四、“租售同權(quán)”政策是否對房價有抑制作用的實證研究

（一）基于傾向匹配法的雙重差分模型原理

雙重差分法是20世紀(jì)80年代在國外經(jīng)濟學(xué)界興起的一種專門用于分析政策效果的計量方法。該方法的思路來源于自然科學(xué)當(dāng)中關(guān)于自然實驗對無關(guān)變量的控制，它將制度變遷和新政策視為一種“自然實驗”。

葉芳和王燕（2013）認(rèn)為，雙重差分模型的核心是將公共政策視為自然實驗，主要用來評價一項政策帶來的凈效應(yīng)。該模型首先分別計算處理組和對照組在政策實施前后的變化量，然后求出這兩個變化量的差值，即進(jìn)行兩次差分估算，從而可以得到政策對處理組的凈效應(yīng)。通過單純對政策干預(yù)前和政策干預(yù)后以及單純截面干預(yù)組和對照組的結(jié)合比較，得到如下公式：

其中，d為雙重差分估計量，Y為研究的結(jié)局變量，treatment和control分布代表干預(yù)組和對照組，t1和t2分別代表政策干預(yù)前和政策干預(yù)后。

在現(xiàn)實情況中，不存在絕對理想的控制實驗，且觀測數(shù)據(jù)不是實驗數(shù)據(jù)，那么就有可能會產(chǎn)生遺漏變量和變量的誤差，導(dǎo)致內(nèi)生性問題，甚至導(dǎo)致實證研究的失敗。統(tǒng)計學(xué)家Fisher（1935）提出了隨機實驗，其思想能夠克服變量的偏差、內(nèi)生性等問題。傾向得分匹配法由Rosenbaum和Rubin（1983）提出，該方法的思想主要是在大量樣本中對每個個體進(jìn)行配對，只使用配對成功的數(shù)據(jù)，來使得數(shù)據(jù)接近理想的實驗數(shù)據(jù)。在實際應(yīng)用中，龍銀燕（2017）使用結(jié)局變量和所選取的控制變量建立一個二元回歸模型，從該模型中獲取樣本接受干預(yù)的傾向得分。

（二）模型方法構(gòu)建

“租售同權(quán)”政策的實施被看作一項自然實驗，但因為實驗組和對照組的分組不是完全隨機的，所以選擇使用雙重差分模型對該政策實施效果進(jìn)行評價。

將實驗樣本分為兩組，即干預(yù)組：（廣州市房價）和對照組（深圳市房價）。本實驗以政策實行前后為分界點，即廣州市租售同權(quán)政策頒布時間7月份，選取各分組對應(yīng)的面板數(shù)據(jù)進(jìn)行分析，即以2017年2月初至2017年7月底為一期、2017年8月初至2018年6月底為二期。

具體模型如下：

Yit為房價；ε it為特異誤差；zit為我們要控制的變量，包括各個小區(qū)到最近的地鐵站、公交站、學(xué)校等的距離；ε it為暫時性擾動項。

雙重差分后得到系數(shù)β1，若β1＞ 0，則政策對房價有促進(jìn)作用；若β1＜ 0，則政策對房價有抑制作用。

雙重差分模型中要求實驗組和對照組在實驗前被解釋變量要具有共同趨勢，由于實驗組（廣州）與對照組（深圳）存在差異，在“租售同權(quán)”實施前較難有完全一樣的共同趨勢。于是，本文使用Logit模型估計傾向得分，采用最近鄰匹配算法，以1∶1的比例將對照組與實驗組匹配，匹配變量的數(shù)值時期是2017年7月份，得到對照組二手房住房樣本與實驗組具有的相似特征。

（三）變量定義及處理

設(shè)二手房住宅房價為被解釋變量Y，設(shè)城市變量A和時間變量D為虛擬變量，住房來自廣州市則A取1，住房來自深圳市取0；政策實施前D取1，政策實施后D取0。虛擬變量（A×D）為交互項，代表了“租售同權(quán)”政策實施后對實驗組房價的影響，代表了“租售同權(quán)”的政策效應(yīng)。

為了控制其他影響因素，本文根據(jù)公共資源影響房價的理論，按照交通資源、教育資源、醫(yī)療資源和景觀資源四種資源獲得的便利性，選取住宅小區(qū)到最近地鐵站、公交站、幼兒園、小學(xué)、中學(xué)、醫(yī)院、公園距離的七種特征變量作為解釋變量。具體釋義如表1所示。

（四）數(shù)據(jù)來源

本文以廣東省廣州市、深圳市為研究樣本，借助鏈家網(wǎng)、統(tǒng)計局等的相關(guān)數(shù)據(jù)，獲取了2016年7月—2018年7月為期兩年的房地產(chǎn)交易數(shù)據(jù)及住房相應(yīng)信息的原始數(shù)據(jù)。由于數(shù)據(jù)量較大，所以本文對獲得的數(shù)據(jù)進(jìn)行了初步篩選，在全部數(shù)據(jù)中以10條記錄為一組，隨機取一個數(shù)，進(jìn)行分組抽樣。再通過處理缺失值、刪除不顯著的記錄等，最終使用了2674條記錄。