|
着房地产行业泡沫在各个区域间传递和累积。在上述整体房价空间自相关分析的基础上，进 115 一步计算各个城市房价的局部Moran’s I 指数： ( ) ( ) 2 1 * i n i ij j j x x I w x x S = − = Σ − （6） 由此可得2003 年-2007 年我国各城市房价局部Moran ’s I 指数，如表2 所示，该表反映 了各个城市的空间自相关程度。 120 表2 2003 年-2007 年我国各大城市房价局部Moran ’s I 指数的正态化值 年份 城市 2003 2004 2005 2006 2007 北京 -5.139 -3.83518 6.949608 17.24572 17.67021 天津 0.571651 -1.19758 -0.53882 1.31173 1.370345 石家庄 7.741901 10.06268 3.893851 0.345627 -0.39232 太原 4.362913 6.482675 3.785955 2.586381 4.729384 呼和浩特 9.759502 12.51879 7.435052 1.284764 0.928697 沈阳 -0.15159 -0.33737 1.608963 3.989615 5.123298 大连 4.837498 4.367012 5.561336 7.009175 6.013519 长春 1.808938 4.202309 7.881247 11.05498 8.429885 哈尔滨 1.110577 3.584021 6.992564 10.0337 9.453703 上海 73.25549 84.7152 102.164 54.85195 29.42891 南京 8.042339 7.630555 13.37933 5.88628 2.13107 杭州 24.95596 26.17688 54.93391 34.84778 19.80602 宁波 2.695404 7.320931 31.2852 22.71135 9.884917 合肥 -6.54593 -6.28991 -7.11814 -5.81626 -3.01805 福州 -2.52672 -3.02235 -3.78779 6.287019 3.028621 厦门 25.03546 37.97082 36.38713 57.75174 62.34605 南昌 -0.14521 -0.87192 -7.69287 -7.53599 -5.66422 济南 -0.00374 0.345264 -1.28897 -1.8268 -2.39174 青岛 -5.21014 0.764074 12.16888 6.508772 4.94294 郑州 11.22162 12.85185 9.622625 11.34713 10.8403 武汉 2.982301 2.320637 0.788349 1.184055 0.703571 长沙 2.524128 2.50985 3.573616 2.298455 1.33242 广州 51.70351 47.51094 31.25017 42.83786 55.08453 深圳 128.4931 128.8403 81.73328 106.8421 147.9825 南宁 -6.13943 -4.39142 -7.12075 -9.64244 -12.7549 海口 -14.8207 -14.5895 -10.8801 -16.06 -15.4855 重庆 25.87011 23.093 19.51475 18.04535 14.94525 成都 11.43763 9.988267 5.94124 4.477954 4.066835 贵阳 16.81133 23.15642 26.69949 23.06848 17.47202 昆明 2.770391 2.855994 6.348397 7.028284 7.507875 西安 16.2056 9.057346 11.3661 10.59223 17.10228 兰州 18.28471 12.60507 14.85999 17.88491 17.78336 西宁 18.45274 20.4578 21.59628 22.64492 18.90144 银川 24.96884 24.43985 29.4821 27.18551 32.02206 对表2 的数据进行比较可知，大部分城市的局部Moran ’s I 指数的总体趋势为逐年平稳 增加，只有2005 年局部Moran ’s I 指数增长幅度较大一些，说明大部分城市房价的空间自 相关性程度逐年增大，也就是说，我国城市之间房地产价格相关性越来越强。从2007 年数 125 据的横向比较可知，北京、上海、杭州、广州、深圳、厦门、重庆、西安、银川、兰州、贵 阳、西宁等城市的空间自相关程度更为明显，这些城市与周边大城市房价相关性更强，但这 些房价空间自相关程度很强的城市存在两极分化的现象，下面将作分析。 3 我国34 个大城市房价非均衡性分析 采用2003-2007 年各大城市的局部Moran ’s I 指数，对我国34 个大城市房价空间分布状 130 况进行分类和分析。我们将各城市房价与平均值的比值进行对数化处理，得经调整的房价指 数，并作不同年份的Moran’s I 散点图（图1—图5），显示不同年份各大城市房价与周边城 市房价的空间分布情况。 图1 2003年Moran’s I指数散点图 图2 2004年Moran’s I指数散点图 135 图3 2005 年Moran’s I 指数散点图 图4 2006 年Moran’s I 指数散点图 140 图5 2007 年Moran’s I 指数散点图 图1—图5 显示了我国34 个大城市经调整房价的局部集聚的空间结构，可根据房价和 周边区域房价的相对影响将我国34 个大城市大致分为4 个象限，其中：第一象限指房价高 且周边区域房价高的城市；第二象限指房价低且周边区域房价高的城市；第三象限指房价低 145 且周边区域房价低的城市；第四象限指房价高且周边区域房价低的城市。从2003—2007 年， 第二象限和第四象限中的散点（城市）逐年减少，第一象限和第三象限中的散点（城市）逐 年增加，反映了区域房价两极分化的现象逐年明显，即越来越显著地出现了高房价的城市其 周边城市房价也高、低房价的城市其周边城市房价也低的现象。 150 表3 2007 年我国34 个大城市所属象限分布表 分类 城市 第一象限 上海、杭州、宁波、厦门、广州、深圳、福州、大连、南京、青岛 第二象限 海口、南宁、南昌 第三象限 石家庄、沈阳、太原、呼和浩特、长春、哈尔滨、银川、贵阳、合肥、郑州、西安、 兰州、西宁、济南、武汉、长沙、成都、昆明、重庆 第四象限 北京、天津 第一象限中的大部分城市局部Moran’s I 指数出现了增大的趋势，显示此类高房价城市 的空间自相关程度逐渐提高，形成自身价格泡沫的同时也产生对周边城市的辐射作用，推高 周边城市的房价。第一象限中的城市数目逐渐增加，表明越来越多的城市在区域间价格联动 155 影响下逐渐形成房价泡沫。第三象限分布的城市最多，且大部分为中、西部城市，远离高房 价区域，所以造成目前该象限城市房价相对低，但该象限城市局部Moran’s I 指数同样具有 增长的趋势且部分城市本身的空间自相关程度很大，随着第一象限中高房价城市的辐射范围 逐渐延伸，一旦第三象限某个城市出现高房价，那么该象限的其他城市的房价将可能被传染， 从而最终衍变成全国范围的房价泡沫。金融机构因持有大量的相关信贷资产而面临潜在的巨 160 大损失，金融体系的稳定可能因房价泡沫被弱化，系统性金融风险逐渐累积。区域间房价的 联动效应直接导致了系统性金融风险的累积，并有可能导致金融危机的爆发。 4 基于区域视角的房价影响因素分析 如上所述，我国各大城市的房价存在空间自相关，且大部分城市的自相关程度逐年加强。 在各种因素的推动下，各大城市的房价不断拉高，各地房地产泡沫不断高涨，与之高度相关 165 的涉房信贷资产的风险敞口逐渐扩大。由于商业银行的涉房资产的比例稳中有升，商业银行 体系的房地产系统性金融风险逐渐累积。然而，Moran’s I 指数只能反映各个区域间房价相 互影响的情况，不能说明其他经济因素（地价、GDP、信贷投放量等）对房价和房地产系统 性金融风险的影响。故在考虑房价相关性的基础上，将各个城市的经济基本面要素、融资要 素和投机要素等影响因素予以考虑，建立空间滞后模型，研究各影响因素在各城市是否存在 170 扩散（溢出)效应，并分析城市之间房价的相互影响。 4.1 模型的设定和变量选择 空间滞后模型建立如下： Y=α +ρW′y+βX+ε （7） 此处W′ 为式(2）空间权重矩阵W 经标准化后的权值矩阵。在式(7)中, W y′ 为周边城市 175 房价对该城市房价的影响因素。X 为影响房价的当地经济因素。我们认为，影响房价的当地 经济因素主要有土地交易价格指数、房地产贷款比例和人均GDP。表4 对式（7）的变量作 了说明。 表4 变量名称和处理说明 变量名称 符号 处理说明 数据来源 房屋价格指数 Y 商品房价格指数 中国房地产统计年鉴 土地交易价格指数 DJ —— 中国统计年鉴 周边城市房价因素 W_PRICE 权值矩阵*当期周边城市房价 中国房地产统计年鉴 房地产贷款比例 FD 房地产开发贷款/固定投资 中国房地产统计年鉴 人均GDP GDP 当年总GDP/总人数 中国统计年鉴 180 4.2 回归估计 使用Eviews 软件对数据进行处理，本文使用最小二乘法（OLS）拟合空间滞后模型， 拟合结果如下。 185 表5 空间滞后模型拟合结果 变量 Coefficient Std. E T检验 Prob. C -333.1502 806.8938 -0.412880 0.6802 W_PRICE 0.662166 0.057289 11.55830 0.0000 DJ -80.02033 782.9452 -0.102204 0.9187 FD 11568.04 1252.726 9.234297 0.0000 GDP 0.018449 0.001732 10.65358 0.0000 统计检验 统计值 统计检验 统计值 R2 0.834968 AIC 16.21506 Adjusted R2 0.830967 F检验 208.7010 LogL -788.8991 Prob(F-statistic) 0.000000 由回归分析结果可知，在给定的5%的显著性水平下，周边城市的商品房价格、该城市 房地产开发贷款比例以及该城市人均GDP 水平都对房价的影响显著，而土地交易价格对房 价的影响不显著。这说明，我国大城市的商品房成本对房价的影响不显著，商品房的投资属 190 性对房价上涨的推动作用十分明显。 对此，我们将模型中的土地交易价格因素剔除，得到新的回归结果如下： 表6 经调整后的空间滞后模型拟合结果 变量 Coefficient Std. E T Prob. C -413.3437 187.6343 -2.2000002922 0.0290 W_PRICE 0.660902 0.055771 11.85019 0.0000 FD 11542.74 1224.347 9.427664 0.0000 GDP 0.018475 0.001709 10.81004 0.0000 统计检验 统计值 统计检验 统计值 R2 0.834957 AIC 16.20335 Adjusted R2 0.831974 F检验 279.9332 LogL -1373.285 Prob(F-statistic) 0.000000 195 由表6 的模型分析结果可知，各系数均通过t 检验， R2 系数为0.834957，说明某城市 房价有83.2%是由周边城市房价、本城市房地产贷款比例和本城市人均GDP 引起的。其中， 周边城市房价的T 检验值最大，p-value 值最小，即相对其他因素，周边城市房价对该城市 房价的影响最为稳定；房地产贷款比例对应系数值最高，说明其单位比例的变动对该城市房 价的影响最大。 200 5 研究结论 1. 房价空间自相关分析表明，我国各大城市的房价存在联动效应。在国家和各区域核 心城市的辐射效应下，有可能推动周边城市房价的上涨，并逐渐形成全局性的房价泡沫，系 统性金融风险随之累积。 2. 空间滞后模型回归结果指出，城市人均GDP、房地产贷款比例和周边城市房价都对 205 该城市房价有显著影响。周边城市房价对任一城市房价的影响最为稳定，且房地产贷款比例 对任一城市房价的影响最大，说明房地产贷款和周边城市房价是房地产泡沫产生最直接和最 根本原因。由实证分析结果可知，土地交易成本对房价影响不显著，商品房成本已不能很好 的解释房价水平。 3. 我国大城市房价存在两极分化的现象，即高房价的城市其周边城市房价也高、低房 210 价的城市其周边城市房价也低的现象。但从长期而言，一旦高房价效应传导到某一低房价城 学术论文网Tag：代写论文 代写代发论文 经济论文代写 经济论文发表 |
