城市化进程对区域房价驱动效应的时空异质特征研究

梁仲之 罗 明

（1.中国建设银行深圳市分行，广东 深圳 518000；2.广西师范大学，广西 桂林 541002）

一、引言

房地产市场是我国当前国民经济的支柱产业之一，对区域经济的发展具有至关重要的影响。随着我国城市化进程的不断发展，区域房价也在快速上涨，对居民的生活带来了较大的经济负担，并直接影响了居民的生活质量[1]。如何有效采取措施控制房价的变动，是稳定我国国民经济发展、提高人民生活水平的重要问题[2-3]。房地产市场的需求激增是影响房价上涨的一个重要因素，而这与我国的城市化进程的发展密切相关[4]，城市化可通过增加常住人口以促进居住用地的需求增加、市场结构转型以及交通条件变化等方式促进房价的上涨[5-7]。由于城市化进程对房价的演化有着重要的影响，若要有效对城市化进程对房价的提升压力进行调控，首要问题就是识别城市化进程对区域房价的驱动效应，并深入分析其运行规律。其次，城市化进程对区域房价的驱动效应是一个动态演化的过程，还需要从其演化的复杂性着手。城市化进程对区域房价的驱动效应是在时空维度进行演变的动态过程，因此与特定的时空具有密切关系，在我国的不同发展阶段和不同区域下，城市化进程对区域房价的驱动效应具有显著的异质性，传统的计量经济学模型倾向于从“平均”意义下进行测度，难以识别城市化进程对区域房价驱动效应的时空异质特征[8]。随着空间计量经济学的发展，学者们提出的时空地理加权回归模型，就是解决存在时空异质性问题的有效工具方法[9-10]。

针对上述问题，本文首先构建城市化进程对区域房价影响的回归模型，然后采用Huang 等提出的时空地理加权回归模型（Geographically and Temporally Weighted Regression，即GTWR 模型）[11]，对城市化进程对区域房价驱动效应及其演化规律进行探讨，对区域房价调控政策的制定具有重要作用。

二、城市化进程对区域房价驱动模型构建与实证方法

1.城市化进程对区域房价演化的回归模型构建

本文构建以下的城市化进程（UR）影响房价（HP）的回归模型：

从区域房地产市场的供给、需求以及经济基本面因素、非基本面因素等角度，选取居民收入水平、信贷扩张和土地价格等变量作为模型的控制变量，DY 表示居民收入，LP 表示土地价格，DL 表示信贷扩张。

2.城市化进程对区域房价影响模型的时空地理加权回归

为了研究时空异质性特征，需要选择GTWR 模型。GTWR 模型是一种基于时空距离的非参数回归方法，可以有效地刻画城市化进程对房价演化影响的局部驱动效应。基于上述模型，其GTWR 形式可以表示为：

这表明参数会随着时空点的变化而存在差异，因此可以刻画城市化进程对房价的驱动效应的动态演化。城市化进程对房价演化影响模型的GTWR 估计依赖于其时空演化过程中的权重矩阵，主要是通过样本点距离和效应随距离的衰减程度来刻画。通常需要事前设定衰减函数的形式，参考地理加权回归模型的设定方式，常见的衰减函数形式有高斯距离加权、指数距离加权两种[7-8]。从形式上看，通过非参数估计法得出的城市化进程对房价演化影响模型的GTWR 参数估计量，与传统的OLS 估计量具有显著的不同，可以得到城市化进程对房价演化影响过程中每一个时空点上的局部效应。

三、城市化进程对区域房价驱动实证结果分析

1.变量选取与数据来源

本文选取了中国30 个省份作为研究区域①，样本期为2006年至2021 年。涉及的主要变量如下。（1）房价（HP）：本文的房价变量采用商品房销售价格作为衡量指标，即采用该省区的商品房销售费用总额与商品房销售面积总额的比值来测度；（2）城市化水平（UR）：采用城市人口占比来衡量，即该省区中城市人口在总人口中所占的比例。关于控制变量如下：

（1）土地价格（LP）：本文采用单位土地的购置费用来表示土地价格，具体采用房地产开发投资中的土地购置费用与房地产企业购置土地面积的比值来衡量；（2）信贷扩张（DL）：从现有文献来看，信贷扩张主要表现为资本的可获得性（梁云芳等，2007），本文采用房地产开发企业到位资金来刻画房地产的信贷扩张；（3）居民收入（DY）：本文采用该区域的个人可支配收入作为居民收入的衡量指标，并采用价格指数对历年数据的价格因素进行剔除（以2005 年为100）。

上述变量指标的数据来源于中经网统计数据库，存在缺失的数据从《新中国六十年统计资料汇编》《中国统计年鉴》以及各省历年统计年鉴进行补充。本文涉及的相关变量的描述性统计如表1 所示。

表1 模型中各变量的描述性统计分析

2.基于OLS 的城市化进程影响房价的演化模型结果分析

根据上文中构建的城市化进程对房价演化的回归模型，首先采用面板数据OLS 法，对模型进行参数估计。根据研究需要，设定不同的回归方案，其中模型I 为采用全国（总样本期）各省份的数据对回归模型进行估计；模型II 和模型III 均采用全国的数据，但研究期间不一样，根据我国在样本期内房地产市场的发展情况，采用2012 年作为分界点，分为2006 年至2012年（模型II）与2013 年至2021 年（模型III）两个区间，并分别进行回归；模型IV 选取了总样本期，但在研究中引入了区域虚拟变量②，即：

由于本文选取的是区域面板数据，存在不可观测的个体效应，根据Hausman 检验，可知模型存在个体固定效应，因此选取面板固定效应模型来进行参数估计。基于上述的模型设计，模型I、II、III、IV 的估计结果如表2 所示。

表2 城市化进程对房价演化影响模型的OLS估计结果

从模型I 的OLS 的估计结果来看，城市化进程在房价的演化过程中起到较为显著的促进作用，从控制变量来看，居民收入、土地价格、信贷扩张对房价所起的总体作用也都是促进作用，这和中国自2000 年后房价随着经济增长与城市化建设不断推进而普遍攀升的现实相吻合。然而从模型II 和模型III 来看，城市化水平在后一阶段呈现出与前一阶段较大的差异，信贷扩张也呈现出类似的现象，但是居民收入与土地价格在前后两个阶段没有发生较大的差别；同时，从模型IV 的结果来看，引入的区域虚拟变量对城市化进程的驱动效应也起到了显著的作用，表明城市化进程的驱动效应在不同的区域存在较大的差异，即存在显著的“时空异质性”。

3.基于GTWR 的城市化进程影响房价的演化模型结果分析

在分析城市化进程对房价驱动效应的时空异质特征前，首先需要对区域房价演化的空间相关性进行分析。基于中国30 个省份自2006 年至2021 年的相关数据，本文采用全局Moran’s I 指数对房价演化过程的空间相关性进行分析。经计算，可得房价演化过程的全局Moran’s 为0.203，具有显著的空间相关性，这表明我国城市化进程对房价驱动的演化过程中，存在区域之间的互动作用，忽略城市化进程对房价驱动演化过程的空间效应，将会对城市化进程对房价驱动效应的分析结果产生偏误。

由于区域房价演化具有显著的空间相关特征，而且存在显著的阶段性差异和区域性差异。因此，传统的计量经济学模型对于分析这种具有阶段性和区域性差异的房价演化问题，具有较大的局限性。如果希望能够对城市化进程对房价驱动效应进行合理的测度，同时又能够使其时空异质特征得到很好的体现，采用时空地理加权回归（GTWR）模型，就可以较好地解决这一问题。因此，本文采用GTWR 模型对城市化进程对房价影响模型进行估计，以刻画城市化进程对房价驱动效应的时空异质特征。基于GTWR 模型的估计结果如表3 所示。

表3 基于GTWR的城市化进程对房价演化影响模型估计结果及其统计特征

表3 的结果反映了具有时空异质性的城市化进程对房价演化影响模型参数的平均水平，从统计结果来看，与OLS 的估计结果具有一致性，总体上看，城市化水平对房价上涨依然是主要因素，其次居民收入也是关键因素，土地价格和信贷扩张的驱动效应相对较低。然而参数结果的方差也显示了参数具有较大的异质特征，显示了各因素对房价演化的驱动效应存在较大的时空非平稳性，也表明了GTWR 相比OLS 而言，能够较好的挖掘城市化进程对房价演化驱动效应的时空异质特征。

4.城市化进程对区域房价驱动效应的时空异质特征分析

从按区域划分的情况来看，城市化进程对房价演化影响效应的异质特征显著存在；从以2012 年为分界点对房价演化进行阶段划分的情况来看，不同阶段的房价演化情况也存在显著的差异。具体的参数结果如表4 所示。

表4 不同区域和阶段的城市化进程对房价演化的平均驱动效应

城市化水平的提升对房价具有非常显著的驱动作用，这种驱动作用在不同区域里显著存在，并且在后一阶段呈现提高的趋势。在前一阶段中，三个区域的城市化水平对房价的作用基本相近，但是在后一阶段，中部地区城市化水平的驱动效应的上升幅度超过了东部和西部地区，这一现象突出地显示了中部地区在我国城市化进程中承担了一定的人口转移承接作用，并且这种效应对房价存在的驱动作用较为显著。

在此基础上，本文进一步将城市化进程对房价演化驱动效应为正向效应的比例趋势计算出来，如图1 所示，东部地区和中部地区城市化水平的正向效应省际比例从低向高逐渐趋于稳定，而西部地区正向效应省际比例在逐渐减少。

图1 各区域城市化进程影响房价演化的正向参数比例演变趋势

除了分析城市化进程对区域房价驱动的正向效应在时间上的演变趋势，进一步可从各省份在两个阶段中的正向效应年份比例进行分析，如图2 所示。图2 显示了各省份城市化水平的正向效应比例在后一阶段均有所提升，表明了后一阶段城市化进程在各区域对房价的驱动效应都在显著增强，这也与我国在后一阶段的区域发展与房地产市场快速膨胀的现实吻合。这进一步从正向参数的比例验证了上述的分析。

图2 各省份城市化进程驱动房价演化的正向效应比例

四、结论与政策建议

本文针对我国区域房价演化问题，首先识别了我国区域房价演化的主要驱动因素，构建城市化水平对区域房价演化影响的回归模型，然后利用OLS 方法和GTWR 方法对城市化水平对区域房价影响回归模型的进行参数估计，并结合回归结果，对城市化水平对区域房价演化的驱动效应的时空异质特征进行了识别，并对城市化水平对区域房价演化的驱动效应的异质性演化过程进行了深入的分析。结果显示：（1）从我国区域房价演化的总体情况来看，近十几年来我国快速发展的城市化进程是区域房价演化的重要驱动力；（2）从局部情况来看，城市化水平对区域房价演化的驱动效应具有显著的时空异质特征；城市化水平对房价的演化起到显著的正向效应，其中中部地区的城市化水平对房价所起的作用显著高于东部和西部地区。基于本文的研究结论，可以提出相应的政策建议。

第一，面对城市化水平提升带来的房价压力，政府应从以下两方面实现区域房价的总体调控。一方面，应在当前“新常态”经济发展转型升级形势下，协调政府、消费者、房产开发商、房产销售商和商业银行等多元经济主体的利益，合理构建房地产市场稳定发展的长效机制，通过科学合理的机制设计来避免房价出现大幅上涨的情况。另一方面，应通过实现“保障性住房”等政策，优化空间布局，通过提高空间容纳能力、改善房屋宜居水平等方式，对城市化进程中人口过度集聚带来的房价压力进行缓解。

第二，由于城市化水平对区域房价演化的驱动效应存在时空异质特征，因此，对于缓解不同区域城市化水平对房地产市场带来的压力，应该采取因地制宜的区域差异化调控措施，不宜对区域房地产市场进行“一刀切”，采取同质的调控措施，要注重区域之间的差异化调控实现区际之间的有机协调，促进区域房价的平稳运行，使区域房价的演化发展符合中国区域经济高质量发展的全局目标。

注释：

①除了港澳台地区，由于西藏数据缺失较为严重，故也未包含在内。

②根据我国对区域的划分，以以北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、山东、广东和海南等省份作为东部地区，以山西、安徽、江西、河南、湖北、湖南等省份作为中部地区，以内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆等省份作为西部地区。