空间溢出视角下河南省市域间房价分布及影响因素研究

【摘 要】 本文基于2015-2018年河南省18市域面板数据，通过区域经济水平、城市盆地效应、预期效应、利率四个维度构造空间计量模型，实证分析河南省房价的溢出效应和影响因素。结果表明：河南省房价存在着空间自相关，呈现出以郑州为中心的高高集聚，周边低低集聚和高低集聚。

【关键词】 市域房价 空间计量模型 空间溢出效应

一、引言

对河南省房地产市场而言，由于受到省内各城市经济发展水平、居民收入等多种因素的制约，往往具有明显的市域性特征，房价具有一定的空间分异性，但这种空间分异性并不意味着市域间房价不存在相互联系。

二、模型的选择和数据的描述

（一）空间计量模型的选择

1.空间自相关检验——全局Moran I指数

全局 Moran I指数主要是反映变量整体上的空间相关性，其取值范围为[-1，1]。分析得出，2015-2018年，房价的 Moran I指数一直都为正，且Geary's c、Getis and Ord's G 全局自相关检验结果较好，说明存在正向空间依赖性，即某个城市的房价上涨幅度会受到距离相邻城市的影响而加剧。

2 .空间模型的判定

Hausman 检验结果表明模型没有通过应使用随机效应的原假设，因此选择固定效应。Wald和Lratio检验结果表明SAR与SEM模型并不适用，个体固定效应和时间固定效应对于模型来说都可以使用，但个体固定效应只能排除不随时变的个体不可观测因素所可能导致的内生性问题。而根据我们选择的解释变量，结合现实意义应当选择时间固定效应。加入误差滞后项AIC和BIC值均变小， 故采用空间杜宾模型（SDM）来进行实证分析是合适的。

（二）空间计量模型的构建

1.基本模型

使用SDM模型的原因在于，当对区域样本数据进行空间回归建模的时候，同时存在两种情形：一是普通最小二乘回归模型的扰动项中有空间相关性，二是当处理区域样本数据的时候，会有一些与模型中的解释变量的协方差不为零的解释变量被忽略掉。空间杜宾模型实质上是加入了空间滞后变量而增强了的空间自回归（SAR）模型。

2.空间权重矩阵

空间计量方法引入了空间权重矩阵，来表达区域范围内各个城市之间在空间位置上的临近关系。基于上文的分析，无论是相邻还是非相邻的城市，均可能对某一城市房价产生空间溢出效应。因此，关于 Wij= （wij） n×n的设定，本文采用地理相邻权重矩阵。关于地理相邻权重矩阵的设定：若两个城市在地理上相邻，则wij取1，否则取 0。

3.指标的选取和样本数据的描述

人均GDP，常作为发展经济学中衡量经济发展状况的指标，是最重要的宏观经济指标之一。城市宜居指数是指对城市适宜居住程度的综合评价。房价指数即房屋销售价格指数，是反映一定时期房屋销售价格变动程度和趋势的相对数。房价预期指数是以2015年为基年，反映的是由于供求关系及成本波动等因素带来的价格变动。个人住房公积金贷款利率如果上涨，居民买房的成本就会增加，进而影响房价。

三.实证分析

（一）空间分布

通过Arcmap工具，将房价分为五类，根据自然间断点分级法（Jenks）分成不同的区间，显示出河南省市域间房价的分布图。通过分布图可以看出，省会郑州的房价最高，其次是与郑州相邻的洛阳、许昌、开封;除了信阳、濮阳，其他未和郑州相邻的城市房价相对低一些，原因是因为把河南省给独立出来研究，而濮阳、信阳为三省交界的城市，所以相较其他城市房价会偏高。

（二）空间溢出效应分析

在1%的显著性水平下，通过SDM模型的分析发现人均生产总值、房价预期指数对本地区的房价直接效应为正。人均生产总值的溢出效应为负，总效应等于直接效应与溢出效应之和。对河南省区域而言，人均生产总值每提高1个单位，城市房地产价格会上涨0.064单位;宜居指数每提高1个单位，城市房地产价格会下降42.143单位;房价预期指数每提高1个单位，城市房地产价格会上涨2517.541单位;人个人住房公积金贷款利率每提高1个单位，城市房地产价格会下降2552.967单位。传统的时间序列和面板数据模型无法评估各项因素对房价的空间溢出效应，因此，如果不考虑空间因素，房价的影响因素会被低估。

四.结论

河南市域间房价具有空间自相关性，呈现出河南以郑州为中部的高高集聚，周边市域低低集聚、高低集聚的分布。對房价影响程度最大的是人均gdp这一因素，其次为房价预期指数，而中长期贷款基准利率没用通过显著性检验。从河南省的角度来看，经济发达地区通过虹吸效应，影响了相对不发达地区的房价增长;在宜居的角度上，人们一般更偏向于适合居住的地区或者环境，所以是否更宜居对邻接城市产生了负的溢出效应;从投机的角度上，人们更喜欢在房价增长快的地区进行房产投机，从而使得目标城市房价的进一步增长。

【参考文献】

[1] 周亮锦，夏恩君.国外房价影响因素研究综述[J].技术经济，2018，37（12）： 111-120.

[2] HOLLY S，PESARAN M H，YAMAGATA T.A spatiotemporal model of house prices in the USA[J].Journal of Econometrics，2010，158（1）：160-173.

[3] SIRMANS G S，MACPHERSON D A，ZIETZ E N. The composition of hedonic pricing models[J].Journal of Real Estate Literature，2005，13（1）：3-43.

作者简介：吴越（1998年—12月—08日） 女，汉族，河南信阳人，河南大学经济学院，2016级本科生，专业：金融学