房地产职称论文发表房价时空特征与影响机制

 　　本文构建了贝叶斯时空层次非线性模型和贝叶斯分域时空回归模型，并用该模型研究了 2002-2015 年中国 35 个主要城市住宅商品房价格时空演变规律和影响机制，通过研究新发现：(1)2002-2015 年，35 个主要城市的房价表现出高层级房价强增加和低层级房价弱增加的持续上涨模式，房价两极分异愈 发严重;(2)除南京和深圳外，其他 10 个热点城市和靠近东部的 5 个温点城市房价的强增加速度在减弱。

　　《中国房地产业》杂志是中华人民共和国住房与城乡建设部主管、中国房地产业协会主办的唯一一本国家级房地产行业综合性月刊。2013年1月，《中国房地产业》杂志全新改版。秉承“国家视野行业权威”的办刊理念，新版杂志着力打造中国房地产行业第一媒体。

　　除重庆和成都外的 7 个冷点城市和靠近西部的 9 个温点城市房价的弱增加速度在增强;(3)在所考虑的影响 因素中，职工工资收入对房价的影响最为显著，产业结构的影响在东中西部基本相当，经济发展、人口密 度和人口流动对房价的影响存在显著的地区差异。

　　0 引言

　　住房制度改革的实施和城镇化进程的加快，共同促进了中国房地产市场的快速发展。房地产业吸引了 大量投资资金，已成为很多城市的主要财政来源，甚至成为了地方支柱产业，对城市社会经济和居民生活 产生了巨大影响[1]。近 10 多年来，住宅商品房市场表现尤其活跃，市场价格(以下简称“房价”)一直保持 持续上涨态势[2]，特别在一线发达城市表现尤为明显。房价问题是国民经济领域中的重大问题，不仅影响着 社会经济的健康持续发展，而且直接与民生紧密相关。就全国范围而言，不同城市的房价高低及变化趋势 存在显著的空间差异，影响机制也表现出明显的区域特征，科学认识房价时空演变特征和影响机制的区域 差异具有重要的理论意义，也可为制定房地产调控政策和推进房地产市场健康发展提供实证参考。

　　1 文献综述

　　中国房价问题一直是学界和社会关注的热点问题，不少学者对此进行了研究，与本文研究主题相关的 文献主要有两类：一是房价变化的影响因素分析，二是房价分布的空间特征或区域差异研究。

　　在影响因素研究方面，徐建炜等[2]以国家为分析单元，重点研究了人口结构对房价上涨的影响，认为少 年抚养比和老年抚养比对房价上涨分别具有促进和抑制作用;刘丹等[3]利用面板数据模型对中国东部和中部 25 个主要城市的房价和居民收入协整关系进行了研究。王文雯等[4]利用固定效应和随机效应模型，分析了 人口结构、收入分配和经济政策对房价的影响机制，其研究表明城市化率和老年人口抚养比对房价分别具 有正向影响和负向影响，收入差距对房价上涨具有促进作用;孙静[5]利用回归模型分析了 2001-2011 年 35 个主要城市房价影响因素，表明城市房价的主要影响因素是城镇居民可支配收入，交通便利性、外来常驻 人口规模、城镇居民富裕程度等;范允奇等[6]基于 2000-2010 年省级房价同比指数数据，用动态面板数据模 型分析了房价影响因素的区域差异，认为人口增长并非房价上涨致因，收入和房租对房价的影响存在区域 差异。上述房价影响因素研究大都采用基于经典统计的普通回归模型或面板数据模型，有的也分析了影响 机制的区域差异，却是以各个分区域数据独立进行回归分析，并没有考虑不同区域之间的空间相关性。

　　在房价空间差异研究方面，陶学良[7]利用简单的位序——规模法则分析了 2005 年中国 35 个主要城市房价的差异;田成诗[8]利用空间自相关法分析了 1999-2010 年中国省域房价的空间集聚特征;张谦等[9]采用空间分析探索性工具研究了 2002-2013 年中国 35 个主要城市房价的空间分布特征，发现中国房价存在显著的 时间和空间滞后效应。目前关于房价区域差异的研究多是基于面板数据模型，得出的研究结论比较粗略， 没有给出深入系统的时空演变规律。另外，在一个时空过程中，在某一时点的某一空间位置上，难以做到 重复抽样，不能满足经典统计框架下的大样本前提;同时，根据“地理学第一定律”[10]，对于临近的时空位 置而言，一般存在着时空相关性，这再次打破经典统计的独立同分布假设，因此，在研究时空现象时，经 典统计模型的前提条件得不到满足，其统计推断结论的可靠性受到质疑，而贝叶斯统计模型通过引入先验 信息，有效解决了时空现象中的小样本和时空相关性等问题。本文首次利用贝叶斯时空统计模型研究中国 35 个主要城市房价的时空变化规律和影响机制，并构建了贝叶斯分域时空模型，实现了利用贝叶斯统计方 法研究时空现象中的时空演化过程和分域影响机制刻画，该模型进一步丰富了时空统计分析领域中的方法 体系，通过该模型，可以更加细致地刻画时空现象，并得出相对丰富和精细的结果，能为社会经济管理实践活动提供更加具体可行的科学参考。

　　2 贝叶斯分域时空模型

　　本文构建的贝叶斯分域时空模型主要包括贝叶斯时空层次非线性模型和贝叶斯分域时空回归模型，前 者通过加入局部变化二阶因子项扩展了已有的贝叶斯时空层次线性模型，主要用于时空变化分析;后者充 分考虑了“空间非平稳性”和空间滞后效应，实现了对各局部区域影响关系的分析研究。

　　2.1 贝叶斯时空层次非线性模型

　　贝叶斯时空层次非线性模型是在已有的贝叶斯时空层次线性模型[11]基础上扩展而得，兼具贝叶斯层次 模型和时空交互模型的特点，通过加入局域变化二阶项，以描述时空演化特征中局部速度的变化，即加速 度，可以更加精细地描述时空变化过程。有关贝叶斯时空层次模型的基础理论本文作者已在相关文献[11]中 作了详细介绍，另外，王晓荷和田茂再[12]对此也有进一步的说明，本文不再赘述。需要指出的是，国内贝 叶斯时空层次模型在社会经济领域中的应用非常少见，本文首次将原有模型扩展为非线性形式，并基于扩 展模型对中国主要城市房价时空演化规律进行分析研究。

　　2.2 贝叶斯分域时空回归模型

　　本文考虑不同空间分域信息和空间滞后效应，构建了贝叶斯分域时空回归模型，很好地解决了“空间非 平稳性”问题。一般传统回归模型是一种全局性回归模型，基本假设是自变量和因变量的影响关系在整个研 究区内保持平稳，得到的回归系数估计值是整个研究区内的平均状态，但“空间非平稳性”现象普遍存在，使 得传统回归模型不能科学反映影响关系的空间异质特征。而本文构建的贝叶斯分域时空回归模型，可以将 不同空间分域位置信息融入到模型中，模型会根据不同的空间分域，估计出适用于不同空间分域中的影响 系数，可以更加细致地刻画影响机制，估算出更加符合实际的结果。贝叶斯时空层次非线性模型专门用于 分析时空演变过程，而贝叶斯分域时空回归模型是专门用于分析时空变量之间的影响关系的，两者反映了 时空现象的两个不同方面，一起组成了贝叶斯分域时空模型。对于本文研究内容而言，中国的经济、社会 等发展状况在东中西部差异很大，位于不同区域的城市房价影响机制各异，通过贝叶斯分域时空回归模型 估算对应的影响系数。可以客观、科学地揭示不同区域城市房价的影响机制。

　　2.3 贝叶斯分域时空统计模型估计实现

　　贝叶斯时空统计模型具有复杂和高维数特点，传统的解析近似和数值积分方法往往会失效，而马尔科 夫链-蒙特卡洛(Markov chain Monte Carlo, MCMC)方法的提出很好的解决了这个问题。本文贝叶斯统计推 断计算通过 WinBUGS 软件编程实现。

　　贝叶斯统计推断的可靠性是通过判断 MCMC 计算结果的收敛性来实现的，如果由 MCMC 方法生成的 马尔科夫链收敛，则估算可靠[16]。本文采用两条 MCMC 链，每条链的迭代次数均设为 30 万次，其中 20 万 次为预烧期，10 万次为估算迭代次数;收敛性通过 Gelman-Rubin 统计参数[14]评估，其值越接近于 1，则收 敛性越好，本文估算结果对应的 Gelman-Rubin 参数值都在 0.999 到 1.01 之间，说明本估算结果可靠。

　　3 实证分析

　　3.1 数据说明与预处理

　　本文以 2002-2015 年的中国 35 个主要城市房价为研究对象。2002-2015 年的城市房价、职工平均工资、城市客运量等数据均来自于中国国家统计局网站, 2002-2014 年的 35 个主要城市的年度人均 DGP、第三产业产值比重、人口密度等数据均来自对应年份的《中国城市统计年鉴》。以上所有数据都定基在 2002 年，其 中，城市房价和职工平均工资用各城市所在省份 CPI 消除通胀因素;人均 GDP 采用 GDP 平减指数消除通 胀因素;各省份 CPI 和固定资产投资指数数据 2002-2014 年来源于各年份《中国统计年鉴》，2015 年数据来 自各省份 2015 年国民经济和社会发展统计公报。

　　3.2 描述统计

　　在近 14 年间，35 个主要城市的房价平均值均大于中位值，呈现出右偏态分布特征。最低值、25%分位 值、中位值、平均值、75%分位值和最大值等都呈现出稳定的递增趋势(表 1)。值得注意的是，极差、标 准方差和变异系数也逐年增加，分别从 2002 年的 4065、907 和 0.40 增加到 2015 年的 21552、4527 和 0.67， 这表明在研究期内 35 个主要城市房价的异质性在增强，两极分化现象越来越严重，以上基于描述统计的定性结论，后文将通过扩展的贝叶斯时空层次模型做进一步的量化，定量分析 35 个主要城市房价变化的两极分化现象，同时深入揭示其总体时空格局和局部变化特征。

　　4 结论和政策建议

　　本文通过增加二阶局部变化项扩展了已有的贝叶斯时空层次模型的分析能力，更加系统深入地分析了35 个主要房价的时空变化趋势，特别是每个城市的局部变化规律;另外，本文还构建贝叶斯分域时空回归模型，在考虑“空间非平稳性”的基础上地分析了 35 个城市房价在东中西部三个不同区域中 5 类影响因素的 各自不同的分域影响机制。模型主要实证结论有：东部城市房价上涨速度快于中部和西部城市，35 个主要 城市房价现已形成东中西部的阶梯状空间格局，本文选取的 5 类影响因素都对房价具有正向影响，上述结 论与现有研究所得结论是一致的。在此基础上，本文还得出一系列更加系统和深入的新结论：第一，在 2002-2015 年间，35 个主要城市的房价上涨表现出高值强增加，低值弱增加的特征，使得 35 个主要城市房价的两极分异现象越来越明显;第二，北京、天津等 12 个热点城市中，除沈阳以外，兼具有高房价等级和 强增加趋势，14 个温点城市中房价层级较高的合肥、福州、南昌和济南等具有强增加趋势，其余 10 个城市 具有弱增加趋势，9 个冷点城市中除重庆和成都具有强增加趋势外，其他 7 个冷点城市都呈弱增加趋势;第 三，除南京和深圳外，其他 10 个热点城市房价的增加趋势在减缓，靠近西部的 9 个温点城市的增加速度具有增大的趋势，靠近东部的 5 个温点城市的增加趋势将会减缓，除重庆和成都外，其他 7 个冷点城市的增 加趋势会得到较大的增强;第四，在所考虑的因素中，职工平均工资对房价的影响最为显著，在东部、中 部和西部的影响系数分别为 0.8751、0.9521 和 0.5230，第三产业比重影响程度在三个区域基本相当。另外， 人均 GDP、人口密度和客运总量对房价的影响关系在三个区域也表现出不同特征;第五，中部房价影响系 数主要为经济发展因素——职工工资收入、第三产业比重、人均 GDP 和客运总量，中部房价的主要影响因 素是居民富裕程度因素，西部表现出比中部复杂的影响机制，除职工工资收入以外，城市发达程度要素—— 人均 GDP 和人口密度也显著影响着房价。

《房地产职称论文发表房价时空特征与影响机制》

本文由职称驿站首发，您身边的高端论文发表学术顾问

文章名称： 房地产职称论文发表房价时空特征与影响机制

文章地址： http://www.zhichengyz.com/lunwen/jingji/jingji/36663.html