（上海師范大學(xué) 商學(xué)院，上海 200234）

我國(guó)住宅商品房?jī)r(jià)格影響因素研究
——基于空間計(jì)量模型

包舒雨

（上海師范大學(xué) 商學(xué)院，上海 200234）

住房問(wèn)題關(guān)系到國(guó)計(jì)民生，一直備受關(guān)注，國(guó)家政策也大力支持房地產(chǎn)行業(yè)的發(fā)展，但隨著經(jīng)濟(jì)的發(fā)展、物價(jià)上漲等經(jīng)濟(jì)環(huán)境的變化，高房?jī)r(jià)問(wèn)題已成為重大經(jīng)濟(jì)問(wèn)題。本文引用了2005—2014年我國(guó)31個(gè)省的住宅商品房?jī)r(jià)格的空間面板數(shù)據(jù)，運(yùn)用空間計(jì)量模型，分析了人均國(guó)內(nèi)生產(chǎn)總值和工業(yè)化水平對(duì)房?jī)r(jià)的影響，并在此基礎(chǔ)上分析了我國(guó)住房?jī)r(jià)格的空間溢出效應(yīng)。另外，也對(duì)我國(guó)房?jī)r(jià)進(jìn)行了區(qū)域差異分析。結(jié)果顯示：人均gdp和工業(yè)化水平對(duì)于住房?jī)r(jià)格有正向的促進(jìn)作用，我國(guó)住房?jī)r(jià)格在空間上具有較強(qiáng)的集聚效應(yīng)。我國(guó)房?jī)r(jià)從區(qū)域上來(lái)看，從東部向西部呈現(xiàn)遞減的規(guī)律。

人均gdp；工業(yè)化水平；住房?jī)r(jià)格；K-means聚類；空間溢出效應(yīng)

一、引言

自從1979年我國(guó)開(kāi)始全價(jià)銷售商品房以后，我國(guó)城鎮(zhèn)化住房制度改革一直穩(wěn)步地向前推進(jìn)。1998年我國(guó)便開(kāi)始了全面住房市場(chǎng)化改革，進(jìn)一步推動(dòng)了房地產(chǎn)市場(chǎng)的貨幣化、商品化和市場(chǎng)化步驟。住宅市場(chǎng)不斷完善和日趨成熟，逐步成為國(guó)民經(jīng)濟(jì)新的增長(zhǎng)點(diǎn)，奠定了國(guó)民經(jīng)濟(jì)支柱產(chǎn)業(yè)的地位。但房地產(chǎn)行業(yè)隨經(jīng)濟(jì)的發(fā)展、物價(jià)升高等經(jīng)濟(jì)環(huán)境的影響，帶來(lái)的高房?jī)r(jià)問(wèn)題又成為另一重大經(jīng)濟(jì)問(wèn)題?，F(xiàn)在，面對(duì)居高不下的房?jī)r(jià)，讓我國(guó)的居民們可謂是談“房”色變！

住宅商品房的價(jià)格是住宅市場(chǎng)供需雙方之間經(jīng)濟(jì)利益關(guān)系的平衡點(diǎn)。它不僅是商品住宅所處城市經(jīng)濟(jì)發(fā)展水平與商品住宅購(gòu)買(mǎi)者收入狀況的市場(chǎng)表現(xiàn)，而且也是商品住宅所處居住環(huán)境與商品住宅所在區(qū)位、商品住宅本身品質(zhì)的直接反映。居高不下的住宅價(jià)格蘊(yùn)藏著許多內(nèi)在相互聯(lián)系的信息，包括人均gdp，國(guó)民人均收入，城鎮(zhèn)化水平，現(xiàn)代工業(yè)化水平，消費(fèi)水平等等。房地產(chǎn)行業(yè)對(duì)于國(guó)民經(jīng)濟(jì)的拉動(dòng)效應(yīng)與日俱增，幾乎到了“牽一發(fā)而動(dòng)全身”的程度。隨著房?jī)r(jià)在近幾年的迅速瘋漲的過(guò)程中，我國(guó)政府也是在不斷要求各地區(qū)、各相關(guān)部門(mén)切實(shí)保障性住房建設(shè)和穩(wěn)定房屋價(jià)格，堅(jiān)決遏制部分城市房地產(chǎn)的過(guò)快投資和價(jià)格的非理性上漲。即便如此，一些大中城市的房?jī)r(jià)依然是在繼續(xù)攀升，勢(shì)頭強(qiáng)勁，政府的調(diào)控結(jié)果不盡如人意。住宅商品房?jī)r(jià)格己經(jīng)日漸成為政府、居民、開(kāi)發(fā)商、學(xué)術(shù)界等各方面關(guān)注的焦點(diǎn)。

由于我國(guó)疆域遼闊，每個(gè)地區(qū)處于不同經(jīng)濟(jì)發(fā)展水平導(dǎo)致住宅房?jī)r(jià)格處于不同水平，而每個(gè)地區(qū)內(nèi)部也因不同的地理位置使得住宅房?jī)r(jià)格也有所不同。再者，在城市商品住宅價(jià)格水平整體上漲的同時(shí)，不同區(qū)位的房?jī)r(jià)上漲幅度也不同，因此，住宅商品房?jī)r(jià)格會(huì)帶有很明顯的區(qū)域差異，住宅房的價(jià)格與地理空間位置有著密切的關(guān)系。

本文既是從人均gdp、工業(yè)化水平，這兩個(gè)角度為切入點(diǎn)，選取我國(guó)除港澳臺(tái)之外31個(gè)省份地區(qū)從2005年至2014年的房?jī)r(jià)數(shù)據(jù)進(jìn)行空間分析。

二、房?jī)r(jià)影響因素分析

本文主要利用了工業(yè)化水平、人均gdp這兩個(gè)自變量對(duì)于住宅商品房?jī)r(jià)格影響的分析。文章所用的原始數(shù)據(jù)均來(lái)自中國(guó)統(tǒng)計(jì)年鑒，在此基礎(chǔ)上進(jìn)行的一些公式變化。另外，本文的數(shù)據(jù)處理是在MTALAB、GeoDa、R語(yǔ)言這三個(gè)軟件進(jìn)行處理的。

1、住宅商品房的價(jià)格分析

表1是全國(guó)住宅商品房2005—2014年期間每年全國(guó)的房?jī)r(jià)，圖2.1是全國(guó)房?jī)r(jià)的折線圖。結(jié)合表格和圖1，可以發(fā)現(xiàn)，全國(guó)房?jī)r(jià)變動(dòng)整體上升，局部波動(dòng)。2006-2007年，房?jī)r(jià)漲速較快，由3119.25元/m2上升到3645.18元/m2。而2007-2008年，房?jī)r(jià)有一個(gè)較平緩的回落，由3645.18元/m2下跌到3576元/m2。2008年以后，我國(guó)房?jī)r(jià)呈現(xiàn)出持續(xù)增長(zhǎng)的態(tài)勢(shì)。其中2008—2009年增幅較大，由3576元/m2上漲到4459元/m2。在2014年的房?jī)r(jià)達(dá)到最大值，為5933元/m2。

并且對(duì)于全國(guó)住宅商品房?jī)r(jià)格進(jìn)行了卡方檢驗(yàn)，結(jié)果顯示其p值小于0.05，拒絕正態(tài)性假設(shè)，即全國(guó)住宅房?jī)r(jià)不服從正態(tài)分布。

2、工業(yè)化水平

工業(yè)化水平運(yùn)用的是是第三產(chǎn)業(yè)總產(chǎn)值除以國(guó)內(nèi)總產(chǎn)值得到的數(shù)值，它是國(guó)家工業(yè)化程度的度量。其發(fā)展水平往往折射出一個(gè)地區(qū)或者國(guó)家的經(jīng)濟(jì)狀況發(fā)展水平，隨著社會(huì)的發(fā)展進(jìn)步，第三產(chǎn)業(yè)迅速發(fā)展使得其對(duì)勞動(dòng)力的需求也快速提高，形成了對(duì)勞動(dòng)力的巨大需求，從而對(duì)住房的需求也在上升。并且巨大的勞動(dòng)力需求帶來(lái)了勞動(dòng)力成本上升，勞動(dòng)力的工資提升，因此也增加了勞動(dòng)力的實(shí)際購(gòu)買(mǎi)力。并且第三產(chǎn)業(yè)，吸納勞動(dòng)力最多。它的發(fā)展往往位于城市等人口集中的地方，并且傾向于集中在某一個(gè)區(qū)域，使得這一地區(qū)的土地價(jià)格和房產(chǎn)價(jià)格上升，并帶動(dòng)周邊地區(qū)的土地價(jià)格與房屋價(jià)格上升，進(jìn)而對(duì)整個(gè)城市的房?jī)r(jià)上升產(chǎn)生影響。

圖1 全國(guó)住宅商品房?jī)r(jià)格折線圖

表1 全國(guó)住宅商品房?jī)r(jià)格

圖2 工業(yè)化對(duì)房?jī)r(jià)的散點(diǎn)圖

圖2是2005—2014年間全國(guó)及個(gè)地區(qū)住宅房?jī)r(jià)與工業(yè)化水平之間的散點(diǎn)圖和回歸線。其計(jì)算所得的房?jī)r(jià)與工業(yè)化水平的相關(guān)系數(shù)是0.7346739，根據(jù)圖3和相關(guān)系數(shù)可以知道，住宅房?jī)r(jià)與工業(yè)化水平之間相關(guān)程度較高，是明顯的正相關(guān)關(guān)系。

3、人均gdp

GDP是衡量一國(guó)經(jīng)濟(jì)發(fā)展水平的一項(xiàng)基本指標(biāo)，近而gdp增長(zhǎng)速度是衡量一國(guó)經(jīng)濟(jì)發(fā)展速度的基本指標(biāo)，他們對(duì)住房?jī)r(jià)格的影響表現(xiàn)在兩個(gè)方面，一是隨著經(jīng)濟(jì)的發(fā)展，gdp的增長(zhǎng)，人們的收入提高，購(gòu)買(mǎi)力也隨之提高，從而住房?jī)r(jià)格也會(huì)上升；二是當(dāng)gdp增長(zhǎng)速度較快的年份，人們對(duì)未來(lái)預(yù)期的也會(huì)更為樂(lè)觀，從而提高了購(gòu)買(mǎi)的欲望，促進(jìn)了需求，導(dǎo)致房?jī)r(jià)上漲。

圖5是全國(guó)人均gdp增長(zhǎng)折線圖，可以直觀看出2005-2014年間，人均gdp一直是在不斷增長(zhǎng)的，而且增長(zhǎng)的速度趨于穩(wěn)定。從2005年的14368元增長(zhǎng)到2014年的47203元，增長(zhǎng)了2.3倍，平均增幅約為3648.33元/年。圖4是2005—2014年間全國(guó)及個(gè)地區(qū)住宅房?jī)r(jià)與人均gdp之間的散點(diǎn)圖和回歸線。其計(jì)算所得的房?jī)r(jià)與人均gdp之間的相關(guān)系數(shù)為0.8324223。根據(jù)圖4及相關(guān)系數(shù)的結(jié)果可知，人均gdp與房?jī)r(jià)之間具有很強(qiáng)的正相關(guān)關(guān)系。

4、區(qū)域差異

（1）K-means聚類

K-means聚類是數(shù)據(jù)挖掘最重要的算法之一，聚類是指將一個(gè)數(shù)據(jù)集分成指定個(gè)數(shù)的類簇的過(guò)程。K-means聚類的方法是，隨機(jī)選取k個(gè)初始值作為類的種子，將距離某個(gè)初始值最近的數(shù)據(jù)添加到該初始值所屬的類并重新計(jì)算類的中心，通常取為重心。

圖3 全國(guó)人均gdp增長(zhǎng)折線圖

圖4 人均gdp對(duì)房?jī)r(jià)的散點(diǎn)圖

（2）房?jī)r(jià)區(qū)域差異分析

工業(yè)化水平這個(gè)變量的取值在0～1之間，因此將人均gdp作極差正規(guī)化變換，使之取值在0～1之間。

運(yùn)用K-means聚類，首先要知道類數(shù)，因此需要先畫(huà)譜系圖，確定分為幾類。此操作均是在R語(yǔ)言中實(shí)現(xiàn)。所得到的譜系圖如圖5所示。

根據(jù)譜系結(jié)果，我們可以將其分為五類比較合適。因此建立K-means聚類的時(shí)候，選擇5類。根據(jù)程序，得到聚類結(jié)果圖，如圖6所示。

根據(jù)圖6的聚類結(jié)果，將31個(gè)省份分為五類，第一類：河北、山西、吉林、黑龍江、湖北、湖南、海南、重慶、陜西、寧夏、新疆；第二類：江蘇、浙江、內(nèi)蒙古、遼寧、福建、山東、廣東；第三類：貴州、云南、西藏、甘肅；第四類：河南、青海、安徽、江西、廣西、四川；第五類：北京、天津、上海。表2是聚類后各個(gè)類的中心?？梢钥闯?。第五類兩個(gè)維度的指標(biāo)都是最高的，第三類在工業(yè)化水平的類中心上為第二位，而另外三類中，第二類＞第一類＞第四類。

由于對(duì)于房?jī)r(jià)的總體分布未知，因此采用Kruskal-Wallis檢驗(yàn)和Willcoxon秩和檢驗(yàn)兩種方法比較五類地區(qū)的房?jī)r(jià)差異。

Kruskal-Wallis檢驗(yàn)是一個(gè)關(guān)于三組或更多數(shù)據(jù)的非參數(shù)性測(cè)試，檢驗(yàn)樣本之間是否有差異。經(jīng)過(guò)檢驗(yàn)，得到P值為0.002905.通過(guò)了5%水平下的顯著性檢驗(yàn)，因此可以認(rèn)定各類地區(qū)的房?jī)r(jià)不相同.接下來(lái)利用Willcoxon秩和檢驗(yàn)來(lái)比較五類房?jī)r(jià)之間的大小。需檢驗(yàn)零假設(shè)：H：pri（i）大于pri（j）。其中i和j不相等，取值范圍（1，5）。P值小于0.05，則拒絕假設(shè)。反之則接受假設(shè)。

圖6 聚類結(jié)果

表2 聚類中心

表3 Willcoxon秩和檢驗(yàn)

表2是檢驗(yàn)結(jié)果，從結(jié)果可以知道。各類地區(qū)的房?jī)r(jià)順序是：第五類＞第二類＞第一類＞第四類＞第三類。第五類是京津滬，為我國(guó)的發(fā)達(dá)地區(qū)，第二類的省份多位于我國(guó)東部沿海地帶，第一類的省份我國(guó)東部地區(qū)加中部一些省份，第四類里省份多位于我中部地區(qū)，第三類的四個(gè)省份在我西部地區(qū)?？傮w來(lái)看，這樣分類符合我國(guó)目前的經(jīng)濟(jì)從東部到西部遞減的趨勢(shì)。

三、空間面板模型構(gòu)造

1、空間滯后模型

空間滯后模型是用以考察變量在地區(qū)是否有擴(kuò)散現(xiàn)象，即溢出效應(yīng)，其表達(dá)式為：

式中，Y是因變量，即擴(kuò)散程度；X為n*k階的外生解釋變量矩陣；ρ為空間回歸系數(shù)，反映了樣本觀測(cè)值中的空間依賴作用，Wy為空間滯后因變量，是一內(nèi)生變量，反映了空間距離對(duì)因變量的作用；ε為隨機(jī)誤差向量；參數(shù)β反映了自變量X對(duì)因變量Y的影響。

2、空間誤差模型

空間誤差模型的數(shù)學(xué)表達(dá)式為：

式中，ε為隨機(jī)誤差向量，λ為n*1階的截面因變量向量的空間誤差系數(shù)，為正態(tài)分布的隨機(jī)誤差向量，衡量了樣本觀察值中的空間依賴作用。參數(shù)β反映了自變量X對(duì)因變量Y的影響。存在于擾動(dòng)誤差項(xiàng)之中的空間依賴作用度量了鄰接地區(qū)關(guān)于因變量的誤差沖擊對(duì)本地區(qū)觀察值的影響程度。

四、房?jī)r(jià)影響因素實(shí)證分析

1、基于Moran’I系數(shù)的自相關(guān)檢驗(yàn)

（1）全局空間相關(guān)性

利用Moran’I系數(shù)對(duì)我國(guó)31個(gè)省域2005-2010年間住宅商品房?jī)r(jià)格數(shù)據(jù)做全局空間自相關(guān)檢驗(yàn)，分析各省域之間的商品房?jī)r(jià)格是否存在空間交互作用。

表4顯示了我們31個(gè)省域住宅商品房?jī)r(jià)格的Moran’I系數(shù)。我國(guó)在這連續(xù)十年的時(shí)間里，31個(gè)省域住宅房?jī)r(jià)格的Moran’I系數(shù)均小于0.01，都通過(guò)了顯著性檢驗(yàn)。這組數(shù)據(jù)說(shuō)明我國(guó)區(qū)域的住宅商品房?jī)r(jià)格之間存在著顯著的空間交互作用。即商品房?jī)r(jià)格在空間的布局上并不是隨機(jī)分布的，而是存在著顯著的空間相關(guān)關(guān)系，觀察Moran’I系數(shù)發(fā)現(xiàn)，2005—2014年間的Moran’I系數(shù)均大于0，徘徊在0.3左右。這說(shuō)明住宅商品房?jī)r(jià)格存在顯著的空間正相關(guān)關(guān)系，表現(xiàn)為商品房?jī)r(jià)格相對(duì)較高的省域傾向于與其他商品房?jī)r(jià)格相對(duì)較高的省域相臨近；商品房?jī)r(jià)格相對(duì)較低的省域傾向于與其他商品房?jī)r(jià)格相對(duì)較低的省域相臨近。

表4 我國(guó)31個(gè)省域住宅商品房?jī)r(jià)格Moran’I系數(shù)

圖7 2005年、2008年、2011年、2014年Moran’I散點(diǎn)圖

（2）局部空間相關(guān)性

引入一階鄰接“車(chē)標(biāo)準(zhǔn)”權(quán)重矩陣，通過(guò)GeoDa軟件對(duì)2005-2014年我國(guó)各省域住宅商品房?jī)r(jià)格的局部空間相關(guān)性進(jìn)行分析?？梢赃\(yùn)用Moran’I散點(diǎn)圖。Moran’I散點(diǎn)圖將各省域的商品房?jī)r(jià)格的分布劃分為四個(gè)象限，第一象限（高-高）表示住房?jī)r(jià)格相對(duì)較高的省域被住房?jī)r(jià)格相對(duì)較高的其他省域所包圍；第三象限（低-低）表示住房?jī)r(jià)格相對(duì)較低的省域被住房?jī)r(jià)格相對(duì)較低的省域所包圍；第二象限（低-高）表示住房?jī)r(jià)格較低的省域被住房?jī)r(jià)格相對(duì)較高的哲域所包圍；第四象限（高-低）表示住房?jī)r(jià)格相對(duì)較高的省域被住房?jī)r(jià)格相對(duì)較低的省域所包圍。圖7分別是2005年、2008年、2011年、2014年的Moran’I散點(diǎn)圖。從圖7可以看出，高-高相鄰和低-低相鄰的省域占據(jù)大多數(shù)。即多數(shù)省份多集中在散點(diǎn)圖的第一、三象限。即住宅房?jī)r(jià)格較高的地區(qū)相對(duì)的趨于和住宅房?jī)r(jià)格較高的地區(qū)相鄰，比如北京、天津、江蘇、浙江、上海等地。住宅房?jī)r(jià)格較低的地區(qū)相對(duì)的趨于和住宅房?jī)r(jià)格較低的區(qū)域相鄰，比如新疆、寧夏、甘肅等地。

1、空間面板模型分析

（1）住宅商品房?jī)r(jià)格的空間相關(guān)性檢驗(yàn)結(jié)果

首先應(yīng)當(dāng)檢驗(yàn)變量的空間相關(guān)性。本文對(duì)2005—2014年全國(guó)31個(gè)省市數(shù)據(jù)面板數(shù)據(jù)進(jìn)行處理，使用MATLAB軟件進(jìn)行空間相關(guān)性檢驗(yàn)，其檢驗(yàn)結(jié)果如表5所示：

從表5可以知道，Moran’I系數(shù)為正，且P值檢驗(yàn)為0.007988，通過(guò)了顯著性水平檢驗(yàn)，因此，認(rèn)為住宅商品房?jī)r(jià)格具有空間集聚效應(yīng)。

表5 Moran’I空間相關(guān)性檢驗(yàn)結(jié)果

（2）住宅商品房空間面板數(shù)據(jù)估計(jì)結(jié)果

利用空間面板數(shù)據(jù)模型分析人均gdp、工業(yè)化水平等影響因素對(duì)住宅房?jī)r(jià)格水平的影響。首先，檢驗(yàn)相應(yīng)的非空間計(jì)量模型以確定其是否符合空間滯后模型或者空間誤差模型。當(dāng)非空間計(jì)量模型被拒絕時(shí)，則說(shuō)明方程可能是空間滯后模型或者是空間誤差模型，反之則是非空間計(jì)量模型。檢驗(yàn)結(jié)果如表6，模型均在無(wú)固定效應(yīng)下建立的。

表6 LM檢驗(yàn)結(jié)果

根據(jù)表6的結(jié)果可以知道，應(yīng)該選擇空間誤差模型，其LM檢驗(yàn)值和穩(wěn)健下的LM檢驗(yàn)均通過(guò)了顯著性檢驗(yàn)。因此，接下來(lái)對(duì)空間誤差模型的混合模型，地區(qū)固定效應(yīng)模型，時(shí)間固定效應(yīng)模型和時(shí)間地區(qū)都固定的雙固定模型進(jìn)行比較。比較結(jié)果如表7，其中1=“混合模型”，2=“地區(qū)固定效應(yīng)模型”，3=“時(shí)間固定模型”，4=“雙固定模型”。

表7 空間誤差模型估計(jì)結(jié)果

根據(jù)表7，經(jīng)過(guò)比較，混合模型和時(shí)間固定模型下的空間誤差模型各項(xiàng)系數(shù)值均通過(guò)了顯著性檢驗(yàn)。比較混合模型和時(shí)間固定模型，在擬合優(yōu)度和最大似然值數(shù)值上，時(shí)間固定模型均比混合模型大，說(shuō)明時(shí)間固定的空間誤差模型擬合性更好，因此選擇時(shí)間固定的空間誤差模型。

在固定時(shí)間的空間誤差模型中，人均gdp的系數(shù)是0.081936，工業(yè)化水平的系數(shù)是15521.646，因此，在其它變量保持不變的條件下，人均gdp若每上升10000元，則會(huì)導(dǎo)致房?jī)r(jià)上升819.36元；工業(yè)化水平每上升一個(gè)百分點(diǎn)，則房?jī)r(jià)會(huì)上升15521.646元。由此可見(jiàn)，人均gdp和工業(yè)化水平對(duì)房?jī)r(jià)的影響因素比較至關(guān)重要的。

在空間誤差模型中，參數(shù)λ衡量了樣本觀察值的誤差項(xiàng)引進(jìn)的一個(gè)區(qū)域間溢出成分，即度量了鄰近地區(qū)關(guān)于住宅商品房?jī)r(jià)格誤差沖擊對(duì)本地區(qū)住宅房?jī)r(jià)格觀察值的影響程度。在時(shí)間固定的空間誤差模型中，λ=0.166978，并且其檢驗(yàn)值為0.034017，通過(guò)5%水平下的顯著值檢驗(yàn)，因此可以顯著的認(rèn)為鄰近地區(qū)住宅商品房?jī)r(jià)格的誤差沖擊對(duì)本地住宅房?jī)r(jià)有正向的影響，即住宅商品房?jī)r(jià)格存在空間溢出作用，其溢出作用強(qiáng)度為16.6978%。

五、結(jié)論與啟示

1、研究結(jié)論

本文采用了10年間，31個(gè)省域的面板數(shù)據(jù)研究住宅商品房?jī)r(jià)格的空間相關(guān)性。首先，對(duì)全國(guó)十年間的房?jī)r(jià)進(jìn)行了一個(gè)整體的簡(jiǎn)單分析，我國(guó)在這十年里房?jī)r(jià)是整體上升，局部波動(dòng)。然后分別分析了人均gdp和工業(yè)化水平這兩個(gè)指標(biāo)對(duì)于房?jī)r(jià)的影響，二者與住房?jī)r(jià)格均有較強(qiáng)的正相關(guān)關(guān)系。接下來(lái)，在引進(jìn)空間面板模型之前，首先對(duì)于我國(guó)各地區(qū)住宅商品房?jī)r(jià)格數(shù)據(jù)進(jìn)行了整體和局部的空間相關(guān)性分析。從整體上，可以知道，10年的數(shù)據(jù)均通過(guò)了Moran’I系數(shù)檢驗(yàn)，并且均大于0，可知，我國(guó)住宅房?jī)r(jià)具有較強(qiáng)的空間集聚效應(yīng)，并且在時(shí)間上具有持續(xù)穩(wěn)定性。從局部分析來(lái)看，大多數(shù)省份均分布在高-高和低-低區(qū)域，局部性也是比較明顯的。最后，進(jìn)行空間模型的擬合估計(jì)，得出結(jié)果。人均gdp和工業(yè)化水平對(duì)住宅房?jī)r(jià)都是產(chǎn)生正相關(guān)影響，并且結(jié)果也顯示了鄰近地區(qū)住宅房?jī)r(jià)的誤差沖擊對(duì)本地住宅房?jī)r(jià)有顯著的正向影響，即住宅商品房?jī)r(jià)格存在空間溢出作用。

2、政策建議

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，第三產(chǎn)業(yè)，人均gdp都在不斷的發(fā)展與提高，并從不同方面影響著我國(guó)的住房?jī)r(jià)格，同時(shí)房子作為居民生產(chǎn)生活的必需品，對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，人民生活水平的提高都有著極其重要的影響，房?jī)r(jià)的合理可以促進(jìn)整個(gè)社會(huì)的穩(wěn)定。然而當(dāng)下，我國(guó)房?jī)r(jià)的快速上漲，漸漸突破居民的可承受范圍，這將會(huì)直接影響我國(guó)經(jīng)濟(jì)的持續(xù)健康發(fā)展。因此，有如下幾點(diǎn)建議：

（1）重區(qū)域間合作，以城市集群為房?jī)r(jià)調(diào)控對(duì)象。統(tǒng)籌區(qū)域商品房協(xié)調(diào)發(fā)展，充分發(fā)揮鄰近城市優(yōu)勢(shì)互補(bǔ)的功能，實(shí)現(xiàn)區(qū)域商品房市場(chǎng)的融合發(fā)展，帶動(dòng)區(qū)域房地產(chǎn)市場(chǎng)的穩(wěn)定、健康發(fā)展。

（2）一步提高城鎮(zhèn)居民的收入水平，提升居民的房地產(chǎn)市場(chǎng)支付能力，緩解房地產(chǎn)市場(chǎng)供求失衡。

（3）市場(chǎng)為主，調(diào)控為輔。豎持市場(chǎng)機(jī)制和政府調(diào)控相結(jié)合，解決住房?jī)r(jià)格過(guò)高。充分發(fā)揮政府對(duì)市場(chǎng)的宏觀調(diào)控、監(jiān)管和住房保障職責(zé)，保障市場(chǎng)的合理發(fā)展。

[1] 范新英：中國(guó)城市房?jī)r(jià)的空間非線性機(jī)理研究[D]．山西財(cái)經(jīng)大學(xué)，2015．

[2] 谷興、周麗青：基于地理加權(quán)回歸的武漢市住宅房?jī)r(jià)空間分異及其影響因素分析[J]．國(guó)土與自然資源研究，2015（03）．

[3] 杜小薇：我國(guó)城鎮(zhèn)化對(duì)房?jī)r(jià)影響分析[D]．重慶工商大學(xué)，2015．

[4] 張凌：城市住房?jī)r(jià)格波動(dòng)差異及連鎖反應(yīng)研究[D]．浙江大學(xué)，2008．

[5] 趙自勝：城市商品住宅價(jià)格空間分異研究[D]．河南大學(xué)，2010．

[6] 程華靖：我國(guó)住房?jī)r(jià)格影響因素研究[D]．西南大學(xué)，2013．

[7] 鄭曉燕、周鵬：武漢市房?jī)r(jià)的空間分布格局及其影響因素分析[J]．國(guó)土與自然資源研究，2016（02）．

[8] 公言常：基于面板數(shù)據(jù)的房?jī)r(jià)空間溢出效應(yīng)研究[D]．華南理工大學(xué)，2015．

[9] 吳玉鳴：空間計(jì)量經(jīng)濟(jì)模型在省域研發(fā)與創(chuàng)新中的應(yīng)用研究[J]．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006（5）．

（責(zé)任編輯：冷麗）