摘?要：一線城市房地產(chǎn)市場發(fā)達，房價水平普遍較高，由于受相同或相似的房地產(chǎn)市場周期變化和房價影響因素的共同作用，這些城市的房價之間必然存在一定的關聯(lián)。文章通過收集北、上、廣、深10年間125期新建商品住宅銷售價格指數(shù)，以VECM模型探討四個城市的房價聯(lián)動和傳導機制，發(fā)現(xiàn)四個城市存在明顯的協(xié)整關系，北京具有“政策市場”特質(zhì)、上海具有“外向型市場”特質(zhì)、廣州具有“內(nèi)需型市場”特質(zhì)、深圳具有“風向標市場”特質(zhì)。

關鍵詞：向量誤差修正模型；格蘭杰因果分析；脈沖響應分析；方差分解

中圖分類號：F293.35文獻標識碼：A文章編號：1005-6432（2023）36-0022-04

DOI：10.13939/j.cnki.zgsc.2023.36.022

1?引言

房地產(chǎn)具有較強的地域性，房地產(chǎn)行業(yè)的發(fā)達程度與地區(qū)的經(jīng)濟發(fā)展水平息息相關。房地產(chǎn)的空間區(qū)位固定性使得其無法自由流通，所以供給、需求、價格都由當?shù)厥袌鰶Q定，當?shù)氐慕?jīng)濟環(huán)境、社會人口、公共政策及自然資源稟賦等都將決定該地區(qū)房地產(chǎn)產(chǎn)品的供給和發(fā)展，因此這種不可移動性和產(chǎn)品生產(chǎn)消費的地域性使得房地產(chǎn)業(yè)的發(fā)展和周期波動不可避免地具有明顯的地域特征。另外，房地產(chǎn)產(chǎn)品的區(qū)域特性會對一個地區(qū)經(jīng)濟的發(fā)展產(chǎn)生較大的外部性，通過房地產(chǎn)的產(chǎn)出、投資、消費和價格來影響該地區(qū)的經(jīng)濟活動，反過來又影響該地區(qū)的經(jīng)濟發(fā)展（梁云芳、高鐵梅，2007）[1]。

北京、上海、廣州、深圳分屬于不同的經(jīng)濟區(qū)域，擁有不同的房地產(chǎn)市場發(fā)展歷程，如果將城市經(jīng)濟學市場細分理論運用到更大空間層面上，在一個聯(lián)系緊密的經(jīng)濟體內(nèi)部，各個區(qū)域子市場的房價間會存在怎樣的相互關系？區(qū)域經(jīng)濟的一體化是否能帶來房地產(chǎn)市場周期變化的相關性和相似性？城市的房價之間有什么樣的聯(lián)系和傳導關系？

2?文獻綜述

有關地區(qū)間房價的聯(lián)動，英國學者最早做了大量的實證研究。Giussani和Hadjimatheou（1991）最早針對自20世紀80年代后半期英國南北方房價間呈現(xiàn)出的擴大趨勢，通過運用統(tǒng)計學和計量經(jīng)濟學方法探討南北區(qū)域間房價的差異，并驗證了連鎖效應假說（Ripple-effect）[2]。Ashworth和Parker（1997）通過分析英國11個地區(qū)房價的決定因素和結(jié)構(gòu)，實證指出不同地區(qū)間房價存在著明顯結(jié)構(gòu)上的相似性，且除蘇格蘭和愛爾蘭，其余地區(qū)存在協(xié)整關系現(xiàn)象。然而在區(qū)域房價空間依賴性測試上，卻對連鎖反應假設提出了懷疑[3]。其他研究還包括發(fā)現(xiàn)倫敦、柏林等中心城市的房屋價格往往領先于其他城市（Holmans，1990；Stevenson，2004）[4-5]。

除此之外，我國學者關注的區(qū)域或城市間房屋價格之間的相互聯(lián)系，也取得了相類似的結(jié)論。鄧世專（2013）以中國內(nèi)地15個典型城市的房屋銷售價格為研究對象，實證分析城市房價間的相關性和傳遞效果，發(fā)現(xiàn)廣、深、滬三地主導城市房價，且三者之間互為影響；而北京、杭州、福州、武漢、成都等城市房價對其相鄰城市房價影響比較顯著，主導區(qū)域內(nèi)房價[6]。田敏（2011）主要探討區(qū)域內(nèi)兩個城市的房價關系，分析廈門和泉州兩個城市1995—2009年的房價數(shù)據(jù)，發(fā)現(xiàn)廈門在兩市房地產(chǎn)市場中起先導作用，廈門房價對泉州有長期的影響，而泉州對廈門僅有短期影響[7]。中國臺灣市場也同樣存在區(qū)域房價之間的關聯(lián)性，Lee和Chien（2011）著重探討地區(qū)房價的穩(wěn)定性以及地區(qū)房價之間的長期關系，通過實證1993年第一季度到2009年第二季度五大區(qū)域城市房價的季度數(shù)據(jù)，發(fā)現(xiàn)相鄰區(qū)域之間存在關聯(lián)性，新北市、桃園-新竹、臺南-高雄三個地區(qū)對臺中存在單向因果關系[8]。

3?研究方法

文章通過收集北、上、廣、深房價指數(shù)的相關數(shù)據(jù)，選取國家統(tǒng)計局主要城市月度價格數(shù)據(jù)庫中新建商品住宅銷售價格指數(shù)（上月=100）指標，對四個城市的房價聯(lián)動機制進行探討，時間范圍從2013年1月到2023年5月共計125期數(shù)據(jù)。

模型的選取首先考慮建立向量自回歸模型（VAR），該模型不事先設定變量間的關系，所有的變量都視為模型內(nèi)生變量，每個變量都由基于自身的和其他變量的滯后項來解釋其演化過程，可以用來預測任一變量變動對所有變量的影響。然而，當時間序列不符合平穩(wěn)性要求時，借由差分方式將扭曲變量間的關系，容易使模型產(chǎn)生偏誤，因此需借助誤差修正項以避免變量差分后長期均衡關系的遺漏。所謂誤差修正即在一個經(jīng)濟體系動態(tài)調(diào)整的過程中，若短期價格偏離長期均衡價格，則短期價格會向長期均衡價格調(diào)整和修正。依據(jù)格蘭杰表示法定理，協(xié)整關系必與向量誤差修正模型（VECM）對應，使時間序列不會偏離長期均衡，而成為兼具短期動態(tài)調(diào)整及長期均衡之動態(tài)過程。

具體的研究流程如下：對四個城市的房價指數(shù)進行ADF和PP單根檢定，通過協(xié)整分析后，配適VECM模型并進一步應用格蘭杰因果分析、脈沖響應分析、方差分解等方法分析四城市房價的相關性。

4?實證研究

4.1?單根檢定

對四個城市的房價指數(shù)時間序列資料進行單根檢定以判斷其穩(wěn)定性，表1結(jié)果顯示四地房價指數(shù)變量數(shù)據(jù)平穩(wěn)。

4.2?協(xié)整分析

對四個城市價格指數(shù)變量序列進行協(xié)整分析，如果存在協(xié)整關系則應用VECM進行后續(xù)分析，否則則建立VAR模型分析。通過協(xié)整分析，可以驗證變量是否存在長期均衡關系。利用VAR確定滯后期數(shù)，在5個評價指標中有3個認為滯后期應為5，?表示VAR（5）估計的結(jié)果較為適宜，因此滯后期為5期。確定滯后期數(shù)之后，協(xié)整分析結(jié)果如表2所示，顯示在95%的置信水平下，Trace?Statistic均大于臨界值，因此拒絕原假設，表明研究變量之間均有著協(xié)整關系，即四城房價指數(shù)之間有一個長期穩(wěn)定的均衡關系。

4.3?格蘭杰因果分析

四個城市之間存在長期穩(wěn)定的均衡關系，但能否構(gòu)成短期因果關系，即到底是自變量影響因變量，或是因變量影響自變量，還是兩者相互影響。通過格蘭杰因果檢定，發(fā)現(xiàn)在10%的置信水平下，四個城市之間存在格蘭杰因果關系，深圳的房價指數(shù)變動會引起北京和上海房價指數(shù)的變動，而北京的房價指數(shù)變動會引起上海和廣州的指數(shù)變動。

4.4?脈沖響應分析

通過建立VECM模型預測一個變量的改變對整個系統(tǒng)中所有變量的影響，即進行脈沖響應分析，結(jié)果如圖2所示。

對于北京來說，短期內(nèi)其他三個城市未預測的經(jīng)濟沖擊對北京房價走勢影響不大，半年后深圳開始對北京有明顯的正向影響，且影響力逐漸增大，廣州對北京的影響持續(xù)維持在10%左右。對于上海來說，短期內(nèi)北京的影響最大，但影響力持續(xù)下降，中長期深圳的影響力上升，廣州的影響依然維持在10%左右。而對于廣州、深圳來說，其他兩個城市的影響趨勢趨于一致，短期內(nèi)北京對廣州、深圳影響最大，中長期廣深之間相互影響。

圖2?四城市脈沖響應分析

資料來源：EViews生成。

4.5?方差分解

除脈沖響應外，VAR?的實證研究也多利用預測誤差方差分解來分析觀察各變量的預測誤差被自我變動解釋的程度以及被其他變量解釋的程度?；谒⒌腣ECM模型和蒙特卡洛100次模擬對四個變量進行方差分解。由圖3觀察各變量價格波動受自身影響的累積效應可以明顯看出，上海的開放程度遠超其他三個城市，與外資的緊密聯(lián)系使得房價受外界因素的影響遠遠大于自身，而北京、深圳在10期后依然保持在80%，反映了自身市場的穩(wěn)定性和成熟性不易受到外界的影響。廣州則在一定程度上既受外界的影響，同時自身的市場價格也具有一定的支撐。

5?研究結(jié)論

北、上、廣、深作為中國四大一線城市，受到人口、土地、城市化、金融政策、投資需求等共性因素和城市定位、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟外向性、房地產(chǎn)市場發(fā)展程度等個性因素的共同作用，各個城市房價之間必然存在著一定的關聯(lián)。文章從房價指數(shù)的變動入手，實證分析四大一線城市的房地產(chǎn)市場的特質(zhì)以及相互間房價的交互影響及傳導機制，取得了以下研究結(jié)論。

（1）北京：“政策市場”特質(zhì)。相對來說北京是最穩(wěn)定成熟的市場，房價波動較?。痪哂幸欢ǖ囊I和帶動作用，與其他一線城市的房價關聯(lián)性也最強，但強烈的內(nèi)生性特征使自身受其他一線城市影響較小。

（2）上海：“外向型市場”特質(zhì)。外向型的經(jīng)濟導致上海的房地產(chǎn)市場存在一定的波動性，房價受外界因素的影響遠遠大于自身。與其他三個一線城市也存在一定的關聯(lián)，上海的房價變動會領先于廣州，短期內(nèi)受北京的影響最大，中長期深圳的影響力上升。

（3）廣州：“內(nèi)需型市場”特質(zhì)。廣州市場在一定程度上既受其他一線城市的影響，同時也具有自身的穩(wěn)定性支撐，所以房價波動小。在所有一線城市中，廣州的房價指數(shù)最為滯后，短期內(nèi)北京對廣州、深圳影響最大，中長期廣深之間相互影響。

（4）深圳：“風向標市場”特質(zhì)。深圳房價波動最大，也領先于其他各一線城市，深圳對其他城市的影響大于其他城市對深圳的影響，相對不易受到外界的影響。

（5）北、上、廣、深四城房價指數(shù)整體之間存在協(xié)整關系，可以達到一種長期穩(wěn)定的均衡關系。

文章從房價指數(shù)出發(fā)，為預測區(qū)域內(nèi)房價的變動、共同應對可能出現(xiàn)的市場波動提供了一種具有現(xiàn)實意義的手段。但需要指出，僅就指數(shù)本身的數(shù)量關系進行研究，并未納入其他可能影響房地產(chǎn)價格變動的各種因素，在一定程度上缺乏經(jīng)濟學理論的支撐，后續(xù)研究中可以考慮納入影響房價變動的各種宏觀經(jīng)濟的各種變量，以面板數(shù)據(jù)模型來實證研究各個城市之間的房價關聯(lián)性，預期將取得更加可信的實證結(jié)果。

參考文獻：

[1]梁云芳，高鐵梅.中國房地產(chǎn)價格波動區(qū)域差異的實證分析[J].經(jīng)濟研究，2007（8）：133-142.

[2]GIUSSANI?B，HADJIMATHEOU?G.Modeling?regional?house?prices?in?the?United?Kingdom[J].Papers?in?regional?science，1991，70（2）：201-219.

[3]ASHWORTH?J，?PARKER?S?C.?Modelling?regional?house?prices?in?the?UK?[J].Scottish?journal?of?political?economy，?1997，44?（3）：225-246.

[4]HOLMANS?A.?House?prices：changes?through?time?at?national?and?sub-national?level［R］.London：?Department?of?the?Environment，1990．

[5]STEVENSON?S.?House?price?diffusion?and?inter-regional?and?cross-border?house?price?dynamics[J].Journal?of?property?research，2004，21（4）：301-320.

[6]鄧世專.中國大中城市房屋價格相關和傳導關系[J].金融理論與實踐，2013（5）：7-11.

[7]田敏.廈門和泉州房地產(chǎn)的發(fā)展[J].群文天地，2011（10）：216.

[8]LEE?C?C，CHIEN?M?S.?Empirical?modeling?of?regional?house?prices?and?the?ripple?effect[J].Urban?studies，2011，48（10）：2029-2047.

［作者簡介］楊郁卓（1989—），男，漢族，廣東廣州人，供職于科學城（廣州）城市更新集團有限公司，臺北大學不動產(chǎn)與城鄉(xiāng)環(huán)境系法學碩士，中山大學人類學系歷史學學士，中級經(jīng)濟師?（房地產(chǎn)經(jīng)濟）、助理會計師、房地產(chǎn)估價師、資產(chǎn)評估師、咨詢工程師（投資）、項目管理專業(yè)認證（PMP），研究方向：房地產(chǎn)經(jīng)濟、房地產(chǎn)公共政策、城市更新、價值評估。