2019第45卷第10期
文章浏览量：[]
2. 南开大学 跨国公司研究中心，天津 300071;
3. 南开大学 经济学院国际经济贸易系，天津 300071
2. Center for Transnationals’ Studies，Nankai University，Tianjin 300071，China;
3. International Economics and Trade School of Economics，Nankai University，Tianjin 300071，China
一、引 言
党的十九大报告明确提出，“完善促进消费的体制机制，增强消费对经济发展的基础性作用”已经成为政府在民生领域的重要挑战之一。自2015年以来，为满足居民的消费升级需要，合理增加与人民生活密切相关的一般消费品进口，我国已陆续降低了部分服装、鞋靴和食品等消费品的进口关税。截至2017年12月1日，经国务院批准，海关总署进一步降低了187种商品的进口关税，使得平均税率由17.3%降至7.7%。近10%的关税下降幅度将会对国内商品市场产生深刻影响。从目前的理论分析来看，关税下降对消费市场影响的研究认为，贸易开放促进国外商品的大量进口，带来商品选择的多样化，进而通过加强国内同类商品的市场竞争，降低国内商品的价格。这一机制也被称为关税传导效应（Marchand，2012；Han等，2016；Berner等，2017）。虽然降低关税为扩大消费品进口、降低消费品进口成本创造了有利条件，但相关商品的进口量、国内市场售价的变化最终还是由市场来决定。由于消费价格与居民的实际消费水平密切相关，因此贸易开放对我国市场的影响不应仅仅集中在生产层面，而应该更加关注其对消费市场的直接影响。
与贸易开放基本保持一致，自1998年开始，我国全面实施住房制度改革，房地产市场发展迅速，已经成为宏观经济的重要组成部分。但由于大量的资金流入了房地产市场，随之出现的是房价不断攀升，甚至非理性的价格上涨，并形成房地产泡沫（颜色和朱国钟，2013）。现有文献主要探讨了房价波动对经济波动和社会福利的影响，其基本逻辑是房价波动会对总消费产生影响。这类文献将消费等同于社会福利，从而探讨焦点也就是房价和消费的关系（Kaplan等，2016；Berger等，2018）。但这些研究主要是从宏观总量角度来研究房价和消费市场的关系，由于理论和数据的客观欠缺，它们并没有深入地从微观价格角度具体考察房价对消费市场的实际影响。理论上，房价上涨能够影响居民的需求弹性，进而决定不同市场零售商的定价能力，从而在贸易开放时影响商品价格的下降幅度（Piazzesi和Schneider，2016；Berner等，2017；Garriga和Hedlund，2017）。其具体表现为：一方面，房价上涨通过直接财富效应提升居民的收入，并且，由于住房资产的抵押效应，房价上涨也会缓解家庭在金融部门的融资约束，引起间接财富效应，从而扩大家庭消费预算，因此，房价上涨将会整体上提升家庭收入水平，降低居民对商品价格的敏感程度（Mian等，2013；Guerrieri和Uhlig，2016；Justiniano等，2016）；另一方面，财富效应使得居民在消费和闲暇之间进行权衡时，感觉闲暇变得更加昂贵，从而在寻找更为便宜的正常消费品上花费的时间更少，这也会导致居民商品需求价格弹性的下降（Simonovska，2015；Garriga和Hedlund，2017），提高零售商的市场定价能力，从而在关税下降时减少商品价格下降的幅度，削弱进口竞争对国内零售市场的影响。因此，在面临关税下降时，零售商能否规避进口竞争，并阻碍贸易开放对国内市场的影响，还会受到当地房价的影响。
然而，已有文献往往分析贸易开放对国内商品整体价格的影响，却忽视了国内市场内部的消费差异性。尤其对于我国这样规模较大的国内消费市场，即使关税下降，市场竞争加剧，但价格下降幅度也会受到当地零售商定价能力的影响，因此应对统一的贸易开放时，关注个体城市的差异性显得尤为重要（肖德等，2013；Yakovlev和Zhuravskaya，2013）。在实际研究过程中，由于国内商品市场存在着一些固有的异质性特点，主要是地理位置、生产供应成本和市场化程度等（黄新飞等，2014；范欣等，2017；Rickert等，2018），使得关税下降对不同市场造成不同的竞争效应，因此零售市场商品价格的下降幅度存在差异。本文则立足于关税传导，从房地产价格这一新角度解读贸易开放政策对不同地区消费品价格的差异影响，验证贸易开放对零售市场的实际效果。
本文着眼于具体微观机制，将关税、房价与国内零售价格联系起来。房价上涨带来的财富效应导致居民商品需求价格弹性的下降（Mian等，2013；Piazzesi和Schneider，2016；Garriga和Hedlund，2017），而需求价格弹性变化又会影响零售商对商品的成本加成程度，决定不同市场零售商的定价能力，从而在面临进口商品竞争时，影响国内商品的最终价格（Simonovska，2015；Berner等，2017）。贸易开放时，在房价较高的地区，财富效应导致居民的需求价格弹性较低，零售商的市场定价能力更强（Piazzesi和Schneider，2016；Garriga和Hedlund，2017），因此在面临进口竞争时，零售商将选择不降低或者小幅度降低国内价格，由于市场的需求弹性较低，即使小幅度降低价格，也仍存在许多消费者，因此关税下降对当地消费品价格的影响较小，即关税传导机制受到制约；反之，在房价相对较低的地区，财富作用相对较弱，房价对家庭需求弹性的影响较小，导致零售商的市场定价能力较弱，规避进口竞争的能力不足，因此在面临关税下降时，零售商只有通过大幅度降低商品价格才能保住其市场。
鉴于现有文献在房价对居民消费价格影响的理论研究以及关税下降对我国国内消费市场影响的实证研究方面存在诸多不足，本文将从房地产价格视角来探讨贸易开放对国内消费价格影响的地区差异。本文的主要创新如下：
第一，现有文献大多从收入渠道来研究贸易开放对国内居民的影响，尤其侧重对不同劳动力的收入和就业的作用（余淼杰和梁中华，2014；卫瑞和庄宗明，2015；毛其淋和许家云，2016）；但是，贸易开放不仅对专业化程度高的劳动力组别工资影响大（Galle等，2017），而且不同技能劳动力之间的收入差距以及工资和就业的分布与行业特征和企业贸易参与程度有关（Burstein和Vogel，2017；Chen等，2017；Helpman等，2017），因此这些文献的不足在于均未考虑关税下降对零售市场价格的作用，而零售市场物价水平的变化又与居民的实际消费能力密切相关。此外，也有文献基于宏观视角分析关税下降对居民消费的影响，但缺乏“关税—商品—零售价格”匹配数据对关税传导机制的验证（Porto，2015；Feenstra和Weinstein，2017）。然而，在微观数据不断充实的背景下，从消费市场领域来研究贸易开放的实际效果，已经成为研究开放的一个新亮点（Feenstra和Weinstein，2017；Galle等，2017；Helpman等，2017）。本文首次立足贸易开放，基于微观的国内消费市场零售价格数据，对关税下降的实际效果进行了刻画和分析，能够准确直观地分析贸易开放对国内销售市场的直接影响，检验关税与国内消费品价格之间的关系。
第二，在已有的房价对居民福利影响的研究中，国内外有很多文献从实证研究的角度证明了房价与消费之间存在关系，如英国在20世纪80年代后期消费的激增主要归于房价的上涨（Muellbauer和Murphy，1997），以及美国各州的房地产市场价格对于消费有强烈的正向影响（Stroebel和Vavra，2014；Mian和Sufi，2016）。综合来看，理论上，房价对于消费市场的影响有正负两个方面：从正向角度来看，房价会通过财富效应、抵押贷款效应以及替代效应正面影响居民消费需求（杜莉等，2013；Garriga和Hedlund，2016；Piazzesi和Schneider，2016；Berger等，2018）；而负向角度的研究主要认为，由于房价快速上涨会使得居民为了购房而极力储蓄，并压缩消费，从而对消费产生挤出效应（邓健和张玉新，2011；陈峰等，2013）。但是，这些研究探讨的是房价对总消费的影响，而总消费是个加总的总量指标，用它来衡量福利的具体效应是存在缺陷的（Woodford，2003），所以房价对总消费的影响只能间接反映房价的福利效应。目前，基于微观视角具体考察房价如何通过消费者需求影响市场行为，从而最终影响商品价格的研究是空白的。本文则首次基于贸易开放视角，直接分析了房价对居民消费商品价格的影响，因为房价、居民收入和消费商品价格之间存在着密切的关系，包含了居民消费选择在内的多种信息，能够有效地反映出不同市场需求的差异，通过影响地区间商品定价能力来影响关税传导竞争作用的发挥，因此本文能够有效反映出房价变化对居民消费商品价格的影响机制，这也从微观上检验了房价和居民消费商品价格之间的影响机制。
第三，在现有有关消费市场的文献中，商品的零售价格往往等同于居民调查数据中的平均花费，但这一微观指标的假定缺乏科学的理论和实证证据支持。原因在于，基于居民调查数据计算出的商品价格体现了居民的消费偏好，但居民的单位商品平均消费支出与实际市场定价之间存在一定的市场加成，而这种市场加成是极其难以衡量市场反应的。本文通过匹配商品进口关税、市场零售价格以及城市房价数据，最终获取了2001—2012年136个地级城市75种零售商品“关税—商品—零售价格”层面的微观数据，首次准确地刻画了关税传导过程和详细机制，并结合136个城市连续12年的实际房价变化数据库，在“城市—商品—年份”层面的数据基础上，对关税传导与不同消费市场中的房地产价格之间的关系进行实证检验。
二、理论分析与研究假说
根据Nicita（2009）、Marchand（2012）以及Han等（2016）的研究，国内商品的最终零售价格由国内商品市场定价和进口商品价格共同决定。因此，与现有文献保持一致，本文假设国内c消费市场i商品的价格（
| ${P_{ci}} = {({P}_{ci}^{do})^{1{\rm{ - }}{\lambda _{ci}}}}{({P}_{ci}^{im})^{{\lambda _{ci}}}}$ | (1) |
其中，
国内商品和进口商品的零售价格由式（2）决定：
| $ P_{ci}^{do} = {P_{oi}} + T{D_{oci}}{\rm{ + }}\varphi _{ci}^{do}(Hous{e_c})\;, \;\;{P}_{ci}^{im} = P_i^B(1 + {\tau _i}) + {d_{ci}} + \varphi _{ci}^{im}(Hous{e_c}) $ | (2) |
其中，国内商品价格
将式（2）代入式（1），并取对数可得：
| $\ln{P_{ci}} = (1{\rm{ - }}{\lambda _{ci}}) \ln\left[ {{P_{oi}} + T{D_{oci}}{\rm{ + }}\varphi _{ci}^{do}(Hous{e_c})} \right] + {\lambda _{ci}} \ln\left[ {P_i^B(1 + {\tau _i}) + {d_{ci}} + \varphi _{ci}^{im}(Hous{e_c})} \right]$ | (3) |
通过对式（3）中的关税变量求导可知，关税传导弹性系数
| $\frac{{\partial \ln{P_{ci}}}}{{\partial \ln(1 + {\tau _i})}} = \upsilon ({\tau _{ci}}) = \frac{{P_i^B(1 - {\lambda _{ci}})(1 + {\tau _i})}}{{P_i^B(1 + {\tau _i}) + {d_{ci}} + \varphi _{ci}^{im}(Hous{e_c})}} < 1$ | (4) |
因为
关税传导存在不完全性，即进口关税下降带来国内零售商品价格下降，但下降幅度小于关税下降幅度。
由于房价上涨通过影响居民的需求弹性来决定零售商的市场加成能力，而进口商品的市场定价又与最终零售价格有关，因此，在贸易开放时，房价的变动将影响关税下降对国内消费价格的影响幅度。通过进一步对式（4）求偏导数可知：
| $ \frac{{\partial \upsilon ({\tau _{ci}})}}{{\partial Hous{e_c}}} = \frac{{\partial \upsilon ({\tau _{ci}})}}{{\partial \varphi _{ci}^{im}}}\frac{{\partial \varphi _{ci}^{im}}}{{\partial Hous{e_c}}} = \frac{{ - (1 - {\lambda _{ci}})(1 + {\tau _i})P_i^B}}{{{{\left[ {P_i^B(1 + {\tau _i}) + {d_{ci}} + \varphi _{ci}^{im}(Hous{e_c})} \right]}^2}}}\frac{{\partial \varphi _{ci}^{im}}}{{\partial Hous{e_c}}} < 0 $ | (5) |
式（5）说明在房价较高的地区，居民较低的需求弹性能够帮助企业缓解国内市场竞争压力，减少商品市场加成的下降幅度，因此，关税下降对国内商品零售价格的影响作用相对较小。据此，我们提出如下推论：
房价上升对关税传导存在显著的阻碍作用。
三、数据说明与计量模型设定
（一）数据说明
本文使用的商品价格数据来源于国家发改委价格监控中心公布的《我国主要城市价格监控数据》（以下简称为CPIC数据库），该数据库作为目前可得的最新微观价格数据库，是计算不同城市各类商品价格的重要数据库。原始价格数据库涵盖了城市居民服务、居民商品价格、工业生产资料、农资品及日用工业消费品等11类商品的零售价格数据，详细汇报了每种商品的名称、等级、计价单位、计价城市、计价地点（超市或批发市场）及旬度价格。价格信息由专人在各城市指定市场上定期收集，严格遵循发改委价格司制定的程序，具有较高的质量和可信度。住房价格数据来源于历年的《中国区域经济统计年鉴》，①它们提供了2001—2012年各地级市商品房销售额和销售面积的数据，可以计算出各地级市的名义住房价格。然而，部分地区的住房价格与现实存在明显不符的现象。为避免测量误差对研究的影响，本文仿照陆铭等（2014）的做法，剔除了房价增长率最高5%和最低5%的城市样本。中国关税数据可以直接从WITS中获得。当然，针对这三套数据库的合并，本文也做了一些必需的技术性处理和匹配，因篇幅限制，不再详细说明。
（二）计量模型构建
为了对研究假说进行实证，本文借鉴Han等（2016）的做法，引入进口关税与房价交乘项进行研究，具体模型设定如下：
| $ \ln{P_{cit}} = {\alpha _0} + {\alpha _1}Tarif{f_{it}} + {\alpha _2}Tarif{f_{it}} \times Hous{e_{ct}} + {\alpha _3}Hous{e_{ct}} + {\alpha _4}{X_{ct}} + {\eta _c} + {\delta _i} + {\mu _t} + {\varepsilon _{cit}} $ | (6) |
其中，
除了加入核心解释变量之外，为了避免重要解释变量缺失带来的有偏估计，本文还加入了一些其他城市控制变量以避免其造成影响，②具体包括：（1）人均收入（Per_GDP）。因为人均收入的增加刺激了家庭消费需求的上升（韩立岩和杜春越，2012；Mayer等，2014），从而推动了物价水平的提高，所以本文采用人均GDP的对数，作为各城市人均收入水平的衡量指标。（2）消费需求（Consumption）。本文采用该城市居民消费占GDP的比重来衡量当地的消费需求，消费需求越旺盛，物价水平则越高。（3）人均高速公路里程数（Highways）。发达的交通运输网络能有效降低运输成本，进而降低商品价格（张光南等，2013）。因此，本文参考现有文献的做法，在控制变量中加入城市人均高速公路里程的对数值，用以衡量该城市的基础设施水平（刘晓光等，2015；Han等，2016）。（4）网络用户比例（Internet）。互联网可以降低消费者的搜寻成本和零售商的销售成本，从而加大市场竞争，降低消费品零售价格（孙浦阳等，2017），因此本文采用互联网使用人数占总人口比重来度量该地区的互联网覆盖率。（5）人均零售企业数量（Retail）。因为零售市场的竞争性在一定程度上影响着零售商品的价格，体现为在竞争市场中，同类商品的供给商众多，导致商家定价权小，商品价格受市场供求制约明显，零售市场价格较低；而在垄断市场中，商家具有较大的定价优势，商品价格偏高（黄新飞等，2014；Hanner等，2015；Rickert等，2018）。因此，本文采用人均零售超市数目的对数来衡量各城市零售商品供给规模。③
四、实证结果及其分析
（一）基本回归结果
根据理论假说，本文通过匹配中国不同城市的消费品价格、关税水平以及城市房价数据，就进口关税与国内消费市场价格之间的关系以及房价对关税传导的影响进行检验，回归结果如表1所示。结果显示：无论是否加入固定效应，进口关税（Tariff）的估计系数在1%的显著性水平上都显著为正且小于1，说明进口关税的降低能够通过加剧国内商品市场竞争，降低国内消费品价格，但是关税传导存在不完全性。这与现有的研究结论是一致的（Nicita，2009；Marchand，2012；Han等，2016）。同时，进口关税与房价的交乘项系数（Tariff×House）均在1%的显著性水平上显著为负，表明房价上涨将阻碍进口关税对国内商品价格的影响。这种影响具体体现为：在房价高的地区，关税传导效应较弱，原因在于房价上升能够通过直接财富效应和住房资产抵押效应，提高家庭收入水平，扩大消费预算，从而降低居民对商品价格的敏感程度（Mian等，2013；Guerrieri和Uhlig，2016；Justiniano等，2016），并且收入水平的提高使得家庭对消费和闲暇的选择发生变化，使其在寻找更为便宜的正常消费品上花费的时间更少，这也会导致居民对商品需求价格弹性的下降（Simonovska，2015；Garriga和Hedlund，2017），零售商的市场定价能力增强。因此，即使关税下降能够降低商品价格，但是相比于低房价地区，高房价地区商品价格的下降幅度相对较低。这一结果在逐步加入固定效应和城市控制变量之后，依旧保持稳健。此外，其他解释变量的回归结果也与预期一致。
| （1） | （2） | （3） | （4） | （5） | （6） | |
| Tariff | 0.145*** | 0.270*** | 0.273*** | 0.335*** | 0.335*** | 0.324*** |
| （5.20） | （8.68） | （8.70） | （10.40） | （10.40） | （10.19） | |
| Tariff×House | −0.369*** | −0.496*** | −0.502*** | −0.532*** | −0.532*** | −0.507*** |
| （−5.12） | （−5.54） | （−5.56） | （−5.82） | （−5.82） | （−5.68） | |
| House | 1.666*** | 1.457*** | 1.263*** | 0.306 | 0.310 | 0.661** |
| （5.47） | （5.81） | （5.81） | （0.76） | （0.77） | （2.28） | |
| GDP_Per | 0.431*** | 0.519** | ||||
| （2.71） | （2.21） | |||||
| Consumption | 0.778*** | 0.983*** | ||||
| （2.68） | （2.75） | |||||
| Highways | −0.909*** | |||||
| （−4.52） | ||||||
| Internet | −0.244* | |||||
| （−1.87） | ||||||
| Retail | −0.121*** | |||||
| （−6.37） | ||||||
| 年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | |
| 城市固定效应 | 控制 | 控制 | 控制 | 控制 | ||
| 商品固定效应 | 控制 | 控制 | 控制 | |||
| 样本量 | 72 044 | 72 044 | 72 044 | 72 044 | 72 044 | 72 044 |
| 拟合优度 | 0.008 | 0.029 | 0.029 | 0.075 | 0.075 | 0.087 |
| 注：（1）*、**和***分别代表10%、5%和1%的显著性水平；（2）括号内为估计系数的t值；（3）表中所有回归均考虑了城市层面的聚类稳健标准差。以下各表同。 | ||||||
（二）非参数估计
表1对本文的回归方程进行了初步回归，得到的基准回归结果证实了本文的假说。为了进一步考察贸易开放对国内商品价格影响的复杂性，本文借鉴Amiti等（2014）的思路，对关税与房价之间的关系进行非参数估计。具体地，我们对商品每年的关税进行降序排列，其中最高的10%设置为第一组，排在10%—50%的设置为第二组；为保证样本量在组间分布均匀，将其他商品设置为第三组。另外，我们根据每年房价的中位数设置高房价（HH）和低房价（LH）城市虚拟变量：如果房价高于或等于当年中位数，那么HH=1，LH=0；反之，HH=0，LH=1。具体的非参数回归模型如下：
| $ \ln{P_{cit}} = \left\{ {\begin{aligned} & {({\beta _1} \cdot {\delta _{1t}} + {\beta _2} \cdot {\delta _{2t}} + {\beta _3} \cdot {\delta _{3t}}) \cdot H{H_{ct}} \cdot Tarif{f_{it}} + {\bf{\theta }}{{{X}}_{{{ct}}}} + {\varepsilon _{cit}}} \\ & {({\chi _1} \cdot {\delta _{1t}} + {\chi _2} \cdot {\delta _{2t}} + {\chi _3} \cdot {\delta _{3t}}) \cdot L{H_{ct}} \cdot Tarif{f_{it}} + {\bf{\kappa }}{{{X}}_{{{ct}}}} + {\varepsilon _{cit}}} \end{aligned}} \right. $ | (7) |
其中，
| 低房价 | 高房价 | T检验 | ||
| 低关税组 | 关税传导 | 0.671*** | 0.670*** | 0.51 |
| 观测值比重 | 4.04% | 4.14% | ||
| 中等关税组 | 关税传导 | 0.481*** | 0.478*** | 0.88 |
| 观测值比重 | 25.12% | 25.41% | ||
| 高关税组 | 关税传导 | 0.165*** | 0.151*** | 0.97 |
| 观测值比重 | 20.55% | 20.74% |
（三）影响机制的进一步检验
根据本文的理论机制分析可知，虽然房价上升能够整体上提升家庭收入水平，降低居民对商品价格的需求弹性；同时，财富效应也使得家庭对便宜消费品的价格敏感程度降低，提高零售企业的市场定价能力，即使在面临关税下降带来的竞争压力时，也能够减少商品价格的下降幅度，阻碍关税传导的竞争效果。但一般而言，相对于一般消费品，居民对生活必需品（如蔬菜、水果等）的需求弹性较小，因此房价上涨导致这部分商品的需求变化相对较小，而对一般消费品（如服装、家电等）的需求存在显著影响，因此房价上涨对后者零售商市场定价能力的影响也更大，最终对一般消费品关税传导的阻碍作用也更为显著。因此，我们将商品分为一般消费品和生活必需品，并根据式（6）逐步加入解释变量，采取固定效应模型进行回归，结果如表3所示。结果表明，交乘项（Tariff×House）的系数均在1%的水平上显著为负，这与本文的基本结果是一致的。并且，通过对比可知，房价对一般消费品关税传导的阻碍作用大于生活必需品，原因在于：虽然房价上涨能够提高居民的收入水平，改变家庭对商品价格的需求弹性，提高零售商的市场定价能力，削弱关税传导的竞争作用，但是居民对一般消费品的需求弹性更大，而作为居民日常生活的代表性必需商品，水果、蔬菜等的需求弹性变化较小，房价上涨带来的收入和消费习惯变化对这些商品的影响较小，因此，当房价发生变化时，一般消费品的需求波动更为显著，零售商的市场能力更强，房价对这部分商品关税传导的阻碍作用更为明显（Simonovska，2015；Guerrieri和Uhlig，2016；Justiniano等，2016；Garriga和Hedlund，2017）。
| （1） | （2） | （3） | （4） | （5） | （6） | |
| 一般消费品 | 生活必需品 | |||||
| Tariff | 0.824*** | 0.824*** | 0.811*** | 0.213*** | 0.213*** | 0.215*** |
| （48.70） | （48.71） | （47.94） | （31.37） | （31.36） | （31.48） | |
| Tariff×House | −0.142*** | −0.142*** | −0.135*** | −0.109*** | −0.109*** | −0.111*** |
| （−4.05） | （−4.06） | （−3.80） | （−6.12） | （−6.11） | （−6.11） | |
| House | −0.194 | −0.193 | 0.001 | 0.439*** | 0.441*** | 0.372*** |
| （−0.67） | （−0.66） | （0.00） | （4.30） | （4.33） | （4.30） | |
| GDP_Per | 0.236 | 0.376 | 0.009 | −0.009 | ||
| （1.07） | （1.19） | （0.11） | （−0.09） | |||
| Consumption | 0.436** | 0.527** | 0.221** | 0.043 | ||
| （2.35） | （2.25） | （2.03） | （0.37） | |||
| Highways | −0.548*** | −0.346*** | ||||
| （−3.60） | （−7.90） | |||||
| Internet | −0.128* | −0.061 | ||||
| （−1.78） | （−1.54） | |||||
| Retail | −0.063*** | −0.014*** | ||||
| （−4.09） | （−5.27） | |||||
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 22 784 | 22 784 | 22 784 | 49 260 | 49 260 | 49 260 |
| 拟合优度 | 0.132 | 0.132 | 0.137 | 0.134 | 0.134 | 0.137 |
| 注：固定效应指年份固定效应、城市固定效应以及商品固定效应，下表同。 | ||||||
一方面，房价上涨对不同需求弹性商品的关税传导存在显著差异；另一方面，商品自身的特殊性质也可能会进一步影响房价对关税传导的阻碍作用。虽然关税下降能够通过竞争机制来降低国内商品定价，但是，如果零售商销售的商品替代性较低，零售商就可以通过销售其他替代商品来缓解国内市场的竞争压力，从而进一步加强房价上涨对关税传导的阻碍效果；反之，如果零售商无法销售其他商品，那么房价上涨虽然增强了零售商的市场定价能力，但是相对于低替代性商品，高替代性商品的市场竞争更为激烈，关税下降对该类商品价格的影响更为显著，即房价对高替代性商品关税传导的阻碍作用被削弱。因此，我们采用Rauch（1999）构建的商品同质和异质指标，通过逐一匹配的方式，使之与本文的商品名称统一，并与回归数据匹配后再对方程（6）进行分组回归，结果如表4所示。结果表明：一方面，在逐步加入城市控制变量之后，无论是同质商品还是异质商品，Tariff的系数都在1%水平上显著为正，且其与House变量的交乘项系数为负，这与上文的分析结果是一致的；另一方面，就交乘项（Tariff×House）的绝对值而言，异质商品样本的回归系数远高于同质商品，原因在于商品的异质性为零售商销售其他商品提供了选择，增强了零售商规避进口竞争的能力，因此会进一步加大房价上升对关税传导的阻碍作用，但如果商品为同质商品，在面临进口竞争时，零售商无法选择差异商品，只能通过降低商品价格以保证销售量，因此同质商品会缓解房价上涨对关税传导的影响。
| （1） | （2） | （3） | （4） | （5） | （6） | |
| 同质商品 | 异质商品 | |||||
| Tariff | 0.224*** | 0.224*** | 0.224*** | 0.198*** | 0.199*** | 0.186*** |
| （33.97） | （33.96） | （33.93） | （5.91） | （5.92） | （5.57） | |
| Tariff×House | −0.093*** | −0.093*** | −0.094*** | −0.226*** | −0.227*** | −0.210*** |
| （−6.52） | （−6.52） | （−6.54） | （−3.28） | （−3.28） | （−3.09） | |
| House | 0.222*** | 0.224*** | 0.199*** | 0.026 | 0.028 | 0.143 |
| （5.02） | （5.10） | （4.80） | （0.14） | （0.14） | （0.95） | |
| GDP_Per | 0.047 | 0.030 | 0.302 | 0.445 | ||
| （0.45） | （0.28） | （1.56） | （1.51） | |||
| Consumption | 0.240*** | 0.125* | 0.446** | 0.470** | ||
| （3.00） | （1.75） | （2.52） | （2.22） | |||
| Highways | −0.191*** | −0.459*** | ||||
| （−5.04） | （−3.25） | |||||
| Internet | −0.156 | 0.011 | ||||
| （−1.57） | （0.12） | |||||
| Retail | 0.001 | −0.054*** | ||||
| （0.32） | （−4.72） | |||||
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 54 462 | 54 462 | 54 462 | 17 537 | 17 537 | 17 537 |
| 拟合优度 | 0.074 | 0.074 | 0.074 | 0.025 | 0.025 | 0.030 |
（四）稳健性检验
基准回归和非参数估计的结果已经证实了本文的假说，但是回归中仍然可能面临一些计量问题。针对这些可能出现的问题，我们通过分组回归的方式进行稳健性检验，以进一步证实本文的研究结论。因篇幅所限，具体的检验结果没有汇报。
1. 样本的重新选择。因为主要中心城市的房价水平普遍偏高，④这种现象的存在可能对估计结果造成偏误，所以本文将样本分为主要中心城市和非主要中心城，并对方程（6）进行回归。结果显示：无论是主要中心城市还是非主要中心城市，关税变量（Tariff）的系数均显著为正，其与房价变量的交乘项（Tariff×House）都在1%水平上显著为正，说明房价较高的地区，关税下降对当地消费价格的影响较小。这证实了本文的研究假说和实证结论的稳健性。
2. 市场自由化分组。根据Han等（2016）的研究结论，国内市场结构越完善的地区，关税下降对于国内商品价格的影响越大。因此，借鉴现有文献的做法，本文根据中国工业企业数据库中的国有企业数目比例和国有企业员工比重来衡量不同城市的市场结构。具体而言，根据国有企业数目比例和国有企业员工比重是否高于中位数，本文将城市划分为低市场自由化程度和高市场自由化程度的样本组，也就是说，将国有企业数目比例和国有企业员工比重高于中位数的城市划分为低市场自由化地区，低于中位数的城市划分为高市场自由化地区，并分别按照方程（6）进行回归。结果显示：交乘项系数（ Tariff× House ）显著小于国有企业数目比重和国有企业员工比重高的样本，说明城市国有企业数目比例和国有企业员工比重较低的地区，房价对关税传导的阻碍作用更弱，原因在于：这些地区的市场结构更加完善，自由化程度更高，关税传导更为显著（Han等，2016）），因此能够有效削弱房价上涨对关税传导的阻碍作用。此外，不管是采用城市国有企业数目比重还是国有企业员工比重作为城市市场自由化程度的衡量指标，关税的回归系数均在1%水平上显著为正，而其与房价变量的交乘项回归系数显著为负，从而同样证实了本文的研究假说。
3. 区域分组。一方面，因为我国沿海港口城市与内陆地区的开放程度存在差异，可能会影响关税下降带来的竞争效应，所以房价对关税传导的阻碍作用可能与城市所在区域有关；另一方面，借鉴Berman和Couttenier（2015）的思路，由于港口城市的开放程度更高，消费品价格对关税下降的反应更加敏感，因此房价对关税传导的阻碍效果也有可能与之相关。因此，我们将样本按照是否为港口城市进行分组，并分别对方程（6）进行回归。结果表明：在1%显著性水平上，直接项系数均显著为正，交乘项系数均显著为负，这表明本文的研究假说是成立的，且并不因样本的地理分布而发生变化。
五、结论与政策含义
本文在房价视角下，深入探讨进口关税下降对国内零售市场的影响是否存在地区差异，直接有效地反映出房价上涨对关税传导的影响机制，这也从微观上构建了房价和居民消费商品价格的联系机制。理论上，本文参照现有文献的思路，通过构建结构性理论模型说明在贸易开放时，房价上升如何通过零售商的市场加成定价影响国内商品的最终定价，并提出本文的理论假说；实证上，本文首次匹配中国价格信息中心数据库中的消费品价格数据、中国商品进口关税数据以及城市房价数据，得到2001—2012年覆盖136个地级市75种消费品价格、关税信息和所在城市的房价水平，就房价对关税传导的阻碍作用进行实证检验。结果表明：一方面，进口关税的下降能够通过竞争作用降低国内商品价格；另一方面，房价上升导致的财富效应能够降低居民对商品的需求弹性，增强零售商的市场定价能力，从而规避贸易开放带来的竞争，削弱关税传导机制的作用发挥，具体表现为关税下降对高房价地区消费品价格的影响相对较低。此外，本文参照Amiti等（2014）非参数估计方法，进行分组回归，也进一步证实了本文的回归结果。而在对影响机制的讨论中发现，相对于生活必需品，居民对一般消费品的需求弹性更大，房价上涨带来的财富效应对这部分商品的需求影响相对更为显著，对关税传导的阻碍作用也更为明显；并且，因为同质商品的替代性更高，市场竞争也更为激烈，在贸易开放时，关税下降的竞争效果更为显著，所以房价上升对这部分商品关税传导的阻碍作用相对较小。通过重新选择样本、根据市场自由化程度和区域进行分组的结果也都证实了本文基本结论的稳健性。
本文从房价角度对关税传导效应的城市差异进行解读，这对于中国管控房价具有重要的政策含义。2019年政府工作报告明确提出，扩大高水平开放，加快建设现代化经济体系，继续打好三大攻坚战，着力激发微观主体活力，创新和完善宏观调控，促进区域协调发展，统筹推进稳增长、促改革、调结构、惠民生、防风险、保稳定工作。虽然促进贸易自由化和便利化有助于刺激国内消费市场竞争，增加消费商品种类和数量，提高居民消费福利，但是国内消费市场所在区域的房价存在差异，导致关税传导机制的作用发挥存在地区差异，房价的大幅度攀升不仅会加剧社会资源配置的不平等，同时也会降低关税下降的竞争作用，尤其是对于高房价地区的无住房家庭而言，关税下降带来的消费品价格下降幅度有限，购房压力的上升和生活消费品价格的微小降低并不能大幅度提高居民在贸易开放过程中的福利水平。因此，为促进并形成强大的国内市场，持续释放内需潜力，充分发挥消费的基础作用和投资的关键作用，稳定国内有效需求，为经济平稳运行提供有力支撑，可以在以下两个方面多做工作：一方面，应当进一步降低关税和非关税壁垒，优化进口结构，积极扩大进口，促进国内消费市场竞争，激发市场活力，丰富居民消费选择；另一方面，应改变过去“一刀切”式的房价宏观调控模式，改革并完善住房市场体系和保障体系，促进房地产市场平稳健康发展，强化对不同城市的差异化调控，尤其是加大对一线城市的管控，充分发挥贸易开放对国内消费品价格的正面效应，让全体居民在对外开放中真正受益。
① 本文的房价均指每平方米住房的平均价格，单位为元/m2。
② 其他城市控制变量数据均来自各年的《中国区域经济统计年鉴》和《中国城市统计年鉴》。
③ 考虑到篇幅，本文未汇报价格库中商品名称与HS6编码的匹配结果以及变量的描述性统计情况。
④ 主要中心城市包括：北京、长春、长沙、成都、大连、福州、广州、贵阳、哈尔滨、海口、杭州、合肥、呼和浩特、济南、昆明、拉萨、兰州、南昌、南京、南宁、宁波、青岛、上海、深圳、沈阳、石家庄、太原、天津、乌鲁木齐、武汉、西安、西宁、厦门、银川、郑州、重庆。
| [1] | 陈峰, 姚潇颖, 李鲲鹏. 中国中高收入家庭的住房财富效应及其结构性差异[J]. 世界经济, 2013(9): 139–160. |
| [2] | 邓健, 张玉新. 房价波动对居民消费的影响机制[J]. 管理世界, 2011(4): 171–172. |
| [3] | 杜莉, 沈建光, 潘春阳. 房价上升对城镇居民平均消费倾向的影响——基于上海市入户调查数据的实证研究[J]. 金融研究, 2013(3): 44–57. DOI:10.3969/j.issn.1674-5477.2013.03.008 |
| [4] | 范欣, 宋冬林, 赵新宇. 基础设施建设打破了国内市场分割吗?[J]. 经济研究, 2017(2): 20–34. |
| [5] | 韩立岩, 杜春越. 收入差距、借贷水平与居民消费的地区及城乡差异[J]. 经济研究, 2012(S1): 15–27. |
| [6] | 黄新飞, 陈思宇, 李腾. 我国零售商品价格行为研究——来自长三角15个市超市的微观证据[J]. 管理世界, 2014(1): 8–15. |
| [7] | 刘晓光, 张勋, 方文全.基础设施的城乡收入分配效应: 基于劳动力转移的视角[J].世界经济, 2015, （3）: 145-170. http://www.cnki.com.cn/Article/CJFDTotal-SJJJ201503008.htm |
| [8] | 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[J]. 世界经济, 2014(1): 30–54. |
| [9] | 毛其淋, 许家云. 中间品贸易自由化与制造业就业变动——来自中国加入WTO的微观证据[J]. 经济研究, 2016(1): 69–83. |
| [10] | 孙浦阳, 张靖佳, 姜小雨. 电子商务、搜寻成本与消费价格变化[J]. 经济研究, 2017(7): 139–154. |
| [11] | 卫瑞, 庄宗明. 生产国际化与中国就业波动:基于贸易自由化和外包视角[J]. 世界经济, 2015(1): 53–80. |
| [12] | 肖德, 杨弘, 唐威. 贸易自由化对中国地区经济发展差异影响的理论分析与实证检验[J]. 管理世界, 2013(5): 169–170. |
| [13] | 颜色, 朱国钟. " 房奴效应”还是" 财富效应”? ——房价上涨对国民消费影响的一个理论分析[J]. 管理世界, 2013(3): 34–47. |
| [14] | 余淼杰, 梁中华. 贸易自由化与中国劳动收入份额——基于制造业贸易企业数据的实证分析[J]. 管理世界, 2014(7): 22–31. |
| [15] | 张光南, 洪国志, 陈广汉. 基础设施、空间溢出与制造业成本效应[J]. 经济学（季刊）, 2013(1): 285–304. |
| [16] | Amiti M, Itskhoki O, Konings J. Importers, exporters, and exchange rate disconnect[J]. American Economic Review, 2014, 104(7): 1942–1978. DOI:10.1257/aer.104.7.1942 |
| [17] | Berger D, Guerrier V, Lorenzoni G, et al. House prices and consumer spending[J]. The Review of Economic Studies, 2018, 85(3): 1502–1542. DOI:10.1093/restud/rdx060 |
| [18] | Berman N, Couttenier M. External shocks, internal shots:The geography of civil conflicts[J]. Review of Economics and Statistics, 2015, 97(4): 758–776. DOI:10.1162/REST_a_00521 |
| [19] | Berner E, Birg L, Boddin D. Retailers and consumers: The pass-through of import price changes[J]. The World Economy, 2017, 40(7): 1314–1344. DOI:10.1111/twec.2017.40.issue-7 |
| [20] | Burstein A, Vogel J. International trade, technology, and the skill premium[J]. Journal of Political Economy, 2017, 125(5): 1356–1412. DOI:10.1086/693373 |
| [21] | Chen B, Yu M, Yu Z H. Measured skill premia and input trade liberalization: Evidence from Chinese firms[J]. Journal of Development Economics, 2017, 109(42): 31. |
| [22] | Feenstra R C, Weinstein D E. Globalization, markups, and US welfare[J]. Journal of Political Economy, 2017, 125(4): 1040–1074. DOI:10.1086/692695 |
| [23] | Galle S, Rodríguez-Clare A, Yi M. Slicing the pie: Quantifying the aggregate and distributional effects of trade[R]. NBER Working Paper, 2017. |
| [24] | Garriga C, Hedlund A. Mortgage debt, consumption, and illiquid housing markets in the great recession[R]. Working Paper 2017-030A, 2017. |
| [25] | Guerrieri V, Uhlig H. Housing and credit markets: Booms and busts[J]. Handbook of Macroeconomics, 2016, 2: 1427–1496. DOI:10.1016/bs.hesmac.2016.06.001 |
| [26] | Han J, Liu R J, Marchand B U, et al. Market structure, imperfect tariff pass-through, and household welfare in Urban China[J]. Journal of International Economics, 2016, 100: 220–232. DOI:10.1016/j.jinteco.2016.02.006 |
| [27] | Hanner D, Hosken D, Olson L M, Smith L K. Dynamics in a mature industry: Entry, exit, and growth of big-box retailers[J]. Journal of Economics and Management strategy, 2015, 24(1): 22–46. DOI:10.1111/jems.12087 |
| [28] | Helpman E,Itskhoki O, Muendler M A, et al. Trade and inequality: From theory to estimation[J]. The Review of Economic Studies, 2017, 84(1): 357–405. DOI:10.1093/restud/rdw025 |
| [29] | Justiniano A, Primiceri G E, Tambalotti A. A simple model of subprime borrowers and credit growth[J]. American Economic Review, 2016, 106(5): 543–547. DOI:10.1257/aer.p20161087 |
| [30] | Kaplan G, Mitman K, Violante G L. Non-durable consumption and housing net worth in the great recession: Evidence from easily accessible data[R]. NBER Working Paper No.22232, 2016. |
| [31] | Marchand B U. Tariff pass-through and the distributional effects of trade liberalization[J]. Journal of Development Economics, 2012, 99(2): 265–281. DOI:10.1016/j.jdeveco.2012.02.004 |
| [32] | Mayer T, Melitz M, Ottaviano G. Market size, competition, and the product mix of exporters[J]. American Economic Review, 2014, 104(2): 495–536. DOI:10.1257/aer.104.2.495 |
| [33] | Mian A, Rao K, Sufi A. Household balance sheets, consumption, and the economic slump[J]. The Quarterly Journal of Economics, 2013, 128(4): 1687–1726. DOI:10.1093/qje/qjt020 |
| [34] | Mian A, Sufi A. Who bears the cost of recessions? The role of house prices and household debt[J]. Handbook of Macroeconomics, 2016, 2: 255–296. DOI:10.1016/bs.hesmac.2016.03.005 |
| [35] | Muellbauer J, Murphy A. Booms and busts in the UK housing market[J]. The Economic Journal, 1997, 107(445): 1701–1727. DOI:10.1111/j.1468-0297.1997.tb00076.x |
| [36] | Nicita A. The price effect of tariff liberalization: Measuring the impact on household welfare[J]. Journal of Development Economics, 2009, 89(1): 19–27. DOI:10.1016/j.jdeveco.2008.06.009 |
| [37] | Piazzesi M, Schneider M. Housing and macroeconomics[R]. NBER Working Paper No.22354, 2016. |
| [38] | Porto G G. Estimating household responses to trade reforms: Net consumers and net producers in rural Mexico[J]. International Economics, 2015, 144: 116–142. DOI:10.1016/j.inteco.2015.09.001 |
| [39] | Rickert D, Schain J P, Stiebale J. Local market structure and consumer prices: Evidence from a retail merger[R]. DICE Discussion Paper, 2018. |
| [40] | Simonovska I. Income differences and prices of tradables: Insights from an online retailer[J]. The Review of Economic Studies, 2015, 82(4): 1612–1656. DOI:10.1093/restud/rdv015 |
| [41] | Stroebel J, Vavra J. House prices, local demand, and retail prices[R]. NBER Working Paper No.20710, 2014. |
| [42] | Woodford M. Interest and prices: Foundations of a theory of monetary policy[M]. Princeton University Press, 2003. |