基于合成控制法的抢人政策对房价影响效应分析
——以西安市为例
冯文芳 樊子冰
(兰州理工大学 经济管理学院, 甘肃 兰州 730050)
[摘要] 采用2017年3月在西安实行的抢人政策作为自然实验,采用合成控制法基于反事实分析我国26个城市的数据,研究一个城市出台抢人政策对当地房价的影响。实证表明一定规模的、稳定的、有质量的人才的迁移和聚集对于当地的房价是有积极的影响作用。
[关键词] 抢人政策;房价上涨;城市人口；西安市；合成控制法
一、引 言
一个城市的发展离不开人才的推动,一线城市控制人口,给二线城市带来经济增长的新契机,二线城市通过加大对人力资源的吸引和投入,形成下一个经济增长的动力。
人口流动与房价之间的关系是近年来研究的热点问题。一类学者研究房价对人才流入的影响。Saiz[1]研究了美国移民和房价、租金的关系,指出移民规模增加1%,市场租金和房地产价格增长1%;国内学者中高春亮和周晓艳[2]等指出,房价的提高会带来一系列的财富效应,从而使得高学历人才聚集程度更高。而另一类学者研究人才流入对当地房价的影响。国外学者Plantinga等[3]认为相比于其他地区,一个地区拥有更高的住宅价格、房屋租金会降低人们迁入该地区的意愿和机率;国内学者陆铭等[4]认为城市化背景下的外来的人才是促进当地房价上涨的重要动力。
本文的创新点主要在于:首先,由于我国的户籍制度的限制,过去较少有人从政策方面进行研究探索,而各城市出台抢人政策既能加快当地产业的转型升级,又能促进我国区域经济的发展。是近几年非常热门的话题,因此本文从抢人政策着手,研究实行抢人政策后对当地房价所造成的影响。其次,过去的研究通常采用建立回归模型进行分析,而本文采用合成控制法对政策的影响效果进行衡量,并对结果进行三个稳健性检验,克服了以往研究中可能出现的样本选择偏误和政策内生性问题,更客观的评估抢人政策的实行对西安市房地产价格所造成的影响。
二、模型构建
本文采用合成控制法来研究人才政策对当地商品房住宅价格的影响。假设可以收集到K +1个城市T 期的样本数据,区域1是实验城市受到抢人政策的影响,其余K 个城市是对照组城市,时间范围t =1,2,…T 。T 0为抢人政策出台的时间,可以观测到各个城市T 期的商品房住宅销售价格增长情况。用
来表示城市i 在第t 期没有实行抢人政策时的商品房住宅价格;用
来表示城市i 在第t 期实行抢人政策是的商品房住宅销售价格。表示实施抢人政策对第i 个城市商品房住宅价格的影响。设定模型
其中是西安市在没有进行出台抢人政策时的商品房住宅销售价格的增长情况。D it 为是否出台政策的虚拟变量,如果第i 个城市在t 时间出台抢人政策此变量为1,否则为0。该城市未实行抢人政策时方程为:
(1)
式(1)中,δ t 是影响所有城市商品房住宅销售价格的时间固定效应;θ t 是一个未知的参数变量,Z i 是不受抢人政策影响的可观测到的协变量,μ i 是(F ×1)维向量,表示无法观测的城市固定效应误差项,λ t 是一个(1×F )维的不可观测到的公共因子向量,ε it 是每个城市不能观测到的短期冲击,均值为0。本文为了估计出抢人政策对商品房住宅销售价格的影响,必须估计出在未出台抢人政策时的商品房住宅销售价格
针对此目的的解放方案是:使用未出台抢人政策的N 个城市构成一个(K ×1)维是权重向量W (w 2,w 3…w k+1 ),w k ≥0且w 2+w 3+…+w k+1 =1,每个向量都是w k 都是K 个企业的特定权重。
(2)
Abadie等[5]证明,在一般条件下式(4)的等号右边趋近于0,因此对于T 0<t ≤T ,地区1的结果可以近似用合成控制组的来表示即的无偏估计值为:
夏国忠和战士们看到眼前血腥的一幕，牙齿咬得咯咯响，都恨不得立刻钻出去，把鬼子的飞机打散架。只可惜，狡猾的鬼子此时飞得高，扔了一阵炸弹后，摇摇尾巴就飞走了。
本研究选取的数据的时间范围是从2016年1月至2017年11月,因此选择25个在该研究时间段内未实行抢人政策的城市作为对照组进行拟合。表1反映了构成合成西安的权重组合,共选取了6个城市,其中石家庄为权重最大的城市为0.43。表2反映了西安的实际值与合成预测值的对比情况。根据表2中的数据可以看出,西安在未实施抢人政策的时间段内,基于最优权重组合构成的西安合成控制值和西安实际值之间的差值与26个城市的平均值和西安实际值的差值相比更小且更合理。表明了各城市权重组合的有效性,并为构建“未受抢人政策影响”的反事实结果提供了基础。
(3)
对于北方气候较为干燥的地区，灌溉工作变得更加重要。对于整地情况良好、土地平整的情况，主要采用地面灌溉方式，保证植物生长。但这种方式容易造成土壤板结，因此需要进行一定的改良。对于地势不平或者灌溉条件差的位置，为提高作业标准，加强管理，通常会选择地下灌溉、喷灌或者滴灌的方式为花卉的生长提供必要的水分。由于硬水中存在不被植物吸收的营养物质，所以园林花卉灌溉通常使用的是软水，尽量使用河水、池塘水或者湖水进行灌溉，禁止使用工业废水灌溉花卉。由于井水的温度较低，对于植物生长具有一定的不利影响，因此应尽量避免使用井水。同时在种植过程中还应根据花卉的品种以及温度、湿度、季节进行灌溉调整，通常中午不宜浇水。
(4)
假设存在一个向量组
使得
从而得出抢人政策效果估计量是:
(5)
因此,只要根据权重向量W *就可以估计出
的值。
三、实证分析
(一)变量说明与数据来源
其中hp是商品房住宅的售价,policy是人才政策变量,处理组的policy为1,对照组的policy是0。Month是月份虚拟变量,西安市是从2017年3月1日实行的人才引进政策,因此将政策实行前后进行赋值,2017年3月及以后Month赋值为1,之前赋值为0。α 3是出台人才政策对房价影响的净效应。X 为控制变量的集合,分别包括人均GDP、人口密度、土地交易均价、居民消费价格指数。γ t 个体固定效应,δ i 为时间固定效应,ε 为残差项。表3列出来DID的估计结果,第二列是没有控制其他影响因素下的DID估计结果;第三列是控制了其他影响因素下的DID估计结果;由表3可以看出DID的估计结果和合成控制法的估计结果符号都为正。可以确认房价的升高部分是由人才政策所引致的,进一步说明合成控制法的有效性。
随机选取2016年8月～2017年8月我院收治的脑卒中患者102例作为研究对象，将其随机分为对照组和康复组，各51例，经过头颅CT检查和临床检查进行确诊。其中，康复组男35例，女16例，平均年龄63.3岁，包括21例右侧偏瘫、30例左侧偏瘫、24例脑出血和26例脑梗死；对照组男33例，女18例，年龄64.5岁，包括23例右侧偏瘫，28例左侧偏瘫、21例脑出血、29例脑梗死。两组患者的病变性质、年龄和性别等一般资料比较，差异无统计学意义（P＞0.05）。
(二)人才引入政策对房价的影响分析
采用传统教学法时，学生的考试成绩为（84.23±2.92）分，实施PBL教学法后，学生的考试成绩为（91.22±1.52）分，经比较，采用PBL教学法学生的考试成绩好于采用传统教学法的学生，且有显著性差异（P＜0.05），见表 2。
表1 合成西安的城市权重
注: 原始数据来源于中国指数研究中心，由stata合成所得。
由图1可以看出，在2017年3月西安实行抢人政策之前，合成西安与实际西安的值之间相差不多，合成控制法非常好的复制了实施抢人政策前的西安市房价的增长轨迹。
表2 西安与合成西安的指标数据对照表
图1 实际西安与合成西安的 商品房住宅销售价格
而在抢人落户政策实施之后,从4月开始,实际西安的商品房住宅价格大于了合成西安的价格,这是因为抢人政策实行后,人们落户以及购买房产有一个时间过程,因此该政策对于房价的影响具有一定的滞后性。在此之后除2017年7、8月之外,都保持着快速增长的趋势。
而2017年7、8月房价下跌的主要原因是因为西安市在6月出台了严格的限购政策,限购政策规定暂停向已拥有2套及以上住房的本市户籍家庭、拥有1套以上住房的非本市户籍居民家庭售房。因此,限制了一些投机者蓄意购买房产导致当地房价虚高,但是该限购政策不会限制各类引进人才购买自用住房。根据图1还可以看出，在8月之后两者的差距逐步拉大,说明随着人才引进政策出台时间的延续,政策在不断地消化中,到9月初该政策的影响已消化殆尽,市场基本回归政策出台前状况,至2017年11月西安市的实际商品房平均住宅销售价涨至10 066元,而如果没有实行人才引进政策西安市的潜在房价为8 490元左右,与实际房价相差1 576元。因此可以说明该政策显著的增加了西安市的房价水平。
(三)稳健性检验
1.与DID方法对比
本节选用与DID方法进行对比的方式来证实合成控制法更有效。
“华龙一号”是具有中国自主知识产权的三代核电技术，采用国内外最新最严格的安全标准。“华龙一号”示范项目—中广核防城港核电二期工程3号机组穹顶吊装2018年5月顺利完成，全面转入设备安装阶段。英国布拉德维尔B核电站项目将采用“华龙一号”技术，并以广西防城港核电二期项目为参考电站。
如果
非奇异,那么则有:
DID模型设置如下:
hp =α 0+α 1policy i +α 2month +
α 3policy i ×month +ηX +δ i +γ t +ε
2010年扩建、改造16县道时曾发生塌陷，但未留下资料，其位置、范围、塌陷深度等不详。2013年进行治理设计时现场观测，16县道路面与附近民房没有明显的开裂现象，未发现较明显的塌陷坑(带)。扩建、改造县道时，残留的民采井(硐)绝大多数被回填。在矿区开采范围的西部、16县道南侧，民采井(硐)分布比较密集，其位置、井(硐)直径与深度等不详。仅有的2个残留民采井见表1。
(6)
本文采用从2016年1月到2017年11月(1) 选取此时间范围是因为在西安市2017年3月出台抢人政策后,国内几十个城市在两年内纷纷出台抢人政策,而合成控制法对照组的组成要求是选择未实行抢人政策的城市作为对照组城市,为保证对照组城市数量和质量,因此选取2017年11月为截止月份。 的26个城市的平衡面板数据进行拟合。将人均GDP、居民消费价格指数、土地成交均价、人口密度以及被解释变量商品房住宅价格作为商品房住宅价格的代理变量。其中人口密度、居民消费价格指数的数据来源于wind数据库,商品房住宅价格和土地成交均价(2) 少数数据缺失采用插值法获得。 来源于中国指数研究中心,人均GDP是使用Eviews软件Quadratic mactchsum方法将季度GDP数据转变为高频月数据再除以总人口数。
2. 处置组变换
在本组检验中,借鉴Abadie 和 Gardeazabal[6]使用的方法进行检验。在此处,本文选用石家庄与青岛作为处置组来检验人才引进政策对于当地商品房住宅销售价格的影响。权重最大说明在所有的城市中,石家庄市与西安市的各种情况最相似。权重为0说明青岛市与西安市的各项特征都具有较大的差异。
表3 抢人政策对商品房住宅价格的影响
注:括号中的数值为t 值,*、**、***分别代表在1%、5%、10%的水平下显著。
通过改善设施结构，不断更新品种，认真执行无公害蔬菜生产技术规程等综合配套技术的推广与应用，大幅度提高保护地生产效益，推动保护地建设的发展，保证农民收入持续稳定提高。
根据图2和图3可以看出,对于青岛市来说,在政策实行前后,青岛市的实际商品房住宅销售价格也是与合成的价格的变化趋势相同,即使有波动也是沿着合成的价格上下波动。对于石家庄市来说,在政策实行前,石家庄市的真实房价与合成的房价几乎重叠在一起,在政策实行后,真实房价也只是围绕着合成的房价小幅度的波动。因此在一定程度上证明是出台人才政策致使商品房住宅价格的增长,而不是其他的偶然因素引起的。
且
图2 真实青岛与合成青岛的商品房住宅销售价格
图3 真实石家庄与合成石家庄的商品房住宅销售价格
3. 安慰剂检验
尽管研究发现西安市实际住宅销售均价与合成的住宅销售均价存在显著差异，但不能确定这种现象是因为人才的住房刚需所造成的,还是由于其他未观测到的外在因素所造成的。因此借鉴Abadie等[5]的安慰剂检验来排除这些其他因素对结论的干扰。
图4 安慰剂检验
从图4可以看出,加粗的黑色实线代表西安市,其余灰色实线为对照组中的其余25个城市,可以看出在在2017年3月抢人政策实行之前,西安市与其余城市的差距并不大。而自2017年3月抢人政策实行以后,差距逐渐加大,且在2017年8月之后,西安市的商品房住宅销售价格与合成值的差值比对照组中其他城市的差距要大很多。除一个城市外,西安市的线完全分布在其余城市之外,表明抢人政策对西安市房价具有显著的影响,且其他城市只有1/24的概率会出现像西安实际房价与合成房价之间同样大的变动程度。因此在统计上来看,可以认为西安市住宅房价的增长是在5%的水平上显著的。
通过上述三个稳健性检验,可以认为西安市商品房住宅价格的上涨是因为人才引进政策所引起的而不是因为房价的传导效应等其他因素所引起的。而且自图4可以看出2017年8月之后,西安市的住宅房价与潜在的房价增长情况偏离越来越大,表明随着时间的推移,该人才引进政策对商品房住宅价格的正的刺激作用效果会越来越明显。
四、结 论
人才争夺战不是城市占领人才高地的终点而是起点,一个城市引进人才的可持续性和质量是决定一个城市未来综合实力的关键。综上所述得出以下结论。
首先，从合成控制图来看。在政策实行后,2017年西安市实际的商品房住宅价格与没有实行政策的商品房住宅价格有正的显著差距,表明实行抢人政策对房地产市场的影响是积极的。造成这种影响的主要原因是抢人政策实行后所引入大量人才的住房刚需。而这些有一定规模的、稳定的、有质量的人才的迁移和聚集对于当地的房价和实体经济都是具有积极的推动和支撑作用。
其次，抢人政策实行后,人才的迁入导致当地商品房住宅价格迅速升高,但目前升高的房价并没有阻止高学历人才继续落户西安市,并没有因为地区房价高而被阻挡,经济的发展和聚集,是其最大的向心力。根据2018年的统计数据可以看出,即使2017年西安市的房价上涨了68%,但是仍然没有阻止人才迁入的脚步,2018年西安市新增落户人数超过75万人,直接拉动内需,使得西安市2018年房价持续攀升。
最后，基于合成控制法研究西安出台抢人政策带来的高学历人口迁移对当地房价的影响,并采用三个稳健性检验对结论进行验证以排除其他因素影响,表明抢人政策确实对房价有积极的推动作用,根据统计数据可以看出,房价和人才吸引并不是两难的。
3.4 根据模拟葡萄酒降酸试验得到1株菌株SC-18，20℃培养20 d后，其苹果酸分解率为96.85%，乙酸终浓度为0.238 g/L，酒石酸分解率为27.80%。在山葡萄初酒中应用时，实验结果表明，SC-18可以适应高酸度酿造环境，苹果酸的降解率为26.28%，酒石酸分解率为4.06%，与对照组相比，乙酸产生率为24.38%，可以跟商业菌株相媲美，有一定的应用前景，需进一步的后续验证。
基础层和传输层信息经济发展薄弱的省份应大力夯实信息经济发展基础，从而推动其他层信息经济的发展。通过落实招商引资政策，大力发展电子信息制造业和软件技术服务业，为公众使用互联网提供可得性和便利性。推进地方性项目工程发展，如企业信息化服务平台、制造业信息技术集成应用、先进工艺流程信息化等建设内容，实现“两化” 深度融合的快速发展，并推动电子商务基础设施改造升级，积极推动省级电子商务示范城市建设，探索农村电子商务试点工作，为信息经济新兴业态的孕育与发展奠定良好基础。
[参考文献]
[1] Saiz A. Immigration and Housing Rents in American Cities[J]. Journal of Urban Economics, 2007, 61 (02):1-371.
[2] 高春亮, 周晓艳. 34个城市的住宅财富效应:基于Panel Data的实证研究[J]. 南开经济研究, 2007(01).
[3] Plantinga A J, Détang-Dessendre C, Hunt G L, Piguet V. Housing Prices and Inter-urban Migration[J]. Regional Science and Urban Economics, 201,43(02):296-306.
[4] 陆铭,欧海军,陈斌开.理性还是泡沫:对城市化、移民和房价的经验研究[J].世界经济,2014(01).
[5] Abadie A, Diamond A, Hainmueller J. Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California’s Tobacco Control Program[J].Journal of the American Statistical Association,2010,105(490):493-505.
[6] Abadie A, Gardeazabal J. The Economic Costs of Conflict: A Case Study of the Basque Country[J].American Economic Review,2003,93(01):113-132.
DOI: 10.19634/j.cnki.11-1403/c.2019.06.016
[中图分类号] F293
[文献标识码] A
[文章编号] 1003-1154(2019)06-0075-04
[基金项目] 国家社科基金项目(15XJL008)。