经济开放度、房地产价格及其空间溢出

鞠　方,雷雨亮,周建军

(湘潭大学　商学院，湖南　湘潭　411105)



经济开放度、房地产价格及其空间溢出

鞠方,雷雨亮,周建军

(湘潭大学商学院，湖南湘潭411105)

本文基于“巴拉萨—萨缪尔森”理论模型，运用空间计量分析方法考察1999—2013年中国31省房地产价格的空间相关性和经济开放度对房价的影响。研究表明，我国房地产价格存在显著的正向空间相关性，地理距离和经济距离均会对区域房地产价格及其空间相关性产生显著影响；在考虑了空间影响之后，经济开放度对房地产价格的影响为正，验证了中国房地产市场存在“巴拉萨—萨缪尔森”效应。

经济开放度；房地产价格；巴拉萨—萨缪尔森效应；空间计量

一、引言

“十二五”以来我国对外开放整体进入了新阶段，基本形成高水平的对外开放格局。从实现自贸区制度创新到改革外商投资管理体制，从加快实施“一带一路”国家战略到完善国际产能合作机制，我国正积极构建全方位多角度的开放型经济新体制。开放程度的不断深入确实给我国房地产业的发展带来了新机遇，但是也带来了风险和挑战。1998年房地产市场改革之后，我国房地产市场快速发展，房地产价格持续走高。尽管近年来，国家多次对房地产进行宏观调控，但部分地区房地产价格仍然居高不下，并在空间分布上呈现集聚现象。高房价区域附近的房价通常也较高，而低房价区域临近的地区房价通常较低，整体房价极化效应凸显。如图1所示，2014年东部沿海地区房地产价格整体较高，北京、上海的商品房销售均价基本超过了16000元/平方米。广东、福建和浙江等东部省份商品房平均销售价格都在9000元/平方米以上，而中西部地区房地产价格相对较低，最低的为宁夏回族自治区，仅4117元/平方米，中部地区湖南省其次，仅4227元/平方米，沿海地区与内陆地区房地产价格差异性明显。

在区域经济一体化背景下，随着地区开放程度的加深，交通、通讯设施的不断完善，以及地区之间人员、资金、技术等交流不断深化，区域房地产价格不同程度上受外地房地产价格的影响。因此，有必要从开放经济角度探讨我国房地产市场的发展和变化。

房地产商品作为典型的非贸易品，在一国经济运行中发挥重要作用。Gabriel，Hamilton和王先柱等国内外学者主要从人口因素[1-2]、收入水平[3]、宏观经济因素[4]、预期效用[5]、城镇化[6]等方面分析房地产价格的影响因素。但是，上述研究成果是在封闭经济前提下取得的，与目前不断深化的经济全球化背景不完全相符。2004年，Bardhan首次从开放经济视角出发，分析城市经济开放度对房地产价格的影响，并选取46个世界城市进行OLS估计[7]，结果表明，城市经济开放度显著提高了城市租金，证明房地产市场存在“巴拉萨—萨缪尔森效应”，即某个处于经济快速发展阶段的国家，其可贸易部门劳动生产率的增长将相应提高不可贸易品的价格。这一研究扩充了城市经济学和房地产经济学的分析维度，丰富了房地产的价格影响因素。王松涛利用1998—2006年35个大中城市的相关数据，在开放经济条件下进一步验证了经济开放度对中国房地产价格的正向影响[8]。国内学者采用不同计量方法，验证了我国房地产市场“巴拉萨—萨缪尔森”效应的存在性[9-11]。

目前，国内外学者大多采用传统的时间序列和面板数据模型分析我国房价问题，均基于各个省份之间房价波动互相独立的假设，忽略了由于空间临近带来的相互作用，使得计量模型存在偏差。事实上，人口与家庭迁移、财富转移以及不同地理空间的套利行为使得房地产价格具有明显的空间联系，特定省份的房地产价格受到与其地理邻近的相关省份房地产价格的影响(王鹤，2012)。房价在空间分布上呈现出“马太效应”，各个省份之间房地产价格的影响具有明显的空间依赖性，不能孤立地分析。空间计量经济学将空间数据分析与GIS结合，考虑邻近省份之间空间上的相互影响及溢出效应。与以前的研究相比，本文试图从以下几个方面有所拓展：首先，本研究从空间计量角度，引入空间Moran I指数方法，检验我国房地产价格在空间上是否存在空间相关性和集群特征；然后从地理特征和经济特征方面构建了邻接权重、地理距离权重、经济距离权重以及经济地理嵌套权重，力求全面客观地探讨经济开放度对房地产价格的影响；此外，我们还探讨了经济开放度对不同类型房地产商品的影响。研究成果一方面可以从空间维度丰富我们对经济开放度与房地产价格之间关系的认识，同时也可以为政府合理调控房地产市场、促进房地产价格平稳回归提供参考。

图1　2014年全国各省房地产价格分布图

二、理论分析：一个简单的“巴拉萨—萨缪尔森”模型

“巴拉萨—萨缪尔森”理论主要考察开放经济条件下，可贸易品生产部门劳动生产率的提高对不可贸易品价格的影响。房地产商品价值量大，且相对固定，是典型的非贸易商品。本文借鉴毛其淋(2010)、宋金娜(2012)的做法，在Balassa和Samuleson的研究基础上，对我国房地产市场的“巴拉萨—萨缪尔森”效应进行简要的理论分析[11-12]。

假定在一个开放的小国经济体中存在着一组同质企业，分别生产可贸易品(企业1)和非可贸易品(企业2)。为了分析简单，假设不可贸易品生产部门仅仅生产房地产这一种商品，且可贸易商品的价格由国际市场决定，而房地产商品的价格由国内市场决定。两个企业均需要投入劳动L和资本K进行生产，在完全竞争市场结构下，资本能够在国际间自由流动，而劳动力只能在国内各部门之间自由流动。劳动力的自由流动使得可贸易品生产部门与房地产企业的均衡工资相等，即w1=w*=w2。其次，劳动力市场是充分就业的，即劳动总供给量L=L1+L2。

为了方便起见，我们假定可贸易品部门和房地产企业的生产函数均为规模报酬不变的柯布—道格拉斯形式。α和β分别表示可贸易部门和房地产企业劳动力产出弹性系数，且0<α<1,0<β<1可贸易商品价格p1被标准化为1，房地产商品的价格为p2，则p2可以表示为房地产商品相对于可贸易品的价格。

可贸易品生产部门的利润最大化问题表示如下：

max π1=A1L1αK11-α-w*L1-rK1

(1)

(2)

(3)

类似地，房地产企业利润最大化问题为：

max π2=p2·A2L2βK21-β-w*L2-rK2

(4)

(5)

(6)

其中，A1和A2表示可贸易部门和房地产企业的全要素生产率，r表示外生给定的利率。根据(2)式和(5)式，可得：

αA1L1α-1K11-α=p2·βA2L2β-1K21-β=w*

(7)

(8)

Y1和Y2表示可贸易部门和房地产企业的单位劳动力产出，即劳动生产率。式(8)说明房地产商品的相对价格p2取决于两个部门劳动生产率的大小。在开放经济条件下，得益于国际合作的竞争不断加强和技术创新的提高，可贸易部门劳动生产率提高得更快[13]，许和连等学者的研究也证明了这一现象在中国市场的存在性[14]。

如果我们假定d(y1/y2)dt=γd(open)/dt,γ是大于0的正数，那么式(8)两边对时间t求导，可得：

(9)

上述分析表明，随着经济开放程度的提高，可贸易品部门劳动生产率比房地产企业劳动生产率上升得更快。由于完全竞争市场条件要求两部门的均衡工资水平相等，所以，房地产企业工资水平也会相应提高，房地产商品的生产成本增加，导致房地产价格不断上涨。同样，房地产价格波动通过劳动力和资金流动的作用，对非可贸易部门商品价格产生作用。如此反复循环，地区与地区之间，可贸易部门与房地产部门之间商品价格在开放经济条件下相互作用，相互制约平衡。因此，我们得到如下命题：经济开放度与房地产价格呈正相关关系，即经济开放度的提高将助涨房地产商品价格。鉴于劳动力和资金的流动往往受到地理因素和经济因素的影响，从而使得房地产价格表现出空间溢出效应，因此使用空间计量方法，从地理特征和经济特征两个角度构建模型能更有效地模拟和估计经济开放对房地产价格的作用及其空间相关性。

三、计量模型构建与数据说明

(一)MoranI空间相关性检验

空间自相关反映了某区域的观测值与邻近地理空间同一观测值的关联程度，可以用全局空间自相关和局域空间自相关值加以度量。

Moran指数是最早用于检验全局空间相关性的方法，它主要检验空间系统中相邻区域之间是相似、相异还是独立关系。本文中Moran指数的计算公式如下：

(10)

xi和xj分别代表区域i和区域j的房地产价格，n代表样本中观测地区总数,ωij是基于不同标准建立的权重，反映空间目标的位置相似性。MoranI指数的取值在-1到1之间，其数值越大表明关联程度越高。如果统计值大于零，表示具有相似属性的空间单位在地理上相对集中；统计值小于零，表明具有相似属性的空间单位在地理上趋向于集聚；如果统计值等于零，表明不具有空间相关性。

全局MoranI指数反映了不同省际间房地产价格的整体空间自相关性，但是不同地区省际间关联的局域特征可能会出现“非典型”情况，需要用局域MoranI指数Ii分析房地产价格关联的局域特征。正的Ii值表明该区域周围相似值(高值或者低值)的空间集聚，而负的Ii表示非相似值在地理空间上集聚，其计算公式为：

(11)

局域自相关共有四种模式，分布在四个象限。第一象限说明高房价地区被高房价地区所包围；第二象限说明低房价地区被房价高的地区包围；第三象限说明低房价地区被低房价地区所包围；第四象限表明高房价地区被低房价地区所包围。

(二)空间计量模型

与传统计量模型不同，空间计量模型考虑了不同区域之间的空间依赖性，即认为观测值及其区位之间具有一致性，某个区位上的事物可以被空间系统内的另一个事物影响或决定[15]，地区之间的相对和绝对位置决定了空间相关的模式以及程度大小。空间相关性可能存在于被解释变量和误差项中，因此，空间计量分为空间自回归模型(SpatialAuto-RegressiveModel,SAR)和空间误差模型(SpatialerrorModel，SEM)。

SAR模型主要用于研究空间系统内某地区的行为对相邻地区的影响，这一影响主要通过因变量的滞后项进行，其表达式为：

(12)

SEM主要用来研究通过残差扰动项结构关联实现地区间相互影响的情况，其残差扰动项显示出空间依赖性，此模型数学表达式为：

yit=Xitβ+εit

(13)

(14)

(三)空间权重矩阵的构建

空间权重矩阵W反映了各个省份之间空间的关联程度与依赖程度，是建立空间计量模型的关键。目前多数研究采用二进制的空间矩阵，相邻省份记为1，不相邻则记为0，这种方法计算简单，但是不能准确地反映各个省份的空间关联性。为了研究需要，本文从地理特征和经济特征两个角度构建了邻接空间矩阵、地理距离矩阵、经济距离权重矩阵以及经济地理嵌套权重矩阵，以便更加准确的把握房地产价格的空间集聚现象，分析经济开放度对房价的影响程度。

1. 邻接空间矩阵

经济现象和行为与其地理位置密切相关。由于地理位置的邻近，房地产价格存在明显的空间相关。一阶邻接矩阵根据地理上不同区域是否相邻进行设定，矩阵元素其中对角线元素全为0，其他元素的设定满足：

(15)

其中，i=1,2,3…n;j=1,2,3…m；m≠n*由于海南地理位置特殊，与其余省份均不相邻。但是海南省与广东省经济交往和贸易往来频繁，且地理位置较近。因此，在构建地理距离的邻接矩阵时，为了避免孤岛效应，假定其仅与广东省相邻。。空间邻接矩阵认为区域之间地理上的邻近决定了不同空间单位的相关性，且不同相邻单位的影响程度是一样的，这在一定程度上不符合现实状况，它割裂了一个地区与不相邻地区之间的空间联系。为了克服简单邻接权重的弊端，文章接下来提出了地理距离衰减权重矩阵，对开放经济条件下房地产价格的影响影响进行全面分析。

2. 地理距离权重

根据地理学第一定理，任何事物在空间上都是相关的，距离越近则空间相互影响越强，随着地理距离的不断增加，关联程度不断减弱。空间距离加权矩阵根据各省份之间距离确定权重，距离越远，相互影响的程度越小，距离越近则影响越大。它不仅反映相邻地区之间的邻接关系，还能衡量它们之间的相邻程度。空间距离加权矩阵定义如下：

(16)

其中，dij为使用纬度和经度计算的两省之间距离*省域中心之间经纬度的距离数据来源于空间地理科学网站：http://www.geobytes.com.。距离倒数的平方反映了省际空间作用与地理距离的衰减关系。

3. 经济距离权重矩阵

空间系统内区域的相对和绝对位置并不是影响空间相关性的唯一因素，地区之间的经济活动也会对空间单位产生影响，如贸易往来、金融交易等等。不同经济水平的省份对邻接区域的影响是不同的，因此，文章利用不同省份的人均实际GDP差距的倒数来构造权重矩阵，如果人均GDP差距较大，则对应的权重较小，相反人均GDP差距较小，相对应的权重则较大。经济距离权重矩阵定义如下：

(17)

4.经济地理嵌套权重矩阵

嵌套矩阵将地理距离权重矩阵和经济特征权重矩阵有机地结合起来使用，其目的在于尽量准确地刻画空间效应的综合性及复杂性。嵌套权重矩阵形式如下：

其中

(四)变量选择和数据来源

1998年的住房制度改革标志着我国房地产市场进入市场化时代。因此，本文使用1999—2013年31省份的面板数据进行分析。房地产价格用最具代表性的商品房实际销售价格表示，经济开放度则根据美国经济研究局的定义，参考王松涛等的做法，用进出口总额/地区生产总值表示，其中进出口总额运用历年美元兑人民币汇率进行调整[8]。在开放经济条件下，影响房地产价格的因素众多，综合考虑之下，本文选取了地区生产总值衡量地区发展水平，用房地产国内贷款、房屋竣工面积以及房屋竣工造价衡量房地产市场供给影响因素。为了消除价格变化的影响，利用各省的居民消费指数将名义变量均调整为实际变量，其中CPI指数以1999年为基期。为了消除模型的异方差，对商品房实际销售价格、房地产国内贷款、实际竣工面积、商品房实际竣工造价取对数。数据来源于中国经济社会发展数据库、国泰安数据库和《中国统计年鉴》，具体变量说明见下表。

四、实证结果分析

(一)空间自相关检验

Moran I 指数能够反映各变量的空间相关性。表2为1999—2013年31省的房地产价格的Moran I 值。在空间邻接权重和经济距离权重下，我国房地产价格存在明显的正向空间相关性，且均通过了10%的显著性水平。在距离衰减权重和经济地理嵌套权重下，2009年之前我国房地产价格变动的空间相关性并不显著，可能的原因是，我国1998年刚开始进行房地产改革，由实物分房转换为货币分房，房地产市场才逐渐发展起来，所以空间依赖度并不显著。综合四种空间权重矩阵，我们认为，我国房地产价格的整体相关度为正，说明在样本期内，我国省际房地产价格存在“马太效应”，即房地产价格较高的省份其邻近地区房价也较高，而房价较低的省份其邻近区域房价也相对较低。其次，从Moran I 的变动趋势来看，以2009年为拐点，在2009年之前房地产价格的Moran I 呈现上升趋势，而2009年开始有所下降，2012年又开始上升。整体来看，我国各地区房地产价格变动的空间相关性较强。

表1　变量说明

表2　1999—2013年房地产价格和经济开放度的Moran I 指数统计

Moran I指数已经表明房地产价格和经济开放度的全局空间自相关性，而Moran I散点图能进一步说明房价空间分布的局部特征。

图2是2013年四种不同权重下房地产价格的Moran I散点图，各个散点在以虚线构成的四个象限中的分布表明房地产价格的空间分布呈现出明显的规律。Moran I散点主要集中在一、三象限，即H-H区域和L-L区域，这表明我国房地产价格存在明显空间集聚，其分布是非均质的。

上述分析表明我国省际经济开放度和房地产价格的空间相关关系并非随机分布，而是在空间位置上呈现出一定的规律性。某区域房地产价格产生的波动有可能通过空间溢出效应对相邻省份的房地产价格产生影响。因此，仅仅运用普通面板模型对经济开放度影响房地产价格的机制和程度进行检验会产生一定偏差，必须采用空间面板数据模型。

(二)经典计量模型经验估计结果

首先，在不考虑房地产价格空间因素的情况下，运用经典计量回归模型估计经济开放度对我国房地产价格的影响。我们分别采用OLS估计、随机效应和固定效用模型进行估计，下表则报告了上述模型的回归结果。三种估计方法下，R2较高，且F值均通过了1%的显著性检验。从各个变量的回归系数来看，除了竣工房屋面积(space)之外，其余变量均通过了1%的显著性水平检验。表3中，经济开放度的回归系数均显著为正，这说明经济开放度的提高对我国房地产价格具有明显的促进作用。地区生产总值对房地产价格也具有较大的正向影响，代表房地产供给的竣工房屋面积回归系数显著为负。另外，国内贷款和竣工房屋价值对房地产价格也具有正向影响，且通过了1%的显著性水平检验。

图2　2013年我国房地产价格的Moran I散点图

OLSREFEEstimateStdEstimateStdEstimateStdintercept0402∗∗∗0114-0243∗0125//open0095∗∗∗00130086∗∗∗00200076∗∗∗0025gdp0046∗00240188∗∗∗00270409∗∗∗0028load0145∗∗∗00130106∗∗∗00170060∗∗∗0016space-0135∗∗∗0021-0094∗∗∗0021-000050020value0728∗∗∗00380608∗∗∗00450239∗∗∗0048Ftest645654∗∗∗546651∗∗∗739781∗∗∗Adjust-R2086420845208267obs465465465

(三)对总体房地产价格的检验——来自四种空间权重矩阵的证据

为进一步深入考察房地产价格受本区域经济开放度和邻近区域房地产价格的影响程度，采用空间计量模型来分析本地区房价受本地区经济开发、地区发展水平、其他控制变量和周边地区被解释变量的影响。综合运用四种空间权重矩阵，对经济开放度与房地产价格之间的关系进行空间检验。从计量经济学的角度来看，观测数据之间的空间相关性违背了自变量严格外生和残差扰动项独立同分布的假设前提，采用传统的最小二乘估计(OLS)会导致估计结果出现有偏或不一致，而IV或者MLE方法可以解决这一问题。因此，运用R软件，采取MLE方法对上述空间计量模型进行估计。

首先，运用LM检验来识别空间模型的具体形式，结果如表4所示，LMlag、R-LMlag、LMerr、R-LMerr均通过了1%的显著性检验，且LMlag> LMerr，R-LMlag> R-LMerr，故本文选择SAR模型作为回归模型。

表4　SAR和SEM模型的LM检验

根据LM检验识别的模型具体形式，分别运用空间邻接权重(W1)、地理距离权重(W2)、经济距离权重(W3)和经济地理嵌套权重(W4)，采用极大似然估计方法对计量模型进行估计。

根据LM检验的结果，我们主要运用SAR模型进行实证阐释。从表5我们可以得出以下结论：第一，在四种不同空间权重矩阵背景下，空间相关系数ρ均为正且通过了1%的显著性概率检验，充分说明了我国省际房地产价格存在显著的正向空间相关效应，一个地区的房价在一定程度上受其他与之具有相似空间特征的区域房地产价格的影响，这与洪涛(2007)、陈浪南(2012)等的研究结论一致。四种空间权重下的空间相关系数分别为0.293、0.434、0.363、0.452，地理特征和经济特征均会对区域房地产价格及其空间相关性产生显著影响。W1、W2显示的空间相关系数显著为正，表明地理位置上的邻近对地区房地产价格具有显著的正向影响。地理位置的邻近，便于省际间资金、技术、人力资源的流动与传播，带动了周围地区房地产价格的上涨。W3和W4考虑了经济因素，空间相关系数仍然显著为正，表明经济发展水平相近的地区之间房地产价格具有相互促进的正向影响。经济发展水平较高的地区吸引了大量人才、资金的流入，形成资源集聚优势，经济条件与之相似的地区更能促进人才、技术、资金的交流和溢出，影响房地产市场的供给和需求，形成了区域性的房价集聚现象。

表5　总体房地产价格的SAR模型估计结果

注：1.括号内值为标准差；2.*、**和***分别表示在10%、5%和1%的显著性水平下显著。

表6　总体房地产价格的SEM模型估计结果

注：1.括号内值为标准差；2.*、**和***分别表示在10%、5%和1%的显著性水平下显著。

第二，在四种空间权重矩阵下，经济开放度均通过了5%的显著性检验，说明经济开放度对于房地产价格的影响显著。在考虑了空间因素之后，经济开放度的系数符号为正，与预期相符，验证了中国房地产市场的“巴拉萨—萨缪尔森”效应，即经济开放度越高，越能助涨该地区房地产价格。从系数值大小来看，考虑空间因素之后，该变量系数值介于0.075和0.089，远高于经典计量模型的回归结果。这说明，如果不考虑房地产价格的空间相关性，经济开放度对商品房价格的影响会被低估。在不同权重矩阵下，经济开放度对房地产价格的影响程度有细微差别。在经济地理嵌套权重矩阵下，经济开放度的系数最大，地理距离权重矩阵次之，空间邻接权重最小。

第三，在影响房地产价格的众多变量中，地区生产总值在不同空间权重矩阵下对房地产价格的影响系数均为正，且均通过了1%的显著性检验，表明地区生产总值对房地产价格具有显著的正向影响。房地产国内贷款、竣工房屋造价均对房地产价格具有显著的正向影响，但是竣工房屋面积在四种权重矩阵下对房价的影响均不显著。这说明，房屋竣工面积并不是影响房地产价格的显著因素。

(三)对住宅、别墅、商业营业用房价格的检验

上述分析表明，经济开放度对我国商品房价格具有显著的正向影响，然而这种效应是否在住宅市场、高档别墅市场、商业营业用房分类市场依然存在？如果存在，那么经济开放度对这几类房地产商品价格的影响有何差异？为了深入探讨经济开放度的空间溢出效应及其对我国房地产市场的影响，下文进一步检验各类房地产市场的“巴拉萨—萨缪尔森”效应。

从表7来看，地理邻接矩阵、地理距离矩阵、经济距离矩阵以及经济地理嵌套矩阵的住宅市场模型(1)和高档别墅市场模型(2)的空间相关系数均为正且通过了10%的显著性检验，充分说明住宅价格、高档公寓和别墅以及商业营业用房的价格在空间上存在正向相关关系，地理特征和经济特征均会对两类房地产商品的平均销售价格产生影响。

此外，在不同空间权重矩阵下，经济开放度对住宅价格均是正向影响，且通过了5%显著性水平的检验，这说明我国住宅市场存在明显的“巴拉萨—萨缪尔森”效应。仅当地理因素和经济因素有机结合在嵌套模型中进行估计时，经济开放度才对高档公寓和别墅的价格产生显著的正向作用，这可能是由于高档公寓和别墅的价格即受到本身区位因素影响，同时又受到与区位因素密不可分的公共配套设施，服务水平和城市魅力等复杂经济因素的影响，经济地理嵌套权重矩阵能更有效地刻画出经济高档公寓和别墅价格的空间效应和复杂性。但是无论在哪种空间权重矩阵下，经济开放度均不对商业营业用房价格产生影响，商业营业用房的价格主要的受到本地区经济发展水平和建筑成本的影响。

回归结果还表明，地区生产总值、房地产国内贷款、竣工房屋造价均通过了10%的显著性检验，且相关趋势与预期相符。地区生产总值的提高、房地产贷款的增加以及竣工房屋造价的上升对各类房地产价格均产生显著的推动作用，而竣工房屋面积影响并不显著。

五、研究结论

本文利用1998—2014年各个省份房地产和对外开放的相关数据，首次将空间计量方法引入经济开放度对房地产价格的经验研究中。本文还从地理区位特征和社会经济特征两个方面建立邻接矩阵、地理距离矩阵、经济距离矩阵以及经济地理嵌套权重矩阵，从不同角度考察房地产价格的空间影响因素，更符合“巴拉萨—萨缪尔森”效应产生的理论机制。

首先，采用MoranI空间相关性检验发现，各个省份的房价在地理空间上存在显著的空间自相关，某区域的房地产价格变动并不是毫无规律的随机分布，而是受邻近区域或经济发展水平相似区域的房地产价格影响。房地产价格的溢出效应不仅体现在地理邻近省份，还体现在经济发展水平相似的区域之间。

表7　细分房地产市场价格的SAR模型估计结果

注：1.括号内值为标准差；2.*、**和***分别表示在10%、5%和1%的显著性水平下显著；3.模型(1)-模型(3)分别表示以住宅平均销售价格、高档公寓和别墅平均销售价格、商业营业用房平均销售价格作为被解释变量的回归结果。

从总体房地产价格的SAR模型估计的系数看来，经济开放度与房价呈现正相关关系，省际经济开放程度越高，相应整体房地产价格较高，充分说明我国房地产市场存在“巴拉萨—萨缪尔森”效应。并且，经济距离权重矩阵下经济开放度对房地产价格的影响程度要大于地理特征权重矩阵。

通过构建细分市场SAR模型进一步考察经济开放度对各类房地产市场价格影响后发现，我国住房市场、高档公寓和别墅价格均存在“巴拉萨—萨缪尔森”效应，但是经济开放度对商业营业用房的影响并不显著。此外，除竣工房屋面积外，地区生产总值的提高、房地产贷款的增加以及竣工房屋造价的上升都是推动住宅市场、高档公寓、别墅和商业营业用房价格上涨的重要因素。

从政策层面来讲，鉴于各省房地产价格在空间上的显著相关性，政府房地产宏观调控时应该充分考虑区域之间的相互影响，各省在制定差别化的房地产市场政策时要加强地区间的协调与合作，既要避免单独行动下“此消彼长”式的政策失效现象，又要尽量降低房价波动溢出效应带来的负面冲击。特别地，对于经济发展水平和房地产市场发展水平相当的城市也有必要从房地产贷款政策和土地供给等方面出发促进房地产市场持续健康稳定协调发展。

在我国经济结构转型升级阶段，城市化水平不断提高，大量农村劳动人口和中小城市人口向北上广深等大城市聚集，构成了核心城市普通商品住宅庞大的刚性需求市场。经济因素趋同是住宅价格空间溢出的重要基础，同样地，经济发展水平的差距也是房地产市场分化的主要因素，一线城市商品房在供不应求矛盾下房价持续高涨，而众多三线城市出现库存高企和房价难以回归合理的“滞胀”现象，因此缩小城市间经济发展水平的差距，继续大力支持中部崛起和西部开发是分散住房需求，缓解房地产市场分化矛盾的长期手段。

[1]GABRIEL S. Lee.Housing cycles and the period of production[J].Applied Economics, 1999, 31(10):1219-1230.

[2]王先柱，赵奉军.房价波动与财政收入:传导机制与实证分析[J].财贸经济,2012(11)：21-28.

[3]SMITH T R , CLARK W A V.Housing market search behavior and expected utility theory》[J].Environ Plan A, 1982,14(6):717-737.

[4]沈悦，张学峰, 张金梅.基于SVAR模型的住宅价格调控政策有效性实证分析[J].统计与决策,2011(7):111-114.

[5]BRUCE W Hamilton, ROBERT M Schwab.Expected appreciation in urban housing markets[J].Journal of Urban Economics, 1985,18(1):103-118.

[6]邓翔，孔红枚.基于动态面板模型的城市化与房价关系研究[J].统计与决策,2013(12):105-107.

[7]BARDHAN AD，EDELSTEIN RH.LEUNG C.A note on globalization and urban residential rents[J].Journal of Urban Economics, 2004,56(3):505-515.

[8]王松涛.城市经济开放度对房地产价格的影响——基于中国35个大中城市面板数据模型的分析.[J].南开经济研究，2009(2):91-102.

[9]毛其淋.盛斌.中国房地产市场的“巴拉萨—萨缪尔森”效应——来自省际动态面板数据的经验证据[J].财经研究，2010(12):129-139.

[10]宋金娜.广东省城市经济开放度对房地产价格的影响研究[D].哈尔滨：哈尔滨工业大学，2012.

[11]BALASSA B.The purchasing-power parity doctrine: A reappraisal[J].Journal of Political Economy, 1964,72(6):584-596.

[12]SAMUELSON P.Theoretical notes on trade problems[J].Review of Economics and Statistics, 1964,46(2):145-154.[13]NINA Pavcnik.Trade liberalization, exit, and productivity improvements: evidence from Chilean Plants[J].Review of Economic Studies, 2002,69(1):245-276.

[14]许和连，亓朋，祝树金.贸易开放度、人力资本与全要素生产率:基于中国省际面板数据的经验分析[J].世界经济,2006(12):3-10，96.

[15]LUC Anselin，Attila Varga，Zoltan Acs.Geographical spillovers and university research: a spatial econometric perspective[J].Growth and Change, 2000,31(4),501-515.

[16]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(1):48-56.

(本文责编：海洋)

Economic Openness，Real Estate Price and Spatial Spillover

JU Fang，LEI Yu-liang，ZHOU Jian-jun

(Business School of Xiangtan University, Xiangtan 411105,China)

Based on the “Balassa-Samuelson” model, this paper investigates impact of spatial correlation and economic openness on house prices of 31 provinces in China from 1999 to 2013, using spatial econometric analysis methods. Evidences show that the significant positive spatial correlation exists in China’s real estate prices, which, as well as the spatial correlation, could be affected by geographical distance and economic distance significantly. Taking the spatial effects into account, economic openness shows a positive effect on real estate prices, which verifies that there is “Balassa-Samuelson” effects existing in China’s real estate market.

economic openness; real estate price; the Balassa-Samuelson Effect; spatial econometrics

2016-06-16

2016-10-18

国家社科基金(10BJL018)；国家自科基金(71203190)；教育部人文社科规划基金(16YJA790016);湖南省社科重大项目(16ZDA08)；湖南省教育厅开放基金(15K121)；湖南省教育厅重点项目(15A193)；湖南省研究生科研创新项目(CX2015B199)

鞠方(1975-)，女，湖南长沙人，湘潭大学商学院教授，博士生导师，研究方向：城市房地产经济。通讯作者：周建军。

F407.9

A

1002-9753(2016)10-0147-12