住房价格预期的邻里传导： 影响机制与实证分析

陈淑云 陈伟鸿

(1.华中师范大学 经济与工商管理学院， 湖北 武汉 430079； 2.中共中山市委党校， 广东 中山 528403)

一、问题提出与文献综述

1998年我国住房货币化分配制度改革后，房地产市场快速发展，2000年以来全国商品住宅价格年均复合增长率约为8%，北京、上海、深圳等城市商品住宅价格年均复合增长率更是高达11%、12%和14%，远超同期经济增长速度(1)根据国家统计局官网数据计算得出。。房价的快速上涨引起社会各界的高度关注，居民个体通过购买住房既实现了居住水平的提升又实现了家庭财富快速增值，这种通过自我强化学习或学习周围人群的结果可能影响整个居民部门房价上涨预期的形成，进而通过购买行为参与房地产市场。由此，居民个体对房价上涨的预期可能导致房价的非理性上涨，同时房价的持续非理性上涨又可能加剧居民个体对房价上涨的预期，进而形成“螺旋式上涨”，加剧房价波动，最终影响经济社会稳定发展。为稳定住房价格，过去20年间中央政府对房地产市场进行了多轮调控，调控政策从早期的“紧缩银根、紧缩地根”到中期的“土地、金融、限购”等组合拳，再到当前的“房住不炒”的政策定位，以及“因城施策”的实施。从我国房地产宏观调控的政策思路的变化可以看出，我国房地产调控政策，逐步从粗放到精准，从忽略调控政策的时滞反应到针对房地产市场预期管理。2013年新“国五条”首次发出明确信号，即楼市的调控将由供求管理向预期管理转变(2)参见《国务院办公厅关于继续做好房地产市场调控工作的通知》，2013年3月1日，http：//www.gov.cn/zwgk/2013-03/01/content＿2342885.htm，2021年7月8日。；2018年末住建部提出“稳地价、稳房价、稳预期”的工作目标(3)参见《住房城乡建设部强调：落实城市主体责任，确保实现稳地价、稳房价、稳预期目标》，2020年8月28日，http：//www.gov.cn/xinwen/2020-08/28/content＿5538264.htm，2021年7月8日。；2021年12月中央经济工作会议再次提出要坚持“房住不炒”的政策定位，同时提出要加强预期引导(4)参见《中央经济工作会议举行 习近平李克强作重要讲话》，2021年12月10日，http：//www.gov.cn/xinwen/2021-12/10/content＿5659796.htm，2021年12月11日。。由此可见，预期对我国房地产市场的平稳健康发展至关重要，特别是我国房地产市场以住宅市场为主，住宅市场中居民个体是住宅需求方，针对居民个体房价预期形成，研究房价预期在居民个体间如何传导，进而形成整个居民部门房价预期的共识，不仅有利于提高我国房地产宏观调控政策的精准度与有效性，而且有助于从学理上解释“炒房”行为的底层逻辑。

现有文献中涉及房价预期的研究相对丰富，主要的研究视角聚焦于两个方面：一是从房地产供给视角或地方政府视角，研究房价预期对我国宏观经济的影响以及与房地产调控之间的关系，代表性文献有王频、侯成琪建立DSGE模型并引入住房交易成本和住房价格加成的预期冲击进行研究，发现政府的紧缩政策可能会因为公众预期到未来政府因宏观经济下行转而支持房地产业发展而失效(5)参见王频、侯成琪：《预期冲击、房价波动与经济波动》，《经济研究》2017年第4期。；宋春合、吴福象构建动态博弈模型对房价预期与政府关系进行研究，发现地方政府在房地产调控政策导致房价预期下行时会选择进行干预(6)参见宋春合、吴福象：《相机抉择、房价预期与地方政府房地产市场干预》，《经济问题探索》2017年第1期。；孟庆斌、荣晨利用月度宏观数据，运用向量自回归模型进行研究，发现通货膨胀预期会导致更多资金流入房地产行业，而房屋供给增加预期会引起房价下降(7)参见孟庆斌、荣晨：《宏观经济因素对房地产价格的长短期影响》，《统计研究》2014年第6期。；李斌、张所地建立住房需求调控模型并利用宏观数据进行模拟分析，发现房地产市场参与者的预期会显著影响国内房地产市场调控政策效果(8)参见李斌、张所地：《预期视角下住房需求调控效果的城市差异研究》，《数理统计与管理》2015年第4期。。二是房价预期对我国房地产市场波动的影响，代表性的文献有杨柳等在DSGE模型框架下，研究技术、利率、通胀和借贷预期冲击对房地产市场波动的影响(9)参见杨柳等：《预期冲击与中国房地产市场波动异象》，《经济学(季刊)》2017年第1期。；庹永贵等同样构建DSGE模型进行研究，发现预期是引起房价变动的重要因素，而房价冲击能够解释中国经济波动的三分之二(10)参见庹永贵等：《预期、房价冲击与中国经济波动——基于贝叶斯估计的DSGE模型分析》，《系统工程》2018年第10期。；华昱基于一般均衡模型研究发现，预期冲击是导致房地产市场波动的主要因素，正向的预期冲击会在短期内提高房地产投资和房价(11)参见华昱：《预期冲击、房地产部门波动与货币政策》，《当代经济科学》2018年第2期。。况伟大利用35个大中城市的宏观面板数据研究发现，预期及其投机较好地解释了中国城市的房价波动(12)参见况伟大：《预期、投机与中国城市房价波动》，《经济研究》2010年第9期。。张炜构建省级动态面板数据进行研究，发现消费者对房价的预期是当下房地产泡沫膨胀的主要影响因素(13)参见张炜：《预期、货币政策与房地产泡沫——来自省际房地产市场的经验验证》，《中央财经大学学报》2017年第8期。。

尽管说，现有文献为研究我国房价预期提供了丰厚的研究基础，但文献研究主要立足于政府部门和企业部门研究房价预期对房地产市场波动或宏观经济的影响，其中涉及居民部门房价预期的研究，也只是基于宏观数据对居民预期的一种反推或者基于一般均衡模型的假设。钟春平、田敏指出要理解当今中国宏观经济发展的争议需加强居民部门预期形成的研究(14)参见钟春平、田敏：《预期、有偏性预期及其形成机制：宏观经济学的进展与争议》，《经济研究》2015年第5期。。基于此，本文试图从邻里互动视角，探究具有异质性特征的居民个体在房地产市场中如何对房价上涨预期形成共识。具体而言，本文利用微观调查数据，探索具有异质性特征的居民个体对房价预期形成过程中的邻里效应，以期揭示我国居民房价预期形成的背后机制。

理论上讲，邻里效应早已引起了学者们的关注，现有研究邻里效应的文献主要集中于研究发现邻里效应在居民的认知能力(15)参见孙伦轩：《中国城镇青少年成长的邻里效应——基于“中国教育追踪调查”的实证研究》，《青年研究》2018年第6期。、幸福感(16)参见刘斌等：《幸福感是否会传染》，《世界经济》2012年第6期；J. Knight and R.Gunatilaka,“Is Happiness Infectious?,”Scottish Journal of Political Economy,vol.64,no.1,2016,pp.1-24.、股票参与(17)参见H. Hong, J. D. Kubik and Stein J.C.,“Social Interaction and Stock-Market Participation,” The Journal of Finance,vol.59,no.1,2004,pp.137-163.、家庭代际支持行为(18)参见陈光燕、司伟：《家庭代际经济支持存在邻里效应吗？》，《农村经济》2020年第3期。、入学率和收入(19)参见R. Chetty and Hendren N.,“The Impacts of Neighborhoods on Intergenerational Mobility I: Childhood Exposure Effects,”The Quarterly Journal of Economics, vol.133,no.3, 2018,pp.1107-1162.、个体体型(20)参见李磊等：《肥胖会传染吗？》，《经济学(季刊)》2016年第2期。、个体贫

困(21)参见解垩、宋颜群：《社区邻里效应对个人贫困的影响有多大》，《财贸经济》2020年第2期。等诸多方面的存在性。这些研究揭示了个体在认知、行为和决策等方面都存在显著邻里效应。其实，居民对房价的预期很大程度上也可以认为是一种认知活动，既有理性的认知又包含感性的成分，与上述活动一样可能因为受到身边人群的影响而存在邻里效应。事实上，由于中国特有的紧密型文化和集体主义的影响，中国人更容易受到他人观点的影响(22)参见C.S. Eun, L. Wang and S. C. Xiao,“Culture and R2，”Journal of Financial Economics,vol.115,no.2,2015,pp.283-303.。遗憾的是，现有研究邻里效应的文献几乎没有关注到房价预期中邻里效应的作用。本文的边际贡献主要有两个方面：一是研究视角相对独特，本文从微观视角研究居民个体房价预期形成过程中的邻里效应，揭示我国居民对房价上涨共识形成的背后机理，有利于我国房地产市场长效机制的构建。二是本文以具有全国代表性的大型微观入户调查数据为基础进行实证分析，得到的房价预期变量来自于每一个受访者的自主回答，弥补了现有文献以宏观数据反推得到理性预期和适应性预期，缺乏微观数据支持的遗憾，可进一步提高对房价预期研究的真实性和准确性。

本文余下部分安排如下：第二部分为影响机制与研究假说；第三部分为邻里效应的识别、变量界定及实证模型设定；第四部分为实证结果分析，验证了邻里效应的存在性，进行了拓展研究和稳健性检验；第五部分为结论与政策建议。

二、影响机制与研究假设

(一)邻里效应与房价预期

个体房价预期作为个体对于未来房价变动的一种预判，是在一定的理念指导之下完成的，这些理念必将影响个体认知，最终形成房价的预期观点。从群体影响的社会心理学角度来看，在一个群体中，通过长时间的互动行为，群体成员的思想和观念会逐渐趋同。已有研究表明，由于人的社会性，不仅个体的行为会受到他人的影响，其感受、思想和观点也会受到身边群体的显著影响。Lux指出，社会互动是影响个体意见形成的重要因素(23)参见T. Lux,“Rational Forecasts or Social Opinion Dynamics? Identification of Interaction Effects in a Business Climate Survey,”Journal of Economic Behavior and Organization,vol.72,no.2,2009,pp.638-655.，而社会互动正是产生邻里效应的基础和来源，这也意味着邻里效应与个体意见形成有着千丝万缕的关系。Burnside等认为行为者的观念会在互动中相互传染，进而促进预期的转换(24)参见Craig Burnside, Martin Eichenbaum and Sergio Rebelo, “Understanding Booms and Busts in Housing Markets,” Journal of Political Economy,vol.124,no.4,2016,pp.1088-1147.。虽然现有文献并未直接探索人们房价预期的邻里效应，但都已从情绪、偏好和意见形成、预期传染等不同角度说明社会互动对于个体的观点和预期的形成有一定的影响。事实上，人们对房价的预期作为一种预测活动，既有着理性的认知又包含感性的成分，与上述文献所提到的情绪、偏好和意见形成、预期传染等一样极有可能因为受到身边人群的影响而存在邻里效应。因此，本文推测人们对房价的预期会受到同一社区居民房价预期的影响，并据此提出假说1：

假说1：个体的房价预期存在正向邻里效应。

(二)认知能力的异质性

认知能力不同的人看待问题的方法和角度也不同，其独立思考的能力可能存在差异，故而社会互动对不同认知能力的个体预期形成的影响也可能存在着一定的差异。已有的研究发现，个体的认知能力与其理性程度有联系(25)参见N. Hanaki,N. Jacquemet,Luchini Stéphane,et al.,“Cognitive Ability and the Effect of Strategic Uncertainty,”Theory and Decision,vol.81,no.1,2016,pp.101-121.，认知能力越强的个体越容易形成相对独立的观点，越不容易受到其他感性或非理性因素的影响。认知能力的高低会影响个体的预期策略的选择(26)参见宗计川等：《交易者认知能力与金融资产价格泡沫：一个实验研究》，《世界经济》2017年第6期。，认知能力高的个体更为理性，也更难以苟同一些错误观点(27)参见F. D’Acunto,D. Hoang,M.Paloviita,et al., “IQ,Expectations, and Choice,” NBER Working Paper No. 25496,2019.，认知能力更高的个体在接受信息和理解信息时可能存在差异，故而认知能力可能与个体预期的形成有所关联，认知能力的提升可能提高个体思维独立性，使个体更趋向于依靠自身已有认知形成自己的观点和预期，而尽量少受他人观点的影响。因此，当研究者在考察房价预期中邻里效应的时候，应考虑个体认知能力的异质性导致房价预期邻里效应的差异。由以上分析，本文推测个体认知能力的提升会抑制个体对房价预期的邻里效应，据此提出假说2：

假说2：个体认知能力的提升削弱了房价预期的邻里效应。

(三)信息渠道的异质性

伴随着经济社会的快速发展，信息媒体技术日益发达，从报纸期刊到电视传媒，再到如今飞速发展的互联网，人们获取信息的渠道变得更加宽广。尤其是互联网的广泛使用极大地降低了信息的搜寻成本，使得人们获取信息更加方便快捷(28)参见胡伦、陆迁：《贫困地区农户互联网信息技术使用的增收效应》，《改革》2019年第2期。。人们获取信息不再单单依赖于人与人之间的面对面交流，快捷方便的电视传媒、固定互联网乃至更为便捷的移动互联网也能给人们的信息获取带来帮助，居民从互联网上能获取关于房地产市场发展状况的信息。因此，本文推测信息获取渠道会对居民房价预期的邻里效应的强弱产生影响，并据此提出假说3：

假说3：信息渠道的拓展会削弱房价预期的邻里效应。

三、数据与实证研究设计

(一)数据来源

本文所使用的数据来自北京大学中国社会科学调查中心和美国密歇根大学社会研究中心等机构进行的大型全国性微观入户调查数据“中国家庭追踪调查”(China Family Panel Studies，CFPS)(29)参见http：//www.isss.pku.edu.cn/cfps/download.。该调查涵盖了从个体到家庭再到社区三大层面的微观数据，旨在探索中国社会、经济、人口等诸多方面的变迁。中国家庭追踪调查共有以少儿、成人、家庭和社区为主体的四种问卷类型，目的是了解个体状况、家庭状况以及社区环境，该数据具有较强的全国代表性，较好地反映了中国的经济社会发展状况。由于在中国家庭追踪调查数据中，只有2014年数据中有房价预期变量，符合本文研究主题，且2014年是中国房价上涨的一个重要中间节点——房价由2014年之前快速上涨转入2014年停滞微跌阶段，而后开启新一轮上涨。由此可知，2014年的数据正好给研究我国住房价格的预期传导提供最佳的时间窗口，因此本文选取2014年数据作为研究样本，在剔除缺失值和异常值之后，本文研究的有效样本为6642个。

(二)邻里效应的识别

Manski认为在社会互动中，造成个体与群体之间行为共同变化的机制有内生效应、情景影响和关联效应。当个体受到群体行为或思想的影响时，可以认为个体所受的影响为内生效应；当个体受到群体的其他外部特征(如群体平均年龄、群体平均受教育年限等)影响时，可以认为这种影响是外生效应，也称为情景影响；当个体由于某些共同偏好或类似的特征而与其他个体成为邻里群体时，譬如有共同偏好的人或有相似预期的人居住在同一个社区，则称之为关联效应(30)参见C. F. Manski,“Identification of Endogenous Social Effects: The Reflection Problem,”The Review of Economic Studies,vol.60,no.3,1993,pp.531-542.。在内生效应、情景影响和关联效应三者中，只有内生效应才是本文所研究的邻里效应，而情景影响和关联效应可能会对本文邻里效应的判断带来干扰，造成估计上的偏误。除此之外，反射性问题也是造成邻里效应判断困难的一大因素，反射性是指个体受其他群体成员影响的同时，也在影响着其他群体成员，因此，被解释变量与解释变量之间可能存在着反向因果的关系。故而，具体到本文的研究中，不可以简单地认为是社区邻里个体对于房价预期的观念和意见决定了个体对房价的预期。在本文实证过程中，只有有效排除，或者尽量控制关联效应、情景效应和反射性的影响，才能得到可信的邻里效应。

An指出，工具变量法是解决邻里效应识别困难的一种有效方法(31)参见An Weihua,“Instrumental Variables Estimates of Peer Effects in Social Networks,”Social Science Research,vol.50,2015,pp.382-394.。工具变量法能在一定程度上解决反射性和遗漏变量等问题，Li等便是利用村庄邻里个体中第一胎为男孩的家庭占总体比例作为工具变量来识别学生辍学的邻里效应(32)参见Q. Li, W. Zang and L. An,“Peer Effects and School Dropout in Rural China,”China Economic Review, vol.27,no.27,2013, pp.238-248.。因此，对于情境影响和关联效应所带来的混淆问题和反射性问题，本文将通过工具变量法同时控制社区固定效应、控制社区外部特征的方法来克服。此外，由于人们可能由于某些相似的特征而入住同一社区导致存在聚居的群分效应，或者由于在同一城市面临相同的房地产调控政策而存在同城效应，本文均作了相关检验。而对于本文要考察的邻里效应，借鉴已有研究的做法，将同社区群体中其他居民对于房价的预期的平均值(即将自身除外)作为核心解释变量邻里效应，进而考察邻里效应对居民房价预期的影响。

(三)变量与实证模型

借鉴Li等、Nie等和晏艳阳等研究(33)参见Q. Li, W. Zang and L. An,“Peer Effects and School Dropout in Rural China,”China Economic Review, vol.27,no.27,2013, pp.238-248；P. Nie, A. Sousa-Poza and X. He,“Peer Effects on Childhood and Adolescent Obesity in China,”China Economic Review,vol.35,no.12, 2015,pp.47-69；晏艳阳等：《邻里效应对家庭社会捐赠活动的影响——来自中国家庭追踪调查(CFPS)数据的证据》，《经济学动态》2017年第2期。以社区(居委会或者村落)为单位考察居民邻里效应的做法，本文同样将居住在同一个社区(居委会或者村落)的居民视为同一个邻里群体，因此，本文核心解释变量邻里效应的计算方式便是去除个体i及其家庭成员后其所在社区k内其他个体的房价预期平均值(34)之所以在去除个体i后还要将其家庭成员同时排除在外，是因为考虑到家庭成员之间有着很强的互动，如果将家庭成员计算在内，很有可能会由于家庭成员之间的互动而遮掩了社区成员的互动，从而使得估计结果产生偏误。。因此，邻里效应计算的数学公式如下：

(1)

(2)

回归方程(2)中的系数的显著性水平与其大小是本文最为关注的变量。如果α1通过了显著性检验，则证实邻里效应在居民房价预期中的存在性，相反，如果α1没能通过显著性检验，则说明居民房价预期不存在邻里效应，或者说这种邻里效应很弱。α1的绝对值越大，代表邻里效应的边际影响越强，说明居民房价预期的邻里效应越大，反之，如果α1的绝对值越小，则可以认为居民房价预期的邻里效应越小。本文的被解释变量居民房价预期来自问卷中居民对未来房价的看法，认为房价将“大幅上升”赋值为5，“小幅上升”赋值为4，“基本不变”赋值为3，“小幅下降”赋值为2，“大幅下降”赋值为1。在对其他可能影响因素进行控制时，一方面，本文控制了可能影响居民个人房价预期的一系列变量，主要为居民的个人背景特征，在居民的个人背景特征中，本文选取了居民的年龄、性别(女性赋值为0，男性赋值为1)，收入水平(最低25%赋值为1，中下25%赋值为2，中上25%赋值为3，最高25%赋值为4)，受教育程度(按照居民的受教育年限从0到22年，未上过学记为0，上过学的以实际受教育年限记录)，传统观念(对“人至少得生一个儿子”这种说法的认同度，认同度由低到高分别赋值1，2，3，4，5)。另一方面，为了控制外生效应，本文还构建了社区群体的一系列群体特征变量并加以控制，每个群体特征变量的生成方式与邻里效应类似，为社区k内除个体i及其家庭成员之外所有个体该特征的平均值(如群体年龄特征变量，就是社区k中除了个体i之外所有个体的年龄平均值)。依照这样的方法，本文分别生成社区平均年龄特征变量，社区平均性别特征变量、社区平均收入水平特征变量、社区平均受教育程度变量和社区平均传统观念特征变量这5个社区群体特征变量。此外，本文还控制了社区固定效应和社区城乡特征(乡村赋值为0，城市赋值为1)。本文被解释变量、核心解释变量和控制变量的描述性统计如表1所示。

表1 变量的描述性统计

四、实证结果分析

(一)基准回归结果

为了验证居民房价预期的邻里效应是否显著，本文首先对上文回归方程(2)进行多元线性回归，基准回归的估计结果如表2所示。表2呈现的是核心解释变量邻里效应以及各个控制变量的边际估计结果和相应的标准误。本文采用逐步回归的方式，首先在第(1)列回归中只加入核心解释变量邻里效应，然后在第(2)、(3)、(4)列分别加入居民背景特征、社区群体特征和社区固定效应与社区城乡类型。从表2的回归结果可以看到，在(1)、(2)、(3)、(4)列的回归结果中，邻里效应这一变量的系数分别为0.695、0.687、0.656、0.650，均在1%水平上显著为正。也就是说，在逐步控制个体背景特征、社区群体特征和社区固定效应与社区城乡类型之后，邻里效应始终保持显著为正，这就证实了群体平均房价预期与个体房价预期的同向变动关系，表明居民房价预期存在着正向邻里效应，初步验证了本文的假说1。

表2 基准回归

这种正向的邻里效应意味着居民在形成自己的房价预期时，不仅仅受到自身背景特征等客观条件的影响，也受到邻里预期的同方向影响。同一社区其他居民对于房价上涨的预期越高，相应个体对于房价预期上涨的观念也越强，这种邻里效应显然不利于房地产市场的健康发展。一方面，在房价上涨时期，居民对房价上涨的预期较高，并通过邻里效应进一步加强这种预期，可能引发不理性的房地产市场投资或投机，加剧房地产市场价格波动。另一方面，倘若有一天房地产价格出现较大跌幅，居民对房地产预期开始趋于悲观，这种邻里效应又会进一步加强居民对于房价的下行预期，可能引致房产的群体性抛售，造成房地产市场的动荡和危机。因此，对于居民房价预期形成过程中的邻里效应，应该引起足够的重视。只有处理好这种邻里效应，才能更好地进行预期管理，稳定居民对于房价的预期，促进房地产市场的健康发展。

从第(4)列控制变量的结果来看，年龄变量的估计系数显著为负，说明随着年龄的增长，对房价的预期是下降的，这可能是因为随着年龄增长，人们也变得越来越保守，相比之下，年轻人看涨的心理更加强烈。性别变量的系数为负但是没有通过显著性检验，说明女性相较于男性可能对房价预期更高，但这种结论不具有统计学意义上的显著性。收入水平变量的系数显著为负，说明收入水平越高的居民对房价预期越低，这可能是因为收入水平高的居民更为自信，对于房价没有太多的恐慌，故而其房价预期也相对较低。受教育程度变量的估计系数显著为负，说明受教育程度越高的居民，对房价预期越低，这可能是因为受教育程度越高，居民越倾向于理性思维，更加愿意相信房价会回归到合理的位置。传统观念的系数为正，且通过了10%水平上的显著性检验，说明传统观念越强的居民对房价的看涨预期越强。而对于群体特征变量，社区平均年龄变量和社区平均受教育程度变量这两个变量的系数估计均未通过显著性检验，说明两个外生变量整体上对于居民房价预期的影响比较小，社区平均性别变量、社区平均收入变量、社区平均传统观念变量等三个外生变量显著为正，说明这三个变量对居民房价预期有显著正向影响。

(二)认知能力的异质性分析

为了检验不同认知能力居民的房价预期受邻里预期影响的差异，验证本文的假说2，本文在基准回归的基础上进一步根据个体认知能力的高低进行分组，在中国家庭追踪调查2014年的调查数据中，有专门对受访者的词组题测试和数学题测试，测试完成之后，根据回答的正确率，受访者会得到一个分数，这个分数是一个对于受访者认知能力比较客观公正准确的评价。因此，本文将受访者的词组题得分和数学题得分的加总作为其认知能力的指标，由于数学题得分和词组题得分各自代表居民不同维度上的认知能力，因此，由二者加总得到的指标能更加全面地代表居民的认知能力。其中，词组题的得分区间为0—34分，数学题的得分区间为0—24分，在将这两个得分加总之后，得到本文的认知能力指标的得分范围是0—58分。由于认知能力高低是相对而言的，本文将认知能力指标得分依据中位数分为高低两组，使得高低两组人数尽可能接近。根据这样的划分方式，其中认知能力得分为0—33分的为低认知能力组，样本量为3273个，占总样本的比重为49.28%，得分为34—58分的为高认知能力组，样本量为3369个，占总样本的比重为50.72%。由此形成一个认知能力的二值变量，高认知能力组赋值为1，低认知能力组赋值为0。从表3第(1)、(2)列的回归结果可以看到，交叉项的系数显著为负，说明了认知能力的提高能削弱居民房价预期的邻里效应，这就验证了本文的假说2。

表3 认知能力的异质性分析

(三)信息渠道的影响检验

为了检验信息渠道对于居民房价预期邻里效应的异质性，本文选取了两种比较常见的信息获取渠道，分别为互联网和电视，这是因为随着科技的飞速发展，人们获取信息的手段日益丰富，传统的信息获取方式逐渐被淘汰，电视传媒和互联网在人们的信息获取活动中扮演着主要的角色，因此选取这二者来考察信息渠道的影响具有合理性。问卷中分别询问受访者“互联网作为信息渠道的重要程度”、“电视作为信息渠道的重要程度”，受访者回答分别为1—5分，分值越大代表越重要，本文将得分为1—3分的回答归类为低信息渠道使用组，将得分为4—5分的样本归类为高信息渠道使用组。从表4互联网渠道的回归结果可以看到，交叉项的回归系数显著为负，这说明互联网的使用显著削弱了居民房价预期的邻里效应。正如本文文献综述中提及的，居民从互联网上能获取关于房地产市场发展状况的信息，邻里效应很有可能因为受到互联网信息渠道的冲击而削弱了。从表4电视渠道回归结果可以看到，交叉项的回归系数并不显著，说明电视信息渠道并未起到削弱居民房价预期邻里效应的作用。可以看出，互联网对于邻里效应的削弱作用要远大于电视，可见，互联网的信息替代能力更强。这也是与现实吻合的，互联网由于其便捷高速高效的特征，与其他信息渠道相对比有着巨大的优势，正在成为人们获取信息的最重要方式。

表4 信息渠道的影响检验

(四)拓展分析

为了进一步考察邻里效应的稳健性，本文进一步考察了房价预期的邻里效应在不同居住地和不同年龄的居民之间的差异。关于城乡分组，本文直接按照居民的居住地城乡类型进行分组。而对于年龄不同的居民，本文将40岁以下(含40岁)的居民定义为低龄居民组，40岁以上的居民定义为大龄居民组。按照以上定义分类进行分样本回归，得到结果如表5所示，从表5第(1)、(2)列回归结果可以看到，农村居民邻里效应的估计系数为0.740，城市居民邻里效应的估计系数为0.640，均显著为正。从表5第(3)、(4)列回归结果的估计系数可以看到，低龄居民组邻里效应的估计系数为0.598，大龄居民组邻里效应的估计系数为0.675，均显著为正。上述结论验证了邻里效应在不同性别和年龄组的居民中均稳健存在。

表5 不同居住类型与年龄组稳健性检验

(五)稳健性检验

1.工具变量法

由于多元线性回归无法有效地解决邻里效应识别中可能存在的反射性问题和关联效应，可能使得本文回归结果存在偏误，因此，需要寻找合适的计量方法加以检验。本文所选取的工具变量为社区居民的家庭总房产价值的平均值(相应个体及家庭成员除外)，选取的理由是，家庭总房产价值影响着居民对于房产的认知和预期。因此，群体家庭总房产价值的平均值(相应个体及家庭成员除外)会对群体平均房价预期(相应个体及家庭成员除外)造成一定的影响，但由于该变量未将相应家庭纳入计算范围之内，故而该变量不太可能对相应家庭的房价预期产生直接的影响。本文工具变量为群体家庭(相应个体及家庭成员除外)总房产价值的平均值，单位为“万元”。

工具变量的回归结果如表6所示，可以看到，在第(1)、(2)、(3)、(4)列的回归结果中，弱工具变量的F检验统计量分别为115.80、113.01、24.54、18.20，均大于经验值10，这就验证了本文所选取工具变量的有效性。在第(1)、(2)、(3)、(4)列的回归中，邻里效应系数的估计值分别为0.961、1.159、1.041、1.061，均通过5%水平上的显著性检验，均显著为正，说明在利用工具变量解决反射性问题和关联效应之后，个体房价预期的邻里效应依然显著为正，这进一步支持了本文的假说1。

表6 工具变量回归结果

2.考虑社区群分效应和同城效应的稳健性检验

虽然工具变量法解决了邻里效应识别中可能存在的反射性问题和关联效应，但仍避免不了其他一些不可观测因素的影响。如社区居住决策中的群分效应，即具有相近特征的家庭会入住同一社区，那么这部分群体可能本来就存在相近的房价预期，故而存在选择性偏差的问题。为考察此类偏误对本文结论的影响，借鉴余丽甜等的思路(35)参见余丽甜、詹宇波：《家庭教育支出存在邻里效应吗？》，《财经研究》2018年第8期。，本文的做法是对入住社区时间较短的家庭子样本进行回归。因为新入住的居民与邻居相对而言更陌生，故而其社区邻里互动也少，房价预期的邻里效应在这部分人身上应该是比较弱，不显著的。如果显著，则说明房价预期的邻里效应是受社区群分效应的影响，本文结果是有偏误的。如果不显著，则说明本文结论受群分效应影响很小。

对于社区入住时间的衡量来自于问卷问题“您家现在居住的这所房子是哪一年买的或建的？”，本文将回答“2012年”之后的居民定义为新入住居民，这部分居民的社区入住时间小于2年；将回答为“2012年”及以前的居民定义为长住居民，这些居民的社区入住时间大于等于两年。由表7的回归结果可以看到，第(1)列新入住居民的邻里效应并不显著，而第(2)列长住居民的邻里效应显著为正。这说明本文结论受群分效应影响很小，群分效应不影响本文主要结论。

除了上述社区居住决策的群分效应，本文还可能存在的影响因素是由于相同社区居民在同一城市，所面临的房地产市场和房地产政策相同而导致房价预期趋于一致，而使得其房价预期之间存在关联性，这可能导致本文结果有偏误。为解决这个问题，本文将核心解释变量邻里效应中的“同一社区邻里其他居民房价预期的平均值”替换为“同一县区不同社区的其他居民房价预期的平均值”。如果上述构造的伪邻里效应回归结果显著，则说明同城效应存在，影响了本文结论；如果不显著，则说明同城效应对本文的主要结论影响很小。第(3)列回归结果显示，邻里效应回归系数不显著，说明同城效应影响很小，支持了本文结论。

五、结论与政策建议

基于大型全国性微观调查数据中国家庭追踪调查，本文实证研究了居民房价预期中的邻里效应。研究结果表明，居民对房价的预期存在着显著的邻里效应，且这种效应呈同向变动。在考察认知能力的异质性之后，发现随着居民认知能力的提升，其房价预期的邻里效应减弱，说明认知能力的提升能让居民的房价预期更为独立和理性。随着居民信息获取渠道的拓展，其房价预期的邻里效应下降，在所有的信息渠道中，互联网的作用最大。本文回归结果通过多种稳健性检验。

习近平总书记在十九大报告中提到要防范化解重大风险，防范化解重大风险就包括防范化解房地产市场金融风险。邻里效应对居民房价预期造成影响的结论，可以为预期管理政策提供参考，做好预期管理，有利于防范化解重大风险。在分析居民预期和进行预期管理政策制定的时候，如果忽略社区互动的邻里效应对于居民自身预期的影响，不利于政策的科学性、合理性和全面性。基于上述结论，本文提出以下政策建议：

一是鉴于居民房价预期中的社区邻里效应，同时考虑到认知能力提升能削弱这种影响，政府可以考虑加强社区层面的房地产相关金融知识的宣传和教育，组织开办房地产专家讲座，开展房地产知识竞赛，提升居民对于房地产知识的全面性理解和认知，防止投机热情或恐慌的情绪在同社区群体之间蔓延，稳定居民对于房价的预期，增强居民的理性认知，抑制投机，促进房地产市场稳定健康发展。二是考虑到信息渠道的拓宽可以削弱居民房价预期的邻里效应，政府应该利用这种削弱作用，让各种信息渠道尽量为居民提供理性客观准确的信息。这就要求政府监督管控好各种信息传媒上新闻信息的真实性和可靠性，监管好各类为了吸引受众眼球或者利用受众心理而鼓吹房价、鼓吹投机之类的新闻，同时政府也要监管各类散播危机爆发谣言之类的容易引起恐慌心理的标题党新闻。鉴于互联网在各种信息渠道中的重要作用，加快各种对于互联网环境的监督和清洁，打击标题党和某些为吸引受众眼球而夸大其词的劣质新闻，监督好各种公众号新闻等，是稳定居民对房价的预期的有效手段。深入了解居民房价预期的形成，有的放矢进行预期管理，才有利于建立房地产市场平稳健康发展长效机制，促进房地产市场健康长远发展。