老舊小區改造對住房價值影響評估
——來自南京市的實證經驗

馬 鑫 侯嘉奕 黃 濤

一、引 言

居住環境與社會福利息息相關，良好的環境對居民的教育、收入乃至代際流動性等都至關重要(Chetty 等，2016；Chetty 和Hendren，2018；王軍鵬等，2020)。黨的十九大報告指出，要不斷滿足人民日益增長的美好生活需要。良好的居住環境也是美好生活需要之一，如何改善居民的居住環境，讓老百姓在宜居的環境中享受生活，是當今社會重要的民生話題之一。對政府而言，改善居住環境的做法大體上可分為兩類，其一是新建優質住宅，其二是改造老舊住宅。然而，由于我國一些地區(尤其是大中城市)存在土地供給受限、新增建設用地不足的問題，新建住房供給的增長無法完全匹配新增人口的增加，導致了新建住房短缺與房價上漲的現象(陳斌開和楊汝岱，2013；韓立彬和陸銘，2018)，使得通過新建優質住宅來改善居住環境的做法在這些地區缺乏現實可行性。而由于我國住房市場化起步較晚，商品房市場更是在1998 年改革后才初見萌芽，在質量、環境、設施等方面落后的住宅區曾長期普遍存在，導致了如今老舊小區大量積壓的局面。截至2019 年5 月底，全國城鎮需改造的老舊小區數量約17 萬個，涉及居民上億人①數據來源于中華人民共和國住房和城鄉建設部。。

老舊小區改造作為改善居住環境的重要途徑，被各地政府視為重要的民生工程。2019 年一年間，我國完成了1.9 萬個老舊小區改造指標，涉及的中央專項補助資金高達300 億元②數據來源于中華人民共和國財政部。。2020 年7 月，國務院辦公廳印發《關于全面推進城鎮老舊小區改造工作的指導意見》(以下簡稱《指導意見》)，在全國范圍內開展大規模的老舊小區改造工作，加速了這一進程?！吨笇б庖姟分赋?，在“十四五”期間要“力爭基本完成2000 年底前建成的需改造城鎮老舊小區改造任務”，這意味著在5 年內，我國每年平均需要改造2 萬個以上的老舊小區，而相應的總體改造資金預計高達數千億元。

對于這一規模巨大、耗資甚多的民生工程，如何科學有效地制定具體的政策內容(包括改造對象的選取、工程資金的來源、投入標準的設定等)意義重大。而政策內容的制定有賴于對以下三個問題的回答：①老舊小區改造對住房價值的影響有多大？②何種類型住宅獲益更多？③在成本收益視角下這一政策是否有效？現有關于我國老舊小區改造的研究多使用定性方法，缺乏對這一政策的定量研究，無法準確回答上述問題。

基于與《指導意見》要求相近的部分城市老舊小區改造經驗，本文嘗試對這三個問題做出前瞻性回答。本文首先面臨的問題是，如何衡量改造工程對住房價值的提升？我們認為被改造房屋在二手房市場的成交溢價，即購房者愿意為被改造房屋支付的更高價格(相比于未被改造的同類房屋而言)，是一個很好的指標。這一做法和已有研究以房價衡量戶口價值的做法類似(Chen 等，2019)，也可比于以往文獻以房屋溢價衡量周邊學校質量的做法(Black 和Machin，2011)。

為了彌補國內現有研究的空白，本文選取南京市最新一輪(2017—2020 年)老舊小區綜合改造工程作為研究對象，對老舊小區改造工程與住房價值間的關系進行嚴謹的量化研究，從而肯定了該工程對房屋價值及價格的正向促進作用，并進行了具有政策含義的異質性和成本收益分析。之所以選擇南京市，一方面是因為南京市的最新一輪改造政策持續時間較長，并且可獲得原始的詳細數據；另一方面是因為南京市的改造政策經歷了多輪演化，已經形成了內容豐富、標準較高、執行穩定的成熟體系，與《指導意見》的要求最為接近，因而更具參考性。在實證分析中，為了避免自選擇偏差及內生性問題，本文首先使用傾向得分匹配(PSM)方法保證樣本平衡性，再通過漸進雙重差分(DID)模型估計政策效應，并進行了一系列檢驗以保證結果的穩健性。本文的實證結果表明改造工程使得二手房成交單價平均上升4.97%，此效應逐年增強，該結論十分穩健。異質性分析表明，高房齡、小面積、低層建筑的房屋在改造中受益更多，而裝修情況和所在樓層對政策效應沒有顯著影響。成本收益分析表明，平均而言，改造工程對住房價值提升的貨幣化衡量不低于1225 元/平方米，達綜合改造成本的兩倍多，具有進一步市場化的基礎。影響機制分析中，我們沒有發現改造工程影響住房需求數量和供給數量的直接證據，而賣家的議價能力在改造當期顯著提升，表明改造工程帶來住房價值的溢價可能是由于房東主動上調掛牌價格，以及房東在討價還價談判中具有更強的議價能力。

二、政策背景與文獻回顧

（一）老舊小區改造政策背景

經過幾十年的快速城鎮化，存量發展與存量規劃已成為我國城市建設發展的重要方面(陽建強和陳月，2020)，棚戶區改造和老舊小區改造等民生政策被相繼推出，構成了新發展階段下城市改造更新的重要內容。雖然棚戶區改造和老舊小區改造都以改善居住環境為主要目的，但兩者在改造對象、改造程度、推動形式、資金來源等方面存在著明顯區別。具體來說，棚戶區改造以連片規模較大、住房條件困難、安全隱患嚴重、群眾需求迫切的城市建筑為改造對象，以拆遷補償為主要改造形式，由政府主導推動并承擔費用。老舊小區改造以建成時間較長、配套設施老化問題突出、公共服務建設缺項較多的住宅小區為改造對象，以翻新修整建筑、改善美化環境、增加配套設施為主要改造形式，由政府引導、多方參與，改造資金由政府與居民、社會力量合理分擔。鑒于國內對棚戶區改造有較多研究，而對老舊小區研究不足，本文將關注點聚焦于老舊小區改造。

本文研究的老舊小區主要指在2000 年以前建成、至今仍在居住使用的住宅小區，它們普遍存在居住環境較差、使用功能缺失、配套設施落后、物業服務不足、安全隱患較大等問題，難以滿足居民對更高水平生活居住條件的需求。由于老舊小區涉及的住戶范圍廣、產權結構復雜，住戶或物業很難組織實施大規模、高水平的整體改造升級工程，較為常見的做法是進行室內裝修改造，但這對于整體居住體驗的改善十分有限。要解決這一問題，必須由政府推動，在全社會范圍內開展老舊小區整體改造工作，同時發揮規模經濟優勢，擴大內需、帶動經濟循環。2015 年底的中央城市工作會議提出，要“加快棚戶區和危房改造，有序推進老舊小區綜合整治”，將老舊小區綜合改造提上議程。自2017 年底開始，住建部在廣州、廈門等15 個城市開展老舊小區改造試點工作。

2020 年7 月，國務院辦公廳印發《關于全面推進城鎮老舊小區改造工作的指導意見》，在全國范圍內開展大規模的老舊小區改造工作，引起社會的廣泛關注和討論?！吨笇б庖姟分赋?，“到2022 年，基本形成城鎮老舊小區改造制度框架、政策體系和工作機制；‘十四五’期末，結合各地實際，力爭基本完成2000 年底前建成的需改造城鎮老舊小區改造任務”。一方面，老舊小區改造市場空間巨大，未來潛力很大。據統計，我國僅在2019 年一年里就完成了涉及上百萬居民的1.9 萬個老舊小區改造項目，這一數字在2020 年更是迅速上升到3.9 萬個，涉及居民數量超過700 萬人。但即便如此，根據住建部的統計數據推測，我國尚未進行改造的老舊小區數量仍高達10 萬以上。另一方面，由于《指導意見》對老舊小區改造工程制定了明確的時間節點，這意味著在“十四五”期間，我國平均每年還需改造2 萬個以上的老舊小區。

對于時間緊、任務重的老舊小區改造工作，如何科學制定并高效實施相應政策，需要相關的歷史經驗，以及在這些歷史經驗基礎上對政策效果做出的準確評估來指導，這也是本文的重要實踐意義所在。老舊小區改造的歷史經驗從何而來？事實上，在《指導意見》發布之前，除了15 個城市的小范圍試點工作以外，北京、南京等大城市已經開展了多年多輪的老舊小區綜合改造，積累了一定的經驗和數據，這對理解和評估該項政策具有重要的參考價值。鑒于我國一線城市的房價在較大程度上受到土地供給、戶籍制度等多方面因素的影響，我們選取代表性更強的南京市作為本文研究對象。

南京市的老舊小區改造工作開始于2000 年，到2020 年已經歷了4 輪，從早期以美化為目的的建筑整治到后來的室內外綜合整治改造，資金投入標準從2006 年的30～50 元/平方米提高至2016 年的300 元/平方米。2016 年出臺的《南京市棚戶區改造和老舊小區整治行動計劃》提出了“到2020 年底，全市完成1500 萬平方米棚戶區改造和936 個老舊小區整治”①限于數據可得性，我們通過改造工程招標記錄匹配到了446 個被改造小區，因此本文的政策效應可能存在一定程度的低估。的目標，并排定了年度實施計劃。最新一輪改造工程的招標中標公告顯示，綜合改造的內容包括屋面防水、外墻出新、單元門出新、樓梯扶手出新等建筑改造；景觀、道路、廣場、路燈、車位、管線、監控安防、自行車棚等小區環境及基礎設施改造出新。最新一輪(2017—2020 年)老舊小區綜合改造工作具有改造范圍大、資金標準高、改造內容豐富等特點，和《指導意見》要求最為接近，政策效應更具參考性。

（二）文獻回顧與評述

在此部分，我們首先對國內外城市更新改造政策的相關研究進行回顧，之后對住宅質量及社區環境與住房價值的關系進行梳理，最后歸納我國房價的影響因素并指出本文的貢獻。

城市更新改造被認為是提高土地價值和改善環境質量的良好方法(Adams 和Hastings，2001)，相關概念包括城市更新(urban renewal)、城市重建(urban regeneration)、城市再開發(urban redevelopment)、城市恢復(urban rehabilitation)等，它們在城市規劃領域有著相似的含義，但是在規模上卻有著顯著的不同，Zheng 等(2014)對此進行了詳細的梳理。有關城市更新改造與房價關系的研究十分豐富，但涉及中國大陸相關實踐的研究較少。如新西蘭的社區改造計劃通過提升住房質量使得周邊房價上漲3.5%，且有助于增加貧困家庭的福利(Koster 和Van Ommeren，2019)。Ding 等(2000)發現，俄亥俄州的房屋改造提升了周圍的房產價值，但提升幅度小于新建住房。Liu(2010)以英國的城市改造工程為例，發現該工程雖未改善房價的空間差異，但確實提升了改造地的房屋價格。Lee 等(2017)基于臺北市的城市改造政策，利用雙重差分(DID)的方法發現，該政策的公布使受到影響地區的房價相比未受影響地區上漲了14880 元新臺幣/坪。除了以上實證分析外，Schall(1976)通過理論分析發現，在產權不清晰的情況下，城市更新政策未必是有效率和可持續的。Uitermark 和Loopmans(2013)基于對比利時的城市更新經驗總結指出了政策評估的重要性，在權力下放和缺乏評估的情況下，地方政府在城市更新過程中扭曲了聯邦政策，促進了城市紳士化(Gentrification)。

國內的城市更新改造政策包括舊城改造、棚戶區改造、老舊小區改造，陽建強和陳月(2020)對此進行了回顧總結。舊城改造始于20 世紀80 年代，相關研究以模式探索和經驗總結為主(如陳誠，2013)，較少有量化的實證分析。對棚戶區改造的實證研究包括政策評估、與住房價格關系等。如楊曉蘭和倪鵬飛(2016)采用問卷調查的方式對遼寧棚戶區改造進行了評價，發現棚改對居住環境滿意度和社會福利水平滿意度提升30%以上。陳長石和劉晨暉(2019)基于宏觀層面時間序列數據對棚戶區改造背景下非常規貨幣政策對房地產價格的影響進行了實證分析。王優容等(2020)對北京市海淀區的實證分析發現，棚戶區改造對1000 米以內的住房價格存在正的溢出效應和負的階段效應。目前針對國內的老舊小區改造工程尚無相關的實證研究，本文將彌補這一領域的文獻空白。

城市更新改造政策以提升住宅質量和社區環境為主要途徑，對住房價值及價格產生正向影響，以往文獻對這一途徑進行了佐證。研究表明，對房屋進行改造和維護可以在一定程度上避免因房齡增加而帶來的折舊和貶值，進而有效提升房價(如Goodman和Thibodeau，1995；Knight 和Sirmans，1996；Wilhelmsson，2008)。此外，社區環境和房屋設施的改善也有助于提升房價(Rosiers 等，2002；Dastrup 等，2012)。盡管也有一些研究提出在買賣雙方信息不對稱的情況下，房屋質量的提升并不一定能夠資本化在房價中，一些“維護不足”或“過度維護”的房屋價格可能與平均維護程度的房屋價格并無差異(如Knight等，2000；Ben-Shahar，2004)，但大多數研究的結論更傾向于前者。

此外，本文還涉及對中國住房價格影響因素的分析。房價受到許多因素的影響，如以往研究考慮到的經濟基礎(Hwang 和Quigley，2006)、人口結構及人口流動(徐建煒等，2012；李嘉楠等，2017)、宏觀審慎(郭娜和周揚，2019)、貨幣政策(涂紅等，2018)、投機(況偉大，2010)、居民預期(孫偉增和鄭思齊，2016)等。本文從老舊小區改造政策的角度對國內住房價格影響因素文獻進行補充，基于微觀層面的住房交易記錄，以特征價格模型(hedonic price model)捕捉住宅異質性對房價的影響，加入固定效應以控制宏觀因素的影響，從而較為準確地識別老舊小區改造工程對于住房價值的影響。

三、實證方法及數據

（一）基于匹配的實證策略

本文實證研究的目的是考察南京市老舊小區改造工程對當地住房價值的影響。住房價值由物理特征、區位資源及其他因素決定，最終通過市場交易以價格的形式反映出來。其中，物理特征包括房屋面積、所在樓層、建成時間、建筑類型、裝修情況等；區位資源包括房屋周邊的教育資源、交通資源、醫療資源等。本文認為老舊小區改造工程會直接改變房屋物理特征，進而影響房屋價值。但與此同時，改造也可能導致其他未被觀測到的因素發生變化，而本文的一系列穩健性檢驗有效緩解了這一擔憂。

在估計改造影響時，由于老舊小區改造對象的選取并不隨機，受到改造的小區本身在建成時間、地理位置等方面與未被改造小區具有明顯差異。一般而言，建成年代越久遠、處于繁華地段的老舊小區有越大的概率被改造，而這些小區普遍房價較高，因此存在較嚴重的樣本自選擇問題。使用傾向得分匹配后的樣本進行實證估計，可以有效克服樣本選擇偏誤；使用雙重差分模型，可以有效克服樣本選擇偏誤帶來的內生性問題。因此本文將樣本限定在2000 年及以前建成的老舊小區，在小區層面進行傾向得分匹配(PSM)，為每一個被改造小區匹配一個傾向得分值最接近的未改造小區，再用匹配后的樣本建立雙重差分(DID)模型來估計改造工程帶來的影響。這種基于傾向得分匹配的雙重差分模型可較好地識別老舊小區改造的政策效應。

首先在小區層面進行傾向得分匹配。將小區隨機排序，用Dj表示小區j 是否被改造過，以該變量作為因變量，以小區層面的物理特征、區位特征等變量作為協變量Z 進行logit 回歸，模型如下：

由式(1)進行回歸估計得到傾向得分值，再以無放回的方式為每一個被改造小區匹配一個傾向得分值最接近的未被改造的老舊小區作為參照①為避免匹配模式導致的潛在問題，在穩健性檢驗部分嘗試了其他匹配方式。，保留匹配后小區的樣本?；诶吓f小區改造工程實施的時間不同這一事實，建立以下漸進DID 模型來識別政策效應：

其中，被解釋變量 ln( Priceijt)為每套二手房成交單價的對數，下標i 表示住房，j 表示所在小區，t 表示成交年份。虛擬變量 Renewaljt是本文的核心解釋變量，表示小區j在年份t 及之后是否被改造過，被改造過取1，否則取0。χijt是一組房屋層面的控制變量，包括面積、房齡、樓層、所在樓棟的總樓層數、裝修情況、建筑類型等。由于已經控制了小區固定效應，小區層面不隨時間變化的區位特征不必再加以控制，而PSM 已經保證了這些因素在處理組和對照組之間沒有差異。tω為年份固定效應，ηj為小區固定效應。此外，還加入了以年份計數的時間趨勢t 與區縣固定效應dφ的乘積，以控制不同區域的異質性趨勢。εijt為隨機干擾項，估計模型時將標準誤聚類到小區層面。

DID 模型要求數據滿足平行趨勢假定，該假定在本文中的含義為：在改造發生前，被改造小區和未被改造小區的房價在控制了固定效應和控制變量后無明顯差異。因此我們將解釋變量 Renewaljt替換為一組表示政策前后τ年的虛擬變量 Tjτ(τ=-4 , …,3)，以被改造前1 年為參照，將基準回歸模型變為：

在上述模型中，我們關心的是系數τβ。平行趨勢的假定下，預期β-4、β-3、β-2不顯著異于0。而0β、1β、2β、3β則表示在改造當年及之后幾年的動態效應。模型的其他設定與式(2)相同。

此外，我們還關心改造對于不同類型房屋的異質性效應，因此，在主效應模型的基礎上引入 Renewalit與一系列房屋類型 HouseTypei的交互項，模型為：

其中，我們重點關注的系數θ表示改造工程對于不同類型房屋的異質性影響。模型的其他設定與式(2)相同。

（二）數據、變量及匹配結果

1. 數據來源

本文所用到的房屋層面數據包括交易信息、房屋特征等，數據來源為鏈家網南京市二手房成交記錄(https：//nj.lianjia.com/chengjiao)；小區層面數據包括小區基本情況、區位信息等，數據來源為鏈家網南京市小區數據(https：//nj.lianjia.com/xiaoqu)及百度地圖。根據南京市公共資源交易平臺“房建市政”招標公告，我們匹配到446 個被改造的小區及其對應的改造年份。

在樣本期內(自2012 年1 月至2020 年9 月)，共獲取南京市二手房成交記錄69334 條，覆蓋3756 個住宅小區。在實證研究前，我們進行了一系列樣本預處理，刪除了關鍵變量缺失的樣本、成交記錄數小于200 的溧水區和高淳區樣本、戶型為“車位”的樣本、樓層為“地下室”的樣本，刪除了2000 年以后建成小區的樣本，對成交單價進行2%雙邊縮尾處理以避免極端異常值的影響，得到有效樣本32743 個，其中9674 個位于被改造小區。

2. 變量定義

原始數據中包含的變量為每套二手房的成交單價、掛牌單價、房齡、面積、所在樓棟總層數、所在樓層、裝修情況、建筑類型。匹配到的小區特征包括總樓棟數、小區建成年代、所在街道、經緯度等。再根據小區地理位置計算出到市中心①這里用新街口商圈作為市中心的代表。之所以不用其他或多個商圈作為中心，是由于南京不同商圈差異較大，如新街口定位于國際性商圈，而河西、江北和城南定位于都市性商圈，且新街口位于南京市地理中心，因此統一計算各小區到新街口的距離，以此作為控制變量。的距離、到最近三甲醫院的距離、1000 米內是否有地鐵、1000 米內是否有公園、1000 米內的小學數量，分別表示小區的偏遠程度、醫療資源、交通資源、休閑資源、教育資源。

由于被改造對象大部分為位于主城區的“老破小”住宅，這與學區房的特征高度吻合，盡管我們控制了1000 米內的小學數量，學區房因素仍然可能會對結果產生較大干擾。為了排除這一影響，根據地理距離生成“學區房”啞變量，將其作為PSM 匹配的協變量，確保其在處理組和控制組之間無顯著差異②感謝匿名審稿人的建議。附錄1 報告了我們確定重點小學的原則及名單。讀者可掃描本文首頁二維碼，獲取電子版附錄。。具體做法為：首先綜合數十個網站的公開信息，確定了30 所小學為重點小學，并通過與相關人士訪談確認該名單具有代表性。對于每個小區，我們將距離最近的一個小學視作該小區對應的學校，判斷該小學是否為重點小學及其分校，若是則變量“學區房”取1，否則取0。在后文將檢驗其他定義下的學區房啞變量在處理組和對照組的分布情況。

3. 匹配結果

以建筑年代、總樓棟數、建筑類型、到市中心的距離、到最近三甲醫院的距離，1000 米內是否有地鐵、1000 米內是否有公園、1000 米內的小學數量、是否為學區房作為協變量，以是否被改造過作為因變量進行1∶1 近鄰匹配，將匹配權重為0 的樣本刪除，得到17665 個樣本用于后續分析。

附錄中圖1 展示了樣本小區的空間分布情況，絕大部分處理組和對照組小區密集分布于長江以南、秦淮新河以北的主城區，而未匹配小區的分布更為分散?？傮w而言，經過傾向得分匹配后，處理組和對照組的空間分布基本均勻，沒有顯著的空間差異。附錄圖1 的右側框圖展示了主城區各重點小學及其分校施教區的分布情況，處理組和對照組在重點小學學區內外分布均勻，無顯著的空間差異。

表1 報告了主要變量在傾向得分匹配前后的描述性統計結果③限于篇幅，未展示分類變量的描述性統計，包括所在樓層、裝修情況、建筑類型等。同理，表2 未展示建筑類型的平衡性檢驗結果。。經過匹配后，平均而言，樣本房屋的單價、房齡、小區規模和區位資源有不同程度的上升，而面積與所在樓棟總層數有所下降。需要指出的是，房屋和所在小區的建成年份并不完全一致，即使將樣本限定在2000 年及以前建成的小區，仍有部分樣本的房齡較小，但此類樣本占比很低①不超過10 年房齡的樣本在未匹配樣本中占比為4.09%，在匹配后的樣本中占比為2.36%。，不會對結果產生較大影響。

表1 匹配前后各變量描述性統計

表2 匯報了主要變量在傾向得分匹配后的樣本平衡性檢驗結果，各協變量在控制組和處理組之間都無顯著差異，通過了平衡性檢驗。此外，如前所述，大部分處理組小區位于教育資源豐富的主城區，基于距離判斷是否為重點小學的學區房可能無法很好地控制學區房因素的影響，因此本文進一步使用以下兩種學區房的定義進行對照組和處理組的t 檢驗。①仍以距離為判斷標準，但排除以下樣本：到最近小學的距離與到第二近小學的距離相差不超過100 米或不超過30%。這是因為學區劃分往往是不規則的，在某小區到不同小學的距離相差不大時，有可能出現距離某小學最近但不屬于其施教區的情況，將此類樣本排除有助于緩解學區劃分不規則的影響。在該定義下，處理組和對照組的學區房比例分別為0.323 和0.294，t 檢驗值為-0.942。②基于陳艷如等(2019)提供的南京市主城區學區分布電子地圖來確定重點小學學區房。由于該地圖僅給出了主城區的學區分布情況，使用位于主城區的小區(處理組392 個，對照組371 個)進行檢驗，處理組和對照組的學區房比例分別為0.531 和0.496，t 檢驗值為-0.957。以上分析表明，盡管匹配后處理組的學區房比例仍然系統性地比對照組高，但在統計意義上不顯著，傾向得分匹配較好地排除了學區房因素的影響。

表2 傾向得分匹配平衡性檢驗

四、基準回歸結果及分析

（一）實證結果

以成交單價(取對數)為被解釋變量對式(2)進行估計，并將回歸結果報告在表3 的前4 列。第(1)列僅加入解釋變量Renewal 和常數項，第(2)列加入了年份固定效應、小區固定效應和區縣時間趨勢，第(3)列在此基礎上加入了控制變量。在不加入任何固定效應和控制變量的情況下(第(1)列)，Renewal 的系數為0.2835，在1%水平上顯著。在加入固定效應后(第(2)列)，系數降低為0.0521，R2從0.146 提升為0.854，顯著性不變。在同時加入固定效應和控制變量的完整模型下(第(3)列)，系數為0.0497，且仍在1%水平上顯著，這意味著老舊小區改造使得被改造小區的二手房成交單價平均上升4.97%。第(4)列展示了未匹配情況下的DID 估計結果，Renewal 系數為0.0497，與匹配結果一致，反映了結論的穩健性。第(5)列將被解釋變量換為掛牌單價(取對數)，以檢驗估計結果對變量選取的穩健性，此時Renewal 系數為0.0486，略低于成交單價，在一定程度上反映了基準回歸的穩健性。

表3 基準回歸結果

（二）平行趨勢檢驗及動態效應

分別選用成交單價(取對數)和掛牌單價(取對數)作為被解釋變量，對式(3)進行估計，將回歸得到的τT 項系數及95%置信區間報告于圖1。由圖可知，無論以成交單價還是掛牌單價作為被解釋變量，τT 項系數在政策實施前各年都不顯著，在政策實施后各年則都顯著為正，由此驗證平行趨勢假定成立，符合DID 模型的基本要求。

除了平行趨勢檢驗外，上圖還可以分析政策效應的動態變化。我們發現，無論用成交單價還是掛牌單價來衡量，老舊小區改造工程對于住房價值的提升效應都逐年增強。具體而言，老舊小區改造對二手房成交價格的影響在改造當年為1.24%，之后逐年增強至3.90%、6.09%、9.08%；對二手房掛牌價格的影響在相應年份依次為0.92%、3.60%、5.91%、8.80%，比成交單價的影響低約0.2 個百分點。此外，我們觀察到改造當年的住房價值提升幅度明顯低于此后幾年，這可能是由于我們將被改造小區在改造當年成交的二手房都視為受到了改造影響，但實際上在這當中還有部分房屋是在改造實施之前的月份成交的，這些樣本會導致政策效應的低估。因此，本文得出的結果實際上為真實效應的保守估計值。

（三）穩健性檢驗

在上文的基準回歸結果中我們發現，老舊小區改造工程顯著提升了被改造小區的二手房價格，且此效應逐年增強。為了進一步檢驗基準回歸結果顯著水平和數值大小的穩健性，我們在這部分中進行一系列檢驗。

1. 安慰劑檢驗

為了排除改造對象選取的隨機性，我們將被改造名額隨機分配至各個老舊小區以進行安慰劑檢驗。若政策并非隨機發生，則預計隨機分配的改造并不會對房價產生顯著影響。具體做法是，在全部小區中隨機選定500 個作為改造對象，再給每一個選定的小區隨機分配2017—2020 中的其中一年作為改造年份，這樣形成一個虛假的改造政策，隨機排序后進行PSM-DID 估計，記錄估計系數。重復500 次上述操作，得到估計系數及t 檢驗值的頻數分布，繪制于圖2。

以上結果表明，500 次隨機政策的PSM-DID 估計系數近似服從均值約為0 的正態分布，且絕大部分實驗的系數估計值不顯著，由此排除了改造對象選擇的隨機性。另外，政策制定的內生性可能還體現在政府會根據實施效果來動態調整改造對象及內容，但由于南京市本輪老舊小區改造是根據此前制定的年度實施計劃進行的，基本排除了這一可能性。

2. 反事實檢驗

為了排除政策發生時間的隨機性，假定被改造過的小區各自的改造年份提前四年，同時為了避免實際改造政策的影響，將實際改造之后的年份(2017—2020)從樣本中剔除。對此反事實政策進行回歸估計，結果匯報在表4 第(1)列。在回歸結果中我們發現，這一假定提前四年的虛擬改造政策并未對房價產生顯著影響，由此表明了基準回歸結果的穩健性。

3. 使用周邊未被改造老舊小區均價為因變量

為了排除其他未被觀察到的因素及潛在的外部沖擊的影響，本文將因變量替換為樣本小區1000 米內未被改造的老舊小區的年度平均成交單價的對數值ln( avgPrice )，在小區層面估計以下模型：

如果上文中估計出的效應不是由于其他未觀察到的因素或沖擊引起的，則變換因變量后Renewal 的系數應該不顯著。

具體做法為：首先根據經緯度計算所有小區兩兩之間的距離，再對每個小區篩選出距離不大于1000 米的臨近且未被改造的老舊小區，若在1000 米范圍內沒有匹配到其他小區或只匹配到了被改造過的小區，則做缺失處理。根據匹配結果計算這些小區的年度平均成交單價，由此形成周邊未被改造小區均價的面板數據，再根據之前的PSM結果進行樣本篩選。估計結果匯報在表4 第(2)列，Renewal 系數不顯著，符合預期。

4. 剔除未完整經歷政策期的樣本

考慮到部分小區僅有最近幾年的數據，也就是說，沒有完整經歷過政策期(2017—2020)，這可能會對估計結果產生影響，因此將這類樣本剔除。具體做法為：計算每個小區的最早成交記錄，將最早記錄在2017 年及以后的小區對應的樣本刪除，重新進行PSM-DID 估計，回歸結果匯報在表4 第(3)列。政策效應仍然在1%水平上顯著，系數估計值為4.96%，與基準回歸的估計值4.97%幾乎一致，表明了主效應估計的穩健性。

5. 更換匹配方式

為了避免PSM 的匹配方式對結果的影響，分別換用以下兩種不同匹配方式重新估計：①將logit 模型更換為Probit 模型；②將1∶1 匹配更換為1∶3 匹配?；貧w結果匯報在表4 第(4)列和第(5)列，Probit 模型下的PSM-DID 估計值為4.73%，1∶3 匹配下的估計值為4.44%，接近基準回歸的估計值，表明此前的結論具有一定的穩健性。

表4 穩健性檢驗

五、進一步分析

（一）異質性分析

為了探究老舊小區改造對不同類型二手房成交價格的異質性影響，我們在基準回歸模型的基礎上加入解釋變量Renewal 與一系列房屋類型變量的交互項后重新進行回歸估計，得到的交互項系數即為異質性影響。具體來說，考慮以下五類異質性：①房齡，引入交互項Renewal×age；②面積，引入交互項Renewal×size；③所在樓棟總層數，引入交互項Renewal×floors；④裝修情況，首先定義啞變量decorate，在樣本房屋為精裝修時取1，否則取0，再引入交互項Renewal×decorate；⑤所在樓層，首先定義啞變量mid 和high，分別在所在樓層為中樓層和高樓層時取1，其他情況取0，并引入交互項Renewal×mid 和Renewal×high。

異質性分析的回歸結果匯總見表5。前3 列表明，改造工程對住房價值的提升幅度隨著房齡的增大而增大，隨著住房面積和所在樓棟總層數的增大而減小。平均而言，房齡每增加1 年，改造工程效應提升0.43 個百分點(在1%水平上顯著)；面積每增加1平方米，效應降低0.16 個百分點(在1%水平上顯著)；所在樓棟總層數每增加1 層，效應降低0.33 個百分點(在5%水平上顯著)。第(4)列表明，改造工程對于精裝房的住房價值提升幅度比簡裝或毛坯房的影響小0.82 個百分點，但這一結論并不顯著。第(5)列表明，改造工程效應隨著所在樓層的增加而降低，相比低樓層而言，中樓層的提升幅度低0.71 個百分點，高樓層的提升幅度低1.12 個百分點，均不顯著。整體而言，老舊小區改造政策的效果符合預期，高房齡、小面積、低層建筑的住房受益更多。

表5 異質性分析

（二）成本收益分析

作為大規模的民生工程，老舊小區改造需要大規模的資金投入。據統計，僅2019年，中央財政為支持各地改造工程而支出的補助資金高達300 億元。然而，政府對公共設施的支出效率在長期以來飽受爭議，相當一部分的資金投入并未取得相應的回報(陳詩一和張軍，2008)。因此，我們必須從“成本-收益”的角度看待老舊小區改造工程，從而更加全面地評估其政策效應，也為政府未來在“十四五”期間于全國范圍內大規模推廣老舊小區改造工程提供參考。

首先，我們對這一工程的成本進行測算。我們手動整理了南京市公共資源交易平臺上所有老舊小區改造項目的招標公告，并從中獲取各項目的改造建筑面積和各項資金投入數據。利用這些數據，計算得到每項工程的平均綜合改造成本。其頻數分布①一個招標工程往往對應多個改造小區，因此計算得到的綜合改造成本的頻數總和小于被改造小區的數量。如圖3 所示，大部分改造工程的平均成本位于200～400 元/平方米的區間內，最高不超過1300 元/平方米。平均而言，改造成本為每平方米450 元左右。這一數字高于《南京市棚戶區改造和老舊小區整治行動計劃》提出的“不超過每平方米300 元”的標準，是因為此處的綜合改造成本為總成本，包含了室內外改造、小區環境改造、基礎設施改造等工程費用，以及監理、設計等服務費用。

接下來對老舊小區改造工程的收益進行測算。我們在第四節中測算得到，老舊小區改造對二手房成交價格的平均影響幅度為4.97%，而穩健性檢驗部分在logit 模型1∶3 匹配的估計為4.44%，選擇最保守的結果進行估計。鑒于改造工程的實施期為2017—2020 年，我們選取2018 年底南京市平均二手房價格為參考，計算政策效應的貨幣化價值。綜合各信息源，南京市2018 年底平均二手房單價保守估計為2.76 萬元①數據來源于安居客。用鏈家網原始數據計算得到均價為3.09 萬元，而南京市房地產經紀行業協會2018 年總結會給出的數據為大約2.9 萬元，因此我們給出的政策收益是最低估計。，據此計算得到改造工程使得二手房成交單價上升幅度的保守估計為1225 元/平方米，遠高于其平均改造成本。

以上簡單的成本-收益分析表明，老舊小區改造帶來的房價提升幅度達到投入成本的兩倍多，政府在本輪老舊小區改造工程中的支出的確是有效率的。此外，改造帶來了遠高于成本的收益，也為老舊小區改造工程未來進一步的市場化提供了可能性。

（三）影響機制探究

如上文所述，我們假定老舊小區改造工程是通過提升房屋自身價值來影響其在二手房市場上的成交價格的。但實際上，決定二手房成交價格的因素除了房屋自身價值外，市場供需關系也是不可忽視的。因此，也有可能是老舊小區改造政策通過影響市場的供給或需求進而影響房價，導致價格上漲不能準確反映價值的提升。本文所用到的微觀層面數據可以近似地還原二手房交易過程，因此，可以用來分析改造政策對交易特征的影響，進而探究改造工程效應的作用機制。

具體而言，我們考慮以下四個特征：①帶看次數(取對數)，在一定程度上反映二手房市場的需求情況②此處的“帶看次數”指的是，二手房源在鏈家平臺上掛牌之后，經紀人帶領有買房意向者實地查看該房屋的次數。此外，還嘗試了“單位時間帶看次數”，即帶看次數除以成交周期，不改變結論。；②掛牌數量(取對數)，即每個小區每年新掛牌的二手房數量(取對數)，在一定程度上反映二手房市場的供給情況；③成交周期(取對數)，成交周期為二手房源從掛牌至中介平臺到完成交易所用時間，可以部分反映房屋受歡迎程度，成交周期越長說明該房屋的受歡迎程度越低；④降價幅度，定義為成交價格相對于掛牌價格的降低幅度，即降價幅度＝(掛牌價格-成交價格)/掛牌價格，可以部分衡量賣方的議價能力。降價幅度越大說明賣方的議價能力越低。

將式(2)的因變量分別替換為上述四個指標，進行PSM-DID 估計。結果表明，改造工程對成交周期的影響顯著為負，對其余各變量的影響不顯著③成交周期、帶看次數和降價幅度在住房層面估計，掛牌數量在小區層面估計?；貧w結果及對降價幅度的動態影響見附錄2。?；谑?4)的動態效應分析表明，在改造當期降價幅度降低，這可能代表著房東議價能力的提高。從現有數據中我們沒有發現改造工程影響被改造小區二手房供給數量及需求數量方面的證據。結合改造工程對降價幅度和掛牌價格的影響情況，我們推測其對成交價格的影響機制可能是：房東認識到了改造帶來的價值后主動上調掛牌價格，在討價還價談判中有更強的議價能力；買方也認同這一價值的提升，愿意在議價過程中做出更多讓步，因此達成了比掛牌溢價更高的成交溢價。

六、研究結論及政策建議

經過數十年的發展，我國房地產市場正在由增量時代向存量時代轉換①根據《中國人口普查年鑒2020》，我國城市家庭人均居住面積達到36.52 平方米，與歐洲國家水平相當。。城市土地資源稀缺，過去“攤大餅”式的開發思路已不再適用。位于中心城區的大量老舊住宅小區往往兼具交通、教育、公共設施等方面的優勢和居住環境方面的劣勢，對這些老舊小區統一改造升級，可以發揮規模經濟、降低施工成本。在不額外占用土地資源的情況下，老舊小區改造可以提升住宅品質、滿足居民對美好生活的需求，并拉動內需、推進城市更新和開發方式轉型。

本文以房價為切入點，利用南京市二手房歷史成交數據考察了老舊小區改造工程對住房價值的影響。實證結果表明，改造工程使得二手房成交單價平均上升4.97%，此效應逐年增強并十分穩健。改造工程對于不同類型房屋價值的影響具有異質性，高房齡、小面積、低層建筑的住房受益更多。平均而言，房齡每增加1 年，改造工程效應提升0.43 個百分點；面積每減少1 平方米，效應提升0.18 個百分點；所在樓棟總層數每增加1 層，效應降低0.36 個百分點。成本收益分析表明，在保守估計下，改造工程使得二手房成交單價上升幅度為1225 元/平方米，遠高于其平均改造成本。這一漲幅的來源可能是房東因住房價值提升而主動上調掛牌價格，并且在討價還價中具有更強的議價能力。

本文肯定并衡量了老舊小區改造政策對住房價值的提升，為政府大規模推廣這一政策提供了有力支持，也為進一步精細化制定政策提供了依據。面對巨大的老舊小區改造市場，目前政府主導和出資的改造方式一方面會加重財政負擔，另一方面也容易造成改造的供需不匹配，使得部分小區的改造需求無法滿足或過度被滿足，而各小區對改造的個性化需求也難以實現。鑒于老舊小區改造在“成本-收益”上的優勢，政府未來可以考慮改造工程市場化，采用政府主導、企業主導、政企合作的PPP 或小區自籌等模式。由此開拓一個商業性的改造市場，增加改造資金的籌措方式，引導社會資本進入并充分發揮力量，而政府在市場中起到引導和監督的作用，從而有效減輕其財政負擔，并保證改造能更有效率地進行。

為滿足不同小區差異化的改造需求，政府可以賦予各小區自主決策權(尤其是在市場發達、老舊小區數量眾多的地方)，以業主大會集體決議等形式決定是否接受改造與具體改造形式。在居民自主決議的過程中，政府須有效地進行引導監督，讓居民意識到改造的成本收益，促進合作并避免“搭便車”等行為。此外，房地產企業也應更多地關注老舊小區改造市場，積極參與，主動開發；房屋設計單位也應更多參與改造，以自身的專業技能讓改造規劃更合理、美觀、舒適，彌補此前政府主導改造的個性化不足的問題。

此外，本文的實證結果也為地方政府在未來進行城區更新時的方式選擇提供了一定支撐。盡管目前圍繞城區更新究竟應該以“改造”還是“重建”為主這一問題的回答尚存爭議，但本文的實證結果可以為該問題的討論提供一定依據。在一定情況下，以“老舊小區改造”為手段進行城區更新，一方面，可以避免因居住地搬遷而造成的官民糾紛及“釘子戶”等難題，另一方面，也在一定程度上避免“重建”帶來的地區“紳士化”(Gentrification)問題，防止因城區更新帶來的生活成本上升而導致的對低收入群體的“擠出效應”。

需要說明的是，本文實證結果具有一定局限性，用南京市數據得到的結果能否外延尚需進一步探討。由于沒有獲取更精確的工程實施時間的數據，本文得出的改造工程對住房價值的提升效應可能存在一定程度的低估，有待更進一步的精確估計。改造政策對不同發展水平城市的影響程度可能并不相同，因而在制定政策時的投入標準是否也需要隨之調整，尚需進一步探究。