我國商品房價格的時空動態(tài)特征——基于空間動態(tài)面板模型的實證研究

〇郭建華

(邵陽學院　經(jīng)濟與管理系，湖南　邵陽　422000)

我國商品房價格的時空動態(tài)特征——基于空間動態(tài)面板模型的實證研究

〇郭建華

(邵陽學院經(jīng)濟與管理系，湖南邵陽422000)

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

關鍵詞：商品房價格； 影響因素； 時空動態(tài)特征； 空間動態(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、引言及文獻綜述

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

目前，很多學者對房地產(chǎn)價格的影響因素及區(qū)域差異進行了研究。關于房價影響因素的研究方面，Tsatsaronis和Haibin[1]應用調整后的房地產(chǎn)實際價格、居民消費價格指數(shù)、國內生產(chǎn)總值增長率與實際短期利率建立VAR模型，研究了房地產(chǎn)價格與上述經(jīng)濟因素的關系，結果表明通貨膨脹是影響房地產(chǎn)實際價格的主要因素，收入對房地產(chǎn)價格的影響非常有限。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)濟狀況、平均收入、就業(yè)率和建筑成本等因素對房價的影響。Demary[3]通過構建結構向量自回歸(SVAR)模型研究了10個OECD國家房地產(chǎn)價格與通貨膨脹率、產(chǎn)出及利率的關系。Beltratti和Morana[4]研究了G-7國家的宏觀經(jīng)濟狀況與房地產(chǎn)價格的關系，結果表明，宏觀經(jīng)濟與房地產(chǎn)價格存在雙向促進作用，但是相對消費與產(chǎn)出而言，投資對房地產(chǎn)價格的影響更大。Wheaton和Lee[5]，Miller等[6]通過對美國住房市場進行研究后發(fā)現(xiàn)，住房交易量與住房銷售價格之間存在因果關系。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季度的居民消費價格指數(shù)、國內生產(chǎn)總值、貨幣供給與住宅價格指數(shù)的季度數(shù)據(jù)，建立結構向量自回歸模型，估計了供給沖擊、需求沖擊與貨幣政策沖擊對中國房地產(chǎn)價格變動的動態(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兩種方法估計了城市住宅價格與土地價格方程。結果表明，住宅市場與土地市場是互動影響的關聯(lián)資產(chǎn)市場，住宅價格與土地價格之間存在聯(lián)立性，人口數(shù)量、財富水平、建筑成本、住宅預期收益和土地市場化程度是造成中國城市間住宅價格、土地價格差異的決定因素，但平均工資與城市宜人性的影響并不顯著。孔煜和高波[10]利用省際面板數(shù)據(jù)，在解決房價和交易量之間內生性基礎上，利用聯(lián)立方程采用三階段回歸法(3SLS)實證考察了二者之間的相互關系，發(fā)現(xiàn)房價與交易量之間存在滯后的正相關關系，并且房價處于主導地位。申敏和吳和成[11]基于變結構面板協(xié)整模型對我國長三角八個城市房價變化的主要原因進行了研究，結果表明，限購政策使房價明顯下降，但房產(chǎn)稅的出臺對房價影響不顯著。

關于房價波動和區(qū)域效應的研究方面。Holly等[12]對美國各州房價變化進行了研究，發(fā)現(xiàn)房價直接受人均收入水平的影響，與凈借貸額呈負相關性，與人口增長呈正相關性，同時，各州房價還存在顯著的空間效應影響。Holly等[13]對英國房市的時間和空間擴散效應進行了研究，發(fā)現(xiàn)紐約的城市房價直接影響到倫敦房價，倫敦房價在時間和空間效應上也受其它金融中心城市房價的影響。Brady[14]通過構造房價的空間滯后模型并在模型中加入一個因變量的滯后一期項來體現(xiàn)房地產(chǎn)價格的自相關，得到了反映房地產(chǎn)價格變動的空間動態(tài)面板模型，然后利用最小二乘估計和工具變量估計方法對美國加利福尼亞房價進行了實證分析，發(fā)現(xiàn)該地區(qū)房價之間存在空間擴散效應和時間滯后效應。Jeanty等[15]和Guerrieri等[16]研究了一個城市及其臨近城市房價波動的相互關系，結果表明因為高收入者有遷居“富裕臨近城市”的傾向，所以臨近城市房價會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區(qū)域波動差異的成因，得出信貸規(guī)模對東、西部地區(qū)的影響比較大，實際利率對各地區(qū)影響差異不大且影響較小的結論。王松濤等[18]應用Johansen協(xié)整關系檢驗、多變量格蘭杰因果關系檢驗和脈沖響應函數(shù)方法，分析了我國5個主要區(qū)域城市房價之間的互動關系。黃飛雪等[19]綜合運用協(xié)整檢驗方法分析了自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格的關聯(lián)性。

綜上所述，國內外大部分關于房地產(chǎn)市場價格方面的研究大多局限于宏觀影響因素的分析，同時涉及引起房價波動影響因素及房價時空效應研究的文獻尚不多。

本文為了充分考慮我國房價在時間和空間上的動態(tài)效應以及時空混合效應，首次采用既包含時間和空間滯后項，也包含時空混合效應項的動態(tài)面板模型，對我國商品房價格影響因素和房價的時空動態(tài)特征進行研究。

二、商品房價格影響因素分析模型

按照經(jīng)濟學的價格理論，商品的價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。當年商品房平均價格用當年各省市商品房銷售額除以當年商品房銷售面積得到。為分析商品房價格的影響因素，初步選定影響商品房需求和供給的因素包括土地購置價格(X1)(單位：元/平方米)、當年商品房開工面積(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)濟的人均GDP(X5)(單位：元)和城鎮(zhèn)居民消費價格指數(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)土地價格購置成本是決定商品房價格的重要因素，土地價格越高商品房價格也隨之上漲。

假設1：商品房價格與土地價格呈正相關關系。

(二)商品房供應量直接決定其價格，供應量增加，房價上漲幅度會隨之降低甚至房價降低，反之，供不應求的房地產(chǎn)市場必然導致房價上漲。本文以當年商品房開工面積衡量其供應量。

假設2：商品房價格與供應量呈負相關關系。

(三)收入水平越高，居民消費能力和消費意愿增強，消費性住房需求則會提高，但是房地產(chǎn)市場供給卻不會在短期內大幅提高，房地產(chǎn)價格自然會升高，反之，房地產(chǎn)價格會降低，本文中用城鎮(zhèn)居民實際人均可支配收入衡量收入水平高低。

假設3：商品房價格與收入水平呈正相關關系。

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

假設4：商品房價格與城鎮(zhèn)人口密度正相關；與城鎮(zhèn)居民消費價格指數(shù)負相關。

(五)我國的房地產(chǎn)業(yè)已經(jīng)成為國民經(jīng)濟的一個重要組成部分，在國民經(jīng)濟運行的大背景下，房地產(chǎn)也自然會受宏觀經(jīng)濟波動的影響。宏觀經(jīng)濟運行良好，房地產(chǎn)市場發(fā)展有序，商品房價格有上升的趨勢，反之相反。在此，選取衡量地區(qū)經(jīng)濟發(fā)展的國內生產(chǎn)總值衡量宏觀經(jīng)濟狀況。

假設5：商品房價格與宏觀經(jīng)濟呈正相關關系。

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)對商品房價格區(qū)域差異產(chǎn)生影響的因素進行識別。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個地區(qū)或區(qū)域。t表示時間序列單元。ij，j=0，1，…，6表示模型的常數(shù)項和各因素的系數(shù)，均為待估參數(shù)。yit表示區(qū)域i在時間t時的商品房價格。x1it，x2it，x3it，x4it，x5it，x6it分別表示區(qū)域i在時間t時上述六個因素的觀測值。ηit為誤差擾動項。

為考察六個因素對商品房價格的解釋效用，對模型(1)采用逐步回歸法，用商品房價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)計量檢驗，那么這個變量就應該納入模型中，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，依次將各個解釋變量加入模型中進行逐步回歸分析。

三、商品房價格時空特征分析模型

(一)模型設定

為了充分考慮我國房價的時間和空間效應以及時空混合效應，本文首次采用既包含時間和空間滯后項，也包含時空混合效應項的空間動態(tài)面板數(shù)據(jù)模型(SDPD Model)來刻畫我國房地產(chǎn)價格的時間和空間效應關系，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個地區(qū)的商品房價格在時間t時的對數(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維個體固定效應向量。n×n矩陣W是常數(shù)空間權重矩陣，用來刻畫個體的空間相關結構，通常假設其主對角線上的元素為零，。Yt-1，WYt，WYt-1分別表示時間滯后項，空間滯后項和時空混合滯后項，γ，λ，ρ分別是它們的標量系數(shù)，γ衡量區(qū)域前期房價對當期房價的影響強度，稱為房價慣性強度；λ表示空間相關系數(shù)，λW衡量各區(qū)域房價的空間關聯(lián)程度；ρ表示時空效應系數(shù)，ρW衡量其它區(qū)域前期房價對本區(qū)域當期房價的影響。β是k×1維系數(shù)向量，εt=(ε1t，…，εnt)′是擾動項且εt~iid.N(0，σ2In)，In表示n階單位矩陣。

(二)模型估計

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

(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的估計和緊湊似然函數(shù)分別如(5)和(6)式所示：

(5)

(6)

(7)

四、實證分析

(一)樣本數(shù)據(jù)的選取和權重矩陣W的設定

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

空間權重矩陣W刻畫的是空間各單元間的相互信賴關系與關聯(lián)程度。關于權重矩陣的設定可以采取多種方式，實證研究中，常采用的有地理權重矩陣和經(jīng)濟權重矩陣。為了更客觀地刻畫各空間單元的關聯(lián)結構，本文從地理位置特征和社會經(jīng)濟特征兩個角度分別建立包括相鄰規(guī)則與距離規(guī)則的空間加權矩陣，以便更準確地把握房價的區(qū)域相關關系。

1.地理權重矩陣遵循Rook相鄰判定規(guī)則，即兩個地區(qū)擁有共同邊界就認為是相鄰。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，所以在空間權重矩陣的設定時，認為海南省和廣東省以及廣西省是相鄰的。我國31個省市地理臨近關系如表1所示。

表1　我國31個省市地理位置關系

(二)實證結果及分析

1.影響因素分析

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

表2　回歸結果

注：括弧內數(shù)值表示對應的p值。Hausman檢驗結果表明，采用固定效應估計方式較為適合。

表2中各模型的估計結果表明，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做為商品房價格影響因素分析的模型依據(jù)。

從估計結果看，土地價格、商品房供應量、城鎮(zhèn)家庭人均可支配收入和城市居民消費價格指數(shù)對商品房價格的影響較為顯著，而且土地價格和人均可支配收入與房價正相關，房屋供應量和消費價格指數(shù)與房價負相關，這和本文前面的理論假設一致，與現(xiàn)有文獻研究(如董志勇等(2010))的結論也相吻合。從定量角度看，土地交易價格上升1%，商品房價格會上升0.028%，且在5%的顯著性水平下通過檢驗，可知假設1是合理的。商品房供應量增加一個百分點，商品房價格就會下降大約0.074個百分點，且在1%的顯著性水平下通過檢驗，假設2與事實相吻合。城鎮(zhèn)家庭人均可支配收入增加1%，商品房價格則會上升1.1%，而且通過顯著性水平為1%的顯著性檢驗，說明收入水平與商品房價格的正相關程度很高，很大程度上支持了假設3這一觀點。城市居民消費價格指數(shù)上升一個百分點，商品房價格則會下降0.5個百分點，但只在10%的顯著性水平下通過檢驗，這說明商品房價格和消費價格指數(shù)確實呈現(xiàn)微弱的負相關關系。至于城市人口密度和人均GDP，沒有表現(xiàn)出與商品房價格的顯著相關性。

2.商品房價格的時空動態(tài)特征分析

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

面板數(shù)據(jù)是時間序列數(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)進行單位根檢驗和協(xié)整檢驗。另外，對空間面板數(shù)據(jù)進行計量分析還要進行空間相關性檢驗，在此采用空間相關指數(shù)Moran’s I進行空間相關性檢驗。

(1)面板數(shù)據(jù)的單位根檢驗

面板數(shù)據(jù)的單位根檢驗主要有LLC、IPS、ADF和PP等檢驗方法。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行單位根檢驗，結果如表3所示。

表3　變量面板數(shù)據(jù)的單位根檢驗

注：括弧內數(shù)據(jù)表示對應的P值。

從表3的檢驗結果看，商品房價格及顯著影響商品房價格的土地價格、商品房供應量、城鎮(zhèn)居民人均可支配收入和城市居民消費價格指數(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

面板數(shù)據(jù)的協(xié)整檢驗的方法主要有Pedroni檢驗和Kao檢驗，檢驗方法的原假設均為不存在協(xié)整關系，從面板數(shù)據(jù)中得到的殘差統(tǒng)計量進行檢驗。商品房價格與各影響因素的協(xié)整檢驗結果如下表4所示。從表4的協(xié)整檢驗結果看，Kao檢驗的ADF統(tǒng)計量和Pedroni檢驗的七個統(tǒng)計量中的四個在1%的顯著性水平下均拒絕原假設，表明商品房價格與其影響因素間存在協(xié)整關系。

表4　協(xié)整檢驗結果(Null Hypothesis：No cointegration)

(3)空間相關性檢驗

對于空間面板數(shù)據(jù)進行空間計量分析之前需要對其進行空間相關性檢驗。由于Moran’s I空間相關性檢驗是針對單個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性檢驗中使用IT?WN即增廣的空間權重矩陣代替空間權重矩陣，把這些檢驗擴展到面板數(shù)據(jù)分析。其中WN分別采用地理權重矩陣和經(jīng)濟權重矩陣對商品房價格進行空間相關性分析。檢驗結果如下表5所示。從兩種加權矩陣的檢驗結果來看，檢驗概率都接近于0，都通過5%水平的顯著性檢驗，可以認為我國各商品房價格存在空間相關性。

表5　商品房價格空間相關性檢驗結果

注：上述檢驗結果是根據(jù)MATLAB中相應的空間計量軟件包運算得到。

(4)SDPD模型的估計結果和分析

上述檢驗和分析表明，我國商品價格具有空間相關性，土地價格、商品房供應量、城鎮(zhèn)居民人均可支配收入和城市居民消費價格指數(shù)都是影響商品房價格的因素。本文利用空間動態(tài)面板模型(2)并采用準極大似然法估計模型參數(shù)，對我國商品房價格進行空間計量分析。實證結果表明，兩種不同空間權重矩陣的估計結果基本相同，在此，僅給出經(jīng)濟權重矩陣的估計結果，如表6所示。

表6　區(qū)域房價SDPD模型估計

注：括弧內為P值；參數(shù)估計結果是根據(jù)MATLAB中空間計量軟件包運算得到。

從表6的估計結果看，區(qū)域房價一期滯后系數(shù)為0.91而且通過5%顯著性水平檢驗，表明我國商品房價格在時間上具有較高的慣性強度，應用空間動態(tài)面板模型分析我國商品房價格的動態(tài)變化特征是合適的。房價空間滯后系數(shù)的估計值為0.1513且具高度相關，表明我國各省市商品房價格很大程度上受鄰近地區(qū)房價的影響，鄰近地區(qū)商品房價格每變動一個百分點，會引起該地區(qū)房價會0.1513個百分點的變動，說明我國商品房價格存在較強的區(qū)域聯(lián)動性。時空滯后系數(shù)估計值為0.033，也通過顯著性檢驗，表明鄰近地區(qū)前期房價對該地區(qū)當期房價有一定影響，這進一步說明商品房價格區(qū)域效應的存在。同樣，從表6中四個影響商品房價格因素的系數(shù)估計值看，和前面商品房價格影響因素分析的結果基本相同，土地價格和人均可支配收入對房價具有正向影響，高地價和高收入會拉高房價；房屋供應量和城市居民消費價格指數(shù)則和房價呈負向相關，充裕的房屋供應量有助于抑制房價過快增長，城市居民消費價格指數(shù)越高，居民購房欲望會越低，房價會減速增漲甚至降低，但消費價格指數(shù)和房價的負相關性并不顯著。

五、結論及政策建議

本文采用2003年至2012年我國房地產(chǎn)價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格的影響因素進行了探討，通過空間動態(tài)面板數(shù)據(jù)模型，運用地理權重矩陣和經(jīng)濟權重矩陣分析了我國房地產(chǎn)價格的區(qū)域聯(lián)動效應關系。空間動態(tài)面板模型同時包含了時間滯后效應、空間滯后效應和時空混合滯后效應。這些因素的加入，便于研究我國商品房價格的時間動態(tài)效應和區(qū)域空間相關效應。

通過實證分析，得出如下結論：

1.我國商品房價格的主要影響因素包括土地購置價格、商品房供應量、城鎮(zhèn)居民可支配收入和城市居民消費價格指數(shù)。其中土地購置價格和城鎮(zhèn)居民可支配收入對房價的影響呈正向相關性，商品房供應量和消費價格指數(shù)則呈負向相關性。事實上，土地購置費越高，商品房建筑成本也越高，房價自然會高。同樣，對于中國這樣一個發(fā)展中國家來說，人均收入并不高，收入約束應該是制約商品房需求的重要因素，只有收入增加，才會增加商品房需求，從而會推動房價的上漲。而足夠的房屋儲備或供應量，會在很大程度上降低房屋剛性需求者和不動產(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，從而遏制房價過快上漲甚至降低房價。同樣，消費價格指數(shù)升高則意味著城鎮(zhèn)居民日常消費開支增加，房屋購買力則降低，進而使房價上漲速度減慢或降低房價。

2.從統(tǒng)計上看，土地價格、商品房供應量和居民可支配收入對房價影響較為顯著，居民消費價格指數(shù)則僅在10%的顯著性水平下顯著。說明房價的決定因素在于成本、供求關系，這也是一般市場價格的運動規(guī)律。

3.實證結果也表明，我國房地產(chǎn)價格存在時間上的動態(tài)慣性效應和空間上的聯(lián)動效應。通過對空間動態(tài)面板數(shù)據(jù)模型的估計發(fā)現(xiàn)，一個地區(qū)的商品房價格很大程度上受其上一期房價的慣性影響，影響系數(shù)為0.91。通過運用地理空間加權矩陣和經(jīng)濟空間加權矩陣分析發(fā)現(xiàn)，各地區(qū)房價存在空間相關特征，而且相鄰地區(qū)之間房價的影響程度比其他不相鄰地區(qū)之間房價的影響程度大，經(jīng)濟特征相似的地區(qū)間房價相互影響大于經(jīng)濟特征不同區(qū)域的房價影響。

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

1.政府的宏觀調控重點應該注重政策建設和結構調整，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城鎮(zhèn)化建設的進程中，要從宏觀制度上和微觀政策上調控土地供應，讓地方政府擺脫依靠“土地財政”來發(fā)展地方經(jīng)濟，控制土地價格過快上漲。

2.城鎮(zhèn)居民收入水平的提高會增加商品房剛性需求和部分投資者的投機需求，這會使房價出現(xiàn)較大的波動并推動房價超出中低收入階層的購買能力。當然，房地產(chǎn)作為一種投資品，適度的投機有助于市場的活躍。因而，政府應該促進居民收入的提高和適當增加經(jīng)濟適用房的供給，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需求。

3.我國商品房價格總體上呈現(xiàn)東高西低的同時也存在較強的空間相關性，這說明在我國區(qū)域經(jīng)濟的發(fā)展過程中，伴隨著戶籍制度的改革，人口流動性增強，在向經(jīng)濟發(fā)達地區(qū)遷居的同時，也會選擇交通相對便利，房價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中西部地區(qū)經(jīng)濟發(fā)展和加快推進戶籍改革，讓東部經(jīng)濟發(fā)達地區(qū)人口逐步遷居中西部地區(qū)，這樣即可以適當抑制經(jīng)濟發(fā)達地區(qū)房價的過快上漲，也可以推進西部地區(qū)房地產(chǎn)業(yè)的發(fā)展。

參考文獻：

[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)價格影響因素分析：基于中國各省市的面板數(shù)據(jù)的實證研究[J].中國地質大學學報(社會科學版)，2010，(02)：98-103.

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

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

[10]孔煜，高波.中國房地產(chǎn)市場的量價波動關系—基于聯(lián)立方程模型的實證分析[J].中央財經(jīng)大學學報，2012，(7)：66-73.

[11]申敏，吳和成.基于變結構面板協(xié)整模型的房價調控政策有效性[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)價格波動區(qū)域差異的實證分析[J].經(jīng)濟研究，2007，(8)：133 -142.

[18]王松濤，楊贊，劉洪玉.我國區(qū)域市場城市房價互動關系的實證研究[J].財經(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的聯(lián)動效應研究[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，邵陽學院經(jīng)濟管理系講師，管理學博士。

基金項目：湖南省教育廳資助科研項目(14B160)；湖南省統(tǒng)計科研項目(2013B18)

收稿日期：* 2014-11-12

中圖分類號：C812

文獻標識碼：A

文章編號：1672—1012(2015)01—0064—10