提额扩围拓场景 住房公积金惠民再升级

基于North（1990）制度变迁理论，将住房公积金制度转型界定为从"适应性效率"不足的旧均衡向新均衡的跃迁。H1（制度漂移假说）：住房市场化深化与居民需求多元化，使原有"仅限购房"的制度安排与外部环境之间的张力持续积累，形成制度漂移（institutional drift），倒逼改革窗口打开。H2（关键节点假说）：2026年《政府工作报告》明确提出"深化住房公积金制度改革"，构成Acemoglu & Robinson意义上的关键节点（critical juncture），触发各地密集调整公积金政策，形成制度变迁的"机会之窗"。H3（路径创造假说）：先行城市（如苏州、成都、厦门）通过拓展提取场景至物业费、装修、城市更新等领域，突破了原有制度的路径依赖，创造了"全生命周期"的新制度路径，并对后续城市产生示范与扩散效应。

采用过程追踪法（Process Tracing）与组态比较分析（fsQCA）相结合的混合识别策略。首先，以2026年《政府工作报告》发布为外生冲击点，追踪前后各城市公积金政策调整的时间序列变化，利用"前后对比+跨城市变异"的双重差分逻辑识别制度变迁的因果机制。其次，将60+城市按改革力度（提额幅度、场景拓展广度、群体覆盖度）分类，运用fsQCA识别推动激进改革vs渐进改良的条件组态。关键假定：政策调整时间与《政府工作报告》发布的接近程度反映中央信号的地方响应强度；城市间改革力度的差异由地方财政压力、房价水平、人口结构等前因条件组合解释。

第一步，事件史分析（Event History Analysis）：以城市i在月份t是否出台公积金改革政策为被解释变量，采用离散时间Logit模型：logit(P_it) = α + β₁CentralSignal_t + β₂FiscalPressure_i + β₃HousePrice_i + β₄PopAge_i + ε_it，其中CentralSignal_t为《政府工作报告》发布前后的虚拟变量。第二步，fsQCA条件组态分析：以改革力度为结果变量，以财政自给率、房价收入比、老龄化率、城镇化率、灵活就业占比为前因条件，校准后分析充分性与必要性。第三步，空间扩散分析：以Moran's I检验城市间政策扩散的空间相关性。

被解释变量"改革力度"综合四个维度构建：贷款额度提升幅度（%）、首付比例下调幅度（百分点）、提取场景扩展数量（计数）、覆盖群体扩展类型（分类变量），通过主成分分析合成综合改革指数。核心解释变量：财政压力（一般公共预算收入/支出）、房价收入比（城市平均房价/人均可支配收入）、人口老龄化率（60岁以上人口占比）、灵活就业占比（灵活就业人口/总就业人口）。数据来源：各城市公积金中心政策公告（2025.01-2026.06手动编码）、住建部公积金年度报告、各城市统计年鉴、国信房地产信息网城市房价数据库、第七次人口普查微观数据。

稳健性检验包括五个方面：（1）替换制度变迁的度量方式，以公积金提取额/缴存额的"使用率"替代政策改革指数，检验政策出台与实际使用之间的传导效应；（2）变更fsQCA校准锚点，以25%和75%分位数、中位数±1个标准差两种方案分别校准，检验组态分析的稳健性；（3）排除直辖市与省会城市的子样本回归，检验"明星城市"对结论的驱动程度；（4）以2025年各部委公积金相关文件发布时间替代2026年《政府工作报告》作为替代政策信号时点，进行安慰剂检验；（5）采用PSM方法匹配改革城市与非改革城市（以政策出台时间为处理时点），消除自选择偏误。

---

基于Keynes（1936）消费函数与流动性约束理论，住房公积金政策通过三个渠道影响总需求：第一，贷款额度提升直接增加家庭可贷资金，缓解购房流动性约束（借贷渠道）；第二，首付比例下调降低了购房的预付款门槛，使原本因首付不足而被排斥于房市之外的家庭进入市场（门槛渠道）；第三，提取场景拓展至物业费、装修等领域，将原本"锁定"在公积金账户中的储蓄转化为当期可支配收入，产生类似退税的消费刺激效应（提取渠道）。H1：公积金贷款额度每提升10%，城市住房成交量增加3%-5%。H2：提取场景每增加一类，家庭非住房消费支出增加0.5%-1%。H3：政策乘数在流动性约束高（低储蓄率、低金融资产）家庭中更大，呈现显著异质性。

利用各城市公积金政策调整时间的差异（staggered DID），以政策出台月为处理时点，未出台城市为对照组，估计政策的处理效应。核心识别假定：在控制城市固定效应、时间固定效应和城市特定趋势后，政策调整时机与城市的不可观测消费冲击无关。通过事件研究法检验处理组与对照组在政策前平行趋势：以政策出台前12个月至后12个月为窗口，绘制动态处理效应图，若政策前系数不显著异于零且政策后系数逐渐增大，则支持因果识别。此外，利用同一城市内不同家庭的公积金缴存状况差异（缴存vs非缴存），构建三重差分（DDD）进一步控制城市层面混杂因素。

基准DID模型：Y_it = α + β₁Treat_i × Post_it + γX_it + μ_i + λ_t + ε_it，其中Y_it为城市i在月份t的住房成交量（或社会消费品零售总额增速），Treat_i为是否出台公积金调整政策的城市虚拟变量，Post_it为政策出台后的时间虚拟变量。动态效应的事件研究模型：Y_it = α + Σ_{k=-12}^12 β_k D_it^k + γX_it + μ_i + λ_t + ε_it，其中D_it^k为相对政策时间的月度虚拟变量。DDD模型在三重差分框架中引入家庭层面公积金缴存状态，进一步控制家庭固定效应，捕捉家庭内公积金可得性变化对消费行为的影响。

被解释变量：住房消费（新建商品住宅成交面积对数、二手住宅成交套数对数）、非住房消费（社会消费品零售总额增速）、耐用品消费（乘用车销售量对数）。核心处理变量：贷款额度变化率（%）、首付比例变化（百分点）、新提取场景数（个）。控制变量：城市GDP增速、常住人口对数、人均可支配收入对数、房贷利率、土地出让面积。数据层次：城市-月度面板数据，覆盖2024年1月至2026年6月，60+改革城市与其余未改革地级市。微观层面以CHFS五期面板数据追踪家庭消费对公积金可得性变化的响应。

稳健性检验设计：（1）使用Callaway & Sant'Anna（2021）方法处理交错DID中异质性处理效应导致的负权重问题，重新估计组别-时间平均处理效应；（2）以公积金政策调整的"强度"（连续变量）替代"是否调整"（二元变量），使用连续DID设计，检验剂量-反应关系；（3）安慰剂检验——随机分配政策出台时间1000次，构建经验分布，检验实际估计值是否位于尾部；（4）排除一线城市（北京、上海、广州、深圳）子样本，检验超大城市的特殊市场结构是否驱动结果；（5）使用合成控制法为每个改革城市构建反事实消费路径，以加权未改革城市模拟"无改革"情景下的消费轨迹。

---

依据Thaler（1999）心理账户理论，居民将住房公积金归入"购房"这一特定的心理账户，形成严格的非替代性约束——即便账户中有充足余额，也不会将其用于购房之外的住房消费。2026年公积金提取场景拓展至物业费、装修、城市更新等领域，本质上是一次外部施加的"心理账户再标记"（mental relabeling），打破了原有的消费禁区。H1（心理账户解锁假说）：提取场景拓展城市的公积金提取率（提取额/缴存额）显著上升，且新增提取主要集中在物业费、装修等"新开放"用途，而非挤占原有购房提取。H2（锚定效应假说）：各城市设定的提取上限（如合肥每年4200元物业费、厦门装修1800元/平米）构成提取者决策的锚定值，实际提取金额向其聚类。H3（心理账户边界假说）：物业费、装修等"与住房直接关联"的提取场景的消费激活效果，显著强于"城市更新"等与当前住房关联度较低的提取场景，后者因心理账户边界模糊而导致使用率较低。

识别策略包含三重设计。第一，利用各城市拓展提取场景的时间差异作为自然实验，以DID估计每新增一项提取场景对公积金提取率的影响，验证心理账户再标记效应。第二，在已出台物业费提取政策的城市中，实施随机信息干预田野实验：将缴存人随机分为三组——对照组（不干预）、信息组（仅告知物业费可提取）、锚定组（告知物业费可提取且强调"每年最高可提取4200元"，但实际无提取上限），比较三组在实验后3个月内的实际提取行为差异，识别信息摩擦与锚定效应。第三，通过在线调查实验测度公积金不同用途的"心理可接受度"评分（1-7 Likert量表），构建各用途的心理账户边界指数，检验其与实际提取率的对应关系。

DID基准模型：ExtractRate_it = α + β₁PolicyPost_ct + γ₁Balance_it + γ₂Income_it + μ_i + λ_t + ε_it，其中ExtractRate_it为家庭i在t期的公积金提取/缴存比，PolicyPost_ct为城市c在t期是否已出台某类提取政策。田野实验的ITT估计：Extract_i = α + β₁InfoGroup_i + β₂AnchorGroup_i + γX_i + ε_i，以随机分组为工具变量。调查实验的回归分析：Rating_ij = α + β₁UseCategory_j + β₂Income_i + β₃Homeownership_i + ε_ij，其中Rating_ij为家庭i对用途j的心理可接受度评分。最后，将调查实验估计的心理账户边界参数嵌入Shefrin & Thaler（1988）行为生命周期模型进行校准，模拟不同提取场景拓展方案下的福利效应。

核心被解释变量：公积金提取率（月度个体提取额/月度缴存额）、新用途提取占比（物业费提取额/总提取额）、提取-上限比（实际提取额/政策上限）。核心解释变量：提取场景可用性（虚拟变量）、提取上限金额（连续变量，对数）、信息干预分组。控制变量：公积金账户余额、个人月缴存额、家庭月收入、住房所有权状态、年龄、教育水平。数据来源：与2-3个城市公积金中心签订数据合作协议获取脱敏个体月度提取明细数据（2024.01-2026.12）；在线调查实验通过Credamo平台招募3000+名公积金缴存人完成心理账户测度问卷；CHFS数据作为外部验证。

稳健性检验设计：（1）采用模糊断点回归（Fuzzy RD），以城市提取上限金额的离散变化为断点，检验提取行为在阈值附近的跳跃，排除连续趋势的混淆；（2）使用Heckman两步法处理零提取样本的自选择问题——是否提取（Probit）和提取多少（OLS）联合估计；（3）替换心理账户度量方式——以家庭在调查中自报的"公积金理想用途排序"替代心理可接受度评分，重新构建心理账户边界指数；（4）田野实验中进行平衡性检验与耗损分析（attrition analysis），确保随机分组后各组在可观测特征上无显著差异，实验期内样本流失与分组无关；（5）对不同收入分位数、不同年龄段的子样本分别估计，绘制处理效应的异质性热力图。

---

在Montinola, Qian & Weingast（1995）中国式财政联邦主义框架下，公积金政策属于地方拥有较大自由裁量权的"地方性公共品"。2026年《政府工作报告》的"深化住房公积金制度改革"表述构成中央的政策信号，但未给出统一的操作细则，从而为地方政府的策略性响应留下了空间。H1（财政激励假说）：土地财政依赖度（土地出让金/一般公共预算收入）越高的城市，越倾向于大幅提高公积金贷款额度（以刺激购房需求、维持土地市场热度），改革力度与土地财政依赖度呈正相关。H2（官员晋升激励假说）：市委书记/市长剩余任期越短的城市，越倾向于采取"显性化"的提额降首付措施（短期内可见的政策亮点），而非"隐性化"的场景拓展（长期制度建设的政策创新）。H3（政策扩散假说）：城市公积金政策创新遵循"邻近城市模仿+同级别城市竞争"的双重扩散逻辑——地理邻近和经济体量相似的城市间，政策出台时间的相关性显著为正。

识别策略分为纵向（央地）和横向（地地）两个维度。纵向维度：以2026年《政府工作报告》发布时间（3月5日）为中央信号时点，将各城市公积金政策调整的精确日期转化为"距中央信号的天数"，以Cox比例风险模型分析地方响应速度的政治经济决定因素。通过比较土地财政依赖度高/低组、官员任期长/短组的Kaplan-Meier生存曲线差异，直观展示不同政治经济条件下的政策出台时间模式。横向维度：构建地理邻接矩阵（0-1）和经济距离矩阵（|GDP_i - GDP_j|^{-1}），在空间面板模型中估计公积金政策创新的直接效应（本城政策效果）和间接效应（邻近城市政策对本地政策的影响），区分学习（learning）、竞争（competition）、模仿（emulation）和强制（coercion）四种扩散机制。

Cox比例风险模型：h_i(t) = h_0(t) × exp(β₁FiscalDependence_i + β₂TenureRemaining_i + β₃HousePriceGrowth_i + β₄PopDensity_i + β₅GDPperCapita_i)，其中h_i(t)为城市i在t时刻出台公积金改革政策的"风险率"，h_0(t)为基准风险函数。空间杜宾模型（SDM）：Y_it = ρWY_it + βX_it + θWX_it + μ_i + λ_t + ε_it，其中Y_it为城市i在t期的公积金改革力度指数，W为空间权重矩阵（地理邻接或经济距离），ρ捕捉政策的横向空间溢出效应，θ捕捉邻居特征对本地的"情境效应"。Logistic扩散模型：P(Adoption_{it}=1 | Adoption_{it-1}=0) = Λ(α + β₁NeighborsAdoption_{it-1} + β₂PeersAdoption_{it-1} + γX_{it})，其中Neighbors为地理邻接城市中已采纳者比例，Peers为同级别城市（按GDP或行政级别分类）中已采纳者比例。

被解释变量：（1）Cox模型中为政策出台的"生存时间"（天数，从2026/3/5起至该城市第一项公积金调整政策出台日）；（2）空间模型中为公积金改革力度综合指数（同选题1中的主成分得分）。核心解释变量：土地财政依赖度（土地出让金/一般公共预算收入×100%）、官员剩余任期（月份）、市委书记年龄虚拟变量（≤55岁=1，晋升窗口期效应）。空间权重矩阵：地理邻接矩阵（Rook邻接）、经济距离矩阵（|人均GDP_i - 人均GDP_j|^{-1}）、信息流矩阵（百度指数中城市i与j的双向搜索量标准化）。数据来源：《中国城市统计年鉴》；地方官员履历手动编码自人民网地方领导资料库与各市政务公开网；百度指数城市搜索指数API。

稳健性检验设计：（1）替换中央信号时点——以2025年12月中央经济工作会议和2026年3月全国两会两个时点分别作为信号日，检验政策响应时间模型的时点敏感性；（2）使用离散时间Logit模型替代连续Cox模型，放松比例风险假定，检验模型设定的稳健性；（3）更换空间权重矩阵——以高铁通勤时间距离替代地理邻接矩阵，反映实际经济联系强度对政策扩散的影响；（4）排除副省级及以上城市，检验行政级别对扩散机制的干扰（高行政级别城市可能具有不同的信息获取与政策制定逻辑）；（5）使用Berry, Burden & Howell（2010）的事件史方法处理重复事件（同一城市可能在多个政策维度分别调整），以脆弱模型（frailty model）控制城市层面未观测异质性。

---

住房公积金本质上是一种强制储蓄制度，其资金配置面临类似公共资金的效率问题：每元公积金用于购房贷款、租房提取或物业费支付，所产生的边际社会效用不同。根据Harberger（1971）的资源配置效率框架，最优配置应使各用途的边际社会福利相等——当公积金贷款额度的边际社会回报（促进购房、带动相关消费）等于租房提取的边际社会回报（缓解租房负担、提升居住质量）时，制度达到次优均衡。H1：公积金用于购房贷款的边际消费乘数（每元贷款增加的住房消费金额）高于其他用途，但用于物业费和装修支付的边际居住质量改善（以住房满意度或租金溢价衡量）可能更高。H2：在房价收入比高的城市，公积金用于租房提取的边际社会效用（减轻居住成本负担）大于用于购房贷款。H3：当前政策默认"购房优先"的资金配置模式偏离了社会福利最大化条件，向物业费、城市更新等用途倾斜资金可提升总体配置效率。

识别策略包含三个递进层次。首先，在支出层面，利用各城市在不同时间点开放不同提取场景的政策变异，运用TWFE模型估计每元公积金用于不同用途的边际支出效应。核心识别挑战在于家庭对公积金用途的选择是内生的——高边际消费倾向的家庭可能更倾向于提取公积金。为此，采用城市层面"提取场景可用性"作为家庭特定用途选择的工具变量：某一提取场景是否可用在城市-时间层面是外生的，但决定了家庭将公积金用于该用途的可得性。其次，在福利层面，将每种用途的边际消费乘数与其对应的边际社会效用权重相结合，构建公积金资金配置的社会福利函数。通过比较各用途的边际社会福利，推导资金跨用途最优配置比例。第三，使用随机前沿分析（SFA）测度各城市的公积金资金使用技术效率——以公积金总提取率（总提取额/总缴存额）为产出，以各用途提取上限、城市房价水平、人口年龄结构为投入，估计效率前沿。

TWFE一阶段模型：Y_ict = α + Σ_k β_k × UseShare^k_ict + γX_ict + μ_i + λ_t + ε_ict，其中Y_ict为家庭i在城市c、t期的住房消费支出，UseShare^k_ict为家庭i将公积金用于用途k的比例（k=购房贷款、租房提取、物业费、装修、城市更新）。IV策略的一阶段方程：UseShare^k_ict = θ_0 + θ₁Availability^k_ct + θ₂Balance_ict + ν_ict，以Availability^k_ct（城市c在t期是否开放用途k的提取）为工具变量，识别外生冲击下每元公积金分流至用途k对住房消费的边际影响。SFA模型：ln(ExtractRate_ct) = β₀ + Σ_j β_j ln(X_jct) + v_ct - u_ct，其中v_ct为随机噪声，u_ct为非负的技术无效率项，ExtractRate_ct为城市c在t年的公积金总提取率。社会福利函数：SW = Σ_k (MPC_k × η_k) × Fund_k − Σ_k MCPF × Fund_k，其中MPC_k为用途k的边际消费倾向，η_k为用途k的边际社会效用权重（基于住房满意度调查的支付意愿估计），MCPF衡量公共资金的边际成本。

被解释变量：家庭住房消费支出（购房首付款+月供、租金、物业费、装修费、改造费的自然对数之和）、住房满意度（CHFS自评居住满意度1-5分）。核心解释变量：公积金各用途分流比例（%）、用途可用性虚拟变量。工具变量：城市-时间层面的提取场景可用性向量。SFA投入变量：公积金最高贷款额度、最低首付比例、物业费提取上限、城市平均房价（对数）、城镇化率、60岁以上人口占比。数据来源：CHFS五期面板数据（覆盖公积金缴存家庭子样本，约5000户）；住建部公积金年度报告（省级面板2015-2025）；合作城市公积金中心月度分类提取明细（脱敏）；CEIC中国经济数据库城市房价序列。

稳健性检验设计：（1）使用Lewbel（2012）的异方差工具变量法作为替代IV策略——利用回归残差的异方差性构造内部工具变量，不依赖排他性工具变量假定，交叉验证基准IV结果；（2）以家庭的公积金账户余额/年收入比替代用途分流比例，直接从"资金可得性"角度重新度量边际支出效应；（3）在SFA中替换效率分布假设——分别采用半正态分布、截断正态分布和指数分布假设，以AIC/BIC选择最优分布并验证效率排序的一致性；（4）使用分位数回归（Quantile Regression）估计各用途MPC的分布异质性——在家庭住房消费支出的25th、50th、75th分位数上分别估计，检验边际效应是否集中于某一消费水平段；（5）以住房公积金制度的"新加坡CPF模式"（中央公积金覆盖养老、医疗、住房、教育等全能型模式）为反事实情景，通过校准后的结构模型模拟中国公积金若走向"全生命周期平台"的最优资金配置比例，提供政策优化参照。