【摘 要】 本文基于2015-2018年河南省18市域面板數據，通過區(qū)域經濟水平、城市盆地效應、預期效應、利率四個維度構造空間計量模型，實證分析河南省房價的溢出效應和影響因素。結果表明：河南省房價存在著空間自相關，呈現出以鄭州為中心的高高集聚，周邊低低集聚和高低集聚。

【關鍵詞】 市域房價 空間計量模型 空間溢出效應

一、引言

對河南省房地產市場而言，由于受到省內各城市經濟發(fā)展水平、居民收入等多種因素的制約，往往具有明顯的市域性特征，房價具有一定的空間分異性，但這種空間分異性并不意味著市域間房價不存在相互聯系。

二、模型的選擇和數據的描述

（一）空間計量模型的選擇

1.空間自相關檢驗——全局Moran I指數

全局 Moran I指數主要是反映變量整體上的空間相關性，其取值范圍為[-1，1]。分析得出，2015-2018年，房價的 Moran I指數一直都為正，且Geary's c、Getis and Ord's G 全局自相關檢驗結果較好，說明存在正向空間依賴性，即某個城市的房價上漲幅度會受到距離相鄰城市的影響而加劇。

2 .空間模型的判定

Hausman 檢驗結果表明模型沒有通過應使用隨機效應的原假設，因此選擇固定效應。Wald和Lratio檢驗結果表明SAR與SEM模型并不適用，個體固定效應和時間固定效應對于模型來說都可以使用，但個體固定效應只能排除不隨時變的個體不可觀測因素所可能導致的內生性問題。而根據我們選擇的解釋變量，結合現實意義應當選擇時間固定效應。加入誤差滯后項AIC和BIC值均變小， 故采用空間杜賓模型（SDM）來進行實證分析是合適的。

（二）空間計量模型的構建

1.基本模型

使用SDM模型的原因在于，當對區(qū)域樣本數據進行空間回歸建模的時候，同時存在兩種情形：一是普通最小二乘回歸模型的擾動項中有空間相關性，二是當處理區(qū)域樣本數據的時候，會有一些與模型中的解釋變量的協方差不為零的解釋變量被忽略掉。空間杜賓模型實質上是加入了空間滯后變量而增強了的空間自回歸（SAR）模型。

2.空間權重矩陣

空間計量方法引入了空間權重矩陣，來表達區(qū)域范圍內各個城市之間在空間位置上的臨近關系。基于上文的分析，無論是相鄰還是非相鄰的城市，均可能對某一城市房價產生空間溢出效應。因此，關于 Wij= （wij） n×n的設定，本文采用地理相鄰權重矩陣。關于地理相鄰權重矩陣的設定：若兩個城市在地理上相鄰，則wij取1，否則取 0。

3.指標的選取和樣本數據的描述

人均GDP，常作為發(fā)展經濟學中衡量經濟發(fā)展狀況的指標，是最重要的宏觀經濟指標之一。城市宜居指數是指對城市適宜居住程度的綜合評價。房價指數即房屋銷售價格指數，是反映一定時期房屋銷售價格變動程度和趨勢的相對數。房價預期指數是以2015年為基年，反映的是由于供求關系及成本波動等因素帶來的價格變動。個人住房公積金貸款利率如果上漲，居民買房的成本就會增加，進而影響房價。

三.實證分析

（一）空間分布

通過Arcmap工具，將房價分為五類，根據自然間斷點分級法（Jenks）分成不同的區(qū)間，顯示出河南省市域間房價的分布圖。通過分布圖可以看出，省會鄭州的房價最高，其次是與鄭州相鄰的洛陽、許昌、開封;除了信陽、濮陽，其他未和鄭州相鄰的城市房價相對低一些，原因是因為把河南省給獨立出來研究，而濮陽、信陽為三省交界的城市，所以相較其他城市房價會偏高。

（二）空間溢出效應分析

在1%的顯著性水平下，通過SDM模型的分析發(fā)現人均生產總值、房價預期指數對本地區(qū)的房價直接效應為正。人均生產總值的溢出效應為負，總效應等于直接效應與溢出效應之和。對河南省區(qū)域而言，人均生產總值每提高1個單位，城市房地產價格會上漲0.064單位;宜居指數每提高1個單位，城市房地產價格會下降42.143單位;房價預期指數每提高1個單位，城市房地產價格會上漲2517.541單位;人個人住房公積金貸款利率每提高1個單位，城市房地產價格會下降2552.967單位。傳統的時間序列和面板數據模型無法評估各項因素對房價的空間溢出效應，因此，如果不考慮空間因素，房價的影響因素會被低估。

四.結論

河南市域間房價具有空間自相關性，呈現出河南以鄭州為中部的高高集聚，周邊市域低低集聚、高低集聚的分布。對房價影響程度最大的是人均gdp這一因素，其次為房價預期指數，而中長期貸款基準利率沒用通過顯著性檢驗。從河南省的角度來看，經濟發(fā)達地區(qū)通過虹吸效應，影響了相對不發(fā)達地區(qū)的房價增長;在宜居的角度上，人們一般更偏向于適合居住的地區(qū)或者環(huán)境，所以是否更宜居對鄰接城市產生了負的溢出效應;從投機的角度上，人們更喜歡在房價增長快的地區(qū)進行房產投機，從而使得目標城市房價的進一步增長。

【參考文獻】

[1] 周亮錦，夏恩君.國外房價影響因素研究綜述[J].技術經濟，2018，37（12）： 111-120.

[2] HOLLY S，PESARAN M H，YAMAGATA T.A spatiotemporal model of house prices in the USA[J].Journal of Econometrics，2010，158（1）：160-173.

[3] SIRMANS G S，MACPHERSON D A，ZIETZ E N. The composition of hedonic pricing models[J].Journal of Real Estate Literature，2005，13（1）：3-43.

作者簡介：吳越（1998年—12月—08日） 女，漢族，河南信陽人，河南大學經濟學院，2016級本科生，專業(yè)：金融學