综合调控政策对商品住宅价格的影响机制分析—以成都市为例

综合调控政策对商品住宅价格的影响机制分析—以成都市为例

李勤 

成都信息工程大学，四川 成都 610103

摘要：近年来，土地市场“地王”现象和商品住宅价格的连续攀升引发了大众对于土地供应对商品住宅价格的调节作用的质疑。为此，地方政府需要承担更严格的主体责任来加强房地产市场的调控，从中央到地方政府都开始着手这项工作，来建立一套促进房地产市场平稳健康发展的长期有效机制。此次调控不仅仅限于土地供应方面的调控，而是综合运用多种手段，需要在金融、土地、财税、投资、立法等方面加强基础性制度和长期机制的建立，以抑制房地产泡沫的形成，避免市场大起大落[1]。这轮调控决心和政策力度都超过以往，多维度综合加码的调控政策将如何影响商品住宅价格？以及如何确保“稳地价、稳房价、稳预期”在任何楼市形态下都能得到实现？

关键词：房地产调控政策，土地供应，商品住宅价格，影响机制

Analysis of the influence mechanism of comprehensive control policy on commodity housing price——Take Chengdu as an example

In recent years, the phenomenon of "land king" in the land market and the continuous rise in the price of commercial housing have aroused public doubts about the regulating effect of land supply on the price of commercial housing. To this end, local governments need to assume stricter main responsibilities to strengthen the regulation and control of the real estate market, and all the central and local governments have started this work to establish a long-term effective mechanism to promote the stable and healthy development of the real estate market. This regulation is not limited to the regulation of land supply, but a comprehensive use of various means. It is necessary to strengthen the establishment of basic systems and long-term mechanisms in finance, land, taxation, investment and legislation to curb the formation of real estate bubbles and avoid market ups and downs [1]. This round of regulation and control determination and policy strength are more than before. How will the multi-dimensional comprehensive overweight regulation and control policy affect the price of commercial housing? And how to ensure that "stable land price, stable house price and stable expectation" can be realized in any property market form?

Keywords: Real-estate-control-policies, Land-supply, Commodity-residential-prices, Influence mechanism

政府行为在土地供应对房价影响的作用，并不是单一政策来进行，尤其在中国。当前综合调控下，地方政府通过多维度财政政策、货币政策、供给端调控政策、需求端调控政策方式组合方式对房价造成影响。财政政策主要表现为信贷和利率政策调整主要由央行来主导，税收政策一般来自于国家或省一级层面，而供给端调控政策和需求端调控政策一般由地方根据中央指示来做因地制宜化调整，而且供给与需求的调整对于地方政府来说往往以组合拳形式出现配套使用，需求端调控主要解决短期矛盾，为供给端改革创造有利条件；而供给端改革则主要解决中长期问题，通过改善供给来促进需求更好地释放。

考虑到住房商品的不可移动性，研究全国范围内调控政策对商品住宅价格的影响机制可能产生政策误导效应，因此研究典型城市是更为实际的路径。成都是此轮综合调控的典型城市之一，因此研究其调控政策对商品住宅价格的影响具有代表性。

由于国家到地区收紧和宽松政策存在较大差异，这些差异也会产生不同的房价影响。尤其成都在需求端政策分析上，成都市12城区（一圈层、二圈层、两大新区）是限购限售政策严控的区域，这些区域与非严控区域之间存在较大的差别；在供应端政策涉及成都14区（一圈层、二圈层、两大新区及三圈层的新津、青白江）分析上，这些区域与非集中供地区域之间也存在较大的差别，还需进一步对比分析。

在多期双重差分法中，关键之一是寻找合适的对照组。对照组和处理组需要具有相似的特征，以满足平行趋势假设，否则会导致分析结果出现显著偏差。涉及两个关键数据，分别是Treated和Time，此处Treated为地区（实施紧缩政策的地区和实施宽松政策的地区），以及时间项Time(实施紧缩政策后和实施紧缩政策前即实施宽松政策时间)。其中双重差分变量设置：需求端双重差分变量、供应端双重差分变量、信贷双重差分变量、税收双重差分变量，同时研究土地供应对于房价的影响，因此，房价是被解释的变量。同时，还有一些可选的控制变量需要考虑。将开发强度、溢价率、成交楼面价、规划建筑面积、建设用地面积作为控制变量。

表1 指标定义

选取2015年1月至2022年6月的成都23区市县的月份-政策–房价—土地供应指标（开发强度、溢价率、成交楼面价、规划建筑面积、建设用地面积）数据，利用stata 16.0软件，构建回归模型。

模型设定及假设

根据上述研究，本文采用的多期DID方法构建的回归模型如下[2-6]：

..（5-2）

其中：指的是常数项（Constant），指的是各个变量的回归系数，代表的是不随个体异质性变化的时间效应，代表不随时间变化的个体效应，是随机误差项，下标i表示的是不同的地区，下标t表示的是不同的年份，it表示i地区第t年。

回归结果

由表2可知，需求端did1的回归系数为0.1925，在1%的水平下显著，说明需求端紧缩对成都房价有显著的正向影响。供应端did2的回归系数为0.2231，在1%的水平下显著，说明供应端紧缩对成都房价有显著的正向影响。信贷端did3的回归系数为-0.1614，在1%的水平下显著，说明信贷紧缩对成都房价有显著的负向影响。税收端did4的回归系数不显著，说明税收紧缩对成都房价的影响不显著。控制变量方面，DS对HPrice有显著的正向影响；PR对HPrice有显著的负向影响；AcValue对HPrice有显著的正向影响；StrArea、BSArea的回归系数不显著，说明StrArea、BSArea对HPrice的影响不具有统计学上的意义。

需求端、供应端、信贷端政策效果影响效应对比来看，实验组相比于对照组且政策后相比于政策前（信贷政策为全国政策

23区执行一致，主要为政策后相比于政策前），从绝对值来看，供应端政策对房价影响相对最高，其次为需求端政策，最后是信贷端政策。具体来看，供应端政策成都14区（一圈层、二圈层、两大新区及三圈层的新津、青白江）相比于三圈层其他9区，主要体现在集中供地的政策实施后相对比集中供地政策实施前，对房价产生了0.2231正向影响。需求端政策来看，成都市12城区（一圈层、二圈层、两大新区）相比于三圈层11区县来看，在2016年10月政策实施后与2016年10月政策实施前比，对房价产生了0.1925正向影响。信贷端政策来看，信贷收紧政策实施后比实施前，对房价产生0.1614负向影响，对阻止房价上涨有直接作用。

表2 多期DID模型回归

注：***p<0.01,**p<0.05,*p<0.1,括号内为标准误，以上回归满足平稳性检验和GLS检验

政策协同效应分析

进一步对需求端、供应端、信贷端政策协同效果分析来看，从表3可以得到:did12的回归系数为0.2731，在1%的水平下显著，说明需求端紧缩和供应端紧缩政策对成都房价是显著的正向影响，双向叠加反而对房价产生了0.2731正向影响，两个政策叠加反而更加助长了房价的增长（did1对房价产生了0.1925正向影响,did2对房价产生了0.2231正向影响）。

did13的回归系数为-0.1614，在1%的水平下显著，说明需求端紧缩和信贷端政策紧缩政策联合下，双向叠加对房价有0.1614负向影响，达到抑制房价上涨目的。Did23/did123的回归系数为-0.0901，在10%的水平下显著，说明需求端、供应端、信贷端联合紧缩的政策效果对成都房价0.0901负向影响，加入供应端紧缩政策后没有达到进一步降低成都房价的目的。

表3 政策协同效应分析

注：***p<0.01,**p<0.05,*p<0.1。did123和did23在政策覆盖上一致

根据以上实证结论，调控政策对商品住宅价格的影响机制可以总结如下：

1.信贷端政策是短期最有效的调节房价涨跌的政策。收紧信贷政策可以直接阻止房价上涨，并对房价产生负向影响。

2.需求端和供应端政策的效果影响相对较弱，可能对房价产生一定的助推作用，而短期内难以达到降温降价的效果。

3.土地供应指标对商品住宅价格影响显著，宅地成交价格和开发强度对商品住宅价格是正向影响，即土地成交价格和开发强度上升时，商品住宅价格也会相应上升。宅地成交溢价率与商品住宅价格呈负向影响，即宅地成交溢价率过快增长时，各项调控政策会迅速制定并传导至房价，从而对房价产生短期负向影响。

综上所述，调控政策对商品住宅价格的影响是复杂的，需要综合考虑多种因素和政策手段，并且需要根据不同的市场情况和需求来调整政策。

政策会造成价格的波动，改变节奏，但是政策无法决定房价，房价从根本说是由供求关系决定的。从成都此轮严控政策来看，政策叠加效应明显，联合紧缩的政策效果对成都房价产生了负向影响，达到了降低房价的目的，其中信贷段紧缩政策抑制房价效果最为显著。相较于上轮的调控，信贷段紧缩政策在强力升级，居民端提高首套、二套房利率，从二套房销售中把金融杠杆撤除，企业端“三道红线”预售资金监管从严对抑制房价起立竿见影作用；成都房地产行业在所有行业中已经毋庸置疑地占据了地方政府收入来源的最重要的地位。随着成都基建对于经济保增长的需要却越来越迫切。基建所需资金的缺口需求逐渐增大。地方政府无论是从政绩考核，财政收入对土地财政的依赖，不得不逼着变相进行土地营销来推高土地收入，从而又传导房价增长，供应端紧缩政策的实施反而给到房价正向助推作用；“限购、限贷、限价、限售、限商”政策，短期内阻止了部分投资客群需求，对房价造成小幅度、短期的波动，但并不改变房地产上涨的趋势，大量购房需求向周边外溢和挤出，而远郊城市继续享受鼓励去库存的政策红利，这便短期内造成了远郊楼市的火爆。且通过政策手段打压价格，也出现核心区域“网红盘”、“万人摇”出现导致资源错配和效率低下现象；与一线城市比，成都紧缩的税收政策对房价影响并不十分明显，也指明了这是未来成都房地产调控需增强的方向。

参考文献

[1]王立科、陈小龙、王倩（2017）. 中国房地产市场调控的政策效果与机制分析.金融经济学研究，2017（02）.65-77

[2]王立勇,房鸿宇& 谢付正.(2020).中国农业保险补贴政策绩效评估:来自多期DID的经验证据. 中央财经大学学报(09),24-34. doi:10.19681/j.cnki.jcufe.2020.09.004.

[3]Goodman-Bacon, Andrew,“Difference-in-differences with variation in treatment timing,” Journal of Econometrics, 2021, 225 (2), 254–277.

[4]Gardner J. Two-stage differencesin differences[J]. Working paper, 2021.Sant’Anna P H C,Zhao J.Doubly robust difference-in-differences estimators[J].Journal of Econometrics, 2020,219(1): 101-122.

[5]Callaway B, Sant’Anna P H C. Difference-in-differences with multiple time periods[J].Journal of Econometrics, 2021, 225(2): 200-230.

[6]Arkhangelsky D, Athey S,Hirshberg D A, et al. Synthetic difference-in-differences[J]. American EconomicReview, 2021,111(12): 4088-4118.

作者简介：李勤 （1990-），女，汉族，四川乐山人，在读研究生，研究方向：社会统计。