短期租赁与住房市场:准实验证据来自洛杉矶的Airbnb外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

短期租赁与住房市场:准实验证据来自洛杉矶的Airbnb

汉斯·R·A·科斯特a,1，乔斯·范·欧梅伦a,2,lowast;尼古拉斯·沃尔克豪森a

摘要

Airbnb等在线短期租赁(STR)平台已经迅猛发展。我们采用准实验研究设计，研究了这些平台的调控对房地产市场的影响。洛杉矶县88个城市中有18个城市通过采用住房共享条例来严格限制短期租赁。我们在城市的边界周围应用了一个面板回归-不连续的设计。法令减少了50%，房价减少了2%。额外的差异估计显示条例也降低了2%。这些估计表明，Airbnb对吸引游客的地区的房产价值有很大的影响。

关键词：短期租赁；南方价格；管制；供应影响；外部性

1.引言

由于Airbnb等在线平台的兴起，短期住房租赁(STRs)已经变得非常重要，这些平台为家庭提供了非正式地向游客提供住宿的机会。str平台流行的激增导致了大量的流行由于住房负担能力下降(Samaan，2015；谢泼德和乌德尔，2016年)，不公平竞争和非法酒店化(2017年月日).消极的外部性(例如。噪音，减少感知的安全)，由于游客的存在也经常被提及(见例如。Lieber，2015；威廉姆斯，2016年；菲利帕斯和霍顿，2018年)。

全球各地的地方政府对监管STRs的反应却截然不同。大多数城市没有对这些平台进行显著监管，但有少数城市最近实施了严格的限制。例如，柏林要求str主机在至少50%的时间内占用该房产(OSullivan, 2016).旧金山要征收14%的酒店税（临时占用税)和每年最多90天的租金上限(菲什曼，2015年).截至2019年，阿姆斯特丹甚至规定每年30天。

在本文中，我们的目的是衡量到目前为止在房地产市场上最大的str平台Airbnb的影响。我们关注限制str市场的政策的影响。关于对短期租赁的监管如何影响房地产市场，可能有三种主要机制：

1. 有效的使用效果。短期租赁从闲置空间中产生收入，由于额外的收入机会而增加价值。此外，住宅物业现在可以使用其最赚钱的使用(即。由短期的租客提供的服务)。这应该是效率的提高，刺激住房需求，从而提高房价。

2. 租赁住房供应效应。短期租赁反过来可能导致现有住房存量从长期租赁市场重新分配到私人住房，从而增加租金。

3. 外部效应。短期租赁可能会产生负面的有害外部性，从而降低附近的房产价值。如果邻居担心人口更替或不熟悉的人，这可能会减少对住房的需求。菲利帕斯和霍顿，2018).

为了确定短期住房租赁监管对住房市场的影响，我们利用了在洛杉矶县实施所谓的住房共享条例(HSOs)所提供的外生变化。88个城市中有18个实施了法规，基本上禁止非正式的度假租赁；出租整个房产的房东现在要遵守与普通酒店、住宿和早餐相同的正式规定。短期的住房共享并不总是被禁止的，尽管在这些城市受到限制。

我们关注洛杉矶县的原因有几个。首先，这是一个吸引游客的地区，在Airbnb上有成千上万的房源。它是全球Airbnb排名最多的十大城市，也是美国第二受欢迎的Airbnb城市，仅次于纽约。其次，该县HSOs的实施存在较大的时空差异。例如，hso已经在接收许多游客的城市中实施。以及在那些更处于洛杉矶城市边缘的城市。帕萨迪娜我们认为这可能会增加本文所示结果的外部有效性。第三，通过关注18个城市，而不是在一个城市引入HSO，我们大大降低了我们的结果被未观察到的事件污染的可能性。一个特定城市的政策的变化，几乎发生在同一时间

作为HSO的介绍。第四，在洛杉矶县，与纽约相比，租房者（通常）不允许在Airbnb上列出房产(利普顿，2014年).3这有助于解释我们的研究结果的分配后果：租房者通常会因为airbnb导致的更高租金而蒙损失（而且几乎无法从转租给短期租房者的机会中获益）。

城市之间的变化使我们能够使用空间回归不连续设计(RDD)，我们结合差异(DiD)设置：我们基本上关注Airbnb上市数量的变化，以及房价，接近城市的边界实现的高。更具体地说，我们使用的是2014年至2018年期间Airbnb房源和房价的微观数据。我们的主要结果是基于在HSO地区边界约2公里范围内的观测结果。

通过应用小组RDD组，我们确定了第一个效应——有效使用效应——这可以说是解释房价影响的关键机制。在当地固定效应的条件下，靠近实施HSO的地区边界的房产在其他方面是相同的，除了在一个地区的短期租赁受到限制。然后，理论表明，在HSO边界的房价有一个离散的下降，因为在一个处理区域内的房屋对房主提供的价值较低。

面板RDD的一个潜在问题的方法是，通过比较房价（以及上市）在两个邻近的城市——一个实现HSO和另一个没有实现HSO-可替代性房屋之间的两侧城市边界可能膨胀HSO实现的影响。我们提供了一系列的统计测试，这些测试都表明这种“操作”是不存在的。对于没有操纵的经济直觉是，旅游需求往往不是非常本地化的。在美国，游客对距离彼此只有几分钟车程的地点漠不关心)，所以旅游住宿在长距离上相互竞争。因此，鉴于旅游住宿的弹性需求函数，就没有动机将房源移过边境。

短期租赁平台也减少了当地（长期）租赁市场可用的住房供应，从而增加了租金(希尔伯和维尔2016年月日)-租赁住房供应效应。当租赁物业和私人物业的预期经济回报相同时，那么在租赁市场上估计的住房供应效应应与有效使用效应（使用房价估计）相同。我们不能通过应用租金面板RDD来衡量租赁住房供应的影响，因为在HSO边界的不同一侧的房产经历相同的住房供应变化，并为租户提供相同的价值(见格莱塞和沃德，2009年).这意味着在HSO的边界上不应该有离散的租金跳跃。为了捕捉租赁住房供应的影响，我们采用了另一种策略：我们使用邮政编码的总租金辅助数据和DiD估计策略，而我们则关注远离HSO边界的房产。DiD方法比小组RDD方法依赖于更严格的识别假设。我们通过对房价应用相同的方法来评估DiD方法的有效性，发现了与面板RDD方法非常相似的效果。

我们还通过调查第三种效应——外部性效应——在HSOs以外的房产的价格变化来测试第三种效应。许多论文发现，房地产市场溢出效应是非常局部的。林登和罗科夫，2008年；奥托等人，2014年；Fisher等人，2015年；2015年；阿尔费尔特和霍尔曼，2018年；戴蒙德和麦夸德，2019年；科斯特和范奥梅伦，2019年）。因此，我们也测试了Airbnb对价格的影响之间的差异，同时区分了共管公寓和单户住宅。人们预计，本地外部性对共管公寓尤为重要，所以，如果Airbnb对共管公寓价格的影响会降低，这就意味着可能会出现外部影响。我们没有发现外部性效应对洛杉矶县很重要的证据。

我们得到了两个主要的结果。我们的第一个结果是，hso在减少Airbnb上市方面非常有效。从长远来看，该法令将Airbnb整个房产和房间的数量减少了约50%。我们进一步表明，当提供房间仍然允许的情况下，房间列表并没有减少，18个有HSOs的城市中有4个是这种情况。我们的第二个结果是，HSO将房价和租金平均降低了约2%。这种效应对广泛的安慰剂测试和规格选择都是稳健的。因此，实施HSO的决定是一个政治决定，有一群明显的赢家和输家，以及强大的分配效应：业主从HSO导致的房价下跌中失去损失，而（长期）租户从较低的租金中受益。

我们的设置还允许我们估计Airbnb需求对房地产市场的影响。这种效应的因果推论并不简单，因为Airbnb的房源都集中在对居民也有吸引力的中心地区。因此，人们倾向于发现Airbnb的房源与房价或租金之间存在很强的正相关关系。我们使用IV的方法估计了Airbnb需求对房价的影响。我们使用Airbnb的挂牌率来衡量需求——挂牌率与住房单元数量的比例。使用HSOs作为边境附近挂牌率的供应转移工具，我们表明，短期的住宿租金需求增加了住宅的价格房产——Airbnb挂牌率的标准差使价格上涨5美元。5%.利用DiD估计策略，我们进一步表明，租金的降幅与房价差不多，这可能是由于出租房屋的供应减少了。

然后，我们表明，Airbnb意味着洛杉矶县整体房产价值的适度增长：自2008年以来，Airbnb的总平均房产价值增幅为3。6%.然而，这掩盖了这样一个事实，即洛杉矶县的大部分地区并不是很城市化，也没有吸引游客。相比之下，Airbnb对房地产市场的影响可能会很大在中心城区——距离好莱坞星光大道2.5公里以内，由于Airbnb，房产价值上涨了近15%。在距离2.5公里的海滩范围内，价格上涨了5美元，8%。

近年来，共享经济受到了越来越多的关注。经济学家从不同的角度研究了家庭共享，比如在线市场上的种族歧视(Edelman等人，2017年；Kakar等人，2016年）、旅游的负外部性（VanderBorg等人，2017年；古铁雷斯等人，2017年)及其对酒店业的影响(Zervas等人，2017).这并不是第一次关于短期租赁对住房市场影响的实证研究。谢帕德和Udell（2016）得出这样的结论由于Airbnb的影响，中国政府的房价增长了约31%。Horn和Mer-ante（2017）显示，Airbnb密度会增加租金由1。3 minus; 3.1%. 巴伦等(2021)显示Airbnb的挂牌提高了美国城市的房价和租金。7加西亚-洛佩兹等人。(2018)也重新港口对巴塞罗那的租金有积极的影响。阿尔马格罗和多明格齐诺（2020）为阿姆斯特丹开发了一个结构模型，其中Airbnb被用作消费设施的冲击。他们发现10%在挂牌出售的房屋租金上涨了0.5%。模型参数的识别依赖于未观测到的组件的特定结构(i.e.一个ARMA结构)。一些报道(NYCC，2015；Samaan，2015；李，2016；瓦赫斯穆斯和韦斯勒，2017年)——这本质上依赖于相关性-也研究了Airbnb的影响。与这些研究相反，我们研究了监管对Airbnb本身的影响，这是关键的政策利益。此外，我们利用监管变化提供的准实验变化来估计Airbnb对房地产市场的影响。

本文还涉及了一篇研究旅游和设施对住房市场影响的文献。卡利诺和赛兹（2008）例如，研究表明，参观一个城市的游客数量可以很好地预测了上世纪90年代美国大都市地区的增长。Ahlfeldt等。(2017)和Gaine等人。(2018)发现游客和居民拍摄的照片密度增加了土地价值，吸引了富人。此外，大量的论文表明，高舒适性的位置有更高的住房价值。VanDuijn和鲁文德尔，2013年；阿尔费尔特和卡维索斯，2014年；科斯特和鲁文德尔，2017年)。在这些研究中，它这是不可能理清旅游和便利设施的影响的。最近的一篇论文是个例外Faber和Gaubert（2019），这表明，在制造业和国家一体化的推动下，旅游业产生了巨大的地方和国家经济收益。因此，我们的论文通过使用准实验研究设置，使我们能够隔离由Airbnb列表代理的旅游需求的影响。

从概念上讲，我们的论文接近于一篇衡量土地使用法规和分区效果的文献，因为HSO可以被视为分区法规的一个例子。这一领域的大多数研究表明，住房供应的限制与住房成本的增加、新建筑价格的大幅减少和房价的快速增长有关（Glaeser等人，2005年；Green等人，2005年；伊兰费尔特，2007年；希尔伯和维默伦，2016年）。然而，他们并没有识别出潜在的机械师-导致价格上涨的负面偏见。Glaeser和Ward（2009）发现当地的限制不会增加地区之间的价格，因为地理上相近的地区是相当接近的替代品。使用空间回归-不连续性设计，Koster等。(2012),特纳等人。(2014)和塞维伦和普兰廷加（2018）还研究了监管的局部效应，发现了监管对家庭的影响业主的持股比例可能高达房屋价值的10%。与这些研究的一个主要区别是(除了塞维伦和普兰廷加，2018年)是我们的研究设计并不依赖于土地利用监管的横断面变化，而是基于监管随时间的变化来确定其影响。

最后，本文介绍了大量关于住房研究的文献包括租金管制或公共住房（奥尔森和巴顿，1983年；法利斯和史密斯，1984年；月亮和斯托茨基，1993年；格莱瑟和卢特默，2003年；安德森和斯文森，2014年；Autor等人，2014年)，以及经济适用房(奎格利和拉斐尔，2004年；戴蒙德和McQuade，2019年；科斯特和范·奥梅伦，2019年)。在这些文献中，它是共同研究一项政策，规定固定比例的房屋以帮助贫困家庭。监管随后就产生了效率效应和住房供应效应。研究通常集中在ef-上效率效应（见格莱瑟和卢特默，2003年；安德森和斯文森，2014年）或住房供应效应（见秋天是和史密斯，1984年)。在：根据现有的文献，我们研究了一种监管类型，诱导效率和住房供应效应的整个住房市场，而不是市场的一个细分市场。最近的研究也明确地考虑到了提供补贴住房的溢出效应，并发现这些溢出效应非常局部（见Autor等人，2014年；戴蒙德和McQuade，2019年）。

本文的进展如下。在第二节我们将讨论这个研究的背景。第3节介绍数据并提供描述符。在第4节我们详细阐述了识别策略，然后是图形证据第5节.我们报告和讨论的主要结果是在第6节，它的后面是第7节研究整体价格效应。第8节结束。

1. 背景环境

2.1. 在洛杉矶县的Airbnb

2007年，布莱恩·切斯基和乔·格比亚想出了一个主意，要在客厅里放一个空气床垫，然后把它变成一张床和一份早餐，通过一个在线平台销售（拉戈里奥查夫金，2010年）。该网站后来被称为Airbnb，并正式上线这是一个在2008年举办的平台，它连接了拥有自己的住宿（房间、公寓、房子）和寻求临时住宿的客人。潜在的主人会列出他们的备用房间或整个公寓，并为潜在的客人提供住宿。Airbnb对主人和客人都收取一定的费用。

Airbnb在洛杉矶（就像在全球其他主要城市一样）发展迅速，现在超过40000清单。其中60%的清单是

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[588980]，资料为PDF文档或Word文档，PDF文档可免费转换为Word