賀一舟 郭永沛 郭翰,2 馮長春

房地產調控政策對商品住房價格影響研究——以全國29個大城市為例

賀一舟1郭永沛1郭翰1,2馮長春1,?

1.北京大學城市與環(huán)境學院, 北京 100871; 2.貝殼研究院, 北京 100085; ?通信作者, E-mail: fcc@urban.pku.edu.cn

研究限購、限貸、限價和限售等 4 項房地產調控政策對我國 29 個大城市 2016 年 2 月—2018 年 5 月商品住房價格的調控效果。采用政策打分法建立政策強度指標, 構建固定效應面板模型, 聚焦一線、二線兩類不同規(guī)模的城市, 分析政策的調控效果, 通過傳導機制分析政策的調控效應。研究結果表明, 限購政策與限貸政策對兩類城市可起到較好的調控效果, 限價政策和限售政策對一線城市具有一定的調控效果, 對二線城市效果不明顯。因此, 應堅持推行限購政策, 并“因城施策”, 準確地把握政策時效性規(guī)律。

房地產調控政策; 商品住房價格; 固定效應面板模型

2016 年, 中共中央提出“房住不炒”, 著力構建房地產市場調控長效機制。此后, 主管部門和地方政府不斷加強和改善房地產市場調控機制。2020年 12 月的中央經濟工作會議中, 進一步強調解決好大城市住房的突出問題。在“因城施策”的方針指引下, 各城市政府持續(xù)推出房地產調控政策, 以期市場回歸穩(wěn)定、理性。

總體上看, 這一階段我國對房地產綜合運用了供給端與需求端兩類調控政策。需求調控政策包括行政(限購)、限貸(購房首付比例、住房貸款優(yōu)惠利率)和稅費(住房轉讓環(huán)節(jié)營業(yè)稅和房產稅)等方面的措施, 供給調控政策則主要針對土地(土地供給和土地拍賣)、保障房(保障房建設量)和房地產企業(yè)(限售和開發(fā)貸規(guī)制強度)等進行調節(jié)[1]。

自 2010 年《國務院關于堅決遏制部分城市房價過快上漲的通知》(“國十條”)實施限購令至今的11 年間, 對房地產調控政策實施效果的研究較為有限。下面按限購、限貸、限價與限售等 4 項典型房地產調控政策, 分類梳理相關文獻。1)限購政策方面, 多數(shù)學者認為限購政策具有抑制房價的調控效果[1–11], 但在不同類型城市分化較大[2], 具有持續(xù)時間較短[3]、作用力度不夠及明顯的時滯性[6]等特點。也有學者發(fā)現(xiàn), 限購政策的實施無法起到調控房價的作用[12], 甚至會推高房價[13–14], 或存在弊病, 如抑制住房投機方面作用欠佳[8], 限購政策會破壞其他消費市場的均衡, 限購政策下的剛性、改善性和投資性房地產需求者均面臨福利損失[9]。2)限貸政策方面, 有學者認為限貸政策對房價調控效果明顯[12–16], 能有效地抑制各層次的房價泡沫, 對居民的住房以及其他消費產生影響[17]; 也有部分學者認為, 限制首付比率的限貸政策對北京等一線城市的房價抑制作用較小[18], 甚至基本上無效[19]。3)對限價政策方面的研究相對較少, 且對限價政策的評價褒貶不一。有學者認為限價政策是有效[20]且不傷及經濟活力的措施, 應配套適時調整財政金融等政策[21], 限價的幅度會影響開發(fā)商和購房者的投資行為[22]。也有學者對限價政策持否定觀點。李思明等[23]認為限價政策在很多城市不能有效地抑制房價上漲, 反而引起一、二手房價“倒掛”、開發(fā)商捂盤惜售以及房地產市場泡沫加劇等諸多問題, 催生許多灰色行為和亂象。林婧君[24]認為限價政策會導致二手房與新房的價格“倒掛”, 具有可預見的利潤差, 破壞房地產市場的穩(wěn)定。4)限售政策方面, 有研究發(fā)現(xiàn)限售具有抑制住房價格的功能[25–28]。劉中顯等[29]則認為限售管控供給的數(shù)量管制手段影響價格的力量較弱, 建議適時取消限售。對各類調控政策的研究方法包括構建住房市場模型[1]、VAR 模型[3,30]、Pool-OLS 和系統(tǒng)GMM 計量分析方法[8,10]、傾向的分發(fā)結合倍差法[6]、斷點回歸法[19,31]和單位根右側ADF 泡沫檢驗方法(BSADF)[17]等。

通過文獻綜述, 我們發(fā)現(xiàn)現(xiàn)有房地產調控政策的定量研究多對單個或少個調控政策與城市進行分析, 控制變量的選取也較為有限。本文選取四類房地產調控政策, 采用 0～3 變量打分法[1]評估政策實施強度, 針對全國 29 個大城市, 并區(qū)分兩類城市規(guī)模, 通過構建面板數(shù)據(jù)模型, 分析政策對樣本整體以及不同城市規(guī)模的調控效果。

1 數(shù)據(jù)來源

1.1 研究樣本與時間選取

本文選取 29 個大城市作為研究樣本, 包含直轄市、各省省會或者經濟強市。依據(jù)房地產市場研究中對城市級別的一般劃分方式, 將研究對象劃分為一線城市和二線城市[32], 其中一線城市為北京、上海、廣州、深圳, 其余 25 個城市為二線城市(表1)。

時間維度方面, 本文選取 2016 年 2 月至 2018年 5 月, 總計 28 個月。政府往往根據(jù)經濟周期和市場狀況制定相應的房地產市場調控政策[33], 在內需不足的情況下, 鼓勵房地產市場發(fā)展, 拉動經濟; 在房地產市場投資較熱、價格攀升較快的情況下, 出臺相應的限制政策[34]。我國 1998 年取消福利分房政策以來, 房地產調控方向在寬松與從緊之間數(shù)次切換, 經歷了 1998—2003 年寬松、2004—2007年從緊、2008—2009 年寬松、2010—2013 年從緊、2014—2016 年寬松和 2016 年 2 月至 2018 年從緊的 5 次重大調整[35]。本文的重點研究區(qū)間便是最后一個房地產調控從緊階段。在該階段, 我國實施房地產調控的“因城施策”政策, 根據(jù)城市屬性, 采取不同的房地產調控政策。

1.2 解釋變量與被解釋變量

被解釋變量方面, 商品住房價格(指商品房新房均價, 簡稱房價)數(shù)據(jù)來自于國信地產信息網(wǎng)。解釋變量方面, 調控政策信息來源于各城市人民政府網(wǎng)站、住房和城鄉(xiāng)建設部門網(wǎng)站以及國信房地產信息網(wǎng)。對政策實行 0～3 變量打分法[1], 打分依據(jù)如表 2 所示。

表1 研究樣本城市

表2 限購、限貸、限售和限價4項房地產調控政策因素指標說明

同時, 對政策作用第一個月做如下定義: 若政策出臺當月的日期大于本月的二分之一, 則認為下月為政策作用第一個月, 反之則視當月為政策作用第一個月[36]。

對 29 個城市從 2016 年 2 月至 2018 年 5 月出臺的調控政策進行總量與平均量統(tǒng)計(表 3), 各城市發(fā)布限購政策共 43 個, 限價政策共 32 個, 限售政策共 30 個, 限貸政策共 44 個。從發(fā)布政策總量與平均統(tǒng)計量來看, 一線城市限購政策>限貸政策>限價政策>限售政策, 二線城市限貸政策>限購政策>限價政策>限售政策。

1.3 控制變量

控制變量方面, 通過文獻回顧, 發(fā)現(xiàn)除房地產調控政策外, 房價也受到利率、貨幣等財政政策、住房供需因素及宏觀經濟等多方面的影響[37]。因此, 在構建模型時, 將其他影響房價的變量加以考慮, 作為本研究的控制變量。城鎮(zhèn)人均可支配收入是決定居民對房地產需求的主要因素[17,38], 其作為外生變量, 能夠一定程度上克服模型中變量間的內生性[39]。貸款利率通過市場需求影響房價, 本研究考慮到商品住房貸款是長期貸款, 因此采用 5 年期以上貸款利率。商品住房投資額被視為一項影響房價的重要因素[40], 然而該因素與房價及成交量存在一定的內生性, 會導致系數(shù)估計偏差。采用與房地產投資額具有高度相關性的房地產投資額占固定資產投資額比重這一變量代替房地產投資額[41], 以便克服內生性問題。竣工面積也是影響房地產價格的重要變量, 但此變量具有明顯的內生性, 所以本文參考張建同[31]的研究, 采用竣工面積一階滯后項作為變量, 在一定程度上消除內生性的影響。孟楨超[42]認為房價對成交量、成交量對房價皆是影響市場需求的變量, 考慮到變量的內生性, 本研究選取滯后一階成交量作為房價模型的變量, 能在一定程度上消除內生性的影響。

為了消除時間序列中的異方差現(xiàn)象, 對房價、人均可支配收入、滯后一階成交量以及竣工面積等變量進行對數(shù)處理。城鎮(zhèn)人均可支配收入、貸款利率、竣工面積以及房地產投資比重等 4 個控制變量數(shù)據(jù)均來源于國信房地產信息網(wǎng)。因變量、解釋變量及控制變量等所有變量的描述如表 4 所示。

表3 限購、限貸、限售和限價四類房地產調控政策數(shù)量統(tǒng)計表

表4 因變量、解釋變量及控制變量描述

2 研究方法

2.1 模型構建

首先構建城市房價政策作用當月以及政策作用多月兩類混合面板模型, 計算公式如下:

P,t=0+1HBR,t+2HPR,t+3HSR,t+4HLR,t

+5KZPLR,t+6SJII,t+7FDCBZ,t

+8JGMI,t+9VM1,t+ε,t,(1)

P,t0+1=0+1HBR,t0+2HPR,t0+3HSR,t0

+4LSR,t0+5HLR,t0+6KZPLR,t0+7SJII,t0

+8FDCBZ,t0+9JGMI,t0+10LnVM1,t0+ε,t。 (2)

式(1)為當月回歸模型, 式(2)為政策作用多月回歸模型。各變量含義如表 4 所述,0為截距項,1～10為政策影響系數(shù),為誤差項,為城市,為月度層面的時間。

然后, 對城市樣本整體與兩類規(guī)模城市進行檢驗、LR 檢驗和 Hausman 檢驗。檢驗和 LR 檢驗均具有至少 5%水平下顯著性, 因此拒絕混合面板模型比個體效應模型更有效的假設, 選擇固定面板效應模型更合適。通過 Hausman 檢驗發(fā)現(xiàn), 3 種城市類別的 Hausman 檢驗均在 5%水平下顯著, 拒絕固定效應模型與隨機效應模型不存在系統(tǒng)差異的假設, 因此最終選擇固定效應模型。

采用多維固定效應面板模型, 同時固定城市規(guī)模、個體和時間因素, 考察 4 項調控政策當月及政策作用多月對 29 個城市整體的調控效應。采用雙固定效應面板模型, 同時固定個體和時間因素, 考察 4 項調控政策分別對兩類城市的調控效應。

2.2 分析框架

本文通過構建傳導機制[43]研究框架, 分析房地產調控政策作用的機理, 將其分為直接傳導和間接傳導。直接傳導機制中, 房地產調控政策通過直接影響購買者的購買資格、貸款比例和出售年限等購房因素來影響住房市場的供求關系, 進而調控房價。間接傳導機制通過影響對房地產市場未來變化的預期來影響當下行為, 當下行為又對房地產市場供求關系產生影響, 進而影響房價。本文對剛性需求與投資性需求做如下界定: 剛性需求是以自主為首要條件, 目的是解決人居住的基本需求[44]; 投資性需求是以投資為動機的購房需求。

具體來看, 限購政策通過限制購房者的購買資格, 直接限制住房需求量來抑制房價上漲; 限貸政策通過限制購房者購房資金的結構來提高購房門檻, 限制了購房需求量, 進而抑制房價上漲; 限價政策則通過影響未來預期調控房價。從供給端來看, 對預售房價格漲幅的限制使得房地產企業(yè)減少供給, 進而提高房價。從需求端來看, 限價政策使得新建商品房數(shù)量下降, 無法滿足居民的剛性需求, 二手房需求量上升, 推高二手房房價, 出現(xiàn)新房與二手房價格“倒掛”, 導致房價上漲[23]。限售政策限制購房者出售房產的年限, 一方面通過限制投資型購房者的需求來抑制房價上漲, 另一方面通過減少二手房交易市場的供給來助推房價上漲, 具體產生哪種調控效果取決于哪種效應更強。4 項政策的調控傳導機制如圖 1 所示。

圖1 限購、限貸、限售和限價4項房地產調控政策傳導機制分析

3 實證分析

3.1 調控政策對樣本整體房價影響分析

多維固定效應模型結果如圖 2 所示。限購政策在作用第 1 個月即生效, 持續(xù)作用到第 9 個月后, 保持為期 9 個月的作用時長, 在第 9 個月后系數(shù)轉為正。第 1 ～ 7 個月通過顯著性檢驗(指通過 10%的顯著性檢驗, 下同), 具有為期 7 個月的顯著性有效期。其中, 在第 3 個月作用強度最大。限貸政策在第 4 個月左右政策影響系數(shù)由正值轉為負值, 研究時段內始終保持有效調控。第 9～11 個月通過顯著性檢驗, 其中第 11 個月作用強度最大。然而, 限價政策與限售政策抑制房價上漲不明顯。

圖 2 限購、限貸、限售和限價四類房地產調控政策對 29個城市房價的影響

4 項調控政策效果的差異主要源于其傳導機制不同。限購政策通過限制購房者的購房資格來限制購房需求, 進而抑制房價上漲。對購房資格的限制可以直接起到限制需求的作用, 因此在第 1 個月即可起到調控作用, 其效果具有持續(xù)性和穩(wěn)定性。限貸政策通過限制購房者購房資金的比例來控制需求, 對購房者而言, 資金籌措的難度顯著低于戶籍與社保或個人所得稅繳納年限的限制, 因此限貸政策在政策作用第 4 個月才產生調控效果。限價政策通過限制房產市場的價格漲幅來影響房地產企業(yè)對房價的心理預期, 從供給端看, 引導房地產企業(yè)減少住房供給, 進而推高房價; 從需求端看, 限價政策使得新房與二手房價格“倒掛”, 新房需求量上升, 進而導致新房價格被推高; 從供需兩端來看, 限價政策在短期內難以抑制房價上漲, 與回歸結果相符。限售政策通過延長住房持有者售房的年限, 直接限制二手房的供給量, 進而使得整個住房市場供給量下降, 因此抑制房價上漲的調控效果不明顯。

3.2 調控政策對不同規(guī)模城市房價影響分析

采用雙固定效應模型, 分析四類調控政策對一線城市與二線城市兩類不同規(guī)模城市的調控效果。

3.2.1限購政策

限購政策的回歸分析結果如圖 3 所示, 該政策對兩類城市均起到預期的調控效應。對一線城市而言, 限購政策當期即產生顯著的調控效果, 除在第2 個月和第 5 個月左右產生調控效應的波動外, 其他時段整體上維持較好的調控效果。其中, 在第4 個月的時候作用強度最大。限購政策對二線城市的作用時長約為 11 個月, 在第 3～4 個月期間達到政策作用最強點, 隨后作用強度逐漸下降, 在第 11 個月左右該政策無法抑制房價上漲, 其中在第 2 ～ 7 個月的 6 個月通過顯著性檢驗。

圖3 限購政策對一線城市和二線城市房價的影響

限購政策通過戶籍限制與繳納社保或個人所得稅年限來限制購房者的購房資格, 進而有效地限制住房需求。對于希望在大城市購房而未滿納稅年限的剛需性購房者以及未取得戶籍資格或未達到繳納社?；騻€人所得稅年限要求的投資性購房者, 該政策起到較強的限制作用。對于希望在大城市購房的剛需性購房者, 限制作用更大的往往是高昂的房價首付, 購房資格和納稅年限的限制作用有限, 因此限購政策對投資性需求的限制作用更強[10]。相較于二線城市, 在一線城市取得戶籍資格的難度更大, 投資性更強, 因此限購政策對一線城市的作用強度大于二線城市。從作用機理來看, 限購政策是有效抑制住房投資的有效政策, 該項政策可以作為城市抑制房價上漲的有效調控手段。

3.2.2限貸政策

限貸政策的回歸分析結果如圖 4 所示, 該政策對兩類城市均起到抑制房價上漲的效果, 但整體效果不如限購政策。對一線城市而言, 在第 9～11 個月產生為期 2 個月左右的調控效果, 在第 10 個月左右調控效果最佳。對二線城市而言, 在第 3 個月左右開始產生調控效果, 第 5 個月影響系數(shù)轉為正值, 而在隨后的第 6 ～11 個月期間, 調控效果始終保持穩(wěn)定, 且有逐漸增強的趨勢, 其中第 3 和第 4 個月通過穩(wěn)健性檢驗, 在第 11 個月時候調控強度最大。

限貸政策通過提高首付比, 增加購房者的購房難度, 限制住房需求, 進而抑制房價上漲。上述首付比的限制是基于購房者已購房數(shù)量與購房類型(如是否為普通自住房), 限貸政策對投資性需求的調控作用更強, 對剛性需求的調控作用相對較弱。因此, 限貸政策的政策強度對于投資性更強的一線城市作用效果更好。

圖4 限貸政策對一線城市和二線城市房價的影響

3.2.3限價政策

限價政策的回歸分析結果如圖 5 所示, 兩類城市均沒有通過顯著性檢。如不考慮顯著性檢驗, 可以發(fā)現(xiàn)該政策在兩類城市間產生調控效果的差異。對于二線城市, 限價政策抑制房價上漲的作用不明顯。對于一線城市, 在第 1 個月產生調控效果, 政策效果維持 3 個月左右, 在第 4 個月政策影響系數(shù)轉為正值, 在第 6 個月時再次產生相應的調控效果。政策調控時長總計約為 4 個月, 在第 1 個月時作用強度最大。

不同于限購政策和限貸政策從需求端直接調控房價, 限價政策通過影響未來預期, 間接地調控房價, 且從供需兩端對房價產生影響。從供給端看, 對新房預售價的管控使得房地產開發(fā)商降低新房供給量; 從需求端看, 新房與二手房價格“倒掛”, 新房價格更低使得其需求量上升。因此, 限價政策從供需兩端均難以抑制房價上漲。與二線城市相比, 人口規(guī)模更大的一線城市住房供需矛盾更加劇烈, 因此即使政府出臺限價政策, 新房預售價受到管控, 房地產開發(fā)商的利潤受到限制, 但仍有較大的收益空間, 供給端相對穩(wěn)定。因此, 限價政策在一線城市的某些時段能起到一定程序的調控作用, 而在二線城市未能起到預期的調控效果。

圖5 限價政策對一線城市和二線城市房價的影響

3.2.4限售政策

限售政策的回歸分析結果如圖 6 所示。對于一線城市, 限售政策在第 2 個月與第 9～10 個月存在總計約 3 個月左右的政策有效期, 第 10 個月效果最好。對于二線城市, 限售政策抑制房價的效果不明顯。

限售政策要求購房者取得不動產權證書滿足一定的年限, 方可上市交易房產。從供給端看, 限售政策規(guī)定出售后的住宅在一定時限內不能出售, 減少了住房市場供給量, 進而助推房價上漲, 因此政策施行初期對兩類城市抑制房價的效果不明顯。從需求端看, 限售政策影響購房者對未來出售房產的預期, 這種對預期的影響不會對剛性需求購房者造成影響[28], 但對投資性購房者影響較大, 限制該群體的購房需求, 進而間接調控房價。因此, 該政策對于投資性更強的一線城市調控效果更好, 而在二線城市未能產生相應的調控效果。

3.3 調控政策影響分析小結

4 項調控政策對樣本整體以及兩類城市調控效果的作用情況如表 5 所示, 其中限價政策和限售政策對樣本整體及二線城市未能起到調控效果, 限貸政策對樣本整體, 限購政策對一線城市, 限貸政策對二線城市的調控時長超出本文研究時長(28 個月)。

4 結論與討論

4.1 結論

本文通過構建具有固定效應的混合面板模型, 研究限購、限貸、限價和限售 4 項房地產調控政策對我國 29 個大城市 2016 年 2 月—2018 年 5 月商品住房價格的調控效果, 得出如下結論。

圖6 限售政策對一線城市和二線城市房價的影響

表5 4 項房地產調控政策對樣本整體以及兩類城市調控效果實證小結

1)限購政策和限貸政策整體上調控效果最好。限購政策直接強有力地限制投資性需求, 產生效果最早, 政策作用第 1 個月即可產生調控效果, 有效調控時長為 9 個月。限貸政策產生效果較晚, 在第 4 個月產生效果, 有效調控時長較長。限貸政策可在一定程度上限制購房需求, 但限制強度弱于限購政策。

2)限價政策和限售政策未能產生預期的調控效果。限價政策提高新房預售價后, 降低新房供給量, 并增大新房需求量, 難以產生調控效果。限售政策一方面降低住房市場供給量, 帶來提高房價的效應, 另一方面限制投資性購房者的需求, 帶來降低房價效應, 調控效果取決于哪種效應更強。

3)調控政策在一線城市的調控效果優(yōu)于二線城市。4 項調控政策均可在一線城市產生一定的調控效果。對于二線城市, 限購和限貸政策起到抑制房價上漲的調控效果, 而限價政策和限售政策抑制房價上漲的效果不明顯, 這與兩類城市的落戶政策及市場性質有關。

4.2 政策建議

基于以上結論, 我們提出 3 點政策建議。

第一, 堅持推行限購政策。限購政策對不同規(guī)模的城市均可起到顯著的抑制房價上漲效應, 通過限制住房投資性需求來穩(wěn)定房地產市場, 是“解決好大城市住房突出問題”的有效政策, 是落實“房住不炒”定位的具體舉措。

第二, 堅持“因城施策”。不同規(guī)模的城市依據(jù)自身特性, 綜合運用多種調控手段, 對于一線城市, 建議采用 4 項調控政策的“組合拳”。積極采用限價政策, 以期實現(xiàn)短期調控。執(zhí)行限購政策和限貸政策時, 應嚴格控制對二套及以上住房的需求和貸款門檻, 以便限制住房投資行為。除此之外, 適當加大住宅供給以便提高限價政策和限售政策的效力。對于二線城市, 建議實施限購政策和限貸政策。

第三, 準確地把握政策時效性規(guī)律, 靈活運用短期政策和長期政策, 依據(jù)實際情況靈活調整。構建靈活有效的短期調控政策體系, 采用限購政策抑制短期房價上漲, 采用限貸政策抑制中長期房價上漲。

4.3 討論

受數(shù)據(jù)和有關文件可獲取性的制約, 本文有以下不足之處。

1)數(shù)據(jù)方面, 部分重點城市缺失(如杭州、蘇州), 且研究時段偏短。未來可通過擴大研究樣本范圍、拉長研究時段優(yōu)化研究結果。需要指出的是, 部分調控政策有一定的年限, 如限購政策的繳納社?；騻€人所得稅年限, 限售政策的可上市交易年限。部分城市的相應調控政策年限已超過本文的研究時長(28 個月), 故本文研究結論在調控時長方面的分析存在局限性。

2)影響房價的因素繁多復雜, 對控制變量的增添和調整尚存優(yōu)化空間。

3)采用 0～3 的政策變量賦值法, 調控政策的強度難以量化解釋, 進而難以對比不同類型調控政策之間的作用強度, 后續(xù)工作中可通過改進模型, 實現(xiàn)量化政策作用強度。

本文在分析調控政策對不同規(guī)模城市作用差別的過程中, 運用剛需性與投資性的視角, 發(fā)現(xiàn)限購政策和限貸政策對投資性更強的一線城市調控效果更好, 而限價政策和限售政策只能在一線城市產生較為有限的調控效果, 在二線城市無法產生抑制房價的政策效果。應該對 29 個城市樣本做更精細的聚類分析, 分類依據(jù)可從地域、城市級別和房地產開發(fā)熱度等視角出發(fā), 以期揭示更豐富的調控政策內涵, 為因城施策提供更加精細化的理論依據(jù)。

[1] 黃昕, 董興, 平新喬. 地方政府房地產限購限貸限售政策的效應評估. 改革, 2018(5): 107–118

[2] 趙寶燕. 房地產限購政策對房地產價格影響的實證分析[D]. 濟南: 山東大學, 2019

[3] 張品一, 王超. 貨幣政策、限購政策與房地產價格——基于北京房地產市場的實證研究. 金融經濟, 2020(2): 50–57

[4] 劉江濤, 張波, 黃志剛. 限購政策與房價的動態(tài)變化. 經濟學動態(tài), 2012(3): 47–54

[5] 鮑剛, 吳婷婷, 方園, 等. 基于改進 PSR 模型的限購政策對房價影響研究——以海南省為例. 數(shù)學的實踐與認識, 2019, 49(20): 296–302

[6] 韓永輝, 張佐敏, 鄒建華. 房地產“限購令”的調控機制與政策反思——基于單中心雙環(huán)城市模型的分析. 經濟理論與經濟管理, 2016(7): 16–28

[7] 鄧柏峻, 李仲飛, 張浩. 限購政策對房價的調控有效嗎. 統(tǒng)計研究, 2014, 31(11): 50–57

[8] Wu Y, Li Y. Impact of government intervention in the housing market: evidence from the housing purchase restriction policy in China. Applied Economics, 2018, 50(4/5/6): 1–15

[9] 馮科, 何理. 中國房地產市場“限購政策”研究——基于反需求函數(shù)的理論與經驗分析. 經濟學動態(tài), 2012(2): 53–60

[10] 張德榮, 鄭曉婷. “限購令”是抑制房價上漲的有效政策工具嗎?——基于 70 個大中城市的實證研究. 數(shù)量經濟技術經濟研究, 2013, 30(11): 56–72

[11] 陳旭, 趙新泉. 限購限貸政策對房價影響實證研究. 武漢金融, 2018(1): 21–26

[12] Somerville T, Wang L, Yang Y, et al. Using purchase restrictions to cool housing markets: a within-market analysis. Journal of Urban Economics, 2020, 115: 103189

[13] 江麗, 鐘榮桂. 政府土地供應政策、行政調控政策對房價波動的影響——基于中國 35 個城市的證據(jù). 工業(yè)技術經濟, 2017, 36(4): 116–121

[14] Li Y, Zhu D, Zhao J, et al. Effect of the housing purchase restriction policy on the real estate market: evidence from a typical suburb of Beijing, China. Land Use Policy, 2020, 94: 104528

[15] 安琬姣, 李仲飛. 基于 ELES 模型的“限購”和“限貸”政策效果分析. 系統(tǒng)工程學報, 2019, 34(6): 806–819

[16] 王偉華. 一線城市房地產限貸政策效應研究. 當代經濟, 2020(2): 126–128

[17] 郭文偉. 中國多層次房價泡沫測度及其驅動因素研究——兼論我國房地產調控政策的實施效果. 經濟學家, 2016(10): 30–37

[18] 周文文, 劉超, 李佼. 房地產政策調控對房價影響研究——基于 ARDL 模型的分析. 價格理論與實踐, 2017(11): 70–73

[19] 李昱璇. 限購以及限貸政策的退出合理嗎?——基于 29 個城市動態(tài)面板數(shù)據(jù)的實證分析. 科學決策, 2015(7): 24–36

[20] 李夢丹. 35大中城市房地產價格泡沫度量及監(jiān)管效果[D]. 南昌: 華東交通大學, 2019

[21] 周建元. 對我國房地產實行最高限價理論分析和政策建議. 中央財經大學學報, 2011(10): 54–59

[22] 儲成高. 北京房地產市場最高限價政策有效性研究[D]. 北京: 對外經濟貿易大學, 2019

[23] 李思明, 田潤霖. 房價“雙限”政策效果評價與政策調整. 產業(yè)組織評論, 2018, 12(4): 224–243

[24] 林婧君. “限價”下的上海房地產市場. 上海房地, 2017(8): 27–29

[25] 鐘庭軍. 論住房限售政策本質及效力. 城鄉(xiāng)建設, 2017(22): 6–9

[26] 于政森. 限售政策實施效果研究——基于我國 70個大中城市數(shù)據(jù). 中小企業(yè)管理與科技(中旬刊), 2020(12): 162–163

[27] 安輝, 何萱, 鄒千邈. 中國房地產限售政策對房價的影響研究——兼論限售和限購的政策組合效應. 中國管理科學, 2021, 29(8): 35–43

[28] 劉雷. 房地產調控長效機制下限購政策和限售政策研究. 東北財經大學學報, 2020(6): 67–75

[29] 劉中顯, 榮晨. 房地產市場調控長效機制的建立與完善. 宏觀經濟研究, 2017(12): 92–105

[30] 黃容. 限價政策對購房實際價格的影響及對策研究. 現(xiàn)代商業(yè), 2019(35): 42–45

[31] 張建同, 方陳承, 何芳. 上海市房地產限購限貸政策評估: 基于斷點回歸設計的研究. 科學決策, 2015(7): 1–23

[32] 國家統(tǒng)計局. 常見問題解答[EB/OL]. (2020–06–19) [2021–01–15]. http://www.stats.gov.cn/tjzs/cjwtjd/20 1308/t20130829_74324.html

[33] 郭菲, 馮長春. 宏觀調控政策下我國住房市場周期變化的影響分析. 地域研究與開發(fā), 2020, 39(6): 18–23

[34] 侯思捷, 耿純, 劉怡. 房地產市場調控: 形格勢禁還是政策信號. 北京大學學報(哲學社會科學版), 2020, 57(4): 109–118

[35] 楊紅旭. 中國房地產調控的歷程、特征與得失. 中國經濟報告, 2018(6): 56–60

[36] 郭翰. 基于商品住房成交價與成交量的調控政策研究[D]. 北京: 北京大學, 2020

[37] 何成杰, 郭懷成, 王真, 等. 房地產交易價格微觀驅動力分析——以北京市為例. 北京大學學報(自然科學版), 2010, 46(6): 985–990

[38] 沈悅, 劉洪玉. 住宅價格與經濟基本面: 1995—2002 年中國 14 城市的實證研究. 經濟研究, 2004 (6): 78–86

[39] Berger D, Guerrieri V, Lorenzoni G, et al. House prices and consumer spending. Nber Working Papers, 2015, 2008(2): 33–46

[40] 白霜. 房地產價格的決定因素分析——中國 31 個地區(qū) Panel 數(shù)據(jù)的實證研究. 財經問題研究, 2008 (8): 107–110

[41] 劉堯. 關于房地產限購令問題的研究[D]. 上海: 復旦大學, 2012

[42] 孟楨超. 限購政策的效果及持續(xù)性[D]. 杭州: 浙江大學, 2014

[43] 馮長春, 王思竹. 中國城市住房市場發(fā)展的長效機制研究. 改革與戰(zhàn)略, 2017, 33(11): 132–136

[44] 彭偉. 成都剛需住宅區(qū)位選擇影響因素分析[D]. 雅安: 四川農業(yè)大學, 2013

Influence of Real Estate Regulation Policies on Housing Transaction Price: Taking 29 Cities in China as Examples

HE Yizhou1, GUO Yongpei1, GUO Han1,2, FENG Changchun1,?

1. College of Urban and Environmental Sciences, Peking University, Beijing 100871; 2. Beike Research Institute, Beijing 100085; ? Corresponding author, E-mail:fcc@urban.pku.edu.cn

This paper studies the effects of four kinds of real estate regulation policies, including home buying restrictions (HBR), home loaning restrictions (HLR), home price restrictions (HPR) and home saled restrictions (HSR), on housing prices in 29 large cities in China from February 2016 to May 2018. The policy intensity index was constructed by policy scoring method, and a fixed effect panel model was constructed. The effect of policy regulation was analyzed by focusing on the first-tier and second-tier cities of different sizes, and the effect of policy regulation was analyzed by transmission theory. The results show that the HBR and HLR can play a regulatory effect on the first-tier and second-tier cities. The HPR and HSR have certain regulation effect on the first-tier cities, but the effect on the second-tier cities is not obvious. This paper argues that government should persist in carrying out the HBR, and release policy according to the city, accurately grasp the law of the timeliness of the policy.

real estate regulation policy; commercial housing price; fixed effect panel model

10.13209/j.0479-8023.2021.123

國家自然科學基金(41771176)和英國研究與創(chuàng)新項目(UKRI)全球挑戰(zhàn)(GCRF)研究基金(ES/P011055/1)資助

2021–03–03;

2021–03–30