JF-住房选择的游击战？邻居政治立场与家庭房屋销售决策

利用房地产交易记录和选民登记数据发现，当政治立场相反的新邻居搬入时，现有居民出售房屋并搬离的可能性增加。

做不了贵咪就做敌咪！ 🏠卖了，🏃‍➡️💃👨‍🦯‍➡️🧑‍🦼‍➡️溜了溜了

标题: Political Polarization Affects Households' Financial Decisions: Evidence from Home Sales

期刊: The Journal of Finance

作者:

• W. Ben McCartney：Assistant Professor of Commerce at the McIntire School of Commerce at the University of Virginia and a Visiting Scholar at the Federal Reserve Bank of Philadelphia；
• John Orellana-Li：Financial Economist at the Federal Reserve Bank of Philadelphia；
• Calvin Zhang：Senior Economist at the Federal Reserve Bank of Philadelphia.

上线时间： 11 February 2024

Warning：本文内容全部由Claude3 Opus生成，我跟它进行了许多轮对话，下面的结果经过了筛选，但我没有做内容上的改动，只进行了格式的调整。对于本文的任何结果，均需要谨慎对待。我认为在现阶段，Claude3 Opus的水平不逊于普通科研导师（只要肯充钱💰和多发问🙋）。

Preface

• 政治极化已经成为当代美国社会的一大显著特征。民主党人和共和党人不仅在政治立场上针锋相对，在生活的方方面面，从消费偏好到价值观念，也日益呈现出显著的差异。随着党派身份日益成为社会认同的重要维度，人们对政治“对方”的负面情绪也在不断升温。在这种背景下，“情感极化”这一概念应运而生，指的是人们对于政治异己的强烈厌恶和敌意。
• 情感极化的影响是否仅限于态度层面，或者也会影响人们的实际行为和决策？这是一个亟需实证研究的重要问题。现有文献虽然发现情感极化影响了人们在婚姻、就业等方面的选择，但对其在其他社会经济领域的作用还缺乏系统性的考察。
• 住房市场在这方面提供了一个理想的研究场景。首先，住房是大多数家庭最重要的资产，与其福祉息息相关。其次，住房选择不仅反映了人们的经济考量，也体现了他们对社区环境、邻里互动等因素的偏好。再者，搬家是一个成本高昂的决定，人们在做出这一决定时，必然要权衡各种影响因素。因此，住房市场为检验情感极化对现实决策的影响提供了一个绝佳的试金石。
• 更重要的是，研究情感极化在住房市场中的作用，有助于我们理解美国社会政治分化的现状和后果。如果由于党派对立，人们在选择居住地时都倾向于投入同温层，那么社区内部的同质化程度必然会上升，而社区之间的隔阂也会加深。从长远来看，这可能会削弱跨社区的凝聚力，阻碍社会流动，进而为社会分化埋下隐患。因此，厘清情感极化在住房市场这一关键领域的影响，对于认识政治极化的社会成本和应对政治极化的公共政策，都具有重要的指导意义。
• 本文以美国北卡罗来纳州的房地产交易和选民登记数据为基础，通过实证分析来探究情感极化在住房市场中的作用机制和影响后果。本文考察：当支持不同政党的新邻居搬到身边时，现有居民是否更倾向于搬离？这种搬离行为在多大程度上源于纯粹的党派偏好，而非对当地公共品供给、社区治理等因素的合理考量？不同社会群体对于党派异质性的反应是否存在显著差异？对这些问题的回答，不仅有助于揭示情感极化在重要经济决策中的作用，更有助于从微观基础的角度理解美国社会日益严重的政治分化及其深层次影响。
• 实证挑战：
  • 交叉截面数据中观察到的政治分隔(political segregation)并不一定意味着家庭偏好与同党派为邻。持相似政治立场的家庭可能因为偏好相似的邻里设施而选择住在一起，而非出于对彼此的偏好。因此，如果观察到居民搬离不同党派的邻居，可能并非因为他们不喜欢这些邻居本身，而是因为不同政治立场的邻居在邻里设施和公共品偏好上存在差异(即Tiebout机制)。
  • 最近的邻居可能并非随机分布：如果家庭已经搬离了他们不喜欢的邻居，那么现有的邻居分布就是内生的，无法用于识别政治两极化的因果效应。

研究设计和识别策略

策略一：限定研究样本，纳入多维固定效应（DID）

背景：理想情况下，我们希望随机给一些居民分配不同党派的新邻居，然后比较他们的搬家行为。但在现实中，新邻居的党派可能与社区的其他特征相关，而这些特征本身可能影响居民的搬家决定。因此，简单地比较有无不同党派新邻居的居民可能混淆了其他因素的影响。

思路：为了尽可能逼近随机实验，作者采取了两个关键步骤:

• 限定研究样本为刚搬来新邻居(无论党派)的现有居民。这确保了处理组(新邻居党派相反)和对照组(新邻居党派相同或无党派)都面临新邻居的冲击，因而在很大程度上控制了样本的可比性。

• 在回归模型中纳入多维固定效应，包括社区、时间、居民党派和人口特征等。这相当于只比较在这些维度上相同的居民，进一步确保了处理组和对照组的可比性。

模型设定：

• 因变量：现有居民在新邻居搬来后是否搬家
• 核心解释变量：新邻居是否与现有居民党派相反
• 固定效应：社区、时间(如年份)、现有居民党派、人口特征(如种族、年龄、收入等)的交互项
• 检验：核心解释变量的系数是否显著为正。如果为正，则表明相反党派新邻居的到来确实增加了现有居民的搬家概率，支持了政治两极化的影响。

解释：通过限定样本和纳入多维固定效应，这一策略在很大程度上模拟了随机实验:

• 限定样本确保处理组和对照组都经历了新邻居的冲击，因而排除了新邻居本身（非政治立场）的影响
• 多维固定效应控制了可能与新邻居党派相关、且影响搬家行为的其他因素，如社区特征、时间趋势、居民背景等
• 在此基础上，核心解释变量的系数反映了党派差异本身对搬家行为的额外影响

策略二：同街区分析

这一策略在策略一的基础上，进一步限定了处理组和对照组的范围，以更好地控制微观社区环境的影响。

背景：尽管策略一通过限定样本和纳入固定效应，在很大程度上控制了处理组和对照组的可比性，但它仍有一个潜在的局限：处理组(相反党派新邻居)和对照组(同党派或无党派新邻居)所在的微观社区环境可能有所不同，而这种差异可能恰好与新邻居的党派相关,从而影响居民的搬家行为。

思路：为了进一步缓解这一问题，策略二将处理组和对照组的范围限定在同一街区内：

• 处理组：与新邻居住得较近的现有居民(前后两户，对面四户)
• 对照组：与新邻居住得较远的现有居民，但仍在同一街区内 通过比较同一街区内不同党派邻居的搬家行为，这一策略在很大程度上控制了街区层面的其他影响因素，如新的设施、公共品变化等，因而更精确地识别了党派差异本身的影响。

模型设定：

• 因变量：现有居民在新邻居搬来后是否搬家
• 核心解释变量：新邻居是否与现有居民党派相反，且现有居民是新邻居的近邻(前后两户，对面四户)
• 固定效应：街区、时间(如年份)、现有居民党派、人口特征(如种族、年龄、收入等)的交互项
• 检验：将样本限定为新邻居与现有居民党派相反的情况，检验核心解释变量的系数是否显著为正。如果为正，则表明在面对相反党派新邻居时，近邻居民比远邻居民更倾向于搬家，进一步支持了政治两极化的影响。

解释：通过在同一街区内部比较近邻和远邻居民,这一策略更好地控制了微观社区环境的影响:

• 同一街区的居民面临相似的社区特征和变化趋势，因此街区固定效应可以很好地控制这些因素
• 在此基础上，近邻和远邻居民的主要区别在于是否直接与新邻居接触。因此，他们的搬家行为差异更直接地反映了党派差异本身的影响
• 进一步地，通过限定样本为新邻居党派相反的情况，这一策略聚焦于政治两极化的核心情境,提供了更有针对性的证据

策略三：事件研究法

背景：前两个策略聚焦于居民个体，比较不同党派邻居搬来时现有居民的反应差异。但这些策略仍面临一个潜在问题：虽然新邻居的党派可能是随机的，但现有居民的党派分布可能与社区的其他特征相关，而这些特征本身可能影响搬家行为。

思路：为了解决这一问题，策略三直接从新邻居入住这一事件出发。具体而言，作者将每一次新邻居入住都看作一个准实验(quasi-experiment)，其最近的八户邻居(前后各两户，对面四户)构成一个小样本。如果政治两极化导致人们不愿与不同党派为邻，那么这八户邻居中，与新邻居党派不同的居民比例应当系统性地高于50%(即随机分配的水平)。

模型设定：

• 纳入新邻居入住事件的固定效应。这相当于比较同一事件中不同党派邻居的反应差异，而不是不同事件的差异，从而控制了事件层面可能影响搬家行为的其他因素。
• 将因变量定义为八户邻居中与新邻居党派不同的居民占比，而不是具体某一户邻居是否搬家。这一设定避免了特定邻居的个体异质性，而是聚焦于整体分布。
• 检验这一占比是否显著高于50%。如果显著为正，则表明不同党派的邻居确实更倾向于搬走，支持了政治两极化的影响。

优势：这一策略将识别聚焦于新邻居附近的微观社区，且纳入了事件固定效应。相比前两个策略，它更好地控制了社区层面的其他影响因素，因而更加精确地识别了党派差异本身的影响。此外，它考察的是邻居整体的异质性，而不是个体行为，这进一步缓解了个体选择的内生性问题。

Data

• CoreLogic Solutions房地产数据。这个数据包含了房地产交易和房产特征的信息。研究者设计了一个算法，利用完整地址和精确的地理位置来识别毗邻的房产。

• 北卡罗来纳州选民注册数据。利用房主姓名和地址，研究者将个人层面的政党归属、投票历史和人口统计特征从选民注册数据中合并进来。

• 最终的数据集是一个2005-2019年的季度面板数据，包含了独户住宅的信息，详细记录了现有居民和他们最近邻居的房屋出售决策和政党归属。

结果

• 策略一：在控制了一系列户主特征(党派、种族、年龄、出生州和居住时长)、房产特征(面积和建筑年份)以及街区-季度-党派-种族固定效应后，如果有异党的新邻居搬来，现有户主在两年内卖房的概率会比同党或无党派邻居搬来时高出0.31个百分点，相当于增加了4%。这说明户主更倾向于搬离异党邻居。
• 策略二：通过比较同一个街区内有无新邻居入住的户主，发现相邻或隔壁有新邻居的户主比同一街区稍远处的户主更可能搬走。这进一步证实了前一结果。
• 策略三：将新邻居的到来作为一个事件，考察离新邻居最近的8个现有居民(两边各两个，对面四个)。结果显示，在这8个最近邻居中，与新邻居属于对立政党的现有居民的搬走率显著高于无党派或与新邻居同党派的现有居民。
• 效应随时间变化的分析表明，新邻居搬来1年后，处理组和对照组的搬出率才开始显著分化。这个滞后效应说明搬出行为确实是由新邻居引起的。
• 在房市活跃的时期和街区，估计效应要大得多。这说明虽然户主不愿与异党为邻，但为实现这一偏好所愿付出的成本有限。
• 进一步研究发现，当搬来的异党邻居政治参与度很高(以选举参与率衡量)时，户主更可能搬走。这与感情极化(affective polarization)机制相一致，即户主讨厌异党人士，不愿与其为邻。这一发现不能完全用社区公共品偏好差异等其他因素解释，控制了相关变量后效应仍然显著。

号外

• 本文作者之一W. Ben McCartney还有一项关于邻里效应与住房金融的工作，发表在JUE上：Household mortgage refinancing decisions are neighbor influenced, especially along racial lines；
• 作者在引言里提到了一篇与本文密切相关的文献，2022年发表在JFE，研究了对气候变化观点的党派差异如何影响家庭的居住地点决策：Partisan residential sorting on climate change risk；
• 号外不是AI🤖生成的。

原文信息

MCCARTNEY, W.B., ORELLANA-LI, J. and ZHANG, C. (2024), Political Polarization Affects Households' Financial Decisions: Evidence from Home Sales. J Finance, 79: 795-841. https://doi.org/10.1111/jofi.13315

image-20240402153212363