限購政策對住房市場影響的實證分析

吳耀國，杜 江，鄧國營

（四川大學 經濟學院,成都 610065）

限購政策對住房市場影響的實證分析

吳耀國，杜 江，鄧國營

（四川大學 經濟學院,成都 610065）

文章基于DID模型選取成都市的兩個區域作為對比研究區域，采用2008年3月至2014年2月兩個區域房地產市場的全樣本微觀交易數據來研究限購政策對住房市場的影響，實證結果表明：限購政策對住房價格的負向影響是顯著的，導致住房價格下降約6.5%～6.8%，且對大套型住房的影響超過中小套型住房。此外，在控制價格以后，限購使得消費者偏好發生了變化，購房家庭傾向于購買大面積的住房。

住房限購；住房價格；購房行為

0　引言

近年來，在城市化快速推進的背景下，我國絕大部分城市商品住房需求快速增加，住房市場迅速發展，為防止住房價格與經濟基本面背離，我國住房市場的發展進程始終伴隨著政府的調控，其中“住房限購”相繼在我國部分大中城市實施。探究限購對市場的影響路徑，研究限購給房地產市場以及微觀消費者帶來的影響，對于了解和調控房地產市場具有重要意義。

本文采用成都限購前后各三年的微觀數據，基于DID模型對住房限購給房地產市場帶來的影響進行嚴格的實證分析。采用微觀交易數據測度了住房限購政策對住房價格的負向影響程度；給出政策對不同面積段住房的影響差異，并對此作出理論解釋；測度了住房限購政策對購房者購房偏好的影響。

1　研究區域與數據選擇

本文采用的微觀住房交易數據樣本來源分為兩部分，其中高新西區的交易數據來源于成都市城鄉房產管理局房地產市場信息系統，犀浦鎮和紅光鎮的交易數據來源于郫縣房產管理局房地產市場信息系統，均為行政管理系統中的全樣本數據。基于數據可比性的考慮，樣本中不包含定向發售的、帶有福利性質的住房，全部為面向社會公開發售的市場化新建商品住房；也不包括別墅、花園洋房、普通多層等低層物業，全部為電梯住宅物業。樣本數據時間跨度為2008年3月1日至2014年2月28日，即以成都限購正式實施的時刻2011年3月1日0點為標準，起于該時刻前三年，止于該時刻后三年，共六年的交易樣本。

樣本的數據變量包括：所在區位、開發商、預售證的總建筑面積、預售證的批準預售時間（即上市時間）、房屋交易備案日期、交易時是否為現房、房屋交易總價、房屋建筑面積、房屋所在樓層、是否為復式住宅、房屋建筑結構、是否繞城外等。經初步整理后，可用觀測值數據共93305條。用于模型回歸的主要變量的描述和定義見表1。主要變量的描述性統計見表2。

2　實證分析

當對某一地區實施了住房限購政策，要了解政策對住房市場的影響，即平均意義上，限購區域在接受處理和未接受處理時所研究的關注變量的差別，被稱為限購政策實施對限購區域的平均處理效應（Average Treatment Effect，以下稱ATE）。但是，由于既定個體只能在接受處理和未接受處理間任選其一，因此，我們面臨一種“反事實”狀態的數據缺失。

由于存在自然與經濟環境大體相似的相鄰地區，不受該政策約束。本文把對象分為兩組，G=0表示不參加該限購政策的控制組，G=1表示參加該限購政策的處理組。T代表實施限購的時間虛擬變量，T=1表示實施處理后，T=0表示實施處理前。記Y為被解釋變量，X為可觀測到的影響Y的因素，ε是對Y的暫時性沖擊。考慮如下形式方程：

假設ε與G,T以及X相互獨立，且不可觀測因素的分布在處理組和控制組存在差別但不隨時間而變化，可以證明，ATE在數值上等于式（1）中的系數λ。式（1）被稱為DID模型，其思想是將受限購區域與未限購區域進行對比，將處理組前后進行對比，系數β則刻畫控制組與處理組之間可能存在的組別差異，系數γ刻畫兩個區域限購實施后相比實施前住房價格的變化程度。乘積G·T為虛擬變量的交互作用，描述是否為處理組在實施處理后的情形。如果政策的效果是顯著的，則系數λ的符號應該符合預期并顯著通過檢驗。

表1　主要變量的描述和定義

表2　主要變量的描述性統計

為了提高研究的可靠性，本文對比了處理組和控制組的住房市場指標。Zheng等（2013）認為，住房價格是城市未來潛力（市場潛能）在當前的反應。高新西區雖然被視為中心城區的一部分，但該區域仍呈現較為明顯的城市近郊特征。圖1給出了成都市中心城區（不含高新西區）、高新西區、郫縣（不含犀浦、紅光）、犀浦及紅光四個區域的商品住房價格走勢圖。可以看出，高新西區與犀浦、紅光住房價格最為接近。圖2表示，在控制其他住房特征后，處理組和對照組兩個區域的成交價格走勢，其走勢高度相似。因此認為，高新西區、犀浦鎮和紅光鎮經濟社會發展相近，是良好的對比研究對象。

圖1　不同區域商品住房成交價格對比

圖2　 商品住房成交價格（控制其他因素）走勢圖

3　實證結果分析

3.1住房限購政策對住房價格負向影響程度的測度

在式（1）中，以住房價格的自然對數為被解釋變量Y，即以下式回歸：

《甘肅科學學報》1989年創刊，為雙月刊，是中國科技論文統計源期刊(中國科技核心期刊)、中國科學引文數據庫源期刊、中國核心期刊(遴選)數據庫源期刊、甘肅省優秀期刊，屬自然科學綜合性學術刊物，由甘肅省科學院主辦，在甘肅省內外享有一定的知名度。學報按學科主要劃分為基礎科學、工程技術、物理、生物、醫學等欄目。雖然經過這些年的整合歸口，形成了具有本刊特色的大學科分類，但是在甘肅省出版的各種科技期刊中，期刊的品牌知名度并不是十分突出，許多學術研究并不僅僅局限于具體欄目。《甘肅科學學報》的品牌要想被大范圍的接受認可并聞名遐邇，期刊品牌建設和品牌的傳播是不可或缺的環節。

由于住房是典型的異質性商品，其價格受到住房的多種特征影響，結合本文研究的重點，式（2）中X控制的住房特征包括：①房屋建筑面積：由于面積較小戶型相對來說具有較好的流動性，面積較大戶型相對來說居住品質較高，這兩類住房單價通常較高，為了捕捉這一可能存在的非線性影響，本文控制了面積的平方項。②是否為限購區域：限購區域享受中心城區的城市規劃、政務服務等，預期虛擬變量“是否為限購區域”系數為正。③是否繞城外：繞城外離市中心更遠，預期虛擬變量“是否繞城外”系數為負。④是否知名企業：孫嶠（2012）的研究表明，在預售商品住房制度下，開發企業品牌成為住房不確定性質量標識的條件。本文依據“中國房地產企業百強榜單”，選擇近年來在該研究區域有商品住房項目的6家全國著名房地產企業保利、恒大、中海、綠地、龍湖、華潤作為品牌房地產企業，以虛擬變量“知名企業樓盤”標識成交樣本。預期該變量影響為正。⑤預售證面積：樓盤越大，品質越高，單價可能因此更高；但也可能由于規模效應，單價因此更低。該變量對價格的影響不確定。⑥銷售持續時間：一般來說，該時間過長會對住房價格有負向影響。⑦是否現售：如果購買的為期房，將導致較長的入住等待時間，因此會對房屋的價格產生一定的負面影響，而現房更受歡迎，因此，預期該變量系數為正。⑧是否復式：一般來說，復式住宅相比普通住宅檔次更高，預期該變量系數為正。⑨房屋所在樓層：房屋所在樓層是影響住房價格的重要因素，一般來說，樓層越高，價格越高。⑩時間虛擬變量：由于住房市場受宏觀經濟、社會發展等綜合因素以及其他與時間相關不可觀測因素的影響，存在本身的走勢，本文分別以年和月為單位進行了控制。住房價格模型的回歸結果見表3。

表3　住房價格模型回歸結果

表3的回歸結果采用了遞進式的三個方程，自變量有所差異。在回歸（1）中，僅包含標準DID的三個虛擬變量以及年份虛擬變量；回歸（2）在回歸（1）的基礎上加入了住房特征屬性的控制變量；相較于回歸（2），回歸（3）將年份虛擬變量進一步細化為每年的各月份。

結果顯示，所有控制變量的正負號均符合預期，并且均在1%的統計水平上顯著。交叉項的回歸系數全部為負，都在1%的水平上顯著，并具有很強的穩健性，說明限購確實對降低住房價格起到了明顯的作用。

回歸系數顯示，平均而言，限購大約導致限購區域新建商品住房價格平均下降6.5%～6.8%左右，按照限購區域限購后5674元/平方米左右的住宅價格，限購大約使得限購區域新建商品住宅均價下降大約396～414元/平方米。

3.2限購政策對不同面積段住房價格的影響

為捕捉限購政策對不同面積段住房價格的影響，本文以90平方米和144平方米作為界限，將樣本按建筑面積分成90平方米（含）以下、90～144平方米（含）、144平方米以上三部分，對不同面積段住房用式（2）分別進行回歸。考慮到面積已經分段，本文在控制變量中取消了住房面積的平方項。不同面積段住房價格模型的回歸結果見表4。

表4　不同面積段住房價格模型回歸結果

由表4可知，限購分別導致90平方米以下住房、90～144平方米住房、144平方米以上住房價格平均下降4.6%、11.0%和21.9%，也就是說，面積越大，受到的影響越大。

3.3住房限購政策對人們購買住房面積的影響

在DID模型中，本文以住房面積作為被解釋變量，即以下式回歸：

回歸結果見表5，所有模型中時間虛擬變量均采用年份。除時間虛擬變量外，回歸（1）僅用標準DID的三個虛擬變量作為解釋變量，在回歸（2）中，本文加入了如下變量進行控制：①房屋交易單價：價格越高，購買面積越小，預期影響為負；②是否復式：復式住宅一般面積更大，預期影響為正；③其余變量包括：是否繞城外、是否知名企業、銷售持續時間、是否現售、房屋所在樓層等，這些變量對面積的影響不確定。

表5　住房面積模型回歸結果

模型中，限購對住房成交面積的影響是顯著的，在不考慮價格變化的情況下，限購使得住房成交面積平均有3.5%左右的增加；在控制住房價格及其他因素后，有2.7%左右的增加。在控制變量方面，住房價格、是否為復式住宅變量顯著，符合預期。其余控制變量亦顯著，但影響較小。

4　結論

本文的研究結論表明，住房限購政策導致限購區域住房價格平均顯著下降約6.5%～6.8%，限購對住房價格有顯著的負向影響，從實施這一政策的初衷來看，政策取得了預期效果。

研究結果還表明，限購政策對住房價格的負向影響與住房面積相關，住房面積越大，受到的影響越大。依據限購政策，如果家庭已有多套住房，則沒有再次購房的資格，而那些沒有住房以及僅有一套住房的家庭仍然可以購房。因此，限購政策改變了真實交易中購房家庭的結構特征。我們注意到，面積較小住房的潛在客戶一般為首次置業或首次改善型置業家庭，因此其潛在客戶因限購而失去購房資格的比例較小，從而這部分住房的價格受到沖擊較小；相對而言，中等面積或較大面積住房的潛在客戶一般為經濟條件優越的家庭，而這樣的家庭往往已經擁有住房，甚至擁有多套住房，因此，其潛在客戶因限購而失去購房資格的比例較大，從而導致住房價格受到沖擊較大。按照面積大小分段觀察，政策對中小套型住房價格的負向影響程度不及大套型。

此外，在受到購買套數限制時，人們更傾向于購房“一步到位”，即購買面積更大的住房。由于限購改變了購房家庭的結構特征，可以預期，在控制家庭結構特征的情況下，限購對家庭住房購買行為傾向的影響比2.7%更大。

[1]Wooldridge J M.Econometric Analysis of Cross Section and Panel Da?ta[M].Cambridge:MIT Press,2002.

[2]Zheng S，Kahn M E.China’s Bullet Trains Facilitate Market Integra?tion and Mitigate the Cost of Mega City Growth[J].Proceedings of the National Academy of Sciences,2013,110(14).

[3]陳強.高級計量經濟學及Stata應用（第二版）[M].北京：高等教育出版社，2014．

[4]孫嶠.預售商品住房不確定性質量的識別與度量[M].北京：北京師范大學出版社，2012．

[5]鄧國營，甘犁，吳耀國.房地產市場是否存在“反應過度”?[J].管理世界，2010，(6)．

[6]王敏，黃瀅.限購和房產稅對房價的影響：基于長期動態均衡的分析[J].世界經濟，2013，(1)．

（責任編輯/劉柳青）

F222.3

A

1002-6487（2016）22-0126-03

國家自然科學基金資助項目（71203149）

吳耀國（1981—），男，安徽宿松人，博士研究生，研究方向：應用微觀計量、房地產經濟學。杜江（1958—），男，甘肅敦煌人，教授，博士生導師，研究方向：計量經濟學、公司金融。鄧國營（1980—），男，山東泰安人，博士，副教授，研究方向：房地產經濟。