住房租赁市场培育政策对房价的影响

赵 强，朱啸艳

(南京财经大学 公共管理学院，南京 210023)

提要：研究培育和发展住房租赁市场政策(下文简称培育政策)对房价的影响效应，既有完善相关研究的理论意义，又有对政策提出指导的实践意义。选取70个大中城市新建商品房住宅价格的同比增速月度数据为研究样本，应用政策效应评估方法建立模型，估计了培育政策实施后实验组城市房价的增速。分析发现，在培育政策的指导下，大部分实验组城市房价增速下降，取得了预期的政策效果。部分实验组城市前期房价增速下降，然而政策对其房价的影响会随着时间逐渐减少甚至消失。少数实验组城市的房价增速变化不稳定。在研究中还考虑了城市基本面、城市资源和城市类别等指标，探析培育政策调控效果在各城市出现差异的原因。

一、引言

近年来我国房价逐年升高，极大影响了城市居民的生活质量，低收入者的居住需求更是无法通过购买来满足。与此同时，我国住房租赁市场的需求十分旺盛。况澜预测，2020年我国将形成近15 479亿元的住房租赁市场总规模，租赁总人口将达2.02亿人[1]。然而，我国住房租赁市场地位较低，发展尚不成熟，导致我国居民缺乏有尊严的居住，群租房、城中村的治理难正是这一问题的表现。为了培育和发展住房租赁市场，我国近年来做出了重大的决策部署，积极引导住房租赁市场的发展。2015年，住建部发布了《住房城乡建设部关于加快培育和发展住房租赁市场的指导意见》，提出培育和发展住房租赁市场。2017年，住建部印发了《利用集体建设用地建设租赁住房试点方案》的通知，确定了第一批在北京等13个城市开展利用集体建设用地建设租赁住房试点。从2015年初次提出“租购并举”政策的雏形，到目前住房租赁制度的大发展时期，我国住房租赁体系正在逐步完善。住房问题一直是政策和学术研究的热点，研究培育政策的实施对城市房地产价格的影响，分析培育政策对城市房价增速的长短期动态影响以及政策调控效果的差异，对各地政府制定和完善住房租赁政策具有现实意义。

二、文献综述

(一)房价影响因素研究综述

国外学者对房价问题的研究比较早，且比国内成熟。Malpezzi采用特征价格模型分析了城市内部住房价格的差异，研究发现住房价格一般随着中心商务区的距离而下降[2]。Hamilton和Schwab研究发现家庭对住宅价格进行估算时没有考察过去的价格信息，因此认为房地产市场不存在弱有效性。Guntermann和Smith分析了57个大都市区的住宅价格，发现滞后4到10年的住宅利润和住宅价格之间存在着微弱的负相关关系[3]。一些国外学者逐渐认识到，房地产价格的变化主要来自于宏观经济数据或宏观经济政策的变化。Mankiw和Weil首次分析了美国20世纪70年代房地产价格上涨和人口之间的关系[4]。研究发现，二战后生育高峰期间出生的一代人进入购房阶段，购房需求增长，因此引起了房地产价格的上升。Poterba使用美国39个城市1980—1990年的数据检验了住房价格变化受收入、就业、人口特征和住房开工量等因素的影响。

目前，国内学者关于房地产价格及其影响因素的研究多基于我国国情。刘晗运用协整检验和格兰杰因果检验方法，研究表明，房地产价格、土地交易价格和房屋租金3个变量长期内互相影响[5]。我国房地产离不开宏观调控，一些学者分析了我国房地产宏观调控政策对房价的影响效果。聂学峰等运用格兰杰因果检验和协整检验等方法，研究发现，货币政策对房地产投资和房地产价格造成影响，且货币政策对房地产市场的影响存在时滞约为2个季度[6]。王敏等建立了一个长期均衡动态模型，研究发现，限购政策能限制房地产价格，但是影响有限，住房市场会展现出“价高量低”的情况[7]。

(二)住房租赁市场研究综述

国外关于住房租赁市场的研究比较成熟，且成果丰富，为国内住房租赁市场的研究奠定了基础。Leeuw和kanem以美国大都市区的住房租金水平为样本，估算了美国住房租赁市场的供给弹性。Gabriel和Nothaft利用美国住房空置率分析了住房租赁市场的价格调整机制。Di Pasquale和Wheeton构建了“四象限模型”，以供求理论为基础，分析了住房资产市场与住房使用市场之间的关系。Deng构建了住房租赁市场的比例风险模型，针对建筑占用率、租金和租赁住房的开发等问题提出意见[8]。Dipasquale D利用经济变量，分析了经济衰退、止赎危机和信贷市场冻结对住房租赁市场的影响[9]。Dong研究表明，收入不平等加剧了对中低收入租户租房负担能力的影响[10]。Grady等阐述了比率法和住房贫困法两种衡量住房负担能力的方法并比较其异同[11]。

由于我国重售轻租，国内对住房租赁市场的研究起步较晚。刘美霞对比了发达国家住房自有、租赁住房等状况，提出我国租赁住房比例过低[12]。董潘利用我国住房销售价格指数和住房租赁价格指数进行实证分析，研究发现，我国房价与租金受各种因素的干扰而呈现出非正比的背离关系[13]。杨晓东等利用特征价格模型，建立了住宅租赁特征价格指标体系[14]。张若曦等以广州市住房租赁市场为研究对象，系统分析了影响广州市住宅租金的各项因素，通过构建租赁住宅特征价格模型，揭示了广州市住宅租金构成的内在规律[15]。孟君迟等以武汉市住房租赁市场为研究对象，分析影响住宅租金的因素，建立武汉市住宅租赁特征价格模型，分析租金构成的内在规律[16]。

基于以上分析可以发现，发达国家房地产市场和住房租赁市场的发展比较完善，国外对于房地产市场的研究比较早，因此研究成果较多且研究体系成熟。相比而言，国内对房地产市场的研究则比较滞后，且多集中于宏观层面，对住房租赁市场的研究集中于住房租金层面。文章具体研究了住房租赁政策对房价的影响，在研究中，Hsiao等为本文的研究方法提供了参考[17]，王敏等[7]为本文厘清了影响国家宏观调控政策尤其是房地产政策的主要因素，为本文提供了有力的参考意见。

三、反事实框架下的政策效应评估研究

“反事实思维”最早应用于心理学、历史学，一般指撤销已经发生过的事情，而假设其未发生时估计事情的发展情况的一种思维方式。应用反事实理论结合适当的工具，比如计量学方法，可以拟合出反事实路径，由此评估某一政策的真实影响或效应。由于评价政策效应时，存在难以廓清因果关系、遗漏变量等问题，传统理论模型尝试估算不可观测因素，或将其加入随机干扰项，从而对结果造成有偏估计。HCW方法可以凭借已知的数据取代不可观测因素，降低错误发生的可能性，从而降低变量选择与估计方法对实证结果稳健性的干扰。在有限面板数据的情况下，HCW方法可以有效评估政策效应，为研究复杂经济机制提供一种新的方法和视角。它使用的信息较少，能够节约大量数据，参数估计简便，同时结果具有较好的稳健性，更适合来研究政策效应。

假设样本城市的房地产价格由一些不可观察的共同因素决定，通过挖掘控制组城市房价增速和实验组城市房价增速之间的横截面关系，估算实验组城市在不实行培育政策的情况下房地产价格的估计增速。通过对比真实房地产价格增速和估算增速，能够准确评价住房租赁市场培育政策带来的影响。首先，假设当样本城市没有实施培育政策，建立以下房地产价格增速模型：

(1)

yit，i=1，…，N1表示实验组城市的房价同比增速，yjt，j=N1+1，…，N表示控制组城市的房价同比增速。假设在Ti时刻前，城市没有实施培育政策，因此观测到的yit为

(2)

假设Ti时刻后，实验组城市i开始实施住房租赁市场培育政策。因此观测到的yit为

(3)

由于控制组一直没有实施住房租赁市场培育政策，因此观测到的yjt为

(4)

(5)

四、住房租赁市场培育政策对房价的影响研究

(一)数据筛选和变量选取

本文选取70个大中城市新建商品房住宅价格的同比增速月度数据为研究样本，样本区间为2011年1月至2019年11月，数据来自于Wind数据库。在筛选数据时，去掉吉林、安庆和泸州等数据缺失的城市；政策实施期间，厦门的房价增长速度较不稳定，因此对其进行剔除。根据是否颁布培育政策，将样本分为实验组和控制组。各个实验组城市政策的实施时间如表1所示。

因此，控制组为以下城市：唐山市、秦皇岛市、牡丹江市、呼和浩特市、哈尔滨市、无锡市、徐州市、宁波市、金华市、蚌埠市、岳阳市、常德市、韶关市、福州市、湛江市、南宁市、北海市、三亚市、重庆市、遵义市、贵阳市、昆明市、西安市、银川市、乌鲁木齐市、大理市，共计26个。

依据不同城市培育政策首次执行的时间，本文分别估计实施政策后3个月、6个月、9个月以及12个月的政策实施的平均处置效应，便于分析培育政策的短期、中期和长期影响效应。以北京市为例，住房租赁培育政策实施时间为2017年10月，因此3个月短期窗口定义为2017/11到2018/1，6个月的中期窗口为2017/11到2018/4，12个月的长期窗口定义为2017/11到2018/10。

(二)模型建立和回归分析

城市分组后，需要筛选出构造实验组城市反事实路径的最优预测变量。调整R方可以反映实验组的城市拟合效果，表2汇报了各个实验组城市在培育政策实施前回归的拟合效果。由于合肥的拟合效果不佳，进一步将合肥市从实验组中去除。

表1 40个实验组城市住房租赁政策实行的时间

表2 政策实施前变量筛选回归拟合结果

选取出最优预测变量，并构建预测方程，培育政策的影响效应为实际增速与反事实路径的房价增速的差额。计算结果如表3所示，培育政策的效果在不同的城市和不同窗口内表现的差异性很大。首先观察一线城市，在3个月的短期窗口内，广州和深圳的系数均为负，说明短期内培育政策限制了广州和深圳房价的增速。北京和上海的系数为正，说明短期内培育政策没有降低北京和上海的房价增速。在12个月的长期窗口内，广州系数为负，说明长期内培育政策仍然限制了广州的房价增速。北京系数为正，说明长期培育政策在北京会失效。长期上海和深圳的系数不稳定，即培育政策效果不稳定。观察9个新一线城市，在3个月的短期窗口内，青岛、郑州、武汉、长沙和成都等五个城市系数为负。其中，青岛、长沙和成都在政策处置期间内系数一直为负，政策取得了较好的效果。长期窗口中，武汉、郑州系数由负转正，因此培育政策在武汉、郑州两个城市失效，房价增速出现反弹。相反，在3个月的短期窗口内，天津、沈阳、南京和杭州4个城市系数为正。天津、南京和杭州等城市系数一直为正，因此培育政策未取得降低房价增速的预期效果。深究原因，可能与这些城市正在向一线城市积极发展有关，房地产价格上涨过快，政策实施力度不够，都会减少培育政策的调控效果。沈阳系数由正转负，即从政策实施的中期至后期，沈阳的房价增速开始下跌，表示培育政策存在滞后效应。

表3 实验组城市政策处置效应

观察13个二线城市，在3个月的短期窗口内，大部分二线城市房价增速有了不同程度的下降趋势，分别为石家庄、太原、扬州、泉州、济南、烟台、惠州、海口和兰州等九个城市。长期窗口内，海口系数由负转正，表示房价增速开始出现反弹，培育政策失效；石家庄、太原等城市房价增速仍然保持下降趋势。在3个月的短期窗口内，大连、长春、温州和南昌等四个城市系数为正，表示短期窗口内，这些城市的房价增速没有下降。6个月窗口后，大连和南昌的系数由正转负，表示房价增速开始下降，培育政策存在滞后效应。在全部窗口期间里，长春和温州政策处置效应持续为正，即实施培育政策没有限制房价上涨。

观察13个三线城市，在3个月的短期窗口内，包头、丹东、锦州、赣州、洛阳、平顶山、襄阳、桂林和西宁等九个城市系数为负，表示大部分城市在政策实施的短期内，房价的增长速度有了不同程度的下降。其中，包头、锦州、赣州、洛阳、平顶山、桂林和西宁系数持续为负，表示培育政策取得了限制房价增速上涨的预期效果。9个月窗口后，襄阳系数由正转负，表示培育政策已经失效。相反，在3个月的短期窗口内，九江、济宁、宜昌和南充4个城市系数为正。其中，济宁的系数持续为正，说明政策没有取得预期效果。南充的系数由正转负，房价增速开始下跌，表示政策存在滞后效应。丹东、九江和宜昌的系数变化不稳定，其影响效应需要更多的数据进一步研究。

(三)反事实路径图

为进一步了解各个城市培育政策实施期间房价增速的动态变化，图1～图4展示了10个实验组城市在样本区间内的真实房价同比增速以及反事实路径。其中，图1展示了4个一线城市(北京、上海、广州、深圳)，图2为2个新一线城市(青岛、长沙)，图3为2个二线城市(石家庄、扬州)，图4为2个三线城市(包头、赣州)。图中实线和虚线分别代表该城市的实际房价同比增速和估计增速。垂直虚线为政策开始实施的时间点。将HCW方法估计的政策实施点前的房价增速与原房价增速绘图对比，可以发现它们的趋势基本一致，表明基于面板数据拟合出来的反事实路径较好。培育政策实施后，各个城市对政策的反应程度不一致。政策实施后，如果估计增速位于实际增速上方，则实际增速与估计增速的差额为负，即培育政策降低了房价增速，取得预期效果。

五、住房租赁市场培育政策影响房价效应的异质性分析

(一)模型建立和数据选取

文章引入了城市教育、医疗、环境等指标，研究造成各个城市政策实施效果差异的因素。本文采用的回归模型的定义如式(6)所示，其中Δit为本文估计的政策处置效应，α为常数项，Zit为可能造成影响效应差异的变量。

图1 一线城市反事实路径图

图2 新一线城市反事实路径图

图3 二线城市反事实路径图

图4 三线城市反事实路径图

Δit=α+βΖit+εit。

(6)

本文考虑了城市基本面变量：居民消费价格指数、户籍人口、人均各项存款额、在岗职工平均工资。城市土地供给情况：月度住宅土地成交面积。城市资源变量：人均公园绿地面积、医院和卫生院数量、普通高等学校数量。虚拟变量：各个城市类型。描述性统计如表4所示。

表4 变量定义及描述性统计①

续表4

表5 政策实施3个月后短期效应回归结果

(二)异质性分析

表5反映了住房租赁政策实施3个月后处置效应的影响因素回归结果。

样本城市拥有的医院等机构的数量系数显著为正，说明医院数量越多，培育政策调控房地产价格的效果越差。陈孝可的研究显示，越往市区靠近，医疗等公共资源对房价的影响越大越显著。人均各项存款额系数显著为正，表明人均各项存款额越高，培育政策对房价的抑制效应越差。陈斌开认为住房价格水平越高，居民储蓄率越高，居民为了买房而储蓄，因此培育政策可能起到较差的调控效果。户籍人口的系数显著为正，表明户籍人口数量越多，培育政策对房价的抑制效应越差。人口密度对城市房价上涨具有显著的正向作用，因此从一定程度上抑制了培育政策发挥效用。政策实施点前12个月的平均房价同比增速系数为正，说明样本城市长期房价上涨越快，培育政策带来的限制房价的效果越有限。李迎星认为城市长期房价上涨越快，会影响住房宏观调控政策的作用。高校数量的系数显著为负，说明高校数量越多，培育政策的调控效果越好，高校毕业生受购买力等因素限制，并且其租房需求旺盛，因此对培育政策调控效果有正面作用。居民消费者价格指数、在岗职工平均工资、人均公园绿地面积和土地成交量等变量系数不显著，需要进一步从长期窗口进行考量。虚拟变量中，试点城市和一线城市的系数为显著为负，说明在住房租赁政策的引导下，试点城市和一线城市对房价的调控效果较好。试点城市以及一线城市短期内政策执行力度大、速度快，因此会有助于培育政策发挥抑制房价增速的作用。省会城市系数和沿海城市对应的系数为负，但不显著。

表6反映了住房租赁政策实施12个月后处置效应的影响因素回归结果。

表6 政策实施12个月后长期效应回归结果

与短期效应类似，医疗资源、人均各项存款额、户籍人口和政策实施点前12个月的平均同比增速等指标与房价上涨密切相关。因此从长期来看，上述指标仍然是造成实验组城市培育政策实施的效果差异的主要原因，并且这些指标的长期影响较大。高校数量的系数显著为负，但从影响程度来看，中长期培育政策的调控效果受高校数量的影响较小(短期系数为-0.04，中长期系数为-0.01)。因为短期内高校毕业生租房需求较大，长期来看租房需求趋于稳定，因此对培育政策的正向影响也随着时间逐渐减小。从长期来看，居民消费者价格指数、在岗职工平均工资、人均公园绿地面积和土地成交量等变量系数仍然不显著。在虚拟变量中，试点城市系数显著为负，说明在长期效应中，试点城市调控效果一直较好。试点城市较其他城市来看，其培育政策细节完善，且一直保持着较高的政策执行力度，因此培育政策可以取得一定的效果。从长期来看，省会城市、沿海城市和一线城市的系数均不显著。

本文考虑城市基本面和城市资源等因素对培育政策调实施效果的影响。结果显示，无论短期和长期，较好的城市资源、政策实施点前12个月的房价平均增速、人均各项存款额、户籍人口数量会抑制政策调控效果，高校数量对政策调控效果有积极影响。培育政策的长短期动态效果均存在差别。虚拟变量中，培育政策在一线城市的短期调控效果较好，在试点城市的短期和长期调控效果均较好。

六、结论与建议

(一)结论

本文研究了培育和发展住房租赁市场政策对我国房地产价格增速的影响。研究样本为2011年1月—2019年11月70个大中城市的房地产价格同比增速数据，经过筛选样本之后，将其中实施培育政策的39个城市视为实验组，没有实施培育政策租赁政策的26个城市视为控制组，利用HCW提出的政策评估方法估计了培育政策对各个实验组城市房价同比增速的政策处置效果，并应用回归模型分析了导致各个城市处置效应呈现差异的影响因素。本文经过研究得出了以下3点结论。

(1)培育和发展住房租赁市场这一政策的调控效果在不同城市不同时间窗口内的差异非常大。大部分实验组城市的房价增速下降，取得了一定的政策效果。一线城市中，培育政策在广州的调控效果较好，在北京的调控效果不明显，在上海和深圳的调控效果不稳定。新一线城市中，青岛、长沙和成都等城市的政策调控效果较好。二线城市的整体境况优于其他城市，培育政策在大部分二线城市的调控效果较好。三线城市的政策调控效果也比较好。

(2)培育政策的调控效果可能会随着时间减少或消失。从长期来看，少数实验组城市的政策效应会随着时间逐渐减少或消失，比如武汉、郑州、沈阳和襄阳等。还有一些实验组城市的房价增速变化不稳定，即政策实施效应不稳定，比如丹东、九江和宜昌等。培育政策可能存在滞后效应，即在政策实施的后期，实验组城市的房价增速开始下降，比如沈阳、大连、南昌和南充等城市。

(3)对影响效应进行异质性分析。研究结果显示，无论短期和长期，较好的城市资源、政策实施点前十二个月的房价平均增速、人均各项储蓄额、户籍人口数量会抑制政策调控效果，高校数量对政策调控效果有积极影响。培育政策的长短期动态效果在影响程度上存在差别。虚拟变量中，培育政策在一线城市短期调控效果较好，培育政策在试点城市的短期和长期调控效果均较好。

(二)建议

通过以上结果分析提出以下4点建议。

(1)调整对不同层级城市的政策调控力度。从本文研究结论来看，培育政策在二线城市的整体调控效果较好，但在其他城市的调控效果还有进步的空间，因此需要调整对不同层级城市的政策调控力度。政策制定者需要充分考虑这种差异，因城施策、因地制宜地实施房地产政策。政府可以综合考虑消费者学历、职业、收入水平等因素，测量不同城市居民的住房负担能力，将住房供给与当地居民住房消费需求和消费能力联系起来，进一步制定和完善培育政策在不同城市的政策细节，充分发挥培育政策的效用。

(2)明确导致培育政策中后期失效的因素并及时矫正。在政策实施中后期，培育政策的调控效果会随着时间逐渐减少或者消失，因此需要明确导致培育政策中后期失效的因素，比如动力不足、低支持度等关键因素。根据政策失效的原因，政策执行者及时调整政策细节，加大培育政策的调控力度。政策执行时，加强各部门之间的沟通，加强政府与居民之间的沟通，提高政策执行力。将培育政策的实施效果增加到对地方政府的考核指标中，加强对政策实施的监督，避免资源投入的浪费和政策后期失效。

(3)继续推进公共服务均等化。研究发现，城市行政级别通过影响城市的经济资源集聚能力和教育、医疗、交通等公共资源集聚能力，进而影响住房价格，继续推进公共服务均等化，可以帮助解决我国房价过快上涨问题。因此，我国可以借鉴发达国家实现公共服务均等化的理念和经验，努力探寻适合本国特点的实现公共服务均等化的途径和策略。地方政府应结合本地区的实际情况，出台相应的文件和法规，保证租房群体与购房群体平等地享有教育、医疗等基本公共服务的权利，完善公共服务的分配。

(4)完善农村的住房租赁市场。本文重点研究的是培育政策对城市住房房价的影响，但是农村的住房租赁市场也需要引起政策制定者的重视。我国农村集体经营性建设用地规模庞大，但目前多数处于闲置状态，盘活农村集体经营性建设用地市场，创新土地的供给方式，用于保障性住房建设，积极探索适合当地事实情况的措施，高效利用集体土地资源。有序规范开发农村的住房租赁市场，完善农村的住房租赁市场，不仅可以增加集体和农民收入，振兴乡村，而且还可以缓解我国住房用地供求矛盾，缓解我国城市房价上涨过快的难题，带来多重经济社会价值。

注 释：

①由于回归复量中有不少随着时间变化的变量，本文没有考虑固定效应模型，而是采用了随机效应面板模型，但是主要结论没有改变。