京津房價對周邊城市房價的外部溢出效應研究

［摘" " 要］ 本文在分析國內外城市房價溢出效應研究現狀和京津冀房價互動機制的基礎上建立向量自回歸模型，利用脈沖響應函數分析了北京和天津房價對周邊城市房價的外部溢出效應。結果表明：北京和天津房價相互間的影響作用較大，但兩地房價均不受河北省各重點城市房價變動的影響，且這兩個地區的房價具有較強的“外部溢出效應”；北京和天津房價的波動主要是受自身內部原因影響較大，即存在較大的“內部積累效應”。

［關鍵詞］ 京津冀；協同發展；外部溢出效應；向量自回歸模型

doi ： 10 . 3969 / j . issn . 1673 - 0194. 2023. 07. 049

［中圖分類號］ F293.3" " ［文獻標識碼］" A" " " ［文章編號］" 1673 - 0194（2023）07- 0173- 07

０" " " 引" " 言

“京津冀協同發展”是我國重要的區域發展戰略。隨著京津冀地區各個城市間資本、信息和勞動力等生產要素流動日趨頻繁，北京和天津房價對周邊城市房價也表現出顯著的帶動作用。京津房價對周邊城市房價是否有溢出效應，為什么會出現溢出效應？對這些問題的研究，不僅有助于深入挖掘京津冀地區房價變動的原因，更有助于京津冀地區房地產政策的制定。

１" " " 國內外研究現狀

國外對城市房價溢出效應的研究較早 。Ｂｒａｄｙ（２０１１）通過建立方程空間自回歸模型對美國的州級數據進行分析，發現美國不同區域間房價的擴散效應具有持久性。［１］Ｋｉｍ ｅｔ ａｌ．（２０１２）基于美國區域面板數據分析發現房價具有多重空間均衡的特征。［２］Ｃｏｈｅｎ ｅｔ ａｌ．（２０１５）基于美國１９９６—２０１３年各個城市的統計數據建立模型驗證了不同城市間房價的擴散效應，并指出信息、人們的預期和人口流動是產生房價擴散效應的主要原因。［３］Ｊｉａｎｇ ｅｔ ａｌ ．（２０１４）分析了澳大利亞房地產價格指數，發現澳大利亞城市間房價存在相互影響的關系。［４］Ｃｏｈｅｎ ｅｔ ａｌ．（２０１５）基于美國３６３個城市數據分析，發現城市間的房價有擴散效應。［５］Ｍｏｎｔａｇｎｏｌｉ ｅｔ ａｌ．（２０１５）通過對本國１２個區域房價的分析，得出了各地區房價有俱樂部收斂效應的結論。［６］

國內在近幾年也有一些學者對房價溢出效應進行研究。李瑞、季小江、劉立昆（２０１３）指出中心城市更多是利用自身優勢單向吸附周邊的人力資本，并對周邊城市的房價具有沖擊作用。［７］陳鵬、王聰（２０１７）對我國房價進行研究時構建了貝葉斯潛在動態多因子模型，通過模型測算得出中國大型城市房價波動存在較強的聯動效應的結論。［８］張璋、周海川（２０１８）在分析我國一二三線城市房價時構建了持久—暫時模型，研究發現我國城市房價存在互動關系，房價波動存在聯動效應。［９］蘭峰、張毅（２０１８）在收集長江中游城市２５個城市２０１１—２０１６年住房價格月度數據的基礎上，通過格蘭杰因果檢驗與構建ＶＡＲ模型分析核心城市房價的溢出效應與路徑，經研究表明：長江中游城市群的房價會出現房價波動的小周期，武漢、南昌、長沙等長江中游的核心城市房價波動對各區域都具有引領作用。［１０］程蘭芳、張鳳琴（２０１８）從統計角度檢驗了京津冀協同發展這一戰略對京津冀房價波動的影響，并對區域房價波動漣漪效應進行了實證分析。［１１］汪盧俊、駱永民（２０２０）借助上確界單位根檢驗及其拓展——ＳＡＤＦ和ＧＳＡＤＦ檢驗的方法對中國城市房價進行了系統分析，并發現京津冀、長三角和珠三角的一線城市房地產市場房價較高，且其剛性和投機需求向周邊三四線城市外溢，從而使周邊三四線城市的房價上升。［１２］林馨、呂萍（２０２１）采用空間杜賓模型對京津冀房價進行深入研究，發現京津冀協同發展戰略提出后，京津冀地區房價極化效應有所改善但涓滴效應并沒有出現。［１３］

上述研究表明，現有對房價溢出效應的研究主要采用時間序列模型和空間計量模型。這些研究中對區域一體化發展地區的中心城市房價溢出效用研究較少，個別考查京津冀地區房價關系的研究也并沒有運用時間序列對房價溢出效應進行分析。本文旨在探究京津地區房價在時間上溢出效應。筆者利用北京、天津和河北省各重點城市數據構建ＶＡＲ模型，通過建立脈沖響應函數，分析京津房價對周邊城市房價的溢出效應。

２" " " 京津房價外部溢出效應的作用機制

城市群中的中心城市由于具有更多的科技、人才、金融優勢，使其擁有強大的力量去實現城市的發展，從而促進住房需求增加使房價上升。中心城市房價的上升會逐漸傳導到周邊城市，從而形成房價波動的相互影響。以下對房價相互影響的機制進行分析。

２．１" "居民的空間選擇

在區域一體化背景下，中心城市會吸引周邊城市的經濟資源和人力資源，產生“虹吸效應”。從全國的范圍來看，各大城市如西安、天津、武漢、南京等相繼出臺人才引進政策，人才引進政策除了有增強城市活力的效果外，也會間接促進當地房地產市場的繁榮，導致房價出現波動。北京和天津作為京津冀區域中心城市，具有規模大、發展速度快、就業機會多、發展前景好等優勢，這些優勢吸引了學歷層次較高的年輕人，同時也吸引了大量的農村剩余勞動力。大量人才為了獲得更高的效用水平向中心城市遷移，使中心城市的人口數量增加，截止到２０１９年底，北京市的人口高達１ ３９７．４萬人，天津市人口高達１ １０８．２萬人。隨著人口增長，人們對居住、辦公和商業的需求都會有所增長，房地產市場需求曲線向右平移導致房地產均衡價格上漲。中心城市房價上漲會對居民產生成本效應和收入效應。產生的成本效用為：當中心城市房價上升時，導致中心城市居民生活成本提高，對于普通勞動力而言，大城市房價較高，這時普通勞動力會選擇距離中心城市較近的周邊城市購買房屋，這樣會在很大程度上降低生活成本，從而導致周邊城市房地產需求增加，需求增加在一定程度上會推動房價上升。例如，北京市房價的上漲導致部分居民的生活成本增加，無法承受購房壓力的居民會選擇向北京周邊的城市（天津、廊坊、保定等地）轉移，從而導致周邊城市房價上漲。收入效應為：在其他條件不變的情況下，中心城市房價上漲會使居民房地產投資收入增加，這部分居民對商品差異化要求提高，從而提高企業收益，帶來勞動力需求的增加，周邊城市人才的流入會使周邊城市住房需求減少，導致房價下降。

京津冀城市群的居民還可能會存在空間套利行為。空間套利是居民以投資為目的產生的住房交易行為，也是一種差價交易行為。中心城市居民會關注周邊城市房地產調控政策的變化、城市規劃等，對周邊城市的房價進行預測，如果發現套利機會，則會迅速出手某地區的房產轉而持有另一地區的房產，從中獲取差價。這種行為也會使中心城市的周邊城市房價產生波動。

２．２" "房地產企業的空間選擇

房地產企業的空間選擇主要體現在聚集效應和分散效應。聚集效應主要體現在：當中心城市房價上漲，房地產企業的收入會隨之增長，收入效應會使房地產企業增加投資，尤其是吸引綜合實力強的房地產企業向中心城市聚攏。分散效應主要體現在：中心城市房價上漲會導致土地價格增加，土地價格增加會直接減少房地產企業的利潤，房地產企業會到周邊城市購買土地，周邊城市土地價格上漲，最終導致房價上漲。分散效應還體現在房地產企業會選擇跨區域經營來分散經營風險和開辟新的盈利空間。如果房地產企業的業務過分集中在經濟水平和房價水平都較高的中心城市，一旦該區域的經濟和房地產市場有所波動，或者房地產政策有較大的變化，會對房地產企業造成致命性的打擊。向中心城市周邊的城市擴張業務，相當于“把雞蛋放在不同的籃子里面”來分擔房地產企業的風險。規模較大的房地產企業大多會選擇跨城市發展，因為這種模式會為企業帶來更大的成長機會和盈利空間，而向中心城市周邊城市進行跨越是發展中較為優先的選擇。

３" " " 京津房價溢出效應實證研究

３．１" "模型的建立

３．１．１" "數據指標的選取和處理

由于京津冀協同發展戰略是在２０１４年３月提出的，本文重點分析 “京津冀協同發展”戰略實施之后三個地區房價的互動關系，因此筆者選取了２０１４年４月至２０２１年１２月共９３期的月度數據來研究京津房價對周邊城市的溢出效應。在指標的選取上，北京、天津及河北各城市的房價由當月的商品房銷售額除以商品房銷售面積得出，ＢＪＰ表示北京市房價、ＴＪＰ表示天津市房價。在河北省的主要城市中，選取了廊坊（京津冀地理中心城市）、保定（京津冀城市群區域性中心城市）、唐山（京津冀城市群東北部中心城市）、石家莊（京津冀城市群區域性中心城市）、秦皇島（京津冀輻射東北的節點城市）、邯鄲（京津冀區域南部中心城市）、邢臺（京津冀協同發展國家戰略重要節點城市）。ＬＦ表示廊坊市房價、ＢＤ表示保定市房價、ＴＳ表示唐山市房價、ＳＪＺ表示石家莊市房價、ＱＨＤ表示秦皇島市房價、ＨＤ表示邯鄲市房價、ＸＴ表示邢臺市房價。為了降低異方差的影響，在進行實證分析之前對ＢＪＰ、ＴＪＰ、ＬＦ、ＢＤ、ＴＳ、ＳＪＺ、ＱＨＤ、ＨＤ、ＸＴ取對數。

３．１．２" "建立ＶＡＲ模型

本文通過構建向量自回歸模型（ＶＡＲ模型）對京津房價的溢出效應進行分析。簡單來說，ＶＡＲ模型是在不需要加入任何約束條件下，用模型中當期變量對所有變量的若干滯后期進行回歸，從而估計所有內生變量之間的動態關系。ＶＡＲ模型的表達式為：

其中t是樣本數；yt是一個N×1向量，包含了N個內生變量；yt-p是內生變量的ｐ期滯后項；xt是表示yt均值的一個K×1向量，包含了Ｋ個外生變量；εｔ是隨機干擾項。ＶＡＲ是不以經濟理論為基礎的非結構化的多方程模型，因此無須對變量進行先驗性的約束。在實證分析中，一般不分析ＶＡＲ的回歸系數，主要分析脈沖響應函數、預測方差分解與格蘭杰因果檢驗。本文構建的北京、天津和河北各城市房價互動的ＶＡＲ模型變量包括ＢＪＰ、ＴＪＰ、ＬＦ、ＢＤ、ＴＳ、ＳＪＺ、ＱＨＤ、ＨＤ、ＸＴ九個變量。

３．１．３" "穩定性檢驗

對時間序列數據進行回歸和脈沖響應分析之前，要對時間序列數據進行單位根檢驗，以驗證時間序列數據是否平穩，如果直接對非平穩的時間數據進行回歸會導致誤回歸。本文用SｔａｔS１５．０運用ＡＤＦ單位根對ｌｎBJP、ｌｎTJP、ｌｎLF、ｌｎBD、ｌｎTS、ｌｎSJZ、ｌｎQHD、ｌｎHD、ｌｎXT進行ＶＡＲ模型的穩定性檢驗。圖１為京津冀房價ＶＡＲ系統穩定性辨別圖，其中Ｒｏｏｔｓ ｏｆ ｔｈｅ ｃｏｍｐａｎｉｏｎ ｍａｔｒｉｘ表示矩陣的根。從圖１中可以看出：京津與河北各代表城市房價模型，所有特征值均在單位圓以內，因此兩個模型的ＶＡＲ系統都是穩定的，但是有一個特征值為０．９４８，比較靠近單位圓，說明京津冀房價模型中，有些沖擊的持久性較強。

３．２" "滯后階數的確定

采用ＦＰＥ、ＡＩＣ、ＨＱＩＣ、ＳＢＩＣ四種準則對京津冀房價互動向量自回歸模型滯后階進行判斷，具體結果如表１所示。京津與河北各城市房價互動向量自回歸模型四種準則的滯后階都是相同的，因此將滯后階數確定為３。

３．３" "格蘭杰因果檢驗

由于京津房價外部溢出效應的ＶＡＲ模型單位根檢驗不存在單位根，因而可以進行格蘭杰因果關系檢驗，檢驗結果如表2。

表２所列出的檢驗結果表明： 北京房價變動是廊坊房價、唐山房價、石家莊房價、秦皇島房價、邯鄲房價變動的格蘭杰原因，但北京房價并不是保定房價和邢臺房價變動的格蘭杰原因。天津房價變動是保定房價、石家莊房價、邯鄲房價和邢臺房價變動的格蘭杰原因，但天津房價變動并不是廊坊房價、唐山房價和秦皇島房價變動的格蘭杰原因。

3．４" "實證分析

在ＶＡＲ模型的基礎上建立脈沖響應函數，并畫出脈沖響應圖，脈沖響應圖可以表達出某變量的沖擊會對該變量及其他變量產生怎樣的動態影響，譬如北京房價上漲１％會對天津或河北的房價有正向還是負向的影響，影響到底有多大。本文用正交化脈沖響應圖來反映京津冀房價互動的動態影響。 圖２至圖１０是京津冀房價互動的脈沖響應圖，Ｇｒａｐｈｓ ｂｙ ｉｒｆｎａｍｅ， ｉｍｐｕｌｓｅ ｖａｒｉａｂｌｅ ａｎｄ ｒｅｓｐｏｎｓｅ ｖａｒｉａｂｌｅ表示按脈沖變量和響應變量繪制的圖形，ｏｒｔｈｏｇｏｎａｌｉｚｅｄ ｉｒｆ 表示正交化響應。

由圖２至圖６可知，河北省大多數重點城市的房價都會受北京市房價變動的影響。廊坊市在地理位置上與北京市相鄰，當北京市房價發生變動時，廊坊市房價短期表現出正向響應，在第５期左右達到０．１２為最大值，之后開始減弱，到第１０期左右，北京市房價對廊坊市房價的沖擊作用回歸到原點。北京市房價發生變動時，唐山市房價短期表出現正向響應，到第１２期左右北京市房價對唐山市房價的沖擊作用回歸到原點。當北京市房價發生變動時，石家莊房價短期也表現出正向響應，在第５期左右達到０．１２為最大值，之后開始減弱，到第１２期左右北京市房價對石家莊房價的沖擊作用回歸到原點。由圖５可知，秦皇島房價短期對北京市房價變動表現出負向響應，也就是說北京房價上漲會促使秦皇島房價下降，但這種沖擊作用只持續了４期左右，說明北京市房價變動對秦皇島市房價變動影響周期非常短。北京市房價對邯鄲市房價的正向沖擊作用也是到１２期左右就回歸到原點。

由圖７至圖１０可知，河北省大多數重點城市的房價都會受天津市房價變動的影響。由于天津市房價變動并不是廊坊、唐山和秦皇島房價變動的格蘭杰原因，因此并沒有把這三個城市的正交化脈沖響應圖放到本文中。當天津市房價發生變動時，保定市房價短期表現出正向響應，在第４期左右達到最大，之后開始減弱。石家莊房價對天津房價的脈沖正向響應持續時間較長為２０期左右，在第１１期達到最大為０．１１。當天津市房價變動時，邯鄲市房價開始表現出正向沖擊之后表現出較小的負向沖擊，這種沖擊在第１０期左右就回歸到原點。由以上分析可知：河北省各城市與北京和天津的空間距離越近，受兩個城市房價影響越大。例如，保定和廊坊由于其中心城市的地位及與京津毗鄰的特殊地理位置，其房價受京津房價影響最大，距離中心城市地理距離較遠的城市受到房價波動影響相對較小。河北省各城市在京津冀城市群中的定位，也會影響其受京津房價影響的程度，石家莊作為京津冀城市群區域性中心城市，短期內受北京和天津房價波動沖擊較大。

４" " " 結論與政策建議

４．１" "結" " 論

從城市經濟學的角度分析，城市的房價受經濟發展水平、工業化程度、人口數量、宏觀經濟政策等多種因素的影響。各個城市之間通過人才、資金、信息的流動，相互影響會大大增強。京津冀協同發展背景下，京津冀各城市之間空間距離較短、資源流動順暢，京津房價應該對周邊城市有一定的溢出效應。從實證檢驗結果來看，在“京津冀協同發展”的背景下，京津房價確實存在溢出效應，但不同地區之間的互動關系也有所不同。具體結論如下。

從實證分析結果可以看出，北京市和天津市房價相互之間的影響作用較大，但并不受河北省房價變動的影響。北京和天津的房價對周邊城市廊坊、唐山、石家莊和秦皇島的房價都有較強的正向影響，說明北京和天津房價對京津冀地區房價的變動起到了重要的帶動和引領作用，這也充分體現了京津兩座城市在京津冀地區對周邊城市房價有外部溢出效應。

４．２" "政策建議

第一，構建合理的住房市場預警體系。在房地產價格監控方面，科學研究京津冀區域房價變化規律、作用方向、空間關聯性、相互影響程度以及預測其變化趨勢，將有助于政府部門制定更為優化的調控政策。在制定京津冀地區房地產調控政策時，要考慮城市自身的因素（如人口、人均可支配收入等），還需要考慮北京和天津房價的空間溢出效應。在京津冀房價調控過程中，應該加強對京津冀地區不同城市房價的動態監測，特別是對北京、天津進行重點監測，以便第一時間掌握京津冀地區房價變動的新趨勢、新特點和新方向，構建京津冀區域住房市場預警體系。

第二，河北省各城市的住房政策要考慮來自核心城市房價的影響。河北省各重點城市應該密切關注北京和天津的房價動態，根據其房價變動做出適時調整，以減輕北京和天津城市房價溢出效應的影響，盡量避免產生來自核心城市房價的“暈輪效應”。

第三，建立有差異的京津冀地區房地產協調機制。受經濟發展水平、城市化水平、自然資源稟賦和信息化程度等因素的影響，我國房地產業的發展具有鮮明的區域特征。在各城市相關管理部門協調一致的前提下，根據區位和城市群定位的不同，針對不同城市的房價走勢、房價影響因素及房價之間相互影響的作用，采取因地制宜、差別對待的協調政策，以有效控制各城市的房價及房價波動產生的溢出效應，防止由于區域經濟一體化而產生“一榮俱榮，一損俱損”的局面。

主要參考文獻

［１］ＢＲＡＤＹ Ｒ Ｒ． Ｍｒｅａｓｕｒｉｎｇ ｔｈｅ ｄｉｆｆｕｓｉｏｎ ｏｆ ｈｏｕｓｉｎｇ ｐｒｉｃｅｓ ａcｒｏｓｓ ｓｐａｃｅ ａｎｄ ｏｖｅｒ ｔｉｍｅ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｎｏｍｅｔｒｉｃｓ， ２０１１，２６（２）：２１３－２３１．

［２］ＫＩＭ Ｙ Ｓ， ＲＯＵＳ Ｊ Ｊ． Ｈｏｕｓｅ ｐｒｉｃｅ ｃｏｎｖｅｒｇｅｎｃｅ： Ｅｖｉｄｅｎｃｅ ｆｒｏｍ ＵＳ ｓｔａｔｅ ａｎｄ ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｐａｎｅｌｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｈｏｕｓｉｎｇ Ｅｃｏｎｏｍｉｃｓ，２０１２，２１（２）：１６９－１８６．

［３］ＣＯＨＥＮ Ｊ Ｐ， ＬＯＡＮＮＩＤＥＥＳ Ｙ Ｍ， ＴＨＡＮＡＰＩＳＩＴＩＫＵＬ Ｗ． Ｓｐａｔｉａｌ ｅｆｆｅｃｔｓ ａｎｄ ｈｏｕｓｅ ｐｒｉｃｅ ｄｙｎａｍｉｃｓ ｉｎ ｔｈｅ ＵＳＡ［Ｊ］． Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ Ｅｌｅｃｔｒｏｎｉｃ Ｐｕｂｌｉｓｈｉｎｇ，２０１６，３１（４）：１－１３．

［４］ＪＩＡＮＧ Ｈ，ＬＩＵ Ｃ．Ｓｐａｔｉａｌ ｌｉｎｋａｇｅｓ ａｍｏｎｇ Ａｕｓｔｒａｌｉａｎ ｃｏｎｓｔｒｕｃｔｉｏｎ ｍａｒｋｅｔｓ［Ｊ］．Ａｕｓｔｒａｌａｓｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｅｃｏｎｏｍｉｃｓ ＆ Ｂｕｉｌｄｉｎｇ， ２０１４，１４（２） ：１８－３０．

［５］ＣＯＨＥＮ Ｊ Ｐ．Ｓｐａｔｉａｌ ｅｆｆｅｃｔｓ ａｎｄ ｈｏｕｓｅ ｐｒｉｃｅ ｄｙｎａｍｉｃｓ ｉｎ ｔｈｅ ＵＳＡ［Ｊ］．Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ Ｅｌｅｃｔｒｏｎｉｃ Ｐｕｂｂｌｉｓｈｉｎｇ，２０１５，３１（３）：１－１３．

［６］ＭＯＮＴＡＧＮＯＬＩ Ａ，ＮＡＧＡＹＡＳＵ Ｊ．ＵＫ ｈｏｕｓｅ ｐｒｉｃｅ ｃｏｎｖｅｒｇｅｎｃｅ ｃｌｕｂｓ ａｎｄ ｓｐｉｌｏｖｅｒｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｈｏｕｓｉｎｇ Ｅｃｏｎｏｍｉｃｓ，２０１５，３０（４）：５０－５８．

［７］李瑞， 季小江，劉立昆．中心城市房價上漲與區域經濟非均衡發展的關系：兼議京津冀一體化的出路［Ｊ］． 經濟與管理，２０１３（５）：５－９．

［８］陳鵬，王聰．中國房價波動的聯動效應及宏觀影響因素［Ｊ］．華南師范大學學報（社會科學版），２０１７（３）：１８－２５．

［９］張璋，周海川．我國一二三線城市房價互動機制研究［Ｊ］．上海經濟研究，２０１８（１）：７４－８３

［１０］蘭峰，張毅．城市房價小周期波動下的空間溢出效應研究：以長江中游城市群２５個城市為例［Ｊ］．鄭州大學學報（哲學社會科學版），２０１８（７）：４８－５２．

［１１］程蘭芳，張鳳琴．京津冀協同發展下房價漣漪效應研究［Ｊ］．價格理論與實踐，２０１８（９）：１３９－１４２．

［１２］汪盧俊，駱永民．中國房價泡沫的城市差異與擴散特征［Ｊ］．統計與決策，２０２０，３６（４）：８６－９０．

［１３］林馨，呂萍．基于空間杜賓模型研究京津冀城市群房價空間相關性及影響因素［Ｊ］．經濟問題探索，２０２１（１）：７９－９０．