彭代彥，文樂,華中科技大學 經(jīng)濟學院，湖北 武漢 430074

?

房價上漲的結(jié)構(gòu)性差異研究
——基于土地供給的視角

彭代彥，文樂,華中科技大學 經(jīng)濟學院，湖北 武漢 430074

摘要：利用中國2000-2009年282個地級及以上城市的面板數(shù)據(jù)，采用雙重差分法和PSM-DID識別策略，從土地供給的角度研究區(qū)域房價上漲的結(jié)構(gòu)性差異特征的成因。自2003年起,國家土地供給政策開始向中西部地區(qū)傾斜，減少了東部地區(qū)但增加了中西部地區(qū)的土地供給，這使得東部地區(qū)用地更為緊張，從而導致東部地區(qū)房價相對上漲較快。實證分析發(fā)現(xiàn)，控制住經(jīng)濟發(fā)展水平、人口規(guī)模、金融便利性和城鎮(zhèn)化等因素的影響之后，偏向中西部的土地供給導致東部地區(qū)城市房價至少上漲了6.51%，表明區(qū)域土地供給差異導致房價上漲的結(jié)構(gòu)性差異。

關(guān)鍵詞：房價； 雙重差分法； PSM-DID； 土地供給

一、問題的提出

1988年中國取消福利分房，開始實行住房市場化改革。這一改革取得了巨大的成就，2010年全國城鎮(zhèn)居民人均建筑面積已經(jīng)提高到31.6平方米，城鎮(zhèn)居民住房自有率由1988年的13.8%提高到2007年的88.8%[1]。但是，在居民擁有住房面積增加的同時，房價隨之上漲，尤其是2003以來房價持續(xù)迅速攀升[2][3][4][5][6][7]，并且區(qū)域房價分化。1998-2002年商品房價格平均年增長率僅為2.19%，但2003-2010年期間高達11.43%。圖1表明東部地區(qū)城市房屋均價不僅比中西部地區(qū)城市房屋均價高，而且自2003后房價上漲速度也比中西部城市更快*東部是指遼寧、河北、北京、天津、山東、江蘇、浙江、上海、福建、廣東、海南；中西部地區(qū)包括：山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西、重慶、四川、貴州、云南、陜西、甘肅、寧夏、青海、新疆。由于數(shù)據(jù)缺失，西藏未納入樣本。東部與中西部分法，下文類同。，東部與中西部房價差距呈擴大態(tài)勢。也就是說，2003年之前中國房價增長緩慢，2003年之后快速增長，而且東部房價上漲得更快，這表明存在著明顯的年際差異和區(qū)際差異，筆者將這一現(xiàn)象稱為中國房價上漲的結(jié)構(gòu)性差異特征。

圖1東部與中西部房價變化趨勢圖

注：數(shù)據(jù)來源來源于《中國區(qū)域經(jīng)濟年鑒》，作者整理

為什么房價會在2003后持續(xù)快速上漲(年際差異)？為什么東部地區(qū)城市房價上漲速度高于中西部城市(區(qū)際差異)？如何解釋中國房價上漲的結(jié)構(gòu)性差異？房地產(chǎn)業(yè)是國民經(jīng)濟的重要的組成部分，不僅與民眾生活息息相關(guān)，也影響整個國民經(jīng)濟的健康發(fā)展，正確回答這些問題，不僅具有重要的理論意義，而且對政府進行房地產(chǎn)宏觀調(diào)控、更好地完善房地產(chǎn)市場具有重要的現(xiàn)實意義。

現(xiàn)有的一些研究主要從收入水平[8]、人口結(jié)構(gòu)[9][10]、人口流動[11]、金融因素[12][13][14]和土地出讓方式[15]等方面解釋中國房價的上漲，但是這些研究未能解釋中國房價上漲的結(jié)構(gòu)性差異特征。房屋作為一種正常商品，收入水平提高一般會引起住房需求增加，從而引致房價上漲[8]，然而，一國的收人水平與住房需求之間也可能存在一種非線性的相關(guān)關(guān)系[16]，在收入超過一定臨界值以后，人們更加關(guān)心房屋的品質(zhì)而不是房屋數(shù)量[17]。此外，近十多年來，中國居民收入增長速度遠遠慢于房價上漲速度，因此收入因素不能解釋近十年來房價的持續(xù)上漲。關(guān)于人口結(jié)構(gòu)因素，Mankiw & Weil[18]最早進行了研究，發(fā)現(xiàn)當“嬰兒潮”(baby boom)一代進入房地產(chǎn)市場時，房價被推高。一些學者認為“嬰兒潮”很可能是中國近十年來房價快速上漲的原因，一方面，總?cè)丝谥兄星嗄耆丝诒壤纳仙黾恿俗》啃枨骩9]；另一方面，“嬰兒潮”時期的出生人口集中進入婚齡，其中住房是適婚男性結(jié)婚的重要籌碼，而中國的性別比例失衡又加劇了婚姻市場的競爭，增加了對住房的需求[19]。依照“嬰兒潮”觀點推論，人口老齡化將導致房屋需求減少，房價下降。但是，一些實證研究發(fā)現(xiàn)少兒撫養(yǎng)比的下降和老年撫養(yǎng)比的上升造成我國房價持續(xù)上漲，原因在于老年人具有“利他動機”[4][ 10]，特別是當控制住教育、收入等因素的影響之后，年齡與房屋需求并非呈負相關(guān)關(guān)系[10][20]。值得注意的是，人口的年齡結(jié)構(gòu)在不同城市之間幾乎沒有差異，所以這難以解釋中國城市或區(qū)域間的房價上漲差異。另有一些學者基于人口流動視角，討論了房價上漲的原因[11][21]，但是，中國的城市化進程在戶籍制度的控制下一直都很平穩(wěn)，人口流動也難以解釋房價的持續(xù)高速增長[10]。還有一些學者研究了金融條件對房價的影響[12][13][14]，由于金融條件在城市之間幾乎也是沒有差異的，也難以解釋中國城市間的房價差異。另有一些研究認為土地的“招拍掛”出讓直接抬升了地價和開發(fā)成本，導致地價上漲，但是，與協(xié)議出讓方式相比,土地“招拍掛出”讓通過引入市場競爭、降低房地產(chǎn)增量市場的壟斷性,在顯化土地價格的同時,降低了地價對房價的影響程度[15]。再者，土地的“招拍掛”政策并沒有改變政府壟斷供地的形式。如果制度的變革會導致房價上漲，也應(yīng)該是一次性的，上漲的部分應(yīng)該為實行“招拍掛”制度后的地價與原來協(xié)議轉(zhuǎn)讓制度下地價的差額[4][10]，因此，政府的壟斷供地和“招拍掛”也無法解釋多年來房價的持續(xù)上漲。

總的來看，以上研究大多側(cè)重研究需求因素對房價的影響，忽視了供給端，尤其是未注意到國家土地供給政策的變化，因而未能解釋中國房價上漲的結(jié)構(gòu)性差異特征。事實上，土地作為房屋生產(chǎn)最重要的投入要素，當土地供給發(fā)生變化時，房價就可能發(fā)生波動。為了保護耕地，近十年來城市土地供給被嚴格限制，土地供給總量減少，更為重要的是，國家出于區(qū)域平衡發(fā)展的考慮，自2003年在土地供給的空間配置上發(fā)生了重大變化，土地供給向中西部地區(qū)偏移[22]，這導致東部地區(qū)土地供給相對不足，從而房價上漲得更快。我們利用雙重差分法和PSM-DID方法進行實證檢驗，發(fā)現(xiàn)偏向中西部的土地供給政策使得東部地區(qū)房價至少上漲6.51%，從而說明了土地供給差異是導致房價上漲的結(jié)構(gòu)性差異的原因。穩(wěn)健性檢驗表明我們的研究是十分穩(wěn)健的。

本文的貢獻主要包括三個方面：第一，使用2000-2009年282個地級及以上城市的面板數(shù)據(jù)，將數(shù)據(jù)樣本拓展到地級市層面，大樣本數(shù)據(jù)使得本文可以深入探討土地供給變化對房價的影響效果；第二，用雙重差分和PSM-DID等現(xiàn)代計量方法來識別偏向中西部的土地供給政策對房價的影響，評估方法更為科學；第三，解釋了房價上漲的結(jié)構(gòu)性差異特征，有助于清楚認識當前房價上漲的原因和政府更好地調(diào)控房價，促進經(jīng)濟平穩(wěn)發(fā)展。

本文余下部分結(jié)構(gòu)安排是：第二部分是制度背景與理論分析；第三部分是模型設(shè)計；第四部分是實證結(jié)果及解釋；第五部分是穩(wěn)健性檢驗；最后部分是簡要結(jié)論。

二、制度背景與理論分析

在中國城市化快速推進的背景下，土地和住宅的供給與需求相適應(yīng)十分重要。對于中國房價的上漲，許小年認為一定是和人為的土地供應(yīng)控制有關(guān)[23]。自1998年起，中國雖然進行了住房市場化改革，取消了過去的福利分房制度，但是相應(yīng)的土地供給市場一直沒有放開，實行建設(shè)用地指標控制和用地審批制度，一方面，嚴格限制土地供應(yīng)總量，實行嚴格的耕地保護制度；另一方面，法律規(guī)定任何單位和個人進行建設(shè)，需要使用土地的，必須依法申請使用國有土地*《土地管理法》第四十三條。，并實行土地用途管制*《土地管理法》第四條明文規(guī)定：“國家編制土地利用總體規(guī)劃，規(guī)定土地用途，將土地分為農(nóng)用地、建設(shè)用地和未利用地。嚴格限制農(nóng)用地轉(zhuǎn)為建設(shè)用地，控制建設(shè)用地總量，對耕地實行特殊保護。使用土地的單位和個人必須嚴格按照土地利用總體規(guī)劃確定的用途使用土地?！?。每一年度的土地供應(yīng)計劃指標，國土資源部根據(jù)全國土地利用年度計劃總量控制指標建議以及省、自治區(qū)、直轄市上報的計劃指標建議，編制全國土地利用年度計劃草案，草案依次須上報國務(wù)院審定及人大審議通過后再下達各地正式執(zhí)行*《土地利用年度計劃管理辦法》第九條。，土地利用年度計劃一經(jīng)批準下達，必須嚴格執(zhí)行*《土地利用年度計劃管理辦法》第十三條。。

圖2土地供應(yīng)變化趨勢圖

注：數(shù)據(jù)來源于歷年《中國國土資源年鑒》，作者整理

2003年，新一屆領(lǐng)導人為了支持中西部地區(qū)的發(fā)展，采取了傾向中西部的土地供給政策。由圖2可知，土地供應(yīng)總量增長減緩且向中西部地區(qū)偏移。從2003起年全國審批建設(shè)用地增長率明顯下降，多數(shù)年份土地供給增長率甚至為負*僅在2009年有較大增幅，可能是金融危機后國家政策調(diào)控的作用。。整體來看，從2003開始，國家土地供給總量是收緊的。圖2還表明中西部的土地供給在相對增加，因為中西部建設(shè)用地審批面積占全國建設(shè)用地審批面積的比例以及其中審批耕地占比*國有審批建設(shè)用地由農(nóng)用地轉(zhuǎn)為建設(shè)用地，其中部分是由耕地轉(zhuǎn)為建設(shè)用地。從2003年開始呈現(xiàn)上升趨勢，總建設(shè)用地審批面積占比從2002年的47.6%上升到了2013年的66.63%，耕地轉(zhuǎn)用的比例更大。此外，中西部的土地出讓面積占全國總出讓面積的比例在2003年之前是下降的，而之后從2003的31.55%一直上升到 2013 年的 55.86%。由于作為商品住宅開發(fā)的土地，必須通過出讓方式供應(yīng)，而2003后中西部占全國土地出讓面積的比例不斷上升，表明國家相對減少了東部地區(qū)住宅用地供應(yīng)。

土地供給減少將導致房價快速上漲，原因在于減少土地供應(yīng)會導致可供建設(shè)房屋的用地不足，從而住房建筑量減少，無法跟上住宅的需求，最終導致房價升高[24][25]。這得到了許多經(jīng)驗研究的證實。Segal & Srinivasan對美國的研究發(fā)現(xiàn)，可開發(fā)土地量的減少與高房價有關(guān)[26]。Monk & Whitehead關(guān)于土地供應(yīng)和住房生產(chǎn)的研究表明，在一個土地供應(yīng)受限制的地區(qū)，對居住用地的需求會傳遞到另外一個地區(qū)，如果這個傳遞沒有完成，那么對土地供應(yīng)量的限制會使房價升高[27]。Hannah et al.[28]對韓國的土地控制與房價關(guān)系的研究發(fā)現(xiàn)，在1973-1988年，韓國的人口增長了兩倍多，但是城市住宅用地的供給只增加了65%，導致城市住宅用地的價格快速上漲，盡管土地開發(fā)密度的增加已部分抵消了價格的上漲，因此作者認為，韓國住房價格的上漲大部分源自于政府供地不足。Cheshire[29]對英國土地供應(yīng)與住房市場關(guān)系的研究表明，只要可用于建設(shè)的住宅用地供應(yīng)始終受到嚴格的限制，那么，房價就會長期持續(xù)上漲。Abeysinghe & Choy在研究新加坡巨大消費之謎時指出，新加坡房價的快速上漲源自于有限的土地空間，有限的土地自然供給束縛了土地的經(jīng)濟供給，不能滿足大量改善住房條件的市場需求，從而引起高房價[30]。

綜合上述分析，2003年國家實行偏向中西部的土地供給政策，該政策相對減少了東部地區(qū)的土地供給，導致東部土地供給相對不足，難以滿足建設(shè)用地需求，從而東部房價比中西部上漲得更快，這就解釋了中國房價上漲的結(jié)構(gòu)性差異特征，也就是說偏向中西部的土地供給政策是中國房價上漲結(jié)構(gòu)性差異的根源。

三、模型設(shè)計

(一)固定效應(yīng)DID

目前，雙重差分法(DID)被廣泛應(yīng)用于政策效果的評估，本文也試用DID方法來評估偏向中西部的土地供給政策對房價的影響，并選取2000-2009年全國282個地級及以上城市作為樣本，以東部城市作為實驗組，以中西部城市作為對照組。理想的雙重差分法要求實驗組和控制組除處理變量外其他變量基本相同，即要求隨機分組，處理變量是外生的。由于2003年政府換屆，黨中央實行區(qū)域平衡發(fā)展戰(zhàn)略，旨在縮小地區(qū)差距，促進經(jīng)濟平衡發(fā)展，而且相應(yīng)的土地供應(yīng)政策變化不是以調(diào)控房價為目的的，所以對于房價而言，可以把這次土地政策變化看做是一次“自然實驗”，可檢驗土地供給變化對房價結(jié)構(gòu)性上漲的影響。另外，進行雙重差分法分析的實驗組和對照組在政策變化發(fā)生前最好要滿足共同趨勢假設(shè)。從圖1可知2000-2002年期間東部與中西部房價變化趨勢基本是平行的，故滿足共同趨勢假設(shè)。

常用的DID模型如下所示:

lnhpit=α+β1Dumi+β2D03t+β3Dumi×D03t+γX+εit

(1)

其中，lnhp為房價的對數(shù)，房價為商品房屋銷售總額/銷售面積，單位為元/平方米，相應(yīng)數(shù)據(jù)來源于《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》，并用分省的CPI對房價進行了平減，文中其他名義變量也進行了同樣的處理；本文所使用樣本數(shù)據(jù)為2000-2009年282個地級及以上城市的面板數(shù)據(jù)集，拉薩等城市由于數(shù)據(jù)不全，故舍棄。D03為實驗期虛擬變量，即2003年(含當年)之后取值為1，之前取值為0； Dum為處理組虛擬變量，即用來區(qū)分政策實驗組和參照組，如果該市處于東部地區(qū)，則賦值為1，否則取值為0；Dum和D03的交叉項反映土地政策調(diào)整對東部房價的凈效應(yīng)。

X為控制變量?？紤]影響房價的因素以及東部與中西部在經(jīng)濟發(fā)展水平、資金配置等諸多方面的差異，我們引入的控制變量包括人均GDP、融資便利性、人口規(guī)模、城鎮(zhèn)化率、城市公共服務(wù)與基礎(chǔ)設(shè)施等。其中，人均GDP反映一個城市的整體經(jīng)濟發(fā)展水平，經(jīng)濟水平越高，居民消費能力越強，可預(yù)期人均GDP對房價的影響為正；融資便利性度量融資約束，在中國相當部分購房者需要通過外部融資購買住房，而融資約束的強弱將直接決定潛在市場需求[31][32]，該指標具體用各市工商業(yè)貸款總額占其GDP的百分比來度量[32]。如果從銀行獲得貸款越容易，則對住房的需求就越大，從而房價越高。人口規(guī)模越大，對房屋的需求也越大，可預(yù)期人口規(guī)模的系數(shù)為正，用人口自然增長率來反映人口規(guī)模變化對房價的壓力。另外，考慮人口流動可能影響城市房價，我們加入城鎮(zhèn)化率來檢驗人口流動對房價的影響。城鎮(zhèn)化率定義為市轄區(qū)總?cè)丝谡荚撌锌側(cè)丝诘陌俜直萚7]。此外，一個城市提供的基礎(chǔ)設(shè)施和公共服務(wù)越好，意味著該城市生活質(zhì)量越高，房價就可能越高。由于缺乏能夠準確反映城市基礎(chǔ)設(shè)施和公共服務(wù)的指標與數(shù)據(jù)，而政府的公共財政支出又主要用于基礎(chǔ)設(shè)施、醫(yī)療、教育、交通等方面，本文用政府公共財政支出作為代理變量。在模型中，對人均GDP、金融便利性以及公共財政支出、城鎮(zhèn)化率均取對數(shù)。人均GDP和人口特征數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》，出于數(shù)據(jù)準確性考慮，我們使用市轄區(qū)的數(shù)據(jù)。工商業(yè)貸款數(shù)據(jù)和公共財政支出數(shù)據(jù)來自于《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》。

模型(1)一般只適用于兩期數(shù)據(jù)，不過可以比較容易地推廣到多期面板數(shù)據(jù)。由于面板數(shù)據(jù)既有截面數(shù)據(jù)，又有時間序列數(shù)據(jù)的雙重特性，不僅能夠分析個體的異質(zhì)性問題，也能考量變量隨時間的動態(tài)變化情況，所以本文采用雙向固定效應(yīng)模型，模型設(shè)定如下：

lnhpit=α+β3Dumi×D03t+γX+δt+φi+εit

(2)

其中，δ為時間固定效應(yīng)，φ為地區(qū)固定效應(yīng)，其他同模型(1)。

(二)基于傾向性匹配法的DID

在上述模型中，雖然運用了固定效應(yīng)模型并引入控制變量，但是固定效應(yīng)模型只能控制不隨時間變化的個體因素與不隨個體變化的時間效應(yīng)對政策變項的干擾，同時我們并不清楚控制變量是否以線性形式進入模型。如果遺漏了非線性項或者其他不可觀察的未知因素，則仍然可能存在遺漏變量偏差。另外，應(yīng)用DID識別方法的基本前提是共同趨勢假設(shè)，由于中西部與東部城市存在較大的地區(qū)差異，共同趨勢假設(shè)也可能得不到很好的滿足，換句話說，即便沒有土地供給政策的調(diào)整，中西部與東部城市房價走勢也可能會不一樣。因此，為了更有效地減少估計偏誤，基于魯賓反事實框架的匹配估計量，首先采用傾向性得分匹配法(psm)對樣本進行篩選配對以克服樣本選擇偏差，然后再進行雙重差分估計處理效應(yīng)。這種方法被稱為PSM-DID，最早由Heckman et al.(1997)提出[33]。PSM-DID方法有兩方面的優(yōu)勢：一是它作為一種非參數(shù)方法，不依賴于線性模型的假設(shè);二是對所有樣本進行了更為準確的配對處理，使得控制組與實驗組更具有可比性，使得DID方法滿足共同趨勢假設(shè)。

匹配估計量的基本思想是，基于可忽略性假設(shè)，又稱為“無混淆性”(unconfoundedness)，個體i與個體j 進入處理組的概率相近，從而使得控制組和處理組具備可比性。即假設(shè)個體i屬于處理組，找到屬于控制組的某個個體j，使得個體j與個體i的可測變量X的取值盡可能匹配，即Xi≈Xj。本文通過協(xié)變量匹配后，克服選擇偏差，使得東部城市房價與中西部城市房價具有可比性，從而可以估計土地供給政策對房價的凈影響。

本文PSM-DID的估計方法是首先根據(jù)處理變量與協(xié)變量估計傾向得分值，然后對處理組中的每位個體依傾向得分進行核匹配，配對完成后進行雙重差分估計，最后得到的處理組的平均處理效應(yīng)(ATT)，可以表示為：

ATTKPSM-DID=

(3)

其中，式(3)中KPSM-DID表示核匹配差分法，sp為共同取值范圍的集合，I1代表東部城市構(gòu)成的集合，I0代表中西部城市構(gòu)成的集合，N1為滿足“共同支撐”假設(shè)的東部城市樣本數(shù)目，而Wij表示與東部城市相匹配的中西部城市的權(quán)重，本文是通過核匹配法得到的該權(quán)重。上式(3)括號中第一個括號表示東部城市在2003年土地政策變化前后房價的變化，而第二個括號表示中西部城市在2003年土地政策變化前后房價的變化。

四、實證結(jié)果

(一)固定效應(yīng)DID的基本結(jié)果

這里首先對模型(2)逐步進行估計，得到估計結(jié)果表1所示。

表1　傾向性的土地供給政策對房價的影響

注：表中系數(shù)下括號內(nèi)值為穩(wěn)健標準誤，此外，*表示在10%水平上顯著，**表示在5%水平上顯著，***表示在1%水平上顯著

表1中第一個回歸式僅含有交互項以及城市和年份的固定效應(yīng)，可以看到交互項是十分顯著的。在回歸式(2)-(6)中，當逐步加入其他解釋變量時，交互項系數(shù)并未發(fā)生大的變化，且仍然顯著，說明估計結(jié)果是比較穩(wěn)健的，偏向中西部的土地政策導致東部城市房價平均上漲約6.51%?；貧w中的其他控制變量的效應(yīng)與預(yù)期基本一致。金融便利性的效應(yīng)是正的，說明寬松便捷的融資環(huán)境，也可以增加居民購買房屋的能力，因而對房價形成了強大的推力。人口規(guī)模的效應(yīng)也是正數(shù)，這是因為城市人口增長率越快，對住房的需求就越大，房價上漲越快，與現(xiàn)有的研究是一致的。人均GDP的影響為正，表明城市經(jīng)濟增長提高了居民的收入水平，進而增加房屋需求，導致城市房價上漲。在回歸式(4)中，公共財政支出的系數(shù)顯著為正，說明政府財政支出越多，提供的公共服務(wù)與基礎(chǔ)設(shè)施如城市教育、城市醫(yī)療、城市軌道交通和城市環(huán)境等越多越好，從而提高城市吸引力，抬高了房價。最后，城鎮(zhèn)化率符號為正，表明其對房價有正向作用，但是在統(tǒng)計意義上不顯著。

(二)傾向性得分匹配DID結(jié)果

為了克服東部房價和中西部房價的變動趨勢可能存在的系統(tǒng)性差異，降低雙重差分法的估計偏誤，我們采用PSM-DID進行進一步估計。在進行PSM-DID估計時，我們首先用logit模型得到傾向分值，然后用核匹配法配對，最后對(3)式進行估計，估計結(jié)果見表2。

表2　基于核傾向性匹配法的雙重差分結(jié)果

注：參與匹配的樣本數(shù)為2 809，其中處理組和控制組樣本數(shù)分別為1 800、1 009，R2為0.21，此外，**表示在5%水平上顯著，***表示在1%水平上顯著

表2中基于核傾向性匹配法的DID結(jié)果表明，傾向中西部的土地供給政策使得東部房價上漲7.70%，與固定效應(yīng)DID結(jié)果相差不大，結(jié)論基本上是一致的，這說明估計結(jié)果是比較穩(wěn)健的。另外，我們對進行傾向得分匹配后的各變量在控制組和處理組的分布進行了平衡性檢驗，這是進行PSM-DID的必要步驟，結(jié)果見表3。

表3　平衡性檢驗

注：**表示在5%水平上顯著，***表示在1%水平上顯著

從表3可知，進行匹配后，各個控制變量的均值在控制組和處理組的分布不存在顯著的差異，協(xié)變量在樣本間的分布是平衡的，從而說明我們的估計是恰當?shù)摹?/p>

五、穩(wěn)健性檢驗

(一)替代被解釋變量

房價收入比是衡量房價上漲的一個很好的指標，它考慮了居民收入，可以更好地反映房價上漲的相對程度。如果不考慮居民收入的增加，簡單考慮房價的上漲可能高估房價對居民生活的影響。由于房價與工資具有雙向因果關(guān)系，房價上漲可以推升工資上漲，而工資上漲又會傳導到房價，如果直接把城鎮(zhèn)居民收入作為控制變量加入回歸模型中，就會產(chǎn)生內(nèi)生性問題。若用房價與城鎮(zhèn)居民收入的比作為被解釋變量，則可以避免這一問題，同時又能反映房價的相對上漲幅度。我們用房價與城鎮(zhèn)居民的收入比作為被解釋變量，估計結(jié)果見表4。

從表4可知，交互項在5%的顯著性水平上仍然是顯著為正的，說明傾向中西部的土地政策的確推升了東部地區(qū)的房價。金融便利性、城市人口增長率和城鎮(zhèn)化率與前面的估計是一致的，但是實際人均GDP和政府公共支出不再顯著，原因可能在于，實際人均GDP、政府公共支出對房價和城鎮(zhèn)居民收入都有正向作用，二者相互抵消了。

(二)考慮影響房價上漲的其他因素

在前面的分析中，我們認為2003年后國家實行的偏向中西部的土地政策相對推升了東部地區(qū)的房價。盡管我們在模型中加入了一組控制變量，并且使用了不同的模型，結(jié)果都很穩(wěn)健，但是仍然有可能把偏向中西部的土地政策對房價的效應(yīng)與2003年后發(fā)生變化的其他因素相混淆，因此需要排除這些因素對模型結(jié)果的干擾。

(1)房地產(chǎn)市場投機行為。由于房地產(chǎn)不僅具有消費功能，而且具有投資價值，居民會在居住用的同時將房屋視為財富增值保值的工具[34]。2003年后，房價快速上漲，也可能是投資者的升值預(yù)期與投機行為導致的[34][35][36]?？紤]投資者最有可能選擇一線大型城市進行投機，我們把直轄市、經(jīng)濟特區(qū)城市、沿海開放城市*經(jīng)濟特區(qū)城市有4個，分別是深圳、珠海、汕頭、廈門；沿海開放城市有16個，分別是大連、秦皇島、天津、青島、煙臺、威海、連云港、南通、上海、寧波、溫州、福州、廣州、湛江、北海、防城港。共22個城市從樣本中剔除，如果回歸模型的交互項仍然是顯著的，那么說明投機因素的影響很小。從表5第1列和2列可以看出，排除一線大型城市后，模型的交互項仍然是顯著的，這說明投機因素并不是導致東部房價比中西部城市更快上漲的關(guān)鍵因素。

表4　房價與城鎮(zhèn)居民收入比為被解釋變量

注：表中系數(shù)下括號內(nèi)值為穩(wěn)健標準誤，此外，*表示在1%水平上顯著，**表示在5%水平上顯著，***表示在1%水平上顯著

表5　排除競爭性假說

注：表中系數(shù)下括號內(nèi)值為穩(wěn)健標準誤，此外，*表示在1%水平上顯著，**表示在5%水平上顯著，***表示在1%水平上顯著

(2)官員晉升壓力說。有研究發(fā)現(xiàn)地方官員的晉升壓力對其轄區(qū)內(nèi)主要城市房價的增長有正向作用，官員晉升壓力越大，城市房價上漲越快[37]。但是，沒有證據(jù)表明2003年起東部城市官員比中西部城市官員壓力更大，且隨著時間推移在加大。為了檢驗晉升壓力說，考慮副省級市及以上城市的官員可能晉升壓力更大，我們把副省級及以上城市從樣本中剔除。表5中的第3列和第4列表明，剔除這些城市后，模型交互項系數(shù)也是顯著的，官員晉升壓力一說并不成立。

(3)東部與中西部分界線兩側(cè)城市樣本比較。東部與中西部分界線兩側(cè)的城市在地理位置、資源條件與經(jīng)濟狀況等各個方面較為接近[22]，具有可比性。此外，考慮遼寧位于東北老工業(yè)地區(qū)以及河北是東部惟一的人口流出省且靠近政治中心，故最終分界線兩側(cè)樣本不含遼寧和河北兩省的城市*東部城市包括：南京、無錫、徐州、常州、淮安、揚州、宿遷、杭州、湖州、衢州、三明、南平、龍巖、濟寧、泰安、聊城、菏澤、韶關(guān)、湛江、茂名、肇慶、梅州、河源、清遠、云??；中西部城市包括：大同、陽泉、長治、晉中、忻州、赤峰、通遼、烏蘭察布、四平、遼源、通化、蕪湖、蚌埠、馬鞍山、黃山、滁州、宿州、巢湖、宣城、鷹潭、贛州、撫州、上饒、開封、安陽、新鄉(xiāng)、濮陽、商丘、郴州、永州、梧州、北海、玉林、賀州。。選擇東部與中西部分界線兩側(cè)樣本的好處是可以減輕樣本選擇偏差和遺漏變量造成的內(nèi)生性問題。傾向中西部的土地政策相對減少了東部地區(qū)的土地供給，這一土地供給的傾向性差異理應(yīng)給分界線以東與以西的城市房價帶來不同的影響。表5中的第5列和第6列表明，交互項跟理論預(yù)期是一致的，再次說明東部地區(qū)的房價快速上漲是由傾向性的土地政策導致的。

六、結(jié)論與政策啟示

自2003年起，中國房價開始快速上漲，并呈現(xiàn)結(jié)構(gòu)性差異特征。東部城市房價不僅高于中西部城市，而且上漲得更快，區(qū)域之間的差距逐漸擴大。本文在現(xiàn)有文獻的基礎(chǔ)上，進一步研究了其原因。首先，分析了相關(guān)土地制度與政策，從制度背景尋找房價結(jié)構(gòu)性上漲的現(xiàn)實原因，然后從理論上說明了東部與中西部的土地供給差異導致中國房價上漲的結(jié)構(gòu)性差異；再次，利用2003年土地政策調(diào)整這一“自然實驗”，使用中國含282個地級市及以上城市的面板數(shù)據(jù)，采用雙重差分法和PSM-DID識別策略，研究土地供給變化對房價的影響及其機制，不僅從理論上解釋了中國房價快速上漲的結(jié)構(gòu)性差異的原因，而且用現(xiàn)代計量方法進行了量化分析。研究發(fā)現(xiàn)，傾向中西部的土地供給政策減少了東部地區(qū)城市的土地供給，增加了中西部地區(qū)城市的土地供給，從而導致2003后東部地區(qū)房價相對上漲得更快；在控制住經(jīng)濟發(fā)展水平、人口規(guī)模、金融便利性、城鎮(zhèn)化等因素后，使用固定效應(yīng)DID方法發(fā)現(xiàn)傾向中西部的土地供給政策導致東部地區(qū)城市房價至少上漲6.51%。同時，使用PSM-DID對土地供給政策對房價的影響進行進一步的估計，結(jié)果與固定效應(yīng)DID相差不大。最后，使用東部與中西部城市分界線兩側(cè)城市作為子樣本進行了回歸分析，結(jié)果也仍然是高度穩(wěn)健的。此外，我們還排除了投機行為與晉升壓力等競爭性假說，增強了可信度。

房價過快上漲不僅影響人民生活，也影響了城市的競爭力和資源配置效率[7]。對于房價過快上漲的原因的理性判斷，有利于政府有效地調(diào)控房價，抑制房價過快上漲，增進城市競爭力，維持國民經(jīng)濟穩(wěn)定、持續(xù)的發(fā)展。我們的研究表明，2003年中國房價快速上漲的結(jié)構(gòu)性差異的根源在于土地供給錯配，導致東部地區(qū)土地供給相對不足，因此，國家政策應(yīng)避免“一刀切”，為了抑制房價過快上漲，應(yīng)該有針對性地調(diào)整土地政策，有效增加東部地區(qū)的土地供給，建設(shè)用地供給能與市場需求相匹配。

參考文獻：

[1]趙西亮、梁文泉、李實：《房價上漲能夠解釋中國城鎮(zhèn)居民高儲蓄率嗎——基于CHIP微觀數(shù)據(jù)的實證分析》，載《經(jīng)濟學(季刊)》2013年第1期。

[2]Shen L..“Are House Prices too High in China? ”,China Economic Review,2012,23(4):1206-1210.

[3]Ren Y.,Xiong C.and Yuan Y..“House Price Bubbles in China”,China Economic Review,2012,23(4):786-800.

[4]徐建煒、徐奇淵、何帆：《房價上漲背后的人口結(jié)構(gòu)因素:國際經(jīng)驗與中國證據(jù)》，載《世界經(jīng)濟》2012年第1期。

[5]陳斌開、楊汝岱：《土地供給、住房價格與中國城鎮(zhèn)居民儲蓄》，載《經(jīng)濟研究》2013年第1期。

[6]張傳勇、劉學良：《高校擴招對房價上漲的影響研究》，載《中國人口科學》2014年第6期。

[7]陳斌開、金簫、歐陽滌非：《住房價格、資源錯配與中國工業(yè)企業(yè)生產(chǎn)率》，載《世界經(jīng)濟》2015年第4期。

[8]Kenny G..“Modelling the Demand and Supply Sides of the Housing Market:Evidence from Ireland”，Economic Modelling，1999,16(3):389-409.

[9]陳斌開、徐帆、譚力：《人口結(jié)構(gòu)轉(zhuǎn)變與中國住房需求：1995～2025 ——基于人口普查數(shù)據(jù)的微觀實證研究》，載《金融研究》2012年第1期。

[10]陳國進、李威、周潔：《人口結(jié)構(gòu)與房價關(guān)系研究》，載《經(jīng)濟學家》2013年第10期。

[11]Saiz A..“Immigration and Housing Rents in American Cities”,Journal of Urban Economics,2007,61(2):345-371.

[12]Brunnermeier M.K.and Julliard C..“Money Illusion and Housing Frenzies”,Review of Financial Studies,2008,21(1):135-180.

[13]孔行、劉治國、于渤：《使用者成本、住房按揭貸款與房地產(chǎn)市場有效需求》，載《金融研究》2010年第1期。

[14]Glaeser E.L.,Gottlieb J.D.and Gyourko J..“Can Cheap Credit Explain the Housing Boom?”,Housing and the Financial Crisis,Chicago:University of Chicago Press,2012,301-359.

[15]嚴金海：《中國的房價與地價:理論、實證和政策分析》，載《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》2006年第1期。

[16]Fisher L.M.and Jaffe A.J..“Determinants of International Home Ownership Rates”,Housing Finance International,2003,18(1):34-37.

[17]Mayo,S.K..“Theory and Estimation in the Economics of Housing Demand”,Journal of Urban Economics,1981,10(1):95-116.

[18]Mankiw,N.G.and Weil,D.N..“The Baby Boom,the Baby Bust,and the Housing Market”,Regional Science and Urban Economics,1989,19(2):235-258.

[19]Wei S.,Zhang X.and Liu Y..“Status Competition and Housing Prices”,National Bureau of Economic Research,2012.

[20]Green R.and Hendershott P.H..“Age,Housing Demand,and Real House Prices”,Regional Science and Urban Economics,1996,26(5):465-480.

[21]陸銘、歐海軍、陳斌開：《理性還是泡沫:對城市化、移民和房價的經(jīng)驗研究》，載《世界經(jīng)濟》2014年第1期。

[22]陸銘、張航、梁文泉：《偏向中西部的土地供應(yīng)如何推升了東部的工資》，載《中國社會科學》2015年第5期。

[23]許小年：《土地供給不足造成房價高企》，載《經(jīng)濟參考報》2011年11月11日第2版。

[24]Peng R.and Wheaton W.C..“Effects of Restrictive Land Supply on Housing in Hong Kong:an Econometric Analysis”,Joint Center for Housing Studies,Harvard University,1993.

[25]Ho W.K.and Ganesan S..“On Land Supply and the Price of Residential Housing”,Netherlands Journal of Housing and the Built Environment,1998,13(4):439-452.

[26]Segal D.and Srinivasan P..“The Impact of Suburban Growth Restrictions on US Housing Price Inflation,1975--1978”,Urban Geography,1985,6(1):14-26.

[27]Monk S.and Whitehead C.M..“Land Supply and Housing:A Case-Study”,Housing Studies,1996,11(3):407-423.

[28]Hannah L.,Kim K.and Mills E.S..“Land Use Controls and Housing Prices in Korea”,Urban Studies.1993,30(1):147-156.

[29]Cheshire P..“The British Housing Market:Contained and Exploding”,Urban Policy and Research,2004,22(1):13-22.

[30]Abeysinghe T.and Choy K.M..“The Aggregate Consumption Puzzle in Singapore”,Journal of Asian Economics,2004,15(3):563-578.

[31]張濤、龔六堂、卜永祥：《資產(chǎn)回報、住房按揭貸款與房地產(chǎn)均衡價格》，載《金融研究》2006年第2期。

[32]李永友：《房價上漲的需求驅(qū)動和漣漪效應(yīng)——兼論我國房價問題的應(yīng)對策略》，載《經(jīng)濟學(季刊)》2014年第2期。

[33]Heckman J.J.,Ichimura H.and Todd P.E..“Matching as an Econometric Evaluation Estimator:Evidence from Evaluating a Job Training Programme”,The Review of Economic Studies,1997,64(4):605-654.

[34]Fang H.,Gu Q.and Xiong W.et al..“Demystifying the Chinese Housing Boom”,National Bureau of Economic Research,2015.

[35]況偉大：《預(yù)期、投機與中國城市房價波動》，載《經(jīng)濟研究》2010年第9期。

[36]高波、王文莉、李祥：《預(yù)期、收入差距與中國城市房價租金“剪刀差”之謎》，載《經(jīng)濟研究》2013年第6期。

[37]朱英姿、許丹：《官員晉升壓力、金融市場化與房價增長》，載《金融研究》2013年第1期。

責任編輯胡章成

作者簡介：彭代彥，經(jīng)濟學博士，華中科技大學經(jīng)濟學院教授，研究方向為發(fā)展經(jīng)濟學、福利經(jīng)濟學；文樂(通訊作者)，華中科技大學經(jīng)濟學院博士生，研究方向為發(fā)展經(jīng)濟學、城市經(jīng)濟學。

基金項目：湖北省社會科學基金一般項目“傾向中西部的土地供給政策如何推升了房價” (2015198)

收稿日期：2016-05-10

中圖分類號：F061.6; F064.1

文獻標識碼：A

文章編號：1671-7023(2016)04-0072-09

Research on Structural Differences of Rising House Prices——Based on the View of Land Supply

PENG Dai-yan，WEN Le

(School of Economics,HUST,Wuhan 430074,China)

Abstract:Based on the panel data of 282 cities during the period of 2000-2009 in China and employing difference-in-difference method and difference in difference-propensity score matching (PSM-DID) approach,this paper studies structural differences of rising house prices.The central government has reduced land supply in the eastern cities and increased supply in the middle western areas since 2003.Land use is scarcer in eastern cities,which results house prices growing up relatively faster.Empirical studies show that the biased land policy leads to house prices of the eastern cities rise by at least 6.51% by controlling the level of economic development,population scale,financial convenience,urbanization and other factors,which shows that the structural difference of house prices rising is attributed to the difference of land supply.

Key words:house prices; difference-in-difference; PSM-DID; land supply