旅游发展会推动房价上涨吗?——基于中国分省数据的经验研究

刘嘉毅

(上海财经大学国际工商管理学院，上海200433)

1 引言

随着工业化、信息化、国际化进程加快，旅游业日益繁荣兴旺，已经成为国民经济中颇具发展前景的战略性支柱产业。统计数据表明，2000年至2009年，中国旅游业发展迅速，其中，国内旅游人次从7.74亿增加到19.02亿，年均增幅为16.2%，入境旅游人次从期初的7279.56万增加到期末的12647.59万，年均增幅为7.37%，旅游总收入从2000年的4518亿元递增到2009年的12894亿元，年均增幅为20.6%①旅游总收入为国内旅游收入与入境旅游收入之和，入境旅游收入经过年平均汇率换算为人民币单位，数据来源于《中国统计年鉴(2010)》。。

在旅游业维持强劲发展惯性的同时，我国房地产业在质疑与喝彩交织的环境中，依然保持蓬勃的产业活力。作为房地产系统中多方利益博弈的焦点，房价多年来始终处于上升通道中。从《中国统计年鉴》(2001～2010)整理并计算可得，2000年至2009年，我国商品房平均销售价格不断上涨，剔除CPI上涨对房价的影响，商品房平均销售价格从2000年的每平方米2112元上涨到2009年的每平方米3914元，年均涨幅为9.48%。

那么，旅游产业发展与房价上涨有关联吗?如果两者之间存在关联，它在中国不同地区是否会保持一致?鉴于这一系列的问题悬而未决，我们期望利用2000年～2009年30个省区(西藏因部分数据缺失被剔除)的面板数据，对旅游发展与房价的关系进行尝试性的经验研究，以试图为上述问题找到合理答案。我们认为，本文的贡献在于两点，其一，跳出把旅游业与房地产业要么完全割裂、要么完全融合(旅游房地产)的研究范畴，聚焦房价来研究旅游业与房地产业的产业关联;其二，本文将为中国房价上涨提供一个新研究视角，以期为各级政府出台调控政策提供理论依据。

2 相关文献回顾

房价是内生于经济系统中至关重要的价格信号，国外文献主要沿袭两条路径对其影响因素展开研究。(1)房屋特征、区位特点、微观环境影响房价。Butler(1982)指出影响房屋价格的因素有区位、建筑结构、邻里环境;Fleming和 Nellis(1992)研究发现房屋特征(如面积、结构、房间数目等)影响其价格;Melissa和Katherine(2001)认为消费者愿意为房屋环境商品(如空气与水质量、远离有毒场所)付出溢价;房屋周边的教育设施(Michael，1990;Hayes，Lori，1996)、交通设施(Zan，2001;Bowes，2001)、公园绿地(Su，et al.，1998)、海景(Earl，et al.，1998)等都会对房价产生影响。(2)经济、社会基本面影响房价。Gottlieb(1976)认为房价走向与经济发展趋势保持一致;Leung(2003)研究结果显示经济持续增长是房价持续上涨的原因，此外，学者们还从利率、就业率、信贷、收入水平、经济预期、人口与家庭结构等宏观经济与社会的基本面来解读房价起伏(Clapp，Giaccotto，1994;Malpezzi，1999;Francois，Rady，1999;Jarociński，Smets，2008)。

就旅游对房价的影响，国内外已有文献有所涉猎。Constantine(2011)研究了节事旅游对房价的影响，他选取1984年到2000年6个奥运会举办城市，并按照一定标准选择未举办奥运会城市作为对照组，采用difference in difference(DID)方法，研究奥运会对主办城市房价的影响，结果显示，奥运会对举办城市的房价并不总是正向作用，商业化不足可能会导致后奥运时代东道主城市房价下跌。部分学者认为旅游资源对其区域房价会产生正向或负向作用:基于特征价格模型(HPM)，Rosato等(2008)就意大利威尼托地区历史遗迹对区域房价影响进行了实证研究，结果显示，地区房价能获得周边历史遗迹的外部溢价;Coulson和Leichenko(2001)的研究表明，历史遗迹状况较佳可以带来高达18%的房价溢价，然而，地区历史遗迹也有可能会引起房价下挫;Asabere等(1994)发现历史遗迹状况不佳能导致高达23%的房价损失。

Williams和Hall(2000)在研究旅游与人口迁移的关系时指出，旅游流会影响劳动供给、创新、人与人之间的交际网络，同时也会对房价、服务、地区文化形象带来改变。Forsyth和Dwyer(1991)研究发现，澳大利亚的旅游发展吸引了大量外资，外资引入会造成东道国房价、地价、租金、工资上涨。Huimin和Chris(2008)的实证研究揭示，什刹海胡同旅游能促进社区房价上涨;Wang(2011)发现旅游发展是导致西安高消费与高房价的重要原因。Biagi和Faggian(2004)建立起特征价格模型(HPM)，把住房特征、经济及地区变量、旅游指数引入到回归方程中，研究意大利撒丁岛上旅游对岛内各区房价的影响，结果显示，旅游对房价存在显著正向影响。然而，Pashardes和Christos(2009)在研究宏观经济基本面对塞浦路斯房价的影响中，把旅游作为控制变量加入到回归模型中，研究结果却显示，旅游对房价基本不产生影响。基于格兰杰因果关系检验，吴学品和林明恒(2011)发现，海南旅游收入和房地产价格存在单向因果关系，即旅游业发展是海南房地产价格上涨的原因。

纵观已有文献，学者们侧重于研究节事旅游、旅游资源、旅游外资、地区旅游发展对微观社区、城市、局部地区房价的影响，取得了一定的研究成果，同时也启示我们:旅游发展与房价并不是孤立存在的，两者之间可能会存在某种关联。然而，可能源于研究样本的差异，学者们在旅游对房价的作用上并没有形成一致的研究结论，尤其是就旅游对房价的影响研究太为单薄，更缺乏从全国层面来考察旅游发展对房价影响的研究。鉴于此，本文利用2000年～2009年大陆30个省份的面板数据，考察旅游发展对房价的影响，以期丰富旅游业与房地产业之间的关系研究，为旅游发展对房价影响提供一个来自中国的经验检验。

3 数据、模型与方法

3.1 变量与数据

基于2000年～2009年30个省份的面板数据，本文研究旅游发展与房价之间的关系。根据研究主题，本文的被解释变量为房价水平，我们以地区商品房平均销售价格(HSPRICE)的对数值来衡量，记为lnHSPRICE;旅游发展水平(lnTOURISM)作为关键解释变量，以此来衡量一个地区的旅游产业发展水平，其中，TOURISM的具体计算公式为:

TOURISM=(国内旅游收入+入境旅游收入* 年平均汇率)/国内生产总值 (1)

大量已有文献研究发现，宏观经济与社会基本面是决定房价水平的重要因素，为更好检验旅游发展对房价的影响，借鉴上文已有研究成果，我们对反映宏观经济与社会基本面的变量加以控制，本文涉及的主要控制变量如下。

(1)金融发展水平(lnFINANCE)。房地产市场与金融发展休戚相关，金融市场越发展越能为房地产企业融资与居民购房提供较为宽松的信贷支持，银行信贷支持将推高房地产价格(Collyns，Senhadji，2002;Liang，Cao，2007)。我们用银行贷款与国内生产总值之比(LOAN/GDP)的对数值来表征一个地区的金融发展水平，记为lnFINANCE。

(2)城市化程度(lnURBAN)。中国城市化发展带来对住房的刚性需求(骆永民，2011)，由此将推高房价。我们用非农人口与总人口比值的对数来衡量一个地区的城市化程度，记为lnURBAN。

(3)房屋建筑成本(lnCOST)。依据成本导向定价法，房屋建筑成本提高将拉升房价。我们用每平方米竣工房屋造价的对数来表示建筑成本，记为lnCOST。

(4)经济发展水平(lnPGDP)。经济发展水平越高的地区，物流、商流、信息流等越集中，生产与消费活动也就越集中，单位面积房屋价值也可能随之升高。我们以人均GDP的对数值来表征地区经济发展水平，记为lnPGDP。

(5)人口规模(lnPOP)。一个地区的总人口影响其房屋的需求规模，人口越多的地区对房屋需求量也就越大，在市场供给量恒定的情况下，房价可能会走高。本文用总人口对数值来衡量人口规模，记为lnPOP。

(6)抵押贷款利率(R)。抵押贷款利率是房地产运行中重要的风向标，它将影响房地产供需双方的经济行为，从而影响房屋市场供给与需求，通过市场无形之手进而影响房价。本文以金融机构五年期基准贷款利率为基础，以某一利率水平维持的天数比例为权重，加权形成年度名义抵押贷款利率，经CPI平减后得到各省分年度的实际抵押贷款利率，记为R①我们之所以没有把实际抵押贷款利率的对数值作为控制变量，缘由为部分实际抵押贷款利率为负值。。

表1 变量定义和统计描述

表1报告了主要变量的统计性质。本文所使用的数据为大陆30个省份2000年～2009年的相关面板数据，其中，五年期基准贷款利率来源于中国人民银行网站(http://www.pbc.gov.cn);CPI来自《各省统计年鉴(2001 ～2010)》;城镇户籍人口数来自《中国人口(和就业)统计年鉴》(2001～2010);银行贷款额来自《中国金融年鉴》(2001～2010);其他数据来源于中经网统计数据库查询、辅助决策系统V1.0与《中国统计年鉴》(2001～2010)，个别缺失数据采用移动平均法补齐。对所有涉及的价值型变量，我们以2000年为不变价格，利用各省各年度CPI将它们平减转化为实际变量。

3.2 模型设计与估计方法

本文旨在剖析旅游产业发展对房价的影响，我们运用面板数据进行分析，时间跨度为2000年～2009年，地区跨度为中国大陆30个省、直辖市、自治区。面板数据拥有横截面与时间序列两个维度，可以扩大样本容量，减少多重共线性，同时，能够增加数据变异与自由度，获得更为有效的估计结论。根据本文的研究主题，我们以房价水平(lnHSPRICE)为被解释变量，以表征旅游产业发展成果的旅游发展水平(lnTOURISM)为核心解释变量，并对影响房价且能反映宏观经济与社会基本面的变量加以控制，特建立以下基本计量经济模型:

式(2)中i表示省份，t表示时间;HSPRICEit表示i省份t期商品房平均销售价格;TOURISMit表示 i省份t期的旅游发展;FINANCEit表示 i省份 t期的金融发展;URBANit表示i省份t期的城市化程度;COSTit表示i省份t期的房屋造价;PGDPit表示i省份t期的人均GDP;POPit表示i省份t期的总人口;Rit表示i省份t期的抵押贷款利率;ηi表示影响房价的省份固定效应，μt代表不随省份变化的时期固定效应，εit表示随机扰动项。

我们主要采用固定效应与随机效应对计量经济模型进行估计，最终选用固定效应还是随机效应，根据Hausman检验的概率值而定，Hausman检验的概率值小于0.05，则选择固定效应模型估计，大于0.05则选择随机效应模型估计，若Hausman检验值为负，通常采取随机效应模型。同时，为解决可能存在的内生问题，我们将引入sys-GMM对计量模型进行估计，并通过Sargen检验与AR检验考察估计结果的有效性。本文主要报告固定效应与随机效应模型的估计结果。

4 经验检验与解释

4.1 旅游发展对房价的回归结果

表2报告了在不同情形下旅游发展对房价影响的回归结果。模型1未对任何变量加以控制，利用随机效应估计旅游发展与房价之间的关系，回归系数符号为正，在1%的水平上显著异于零，显示出旅游发展对房价有显著的正向影响。模型2报告固定效应对本文基本计量经济模型式(2)估计的结果，选用固定效应进行估计的原因在于Hausman检验对应的p值为0.000，小于0.05，由于加入了控制变量，旅游发展与房价的系数减少到0.224，这意味着，控制住宏观经济与社会基本面的变量后，旅游业发展依旧推动房价上涨(旅游发展提高1%将带动房价上升0.224%);回归结果也显示，金融发展能促进房价上涨，这与Collyns和 Senhadji(2002)、Liang和Cao(2007)的研究结论相一致，充分说明中国金融市场的发育水平有助于解释全国范围内房价普遍上涨现象;模型2的结论亦对城市化提升房价给予了确凿有力的实证支持;从模型2的回归结果，我们发现建筑成本提高与经济发展对房价的提升作用并不明显。在模型3中，我们采用混合回归(POLS)对基本计量模型式(2)进行估计，以考察旅游发展对房价影响的敏感性，结果显示，旅游发展对房价的正向作用是稳健的。

为了考察旅游发展对房价可能存在的跨期作用，也就是说当期的旅游产业发展状况可能会对下期的房价产生影响，我们在基本经济计量模型式(2)中加入旅游发展水平的滞后项得到模型4。估计结果显示，旅游发展水平滞后项的系数为0.036，即使在0.1的水平上也不显著，这说明，上期旅游业发展状况对下一期的房价有正向影响，但是影响强度基本可以忽略，当期旅游发展水平与当期房价水平的回归系数为0.217，且高度显著，综合两期旅游发展对房价的影响效应显示，旅游发展对房价的影响作用以当期为主。在基本计量经济模型式(2)的基础上，剔除代表经济发展水平的变量(lnPGDP)，我们得到模型5，模型5的计量结果并没有改变旅游发展对房价的正向效应，由此可见，旅游产业发展与房价的正向关系并不依赖于地区经济发展水平。

在模型(6)中，把房价水平的滞后项加入到回归方程中，建立起一个动态面板模型，以进一步考察旅游产业发展对房地产价格的敏感性。我们采用系统GMM(sys-GMM)对该动态面板模型进行估计，系统GMM可以有效控制未观测到的时间与个体效应，克服滞后项与解释变量的内生性，提升差分估计中工具变量的有效性，也能较好解决弱工具变量与小样本偏误的问题(Arellano，Bover，1995;Blundell，Bond，1998)。模型(6)中，Sargen统计量p值大于0.1，没有拒绝工具变量选择满足过度识别约束条件的原假设，且AR(1)对应p值为0.000，表明残差项存在一阶自相关，AR(2)对应p值为0.654，表明残差项不存在二阶自相关，因此模型同时通过Sargen检验与AR检验。在模型6中，旅游发展对房价的回归系数在0.01的水平上显著，充分说明旅游发展对房价的促进作用没有发生方向性的改变，中国旅游产业的发展对房地产价格体系已产生显著影响;同时，房价水平滞后项的回归系数在0.05的水平上显著，说明上期房价对当期房价的影响作用明显，回归系数符号为负，这意味着，一个地区的房价水平具有“自我收敛”功能，房价决定系统中存在一种“逆风向”的动态调整机制，即如果上期房价提升过快，那么它将对下一期的房价上升产生一个负向的影响力量，究其原因，我们认为可能是上期房价会对下一期供求双方的预期与信心产生影响，于是带来房价“逆风向”的波动。

为了考察各控制变量在旅游发展与房价之间可能存在的调节作用，我们把核心解释变量(lnTOURISM)与其他控制变量形成的交互项逐一放到基本计量模型中去估计。结果显示，城市化水平对旅游发展与房价关系有显著的调节作用，其他变量的调节作用并不明显，我们不予报告。模型(7)显示旅游发展水平与城市化的交互项系数显著为正，这说明，城市化水平越高的地区，旅游发展对房价上涨的推动力量越大。究其原因可能有两点:其一，城市化发展能提升交通通讯、园林绿化、科教文卫等基础设施的水平，一方面，基础设施的改善能促进旅游发展(Biehl，1986)，另一方面，由于配套设施的完善，人们生活品质得以改善，房价自然会随之提升;其次，旅游作为一项重要的城市功能，随着城市化水平的提高，城市旅游功能被不断强化，城市旅游功能包含旅游目的地、旅游中转地和旅游客源地三种(金世胜和汪宇明，2008)，城市化水平越高越能积聚起更多的旅游发展要素，更有机会实现三种旅游功能的全面强化，同时，城市化产生的集聚效应让高城市化地区更有可能培育起新的旅游业态(如会展旅游、体育旅游、节事旅游等)，由此而来，在旅游功能强化与旅游新业态的培育发展中，将会有更多资源用于新建旅游地产项目，从而抬高地价，拉升房价。

表2 旅游发展对房价的回归结果(被解释变量:lnHSPRICE)

4.2 旅游发展对房价影响与经济发展水平的关系

在表2模型5中，我们剔除表征经济发展水平的变量，结果显示，经济发展水平并不影响旅游发展与房价之间的正向关系，现在，我们依据时间先后顺序对样本分拆进行研究，以进一步考察旅游发展对房价的影响与经济发展水平无关的判断是否稳健。我们把基础样本分为低经济发展水平组(2000年～2004年)和高经济发展水平组(2005年～2009年)来分别进行回归估计。表3报告了不同经济发展水平下旅游发展对房价的回归结果。从表3可以看出，4个模型的回归结果全都显示旅游发展水平与房价水平在0.01水平上显著正相关，依据Hausman检验的p值，对于2000年～2004年的低经济发展水平组，我们选择模型1的固定效应估计，发现旅游发展水平与房价水平回归系数为0.241，对于2005年～2009年的高经济发展水平组，我们选择模型4的随机效应估计，回归系数为0.242，与前系数仅相差0.001，由此看来，各省份的经济发展水平不会对旅游发展与房价之间的正向关系产生影响，旅游发展推动房价上涨的命题并不依赖于各省份所处经济发展阶段。

表3 不同经济发展水平下旅游发展对房价的回归结果

4.3 分区域的回归分析

表4显示了东部、中部与西部的旅游发展对房价的回归结果。东、中、西部按照中国惯用原则划分，其中，东部省份包括北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东和海南;中部省份包括河北、山西、吉林、黑龙江、安徽、河南、湖北、湖南、内蒙古和江西;西部省份包括四川、重庆、广西、贵州、云南、陕西、甘肃、青海、新疆和宁夏。在表4中，6个模型的回归结果都支持旅游发展与房价的正向关系，由此可见，旅游业发展对房价的提升作用在全国范围内具有一定的普适性。此外，东、中、西分区域的回归中，Hausman检验对应的p值都小于0.05，因此，东、中、西部都倾向于选用固定效应模型进行估计，模型1、模型3、模型5分别报告东、中、西部在固定效应估计下的计量结果。结果显示，金融发展与城市化程度提高皆能显著促进房价上涨，这也完全符合我们的理论预期。跨模型比较旅游发展水平与房价水平的系数可知，西部系数(0.323)最大，中部系数(0.195)最小，东部系数(0.294)居中，旅游发展对房价的影响呈现出区域差异，其对西部、东部、中部的房价影响强度依次递减，在西部，旅游发展提升1%，房价随之提高0.323%，而在中部，1%的旅游发展提升幅度，仅能带来0.195%的房价上涨。我们把旅游总收入占国内生产总值的比重作为旅游发展(Tourism)，通过分区域的计算得到，在样本时期，西部旅游发展的平均值为0.093，东部为0.085，中部为0.084，在西部地区，旅游产业发展对国民经济的贡献大于中、东部地区旅游发展的经济贡献;西部地区旅游资源丰裕，工业基础薄弱，因此在制定地方经济发展战略时，旅游业会名副其实成为地方经济发展的支柱产业，城市发展的旅游功能更加会被强化，一大批具有旅游“资产专用性”的地产项目将在城市中占据更大空间，因此，旅游发展对西部房价的影响力度更大;对于中东部地区而言，东部城市化水平明显高于中部，由于城市化的正向调节作用，加之旅游要素在东部的集聚，旅游发展对房价的影响幅度在中、东部之间存在差异也在情理之中。

表4 旅游发展对房价的分区域回归结果(2000年～2009年)

4.4 旅游发展推动房价上涨的进一步解释

基于前文的经验研究，我们得出，旅游产业发展有助于解释我国房价上涨，在不同的经济发展阶段与不同区域，旅游发展对房价的正向作用皆呈现出稳健性，其可能原因如下:(1)为塑造或重塑旅游目的地形象、促进旅游产业发展，旅游目的地往往大兴土木建设相关旅游地产，包含景点、景区地产(如世博园、世界之窗、横店影视城等)、旅游商务地产(购物中心、餐馆、娱乐城等)、旅游度假地产(旅游宾馆、高尔夫度假村、产权酒店等)与旅游住宅地产，这在一定程度上将加剧土地供需矛盾，抬高土地出让价格，而地价和房价的波动趋势基本一致(Chen＆Patel，1998)，故房价上涨也在情理之中。(2)旅游产业可以通过自身发展与带动关联产业发展推动地方经济增长，提高当地居民就业率与收入水平，从而加大当地居民对住宅市场的刚性需求，于是房价被悄然拉高。(3)大量的经验事实告知我们，旅游产业发展可以改善目的地的交通通讯、园林绿化、科教文卫等基础设施，同时，优美的自然与人文景观让许多旅游目的地成为宜居乐土，并吸引了大批外地热衷于高品质生活的个体或家庭到此安家置业(second home)或颐养天年，这将增加对旅游目的地房地产的需求，从而引致房价上涨。(4)样本时期段恰好是中国房地产快速发展与繁荣的阶段，我们不能排除部分房地产开发企业对“旅游地产”、“休闲地产”等概念的肆意炒作，加之部分投资人对旅游地产稀缺性的超高预期与投机心理，供需双方共同参与下，房地产价格上涨就在所难免。(5)一个地区旅游发展对房价的影响效应可能会蔓延到周边地区，这也将有助于我们理解旅游发展对房价的正向影响表现出跨区域的一致性;此外，旅游发展会促进旅游目的地物价上涨(Charles，et al.，2009)，物价信号能通过经济系统内生价格机制传递进而抬高房价。

5 结论与展望

本文旨在探讨省域旅游产业发展与房价之间的关系，我们利用2000年～2009年中国大陆30个省区的面板数据，运用混合回归(POLS)、固定效应(FE)、随机效应(RE)、系统广义矩估计法(sys-GMM)，对旅游发展与房价之间的关系进行了经验研究，基本研究结论如下。(1)旅游发展对房价有显著的正向作用，各省份的旅游产业发展对该省份房价上涨有一定的解释力，且旅游发展对房价的作用主要发生在当期，上期旅游发展对下一期房价的影响基本可以忽略。(2)各省份经济发展水平高低对旅游发展与房价的正向关系不产生影响;此外，城市化在旅游发展对房价的影响中起着正向调节作用，城市化水平越高的地区，旅游发展对房价上涨的促进作用越大。(3)我们把房价滞后一期作为自变量加入到基本计量模型中，形成动态面板模型，我们采用系统GMM对模型进行估计，发现各省份房价具有“自我收敛”功能，充分显示出房价决定系统中存在一种“逆风向”的动态调整机制。(4)分区域的回归结果显示，旅游发展对房价的影响呈现出区域差异，其对西部地区房价的影响强度大于东部地区，而对中部地区房价的影响强度最小。

本文结论给我们一个启示，当前我国部分省份房价在一定程度上的上涨，可能标志着该省份旅游产业正处在蓬勃发展期，是旅游系统对房地产系统作用下的合理结果，因此，政府在调控房价时，应该把旅游产业发展纳入到决策集合里，特别是对于调控主要旅游目的地城市的房价，政府更应该多思、慎行，以确保该省份旅游业与房地产业健康有序发展。此外，本文从属于旅游业对房地产业影响的研究范畴，那么，国内旅游、入境旅游对房价的影响是否有差异，他们分别对住宅价格与商业地产价格有何影响，旅游投资与房地产投资有何关系，诸多此类问题悬而未决，都有待于我们进一步的深入研究。

［1］ Arellano M，Bover O.Another look at the instrumental variable estimation of error-components models［J］.Journal of Econometrics，1995(68):29-52.

［2］ Asabere P K，Huffman F E，Medhian S.The adverse impacts of local historic designation:the case of small apartment buildings in Philadelphia［J］.Journal of Real Estate Finance and Economics，1994(8):225-234.

［3］ Bianca Biagi Alessandra Faggian.The Effect of Tourism on the House Market:The Case of Sardinia［R］.ERSA conference papers，2004.

［4］ Biehl D.The Contribution of Infrastructure to Regional Development［R］.Commission of the European Communities，Infrastructure Study Group.Final Report，1986.

［5］ Blundell R，Bond S.Initial conditions and moment restrictions in dynamic panel data models［J］.Journal of Econometrics，1998(87):115-143.

［6］ Bowes D R，Keith R I.Identifying the impacts of rail transit stations on residential property values［J］.Journal of Urban Economics，2001(50):1-25.

［7］ Butler R V.The specification of hedonic indexes for urban housing［J］.Land Economics，1982，58(1):96-108.

［8］ Charles R，Goeldner B，Ritchie JR.Tourism:Principles，Practices，Philosophies(11th edition)［M］.New Jersey:John wiley ＆ Sons，lnc.2009:408-410.

［9］ Chen M C，Patel K.House price dynamics and granger causality:An analysis of Taipei New Dwelling Market［J］.Journal of Asian Real Estate Society，1998，1(1):101-126.

［10］ Clapp JM，Giaccotto C.The influence of economic variables on local house price dynamics［J］.Journal of Urban Economics，1994(36):161-183.

［11］ Collyns C，Senhadji A.Lending Booms，Real Estate Bubbles and the Asian Crisis［R］.IMF，2002.

［12］ Constantine K.The price of victory:The Impact of the Olympic Games on Residential Real Estate Markets［J］.Urban Study，2011(2):1-18..

［13］ Coulson N E，Leichenko R.M.The internal and external impact of historical designation on property values［J］.Journal of Real Estate and Economics，2001，23(1):113-124.

［14］ Earl D B，Julia LH，Arthur L S，Greg TS.Pricing residentialmenities:The value of a view［J］.The Journal of Real Estate Finance and Economics，1998，16(1):55-73.

［15］ Fleming M C，Nellis J G.Development of standardised indices for measuring house price inflation indexing methods incorporating physical and locational characteristics［J］.Applied Economics，1992，5(24):1067-1085.

［16］ Forsyth P，Dwyer L.Foreign investment in Australian tourism:A framework for analysis［J］.the JJournal of Tourism Studies，1991，14(1):67-77.

［17］ Francois O M，Rady S.Boom in，bust out:Young households and the housing price cycle［J］.European Economic Review，1999(43):755-766.

［18］ Jarociński M，Smets F.House prices and the stance of monetary policy［Z］.Working Paper，April 2008.

［19］ Han Su，S-H Michelle Chu，George H L，Ko W.Intra-project externality and layout variables in residential condominium appraisals［J］.Journal of Real Estate Research，1998，15(2):131-145.

［20］ Hayes K J，Lori L T.Neighbourhood school characteristics:What signals quality to homebuyers?［J］.Economic Review，1996(4):2-9.

［21］ Huimin G，Chris R.Place attachment，identity and community impacts of tourism—the case of a Beijing hutong［J］.Tourism Management，2008，29(4):637-647.

［22］ Gottlieb M L.Swings in Urban Development［M］.NewYork:Columbia University Press，NBER，1976:29-35.

［23］ Leunge C K Y.Economic growth and increasing house prices［J］.Pacific Economic Review，2003(8):183-190.

［24］ Liang Q，Cao H.Property prices and bank lending in China［J］.Journal of Asian Economics，2007，18(1):63 75.

［25］ Malpezzi SA.Simple error correction model of housing prices［J］.Journal of Housing Economics，1999(8):27-62.

［26］ Melissa A B，Katherine A K.A survey of house price hedonic studies of the impact of environmental externalities［J］.Journal of Real Estate Literature，2001(3):117-144.

［27］ Michael LW.Magnet schools and the differential impact of school quality on residential property values［J］.Journal of Real Estate Research，1990，5(2):221-230.

［28］ Pashardes P，Christos S S.Factors affecting house prices in Cyprus:1988-2008［J］.Cyprus Economic Policy Review，2009，3(1):1450-4561.

［29］ Rosato P，Rotaris L，BreilM，Zanatta V.Dowe care aboutbuilt culturalheritage?:The Empirical evidence based on the veneto housemarket［Z］.discussing paper，2008.

［30］ Wang Zhongfu.Xi’an tourism impact and tourism sustainable development proposals［Z］.Artificial Intelligence，Management Science and Electronic Commerce(AIMSEC)，2011 2nd International Conference，on On page(s):6099-6102.

［31］ Williams A M，Hall C M.Tourism and migration:New relationships between production and consumption［J］.Tourism Geographies，2000(2):5-27.

［32］ Yang Zan.An application of the hedonic price model with uncertain attribute-The case of the People’s Republic of China［J］.Property Management，2001，19(1):50-63.

［33］ 骆永民.城市化对房价的影响:线性还是非线性?— 基于四种面板数据回归模型的实证分析［J］.财经研究，2011(4):135-144.

［34］ 金世胜，汪宇明.大都市旅游功能及其规模影响的测度［J］.旅游学刊，2008(4):72-76.

［35］ 吴学品，林明恒.海南房地产价格影响因素的实证研究—基于VAR模型的分析［J］.海南金融，2011(12):21-24.