何鑫++田麗慧++楚爾鳴

摘要：盡管從全球范圍來看影響房價波動的因素有許多，但在中國流動人口帶來的住房需求卻成為提高城市房價的關(guān)鍵因素?；?005—2013年235個地級市數(shù)據(jù)的研究發(fā)現(xiàn)，凈流入人口越多的地區(qū)，房價漲幅越快，流動人口每增加10萬，將會使每100平方米住房價格上漲3360元，特別在一、二線城市，房價分別上漲

6024元和15394元。2010年以后，流動人口在東西部對房價的影響存在顯著的異質(zhì)性，地理加權(quán)回歸結(jié)果表明，流動人口是使房價波動呈空間異質(zhì)性的主要因素，其中，珠三角地區(qū)成為人口流動對房價影響最大的地區(qū)。

關(guān)鍵詞：流動人口；房價；空間異質(zhì)性；GWR

中圖分類號：C92-05文獻標識碼：A文章編號：1000-4149（2017）06-0043-15

DOI：103969/jissn1000-4149201706005

收稿日期：2016-10-13；修訂日期：2017-02-24

基金項目：國家自然科學(xué)基金項目“空間非一致性、房地產(chǎn)價格波動與最優(yōu)貨幣政策選擇研究”（71273221）；湖南省教育廳重點項目“基于知識共享的文化產(chǎn)業(yè)集群研究”（12A099）；湖南省教育廳優(yōu)秀青年項目“湖南省財政轉(zhuǎn)移支付與農(nóng)業(yè)轉(zhuǎn)移人口市民化的動態(tài)調(diào)整機制研究”（17B184）；博士啟動項目“農(nóng)業(yè)轉(zhuǎn)移人口城鎮(zhèn)化對房地產(chǎn)市場的影響及對策研究”（16BSQD09）；湖南省高?？萍紕?chuàng)新團隊“土地流轉(zhuǎn)與農(nóng)業(yè)經(jīng)營方式轉(zhuǎn)變研究”（湘教通，[2014]103號）；湖南省社會科學(xué)研究基地項目“現(xiàn)代農(nóng)業(yè)經(jīng)營方式研究”；湖南省高等學(xué)校2011協(xié)同創(chuàng)新中心“洞庭湖生態(tài)經(jīng)濟區(qū)建設(shè)與發(fā)展”平臺資助。

作者簡介：何鑫，經(jīng)濟學(xué)博士，湖南文理學(xué)院經(jīng)濟與管理學(xué)院講師；田麗慧，湖南文理學(xué)院經(jīng)濟與管理學(xué)院講師；楚爾鳴，工學(xué)博士，湘潭大學(xué)商學(xué)院教授，博士生導(dǎo)師。

The Spatial Heterogeneity of House Price Volatility in China from the Perspective of Migration

HE Xin1， TIAN Lihui1， CHU Erming2

（1. College of Economics and Management， Hunan University of Arts and Science， Changde

415000， China； 2. School of Business， Xiangtan University， Xiangtan 411105， China）

Abstract：Although there are many factors to determine the housingprice fluctuation from a global point of view， the housing demand brought by migration has become the key factor to upgrade the citys housing price in China. This article is based on the data of 235 prefecture level cities from 2005 to 2013， and found that the more net inflow of the population， the faster the price increase. The number of migration in the city increases every 10 thousands， will make housing price rises 336.Especially， in the firsttier and secondtier cities， house prices rises 602 and 1539 respectively. After 2010， the influence of migration on housing price has obvious spatial heterogeneity.The results of Geographical Weighted Regression shows that migration is the main factor that causes the housingprice fluctuation to be spatial heterogeneity， and the largest impact of migration on the role of the region is Yangtze River Delta.

Keywords：migration； housing prices； heterogeneity； GWR

《人口與經(jīng)濟》2017年第6期

何鑫，等：人口流動視角下中國房價波動的空間異質(zhì)性

一、引言與文獻回顧

自20世紀末住房制度改革以來，房價波動已經(jīng)成為影響社會和諧穩(wěn)定、保障和改善民生的關(guān)鍵性問題。房價的空間異質(zhì)性正逐漸成為一種社會現(xiàn)象，具體表現(xiàn)為東部沿海一、二線城市的房價差距在逐漸縮小，而中西部三、四線城市的房價差距卻在逐步擴大

本文中城市等級是依據(jù)政治、文化、經(jīng)濟和行政在全國和本省地位進行劃分，其中，一線城市指北京、上海、廣州、深圳和天津5個城市；二線城市指杭州等30個大中城市，其余皆為三、四線城市。

。例如，深圳市與長沙市的房價比由2002年的318上升至2014年的441，而深圳市與廈門市的房價比卻由2002年的203下降至2014年的1352002—2013年房價數(shù)據(jù)來源于《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》，2014年房價數(shù)據(jù)來源于endprint

《中國城市統(tǒng)計年鑒》。。國家與地方政府往往基于影響房價波動的供需因素或一些非經(jīng)濟因素制定相關(guān)政策，但政策效果卻往往收效頗微。本文嘗試從人口流動的視角探討房價波動的空間異質(zhì)性，對于房地產(chǎn)市場的健康發(fā)展以及農(nóng)業(yè)轉(zhuǎn)移人口市民化而言都具有重要的研究價值。

早在21世紀初，西方學(xué)者就這一視角展開了大量研究，他們認為人口流入城市會導(dǎo)致房價上漲。

塞茲（Saiz）發(fā)現(xiàn)，由于移民的到來，租房人數(shù)的比例上升了9%，邁阿密1979—1981年的房租上漲了8%—11%[1]。塞茲利用工具變量法對美國的房價進行分析，發(fā)現(xiàn)移民每增加至城市總?cè)丝诘?%，將會導(dǎo)致當?shù)胤績r上漲1%[2]。岡薩雷斯（Gonzalez）和奧特加（Ortega）

對西班牙房地產(chǎn)市場進行調(diào)研，結(jié)果顯示，由于移民的存在，當?shù)胤績r上漲了52%[3]。薩（Sá）對英國的房地產(chǎn)市場進行分析，研究表明，流動人口數(shù)量每增加1%，會使當?shù)胤績r下降160%，而房價波動的異質(zhì)性體現(xiàn)在本地居民對流動人口的態(tài)度上[4]。近年來，國內(nèi)學(xué)者也開始基于人口流動的視角對房價進行研究。陸銘通過對比2000年和2005年的房地產(chǎn)市場，發(fā)現(xiàn)流動人口占比每增加10%，將會導(dǎo)致未來5年的房價上漲833%[5]。董昕和周衛(wèi)華利用2010年106個城市的流動人口動態(tài)監(jiān)測數(shù)據(jù)，發(fā)現(xiàn)來自中部地區(qū)的農(nóng)村流動人口在流入地購買住房的比例最高可達3630%[6]。李超等利用空間地理加權(quán)回歸模型，得出流動人口對東部地區(qū)住房的購買力遠遠低于其他地區(qū)[7]。張傳勇調(diào)查2000—2013年長三角地區(qū)的42個地級市后發(fā)現(xiàn)，區(qū)域人口規(guī)模每增加1%，房價將會上漲017%[8]。

從現(xiàn)有基于人口流動視角的研究文獻來看，主要存在三點不足之處。一是異質(zhì)性的影響機制分析不多，較多基于房價波動的影響因素進行實證研究；二是使用數(shù)據(jù)多為截面數(shù)據(jù)，現(xiàn)有文獻中的流動人口數(shù)據(jù)往往來源于人口普查，而人口普查的周期性使得學(xué)者們較少使用面板數(shù)據(jù)進行動態(tài)分析；三是市級層面的分析幾乎沒有，由于流動人口數(shù)據(jù)的可獲性，以往的研究偏好于選擇省際層面的房地產(chǎn)市場作為研究對象，而忽視了城市之間房價的差異性。鑒于上述原因，本文首先嘗試探討人口流動視角下房價波動的空間異質(zhì)性機理，并構(gòu)建相關(guān)理論分析模型，然后測算我國市級層面的流動人口和房價數(shù)據(jù)，最后利用空間計量研究方法分析流動人口對我國房價波動的異質(zhì)性影響。

三、四線城市，數(shù)量約占凈流出人口總數(shù)的98%，且各大城市的凈流出人口數(shù)也在逐年增大。

（2）人口越來越集聚于東部一、二線城市。

從跨省流動人口數(shù)據(jù)來看，人口凈流入的城市越來越集聚于東部沿海地區(qū)，而人口凈流出的城市則大多來自中西部地區(qū)。從流動人口數(shù)量前20名的城市來看，城市之間的差距正在逐漸加大。

中西部地區(qū)中，凈流出人口總量上升的同時，城市之間的差距正在縮小，人口凈流出的城市越來越多，這也說明，人口流入的集聚態(tài)勢越來越明顯，如圖2和圖3所示。

四、房價波動的空間異質(zhì)性分析

影響房價波動的因素有許多，但是供需失衡應(yīng)是造成房價波動的最主要原因，而形成區(qū)域房價穩(wěn)態(tài)要滿足的一個條件是人口數(shù)量保持平衡。本文將在理論模型分析和流動人口指標測算的基礎(chǔ)上，通過回歸模型對房價的空間異質(zhì)性問題進行實證分析。

1.影響房價波動的回歸分析

古典線性回歸是計量分析中最常見的一種方式，模型假設(shè)解釋變量對被解釋變量的邊際效應(yīng)為常數(shù)，并通過最小二乘法（OLS）對其進行估計，以此來判定各變量對被解釋變量的影響。本文房價的古典線性回歸模型可設(shè)為：

HPit=β0+∑Kk=1βkXkit+εit（22）

上式中HPit表示城市i的住宅價格，而Xit為本文選取影響房價的因素，具體形式可表示為Xit=（Mit，HIit，Wageit，Eduit）。βk表示住房價格對各個變量的彈性系數(shù)，β0和εit則分別表示模型中的常數(shù)項和隨機擾動項。

表2給出了2005—2013年235個城市房價的回歸結(jié)果，其中，回歸方程（1）—（4）表示房價受流動人口、居民收入、房地產(chǎn)投資和受教育水平影響的逐步回歸結(jié)果。從回歸結(jié)果來看，流動人口的系數(shù)遠高于其余影響房價變量的系數(shù)，且系數(shù)顯著為正。這充分說明流動人口是影響房價的最主要因素，總體而言，流動人口數(shù)量每增加10萬人，居民購買100平方米的住房將會增加7966元。盡管隨著居民收入、房地產(chǎn)投資和受教育水平等因素納入回歸方程后，流動人口對房價的影響在一定程度上有所降低，但其仍是影響系數(shù)最大和顯著性水平最高的決定性因素。另外，將235個城市按照GDP和人口總數(shù)可劃分為四類城市，方程（5）—（8）顯示了各線城市房價的回歸結(jié)果?；貧w結(jié)果顯示，一、二線城市流動人口對房價的影響顯著大于三、四線城市流動人口對房價的影響，三、四線城市的房價更主要受制于居民收入和房地產(chǎn)投資的影響。從現(xiàn)實結(jié)果來看，人口越來越多地從三、四線城市向一、二線城市轉(zhuǎn)移，一、二線城市房價大幅上漲，房價居高不下，而三、四線城市房地產(chǎn)市場去庫存壓力較大?；貧w方程基于流動人口的視角對這一結(jié)果進行了解釋。

除此之外，由表3中房價截面回歸的結(jié)果可知，流動人口在各年仍是影響房價波動的最關(guān)鍵因素。從各年的回歸系數(shù)來看，流動人口的影響程度也越來越大，回歸系數(shù)值從2005年的259上升到2013年的857，且均在1%的顯著水平下顯著。這表明城市中每增加10萬流動人口，居民購買100平方米住房所增加的費用將會由2005年的2586元增加至2013年的8567元。另外，房地產(chǎn)投資、居民收入也在一定程度上影響房價的波動，不過其影響程度卻遠低于流動人口的影響。房地產(chǎn)投資每增加1億，居民購買100平方米的住宅僅須多交不到300元，房地產(chǎn)投資對房價的影響微乎其微。居民收入每增加1000元，居民在2005—2010年購買100平方米的住宅須多交1萬元左右，但在2008年次貸危機爆發(fā)后，其影響程度逐年下滑，截止到2013年，居民收入增加相同數(shù)量僅會使100平方米的住房增值5600元。受教育程度則在各年的截面回歸方程中不顯著。endprint

最后，模型的擬合程度在0548—0762之間，而統(tǒng)計量F值的結(jié)果也表明古典線性回歸模型具有較好的解釋效果。不過，面板和截面數(shù)據(jù)回歸的結(jié)果盡管能夠反映出流動人口對房價波動的重要性，卻并不能完全反映出城市房價的異質(zhì)性，而其中最主要的原因是回歸方程中的系數(shù)常數(shù)化。

2.房價波動的空間異質(zhì)性分析

傳統(tǒng)的古典回歸模型盡管可以檢驗各經(jīng)濟變量對房價的影響，但是，利用回歸系數(shù)來說明房價的空間異質(zhì)性仍缺乏嚴格的說服力?？臻g擴展模型最早由卡塞蒂（Cassetti）提出，并將其運用于地理分析中以檢驗變量的區(qū)域異質(zhì)性[15]。其模型主要由三個部分構(gòu)成，初始模型為古典線性回歸方程，通過引入各城市的地理坐標數(shù)據(jù)（mi，ni），可將模型中的回歸系數(shù)進行空間擴展，本文依據(jù)各變量的分布屬性，選用二次函數(shù)對其回歸系數(shù)進行空間擴展，變量的回歸系數(shù)具體形式如下：

βk=λk1+λk2mi+λk3ni+λk4mi2+λk5ni2+λk6mini（23）

β0=λ0+λ1mi+λ2ni+λ3mi2+λ4ni2+λ5mini（24）

從回歸系數(shù)的擴展形式中可知，若λki顯著不為0，則表明各變量對房價的影響在空間上存在異質(zhì)性，城市的空間坐標在一定程度上也影響房價的波動，存在顯著的空間異質(zhì)性。因此，將擴展后的回歸系數(shù)代入古典線性回歸模型，即可得到房價的空間擴展回歸模型：

HPit=β0+∑Kk=1Xkiβk+εi=λ0+λ1mi+λ2ni+λ3mi2+λ4ni2+λ5mini+

∑Kk=1（λk1+λk2mi+λk3ni+λk4mi2+λk5ni2+λk6mini）Xki+εi（25）

由于本文使用的空間擴展模型采用的擴展形式為二次空間擴展，因此，模型中包含的自變量與空間坐標形成了20個交互項，在模型估計過程中易產(chǎn)生多重共線性問題，解決這一問題的有效方法是采用逐步回歸的方式對其進行估計。另外，為了便于觀察空間異質(zhì)性的變動，本文對歷年房價的空間異質(zhì)性效果均進行了檢驗，估計結(jié)果如表4—表7所示，其中各表僅顯示在5%水平下的顯著系數(shù)。由于檢驗的關(guān)鍵之處在于各變量對房價的影響是否存在空間異質(zhì)性，因此，表中僅給出各變量與坐標交互項的回歸系數(shù)，其余回歸系數(shù)不再一一列出。

模型中增加了各解釋變量與城市坐標交互項之后，模型的解釋程度得到提升，而F值也顯示出模型中各變量對房價存在較為顯著的影響。與古典線性回歸模型不同的是，各個解釋變量在歷年的空間擴展回歸模型中均顯著，其中，居民收入與受教育程度的回歸系數(shù)為正，這表明城市中工資水平的上升以及居民受教育程度的提升均會對當?shù)胤績r帶來正向影響，而流動人口與房地產(chǎn)投資在歷年的模型中基本為負值，這與古典線性回歸模型中的結(jié)論并不一致。不過，從解釋變量與空間坐標的交互項

回歸系數(shù)來看，四個解釋變量對房價的影響在空間上的異質(zhì)性并非一致。

由表4可知，在5%的顯著性水平下，流動人口對房價的影響在2005—2010年并未體現(xiàn)出明顯的空間異質(zhì)性，而這種異質(zhì)性在2010年之后逐漸開始呈現(xiàn)。從交互項的回歸系數(shù)來看，2011—2013年，回歸系數(shù)最大的項為流動人口與經(jīng)度坐標的一次形式，這說明流動人口對房價的影響在東西向表現(xiàn)出顯著的異質(zhì)性，與古典線性回歸模型的估計結(jié)果相比，流動人口的回歸系數(shù)提升較為明顯，以2012年為例，流動人口與經(jīng)度坐標的交互項回歸系數(shù)達到3034，遠高于古典線性回歸模型中的705。盡管流動人口與緯度坐標的二次形式也呈現(xiàn)出空間異質(zhì)性，但是其影響程度卻遠低于在東西向?qū)Ψ績r的影響。

除此之外，表5—表7的回歸結(jié)果也顯示，房地產(chǎn)投資、居民收入和受教育程度對房價的影響均表現(xiàn)出較為明顯的空間異質(zhì)性。房地產(chǎn)投資無論在南北向還是東西向均對房價存在異質(zhì)性的影響，值得注意的是，從2010年開始，房地產(chǎn)投資在東西向?qū)Ψ績r逐漸呈負向影響，2012年，其回歸系數(shù)達到-1207，從某種角度來看，房地產(chǎn)投資已不再是房價上漲的主要原因。

居民收入、受教育程度與空間坐標的一次回歸系數(shù)表明，二者在南北向和東西向均對房價存在負向的異質(zhì)性影響；不過2009年以后，居民收入在南北向?qū)Ψ績r的影響逐漸消失，而在東西向?qū)Ψ績r的影響逐漸呈正向。相比于坐標的一次回歸系數(shù)，二次回歸系數(shù)值較小，因此，變量的影響作用相對較小。另外，從與空間坐標的交互項來看，收入盡管影響區(qū)城房價的波動，但影響程度在全國范圍內(nèi)都較小，受教育程度回歸系數(shù)則較大，

說明本地人口受教育程度越高，區(qū)域房價則越低?？傊?，由房價空間擴展回歸模型的結(jié)果可知，流動人口、房地產(chǎn)投資、居民收入與受教育程度均在空間上對房價的影響呈顯著的異質(zhì)性。

3.流動人口與房價的空間異質(zhì)性分析

通常來說，地理加權(quán)回歸模型（GWR）是用于分析空間異質(zhì)性的一種方法?，F(xiàn)有關(guān)于房價空間異質(zhì)性的文獻往往是利用Hedonic特征價格模型，從微觀的角度對某一區(qū)域的房價進行異質(zhì)性分析，然而本文的樣本為235個城市，僅從宏觀的角度探討流動人口對房價影響的空間異質(zhì)性，因此，流動人口與房價的GWR模型可表示為：

HPi=β0（mi，ni）+∑Kk=1βk（mi，ni）Xki+εi（26）

上式中，HPi表示城市i的住宅價格，而Xki表示城市i中以流動人口為代表的解釋變量，βk（mi，ni）表示基于空間坐標下各變量的回歸系數(shù)，β0（mi，ni）和εi則分別表示模型中的常數(shù)項和隨機擾動項?？臻g異質(zhì)性分析中最關(guān)鍵的是估計模型中的βk（mi，ni），通過加權(quán)最小二乘法對該系數(shù)進行估計的結(jié)果為：

βk（mi，ni）=XKW（mi，ni）X-1XKW（mi，ni）HPi（27）

其中，X表示流動人口等解釋變量構(gòu)成的矩陣，而W（mi，ni）則表示模型的空間權(quán)重矩陣，該權(quán)重矩陣中每一個元素均定義為城市之間距離的函數(shù)值，本文選用高斯核函數(shù)的形式對距離進行加權(quán)，加權(quán)后的矩陣表達式為：endprint

W（mi，ni）=diagKdi0h，Kdi1h，…，Kdikh（28）

dij表明城市i與其余城市之間的距離，而K（·）表示的是標準正態(tài)分布，帶寬h通過交叉驗證法（CV準則）來進行選擇，其原理即為去除觀測城市i之后（HP≠i），房價預(yù)測值的方差最小化，具體形式如下：

minCV（h）=1n∑ni=1（HPi-HP≠i（h））2（29）

在對流動人口與房價進行空間計量分析之前，首先應(yīng)考察房價指標的空間相關(guān)性，若存在空間自相關(guān)，則相比于多元線性回歸，空間計量的方法顯然更能夠揭示房價空間異質(zhì)性的內(nèi)在規(guī)律。進行空間自相關(guān)檢驗的前提是構(gòu)建空間權(quán)重矩陣，本文分別選用距離的倒數(shù)和k階最近鄰算法對房價的空間異質(zhì)性進行分析[16]。其中，各城市的經(jīng)緯度坐標經(jīng)統(tǒng)計軟件ArcGIS102轉(zhuǎn)換為投影坐標，然后利用歐氏距離函數(shù)計算出235個城市的空間距離，從而得到本文的空間權(quán)重矩陣。

從對房價進行空間自相關(guān)檢驗的結(jié)果可知，2005—2013年房價的莫蘭指數(shù)（Morans I）均為正，這說明房價的高值與高值相鄰，低值與低值相鄰

莫蘭指數(shù)I的取值一般為（-1，1），大于0表示正相關(guān)，表明高值與高值相鄰；小于0表示負相關(guān)，表明高值與低值相鄰；接近于0則不相關(guān)。，且歷年的Z統(tǒng)計量均表明房價存在空間自相關(guān)，拒絕房價無空間自相關(guān)的原假設(shè)，見表8。

表9給出了2005—2013年GWR模型的擬合程度。本文選擇的高斯核函數(shù)以最佳近鄰數(shù)為參數(shù)，而帶寬則通過CV準則“交叉驗證”以及AIC準則來確定。結(jié)果顯示，各年的地理加權(quán)回歸模型擬合程度較好，R2的數(shù)值介于0638—0836之間，而調(diào)整后的R2也介于0615—0827之間，相比于OLS回歸模型，其擬合效果得到進一步提升。另外，從其最佳緊鄰數(shù)的結(jié)果以及顯著性來看，GWR模型也更能合理地解釋房價的空間異質(zhì)性。

如圖4所示，流動人口對房價的影響表現(xiàn)出明顯的空間異質(zhì)性，此外，房地產(chǎn)投資、居民收入和受教育程度對房價的影響也在不同程度上表現(xiàn)出空間異質(zhì)性

由于篇幅所限，本文僅展示出流動人口回歸系數(shù)2005、2013年的圖形，流動人口其余年份、房地產(chǎn)投資、居民收入和受教育程度回歸系數(shù)圖均未展示，如感興趣可向作者索取。

。

我國流動人口對房價存在正向影響，珠三角地區(qū)的房價最易于受流動人口的影響。從2005—2007年的情況來看，流動人口對房價影響最大的地區(qū)為：珠三角地區(qū)、西南地區(qū)、長江中游地區(qū)以及關(guān)中平原，其回歸系數(shù)值基本在200—359之間，其余地區(qū)的影響相對較小。2008—2009年，珠三角地區(qū)流動人口對房價開始呈現(xiàn)負向影響，盡管人口持續(xù)流入珠三角地區(qū)，但是受全球金融危機的影響，居民收入遞減，住房信貸政策的收緊以及居民對房地產(chǎn)市場的預(yù)期下降，使得房價趨于平穩(wěn)，甚至在局部地區(qū)下降。2010—2013年，房地產(chǎn)市場回暖，珠三角、長三角、西南地區(qū)又重新成為流動人口對房價影響作用最大的地區(qū)，其回歸系數(shù)值上漲至600—1078之間，這意味著，流動人口每增加10萬人，居民購買100平方米的住宅要增加約6000—11000元。另外，其余地區(qū)流動人口對房價的影響也顯著為正。例如，盡管京津冀地區(qū)流動人口對房價的影響作用相比于其他地區(qū)

要小，但是其回歸系數(shù)卻從2005年的082上升至2010年的496，之后又逐漸下降到2013年的119，但回歸的結(jié)果仍然表明流動人口對房價的影響存在正向作用。

房地產(chǎn)投資對房價存在正向影響，但對房價的影響程度要弱于流動人口的影響。2010年以前，珠三角地區(qū)是房地產(chǎn)投資對房價影響最大的地區(qū)。2010年之后，房地產(chǎn)投資影響作用比較大的地區(qū)基本集中在環(huán)渤海灣地區(qū)和長三角地區(qū)，盡管珠三角地區(qū)房地產(chǎn)投資對房價的影響仍為正向作用，但是其影響程度卻在逐年減小。截止到2013年，珠三角地區(qū)房地產(chǎn)投資的回歸系數(shù)值已下降至007，與流動人口的作用相比，房地產(chǎn)投資對房價的影響微乎其微。另外，房地產(chǎn)投資對房價的影響在近年來還存在一個特點，即在省會城市、計劃單列市以及經(jīng)濟發(fā)展水平較高的城市中，房價的投資效應(yīng)比較大，其回歸系數(shù)值一般高于同期省內(nèi)其他城市03個單位。

居民收入對房價影響作用最小，回歸系數(shù)值均在001—026之間，且對房價的影響較為顯著地集中在京津冀、長三角和珠三角地區(qū)。

受教育程度對房價的影響在空間上異質(zhì)性最大。從歷年回歸系數(shù)來看，受教育程度對房價的影響顯著為正的代表性區(qū)域為：京津冀地區(qū)、中原城市群、關(guān)中城市群和成渝城市群

中原城市群包括河南、山西、山東、安徽、河北5省30個地級市；關(guān)中城市群是以西安為中心，包括咸陽、寶雞、渭南、銅川等地級城市以及楊凌農(nóng)業(yè)示范區(qū)；成渝城市群包括四川省和重慶市。上述城市群均出自《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃的建議》。

；受教育程度對房價的影響顯著為負的代表性區(qū)域為：珠三角地區(qū)和廣西北部灣經(jīng)濟區(qū)

廣西北部灣經(jīng)濟區(qū)具體范圍由南寧、北海、欽州、防城港、玉林、崇左所轄行政區(qū)域組成。

；受教育程度在其他地區(qū)對房價的影響則具有波動性。

五、結(jié)論與政策建議

本文研究發(fā)現(xiàn)，流動人口會引起房價波動，是房價空間異質(zhì)性的最主要的影響因素。基于我國235個地級市數(shù)據(jù)的研究發(fā)現(xiàn)，流動人口與房價在空間上的變動規(guī)律一致，京津冀、長三角和珠三角地區(qū)是流動人口最為頻繁的地區(qū)，而這些地區(qū)的房價增幅也數(shù)倍于其他地區(qū)。具體表現(xiàn)為，一、二線城市的流動人口每增加10萬人，每100平方米的住房價格將上漲6024元和15394元；空間擴展模型的結(jié)果則顯示，2010年以后，流動人口對房價的影響在東西向存在顯著的異質(zhì)性；空間地理加權(quán)回歸模型的結(jié)果顯示，珠三角地區(qū)相比于其他地區(qū)更易于影響房價波動，且影響程度越來越大，2010—2013年，流動人口每增加10萬人，每100平方米的住房價格將上漲6000—11000元。endprint

盡管房地產(chǎn)投資、居民收入以及受教育程度也在一定程度上對房價的波動具有推動作用，但是其解釋能力卻在逐漸下降。本文對于流動人口影響房價空間異質(zhì)性的研究和觀點，對于房地產(chǎn)市場的宏觀調(diào)控具有指導(dǎo)意義。一方面，當前我國政府調(diào)控房地產(chǎn)市場的任務(wù)是一、二線城市預(yù)防過熱，三、四線城市去庫存，然而政策制定時并未考慮好流動人口所帶來的供需失衡，政策效果收效甚微。事實上，一、二線城市基本為人口凈流入城市，而三、四線城市基本為人口凈流出城市，政府在對房地產(chǎn)市場進行調(diào)控時，應(yīng)更多地注重差異化，關(guān)注一、二線城市房地產(chǎn)市場供給側(cè)改革，加快城鎮(zhèn)化建設(shè)，而對于三、四線城市，則應(yīng)調(diào)整信貸政策，限制開發(fā)商拿地，鼓勵外出務(wù)工人員返鄉(xiāng)置業(yè)。另一方面，我國人口紅利逐漸消失，人口結(jié)構(gòu)正在發(fā)生變化，人口老齡化的到來意味著房地產(chǎn)市場也即將迎來拐點。地方政府應(yīng)加大力度扶持一、二線城市產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，部分產(chǎn)業(yè)轉(zhuǎn)移至三、四線城市，以此解決各線城市房價波動空間異質(zhì)性的問題，促使全國范圍內(nèi)的房地產(chǎn)市場健康有序的發(fā)展。

參考文獻：

[1]SAIZ A.Room in the kitchen for the melting pot： immigration and rental prices[J].Review of Economics & Statistics， 2003， 85（3）：502-521.

[2]SAIZ A.Immigration and housing rents in American cities[J].Journal of Urban Economics， 2007， 61（2）：345-371.

[3]GONZALEZ L， ORTEGA F.Immigration and housing booms： evidence from Spain[J].Journal of Regional Science， 2013， 53（1）：37-59.

[4]Sá F.Immigration and house prices in the UK[J].LZA Discussion Papers， 2011， 125（587）： 1393-1424.

[5]陸銘， 歐海軍， 陳斌開.理性還是泡沫：對城市化、移民和房價的經(jīng)驗研究[J].世界經(jīng)濟， 2014（1）：30-54.

[6]董昕， 周衛(wèi)華.住房市場與農(nóng)民工住房選擇的區(qū)域差異[J].經(jīng)濟地理， 2014（12）：140-146.

[7]李超， 張超.高房價收入比形成原因及對中國城市人口集聚的影響：理論與實證[J].華南師范大學(xué)學(xué)報（社會科學(xué)版）， 2015（1）：116-123.

[8]張傳勇.房價波動收入分配效應(yīng)的區(qū)域差異分析——基于中國省際面板數(shù)據(jù)的實證研究[J].華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2014（1）：113-120.

[9]OTTAVIANO G I P， PERI G. Rethinking the effect of immigration on wages[J]. Journal of the European Economic Association， 2012， 10（1）： 152-197.

[10]GLAESER E L， TOBIO K.Housing booms and city centers[J].American Economic Review， 2012， 102（3）：127-133.

[11]鮑常勇.我國286個地級及以上城市流動人口分布特征分析[J].人口研究， 2007（6）：67-75.

[12]田明.農(nóng)業(yè)轉(zhuǎn)移人口空間流動與城市融入[J].人口研究， 2013（4）：43-55.

[13]路琪， 周洪霞.人口流動視角下的城鎮(zhèn)化分析[J].宏觀經(jīng)濟研究， 2014（12）：112-121.

[14]李拓， 李斌.中國跨地區(qū)人口流動的影響因素——基于286個城市面板數(shù)據(jù)的空間計量檢驗[J].中國人口科學(xué)， 2015（2）：73-83.

[15]CASSETTI E. Generating models by the expansion method： applications to geographical research[J]. Geographical Analysis， 1972， 4（1）：81-91.

[16]任英華，游萬海. 一種新的空間權(quán)重矩陣選擇方法[J]. 統(tǒng)計研究，2012（6）：99-105.

[責任編輯武玉]endprint