王立平，李艷萍

（合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院，安徽合肥230069）

●關(guān)注房?jī)r(jià)

城鎮(zhèn)化水平、FDI與房?jī)r(jià)
——基于泛長(zhǎng)三角的空間計(jì)量研究

王立平，李艷萍

（合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院，安徽合肥230069）

文章利用31個(gè)城市2000-2011年面板數(shù)據(jù)，基于空間距離加權(quán)矩陣，使用空間計(jì)量相關(guān)方法，研究泛長(zhǎng)三角地區(qū)城鎮(zhèn)化水平、外商直接投資（FDI）與房?jī)r(jià)的關(guān)系。研究表明：空間相關(guān)性是影響房?jī)r(jià)的重要因素。城鎮(zhèn)化進(jìn)程加快導(dǎo)致了浙江、江蘇和安徽房?jī)r(jià)上漲；實(shí)際FDI與房?jī)r(jià)的關(guān)系在省際間表現(xiàn)出明顯差異，其中，浙江和安徽實(shí)際FDI與房?jī)r(jià)呈顯著正相關(guān)，而江蘇實(shí)際FDI與房?jī)r(jià)的正相關(guān)關(guān)系不顯著。

泛長(zhǎng)三角；FDI；城鎮(zhèn)化；房?jī)r(jià)；空間滯后模型

一、引言

房地產(chǎn)業(yè)是關(guān)系國(guó)計(jì)民生的重要行業(yè)，近年來(lái)我國(guó)房?jī)r(jià)快速上漲已經(jīng)超出了普通老百姓的承受水平，引起了社會(huì)各界的極大關(guān)注。針對(duì)房?jī)r(jià)問(wèn)題，國(guó)內(nèi)外學(xué)者的研究大致可以分為兩類：第一類是構(gòu)建理論模型（蒲勇健，舒暢，2013［1］；劉江濤等，2012［2］）；第二類側(cè)重實(shí)證分析，探索房?jī)r(jià)的影響因素，包括①需求方因素，人口（Gabriel等，1999［3］）、收入（王先柱，趙奉軍，2012［4］）；②供給方因素（杜江等，2011［5］）；③宏觀經(jīng)濟(jì)因素（Smith，Ohsfldt，1982［6］；沈悅等，2011［7］）；④預(yù)期作用（Hamilton，Schwab，1985［8］）。

在影響房?jī)r(jià)眾多因素中，城鎮(zhèn)化水平和FDI越來(lái)越引起學(xué)者的重視。隨著我國(guó)人口城市化進(jìn)程的加速，尤其是大量農(nóng)民從農(nóng)村涌入城市形成了巨大的住房需求，推動(dòng)我國(guó)房地產(chǎn)市場(chǎng)的繁榮發(fā)展。目前我國(guó)城市化發(fā)展迅速，而房地產(chǎn)市場(chǎng)供不應(yīng)求局面持續(xù)，城鎮(zhèn)化進(jìn)程對(duì)房地產(chǎn)市場(chǎng)將會(huì)產(chǎn)生深遠(yuǎn)影響。改革開(kāi)放以來(lái)，中國(guó)巨大的市場(chǎng)潛力和日趨完善的投資環(huán)境吸引了大量外資涌入，我國(guó)房地產(chǎn)業(yè)平均30%的高利潤(rùn)率無(wú)疑是外商投資的最佳選擇。2011年我國(guó)房地產(chǎn)業(yè)實(shí)際使用FDI占實(shí)際利用外資的比例達(dá)22.84%，對(duì)房地產(chǎn)業(yè)的影響不容小覷。

近些年，國(guó)內(nèi)學(xué)者對(duì)城鎮(zhèn)化水平、FDI與房?jī)r(jià)的關(guān)系也進(jìn)行了一定的研究。在城鎮(zhèn)化與房?jī)r(jià)方面，駱永明（2011）認(rèn)為城市化對(duì)房?jī)r(jià)的影響具有明顯的非線性特性，且在經(jīng)濟(jì)增長(zhǎng)水平較高、人力資本積聚的地區(qū)，城市化對(duì)房?jī)r(jià)具有顯著地促進(jìn)作用［9］。鄧祥，孔紅枚（2013）運(yùn)用動(dòng)態(tài)面板數(shù)據(jù)GMM方法考察城市化率對(duì)房?jī)r(jià)的影響，結(jié)果表明當(dāng)期房?jī)r(jià)受上一年房?jī)r(jià)的正向影響，城市化水平的提高將推動(dòng)房?jī)r(jià)上漲［10］。在FDI與房?jī)r(jià)方面，段芳（2011）認(rèn)為我國(guó)政府的宏觀調(diào)控措施成功規(guī)避了FDI流入可能產(chǎn)生的資產(chǎn)泡沫風(fēng)險(xiǎn)，上海房地產(chǎn)價(jià)格沒(méi)有顯著受到外商直接投資變動(dòng)的影響［11］。況偉大（2013）構(gòu)建了一個(gè)外資參與的房地產(chǎn)市場(chǎng)局部均衡模型，認(rèn)為開(kāi)發(fā)環(huán)節(jié)外資對(duì)房?jī)r(jià)具有顯著負(fù)向影響，且房?jī)r(jià)對(duì)FDI的影響要小于FDI對(duì)房?jī)r(jià)的影響［12］。

從現(xiàn)有文獻(xiàn)來(lái)看，還沒(méi)有專門針對(duì)城鎮(zhèn)化和FDI兩方面對(duì)房?jī)r(jià)影響的研究，僅僅是考慮其中某一因素。而我國(guó)泛長(zhǎng)三角地區(qū)憑借優(yōu)越的地理位置、良好的投資環(huán)境和優(yōu)惠的政策支持，逐漸成為中國(guó)吸引FDI最多、城鎮(zhèn)化水平較高的地區(qū)。那么，以泛長(zhǎng)三角為例研究FDI、城鎮(zhèn)化與房?jī)r(jià)關(guān)系具有一定的典型性。

目前，國(guó)內(nèi)外學(xué)者在研究房?jī)r(jià)問(wèn)題上大多采用傳統(tǒng)時(shí)間序列模型，暗含了地區(qū)之間房?jī)r(jià)相互獨(dú)立的假定，忽略了空間鄰近性所產(chǎn)生的相互作用，這容易造成模型結(jié)果有偏和不一致。而空間計(jì)量經(jīng)濟(jì)學(xué)恰好解決了傳統(tǒng)模型忽略的數(shù)據(jù)存在空間相互作用的問(wèn)題，將空間數(shù)據(jù)分析和建模技巧與GIS相結(jié)合?，F(xiàn)如今國(guó)內(nèi)運(yùn)用空間計(jì)量方法研究房?jī)r(jià)問(wèn)題主要集中在：①探索房?jī)r(jià)影響因素（韓麗娜、趙紅強(qiáng)，2011［13］；王鶴，2012［14］）；②某單一因素對(duì)房?jī)r(jià)的影響（周文興、林文朗，2012［15］；宋灝、張子曄，2012［16］）；③房地產(chǎn)市場(chǎng)區(qū)域差異和房?jī)r(jià)波動(dòng)（龍瑩，2010［17］；陳浪南、王鶴，2012［18］）；④房?jī)r(jià)發(fā)展趨勢(shì)（吳文斌，2012［19］）。從現(xiàn)有研究結(jié)果看，相比傳統(tǒng)的OLS，空間計(jì)量模型更優(yōu)。因此采用空間方法研究房?jī)r(jià)問(wèn)題已經(jīng)是趨勢(shì)，但當(dāng)前研究樣本大多是全國(guó)范圍，沒(méi)有針對(duì)如泛長(zhǎng)三角的具體區(qū)域，且大多采用比較簡(jiǎn)單的空間相鄰權(quán)重方法，研究結(jié)果難以準(zhǔn)確深入。

因此，本文采取空間計(jì)量經(jīng)濟(jì)學(xué)方法，以泛長(zhǎng)三角31個(gè)城市①為樣本，將空間因素加入到房?jī)r(jià)的分析中，采用空間距離加權(quán)矩陣探索城鎮(zhèn)化水平和FDI對(duì)泛長(zhǎng)三角房?jī)r(jià)的影響，并具體分析各省空間特征，為政府制定房?jī)r(jià)調(diào)控措施提供參考。

二、空間計(jì)量方法

（一）空間自相關(guān)

空間自相關(guān)是指一個(gè)經(jīng)濟(jì)區(qū)域中的某種經(jīng)濟(jì)現(xiàn)象或某一屬性總是與其相鄰經(jīng)濟(jì)領(lǐng)域中的相應(yīng)經(jīng)濟(jì)現(xiàn)象或?qū)傩灾迪嚓P(guān)［14］，包括全局空間自相關(guān)和局域空間自相關(guān)。

1.全局空間自相關(guān)

全局空間自相關(guān)是指所考察的屬性在整個(gè)研究范圍內(nèi)是否具有自相關(guān)性，通常采用Moran’I指數(shù)衡量。

2.局部空間自相關(guān)

本文采用Moran散點(diǎn)圖來(lái)揭示泛長(zhǎng)三角房?jī)r(jià)的空間內(nèi)部結(jié)構(gòu)。Moran散點(diǎn)圖主要是通過(guò)四象限圖（高-高型地區(qū)、高-低型地區(qū)、低-低型地區(qū)和低-高型地區(qū)）來(lái)研究局部的空間相關(guān)性，分析空間集聚特征。

（二）空間計(jì)量模型

按照對(duì)“空間”體現(xiàn)方法的不同，空間計(jì)量經(jīng)濟(jì)學(xué)模型分為空間滯后模型（Spatial Lag Model，簡(jiǎn)稱SLM）與空間誤差模型（Spatial Error Model，簡(jiǎn)稱SEM）。

1.空間滯后模型

空間滯后模型主要探討各變量在一地區(qū)是否存在擴(kuò)散作用（也稱為溢出效應(yīng)），空間依存性體現(xiàn)在因變量的滯后項(xiàng)上。模型假定如下：

其中，y是因變量，X是外生解釋變量矩陣，W為空間權(quán)重矩陣，Wy是空間滯后因變量，ρ為空間回歸系數(shù)，反映樣本觀測(cè)值之間的空間依賴作用，β是參數(shù)向量，ε是隨機(jī)擾動(dòng)項(xiàng)。

2.空間誤差模型

當(dāng)?shù)貐^(qū)間的相互作用因所處相對(duì)位置不同而存在差異時(shí)，則采用空間誤差模型（SEM），反映區(qū)域外溢是隨機(jī)沖出的作用，其形式設(shè)定為：

其中，β是反映因變量y和自變量X的相關(guān)系數(shù)，μ是隨機(jī)誤差項(xiàng)向量，λ是空間誤差修正系數(shù)，反映樣本觀測(cè)值之間的相互依賴作用，ε是隨機(jī)擾動(dòng)項(xiàng)。

對(duì)于SLM和SEM模型的選擇，Anselin和Florax（1996）給出了如下準(zhǔn)則［20］：若LM-Lag檢驗(yàn)較LM-Error更顯著，且R-LMlag顯著而R-LMerr不顯著，則選擇空間滯后模型（SLM）；反之，則選用空間誤差模型（SEM）。

三、數(shù)據(jù)處理和權(quán)重矩陣選取

（一）數(shù)據(jù)說(shuō)明和處理

1998年實(shí)施的住房改革政策是中國(guó)房地產(chǎn)業(yè)走向市場(chǎng)化的分水嶺，標(biāo)志著中國(guó)房地產(chǎn)向貨幣化、社會(huì)化推進(jìn)。本文通過(guò)調(diào)整泛長(zhǎng)三角31個(gè)城市2000-2011年居民消費(fèi)指數(shù)得到商品房平均實(shí)際銷售價(jià)格，居民消費(fèi)指數(shù)以2000年為基期。采用非農(nóng)業(yè)人口占總?cè)丝跀?shù)的比例衡量城鎮(zhèn)化水平。為了消除匯率變化和價(jià)格因素的影響，首先用各年度平均匯率將名義FDI換算成人民幣，然后用各市同年居民消費(fèi)指數(shù)將其調(diào)整為實(shí)際FDI。為了消除一定程度的異方差，對(duì)商品房實(shí)際平均銷售價(jià)格和實(shí)際FDI取對(duì)數(shù)。數(shù)據(jù)來(lái)源于中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展數(shù)據(jù)庫(kù)和中國(guó)統(tǒng)計(jì)年鑒。

（二）空間權(quán)重矩陣的選取

空間權(quán)重W的設(shè)定體現(xiàn)了地區(qū)間相互依賴性與關(guān)聯(lián)程度，也是空間計(jì)量模型的關(guān)鍵。目前建立二進(jìn)制空間鄰接矩陣較多，但比較簡(jiǎn)單，不能確切反映出各區(qū)域之間的空間聯(lián)系。因此，本文將建立空間距離權(quán)重矩陣，并運(yùn)用經(jīng)緯度坐標(biāo)確定各城市具體距離?？臻g距離加權(quán)矩陣設(shè)定方式如下：

其中，dij為兩地區(qū)之間的距離，即兩地區(qū)之間距離越遠(yuǎn)，相互影響程度越小。

四、實(shí)證模型與結(jié)果分析

（一）模型建立

首先構(gòu)建一般的非空間線性模型：

其中，price表示商品房平均實(shí)際銷售價(jià)格，urban是城鎮(zhèn)化率，F(xiàn)DI是外商直接投資實(shí)際額，β1、β2是回歸系數(shù)，ε是隨機(jī)擾動(dòng)項(xiàng)。

然后利用Eviews軟件對(duì)公式（4）進(jìn)行單位根檢驗(yàn)，結(jié)果見(jiàn)表1。

從表1看出，原數(shù)列平穩(wěn)，不存在單位根。進(jìn)一步進(jìn)行協(xié)整檢驗(yàn)。面板數(shù)據(jù)協(xié)整檢驗(yàn)的主要方法有Pedroni檢驗(yàn)、Kao檢驗(yàn)和Fisher檢驗(yàn)。本文選擇Fisher檢驗(yàn)，結(jié)果見(jiàn)表2。

由表2可知，房?jī)r(jià)與城鎮(zhèn)化比例以及實(shí)際FDI存在協(xié)整關(guān)系。進(jìn)一步進(jìn)行Hausman檢驗(yàn)，確定原模型是固定效應(yīng)模型。

（二）泛長(zhǎng)三角房?jī)r(jià)的全局空間自相關(guān)

利用Matlab軟件包jplv7計(jì)算泛長(zhǎng)三角31個(gè)城市2000-2011年商品房平均銷售價(jià)格的全局自相關(guān)值（Moran’I值）并檢驗(yàn)其顯著性，結(jié)果見(jiàn)表3。

由表3可知，在5%的顯著性水平下，泛長(zhǎng)三角31個(gè)城市房?jī)r(jià)存在顯著的正向空間自相關(guān)，即較高房?jī)r(jià)地區(qū)的周邊房?jī)r(jià)也較高，低房?jī)r(jià)地區(qū)的周邊房?jī)r(jià)也較低，房?jī)r(jià)在空間分布上并非顯出完全隨機(jī)的狀態(tài)，而是呈現(xiàn)出較強(qiáng)的“馬太效應(yīng)”。這意味著各省市住宅價(jià)格的上漲不能孤立考慮自身因素，也需要考慮周邊地區(qū)整體住宅價(jià)格走勢(shì)。其中，從2004年開(kāi)始，Moran’I值基本隨時(shí)間增大，P值不斷減少。表明隨著時(shí)間的推移，泛長(zhǎng)三角地區(qū)房?jī)r(jià)的空間自相關(guān)程度逐漸加強(qiáng)，整體房?jī)r(jià)極化效應(yīng)已經(jīng)凸顯，且地區(qū)不均衡進(jìn)一步加劇，呈現(xiàn)非均衡特征。

（三）Moran散點(diǎn)圖及空間集聚的動(dòng)態(tài)演變

盡管Moran’I值顯示泛長(zhǎng)三角房?jī)r(jià)整體存在空間集聚，但不能表現(xiàn)局部空間特征，因此采用Moran散點(diǎn)圖表示泛長(zhǎng)三角房?jī)r(jià)的內(nèi)部空間特征。

圖1和圖2是2000和2011年泛長(zhǎng)三角商品房平均銷售價(jià)格的Moran散點(diǎn)圖，表4給出了2000年和2011年Moran散點(diǎn)圖對(duì)應(yīng)城市所處象限。圖3（a）和（b）表示2000和2011年泛長(zhǎng)三角房?jī)r(jià)高-高和低-低型空間集聚的動(dòng)態(tài)演變。

由圖1和圖2可知，2000年泛長(zhǎng)三角城市相對(duì)集中在第一和第三象限，屬于高-高集聚和低-低集聚的類型，合計(jì)占樣本總數(shù)的64.52%。2011年處在第一和第三象限的城市更加密集，占樣本總數(shù)達(dá)到90.32%，反映了泛長(zhǎng)三角地區(qū)高值和低值聚集的趨勢(shì)。

由表4可知，2011年，嘉興、湖州、金華、麗水和溫州加入到H-H型地區(qū)，表明杭州都市圈、溫州都市圈的迅速崛起。上海都市圈正向極化效應(yīng)一直保持顯著。蕪湖、合肥與馬鞍山分別加入L-L型地區(qū)，表明合肥都市圈和馬蕪銅城市圈集聚效應(yīng)正逐步凸顯。一直處在H-L地區(qū)的南京，自身房?jī)r(jià)較高，周圍房?jī)r(jià)較低，沒(méi)有發(fā)揮帶動(dòng)作用。

進(jìn)一步將泛長(zhǎng)三角各城市在不同時(shí)期所屬象限的變化劃分三種類型：第一種包括城市在相鄰象限變遷，如某城市在t時(shí)期至t+1時(shí)期從H-L型遷移到L-L型；第二種指變動(dòng)軌跡呈對(duì)角線狀，如城市在t時(shí)期至t+1時(shí)期從H-H型遷移到L-L型；第三種指所屬象限一直沒(méi)有變化。由表4可以看出，屬于第三類變動(dòng)的城市數(shù)目達(dá)到22個(gè)，占總城市數(shù)的70.97%，表明泛長(zhǎng)三角房?jī)r(jià)具有很高穩(wěn)定性。這也解釋了盡管國(guó)家和地方政府一直采取調(diào)控措施抑制房?jī)r(jià)，卻沒(méi)有取得預(yù)期效果的原因。

結(jié)合圖3（a）和（b），相比2000年，2011年H-H型涵蓋了泛長(zhǎng)三角的南部和中部，而L-L型地區(qū)涵蓋的面積12年間略有增長(zhǎng)。具體來(lái)看，2011年浙江省全部處在H-H地區(qū)，而江蘇絕大部分處在L-L型地區(qū)。浙江省在經(jīng)濟(jì)發(fā)展中積累了三大優(yōu)勢(shì)，即體制機(jī)制創(chuàng)新、民間資本豐厚和本土企業(yè)家創(chuàng)業(yè)，這對(duì)浙江經(jīng)濟(jì)騰飛、人均國(guó)民收入的提高起到了巨大的積極作用，也間接地刺激了房?jī)r(jià)的提高。而江蘇省房?jī)r(jià)水平很不均衡，H-H型集中在蘇南地區(qū)。相對(duì)蘇中、蘇北地區(qū)，蘇南地區(qū)經(jīng)濟(jì)處于領(lǐng)先地位，且在地理位置上離核心城市上海更近，受到的輻射作用大，因此蘇南地區(qū)房?jī)r(jià)一直保持較高水平。

總的來(lái)說(shuō)，2000-2011年期間，泛長(zhǎng)三角地區(qū)房?jī)r(jià)存在顯著的空間自相關(guān)，且整體不均衡加劇，同時(shí)各省市房?jī)r(jià)的空間集聚情況有所差別。

（四）模型的選擇與實(shí)證結(jié)果

1.模型的選擇

為了更好地探索城鎮(zhèn)化水平和FDI對(duì)泛長(zhǎng)三角房?jī)r(jià)的影響，需要先判定模型，即在公式（4）的基礎(chǔ)上，通過(guò)LM檢驗(yàn)（穩(wěn)健）和似然比（LR）判斷哪種模型適合SLM或SEM。由于原數(shù)列是固定效應(yīng)模型，截距項(xiàng)的空間效應(yīng)和時(shí)間效應(yīng)對(duì)LM檢驗(yàn)會(huì)產(chǎn)生影響，但又無(wú)法確定模型時(shí)間和空間效應(yīng)是否存在，因此對(duì)混合估計(jì)模型、空間固定效應(yīng)模型、時(shí)間固定效應(yīng)模型及空間和時(shí)間固定效應(yīng)模型分別進(jìn)行LM和LR檢驗(yàn)。結(jié)果見(jiàn)表5。

從表5中看出，四個(gè)模型的空間滯后穩(wěn)健LM檢驗(yàn)均在1%顯著性水平下顯著，而混合估計(jì)和空間固定效應(yīng)模型的空間誤差自相關(guān)的穩(wěn)健LM檢驗(yàn)不顯著。相比之下，LMLAG比LMERR更加顯著。

空間滯后時(shí)間固定效應(yīng)LR檢驗(yàn)不顯著，而空間滯后空間固定效應(yīng)顯著，表明空間效應(yīng)顯著存在，時(shí)間效應(yīng)不顯著存在，因而空間和時(shí)間固定模型不適用。

基于上述分析，通過(guò)穩(wěn)健LM和LR檢驗(yàn)結(jié)果，結(jié)合R2和對(duì)數(shù)似然值，本文確定空間固定效應(yīng)的空間滯后模型暫時(shí)為符合原數(shù)列的模型。根據(jù)公式（4）建立空間滯后模型：

接下來(lái)對(duì)空間滯后模型再進(jìn)行Hausman檢驗(yàn)，判斷空間固定效應(yīng)是否確定適合該模型。結(jié)果見(jiàn)表6。

根據(jù)表6，Hausman檢驗(yàn)的P值在1%顯著性水平下顯著，且空間固定效應(yīng)模型的擬合優(yōu)度和對(duì)數(shù)似然值比隨機(jī)效應(yīng)模型更優(yōu)，因此最終確定具有空間固定效應(yīng)的空間滯后模型為最優(yōu)模型。

2.實(shí)證結(jié)果與分析

在SLM中，固定效應(yīng)模型系數(shù)估計(jì)值為0.916，且在1%水平上高度顯著。這表明泛長(zhǎng)三角某一城市與周邊地區(qū)具有很強(qiáng)的空間溢出正效應(yīng)，促使房?jī)r(jià)變動(dòng)由核心城市向相鄰地區(qū)擴(kuò)散。泛長(zhǎng)三角地區(qū)，尤其是核心長(zhǎng)三角，已逐漸發(fā)展成為世界第六大城市群之一。其以上海都市圈、南京都市圈、杭州都市圈等為核心，以滬寧、滬杭高速鐵路、公路等重大基礎(chǔ)設(shè)施沿線為軸線，通過(guò)打造長(zhǎng)三角“一小時(shí)經(jīng)濟(jì)圈”、“半小時(shí)經(jīng)濟(jì)圈”，增強(qiáng)長(zhǎng)三角區(qū)域集聚效應(yīng)。因此一旦一線城市，如上海、南京、杭州等房?jī)r(jià)有所波動(dòng)，通過(guò)空間相互作用必將對(duì)相鄰區(qū)域房?jī)r(jià)的變化產(chǎn)生很大程度的影響。

城鎮(zhèn)化水平在1%水平下顯著，且其系數(shù)為0.004 4，說(shuō)明泛長(zhǎng)三角地區(qū)房?jī)r(jià)受到本地城鎮(zhèn)化進(jìn)程一定影響，城鎮(zhèn)化進(jìn)程的加快會(huì)刺激房?jī)r(jià)的提高。城鎮(zhèn)化是房地產(chǎn)市場(chǎng)運(yùn)行的載體，城鎮(zhèn)化所釋放出的內(nèi)部需求導(dǎo)致了人口與資本向城鎮(zhèn)聚集，大量的農(nóng)村人口轉(zhuǎn)變?yōu)槌擎?zhèn)人口，從而帶動(dòng)了對(duì)住房的需求，使我國(guó)房?jī)r(jià)一路上漲。泛長(zhǎng)三角地區(qū)是我國(guó)城市化水平較高的城市集中群之一，其中，以上海、蘇錫常地區(qū)為中心，江蘇南部及浙江省東部、中部的部分地區(qū)城鎮(zhèn)化水平較高，受到上海輻射帶動(dòng)強(qiáng)。而安徽省，特別是安徽西北部綜合度水平普遍較低。總的來(lái)說(shuō)，泛長(zhǎng)三角城鎮(zhèn)化綜合水平呈現(xiàn)為以上海為中心的“中心—外圍”空間特征，區(qū)域內(nèi)部城鎮(zhèn)化水平參差不齊，對(duì)于泛長(zhǎng)三角整體房?jī)r(jià)上漲影響較小。

實(shí)際FDI不顯著，說(shuō)明FDI不是泛長(zhǎng)三角房?jī)r(jià)提升的主要影響因素，不會(huì)引起房地產(chǎn)市場(chǎng)的大幅震蕩，且系數(shù)只有-0.000 000 44，說(shuō)明FDI傾向于流向泛長(zhǎng)三角房?jī)r(jià)較低的城市，帶來(lái)極弱的負(fù)相關(guān)效應(yīng)。2001年，長(zhǎng)江三角洲地區(qū)吸引FDI達(dá)134.19億美元，占全國(guó)FDI總量的比重為28.62%，吸引FDI占全國(guó)的比例首次超過(guò)珠江三角洲。2003年，江蘇省吸引FDI占全國(guó)的比例首次超過(guò)廣東省，且連續(xù)8年保持全國(guó)第一。可以說(shuō)，長(zhǎng)三角成為近年來(lái)全國(guó)利用外資總量最大、勢(shì)頭最猛、增長(zhǎng)最快的地區(qū)。但是長(zhǎng)三角地區(qū)在吸引和利用FDI的過(guò)程中也出現(xiàn)了一些問(wèn)題：一方面，引進(jìn)和利用FDI不平衡。雖然流向第三產(chǎn)業(yè)的FDI比重有所上升，但是以制造業(yè)為代表的第二產(chǎn)業(yè)的比重仍占主導(dǎo)，因此FDI對(duì)于房?jī)r(jià)影響有限；另一方面，長(zhǎng)三角利用FDI的不平衡所造成的“資源荒”使得長(zhǎng)三角的投資環(huán)境優(yōu)勢(shì)大打折扣。而中部地區(qū)憑借其自身的環(huán)境和人力資源優(yōu)勢(shì)，逐步形成了FDI流入由東部向中部轉(zhuǎn)移的局面。一般來(lái)說(shuō)，房?jī)r(jià)低的城市相對(duì)經(jīng)濟(jì)發(fā)展水平較低，中部地區(qū)政府也希望通過(guò)吸引更多FDI促進(jìn)經(jīng)濟(jì)增長(zhǎng)。

為了了解泛長(zhǎng)三角各省份城鎮(zhèn)化水平、實(shí)際FDI對(duì)房?jī)r(jià)的具體影響，我們利用空間固定效應(yīng)的空間滯后模型對(duì)三個(gè)省份進(jìn)行實(shí)證分析，結(jié)果見(jiàn)表7。

由表7可知：

（1）江蘇、浙江和安徽的空間滯后項(xiàng)系數(shù)在1%的顯著性水平下顯著，表明三個(gè)省份的房?jī)r(jià)都受到相鄰地區(qū)房?jī)r(jià)的顯著影響。其中江蘇房?jī)r(jià)受周圍地區(qū)房?jī)r(jià)的影響最大，存在較高程度的聯(lián)動(dòng)關(guān)系。江蘇絕大部分城市處于L-L型，其在地理位置上與上海和浙江相接壤，而上海和浙江屬于H-H型，尤其是上海，是泛長(zhǎng)三角地區(qū)核心城市，因而江蘇受到的輻射作用較大，并逐步向H-H型靠攏。安徽位于中部地區(qū)，與上海地理距離相對(duì)較遠(yuǎn)，雖然與浙江和江蘇接壤，但江蘇自身處在H-H型的城市較少，對(duì)安徽的帶動(dòng)作用有限。另外，安徽在打破城市壁壘，深化泛長(zhǎng)三角經(jīng)濟(jì)融合以及一體化進(jìn)程等方面仍需進(jìn)一步努力，因此受周圍房?jī)r(jià)的影響較弱。

（2）三個(gè)省份的房?jī)r(jià)都顯著受到了城鎮(zhèn)化進(jìn)程的影響，其中江蘇和浙江的城鎮(zhèn)化水平對(duì)本地房?jī)r(jià)的影響程度大體相同，而安徽房?jī)r(jià)受到的城鎮(zhèn)化影響最大。江蘇和浙江是中國(guó)經(jīng)濟(jì)最發(fā)達(dá)的省份，城鎮(zhèn)化進(jìn)程相對(duì)較高。近些年來(lái)，江蘇以大中城市為依托，以縣域經(jīng)濟(jì)為陣地，開(kāi)拓以工促農(nóng)、以城帶鄉(xiāng)的新型城鎮(zhèn)化之路。浙江充分發(fā)揮工業(yè)化對(duì)城鎮(zhèn)化的推動(dòng)作用，逐步建立統(tǒng)籌城鄉(xiāng)區(qū)域規(guī)劃的城鎮(zhèn)體系，堅(jiān)持城鄉(xiāng)一體化發(fā)展，堅(jiān)持城鎮(zhèn)化引領(lǐng)新農(nóng)村發(fā)展。安徽近些年發(fā)展勢(shì)頭強(qiáng)勁，馬蕪銅城鎮(zhèn)群一體化發(fā)展步伐加快，城鎮(zhèn)化體系逐步完善，但相比浙江和江蘇省，城鎮(zhèn)化水平仍然不高。因此安徽未來(lái)城鎮(zhèn)化的發(fā)展將會(huì)進(jìn)一步帶動(dòng)房?jī)r(jià)上升。

（3）江蘇FDI系數(shù)不顯著，雖然江蘇是外資引進(jìn)大省，但從產(chǎn)業(yè)結(jié)構(gòu)看，江蘇利用FDI主要分布在第二產(chǎn)業(yè)，且流入房地產(chǎn)業(yè)的外資占全部房地產(chǎn)開(kāi)發(fā)投資的比例較低，呈顯著的南高北低格局，對(duì)房?jī)r(jià)影響有限。在房地產(chǎn)調(diào)控的背景下，浙江省信貸持續(xù)緊縮，房企資金趨緊，但外資看好浙江房地產(chǎn)市場(chǎng)，并大舉進(jìn)入浙江房地產(chǎn)業(yè)。2011年浙江房地產(chǎn)業(yè)引進(jìn)同比增長(zhǎng)79.2%，大大高于全國(guó)增速。安徽在地理位置上存在優(yōu)勢(shì)，且在自然資源和勞動(dòng)力資源等方面的優(yōu)勢(shì)也為吸引更多FDI提供了條件；另外中部崛起戰(zhàn)略、安徽沿江城市帶承接產(chǎn)業(yè)轉(zhuǎn)移示范區(qū)建設(shè)納入國(guó)家發(fā)展戰(zhàn)略、合蕪蚌自主創(chuàng)新綜合試驗(yàn)區(qū)的建設(shè)表明了安徽重要的戰(zhàn)略地位，為招商引資創(chuàng)造了優(yōu)越的環(huán)境，因而受FDI影響顯著。

五、結(jié)論和啟示

（一）結(jié)論

本文采用泛長(zhǎng)三角31個(gè)城市2000-2011年面板數(shù)據(jù)，運(yùn)用空間計(jì)量方法研究城鎮(zhèn)化和FDI對(duì)泛長(zhǎng)三角房?jī)r(jià)的影響，得出以下幾點(diǎn)結(jié)論：

第一，運(yùn)用探索性空間數(shù)據(jù)分析法表明，泛長(zhǎng)三角房?jī)r(jià)存在顯著的空間自相關(guān)。在空間分布上，泛長(zhǎng)三角房?jī)r(jià)并不是隨機(jī)游走，而是在地理空間上存在正相關(guān)，即房?jī)r(jià)較高（或較低）的城市在空間上趨于集群，且泛長(zhǎng)三角房?jī)r(jià)具有高度的穩(wěn)定性。

第二，納入空間效應(yīng)進(jìn)行實(shí)證分析表明：本地房?jī)r(jià)顯著受相鄰城市房?jī)r(jià)作用，本地城鎮(zhèn)化進(jìn)程對(duì)房?jī)r(jià)有一定影響，而實(shí)際FDI與房?jī)r(jià)呈微弱負(fù)相關(guān)。對(duì)浙江、江蘇和安徽的比較分析發(fā)現(xiàn)：浙江和安徽兩省的城鎮(zhèn)化水平和實(shí)際FDI與房?jī)r(jià)呈顯著正相關(guān)，江蘇房?jī)r(jià)受城鎮(zhèn)化水平影響顯著，但排除實(shí)際FDI對(duì)其房?jī)r(jià)的沖擊作用。

（二）啟示

由本文結(jié)論可以看出，各省房?jī)r(jià)的影響因素和影響程度不完全相同。房地產(chǎn)業(yè)價(jià)格的合理增長(zhǎng)能夠帶動(dòng)經(jīng)濟(jì)社會(huì)的健康發(fā)展，而在針對(duì)泛長(zhǎng)三角房?jī)r(jià)問(wèn)題時(shí)，各城市如何在體現(xiàn)宏觀調(diào)控政策區(qū)域同一性的同時(shí)，又能體現(xiàn)政策的差異性，使空間傳遞與房?jī)r(jià)影響回歸到符合城市住房市場(chǎng)發(fā)展理論的理性狀態(tài)，這是政府在制定房?jī)r(jià)宏觀調(diào)控措施時(shí)必須注意的一個(gè)重要問(wèn)題。

泛長(zhǎng)三角地區(qū)房?jī)r(jià)受城鎮(zhèn)化影響顯著。因此，政府應(yīng)當(dāng)警惕城鎮(zhèn)化發(fā)展較快帶來(lái)的房?jī)r(jià)增長(zhǎng)過(guò)快問(wèn)題，重點(diǎn)建設(shè)核心城市與附屬城市之間的通勤設(shè)施，促進(jìn)中心城市人口向外分流，分散房地產(chǎn)需求；不斷提高城鎮(zhèn)化質(zhì)量，推行新型城鎮(zhèn)化，將城市發(fā)展速度和規(guī)模控制在城市合理承載力之內(nèi)。針對(duì)浙江和安徽兩省份房?jī)r(jià)受FDI顯著影響，政府對(duì)于外資進(jìn)入房地產(chǎn)環(huán)節(jié)要加以控制，著重限制“熱錢”流入房地產(chǎn)業(yè)，防止房?jī)r(jià)飛漲和房?jī)r(jià)泡沫，保持房?jī)r(jià)穩(wěn)定。

注釋：

①泛長(zhǎng)三角31個(gè)城市包括上海、南京、蘇州、無(wú)錫、常州、南通、揚(yáng)州、徐州、宿遷、杭州、寧波、紹興、嘉興、舟山、溫州、鎮(zhèn)江、湖州、麗水、連云港、泰州、臺(tái)州、金華、淮安、鹽城、衢州、合肥、蕪湖、馬鞍山、滁州、銅陵、宣城。

［1］劉江濤，張波，黃志剛.限購(gòu)政策與房?jī)r(jià)的動(dòng)態(tài)變化［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2012（3）：47-54.

［2］蒲勇鍵，舒暢.房?jī)r(jià)、收入與金融機(jī)構(gòu)的數(shù)理模型研究［J］.特區(qū)經(jīng)濟(jì)，2013（6）：170-172.

［3］Gabriel A S，Mattey P J，Wascher W L.House Price Differen?tials and Dynamics Evidence from the Los Angeles and San Francisco Metropolitan Areas［J］.Economic Review-Federal Reserve Bank of San Francisco，1999（1）：3-22.

［4］王先柱，趙奉軍.房?jī)r(jià)波動(dòng)與財(cái)政收入：傳導(dǎo)機(jī)制與實(shí)證分析［J］.財(cái)貿(mào)經(jīng)濟(jì)，2012（11）：21-28.

［5］杜江，許多，李恒.中國(guó)大中城市地價(jià)對(duì)房?jī)r(jià)影響的實(shí)證研究［J］.重慶大學(xué)學(xué)報(bào)，2011（1）：30-34.

［6］Smith B A，Ohsfldt R.Housing-Price Inflation in Houston，1970-1976［J］.Policy Studies Journal，1980，2（8）：257-276.

［7］沈悅，周奎省，李善燊.利率影響房?jī)r(jià)的有效性分析——基于FAVAR模型［J］.經(jīng)濟(jì)科學(xué)，2011（1）：60-69.

［8］Hamilton B W，Schwab R M.Expected Appreciation in Urban Housing Markets［J］.Journal of Urban Economics，1985，1（18）：103-118.

［9］駱永民.城市化對(duì)房?jī)r(jià)的影響：線性還是非線性？——基于四種面板數(shù)據(jù)回歸模型的實(shí)證分析［J］.財(cái)經(jīng)研究，2011（4）：135-144.

［10］鄧翔，孔紅枚.基于動(dòng)態(tài)面板模型的城市化與房?jī)r(jià)關(guān)系研究［J］.統(tǒng)計(jì)與決策，2013（12）：105-107.

［11］段芳.服務(wù)物業(yè)外商直接投資流入與房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)研究［J］.經(jīng)濟(jì)問(wèn)題，2011（1）：51-55.

［12］況偉大.FDI與房?jī)r(jià)［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2013（2）：51-58.

［13］韓麗娜，趙紅強(qiáng).投機(jī)性需求、剛性需求與房?jī)r(jià)上漲的非線性關(guān)系［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2011（10）：119-125.

［14］王鶴.基于空間計(jì)量的房地產(chǎn)價(jià)格影響因素分析［J］.經(jīng)濟(jì)評(píng)論，2012（1）：48-56.

［15］周文興，林新朗.中國(guó)住房?jī)r(jià)格與城市化水平的關(guān)系研究——?jiǎng)討B(tài)面板和空間計(jì)量的實(shí)證分析［J］.重慶大學(xué)學(xué)報(bào)，2012（5）：1-7.

［16］宋灝，張子曄.交通站點(diǎn)對(duì)于北京市內(nèi)城區(qū)二手住房?jī)r(jià)格的影響——基于空間計(jì)量方法的分析［J］.特區(qū)經(jīng)濟(jì)，2012（12）：70-73.

［17］龍瑩.空間異質(zhì)性與區(qū)域房地產(chǎn)價(jià)格波動(dòng)的差異——基于地理加權(quán)回歸的實(shí)證研究［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2010（11）：80-85.

［18］陳浪南，王鶴.我國(guó)房地產(chǎn)價(jià)格區(qū)域互動(dòng)的實(shí)證研究［J］.統(tǒng)計(jì)研究，2012（7）：37-43.

［19］吳文斌.我國(guó)區(qū)域房?jī)r(jià)β收斂的空間計(jì)量分析［J］.統(tǒng)計(jì)與決策，2012（1）：130-132.

［20］Anselin L，BeraA K，Yoon M J.Simple Diagnostic Tests for Spatial Dependence［J］.Regional Science and Urban Eco?nomics，1996，1（26）：77-104.

［責(zé)任編輯：余志虎］

The Relations among Urbanization Level，F(xiàn)DI and Housing Price—Based on the Spatial Econometric Study of the Extended Yangtze River Delta Region

WANG Li-ping，LI Yan-ping
（School of Economics，Hefei University of Technology，Hefei 230069，China）

Based on the panel data of 31 cities from the year of 2000 to 2011 and a spatial distance-weighted matrix，the spa?tial econometric method is employed to explore the relations among urbanization level，F(xiàn)DI and the housing price in the extend?ed Yangtze River Delta region.The results show that the spatial autocorrelation is an important factor affecting the housing price in the region.The acceleration of the urbanization process will promote the rise of the housing price in Zhejiang，Jiangsu and Anhui provinces，while the relationship between the actual FDI and the housing price at provincial-level exhibits significant differences.Among them，the FDI in Zhejiang and Anhui provinces illustrates a significant positive correlation with their hous?ing prices，however，the actual FDI slightly correlates with its housing price positively in Jiangsu province.

extended Yangtze River Delta region；FDI；urbanization；housing price；spatial lag model

F293.3

A

1007-5097（2014）07-0042-06

10.3969/j.issn.1007-5097.2014.07.009

2013-10-21

國(guó)家自然科學(xué)基金項(xiàng)目（71073045）；教育部人文社會(huì)科學(xué)規(guī)劃基金項(xiàng)目（12YJA790135）；安徽省自然科學(xué)基金項(xiàng)目（11040606M18）

王立平（1968-），男，安徽合肥人，副教授，研究方向：區(qū)域經(jīng)濟(jì)增長(zhǎng)，環(huán)境經(jīng)濟(jì)學(xué)；

李艷萍（1988-），女，安徽合肥人，碩士研究生，研究方向：金融業(yè)發(fā)展，資本市場(chǎng)。