合适的工具变量，因为当收入大幅增加时，家庭通常也会获得有关其终生收入的有利信息。Carroll，Otsuka and Slacalek(2006)将预期的失业率和联邦利率作为工具变量，其理由是预期失业率能作为居民今后收入保障程度的一种指标，联邦利率则可以作为对将来货币政策对财富影响的一种估计指标。遵循上述学者的思想，我们一方面引入消费的习惯因素，将消费滞后期考虑进来；另一方面，将就业人数作为居民对未来收入的一个替代指标，因为未来就业是对非房地产财富收入的主要来源，并选择房地产企业的国内贷款额作为衡量货币政策的指标，因为央行通过调整货币政策来控制对房地产企业的融资情况。

表2  房地产财富的短期消费效应

注：第一列为非房地产财富的消费效应，第二列为房地产财富的消费效应。***、**、*分别表示在1%、5%、10%上显著。

有效的工具变量须具备两个基本条件：一是工具变量与自变量是相关的，即Cov(x，Z)≠0；二是工具变量与误差项不相关，即Cov(Z，u)=0。一个有效的检验弱工具变量的办法是利用F统计量检验TSLS第一阶段工具变量系数都为零的假设，F统计量度量了工具变量中包含的信息，它包含的信息越多则F统计量的期望值越大，经验法则显示如果F统计量超过10，则该工具变量是有效的④。将各地区就业人数与房地产企业国内贷款作为房地产财富的工具变量的F统计值为11.16，因此，我们选的工具变量是有效的。利用TSLS估计我国房地产财富的消费效应为0.105，说明上一季度房地产财富每增加1元，下一季度的消费支出会增加0.105元。

2.房地产财富的总体长期消费效应

为了考察房地产财富的长期消费效应，将模型的滞后期设置为一年，见公式(6)，并考虑到消费的习惯形成因素，即公式(9)的估计结果，并采用OLS和TSLS两种方法进行估计，具体估计结果如表3。

表3  消费习惯参数及房地产财富的总体长期消费效应

注释：***、**、*分别表示在1%、5%、10%上显著。

表3中第一列为OLS估计结果，房地产财富的中长期消费倾向为-0.017，习惯形成系数为-0.78，利用公式(11)估算出我国房地产财富的总体长期消费效应为0.012。第二列为TSLS估计结果，选择就业人数和房地产企业国内贷款作为工具变量，其F统计值为29.9，说明不存在弱工具变量问题，房地产财富的中长期消费倾向为-0.56，习惯形成参数为-0.97，房地产财富的总体消费效应为0.293。这说明我国房地产财富的消费正效应是非常显著的，商品房既是一种消费品又是一种投资品，如何发挥其消费品的功能、抑制其投资品的功能，是引导房地产业走向成熟的关键问题。

(二)房地产财富的地区消费效应

我国各省市的商品房价格、消费支出水平和可支配收入状况都有很大的差异性，因此仅考虑房地产财富的总体消费效应是不足的。各地区房地产财富的消费效应也将分短期效应和中长期效应来考察，先估计出各地区的短期、中长期边际消费倾向，结合各地区的消费习惯形成参数，估计出短期和中长期消费效应。

房地产财富的省际消费效应估计结果如表4。各省市的房地产财富的短期(上季度对下一个季度的影响)边际消费倾向差异较大，总体为负效应，其中北京、福建、安徽、河南、江西等为正效应。从各地区的短期消费倾向来看，并不能得出发达地区的消费效应要高于欠发达地区的消费效应的结论。

各省市的消费习惯形成参数如表4中公式(9)估计结果，各地消费习惯形成参数均为负值，说明上一期消费对下一期消费是负效应，主要原因是我国的消费支出呈周期性波动，每年的第四季度支出较大，并且消费支出具有挤出效应，上一期消费支出增多势必减少下一期消费支出。各省市房地产财富的长期消费效应见表4中公式(11)的估计结果，总体上为正效应，其中北京、山东、浙江、江苏等省市的长期消费较高，安徽、甘肃、贵州、青海、新疆等中西部地区的长期消费效应也较高。上海、天津、广东、福建等省市的长期消费效应接近为零甚至为负。

六、结论

居民的财富增加会相应地增加消费。本文着重考察居民的房地产财富的消费效应，将居民财富分为房地产财富和非房地产财富；考虑到居民消费支出的滞后性引入习惯形成参数，估计了居民上期消费支出对下期消费支出的影响；由于样本空间的有限性，采用了我国省际之间的2003—2010年面板数据，共900个样本，克服了样本空间有限的缺陷，并从我国的总体和各地区个体两个层面考察房地产财富的短期和中长期消费效应。由于居民消费支出、房地产价格与财富之间存在着相互因果关系，互为内生变量，因此采用OLS估计会产生偏误，采用工具变量法，即TSLS，估计可以解决此问题。采用各地区就业人数和各地区房地产企业国内贷款两个变量作为工具变量，前者可以解释居民的预期就业水平进而能预测可支配收入的稳定性，后者则能很好地反映货币政策对房地产业的调控和预期，利用经验法则检验工具变量的有效性，即用F统计值检验，结果表示两个工具变量均为有效工具变量。此外，对房地产价格、财富和居民消费之间利用OLS和TSLS两种方法估计并进行比较，结论显示采用工具变量法能更好地解释三者之间的相关关系。

表4  各地区的房地产财富效应短期和中长期效应

注：公式(8)分别为不采用工具变量与采用工具变量的短期边际消费倾向，公式(9)分别为不采用工具变量与采用工具变量估计出的消费习惯形成参数，公式(11)分别为不采用工具变量与采用工具变量估算出的房地产长期消费效应。

理论分析和实证检验结果表明：我国居民房地产财富的总体短期消费效应为0.11，总体长期消费效应则为0.29；各地区的房地产消费效应则差异性很大但并不能得出房价高的省市财富效应也越大的结论，房价较高的省市如北京、山东、浙江、江苏等消费效应较高，而上海、天津、广东、福建等省市的消费效应接近零甚至为负，我国中西部地区例如安徽、甘肃、贵州、青海、新疆等省市的消费效应也较高。可见，从中长期来看，商品房价格的合理上涨能带来财富的增加，能一定程度上带来消费支出的增加。

因为房地产商品既是一种消费品又是一种投资品，拉动内需主要还靠商品房的消费。合理控制房价的关键所在是区分房地产商品的消费成分和投资成分，当房地产成为主要的消费品时，能促进居民消费效应的增加；当房地产成为一种主要的投资品时，则会导致房价上涨过快，会形成房地产泡沫，进而影响消费和实体经济。此外，可以将居民分为有住房者和无住房者两类，房价的上涨对于有住房者来说，财富增加，会相应地增加消费，而对于无房者来说，购买首套住房也是消费，也会促进消费的增加。这一结论对当前我国的房地产调控来说有较大的参考价值，可以作为房地产调控的重要依据。

注释：

①关于房价-收入比，中国社科院在每年的经济蓝皮书也会公布每年度的房价-收入比，采用的方法是按照城镇居民每人30平方米以及城镇居民每户有3口人进行计算所得出，是用每户住房总价除以每户家庭年总收入得出该比值。按此标准，2010年我国城镇居民的房价-收入比为8.76。本文中的房价-收入比，则用商品房销售价格与城镇居民家庭可支配收入来度量，具体计算，公式为各省(市)每季度的商品房销售价格/各省(市)每季度的城镇居民家庭可支配收入，原始数据来源于天相投顾有限公司的金融数据库。

②数据来源：国家统计局与中国指数研究院，参见：http://fdc.soufun.com/news/2010-01-25/3050508.htm.

③习惯形成(habit formation)是指当前的消费效用不但依靠当前的支出，还受到滞后支出带来的习惯财富的影响。参见：Karen E.Dynan. 2000. Habit formation in consumer preferences: evidence from panel data. The American Economic Review, Vo1. 90, No. 3, 391-406.

④詹姆斯·H·斯托克，马克·W·沃森.计量经济学(第二版)[M].孙燕译.上海：格致出版社，2009：8，329.

参考文献：

[1]KARL EN CASE , JOHN M. QUIGLEY AND ROBERT J. SHILLER.. Comparing Wealth Effects: the Stock Market VS the Housing Market [J]. Advance in Macroeconomics Volume 5, Issue 1. 2005.

[2]LUDWIG A AND SLOK T. The Impact of Changes in Stock Prices and House Prices on Consumption in OCED Countries [R]. IMF Working Paper, No. 1. 2002.

[3]CAMPBELL JOHN Y AND JOAO F. COCCO. How Do House Prices Affect Consumption? Evidence from Micro Data [J].Journal of Monetary Economics, forthcoming, 2006.

[4]BUITER W. Housing Wealth Isn't Wealth[R]. NBER Working Paper, No. 14204. 2009.

[5]CALOMIRIS C, LONGHOFER S D AND MILES W. The (Mythical?) Housing Wealth Effect[R]. NBER Working Paper,No. 15075. 2009.

[6]GIROUARD N AND BLONDAL S. House Price and Economic Activity [R]. OECD Economics Department Working Paper,No. 279. 2001.

[7]DOVORNAK N. AND KOHLER M.  Housing Wealth, Stock Market Wealth and Consumption: A Panel Analysis for Australia[R]. Reserve Bank of Australia Discussion Paper, No. 23. 2003.

[8]CHRISTOPHER D. CARROLL, MISUZU OSTUTA AND JIRKA SLACALEK. How Large Is the Housing Wealth Effect? A New Approach [R]. NBER Working Paper, W 12746. 2006.

[9]SIERMINSKA E AND Y. TAKHTAMANOVA. Wealth Effects out of Financial and Housing Wealth: Cross Country and Age Group Comparisons [R]. Federal Reserve Bank of San Francisco Working Paper, Series 01. 2007.

[10]黄静，屠梅曾.房地产财富与消费：来自家庭微观调查数据的证据[J].管理世界，2009，(7)：36-45.

[11]MUELLBAUER JOHN. Habits, Rationality and Myopia in the Life CycleConsumption Function [J]. Annales d' Economie et de Statisitique, 1988(9): 47-70.

[12]DYNAN KAREN E. Habit Formation in Consumer Preferences: Evidence from Panel Data [J]. American Economic Review, 2000, 93(3):391-406.

[13]SOMMER M. Habits, Sentiment and Predictable Income in the Dynamics of Aggregate Consumption [R]. Johns Hopkins University Working Paper, No. 458, 2002.

[14]CAMPBELL JOHN Y AND N GREGORY MANKIW. Consumption, Income and Interest Rates: Reinterpreting the Time Series Evidence [M]. in Oliver J. Blanchard and Stanley Fisher, editors, NBER Macroeconomics Annual, MIT Press, Cambridge, MA. 1988: 185-216.