[来源][pzpg001][发表时间] 2023/02/07阅读次数：893次
 

_{摘要：本文选取 2005 年至 2019 年我国 31 个省份数据为研究对象，  评估公司,评估机构,房地产评估机构分析了我国住宅商品房价格的空 分布，在此基础上，从供给和需求两个角度 取了 6 个指 ，并采用空间杜 模型 一步探讨了影响我国住宅商品房价格的主要因素。 果显示：我国各省住宅商品房价格成高增 型的省份主要位于 部沿海地区，低增 型位于中西部地区，其分布存在 著的空 正相关性；空 聚集特征主要为“低 - 低”型，而常住人口、城 居民可支配收入、房地产开 企  置土地面积和房地产开 企 平均软件评估,资产评估,价值评估,企业资产评估从 人数 我国住宅商品房价格具有较为显著的影响。}

_{关  ：住宅商品房；空 分布；价格；影响因素}

_{中 分 号：F293.3         文献   ：Ａ}

_{文章 号：1005-913X（2022）09-0064-06}

_一、引言

_{自 1998 年以来，我国房地产行业逐渐成为中}

_{国国民  的支柱  ，住宅商品房作为房地产市场中的一种产品，其价格与人们生活 密相关，由于房地产行业发展不平衡，局部地区的住宅商品房价上涨快，在限购、限贷的情况下一些城市的房价 是呈上涨趋势，这给中低收入水平的居民带来了更大的购房压力以及存在潜在的住房泡沫危机。[1-4]为遏制房价的持续上涨，党的十九大 告提出：加快建立健全多渠道保障及租购、多主体供给并举的住房制度，并加快建立及完善房地产行 的制度，使其稳步健康发展。所以，分析我国住宅商品房价格的空 分布和价格的影响因素对房地产行 的调控具有重大意义。赵华平等人运用空  量分析技 分析了城市的宜居性对商品住宅价格的影响，发现我国的 35 个大中城市的住宅商品房价格有正空 相关性。[5]李佳等人通  GIS 技 研究西安市在售商品住宅的空 格局，发现其商品住宅价格在空 格局总体上呈 出由内向外的递减分布。[6]熊林华等人研究  ，成都市商品住宅价格呈 由中心向四周递减且外围区域部分突起的空 分布特征。[7]李文慧等人研究表明，兰州市的住宅价格呈}

_{区行政中心高，而周围低以及多极核分布特征，且影响其价格差异的主要因素是居住 境、交通条件和区位条件。[8]Qimeng Tao 等人利用 Matlab 和 SPASS  件分析了海南省住宅商品房价格的影响因素，其中竣工面积与商品房价格呈 相关。[9]Jiajia Ding 等人研究表明，人民币汇率 动与我国住宅商品房价格呈 相关，并提出了稳定人民币汇率、规范房地产市场的建 。[10]邓凯等人研究表明，我国中小城市的住宅商品房价格的由中心向四周递减，商业中心和学校是其重要的影响因素。[11]Yu Bai 等采用多重回 分析和面板回 分析表明，GDP、从业人员平均工资对该城市商品房平均 售价格有正向影响，而城市住宅商品房 售面积、城市人口与房价呈 相关关系。[12]杨双双等人运用灰色关联定理 I 和灰色关联定理 II 计算昆明市住宅商品房价格与其影响因素的灰色关联度，并建立了最优灰色 GM （2，1）模型拟合昆明市的住宅商品房价格，并预测未来昆明市的房价仍然会持续上升。[13]}

_{根据以上文献可见，研究成果主要分析了某些省份和城市的住宅商品房价格的空 分布和影响因素，但 于全国范 内住宅商品房价格的研究较少。于是本文将在已有研究的奠基下，进一步探究 取的我国 31 个省、市或自治区（不包含港澳台）的住宅商品房价格的空 分布和影响因素。}

_{二、研究方法与数据来源}

_{（一）研究方法}

_{1.Nich 指数}

_{Nich 指数[14]反映各省份在研究时段内相 于我国所有省份的住宅商品房价格提升速度，其计算公式如（1）式所示：}

_{Nich=        xit-xi0        （1）}

_{! !}

_Xt-X0

_{收稿日期：2022-04-09}

_{基金 目：2020 年重庆市教育委员会人文社会科学研究一般 目(20SKGH174)}

_{作者 介：杨佳玲(1997- )，女，四川自贡人，硕士研究生，研究方向：空   ；苏理云(1977- )，男，四川广安人，教授，博士，研}

_{究方向：空   。}

_{64 2022年第9 期}

_{其中，xit 表示第 i 个省份在研究时段末期的住宅商品房价格，xi0 表示第 i 个省份在研究时段初期}

_{! !}

_{的住宅商品房价格，而Xt，X0 分别表示全国所有省份在研究时段末期与初期的住宅商品房价格平均水平。}

_{2.全局空 自相关}

_{本文采用全局 Moran 统计量 各省份的住宅商品房价格进行检验，其公式如（2）所示：}

_（2）

_{其中，M  全局统计量，被称作 Moran＇sM 指数，}

_{，xi 表示第 i 个省份的}

_{住宅商品房价格，n 表示省份的数量，Wij 为空 权值矩 。M∈[-1，1]，当 M>0 时，存在空 正相关性；当 M=0 时， 不存在空 相关性；当 M<0 时，则存在空  相关性。}

_{那么 于全局 Moran 指数 M，可以构造统计量Z=（M－E（M））／S（M） 足正态分布，使用双侧检验来判断 n 个省份之 是否具有显著的空 自相关关系。[15]其中 E（M）表示全局 Moran 指数 M 的期望值，S（M）表示全局 Moran 指数的标准差。在给定显著水平下，当 Z>0 且显著 ，表示相似的住宅商品房价格在空 中呈聚集状态；当 Z<0 且显著 ，则表示相似的住宅商品房价格在空 中呈分散分布；}

_{当 Z=0 且显著 ，表示各省份的住宅商品房价格之间呈 随机分布。}

_{3.局部空 自相关}

_{由于全局 Moran 统计量是从整体上反映空 聚集特征，忽略了空 过程不稳定性，无法判断不同省份之 的聚集模式和聚集程度。[16]所以进一步使用局部 Moran 统计量来探究一个省份与其他相邻的省份在住宅商品房价格上的空 差异程度和其显著性，其公式如（3）所示：}

_（3）

_{其中，Zi，Zj 分别表示第 i 个省、第 j 个省的住宅}

_{商品房价格与其均值的偏差，即 Zi=xi-x，Zj=xj-x，Wij为标准化后的空 权值矩 。 于 定显著水平，}

_{BEIFANGJINGMAO经贸}

_北方

_{当 Mi>0，表示相邻省份之 存在正相关，相似值聚集；当 Mi<0，表示相邻省份之 存在 相关，不相似值聚集。}

_{4.空 杜宾模型}

_{根据 LeSage[17]等人的研究可知，空 杜宾模型（SDM）公式如（4）所示：}

_（4）

_{其中，yij 表示第 i 个省份的第 t 年的住宅商品房价格；xit 表示第 i 个省份的第 t 年的各个自变量； wij 为空 权重矩 ；ρ 为空 滞后系数；μi，λi，λit 分别为省、年份的固定效 和随机扰动项。}

_{（二）数据来源}

_{本文收集并整理了 2005 年至 2019 年我国 31 个省、市或自治区（不含港澳台）商品住宅房的平均 售价格来表示住宅商品房价格，以及用于研究其影响因素的常住人口、城镇化率等 6 个指标数据， 些数据均来源于国家统计局。空 权重矩 采用}

_{Rook 邻近准则[18]建立。}

_{三、我国各省住宅商品房价格的空 分布}

_{（一）我国各省住宅商品房价格的初步分析本节对我国 2005-2019 年 31 个省份的住宅商}

_{品房价格进行了描述性统 分析，如图 1 所示，北京市和上海市的住宅商品房价格的均值远远高于其他地区，其次浙江省、天津市、广东省、海南省、福建省和江苏省的均值也相对较大，除北京和上海市的标准差较大以外，其他地区的标准差相差不大。}

_{图 1 2005-2019 年 取我国各省住宅商品房价格趋势图}

_{（二）高增 型地区住宅商品房价格的分布特征我国各省份的住宅商品房价格的 Nich 值如表}

_{所示：Nich≥1 的住房商品房价格呈高增长型地区}

_{有 8 个，其中北京市、上海市、浙江省、海南省位居}

_{前四，天津市、广东省、福建省和江苏省 4 个地区的 Nich 值也均在 1.0 以上，主要位于东部沿海发达地区，而有 23 个地区的 Nich<1，属于低增长型，主要位于}

_{2022年第9期     65}

_N市  

_{ORTHERN ECONOMY AND TRADE}

_{表 1 2005-2019 年各省份住宅商品房价格提升 度 Nich 值}

_{省份名称      Nich 指数  省份名称      Nich 指数  省份名称      Nich 指数}

_{北京市         4.1000       河北省         0.7636       山西省         0.6123}

_{上海市         3.3323       云南省         0.7634       内蒙古自治区        0.5997}

_{浙江省         1.5665       西藏自治区   0.7425       广西壮族自治区     0.5863}

_{海南省         1.5575       四川省         0.7421       河南省         0.5739}

_{天津市         1.4529       山东省         0.7408       湖南省         0.5645}

_{广东省         1.2662       江西省         0.7336       新疆维吾尔自治区  0.5461}

_{福建省         1.0677       宁省 0.7111       贵州省         0.5301}

_{江苏省         1.1088       青海省         0.7100       甘 省 0.5135}

_{陕西省         0.8726       吉林省         0.7080       宁夏回族自治区     0.4895}

_{重 市 0.8535       黑 江省       0.6924}              

_{湖北省         0.8260       安徽省         0.6727}              

_{在中西部地区。                       本文以 2005、2010、2015、2019 年为时间节点}

_{（三）全局空 聚集效应             来 一步考察我国 31 个省份住宅商品房价格在空}

_{本文计算并检验了 取我国 31 个省份的住宅  上的聚集特征，利用局部空 自相关的分析方}

_{商品房价格的全局 Moran＇sM 统计量，以衡量高、低    法，绘制了我国住宅商品房价格的 Moran＇sM 散点}

_{聚集的情况，如表 2 所示，2005—2019 年我国各省份  图，如图 2 所示：该图为把坐标轴调至中心， 致在}

_{住宅商品房价格的 Moran＇sM 通 了显著性  ，且        绘图时第一象限未完全显示出与其他 相差较大}

_{其值都大于零，表明我国的住宅商品房价格在全局     的地区（详见表 3），从图中可以看出均呈正相关，且}

_{范 内有正空 相关性，且呈较强的空 集聚特征。      大多数省份落于第三象限，呈“低—低”型的聚集，这}

_{（四）我国各省住宅商品房价格局部聚集特征  与全局空 自相关性分析 果一致。}       

_{表 2 2005 年 -2019 年各省份住宅商品房价格  量}

_{年份   Moran’s M       P 值  Z 统计量     年份   Moran’s M       P 值  Z 统计量}

_{2005 0.3353       0.0003       3.39  2013 0.3262       0.0003       3.39}

_{2006 0.3606       0.0002       3.58  2014 0.3148       0.0005       3.31}

_{2007 0.3090       0.0006       3.25  2015 0.2691       0.0001       2.97}

_{2008 0.3021       0.0006       3.24  2016 0.2717       0.0012       3.03}

_{2009 0.3294       0.0002       3.16  2017 0.2792       0.0006       3.22}

_{2010 0.3070       0.0006       3.24  2018 0.2568       0.0016       2.94}

_{2011 0.3620       0.0001       3.62  2019 0.2374       0.0032       2.72}

_{2012 0.3443       0.0002       3.53}                           

_{为了使图 2  果更加清晰，于是将  2 进一步 四、我国各省住宅商品房价格的影响因素分析}

_{整理，如表 3 所示：北京市、海南省、福建省、上海 （一）指 选取}

_{市、浙江省、天津市和江苏省 7 个地区一直处于      本文将我国住宅商品房平均 售价格作为因}

_{“高—高”型，这表明我国东部沿海大部分地区的住   变量，从需求和供给两个角度， 取 31 个省、市或}

_{宅商品房价格呈 “高—高”型；江西省、河北省一直 自治区在 2005-2019 年的常住人口和城镇化率等 6}

_{表 为“低—高”型，广东省也一直表 为“高—低”       个变量作为自变量（如表 4 所示）。}

_{型；2005 年后，安徽省由“低—低”型 变为“低—高”        （二）数据的相关性分析}

_{型， 宁省同 由“高—低”型 变为“低—低”型；广     本文使用 Pearson 相关系数，来衡量 4.1 节中选}

_{西自治区、四川省和河南省等 19 个地区一直处于    取的 6 个指 之 的线性相关程度，并用关 矩}

_{“低—低”型，这表明我国中西部地区主要呈 “低— 展示，如图 3 所示：对角线上呈 的是自变量的分}

_{低”型，也是我国住宅商品房价格存在的显著特征。    布图，下三角区域 呈 的是含有拟合线的双变量}

_{66 2022年第9 期}

_{BEIFANGJINGMAO经贸}

_北方

_{图 2 2005-2019 年我国各省份住宅商品房价格的散点图}

_{表 3 2005-2019 年局部Moran＇sM 散点   的地区}

_{年份   高-高型       低-高型       低-低型       高-低型}

_{2005 年     北京 海南福建上海 河北 江西安徽       广西四川河南黑 江内蒙古山东 湖南吉林甘 湖北       宁}

         _{浙江 天津 江苏              陕西重  山西西藏云南青海 贵州宁夏新疆      广东}

_{2010 年     北京 海南福建上海 江西河北      安徽 宁广西四川河南黑 江内蒙古山东 湖南吉林       广东}

         _{浙江 天津 江苏              甘 湖北 陕西重  山西西藏云南青海 贵州宁夏新疆}  

_{2015 年     北京 海南福建上海 江西河北      安徽 宁广西四川河南黑 江内蒙古山东 湖南吉林       广东}

         _{浙江 天津 江苏              甘 湖北 陕西重  山西西藏云南青海 贵州宁夏新疆}  

_{2019 年     北京 海南福建上海 江西河北      安徽 宁广西四川河南黑 江内蒙古山东 湖南吉林       广东}

         _{浙江 天津 江苏              甘 湖北 陕西重  山西西藏云南青海 贵州宁夏新疆}  

                          _{散点图，而以上三角区域显示的是两两变量之 的}

                          _{Pearson 相关系数以及显著性水平。其 果表明，常}

                          _{住人口（X1）、城镇居民可支配收入（X2）等 6 个变量}

                          _{之 存在着不同程度的线性相关关系，且大部分变}

                          _{量之 的相关关系都较为显著。}   

                          _{（三）数据的平稳性检验} 

                          _{对不平稳的数据进行回 ，容易造成伪回 ，}

                          _{影响 果的准确性。于是本文使用 ADF 和 KPASS}

                          _{来判断数据的平稳性， 果如表 5 所示：两种检验}

                          _{方法的 P 值都很小，可以拒绝原假 ，认 数据是}

         _{图 3 变量之 的关 矩     平稳的，接下来就可以对其进行回 分析。}

_{2022年第9期     67}

_N市  

_{ORTHERN ECONOMY AND TRADE}

_{表 4 各 量符号及含}

_{类型   简称   含义   位}

_{因变量         Y      住宅商品房平均 售价格    元/平方米}

_{需求   X1    常住人口      万人}

_{需求   X2  城镇居民可支配收入        元}

_{需求   X3    城镇化率      %}

_{供给   X4  房地产开 企业购置土地面积  万平方米}

_{供给   X5  房地产开 企业平均从业人数       人}

_{供给   X6  房地产开发住宅投资额     亿元}

_{表 6 模型估计 果}

_{简称   SDM SEM SAR}

_{log(X1)      -0.7579*** -0.2829*    -0.2446*}

         _{(-4.0512)   (-1.7886)   (-1.7623)}

_{log(X2)      0.2389*     1.0158***  0.7318***}

         _{(1.8170)    (21.1395)  (11.2283)}

_{log(X3)      -0.1354     -0.1784     -0.1722}

         _{(-0.7539)   (-1.1504)   (-1.2838)}

_{log(X4)      0.0328***  0.0228**    -0.0247**}

         _{(3.0566)    (2.0137)    (-2.2185)}

_{log(X5)      -0.0673**  -0.0466     -0.0542*}

         _{(-2.0604)   (-1.3993)   (-1.6501)}

_{log(X6)      0.0220       0.0305       0.0249}

         _{(0.9596)    (1.3009)    (1.1059)}

_{W*X1        1.4327***}          

         _(4.8430)            

_{W*X2        0.5501***}          

         _(3.6756)            

_{W*X3        0.0142}              

         _(0.0503)            

_{W*X4        0.0090}              

         _(0.4521)            

_{W*X5        -0.2604***}         

         _(-4.2908)           

_{W*X6        0.0390}              

         _(1.0197)            

_{Log-  758.7979   723.0961   729.5814}

_{LR             620.2187***       634.7522***}

_{R2    0.9699       0.9620       0.9663}

_{注：括号内为 t 统计量；***、**、* 分别表示在 1%、5%、10%水平下的显著性。}

_{（四）模型估  果及描述}

_{1.模型估计 果}

_{根据表 6，空 自回 模型（SAR）和空 误差模型（SEM）的LR   均显著，表明SDM模型不能退化至 SAR 和 SEM 模型。SDM 模型的 Log-likelihooh}

_{和R2 的值均大于它 ，表明SDM模型拟合效果最优。从表 6 得知，X1 及 X5 于 1%的水平上显著为}

_{表 5 数据的 位根   果}

_{变量   ADF                   KPSS}

         _{T 统计量值  P 值  Z 统计量值 Z 统计量值}

_{Y      -6.4363     <<0.01      44.8410     <<0.01}

_{X1    -6.5426     <<0.01      40.4650     <<0.01}

_{X2    -5.1568     <<0.01      49.6340     <<0.01}

_{X3    -5.8525     <<0.01      47.8980     <<0.01}

_{X4    -7.2169     <<0.01      12.9450     <<0.01}

_{X5    -6.7605     <<0.01      36.2280     <<0.01}

_{X6    -5.5507     <<0.01      41.0730     <<0.01}

_{正，X2 及 X4 在至少 10%的水平上显著为负，X3 和 X6 的影响不显著，然后在引入空 权值矩 后，X1、X2 和 X5仍具有显著的影响，其他三个变量的影响均不显著，这表示在考 空 相关性后，常住人口、城镇居民可支配收入和房地产开 企业平均从业人数 我国住宅商品房价格的影响均较为显著。}

_{2.空 效应分解}

_{为深入探究各个自变量对我国住宅商品房价格的直接和间接作用，遂对变量进行效应分解（结果如表 7 所示）。}

_{从表 7 可以看出，X1 的直接效应系数显著为负，间接效应显著为正，表明常住人口的增加会抑制本地住宅商品房价格上升，但也能有效促进周边地区住宅商品房价格上升，可能由于常住人口一般有稳定的住 ， 购房需求相对较小，供大于求往往 致住房价格下降。}

_{X2 的直接效应系数、间接效应系数和 效应系数均显著为正，表明城镇居民可支配收入的提高会促 本地区及周围地区的住宅商品房价格的上升，可能原因是居民收入增加， 改善住房的需求变大，供不应求，从而引起住房价格上升。}

_{X4 的直接效应系数和 效应系数显著为正，但间接效应系数不明显，表明房地产企业购置的土地面积越多越能促 本地的住宅商品房价格上升，但对周边地区的住房价格影响不大。可能是由于在本地购置大量的土地面积增加了建造住房的成本，从而往往需要抬高住房价格，追求更大的利润空 。}

_{X5 的直接效应系数、间接效应系数和 效应系数均显著为负，表明房地产企业平均从业人数越多会抑制本地区及周围地区的住宅商品房价格的上升，可能原因是房地产企业之 的强烈 争关系引}

_{68 2022年第9 期}

_{BEIFANGJINGMAO经贸}

_北方

_{表 7 空 效 分解 果}

_{变量名称      X1    X2    X3    X4    X5    X6}

_{直接效应      -0.6818*** 0.2790**    -0.1399     0.0344***  -0.0861**  0.0250}

         _{(-3.8022)   (-2.2135)   (-0.8038)   (-3.1180)   (-2.6623)   (1.0850)}

_{间接效应      1.6082***  0.7922***  -0.0284     0.0229       -0.3598*** 0.0569}

         _{(4.4944)    (5.3926)    (-0.0876)   (0.9120)    (-4.4901)   (1.1697)}

 _{效应 0.9263***  1.0712***  -0.1683     0.0573*     -0.4459*** 0.0820}

         _{(3.0051)    (11.7623)  (-0.6350)   (1.9613)    (-4.8149)   (1.4965)}

_{注：括号内为 t 统计量；***，**，* 分别表示在 1%、5%、10%显著水平下的显著性。}

_{起住房价格下降。}

_五、结语

_{我国高增长型的住宅商品房价格主要位于东部沿海地区，即有北京市、浙江省、天津市、上海市、江苏省、福建省、海南省、广东省，而我国中西部地区属于低增长型地区，共 23 个。我国住宅商品房价格在全局范 内存在正空 相关性，空 分布的集聚特征主要为“低－低”型。我国住宅商品房价格的重要影响因素有：常住人口、城镇居民可支配收入、房地产开 企 的平均从业人数和购置土地面积。 更好地合理 控不同地区的房价，做到真正意义上的住有所居，可以考 从 四个影响因素来控制房价过快上涨，预防住房泡沫危机，同时加 房地产行业监管，避免投资过热阻碍市场高效运行。}

_{参考文献：}

_{[1] 李永刚.商品房价格影响因素比 研究[J].  社会体制比 ，2018(2):20-31.}

_{[2]  赵志君，罗红云.我国房地产市场的特征与定价机制剖}

_{析[J].财会月刊，2019(12):106-112.}

_{[3]   健华，杜 程，刘 程，张劲帆.基于因子模型的商品}

_{房住宅价格机制研究 [J].中国软科学，2020(7):147-156. [4] 张 浩，陈立文.基于非均衡理 的住宅商品房市场有}

_{效供求失衡分析[J].  与管理，2019(4):86-92.}

_{[5] 赵华平，张所地.城市宜居性特征 商品住宅价格的影响分析—基于中国 35 个大中城市静态和动态空 面板模型的实证研究[J].数理统计与管理，2013(4):706-717.}

_{[6] 李 佳，杨新 ，舒 桐.住宅空 分异特征分析及区域价值研究—以西安市 2011 年开盘在售商品住宅为例[J].干旱区地理，2014(1):170-178.}

_{[7] 熊林华，张 军，吴健平.基于房产网站数据的商品住宅价格空 分布研究—以成都市为例[J].测绘与空 地理信息，2015(9):150-152+154.}

_{李文慧，韩 惠.兰州市商品住宅价格的空 分异规律}

_{[J].测绘科学，2018(2):45-50.}

_{[9]     Qimeng Tao. Analysis of Commodity Housing Price Based on Partial Least Squares Regression [J]. Academic Journal of Computing & Information Science,2019 (3): 2616-5775.}

_{[10] Jiajia Ding, Yunqi Ren. Research on the Relationship between Exchange Rate Change and Commodity Housing Price [J]. Scientific Journal of Economics and Management Research,2020(4):49-55.}

_{[11] 邓 凯，朱世泉，潘生威.中小城市商品住宅价格空}

_{分异特征及影响因子研究 [J]. 黑 江工程学院学报，}

_{2020(4):16-24.}

_{[12] Yu Bai,Bai Yu. Research on Influencing Factors of Average Sales Price of Residential Commercial Housing in Major Cities of China[J]. IOP Conference Series: Earth and Environmental Science,2020(1):1-5.}

_{[13] 杨双双，李兴平.基于灰色 GM(M，N)的昆明市住宅商品房价格分析 [J]. 云南 范大学学报：自然科学版，}

_{2021(2):22-26.}

_{[14] 赵春艳，毛腊梅，谢国根.中国省域农村人力资本的空间格局及其影响因素—基于空 杜 模型的实 考察[J].吉林工商学院学报，2021(1):65-73.}

_{[15] 苏理云，柳 洋，彭相武.中国各省离婚率的空 聚集}

_{及 空格局演 分析[J].人口研究，2015(6):74-84.}

_{[16] Lee J,Li S.Extending Moran's Index for Measuring}

_{Spatiotemporal Clustering of Geographic Events [J].}

_{Geographical Analysis, 2017(1):36-57.}

_{[17] Lesage J,Pace R K.Introduction to Spatial Econometrics[J].}

_{rei, 2008(123):19-44.}

_{[18] Getis A.Spatial Weights Matrices [J]. geographical analysis, 2009(4)404-410.}

_{［ 任  ：王 旸］}

_{2022年第9期     69}