一帶一路真的會帶動房價嗎？

【摘要】“一帶一路”這一創新性的國家發展戰略，其主要目的在于建立政治互信、經濟融合、文化包容的利益共同體，與沿線各國互通有無，共享發展成果。在這個不斷地探索的過程中，不少學者對其國際影響力做了較為詳細的研究，但是關于其對本國經濟帶上城市直接影響的定量分析卻少之又少。而客觀評價該政策對于本國沿線城市的影響對于進一步的實施和完善具有重要意義。因此，本文利用雙重差分傾向得分匹配法（PSM-DID）研究了“一帶一路”政策的實施對絲綢之路經濟帶上城市房價的影響。截止到目前可收集數據的年份，研究顯示從目前來看一帶一路政策并未對沿線城市房價起到帶動作用。

【關鍵詞】一帶一路；雙重差分法；房價

1、引言

2013年9月和10月，國家主席習近平在出訪中亞和東南亞國家期間，先后提出共建“新絲綢之路經濟帶”和“21世紀海上絲綢之路”（以下簡稱“一帶一路”）的國際區域合作新模式，旨在開啟中國對外開放的新戰略、新征程。至今，“一帶一路”在各大工作報告會中頻頻出現，關于“一帶一路”的研討會、博覽會在各地也如雨后春筍般涌現。2015年3月28日，國家發展改革委、外交部、商務部發布《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》（國家發展改革委等，2015）。該文件對經濟帶上的各個相關城市明確了功能定位，比如：要求發揮陜西、甘肅綜合經濟文化和寧夏、青海民族人文優勢，打造西安內陸型改革開放新高地，加快蘭州、西寧開發開放，推進寧夏內陸開放型經濟試驗區建設，形成面向中亞、南亞、西亞國家的通道、商貿物流樞紐、重要產業和人文交流基地。因此，

“一帶一路”的實施在理論上應該會對這些中西部省市產生較為重大的影響。

確實，一項政策的提出，往往最受人們關注的是其目的和影響力。“一帶一路”肩負的第一大使命是在我國經濟轉型期間探索新的經濟增長道路。而房地產作為拉動我國經濟增長的三大馬車之一，在過去的幾十年中，從投資、生產和消費三個方面都對我國經濟增長做出了巨大的貢獻。因此，欲想研究“一帶一路”對中西部省市的經濟影響可從對房地產的影響著手。而房價又是體現房地產發展水平最直觀的指標。綜上所述，研究“一帶一路”的實施是否會對絲綢之路經濟帶上的城市房價帶來影響具有重要意義。

那么，“一帶一路”的實施是否會對絲綢之路經濟帶上的城市房價帶來影響呢？本文將對其進行實證分析并得出相關結論。本文余下的結構分布如下：第二部分對相關文獻進行梳理，第三部分基于DID方法構建實證模型，第四部分對數據進行處理，展示研究結果和相關分析，第五部分總結全文。

2、文獻綜述

本文的文獻回顧按如下三條思路展開，首先是從2013年一帶一路戰略宣布實行以來有關一帶一路對于房地產市場發展的文獻回顧，第二是對DID方法的應用和發展進行文獻回顧，最后對國內相關的對房價影響因素探討的文獻進行回顧。

首先，對于一帶一路政策對房地產產業的發展的影響問題。王佳佳，趙慧娥在《“一帶一路”戰略背景下我國農村房地產發展存在的問題及對策》一文中指出因此，在我國經濟仍然面臨“三期疊加”挑戰的大背景下，以2013年下半年我國房地產限貸政策松動為契機，通過實施“一帶一路”戰略帶動我國農村房地產發展，不僅關系到區域經濟的可持續發展，更關系到整個社會的和諧穩定。他們認為一帶一路政策和房地產政策的疊加作用對中國經濟的發展和社會的穩定有很大的作用，這是從宏觀層面上對于政策的效應進行了定性的評述。而中國房地產報則在2015年發表有關社評指出房地產企業在一帶一路政策的作用下，不僅僅可以在相關重點城市進行投資開發，更加可以走出去，進行國際之間的房地產開發項目合作。聶梅生在房地產與一帶一路共舞一文中也提出了與前文相似的觀點，即從口岸城市到國際開發，房地產產能轉移的思路。由此可見，在一帶一路政策施行之后，國內各界人士都認為，一帶一路政策在地區房地產業持續發展，西部城市開發和房地產產能對外釋放的問題上存在樂觀態度。但是國內文獻的研究也存在一些不足，一方面以定性分析為主，不夠量化和直觀，另一方面，對于一帶一路對于絲綢之路經濟帶上城市的影響是一個空白，因此本文選擇定量方法分析一帶一路政策對于絲路經濟帶上主要城市的房價的影響。

另外，對于政策實驗的檢驗，目前比較流行的是采取DID方法進行檢驗，DID方法簡潔而且清晰，在諸多領域均有應用。魏丹，許培源在《TPP投資效應的實證分析》一文中，將美國加入TPP作為一個政策變量進行研究分析。陳浩，孫斌棟在《城市區界重組的政策效應評析》一文中，采用DID方法對區界重組進行研究和分析，并且指出在不能保證政策實驗隨機性的問題下，最好采用PSM方法對DID方法進行修正，也就是傾向得分匹配法加雙重差分，以此保證DID方法的準確性。另外，對于DID方法具體操作和回歸上而言，Bertrand等（2004）曾指出DID估計中若忽視序列自相關則其OLS估計標準誤偏大。因此，本文會在檢驗組內自相關、組間異方差或同期相關三個因素的情況下，實現實驗情況采用更為全面的FGLS估計。

最后在房價的影響因素問題上，Clalre A.Montgomery2002通過價格結構模型研究了美國房地產市場，發現美國房屋建設增長隨著國民收入的增加而增加，減少而減少。Green研究了住宅房地產投資與GDP之間的關系，發現住宅房地產投資相對GDP是外生變量，而GDP相對于房地產投資是內生變量。李玉梅（2012）在我國房地產價格變動特征及其影響因素的實證研究一文中指出根據房屋價格的供求關系分析，房地產價格可以由宏觀經濟情況，城鎮家庭數量和房屋銷售面積決定。而關于政府政策和房價方面，況偉大（2005）從土地價格角度，高鐵梅（2007）從房地產信貸角度，嚴金海、豐雷和包曉輝（2009）從土地供應和代表房改、供地方式轉變的虛擬變量角度，王家庭（2014）從房產稅征稅這一虛擬變量角度，分別闡述了政府調控變量對我國房價的重要影響。

3、基于DID方法的一帶一路政策房價變化實證模型

3.1實證模型建立

雙重差分法（DID方法）是一種廣泛用于檢驗解釋變量在自然實驗或者隨機實驗前后的變化的計量方法。其主要思想是通過對比政策對政策組（政策施加影響的一組）與對照組（政策未施加影響的一組）之間的對照效應，來衡量政策的效果，刻畫政策的作用。可以用于政策對經濟變量影響的動態性檢驗。DID方法思路簡潔，并且可以避免分組效應和時間效應。由于中國各省會房價之間存在有較強的異質性，因此在模型建立的時候，選取DID方法的評估，更加適宜。

本文設ui和ti兩個虛擬變量用于衡量政策效應，其中ti為實驗期虛擬變量，（ti=1，實驗后，在本文中即為2014年后；ti=0，實驗前，在本文中即為2013年及以前）而ui則是政策虛擬變量，（ui=1，實驗組；ui=0，對照組）

那么我們的模型就可以設為

模型（1）中，β0指的是未實行一帶一路的對照組的固定效應，也就是對照組在實驗期的固定效應。而β1指的是非一帶一路的對照組的時間效應，也就是對照組在實驗前后房價的變動效應，而β2指的是一帶一路施行區域和未實行一帶一路政策的區域在一帶一路政策施行前后的影響（即政策組和對照組在非實驗期的差異），β3則是實行一帶一路政策實行后和一帶一路政策實行地的交叉影響，這就構成了DID的統計量。ε指的是殘差，那么雙重差分法的解釋如下表。

由該表格可見一帶一路政策在實行之后，對非絲路經濟帶的省份影響是β0+β1，對絲路經濟帶的省份影響是β0+β1+β2+β3，而在未實行一帶一路之前，絲路經濟帶的效應為β0+β2，因此一帶一路對絲路經濟帶省份的影響差分是β1+β3，而對非絲路經濟帶的影響差分是β1，綜合上述，此時的雙重差分估計量就應該是交叉項系數β3。

當然房價如果僅僅使上述的政策虛擬變量和時間虛擬變量解釋，可能會造成可決系數過小的情況，因此我們引入其他協變量。根據相關的文獻資料和目前搜集數據的可行程度，我們設定協變量為當地的商品房銷售面積的對數Ins，商品房投資額的對數Ini，人均GDP的對數Inpg。那么我們的模型就變為：

其中的Xit就是這些協變量的表示形式，當然再加入協變量之后，對于原來的雙重差分估計值沒有影響，仍然是β3。

3.2對比組的設置和變量的選取

1.對比組設置

我們選取了中國所有的省會城市作為我們的實驗組和對比組的樣本，其中，絲路經濟帶的14個省份的省會作為實驗組，而其他的16個省份的省會及直轄市設為對照組，首先通過控制省會這一政治因素的影響，使我們的對比相對有效。

2.變量的選取

（1）被解釋變量，選擇各城市的房價作為解釋變量，為了使得統計數據相對誤差較小，采用取對數的方法。因此我們的被解釋變量就選擇的是Inp。

（2）協變量的選擇

基于房屋定價的供求模型，P=f（Qs，Qd）以及房屋供給量Qs的決定因素和房屋需求量Qd的決定因素，我們設定P=P（Inpg，Ini，Ins）

協變量解釋：

Inpg：指的是人均gdp的對數，衡量的是當地經濟發展的基本情況，并且也可以間接地反映出當地民眾對于房屋購買的需求情況。

Ini：指的是當地商品房投資額的對數，衡量的是當地住房供給市場在資金提供方面的情況，反映的是當地房地產供應方對房屋的供給情況。

Ins：指的是當地商品房銷售面積的對數，用來衡量當年商品房市場的交易情況，作為衡量當地房價發展的一個指標。

我們在數據的選取方面，采用了來自中國社會與經濟發展統計數據庫的數據，選取了全中國除西藏，香港，澳門，臺灣省之外的其他30個省會城市以及直轄市從2006年到2014年的統計數據，其中，實驗組是絲路經濟帶上的各省會城市，包括：烏魯木齊，重慶，西安，蘭州，銀川，西寧，呼和浩特，哈爾濱，長春，沈陽，南寧。對照組則包括其他各省會城市及直轄市。在本研究的數據處理中，存在合肥市，貴陽市和蘭州市的2014年人均GDP缺失的情況，采用線性插值法將數據補全，其他協變量及被解釋變量均采用對數形式。表2反映了各變量的均值，中位數，標準差等統計情況

4、實證結果分析

對于本次研究所采取的數據，我們進行初步的處理，對該模型進行的數據特征檢驗如下表。對該面板數據異方差情況進行檢驗，據沃爾德檢驗顯示，其p值等于0，故拒絕同方差的原假設，認為存在組間異方差。對該面板數據的自相關情況進行檢驗，檢驗結果顯示此時的p值為0，故認為存在一階組內自相關的情況。緊接著，我們對組內的同期相關性進行檢驗，最終得出結果發現pesran檢驗的結果p值為0，因此認為組內存在同期相關的情況，由于存在組內異方差，組內自相關和組內同期相關的問題，因此我們經過了OLS+面板校正標準誤差和全面FGLS的數據結果比對后，決定采取全面FGLS方法進行估計。

接著對該面板數據選用固定效應或者隨機效應進行檢驗.檢驗結果如表3示。

第一，通過F檢驗在混合估計模型和固定效應模型之間進行選擇。利用STATA軟件，我們發現F檢驗的P值為0，F檢驗值為43.86，在1%的水平上顯著，認為此刻強烈拒絕“不存在固定效用”的原假設，即固定效應模型強于混合效應模型。

第二，通過LM檢驗在混合估計模型與隨機效應模型之間進行選擇。利用STATA軟件，我們發現LM檢驗的P值為0，強烈拒絕“不存在個體隨機效用”的原假設，即隨機效應模型強于混合效應模型。

第三，通過Hausman檢驗在隨機效應模型和固定效應模型中進行選擇。利用STATA軟件，我們發現Hausman檢驗的P值為0.6337，此時Hausman檢驗的檢驗值為2.56，故接受“擾動項和所有解釋變量都不相關”的原假設，即隨機效應模型強于固定效應模型。

綜上所述，設定該面板數據為隨機效應模型，采用FGLS方法進行估計。

4.1一帶一路對房價上漲的初步檢驗

一帶一路政策作為當代中國最主要的國家級發展戰略，對于帶動西北部經濟起到了很大的作用，一帶一路政策作為一個準自然實驗，本文運用DID方法對一帶一路的房價效應進行了綜合評估。

通過FGLS雙重差分法進行估計之后，所得結果如表4示。其中列1表示的是未添加協變量時的雙重差分檢驗，列2表示的是添加協變量之后的雙重差分檢驗，從列1可見，在未添加協變量的情況下，雙重差分的估計值為0.0284，但此時的顯著性水平很低，故無法認為政策存在顯著的處理效應。盡管一帶一路政策的虛擬變量和時間虛擬變量是顯著的，而且我們發現一帶一路政策對房價存在微弱的負相關作用。但是由于DID系數不顯著，故無法體現出絲路經濟帶在一帶一路政策實施后的明顯處理效應。因此根據該模型可得出結論，一帶一路政策在實施前后，房價在對照組和政策組中存在普遍的上升，但是只能夠表現出時間趨勢，一帶一路政策并未對絲綢之路經濟帶上的省會城市房價產生明顯影響。

再看添加了協變量的雙重差分估計值，我們發現，再添加協變量之后，時間虛擬變量，政策虛擬變量和雙重差分值都縮小了，說明實驗期前后的房價上漲有一部分可以用協變量解釋。再來看控制變量的實證分析結果。在回歸結果第二列中，時間虛擬變量和雙重差分值都并不顯著，但是可以發現房地產投資額，房屋銷售面積和房屋人均GDP的存在顯著的影響。首先，人均GDP（當地經濟發展水平和人民富裕程度）和房價存在顯著的正相關，相關系數為0.46。這和我們前文的文獻綜述中描述的房價和人均GDP水平呈正相關關系，也就是說當地人民的生活水平越高，經濟越發達，房價越高，這個假設是可以成立的。第二個控制變量是商品房投資額，我們發現商品房投資額和房價存在顯著的正相關，相關系數為0.328，也就說明當地對房地產投資水平越高，房價越高，這是可以從商品房的成本角度來解釋的。第三個控制變量是當地的住房銷售面積，也就是說，隨著房地產銷售面積的增大，房價會降低。可以從兩個角度來解釋，第一房屋銷售面積擴大，使得住房的成本可以攤薄，這樣對于房價的下降有一定的推動作用。第二是房屋的銷售面積大了之后，市場上供求影響了房屋價格的形成，使得房價下降，因此此刻房價與房屋銷售面積呈現負相關。

4.2 PSM-DID方法檢驗一帶一路對房價的影響

DID方法的一個重要前提就在于在自然實驗的過程中，需要存在隨機性，也就是說，如果需要注意的是，換句話來說，一帶一路政策的線路是隨機選擇的，其政策的實施概率應該和城市無關，但是如圖所示我們發現，一帶一路政策的實施城市主要是沿著絲綢之路經濟帶展開的。為了能夠解決該問題，我們需要采用傾向得分匹配法進行雙重差分估計。

為了解決這個問題，目前最好的方法是采用傾向得分匹配法，通過選取和絲綢之路經濟帶在房價，房地產投資額，房地產銷售面積和人均GDP相似的控制組進行篩選和評估，以此縮小雙重差分法在自然實驗上出現的非隨機性偏誤。

PSM的基本思想如下：首先，選取與政策組中房地產投資額和銷售面積，人均GDP等變量，以這些變量回歸尋找出一帶一路政策施行后房價變化可能相似的對照組。然后，使用概率預測值（即傾向性得分）構造一個權重矩陣，處理組與控制組樣本的概率預測值差距越小，表示兩組樣本一帶一路政策后房價變化的相似可能性越接近，則賦予更高的權重值。PSM方法中最常用的是使用Kernel Matchlng（利用了所有控制組信息，控制組樣本與處理組越相似，權重越大）。我們采用雙重差分法加傾向得分匹配法，發現雙重查分的系數仍然并不顯著，且一帶一路政策實施這個虛擬變量仍然存在負效應。以上結論表明，一帶一路政策對房價存在微弱的負效應，但是顯著性水平較低，而時間效應盡管存在一定的正效應，但是這只能說明房價存在上升趨勢，并不能體現出一帶一路政策對思路經濟帶上省會城市的影響。

表5：基于PSM-DID模型對一帶一路房價的檢驗

結論：

通過構建模型和數據處理，本文研究了“一帶一路”政策對絲綢之路經濟帶上城市房價的影響。我們可以得到以下結論：在當前我們所能搜集到的數據角度來看，按Did方法進行分析后，得出一帶一路政策對絲綢之路經濟帶上的城市影響是比較不顯著的，存在的時間上的顯著性影響完全可以用房價的隨年度顯著上升來解釋，盡管實行政策前后也存在顯著性影響，但是對一帶一路城市和非一帶一路城市而言，沒有顯著的區別。

我們認為原因主要是以下幾點：第一，

“一帶一路”是屬于我國新型對外開放戰略的一部分，并非是直接針對房價的國家政策，其對房價影響較小屬正常現象。第二，“一帶一路”的政策仍在實施初期，其影響機制可能在傳導的過程中。第三，“一帶一路”政策更多的是在對于公共設施的建設比較明顯，而并非對于傳統住房，從公共設施（如車站，碼頭）上的投資效應，傳導到人口的遷移與外來投資的進入，再到住宅價格的上漲，這不僅需要時間，也存在作用的衰減。因此，“一帶一路”政策對于絲綢之路經濟帶上城市的房價影響是一個長期研究課題，隨著政策的進一步實施，我們可以進一步跟蹤調查該課題，以探究“一帶一路”政策的影響力。