南昌市住房限購政策效果的時空特征及土地溢出效應

王雪峰

（江西財經(jīng)大學旅游與城市管理學院，江西 南昌 330032）

南昌市住房限購政策效果的時空特征及土地溢出效應

王雪峰

（江西財經(jīng)大學旅游與城市管理學院，江西 南昌 330032）

研究目的：考察住房限購政策對南昌市住房價格變化的時空影響及對土地市場的溢出效應。研究方法：以雙重差分模型為基礎的計量分析。研究結果：限購政策對限購區(qū)和非限購區(qū)房價的影響無差異，但能顯著降低南昌市整體實際房價增長速度；限購政策時間效應呈現(xiàn)出先揚后抑及消失的過程；空間效應表現(xiàn)為生活便利、交通迅捷以及教育資源越好的住房對抗限購政策的能力越強；溢出效應表現(xiàn)為住房限購導致土地成交率和土地溢價率明顯回落。研究結論：基于雙重差分法的估計能夠更可靠地反映限購政策效果。

土地經(jīng)濟；住房限購；雙重差分；時間效應；空間效應；溢出效應

1 引言

2009年四萬億經(jīng)濟刺激政策出臺后，中國許多城市房價又呈現(xiàn)快速上漲的局面，為抑制屢調屢漲的住房價格，2011年1月26日國務院出臺了“新國八條”①《國務院辦公廳關于進一步做好房地產(chǎn)市場調控工作有關問題的通知》，包括住房限購、限貸、稅收、保障房供應及土地等一攬子政策。，其中包括被輿論稱為“史上最嚴厲”的直接干預手段——住房限購條款。所謂住房限購政策就是中央政府選擇所有直轄市、計劃單列市、省會城市和部分房價過高、上漲過快的城市為住房限購城市，限購城市的地方政府再確定具體的住房購買量限制區(qū)域并規(guī)定戶籍、社會保險或個人所得稅繳納以及住房擁有狀況不同的購房人在限購區(qū)域所能購買最大住房數(shù)量的行政措施。該政策目標在于通過在限購區(qū)域對家庭購房數(shù)量的限制，強制將投機性需求和部分改善需求趕出市場,進一步抑制限購區(qū)域住房價格過快增長。

在市場化取向不斷深化的背景下，政府罕見地采取住房限購——定量配給的這種非市場化措施，引起了學術界的高度關注。劉江濤等[1]構建了包含限購約束的兩期住房市場模型，從理論上論證了限購政策通過抑制住房需求能夠降低住房價格，但住房跨期需求和供給的變化會削弱限購政策的降價效應；劉璐[2]從一般均衡的角度探討了限購和限貸政策能有效降低均衡房價的條件；在實證研究中，馮科等[3]從福利分析的角度構建了反需求函數(shù)，其經(jīng)驗分析表明限購政策使剛性、改善性和投資性房地產(chǎn)需求者均面臨福利損失；喬坤元[4]運用倍差模型以70個大中城市為樣本探討了限購政策對住房價格和交易量的影響。盡管這些實證研究在一定程度上度量了住房限購政策的降價效應，但存在不足：一是普遍選擇城市為對象，忽略了大多數(shù)城市只是部分區(qū)域限購的事實，也忽略了位置、交通和檔次等重要區(qū)位特征對房價變化的影響；二是沒有考慮限購期間利率、首付比等其他政策的變動，夸大或低估了限購政策的作用；三是普遍選擇城市房屋價格指數(shù)（有的甚至用城市房地產(chǎn)平均銷售價格）來度量房屋價格水平，這種處理影響了同一城市跨期房價的可比性[5]；四是沒有考慮限購政策對土地、金融等其他資產(chǎn)市場所產(chǎn)生的影響。

迄今限購政策實施三年多，其效果及政府調控目標是否實現(xiàn)等問題日益引起學術界的興趣。本文將針對已有研究的不足，以部分限購城市南昌市的微觀樓盤數(shù)據(jù)為樣本，運用雙重差分模型嘗試分析住房限購政策對住房價格的時空影響及對土地市場的溢出效應。其意義在于通過對南昌市個案研究為諸如限購等定性政策的效果評價在分析方法、研究對象和變量的選擇等方面進行探索，同時也可為長沙、武漢等市在區(qū)位、產(chǎn)業(yè)結構、城市化水平、居民收入水平及投資觀念和習俗等相似的中部城市限購政策的效果評價提供借鑒。

2 政策效果分析的基本方法

政策效果分析本質上是一種因果分析。因果關系分析概括起來主要有兩種模型：Granger因果模型和處理效應模型。

Granger因果模型一般的做法是先建立被解釋變量和解釋變量的線性（如VAR模型）或非線性模型，進而估計被解釋變量和解釋變量之間數(shù)量關系，然后用Granger因果檢驗來判斷被解釋變量和目標解釋變量之間是否存在均值或分位數(shù)或方差甚至是分布上的因果關系[6]。盡管Grange因果模型在經(jīng)濟研究中被廣泛應用，但人們一直對Granger因果關系是否是真正的因果關系存有懷疑，尤其在哲學層面上[7]。

處理效應模型被廣泛運用到項目和政策效果評估中。評估政府政策往往可以看作是一個自然實驗（Natural experiment）過程，自然實驗的數(shù)據(jù)來源于對社會生活的觀測，但和真實實驗一樣，自然實驗中總有一些個體是政策的實施對象（稱之為處理組），如城市中限購區(qū)域的住房；另外一些則不是政策的作用對象（稱之為對照組），如城市中非限購區(qū)域的住房。因此，在一定的條件下通過比較政策實施前后處理組和對照組之間的差異，就可以得到政策的平均（或分位數(shù)等）效果?；谶@種思想所建立的模型就成為處理效應模型[8]。

在處理效應模型中，雙重差分估計簡單明了且有效，對樣本容量要求更低，還可以估計處理效應的動態(tài)變化，在評估政策因果效應中備受推崇，也是本文實證擬采取的估計方法。根據(jù)Wooldridge[9]的研究，其基本思想可以表述如下：

在一個自然實驗中，受到處理（如政策影響）的個體歸為處理組T，沒有受到處理的個體歸為對照組C。假設y是關心的結果變量（如，住房價格變動率）；當個體受到處理，處理虛擬變量dT取值為1，否則取值為0；當處理發(fā)生后（政策實施后），時期虛擬變量d取值為1，否則為0。

顯然，如果在自然實驗中，只有處理變量（政策）發(fā)生變化，其他影響y的因素保持不變，而且結果變量y沒有時間趨勢變化，那么平均處理效應為：

從式1看出為求出政策的平均處理效應，首先必須對處理前后處理組和對照組的平均產(chǎn)出y分別進行差分，然后再對這兩個差分再進行差分，即雙重差分。影響y的其他因素也發(fā)生變化（用協(xié)變量X表示），則如式2：

其中參數(shù)δ度量了政策對政策受體的作用大小，即：

要使雙重差分法獲得無偏、一致且有效的處理效應必須滿足：（1）處理變量dT與結果變量y獨立，即滿足所謂的條件期望獨立假設，以克服自選擇（self-selection）造成的選擇性偏差；（2）處理組T和對照組C的結果變量y在處理前具有相同的時間趨勢。

鑒于相對于格蘭杰因果模型，雙重差分模型能夠更有效地將住房限購政策效果從“新國八條”一攬子調控政策中篩選出來，因此，下文將選擇雙重差分模型進行實證。

3 限購”政策效果實證：雙重差分估計

3.1 限購政策對房價的影響

3.1.1 樣本和變量的選擇及初步分析 本文以微觀數(shù)據(jù)為基礎，選擇南昌市具體樓盤為考察對象。因為同一城市樓盤之間所面臨的人口、經(jīng)濟結構和環(huán)境、風俗習慣以及政策規(guī)劃環(huán)境等條件是極為相似，這能有效提高雙重差分法所需樣本的可比性，避免簡單以城市為觀測對象產(chǎn)生的因結果變量時間趨勢不同所導致的估計偏差。

具體而言，由于數(shù)據(jù)的可得性，選擇2010第2季度—2013年第2季度共13期作為觀測期，2010年第2季度—2011年第1季度為未限購期，之后為限購期；對樣本樓盤，一是根據(jù)雙重差分法的要求，選擇在整個觀測期持續(xù)在售的樓盤，二是選擇南昌市住房市場中份額最多的普通住宅樓盤。在觀測期，南昌市在售樓盤共有62個符合條件，其中限購區(qū)域41個，非限購區(qū)域21個，將這些樓盤全部納入樣本。

關于結果變量，由于限購政策是以抑制住房價格過快增長為目標，所以選擇樣本樓盤中普通住宅的實際平均房價的變化率（CRHPA）。其優(yōu)點在于能克服因自選擇（self-selection）所導致的選擇性偏差，還可以更直觀地檢驗政府限購目標是否實現(xiàn)。

在解釋變量中，dT是樓盤是否受到限購政策處理的虛擬變量，d是限購政策實施與否的時期變量，二者均為虛擬二值變量，其設定方式與第二部分相同。為增強雙重差分模型的解釋力及增強處理變量dT與結果變量之間的獨立性，還需選擇對結果變量產(chǎn)生重要影響的協(xié)變量。Zabel[10]、溫海珍等[11]等學者認為協(xié)變量包括三類，一是收入、信貸、利率等城市宏觀經(jīng)濟政策變量，二是房型、房齡等住宅特征變量，三是交通、教育和外部配套等區(qū)位變量。據(jù)此本文選擇如下協(xié)變量：扣除通貨膨脹后的實際利率（RR）、首套房抵押貸款首付比（DPR）、樓盤距CBD的距離（DTB）、樓盤距地鐵距離（DTS）、樓盤距省級重點中學的距離（DTH），以及小區(qū)物業(yè)費用等。

表1 主要變量的描述性統(tǒng)計分析Tab.1 Descriptive analysis of major variables

從表1可以看出，無論是非限購區(qū)域、限購區(qū)域還是整個南昌市，限購政策實施后實際房價比實施前分別高1380元/m2、1401元/m2和1377元/m2，因此可以說限購政策實施后南昌市的平均房價不降反升，但這是否意味著限購政策無效？從價格變動率來看，無論是對照組、處理組還是整個南昌市，平均實際房價變動率在限購后均下降，分別為-2.99%、-1.95%和-2.06%，且處理組比對照組多下降1.04%，這是否又說明限購政策有效？是否說明限購政策更有效地抑制了限購區(qū)域房價的增長？由于不知這些數(shù)據(jù)是否顯著性，所以暫時難以對這些問題進行判斷。特別地，非限購區(qū)域住宅距CBD距離、距地鐵距離及距重點中學距離分別比限購區(qū)域住宅平均高出2.88 km、6.79 km和1.54 km，物業(yè)管理費平均低0.67元/m2，這是否說明實際房價變動率的差異是處理組和對照組個體差異所致？這些問題正是下文所要回答的。

3.1.2 雙重差分分析

（1）平均處理效應和時間效應分析。為度量限購的政策平均處理效應和時間效應，依據(jù)式2的雙重差分模型建立了方程1到方程4共4個模型（表2）。其中，方程1和方程2將觀察期簡單地分為限購和非限購期，即處在限購期時，時期變量d = 1，反之，d = 0；方程3和方程4則設置了9個時間虛擬變量以度量限購后限購政策季度環(huán)比效應的大小：時期變量di = 1，當限購政策實施第i季度時；di = 0，當不處在限購政策實施的第i季度時；i = 1，2，…，9。方程2和方程4還考慮了實際利率、首付比等宏觀變量及區(qū)位等樓盤個體特征對實際房價變化率的影響。

從表2可以發(fā)現(xiàn)：第一，4個方程的dT項的參數(shù)均不顯著，這說明在其他條件相同的情況下，考察期內限購及非限購區(qū)域的平均實際房價增長率變化沒有顯著差異；第二，4個方程的dT×d和dT×di項的參數(shù)估計值（反映限購政策平均處理效應大?。┚伙@著，這說明限購后限購政策對限購購區(qū)域樓盤房價的抑制作用并沒有導致其增長率比非限購區(qū)域增長或下降得更多；第三，方程1和方程2的時期虛擬變量d的參數(shù)均顯著，顯示限購政策使得南昌市平均房價變化率比限購前分別下降了3.29%和3.81%。這說明限購政策盡管并未使限購區(qū)域的房價增長率變化比非限購區(qū)域下降得更多，但確實顯著抑制了南昌市整體住房價格的增長。方程3和方程4的時期虛擬變量di的參數(shù)值變化則更清晰地反映了限購政策對南昌市整體房價變化的時間效應：限購后第1季度并未導致整體樓盤實際房價變化率與限購前有顯著的差異，第2季度則較第1季度不降反升，分別增長了4.64%和5.35%，這可能是前期房價上漲慣性及限購政策實施時滯的結果；從限購后第3季到第6季實際房價增長率顯著為負且不斷下降，第7季度顯著為負，但較第6季度回升，第8季度和9季度實際房價增長率變負為正，但不顯著。這說明限購政策的時間效應經(jīng)歷了滯后（2個季度）→先揚（4個季度）→后抑（1個季度）→消失的過程（圖1）。第四，方程2和方程4顯示，實際利率每增加100個基點會導致房價變化率平均下降1.39%和2.00%；首付比則對房價變化率的影響盡管為負，但不顯著。其可能的原因是在“新國八條”出來前，房企經(jīng)歷了一波房價大漲的行情，其資金相當充裕，在這種情況下，哪怕是因首付比提高導致的需求急劇下滑，房企也沒有輕易降價，因為降價會導致市場的進一步看跌，對房企更為不利；距CBD距離和距地鐵1號線距離等反映樓盤區(qū)位和檔次的變量，并不能顯著影響房價變化率，這說明這些變量與房價變化率并不存在顯著的線性關系。

表2 限購政策的平均處理效應及時間效應的估計結果Tab.2 Estimation results of treatment and dynamic effects for housing rationing

圖1 限購政策時間效應變化Fig.1 Dynamic effect for housing rationing

（2）空間效應分析。方程2和方程4顯示樓盤的區(qū)位及個體特征與房價變動率沒有顯著的線性關系，但是在限購背景下，這并不意味著區(qū)位的差異不會影響房價變動率，因為住房特征價格理論認為，在其他條件相同的情況下，區(qū)位（空間）變量取值在一定區(qū)間內的不同房屋其價格變動往往相似，但是超出這個區(qū)間，其房價變動則與區(qū)間內的房屋有明顯的差異。因此，為考察限購政策的空間效應，依據(jù)雙重差分思想，設計了動態(tài)特征價格模型式4并分別估計了方程5—方程7（表3）：

式4中，y、d和前文相同，協(xié)變量X仍然選擇實際利率和首付比；c是反映住房空間位置的虛擬變量，包括距CBD距離b（＜3 km，b = 1，否則b = 0）、距1號地鐵距離s（＜1 km，s = 1，否則s = 0）和距重點中學距離h（＜1 km，h = 1，否則h = 0）。

顯然，模型式4中限購時期虛擬變量d和住房個體特征變量c交叉積（d×c）的參數(shù)度量了住房空間特征對限購政策效應的影響。表3方程5—方程7的估計結果顯示住房空間變量對限購政策效應存在顯著的抑制作用。在其他條件不變的情況下，限購后，距市中心3 km以內住房的實際房價增長率比3 km以外的高0.15%，距1號地鐵和距重點中學1 km以內的住房比1 km以外的分別高1.60%和1.37%，這說明限購政策下，具有生活便利、通勤迅捷以及接近優(yōu)質教育資源等空間優(yōu)勢的樓盤具有更好的房價抗跌能力。

表3 限購政策的空間效應估計結果Tab.3 Estimation results of location effect for housing rationing

圖2 土地宗數(shù)成交率Fig.2 Land volume ratio of the transacted to total listed

圖3 土地溢價成交率Fig.3 Land volume ratio of the overpriced to total transacted

3.2 限購政策對土地市場的溢出效應

限購政策盡管針對住房市場，但是由于土地需求是住房需求的引致需求，因此限購政策對住房需求和價格的影響必然會影響土地市場，對土地市場產(chǎn)生溢出效應。這種效應表現(xiàn)在土地成交量和交易價的波動。

根據(jù)中國房地產(chǎn)信息網(wǎng)土地市場庫的的統(tǒng)計數(shù)據(jù)，考察期（2010年2季度—2013年2季度）南昌市共出讓住宅用地246宗，其中限購區(qū)90宗（限購前后各32宗和58宗），非限購區(qū)156宗（限購前后各14宗和142宗）。圖2顯示限購前無論限購還是非限購區(qū)均保持80%以上的土地成交率，限購后迅速下降為40%左右，隨后逐步回升。圖3顯示限購前限購區(qū)域超過50%的成交土地是溢價成交，非限購區(qū)低些，為40%左右，但限購后溢價成交率則分別最低降到20%和14%，然后均逐步爬升。這說明限購政策對住房投機需求、投資需求及部分改善性需求的打壓，導致開發(fā)企業(yè)降低了未來開發(fā)收益的預期，進而減少了土地需求，從而使得土地成交率和溢價成交率均下降。但隨著市場對限購政策的消化，土地交易逐漸活躍，限購政策對土地市場的溢出效應呈衰減之勢?？梢娮》肯拶徴卟粌H直接沖擊住房市場，而且其影響也傳遞到土地市場，也產(chǎn)生了顯著的的溢出效應①這些地塊絕大多數(shù)是以拍賣形式出讓，存在平價（底價成交）、溢價（高于底價成交）和流拍（沒有成交）三種交易狀態(tài)。土地成交率指成交的土地宗數(shù)占擬出讓土地宗數(shù)的比率，度量了交易的活躍程度；溢價成交率指溢價成交的土地宗數(shù)占總成交數(shù)的比重，度量了交易價格的變化。。

4 結論和展望

本文以中部省會城市南昌市為代表，選擇2010年第2季度—2013年第2季度住房限購區(qū)域和非限購區(qū)域樓盤的微觀數(shù)據(jù)和土地交易數(shù)據(jù)，運用雙重差分等模型考察了住房限購政策對南昌市住房價格和土地市場的影響，發(fā)現(xiàn)：（1）南昌市住房限購政策既降低了限購區(qū)域也降低了非限購區(qū)域住房價格的增長率，實現(xiàn)了“遏制城市房價過快上漲”的政策目標，但是不能使房價增長過快區(qū)域（限購區(qū)域）房價下降速度快于非限購區(qū)域。（2）住房限購政策對南昌市整體房價增長率存在短期抑制作用，其時間效應經(jīng)歷了滯后、先揚后抑、到最后消失的過程。（3）空間效應對政策效果的抑制明顯。生活便利、交通迅達以及接近優(yōu)質教育資源的住房對限購政策效應具有較大的對沖能力，其房價抗跌能力較強。（4）土地需求的“引致”特性使得住房限購政策的效應傳導至土地市場，導致土地成交率下降和溢價成交現(xiàn)象減少，不過這種溢出效應也會逐步衰減。

相對于已有的研究，本文有以下拓展：一是以微觀的樓盤數(shù)據(jù)為對象，考察限購政策對同一城市限購和非限購區(qū)域住房實際價格變動的影響，這一方面回避了城市平均住房價格度量及其跨期可比性的難題，另一方面也尊重了限購政策不是在同一城市全面實施的現(xiàn)實，有助于提高模型的精度及結論的可靠性；二是既考察了限購政策的時間效應和空間效應，還考察了其土地溢出效應；三是考慮了利率及首付比等其他政策因素的影響。

盡管如此，以下問題值得進一步研究：限購政策對限購城市周邊非限購城市住房價格有無影響，限購政策對土地市場的影響機理，以及限購政策在不同類型限購城市的效果差異等。

（

）：

［1］ 劉江濤，張波，黃志剛.限購政策與房價的動態(tài)變化［J］ .經(jīng)濟學動態(tài)，2012，3：47 - 54.

［2］ 劉璐.限貸和限購政策對一般均衡中房價的影響［J］ .管理科學學報，2013，9：20 - 32.

［3］ 馮科，何理.中國房地產(chǎn)市場“限購政策”研究——基于反需求函數(shù)的理論與經(jīng)驗分析［J］ .經(jīng)濟學動態(tài)，2012，2：53 - 60.

［4］ 喬坤元.住房限購令真的起作用了嗎?——來自中國70大中城市的證據(jù)［J］ .經(jīng)濟與管理研究，2012，12：25 - 34.

［5］ 孫玉環(huán).改進住宅銷售價格指數(shù)編制質量的一種思路探討［J］ .統(tǒng)計研究，2011，10：28 - 35.

［6］ Pearl J. Causal inference in statistics: An overview［J］ . Statistics Surveys, 2009，（3）：96 - 146.

［7］ 趙國昌.格蘭杰因果關系的新發(fā)展［J］ .統(tǒng)計研究，2008，（8）：107 - 109.

［8］ Wooldridge J M. Econometric Analysis of Cross Section and Panel Data, Second Edition［M］ . Cambridge, Massachusetts: MIT Press，2010.

［9］ Wooldridge J M. Introductory Econometrics: A Modern Approach, Fifth Edition［M］ . USA: South-Western College Pub, 2012.

［10］ Zabel, J E. The demand for housing services ［J］ . Journal of Housing Economics, 2004, 13（1）：16 - 35.

［11］ 溫海珍，張凌，彭魯鳳.杭州市住宅價格空間分異：基于特征價格的兩維度分析［J］ .中國土地科學，2010，24（2）：51 - 56.

（本文責編：郎海鷗）

Housing Rationing Policy in Nanchang City: The Spatio-temporal Feature and Spilling Effect

WANG Xue-feng
（School of Tourism & Urban Management, Jiangxi University of Finance & Economics, Nanchang 330032, China）

The purpose of this paper is to investigate the effect of housing rationing policy partially applied in Nanchang City on the change of housing price and land market from both spatiotemporal and spilling effect perspectives. The method of econometric analysis based on Difference-in-Difference is used. The results show that the average effect of the policy is not significantly different between the areas implementing the rationing policy and the areas not, however the policy significantly reduces the growth rate of housing price in Nanchang as whole. The dynamic effect of the policy experiences a process of increasing, decreasing and then disappearing. The housing price of the plots with better facilities, transportation services, and education resources is more insensitive to the policy. The spilling effect of the policy shows at the decreasing in total transactions and the prices. The conclusion is the effect of the housing rationing policy in Nanchang can be more reliably estimated by method of Difference-in-Differences.

land economy; housing rationing; difference-in-differences; dynamic effect; spatial effect; spilling effect

F301.2

A

1001-8158（2015）06-0041-08

10.13708/j.cnki.cn11-2640.2015.06.006

2014-06-25

2015-05-22

王雪峰（1968-），男，江西吉安人，副教授，博士。主要研究方向為不動產(chǎn)經(jīng)濟和宏觀經(jīng)濟政策。E-mail: wxf_ix@163.com