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)