秦 輝，王瑜煒

（1.浙江工業(yè)大學 經(jīng)貿(mào)管理學院，浙江 杭州 310023；2.浙江省哲學社會科學重點研究基地 技術創(chuàng)新與企業(yè)國際化研究中心，浙江 杭州 310023）

當前，中國正處在高速城鎮(zhèn)化、工業(yè)化的時期。但在國民經(jīng)濟大發(fā)展的圖景下，也存在著一些隱憂，其中之一，便是住宅價格的問題。通過調(diào)查我們發(fā)現(xiàn)：大到國家、小到市縣，不同區(qū)域的住宅價格是不盡一致的，進一步地，其價格的發(fā)展變化趨勢也呈現(xiàn)很大差異。針對這一現(xiàn)象，不同學者開展了廣泛的研究。如方曉萍、丁四保[1]通過對我國35個大中城市房屋銷售價格指數(shù)的面板數(shù)據(jù)進行單位根和Granger因果檢驗指出，中國城市居民的住房價格在經(jīng)濟地位最重要的城市之間存在波動的傳遞。并且在水平與垂直方向上特征不一；而龐瑞秋等[2]則以長春市為研究對象，通過GIS技術，指出長春市住宅價格總體上“單中心多極核圈”曾分布的情況等等。而對于住宅價格變動的原因，不同學者的觀點也不甚一致。如況偉大[3]認為預期及其投機對中國城市房價波動都具有較強的解釋力，收入作用大于開發(fā)成本，開發(fā)成本并非房價波動的重要因素。就況偉大的觀點來看，大部分學者對于其在收入作用上的看法是認同的[4-6]，但在開發(fā)成本上，學者之間的爭議較大。有相當一部分學者強調(diào)了土地成本對于住宅價格波動的重要作用[7-8]。

雖然，對于住宅價格局的研究較多，但其研究對象呈現(xiàn)兩極化現(xiàn)象，或是以省或全國的大型城市為基本研究單位，或是針對單個城市，中觀層面上的研究較為缺乏。基于此，本研究將搜集相關數(shù)據(jù)分析華東地區(qū)各個區(qū)域住宅價格空間格局的不同特征、演變情況，并闡述其發(fā)展變化的原因。以期為“因時而異、因地制宜”地改善華東地區(qū)的房價調(diào)控政策提供數(shù)據(jù)支撐和決策依據(jù)。

一、數(shù)據(jù)來源及研究方法

（一）指標界定及數(shù)據(jù)來源

數(shù)據(jù)資料來自于2006-2012年《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》、《浙江統(tǒng)計年鑒》、《山東統(tǒng)計年鑒》、《安徽統(tǒng)計年鑒》、《江西統(tǒng)計年鑒》、《福建統(tǒng)計年鑒》、《江蘇統(tǒng)計年鑒》，地圖數(shù)據(jù)來自于1∶500 000中國基礎地理數(shù)據(jù)。研究單元為華東地區(qū)79個地級市，時間序列是2005-2011年。

（二）研究方法

（1）標準差指數(shù)和變異系數(shù)。本研究將區(qū)域城市化水平劃分為絕對差距和相對差距，并使用標準差指數(shù)（S）和變異系數(shù)（V）來衡量區(qū)域之間的城市化水平的絕對和相對差距。

其中：Yi表示第i個區(qū)域的城市化水平，n代表區(qū)域數(shù)；Y0為n個研究單元的平均城市化水平。S值增大說明相對差距增大，V值增大則是說明絕對差距增大。

（2）ESDA（Exploratory Spatial Data Analysis，探索性空間數(shù)據(jù)分析）方法。ESDA方法通過探討某位置上數(shù)量特征與其鄰近位置上的同一特征的相關程度，分析空間位置對于這一特征的影響。一般來說，通常采用Moran’sI、Geary’sC等指數(shù)進行度量。本文在全局層面選用Moran’sI指數(shù)[9]，其公式如下：

其中，N為研究對象的數(shù)目；Xi表示第i個空間位置上的觀測值；為Xi的平均值；W(i,j)是空間權重矩陣W；S0是空間權重矩陣W的所有元素之和。Moran’sI的取值范圍為（-1，1），0＜I＜1表示正的空間自相關，I=0表示不存在空間自相關，-1＜I＜0表示負的空間自相關。值越大表示空間分布的自相關性越大，即空間集聚分布。

在局域上將采用熱點分析方法[10]，相較于局域Moran’sI指數(shù)，這一方法能更為細致地測度局部空間自相關的特征，識別不同空間區(qū)域的高值簇與低值簇，即熱點區(qū)與冷點區(qū)的空間分布，計算公式為：

為了便于比較和分析，對G*i(d)進行標準化處理，即：

其中，E(G*i)和 Var(G*i)分別是G*i的數(shù)學期望值和變異系數(shù)，Wij(d)是空間權重。如果Z(G*i)為正且顯著，表明位置i周圍的值相對較高（高于均值），屬高值空間集聚（熱點區(qū)），反之為負且顯著，則說明位置i周圍的值低于均值，屬于低值空間聚集（冷點區(qū)）。

（3）重心計算。重心是描述空間分布的最簡單的指標之一，有幾何平均重心和加權平均重心兩種。本文采用城鎮(zhèn)建設用地經(jīng)濟密度的加權平均重心[11]來分析：

其中，N為空間對象市縣個數(shù)；Xi和Yi為第i個城市的重心坐標；Wi為第i城市的住宅價格在全區(qū)域內(nèi)住宅價格加總所占比重；w、w為平均重心坐標值。

二、區(qū)域住宅價格分異的總體特征

根據(jù)公式（1）、（2）、（3），可以求得標準差系數(shù)、變差系數(shù)Moran’sI指數(shù)。詳見表1。

表1 標準差、變差系數(shù)與Moran’s I值

根據(jù)表1，住宅價格的標準差系數(shù)在0.11～0.32之間，浮動范圍較大，且基本呈現(xiàn)逐年上升的趨勢，且在08年之后，上升趨勢明顯加快，并在2010年達到頂點。年均增長幅度達到16%。這說明華東地區(qū)住宅價格水平相對差異基本保持增長態(tài)勢，但在2008年前后的增長速度有較大差異。而根據(jù)變異系數(shù)的情況，華東地區(qū)住宅價格的絕對差異與相對差異保持統(tǒng)一態(tài)勢變化，但除了2011年，變化幅度明顯小于相對差異。2004-2008年，我國實行“雙穩(wěn)健”的財政政策和貨幣政策，在財政政策上，以2005為例，當年財政預算赤字從3198億元下降到3000億元，財政赤字占GDP的比重將由2004年的2.5%減少到2005年的2%；長期建設國債的發(fā)行額由1 100億元減少到800億元，減少了300億元。財政政策在總量上向中性回歸的過程中著力調(diào)整了支出結(jié)構(gòu)，加大了對于社會保障、教育、糧食保障等的支出。貨幣政策總體上也屬于穩(wěn)中偏緊型：提高存款準備金率、實行差別準備金制度、提高存貸款利率等靈活多樣的貨幣政策手段來適當控制銀行信貸投放的規(guī)模和速度。因此變異系數(shù)降低。而2008-2010年，M2年平均增長率達到22%，遠高于2005-2007的17%。寬松的貨幣政策，導致大中型城市房價迅速上漲，區(qū)域之間相對差距擴大，而由于資本的不平衡分配，絕對差異也相繼擴大。而在2011年，由于宏觀調(diào)控政策逐步收緊，相對與絕對差距都有回調(diào)跡象。

三、區(qū)域住宅價格空間格局的演變

（一）住宅價格空間格局

由于住宅價格在這六年中經(jīng)歷了較大幅度的上升。因此，采用唯一的區(qū)間劃分顯然是不合適的。故本文采用了“以量定距”的劃分方法。確保每個區(qū)間內(nèi)地級市數(shù)目保持一致。

根據(jù)圖1，對2005年、2008年、2011年住宅價格分布格局的對比可以發(fā)現(xiàn)：山東省住宅價格的“極化”現(xiàn)象非常明顯。雖然大部分市的住宅價格仍有所上漲，但從相對量上看，其增長幅度明顯是較慢的，這導致山東省大部分區(qū)域在2011年成為最低值區(qū)域。而同時：濟南、青島二市卻始終保持著中高水平的住宅價格，表明山東地區(qū)房價增長呈現(xiàn)“點”模式，與山東省形成鮮明對比的是長三角地區(qū)。我們發(fā)現(xiàn)：這一地區(qū)的住宅價格增長有明顯“面”增長現(xiàn)象，區(qū)域內(nèi)部經(jīng)濟較為發(fā)達的地級市保持著較高的住宅價格，甚至，第一梯隊的市還有所增多。這暗示著這一地區(qū)的擴散效應可能是較為明顯的。另外，福建、江西、安徽三省也呈現(xiàn)一種面增長的狀態(tài)，但與長三角地區(qū)并不完全一致。福建省在2008-2011年階段，其住宅價格的空間格局并未有所改變，反而在2005-2008年期間，格局變化較大。這暗示著，對于福建省來說，流動性過剩作為系統(tǒng)性因素雖然能夠提高其絕對住宅價格，但并不能改變其省內(nèi)各個地區(qū)的相對差距。江西省與安徽省基本保持空間格局穩(wěn)定。但注意到，這兩省的住宅價格格局都呈現(xiàn)單點高，周邊值低的狀態(tài)，其區(qū)別于山東的是：山東“極點”周邊地區(qū)的增長是弱于平均增長速度的，而這兩省則與平均速度一致。

圖1 華東地區(qū)住宅價格水平空間布局

（二）住宅價格收入比空間格局

為了對住宅價格的合理性做出評判，必須同時考慮居民的購買力水平。因此，本文以“住宅價格/人均可支配收入”來考量居民購買力對于住宅價格的容忍度。本文首先對各地區(qū)采用自然間斷法分組，發(fā)現(xiàn)在各個時間節(jié)點上，分組策略都極為近似，因此，本文將各個階段的分組策略統(tǒng)一為：0.1～0.15、0.15～0.20、0.20～0.30、0.30～0.45、0.45～0.75。如圖2，縱向來看，2005-2008年，全華東地區(qū)，住宅價格收入比都呈現(xiàn)出變小的趨勢（幾乎全域都降了一個層次），也就意味著居民的收入增長速度快于住宅價格增長速度，而2008-2011年，住宅價格收入比則呈現(xiàn)增大的走向，這表明居民的收入增長速度慢于住宅價格增長速度，同時，我們發(fā)現(xiàn)2011年相較于2005年，江蘇東部、北部地區(qū)，安徽北部，山東南部地區(qū)以及浙南閩北地區(qū)價格收入比都上升了一個層次，可見，2005-2008年的經(jīng)濟增長紅利被2008-2011年的住宅價格過快上漲消耗殆盡，住宅價格重新進入快速上升通道。橫向來看，華東地區(qū)的住宅價格收入比呈現(xiàn)以長江三角洲為核心，而逐層衰減的態(tài)勢。但相對而言，這種衰減在安徽、福建相對較低，而江西則較為明顯。另外，即使在長三角內(nèi)部，也有不同的層級：杭州、溫州、上海屬于第一層級；寧波、金華、麗水屬于第二層級；蘇南、浙江省其他地級市屬于第三層級，蘇北屬第四層級。

圖2 華東地區(qū)住宅價格收入比空間布局

（三）華東地區(qū)住宅價格空間重心演變

對空間信息提取得到的各個地級市重心坐標，通過住宅價格水平進行加權處理得出華東地區(qū)以及各省的區(qū)域住宅價格空間重心位置變化圖景。從重心的移動方向來看，雖然華東地區(qū)的住宅價格重心位置一直位于宣城境內(nèi)，但具體位置已逐漸向東南方向移動，這一傾向在2008年之后尤其明顯。這證明了前述“長江三角洲是住宅價格增長核心”的論斷。另外，雖然大多數(shù)省都呈現(xiàn)向長江三角洲聚集的現(xiàn)象，但每個省的表現(xiàn)不盡一致。福建省，其主要位移方向是北方，但可以發(fā)現(xiàn)，這一趨勢在2007年以后才完全確立，2005-2006年經(jīng)歷了一個重心南移的過程；江西省，整體向南方移動，但在2006-2009年，重心在東南—西北來回波動；安徽省，主要向西南方向移動，但在2007-2008年，向東北方向發(fā)生較大偏移，并在2010-2011有向西北方向移動趨勢。山東省，主要位移方向是東西，但在2005-2007年，首先向東南移動，2007-2008向西北大幅回調(diào)。江蘇省，重心基本在東北、西南來回移動，其中2005-2006年與2010-2011年出現(xiàn)較大的北向偏移，而2008-2010年則出現(xiàn)較大的南向偏移；浙江省，重心基本往南移動，但2007-2009年南移速度明顯加快，2009-2010年重心向西北方向移動較多，2010-2011年向東南方向回調(diào)。

雖然從重心偏移來看，大部分都有向核心增長區(qū)域偏移的態(tài)勢。但每個省的位移都有其特點。除了擴散效應外，其原因基本可以歸結(jié)為三類：區(qū)域發(fā)展階段差異；區(qū)域發(fā)展戰(zhàn)略差異；市場環(huán)境差異。具體來看，福建的偏移是來自于廈漳泉經(jīng)濟圈與福州經(jīng)濟圈階段性的不平衡發(fā)展；江西省則是由于其南部地區(qū)正處于農(nóng)業(yè)化社會向工業(yè)化社會轉(zhuǎn)型時期，對于流動性的增長較為敏感；安徽省內(nèi)淮河南部地區(qū)正處在擴張期，而傳統(tǒng)的沿淮河城市群則進入發(fā)展瓶頸期，這邊間接導致了住房價格重心的偏移；山東省則是由于經(jīng)濟危機的發(fā)生，削弱了環(huán)渤海區(qū)域的競爭力；江蘇省則是因為傳統(tǒng)的沿河城市帶被沿江城市帶取代；浙江省則由于其本身的外向性以及良好的市場機制，南部地區(qū)經(jīng)濟形勢逐步改善。

四、華東地區(qū)住宅價格熱點分析

為驗證前文的推斷，分析是否存在局部空間集聚，哪個區(qū)域單元對于全局空間自相關的貢獻更大，以及Moran’sI的全局評估在多大程度上掩蓋了局部不穩(wěn)定，我們分別計算2005、2008、2011年各市域住宅價格水平的局域空間關聯(lián)系數(shù)Getis-Ord Gi*，并利用ArcGis軟件將其具象化，選擇Jenks最佳自然斷點法對每個年份的局域統(tǒng)計量Gi*從高到低分成4類，依次為熱點、次熱、次冷、冷點區(qū)，生成華東地區(qū)空間格局的熱點演化圖，以便考察其集聚熱點區(qū)域的變化情況，如圖3所示。

圖3 華東地區(qū)住宅價格熱點分析

整體上，2005以來，住宅價格熱點區(qū)域基本保持相對穩(wěn)定。熱點主要分布在以上海為核心的蘇州-上海-嘉興城市圈、寧波城市圈、杭州城市圈、金華-義烏城市圈以及溫州城市圈。這說明相對于整個長三角地區(qū)乃至全國，這四個區(qū)域都是經(jīng)濟發(fā)展水平較高，同時流動資本較豐富的區(qū)域。對于整個區(qū)域的住宅價格水平有著標桿性的作用。而江西、山東南部與安徽北部地區(qū)大多屬于低值簇，為華東區(qū)域住宅價格的冷點區(qū)域，研究期間內(nèi)，在全區(qū)的地位沒有實質(zhì)性的改變。

東部沿海區(qū)域住宅價格水平明顯高于內(nèi)陸地區(qū)，熱點區(qū)域明顯分布于上海-寧波-溫州經(jīng)濟帶上，這說明外向型經(jīng)濟較為發(fā)達的地區(qū)往往住宅價格水平也會相對較高。同時，2008年，沿海經(jīng)濟帶有明顯的擴張勢頭，溫州的“熱度”甚至跨省傳導到寧德市，而2011年，在世界經(jīng)濟趨勢總體向好的背景下，華東地區(qū)繼續(xù)延續(xù)2008年的狀況，并且從整個華東地區(qū)“半邊熱半邊冷”的情況后，住宅價格的熱度還有集中的趨勢。

在總體格局保持相對穩(wěn)定的情況下，各種類型的區(qū)域也在經(jīng)濟逐步發(fā)展的背景下發(fā)生了一定的變化。熱點區(qū)域與冷點區(qū)域的數(shù)量都經(jīng)歷了先增后減的過程，而住宅價格高值簇的比重由2005年的14.1%上升到2008年的15.4%，之后反彈下降為2011年的12.7%。經(jīng)濟熱點區(qū)域呈現(xiàn)出倒“U”型變化趨勢。

從熱點區(qū)域來看，3個時間點始終處于高值簇內(nèi)的只有八個市：蘇州市、上海市、嘉興市、金華市、紹興市、臺州市、寧波市、溫州市。3個年份始終處于低值簇內(nèi)的包括了除了撫州市與九江市之外的江西其他市。安徽南部的池州市、安慶市、六安市。以及安徽北部、山東南部的大部分地區(qū)。可以看到，從2005年到2008年，山東的東營、濟南、淄博、菏澤等市都從次冷點區(qū)域變成冷點區(qū)域，而煙臺與青島也從次熱點區(qū)域變?yōu)榇卫潼c區(qū)域，并且在2011年山東西部地區(qū)繼續(xù)“冷卻”，這表明，自2005年之后，整體上，山東省住宅價格的增長速度一直低于華東其他地區(qū)。與這一現(xiàn)象類似的是蘇南的泰州與南通兩市，其中較為明顯的是南通市，直接從2005年的熱點區(qū)域變成2008年的次冷點區(qū)域。

五、華東地區(qū)住宅價格變動機制分析

（一）模型的構(gòu)建與選擇

住宅價格受諸多政治、經(jīng)濟因素影響。理論界對其也有不同的闡述與分析。部分學者依照傳統(tǒng)的經(jīng)濟學理論，強調(diào)供需因素對于房價。于麗琦[12]就通過實證分析得出儲蓄對于居民住房購買力有較為顯著影響的結(jié)論，而任超群[13]、王岳龍[14]等則指出土地價格等供給因素會深度影響住宅價格走勢。另一種觀點注重分析貨幣供應對于房價趨勢的影響。如王錦瑜[15]對我國房價與銀行貸款的實證分析表明，房價構(gòu)成了銀行貸款的單向Granger原因。張中華[16]則指出貨幣政策會對房價產(chǎn)生動態(tài)沖擊效果等等。綜合相關文獻，本文對于住宅價格變動機制的分析主要考慮一下幾個因素：一是地區(qū)經(jīng)濟發(fā)展水平；二是區(qū)域貨幣供給；三是住房的供給與需求；四是住宅的建造成本；五是家庭收入。為此，我們選取人均GDP（GDP），銀行人民幣貸款（DEBT），商品房本年竣工面積（BUSQ），銷售面積（SALE），單位竣工面積房地產(chǎn)開發(fā)投資額（COST）以及城鎮(zhèn)居民人均可支配收入（INC）六個指標對華東地區(qū)的住宅價格變化機制進行面板數(shù)據(jù)分析。

面板數(shù)據(jù)的一般形式為：

為了同時闡述環(huán)境影響中空間與實踐變化造成的影響，面板數(shù)據(jù)模型一般可分為三類：變系數(shù)模型、變截距模型與混合模型，出于模型簡易型的考慮，這里主要在變截距模型與混合模型中選取分析。本文采用黃毅、張學文[17]的方法判別使用哪種模型——構(gòu)造如下統(tǒng)計量：

其中：S2、S3分別為變截距模型與混合模型的殘差平方和。F服從自由度為（N-1，NT-N-1）的F分布。

（二）面板數(shù)據(jù)分析結(jié)果

如表2所示，在通過平穩(wěn)性檢驗的基礎上，首先對個體效應模型與時期效應模型分別進行Hausman檢驗，發(fā)現(xiàn)時期效應的Hausman值為30.777，而個體效應的Hausman值為32.875，二者的檢驗結(jié)果均拒絕了隨機效應的假設，所以時期與個體效應均應采用固定效應來衡量。繼而獲取固定效應下的殘差平方和，以及混合效應下的殘差平方和，以對F值進行檢驗。發(fā)現(xiàn)在個體模型與時期模型下，F(xiàn)值分別為9.013與3.530，均拒絕混合模型的設置，因此我們個體效應與時期效應均采用變截距固定效應模型。合并兩種模型，得到本文采用的雙固定效應模型，其結(jié)構(gòu)如下：

據(jù)此，利用Eviews7.0，使用LS法，對模型進行估計，結(jié)果如下，值得注意的是，由于αi*與γt的理論意義并不明顯，且占據(jù)篇幅較大，本文去除了相關內(nèi)容，而為了有所比較，本文同時匯報了混合效應模型。

表2 面板數(shù)據(jù)分析結(jié)果

首先判斷模型是否合理?？梢园l(fā)現(xiàn)，模型的R2達到0.902，而調(diào)整R2也高達0.883，顯示模型對于實際觀測值具有較好的擬合程度，F(xiàn)=47.182，通過了1%置信水平的檢驗，DW值為1.652，不存在殘差自相關。進一步觀察變量系數(shù)，可以發(fā)現(xiàn)，人均GDP與單位竣工面積房地產(chǎn)開發(fā)投資額的系數(shù)值都相對較小，且未通過顯著性檢驗，對比混合效應模型的結(jié)果，可以發(fā)現(xiàn)，建造成本并不是住宅價格的主要影響因素，而人均GDP在混合效應模型下是顯著的，且P值變動較大，這表明區(qū)域經(jīng)濟發(fā)展水平是形成時期差異與個體差異的主要原因，且其對住宅價格的影響主要就是通過二者來體現(xiàn)。而人均可支配收入、商品房銷售量、金融機構(gòu)貸款、房屋竣工面積都顯著影響住宅價格，并均通過1%置信水平檢驗。其中，人均可支配收入在混合模型中系數(shù)值最大，達到0.332，在變截距模型中則有所下降，但仍保持較高水平，這表明華東地區(qū)居民收入的快速增長是促成住宅價格上漲的重要因素。同時，金融機構(gòu)貸款在兩個模型中的顯著正向作用表明它也是不容忽視的住宅價格催漲因素。而房屋竣工面積在變截距模型中對于住宅價格貢獻最大，其貢獻率達到33.5%，在混合模型中卻只有10.5%，可見，房屋供給量的增加是與住宅價格同向增長的，且當排除一定量的區(qū)域經(jīng)濟差異因素后，這種增長的共向性表現(xiàn)得更為明顯，另一個值得注意的現(xiàn)象是，商品房銷售量對于住宅價格呈現(xiàn)極其顯著的反向作用。這兩個現(xiàn)象表面上看是違背一般經(jīng)濟學規(guī)律的，但這恰恰反映了中國房地產(chǎn)市場語境下的“吊詭”情景。本文認為，這至少反映了我國房產(chǎn)市場的兩大亂相。第一，投機需求過重，市場呈現(xiàn)“非理性繁榮”，地產(chǎn)開發(fā)項目缺乏審慎的可行性分析，將開發(fā)收益過度寄托于未來經(jīng)濟規(guī)模與投機需求的擴張，整個市場逐步演化成一個巨大的“龐氏騙局”；第二，對于地產(chǎn)調(diào)控嚴重依賴于行政手段。在銷售量快速增長的情況下，一般而言，必然伴隨著住宅價格的快速上漲，但從樣本期間來看，當市場呈現(xiàn)這種勢頭時，政府通過各種行政手段抑制了這種增長，但政府往往無法長久貫徹這一政策。因此，在調(diào)控期間，居民對于住宅價格的市場預期還是增長的。最終導致了供需效應的反向結(jié)果。

六、結(jié)論與政策啟示

（一）結(jié)論

不同地區(qū)經(jīng)濟發(fā)展水平、市場開放水平、地方特征等存在差異，也就導致其住宅價格水平呈現(xiàn)不同的時空特征。本文采用區(qū)域差異統(tǒng)計分析方法定量分析華東地區(qū)地級市住宅價格水平的時空分宜特征和相關性，并利用面板數(shù)據(jù)闡述住宅價格的形成機制。

研究發(fā)現(xiàn)，華東地區(qū)的相對差異與絕對差異都呈現(xiàn)持續(xù)增長的態(tài)勢，且在2008年前后增長速度呈現(xiàn)較大差異。另外，總體上，華東地區(qū)的住宅價格水平呈現(xiàn)明顯的空間自相關關系，但從Moran’s I指數(shù)來看，華東地區(qū)區(qū)域內(nèi)部的空間相關性在減弱。在局部空間自相關方面，江西、安徽北部、山東南部等地區(qū)表現(xiàn)為低值聚集；而上海以及浙江大部分地區(qū)呈現(xiàn)高值聚集。另外，局域的空間自相關性以上海經(jīng)濟圈、金華-義烏經(jīng)濟圈、寧波經(jīng)濟圈與溫州經(jīng)濟圈四塊熱點區(qū)域為內(nèi)核，向周邊地區(qū)逐層衰減。從住宅價格收入比看，2005-2008年，區(qū)域內(nèi)部居民收入增長速度快于住宅價格水平增長，但2008-2011年，住宅價格水平增長速度快于居民收入增長速度，將住宅價格與可支配收入比的空間格局重新拉回2005年的水平。而從橫向上來看，住宅價格收入比的空間格局基本與住宅價格的空間格局一致。在重心偏移方面，大部分都有向核心增長區(qū)域偏移的態(tài)勢。但每個省的位移都有其特點。其原因基本可以歸結(jié)為三類：區(qū)域發(fā)展階段存在差異，區(qū)域發(fā)展戰(zhàn)略存在差異，市場環(huán)境的變化。

從變化機制來看，人均可支配收入、商品房銷售量、金融機構(gòu)貸款、房屋竣工面積都顯著影響住宅價格。其中，商品房銷售量對住宅價格產(chǎn)生負向影響，其他產(chǎn)生正向影響。而人均GDP和單位竣工面積房地產(chǎn)投資額都未能產(chǎn)生顯著影響。

（二）政策啟示

根據(jù)前文分析，各省住宅價格格局及其演變情況都各有其特點，都依托于各省的自然、經(jīng)濟、政治背景。因此任何房價調(diào)控政策都應綜合考慮目的性、針對性與時效性?；谶@一要求，本文提出房價調(diào)控政策建議如下。

（1）以住房價格收入比為準繩，強調(diào)政府調(diào)控的目的性。調(diào)整地方政府現(xiàn)有的單純針對房價，而不區(qū)分地區(qū)之間購買力差距的思維。強調(diào)居民購買力水平對于房價高低的評判作用。以“調(diào)節(jié)房價水平”和“健全以稅收、社會保障、轉(zhuǎn)移支付為主要手段的再分配調(diào)節(jié)機制”的相關政策為契機，將穩(wěn)定房價水平與提高居民收入結(jié)合起來，通過經(jīng)濟手段，引導區(qū)域內(nèi)部流動性轉(zhuǎn)向新興制造業(yè)、服務業(yè)。進而優(yōu)化區(qū)域產(chǎn)業(yè)結(jié)構(gòu)，調(diào)整區(qū)域發(fā)展路徑。

（2）以住房價格區(qū)域熱點監(jiān)控機制為抓手，突出政府調(diào)控的針對性。區(qū)域熱點在區(qū)域內(nèi)部對于住房價格反應最為敏感，最容易成為區(qū)域住房價格的“增長極”，根據(jù)本文的方法，可以滾動地獲取區(qū)域熱點，并在此基礎上，建立熱點地區(qū)的監(jiān)控機制。對于熱點地區(qū)的房價變動情況予以更細致、更全面的觀察（精確到各個地產(chǎn)區(qū)塊的各項交易細節(jié)），了解其房價提高的階段性原因，有助于對其房價進行適度調(diào)控，同時對于合理應對擴散效應帶來的周邊地區(qū)的房價上漲有指導意義。

（3）以住房價格預調(diào)控機制為切入點，提升政府調(diào)控的時效性。通過前文我們認識到，華東地區(qū)相對差異變動的主要來源是省級相對差異的變動。也就是說在省內(nèi)部，各個地區(qū)之間的相對差異水平是較為穩(wěn)定的。那么，地方政府可以在此基礎上建立房價調(diào)控政策的自適應體系——根據(jù)周邊城市的房價水平設定引入經(jīng)濟手段的閥值，在周邊地區(qū)房價過高時，自動采取區(qū)域內(nèi)部的緊縮政策。避免在房價水平已進入高點的時候再采用行政手段打壓。

[1]方曉萍，丁四保.中國城市住房價格的地理擴散及其區(qū)域外部性問題[J].地理科學，2012（2）：143-148.

[2]龐瑞秋，趙梓渝，王唯，等.住房制度改革以來長春市新建住宅的空間布局研究[J].地理科學，2013（4）：435-442.

[3]況偉大.預期、投機與中國城市房價波動[J].經(jīng)濟研究，2010（9）：67-78.

[4]孫靜.影響中國城際房價差異的因素分析[J].統(tǒng)計與決策，2013（11）：138-140.

[5]喬林，孔淑紅.我國不同發(fā)展層次城市房價影響因素的差異分析及對策研究[J].特區(qū)經(jīng)濟，2012（5）：210-212.

[6]湯慶園，徐偉，艾福利.基于地理加權回歸的上海市房價空間分異及其影響因子研究[J].經(jīng)濟地理，2012（2）：52-58.

[7]李勇剛，張鵬.土地出讓與房價的互動對居民消費影響研究[J].上海財經(jīng)大學學報，2013（3）：91-96.

[8]曾國安，張河水.中國城市土地價格與商品房價格關系的檢驗[J].當代經(jīng)濟研究，2013（6）：19-25.

[9]Anselin L，Bera A K，F(xiàn)lorax R，et al.Simple Diagnostic Tests for Spatial Dependence[J].Regional Science and Urban Economics，1996，6（1）：77-104

[10]李紅，丁嵩，劉光柱.邊緣省區(qū)縣域經(jīng)濟差異的空間格局演化分析——以廣西為例[J].經(jīng)濟地理，2012（7）：30-36.

[11]王海燕，濮勵杰，張健，等.城鎮(zhèn)建設用地經(jīng)濟密度時空分異的實證分析[J].中國土地科學，2012（4）：47-53.

[12]于麗琦.基于儲蓄和可貸資金角度的城市居民住宅購買力研究[J].建筑經(jīng)濟，2010（4）：36-38.

[13]任超群，顧杰，張娟鋒，等.土地出讓價格信號引起的房價變化時空擴散效應[J].地理研究，2013（6）：1121-1131.

[14]王岳龍，武鵬.房價與地價關系的再檢驗——來自中國28個省的面板數(shù)據(jù)[J].南開經(jīng)濟研究，2009（4）：131-143.

[15]王錦瑜.我國房產(chǎn)價格與銀行貸款、GDP的實證研究[J].商業(yè)經(jīng)濟，2011（3）：3-5.

[16]張中華，林眾，雷鵬.貨幣政策對房價動態(tài)沖擊效果研究——基于供求關系視角[J].經(jīng)濟問題，2013（2）：4-8.

[17]黃毅，張學文.種業(yè)上市公司經(jīng)營績效與非主營業(yè)務的關系[J].經(jīng)濟地理，2012（8）：108-112.