梁秋霞,陳漢清,楊翠翠,沈曉芳

(安徽工業(yè)大學(xué) 工商學(xué)院, 安徽 馬鞍山 243002)

房地產(chǎn)市場(chǎng)泡沫、羊群效應(yīng)及空間擴(kuò)散

梁秋霞,陳漢清,楊翠翠,沈曉芳

(安徽工業(yè)大學(xué) 工商學(xué)院, 安徽 馬鞍山 243002)

本文利用我國(guó)東部、中部和西部2010-2016年的面板數(shù)據(jù),首先用多元回歸求出房地產(chǎn)泡沫,其次基于系統(tǒng)廣義矩估計(jì)和實(shí)際政策決定斷點(diǎn)測(cè)度出羊群效應(yīng),最后通過LM檢驗(yàn)驗(yàn)證羊群效應(yīng)對(duì)房地產(chǎn)泡沫在空間上的擴(kuò)散效應(yīng).結(jié)果顯示全國(guó)房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)房地產(chǎn)泡沫的影響存在著空間擴(kuò)散.

房地產(chǎn)市場(chǎng)；泡沫；羊群效應(yīng)；空間擴(kuò)散

0 引言

過去十年,中國(guó)樓市是在經(jīng)濟(jì)學(xué)家謝國(guó)忠“一路唱空”的神預(yù)測(cè)下,屢創(chuàng)新高.房地產(chǎn)是長(zhǎng)周期,終究要遵從“天下沒有不破的泡沫”的規(guī)律.經(jīng)濟(jì)學(xué)家魯?shù)细瘛ざ喽鞑际惨苍f過“危機(jī)到來所用的時(shí)間比你以為的久得多,然后它發(fā)生的速度又比你以為的快得多”.目前一線城市房地產(chǎn)的“租金收益率”已經(jīng)低于余額寶收益率,這意味著房地產(chǎn)早已脫離了“價(jià)值投資區(qū)間”,投資者為了有利可圖促使房?jī)r(jià)不斷飆升,這樣不斷膨脹的房屋價(jià)格對(duì)實(shí)體經(jīng)濟(jì)會(huì)有相當(dāng)大的危害性.面對(duì)高速膨脹的房屋價(jià)格,最佳策略是把房屋增長(zhǎng)的速度限制在收入增長(zhǎng)的速度以下,為了應(yīng)對(duì)這一問題,除了從理論金融的要素實(shí)證分析,還要從行為金融領(lǐng)域著手.在研究過程中學(xué)者們還提出金融領(lǐng)域的空間聯(lián)動(dòng)效應(yīng).本文將著眼于行為金融領(lǐng)域的羊群效應(yīng)與房地產(chǎn)泡沫的空間聯(lián)動(dòng)的實(shí)證研究.

1 文獻(xiàn)綜述

在對(duì)房地產(chǎn)市場(chǎng)泡沫的研究中,主要是通過指標(biāo)法、統(tǒng)計(jì)檢驗(yàn)法和理論價(jià)格法這三種方法檢測(cè).房地產(chǎn)泡沫的測(cè)度方法各有利弊.孫焱林等[1]選取了簡(jiǎn)單指標(biāo)法、綜合指數(shù)法和市場(chǎng)供求法等七種方法對(duì)上海市2003—2011年房地產(chǎn)泡沫度進(jìn)行實(shí)證研究.張玉雙[2]通過指標(biāo)法、因素回歸法和局部均衡法研究了我國(guó)各地區(qū)2004—2012年的房地產(chǎn)價(jià)格泡沫情況,其結(jié)果表明三種方法測(cè)度出來得結(jié)果具有一致性.

房地產(chǎn)市場(chǎng)中的羊群效應(yīng)是指購房者由于無法掌握充分的市場(chǎng)信息,又受到其他主體和輿論的影響,于是追隨群體選擇購房.柯昇沛等[3]借鑒Chang等提出的CSAD方法,并根據(jù)我國(guó)房地產(chǎn)市場(chǎng)的實(shí)際情況構(gòu)建模型，然后用全國(guó)二十七個(gè)省市的面板數(shù)據(jù)進(jìn)行驗(yàn)證.譚術(shù)魁等[4]利用二十七個(gè)省級(jí)行政區(qū)在市場(chǎng)繁榮期、市場(chǎng)調(diào)整期的面板數(shù)據(jù),對(duì)羊群效應(yīng)比較測(cè)度,得出羊群效應(yīng)在全國(guó)范圍內(nèi)普遍存在,且和所在地區(qū)的市場(chǎng)信息環(huán)境和政策導(dǎo)向有關(guān).鞠方等[5]通過Hwang和Samlton羊群效應(yīng)測(cè)度方法及EGARCH模型,基于2013年第一季度到2014年第三季度三十個(gè)省市房地產(chǎn)銷售價(jià)格數(shù)據(jù)進(jìn)行研究,表明全國(guó)房地產(chǎn)市場(chǎng)存在著羊群效應(yīng).

本文在研究房地產(chǎn)市場(chǎng)泡沫、羊群效應(yīng)的基礎(chǔ)上,進(jìn)一步研究羊群效應(yīng)對(duì)房地產(chǎn)市場(chǎng)泡沫影響的空間擴(kuò)散.洪濤等[6]以房地產(chǎn)泡沫為研究對(duì)象,首先對(duì)我國(guó)三十五個(gè)大中城市2000—2005年的房地產(chǎn)泡沫進(jìn)行測(cè)度,對(duì)其殘差進(jìn)行CSD檢驗(yàn),實(shí)證結(jié)果表明了不同城市間房地產(chǎn)泡沫相互影響.苑德宇等[7]基于CD統(tǒng)計(jì)量對(duì)我國(guó)各區(qū)域城市間房地產(chǎn)泡沫度的相關(guān)性進(jìn)行驗(yàn)證,結(jié)果顯示房地產(chǎn)泡沫在區(qū)域內(nèi)和區(qū)域間存在相關(guān)性.鄧韜等[8]構(gòu)建了GVAR模型,利用三十五個(gè)大中城市2002—2010年的季度數(shù)據(jù)對(duì)我國(guó)商品房?jī)r(jià)格的區(qū)域擴(kuò)散效應(yīng)進(jìn)行分析,得出我國(guó)房地產(chǎn)價(jià)格從東部向西部擴(kuò)散.

本文分別測(cè)度出房地產(chǎn)泡沫度與羊群效應(yīng)值,在此基礎(chǔ)上驗(yàn)證全國(guó)房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)房地產(chǎn)泡沫的影響是否存在著空間擴(kuò)散.本文為政府調(diào)整房地產(chǎn)市場(chǎng)提供對(duì)策,從需求的角度來調(diào)整市場(chǎng).

2 房地產(chǎn)市場(chǎng)泡沫、羊群效應(yīng)及空間擴(kuò)散

2.1房地產(chǎn)泡沫的測(cè)度

2.1.1理論模型

基于多元線性回歸的房地產(chǎn)內(nèi)在價(jià)值模型,多元線性回歸模型的一般形式

Y=β0+β1X1+β2X2+…+βX+u(i=1,2,…,n),

(1)

其中:Y為被解釋變量；X為解釋變量或者自變量；u是隨機(jī)誤差項(xiàng),也被稱為誤差項(xiàng)或擾動(dòng)項(xiàng);n為樣本個(gè)數(shù).

同時(shí)我們沿用了之前測(cè)度房地產(chǎn)內(nèi)在價(jià)值的思路,首先用Frisch方法進(jìn)行變量選取,其原理是把所有變量中最重要的解釋變量作為基礎(chǔ)解釋變量,再依次添加解釋變量,然后根據(jù)擬合優(yōu)度和統(tǒng)計(jì)量是否顯著兩方面篩選解釋變量,進(jìn)而得到多元線性回歸方程.

由上述多元回歸方程得到房屋的內(nèi)在價(jià)值,房地產(chǎn)泡沫度的計(jì)算公式：

(2)

其中:P是房屋的實(shí)際價(jià)格,P*是房屋的內(nèi)在價(jià)值,即理論價(jià)值.

2.1.2房地產(chǎn)市場(chǎng)泡沫測(cè)度

2.1.2.1變量選取和數(shù)據(jù)來源

本文變量有房屋銷售價(jià)格Y、城鎮(zhèn)人均可支配收入X1、房地產(chǎn)投資總額X2、房屋銷售面積X3.檢測(cè)時(shí)期為2010年1月-2016年12月,檢測(cè)區(qū)域?yàn)闁|部(遼寧、河北、山東、江蘇、浙江、福建、廣東、北京、天津、上海、海南)、中部(吉林、黑龍江、內(nèi)蒙古、山西、河南、安徽、江西、湖南、湖北)、西部(新疆、甘肅、陜西、寧夏、四川、重慶、貴州、云南、廣西、西藏、青海).由于西藏和青海數(shù)據(jù)缺失嚴(yán)重,所以西部測(cè)試樣本不包含西藏、青海.所有樣本皆根據(jù)省會(huì)城市GDP加權(quán)而得.數(shù)據(jù)來源為同花順iFinD.

2.1.2.2泡沫度測(cè)度模型估計(jì)

根據(jù)上述理論模型,首先利用Frisch方法對(duì)東部地區(qū)的解釋變量城鎮(zhèn)居民人均可支配收入X1,房地產(chǎn)投資總額X2,房屋銷售面積X3進(jìn)行篩選,其結(jié)果如表1.

表1 用Frisch方法選取解釋變量

注：括號(hào)內(nèi)為t值

由表1可知,在模型1中當(dāng)用3個(gè)變量作為房?jī)r(jià)的解釋變量時(shí),很多解釋變量的t值是不顯著的.例如城鎮(zhèn)居民可支配收入的t值為1.6769,t值不顯著說明解釋變量之間存在著多重共線性.因?yàn)槌擎?zhèn)人均收入水平是影響房?jī)r(jià)的一個(gè)重要因素,所以我們將城鎮(zhèn)人均收入水平選為商品房平均價(jià)格的解釋變量,見模型2.然后根據(jù)擬合優(yōu)度和統(tǒng)計(jì)量是否顯著兩方面篩選解釋變量,根據(jù)我們?cè)诒Ａ舫擎?zhèn)居民可支配收入的前提下,加入了房地產(chǎn)投資總額,模型3的所有解釋變量的T統(tǒng)計(jì)量都顯著,擬合優(yōu)度也比模型2高,因此,保留了房地產(chǎn)投資總額.綜合以上分析,我們選了模型3的解釋變量來計(jì)算出房地產(chǎn)內(nèi)在價(jià)值P*,根據(jù)模型3得到的多元線性回歸方程為

lnp*= 1610.43+ 3.9177lnx1+ 0.0345lnx2,

(3)

(6.1370) (15.3710) (5.0206),

R2=0.9419D.W.=1.4505.

同理可以得到中部的多元線性回歸方程為

lnp*= 2815.52+ 1.7627lnx1+ 0.2896lnx2,

(4)

(17.6502) (7.2257) (3.4431),

R2=0.9326D.W.=1.5526,

西部的多元線性回歸方程為

lnp*= 2667.78+ 1.1318lnx1+ 0.9828lnx2,

(5)

(6.8438) (8.4309) (3.3685),

R2=0.9012D.W.=1.9664.

注：R2是回歸平方與總離差平方和的比值；D.W.統(tǒng)計(jì)量用來檢驗(yàn)殘差一階自相關(guān).

2.1.2.3 房地產(chǎn)市場(chǎng)泡沫測(cè)度結(jié)果

通過公式(3)-(5)我們測(cè)得了東部,中部和西部的房地產(chǎn)內(nèi)在價(jià)值P*,房屋銷售價(jià)格P.利用原始數(shù)據(jù)和公式(2)可得各地區(qū)房地產(chǎn)泡沫的月度數(shù)據(jù),然后利用月度數(shù)據(jù)求算術(shù)平均得到房地產(chǎn)市場(chǎng)的年度泡沫,如表2.

表2 房地產(chǎn)市場(chǎng)泡沫度(年度)

由表2可知東部區(qū)域在2016年泡沫最顯著,在2012年泡沫度最低；中部區(qū)域在2011年泡沫度最高為6.8%,2010年最低；西部區(qū)域是2013年達(dá)到最高4.74%,2010年最低為-4.93%.從區(qū)域劃分上可以看出東部區(qū)域比西部和中部區(qū)域的泡沫更嚴(yán)重.

2.2房地產(chǎn)市場(chǎng)羊群效應(yīng)的測(cè)度

2.2.1檢驗(yàn)方法

本文沿用了文獻(xiàn)[4]中的模型的設(shè)定方法,從微觀經(jīng)濟(jì)學(xué)中的需求理論角度出發(fā),認(rèn)為消費(fèi)者對(duì)一種商品的有效需求取決于其愿意為該商品支付的最高價(jià)格,即保留價(jià)格.假設(shè)消費(fèi)者對(duì)住宅的保留價(jià)格取決于其他消費(fèi)者在以往為類似住宅付出的價(jià)格和住宅的持有成本,并將住宅的保留價(jià)格視為二者的加權(quán)平均值,反應(yīng)滯后期為1期,即

pit=βp(it-1)+(1-β)cit,

(6)

其中:i=1,2,…,N表示不同地區(qū);t=1,2,…,T表示不同的年度;pit和cit為地區(qū)i在t時(shí)期的住宅持有成本,β和1-β分別為其他消費(fèi)者在以往為類似住宅付出的價(jià)格、住宅的持有成本對(duì)住宅的持有成本的權(quán)重.當(dāng)消費(fèi)者對(duì)住宅的保留價(jià)格越依賴于其他消費(fèi)者在以往為類似住宅付出的價(jià)格時(shí),其采用的模仿和從眾策略的比例越高,β值越大.

但在現(xiàn)實(shí)社會(huì)中,由于住宅的保留價(jià)格不能直接獲取,而是通過住宅需要量來表示,即

dint=μ+λinpit,

(7)

其中dint表示地區(qū)i中的消費(fèi)者在t時(shí)期對(duì)住宅的需求量.則地區(qū)i在t時(shí)期的住宅市場(chǎng)的總交易量為

(8)

Dint=η+γpit.

(9)

聯(lián)立(6)和(9),化簡(jiǎn)可得：

Dint=η(1-β)+βD(it-1)+γ(1-β)cit.

(10)

令α=η(1-β),θ=γ(1-β),加上隨機(jī)擾動(dòng)項(xiàng)εit后可得到住宅市場(chǎng)羊群效應(yīng)測(cè)度的理論模型：

Dit=α+βD(it-1)+θCit+εit.

(11)

由于β值的大小與導(dǎo)致住宅市場(chǎng)羊群效應(yīng)出現(xiàn)的采取模仿和從眾策略的市場(chǎng)主體的比例都高度關(guān)聯(lián).因此,β值可以作為測(cè)度羊群效應(yīng)的一個(gè)指標(biāo),如果β值小于0,表明住宅市場(chǎng)不存在羊群效應(yīng);如果β值大于0且值越大,表明住宅市場(chǎng)存在羊群效應(yīng)且越顯著.

2.2.2房地產(chǎn)市場(chǎng)羊群效應(yīng)測(cè)度

2.2.2.1變量選取和數(shù)據(jù)來源

在信息不完全市場(chǎng)下,消費(fèi)者對(duì)住宅的保留價(jià)格同時(shí)取決于其他消費(fèi)者在往期已經(jīng)為類似住宅付出的價(jià)格(也是該個(gè)體消費(fèi)者對(duì)住宅的保留價(jià)格)和住宅的持有成本.即住宅市場(chǎng)交易量和住宅持有成本為羊群效應(yīng)影響因素.

住宅銷售面積即住宅市場(chǎng)的交易量.一個(gè)完整的住宅持有成本包括資金成本、固定資產(chǎn)稅或物業(yè)稅、減稅或財(cái)政補(bǔ)貼、維護(hù)成本、預(yù)期增值或貶值、風(fēng)險(xiǎn)成本六部分.由于我國(guó)尚未大規(guī)模開征物業(yè)稅,且住宅的維護(hù)成本難以準(zhǔn)確衡量,因此,本文只考慮其中的資金成本、預(yù)期增值或貶值和風(fēng)險(xiǎn)成本三部分.影響這三部分成本的主要因素是抵押貸款支出和由房?jī)r(jià)上漲(下跌)帶來的預(yù)期資本利得(損失),故將采用抵押貸款利率和住宅價(jià)格環(huán)比增幅(降幅)作為各自的替代變量.

針對(duì)國(guó)家在2015年3月內(nèi),下發(fā)《關(guān)于優(yōu)化2015年住房及用地供應(yīng)結(jié)構(gòu)促進(jìn)房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展的通知》,宣布二套房款首付可低至四成,購買2年以上普通住房銷售免征營(yíng)業(yè)稅政策為標(biāo)志,溯至2010年初,為應(yīng)對(duì)國(guó)際金融危機(jī)帶來的經(jīng)濟(jì)下行壓力,國(guó)務(wù)院出臺(tái)了一系列刺激房地產(chǎn)業(yè)發(fā)展的政策措施.以2015年3月為斷點(diǎn),對(duì)處在寬松政策和緊縮政策下的房地產(chǎn)市場(chǎng)羊群效應(yīng)進(jìn)行研究比較.

指標(biāo)為住宅銷售面積sa、通貨膨脹率ir、住宅價(jià)格ea,五年期抵押貸款利率it.五年期抵押貸款利率數(shù)據(jù)來源于中國(guó)人民銀行,其余來源于同花順iFinD.對(duì)住宅銷售面積數(shù)據(jù)做對(duì)數(shù)處理.使用軟件為Stata14.0.

2.2.2.2羊群效應(yīng)測(cè)度實(shí)證模型

如果直接使用原始數(shù)據(jù),可能存在異方差,為了消除異方差,對(duì)原始數(shù)據(jù)住宅銷售面積做自然對(duì)數(shù)處理.根據(jù)理論模型我們可以得到實(shí)證模型:

lnsait=∝+βlnsa(it-1)+θirit+γeait+μi+εit,

(12)

其中:i=1,2,3表示不同的地區(qū);t=1,2,…,T表示不同月份;sa表示住宅銷售面積；it表示經(jīng)過通貨膨脹率平減后的五年期抵押貸款利率;ea表示住宅價(jià)格;μi表示不隨時(shí)間變化的各區(qū)截面的個(gè)體差異;εit為隨機(jī)擾動(dòng)項(xiàng).

從公式(9)可以看出,我們的解釋變量中包含被解釋變量的一階滯后項(xiàng),這將會(huì)導(dǎo)致內(nèi)生變量問題,如果此時(shí)我們依舊使用的是傳統(tǒng)固定效應(yīng)和隨機(jī)效應(yīng)的OLS回歸方法,得到的估計(jì)系是有偏的和非一致的.為了克服內(nèi)生變量問題,Blundell Bond給出了用動(dòng)態(tài)面板模型估計(jì)的系統(tǒng)廣義矩估計(jì)法(SYS,GMM Conditions),該方法采用(t-2)期前的被解釋變量的滯后項(xiàng)作為被解釋變量一階差分滯后項(xiàng)的工具變量,同時(shí)增加了被解釋變量的一階差分的滯后項(xiàng)作為水平方程的工具變量.綜上所述,本文將采用系統(tǒng)廣義矩估計(jì)法進(jìn)行估計(jì).

2.2.2.3房地產(chǎn)市場(chǎng)羊群效應(yīng)估計(jì)結(jié)果

根據(jù)式(12)的估計(jì)模型和采取的系統(tǒng)廣義矩估計(jì)方法,用Stata14.0軟件對(duì)模型進(jìn)行具體估計(jì),結(jié)果如表3和表4.

表3 實(shí)證模型SYS-GMM估計(jì)結(jié)果(2010年1月-2015年2月)

注：1.圓括號(hào)里的數(shù)字是P值;2.方括號(hào)里的是t統(tǒng)計(jì)量;3.*,**,***分別表示至少在10%,5%,1%的水平上顯著.

表4 實(shí)證模型SYS-GMM估計(jì)結(jié)果(2015年3月-2016年12月)

注：1.圓括號(hào)里的數(shù)字是P值;2.方括號(hào)里的是t統(tǒng)計(jì)量; 3.*,**,***分別表示至少在10%,5%,1%的水平上顯著.

從表3和表4中可以看出,東部地區(qū)住宅市場(chǎng)羊群效應(yīng)測(cè)定程度β值分別是0.3640和0.6867,且都在10%的置信水平上,說明東部地區(qū)存在著明顯的羊群效應(yīng).中部地區(qū)住宅市場(chǎng)羊群效應(yīng)測(cè)定程度β值分別是0.0536和0.1510,但顯著性不高,不存在明顯的羊群效應(yīng),西部地區(qū)住宅市場(chǎng)羊群效應(yīng)測(cè)定程度β值分別是-0.0485和0.4800,且在5%的置信水平上顯著,則說明在2010年1月-2015年2月西部不存在羊群效應(yīng),在2015年3月-2016年12西部存在羊群效應(yīng).

通過對(duì)羊群效應(yīng)樣本數(shù)據(jù)一年為單位的月度樣本數(shù)據(jù)檢測(cè)得出羊群效應(yīng)的年度數(shù)據(jù),如表5.

表5 羊群效應(yīng)

由表5可知東部區(qū)域在2015年羊群效應(yīng)最顯著,在2013年羊群效應(yīng)最低；中部區(qū)域在2015年羊群效應(yīng)最高為0.6829,2012年最低；西部區(qū)域是2012年達(dá)到最高0.6972,2103年最低。從區(qū)域劃分上可以看出東部區(qū)域比西部和中部區(qū)域的羊群效應(yīng)更顯著,中部與西部區(qū)域的羊群效應(yīng)在時(shí)間段上具有相反特征.

2.3房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)泡沫影響的空間擴(kuò)散效應(yīng)檢驗(yàn)

2.3.1檢驗(yàn)方法

在測(cè)定各地區(qū)房地產(chǎn)羊群效應(yīng)對(duì)泡沫影響是否存在空間擴(kuò)散效應(yīng)上,我們借鑒了Robinson提出的一種拉格朗日乘子檢驗(yàn)方法,簡(jiǎn)稱LM檢驗(yàn).其基本模型為

yt=βbt+et,

(13)

其中:yt為觀測(cè)的時(shí)間序列,β為k×1維的參數(shù)向量,et服從(1-L)det=ut,ut為平穩(wěn)可逆ARMA序列.bt為k×1維的確定性回歸變量,當(dāng)僅存在截矩項(xiàng),bt=1；當(dāng)截矩和趨勢(shì)項(xiàng)共存,bt=(1,t)′,在原假設(shè)H0：d=d0(區(qū)域間相互獨(dú)立)下,LM檢驗(yàn)的統(tǒng)計(jì)量為

(14)

其中:

(15)

(16)

(17)

(18)

2.3.2房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)泡沫影響的空間擴(kuò)散效應(yīng)檢驗(yàn)的實(shí)證模型和變量選取

在變量選取上,我們選取了表2中的泡沫度和表5中的羊群效應(yīng),數(shù)據(jù)來源即表2和表5.軟件為Stata14.0.房地產(chǎn)的泡沫主要受到本地消費(fèi)者的羊群效應(yīng)和其他地區(qū)消費(fèi)者的羊群效應(yīng)的影響,如果建立關(guān)于房地產(chǎn)泡沫和羊群效應(yīng)的多元回歸模型,則可以將本地消費(fèi)者的羊群效應(yīng)對(duì)房地產(chǎn)泡沫的影響剔除.估計(jì)模型的殘差將體現(xiàn)為其他地區(qū)房地產(chǎn)泡沫對(duì)本地區(qū)房地產(chǎn)泡沫的影響.根據(jù)式理論模型式(11),我們建立實(shí)證模型的線性方程為

dit=α+ρβit+μit,

(19)

其中:dit為i地區(qū)t時(shí)間的房地產(chǎn)泡沫度,βit為i地區(qū)t時(shí)間的羊群效應(yīng),μit為方程估計(jì)殘差.

2.3.3房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)泡沫影響的空間擴(kuò)散效應(yīng)檢驗(yàn)結(jié)果

利用上述選定的(Robinson的LM檢驗(yàn))方法對(duì)殘差進(jìn)行LM檢驗(yàn),其結(jié)果為:

LM檢驗(yàn)統(tǒng)計(jì)量估計(jì)值= 6.478, P(值)=0.0605.

由此可知,Robinson的LM檢驗(yàn)在10%的顯著水平上拒絕原假設(shè),接受備擇假設(shè).

根據(jù)檢驗(yàn)結(jié)果可知,中國(guó)房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)房地產(chǎn)市場(chǎng)泡沫的影響存在空間擴(kuò)散效應(yīng),從而也確認(rèn)了中國(guó)不同地區(qū)間房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)泡沫影響的空間擴(kuò)散效應(yīng).

3 結(jié)論

文章先對(duì)不同區(qū)域房地產(chǎn)泡沫檢驗(yàn),在檢測(cè)期受人均可支配收入等經(jīng)濟(jì)要素的影響,泡沫時(shí)空分布大小不一.再對(duì)各區(qū)域羊群效應(yīng)進(jìn)行檢測(cè),結(jié)果顯示東部區(qū)域存在明顯羊群效應(yīng),中部區(qū)域存在但是不明顯,西部區(qū)域在第一檢測(cè)期不存在羊群效應(yīng),在第二檢測(cè)期存在羊群效應(yīng).最后進(jìn)行全國(guó)房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)泡沫影響的空間擴(kuò)散的檢驗(yàn),通過Robinson的LM檢驗(yàn)得出結(jié)論：中國(guó)房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)房地產(chǎn)市場(chǎng)泡沫的影響存在空間擴(kuò)散效應(yīng),也確定了中國(guó)不同地區(qū)間房地產(chǎn)市場(chǎng)羊群效應(yīng)對(duì)泡沫影響的空間擴(kuò)散效應(yīng).本文在未來的研究上將更為細(xì)化,在時(shí)間和區(qū)間上的選擇將以東部地區(qū)為對(duì)象.

[1]孫焱林,張攀紅,王中林.房地產(chǎn)泡沫的測(cè)度方法和實(shí)證比較[J].統(tǒng)計(jì)與決策,2015(24):79-82.

[2]張玉雙.我國(guó)地區(qū)房地產(chǎn)價(jià)格泡沫的測(cè)度[J].統(tǒng)計(jì)與決策,2016(5):29-132.

[3]柯昇沛,黃靜.基于CSAD非線性模型的房地產(chǎn)市場(chǎng)羊群行為研究[J].管理評(píng)論,2012,24(9):19-25.

[4]譚術(shù)魁,王斯亮.中國(guó)住宅市場(chǎng)羊群效應(yīng)的比較測(cè)度——基于省際動(dòng)態(tài)面板數(shù)據(jù)模型的實(shí)證研究[J].房地產(chǎn)市場(chǎng),2013,20(5):37-45.

[5]鞠方,周佳梅,彭李娜.購房者羊群行為對(duì)中國(guó)房?jī)r(jià)波動(dòng)的影響研究[J].湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2016,30(2):87-93.

[6]洪濤,西寶,高波.房地產(chǎn)價(jià)格區(qū)域間聯(lián)動(dòng)與泡沫的空間擴(kuò)散——基于2000-2005年中國(guó)35個(gè)大中城市面板數(shù)據(jù)的實(shí)證研究[J].統(tǒng)計(jì)研究,2007,24(8):64-67.

[7]苑德宇,宋小寧.中國(guó)區(qū)域房?jī)r(jià)泡沫測(cè)度及空間傳染性研究——基于2001～2005年35個(gè)大中城市面板數(shù)據(jù)的實(shí)證分析[J].上海財(cái)經(jīng)大學(xué)學(xué)報(bào),2008,10(3):78-85.

[8]鄧韜,王心蕊.我國(guó)商品房?jī)r(jià)格區(qū)域擴(kuò)散效應(yīng)研究——基于GVAR模型的實(shí)證分析[J].江西社會(huì)科學(xué),2015(3):36-42.

TheRealEstateBubble,HerdingandSpatialDiffusion

LIANG Qiu-xia,CHEN Han-qing,YANG Cui-cui,SHEN Xiao-fang

(Industrial & Commercial College, Anhui University of Technology, Maanshan Anhui 243002, China)

Based on the panel data of the eastern, central and western part of China from 2010 to 2016, multiple regression was used to calculate the real estate bubble. Then based on the System GMM Estimation, the effect of herding was measured. Finally, through the LM test, the effect of herding on the spatial diffusion of the real estate bubble was verified. The results showed that there exists spatial diffusion in the influence of the national real estate market herding on the real estate bubble.

real estate market; bubble; herding; spatial diffusion

格式：梁秋霞,陳漢清,楊翠翠,等.房地產(chǎn)市場(chǎng)泡沫、羊群效應(yīng)及空間擴(kuò)散[J].海南熱帶海洋學(xué)院學(xué)報(bào),2017,24(5):110-115+128.

2017-09-20

2016年安徽省高校優(yōu)秀青年人才支持計(jì)劃重點(diǎn)項(xiàng)目(gxyqZD2016406)

梁秋霞(1982-),女,河北滄州人,安徽工業(yè)大學(xué)工商學(xué)院講師,碩士,研究方向?yàn)榻鹑诠こ?

F293.3

A

2096-3122(2017) 05-0110-06

10.13307/j.issn.2096-3122.2017.05.19

(編校曾福庚)