空間外溢效應(yīng)與中國房價連片上漲:推拉作用與空間慣性

徐春華 龔維進(jìn) 鄭瓊潔

摘要： 中國的房價（尤其是東部地區(qū)房價）在地理空間上呈現(xiàn)連片上漲的特征，在時間維度上呈現(xiàn)逐年攀升的趨勢。使用2009—2016年中國285個地級市的空間面板數(shù)據(jù)，構(gòu)造并選擇最優(yōu)的空間計量回歸模型，探析中國房價連片上漲現(xiàn)象背后的主要影響因素。研究發(fā)現(xiàn)：城市的土地價格是房價的主要“推力”，不僅目標(biāo)城市的地價會推高自身以及鄰居城市的房價，而且鄰居城市的地價同樣會推高目標(biāo)城市的房價。來自中等收入人口的房價拉力更傾向于拉高該城市自身的房價，而來自高收入人口的房價拉力則傾向于拉高鄰居城市的房價。鄰居城市房價對目標(biāo)城市房價的影響是一個不斷強(qiáng)化沖高的空間慣性過程。

關(guān)鍵詞： 房價; 空間外溢效應(yīng); 土地價格; 收入水平; 空間杜賓模型

文獻(xiàn)標(biāo)識碼： A ?文章編號： 1002

一、研究背景

房價歷來是國內(nèi)外學(xué)者關(guān)注的研究話題。一個頗為明顯的現(xiàn)象是房價往往呈現(xiàn)連片上漲的趨勢和特征。從時間變動維度看，如圖1所示，盡管中國東中西部三大地區(qū)①的房價均值都呈現(xiàn)明顯的上漲態(tài)勢，但是東部地區(qū)的房價均值明顯高于中西部地區(qū)并且上升態(tài)勢更為迅猛。

從空間截面來看，通過計算2009—2016年中國各省、自治區(qū)、直轄市的整體房價均值發(fā)現(xiàn)，東部城市的房價均值明顯高于中西部內(nèi)陸城市，并且在中國沿海地區(qū)呈現(xiàn)明顯的連片分布態(tài)勢。譬如，排在前十位的城市分別為深圳（25 367.4元/平方米）、北京（19 078.5元/平方米）、上海（16 838.5元/平方米）、三亞（15 429.2元/平方米）、溫州（146 81.0元/平方米）、杭州（13 814.8元/平方米）、廣州（13 572.7元/平方米）、廈門（13 102.1元/平方米）、珠海（11 995.8元/平方米）、南京（11 012.6元/平方米）等東部沿海地區(qū)城市?？傊瑥臅r間和空間大維度綜合分析不難發(fā)現(xiàn)，中國的房價（尤其是東部地區(qū)房價）不僅在地理空間上呈現(xiàn)連片上漲的特征，而且在時間維度上呈現(xiàn)逐年攀升的趨勢。

變動趨勢中國的房價問題，已有研究從人力資本[1]、土地供給結(jié)構(gòu)[2]、貨幣政策[3]、人口結(jié)構(gòu)變化[4]等方面對高房價現(xiàn)象進(jìn)行了探討，得出了不少有價值的結(jié)論。土地價格作為決定房屋供給成本的主要因素，是房價的重要推手;而收入水平則是決定住房需求的主要拉力，這兩者是決定房價水平的主要因素。事實(shí)上，當(dāng)前從這兩方面探討房價問題的研究已有很多，但是所得出的結(jié)論卻莫衷一是。

在影響房價的收入因素方面，雖然有學(xué)者認(rèn)為收入水平本身并不能對房價的短期波動做出很好的解釋[5]，甚至認(rèn)為房價與收入在長期中也不存在穩(wěn)定的關(guān)系[6]，但是學(xué)界普遍認(rèn)為收入與房價之間是存在正向關(guān)系的[7]，還有學(xué)者發(fā)現(xiàn)收入差距擴(kuò)大會抑制房價上漲[8]。當(dāng)然，收入因素對房價的具體作用還可能在不同省域或者經(jīng)濟(jì)發(fā)展階段中存在一定的時空差異。例如，徐舒等[9]認(rèn)為收入差距的擴(kuò)大不僅會直接引起住房價格的上升，而且在住房市場競爭越弱的省份，收入不平等對住房價格的促進(jìn)作用越強(qiáng)。

在土地價格與房價的關(guān)系方面，現(xiàn)有研究也未能形成共識。首先，大部分學(xué)者認(rèn)為土地價格或者說土地財政是導(dǎo)致房價快速上漲的主要原因之一[10]。譬如，有人認(rèn)為地方政府的土地財政行為是推動房價上漲的重要原因甚至是根本原因[11]，指出土地價格的波動對地方政府財政收入也會產(chǎn)生較大的影響[12]。其次，有不少學(xué)者研究了地價與房價之間的雙向影響，但是研究結(jié)論各不相同。有學(xué)者認(rèn)為地價與房價之間互為因果關(guān)系[13]，有學(xué)者認(rèn)為地價與房價只在短期內(nèi)互為因果[14]，也有學(xué)者認(rèn)為只在長期內(nèi)兩者互為因果[15]，甚至有學(xué)者認(rèn)為房價對于土地價格沒有直接影響但是房價預(yù)期對于土地價格的影響明顯[16]。最后，有少數(shù)學(xué)者認(rèn)為“地價推漲房價”的說法得不到實(shí)證支持[17]，或者認(rèn)為房價主要是由供求關(guān)系決定的而非地價和土地出讓方式?jīng)Q定的[18]。當(dāng)代經(jīng)濟(jì)科學(xué) 2021年6期 http：∥jjkx.xjtu.edu.cn徐春華，龔維進(jìn)，鄭瓊潔 空間外溢效應(yīng)與中國房價連片上漲：推拉作用與空間慣性

值得一提的是，有學(xué)者開始考慮房價及其影響因素的空間外溢效應(yīng)[19]，然而他們的研究結(jié)論同樣存在較大差異。譬如，同樣是以英國房價為研究對象，有學(xué)者認(rèn)為英國的房價是以倫敦為主導(dǎo)城市而傳到和擴(kuò)散到周邊其他區(qū)域[20]，有學(xué)者則認(rèn)為英國房價波動的主導(dǎo)城市在東南地區(qū)，并由此波及其他地區(qū)[21]。此外，還有學(xué)者考察了美國[22]以及中國臺灣省[23]等地區(qū)房價的空間外溢與擴(kuò)散效應(yīng)，發(fā)現(xiàn)它們的房價都在不同程度上存在著空間外溢效應(yīng)和擴(kuò)散效應(yīng)。龔維進(jìn)等[24]認(rèn)為鄰近城市房價的高漲也會在一定程度上影響到本市的房價水平。任超群等[25]研究發(fā)現(xiàn)房價變化會以出讓地塊為中心往外擴(kuò)散而呈現(xiàn)“波紋效應(yīng)”，土地出讓價格信號對房價的影響范圍在3千米以上。

造成上述研究結(jié)論不同的原因可以歸納為以下幾方面：第一，從馬斯洛需求層次理論[26]出發(fā)可知，住房需求應(yīng)是隨著收入水平的不斷提高而引發(fā)個人需求的必然體現(xiàn)，因此對住房需求層面的考察應(yīng)該從收入分層的角度進(jìn)行剖析。對于中低收入尤其是低收入群體而言，他們難以形成有效購買住房的需求;對于高收入群體而言，他們往往不需要購買自住的房子，而更多的是進(jìn)行炒房投機(jī)，故其購房投資具有明顯的投機(jī)性。因此，造成中國住房需求快速上升的“中堅力量”群體應(yīng)是中等收入群體，其購房需求是造成中國房價連片上漲的首要“拉力”。然而，現(xiàn)有研究囿于收入分層數(shù)據(jù)的可得性而并未從這一層面進(jìn)行研究，也沒有充分看到這一“拉力”的空間外溢效應(yīng)。第二，在土地供給被地方政府壟斷并用于緩解政府財政壓力的背景下，土地價格的上漲是致使中國房價上升的重要“推力”，然而已有研究對這一“推力”的空間外溢效應(yīng)關(guān)注不足。第三，中國房價連片上漲不僅與源自于中等收入的“拉力”和地價上升的“推力”所形成的“推拉合力”密切相關(guān)，而且與不同地區(qū)之間房價自身所具有的空間溢出效應(yīng)關(guān)聯(lián)密切。中國房價自身的空間傳導(dǎo)或者說“慣性”上漲是空間外溢效應(yīng)的重要表現(xiàn)。然而，當(dāng)前通過使用空間計量經(jīng)濟(jì)學(xué)回歸方法對中國房價連片上漲現(xiàn)象進(jìn)行考察的研究并不多見。李永友[27]雖然通過構(gòu)造空間權(quán)重及計量回歸模型探析房價上漲的地區(qū)間漣漪效應(yīng)，但選擇的是系統(tǒng)GMM對動態(tài)面板模型進(jìn)行估計，而并未使用真正意義上的空間計量回歸模型進(jìn)行估計，因此難以直接識別出房價上漲本身及其影響因素的空間外溢效應(yīng)。

空間外溢如何導(dǎo)致中國房價連片上漲？通過推力、拉力抑或是慣性？本文搜集整理2009—2016年中國285個地級市的收入分層數(shù)據(jù)、土地價格數(shù)據(jù)、住房價格數(shù)據(jù)等，建立空間計量回歸模型并對不同類型的空間計量回歸模型進(jìn)行最優(yōu)化選擇，通過選用最優(yōu)的空間計量回歸模型識別出地級市層面中國房價連片上漲的內(nèi)在機(jī)理，為制定和實(shí)施房地產(chǎn)調(diào)控政策提供理論支撐與政策啟示。

二、模型、方法與數(shù)據(jù)

（一）模型與方法

（二）變量與數(shù)據(jù)

本文的被解釋變量為房價水平（hpr），采用城市商品房的銷售額除以銷售面積的商表示，主要解釋變量有6個：中等收入人口占總?cè)丝诘谋壤╩up）本文把人均年收入5 000～10 000美元的人口定義為中等收入人口，把人均年收入超過10 000美元的人口定義為高收入人口。、城市的土地價格（lpr）、商品房用地面積（dwe）、城市商品房投資額（din）、人力資本水平（psa）和城市的交通條件（tra）。一方面，如上所述，收入水平?jīng)Q定了居民的購買力，是決定房價的重要因素之一。特別地，為了對比分析高收入人口對房價的影響，還在相應(yīng)的部分加入高收入人口占總?cè)丝诘谋壤╱pi）這一變量進(jìn)行比較分析。另一方面，對人口基數(shù)較大的中國而言，土地價格決定了商品房的主要成本，被認(rèn)為是推高城市房價重要因素之一。此外，土地供給約束影響住房的供給數(shù)量，城市住宅投資是引起商品房成本上漲的主要因素之一，故本文在解釋變量中引入固定資產(chǎn)投資中的商品房投資。此外，居民買房的目的之一是希望自己的子女擁有更好的教育環(huán)境，因此傾向于在人力資本水平較高的城市購買住房。并且，城市的交通條件決定了其與外界聯(lián)系的難易程度，因此本文引入城市的人力資本水平和交通條件作為控制變量。本文對所有變量都統(tǒng)一對數(shù)化處理。

具體而言，土地價格采用土地的出讓價格除以出讓面積來表示，商品房用地面積采用城市住宅用地合計中普通商品房的用地面積來表示，住宅投資采用資產(chǎn)投資中的普通商品房投資額來表示，人力資本采用萬人在校大學(xué)生人數(shù)作為代理變量，交通條件采用城市人均道路面積來表示。相關(guān)變量的數(shù)據(jù)主要來源于2010—2017年《中國城市統(tǒng)計年鑒》《中國國土資源統(tǒng)計年鑒》《中國區(qū)域統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，2009—2016年的《中國城市建設(shè)統(tǒng)計年鑒》，并以各地級市2009—2016年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報作為補(bǔ)充。特別地，中等收入人口和高收入人口這兩類收入分層數(shù)據(jù)來自英國的經(jīng)濟(jì)學(xué)人（EIU）數(shù)據(jù)庫和中國社會科學(xué)院調(diào)查與數(shù)據(jù)信息中心數(shù)據(jù)庫。

變量之間空間相關(guān)性的Morans I檢驗(yàn)結(jié)果見表1。其中，第（1）列為被解釋變量即房價水平對所有變量的空間相關(guān)性檢驗(yàn)，第（2）—（8）列分別為房價水平對各解釋變量進(jìn)行空間相關(guān)性檢驗(yàn)所得到的Morans I值。由表1可知，無論是城市房價水平對所有解釋變量的Morans I值，還是房價水平對單個變量的Morans I值，均在1%的水平上顯著，變量之間存在顯著的空間正相關(guān)性，這也初步印證了房價連片上漲背后的空間關(guān)聯(lián)邏輯。

三、最優(yōu)空間計量回歸模型的選擇

Vega等[30]建議通過如擬合平方和、對數(shù)似然函數(shù)值大小等參數(shù)檢驗(yàn)來選擇最優(yōu)計量模型并由此判別該選擇固定效應(yīng)還是隨機(jī)效應(yīng)。在式（3）廣義嵌套空間模型的基礎(chǔ)上，通過對包括OLS模型在內(nèi)的8種計量模型進(jìn)行估計，并根據(jù)參數(shù)檢驗(yàn)的結(jié)果選擇最優(yōu)的計量模型。包括OLS模型在內(nèi)的8種計量模型的極大似然估計法的估計結(jié)果及相關(guān)參數(shù)檢驗(yàn)見表2。

根據(jù)表2的參數(shù)檢驗(yàn)結(jié)果，SLX中的Durbin-Watson檢驗(yàn)結(jié)果為2.022，小于OLS中的檢驗(yàn)結(jié)果2.036，因此可以認(rèn)為空間計量回歸模型更有助于消除變量之間的自相關(guān)性。同時，2檢驗(yàn)的結(jié)果為0.249，比較接近0，空間豪斯曼檢驗(yàn)結(jié)果為481.473，且均在1%的水平上顯著，因此應(yīng)該選擇同時考慮時間固定效應(yīng)和空間固定效應(yīng)的時空雙固定效應(yīng)的估計結(jié)果受篇幅限制，本文僅給出時空雙固定效應(yīng)的估計結(jié)果，如果需要無固定效應(yīng)、僅有時間固定效應(yīng)或僅有空間固定效應(yīng)的估計結(jié)果，可與筆者聯(lián)系。。SDM的估計結(jié)果擬合優(yōu)度R2最大為0.886，殘差平方和σ2最小為0.033，且對數(shù)似然函數(shù)值最大為883.966。綜上可知，時空雙固定效應(yīng)的SDM為本文最優(yōu)的經(jīng)驗(yàn)分析模型。

根據(jù)表2第（5）列時空雙固定效應(yīng)SDM的估計結(jié)果，中等收入人口占比（mup）的提高對中國房價上漲具有顯著的促進(jìn)作用，其彈性值為0.291且通過了1%的顯著性檢驗(yàn)。在住房供給量保持不變時，中等收入占比的提高意味著更多的居民具有商品房的購買能力，購買需求的增加拉高了房價水平。特別是在中等收入水平人口將住房作為一種投資品追求投資回報時，將會進(jìn)一步激發(fā)住房的購買需求和推高城市的房價水平。城市的土地價格的回歸彈性值為0.031且通過了1%的顯著性檢驗(yàn)。土地財政作為政府財政收入的重要來源之一，同時也增加了住房開發(fā)商的建造成本，因此城市土地出讓價格的上漲將會推動城市住房價格的上漲。

在其他控制變量方面，城市住房投資額對住房價格的彈性值為0.026且通過了5%的顯著性檢驗(yàn)，表明城市住房投資額的增加將直接推高中國的房價水平。城市土地供給數(shù)量增加對房價上漲的彈性值為-0.006且通過了10%的顯著性檢驗(yàn)，說明城市土地供給數(shù)量的增加將會通過增加住房供給數(shù)量來降低房價水平，這與張清源等[34]的研究結(jié)論相一致。城市人力資本水平的增加將會顯著促進(jìn)城市的房價上漲。居民決定在一個城市買房的動因之一是為了讓子女擁有更好的教育環(huán)境，人力資本水平較高的城市普遍會擁有優(yōu)裕的教育環(huán)境，從而推高城市的房價水平。城市交通條件對房價水平上漲的彈性值為-0.026但不顯著。一個可能的解釋是，居民愿意為避免支付市中心的高房價而付出更多的通勤時間，由此間接增加了住房供給，從而引起住房價格的下跌。

W×lpr、W×dwe以及W×tra的彈性值分別為0.035、0.032和0.185，且至少在10%的水平上是顯著的，表明鄰居城市土地價格上漲、土地供給的增加和交通條件的改善將會促進(jìn)目標(biāo)城市房價上漲，它們對房價的影響都有正向空間傳導(dǎo)作用推動房價連片上漲。W×din的彈性值為-0.04且在5%的顯著性水平上顯著，說明鄰居城市住房投資的增加將會降低目標(biāo)城市的住房價格。鄰居城市的中等收入人口占比及人力資本水平對本城市房價水平的影響并不顯著。

值得一提的是，表2第（5）列中的空間相關(guān)系數(shù)ρ的數(shù)值為0.151且通過了1%的顯著性檢驗(yàn)，表明鄰居城市房價的上漲是引起本城市房價上漲的重要因素，表明城市房價水平高低與其周圍城市房價水平具有較高的一致性，存在一種自我沖高的“慣性”，這將推動彼此臨近的城市中的房價連片上漲。四、穩(wěn)健性檢驗(yàn)

本文采用兩種方法進(jìn)行穩(wěn)健性檢驗(yàn)，一是通過加入最高收入人口占比作為解釋變量，并同時給出二進(jìn)制鄰接矩陣和反距離平方矩陣的估計結(jié)果，結(jié)果見表3第（1）（2）列。二是參考潘文卿[35]的逐步回歸法，通過改變表2第（5）列中的空間權(quán)重矩陣，同時給出反距離平方矩陣以及截斷距離分別為200～700千米的空間權(quán)重矩陣估計結(jié)果，具體見表3第（3）—（9）列。

表3中2檢驗(yàn)和空間豪斯曼檢驗(yàn)的結(jié)果表明，第（1）—（9）列的估計結(jié)果均應(yīng)采用時空雙固定效應(yīng)的估計方法，所有模型估計的R2均大于0.884，σ2均小于0.029，且對數(shù)似然函數(shù)值均大于789.844，因此所有模型的估計結(jié)果都是可信的。

根據(jù)表3第（1）（2）列的估計結(jié)果，加入的最高收入人口占比的回歸系數(shù)并不顯著，然而中等收入人口占比的提高對房價水平上漲促進(jìn)作用的彈性值分別為0.291和0.129，且至少在10%的水平上是顯著的。因此，中等收入人口占比的提高對城市房價上漲的推動作用具有穩(wěn)健性。城市土地出讓價格的上漲、住宅投資額的增加、人力資本水平的提升依然會顯著地促進(jìn)中國房價上漲，而土地供給的增加和交通條件的改善依舊會降低城市的房價水平，鄰居城市房價上漲將會促進(jìn)本城市房價水平的抬升，這些結(jié)論與表2第（5）列的估計結(jié)果是一致的。

鄰居城市中的最高收入人口增加會顯著促進(jìn)本城市房價水平的抬升。事實(shí)上，本文樣本年份期間的房地產(chǎn)一直被認(rèn)為是一個最值得投資的項目，高收入人口的大量資金流入房地產(chǎn)市場，導(dǎo)致房價飆升。鄰居城市土地出讓價格的上漲、土地供給的增加以及交通條件的改善將會促進(jìn)本城市房價上漲，但鄰居城市住宅投資額的增加會降低本城市的房價水平。

根據(jù)表3第（3）—（9）列的估計結(jié)果，無論是反距離平方矩陣還是200～700千米以內(nèi)的截斷距離矩陣的估計結(jié)果，均表明中等收入人口占比的上升將會顯著促進(jìn)本城市的房價水平。其彈性值均大于0.152，并在600千米達(dá)到最大值0.384，且均通過了1%的顯著性檢驗(yàn)。這再次表明表2第（5）列時空雙固定效應(yīng)估計結(jié)果即中等收入人口占比的增加將會顯著促進(jìn)城市房價水平的上漲，其原因是中等收入水平人口的增加不僅會增加對住房的需求數(shù)量，還將住房作為資產(chǎn)進(jìn)行投資，進(jìn)一步抬升城市的房價水平。不僅如此，城市土地出讓價格的上漲、住房投資額的增加、人力資本水平的提高均會促進(jìn)城市房價水平的提升，土地供給面積的增加將會顯著降低城市的房價水平。

鄰居城市高收入水平人口占比的增加，在200～400千米內(nèi)對本城市房價并無顯著影響，400～700千米將會降低本城市的房價水平。當(dāng)截斷距離超過400千米時，可能已經(jīng)超過了城市的省域行政界線，進(jìn)而降低了城市居民跨省買房和炒房的動機(jī)，因此對本城市的房價產(chǎn)生顯著的負(fù)向影響。鄰居城市土地出讓價格的上漲、土地供給面積的增加、交通條件的改善和人力資本水平的提升，將會顯著地促進(jìn)本城市房價水平的提升，但鄰居城市住宅投資的增加會降低本城市的房價水平，這與表2第（5）列的估計結(jié)果完全一致。

表3第（1）—（8）列估計結(jié)果中的內(nèi)生交互效應(yīng)顯示，鄰居城市房價每上漲1%，將會顯著地促進(jìn)本城市房價上漲0.145%～0.236%，且至少在10%的水平上顯著。因此，鄰居城市房價是本城市房價上漲的一個重要因素。這就解釋了除甘肅玉門、內(nèi)蒙古鄂爾多斯等極少數(shù)城市外，中國城市房價普遍上升和連片上漲的現(xiàn)象。

為了準(zhǔn)確測度一個特定地區(qū)中的特定解釋變量對其自身被解釋變量的影響（直接效應(yīng)），或者目標(biāo)地區(qū)中特定解釋變量對其他地區(qū)的被解釋變量變化產(chǎn)生的影響（間接效應(yīng)），LeSage等[32]建議報告直接效應(yīng)和間接效應(yīng)的概述性結(jié)果。最優(yōu)模型估計的直接效應(yīng)、間接效應(yīng)和總效應(yīng)估計結(jié)果見表4。其中，第（1）（11）（21）列為表3第（1）列估計結(jié)果的直接效應(yīng)和間接效應(yīng)以及總效應(yīng)，第（2）（12）（22）列為表3第（2）列估計結(jié)果的直接效應(yīng)和間接效應(yīng)以及總效應(yīng)，第（3）（13）（23）列為表2第（5）列估計結(jié)果的直接效應(yīng)和間接效應(yīng)以及總效應(yīng)。

就直接效應(yīng)而言，表4第（1）—（10）列的結(jié)果表明中等收入水平人口每提高1個百分點(diǎn)，將引起城市房價上漲0.134～0.393個百分點(diǎn)，且通過了10%的顯著性檢驗(yàn)，表明中等收入水平人口占比的提高確實(shí)是促進(jìn)中國房價上漲的一個重要因素。此外，城市土地出讓價格的上漲、住宅投資的增加、人力資本的提升均會顯著的促進(jìn)城市房價抬升，而土地供給面積的增加將會顯著降低城市房價水平，但高收入人口占比以及城市交通條件對房價水平降低的作用并不顯著。

在間接效應(yīng)方面，在400千米范圍內(nèi)，中等收入人口占比的增加對城市房價上漲并無顯著影響。超過400千米時中等收入人口占比增加對房價上漲將產(chǎn)生負(fù)向的空間外溢效應(yīng)。同時，目標(biāo)城市土地出讓價格的上漲會顯著提升鄰居城市中的房價水平，說明其土地價格上漲對抬升房價具有空間外溢效應(yīng)和傳導(dǎo)作用，由此使得房價呈現(xiàn)連片上漲態(tài)勢。特別地，地價“推力”所呈現(xiàn)出來的間接效應(yīng)還會隨著截斷距離的增大而增強(qiáng)，說明地價對房價的空間傳導(dǎo)作用呈現(xiàn)逐步強(qiáng)化的特征。此外，土地供給的增加以及交通條件的改善也將通過間接效應(yīng)促進(jìn)城市房價上漲，但城市住宅投資額的增加將會通過間接效應(yīng)減緩鄰居城市房價水平的上漲。人力資本水平提高在300千米范圍內(nèi)（不包含300千米）以及在二進(jìn)制鄰接空間權(quán)重矩陣與反距離平方空間權(quán)重矩陣的回歸結(jié)果中都不顯著，但是在超過300千米（包含300千米）范圍則能顯著提高鄰居城市的房價水平。由于當(dāng)前中國的人力資本傾向于遷移到人力資本水平較高的城市，當(dāng)空間距離超過300千米時，城市人力資本的競爭會相對減弱，使得人力資本通過間接效應(yīng)對鄰居城市房價上漲的促進(jìn)作用逐漸顯著。

值得一提的是，在所有模型中，中等收入人口占比的總效應(yīng)介于0.046～0.475之間，且至少通過了10%的顯著性檢驗(yàn)，因此中等收入水平占比的增加確實(shí)是推動房價上漲的重要因素之一。在表4第（11）列以及第（18）—（20）列的結(jié)果中，中等收入人口占比會通過間接效應(yīng)阻礙鄰居房價上漲，使其對房價上漲的總效應(yīng)小于其直接效應(yīng)，這說明中等收入層級人口更傾向于在本地城市購買住房?；蛘哒f，中等收入群體在所居住的城市購房更多是出于他們在所生活的城市中自身居住的剛需，從而理應(yīng)存在較小的投機(jī)性。在表4第（11）（12）列的回歸結(jié)果中，高收入人口占比的間接效應(yīng)回歸系數(shù)為正且至少通過了10%的顯著性檢驗(yàn)，表明高收入人口更傾向于到鄰居城市購房，由此推高鄰居城市房價水平。此外，土地出讓價格的上漲、土地供給的增加、人力資本水平的提高以及交通的條件的改善均是促進(jìn)城市房價上漲的重要因素，且通過反饋效應(yīng)放大自身對房價上漲的促進(jìn)作用與間接效應(yīng)不同，反饋效應(yīng)屬于直接效應(yīng)的一種，也就是目標(biāo)城市傳遞給鄰居城市后，再通過鄰居城市傳回到自身的一種效應(yīng)。。綜合以上分析可知，在“推拉作用”以及房價自身的空間外溢作用下，中國各地級市中的房價呈現(xiàn)連片上漲的態(tài)勢。當(dāng)然，對這一結(jié)論還有待從東中西部三大地區(qū)的層面作進(jìn)一步考察。

五、分地區(qū)的進(jìn)一步分析

如前所述，房價連片上漲現(xiàn)象在東中西部三大地區(qū)之間尤其是東部和內(nèi)陸地區(qū)（中西部）之間呈現(xiàn)明顯的差異化。三大地區(qū)的二進(jìn)制鄰接矩陣和反距離平方矩陣的時空雙固定效應(yīng)SDM的估計結(jié)果見表5。根據(jù)第（1）—（6）列的估計結(jié)果，所有2檢驗(yàn)和空間豪斯曼檢驗(yàn)的檢驗(yàn)結(jié)果均表明需要選用時空雙固定效應(yīng)模型，R2均大于0.696，σ2均小于0.172，對數(shù)似然函數(shù)值最小為744.632，因此估計結(jié)果具有較高的可信度。

就東部地區(qū)而言，中等收入比例人口的增加對房價上漲的彈性值介于0.262～0.279之間，且均在1%的水平上顯著。因此，中等收入人口占比的增加是推動?xùn)|部地區(qū)城市房價上漲的重要因素之一。土地價格的上漲和人力資本水平的增加對房價上漲具有顯著的促進(jìn)作用，它們在第（2）列中的彈性值分別為0.034和0.053，且通過了1%的顯著性檢驗(yàn)，表明“推力”和“拉力”對房價的影響依舊穩(wěn)健。土地供給的增加會阻礙房價水平的上漲，彈性值為0.005且在10%的水平上顯著。鄰居城市土地出讓價格上漲、住宅投資額增加以及人力資本水平的提高，對城市房價上漲的彈性值分別介于0.002～0.004、0.055～0.078和0.086～0.093之間，且至少通過了10%的顯著性檢驗(yàn)。特別地，鄰居城市房價上漲幅度每增加1%，將會引起本城市房價上漲0.42%，故房價自身之間存在的“慣性”傳遞效應(yīng)是促使東部房價連片上漲的一個最重要因素。

中等收入人口占比增加同樣是引起中部地區(qū)房價上漲的重要因素，它對房價上漲的彈性值介于0.499～0.523之間，通過了1%的顯著性檢驗(yàn)，且其彈性值是三個地區(qū)中最大的。一個可能原因是中部城市房價水平相對較低，中等收入水平人口占比提升會引致大量購房需求，因此房價上漲的彈性更大。土地價格上漲、住宅投資額增加以及人力資本水平提升對房價上漲的彈性值分別介于0.033～0.035、0.027～0.032和0.028～0.032之間，且至少通過了5%的顯著性檢驗(yàn)。與東部的結(jié)果類似，城市土地供給的增加則會阻礙城市房價上漲。鄰居城市土地出讓價格上漲、人力資本水平提升和交通條件改善對本城市房價上漲的彈性值分別介于0.002～0.057、0.031～0.034和0.113～0.135之間，且至少通過了10%的顯著性檢驗(yàn)。鄰居城市房價上漲依然是影響本城市房價慣性上漲的一個重要因素，其影響程度約為中等收入人口占比回歸系數(shù)的一半。

西部地區(qū)的中等收入人口占比對房價上漲的彈性值介于0.141～0.142之間且至少通過了5%的顯著性檢驗(yàn)，然而數(shù)值明顯小于東部和中部地區(qū)，其原因是西部地區(qū)人口相對稀少，人們炒房的熱情甚至是購買住房的剛需都相對較小。土地出讓價格的上漲、住宅投資的增加以及人力資本水平的提升對房價上漲的彈性值分別介于0.067～0.099、0.065～0.078和0.051～0.056之間，且至少通過了10%的顯著性檢驗(yàn)。土地供給的增加和交通條件的改善會顯著阻礙房價上漲。同時，鄰居城市土地出讓價格上漲、住宅投資的增加、人力資本水平提高以及交通條件改善將會抬升本城市的房價水平，但土地供給的增加則會顯著阻礙本城市房價上漲。鄰居城市房價每上漲1%將會引起本城市房價慣性上漲0.073%～0.092%，但其數(shù)值遠(yuǎn)小于東部地區(qū)和西部地區(qū)。分東中西部二進(jìn)制鄰接矩陣和反距離平方矩陣直接效應(yīng)、間接效應(yīng)和總效應(yīng)的估計結(jié)果見表6。

在東部地區(qū)，中等收入水平人口占比每上升1%，將會通過直接效應(yīng)引起本城市房價顯著上漲約0.28%。土地出讓價格上漲會對城市房價上漲產(chǎn)生顯著的正向直接效應(yīng)，人力資本水平提升會對城市房價上漲產(chǎn)生顯著的負(fù)向直接效應(yīng)。住房投資額和人力資本水平提升還將通過間接效應(yīng)促進(jìn)城市房價水平提升。就總效應(yīng)而言，中等收入人口占比增加、土地出讓價格上漲、住房投資額增加以及人力資本水平提升的總效應(yīng)將會顯著促進(jìn)房價上漲，但土地供給增加以及交通條件改善的總效應(yīng)阻礙房價上漲的作用并不顯著。

在中部地區(qū)，中等收入水平占比增加也會通過直接效應(yīng)顯著促進(jìn)房價上漲。土地價格上漲、住房投資額的增加和人力資本水平的提升均能通過直接效應(yīng)抬升本城市的房價水平，但交通條件的改善的直接效應(yīng)將會阻礙城市房價水平上漲。就間接效應(yīng)而言，中等收入水平占比增加和交通條件改善的間接效應(yīng)將會阻礙其他城市房價上漲，而城市土地價格的上漲將通過間接效應(yīng)進(jìn)一步推高周邊城市的房價水平。同時，中等收入占比增加、土地出讓價格上漲、住宅投資額的增加和人力資本水平提升的總效應(yīng)表明它們均會對城市房價上漲產(chǎn)生顯著的推動作用，但反距離平方矩陣的結(jié)果表明交通條件改善的總效應(yīng)會阻礙城市房價水平上漲，而土地供給增加的總效應(yīng)對房價下降的影響并不顯著。

在西部地區(qū)，中等收入水平人口占比增加對房價的直接效應(yīng)也顯著為正。土地出讓價格上漲、住宅投資額增加以及人力資本水平提升均會通過直接效應(yīng)推動城市房價上漲，土地供給增加和交通條件改善則會通過直接效應(yīng)顯著阻礙房價上漲。城市土地出讓價格上漲、住宅投資額增加、人力資本水平提升和交通條件改善還會通過間接效應(yīng)推高房價水平，而土地供給的增加會通過間接效應(yīng)阻礙城市的房價上漲。

綜上可知，在考慮空間相關(guān)性后，土地市場化對房價的影響在東部地區(qū)主要表現(xiàn)為自我強(qiáng)化的直接效應(yīng)而在中西部地區(qū)則不僅表現(xiàn)為直接效應(yīng)，而且還表現(xiàn)為拉高周邊鄰居城市房價的間接效應(yīng)，由此使得中西部地區(qū)土地價格的總效應(yīng)整體上高于東部地區(qū)。這與土地市場化對房地產(chǎn)價格水平的影響在中部和西部地區(qū)要明顯高于東部地區(qū)的結(jié)論較為類似。

六、結(jié)論與啟示

本文使用2009—2016年中國285個地級市的面板數(shù)據(jù)，構(gòu)造并選擇出最優(yōu)的空間計量回歸模型，重點(diǎn)探討了土地價格的“推力”和需求分層的“拉力”對房價的所產(chǎn)生的“推拉作用”及其空間外溢效應(yīng)，以及房價自身的“慣性”等因素對中國連片上漲的房價所產(chǎn)生的影響。研究發(fā)現(xiàn)：第一，在作為房價“推力”的土地價格方面，目標(biāo)城市土地價格上升不僅直接推動了該城市自身住房價格的上漲，還會通過間接效應(yīng)顯著提升鄰居城市中的房價水平，并且這一間接效應(yīng)會隨著截斷距離的增大而增強(qiáng)，在地區(qū)層面房價“推力”的間接效應(yīng)主要顯著發(fā)生在中西部地區(qū)。第二，在作為房價“拉力”的收入分層方面，目標(biāo)城市的中等收入人口占比提高對其房價上漲具有顯著的促進(jìn)作用，加入最高收入人口占比后，城市中等收入人口對房價的直接效應(yīng)不僅依然顯著存在，而且隨著截斷距離的擴(kuò)大而增強(qiáng)，并且中等收入人口的間接效應(yīng)在截斷距離超過500千米（包含500千米）這一大概率跨越省域邊界的空間范圍后，它將通過顯著的負(fù)向間接效應(yīng)抑制這一地理空間中的房價上漲。尤其是在中部地區(qū)，不僅目標(biāo)城市的中等收入人口占比增加會對鄰居城市產(chǎn)生負(fù)向的間接效應(yīng)，而且鄰居城市的中等收入人口占比增長也會通過外生交互效應(yīng)對目標(biāo)城市房價產(chǎn)生顯著抑制作用。特別地，最高收入人口占比增長并沒有顯著抬升目標(biāo)城市的房價水平，但是間接效應(yīng)表明它能夠顯著促進(jìn)鄰居城市房價的上漲，表明最高收入者傾向于異地購房，推高鄰居區(qū)域房價。這兩點(diǎn)發(fā)現(xiàn)為控制房價提供了一個新的思路。第三，在房價的自身“慣性”方面，空間計量回歸模型的空間相關(guān)系數(shù)無論是在所有樣本層面還是在東中西部地區(qū)層面都顯著為正，表明鄰居城市房價對目標(biāo)城市房價的影響是一個不斷強(qiáng)化沖高的“慣性”過程。

本文的研究結(jié)論可為制定房價調(diào)控政策提供有益啟示。第一，高收入群體跨地區(qū)購房而拉高房價的背后則更多是投機(jī)動機(jī)使然。因此，防止房地產(chǎn)泡沫過分膨脹的措施之一應(yīng)該是限制異地購房，尤其是高收入群體的投機(jī)性異地購房。第二，嚴(yán)控地方政府盲目提高土地出讓價格的行為，鼓勵地方政府發(fā)展實(shí)體經(jīng)濟(jì)，擺脫對“土地財政”不可持續(xù)模式，消除房價上漲中的地價推力。第三，由于房價的上漲不僅有“推拉作用”及其他因素的空間外溢作用，更有其自身正向空間外溢的“慣性”作用，因此要遏制房價的連片上漲就必須統(tǒng)籌全局，要多城市、大片區(qū)統(tǒng)籌施策，確保房地產(chǎn)調(diào)控政策不至于“按下葫蘆浮起瓢”，真正發(fā)揮實(shí)效。參考文獻(xiàn)：

[1] 陳斌開， 張川川. 人力資本和中國城市住房價格 [J]. 中國社會科學(xué)， 2016（5）： 43-64.

[2] 余亮亮， 蔡銀鶯. 土地供給結(jié)構(gòu)、財政壓力與房價： 來自廣東省的經(jīng)驗(yàn)分析 [J]. 中國土地科學(xué)， 2018（8）： 30-36.

[3] 李成， 李一帆， 于海東， 等. 城市人口、貨幣政策與房地產(chǎn)價格： 內(nèi)在機(jī)理與實(shí)證檢驗(yàn) [J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2020（1）： 108-119.

[4] 曾燕妮， 唐文佳， 張浩. 人口結(jié)構(gòu)變化、外資進(jìn)入與房價： 基于全球視角的分析 [J]. 國際經(jīng)貿(mào)探索， 2021（4）： 34-49.

[5] QUIGLEY M. Real estate prices and economic cycles [J]. International Real Estate Review， 1999， 2（1）： 1-20.

[6] GALLIN J. The longrun relationship between house prices and income： evidence from local housing markets [J]. Real Estate Economics， 2006， 34（3）： 417-438.

[7] GAN Q， HILL J. Measuring housing affordability： looking beyond the median [J]. Journal of Housing Economics， 2009， 18（2）： 115-125.

[8] 張川川， 賈珅， 楊汝岱. “鬼城”下的蝸居： 收入不平等與房地產(chǎn)泡沫 [J]. 世界經(jīng)濟(jì)， 2016（2）： 120-141.

[9] 徐舒， 陳珣. 收入差距會推高住房價格嗎？ [J]. 經(jīng)濟(jì)學(xué)（季刊）， 2016（2）： 549-570.

[10] WU G L， FENG Q， LI P. Does local governments budget deficit push up housing prices in China？ [J]. China Economic Review 2015， 35： 183-196.

[11] 宮汝凱. 財政不平衡和房價上漲： 中國的證據(jù) [J]. 金融研究， 2015（4）： 66-81.

[12] 梅冬州， 崔小勇， 吳娛. 房價變動、土地財政與中國經(jīng)濟(jì)波動 [J]. 經(jīng)濟(jì)研究， 2018（1）： 35-49.

[13] 郭輝. 現(xiàn)階段我國房價上漲的地價因素分析 [J]. 南方經(jīng)濟(jì)， 2005（8）： 31-33.

[14] 況偉大. 房價與地價關(guān)系研究： 模型及中國數(shù)據(jù)檢驗(yàn) [J]. 財貿(mào)經(jīng)濟(jì)， 2006（11）： 56-63.

[15] 嚴(yán)金海. 中國的房價與地價： 理論、實(shí)證和政策分析 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2006（1）： 17-26.

[16] 張浩， 李仲飛. 房價預(yù)期、土地價格與房地產(chǎn)商行為 [J]. 管理評論， 2016（4）： 52-61.

[17] 張同龍. 房價拉動地價還是地價推高房價？ [J]. 經(jīng)濟(jì)管理， 2011（10）： 121-126.

[18] 況偉大， 李濤. 土地出讓方式、地價與房價 [J]. 金融研究， 2012（8）： 56-69.

[19] MEEN G. Regional house prices and the ripple effect： a new interpretation [J]. Housing Studies， 1999， 14（6）： 733-753.

[20] HOLLY S， PESARAN H， YAMAGATA T. The spatial and temporal diffusion of house prices in the UK [J]. Journal of Urban Economics， 2011， 69（1）： 2-23.

[21] ALEXANDER C， BARROW M. Seasonality and cointegration of regional house prices in the UK [J]. Urban Studies， 1994， 31（10）： 1667-1689.

[22] POLLAKOWSKI O， RAY S. Housing price diffusion patterns at different aggregation levels： an examination of housing market efficiency [J]. Journal of Housing Research， 1997， 8（1）： 107-124.

[23] CHIEN S. Structural breaks and the convergence of regional house prices [J]. Journal of Real Estate Finance and Economics， 2010， 40（1）： 77-88.

[24] 龔維進(jìn)， 徐春華. 交通便利性、開放水平與中國房價： 基于空間杜賓模型的分析 [J]. 國際貿(mào)易問題， 2017（2）： 50-60.

[25] 任超群， 顧杰， 張娟鋒， 等. 土地出讓價格信號引起的房價變化時空擴(kuò)散效應(yīng) [J]. 地理研究， 2013（6）： 1121-1131.

[26] MASLOW H. A theory of human motivation [J]. Psychological Review， 1943， 50（4）： 370-396.

[27] 李永友. 房價上漲的需求驅(qū)動和漣漪效應(yīng)： 兼論我國房價問題的應(yīng)對策略 [J]. 經(jīng)濟(jì)學(xué)（季刊）， 2014（2）： 443-464.

[28] RIDKER G， HENNING A. The determinants of residential property values with special reference to air pollution [J]. Review of Economics & Statistics， 1967， 49（2）： 246-257.

[29] SIRMANS G， MACPHERSONA， ZIETZ N. The composition of hedonic pricing models [J]. Journal of Real Estate Literature， 2005， 13： 3-43.

[30] VEGA H， ELHOST P. The SLX model [J]. Journal of Regional Science， 2015， 55（3）： 339-363.

[31] 徐春華. 危機(jī)后一般利潤率下降規(guī)律的表現(xiàn)、國別差異和影響因素 [J]. 世界經(jīng)濟(jì)， 2016（5）： 3-28.

[32] LESAGE P， PACE K. Pitfalls in higher order model extensions of basic spatial regression methodology [J]. Review of Regional Studies， 2011， 41（1）： 13-26.

[33] LEE L， YU J. Spatial panels： random components versus fixed effects [J]. International Economic Review， 2012， 53（4）： 1369-1412.

[34] 張清源， 蘇國燦， 梁若冰. 增加土地供給能否有效抑制房價上漲： 利用“撤縣設(shè)區(qū)”的準(zhǔn)實(shí)驗(yàn)研究 [J]. 財貿(mào)經(jīng)濟(jì)， 2018（4）： 20-34.

[35] 潘文卿. 中國的區(qū)域關(guān)聯(lián)與經(jīng)濟(jì)增長的空間溢出效應(yīng) [J]. 經(jīng)濟(jì)研究， 2012（1）： 54-65.

編輯： 李再揚(yáng)、高原

Abstract： Based on the spatial panel data of 285 cities in China from 2009 to 2016， this paper selects the optimal spatial econometric regression model to analyze the continuous rising in Chinas housing prices. The result shows that the land price is the main “pushing force” for housing prices， the land price in the target city could not only push up the housing price of itself and neighboring cities， but the neighboring citys land price will also push up the target citys housing prices. The pulling force of housing prices from upper middle income populations tends to raise the target citys own housing prices， while the pulling force from high-income populations tend to raise the housing prices in neighboring cities. The impact of neighboring city housing prices on target city housing prices is a spatial inertia process that will constantly be intensified and rise.

Keywords： housing prices; spatial spillover effects; land price; income level; spatial Durbin model