文/張赟

一、引言

房?jī)r(jià)漲跌關(guān)乎民生大事，自2008年起，我國(guó)房?jī)r(jià)持續(xù)暴漲。為抑制房地產(chǎn)泡沫，政府于2010年開始，采取了一系列宏觀調(diào)控政策，以期我國(guó)房地產(chǎn)市場(chǎng)重新回到“房住不炒”這一正確定位。其中限購(gòu)政策可謂輻射全國(guó)，至2011年1月，中國(guó)已有24個(gè)城市出臺(tái)“限購(gòu)令”，對(duì)已擁有住房的家庭新購(gòu)住房套數(shù)進(jìn)行限制。那么，此政策是否真正抑制了房?jī)r(jià)的飛速上漲？其政策效果如何？為進(jìn)一步探究此問(wèn)題，本文參照實(shí)證檢驗(yàn)中較為流行的方法，以二線城市南昌市為例，利用微觀房地產(chǎn)數(shù)據(jù)，構(gòu)建雙重差分模型，得出限購(gòu)政策對(duì)房?jī)r(jià)影響的凈效應(yīng)。以期為相關(guān)部門進(jìn)一步完善房地產(chǎn)調(diào)控政策提供一定理論依據(jù)。

二、理論假設(shè)

受限購(gòu)政策的影響，短期內(nèi)投機(jī)性炒房需求被嚴(yán)格限制，剛性住房需求由于居民預(yù)期的改變也發(fā)生一定改變。在如此嚴(yán)格的調(diào)控政策之下，消費(fèi)者預(yù)期未來(lái)一段時(shí)間內(nèi)房?jī)r(jià)將下跌，那么，其對(duì)房屋的短期需求也會(huì)下降，而房屋供給彈性較小，房屋庫(kù)存無(wú)法在短期消化，故房屋供給短時(shí)間內(nèi)不發(fā)生變化，由此房?jī)r(jià)下跌。

基于以上分析，本文提出假設(shè)：限購(gòu)政策在短期內(nèi)有效。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

南昌市住房調(diào)控政策幾經(jīng)波動(dòng)，2017年3月出臺(tái)了最嚴(yán)限購(gòu)令，故本文以2017年3月為分界點(diǎn)，搜集2016年6月至2018年1月南昌市各小區(qū)樓盤價(jià)格數(shù)據(jù)，構(gòu)建面板數(shù)據(jù)庫(kù)，同時(shí)手動(dòng)補(bǔ)充小區(qū)的個(gè)體特征，包括小區(qū)周圍1.5公里內(nèi)公交站臺(tái)數(shù)量；2公里內(nèi)小學(xué)數(shù)量、中學(xué)數(shù)量；以及距市中心的距離，以上數(shù)據(jù)均通過(guò)網(wǎng)絡(luò)爬蟲從各房地產(chǎn)網(wǎng)頁(yè)中爬取所得。

（二）定義變量

被解釋變量：各小區(qū)房?jī)r(jià)（Hprice）。

解釋變量：根據(jù)雙重差分模型，設(shè)立政策虛擬變量di和時(shí)間虛擬變量dt。政策實(shí)施地di取1，未實(shí)行政策區(qū)域di取0；政策實(shí)施前dt取0，政策實(shí)施后dt取1。

控制變量：不同小區(qū)房?jī)r(jià)有所差異，主要是受小區(qū)的個(gè)體特征影響，故本文為提高模型有效性，將描述小區(qū)個(gè)體特征的四個(gè)變量作為控制變量引入方程，具體包括：小區(qū)距市中心距離（dc）、小區(qū)2公里內(nèi)小學(xué)數(shù)量（ps）、中學(xué)數(shù)量(ms)以及小區(qū)周圍1.5公里內(nèi)公交站臺(tái)數(shù)量（bus）。

（三）建立模型

為探討假設(shè)的正確性，本文采用雙重差分模型。該模型的基本原理是借助自然實(shí)驗(yàn)的思想，通過(guò)巧妙地設(shè)定控制組和對(duì)照組，在控制其他因素的前提下比較控制組和對(duì)照組之間的差異，從而考察政策效果。其基本公式為：

yit代表不同時(shí)間地點(diǎn)的被解釋變量，Dt和Dt分別為代表時(shí)間和政策的虛擬變量，DtDi為其交互項(xiàng)。政策實(shí)施前Dt取0，政策實(shí)施后Dt取值為1。政策實(shí)施地Di取1，非政策實(shí)施地Dt取0，政策實(shí)施后兩地的差異為β2+β3，考慮到政策實(shí)施前對(duì)照組與實(shí)驗(yàn)組之間就存在一定差異β2，故扣除政策實(shí)施前的兩地差異，得到政策實(shí)施的凈效應(yīng)β3，即虛擬變量交互項(xiàng)的系數(shù)。為提高模型的有效性，本文引入四個(gè)控制變量，故最終模型為：

交互項(xiàng)系數(shù)β3即為我們所關(guān)注的系數(shù)，β3的正負(fù)反映了限購(gòu)政策對(duì)房?jī)r(jià)的影響方向，其p值反映限購(gòu)政策的效果是否顯著。

四、實(shí)證分析

由回歸結(jié)果可知，交互項(xiàng)系數(shù)為負(fù)，即限購(gòu)政策在一定程度上可以降低房?jī)r(jià)，但5%顯著性水平下的p值大于0.05，故限購(gòu)政策的調(diào)控效果并不顯著。就控制變量來(lái)看，小區(qū)距市中心的距離、小區(qū)周圍2公里內(nèi)的小學(xué)數(shù)量、中學(xué)數(shù)量以及小區(qū)周圍1.5公里內(nèi)的公交站臺(tái)數(shù)量會(huì)顯著影響小區(qū)價(jià)格，小區(qū)離市中心越近、小區(qū)周圍的公交站臺(tái)數(shù)量、小學(xué)數(shù)量越多、中學(xué)數(shù)量越多，小區(qū)價(jià)格越高，這一結(jié)果符合常理。

五、穩(wěn)健性檢驗(yàn)

雙重差分模型運(yùn)用的關(guān)鍵一點(diǎn)在于控制組與對(duì)照組在政策實(shí)施之前具有相似的變化趨勢(shì)，即具有平行趨勢(shì)。若二者在政策實(shí)施前具備平行趨勢(shì)，則可認(rèn)為政策實(shí)施后兩地的房?jī)r(jià)差異在扣除了初始差異之后即為限購(gòu)政策對(duì)房?jī)r(jià)產(chǎn)生的凈效應(yīng)。反之，則對(duì)交互項(xiàng)系數(shù)的有效性存疑。因此，為檢驗(yàn)?zāi)Ｐ徒Y(jié)果的有效性，本文分別繪制2016年6月至2018年1月南昌市范圍內(nèi)實(shí)施了限購(gòu)政策的樓盤（實(shí)驗(yàn)組）與未實(shí)施限購(gòu)政策的樓盤（對(duì)照組）的價(jià)格走勢(shì)圖，進(jìn)行平行趨勢(shì)檢驗(yàn)。結(jié)果顯示：在2017年3月政策實(shí)施之前，南昌市范圍內(nèi)實(shí)驗(yàn)組與對(duì)照組的房?jī)r(jià)走勢(shì)大致相同，而在2017年3月政策實(shí)施之后，實(shí)驗(yàn)組的房?jī)r(jià)走勢(shì)相比于對(duì)照組陡然上升，故認(rèn)為本文模型中的實(shí)驗(yàn)組與對(duì)照組具備平行趨勢(shì)，即雙重差分模型的使用是合理的，由此可以認(rèn)為雙重差分模型所得結(jié)果是穩(wěn)健的，即有理由相信限購(gòu)政策的實(shí)施并未顯著抑制當(dāng)?shù)胤績(jī)r(jià)。

六、結(jié)論

本文搜集了南昌市各樓盤的微觀數(shù)據(jù)，建立雙重差分模型，研究限購(gòu)政策對(duì)房?jī)r(jià)的影響，同時(shí)運(yùn)用CT圖進(jìn)行了穩(wěn)健性檢驗(yàn)，實(shí)證結(jié)果顯示：

第一，限購(gòu)政策對(duì)房?jī)r(jià)有平抑作用。

第二，政策的調(diào)控效果并不顯著。

對(duì)此結(jié)果，本文認(rèn)為限購(gòu)政策通過(guò)影響商品房的供需關(guān)系來(lái)影響房屋價(jià)格，短期內(nèi)商品房的供給彈性較低，故房屋供給大體保持不變，而限購(gòu)政策嚴(yán)格限制了炒房性需求，同時(shí)影響居民的房屋價(jià)格預(yù)期，在一定程度上降低了居民的購(gòu)房需求，因此使得房?jī)r(jià)有一定程度的下降。但由于房?jī)r(jià)所受影響因素眾多，尤其以高居不下的地價(jià)為首，地方政府依靠土地財(cái)政來(lái)維持收支平衡，地價(jià)高居不下，地產(chǎn)商的建房成本無(wú)法降低，故房?jī)r(jià)也無(wú)法通過(guò)簡(jiǎn)單的限購(gòu)政策得到有效平抑，其調(diào)控作用被削弱。因此為抑制我國(guó)房?jī)r(jià)不正常增長(zhǎng)，最重要的是解決其內(nèi)源性問(wèn)題，限購(gòu)政策僅僅抑制了投機(jī)性需求，但對(duì)房屋供給方并不產(chǎn)生影響，房屋建造成本得不到降低，故很難有效下調(diào)當(dāng)?shù)胤績(jī)r(jià)。