周穩(wěn)海，武曉敏，趙桂玲

（1.河北大學(xué) 經(jīng)濟(jì)學(xué)院，河北 保定 071002；2.河北金融學(xué)院 金融與投資學(xué)院，河北 保定 071051）

0 引言

我國商品住房市場的快速發(fā)展增加了住房的有效供給，滿足了廣大居民的剛性需求，改善了居住條件，但同時(shí)也引發(fā)了住房價(jià)格的迅速上漲和投機(jī)炒作行為，使住房的居住屬性逐漸向投資屬性傾斜，產(chǎn)生了較大的住房價(jià)格泡沫。這不但造成了住房資源的巨大浪費(fèi)，而且使商品住房市場成為潛在的金融風(fēng)險(xiǎn)隱患。河北省受京津兩地影響，自2003 年住房價(jià)格大約增長了10 倍左右，尤其是2017 年雄安新區(qū)的成立，引發(fā)了周邊地區(qū)住房價(jià)格的迅速上漲。十九大報(bào)告指出，“堅(jiān)持房子是用來住的，不是用來炒的”，強(qiáng)調(diào)住房應(yīng)回歸其居住屬性，控制住房市場的投機(jī)行為。河北省政府迅速響應(yīng)，出臺(tái)了較為嚴(yán)厲的住房價(jià)格調(diào)控政策，2018 年大部分城市住房價(jià)格出現(xiàn)回落跡象。在此背景下，測度河北省各地級(jí)市住房價(jià)格泡沫，分析其時(shí)空特征及變化的內(nèi)在規(guī)律，實(shí)證分析住房價(jià)格泡沫的驅(qū)動(dòng)因素，有利于及時(shí)掌握住房價(jià)格發(fā)展?fàn)顩r，防范系統(tǒng)性金融風(fēng)險(xiǎn)，準(zhǔn)確揭示住房價(jià)格泡沫背后的形成機(jī)制，為制定和完善住房價(jià)格調(diào)控政策提供參考。

關(guān)于住房價(jià)格泡沫及其驅(qū)動(dòng)因素，國內(nèi)外學(xué)者進(jìn)行了一定的研究。對于住房價(jià)格泡沫的測度，呂江 林［1］、Kivedal［2］、Tsai 等［3］運(yùn) 用 指 標(biāo) 法，Matthew等［4］、郭文偉［5］、張 鳳 兵 等［6］、林 思 涵 等［7］運(yùn) 用 單 位根檢驗(yàn)，韓冬梅等［8］、王天雨［9］、于雪［10］運(yùn)用狀態(tài)空間模型分別研究了房地產(chǎn)價(jià)格泡沫。這些研究為河北省住房價(jià)格泡沫的測度提供了方法上的借鑒和參考。另外，既有文獻(xiàn)對于住房價(jià)格泡沫驅(qū)動(dòng)因素的研究相對較少，主要集中在住房價(jià)格方面：一些學(xué)者認(rèn)為宏觀 經(jīng) 濟(jì) 發(fā) 展 水 平［11，12］、房 地 產(chǎn) 投 資［13］、價(jià) 格預(yù)期［14－16］對住房價(jià)格具有重要的影響，還有一些學(xué)者認(rèn)為城市基礎(chǔ)設(shè)施［17］、政府服務(wù)水平［18］也是導(dǎo)致住房價(jià)格泡沫形成的原因。但這些研究的結(jié)論并不一致，甚至有些影響因素對住房價(jià)格泡沫的作用方向截然相反。鑒于此，本文通過構(gòu)建計(jì)量模型，實(shí)證分析住房價(jià)格泡沫的驅(qū)動(dòng)因素。與既有文獻(xiàn)相比，本文具有以下特點(diǎn)：一是基于區(qū)域?qū)用?，利用狀態(tài)空間模型測度河北省11 個(gè)地級(jí)市住房價(jià)格泡沫水平，豐富了住房價(jià)格泡沫省份層面的研究成果；二是借助ArcGIS10.6 軟件，實(shí)現(xiàn)了對住房價(jià)格泡沫時(shí)空分異的可視化分析；三是在構(gòu)建靜態(tài)面板模型的基礎(chǔ)上，構(gòu)建動(dòng)態(tài)差分GMM 和系統(tǒng)GMM 面板模型，不僅考慮了住房價(jià)格泡沫對其自身的慣性影響，還克服了房地產(chǎn)投資、人均地區(qū)生產(chǎn)總值、住房價(jià)格預(yù)期等變量與住房價(jià)格泡沫之間互為因果所引起的內(nèi)生性問題，提高了模型的估計(jì)精度。

1 住房價(jià)格泡沫測度

住房價(jià)格泡沫是指住房價(jià)格水平嚴(yán)重偏離其實(shí)際價(jià)值的程度，其測量方法主要有指標(biāo)法、單位根檢驗(yàn)法和狀態(tài)空間模型法。指標(biāo)法中常用的指標(biāo)主要有租金價(jià)格比、房地產(chǎn)投資與固定資產(chǎn)投資之比、房價(jià)收入比、空置率等，該方法是從住房租金、建造、購買和使用情況等不同的層面來反映住房價(jià)格泡沫的相對水平，但并未測算住房價(jià)格泡沫的真實(shí)值；單位根檢驗(yàn)法包括ADF 法、擴(kuò)展的SADF 法和GSADF法，該方法可以測度泡沫是否存在和泡沫的存續(xù)時(shí)間，但無法測度泡沫值的具體大??；狀態(tài)空間模型則克服了以上兩種測度方法的缺陷，通過構(gòu)建影響住房供求的時(shí)變參數(shù)模型，先測算出住房的理論價(jià)值，進(jìn)而計(jì)算出住房實(shí)際價(jià)格與理論價(jià)格的偏離程度，即住房價(jià)格泡沫。本文借鑒韓冬梅等［8］、于雪［10］的做法，建立狀態(tài)空間模型，測度住房價(jià)格泡沫。

1.1 構(gòu)建狀態(tài)空間模型

住房供給的狀態(tài)空間模型：

式中：D 為住房銷售面積；P 為住房價(jià)格；Y 為人均收入；N 為城鎮(zhèn)總?cè)丝?；E 為住房價(jià)格預(yù)期；dv1t、dv2t、dv3t、dv4t表示狀態(tài)變量；β1－β9為常數(shù)項(xiàng)和狀態(tài)變量的系數(shù)；μt、μ1t、μ2t、μ3t、μ4t為隨 機(jī)誤差項(xiàng)。

本文利用卡爾曼濾波法估計(jì)上述兩個(gè)狀態(tài)空間模型，得到時(shí)變系數(shù)值sv1t、sv2t、sv3t、sv4t和dv1t、dv2t、dv3t、dv4t，隨后建立住房供給和需求的狀態(tài)空間模型。

住房供給和需求的狀態(tài)空間模型：

量測方程：

計(jì)算出偏離度之后，需要進(jìn)一步檢驗(yàn)偏離度數(shù)據(jù)的平穩(wěn)性來判斷是否存在泡沫。如果數(shù)據(jù)平穩(wěn)，說明偏離度是圍繞理論價(jià)格正常的隨機(jī)波動(dòng)，不存在泡沫；反之，則存在泡沫。

1.2 數(shù)據(jù)來源

由于我國大多數(shù)城市住房價(jià)格在2003 年后出現(xiàn)了明顯的上漲，因此本文選取2003—2019 年河北省11 個(gè)地級(jí)市相關(guān)數(shù)據(jù)，原始數(shù)據(jù)來自于《河北經(jīng)濟(jì)年鑒》。將P、GDP、Y 3 個(gè)變量進(jìn)行價(jià)格指數(shù)平減，以消除通貨膨脹對變量的影響。為消除異方差問題，本文將除住房價(jià)格預(yù)期E 之外的其他變量取對數(shù)處理。

1.3 測度結(jié)果

測算過程中將各變量進(jìn)行了平穩(wěn)性檢驗(yàn)，各變量均為一階單整序列。對模型（1）和（6）進(jìn)行協(xié)整檢驗(yàn)，表明變量之間存在協(xié)整關(guān)系（限于篇幅，檢驗(yàn)結(jié)果略），數(shù)據(jù)可用作狀態(tài)空間模型分析。根據(jù)模型（1）—（14），利用卡爾曼濾波計(jì)算出河北省各市住房價(jià)格泡沫。對各市泡沫進(jìn)行平穩(wěn)性檢驗(yàn)，ADF 檢驗(yàn)對應(yīng)P 值均大于0.05，均接受存在單位根的原假設(shè)，表明各地級(jí)市均存在住房價(jià)格泡沫，具體結(jié)果如表1 所示。

表1 2003—2019 年河北省地級(jí)市住房價(jià)格泡沫測度結(jié)果（%）Table 1 Measurement results of housing price bubbles in Hebei Province from 2003 to 2019（Unit：%）

2 河北省住房價(jià)格泡沫時(shí)空分異特征

為了更為直觀反映河北省住房價(jià)格泡沫時(shí)空分異特征，結(jié)合所選樣本時(shí)間的變化特點(diǎn)，以2003 年、2009年、2014 年、2017 年、2018 年和2019 年6 個(gè) 時(shí)間點(diǎn)對樣本區(qū)間進(jìn)行劃分，利用ArcGIS10.6 繪制住房價(jià)格泡沫時(shí)空分異特征圖，按照河北省各市住房價(jià)格泡沫值手動(dòng)將其劃分為7 個(gè)等級(jí)，泡沫值越大，則色彩越深，等級(jí)越高，結(jié)果如圖1 所示。

圖1 2003—2019 年河北省住房價(jià)格泡沫時(shí)空分異特征Figure 1 Time and space characteristics of housing price bubble in Hebei Province，2003—2019

從總體時(shí)空特征看，河北省住房價(jià)格泡沫整體呈先增后降的態(tài)勢。2018 年是河北省住房價(jià)格泡沫變化的拐點(diǎn)，2018 年之前住房價(jià)格泡沫逐年增大，2018 年之后有所減小。另外，河北省住房價(jià)格泡沫存在較大的異質(zhì)性，廊坊、秦皇島、石家莊、唐山、張家口等住房價(jià)格泡沫處于較高水平，承德、保定、邯鄲、滄州、邢臺(tái)、衡水等則相對較低。

從時(shí)空特征演進(jìn)看，2003 年河北省住房價(jià)格泡沫均處于較低水平，邯鄲、邢臺(tái)、衡水和張家口4 市住房價(jià)格泡沫為負(fù)值。2003—2009 年各市住房價(jià)格泡沫均有所上升。其中：石家莊和廊坊兩市住房價(jià)格泡沫嚴(yán)重加劇，住房價(jià)格泡沫等級(jí)變化十分明顯，廊坊已經(jīng)處于最高等級(jí)；邯鄲、張家口、唐山和秦皇島4 市增速略慢，但住房價(jià)格泡沫等級(jí)均有所上升；邢臺(tái)、衡水、滄州、保定和承德5 市住房價(jià)格泡沫變化較為平緩，住房價(jià)格泡沫等級(jí)未有明顯變化。2009—2014 年各市住房價(jià)格泡沫增長較為迅速。其中：廊坊住房價(jià)格泡沫最為嚴(yán)重；張家口和邢臺(tái)住房價(jià)格泡沫明顯增大，均上升了3 個(gè)等級(jí)；唐山、承德、衡水次之，均上升2 個(gè)等級(jí)；保定、邯鄲、秦皇島和滄州4 市住房價(jià)格泡沫變化則相對較??；但石家莊住房價(jià)格泡沫略有緩和，等級(jí)有所下降。2014—2017年住房價(jià)格泡沫持續(xù)膨脹。其中：廊坊仍處于最高等級(jí)；石家莊和張家口增長迅速，也上升為最高等級(jí)；衡水、邯鄲、滄州、承德、秦皇島等5 市住房價(jià)格泡沫均有不同程度的上升，上升了1—2 個(gè)等級(jí)；邢臺(tái)住房價(jià)格泡沫變化并不明顯，仍處于原等級(jí)；唐山住房價(jià)格泡沫明顯回落，下降了兩個(gè)等級(jí)。2017—2018年，除廊坊住房價(jià)格泡沫有明顯減小，下降了1 個(gè)等級(jí)，其他城市住房價(jià)格泡沫所處等級(jí)保持不變或者有所上升；邯鄲、石家莊、保定、張家口、承德、唐山和秦皇島等7 市住房價(jià)格泡沫均處于最高等級(jí)，河北省住房價(jià)格泡沫上升至歷史最高點(diǎn)。2018—2019 年河北省大部分城市住房價(jià)格泡沫有所減小，出現(xiàn)拐點(diǎn)跡象。其中：邯鄲、石家莊、保定、張家口、承德、廊坊等6 市住房價(jià)格泡沫均明顯減?。恍吓_(tái)和衡水兩市住房價(jià)格泡沫變化較小，仍保持原有等級(jí)；唐山、秦皇島和滄州3 市住房價(jià)格泡沫仍在增加，但增漲幅度相對于2018 年有所放緩，隨著限購、限貸、限售等房地產(chǎn)調(diào)控政策的逐漸深入，河北省住房價(jià)格泡沫下降的拐點(diǎn)已經(jīng)初步呈現(xiàn)。

3 住房價(jià)格泡沫驅(qū)動(dòng)因素的實(shí)證研究

3.1 指標(biāo)選取

具體指標(biāo)選?。孩僮》績r(jià)格泡沫（Bubble）。該指標(biāo)在模型中作為被解釋變量，樣本數(shù)據(jù)由狀態(tài)空間模型測度而來。值越大，表示住房的實(shí)際價(jià)格與理論價(jià)格的偏離程度越大；反之，表示偏離程度越小。②房地產(chǎn)投資（Invest）。房地產(chǎn)投資是指房地產(chǎn)開發(fā)、建造、經(jīng)營及購置等活動(dòng)進(jìn)行的投資，該指標(biāo)代表住房市場供給狀況。額度越大，表示住房增量越大，供給越多；相反，則供給越少，與住房價(jià)格泡沫呈負(fù)相關(guān)關(guān)系［13，19］?？紤]住房建造周期一般為兩年左右，房地產(chǎn)投資不會(huì)對當(dāng)年的住房市場供求產(chǎn)生影響，只會(huì)對兩年后的住房市場造成影響，因此在模型中采用該指標(biāo)的滯后2 期進(jìn)行回歸。③人均地區(qū)生產(chǎn)總值（GDP）。該指標(biāo)是指某地區(qū)全部最終產(chǎn)品和服務(wù)價(jià)值的人均值，它既代表地區(qū)經(jīng)濟(jì)發(fā)展水平，也代表居民的購買能力。一方面，該指標(biāo)越大，表明該地區(qū)經(jīng)濟(jì)越發(fā)達(dá)，對人口的吸引力越大，人口聚集程度越高，住房的需求越大；另一方面，該指標(biāo)越大，表明居民購買能力越強(qiáng)，進(jìn)行住房投資的意愿越強(qiáng)。因此，人均地區(qū)生產(chǎn)總值與住房價(jià)格泡沫呈正相關(guān)關(guān)系［11，12］。④住房價(jià)格預(yù)期（E）。該指標(biāo)是指投資者對未來房價(jià)走勢的看法，用上一年住房價(jià)格增長率來表示，在一定程度上代表投機(jī)需求，是影響住房價(jià)格泡沫的重要指標(biāo)。值越大，表示投機(jī)需求越大，購買住房的意愿也越強(qiáng)，與住房價(jià)格泡沫呈正相關(guān) 關(guān) 系［15，16，20］。⑤基 礎(chǔ) 設(shè) 施 狀 況（Infras）。該指標(biāo)通常用市區(qū)年末實(shí)有道路面積來表示。指標(biāo)越大，表示該地區(qū)交通越發(fā)達(dá)，基礎(chǔ)設(shè)施建設(shè)越好。購買住房時(shí)，住房消費(fèi)者通常更傾于選擇基礎(chǔ)設(shè)施發(fā)達(dá)的城市，該指標(biāo)與住房價(jià)格泡沫呈正相關(guān)關(guān)系［17］。⑥政府服務(wù)水平（Gov）。該指標(biāo)用地區(qū)財(cái)政支出與其GDP的比重來表示，代表政府市政設(shè)施與公共服務(wù)建設(shè)水平。該指標(biāo)越大，表示社會(huì)服務(wù)水平越高，政府配套設(shè)施越齊全，社會(huì)越和諧，環(huán)境越宜居，對外來人口的吸引力越大，導(dǎo)致住房需求增大，價(jià)格快速增長，住房價(jià)格泡沫進(jìn)一步擴(kuò)大。

3.2 模型構(gòu)建

為了進(jìn)一步分析住房價(jià)格泡沫的驅(qū)動(dòng)因素，本文建立了以下靜態(tài)面板模型：

式中：i 表示城市，取值為1—11；t 表示年份，取值為2003—2019 年；c 為常數(shù)項(xiàng)；Bubbleit為住房價(jià)格泡沫，是被解釋變量；L2. Investit、GDPit、Eit、Infrasit、Govit為解釋變量，分別表示第i 個(gè)市第t 年房地產(chǎn)投資滯后2 期、人均地區(qū)生產(chǎn)總值、住房價(jià)格預(yù)期、基礎(chǔ)設(shè)施狀況、政府服務(wù)水平；vi為個(gè)體效應(yīng)的虛擬變量；uit為隨機(jī)干擾項(xiàng)。

由于靜態(tài)面板未考慮住房價(jià)格泡沫的慣性影響，且不能解決房地產(chǎn)投資、人均地區(qū)生產(chǎn)總值、住房價(jià)格預(yù)期等變量與被解釋變量之間存在的因果關(guān)系，或由于可能遺漏變量而造成內(nèi)生性問題，為了克服以上問題對回歸結(jié)果造成偏誤，本文建立以下動(dòng)態(tài)面板模型：

式中：L.Bubble 表示住房價(jià)格泡沫的一階滯后項(xiàng)；其他變量含義與靜態(tài)面板模型相同。

3.3 數(shù)據(jù)采集及檢驗(yàn)

選取2003—2019 年河北省11 個(gè)地級(jí)市的相關(guān)樣本數(shù)據(jù)，住房價(jià)格泡沫數(shù)據(jù)由前文測度獲得，房地產(chǎn)投資、人均地區(qū)生產(chǎn)總值、住房價(jià)格預(yù)期、政府服務(wù)水平等相關(guān)數(shù)據(jù)來源于《河北經(jīng)濟(jì)年鑒》，代表基礎(chǔ)設(shè)施狀況的市區(qū)年末實(shí)有道路面積來源于《中國城市統(tǒng)計(jì)年鑒》，各指標(biāo)計(jì)算方法和統(tǒng)計(jì)特征如表2所示。將房地產(chǎn)投資、人均地區(qū)生產(chǎn)總值進(jìn)行價(jià)格平減，以剔除通脹因素的影響。

表2 變量的基本統(tǒng)計(jì)量和計(jì)算方法Table 2 Calculation method and basic statisti cs of variables

由于不平穩(wěn)數(shù)據(jù)可能會(huì)存在虛假回歸問題，因此利用LLC檢驗(yàn)和ADF—Fisher 兩種檢驗(yàn)方法對樣本數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。LLC檢驗(yàn)原假設(shè)為存在共同單位根，ADF—Fisher檢驗(yàn)原假設(shè)為存在異質(zhì)單位根，檢驗(yàn)結(jié)果如表3 所示。兩種檢驗(yàn)中原樣本數(shù)據(jù)對應(yīng)概率均大于10%，一階差分?jǐn)?shù)據(jù)對應(yīng)概率均小于1%，表明各變量樣本數(shù)據(jù)均為一階單整，可以考慮利用協(xié)整模型進(jìn)行實(shí)證分析。

表3 變量的平穩(wěn)檢驗(yàn)Table 3 Stationary test of variables

被解釋變量住房價(jià)格泡沫和解釋變量之間是否存在協(xié)整關(guān)系，需要進(jìn)一步進(jìn)行檢驗(yàn)。選取Kao 檢驗(yàn)、Pedroni 檢驗(yàn)和Westerlund 檢驗(yàn)等3 種方法進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表4 所示。除了Pedroni 檢驗(yàn)PP統(tǒng)計(jì)量對應(yīng)的P 值小于10%，其他檢驗(yàn)統(tǒng)計(jì)量均小于1%，表明至少在10%水平上拒絕不存在協(xié)整的原假設(shè)，即存在協(xié)整關(guān)系。檢驗(yàn)結(jié)果表明可以利用協(xié)整模型進(jìn)行實(shí)證分析。

表4 面板協(xié)整檢驗(yàn)結(jié)果Table 4 Panel cointegration test results

3.4 實(shí)證分析

利用靜態(tài)面板模型和動(dòng)態(tài)面板模型對住房價(jià)格泡沫的驅(qū)動(dòng)因素進(jìn)行實(shí)證檢驗(yàn)。其中，靜態(tài)面板采用混合OLS、固定效應(yīng)FE 和隨機(jī)效應(yīng)RE 等3 種方法進(jìn)行回歸，動(dòng)態(tài)面板采用差分GMM 和系統(tǒng)GMM進(jìn)行回歸，實(shí)證結(jié)果如表5 所示。第1 列為靜態(tài)面板混合OLS 回歸結(jié)果，該模型沒有考慮個(gè)體效應(yīng)；第2、3 列為靜態(tài)面板固定效應(yīng)和隨機(jī)效應(yīng)的回歸結(jié)果，由于Hausman 檢驗(yàn)對應(yīng)的P 值小于0.05，表明固定效應(yīng)優(yōu)于隨機(jī)效應(yīng)的估計(jì)結(jié)果。但靜態(tài)模型均沒有考慮住房價(jià)格泡沫（Bubble）滯后項(xiàng)對其本身的慣性影響，也沒有考慮房地產(chǎn)投資（Invest）、人均地區(qū)生產(chǎn)總值（GDP）、住房價(jià)格預(yù)期（E）等變量與住房價(jià)格泡沫（Bubble）之間存在互為因果關(guān)系而產(chǎn)生的內(nèi)生性問題，估計(jì)結(jié)果會(huì)存在一定偏誤。因此，本文在靜態(tài)回歸的基礎(chǔ)上利用差分GMM 進(jìn)行回歸，但該方法往往會(huì)由于工具變量過少而產(chǎn)生弱工具變量問題。為了克服差分GMM的缺陷，第5 列展示了系統(tǒng)GMM的回歸結(jié)果，其Sargan檢驗(yàn)和AR（2）檢驗(yàn)的P 值分別為0.252 和0.998，表明模型隨機(jī)誤差項(xiàng)不存在二階序列相關(guān)和弱工具變量問題，工具變量選擇合理，估計(jì)結(jié)果準(zhǔn)確。

表5 住房價(jià)格泡沫驅(qū)動(dòng)因素的實(shí)證結(jié)果Table 5 Empirical results of the driving factors of housing price bubbles

根據(jù)以上分析可知，系統(tǒng)GMM 模型的估計(jì)結(jié)果優(yōu)于其他4 種模型，本文按系統(tǒng)GMM模型的回歸結(jié)果進(jìn)行分析，其他模型估計(jì)結(jié)果用來對比分析。表5 中第5 列住房價(jià)格泡沫滯后1 期（L. Bubble）的回歸系數(shù)在1%水平上顯著通過檢驗(yàn)，不僅進(jìn)一步表明選用動(dòng)態(tài)模型回歸的合理性，而且表明住房價(jià)格泡沫對其自身具有一定的慣性影響。房地產(chǎn)投資滯后2 期（L2. Invest）的系數(shù)為－ 0.041，并且在1%水平上顯著通過檢驗(yàn)，表明增大房地產(chǎn)投資可以增加住房有效供給，對住房價(jià)格泡沫具有一定的抑制作用，但由于從投資到建成住房通常需要2 年的時(shí)間，房地產(chǎn)投資對住房價(jià)格泡沫的影響具有一定的時(shí)滯性。人均地區(qū)生產(chǎn)總值（GDP）的回歸系數(shù)為0.037，在10%水平上顯著通過檢驗(yàn)，表明人均地區(qū)生產(chǎn)總值每提高100 元，該地區(qū)的住房價(jià)格泡沫水平會(huì)增加0.037 個(gè)百分點(diǎn)。住房價(jià)格預(yù)期（E）的回歸系數(shù)為0.924，并且在1%水平上顯著通過檢驗(yàn)，其值明顯大于其他變量的回歸系數(shù)，表明住房價(jià)格預(yù)期是導(dǎo)致住房價(jià)格泡沫形成的重要因素，其引發(fā)的投機(jī)需求是產(chǎn)生住房價(jià)格泡沫的主要原因。基礎(chǔ)設(shè)施狀況（Infras）和政府服務(wù)水平（Gov）的回歸系數(shù)分別為0.004、0.716，并且均在1%水平上顯著通過檢驗(yàn)，表明這兩個(gè)變量對住房價(jià)格泡沫的增大均有一定的促進(jìn)作用，因此政府在進(jìn)行城市基礎(chǔ)設(shè)施建設(shè)，提高公共服務(wù)水平的同時(shí)，還應(yīng)該密切關(guān)注住房市場的發(fā)展?fàn)顩r，完善住房價(jià)格調(diào)控機(jī)制，防止住房價(jià)格泡沫持續(xù)增大，保障住房市場健康發(fā)展。

4 結(jié)論與啟示

本文選取2003—2019 年樣本數(shù)據(jù)，通過構(gòu)建狀態(tài)空間模型，測度了河北省各市住房價(jià)格泡沫，分析了住房價(jià)格泡沫的時(shí)空分異特征。從時(shí)間維度來看，2003—2018 年河北省住房價(jià)格泡沫呈現(xiàn)逐漸增大的態(tài)勢，但2018 年大部分城市泡沫水平出現(xiàn)回落跡象。從空間維度看，河北省住房價(jià)格泡沫存在顯著差異，2019 年秦皇島和唐山泡沫水平處于全省最高水平，保定和承德處于中高水平，邯鄲、邢臺(tái)、衡水、滄州、張家口等5 市位于中低水平，廊坊和石家莊處于相對較低水平。通過構(gòu)建靜態(tài)和動(dòng)態(tài)面板模型分析河北省住房價(jià)格泡沫驅(qū)動(dòng)因素，發(fā)現(xiàn)人均地區(qū)生產(chǎn)總值、住房價(jià)格預(yù)期、基礎(chǔ)設(shè)施狀況、政府服務(wù)水平與住房價(jià)格泡沫呈正相關(guān)關(guān)系，其中住房價(jià)格預(yù)期對住房價(jià)格泡沫的影響最大，而房地產(chǎn)投資與住房價(jià)格泡沫呈負(fù)相關(guān)關(guān)系。

根據(jù)研究結(jié)論得出以下啟示：①因城施策，分類調(diào)控。根據(jù)河北省住房價(jià)格泡沫水平和變化趨勢，結(jié)合城市自身環(huán)境和地理位置等因素制定差異化的住房價(jià)格調(diào)控政策。如，對唐山、秦皇島等住房價(jià)格泡沫較為嚴(yán)重的城市應(yīng)重點(diǎn)管控，繼續(xù)實(shí)行限貸限購政策，并考慮適時(shí)實(shí)施房地產(chǎn)稅；對于廊坊、石家莊等住房價(jià)格回落明顯，泡沫水平顯著降低的城市，可適度放松住房調(diào)控政策，防止住房價(jià)格回落過快，引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。②穩(wěn)定住房價(jià)格預(yù)期，引導(dǎo)公眾形成合理住房消費(fèi)理念。加強(qiáng)社會(huì)宣傳，讓“住房不炒”的政策深入民心，對惡意炒作行為和捂盤惜售等違規(guī)行為加強(qiáng)懲罰力度，遏制住房市場投機(jī)行為，構(gòu)建住房信息系統(tǒng)，提高住房價(jià)格信息公開度與透明度，引導(dǎo)公眾對住房價(jià)格形成合理預(yù)期。③增加保障性住房和市場租賃住房供給，發(fā)展機(jī)構(gòu)租賃和長租公寓，減少商品房購買需求，降低泡沫水平。政府部門在提高城市公共服務(wù)設(shè)施建設(shè)的同時(shí)，密切關(guān)注住房市場價(jià)格波動(dòng)，建立住房價(jià)格預(yù)警體系，及時(shí)跟蹤調(diào)控住房價(jià)格，防止住房價(jià)格泡沫持續(xù)增大，構(gòu)建多主體供給的住房保障體系，實(shí)現(xiàn)住房市場的健康與穩(wěn)定發(fā)展。