货币化安置对房价的影响——基于安徽省地级市面板的实证研究

侯习武，王满银，吴 鑫

（1.安徽师范大学 地理与旅游学院，安徽 芜湖 241003；2.浙江财经大学 公共管理学院，浙江 杭州 310018）

1998年国务院发文明确取消福利分房，并提出建立以经济适用房为主的城镇住房供应体系，我国住房制度发生质的改变，从此进入住房商品化时代。进入21世纪，商品房市场蓬勃发展，保障房建设稳步推进，廉租房、限价房、共有产权房等应运而生，我国住房供应体系逐渐演化为“市场加保障”的双轨模式。2008年，国家启动保障性安居工程，棚户区改造开始成为我国保障房建设的主要类型，廉租房和经济适用房逐渐退场。十余年的棚户区改造有效改善了群众的住房条件、提升了城市的市容市貌、促进了新型城镇化的发展，数据显示：2008—2020年全国累计完成棚户区改造超5000万套，基本实现了李克强总理关心的“1亿人居住目标”。此外，在2015年国务院宣布大幅度提升货币化安置比例之后，棚户区改造更是成为我国房地产清库存的重要手段。货币化安置政策的高效落实，改变了传统的住房供应体系，打通了保障房与商品房之间的壁垒，迅速缓解了三四线城市商品房库存问题。但与此同时，货币化安置政策所造成的购房需求的急剧增长，同样也使得三四线城市房地产市场过度升温，2018年住建部副部长倪虹表示要因地制宜调整货币化安置，商品住房库存不足、房价上涨压力大的市县要尽快取消货币化安置优惠政策，此背景下，2019、2020年全国棚改货币化安置比例明显下降。

货币化安置政策实施效果究竟如何？是否确实影响着城市房价的上涨？现有国内学者展开了丰富的研究，但结论并不一致，尚存争议。有学者持辩证观点，如王优容研究认为棚户区改造对周边1千米以内的住房价格既存在正的溢出效应，也存在负的阶段效应［1］。持反对观点的学者指出城市房价的上涨是多方面因素共同作用的结果，将其归因于货币化安置是不客观、不公正的［2］，并有学者以2016—2017年甘肃省实施棚户区改造且城市住房库存量较大的四五线城市为例，验证了货币化安置对城市房价的影响并不明显这一观点［3］，除此之外，学者方诚采用回归控制法对落实货币化安置政策的“房票”安置方式展开分析，发现房票安置对城市房价的上涨不仅没有助推作用，反而表现出明显的抑制效应［4］。而持支持观点的学者，例如刘胜群等从耗散结构理论视角出发，选取江西省赣州市2015—2019年的棚户区改造政策相关数据展开实证研究，发现棚改货币化安置模式对城市房价上涨具有助推作用［5］。王玉全以天津市为例，陈浩源和陈炳如分别以山东省17市、全国35个大中城市为样本，通过构建调节模型和面板数据模型，实证分析指出由货币化安置政策引发的货币化安置比例过高是城市房价快速上涨的根本原因［6-8］。此外，谢云峰［9］、陈新行［10］、谢月华［11］等学者对我国多个开展棚户区改造的区市进行走访调查，也得到类似结论，认为货币化安置政策促使城市住房市场出现供不应求的情况，从而推动城市房价的上涨。

基于以上文献回顾，并考虑到我国房地产市场及城市房价影响因素的区域性特点，笔者认为该问题仍需通过更多案例进行实证检验。作为主要由三四线城市组成的省份，安徽省在“十三五”期间棚改总量高居全国第四，帮助390多万居民“出棚进楼”，其中货币化安置61.11万套，货币化安置比例高达45%，但与此同时安徽省城市房价上涨也较为明显，数据显示：2016—2020年安徽省城市住房平均售价整体上涨37.93个百分点，其中部分三四线城市如芜湖、马鞍山，城市房价上涨幅度更是高达68.09%、66.55%，高货币化安置比例与高房价涨幅的同时出现，似乎预示着二者之间存在着一定的联系。因此，本文首先从理论层面分析货币化安置影响房价的作用机制，然后再基于安徽省16市2016—2020年的样本数据，实证分析货币化安置政策对城市房价的影响，验证这种影响在三四线城市是否更为显著，并分析货币化安置政策收紧前后影响效果是否存在差异，从而明晰货币化安置政策的具体实施效果，为未来货币化安置乃至保障性安居政策的制定与实施提供科学的建议。

1 货币化安置影响房价的理论分析与研究假设

1.1 理论分析

通过梳理国内外关于房价影响因素的研究，不难发现各类房价影响因素几乎都会从供给与需求两方面产生作用，因此本部分引用供需关系曲线，从均衡价格理论视角出发，对货币化安置影响房价的理论作用机制展开分析。

英国著名经济学家马歇尔提出的均衡价格理论指出商品的价格是由需求价格和供给价格共同决定的［12］。需求价格受边际效用递减规律的影响，会随着商品数量的增加而下降，从而形成需求曲线。而供给价格则受边际生产费用递增规律的影响，会随着商品数量的增加而上升，并形成供给曲线。需求曲线与供给曲线相交，即会达到均衡点，均衡点的价格就是商品的均衡价格。本文所研究的房价为城市商品住房的价格，由其组成的商品房市场同样适用均衡价格理论。

如图1所示，城市商品住房的供给与需求在各方面因素的综合作用下达到均衡状态时，供给曲线S1与需求曲线D1会相交于B1（Q1，P1）点，即均衡点，此时需求量与供给量相等，为Q1，需求价格与供给价格相等，为P1。

图1 城市商品住宅供需曲线图Figure 1 Supply and demand curve of urban commercial housing

但受某些因素的作用，供给和需求的均衡会被打破，供给曲线与需求曲线会相应地发生移动，从而达到新的均衡状态，即B2点，此时的P2即为新的均衡价格。

目前多地的货币化安置补偿条例中指出：被补偿人一般需在货币化协议规定的期限（一般为12个月）内购买商品住宅。特殊地，如安庆的房票安置模式，则规定须在房票开出之日起6个月内进行商品房购买，若超过6个月期限未选购商品房的，房票自动失效。由此不难看出，货币化安置作为一项宏观调控政策，将会无时滞性地从供给与需求两侧对房地产市场产生作用，具体地：

从供给侧角度来看，一方面，货币化安置高效实施，实物安置大量转化为货币化安置，其造成的最直接的影响即为实物安置减少，从而导致实物安置所必须新建的商品住宅数量下降。另一方面，大量货币化安置资金流入居民手中，刺激居民直接购买商品房需求的增加，导致房地产市场存量住房数量持续下降。加之，城市商品住房供给天生所具有的时滞性，从新建到交付居民手中大约需要三到四年时间，直接导致城市商品住房市场短期内出现供给短缺现象。此外，房地产开发商通过出售商品房实现资金的快速回流，在高回报利益的驱使下，会继续向地方政府大量拿地，短时间内推动地价快速上涨，导致房地产开发成本增加。供给的下降在供给曲线上则表现为曲线S1向S2的移动，从而刺激城市房价的上涨。

从需求侧角度来看，货币化安置提前释放了居民购买商品房的需求，居民取得政府发放的补偿款或购房券，会迅速转化为现实购买力，进入商品房市场购买现房，从而导致城市房价的抬升。而根据房地产市场“买涨不买跌”的行为心理，城市房价的上涨又会刺激更多的投资与投机需求跟进。两方面需求的增加促使需求曲线D1向曲线D2移动，最终表现为城市房价的持续上涨。

综合以上，货币化安置引发的供给减少和需求增加同时作用于供给曲线和需求曲线，使得供给曲线S1移至S2，需求曲线D1移至D2，曲线S2与D2相交于E2（Q2，P2），即为新的均衡点，由图不难发现，P2大于P1，即表现为均衡价格的上升。

1.2 研究假设

首先，通过上一部分货币化安置对房价影响的理论作用机制分析，不难发现货币化安置会通过供给与需求两侧助推房价上涨；其次，三四线城市作为中央实施棚户区改造以及商品房库存去化的重点地区，受其自身经济状况、居民收入以及产业发展等因素的限制，货币化安置对房价的影响可能会更为强烈；最后，2015年中央开始高效推行货币化安置，但2018年之后货币化安置政策逐渐收紧，不同松紧程度货币化安置对房价影响可能存在差异。根据以上分析，本文提出以下研究假设：（1）货币化安置政策对房价上涨具有助推作用；（2）三四线城市货币化安置助推房价上涨更为强烈；（3）不同松紧程度下货币化安置对房价影响效果有差异。

2 变量选取、模型构建和数据来源

2.1 变量选取

首先是被解释变量的选取，本文的目的在于探索城市房价受棚改货币化安置的影响，因此被解释变量选取的是能够代表整个城市住房价格水平的房价水平值。目前房价水平值一般采用平均房价进行表示，其能反映的是区域性的住房区位和使用条件状况，可以用来衡量整体房价水平的高低。

其次是解释变量的选取，纵览目前已有棚户区改造与房价关系的相关研究，所选取反映棚改货币化的解释变量主要有两种：一种是棚改货币化安置规模，另一种则是棚改货币化安置比例。本文选取的解释变量为棚改货币化安置比例，即为棚改货币化安置套数/棚户区改造总套数。选择棚改货币化安置比例而非棚改货币化安置规模的原因在于：棚户区改造作为一项民生工程，不同城市每年实施开工的具体规模相差很大，若使用棚改货币化安置规模数据，则部分城市可能会出现虽然货币化安置套数较多，但其总体棚户区改造套数也极大，从而实际上棚改货币化政策实施效果并不好的情况，而棚改货币化安置比例数据则是货币化安置套数占棚改总规模的比例，可以准确反映棚改货币化安置的具体实施效果。

最后是控制变量的选取，本文参照已有相对权威文献，兼顾供需两侧，遵循科学、准确的原则，并考虑到变量的相关性、可获得性、易量化性等因素，选取年末总人口、城镇人均可支配收入、人均生产总值、商品住宅新开工面积以及商品住宅销售面积五个变量作为本文的控制变量。

2.2 模型构建

根据上一节货币化安置对房价影响的理论分析结果，以及提出的研究假设，我们可构建如下模型方程展开进一步的实证检验：

在公式1中，lnhp为被解释变量房价的对数形式，我们用商品房平均销售价格来表示，mon代表解释变量货币化安置，我们用货币化安置比例来表示，其公式为棚改货币化安置套数/棚户区改造总套数。方程后面的变量为本文所选取的控制变量，其中lnpeo为年末总人口的对数形式，我们用年末常住人口进行表示，lninc为城镇居民人均可支配收入的对数形式，lngdp为人均生产总值的对数形式，lnnew为商品住宅新开工面积的对数形式，lnsale为商品住宅销售面积的对数形式。此外，α为常数项，β0、β1、β2、β3、β4、β5分别表示货币化安置比例、年末总人口、城镇居民人均可支配收入、人均生产总值、商品住宅新开工面积、商品住宅销售面积对城市住房价格的影响系数，ε为随机误差项。

2.3 样本数据来源

本文选取的实证样本数据为2016—2020年安徽省16地级市的面板数据，在具体的数据来源方面，除货币化安置比例数据来自于安徽省住建厅以外，其余变量数据皆来自于安徽省统计局的2016—2020年《安徽省统计年鉴》。

选择安徽省16个地级市作为实证样本的主要原因有以下几点：（1）安徽省下辖1个二级城市：合肥，6个三线城市：芜湖、安庆、马鞍山、滁州、阜阳、蚌埠，7个四线城市：六安、宣城、黄山、亳州、铜陵、淮南、宿州，2个五线城市：池州、淮北，城市级别类型较为完备，对其展开实证研究具有一定代表性；（2）针对安徽省展开实证研究所需的公开数据可获得性较高，尤其是有关货币化安置的数据，详细且准确；（3）不同省份的货币化安置具体落实效果以及房价波动情况存在差异，货币化安置对房价的影响需要更多实证样本给予验证，安徽省作为中部省份尚未进行相关实证研究，作为实证样本较为合适。

此外，之所以选择2016—2020年作为研究时间段，一方面2015年国务院宣布大幅度提升棚改货币化安置比例之后，棚户区改造成为我国房地产清库存的重要手段，棚改货币化安置方式逐渐受到政府及社会的重视。另一方面，2018年之后，随着房地产去库存压力的减轻，国家对棚改货币化安置政策逐渐收紧，选择2016—2020年数据，正好兼顾到了棚改货币化安置政策宽松与收紧的两个时期，可以有效地对棚改货币化安置政策收紧前后两大时期进行区别对比分析。

3 结果与分析

3.1 描述性分析

表1为本文被解释变量、解释变量以及控制变量的简单描述性统计，主要包括：平均值、标准差、最小值和最大值。进行变量的描述性统计目的在于明晰数据与研究对象的整体特征，从而更好地进行下一步实证分析。

表1 各变量描述性统计分析Table 1 The descriptive statistical analysis of variables

3.2 实证检验分析

3.2.1 全省层面的实证检验结果 如表2所示，R-squared为0.9335，较为接近1，说明模型的拟合度非常好。p值为0.0000，说明该回归方程通过了显著性检验。从具体因素来看，被解释变量棚改货币化安置比例在5%的显著水平下显著，回归系数为0.0556，说明棚改货币化安置比例对房价有正向影响。此外，5个控制变量对城市住房价格的影响同样在1%的显著性水平下表现显著。在具体的影响方向上，除商品住宅销售面积为负向影响以外，其余控制变量均为正向影响。

表2 安徽省16地级市回归分析结果Table 2 Regression analysis results of 16 prefecture level cities in Anhui Province

3.2.2 分城市级别的实证检验结果本部分将安徽省的13个三四线城市抽离出来，单独进行面板数据的回归分析。由表3可知，棚改货币化安置比例对于安徽省13个三四线城市房价在5%的显著性水平下，同样表现为正向影响。并且在系数方面，三四线城市单独回归的棚改货币化安置比例系数为0.0621，大于16地级市整体固定效应回归的棚改货币化安置比例系数0.0556，从而验证了货币化安置对三四线城市房价的影响效果更为强烈的假设。

表3 分城市级别的回归分析结果Table 3 Regression analysis results by city level

3.2.3 分时期的实证检验结果由于棚改货币化安置政策的松紧程度在“十三五”期间不同年份存在差别，因此本部分将在2.2部分所构建的房价对数模型基础上引入时间虚拟变量，划分政策落实的不同时期，从而来研究货币化安置政策松紧程度对城市房价的影响是否存在差异。由于2018年10月住建部宣布对货币化安置政策进行收紧，所以本文设置时间虚拟变量T，当T=1时，表示2016、2017以及2018年，即货币化安置政策宽松时期；当T=0时，表示2019、2020年，即货币化安置政策收紧时期。

如表4所示，R-squared为0.9368，说明模型的拟合度非常好。p值为0.0000，说明该回归方程通过了显著性检验，所以该模型可以很好地解释被解释变量与解释变量之间的关系。从具体因素来看，棚改货币化安置比例在10%的显著性水平下显著，回归系数为0.0831，说明棚改货币化安置比例对城市住房价格具有正向影响。此外，虚拟时间变量T在5%的显著性水平下显著，回归系数为0.0688，说明货币化安置政策松紧程度对城市房价也有一定的正向影响，即在其他相同条件下，货币化安置政策宽松年份的城市房价比货币化安置政策收紧年份的城市房价平均高出7.1%（e0.0688-1）。

表4 分时期的回归分析结果Table 4 regression analysis results by period

4 结论与政策建议

本文从均衡价格理论视角出发，分析了货币化安置影响房价的作用机制，发现货币化安置会分别引发新建实物安置住房供给下降、短期内存量住房供给下降、货币化安置购房需求上涨、买涨不买跌购房需求跟进以及开发商土地需求增加，从而助推房价上涨。

在此基础上，本文选取2016—2020年安徽省16个地级市面板数据作为样本，实证检验了货币化安置对房价的影响，得出如下结论：①货币化安置对房价的上涨具有一定助推作用；②相较于其他级别城市，三四线城市货币化安置对房价上涨的促进作用更为强烈；③不同时期的货币化安置对房价的影响存在差异性，货币化安置政策宽松年份的城市房价比货币化安置政策收紧年份的城市房价平均高出7.1%。

基于此，本文提出如下三点政策建议：

（1）货币化安置政策落实应切实考虑当地房地产市场状况。从安徽省16个地级市2016—2020年实证分析结果来看，货币化安置确实在一定程度上助推了城市房价的上涨。在房价上涨速度较快的地区，若继续保持高货币化安置比例，将严重影响房地产市场健康；而对于商品房库存量依旧较大的地区，若盲目压低货币化安置比例，继续兴建实物安置房，则同样与商品房库存去化目标相违背。因此，未来货币化安置政策的落实必须结合当地房地产市场状况，严格科学确定棚户区改造规模以及控制货币化安置比例，秉持惠及民生的初心，避免对房地产市场产生负面影响。

（2）创新引导多项政策结合的实施模式。三四线城市货币化安置促进房价上涨效果更为明显，一部分原因是政府在政策上鼓励购买商品房，另外很大一部分原因是人们的投资投机跟进。因此，未来货币化安置政策可与其他相关政策相结合，从而引导居民规范合理使用货币补偿款，例如：将货币化安置与扶贫政策相结合，在有效解决居民住房刚需的同时，柔性引导居民使用剩余的补偿款发展特色产业，从而更为立体地保障民生。此外，还可以将货币化安置与银行房贷政策相结合，刚性限制货币补偿款用途的同时，按照全国范围内名下已有房产数量逐渐提高购房首付比例，限制投资投机导致的房价抬升，保证房地产市场的健康。

（3）在未来保障性住房政策的制定与实行上（如老旧小区改造），应尽可能地考虑到当地的房地产市场状况以及公共服务环境情况，做到“因地制宜，因势利导”，平衡保障民生与促进房地产市场健康发展二者之间的关系。