中國房地產(chǎn)調控的價格馬太效應分析

【摘要】2010年以來，由于限購令的影響，居民對于學區(qū)房、高檔住房等具有一定教育和公共資源優(yōu)勢的類型房屋需求不降反增，以上房屋價格并未受到限購政策的影響。因此，房地產(chǎn)市場呈現(xiàn)出中低檔房屋價格下降而學區(qū)房和高檔房屋價格未受影響甚至上升的類似馬太效應的現(xiàn)象。本文利用數(shù)據(jù)挖掘所形成的35期數(shù)據(jù)，通過實證研究，驗證了以上效應，并且分析了這一效應的成因，最終提出了政策建議。

【關鍵詞】限購政策；數(shù)據(jù)挖掘；馬太效應

一、引言

近年來，抑制過快上漲的房屋價格問題，一直是關系中國民生和經(jīng)濟健康、有序、持續(xù)發(fā)展的重要經(jīng)濟議題。中央政府以及各地方政府一直以來，都積極出臺政策防止房屋價格過快上漲，其中最為重要并且持續(xù)時間最長的房地產(chǎn)調控政策之一，無疑是各地方政府的房地產(chǎn)限購政策（劉江濤等，2012）。浙江臺州成為首個公布的城市。臺州市發(fā)布的通知強調，全市市域（含所轄縣〈市、區(qū)〉）范圍內的家庭和市域范圍外能提供自購房之日起前2年內在本市累計繳納1年以上個人所得稅證明或社會保險繳納證明的家庭，可在市區(qū)購買1套新建商品住房。對在市區(qū)已有2套及以上住房的市域范圍內家庭、已有1套及以上住房的市域范圍外家庭、不能提供自購房之日起前2年內在本市累計繳納1年以上個人所得稅證明或社會保險繳納證明的市域范圍外家庭，暫停其在市區(qū)購買新建商品住房。違反規(guī)定購房的，不予辦理房地產(chǎn)登記。

2010年4月30日，北京出臺“國十條”實施細則，率先規(guī)定“每戶家庭只能新購一套商品房”。截至2011年2月，已有36個城市提出限購；新一輪住房限購城市翻番達72個，高壓調控樓市跌入“冰點”，2011年房價得到遏制。隨著限購政策帶來的房屋價格抑制作用，大中城市房屋單價產(chǎn)生了分化走勢：大中城市，單價較高的高檔住宅和需求旺盛的學區(qū)房價格并未受到限購政策影響而有所下跌（王澤宇，2014），反之，這一類住房由于房源稀缺有限，在家庭受到限購約束的情況下，其需求反而有所增加，很多家庭為了改善住房條件和子女教育，選擇利用有限的購房指標購入以上房屋。限購政策在有效地抑制了中低檔住房房屋單價的同時，提升了高檔房屋單價和學區(qū)房房屋單價，限購政策在房屋單價問題上形成了類似馬太效應（富者更富，貧者更貧）的對不同類別房源的差別影響。遺憾的是，學術界對于這種經(jīng)濟現(xiàn)象并沒有很好的研究，對于其機制和成因沒有很好的進行分析和驗證。本文即試圖通過2009年2月份到2011年12月份35期北京100個典型小區(qū)房屋單價分析，驗證以上限購政策的房屋單價的馬太效應，并且分析其成因。

二、文獻綜述

對于房地產(chǎn)政策效果的分析，學術界有著較為豐富的論著。國外的文獻普遍認為，房屋價格受到宏觀調控政策的影響（Englund等，1998）。Yu（2010）利用35個中國大中城市，1998年到2007年的平均房屋價格數(shù)據(jù)進行經(jīng)驗分析指出，中國的房屋價格既受到貨幣政策又受到政府房地產(chǎn)限制政策的影響。

國內文獻方面，周京奎（2005）基于北京、上海、天津、重慶四個直轄市的房屋價格和相關宏觀經(jīng)濟數(shù)據(jù)，利用誤差修正模型對貨幣政策和銀行貸款的房屋價格的政策效果進行了計量。而范廣垠（2010）分析了1998年到2009年十余年間的房地產(chǎn)宏觀經(jīng)濟政策的效果和政策走向。而對于新國五條新政，陳剛和邵慰（2013）從需求供給角度探討了新國五條可能帶來的政策沖擊。

在利用微觀數(shù)據(jù)進行分析方面，王澤宇（2014）利用倍差法對于房地產(chǎn)差額交易稅即《新國五條》的政策效果進行了分析，認為2013年以后的20%差額交易稅并未有效地降低房地產(chǎn)價格，反之，卻推升了房屋價格，造成了2013年到2014年北京等大中城市房屋價格的一輪快速上漲。

雖然以上文獻分析了房屋調控政策對于房屋價格的影響機制，但是，房地產(chǎn)項目小區(qū)微觀數(shù)據(jù)卻極少被使用，另外，學術界很少關注同一房地產(chǎn)調控政策下，不同價格、類型和功能的房地產(chǎn)項目價格的顯著變動差異，對于不同房地產(chǎn)項目的明顯的差異化走勢更是沒有詳細的研究。因此，筆者利用100個小區(qū)35個月的微觀數(shù)據(jù)進行研究有著顯著的研究意義，也能對房地產(chǎn)理論與實踐產(chǎn)生建議和指導作用。

三、數(shù)據(jù)來源，數(shù)據(jù)初步分析和變量設置

筆者自2009年2月起對新浪房產(chǎn)頻道的北京城八區(qū)2，100個小區(qū)掛牌二手房交易數(shù)據(jù)進行數(shù)據(jù)挖掘（Soumen，2009），以月度為單位儲存器價格和相關特征信息，這些小區(qū)中，其中學區(qū)為北京市排名前20小學的小區(qū)共計16個，這16個小區(qū)分布在北京8個主要行政區(qū)中的4個之中，具體數(shù)據(jù)的描述性統(tǒng)計結果見表1。

表格1 描述性統(tǒng)計分析

小區(qū)數(shù)量 平均價格 標準差 學區(qū)小區(qū)數(shù)量

西城區(qū) 15 45，781 16，232 3

東城區(qū) 16 42，315 14，318 3

海淀區(qū) 15 41，568 17，651 8

朝陽區(qū) 10 39，875 16，541 2

崇文區(qū) 12 38，653 18，971 0

宣武區(qū) 10 38，452 10，769 0

豐臺區(qū) 11 20，185 9，780 0

石景山區(qū) 11 19，104 8，901 0

筆者可以看到，學區(qū)房主要集中在房屋單價價高的海淀、朝陽，西城、東城等行政區(qū)域。

筆者通過相關性檢驗也能夠發(fā)現(xiàn)以是否學區(qū)房設置的虛擬變量Sch和房屋單價有著較為高的相關系數(shù)。

筆者以小區(qū)平均房屋價格Price作為因變量，虛擬變量Sch作為解釋變量，除此之外筆者還加入政策虛擬變量P作為衡量限購政策對房屋價格影響的解釋變量。筆者還加入了高檔房虛擬變量C，設定上一期價格高于25%中位數(shù)的觀測值為1，其余觀測值為零，為了解釋限購政策對于學區(qū)房和高檔住房不同于中低檔普通住房的價格效應，筆者加入了Sch和P的乘積項以及C和政策虛擬變量P的乘積項，作為調節(jié)變量。由于房屋價格有很強的自相關趨勢，筆者設定L.Pr即上期小區(qū)平均價格作為控制變量，小區(qū)與地鐵距離Sub作為標志其交通通達性的控制變量，小區(qū)與市中心（以天安門為標志）的距離Cen作為其坐落中心程度的控制變量，宏觀數(shù)據(jù)方面，北京當月各區(qū)人均收入Income作為控制變量，物價指數(shù)CPI作為控制變量，最后筆者加入季節(jié)控制變量和城區(qū)控制變量。

四、模型回歸結果和成因分析

1.模型回歸結果

筆者利用面板數(shù)據(jù)回歸方法對筆者收集的數(shù)據(jù)，按照筆者設定的變量，分別對包含全部解釋和控制變量的模型1，包括解釋變量，控制變量，Sch和P的乘積項的模型2和包括解釋變量，控制變量，L.Pr和P的乘積項的模型3進行了回歸。利用Hausman檢驗，筆者發(fā)現(xiàn)以上三個模型的Hausman檢驗概率均低于0.01。因此，筆者選擇面板固定效應模型進行回歸，具體回歸結果見表2。

筆者通過表2可以發(fā)現(xiàn)，政策虛擬變量在以上三個模型中都有負的顯著的回歸系數(shù)，換言之，限購政策有效的抑制了房價過快上漲的勢頭，堅持限購政策是有效的。

筆者發(fā)現(xiàn)，學區(qū)房虛擬變量和高檔房虛擬變量有很顯著的正向的價格影響作用。這體現(xiàn)了學區(qū)房比普通地產(chǎn)更具有價格潛力，價格更高，也更有升值空間，房屋價格很大程度上取決于其前期形成的價格基礎，小區(qū)的高端品牌和印象，整體環(huán)境，人口特征，周邊資源等很大程度上的已經(jīng)決定了小區(qū)的價格基礎，并且這一價格基礎在很長時間以內繼續(xù)有效。

另外，筆者發(fā)現(xiàn)Sch和P的乘積項回歸結果顯著，并且有著正的回歸系數(shù)，這表明限購政策對于學區(qū)房的小區(qū)單價有著提升效應，在限購政策之后，學區(qū)房作為稀缺房源，其價格不僅沒有降低，反而繼續(xù)上漲。

最后，筆者還可以發(fā)現(xiàn)C和P的乘積項回歸結果顯著并且有著正的回歸系數(shù)，換言之，限購政策不僅沒有降低高檔住房的價格反而在一定程度上推動了高檔房屋市場交易的持續(xù)升溫。

注：1.限于篇幅，本表并未表示全部控制變量的統(tǒng)計量。2.***、**、*分別代表在l%5%和10%的水平上顯著。

2.成因分析

由于限購政策規(guī)定以家庭為單位，對已擁有1套住房的本市戶籍居民家庭（含駐京部隊現(xiàn)役軍人和現(xiàn)役武警家庭、持有有效《北京市工作居住證》的家庭，下同）、持有本市有效暫住證在本市沒擁有住房且連續(xù)5年（含）以上在本市繳納社會保險或個人所得稅的非本市戶籍居民家庭限購1套住房（含新建商品住房和二手住房），家庭為單位的住房需求被按照購房套數(shù)以政策形式得到了控制。特別是，這樣的規(guī)定有效的遏制了以盈利為目的的投資性需求，惡意“炒房”以攫取暴利的行為基本無法達到其目的。這當然降低了市場上的房地產(chǎn)需求，影響了市場均衡，在一個開放的競爭性房地產(chǎn)市場上，需求的降低必然有效的抑制房地產(chǎn)價格的上漲，因此筆者可以看到，限購令對于房屋價格的抑制是起到了一定作用的。

但是限購令僅僅是抑制了城市居民購房需求的購買套數(shù)，對于居民對住宅的環(huán)境、檔次、交通條件、便利程度、教育條件等等并未規(guī)制。居民在以家庭單位持有規(guī)定套數(shù)房屋的前提下，可以自由的提高其房屋的居住條件、周邊環(huán)境和教育水平。這樣居民的住房需求就從占有房屋的多少有效地轉移到了所居住房屋的質量、環(huán)境和教育水平上。而以學區(qū)為代表的教育水平和以房屋單價為表現(xiàn)的房屋檔次作為一種稀缺資源，不可能無限制的供應，在市場上這類的產(chǎn)品（房屋）是極其有限的，因而在限購令使對其的需求激增的情況下，在房地產(chǎn)競爭市場條件下，必然產(chǎn)生占有教育資源和環(huán)境資源為目的的相關房地產(chǎn)小區(qū)的價格暴漲。

因此上，就不難解釋在限購令條件下，會出現(xiàn)中低檔小區(qū)價格上升有效被遏制，而學區(qū)房和高檔小區(qū)價格持續(xù)攀升的類似馬太效應的效應。這種效應的產(chǎn)生在一定程度上是政策和競爭市場特點結合的產(chǎn)物，是中國現(xiàn)階段房地產(chǎn)經(jīng)濟和價格體系的必然結果。

但是，以上結果可能產(chǎn)生教育和公共資源支出向富裕人群傾斜，學區(qū)房和高檔住房的上漲帶來的是低收入人群被迫選擇教育和公共資源較差的社區(qū)。限購令在調節(jié)房屋價格，提高民生水平的同時可能產(chǎn)生公共資源的分配不公平，進而由房屋價格的馬太效應，漸漸形成教育和公共資源使用的馬太效應——富裕階層通過購買學區(qū)房和高檔房攫取更多的教育和公共資源，而貧窮者由于無力支付高房價而享受更少的教育和公共資源。

五、結論

筆者根據(jù)以上計量結果和理論分析得出以下結論：限購政策能夠很好地抑制房屋價格過快上漲的勢頭，有利于平抑房屋價格，以上限購政策有效地降低了市場房屋投資需求，在一定程度上達到了預期的政策效果。

限購政策還產(chǎn)生了房屋需求的分化，進而導致了房屋價格的馬太效應，中低檔房屋價格下降的同時，學區(qū)房和高檔住房等占據(jù)更多教育和公共資源的房屋更加受到市場歡迎，價格并未受到限購政策的影響，甚至有所上升。這種房屋價格上的馬太效應不僅導致房屋價格的急劇分化，也有可能進一步形成城市居民之間教育和公共資源的分配不公，進一步加劇貧富差距，造成城市居民社會資源分配的馬太效應。

在制定限購政策的同時應當通盤考慮限購政策對于不同教育和公共資源的房地產(chǎn)項目的不同效果，以及價格馬太效應可能引起的教育和公共資源的分配不公。應當改進中、小學入學升學制度，促進教育資源的公平、公正分配。提高中低端小區(qū)和地區(qū)的配套設施建設和交通通達能力，實現(xiàn)社會公共資源的全體居民公平共享。

本文利用微觀數(shù)據(jù)，闡釋了房屋限購政策下，對于不同類型和功能房屋價格的差別影響，并且進一步推論出房屋價格馬太效應可能進一步帶來的在國民收入和公共資源分配上的不平等現(xiàn)象，在一定的程度上填補了理論空白，對政策制定有一定的現(xiàn)實指導意義。

參考文獻

[1]陳剛，&邵慰.（2013）.“國五條”能降低高房價嗎？——基于政策效應的經(jīng)濟學分析.經(jīng)濟問題， （005），20-23.

[2]況偉大.（2010）.預期，投機與中國城市房價波動.經(jīng)濟研究，（9），67-78.

[3]王澤宇.（2014）.房地產(chǎn)價格調控新政實施效應實證分析——基于京津兩地微觀數(shù)據(jù).經(jīng)濟問題探索，（4），168-173.

Yu， H. （2010）. Chinas house price： Affected by economic fundamentals or real estate policy？.Frontiers of Economics in China，5（1）， 25-51.

作者簡介

1蔣珮瑋（1974-），男，臺灣臺北人，中國人民大學商學院09級企業(yè)管理博士，研究方向：企業(yè)管理。

2由于2009年北京尚未合并行政區(qū)劃，因此我們的行政區(qū)劃按照舊有的城八區(qū)劃分：東城，西城，朝陽，海淀，崇文，豐臺，石景山，宣武。