四、“租售同权”政策是否对房价有抑制作用的实证研究

（一）基于倾向匹配法的双重差分模型原理

双重差分法是20世纪80年代在国外经济学界兴起的一种专门用于分析政策效果的计量方法。该方法的思路来源于自然科学当中关于自然实验对无关变量的控制，它将制度变迁和新政策视为一种“自然实验”。

叶芳和王燕（2013）认为，双重差分模型的核心是将公共政策视为自然实验，主要用来评价一项政策带来的净效应。该模型首先分别计算处理组和对照组在政策实施前后的变化量，然后求出这两个变化量的差值，即进行两次差分估算，从而可以得到政策对处理组的净效应。通过单纯对政策干预前和政策干预后以及单纯截面干预组和对照组的结合比较，得到如下公式：

其中，d为双重差分估计量，Y为研究的结局变量，treatment和control分布代表干预组和对照组，t1和t2分别代表政策干预前和政策干预后。

在现实情况中，不存在绝对理想的控制实验，且观测数据不是实验数据，那么就有可能会产生遗漏变量和变量的误差，导致内生性问题，甚至导致实证研究的失败。统计学家Fisher（1935）提出了随机实验，其思想能够克服变量的偏差、内生性等问题。倾向得分匹配法由Rosenbaum和Rubin（1983）提出，该方法的思想主要是在大量样本中对每个个体进行配对，只使用配对成功的数据，来使得数据接近理想的实验数据。在实际应用中，龙银燕（2017）使用结局变量和所选取的控制变量建立一个二元回归模型，从该模型中获取样本接受干预的倾向得分。

（二）模型方法构建

“租售同权”政策的实施被看作一项自然实验，但因为实验组和对照组的分组不是完全随机的，所以选择使用双重差分模型对该政策实施效果进行评价。

将实验样本分为两组，即干预组：（广州市房价）和对照组（深圳市房价）。本实验以政策实行前后为分界点，即广州市租售同权政策颁布时间7月份，选取各分组对应的面板数据进行分析，即以2017年2月初至2017年7月底为一期、2017年8月初至2018年6月底为二期。

具体模型如下：

Yit为房价；ε it为特异误差；zit为我们要控制的变量，包括各个小区到最近的地铁站、公交站、学校等的距离；ε it为暂时性扰动项。

双重差分后得到系数β1，若β1＞ 0，则政策对房价有促进作用；若β1＜ 0，则政策对房价有抑制作用。

双重差分模型中要求实验组和对照组在实验前被解释变量要具有共同趋势，由于实验组（广州）与对照组（深圳）存在差异，在“租售同权”实施前较难有完全一样的共同趋势。于是，本文使用Logit模型估计倾向得分，采用最近邻匹配算法，以1∶1的比例将对照组与实验组匹配，匹配变量的数值时期是2017年7月份，得到对照组二手房住房样本与实验组具有的相似特征。

（三）变量定义及处理

设二手房住宅房价为被解释变量Y，设城市变量A和时间变量D为虚拟变量，住房来自广州市则A取1，住房来自深圳市取0；政策实施前D取1，政策实施后D取0。虚拟变量（A×D）为交互项，代表了“租售同权”政策实施后对实验组房价的影响，代表了“租售同权”的政策效应。

为了控制其他影响因素，本文根据公共资源影响房价的理论，按照交通资源、教育资源、医疗资源和景观资源四种资源获得的便利性，选取住宅小区到最近地铁站、公交站、幼儿园、小学、中学、医院、公园距离的七种特征变量作为解释变量。具体释义如表1所示。

表1 变量定义

（四）数据来源

本文以广东省广州市、深圳市为研究样本，借助链家网、统计局等的相关数据，获取了2016年7月—2018年7月为期两年的房地产交易数据及住房相应信息的原始数据。由于数据量较大，所以本文对获得的数据进行了初步筛选，在全部数据中以10条记录为一组，随机取一个数，进行分组抽样。再通过处理缺失值、删除不显著的记录等，最终使用了2674条记录。