邱嵐嵐，全詩濤，全詩凡

(1.中國建設(shè)銀行 長沙華興支行，湖南 長沙410001；2.云南財經(jīng)大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，云南 昆明650221；3.云南財經(jīng)大學(xué) 城市與環(huán)境學(xué)院，云南 昆明650221)

一、引言

中國房地產(chǎn)自1998年實行住房貨幣化政策以來得到快速發(fā)展，但同時房價也經(jīng)歷了不正常的過快增長[1]，中國住宅平均銷售價格從1998年1 854元/平米上漲到2016年7 203元/平米，其中1998—2003年年均上漲速度為3.47%，2004—2016年年均上漲速度達到9.78%。房價過快上漲引起社會各界人士廣泛關(guān)注。我國政府自2003年就在不斷加大對房地產(chǎn)市場調(diào)控的力度，但是房價調(diào)控政策效果并不好，比如，當(dāng)調(diào)控一線城市時候，更多二、三線城市的房價呈現(xiàn)快速上漲；調(diào)控政策過后房價出現(xiàn)反彈，甚至出現(xiàn)越調(diào)控越漲價局面，更加刺激投機行為?？梢?，對于房地產(chǎn)市場以及房價變動規(guī)律的研究還需要不斷完善和發(fā)展，以提供更適合調(diào)控房地產(chǎn)市場的理論支撐和政策建議。

關(guān)注最近一輪(2015年至今)的房價上漲態(tài)勢會發(fā)現(xiàn)，最先上漲的城市往往是“北上廣深”等一線城市(據(jù)相關(guān)報道深圳市房價2015年同比上漲60%)，到2016年天津、武漢、杭州、鄭州等二線城市房價快速上漲，而昆明等三線城市直到2017年初才開始上漲；當(dāng)二、三線城市房價處于上漲階段時，一線城市又開始下跌，比如深圳房價最先在2016年11月出現(xiàn)下跌趨勢，而北京房價在2016年底增速放緩，并且在2017年9月出現(xiàn)下跌趨勢。這種房價變動的規(guī)律可以總結(jié)為：房價可能存在從一線城市傳遞到二線城市，再逐漸擴散到三線城市，即房價有時間—空間上的擴散和溢出效應(yīng)?？梢?，從房價空間關(guān)聯(lián)結(jié)構(gòu)的角度展開研究，揭示城市房價在空間上的傳導(dǎo)特征具有重要的理論價值和現(xiàn)實意義。

二、文獻綜述

學(xué)者們對房價的研究可以分為兩大類，一是影響房價的其他因素，比如，收入水平(沈悅等，2004)[2]、人口結(jié)構(gòu)轉(zhuǎn)變(徐建煒等，2012)[3]、貨幣超發(fā)(張濤等，2006)[4]、預(yù)期(況偉大，2010)[5]和人力資本(陳斌開等，2016)[6]等對房價的影響。二是從空間因素考察房價擴散和溢出的規(guī)律。最早關(guān)注房價空間互動當(dāng)屬Macdonald和Taylor(1993)[7]，他們最早在協(xié)整理論框架內(nèi)，運用Engle-Granger協(xié)整和Johnson協(xié)整對英國房價進行區(qū)域住房價格互動關(guān)系的研究，發(fā)現(xiàn)英國的11個行政區(qū)域中存在9個協(xié)整關(guān)系，并且除了北愛爾蘭外，其它區(qū)域的住房價格從長期來看不可能出現(xiàn)系統(tǒng)的分異。之后，Alexander和Barrow(1994)[8]采用同樣的方法研究英國房價區(qū)域互動關(guān)系，發(fā)現(xiàn)Macdonald等人的研究由于引入的時滯太長造成了更多的協(xié)整關(guān)系，其實英國的11個地區(qū)只存在3～5個協(xié)整關(guān)系。但他們都發(fā)現(xiàn)英國房價表現(xiàn)出明顯的最先從東南部地區(qū)發(fā)生波動，然后向中部地區(qū)傳遞，再向北部地區(qū)傳遞的形式，符合典型的“波紋效應(yīng)”理論。此后，Meen(1996，1999)[9-10]引出空間依賴的概念，并從家庭遷居、空間套利等方面比較系統(tǒng)地總結(jié)了房價“波紋效應(yīng)”產(chǎn)生的原因，認為區(qū)域住房市場的結(jié)構(gòu)性差異是其重要基礎(chǔ)。Lean等(2013)[11]發(fā)現(xiàn)馬來西亞的房價也是存在從發(fā)達地區(qū)到落后地區(qū)的“波紋效應(yīng)”。王松濤等(2008)[12]應(yīng)用Johansen協(xié)整關(guān)系檢驗、多變量格蘭杰因果檢驗和脈沖效應(yīng)函數(shù)方法，分別分析了我國五個主要區(qū)域(北部沿海地區(qū)、中部沿海地區(qū)、南部沿海地區(qū)、中部地區(qū)和西部地區(qū))內(nèi)城市之間房價的互動關(guān)系。

隨著研究的不斷深入，學(xué)者們開始關(guān)注區(qū)域住房價格波動的空間互動及影響程度，更加系統(tǒng)地解讀住房價格在不同區(qū)域?qū)用嫔系臅r空特征。Kim等(2012)[13]發(fā)現(xiàn)美國的區(qū)域住房價格波動還具有多重空間均衡特征，呈現(xiàn)出俱樂部式的集聚形態(tài)。Sean等(2011)[14]建立時空計量模型深入考察英國區(qū)域房價，發(fā)現(xiàn)倫敦市的房價波動不僅有向相鄰地區(qū)的即時擴散，還存在向北部與西北部的滯后性傳遞影響，而且在全球化背景下，倫敦市的房價還受到了美國紐約房價波動的影響。Cook等(2015)[15]為了測度“波紋效應(yīng)”，建立地理鄰近和聯(lián)動性的方向性預(yù)測方法直接測度價格變化，而不是收斂水平。Elias(2016)[16]研究區(qū)域房價動態(tài)變化差異的大小及其向基礎(chǔ)價格水平回歸的速度。洪濤等(2007)[17]研究發(fā)現(xiàn)我國35個大中城市房價存在區(qū)域間的聯(lián)動性。陳浪南等(2012)[18]從省際層面考察中國房價的空間效應(yīng)，發(fā)現(xiàn)相鄰地區(qū)間房價的影響程度要比不相鄰地區(qū)之間房價的影響程度更大。劉志平等(2013)[19]研究發(fā)現(xiàn)，中國35個大中城市的住房價格在1999—2010年間表現(xiàn)出不斷加強的空間自相關(guān)性，且存在弱的正擴散效應(yīng)。丁如曦等(2015)[20]利用全國285個地級及以上城市的數(shù)據(jù)，采用探索性空間數(shù)據(jù)分析方法和空間計量技術(shù)考察了中國城市住房價格的區(qū)域空間格局與特征。

從上述研究來看，目前有關(guān)住房價格空間關(guān)聯(lián)性的研究主要從協(xié)整關(guān)系、Granger因果關(guān)系、空間計量模型角度展開，對我國房價聯(lián)動關(guān)系給予了一定解釋。然而，現(xiàn)有文獻仍存在一定的局限性：其一，中國的地域面積大，各地區(qū)之間的房價聯(lián)系本身是復(fù)雜的、多線程的網(wǎng)絡(luò)結(jié)構(gòu)性質(zhì)。已有文獻很少考慮這種網(wǎng)絡(luò)性質(zhì)。其二，已有研究主要基于“屬性數(shù)據(jù)”展開，忽視了反映結(jié)構(gòu)特征的“關(guān)系數(shù)據(jù)”的重要作用，難以刻畫城市房價聯(lián)動的整體網(wǎng)絡(luò)結(jié)構(gòu)特征(陳明華等，2016)[21]。只有厘清各城市房價聯(lián)動的網(wǎng)絡(luò)結(jié)構(gòu)整體特征以及各城市房價在這種聯(lián)動網(wǎng)絡(luò)中的地位，才能為政府制定精準有效的房價調(diào)控政策以及構(gòu)建跨區(qū)域房價協(xié)同調(diào)控機制提供重要的理論依據(jù)和應(yīng)用價值(方大春等，2018)[22]。而網(wǎng)絡(luò)分析法主要分析結(jié)構(gòu)關(guān)系，且具有全局性分析的特點，可以全方位解構(gòu)房價的空間關(guān)聯(lián)特征。為此，陳明華等(2016)[21]和方大春等(2018)[22]嘗試運用網(wǎng)絡(luò)分析方法考察城市間房價聯(lián)動的網(wǎng)絡(luò)結(jié)構(gòu)特征。以下研究在他們的研究基礎(chǔ)上，基于2010年6月—2016年5月中國99個大中城市72個月的房價數(shù)據(jù)，運用社會網(wǎng)絡(luò)分析方法揭示城市房價聯(lián)動的網(wǎng)絡(luò)結(jié)構(gòu)特征。本文的數(shù)據(jù)來源于東方財富chioce數(shù)據(jù)庫。

三、房價的空間關(guān)聯(lián)的網(wǎng)絡(luò)分析方法

(一)城市房價聯(lián)動關(guān)系確定及網(wǎng)絡(luò)構(gòu)建方法

社會網(wǎng)絡(luò)分析方法的第一步是要確定個體之間的“關(guān)系”，已有研究主要有兩種方法確定關(guān)系，一是引力模型，二是VAR模型。兩種方法在測度關(guān)系時各有利弊。引力模型的好處是可以將研究對象之間的空間距離對“關(guān)系”產(chǎn)生的影響考慮進來，而且可以得到連續(xù)時間變化的網(wǎng)絡(luò)關(guān)系；弊端是有些研究對象(比如房價)之間的相互影響可能受距離的影響較小，受其他經(jīng)濟社會因素影響較大，如果用引力模型度量“關(guān)系”會存在較大誤差。而VAR模型的優(yōu)勢是可以精確衡量地區(qū)之間變量在時間上的動態(tài)引導(dǎo)關(guān)系，弊端是VAR模型對滯后階數(shù)的選擇比較敏感，一定程度上降低了網(wǎng)絡(luò)結(jié)構(gòu)特征刻畫的精確性，而且只能得到某一時點截面的網(wǎng)絡(luò)關(guān)系。鑒于本文的研究對象是城市之間房價的“關(guān)系”網(wǎng)絡(luò)，很顯然，地區(qū)之間房間關(guān)聯(lián)更多受經(jīng)濟社會甚至心理預(yù)期的影響，而受地理距離影響較小，因此，選擇VAR模型度量“關(guān)系”更合適。

(二)城市房價空間關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)特征分析方法

1.整體網(wǎng)絡(luò)結(jié)構(gòu)特征

整體網(wǎng)絡(luò)結(jié)構(gòu)特征一般由網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)效率等來刻畫，這些指標都是基于上文的“關(guān)系”矩陣計算得到。

網(wǎng)絡(luò)密度是反映網(wǎng)絡(luò)中各區(qū)域之間關(guān)聯(lián)關(guān)系疏密情況的指標。網(wǎng)絡(luò)中關(guān)聯(lián)關(guān)系的數(shù)量越多，網(wǎng)絡(luò)密度越大。網(wǎng)絡(luò)的密度可定義為實際擁有的關(guān)系連線數(shù)與整體網(wǎng)(whole network)中最大可能擁有的連線數(shù)之比(Scott，2007)[23]。網(wǎng)絡(luò)密度測度的取值范圍為[0，1]。假設(shè)整體網(wǎng)絡(luò)中關(guān)聯(lián)關(guān)系數(shù)為N，則有向網(wǎng)絡(luò)中最大可能存在的關(guān)聯(lián)關(guān)系數(shù)為N×(N-1)。若把房價的空間關(guān)聯(lián)網(wǎng)絡(luò)實際擁有的關(guān)系數(shù)量設(shè)為L，則網(wǎng)絡(luò)密度為Dn可表示為：

Dn=L/[N×(N-1)]

(1)

網(wǎng)絡(luò)關(guān)聯(lián)度反映網(wǎng)絡(luò)自身的穩(wěn)健性和脆弱性，是描述一個整體網(wǎng)絡(luò)成員的相互關(guān)聯(lián)程度的指標(krackharat，1994:89)[24]。對于一個有向網(wǎng)絡(luò)來說，如果其中的任何兩點之間都可以建立聯(lián)系，則稱這樣的網(wǎng)絡(luò)為關(guān)聯(lián)圖或成分。對于一個網(wǎng)絡(luò)，其關(guān)聯(lián)的程度有多大？可以通過“可達性”來測量關(guān)聯(lián)程度。如果一個圖中有些點相互之間不可達，那么這樣的網(wǎng)絡(luò)的關(guān)聯(lián)性一定較小。關(guān)聯(lián)性的測量指標是關(guān)聯(lián)度C，取值范圍是[0，1]，設(shè)房價網(wǎng)絡(luò)中城市總個數(shù)為N，即網(wǎng)絡(luò)規(guī)模為N，網(wǎng)絡(luò)中不可達的點對數(shù)目為V，則關(guān)聯(lián)度的表達式為：

C=1-V/(N(N-1)/2)

(2)

網(wǎng)絡(luò)效率指的是在已知網(wǎng)絡(luò)中所包含的成分數(shù)確定的情況下，網(wǎng)絡(luò)在多大程度上存在著多余的線。網(wǎng)絡(luò)效率GE的取值范圍為[0，1]，設(shè)網(wǎng)絡(luò)中多余的關(guān)系線條數(shù)為M，最大可能的多余線的條數(shù)為max(M)，則網(wǎng)絡(luò)效率GE的計算公式為：

GE=1-M/max(M)=1-M/(N(N-1)/2-N+1)

(3)

2.各節(jié)點的網(wǎng)絡(luò)結(jié)構(gòu)特征刻畫

本文分別采用了度數(shù)中心度(Degree Centrality)和中介中心度(Betweenness Centrality)兩個指標來刻畫房價關(guān)聯(lián)整體網(wǎng)路結(jié)構(gòu)特征。

點A的度數(shù)中心度就是整體網(wǎng)絡(luò)中與點A直接相連的其他點的個數(shù)。如果一個點與許多點直接相連，就認為該點具有較高度數(shù)中心度。在有向圖中，每個點的度數(shù)可分為點入度(In-degree centrality)和點出度(Out-degree centrality)。點入度是進入到該點的其他點的個數(shù)，即該點得到的直接關(guān)系數(shù)。點出度就是該點直接發(fā)出的關(guān)系數(shù)，在城市房價關(guān)聯(lián)網(wǎng)絡(luò)中一個城市的點入度刻畫其他城市房價對該城市房價的影響關(guān)系，點出度刻畫該城市房價對其他城市房價的影響關(guān)系。當(dāng)網(wǎng)絡(luò)規(guī)模不同，網(wǎng)絡(luò)中不同點的度數(shù)中心度不可比較。為了比較不同網(wǎng)絡(luò)中點的度數(shù)中心度大小，F(xiàn)reeman(1979)[25]提出了相對度數(shù)中心度：點的絕對中心度與網(wǎng)絡(luò)中點的最大可能的度數(shù)之比。在一個規(guī)模為N點的網(wǎng)絡(luò)中，任何一點的最大可能的度數(shù)一定是N-1。在有向網(wǎng)絡(luò)中，其中一點x的相對度數(shù)中心度(記作RD)的表達式為：

CRD(x)=(x的點入度+x的點出度)/(2N-2)

(4)

中介中心度指標測量的是行動者對資源控制的程度。在社會網(wǎng)絡(luò)中，很多行動者要想建立聯(lián)系必須要經(jīng)過某個行動者，則可認為此行動者居于重要地位，因為“處于這種位置的行動者可以通過控制或者曲解信息的傳遞而影響群體”(Freeman，1979)[25]。具體地說，如果一個點處于許多其他點對(pair of nodes)的捷徑(最短路徑)上，就說該點具有較高的中間中心度。

(5)

3.塊模型分析

Wasserman和Faust(1994)[27]指出，考察“關(guān)系”時，也要分析各個位置的規(guī)模。假設(shè)分析來自位置Bk的各個行動者的關(guān)系，假設(shè)有g(shù)k個行動者，則Bk內(nèi)部可能具有的關(guān)系總數(shù)為gk(gk-1)。在網(wǎng)絡(luò)總體中含有g(shù)個行動者，因此在Bk位置各個行動者的所有可能的關(guān)系有g(shù)k(g-1)個?？梢灶A(yù)期一個位置的總關(guān)系的期望比例為[g_k(g_k-1)]/[g_k(g-1)]=(g_k-1)/(g-1)。利用這個比例作為評價位置內(nèi)部關(guān)系趨勢的指標得出基于位置內(nèi)部以及位置之間關(guān)系的四種位置分類，可以分為凈溢出板塊、經(jīng)紀人板塊、雙向溢出板塊和凈受益板塊。

四、中國房價空間關(guān)聯(lián)的實證分析

(一)城市房價聯(lián)動網(wǎng)絡(luò)的構(gòu)建

運用VAR格蘭杰因果檢驗判斷各城市間房價是否存在動態(tài)關(guān)聯(lián)關(guān)系。A和B兩城市之間的動態(tài)關(guān)聯(lián)關(guān)系包括城市A對城市B和城市B對城市A的動態(tài)關(guān)聯(lián)關(guān)系，若城市A的房價與城市B的房價的動態(tài)關(guān)聯(lián)關(guān)系通過VAR模型檢驗，則“關(guān)系”矩陣對象的位置是1，否則是0。

首先對數(shù)據(jù)預(yù)處理。進行對數(shù)處理降低時間趨勢影響，對所有變量進行平穩(wěn)性ADF檢驗，結(jié)果表明大多數(shù)變量是不平穩(wěn)的，均是I(1)。接著對所有變量進行差分處理。采用一階差分模型，然后建立每兩個城市房價指數(shù)之間的VAR模型。該模型在對時間滯后階數(shù)的選擇上較為敏感，運用LA、FPE、AIC、SC和HQ五種方法中三種以上方法根據(jù)結(jié)構(gòu)一致性原則進行最優(yōu)時間滯后階數(shù)的選擇。最后進行VAR格蘭杰因果檢驗或含外生變量的渥德檢驗。用5%的顯著性水平作為顯著性檢驗的標準。

由于考察的城市對象是99個大中城市，那么“關(guān)系”矩陣則是99行×99列的矩陣(限于篇幅，“關(guān)系”矩陣沒有放進本文，如果讀者需要可以聯(lián)系本文作者)。從“關(guān)系”矩陣中可以看出，99個大中城市之間的空間關(guān)聯(lián)關(guān)系有1 804個，說明城市房價傳遞關(guān)系是普遍存在的。

(二)城市房價空間關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)特征

1.整體網(wǎng)絡(luò)結(jié)構(gòu)特征分析

首先計算房價空間關(guān)聯(lián)網(wǎng)絡(luò)的密度，規(guī)模為99的城市房價關(guān)聯(lián)網(wǎng)絡(luò)最大可能存在的關(guān)聯(lián)關(guān)系為9 702條，實際存在的房價指數(shù)關(guān)聯(lián)關(guān)系為1 804條，因此房價空間關(guān)聯(lián)網(wǎng)絡(luò)的網(wǎng)絡(luò)密度是0.1859。雖然從房價空間關(guān)聯(lián)網(wǎng)絡(luò)圖中可看出我國城市間房價傳遞關(guān)系紛繁復(fù)雜，但實際網(wǎng)絡(luò)的緊密程度總體上并不高，可能存在房價空間傳遞的效果并不是那么快而迅速，甚至出現(xiàn)北上廣深城市群房價太高卻傳遞不出去，國內(nèi)房價呈現(xiàn)空間“斷裂式”差距的情況。網(wǎng)絡(luò)效率是0.6413，存在較多冗余關(guān)系，表明房價空間溢出存在較多重疊，進一步增強了網(wǎng)絡(luò)的穩(wěn)定性。

2.中心性分析

進一步對房價空間關(guān)聯(lián)網(wǎng)絡(luò)進行中心性分析，分別計算出各個城市的度數(shù)中心度和中間中心度，如表1。結(jié)果表明福州、西安、青島、廊坊和長沙的度數(shù)中心度位于前五名，說明房價空間關(guān)聯(lián)網(wǎng)絡(luò)中，與這五個城市直接相關(guān)聯(lián)的關(guān)系數(shù)最多。以福州為例，其度數(shù)中心度最大，包括25條受益關(guān)系和41條溢出關(guān)系，表明福州在房價傳遞過程中處于極重要的中間地位。根據(jù)式(5)計算出的中間中心度指標，排名前五的是福州(2.359)、杭州(1.959)、廊坊(1.957)、南通(1.913)和鄭州(1.827)，分析發(fā)現(xiàn)，這五個城市均處于中東部，且與房價領(lǐng)漲型城市如深圳、上海、北京鄰近，可以充分說明這些城市在房價傳遞過程中起著重要的“橋梁”和“傳導(dǎo)”作用。

(三)房價空間關(guān)聯(lián)網(wǎng)絡(luò)的塊模型分析

根據(jù)表1塊模型分析板塊劃分準則，得到四個板塊劃分，如表2。

表1 中國城市房價空間關(guān)聯(lián)網(wǎng)絡(luò)的中心性分析

(續(xù)表1)

表2 中國城市房價空間關(guān)聯(lián)網(wǎng)絡(luò)塊模型分析

第一個板塊包括諸如北京、天津、上海、南京、深圳、東莞、三亞等19個國內(nèi)房價領(lǐng)漲型城市，可以認為在目前中國城市房價空間關(guān)聯(lián)網(wǎng)絡(luò)中，以北京為首的京津冀城市圈、以上海為主的長三角城市圈以及以深圳為首的珠三角城市圈已經(jīng)牢牢占據(jù)在首屬人位置，成為我國房價走向的風(fēng)向標，并且該板塊的城市房價之間高達39%的互動作用充分說明內(nèi)部作用明顯，板塊內(nèi)部結(jié)構(gòu)穩(wěn)定。

第二個板塊僅包含16個城市：南寧、海口、合肥、宜昌及綿陽等中西部三線城市。這些位置上的城市房價較低，較少受到房價波動的影響，同時板塊內(nèi)部關(guān)系較弱，在中國城市房價空間關(guān)聯(lián)網(wǎng)絡(luò)中屬于邊緣的孤立者位置。

第三個板塊則包含了寧波、溫州、成都、重慶和福州等城市。這些城市在空間分布上既有東部沿海城市，也有中西部區(qū)域性中心城市，但是卻都發(fā)揮著房價波動傳導(dǎo)的經(jīng)紀人位置功能。這些城市承擔(dān)著首屬人位置傳遞出來的關(guān)系，同時傳遞給其他位置的城市，這從該板塊接收和發(fā)送大量重要屬性的“關(guān)系”可以看出。

第四個板塊包括西安、昆明、貴陽、蘭州和呼和浩特等，大部分是西部城市。這些西部區(qū)域中心城市近來房價微漲，可以認為是經(jīng)過首屬人位置的城市房價波動，直接傳遞或經(jīng)過經(jīng)紀人位置城市的傳遞的結(jié)果，是房價波動傳遞的最后接收者或受益人。

在塊模型分類結(jié)果中，發(fā)現(xiàn)一些異常結(jié)果。比如說廣州、杭州和大連等2020年房地產(chǎn)市場火爆的城市被劃分到了第四板塊，成為了受益人板塊。查詢這些個城市近十年來的房價趨勢，發(fā)現(xiàn)這些城市是近兩年來房價才顯著上漲，上漲之前它們的房價與上海和深圳的房價相比并不高。由于我們的數(shù)據(jù)截止至2016年5月，故沒有體現(xiàn)這些城市在網(wǎng)絡(luò)結(jié)構(gòu)中的帶頭作用。

根據(jù)塊模型分析結(jié)果可以得出各板塊的密度矩陣(如表3)，用來反映溢出效應(yīng)或者反饋效應(yīng)在各個區(qū)分的板塊間的分布情況。第一板塊的溢出效應(yīng)主要表現(xiàn)在對自我板塊以及第二板塊的影響上，但是對第三、四板塊的影響不顯著。前文的位置分析把第二板塊劃分為孤立者位置，在密度矩陣中也明顯看出第二板塊僅對第一板塊有不明顯的反饋作用，并且板塊內(nèi)自我影響也不顯著。第三和第四板塊的內(nèi)部互動以及板塊間的相互影響比預(yù)期更加明顯，且第四板塊對第一板塊和第二板塊存在微弱的反饋效應(yīng)。

房價空間關(guān)聯(lián)網(wǎng)絡(luò)的整體密度值為0.1859，如果塊模型分析劃分的各個板塊的密度大于總體平均的水平，表明該板塊更加集中趨內(nèi)。將塊模型分類板塊的密度矩陣中大于網(wǎng)絡(luò)整體密度0.1859的格賦予1值，小于0.1859的格賦予0值，(也可以把密度大于10%顯著水平的格賦予1值，小于10%顯著水平的格賦予0值)得到塊模型分類密度矩陣的像矩陣，如表4。

表4 塊模型劃分板塊密度矩陣的像矩陣

根據(jù)整體網(wǎng)絡(luò)密度0.1859可判斷出塊模型分析的板塊位置分類確實是基于現(xiàn)實情況聚類而來。第一板塊自我影響顯著、在房價關(guān)聯(lián)網(wǎng)絡(luò)中示范效應(yīng)強烈，但是整個網(wǎng)絡(luò)缺乏有效的傳導(dǎo)渠道，從網(wǎng)絡(luò)效率以及溢出效應(yīng)關(guān)系較少可以看出，我國房價首屬人位置的高房價泡沫只存在微弱的疏導(dǎo)渠道。從10%顯著水平的虛線關(guān)系線看出，第二板塊孤立者位置其實存在一些可用于傳遞的不顯著的渠道。首屬人位置對第三板塊經(jīng)紀人位置只有9.3%的微弱關(guān)系，同時經(jīng)紀人位置與相對孤立的第二板塊的傳導(dǎo)作用也不明顯。從中可以發(fā)現(xiàn)第三、四板塊內(nèi)部結(jié)構(gòu)緊密、互動性強，而且三、四板塊間的關(guān)聯(lián)也很密切，說明經(jīng)紀人板塊房價和受益人板塊房價聯(lián)動性強。

五、結(jié)論與啟示

基于2010年6月—2016年5月中國99個大中城市商品住宅銷售價格指數(shù)，運用社會網(wǎng)絡(luò)分析方法對城市房價聯(lián)動的空間網(wǎng)絡(luò)結(jié)構(gòu)特征及其影響因素進行了經(jīng)驗考察。研究結(jié)論如下：其一，從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看，城市間房價聯(lián)動程度較高，普遍存在較強的關(guān)聯(lián)效應(yīng)和溢出效應(yīng)；網(wǎng)絡(luò)中存在較多的冗余連線，網(wǎng)絡(luò)通達性好，網(wǎng)絡(luò)穩(wěn)定性高。其二，福州、杭州、廊坊、南通和鄭州等中介中心度較高，在房價傳遞過程中起著重要的“橋梁”和“傳導(dǎo)”作用，這些城市的主要特征是均處于中東部，且與房價領(lǐng)漲型城市如深圳、上海、北京鄰近。其三， 塊模型分析結(jié)果顯示，北京、上海、深圳和天津等19個城市屬于凈溢出板塊，在網(wǎng)絡(luò)中扮演“引導(dǎo)”角色；寧波、溫州、成都、重慶和福州等25個城市屬于經(jīng)紀人板塊，在網(wǎng)絡(luò)中扮演“橋梁”角色；南寧、?？凇⒑戏?、宜昌及綿陽等16個城市屬于雙向溢出板塊，在網(wǎng)絡(luò)中扮演內(nèi)、外部雙向 “引導(dǎo)”角色；西安、昆明、貴陽、蘭州和呼和浩特等39個西部城市屬于凈受益板塊，在網(wǎng)絡(luò)中扮演“跟隨”角色。

根據(jù)以上研究結(jié)論，可得出如下啟示:一是為調(diào)整房價調(diào)控政策提供新的視角。在制定房地產(chǎn)調(diào)控政策時候，重視城市間房價的空間關(guān)聯(lián)性，重點關(guān)注在網(wǎng)絡(luò)結(jié)構(gòu)中處于引領(lǐng)和中介作用的城市。二是為制定差別化的區(qū)域房價調(diào)控政策提供新的借鑒。重視城市房價聯(lián)動網(wǎng)絡(luò)中板塊的聚類特征，以及板塊間的關(guān)聯(lián)效應(yīng)和溢出效應(yīng)，進而針對不同板塊特點制定區(qū)域性房價調(diào)控政策。