經濟開放度、房地產價格及其空間溢出

鞠　方,雷雨亮,周建軍

(湘潭大學　商學院，湖南　湘潭　411105)

?

經濟開放度、房地產價格及其空間溢出

鞠方,雷雨亮,周建軍

(湘潭大學商學院，湖南湘潭411105)

本文基于“巴拉薩—薩繆爾森”理論模型，運用空間計量分析方法考察1999—2013年中國31省房地產價格的空間相關性和經濟開放度對房價的影響。研究表明，我國房地產價格存在顯著的正向空間相關性，地理距離和經濟距離均會對區域房地產價格及其空間相關性產生顯著影響；在考慮了空間影響之后，經濟開放度對房地產價格的影響為正，驗證了中國房地產市場存在“巴拉薩—薩繆爾森”效應。

經濟開放度；房地產價格；巴拉薩—薩繆爾森效應；空間計量

一、引言

“十二五”以來我國對外開放整體進入了新階段，基本形成高水平的對外開放格局。從實現自貿區制度創新到改革外商投資管理體制，從加快實施“一帶一路”國家戰略到完善國際產能合作機制，我國正積極構建全方位多角度的開放型經濟新體制。開放程度的不斷深入確實給我國房地產業的發展帶來了新機遇，但是也帶來了風險和挑戰。1998年房地產市場改革之后，我國房地產市場快速發展，房地產價格持續走高。盡管近年來，國家多次對房地產進行宏觀調控，但部分地區房地產價格仍然居高不下，并在空間分布上呈現集聚現象。高房價區域附近的房價通常也較高，而低房價區域臨近的地區房價通常較低，整體房價極化效應凸顯。如圖1所示，2014年東部沿海地區房地產價格整體較高，北京、上海的商品房銷售均價基本超過了16000元/平方米。廣東、福建和浙江等東部省份商品房平均銷售價格都在9000元/平方米以上，而中西部地區房地產價格相對較低，最低的為寧夏回族自治區，僅4117元/平方米，中部地區湖南省其次，僅4227元/平方米，沿海地區與內陸地區房地產價格差異性明顯。

在區域經濟一體化背景下，隨著地區開放程度的加深，交通、通訊設施的不斷完善，以及地區之間人員、資金、技術等交流不斷深化，區域房地產價格不同程度上受外地房地產價格的影響。因此，有必要從開放經濟角度探討我國房地產市場的發展和變化。

房地產商品作為典型的非貿易品，在一國經濟運行中發揮重要作用。Gabriel，Hamilton和王先柱等國內外學者主要從人口因素[1-2]、收入水平[3]、宏觀經濟因素[4]、預期效用[5]、城鎮化[6]等方面分析房地產價格的影響因素。但是，上述研究成果是在封閉經濟前提下取得的，與目前不斷深化的經濟全球化背景不完全相符。2004年，Bardhan首次從開放經濟視角出發，分析城市經濟開放度對房地產價格的影響，并選取46個世界城市進行OLS估計[7]，結果表明，城市經濟開放度顯著提高了城市租金，證明房地產市場存在“巴拉薩—薩繆爾森效應”，即某個處于經濟快速發展階段的國家，其可貿易部門勞動生產率的增長將相應提高不可貿易品的價格。這一研究擴充了城市經濟學和房地產經濟學的分析維度，豐富了房地產的價格影響因素。王松濤利用1998—2006年35個大中城市的相關數據，在開放經濟條件下進一步驗證了經濟開放度對中國房地產價格的正向影響[8]。國內學者采用不同計量方法，驗證了我國房地產市場“巴拉薩—薩繆爾森”效應的存在性[9-11]。

目前，國內外學者大多采用傳統的時間序列和面板數據模型分析我國房價問題，均基于各個省份之間房價波動互相獨立的假設，忽略了由于空間臨近帶來的相互作用，使得計量模型存在偏差。事實上，人口與家庭遷移、財富轉移以及不同地理空間的套利行為使得房地產價格具有明顯的空間聯系，特定省份的房地產價格受到與其地理鄰近的相關省份房地產價格的影響(王鶴，2012)。房價在空間分布上呈現出“馬太效應”，各個省份之間房地產價格的影響具有明顯的空間依賴性，不能孤立地分析。空間計量經濟學將空間數據分析與GIS結合，考慮鄰近省份之間空間上的相互影響及溢出效應。與以前的研究相比，本文試圖從以下幾個方面有所拓展：首先，本研究從空間計量角度，引入空間Moran I指數方法，檢驗我國房地產價格在空間上是否存在空間相關性和集群特征；然后從地理特征和經濟特征方面構建了鄰接權重、地理距離權重、經濟距離權重以及經濟地理嵌套權重，力求全面客觀地探討經濟開放度對房地產價格的影響；此外，我們還探討了經濟開放度對不同類型房地產商品的影響。研究成果一方面可以從空間維度豐富我們對經濟開放度與房地產價格之間關系的認識，同時也可以為政府合理調控房地產市場、促進房地產價格平穩回歸提供參考。

圖1　2014年全國各省房地產價格分布圖

二、理論分析：一個簡單的“巴拉薩—薩繆爾森”模型

“巴拉薩—薩繆爾森”理論主要考察開放經濟條件下，可貿易品生產部門勞動生產率的提高對不可貿易品價格的影響。房地產商品價值量大，且相對固定，是典型的非貿易商品。本文借鑒毛其淋(2010)、宋金娜(2012)的做法，在Balassa和Samuleson的研究基礎上，對我國房地產市場的“巴拉薩—薩繆爾森”效應進行簡要的理論分析[11-12]。

假定在一個開放的小國經濟體中存在著一組同質企業，分別生產可貿易品(企業1)和非可貿易品(企業2)。為了分析簡單，假設不可貿易品生產部門僅僅生產房地產這一種商品，且可貿易商品的價格由國際市場決定，而房地產商品的價格由國內市場決定。兩個企業均需要投入勞動L和資本K進行生產，在完全競爭市場結構下，資本能夠在國際間自由流動，而勞動力只能在國內各部門之間自由流動。勞動力的自由流動使得可貿易品生產部門與房地產企業的均衡工資相等，即w1=w*=w2。其次，勞動力市場是充分就業的，即勞動總供給量L=L1+L2。

為了方便起見，我們假定可貿易品部門和房地產企業的生產函數均為規模報酬不變的柯布—道格拉斯形式。α和β分別表示可貿易部門和房地產企業勞動力產出彈性系數，且0<α<1,0<β<1可貿易商品價格p1被標準化為1，房地產商品的價格為p2，則p2可以表示為房地產商品相對于可貿易品的價格。

可貿易品生產部門的利潤最大化問題表示如下：

max π1=A1L1αK11-α-w*L1-rK1

(1)

(2)

(3)

類似地，房地產企業利潤最大化問題為：

max π2=p2·A2L2βK21-β-w*L2-rK2

(4)

(5)

(6)

其中，A1和A2表示可貿易部門和房地產企業的全要素生產率，r表示外生給定的利率。根據(2)式和(5)式，可得：

αA1L1α-1K11-α=p2·βA2L2β-1K21-β=w*

(7)

(8)

Y1和Y2表示可貿易部門和房地產企業的單位勞動力產出，即勞動生產率。式(8)說明房地產商品的相對價格p2取決于兩個部門勞動生產率的大小。在開放經濟條件下，得益于國際合作的競爭不斷加強和技術創新的提高，可貿易部門勞動生產率提高得更快[13]，許和連等學者的研究也證明了這一現象在中國市場的存在性[14]。

如果我們假定d(y1/y2)dt=γd(open)/dt,γ是大于0的正數，那么式(8)兩邊對時間t求導，可得：

(9)

上述分析表明，隨著經濟開放程度的提高，可貿易品部門勞動生產率比房地產企業勞動生產率上升得更快。由于完全競爭市場條件要求兩部門的均衡工資水平相等，所以，房地產企業工資水平也會相應提高，房地產商品的生產成本增加，導致房地產價格不斷上漲。同樣，房地產價格波動通過勞動力和資金流動的作用，對非可貿易部門商品價格產生作用。如此反復循環，地區與地區之間，可貿易部門與房地產部門之間商品價格在開放經濟條件下相互作用，相互制約平衡。因此，我們得到如下命題：經濟開放度與房地產價格呈正相關關系，即經濟開放度的提高將助漲房地產商品價格。鑒于勞動力和資金的流動往往受到地理因素和經濟因素的影響，從而使得房地產價格表現出空間溢出效應，因此使用空間計量方法，從地理特征和經濟特征兩個角度構建模型能更有效地模擬和估計經濟開放對房地產價格的作用及其空間相關性。

三、計量模型構建與數據說明

(一)MoranI空間相關性檢驗

空間自相關反映了某區域的觀測值與鄰近地理空間同一觀測值的關聯程度，可以用全局空間自相關和局域空間自相關值加以度量。

Moran指數是最早用于檢驗全局空間相關性的方法，它主要檢驗空間系統中相鄰區域之間是相似、相異還是獨立關系。本文中Moran指數的計算公式如下：

(10)

xi和xj分別代表區域i和區域j的房地產價格，n代表樣本中觀測地區總數,ωij是基于不同標準建立的權重，反映空間目標的位置相似性。MoranI指數的取值在-1到1之間，其數值越大表明關聯程度越高。如果統計值大于零，表示具有相似屬性的空間單位在地理上相對集中；統計值小于零，表明具有相似屬性的空間單位在地理上趨向于集聚；如果統計值等于零，表明不具有空間相關性。

全局MoranI指數反映了不同省際間房地產價格的整體空間自相關性，但是不同地區省際間關聯的局域特征可能會出現“非典型”情況，需要用局域MoranI指數Ii分析房地產價格關聯的局域特征。正的Ii值表明該區域周圍相似值(高值或者低值)的空間集聚，而負的Ii表示非相似值在地理空間上集聚，其計算公式為：

(11)

局域自相關共有四種模式，分布在四個象限。第一象限說明高房價地區被高房價地區所包圍；第二象限說明低房價地區被房價高的地區包圍；第三象限說明低房價地區被低房價地區所包圍；第四象限表明高房價地區被低房價地區所包圍。

(二)空間計量模型

與傳統計量模型不同，空間計量模型考慮了不同區域之間的空間依賴性，即認為觀測值及其區位之間具有一致性，某個區位上的事物可以被空間系統內的另一個事物影響或決定[15]，地區之間的相對和絕對位置決定了空間相關的模式以及程度大小。空間相關性可能存在于被解釋變量和誤差項中，因此，空間計量分為空間自回歸模型(SpatialAuto-RegressiveModel,SAR)和空間誤差模型(SpatialerrorModel，SEM)。

SAR模型主要用于研究空間系統內某地區的行為對相鄰地區的影響，這一影響主要通過因變量的滯后項進行，其表達式為：

(12)

SEM主要用來研究通過殘差擾動項結構關聯實現地區間相互影響的情況，其殘差擾動項顯示出空間依賴性，此模型數學表達式為：

yit=Xitβ+εit

(13)

(14)

(三)空間權重矩陣的構建

空間權重矩陣W反映了各個省份之間空間的關聯程度與依賴程度，是建立空間計量模型的關鍵。目前多數研究采用二進制的空間矩陣，相鄰省份記為1，不相鄰則記為0，這種方法計算簡單，但是不能準確地反映各個省份的空間關聯性。為了研究需要，本文從地理特征和經濟特征兩個角度構建了鄰接空間矩陣、地理距離矩陣、經濟距離權重矩陣以及經濟地理嵌套權重矩陣，以便更加準確的把握房地產價格的空間集聚現象，分析經濟開放度對房價的影響程度。

1. 鄰接空間矩陣

經濟現象和行為與其地理位置密切相關。由于地理位置的鄰近，房地產價格存在明顯的空間相關。一階鄰接矩陣根據地理上不同區域是否相鄰進行設定，矩陣元素其中對角線元素全為0，其他元素的設定滿足：

(15)

其中，i=1,2,3…n;j=1,2,3…m；m≠n*由于海南地理位置特殊，與其余省份均不相鄰。但是海南省與廣東省經濟交往和貿易往來頻繁，且地理位置較近。因此，在構建地理距離的鄰接矩陣時，為了避免孤島效應，假定其僅與廣東省相鄰。。空間鄰接矩陣認為區域之間地理上的鄰近決定了不同空間單位的相關性，且不同相鄰單位的影響程度是一樣的，這在一定程度上不符合現實狀況，它割裂了一個地區與不相鄰地區之間的空間聯系。為了克服簡單鄰接權重的弊端，文章接下來提出了地理距離衰減權重矩陣，對開放經濟條件下房地產價格的影響影響進行全面分析。

2. 地理距離權重

根據地理學第一定理，任何事物在空間上都是相關的，距離越近則空間相互影響越強，隨著地理距離的不斷增加，關聯程度不斷減弱。空間距離加權矩陣根據各省份之間距離確定權重，距離越遠，相互影響的程度越小，距離越近則影響越大。它不僅反映相鄰地區之間的鄰接關系，還能衡量它們之間的相鄰程度。空間距離加權矩陣定義如下：

(16)

其中，dij為使用緯度和經度計算的兩省之間距離*省域中心之間經緯度的距離數據來源于空間地理科學網站：http://www.geobytes.com.。距離倒數的平方反映了省際空間作用與地理距離的衰減關系。

3. 經濟距離權重矩陣

空間系統內區域的相對和絕對位置并不是影響空間相關性的唯一因素，地區之間的經濟活動也會對空間單位產生影響，如貿易往來、金融交易等等。不同經濟水平的省份對鄰接區域的影響是不同的，因此，文章利用不同省份的人均實際GDP差距的倒數來構造權重矩陣，如果人均GDP差距較大，則對應的權重較小，相反人均GDP差距較小，相對應的權重則較大。經濟距離權重矩陣定義如下：

(17)

4.經濟地理嵌套權重矩陣

嵌套矩陣將地理距離權重矩陣和經濟特征權重矩陣有機地結合起來使用，其目的在于盡量準確地刻畫空間效應的綜合性及復雜性。嵌套權重矩陣形式如下：

其中

(四)變量選擇和數據來源

1998年的住房制度改革標志著我國房地產市場進入市場化時代。因此，本文使用1999—2013年31省份的面板數據進行分析。房地產價格用最具代表性的商品房實際銷售價格表示，經濟開放度則根據美國經濟研究局的定義，參考王松濤等的做法，用進出口總額/地區生產總值表示，其中進出口總額運用歷年美元兌人民幣匯率進行調整[8]。在開放經濟條件下，影響房地產價格的因素眾多，綜合考慮之下，本文選取了地區生產總值衡量地區發展水平，用房地產國內貸款、房屋竣工面積以及房屋竣工造價衡量房地產市場供給影響因素。為了消除價格變化的影響，利用各省的居民消費指數將名義變量均調整為實際變量，其中CPI指數以1999年為基期。為了消除模型的異方差，對商品房實際銷售價格、房地產國內貸款、實際竣工面積、商品房實際竣工造價取對數。數據來源于中國經濟社會發展數據庫、國泰安數據庫和《中國統計年鑒》，具體變量說明見下表。

四、實證結果分析

(一)空間自相關檢驗

Moran I 指數能夠反映各變量的空間相關性。表2為1999—2013年31省的房地產價格的Moran I 值。在空間鄰接權重和經濟距離權重下，我國房地產價格存在明顯的正向空間相關性，且均通過了10%的顯著性水平。在距離衰減權重和經濟地理嵌套權重下，2009年之前我國房地產價格變動的空間相關性并不顯著，可能的原因是，我國1998年剛開始進行房地產改革，由實物分房轉換為貨幣分房，房地產市場才逐漸發展起來，所以空間依賴度并不顯著。綜合四種空間權重矩陣，我們認為，我國房地產價格的整體相關度為正，說明在樣本期內，我國省際房地產價格存在“馬太效應”，即房地產價格較高的省份其鄰近地區房價也較高，而房價較低的省份其鄰近區域房價也相對較低。其次，從Moran I 的變動趨勢來看，以2009年為拐點，在2009年之前房地產價格的Moran I 呈現上升趨勢，而2009年開始有所下降，2012年又開始上升。整體來看，我國各地區房地產價格變動的空間相關性較強。

表1　變量說明

表2　1999—2013年房地產價格和經濟開放度的Moran I 指數統計

Moran I指數已經表明房地產價格和經濟開放度的全局空間自相關性，而Moran I散點圖能進一步說明房價空間分布的局部特征。

圖2是2013年四種不同權重下房地產價格的Moran I散點圖，各個散點在以虛線構成的四個象限中的分布表明房地產價格的空間分布呈現出明顯的規律。Moran I散點主要集中在一、三象限，即H-H區域和L-L區域，這表明我國房地產價格存在明顯空間集聚，其分布是非均質的。

上述分析表明我國省際經濟開放度和房地產價格的空間相關關系并非隨機分布，而是在空間位置上呈現出一定的規律性。某區域房地產價格產生的波動有可能通過空間溢出效應對相鄰省份的房地產價格產生影響。因此，僅僅運用普通面板模型對經濟開放度影響房地產價格的機制和程度進行檢驗會產生一定偏差，必須采用空間面板數據模型。

(二)經典計量模型經驗估計結果

首先，在不考慮房地產價格空間因素的情況下，運用經典計量回歸模型估計經濟開放度對我國房地產價格的影響。我們分別采用OLS估計、隨機效應和固定效用模型進行估計，下表則報告了上述模型的回歸結果。三種估計方法下，R2較高，且F值均通過了1%的顯著性檢驗。從各個變量的回歸系數來看，除了竣工房屋面積(space)之外，其余變量均通過了1%的顯著性水平檢驗。表3中，經濟開放度的回歸系數均顯著為正，這說明經濟開放度的提高對我國房地產價格具有明顯的促進作用。地區生產總值對房地產價格也具有較大的正向影響，代表房地產供給的竣工房屋面積回歸系數顯著為負。另外，國內貸款和竣工房屋價值對房地產價格也具有正向影響，且通過了1%的顯著性水平檢驗。

圖2　2013年我國房地產價格的Moran I散點圖

OLSREFEEstimateStdEstimateStdEstimateStdintercept0402???0114-0243?0125//open0095???00130086???00200076???0025gdp0046?00240188???00270409???0028load0145???00130106???00170060???0016space-0135???0021-0094???0021-000050020value0728???00380608???00450239???0048Ftest645654???546651???739781???Adjust-R2086420845208267obs465465465

(三)對總體房地產價格的檢驗——來自四種空間權重矩陣的證據

為進一步深入考察房地產價格受本區域經濟開放度和鄰近區域房地產價格的影響程度，采用空間計量模型來分析本地區房價受本地區經濟開發、地區發展水平、其他控制變量和周邊地區被解釋變量的影響。綜合運用四種空間權重矩陣，對經濟開放度與房地產價格之間的關系進行空間檢驗。從計量經濟學的角度來看，觀測數據之間的空間相關性違背了自變量嚴格外生和殘差擾動項獨立同分布的假設前提，采用傳統的最小二乘估計(OLS)會導致估計結果出現有偏或不一致，而IV或者MLE方法可以解決這一問題。因此，運用R軟件，采取MLE方法對上述空間計量模型進行估計。

首先，運用LM檢驗來識別空間模型的具體形式，結果如表4所示，LMlag、R-LMlag、LMerr、R-LMerr均通過了1%的顯著性檢驗，且LMlag> LMerr，R-LMlag> R-LMerr，故本文選擇SAR模型作為回歸模型。

表4　SAR和SEM模型的LM檢驗

根據LM檢驗識別的模型具體形式，分別運用空間鄰接權重(W1)、地理距離權重(W2)、經濟距離權重(W3)和經濟地理嵌套權重(W4)，采用極大似然估計方法對計量模型進行估計。

根據LM檢驗的結果，我們主要運用SAR模型進行實證闡釋。從表5我們可以得出以下結論：第一，在四種不同空間權重矩陣背景下，空間相關系數ρ均為正且通過了1%的顯著性概率檢驗，充分說明了我國省際房地產價格存在顯著的正向空間相關效應，一個地區的房價在一定程度上受其他與之具有相似空間特征的區域房地產價格的影響，這與洪濤(2007)、陳浪南(2012)等的研究結論一致。四種空間權重下的空間相關系數分別為0.293、0.434、0.363、0.452，地理特征和經濟特征均會對區域房地產價格及其空間相關性產生顯著影響。W1、W2顯示的空間相關系數顯著為正，表明地理位置上的鄰近對地區房地產價格具有顯著的正向影響。地理位置的鄰近，便于省際間資金、技術、人力資源的流動與傳播，帶動了周圍地區房地產價格的上漲。W3和W4考慮了經濟因素，空間相關系數仍然顯著為正，表明經濟發展水平相近的地區之間房地產價格具有相互促進的正向影響。經濟發展水平較高的地區吸引了大量人才、資金的流入，形成資源集聚優勢，經濟條件與之相似的地區更能促進人才、技術、資金的交流和溢出，影響房地產市場的供給和需求，形成了區域性的房價集聚現象。

表5　總體房地產價格的SAR模型估計結果

注：1.括號內值為標準差；2.*、**和***分別表示在10%、5%和1%的顯著性水平下顯著。

表6　總體房地產價格的SEM模型估計結果

注：1.括號內值為標準差；2.*、**和***分別表示在10%、5%和1%的顯著性水平下顯著。

第二，在四種空間權重矩陣下，經濟開放度均通過了5%的顯著性檢驗，說明經濟開放度對于房地產價格的影響顯著。在考慮了空間因素之后，經濟開放度的系數符號為正，與預期相符，驗證了中國房地產市場的“巴拉薩—薩繆爾森”效應，即經濟開放度越高，越能助漲該地區房地產價格。從系數值大小來看，考慮空間因素之后，該變量系數值介于0.075和0.089，遠高于經典計量模型的回歸結果。這說明，如果不考慮房地產價格的空間相關性，經濟開放度對商品房價格的影響會被低估。在不同權重矩陣下，經濟開放度對房地產價格的影響程度有細微差別。在經濟地理嵌套權重矩陣下，經濟開放度的系數最大，地理距離權重矩陣次之，空間鄰接權重最小。

第三，在影響房地產價格的眾多變量中，地區生產總值在不同空間權重矩陣下對房地產價格的影響系數均為正，且均通過了1%的顯著性檢驗，表明地區生產總值對房地產價格具有顯著的正向影響。房地產國內貸款、竣工房屋造價均對房地產價格具有顯著的正向影響，但是竣工房屋面積在四種權重矩陣下對房價的影響均不顯著。這說明，房屋竣工面積并不是影響房地產價格的顯著因素。

(三)對住宅、別墅、商業營業用房價格的檢驗

上述分析表明，經濟開放度對我國商品房價格具有顯著的正向影響，然而這種效應是否在住宅市場、高檔別墅市場、商業營業用房分類市場依然存在？如果存在，那么經濟開放度對這幾類房地產商品價格的影響有何差異？為了深入探討經濟開放度的空間溢出效應及其對我國房地產市場的影響，下文進一步檢驗各類房地產市場的“巴拉薩—薩繆爾森”效應。

從表7來看，地理鄰接矩陣、地理距離矩陣、經濟距離矩陣以及經濟地理嵌套矩陣的住宅市場模型(1)和高檔別墅市場模型(2)的空間相關系數均為正且通過了10%的顯著性檢驗，充分說明住宅價格、高檔公寓和別墅以及商業營業用房的價格在空間上存在正向相關關系，地理特征和經濟特征均會對兩類房地產商品的平均銷售價格產生影響。

此外，在不同空間權重矩陣下，經濟開放度對住宅價格均是正向影響，且通過了5%顯著性水平的檢驗，這說明我國住宅市場存在明顯的“巴拉薩—薩繆爾森”效應。僅當地理因素和經濟因素有機結合在嵌套模型中進行估計時，經濟開放度才對高檔公寓和別墅的價格產生顯著的正向作用，這可能是由于高檔公寓和別墅的價格即受到本身區位因素影響，同時又受到與區位因素密不可分的公共配套設施，服務水平和城市魅力等復雜經濟因素的影響，經濟地理嵌套權重矩陣能更有效地刻畫出經濟高檔公寓和別墅價格的空間效應和復雜性。但是無論在哪種空間權重矩陣下，經濟開放度均不對商業營業用房價格產生影響，商業營業用房的價格主要的受到本地區經濟發展水平和建筑成本的影響。

回歸結果還表明，地區生產總值、房地產國內貸款、竣工房屋造價均通過了10%的顯著性檢驗，且相關趨勢與預期相符。地區生產總值的提高、房地產貸款的增加以及竣工房屋造價的上升對各類房地產價格均產生顯著的推動作用，而竣工房屋面積影響并不顯著。

五、研究結論

本文利用1998—2014年各個省份房地產和對外開放的相關數據，首次將空間計量方法引入經濟開放度對房地產價格的經驗研究中。本文還從地理區位特征和社會經濟特征兩個方面建立鄰接矩陣、地理距離矩陣、經濟距離矩陣以及經濟地理嵌套權重矩陣，從不同角度考察房地產價格的空間影響因素，更符合“巴拉薩—薩繆爾森”效應產生的理論機制。

首先，采用MoranI空間相關性檢驗發現，各個省份的房價在地理空間上存在顯著的空間自相關，某區域的房地產價格變動并不是毫無規律的隨機分布，而是受鄰近區域或經濟發展水平相似區域的房地產價格影響。房地產價格的溢出效應不僅體現在地理鄰近省份，還體現在經濟發展水平相似的區域之間。

表7　細分房地產市場價格的SAR模型估計結果

注：1.括號內值為標準差；2.*、**和***分別表示在10%、5%和1%的顯著性水平下顯著；3.模型(1)-模型(3)分別表示以住宅平均銷售價格、高檔公寓和別墅平均銷售價格、商業營業用房平均銷售價格作為被解釋變量的回歸結果。

從總體房地產價格的SAR模型估計的系數看來，經濟開放度與房價呈現正相關關系，省際經濟開放程度越高，相應整體房地產價格較高，充分說明我國房地產市場存在“巴拉薩—薩繆爾森”效應。并且，經濟距離權重矩陣下經濟開放度對房地產價格的影響程度要大于地理特征權重矩陣。

通過構建細分市場SAR模型進一步考察經濟開放度對各類房地產市場價格影響后發現，我國住房市場、高檔公寓和別墅價格均存在“巴拉薩—薩繆爾森”效應，但是經濟開放度對商業營業用房的影響并不顯著。此外，除竣工房屋面積外，地區生產總值的提高、房地產貸款的增加以及竣工房屋造價的上升都是推動住宅市場、高檔公寓、別墅和商業營業用房價格上漲的重要因素。

從政策層面來講，鑒于各省房地產價格在空間上的顯著相關性，政府房地產宏觀調控時應該充分考慮區域之間的相互影響，各省在制定差別化的房地產市場政策時要加強地區間的協調與合作，既要避免單獨行動下“此消彼長”式的政策失效現象，又要盡量降低房價波動溢出效應帶來的負面沖擊。特別地，對于經濟發展水平和房地產市場發展水平相當的城市也有必要從房地產貸款政策和土地供給等方面出發促進房地產市場持續健康穩定協調發展。

在我國經濟結構轉型升級階段，城市化水平不斷提高，大量農村勞動人口和中小城市人口向北上廣深等大城市聚集，構成了核心城市普通商品住宅龐大的剛性需求市場。經濟因素趨同是住宅價格空間溢出的重要基礎，同樣地，經濟發展水平的差距也是房地產市場分化的主要因素，一線城市商品房在供不應求矛盾下房價持續高漲，而眾多三線城市出現庫存高企和房價難以回歸合理的“滯脹”現象，因此縮小城市間經濟發展水平的差距，繼續大力支持中部崛起和西部開發是分散住房需求，緩解房地產市場分化矛盾的長期手段。

[1]GABRIEL S. Lee.Housing cycles and the period of production[J].Applied Economics, 1999, 31(10):1219-1230.

[2]王先柱，趙奉軍.房價波動與財政收入:傳導機制與實證分析[J].財貿經濟,2012(11)：21-28.

[3]SMITH T R , CLARK W A V.Housing market search behavior and expected utility theory》[J].Environ Plan A, 1982,14(6):717-737.

[4]沈悅，張學峰, 張金梅.基于SVAR模型的住宅價格調控政策有效性實證分析[J].統計與決策,2011(7):111-114.

[5]BRUCE W Hamilton, ROBERT M Schwab.Expected appreciation in urban housing markets[J].Journal of Urban Economics, 1985,18(1):103-118.

[6]鄧翔，孔紅枚.基于動態面板模型的城市化與房價關系研究[J].統計與決策,2013(12):105-107.

[7]BARDHAN AD，EDELSTEIN RH.LEUNG C.A note on globalization and urban residential rents[J].Journal of Urban Economics, 2004,56(3):505-515.

[8]王松濤.城市經濟開放度對房地產價格的影響——基于中國35個大中城市面板數據模型的分析.[J].南開經濟研究，2009(2):91-102.

[9]毛其淋.盛斌.中國房地產市場的“巴拉薩—薩繆爾森”效應——來自省際動態面板數據的經驗證據[J].財經研究，2010(12):129-139.

[10]宋金娜.廣東省城市經濟開放度對房地產價格的影響研究[D].哈爾濱：哈爾濱工業大學，2012.

[11]BALASSA B.The purchasing-power parity doctrine: A reappraisal[J].Journal of Political Economy, 1964,72(6):584-596.

[12]SAMUELSON P.Theoretical notes on trade problems[J].Review of Economics and Statistics, 1964,46(2):145-154.[13]NINA Pavcnik.Trade liberalization, exit, and productivity improvements: evidence from Chilean Plants[J].Review of Economic Studies, 2002,69(1):245-276.

[14]許和連，亓朋，祝樹金.貿易開放度、人力資本與全要素生產率:基于中國省際面板數據的經驗分析[J].世界經濟,2006(12):3-10，96.

[15]LUC Anselin，Attila Varga，Zoltan Acs.Geographical spillovers and university research: a spatial econometric perspective[J].Growth and Change, 2000,31(4),501-515.

[16]王鶴.基于空間計量的房地產價格影響因素分析[J].經濟評論,2012(1):48-56.

(本文責編：海洋)

Economic Openness，Real Estate Price and Spatial Spillover

JU Fang，LEI Yu-liang，ZHOU Jian-jun

(Business School of Xiangtan University, Xiangtan 411105,China)

Based on the “Balassa-Samuelson” model, this paper investigates impact of spatial correlation and economic openness on house prices of 31 provinces in China from 1999 to 2013, using spatial econometric analysis methods. Evidences show that the significant positive spatial correlation exists in China’s real estate prices, which, as well as the spatial correlation, could be affected by geographical distance and economic distance significantly. Taking the spatial effects into account, economic openness shows a positive effect on real estate prices, which verifies that there is “Balassa-Samuelson” effects existing in China’s real estate market.

economic openness; real estate price; the Balassa-Samuelson Effect; spatial econometrics

2016-06-16

2016-10-18

國家社科基金(10BJL018)；國家自科基金(71203190)；教育部人文社科規劃基金(16YJA790016);湖南省社科重大項目(16ZDA08)；湖南省教育廳開放基金(15K121)；湖南省教育廳重點項目(15A193)；湖南省研究生科研創新項目(CX2015B199)

鞠方(1975-)，女，湖南長沙人，湘潭大學商學院教授，博士生導師，研究方向：城市房地產經濟。通訊作者：周建軍。

F407.9

A

1002-9753(2016)10-0147-12