王雪峰

（江西財(cái)經(jīng)大學(xué)旅游與城市管理學(xué)院，江西 南昌 330032）

南昌市住房限購(gòu)政策效果的時(shí)空特征及土地溢出效應(yīng)

王雪峰

（江西財(cái)經(jīng)大學(xué)旅游與城市管理學(xué)院，江西 南昌 330032）

研究目的：考察住房限購(gòu)政策對(duì)南昌市住房?jī)r(jià)格變化的時(shí)空影響及對(duì)土地市場(chǎng)的溢出效應(yīng)。研究方法：以雙重差分模型為基礎(chǔ)的計(jì)量分析。研究結(jié)果：限購(gòu)政策對(duì)限購(gòu)區(qū)和非限購(gòu)區(qū)房?jī)r(jià)的影響無(wú)差異，但能顯著降低南昌市整體實(shí)際房?jī)r(jià)增長(zhǎng)速度；限購(gòu)政策時(shí)間效應(yīng)呈現(xiàn)出先揚(yáng)后抑及消失的過(guò)程；空間效應(yīng)表現(xiàn)為生活便利、交通迅捷以及教育資源越好的住房對(duì)抗限購(gòu)政策的能力越強(qiáng)；溢出效應(yīng)表現(xiàn)為住房限購(gòu)導(dǎo)致土地成交率和土地溢價(jià)率明顯回落。研究結(jié)論：基于雙重差分法的估計(jì)能夠更可靠地反映限購(gòu)政策效果。

土地經(jīng)濟(jì)；住房限購(gòu)；雙重差分；時(shí)間效應(yīng)；空間效應(yīng)；溢出效應(yīng)

1 引言

2009年四萬(wàn)億經(jīng)濟(jì)刺激政策出臺(tái)后，中國(guó)許多城市房?jī)r(jià)又呈現(xiàn)快速上漲的局面，為抑制屢調(diào)屢漲的住房?jī)r(jià)格，2011年1月26日國(guó)務(wù)院出臺(tái)了“新國(guó)八條”①《國(guó)務(wù)院辦公廳關(guān)于進(jìn)一步做好房地產(chǎn)市場(chǎng)調(diào)控工作有關(guān)問(wèn)題的通知》，包括住房限購(gòu)、限貸、稅收、保障房供應(yīng)及土地等一攬子政策。，其中包括被輿論稱為“史上最嚴(yán)厲”的直接干預(yù)手段——住房限購(gòu)條款。所謂住房限購(gòu)政策就是中央政府選擇所有直轄市、計(jì)劃單列市、省會(huì)城市和部分房?jī)r(jià)過(guò)高、上漲過(guò)快的城市為住房限購(gòu)城市，限購(gòu)城市的地方政府再確定具體的住房購(gòu)買量限制區(qū)域并規(guī)定戶籍、社會(huì)保險(xiǎn)或個(gè)人所得稅繳納以及住房擁有狀況不同的購(gòu)房人在限購(gòu)區(qū)域所能購(gòu)買最大住房數(shù)量的行政措施。該政策目標(biāo)在于通過(guò)在限購(gòu)區(qū)域?qū)彝ベ?gòu)房數(shù)量的限制，強(qiáng)制將投機(jī)性需求和部分改善需求趕出市場(chǎng),進(jìn)一步抑制限購(gòu)區(qū)域住房?jī)r(jià)格過(guò)快增長(zhǎng)。

在市場(chǎng)化取向不斷深化的背景下，政府罕見(jiàn)地采取住房限購(gòu)——定量配給的這種非市場(chǎng)化措施，引起了學(xué)術(shù)界的高度關(guān)注。劉江濤等[1]構(gòu)建了包含限購(gòu)約束的兩期住房市場(chǎng)模型，從理論上論證了限購(gòu)政策通過(guò)抑制住房需求能夠降低住房?jī)r(jià)格，但住房跨期需求和供給的變化會(huì)削弱限購(gòu)政策的降價(jià)效應(yīng)；劉璐[2]從一般均衡的角度探討了限購(gòu)和限貸政策能有效降低均衡房?jī)r(jià)的條件；在實(shí)證研究中，馮科等[3]從福利分析的角度構(gòu)建了反需求函數(shù)，其經(jīng)驗(yàn)分析表明限購(gòu)政策使剛性、改善性和投資性房地產(chǎn)需求者均面臨福利損失；喬坤元[4]運(yùn)用倍差模型以70個(gè)大中城市為樣本探討了限購(gòu)政策對(duì)住房?jī)r(jià)格和交易量的影響。盡管這些實(shí)證研究在一定程度上度量了住房限購(gòu)政策的降價(jià)效應(yīng)，但存在不足：一是普遍選擇城市為對(duì)象，忽略了大多數(shù)城市只是部分區(qū)域限購(gòu)的事實(shí)，也忽略了位置、交通和檔次等重要區(qū)位特征對(duì)房?jī)r(jià)變化的影響；二是沒(méi)有考慮限購(gòu)期間利率、首付比等其他政策的變動(dòng)，夸大或低估了限購(gòu)政策的作用；三是普遍選擇城市房屋價(jià)格指數(shù)（有的甚至用城市房地產(chǎn)平均銷售價(jià)格）來(lái)度量房屋價(jià)格水平，這種處理影響了同一城市跨期房?jī)r(jià)的可比性[5]；四是沒(méi)有考慮限購(gòu)政策對(duì)土地、金融等其他資產(chǎn)市場(chǎng)所產(chǎn)生的影響。

迄今限購(gòu)政策實(shí)施三年多，其效果及政府調(diào)控目標(biāo)是否實(shí)現(xiàn)等問(wèn)題日益引起學(xué)術(shù)界的興趣。本文將針對(duì)已有研究的不足，以部分限購(gòu)城市南昌市的微觀樓盤數(shù)據(jù)為樣本，運(yùn)用雙重差分模型嘗試分析住房限購(gòu)政策對(duì)住房?jī)r(jià)格的時(shí)空影響及對(duì)土地市場(chǎng)的溢出效應(yīng)。其意義在于通過(guò)對(duì)南昌市個(gè)案研究為諸如限購(gòu)等定性政策的效果評(píng)價(jià)在分析方法、研究對(duì)象和變量的選擇等方面進(jìn)行探索，同時(shí)也可為長(zhǎng)沙、武漢等市在區(qū)位、產(chǎn)業(yè)結(jié)構(gòu)、城市化水平、居民收入水平及投資觀念和習(xí)俗等相似的中部城市限購(gòu)政策的效果評(píng)價(jià)提供借鑒。

2 政策效果分析的基本方法

政策效果分析本質(zhì)上是一種因果分析。因果關(guān)系分析概括起來(lái)主要有兩種模型：Granger因果模型和處理效應(yīng)模型。

Granger因果模型一般的做法是先建立被解釋變量和解釋變量的線性（如VAR模型）或非線性模型，進(jìn)而估計(jì)被解釋變量和解釋變量之間數(shù)量關(guān)系，然后用Granger因果檢驗(yàn)來(lái)判斷被解釋變量和目標(biāo)解釋變量之間是否存在均值或分位數(shù)或方差甚至是分布上的因果關(guān)系[6]。盡管Grange因果模型在經(jīng)濟(jì)研究中被廣泛應(yīng)用，但人們一直對(duì)Granger因果關(guān)系是否是真正的因果關(guān)系存有懷疑，尤其在哲學(xué)層面上[7]。

處理效應(yīng)模型被廣泛運(yùn)用到項(xiàng)目和政策效果評(píng)估中。評(píng)估政府政策往往可以看作是一個(gè)自然實(shí)驗(yàn)（Natural experiment）過(guò)程，自然實(shí)驗(yàn)的數(shù)據(jù)來(lái)源于對(duì)社會(huì)生活的觀測(cè)，但和真實(shí)實(shí)驗(yàn)一樣，自然實(shí)驗(yàn)中總有一些個(gè)體是政策的實(shí)施對(duì)象（稱之為處理組），如城市中限購(gòu)區(qū)域的住房；另外一些則不是政策的作用對(duì)象（稱之為對(duì)照組），如城市中非限購(gòu)區(qū)域的住房。因此，在一定的條件下通過(guò)比較政策實(shí)施前后處理組和對(duì)照組之間的差異，就可以得到政策的平均（或分位數(shù)等）效果。基于這種思想所建立的模型就成為處理效應(yīng)模型[8]。

在處理效應(yīng)模型中，雙重差分估計(jì)簡(jiǎn)單明了且有效，對(duì)樣本容量要求更低，還可以估計(jì)處理效應(yīng)的動(dòng)態(tài)變化，在評(píng)估政策因果效應(yīng)中備受推崇，也是本文實(shí)證擬采取的估計(jì)方法。根據(jù)Wooldridge[9]的研究，其基本思想可以表述如下：

在一個(gè)自然實(shí)驗(yàn)中，受到處理（如政策影響）的個(gè)體歸為處理組T，沒(méi)有受到處理的個(gè)體歸為對(duì)照組C。假設(shè)y是關(guān)心的結(jié)果變量（如，住房?jī)r(jià)格變動(dòng)率）；當(dāng)個(gè)體受到處理，處理虛擬變量dT取值為1，否則取值為0；當(dāng)處理發(fā)生后（政策實(shí)施后），時(shí)期虛擬變量d取值為1，否則為0。

顯然，如果在自然實(shí)驗(yàn)中，只有處理變量（政策）發(fā)生變化，其他影響y的因素保持不變，而且結(jié)果變量y沒(méi)有時(shí)間趨勢(shì)變化，那么平均處理效應(yīng)為：

從式1看出為求出政策的平均處理效應(yīng)，首先必須對(duì)處理前后處理組和對(duì)照組的平均產(chǎn)出y分別進(jìn)行差分，然后再對(duì)這兩個(gè)差分再進(jìn)行差分，即雙重差分。影響y的其他因素也發(fā)生變化（用協(xié)變量X表示），則如式2：

其中參數(shù)δ度量了政策對(duì)政策受體的作用大小，即：

要使雙重差分法獲得無(wú)偏、一致且有效的處理效應(yīng)必須滿足：（1）處理變量dT與結(jié)果變量y獨(dú)立，即滿足所謂的條件期望獨(dú)立假設(shè)，以克服自選擇（self-selection）造成的選擇性偏差；（2）處理組T和對(duì)照組C的結(jié)果變量y在處理前具有相同的時(shí)間趨勢(shì)。

鑒于相對(duì)于格蘭杰因果模型，雙重差分模型能夠更有效地將住房限購(gòu)政策效果從“新國(guó)八條”一攬子調(diào)控政策中篩選出來(lái)，因此，下文將選擇雙重差分模型進(jìn)行實(shí)證。

3 限購(gòu)”政策效果實(shí)證：雙重差分估計(jì)

3.1 限購(gòu)政策對(duì)房?jī)r(jià)的影響

3.1.1 樣本和變量的選擇及初步分析 本文以微觀數(shù)據(jù)為基礎(chǔ)，選擇南昌市具體樓盤為考察對(duì)象。因?yàn)橥怀鞘袠潜P之間所面臨的人口、經(jīng)濟(jì)結(jié)構(gòu)和環(huán)境、風(fēng)俗習(xí)慣以及政策規(guī)劃環(huán)境等條件是極為相似，這能有效提高雙重差分法所需樣本的可比性，避免簡(jiǎn)單以城市為觀測(cè)對(duì)象產(chǎn)生的因結(jié)果變量時(shí)間趨勢(shì)不同所導(dǎo)致的估計(jì)偏差。

具體而言，由于數(shù)據(jù)的可得性，選擇2010第2季度—2013年第2季度共13期作為觀測(cè)期，2010年第2季度—2011年第1季度為未限購(gòu)期，之后為限購(gòu)期；對(duì)樣本樓盤，一是根據(jù)雙重差分法的要求，選擇在整個(gè)觀測(cè)期持續(xù)在售的樓盤，二是選擇南昌市住房市場(chǎng)中份額最多的普通住宅樓盤。在觀測(cè)期，南昌市在售樓盤共有62個(gè)符合條件，其中限購(gòu)區(qū)域41個(gè)，非限購(gòu)區(qū)域21個(gè)，將這些樓盤全部納入樣本。

關(guān)于結(jié)果變量，由于限購(gòu)政策是以抑制住房?jī)r(jià)格過(guò)快增長(zhǎng)為目標(biāo)，所以選擇樣本樓盤中普通住宅的實(shí)際平均房?jī)r(jià)的變化率（CRHPA）。其優(yōu)點(diǎn)在于能克服因自選擇（self-selection）所導(dǎo)致的選擇性偏差，還可以更直觀地檢驗(yàn)政府限購(gòu)目標(biāo)是否實(shí)現(xiàn)。

在解釋變量中，dT是樓盤是否受到限購(gòu)政策處理的虛擬變量，d是限購(gòu)政策實(shí)施與否的時(shí)期變量，二者均為虛擬二值變量，其設(shè)定方式與第二部分相同。為增強(qiáng)雙重差分模型的解釋力及增強(qiáng)處理變量dT與結(jié)果變量之間的獨(dú)立性，還需選擇對(duì)結(jié)果變量產(chǎn)生重要影響的協(xié)變量。Zabel[10]、溫海珍等[11]等學(xué)者認(rèn)為協(xié)變量包括三類，一是收入、信貸、利率等城市宏觀經(jīng)濟(jì)政策變量，二是房型、房齡等住宅特征變量，三是交通、教育和外部配套等區(qū)位變量。據(jù)此本文選擇如下協(xié)變量：扣除通貨膨脹后的實(shí)際利率（RR）、首套房抵押貸款首付比（DPR）、樓盤距CBD的距離（DTB）、樓盤距地鐵距離（DTS）、樓盤距省級(jí)重點(diǎn)中學(xué)的距離（DTH），以及小區(qū)物業(yè)費(fèi)用等。

表1 主要變量的描述性統(tǒng)計(jì)分析Tab.1 Descriptive analysis of major variables

從表1可以看出，無(wú)論是非限購(gòu)區(qū)域、限購(gòu)區(qū)域還是整個(gè)南昌市，限購(gòu)政策實(shí)施后實(shí)際房?jī)r(jià)比實(shí)施前分別高1380元/m2、1401元/m2和1377元/m2，因此可以說(shuō)限購(gòu)政策實(shí)施后南昌市的平均房?jī)r(jià)不降反升，但這是否意味著限購(gòu)政策無(wú)效？從價(jià)格變動(dòng)率來(lái)看，無(wú)論是對(duì)照組、處理組還是整個(gè)南昌市，平均實(shí)際房?jī)r(jià)變動(dòng)率在限購(gòu)后均下降，分別為-2.99%、-1.95%和-2.06%，且處理組比對(duì)照組多下降1.04%，這是否又說(shuō)明限購(gòu)政策有效？是否說(shuō)明限購(gòu)政策更有效地抑制了限購(gòu)區(qū)域房?jī)r(jià)的增長(zhǎng)？由于不知這些數(shù)據(jù)是否顯著性，所以暫時(shí)難以對(duì)這些問(wèn)題進(jìn)行判斷。特別地，非限購(gòu)區(qū)域住宅距CBD距離、距地鐵距離及距重點(diǎn)中學(xué)距離分別比限購(gòu)區(qū)域住宅平均高出2.88 km、6.79 km和1.54 km，物業(yè)管理費(fèi)平均低0.67元/m2，這是否說(shuō)明實(shí)際房?jī)r(jià)變動(dòng)率的差異是處理組和對(duì)照組個(gè)體差異所致？這些問(wèn)題正是下文所要回答的。

3.1.2 雙重差分分析

（1）平均處理效應(yīng)和時(shí)間效應(yīng)分析。為度量限購(gòu)的政策平均處理效應(yīng)和時(shí)間效應(yīng)，依據(jù)式2的雙重差分模型建立了方程1到方程4共4個(gè)模型（表2）。其中，方程1和方程2將觀察期簡(jiǎn)單地分為限購(gòu)和非限購(gòu)期，即處在限購(gòu)期時(shí)，時(shí)期變量d = 1，反之，d = 0；方程3和方程4則設(shè)置了9個(gè)時(shí)間虛擬變量以度量限購(gòu)后限購(gòu)政策季度環(huán)比效應(yīng)的大?。簳r(shí)期變量di = 1，當(dāng)限購(gòu)政策實(shí)施第i季度時(shí)；di = 0，當(dāng)不處在限購(gòu)政策實(shí)施的第i季度時(shí)；i = 1，2，…，9。方程2和方程4還考慮了實(shí)際利率、首付比等宏觀變量及區(qū)位等樓盤個(gè)體特征對(duì)實(shí)際房?jī)r(jià)變化率的影響。

從表2可以發(fā)現(xiàn)：第一，4個(gè)方程的dT項(xiàng)的參數(shù)均不顯著，這說(shuō)明在其他條件相同的情況下，考察期內(nèi)限購(gòu)及非限購(gòu)區(qū)域的平均實(shí)際房?jī)r(jià)增長(zhǎng)率變化沒(méi)有顯著差異；第二，4個(gè)方程的dT×d和dT×di項(xiàng)的參數(shù)估計(jì)值（反映限購(gòu)政策平均處理效應(yīng)大?。┚伙@著，這說(shuō)明限購(gòu)后限購(gòu)政策對(duì)限購(gòu)購(gòu)區(qū)域樓盤房?jī)r(jià)的抑制作用并沒(méi)有導(dǎo)致其增長(zhǎng)率比非限購(gòu)區(qū)域增長(zhǎng)或下降得更多；第三，方程1和方程2的時(shí)期虛擬變量d的參數(shù)均顯著，顯示限購(gòu)政策使得南昌市平均房?jī)r(jià)變化率比限購(gòu)前分別下降了3.29%和3.81%。這說(shuō)明限購(gòu)政策盡管并未使限購(gòu)區(qū)域的房?jī)r(jià)增長(zhǎng)率變化比非限購(gòu)區(qū)域下降得更多，但確實(shí)顯著抑制了南昌市整體住房?jī)r(jià)格的增長(zhǎng)。方程3和方程4的時(shí)期虛擬變量di的參數(shù)值變化則更清晰地反映了限購(gòu)政策對(duì)南昌市整體房?jī)r(jià)變化的時(shí)間效應(yīng)：限購(gòu)后第1季度并未導(dǎo)致整體樓盤實(shí)際房?jī)r(jià)變化率與限購(gòu)前有顯著的差異，第2季度則較第1季度不降反升，分別增長(zhǎng)了4.64%和5.35%，這可能是前期房?jī)r(jià)上漲慣性及限購(gòu)政策實(shí)施時(shí)滯的結(jié)果；從限購(gòu)后第3季到第6季實(shí)際房?jī)r(jià)增長(zhǎng)率顯著為負(fù)且不斷下降，第7季度顯著為負(fù)，但較第6季度回升，第8季度和9季度實(shí)際房?jī)r(jià)增長(zhǎng)率變負(fù)為正，但不顯著。這說(shuō)明限購(gòu)政策的時(shí)間效應(yīng)經(jīng)歷了滯后（2個(gè)季度）→先揚(yáng)（4個(gè)季度）→后抑（1個(gè)季度）→消失的過(guò)程（圖1）。第四，方程2和方程4顯示，實(shí)際利率每增加100個(gè)基點(diǎn)會(huì)導(dǎo)致房?jī)r(jià)變化率平均下降1.39%和2.00%；首付比則對(duì)房?jī)r(jià)變化率的影響盡管為負(fù)，但不顯著。其可能的原因是在“新國(guó)八條”出來(lái)前，房企經(jīng)歷了一波房?jī)r(jià)大漲的行情，其資金相當(dāng)充裕，在這種情況下，哪怕是因首付比提高導(dǎo)致的需求急劇下滑，房企也沒(méi)有輕易降價(jià)，因?yàn)榻祪r(jià)會(huì)導(dǎo)致市場(chǎng)的進(jìn)一步看跌，對(duì)房企更為不利；距CBD距離和距地鐵1號(hào)線距離等反映樓盤區(qū)位和檔次的變量，并不能顯著影響房?jī)r(jià)變化率，這說(shuō)明這些變量與房?jī)r(jià)變化率并不存在顯著的線性關(guān)系。

表2 限購(gòu)政策的平均處理效應(yīng)及時(shí)間效應(yīng)的估計(jì)結(jié)果Tab.2 Estimation results of treatment and dynamic effects for housing rationing

圖1 限購(gòu)政策時(shí)間效應(yīng)變化Fig.1 Dynamic effect for housing rationing

（2）空間效應(yīng)分析。方程2和方程4顯示樓盤的區(qū)位及個(gè)體特征與房?jī)r(jià)變動(dòng)率沒(méi)有顯著的線性關(guān)系，但是在限購(gòu)背景下，這并不意味著區(qū)位的差異不會(huì)影響房?jī)r(jià)變動(dòng)率，因?yàn)樽》刻卣鲀r(jià)格理論認(rèn)為，在其他條件相同的情況下，區(qū)位（空間）變量取值在一定區(qū)間內(nèi)的不同房屋其價(jià)格變動(dòng)往往相似，但是超出這個(gè)區(qū)間，其房?jī)r(jià)變動(dòng)則與區(qū)間內(nèi)的房屋有明顯的差異。因此，為考察限購(gòu)政策的空間效應(yīng)，依據(jù)雙重差分思想，設(shè)計(jì)了動(dòng)態(tài)特征價(jià)格模型式4并分別估計(jì)了方程5—方程7（表3）：

式4中，y、d和前文相同，協(xié)變量X仍然選擇實(shí)際利率和首付比；c是反映住房空間位置的虛擬變量，包括距CBD距離b（＜3 km，b = 1，否則b = 0）、距1號(hào)地鐵距離s（＜1 km，s = 1，否則s = 0）和距重點(diǎn)中學(xué)距離h（＜1 km，h = 1，否則h = 0）。

顯然，模型式4中限購(gòu)時(shí)期虛擬變量d和住房個(gè)體特征變量c交叉積（d×c）的參數(shù)度量了住房空間特征對(duì)限購(gòu)政策效應(yīng)的影響。表3方程5—方程7的估計(jì)結(jié)果顯示住房空間變量對(duì)限購(gòu)政策效應(yīng)存在顯著的抑制作用。在其他條件不變的情況下，限購(gòu)后，距市中心3 km以內(nèi)住房的實(shí)際房?jī)r(jià)增長(zhǎng)率比3 km以外的高0.15%，距1號(hào)地鐵和距重點(diǎn)中學(xué)1 km以內(nèi)的住房比1 km以外的分別高1.60%和1.37%，這說(shuō)明限購(gòu)政策下，具有生活便利、通勤迅捷以及接近優(yōu)質(zhì)教育資源等空間優(yōu)勢(shì)的樓盤具有更好的房?jī)r(jià)抗跌能力。

表3 限購(gòu)政策的空間效應(yīng)估計(jì)結(jié)果Tab.3 Estimation results of location effect for housing rationing

圖2 土地宗數(shù)成交率Fig.2 Land volume ratio of the transacted to total listed

圖3 土地溢價(jià)成交率Fig.3 Land volume ratio of the overpriced to total transacted

3.2 限購(gòu)政策對(duì)土地市場(chǎng)的溢出效應(yīng)

限購(gòu)政策盡管針對(duì)住房市場(chǎng)，但是由于土地需求是住房需求的引致需求，因此限購(gòu)政策對(duì)住房需求和價(jià)格的影響必然會(huì)影響土地市場(chǎng)，對(duì)土地市場(chǎng)產(chǎn)生溢出效應(yīng)。這種效應(yīng)表現(xiàn)在土地成交量和交易價(jià)的波動(dòng)。

根據(jù)中國(guó)房地產(chǎn)信息網(wǎng)土地市場(chǎng)庫(kù)的的統(tǒng)計(jì)數(shù)據(jù)，考察期（2010年2季度—2013年2季度）南昌市共出讓住宅用地246宗，其中限購(gòu)區(qū)90宗（限購(gòu)前后各32宗和58宗），非限購(gòu)區(qū)156宗（限購(gòu)前后各14宗和142宗）。圖2顯示限購(gòu)前無(wú)論限購(gòu)還是非限購(gòu)區(qū)均保持80%以上的土地成交率，限購(gòu)后迅速下降為40%左右，隨后逐步回升。圖3顯示限購(gòu)前限購(gòu)區(qū)域超過(guò)50%的成交土地是溢價(jià)成交，非限購(gòu)區(qū)低些，為40%左右，但限購(gòu)后溢價(jià)成交率則分別最低降到20%和14%，然后均逐步爬升。這說(shuō)明限購(gòu)政策對(duì)住房投機(jī)需求、投資需求及部分改善性需求的打壓，導(dǎo)致開發(fā)企業(yè)降低了未來(lái)開發(fā)收益的預(yù)期，進(jìn)而減少了土地需求，從而使得土地成交率和溢價(jià)成交率均下降。但隨著市場(chǎng)對(duì)限購(gòu)政策的消化，土地交易逐漸活躍，限購(gòu)政策對(duì)土地市場(chǎng)的溢出效應(yīng)呈衰減之勢(shì)。可見(jiàn)住房限購(gòu)政策不僅直接沖擊住房市場(chǎng)，而且其影響也傳遞到土地市場(chǎng)，也產(chǎn)生了顯著的的溢出效應(yīng)①這些地塊絕大多數(shù)是以拍賣形式出讓，存在平價(jià)（底價(jià)成交）、溢價(jià)（高于底價(jià)成交）和流拍（沒(méi)有成交）三種交易狀態(tài)。土地成交率指成交的土地宗數(shù)占擬出讓土地宗數(shù)的比率，度量了交易的活躍程度；溢價(jià)成交率指溢價(jià)成交的土地宗數(shù)占總成交數(shù)的比重，度量了交易價(jià)格的變化。。

4 結(jié)論和展望

本文以中部省會(huì)城市南昌市為代表，選擇2010年第2季度—2013年第2季度住房限購(gòu)區(qū)域和非限購(gòu)區(qū)域樓盤的微觀數(shù)據(jù)和土地交易數(shù)據(jù)，運(yùn)用雙重差分等模型考察了住房限購(gòu)政策對(duì)南昌市住房?jī)r(jià)格和土地市場(chǎng)的影響，發(fā)現(xiàn)：（1）南昌市住房限購(gòu)政策既降低了限購(gòu)區(qū)域也降低了非限購(gòu)區(qū)域住房?jī)r(jià)格的增長(zhǎng)率，實(shí)現(xiàn)了“遏制城市房?jī)r(jià)過(guò)快上漲”的政策目標(biāo)，但是不能使房?jī)r(jià)增長(zhǎng)過(guò)快區(qū)域（限購(gòu)區(qū)域）房?jī)r(jià)下降速度快于非限購(gòu)區(qū)域。（2）住房限購(gòu)政策對(duì)南昌市整體房?jī)r(jià)增長(zhǎng)率存在短期抑制作用，其時(shí)間效應(yīng)經(jīng)歷了滯后、先揚(yáng)后抑、到最后消失的過(guò)程。（3）空間效應(yīng)對(duì)政策效果的抑制明顯。生活便利、交通迅達(dá)以及接近優(yōu)質(zhì)教育資源的住房對(duì)限購(gòu)政策效應(yīng)具有較大的對(duì)沖能力，其房?jī)r(jià)抗跌能力較強(qiáng)。（4）土地需求的“引致”特性使得住房限購(gòu)政策的效應(yīng)傳導(dǎo)至土地市場(chǎng)，導(dǎo)致土地成交率下降和溢價(jià)成交現(xiàn)象減少，不過(guò)這種溢出效應(yīng)也會(huì)逐步衰減。

相對(duì)于已有的研究，本文有以下拓展：一是以微觀的樓盤數(shù)據(jù)為對(duì)象，考察限購(gòu)政策對(duì)同一城市限購(gòu)和非限購(gòu)區(qū)域住房實(shí)際價(jià)格變動(dòng)的影響，這一方面回避了城市平均住房?jī)r(jià)格度量及其跨期可比性的難題，另一方面也尊重了限購(gòu)政策不是在同一城市全面實(shí)施的現(xiàn)實(shí)，有助于提高模型的精度及結(jié)論的可靠性；二是既考察了限購(gòu)政策的時(shí)間效應(yīng)和空間效應(yīng)，還考察了其土地溢出效應(yīng)；三是考慮了利率及首付比等其他政策因素的影響。

盡管如此，以下問(wèn)題值得進(jìn)一步研究：限購(gòu)政策對(duì)限購(gòu)城市周邊非限購(gòu)城市住房?jī)r(jià)格有無(wú)影響，限購(gòu)政策對(duì)土地市場(chǎng)的影響機(jī)理，以及限購(gòu)政策在不同類型限購(gòu)城市的效果差異等。

（

）：

［1］ 劉江濤，張波，黃志剛.限購(gòu)政策與房?jī)r(jià)的動(dòng)態(tài)變化［J］ .經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2012，3：47 - 54.

［2］ 劉璐.限貸和限購(gòu)政策對(duì)一般均衡中房?jī)r(jià)的影響［J］ .管理科學(xué)學(xué)報(bào)，2013，9：20 - 32.

［3］ 馮科，何理.中國(guó)房地產(chǎn)市場(chǎng)“限購(gòu)政策”研究——基于反需求函數(shù)的理論與經(jīng)驗(yàn)分析［J］ .經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2012，2：53 - 60.

［4］ 喬坤元.住房限購(gòu)令真的起作用了嗎?——來(lái)自中國(guó)70大中城市的證據(jù)［J］ .經(jīng)濟(jì)與管理研究，2012，12：25 - 34.

［5］ 孫玉環(huán).改進(jìn)住宅銷售價(jià)格指數(shù)編制質(zhì)量的一種思路探討［J］ .統(tǒng)計(jì)研究，2011，10：28 - 35.

［6］ Pearl J. Causal inference in statistics: An overview［J］ . Statistics Surveys, 2009，（3）：96 - 146.

［7］ 趙國(guó)昌.格蘭杰因果關(guān)系的新發(fā)展［J］ .統(tǒng)計(jì)研究，2008，（8）：107 - 109.

［8］ Wooldridge J M. Econometric Analysis of Cross Section and Panel Data, Second Edition［M］ . Cambridge, Massachusetts: MIT Press，2010.

［9］ Wooldridge J M. Introductory Econometrics: A Modern Approach, Fifth Edition［M］ . USA: South-Western College Pub, 2012.

［10］ Zabel, J E. The demand for housing services ［J］ . Journal of Housing Economics, 2004, 13（1）：16 - 35.

［11］ 溫海珍，張凌，彭魯鳳.杭州市住宅價(jià)格空間分異：基于特征價(jià)格的兩維度分析［J］ .中國(guó)土地科學(xué)，2010，24（2）：51 - 56.

（本文責(zé)編：郎海鷗）

Housing Rationing Policy in Nanchang City: The Spatio-temporal Feature and Spilling Effect

WANG Xue-feng
（School of Tourism & Urban Management, Jiangxi University of Finance & Economics, Nanchang 330032, China）

The purpose of this paper is to investigate the effect of housing rationing policy partially applied in Nanchang City on the change of housing price and land market from both spatiotemporal and spilling effect perspectives. The method of econometric analysis based on Difference-in-Difference is used. The results show that the average effect of the policy is not significantly different between the areas implementing the rationing policy and the areas not, however the policy significantly reduces the growth rate of housing price in Nanchang as whole. The dynamic effect of the policy experiences a process of increasing, decreasing and then disappearing. The housing price of the plots with better facilities, transportation services, and education resources is more insensitive to the policy. The spilling effect of the policy shows at the decreasing in total transactions and the prices. The conclusion is the effect of the housing rationing policy in Nanchang can be more reliably estimated by method of Difference-in-Differences.

land economy; housing rationing; difference-in-differences; dynamic effect; spatial effect; spilling effect

F301.2

A

1001-8158（2015）06-0041-08

10.13708/j.cnki.cn11-2640.2015.06.006

2014-06-25

2015-05-22

王雪峰（1968-），男，江西吉安人，副教授，博士。主要研究方向?yàn)椴粍?dòng)產(chǎn)經(jīng)濟(jì)和宏觀經(jīng)濟(jì)政策。E-mail: wxf_ix@163.com