中国区域房地产销售价格β收敛的空间计量分析

中国区域房地产销售价格β收敛的空间计量分析年的商品房销售价格的统计数据，检验我国各省的商品房销售价格是否存在β表1北京、天津及安徽商品房销售均价增速3地区房价收敛研究的理论背景进一步的说，属于房价收敛、趋同包括连锁反应的范畴。Gussani(1991)通过相关性矩阵和格兰杰因果检验等方法证实了不同地区房价波动之间的因果关系。本文基于经济增长理论中β收敛性的研究方法进行我国各地区的房价收敛PPH(1)本利得的现值，也是预期中因投机而产生的利得，因而H是上一期房价增长率n因此，当投机部分的价值H影响较小的时候，即投机性不是很强的时候，房价的上涨完全是在基本经济面的推动下进行的。而基本经济面的一些关键指价的增速也会随之放缓，因此，当投机部分的价值H对房价影响较小的时候，而当投机部分的价值H对房价影响很大的时候，即房地产市场的投机度很，理信息技术的推广和相关的地理编码社会经济数据推动了处理地理数据特征的离权重；其次，对样本数据(因变量)做空间相关性的检验，一般采用Moran①空间权重矩阵。空间权重矩阵分为一阶空间权重矩阵和二阶空间权重矩之间的分为相邻距离、有限距离和负指数距离等。本文采用的是相邻距离的空间权重，ij=0，当区域i和j不相邻②空间自相关检验方法。运用空间计量方法的前提是因变量(在本文中是各I=i=1j=1i=1j=1i=1n型MWu(8)Anselin1988)提出了几个判断的标：在最后分析的结果中，表征空间相关的几个变量(包括Moran指数)，如果然对数似然函数值(Loglikelihood，LogL)、赤池信息准则(AkaikeinformationC稳健性，回归得到的空间权重矩阵系数(λ、ρ)必须处于空间SLMSEM地区哑变量来对比分析结果。本文采用的是截面数据的分析，为了更好的研究数据在时间段里的变化规2计量模型及变量设置根据前面的分析和要求，笔者先对各关键变量做几个设定，见公式(9)-(11)(9) 示地区的哑变量D，当数据来自比较发达的省域及直辖市时(笔者根据经济发展β值-0.064***-0.049***-0.102***-0.099***(显著性)F显著性β值(显著性)F显著性MoranII显著性MoranII显著性模型回归及选择滞后模型和空间误差模型的回归结果如表4所示：*β值(显著性)ρ值(显著性)AICβ值(显著性)λ值(显著性)AIC*滞后模型模型赖检验M年)里出现了显著的绝对β收敛，而之后的四个时间段，尽管空间误差模型比较表5后四个时间段加入地区哑变量的空间计量回归结果LMβ值(p值)D(p值)选择的模型ρ值/λ值(p值)AIC响格外大，因此在这一时间段里，DP项系数的显著性稍有下降，但总体而言，DP变量(表示地区哑变量和相应地区初始房价乘积项)的系数是显著的正值，因表6各个时间段收敛速度∕β值收敛速度β值DP系数发达速度其他速度议年)我国各省直辖市及自治区房价增速不存在空间相关性，且存在显著的绝对β收敛，即初始房价低的地区以更快的房价增长率趋同；为前几年房地产投机度还不大，房价基本是有基础房价决定的，而最近几年(本研究中是指最后四个时间段)由于部分地区房地产市场投机程度很大，因此破坏产市场收敛的机制，导致了房价差异增大。地产企业长期投资决策，对某地区房价长期的变动趋势的预测，也有一定意义。投机度和房价收敛之间的关系，但是没有设计严密的研究来进一步证实这个观J究，[16]王立平，任志安.空间计量经济学研究综述[J].湖南财经高等专科学校学报，