论文部分内容阅读
摘 要：文章利用中国31个省、直辖市和自治区的面板数据来分析我国过去十余年房地产行业扩张与人口、GDP、城市化水平、收入等因素的关系，以空间面板模型为基础，通过选取恰当的模型引入变量之间的空间效应，研究房地产行业扩张的区域效应。实证结果表明，各地区房地产投资规模与本地GDP、人口数量、城镇化率等因素有显著关系，同时区域之间的空间面板估计也具有显著性，从而说明我国房地产行业扩张的主要驱动力在于区域效应与国民经济增长、人口增长、城镇化水平等基本因素，它们是房地产行业保持理性健康发展的基础。
关键词：房地产行业;区域效应;空间面板模型
作者简介：彭石，男，中央财经大学经济学院博士研究生，从事宏观经济研究;张居营，男，中央财经大学统计学院研究生，从事产业经济学研究。
中图分类号：F830 文献标识码：A 文章编号：1000-7504（2015）04-0068-07
自20世纪90年代末期的住房体制改革之后，我国房地产行业就迎来了新的发展契机，尤其是进入新世纪以来，十多年的时间里，房地产市场持续繁荣。一方面各大城市房产价格普遍上涨，部分一线城市2001年至2013年间房屋销售均价涨幅超过十倍，另一方面全国房地产开发投资热度不减，行业规模不断扩大，并由此带动上下游产业的发展，逐步成为国民经济的重要支柱产业，这一时期甚至被相关媒体及部分专家学者们界定为房地产行业的“黄金十年”。
一般而言，事物的发展都呈现一定的生命周期，多会经历从萌芽到灭失的过程，一个行业亦是如此，其发展同样具有生命周期性特征，具体来讲可分为启动期、成长期、扩张期、平稳期、成熟期、衰退期等阶段，回顾过去十余年我国房地产行业的发展，“黄金十年”也可视为房地产行业的扩张期。但是，扩张的背后既有其内生驱动机制也有其无序增长的因素包含在内，房地产行业的扩张是多重因素作用下的一个结果。2002年至2012年间，我国国内经济生产总值由12万亿增长到51.9万亿，人口总数由12.8亿增加到13.5亿，城镇居民人均可支配收入由7702元增长到21810元，城镇化率由39.09%上升到52.57%，国民经济的增长、人口红利所释放的居住需求、居民收入的增加以及城镇化发展水平等等扩大了房地产需求并推动行业发展，而供需结构不平衡、投机性炒作、境外热钱流入、过度的信贷支持等因素进一步放大了行业的发展规模，投机性需求又促使我国房地产市场泡沫化。另外，我国房地产行业的发展逐渐表现出区域化的特征，在一定的区域范围内，地理相邻的省份之间行业发展具有明显的联动关系。这与我国的区域规划政策及部分城市的城市化扩张有很大关系。特别是以北京、上海、广州为代表的一线城市，其房地产的快速发展带动了周边地区房地产的发展，并引发了二、三线城市的房地产热，更是这种区域化的具体体现。在当前房地产市场已经开始调整，行业发展面临瓶颈甚至危机之时，我们需要摒除非理性因素的干扰，反思以往房地产行业扩张过程中支撑行业发展的内在驱动力与区域效应，同时以史为鉴，在此关键节点上重新审视行业发展的趋势与方向，为房地产行业健康理性发展提供理论基础和参考，也对经济结构调整时期区域协调发展、新型城镇化等方面的转型升级有重要的现实意义。
一、文献综述
国内外很多学者从区域的角度研究房地产行业与宏观基本面关系，如Case和Shiller（1990）基于美国的4个城市1970—1986年的面板数据，利用TSCSREG （时间序列截面回归）过程分析影响住宅价格变化的宏观因素，结果显示住宅价格变化受成年人口数量、人均实际收入的影响[1];日本的Miki Seko（2003）以私人拥有住宅的平均销售价格、年收入、人口、住宅年开工量、消费价格指数和房屋空置率为变量，通过搜集日本1980—2001年的46个县的面板数据，基于自回归模型得到日本各地区的房地产价格和经济基本面有着较强相关性的结果[2];Vyacheslav Mikhed和Petr PetrZem?ík（2009）利用1980年第二季度到2008年第二节度美国的季度合并数据和1978—2007年美国22个大城市统计区的年度数据，使用单位根检验、相关性分析、跨截面增强DF回归（CADF）等方法，研究房屋价格与个人收入、人口数量、有效按揭利率、CPI等因素的关系[3];国内方面，沈悦、刘洪玉（2004）利用我国14个城市1995—2002年的中房住宅价格指数与居民消费价格指数、城市总人口、失业率、城镇居民家庭人均可支配收入等宏观经济基本面变量，并添加城市、年度哑变量，运用混合样本回归的方法，研究住宅价格与经济基本面的关系，结果显示除了经济基本面的一些因素，住宅价格水平的波动还会受到城市某些特征的影响[4];梁云芳和高铁梅（2007）在定性比较房价的波动后，利用误差修正模型形式的面板数据模型，来分析这种房价波动的区域差异及其与信贷规模、实际利率、人均GDP等变量的关系[5]。崔光灿（2009）运用面板数据模型对我国1995—2006年31个省市的房地产价格与利率、通货膨胀率、增加社会总投资和总消费等数据进行分析，结果发现房地产价格与这些变量均有显著关系。[6]
在使用空间计量经济方法研究房地产市场或行业方面，颜磊（2007）对我国30个省市自治区房地产市场进行实证分析，选取我国房地产市场1995—2004年间销售价格的数据，通过模型和实证分析整个市场的收敛趋势[7];刘振超（2009）研究我国31个省市自治区1998—2007年间房地产市场商品房平均销售价格与主要宏观经济变量之间的变动关系，采用空间经济计量方法，在考虑空间相关性的条件下，研究1998—2007年间的中国房价受人均收入、GDP、固定资产投资等7个宏观经济指标的影响[8];洪国志、李郇（2011）则是从房地产价格的空间溢出角度，采用扩展的价格法和效用估价法（Hedonic模型），以2005年广州市房地产价格数据为基础，检验城市内部区一级的边界效应，探讨房地产价格的空间自相关和价格溢出程度[9]。上述研究大多数是以房地产价格作为研究变量，很少从行业的角度来研究房地产的发展与宏观经济基本面的关系，这是因为房价是各种因素的集中反映并具有区域联动作用。本文利用空间面板模型从行业的角度来研究区域效应及影响机制，其创新之处在于：第一，以房地产投资开发完成额为因变量，衡量房地产行业的发展程度，以房地产价格为控制变量，通过房价的区域联动作用来研究房地产行业与人口、城市化等宏观基本面变量的关系。第二，通过一系列检验，利用空间面板模型的最广义形式——SDM模型来研究这种影响的区域效果。 二、实证分析
1.数据说明与权重矩阵设定
本文研究采用年度数据，选择样本区间为：2002—2012年，截面单位为：中国31个省、直辖市和自治区。数据来源于各省、市和自治区的统计年鉴和中经数据库，便于数据可比较和减少异方差，所有数据均取自然对数。其中因变量为lnre，自变量为lnpr、lnur、lnpo、lngdp、lnin。数据处理软件为Matlab 7.10以及相应软件包。各变量的具体数据及构造见表1。
其中，lnpr作为控制变量，一方面消除房地产行业过度开发、非理性繁荣导致的行业与宏观基本面各因素的偏离，以及对其他自变量的影响;另一方面通过房价的地区联动作用来研究各自变量与因变量的地区间空间效应。
另外，空间面板模型除了各变量的系数参数外，还引入了空间权重矩阵W，这是空间面板模型设置的关键所在，即引入权重矩阵来衡量空间上不同区域的关联规则。一般设定空间权重的规则为二分权重，表示有关联的变量之间设定为1，无关联的变量之间设定为0。这种关联规则的判定一般遵循Rook相邻规则，也就是采用现实空间上两个区域是否拥有共同边界来判断相邻性。在本文中，首先设定空间权重矩阵W1，其规则为根据全国31个省、市、自治区的地理位置分布构建的31[×]31维区域矩阵，主对角线上的元素为0，若两区域相邻则取1，若不相邻则取0，其中海南由于其位置特殊性，假定其与广东省、广西壮族自治区、福建省相邻。W1经过行标准化处理，用每个元素同时除以所在行元素之和，使得每行元素之和为1。对于房地产行业而言，发达地区对于周边相对落后的地区有一定的辐射作用，即较为强烈的空间影响力，较为落后地区对发达地区的影响力较小。因此，为了更好地模拟房地产行业在地区间实际存在的经济关系，本文在W1矩阵的基础上，加入经济对房地产的影响权重系数，通过计算考察期内各地区实际GDP占所有地区实际GDP之和比重的均值来衡量各地区经济水平的高低（陈晓平，李国平2006），它表明不同区域对其他区域的房地产行业影响，还与该区域经济发达程度有关。经济空间权重矩阵（W）的构造如下：
（1）
其中，
2. 空间面板模型的判定
根据前面的理论分析，我们首先要选择合适的空间面板模型，来分析房地产行业与其他变量的关系。第一步，先构建我国31个省、直辖市和自治区的无空间或区域交互作用的面板模型：
（2）
其中，
关键词：房地产行业;区域效应;空间面板模型
作者简介：彭石，男，中央财经大学经济学院博士研究生，从事宏观经济研究;张居营，男，中央财经大学统计学院研究生，从事产业经济学研究。
中图分类号：F830 文献标识码：A 文章编号：1000-7504（2015）04-0068-07
自20世纪90年代末期的住房体制改革之后，我国房地产行业就迎来了新的发展契机，尤其是进入新世纪以来，十多年的时间里，房地产市场持续繁荣。一方面各大城市房产价格普遍上涨，部分一线城市2001年至2013年间房屋销售均价涨幅超过十倍，另一方面全国房地产开发投资热度不减，行业规模不断扩大，并由此带动上下游产业的发展，逐步成为国民经济的重要支柱产业，这一时期甚至被相关媒体及部分专家学者们界定为房地产行业的“黄金十年”。
一般而言，事物的发展都呈现一定的生命周期，多会经历从萌芽到灭失的过程，一个行业亦是如此，其发展同样具有生命周期性特征，具体来讲可分为启动期、成长期、扩张期、平稳期、成熟期、衰退期等阶段，回顾过去十余年我国房地产行业的发展，“黄金十年”也可视为房地产行业的扩张期。但是，扩张的背后既有其内生驱动机制也有其无序增长的因素包含在内，房地产行业的扩张是多重因素作用下的一个结果。2002年至2012年间，我国国内经济生产总值由12万亿增长到51.9万亿，人口总数由12.8亿增加到13.5亿，城镇居民人均可支配收入由7702元增长到21810元，城镇化率由39.09%上升到52.57%，国民经济的增长、人口红利所释放的居住需求、居民收入的增加以及城镇化发展水平等等扩大了房地产需求并推动行业发展，而供需结构不平衡、投机性炒作、境外热钱流入、过度的信贷支持等因素进一步放大了行业的发展规模，投机性需求又促使我国房地产市场泡沫化。另外，我国房地产行业的发展逐渐表现出区域化的特征，在一定的区域范围内，地理相邻的省份之间行业发展具有明显的联动关系。这与我国的区域规划政策及部分城市的城市化扩张有很大关系。特别是以北京、上海、广州为代表的一线城市，其房地产的快速发展带动了周边地区房地产的发展，并引发了二、三线城市的房地产热，更是这种区域化的具体体现。在当前房地产市场已经开始调整，行业发展面临瓶颈甚至危机之时，我们需要摒除非理性因素的干扰，反思以往房地产行业扩张过程中支撑行业发展的内在驱动力与区域效应，同时以史为鉴，在此关键节点上重新审视行业发展的趋势与方向，为房地产行业健康理性发展提供理论基础和参考，也对经济结构调整时期区域协调发展、新型城镇化等方面的转型升级有重要的现实意义。
一、文献综述
国内外很多学者从区域的角度研究房地产行业与宏观基本面关系，如Case和Shiller（1990）基于美国的4个城市1970—1986年的面板数据，利用TSCSREG （时间序列截面回归）过程分析影响住宅价格变化的宏观因素，结果显示住宅价格变化受成年人口数量、人均实际收入的影响[1];日本的Miki Seko（2003）以私人拥有住宅的平均销售价格、年收入、人口、住宅年开工量、消费价格指数和房屋空置率为变量，通过搜集日本1980—2001年的46个县的面板数据，基于自回归模型得到日本各地区的房地产价格和经济基本面有着较强相关性的结果[2];Vyacheslav Mikhed和Petr PetrZem?ík（2009）利用1980年第二季度到2008年第二节度美国的季度合并数据和1978—2007年美国22个大城市统计区的年度数据，使用单位根检验、相关性分析、跨截面增强DF回归（CADF）等方法，研究房屋价格与个人收入、人口数量、有效按揭利率、CPI等因素的关系[3];国内方面，沈悦、刘洪玉（2004）利用我国14个城市1995—2002年的中房住宅价格指数与居民消费价格指数、城市总人口、失业率、城镇居民家庭人均可支配收入等宏观经济基本面变量，并添加城市、年度哑变量，运用混合样本回归的方法，研究住宅价格与经济基本面的关系，结果显示除了经济基本面的一些因素，住宅价格水平的波动还会受到城市某些特征的影响[4];梁云芳和高铁梅（2007）在定性比较房价的波动后，利用误差修正模型形式的面板数据模型，来分析这种房价波动的区域差异及其与信贷规模、实际利率、人均GDP等变量的关系[5]。崔光灿（2009）运用面板数据模型对我国1995—2006年31个省市的房地产价格与利率、通货膨胀率、增加社会总投资和总消费等数据进行分析，结果发现房地产价格与这些变量均有显著关系。[6]
在使用空间计量经济方法研究房地产市场或行业方面，颜磊（2007）对我国30个省市自治区房地产市场进行实证分析，选取我国房地产市场1995—2004年间销售价格的数据，通过模型和实证分析整个市场的收敛趋势[7];刘振超（2009）研究我国31个省市自治区1998—2007年间房地产市场商品房平均销售价格与主要宏观经济变量之间的变动关系，采用空间经济计量方法，在考虑空间相关性的条件下，研究1998—2007年间的中国房价受人均收入、GDP、固定资产投资等7个宏观经济指标的影响[8];洪国志、李郇（2011）则是从房地产价格的空间溢出角度，采用扩展的价格法和效用估价法（Hedonic模型），以2005年广州市房地产价格数据为基础，检验城市内部区一级的边界效应，探讨房地产价格的空间自相关和价格溢出程度[9]。上述研究大多数是以房地产价格作为研究变量，很少从行业的角度来研究房地产的发展与宏观经济基本面的关系，这是因为房价是各种因素的集中反映并具有区域联动作用。本文利用空间面板模型从行业的角度来研究区域效应及影响机制，其创新之处在于：第一，以房地产投资开发完成额为因变量，衡量房地产行业的发展程度，以房地产价格为控制变量，通过房价的区域联动作用来研究房地产行业与人口、城市化等宏观基本面变量的关系。第二，通过一系列检验，利用空间面板模型的最广义形式——SDM模型来研究这种影响的区域效果。 二、实证分析
1.数据说明与权重矩阵设定
本文研究采用年度数据，选择样本区间为：2002—2012年，截面单位为：中国31个省、直辖市和自治区。数据来源于各省、市和自治区的统计年鉴和中经数据库，便于数据可比较和减少异方差，所有数据均取自然对数。其中因变量为lnre，自变量为lnpr、lnur、lnpo、lngdp、lnin。数据处理软件为Matlab 7.10以及相应软件包。各变量的具体数据及构造见表1。
其中，lnpr作为控制变量，一方面消除房地产行业过度开发、非理性繁荣导致的行业与宏观基本面各因素的偏离，以及对其他自变量的影响;另一方面通过房价的地区联动作用来研究各自变量与因变量的地区间空间效应。
另外，空间面板模型除了各变量的系数参数外，还引入了空间权重矩阵W，这是空间面板模型设置的关键所在，即引入权重矩阵来衡量空间上不同区域的关联规则。一般设定空间权重的规则为二分权重，表示有关联的变量之间设定为1，无关联的变量之间设定为0。这种关联规则的判定一般遵循Rook相邻规则，也就是采用现实空间上两个区域是否拥有共同边界来判断相邻性。在本文中，首先设定空间权重矩阵W1，其规则为根据全国31个省、市、自治区的地理位置分布构建的31[×]31维区域矩阵，主对角线上的元素为0，若两区域相邻则取1，若不相邻则取0，其中海南由于其位置特殊性，假定其与广东省、广西壮族自治区、福建省相邻。W1经过行标准化处理，用每个元素同时除以所在行元素之和，使得每行元素之和为1。对于房地产行业而言，发达地区对于周边相对落后的地区有一定的辐射作用，即较为强烈的空间影响力，较为落后地区对发达地区的影响力较小。因此，为了更好地模拟房地产行业在地区间实际存在的经济关系，本文在W1矩阵的基础上，加入经济对房地产的影响权重系数，通过计算考察期内各地区实际GDP占所有地区实际GDP之和比重的均值来衡量各地区经济水平的高低（陈晓平，李国平2006），它表明不同区域对其他区域的房地产行业影响，还与该区域经济发达程度有关。经济空间权重矩阵（W）的构造如下：
（1）
其中，
2. 空间面板模型的判定
根据前面的理论分析，我们首先要选择合适的空间面板模型，来分析房地产行业与其他变量的关系。第一步，先构建我国31个省、直辖市和自治区的无空间或区域交互作用的面板模型：
（2）
其中，