“抢人大战”是否对冲了房地产调控政策——基于人才落户政策的证据

陈淑云 王翔翔

(华中师范大学 经济与工商管理学院， 湖北 武汉 430079)

一、问题缘起与文献综述

改革开放后，我国经历了四十多年的快速城市化过程，大量人口从农村转移到城市，成为推动我国经济增长的原动力，由大量人口进入城市带来的住房需求也成为推动城市房地产价格上涨的重要原因①。由于城市房地产价格长期持续上涨，房地产成为社会资本追逐的稀缺投资品，为避免房地产过度投资对实体经济造成冲击，近年来我国出台了一系列调控政策稳定房地产市场②。

自1994年我国全面推广分税制改革以来，地方政府在财权上移的同时，承担的公共支出责任并未相应减少，即使有中央政府的税收返还和转移支付，不断上涨的财政支出压力和地方发展的竞争压力也使得地方政府越来越依赖土地财政，更倾向于突破当前的房地产监管，获得更多的土地收益。但中央政府的“约谈机制”却使得地方政府直接放松调控政策面临被惩罚的风险，尤其是对新房价格和土地出让价格的管控，地方政府与中央政府的博弈行为也越来越明显③。在保证房地产市场平稳健康发展的总体要求下，考虑到地方政府的财政支出困境，中央政府通过“一城一策”给予了地方政府逐步摆脱房地产市场过度依赖的空间和时间。尽管严格管控新房价格和土地出让价格，但对城市新房规划建设的规模和二手住宅并未纳入“约谈”范围内。在无法直接突破以限价等“五限”政策为代表的调控政策的约束下，地方政府倾向于加快用地审批流程，扩大新房建设数量，以土地投放量和新房销售量的提升增加公共财政收入。进一步考虑，供给量的提高意味着城市需要大量的移民消化当前的真实住房供给。在此背景下，各级城市出台了人才落户政策，既契合了中央经济工作会议提出的“推动非户籍人口在城市落户”的要求④，又能增加政府财力，提升城市核心竞争力。值得关注的是，引进人口虽然被视为城市核心竞争力的关键体现，但同时也是影响房价上涨的重要因素⑤。

考虑到在新房备案价的制度下，二手住宅价格的变动更能反映出此轮落户政策对中央调控目标的影响，图1给出了参与城市累计数量与二手房价变动率的关系。2017年1月至2019年2月，全国已有超66个城市发布了人才引进政策，参与城市数量与颁布政策频率呈现出不断上升的趋势⑥(虚线)。与此同时，参与“抢人大战”的城市二手住宅房价也在同时期明显上涨⑦(实线)。引进人才本应与城市的产业升级、未来竞争力相适应，而人才落户政策颁布时点与城市房价启动上涨节点相近现象的出现，不禁让人思考：地方政府“抢人大战”是否对冲了房地产调控政策？

图1 2017—2019年人才落户颁布城市累计数量与房价变化率资料来源：作者根据Wind数据库数据整理得出。

现有文献中“抢人大战”是否对冲房地产调控政策的观点可以分为两类：第一类观点考察人才落户对房地产调控政策的间接影响关系，认为长期来看，影响城市房地产市场平稳发展的一个重要因素是人口结构变迁，在部分城市资本存量已达到较高水平的情况下，人口结构对楼市基本面的影响愈发重要⑧。因此，城市通过人才落户政策吸引人口，是一种旨在持续改善城市未来人口结构、提高住房供给和保障效率的集体决策。中央政府调控政策主要出发点也是保障不同群体的住房需求，建立合理有效的城市住房供需匹配机制，避免在快速城市化过程中因房价上涨快于收入增长速度，而忽略了购房群体中购买力断层人群的住房需求。因此，这并不有悖于中央政府的房地产调控政策，通过出台“人才落户”政策引进人力资本不仅有助于提高劳动者素质，还存在着显著的经济增长外部效应⑨。当然，关于此类经济增长外部效应的讨论更多的与研究城市规模和经济增长的文献有关⑩，由于本文关注的焦点是抢人大战对房地产调控政策的影响，因此，此类文献并不是本文文献综述关注的重点。

相较于第一类文献偏重理论的研究，第二类观点则更多的是寻求各类“中国特色”，侧重于考察人才落户政策对房地产调控政策的直接效应。这部分文献认为“抢人大战”虽然带来了人口的短期增长，一定程度上改善了城市未来发展所需要的人口结构，但宽松的门槛标准却使得购房群体一方面直接突破了限购政策的监管，获得了新房的购房资格；另一方面，城市的住房供给难以满足短期内涌入的住房需求，使得部分购房群体转向二手房市场，继而推动了二手房市场的房价上涨。随着人才引进标准的门槛逐渐降低，满足购房条件的群体也不断扩大，政府出于经济增长颁布的人才落户政策吸引到的是更多的投资者而非城市发展所需要的各类人才。即使考虑到人力集聚能够带来城市的发展，但人才落户政策缺乏长期的制度安排，只会挤压城市的公共资源，降低城市的平衡性，从而诱发新一轮的房价上涨。这无疑是对冲了中央政府的房地产调控政策。

由此可见，现有研究对“抢人大战”是否对冲了中央政府房地产调控政策的问题，仍存在不一致的看法，并不能简单地依据人才政策出台时间和房价上涨节点一致的趋势得出“人才大战对冲了住房调控政策”的结论。更为重要的是，中央政府建立健全房地产长效机制的决策与地方政府在不突破限价约束下的行为选择，并不能简单地给出定性的描述。基于此，本文利用2013年6月到2018年5月70个大中城市的二手房数据，利用多期双重差分模型研究了人才落户政策与房地产调控政策效果的关系，并辅以新房的数据给出稳健性检验。实证结果表明，较低门槛的人才落户标准并不利于中央政府房地产调控目标的实现，人才落户标准设置越宽松的城市，房地产调控政策的效果越不明显，表现出更高的房价上涨幅度。此外，我们还发现人才落户政策的对冲作用对于资源禀赋不同的城市并不相同。

与已有的文献相比，本文有以下三方面的边际贡献：第一， 以往研究大多集中于人口流动对房价的影响，但此轮大范围出台的人才落户政策，大多突破了户籍等传统研究变量的限制，有关这轮人才落户政策对房地产调控政策效果影响的经验证据仍很缺乏，也没有经验研究为不同规模的城市如何在人才引进中受益提供证据；第二，研究数据的时间跨度选取在2013年6月份至2018年5月份，较长的月度数据有助于综合比较这轮人才落户政策对房地产调控政策的短期和长期影响；第三，考虑到在各种调控政策下，新建住宅已经不能准确反映出城市的真实房价，本文数据包含了目标样本的二手房房价，更细致地考察了这轮人才落户政策对房价的影响。

二、经典事实与理论假设

讨论这轮“人才大战”对中央政府房地产调控政策目标实现的影响，需要考虑中国城市的经典事实。虽然城市在人才落户的实践上存在较大差异，但普遍形成的共识是劳动力市场群聚带来了城市人口的集聚效应和成本优势，由此带来的经济持续增长是城市发展的主要动力之一。因此，这一轮各级城市颁布人才落户政策无疑是集体决策的最优制度安排。在中国，各级地方政府出台人才落户政策至少出于以下两种事实的考虑。首先，从供给层面，对土地供给的垄断和土地财政的依赖使得地方政府倾向于高价出让居住用地，高地价继而推高了城市房价。与此同时，招商引资的竞争又使得地方政府热衷于低价出让工业用地，进一步挤占了居住用地，强化了房价上涨的可能性。因而，新建住宅的土地出让价格和销售价格也成为中央政府房地产政策的重点调控内容，对地价和房价异常变化的城市发布预警也将在未来常态化。在政绩考核和约谈机制的双层约束下，地方政府如果再通过高地价和高房价增加地方财政收入就面临被“惩罚”的风险。因此，推动更多土地进入市场，提高土地供给量和住宅销售量也就顺其自然地成为了地方政府应对监管、缓解财政支出困境的有效途径。如果有相对应增加的住房需求，城市完全有可能实现人口集聚和房价稳定的共赢。其次，从需求层面，“人才落户政策的出台”源于日趋激烈的城市竞争和以老龄化为特征的人口结构性危机，这种竞争延伸到要素市场，促使城市大量吸收外来人员，引导优秀人力资源集聚以支撑城市未来的发展和消费。

这两种考虑在现阶段更加突出。我国经济步入“新常态”以后，经济增长方式明显转向创新驱动，劳动力市场呈现新型竞争性格局。一方面，经济高速增长阶段，劳动力流向主要是农村富余劳动力进入城市，人力集聚带来城市规模的增长，同时促进劳动生产率的提高，进而提升人均实际收入，人口红利支撑了快速城镇化的需要。经济增速放缓以后，农村适龄劳动力已基本被城市发展所吸收。对于二三线城市而言，生育率走低、适龄劳动人口数量趋于下降、老年人占比逐渐提高等因素带来的劳动力短缺，已经制约了城市的可持续发展。另一方面，经济“新常态”过程中出现的产业梯度转移，也推动了诸多产业向新兴城市逐步转移，这得益于近年来二三线城市基础设施的发展。在产业资本兴替以及特大城市的生存环境等多重因素催化下，集中于大城市的人力资源随着产业梯度转移的过程出现重新配置的态势。这实际上也是二三线城市在经济增长的压力下，出台人才落户政策的契机。基于以上考虑，本文提出以下假设：

假设1：人才落户政策嵌套于城市未来发展需要，长期来看，并不有悖于中央政府的房地产调控政策。

与经典事实相伴随的是此轮人才政策在设计上的缺陷和快速的房价上涨。通过人才引进“变相”放松对当地房地产市场的调控无疑能增加当地政府财政收入，完成政绩考核等效用目标，短期内容易被观察到的就是地方政府出于缓解财政支出压力的动机，与中央政府房地产调控政策的目标上的不一致。具体来说，各地人才落户新政的门槛在“拼抢”中不断被放宽，变相地降低了限购门槛，给了购房者甚至炒房者便利，带来房价(尤其是二手房房价)的上涨。这种上涨机制不难解释，一方面，此轮人才落户政策更多地面向新就业群体，而新就业群体的住房需求是房地产市场的一个重要组成部分，因此，相对于工作稳定的群体来说，新就业群体可能短期内带来更多的刚性住房需求。在住房需求的增长快于土地和住房供给时，部分移民会转向二手房市场，真实的住房需求和二手房房价在更高处达到均衡；与此同时，此轮人才落户大多采用了针对特定人才的定向放松，地方政府出于吸引人才而放宽的门槛标准在改善城市用工环境的同时，也吸引了投机性住房需求。宽松的落户政策弱化了限购等房地产调控政策的效果，阻碍了中央政府房地产调控政策目标的实现。

因此，讨论此轮“人才大战”对中央政府房地产调控政策目标实现的影响，不仅要看地方政府的制度设计是否有悖于中央的房地产调控政策，还要观察人才落户政策实际执行层面有无偏差。这种执行偏差对房地产调控政策的影响也大多通过以下两个途径。一方面，膨胀的住房需求在短期内对房地产市场造成冲击，诱导普通民众形成房价上涨预期。这也使得此轮人才落户政策带来的是以房屋为代表的非贸易品价格的上涨，并非城市竞争力提升过程中人力资源集聚出现的正常价格上涨；另一方面，人才引进政策异质性考虑的缺失导致“抢人容易留人难”的困境。此轮人才政策大多忽视这样一种事实：当前不同层级城市获得经济增长动力的实现途径有了明显分化，不同类型的人才引进又为这种分化提供了选择的空间。这就使得政策的出台仅仅是“抢人大战”的起点而非终点，地方政府引进人才与中央政府房地产调控政策目标的契合更需要后期 “留住人才”的制度设计， 通过人才落户带来人口结构的持续改善，稳定房地产市场。基于以上考虑，本文提出以下假设：

假设2：人才落户政策短期内会对冲房地产调控政策，负外部效应明显。

基于以上机制的研究主要是从总体上评估人才落户对房地产调控政策的影响，这类研究的缺陷在于缺乏城市异质性的考虑。此轮人才落户的城市既包括一线和新一线城市，也包括了三四线城市，甚至连县级城市也加入了人才引进的行列。因此，有理由认为人才落户对房地产调控政策的影响机制也可能跟城市资源等级相关。城市间政策效果的差异可从一线城市和二三线城市入手解释。

一方面，大城市基于其区位优势和产业结构，不仅在劳动生产率、个人就业率以及城市优质公共资源方面有着巨大的比较优势，而且“包容性增长”的城市发展模式使得大城市能够容纳更多的低技能劳动者。从这点来看，一线及新一线城市本身就具备吸引人才的良好环境，人才所看重的未来发展机会都让一线及新一线城市在城市竞争中对人口的吸引力具有绝对的先天优势。“抢人大战”后，严格落户限制的放开只会进一步强化中心城市的虹吸效应，新增住房需求快于土地和城市新建住房供给的速度，二手住房价格上涨速度快于居民收入增长率，在预期有效住房需求不断上升的背景下，房地产市场难以形成稳定预期，中央政府的房地产调控政策目标也难以实现。

另一方面，二三线城市中，一个城市颁布的人才落户政策往往会引发同级别城市的同质化竞争。这种随着经济下行压力增加而出现的趋于激烈的城市竞争，张五常给出了一种可能的解释，即县域竞争，在“官员锦标赛”的促使下，地方政府相互进行GDP竞争，从而提升城市公共服务水平与当地经济。一个城市的人才落户标准往往给其他城市政策的制定提供了合理性与合法性，从地方财政的角度来看，无疑会采取跟随性行动。这样来看，未来二三线城市落户的门槛将趋于一致，回到最初竞争状态，与户口挂钩的人才落户政策也很难在同质化竞争中吸引到人才。宽松的人才引进政策缺乏后期“留住人才”的措施，移民的外流降低了住房的实际需求，在一城一策的“预警——约谈——针对性加码调控”的背景下，其房价泡沫部分也容易被市场参与者观察到。城市想获得长期的经济增长动力，其根本还是需要依靠城市的教育、医疗、交通、产业等核心资源优势。基于以上考虑，本文提出以下假设：

假设3：人才落户政策对房地产调控政策的影响因城市层级不同而存在差异。

三、数据、变量说明与模型设定

(一)数据与变量说明

为了检验人才落户政策是否显著地影响了房地产调控政策目标的实现，以及这种影响对于不同规模城市的差异，本文选取了全国70个大中城市作为研究对象，数据范围为2013年6月至2018年5月，基本上涵盖了全国各城市颁布人才落户政策的节点。本文的数据主要来源于以下几个方面：第一，城市住房价格数据。二手房房价数据来源于中国指数研究院和Wind数据库，二手住宅销售价格指数来源于国家统计局网站，新建住宅数据来源于《中国区域经济统计年鉴》，部分缺失数据由各地统计年鉴补充。第二，人才落户政策数据主要来源于各地政府网站及媒体报道。第三，城市特征数据主要来源于《中国城市统计年鉴》和Wind数据库综合得到。具体如下：

1.城市住房价格数据与变量

有别于以往的相关研究，本文搜集了目标城市研究窗口期内的二手房房价。为保证研究的准确性，本文仍然选取新建住宅的房价和住宅销售价格指数进行对比。城市住房价格数据与变量具体如表1所示，其中Lnpriceold为二手房房价；hprice为不同面积的住宅销售价格指数，分为二手房(hpriceold)和新建住宅(hpricenew)，按照建筑面积进一步区分为90m2以下二手房(hprice4)、90—144m2二手房(hprice5)、144m2以上二手房(hprice6)、90m2以下新房(hprice1)、90—144m2新房(hprice2)以及144m2以上新房(hprice3)等六类房价指数。

表1 城市住房价格变量

2.人才落户政策与变量

本文主要研究人才落户政策对于住房调控政策效果的影响，基于多期DID的分析方法，我们人工分析了各地政府网站及媒体报道的信息，对于城市i在t时期，如果颁布了人才落户政策，定义为1，否则取值为0，数据包含了2013年6月至2018年5月的信息。人才落户政策与变量见表2。

表2 人才落户政策变量

3.城市特征数据与变量

本文选取的其余控制变量主要为反映城市特征的变量，包括人均GDP、各城市地方公共财政收入累计同比、当月成交土地面积、城市所在省份的消费价格指数、城市固定资产投资完成额、是否是东部城市的0-1变量、是否是中部城市的0-1变量、是否是西部城市的0-1变量以及是否是东北地区城市的0-1变量。其中，由于无法获得GDP增长率月度数据，我们参照以往文献的研究，选用城市所在省份的工业增加值增速作为替代变量。城市特征变量见表3。

表3 城市特征数据与变量

(二)模型设定

本文首先基于第二部分的机制分析建立了如下OLS基准模型：

Lnpriceoldi,t=αi+βiTalentsi,t+σiXi,t+Month+μi+εi,t

(1)

其中，Lnpriceoldi,t为被解释变量，表示二手房房价，模型设定以Lnpriceoldi,t为例，实证中会按照表1 的表述改变被解释变量。Talentsi,t表示城市出台人才落户政策，Xi,t代表与城市关联程度较高的变量集合，Month表示控制月度效应，μi表示控制个体效应，εi,t表示随机干扰项。进一步考虑，是否实施人才落户政策无疑是借助于外生市场形成的准自然实验，双重差分法(DID)能够更为准确地识别出变量间的真实因果关系，因此本文借助双重差分的分析方法进行进一步的研究。但需要考虑的是，一般的双重差分模型主要是两期，即政策发生前的处理组和控制组，政策发生后的处理组和控制组，显然政策实施的节点是同一的。但不同城市实施人才落户政策显然不是在同一期内发生的，政策的出台具有明显的城市特征。因此，本文采用多期双重差分方法，保证每个处理组的交互项在数据显示中的差异性，测算人才落户政策对于房地产调控政策影响的平均处理效应。考虑到新建住宅的土地出让价格和销售价格成为中央政府房地产政策的重点调控内容，因此本文选择二手房房价和住宅类土地供应数量作为房地产政策效果的代理变量。为保证研究的准确性，辅以新建住宅的数据作为对比。综合以上分析，本文设定的多期双重差分模型为：

(2)

在式(2)中，下标i和t分别代表不同的城市和年份，Lnpriceoldi,t为被解释变量，用来作为中央政府房地产调控政策效果的代理变量，在不同的模型中分别表示城市i在t时期的房价、住宅销售价格指数以及土地供应数量。talentsi*afteri，t为处理变量，代表不同城市在不同月份实施了人才落户政策，也是本文计算的DID估计量，这实际上也是多期双重差分模型与传统的双重差分模型在模型设定上的主要区别之处。若城市i在第t月出台了人才落户政策，代表此时进入处理期，取值为1，否则为0。Xi，t代表与城市关联程度较高的变量集合，μi和λt代表城市固定效应与时间效应，εi，t表示随机干扰项。表4报告了各变量的描述性统计情况。

表4 各变量描述性统计

续表

四、人才落户与房价：实证结果

(一)OLS基准回归

表5第(1)列、第(2)列和第(3)列分别使用二手房房价、二手住宅销售价格指数以及住宅类用地供应土地数量作为被解释变量。在第(1)列中，直接使用二手房房价与人才落户政策变量回归，回归结果显示人才落户政策变量的系数为正，且在1%的水平上显著，表明出台人才落户政策带来住房需求的膨胀，在新建住宅供给迟滞的背景下，部分需求转向二手房市场，从而推动了二手房价格的上升。随后加入一系列控制特征变量后，系数略有下降，但仍显著。表明地方政府出台人才落户政策，客观上确实对冲了住房调控政策的效果。

控制变量方面，公共财政收入累计同比(pfi)和居民消费价格指数(cpi)与二手房价格显著正相关，表明在中国，住房已经成为了居民财富的重要表现形式，房地产市场参与主体很容易形成房价上涨预期，投资性需求明显。成交土地面积(acreage)的正向显著影响也证实了地方政府在“稳地价”的过程中，倾向于增加地块供应数量以获得财政收入。城市工业增加值增速(iav)和固定资产投资完成额(fi)表现出显著的负向效应，表明中央政府住房调控政策应坚持在供需两端同时调整，让住房供给和需求在更合理的位置达到均衡。

(二)DID实证结果

基准回归表明了人才落户政策对冲了住房调控政策的效果，实证上，对于人才落户政策对住房调控政策的影响需要考虑两方面的问题。一是即使基准回归证明客观上人才落户政策一定程度上对冲了住房调控政策，但住房调控也可能因“模仿”和“预期”等因素影响城市人才落户标准的制定，即可能存在的内生性问题；二是城市间无法观测到的城市特征可能同时对人才落户政策和住房调控政策产生影响，难以准确识别出人才落户政策产生的影响。为保证结果的精确，理论上应考察房价在政策出台前后的变化，双重差分法(DID)提供了度量这种变化的工具，也是目前文献中比较流行的政策效果评估工具。但值得进一步考虑的是，城市是否出台人才落户政策以及出台的时间显然不是随机的，因此本文按照模型(2)的设定使用多期DID方法。

表5 人才落户与房价(基准回归)

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

表6给出了多期双重差分模型(2)的回归结果。回归中控制了城市工业增加值增速、公共财政收入累积同比、月成交土地面积、固定资产投资完成额、居民消费价格指数、城市固定效应以及月度固定效应。与基准回归比较，多期双重差分系数略有下降，二手房房价上涨1.4个百分点，显著性水平明显提高，进一步表明人才落户政策的出台会刺激城市房价的上涨。

需要指出的是，基准回归和多期双重差分的结果即使证明了人才落户政策对房价上涨的刺激确实存在，但却难以有效支撑假设1中“长期来看，人才落户政策并不有悖于中央政府的住房调控政策，对冲只在短期内发挥作用”的论断。换句话，仍需进一步讨论人才落户政策对住房调控政策的对冲效应是否随着时间逐渐减弱。

表6 双重差分估计结果

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

因此，借鉴Beck(2010)的做法，本文接下来考察人才落户政策实施前后的动态处理效应。图2展示了政策实施前3个时间段和政策实施后6个时间段的动态模型结果，前三期的分布表明多期双重差分模型满足平行趋势假设。人才落户政策实施以后，在t到t+5的时间段内，房价涨幅虽有个别月份分布于0以下，但整体分布在0以上，说明短期内人才落户政策对房价上涨存在正向影响，t+6期以后，分布迅速降于0以下，并且在t+6期达到最低点，表明在人才落户政策实施t+6期的节点，人才落户政策对房价上涨的正向效应开始弱化，这支持了假设1中提出的“人才落户政策嵌套于城市未来发展需要，长期来看，并不有悖于中央政府的住房调控政策”。

图2 人才落户政策处理期前后处理效应及平行趋势检验资料来源：作者根据stata输出结果整理得出。

(三)内生性分析

我们利用OLS和多期DID的方法得到的估计结果验证了这轮人才落户政策对住房调控政策的影响。一方面，在短期内新建住房供给缺乏弹性，人才落户带来的人口刚性需求会导致二手房房价明显上升；另一方面，趋于同质化的人才落户政策逐渐丧失竞争优势，相反，由于放宽了购房标准，引发的投机性需求进一步弱化了住房政策调控效果。但理论上来讲，人才落户政策会对冲住房调控政策，但住房政策效果的不明显也可能促使城市提高人才落户的标准，人才落户政策和住房调控政策之间存在着双向因果关系。

因此，为了准确估计人才落户政策对于住房调控政策的影响，本文采用本地区内同级别城市是否出台人才落户政策作为工具变量。一方面，出于城市竞争的需要，本地区内同级别城市出台人才落户政策很容易刺激城市本身出台类似政策；另一方面，本地区内其余城市出台的人才落户政策并不会直接影响到本城市的住房调控政策，符合工具变量的“外生性”要求，并同时通过了弱工具变量检验。表7报告了工具变量的估计结果，系数和显著性水平略有上升，支撑了前文的结论。

表7 工具变量估计结果

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

五、进一步的拓展与讨论

本文以上的分析发现“抢人大战”一定程度上弱化了住房调控政策的效果，但按照第二部分的机制分析，更符合现实考虑的是不同城市的人才落户政策对住房调控政策的影响可能并不相同。为了验证异质性的存在，本文进行了如下分析，进一步考察“抢人大战”对住房调控政策的影响。

(一)不同建筑面积的影响

在基准回归的基础上，表8进一步以建筑面积细分了二手住宅销售价格指数，并对比了新建商品住宅的结果。区分了建筑面积后，结果显示各类住宅均明显受到人才落户政策实施的影响，从数值上看，人才落户政策更加促进了144m2以上二手住宅房价和90m2以下新建住宅房价的上涨。通过人才引进落户的群体大多为刚性需求，对于90m2以下住宅的需求充足，而144m2以上二手住宅大多满足的是改善性需求，即使不考虑住房的投机效应，人才落户政策实施对短期住房调控政策的效果仍值得关注。

表8 人才落户与房价(建筑面积)

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

(二)不同区位的影响

我们将全部样本按照地理位置，区分为东部城市(east)、中部城市(central)、西部城市(west)以及东北城市(northeast)。在所有的回归中，均控制了城市层面的特征变量。模型设定如下，因篇幅原因，仍以二手住宅房价和东部地区为例，回归结果报告于表9。

Lnpriceoldi,t=αi+βiTalentsi,t*east+σiXi,t+Month+μi+εi,t

(3)

从表9中的模型可以看出，出台人才落户政策对东部和中部地区的住房调控政策的对冲作用更加明显。这与前文的分析基本一致，东部和中部地区因其较好的资源禀赋强化了人才落户政策对人口的拉动作用，如果没有契合人才落户政策的房地产市场调控手段、城市公共资源的投入以及为留住人才的政策支持等，短期内对住房调控政策的对冲作用就很明显了，验证了假设3。

表9 分地区估计结果

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

(三)不同城市规模的影响

根据2018年中国城市等级最新排名，我们将样本按照是否是一线和新一线城市(ftc)进行区分，以考察不同规模城市房价受政策影响效果，模型设定如下，结果报告于表10。

Lnpriceoldi,t=αi+βiTalentsi,t*ftc+σiXi,t+Month+μi+εi,t

(4)

其中，表10第(1)列代表一线和新一线城市，第(2)列表示其余城市。结果显示，人才落户政策对一线和新一线城市住房政策的对冲作用更加明显，且在1%的水平上显著。在这轮人才落户过程中，城市竞争力仍然是环境、人口、教育、卫生等资源的综合体现，人口仍然会主动流向一线及新一线城市，二三线城市因同质化原因仍然缺乏核心竞争力，验证了假设3。

表10 不同规模城市估计结果

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

(四)不同落户标准的影响

本文梳理了样本城市的人才落户标准，依据落户的学历、技能、社保缴纳年限、工作等将样本区分为落户标准严格和落户标准宽松两类，其中，落户标准严格定义为1，落户标准宽松定义为0，用变量落户标准(standards)表示，模型设定如下，结果报告于表11。

表11 不同标准人才落户政策对于房价上升的平均处理效应估计结果

注：括号内为标准误，***、**、*分别表示显著性水平为1%、5%、10%。

Lnpriceoldi,t=αi+βiTalentsi,t*standards+σiXi,t+Month+μi+εi,t

(5)

其中，表11第(1)列代表人才落户标准严格的城市，第(2)列表示落户标准宽松的城市。结果表明，人才落户标准宽松的城市对冲效应更加明显，研究结论与前文基本一致，验证了假设2。

六、结论及政策启示

本文探讨人才落户政策的出台对住房调控政策效果的作用机制，采用2013年6月—2018年5月的城市数据，实证考察了人才落户政策对住房调控政策效果的影响。文章运用多期双重差分法克服了样本选择性偏误，实证结果表明短期内人才落户政策会对冲住房调控政策的效果；区分不同地区的城市后，人才落户政策更明显地弱化了东部地区住房调控政策的效果；区分不同规模的城市后，人才落户政策对一线及新一线城市房价的提升效应强于二三线城市；区分不同程度的人才落户标准后，结果显示人才落户标准宽松的城市，住房调控政策的效果更加不明显。

本文以贴近中国城市竞争的客观实际解释模型的实证结果，研究思路和结论或将为后续学者的研究提供一定的参考。长期以来，二三线城市处于“城市竞争力不足”的困境，突出表现为人口尤其是高技能人才持续流向一线和新一线城市。2017年开始的这轮人才落户更是充分演绎了二三线城市迫切改变人口内生动力不足，要求引进高技能人才的意向，但如何避免人才落户政策成为“弱化住房调控政策”的推手仍需进一步的制度设计。结合当前新形势，本文的研究结论对城市实施人才落户政策具有以下几点政策启示：

第一，合理制定人才落户的标准。从全国范围上看，我国城市化进程仍将不断深化，人口流动趋势出现新的变化，部分二三线城市可以凭借区位等资源禀赋承接这些人口溢出，成为下一轮城市化中吸引人口的主力。但过低的引进门槛并不利于当地房地产市场的稳定，在出台人才落户政策过程中，应结合就业岗位匹配、工资待遇提升空间、生活成本以及公共资源服务能力等综合性条件全面考虑，充分发挥人才落户政策对于提升城市竞争力的积极影响，而不是单纯地无门槛放开落户限制以吸引人口。

第二，注重人才落户政策的制度创新。现阶段二三线城市资源层级的“先天不足”，导致吸引人才落户不能仅仅依靠城市自身资源，也需要政府主动补位，通过实施人才落户政策以弥补城市资源缺失的短板。但在实施过程中，中国各城市的人才落户政策缺乏创新，大多为户籍政策和限购政策的放松，这导致一个城市在出台人才落户政策时，很容易被其余城市所模仿，逐渐丧失前期建立的竞争优势。因此，在出台政策时，应注重人才落户政策的针对性以及与房地产市场调控的互补程度，主动依托城市特征深化人才落户政策的顶层设计，充分发挥城市本身的内在优势，注重从公共资源便利化、金融体制支持等制度层面探寻“留住人才”的有效途径，最大限度地降低人口外迁。

第三，注意整合“城市群”的集聚优势。目前，中国区域经济已经形成了以城市群为核心的空间发展模式，十九大报告中也提出实施区域协调发展战略，以城市群为主体构建大中小城市和小城镇协调发展的城镇格局。一线城市由于集中了大量优质的公共资源以及更多提高收入的工作机会，因此始终保持着对于人才的吸引力。但这种城市功能分工格局在城市群中不是静态的，而是动态变化的。随着部分大城市出现人口外流，城市群中非核心城市可能会由于获得某种独特优势而获得发展的机会，经济结构逐渐转型，到一定程度后也开始承担生产性服务功能。因此，在制定人才落户政策时，应注意把握城市发展所需人才的利益诉求和最新预期，针对不同类型的高技能人才制定灵活的人才引进政策。

注释

①陆铭、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》 ，《世界经济》2014年第1期；庄凯融、张金鳄：《中国城市化对商品房价格影响的研究——基于286个不同规模城市面板数据的实证检验》，《价格理论与实践》2018年第1期。

②吴晓瑜、王敏：《中国的高房价是否阻碍了创业》，《经济研究》 2014年第9期；杨恒：《我国房地产调控有效性分析》，《宏观经济研究》2014年第3期；陈小亮、李三希、陈彦斌：《地方政府激励机制重构与房价调控长效机制建设》，《中国工业经济》2018年第11期。

③曹清峰、王家庭等：《什么影响了地方政府住房限购决策？——考虑政策异质性的中央与地方政府博弈》，《公共管理学报》2015年第4期。

④2019年4月8日，国家发改委颁布《2019年新型城镇化建设重点任务》，要求100万人—500万人大城市的落户政策进一步放开，超大特大城市落户积分项目进一步精简或合并。可以看出，放开户籍管理、出台人口落户制度是符合中央政府未来关于城市发展规划要求的。

⑤况伟大：《预期、投机与中国城市房价波动》，《经济研究》2010年第9期；陈斌开、张川川：《人力资本和中国城市住房价格》，《中国社会科学》2016年第5期。

⑥2017年后出台人才落户的代表城市包括：(1)山东半岛及京津冀地区：青岛、济南、烟台、聊城、淄博、济宁、临沂、潍坊、泰安、滨州、北京、天津、石家庄、秦皇岛、邢台、承德、沧州、廊坊、保定、唐山、张家口；(2)中西部地区：长沙、新余、南昌、武汉、西安、郑州、成都、重庆、洛阳、兰州、呼和浩特、太原；(3)泛长三角地区：上海、南京、杭州、无锡、扬州、宁波、滁州、合肥、昆山、徐州；(4)泛珠三角地区：深圳、广州、中山、珠海、佛山、东莞、福州、厦门；(5)东北地区：沈阳。

⑦数据显示，2018年4月，西安进一步放宽人才落户标准后，同期西安二手住宅销售同比增长9.4%；5月，哈尔滨颁布人才引进政策后，同期新建商品住宅同比增长12%；沈阳、成都、南京等城市二手房挂牌均价涨幅均超4%。这一点，在已颁布人才引进标准的60余个大中城市上均有体现。

⑧R. Lucas, “On the Mechanics of Economic Development，”JournalofMonetaryEconomics,vol.22,no.1,1988,pp.3-42;P. Bayer, F. Ferreira and R. Mcmillian, “A Unified Framework for Measuring Preferences for Schools and Neighborhoods,”JournalofPoliticalEconomics,vol.115,no.4,2007,pp.588-638;齐红倩、闫海春：《人口老龄化抑制中国经济增长了吗？》，《经济评论》2018年第6期。

⑨王士红：《人力资本与经济增长关系研究新进展》，《经济学动态》2017年第8期;李天籽、王伟、邓丽君：《基于PVAR模型的东北地区城市化、工业化与人口集聚分析》，《人口学刊》2018年第6期。

⑩A. Marshall,PrinciplesofEconomics, London: Macmillan, 1890;P. Krugman, “Increasing Returns and Economic Geography,”JournalofPoliticalEconomy, vol,99,no.3,1991,pp.483-499;孙叶飞、夏青：《新型城镇化发展与产业结构变迁的经济增长效应》，《数量经济技术经济研究》2016年第11期;杨华磊、何凌云：《人口迁移、城镇化与住房市场》，《中国软科学》2016年第12期;邵朝对、苏丹妮、邓宏图：《房价、土地财政与城市集聚特征：中国式城市发展之路》，《管理世界》2016年第2期;刘瑞翔、夏琪琪：《城市化、人力资本与经济增长质量——基于省域数据的空间杜宾模型研究》，《经济问题探索》 2018年第11期;潘士远、朱丹丹、徐恺：《中国城市过大抑或过小——基于劳动力配置效率的视角》，《经济研究》 2018年第9期；卫平、余奕杉：《产业结构变迁对城市经济效率的影响——以中国285个城市为例》，《城市问题》2018年第11期。