房地产调控政策对房地产市场的影响研究

【摘要】本文主要讨论3个问题：一是长三角城市群的房地产调控政策是否具有周期规律，其演变与特征如何？二是不同调控政策对房地产市场的影响是否不同，其持续性如何？三是调控政策对房地产市场是否具有空间扩散作用，其传导机制如何？

【关键词】房地产调控政策;房地产市场

【DOI】10.12334/j.issn.1002-8536.2021.28.015

为了回答上述问题，本文依据城市GDP规模大小将长三角城市群26个城市划分成两类城市作为研究样本，一类城市有上海、苏州、杭州、南京、宁波、无锡、合肥与南通，其经济规模较强，其余城市为二类城市。研究时间维度上，从2016年1月至2020年12月共5年时间，2016年是“因城施策”实施之年，揭示地方性调控政策的开始。各城市成交量与房价的时间单位为月，因此每个城市有60个月的数据。另本文中的调控政策，指的是政府运用行政调控手段来稳定房地产市场发展，包括限购政策、限售政策与限贷政策。住房价格（成交价）与成交量数据皆来自中指研究院数据库。

1、房地产调控政策历程

统计2016年以来长三角城市群26个城市出台的房地产调控政策，并依据城市规模进行分类如图一，可以发现政策出台时序具有两项特征：一是调控政策分为两轮密集出台周期，2016年与2017年为一轮，2018年与2019年降温，2020年底至今为新的一轮，政策出台频率再次提高;二是政策呈现城市规模传导特征，两轮政策周期均是一类城市先行出台政策，二类城市相继跟上。

从市场供需理论视角切入，可以归纳限购与限贷政策为从需求端限制，限售政策则兼顾供给端与需求端的限制。进一步统计2016年至2021年4月以来各调控政策使用频率如表6，从高至低分别是限购政策>限贷政策>限售政策，从城市规模来看，其政策工具的使用频率不尽相同，一类城市多使用限购政策，二类城市多运用限贷与限售政策。本文认为，会有政策偏好分化与其房地产市场特征有关，一类城市由于人口吸引力较强，促使房地产市场需求旺盛，因此多使用直接限制购房资格的限购政策来降低房地产需求;相反地，二类城市的房地产市场由于是投资需求类型，如何抑制资金流入房地产市场为主要症结，因而多运用资金筹措难度提高的限贷政策，以及資金沉淀时间拉长的限售政策来降温房地产市场。

2021年两会定调坚持房住不炒，以解决好大城市住房突出问题为抓手，房地产行业迈入新政策周期。为落实稳地价、稳房价、稳预期目标，2020年底至今，长三角城市群多个城市相继升级调控政策，并且政策有逐步多元化趋势。重点涉及四限政策升级（限购、限贷、限售与限价）、增加房地产交易税费、设立二手房参考价格、新房积分摇号等举措。其中，上海俨然是本轮调控政策领头羊，2020年末至今年5月已实施七次政策加码。值得注意的是，此轮政策工具逐渐多元化，亦能反映上一轮调控政策已不能有效抑制房价上涨，需创新性调控手段来稳定房地产市场发展。

2、房地产调控政策对房地产市场的持续性影响作用

所谓持续性，亦指调控政策的实施对房价的作用时长以及作用强度。实证研究上，基于调控政策的特征，以及调控政策出台的频率，选取限购、限售以及限贷政策的实施强度作为调控政策解释变量，并对于调控政策强度进行分级如表2。此外，在调控政策数据处理上，考虑到政策出台的日期，若为后半月，则认为政策下月生效，反之则视为当月有效。同时，房价也受到住房供需因素、宏观经济等多方面作用。因此在构建模型时，将成交量、人均可支配收入、GDP、房地产投资金额、货币供应量增速与景气指数纳入考量，作为模型的自变量。

变量选择确定后，本文构建不同规模城市房价的统计模型，探讨各调控政策对房价的持续性（图2）。图2横轴为滞后期数，代表调控政策对房价的作用时长，例如滞后一期为调控政策的当月出台对下个月房价的影响，滞后二期为调控政策的当月出台对后2个月房价的影响;纵轴为政策对房价的影响强度，影响强度数值是基于实证模型得出的影响系数，若是数值大于0，表明调控政策对房价没有抑制作用，若是小于0，说明调控政策对房价有抑制作用。此外，标注圆点的滞后期数代表其政策强度数值通过统计学检验的显著程度，表明实证结果可信，未标注圆点则是说明显著程度未通过检验，说明实证结果不可信，亦即模型结果不能视为研究结论作为参考。例如图2中的一类城市限购政策，在滞后一期的政策强度标注圆点，代表实证结果具有显著的可信度，且强度数值小于0，说明限购政策的当月出台对一类城市的下月（滞后一期）房价具有显著（实证结果可信）的抑制作用（强度数值小于0）。

实证结果如图2，以下从调控政策的供给与需求视角，对不同规模城市具体分析：

就限购政策而言，由于二类样本城市在2016年至2020年内皆未出台限购政策，因此只探讨对一类城市的作用。一类城市为滞后0期至9期标注圆点，说明实证结果有9个月的显著可信度，进一步观察政策强度，滞后9期内的数值均小于0，表明限购政策对一类城市房价具有9个月的显著抑制作用，之后逐渐失去作用。

就限贷政策而言，一类城市为滞后4期内的显著抑制作用，二类城市为滞后3期内的显著抑制作用。说明对任何规模城市，限贷政策的抑制作用均为1个季度左右，不能持续抑制房价上涨。在抑制程度上，限贷政策对一类城市房价的抑制作用强于二类城市，本文认为，限贷政策旨在提高购房者首付款的门槛，相比二类城市，一类城市由于其自身城市经济优势明显与人口吸引力强，房价会较高，因此一类城市的首付款比例提高，对购房者的资金筹措难度会高于二类城市，导致限贷政策对一类城市的房价抑制作用更明显。而二类规模城市由于房价普遍较低，首付款比例提高带来的资金筹措难度也会相应较低，政策对房价抑制作用会弱于一类城市。

就限售政策而言，可以发现在一年时间以内皆没有标注圆点，表明实证结果不可信，说明限售政策对不同规模城市的房价均无有效抑制作用。本文认为由于限售政策是限制新购房屋产权证需满多少年方可上市交易，依各城市施行政策来看多为2至5年，因此若投资者预期2至5年后房价上升，限售政策对房价不会立即产生抑制作用。同时，限售政策是对售房资格的直接限制，会导致市场的住房供应量减少，从市场供需视角看，对抑制房价上涨就会无明显作用。

从政策作用时长和强度来看，限购政策对一类城市的房价抑制作用强于限贷政策。原因是限购政策是针对购房者资格（户籍、社保）的直接限定，限贷政策是对于首付款资金的提高限制，相对于身分户籍與社保缴纳年限的刚性限制，首付款资金筹措的弹性较高，因此限购政策对于购房者的购房难度会高于限贷政策，促使调控成效更佳。值得注意的是，各调控政策的持续性作用皆为3个季度内，因此需要搭配其他政府措施来稳定房地产市场发展。

3、房地产调控政策对房地产市场的空间扩散作用

由于房价上涨速度能在空间上较好地反映房地产市场变化，因此实证研究上采用此指标来识别其空间扩散路径。首先，运用空间插值统计工具识别2016年以来房价上涨速度的空间传染源，如图3所示（增速越快其颜色越红，说明为传染源头），能发现在因城施策的背景下，2016年上海、苏州（图中①）作为房价上涨速度的空间传染源，引领房价上涨，随着这二城市出台调控政策，2017年购房者转移购房城市目标，杭州、宁波（图中②）等浙江区域成为房价上涨速度的传染源，2018年传染源逐步转移至江苏区域（图中③），2019年盐城、泰州（图中④）等苏北区域成为主要传染源，随著2016年与2017年出台的调控政策渐失去作用，2020年上海（图中⑤）又成为房价上涨速度的主要空间传染源。

基于实证结果，能归纳长三角城市群在2016年至2020年期间，调控政策的出台可视为房价上涨速度的扩散路径方向盘，据第四章统计，二类城市的调控政策出台时序会滞后于一类城市，因此传染源在时间上形成“上海、苏州→杭州、宁波→盐城、泰州→上海”的空间周期轮动，其扩散路径与城市规模息息相关，形成“强一类城市→弱一类城市→二类城市”的房价上涨速度传导机制。随著2020年上海又再度成为房价上涨速度传染源，当地政府从2020年底已多次出台更严格的房地产调控政策来抑制房价上涨，之后杭州、无锡、嘉兴、常州、宁波等浙江省城市，和南京与合肥等省会城市，也相继跟随上海出台调控政策来稳定其房地产市场。

借鉴2016年至2020年的扩散路径规律，未来长三角城市群房价上涨速度的空间周期轮动有迹可循，房价上涨速度和政策调控仍依照以上海为起点的顺时针路径传导。值得注意的是，目前盐城、滁州等房价上涨速度较快但还未出台过政策调控的二类城市，其房价看涨预期强烈，因此在房住不炒的背景之下，未来这些城市出台政策与加码的可能性较高。

作者简介：

郭翰，出生日期：1990年2月10日，男，台湾省台北市，博士，策略分析师，研究方向：土地与房地产经济。