我国房地产行业扩张的区域效应及影响机制分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇我国房地产行业扩张的区域效应及影响机制分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：文章利用中国31个省、直辖市和自治区的面板数据来分析我国过去十余年房地产行业扩张与人口、GDP、城市化水平、收入等因素的关系，以空间面板模型为基础，通过选取恰当的模型引入变量之间的空间效应，研究房地产行业扩张的区域效应。实证结果表明，各地区房地产投资规模与本地GDP、人口数量、城镇化率等因素有显著关系，同时区域之间的空间面板估计也具有显著性，从而说明我国房地产行业扩张的主要驱动力在于区域效应与国民经济增长、人口增长、城镇化水平等基本因素，它们是房地产行业保持理性健康发展的基础。
关键词：房地产行业;区域效应;空间面板模型
作者简介：彭石，男，中央财经大学经济学院博士研究生，从事宏观经济研究;张居营，男，中央财经大学统计学院研究生，从事产业经济学研究。
中图分类号：F830 文献标识码：A 文章编号：1000-7504（2015）04-0068-07
自20世纪90年代末期的住房体制改革之后，我国房地产行业就迎来了新的发展契机，尤其是进入新世纪以来，十多年的时间里，房地产市场持续繁荣。一方面各大城市房产价格普遍上涨，部分一线城市2001年至2013年间房屋销售均价涨幅超过十倍，另一方面全国房地产开发投资热度不减，行业规模不断扩大，并由此带动上下游产业的发展，逐步成为国民经济的重要支柱产业，这一时期甚至被相关媒体及部分专家学者们界定为房地产行业的“黄金十年”。
一般而言，事物的发展都呈现一定的生命周期，多会经历从萌芽到灭失的过程，一个行业亦是如此，其发展同样具有生命周期性特征，具体来讲可分为启动期、成长期、扩张期、平稳期、成熟期、衰退期等阶段，回顾过去十余年我国房地产行业的发展，“黄金十年”也可视为房地产行业的扩张期。但是，扩张的背后既有其内生驱动机制也有其无序增长的因素包含在内，房地产行业的扩张是多重因素作用下的一个结果。2002年至2012年间，我国国内经济生产总值由12万亿增长到51.9万亿，人口总数由12.8亿增加到13.5亿，城镇居民人均可支配收入由7702元增长到21810元，城镇化率由39.09%上升到52.57%，国民经济的增长、人口红利所释放的居住需求、居民收入的增加以及城镇化发展水平等等扩大了房地产需求并推动行业发展，而供需结构不平衡、投机性炒作、境外热钱流入、过度的信贷支持等因素进一步放大了行业的发展规模，投机性需求又促使我国房地产市场泡沫化。另外，我国房地产行业的发展逐渐表现出区域化的特征，在一定的区域范围内，地理相邻的省份之间行业发展具有明显的联动关系。这与我国的区域规划政策及部分城市的城市化扩张有很大关系。特别是以北京、上海、广州为代表的一线城市，其房地产的快速发展带动了周边地区房地产的发展，并引发了二、三线城市的房地产热，更是这种区域化的具体体现。在当前房地产市场已经开始调整，行业发展面临瓶颈甚至危机之时，我们需要摒除非理性因素的干扰，反思以往房地产行业扩张过程中支撑行业发展的内在驱动力与区域效应，同时以史为鉴，在此关键节点上重新审视行业发展的趋势与方向，为房地产行业健康理性发展提供理论基础和参考，也对经济结构调整时期区域协调发展、新型城镇化等方面的转型升级有重要的现实意义。
一、文献综述
国内外很多学者从区域的角度研究房地产行业与宏观基本面关系，如Case和Shiller（1990）基于美国的4个城市1970―1986年的面板数据，利用TSCSREG （时间序列截面回归）过程分析影响住宅价格变化的宏观因素，结果显示住宅价格变化受成年人口数量、人均实际收入的影响[1];日本的Miki Seko（2003）以私人拥有住宅的平均销售价格、年收入、人口、住宅年开工量、消费价格指数和房屋空置率为变量，通过搜集日本1980―2001年的46个县的面板数据，基于自回归模型得到日本各地区的房地产价格和经济基本面有着较强相关性的结果[2];Vyacheslav Mikhed和Petr PetrZem?ík（2009）利用1980年第二季度到2008年第二节度美国的季度合并数据和1978―2007年美国22个大城市统计区的年度数据，使用单位根检验、相关性分析、跨截面增强DF回归（CADF）等方法，研究房屋价格与个人收入、人口数量、有效按揭利率、CPI等因素的关系[3];国内方面，沈悦、刘洪玉（2004）利用我国14个城市1995―2002年的中房住宅价格指数与居民消费价格指数、城市总人口、失业率、城镇居民家庭人均可支配收入等宏观经济基本面变量，并添加城市、年度哑变量，运用混合样本回归的方法，研究住宅价格与经济基本面的关系，结果显示除了经济基本面的一些因素，住宅价格水平的波动还会受到城市某些特征的影响[4];梁云芳和高铁梅（2007）在定性比较房价的波动后，利用误差修正模型形式的面板数据模型，来分析这种房价波动的区域差异及其与信贷规模、实际利率、人均GDP等变量的关系[5]。崔光灿（2009）运用面板数据模型对我国1995―2006年31个省市的房地产价格与利率、通货膨胀率、增加社会总投资和总消费等数据进行分析，结果发现房地产价格与这些变量均有显著关系。[6]
在使用空间计量经济方法研究房地产市场或行业方面，颜磊（2007）对我国30个省市自治区房地产市场进行实证分析，选取我国房地产市场1995―2004年间销售价格的数据，通过模型和实证分析整个市场的收敛趋势[7];刘振超（2009）研究我国31个省市自治区1998―2007年间房地产市场商品房平均销售价格与主要宏观经济变量之间的变动关系，采用空间经济计量方法，在考虑空间相关性的条件下，研究1998―2007年间的中国房价受人均收入、GDP、固定资产投资等7个宏观经济指标的影响[8];洪国志、李郇（2011）则是从房地产价格的空间溢出角度，采用扩展的价格法和效用估价法（Hedonic模型），以2005年广州市房地产价格数据为基础，检验城市内部区一级的边界效应，探讨房地产价格的空间自相关和价格溢出程度[9]。上述研究大多数是以房地产价格作为研究变量，很少从行业的角度来研究房地产的发展与宏观经济基本面的关系，这是因为房价是各种因素的集中反映并具有区域联动作用。本文利用空间面板模型从行业的角度来研究区域效应及影响机制，其创新之处在于：第一，以房地产投资开发完成额为因变量，衡量房地产行业的发展程度，以房地产价格为控制变量，通过房价的区域联动作用来研究房地产行业与人口、城市化等宏观基本面变量的关系。第二，通过一系列检验，利用空间面板模型的最广义形式――SDM模型来研究这种影响的区域效果。
二、实证分析
1.数据说明与权重矩阵设定
本文研究采用年度数据，选择样本区间为：2002―2012年，截面单位为：中国31个省、直辖市和自治区。数据来源于各省、市和自治区的统计年鉴和中经数据库，便于数据可比较和减少异方差，所有数据均取自然对数。其中因变量为lnre，自变量为lnpr、lnur、lnpo、lngdp、lnin。数据处理软件为Matlab 7.10以及相应软件包。各变量的具体数据及构造见表1。
其中，lnpr作为控制变量，一方面消除房地产行业过度开发、非理性繁荣导致的行业与宏观基本面各因素的偏离，以及对其他自变量的影响;另一方面通过房价的地区联动作用来研究各自变量与因变量的地区间空间效应。
另外，空间面板模型除了各变量的系数参数外，还引入了空间权重矩阵W，这是空间面板模型设置的关键所在，即引入权重矩阵来衡量空间上不同区域的关联规则。一般设定空间权重的规则为二分权重，表示有关联的变量之间设定为1，无关联的变量之间设定为0。这种关联规则的判定一般遵循Rook相邻规则，也就是采用现实空间上两个区域是否拥有共同边界来判断相邻性。在本文中，首先设定空间权重矩阵W1，其规则为根据全国31个省、市、自治区的地理位置分布构建的31[×]31维区域矩阵，主对角线上的元素为0，若两区域相邻则取1，若不相邻则取0，其中海南由于其位置特殊性，假定其与广东省、广西壮族自治区、福建省相邻。W1经过行标准化处理，用每个元素同时除以所在行元素之和，使得每行元素之和为1。对于房地产行业而言，发达地区对于周边相对落后的地区有一定的辐射作用，即较为强烈的空间影响力，较为落后地区对发达地区的影响力较小。因此，为了更好地模拟房地产行业在地区间实际存在的经济关系，本文在W1矩阵的基础上，加入经济对房地产的影响权重系数，通过计算考察期内各地区实际GDP占所有地区实际GDP之和比重的均值来衡量各地区经济水平的高低（陈晓平，李国平2006），它表明不同区域对其他区域的房地产行业影响，还与该区域经济发达程度有关。经济空间权重矩阵（W）的构造如下：
（1）
其中，
2. 空间面板模型的判定
根据前面的理论分析，我们首先要选择合适的空间面板模型，来分析房地产行业与其他变量的关系。第一步，先构建我国31个省、直辖市和自治区的无空间或区域交互作用的面板模型：
（2）
其中， 和 分别表示在空间和时间上特定的效应，即固定效应或是随机效应。
接下来，在上述非空间效应面板模型的基础上，需要进行两个方面的检验。
在这里，（稳健）LM检验是在固定效应的基础上判断空间模型具体形式，即SAR或SEM模型，但是这种固定效应并没有事先采取一些方法去判断是空间上还是时间上的固定效应，因此，在模型的初始设定上，需要同时设立无空间和时间固定效应的面板模型（即混合估计模型，Pooled OLS估计）、空间固定效应模型、时间固定效应模型以及空间和时间双固定效应模型四种形式再进行（稳健）LM检验。结合本文变量与样本数据，可以得到这四种模型的估计结果与LM检验结果如下：
表3结果为固定效应下各个模型的空间滞后影响和空间误差自相关的（稳健）LM检验，其中前三列的检验结果都不能完全否定本次实证数据不适用于SAR或SEM模型，而第四列在模型存在空间和时间固定效应下，在5%的显著性水平下（稳健）LM统计检验量的结果均拒绝了原假设，表明SAR和SEM两个模型同时成立。
空间和时间双固定效应模型下，再进一步进行LR检验得到空间固定效应和时间固定效应联合显著性的检验结果（见表4），在5%的显著性水平下，检验统计量的P值均小于0.05，因此模型（2）中应该同时包含[μi]和[λt]。根据在双固定效应模型的基础上得到LM检验统计量的计算结果，进一步表明，样本数据均支持SAR和SEM建立模型。
3. SDM模型的判定和估计
根据前面结果，LM检验的结果表明SAR和SEM两个模型同时成立，需要进一步构建SDM模型并进行估计，根据变量建立的SDM模型为：
（3）
其中，[wij]是根据区域矩阵W1计算得到的经济权重矩W中的相应元素。
基于前文第二部分的描述，对于空间和时间固定效应模型的估计运用Baltagi（2005）提出的中心化（Demeaning）方法得到。另外，由于在前面设定空间面板模型形式时，基于空间效应和时间效应都是固定的这样一个前提，所以本部分还要考虑建立空间和时间效应是随机的SDM模型。由此针对该样本数据，需要建立两种形式的SDM模型，即空间和时间固定效应、空间和时间随机效应。
接下来，需要通过检验来确定空间面板模型的恰当形式，这里的检验包括两个方面：（1）Wald检验，通过检验两个假设条件：
和
来判断SDM模型是否可以简化为SAR模型或SEM模型，如果均拒绝假设条件，就应该采用SDM模型;（2）Hausman检验，检验模型中的空间和时间效应（[μi]和[λt]）是被看作固定效应还是随机效应，如果拒绝原假设就应该采取空间固定效应模型。
表5中对因变量的因变量空间滞后性和误差项空间自回归的检验，4个Wald的统计检验量均拒绝原假设，这说明SDM模型较SAR、SEM模型更适合该样本数据。同时，Hausman检验也显著，说明空间和时间固定效应的SDM模型是最优的模型。
根据表5中空间和时间固定效应的SDM模型系数估计结果及其t值，我们可以看出，虽然lnpr的系数[β1]并不显著，但是W[×]lnpr的系数[θ1]非常显著，这说明房地产价格具有区域联动效应，并通过这种效用来影响区域房地产行业发展，这也间接支持了我们以房地产价格作为控制变量的假定。[β2]、[β3]、[β4]均显著，[β5]不显著，说明各地区城市化、人口、GDP会对本地房地产行业发展有一定影响，而人均收入影响较不显著，这与收入的不平衡有一定的关系。在房地产行业区域影响方面，除了房地产价格的影响之外，地区人口、GDP对相邻地区房地产行业的发展有显著影响，且为正向关系。这说明了本地区的人口增长、地区经济增长对周边地区的房地产行业发展具有空间溢出效应，它们借助房价来影响区域间的房地产行业，是房价区域联动效应和辐射效应的影响因素。
三、房地产行业持续发展的决定因素
上述的实证研究可以发现，我国房地产行业发展与我国GDP、人口数量、城市化水平有显著的关系，在这其中人口以及GDP增长情况作为地区最基本的宏观因素，会通过房价的波动和区域联动效应，或者辐射效应影响邻近省份或地区的房地产发展情况，由此反映了过去十余年我国房地产行业扩张的主要驱动力在于区域效应与国民经济增长、人口增长、城镇化水平等相关因素。
（1）房地产行业的区域效应
区位条件是一个城市地理位置、交通条件、资源环境等各类要素的综合表现。随着特大城市的发展，部分产业和行业必将外溢，周边的中小城市无疑是最好的承接对象，而产业的发展必将进一步带动人流的导入，从而推动经济和房地产行业发展。在房地产行业扩张时期，这种区域效应更加明显，表现在房价的推动以及交通设施的便捷带来的人们对房地产需求不断地外溢，另外还有对其他地区消费预期的增加。典型的就是毗邻北京的河北省廊坊市、上海市、江苏省苏州市。
（2）房地产行业与国民经济增长、人口增长、城镇化水平
对于整个国民经济来说，房地产行业具有重要作用，这种作用不仅表现在后者是前者整个产业体系的重要构成部分，更表现在二者之间具有密切的关联性。一方面，国民经济的发展状况决定了房地产行业的地位与发展空间，是该行业存在和发展的基础，能够在一定程度上制约或推动房地产业发展;另一方面，在某个发展阶段，房地产业又能够成为国民经济的一个新增长点，甚至是支柱产业，它的发展反过来会约束或推动国民经济的发展。一般来说，房地产行业扩张是国民经济增长的体现，而前者又进一步促进了后者。从人口的角度来说，房地产具有“居住属性”，代表了一定的需求，当人口数量增加时，会刺激房地产行业的需求，带动其价格上涨，从而促进房地产行业扩张，反之，数量减少导致房地产需求降低，会导致房地产行业的衰落。城镇化水平是国民经济中又一个与房地产行业息息相关的因素，某一国家或区域的城镇化率迅速提升，不仅带来了本地城市建设，而且人口的涌入能够刺激更多的房地产需求，自2002年起，我国房地产行业迅速发展的这十年，背后是我国城镇化率从39.09%提升到52.57%，带动了2亿农民的城镇化。同时，在城镇化过程中，城镇居民的住房改善性需求、城市规划建设带来的旧城改造与拆迁、基础设施建设创造的住房需求也对房地产市场带来了巨大影响。
上述分析为我们厘清了过去十余年我国房地产行业不断扩张过程中的实际影响因素与机制，在房地产市场非理性繁荣背后是国民经济增长、人口增长、城镇化以及区域效应等基本因素影响行业供需从而支撑行业扩张。如今房地产行业已经进入新的阶段，与之相随的是，我国经济也处于增速换挡和转变发展方式的阶段，加之未来人口红利的终结，如何在新形势下保持房地产行业合理健康发展，通过新型城镇化以及区域经济协同化等发展策略来避免房地产行业的过度萎缩，从而有效地调结构、稳增长，值得我们深思，也具有重大意义。
参 考 文 献
[1] Karl E. Case，Robert J. Shiller. “Forecasting Prices and Excess Returns in the Housing Market”，in Real Estate Economics，1990.
[2] Seko M. “Housing Prices and Economic Cycles”，Paper Presented at the International Conference on 'Housing Market and the Macro Economy： The Nexus’ held in Hong Kong， China，2003.
[3] Vyacheslav Mikhed，Petr Zemcík. “Do house prices reflect fundamentals？ Aggregate and panel data evidence”，in Journal of Housing Economics，2009.
[4] 沈悦、刘洪玉：《住宅价格与经济基本面：1995―2002年中国14城市的实证研究》，载《经济研究》2004年第6期.
[5] 梁云芳、高铁梅：《中国房地产价格波动区域差异的实证分析》，载《经济研究》2007年第8期.
[6] 崔光灿：《房地产价格与宏观经济互动关系实证研究：基于我国31个省份面板数据分析》，载《经济理论与经济管理》2009年第1期.
[7] 颜磊：《关于中国房地产市场的空间计量分析》，厦门大学硕士学位论文，2007.
[8] 刘振超：《中国房地产价格的影响因素研究――基于空间计量的实证分析》，厦门大学硕士学位论文，2009.
[9] 洪国志、李郇：《基于房地产价格空间溢出的广州城市内部边界效应》，载《地理学报》2011年第4期.
Regional Effect of the Expansion of National Real Estate Industry and Analysis of the Influencing Mechanism
PENG Shi1，ZHANG Ju-ying2
（1. School of Economics， Central University of Finance and Economics， Beijing 100081， China;
2. School of Statistics， Central University of Finance and Economics， Beijing 100081， China）
Abstract： Based on the panel data from 31 provinces， independently administered municipal districts and autonomous regions， this article analyzes the relation between expansion of real estate industry and population， GDP， level of urbanization and income. It is based on spatial panel and selects proper model to introduce spatial effect of variables so as to study the regional effect of the expansion of this industry. The evidence shows that there is an obvious relation between investment scale of this industry with regional GDP， population and urbanization. At the same time， the estimation of spatial panel among different regions is also very notable. This shows that the main motive power of the expansion lies in the regional effect and the growth of national economy， of population and level of urbanization. They are the basis of the reasonable and healthy development of the industry.
Key words： real estate industry， regional effect， spatial panel model