汪嶸明

摘要： 本論文主要分析滇中城市經(jīng)濟(jì)圈昆明，玉溪，曲靖，楚雄，武定房?jī)r(jià)的傳導(dǎo)效應(yīng)。首先介紹圖模型DAG方法的基本原理和算法，且建立房?jī)r(jià)指數(shù)的VAR模型，通過對(duì)VAR模型各項(xiàng)之間的偏相關(guān)系數(shù)分析，確定各個(gè)變量之間的同期因果關(guān)系，為結(jié)構(gòu)VAR模型的過度識(shí)別提供限制。通過方差分解對(duì)房?jī)r(jià)傳導(dǎo)的動(dòng)態(tài)因果關(guān)系和強(qiáng)度的分析，其實(shí)證結(jié)果對(duì)預(yù)測(cè)有交互影響的區(qū)域內(nèi)不同城市的房?jī)r(jià)變動(dòng)趨勢(shì)具有很強(qiáng)的借鑒意義。

Abstract： This paper mainly analyzes the conduction effect of Kunming， Yuxi， Qujing， Chuxiong and Wuding on the price of the city economic circle in Central Yunnan Province. First the basic principles and methods of DAG algorithm graph model are introduced， and VAR model of price index is built. Through the partial correlation coefficient between the VAR model analysis， the causal relationship between the variables over the same period is determined， to provide limitation for excessive recognition of structural VAR model. Finally， the variance decomposition is used to analyze the dynamic causal Rate conduction and strength. The empirical results show that housing prices in different cities have interaction within the forecast region changing trend has a strong practical significance.

關(guān)鍵詞：滇中城市經(jīng)濟(jì)圈；房地產(chǎn)價(jià)格指數(shù)；傳導(dǎo)；有向非循環(huán)圖

Key words： city economic circle in central yunnan；real estate price index；conduct；DAG

中圖分類號(hào)：F293.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2016）07-0004-05

0 引言

滇中城市經(jīng)濟(jì)圈（指云南中部以昆明為核心，半徑約150-200公里左右，包括曲靖市、玉溪市和楚雄彝族自治州四個(gè)州市組成的行政轄區(qū)，總面積94558平方公里，占全省土地面積的24%，根據(jù)云南省2014年統(tǒng)計(jì)年鑒得出：截止2014年末，該區(qū)域人口1760.8萬人，占全省總?cè)丝诘?7.55%，創(chuàng)造的GDP為7283.9億元，占全省生產(chǎn)總值的56.57%。）作為云南省經(jīng)濟(jì)發(fā)展最快的區(qū)域。在實(shí)現(xiàn)國(guó)家“深化沿海開放、加快內(nèi)地開放、提升沿邊開放”戰(zhàn)略中有著舉足輕重的作用，滇中城市經(jīng)濟(jì)圈是我國(guó)向西南開放的重要橋頭堡樞紐及國(guó)際化經(jīng)濟(jì)開放示范區(qū)。

2016年滇中城市經(jīng)濟(jì)圈建設(shè)進(jìn)入深化期，經(jīng)濟(jì)一體化進(jìn)程也在不斷加快、程度不斷加深。目前，滇中城市經(jīng)濟(jì)圈經(jīng)濟(jì)聯(lián)動(dòng)效應(yīng)明顯，資金、物資、人力資源和信息等要素流動(dòng)頻繁。滇中城市經(jīng)濟(jì)圈房地產(chǎn)市場(chǎng)的融合在很大程度上得到了推動(dòng)，各個(gè)城市之間的房地產(chǎn)市場(chǎng)的聯(lián)系更加緊密，為這些城市的房?jī)r(jià)聯(lián)動(dòng)奠定了基礎(chǔ)。

隨著滇中經(jīng)濟(jì)圈武定至易門、江川至通海、功山至東川3條高速公路相繼貫通，還有正在實(shí)施中的滬昆高鐵、渝昆高鐵建設(shè)等通道系列工程、為實(shí)現(xiàn)滇中城市經(jīng)濟(jì)圈域內(nèi)聯(lián)動(dòng)提供便利。城市群域的“同城效應(yīng)”日益顯著，從而促使不同城市房?jī)r(jià)的同步變動(dòng)。

目前許多國(guó)內(nèi)外學(xué)者對(duì)房?jī)r(jià)的聯(lián)動(dòng)效應(yīng)進(jìn)行分析。Ashworth和Parker（1997）[1]對(duì)英格蘭區(qū)域房?jī)r(jià)研究發(fā)現(xiàn)，東南部房?jī)r(jià)對(duì)其它區(qū)域有顯著的滯后影響。Stevenson （2004）[2]發(fā)現(xiàn)愛爾蘭房?jī)r(jià)存在共同的收斂趨勢(shì)。Luo等（2007）[3]利用計(jì)量方法對(duì)澳大利亞八個(gè)城市的房?jī)r(jià)傳導(dǎo)進(jìn)行研究。國(guó)內(nèi)，位志宇和楊忠直（2007）[4]長(zhǎng)三角房?jī)r(jià)走勢(shì)的趨同性研究中表明，上海通過自身累計(jì)效應(yīng)，不僅帶動(dòng)了上海房?jī)r(jià)的上升，而且產(chǎn)生了較大的溢出效應(yīng)。帶動(dòng)了浙江和江蘇房?jī)r(jià)的增長(zhǎng)，江蘇對(duì)浙江房?jī)r(jià)也有較強(qiáng)的溢出效應(yīng)。王松濤等（2008）[5] 借鑒區(qū)域房?jī)r(jià)相關(guān)研究的“波紋效應(yīng)”理論，利用計(jì)量經(jīng)濟(jì)學(xué)方法對(duì)全國(guó)主要城市的房?jī)r(jià)互動(dòng)關(guān)系進(jìn)行研究，結(jié)果表明，北京，上海，寧波等10個(gè)城市為“核心城市”，房?jī)r(jià)的正向新生信息能引發(fā)區(qū)域內(nèi)所有其它城市房?jī)r(jià)的上漲。陳章喜和黃準(zhǔn)（2010）[6]對(duì)珠三角房地產(chǎn)價(jià)格互動(dòng)關(guān)系實(shí)證研究表明，廣州、深圳、東莞的房?jī)r(jià)變動(dòng)有共同的趨勢(shì)，在三個(gè)城市之間，房?jī)r(jià)變動(dòng)的關(guān)聯(lián)程度有強(qiáng)弱之分。

上述研究主要利用計(jì)量經(jīng)濟(jì)學(xué)的Granger因果和VAR模型。Granger因果檢驗(yàn)方法認(rèn)為：若在包含了變量X和Y過去信息的條件下，對(duì)Y的預(yù)測(cè)效果要好于只單獨(dú)由Y的過去信息對(duì)Y的預(yù)測(cè)，則稱X是Y的Granger原因，否則稱之為非Granger原因。因此，這種檢驗(yàn)方法只能對(duì)房?jī)r(jià)傳導(dǎo)作出定性相關(guān)關(guān)系的分析，不能給予定量的說明。在VAR模型中，若通過喬利斯基（Cholesky）分解，使誤差項(xiàng)正交，給出脈沖響應(yīng)函數(shù)和方差分解結(jié)果，可給出變量的動(dòng)態(tài)因果關(guān)系。但該模型假定變量同期因果間存在遞推關(guān)系存在著較大的爭(zhēng)議。結(jié)構(gòu)VAR模型，允許使用參數(shù)的過度識(shí)別，通過預(yù)先給出變量的同期關(guān)系給出Bernanke方差分解。但該方法對(duì)變量的同期因果關(guān)系主要依賴于主觀判斷。

2000年，Sprites首先正式提出有向非循環(huán)圖（DAG）方法，并指出該方法能更直觀地分析變量間的非時(shí)序因果關(guān)系，通過變量間的條件依賴和條件獨(dú)立給出變量的同期因果關(guān)系。該方法為數(shù)據(jù)驅(qū)動(dòng)方法，通過圖模型理論識(shí)別變量的同期結(jié)構(gòu)，利用Bernanke方法給出動(dòng)態(tài)因果分析。近幾年，DAG方法被廣泛應(yīng)用于金融市場(chǎng)的相關(guān)結(jié)構(gòu)分析[7-9]和商品價(jià)格指數(shù)的傳導(dǎo)[10-14]。

由于近年來滇中城市經(jīng)濟(jì)圈房?jī)r(jià)很高，尤其是昆明、曲靖和玉溪等。因此，本文選取滇中城市經(jīng)濟(jì)圈的昆明、曲靖、玉溪、楚雄和武定為研究對(duì)象研究區(qū)域房?jī)r(jià)的傳導(dǎo)關(guān)系，通過對(duì)滇中城市經(jīng)濟(jì)圈不同城市之間房地產(chǎn)價(jià)格相互影響的機(jī)制及其影響程度的大小研究與分析，為該區(qū)域房地產(chǎn)市場(chǎng)一體化及房?jī)r(jià)互動(dòng)提供觀測(cè)視角，進(jìn)而在理論上為區(qū)域城市間房地產(chǎn)價(jià)格的總體調(diào)控提供一定的借鑒。

1 有向非循環(huán)圖技術(shù)

1.1 有向非循環(huán)圖理論

圖模型是一個(gè)二元組，其中G=為拓?fù)鋱D，V是點(diǎn)集，表示隨機(jī)變量的集合，E（？哿V×V）為邊集合，兩點(diǎn)間至多有一條邊，記號(hào)（α，β）∈E表示α，β之間有邊相連?！?，→分別表示無向邊、有向邊。F是V上與G相適應(yīng)的概率分布族。

若W=（w0，w1，…，wn）是V中的一個(gè)點(diǎn)序列，且對(duì)？坌i，1？燮i？燮n，都有（wi-1，wi）∈E，則稱W為從w0到wn的一條長(zhǎng)度為n的路徑；當(dāng)起點(diǎn)和終點(diǎn)重合，即w0=wn（n？叟3）時(shí)，稱W為一個(gè)環(huán)。

所有邊都是有向邊且方向相同的路徑稱為有向路徑；有向路徑的起點(diǎn)和終點(diǎn)重合形成有向環(huán)。若圖中所有邊都是無向邊，稱該圖為無向圖；所有邊都是有向邊但無有向環(huán)的圖稱為有向非循環(huán)圖（DAG，Directed Acyclic Graph）。

1.2 向量自回歸模型

向量自回歸模型（簡(jiǎn)稱VAR， Vector autoregression model）模型，是一種常用的計(jì)量經(jīng)濟(jì)模型，1980年由克里斯托弗·西姆斯（Christopher Sims）提出。VAR模型被廣泛應(yīng)用于宏觀經(jīng)濟(jì)領(lǐng)域。因結(jié)構(gòu)VAR模型與經(jīng)濟(jì)理論密切相關(guān)，經(jīng)濟(jì)上容易解釋，但其過度識(shí)別，參數(shù)不易估計(jì)。而利用有向非循環(huán)圖方法可為結(jié)構(gòu)VAR模型的過度識(shí)別提供限制，便于經(jīng)濟(jì)解釋。

結(jié)構(gòu)隨機(jī)干擾項(xiàng)vt=（v1t，v2t，…，vkt）′為向量白噪聲過程，即vt序列不相關(guān)且E（vtv′t）=∑v為對(duì)角矩陣，Bi（i=0，1，…，p）為k×k矩陣。假設(shè)式（1）表示因果結(jié)構(gòu)，則該因果結(jié)構(gòu)可通過非循環(huán)有向因果圖（causal DAG）表示。若已知變量的DAG如圖1，則對(duì)應(yīng)的結(jié)構(gòu)VAR模型（1）的參數(shù)p=1，k=3，系數(shù)B0，B1為下三角矩陣。因此通過確定同期變量的DAG，可為結(jié)構(gòu)VAR模型的過度識(shí)別提供限制。

1.3 有向非循環(huán)圖算法

有向非循環(huán)圖（DAG）方法本質(zhì)上是建立在可觀測(cè)到無條件相關(guān)系數(shù)和偏相關(guān)系數(shù)基礎(chǔ)之上的一組變量之間同期因果流的分配。有向邊刻畫了每對(duì)變量之間存在（或沒有）因果關(guān)系。

Sprites等人提出了PC算法建立因果DAG，確定變量間的因果關(guān)系。PC算法為：第一步，首先構(gòu)建一個(gè)完全圖，即任意兩個(gè)變量間都有無向邊，將無條件相關(guān)系數(shù)不顯著的邊剔除；第二步，在剩余的邊中進(jìn)行1階偏相關(guān)系數(shù)（給定第三個(gè)變量條件下兩變量的條件相關(guān)系數(shù)）檢驗(yàn)，將1階偏相關(guān)系數(shù)不顯著的邊剔除；對(duì)通過1階偏相關(guān)系數(shù)檢驗(yàn)的邊，再進(jìn)行2階偏相關(guān)系數(shù)（給定其它兩個(gè)變量條件下兩變量的偏相關(guān)系數(shù)）檢驗(yàn)，將2階偏相關(guān)系數(shù)不顯著的邊剔除，以此類推。對(duì)于N個(gè)變量的集合，則變量之間最多可進(jìn)行N-2階偏相關(guān)系數(shù)檢驗(yàn)。在偏相關(guān)系數(shù)檢驗(yàn)中，將剔除兩變量之間無向邊時(shí)的條件變量稱為這兩個(gè)變量的分離集。若兩變量之間的邊是根據(jù)無條件相關(guān)系數(shù)剔除的，記空集？覫為兩變量的分離集。最后，該算法利用分離集對(duì)圖中剩余的無向邊進(jìn)行標(biāo)向，確定變量的DAG。

考慮一組3個(gè)變量A、B和C，若A和B之間有邊，C和B之間有邊，而A和C之間不存在邊，且若A和C是無條件不相關(guān)的，而在B給定的時(shí)候卻是條件相關(guān)的（即{B}不是A和C的分離集），則可確定因果流向?yàn)锳→B←C。若已知A→B，且C和B之間有邊，若在B給定的情況下A和C是條件不相關(guān)的（即B在A和C的分離集中），則將無向邊B-C標(biāo)向?yàn)锽→C。

實(shí)證研究中，菲舍爾的z統(tǒng)計(jì)量用來檢測(cè)條件相關(guān)系數(shù)統(tǒng)計(jì)上是否顯著為零。菲舍爾的z統(tǒng)計(jì)量可表示為：

其中，n為觀測(cè)樣本數(shù)，ρ（i，jk）為基于序列k，序列i和j的總體條件相關(guān)系數(shù)，k表示序列k的變量數(shù)目，若序列i，j和k為正態(tài)分布且r（i，jk）是給定k下i和j之間的樣本條件相關(guān)系數(shù)，則z（ρ（i，jk），n）-z（r（i，jk），n）為標(biāo)準(zhǔn)正態(tài)分布。

2 實(shí)證分析

2.1 數(shù)據(jù)來源

本文樣本取自2009年7月-2014年12月的云南省的昆明（KM）， 曲靖（QJ），玉溪（YX），楚雄（CX），武定（WD）的房地產(chǎn)價(jià)格環(huán)比指數(shù)，數(shù)據(jù)來源于云南發(fā)展和改革委員會(huì)和云南統(tǒng)計(jì)網(wǎng)，整合了相同交易月對(duì)應(yīng)的66個(gè)數(shù)據(jù)，分別記為KM，QJ，YU，CX，WD。

2.2 單位根和協(xié)整檢驗(yàn)

令五大城市房地產(chǎn)環(huán)比指數(shù)Yt=（KMt，QJt，YXt，CXt，WDt）′，采用ADF統(tǒng)計(jì)量對(duì)上述變量進(jìn)行單位根檢驗(yàn)。通過觀察變量序列圖2，可以初步判斷變量是平穩(wěn)的，進(jìn)一步進(jìn)行ADF單位根檢驗(yàn)如表1，利用AIC準(zhǔn)則進(jìn)行定階，檢驗(yàn)結(jié)果如表2。檢驗(yàn)結(jié)果表明變量序列本身是平穩(wěn)的。

由上可知，房?jī)r(jià)指數(shù)均是平穩(wěn)的時(shí)間序列，進(jìn)一步探討它們之間還可能存在某種平穩(wěn)的線性組合關(guān)系，這種線性組合關(guān)系反映了變量之間長(zhǎng)期穩(wěn)定的比例關(guān)系（即協(xié)整關(guān)系）。本文首先對(duì)上述變量建立標(biāo)準(zhǔn)向量自回歸模型，再利用Johansen協(xié)整檢驗(yàn)法，對(duì)五個(gè)變量進(jìn)行協(xié)整檢驗(yàn)。檢驗(yàn)結(jié)果如表2所示。檢驗(yàn)結(jié)果拒絕無協(xié)整關(guān)系的假定，說明房?jī)r(jià)指數(shù)存在一個(gè)協(xié)整方程。

2.3 Granger因果關(guān)系檢驗(yàn)

協(xié)整檢驗(yàn)結(jié)果告訴我們變量之間是否存在長(zhǎng)期的均衡關(guān)系，但是這種關(guān)系是否構(gòu)成因果關(guān)系還需要進(jìn)一步驗(yàn)證。這就需要在此基礎(chǔ)上，利用Granger因果分析繼續(xù)進(jìn)行研究。Granger因果關(guān)系檢驗(yàn)的基本原理是：在做Y對(duì)其他變量（包括自身的過去值）的回歸時(shí)，如果把X的滯后值包括進(jìn)來能顯著地改進(jìn)對(duì)Y的預(yù)測(cè)，我們就說X是Y的（Granger）原因；類似地定義Y是X的（Granger）原因。為此需要構(gòu)造：

表3給出了房?jī)r(jià)指數(shù)的Granger因果檢驗(yàn)。結(jié)果表明，昆明和曲靖在1%顯著性水平下存在雙向的Granger因果關(guān)系，即昆明和曲靖房?jī)r(jià)聯(lián)系密切。楚雄和玉溪房?jī)r(jià)均是曲靖房?jī)r(jià)變動(dòng)的Granger原因。昆明和玉溪是武定房?jī)r(jià)變動(dòng)的Granger原因。武定房?jī)r(jià)對(duì)其它城市房?jī)r(jià)變動(dòng)無顯著影響。以上計(jì)算均通過Eviews軟件實(shí)現(xiàn)。

2.4 有向非循環(huán)圖分析

建立VAR模型后，估計(jì)殘差項(xiàng)相關(guān)系矩陣：

下面應(yīng)用PC算法對(duì)估計(jì)的殘差項(xiàng)進(jìn)行（偏）相關(guān)系數(shù)檢驗(yàn)，取10%顯著性水平進(jìn)行檢驗(yàn)，結(jié)果如表4。首先構(gòu)建完全無向圖（圖3），無條件和1階偏相關(guān)系數(shù)不能排除邊，在2階偏相關(guān)系數(shù)檢驗(yàn)基礎(chǔ)上剔除邊KM-YU，KM-CX，QJ-WD，WD-CX。在3階偏相關(guān)系數(shù)檢驗(yàn)基礎(chǔ)上剔除邊WD-YU。剔除后的剩余邊見圖4。由于昆明在滇中城市經(jīng)濟(jì)圈中的核心地位，因此可確定同期因果DAG（圖5）。以上計(jì)算通過matlab編程實(shí)現(xiàn)。

2.5 方差分解

為清晰了解五個(gè)變量的動(dòng)態(tài)因果關(guān)系，對(duì)VAR模型進(jìn)行Bernake方差分解。方差分解的結(jié)果見表5。

由表5結(jié)果發(fā)現(xiàn)，昆明的房地產(chǎn)價(jià)格沖擊對(duì)自身有100%的解釋能力，不管短期還是中長(zhǎng)期昆明的房地產(chǎn)價(jià)格都比較依賴自身市場(chǎng)過去的表現(xiàn)。楚雄和武定房?jī)r(jià)沖擊對(duì)昆明的房?jī)r(jià)變動(dòng)幾乎沒有影響，曲靖和玉溪房?jī)r(jià)對(duì)昆明房?jī)r(jià)變動(dòng)有微弱的影響。

無論短期還是長(zhǎng)期，昆明房?jī)r(jià)沖擊對(duì)曲靖房?jī)r(jià)變動(dòng)影響比較突出，解釋能力從23%增加到49%。說明昆明的房地產(chǎn)價(jià)格對(duì)曲靖的房地產(chǎn)價(jià)格有一定的指向作用。玉溪房?jī)r(jià)沖擊對(duì)曲靖房?jī)r(jià)變動(dòng)長(zhǎng)期有些微弱影響。

玉溪房?jī)r(jià)沖擊對(duì)自身解釋能力在65%以上，另外昆明房?jī)r(jià)沖擊對(duì)玉溪房?jī)r(jià)變動(dòng)影響相當(dāng)顯著，即玉溪房?jī)r(jià)與昆明房?jī)r(jià)有一定的趨同效益。除此之外，楚雄和武定的房?jī)r(jià)沖擊基本對(duì)玉溪房?jī)r(jià)無影響。

楚雄房?jī)r(jià)主要受自身過去房?jī)r(jià)影響，自身沖擊的解釋能力在60%以上。曲靖房?jī)r(jià)沖擊對(duì)楚雄房?jī)r(jià)變動(dòng)，無論短期還是長(zhǎng)期都有一定的解釋能力，基本在10%左右。昆明房?jī)r(jià)隨時(shí)間推移對(duì)楚雄房?jī)r(jià)變動(dòng)的影響程度在不斷增強(qiáng)。說明昆明和曲靖房?jī)r(jià)對(duì)楚雄房?jī)r(jià)存在著一定的傳導(dǎo)效應(yīng)。武定房?jī)r(jià)對(duì)楚雄房?jī)r(jià)變動(dòng)基本無影響。

武定房?jī)r(jià)相對(duì)比較獨(dú)立，主要依賴自身過去市場(chǎng)表現(xiàn)。其它房?jī)r(jià)沖擊對(duì)武定房?jī)r(jià)存在微弱的影響。

根據(jù)上述方差分解結(jié)果顯示昆明通過自身的“累計(jì)效應(yīng)”不僅帶動(dòng)了昆明自身房?jī)r(jià)，而且產(chǎn)生了較大的“溢出效應(yīng)”，同時(shí)也帶動(dòng)了曲靖和玉溪的房?jī)r(jià)的增長(zhǎng)。而曲靖的房?jī)r(jià)也有較強(qiáng)的溢出效應(yīng)，但是武定和楚雄對(duì)昆明房?jī)r(jià)上漲均有相對(duì)較小的貢獻(xiàn)度。

3 結(jié)論

本文對(duì)云南滇中城市經(jīng)濟(jì)圈昆明、玉溪、曲靖、楚雄和武定5個(gè)城市的房?jī)r(jià)傳導(dǎo)進(jìn)行分析。先建立結(jié)構(gòu)VAR模型，通過對(duì)VAR模型各項(xiàng)的偏相關(guān)系數(shù)檢驗(yàn)，利用DAG方法給滇中城市經(jīng)濟(jì)圈城市房?jī)r(jià)的同期因果關(guān)系圖，并且利用方差分解進(jìn)一步分析各個(gè)市場(chǎng)之間的動(dòng)態(tài)關(guān)系。

實(shí)證結(jié)果表明昆明的房?jī)r(jià)主要依賴于自身市場(chǎng)過去的表現(xiàn)。昆明房?jī)r(jià)對(duì)曲靖和玉溪房?jī)r(jià)的傳導(dǎo)顯著。因此，曲靖和玉溪房?jī)r(jià)在具體預(yù)測(cè)趨勢(shì)時(shí)可充分考慮昆明房?jī)r(jià)的變動(dòng)。滇中城市曲靖、楚雄和武定同期聯(lián)系密切，且曲靖房?jī)r(jià)對(duì)另外兩個(gè)城市有一定的傳導(dǎo)和溢出效應(yīng)。

本文特別指出，在研究時(shí)完全依據(jù)昆明，曲靖，玉溪，武定，楚雄在市場(chǎng)上表現(xiàn)出的房?jī)r(jià)來分析城市之間的溢出效應(yīng)和替代效應(yīng)，由于這些數(shù)據(jù)的形成背后已經(jīng)包含了宏觀經(jīng)濟(jì)基本面對(duì)房?jī)r(jià)的影響，所以依據(jù)這樣思路預(yù)測(cè)出的房?jī)r(jià)變動(dòng)趨勢(shì)更具科學(xué)性。因而本文通過方差分解對(duì)房?jī)r(jià)傳導(dǎo)的動(dòng)態(tài)因果關(guān)系和強(qiáng)度的分析，其實(shí)證結(jié)果對(duì)預(yù)測(cè)有交互影響的區(qū)域內(nèi)不同城市的房?jī)r(jià)變動(dòng)趨勢(shì)具有很強(qiáng)的社會(huì)經(jīng)濟(jì)意義。

參考文獻(xiàn)：

[1]Ashworth J.， Parker S.C. Modelling regional house prices in the UK[J]. Scottish Journal of Political Economy， 1997，44（3）：225-246.

[2]Stevenson S. House price diffusion and inter-regional and cross-border house price dynamics[J]. Journal of Property Research， 2004，21（4）：301-320.

[3]Luo Z.Q.， Liu C.， Picken D. Housing price diffusion pattern of Australias state capital sities[J]. International Journal of Strategic Property Management， 2007，11（4）： 227-242.

[4]位志宇，楊忠直.長(zhǎng)三角房?jī)r(jià)走勢(shì)的趨同性研究[J].南京師大學(xué)報(bào)，2007（3）：43-47.

[5]王松濤，楊贊，劉洪玉.我國(guó)區(qū)域市場(chǎng)城市房?jī)r(jià)互動(dòng)關(guān)系的實(shí)證研究[J].財(cái)經(jīng)問題研究，2008（6）：122-129.

[6]陳章喜，黃準(zhǔn).珠三角經(jīng)濟(jì)區(qū)房地產(chǎn)價(jià)格互動(dòng)關(guān)系-以廣州、深圳、東莞為例[J].區(qū)域金融，2010（4）：82-86.

[7]Bessler D.A.， Yang J. The structure of interdependence in international stock markets[J]. Journal of International Money and Finance， 2003，22（2） ：261-287.

[8]Yang J. International bond market linkages：a structural VAR analysis[J]. Int. Fin. Markets， Inst. and Money ， 2005，15（1）：39-54.

[9]Awokuse T.O.， Chopra A.， Bessler D.A. Structural change and international stock market interdependence： evidence from Asian emerging markets[J].Economic Modelling，2009，26（3）：549-559.

[10]Yang J.， Guo H.， Wang Z.J. International transmission of inflation among G-7 countries： A Data-determined VAR analysis[J]. Journal of Banking & Finance， 2006，30（10）：2681-2700.

[11]Haesun P.， James W.， Bessler A. Price interactions and discovery among natural gas spot markets in North America[J]. Energy Policy， 2008，36（1） ：290-302.

[12]Awokuse T.O. Impact of macroeconomic policies on agricultural prices[J]. Northeastern Agricultural and Resource Economics Association， 2005， 34（2） ：226-237.

[13]陳軍才.“泛珠三角”九省消費(fèi)價(jià)格傳遞聯(lián)系分析[J].統(tǒng)計(jì)教育，2007（3）：48-50.

[14]蔡風(fēng)景，李元，王慧敏.CPI、REI、PPI和房地產(chǎn)價(jià)格傳導(dǎo)研究-來自上海的實(shí)證數(shù)據(jù)[J].南方經(jīng)濟(jì)，2008（6）：57-64.

[15]Alessio，M. Graphical Models for Structural Vector Autoregressions[R].LEM Working Paper， 2004：1-32.

[16]張曉峒.Eviews 使用指南與案例[M].機(jī)械工業(yè)出版社，2007年2月.

[17]蘇金明，阮沈勇. MATLAB 實(shí)用教程[M].電子工業(yè)大學(xué)出版社，2005年7月.

[18]云南省統(tǒng)計(jì)局，國(guó)家統(tǒng)計(jì)局云南調(diào)查總隊(duì)，編.云南統(tǒng)計(jì)年鑒[M].中國(guó)統(tǒng)計(jì)出版社，2014.

[19]馬如彪，王金亮，胡錦程.滇中經(jīng)濟(jì)區(qū)縣域經(jīng)濟(jì)發(fā)展水平時(shí)空差異研究[J].云南地理環(huán)境研究，2013（3）：22-29.

[20]吳映梅，饒?jiān)什?“滇中城市經(jīng)濟(jì)圈”經(jīng)濟(jì)發(fā)展與產(chǎn)業(yè)演進(jìn)協(xié)調(diào)狀態(tài)評(píng)價(jià)研究[A].地理學(xué)核心問題與主線——中國(guó)地理學(xué)會(huì)2011年學(xué)術(shù)年會(huì)暨中國(guó)科學(xué)院新疆生態(tài)與地理研究所建所五十年慶典論文摘要集[C].2011.