預(yù)期、貨幣政策與房地產(chǎn)泡沫空間溢出新趨勢解析

張煒

內(nèi)容提要 本文基于消費者購房選擇偏好模型，利用2006-2016年我國30個省域的面板數(shù)據(jù)構(gòu)建空間動態(tài)計量模型，以房地產(chǎn)泡沫測度為基礎(chǔ)，分析預(yù)期、貨幣政策等不同因素對房地產(chǎn)泡沫形成的影響與空間溢出效應(yīng)。本文分別采用二元0-1空間鄰近矩陣、地理空間矩陣與經(jīng)濟-地理空間矩陣三種不同空間權(quán)重矩陣進行實證檢驗，其中經(jīng)濟-地理空間權(quán)重矩陣適用性最強。將其作為基本模型計量不同省域間房地產(chǎn)泡沫的空間溢出程度，并分析新趨勢發(fā)現(xiàn)：首先，近年來房地產(chǎn)價格確實存在空間溢出性特點，不同省域的溢出程度存在差異性，不同房價溢出圈之間的溢出程度呈現(xiàn)發(fā)散性的特點；其次，房地產(chǎn)價格空間溢出效應(yīng)在房價溢出圈內(nèi)逐漸聚集，不同房價溢出圈之間呈現(xiàn)梯次性過度趨勢；第三，我國各省域房價根據(jù)溢出程度可以分為傳染活躍型、傳染較活躍型、傳染穩(wěn)定型與傳染遲鈍型四種類型，其中前兩種類型城市較易受到房價空間溢出性影響，需要適時調(diào)控。

關(guān)鍵詞 房地產(chǎn)泡沫 預(yù)期 貨幣政策 空間溢出

〔中圖分類號〕F293.3 〔文獻標識碼〕A 〔文章編號〕0447-662X（2017）07-0039-13

一、引言與文獻回顧

隨著中國住房制度改革的推進，中國房地產(chǎn)業(yè)發(fā)展迅速，逐漸成為中國經(jīng)濟發(fā)展的支柱產(chǎn)業(yè)。特別是近兩年房價快速攀升，房地產(chǎn)泡沫特征已十分明顯。目前，眾多學(xué)者從自身專業(yè)視角出發(fā)對房地產(chǎn)泡沫的形成進行了大量研究，將房地產(chǎn)泡沫形成原因歸結(jié)為供給因素、①需求因素②與外部因素③等。這些研究都是建立傳統(tǒng)時間維度上的回歸計量模型，沒有考慮到房地產(chǎn)泡沫地區(qū)間的相互影響。然而，著名地理經(jīng)濟學(xué)家Tobler提出地區(qū)之間的經(jīng)濟行為都存在一定的空間性影響關(guān)系，離得越近的地區(qū)相互作用的可能性也就越大。Tobler W.R.， “A Computer Movie Simulating Urban Growth in the Detroit Region，” Economic Geography， vol.46， no.2， 1970， pp.234～240.Browning等、Bruyne和Hove、王鶴與劉志平等在研究過程中發(fā)現(xiàn)，一個地區(qū)房價在要素流動的作用下確實會影響周邊地區(qū)房地產(chǎn)價格的變化，具有空間性。Browning M.， Gortz S. and Leth-Petersen， “Housing Wealth and Consumption： A Micro Panel Study， ”Economic Journal， vol.568， no.123， 2008， pp.401～428； Bruyne K. D. and Hove J.V.， “Explaining the Spatial Variation in Housing Prices： An Economic Geography Approach，” Applied Economics， vol.45， no.5， 2013， pp.1673～1689；王鶴：《基于空間計量的房地產(chǎn)價格影響因素分析》，《經(jīng)濟評論》2012年第1期；劉志平、陳智平：《城市住房價格的空間相關(guān)性、影響因素與傳遞效應(yīng)——基于區(qū)域市場關(guān)系層面的實證研究》，《上海財經(jīng)大學(xué)學(xué)報》2013年第1期。房地產(chǎn)泡沫以房價作為基礎(chǔ)，從空間相關(guān)性的角度分析房地產(chǎn)泡沫形成與膨脹，計量其空間溢出效應(yīng)與溢出程度，探尋房地產(chǎn)泡沫演化新趨勢具有重要意義。

本文以房地產(chǎn)泡沫測度為基礎(chǔ)，試圖從房地產(chǎn)泡沫形成的影響因素——預(yù)期、貨幣政策、人口密度與供給等方面入手，構(gòu)建空間計量模型，探討如下問題：房地產(chǎn)泡沫是否存在空間溢出效應(yīng)？如果存在，空間溢出程度是多大？又產(chǎn)生了怎樣的特點與趨勢？下文研究思路為：第二部分，基于購房者選擇模型探討房地產(chǎn)泡沫的影響因素及影響方式；第三部分，基于房地產(chǎn)泡沫的影響因素構(gòu)建空間計量模型，引入三大空間權(quán)重進行模擬檢驗，選擇最優(yōu)空間計量模型；第四部分，根據(jù)模擬結(jié)果計算不同省域間房地產(chǎn)泡沫的空間溢出程度，并對其動態(tài)變化過程、特點與趨勢進行分析；第五部分，對研究結(jié)果進行總結(jié)展望。

二、房地產(chǎn)市場泡沫的解釋與測算

近年來房地產(chǎn)泡沫問題得到了學(xué)者的廣泛關(guān)注，各學(xué)者從自身研究視角出發(fā)對房地產(chǎn)泡沫給出了界定，得到普遍共識的房地產(chǎn)泡沫定義為：由房地產(chǎn)市場投機導(dǎo)致房地產(chǎn)價格脫離市場基礎(chǔ)所引起的均衡價格的持續(xù)上揚。曹振良：《房地產(chǎn)經(jīng)濟學(xué)通論》，北京大學(xué)出版社，2003年；劉琳、劉洪玉：《地價與房價關(guān)系的經(jīng)濟學(xué)分析》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》2003年第7期；呂江林：《我國城市住房市場泡沫水平的度量》，《經(jīng)濟研究》2010年第6期。對于房地產(chǎn)泡沫的測度研究也持續(xù)了20多年，F(xiàn)allies G.， “Housing Tenure in a Model of Consumer Choice： A Simple Diagrammatic Analysis，” Real Estate Economics， vol.11， no.1， 1983， pp.30～44； Abraham J.M. and Hendershott P.H.， “Bubbles in Metropolitan HousingMarket，” NBER Working Papers， vol.35， no.7， 1994， pp.171～192； Levin E.J. and Wright R.E.， “The Impact of Speculation on House Prices in the United Kingdom，” Economic Modelling， vol.14， no.4，1997， pp.567～585； Arthur G. and Andrew A.， “Housing Supply， Land Costs and Price Adjustment，” Real Estate Economics， vol.24， no.2， 2010， pp.43～56； John M. and Anthony M.， “Booms and Busts in the UK Housing Market，” The Economic Journal， vol.445， no.87， 2012， pp.32～45.眾多學(xué)者對房地產(chǎn)泡沫的度量主要運用指標法，即根據(jù)某個或某些指標的數(shù)值來判斷房地產(chǎn)市場泡沫的大小。Brunnermeier M.K. and Julliard C.， “Money Illusion and Housing Frenzies，” Review of Financial Studies， vol.21， no.1， 2006， pp.135～180； Goodman A.C. and Thibodeau T.G.，“Where are the Speculative Bubbles in US Housing Markets？” Journal of Housing Economics， vol.17， no.2， 2008， pp.117～137； Hott C. and Monnin P.， “Fundamental Real Estate Prices： An Empirical Estimation with International Data，” Journal of Real Estate Finance and Economics， vol.36， no.4， 2008， pp.427～450； Major Coleman I.V.， Lacour-Little M. and Vandell K.D.， “Subprime Lending and the Housing Bubble： Tail Wags Dog？” Electronic Journal， vol.17， no.4， 2008， pp.272～290；柳德榮：《京滬深住房市場泡沫比較研究——基于長期投資的視角》，《管理世界》2010年第9期；呂江林：《我國城市住房市場泡沫水平的度量》，《經(jīng)濟研究》2010年第6期；李永剛：《中國房價泡沫測度研究》，《經(jīng)濟體制改革》2014年第9期。這種方法具有較深厚的理論基礎(chǔ)，其中具有代表性的呂江林比較了衡量房地產(chǎn)泡沫的一系列指標（租售比、空置率、投資購房與自住購房之比、房地產(chǎn)貸款占比等），最終選取房價收入比作為度量房地產(chǎn)泡沫的標準并對其科學(xué)性與準確性進行論述。呂江林：《我國城市住房市場泡沫水平的度量》，《經(jīng)濟研究》2010年第6期。參照呂江林的做法，本文對房地產(chǎn)泡沫的測度也選取房價收入比作為衡量指標。其計算公式為：房價收入比=商品住宅平均單套價格/城鎮(zhèn)家庭平均可支配年收入=（商品住宅平均銷售價格X商品住宅平均單套銷售面積）/（城鎮(zhèn)家庭人均可支配收入X城鎮(zhèn)家庭戶均人口數(shù)）。公式中各指標數(shù)據(jù)來源的詳細說明請參考下文變量解釋部分，本文研究視角定位在省域數(shù)據(jù)，呂江林研究視角定位在35個大中城市，因此選取的指標來源不同，測度出的北京與天津的房地產(chǎn)泡沫值也有略微差異，但整體變化趨勢一致。endprint

2006-2016年間中國各省域房地產(chǎn)泡沫程度見表1。本文樣本中，西藏數(shù)據(jù)缺失嚴重，因而將其舍棄。從表1可看出，各省域的房地產(chǎn)泡沫值整體在波動中上揚，2006-2011年間各省域房地產(chǎn)泡沫處于持續(xù)增長狀態(tài)，增長幅度較高的省域包括：北京、上海、浙江、海南等地區(qū)。其后在2011-2014年間房地產(chǎn)泡沫增長速度放緩，部分省域房地產(chǎn)泡沫出現(xiàn)小幅回調(diào)。在2015年與2016年兩年間，各省域的房地產(chǎn)泡沫值都呈現(xiàn)出大幅膨脹態(tài)勢。特別是北京、上海、天津、江蘇與湖北等省市房地產(chǎn)泡沫值直沖20以上，膨脹速度之快與膨脹值之高值得關(guān)注。因此，我們不禁要問究竟是什么因素影響著房地產(chǎn)泡沫不斷膨脹，而這些影響因素的影響程度如何，又是通過怎樣的影響方式推動著房地產(chǎn)泡沫的攀升。

三、房地產(chǎn)市場泡沫的理論分析與事實驗證

住房消費與非住房消費給消費者帶來效用的大小取決于系數(shù)a1與a2，a1較大說明消費者選擇非住房消費品會帶來更大的效用，住房作為一項大額的耐用消費品支出必然會給消費者帶來巨大的經(jīng)濟壓力，甚至?xí)鼓承┫M者在長期內(nèi)背負巨額貸款成為房奴。如果消費者不選擇購買住房而將資金用于生活與娛樂，會大大提高生活質(zhì)量，從而獲得更大的效用。a2較大說明消費者選擇購買住房會帶來更大的效用，住房的購買在某種程度上滿足了消費者的需求與偏好，例如自有住房持有人在未來房價上漲過程中會獲得更多的增值收益；住房所有者可以享受地區(qū)教育資源等基本公共服務(wù)；居民住在自有住房內(nèi)可免于搬遷的不穩(wěn)定性，提高住房舒適度與安全感。因此，如何進行住房與非住房消費分配獲得效用最大化，取決于消費者的偏好。消費者的偏好取決于住房消費與非住房消費的替代彈性與住房消費在總效用中的重要性。消費者對家庭收入進行配置實現(xiàn)效用最大化的方程為：

命題一：房價收入比受到住房消費在總效用中重要性的影響，若自有住房與其他消費給消費者存在效用差異，則消費者實現(xiàn)效用最大化的自有住房消費效用比越大，房地產(chǎn)市場泡沫的膨脹度越高。

住房消費在總效用中的重要性主要受到購房者心理偏好的影響，住房者對房產(chǎn)的偏好主要由居住的剛性需求偏好與房產(chǎn)的投資需求偏好兩部分構(gòu)成。對于居住的剛性需求既可以通過購買住房實現(xiàn)也可以通過租房滿足，而房產(chǎn)的投資需求則必須通過購買房產(chǎn)實現(xiàn)。當(dāng)住房消費者預(yù)期未來房產(chǎn)增值空間較小時，住房消費在總效用中重要性減弱，消費者更偏重于租房從而規(guī)避高昂的購房成本；當(dāng)住房消費者預(yù)期未來房產(chǎn)有較大的增值空間時，住房消費在總效用中表現(xiàn)出很強的重要性，住房消費者一方面擔(dān)心如果不抓緊購房未來則更加無法承擔(dān)起高昂的住房成本；另一方面住房消費者希望通過購買房產(chǎn)在未來獲得豐厚利潤，此時住房消費在總效用中的重要性表現(xiàn)得十分突出。因此，我們選取住房消費者的房產(chǎn)增值預(yù)期代表住房消費在總效用中的重要性，房產(chǎn)未來增值預(yù)期越大，住房消費在總效用中重要性越強；房產(chǎn)未來增值預(yù)期越小，住房消費在總效用中重要性越弱。

將房地產(chǎn)泡沫與消費者的房產(chǎn)增值預(yù)期的關(guān)系通過氣泡圖的形式展現(xiàn)（見圖1），發(fā)現(xiàn)房地產(chǎn)泡沫膨脹程度與房產(chǎn)增值預(yù)期有正相關(guān)關(guān)系，圖1中加入了各省份人口密度作為權(quán)重，氣泡越大說明該地區(qū)人口密度越高。從圖中可以觀測到人口密度越高的地區(qū)相應(yīng)的房地產(chǎn)泡沫程度與增值預(yù)期也越高，但這種正相關(guān)關(guān)系并不是十分顯著，還需在接下來的計量模型中進一步檢驗。

將房價收入比對購房貸款進行求導(dǎo)，得到ph/yL>0，說明消費者住房貸款量越大，房價收入比越高；消費者購房時可以借到的住房貸款越多，房價收入比越高，房地產(chǎn)市場泡沫與貨幣政策緊密相關(guān)。

命題二：住房貸款投入量增加會促使房地產(chǎn)市場泡沫的持續(xù)膨脹。

為了更直觀地顯示住房貸款投入量與房地產(chǎn)泡沫之間的關(guān)系，我們通過氣泡圖的形式展現(xiàn)（見圖2）。從中可以發(fā)現(xiàn)二者存在一定正相關(guān)關(guān)系，即住房貸款投入量的不斷增加促進了房地產(chǎn)市場泡沫的持續(xù)膨脹。但與房地產(chǎn)泡沫和房產(chǎn)增值預(yù)期間的正相關(guān)關(guān)系相比，房地產(chǎn)市場泡沫和住房貸款投入量之間的正相關(guān)關(guān)系明顯要更弱一些，可見房地產(chǎn)泡沫的膨脹更加容易受到房產(chǎn)增值預(yù)期的影響。圖2中同樣將各地區(qū)人口密度作為權(quán)重引入，可以發(fā)現(xiàn)在人口密度較高的省份，住房貸款投入量與房地產(chǎn)泡沫程度都較高。

將房價收入比對消費者非住房消費進行求導(dǎo)，得到ph/yc>0，說明消費者的非住房消費量越高，房價收入比越低。

命題三：消費者非住房消費的增長，可以抑制房地產(chǎn)市場泡沫的快速膨脹。

消費者的收入支出在住房消費與非住房消費之間選擇，如果債券、股票等金融產(chǎn)品的投資回報率遠遠高于住房資本帶來的收益，消費者則不會選擇投資房產(chǎn)；或者消費者在生活、娛樂等非住房消費品中獲得的效用大于住房消費效用時，消費者也不會再熱衷于住房消費，房地產(chǎn)泡沫的膨脹也會因此得到抑制。我們直觀地可以從圖3中看到非住房消費與房地產(chǎn)泡沫呈負相關(guān)關(guān)系，人口密度的影響不顯著。

當(dāng)然這只是初步的直觀結(jié)論，下文將通過構(gòu)建計量模型對經(jīng)驗分析做更嚴謹?shù)膶嵶C檢驗。

四、實證分析

1.變量解釋

根據(jù)上文的理論研究，發(fā)現(xiàn)房地產(chǎn)價格的增值預(yù)期、貨幣政策、非住房消費、人口密度等因素是可能影響房地產(chǎn)泡沫形成的主要因素，基于此我們選取具體變量與數(shù)據(jù)解釋如下：

（1）房地產(chǎn)泡沫（Pop）：本文采用房價收入比作為房地產(chǎn)泡沫的度量指標。其中2006-2014年房價數(shù)據(jù)來自歷年《中國房地產(chǎn)統(tǒng)計年鑒》中各地區(qū)商品房平均銷售價格；2015年與2016年房價數(shù)據(jù)來自于房天下、中經(jīng)網(wǎng)與中國資訊行數(shù)據(jù)。2006-2014年人均可支配收入數(shù)據(jù)來自歷年《中國區(qū)域統(tǒng)計年鑒》；2015年與2016年人均可支配收入數(shù)據(jù)來自《中國經(jīng)濟景氣月報》。

（2）房地產(chǎn)價格預(yù)期（Pre）：本文將上一期的價格作為理性預(yù)期基礎(chǔ)，將下一期的增速作為本期適應(yīng)性預(yù)期，上一期的價格與上兩期的平均增值量加總得到當(dāng)期房地產(chǎn)價格預(yù)期，其中房地產(chǎn)價格數(shù)據(jù)來源同上。endprint

（3）房地產(chǎn)開發(fā)企業(yè)與個人按揭貸款（Loa）：2006-2014年按揭貸款數(shù)據(jù)來自歷年《中國房地產(chǎn)統(tǒng)計年鑒》；2015年與2016年數(shù)據(jù)來自中國人民銀行。

（4）非住房消費（Con）：2006-2014年非住房消費數(shù)據(jù)來自歷年《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》中社會消費品零售總額；2015年與2016年社會消費品零售總額數(shù)據(jù)來自《中國經(jīng)濟景氣月報》。

（5）房地產(chǎn)市場供給量（Sup）：2006-2014年房地產(chǎn)市場供給量數(shù)據(jù)來自歷年《中國房地產(chǎn)統(tǒng)計年鑒》中各地區(qū)房地產(chǎn)市場房屋竣工套數(shù)；2015年與2016年房地產(chǎn)市場房屋竣工套數(shù)據(jù)來自《中國經(jīng)濟景氣月報》。

（6）人口密度（Den）：人口密度是各地區(qū)人口數(shù)量與實際占地面積的比值，其中2006-2014年人口數(shù)量數(shù)據(jù)來自歷年《中國城市統(tǒng)計年鑒》；2015年數(shù)據(jù)來自各地區(qū)統(tǒng)計公報；2016年數(shù)據(jù)根據(jù)預(yù)測得出。由于各地區(qū)人口數(shù)量的增長具有平穩(wěn)性特點，因此通過預(yù)測得到的2016年數(shù)據(jù)與實際值不會有較大差異，具有一定的有效性與合理性。

（7）利率（Int）：每年貸款基準利率由當(dāng)年利率調(diào)整的平均值代表，2006-2016年數(shù)據(jù)來自中國人民銀行。

上述變量的統(tǒng)計描述見表2。在進行實證檢驗之前為了避免偽回歸問題，我們首先需要對樣本進行單位根檢驗。面板數(shù)據(jù)單位根根據(jù)是否存在同根情況可以分為兩種檢驗方法：一種是以LLC與Hadri檢驗為代表的相同根單位根檢驗方法；另一種為IPS、Fisher-ADF和Fisher-PP檢驗，屬于對不同根的單位根檢驗方法。本文采用相同根情況下的LLC方法與不同根情況下的IPS方法對所有變量進行單位根檢驗。檢驗結(jié)果見表3。由表3數(shù)據(jù)可以看出原變量序列中房地產(chǎn)泡沫（Pop）、貸款量（lnLoa）、非住房消費（lnCon）、房地產(chǎn)市場供給（lnSup）與密度（lnDen）為非平穩(wěn)變量，一階差分后所有變量皆變?yōu)槠椒€(wěn)變量。

3.計量模型

空間溢出的計量通常采用空間相關(guān)性來衡量各地區(qū)之間，在不同因素影響下是否具有相互影響。空間相關(guān)性具體是指在不同區(qū)域間的觀測樣本中，位于i區(qū)域的觀測值與位于j區(qū)域的觀測值具有相關(guān)關(guān)系，用函數(shù)表示為Yi=f（Yj），i=1，2…n；i≠j。如果回歸模型中存在空間相關(guān)性，則最小二乘估計是有偏的，估計結(jié)果也不具有一致性，在這種情況下通常采用極大似然法或兩階段最小二乘法進行估計。在分析空間問題時經(jīng)常會涉及到兩個模型：空間滯后模型與空間誤差模型。表5檢驗結(jié)果顯示，空間滯后模型的顯著程度明顯優(yōu)于空間誤差模型（后文給出詳細分析），因此本文著重對空間滯后模型（SLM）進行介紹與探討?？臻g滯后模型（SLM）是對某地區(qū)變量是否對周邊地區(qū)變量具有擴散現(xiàn)象（外溢效應(yīng)）進行分析的計量模型。SLM表達式為Y=ρωY+βX+ε，其中Y為因變量；X為n×k階的外生解釋變量矩陣；ρ為空間回歸系數(shù)；ω為n×n階的空間加權(quán)矩陣，ωY為空間滯后因變量；ε為隨機誤差項。根據(jù)前文的理論研究，房地產(chǎn)泡沫受到貨幣政策、預(yù)期、非住房消費、住房供給與貸款基準利率等因素的影響，基于此我們構(gòu)建房地產(chǎn)泡沫的空間滯后模型如下：

本文數(shù)據(jù)年限為2006-2016年，因此矩陣中包含了11個W值， 而每年又包括30個省域樣本，因此w為330×330的矩陣。接下來本文將對各省域數(shù)據(jù)分別進行未考慮空間效應(yīng)的OLS估計、考慮空間效應(yīng)的空間滯后模型估計與空間誤差模型估計，根據(jù)檢驗結(jié)果選擇最優(yōu)模型。在選擇模型過程中，我們先選取最簡單的“0-1空間權(quán)重矩陣”進行模擬。即假設(shè)地理位置接近的省域賦予W值為1，認為只有地理上接近的省域間才會有房地產(chǎn)價格的空間溢出效應(yīng)，否則為0。即Wi，j=1或0（i與j臨近為1，不臨近為0）?？臻g效應(yīng)模型的回歸結(jié)果見表5。可以看出，OLS模型擬合優(yōu)度為0.9673，模型整體通過了5%水平的顯著性檢驗。但由于MoransI統(tǒng)計值顯示OLS回歸誤差的空間相關(guān)性較明顯，因此需要在模型中引入空間效應(yīng)，我們引入空間滯后模型與空間誤差模型進行回歸。

表5中顯示了兩種空間效應(yīng)模型的回歸結(jié)果，拉格朗日乘數(shù)滯后項（LMLAG）與穩(wěn)健滯后項（R-LMLAG）都通過了1%水平的顯著性檢驗，且LMLAG較拉格朗日誤差項（LMERR）在統(tǒng)計上更為顯著，R-LMLAG較穩(wěn)健誤差項（R-LMERR）更為顯著，從5個統(tǒng)計量可以看出，SLM比SEM的擬合優(yōu)度更高。將OLS估計結(jié)果與SLM估計結(jié)果相比較發(fā)現(xiàn)，SLM的擬合優(yōu)度在OLS基礎(chǔ)上有所提高，達到0.9785。對數(shù)似然函數(shù)值從未考慮空間效應(yīng)模型中的101.042，提高到SLM模型中的184.452。從表5的計量結(jié)果可以看出，考慮到空間效應(yīng)的SLM模型更加適合用來擬合房地產(chǎn)泡沫的空間溢出效應(yīng)。初步估計結(jié)果顯示，房地產(chǎn)泡沫在區(qū)域間具有正向溢出效應(yīng)，其對房地產(chǎn)泡沫值增長的影響系數(shù)為0.975。但此估計結(jié)果只考慮了0-1空間權(quán)重，在實際中房地產(chǎn)泡沫的區(qū)域溢出效應(yīng)不僅存在于相鄰的地區(qū)之間，還存在于周邊地區(qū)乃至經(jīng)濟相關(guān)地區(qū)。因此，我們將地理權(quán)重矩陣與經(jīng)濟-地理權(quán)重矩陣引入，在下文中進一步研究不同空間權(quán)重矩陣對房地產(chǎn)泡沫空間溢出效應(yīng)的影響。

4.空間權(quán)重設(shè)定

本文探討的空間權(quán)重矩陣是賦予周邊不同省域房地產(chǎn)泡沫影響力的不同權(quán)重，用來衡量泡沫的空間溢出效應(yīng)。一般空間權(quán)重矩陣的構(gòu)建共包括三種方法：Anselin L. and Bera A.， “Spatial Dependence in Linear Regression Model with an Introduction to Spatial Econometrics，” Handbook of Applied Economic Statistics， vol.27， no.4， 1998， pp.67～72；康繼軍、王衛(wèi)、傅蘊英：《中國各地區(qū)市場化進程區(qū)位分布的空間效應(yīng)研究》，《統(tǒng)計研究》2009年第5期；魏下海：《人力資本、空間溢出與省際全要素生產(chǎn)率增長——基于三種空間權(quán)重測度的實證檢驗》，《財經(jīng)研究》2010年第12期；于斌斌：《產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與生產(chǎn)率提升的經(jīng)濟增長效應(yīng)——基于中國城市動態(tài)空間面板模型的分析》，《中國工業(yè)經(jīng)濟》2015年第12期。endprint

（1）0-1權(quán)重矩陣，認為地理上相鄰的地區(qū)間才會產(chǎn)生空間溢出性，賦予W值為1，否則為0。這種方法直觀且操作簡單，在計量空間問題時得到廣泛應(yīng)用。但是采用這種方法容易遺漏空間溢出的部分信息，即使不相鄰的區(qū)域間也會產(chǎn)生空間溢出性，且地理較接近發(fā)展模式相似的省域間也會產(chǎn)生空間溢出效應(yīng)。因此，在討論房地產(chǎn)泡沫空間溢出性中我們需要將地理權(quán)重矩陣與經(jīng)濟權(quán)重矩陣引入進行比較，從而得到最優(yōu)選擇。

（2）地理權(quán)重矩陣，即將含有距離因素的空間單元引入權(quán)重矩陣，認為不相鄰的省域間也存在空間聯(lián)系，對角線上的空間權(quán)重都為0，Wi，j是矩陣第i行和第j列的元素，表示第i個地區(qū)與第j個地區(qū)經(jīng)緯度上的直線距離的無量綱化倒數(shù)。

（3）經(jīng)濟-地理權(quán)重矩陣，即將含有距離因素與經(jīng)濟因素的空間單元引入權(quán)重矩陣，認為不同省域間變量的空間性關(guān)系不僅受到地理距離的影響還會受到經(jīng)濟距離的影響，其中經(jīng)濟距離是指兩個區(qū)域間經(jīng)濟發(fā)展的差距，用兩個地區(qū)GDP差值的倒數(shù)表示。經(jīng)濟-地理距離是指在經(jīng)濟距離與地理距離的共同影響下，一個地區(qū)經(jīng)濟指標對周邊地區(qū)影響的空間效應(yīng)，權(quán)重矩陣中Wi，j為i與j地區(qū)經(jīng)緯度上的直線距離的無量綱化倒數(shù)與GDP差值倒數(shù)的乘積。省市之間地理距離與經(jīng)濟距離越遠，則房地產(chǎn)泡沫空間溢出效果越差，所賦予的權(quán)重越小。

表6給出了三種權(quán)重矩陣下的空間效應(yīng)模型的回歸結(jié)果。從中可以看出，系數(shù)α1，α3，α5符號為正，α2，α4，α6符號為負。ρ的符號為正，即房地產(chǎn)泡沫在區(qū)域間具有正向空間溢出性。表6結(jié)果顯示，空間滯后模型與空間誤差模型在經(jīng)濟-地理權(quán)重矩陣下的對數(shù)似然函數(shù)值優(yōu)于0-1權(quán)重矩陣與地理權(quán)重矩陣下的對數(shù)似然值，空間滯后模型與空間誤差模型相比較指標顯著性較高。因此本文以經(jīng)濟-地理權(quán)重矩陣下的空間滯后模型來計量房地產(chǎn)泡沫的空間溢出效應(yīng)。表6中第4列結(jié)果顯示，α1至α6的估計結(jié)果符號與預(yù)計相符，預(yù)期、寬松的貨幣政策（信貸量支持與較低的貸款基準利率）、人口密度的增加會刺激房地產(chǎn)泡沫的不斷攀升；有效房地產(chǎn)供給的增加、非住房消費結(jié)構(gòu)的優(yōu)化，可以抑制房地產(chǎn)泡沫過快迅猛增長，各因素的作用下預(yù)期與供給因素對房地產(chǎn)泡沫的影響作用最強，分別達到0.842與-0.633。在0-1權(quán)重矩陣、地理權(quán)重矩陣與經(jīng)濟-地理權(quán)重矩陣下，房地產(chǎn)泡沫的空間溢出效應(yīng)顯著為正，說明一個區(qū)域的房地產(chǎn)泡沫的膨脹會有效帶動周邊地區(qū)泡沫值的攀升，空間影響系數(shù)為0.532。即一個地區(qū)房地產(chǎn)泡沫增長一個百分點，會帶動與該地區(qū)具有經(jīng)濟-地理關(guān)系地區(qū)的房地產(chǎn)泡沫增長0.532個百分點。下文中，我們將進一步討論各區(qū)域在2006-2016年間，房地產(chǎn)泡沫的增長對周邊具有經(jīng)濟-地理空間關(guān)系地區(qū)所產(chǎn)生的空間溢出效應(yīng)，并對其空間溢出程度進行度量。

五、回歸結(jié)果分析

將空間溢出回歸系數(shù)0.532代入經(jīng)濟-地理權(quán)重矩陣空間計量模型，得到2006-2016年間各省域房地產(chǎn)泡沫空間溢出對房地產(chǎn)泡沫值增長的貢獻率，我們運用空間溢出效應(yīng)貢獻率衡量一個地區(qū)房地產(chǎn)泡沫值增長對另一個與其有經(jīng)濟-地理空間關(guān)系地區(qū)泡沫變化的空間溢出程度，具體結(jié)果見表7。進一步對表7數(shù)據(jù)進行分析，發(fā)現(xiàn)近年來我國房地產(chǎn)泡沫空間溢出逐漸呈現(xiàn)出三大趨勢：

1. 不同省域泡沫溢出程度存在差異性，在不同溢出圈內(nèi)溢出程度呈現(xiàn)發(fā)散性的特點。本文運用非參數(shù)估計模型中的核估計法，模擬房地產(chǎn)泡沫空間溢出的密度函數(shù)。將2006-2016年劃分為四個階段，分別為2006-2008年、2009-2011年、2012-2014年與2015-2016年，依次對四個階段進行估計，估計結(jié)果以高斯核函數(shù)形式呈現(xiàn)。圖4顯示房地產(chǎn)泡沫空間溢出密度函數(shù)中心矩在波動中不斷向右移動，峰值由小變大后又經(jīng)歷了由大變小的過程，同時空間溢出變化區(qū)間由小變大。2012-2014年房地產(chǎn)泡沫空間溢出密度分布具有明顯的高峰薄尾特征，說明在這幾年間各區(qū)域的溢出效應(yīng)集中于中心距附近，極端值相對較小。這主要是由于在這三年間，各區(qū)域房地產(chǎn)泡沫空間溢出效應(yīng)減弱，區(qū)域間溢出方差較小。但其后在2015-2016年間，空間溢出密度函數(shù)峰值很快回落，尾度增厚，說明在這兩年間各區(qū)域房地產(chǎn)泡沫空間溢出方差逐漸增大，不同中心房價領(lǐng)漲區(qū)域?qū)χ苓叿康禺a(chǎn)泡沫的溢出程度差異性擴大，有明顯的發(fā)散性特點。結(jié)合表7數(shù)據(jù)發(fā)現(xiàn)，2015-2016年間，以北京為房價領(lǐng)漲中心，周邊河北與天津空間溢出性分別達到6.75與7.74，以上海為中心，周邊浙江與江蘇空間溢出性為8.05與7.47，相較2012-2014年間空間溢出差異性與發(fā)散性都明顯增強。

2.房地產(chǎn)泡沫空間溢出效應(yīng)在同一泡沫溢出圈內(nèi)逐漸聚集，不同溢出圈之間呈現(xiàn)梯次性過度趨勢。將2015-2016年間，各地區(qū)房地產(chǎn)泡沫取均值填充顏色至中國地圖。由圖5可知，我國各省域間房地產(chǎn)泡沫空間溢出效應(yīng)呈現(xiàn)明顯的聚集性與區(qū)域性的特點，且梯次性過度趨勢較明顯，總體呈現(xiàn)由沿海向內(nèi)地、由東部向西部梯次衰退態(tài)勢。溢出效應(yīng)聚集圈主要劃分為三大板塊，一是以北京為中心區(qū)的京津冀溢出圈；二是以上海為中心的滬蘇浙溢出圈；三是以廣東為中心的閩粵溢出圈。這三板塊的空間溢出效應(yīng)貢獻率在616以上。其他板塊為遼吉黑溢出圈、中部地區(qū)溢出圈與西部地區(qū)溢出圈，空間溢出效應(yīng)貢獻率在5.25～5.86之間。高溢出聚集區(qū)主要集中于京津冀和長三角地區(qū)以及這兩大經(jīng)濟體沿海延長線地帶。結(jié)合上文的回歸分析，形成這種狀態(tài)的主要原因有：隨著城鎮(zhèn)化進程的不斷加快，越來越多的外來人口涌入北上廣深等中心地區(qū)，促使人口密度不斷攀升，住房需求不斷擴大，推動房地產(chǎn)價格增長，過高的房價壓力和不斷完善的交通設(shè)施，使更多的中心省域居民選擇在周邊地區(qū)購房，形成房地產(chǎn)泡沫的空間溢出圈；同時，由于土地稀缺性，中心省域房產(chǎn)供給不足，政府拍賣的住房用地中“地王”頻現(xiàn)，進一步推高了房地產(chǎn)商的拿地與開發(fā)成本，在成本-收益的約束下，房產(chǎn)商逐漸開始選擇開發(fā)中心省域的周邊地區(qū)，力圖通過低拿地成本和高建筑質(zhì)量吸引購房者，獲得更高利潤，帶動周邊地區(qū)房地產(chǎn)市場的發(fā)展，產(chǎn)生房地產(chǎn)泡沫空間溢出圈，圈內(nèi)曾經(jīng)差距較大的省域價格逐漸減小，房地產(chǎn)泡沫空間溢出效應(yīng)在溢出圈內(nèi)逐漸呈現(xiàn)聚集性特點。endprint

3.我國各省域房地產(chǎn)泡沫根據(jù)溢出程度可以分為四大類型。為了對不同省域間2015-2016年間的溢出效應(yīng)新趨勢做進一步分析，我們引入空間溢出性分布圖。圖6中，縱軸為各省域空間溢出效應(yīng)，橫軸為各省域房地產(chǎn)泡沫值，縱向線為房地產(chǎn)泡沫值的中位數(shù)，橫向線為空間溢出效應(yīng)貢獻率的中位數(shù)。兩條直線將將分布圖劃分為四個象限：第一象限為傳染活躍型省域，受到房地產(chǎn)泡沫空間溢出性影響大，包括福建、河北、江蘇、浙江；第二象限為傳染較活躍型省域，自身房地產(chǎn)泡沫較高受到空間溢出性的影響較大，且自身房地產(chǎn)泡沫較高，容易對周邊地區(qū)產(chǎn)生較強的溢出效應(yīng)，包括北京、上海、廣東與天津；第三象限為傳染穩(wěn)定型，這類城市會受到泡沫空間溢出效應(yīng)的影響，但影響程度有限，包括山西、山東、河南與陜西等省域；第四象限為傳染遲鈍型，此類城市不容易受到周邊城市房地產(chǎn)泡沫膨脹的影響，同時自身房價的增長也較難影響周邊區(qū)域，包括海南。一、二象限城市較易產(chǎn)生房地產(chǎn)泡沫的空間溢出效應(yīng)，在房價過快增長時期要出臺限制措施，引導(dǎo)房價合理走向。三、四象限城市受到房價空間溢出效應(yīng)較弱，在經(jīng)濟增速放緩時期可以適時取消房產(chǎn)限購政策，帶動經(jīng)濟平穩(wěn)增長。

六、結(jié)論與展望

本文基于租購消費效用選擇模型，利用2006-2016年我國30個省域的面板數(shù)據(jù)構(gòu)建空間動態(tài)計量模型，以房地產(chǎn)泡沫測度為基礎(chǔ)，分析各影響因素對房地產(chǎn)泡沫的作用程度，考察在不同影響因素作用下房地產(chǎn)泡沫是否具有空間溢出效應(yīng)。本文將二元0-1空間鄰近矩陣、地理空間矩陣與經(jīng)濟-地理空間矩陣三種不同空間權(quán)重矩陣進行比較，得出經(jīng)濟-地理空間權(quán)重矩陣下的空間滯后模型最適合分析房地產(chǎn)泡沫的空間溢出，進而以此為基本模型探討了不同省域間房地產(chǎn)泡沫的空間溢出程度，并對房地產(chǎn)泡沫空間溢出的新趨勢進行了分析。本文研究發(fā)現(xiàn)：（1）近年來房地產(chǎn)泡沫確實存在空間溢出性特點，并且不同省域房地產(chǎn)泡沫溢出圈內(nèi)的溢出程度差異性擴大，有明顯的發(fā)散性特點；（2）房地產(chǎn)泡沫空間溢出效應(yīng)在泡沫溢出圈內(nèi)逐漸聚集，不同溢出圈之間呈現(xiàn)梯次性過渡趨勢；（3）我國各省域房地產(chǎn)泡沫根據(jù)溢出程度可以分為傳染活躍型、傳染較活躍型、傳染穩(wěn)定型與傳染遲鈍型四種類型，其中前兩種類型城市較易受到房地產(chǎn)泡沫空間溢出性影響。由于近年來各省域房地產(chǎn)泡沫空間溢出方差逐漸增大，使得房地產(chǎn)泡沫差異化現(xiàn)象明顯，容易造成基尼系數(shù)的攀升，影響收入分配的公平與效率，需要政府適時出臺相應(yīng)政策進行調(diào)控，特別是要加強對較易受到房地產(chǎn)泡沫空間溢出性影響的傳染活躍型與傳染較活躍型兩大類城市的樓市的針對性調(diào)控。

本文對于深化房地產(chǎn)價格的研究，解析房地產(chǎn)泡沫空間溢出效應(yīng)新趨勢具有積極意義。然而，本文的研究仍存在著不足之處，由于數(shù)據(jù)的缺乏，房地產(chǎn)泡沫空間溢出效應(yīng)的計算還不能完全涵蓋中國31個省級行政區(qū)。同時，適合用來分析房地產(chǎn)泡沫溢出的經(jīng)濟-地理權(quán)重矩陣重疊分組空間加權(quán)的技術(shù)難題尚未突破，也未能將隱性房價以及結(jié)構(gòu)性房價帶來的泡沫空間溢出效應(yīng)全部考慮進來，這兩個方面會導(dǎo)致空間溢出程度的低估。這些不足之處有待今后進一步的研究。

作者單位：天津商業(yè)大學(xué)經(jīng)濟學(xué)院

責(zé)任編輯：牛澤東endprint