房地產(chǎn)長效機(jī)制穩(wěn)定房價(jià)了嗎

鄭世剛 鄭煜嵐

摘要：在構(gòu)建中央政府與地方政府的多任務(wù)委托代理模型和基于預(yù)期的供需模型的基礎(chǔ)上，本文采用RDiT 和強(qiáng)度DID 模型，實(shí)證分析了中國房地產(chǎn)長效機(jī)制穩(wěn)定房價(jià)的效應(yīng)及其影響機(jī)制與路徑。從理論上提出以下假設(shè)：房地產(chǎn)長效機(jī)制下，地方政府對房地產(chǎn)稅收的依賴程度，會(huì)影響其在房地產(chǎn)部門的資源配置，從而影響房價(jià)波動(dòng)；政策不確定性通過宏觀經(jīng)濟(jì)和房地產(chǎn)市場，以及地方政府對房地產(chǎn)稅收的依賴，對房價(jià)預(yù)期進(jìn)而對房價(jià)波動(dòng)產(chǎn)生影響。實(shí)證結(jié)果驗(yàn)證了本文的理論假設(shè)。從短期來看，房地產(chǎn)長效機(jī)制不僅使負(fù)向偏離均衡的房價(jià)回歸到均衡水平，也使房價(jià)波動(dòng)幅度大幅減小；從動(dòng)態(tài)來看，長效機(jī)制對房價(jià)的正向提升作用顯著且具有持續(xù)性。從區(qū)域來看，長效機(jī)制對中西部城市的影響更為顯著，而對東部一二線城市的影響并不明顯。長效機(jī)制對房價(jià)的影響機(jī)制與路徑分析表明，房地產(chǎn)長效機(jī)制下，政策不確定性是推動(dòng)房價(jià)波動(dòng)的顯著力量，地方政府對房地產(chǎn)稅收的依賴程度正向促進(jìn)了其對房價(jià)的影響，相對而言，房地產(chǎn)稅收依賴度越高，長效機(jī)制對房價(jià)的影響越為顯著；政策不確定性的存在，使預(yù)期成為影響房價(jià)的重要路徑，地方政府的政策執(zhí)行強(qiáng)度對供需雙方的房價(jià)預(yù)期具有明顯的負(fù)向影響，而政策不確定性通過影響供需雙方的房價(jià)預(yù)期對房價(jià)起著顯著的正向促進(jìn)作用。

關(guān)鍵詞：房地產(chǎn)長效機(jī)制；房價(jià)波動(dòng)；政策不確定性；預(yù)期

中圖分類號：F019.6；F293.3 文獻(xiàn)標(biāo)志碼：A 文章編號：1672-626X（2023）04-0028-17

一、引言

如何抑制房價(jià)的過快上漲一直是學(xué)界和政府關(guān)注的熱點(diǎn)。房地產(chǎn)業(yè)被確立為國民經(jīng)濟(jì)支柱產(chǎn)業(yè)以來，中央政府實(shí)施了多輪房價(jià)調(diào)控，但效果普遍欠佳[1]，甚至陷入“越調(diào)越漲”的窘境。究其原因在于，中央政府的房價(jià)調(diào)控多以短期政策為主，缺乏可持續(xù)性，并陷入“動(dòng)態(tài)不一致陷阱”[2～3]；房價(jià)調(diào)控側(cè)重房地產(chǎn)市場需求側(cè)，忽視供給側(cè)，沒有從根本上解決供需矛盾[4]；2009年以來，房價(jià)調(diào)控過于依賴限購、限貸等行政手段，短期內(nèi)具有顯著的抑制效果[5～6]，但一旦放開，房價(jià)便會(huì)報(bào)復(fù)性上漲，反而強(qiáng)化了各經(jīng)濟(jì)主體的房價(jià)上漲預(yù)期，減弱了調(diào)控效果[7]。長期以來，房價(jià)調(diào)控都以“促進(jìn)房地產(chǎn)市場持續(xù)健康發(fā)展”為目標(biāo)①，但房價(jià)調(diào)控本質(zhì)上從屬于宏觀調(diào)控，是宏觀調(diào)控實(shí)現(xiàn)“促（穩(wěn)）增長”目標(biāo)的重要工具，這導(dǎo)致房價(jià)調(diào)控在“促（穩(wěn)）增長”和“穩(wěn)房價(jià)”之間頻繁交替[8]。許多學(xué)者認(rèn)為中央政府與地方政府的博弈關(guān)系是導(dǎo)致房價(jià)調(diào)控不佳的重要原因。中央政府對地方政府的考核以經(jīng)濟(jì)增長和財(cái)政收入為主要指標(biāo)，造成地方政府陷入“GDP競爭”[9]和“財(cái)政收入競爭”[10]之中。1994年分稅制改革以來，土地財(cái)政成為“第二財(cái)政”[8]，導(dǎo)致地方政府缺乏“穩(wěn)房價(jià)”的激勵(lì)，陳小亮等（2018）基于委托代理理論，不僅證明了上述觀點(diǎn)，同時(shí)也證明了經(jīng)濟(jì)下行壓力下，中央政府也缺乏“穩(wěn)房價(jià)”的激勵(lì)[1]。

2016年底中央經(jīng)濟(jì)工作會(huì)議正式提出，“加快研究建立符合國情、適應(yīng)市場規(guī)律的基礎(chǔ)性制度和長效機(jī)制”，從制度層面尋求實(shí)現(xiàn)房地產(chǎn)市場平穩(wěn)健康發(fā)展的長效機(jī)制；2018年兩會(huì)政府工作報(bào)告提出，“堅(jiān)持房子是用來住的、不是用來炒的定位”，“建立多主體供給、多渠道保障、租購并舉的住房制度”；2021年政府工作報(bào)告繼續(xù)提出，“堅(jiān)持房住不炒”，“穩(wěn)地價(jià)、穩(wěn)房價(jià)、穩(wěn)預(yù)期”。實(shí)施至今，中央政府逐步確立了房地產(chǎn)長效機(jī)制的根本定位、政策構(gòu)成以及調(diào)控思路。那么，房地產(chǎn)長效機(jī)制是否穩(wěn)定了房價(jià)，尤其是在“因城施策”策略下，不同城市實(shí)施長效機(jī)制的效果如何，是非常值得關(guān)注的問題。2020年時(shí)任副總理韓正在房地產(chǎn)工作座談會(huì)上指出，“房地產(chǎn)長效機(jī)制實(shí)施以來，取得明顯成效，值得充分肯定”，但已有文獻(xiàn)主要探討如何構(gòu)建和完善房地產(chǎn)長效機(jī)制[1，8，11～13]，缺乏房地產(chǎn)長效機(jī)制影響房價(jià)的定量分析和機(jī)制與路徑研究。

事實(shí)上，官方口徑中房地產(chǎn)長效機(jī)制的提出始于2006年②，但直至2016年長效機(jī)制都未取得實(shí)質(zhì)性進(jìn)展，反而短期調(diào)控成為房價(jià)干預(yù)的主要機(jī)制。作為公共政策，不管是短期調(diào)控還是長效機(jī)制，其制定都是諸多利益相關(guān)者爭奪利益的博弈過程，尤其是決策者——中央政府與執(zhí)行者——地方政府的博弈過程。中國現(xiàn)行決策者權(quán)力為雙軸心多層級，居民與政府、中央政府與地方政府之間構(gòu)成雙重委托代理關(guān)系，前者形式虛置，后者鏈條冗長，但都會(huì)導(dǎo)致委托代理陷阱[14]。而分稅制形成的“土地財(cái)政”以及以GDP為中心的考核機(jī)制必然造成地方政府過度依賴于房地產(chǎn)市場[15]，當(dāng)政策目標(biāo)、政策方案和執(zhí)行細(xì)則一致時(shí)，調(diào)控政策容易達(dá)到預(yù)期成果，否則會(huì)出現(xiàn)政策失靈[14]。房地產(chǎn)業(yè)具有兩個(gè)客體特性，即私人性和公共性，并構(gòu)成房地產(chǎn)政策的兩個(gè)重要目標(biāo)，即促增長和穩(wěn)房價(jià)[16]。長期以來，中央政府調(diào)控目標(biāo)的搖擺性以及地方政府績效考核的固定性，導(dǎo)致地方政府缺乏控房價(jià)的激勵(lì)，這也是房價(jià)調(diào)控效果欠佳、長效機(jī)制缺失的根本原因[1，17]。

因此，考察房地產(chǎn)長效機(jī)制對房價(jià)的影響效果，應(yīng)考慮地方政府對中央政府“穩(wěn)房價(jià)”目標(biāo)的執(zhí)行強(qiáng)度。陳小亮等（2018）采用Holmstrom和Milgrom（1991）[18]提出的多任務(wù)委托代理模型，發(fā)現(xiàn)由于地方政府考核體系側(cè)重于GDP，沒有考慮房價(jià)，導(dǎo)致地方政府缺少控房價(jià)的激勵(lì)。本文將在陳小亮等（2018）的基礎(chǔ)上，探析地方政府對中央政府調(diào)控目標(biāo)的執(zhí)行強(qiáng)度對房地產(chǎn)長效機(jī)制“穩(wěn)房價(jià)”效果的影響。本文的邊際貢獻(xiàn)在于：（1）構(gòu)建中央政府與地方政府的委托代理模型，從理論上分析雙重目標(biāo)下地方政府的行動(dòng)策略選擇條件，結(jié)果表明初始條件不同，不同考核目標(biāo)壓力下地方政府將選擇不同的資源配置偏好。（2）與已有文獻(xiàn)關(guān)注如何構(gòu)建和完善長效機(jī)制不同，本文將地方政府在考核目標(biāo)下的選擇偏好與其對中央政府調(diào)控目標(biāo)的執(zhí)行強(qiáng)度進(jìn)行聯(lián)結(jié)，考察地方政府對長效機(jī)制的執(zhí)行強(qiáng)度對房價(jià)的影響。（3）以房地產(chǎn)長效機(jī)制實(shí)施為自然實(shí)驗(yàn)，采用時(shí)間斷點(diǎn)回歸（Regression Discontinuity in Time，RDiT）和強(qiáng)度雙重差分（Difference in Difference，DID）法，引入政策不確定性和供需雙方的房價(jià)預(yù)期，識別與估計(jì)房地產(chǎn)長效機(jī)制影響房價(jià)的效應(yīng)、機(jī)制與路徑，為長效機(jī)制的進(jìn)一步實(shí)施提供經(jīng)驗(yàn)證據(jù)。

二、基本事實(shí)、理論分析與研究假設(shè)

（一）基本事實(shí)

1. 房地產(chǎn)長效機(jī)制與房價(jià)波動(dòng)

綜合中央政府歷次會(huì)議的表述，房地產(chǎn)長效機(jī)制是以“房住不炒”為根本定位，由金融、土地、財(cái)稅、投資及立法等政策手段構(gòu)成的基礎(chǔ)性制度，旨在實(shí)現(xiàn)“穩(wěn)房價(jià)、穩(wěn)地價(jià)、穩(wěn)預(yù)期”。根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，長效機(jī)制正式推出之前，2000－2016年商品房銷售面積、銷售額和平均價(jià)格的年均增長率分別為14.26%、23.66%、8.22%，而推出之后，2017－2021年三個(gè)指標(biāo)值分別降至2.66%、9.11%、6.28%。其中長效機(jī)制推出前后的2016年和2017年，平均房價(jià)增長率由10.05%降至5.56%，降幅顯著。35個(gè)大中城市的房價(jià)偏離率計(jì)算結(jié)果顯示，2016年之前大部分城市的實(shí)際房價(jià)均負(fù)向大幅偏離均衡房價(jià)，而房地產(chǎn)長效機(jī)制實(shí)施之后，雖然不同城市房價(jià)回歸均衡值的速度存在差異，但整體波動(dòng)幅度明顯縮減。

2. 房地產(chǎn)長效機(jī)制與預(yù)期

35個(gè)大中城市的實(shí)際房價(jià)波動(dòng)在長效機(jī)制推出后趨于平穩(wěn)，但若將這一變化歸于長效機(jī)制的直接影響，則存在解釋上的困難。房地產(chǎn)長效機(jī)制的關(guān)鍵在于“長效”[8]，其構(gòu)建與完善，一方面是將原有短期政策長期化，如金融信貸政策、土地供應(yīng)政策、限購限貸等行政政策，另一方面是構(gòu)建長效的住房、財(cái)稅、立法等制度體系。但這些制度很難在短期內(nèi)建立，租賃住房、集體土地供應(yīng)、共有產(chǎn)權(quán)住房等政策還處于試點(diǎn)或擴(kuò)大試點(diǎn)階段，房地產(chǎn)稅仍面臨諸多不確定性。歷次短期調(diào)控的經(jīng)驗(yàn)表明，由于調(diào)控目標(biāo)頻繁更替，房地產(chǎn)市場存在大量的投機(jī)性套利空間，導(dǎo)致房價(jià)持續(xù)存在上漲預(yù)期，從而造成房價(jià)大幅波動(dòng)。而長效機(jī)制以“房住不炒”為根本定位，以“穩(wěn)預(yù)期”為主要目標(biāo)之一，短期內(nèi)對房價(jià)的直接影響可能不顯著，但可以通過改變市場主體的預(yù)期，對房價(jià)波動(dòng)形成顯著影響。

3. 房地產(chǎn)長效機(jī)制與地方政府“穩(wěn)房價(jià)”

中國分稅制改革后，1994－2015年地方財(cái)政收入占全國財(cái)政收入的比重平均僅為48.8%，支出卻達(dá)到75.7%，地方政府的事權(quán)與財(cái)權(quán)極不匹配[1]。由此催生了土地財(cái)政，地方政府的財(cái)政資金高度依賴于土地出讓金及土地相關(guān)稅費(fèi)。對地方政府而言，房價(jià)上漲不僅能夠拉動(dòng)地方經(jīng)濟(jì)增長，還可以帶來可觀的財(cái)政收入，并且通過土地抵押效應(yīng)能夠獲得更多的城市建設(shè)資金。因此，對土地財(cái)政的依賴度將決定地方政府對中央政府長效機(jī)制的執(zhí)行強(qiáng)度，當(dāng)中央政府的考核目標(biāo)為“促增長”時(shí)，地方政府會(huì)希望房價(jià)上漲，而考核目標(biāo)轉(zhuǎn)為“穩(wěn)房價(jià)”時(shí)，地方政府也會(huì)為了維持房價(jià)上漲而疏于長效機(jī)制建設(shè)。

（二）理論分析與假設(shè)

1. 中央政府與地方政府的委托代理關(guān)系

中央政府與地方政府之間存在著典型的委托代理關(guān)系[19～20]，陳小亮等（2018）基于Holmstrom和Milgrom（1991）[18]的理論框架，構(gòu)建了包括“促增長”和“控房價(jià)”的多任務(wù)委托代理模型。以此為基礎(chǔ)，本文考慮土地財(cái)政對地方政府行動(dòng)策略的影響，進(jìn)一步考察房地產(chǎn)長效機(jī)制下地方政府的執(zhí)行強(qiáng)度對房價(jià)的影響。

假設(shè)房地產(chǎn)長效機(jī)制實(shí)施后，中央政府對地方政府的考核包括經(jīng)濟(jì)增長和房價(jià)穩(wěn)定兩項(xiàng)任務(wù)，分別使用GDP增長率y 和房價(jià)波動(dòng)率h 表示。地方政府需要考慮將擁有的有限資源配置于宏觀經(jīng)濟(jì)部門和房地產(chǎn)部門，分別為r1 和r2 ，且r1+ r2= r 。為使兩部門的資源配置等式動(dòng)態(tài)成立，假定r1 和r2 為配置于兩個(gè)部門的資源占總資源的比例。假定地方政府的考核任務(wù)是配置于兩部門資源的函數(shù)，分別為 y = y（r ） 1 ，r2 + εy 、h = h（r ） 1 ，r2 + εh ，其中，y 是r1 和r2 的凹函數(shù)，εy～N（0，σ 21）、εh～N（0，σ 22）分別為經(jīng)濟(jì)增長和房價(jià)穩(wěn)定中不受政府控制的隨機(jī)因素。同時(shí)，?y ?ri ≥ 0 、?h ?ri ≥ 0 ，表示配置于宏觀經(jīng)濟(jì)部門和房地產(chǎn)部門的資源都會(huì)推動(dòng)經(jīng)濟(jì)增長和房價(jià)上漲。

在與中央政府的委托代理關(guān)系中，地方政府的效用來源包括：中央政府的考核績效支付和從經(jīng)濟(jì)增長與房價(jià)上漲中獲得的稅收收入。雙任務(wù)考核體系下，中央政府同時(shí)偏好經(jīng)濟(jì)增長與房價(jià)穩(wěn)定，假設(shè)中央政府對地方政府的考核績效支付函數(shù)為線性，表示為π = π0 + τ1 y（r ） 1 ，r2 - τ2h（r ） 1 ，r2 ，τi > 0 ，為中央政府對兩個(gè)任務(wù)的偏好系數(shù)。假設(shè)地方政府獲得的稅收收入為經(jīng)濟(jì)增長和房價(jià)上漲的函數(shù)，且為線性形式，T = t1 y（r ） 1 ，r2 + t2h（r ） 1 ，r2 ，ti > 0 ，為經(jīng)濟(jì)增長和房價(jià)上漲的稅收支付系數(shù)。假設(shè)地方政府具有不變的絕對風(fēng)險(xiǎn)規(guī)避偏好，其效用函數(shù)表示為：ul = -exp（-η（π - r ）） 1 - r2 ，η 為絕對風(fēng)險(xiǎn)規(guī)避系數(shù)。在績效支付約束下，地方政府的確定性等價(jià)補(bǔ)償表示為式（1）：

可見，地方政府的最優(yōu)資源配置與中央政府的考核偏好、地方政府的稅收依賴存在以下關(guān)系：假設(shè)1：當(dāng)中央政府的相對考核偏好增強(qiáng)，即更偏好于經(jīng)濟(jì)增長時(shí)，或地方政府的相對稅收依賴減弱，即更依賴于房價(jià)上漲時(shí)，地方政府配置于房地產(chǎn)部門的資源將會(huì)增加，而用于經(jīng)濟(jì)增長的資源將會(huì)減少。

中央政府推出房地產(chǎn)長效機(jī)制建設(shè)，表明中央政府對房價(jià)上漲的考核強(qiáng)度增強(qiáng)，使相對考核偏好減弱。此時(shí)，假設(shè)1將變?yōu)槿缦卤硎觯杭僭O(shè)1-1：房地產(chǎn)長效機(jī)制使中央政府的相對考核偏好減弱，稅收收入越依賴于經(jīng)濟(jì)增長的地方政府，對中央政府房地產(chǎn)政策的執(zhí)行強(qiáng)度會(huì)越高，從而房地產(chǎn)部門的資源配置會(huì)越少；反之，稅收收入越依賴于房價(jià)上漲的地方政府，對中央政府房地產(chǎn)政策的執(zhí)行強(qiáng)度會(huì)越低，從而房地產(chǎn)部門的資源配置會(huì)越高。

2. 經(jīng)濟(jì)政策不確定性、預(yù)期與房價(jià)波動(dòng)

許多研究表明，房價(jià)決定于經(jīng)濟(jì)基本面[21～22]，并受到政策環(huán)境的影響[23]。經(jīng)濟(jì)政策不確定性會(huì)引起房地產(chǎn)市場波動(dòng)并帶來波動(dòng)的不確定性[24]，并在房地產(chǎn)市場中可能導(dǎo)致房價(jià)變化[25]。理論上，經(jīng)濟(jì)政策不確定性是反經(jīng)濟(jì)周期的[26]，而市場主體的預(yù)期是順經(jīng)濟(jì)周期的，經(jīng)濟(jì)政策不確定性對宏觀經(jīng)濟(jì)和房地產(chǎn)市場的影響在于對預(yù)期的改變?？紤]預(yù)期改變對房價(jià)變化的影響，本文構(gòu)建房地產(chǎn)市場供需模型如下：

假設(shè)2：房價(jià)變化由經(jīng)濟(jì)政策導(dǎo)致的供需雙方的房價(jià)預(yù)期構(gòu)成，經(jīng)濟(jì)政策不確定性對于宏觀經(jīng)濟(jì)環(huán)境和房地產(chǎn)市場環(huán)境對房價(jià)的影響效應(yīng)為正。

假設(shè)2-1：房地產(chǎn)長效機(jī)制下，經(jīng)濟(jì)政策不確定性對房價(jià)的影響取決于地方政府的相對稅收依賴，地方政府的房地產(chǎn)政策執(zhí)行強(qiáng)度對供需雙方的房價(jià)預(yù)期產(chǎn)生反向影響。

三、研究設(shè)計(jì)與變量選擇

（一）研究設(shè)計(jì)

2016年底中央政府推出房地產(chǎn)長效機(jī)制，為應(yīng)用斷點(diǎn)回歸法（Regression Discontinuity Design，RDD）、DID等方法評估其對“穩(wěn)房價(jià)”的影響效應(yīng)提供了“準(zhǔn)自然實(shí)驗(yàn)”。但長效機(jī)制由中央政府面向全國統(tǒng)一實(shí)施，所有城市都受到該政策沖擊的影響，均為處理組，沒有城市-時(shí)間維度上的控制組，因此傳統(tǒng)DID并不適用。本文考慮分兩步估計(jì)長效機(jī)制對房價(jià)變動(dòng)的影響效應(yīng)及其機(jī)制。

1. RDD分析

構(gòu)建模型（8），以2016年底房地產(chǎn)長效機(jī)制的推出為斷點(diǎn)，利用35個(gè)大中城市的面板數(shù)據(jù)，使用RDD法檢驗(yàn)長效機(jī)制實(shí)施前后房價(jià)波動(dòng)是否存在“跳躍”，進(jìn)而估計(jì)長效機(jī)制對房價(jià)波動(dòng)的影響效應(yīng)。

（二）變量與數(shù)據(jù)選擇

本文以2010－2021年35個(gè)大中城市的年度面板數(shù)據(jù)為研究樣本。模型（8）和（9）中，被解釋變量房價(jià)（HP）由商品房銷售額與商品房銷售面積計(jì)算得到；根據(jù)假設(shè)（2），exe 表示地方政府的房地產(chǎn)稅收依賴度，等于當(dāng)期土地購置費(fèi)用、房地產(chǎn)相關(guān)稅收和房地產(chǎn)企業(yè)主營業(yè)務(wù)稅金及附加之和與政府財(cái)政支出的比值。

控制變量X 包括宏觀經(jīng)濟(jì)變量和房地產(chǎn)市場變量，宏觀經(jīng)濟(jì)變量包括：人均可支配收入（income）；杠桿率（loan），等于金融機(jī)構(gòu)年末貸款余額與居民儲(chǔ)蓄余額之比；總?cè)丝冢?pop），等于樣本城市年末總?cè)丝冢婚L期實(shí)際利率（rate），借鑒陳晨和傅勇（2013）[31]的做法，使用中國人民銀行公布的五年以上貸款利率減去當(dāng)期通脹率表示，利率調(diào)整年份以調(diào)整前后的天數(shù)加權(quán)計(jì)算當(dāng)期利率；地方政府財(cái)政支出（exp），使用地方財(cái)政預(yù)算內(nèi)支出表示。房地產(chǎn)市場變量包括：房地產(chǎn)開發(fā)投資額（invest ）、房地產(chǎn)施工面積（cons_area）、商品房銷售面積（sales_area）、土地購置面積（land_area）。以上數(shù)據(jù)均來自于國家統(tǒng)計(jì)局以及各年統(tǒng)計(jì)年鑒。

已有文獻(xiàn)對房價(jià)預(yù)期（ ΔHPe ）的研究大都基于一致性假設(shè)，如況偉大（2010）[32]和高波等（2013）[33]。王先柱和楊義武（2015）[34]則認(rèn)為，由于嚴(yán)重的信息不對稱，供需雙方存在差異化預(yù)期，需求方為適應(yīng)性預(yù)期，而供給方為理性預(yù)期。適應(yīng)性預(yù)期是根據(jù)上一期信息進(jìn)行反饋式預(yù)測，即ΔHPe1it+ 1= ρ1 ΔHPit ，ΔHPe1it = ρ2 ΔHPit - 1 ，而理性預(yù)期是利用掌握的一切信息，對未來房價(jià)做出盡可能準(zhǔn)確的估計(jì)，即ΔHPe2it+ 1= Et ΔHPit ，ΔHPe2it = Et - 1 ΔHPit - 1 。借鑒賈生華和李航（2013）[35]的做法，使用上兩期房價(jià)增長率的平均值與上一期實(shí)際房價(jià)的乘積表示需求方的本期適應(yīng)性房價(jià)預(yù)期；借鑒況偉大（2010）[32]的做法，使用下期實(shí)際房價(jià)表示供給方的本期理性房價(jià)預(yù)期。供需雙方的房價(jià)綜合預(yù)期等于兩者之和。

政策不確定性通常難以定義、難以測量[36]。Baker等（2016）[37]采用報(bào)紙文本分析法，首次構(gòu)建了中國經(jīng)濟(jì)政策不確定指數(shù)，但該指數(shù)完全采自香港發(fā)行的《南華早報(bào)》，由此建立的指數(shù)容易受到媒體偏誤或報(bào)紙立場的影響。此后，Yun Huang和Paul Luk（2020）同樣采用文本分析法，選取中國內(nèi)地10份報(bào)紙，編制了中國大陸經(jīng)濟(jì)政策不確定性指數(shù)，即CEPU ，并檢驗(yàn)了該指數(shù)的穩(wěn)健性和準(zhǔn)確性[38]。因此本文使用CEPU 代理宏觀經(jīng)濟(jì)政策不確定性EPU ，數(shù)據(jù)來源于Economic Policy Uncertainty網(wǎng)站。

所有價(jià)值型變量，均取自然對數(shù)，并剔除通貨膨脹的影響（以2010年為基期），轉(zhuǎn)化為實(shí)際變量。各變量的描述性統(tǒng)計(jì)如表1所示，結(jié)果顯示所有變量的數(shù)據(jù)分布正常。

四、房地產(chǎn)長效機(jī)制對穩(wěn)定房價(jià)的影響效應(yīng)——基于RDiT的實(shí)證分析

（一）RDiT 分析框架

首先使用模型（8）分析長效機(jī)制對房價(jià)的影響效應(yīng)。與傳統(tǒng)RDD模型不同，本文長效機(jī)制實(shí)施所形成的“準(zhǔn)自然實(shí)驗(yàn)”以特定時(shí)點(diǎn)（2016年）為斷點(diǎn)，以時(shí)間為驅(qū)動(dòng)變量，已有研究將這一框架定義為RDiT。Haus?man和Rapson（2018）[39]討論了RDiT區(qū)別于RDD的特性：（1）由于缺乏足夠的截面識別變量，為了提高識別的可靠性，RDiT更依賴于遠(yuǎn)離斷點(diǎn)的樣本；（2）RDiT需要關(guān)注樣本數(shù)據(jù)的自回歸問題；（3）以時(shí)間為驅(qū)動(dòng)變量時(shí)，McCrary檢驗(yàn)將無法進(jìn)行，從而難以判斷樣本是否存在斷點(diǎn)附近的自選擇行為。根據(jù)Hausman和Rapson（2018）的建議，為減少噪音、提高精度以及降低估計(jì)偏差，本文使用包含橫截面變化的面板數(shù)據(jù)，并在RDiT模型中加入控制變量，選擇局部線性回歸作為基準(zhǔn)模型，使用聚類穩(wěn)健標(biāo)準(zhǔn)誤以降低因變量自回歸對估計(jì)結(jié)果的影響。

圖1以2016年為斷點(diǎn)，將35個(gè)大中城市分為全部、東部、中部和西部四個(gè)子樣本，結(jié)果顯示，全樣本和子樣本的房價(jià)偏離率在2016年之后均發(fā)生了明顯的“跳躍”。值得注意的是，2016年房地產(chǎn)長效機(jī)制推出之前，整體房價(jià)負(fù)向大幅偏離均衡水平，推出之后，整體房價(jià)圍繞均衡水平小幅波動(dòng)。其中，東部城市的房價(jià)與均衡水平基本保持一致，中西部城市的房價(jià)雖然有所偏離，但波動(dòng)幅度較之前大幅減小，且趨于均衡水平。

使用斷點(diǎn)方法識別長效機(jī)制對房價(jià)的影響，在滿足結(jié)果變量存在斷點(diǎn)的同時(shí)，控制變量在斷點(diǎn)處不能存在明顯跳躍。檢驗(yàn)結(jié)果顯示，在不同帶寬下，所有控制變量均不顯著，即在斷點(diǎn)處不存在顯著跳躍，可以進(jìn)行下一步分析。本文使用的是35個(gè)大中城市的年度面板數(shù)據(jù)，帶寬過小可能導(dǎo)致較大偏誤，為盡量利用到更多的樣本信息，本文自定義4年和5年兩個(gè)帶寬進(jìn)行估計(jì)。在局部回歸形式的選擇上，AIC、BIC計(jì)算結(jié)果顯示，1階和2階并無差異，因此本文選擇局部線性回歸形式。

（二）估計(jì)結(jié)果

表2報(bào)告了兩個(gè)帶寬下使用RDiT非參數(shù)估計(jì)、OLS線性估計(jì)和2SLS線性估計(jì)等三種方法的估計(jì)結(jié)果。

可以發(fā)現(xiàn)，三種方法對房地產(chǎn)長效機(jī)制的估計(jì)結(jié)果都在1%水平上顯著，但OLS、2SLS的估計(jì)結(jié)果明顯大于RDiT非參數(shù)的估計(jì)結(jié)果，這意味著由于未考慮長效機(jī)制推出所產(chǎn)生的斷點(diǎn)影響，前兩種方法高估了房地產(chǎn)長效機(jī)制對房價(jià)波動(dòng)的影響。從RDiT的估計(jì)結(jié)果來看，房地產(chǎn)長效機(jī)制實(shí)施后，選取帶寬為4年時(shí)，房價(jià)偏離率較實(shí)施前提升了3.9%，而選取帶寬為5年時(shí)，房價(jià)偏離程度趨于減弱，降為3%。

針對RDiT的估計(jì)結(jié)果，有兩個(gè)方面需要關(guān)注。

第一，房地產(chǎn)長效機(jī)制對房價(jià)偏離率的影響系數(shù)顯著為正，但這并不意味著房地產(chǎn)長效機(jī)制政策是失效的。房地產(chǎn)長效機(jī)制旨在促進(jìn)房地產(chǎn)市場平穩(wěn)健康發(fā)展，對房價(jià)而言，在于實(shí)現(xiàn)“穩(wěn)房價(jià)”，即促使房價(jià)回歸均衡水平，并減小房價(jià)圍繞均衡水平的波動(dòng)幅度。房地產(chǎn)長效機(jī)制實(shí)施之前，大多數(shù)城市的房價(jià)均大幅負(fù)向偏離均衡水平，35個(gè)大中城市的房價(jià)偏離率最大值為30%，最小值為-16%，其中2016年的房價(jià)偏離率分別為16%和-13%。而房地產(chǎn)長效機(jī)制實(shí)施之后，2017年房價(jià)偏離率的最大值、最小值分別為10%和-0.1%，且均值接近于0。從圖1來看，雖然2017實(shí)際房價(jià)回歸至均衡水平之上，并呈上升趨勢，但從帶寬為4年和5年的估計(jì)結(jié)果來看，房地產(chǎn)長效機(jī)制的正向平均效應(yīng)從3.9%降至3.0%，表現(xiàn)出明顯的收縮趨勢。因此，房地產(chǎn)長效機(jī)制的估計(jì)系數(shù)為正并不是房價(jià)偏離的加劇，而是對均衡房價(jià)的回歸，隨著房地產(chǎn)長效機(jī)制的繼續(xù)實(shí)施，實(shí)際房價(jià)的偏離程度可能會(huì)一步減小。

第二，雖然房地產(chǎn)長效機(jī)制在樣本區(qū)間內(nèi)的平均效應(yīng)顯著為正，但2019年以來房價(jià)偏離率表現(xiàn)出了明顯的下跌趨勢，并于2021年降至均衡水平之下（見圖1），顯示出房地產(chǎn)長效機(jī)制對“穩(wěn)房價(jià)”產(chǎn)生了積極有效的影響。從政策實(shí)踐上看，出現(xiàn)延遲性調(diào)控效果存在兩個(gè)方面的原因。一是調(diào)控政策具有明顯的時(shí)滯性，但更重要的是，在調(diào)控思路轉(zhuǎn)變的過渡階段，2017年調(diào)控的主要手段仍然是限購、限貸等短期性政策措施，雖然一二線熱點(diǎn)城市的房價(jià)增速明顯放緩，但在清庫存的推動(dòng)下，三四線城市的房價(jià)呈現(xiàn)出明顯的上漲態(tài)勢[1]。二是房地產(chǎn)長效機(jī)制真正意義上的實(shí)施與落地開始于2018年。首先，2018年兩會(huì)政府工作報(bào)告正式提出“房住不炒”的定位，并將其作為房地產(chǎn)調(diào)控的基本思路，在全國范圍內(nèi)全面強(qiáng)化與落實(shí)。其次，作為房地產(chǎn)長效機(jī)制的核心內(nèi)涵之一，2018年以來“因城施策”已逐漸轉(zhuǎn)變?yōu)椤耙怀且徊摺?，與“因城施策”的中央指導(dǎo)性特征不同，“一城一策”意味著房地產(chǎn)調(diào)控已進(jìn)入地方主導(dǎo)的精準(zhǔn)化調(diào)控階段，地方政府具有更大的自主權(quán)，但也要承擔(dān)更高的主體責(zé)任。再次，根據(jù)中國社科院的統(tǒng)計(jì)數(shù)據(jù)，2018年中央與地方頒布實(shí)施的政策與法規(guī)高達(dá)400多次，同比增長80%以上。其中，大量政策轉(zhuǎn)向供給端調(diào)控，涵蓋土地供給、租賃市場、保障住房、市場秩序、差別化信貸、金融宏觀審慎等眾多方面。

（三）異質(zhì)性分析及穩(wěn)健性檢驗(yàn)

上述估計(jì)結(jié)果為局部平均效應(yīng)，而中國房地產(chǎn)市場具有明顯的區(qū)域差異和發(fā)展差異，導(dǎo)致房地產(chǎn)長效機(jī)制的影響也可能存在差異。為檢驗(yàn)這兩個(gè)方面的異質(zhì)性，本文將樣本分別劃分為東部、中部和西部三個(gè)區(qū)域子樣本，以及一線和二線④兩個(gè)發(fā)展子樣本，使用RDiT非參數(shù)估計(jì)⑤分別進(jìn)行檢驗(yàn)。

1. 區(qū)域異質(zhì)性檢驗(yàn)

表3估計(jì)結(jié)果顯示，長效機(jī)制對房價(jià)的影響在不同區(qū)域間存在著較大差異。三個(gè)區(qū)域的估計(jì)系數(shù)均為正值，并且?guī)捲黾訒r(shí)，系數(shù)減小，表明長效機(jī)制的實(shí)施使原本負(fù)向偏離均衡水平的房價(jià)得以正向提升，并且波動(dòng)程度減弱。但值得注意的是，長效機(jī)制的實(shí)施對東部城市的影響并不顯著，而對中西部城市的影響非常顯著，使房價(jià)偏離率正向提升4%～6%。通過比較2016年與2017年、2018年中西部城市房價(jià)偏離率的最大值和最小值，可以看出長效機(jī)制實(shí)施后房價(jià)偏離的程度大大縮小，表明長效機(jī)制有效提升了中西部城市房價(jià)的穩(wěn)定和健康程度。

2. 發(fā)展異質(zhì)性檢驗(yàn)

表4估計(jì)結(jié)果顯示，二線城市的估計(jì)系數(shù)在帶寬為3年和4年時(shí)分別為0.050和0.045，并在1%水平上顯著，但一線城市的估計(jì)系數(shù)并不顯著。表明房地產(chǎn)長期機(jī)制有效改善了二線城市房價(jià)的平穩(wěn)健康狀況。

在兩種分類中，一線城市是東部城市的一部分，而估計(jì)結(jié)果顯示兩者均不顯著，究其原因在于，東部一二線城市的房地產(chǎn)市場狀況與中西部城市明顯不同。首先，最明顯的區(qū)別在于東部一二線城市住房供給偏緊，套戶比小于1，而中西部城市供給過剩，套戶比大于1。2016年以來實(shí)施的去庫存策略，抑制了中西部城市的投資投機(jī)需求，從而使房價(jià)偏離狀況得以改善。其次，與其他地區(qū)相比，東部一二線城市具有明顯的發(fā)展優(yōu)勢，包括經(jīng)濟(jì)增長速度、公共設(shè)施完善程度和居民購買力水平等方面，能夠吸引欠發(fā)達(dá)地區(qū)的人口和資本等要素發(fā)生轉(zhuǎn)移[40]，為房地產(chǎn)投資投機(jī)需求提供了套利空間。在供應(yīng)緊張的情況下，市場對房價(jià)上漲的預(yù)期將進(jìn)一步增強(qiáng)，從而使房地產(chǎn)長效機(jī)制失效。但東部城市的房價(jià)偏離之所以也有所改善，更大程度上在于短期調(diào)控政策的持續(xù)實(shí)施。

3. 穩(wěn)健性檢驗(yàn)

為確保上述結(jié)論的可靠性，本文做了一系列穩(wěn)健性檢驗(yàn)，包括：（1）控制變量連續(xù)性檢驗(yàn)，發(fā)現(xiàn)所有控制變量在斷點(diǎn)時(shí)點(diǎn)不存在不連續(xù)性。（2）由于數(shù)據(jù)限制，只進(jìn)行了兩種帶寬的分析，但結(jié)果均顯著。（3）分別使用2014年和2015年作為“偽斷點(diǎn)”進(jìn)行安慰劑檢驗(yàn)，結(jié)果均不顯著。（4）將房價(jià)偏離率替換為房價(jià)增長率進(jìn)行斷點(diǎn)分析，與上述結(jié)果基本一致。

五、房地產(chǎn)長效機(jī)制如何穩(wěn)定房價(jià)——基于強(qiáng)度DID模型的實(shí)證分析

傳統(tǒng)DID模型中，需要根據(jù)是否受到政策沖擊將樣本分為實(shí)驗(yàn)組和對照組。然而房地產(chǎn)長效機(jī)制實(shí)施中，所有樣本城市都受到該機(jī)制的影響，無法劃分出絕對的實(shí)驗(yàn)組和對照組。因此，對于“一刀切”政策，如何設(shè)計(jì)實(shí)驗(yàn)組和對照組是DID分析的關(guān)鍵問題，已有文獻(xiàn)[29～30，41～43]通常利用處理強(qiáng)度變量，劃分出實(shí)驗(yàn)組和對照組，并構(gòu)建“準(zhǔn)自然實(shí)驗(yàn)”強(qiáng)度DID模型，即廣義DID。根據(jù)假設(shè)1-1和2-1，財(cái)政支出對房地產(chǎn)稅收依賴越高的地方政府，對中央政府房地產(chǎn)長效機(jī)制的執(zhí)行強(qiáng)度會(huì)越低，從而長效機(jī)制穩(wěn)定房價(jià)的作用越小。基于此，本文采取兩種方式對模型（9）進(jìn)行分析。一是不劃分實(shí)驗(yàn)組和對照組，使用房地產(chǎn)稅收依賴度代理處理強(qiáng)度指標(biāo)exeit ，即地方政府對長效機(jī)制的執(zhí)行強(qiáng)度，lpolicy 表示是否實(shí)施長效機(jī)制，設(shè)置為0-1虛擬變量，2016年之前取值為0，2017年之后取值為1，交互項(xiàng)lpolicy * exeit 是DID中重點(diǎn)關(guān)注的系數(shù)，即β1 ，反映了相對于對照組，長效機(jī)制對穩(wěn)定房價(jià)的影響。二是依據(jù)處理強(qiáng)度指標(biāo)（exeit）劃分實(shí)驗(yàn)組和對照組，為充分利用有限的樣本量，將大于50分位數(shù)的樣本作為實(shí)驗(yàn)組，取值為1，將小于50分位數(shù)的樣本作為對照組，取值為0，同樣關(guān)注交互項(xiàng)lpolicy * exeit 的系數(shù)β1 。

（一）實(shí)驗(yàn)組和對照組房價(jià)偏離率與稅收依賴度的時(shí)間趨勢

分別計(jì)算實(shí)驗(yàn)組和對照組2010－2021年房價(jià)偏離率和房地產(chǎn)稅收依賴度的均值，并繪制時(shí)間趨勢圖（如圖2所示）。圖2顯示，第一，房地產(chǎn)長效機(jī)制實(shí)施后，房價(jià)波動(dòng)幅度明顯縮小，并趨于均衡房價(jià)水平；樣本分組后，對照組的稅收依賴度較為平穩(wěn)，而實(shí)驗(yàn)組的稅收依賴度變化幅度較大。第二，整個(gè)期間內(nèi)，房價(jià)偏離度與稅收依賴度表現(xiàn)出顯著的相關(guān)性，相關(guān)系數(shù)為0.229；分組來看，對照組內(nèi)兩者的相關(guān)性并不顯著，而實(shí)驗(yàn)組非常顯著，相關(guān)系數(shù)為0.210；分期來看，長效機(jī)制實(shí)施前，實(shí)驗(yàn)組內(nèi)兩者的相關(guān)性不顯著，實(shí)施后則非常顯著，相關(guān)系數(shù)為0.716。這與本文的假設(shè)1和1-1基本一致，即長效機(jī)制實(shí)施后，房地產(chǎn)稅收依賴度高的地方政府，由于不愿意執(zhí)行中央政府的房地產(chǎn)政策，從而導(dǎo)致房價(jià)波動(dòng)更為顯著。

（二）長效機(jī)制實(shí)施對房價(jià)波動(dòng)的影響

本文使用模型（9）估計(jì)長效機(jī)制實(shí)施是否以及如何影響房價(jià)波動(dòng)，結(jié)果如表5所示。首先，地方政府對房地產(chǎn)的稅收依賴程度各不相同，鑒于此，構(gòu)建長效機(jī)制（0-1虛擬變量）與稅收依賴度（連續(xù)型變量）的交互項(xiàng)，并使用連續(xù)型DID進(jìn)行估計(jì)。列（1）～（4）為沒有劃分實(shí)驗(yàn)組和對照組的估計(jì)結(jié)果。表5中列（1）僅控制時(shí)間和個(gè)體固定效應(yīng)，且標(biāo)準(zhǔn)誤聚類到城市，交互項(xiàng)項(xiàng)系數(shù)顯著為正，列（2）～（4）分別進(jìn)一步控制宏觀經(jīng)濟(jì)變量、房地產(chǎn)市場變量以及兩者都控制后，交互項(xiàng)仍為正，但顯著性降低且估計(jì)系數(shù)變小。其次，以稅收依賴度劃分實(shí)驗(yàn)組和對照組，并構(gòu)建其與長效機(jī)制變量的交互項(xiàng)。結(jié)果顯示，在未分組的基礎(chǔ)上，交互項(xiàng)系數(shù)仍然為正，雖然系數(shù)值大小有所降低，但顯著性明顯提升。在所有變量均控制的列（8）情形下，交互項(xiàng)系數(shù)在5%的顯著性水平下為0.018。

估計(jì)結(jié)果顯示，與對照組相比，長效機(jī)制使房地產(chǎn)稅收依賴度高的實(shí)驗(yàn)組的房價(jià)發(fā)生了更大幅度的正向偏離?？紤]到長效機(jī)制實(shí)施前，房價(jià)普遍負(fù)向偏離均衡水平，因此，正的系數(shù)值表明長效機(jī)制發(fā)揮了穩(wěn)定房價(jià)的作用。但這并不能完全支持假設(shè)1-1，還需要考慮房地產(chǎn)長效機(jī)制對實(shí)驗(yàn)組的動(dòng)態(tài)效應(yīng)。

（三）動(dòng)態(tài)效應(yīng)檢驗(yàn)

為檢驗(yàn)長效機(jī)制在長期內(nèi)對實(shí)驗(yàn)組房價(jià)波動(dòng)的影響，同時(shí)驗(yàn)證模型使用的合理性，以及克服潛在遺漏變量和互為因果關(guān)系的影響，本文進(jìn)行了動(dòng)態(tài)效應(yīng)檢驗(yàn)。理論上，如果存在遺漏變量，那么長效機(jī)制對房價(jià)波動(dòng)的影響不會(huì)顯著；如果長效機(jī)制與房價(jià)波動(dòng)互為因果關(guān)系，那么實(shí)驗(yàn)組和對照組的房價(jià)波動(dòng)會(huì)在長效機(jī)制實(shí)施前表現(xiàn)出顯著差異。鑒于此，本文以2016年為界，前后各取4年、5年數(shù)據(jù)，分別構(gòu)建長效機(jī)制實(shí)施時(shí)點(diǎn)變量進(jìn)行考察，估計(jì)模型如式（13）所示：

其中，Before 、Current 和After 分別表示長效機(jī)制實(shí)施之前、當(dāng)年和之后各年的虛擬變量（當(dāng)年取值為1，否則取0），并與房地產(chǎn)稅收依賴度exe 構(gòu)成交互項(xiàng)。

模型（13）估計(jì)結(jié)果表明，長效機(jī)制實(shí)施之前，交互項(xiàng)系數(shù)雖然逐漸下降，但不顯著，表明實(shí)驗(yàn)組與對照組的房價(jià)波動(dòng)并無顯著差異。從圖3可以看出，長效機(jī)制實(shí)施之后，交互項(xiàng)系數(shù)在前兩年內(nèi)大幅提高，并變得顯著，雖然其后兩年有所下降，但最后一年又大幅提升，并且后四年的系數(shù)都至少在5%水平上顯著。說明長效機(jī)制實(shí)施對實(shí)驗(yàn)組（即稅收依賴度高的城市）房價(jià)正向偏離的提升效應(yīng)顯著且具有持續(xù)性，因此，動(dòng)態(tài)效應(yīng)檢驗(yàn)在表5列（8）估計(jì)結(jié)果的基礎(chǔ)上，驗(yàn)證了假設(shè)1-1。此外，交乘項(xiàng)系數(shù)僅在長效機(jī)制實(shí)施之后顯著，驗(yàn)證了本文強(qiáng)度DID模型的合理性，也表明本文結(jié)論不受遺漏變量和互為因果問題的影響。

（四）穩(wěn)健性檢驗(yàn)

除上述動(dòng)態(tài)效應(yīng)檢驗(yàn)外，本文還進(jìn)行了以下安慰劑檢驗(yàn)：

第一，劑量效應(yīng)檢驗(yàn)。在基準(zhǔn)回歸中，本文按照房地產(chǎn)稅收依賴度的大小平均劃分為對照組和實(shí)驗(yàn)組。為避免分組方式可能造成的估計(jì)偏差，參考劉海明和曹廷求（2018）[43]、李建軍和吳懿（2021）[30]的做法，在保證分組樣本數(shù)量的要求下，分別將房地產(chǎn)稅收依賴度大于40、60、70分位數(shù)的樣本作為實(shí)驗(yàn)組（取值為1），小于相應(yīng)分位數(shù)的樣本作為對照組，按照表5列（8）的設(shè)定進(jìn)行回歸。結(jié)果顯示交互項(xiàng)系數(shù)均顯著為正，表明本文結(jié)論是穩(wěn)健的。

第二，更換樣本檢驗(yàn)。房地產(chǎn)長效機(jī)制的實(shí)施不僅在城市層面對房價(jià)波動(dòng)產(chǎn)生影響，同樣會(huì)發(fā)生在省際層面。本文借鑒胡成春和陳迅（2019）[44]的研究，將35個(gè)大中城市的城市面板數(shù)據(jù)替換為30個(gè)省、市、自治區(qū)的面板數(shù)據(jù)，同樣按照表5列（8）的設(shè)定進(jìn)行回歸，結(jié)果表明本文研究結(jié)論沒有受到明顯影響。

第三，更換被解釋變量。本文使用剔除了均衡趨勢影響的房價(jià)偏離程度來考察長效機(jī)制的影響，為進(jìn)一步驗(yàn)證上述結(jié)論是否存在時(shí)間趨勢的影響，在更換樣本的基礎(chǔ)上，使用房價(jià)增長率作為被解釋變量，并控制時(shí)間固定效應(yīng)，再次進(jìn)行檢驗(yàn)，發(fā)現(xiàn)與原有估計(jì)結(jié)果基本一致。

第四，外生沖擊檢驗(yàn)。本文考察了長效機(jī)制對房價(jià)波動(dòng)的影響，并控制了房地產(chǎn)短期調(diào)控政策，但未考慮2020－2021年間新冠疫情的影響。新冠疫情的爆發(fā)及其常態(tài)化防控，在一定程度上可能會(huì)對房地產(chǎn)開發(fā)和消費(fèi)造成影響，并可能影響房價(jià)預(yù)期，從而改變房價(jià)波動(dòng)的狀態(tài)?；诖?，在原有設(shè)定的基礎(chǔ)上，本文加入疫情虛擬變量（2020、2021年取值為1）再次回歸，發(fā)現(xiàn)交互項(xiàng)系數(shù)仍顯著為正，表明本文結(jié)論未發(fā)生改變。

上述檢驗(yàn)雖然不能為驗(yàn)證本文假設(shè)1-1提供直接證據(jù)，但在一定程度上說明了本文基本結(jié)論的可靠性。

（五）長效機(jī)制穩(wěn)定房價(jià)的機(jī)制與路徑分析

根據(jù)假設(shè)2和2-1，長效機(jī)制影響房價(jià)波動(dòng)的機(jī)制在于，通過地方政府對長效機(jī)制的執(zhí)行程度以及宏觀經(jīng)濟(jì)和房地產(chǎn)市場環(huán)境，政策不確定性導(dǎo)致房價(jià)波動(dòng)；而長效機(jī)制影響房價(jià)波動(dòng)的路徑在于政策不確定性改變了供需雙方對未來房價(jià)的預(yù)期，從而推動(dòng)房價(jià)波動(dòng)。因此，本部分使用模型（10）檢驗(yàn)長效機(jī)制影響房價(jià)的機(jī)制，使用模型（11）和（12）檢驗(yàn)長效機(jī)制影響房價(jià)的路徑。

本文采用動(dòng)態(tài)面板系統(tǒng)GMM方法進(jìn)行參數(shù)估計(jì)。與OLS等傳統(tǒng)方法不同，GMM方法不需要隨機(jī)誤差項(xiàng)的準(zhǔn)確分布信息，并允許誤差項(xiàng)存在異方差和序列相關(guān)。另外，與差分GMM相比，系統(tǒng)GMM方法更為有效，但要求所有工具變量都通過Hansen過度識別約束檢驗(yàn)。表6報(bào)告了長效機(jī)制影響房價(jià)的機(jī)制與路徑的估計(jì)結(jié)果，為檢驗(yàn)?zāi)Ｐ头€(wěn)健性，本文同時(shí)報(bào)告了模型（10）的混合OLS和固定效應(yīng)模型估計(jì)結(jié)果作為補(bǔ)充。

表6列（1）～（3）顯示了長效機(jī)制對房價(jià)的影響機(jī)制的估計(jì)結(jié)果，其中，GMM模型估計(jì)的房價(jià)偏離率一階滯后項(xiàng)系數(shù)介于OLS和FE估計(jì)系數(shù)之間，并且估計(jì)結(jié)果通過了AR（2）和Hansen檢驗(yàn)，表明GMM方法是有效的。估計(jì)結(jié)果顯示，政策不確定性系數(shù)為0.084，顯著為正，這意味著政策不確定性越高，房價(jià)波動(dòng)越大；政策不確定性與長效機(jī)制和房地產(chǎn)稅收依賴度的交互項(xiàng)系數(shù)顯著為正，為0.165，大于政策不確定性系數(shù)，意味著長效機(jī)制下，房地產(chǎn)稅收依賴度正向提升了政策不確定性對實(shí)驗(yàn)組城市房價(jià)波動(dòng)的影響。上述結(jié)論驗(yàn)證了本文的理論假設(shè)2-1。進(jìn)一步觀察宏觀經(jīng)濟(jì)變量和房地產(chǎn)市場變量與政策不確定性的交互項(xiàng)系數(shù)，可以發(fā)現(xiàn)，大部分變量在1%和5%水平下顯著，并且與未加入政策不確定性的系數(shù)符號一致，表明政策不確定性對于宏觀經(jīng)濟(jì)和房地產(chǎn)市場對房價(jià)的影響效應(yīng)為正。該結(jié)果支持了本文的理論假設(shè)2。

本文假設(shè)政策不確定性是通過改變供需雙方的房價(jià)預(yù)期，從而推動(dòng)了房價(jià)波動(dòng)。為驗(yàn)證這一路徑是否成立，本文首先以模型（11）進(jìn)行估計(jì)，以房價(jià)預(yù)期作為被解釋變量，以政策不確定性以及與長效機(jī)制和稅收依賴度的交互項(xiàng)作為解釋變量。列（4）結(jié)果顯示，這兩個(gè)變量的系數(shù)均顯著為正，也就是說，政策不確定性越高，供需雙方對未來房價(jià)的預(yù)期也越高，并且長效機(jī)制下，房地產(chǎn)稅收依賴度正向促進(jìn)了這一影響。同時(shí)注意到，長效機(jī)制與稅收依賴度的交互項(xiàng)系數(shù)顯著為負(fù)，也就是說，以房地產(chǎn)稅收依賴度表征的地方政府執(zhí)行強(qiáng)度對房價(jià)預(yù)期產(chǎn)生了明顯的負(fù)向影響，這一結(jié)論進(jìn)一步支持了研究假設(shè)2-1。然后，使用模型（12）進(jìn)行估計(jì)，以房價(jià)預(yù)期為解釋變量，以房價(jià)為被解釋變量。列（5）結(jié)果顯示，房價(jià)預(yù)期的系數(shù)顯著為正，意味著房價(jià)預(yù)期越高的城市，實(shí)際房價(jià)也越高。結(jié)合列（4）的結(jié)論，政策不確定性通過房價(jià)預(yù)期影響房價(jià)的路徑是成立的。另外，其他變量的系數(shù)與列（4）一致，同時(shí)，列（4）和（5）中政策不確定性與宏觀經(jīng)濟(jì)和房地產(chǎn)市場變量的交互項(xiàng)系數(shù)與列（3）的系數(shù)基本一致，進(jìn)一步驗(yàn)證了上述結(jié)論的可靠性。

六、結(jié)論與啟示

房地產(chǎn)長效機(jī)制實(shí)施至今，雖然已有大量文獻(xiàn)探討了如何構(gòu)建與完善長效機(jī)制，但長效機(jī)制是否穩(wěn)定了中國房價(jià)，長效機(jī)制對房價(jià)的影響機(jī)制如何，以及通過什么路徑影響房價(jià)，目前鮮有文獻(xiàn)進(jìn)行研究。通過構(gòu)建中央政府與地方政府的多任務(wù)委托代理模型和基于預(yù)期的供需模型，本文從理論上提出兩個(gè)方面的假設(shè)，一是房地產(chǎn)長效機(jī)制下，房地產(chǎn)稅收依賴程度的高低，會(huì)影響地方政府在房地產(chǎn)部門的資源配置，從而影響房價(jià)波動(dòng)；二是預(yù)期是影響房價(jià)的重要路徑，政策不確定性通過宏觀經(jīng)濟(jì)和房地產(chǎn)市場，以及地方政府的房地產(chǎn)稅收依賴程度，對房價(jià)預(yù)期進(jìn)而對房價(jià)波動(dòng)產(chǎn)生影響。

本文以中央政府推出房地產(chǎn)長效機(jī)制為自然實(shí)驗(yàn)，采用RDiT模型和強(qiáng)度DID模型考察長效機(jī)制對房價(jià)波動(dòng)的影響。實(shí)證結(jié)果驗(yàn)證了本文的理論假設(shè)。從短期來看，房地產(chǎn)長效機(jī)制不僅使負(fù)向偏離均衡的房價(jià)在短期內(nèi)回歸到均衡水平，也使房價(jià)波動(dòng)幅度大幅減小。從動(dòng)態(tài)來看，長效機(jī)制對房價(jià)的正向提升作用顯著且具有持續(xù)性。從區(qū)域來看，長效機(jī)制對中西部城市的影響更為顯著，而對東部一二線城市的影響并不明顯。進(jìn)一步考察長效機(jī)制對房價(jià)的影響機(jī)制與路徑，可以發(fā)現(xiàn)：其一，房地產(chǎn)長效機(jī)制下，政策不確定性是推動(dòng)房價(jià)波動(dòng)的顯著力量，而地方政府對房地產(chǎn)稅收的依賴程度正向促進(jìn)了其對房價(jià)的影響，相對而言，房地產(chǎn)稅收依賴度越高，長效機(jī)制對房價(jià)的影響越為顯著；其二，政策不確定性的存在，使預(yù)期成為影響房價(jià)的重要路徑，地方政府的政策執(zhí)行強(qiáng)度對供需雙方的房價(jià)預(yù)期具有明顯的負(fù)向影響，而政策不確定性通過影響供需雙方的房價(jià)預(yù)期對房價(jià)起著顯著的正向促進(jìn)作用。

回到本文的問題：房地產(chǎn)長效機(jī)制穩(wěn)定房價(jià)了嗎？本文研究表明，長效機(jī)制對負(fù)向失衡的房價(jià)回歸均衡水平，并縮小其波動(dòng)幅度起到了積極有效的作用。但在長期內(nèi)，長效機(jī)制的這一影響可能使未來房價(jià)產(chǎn)生泡沫風(fēng)險(xiǎn)，而不確定的政策環(huán)境和地方政府對房地產(chǎn)稅收的依賴會(huì)強(qiáng)化這一趨勢。因此，對于今后的房地產(chǎn)長效機(jī)制建設(shè)，本文提出以下幾點(diǎn)建議。第一，雖然長效機(jī)制的建設(shè)不是一蹴而就的，但房地產(chǎn)市場的健康與穩(wěn)定需要實(shí)質(zhì)性的基礎(chǔ)制度體系，中央政府應(yīng)全面評估各個(gè)組成制度的重要程度和實(shí)施難度，分梯次穩(wěn)步構(gòu)建。根據(jù)中央政府“房住不炒”的定位，應(yīng)首先構(gòu)建長期穩(wěn)定的貨幣政策和房地產(chǎn)金融政策，以支持城鎮(zhèn)居民剛性需求和改善性需求為政策基本目標(biāo)，從源頭上消除導(dǎo)致房價(jià)大幅波動(dòng)的投機(jī)成分，從而達(dá)到穩(wěn)定房價(jià)預(yù)期的目的。第二，長效機(jī)制對房價(jià)的影響路徑主要在于預(yù)期，而當(dāng)前長效機(jī)制的具體制度建設(shè)大都處于試點(diǎn)和擴(kuò)大試點(diǎn)階段。因此，為實(shí)現(xiàn)持續(xù)穩(wěn)定的房價(jià)預(yù)期，在構(gòu)建長效機(jī)制的同時(shí)，需要繼續(xù)維持一定限度的房地產(chǎn)短期調(diào)控。在經(jīng)濟(jì)下行壓力下，短期調(diào)控應(yīng)著力于穩(wěn)定房地產(chǎn)市場供給端，通過金融、信貸、行政等政策措施，對房地產(chǎn)開發(fā)商和中介進(jìn)行約束與監(jiān)督，促進(jìn)市場供給秩序的平穩(wěn)過渡。第三，降低政策環(huán)境的不確定性，在中央政府對地方政府的考核目標(biāo)上，從經(jīng)濟(jì)增長考核逐步轉(zhuǎn)向更為綜合的經(jīng)濟(jì)、社會(huì)和環(huán)境考核，放棄“錦標(biāo)賽式”的GDP增長速度競爭，重新劃分中央政府與地方政府的財(cái)權(quán)比例，或者通過轉(zhuǎn)移支付等手段給予地方政府更多的財(cái)政支配權(quán)，從而逐步降低地方政府對房地產(chǎn)稅收的依賴程度。

注釋：

① 2003年國務(wù)院發(fā)布《關(guān)于促進(jìn)房地產(chǎn)市場持續(xù)健康發(fā)展的通知》，正式開啟了對房價(jià)的調(diào)控，截至2021年，政府工作報(bào)告和中央經(jīng)濟(jì)工作會(huì)議公報(bào)中涉及房價(jià)調(diào)控目標(biāo)的表述，大都為“促進(jìn)房地產(chǎn)業(yè)持續(xù)健康發(fā)展”等類似的陳述，表明中央政府房價(jià)調(diào)控的初衷是在長期內(nèi)穩(wěn)房價(jià)。

② 2006年4月建設(shè)部住宅與房地產(chǎn)業(yè)司司長沈建忠提出，“要在總結(jié)經(jīng)驗(yàn)的基礎(chǔ)上，加強(qiáng)對深化城鎮(zhèn)住房制度改革和實(shí)施房地產(chǎn)市場調(diào)控的長效機(jī)制研究”。2007年沈建忠再次表示，調(diào)控政策將更加注重于落實(shí)，解決執(zhí)行率問題，更加注重長效機(jī)制的建設(shè)，從制度機(jī)制上保證健康的發(fā)展。

③ 根據(jù)國家統(tǒng)計(jì)局的區(qū)域分類說明，在35個(gè)大中城市中，北京、天津、石家莊、沈陽、大連、上海、南京、杭州、寧波、福州、廈門、濟(jì)南、青島、廣州、深圳、?？诘?6個(gè)城市歸入東部，太原、長春、哈爾濱、合肥、南昌、鄭州、武漢、長沙等8個(gè)城市歸入中部，其他11個(gè)城市歸入西部。

④ 一二三線城市是按照綜合實(shí)力對城市的分類，根據(jù)國家統(tǒng)計(jì)局的劃分，35個(gè)大中城市中，北京、上海、廣州和深圳為一線城市，其他31個(gè)城市為二線城市。

⑤ 分組后，每個(gè)分組的樣本量較小，使用OLS和2SLS估計(jì)會(huì)產(chǎn)生更大的偏誤，因此選擇使用RDiT估計(jì)。

參考文獻(xiàn)：

[1] 陳小亮，李三希，陳彥斌.地方政府激勵(lì)機(jī)制重構(gòu)與房價(jià)調(diào)控長效機(jī)制建設(shè)[J].中國工業(yè)經(jīng)濟(jì)，2018（11）：79-97.

[2] 王來福.預(yù)期、不可置信的承諾與政策失效——來自房地產(chǎn)業(yè)的實(shí)證檢驗(yàn)[J].財(cái)經(jīng)問題研究，2008（9）：56-62.

[3] 韓蓓，蔣東升.房地產(chǎn)調(diào)控政策的有效性分析——基于動(dòng)態(tài)一致性[J].經(jīng)濟(jì)與管理研究，2011（4）：22-31.

[4] 朱國鐘，顏色.住房市場調(diào)控新政能夠?qū)崿F(xiàn)“居者有其屋”嗎——一個(gè)動(dòng)態(tài)一般均衡的利率分析[J].經(jīng)濟(jì)學(xué)（季刊），2013（1）：103-125.

[5] 鄧柏峻，李仲飛，張浩.限購政策對房價(jià)的調(diào)控有效嗎[J].統(tǒng)計(jì)研究，2014（11）：50-57.

[6] 韓永輝，張佐敏，鄒建華.房地產(chǎn)“限購令”的調(diào)控機(jī)制與政策反思——基于單中心雙環(huán)城市模型的分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2016（7）：16-28.

[7] 王頻，侯成琪.預(yù)期沖擊、房價(jià)波動(dòng)與經(jīng)濟(jì)波動(dòng)[J].經(jīng)濟(jì)研究，2017（4）：48-63.

[8] 陳小亮.構(gòu)建房地產(chǎn)長效機(jī)制的對策探析：基于“長效”的視角[J].人文雜志，2018（8）：33-41.

[9] 周黎安.中國地方官員的晉升錦標(biāo)賽模式研究[J].經(jīng)濟(jì)研究，2007（7）：36-50.

[10] 曹廣忠，袁飛，陶然.土地財(cái)政、產(chǎn)業(yè)結(jié)構(gòu)演變與稅收超常規(guī)增長——中國“稅收增長之謎”的一個(gè)分析視角[J].中國工業(yè)經(jīng)濟(jì)，2007（12）：13-21.

[11] 易憲容“. 房地產(chǎn)化”經(jīng)濟(jì)的轉(zhuǎn)型和房地產(chǎn)長效機(jī)制的確立[J].探索與爭鳴，2017（8）：108-114.

[12] 劉中顯，榮晨.房地產(chǎn)市場調(diào)控長效機(jī)制的建立與完善[J].宏觀經(jīng)濟(jì)研究，2017（12）：92-105+128.

[13] 葉劍平，李嘉“. 住房-土地-財(cái)稅-金融”四位一體房地產(chǎn)調(diào)控長效機(jī)制構(gòu)建研究[J].中國軟科學(xué)，2018（12）：67-86.

[14] 謝啟秦.房地產(chǎn)利益相關(guān)者的行動(dòng)邏輯及其政策產(chǎn)出[J].公共管理與政策評論，2021（3）：134-143.

[15] 王京濱，夏貝貝.中國房地產(chǎn)改革40年：市場與政策[J].宏觀經(jīng)濟(jì)研究，2019（10）：25-34+168.

[16] 黃燕芬，張超“. 十二五”規(guī)劃以來我國房地產(chǎn)調(diào)控的政策分析[J].價(jià)格理論與實(shí)踐，2017（4）：25-28.

[17] 陳彥斌.房地產(chǎn)調(diào)控關(guān)鍵在于重構(gòu)激勵(lì)機(jī)制[J].財(cái)經(jīng)，2017（20）：108-109.

[18] HOLMSTROM B，MILGROM P. Multitask Principal-Agent Analyses：Incentive Contracts，Asset Ownership and Job Design[J].The Journal of Law，Economics & Organization，1991（7）：24-52.

[19] 尹振東.垂直管理與屬地管理：行政管理體制的選擇[J].經(jīng)濟(jì)研究，2011（4）：41-54.

[20] 皮建才，殷軍，周愚.新形勢下中國地方官員的治理效應(yīng)研究[J].經(jīng)濟(jì)研究，2014（10）：89-101.

[21] HORT K. The Determinants of Urban House Price Fluctuations in Sweden 1968－1994[J]. Journal of Housing Economics，1998（2）：93-120.

[22] CAPOZZA D R，HENDERSHOTT P H，MACK C，et al. Determinants of Real House Price Dynamics[R]. NBER Work?ing Papers，2002.

[23] 安輝，王瑞東.我國房地產(chǎn)價(jià)格影響因素的實(shí)證研究[J].財(cái)經(jīng)科學(xué)，2013（3）：115-124.

[24] PASTOR L，PIETRO V. Political Uncertainty and Risk Premia[R]. NBER Working Paper，2011.

[25] BLOOM N. The Impact of Uncertainty Shocks[J]. Econometrica，2009，77（3）：623-685.

[26] BAKER S R，BLOOM N，DAVIS S J. Policy Uncertainty：A New Indicator[D].Centre Piece-The Magazine for Economic Perfor?mance 362，Centre for Economic Performance，2012.

[27] BAKER S R，BLOOM N. Does Uncertainty Drive Business Cycles？Using Disasters as Natural Experiments[R]. NBER WorkingPaper，2011.

[28] 張浩，李仲飛，鄧柏峻.政策不確定、宏觀沖擊與房價(jià)波動(dòng)——基于LSTVAR模型的實(shí)證分析[J].金融研究，2015（10）：32-47.

[29] CHEN S X. Effect of Fiscal Squeeze on Tax Enforcement：Evidence from a Natural Experiment in China[J]. Journal of Public Eco?nomics，2017，147（1）：62-76.

[30] 李建軍，吳懿.稅收分成、財(cái)政激勵(lì)與制造業(yè)企業(yè)活力[J].財(cái)貿(mào)經(jīng)濟(jì)，2021（9）：5-19.

[31] 陳晨，傅勇.中國高房價(jià)的決定：基本面與泡沫分解——基于面板數(shù)據(jù)的實(shí)證研究（1999－2009）[J].世界經(jīng)濟(jì)文匯，2013（2）：50-66.

[32] 況偉大.預(yù)期、投機(jī)與中國城市房價(jià)波動(dòng)[J].經(jīng)濟(jì)研究，2010（10）：67-77.

[33] 高波，王文莉，李祥.預(yù)期、收入差距與中國城市房價(jià)租金“剪刀差”之謎[J].經(jīng)濟(jì)研究，2013（6）：100-112+126.

[34] 王先柱，楊義武.差異化預(yù)期、政策調(diào)控與房價(jià)波動(dòng)——基于中國35個(gè)大中城市的實(shí)證研究[J].財(cái)經(jīng)研究，2015（12）：51-61+71.

[35] 賈生華，李航.房地產(chǎn)調(diào)控政策真的有效嗎？——調(diào)控政策對預(yù)期與房價(jià)關(guān)系的調(diào)節(jié)效應(yīng)研究[J].華東經(jīng)濟(jì)管理，2013（11）：82-87.

[36] 趙奉軍，駱祖春.經(jīng)濟(jì)政策不確定性與房地產(chǎn)投資[J].現(xiàn)代經(jīng)濟(jì)探討，2019（11）：13-20.

[37] BAKER S R，BLOOM N，DAVIS S J. Measuring Economic Policy Uncertainty[J]. Quarterly Journal of Economics，2016，131（4）：1593-1636.

[38] HUANG Y，PAUL L. Measuring Economic Policy Uncertainty in China[J]. China Economic Review，2020，59（2）：1-18.

[39] Hausman C，Rapson D S. Regression Discontinuity in Time：Considerations for Empirical Applications[R]. NBER Work?ing Paper，2018.

[40] LIN，X.，LV，P. Spatial Correlation and Influencing Factors of Housing Price in Beijing- Tianjin- Hebei Urban Agglomeration Based on Spatial Durbin Model[J].Inquiry into Economic Issues，2021（1）：79-90.

[41] VIG V. Access to Collateral and Corporate Debt Structure：Evidence from a Natural Experiment[J]. Journal of Finance，2013，68（3）：881-928.

[42] 錢雪松，方勝.擔(dān)保物權(quán)制度改革影響了民營企業(yè)負(fù)債融資嗎？[J].經(jīng)濟(jì)研究，2017（5）：146-160.

[43] 劉海明，曹廷求.續(xù)貸限制對微觀企業(yè)的經(jīng)濟(jì)效應(yīng)研究[J].經(jīng)濟(jì)研究，2018（4）：108-121.

[44] 胡成春，陳迅.經(jīng)濟(jì)政策不確定性、房地產(chǎn)市場與宏觀經(jīng)濟(jì)波動(dòng)[J].經(jīng)濟(jì)問題探索，2019（8）：26-35.

（責(zé)任編輯：彭晶晶）