基于空间计量的湖南省房地产价格影响因素分析

周建军　戴为　鞠方　杨营贺

摘要：运用空间计量方法，结合GeoDa软件，考量湖南省房地产价格影响因素。结果表明：湖南省各地级市间的房地产价格空间效应，主要体现于误差扰动项中的空间依赖性，土地供应量对湖南省房地产价格影响最大。鉴此，房地产价格调控手段应偏向于金融政策和合理的城镇化水平。

关键词：湖南省；房地产价格；空间计量

一、引言

湖南省作为承接东、西部地区的重要省份，在经济发展中占据重要地位，其房地产市场的发展也备受关注。就房价水平而言，湖南省商品房平均销售价格由2001年的1248元迅速上涨至2013年的4243元，2013年同期增长速度达到了4.82%。而就人均收入而言，湖南省城镇居民人均可支配收入由2001年的6780元上升至2013年的23414元，2013年的同期增长速度为9.82%。2014年湖南省房地产销售面积和销售额都低于2013年的水平，不同地级市的房价呈现出不同程度的上涨或下跌。湖南省各地级市间的房地产价格变化是否受到空间效应的影响？本文从房地产价格影响因素的理论出发，结合空间计量方法对此开展实证研究。

国外多数学者对房地产价格影响因素的研究主要集中在住房市场的供应与需求方面以及与经济社会联系较为紧密的其他因素，如城镇居民收入、土地供应量、货币政策、人口年龄结构及居民就业水平等方面。Pollakowski（1990）通过实证方法研究表明，在一定程度上对土地供给进行限制后，土地供给的减少将会带来住宅价格更大程度的上涨，价格上涨的趋势也更加明显[1]。Kauko（2003）也认为，当市场上出现富有弹性的土地供给时，土地政策可以在很大程度上影响房地产价格的变化[2]。Malpezzi和Wachter（2005）通过建立一个房地产投机模型，分析得出住房供给和投机都对房价变动产生影响，尤其是供不应求的情况下，投机行为对房价的波动更加明显[3]。Elbourne（2008）通过研究英国住房市场和货币政策之间的关系，以脉冲响应函数为手段得出结论，认为货币供给的变动将会给房价带来正向响应[4]。Levin、Montagnoli和Wright（2009）通过对人口和房地产价格情况不同的苏格兰和英格兰进行对比研究，发现人口老龄化对住房需求以及房地产价格变动具有重要影响[5]。Elod（2012）利用多个国家的房价数据研究也得出人口因素对房价产生显著影响的结论[6]。在运用空间计量方法对房地产价格及房地产市场的研究方面，学者通常是将空间计量的相关理论引入到特征价格模型等来实现的。Bitter et al（2007）和Catherine Baumont（2007）在特征价格模型和空间误差模型估计中引入空间自相关，探讨了房地产价格的空间交互影响[7][8]。Holly等（2011）以空间计量模型为基础研究了英国区域房地产价格的空间溢出效应，并认为纽约的房价波动对英国房价产生了冲击[9]。

国内学者对房地产价格的影响主要归结为以下因素：住房供给、住房需求、经济因素和宏观政策。供需角度上，龙志和周浩明（2000）把我国的消费市场分为两大类：商品性消费市场和非商品消费性市场，城镇居民因两类市场界定不明促使消费意愿越来越强烈，进而带动消费市场的繁荣，刺激了房地产价格上涨[10]。秦青、吴婕（2007）通过对城镇居民购房的期望价格进行定量分析，结论表明居民购房需求意愿对房价变动有着显著作用[11]。经济角度上，许多学者提出了居民可支配收入、货币供应量、贷款利率等对房地产价格的影响。例如，鞠方、欧阳立鹏（2008）从季度数据作出实证研究，结果表明可支配收入与我国房价呈正相关，实际利率与房价则呈现出负相关关系 [12]。谢太峰、路伟（2013）采用我国1998—2012年数据，通过VAR模型动态分析得出货币供应量增加将驱使房价上涨，贷款利率的提高则会降低房价水平 [13]。宏观政策角度上，陈欣慰、王艺明、黄榆舒（2011）通过探索政府角色定位，分析房地产业发展过程中的政府职能，结论表明同中央政府相比，各地方政府对房地产价格的影响更明显[14]。另一方面，众多学者采用不同实证方法对房地产价格的影响进行了研究。沈悦、刘洪玉（2004）采用1995-2002年间住宅价格变化率的数据，运用混合样本回归分析的方法，结合这些城市各自特征来分析房地产价格变化的原因[15]。周建军（2009）运用季度数据，通过实证研究表明我国城镇居民可支配收入和土地价格同房地产价格存在着正相关关系，而实际利率水平与之则存在负相关关系[16]。安辉、王瑞东（2013）通过构建自回归模型实证分析得出房地产调控政策成为影响我国房地产价格的重要因素，其中土地政策和保障房政策有长期影响但存在一定的时滞，货币政策和信贷政策则影响相对较小[17]。葛红玲、段与杨（2014）基于区域差异的视角建立商品房市场局部均衡模型，实证检验表明土地成本和基于地域特征的预期因素对房地产价格具有显著影响，居民可支配收入、投资偏好、土地收入与财政收入之比等对房价影响存在地域差异[18]。近些年来我国学者在运用空间计量方法研究房价影响因素方面也取得了一定的研究成果。孟斌等（2005）利用空间自相关和空间插值等方法对2003年北京市房地产业的空间布局及房价进行研究，认为交通通道对房价呈环状分布有影响[19]。王鹤（2012）运用空间计量方法对我国房价的空间自相关性进行了检验，分析了全国范围及东、中、西部分区域房价影响因素的差异[20]。陈胤辰、蒋国洲（2013）通过建立空间计量模型分析海南省城市化进程对房地产开发活动以及由此带来的房价变动的影响[21]。杨祚、谢书楠（2014）研究区域间房地产价格收敛性问题时运用了空间杜宾模型（SDM），分析了经济发展水平、城镇居民收入等因素对区域房价收敛性影响[22]。姚丽等（2014）基于空间计量模型对郑州市新建住宅房价的空间相关性进行了研究[23]。

既有文献显示，对房地产价格变化所引起的动态影响重视不够，随着各地区间经济交流更加密切，区域间的空间效应越来越明显，应加大对空间关联性方面的研究。本文在归纳影响湖南省房地产价格四类因素的基础上对每一类因素进一步细化，并通过空间计量方法和实证检验对各因素的影响程度进行排序。

二、空间相关性分析

（一）空间相关性概述

空间计量方法是以空间层面为研究视角，以空间层面上的区域经济现象所引起的空间效应为研究对象，通过运用计量方法并结合计量软件进行分析的一类方法。首先需要采用相关的统计方法对研究对象的空间自相关性进行检验，即检验研究对象的相似性与其在空间上的距离是否密切相关。如存在空间自相关性，则纳入空间效应，建立相关空间计量模型进行分析；如不存在，则采用传统的计量经济学模型分析即可。

验证空间自相关性的工具主要有两种：一是全局空间自相关，即使用Moran I、Geary C指数来测度数据在整体系统中的分布情况；二是局部空间自相关，即使用一类数值和两类图形，即G统计量、Moran散点图以及聚类图来测度局部子系统所表现出来的分布特征。其中，Moran指数是最具代表性的空间自相关程度验证方法，能对临近空间进行相似性测度，反映空间邻接或邻近的区域单位属性值的相似程度。主要以坐标形式展现四种关系聚类的空间相关性，而全局Moran指数值即是Moran散点图的直线斜率。

（二）空间基尼系数

空间基尼系数（Space Gini Coefficient）是在基尼系数的理论基础上由经济学家克鲁格曼提出来的，该系数的作用是测度某种因素在空间层面上的产业集聚程度。公式如下：

表示某一地区某产业的就业人数在全国该产业就业总人数中的比重， 表示该地区的就业人数在全国总就业人数中的比重。空间基尼系数 的取值范围为0～1， 越接近于0，说明产业在地理空间位置上的布局是比较均衡；相反， 越接近于l，说明该产业在地理空间位置上呈现集中化的布局特征，产业集聚的程度较高；当 值等于0时，表明该产业呈现出完全均匀分布的空间地理特征；当 值等于l，表明该产业是以完全聚集的方式分布。空间基尼系数的第二种表达式为：

其中 为 地区 产业的总产出值， 为 地区 产业的总产出值占全国该产业总产出值的比重，排列顺序是由低到高， 所表示的是所研究地区的数量。

（三）空间自相关测度

本文通过运用GeoDa 0.95i软件，结合相关数据计算得出了湖南省2006-2010年的全局Moran's I 统计值（表1）。结果表明：在1%的显著性水平下，各地区的房地产价格的Moran's I统计值通过了地区间存在相关性的验证。

表1 2006-2010年湖南省各地区房地产价格水平的Moran's I统计值

年份 2006 2007 2008 2009 2010

Morans I -0.2036 -0.1698 0.0595 -0.1059 -0.0071

根据表1所得的统计值可以发现，除2008年的Moran's I值为正外，其余四个年份均是负值，经计算剔除异常年份后的Moran's I值的平均数为-0.1216。结合之前的基础理论可以得到如下结论：湖南省14个地级市的房地产价格水平在空间层次上存在着一定的空间效应；以高房价地区为中心，四周分布着低房价地区，高低房价地区间彼此相互影响；空间效应对高房价区域产生积极作用，而消极作用则是针对低房价区域。

在计算得出2006-2010年的Moran's I值后，通过进一步采用局部Moran散点图的方法来判断和分析房价在空间上的差异及其分布。以2006-2010年湖南省各地区商品房平均销售价格为变量，得到Moran散点图，结果如图1所示：

图1 2006-2010年湖南省商品房平均销售价格的局部Moran散点图

通过图1可以看出，各地区在空间层面上存在空间自相关关系。其中，依据Moran散点图空间分布及其含义可以得到如下结果（表2）：

表2 湖南省各地区Moran散点图分布情况及含义

象限 区域 含义

I 湘潭、株洲及岳阳 房地产业相互集聚，产生积极作用

II 郴州、娄底和益阳 各地区房地产业发展负相关

III 怀化、湘西和常德 地区间房地产业发展相互产生消极作用

Ⅳ 长沙、张家界 地区间房地产业相互影响，对高房价有积极作用

注：衡阳同时跨越了第I、第II象限，邵阳同时跨越了第II、第III象限。

（四）空间基尼系数测度

为了进一步分析湖南省各地区房地产价格水平的空间效应特征，本文运用第二种方法对2006-2010年的样本数据进行测算，得到的空间基尼系数如下：

表3 2006-2010年湖南省房地产业空间基尼系数

年份 2006 2007 2008 2009 2010

空间基尼系数 0.5990 0.6081 0.5924 0.6285 0.6049

由表3可知，湖南省房地产业的空间基尼系数在这5年间比较稳定的分布在0.6左右，说明湖南省房地产业的发展呈现较为明显的空间效应，各个地区间房地产价格趋势存在显著的空间集聚特征。

综上所述，空间分布图直观的显示了2006-2010年湖南省房价水平的空间分布存在显著差异；而进一步得出的全局Moran指数则从定量的角度证明了存在负的空间相关性，空间基尼系数从整体角度说明了湖南省各地区房地产业发展呈现较明显的空间效应。因此，各地区之间房地产业发展的空间效应对各地区之间房地产价格水平产生了影响。本文将以空间效应为前提，通过构建空间计量经济模型进行实证分析，研究各种因素在影响湖南省房地产价格中的作用及程度。

三、湖南省房地产价格影响因素的实证研究

（一）空间计量方法

1. 空间滞后模型

空间滞后模型（SLM）是用来研究区域经济的溢出效应的存在性问题，其表达式为：

其中 表示空间溢出效应， 为空间滞后因变量，用来表示空间层面上空间距离的影响作用， 为影响系数。一个区域的经济行为不仅受到本区域经济条件、历史基础的影响，同时也会由于文化环境的变化和空间距离的远近而改变。在这样的背景下，通过构建空间滞后模型有助于分析区域间的空间溢出效应，理解空间效应带来的影响。

2.空间误差模型

空间误差模型（SEM）的数学表达式为：

参数 反映了变量 对因变量 的影响， 为随机误差项向量， 为空间误差系数， 为正态分布的随机误差向量。参数 衡量了样本观察值中的空间依赖作用。SEM的空间依赖作用存在于扰动误差项中，度量了邻近地区关于因变量的误差冲击对该地区观察值的影响程度。

空间滞后模型和空间误差模型是空间计量经济学模型的基本类型，二者最主要的区别在于模型中空间相关性的来源不同，空间滞后模型的空间相关性是由各被解释变量之间存在的空间依赖性而带来的，而空间误差模型的空间相关性则是由误差项带来的。

（二）SLM、SEM的检验与选择

判断空间自相关是否存在，以及如何在SLM和SEM这两个计量模型中选择更合适的做实证研究，一般可以通过包括拉格朗日乘数形式的LMERR、LMLAG以及稳健的R-LMLAG、R-LMERR等来实现。在空间依赖性的检验中，如果LMERR相对于LMLAG更显著，R-LMERR相对于R-LMLAG更显著，则SEM的实证拟合效果更好，选择SEM；反之，则选择SLM。结合经典计量经济学的模型拟合分析，一般采用的是自然对数的似然函数值（Log likelihood）以及似然比率（Likelihood Ratio）值、施瓦茨准则（Schwartz criterion，SC）以及赤池信息准则（Akaike information criterion，AIC）来检验模型的拟合效果。对数似然函数值越大，SC和AIC值越小，模型拟合程度越高效果越好。

（三）指标数据处理

1.选取指标数据

本文所使用的是湖南省2006-2010年各省市面板数据，数据主要来源于历年《湖南统计年鉴》及各地州市统计年鉴等，考虑到长株潭城市群规划于2005年批准以及数据的可获得性和可比性，故本文选择2006-2010做样本期。

根据国内外学者对房地产价格影响因素的研究成果并结合我国房地产业发展状况，本文将从需求方面、供给方面、经济方面以及政策方面四个角度选取房地产价格水平的9个影响因子：城镇居民购买力、消费者预期、替代品、房地产投资规模、资本供给能力、建筑成本、城镇化规模、交通便捷程度、土地供应量。以湖南省各地级市商品房均价作为衡量房地产价格水平的指标，即以各地级市商品房均价为解释变量，其他9个因素作为因变量，在考虑空间效应的前提下，研究它们对湖南省房地产价格水平的影响程度。具体代理变量选择如下：

表4 房地产价格影响因素的指标体系

一级指标 二级指标 替代指标

X1城镇居民购买力 居民存款（亿元）

需求因素 X2消费者预期 城镇居民可支配收入（元）

X3替代品 房屋出租收入（万元）

X4房地产投资规模 房地产开发投资占城镇固定资产投资比重（%）

供给因素 X5资本供给能力 金融机构贷款（亿元）

X6建筑成本 单位规模工业增加值能耗（吨煤/万元）

经济因素 X7城镇化规模 城镇化水平（%）

X8交通便捷程度 高速公路（公里）

政策因素 X9土地供应量 房屋施工面积（平方米）

2.指标数据标准化处理

需要对数据进行无量纲化才能进行相关的实证研究。运用标准化方法对上述数据进行相应的处理，计算公式如下

其中， 为原始数据， 为经计算所得到的平均数， 方差， 各因素通过标准化公式处理后的新数据。

（四）模型构建和实证过程

1.模型的筛选

首先，关于空间滞后模型（SLM）和空间误差模型（SEM）模型的选择，本文依据前文提出的模型筛选方法，对两种空间计量模型进行定量拟合分析。表5反映了湖南省房地产业OLS估计的误差空间自相关Moran's I检验、引入了内生空间滞后变量的SLM拉格朗日乘子误差、滞后及其稳健性（Robust）检验以及引入空间误差冲击依赖性的SEM拉格朗日乘子误差、滞后及其稳健性（Robust）检验。

表5 基于rook空间权重矩阵的空间相关性检验

检验 指数 统计量 P值

Moran's I （error） -0.4282 -2.0539 0.0399

Lagrange Multiplier （lag） 0.0072 0.9321

Robust LM （lag） 0.5284 0.4672

Lagrange Multiplier （error） 3.7668 0.0522

Robust LM （error） 4.2880 0.0383

检验表明，基于rook空间权值矩阵的Lagrange Multiplier（lag）为0.0072，显著性水平为93.21%，Robust LM （lag）为0.5284，显著性水平为46.72%，远超过正常显著性水平。而基于rook空间权值矩阵的Lagrange Multiplier（error）为3.7668，显著性水平为5.22%，Robust LM （error）为4.288，显著性水平为3.83%，空间误差模型（SEM）中的Lagrange Multiplier（error）、Robust LM （error）均比空间滞后模型（SLM）中的Lagrange Multiplier（lag）、Robust LM（lag）更为显著，尤其是基于rook 空间权重矩阵的Lagrange Multiplier（error）、Robust LM （error）值均能通过5%水平的显著性检验，因此空间误差模型SEM更为可取。

在对湖南省房地产业的发展进行空间效应检验的前提下，通过纳入空间效应的空间计量模型的引入，分析9个主要因素对房地产价格水平的影响程度。本文采用空间计量方法进行实证研究，同时，本文也采用经典计量经济学方法中的普通最小二乘法（OLS）进行了回归分析，以此比较空间计量模型SLM 和SEM的经济拟合效果。

表6 湖南省房地产价格影响因素的OLS估计

模型 β Std.Error t-Statistic

CONSTANT 0.0001 0.0367 0.0001

X1 0.5908 0.5929 0.9965

X2 0.2267 0.2091 1.0844

X3 0.3178 0.358 0.8876

X4 0.4842* 0.1012 4.7847

X5 2.3198*** 0.8716 2.6614

X6 0.0613 0.0789 0.7772

X7 0.9686* 0.1675 5.7824

X8 0.1941*** 0.0751 2.5824

X9 -3.6626 0.7594 -4.8228

R2 0.9941

F-statistic 76.013

Log likelihood 16.6873

AIC -13.3746

SC -6.9839

误差正态性检验 自由度DF 统计值 Pro

Jarque-Bera 2 1.0287 0.5978

异方差检验 自由度DF 统计值 Pro

Breusch-Pagan 9 16.6873 0.0538

Koenker-Bassett 9 11.9497 0.2161

注：① 通过标准化公式分别处理原自变量和因变量后得到新的自变量和因变量；

②* ，**，***和****分别表示通过1%，5%，10%和20%的显著性水平下的t 检验。

表6的OLS实证结果显示：房地产投资规模、城镇化规模通过了1%的显著性检验，资本供给能力、交通便捷程度通过了20%的显著性检验，而其他变量，如居民购买力、消费者预期、替代品、建筑成本、城镇化规模、土地供应量等的显著性检验都达不到要求，这说明对于存在空间效应的湖南省房地产价格的影响因素实证研究，经典计量经济学方法的实证结果的经济意义检验并不是很好。为了说明纳入空间效应的空间计量模型的实证分析与经典计量经济学的改进效果，本文将采用SLM 和SEM进行实证分析，实证结果见表7和表8。

表7 基于rook空间权值矩阵的SLM估计

模型 β Std.Error z-value

W_Y 0.009 0.1009 0.0896

CONSTANT -0.001 0.024 -0.0419

X1 0.5864*** 0.3204 1.8299

X2 0.2286** 0.1143 1.9997

X3 0.3049**** 0.2427 1.256

X4 0.4858* 0.0567 8.5647

X5 2.3507* 0.581 4.0458

X6 0.0583 0.0546 1.0664

X7 0.9682* 0.0896 10.798

X8 0.1952* 0.0418 4.6595

X9 -3.6797 0.4485 -8.2045

R2 0.9941

Log likelihood 16.6911

AIC -11.3822

SC -4.3525

异方差检验 自由度DF 统计值 Pro

Breusch-Pagan 9 16.5644 0.0559

空间依赖性检验 自由度DF 统计值 Pro

Likelihood Ratio 1 0.0076 0.9304

表8 基于rook空间权值矩阵的SEM估计

模型 β Std.Error z-value

CONSTANT -0.0212 0.0043 -4.8944

X1 0.4453* 0.1054 4.2226

X2 0.3432* 0.0605 5.6671

X3 -0.2152 0.2308 -0.9324

X4 0.3882* 0.0359 10.795

X5 3.2723* 0.4393 7.4479

X6 -0.0437 0.0425 -1.0293

X7 1.0063* 0.0292 34.3677

X8 0.1952* 0.0418 4.6595

X9 -3.6797 0.4485 -8.2045

R2 0.9941

Log likelihood 16.6911

AIC -11.3822

模型 β Std.Error z-value

SC -4.3525

异方差检验 自由度DF 统计值 Pro

Breusch-Pagan 9 16.5644 0.0559

空间依赖性检验 自由度DF 统计值 Pro

Likelihood Ratio 1 0.0076 0.9304

注：①通过标准化公式分别处理原自变量和因变量后得到新的自变量和因变量

②* ，**，***和****分别表示通过1%，5%，10%和20%的显著性水平下的z 检验。

通过对上述表中的检验结果分析后可知，三类模型中SLM模型 和SEM模型的各种检验值和OLS 模型相比较而言都有所改善，说明更加可取的是选择控制了空间依赖性后的空间计量经济模型。OLS、SLM、SEM的拟合优度均达到了0.99以上，但是SEM的拟合优度R2提高到了0.9996；Log L分别从16.6873提高到16.6911和25.3126，并且，纳入空间效应后的SEM提高幅度十分显著；SEM相对于经典计量模型OLS ，AIC和SC分别从-13.3746、-6.9839降低到-30.6253、-24.2347，这说明SEM有着更好的模型拟合效果。综上所述，更加科学、可取的模型应是纳入空间效应后SEM。

2.实证结果分析

通过表6、表7和表8的三个模型的拟合效果，选择SEM模型是进行实证检验湖南省房地产价格影响因素最合适的。其空间误差参数λ值为0.6533，并且通过了1%水平的显著性检验，检验结果表明湖南省的各地区房地产业发展的空间效应主要是通过存在于误差扰动项中的空间依赖性来体现，而邻近地区间的空间集聚、空间溢出效应的作用则不明显。分析原因可能在于两个方面：一方面是由于湖南省各地级市的自然地理环境以及经济基础的差异显著，致使房地产业在省内空间地理上的分布不平稳；另一方面由于相邻地区间房地产业形成相互依赖、相互竞争的关系，导致空间效应下各地区间的房地产价格水平呈现差异化的特征。

本文实证所采用的SEM模型的回归方程如下：

R2=0.9996 Log likelihood =25.3126

AIC=-30.6253 SC= -24.2347

从回归方程的结果可以看出替代品（X3）、建筑成本（X6）、土地供应量（X9）等3个影响因素系数为负，符合实际的经济意义。而在实证结果中，替代品（X3）和建筑成本（X6）这两个影响因素并没有通过显著性检验，原因可能是这两个因素同其他因素相比对房地产价格波动的影响程度不高，而其余7个因素均通过了1%的显著性水平，对房地产价格的影响十分明显。其中，土地供应量对湖南省各地区房地产价格产生负向影响，其余6个因素对湖南省各地区房地产价格产生正向影响，符合经济学意义。

同时，土地供应量（X9）的产出系数为-3.99，产生负向最大影响，表明了湖南省各地区房地产业价格水平的高低很大程度上受到了各地区土地供应量的影响，原因在于随着经济的发展，土地商品性逐步被激发，土地的稀缺性直接推高了土地价格，在湖南省经济发达地区土地资源日益稀缺，城市的狭小在一定程度上也制约了地区经济的腾飞，这也直接推动了湖南省“长株潭一体化”城市群的宏观规划。一体化加深了湖南省经济发达地区土地供给的稀缺，导致了土地价格的增高，作为房地产成本中占比最重的一个因素，土地价格的升高必然导致房地产价格水平的升高。此外，城镇化规模（X7）的产出系数为1.006，在对湖南省房地产价格水平产生正向影响程度中，排在第二位，与资本供给能力对房地产投资开发的直接影响不同的是，城镇化规模更能在宏观层面影响房地产价格。一般来说，城镇化对地区房地产影响明显，人口在城市的集中推动了城市房地产需求，因此带动房地产价格的不断上涨。湖南省政府于2014年9月24日发布《湖南省推进新型城镇化实施纲要（2014-2020）》描绘了未来新型城镇化的蓝图，纲要指出“一核六轴”的城镇化发展格局基本形成，到2020年，全省常住人口城镇化率达到58%左右，长株潭城市群作为一个“核”的形态，进而带动全省城镇化进程。居民购买力（X1）对湖南房地产价格水平的影响系数为0.445，在6个实证检验显著的主要因素中排在第三位，并且也是需求因素中，对湖南省房地产价格水平的影响程度最突出的因素。居民购买力越高，对房地产的需求越多，从而增加对房地产的需求。当前，自有存款和个人住房贷款是购房的主要形式，而前期的购房款项则主要来自居民的存款。

在9个主要影响因素中，替代品（X3）和建筑成本（X6）对湖南省房地产价格水平存在负向影响，但没有通过显著性检验；房地产投资规模（X4）、消费者预期（X2）以及交通便捷程度（X8）三个因素通过了1%的显著性水平，但对湖南省房地产价格水平的影响程度不高；其中，交通便捷程度对湖南省房地产价格水平的影响程度最小，这可能是由于湖南省正处于城镇化发展的关键阶段，大量交通基础设施的建设对当前地区房地产价格影响具有滞后性，城市综合体等大型房地产项目的建设一般在交通基础设施建设后期，但从长远看，便捷的交通以及地处黄金地段的房地产势必推高地区房地产价格。

四、结论与政策建议

从供给、需求、经济和政策四个方面着手，通过理论梳理和实证分析，同时结合我国房地产业发展实际，本文初步总结出了影响我国房地产价格波动的9大因素，并运用全局Moran's I、局部Moran散点图、空间基尼系数等方法，对湖南省14个地级市房地产业的发展情况进行分析，从而构建出影响湖南省房地产价格变化的因素指标体系，在此基础上，进一步运用空间滞后模型和空间误差模型对此因素指标进行检验研究，得出结论。

实证研究显示，湖南省各个地级市之间的房地产业发展存在空间效应，且该空间效应体现在误差扰动项中的空间依赖性。一方面，湖南省房地产价格水平Moran's I统计值、局部Moran散点图和14个地级市的房地产业空间基尼系数的数值描述显示，湖南省房地产业发展具有较高水平的空间依赖性；另一方面，Moran's I平均值-0.1216（2008年除外），表明湖南省各个地级市房价水平在空间分布上呈现负空间相关性。湖南省14个地级市之间发展产生的相互作用正是这种依赖性的来源。

进一步对湖南省房地产价格水平产生正向影响的因素进行分析，发现资本供给能力、城镇化规模和居民购买力是三大关键性影响因素，而房地产投资规模、消费者预期和交通的便捷程度则影响程度偏低。这说明房地产价格调控手段应该更加偏向于金融政策和合理的城镇化水平。

参考文献

[1] Pollakowski， H. O.， Wachter， S. M.The Effects of Land–Use Constraints on Housing Prices [J]， Land Economics， 1990， 66（3）：315-324

[2] Kauko T. The Importuned of the Context and the Level of Analysis： Authors Response[J]. Housing Theory and Society，2003（20）：134-136

[3] Malpezzi， Stephen and Susan M. Wachter. The Role of Speculation in Real Estate Cycles，[J]. Journal of Real Estate Literature，2005（2）：143-164

[4] Elbourne A.The UK Housing Market and the Monetary Policy Transmission Mechanism： An SVAR Approach[J].Journal of Housing Economics，2008，17（01）：65-87

[5] E. Levin ， A. Montagnoli， R. E.Wright. Demographic Change and the Housing Market ： Evidence from a Comparison of Scotland and England [J]. Urban Studies ， 2009 ， 46 （1）：27-43

[6] Elod. Aging and house prices[J]. Journal of Housing Economics， 2012， 21（2）： 131-141.

[7] Bitter C. ， Mulligan G. F. ， Dall'erba S. Incorporating Spatial Variation in Housing Attribute Prices： A Comparison of Geographically Weighted Regression and the Spatial Expansion Method[J]. Journal of Geographical Systems， 2007. （1）： 7-27.

[8] Baumont，C.Neighborhood Effects，Urban Public Policies and Housing Values： A Spatial Econometric Perspective. Université de Bourgogne Laboratoire dEconomie et de Gestion（CNRS），2007.UMR 5118.

[9] Holly，C.，Sean，H.M.，Yamagata，T.The spatial and temporal diffusion of house prices in the UK.Journal of Urban Economics，Vol.69，No1，2011，pp.2-23

[10] 龙志，周浩明.中国城镇居民预防性储蓄实证研究[J].经济研究，2000（11）：33-38

[11] 秦青，吴婕.城镇居民购房主观意愿对房价形成的影响-基于上海市 2.8 万户城镇居民住房需求问卷调查的分析[J].价格理论与实践，2007（02）：52-53

[12] 鞠方，欧阳立鹏. 我国房地产价格的影响因素及其合理性研究[J]. 财经理论与实践，2008，04：116-119.

[13] 谢太峰，路伟. 中国货币供应量、贷款利率、国民收入对房地产价格影响的实证分析[J]. 首都经济贸易大学学报，2013，05：21-28.

[14] 陈欣慰，王艺明，黄榆舒.中央、地方财政关系与房地产价格[J].商业研究，2011（01）：102-106

[15] 沈悦，刘洪玉.住宅价格与经济基本面：1995-2004年中国14城市的实证研究[J].经济研究，2004（6）：78-86

[16] 周建军. 我国房地产价格的影响因素及其合理性研究[J]. 商业研究，2009，04：93-96.

[17] 安辉，王瑞东. 我国房地产价格影响因素的实证分析——兼论当前房地产调控政策[J]. 财经科学，2013，03：115-124.

[18] 葛红玲，段与杨. 我国商品房价格影响因素分析——基于区域差异视角的实证检验[J]. 价格理论与实践，2014，06：75-77.

[19] 孟斌，张景秋，王劲峰，张文忠，郝卫秋. 空间分析方法在房地产市场研究中的应用——以北京市为例[J]. 地理研究，2005，06：956-964+1004.

[20] 王鹤. 基于空间计量的房地产价格影响因素分析[J]. 经济评论，2012，01：48-56.

[21] 陈胤辰，蒋国洲. 城市化进程对房地产业影响的空间计量分析[J]. 统计与决策，2013，05：122-125.

[22] 姚丽，谷国锋，王建康. 基于空间计量模型的郑州城市新建住宅空间效应研究[J]. 经济地理，2014，01：69-74+88.

[23] 杨祚，谢书楠. 我国区域房地产价格的空间计量分析——来自区域房地产价格敛散性的经验数据[J]. 价格理论与实践，2014，04：62-64.

基于空间计量的湖南省房地产价格影响因素分析

周建军 戴 为 鞠方 杨营贺

（湘潭大学商学院 湖南湘潭 411105）

作者简介：

周建军（1974-），湖南桃江人，湘潭大学商学院教授，博士生导师，南开大学产业经济学博士，北京师范大学理论经济学博士后，德国弗莱堡大学访问学者。主要研究城市房地产经济。

基金项目：国家社科基金（编号10BJL018）、国家自科基金（编号71203190）、湖南省社科基金（编号14BR05、14BR06）、湖南省教育厅开放基金（编号15K121）、湖南省教育厅重点项目（编号15A193）、湖南省普通高校学科带头人项目资助。

通信地址：

湖南湘潭大学商学院， 周建军 411105

E—mail： xtdxzjj@126.com；

联系人：周建军 13873205628。

Real Estate Price Impact Factors Analysis Based on Spatial Econometrics in Hunan Province

ZHOUJianjun DAIWei JUFang YANGYinghe

（Business School， Xiangtan University， Xiangtan 411105）

Abstract： This paper used spatial econometric measurement and GeoDa software ， conclusions are as follows through the empirical study ： there are spatial effects in real estate prices in each level city of Hunan province. And the spatial effects play a role mainly through the spatial dependence of error terms. Considering spatial effect， The biggest impact of the factors is land supply.

Keywords： Hunan Province； Real Estate Prices； Spatial Econometric.