壟斷、信息不對稱及土地拍賣定價偏好的差異
——以南昌市為例

王雪峰

（江西財經大學旅游與城市管理學院，江西 南昌 330032）

1 引言

中國的“招拍掛”土地出讓制度始于2002年。它的出現開啟了中國地價和房價持續上漲的進程，也出現了眾多針對土地競價和土地價格的相關研究。這些研究主要集中在以下方面：一是土地價格的影響因素，眾多研究發現軌道交通[1]和公交路線[2]等基礎設施能顯著影響線路臨近土地的利用密度和價格；二是土地出讓方式對地價的影響，有研究發現土地的物理屬性、競買人特征和競買規則等顯著影響土地價格[3-4]，也有研究認為地價主要是房價而非土地出讓方式決定[5]，還有研究表明英式拍賣比招標能獲得更多的土地收入[6]；三是地價的影響，有研究表明工業地價與產業結構演進是相互協調和促進的[7]，也有研究認為工業地價扭曲對企業過度投資有顯著推動作用[8]；四是土地競價方式的比較，有研究認為招標可有效控制地價，而掛牌能促進保障性住房開發[9]，也有研究發現當參與者可以策略性選擇行動且實現政府利益最大時，限房價和限地價拍賣機制是等價的[10]。這些研究既有理論的，也有實證的，還有理論和實證結合的，對豐富土地價格形成及土地出讓機制的理論和實踐有重要的作用。

不過，以上研究針對的都是競買成交價，缺少對出讓人初始定價的研究，缺少對交易雙方特別是對出讓人（地方政府）定價偏好的研究，也沒有對交易雙方定價偏好差異及其原因的研究。所謂定價偏好是指出讓人或競買人在進行定價決策時，對土地屬性、位置特征、競買特征或其他特征等定價依據的重要性及其程度的評價，即出讓人或競買人在對土地拍賣起拍價或成交價決策時，對影響土地價值的各種因素的重視程度。對這些問題進行研究有助于掌握出讓人和競買人的定價行為特征，更好地掌握并預測土地市場的變化和波動，有助于優化和完善競價規則，促進市場平穩運行和提升土地配置效率。

本文將針對這些不足，以南昌市土地拍賣市場為研究對象，運用拍賣—特征價格模型（Action-Hedonic Price Model, AHPM）探討土地出讓人（地方政府）和競買人（開發企業）分別在拍賣起拍價和成交價決策時各自的定價偏好及其差異，并對賣方壟斷及信息不對稱在交易雙方定價偏好差異中的作用進行分析。

2 理論框架和基本模型

LANCASTER[11]和ROSEN[12]均認為任何商品都有其特有的特征，每一個特征在商品價格里都有其自身的價值，商品的價值就相當于各個特征價格的集合。消費者對商品的特征偏好越強，效用就越大，愿意支付更多的價格購買商品，商品的價格就越高。ROSEN進一步認為商品的供給者會在成本的基礎上依據商品各自獨有特征的價格確定其保留價格。商品市場會在市場均衡點上實現均衡特征價格[12]，供需雙方會在此特征價格下達成對商品總體偏好的一致評價。這意味土地拍賣的起拍價和成交價分別取決于出讓人和競買人對土地不同特征的偏好或評價即特征價格的高低。

已有的實證研究[1-2]一般用土地的屬性及位置特征即狹義的土地特征作為土地的特有特征。OOI等[4]則將土地的特有特征拓展到廣義特征范疇。他們認為，規劃條件、競買人特征和拍賣市場態勢等在土地之間也存在明顯差異，同樣會影響土地成交價的高低，是土地成交價的重要構成部分。

在OOI等研究的基礎上，根據中國土地拍賣實踐，本文將競買規則（如競買人要求、拍賣保證金等）及住房市場競爭狀態等已有研究未關注的，能影響競買人收益、成本和風險的特征也納入到影響競買人定價決策的廣義特征范疇，運用拍賣—特征價格模型構建如下反映競買人定價偏好的成交價方程：

式（1）中：FPRICE為成交價；L、P、B、R、M分別為廣義土地特征中的屬性和位置特征、規劃特征、競買人特征、競買規則特征和市場特征變量（向量形式）；β、γ、ρ、θ、δ分別為這些特征變量前面的系數向量；C為控制變量，τ為其系數向量。

拍賣起拍價方程則是土地出讓人的定價模型。出讓人同樣是依據對土地的各種廣義特征的偏好來確定起拍價，與成交價決定方程唯一區別是方程中不包含競買人特征變量。因為出讓人進行定價時并不擁有關于競買人特征的信息，未來競買人的特征無法影響出讓人對其收益、成本和風險的評價。因此拍賣起拍價方程如下：

式（2）中：IPRICE為拍賣起始價；其他變量和系數的含義和式（1）相同。

式（1）和式（2）中各特征變量系數的經濟含義就是競買人和出讓人對不同土地特征評價的高低，即偏好的強弱及正負方向。因此比較這兩個方程中同一特征變量的系數就能判斷交易雙方的定價偏好的差異。

3 實證分析

3.1 樣本和變量

本文以南昌市市本級居住用地為例，考察地方政府與開發企業在確定起拍價和成交價時定價偏好的差異及其原因。

從2015年1月1日—2017年11月22日，南昌市共成功拍賣居住用地115宗，本文將其全部作為研究樣本。其中，2015年、2016年、2017年各有30、55和30宗；純居住用地有68宗，涉及商業或商務或娛樂康體等混合用途的居住用地47宗；上市公司拍得73宗，非上市公司42宗；國有企業拍得38宗，非國有企業77宗。

表1給出了式（1）和式（2）的變量，包括土地價格、各類土地特征變量和控制變量。其中，成交價和起拍價均為宗地的總價。BIDDER和MRATIO是競買規則特征變量，其他文獻很少考慮。BIDDER刻畫了反映出讓人政策意圖的拍賣要求，如資質等級、所屬行業、項目構成和價格限制等，對競買人的收益、成本和風險有很大影響；MRATIO反映了競買人參與宗地拍買的難易程度，體現了宗地競拍的競爭強度。SUBWAY_CP和BUS_CP分別表示宗地拍賣時1 km范圍內是否有已開通和計劃開通的地鐵站，及已開通和半年內計劃開通的公交線總數，而SUBWAY和BUS只表示宗地拍賣時1 km范圍內是否有已開通的地鐵站和已開通的公交線總數。這4個變量度量了宗地的通勤便利狀況。這樣的設計是為了驗證信息不對稱對交易雙方定價偏好的影響。出讓人作為城市的規劃和管理者比競買人擁有更豐富的信息，它在定價決策時依據的不僅有拍賣當前的信息還有未來一段時間的規劃信息，而競買人則只能依賴當前信息。ACOMPET和HCOMPER分別刻畫了土地和住房市場的競爭狀態。前者度量了所有潛在競買者在競買某宗土地時面臨的其他可選土地的數量，如果可選土地越多則對該宗土地的競爭就弱，反之就強；后者測度了宗地周邊2 km范圍內樓盤的數量，數量越多，則成功競買者未來面臨的風險越大，反之，風險越小。

表2是變量的描述性統計分析。其中，樣本地塊平均面積為70168.400，平均起拍價為48 779.510×104元，平均成交價為69 826.230×104元，平均溢價率高達58.6%，每年平均為南昌市市本級帶來超過250億元的土地收入。溢價率的高企說明地方政府和開發企業對同一宗地的屬性和位置、土地規劃要求、市場競爭態勢及競買規則等的特征價格在量和質上可能存在不同的評價，從而對雙方的土地定價決策產生不同的影響。

表1 變量定義Tab.1 De fi nitions of variables

3.2 模型估計

表3估計了6個模型，其中模型4和OOI等[4]的模型相同，是成交價的基準模型。模型4去掉競買者特征變①量就是模型1即起拍價基準模型；以這兩模型為基準，逐步增加競拍規則和其他位置特征變量，形成了其他4個模型。其中模型1—模型3為起拍價模型，模型4—模型6為成交價模型。6個模型都采用半對數形式。

RIP是這6個模型的控制變量①本文同時使用年份虛擬變量Y16和Y17做控制變量進行了估計，效果與使用RIP是一致的。，用于控制或減少不同時期市場波動、經濟政策和預期等因素對特征變量的干擾。表3顯示，該變量對6個模型中起拍價和成交價的影響都顯著且正相關，這說明市場趨勢和政策環境的變化對交易雙方的定價行為有顯著的約束。而且所有模型中解釋變量的變化能解釋被解釋變量60%以上的變化，基本抓住了影響交易雙方定價的主要因素。

表2 變量的描述性統計分析Tab.2 Descriptive analysis of variables

PUBLIC、STATE和EXPERIENCE是模型4—模型6成交價模型獨有的刻畫成功競買人身份（體現資金實力、資信、市場力量及與地方政府的關系）和拍賣經驗的特征變量。三個模型的估計結果均顯示，STATE和EXPERIENCE對成交價都有顯著的負向影響。如果成功競買人是國有企業則能夠較非國有企業以低約15%～19%的價格獲得土地。因為地方政府與國有企業內在的親密關系使國有企業能夠得到更完全的信息及更好的競拍條件；成功競買人每多一宗成功競買土地的經驗會導致本次成交價下降約8%～13%，因為經驗越豐富意味著競買人有更好的競拍策略和對市場更好的了解；PUBLIC對成交價的影響卻不顯著。通過對樣本數據分析發現，上市公司具有的資金優勢和市場力量較非上市公司并不明顯。

3.2.1 屬性和位置特征的偏好差異

6個模型顯示，LAREA、LCBD和SUBWAY_CP等關于土地屬性和位置的特征變量對起拍價和成交價的影響均顯著且符號一致，交易雙方具有相同的定價偏好，但偏好程度不同。其中，交易雙方對AREA的定價偏好程度相近，即每增加1%土地面積會導致起拍價和成交價上升約0.7%～0.9%；但對CBD和SUBWAY_CP的偏好強度則有差異，出讓方更偏好CBD，而競買人則是SUBWAY_CP。CBD每增加1%，模型1—模型3顯示分別導致起拍價下降了0.192%、0.121%和0.214%，而模型4—模型6顯示分別導致成交價只下降了0.038%、0.027%和0.015%；在其他條件相同的情況下，1 km范圍內有地鐵站或將有地鐵站的地塊較沒有地鐵站的地塊，模型1—模型3顯示起拍價要分別高出2.59%、3.50%和2.75%，而模型4—模型6顯示成交價則高出更多，分別為12.89%、10.27%和19.56%。

模型3和模型6增加了BUS_C、SCHOOL、NATURE

以及FACILITY可能影響交易雙方定價決策的位置特征。結果顯示，交易雙方對NATURE均有較強的偏好，但強度有所不同。具有較好自然資源的地塊比沒有的地塊，起拍價和成交價要分別高出22.90%和48.44%，而且影響均顯著，但對其他三個變量出現了偏好分歧。FACILITY的影響均不顯著；BUS_C和SCHOOL對起拍價的影響不顯著，即政府不偏好兩者在定價中的作用，而開發企業則強烈偏好這兩個變量在定價中的作用。模型6顯示，其他條件相同的情況下，1 km內有優質教育資源的地塊比沒有的地塊，成交價要高出18.19%，1 km內公交線路每增加一條會使成交價上升4.3%。

表3 拍賣—特征價格模型的估計結果Tab.3 Estimate results of Action-Hedonic Price Models

3.2.2 競拍規則特征的偏好差異

競拍規則是出讓人設置的進入門檻，是賣方壟斷的體現，將影響拍賣雙方收益、成本和風險，影響起拍價和成交價的形成。為驗證這個理論假設，在模型2、模型3、模型5和模型6中添加了MRATIO和BIDDER兩個變量。

表3顯示，MRATIO對起拍價和成交價均有顯著的正向影響。模型2、模型3和模型5、模型6分別顯示保證金比例每增加1%，會導致起拍價上漲2.82%和2.90%，成交價上漲1.92%和1.02%。這說明出讓人和競買人在土地定價時都偏好這個變量，并且政府的偏好更強。其原因在于政府往往對它們認為重要且優質的地塊設置較高的保證金比例，而這些地塊的高收益又會吸引眾多有實力的競買人參與競價，不僅沖銷了因保證金門檻導致的參與下降，而且帶來了更激烈的競價。

出讓人定價決策不受BIDDER的影響，但競買人卻偏好它。模型2、模型3顯示該變量對起拍價的影響雖然是負向的，但不顯著。這是一種典型的被經濟學稱為“銷售者偏好”的現象，即當供給者處于壟斷地位時，它不僅保持價格不變，而且還挑選需求者。因為土地市場的賣方壟斷導致供需雙方議價能力極度不對稱，土地的異質性進一步強化了這種差異；模型5、模型6顯示該變量顯著地負向影響成交價，存在競買人限制的地塊比沒有限制的地塊，要低57.75%和50.94%。因為競買人限制將大量不滿足要求的需求者擋在市場之外，導致合格的競買人數量大幅下降，從而使得成交價更低。

3.2.3①規劃、市場特征的偏好差異

對于TYPE、PRATIO和GREENRATE三個規劃特征變量，出讓人和競買人偏好高度一致。其中PRATIO對起拍價和成交價都有非常顯著的正向促進作用。因為容積率越高意味著相同面積的土地允許開發的建筑面積就越多，開發企業的收益就越高。TYPE和GREENRATE對起拍價和成交價的影響均不顯著。原因可能是，盡管有些宗地是商住混合用途，但本質上都屬于居住用地范疇，對開發企業的利潤和風險影響不大，因而在定價時買賣雙方都不看重。表2顯示拍賣宗地的綠地率均值為30.3%，標準差只有4.3%。這是因為近年的住宅用地主要用于普通住宅，因此宗地間的綠地率差異很小，所以在定價時綠地率不被交易雙方看重。

對于市場特征變量出讓人和競買人之間出現了偏好分歧。競買人看重未來樓盤所面臨的競爭，HCOMPER每增加1單位會導致模型4—模型6成交價分別下降1.63%、1.11%和1.74%；不重視土地拍賣市場的競爭強度。這可能是宗地間差異太大、替代性較小的緣故；出讓人則剛好相反，模型1—模型3中，ACOMPET每增加1單位會導致起拍價分別下降1.56%、1.77%和2.00%，而HCOMPER則不顯著的。這說明出讓人盡管是價格的決定者，但也必須重視土地供給總量對宗地需求的沖擊。

3.3 壟斷、信息不對稱和定價

通過上文的分析發現交易雙方在拍賣規則和市場特征上有不同的定價偏好，競買人偏好競買人限制BIDDER，而出讓人卻不然；出讓人偏好土地拍賣市場的競爭強度ACOMPET而競買人卻更重視宗地周圍住房市場的競爭強度HCOMPER。產生這種差異的重要原因之一就是政府對整個土地市場的賣方壟斷，及土地異質性對這種壟斷力量的強化，使得出讓人能夠進行所謂的“銷售者偏好”或“購買者歧視”，進而忽視競買人的某些訴求或關注（如住房市場的競爭態勢）①。其實設置競買人限制的交易規則本身就是一種“銷售者歧視”。

當然，壟斷者盡管是價格的制定者，也不能隨意定價，必須依據自身的成本曲線和收益曲線來定價。其收益曲線取決于市場需求曲線，如果其提供的產品不能滿足需求偏好，需求者就會用腳投票，比如土地流拍等。正是因為如此，盡管偏好強度有所差異，但土地出讓人和競買人對AREA、CBD、SUBWAY_CP和NATURE等位置特征以及TYPE、PRATIO和GREENRAT等規劃特征偏好一致。

為什么交易雙方對BUS_C和SCHOOL等位置特征存在定價偏好差異呢？這是交易雙方信息不對稱的結果。出讓人——政府作為城市的管理、規劃和土地所有者代表，擁有關于教育、交通等市政設施當前及未來一段時間的規劃信息，因而能根據當前和未來的信息定價；而一般的土地需求者卻只掌握當前信息，只能根據當前信息定價。這里存在例外，地鐵項目是國家審批并按程序公示的項目，因而出讓人和競買人都能按照當前和規劃信息來決策。所以交易雙方對SUBWAY_CP（包括地鐵當前和規劃信息）有相同的偏好，而對BUS_C等僅包括當前信息的特征有不同的偏好。

為驗證這個假設，本文將模型3和模型6中的SUBWAY_CP和BUS_C用SUBWAY_C（僅包括當前地鐵信息）和BUS_CP（包括當前和未來6個月公交線路信息）替換構建模型7 和模型8，并進行估計，結果如表4所示。

模型7、模型8顯示，僅包括當前地鐵信息的SUBWAY_C對起拍價和成交價的影響均不顯著；包含當前和未來信息的BUS_CP對起拍價有顯著的影響，每增加1條公交線會導致起拍價上升1.53%，但對成交價的影響卻不顯著。這就印證了上述假設，即出讓人由于信息更完備，往往利用宗地當前及未來信息作為定價的依據，而競買人由于信息劣勢，只能以宗地當前的信息作為定價依據（地鐵信息除外）。同理，模型3和模型6所表現的交易雙方對SCHOOL等位置變量的偏好差異也是信息不對稱的結果；FACILITY主要由市場供給，信息更為復雜，即使政府也難以全面掌握，因此，政府和競買人在定價時都不以此為依據①SCHOOL和FACILITY的規劃數據收集困難，因而模型7、模型8沒有替換。。因此，信息不對稱是導致交易雙方定價存在偏好差異的重要原因。

表4 信息不對稱的影響Tab.4 Effects of information asymmetry

4 結論

（1）出讓人和競買人作為市場參與者，都需根據其自身的成本曲線和收益曲線來定價。因此對土地面積、距CBD距離、1 km內是否有地鐵站、自然資源、土地用途、容積率、綠地率和保證金比例等能影響其收益、成本和風險的位置、規劃和規則特征具有相同的定價①偏好，但強度不同。

（2）交易雙方對地面交通和教育資源等位置特征定價偏好不同，原因在于信息不對稱。

（3）交易雙方對競買人限制，拍賣市場競爭程度和住房市場競爭程度等特征有不同定價偏好，原因在于土地拍賣市場的政府賣方壟斷。

（4）競買人的拍賣經驗和國企身份能夠顯著地降低成交價，是競買人定價的重要依據。

其政策含義是處于壟斷和信息優勢的地方政府在土地定價時須更多關注住房市場的供求關系，并審慎使用其壟斷地位，合理考慮競買人的需求偏好，通過合理的競買人限制、拍賣規則設計及公開透明的信息發布，努力使土地供給更好地契合和引導土地需求，實現土地資源的優化配置。

相對于已有的研究，本文做了如下拓展：一是運用拍賣—特征模型，首次從偏好角度比較了交易雙方在土地拍賣定價時的偏好差異；二是首次在壟斷和信息不對稱框架下分析了交易雙方出現定價偏好差異的原因；三是模型考慮了競買人限制等廣義特征變量的影響。這有助于深化對拍賣雙方定價行為的理解，有助于分析和預測拍賣市場變動，也有助于競買規則和機制的優化。不過由于數據獲取困難，本文缺少跨地區之間的比較，其結論的一般性尚需進一步研究檢驗。