徐春華 龔維進(jìn) 鄭瓊潔

摘要： 中國(guó)的房?jī)r(jià)（尤其是東部地區(qū)房?jī)r(jià)）在地理空間上呈現(xiàn)連片上漲的特征，在時(shí)間維度上呈現(xiàn)逐年攀升的趨勢(shì)。使用2009—2016年中國(guó)285個(gè)地級(jí)市的空間面板數(shù)據(jù)，構(gòu)造并選擇最優(yōu)的空間計(jì)量回歸模型，探析中國(guó)房?jī)r(jià)連片上漲現(xiàn)象背后的主要影響因素。研究發(fā)現(xiàn)：城市的土地價(jià)格是房?jī)r(jià)的主要“推力”，不僅目標(biāo)城市的地價(jià)會(huì)推高自身以及鄰居城市的房?jī)r(jià)，而且鄰居城市的地價(jià)同樣會(huì)推高目標(biāo)城市的房?jī)r(jià)。來(lái)自中等收入人口的房?jī)r(jià)拉力更傾向于拉高該城市自身的房?jī)r(jià)，而來(lái)自高收入人口的房?jī)r(jià)拉力則傾向于拉高鄰居城市的房?jī)r(jià)。鄰居城市房?jī)r(jià)對(duì)目標(biāo)城市房?jī)r(jià)的影響是一個(gè)不斷強(qiáng)化沖高的空間慣性過(guò)程。

關(guān)鍵詞： 房?jī)r(jià); 空間外溢效應(yīng); 土地價(jià)格; 收入水平; 空間杜賓模型

文獻(xiàn)標(biāo)識(shí)碼： A ?文章編號(hào)： 1002

一、研究背景

房?jī)r(jià)歷來(lái)是國(guó)內(nèi)外學(xué)者關(guān)注的研究話題。一個(gè)頗為明顯的現(xiàn)象是房?jī)r(jià)往往呈現(xiàn)連片上漲的趨勢(shì)和特征。從時(shí)間變動(dòng)維度看，如圖1所示，盡管中國(guó)東中西部三大地區(qū)①的房?jī)r(jià)均值都呈現(xiàn)明顯的上漲態(tài)勢(shì)，但是東部地區(qū)的房?jī)r(jià)均值明顯高于中西部地區(qū)并且上升態(tài)勢(shì)更為迅猛。

從空間截面來(lái)看，通過(guò)計(jì)算2009—2016年中國(guó)各省、自治區(qū)、直轄市的整體房?jī)r(jià)均值發(fā)現(xiàn)，東部城市的房?jī)r(jià)均值明顯高于中西部?jī)?nèi)陸城市，并且在中國(guó)沿海地區(qū)呈現(xiàn)明顯的連片分布態(tài)勢(shì)。譬如，排在前十位的城市分別為深圳（25 367.4元/平方米）、北京（19 078.5元/平方米）、上海（16 838.5元/平方米）、三亞（15 429.2元/平方米）、溫州（146 81.0元/平方米）、杭州（13 814.8元/平方米）、廣州（13 572.7元/平方米）、廈門（13 102.1元/平方米）、珠海（11 995.8元/平方米）、南京（11 012.6元/平方米）等東部沿海地區(qū)城市?？傊?，從時(shí)間和空間大維度綜合分析不難發(fā)現(xiàn)，中國(guó)的房?jī)r(jià)（尤其是東部地區(qū)房?jī)r(jià)）不僅在地理空間上呈現(xiàn)連片上漲的特征，而且在時(shí)間維度上呈現(xiàn)逐年攀升的趨勢(shì)。

變動(dòng)趨勢(shì)中國(guó)的房?jī)r(jià)問(wèn)題，已有研究從人力資本[1]、土地供給結(jié)構(gòu)[2]、貨幣政策[3]、人口結(jié)構(gòu)變化[4]等方面對(duì)高房?jī)r(jià)現(xiàn)象進(jìn)行了探討，得出了不少有價(jià)值的結(jié)論。土地價(jià)格作為決定房屋供給成本的主要因素，是房?jī)r(jià)的重要推手;而收入水平則是決定住房需求的主要拉力，這兩者是決定房?jī)r(jià)水平的主要因素。事實(shí)上，當(dāng)前從這兩方面探討房?jī)r(jià)問(wèn)題的研究已有很多，但是所得出的結(jié)論卻莫衷一是。

在影響房?jī)r(jià)的收入因素方面，雖然有學(xué)者認(rèn)為收入水平本身并不能對(duì)房?jī)r(jià)的短期波動(dòng)做出很好的解釋[5]，甚至認(rèn)為房?jī)r(jià)與收入在長(zhǎng)期中也不存在穩(wěn)定的關(guān)系[6]，但是學(xué)界普遍認(rèn)為收入與房?jī)r(jià)之間是存在正向關(guān)系的[7]，還有學(xué)者發(fā)現(xiàn)收入差距擴(kuò)大會(huì)抑制房?jī)r(jià)上漲[8]。當(dāng)然，收入因素對(duì)房?jī)r(jià)的具體作用還可能在不同省域或者經(jīng)濟(jì)發(fā)展階段中存在一定的時(shí)空差異。例如，徐舒等[9]認(rèn)為收入差距的擴(kuò)大不僅會(huì)直接引起住房?jī)r(jià)格的上升，而且在住房市場(chǎng)競(jìng)爭(zhēng)越弱的省份，收入不平等對(duì)住房?jī)r(jià)格的促進(jìn)作用越強(qiáng)。

在土地價(jià)格與房?jī)r(jià)的關(guān)系方面，現(xiàn)有研究也未能形成共識(shí)。首先，大部分學(xué)者認(rèn)為土地價(jià)格或者說(shuō)土地財(cái)政是導(dǎo)致房?jī)r(jià)快速上漲的主要原因之一[10]。譬如，有人認(rèn)為地方政府的土地財(cái)政行為是推動(dòng)房?jī)r(jià)上漲的重要原因甚至是根本原因[11]，指出土地價(jià)格的波動(dòng)對(duì)地方政府財(cái)政收入也會(huì)產(chǎn)生較大的影響[12]。其次，有不少學(xué)者研究了地價(jià)與房?jī)r(jià)之間的雙向影響，但是研究結(jié)論各不相同。有學(xué)者認(rèn)為地價(jià)與房?jī)r(jià)之間互為因果關(guān)系[13]，有學(xué)者認(rèn)為地價(jià)與房?jī)r(jià)只在短期內(nèi)互為因果[14]，也有學(xué)者認(rèn)為只在長(zhǎng)期內(nèi)兩者互為因果[15]，甚至有學(xué)者認(rèn)為房?jī)r(jià)對(duì)于土地價(jià)格沒(méi)有直接影響但是房?jī)r(jià)預(yù)期對(duì)于土地價(jià)格的影響明顯[16]。最后，有少數(shù)學(xué)者認(rèn)為“地價(jià)推漲房?jī)r(jià)”的說(shuō)法得不到實(shí)證支持[17]，或者認(rèn)為房?jī)r(jià)主要是由供求關(guān)系決定的而非地價(jià)和土地出讓方式?jīng)Q定的[18]。當(dāng)代經(jīng)濟(jì)科學(xué) 2021年6期 http：∥jjkx.xjtu.edu.cn徐春華，龔維進(jìn)，鄭瓊潔 空間外溢效應(yīng)與中國(guó)房?jī)r(jià)連片上漲：推拉作用與空間慣性

值得一提的是，有學(xué)者開(kāi)始考慮房?jī)r(jià)及其影響因素的空間外溢效應(yīng)[19]，然而他們的研究結(jié)論同樣存在較大差異。譬如，同樣是以英國(guó)房?jī)r(jià)為研究對(duì)象，有學(xué)者認(rèn)為英國(guó)的房?jī)r(jià)是以倫敦為主導(dǎo)城市而傳到和擴(kuò)散到周邊其他區(qū)域[20]，有學(xué)者則認(rèn)為英國(guó)房?jī)r(jià)波動(dòng)的主導(dǎo)城市在東南地區(qū)，并由此波及其他地區(qū)[21]。此外，還有學(xué)者考察了美國(guó)[22]以及中國(guó)臺(tái)灣省[23]等地區(qū)房?jī)r(jià)的空間外溢與擴(kuò)散效應(yīng)，發(fā)現(xiàn)它們的房?jī)r(jià)都在不同程度上存在著空間外溢效應(yīng)和擴(kuò)散效應(yīng)。龔維進(jìn)等[24]認(rèn)為鄰近城市房?jī)r(jià)的高漲也會(huì)在一定程度上影響到本市的房?jī)r(jià)水平。任超群等[25]研究發(fā)現(xiàn)房?jī)r(jià)變化會(huì)以出讓地塊為中心往外擴(kuò)散而呈現(xiàn)“波紋效應(yīng)”，土地出讓價(jià)格信號(hào)對(duì)房?jī)r(jià)的影響范圍在3千米以上。

造成上述研究結(jié)論不同的原因可以歸納為以下幾方面：第一，從馬斯洛需求層次理論[26]出發(fā)可知，住房需求應(yīng)是隨著收入水平的不斷提高而引發(fā)個(gè)人需求的必然體現(xiàn)，因此對(duì)住房需求層面的考察應(yīng)該從收入分層的角度進(jìn)行剖析。對(duì)于中低收入尤其是低收入群體而言，他們難以形成有效購(gòu)買住房的需求;對(duì)于高收入群體而言，他們往往不需要購(gòu)買自住的房子，而更多的是進(jìn)行炒房投機(jī)，故其購(gòu)房投資具有明顯的投機(jī)性。因此，造成中國(guó)住房需求快速上升的“中堅(jiān)力量”群體應(yīng)是中等收入群體，其購(gòu)房需求是造成中國(guó)房?jī)r(jià)連片上漲的首要“拉力”。然而，現(xiàn)有研究囿于收入分層數(shù)據(jù)的可得性而并未從這一層面進(jìn)行研究，也沒(méi)有充分看到這一“拉力”的空間外溢效應(yīng)。第二，在土地供給被地方政府壟斷并用于緩解政府財(cái)政壓力的背景下，土地價(jià)格的上漲是致使中國(guó)房?jī)r(jià)上升的重要“推力”，然而已有研究對(duì)這一“推力”的空間外溢效應(yīng)關(guān)注不足。第三，中國(guó)房?jī)r(jià)連片上漲不僅與源自于中等收入的“拉力”和地價(jià)上升的“推力”所形成的“推拉合力”密切相關(guān)，而且與不同地區(qū)之間房?jī)r(jià)自身所具有的空間溢出效應(yīng)關(guān)聯(lián)密切。中國(guó)房?jī)r(jià)自身的空間傳導(dǎo)或者說(shuō)“慣性”上漲是空間外溢效應(yīng)的重要表現(xiàn)。然而，當(dāng)前通過(guò)使用空間計(jì)量經(jīng)濟(jì)學(xué)回歸方法對(duì)中國(guó)房?jī)r(jià)連片上漲現(xiàn)象進(jìn)行考察的研究并不多見(jiàn)。李永友[27]雖然通過(guò)構(gòu)造空間權(quán)重及計(jì)量回歸模型探析房?jī)r(jià)上漲的地區(qū)間漣漪效應(yīng)，但選擇的是系統(tǒng)GMM對(duì)動(dòng)態(tài)面板模型進(jìn)行估計(jì)，而并未使用真正意義上的空間計(jì)量回歸模型進(jìn)行估計(jì)，因此難以直接識(shí)別出房?jī)r(jià)上漲本身及其影響因素的空間外溢效應(yīng)。

空間外溢如何導(dǎo)致中國(guó)房?jī)r(jià)連片上漲？通過(guò)推力、拉力抑或是慣性？本文搜集整理2009—2016年中國(guó)285個(gè)地級(jí)市的收入分層數(shù)據(jù)、土地價(jià)格數(shù)據(jù)、住房?jī)r(jià)格數(shù)據(jù)等，建立空間計(jì)量回歸模型并對(duì)不同類型的空間計(jì)量回歸模型進(jìn)行最優(yōu)化選擇，通過(guò)選用最優(yōu)的空間計(jì)量回歸模型識(shí)別出地級(jí)市層面中國(guó)房?jī)r(jià)連片上漲的內(nèi)在機(jī)理，為制定和實(shí)施房地產(chǎn)調(diào)控政策提供理論支撐與政策啟示。

二、模型、方法與數(shù)據(jù)

（一）模型與方法

（二）變量與數(shù)據(jù)

本文的被解釋變量為房?jī)r(jià)水平（hpr），采用城市商品房的銷售額除以銷售面積的商表示，主要解釋變量有6個(gè)：中等收入人口占總?cè)丝诘谋壤╩up）本文把人均年收入5 000～10 000美元的人口定義為中等收入人口，把人均年收入超過(guò)10 000美元的人口定義為高收入人口。、城市的土地價(jià)格（lpr）、商品房用地面積（dwe）、城市商品房投資額（din）、人力資本水平（psa）和城市的交通條件（tra）。一方面，如上所述，收入水平?jīng)Q定了居民的購(gòu)買力，是決定房?jī)r(jià)的重要因素之一。特別地，為了對(duì)比分析高收入人口對(duì)房?jī)r(jià)的影響，還在相應(yīng)的部分加入高收入人口占總?cè)丝诘谋壤╱pi）這一變量進(jìn)行比較分析。另一方面，對(duì)人口基數(shù)較大的中國(guó)而言，土地價(jià)格決定了商品房的主要成本，被認(rèn)為是推高城市房?jī)r(jià)重要因素之一。此外，土地供給約束影響住房的供給數(shù)量，城市住宅投資是引起商品房成本上漲的主要因素之一，故本文在解釋變量中引入固定資產(chǎn)投資中的商品房投資。此外，居民買房的目的之一是希望自己的子女擁有更好的教育環(huán)境，因此傾向于在人力資本水平較高的城市購(gòu)買住房。并且，城市的交通條件決定了其與外界聯(lián)系的難易程度，因此本文引入城市的人力資本水平和交通條件作為控制變量。本文對(duì)所有變量都統(tǒng)一對(duì)數(shù)化處理。

具體而言，土地價(jià)格采用土地的出讓價(jià)格除以出讓面積來(lái)表示，商品房用地面積采用城市住宅用地合計(jì)中普通商品房的用地面積來(lái)表示，住宅投資采用資產(chǎn)投資中的普通商品房投資額來(lái)表示，人力資本采用萬(wàn)人在校大學(xué)生人數(shù)作為代理變量，交通條件采用城市人均道路面積來(lái)表示。相關(guān)變量的數(shù)據(jù)主要來(lái)源于2010—2017年《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒》《中國(guó)區(qū)域統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》，2009—2016年的《中國(guó)城市建設(shè)統(tǒng)計(jì)年鑒》，并以各地級(jí)市2009—2016年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)作為補(bǔ)充。特別地，中等收入人口和高收入人口這兩類收入分層數(shù)據(jù)來(lái)自英國(guó)的經(jīng)濟(jì)學(xué)人（EIU）數(shù)據(jù)庫(kù)和中國(guó)社會(huì)科學(xué)院調(diào)查與數(shù)據(jù)信息中心數(shù)據(jù)庫(kù)。

變量之間空間相關(guān)性的Morans I檢驗(yàn)結(jié)果見(jiàn)表1。其中，第（1）列為被解釋變量即房?jī)r(jià)水平對(duì)所有變量的空間相關(guān)性檢驗(yàn)，第（2）—（8）列分別為房?jī)r(jià)水平對(duì)各解釋變量進(jìn)行空間相關(guān)性檢驗(yàn)所得到的Morans I值。由表1可知，無(wú)論是城市房?jī)r(jià)水平對(duì)所有解釋變量的Morans I值，還是房?jī)r(jià)水平對(duì)單個(gè)變量的Morans I值，均在1%的水平上顯著，變量之間存在顯著的空間正相關(guān)性，這也初步印證了房?jī)r(jià)連片上漲背后的空間關(guān)聯(lián)邏輯。

三、最優(yōu)空間計(jì)量回歸模型的選擇

Vega等[30]建議通過(guò)如擬合平方和、對(duì)數(shù)似然函數(shù)值大小等參數(shù)檢驗(yàn)來(lái)選擇最優(yōu)計(jì)量模型并由此判別該選擇固定效應(yīng)還是隨機(jī)效應(yīng)。在式（3）廣義嵌套空間模型的基礎(chǔ)上，通過(guò)對(duì)包括OLS模型在內(nèi)的8種計(jì)量模型進(jìn)行估計(jì)，并根據(jù)參數(shù)檢驗(yàn)的結(jié)果選擇最優(yōu)的計(jì)量模型。包括OLS模型在內(nèi)的8種計(jì)量模型的極大似然估計(jì)法的估計(jì)結(jié)果及相關(guān)參數(shù)檢驗(yàn)見(jiàn)表2。

根據(jù)表2的參數(shù)檢驗(yàn)結(jié)果，SLX中的Durbin-Watson檢驗(yàn)結(jié)果為2.022，小于OLS中的檢驗(yàn)結(jié)果2.036，因此可以認(rèn)為空間計(jì)量回歸模型更有助于消除變量之間的自相關(guān)性。同時(shí)，2檢驗(yàn)的結(jié)果為0.249，比較接近0，空間豪斯曼檢驗(yàn)結(jié)果為481.473，且均在1%的水平上顯著，因此應(yīng)該選擇同時(shí)考慮時(shí)間固定效應(yīng)和空間固定效應(yīng)的時(shí)空雙固定效應(yīng)的估計(jì)結(jié)果受篇幅限制，本文僅給出時(shí)空雙固定效應(yīng)的估計(jì)結(jié)果，如果需要無(wú)固定效應(yīng)、僅有時(shí)間固定效應(yīng)或僅有空間固定效應(yīng)的估計(jì)結(jié)果，可與筆者聯(lián)系。。SDM的估計(jì)結(jié)果擬合優(yōu)度R2最大為0.886，殘差平方和σ2最小為0.033，且對(duì)數(shù)似然函數(shù)值最大為883.966。綜上可知，時(shí)空雙固定效應(yīng)的SDM為本文最優(yōu)的經(jīng)驗(yàn)分析模型。

根據(jù)表2第（5）列時(shí)空雙固定效應(yīng)SDM的估計(jì)結(jié)果，中等收入人口占比（mup）的提高對(duì)中國(guó)房?jī)r(jià)上漲具有顯著的促進(jìn)作用，其彈性值為0.291且通過(guò)了1%的顯著性檢驗(yàn)。在住房供給量保持不變時(shí)，中等收入占比的提高意味著更多的居民具有商品房的購(gòu)買能力，購(gòu)買需求的增加拉高了房?jī)r(jià)水平。特別是在中等收入水平人口將住房作為一種投資品追求投資回報(bào)時(shí)，將會(huì)進(jìn)一步激發(fā)住房的購(gòu)買需求和推高城市的房?jī)r(jià)水平。城市的土地價(jià)格的回歸彈性值為0.031且通過(guò)了1%的顯著性檢驗(yàn)。土地財(cái)政作為政府財(cái)政收入的重要來(lái)源之一，同時(shí)也增加了住房開(kāi)發(fā)商的建造成本，因此城市土地出讓價(jià)格的上漲將會(huì)推動(dòng)城市住房?jī)r(jià)格的上漲。

在其他控制變量方面，城市住房投資額對(duì)住房?jī)r(jià)格的彈性值為0.026且通過(guò)了5%的顯著性檢驗(yàn)，表明城市住房投資額的增加將直接推高中國(guó)的房?jī)r(jià)水平。城市土地供給數(shù)量增加對(duì)房?jī)r(jià)上漲的彈性值為-0.006且通過(guò)了10%的顯著性檢驗(yàn)，說(shuō)明城市土地供給數(shù)量的增加將會(huì)通過(guò)增加住房供給數(shù)量來(lái)降低房?jī)r(jià)水平，這與張清源等[34]的研究結(jié)論相一致。城市人力資本水平的增加將會(huì)顯著促進(jìn)城市的房?jī)r(jià)上漲。居民決定在一個(gè)城市買房的動(dòng)因之一是為了讓子女擁有更好的教育環(huán)境，人力資本水平較高的城市普遍會(huì)擁有優(yōu)裕的教育環(huán)境，從而推高城市的房?jī)r(jià)水平。城市交通條件對(duì)房?jī)r(jià)水平上漲的彈性值為-0.026但不顯著。一個(gè)可能的解釋是，居民愿意為避免支付市中心的高房?jī)r(jià)而付出更多的通勤時(shí)間，由此間接增加了住房供給，從而引起住房?jī)r(jià)格的下跌。

W×lpr、W×dwe以及W×tra的彈性值分別為0.035、0.032和0.185，且至少在10%的水平上是顯著的，表明鄰居城市土地價(jià)格上漲、土地供給的增加和交通條件的改善將會(huì)促進(jìn)目標(biāo)城市房?jī)r(jià)上漲，它們對(duì)房?jī)r(jià)的影響都有正向空間傳導(dǎo)作用推動(dòng)房?jī)r(jià)連片上漲。W×din的彈性值為-0.04且在5%的顯著性水平上顯著，說(shuō)明鄰居城市住房投資的增加將會(huì)降低目標(biāo)城市的住房?jī)r(jià)格。鄰居城市的中等收入人口占比及人力資本水平對(duì)本城市房?jī)r(jià)水平的影響并不顯著。

值得一提的是，表2第（5）列中的空間相關(guān)系數(shù)ρ的數(shù)值為0.151且通過(guò)了1%的顯著性檢驗(yàn)，表明鄰居城市房?jī)r(jià)的上漲是引起本城市房?jī)r(jià)上漲的重要因素，表明城市房?jī)r(jià)水平高低與其周圍城市房?jī)r(jià)水平具有較高的一致性，存在一種自我沖高的“慣性”，這將推動(dòng)彼此臨近的城市中的房?jī)r(jià)連片上漲。四、穩(wěn)健性檢驗(yàn)

本文采用兩種方法進(jìn)行穩(wěn)健性檢驗(yàn)，一是通過(guò)加入最高收入人口占比作為解釋變量，并同時(shí)給出二進(jìn)制鄰接矩陣和反距離平方矩陣的估計(jì)結(jié)果，結(jié)果見(jiàn)表3第（1）（2）列。二是參考潘文卿[35]的逐步回歸法，通過(guò)改變表2第（5）列中的空間權(quán)重矩陣，同時(shí)給出反距離平方矩陣以及截?cái)嗑嚯x分別為200～700千米的空間權(quán)重矩陣估計(jì)結(jié)果，具體見(jiàn)表3第（3）—（9）列。

表3中2檢驗(yàn)和空間豪斯曼檢驗(yàn)的結(jié)果表明，第（1）—（9）列的估計(jì)結(jié)果均應(yīng)采用時(shí)空雙固定效應(yīng)的估計(jì)方法，所有模型估計(jì)的R2均大于0.884，σ2均小于0.029，且對(duì)數(shù)似然函數(shù)值均大于789.844，因此所有模型的估計(jì)結(jié)果都是可信的。

根據(jù)表3第（1）（2）列的估計(jì)結(jié)果，加入的最高收入人口占比的回歸系數(shù)并不顯著，然而中等收入人口占比的提高對(duì)房?jī)r(jià)水平上漲促進(jìn)作用的彈性值分別為0.291和0.129，且至少在10%的水平上是顯著的。因此，中等收入人口占比的提高對(duì)城市房?jī)r(jià)上漲的推動(dòng)作用具有穩(wěn)健性。城市土地出讓價(jià)格的上漲、住宅投資額的增加、人力資本水平的提升依然會(huì)顯著地促進(jìn)中國(guó)房?jī)r(jià)上漲，而土地供給的增加和交通條件的改善依舊會(huì)降低城市的房?jī)r(jià)水平，鄰居城市房?jī)r(jià)上漲將會(huì)促進(jìn)本城市房?jī)r(jià)水平的抬升，這些結(jié)論與表2第（5）列的估計(jì)結(jié)果是一致的。

鄰居城市中的最高收入人口增加會(huì)顯著促進(jìn)本城市房?jī)r(jià)水平的抬升。事實(shí)上，本文樣本年份期間的房地產(chǎn)一直被認(rèn)為是一個(gè)最值得投資的項(xiàng)目，高收入人口的大量資金流入房地產(chǎn)市場(chǎng)，導(dǎo)致房?jī)r(jià)飆升。鄰居城市土地出讓價(jià)格的上漲、土地供給的增加以及交通條件的改善將會(huì)促進(jìn)本城市房?jī)r(jià)上漲，但鄰居城市住宅投資額的增加會(huì)降低本城市的房?jī)r(jià)水平。

根據(jù)表3第（3）—（9）列的估計(jì)結(jié)果，無(wú)論是反距離平方矩陣還是200～700千米以內(nèi)的截?cái)嗑嚯x矩陣的估計(jì)結(jié)果，均表明中等收入人口占比的上升將會(huì)顯著促進(jìn)本城市的房?jī)r(jià)水平。其彈性值均大于0.152，并在600千米達(dá)到最大值0.384，且均通過(guò)了1%的顯著性檢驗(yàn)。這再次表明表2第（5）列時(shí)空雙固定效應(yīng)估計(jì)結(jié)果即中等收入人口占比的增加將會(huì)顯著促進(jìn)城市房?jī)r(jià)水平的上漲，其原因是中等收入水平人口的增加不僅會(huì)增加對(duì)住房的需求數(shù)量，還將住房作為資產(chǎn)進(jìn)行投資，進(jìn)一步抬升城市的房?jī)r(jià)水平。不僅如此，城市土地出讓價(jià)格的上漲、住房投資額的增加、人力資本水平的提高均會(huì)促進(jìn)城市房?jī)r(jià)水平的提升，土地供給面積的增加將會(huì)顯著降低城市的房?jī)r(jià)水平。

鄰居城市高收入水平人口占比的增加，在200～400千米內(nèi)對(duì)本城市房?jī)r(jià)并無(wú)顯著影響，400～700千米將會(huì)降低本城市的房?jī)r(jià)水平。當(dāng)截?cái)嗑嚯x超過(guò)400千米時(shí)，可能已經(jīng)超過(guò)了城市的省域行政界線，進(jìn)而降低了城市居民跨省買房和炒房的動(dòng)機(jī)，因此對(duì)本城市的房?jī)r(jià)產(chǎn)生顯著的負(fù)向影響。鄰居城市土地出讓價(jià)格的上漲、土地供給面積的增加、交通條件的改善和人力資本水平的提升，將會(huì)顯著地促進(jìn)本城市房?jī)r(jià)水平的提升，但鄰居城市住宅投資的增加會(huì)降低本城市的房?jī)r(jià)水平，這與表2第（5）列的估計(jì)結(jié)果完全一致。

表3第（1）—（8）列估計(jì)結(jié)果中的內(nèi)生交互效應(yīng)顯示，鄰居城市房?jī)r(jià)每上漲1%，將會(huì)顯著地促進(jìn)本城市房?jī)r(jià)上漲0.145%～0.236%，且至少在10%的水平上顯著。因此，鄰居城市房?jī)r(jià)是本城市房?jī)r(jià)上漲的一個(gè)重要因素。這就解釋了除甘肅玉門、內(nèi)蒙古鄂爾多斯等極少數(shù)城市外，中國(guó)城市房?jī)r(jià)普遍上升和連片上漲的現(xiàn)象。

為了準(zhǔn)確測(cè)度一個(gè)特定地區(qū)中的特定解釋變量對(duì)其自身被解釋變量的影響（直接效應(yīng)），或者目標(biāo)地區(qū)中特定解釋變量對(duì)其他地區(qū)的被解釋變量變化產(chǎn)生的影響（間接效應(yīng)），LeSage等[32]建議報(bào)告直接效應(yīng)和間接效應(yīng)的概述性結(jié)果。最優(yōu)模型估計(jì)的直接效應(yīng)、間接效應(yīng)和總效應(yīng)估計(jì)結(jié)果見(jiàn)表4。其中，第（1）（11）（21）列為表3第（1）列估計(jì)結(jié)果的直接效應(yīng)和間接效應(yīng)以及總效應(yīng)，第（2）（12）（22）列為表3第（2）列估計(jì)結(jié)果的直接效應(yīng)和間接效應(yīng)以及總效應(yīng)，第（3）（13）（23）列為表2第（5）列估計(jì)結(jié)果的直接效應(yīng)和間接效應(yīng)以及總效應(yīng)。

就直接效應(yīng)而言，表4第（1）—（10）列的結(jié)果表明中等收入水平人口每提高1個(gè)百分點(diǎn)，將引起城市房?jī)r(jià)上漲0.134～0.393個(gè)百分點(diǎn)，且通過(guò)了10%的顯著性檢驗(yàn)，表明中等收入水平人口占比的提高確實(shí)是促進(jìn)中國(guó)房?jī)r(jià)上漲的一個(gè)重要因素。此外，城市土地出讓價(jià)格的上漲、住宅投資的增加、人力資本的提升均會(huì)顯著的促進(jìn)城市房?jī)r(jià)抬升，而土地供給面積的增加將會(huì)顯著降低城市房?jī)r(jià)水平，但高收入人口占比以及城市交通條件對(duì)房?jī)r(jià)水平降低的作用并不顯著。

在間接效應(yīng)方面，在400千米范圍內(nèi)，中等收入人口占比的增加對(duì)城市房?jī)r(jià)上漲并無(wú)顯著影響。超過(guò)400千米時(shí)中等收入人口占比增加對(duì)房?jī)r(jià)上漲將產(chǎn)生負(fù)向的空間外溢效應(yīng)。同時(shí)，目標(biāo)城市土地出讓價(jià)格的上漲會(huì)顯著提升鄰居城市中的房?jī)r(jià)水平，說(shuō)明其土地價(jià)格上漲對(duì)抬升房?jī)r(jià)具有空間外溢效應(yīng)和傳導(dǎo)作用，由此使得房?jī)r(jià)呈現(xiàn)連片上漲態(tài)勢(shì)。特別地，地價(jià)“推力”所呈現(xiàn)出來(lái)的間接效應(yīng)還會(huì)隨著截?cái)嗑嚯x的增大而增強(qiáng)，說(shuō)明地價(jià)對(duì)房?jī)r(jià)的空間傳導(dǎo)作用呈現(xiàn)逐步強(qiáng)化的特征。此外，土地供給的增加以及交通條件的改善也將通過(guò)間接效應(yīng)促進(jìn)城市房?jī)r(jià)上漲，但城市住宅投資額的增加將會(huì)通過(guò)間接效應(yīng)減緩鄰居城市房?jī)r(jià)水平的上漲。人力資本水平提高在300千米范圍內(nèi)（不包含300千米）以及在二進(jìn)制鄰接空間權(quán)重矩陣與反距離平方空間權(quán)重矩陣的回歸結(jié)果中都不顯著，但是在超過(guò)300千米（包含300千米）范圍則能顯著提高鄰居城市的房?jī)r(jià)水平。由于當(dāng)前中國(guó)的人力資本傾向于遷移到人力資本水平較高的城市，當(dāng)空間距離超過(guò)300千米時(shí)，城市人力資本的競(jìng)爭(zhēng)會(huì)相對(duì)減弱，使得人力資本通過(guò)間接效應(yīng)對(duì)鄰居城市房?jī)r(jià)上漲的促進(jìn)作用逐漸顯著。

值得一提的是，在所有模型中，中等收入人口占比的總效應(yīng)介于0.046～0.475之間，且至少通過(guò)了10%的顯著性檢驗(yàn)，因此中等收入水平占比的增加確實(shí)是推動(dòng)房?jī)r(jià)上漲的重要因素之一。在表4第（11）列以及第（18）—（20）列的結(jié)果中，中等收入人口占比會(huì)通過(guò)間接效應(yīng)阻礙鄰居房?jī)r(jià)上漲，使其對(duì)房?jī)r(jià)上漲的總效應(yīng)小于其直接效應(yīng)，這說(shuō)明中等收入層級(jí)人口更傾向于在本地城市購(gòu)買住房?；蛘哒f(shuō)，中等收入群體在所居住的城市購(gòu)房更多是出于他們?cè)谒畹某鞘兄凶陨砭幼〉膭傂?，從而理?yīng)存在較小的投機(jī)性。在表4第（11）（12）列的回歸結(jié)果中，高收入人口占比的間接效應(yīng)回歸系數(shù)為正且至少通過(guò)了10%的顯著性檢驗(yàn)，表明高收入人口更傾向于到鄰居城市購(gòu)房，由此推高鄰居城市房?jī)r(jià)水平。此外，土地出讓價(jià)格的上漲、土地供給的增加、人力資本水平的提高以及交通的條件的改善均是促進(jìn)城市房?jī)r(jià)上漲的重要因素，且通過(guò)反饋效應(yīng)放大自身對(duì)房?jī)r(jià)上漲的促進(jìn)作用與間接效應(yīng)不同，反饋效應(yīng)屬于直接效應(yīng)的一種，也就是目標(biāo)城市傳遞給鄰居城市后，再通過(guò)鄰居城市傳回到自身的一種效應(yīng)。。綜合以上分析可知，在“推拉作用”以及房?jī)r(jià)自身的空間外溢作用下，中國(guó)各地級(jí)市中的房?jī)r(jià)呈現(xiàn)連片上漲的態(tài)勢(shì)。當(dāng)然，對(duì)這一結(jié)論還有待從東中西部三大地區(qū)的層面作進(jìn)一步考察。

五、分地區(qū)的進(jìn)一步分析

如前所述，房?jī)r(jià)連片上漲現(xiàn)象在東中西部三大地區(qū)之間尤其是東部和內(nèi)陸地區(qū)（中西部）之間呈現(xiàn)明顯的差異化。三大地區(qū)的二進(jìn)制鄰接矩陣和反距離平方矩陣的時(shí)空雙固定效應(yīng)SDM的估計(jì)結(jié)果見(jiàn)表5。根據(jù)第（1）—（6）列的估計(jì)結(jié)果，所有2檢驗(yàn)和空間豪斯曼檢驗(yàn)的檢驗(yàn)結(jié)果均表明需要選用時(shí)空雙固定效應(yīng)模型，R2均大于0.696，σ2均小于0.172，對(duì)數(shù)似然函數(shù)值最小為744.632，因此估計(jì)結(jié)果具有較高的可信度。

就東部地區(qū)而言，中等收入比例人口的增加對(duì)房?jī)r(jià)上漲的彈性值介于0.262～0.279之間，且均在1%的水平上顯著。因此，中等收入人口占比的增加是推動(dòng)?xùn)|部地區(qū)城市房?jī)r(jià)上漲的重要因素之一。土地價(jià)格的上漲和人力資本水平的增加對(duì)房?jī)r(jià)上漲具有顯著的促進(jìn)作用，它們?cè)诘冢?）列中的彈性值分別為0.034和0.053，且通過(guò)了1%的顯著性檢驗(yàn)，表明“推力”和“拉力”對(duì)房?jī)r(jià)的影響依舊穩(wěn)健。土地供給的增加會(huì)阻礙房?jī)r(jià)水平的上漲，彈性值為0.005且在10%的水平上顯著。鄰居城市土地出讓價(jià)格上漲、住宅投資額增加以及人力資本水平的提高，對(duì)城市房?jī)r(jià)上漲的彈性值分別介于0.002～0.004、0.055～0.078和0.086～0.093之間，且至少通過(guò)了10%的顯著性檢驗(yàn)。特別地，鄰居城市房?jī)r(jià)上漲幅度每增加1%，將會(huì)引起本城市房?jī)r(jià)上漲0.42%，故房?jī)r(jià)自身之間存在的“慣性”傳遞效應(yīng)是促使東部房?jī)r(jià)連片上漲的一個(gè)最重要因素。

中等收入人口占比增加同樣是引起中部地區(qū)房?jī)r(jià)上漲的重要因素，它對(duì)房?jī)r(jià)上漲的彈性值介于0.499～0.523之間，通過(guò)了1%的顯著性檢驗(yàn)，且其彈性值是三個(gè)地區(qū)中最大的。一個(gè)可能原因是中部城市房?jī)r(jià)水平相對(duì)較低，中等收入水平人口占比提升會(huì)引致大量購(gòu)房需求，因此房?jī)r(jià)上漲的彈性更大。土地價(jià)格上漲、住宅投資額增加以及人力資本水平提升對(duì)房?jī)r(jià)上漲的彈性值分別介于0.033～0.035、0.027～0.032和0.028～0.032之間，且至少通過(guò)了5%的顯著性檢驗(yàn)。與東部的結(jié)果類似，城市土地供給的增加則會(huì)阻礙城市房?jī)r(jià)上漲。鄰居城市土地出讓價(jià)格上漲、人力資本水平提升和交通條件改善對(duì)本城市房?jī)r(jià)上漲的彈性值分別介于0.002～0.057、0.031～0.034和0.113～0.135之間，且至少通過(guò)了10%的顯著性檢驗(yàn)。鄰居城市房?jī)r(jià)上漲依然是影響本城市房?jī)r(jià)慣性上漲的一個(gè)重要因素，其影響程度約為中等收入人口占比回歸系數(shù)的一半。

西部地區(qū)的中等收入人口占比對(duì)房?jī)r(jià)上漲的彈性值介于0.141～0.142之間且至少通過(guò)了5%的顯著性檢驗(yàn)，然而數(shù)值明顯小于東部和中部地區(qū)，其原因是西部地區(qū)人口相對(duì)稀少，人們炒房的熱情甚至是購(gòu)買住房的剛需都相對(duì)較小。土地出讓價(jià)格的上漲、住宅投資的增加以及人力資本水平的提升對(duì)房?jī)r(jià)上漲的彈性值分別介于0.067～0.099、0.065～0.078和0.051～0.056之間，且至少通過(guò)了10%的顯著性檢驗(yàn)。土地供給的增加和交通條件的改善會(huì)顯著阻礙房?jī)r(jià)上漲。同時(shí)，鄰居城市土地出讓價(jià)格上漲、住宅投資的增加、人力資本水平提高以及交通條件改善將會(huì)抬升本城市的房?jī)r(jià)水平，但土地供給的增加則會(huì)顯著阻礙本城市房?jī)r(jià)上漲。鄰居城市房?jī)r(jià)每上漲1%將會(huì)引起本城市房?jī)r(jià)慣性上漲0.073%～0.092%，但其數(shù)值遠(yuǎn)小于東部地區(qū)和西部地區(qū)。分東中西部二進(jìn)制鄰接矩陣和反距離平方矩陣直接效應(yīng)、間接效應(yīng)和總效應(yīng)的估計(jì)結(jié)果見(jiàn)表6。

在東部地區(qū)，中等收入水平人口占比每上升1%，將會(huì)通過(guò)直接效應(yīng)引起本城市房?jī)r(jià)顯著上漲約0.28%。土地出讓價(jià)格上漲會(huì)對(duì)城市房?jī)r(jià)上漲產(chǎn)生顯著的正向直接效應(yīng)，人力資本水平提升會(huì)對(duì)城市房?jī)r(jià)上漲產(chǎn)生顯著的負(fù)向直接效應(yīng)。住房投資額和人力資本水平提升還將通過(guò)間接效應(yīng)促進(jìn)城市房?jī)r(jià)水平提升。就總效應(yīng)而言，中等收入人口占比增加、土地出讓價(jià)格上漲、住房投資額增加以及人力資本水平提升的總效應(yīng)將會(huì)顯著促進(jìn)房?jī)r(jià)上漲，但土地供給增加以及交通條件改善的總效應(yīng)阻礙房?jī)r(jià)上漲的作用并不顯著。

在中部地區(qū)，中等收入水平占比增加也會(huì)通過(guò)直接效應(yīng)顯著促進(jìn)房?jī)r(jià)上漲。土地價(jià)格上漲、住房投資額的增加和人力資本水平的提升均能通過(guò)直接效應(yīng)抬升本城市的房?jī)r(jià)水平，但交通條件的改善的直接效應(yīng)將會(huì)阻礙城市房?jī)r(jià)水平上漲。就間接效應(yīng)而言，中等收入水平占比增加和交通條件改善的間接效應(yīng)將會(huì)阻礙其他城市房?jī)r(jià)上漲，而城市土地價(jià)格的上漲將通過(guò)間接效應(yīng)進(jìn)一步推高周邊城市的房?jī)r(jià)水平。同時(shí)，中等收入占比增加、土地出讓價(jià)格上漲、住宅投資額的增加和人力資本水平提升的總效應(yīng)表明它們均會(huì)對(duì)城市房?jī)r(jià)上漲產(chǎn)生顯著的推動(dòng)作用，但反距離平方矩陣的結(jié)果表明交通條件改善的總效應(yīng)會(huì)阻礙城市房?jī)r(jià)水平上漲，而土地供給增加的總效應(yīng)對(duì)房?jī)r(jià)下降的影響并不顯著。

在西部地區(qū)，中等收入水平人口占比增加對(duì)房?jī)r(jià)的直接效應(yīng)也顯著為正。土地出讓價(jià)格上漲、住宅投資額增加以及人力資本水平提升均會(huì)通過(guò)直接效應(yīng)推動(dòng)城市房?jī)r(jià)上漲，土地供給增加和交通條件改善則會(huì)通過(guò)直接效應(yīng)顯著阻礙房?jī)r(jià)上漲。城市土地出讓價(jià)格上漲、住宅投資額增加、人力資本水平提升和交通條件改善還會(huì)通過(guò)間接效應(yīng)推高房?jī)r(jià)水平，而土地供給的增加會(huì)通過(guò)間接效應(yīng)阻礙城市的房?jī)r(jià)上漲。

綜上可知，在考慮空間相關(guān)性后，土地市場(chǎng)化對(duì)房?jī)r(jià)的影響在東部地區(qū)主要表現(xiàn)為自我強(qiáng)化的直接效應(yīng)而在中西部地區(qū)則不僅表現(xiàn)為直接效應(yīng)，而且還表現(xiàn)為拉高周邊鄰居城市房?jī)r(jià)的間接效應(yīng)，由此使得中西部地區(qū)土地價(jià)格的總效應(yīng)整體上高于東部地區(qū)。這與土地市場(chǎng)化對(duì)房地產(chǎn)價(jià)格水平的影響在中部和西部地區(qū)要明顯高于東部地區(qū)的結(jié)論較為類似。

六、結(jié)論與啟示

本文使用2009—2016年中國(guó)285個(gè)地級(jí)市的面板數(shù)據(jù)，構(gòu)造并選擇出最優(yōu)的空間計(jì)量回歸模型，重點(diǎn)探討了土地價(jià)格的“推力”和需求分層的“拉力”對(duì)房?jī)r(jià)的所產(chǎn)生的“推拉作用”及其空間外溢效應(yīng)，以及房?jī)r(jià)自身的“慣性”等因素對(duì)中國(guó)連片上漲的房?jī)r(jià)所產(chǎn)生的影響。研究發(fā)現(xiàn)：第一，在作為房?jī)r(jià)“推力”的土地價(jià)格方面，目標(biāo)城市土地價(jià)格上升不僅直接推動(dòng)了該城市自身住房?jī)r(jià)格的上漲，還會(huì)通過(guò)間接效應(yīng)顯著提升鄰居城市中的房?jī)r(jià)水平，并且這一間接效應(yīng)會(huì)隨著截?cái)嗑嚯x的增大而增強(qiáng)，在地區(qū)層面房?jī)r(jià)“推力”的間接效應(yīng)主要顯著發(fā)生在中西部地區(qū)。第二，在作為房?jī)r(jià)“拉力”的收入分層方面，目標(biāo)城市的中等收入人口占比提高對(duì)其房?jī)r(jià)上漲具有顯著的促進(jìn)作用，加入最高收入人口占比后，城市中等收入人口對(duì)房?jī)r(jià)的直接效應(yīng)不僅依然顯著存在，而且隨著截?cái)嗑嚯x的擴(kuò)大而增強(qiáng)，并且中等收入人口的間接效應(yīng)在截?cái)嗑嚯x超過(guò)500千米（包含500千米）這一大概率跨越省域邊界的空間范圍后，它將通過(guò)顯著的負(fù)向間接效應(yīng)抑制這一地理空間中的房?jī)r(jià)上漲。尤其是在中部地區(qū)，不僅目標(biāo)城市的中等收入人口占比增加會(huì)對(duì)鄰居城市產(chǎn)生負(fù)向的間接效應(yīng)，而且鄰居城市的中等收入人口占比增長(zhǎng)也會(huì)通過(guò)外生交互效應(yīng)對(duì)目標(biāo)城市房?jī)r(jià)產(chǎn)生顯著抑制作用。特別地，最高收入人口占比增長(zhǎng)并沒(méi)有顯著抬升目標(biāo)城市的房?jī)r(jià)水平，但是間接效應(yīng)表明它能夠顯著促進(jìn)鄰居城市房?jī)r(jià)的上漲，表明最高收入者傾向于異地購(gòu)房，推高鄰居區(qū)域房?jī)r(jià)。這兩點(diǎn)發(fā)現(xiàn)為控制房?jī)r(jià)提供了一個(gè)新的思路。第三，在房?jī)r(jià)的自身“慣性”方面，空間計(jì)量回歸模型的空間相關(guān)系數(shù)無(wú)論是在所有樣本層面還是在東中西部地區(qū)層面都顯著為正，表明鄰居城市房?jī)r(jià)對(duì)目標(biāo)城市房?jī)r(jià)的影響是一個(gè)不斷強(qiáng)化沖高的“慣性”過(guò)程。

本文的研究結(jié)論可為制定房?jī)r(jià)調(diào)控政策提供有益啟示。第一，高收入群體跨地區(qū)購(gòu)房而拉高房?jī)r(jià)的背后則更多是投機(jī)動(dòng)機(jī)使然。因此，防止房地產(chǎn)泡沫過(guò)分膨脹的措施之一應(yīng)該是限制異地購(gòu)房，尤其是高收入群體的投機(jī)性異地購(gòu)房。第二，嚴(yán)控地方政府盲目提高土地出讓價(jià)格的行為，鼓勵(lì)地方政府發(fā)展實(shí)體經(jīng)濟(jì)，擺脫對(duì)“土地財(cái)政”不可持續(xù)模式，消除房?jī)r(jià)上漲中的地價(jià)推力。第三，由于房?jī)r(jià)的上漲不僅有“推拉作用”及其他因素的空間外溢作用，更有其自身正向空間外溢的“慣性”作用，因此要遏制房?jī)r(jià)的連片上漲就必須統(tǒng)籌全局，要多城市、大片區(qū)統(tǒng)籌施策，確保房地產(chǎn)調(diào)控政策不至于“按下葫蘆浮起瓢”，真正發(fā)揮實(shí)效。參考文獻(xiàn)：

[1] 陳斌開(kāi)， 張川川. 人力資本和中國(guó)城市住房?jī)r(jià)格 [J]. 中國(guó)社會(huì)科學(xué)， 2016（5）： 43-64.

[2] 余亮亮， 蔡銀鶯. 土地供給結(jié)構(gòu)、財(cái)政壓力與房?jī)r(jià)： 來(lái)自廣東省的經(jīng)驗(yàn)分析 [J]. 中國(guó)土地科學(xué)， 2018（8）： 30-36.

[3] 李成， 李一帆， 于海東， 等. 城市人口、貨幣政策與房地產(chǎn)價(jià)格： 內(nèi)在機(jī)理與實(shí)證檢驗(yàn) [J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2020（1）： 108-119.

[4] 曾燕妮， 唐文佳， 張浩. 人口結(jié)構(gòu)變化、外資進(jìn)入與房?jī)r(jià)： 基于全球視角的分析 [J]. 國(guó)際經(jīng)貿(mào)探索， 2021（4）： 34-49.

[5] QUIGLEY M. Real estate prices and economic cycles [J]. International Real Estate Review， 1999， 2（1）： 1-20.

[6] GALLIN J. The longrun relationship between house prices and income： evidence from local housing markets [J]. Real Estate Economics， 2006， 34（3）： 417-438.

[7] GAN Q， HILL J. Measuring housing affordability： looking beyond the median [J]. Journal of Housing Economics， 2009， 18（2）： 115-125.

[8] 張川川， 賈珅， 楊汝岱. “鬼城”下的蝸居： 收入不平等與房地產(chǎn)泡沫 [J]. 世界經(jīng)濟(jì)， 2016（2）： 120-141.

[9] 徐舒， 陳珣. 收入差距會(huì)推高住房?jī)r(jià)格嗎？ [J]. 經(jīng)濟(jì)學(xué)（季刊）， 2016（2）： 549-570.

[10] WU G L， FENG Q， LI P. Does local governments budget deficit push up housing prices in China？ [J]. China Economic Review 2015， 35： 183-196.

[11] 宮汝凱. 財(cái)政不平衡和房?jī)r(jià)上漲： 中國(guó)的證據(jù) [J]. 金融研究， 2015（4）： 66-81.

[12] 梅冬州， 崔小勇， 吳娛. 房?jī)r(jià)變動(dòng)、土地財(cái)政與中國(guó)經(jīng)濟(jì)波動(dòng) [J]. 經(jīng)濟(jì)研究， 2018（1）： 35-49.

[13] 郭輝. 現(xiàn)階段我國(guó)房?jī)r(jià)上漲的地價(jià)因素分析 [J]. 南方經(jīng)濟(jì)， 2005（8）： 31-33.

[14] 況偉大. 房?jī)r(jià)與地價(jià)關(guān)系研究： 模型及中國(guó)數(shù)據(jù)檢驗(yàn) [J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2006（11）： 56-63.

[15] 嚴(yán)金海. 中國(guó)的房?jī)r(jià)與地價(jià)： 理論、實(shí)證和政策分析 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2006（1）： 17-26.

[16] 張浩， 李仲飛. 房?jī)r(jià)預(yù)期、土地價(jià)格與房地產(chǎn)商行為 [J]. 管理評(píng)論， 2016（4）： 52-61.

[17] 張同龍. 房?jī)r(jià)拉動(dòng)地價(jià)還是地價(jià)推高房?jī)r(jià)？ [J]. 經(jīng)濟(jì)管理， 2011（10）： 121-126.

[18] 況偉大， 李濤. 土地出讓方式、地價(jià)與房?jī)r(jià) [J]. 金融研究， 2012（8）： 56-69.

[19] MEEN G. Regional house prices and the ripple effect： a new interpretation [J]. Housing Studies， 1999， 14（6）： 733-753.

[20] HOLLY S， PESARAN H， YAMAGATA T. The spatial and temporal diffusion of house prices in the UK [J]. Journal of Urban Economics， 2011， 69（1）： 2-23.

[21] ALEXANDER C， BARROW M. Seasonality and cointegration of regional house prices in the UK [J]. Urban Studies， 1994， 31（10）： 1667-1689.

[22] POLLAKOWSKI O， RAY S. Housing price diffusion patterns at different aggregation levels： an examination of housing market efficiency [J]. Journal of Housing Research， 1997， 8（1）： 107-124.

[23] CHIEN S. Structural breaks and the convergence of regional house prices [J]. Journal of Real Estate Finance and Economics， 2010， 40（1）： 77-88.

[24] 龔維進(jìn)， 徐春華. 交通便利性、開(kāi)放水平與中國(guó)房?jī)r(jià)： 基于空間杜賓模型的分析 [J]. 國(guó)際貿(mào)易問(wèn)題， 2017（2）： 50-60.

[25] 任超群， 顧杰， 張娟鋒， 等. 土地出讓價(jià)格信號(hào)引起的房?jī)r(jià)變化時(shí)空擴(kuò)散效應(yīng) [J]. 地理研究， 2013（6）： 1121-1131.

[26] MASLOW H. A theory of human motivation [J]. Psychological Review， 1943， 50（4）： 370-396.

[27] 李永友. 房?jī)r(jià)上漲的需求驅(qū)動(dòng)和漣漪效應(yīng)： 兼論我國(guó)房?jī)r(jià)問(wèn)題的應(yīng)對(duì)策略 [J]. 經(jīng)濟(jì)學(xué)（季刊）， 2014（2）： 443-464.

[28] RIDKER G， HENNING A. The determinants of residential property values with special reference to air pollution [J]. Review of Economics & Statistics， 1967， 49（2）： 246-257.

[29] SIRMANS G， MACPHERSONA， ZIETZ N. The composition of hedonic pricing models [J]. Journal of Real Estate Literature， 2005， 13： 3-43.

[30] VEGA H， ELHOST P. The SLX model [J]. Journal of Regional Science， 2015， 55（3）： 339-363.

[31] 徐春華. 危機(jī)后一般利潤(rùn)率下降規(guī)律的表現(xiàn)、國(guó)別差異和影響因素 [J]. 世界經(jīng)濟(jì)， 2016（5）： 3-28.

[32] LESAGE P， PACE K. Pitfalls in higher order model extensions of basic spatial regression methodology [J]. Review of Regional Studies， 2011， 41（1）： 13-26.

[33] LEE L， YU J. Spatial panels： random components versus fixed effects [J]. International Economic Review， 2012， 53（4）： 1369-1412.

[34] 張清源， 蘇國(guó)燦， 梁若冰. 增加土地供給能否有效抑制房?jī)r(jià)上漲： 利用“撤縣設(shè)區(qū)”的準(zhǔn)實(shí)驗(yàn)研究 [J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2018（4）： 20-34.

[35] 潘文卿. 中國(guó)的區(qū)域關(guān)聯(lián)與經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng) [J]. 經(jīng)濟(jì)研究， 2012（1）： 54-65.

編輯： 李再揚(yáng)、高原

Abstract： Based on the spatial panel data of 285 cities in China from 2009 to 2016， this paper selects the optimal spatial econometric regression model to analyze the continuous rising in Chinas housing prices. The result shows that the land price is the main “pushing force” for housing prices， the land price in the target city could not only push up the housing price of itself and neighboring cities， but the neighboring citys land price will also push up the target citys housing prices. The pulling force of housing prices from upper middle income populations tends to raise the target citys own housing prices， while the pulling force from high-income populations tend to raise the housing prices in neighboring cities. The impact of neighboring city housing prices on target city housing prices is a spatial inertia process that will constantly be intensified and rise.

Keywords： housing prices; spatial spillover effects; land price; income level; spatial Durbin model