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對我國2007—2016年房地產(chǎn)泡沫的空間分布格局進行可視化分析，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行進一步研究，結果表明：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)濟發(fā)展相適應的東-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，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，西北內陸地區(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 ? ? 文獻標識碼：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的直接導火索，而房地產(chǎn)泡沫的空間傳染性會使一個城市或區(qū)域內房地產(chǎn)泡沫膨脹所引發(fā)的風險產(chǎn)生骨諾牌效應，迅速波及周邊城市進而蔓延至全國，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)泡沫的測度預警、政府的政策調控及社會的和諧穩(wěn)定具有現(xiàn)實意義。

一、文獻綜述

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，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。朱吉（2017）以35個大中型城市為研究對象，構建房地產(chǎn)泡沫測度指標體系，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建空間動態(tài)計量模型，采用經(jīng)濟-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，且不同省市的溢出效應有所差異。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，在空間上由東部沿海向西北內陸地區(qū)遞減。張超（2018）構建靜態(tài)面板模型對長三角13個城市2007—2015年的泡沫進行測度，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。

國內學者對房地產(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，有效彌補了經(jīng)濟學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、技術與方法。第二，在驗證房地產(chǎn)泡沫空間傳染性存在的基礎上，進一步探究房地產(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)有文獻起到了有益的補充。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來研究房地產(chǎn)泡沫的空間傳染性，兩個指標具有邏輯上的遞進關系，相互驗證、互為補充。

二、理論基礎

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”城市進而擴散至全國，最終在全國范圍內趨于均質化。行為金融學進一步指出，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財富的貨幣泡沫，虛擬經(jīng)濟以資本為定價方式使得房價更容易受到投資者預期與非理性行為的影響。因此，投資者樂觀預期與非理性行為是房地產(chǎn)泡沫空間傳染性的內在因子。

因流動性嚴重過剩，投資房地產(chǎn)被認為是資產(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)生盲目樂觀的預期，進而投入大量資本，進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理。

三、研究設計

（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，因此，研究對象應選取具有典型經(jīng)濟熱、資本熱、開發(fā)熱以及投機熱的城市。本文選取引領我國經(jīng)濟發(fā)展的先鋒，其城市規(guī)模、輻射力、政治經(jīng)濟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)研究院相關報告。

（二）指標選取與說明

1.房價收入比

國內學者大多采用指標法對房地產(chǎn)泡沫進行測度，王浩（2017）和韋汝虹等（2018）進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。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)商的財務壓力，使其無視風險，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進行平減以消除通貨膨脹的影響。

（三）研究方法

1.全局自相關模型

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)生空間關聯(lián)效應。因全局自相關模型常用來識別研究對象在空間的關聯(lián)性與集聚性，本文構建全局自相關模型Morans I指數(shù)對房地產(chǎn)泡沫的空間傳染性進行識別，進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，即呈現(xiàn)“高高集聚”或“低低集聚”的現(xiàn)象，且數(shù)值越大相關程度越高;若Morans I指數(shù)小于0，則研究對象存在空間負相關，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城市相關指標的數(shù)值，S2為樣本方差，wij為空間權重矩陣（度量i城市和j城市之間的地理距離），本文采用反距離權重法構建空間權重矩陣，搜素距離為默認值（下同）。

2.局部自相關模型

因局部自相關模型獲得的 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，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城市相關指標的數(shù)值，wij表示空間權重矩陣（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行分類。結果如表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，兩個指標的分析結果基本一致，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)濟發(fā)展水平的空間分布格局相適應。

（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)泡沫存在正相關關系，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)泡沫的正相關關系逐漸增強，房地產(chǎn)泡沫的關聯(lián)性與集聚性逐漸增強。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)泡沫的空間關聯(lián)性更加顯著。2007年銀行信貸量的P值為0.246669，雖存在關聯(lián)性，但關聯(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)泡沫的空間關聯(lián)性已達到非常顯著的水平。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，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

下面用局部自相關模型得到 Getis-Ord G*指數(shù)對我國房地產(chǎn)泡沫進行熱點分析，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;在西北內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控綜合作用的結果。