推文人 | 樊学瑞

原文信息：Bailey M, Cao R, Kuchler T, et al. The economic effects of social networks: Evidence from the housing market[J]. Journal of Political Economy, 2018, 126(6): 000-000.

 

一、引言

 

研究人员越来越关注社交网络互动对个体经济决策的影响。然而，研究这样的问题存在很大的挑战。比如，获取与我们兴趣相关变量的高质量社交网络数据仍有很大困难。近年来，来自Twitter、谷歌+和Facebook等在线社交网络的数据为研究人员提供了研究更大规模社交网络结构的机会。在本文中，作者展示了如何使用来自Facebook等在线社交网络服务的数据来克服这一挑战。作者使用Facebook数据的原因有两个：（1）Facebook用户数量庞大，覆盖范围大广，能够代表美国的用户群体。有调查指出，截至2016年4月，超过68%的美国成年人和79%的美国在线成年人使用Facebook。（2）Facebook数据的第二个优势是，在美国，Facebook主要是为现实生活中的朋友和熟人提供一个在线互动的平台。Facebook社交网络与现实世界友谊网络之间的密切联系，使其有别于其他在线社交网络，如LinkedIn和Twitter（也就是说LinkedIn和Twitter好友在现实中不一定是朋友或者相互认识）。作者通过使用来自Facebook的匿名社交网络数据分析了社交互动在房地产市场中的作用。本研究表明，个人社交网络中好友们的房价体验影响了本人对房地产投资吸引力的看法，并且通过该渠道对本人的住房市场投资产生了很大影响。

 

二、社交网络和房地产市场:研究设计和数据

 

（1）首先是好友的房价体验可能与自己的房价体验相关。背后的原因是某个人的facebook好友大部分跟自己都在同一个地区，该地区房价的变动会对个人的房价体验和好友的房价体验产生同样的影响。这样的话，如果个体i有很多同地区好友，那么他的房地产投资决策就很可能不是因为社交网络的影响，而是因为当地房价的影响。还有一个因素就是个体的房地产投资决策可能与自己过去的资产收益有关。比如，一个人如果在洛杉矶住了很久，那么他很可能早就买了房子。房价的上涨使得他财富增加进而影响他接下来的房地产投资行为。如果不控制他过去的资产收入的话，会带来估计偏误。

 

作者使用工具变量法来处理这个问题。在基准回归中，作者使用个体i通勤区外的好友的房价体验作为工具变量，在稳健性检验中使用个体的住在国外的好友们的房价体验。两阶段的回归方程式为（3）式和（4）式。

（2）一些未观测到的某些冲击会同时对他和对他好友的房价体验产生影响，从而产生估计偏误。比如你和你的好友虽然住的地方相隔很远，但你们都在硅谷的互联网公司上班。在互联网泡沫时期，你们的收入都大幅增加，很可能你们就做出了相同的房地产投资决策，但这种决策并不是由社交网络效应引起的。作者的处理方法是：首先，作者控制了跟年份相关的一组个人特征变量；其次，将样本限制在退休人员或者其职业特征是不需要在地理上集中（如律师和教师）的那些个体中；最后，为了解决收入冲击可能带来的影响。作者控制了好友们过去两年间的加权收入变化。

 

Facebook数据中并没有个体有关房地产投资的数据。作者通过email、电话等信息将Facebook数据和Acxiom InfoBase中个体的房地产投资等各种数据进行了匹配，最终确定研究样本为住在洛杉矶地区的个体。

 

三、社交网络和房地产市场:实证结果和分析

 

 

表（6）的Panel（a）和Panel（b）报告了回归结果。根据回归结果可以看出，个人好友们所居住的地区，如果2008年至2010年间平均房价上升5个百分点，那么个人从2010年的租房者转变为2012年房主的概率就增加3个百分点。作者进一步研究还发现，如果个人好友的房价体验在过去两年内增加了5个百分点，其购买的住房面积将增加1.6%，房屋成交价将上升2.3%。

 

四、结语

 

本文的研究结果表明，社会互动在人们预期的形成过程中产生了重要的影响，对人们的实际投资行为也有很强的解释力。本文只研究了社会互动对住房市场的期望和投资行为的影响，但类似的社会互动可能也在其他环境中发挥作用。例如，投资者在股票市场上乐观情绪和悲观情绪可能更容易以类似的社交方式传播。