周建軍　戴為　鞠方　楊營賀

摘要：運用空間計量方法，結合GeoDa軟件，考量湖南省房地產(chǎn)價格影響因素。結果表明：湖南省各地級市間的房地產(chǎn)價格空間效應，主要體現(xiàn)于誤差擾動項中的空間依賴性，土地供應量對湖南省房地產(chǎn)價格影響最大。鑒此，房地產(chǎn)價格調控手段應偏向于金融政策和合理的城鎮(zhèn)化水平。

關鍵詞：湖南?。环康禺a(chǎn)價格；空間計量

一、引言

湖南省作為承接東、西部地區(qū)的重要省份，在經(jīng)濟發(fā)展中占據(jù)重要地位，其房地產(chǎn)市場的發(fā)展也備受關注。就房價水平而言，湖南省商品房平均銷售價格由2001年的1248元迅速上漲至2013年的4243元，2013年同期增長速度達到了4.82%。而就人均收入而言，湖南省城鎮(zhèn)居民人均可支配收入由2001年的6780元上升至2013年的23414元，2013年的同期增長速度為9.82%。2014年湖南省房地產(chǎn)銷售面積和銷售額都低于2013年的水平，不同地級市的房價呈現(xiàn)出不同程度的上漲或下跌。湖南省各地級市間的房地產(chǎn)價格變化是否受到空間效應的影響？本文從房地產(chǎn)價格影響因素的理論出發(fā)，結合空間計量方法對此開展實證研究。

國外多數(shù)學者對房地產(chǎn)價格影響因素的研究主要集中在住房市場的供應與需求方面以及與經(jīng)濟社會聯(lián)系較為緊密的其他因素，如城鎮(zhèn)居民收入、土地供應量、貨幣政策、人口年齡結構及居民就業(yè)水平等方面。Pollakowski（1990）通過實證方法研究表明，在一定程度上對土地供給進行限制后，土地供給的減少將會帶來住宅價格更大程度的上漲，價格上漲的趨勢也更加明顯[1]。Kauko（2003）也認為，當市場上出現(xiàn)富有彈性的土地供給時，土地政策可以在很大程度上影響房地產(chǎn)價格的變化[2]。Malpezzi和Wachter（2005）通過建立一個房地產(chǎn)投機模型，分析得出住房供給和投機都對房價變動產(chǎn)生影響，尤其是供不應求的情況下，投機行為對房價的波動更加明顯[3]。Elbourne（2008）通過研究英國住房市場和貨幣政策之間的關系，以脈沖響應函數(shù)為手段得出結論，認為貨幣供給的變動將會給房價帶來正向響應[4]。Levin、Montagnoli和Wright（2009）通過對人口和房地產(chǎn)價格情況不同的蘇格蘭和英格蘭進行對比研究，發(fā)現(xiàn)人口老齡化對住房需求以及房地產(chǎn)價格變動具有重要影響[5]。Elod（2012）利用多個國家的房價數(shù)據(jù)研究也得出人口因素對房價產(chǎn)生顯著影響的結論[6]。在運用空間計量方法對房地產(chǎn)價格及房地產(chǎn)市場的研究方面，學者通常是將空間計量的相關理論引入到特征價格模型等來實現(xiàn)的。Bitter et al（2007）和Catherine Baumont（2007）在特征價格模型和空間誤差模型估計中引入空間自相關，探討了房地產(chǎn)價格的空間交互影響[7][8]。Holly等（2011）以空間計量模型為基礎研究了英國區(qū)域房地產(chǎn)價格的空間溢出效應，并認為紐約的房價波動對英國房價產(chǎn)生了沖擊[9]。

國內學者對房地產(chǎn)價格的影響主要歸結為以下因素：住房供給、住房需求、經(jīng)濟因素和宏觀政策。供需角度上，龍志和周浩明（2000）把我國的消費市場分為兩大類：商品性消費市場和非商品消費性市場，城鎮(zhèn)居民因兩類市場界定不明促使消費意愿越來越強烈，進而帶動消費市場的繁榮，刺激了房地產(chǎn)價格上漲[10]。秦青、吳婕（2007）通過對城鎮(zhèn)居民購房的期望價格進行定量分析，結論表明居民購房需求意愿對房價變動有著顯著作用[11]。經(jīng)濟角度上，許多學者提出了居民可支配收入、貨幣供應量、貸款利率等對房地產(chǎn)價格的影響。例如，鞠方、歐陽立鵬（2008）從季度數(shù)據(jù)作出實證研究，結果表明可支配收入與我國房價呈正相關，實際利率與房價則呈現(xiàn)出負相關關系 [12]。謝太峰、路偉（2013）采用我國1998—2012年數(shù)據(jù)，通過VAR模型動態(tài)分析得出貨幣供應量增加將驅使房價上漲，貸款利率的提高則會降低房價水平 [13]。宏觀政策角度上，陳欣慰、王藝明、黃榆舒（2011）通過探索政府角色定位，分析房地產(chǎn)業(yè)發(fā)展過程中的政府職能，結論表明同中央政府相比，各地方政府對房地產(chǎn)價格的影響更明顯[14]。另一方面，眾多學者采用不同實證方法對房地產(chǎn)價格的影響進行了研究。沈悅、劉洪玉（2004）采用1995-2002年間住宅價格變化率的數(shù)據(jù)，運用混合樣本回歸分析的方法，結合這些城市各自特征來分析房地產(chǎn)價格變化的原因[15]。周建軍（2009）運用季度數(shù)據(jù)，通過實證研究表明我國城鎮(zhèn)居民可支配收入和土地價格同房地產(chǎn)價格存在著正相關關系，而實際利率水平與之則存在負相關關系[16]。安輝、王瑞東（2013）通過構建自回歸模型實證分析得出房地產(chǎn)調控政策成為影響我國房地產(chǎn)價格的重要因素，其中土地政策和保障房政策有長期影響但存在一定的時滯，貨幣政策和信貸政策則影響相對較小[17]。葛紅玲、段與楊（2014）基于區(qū)域差異的視角建立商品房市場局部均衡模型，實證檢驗表明土地成本和基于地域特征的預期因素對房地產(chǎn)價格具有顯著影響，居民可支配收入、投資偏好、土地收入與財政收入之比等對房價影響存在地域差異[18]。近些年來我國學者在運用空間計量方法研究房價影響因素方面也取得了一定的研究成果。孟斌等（2005）利用空間自相關和空間插值等方法對2003年北京市房地產(chǎn)業(yè)的空間布局及房價進行研究，認為交通通道對房價呈環(huán)狀分布有影響[19]。王鶴（2012）運用空間計量方法對我國房價的空間自相關性進行了檢驗，分析了全國范圍及東、中、西部分區(qū)域房價影響因素的差異[20]。陳胤辰、蔣國洲（2013）通過建立空間計量模型分析海南省城市化進程對房地產(chǎn)開發(fā)活動以及由此帶來的房價變動的影響[21]。楊祚、謝書楠（2014）研究區(qū)域間房地產(chǎn)價格收斂性問題時運用了空間杜賓模型（SDM），分析了經(jīng)濟發(fā)展水平、城鎮(zhèn)居民收入等因素對區(qū)域房價收斂性影響[22]。姚麗等（2014）基于空間計量模型對鄭州市新建住宅房價的空間相關性進行了研究[23]。

既有文獻顯示，對房地產(chǎn)價格變化所引起的動態(tài)影響重視不夠，隨著各地區(qū)間經(jīng)濟交流更加密切，區(qū)域間的空間效應越來越明顯，應加大對空間關聯(lián)性方面的研究。本文在歸納影響湖南省房地產(chǎn)價格四類因素的基礎上對每一類因素進一步細化，并通過空間計量方法和實證檢驗對各因素的影響程度進行排序。

二、空間相關性分析

（一）空間相關性概述

空間計量方法是以空間層面為研究視角，以空間層面上的區(qū)域經(jīng)濟現(xiàn)象所引起的空間效應為研究對象，通過運用計量方法并結合計量軟件進行分析的一類方法。首先需要采用相關的統(tǒng)計方法對研究對象的空間自相關性進行檢驗，即檢驗研究對象的相似性與其在空間上的距離是否密切相關。如存在空間自相關性，則納入空間效應，建立相關空間計量模型進行分析；如不存在，則采用傳統(tǒng)的計量經(jīng)濟學模型分析即可。

驗證空間自相關性的工具主要有兩種：一是全局空間自相關，即使用Moran I、Geary C指數(shù)來測度數(shù)據(jù)在整體系統(tǒng)中的分布情況；二是局部空間自相關，即使用一類數(shù)值和兩類圖形，即G統(tǒng)計量、Moran散點圖以及聚類圖來測度局部子系統(tǒng)所表現(xiàn)出來的分布特征。其中，Moran指數(shù)是最具代表性的空間自相關程度驗證方法，能對臨近空間進行相似性測度，反映空間鄰接或鄰近的區(qū)域單位屬性值的相似程度。主要以坐標形式展現(xiàn)四種關系聚類的空間相關性，而全局Moran指數(shù)值即是Moran散點圖的直線斜率。

（二）空間基尼系數(shù)

空間基尼系數(shù)（Space Gini Coefficient）是在基尼系數(shù)的理論基礎上由經(jīng)濟學家克魯格曼提出來的，該系數(shù)的作用是測度某種因素在空間層面上的產(chǎn)業(yè)集聚程度。公式如下：

表示某一地區(qū)某產(chǎn)業(yè)的就業(yè)人數(shù)在全國該產(chǎn)業(yè)就業(yè)總人數(shù)中的比重， 表示該地區(qū)的就業(yè)人數(shù)在全國總就業(yè)人數(shù)中的比重。空間基尼系數(shù) 的取值范圍為0～1， 越接近于0，說明產(chǎn)業(yè)在地理空間位置上的布局是比較均衡；相反， 越接近于l，說明該產(chǎn)業(yè)在地理空間位置上呈現(xiàn)集中化的布局特征，產(chǎn)業(yè)集聚的程度較高；當 值等于0時，表明該產(chǎn)業(yè)呈現(xiàn)出完全均勻分布的空間地理特征；當 值等于l，表明該產(chǎn)業(yè)是以完全聚集的方式分布?？臻g基尼系數(shù)的第二種表達式為：

其中 為 地區(qū) 產(chǎn)業(yè)的總產(chǎn)出值， 為 地區(qū) 產(chǎn)業(yè)的總產(chǎn)出值占全國該產(chǎn)業(yè)總產(chǎn)出值的比重，排列順序是由低到高， 所表示的是所研究地區(qū)的數(shù)量。

（三）空間自相關測度

本文通過運用GeoDa 0.95i軟件，結合相關數(shù)據(jù)計算得出了湖南省2006-2010年的全局Moran's I 統(tǒng)計值（表1）。結果表明：在1%的顯著性水平下，各地區(qū)的房地產(chǎn)價格的Moran's I統(tǒng)計值通過了地區(qū)間存在相關性的驗證。

表1 2006-2010年湖南省各地區(qū)房地產(chǎn)價格水平的Moran's I統(tǒng)計值

年份 2006 2007 2008 2009 2010

Morans I -0.2036 -0.1698 0.0595 -0.1059 -0.0071

根據(jù)表1所得的統(tǒng)計值可以發(fā)現(xiàn)，除2008年的Moran's I值為正外，其余四個年份均是負值，經(jīng)計算剔除異常年份后的Moran's I值的平均數(shù)為-0.1216。結合之前的基礎理論可以得到如下結論：湖南省14個地級市的房地產(chǎn)價格水平在空間層次上存在著一定的空間效應；以高房價地區(qū)為中心，四周分布著低房價地區(qū)，高低房價地區(qū)間彼此相互影響；空間效應對高房價區(qū)域產(chǎn)生積極作用，而消極作用則是針對低房價區(qū)域。

在計算得出2006-2010年的Moran's I值后，通過進一步采用局部Moran散點圖的方法來判斷和分析房價在空間上的差異及其分布。以2006-2010年湖南省各地區(qū)商品房平均銷售價格為變量，得到Moran散點圖，結果如圖1所示：

圖1 2006-2010年湖南省商品房平均銷售價格的局部Moran散點圖

通過圖1可以看出，各地區(qū)在空間層面上存在空間自相關關系。其中，依據(jù)Moran散點圖空間分布及其含義可以得到如下結果（表2）：

表2 湖南省各地區(qū)Moran散點圖分布情況及含義

象限 區(qū)域 含義

I 湘潭、株洲及岳陽 房地產(chǎn)業(yè)相互集聚，產(chǎn)生積極作用

II 郴州、婁底和益陽 各地區(qū)房地產(chǎn)業(yè)發(fā)展負相關

III 懷化、湘西和常德 地區(qū)間房地產(chǎn)業(yè)發(fā)展相互產(chǎn)生消極作用

Ⅳ 長沙、張家界 地區(qū)間房地產(chǎn)業(yè)相互影響，對高房價有積極作用

注：衡陽同時跨越了第I、第II象限，邵陽同時跨越了第II、第III象限。

（四）空間基尼系數(shù)測度

為了進一步分析湖南省各地區(qū)房地產(chǎn)價格水平的空間效應特征，本文運用第二種方法對2006-2010年的樣本數(shù)據(jù)進行測算，得到的空間基尼系數(shù)如下：

表3 2006-2010年湖南省房地產(chǎn)業(yè)空間基尼系數(shù)

年份 2006 2007 2008 2009 2010

空間基尼系數(shù) 0.5990 0.6081 0.5924 0.6285 0.6049

由表3可知，湖南省房地產(chǎn)業(yè)的空間基尼系數(shù)在這5年間比較穩(wěn)定的分布在0.6左右，說明湖南省房地產(chǎn)業(yè)的發(fā)展呈現(xiàn)較為明顯的空間效應，各個地區(qū)間房地產(chǎn)價格趨勢存在顯著的空間集聚特征。

綜上所述，空間分布圖直觀的顯示了2006-2010年湖南省房價水平的空間分布存在顯著差異；而進一步得出的全局Moran指數(shù)則從定量的角度證明了存在負的空間相關性，空間基尼系數(shù)從整體角度說明了湖南省各地區(qū)房地產(chǎn)業(yè)發(fā)展呈現(xiàn)較明顯的空間效應。因此，各地區(qū)之間房地產(chǎn)業(yè)發(fā)展的空間效應對各地區(qū)之間房地產(chǎn)價格水平產(chǎn)生了影響。本文將以空間效應為前提，通過構建空間計量經(jīng)濟模型進行實證分析，研究各種因素在影響湖南省房地產(chǎn)價格中的作用及程度。

三、湖南省房地產(chǎn)價格影響因素的實證研究

（一）空間計量方法

1. 空間滯后模型

空間滯后模型（SLM）是用來研究區(qū)域經(jīng)濟的溢出效應的存在性問題，其表達式為：

其中 表示空間溢出效應， 為空間滯后因變量，用來表示空間層面上空間距離的影響作用， 為影響系數(shù)。一個區(qū)域的經(jīng)濟行為不僅受到本區(qū)域經(jīng)濟條件、歷史基礎的影響，同時也會由于文化環(huán)境的變化和空間距離的遠近而改變。在這樣的背景下，通過構建空間滯后模型有助于分析區(qū)域間的空間溢出效應，理解空間效應帶來的影響。

2.空間誤差模型

空間誤差模型（SEM）的數(shù)學表達式為：

參數(shù) 反映了變量 對因變量 的影響， 為隨機誤差項向量， 為空間誤差系數(shù)， 為正態(tài)分布的隨機誤差向量。參數(shù) 衡量了樣本觀察值中的空間依賴作用。SEM的空間依賴作用存在于擾動誤差項中，度量了鄰近地區(qū)關于因變量的誤差沖擊對該地區(qū)觀察值的影響程度。

空間滯后模型和空間誤差模型是空間計量經(jīng)濟學模型的基本類型，二者最主要的區(qū)別在于模型中空間相關性的來源不同，空間滯后模型的空間相關性是由各被解釋變量之間存在的空間依賴性而帶來的，而空間誤差模型的空間相關性則是由誤差項帶來的。

（二）SLM、SEM的檢驗與選擇

判斷空間自相關是否存在，以及如何在SLM和SEM這兩個計量模型中選擇更合適的做實證研究，一般可以通過包括拉格朗日乘數(shù)形式的LMERR、LMLAG以及穩(wěn)健的R-LMLAG、R-LMERR等來實現(xiàn)。在空間依賴性的檢驗中，如果LMERR相對于LMLAG更顯著，R-LMERR相對于R-LMLAG更顯著，則SEM的實證擬合效果更好，選擇SEM；反之，則選擇SLM。結合經(jīng)典計量經(jīng)濟學的模型擬合分析，一般采用的是自然對數(shù)的似然函數(shù)值（Log likelihood）以及似然比率（Likelihood Ratio）值、施瓦茨準則（Schwartz criterion，SC）以及赤池信息準則（Akaike information criterion，AIC）來檢驗模型的擬合效果。對數(shù)似然函數(shù)值越大，SC和AIC值越小，模型擬合程度越高效果越好。

（三）指標數(shù)據(jù)處理

1.選取指標數(shù)據(jù)

本文所使用的是湖南省2006-2010年各省市面板數(shù)據(jù)，數(shù)據(jù)主要來源于歷年《湖南統(tǒng)計年鑒》及各地州市統(tǒng)計年鑒等，考慮到長株潭城市群規(guī)劃于2005年批準以及數(shù)據(jù)的可獲得性和可比性，故本文選擇2006-2010做樣本期。

根據(jù)國內外學者對房地產(chǎn)價格影響因素的研究成果并結合我國房地產(chǎn)業(yè)發(fā)展狀況，本文將從需求方面、供給方面、經(jīng)濟方面以及政策方面四個角度選取房地產(chǎn)價格水平的9個影響因子：城鎮(zhèn)居民購買力、消費者預期、替代品、房地產(chǎn)投資規(guī)模、資本供給能力、建筑成本、城鎮(zhèn)化規(guī)模、交通便捷程度、土地供應量。以湖南省各地級市商品房均價作為衡量房地產(chǎn)價格水平的指標，即以各地級市商品房均價為解釋變量，其他9個因素作為因變量，在考慮空間效應的前提下，研究它們對湖南省房地產(chǎn)價格水平的影響程度。具體代理變量選擇如下：

表4 房地產(chǎn)價格影響因素的指標體系

一級指標 二級指標 替代指標

X1城鎮(zhèn)居民購買力 居民存款（億元）

需求因素 X2消費者預期 城鎮(zhèn)居民可支配收入（元）

X3替代品 房屋出租收入（萬元）

X4房地產(chǎn)投資規(guī)模 房地產(chǎn)開發(fā)投資占城鎮(zhèn)固定資產(chǎn)投資比重（%）

供給因素 X5資本供給能力 金融機構貸款（億元）

X6建筑成本 單位規(guī)模工業(yè)增加值能耗（噸煤/萬元）

經(jīng)濟因素 X7城鎮(zhèn)化規(guī)模 城鎮(zhèn)化水平（%）

X8交通便捷程度 高速公路（公里）

政策因素 X9土地供應量 房屋施工面積（平方米）

2.指標數(shù)據(jù)標準化處理

需要對數(shù)據(jù)進行無量綱化才能進行相關的實證研究。運用標準化方法對上述數(shù)據(jù)進行相應的處理，計算公式如下

其中， 為原始數(shù)據(jù)， 為經(jīng)計算所得到的平均數(shù)， 方差， 各因素通過標準化公式處理后的新數(shù)據(jù)。

（四）模型構建和實證過程

1.模型的篩選

首先，關于空間滯后模型（SLM）和空間誤差模型（SEM）模型的選擇，本文依據(jù)前文提出的模型篩選方法，對兩種空間計量模型進行定量擬合分析。表5反映了湖南省房地產(chǎn)業(yè)OLS估計的誤差空間自相關Moran's I檢驗、引入了內生空間滯后變量的SLM拉格朗日乘子誤差、滯后及其穩(wěn)健性（Robust）檢驗以及引入空間誤差沖擊依賴性的SEM拉格朗日乘子誤差、滯后及其穩(wěn)健性（Robust）檢驗。

表5 基于rook空間權重矩陣的空間相關性檢驗

檢驗 指數(shù) 統(tǒng)計量 P值

Moran's I （error） -0.4282 -2.0539 0.0399

Lagrange Multiplier （lag） 0.0072 0.9321

Robust LM （lag） 0.5284 0.4672

Lagrange Multiplier （error） 3.7668 0.0522

Robust LM （error） 4.2880 0.0383

檢驗表明，基于rook空間權值矩陣的Lagrange Multiplier（lag）為0.0072，顯著性水平為93.21%，Robust LM （lag）為0.5284，顯著性水平為46.72%，遠超過正常顯著性水平。而基于rook空間權值矩陣的Lagrange Multiplier（error）為3.7668，顯著性水平為5.22%，Robust LM （error）為4.288，顯著性水平為3.83%，空間誤差模型（SEM）中的Lagrange Multiplier（error）、Robust LM （error）均比空間滯后模型（SLM）中的Lagrange Multiplier（lag）、Robust LM（lag）更為顯著，尤其是基于rook 空間權重矩陣的Lagrange Multiplier（error）、Robust LM （error）值均能通過5%水平的顯著性檢驗，因此空間誤差模型SEM更為可取。

在對湖南省房地產(chǎn)業(yè)的發(fā)展進行空間效應檢驗的前提下，通過納入空間效應的空間計量模型的引入，分析9個主要因素對房地產(chǎn)價格水平的影響程度。本文采用空間計量方法進行實證研究，同時，本文也采用經(jīng)典計量經(jīng)濟學方法中的普通最小二乘法（OLS）進行了回歸分析，以此比較空間計量模型SLM 和SEM的經(jīng)濟擬合效果。

表6 湖南省房地產(chǎn)價格影響因素的OLS估計

模型 β Std.Error t-Statistic

CONSTANT 0.0001 0.0367 0.0001

X1 0.5908 0.5929 0.9965

X2 0.2267 0.2091 1.0844

X3 0.3178 0.358 0.8876

X4 0.4842* 0.1012 4.7847

X5 2.3198*** 0.8716 2.6614

X6 0.0613 0.0789 0.7772

X7 0.9686* 0.1675 5.7824

X8 0.1941*** 0.0751 2.5824

X9 -3.6626 0.7594 -4.8228

R2 0.9941

F-statistic 76.013

Log likelihood 16.6873

AIC -13.3746

SC -6.9839

誤差正態(tài)性檢驗 自由度DF 統(tǒng)計值 Pro

Jarque-Bera 2 1.0287 0.5978

異方差檢驗 自由度DF 統(tǒng)計值 Pro

Breusch-Pagan 9 16.6873 0.0538

Koenker-Bassett 9 11.9497 0.2161

注：① 通過標準化公式分別處理原自變量和因變量后得到新的自變量和因變量；

②* ，**，***和****分別表示通過1%，5%，10%和20%的顯著性水平下的t 檢驗。

表6的OLS實證結果顯示：房地產(chǎn)投資規(guī)模、城鎮(zhèn)化規(guī)模通過了1%的顯著性檢驗，資本供給能力、交通便捷程度通過了20%的顯著性檢驗，而其他變量，如居民購買力、消費者預期、替代品、建筑成本、城鎮(zhèn)化規(guī)模、土地供應量等的顯著性檢驗都達不到要求，這說明對于存在空間效應的湖南省房地產(chǎn)價格的影響因素實證研究，經(jīng)典計量經(jīng)濟學方法的實證結果的經(jīng)濟意義檢驗并不是很好。為了說明納入空間效應的空間計量模型的實證分析與經(jīng)典計量經(jīng)濟學的改進效果，本文將采用SLM 和SEM進行實證分析，實證結果見表7和表8。

表7 基于rook空間權值矩陣的SLM估計

模型 β Std.Error z-value

W_Y 0.009 0.1009 0.0896

CONSTANT -0.001 0.024 -0.0419

X1 0.5864*** 0.3204 1.8299

X2 0.2286** 0.1143 1.9997

X3 0.3049**** 0.2427 1.256

X4 0.4858* 0.0567 8.5647

X5 2.3507* 0.581 4.0458

X6 0.0583 0.0546 1.0664

X7 0.9682* 0.0896 10.798

X8 0.1952* 0.0418 4.6595

X9 -3.6797 0.4485 -8.2045

R2 0.9941

Log likelihood 16.6911

AIC -11.3822

SC -4.3525

異方差檢驗 自由度DF 統(tǒng)計值 Pro

Breusch-Pagan 9 16.5644 0.0559

空間依賴性檢驗 自由度DF 統(tǒng)計值 Pro

Likelihood Ratio 1 0.0076 0.9304

表8 基于rook空間權值矩陣的SEM估計

模型 β Std.Error z-value

CONSTANT -0.0212 0.0043 -4.8944

X1 0.4453* 0.1054 4.2226

X2 0.3432* 0.0605 5.6671

X3 -0.2152 0.2308 -0.9324

X4 0.3882* 0.0359 10.795

X5 3.2723* 0.4393 7.4479

X6 -0.0437 0.0425 -1.0293

X7 1.0063* 0.0292 34.3677

X8 0.1952* 0.0418 4.6595

X9 -3.6797 0.4485 -8.2045

R2 0.9941

Log likelihood 16.6911

AIC -11.3822

模型 β Std.Error z-value

SC -4.3525

異方差檢驗 自由度DF 統(tǒng)計值 Pro

Breusch-Pagan 9 16.5644 0.0559

空間依賴性檢驗 自由度DF 統(tǒng)計值 Pro

Likelihood Ratio 1 0.0076 0.9304

注：①通過標準化公式分別處理原自變量和因變量后得到新的自變量和因變量

②* ，**，***和****分別表示通過1%，5%，10%和20%的顯著性水平下的z 檢驗。

通過對上述表中的檢驗結果分析后可知，三類模型中SLM模型 和SEM模型的各種檢驗值和OLS 模型相比較而言都有所改善，說明更加可取的是選擇控制了空間依賴性后的空間計量經(jīng)濟模型。OLS、SLM、SEM的擬合優(yōu)度均達到了0.99以上，但是SEM的擬合優(yōu)度R2提高到了0.9996；Log L分別從16.6873提高到16.6911和25.3126，并且，納入空間效應后的SEM提高幅度十分顯著；SEM相對于經(jīng)典計量模型OLS ，AIC和SC分別從-13.3746、-6.9839降低到-30.6253、-24.2347，這說明SEM有著更好的模型擬合效果。綜上所述，更加科學、可取的模型應是納入空間效應后SEM。

2.實證結果分析

通過表6、表7和表8的三個模型的擬合效果，選擇SEM模型是進行實證檢驗湖南省房地產(chǎn)價格影響因素最合適的。其空間誤差參數(shù)λ值為0.6533，并且通過了1%水平的顯著性檢驗，檢驗結果表明湖南省的各地區(qū)房地產(chǎn)業(yè)發(fā)展的空間效應主要是通過存在于誤差擾動項中的空間依賴性來體現(xiàn)，而鄰近地區(qū)間的空間集聚、空間溢出效應的作用則不明顯。分析原因可能在于兩個方面：一方面是由于湖南省各地級市的自然地理環(huán)境以及經(jīng)濟基礎的差異顯著，致使房地產(chǎn)業(yè)在省內空間地理上的分布不平穩(wěn)；另一方面由于相鄰地區(qū)間房地產(chǎn)業(yè)形成相互依賴、相互競爭的關系，導致空間效應下各地區(qū)間的房地產(chǎn)價格水平呈現(xiàn)差異化的特征。

本文實證所采用的SEM模型的回歸方程如下：

R2=0.9996 Log likelihood =25.3126

AIC=-30.6253 SC= -24.2347

從回歸方程的結果可以看出替代品（X3）、建筑成本（X6）、土地供應量（X9）等3個影響因素系數(shù)為負，符合實際的經(jīng)濟意義。而在實證結果中，替代品（X3）和建筑成本（X6）這兩個影響因素并沒有通過顯著性檢驗，原因可能是這兩個因素同其他因素相比對房地產(chǎn)價格波動的影響程度不高，而其余7個因素均通過了1%的顯著性水平，對房地產(chǎn)價格的影響十分明顯。其中，土地供應量對湖南省各地區(qū)房地產(chǎn)價格產(chǎn)生負向影響，其余6個因素對湖南省各地區(qū)房地產(chǎn)價格產(chǎn)生正向影響，符合經(jīng)濟學意義。

同時，土地供應量（X9）的產(chǎn)出系數(shù)為-3.99，產(chǎn)生負向最大影響，表明了湖南省各地區(qū)房地產(chǎn)業(yè)價格水平的高低很大程度上受到了各地區(qū)土地供應量的影響，原因在于隨著經(jīng)濟的發(fā)展，土地商品性逐步被激發(fā)，土地的稀缺性直接推高了土地價格，在湖南省經(jīng)濟發(fā)達地區(qū)土地資源日益稀缺，城市的狹小在一定程度上也制約了地區(qū)經(jīng)濟的騰飛，這也直接推動了湖南省“長株潭一體化”城市群的宏觀規(guī)劃。一體化加深了湖南省經(jīng)濟發(fā)達地區(qū)土地供給的稀缺，導致了土地價格的增高，作為房地產(chǎn)成本中占比最重的一個因素，土地價格的升高必然導致房地產(chǎn)價格水平的升高。此外，城鎮(zhèn)化規(guī)模（X7）的產(chǎn)出系數(shù)為1.006，在對湖南省房地產(chǎn)價格水平產(chǎn)生正向影響程度中，排在第二位，與資本供給能力對房地產(chǎn)投資開發(fā)的直接影響不同的是，城鎮(zhèn)化規(guī)模更能在宏觀層面影響房地產(chǎn)價格。一般來說，城鎮(zhèn)化對地區(qū)房地產(chǎn)影響明顯，人口在城市的集中推動了城市房地產(chǎn)需求，因此帶動房地產(chǎn)價格的不斷上漲。湖南省政府于2014年9月24日發(fā)布《湖南省推進新型城鎮(zhèn)化實施綱要（2014-2020）》描繪了未來新型城鎮(zhèn)化的藍圖，綱要指出“一核六軸”的城鎮(zhèn)化發(fā)展格局基本形成，到2020年，全省常住人口城鎮(zhèn)化率達到58%左右，長株潭城市群作為一個“核”的形態(tài)，進而帶動全省城鎮(zhèn)化進程。居民購買力（X1）對湖南房地產(chǎn)價格水平的影響系數(shù)為0.445，在6個實證檢驗顯著的主要因素中排在第三位，并且也是需求因素中，對湖南省房地產(chǎn)價格水平的影響程度最突出的因素。居民購買力越高，對房地產(chǎn)的需求越多，從而增加對房地產(chǎn)的需求。當前，自有存款和個人住房貸款是購房的主要形式，而前期的購房款項則主要來自居民的存款。

在9個主要影響因素中，替代品（X3）和建筑成本（X6）對湖南省房地產(chǎn)價格水平存在負向影響，但沒有通過顯著性檢驗；房地產(chǎn)投資規(guī)模（X4）、消費者預期（X2）以及交通便捷程度（X8）三個因素通過了1%的顯著性水平，但對湖南省房地產(chǎn)價格水平的影響程度不高；其中，交通便捷程度對湖南省房地產(chǎn)價格水平的影響程度最小，這可能是由于湖南省正處于城鎮(zhèn)化發(fā)展的關鍵階段，大量交通基礎設施的建設對當前地區(qū)房地產(chǎn)價格影響具有滯后性，城市綜合體等大型房地產(chǎn)項目的建設一般在交通基礎設施建設后期，但從長遠看，便捷的交通以及地處黃金地段的房地產(chǎn)勢必推高地區(qū)房地產(chǎn)價格。

四、結論與政策建議

從供給、需求、經(jīng)濟和政策四個方面著手，通過理論梳理和實證分析，同時結合我國房地產(chǎn)業(yè)發(fā)展實際，本文初步總結出了影響我國房地產(chǎn)價格波動的9大因素，并運用全局Moran's I、局部Moran散點圖、空間基尼系數(shù)等方法，對湖南省14個地級市房地產(chǎn)業(yè)的發(fā)展情況進行分析，從而構建出影響湖南省房地產(chǎn)價格變化的因素指標體系，在此基礎上，進一步運用空間滯后模型和空間誤差模型對此因素指標進行檢驗研究，得出結論。

實證研究顯示，湖南省各個地級市之間的房地產(chǎn)業(yè)發(fā)展存在空間效應，且該空間效應體現(xiàn)在誤差擾動項中的空間依賴性。一方面，湖南省房地產(chǎn)價格水平Moran's I統(tǒng)計值、局部Moran散點圖和14個地級市的房地產(chǎn)業(yè)空間基尼系數(shù)的數(shù)值描述顯示，湖南省房地產(chǎn)業(yè)發(fā)展具有較高水平的空間依賴性；另一方面，Moran's I平均值-0.1216（2008年除外），表明湖南省各個地級市房價水平在空間分布上呈現(xiàn)負空間相關性。湖南省14個地級市之間發(fā)展產(chǎn)生的相互作用正是這種依賴性的來源。

進一步對湖南省房地產(chǎn)價格水平產(chǎn)生正向影響的因素進行分析，發(fā)現(xiàn)資本供給能力、城鎮(zhèn)化規(guī)模和居民購買力是三大關鍵性影響因素，而房地產(chǎn)投資規(guī)模、消費者預期和交通的便捷程度則影響程度偏低。這說明房地產(chǎn)價格調控手段應該更加偏向于金融政策和合理的城鎮(zhèn)化水平。

參考文獻

[1] Pollakowski， H. O.， Wachter， S. M.The Effects of Land–Use Constraints on Housing Prices [J]， Land Economics， 1990， 66（3）：315-324

[2] Kauko T. The Importuned of the Context and the Level of Analysis： Authors Response[J]. Housing Theory and Society，2003（20）：134-136

[3] Malpezzi， Stephen and Susan M. Wachter. The Role of Speculation in Real Estate Cycles，[J]. Journal of Real Estate Literature，2005（2）：143-164

[4] Elbourne A.The UK Housing Market and the Monetary Policy Transmission Mechanism： An SVAR Approach[J].Journal of Housing Economics，2008，17（01）：65-87

[5] E. Levin ， A. Montagnoli， R. E.Wright. Demographic Change and the Housing Market ： Evidence from a Comparison of Scotland and England [J]. Urban Studies ， 2009 ， 46 （1）：27-43

[6] Elod. Aging and house prices[J]. Journal of Housing Economics， 2012， 21（2）： 131-141.

[7] Bitter C. ， Mulligan G. F. ， Dall'erba S. Incorporating Spatial Variation in Housing Attribute Prices： A Comparison of Geographically Weighted Regression and the Spatial Expansion Method[J]. Journal of Geographical Systems， 2007. （1）： 7-27.

[8] Baumont，C.Neighborhood Effects，Urban Public Policies and Housing Values： A Spatial Econometric Perspective. Université de Bourgogne Laboratoire dEconomie et de Gestion（CNRS），2007.UMR 5118.

[9] Holly，C.，Sean，H.M.，Yamagata，T.The spatial and temporal diffusion of house prices in the UK.Journal of Urban Economics，Vol.69，No1，2011，pp.2-23

[10] 龍志，周浩明.中國城鎮(zhèn)居民預防性儲蓄實證研究[J].經(jīng)濟研究，2000（11）：33-38

[11] 秦青，吳婕.城鎮(zhèn)居民購房主觀意愿對房價形成的影響-基于上海市 2.8 萬戶城鎮(zhèn)居民住房需求問卷調查的分析[J].價格理論與實踐，2007（02）：52-53

[12] 鞠方，歐陽立鵬. 我國房地產(chǎn)價格的影響因素及其合理性研究[J]. 財經(jīng)理論與實踐，2008，04：116-119.

[13] 謝太峰，路偉. 中國貨幣供應量、貸款利率、國民收入對房地產(chǎn)價格影響的實證分析[J]. 首都經(jīng)濟貿(mào)易大學學報，2013，05：21-28.

[14] 陳欣慰，王藝明，黃榆舒.中央、地方財政關系與房地產(chǎn)價格[J].商業(yè)研究，2011（01）：102-106

[15] 沈悅，劉洪玉.住宅價格與經(jīng)濟基本面：1995-2004年中國14城市的實證研究[J].經(jīng)濟研究，2004（6）：78-86

[16] 周建軍. 我國房地產(chǎn)價格的影響因素及其合理性研究[J]. 商業(yè)研究，2009，04：93-96.

[17] 安輝，王瑞東. 我國房地產(chǎn)價格影響因素的實證分析——兼論當前房地產(chǎn)調控政策[J]. 財經(jīng)科學，2013，03：115-124.

[18] 葛紅玲，段與楊. 我國商品房價格影響因素分析——基于區(qū)域差異視角的實證檢驗[J]. 價格理論與實踐，2014，06：75-77.

[19] 孟斌，張景秋，王勁峰，張文忠，郝衛(wèi)秋. 空間分析方法在房地產(chǎn)市場研究中的應用——以北京市為例[J]. 地理研究，2005，06：956-964+1004.

[20] 王鶴. 基于空間計量的房地產(chǎn)價格影響因素分析[J]. 經(jīng)濟評論，2012，01：48-56.

[21] 陳胤辰，蔣國洲. 城市化進程對房地產(chǎn)業(yè)影響的空間計量分析[J]. 統(tǒng)計與決策，2013，05：122-125.

[22] 姚麗，谷國鋒，王建康. 基于空間計量模型的鄭州城市新建住宅空間效應研究[J]. 經(jīng)濟地理，2014，01：69-74+88.

[23] 楊祚，謝書楠. 我國區(qū)域房地產(chǎn)價格的空間計量分析——來自區(qū)域房地產(chǎn)價格斂散性的經(jīng)驗數(shù)據(jù)[J]. 價格理論與實踐，2014，04：62-64.

基于空間計量的湖南省房地產(chǎn)價格影響因素分析

周建軍 戴 為 鞠方 楊營賀

（湘潭大學商學院 湖南湘潭 411105）

作者簡介：

周建軍（1974-），湖南桃江人，湘潭大學商學院教授，博士生導師，南開大學產(chǎn)業(yè)經(jīng)濟學博士，北京師范大學理論經(jīng)濟學博士后，德國弗萊堡大學訪問學者。主要研究城市房地產(chǎn)經(jīng)濟。

基金項目：國家社科基金（編號10BJL018）、國家自科基金（編號71203190）、湖南省社科基金（編號14BR05、14BR06）、湖南省教育廳開放基金（編號15K121）、湖南省教育廳重點項目（編號15A193）、湖南省普通高校學科帶頭人項目資助。

通信地址：

湖南湘潭大學商學院， 周建軍 411105

E—mail： xtdxzjj@126.com；

聯(lián)系人：周建軍 13873205628。

Real Estate Price Impact Factors Analysis Based on Spatial Econometrics in Hunan Province

ZHOUJianjun DAIWei JUFang YANGYinghe

（Business School， Xiangtan University， Xiangtan 411105）

Abstract： This paper used spatial econometric measurement and GeoDa software ， conclusions are as follows through the empirical study ： there are spatial effects in real estate prices in each level city of Hunan province. And the spatial effects play a role mainly through the spatial dependence of error terms. Considering spatial effect， The biggest impact of the factors is land supply.

Keywords： Hunan Province； Real Estate Prices； Spatial Econometric.