基于GIS的我國房地產(chǎn)泡沫空間傳染性研究

王春艷 董繼剛

摘 ? 要：本文以35個大中型城市為研究對象，選取房價收入比和銀行信貸量兩個指標(biāo)對我國2007—2016年房地產(chǎn)泡沫的空間分布格局進(jìn)行可視化分析，并基于GIS（地理信息系統(tǒng)）視角對房地產(chǎn)泡沫的空間傳染性特征進(jìn)行進(jìn)一步研究，結(jié)果表明：我國房地產(chǎn)泡沫由東部沿海地區(qū)向中西部逐級遞減，形成與經(jīng)濟(jì)發(fā)展相適應(yīng)的東-中-西部階梯式遞減的空間格局。根據(jù)Morans I指數(shù)的檢驗結(jié)果顯示，我國房地產(chǎn)泡沫存在空間傳染性，且隨時間推移傳染能力明顯增強(qiáng)，空間傳染性也更為顯著;我國房地產(chǎn)泡沫空間傳染能力存在明顯的區(qū)域差異，東南沿海地區(qū)空間傳染能力較強(qiáng)，西北內(nèi)陸地區(qū)空間傳染能力較弱，房地產(chǎn)泡沫核心傳染源城市由北京、上海等城市逐漸向廣州、深圳等城市偏移。

關(guān)鍵詞：房地產(chǎn)泡沫;空間傳染性;GIS;區(qū)域差異;傳染源

DOI：10.3969/j.issn.1003-9031.2020.02.001

中圖分類號：F299.23 ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ? ? ?文章編號：1003-9031（2020）02-0003-09

房地產(chǎn)市場的非理性繁榮成為歷次金融危機(jī)的直接導(dǎo)火索，而房地產(chǎn)泡沫的空間傳染性會使一個城市或區(qū)域內(nèi)房地產(chǎn)泡沫膨脹所引發(fā)的風(fēng)險產(chǎn)生骨諾牌效應(yīng)，迅速波及周邊城市進(jìn)而蔓延至全國，因此對房地產(chǎn)泡沫空間傳染性的研究就顯得尤為重要，特別對房地產(chǎn)泡沫的測度預(yù)警、政府的政策調(diào)控及社會的和諧穩(wěn)定具有現(xiàn)實意義。

一、文獻(xiàn)綜述

苑德宇和宋小寧（2008）運用2001—2005年35個大中型城市的面板數(shù)據(jù)探究房地產(chǎn)泡沫的空間傳染性，基于CD統(tǒng)計檢驗量實證發(fā)現(xiàn)東部地區(qū)城市間的傳染性最強(qiáng)，不同區(qū)域及城市間房地產(chǎn)泡沫存在傳染性。孫焱林和張攀紅（2016）選取2000—2011年我國59個大中型城市的數(shù)據(jù)基于市場供求法測度各城市的泡沫程度，建立空間動態(tài)面板模型實證發(fā)現(xiàn)我國房地產(chǎn)泡沫存在空間傳染與區(qū)域聯(lián)動效應(yīng)。朱吉（2017）以35個大中型城市為研究對象，構(gòu)建房地產(chǎn)泡沫測度指標(biāo)體系，運用空間計量分析模型實證發(fā)現(xiàn)我國城市間房地產(chǎn)泡沫存在明顯的時空差異與空間傳染性。張煒（2017）選取我國30個省市2006—2016年的面板數(shù)據(jù)，基于消費者購房選擇偏好的視角構(gòu)建空間動態(tài)計量模型，采用經(jīng)濟(jì)-地理空間矩陣、地理空間矩陣以及二元0-1空間鄰近矩陣驗證了我國房價存在空間溢出效應(yīng)，且不同省市的溢出效應(yīng)有所差異。陳家闖和賈文藝（2018）選取房價收入比和投資比兩個指標(biāo)測度35個大中型城市的泡沫度，基于空間視角指出我國城市間存在空間傳染性，且隨著時間推移具有不斷增強(qiáng)的趨勢。韋汝虹等（2018）以2006—2014年35個大中型城市為研究對象，基于空間計量模型指出我國城市間房地產(chǎn)泡沫存在傳染性，在時間上不斷增強(qiáng)，在空間上由東部沿海向西北內(nèi)陸地區(qū)遞減。張超（2018）構(gòu)建靜態(tài)面板模型對長三角13個城市2007—2015年的泡沫進(jìn)行測度，運用GMM估計法驗證了城市間存在房地產(chǎn)泡沫空間傳染性。

國內(nèi)學(xué)者對房地產(chǎn)泡沫空間傳染性的研究大多局限于驗證房地產(chǎn)泡沫空間傳染性的存在，僅有少數(shù)學(xué)者通過實證模型分析房地產(chǎn)泡沫空間傳染性的時空特征，對房地產(chǎn)泡沫空間傳染能力的區(qū)域差異及傳染源城市識別的研究更為缺乏。本文的創(chuàng)新點在于：第一，基于GIS視角分析我國房地產(chǎn)泡沫的空間傳染性，有效彌補(bǔ)了經(jīng)濟(jì)學(xué)模型空間視角不足的問題，為分析房地產(chǎn)泡沫空間傳染性提供了合理的思路、技術(shù)與方法。第二，在驗證房地產(chǎn)泡沫空間傳染性存在的基礎(chǔ)上，進(jìn)一步探究房地產(chǎn)泡沫空間傳染格局的動態(tài)變化、房地產(chǎn)泡沫空間傳染能力的區(qū)域差異及傳染源城市的識別，對現(xiàn)有文獻(xiàn)起到了有益的補(bǔ)充。第三，創(chuàng)造性地使用房價收入比與銀行信貸投放量兩個指標(biāo)來研究房地產(chǎn)泡沫的空間傳染性，兩個指標(biāo)具有邏輯上的遞進(jìn)關(guān)系，相互驗證、互為補(bǔ)充。

二、理論基礎(chǔ)

空間傳染性是指一個城市或區(qū)域由于地理臨近受到周邊城市的影響產(chǎn)生聯(lián)動效用，房地產(chǎn)泡沫的空間傳染性會使房地產(chǎn)泡沫在空間溢出，由熱點城市蔓延至“冷點”城市進(jìn)而擴(kuò)散至全國，最終在全國范圍內(nèi)趨于均質(zhì)化。行為金融學(xué)進(jìn)一步指出，房價的不斷飆升使得房地產(chǎn)虛擬化的特征更加明顯，房地產(chǎn)市場充滿了不能反映物質(zhì)財富的貨幣泡沫，虛擬經(jīng)濟(jì)以資本為定價方式使得房價更容易受到投資者預(yù)期與非理性行為的影響。因此，投資者樂觀預(yù)期與非理性行為是房地產(chǎn)泡沫空間傳染性的內(nèi)在因子。

因流動性嚴(yán)重過剩，投資房地產(chǎn)被認(rèn)為是資產(chǎn)保值增值的重要渠道，投資者對高房價及周邊低房價城市會產(chǎn)生盲目樂觀的預(yù)期，進(jìn)而投入大量資本，進(jìn)一步抬升了該城市與周邊城市的房價。資本的大量流入使房地產(chǎn)泡沫不斷膨脹，而銀行信貸一定程度上直接決定著資本引入的數(shù)量、規(guī)模與速度，因此，銀行信貸投放量是房地產(chǎn)泡沫空間傳染性的外在因子。銀行信貸投放量為房價與資本不斷互動循環(huán)、螺旋上升提供了有效途徑與重要支撐，最終房地產(chǎn)泡沫不斷積累，房地產(chǎn)泡沫由核心傳染源城市向周邊城市不斷蔓延，這就是房地產(chǎn)泡沫空間傳染性的基本機(jī)理。

三、研究設(shè)計

（一）研究對象與數(shù)據(jù)來源

房地產(chǎn)業(yè)的虛擬化及資本的充分流動是房地產(chǎn)泡沫空間傳染性的首要基礎(chǔ)，因此，研究對象應(yīng)選取具有典型經(jīng)濟(jì)熱、資本熱、開發(fā)熱以及投機(jī)熱的城市。本文選取引領(lǐng)我國經(jīng)濟(jì)發(fā)展的先鋒，其城市規(guī)模、輻射力、政治經(jīng)濟(jì)地位以及知名度在全國均占有優(yōu)勢地位的35個大中型城市作為研究對象，具體分析我國房地產(chǎn)泡沫的空間傳染性。數(shù)據(jù)均來源于國家統(tǒng)計年鑒、Wind數(shù)據(jù)庫以及上海易居房地產(chǎn)研究院相關(guān)報告。

（二）指標(biāo)選取與說明

1.房價收入比

國內(nèi)學(xué)者大多采用指標(biāo)法對房地產(chǎn)泡沫進(jìn)行測度，王浩（2017）和韋汝虹等（2018）進(jìn)一步提出房價收入比是測度我國房地產(chǎn)泡沫最合理、最理想的指標(biāo)。因此，本文選用房價收入比作為測度房地產(chǎn)泡沫大小的指標(biāo)之一，房價收入比越高，房地產(chǎn)泡沫越大。上海易居房地產(chǎn)研究院在《全國35個大中城市房價收入比排行榜》中指出，在發(fā)達(dá)國家，房價收入比超過6的城市被稱為泡沫區(qū)，但我國與國外的統(tǒng)計口徑不同，考慮到我國實情，房價收入比在6-7之間為合理區(qū)間。房價收入比的計算公式如下：

2.銀行信貸量

銀行信貸量為房地產(chǎn)開發(fā)商及購房者的非理性行為提供了有力支撐。一方面，銀行信貸緩解了房地產(chǎn)商的財務(wù)壓力，使其無視風(fēng)險，盲目開發(fā)，有足夠的能力和時間通過“捂盤”等行為哄抬房價。另一方面，銀行信貸刺激了購房者的投機(jī)性需求，助推了泡沫的膨脹。通過對上述理論框架分析可知，銀行信貸投放量會加大資本的流速與流量，為資本在空間上的流動提供了充足的動力。

本文用房地產(chǎn)開發(fā)商資金來源中的國內(nèi)貸款的數(shù)量表示對開發(fā)商的信貸投放量。因個人信貸資金用途及流向的不可確定性與不可追溯性，其他用途的借貸資金會用于個人購房，因此借鑒韓賢君（2017）的研究用商品房銷售額的80%代表個人按揭貸款的數(shù)量，兩者加總得出銀行信貸投放量。2016年各城市銀行信貸投放量以2007年為基期用全國CPI進(jìn)行平減以消除通貨膨脹的影響。

（三）研究方法

1.全局自相關(guān)模型

房地產(chǎn)泡沫的空間傳染性會使房地產(chǎn)泡沫在空間溢出，對地理空間臨近的不同城市產(chǎn)生空間關(guān)聯(lián)效應(yīng)。因全局自相關(guān)模型常用來識別研究對象在空間的關(guān)聯(lián)性與集聚性，本文構(gòu)建全局自相關(guān)模型Morans I指數(shù)對房地產(chǎn)泡沫的空間傳染性進(jìn)行識別，進(jìn)一步驗證空間傳染性的存在。Morans I指數(shù)介于-1到1，若Morans I指數(shù)大于0，則研究對象存在空間正相關(guān)，即呈現(xiàn)“高高集聚”或“低低集聚”的現(xiàn)象，且數(shù)值越大相關(guān)程度越高;若Morans I指數(shù)小于0，則研究對象存在空間負(fù)相關(guān)，即呈現(xiàn)“高低集聚”或“低高集聚”的現(xiàn)象，且數(shù)值越小研究對象之間的差異越大;若Morans I指數(shù)越趨近于0，則研究對象的離散與隨機(jī)程度越高。Morans I指數(shù)的計算公式如下：

其中，xi、xj分別為i城市和j城市相關(guān)指標(biāo)的數(shù)值，S2為樣本方差，wij為空間權(quán)重矩陣（度量i城市和j城市之間的地理距離），本文采用反距離權(quán)重法構(gòu)建空間權(quán)重矩陣，搜素距離為默認(rèn)值（下同）。

2.局部自相關(guān)模型

因局部自相關(guān)模型獲得的 Getis-Ord G*指數(shù)能夠有效識別高值與低值的集聚區(qū)，本文用 Getis-Ord G*指數(shù)具體分析我國房地產(chǎn)泡沫空間傳染能力的區(qū)域差異。熱點城市空間傳染能力強(qiáng)，周圍城市的房地產(chǎn)泡沫值普遍較高;“冷點”城市空間傳染能力弱，周圍城市的房地產(chǎn)泡沫值普遍較低。Getis-Ord G*指數(shù)的計算公式如下：

其中，xj表示j城市相關(guān)指標(biāo)的數(shù)值，wij表示空間權(quán)重矩陣（度量i城市和j城市之間的地理距離）。

3.空間插值模型

房地產(chǎn)泡沫的空間傳染性會形成以高泡沫度城市為核心向周邊城市擴(kuò)散遞減的空間格局，房地產(chǎn)泡沫的空間傳染性會使各城市泡沫度趨于均質(zhì)化，但在此之前房地產(chǎn)泡沫必然經(jīng)歷從傳染源城市—周邊城市擴(kuò)散的動態(tài)過程，空間插值模型在空間尺度上能有效識別出研究對象的高值核心區(qū)。因此，本文基于空間插值模型進(jìn)行核密度分析識別房地產(chǎn)泡沫的核心傳染源城市，并具體分析房地產(chǎn)泡沫空間傳染路徑的動態(tài)變化。核密度分析的計算公式如下：

其中，Z（s）為未知點s房地產(chǎn)泡沫的估計值，λi為觀測點的權(quán)重，n為未知點s周圍觀測點的數(shù)量，Z（si）為已知觀測點房地產(chǎn)泡沫的實際值。

四、研究結(jié)果

（一）我國房地產(chǎn)泡沫化空間分布格局的可視化分析

用迭代聚類法將35個大中型城市分成三類，房價收入比的初始聚類中心分別為10、8.5、7，銀行信貸量的初始聚類中心分別為0.15、0.10、0.05，運用SPSS 22.0確定最終聚類中心并進(jìn)行分類。結(jié)果如表1所示，2016年相對于2007年房地產(chǎn)泡沫過熱的城市數(shù)量顯著增加。

根據(jù)圖1（1）以房價收入比為測度指標(biāo)的我國房地產(chǎn)泡沫空間分布格局可知，2007年房地產(chǎn)泡沫過熱的城市主要分布在東部沿海地區(qū)，2016年逐漸由東部沿海地區(qū)向西擴(kuò)散，房地產(chǎn)泡沫在空間上形成東-中-西部逐級遞減的階梯式分布格局。根據(jù)圖1（2）以銀行信貸投放量為測度指標(biāo)的我國房地產(chǎn)泡沫分布格局可知，2007年房地產(chǎn)泡沫過熱的城市零散地分布在東部沿海地區(qū);2016年向西擴(kuò)散使房地產(chǎn)泡沫過熱的城市在東南地區(qū)及京津冀地區(qū)集聚。綜上所述，兩個指標(biāo)的分析結(jié)果基本一致，從時間尺度上看，我國房地產(chǎn)泡沫化程度日益嚴(yán)重;從空間尺度上看，我國房地產(chǎn)泡沫在空間上形成東-中-西部逐級遞減的階梯式分布格局，這與我國經(jīng)濟(jì)發(fā)展水平的空間分布格局相適應(yīng)。

（二）我國房地產(chǎn)泡沫空間傳染性的檢驗

下面用Morans I指數(shù)來檢驗我國房地產(chǎn)泡沫空間傳染性是否存在。如表2所示，2007年與2016年房價收入比與銀行信貸投放量的Morans I指數(shù)均大于0，這表明35個大中型城市之間的房地產(chǎn)泡沫存在正相關(guān)關(guān)系，我國存在房地產(chǎn)泡沫的空間傳染性。2016年房價收入比與銀行信貸投放量Morans I指數(shù)的值均大于2007年Morans I指數(shù)的值，這表明隨著時間推移各城市之間房地產(chǎn)泡沫的正相關(guān)關(guān)系逐漸增強(qiáng)，房地產(chǎn)泡沫的關(guān)聯(lián)性與集聚性逐漸增強(qiáng)。2007年房價收入比的P值為0.010900，在5%的顯著水平下顯著;2016年房價收入比的p值為0.002202，在1%的顯著水平下顯著，房地產(chǎn)泡沫的空間關(guān)聯(lián)性更加顯著。2007年銀行信貸量的P值為0.246669，雖存在關(guān)聯(lián)性，但關(guān)聯(lián)性不顯著;2016年銀行信貸量的P值為0.019438，在5%的顯著水平下顯著，房地產(chǎn)泡沫的空間關(guān)聯(lián)性已達(dá)到非常顯著的水平。綜上所述，我國房地產(chǎn)泡沫存在空間傳染性，隨著時間推移空間傳染能力明顯增強(qiáng)，空間傳染性也更為顯著。

（三）我國房地產(chǎn)泡沫空間傳染能力的區(qū)域差異

下面用局部自相關(guān)模型得到 Getis-Ord G*指數(shù)對我國房地產(chǎn)泡沫進(jìn)行熱點分析，以此來探究我國房地產(chǎn)泡沫空間傳染能力的區(qū)域差異。Getis-Ord G*指數(shù)的大小與城市的冷熱程度成正比，Getis-Ord G*指數(shù)越大城市越熱，反之城市越冷。如圖2（1）所示，2007年房價收入比的熱點城市主要集聚在上海、廣州、深圳、寧波、廈門、福州等東南沿海地區(qū)， “冷點”城市主要集聚在蘭州、西寧等西北內(nèi)陸城市。這說明2007年在東南沿海地區(qū)形成了房價收入比的高值集聚區(qū)，房地產(chǎn)泡沫的空間傳染能力較強(qiáng);在西北內(nèi)陸城市形成了房地產(chǎn)泡沫的低值集聚區(qū)，房地產(chǎn)泡沫的空間傳染能力較弱。2016年房價收入比的熱點城市主要集聚在上海、廣州、深圳、廈門、武漢、南昌等東南地區(qū)，冷點城市主要集聚在京津冀及西北內(nèi)陸地區(qū)。相比較2007年，京津冀地區(qū)在2016年成為顯著冷點區(qū)，對周邊城市的資源剝奪效應(yīng)減弱，對周邊城市的傳染能力減弱，這可能是市場剛性需求以及政策與市場調(diào)控綜合作用的結(jié)果。