鄭世剛 鄭煜嵐

摘要：在構(gòu)建中央政府與地方政府的多任務(wù)委托代理模型和基于預(yù)期的供需模型的基礎(chǔ)上，本文采用RDiT 和強度DID 模型，實證分析了中國房地產(chǎn)長效機制穩(wěn)定房價的效應(yīng)及其影響機制與路徑。從理論上提出以下假設(shè)：房地產(chǎn)長效機制下，地方政府對房地產(chǎn)稅收的依賴程度，會影響其在房地產(chǎn)部門的資源配置，從而影響房價波動；政策不確定性通過宏觀經(jīng)濟和房地產(chǎn)市場，以及地方政府對房地產(chǎn)稅收的依賴，對房價預(yù)期進而對房價波動產(chǎn)生影響。實證結(jié)果驗證了本文的理論假設(shè)。從短期來看，房地產(chǎn)長效機制不僅使負(fù)向偏離均衡的房價回歸到均衡水平，也使房價波動幅度大幅減??；從動態(tài)來看，長效機制對房價的正向提升作用顯著且具有持續(xù)性。從區(qū)域來看，長效機制對中西部城市的影響更為顯著，而對東部一二線城市的影響并不明顯。長效機制對房價的影響機制與路徑分析表明，房地產(chǎn)長效機制下，政策不確定性是推動房價波動的顯著力量，地方政府對房地產(chǎn)稅收的依賴程度正向促進了其對房價的影響，相對而言，房地產(chǎn)稅收依賴度越高，長效機制對房價的影響越為顯著；政策不確定性的存在，使預(yù)期成為影響房價的重要路徑，地方政府的政策執(zhí)行強度對供需雙方的房價預(yù)期具有明顯的負(fù)向影響，而政策不確定性通過影響供需雙方的房價預(yù)期對房價起著顯著的正向促進作用。

關(guān)鍵詞：房地產(chǎn)長效機制；房價波動；政策不確定性；預(yù)期

中圖分類號：F019.6；F293.3 文獻(xiàn)標(biāo)志碼：A 文章編號：1672-626X（2023）04-0028-17

一、引言

如何抑制房價的過快上漲一直是學(xué)界和政府關(guān)注的熱點。房地產(chǎn)業(yè)被確立為國民經(jīng)濟支柱產(chǎn)業(yè)以來，中央政府實施了多輪房價調(diào)控，但效果普遍欠佳[1]，甚至陷入“越調(diào)越漲”的窘境。究其原因在于，中央政府的房價調(diào)控多以短期政策為主，缺乏可持續(xù)性，并陷入“動態(tài)不一致陷阱”[2～3]；房價調(diào)控側(cè)重房地產(chǎn)市場需求側(cè)，忽視供給側(cè)，沒有從根本上解決供需矛盾[4]；2009年以來，房價調(diào)控過于依賴限購、限貸等行政手段，短期內(nèi)具有顯著的抑制效果[5～6]，但一旦放開，房價便會報復(fù)性上漲，反而強化了各經(jīng)濟主體的房價上漲預(yù)期，減弱了調(diào)控效果[7]。長期以來，房價調(diào)控都以“促進房地產(chǎn)市場持續(xù)健康發(fā)展”為目標(biāo)①，但房價調(diào)控本質(zhì)上從屬于宏觀調(diào)控，是宏觀調(diào)控實現(xiàn)“促（穩(wěn)）增長”目標(biāo)的重要工具，這導(dǎo)致房價調(diào)控在“促（穩(wěn)）增長”和“穩(wěn)房價”之間頻繁交替[8]。許多學(xué)者認(rèn)為中央政府與地方政府的博弈關(guān)系是導(dǎo)致房價調(diào)控不佳的重要原因。中央政府對地方政府的考核以經(jīng)濟增長和財政收入為主要指標(biāo)，造成地方政府陷入“GDP競爭”[9]和“財政收入競爭”[10]之中。1994年分稅制改革以來，土地財政成為“第二財政”[8]，導(dǎo)致地方政府缺乏“穩(wěn)房價”的激勵，陳小亮等（2018）基于委托代理理論，不僅證明了上述觀點，同時也證明了經(jīng)濟下行壓力下，中央政府也缺乏“穩(wěn)房價”的激勵[1]。

2016年底中央經(jīng)濟工作會議正式提出，“加快研究建立符合國情、適應(yīng)市場規(guī)律的基礎(chǔ)性制度和長效機制”，從制度層面尋求實現(xiàn)房地產(chǎn)市場平穩(wěn)健康發(fā)展的長效機制；2018年兩會政府工作報告提出，“堅持房子是用來住的、不是用來炒的定位”，“建立多主體供給、多渠道保障、租購并舉的住房制度”；2021年政府工作報告繼續(xù)提出，“堅持房住不炒”，“穩(wěn)地價、穩(wěn)房價、穩(wěn)預(yù)期”。實施至今，中央政府逐步確立了房地產(chǎn)長效機制的根本定位、政策構(gòu)成以及調(diào)控思路。那么，房地產(chǎn)長效機制是否穩(wěn)定了房價，尤其是在“因城施策”策略下，不同城市實施長效機制的效果如何，是非常值得關(guān)注的問題。2020年時任副總理韓正在房地產(chǎn)工作座談會上指出，“房地產(chǎn)長效機制實施以來，取得明顯成效，值得充分肯定”，但已有文獻(xiàn)主要探討如何構(gòu)建和完善房地產(chǎn)長效機制[1，8，11～13]，缺乏房地產(chǎn)長效機制影響房價的定量分析和機制與路徑研究。

事實上，官方口徑中房地產(chǎn)長效機制的提出始于2006年②，但直至2016年長效機制都未取得實質(zhì)性進展，反而短期調(diào)控成為房價干預(yù)的主要機制。作為公共政策，不管是短期調(diào)控還是長效機制，其制定都是諸多利益相關(guān)者爭奪利益的博弈過程，尤其是決策者——中央政府與執(zhí)行者——地方政府的博弈過程。中國現(xiàn)行決策者權(quán)力為雙軸心多層級，居民與政府、中央政府與地方政府之間構(gòu)成雙重委托代理關(guān)系，前者形式虛置，后者鏈條冗長，但都會導(dǎo)致委托代理陷阱[14]。而分稅制形成的“土地財政”以及以GDP為中心的考核機制必然造成地方政府過度依賴于房地產(chǎn)市場[15]，當(dāng)政策目標(biāo)、政策方案和執(zhí)行細(xì)則一致時，調(diào)控政策容易達(dá)到預(yù)期成果，否則會出現(xiàn)政策失靈[14]。房地產(chǎn)業(yè)具有兩個客體特性，即私人性和公共性，并構(gòu)成房地產(chǎn)政策的兩個重要目標(biāo)，即促增長和穩(wěn)房價[16]。長期以來，中央政府調(diào)控目標(biāo)的搖擺性以及地方政府績效考核的固定性，導(dǎo)致地方政府缺乏控房價的激勵，這也是房價調(diào)控效果欠佳、長效機制缺失的根本原因[1，17]。

因此，考察房地產(chǎn)長效機制對房價的影響效果，應(yīng)考慮地方政府對中央政府“穩(wěn)房價”目標(biāo)的執(zhí)行強度。陳小亮等（2018）采用Holmstrom和Milgrom（1991）[18]提出的多任務(wù)委托代理模型，發(fā)現(xiàn)由于地方政府考核體系側(cè)重于GDP，沒有考慮房價，導(dǎo)致地方政府缺少控房價的激勵。本文將在陳小亮等（2018）的基礎(chǔ)上，探析地方政府對中央政府調(diào)控目標(biāo)的執(zhí)行強度對房地產(chǎn)長效機制“穩(wěn)房價”效果的影響。本文的邊際貢獻(xiàn)在于：（1）構(gòu)建中央政府與地方政府的委托代理模型，從理論上分析雙重目標(biāo)下地方政府的行動策略選擇條件，結(jié)果表明初始條件不同，不同考核目標(biāo)壓力下地方政府將選擇不同的資源配置偏好。（2）與已有文獻(xiàn)關(guān)注如何構(gòu)建和完善長效機制不同，本文將地方政府在考核目標(biāo)下的選擇偏好與其對中央政府調(diào)控目標(biāo)的執(zhí)行強度進行聯(lián)結(jié)，考察地方政府對長效機制的執(zhí)行強度對房價的影響。（3）以房地產(chǎn)長效機制實施為自然實驗，采用時間斷點回歸（Regression Discontinuity in Time，RDiT）和強度雙重差分（Difference in Difference，DID）法，引入政策不確定性和供需雙方的房價預(yù)期，識別與估計房地產(chǎn)長效機制影響房價的效應(yīng)、機制與路徑，為長效機制的進一步實施提供經(jīng)驗證據(jù)。

二、基本事實、理論分析與研究假設(shè)

（一）基本事實

1. 房地產(chǎn)長效機制與房價波動

綜合中央政府歷次會議的表述，房地產(chǎn)長效機制是以“房住不炒”為根本定位，由金融、土地、財稅、投資及立法等政策手段構(gòu)成的基礎(chǔ)性制度，旨在實現(xiàn)“穩(wěn)房價、穩(wěn)地價、穩(wěn)預(yù)期”。根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)，長效機制正式推出之前，2000－2016年商品房銷售面積、銷售額和平均價格的年均增長率分別為14.26%、23.66%、8.22%，而推出之后，2017－2021年三個指標(biāo)值分別降至2.66%、9.11%、6.28%。其中長效機制推出前后的2016年和2017年，平均房價增長率由10.05%降至5.56%，降幅顯著。35個大中城市的房價偏離率計算結(jié)果顯示，2016年之前大部分城市的實際房價均負(fù)向大幅偏離均衡房價，而房地產(chǎn)長效機制實施之后，雖然不同城市房價回歸均衡值的速度存在差異，但整體波動幅度明顯縮減。

2. 房地產(chǎn)長效機制與預(yù)期

35個大中城市的實際房價波動在長效機制推出后趨于平穩(wěn)，但若將這一變化歸于長效機制的直接影響，則存在解釋上的困難。房地產(chǎn)長效機制的關(guān)鍵在于“長效”[8]，其構(gòu)建與完善，一方面是將原有短期政策長期化，如金融信貸政策、土地供應(yīng)政策、限購限貸等行政政策，另一方面是構(gòu)建長效的住房、財稅、立法等制度體系。但這些制度很難在短期內(nèi)建立，租賃住房、集體土地供應(yīng)、共有產(chǎn)權(quán)住房等政策還處于試點或擴大試點階段，房地產(chǎn)稅仍面臨諸多不確定性。歷次短期調(diào)控的經(jīng)驗表明，由于調(diào)控目標(biāo)頻繁更替，房地產(chǎn)市場存在大量的投機性套利空間，導(dǎo)致房價持續(xù)存在上漲預(yù)期，從而造成房價大幅波動。而長效機制以“房住不炒”為根本定位，以“穩(wěn)預(yù)期”為主要目標(biāo)之一，短期內(nèi)對房價的直接影響可能不顯著，但可以通過改變市場主體的預(yù)期，對房價波動形成顯著影響。

3. 房地產(chǎn)長效機制與地方政府“穩(wěn)房價”

中國分稅制改革后，1994－2015年地方財政收入占全國財政收入的比重平均僅為48.8%，支出卻達(dá)到75.7%，地方政府的事權(quán)與財權(quán)極不匹配[1]。由此催生了土地財政，地方政府的財政資金高度依賴于土地出讓金及土地相關(guān)稅費。對地方政府而言，房價上漲不僅能夠拉動地方經(jīng)濟增長，還可以帶來可觀的財政收入，并且通過土地抵押效應(yīng)能夠獲得更多的城市建設(shè)資金。因此，對土地財政的依賴度將決定地方政府對中央政府長效機制的執(zhí)行強度，當(dāng)中央政府的考核目標(biāo)為“促增長”時，地方政府會希望房價上漲，而考核目標(biāo)轉(zhuǎn)為“穩(wěn)房價”時，地方政府也會為了維持房價上漲而疏于長效機制建設(shè)。

（二）理論分析與假設(shè)

1. 中央政府與地方政府的委托代理關(guān)系

中央政府與地方政府之間存在著典型的委托代理關(guān)系[19～20]，陳小亮等（2018）基于Holmstrom和Milgrom（1991）[18]的理論框架，構(gòu)建了包括“促增長”和“控房價”的多任務(wù)委托代理模型。以此為基礎(chǔ)，本文考慮土地財政對地方政府行動策略的影響，進一步考察房地產(chǎn)長效機制下地方政府的執(zhí)行強度對房價的影響。

假設(shè)房地產(chǎn)長效機制實施后，中央政府對地方政府的考核包括經(jīng)濟增長和房價穩(wěn)定兩項任務(wù)，分別使用GDP增長率y 和房價波動率h 表示。地方政府需要考慮將擁有的有限資源配置于宏觀經(jīng)濟部門和房地產(chǎn)部門，分別為r1 和r2 ，且r1+ r2= r 。為使兩部門的資源配置等式動態(tài)成立，假定r1 和r2 為配置于兩個部門的資源占總資源的比例。假定地方政府的考核任務(wù)是配置于兩部門資源的函數(shù)，分別為 y = y（r ） 1 ，r2 + εy 、h = h（r ） 1 ，r2 + εh ，其中，y 是r1 和r2 的凹函數(shù)，εy～N（0，σ 21）、εh～N（0，σ 22）分別為經(jīng)濟增長和房價穩(wěn)定中不受政府控制的隨機因素。同時，?y ?ri ≥ 0 、?h ?ri ≥ 0 ，表示配置于宏觀經(jīng)濟部門和房地產(chǎn)部門的資源都會推動經(jīng)濟增長和房價上漲。

在與中央政府的委托代理關(guān)系中，地方政府的效用來源包括：中央政府的考核績效支付和從經(jīng)濟增長與房價上漲中獲得的稅收收入。雙任務(wù)考核體系下，中央政府同時偏好經(jīng)濟增長與房價穩(wěn)定，假設(shè)中央政府對地方政府的考核績效支付函數(shù)為線性，表示為π = π0 + τ1 y（r ） 1 ，r2 - τ2h（r ） 1 ，r2 ，τi > 0 ，為中央政府對兩個任務(wù)的偏好系數(shù)。假設(shè)地方政府獲得的稅收收入為經(jīng)濟增長和房價上漲的函數(shù)，且為線性形式，T = t1 y（r ） 1 ，r2 + t2h（r ） 1 ，r2 ，ti > 0 ，為經(jīng)濟增長和房價上漲的稅收支付系數(shù)。假設(shè)地方政府具有不變的絕對風(fēng)險規(guī)避偏好，其效用函數(shù)表示為：ul = -exp（-η（π - r ）） 1 - r2 ，η 為絕對風(fēng)險規(guī)避系數(shù)。在績效支付約束下，地方政府的確定性等價補償表示為式（1）：

可見，地方政府的最優(yōu)資源配置與中央政府的考核偏好、地方政府的稅收依賴存在以下關(guān)系：假設(shè)1：當(dāng)中央政府的相對考核偏好增強，即更偏好于經(jīng)濟增長時，或地方政府的相對稅收依賴減弱，即更依賴于房價上漲時，地方政府配置于房地產(chǎn)部門的資源將會增加，而用于經(jīng)濟增長的資源將會減少。

中央政府推出房地產(chǎn)長效機制建設(shè)，表明中央政府對房價上漲的考核強度增強，使相對考核偏好減弱。此時，假設(shè)1將變?yōu)槿缦卤硎觯杭僭O(shè)1-1：房地產(chǎn)長效機制使中央政府的相對考核偏好減弱，稅收收入越依賴于經(jīng)濟增長的地方政府，對中央政府房地產(chǎn)政策的執(zhí)行強度會越高，從而房地產(chǎn)部門的資源配置會越少；反之，稅收收入越依賴于房價上漲的地方政府，對中央政府房地產(chǎn)政策的執(zhí)行強度會越低，從而房地產(chǎn)部門的資源配置會越高。

2. 經(jīng)濟政策不確定性、預(yù)期與房價波動

許多研究表明，房價決定于經(jīng)濟基本面[21～22]，并受到政策環(huán)境的影響[23]。經(jīng)濟政策不確定性會引起房地產(chǎn)市場波動并帶來波動的不確定性[24]，并在房地產(chǎn)市場中可能導(dǎo)致房價變化[25]。理論上，經(jīng)濟政策不確定性是反經(jīng)濟周期的[26]，而市場主體的預(yù)期是順經(jīng)濟周期的，經(jīng)濟政策不確定性對宏觀經(jīng)濟和房地產(chǎn)市場的影響在于對預(yù)期的改變?？紤]預(yù)期改變對房價變化的影響，本文構(gòu)建房地產(chǎn)市場供需模型如下：

假設(shè)2：房價變化由經(jīng)濟政策導(dǎo)致的供需雙方的房價預(yù)期構(gòu)成，經(jīng)濟政策不確定性對于宏觀經(jīng)濟環(huán)境和房地產(chǎn)市場環(huán)境對房價的影響效應(yīng)為正。

假設(shè)2-1：房地產(chǎn)長效機制下，經(jīng)濟政策不確定性對房價的影響取決于地方政府的相對稅收依賴，地方政府的房地產(chǎn)政策執(zhí)行強度對供需雙方的房價預(yù)期產(chǎn)生反向影響。

三、研究設(shè)計與變量選擇

（一）研究設(shè)計

2016年底中央政府推出房地產(chǎn)長效機制，為應(yīng)用斷點回歸法（Regression Discontinuity Design，RDD）、DID等方法評估其對“穩(wěn)房價”的影響效應(yīng)提供了“準(zhǔn)自然實驗”。但長效機制由中央政府面向全國統(tǒng)一實施，所有城市都受到該政策沖擊的影響，均為處理組，沒有城市-時間維度上的控制組，因此傳統(tǒng)DID并不適用。本文考慮分兩步估計長效機制對房價變動的影響效應(yīng)及其機制。

1. RDD分析

構(gòu)建模型（8），以2016年底房地產(chǎn)長效機制的推出為斷點，利用35個大中城市的面板數(shù)據(jù)，使用RDD法檢驗長效機制實施前后房價波動是否存在“跳躍”，進而估計長效機制對房價波動的影響效應(yīng)。

（二）變量與數(shù)據(jù)選擇

本文以2010－2021年35個大中城市的年度面板數(shù)據(jù)為研究樣本。模型（8）和（9）中，被解釋變量房價（HP）由商品房銷售額與商品房銷售面積計算得到；根據(jù)假設(shè)（2），exe 表示地方政府的房地產(chǎn)稅收依賴度，等于當(dāng)期土地購置費用、房地產(chǎn)相關(guān)稅收和房地產(chǎn)企業(yè)主營業(yè)務(wù)稅金及附加之和與政府財政支出的比值。

控制變量X 包括宏觀經(jīng)濟變量和房地產(chǎn)市場變量，宏觀經(jīng)濟變量包括：人均可支配收入（income）；杠桿率（loan），等于金融機構(gòu)年末貸款余額與居民儲蓄余額之比；總?cè)丝冢?pop），等于樣本城市年末總?cè)丝冢婚L期實際利率（rate），借鑒陳晨和傅勇（2013）[31]的做法，使用中國人民銀行公布的五年以上貸款利率減去當(dāng)期通脹率表示，利率調(diào)整年份以調(diào)整前后的天數(shù)加權(quán)計算當(dāng)期利率；地方政府財政支出（exp），使用地方財政預(yù)算內(nèi)支出表示。房地產(chǎn)市場變量包括：房地產(chǎn)開發(fā)投資額（invest ）、房地產(chǎn)施工面積（cons_area）、商品房銷售面積（sales_area）、土地購置面積（land_area）。以上數(shù)據(jù)均來自于國家統(tǒng)計局以及各年統(tǒng)計年鑒。

已有文獻(xiàn)對房價預(yù)期（ ΔHPe ）的研究大都基于一致性假設(shè)，如況偉大（2010）[32]和高波等（2013）[33]。王先柱和楊義武（2015）[34]則認(rèn)為，由于嚴(yán)重的信息不對稱，供需雙方存在差異化預(yù)期，需求方為適應(yīng)性預(yù)期，而供給方為理性預(yù)期。適應(yīng)性預(yù)期是根據(jù)上一期信息進行反饋式預(yù)測，即ΔHPe1it+ 1= ρ1 ΔHPit ，ΔHPe1it = ρ2 ΔHPit - 1 ，而理性預(yù)期是利用掌握的一切信息，對未來房價做出盡可能準(zhǔn)確的估計，即ΔHPe2it+ 1= Et ΔHPit ，ΔHPe2it = Et - 1 ΔHPit - 1 。借鑒賈生華和李航（2013）[35]的做法，使用上兩期房價增長率的平均值與上一期實際房價的乘積表示需求方的本期適應(yīng)性房價預(yù)期；借鑒況偉大（2010）[32]的做法，使用下期實際房價表示供給方的本期理性房價預(yù)期。供需雙方的房價綜合預(yù)期等于兩者之和。

政策不確定性通常難以定義、難以測量[36]。Baker等（2016）[37]采用報紙文本分析法，首次構(gòu)建了中國經(jīng)濟政策不確定指數(shù)，但該指數(shù)完全采自香港發(fā)行的《南華早報》，由此建立的指數(shù)容易受到媒體偏誤或報紙立場的影響。此后，Yun Huang和Paul Luk（2020）同樣采用文本分析法，選取中國內(nèi)地10份報紙，編制了中國大陸經(jīng)濟政策不確定性指數(shù)，即CEPU ，并檢驗了該指數(shù)的穩(wěn)健性和準(zhǔn)確性[38]。因此本文使用CEPU 代理宏觀經(jīng)濟政策不確定性EPU ，數(shù)據(jù)來源于Economic Policy Uncertainty網(wǎng)站。

所有價值型變量，均取自然對數(shù)，并剔除通貨膨脹的影響（以2010年為基期），轉(zhuǎn)化為實際變量。各變量的描述性統(tǒng)計如表1所示，結(jié)果顯示所有變量的數(shù)據(jù)分布正常。

四、房地產(chǎn)長效機制對穩(wěn)定房價的影響效應(yīng)——基于RDiT的實證分析

（一）RDiT 分析框架

首先使用模型（8）分析長效機制對房價的影響效應(yīng)。與傳統(tǒng)RDD模型不同，本文長效機制實施所形成的“準(zhǔn)自然實驗”以特定時點（2016年）為斷點，以時間為驅(qū)動變量，已有研究將這一框架定義為RDiT。Haus?man和Rapson（2018）[39]討論了RDiT區(qū)別于RDD的特性：（1）由于缺乏足夠的截面識別變量，為了提高識別的可靠性，RDiT更依賴于遠(yuǎn)離斷點的樣本；（2）RDiT需要關(guān)注樣本數(shù)據(jù)的自回歸問題；（3）以時間為驅(qū)動變量時，McCrary檢驗將無法進行，從而難以判斷樣本是否存在斷點附近的自選擇行為。根據(jù)Hausman和Rapson（2018）的建議，為減少噪音、提高精度以及降低估計偏差，本文使用包含橫截面變化的面板數(shù)據(jù)，并在RDiT模型中加入控制變量，選擇局部線性回歸作為基準(zhǔn)模型，使用聚類穩(wěn)健標(biāo)準(zhǔn)誤以降低因變量自回歸對估計結(jié)果的影響。

圖1以2016年為斷點，將35個大中城市分為全部、東部、中部和西部四個子樣本，結(jié)果顯示，全樣本和子樣本的房價偏離率在2016年之后均發(fā)生了明顯的“跳躍”。值得注意的是，2016年房地產(chǎn)長效機制推出之前，整體房價負(fù)向大幅偏離均衡水平，推出之后，整體房價圍繞均衡水平小幅波動。其中，東部城市的房價與均衡水平基本保持一致，中西部城市的房價雖然有所偏離，但波動幅度較之前大幅減小，且趨于均衡水平。

使用斷點方法識別長效機制對房價的影響，在滿足結(jié)果變量存在斷點的同時，控制變量在斷點處不能存在明顯跳躍。檢驗結(jié)果顯示，在不同帶寬下，所有控制變量均不顯著，即在斷點處不存在顯著跳躍，可以進行下一步分析。本文使用的是35個大中城市的年度面板數(shù)據(jù)，帶寬過小可能導(dǎo)致較大偏誤，為盡量利用到更多的樣本信息，本文自定義4年和5年兩個帶寬進行估計。在局部回歸形式的選擇上，AIC、BIC計算結(jié)果顯示，1階和2階并無差異，因此本文選擇局部線性回歸形式。

（二）估計結(jié)果

表2報告了兩個帶寬下使用RDiT非參數(shù)估計、OLS線性估計和2SLS線性估計等三種方法的估計結(jié)果。

可以發(fā)現(xiàn)，三種方法對房地產(chǎn)長效機制的估計結(jié)果都在1%水平上顯著，但OLS、2SLS的估計結(jié)果明顯大于RDiT非參數(shù)的估計結(jié)果，這意味著由于未考慮長效機制推出所產(chǎn)生的斷點影響，前兩種方法高估了房地產(chǎn)長效機制對房價波動的影響。從RDiT的估計結(jié)果來看，房地產(chǎn)長效機制實施后，選取帶寬為4年時，房價偏離率較實施前提升了3.9%，而選取帶寬為5年時，房價偏離程度趨于減弱，降為3%。

針對RDiT的估計結(jié)果，有兩個方面需要關(guān)注。

第一，房地產(chǎn)長效機制對房價偏離率的影響系數(shù)顯著為正，但這并不意味著房地產(chǎn)長效機制政策是失效的。房地產(chǎn)長效機制旨在促進房地產(chǎn)市場平穩(wěn)健康發(fā)展，對房價而言，在于實現(xiàn)“穩(wěn)房價”，即促使房價回歸均衡水平，并減小房價圍繞均衡水平的波動幅度。房地產(chǎn)長效機制實施之前，大多數(shù)城市的房價均大幅負(fù)向偏離均衡水平，35個大中城市的房價偏離率最大值為30%，最小值為-16%，其中2016年的房價偏離率分別為16%和-13%。而房地產(chǎn)長效機制實施之后，2017年房價偏離率的最大值、最小值分別為10%和-0.1%，且均值接近于0。從圖1來看，雖然2017實際房價回歸至均衡水平之上，并呈上升趨勢，但從帶寬為4年和5年的估計結(jié)果來看，房地產(chǎn)長效機制的正向平均效應(yīng)從3.9%降至3.0%，表現(xiàn)出明顯的收縮趨勢。因此，房地產(chǎn)長效機制的估計系數(shù)為正并不是房價偏離的加劇，而是對均衡房價的回歸，隨著房地產(chǎn)長效機制的繼續(xù)實施，實際房價的偏離程度可能會一步減小。

第二，雖然房地產(chǎn)長效機制在樣本區(qū)間內(nèi)的平均效應(yīng)顯著為正，但2019年以來房價偏離率表現(xiàn)出了明顯的下跌趨勢，并于2021年降至均衡水平之下（見圖1），顯示出房地產(chǎn)長效機制對“穩(wěn)房價”產(chǎn)生了積極有效的影響。從政策實踐上看，出現(xiàn)延遲性調(diào)控效果存在兩個方面的原因。一是調(diào)控政策具有明顯的時滯性，但更重要的是，在調(diào)控思路轉(zhuǎn)變的過渡階段，2017年調(diào)控的主要手段仍然是限購、限貸等短期性政策措施，雖然一二線熱點城市的房價增速明顯放緩，但在清庫存的推動下，三四線城市的房價呈現(xiàn)出明顯的上漲態(tài)勢[1]。二是房地產(chǎn)長效機制真正意義上的實施與落地開始于2018年。首先，2018年兩會政府工作報告正式提出“房住不炒”的定位，并將其作為房地產(chǎn)調(diào)控的基本思路，在全國范圍內(nèi)全面強化與落實。其次，作為房地產(chǎn)長效機制的核心內(nèi)涵之一，2018年以來“因城施策”已逐漸轉(zhuǎn)變?yōu)椤耙怀且徊摺?，與“因城施策”的中央指導(dǎo)性特征不同，“一城一策”意味著房地產(chǎn)調(diào)控已進入地方主導(dǎo)的精準(zhǔn)化調(diào)控階段，地方政府具有更大的自主權(quán)，但也要承擔(dān)更高的主體責(zé)任。再次，根據(jù)中國社科院的統(tǒng)計數(shù)據(jù)，2018年中央與地方頒布實施的政策與法規(guī)高達(dá)400多次，同比增長80%以上。其中，大量政策轉(zhuǎn)向供給端調(diào)控，涵蓋土地供給、租賃市場、保障住房、市場秩序、差別化信貸、金融宏觀審慎等眾多方面。

（三）異質(zhì)性分析及穩(wěn)健性檢驗

上述估計結(jié)果為局部平均效應(yīng)，而中國房地產(chǎn)市場具有明顯的區(qū)域差異和發(fā)展差異，導(dǎo)致房地產(chǎn)長效機制的影響也可能存在差異。為檢驗這兩個方面的異質(zhì)性，本文將樣本分別劃分為東部、中部和西部三個區(qū)域子樣本，以及一線和二線④兩個發(fā)展子樣本，使用RDiT非參數(shù)估計⑤分別進行檢驗。

1. 區(qū)域異質(zhì)性檢驗

表3估計結(jié)果顯示，長效機制對房價的影響在不同區(qū)域間存在著較大差異。三個區(qū)域的估計系數(shù)均為正值，并且?guī)捲黾訒r，系數(shù)減小，表明長效機制的實施使原本負(fù)向偏離均衡水平的房價得以正向提升，并且波動程度減弱。但值得注意的是，長效機制的實施對東部城市的影響并不顯著，而對中西部城市的影響非常顯著，使房價偏離率正向提升4%～6%。通過比較2016年與2017年、2018年中西部城市房價偏離率的最大值和最小值，可以看出長效機制實施后房價偏離的程度大大縮小，表明長效機制有效提升了中西部城市房價的穩(wěn)定和健康程度。

2. 發(fā)展異質(zhì)性檢驗

表4估計結(jié)果顯示，二線城市的估計系數(shù)在帶寬為3年和4年時分別為0.050和0.045，并在1%水平上顯著，但一線城市的估計系數(shù)并不顯著。表明房地產(chǎn)長期機制有效改善了二線城市房價的平穩(wěn)健康狀況。

在兩種分類中，一線城市是東部城市的一部分，而估計結(jié)果顯示兩者均不顯著，究其原因在于，東部一二線城市的房地產(chǎn)市場狀況與中西部城市明顯不同。首先，最明顯的區(qū)別在于東部一二線城市住房供給偏緊，套戶比小于1，而中西部城市供給過剩，套戶比大于1。2016年以來實施的去庫存策略，抑制了中西部城市的投資投機需求，從而使房價偏離狀況得以改善。其次，與其他地區(qū)相比，東部一二線城市具有明顯的發(fā)展優(yōu)勢，包括經(jīng)濟增長速度、公共設(shè)施完善程度和居民購買力水平等方面，能夠吸引欠發(fā)達(dá)地區(qū)的人口和資本等要素發(fā)生轉(zhuǎn)移[40]，為房地產(chǎn)投資投機需求提供了套利空間。在供應(yīng)緊張的情況下，市場對房價上漲的預(yù)期將進一步增強，從而使房地產(chǎn)長效機制失效。但東部城市的房價偏離之所以也有所改善，更大程度上在于短期調(diào)控政策的持續(xù)實施。

3. 穩(wěn)健性檢驗

為確保上述結(jié)論的可靠性，本文做了一系列穩(wěn)健性檢驗，包括：（1）控制變量連續(xù)性檢驗，發(fā)現(xiàn)所有控制變量在斷點時點不存在不連續(xù)性。（2）由于數(shù)據(jù)限制，只進行了兩種帶寬的分析，但結(jié)果均顯著。（3）分別使用2014年和2015年作為“偽斷點”進行安慰劑檢驗，結(jié)果均不顯著。（4）將房價偏離率替換為房價增長率進行斷點分析，與上述結(jié)果基本一致。

五、房地產(chǎn)長效機制如何穩(wěn)定房價——基于強度DID模型的實證分析

傳統(tǒng)DID模型中，需要根據(jù)是否受到政策沖擊將樣本分為實驗組和對照組。然而房地產(chǎn)長效機制實施中，所有樣本城市都受到該機制的影響，無法劃分出絕對的實驗組和對照組。因此，對于“一刀切”政策，如何設(shè)計實驗組和對照組是DID分析的關(guān)鍵問題，已有文獻(xiàn)[29～30，41～43]通常利用處理強度變量，劃分出實驗組和對照組，并構(gòu)建“準(zhǔn)自然實驗”強度DID模型，即廣義DID。根據(jù)假設(shè)1-1和2-1，財政支出對房地產(chǎn)稅收依賴越高的地方政府，對中央政府房地產(chǎn)長效機制的執(zhí)行強度會越低，從而長效機制穩(wěn)定房價的作用越小。基于此，本文采取兩種方式對模型（9）進行分析。一是不劃分實驗組和對照組，使用房地產(chǎn)稅收依賴度代理處理強度指標(biāo)exeit ，即地方政府對長效機制的執(zhí)行強度，lpolicy 表示是否實施長效機制，設(shè)置為0-1虛擬變量，2016年之前取值為0，2017年之后取值為1，交互項lpolicy * exeit 是DID中重點關(guān)注的系數(shù)，即β1 ，反映了相對于對照組，長效機制對穩(wěn)定房價的影響。二是依據(jù)處理強度指標(biāo)（exeit）劃分實驗組和對照組，為充分利用有限的樣本量，將大于50分位數(shù)的樣本作為實驗組，取值為1，將小于50分位數(shù)的樣本作為對照組，取值為0，同樣關(guān)注交互項lpolicy * exeit 的系數(shù)β1 。

（一）實驗組和對照組房價偏離率與稅收依賴度的時間趨勢

分別計算實驗組和對照組2010－2021年房價偏離率和房地產(chǎn)稅收依賴度的均值，并繪制時間趨勢圖（如圖2所示）。圖2顯示，第一，房地產(chǎn)長效機制實施后，房價波動幅度明顯縮小，并趨于均衡房價水平；樣本分組后，對照組的稅收依賴度較為平穩(wěn)，而實驗組的稅收依賴度變化幅度較大。第二，整個期間內(nèi)，房價偏離度與稅收依賴度表現(xiàn)出顯著的相關(guān)性，相關(guān)系數(shù)為0.229；分組來看，對照組內(nèi)兩者的相關(guān)性并不顯著，而實驗組非常顯著，相關(guān)系數(shù)為0.210；分期來看，長效機制實施前，實驗組內(nèi)兩者的相關(guān)性不顯著，實施后則非常顯著，相關(guān)系數(shù)為0.716。這與本文的假設(shè)1和1-1基本一致，即長效機制實施后，房地產(chǎn)稅收依賴度高的地方政府，由于不愿意執(zhí)行中央政府的房地產(chǎn)政策，從而導(dǎo)致房價波動更為顯著。

（二）長效機制實施對房價波動的影響

本文使用模型（9）估計長效機制實施是否以及如何影響房價波動，結(jié)果如表5所示。首先，地方政府對房地產(chǎn)的稅收依賴程度各不相同，鑒于此，構(gòu)建長效機制（0-1虛擬變量）與稅收依賴度（連續(xù)型變量）的交互項，并使用連續(xù)型DID進行估計。列（1）～（4）為沒有劃分實驗組和對照組的估計結(jié)果。表5中列（1）僅控制時間和個體固定效應(yīng)，且標(biāo)準(zhǔn)誤聚類到城市，交互項項系數(shù)顯著為正，列（2）～（4）分別進一步控制宏觀經(jīng)濟變量、房地產(chǎn)市場變量以及兩者都控制后，交互項仍為正，但顯著性降低且估計系數(shù)變小。其次，以稅收依賴度劃分實驗組和對照組，并構(gòu)建其與長效機制變量的交互項。結(jié)果顯示，在未分組的基礎(chǔ)上，交互項系數(shù)仍然為正，雖然系數(shù)值大小有所降低，但顯著性明顯提升。在所有變量均控制的列（8）情形下，交互項系數(shù)在5%的顯著性水平下為0.018。

估計結(jié)果顯示，與對照組相比，長效機制使房地產(chǎn)稅收依賴度高的實驗組的房價發(fā)生了更大幅度的正向偏離?？紤]到長效機制實施前，房價普遍負(fù)向偏離均衡水平，因此，正的系數(shù)值表明長效機制發(fā)揮了穩(wěn)定房價的作用。但這并不能完全支持假設(shè)1-1，還需要考慮房地產(chǎn)長效機制對實驗組的動態(tài)效應(yīng)。

（三）動態(tài)效應(yīng)檢驗

為檢驗長效機制在長期內(nèi)對實驗組房價波動的影響，同時驗證模型使用的合理性，以及克服潛在遺漏變量和互為因果關(guān)系的影響，本文進行了動態(tài)效應(yīng)檢驗。理論上，如果存在遺漏變量，那么長效機制對房價波動的影響不會顯著；如果長效機制與房價波動互為因果關(guān)系，那么實驗組和對照組的房價波動會在長效機制實施前表現(xiàn)出顯著差異。鑒于此，本文以2016年為界，前后各取4年、5年數(shù)據(jù)，分別構(gòu)建長效機制實施時點變量進行考察，估計模型如式（13）所示：

其中，Before 、Current 和After 分別表示長效機制實施之前、當(dāng)年和之后各年的虛擬變量（當(dāng)年取值為1，否則取0），并與房地產(chǎn)稅收依賴度exe 構(gòu)成交互項。

模型（13）估計結(jié)果表明，長效機制實施之前，交互項系數(shù)雖然逐漸下降，但不顯著，表明實驗組與對照組的房價波動并無顯著差異。從圖3可以看出，長效機制實施之后，交互項系數(shù)在前兩年內(nèi)大幅提高，并變得顯著，雖然其后兩年有所下降，但最后一年又大幅提升，并且后四年的系數(shù)都至少在5%水平上顯著。說明長效機制實施對實驗組（即稅收依賴度高的城市）房價正向偏離的提升效應(yīng)顯著且具有持續(xù)性，因此，動態(tài)效應(yīng)檢驗在表5列（8）估計結(jié)果的基礎(chǔ)上，驗證了假設(shè)1-1。此外，交乘項系數(shù)僅在長效機制實施之后顯著，驗證了本文強度DID模型的合理性，也表明本文結(jié)論不受遺漏變量和互為因果問題的影響。

（四）穩(wěn)健性檢驗

除上述動態(tài)效應(yīng)檢驗外，本文還進行了以下安慰劑檢驗：

第一，劑量效應(yīng)檢驗。在基準(zhǔn)回歸中，本文按照房地產(chǎn)稅收依賴度的大小平均劃分為對照組和實驗組。為避免分組方式可能造成的估計偏差，參考劉海明和曹廷求（2018）[43]、李建軍和吳懿（2021）[30]的做法，在保證分組樣本數(shù)量的要求下，分別將房地產(chǎn)稅收依賴度大于40、60、70分位數(shù)的樣本作為實驗組（取值為1），小于相應(yīng)分位數(shù)的樣本作為對照組，按照表5列（8）的設(shè)定進行回歸。結(jié)果顯示交互項系數(shù)均顯著為正，表明本文結(jié)論是穩(wěn)健的。

第二，更換樣本檢驗。房地產(chǎn)長效機制的實施不僅在城市層面對房價波動產(chǎn)生影響，同樣會發(fā)生在省際層面。本文借鑒胡成春和陳迅（2019）[44]的研究，將35個大中城市的城市面板數(shù)據(jù)替換為30個省、市、自治區(qū)的面板數(shù)據(jù)，同樣按照表5列（8）的設(shè)定進行回歸，結(jié)果表明本文研究結(jié)論沒有受到明顯影響。

第三，更換被解釋變量。本文使用剔除了均衡趨勢影響的房價偏離程度來考察長效機制的影響，為進一步驗證上述結(jié)論是否存在時間趨勢的影響，在更換樣本的基礎(chǔ)上，使用房價增長率作為被解釋變量，并控制時間固定效應(yīng)，再次進行檢驗，發(fā)現(xiàn)與原有估計結(jié)果基本一致。

第四，外生沖擊檢驗。本文考察了長效機制對房價波動的影響，并控制了房地產(chǎn)短期調(diào)控政策，但未考慮2020－2021年間新冠疫情的影響。新冠疫情的爆發(fā)及其常態(tài)化防控，在一定程度上可能會對房地產(chǎn)開發(fā)和消費造成影響，并可能影響房價預(yù)期，從而改變房價波動的狀態(tài)?；诖?，在原有設(shè)定的基礎(chǔ)上，本文加入疫情虛擬變量（2020、2021年取值為1）再次回歸，發(fā)現(xiàn)交互項系數(shù)仍顯著為正，表明本文結(jié)論未發(fā)生改變。

上述檢驗雖然不能為驗證本文假設(shè)1-1提供直接證據(jù)，但在一定程度上說明了本文基本結(jié)論的可靠性。

（五）長效機制穩(wěn)定房價的機制與路徑分析

根據(jù)假設(shè)2和2-1，長效機制影響房價波動的機制在于，通過地方政府對長效機制的執(zhí)行程度以及宏觀經(jīng)濟和房地產(chǎn)市場環(huán)境，政策不確定性導(dǎo)致房價波動；而長效機制影響房價波動的路徑在于政策不確定性改變了供需雙方對未來房價的預(yù)期，從而推動房價波動。因此，本部分使用模型（10）檢驗長效機制影響房價的機制，使用模型（11）和（12）檢驗長效機制影響房價的路徑。

本文采用動態(tài)面板系統(tǒng)GMM方法進行參數(shù)估計。與OLS等傳統(tǒng)方法不同，GMM方法不需要隨機誤差項的準(zhǔn)確分布信息，并允許誤差項存在異方差和序列相關(guān)。另外，與差分GMM相比，系統(tǒng)GMM方法更為有效，但要求所有工具變量都通過Hansen過度識別約束檢驗。表6報告了長效機制影響房價的機制與路徑的估計結(jié)果，為檢驗?zāi)Ｐ头€(wěn)健性，本文同時報告了模型（10）的混合OLS和固定效應(yīng)模型估計結(jié)果作為補充。

表6列（1）～（3）顯示了長效機制對房價的影響機制的估計結(jié)果，其中，GMM模型估計的房價偏離率一階滯后項系數(shù)介于OLS和FE估計系數(shù)之間，并且估計結(jié)果通過了AR（2）和Hansen檢驗，表明GMM方法是有效的。估計結(jié)果顯示，政策不確定性系數(shù)為0.084，顯著為正，這意味著政策不確定性越高，房價波動越大；政策不確定性與長效機制和房地產(chǎn)稅收依賴度的交互項系數(shù)顯著為正，為0.165，大于政策不確定性系數(shù)，意味著長效機制下，房地產(chǎn)稅收依賴度正向提升了政策不確定性對實驗組城市房價波動的影響。上述結(jié)論驗證了本文的理論假設(shè)2-1。進一步觀察宏觀經(jīng)濟變量和房地產(chǎn)市場變量與政策不確定性的交互項系數(shù)，可以發(fā)現(xiàn)，大部分變量在1%和5%水平下顯著，并且與未加入政策不確定性的系數(shù)符號一致，表明政策不確定性對于宏觀經(jīng)濟和房地產(chǎn)市場對房價的影響效應(yīng)為正。該結(jié)果支持了本文的理論假設(shè)2。

本文假設(shè)政策不確定性是通過改變供需雙方的房價預(yù)期，從而推動了房價波動。為驗證這一路徑是否成立，本文首先以模型（11）進行估計，以房價預(yù)期作為被解釋變量，以政策不確定性以及與長效機制和稅收依賴度的交互項作為解釋變量。列（4）結(jié)果顯示，這兩個變量的系數(shù)均顯著為正，也就是說，政策不確定性越高，供需雙方對未來房價的預(yù)期也越高，并且長效機制下，房地產(chǎn)稅收依賴度正向促進了這一影響。同時注意到，長效機制與稅收依賴度的交互項系數(shù)顯著為負(fù)，也就是說，以房地產(chǎn)稅收依賴度表征的地方政府執(zhí)行強度對房價預(yù)期產(chǎn)生了明顯的負(fù)向影響，這一結(jié)論進一步支持了研究假設(shè)2-1。然后，使用模型（12）進行估計，以房價預(yù)期為解釋變量，以房價為被解釋變量。列（5）結(jié)果顯示，房價預(yù)期的系數(shù)顯著為正，意味著房價預(yù)期越高的城市，實際房價也越高。結(jié)合列（4）的結(jié)論，政策不確定性通過房價預(yù)期影響房價的路徑是成立的。另外，其他變量的系數(shù)與列（4）一致，同時，列（4）和（5）中政策不確定性與宏觀經(jīng)濟和房地產(chǎn)市場變量的交互項系數(shù)與列（3）的系數(shù)基本一致，進一步驗證了上述結(jié)論的可靠性。

六、結(jié)論與啟示

房地產(chǎn)長效機制實施至今，雖然已有大量文獻(xiàn)探討了如何構(gòu)建與完善長效機制，但長效機制是否穩(wěn)定了中國房價，長效機制對房價的影響機制如何，以及通過什么路徑影響房價，目前鮮有文獻(xiàn)進行研究。通過構(gòu)建中央政府與地方政府的多任務(wù)委托代理模型和基于預(yù)期的供需模型，本文從理論上提出兩個方面的假設(shè)，一是房地產(chǎn)長效機制下，房地產(chǎn)稅收依賴程度的高低，會影響地方政府在房地產(chǎn)部門的資源配置，從而影響房價波動；二是預(yù)期是影響房價的重要路徑，政策不確定性通過宏觀經(jīng)濟和房地產(chǎn)市場，以及地方政府的房地產(chǎn)稅收依賴程度，對房價預(yù)期進而對房價波動產(chǎn)生影響。

本文以中央政府推出房地產(chǎn)長效機制為自然實驗，采用RDiT模型和強度DID模型考察長效機制對房價波動的影響。實證結(jié)果驗證了本文的理論假設(shè)。從短期來看，房地產(chǎn)長效機制不僅使負(fù)向偏離均衡的房價在短期內(nèi)回歸到均衡水平，也使房價波動幅度大幅減小。從動態(tài)來看，長效機制對房價的正向提升作用顯著且具有持續(xù)性。從區(qū)域來看，長效機制對中西部城市的影響更為顯著，而對東部一二線城市的影響并不明顯。進一步考察長效機制對房價的影響機制與路徑，可以發(fā)現(xiàn)：其一，房地產(chǎn)長效機制下，政策不確定性是推動房價波動的顯著力量，而地方政府對房地產(chǎn)稅收的依賴程度正向促進了其對房價的影響，相對而言，房地產(chǎn)稅收依賴度越高，長效機制對房價的影響越為顯著；其二，政策不確定性的存在，使預(yù)期成為影響房價的重要路徑，地方政府的政策執(zhí)行強度對供需雙方的房價預(yù)期具有明顯的負(fù)向影響，而政策不確定性通過影響供需雙方的房價預(yù)期對房價起著顯著的正向促進作用。

回到本文的問題：房地產(chǎn)長效機制穩(wěn)定房價了嗎？本文研究表明，長效機制對負(fù)向失衡的房價回歸均衡水平，并縮小其波動幅度起到了積極有效的作用。但在長期內(nèi)，長效機制的這一影響可能使未來房價產(chǎn)生泡沫風(fēng)險，而不確定的政策環(huán)境和地方政府對房地產(chǎn)稅收的依賴會強化這一趨勢。因此，對于今后的房地產(chǎn)長效機制建設(shè)，本文提出以下幾點建議。第一，雖然長效機制的建設(shè)不是一蹴而就的，但房地產(chǎn)市場的健康與穩(wěn)定需要實質(zhì)性的基礎(chǔ)制度體系，中央政府應(yīng)全面評估各個組成制度的重要程度和實施難度，分梯次穩(wěn)步構(gòu)建。根據(jù)中央政府“房住不炒”的定位，應(yīng)首先構(gòu)建長期穩(wěn)定的貨幣政策和房地產(chǎn)金融政策，以支持城鎮(zhèn)居民剛性需求和改善性需求為政策基本目標(biāo)，從源頭上消除導(dǎo)致房價大幅波動的投機成分，從而達(dá)到穩(wěn)定房價預(yù)期的目的。第二，長效機制對房價的影響路徑主要在于預(yù)期，而當(dāng)前長效機制的具體制度建設(shè)大都處于試點和擴大試點階段。因此，為實現(xiàn)持續(xù)穩(wěn)定的房價預(yù)期，在構(gòu)建長效機制的同時，需要繼續(xù)維持一定限度的房地產(chǎn)短期調(diào)控。在經(jīng)濟下行壓力下，短期調(diào)控應(yīng)著力于穩(wěn)定房地產(chǎn)市場供給端，通過金融、信貸、行政等政策措施，對房地產(chǎn)開發(fā)商和中介進行約束與監(jiān)督，促進市場供給秩序的平穩(wěn)過渡。第三，降低政策環(huán)境的不確定性，在中央政府對地方政府的考核目標(biāo)上，從經(jīng)濟增長考核逐步轉(zhuǎn)向更為綜合的經(jīng)濟、社會和環(huán)境考核，放棄“錦標(biāo)賽式”的GDP增長速度競爭，重新劃分中央政府與地方政府的財權(quán)比例，或者通過轉(zhuǎn)移支付等手段給予地方政府更多的財政支配權(quán)，從而逐步降低地方政府對房地產(chǎn)稅收的依賴程度。

注釋：

① 2003年國務(wù)院發(fā)布《關(guān)于促進房地產(chǎn)市場持續(xù)健康發(fā)展的通知》，正式開啟了對房價的調(diào)控，截至2021年，政府工作報告和中央經(jīng)濟工作會議公報中涉及房價調(diào)控目標(biāo)的表述，大都為“促進房地產(chǎn)業(yè)持續(xù)健康發(fā)展”等類似的陳述，表明中央政府房價調(diào)控的初衷是在長期內(nèi)穩(wěn)房價。

② 2006年4月建設(shè)部住宅與房地產(chǎn)業(yè)司司長沈建忠提出，“要在總結(jié)經(jīng)驗的基礎(chǔ)上，加強對深化城鎮(zhèn)住房制度改革和實施房地產(chǎn)市場調(diào)控的長效機制研究”。2007年沈建忠再次表示，調(diào)控政策將更加注重于落實，解決執(zhí)行率問題，更加注重長效機制的建設(shè)，從制度機制上保證健康的發(fā)展。

③ 根據(jù)國家統(tǒng)計局的區(qū)域分類說明，在35個大中城市中，北京、天津、石家莊、沈陽、大連、上海、南京、杭州、寧波、福州、廈門、濟南、青島、廣州、深圳、海口等16個城市歸入東部，太原、長春、哈爾濱、合肥、南昌、鄭州、武漢、長沙等8個城市歸入中部，其他11個城市歸入西部。

④ 一二三線城市是按照綜合實力對城市的分類，根據(jù)國家統(tǒng)計局的劃分，35個大中城市中，北京、上海、廣州和深圳為一線城市，其他31個城市為二線城市。

⑤ 分組后，每個分組的樣本量較小，使用OLS和2SLS估計會產(chǎn)生更大的偏誤，因此選擇使用RDiT估計。

參考文獻(xiàn)：

[1] 陳小亮，李三希，陳彥斌.地方政府激勵機制重構(gòu)與房價調(diào)控長效機制建設(shè)[J].中國工業(yè)經(jīng)濟，2018（11）：79-97.

[2] 王來福.預(yù)期、不可置信的承諾與政策失效——來自房地產(chǎn)業(yè)的實證檢驗[J].財經(jīng)問題研究，2008（9）：56-62.

[3] 韓蓓，蔣東升.房地產(chǎn)調(diào)控政策的有效性分析——基于動態(tài)一致性[J].經(jīng)濟與管理研究，2011（4）：22-31.

[4] 朱國鐘，顏色.住房市場調(diào)控新政能夠?qū)崿F(xiàn)“居者有其屋”嗎——一個動態(tài)一般均衡的利率分析[J].經(jīng)濟學(xué)（季刊），2013（1）：103-125.

[5] 鄧柏峻，李仲飛，張浩.限購政策對房價的調(diào)控有效嗎[J].統(tǒng)計研究，2014（11）：50-57.

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

[7] 王頻，侯成琪.預(yù)期沖擊、房價波動與經(jīng)濟波動[J].經(jīng)濟研究，2017（4）：48-63.

[8] 陳小亮.構(gòu)建房地產(chǎn)長效機制的對策探析：基于“長效”的視角[J].人文雜志，2018（8）：33-41.

[9] 周黎安.中國地方官員的晉升錦標(biāo)賽模式研究[J].經(jīng)濟研究，2007（7）：36-50.

[10] 曹廣忠，袁飛，陶然.土地財政、產(chǎn)業(yè)結(jié)構(gòu)演變與稅收超常規(guī)增長——中國“稅收增長之謎”的一個分析視角[J].中國工業(yè)經(jīng)濟，2007（12）：13-21.

[11] 易憲容“. 房地產(chǎn)化”經(jīng)濟的轉(zhuǎn)型和房地產(chǎn)長效機制的確立[J].探索與爭鳴，2017（8）：108-114.

[12] 劉中顯，榮晨.房地產(chǎn)市場調(diào)控長效機制的建立與完善[J].宏觀經(jīng)濟研究，2017（12）：92-105+128.

[13] 葉劍平，李嘉“. 住房-土地-財稅-金融”四位一體房地產(chǎn)調(diào)控長效機制構(gòu)建研究[J].中國軟科學(xué)，2018（12）：67-86.

[14] 謝啟秦.房地產(chǎn)利益相關(guān)者的行動邏輯及其政策產(chǎn)出[J].公共管理與政策評論，2021（3）：134-143.

[15] 王京濱，夏貝貝.中國房地產(chǎn)改革40年：市場與政策[J].宏觀經(jīng)濟研究，2019（10）：25-34+168.

[16] 黃燕芬，張超“. 十二五”規(guī)劃以來我國房地產(chǎn)調(diào)控的政策分析[J].價格理論與實踐，2017（4）：25-28.

[17] 陳彥斌.房地產(chǎn)調(diào)控關(guān)鍵在于重構(gòu)激勵機制[J].財經(jīng)，2017（20）：108-109.

[18] HOLMSTROM B，MILGROM P. Multitask Principal-Agent Analyses：Incentive Contracts，Asset Ownership and Job Design[J].The Journal of Law，Economics & Organization，1991（7）：24-52.

[19] 尹振東.垂直管理與屬地管理：行政管理體制的選擇[J].經(jīng)濟研究，2011（4）：41-54.

[20] 皮建才，殷軍，周愚.新形勢下中國地方官員的治理效應(yīng)研究[J].經(jīng)濟研究，2014（10）：89-101.

[21] HORT K. The Determinants of Urban House Price Fluctuations in Sweden 1968－1994[J]. Journal of Housing Economics，1998（2）：93-120.

[22] CAPOZZA D R，HENDERSHOTT P H，MACK C，et al. Determinants of Real House Price Dynamics[R]. NBER Work?ing Papers，2002.

[23] 安輝，王瑞東.我國房地產(chǎn)價格影響因素的實證研究[J].財經(jīng)科學(xué)，2013（3）：115-124.

[24] PASTOR L，PIETRO V. Political Uncertainty and Risk Premia[R]. NBER Working Paper，2011.

[25] BLOOM N. The Impact of Uncertainty Shocks[J]. Econometrica，2009，77（3）：623-685.

[26] BAKER S R，BLOOM N，DAVIS S J. Policy Uncertainty：A New Indicator[D].Centre Piece-The Magazine for Economic Perfor?mance 362，Centre for Economic Performance，2012.

[27] BAKER S R，BLOOM N. Does Uncertainty Drive Business Cycles？Using Disasters as Natural Experiments[R]. NBER WorkingPaper，2011.

[28] 張浩，李仲飛，鄧柏峻.政策不確定、宏觀沖擊與房價波動——基于LSTVAR模型的實證分析[J].金融研究，2015（10）：32-47.

[29] CHEN S X. Effect of Fiscal Squeeze on Tax Enforcement：Evidence from a Natural Experiment in China[J]. Journal of Public Eco?nomics，2017，147（1）：62-76.

[30] 李建軍，吳懿.稅收分成、財政激勵與制造業(yè)企業(yè)活力[J].財貿(mào)經(jīng)濟，2021（9）：5-19.

[31] 陳晨，傅勇.中國高房價的決定：基本面與泡沫分解——基于面板數(shù)據(jù)的實證研究（1999－2009）[J].世界經(jīng)濟文匯，2013（2）：50-66.

[32] 況偉大.預(yù)期、投機與中國城市房價波動[J].經(jīng)濟研究，2010（10）：67-77.

[33] 高波，王文莉，李祥.預(yù)期、收入差距與中國城市房價租金“剪刀差”之謎[J].經(jīng)濟研究，2013（6）：100-112+126.

[34] 王先柱，楊義武.差異化預(yù)期、政策調(diào)控與房價波動——基于中國35個大中城市的實證研究[J].財經(jīng)研究，2015（12）：51-61+71.

[35] 賈生華，李航.房地產(chǎn)調(diào)控政策真的有效嗎？——調(diào)控政策對預(yù)期與房價關(guān)系的調(diào)節(jié)效應(yīng)研究[J].華東經(jīng)濟管理，2013（11）：82-87.

[36] 趙奉軍，駱祖春.經(jīng)濟政策不確定性與房地產(chǎn)投資[J].現(xiàn)代經(jīng)濟探討，2019（11）：13-20.

[37] BAKER S R，BLOOM N，DAVIS S J. Measuring Economic Policy Uncertainty[J]. Quarterly Journal of Economics，2016，131（4）：1593-1636.

[38] HUANG Y，PAUL L. Measuring Economic Policy Uncertainty in China[J]. China Economic Review，2020，59（2）：1-18.

[39] Hausman C，Rapson D S. Regression Discontinuity in Time：Considerations for Empirical Applications[R]. NBER Work?ing Paper，2018.

[40] LIN，X.，LV，P. Spatial Correlation and Influencing Factors of Housing Price in Beijing- Tianjin- Hebei Urban Agglomeration Based on Spatial Durbin Model[J].Inquiry into Economic Issues，2021（1）：79-90.

[41] VIG V. Access to Collateral and Corporate Debt Structure：Evidence from a Natural Experiment[J]. Journal of Finance，2013，68（3）：881-928.

[42] 錢雪松，方勝.擔(dān)保物權(quán)制度改革影響了民營企業(yè)負(fù)債融資嗎？[J].經(jīng)濟研究，2017（5）：146-160.

[43] 劉海明，曹廷求.續(xù)貸限制對微觀企業(yè)的經(jīng)濟效應(yīng)研究[J].經(jīng)濟研究，2018（4）：108-121.

[44] 胡成春，陳迅.經(jīng)濟政策不確定性、房地產(chǎn)市場與宏觀經(jīng)濟波動[J].經(jīng)濟問題探索，2019（8）：26-35.

（責(zé)任編輯：彭晶晶）