白仲林等（2019）依据2014年10月至2017年11月16个“非同期”限购城市和29个非限购城市的面板数据，利用广义合成控制法研究房地产市场限购政策调控商品房价格、防止资金“脱实向虚”的政策效应。

（1）研究背景

房地产行业的发展会带动上下游产业发展，房地产业也一直被视为我国国民经济发展的重要支柱产业（许宪春等，2015；孟宪春等，2018）。但是，发展房地产业必须权衡商品房价格持续飙升所带动的“财富效应”和房地产业过度发展对其他产业、其他消费的抑制性作用。国内外的相关研究表明尽管房地产市场在一定程度上促进了经济增长，但是其波动会给经济系统带来巨大的风险，同时货币市场的传导效应会扩大这种冲击（张勇，2015）。尤其是，对于进入高质量发展的中国经济，商品房市场调控政策的选择必须“把发展经济的着力点放在实体经济上”。因此，实务界和学术界开始重新审视房地产市场及其调控政策与实体经济发展的关系。

事实上，近年来因乡村城镇化、城市改善居住需求和流动性过剩扩大等原因，房地产市场异常繁荣。商品房价格高企使传统制造业等实体经济行业与房地产行业的收益率之差加剧，一些实体经济部门开始热衷于投资收益率更高、回报周期更短的房地产行业（王永钦等，2015）；尤其是，2008年国际金融危机之后，我国经济增长下行压力加大，国内出现了通过资产价格上涨来促进中国经济增长的呼声。例如，马理和古振宇（2015）等认为中国可以借鉴“将推动资产价格上涨作为提振经济的重要举措”（Bernanke，2012）的西方经济经验。因此，房地产市场受乐观预期的驱使导致更多资金“脱实向虚”。然而，一些研究也质疑资产价格上涨对中国经济增长的促进作用，认为资金的“脱实向虚”严重威胁到金融和宏观经济的稳定发展（孟宪春等，2018）。特别是，张勇（2015）认为房地产市场会直接或者通过扩大货币传导效应的间接途径对经济增长产生严重冲击。并且，为了有效遏制房地产市场的资产泡沫化、满足消费者对商品房的刚性需求和防范系统性金融风险，以及保持房地产市场平稳健康发展，各级政府运用多种限购政策（如限制购买数量、限制户籍和限制贷款等）调控房地产市场。2010年4月北京市率先出台了房地产市场的限购政策，随后上海、深圳等先后跟进，然而到了2014年大部分城市取消了房地产限购政策，但是随着房价的持续上涨，2016年部分城市又重启了房地产限购政策。在同年年底的中央经济工作会议上首次提出了“房子是用来住的，不是用来炒的”定位。最近中央再次重申“落实房地产长效管理机制，不将房地产作为短期刺激经济的手段”。因此，有必要探究和评估房地产市场限购政策调控商品房价格、防止资金“脱实向虚”的政策效应，以厘清房地产限制政策与实体经济发展的关联性。

有关中国房地产市场价格调控政策的相关文献重点侧重于商品房限购政策有效性问题的研究。例如，王松涛（2011）通过建立住房存流量一致模型对住房市场政府干预的政策目标和工具选择进行理论分析，并以北京、上海和广州等6个重点城市为样本的实证检验发现，全国性的住房市场干预政策对住房价格产生了显著的长短期效应。刘江涛等（2012）通过建立住房市场模型，发现限购政策的作用大小与市场对政策不确定性的预期紧密相关。并且，由于限购政策的非同期性及限购城市的复杂性，这类实证研究文献或者建立传统的计量经济学模型进行统计推断，或者以相近时期实施限购政策的城市设计自然实验进行因果推断。

但是，鲜有关于房地产市场限购政策防止资金“脱实向虚”的政策效应研究文献，与此相关的文献主要是有关商品房价格（资产价格）上涨与经济增长的理论研究文献。一些学者认为资产价格上涨可以作为经济提振的重要措施（Iacoviello and Neri，2010），商品房价格等资产价格上涨会增加消费者的预期财富，从而提升消费预期，拉动经济增长。而另一些学者认为，商品房价格等资产价格上涨的负效应大于正效应（Hirano and Yanagawa，2016；彭俊华等，2017；陈志刚等，2018；曹清峰，2018）。这类文献多数为建立DSGE模型从理论上讨论资产价格与实体经济发展间的关系，且研究结论尚存争议。

可见，针对房地产市场限购政策有效性及其经济发展效应评估的两类研究均尚待深化。首先，传统统计推断方法因随机试验假设而制约了自然实验活动的准确评价，建立在平行性假设基础上的DID方法面临着政策实施的非同期性、自然实验固有的不可观测时变混杂因素（confounders）及其所引致的内生性和结果变量的空间相关性（Gobillon等，2016）等问题的挑战。并且，鉴于限购政策多处理个体的特征，应扩大经验研究的样本代表性，以提高限购政策效果评价的可靠性。其次，完善房地产市场限购政策的实体经济发展效应及其传导机制的实证检验。为此，本节拟采用Xu（2017）提出的广义合成控制方法（Generalized Synthesis Control Method，GSC）对我国商品房市场限购政策的因果效应开展细化研究，评估新建与二手商品房、不同建筑面积与所在城市规模不同的各类商品房价格增长率的平均因果效应。

（2）商品房市场限购政策的有效性分析

①模型设定

为了对多个体处理、非同期干预的商品房市场限购政策进行因果效应分析，本书运用Xu（2017）提出的GSC方法进行实证分析。

假设Yit是城市i在第t期的商品房价格月度环比增长率。T和C分别表示实施和未实施限购政策的城市集合，分别简称为处理组和控制组，Ntr和Nco分别表示相应的城市个数，所有的城市均有T期观测值。假定处理组城市i的限购政策发生在T0i+1期，即T0i为处理组城市i实施限购前的时期数，而控制组城市在观测期内不实施限购。为了简化表述，不妨假设所有的处理组城市实施限购的时期相同，即T0i=T0。并且，为了控制城市的异质性和空间相关性，假设反映房价的结果变量Yit由如下线性因子模型生成，即

其中，Dit为各城市颁布限购政策的虚拟变量，Dit=1表示第i个城市在t（t＞T0）期实施了限购政策，否则取0；δit为本书关心的核心参数，为城市i在第t时期的异质性政策处理效应；Xit为k维可观测控制变量，β=（β1，…，βk）＇为k维待估系数向量；ft=（f1t，…，frt）＇表示驱动不同城市商品房价格增长率的r维不可观测时变共同因子向量，控制了不同城市间的空间相关性；λi=（λi1，…，λir）＇为城市i的r维未知因子载荷向量；εit为个体i在第t时期具有零均值的不可观测冲击。显然，反映了城市间相关的不可观测时变混杂因素，而εit反映了城市间相互独立的随机扰动因素。

显然，非限购城市的数据生成过程可表达为如下向量形式

其中，Yi=（Yi1，Yi2，…，YiT）＇，Xi与εi类似定义，F=（f1，…，fT）＇。更进一步地，可用如下矩阵形式表示

其中，类似定义。

令Yit（1）和Yit（0）分别表示城市i在第t期如果实施限购和如果未实施限购的潜在结果，于是，限购城市i在第t期的个体处理效应为δit=Yit（1）-Yit（0）（i∈T，t＞T0），限购政策在第t期的平均处理效应为（average treatment effect on the treated，ATT）：

②模型估计

首先假定因子个数r是已知的，根据非限购城市样本{Yi，Xi}i∈C，利用主成分法估计式（2.22），得到估计值，即

其中，D为对角阵。然后，基于与限购城市在干预前的样本得到处理组的因子载荷，即

从而，限购城市在t期的平均处理效应估计为

另外，因真实因子个数r是未知的，而因子个数的确定实际上是模型选择问题，可通过标准的交叉验证方法得到。最后，模型参数估计量的标准误可通过参数Bootstrap方法估计。在一些正则假定条件下，如上估计方法能够得到参数的一致估计量，具体细节见Xu（2017）。

③数据与变量选择

鉴于2014年之后我国房地产市场限购政策逐步放松，截止到2014年10月，70个大中城市中近30个城市一度取消了限购政策，房地产市场出现了阶段性的平稳发展。因此，本书剔除了在2017年实施限购政策的12个城市^[2]和2011年实施房产税试点的上海、重庆以及数据缺失的11个城市^[3]，重点研究了在2016年3月到2016年12月之间实施限购政策的16个城市^[4]，将上述城市作为处理组。其余29个未实施限购政策的城市^[5]作为控制组。本书研究的时间跨度为2014年10月至2017年11月，数据来源于wind数据库、国研网以及部分省市统计局网站。以处理组城市出台限购政策的下一期（月）为干预后第1期，16个限购城市出台限购政策的时间如表2.1所示。

（3）分析变量

①商品房价格增长率

设Yit表示商品房价格的月度环比增长率，考虑到限购政策对新建商品房与二手商品房的影响可能不同，本书采用的房地产价格数据分别包括新建和二手商品房价格月度环比增长率。

表2.1　16个大中城市实施限购政策的时间

资料来源：各市政府官方网站发布的限购政策文件。

②控制变量

除限购政策变量Dit之外，为了避免遗漏变量问题，借鉴乔坤元（2012）、邓柏峻（2014）选择如下控制变量：①居民消费价格指数（CPI）：反映地区物价水平；②样本城市所在省份的城镇居民人均可支配收入：反映居民购买能力；③固定资产投资完成额：表征财政政策，反映各城市房地产投资和经济发展水平。另外，考虑到货币政策及地方土地财政政策对商品房价格的影响，本书选择各城市所在省份的社会融资规模作为货币政策的代理变量^[6]，住宅类供应土地面积与住宅用地供应土地挂牌均价的乘积作为地方“土地财政”^[7]政策的代理变量。其中，CPI为累计同比数据，城镇居民人均可支配收入、固定资产投资完成额、社会融资规模和地方土地财政政策代理变量均取对数。

③不可观测的共同因素

鉴于各城市商品房价格变化受我国经济环境、房产认知和宏观经济政策等共同因素的影响，如产业政策、货币政策和财政政策等，并且各城市对共同因素的响应因地缘特征而存在差异性，交互固定效应可以控制这些不可观测因素造成的遗漏变量和空间相关性问题（Pesaran，2006）。

④限购政策对商品房价格增长率的平均因果效应

利用Xu（2017）提供的估计方法估计式（2.21），模型估计结果如表2.2所示。在表2.2中，第（1）和（4）列报告了不含协变量的基准模型估计结果，第（3）和（6）列报告了包含所有控制变量的估计结果，第（2）和（5）列报告了不含两类代理变量的估计结果。事实上，在表2.2中，相对于第（2）和（5）列对应的模型，第（3）和（6）列中货币政策与土地财政的代理变量均不显著，核心参数的估计值变化甚微，而标准误增大。这不仅说明第（2）和（5）列对应的模型中并不存在遗漏货币政策变量和土地财政政策变量问题，而且也支持了模型包含交互固定效应的合理性。因此，根据第（2）列的估计结果，限购政策对限购城市新建商品房价格增长率产生的平均因果效应是-1.553个百分点，即经过20个月的政策调控，限购政策使得16个限购城市的新建商品房价格增长率平均下降了1.553个百分点。同样，由第（5）列的估计结果可知，限购使限购城市二手商品房价格增长率平均下降了1.306个百分点。平均来看，限购政策对抑制新建商品房价格的作用要大于二手商品房。

表2.2　限购政策对两类商品房价格增长率的影响

注：括号内为稳健标准误，“*”、“**”和“***”分别表示在10%、5%和1%的显著性水平下显著。

限购城市与合成限购城市新建和二手商品房价格增长率的反事实结果^[8]如图2.1所示。并且，图2.2中（a）和（b）分别表示限购城市新建商品房和二手商品房价格增长率的平均政策处理效应。(www.daowen.com)

图2.1　合成限购城市两类商品房价格平均增长率反事实结果

图2.2　政策效应：两类商品房房地产价格限购政策的平均处理效应

由图2.1和图2.2可见，限购政策实施前，合成限购城市的新建商品房价格月度环比增长率较理想地拟合了限购城市的实际增长率。之后，政策的平均处理效应显著为负。所以，限购政策对新建商品房和二手商品房价格增长具有显著的抑制作用。

⑤细化的稳健性分析

（3）限购政策效应分析

为了说明上述政策因果效应分析结果的稳健性和异质性，本书分别按照商品房的新旧、建筑面积和所在城市规模等特征细化限购政策效应分析。

①不同建筑面积商品房的限购政策效应分析

2016年国土资源部^[9]表示，将进一步从严土地管理，重申全国各地停止审批别墅类等大套型高档商品房的土地供应，调控商品房供应结构。而且，按照现行的契税政策，个人购买商品房按照建筑面积实行差别化的税率。因此，本书依据建筑面积分类比较限购政策效应的差异性。

从表2.3^[10]可见，限购对不同建筑面积商品房价格的抑制作用从大到小依次为144平方米及以上、90平方米及以下和90—144平方米。这一结果与Du和Zhang（2015）的研究发现相一致。

表2.3　限购对两类商品房不同建筑面积商品房价格的影响

注：括号内为稳健标准误，“*”、“**”和“***”分别表示在10%、5%和1%的显著性水平下显著。

②不同规模城市商品房的限购政策效应分析

根据国家统计局对70个大中城市的划分标准，在16个限购城市中，一线城市共有3个，二线城市12个，三线城市1个^[11]。图2.3分别给出了限购城市中一线城市和二线城市两类商品房价格的平均处理效应估值的趋势图。

显然，房地产限购政策对一、二线城市商品房价格的增长率产生了不同的影响。限购对一线城市新建商品房和二手商品房价格增长的抑制作用基本一致，但下降幅度不及二线城市。对二线城市二手商品房来说，限购政策实施后，即刻推高了二手商品房房价，其主要原因在于居民预期限购政策的收紧会进一步影响房地产投资，大量的资金进入二手房市场。另外，在限购政策实施10期左右，房价增速出现缓慢回升，这时二手商品房增长率也出现了快速的增长。综上，房地产市场的投机性需求主要集中在二手房市场；平均来看，限购对二线城市商品房价格的抑制作用明显强于一线城市。

图2.3　不同规模城市两类商品房价格增长率的政策效应

③限购政策影响实体经济发展的典型事实

从限购政策的视角，通过剖析式（2.21）中影响各城市商品房价格波动的共同因子，以发现限购政策影响实体经济发展的典型事实。显然，式（2.21）的交互项λ＇ift反映了对所有城市商品房价格产生影响的不可观测的时变共同冲击效应，一线、二线和全部限购城市相对时间上共同冲击效应的平均值如图2.4所示。限购后，共同冲击效应出现了持续下降，约6期后呈现负向影响。所以，该效应反映了房地产市场供需两侧资金逐步流出市场的事实。于是，为了诠释该共同冲击，本书考察了中国制造业采购经理指数PMI（月）^[12]与第1个共同冲击效应的动态行为，如图2.5所示。可见，PMI指数与第1个共同因子发展趋势近似^[13]。

不难发现限购政策影响实体经济发展的典型事实，限购使房地产市场的资金分别因房地产供给和需求锐减而转移向实体经济，从而推动了限购后的制造业采购经理人指数PMI上升。可见，式（2.21）中的共同冲击测度了房地产市场的资金流向。从图2.5可见，实体经济走势与导致房地产市场价格变化的共同冲击变动趋势几乎一致，并呈现一定规律。限购政策出台（2016年1月）前，第1个共同因子在水平线以上，而PMI指数则在水平线以下，限购后PMI指数走势超过共同因子。总的来说，商品房价格上涨，实体经济收缩；商品房价格下降，实体经济扩张。这与陈彦斌等（2017）关于推动资产价格上涨不仅难以促进反而会抑制中国经济增长的研究结果相一致。限购政策出台后，PMI指数开始增长，直至维持在水平线上方。

图2.4　各类限购城市共同冲击效应平均值

图2.5　第1个共同因子和月度PMI指数

④限购政策对实体经济发展的因果效应分析

限购政策在一定程度上抑制了商品房价格的过快上涨，推动了房地产市场投资资金的流出。也就是说，受限于限购政策的金融机构、投资商以及对商品房有投机性需求的个人会转移投资。为研究限购政策通过房地产市场资金流入而对实体经济的产出影响，选取衡量实体经济发展的指标——工业增加值，估计限购的政策效应。根据2014年10月至2017年11月样本城市的工业增加值累计同比增长率数据，利用GSC方法得到反事实结果，如图2.6所示。

图2.6　合成限购城市工业增加值平均增长率的反事实结果

由图2.6可见，限购后，反事实的工业增加值增长率一直保持上升态势，而实际工业增加值增长率在前10期与反事实保持一致，而在10期之后大幅下降。由此可知，限购政策对工业增加值影响存在明显的滞后性。事实上，滞后期主要源于投资的技术时滞、经济特征和建设时间等。综上所述，因限购政策从房地产市场转移至实体经济的投资资金对实体经济的影响存在约10个月的滞后期。

【注释】

[1]由于Granger非因果关系和Sims非因果关系研究的均为相关关系，因此本节将两类因果关系视为同一类型。

[2]2017年实施限购的城市：石家庄、宁波、青岛、长沙、海口、兰州、唐山、秦皇岛、扬州、九江、赣州、三亚。

[3]数据缺失的城市：丹东、锦州、吉林、牡丹江、烟台、洛阳、平顶山、泸州、南充、遵义、大理。

[4]限购城市包括：北京、天津、南京、杭州、合肥、福州、厦门、南昌、郑州、武汉、广州、深圳、成都、西安、无锡、济南。

[5]未实施限购政策的城市包括：太原、呼和浩特、沈阳、大连、长春、哈尔滨、南宁、贵阳、昆明、西宁、银川、乌鲁木齐、包头、徐州、温州、金华、蚌埠、安庆、泉州、济宁、宜昌、襄阳、岳阳、常德、惠州、湛江、韶关、桂林、北海。

[6]因无法获得城市层面的M2等数据，故使用社会融资规模作为M2的代理变量。

[7]我国“土地财政”主要是依靠增量土地创造财政收入，也就是说通过国有土地使用权出让金来满足财政需求。

[8]注：图2.1—图2.3中横轴表示相对时间，以个体限购政策出台时间为相对零点。

[9]2018年3月，根据第十三届全国人民代表大会第一次会议批准的国务院机构改革方案，将国土资源部的职责整合，组建中华人民共和国自然资源部。

[10]控制变量系数的估计值与表2.2变化不大，为简洁起见，表2.3只报告了核心参数的估计值与标准误。

[11]样本中限购的三线城市仅有1个，不具代表性，因此，图2.3未列示三线城市两类商品房价格的平均处理效应估计值。

[12]PMI的调查范围为制造业法人单位以及视同法人的制造业产业活动单位（资料来源：国家统计局，http：//www.stats.gov.cn/tjsj/tjzd/gjtjzd/201701/t20170109_1451329.html）。

[13]对共同因子和宏观经济序列进行趋势比较前，对各序列分别进行了标准化处理，下同。