城鎮(zhèn)化影響房地產(chǎn)價(jià)格的“直接效應(yīng)”與“間接效應(yīng)”分析
——基于我國(guó)地級(jí)市動(dòng)態(tài)空間杜賓模型

王 鶴 周少君

城鎮(zhèn)化影響房地產(chǎn)價(jià)格的“直接效應(yīng)”與“間接效應(yīng)”分析
——基于我國(guó)地級(jí)市動(dòng)態(tài)空間杜賓模型

王 鶴 周少君*

為考察城鎮(zhèn)化影響房地產(chǎn)價(jià)格的程度及空間相關(guān)特征，本文基于中國(guó) 2000—2012年間的地級(jí)市樣本數(shù)據(jù)，建立房地產(chǎn)價(jià)格的動(dòng)態(tài)空間杜賓模型，測(cè)度城鎮(zhèn)化的直接效應(yīng)和間接效應(yīng)，并探討空間效應(yīng)的差異性。實(shí)證結(jié)果表明：(1)近十年，快速城鎮(zhèn)化是推動(dòng)房地產(chǎn)價(jià)格上漲的一個(gè)重要因素，其影響力度與房屋供給、房地產(chǎn)開(kāi)發(fā)投資相近。(2)城鎮(zhèn)化進(jìn)程的加快，不但會(huì)導(dǎo)致當(dāng)?shù)胤康禺a(chǎn)價(jià)格的上漲(直接效應(yīng))，也會(huì)導(dǎo)致相關(guān)地區(qū)房地產(chǎn)價(jià)格的上漲(間接效應(yīng))，但這種效應(yīng)往往被忽視。(3)就空間距離而言，城鎮(zhèn)化的直接效應(yīng)和間接效應(yīng)均隨著空間相關(guān)距離的增大而減弱；就地理區(qū)位而言，城鎮(zhèn)化的直接效應(yīng)在東北地區(qū)最強(qiáng)，城鎮(zhèn)化的間接效應(yīng)在東部地區(qū)最強(qiáng)；就城市規(guī)模而言，城鎮(zhèn)化的直接效應(yīng)在小城市更大，城鎮(zhèn)化的間接效應(yīng)在大城市更顯著。

房地產(chǎn)價(jià)格；城鎮(zhèn)化；直接效應(yīng)；間接效應(yīng)；動(dòng)態(tài)空間杜賓模型

一、引言與文獻(xiàn)綜述

新型城鎮(zhèn)化建設(shè)是中國(guó)經(jīng)濟(jì)發(fā)展的“中長(zhǎng)期動(dòng)力”和國(guó)家戰(zhàn)略，十六大以來(lái)我國(guó)城鎮(zhèn)化發(fā)展迅速，根據(jù)《中國(guó)發(fā)展報(bào)告 2010》的預(yù)測(cè)分析，將用 20年時(shí)間解決中國(guó)“半城市化”的問(wèn)題，從2010到2030年每年將有2000萬(wàn)中國(guó)農(nóng)民向市民轉(zhuǎn)換，勢(shì)必增強(qiáng)對(duì)城市住房市場(chǎng)的剛性需求，導(dǎo)致城市房地產(chǎn)價(jià)格的平穩(wěn)上升。學(xué)界長(zhǎng)期以來(lái)致力于房地產(chǎn)價(jià)格影響因素的研究，近年來(lái)開(kāi)始就城鎮(zhèn)化與房地產(chǎn)價(jià)格的關(guān)系進(jìn)行了探討，主要包括三個(gè)方面的內(nèi)容。

一是考慮城鎮(zhèn)化與房地產(chǎn)價(jià)格的因果關(guān)系，這類文獻(xiàn)的實(shí)證結(jié)果基本表明城鎮(zhèn)化是引致房地產(chǎn)價(jià)格變化的原因。陳石清和朱玉林(2008)運(yùn)用 Johansen協(xié)整檢驗(yàn)與Granger因果關(guān)系檢驗(yàn)發(fā)現(xiàn)，中國(guó)城市化水平與中國(guó)房地產(chǎn)價(jià)格存在長(zhǎng)期穩(wěn)定的正向變動(dòng)關(guān)系，且城鎮(zhèn)化水平的提高是房地產(chǎn)價(jià)格上升的 Granger原因。另外，范曉萍(2011)通過(guò) EBA 模型對(duì)我國(guó)住宅價(jià)格和城鎮(zhèn)化的關(guān)系做了先驗(yàn)性檢驗(yàn)，發(fā)現(xiàn)現(xiàn)階段城鎮(zhèn)化水平提高會(huì)引起商品住宅價(jià)格的上漲。謝福泉和黃俊暉(2013)同樣認(rèn)為，城鎮(zhèn)化水平與房地產(chǎn)需求、供給都存在顯著的正向相關(guān)關(guān)系，同時(shí)也帶動(dòng)房地產(chǎn)行業(yè)從業(yè)人數(shù)增加和房地產(chǎn)價(jià)格上升。

二是考慮城鎮(zhèn)化影響房地產(chǎn)價(jià)格的機(jī)理，認(rèn)為城鎮(zhèn)化水平的提高將通過(guò)多種途徑促進(jìn)房地產(chǎn)價(jià)格的上漲。程利敏(2013)從人口學(xué)和社會(huì)學(xué)角度指出農(nóng)業(yè)人口轉(zhuǎn)化為城市人口、農(nóng)村生活方式轉(zhuǎn)變?yōu)槌鞘猩罘绞蕉紝⒋龠M(jìn)房地產(chǎn)價(jià)格的上漲。陳彥斌和陳小亮(2013)、董正信和劉全智(2013)認(rèn)為大量農(nóng)村人口轉(zhuǎn)移到城鎮(zhèn)所形成的住房剛性需求將導(dǎo)致房?jī)r(jià)的上漲。王立平(2013)運(yùn)用極值邊界分析模型發(fā)現(xiàn)人口與居民收入增長(zhǎng)所形成的剛性需求依然是影響房地產(chǎn)價(jià)格的“穩(wěn)健性”因素。朱磊(2007)從城市化發(fā)展速度與階段角度分析了快速城市化引致房地產(chǎn)價(jià)格上漲的傳導(dǎo)機(jī)制。Glaeser和Gyourko(2002)、Glaeser和 Ward(2006)研究了美國(guó)土地使用管制對(duì)房地產(chǎn)價(jià)格的影響，發(fā)現(xiàn)日趨強(qiáng)化的人為限制造成對(duì)住房建設(shè)的用地緊張局面，促使了住房?jī)r(jià)格上升。鄭娟?duì)?2008)、白忠菊和楊慶媛(2012)、單志鵬(2013)等從土地供應(yīng)數(shù)量、結(jié)構(gòu)、模式和政策視角探討了土地城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格的影響機(jī)理。

三是考慮城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格的影響程度，但這類文獻(xiàn)就其作用地位存在較大爭(zhēng)議。沈悅和劉洪玉(2004)通過(guò)考察住宅價(jià)格與經(jīng)濟(jì)基本面的關(guān)系發(fā)現(xiàn)，城市總?cè)丝诿吭鲩L(zhǎng) 10%,，住宅價(jià)格將上漲 2%,。駱永民(2011)運(yùn)用四種面板數(shù)據(jù)模型實(shí)證發(fā)現(xiàn)城市化水平對(duì)本地區(qū)和相鄰地區(qū)的房?jī)r(jià)均有顯著的促進(jìn)作用。朱磊(2007)認(rèn)為，2004年到2006年的房地產(chǎn)價(jià)格迅猛攀升源于有效需求的強(qiáng)力支撐，而快速的城市化進(jìn)程功不可沒(méi)。任木榮和劉波(2009)建立的城市化與住宅價(jià)格的動(dòng)態(tài)經(jīng)濟(jì)理論模型表明，城市化進(jìn)程的加快會(huì)導(dǎo)致住宅價(jià)格的快速上漲；通過(guò)面板數(shù)據(jù)的實(shí)證結(jié)果也表明城市化水平對(duì)住宅價(jià)格具有正向積極影響。姜松和王釗(2014)認(rèn)為以非農(nóng)就業(yè)人員衡量的城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格變動(dòng)的影響為負(fù)。韓正龍和王洪衛(wèi)(2014)基于中國(guó) 1999—2010年省級(jí)面板數(shù)據(jù)，從城鄉(xiāng)收入差異視角研究了城鎮(zhèn)化與房地產(chǎn)價(jià)格之間的關(guān)系，實(shí)證結(jié)果表明，城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格的影響不大，僅僅解釋房地產(chǎn)價(jià)格上漲的2%,。

或基于我國(guó)特定地區(qū)(31個(gè)省市)的截面數(shù)據(jù)、面板數(shù)據(jù)背景(馮皓和陸銘，2010)，或基于成熟市場(chǎng)經(jīng)濟(jì)下的房?jī)r(jià)決定，現(xiàn)有文獻(xiàn)對(duì)房?jī)r(jià)變化動(dòng)力因素開(kāi)展了一系列有價(jià)值的研究(李永友，2014)。就城鎮(zhèn)化影響房地產(chǎn)價(jià)格的分析，空間相關(guān)性長(zhǎng)期以來(lái)被忽視。盡管駱永民(2011)、姜松和王釗(2014)等已開(kāi)始關(guān)注這種空間相關(guān)性，但既未深入討論其具體影響方式，也未詳盡分析其差異性。本文以城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格的影響機(jī)制和程度作為焦點(diǎn)，通過(guò)識(shí)別和構(gòu)建動(dòng)態(tài)空間杜賓模型分析中國(guó)地級(jí)及以上城市城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格的影響程度和方式，并進(jìn)一步對(duì)城鎮(zhèn)化的“直接效應(yīng)”與“間接效應(yīng)”進(jìn)行測(cè)度。一般而言，經(jīng)濟(jì)地理學(xué)認(rèn)為空間相關(guān)性會(huì)隨著城市間間隔的擴(kuò)大而逐漸弱化，那么城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格影響的“直接效應(yīng)”與“間接效應(yīng)”是否也具有這一特征呢？此外，地理區(qū)位差異、城市規(guī)模差異是否也會(huì)造成城鎮(zhèn)化影響的空間差異呢？這些將是本文關(guān)注的另一個(gè)重點(diǎn)，即從空間距離、地理區(qū)位、城市規(guī)模角度對(duì)城鎮(zhèn)化影響房地產(chǎn)價(jià)格的空間效應(yīng)差異進(jìn)行分析。

二、城鎮(zhèn)化與房?jī)r(jià)的空間格局

針對(duì)上述文獻(xiàn)討論的城鎮(zhèn)化與房地產(chǎn)價(jià)格可能存在的相互關(guān)系，本部分將運(yùn)用散點(diǎn)圖方法對(duì)中國(guó)城鎮(zhèn)化率與房地產(chǎn)價(jià)格(指標(biāo)選取參見(jiàn)第四部分)的空間自相關(guān)及相關(guān)關(guān)系進(jìn)行初步探索，以期為后續(xù)實(shí)證分析尋求研究基礎(chǔ)。

（一）城鎮(zhèn)化與房?jī)r(jià)的相關(guān)性初探

圖1給出了城鎮(zhèn)化與房?jī)r(jià)的相關(guān)關(guān)系圖。由地級(jí)市數(shù)據(jù)散點(diǎn)圖(圖1a)可知，城鎮(zhèn)化率與商品房平均銷售價(jià)格存在明顯的正相關(guān)關(guān)系，即城鎮(zhèn)化率高的地級(jí)市商品房平均銷售價(jià)格也越高。由省級(jí)數(shù)據(jù)的散點(diǎn)圖(圖1b)可知，城鎮(zhèn)化率高的東部沿海地區(qū)(如廣東省、浙江省、上海市)，商品房平均銷售價(jià)格也較高，而城鎮(zhèn)化率較低的西部地區(qū)(如云南省、貴州省、廣西壯族自治區(qū))，商品房平均銷售價(jià)格也較低。從而可得，無(wú)論從省級(jí)層面還是地級(jí)市層面來(lái)看，城鎮(zhèn)化率的上升都會(huì)促進(jìn)商品房平均銷售價(jià)格的上漲。

圖1 城鎮(zhèn)化與房地產(chǎn)價(jià)格的相關(guān)關(guān)系圖

（二）城鎮(zhèn)化率和房?jī)r(jià)的空間相關(guān)性初探

地理學(xué)第一定律表明不同地區(qū)間的經(jīng)濟(jì)事物往往存在空間相關(guān)性。對(duì)此，我們將運(yùn)用全局空間自相關(guān)指標(biāo)(Moran′s I指數(shù))和局部空間自相關(guān)指標(biāo)(局域 Moran′s I指數(shù))考察城鎮(zhèn)化率與商品房銷售價(jià)格的空間相關(guān)性，前者可以測(cè)度空間自相關(guān)是否顯著存在，后者可以體現(xiàn)個(gè)體集聚特征。

Moran′s I指數(shù)的計(jì)算公式為：

局域Moran′s I指數(shù)的計(jì)算公式為：

表1給出了2000—2012年地級(jí)市商品房銷售價(jià)格與城鎮(zhèn)化率的Moran's I指數(shù)的計(jì)算結(jié)果及檢驗(yàn)值。表1結(jié)果顯示，無(wú)論是商品房平均銷售價(jià)格還是城鎮(zhèn)化率，各年份的Moran's I指數(shù)值皆顯著大于零，這表明各地級(jí)市房?jī)r(jià)與城鎮(zhèn)化率都存在明顯的空間正相關(guān)。其中，商品房平均銷售價(jià)格的Moran's I指數(shù)在2005具有最大值，為0.091；城鎮(zhèn)化率的Moran's I指數(shù)在2006具有最大值，為0.112。因此，在實(shí)證過(guò)程考慮房?jī)r(jià)與城鎮(zhèn)化率的空間相關(guān)是必要的，否則將存在回歸偏誤(Anselin，1988)，許多研究也已開(kāi)始關(guān)注這種區(qū)域間的空間相關(guān)性(如王鶴，2012；陳浪南和王鶴，2012)。

表1 地級(jí)市商品房平均銷售價(jià)格與城鎮(zhèn)化率的Moran′s I指數(shù)

圖2分別給出了2012年地級(jí)市商品房銷售價(jià)格、城鎮(zhèn)化率的Moran's I散點(diǎn)圖①由于篇幅問(wèn)題，其它年份商品房銷售價(jià)格、城鎮(zhèn)化率的Moran's I散點(diǎn)圖未一一給出，結(jié)果具有相似性。，在(圖2a)和(圖2b)中，第 1象限為 H-H(High-High)型地區(qū)，第 2象限為 L-H(Low-High)型地區(qū)，第 3象限為 L-L(Low-Low)型地區(qū)，第 4象限為 H-L(High-Low)型地區(qū)②Moran's I散點(diǎn)圖給出單一變量的空間集聚特征，其中，H-H型地區(qū)(第1象限)指本身和其相關(guān)地區(qū)觀測(cè)值都較大；L-H型地區(qū)(第2象限)指本身有較小觀測(cè)值，但其相關(guān)地區(qū)觀測(cè)值較大；L-L型(第3象限)地區(qū)指本身和其相關(guān)地區(qū)觀測(cè)值都較小；H-L型地區(qū)(第4象限)指本身觀測(cè)值較大，但其相關(guān)地區(qū)觀測(cè)值較小。。圖 2結(jié)果顯示，不同區(qū)域間商品房平均銷售價(jià)格、城鎮(zhèn)化率的空間關(guān)聯(lián)狀況具有不同特征。由于地級(jí)市較多，我們只分析部分具有代表性且局域 Moran′s I指數(shù)顯著(1%,)③在5%和1%的顯著水平下，商品房平均銷售價(jià)格的局域Moran′s I指數(shù)顯著的地級(jí)市數(shù)分別有42個(gè)、19個(gè)，城鎮(zhèn)化率的局域Moran′s I指數(shù)顯著的地級(jí)市數(shù)有118個(gè)、84個(gè)。的地級(jí)市。就商品房平均銷售價(jià)格而言，共有 12個(gè)地級(jí)市顯著位于 H-H型地區(qū)(主要集中在東部沿海省份，浙江6個(gè)，江蘇2個(gè)，遼寧1個(gè)，海南2個(gè)，上海1個(gè))；北京市與漢中市位于H-L型地區(qū)；保山市位于L-H型地區(qū)；金昌市、武威市、巴彥淖爾市與長(zhǎng)治市位于L-L型地區(qū)。就城鎮(zhèn)化率而言，共37個(gè)地級(jí)市顯著位于H-H型地區(qū)(所屬省份分別為廣東7個(gè)，安徽4個(gè)，北京、福建3個(gè)，江蘇10個(gè)，山東3個(gè)，上海、天津、浙江7個(gè))；共34個(gè)地級(jí)市顯著位于L-L型地區(qū)，主要位于西部地區(qū)；安慶市、六安市、宣城市、汕尾市、保定市、聊城市、衢州市顯著位于L-H型地區(qū)，主要為中東部次發(fā)達(dá)的地區(qū)；蘭州市、貴陽(yáng)市、海口市、成都市、南充市、烏魯木齊市顯著位于H-L型地區(qū)，主要為西部地區(qū)發(fā)展較快的地級(jí)市。

圖2 2012年商品房?jī)r(jià)格與城鎮(zhèn)化率 Moran 散點(diǎn)圖

上述研究結(jié)果表明，我國(guó)各地級(jí)市的城鎮(zhèn)化率與房地產(chǎn)價(jià)格均存在空間相關(guān)性，但這種空間相關(guān)性在不同區(qū)域內(nèi)表現(xiàn)出差異性。本文后繼部分將在建立房地產(chǎn)價(jià)格空間計(jì)量模型基礎(chǔ)上，分析城鎮(zhèn)化影響房地產(chǎn)價(jià)格的空間效應(yīng)及差異。

三、城鎮(zhèn)化影響房?jī)r(jià)的計(jì)量模型設(shè)定

（一）空間計(jì)量經(jīng)濟(jì)模型

考慮到被解釋變量存在的空間相關(guān)性、時(shí)間相關(guān)性，解釋變量存在的空間相關(guān)性，本文建立區(qū)域房?jī)r(jià)的動(dòng)態(tài)空間杜賓模型(Dynamic Spatial Durbin Model)①Debarsy 等(2012)給出了動(dòng)態(tài)空間杜賓模型，Elhorst(2014)對(duì)動(dòng)態(tài)空間面板數(shù)據(jù)模型進(jìn)行系統(tǒng)歸納總結(jié)(其中包括動(dòng)態(tài)空間杜賓模型)，Elhorst等(2010)、Ertur和Koch(2007)等將動(dòng)態(tài)空間面板數(shù)據(jù)模型運(yùn)用到應(yīng)用領(lǐng)域。進(jìn)行實(shí)證分析。

其中，Pt為各地區(qū)在時(shí)期t的房?jī)r(jià)，Pt-1為區(qū)域房?jī)r(jià)的時(shí)間滯后項(xiàng)，Wn為n× n維空間加權(quán)矩陣，具體選取方法見(jiàn)第四部分，WnPt為區(qū)域房?jī)r(jià)的空間滯后項(xiàng)，Xt為各地區(qū)在時(shí)期t的城鎮(zhèn)化率，WnXt為城鎮(zhèn)化率的空間滯后項(xiàng)，Zt為n×k維控制變量矩陣，c為 n×1維個(gè)體固定效應(yīng)項(xiàng)，。當(dāng)τ=0時(shí)，為靜態(tài)空間面板數(shù)據(jù)模型；當(dāng)時(shí)，為動(dòng)態(tài)面板數(shù)據(jù)模型；當(dāng)時(shí)，為普通面板數(shù)據(jù)模型。

關(guān)于動(dòng)態(tài)空間面板數(shù)據(jù)模型的估計(jì)，Yu 等(2008)在探討了其擬極大似然估計(jì)量的漸近性質(zhì)后(有偏估計(jì)量)，構(gòu)建了一個(gè)糾偏估計(jì)量(CSDMLE)，Elhorst(2010)考察了CSDMLE的小樣本性質(zhì)②動(dòng)態(tài)空間杜賓模型與動(dòng)態(tài)空間滯后模型(前者在解釋變量中比后者多一類外生解釋變量 WnXt)的估計(jì)方法基本相似。因此，Yu等(2008)所考慮的動(dòng)態(tài)空間滯后模型糾偏估計(jì)量(CSDMLE)可以直接運(yùn)用至本文。。

（二）直接與間接效應(yīng)

在信息集的獨(dú)立性假設(shè)下，線性模型回歸參數(shù)作為因變量對(duì)自變量的偏導(dǎo)數(shù)具有直接的解釋力。當(dāng)模型中包含因變量或自變量的空間或時(shí)間滯后項(xiàng)時(shí)，對(duì)參數(shù)的解釋變得復(fù)雜而豐富。空間計(jì)量模型通過(guò)引入空間滯后項(xiàng)而拓展了觀測(cè)值之間的相關(guān)結(jié)構(gòu)，正是因?yàn)檫@樣，其回歸系數(shù)包含了大量相關(guān)區(qū)域(或觀測(cè)值)的交互信息。任意給定的解釋變量某一觀測(cè)值(或地區(qū))的改變不僅會(huì)影響該地區(qū)本身(稱之為直接效應(yīng))，并將潛在地影響相關(guān)地區(qū)的因變量(稱之為間接效應(yīng))。

直接效應(yīng)測(cè)度自變量每變化一個(gè)單位對(duì)本區(qū)域因變量影響的大小，而間接效應(yīng)測(cè)量的是自變量每變化一個(gè)單位對(duì)其它相關(guān)區(qū)域因變量影響的大小，二者皆可由因變量對(duì)自變量求偏導(dǎo)數(shù)得出。模型(3)中，因變量的數(shù)學(xué)期望 () E P在時(shí)期t對(duì)解釋變量(X、Z)的偏導(dǎo)數(shù)分別為：

由式(5)可知：(1)偏導(dǎo)數(shù)矩陣中對(duì)角線上的元素體現(xiàn)了直接效應(yīng)，而非對(duì)角線上的元素體現(xiàn)的是間接效應(yīng)；(2)不同個(gè)體的直接效應(yīng)和間接效應(yīng)各不相同；(3)直接效應(yīng)和間接效應(yīng)大小皆與時(shí)期t無(wú)關(guān)；(4)若β2=0，直接效應(yīng)與間接效應(yīng)比值與1β無(wú)關(guān)，從而所有外生解釋變量直接、間接效應(yīng)比值相同(Elhorst，2014)，如式(6)。針對(duì)直接效應(yīng)和間接效應(yīng)各不相同帶來(lái)的顯示問(wèn)題，LeSage和 Pace(2010)提出了一種簡(jiǎn)潔方法(平均指標(biāo)法)：(1)平均直接效應(yīng)，由偏導(dǎo)數(shù)矩陣所有對(duì)角線上元素的計(jì)算平均值得出；(2)平均間接效應(yīng)，由偏導(dǎo)數(shù)矩陣所有非對(duì)角線上元素的計(jì)算平均值得出(其中，偏導(dǎo)數(shù)矩陣中第j列上非對(duì)角線元素的平均值為來(lái)自第j個(gè)觀測(cè)值的平均間接效應(yīng))；(3)平均總效應(yīng)，由平均直接效應(yīng)加平均間接效應(yīng)得出(其中，偏導(dǎo)數(shù)矩陣中第j列元素的平均值為來(lái)自第j個(gè)觀測(cè)值的平均總效應(yīng))。

四、城鎮(zhèn)化影響房?jī)r(jià)的實(shí)證分析

（一）數(shù)據(jù)來(lái)源與加權(quán)矩陣

1. 數(shù)據(jù)來(lái)源與指標(biāo)說(shuō)明

本文研究的數(shù)據(jù)樣本為商品房銷售額、商品房銷售面積、非農(nóng)就業(yè)人數(shù)、總就業(yè)人數(shù)、城鎮(zhèn)居民人均可支配收入、房屋建筑竣工面積、房地產(chǎn)開(kāi)發(fā)投資額、貸款基準(zhǔn)利率及市轄區(qū)人口密度的地級(jí)市數(shù)據(jù)，取樣區(qū)間為2000—2012年，數(shù)據(jù)來(lái)源于歷年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、《中國(guó)城市統(tǒng)計(jì)年鑒》。其關(guān)鍵變量具體說(shuō)明如下。

(1) 房地產(chǎn)價(jià)格(l_recopr)為本文的被解釋變量，采用地級(jí)市商品房平均銷售價(jià)格對(duì)數(shù)表示，地級(jí)市商品房平均銷售價(jià)格由商品房銷售額除以商品房銷售面積得到。

(2) 城鎮(zhèn)化率(urb_rate)為本文的核心解釋變量，用非農(nóng)就業(yè)人數(shù)占總就業(yè)人數(shù)的比重反映。人口比重指標(biāo)法①具體計(jì)算公式為： 城鎮(zhèn)化率=(非農(nóng)人口數(shù)/年末總?cè)丝跀?shù)) ×100%。是目前通用的一種測(cè)算城鎮(zhèn)化率方法②測(cè)度城鎮(zhèn)化率的其它方法包括城鎮(zhèn)土地利用比重指標(biāo)法、工業(yè)化率指標(biāo)法。，但就非農(nóng)人口的確定標(biāo)準(zhǔn)不一樣，又包括常住人口比重法、戶籍人口比重法(杜幗男和蔡繼明，2013)、非農(nóng)人口就業(yè)比重法(陸銘和陳釗，2004)。參照陸銘和陳釗(2004)、姜松和王釗(2014)等的方法，本文使用戶籍人口比重法測(cè)算城鎮(zhèn)化率，即用非農(nóng)就業(yè)人數(shù)占總就業(yè)人數(shù)比重來(lái)反映③感謝匿名審稿人提出的寶貴意見(jiàn)。。原因有二：一是只有部分地級(jí)市近年來(lái)才開(kāi)始公布城鎮(zhèn)常住人口數(shù)據(jù)，無(wú)法使用常住人口比重法；二是戶籍人口比重法往往因?yàn)椴糠殖擎?zhèn)人口沒(méi)有城鎮(zhèn)戶口而低估城鎮(zhèn)化水平。

含鉍四聯(lián)療法包括：奧美拉唑腸溶膠囊、左氧氟沙星膠囊阿莫西林膠囊與枸櫞酸鉍鉀膠囊[9-10]，其能夠阻止細(xì)菌定值黏附于胃黏膜上皮，一定程度降低了Hp感染對(duì)藥物的耐藥性，效果顯著，而本次的研究組，在對(duì)照組基礎(chǔ)上加用雙歧桿菌四聯(lián)活菌片[11]，其屬于微生態(tài)制劑，具有較強(qiáng)的耐酸性，還要文獻(xiàn)表明，雙歧桿菌四聯(lián)活菌片能夠補(bǔ)充患者機(jī)體腸道的正常菌群[12]，調(diào)節(jié)胃腸道酸度，增加胃腸道運(yùn)動(dòng)，在降低藥物不良反應(yīng)方面價(jià)值顯著。

(3) 其它控制變量。城鎮(zhèn)居民人均可支配收入(l_dis_inc)，取對(duì)數(shù)形式。該變量用來(lái)體現(xiàn)城鎮(zhèn)居民收入變化對(duì)房地產(chǎn)價(jià)格變動(dòng)的影響(需求方角度)。理論上，城鎮(zhèn)居民人均可支配收入的提高可增強(qiáng)居民的購(gòu)買(mǎi)能力，促使房地產(chǎn)價(jià)格上漲。房屋建筑竣工面積(l_cofsbc)，取對(duì)數(shù)形式。該變量用來(lái)體現(xiàn)房屋供給量變化對(duì)房地產(chǎn)價(jià)格變動(dòng)的影響(供給方角度)。理論上，房屋建筑竣工面積上升會(huì)增加房屋供給，促使房地產(chǎn)價(jià)格下跌。房地產(chǎn)開(kāi)發(fā)投資(l_inre)，取對(duì)數(shù)形式，體現(xiàn)房地產(chǎn)開(kāi)發(fā)投資額對(duì)房地產(chǎn)價(jià)格的影響。一年期貸款基準(zhǔn)利率(intrat)，根據(jù)中國(guó)人民銀行歷年存貸款基準(zhǔn)利率表整理而得④基準(zhǔn)利率包括一年期、三年期、五年期等類別，選用一年期貸款基準(zhǔn)利率是因?yàn)閭€(gè)人住房貸款利率在每年初時(shí)變動(dòng)。，體現(xiàn)國(guó)家宏觀調(diào)控政策對(duì)房地產(chǎn)價(jià)格的影響。市轄區(qū)人口密度(l_dens_dist)，取對(duì)數(shù)形式，體現(xiàn)房屋“剛性需求”形成的購(gòu)買(mǎi)壓力對(duì)房地產(chǎn)價(jià)格的影響。

去除有較多缺失值的地級(jí)市(如拉薩市、隴南市)，去除期間市縣合并與撤消樣本(巢湖、中衛(wèi)市)，去除可能的離群點(diǎn)樣本(房?jī)r(jià)非常高而城鎮(zhèn)化率很低，如溫州、金華；或城鎮(zhèn)化率非常高而房?jī)r(jià)很低，如嘉峪關(guān)市、鶴崗市、伊春市、烏海市、克拉瑪依市)，最后獲得 275個(gè)樣本地級(jí)市。為了確保數(shù)據(jù)的可比性，運(yùn)用同年省級(jí)價(jià)格指數(shù)⑤鑒于一直無(wú)法搜集到所有地級(jí)市歷年價(jià)格指數(shù)，如西藏統(tǒng)計(jì)年鑒中未公布 2010年以前各地級(jí)市價(jià)格指數(shù)，湖南省統(tǒng)計(jì)年鑒中 2006年以后未公布地級(jí)市價(jià)格指數(shù)，2002—2006年公布的是14個(gè)調(diào)查市縣價(jià)格指數(shù)，等等，最后統(tǒng)一運(yùn)用省級(jí)數(shù)據(jù)進(jìn)行平減。對(duì)商品房平均銷售價(jià)格、城鎮(zhèn)居民人均可支配收入進(jìn)行平減。相關(guān)變量的統(tǒng)計(jì)性描述如表2所示。

表2 關(guān)鍵變量的統(tǒng)計(jì)性描述

2. 空間加權(quán)矩陣的選取

從模型的估計(jì)和效應(yīng)的測(cè)度都可以看出，空間加權(quán)矩陣的選擇對(duì)實(shí)證結(jié)果十分重要，基于鄰近(假設(shè)事物的聯(lián)系僅僅存在于具有共同邊界的地區(qū)之間，兩個(gè)地區(qū)擁有共同的邊界取值為 1，兩個(gè)地區(qū)沒(méi)有共同的邊界取值為 0)或距離(假設(shè)兩個(gè)地區(qū)之間空間交互作用與兩個(gè)地區(qū)之間的距離成反比)建立的空間權(quán)重是最直觀也是最常用的方式。由拉薩等多個(gè)地級(jí)數(shù)據(jù)缺失①，空間鄰近矩陣難以真實(shí)反映空間關(guān)聯(lián)情況。因此，本文選用空間距離加權(quán)矩陣，其元素取值為：

其中dij為地級(jí)市i與地級(jí)市j首府所在地的地表距離，具體數(shù)值通過(guò)計(jì)算地級(jí)市首府所在地經(jīng)緯度②的球面半正矢距離(Haversine Distance)獲得。

（二）回歸結(jié)果

根據(jù)第三部分所建立的區(qū)域房?jī)r(jià)動(dòng)態(tài)空間杜賓模型(式(3))，采用糾偏極大似然估計(jì)法(Yu et al.，2008)對(duì)我國(guó)2000—2012年地級(jí)市房地產(chǎn)價(jià)格進(jìn)行回歸，結(jié)果見(jiàn)表3 列(4)。為了對(duì)比，表 3還給出了面板數(shù)據(jù)模型的混合樣本最小二乘(POLS)估計(jì)(列1)、固定效應(yīng)模型最小二乘虛擬變量(LSDV)估計(jì)(列 2)、靜態(tài)空間面板模型的 MLE估計(jì)結(jié)果(列3)(Lee and Yu，2010)。

由表 3的回歸結(jié)果可知，在分析房地產(chǎn)價(jià)格時(shí)，應(yīng)充分考慮其時(shí)間相關(guān)性和空間相關(guān)性，即運(yùn)用動(dòng)態(tài)空間面板數(shù)據(jù)模型是合理的。首先，在所有的回歸結(jié)果中，房地產(chǎn)價(jià)格時(shí)間滯后項(xiàng)(L.l_recopr)和空間滯后項(xiàng)(W*l_recopr)的彈性系數(shù)皆顯著不為零(通過(guò) 1%,的顯著水平)。然后，解釋變量的回歸系數(shù)表明城鎮(zhèn)化率(urb_rate)、房屋建筑竣工面積(l_cofsbc)及房地產(chǎn)開(kāi)發(fā)投資(l_inre)是影響房地產(chǎn)價(jià)格的重要因素(基本上所有模型中皆顯著)。但當(dāng)未考慮房?jī)r(jià)空間相關(guān)性時(shí)，房屋建筑竣工面積的回歸系數(shù)在LSDV估計(jì)中顯著為正(0.069,2)，市轄區(qū)人口密度(l_dens_dist)的回歸系數(shù)在POLS估計(jì)中顯著為負(fù)(-0.061,4)，這顯然與理論分析結(jié)論不一致。

表3 城鎮(zhèn)化與城市房?jī)r(jià)的估計(jì)結(jié)果

表3中動(dòng)態(tài)空間杜賓模型(列4)的估計(jì)結(jié)果顯示，城鎮(zhèn)化率的回歸系數(shù)為0.105，且通過(guò)了統(tǒng)計(jì)檢驗(yàn)(1%,顯著水平下)，表明城鎮(zhèn)化進(jìn)程加快促進(jìn)了房地產(chǎn)價(jià)格的上漲，且城鎮(zhèn)化率提高 1%,，房地產(chǎn)價(jià)上漲 0.105%,。不難看出，城鎮(zhèn)化率的快速提高增加了對(duì)我國(guó)各城市住房的需求，從而提高了房?jī)r(jià)，這也間接驗(yàn)證了美國(guó)地理學(xué)家諾瑟姆(Northam Ray，1979)提出的關(guān)于城鎮(zhèn)化發(fā)展的 S型曲線①當(dāng)城鎮(zhèn)化率超過(guò) 30%時(shí)，其城鎮(zhèn)化歷程進(jìn)入快速發(fā)展階段，隨著人口和產(chǎn)業(yè)向城市集中，市區(qū)將出現(xiàn)住房緊張等一系列問(wèn)題。。各地級(jí)市的房地產(chǎn)價(jià)格同樣還受房屋建筑竣工面積(回歸系數(shù)顯著為負(fù))、房地產(chǎn)開(kāi)發(fā)投資(回歸系數(shù)顯著為正)、上一期房地產(chǎn)價(jià)格(回歸系數(shù)τ顯著為正)和相關(guān)地區(qū)房地產(chǎn)價(jià)格(回歸系數(shù)δ顯著為正)影響。

比較所有模型外生變量的回歸系數(shù)可知，若忽略了城市間房地產(chǎn)空間相關(guān)性，將高估各因素對(duì)房地產(chǎn)價(jià)格的影響，但在本文所考慮的房地產(chǎn)價(jià)格影響因素中，城鎮(zhèn)化的影響被高估成份最小。以固定效應(yīng)模型與靜態(tài)空間杜賓模型為例，房地產(chǎn)開(kāi)發(fā)投資的回歸系數(shù)由 0.021,1下降到 0.006,1(其它控制變量回歸系數(shù)下降幅度更大)，而城鎮(zhèn)化率的回歸系數(shù)由0.595,1下降到0.194,5。

為進(jìn)一步探討空間計(jì)量模型中回歸系數(shù)所包含的交互信息，表 4給出了外生解釋變量的平均直接效應(yīng)、平均間接效應(yīng)及平均總效應(yīng)估計(jì)值。表4中，奇數(shù)列為靜態(tài)空間杜賓模型的各種效應(yīng)估計(jì)值(基于表3中列3得)，偶數(shù)列為動(dòng)態(tài)空間杜賓模型的各種效應(yīng)估計(jì)值(基于表3中列4得)。

表4 直接效應(yīng)與間接效應(yīng)估計(jì)值

由表 4的估計(jì)結(jié)果可得，靜態(tài)空間杜賓模型下，城鎮(zhèn)化率的直接效應(yīng)為 0.195，即城鎮(zhèn)化率每增長(zhǎng) 1%,，當(dāng)?shù)胤康禺a(chǎn)價(jià)格將上漲 0.195%,。注意，直接效應(yīng)(0.195,2)大于回歸系數(shù)(0.194,5)①直接效應(yīng)與回歸系數(shù)的顯著水平也不盡相同。，是因?yàn)橹苯有?yīng)包含了“反饋效應(yīng)”②解釋變量本地區(qū)值的變化通過(guò)影響相關(guān)區(qū)域值的變化再反過(guò)來(lái)對(duì)本地區(qū)值變化的影響。。城鎮(zhèn)化率的間接效應(yīng)為0.523，即城鎮(zhèn)化率每增長(zhǎng) 1%,，相關(guān)地級(jí)市房地產(chǎn)價(jià)格共上漲 0.523%,。盡管城鎮(zhèn)化率對(duì)房地產(chǎn)價(jià)格的間接效應(yīng)(0.523)在數(shù)值上大于直接效應(yīng)(0.195)，但對(duì)單一地級(jí)市而言，間接效應(yīng)(0.001,9)遠(yuǎn)小于直接效應(yīng)③274個(gè)相關(guān)地級(jí)市城鎮(zhèn)化率對(duì)當(dāng)?shù)胤康禺a(chǎn)價(jià)格的間接效應(yīng)為0.523，平均為0.0019(0.523/274)。。房地產(chǎn)開(kāi)發(fā)投資的直接效應(yīng)與間接效應(yīng)顯著為0.006,1和0.016,3。動(dòng)態(tài)空間杜賓模型下，估計(jì)結(jié)果與靜態(tài)空間杜賓模型相似，且房屋建筑竣工面積的直接效應(yīng)與總效應(yīng)顯著為負(fù)。以上分析表明，城鎮(zhèn)化率的上升、房地產(chǎn)開(kāi)發(fā)投資的增加將促使當(dāng)?shù)睾拖嚓P(guān)地區(qū)房地產(chǎn)價(jià)格上漲，而房屋建筑竣工面積的增加將導(dǎo)致當(dāng)?shù)胤康禺a(chǎn)價(jià)格下跌。

五、空間效應(yīng)差異的進(jìn)一步探討

表3和表4給出了全域性的實(shí)證結(jié)果，即全國(guó)范圍內(nèi)各地級(jí)市房地產(chǎn)價(jià)格的平均情況。然而，各地級(jí)市本身的特征(地理區(qū)位、城鎮(zhèn)人口規(guī)模等)和房地產(chǎn)市場(chǎng)的屬性(區(qū)域性、投資性、弱流動(dòng)性等)均可能導(dǎo)致空間相關(guān)存在差異性(第二部分的 Moran散點(diǎn)圖也已指出)。本部分將從空間距離、地理區(qū)位、城市規(guī)模角度對(duì)城鎮(zhèn)化影響房地產(chǎn)價(jià)格的空間效應(yīng)差異進(jìn)行分析。

（一）空間距離差異

空間相關(guān)效應(yīng)是否會(huì)隨著空間距離的改變而變化是空間計(jì)量經(jīng)濟(jì)模型(空間加權(quán)矩陣下)關(guān)注的一個(gè)重要問(wèn)題。表 5給出不同空間距離下的動(dòng)態(tài)空間杜賓模型估計(jì)結(jié)果(具體估計(jì)方法同表 3中列(4))。其中，列(1)設(shè)定空間相關(guān)性只存在于 200公里以內(nèi)的地級(jí)市，列(2)、列(3)、列(4)依次設(shè)定為400公里、600公里、800公里。表5中數(shù)據(jù)結(jié)果顯示：

(1) 房地產(chǎn)價(jià)格空間滯后項(xiàng)回歸系數(shù)的估計(jì)值隨地區(qū)間空間距離的增大而減小，具體從表5中列(1)的0.245,4遞減到表5中列(4)的0.163,6，且全部顯著不為零，表明各地級(jí)市間房地產(chǎn)價(jià)格存在顯著的空間相關(guān)性，且相近地級(jí)市之間房地產(chǎn)價(jià)格聯(lián)系更為緊密，200公里以內(nèi)房地產(chǎn)價(jià)格空間相關(guān)強(qiáng)度為800公里以內(nèi)的1.5倍，符合“地理學(xué)第一定律”。

(2) 城鎮(zhèn)化率的直接效應(yīng)會(huì)隨著空間加權(quán)矩陣選取距離的增加而減弱①，即城鎮(zhèn)化率對(duì)當(dāng)?shù)胤康禺a(chǎn)價(jià)格的影響會(huì)隨所考慮的相關(guān)地級(jí)市增加而降低。當(dāng)所考慮的地級(jí)市地面距離小于 400公里時(shí)，城市率上升對(duì)當(dāng)?shù)胤康禺a(chǎn)價(jià)格的影響最大，參數(shù)估計(jì)值為0.116；而當(dāng)所考慮的地級(jí)市地面距離達(dá)到 800公里時(shí)，城市率上升對(duì)當(dāng)?shù)胤康禺a(chǎn)價(jià)格的影響降至 0.088。這意味著當(dāng)所考慮的相關(guān)地級(jí)市越多時(shí)，城鎮(zhèn)居民對(duì)居住的選擇就越多，從而對(duì)當(dāng)?shù)胤康禺a(chǎn)價(jià)格的影響越小。城鎮(zhèn)化率對(duì)相關(guān)地級(jí)市房地產(chǎn)價(jià)格的影響(間接效應(yīng))隨著空間加權(quán)矩陣選取距離的增加而減弱。當(dāng)各地級(jí)市間的地面距離小于200公里時(shí)，城鎮(zhèn)化率的間接效應(yīng)為0.037，而當(dāng)各地級(jí)市間的地面距離超過(guò)800公里時(shí)，城鎮(zhèn)化率的間接效應(yīng)為 0.017。這是因?yàn)殡S著空間加權(quán)矩陣設(shè)定范圍的擴(kuò)展包含了更多較遠(yuǎn)的地級(jí)市而攤薄了相關(guān)地級(jí)市房地產(chǎn)價(jià)格之間的相互影響程度。此外，對(duì)比兩種效應(yīng)的估計(jì)值可得，城鎮(zhèn)化率的間接效應(yīng)下降速度(下降 54.06%,)遠(yuǎn)快于城鎮(zhèn)化率的直接效應(yīng)(下降23.48%,)。

表5 空間效應(yīng)的距離范圍差異估計(jì)結(jié)果

(3) 控制變量的直接效應(yīng)與間接效應(yīng)特征。房屋建筑竣工面積的直接效應(yīng)與間接效應(yīng)皆顯著為負(fù)且絕對(duì)值呈遞減趨勢(shì)；房地產(chǎn)開(kāi)發(fā)投資的直接效應(yīng)與間接效應(yīng)顯著為正，且其直接效應(yīng)呈遞增趨勢(shì)，其間接效應(yīng)在400公里內(nèi)達(dá)最大值；其它控制變量的直接效應(yīng)與間接效應(yīng)均不顯著。

(4) 總效應(yīng)測(cè)度了各個(gè)外生解釋變量對(duì)房地產(chǎn)價(jià)格的影響程度。城鎮(zhèn)化率與房屋建筑竣工面積對(duì)房地產(chǎn)價(jià)格的影響程度將隨著空間相關(guān)距離的增大而減小，房地產(chǎn)開(kāi)發(fā)投資的影響趨向平穩(wěn)，其它控制變量的影響不顯著。現(xiàn)我們以相關(guān)距離為 200公里的回歸結(jié)果說(shuō)明各個(gè)外生解釋變量的重要性。此時(shí)，城鎮(zhèn)化率的總效應(yīng)為 0.152，即城鎮(zhèn)化率每提高1%,，房地產(chǎn)價(jià)格將上漲0.152%,；房地產(chǎn)開(kāi)發(fā)投資的總效應(yīng)為0.036，房屋建筑竣工面積的總效應(yīng)為-0.018。根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)，2000—2012年中國(guó)的商品房平均售價(jià)從 2112元/平方米上漲到 5791元/平方米，同期，城鎮(zhèn)化率從36.22%,上升到 52.57%,，房地產(chǎn)開(kāi)發(fā)投資額從 4984.1 億元上升至 71803.8億元，房屋建筑竣工面積從18.2億平方米增加至33.6億平方米。剔除價(jià)格因素后①，真實(shí)的商品房?jī)r(jià)格上漲了1.05倍，房地產(chǎn)開(kāi)發(fā)投資額增加了9.07倍，城鎮(zhèn)化率提高了16.38%,，房屋建筑竣工面積增加了 84.62%,。結(jié)合對(duì)總效應(yīng)的估計(jì)結(jié)果，城鎮(zhèn)化率上漲 16.38個(gè)百分點(diǎn)意味著促使房地產(chǎn)價(jià)格上漲了2.49個(gè)百分點(diǎn)，而房地產(chǎn)開(kāi)發(fā)投資額增加促使房地產(chǎn)價(jià)格上漲了 3.27個(gè)百分點(diǎn)，房屋建筑竣工面積增加促使房地產(chǎn)價(jià)格下降了 1.56個(gè)百分點(diǎn)。

（二）地理區(qū)位差異

我國(guó)區(qū)域發(fā)展不平衡，東部地區(qū)、中部地區(qū)、西部地區(qū)和東北地區(qū)的房地產(chǎn)價(jià)格和城鎮(zhèn)化都存在著巨大差異(在樣本區(qū)間內(nèi)，房地產(chǎn)價(jià)格的平均值分別為 2838.1、1621.5、1710.8、2090.1，城鎮(zhèn)化率的平均值分別為65.3%,、54.8%,、47.7%,、58.3%,)；且東部城鎮(zhèn)密集，空間距離小，西部地區(qū)城市間距離較大。因此，在分析空間效應(yīng)時(shí)，有必要考察城鎮(zhèn)化影響房地產(chǎn)價(jià)格的地理區(qū)域差異性。表 6分別給出東部(列(1))、中部(列(2))、西部(列(3))和東北地區(qū)(列(4))房地產(chǎn)價(jià)格的動(dòng)態(tài)空間杜賓模型估計(jì)(CSDMLE)結(jié)果。

表 6中數(shù)據(jù)顯示：第一，在東部地區(qū)、中部地區(qū)和東北地區(qū)，房地產(chǎn)價(jià)格受相關(guān)地級(jí)市房地產(chǎn)價(jià)格的顯著影響，而在西部地區(qū)，該影響不再顯著。這可能是因?yàn)椋谖鞑康貐^(qū)內(nèi)，城市間距離較大，房地產(chǎn)價(jià)格之間的相互影響也就較小。第二，在東部地區(qū)、東北地區(qū)、中部地區(qū)和西部地區(qū)內(nèi)，相關(guān)地級(jí)市城鎮(zhèn)率的提高均正向影響本地級(jí)市房地產(chǎn)價(jià)格，但只有東部地區(qū)在 1%,的顯著水平下影響。這可能是因?yàn)闁|部地區(qū)城市密集(城市間空間距離較小)，加上“高鐵時(shí)代”的來(lái)臨及“大城市病”的顯現(xiàn)，使得東部地區(qū)內(nèi)城市間“可達(dá)性”強(qiáng)和“雙城生活”成為現(xiàn)實(shí)。第三，比較各地區(qū)房地產(chǎn)價(jià)格因素的總效應(yīng)可得，城市化率在東部地區(qū)(1.276,8)和西部地區(qū)(0.503,3)的影響顯著為正；房屋建筑竣工面積在中部地區(qū)(-0.059,6)的影響顯著為負(fù)；房地產(chǎn)開(kāi)發(fā)投資額在中部地區(qū)(0.005,9)的影響顯著為正。

（三）城市規(guī)模差異

房地產(chǎn)價(jià)格及其變化往往也因城市規(guī)模的差異而不同，表 7進(jìn)一步給出了不同規(guī)模城市房地產(chǎn)價(jià)格的動(dòng)態(tài)空間杜賓模型估計(jì)(CSDMLE)結(jié)果。城市規(guī)模依據(jù)地級(jí)市市轄區(qū)城市人口數(shù)劃分。2014年 11月，國(guó)務(wù)院發(fā)布《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》(國(guó)發(fā)〔2014〕51號(hào))，將城市劃分為五類七檔，為確保樣本容量，我們將大城市、特大城市和超大城市合并為大城市。表7中，列(1)、列(2)、列(3)分別為小城市、中等城市和大城市所在地級(jí)市的估計(jì)結(jié)果。

表 7中數(shù)據(jù)顯示：第一，大城市所在地級(jí)市之間房地產(chǎn)價(jià)格相關(guān)程度更高，列(3)中房地產(chǎn)價(jià)格空間滯后項(xiàng)回歸系數(shù)的估計(jì)值為 0.157,2，且高度顯著；中等城市和小城市所在地級(jí)市之間房地產(chǎn)價(jià)格相關(guān)程度依次減弱，列(2)、列(1)中房地產(chǎn)價(jià)格空間滯后項(xiàng)回歸系數(shù)的估計(jì)值分別為 0.130,9、0.045,0，且已不顯著。第二，當(dāng)?shù)爻鞘谢蕦?duì)小城市所在地級(jí)市房地產(chǎn)價(jià)格的影響更大(0.323,9)，相關(guān)地級(jí)市城市化率對(duì)大城市所在地級(jí)市房地產(chǎn)價(jià)格的影響更為顯著(0.743,0)。第三，房屋建筑竣工面積對(duì)大城市所在地級(jí)市房地產(chǎn)價(jià)格的直接效應(yīng)(-0.029,5)、間接效應(yīng)(-0.005,4)和總效應(yīng)(-0.034,9)均顯著為負(fù)，而對(duì)小城市所在地級(jí)市房地產(chǎn)價(jià)格的間接效應(yīng)不顯著。這表明增加大城市房屋建筑竣工面積，不僅導(dǎo)致本地房地產(chǎn)價(jià)格的下降，還將有利于限制其它地級(jí)市房?jī)r(jià)上漲；而增加小城市房屋建筑竣工面積，也將促使當(dāng)?shù)胤康禺a(chǎn)價(jià)格的下降。

六、結(jié) 語(yǔ)

長(zhǎng)期以來(lái)，我國(guó)學(xué)術(shù)界從多個(gè)方面研究了房地產(chǎn)價(jià)格的影響因素，但較少?gòu)某擎?zhèn)化角度考慮。美國(guó)地理學(xué)家諾瑟姆(Northam Ray，1979)提出的城鎮(zhèn)化發(fā)展S型曲線認(rèn)為，在城鎮(zhèn)化的快速發(fā)展階段，市區(qū)將出現(xiàn)住房緊張等一系列問(wèn)題。那么，在當(dāng)今的中國(guó)，城鎮(zhèn)化的快速發(fā)展是否會(huì)促進(jìn)房地產(chǎn)價(jià)格的上漲就成為了本研究的主要關(guān)注點(diǎn)。

首先，本文使用探索性空間數(shù)據(jù)分析工具研究了 2000—2012年間中國(guó)商品房平均銷售價(jià)格與城鎮(zhèn)化率的空間分布格局與空間相關(guān)特征。結(jié)果顯示，無(wú)論是商品房平均銷售價(jià)格，還是城鎮(zhèn)化率在各年份皆存在明顯的空間正相關(guān)，且不同區(qū)域間商品房平均銷售價(jià)格與城鎮(zhèn)化率的空間關(guān)聯(lián)狀況具有不同特征。就其區(qū)位分布特征而言，位于L-L型地區(qū)的地級(jí)市主要處于西部地區(qū)，而位于H-H型地區(qū)的地級(jí)市主要處于東部地區(qū)。

其次，本文通過(guò)空間滯后項(xiàng)來(lái)體現(xiàn)房地產(chǎn)價(jià)格與城鎮(zhèn)化的空間相關(guān)性，建立動(dòng)態(tài)空間杜賓模型分析房地產(chǎn)價(jià)格的影響因素，特別是城鎮(zhèn)化的影響。在這里動(dòng)態(tài)空間杜賓模型可將房地產(chǎn)價(jià)格的時(shí)間相關(guān)性、空間相關(guān)性及其它外生影響因素納到一個(gè)統(tǒng)一的計(jì)量框架中，使用近十多年二百七十多個(gè)地級(jí)及以上城市數(shù)據(jù)進(jìn)行實(shí)證分析。計(jì)量結(jié)果發(fā)現(xiàn)，一方面，上一期的房?jī)r(jià)、相關(guān)地區(qū)的房?jī)r(jià)、城鎮(zhèn)化、房屋供給及房地產(chǎn)開(kāi)發(fā)投資皆會(huì)影響當(dāng)?shù)氐姆康禺a(chǎn)價(jià)格；另一方面，若忽略了房地產(chǎn)價(jià)格的空間相關(guān)，將高估各因素對(duì)房地產(chǎn)價(jià)格的影響，但城鎮(zhèn)化的影響被高估成份最小，即城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格的影響相對(duì)被低估了，這也部分解釋了現(xiàn)有文獻(xiàn)對(duì)此問(wèn)題的爭(zhēng)議。

再次，為了充分探討空間計(jì)量模型中回歸系數(shù)所包含的交互信息，在計(jì)量分析之后，我們通過(guò)估計(jì)總效應(yīng)、直接效應(yīng)和間接效應(yīng)來(lái)測(cè)度城鎮(zhèn)化率及其它外生解釋變量對(duì)房?jī)r(jià)的影響程度與方式。總效應(yīng)的測(cè)度結(jié)果表明，城鎮(zhèn)化進(jìn)程是推動(dòng)房地產(chǎn)價(jià)格上漲的重要因素，其影響程度與房地產(chǎn)開(kāi)發(fā)投資、房屋供給增加基本相似；直接效應(yīng)和間接效應(yīng)則顯示，一個(gè)地區(qū)城鎮(zhèn)化進(jìn)程的加快，既會(huì)導(dǎo)致當(dāng)?shù)胤康禺a(chǎn)價(jià)格的上漲(直接效應(yīng))，同時(shí)也會(huì)導(dǎo)致相關(guān)地區(qū)房地產(chǎn)價(jià)格的上漲(間接效應(yīng))。顯然，對(duì)單個(gè)相關(guān)地區(qū)間接效應(yīng)要遠(yuǎn)小于直接效應(yīng)，且城鎮(zhèn)化率的提升通過(guò)兩種方式影響當(dāng)?shù)胤康禺a(chǎn)價(jià)格的上漲，其一是通過(guò)直接增加對(duì)當(dāng)?shù)胤康禺a(chǎn)的需求，由回歸系數(shù)體現(xiàn)，其二是通過(guò)增加對(duì)相關(guān)地區(qū)房地產(chǎn)的需求，由“反饋效應(yīng)”體現(xiàn)。

最后，本文所關(guān)注的另一個(gè)重要問(wèn)題是城鎮(zhèn)化影響房地產(chǎn)價(jià)格的空間效應(yīng)是否存在差異性。從空間距離、地理區(qū)位、城市規(guī)模角度進(jìn)行了分析，實(shí)證結(jié)果表明，就空間距離而言，城鎮(zhèn)化的直接效應(yīng)、間接效應(yīng)和總效應(yīng)均隨著空間相關(guān)距離的增大而減弱，城市間房地產(chǎn)價(jià)格的空間相關(guān)性也將隨著城市間空間距離的增大而減小；就地理區(qū)位而言，房地產(chǎn)價(jià)格空間相關(guān)程度在東北地區(qū)最高，城鎮(zhèn)化的直接效應(yīng)在東北地區(qū)最強(qiáng)，城鎮(zhèn)化的間接效應(yīng)在東部地區(qū)最強(qiáng)；就城市規(guī)模而言，房地產(chǎn)價(jià)格空間相關(guān)程度在大城市更高，城鎮(zhèn)化的直接效應(yīng)在小城市更大，城鎮(zhèn)化的間接效應(yīng)在大城市更顯著。

［1］ 白忠菊，楊慶媛. 土地供應(yīng)、房?jī)r(jià)波動(dòng)與地方政府的或然態(tài)勢(shì)[J]. 改革，2012(11)：83-90.

［2］ 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.

［3］ 陳石清，朱玉林. 中國(guó)城市化水平與房地產(chǎn)價(jià)格的實(shí)證分析[J]. 經(jīng)濟(jì)問(wèn)題，2008(1)：47-49.

［4］ 陳彥斌，陳小亮. 人口老齡化對(duì)中國(guó)城鎮(zhèn)住房需求的影響[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2013(5)：45-58.

［5］ 程利敏. 新型城鎮(zhèn)化對(duì)房地產(chǎn)價(jià)格影響程度的實(shí)證研究[J]. 河南科技學(xué)院學(xué)報(bào)，2013(11)：11-14.

［6］ 單志鵬. 在宏觀調(diào)控中土地政策對(duì)房地產(chǎn)市場(chǎng)的影響效果研究[D]. 吉林：吉林大學(xué)，2013.

［7］ 董正信，劉全智. 我國(guó)城鎮(zhèn)化發(fā)展與房地產(chǎn)價(jià)格關(guān)系的實(shí)證分析[J]. 統(tǒng)計(jì)與管理，2013(5)：83-84.

［8］ 董志勇等. 房地產(chǎn)價(jià)格影響因素分析：基于中國(guó)各省市的面板數(shù)據(jù)的實(shí)證研究[J]. 中國(guó)地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2010(10)：98-103.

［9］ 杜幗男，蔡繼明. 城市化測(cè)算方法的比較與選擇[J]. 當(dāng)代經(jīng)濟(jì)研究，2013(10)：31-40.

［10］ 馮 皓，陸 銘. 通過(guò)買(mǎi)房而擇校：教育影響房?jī)r(jià)的經(jīng)驗(yàn)證據(jù)與政策含義[J]. 世界經(jīng)濟(jì)，2010(12)：89-104.

［11］ 韓正龍，王洪衛(wèi). 區(qū)域差異、城鎮(zhèn)化與房地產(chǎn)價(jià)格——來(lái)自中國(guó)房地產(chǎn)市場(chǎng)的證據(jù)[J]. 經(jīng)濟(jì)問(wèn)題探索，2014(2)，63-70.

［12］ 況偉大. 房產(chǎn)稅、地價(jià)與房?jī)r(jià)[J]. 中國(guó)軟科學(xué)，2012(4)：25-37.

［13］ 李永友. 房?jī)r(jià)上漲中的需求因素和漣漪效應(yīng)[J]. 經(jīng)濟(jì)學(xué)季刊，2014(1)：443-464.

［14］ 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.

［15］ 梁云芳，高鐵梅. 中國(guó)房地產(chǎn)價(jià)格波動(dòng)區(qū)域差異的實(shí)證分析[J]. 經(jīng)濟(jì)研究，2007(8)：l33-142.

［16］ 陸 銘，陳 釗. 城市化、城市傾向的經(jīng)濟(jì)政策與城鄉(xiāng)收入差距[J]. 經(jīng)濟(jì)研究，2004(6)：50-58.

［17］ 姜 松，王 釗. 中國(guó)城鎮(zhèn)化與房?jī)r(jià)變動(dòng)的空間計(jì)量分析[J]. 科研管理，2014(11)：163-170.

［18］ 平新喬，陳敏彥. 融資、地價(jià)與樓盤(pán)價(jià)格趨勢(shì)[J]. 世界經(jīng)濟(jì)，2004(7)：3-10.

［19］ 任木榮，劉 波. 房?jī)r(jià)與城市化的關(guān)系——基于省際面板數(shù)據(jù)的實(shí)證分析[J]. 南方經(jīng)濟(jì)，2009(2)：41-49.

［20］ 沈 悅，劉洪玉. 住宅價(jià)格與經(jīng)濟(jì)基本面：1995—2002年中國(guó)14城市的實(shí)證研究[J]. 經(jīng)濟(jì)研究，2004(6)：78-86.

［21］ 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.

［22］ 王 鶴，潘愛(ài)民，陳湘州. 經(jīng)濟(jì)環(huán)境、調(diào)控政策與區(qū)域房?jī)r(jià)——基于面板數(shù)據(jù)同期強(qiáng)相關(guān)視角[J]. 南方經(jīng)濟(jì)，2014(6)：56-74.

［23］ 王立平. 我國(guó)房地產(chǎn)價(jià)格“穩(wěn)健性”影響因素實(shí)證研究[J]. 管理世界，2013(10)：184-185.

［24］ 謝福泉，黃俊暉. 城鎮(zhèn)化與房地產(chǎn)市場(chǎng)供需：基于中國(guó)數(shù)據(jù)的檢驗(yàn)[J]. 上海經(jīng)濟(jì)研究，2013(8)：115-123.

［25］ 嚴(yán)金海. 中國(guó)的房?jī)r(jià)與地價(jià)：理論、實(shí)證和政策分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006(1)：17-26.

［26］ 鄭娟?duì)? 土地供應(yīng)模式和供應(yīng)量影響房?jī)r(jià)的理論探索與實(shí)證研究[D]. 浙江：浙江大學(xué)，2008.

［27］ 周京奎. 貨幣政策、銀行貸款與住宅價(jià)格——對(duì)中國(guó)4個(gè)直轄市的實(shí)證研究[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2005(5)：22-27.

［28］ 朱 磊. 潛在過(guò)度城市化視角下房地產(chǎn)價(jià)格攀升探析[J]. 經(jīng)濟(jì)與管理，2007(7)：5-9.

［29］ Debarsy N.，Ertur C.，LeSage J. P. Interpreting Dynamic Space-time Panel Data Models[J]. Statistical Methodology，2012，9(1)：158-71.

［30］ Dumm R. E.，Sirmans G. S.，Smersh G. T. Building Codes，Wind Contours and House Price[J]. Journal of Real Estate Research，2012，34：73-98.

［31］ Elhorst J. P. Dynamic Panels with Endogenous Interaction Effects[J]. Regional Science and Urban Economics，2010，40(5)：272-82.

［32］ Elhorst J. P. Spatial Econometrics：From Cross-sectional Data to Spatial Panels[M]. Springer，2014.

［33］ Ertur C.，Koch W. Growth，Technological Interdependence and Spatial Externalities：Theory and Evidence[J]. Journal of Applied Econometrics，2007，22(6)：1033-62.

［34］ Glaeser E. L.，Gyourko J. The Impact of Zoning on Housing Affordability[R]. NBER Working Paper，2002，No. 8835.

［35］ Glaeser E. L.，Ward B. A. The Causes and Consequences of Land Use Regulation：Evidence from Greater Boston[R]. NBER Working Paper，2006，No. 12601.

［36］ Harter-Dreiman M. Drawing Inferences about Housing Supply Elasticity from House Price Responses to Income Shocks[J]. Journal of Urban Economics，2004，55(2)：316-37.

［37］ LeSage J.，Pace R. K. Introduction to Spatial Econometrics[M]. CRC Press，2010.

［38］ Northam Ray M. Urban Geography [M]. New York：John Wiley & Sons，1979.

［39］ Posedel P.，Vizek M. The Nonlinear House Price Adjustment Process in Developed and Transition Countries[M]. Ekonomski Institute，2010.

［40］ Sutton G. D. Explaining Changes in House Prices[J]. BIS Quarterly Review，2002(9)：46-55.

［41］ Yu J.，Jong de R.，Lee L. f. Quasi-maximum Likelihood Estimators for Spatial Dynamic Panel Data with Fixed Effects When Both n and T are Large[J]. Journal of Econometrics，2008，146(1)：118-34.

JEL Classification：C23 O18

The Analysis of the "Direct Effect" and "Indirect Effect" of Urbanization Affects on Real Estate Prices：Based on the Dynamic Spatial Durbin Model of Prefecture-level Cities

Wang He1and Zhou ShaoJun2
(1. School of Business，Hunan University of Science and Technology，Xiangtan 411201，China；2.School of Public Finance & Taxation，Guangdong University of Finance & Economics，Guangzhou 510320，China)

In order to examine rapid urbanization impact on real estate prices and space-related characteristics，based on prefecture-level city in China between 2000-2012 sample data，we established a dynamic spatial Durbin model to measure the direct and indirect effects，and to explore the spatial effect of differences. The results show that：(1)In recent ten years，rapid urbanization is an important factor in real estate prices，its influence is similar to housing supply and real estate investment.(2)The urbanization of a region，not only will lead to local real estate prices rise(direct effect)，but also lead to rising prices of related areas(indirect effect)．But the indirect effects are often overlooked；(3)The space effect(direct effect，indirect effect，total effect)of real estate prices and urbanization will be decreased as the interval distance between cities；In the east，the indirect effect of urbanization is the greatest；The effect of urbanization rate on real estate prices is greater in small cities，the impact of urbanization on the relevant metropolis is more significant.

Real Estate Prices；Urbanization；Direct Effect；Indirect Effect；Dynamic Spatial Durbin Model

10.14116/j.nkes.2017.02.001

* 王 鶴，湖南科技大學(xué)商學(xué)院、兩型社會(huì)改革與生態(tài)文明建設(shè)協(xié)同創(chuàng)新中心(郵編：411201)，E-mail：whhep@sina.com；周少君，廣東財(cái)經(jīng)大學(xué)財(cái)政稅務(wù)學(xué)院(郵編：510320)，E-mail：shaojun_82@foxmail.com。本研究受國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目“多主體利益博弈下房地產(chǎn)供求差異化機(jī)制與分類調(diào)控體系研究”(16BJY006)資助。