【作者】唐荣胜^a，唐洋^*b，张戎捷^c,d

a 上海财经大学高等研究院

b 新加坡南洋理工大学经济学系

c 清华大学建设管理系、清华大学恒隆房地产研究中心

【通讯作者邮箱】tangyang@ntu.edu.sg

【原文信息】Tang R, Tang Y, Zhang R. The Aggregate and Distributional Impacts of Residence Policy Relaxation[J]. The Journal of Real Estate Finance and Economics, 2022: 1-34.

 

内容导读

我国特殊的户籍制度对个体决策乃至城市发展的影响效果及影响机理是学术界长期以来的研究热点之一。已有研究主要是定性研究和实证研究，而本研究希望利用理论模型定量分析落户政策放松对个体和城市层面福利的影响效果。

本研究聚焦于住房市场，首先针对2016年我国的户籍制度改革这一政策冲击，利用双重差分法研究发现受落户政策放松影响的城市的房价相对于未受影响的城市房价有4.9%的提升，且这一效果在更难获得户籍的城市更大。基于这一初步发现，本文的核心研究内容是提出了一个基于动态空间均衡框架的理论模型并利用现实数据对模型进行校准，并利用模型预测落户政策放松对相关城市房价和总福利的影响及其分布情况。模型预测结果显示，落户政策放松会推高城市房价，但受政策影响的城市和未受政策影响的城市的总福利都会有所增加。特别地，如果在中国的一线城市中也推行与2016年类似的户籍制度改革，则受影响城市的房价会上涨2.3%，但其总福利也会在当前水平上获得3.1%的提升。 

典型事实

近年来我国经历了多轮落户政策改革，逐步放松了部分城市的落户限制。本研究的实证部分聚焦于2016年9月国务院办公厅发布的《推动1亿非户籍人口在城市落户方案》，该方案要求大中城市（即常住人口在100万到500万之间）均不得采取购买房屋、投资纳税等方式设置落户限制。

因此，本研究将人口为100万到500万的城市作为实验组，而将人口超过500万的14个城市和不足100万的122个城市一并作为控制组，构建了2015年1月到2019年4月的城市—年月面板数据，其中以对数形式的同质性住房价格指数作为因变量。基于双重差分法的回归结果（表1）表明，落户政策的放松使得实验组城市房价相对于对照组增速更快，影响幅度约为4.9%。此外，在回归结果第二列中作者利用来自Zhang et al.(2018)的落户难度指数构建三重交叉项，进一步发现这一影响效果在更难获得户口的实验组城市中更为明显。

表1 双重差分法回归结果

 

但上述实证研究尚不能指出福利层面的影响：尽管放松落户政策对城市移民而言意味着更平等的公共服务等福利，但随之而来的房价提升可能也会导致更差的支付能力，从而影响个体迁移决策，并在宏观上影响城市整体福利。因此放松落户政策对个体和城市整体福利的影响方向尚不明确。为了进一步回答这些问题，本研究提出了如下的理论模型。

模型构建

该模型将经济体分为两大部分，分别是“主要区域”（包含一线、二线、三线三种级别的多个不同城市，是模型的主要关注对象）和“其他区域”（认为是居民的初始户籍地）。后者的居民可以决定迁入前者，并随机在前者的某个城市中成为“移民”，直到以一定概率（反映落户难度）获得当地户籍从而成为“永久居民”。相对于永久居民，移民需面对更少的公共品、更多的额外花费以及更高的交易成本。这些差异会影响个体的消费、租/购房和储蓄决策，从而影响个体的效用函数。而个体的效用也会进一步影响个体的迁移决策。此外，该模型中企业部门和政府部门也通过住房建设、住房销售和土地使用权出让等行为受到落户政策的间接影响。

基于以上基本设定，本研究构建了个体的全生命周期模型，按照个体效用最大化、企业效用最大化、劳动力市场出清、住房市场出清、地方政府收支平衡等均衡条件求解出基准情况下个体的最优租/购房决策、迁移决策以及总福利，并进一步加总到城市层面获得住房自由化率、户籍人口和平均福利等指标。此外，在城市层面，放松落户政策也会对城市住房市场带来两个方面的影响：在影响强度的角度，落户政策放松导致的“移民”的可支配收入变动可能会影响其住房需求；在影响范围的角度，放松落户政策可能会影响其他区域居民的迁移行为从而影响住房需求。而房价变动反过来会影响前者的购房支出以及后者的迁徙决策，从而形成一个一般均衡。本研究也据此对城市房价进行了预测。最后，进一步加总到总体层面，获得“主要区域”的人口占比和总体的住房自由化率指标。该模型利用来自中国经济的真实数据进行了校准，上述模型输出结果均被验证能够较好地反映真实数据的情况。

以上城市层面和加总层面的指标的测算结果将在后续针对不同落户政策的定量分析中进行作为基准。 

定量分析结果

在利用模型进行定量分析的过程中，本研究通过对基准情况（Bench）的模型进行参数调整和重新运算，依次进行了三个政策实验：只在三线城市中放松落户政策（Relax Type-3），在二线和三线城市中放松落户政策（Relax Type-2+3），以及所有城市的落户政策全部放松（Relax all）。放松落户政策在模型中具体体现为将移民获得当地户籍的概率提升为两倍。各项政策的效果汇总为表2。

 

表2 模型预测的政策效果 

当落户政策仅在三线城市中放松时，主要区域的人口占比由于人口迁移的增加而有所提升，从而带来了更多的住房需求和相应的房价上涨：三类城市的房价相对落户政策未放松时的基准值均有所提升，且与实证研究第一列的发现一致，三线城市的房价增幅（1.89%）快于一线城市（1.35%）和二线城市（1.07%）。更高的房价同时也导致了更低的住房自由化率以及一二线城市的户籍人口减少。然而，放松三线城市的落户限制仍然使得三线城市的平均福利均有所提升，提升程度在一线、二线、三线城市中分别为基准值的1.2%、1.0%和2.3%。这一福利提升反映出了福利对于未受政策影响的城市可能存在正向溢出：房价上涨带来的地方政府收入增加可能会使地方政府提供更多公共服务，从而提升居民的福利。

当落户政策在二线和三线城市中放松时（即与2016年户籍制度改革的范围基本一致），则模型预测结果和实证研究第二列的发现基本一致，即初始落户政策更严格的二线城市会经历相比三线城市更快的房价涨幅。与第一个政策实验的结果类似，模型预测结果还显示三类城市的平均福利都将进一步提升，提升程度在一线、二线、三线城市中分别为1.5%、3.0%和2.7%，这一提升幅度相对于仅放开三线城市落户限制均有所提升。

而当落户政策放松的范围进一步扩展到一线城市，则三类城市的房价会分别上涨4.3%、3.8%和3.9%，但福利也会相应分别提升4.7%、3.1%和2.8%，房价上涨的程度和福利提升的程度均进一步增加。

上述定量分析结果一致表明，放松落户政策虽然可能导致房价的普遍上涨，但仍然可能为受政策影响的城市以及其他城市的居民带来福利。

 

结论与展望

本研究围绕我国户籍制度改革这一热点话题进行了理论研究和实证研究，重点通过构建理论模型并开展定量分析发现放松落户政策可能会推高房价，但放松落户政策带来的公共服务增加等后续效果可能会抵消高房价对当地居民效用的影响，甚至可能通过正向溢出效应为周边城市的居民也带来福利提升。因此，户籍制度的逐步放松整体上可能是利大于弊的。

未来的相关学术研究可以进一步考虑将模型中人口迁移的决策完全内生化；此外基于我国城市化背景的农业和非农业经济部门的划分也值得纳入模型。