长江经济带城市住宅价格传导机制研究

2021-09-23刘星雨

中国房地产·综合版 2021年8期

摘要：使用2010年6月至2021年5月月度新建住宅价格数据，建立VAR模型，结合脉冲响应函数模型和方差分解函数模型对我国长江经济带11个主要城市进行城市间住宅价格传导机制的研究。结论显示，各城市间的住宅价格存在着影响和传导关系，长江经济带主要城市中住宅价格传导的主导城市为南京和武汉;在空间传导路径上，经济发展水平越高的地区其住宅价格传导效应越显著，且存在区域相关性;城市间的住宅价格传导效应分为短期促进、长期促进和短期抑制三种效果，以短期促进和长期促进为主。基于此，政府在进行房地产市场调控时需充分考虑各城市间的相互作用和影响、采取差异化的调控策略;同时需要稳定主导城市的房价，避免其大起大落而对其他区域产生不良影响;此外还要加快长江经济带的一体化协同发展，提升上、中游城市的吸引力。

关键词：住宅价格;传导机制;VAR模型;脉冲响应分析;方差分解分析

中图分类号：F293.3 文献标识码：A

文章编号：1001-9138-（2021）08-0008-15 收稿日期：2021-07-05

1 引言

自1998年房地产市场化改革以来，房地产业便逐渐成为我国经济发展的支柱产业，与此同时我国城市的房价也不断上涨。根据城市群理论、新经济地理学等相关理论，城市间房地产价格由于资本、社会、交通、信息等因素会产生越来越强的溢出效应，如可能出现“波纹效应”“扩散效应”“冲击效应”等，这些都说明一个地区房地产价格的波动变化会对相邻或周边地区的房地产价格产生影响。在我国，学术界主要通过计量经济学模型对城市或区域间房地产价格传导进行实证研究。具体有以下方面：对我国全国范围内一线城市或大中城市间房地产价格传导的研究;对我国主要城市群（珠三角城市群、京津冀城市群、长三角城市群等）内部房地产价格传导的研究，这些研究也证实我国房地产价格间存在着空间溢出效应;此外还有金融市场和货币政策与房地产价格传导关系的研究等。住宅价格是房地产价格市场的重要组成部分，它不仅表征着一个地区的经济发展水平，也紧密关系着民生与社会。我国城市住宅价格以及与其相关的问题一直是学术界关注领域，城市间住宅价格的传导和空间关系也是研究热点。研究我国城市间住宅价格的相关或传导效应，对发现我国城市房地产市场价格传导规律，制定调控政策有着十分重要的意义。

长江经济带覆盖我国11个省市，连接了我国三大城市群（成渝城市群、长江中游城市群和长三角城市群），是横贯我国东西的地理发展纽带和重要经济走廊，它肩负着促进我国西部大开发、中部崛起和区域协调发展的重要责任。党的十九届五中全会建议明确指出，要推进京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角一体化发展，打造创新平台和新增长极。推动长江经济带的建设和发展是党中央的重大决策布署，是关系国家发展全局的重大战略。但是学术界还没有针对长江经济带住宅价格传导的研究。鉴于此，本文选择位于我国长江经济带的上海、杭州、南京、合肥、南昌、武汉、长沙、重庆、贵阳、成都、昆明共11个主要大城市为研究区域，探讨2010年至2021年以来这些城市之间新建住宅价格的相互影响效应与传导机制，以期发现长江经济带主要城市住宅市场的传导规律、提出区域协调发展的策略建议，为构建长江经济带房地产市场新发展格局、推动房地产市场高质量发展提供理论思路。

2 研究数据与方法

2.1 数据来源与描述性统计

本研究针对研究区域（上海、杭州、南京、合肥、南昌、武汉、长沙、重庆、贵阳、成都、昆明）选择2010年6月至2021年5月月度住宅均价指数数据作为研究分析的数据基础，数据均来源于“CREIS中国百城价格指数”网站（https：//fdc.fang.com/index/baichengindex.aspx），月度新建住宅均价变化趋势具体见图1，数据的描述性统计见表1。初步分析变化趋势和描述性统计表可知：第一，近10年来长江经济带主要大城市的新建住宅均价总体上保持着上升的趋势，虽在2014年初出现小幅下跌的情况，但于2015年初便基本恢复平稳，并于2016年重新开启上涨态势;第二，从住宅均价绝对值上来看，长江经济带下游即长三角城市群的三个核心城市上海、南京和杭州的住宅均价远高于其他城市，上海最高超过50000元/平方米，但杭州、南京最高未超过30000元/平方米，其余城市最高不超過14000元/

平方米，绝对差距较大;第三，从住宅均价变化趋势上来看，上海、南京和杭州住宅均价的标准偏差也较大，说明其波动性较大，从变化趋势也可看出其涨幅始终领先于其他城市，其中上海远超过其他城市。

2.2 研究方法

本文基础研究数据为多元时间序列。对于时间序列数据，首先要进行单位根检验（ADF检验）来确认其是否平稳，若不平稳则需要差分;平稳性检验通过后要检验多个变量间是否存在协整关系，方法是Johansen协整检验法;对于不存在协整关系的变量，可使用向量自回归模型（VAR模型）和基于此的Granger因果检验模型、脉冲响应函数模型和方差分解模型来综合分析变量间的相互影响。以上研究方法与模型将通过Stata 16计量分析软件来实现。

3 实证分析

3.1 平稳性和协整验证

首先对所有变量进行ADF单位根检验，依照AIC准则选取滞后项，拒绝原假设则为平稳序列，可进行下一步操作。经过ADF检验，原数据存在单位根，显示不平稳;经过一阶差分后，不存在单位根，说明一阶差分后的数据平稳，即该序列为一阶单整I （1）见表2。

接下来对一阶差分后的数据进行Johansen协整检验。该检验的原假设为H0：变量间不存在协整关系;H1：变量间存在协整关系。经检验后，结果显示不拒绝原假设，即本研究变量间不存在协整关系。由于不存在协整关系，故可直接建立向量自回归模型（VAR）。对于已建立的VAR模型，通过对FPE、AIC、HQIC、SBIC值的检验，均得出当滞后阶数为1时为模型最优滞后，故接下来进行基于VAR （1）的相关验证。VAR （1）的数学模型表达式为：

y_t=v+A_1yt-1+B₀x_t+B₁x_t-1+…+B_qx_t-q+u_t，t=1，2，…，n （公式1）

3.2 Granger因果关系检验

Granger因果关系检验多被用于证明经济变量时间平稳序列之间的因果关系，基本原理是假设一个变量Xi的变化能够导致另一个变量Yi的变化，且变量Xi的变化发生在变量Yi之前，则两变量间存在着一定的影响关系。表3为本研究基于上文VAR （1）的Granger因果关系检验结果，加粗的数值表示影响至少在10%的水平下显著。

由表3可得：上海住宅均价变化是武汉、贵阳住宅均价变的原因;杭州住宅均价变化是重庆住宅均价变化的原因;南京住宅均价变化是上海、杭州、合肥、南昌、武汉住宅均价变化的原因;合肥住宅均价变化是南京、武汉住宅均价变化的原因;南昌住宅均价变化是武汉、成都、昆明住宅均价变化的原因;武汉住宅均价变化是上海、杭州、合肥、贵阳住宅均价变化原因;长沙住宅均价变化是杭州、南京住宅均价变化的原因;重庆住宅均价变化是上海、贵阳住宅均价变化的原因;贵阳住宅均价变化是昆明住宅均价变化的原因;昆明住宅均价变化是杭州、贵阳住宅均价变化的原因。

总体来说，根据Granger因果关系检验，可分析得出以下结论：南京、南昌和武汉是长江经济带大部分城市住宅均价的影响原因，即该三个城市住宅均价变化的传导范围相对更广;上海、杭州、武汉、贵阳受其他城市住宅均价变化的影响相对更大，而长沙几乎不受其他城市住宅均价变化的影响;互为影响的城市有上海与武汉、南京与合肥、合肥与武汉;住宅价格的传导效应主要集中在长江经济带中下游城市（上海、杭州、南京、合肥、南昌、武汉），而上游的城市房价传导效果相对更弱，且影响大多来源于周边城市。

3.3 脉冲响应分析与方差分解分析

根据Granger因果关系检验的结果，为进一步探究住宅价格具有因果关系的城市间彼此具体的影响效果，本文继续进行了脉冲响应函数分析与方差分解分析。脉冲响应函数揭示了在其他变量不变的情况下，一个变量对另一变量暂时变化的反应，即一个冲击因素在经济系统中的传导过程。脉冲响应图可直观显示出一地房价的变动对另一地区房价的影响与持续时间，当置信区间不包括0时，说明响应效果显著。图2对南京的住宅均价施加了一个正向冲击后，上海住宅均价产生了明显的正向变化，且大部分时间内保持显著，在最后期才趋于不显著，所以可得南京住宅价格正向变化对上海的影响是长期促进的;而对武汉的住宅均价施加了一个正向冲击后，上海住宅均价也产生了明显的正向变化，但第四期后变为不显著，说明武汉住宅价格正向变化对上海的影响是短期促进的。

经过逐个脉冲响应图和响应效果的分析，可综合得出有影响效果的各个城市间住宅均价的具体影响程度见表4。该表说明：武汉住宅均价的正向波动会短期促进上海、杭州、合肥的住宅均价;上海住宅均价的正向波动会短期促进武汉的住宅均价;杭州住宅均价的正向波动会短期促进重庆的住宅均价;贵阳住宅均价的正向波动会短期促进昆明的住宅均价;长沙住宅均价的正向波动会短期抑制南京的住宅均价;武汉住宅均价的正向波动会短期抑制贵阳的住宅均价;南京住宅均价的正向波动会长期促进上海、杭州、合肥、南昌、武汉的住宅均价;合肥住宅均价的正向波动会长期促进南京、武汉的住宅均价;昆明住宅均价的正向波动会长期促进贵阳的住宅均价。

方差分解是通过分析冲击对内生变量变化的贡献度（通常用方差来衡量）来评判不同冲击的重要性，揭示了模型中对变量产生影响的各种冲击的相对重要性。由图3、图4、图5、图6可得：武汉、南京对上海、杭州、合肥住宅均价变化的贡献率分别约为12%、7%和5%、18%和3.5%、20%;长沙、合肥对南京住宅均价变化的贡献率分别约为7%;南京对南昌住宅均价变化的贡献率约为9%;上海、南京、合肥对武汉住宅均价变化的贡献率分别约为17%、20%、7.5%;杭州对重庆住宅均价变化的贡献率约为19%;武汉、昆明对贵阳住宅均价变化的贡献率分别约为2%、10%;贵阳对昆明住宅均价变化的贡献率约为8%。总体来说，南京对其他城市住宅均价变化的贡献相对更大。

根据脉冲响应效果分析可得长江经济带城市住宅价格传导空间路径见图7。综合以上分析，可得出长江经济带主要大城市的住宅价格传导机制如下：第一，长江经济带主要大城市中住宅价格传导的主导城市为南京和武汉，根据Granger检验和脉冲响应模型分析可知南京和武汉是影响其他多数城市住宅均价变化的原因且起到短期或长期的促进作用，通过方差分解可知南京对其他相关城市的住宅价格变化贡献率大多超过15%，综合说明该两个城市的传导范围广、影响效果顯著。第二，在空间传导路径上，经济发展水平越高的地区其城市间的住宅价格传导效应越显著。从上文分析可见，住宅价格的传导效应主要集中在长江经济带中下游城市，上游的城市间房价传导效果相对更弱;传导效应的影响大多来源于周边城市，区域相关性明显。如武汉、合肥、南京、上海、杭州、南昌6个城市间的相互作用非常显著，昆明和贵阳两城市也有较为显著相互的影响，而重庆、成都、长沙、贵阳、昆明这几个城市在住宅价格传导中作用不显著。第三，城市间的住宅价格传导效应分为短期促进、长期促进和短期抑制三种效果，以短期促进和长期促进为主，只有少数城市对其他城市起到短期抑制的效果。如长沙对南京住宅价格变化的作用和武汉对贵阳住宅价格变化的作用。

4 结论与讨论

学术界对于我国城市间房地产价格传导机制的研究比较丰富，但针对长江经济带区域城市间的住宅价格传导机制的研究还有所欠缺。本文运用2010年6月至2021年5月月度住宅均价指数数据，建立向量自回归（VAR）模型，结合脉冲响应函数模型和方差分解函数模型对我国长江经济带共11个大城市进行城市间住宅价格传导机制的研究。研究结果表明，长江经济带主要大中城市间住宅价格市场存在一定程度的溢出效应，各城市间的住宅价格存在着影响和传导关系，且表现出一定的空间规律。主要表现为：第一，长江经济带主要大城市中住宅价格传导的主导城市为南京和武汉;第二，在空间传导路径上，经济发展水平越高的地区其住宅价格传导效应越显著，且存在区域相关性;第三，城市间的住宅价格传导效应分为短期促进、长期促进和短期抑制三种效果，以短期促进和长期促进为主。

通过本研究结论，长江经济带经济发展水平越高的城市以及其周边地区，其住宅价格传导效应越显著，说明其住宅价格市场存在着显著的空间溢出效应;另外，作为长江经济带住宅价格传导的主导城市，南京和武汉分别也是长三角中心城市之一和长江中游的中心城市。同时也可以看到，上海并由于其经济发展水平与其他城市差距较大，且是国际金融中心，房价绝对值高、波动性更大，故未成为长江经济带住宅价格传导的主导城市是合理的，但是也不能忽视上海对于某些城市的作用。针对此提出以下政策思考：政府在进行房地产市场调控时需充分考虑各城市间的相互作用和影响、采取差异化的调控策略;同时需要稳定主导城市的房价，避免其大起大落而对其他区域产生不良影响;此外还要加快长江经济带的一体化协同发展，提升上、中游城市的吸引力。

参考文献：

1.邓世专.中国大中城市房屋价格相关和传导关系.金融理论与实践.2013.05

2.何欢.我国住房价格空间传导效应研究.复旦大学.2013

3.郑帅.中国商品住宅价格：影响因素与空间传导机制.天津财经大学.2013

4.曾海舰赵佳雯.房价波动的网络传导机制研究.广西大学学报（哲学社会科学版）.2017.39.01

5.高然龚六堂.论房价波动的区域间传导——基于两地区DSGE模型与动态空间面板模型的研究.华东师范大学学报（哲学社会科学版）.2017.49（01）

6.郭文伟.中国十大城市房价泡沫相依结构及其传导机制研究.中央财经大学学报.2017.04

7.战加东.我国区域性房地产价格波动和传导机制研究.内蒙古大学.2017

8.曾祥渭刘志东刘雯宇.我国城市群商品住宅价格传导与波动性外溢研究.管理评论.2015.27 （09）

9.顾中洋.关中城市群住宅价格波动的联动效应研究.西安建筑科技大学.2015

10.曾祥渭.我国典型城市群商品住宅价格城市间互动性研究.中央财经大学.2016

11.叶清.中国三大都市圈住房价格的溢出效应研究.华东师范大学.2018