区域房价空间与时间扩散效应的实证研究

为探讨区域房价的空间与时间扩散效应,本文综合运用空间动态面板数据模型和局部线性投影法得到全国范围及东、中、西部地区房价的空间脉冲响应函数,这恰是传统计量模型与脉冲响应函数无法实现的。实证结果表明,在东部地区内,空间扩散效应(持续三个季度)与时间扩散效应(持续六个季度)同时存在,而在中、西部地区只存在时间扩散效应,分别持续五个季度与两个季度。与传统实证结果相比,在考虑了房价区域相关后,体现经济基本面的各变量对房价的影响在时间长度和大小程度上皆变弱。     

房价、房价收入比对中国城镇化的影响与空间效应实证分析

利用2005—2019年我国31省面板数据,基于三种权重矩阵构建空间滞后模型和空间误差模型,分析房价、房价收入比对城镇化的影响。结果表明:(1)房价、房价收入比与三种城镇化的空间自相关和空间依赖性显著,并存在空间溢出效应和"马太效应"。(2)房价对人口城镇化、经济城镇化与土地城镇化的正向影响作用显著,房价对人口城镇化的影响呈现倒"U"型,但房价对经济城镇化和土地城镇化的影响是线性的。(3)房价收入比对人口城镇化的影响为正,房价收入比对经济城镇化与土地城镇化的影响呈倒"U"型。(4)从区域看,东部和中部房价上涨对人口城镇化的影响为正,西部为负;中部房价收入比对人口城镇化的影响不显著,西部为正,东部为负;中西部人口城镇化溢出效应最大。     

房价对居民消费的跨空间影响*——基于中国278个城市空间面板数据的实证研究

本文首先基于住房财富效应,构建了房价变动对居民消费的跨空间影响的分析框架。该框架阐释了住房财富效应的区域差异：不同地区间房价的空间传导、居民的异地消费以及消费的示范效应,使得本地房价变动可能引起周边地区居民消费的连锁反应。其后,本文利用中国278个地级市2000—2018年数据,通过空间面板杜宾模型,实证考察了不同地区住房财富效应的差异,以及房价变动对居民消费的跨空间影响。结果显示：（1）虽然中国整体上存在住房财富效应,但西部城市财富效应并不显著,并且核心城市还存在负财富效应。（2）不同城市间房价对消费存在跨区影响。东部城市和核心城市对周边城市消费的正向影响很显著,而边缘城市则对周边城市消费有显著的负向影响。（3）不同城市间的消费也具有空间上的示范效应。最后,本文从房价和居民消费空间联动的视角,为政府扩大内需、调控房地产市场提供了相关政策建议。     

资源产业集聚、技术创新能力与区域经济增长——基于省际面板的实证分析

基于1990-2010年我国中、东、西部地区的省际面板数据,考察资源型产业集聚和技术创新对经济增长的影响,以及资源型产业集聚等因素对该区域创新能力的作用机制.根据被解释变量的不同特征,使用动态面板数据模型和空间面板数据模型两种计量经济分析方法.结果表明:(1)资源产业集聚与经济增长呈现出负相关关系,说明我国存在资源诅咒现象,但东部地区并不明显;技术创新能力的提升对全国总体经济增长具有显著的促进作用,但这种促进作用在东、中、西部有所差别.(2)技术创新能力在全国范围内具有较强的空间溢出效应和空间依赖性,在东部、中部和西部表现为依次减弱;在中西部地区的资源产业集聚显著地“挤出”区域技术创新.     

城市轨道交通对住宅价格的影响研究——以北京市地铁一号线为例

通过构造修正后的衰减模型,运用局域空间自相关分析和克里格空间插值的方法,借助GIS空间分析的工具,选择路线长、沿途区位特征分异显著、对房价影响成熟的北京市地铁一号线为例,论证房价与距地铁站距离的相关关系,研究地铁站对房价影响的波及范围及影响程度。研究发现：一号线带状区域在局域范围内具有较强的空间自相关,自相关指数高值点并没有表现出明显的邻近地铁站点分布的特征,而是呈组团状聚集在四个区域。局域自相关性和距地铁站距离存在较弱的负相关关系。轨道交通对郊区住宅价格的影响要高于中心区域,且影响范围较广。地铁站点对住宅价格的影响并不是简单的圈层衰减,而是与特定的区位要素和其他条件综合作用的结果,在典型的地铁站点呈裙状或环状影响。各地铁站点对住宅价格的影响范围从0．5km到1km不等,衰减比重为20％－35％,且在影响范围内衰减程度逐渐降低。     

对外开放与碳排放——基于省际面板的空间计量分析

通过收集全国28个省市1997—2011年的人均FDI和人均进出口贸易等指标的面板数据,构造基于对外开放经济距离的空间权重矩阵,进而对碳排放进行空间自相关检验。研究表明,对外开放程度接近的区域存在碳排放的集聚效应。另外,建立空间杜宾模型对对外开放和碳排放的关系进行实证检验。检验表明,贸易对碳排放的影响处在环境库兹涅茨倒U型曲线右端;FDI对碳排放的影响不存在"污染天堂";FDI和贸易对碳排放的影响存在辐射效应,而碳排放自身存在空间示范效应。     

空间外溢效应与中国房价连片上涨:推拉作用与空间惯性

中国的房价(尤其是东部地区房价)在地理空间上呈现连片上涨的特征,在时间维度上呈现逐年攀升的趋势.使用2009-2016年中国285个地级市的空间面板数据,构造并选择最优的空间计量回归模型,探析中国房价连片上涨现象背后的主要影响因素.研究发现:城市的土地价格是房价的主要"推力",不仅目标城市的地价会推高自身以及邻居城市的房价,而且邻居城市的地价同样会推高目标城市的房价.来自中等收入人口的房价拉力更倾向于拉高该城市自身的房价,而来自高收入人口的房价拉力则倾向于拉高邻居城市的房价.邻居城市房价对目标城市房价的影响是一个不断强化冲高的空间惯性过程.     

我国外商直接投资地区分布影响因素研究——基于空间面板数据模型

外商直接投资(FDI)在我国空间分布的显著非均衡性引发了大量有关FDI区位选择的经验研究,但相关研究往往忽视了FDI的空间依赖性对其区域分布的影响.基于此,本文选取我国1990-2004年28个省区的数据资料,从地区固定效应和时间固定效应两方面对空间面板数据模型进行估计,考察FDI的空间相关性对我国FDI地区分布的影响.研究发现,空间面板数据模型对现实FDI地区分布的拟合效果更好、解释力更强;我国各省FDI的区位分布存在正向的空间相关性,相邻地区吸引外资的增加能够带动本地区吸引更多的外商投资.     

基于ESDA和Kriging方法的东莞市住宅价格空间结构

房价空间分布是房地产价格研究的热点问题.为了探测房价空间分布的结构特征,文章以东莞市普通住宅交易均价为例,利用普通Kriging方法对东莞房价空间分布进行了估计和模拟,并利用ESDA(探索性空间数据分析)的理论与方法来分析东莞房价空间自相关性和变异性.研究结果表明:①东莞房价全局空间自相关性显著、总体上呈空间集聚格局;②东莞大部分住宅价格呈现局部空间集聚格局,少量存在空间异质性而呈现局部离散格局;③不同方向的半变异函数图显示东莞房价空间分布呈带状异向性,反映出房价分布在不同方向上具有不同的结构特征.并且确定性因素对房价变异的影响大于随机因素;④东莞房价的地域分异规律明显.     

我国房价上涨对省域人均收入差距的影响分析

从房价上涨与我国地区收入差距的现实状况出发,探讨房价与地区收入差距的内在联系。在地区之间原始资本积累存在差异的基础上,进而从理论上进一步分析了房价对地区收入差距的加剧作用。以住宅商品房销售价格为主要解释变量,利用1998—2015年中国30个省市的省际面板数据,首先采用POLS、固定效应模型和随机效应模型检验了房价上涨对收入差距的影响;随后,通过Moran's I指数对全国层面和地区层面收入差距的空间效应进行了测度;最后,引入SAR模型和SEM模型,对地区收入差距的空间效应进行了实证检验。回归结果认为,我国地区收入差距存在着显著的空间效应,而房价上升将加剧我国地区之间的收入差距。     

中国房地产价格波动区域差异的实证分析

本文首先定性地比较了各地房价的波动,发现其波动具有明显的地区不平衡性。进一步,本文基于误差修正模型形式的paneldata模型讨论了房价区域波动的差异,并分析了造成各地区房价波动差异的原因,尤其是货币政策效应的区域差异。结论如下:无论是房价的长期趋势还是短期波动,信贷规模对东、西部地区影响都比较大,中部地区较小,表明政府实施的信贷政策对调控东、西部地区的房价是有效的。实际利率对各区域影响差异不大,且影响较小。人均GDP无论长期还是短期对中部地区房价影响都比较大,表明中部地区房地产市场的发展更多地依赖于该地区的经济发展状况。房价的预期变量在东部地区对房价的短期波动有较大影响。     

房价对居民消费的跨空间影响*——基于中国278个城市空间面板数据的实证研究

本文首先基于住房财富效应，构建了房价变动对居民消费的跨空间影响的分析框架。该框架阐释了住房财富效应的区域差异：不同地区间房价的空间传导、居民的异地消费以及消费的示范效应，使得本地房价变动可能引起周边地区居民消费的连锁反应。其后，本文利用中国278个地级市2000—2018年数据，通过空间面板杜宾模型，实证考察了不同地区住房财富效应的差异，以及房价变动对居民消费的跨空间影响。结果显示：（1）虽然中国整体上存在住房财富效应，但西部城市财富效应并不显著，并且核心城市还存在负财富效应。（2）不同城市间房价对消费存在跨区影响。东部城市和核心城市对周边城市消费的正向影响很显著，而边缘城市则对周边城市消费有显著的负向影响。（3）不同城市间的消费也具有空间上的示范效应。最后，本文从房价和居民消费空间联动的视角，为政府扩大内需、调控房地产市场提供了相关政策建议。     

Housing price fluctuations and financial risk transmission: a spatial economic model

Financial risk derived from housing price fluctuations in China garnered much public concern recently. Based on the theoretical analyses of the transmission of financial risk from housing price fluctuations, this paper establishes panel spatial Durbin models to empirically analyse housing price fluctuations and financial risks transmission from a spatial economic perspective. Employing the panel provincial data from 1999–2015, we conduct an analysis on the 30 provinces in China as well as a comparison among the Eastern, Middle and Western regions of China. The results indicate that: (1) The soaring housing prices driven by bank credit, real estate developers’ heavy investment, local governments’ land revenue and individuals and households demands leads to financial risk in various sectors; (2) due to the ‘substitution effect’, the capital agglomeration in metropolis from bank credits, real estate developers, and individuals and households furthers the amassment of financial risks; (3) housing prices have a significant spatial contagion effect throughout the country, and financial risk could directly transmit across provinces through housing price fluctuations; (4) financial risks could indirectly transmit across provinces via the ‘imitative behaviour’ or ‘driving effect’ of different sectors for different regions of China.     

The Impacts of Land and Real Estate Price Fluctuations on Financial Stability: Evidence from China

We construct a provincial financial stability index, and use panel vector autoregression to construct a model for empirical testing. We find that local governments' reliance on land grant premiums amplifies the impact on financial stability. In addition, the relationship between the real estate market and the financial system allows real estate price fluctuations to significantly affect market participants, further impacting financial system stability. Finally, in the eastern region, land price fluctuations have a less adverse impact on financial stability, while in other regions, rising commodity real estate prices are the biggest threat to financial stability.     

预测与对策:未来中国房地产价格走势分析——以成都市为例

全球金融危机对中国房地产价格影响很大,通过对一系列影响因素的分析,发现这一时期人们的心理预期是所有影响因素中最为敏感的因素,能严重影响中国房地产价格。研究表明,四川省成都市的房地产价格走势与全国房地产价格走势接近,因而能够以该城市的房地产价格作为研究样本,在各种心理预期量化的基础上,预测出未来三年中国房地产价格并提出了相应的政策建议。     

市场情绪如何影响城市房价

基于行为金融学理论建立了房地产情绪指数影响房价的模型，借鉴Baker and Wurgler（2006）提出的构建资本市场投资者情绪指数的方法，从供需两方选取合适的情绪指标；同时，运用大数据方法，选取百度指数作为情绪指标，运用主成分分析法构建了我国35个大中城市房地产市场的情绪指数，实证研究了市场情绪对房地产价格的影响。另外，还测度不同区域房地产市场情绪指数，通过实证分析横向对比东部和中西部城市市场情绪对房价的影响程度。实证结果表明，市场情绪对房地产价格有着显著的正向影响；市场情绪对房地产价格的正向影响呈现区域异质性，东部地区市场情绪对房地产价格的正向影响强于中西部地区。     

政府行为下创新要素流动及其空间溢出效应研究

基于2000-2018年中国内地31省市面板数据,采用固定效应分析法探讨政府行为与创新要素流动的内在机理,运用空间杜宾模型探究两者之间是否存在空间溢出效应。结果发现：就全国而言,地方政府竞争行为对R&D人员和R&D资本要素流动存在倒U型影响,且地方政府竞争与政府支持、政府支持与政府房地产投资偏好行为可以协同发力促进创新要素流动;另外,地方政府竞争和政府支持能够促进周边地区创新要素流动,而政府房地产投资偏好仅能影响周边地区R&D人员流动。在分区域研究中,东部地区3种地方政府行为对创新要素流动均存在倒U型影响,中部地区政府房地产投资偏好行为发挥倒U型作用,而政府竞争和政府支持行为发挥正U型作用;地方政府行为协同对中西部地区创新要素流动发挥正向促进作用,但在东部地区影响甚微。     

利率效果区域异质性、收入跨区 影响与房价溢出效应*

本文首先构建了理论分析框架,解释了中国不同城市间房价溢出效应、收入对房价的跨区影响,以及利率调整对不同城市房价的区域异质性影响。本文利用GVAR模型对该框架进行了实证,结果显示北京等一线城市的房价波动对其他城市具有较大的溢出性,而中西部城市的房价溢出性则不明显。一线城市和东部城市的房价波动不仅受本城市人均收入变动的影响,还在很大程度上受其他城市收入变动的影响,而中西部城市的房价则主要受本城市收入变动的影响。利率变动对一线城市和东部城市的房价影响则较大,而对中西部城市的房价影响有限。本文结论具有明确的政策含义,比如政府应通过稳定一线城市房价以达到稳定全国房价的目的,促进公共产品均等化,实行地区差异化的房地产政策等。通过利率调整来调控房价也是一个可行的政策选项。     

中国FDI区位分布的空间效应研究

目前关于我国FDI区位选择因素的大部分实证研究都是建立在双边框架内,考虑第三方效应并从城市角度进行的研究还少有涉及。本文在新近发展起来的"第三国效应"理论基础上,运用空间面板计量方法,对1985—2005年期间我国30个省市区的154个地级及以上城市的FDI区位分布的空间效应进行检验。发现全样本154个城市的FDI之间存在显著的空间效应,周边城市的FDI增量可以增加某城市的FDI流入量,周边城市的市场规模越大某城市的FDI流入越多,各城市的FDI流入也受到周边城市FDI不可测因素的影响。对三大地区内部、三大地区之间及长、珠三角与三大地区之间等不同子样本的FDI空间效应的检验,发现东、中、西部地区FDI的主导类型分别为集聚垂直复合型、受限的集聚垂直复合型和水平型。