我國商品房價(jià)格的時(shí)空動(dòng)態(tài)特征——基于空間動(dòng)態(tài)面板模型的實(shí)證研究

〇郭建華

(邵陽學(xué)院　經(jīng)濟(jì)與管理系，湖南　邵陽　422000)

我國商品房價(jià)格的時(shí)空動(dòng)態(tài)特征——基于空間動(dòng)態(tài)面板模型的實(shí)證研究

〇郭建華

(邵陽學(xué)院經(jīng)濟(jì)與管理系，湖南邵陽422000)

摘要：基于空間動(dòng)態(tài)面板模型，利用2003-2012年我國商品房價(jià)格的省際面板數(shù)據(jù)，分析我國商品房價(jià)格的影響因素及時(shí)空動(dòng)態(tài)特征。結(jié)果表明，土地價(jià)格、商品房供應(yīng)量和城鎮(zhèn)居民人均可支配收入是商品房價(jià)格的主要影響因素；我國商品房價(jià)格存在較強(qiáng)的時(shí)間上的動(dòng)態(tài)慣性效應(yīng)和空間上的區(qū)域關(guān)聯(lián)特征，而且臨近地區(qū)房價(jià)的相互影響程度高于不相鄰地區(qū)間的房價(jià)影響程度，經(jīng)濟(jì)特征相似地區(qū)房價(jià)的相互影響程度高于經(jīng)濟(jì)特征不同地區(qū)的房價(jià)相互影響。

關(guān)鍵詞：商品房價(jià)格； 影響因素； 時(shí)空動(dòng)態(tài)特征； 空間動(dòng)態(tài)面板模型

Empirical Research on Spatio-Temporal Dynamics and Influencing

Factors of Commercial Housing Prices in China Based on

A Dynamic Model of Spatial Panel Data

GUO Jian-hua

(Department of Economic and Management, Shaoyang University; Shaoyang 422000， China)

Abstract：In this study, the Spatial Dynamic Panel Model is used to analyze influencing factors and spatio-temporal characteristics of China’s commercial housing prices using provincial panel data from 2003 to 2012. The results demonstrate that land price, supply of commercial residential building and per capita disposable income of urban dwellers are key influencing factors to housing prices. Meanwhile, the housing prices have dynamic inertia effect in time and regional correlation characteristics in space, i.e. mutual influence of housing prices in neighboring areas or areas with similar economic features is higher than that in nonadjacent areas or areas with dissimilar economic features.

Key words：commercial housing price; influencing factor; spatio-temporal dynamic characteristic; Spatial Dynamic Panel Model

一、引言及文獻(xiàn)綜述

做為國民經(jīng)濟(jì)的一個(gè)重要組成部分，我國房地產(chǎn)業(yè)的發(fā)展在很大程度上取決于整個(gè)國民經(jīng)濟(jì)的發(fā)展水平，反之又影響國民經(jīng)濟(jì)的有序發(fā)展。它與宏觀經(jīng)濟(jì)的發(fā)展相互促進(jìn)、相互制約。同時(shí)，受多種因素的影響，房地產(chǎn)業(yè)的發(fā)展及波動(dòng)也具有明顯的區(qū)域特征，這種區(qū)域特征通過房地產(chǎn)的產(chǎn)出、投資、消費(fèi)和價(jià)格來影響該地區(qū)的經(jīng)濟(jì)活動(dòng)。

目前，很多學(xué)者對房地產(chǎn)價(jià)格的影響因素及區(qū)域差異進(jìn)行了研究。關(guān)于房價(jià)影響因素的研究方面，Tsatsaronis和Haibin[1]應(yīng)用調(diào)整后的房地產(chǎn)實(shí)際價(jià)格、居民消費(fèi)價(jià)格指數(shù)、國內(nèi)生產(chǎn)總值增長率與實(shí)際短期利率建立VAR模型，研究了房地產(chǎn)價(jià)格與上述經(jīng)濟(jì)因素的關(guān)系，結(jié)果表明通貨膨脹是影響房地產(chǎn)實(shí)際價(jià)格的主要因素，收入對房地產(chǎn)價(jià)格的影響非常有限。Hwang和Quigley[2]利用美國面板數(shù)據(jù)建立三方程模型研究了宏觀經(jīng)濟(jì)狀況、平均收入、就業(yè)率和建筑成本等因素對房價(jià)的影響。Demary[3]通過構(gòu)建結(jié)構(gòu)向量自回歸(SVAR)模型研究了10個(gè)OECD國家房地產(chǎn)價(jià)格與通貨膨脹率、產(chǎn)出及利率的關(guān)系。Beltratti和Morana[4]研究了G-7國家的宏觀經(jīng)濟(jì)狀況與房地產(chǎn)價(jià)格的關(guān)系，結(jié)果表明，宏觀經(jīng)濟(jì)與房地產(chǎn)價(jià)格存在雙向促進(jìn)作用，但是相對消費(fèi)與產(chǎn)出而言，投資對房地產(chǎn)價(jià)格的影響更大。Wheaton和Lee[5]，Miller等[6]通過對美國住房市場進(jìn)行研究后發(fā)現(xiàn)，住房交易量與住房銷售價(jià)格之間存在因果關(guān)系。董志勇等[7]從需求方、供給方、地方政府及貸幣政策變量角度考察了房地產(chǎn)價(jià)格的影響因素。趙昕東[8]利用1999年1季度至2009年2季度的居民消費(fèi)價(jià)格指數(shù)、國內(nèi)生產(chǎn)總值、貨幣供給與住宅價(jià)格指數(shù)的季度數(shù)據(jù)，建立結(jié)構(gòu)向量自回歸模型，估計(jì)了供給沖擊、需求沖擊與貨幣政策沖擊對中國房地產(chǎn)價(jià)格變動(dòng)的動(dòng)態(tài)影響。張娟鋒和劉洪玉[9]通過建立中國城市住宅市場與土地市場的聯(lián)立方程模型，并利用OLS和2SLS兩種方法估計(jì)了城市住宅價(jià)格與土地價(jià)格方程。結(jié)果表明，住宅市場與土地市場是互動(dòng)影響的關(guān)聯(lián)資產(chǎn)市場，住宅價(jià)格與土地價(jià)格之間存在聯(lián)立性，人口數(shù)量、財(cái)富水平、建筑成本、住宅預(yù)期收益和土地市場化程度是造成中國城市間住宅價(jià)格、土地價(jià)格差異的決定因素，但平均工資與城市宜人性的影響并不顯著?？嘴虾透卟╗10]利用省際面板數(shù)據(jù)，在解決房價(jià)和交易量之間內(nèi)生性基礎(chǔ)上，利用聯(lián)立方程采用三階段回歸法(3SLS)實(shí)證考察了二者之間的相互關(guān)系，發(fā)現(xiàn)房價(jià)與交易量之間存在滯后的正相關(guān)關(guān)系，并且房價(jià)處于主導(dǎo)地位。申敏和吳和成[11]基于變結(jié)構(gòu)面板協(xié)整模型對我國長三角八個(gè)城市房價(jià)變化的主要原因進(jìn)行了研究，結(jié)果表明，限購政策使房價(jià)明顯下降，但房產(chǎn)稅的出臺對房價(jià)影響不顯著。

關(guān)于房價(jià)波動(dòng)和區(qū)域效應(yīng)的研究方面。Holly等[12]對美國各州房價(jià)變化進(jìn)行了研究，發(fā)現(xiàn)房價(jià)直接受人均收入水平的影響，與凈借貸額呈負(fù)相關(guān)性，與人口增長呈正相關(guān)性，同時(shí)，各州房價(jià)還存在顯著的空間效應(yīng)影響。Holly等[13]對英國房市的時(shí)間和空間擴(kuò)散效應(yīng)進(jìn)行了研究，發(fā)現(xiàn)紐約的城市房價(jià)直接影響到倫敦房價(jià)，倫敦房價(jià)在時(shí)間和空間效應(yīng)上也受其它金融中心城市房價(jià)的影響。Brady[14]通過構(gòu)造房價(jià)的空間滯后模型并在模型中加入一個(gè)因變量的滯后一期項(xiàng)來體現(xiàn)房地產(chǎn)價(jià)格的自相關(guān)，得到了反映房地產(chǎn)價(jià)格變動(dòng)的空間動(dòng)態(tài)面板模型，然后利用最小二乘估計(jì)和工具變量估計(jì)方法對美國加利福尼亞房價(jià)進(jìn)行了實(shí)證分析，發(fā)現(xiàn)該地區(qū)房價(jià)之間存在空間擴(kuò)散效應(yīng)和時(shí)間滯后效應(yīng)。Jeanty等[15]和Guerrieri等[16]研究了一個(gè)城市及其臨近城市房價(jià)波動(dòng)的相互關(guān)系，結(jié)果表明因?yàn)楦呤杖胝哂羞w居“富裕臨近城市”的傾向，所以臨近城市房價(jià)會(huì)受人口遷移的影響而趨于均衡。梁云芳和高鐵梅[17]基于誤差修正模型討論了房價(jià)區(qū)域波動(dòng)差異的成因，得出信貸規(guī)模對東、西部地區(qū)的影響比較大，實(shí)際利率對各地區(qū)影響差異不大且影響較小的結(jié)論。王松濤等[18]應(yīng)用Johansen協(xié)整關(guān)系檢驗(yàn)、多變量格蘭杰因果關(guān)系檢驗(yàn)和脈沖響應(yīng)函數(shù)方法，分析了我國5個(gè)主要區(qū)域城市房價(jià)之間的互動(dòng)關(guān)系。黃飛雪等[19]綜合運(yùn)用協(xié)整檢驗(yàn)方法分析了自1999年1季度至2008年3季度間中國副省級以上城市房屋銷售價(jià)格的關(guān)聯(lián)性。

綜上所述，國內(nèi)外大部分關(guān)于房地產(chǎn)市場價(jià)格方面的研究大多局限于宏觀影響因素的分析，同時(shí)涉及引起房價(jià)波動(dòng)影響因素及房價(jià)時(shí)空效應(yīng)研究的文獻(xiàn)尚不多。

本文為了充分考慮我國房價(jià)在時(shí)間和空間上的動(dòng)態(tài)效應(yīng)以及時(shí)空混合效應(yīng)，首次采用既包含時(shí)間和空間滯后項(xiàng)，也包含時(shí)空混合效應(yīng)項(xiàng)的動(dòng)態(tài)面板模型，對我國商品房價(jià)格影響因素和房價(jià)的時(shí)空動(dòng)態(tài)特征進(jìn)行研究。

二、商品房價(jià)格影響因素分析模型

按照經(jīng)濟(jì)學(xué)的價(jià)格理論，商品的價(jià)格是在市場競爭過程中由市場需求與供給趨于均衡而形成的，商品房價(jià)格(Y)(單位：元/平方米)的形成同樣也取決于房地產(chǎn)市場的供給和需求狀況。當(dāng)年商品房平均價(jià)格用當(dāng)年各省市商品房銷售額除以當(dāng)年商品房銷售面積得到。為分析商品房價(jià)格的影響因素，初步選定影響商品房需求和供給的因素包括土地購置價(jià)格(X1)(單位：元/平方米)、當(dāng)年商品房開工面積(X2)(單位：萬平方米)、城鎮(zhèn)居民人均可支配收入水平(X3)(單位：元)、城市人口密度(X4)(單位：人/平方千米)、刻畫地區(qū)宏觀經(jīng)濟(jì)的人均GDP(X5)(單位：元)和城鎮(zhèn)居民消費(fèi)價(jià)格指數(shù)(X6)(單位：%)等。

(一)在建筑材料成本相差不大的情況下，各地區(qū)土地價(jià)格購置成本是決定商品房價(jià)格的重要因素，土地價(jià)格越高商品房價(jià)格也隨之上漲。

假設(shè)1：商品房價(jià)格與土地價(jià)格呈正相關(guān)關(guān)系。

(二)商品房供應(yīng)量直接決定其價(jià)格，供應(yīng)量增加，房價(jià)上漲幅度會(huì)隨之降低甚至房價(jià)降低，反之，供不應(yīng)求的房地產(chǎn)市場必然導(dǎo)致房價(jià)上漲。本文以當(dāng)年商品房開工面積衡量其供應(yīng)量。

假設(shè)2：商品房價(jià)格與供應(yīng)量呈負(fù)相關(guān)關(guān)系。

(三)收入水平越高，居民消費(fèi)能力和消費(fèi)意愿增強(qiáng)，消費(fèi)性住房需求則會(huì)提高，但是房地產(chǎn)市場供給卻不會(huì)在短期內(nèi)大幅提高，房地產(chǎn)價(jià)格自然會(huì)升高，反之，房地產(chǎn)價(jià)格會(huì)降低，本文中用城鎮(zhèn)居民實(shí)際人均可支配收入衡量收入水平高低。

假設(shè)3：商品房價(jià)格與收入水平呈正相關(guān)關(guān)系。

(四)城鎮(zhèn)居民作為商品房市場需求的主體，對商品房價(jià)格的影響較大，城鎮(zhèn)人口總量和人口密度越高，整個(gè)房地產(chǎn)市場的需求會(huì)增加，反之，會(huì)導(dǎo)致房地產(chǎn)價(jià)格下降。但是，如果某城鎮(zhèn)的消費(fèi)價(jià)格過高，會(huì)導(dǎo)致人口的遷出現(xiàn)象，從而商品房需求減少，房價(jià)有下降的趨勢。

假設(shè)4：商品房價(jià)格與城鎮(zhèn)人口密度正相關(guān)；與城鎮(zhèn)居民消費(fèi)價(jià)格指數(shù)負(fù)相關(guān)。

(五)我國的房地產(chǎn)業(yè)已經(jīng)成為國民經(jīng)濟(jì)的一個(gè)重要組成部分，在國民經(jīng)濟(jì)運(yùn)行的大背景下，房地產(chǎn)也自然會(huì)受宏觀經(jīng)濟(jì)波動(dòng)的影響。宏觀經(jīng)濟(jì)運(yùn)行良好，房地產(chǎn)市場發(fā)展有序，商品房價(jià)格有上升的趨勢，反之相反。在此，選取衡量地區(qū)經(jīng)濟(jì)發(fā)展的國內(nèi)生產(chǎn)總值衡量宏觀經(jīng)濟(jì)狀況。

假設(shè)5：商品房價(jià)格與宏觀經(jīng)濟(jì)呈正相關(guān)關(guān)系。

本文首先通過面板數(shù)據(jù)模型，采用我國各地區(qū)數(shù)據(jù)對商品房價(jià)格區(qū)域差異產(chǎn)生影響的因素進(jìn)行識別。建立如下半對數(shù)線性模型：

lnyit=α0+α1lnx1it+α2lnx2it+α3lnx3it+α4lnx4it+α5lnx5it+α6x6it+ηit

(1)

其中，i表示橫截面，代表第i個(gè)地區(qū)或區(qū)域。t表示時(shí)間序列單元。ij，j=0，1，…，6表示模型的常數(shù)項(xiàng)和各因素的系數(shù)，均為待估參數(shù)。yit表示區(qū)域i在時(shí)間t時(shí)的商品房價(jià)格。x1it，x2it，x3it，x4it，x5it，x6it分別表示區(qū)域i在時(shí)間t時(shí)上述六個(gè)因素的觀測值。ηit為誤差擾動(dòng)項(xiàng)。

為考察六個(gè)因素對商品房價(jià)格的解釋效用，對模型(1)采用逐步回歸法，用商品房價(jià)格對各因素分別回歸，根據(jù)回歸方程的擬合優(yōu)度可決系數(shù)進(jìn)行變量取舍。如果加入的變量能夠提高擬合優(yōu)度并通過t統(tǒng)計(jì)量檢驗(yàn)，那么這個(gè)變量就應(yīng)該納入模型中，反之，則剔除不顯著變量。由于收入水平是影響房地產(chǎn)市場需求最重要和最基本的因素，因此，本文以收入水平為基準(zhǔn)，依次將各個(gè)解釋變量加入模型中進(jìn)行逐步回歸分析。

三、商品房價(jià)格時(shí)空特征分析模型

(一)模型設(shè)定

為了充分考慮我國房價(jià)的時(shí)間和空間效應(yīng)以及時(shí)空混合效應(yīng)，本文首次采用既包含時(shí)間和空間滯后項(xiàng)，也包含時(shí)空混合效應(yīng)項(xiàng)的空間動(dòng)態(tài)面板數(shù)據(jù)模型(SDPD Model)來刻畫我國房地產(chǎn)價(jià)格的時(shí)間和空間效應(yīng)關(guān)系，模型的一般形式為：

Yt=γYt-1+λWYt+ρWYt-1+Xtβ+Cn+εt

t=1，…，T

(2)

其中，Yt=(y1t，…，ynt)′是n個(gè)地區(qū)的商品房價(jià)格在時(shí)間t時(shí)的對數(shù)觀測值向量。Xt是外生影響因素的觀測值矩陣。Cn=(c1，…，cn)′表示n×1維個(gè)體固定效應(yīng)向量。n×n矩陣W是常數(shù)空間權(quán)重矩陣，用來刻畫個(gè)體的空間相關(guān)結(jié)構(gòu)，通常假設(shè)其主對角線上的元素為零，。Yt-1，WYt，WYt-1分別表示時(shí)間滯后項(xiàng)，空間滯后項(xiàng)和時(shí)空混合滯后項(xiàng)，γ，λ，ρ分別是它們的標(biāo)量系數(shù)，γ衡量區(qū)域前期房價(jià)對當(dāng)期房價(jià)的影響強(qiáng)度，稱為房價(jià)慣性強(qiáng)度；λ表示空間相關(guān)系數(shù)，λW衡量各區(qū)域房價(jià)的空間關(guān)聯(lián)程度；ρ表示時(shí)空效應(yīng)系數(shù)，ρW衡量其它區(qū)域前期房價(jià)對本區(qū)域當(dāng)期房價(jià)的影響。β是k×1維系數(shù)向量，εt=(ε1t，…，εnt)′是擾動(dòng)項(xiàng)且εt~iid.N(0，σ2In)，In表示n階單位矩陣。

(二)模型估計(jì)

現(xiàn)有文獻(xiàn)中估計(jì)模型空間和時(shí)間上的混合動(dòng)態(tài)性有三種常用方法。即準(zhǔn)極大似然估計(jì)法(QML)，工具變量法或廣義矩估計(jì)法(IV/GMM)和貝葉斯馬爾科夫鏈蒙特卡羅法。本文采用準(zhǔn)極大似然估計(jì)法(見Jihai等[20])對模型(1)進(jìn)行估計(jì)。

(3)

其中，Vt(ζ)=Sn(λ)Yt-Ztδ-Cn，Sn(λ)=In-λW，Zt=(Yt-1，WYt-1，Xt)。

首先利用(3)對向量Cn的偏導(dǎo)數(shù)等于零的一階條件：

(4)

然后在給定?的條件下，可得Cn的估計(jì)和緊湊似然函數(shù)分別如(5)和(6)式所示：

(5)

(6)

(7)

四、實(shí)證分析

(一)樣本數(shù)據(jù)的選取和權(quán)重矩陣W的設(shè)定

本文主要對我國各省市商品房價(jià)格影響因素進(jìn)行分析以及研究不同省市商品房價(jià)格的區(qū)域效應(yīng)，涉及的主要變量有被解釋變量：各城市商品房平均價(jià)格(yit)和外生解釋變量(xkit)，樣本數(shù)據(jù)選取國家統(tǒng)計(jì)局網(wǎng)站提供的2003年至2011年全國各省市商品房平均價(jià)格和其它相關(guān)指標(biāo)的面板數(shù)據(jù)。*數(shù)據(jù)來源：國家統(tǒng)計(jì)局網(wǎng)站www.stats.gov.cn

空間權(quán)重矩陣W刻畫的是空間各單元間的相互信賴關(guān)系與關(guān)聯(lián)程度。關(guān)于權(quán)重矩陣的設(shè)定可以采取多種方式，實(shí)證研究中，常采用的有地理權(quán)重矩陣和經(jīng)濟(jì)權(quán)重矩陣。為了更客觀地刻畫各空間單元的關(guān)聯(lián)結(jié)構(gòu)，本文從地理位置特征和社會(huì)經(jīng)濟(jì)特征兩個(gè)角度分別建立包括相鄰規(guī)則與距離規(guī)則的空間加權(quán)矩陣，以便更準(zhǔn)確地把握房價(jià)的區(qū)域相關(guān)關(guān)系。

1.地理權(quán)重矩陣遵循Rook相鄰判定規(guī)則，即兩個(gè)地區(qū)擁有共同邊界就認(rèn)為是相鄰。W按如下方式定義：

W=(wij)n×n，wii=0；wij=1，如果地區(qū)i與j相鄰，否則，wij=0。

在全國31個(gè)省市中，海南省在地理位置上屬于海島區(qū)域，但是它和廣東省和廣西省隔海相望，所以在空間權(quán)重矩陣的設(shè)定時(shí)，認(rèn)為海南省和廣東省以及廣西省是相鄰的。我國31個(gè)省市地理臨近關(guān)系如表1所示。

表1　我國31個(gè)省市地理位置關(guān)系

(二)實(shí)證結(jié)果及分析

1.影響因素分析

為分析商品房價(jià)格影響因素，對模型(1)采用逐步回歸的方法進(jìn)行估計(jì)，并逐步剔除不顯著的變量，估計(jì)結(jié)果如下表2所示。

表2　回歸結(jié)果

注：括弧內(nèi)數(shù)值表示對應(yīng)的p值。Hausman檢驗(yàn)結(jié)果表明，采用固定效應(yīng)估計(jì)方式較為適合。

表2中各模型的估計(jì)結(jié)果表明，隨著不顯著變量的剔除和新的顯著變量的引入，模型的R2逐漸提高，模型擬合效果較好。結(jié)合現(xiàn)有的房地產(chǎn)影響因素的理論分析，選擇表2中模型5做為商品房價(jià)格影響因素分析的模型依據(jù)。

從估計(jì)結(jié)果看，土地價(jià)格、商品房供應(yīng)量、城鎮(zhèn)家庭人均可支配收入和城市居民消費(fèi)價(jià)格指數(shù)對商品房價(jià)格的影響較為顯著，而且土地價(jià)格和人均可支配收入與房價(jià)正相關(guān)，房屋供應(yīng)量和消費(fèi)價(jià)格指數(shù)與房價(jià)負(fù)相關(guān)，這和本文前面的理論假設(shè)一致，與現(xiàn)有文獻(xiàn)研究(如董志勇等(2010))的結(jié)論也相吻合。從定量角度看，土地交易價(jià)格上升1%，商品房價(jià)格會(huì)上升0.028%，且在5%的顯著性水平下通過檢驗(yàn)，可知假設(shè)1是合理的。商品房供應(yīng)量增加一個(gè)百分點(diǎn)，商品房價(jià)格就會(huì)下降大約0.074個(gè)百分點(diǎn)，且在1%的顯著性水平下通過檢驗(yàn)，假設(shè)2與事實(shí)相吻合。城鎮(zhèn)家庭人均可支配收入增加1%，商品房價(jià)格則會(huì)上升1.1%，而且通過顯著性水平為1%的顯著性檢驗(yàn)，說明收入水平與商品房價(jià)格的正相關(guān)程度很高，很大程度上支持了假設(shè)3這一觀點(diǎn)。城市居民消費(fèi)價(jià)格指數(shù)上升一個(gè)百分點(diǎn)，商品房價(jià)格則會(huì)下降0.5個(gè)百分點(diǎn)，但只在10%的顯著性水平下通過檢驗(yàn)，這說明商品房價(jià)格和消費(fèi)價(jià)格指數(shù)確實(shí)呈現(xiàn)微弱的負(fù)相關(guān)關(guān)系。至于城市人口密度和人均GDP，沒有表現(xiàn)出與商品房價(jià)格的顯著相關(guān)性。

2.商品房價(jià)格的時(shí)空動(dòng)態(tài)特征分析

根據(jù)前面商品房價(jià)格影響因素的分析結(jié)果，選取影響顯著的土地價(jià)格x1，商品房供應(yīng)量x2，城鎮(zhèn)家庭人均可支配收入x3，城市居民消費(fèi)價(jià)格指數(shù)x6作為外生解釋變量，它們在各年度的觀測值構(gòu)成(2)式中的外生解釋變量矩陣Xt。

面板數(shù)據(jù)是時(shí)間序列數(shù)據(jù)和橫截面數(shù)據(jù)的混合數(shù)據(jù)，為避免空間計(jì)量模型建立過程中的偽回歸現(xiàn)象，首先對面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)和協(xié)整檢驗(yàn)。另外，對空間面板數(shù)據(jù)進(jìn)行計(jì)量分析還要進(jìn)行空間相關(guān)性檢驗(yàn)，在此采用空間相關(guān)指數(shù)Moran’s I進(jìn)行空間相關(guān)性檢驗(yàn)。

(1)面板數(shù)據(jù)的單位根檢驗(yàn)

面板數(shù)據(jù)的單位根檢驗(yàn)主要有LLC、IPS、ADF和PP等檢驗(yàn)方法。本文利用Eviews軟件選擇多種方法對各面板數(shù)據(jù)變量及其一階差分變量進(jìn)行單位根檢驗(yàn)，結(jié)果如表3所示。

表3　變量面板數(shù)據(jù)的單位根檢驗(yàn)

注：括弧內(nèi)數(shù)據(jù)表示對應(yīng)的P值。

從表3的檢驗(yàn)結(jié)果看，商品房價(jià)格及顯著影響商品房價(jià)格的土地價(jià)格、商品房供應(yīng)量、城鎮(zhèn)居民人均可支配收入和城市居民消費(fèi)價(jià)格指數(shù)均為一階單整I(1)變量。

(2)空間面板數(shù)據(jù)的協(xié)整檢驗(yàn)

面板數(shù)據(jù)的協(xié)整檢驗(yàn)的方法主要有Pedroni檢驗(yàn)和Kao檢驗(yàn)，檢驗(yàn)方法的原假設(shè)均為不存在協(xié)整關(guān)系，從面板數(shù)據(jù)中得到的殘差統(tǒng)計(jì)量進(jìn)行檢驗(yàn)。商品房價(jià)格與各影響因素的協(xié)整檢驗(yàn)結(jié)果如下表4所示。從表4的協(xié)整檢驗(yàn)結(jié)果看，Kao檢驗(yàn)的ADF統(tǒng)計(jì)量和Pedroni檢驗(yàn)的七個(gè)統(tǒng)計(jì)量中的四個(gè)在1%的顯著性水平下均拒絕原假設(shè)，表明商品房價(jià)格與其影響因素間存在協(xié)整關(guān)系。

表4　協(xié)整檢驗(yàn)結(jié)果(Null Hypothesis：No cointegration)

(3)空間相關(guān)性檢驗(yàn)

對于空間面板數(shù)據(jù)進(jìn)行空間計(jì)量分析之前需要對其進(jìn)行空間相關(guān)性檢驗(yàn)。由于Moran’s I空間相關(guān)性檢驗(yàn)是針對單個(gè)截面回歸模型提出的，不能直接用于面板數(shù)據(jù)模型，因此本文在空間相關(guān)性檢驗(yàn)中使用IT?WN即增廣的空間權(quán)重矩陣代替空間權(quán)重矩陣，把這些檢驗(yàn)擴(kuò)展到面板數(shù)據(jù)分析。其中WN分別采用地理權(quán)重矩陣和經(jīng)濟(jì)權(quán)重矩陣對商品房價(jià)格進(jìn)行空間相關(guān)性分析。檢驗(yàn)結(jié)果如下表5所示。從兩種加權(quán)矩陣的檢驗(yàn)結(jié)果來看，檢驗(yàn)概率都接近于0，都通過5%水平的顯著性檢驗(yàn)，可以認(rèn)為我國各商品房價(jià)格存在空間相關(guān)性。

表5　商品房價(jià)格空間相關(guān)性檢驗(yàn)結(jié)果

注：上述檢驗(yàn)結(jié)果是根據(jù)MATLAB中相應(yīng)的空間計(jì)量軟件包運(yùn)算得到。

(4)SDPD模型的估計(jì)結(jié)果和分析

上述檢驗(yàn)和分析表明，我國商品價(jià)格具有空間相關(guān)性，土地價(jià)格、商品房供應(yīng)量、城鎮(zhèn)居民人均可支配收入和城市居民消費(fèi)價(jià)格指數(shù)都是影響商品房價(jià)格的因素。本文利用空間動(dòng)態(tài)面板模型(2)并采用準(zhǔn)極大似然法估計(jì)模型參數(shù)，對我國商品房價(jià)格進(jìn)行空間計(jì)量分析。實(shí)證結(jié)果表明，兩種不同空間權(quán)重矩陣的估計(jì)結(jié)果基本相同，在此，僅給出經(jīng)濟(jì)權(quán)重矩陣的估計(jì)結(jié)果，如表6所示。

表6　區(qū)域房價(jià)SDPD模型估計(jì)

注：括弧內(nèi)為P值；參數(shù)估計(jì)結(jié)果是根據(jù)MATLAB中空間計(jì)量軟件包運(yùn)算得到。

從表6的估計(jì)結(jié)果看，區(qū)域房價(jià)一期滯后系數(shù)為0.91而且通過5%顯著性水平檢驗(yàn)，表明我國商品房價(jià)格在時(shí)間上具有較高的慣性強(qiáng)度，應(yīng)用空間動(dòng)態(tài)面板模型分析我國商品房價(jià)格的動(dòng)態(tài)變化特征是合適的。房價(jià)空間滯后系數(shù)的估計(jì)值為0.1513且具高度相關(guān)，表明我國各省市商品房價(jià)格很大程度上受鄰近地區(qū)房價(jià)的影響，鄰近地區(qū)商品房價(jià)格每變動(dòng)一個(gè)百分點(diǎn)，會(huì)引起該地區(qū)房價(jià)會(huì)0.1513個(gè)百分點(diǎn)的變動(dòng)，說明我國商品房價(jià)格存在較強(qiáng)的區(qū)域聯(lián)動(dòng)性。時(shí)空滯后系數(shù)估計(jì)值為0.033，也通過顯著性檢驗(yàn)，表明鄰近地區(qū)前期房價(jià)對該地區(qū)當(dāng)期房價(jià)有一定影響，這進(jìn)一步說明商品房價(jià)格區(qū)域效應(yīng)的存在。同樣，從表6中四個(gè)影響商品房價(jià)格因素的系數(shù)估計(jì)值看，和前面商品房價(jià)格影響因素分析的結(jié)果基本相同，土地價(jià)格和人均可支配收入對房價(jià)具有正向影響，高地價(jià)和高收入會(huì)拉高房價(jià)；房屋供應(yīng)量和城市居民消費(fèi)價(jià)格指數(shù)則和房價(jià)呈負(fù)向相關(guān)，充裕的房屋供應(yīng)量有助于抑制房價(jià)過快增長，城市居民消費(fèi)價(jià)格指數(shù)越高，居民購房欲望會(huì)越低，房價(jià)會(huì)減速增漲甚至降低，但消費(fèi)價(jià)格指數(shù)和房價(jià)的負(fù)相關(guān)性并不顯著。

五、結(jié)論及政策建議

本文采用2003年至2012年我國房地產(chǎn)價(jià)格的省際月度面板數(shù)據(jù)，通過逐步回歸分析對商品房價(jià)格的影響因素進(jìn)行了探討，通過空間動(dòng)態(tài)面板數(shù)據(jù)模型，運(yùn)用地理權(quán)重矩陣和經(jīng)濟(jì)權(quán)重矩陣分析了我國房地產(chǎn)價(jià)格的區(qū)域聯(lián)動(dòng)效應(yīng)關(guān)系?？臻g動(dòng)態(tài)面板模型同時(shí)包含了時(shí)間滯后效應(yīng)、空間滯后效應(yīng)和時(shí)空混合滯后效應(yīng)。這些因素的加入，便于研究我國商品房價(jià)格的時(shí)間動(dòng)態(tài)效應(yīng)和區(qū)域空間相關(guān)效應(yīng)。

通過實(shí)證分析，得出如下結(jié)論：

1.我國商品房價(jià)格的主要影響因素包括土地購置價(jià)格、商品房供應(yīng)量、城鎮(zhèn)居民可支配收入和城市居民消費(fèi)價(jià)格指數(shù)。其中土地購置價(jià)格和城鎮(zhèn)居民可支配收入對房價(jià)的影響呈正向相關(guān)性，商品房供應(yīng)量和消費(fèi)價(jià)格指數(shù)則呈負(fù)向相關(guān)性。事實(shí)上，土地購置費(fèi)越高，商品房建筑成本也越高，房價(jià)自然會(huì)高。同樣，對于中國這樣一個(gè)發(fā)展中國家來說，人均收入并不高，收入約束應(yīng)該是制約商品房需求的重要因素，只有收入增加，才會(huì)增加商品房需求，從而會(huì)推動(dòng)房價(jià)的上漲。而足夠的房屋儲備或供應(yīng)量，會(huì)在很大程度上降低房屋剛性需求者和不動(dòng)產(chǎn)投資者購房的急切心理，使房地產(chǎn)市場更大程度上趨于買方市場，從而遏制房價(jià)過快上漲甚至降低房價(jià)。同樣，消費(fèi)價(jià)格指數(shù)升高則意味著城鎮(zhèn)居民日常消費(fèi)開支增加，房屋購買力則降低，進(jìn)而使房價(jià)上漲速度減慢或降低房價(jià)。

2.從統(tǒng)計(jì)上看，土地價(jià)格、商品房供應(yīng)量和居民可支配收入對房價(jià)影響較為顯著，居民消費(fèi)價(jià)格指數(shù)則僅在10%的顯著性水平下顯著。說明房價(jià)的決定因素在于成本、供求關(guān)系，這也是一般市場價(jià)格的運(yùn)動(dòng)規(guī)律。

3.實(shí)證結(jié)果也表明，我國房地產(chǎn)價(jià)格存在時(shí)間上的動(dòng)態(tài)慣性效應(yīng)和空間上的聯(lián)動(dòng)效應(yīng)。通過對空間動(dòng)態(tài)面板數(shù)據(jù)模型的估計(jì)發(fā)現(xiàn)，一個(gè)地區(qū)的商品房價(jià)格很大程度上受其上一期房價(jià)的慣性影響，影響系數(shù)為0.91。通過運(yùn)用地理空間加權(quán)矩陣和經(jīng)濟(jì)空間加權(quán)矩陣分析發(fā)現(xiàn)，各地區(qū)房價(jià)存在空間相關(guān)特征，而且相鄰地區(qū)之間房價(jià)的影響程度比其他不相鄰地區(qū)之間房價(jià)的影響程度大，經(jīng)濟(jì)特征相似的地區(qū)間房價(jià)相互影響大于經(jīng)濟(jì)特征不同區(qū)域的房價(jià)影響。

根據(jù)以上研究結(jié)論，筆者對我國房地產(chǎn)宏觀調(diào)控提出如下政策性建議：

1.政府的宏觀調(diào)控重點(diǎn)應(yīng)該注重政策建設(shè)和結(jié)構(gòu)調(diào)整，弱化地方政府和房地產(chǎn)市場間的聯(lián)系，尤其是我國目前推進(jìn)城鎮(zhèn)化建設(shè)的進(jìn)程中，要從宏觀制度上和微觀政策上調(diào)控土地供應(yīng)，讓地方政府?dāng)[脫依靠“土地財(cái)政”來發(fā)展地方經(jīng)濟(jì)，控制土地價(jià)格過快上漲。

2.城鎮(zhèn)居民收入水平的提高會(huì)增加商品房剛性需求和部分投資者的投機(jī)需求，這會(huì)使房價(jià)出現(xiàn)較大的波動(dòng)并推動(dòng)房價(jià)超出中低收入階層的購買能力。當(dāng)然，房地產(chǎn)作為一種投資品，適度的投機(jī)有助于市場的活躍。因而，政府應(yīng)該促進(jìn)居民收入的提高和適當(dāng)增加經(jīng)濟(jì)適用房的供給，保證中低收入群體對房屋的剛性需求，也要在一定程度上抑制對房屋的投機(jī)需求。

3.我國商品房價(jià)格總體上呈現(xiàn)東高西低的同時(shí)也存在較強(qiáng)的空間相關(guān)性，這說明在我國區(qū)域經(jīng)濟(jì)的發(fā)展過程中，伴隨著戶籍制度的改革，人口流動(dòng)性增強(qiáng)，在向經(jīng)濟(jì)發(fā)達(dá)地區(qū)遷居的同時(shí)，也會(huì)選擇交通相對便利，房價(jià)相對較低的周邊地區(qū)居住。因而，政府部門可以考慮加快推進(jìn)中西部地區(qū)經(jīng)濟(jì)發(fā)展和加快推進(jìn)戶籍改革，讓東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)人口逐步遷居中西部地區(qū)，這樣即可以適當(dāng)抑制經(jīng)濟(jì)發(fā)達(dá)地區(qū)房價(jià)的過快上漲，也可以推進(jìn)西部地區(qū)房地產(chǎn)業(yè)的發(fā)展。

參考文獻(xiàn)：

[1]Tsatsaronis K，and Haibin Z.What Drives House Price Dynamics：Cross-Country Evidence[J].BIS Quarterly Review，2004，(1)：65-78.

[2]Hwang M，Quigley J M.Economic Fundamentals in Local Housing Markets：Evidence From U.S.Metropolitan Regions[J].Journal of Regional Science，2006，46(3)：425-453.

[3]Demary M.The Link between Output，Inflation，Monetary Policy and Housing Price Dynamics，University Library of Munich，Germany in its series MPRA Paper with number 15978，2009.

[4]Beltratti A，Morana C.International house prices and macroeconomic fluctuations[J].Journal of Banking & Finance，2010，34(3)：533-545.

[5]Wheaton W C，Lee N J.Do housing sales drive housing prices or the converse? [R].2008，Working paper.

[6]Miller N G，Peng L，Sklarz M A.The Economic Impact of Anticipated House Price Changes-Evidence from Home Sales[J].Real Estate Economics，2011，39(2)：345-378.

[7]董志勇等.房地產(chǎn)價(jià)格影響因素分析：基于中國各省市的面板數(shù)據(jù)的實(shí)證研究[J].中國地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2010，(02)：98-103.

[8]趙昕東.中國房地產(chǎn)價(jià)格波動(dòng)與宏觀經(jīng)濟(jì)-基于SVAR模型的研究[J].經(jīng)濟(jì)評論，2010，(1)：65-71，96.

[9]張娟鋒，劉洪玉.住宅價(jià)格與土地價(jià)格的城市差異及其決定因素[J].統(tǒng)計(jì)研究，2010，27(3)：37-44.

[10]孔煜，高波.中國房地產(chǎn)市場的量價(jià)波動(dòng)關(guān)系—基于聯(lián)立方程模型的實(shí)證分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012，(7)：66-73.

[11]申敏，吳和成.基于變結(jié)構(gòu)面板協(xié)整模型的房價(jià)調(diào)控政策有效性[J].系統(tǒng)工程，2013，31(2)：69-76.

[12]Holly S，Pesaran M H，Yamagata T.A spatio-temporal model of house prices in the USA[J].Journal of Econometrics，2010，158(1)：160-173.

[13]Holly S，Pesaran M H，Yamagata T..The spatial and temporal diffusion of house prices in the UK[J].Journal of Urban Economics，2011，69(1)：2-23.

[14]Brady R.Measuring the diffusion of housing prices across space andover time[J].Journal of Applied Econometrics，2011，26(2)：213-231.

[15]Jeanty P W，Partridge M，Irwin E.Estimation of a spatial simultaneous equation model of population migration and housing price dynamics[J].Regional Science and Urban Economics，2010，40(5)：343-352.

[16]Guerrieri V，Hartley D，Hurst E.Endogenous gentrification and housing price dynamics[J].Journal of Public Economics，2013，100(4)：45-60.

[17]梁云芳，高鐵梅.中國房地產(chǎn)價(jià)格波動(dòng)區(qū)域差異的實(shí)證分析[J].經(jīng)濟(jì)研究，2007，(8)：133 -142.

[18]王松濤，楊贊，劉洪玉.我國區(qū)域市場城市房價(jià)互動(dòng)關(guān)系的實(shí)證研究[J].財(cái)經(jīng)問題研究，2008，(6)：122-129.

[19]黃飛雪，周筠，李志潔，侯鐵珊.基于協(xié)整和向量誤差修正模型的中國主要城市房價(jià)的聯(lián)動(dòng)效應(yīng)研究[J].中大管理研究，2009，4(2)：122-143

[20]Jihai Y，Robert J，Lungfei L.Quasi-maximum likelihood estimators for spatial dynamic panel data with fixed effects when both n and T are large[J].Journal of Econometrics，2008，146(1)：118-134.

作者簡介：郭建華(1975—)，男，湖南邵陽人，邵陽學(xué)院經(jīng)濟(jì)管理系講師，管理學(xué)博士。

基金項(xiàng)目：湖南省教育廳資助科研項(xiàng)目(14B160)；湖南省統(tǒng)計(jì)科研項(xiàng)目(2013B18)

收稿日期：* 2014-11-12

中圖分類號：C812

文獻(xiàn)標(biāo)識碼：A

文章編號：1672—1012(2015)01—0064—10