趙 強(qiáng)，朱嘯艷

(南京財(cái)經(jīng)大學(xué) 公共管理學(xué)院，南京 210023)

提要：研究培育和發(fā)展住房租賃市場(chǎng)政策(下文簡(jiǎn)稱培育政策)對(duì)房?jī)r(jià)的影響效應(yīng)，既有完善相關(guān)研究的理論意義，又有對(duì)政策提出指導(dǎo)的實(shí)踐意義。選取70個(gè)大中城市新建商品房住宅價(jià)格的同比增速月度數(shù)據(jù)為研究樣本，應(yīng)用政策效應(yīng)評(píng)估方法建立模型，估計(jì)了培育政策實(shí)施后實(shí)驗(yàn)組城市房?jī)r(jià)的增速。分析發(fā)現(xiàn)，在培育政策的指導(dǎo)下，大部分實(shí)驗(yàn)組城市房?jī)r(jià)增速下降，取得了預(yù)期的政策效果。部分實(shí)驗(yàn)組城市前期房?jī)r(jià)增速下降，然而政策對(duì)其房?jī)r(jià)的影響會(huì)隨著時(shí)間逐漸減少甚至消失。少數(shù)實(shí)驗(yàn)組城市的房?jī)r(jià)增速變化不穩(wěn)定。在研究中還考慮了城市基本面、城市資源和城市類別等指標(biāo)，探析培育政策調(diào)控效果在各城市出現(xiàn)差異的原因。

一、引言

近年來我國(guó)房?jī)r(jià)逐年升高，極大影響了城市居民的生活質(zhì)量，低收入者的居住需求更是無法通過購(gòu)買來滿足。與此同時(shí)，我國(guó)住房租賃市場(chǎng)的需求十分旺盛。況瀾預(yù)測(cè)，2020年我國(guó)將形成近15 479億元的住房租賃市場(chǎng)總規(guī)模，租賃總?cè)丝趯⑦_(dá)2.02億人[1]。然而，我國(guó)住房租賃市場(chǎng)地位較低，發(fā)展尚不成熟，導(dǎo)致我國(guó)居民缺乏有尊嚴(yán)的居住，群租房、城中村的治理難正是這一問題的表現(xiàn)。為了培育和發(fā)展住房租賃市場(chǎng)，我國(guó)近年來做出了重大的決策部署，積極引導(dǎo)住房租賃市場(chǎng)的發(fā)展。2015年，住建部發(fā)布了《住房城鄉(xiāng)建設(shè)部關(guān)于加快培育和發(fā)展住房租賃市場(chǎng)的指導(dǎo)意見》，提出培育和發(fā)展住房租賃市場(chǎng)。2017年，住建部印發(fā)了《利用集體建設(shè)用地建設(shè)租賃住房試點(diǎn)方案》的通知，確定了第一批在北京等13個(gè)城市開展利用集體建設(shè)用地建設(shè)租賃住房試點(diǎn)。從2015年初次提出“租購(gòu)并舉”政策的雛形，到目前住房租賃制度的大發(fā)展時(shí)期，我國(guó)住房租賃體系正在逐步完善。住房問題一直是政策和學(xué)術(shù)研究的熱點(diǎn)，研究培育政策的實(shí)施對(duì)城市房地產(chǎn)價(jià)格的影響，分析培育政策對(duì)城市房?jī)r(jià)增速的長(zhǎng)短期動(dòng)態(tài)影響以及政策調(diào)控效果的差異，對(duì)各地政府制定和完善住房租賃政策具有現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

(一)房?jī)r(jià)影響因素研究綜述

國(guó)外學(xué)者對(duì)房?jī)r(jià)問題的研究比較早，且比國(guó)內(nèi)成熟。Malpezzi采用特征價(jià)格模型分析了城市內(nèi)部住房?jī)r(jià)格的差異，研究發(fā)現(xiàn)住房?jī)r(jià)格一般隨著中心商務(wù)區(qū)的距離而下降[2]。Hamilton和Schwab研究發(fā)現(xiàn)家庭對(duì)住宅價(jià)格進(jìn)行估算時(shí)沒有考察過去的價(jià)格信息，因此認(rèn)為房地產(chǎn)市場(chǎng)不存在弱有效性。Guntermann和Smith分析了57個(gè)大都市區(qū)的住宅價(jià)格，發(fā)現(xiàn)滯后4到10年的住宅利潤(rùn)和住宅價(jià)格之間存在著微弱的負(fù)相關(guān)關(guān)系[3]。一些國(guó)外學(xué)者逐漸認(rèn)識(shí)到，房地產(chǎn)價(jià)格的變化主要來自于宏觀經(jīng)濟(jì)數(shù)據(jù)或宏觀經(jīng)濟(jì)政策的變化。Mankiw和Weil首次分析了美國(guó)20世紀(jì)70年代房地產(chǎn)價(jià)格上漲和人口之間的關(guān)系[4]。研究發(fā)現(xiàn)，二戰(zhàn)后生育高峰期間出生的一代人進(jìn)入購(gòu)房階段，購(gòu)房需求增長(zhǎng)，因此引起了房地產(chǎn)價(jià)格的上升。Poterba使用美國(guó)39個(gè)城市1980—1990年的數(shù)據(jù)檢驗(yàn)了住房?jī)r(jià)格變化受收入、就業(yè)、人口特征和住房開工量等因素的影響。

目前，國(guó)內(nèi)學(xué)者關(guān)于房地產(chǎn)價(jià)格及其影響因素的研究多基于我國(guó)國(guó)情。劉晗運(yùn)用協(xié)整檢驗(yàn)和格蘭杰因果檢驗(yàn)方法，研究表明，房地產(chǎn)價(jià)格、土地交易價(jià)格和房屋租金3個(gè)變量長(zhǎng)期內(nèi)互相影響[5]。我國(guó)房地產(chǎn)離不開宏觀調(diào)控，一些學(xué)者分析了我國(guó)房地產(chǎn)宏觀調(diào)控政策對(duì)房?jī)r(jià)的影響效果。聶學(xué)峰等運(yùn)用格蘭杰因果檢驗(yàn)和協(xié)整檢驗(yàn)等方法，研究發(fā)現(xiàn)，貨幣政策對(duì)房地產(chǎn)投資和房地產(chǎn)價(jià)格造成影響，且貨幣政策對(duì)房地產(chǎn)市場(chǎng)的影響存在時(shí)滯約為2個(gè)季度[6]。王敏等建立了一個(gè)長(zhǎng)期均衡動(dòng)態(tài)模型，研究發(fā)現(xiàn)，限購(gòu)政策能限制房地產(chǎn)價(jià)格，但是影響有限，住房市場(chǎng)會(huì)展現(xiàn)出“價(jià)高量低”的情況[7]。

(二)住房租賃市場(chǎng)研究綜述

國(guó)外關(guān)于住房租賃市場(chǎng)的研究比較成熟，且成果豐富，為國(guó)內(nèi)住房租賃市場(chǎng)的研究奠定了基礎(chǔ)。Leeuw和kanem以美國(guó)大都市區(qū)的住房租金水平為樣本，估算了美國(guó)住房租賃市場(chǎng)的供給彈性。Gabriel和Nothaft利用美國(guó)住房空置率分析了住房租賃市場(chǎng)的價(jià)格調(diào)整機(jī)制。Di Pasquale和Wheeton構(gòu)建了“四象限模型”，以供求理論為基礎(chǔ)，分析了住房資產(chǎn)市場(chǎng)與住房使用市場(chǎng)之間的關(guān)系。Deng構(gòu)建了住房租賃市場(chǎng)的比例風(fēng)險(xiǎn)模型，針對(duì)建筑占用率、租金和租賃住房的開發(fā)等問題提出意見[8]。Dipasquale D利用經(jīng)濟(jì)變量，分析了經(jīng)濟(jì)衰退、止贖危機(jī)和信貸市場(chǎng)凍結(jié)對(duì)住房租賃市場(chǎng)的影響[9]。Dong研究表明，收入不平等加劇了對(duì)中低收入租戶租房負(fù)擔(dān)能力的影響[10]。Grady等闡述了比率法和住房貧困法兩種衡量住房負(fù)擔(dān)能力的方法并比較其異同[11]。

由于我國(guó)重售輕租，國(guó)內(nèi)對(duì)住房租賃市場(chǎng)的研究起步較晚。劉美霞對(duì)比了發(fā)達(dá)國(guó)家住房自有、租賃住房等狀況，提出我國(guó)租賃住房比例過低[12]。董潘利用我國(guó)住房銷售價(jià)格指數(shù)和住房租賃價(jià)格指數(shù)進(jìn)行實(shí)證分析，研究發(fā)現(xiàn)，我國(guó)房?jī)r(jià)與租金受各種因素的干擾而呈現(xiàn)出非正比的背離關(guān)系[13]。楊曉東等利用特征價(jià)格模型，建立了住宅租賃特征價(jià)格指標(biāo)體系[14]。張若曦等以廣州市住房租賃市場(chǎng)為研究對(duì)象，系統(tǒng)分析了影響廣州市住宅租金的各項(xiàng)因素，通過構(gòu)建租賃住宅特征價(jià)格模型，揭示了廣州市住宅租金構(gòu)成的內(nèi)在規(guī)律[15]。孟君遲等以武漢市住房租賃市場(chǎng)為研究對(duì)象，分析影響住宅租金的因素，建立武漢市住宅租賃特征價(jià)格模型，分析租金構(gòu)成的內(nèi)在規(guī)律[16]。

基于以上分析可以發(fā)現(xiàn)，發(fā)達(dá)國(guó)家房地產(chǎn)市場(chǎng)和住房租賃市場(chǎng)的發(fā)展比較完善，國(guó)外對(duì)于房地產(chǎn)市場(chǎng)的研究比較早，因此研究成果較多且研究體系成熟。相比而言，國(guó)內(nèi)對(duì)房地產(chǎn)市場(chǎng)的研究則比較滯后，且多集中于宏觀層面，對(duì)住房租賃市場(chǎng)的研究集中于住房租金層面。文章具體研究了住房租賃政策對(duì)房?jī)r(jià)的影響，在研究中，Hsiao等為本文的研究方法提供了參考[17]，王敏等[7]為本文厘清了影響國(guó)家宏觀調(diào)控政策尤其是房地產(chǎn)政策的主要因素，為本文提供了有力的參考意見。

三、反事實(shí)框架下的政策效應(yīng)評(píng)估研究

“反事實(shí)思維”最早應(yīng)用于心理學(xué)、歷史學(xué)，一般指撤銷已經(jīng)發(fā)生過的事情，而假設(shè)其未發(fā)生時(shí)估計(jì)事情的發(fā)展情況的一種思維方式。應(yīng)用反事實(shí)理論結(jié)合適當(dāng)?shù)墓ぞ撸热缬?jì)量學(xué)方法，可以擬合出反事實(shí)路徑，由此評(píng)估某一政策的真實(shí)影響或效應(yīng)。由于評(píng)價(jià)政策效應(yīng)時(shí)，存在難以廓清因果關(guān)系、遺漏變量等問題，傳統(tǒng)理論模型嘗試估算不可觀測(cè)因素，或?qū)⑵浼尤腚S機(jī)干擾項(xiàng)，從而對(duì)結(jié)果造成有偏估計(jì)。HCW方法可以憑借已知的數(shù)據(jù)取代不可觀測(cè)因素，降低錯(cuò)誤發(fā)生的可能性，從而降低變量選擇與估計(jì)方法對(duì)實(shí)證結(jié)果穩(wěn)健性的干擾。在有限面板數(shù)據(jù)的情況下，HCW方法可以有效評(píng)估政策效應(yīng)，為研究復(fù)雜經(jīng)濟(jì)機(jī)制提供一種新的方法和視角。它使用的信息較少，能夠節(jié)約大量數(shù)據(jù)，參數(shù)估計(jì)簡(jiǎn)便，同時(shí)結(jié)果具有較好的穩(wěn)健性，更適合來研究政策效應(yīng)。

假設(shè)樣本城市的房地產(chǎn)價(jià)格由一些不可觀察的共同因素決定，通過挖掘控制組城市房?jī)r(jià)增速和實(shí)驗(yàn)組城市房?jī)r(jià)增速之間的橫截面關(guān)系，估算實(shí)驗(yàn)組城市在不實(shí)行培育政策的情況下房地產(chǎn)價(jià)格的估計(jì)增速。通過對(duì)比真實(shí)房地產(chǎn)價(jià)格增速和估算增速，能夠準(zhǔn)確評(píng)價(jià)住房租賃市場(chǎng)培育政策帶來的影響。首先，假設(shè)當(dāng)樣本城市沒有實(shí)施培育政策，建立以下房地產(chǎn)價(jià)格增速模型：

(1)

yit，i=1，…，N1表示實(shí)驗(yàn)組城市的房?jī)r(jià)同比增速，yjt，j=N1+1，…，N表示控制組城市的房?jī)r(jià)同比增速。假設(shè)在Ti時(shí)刻前，城市沒有實(shí)施培育政策，因此觀測(cè)到的yit為

(2)

假設(shè)Ti時(shí)刻后，實(shí)驗(yàn)組城市i開始實(shí)施住房租賃市場(chǎng)培育政策。因此觀測(cè)到的yit為

(3)

由于控制組一直沒有實(shí)施住房租賃市場(chǎng)培育政策，因此觀測(cè)到的yjt為

(4)

(5)

四、住房租賃市場(chǎng)培育政策對(duì)房?jī)r(jià)的影響研究

(一)數(shù)據(jù)篩選和變量選取

本文選取70個(gè)大中城市新建商品房住宅價(jià)格的同比增速月度數(shù)據(jù)為研究樣本，樣本區(qū)間為2011年1月至2019年11月，數(shù)據(jù)來自于Wind數(shù)據(jù)庫。在篩選數(shù)據(jù)時(shí)，去掉吉林、安慶和瀘州等數(shù)據(jù)缺失的城市；政策實(shí)施期間，廈門的房?jī)r(jià)增長(zhǎng)速度較不穩(wěn)定，因此對(duì)其進(jìn)行剔除。根據(jù)是否頒布培育政策，將樣本分為實(shí)驗(yàn)組和控制組。各個(gè)實(shí)驗(yàn)組城市政策的實(shí)施時(shí)間如表1所示。

因此，控制組為以下城市：唐山市、秦皇島市、牡丹江市、呼和浩特市、哈爾濱市、無錫市、徐州市、寧波市、金華市、蚌埠市、岳陽市、常德市、韶關(guān)市、福州市、湛江市、南寧市、北海市、三亞市、重慶市、遵義市、貴陽市、昆明市、西安市、銀川市、烏魯木齊市、大理市，共計(jì)26個(gè)。

依據(jù)不同城市培育政策首次執(zhí)行的時(shí)間，本文分別估計(jì)實(shí)施政策后3個(gè)月、6個(gè)月、9個(gè)月以及12個(gè)月的政策實(shí)施的平均處置效應(yīng)，便于分析培育政策的短期、中期和長(zhǎng)期影響效應(yīng)。以北京市為例，住房租賃培育政策實(shí)施時(shí)間為2017年10月，因此3個(gè)月短期窗口定義為2017/11到2018/1，6個(gè)月的中期窗口為2017/11到2018/4，12個(gè)月的長(zhǎng)期窗口定義為2017/11到2018/10。

(二)模型建立和回歸分析

城市分組后，需要篩選出構(gòu)造實(shí)驗(yàn)組城市反事實(shí)路徑的最優(yōu)預(yù)測(cè)變量。調(diào)整R方可以反映實(shí)驗(yàn)組的城市擬合效果，表2匯報(bào)了各個(gè)實(shí)驗(yàn)組城市在培育政策實(shí)施前回歸的擬合效果。由于合肥的擬合效果不佳，進(jìn)一步將合肥市從實(shí)驗(yàn)組中去除。

表1 40個(gè)實(shí)驗(yàn)組城市住房租賃政策實(shí)行的時(shí)間

表2 政策實(shí)施前變量篩選回歸擬合結(jié)果

選取出最優(yōu)預(yù)測(cè)變量，并構(gòu)建預(yù)測(cè)方程，培育政策的影響效應(yīng)為實(shí)際增速與反事實(shí)路徑的房?jī)r(jià)增速的差額。計(jì)算結(jié)果如表3所示，培育政策的效果在不同的城市和不同窗口內(nèi)表現(xiàn)的差異性很大。首先觀察一線城市，在3個(gè)月的短期窗口內(nèi)，廣州和深圳的系數(shù)均為負(fù)，說明短期內(nèi)培育政策限制了廣州和深圳房?jī)r(jià)的增速。北京和上海的系數(shù)為正，說明短期內(nèi)培育政策沒有降低北京和上海的房?jī)r(jià)增速。在12個(gè)月的長(zhǎng)期窗口內(nèi)，廣州系數(shù)為負(fù)，說明長(zhǎng)期內(nèi)培育政策仍然限制了廣州的房?jī)r(jià)增速。北京系數(shù)為正，說明長(zhǎng)期培育政策在北京會(huì)失效。長(zhǎng)期上海和深圳的系數(shù)不穩(wěn)定，即培育政策效果不穩(wěn)定。觀察9個(gè)新一線城市，在3個(gè)月的短期窗口內(nèi)，青島、鄭州、武漢、長(zhǎng)沙和成都等五個(gè)城市系數(shù)為負(fù)。其中，青島、長(zhǎng)沙和成都在政策處置期間內(nèi)系數(shù)一直為負(fù)，政策取得了較好的效果。長(zhǎng)期窗口中，武漢、鄭州系數(shù)由負(fù)轉(zhuǎn)正，因此培育政策在武漢、鄭州兩個(gè)城市失效，房?jī)r(jià)增速出現(xiàn)反彈。相反，在3個(gè)月的短期窗口內(nèi)，天津、沈陽、南京和杭州4個(gè)城市系數(shù)為正。天津、南京和杭州等城市系數(shù)一直為正，因此培育政策未取得降低房?jī)r(jià)增速的預(yù)期效果。深究原因，可能與這些城市正在向一線城市積極發(fā)展有關(guān)，房地產(chǎn)價(jià)格上漲過快，政策實(shí)施力度不夠，都會(huì)減少培育政策的調(diào)控效果。沈陽系數(shù)由正轉(zhuǎn)負(fù)，即從政策實(shí)施的中期至后期，沈陽的房?jī)r(jià)增速開始下跌，表示培育政策存在滯后效應(yīng)。

表3 實(shí)驗(yàn)組城市政策處置效應(yīng)

觀察13個(gè)二線城市，在3個(gè)月的短期窗口內(nèi)，大部分二線城市房?jī)r(jià)增速有了不同程度的下降趨勢(shì)，分別為石家莊、太原、揚(yáng)州、泉州、濟(jì)南、煙臺(tái)、惠州、?？诤吞m州等九個(gè)城市。長(zhǎng)期窗口內(nèi)，?？谙禂?shù)由負(fù)轉(zhuǎn)正，表示房?jī)r(jià)增速開始出現(xiàn)反彈，培育政策失效；石家莊、太原等城市房?jī)r(jià)增速仍然保持下降趨勢(shì)。在3個(gè)月的短期窗口內(nèi)，大連、長(zhǎng)春、溫州和南昌等四個(gè)城市系數(shù)為正，表示短期窗口內(nèi)，這些城市的房?jī)r(jià)增速?zèng)]有下降。6個(gè)月窗口后，大連和南昌的系數(shù)由正轉(zhuǎn)負(fù)，表示房?jī)r(jià)增速開始下降，培育政策存在滯后效應(yīng)。在全部窗口期間里，長(zhǎng)春和溫州政策處置效應(yīng)持續(xù)為正，即實(shí)施培育政策沒有限制房?jī)r(jià)上漲。

觀察13個(gè)三線城市，在3個(gè)月的短期窗口內(nèi)，包頭、丹東、錦州、贛州、洛陽、平頂山、襄陽、桂林和西寧等九個(gè)城市系數(shù)為負(fù)，表示大部分城市在政策實(shí)施的短期內(nèi)，房?jī)r(jià)的增長(zhǎng)速度有了不同程度的下降。其中，包頭、錦州、贛州、洛陽、平頂山、桂林和西寧系數(shù)持續(xù)為負(fù)，表示培育政策取得了限制房?jī)r(jià)增速上漲的預(yù)期效果。9個(gè)月窗口后，襄陽系數(shù)由正轉(zhuǎn)負(fù)，表示培育政策已經(jīng)失效。相反，在3個(gè)月的短期窗口內(nèi)，九江、濟(jì)寧、宜昌和南充4個(gè)城市系數(shù)為正。其中，濟(jì)寧的系數(shù)持續(xù)為正，說明政策沒有取得預(yù)期效果。南充的系數(shù)由正轉(zhuǎn)負(fù)，房?jī)r(jià)增速開始下跌，表示政策存在滯后效應(yīng)。丹東、九江和宜昌的系數(shù)變化不穩(wěn)定，其影響效應(yīng)需要更多的數(shù)據(jù)進(jìn)一步研究。

(三)反事實(shí)路徑圖

為進(jìn)一步了解各個(gè)城市培育政策實(shí)施期間房?jī)r(jià)增速的動(dòng)態(tài)變化，圖1～圖4展示了10個(gè)實(shí)驗(yàn)組城市在樣本區(qū)間內(nèi)的真實(shí)房?jī)r(jià)同比增速以及反事實(shí)路徑。其中，圖1展示了4個(gè)一線城市(北京、上海、廣州、深圳)，圖2為2個(gè)新一線城市(青島、長(zhǎng)沙)，圖3為2個(gè)二線城市(石家莊、揚(yáng)州)，圖4為2個(gè)三線城市(包頭、贛州)。圖中實(shí)線和虛線分別代表該城市的實(shí)際房?jī)r(jià)同比增速和估計(jì)增速。垂直虛線為政策開始實(shí)施的時(shí)間點(diǎn)。將HCW方法估計(jì)的政策實(shí)施點(diǎn)前的房?jī)r(jià)增速與原房?jī)r(jià)增速繪圖對(duì)比，可以發(fā)現(xiàn)它們的趨勢(shì)基本一致，表明基于面板數(shù)據(jù)擬合出來的反事實(shí)路徑較好。培育政策實(shí)施后，各個(gè)城市對(duì)政策的反應(yīng)程度不一致。政策實(shí)施后，如果估計(jì)增速位于實(shí)際增速上方，則實(shí)際增速與估計(jì)增速的差額為負(fù)，即培育政策降低了房?jī)r(jià)增速，取得預(yù)期效果。

五、住房租賃市場(chǎng)培育政策影響房?jī)r(jià)效應(yīng)的異質(zhì)性分析

(一)模型建立和數(shù)據(jù)選取

文章引入了城市教育、醫(yī)療、環(huán)境等指標(biāo)，研究造成各個(gè)城市政策實(shí)施效果差異的因素。本文采用的回歸模型的定義如式(6)所示，其中Δit為本文估計(jì)的政策處置效應(yīng)，α為常數(shù)項(xiàng)，Zit為可能造成影響效應(yīng)差異的變量。

圖1 一線城市反事實(shí)路徑圖

圖2 新一線城市反事實(shí)路徑圖

圖3 二線城市反事實(shí)路徑圖

圖4 三線城市反事實(shí)路徑圖

Δit=α+βΖit+εit。

(6)

本文考慮了城市基本面變量：居民消費(fèi)價(jià)格指數(shù)、戶籍人口、人均各項(xiàng)存款額、在崗職工平均工資。城市土地供給情況：月度住宅土地成交面積。城市資源變量：人均公園綠地面積、醫(yī)院和衛(wèi)生院數(shù)量、普通高等學(xué)校數(shù)量。虛擬變量：各個(gè)城市類型。描述性統(tǒng)計(jì)如表4所示。

表4 變量定義及描述性統(tǒng)計(jì)①

續(xù)表4

表5 政策實(shí)施3個(gè)月后短期效應(yīng)回歸結(jié)果

(二)異質(zhì)性分析

表5反映了住房租賃政策實(shí)施3個(gè)月后處置效應(yīng)的影響因素回歸結(jié)果。

樣本城市擁有的醫(yī)院等機(jī)構(gòu)的數(shù)量系數(shù)顯著為正，說明醫(yī)院數(shù)量越多，培育政策調(diào)控房地產(chǎn)價(jià)格的效果越差。陳孝可的研究顯示，越往市區(qū)靠近，醫(yī)療等公共資源對(duì)房?jī)r(jià)的影響越大越顯著。人均各項(xiàng)存款額系數(shù)顯著為正，表明人均各項(xiàng)存款額越高，培育政策對(duì)房?jī)r(jià)的抑制效應(yīng)越差。陳斌開認(rèn)為住房?jī)r(jià)格水平越高，居民儲(chǔ)蓄率越高，居民為了買房而儲(chǔ)蓄，因此培育政策可能起到較差的調(diào)控效果。戶籍人口的系數(shù)顯著為正，表明戶籍人口數(shù)量越多，培育政策對(duì)房?jī)r(jià)的抑制效應(yīng)越差。人口密度對(duì)城市房?jī)r(jià)上漲具有顯著的正向作用，因此從一定程度上抑制了培育政策發(fā)揮效用。政策實(shí)施點(diǎn)前12個(gè)月的平均房?jī)r(jià)同比增速系數(shù)為正，說明樣本城市長(zhǎng)期房?jī)r(jià)上漲越快，培育政策帶來的限制房?jī)r(jià)的效果越有限。李迎星認(rèn)為城市長(zhǎng)期房?jī)r(jià)上漲越快，會(huì)影響住房宏觀調(diào)控政策的作用。高校數(shù)量的系數(shù)顯著為負(fù)，說明高校數(shù)量越多，培育政策的調(diào)控效果越好，高校畢業(yè)生受購(gòu)買力等因素限制，并且其租房需求旺盛，因此對(duì)培育政策調(diào)控效果有正面作用。居民消費(fèi)者價(jià)格指數(shù)、在崗職工平均工資、人均公園綠地面積和土地成交量等變量系數(shù)不顯著，需要進(jìn)一步從長(zhǎng)期窗口進(jìn)行考量。虛擬變量中，試點(diǎn)城市和一線城市的系數(shù)為顯著為負(fù)，說明在住房租賃政策的引導(dǎo)下，試點(diǎn)城市和一線城市對(duì)房?jī)r(jià)的調(diào)控效果較好。試點(diǎn)城市以及一線城市短期內(nèi)政策執(zhí)行力度大、速度快，因此會(huì)有助于培育政策發(fā)揮抑制房?jī)r(jià)增速的作用。省會(huì)城市系數(shù)和沿海城市對(duì)應(yīng)的系數(shù)為負(fù)，但不顯著。

表6反映了住房租賃政策實(shí)施12個(gè)月后處置效應(yīng)的影響因素回歸結(jié)果。

表6 政策實(shí)施12個(gè)月后長(zhǎng)期效應(yīng)回歸結(jié)果

與短期效應(yīng)類似，醫(yī)療資源、人均各項(xiàng)存款額、戶籍人口和政策實(shí)施點(diǎn)前12個(gè)月的平均同比增速等指標(biāo)與房?jī)r(jià)上漲密切相關(guān)。因此從長(zhǎng)期來看，上述指標(biāo)仍然是造成實(shí)驗(yàn)組城市培育政策實(shí)施的效果差異的主要原因，并且這些指標(biāo)的長(zhǎng)期影響較大。高校數(shù)量的系數(shù)顯著為負(fù)，但從影響程度來看，中長(zhǎng)期培育政策的調(diào)控效果受高校數(shù)量的影響較小(短期系數(shù)為-0.04，中長(zhǎng)期系數(shù)為-0.01)。因?yàn)槎唐趦?nèi)高校畢業(yè)生租房需求較大，長(zhǎng)期來看租房需求趨于穩(wěn)定，因此對(duì)培育政策的正向影響也隨著時(shí)間逐漸減小。從長(zhǎng)期來看，居民消費(fèi)者價(jià)格指數(shù)、在崗職工平均工資、人均公園綠地面積和土地成交量等變量系數(shù)仍然不顯著。在虛擬變量中，試點(diǎn)城市系數(shù)顯著為負(fù)，說明在長(zhǎng)期效應(yīng)中，試點(diǎn)城市調(diào)控效果一直較好。試點(diǎn)城市較其他城市來看，其培育政策細(xì)節(jié)完善，且一直保持著較高的政策執(zhí)行力度，因此培育政策可以取得一定的效果。從長(zhǎng)期來看，省會(huì)城市、沿海城市和一線城市的系數(shù)均不顯著。

本文考慮城市基本面和城市資源等因素對(duì)培育政策調(diào)實(shí)施效果的影響。結(jié)果顯示，無論短期和長(zhǎng)期，較好的城市資源、政策實(shí)施點(diǎn)前12個(gè)月的房?jī)r(jià)平均增速、人均各項(xiàng)存款額、戶籍人口數(shù)量會(huì)抑制政策調(diào)控效果，高校數(shù)量對(duì)政策調(diào)控效果有積極影響。培育政策的長(zhǎng)短期動(dòng)態(tài)效果均存在差別。虛擬變量中，培育政策在一線城市的短期調(diào)控效果較好，在試點(diǎn)城市的短期和長(zhǎng)期調(diào)控效果均較好。

六、結(jié)論與建議

(一)結(jié)論

本文研究了培育和發(fā)展住房租賃市場(chǎng)政策對(duì)我國(guó)房地產(chǎn)價(jià)格增速的影響。研究樣本為2011年1月—2019年11月70個(gè)大中城市的房地產(chǎn)價(jià)格同比增速數(shù)據(jù)，經(jīng)過篩選樣本之后，將其中實(shí)施培育政策的39個(gè)城市視為實(shí)驗(yàn)組，沒有實(shí)施培育政策租賃政策的26個(gè)城市視為控制組，利用HCW提出的政策評(píng)估方法估計(jì)了培育政策對(duì)各個(gè)實(shí)驗(yàn)組城市房?jī)r(jià)同比增速的政策處置效果，并應(yīng)用回歸模型分析了導(dǎo)致各個(gè)城市處置效應(yīng)呈現(xiàn)差異的影響因素。本文經(jīng)過研究得出了以下3點(diǎn)結(jié)論。

(1)培育和發(fā)展住房租賃市場(chǎng)這一政策的調(diào)控效果在不同城市不同時(shí)間窗口內(nèi)的差異非常大。大部分實(shí)驗(yàn)組城市的房?jī)r(jià)增速下降，取得了一定的政策效果。一線城市中，培育政策在廣州的調(diào)控效果較好，在北京的調(diào)控效果不明顯，在上海和深圳的調(diào)控效果不穩(wěn)定。新一線城市中，青島、長(zhǎng)沙和成都等城市的政策調(diào)控效果較好。二線城市的整體境況優(yōu)于其他城市，培育政策在大部分二線城市的調(diào)控效果較好。三線城市的政策調(diào)控效果也比較好。

(2)培育政策的調(diào)控效果可能會(huì)隨著時(shí)間減少或消失。從長(zhǎng)期來看，少數(shù)實(shí)驗(yàn)組城市的政策效應(yīng)會(huì)隨著時(shí)間逐漸減少或消失，比如武漢、鄭州、沈陽和襄陽等。還有一些實(shí)驗(yàn)組城市的房?jī)r(jià)增速變化不穩(wěn)定，即政策實(shí)施效應(yīng)不穩(wěn)定，比如丹東、九江和宜昌等。培育政策可能存在滯后效應(yīng)，即在政策實(shí)施的后期，實(shí)驗(yàn)組城市的房?jī)r(jià)增速開始下降，比如沈陽、大連、南昌和南充等城市。

(3)對(duì)影響效應(yīng)進(jìn)行異質(zhì)性分析。研究結(jié)果顯示，無論短期和長(zhǎng)期，較好的城市資源、政策實(shí)施點(diǎn)前十二個(gè)月的房?jī)r(jià)平均增速、人均各項(xiàng)儲(chǔ)蓄額、戶籍人口數(shù)量會(huì)抑制政策調(diào)控效果，高校數(shù)量對(duì)政策調(diào)控效果有積極影響。培育政策的長(zhǎng)短期動(dòng)態(tài)效果在影響程度上存在差別。虛擬變量中，培育政策在一線城市短期調(diào)控效果較好，培育政策在試點(diǎn)城市的短期和長(zhǎng)期調(diào)控效果均較好。

(二)建議

通過以上結(jié)果分析提出以下4點(diǎn)建議。

(1)調(diào)整對(duì)不同層級(jí)城市的政策調(diào)控力度。從本文研究結(jié)論來看，培育政策在二線城市的整體調(diào)控效果較好，但在其他城市的調(diào)控效果還有進(jìn)步的空間，因此需要調(diào)整對(duì)不同層級(jí)城市的政策調(diào)控力度。政策制定者需要充分考慮這種差異，因城施策、因地制宜地實(shí)施房地產(chǎn)政策。政府可以綜合考慮消費(fèi)者學(xué)歷、職業(yè)、收入水平等因素，測(cè)量不同城市居民的住房負(fù)擔(dān)能力，將住房供給與當(dāng)?shù)鼐用褡》肯M(fèi)需求和消費(fèi)能力聯(lián)系起來，進(jìn)一步制定和完善培育政策在不同城市的政策細(xì)節(jié)，充分發(fā)揮培育政策的效用。

(2)明確導(dǎo)致培育政策中后期失效的因素并及時(shí)矯正。在政策實(shí)施中后期，培育政策的調(diào)控效果會(huì)隨著時(shí)間逐漸減少或者消失，因此需要明確導(dǎo)致培育政策中后期失效的因素，比如動(dòng)力不足、低支持度等關(guān)鍵因素。根據(jù)政策失效的原因，政策執(zhí)行者及時(shí)調(diào)整政策細(xì)節(jié)，加大培育政策的調(diào)控力度。政策執(zhí)行時(shí)，加強(qiáng)各部門之間的溝通，加強(qiáng)政府與居民之間的溝通，提高政策執(zhí)行力。將培育政策的實(shí)施效果增加到對(duì)地方政府的考核指標(biāo)中，加強(qiáng)對(duì)政策實(shí)施的監(jiān)督，避免資源投入的浪費(fèi)和政策后期失效。

(3)繼續(xù)推進(jìn)公共服務(wù)均等化。研究發(fā)現(xiàn)，城市行政級(jí)別通過影響城市的經(jīng)濟(jì)資源集聚能力和教育、醫(yī)療、交通等公共資源集聚能力，進(jìn)而影響住房?jī)r(jià)格，繼續(xù)推進(jìn)公共服務(wù)均等化，可以幫助解決我國(guó)房?jī)r(jià)過快上漲問題。因此，我國(guó)可以借鑒發(fā)達(dá)國(guó)家實(shí)現(xiàn)公共服務(wù)均等化的理念和經(jīng)驗(yàn)，努力探尋適合本國(guó)特點(diǎn)的實(shí)現(xiàn)公共服務(wù)均等化的途徑和策略。地方政府應(yīng)結(jié)合本地區(qū)的實(shí)際情況，出臺(tái)相應(yīng)的文件和法規(guī)，保證租房群體與購(gòu)房群體平等地享有教育、醫(yī)療等基本公共服務(wù)的權(quán)利，完善公共服務(wù)的分配。

(4)完善農(nóng)村的住房租賃市場(chǎng)。本文重點(diǎn)研究的是培育政策對(duì)城市住房房?jī)r(jià)的影響，但是農(nóng)村的住房租賃市場(chǎng)也需要引起政策制定者的重視。我國(guó)農(nóng)村集體經(jīng)營(yíng)性建設(shè)用地規(guī)模龐大，但目前多數(shù)處于閑置狀態(tài)，盤活農(nóng)村集體經(jīng)營(yíng)性建設(shè)用地市場(chǎng)，創(chuàng)新土地的供給方式，用于保障性住房建設(shè)，積極探索適合當(dāng)?shù)厥聦?shí)情況的措施，高效利用集體土地資源。有序規(guī)范開發(fā)農(nóng)村的住房租賃市場(chǎng)，完善農(nóng)村的住房租賃市場(chǎng)，不僅可以增加集體和農(nóng)民收入，振興鄉(xiāng)村，而且還可以緩解我國(guó)住房用地供求矛盾，緩解我國(guó)城市房?jī)r(jià)上漲過快的難題，帶來多重經(jīng)濟(jì)社會(huì)價(jià)值。

注 釋：

①由于回歸復(fù)量中有不少隨著時(shí)間變化的變量，本文沒有考慮固定效應(yīng)模型，而是采用了隨機(jī)效應(yīng)面板模型，但是主要結(jié)論沒有改變。