土地招拍挂制度对房价影响的评价

一、评价方法选择及评述

进行政策评估的计量经济学方法有很多，目前最流行的主要有双重差分法（DID）、倾向得分匹配（propensity score matching）等，但是这两种方法的共同点都是能够同时获得受政策影响的试验组（处理组）和不受政策影响的参考组（控制组）的样本在政策实施前后的信息，因此绝大多数是有关家庭、个人、企业等微观调查数据，比如David Card and Alan Krueger（1994）利用美国新泽西和宾夕法尼亚两个地区KFC等五家快餐店在1992年2—11月的企业数据，1992年4月新泽西实施了提高最低工资政策，该政策对就业影响的研究是该方法的一个很好应用。但是我国的土地招拍挂制度是全国范围内的“一刀切”，以其中最为重要的一项政策“8·31大限”为例，要求2004年8月31日以后全国各地的经营性建设用地必须实施土地招拍挂制度。由于改革没有试点导致无法获得试验组，因此无法像周黎安、陈烨（2005）一样对农村税费改革进行基于DID的政策评价。

由于经济变量的时间序列数据经常受到诸如假期、罢工、甩卖、促销及某些政策的影响，这些外部事件通称为“干预”，Box and Tiao（1975）在此基础上提出了干预分析模型，通过引入“干预分析”的处理方法来评估某一外部事件的影响。干预分析模型已经成功地应用于许多问题的研究，如洛杉矶空气污染控制和尼克松总统任期内所采取的经济政策对居民消费指数（CPI）的影响（Box and Tiao，1975），阿拉伯石油禁运的影响（Montgomery and Weatherby，1980），纽约大停电的影响（Izenman and Zabell，1981）等。不同于DID需要使用多个体（包括参考组和控制组）、多时期（包括政策前和政策后）的面板数据，干预分析模型则只需要受政策影响的单一个体贯穿政策发生前后的时间序列数据，而且它是基于单变量ARIMA模型进行估计，不需要另外找额外的解释变量作为控制变量。因此当某一政策是对全国整体实施的，无法分离出不受政策影响的控制组，而且相应的解释变量也很难获得的时候，干预分析模型则是很合适的方法^[3]。由于本书研究的土地招拍挂制度是作为全国一盘棋整体实施的，而且为了保证较大的样本容量，因此采用房价的月度时间序列数据，在我国目前的统计制度下，无论是全国还是各地区的月度指标都还很少，影响房价的收入和人口等经济基本面变量更是几乎没有，因此本书采用基于单变量时间序列的干预分析模型对我国的土地招拍挂制度进行政策评估，是在现有统计资料下所能选择的最佳计量方法。

干预分析模型在我国也得到了较为广泛的应用，路群（2001）和董屹等（2003）以及陈浪南和黄询（2004）用该方法分别研究了加息和外汇干预对股市、汇率的影响。在房地产领域，杨楠和邢力聪（2005）分析了由SARS引发的海内外投资热潮对上海房价的影响，其结果表明这股投资热使上海房价在当时提高了0.27%，最终影响则为20%。特别值得一提的是，王松涛（2009）系统地研究了2003年6月—2007年9月这一轮全国范围内房地产市场的调控政策，对北京市、上海市、广州市、深圳市、天津市和重庆市6个重点城市房价的影响。他把这一轮的房价调控政策概括为以下五类：2003年6—8月的由人民银行主导的信贷政策、2004年4—8月的由国土资源部主导的土地政策、2005年3—5月的由国务院主导的第一次综合调控政策、2006年5—6月的由国务院主导的第二次综合调控政策以及2006年7—9月的外资管制和税收政策，应该说这一划分是非常符合我国房地产市场现状的，而且他对每个政策对房价的可能影响都作了非常详尽的描述，这些都是非常难能可贵的，本书在很大程度上也借鉴了他的研究。

然而遗憾的是，他的研究方法存在着很大问题，可以说，他采用的根本不是干预分析模型。之所以这么说，主要基于以下三个原因：第一是数据要求，笔者查阅了国内外许多使用干预分析模型的实证文献，无一例外都是全国或某一地区的时间序列数据，而王松涛（2009）采用的是全国6个城市的面板数据。既然Box and Tiao（1975）当初提出该方法就是基于时间序列模型，后来学者也没有从理论上证明该方法可以扩展到面板数据，所以他把该方法想当然地照搬到面板中来就是很不严谨的。第二是估计方法，前面说过干预分析模型是建立在ARIMA模型基础上，首先要对政策发生之前这段样本建立ARIMA模型，然后利用估计出来该模型的相关参数对政策发生后的样本进行外推，得到在没有政策影响时的预测值，再用包括政策影响的实际值减去预测值，从而得到干预序列，它被认为是政策影响的实际效果，最后对各种可能的响应函数进行估计，这是干预分析模型最关键的一步。其中要对残差反复进行相关性和正态性检验，以确保模型设置的准确，可以说这个过程是非常复杂的。而王松涛（2009）其实就是在简单的多元回归模型中加入了反映政策影响的时间虚拟变量，采用的是本书第三章中在估计地价弹性中加入一个反映土地招拍挂政策的虚拟变量方法。由于没有分离出干预序列，就不能有效识别出政策的实际影响，简单地加入时间虚拟变量只能反映房价的时间变化趋势，不能说明房价变化究竟在多大程度上是由该政策实施所引起的。而且即便是基于面板数据的普通回归模型，他的估计也是有很大问题的。以他的6个城市面板数据模型为例，解释变量中除了有各城市的人均可支配收入和CPI这种随个体和时间变化的Xit标准面板变量外，还放入了全国的进出口总额、1年期名义存款利率和货币供给量等大量没有个体变化只有时间变化的时间序列xt变量，这严格说来也是有问题的。第三是数据来源，按照他提供的《中国经济景气月报》等统计年鉴根本无法找到包括上述6个城市在内的任何城市的月度人均可支配收入数据。

综上，国内相关文献在研究内容和研究方法上对土地招拍挂的政策影响都缺乏深入而又规范的实证研究，因此本书准备用标准的干预分析模型评估土地招拍挂的政策影响，为国家制定相应的宏观调控政策提供依据。

二、基于干预分析模型的政策评估

（一）数据处理与统计分析

进入21世纪以来，土地作为国家调控住房市场的一个有力工具，已经出台了许多这方面的政策法规，王松涛（2009）对此作了很好的归纳。其中对我国房地产市场影响最大的无疑是被业界称为“8·31大限”的国土资源部71号令，因此本书的政策评价同王松涛（2009）一样，也将该政策的出台视为“干预”。不同的是，为了严格按照Box and Tiao（1975）的方法，并保证足够大的样本，本书采用的是1999年2月—2010年10月全国房价的月度时间序列数据，用当月的商品房销售额除以商品房销售面积得到，以上数据来源于《中国经济统计快报》。由于每年的1月没有相关统计，因此1月的房价由上年12月和当年2月算术平均得到。为了剔除价格水平变化的影响，本书还进行了价格平减为以1999年1月为基期的实际值。由于是月度数据，最后本书还用x12方法进行了季节调整。

在确定了干预事件之后，本书首先对干预事件前后全国房价序列的两个子样本进行均值、中位数、方差的相等性检验，初步判断房价在政策前后是否发生了较为明显的变化。

从上表可知，除了方差相等性的Siegel－Tukey检验不拒绝原假设以外，其他各种检验都在1%水平上拒绝了两个子样本的均值、中位数、方差都不存在差异的原假设，说明2004年9月以后房价确实发生了很大变化。从均值来看，2004年9月以后全国房价平均上涨了50%，但是上面这些检验并不能说明房价的上涨到底在多大程度上是由土地招拍挂制度实施所造成的。此外均值相等的t检验这些相关检验尽管对正态假设时是稳健的，但是对依存设定的有效性是极端敏感的（Box and Tiao，1975）。

（二）干预分析模型的建立

标准的干预分析模型包括以下几个步骤，为了体现本书研究的规范性，这里一步步地展示出来。

1.应用未受干预影响的数据，建立全国房价序列的单变量时间序列模型

本书是将“8·31大限”政策的出台视为“干预”，因此选取的是从住房市场化改革开始的1999年2月—2004年8月的样本（hp1），建立全国房价变量的ARIMA模型。为了避免异方差，本书在建模前还取了自然对数。

首先对ln hp1进行单位根检验，

上式ADF统计量－5.75小于1%水平的临界值－4.10，因此不存在单位根。时间趋势项的t统计量是5.13，也是在1%水平上显著，所以ln hp1是趋势平稳过程。由于不是单位根过程，这时候就不能直接采用差分的方法建立ARIMA模型，此时应该采用退势方法得到平稳的残差序列，然后对残差建立ARMA模型。

通过观察残差序列reshp1的自相关图和偏自相关图，这个时候应该建立AR（1）和AR（4）模型。综合ln hp1退势的回归模型和残差的ARMA模型，建立ln hp1的组合模型如下：

图7.1　模型（7.1）残差的自相关图和偏自相关图

该模型的所有参数都至少在5%水平上显著，从图7.2和图7.3可知，特征根的倒数都在单位圆之内，因此该模型是稳定的。残差的Q检验也不拒绝白噪声的原假设，所以上述模型是合理的。

图7.2　模型（7.1）特征根的倒数图

图7.3　模型（7.1）残差的Q检验图

2.分离出政策干预影响值，建立干预分析模型

运用上面估计出来的模型（7.1）进行外推预测2004年9月—2010年10月的全国房价水平ln hp2f，用这段时间的实际值减去预测值，得到政策干预影响值ln hp2gy，并用该数据估计干预模型。

通常干预分析模型可以表示为：

其中，g代表干预序列，B为滞后算子。ω（B）＝ω0－ω1B－…ωsBs是关于B的s次特征多项式，它用来测量干预输入最初的预期影响；δ（B）＝δ0－δ1B－…δrBr是关于B的r次特征多项式，它用来测量干预输出的影响程度。b代表干预输出的时间延迟，即干预事件在时刻T发生，其影响要在时刻T＋b才能显现。I是代表干预输入的时间虚拟变量，它有两种类型：一种表示干预在时刻t发生，其后影响仍保持，即干预是一个阶梯函数：

I代表干预分析的响应函数，也就是本书需要估计的具体模型，主要有以下几种形式：

表示在干预发生后b期有固定影响。

表示在干预发生后b期有渐变影响。如果δ＝0就变成有固定影响的（7.3）式；如果δ＝1，影响为无界地线性增长。

对于阶梯干预的渐变响应函数，本书有：

因此响应函数在每时刻的取值为：

表7.3　阶梯响应函数的影响效果表

因此影响程度是逐渐增加的，而且每期的增量是一个公比为δ的无穷递缩等比数列。

对于脉冲干预的渐变响应函数，本书有：

因此影响程度是逐渐减少的，表现为公比为δ的无穷递缩等比数列。

脉冲和阶跃的组合响应函数，表现为由干预所产生的响应是逐渐减小的，但在系统中仍然持续保留其影响。图7.4清楚地给出了几种主要响应函数的影响效果图。

图7.4　几种主要响应函数影响效果图

“8·31大限”政策的出台意味着土地协议出让已经成为历史，取而代之的是生产经营建设性用地市场交易方式的全面实行，从此土地招拍挂制度作为一种长期的制度安排以国家立法的形式予以确立，必将对我国房地产市场产生深远影响。一方面，随着竞价机制的引入，使作为生产要素的土地价格水平上升，从成本构成的角度推高房价；另一方面，伴随着土地交易制度的变革，包括广大开发商在内的各市场参与者普遍形成了地价上涨的预期，导致土地交易量明显萎缩，通过抑制住房供给而推动了房价的长期上涨。

综上，本书选择的是阶跃响应函数，即：

考虑到政策可能存在的时滞，本书还分别考虑了半年和一年的干预延迟。至于ω（B）和δ（B）这两个特征多项式的阶数，在许多实证研究中经常取s＝0，r则是从较高阶取起，根据从“一般到特殊”的建模原则逐渐剔除不显著项。对（7.2）式进行MLE估计结果如下：

表7.4　响应函数估计结果

注：估计系数下面小括号里面报告的是对应t统计量，＊＊＊、＊＊、＊分别代表在1%、5%、10%水平上显著。

在估计干预延迟b＝0、6、12的时候，通过观察干预序列的自相关图，都是从r＝2开始估计，结果δ2在模型a、c、e中都没有显著性，进一步将其舍去，对应模型b、d、f中各变量的系数都是显著的。ω0就是政策实施在当期产生的短期影响，随着干预延迟期的增加，该系数有逐渐变大的趋势，说明土地招拍挂制度的政策影响随着时间推移是逐渐加大的。δ1是上一期房价对当期房价的影响，其系数介于况伟大（2008）采用1996—2006年全国31个省（区、市）面板数据估计出来的0.48与梁云芳和高铁梅（2006）采用1999年1季度—2005年4季度全国时间序列数据估计出来的0.97之间，跟本书第五章采用2000—2008年中国31个省（区、市）动态面板系统GMM估计的0.75十分接近，而且随着时间推移该系数逐渐变小，这也是非常符合实际的。从表7.3可知，政策的长期影响系数为上述估计结果是否可靠，还需要后续的统计检验来判断。

3.运用干预模型净化数据序列

净化序列是消除了干预影响的序列，它是由干预后样本的真实值减去模型（7.2）的干预序列拟和值得到，即：

4.根据净化序列建立ARIMA模型

以模型b为例，首先对ln hp2jh进行单位根检验，

上式的ADF统计量－4.17小于1%水平的临界值－4.09，因此不存在单位根。时间趋势项的t统计量是3.62，也是在1%水平上显著，所以ln hp2jh同样是趋势平稳过程，此时仍然需要建立ln hp2jh退势的回归模型和残差的ARMA组合模型。

对模型（7.7）进行Q检验，如图7.5所示，不拒绝残差是白噪声的原假设。同样对模型d、模型f本书也提取了净化序列，都发现残差是白噪声，因此模型b、d、f都是合理的。

5.建立干预分析模型并测度干预影响

将模型（7.7）和模型b代入模型（7.6）的干预分析模型，则得到b＝0时候的干预分析模型。

图7.5　模型（7.7）残差Q检验结果图

同理，b＝6和b＝12时候的干预分析模型分别为：

在模型b、d、f中，根据adj＿R2和AIC，本书发现模型b的解释能力最好，该模型表明土地招拍挂政策的出台使全国房价在短期中只提高了4.7%，在长期中也仅仅提高了15.7%，远小于王松涛（2009）估计出来的房价47.6%的月均增长率。考虑到2004年以后全国房价涨了50%，这个影响其实是非常小的。土地招拍挂制度绝不是广大开发商眼中造成目前房价暴涨的“罪魁祸首”，华远集团总裁任志强说的土地如果不以招拍挂出让，全国房价将下跌20%^[4]，这其实是没有任何道理的。且不论土地招拍挂的政策影响在长期中最多也不超过16%，就地价的形成过程而言，根据国家标准《城镇土地估价规程》（GB／T 18508—2001），地价评估的基本方法主要有市场比较法、收益还原法、剩余法、成本逼近法。最终影响地价高低的决定性因素主要是土地市场的供求关系，在土地供给短期内是刚性的情况下，土地需求直接受开发企业对未来房价预期的影响。在招拍挂出让国有土地时，开发企业之间不同的报价主要还是根据剩余法（假设开发法），通过从开发完成后的房地总价中扣除所需花费的建筑成本、相关税费、各类预付资本利息及开发利润等，从而剥离出土地价格，这样能够从开发企业的角度测算其能够承受的最高土地购置价格。对未来房价的预期以及期望实现的利润预期普遍偏好则导致竞价激烈、“价高者得”，反之则底价成交甚至流拍、流标频现。除预期因素外，近几年部分城市出现个别楼面地价高于周边房价即所谓“天价地”现象，与土地自身区位、其他行业资金进入以及企业上市融资、资本运营等多种因素也密切相关，其中“地段越好、房子越好卖”规律所导致的开发企业间激烈竞争是重要原因。因此，土地作为人们对住房所产生的引致需求，其价格是由房价决定的，是2003年下半年以来全国房价的飞速上涨，房地产行业的巨大超额利润导致开发商不惜血本地大肆“圈地”，这才导致了地价的不断上涨以及“天价地王”的不断出现。即便没有土地招拍挂制度，协议出让的地价虽然比较低，但是并不一定代表房价会因此下降。我国目前的高房价是由旺盛的住房需求和住房的空间垄断所导致开发商的“捂盘”等策略性行为共同决定的，作为成本的地价并不起决定作用。

三、几个代表性地区的政策评价

上面估计出土地招拍挂政策的实施使全国房价提高了4.7—15.7个百分点，而房地产行业的一个最大特点就是区域异质性，那么不同地区对土地招拍挂政策是否会产生不同反应，下面本书就分地区进行干预分析。考虑到地区的代表性，本书从东部、中部、西部各选取两个省（区、市），分别是东部的北京市和浙江省，中部的湖南省和江西省，西部的贵州省和宁夏回族自治区。之所以选取的是分省（区、市）而不是更细的城市样本，是因为目前为了获得尽可能多的月度房价数据，只有分省（区、市）的样本^[5]。而且分省（区、市）的数据也只有2001年2月才开始有统计，因此样本期选择2001年2月—2010年10月的上述6个省（市）的月度数据，房价同样用当月的商品房销售额除以商品房销售面积得到，以上数据同样来源于《中国经济统计快报》。1月的房价也由上年12月和当年2月算术平均得到，为了剔除价格水平变化的影响，还进行价格平减为以2001年1月为基期的实际值，最后也还用x12方法进行了季节调整。

从上表可以发现，各省（区、市）都在1%水平上显著拒绝了两个子样本均值相等的原假设，说明上述6个省的房价在2004年9月以后确实有了非常大的变化。特别是经济发达的东部地区的北京市和上海市，房价均值都翻了一倍多，中部和西部省份房价均值只涨了几百元。

下面为了节省篇幅，本书略去了干预分析的几个步骤，直接估计其中最主要的响应函数，估计的时候仍然是取s＝0，r的阶数结合自相关图并逐渐剔除不显著的高阶项，下面报告的都是经过筛选后的最优模型，对每个地区同样都估计了b＝0、6、12的情形。

Q检验结果表明上述各模型的残差都是白噪声序列，从而模型都是合理的。从各地区的估计结果来看，代表土地招拍挂政策当期影响效果的ω0，系数在东部的北京市和浙江省非常小，而且不显著，而代表上期房价影响的δi系数显著为正，尤其是北京市该影响特别大，前一个月和前三个月房价的影响加起来达到了90%，说明包括北京市在内的东部地区房价主要受投机需求拉动，这与况伟大（2008）研究是一致的，因而土地招拍挂制度实施并没有明显的推高房价。ω0的系数在中部和西部各省（区、市）的各模型基本都有显著性，根据AIC和adj－R2，湖南省、江西省、贵州省、宁夏回族自治区四省（区、市）土地招拍挂的短期影响分别为39%、8.2%、9.5%和7.9%，长期影响分别为39%、41%、27%、23%，无论是短期还是长期，中西部地区，尤其是中部地区受土地招拍挂的政策影响远超全国平均水平。之所以土地招拍挂的政策影响出现了明显的地区差异，可能有以下两方面的原因：第一，由于国家西部大开发、中部崛起战略的实行，为了筹集实现中西部地区经济的跨越式发展所急需的资金，更多地依赖于以地生财的土地财政，土地财政以及由此而产生的“经营城市”的理念，大量从事房地产开发业务，对该地区的房价上升起了很大促进作用；第二，由于该地区由于经济发展水平较低，由投机需求而产生的房地产泡沫不是很严重，房价更多的受包括地价在内的成本推动，土地招拍挂政策的实施客观上造成了地价很大程度上的上涨，这些也在一定程度上提升了房价。

本书采用Box and Tiao（1975）提出的干预分析模型，将2004年3月31日出台的“8·31大限”政策视为国家对土地市场进行宏观调控的干预事件，对土地招拍挂政策实施对房价影响进行了政策评估。本书的研究表明，土地招拍挂政策实施使全国房价提高了4.7—15.7个百分点，通过进一步分地区的研究发现，土地招拍挂政策对东部的北京市和浙江省并没有产生明显影响，对中西部地区的湖南省、江西省、贵州省、宁夏回族自治区四省（区、市）产生了较大的作用，体现了十分明显的地区差异，仿佛又在一定程度上支持了前面证明出来的房价对地价弹性与住房需求负相关的结论。中西部地区受国家发展战略、本地区的经济基本面状况影响，土地招拍挂制度对房价上涨有较大促进作用，但是从全国范围来看，土地招拍挂制度对房价的影响其实并不大，绝不是许多开发商所说的是造成房价上涨的主要原因。相比于之前的协议出让，土地招拍挂制度不过是还原了土地原本的市场价值，客观上造成了地价较大的增长，但是却不一定由此而推动了房价。由土地招拍挂而拍出的“天价地王”恰恰反映了住房市场的火爆，调高了广大开发商对未来房价的预期，因而在目前房价和地价螺旋攀升的局面中，高地价是高房价所产生的必然结果，土地招拍挂制度只不过是其中的一副催化剂。