住房價格對城鎮家庭消費的影響1
——來自多期微觀面板數據的證據

曹靜 李智鑫 胡文皓

0 引言

圖1 全國住宅商品房平均銷售價格數據來源：國家統計局

近年來，住房問題已成為人們最為關心的社會問題之一。1998年，我國開始全面實施住房商品化改革。從那之后，房地產市場進入高速發展階段，房屋價格大幅上漲，從2000年的1948元/平方米上漲到2015年的6473元/平方米(見圖1)。伴隨著房價上漲，人們也開始越來越關注房價變化所可能帶來的社會問題，如財富不平等、房地產泡沫、房地產投資風險等。現如今，住房資產成為每個家庭財富的重要組成部分，占城鎮居民家庭總資產的六成(張浩等，2017)，而消費又是人們日常生活中最主要的經濟行為之一，那么，住房價格對這一經濟行為會產生怎樣的影響？以及對于不同類型的家庭，住房價格所產生的影響是否會有所不同？這些就成為非常值得我們關注的具有重要社會意義的問題。

關于住房價格對消費的影響，已有很多文獻對此進行了論述。綜合來看，住房價格主要可以通過三種方式影響消費：直接財富效應、流動性約束效應和替代效應(Ludwig and Sl?k，2002；徐春華，2015；羅冬霞，2016)。“直接財富效應”是指房價上漲，房屋價值升高，相當于人們有了更多的“收入”，故消費增加。“流動性約束效應”是指對無房而打算買房的人來說，房價上漲會導致房貸利率增加，購房預算增加，對消費效應為負；但對有房者來說，房產值升高也可能會帶來資金流動、住房抵押貸款更加便利，減輕流動性約束，消費增加。“替代效應”是指面對房價上漲，無房者為了購房不得不減少其他方面的消費，或者取消購房計劃從而增加消費；有房者也可能因為要更多的購房而減少消費。而這幾種方式可能同時存在，其綜合作用效果尚不確定，文獻的結論不盡相同，消費增加(黃靜和屠梅曾，2009；杜莉等，2013；張浩等，2017)、減少(謝潔玉等，2012；陳斌開和楊汝岱，2013；楊贊等，2014)或無影響(羅冬霞，2016)均有。所以，如果我們能夠在研究房價對消費影響的總效應的同時，將這三種效應區分開，那么就可以對這一問題有更為深入的理解。另外我們發現，現有文獻在研究房價效應異質性時，往往在變量選擇上存在一些問題，例如沒有控制房屋數量、家庭資產量等，或是衡量指標有些模糊，例如用是否有未婚男性來衡量購房意愿，但實際上不同未婚男性結婚的時間并不確定，故即使有未婚男性，不同家庭的購房意愿仍然會有所不同。

鑒于此，本文將繼續研究城鎮家庭的住房價格對消費的影響作用，并在研究房價總效應的同時重點研究其中的替代效應；我們還創新性地使用事后的結婚分家行為作為事前有無購房意愿的反映，以便在已有文獻的基礎上更準確地衡量家庭的購房意愿是否強烈。我們使用北京大學中國社會科學調查中心的中國家庭追蹤調查(CFPS)2010年、2012年、2014年和2016年四期的微觀面板數據，研究住房價格變化對于家庭消費行為的影響，并在此基礎上進行家庭異質性影響的分析。本文主要貢獻有以下三點：第一，本文不僅研究房價對消費的影響總效應，還通過家庭異質性的分析，將其中的替代效應分解出來，使得我們能夠更直觀地看到替代效應與其他效應各自的影響效果，檢驗出家庭應對大額支出事件(購房)的預防性儲蓄；第二，已有文獻對于家庭購房意愿的衡量較為模糊，例如是否有未婚男性、是否有房、居住環境好壞等，而本文則在此基礎上，首次使用“是否結婚分家”作為衡量購房意愿的變量，相對而言更為準確地研究這一問題；第三，現有的實證研究文獻，大部分使用了截面數據進行分析，也有一小部分使用了能減弱內生性問題的面板數據，但基本是國外的微觀數據或者中國的省市層面的宏觀數據，僅有一篇文章(張浩等，2017)使用了國內的家庭面板數據，但時間較短，只有兩期，而本文則是首次使用我國(內地)家庭層面的多期微觀面板數據來研究這一問題，并通過使用面板數據的固定效應模型控制未能被準確觀測到的個體特征變量，減少了相關的內生性問題，提高了現有實證結果的穩健性。

本文后續內容安排如下：第1部分為文獻綜述，回顧并總結住房價格對消費的影響的相關文獻；第2部分為數據與方法，介紹本文所使用的樣本數據、變量的選取以及實證分析的主要方法；第3部分為結果與分析，分析我國城鎮家庭住房價格對其消費的影響；第4部分為穩健性檢驗，對第3部分中的主要結果進行檢驗，結果較為穩健；最后一部分為本文的結論。

1 文獻綜述

關于住房價格對居民消費的影響，國內外現有的理論和實證研究已有很多，而結論不盡相同。

理論研究方面，不少文獻指出房價上漲會抑制消費，如陳彥斌和邱哲圣(2011)構建了一個包含生命周期、房價上漲以及住房需求內生的理論模型(Bewley模型)，得出房價的增長會導致富裕家庭投資性住房需求的增加，從而導致房價進一步增加，而年輕家庭為了買房，面對上漲的房價不得不提高儲蓄率。也有一些文獻得到不同結論，如Li and Yao(2007)建立了一個生命周期模型，將住房資產同時當作消費品和投資資產。分析表明，房價變化對住戶的消費和福利影響效果差異很大。房價上漲可以增加房主的凈資產值和消費，但這只會改善老年房主的福利，而年輕房主和租房者的福利變差。另外，Buiter(2008)對理論模型進行分析，指出如果房價變化表示基本價值的變化，那么房價變化對消費沒有純粹的財富效應。如果這反映了房價投機泡沫成分的變化，那么房價變化對消費有純粹的財富效應。

實證研究方面的文獻較多，可根據所用數據不同分為國外和國內兩部分。國外的實證研究的結論通常為住房價格可以促進消費(Engelhardt，1996；Carroll，2004；Campbell and Cocco，2007；Dvornak and Kohler，2007；Slacalek，2009；Cho，2011;Barrell et al.，2015)或對消費的影響不顯著(Klyuev and Mills，2007；Browning et al.，2013)。例如，Klyuev and Mills(2007)指出，美國的房產流動性增加，住房抵押變得容易，但儲蓄率并未發生顯著變化。Browning et al.(2013)利用丹麥的家庭面板數據進行研究，發現住房財富效應并不顯著。而關于我國住房價格對消費的影響，現有文獻得到的結論不盡相同。不少文獻得到住房價格對消費具有正向促進作用，如Gan(2010)、黃靜和屠梅曾(2009)。張浩等(2017)使用了CFPS2010和2012兩期面板數據，發現家庭房屋價格對家庭消費具有顯著的財富效應。然而，一些文獻得到了相反的結論，即房產增值會抑制居民消費，如陳斌開和楊汝岱(2013)、杜莉等(2010)、黃靜(2011)、謝潔玉等(2012)。其中，謝潔玉等(2012)使用中國城鎮住戶調查數據，得出總體來看房價顯著抑制了消費。對于有未婚男性的家庭和現有住房價值較低的家庭，抑制作用更加明顯。另外，有文獻(羅冬霞，2016)指出我國整體房地產財富效應較弱，財富效應不顯著。可以看出，我國房價對消費的影響較為復雜，目前的研究尚無定論。

總體來看，在有關消費的實證研究中，一些文獻使用了相比截面數據能減弱內生性問題的面板數據，如丹麥、澳大利亞、美國、中國香港等國家和地區的微觀數據等，或者中國內地的省市宏觀數據，但還沒有文獻使用中國內地多期的微觀面板數據，目前僅有一篇文章(張浩等，2017)使用了家庭微觀面板數據，但只有兩期，作者也在文中指出數據的時間維度變量長度較短。為了區別現有文獻，本文嘗試使用我國內地的多期微觀面板數據，研究城鎮家庭的住房價格對其消費行為的影響，進而避免了現有文獻數據方面的缺陷。另外，本文嘗試使用結婚分家情況作為衡量家庭購房意愿的指標，相比現有文獻所用變量能夠更加直接地反映購房意愿的強烈程度。

2 數據與方法

本論文使用的數據是北京大學中國社會科學調查中心執行的中國家庭追蹤調查(China Family Panel Studies, CFPS)2010年、2012年、2014年和2016年四期的家庭數據。該調查是國內第一個大規模的、綜合性的以學術為目的的社會跟蹤調查項目。樣本覆蓋25個省份(含自治區和直轄市)，代表了中國95%的人口。我們將4年的家庭數據與個人數據進行匹配整合，刪去信息匹配失敗、缺少某一年或某幾年數據以及所屬省份樣本量極少的家庭。由于在后文的研究分析中，我們需要討論不同的分家情況，這就要求每個家庭各個年份的數據應盡可能全面，以便我們更準確地獲得該家庭的分家時間，故在這里我們選擇構建一個平衡面板數據。對于發生分裂重組的家庭，我們保留了原始的家庭，刪去了新生成的家庭。最終我們得到城鎮家庭的樣本總量16128戶-年、家庭總量4032戶。

在本研究中，我們重點關注的變量是家庭消費和住房價格。其中，消費變量取值為家庭人均年消費(取對數)，而“家庭人均年消費”是用數據中的“居民消費性支出”除以家庭人口數得到的。“居民消費性支出”包括食品支出、衣著支出、居住支出、家庭設備及日用品支出、醫療保健支出、交通通信支出、文教娛樂支出和其他消費性支出。住房價格則通過該家庭住房的單位房價來衡量，即房屋當前價格除以房屋面積。除此之外，在回歸中我們還控制了其他家庭和戶主的特征變量，如：不同類型的資產價值(凈房產值、凈非房資產值和家庭凈資產值)、家庭人口、家庭收入、房屋數量等；戶主年齡、性別、婚姻狀況、受教育年限、行業類型等。其中，收入和資產等綜合變量均使用的CFPS數據庫的定義(1)這里參考了《中國家庭追蹤調查用戶手冊(第三版)》。：收入是采用數據中的“家庭人均純收入”進行衡量，是指扣除生產成本后的收入，包括工資性收入、經營性純收入、財產性收入、轉移性收入和其他收入；家庭凈資產為家庭總資產與家庭總負債之差，家庭總資產包括土地、房產、金融資產、生產性固定資產和耐用品消費，家庭負債包括住房負債和非住房負債；凈房產值為現住房價值與其他房產價值之和再減去總房貸得到的，凈非房資產值則是由家庭凈資產值減去凈房產值得到的。另外，由于CFPS的調查中對于家庭成員未區分是否為戶主，我們這里參考《中國城鎮住戶調查手冊》中關于戶主的定義確定各個家庭的戶主。《中國城鎮住戶調查手冊》中寫道：“戶主指為其家庭成員所公認，在家庭事務上基本起決定作用者。在大多數情況下，戶主是家庭經濟的主要支撐者，不一定是戶口本上的戶主。當家庭被抽中確定為調查戶后，調查人員應根據此定義經過實地調查確定戶主，不能隨便填寫戶主，也不能按一般習慣把家庭年長者定為戶主或輕易用戶口本上的戶主定為戶主。”因此，本文將家庭中收入較高的家庭成員定義為戶主。關于戶主的相關變量中，定義男性的性別為1，女性的性別為0；在婚的婚姻狀況為1，其他的婚姻狀況為0；非農業戶口的戶口類型為1，農業戶口的戶口類型為0。另外，在控制變量中還加入了“房屋類型”和“行業類型”的虛擬變量：房屋類型包括7種，分別為單元房、平房、四合院、別墅、聯排別墅、小樓房和其他；行業類型包括20種，包括“農、林、牧、漁業”“采礦業”“制造業”等20種行業。相關變量的描述性統計見表1。

表1 描述性統計

我們使用固定效應模型進行分析(通過對主回歸式進行豪斯曼檢驗，我們得到p值為0.0000，故認為應該使用固定效應模型而非隨機效應模型)，具體形式如下：

logCit=αi+βlogHPit+γXit+θti×provi+εit

(1)

其中，i代表家庭，t代表時間。Cit為家庭人均年消費(元)，HPit表示住房價格(萬元/平方米)。Xit表示家庭和戶主特征變量，如：房產(取對數)、非房資產(取對數)、家庭人口、家庭收入(取對數)等；戶主年齡、性別、婚姻狀況、受教育年限、行業類型等。αi為家庭不隨時間變化的固定效應，provi為家庭所屬省份的固定效應，εit為隨機誤差。我們關注的系數是β，即住房價格變化是否會對消費產生影響，以及如何影響。

根據前面文獻綜述部分可知，現有文獻對于房價對消費的影響已有一些討論，但結論不盡相同，這主要是因為房價對消費的影響可以分為多種效應，而我們得到的結果往往是多種效應的綜合效果。因此本文在此基礎上，進一步對其中的“替代效應”進行研究。對于需要購房的家庭來說，“替代效應”是指隨著房價升高，人們會減少消費以便將來購買新房。也就是說，家庭的購房意愿差異所帶來的房價對消費的影響效應的不同，往往是由于“替代效應”的存在。在我國，家庭購房與許多其他因素相關，如子女結婚、教育等，謝潔玉等(2012)、楊贊等(2014)也有涉及，例如在謝潔玉等(2012)的文章中，作者用未婚男性、住房質量好壞等來衡量家庭是否需要購置新房。在這里，我們著重討論子女婚嫁和分家情況所導致的家庭異質性。在中國傳統習俗中，大多數人結婚會習慣于由男方購買婚房，雖然在近幾年這一思想稍有弱化，隨著房價上漲，不少女性也會出資購房。鑒于此，我們想要研究子女婚嫁情況不同的家庭面對房價上漲是否會做出不同的反應，例如使用“家中是否有未婚男性”進行衡量，對已有文獻的結果進行檢驗。在此基礎上，我們認為相比于這一變量，分家情況能夠更好地衡量家庭的購房意愿。因為對于不同的家庭，子女的結婚年齡是不同的，所以我們也就無法判斷每個家庭會在子女的哪個年齡段中有強烈的購房意愿。例如家中同樣有22歲未婚男性的家庭，可能其中一家馬上就要結婚了、購房意愿非常強烈，而另一家還不是很著急、購房意愿并不強烈。在CFPS的數據中，我們可以知道一些家庭在某一年中分裂為了多個家庭，也可以通過檢查個人信息得知哪些家庭是因為子女婚嫁而導致的分家。例如一個家庭在2014年的數據中顯示分為了兩家，那么可以知道該家庭在2010年和2012年處于將會分家的狀態，在2014年和2016年處于分家后的狀態。容易想到，即將發生分家的家庭，尤其是因為子女婚嫁分家的家庭，往往具有更為強烈的購房意愿。所以，如果我們用這一變量代替“是否有未婚男性”來衡量家庭的購房意愿，就會得到相對來說更為準確的結果，因為這是通過事后分家的事實來推斷事前的購房意愿，而非僅僅憑借家庭的某些特征進行推斷。

圖2 家中是否有未婚男性與家庭人均消費數據來源：CFPS

圖3 是否即將分家與家庭人均消費數據來源：CFPS

根據以上思路，我們先用已有文獻的方法，使用“是否有未婚男性”作為家庭購房意愿的衡量，并在此基礎上，嘗試使用不同的分家情況作為更準確的衡量變量，對替代效應進行分析。圖2和圖3分別以家中是否有16～35歲未婚男性和家庭是否即將分家為例展示了部分其中的差異。由于我們無法得知2016年有哪些家庭將會分家，故在圖3中只顯示了2010年、2012年和2014年的情況。

為了研究上述問題，本文引入用于衡量“家庭婚嫁情況”的虛擬變量，在原有回歸模型中加入交叉項，用以檢驗不同類型家庭的消費反應是否存在不同，進而考察替代效應的影響。

(2)

其中，HPit仍為房價/(萬元/平方米)，其他變量也與前文相同。“dummy”可替換為以下變量：

?unmar_male: unmar_male=1若家中有16～35歲未婚男性；

unmar_male=0若家中無16～35歲未婚男性。

?(作為對照引入)unmar_female: unmar_female=1若家中有16～35歲未婚女性；unmar_female=0若家中無16～35歲未婚女性。

?willchange: willchange=1若將會分家；willchange=0若不會分家。例如，某家庭在2014年的數據中顯示分為了兩個家庭(原家庭與新家庭)，則該家庭在2010年和2012年的willchange=1，在2014年和2016年的willchange=0.

另外，分家又可以分為多種情況，例如因婚嫁(有新人加入)分家、婚后(無新人加入)分家或個人外出。根據我們研究的問題，本文暫不考慮因個人外出這一情況，故進一步引入如下虛擬變量：

?new: new=1若將會分家(排除個人外出)；new=0若不會分家。這里的分家排除了因個人外出(如外出打工等)而產生新家庭。這里又可以細分為如下幾種情況：

?new_person: new_person=1若因婚嫁將會分家；new_person=0若未分家或分家不是因為婚嫁。包含如下兩種情況：

?new_male: new_male=1若因家中女性婚嫁分家(新加入男性成員)；new_male=0其他。

?new_female: new_female=1若因家中男性婚嫁分家(新加入女性成員)；new_female=0其他。

?new_family_old_person: new_family_old_person=1若為婚后分家(無新人加入)；new_family_old_person=0若非婚后分家。

3 結果與分析

3.1 住房價格對消費的總影響

首先，本文用家庭人均年消費(取對數)對房價(取對數)、家庭和戶主特征等變量用固定效應模型進行回歸，研究結果如表2所示。

表2 房價對家庭消費的影響

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

由表2可知，在使用固定效應模型的前提下，如果只在回歸中控制資產和收入等變量(表中第1列和第2列)，房價對消費具有顯著的促進作用。但是，從第1列至第5列，隨著控制變量逐漸增多，在回歸中加入其他家庭和戶主特征變量并控制年份等固定效應后，房價對于家庭人均消費的影響變為不顯著。由于這一影響是由多種效應(直接財富效應、流動性約束效應、替代效應等)綜合作用得到的總效果，所以我們可以得出，總體上講住房價格變化對城鎮家庭的消費無顯著影響。需要說明的是，這并不代表著住房價格沒有直接財富效應，而是因為房價對消費的影響具有多種渠道，這些影響有些為正，有些為負，而我們看到相互抵消后的總效果是不顯著的。

為了對上述結果進行更為清晰的解釋，我們根據文獻所述影響機制，引入一個簡單的表達式：

ΔHE=ΔWE+ΔLCE+ΔSE+ΔX

(3)

其中，ΔHE表示住房價格總效應(Housing Wealth Effect，簡記為ΔHE)，ΔWE、ΔLCE和ΔSE分別表示住房價格的直接財富效應(Wealth Effect，簡記為ΔWE)、流動性約束效應(Liquidity Constraints Effect，簡記為ΔLCE)和替代效應(Substitution Effect，簡記為ΔSE)，ΔX表示其他可能存在的效應。根據前文的文獻綜述可知，各個效應可能為正，可能為負，具體可見表3。

表3 不同效應對消費的影響

注：“+”表示促進消費；“-”表示抑制消費；“0”表示對消費無顯著影響。

目前，已有的相關文獻還未能將不同的效應區分開來分別進行檢驗，只能得到住房價格對消費影響的總效應，即ΔHE。前文已提到，不同文章給出的結論不盡相同，表4也按所用數據國家的不同列出了一些文獻的主要結果。可以看出，本文所得結果與之前的部分文獻結論相吻合，即總體上講，住房價格對居民消費無顯著影響。

表4 相關文獻梳理

注：“+”表示促進消費；“-”表示抑制消費；“0”表示對消費無顯著影響。

3.2 住房價格的異質性影響

根據前文的分析可知，房價可以通過多種渠道影響消費，且各個渠道的影響方向不同，可能促進消費也可能抑制消費。在這部分中，我們著重討論有購房需求家庭的“替代效應”，即對于這些家庭，房價上漲會讓他們減少消費，為之后購房做準備。受中國的傳統婚嫁習俗影響，大多數新婚家庭需要準備婚房，而這一文化背景也對此研究很有幫助，因為我們可以以此判斷不同家庭的購房意愿是否強烈。

現有文獻，如謝潔玉等(2012)，曾采用“家中是否有未婚男性”來衡量家庭的購房意愿，故本文先用此變量進行初步研究，也作為對現有文獻的驗證，得到表5，其中“未婚男性”是指16～35歲的未婚男性。由第2列可以看出，有未婚男性的家庭相比其他家庭，會因房價上漲而顯著減少消費，房價每上漲1%，有未婚男性的家庭相比其他家庭會少消費0.049%。這與我們的預期基本相符。在中國家庭的傳統觀念中，父母往往需要給子女準備婚房，尤其對于家中有未婚男性的家庭更是如此，故房價的增加會顯著增加這類家庭準備婚房的經濟負擔，因此人們會為了準備婚房而減少消費，這也就是房價“替代效應”的體現。另外，在第2列中，在控制了“有未婚男性”和“房價×有未婚男性”后，“房價”的系數變為顯著為正，這說明，對于沒有未婚男性的家庭，房價每升高1%，他們的消費會增加0.052%，而這一效應其實就是從房價總效應中分離出未婚男性家庭的替代效應后所得到的房價效應，見表5。另外，我們還對家中有未婚女性的家庭做了類似的回歸分析，發現“房價×有未婚女性”的回歸系數雖然也為負但并不顯著，即有無未婚女性的家庭受房價影響并無明顯差異，具體可見表6。

表5 家庭有否未婚男性的異質性分析

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

表6 家庭有否未婚女性的異質性分析

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

以上結果與現有文獻基本相符，但是，家中是否有未婚男性或女性并不能完全準確衡量家庭準備婚房的緊迫性，因為這一行為與家中子女年齡、預期的結婚年齡均相關，不同家庭存在差異。由于我們認為這種衡量方式并不足夠準確，所以對于這一結果不免有些懷疑，畢竟近幾年，隨著房價不斷上漲以及男女平等觀念的普及，很多女性及其家庭在準備婚房的過程中也有或多或少的資金貢獻，例如網易的一項購房調查(2)http://sh.house.163.com/special/hunfang/[2018-12-22]顯示，約22.8%網友的婚房為男方父母準備，而兩家人合力購買婚房占到了24.2%。故表6這一結果不顯著可能是因為未婚女性家庭的確沒有很強烈的購房意愿，也有可能是由這種衡量方式的問題導致的。由于家中有未婚男性或女性的家庭可能急于購房但也可能暫時無購房意愿，同時存在一些家庭雖無未婚男性或女性但也想購房，故使用這一變量可能低估或高估回歸結果，方向不確定。為了解決這一問題，接下來我們采用“分家”的相關變量做進一步分析。因為我們認為分家情況能夠在一定程度上更為準確地衡量一個家庭的分家意愿強烈程度以及對于購買新房的緊迫性，比如一個轉年馬上要“娶媳婦”的家庭往往比其他家庭對于準備婚房更加急切。使用分家變量可以在一定程度上避免上述使用未婚男性或女性所帶來的問題，因為分家家庭往往有購房意愿，并考慮到存在一些家庭可能未分家但也有購房意愿，所以使用這一變量只可能低估但不會高估回歸結果，即實際產生的影響可能大于回歸結果的絕對值，由后文也可以看出我們估計出的結果的方向與直覺預期是一致的，所以說我們得到的回歸結果其實是一個“下限”。(3)感謝審稿人的寶貴建議。在這里，“分家”是指數據中同一家庭發展為了兩個經濟獨立的家庭。例如1號家庭在2014年的數據中顯示產生了2號家庭(1號家庭仍存在)，那么我們認為1號家庭在2010年和2012年時具有強烈的分家意愿，而在2014年和2016年時分家意愿較弱。根據這種分類，我們得到表7。由第2列可以看出，“房價”和“房價×分家”的回歸系數均顯著，即對于不會在近期分家的家庭來說，房價上漲1%會顯著促進家庭消費0.052%，而即將分家的家庭相比其他家庭而言，會相對減少0.096%的消費。

表7 分家家庭的異質性分析

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

另外我們發現，在所有發生分家的家庭中，大部分家庭為因婚嫁分家(娶媳婦或嫁女兒)或婚后分家(兒女已結婚，婚后與家中老人分家)，少部分因為個人外出打工等分家。因為個人外出分家與婚嫁、購房意愿關系不大，故我們在接下來的討論中進一步排除掉了這種情況，得到表8。由表8第2列可知，在控制了其他相關變量的情況下，即將(結婚或婚后)分家的家庭相比其他家庭來說，隨著房價上漲會顯著減少消費：房價每上漲1%，即將(結婚或婚后)分家的家庭消費減少0.101%。這一數值與表7結果類似，但顯著度有所提高。具體來看(表8的第3列至第6列)，在分家的全部樣本中，因結婚分家的家庭消費受房價影響非常明顯，在1%水平上顯著，房價每上漲1%，該類家庭相比其他家庭減少消費0.222%；而對于婚后分家的家庭，“房價×婚后分家”的系數也為負，并在10%水平上顯著。

表8 不同分家類型與家庭消費

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

最后，我們對結婚分家的樣本進行更為細致的分類，分為“男性結婚分家”和“女性結婚分家”，得到表9。可以看到，無論是男性還是女性結婚，他們的家庭消費都會隨著房價升高顯著減少。我們認為這一結果相比表5和表6的結果更有說服力，因為“分家”這一變量對于購房意愿的衡量更為準確。所以，表6得到的不顯著的結果可能是因為低估了有未婚女性家庭的購房意愿所導致的。

表9 不同性別結婚分家與家庭消費

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

4 穩健性檢驗

首先，我們改變對有未婚男性家庭的選取，檢驗房價對于該類家庭消費的影響。前文選取的未婚男性年齡為16～35歲，在這里我們縮小年齡取值范圍，僅考慮成年未婚男性，使用“是否有18～35歲的未婚男性”的虛擬變量替換前文回歸中的“是否有16～35歲的未婚男性”進行檢驗，結果如表10所示。結果發現，對于家中有18～35歲未婚男性的家庭，房價升高依然會顯著減少家庭人均消費，這一結論較為穩健。

表10 家中有否未婚男性異質性分析的穩健性檢驗

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

另外，前文所用“房價”變量是各個家庭的房價，這相當于盡可能保留了房價的全部信息，有利于我們的研究分析。下面我們將該變量改為用各個區縣的房價均值來衡量。容易想到，這樣的衡量會帶來房價信息的大量損失，進而會低估房價對消費的影響，導致房價的影響變得不顯著。但我們發現，在表11中，即使使用房價均值進行回歸，“房價×結婚分家”的回歸系數雖然顯著度下降，但依然在10%水平上顯著，這表明前文的回歸結果較為穩健，即因結婚分家的家庭會因房價上漲而顯著減少消費。而“房價×婚后分家”的回歸系數在這里變為不顯著，這可能是由于房價信息損失過多所導致的，但也說明這類家庭對于房價上漲的反應可能沒有“結婚分家”的家庭反應顯著。

表11 不同分家類型與家庭消費的穩健性檢驗

續表

注：括號內為t統計量。*、**、***分別代表在10%、5%、1%的程度上顯著。

5 結論

隨著近幾年房價不斷上漲，住房問題成為人民和政府部門共同關心的話題之一，且一直是學者研究的熱點。本文運用CFPS 2010年、2012年、2014年和2016年的微觀數據，通過對家庭進行匹配，得到了四期的平衡面板數據，以研究我國住房價格對城鎮居民消費的影響。關于這一問題，我國現有的同類研究中所用的數據以微觀截面數據和宏觀面板數據為主，時間維度較短或者角度偏于宏觀，故本文在數據方面彌補了現有研究的不足，避免了數據的局限性，提高了對于住房價格財富效應的識別度。另外，本文創新性地采用分家情況變量來衡量家庭的購房意愿，進而將房價的替代效應從總效應中分離出來，相比現有文獻具有較好的準確性。通過應用固定效應模型進行回歸并對結果進行分析，我們得到:

1) 總體來看，住房價格對于家庭消費的影響作用不顯著，即房價的直接財富效應、流動性約束效應、替代效應等的綜合作用效果不顯著。

2) 對于可能有購房意愿的家庭，如有未婚男性的家庭，房價上漲會顯著減少消費。

3) 對于具有強烈購房意愿的家庭，如即將因婚嫁(加入新人)分家的家庭，房價上漲會顯著減少消費；對于婚后(無新人加入)分家的家庭，房價上漲則對消費的影響顯著度變低。

綜上所述，總體上房價上漲對于消費無顯著影響；對于有購房意愿的家庭，替代效應的抑制消費作用顯著。本文利用四期的微觀面板數據進行分析，避免了現有實證分析所用數據的局限性，而且對購房意愿的衡量較為直接、準確，但仍然存在一些不足之處，例如對于住房總財富效應的分解等，之后的研究需對這些問題進一步完善。