## _wp1584c

## Source details

**Canonical URL:** [_wp1584c](https://www.imf.org/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp1584c.pdf)

## Other formats

- [Markdown version](/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp1584c.pdf.md)
- [Structured JSON version](/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp1584c.pdf.json)

---

### I. 序言 — 房地产在中国经济中的重要性与当前命题
- 房地产投资：1997年约4% GDP → 2014年15% GDP。
- 住宅投资在固定资产投资中约为15%；在城镇总就业中的比重达15%。
- 银行对该部门的贷款占银行总贷款的20%。
- 房地产与上游下游产业、土地出让与房产相关税收（地方公共财政关键来源）、不动产抵押在公司借款中的广泛使用，构成对宏观经济的重要传导。
- 自2014年开始，住宅房地产出现全国性疲软：价格上涨幅度、成交量和新开工均放缓；此次疲软并未伴随针对房地产市场的直接收紧政策。
- 市场扭曲因素促使价格借位和过度建设：供给端（地方政府靠卖地融资）与需求端（高杠杆、实际存款利率常为负、缺少替代性金融资产、资本账户限制）。
- 政策取向关键：允许房地产有序调整，同时避免出现过于剧烈的经济增速下滑。

### II. 近期动向：种种数据告诉我们什么？
- 数据来源与覆盖
  - 主要官方来源：国家统计局（NBS）、地方房管局（Fangguanju）；其他：国务院发展研究中心（NDRC）、私营数据提供者（如“搜房网”）。
  - NBS提供全国和省级数据；房管局提供城市一级数据（134个城市价格指数）。
- 城市结构与交易份额
  - 一线城市（北京、上海、广州、深圳）占销售面积的10%。
  - 二线城市占销售面积的近50%。
  - 三/四线城市占销售面积的超过40%。
- 价格与销售量动向
  - 各类价格指数（NBS、Fangguanju、NDRC、搜房网）显示价格上涨开始减速，NBS的70个城市指数下降最剧烈。
  - 全国平均房价约为2013年平均可支配年收入的22倍；一线城市达到30倍以上；该比率低于2010年的最高点。
  - 2014年销售面积自2013年年中以来逐年下降；到2014年年底，放松限购和抵押贷款条件后出现小幅回升，其可持续性不确定。
  - 小城市（第三/四线）销售萎缩最严重；东北地区销售持续剧烈收缩，尚未见复苏迹象。
- 供给与投资动向
  - 房地产固定资产投资增长率：约20%（2013）→9.2%（2014）。
  - 2014年新开工房屋面积下降了14.4%；2013年为11.6%增长。
  - 土地出让金收入在2013年年末达到顶峰后，2014年出现放缓，占GDP的6.5%。
- 库存与存量信号
  - NBS与Fangguanju库存规模差异显著：
    - NBS数据显示按未售面积与销售面积之比，库存比率约为四个月的销售存量。
    - Fangguanju数据显示，2014年年中全国库存比率可能已达24个月的销售存量。
  - 差异来源于数据收集方法：NBS依赖开发商自报，可能低报未售面积；房管局记录登记数字，包括已获销售许可的房屋。
  - 2014年未销售住宅迅速增加，特别是在三/四线城市和东北地区；这一轮库存上升始于相对高的库存水平。
- 人均住宅面积（存量）信号
  - 许多城市的人均住宅面积已大大高于国际平均水平：发达经济体一般在40-50平米之间（美国为例外），新兴市场在20-30平米之间。
  - 一线城市接近发达经济体平均水平；较小城市人均面积已明显偏高，暗示供给过剩迹象。
  - 注：人均计算分母采用持有户口人口，沿海大城市可能高估，人群流出城市可能低估，导致部分三/四线城市的实际供给过剩可能更严重。

### III. 供需动态（方法与发现）
- 分析目标与数据区间
  - 以1998年起的数据为基础；回归样本区间为2000-2013年，相对平衡样本区间为2005-2012年。
  - 研究重点：估计人均住宅面积（存量）與其决定因素的均衡关系，并据此推断需求与潜在供给过剩。
- 房地产需求回归（核心变量与结果）
  - 需求方程：人均面积 = f(人均家庭收入, 住房价格, 城镇化率, 非农业人口规模, 城市级别虚拟变量)。
  - 主要回归系数（标准误差括号内）：
    - 人均家庭收入（对数值）：0.170*** (0.0236); 0.269*** (0.0353); 0.296*** (0.0409); 0.299*** (0.0397)
    - 住宅价格（对数值）：-0.0794*** (0.0191); -0.0603*** (0.0228); -0.0568*** (0.0213)
    - 城镇化率：-0.497*** (0.0393); -0.454*** (0.0389)
    - 非农人口（对数值）：-0.0417*** (0.0115)
    - 一线城市虚拟变量：-0.109*** (0.0289); -0.0804** (0.0319); -0.0768* (0.0428); -0.0502 (0.0474)
    - 三线城市虚拟变量：0.166*** (0.0116); 0.136*** (0.0131); 0.0746*** (0.0166); 0.0373* (0.0201)
    - 常数：1.366*** (0.223); 1.076*** (0.242); 0.906*** (0.268); 1.169*** (0.266)
  - 样本与拟合度：
    - 观测值：1,800; 1,748; 1,175; 1,175
    - R平方：0.471; 0.476; 0.508; 0.516
- 均衡人均面积预测假设
  - 人均收入增长率假定自2013年起每年下降0.5个百分点：2013年为 9.7%，到2020年为 6.2%。
  - 非农人口增长率按5年移动平均预测；城镇化率到2020年增长约7-8个百分点。
  - 预测未包含政策反应（如未来房贷利率变化和购房限制）。
  - 向均衡靠拢过程为逐步进行；调整参数 a 全国为 0.5。
  - 拆除率假定每年约为存量面积的 3%。
  - 在上述假设下，销售面积的平均年增长率中期约为 4.3%。

### IV. 衡量供给过剩的方法与主要发现
- 供给过剩衡量方法
  - 以新开工面积与销售面积（前一年或两年）之间的累计缺口衡量；供给用在建面积代表。
  - 以人均住宅面积作为存量指标，在吸收当前库存后的隐含人均面积与国际同类国家比较，用以判别供给是否偏高。
- 主要发现
  - 2014年计算得出的供应过剩量约为全国年销售面积的1.2倍。
  - 新开工面积数据可能高估真实供给：含规划或有开工许可但可能未同时动工的项目；开发商估计约15%新开工面积为公共设施和基础设施，不会用于销售。
  - 累计完工面积在全球金融危机前高于销售面积，部分反映市场开放。
  - 供给过剩在空间上具有异质性：三/四线城市与东北工业基地面临更严峻的消化压力；一线与部分二线城市压力较小。

### V. 房地产调整——情景分析与宏观影响
- 基本框架
  - 假定销售面积预测为既定并延续历史需求趋势，研究新开工面积调整如何逐步降低供给过剩，考察不同需求路径下的调整及对房地产投资的影响。
- 三类情景要点
  - Baseline scenario：
    - 假定供给过剩缺口于2020年逐步弥合（基本线性趋势）。
    - 库存比率将从2013年的2.2下降至2020年约1（正常历史水平）。
    - 销售面积年均增长率中期约为4.3%。
  - Gradual adjustment scenario：
    - 假定供给过剩缺口缩减更为渐进，供给过剩将在2013年水平上降低一半（到2020年未完全弥合）。
    - 库存比率可能直到2025年才回到正常水平。
  - Stronger demand scenario：
    - 销售面积年增长率将提高到8.6%（相当于2010－2013年期间增长率7.8%的情形）；基准为4.3%（类似2010－2012年增长率4.6%）。
    - 对供给过剩缺口的收窄有一定帮助，但不大可能完全抵消新开工面积的潜在缩减；新开工面积年同比缩减仍不可避免。
- 库存比率定义
  - 「累计新开工面积净售出除以当期已售面积」，以年数表示。

### VI. 对房地产投资（GFCF）与经济增长的影响（关键数值）
- 房地产GFCF增长率估计模型（1996－2013年数据）：
  - Grow th of real estate GFCF(t) = 0.413 * Grow th of floor space starts(t) + 0.587 * Grow th of real estate GFCF(t-1).
  - 回归估计系数：
    - ߚଵ = 0.413 (标准误差 0.068, t = 6.081, P = 0.000, 95% 置信区间下限 0.270, 上限 0.557)
    - ߚଶ = 0.587
  - 限定兩系數之和等於1（统计上未拒绝），意味着平均两序列增长率相同。
- 情景下的具体影响（摘录表中关键数值）：
  - Baseline scenario: Implied real estate GFCF growth (%) — 2015: -4.2
  - More gradual adjustment: Implied real estate GFCF growth (%) — 2015: -1.9
  - Stronger demand: Implied real estate GFCF growth (%) — 2015: -2.5
  - 对 GDP 增长的影响（2015）：
    - Baseline scenario: -0.38 (ppt)
    - More gradual adjustment: -0.18 (ppt)
    - Stronger demand: -0.22 (ppt)
- 注释与额外说明
  - 表注1：销售面积平均增长率预测为基准与渐进情景在2014–2020年间为4.3%/年；在更强劲需求情景中为8.6%/年。
  - 表注2：Implied real estate GFCF growth按Table 2的公式估计。
  - 表注3：GDP增长影响基于住宅房地产 GFCF 占 GDP 约9%的事实计算。
  - 在2015年，房地产固定资本形成总额（GFCF）会放慢约1.9－4.2个百分点（取决于情景）。
  - 基准情景在2015年导致房地产 GFCF 放慢几乎4.2个百分点，若住宅房地产 GFCF 占 GDP 约9%，则2015年 GDP 增长率将下降约0.4个百分点。

### VII. 省级影响与区域差异
- 省级历史关联：更高的房地产供给过剩程度通常与更低的实际 GDP 增长率相关联。
- 省级基准情景要点：
  - 多数省份在2015－2016年会出现新开工房屋数量下降，但中期逐步恢复。
  - 在库存比率高的若干省份，收缩将更为严峻且持续时间更长。
  - 即使新开工房屋数量恢复，销售面积中期增长率也很可能在2010－2013年基础上下降约3.5个百分点。
  - 2015年全国房地产投资平均可能下降4.2%，但若干省份可能出现更剧烈萎缩。
  - 这些估计可能高估对增长的影响，因为未考虑政策反应，且假定各省供给过剩缺口以一致步伐调整；实际中，过剩更严重的省份可能采取更渐进的调整。

### VIII. 结论与政策含义
- 结论要点：
  - 中国住宅房地产市场对经济增长贡献重大，自2014年起出现明显疲态，部分原因是多数城市存在过度建设。
  - 供给过剩为全国性问题，三/四线城市和东北地区尤为明显。
  - 调整很可能需要数年时间，并将影响投资与增长；在合理假设下，2015年房地产投资可能为负增长。
- 政策含义：
  - 有序调整逐步消化供给过剩是可取的，有助于将资金更有效地导向经济其他部门，促进向新的可持续增长模式转型。
  - 关键是允许调整过程开始，同时避免经济放慢过于剧烈，因此需要谨慎地校正宏观经济政策。

*Sources: NBS, Fangguanju, IMF staff calculations (content from _wp1584c - Section 1 and Section 2).*

### Section 1

### 理解中国住宅房地产

### I. 序言 — 房地产在中国经济中的重要性与当前命题
- 房地产投资从1997年占GDP的约4%上升到2014年占GDP的15%。
- 住宅投资在固定资产投资中的比重约为15%，在城镇总就业中的比重达15%。
- 银行对该部门的贷款占银行总贷款的20%。
- 房地产与多个上游和下游产业存在强联系；土地出让和房产相关税收是地方公共财政的关键来源；不动产作为抵押物广泛用于公司借款。
- 自2014年开始，住宅房地产出现全国性疲软：价格上涨幅度、成交量和新开工均放缓；此次疲软并未伴随针对房地产市场的直接收紧政策。
- 扭曲因素使市场更易出现价格借位和过度建设：供给端（地方政府靠卖地融资）与需求端（高杠杆、实际存款利率常为负、缺少替代性金融资产、资本账户限制）共同作用。
- 关键政策取向：允许房地产有序调整，同时避免出现过于剧烈的经济增速下滑。

### II. 近期动向：种种数据告诉我们什么？
- 数据来源与覆盖
  - 主要官方来源：国家统计局（NBS）、地方房管局（Fangguanju）；其他：国务院发展研究中心（NDRC）、私营数据提供者（如“搜房网”）。
  - 国家统计局提供全国和省级数据；房管局提供城市一级数据（134个城市的价格指数）。
- 城市结构与交易份额
  - 一线城市（北京、上海、广州、深圳）占销售面积的10%。
  - 二线城市（多数为省会城市）占销售面积的近50%。
  - 三/四线城市占销售面积的超过40%。
- 价格与销售量动向
  - 各类价格指数（NBS、Fangguanju、NDRC、搜房网）显示价格上涨开始减速，NBS的70个城市指数下降最剧烈。
  - 全国平均房价约为2013年平均可支配年收入的22倍；一线城市达到30倍以上；该比率低于2010年的最高点。
  - 2014年销售面积自2013年年中以来逐年下降；到2014年年底，放松限购和抵押贷款条件后出现小幅回升，其可持续性不确定。
  - 小城市（第三/四线）销售萎缩最严重；东北地区销售持续剧烈收缩，尚未见复苏迹象。
- 供给与投资动向
  - 房地产固定资产投资增长率从2013年的约20%下降到2014年的9.2%。
  - 2014年新开工房屋面积下降了14.4%；2013年为11.6%增长。
  - 土地出让金收入在2013年年末达到顶峰后，2014年出现放缓，占GDP的6.5%。
- 库存与存量信号
  - NBS与Fangguanju的库存规模差异显著：
    - 按同一时期未销售面积与销售面积之比计算，NBS数据显示全国库存比率约为四个月的销售存量。
    - Fangguanju数据显示，2014年年中全国库存比率可能已达24个月的销售存量。
  - 差异来源于数据收集方法：NBS依赖开发商自报，可能低报未售面积；房管局记录登记数字，包括已获销售许可的房屋。
  - 2014年未销售住宅迅速增加，特别是在三/四线城市和东北地区；这一轮库存上升始于相对高的库存水平。
- 人均住宅面积（存量）信号
  - 许多城市的人均住宅面积已大大高于国际平均水平：发达经济体一般在40-50平米之间（美国为例外），新兴市场在20-30平米之间。
  - 一线城市接近发达经济体平均水平；较小城市人均面积已明显偏高，暗示供给过剩迹象。
  - 注：人均计算分母采用持有户口的人口，沿海大城市可能高估，人群流出城市可能低估，导致部分三/四线城市的实际供给过剩可能更严重。

### III. 供需动态
- 分析目标与数据区间
  - 本文以1998年起的数据为基础分析中国住宅市场供需动态；回归样本区间为2000-2013年，相对平衡的样本区间为2005-2012年。
  - 研究重点：估计人均住宅面积（存量）與其决定因素的均衡（长期）关系，并据此推断需求与潜在供给过剩。
- A. 房地产需求（方法与变量）
  - 需求以人均面积为核心变量；估计长期均衡关系：人均面积 = f(人均家庭收入, 住房价格, 城镇化率, 非农业人口规模（人口密度）, 城市级别虚拟变量)。
  - 国际经验证据表明，人均面积随收入增长而增加（参考：Berkelmans 和 Wang 2012）；收入弹性为主要关注点。
  - 回归设置旨在捕捉住房需求的长期决定因素，并用于估算隐含的需求水平与库存吸收所需调整规模与时间。
- B. 衡量供给过剩（要点与指标）
  - 库存率（未售面积/年销售面积）与在建面积共同指示未来供给压力；库存增长速度与历史周期比较显示2013-2014年周期的库存积累更为显著。
  - 以人均住宅面积作为存量指标，在吸收当前库存后的隐含人均面积与国际同类国家比较，可判别供给是否偏高。
  - 供给过剩在空间上具有异质性：三/四线城市与东北工业基地面临更严峻的消化压力；一线与部分二线城市压力较小。

### 要点结论（截至本节所述证据）
- 房地产对中国经济的贡献非常大，相关比重与关联性如下：
  - 房地产投资：1997年约4% GDP → 2014年15% GDP。
  - 住宅投资在固定资产投资中约15%；在城镇就业中约15%；银行业贷款占比约20%。
  - 土地出让金约占GDP的6.5%（2013年顶峰后2014年放缓）。
- 2014年市场疲软的关键数据：
  - 房地产固定资产投资增长率：约20%（2013）→ 9.2%（2014）。
  - 新开工房屋面积：2013年增长11.6% → 2014年下降14.4%。
  - 库存指标：NBS约为四个月销售存量；Fangguanju在2014年年中可能达24个月销售存量。
  - 全国平均房价约为2013年平均可支配年收入的22倍；一线城市超过30倍。
- 供需失衡特征与地域分化：
  - 三/四线城市以及东北地区面临的供需调整更具挑战性。
  - 小城市在繁荣期扩张更快，当前消化库存的压力更大。
  - 人均住宅面积在许多中小城市已显著高于国际新兴市场或发达经济体的平均水平，提示长期供给过剩风险。

*文件：_wp1584c - Section 1*

### Section 2

### _wp1584c - Section 2

### 住房需求回归与均衡人均面积预测
- 人均面积的回归结果与预期一致：人均家庭收入、住宅价格、城镇化率、城市非农业人口等为主要决定因素；城市级别虚拟变量显示三/四线城市人均面积更大。
- 回归估计（因变量：人均面积（对数值））——主要系数（标准误差括号内）：
  - 人均家庭收入（对数值）：0.170*** (0.0236); 0.269*** (0.0353); 0.296*** (0.0409); 0.299*** (0.0397)
  - 住宅价格（对数值）：-0.0794*** (0.0191); -0.0603*** (0.0228); -0.0568*** (0.0213)
  - 城镇化率：-0.497*** (0.0393); -0.454*** (0.0389)
  - 非农人口（对数值）：-0.0417*** (0.0115)
  - 一线城市虚拟变量：-0.109*** (0.0289); -0.0804** (0.0319); -0.0768* (0.0428); -0.0502 (0.0474)
  - 三线城市虚拟变量：0.166*** (0.0116); 0.136*** (0.0131); 0.0746*** (0.0166); 0.0373* (0.0201)
  - 常数：1.366*** (0.223); 1.076*** (0.242); 0.906*** (0.268); 1.169*** (0.266)
- 回归样本与拟合度：
  - 观测值：1,800; 1,748; 1,175; 1,175
  - R平方：0.471; 0.476; 0.508; 0.516
- 预测均衡过程与关键假设：
  - 将人均面积与人均城镇家庭收入挂钩用于预测人均面积。
  - 人均收入增长率假定自2013年起每年下降0.5个百分点：2013年为 9.7%，到2020年为 6.2%。
  - 非农人口增长率假定按5年移动平均预测，城镇化率到2020年增长约7-8个百分点。
  - 预测未包含政策反应（例如未来房贷利率变化和购房限制）。
  - 向均衡靠拢的过程为逐步进行；调整参数 a 全国为 0.5。
  - 拆除率假定每年约为存量面积的 3%。
  - 在上述假设下，销售面积的平均年增长率中期约为 4.3%。

### 衡量供给过剩的方法与发现
- 供给过剩以新开工面积与销售面积（前一年或两年）之间的累计缺口衡量；供给用在建面积代表。
- 计算结果与解读：
  - 2014年计算得出的供应过剩量约为全国年销售面积的 1.2倍。
  - 新开工面积数据可能高估真实供给：新开工数据含规划或有开工许可但可能未同时动工的项目；开发商估计约 15% 新开工面积为公共设施和基础设施，不会用于销售。
  - 累计完工面积在全球金融危机前高于销售面积，部分反映市场开放。

### 房地产调整——情景分析
- 基本框架：假定销售面积预测为既定并延续历史需求趋势，研究新开工面积调整如何逐步降低供给过剩，考察不同需求路径下的调整及对房地产投资的影响。
- 三类情景与要点：
  - 基准情景（Baseline scenario）：
    - 假定供给过剩缺口于 2020 年逐步弥合（基本是线性趋势）。
    - 库存比率将从 2013 年的 2.2 下降至 2020 年约 1（正常历史水平）。
    - 销售面积年均增长率中期约为 4.3%（注释：表中指出为基准和渐进情景的预测）。
  - 渐进调整情景（Gradual adjustment scenario）：
    - 假定供给过剩缺口缩减过程更为渐进，供给过剩将在 2013 年水平上降低一半（到 2020 年未完全弥合）。
    - 库存比率可能直到 2025 年才回到正常水平。
  - 更强劲的房地产需求情景（Stronger demand scenario）：
    - 销售面积年增长率将提高到 8.6%，相当于 2010－2013 年期间增长率 7.8% 的情形；基准为 4.3%（类似 2010－2012 年增长率 4.6%）。
    - 对供给过剩缺口的收窄有一定帮助，但不大可能完全抵消新开工面积的潜在缩减；新开工面积年同比缩减仍不可避免。
- 图表与度量注释：
  - 库存比率定义为「累计新开工面积净售出除以当期已售面积」，以年数表示。

### 对房地产投资（GFCF）与经济增长的影响
- 房地产GFCF增长率估计模型（基于 1996－2013 年数据）：
  - Grow th of real estate GFCF(t) = 0.413 * Grow th of floor space starts(t) + 0.587 * Grow th of real estate GFCF(t-1).
  - 回归估计系数：
    - ߚଵ = 0.413 (标准误差 0.068, t = 6.081, P = 0.000, 95% 置信区间下限 0.270, 上限 0.557)
    - ߚଶ = 0.587
  - 限定兩系數之和等於 1（统计上未拒绝），意味着平均两序列增长率相同。
- 在不同情景下对房地产GFCF和GDP增长的影响（关键数值）：
  - 表中暗含的情景时长与影响（摘录原表数值）：
    - Baseline scenario: Duration of Adjustment Total years 6-15.0 2015 11.3 2020
    - More gradual adjustment: Duration 10-9.6 5.5
    - Stronger demand: Duration 6-10.9 13.7
  - Implied real estate GFCF growth (%) — 2015：
    - Baseline scenario: -4.2
    - More gradual adjustment: -1.9
    - Stronger demand: -2.5
  - 对 GDP 增长的影响（2015，按表格）：
    - Baseline scenario: -0.38 (ppt)
    - More gradual adjustment: -0.18 (ppt)
    - Stronger demand: -0.22 (ppt)
  - 注释：
    - 表注 1/：销售面积平均增长率预测为基准与渐进情景在 2014–2020 年间为 4.3%/年；在更强劲需求情景中为 8.6%/年。
    - 表注 2/：Implied real estate GFCF growth 按 Table 2 的公式估计。
    - 表注 3/：GDP 增长影响基于住宅房地产 GFCF 占 GDP 约 9% 的事实计算。
- 额外说明：
  - 在 2015 年，房地产固定资本形成总额（GFCF）会放慢约 1.9－4.2 个百分点（取决于情景）。
  - 基准情景在 2015 年导致房地产 GFCF 放慢几乎 4.2 个百分点，若住宅房地产 GFCF 占 GDP 约 9%，则 2015 年 GDP 增长率将下降约 0.4 个百分点（表述与上表一致）。

### 省级影响与区域差异
- 历史数据表明：各省份中更高的房地产供给过剩程度通常与更低的实际 GDP 增长率相关联。
- 省级基准情景应用结果要点：
  - 由于供给过剩或高库存比率，大部分省份在 2015－2016 年会出现新开工房屋数量下降，但中期逐步恢复。
  - 在库存比率高的若干省份，收缩将更为严峻且持续时间更长。
  - 即使新开工房屋数量恢复，销售面积（需求度量）中期增长率也很可能在 2010－2013 年基础上下降约 3.5 个百分点。
  - 2015 年全国房地产投资平均可能下降 4.2%，但若干省份可能出现更剧烈萎缩。
  - 这些估计可能高估对增长的影响，因为未考虑政策反应，且假定各省供给过剩缺口以一致步伐调整；实际中，过剩更严重的省份可能采取更渐进的调整。

### 结论与政策含义
- 结论要点：
  - 中国住宅房地产市场对经济增长贡献重大，自 2014 年起出现明显疲态，部分原因是多数城市存在过度建设。
  - 供给过剩为全国性问题，三/四线城市和东北地区尤为明显。
  - 调整很可能需要数年时间，并将影响投资与增长；在合理假设下，2015 年房地产投资可能为负增长。
- 政策含义：
  - 通过有序调整逐步消化供给过剩是可取的，有助于将资金更有效地导向经济其他部门，促进向新的可持续增长模式转型。
  - 关键是允许调整过程开始，同时避免经济放慢过于剧烈，因此需要谨慎地校正宏观经济政策。

*Sources: NBS, Fangguanju, IMF staff calculations (content from _wp1584c - Section 2).*

---


_Source: https://www.imf.org/-/media/websites/imf/imported-publications/external/chinese/pubs/ft/wp/2015/_wp1584c.pdf_