杨君翔 张琳 赵明敏
摘要:以中国291个地级市为基本分析单元,采用泰尔指数分析了2000—2014年中国城市住宅投资的时空差异格局,应用地理探测器分析中国各区域城市住宅投资差异的驱动力。研究表明,2000—2014年,各区域城市住宅投资逐年增长,时空分异显著,东部、中部、西部地区城市住宅投资差异显著,住宅投资较大的城市主要分布在环渤海地区、长江三角洲、珠江三角洲、东部沿海城市以及中国中部地区的省会城市。由泰尔指数分析得出,城市住宅投资的区域间差异和区域内差异逐渐减小。地理探测器分析得出,城市常住人口、建成区面积、固定资产投资和房地产从业人员是影响城市住宅投资分异的4个重要因素。
关键词:住宅投资;时空差异;驱动力;泰尔指数;地理探测器
中图分类号:F301.3 文献标识码:A
文章编号:0439-8114(2019)09-0149-05
DOI:10.14088/j.cnki.issn0439-8114.2019.09.035 开放科学(资源服务)标识码(OSID):
Abstract: Taking 291 prefecture-level cities in China as the basic analysis unit, the Theil index is used to analyze the spatial-temporal difference pattern of urban residential investment in China from 2000 to 2014; and geo-detectors are applied to analyze the driving forces of urban residential investment differences in various regions of China. Research shows that from 2000 to 2014, urban residential investment in various regions increased year by year, and the spatial-temporal differentiation was significant. The urban residential investment in the eastern, central and western regions was significantly different. The cities with large residential investment were mainly distributed in the Bohai Rim region, the Yangtze River Delta and the Pearl River Delta, eastern coastal cities, and capital cities in central China. According to the analysis of the Theil index, the inter-regional differences and intra-regional differences in urban residential investment are gradually decreasing. According to the analysis of geo-detectors, urban permanent residents, built-up area, fixed assets investment and real estate practitioners are four important factors that affect the differentiation of urban residential investment.
Key words: residential investment; space-time difference; Thiel index; geo-detector
改革开放以来,中国城市建设用地扩展迅速,住宅需求迅速扩大,住宅建设取得巨大进展,住宅投资逐年增加。2014年,中国城市居住用地面积为15 783.05 km2,与2000年相比增长了8 569.86 km2,占城市建设用地面积的30.72%;城市住宅投资为62 146.59亿元,约为2000年城市住宅投资的17倍。1998年住房制度改革以来,房价的不断上涨、土地的供给有限性和城市人口的快速增长造成了城市住宅用地的紧缺。同时,国家、企业和个人对于住宅的投资不断加大,持续繁荣的房地产业吸收了大量的社会资产,住宅集投资与消费的双重需求属性,更加刺激了中国对城市住宅的投资[1-3]。中国各城市在地理环境、国家政策、经济发展等方面存在较大差异,城市住宅投资存在着极大的不平衡,因此,对城市住宅投资进行相关研究是十分必要的[4]。
已有文献对城市住宅投资的相关研究主要集中于城市住宅投资和农村住宅投资两个方面。城市住宅投资的相关研究主要包括住宅投资与经济增长之间的关系、住宅投资时空格局变化及影响因素两个方面。城市住宅投资与经济增长关系研究认为,在全国层面上,经济增长带动住宅投资,而住宅投资不能带动经济增长,在地区层面上,住宅投资和经济增长关系呈动态变化[5,6];但也有研究通过ECM实证和定量分析认为房地产投资能促进经济增长[7,8];此外,有研究者从各类住宅投资对经济增长的影响阶段进行分析,认为各类住宅投资在时间序列上对经济增长的影响强度各不相同[9]。住宅投资时空格局变化及影响因素方面,有研究者从全国和省级尺度上进行了分析,发现各城市或区域间住宅投资存在较大差异,人口、经济、交通、市场规模以及城镇居民人均收入均会影响住宅投资[10,11];而分析房价[12]和房地产增量[13]对住宅投资的影响发现,不同类型房价对住宅投资影响不同,房地产增量与住宅投资相互影响,共同增长。在农村住宅投资方面,有研究从农户的个人特征、家庭特征、现有住房特征和村庄特征4个方面对农村预期住宅投资的影响进行了分析[14];也有研究從地权安全性、农村住房市场、房价、农村相关土地制度等方面对农村住宅投资的影响进行分析[15-17]。以上研究主要集中于全国、省域尺度,而在地级市层面上对城市住宅投资的研究相对较少。鉴于此,以中国291个地级市为基本分析单元,通过泰尔指数和地理探测器进行城市住宅投资的区域差异分析及驱动力探讨。现有文献为城市住宅投资时空差异的研究提供了有效借鉴,在影响因素方面也有着一定的引导作用。研究城市住宅投资的时空差异及驱动力能够为城市住宅投资提供指导,为国家房地产政策提供参考,对稳定住宅市场、保障住房有效供应、缩小贫富差距具有一定的现实意义。
1 数据来源与指标选取
以2014年中国291个地级市为研究单元,研究时段为2000—2014年。为保持数据的连续性和可比性,将其他年份的数据进行合并和分解,使之与2014年的行政区划相一致。由于台湾、香港、澳门等地的重要数据缺失,将这些城市剔除后进行空间分析。住宅投资是房地产投资中的一类。住宅指专供居住的房屋,包括别墅、公寓、职工家属宿舍和集体宿舍(包括职工单身宿舍和学生宿舍)等,但不包括住宅楼中作为人防或不住人的地下室等。从城市常住人口、建成区面积、二三产业产值占GDP比例、人均地区生产总值、固定资产投资、职工平均工资和房地产从业人员等7个方面进行城市住宅投资的驱动力分析(表1)。研究所涉及的数据均来源于2001—2015年《中国城市统计年鉴》以及各省、直辖市、自治区统计年鉴。
城市常住人口数量对城市住宅投资的增长具有很强的推动作用,人口的集聚推进了工业化和城镇化进程,推动了房地产业发展,带动住宅建设,从而促进城市的住宅投资;同时,房地产市场消费者是城镇人口,人口规模的扩大必然拉动房地产消费与投资。房地产从业人员数量代表着一个区域的房地产市场发展规模,房地产从业人员的数量越多,房地产市场规模越大,越能促进城市住宅投资的增加。建成区面积可以用来表征城市空间规模及未来发展潜力,一个地区的城市化水平和经济发展水平对城市的扩展有着重要影响,中国城市的建成区更接近于城市的实体区域,更能真实反映城市用地的规模。人均地区生产总值和二三产业产值占GDP比例是衡量一个区域经济发展水平的重要指标,也是一个区域房地产业投资的重要影响因素,其中,二三产业的发展为住宅投资提供了良好的产业支撑,能够有效推动整个住宅市场的繁荣。固定资产投资带动了基础设施、交通的发展,从而促进城市的住宅投资。职工平均工资一定程度上代表了一个城市的经济发展水平,人均工资越高,则城市的对外开放程度越大,当地居民的购买力越强,住宅投资也就越多。
2 研究方法
2.1 泰尔指数
泰尔指数常用来测量收入不均等的状况,其值越大,收入差异越大;值越小,收入差异越小。泰尔指数可以按照不同的分组分解为组间差距和组内差距,这就把收入差距分解为组内变动差距和组间变动差距[18]。本研究采用泰尔指数来表示城市住宅投资的差异度。
依据《中国城市建设统计年鉴》的地理分区,将研究区域分为东部、中部和西部3个区域,东部区域包括北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、海南省、山东省、广东省、广西壮族自治区、福建省;中部区域包括山西省、内蒙古自治区、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省、湖南省;西部区域包括重庆市、四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区。将泰尔指数分解为组内差距与组间差距,以此来分析东部、中部和西部城市的住宅投资差异。总差距、组间差距和组内差距分别有如下表达式:
式中,k为研究的城市分组数;n为研究城市总数;nk为第k组的城市个数;yi为第i个城市的住宅投资;yk为第k组的城市的住宅投资。全国组内差距项为各组的组内差距之和。
2.2 K-means聚类分析
聚类分析是统计学中研究分类的多元统计分析方法。K-means聚类分析也称快速聚类,能将数据看成K维空间上的点,以距离作为测度个体关系的指标,在聚类过程中,样本观测所属的类会不断调整,直至最终达到稳定为止。应用SPSS软件对城市住宅投资的驱动因素进行K-means聚类,分为1、2、3、4、5、6、7七类,在此基础上进行驱动力分析。
2.3 地理探测器
地理事物的空间分布差异受到多种自然和经济社会因素的相互作用,探索其形成机理对地理学的相关研究具有重要意义。地理探测器是探测空间分异性及背后驱动力的一种工具,最初应用在致病因素对地方疾病发生的影响程度测算,后逐渐向其他领域拓宽,其针对类别数据的算法优于连续数据[19-21]。拟将其用于探测各要素基于地级市尺度对城市住宅投资空间分异的影响,模型如下:
3 结果与分析
3.1 城市住宅投资的时空差异
2000—2014年中国的城市住宅投资总体上呈现增长趋势,由3 608亿元增长到了62 146亿元,增加了近16倍。分时段来看,2000—2003年,城市住宅投资由3 609亿元增长到了5 079亿元,呈现出波动上升趋势,增速较缓;2004—2009年,城市住宅投资由8 919亿元增长到了24 948亿元,增速加快;2010—2014年,城市住宅投资由33 494亿元增长到了62 146亿元,呈现出快速上升趋势
住宅投资在地级市单元上存在较大的时空差异。2000—2014年各地级市住宅投资基本都呈现出增加的趋势,且数值增量较大,不便于作图分析且没有可比性,如果单纯从住宅投资量或者年度差异方面进行住宅投资的时空差异分析有失严谨。因此,选取各个地级市住宅投资占全部地级市住宅投资的比值对住宅投资时空差异进行研究。2000和2005年,住宅投资较大的城市集中在长江三角洲、珠江三角洲以及中国东部和中部的省会城市,且各地级市之间住宅投资存在较大的差异,住宅投资额最大的10个城市分布在中国中部和西部地区的省会城市和直辖市,住宅投资额最低的几个城市则分散在中国中部和西部地区的非省会城市。2010和2014年,住宅投資较大的城市主要分布在京津地区、长江三角洲、珠江三角洲、东部沿海城市以及中国中部地区的各省会城市,其中,2014年平均住宅投资额较大的城市为辽宁、北京、天津、上海、南京、苏州、浙江、广州、深圳、珠海、重庆、成都、武汉、长沙等地,大部分属于中国东部沿海城市和内陆省会城市。从2000—2014年各地级市总体数据来看,城市住宅投资额偏高的区域逐渐在京津地区、长江三角洲、珠江三角洲地区形成和扩展,中小城市由于自然环境、经济发展等因素的限制,城市住宅投资额明显偏低。
2000—2014年中国城市住宅投资组内差距、组间差距和总差距见图1。由图1可以看出,2000—2014年中国城市住宅投资差异呈先增大后减小的趋势。2000年的城市住宅投资总差距中有79%来自组内差距,而2014年的城市住宅投资总差距中仅有41%来自组内差距。2000—2002年城市住宅投资差异主要是组内差距引起的,2002—2014年城市住宅投资差异主要是组间差距引起的。2000—2014年,城市住宅投資的组内差距整体呈现下降趋势,组间差距呈先上升后下降趋势;2002年组内差距和组间差距基本一致;2002年以后,组内差异和组间差异都逐步减小,相对于组间差异,组内差异下降更快。2000—2002年,中国经济处于通货紧缩时期,各城市的住宅投资增速有所下降,区域间城市住宅投资差距不大,使得城市住宅投资总差距相对较小。2003年之后,国家大力促进房地产业的发展,各省市都加大了对住宅的投资,随着经济的快速发展,长江三角洲、珠江三角洲、环渤海地区城市住宅投资有了很大提升,使得东部地区的组内差距有所减小,进而造成中国城市住宅投资的区域内差异减小,最终降低了城市住宅投资总差异。近年来,国家政策的扶持和宏观调控促进了各区域住宅投资的协调发展,东部地区的居住用地供给减少,城市住宅投资增速下降,而中西部城市正处于经济快速发展时期,建设用地快速扩张,城市住宅投资增速较快,区域间住宅投资差异减小,从而降低了城市住宅投资的总差异。
3.2 城市住宅投资的驱动力探测分析
城市住宅投资受到多种因素的相互影响。选取了人口集聚、城市规模、经济发展3个方面的7个指标作为探测因子,利用地理探测器模型分别测算各探测因子对城市住宅投资影响能力的P值(表2),各年份数据均通过显著性检验。为了便于分析和比较不同探测因子在各地区的探测结果,对结果进行决定力排序(图2)。
3.2.1 人口对城市住宅投资的影响 用城市常住人口和房地产从业人员表征人口对城市住宅投资的影响。2000年,城市常住人口对东部和西部地区的住宅投资影响较大;房地产从业人员对东部地区影响较大;2014年,城市常住人口和房地产从业人员对各地区的住宅投资影响都大。城市常住人口规模能够反映住宅的消费规模,房地产从业人员反映房地产市场规模以及房地产业中介服务发达程度。房地产业是劳动密集型行业,充足的劳动力会促进区域的房地产投资,进而促进住宅投资[22]。2000—2014年,城市常住人口对中部城市住宅投资影响变大,说明在此阶段,中部地区城市常住人口的增长推动了工业化和现代化的进程,促进了房地产业的快速发展,大量基础设施建设促进了城市的住宅投资。1998年住房制度改革以来,中国房地产市场蓬勃发展,东部地区相对于中西部地区,市场规模更加完善,房地产从业人员对城市住宅投资影响更大。到2014年,伴随着城市人口和房地产从业人员的增加,住宅的需求增大及房地产市场的逐步完善,推动了房地产业的发展,促使城市住宅投资增加。
3.2.2 城市规模对住宅投资的影响 2000年,建成区面积对东部和西部地区的城市住宅投资有较大影响;2014年,建成区面积对各地区城市住宅投资都有较大影响。2000—2014年,中部地区的建成区面积对城市住宅投资的影响力由弱变强,表明在中部地区城市发展过程中,由原本的建成区内扩展转向建成区的扩张,城市住宅投资的增长更加依赖于城市规模的扩展。到2014年,各区域城市的房地产业都有了较大发展,建成区面积直接反映了城市用地的规模,建成区面积越大,城市住房规模越大,住宅投资越多。中国是以住宅投资需求为主的市场,投资性需求促进了城市规模的扩张[23,24]。
3.2.3 城市规模对住宅投资的影响 二三产业产值占比和人均生产总值在2000和2014年对各地区城市住宅投资影响都较弱,这是由于二三产业产值占比在各城市之间差异较小,而城市住宅投资在区域内和区域间都有明显差异,两者之间的影响作用减弱[25]。2000年,中国经济处于通货紧缩时期,城市建设发展缓慢,基础设施投入减少,居民购买力下降。近年来,中国经济从高速发展转向中高速发展,人均生产总值与住房建设的相关性明显减弱[26]。因此,人均生产总值和二三产业产值占比在2014年对城市住宅投资影响较小。
3.2.4 固定资产投资对住宅投资的影响 固定资产投资对2000和2014年各地区城市住宅投资均有显著影响。固定资产投资水平越高,基础设施建设、服务业等越完善,房地产开发投资越多,更多的资本会投入到住宅建设当中,因此固定资产投资对城市住宅投资有重要影响。
3.2.5 职工平均工资对住宅投资的影响 职工平均工资对2000和2014年东部地区的住宅投资有显著影响。区域工资水平表征一个区域居民的购买力,中国东部地区存在巨大的工资差异,工资水平是区域吸纳人口的重要影响因素,工资水平越高,吸纳人口越多,越能带动房地产的需求,从而促进了城市住宅投资。
4 结论
本研究以中国291个地级市作为基本单元,通过泰尔指数对2000—2014年中国城市住宅投资进行空间差异格局分析,并通过地理探测器分析了城市住宅投资差异的驱动力因素,得出以下结论。
1)2000—2014年,城市住宅投资总体呈现出快速增长趋势,但在地级市单元上存在着较大的时空差异,东中部城市的住宅投资普遍大于西部城市。其中,住宅投资较大的城市主要分布在环渤海地区、长江三角洲、珠江三角洲、东部沿海城市以及中部地区的各省会城市。
2)2000—2014年,中国城市住宅投资差异先增大后减小,组内差距持续下降,组间差距呈先上升后下降趋势。
3)地区城市住宅投资差异机理并不相同,各探测因子探测值差异较大。2000年,东部和西部地区受城市常住人口、建成区面积和固定资产投资影响较大,而中部地区受到城市常住人口和建成区面积的影响较低。2014年,各地区城市住宅投资差异机理也略有不用,各地区受城市常住人口、建成区面积、固定资产投资和房地产从业人员的影响最为突出,职工平均工资、二三产业产值占比、人均生产总值对东部地区影响高于中部和西部地区。总体而言,城市常住人口、建成区面积、固定资产投资和房地产从业人员是中国城市住宅投资差异的4个重要影响因素。
本研究在区域和时间上均进行了宏观分析,研究结论对相关部门进行房地产调控有一定的借鉴意义。中国住宅市场受政策变化、经济发展及其他因素的共同影响,未来可从中国房地产政策和市场、区域经济发展政策、自然状况等方面进行驱动力扩展研究,扩大指标层,从更深层次探测城市住宅投资差异的驱动力,为中国城市住宅投资提供指导性意见。
参考文献:
[1] 呂江林.我国城市住房市场泡沫水平的度量[J].经济研究,2010,45(6):28-41.
[2] 刘婷婷,张 典.消费需求、投资需求与家庭住房消费决策——基于微观调查数据的分析[J].消费经济,2015,31(1):3-9.
[3] 杨 赞,张 欢,赵丽清.中国住房的双重属性:消费和投资的视角[J].经济研究,2014,49(S1):55-65.
[4] 沈昊婧,王福良,陈 春.城市住房投资及其影响因素的时空特征分析[J].现代城市研究,2015(4):85-90,104.
[5] 赵奉军.住宅投资与经济周期牵扯:自OECD国家生发[J].改革,2012(6):55-64.
[6] 张清勇,郑环环.中国住宅投资引领经济增长吗?[J].经济研究,2012,47(2):67-79.
[7] 祝运海.房地产开发投资与经济增长的动态关系研究——基于ECM的实证分析[J].经济问题,2011(5):44-47.
[8] 许宪春,贾 海,李 皎,等.房地产经济对中国国民经济增长的作用研究[J].中国社会科学,2015(1):84-101,204.
[9] 周稳海,陈立文,赵桂玲.住宅投资对经济增长影响的阶段比较研究——基于面板数据系统GMM模型[J].经济问题探索, 2016(7):36-45.
[10] 张清勇.中国住宅投资波动的长期趋势与区域差异[J].建筑经济,2008(10):84-88.
[11] 田秉涛,王晓文,尹 春.基于ESDA-GIS的福建省房地产住宅投资时空格局及其影响机制研究[J].福建师范大学学报(自然科学版),2014,30(2):81-89.
[12] 李永乐,吴 群.房价对住宅投资的影响研究——来自中国省级面板数据的证据[J].建筑经济,2014(5):70-73.
[13] 冯亚娟,冯 荣,王奎山.房地产增量与房地产住宅投资的关联性[J].辽宁工程技术大学学报(社会科学版),2014,16(1):12-14.
[14] 李 君,陈长瑶.影响农户预期住宅投资意愿的因素分析[J].统计与决策,2009(4):78-81.
[15] 方 丽,田传浩.地权安全性、农村住房租赁市场与住宅投资——以杭州市城乡交错区24个村为例[J].中国土地科学,2013, 27(2):16-21.
[16] 田传浩,傅 楠,郑文娟.宅基地制度、地权安全性与农村住宅投资行为[J].中国房地产,2011(2):64-73.
[17] 任 健,赵奉军.二元土地制度、高房价与农户住宅投资过度[J].中国房地产,2013(8):3-11.
[18] AKITA T,LUKMAN R A,YAMADA Y. Inequality in the distribution of household expenditures in indonesia:A theil decomposition analysis[J].Developing economies,1999,37(2):197-221.
[19] WANG J F,LI X H,CHRISTAKOS G,et al. Geographical detectors based health risk assessment and its application in the neuraltube defects study of the Heshun region,China[J].International journal of geographical information science,2010, 24(10):107-127.
[20] 王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017, 72(1):116-134.
[21] 丁 悦,蔡建明,任周鹏,等.基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素[J].地理科学进展,2014,33(5):657-666.
[22] 陈龙乾,姚 远,李效顺.港口城区房地产投资驱动机制分析——以连云港市港口城区为例[J].地理与地理信息科学,2012,28(3):44-48.
[23] 杨 东,赵树宽.我国近十年商品住宅需求的弹性变化[J].社会科学研究,2013(4):27-31.
[24] 谭 锐.住房投资性需求与中国城市规模扩张——基于空间均衡模型的分析[J].经济评论,2013(5):31-41.
[25] 丁洪建.大中城市居住地价的时空变化规律及启示[J].中国房地产,2009(11):52-54.
[26] 国务院发展研究中心课题组.中国新型城镇化:道路、模式和政策[M].北京:中国发展出版社,2014.
收稿日期:2019-01-21
作者简介:杨君翔(1991-),男,江苏南京人,在读硕士研究生,研究方向为应用与发展心理学,(电话)13016996919(电子信箱)499306839@qq.com。