向?yàn)槊?，李新?/p>

(1.重慶工商大學(xué) 管理學(xué)院，重慶 400067；2.重慶理工大學(xué) 經(jīng)濟(jì)金融學(xué)院，重慶 400054)

一、引言

近年來，作為中國經(jīng)濟(jì)支柱的房地產(chǎn)業(yè)正面臨房價暴漲、區(qū)域差距持續(xù)擴(kuò)大的問題。根據(jù)國家統(tǒng)計局的數(shù)據(jù)，2017年我國各地區(qū)房價出現(xiàn)了不同程度的上升，全國房價平均上漲10.86%，其中有15個地區(qū)房價漲幅超出全國平均水平，個別地區(qū)如海南、重慶等漲幅甚至超過20%(1)http://www.stats.gov.cn.。房價的區(qū)域波動差異在帶來房價極大的投機(jī)空間的同時亦促使房地產(chǎn)背離其基本居住屬性，導(dǎo)致房地產(chǎn)業(yè)結(jié)構(gòu)失衡、資源配置扭曲并損害國民經(jīng)濟(jì)。黨的十九大明確提出“房子是用來住的，不是用來炒的”，要加快建立多主體供給、多渠道保障、租購并舉的住房制度，讓全體人民住有所居，著重強(qiáng)調(diào)了房地產(chǎn)的居住屬性。因此，因城施政保障房地產(chǎn)價格平穩(wěn)，讓房地產(chǎn)回歸居住屬性，成為當(dāng)前房地產(chǎn)政策關(guān)注的重點(diǎn)。

與此同時，各大城市在與房地產(chǎn)發(fā)展緊密聯(lián)系的城鎮(zhèn)化建設(shè)中也面臨著如何穩(wěn)定房地產(chǎn)價格、防范房地產(chǎn)市場風(fēng)險，進(jìn)而促進(jìn)房地產(chǎn)市場可持續(xù)發(fā)展的問題。其中，基礎(chǔ)設(shè)施作為推進(jìn)城鎮(zhèn)化建設(shè)的重要一環(huán)，既是經(jīng)濟(jì)發(fā)展的先決條件，又是改善人民生活的必要手段，對房地產(chǎn)價格波動的影響尤為關(guān)鍵。一方面，基礎(chǔ)設(shè)施能夠通過占用商品房開發(fā)土地面積來影響房地產(chǎn)市場的供給。另一方面，基礎(chǔ)設(shè)施的完善可提升區(qū)域房地產(chǎn)吸引力，從而增加投資者對住房的居住和投機(jī)需求。那么，城市基礎(chǔ)設(shè)施建設(shè)究竟多大程度影響房地產(chǎn)價格？房價區(qū)域差異波動與城市基礎(chǔ)設(shè)施差異化建設(shè)到底有無關(guān)聯(lián)？基于這些問題，本文將重點(diǎn)考察城市基礎(chǔ)設(shè)施對房價的影響及其區(qū)域差異，并探討造成區(qū)域差異的原因，力求為我國因地制宜實(shí)施差異化房價調(diào)控政策提供參考。

二、文獻(xiàn)回顧

房價的非理性上漲和泡沫引爆了2008年席卷全球的金融危機(jī)，至今仍有國家深受其害。因此，抑制房價上漲成為國內(nèi)外學(xué)者熱切關(guān)注的話題，有關(guān)房價影響因素的研究不勝枚舉。Bischoff認(rèn)為收入和房地產(chǎn)價格之間存在相互的正向影響[1]。Marco對意大利米蘭的研究發(fā)現(xiàn)道路收費(fèi)能夠促使覆蓋范圍內(nèi)房地產(chǎn)價格下降[2]。Boennec等從法國南特居民選擇住宅入手研究了空氣污染和噪音對房價的影響[3]。

國內(nèi)學(xué)者基于我國房地產(chǎn)市場發(fā)展經(jīng)驗(yàn)，從不同視角對房價影響因素進(jìn)行了研究。況偉大通過構(gòu)建住房市場比較動態(tài)均衡模型發(fā)現(xiàn)，理性預(yù)期對房價的作用弱于適應(yīng)性預(yù)期、上期房價對本期房價具有較大的影響[4]。甘霖等從房價與地價的結(jié)構(gòu)關(guān)系出發(fā)，驗(yàn)證了往期地價對當(dāng)期房價存在推動作用[5]。向?yàn)槊竦劝l(fā)現(xiàn)無論長期還是短期，銀行信貸規(guī)模與房價波動均互為因果關(guān)系[6]。

伴隨城鎮(zhèn)化的快速推進(jìn)與房價急劇攀升，有關(guān)城鎮(zhèn)化與房價之間關(guān)系的研究漸入學(xué)者視野。范劍勇等[7]、張延等[8]均認(rèn)為城鎮(zhèn)化對房地產(chǎn)價格具有顯著的積極影響。楚爾鳴等進(jìn)一步研究發(fā)現(xiàn)城鎮(zhèn)化既可直接促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級，也能通過房價體現(xiàn)出顯著的中介效應(yīng)[9]。王鶴等從空間計量方法的應(yīng)用方面研究了城鎮(zhèn)化對房價影響的直接效應(yīng)和間接效應(yīng)[10]。

基礎(chǔ)設(shè)施建設(shè)水平與城鎮(zhèn)化發(fā)展質(zhì)量密切相關(guān)，目前學(xué)術(shù)界已有文獻(xiàn)研究城市基礎(chǔ)設(shè)施與房價之間的關(guān)系。王洪衛(wèi)等采用半對數(shù)形式住房價格特征模型，從市區(qū)和郊區(qū)影響程度的差異性角度檢驗(yàn)了地鐵站附近的房價溢價效應(yīng)在城市各區(qū)域的異質(zhì)性特征，發(fā)現(xiàn)地鐵對市區(qū)和郊區(qū)住房價格的影響程度存在顯著差異[11]。梁軍輝等指出地鐵站點(diǎn)、商場、休閑娛樂設(shè)施等因素對房價的影響隨距離的增加而減弱[12]。宮徽等發(fā)現(xiàn)獨(dú)自建設(shè)的污水處理廠對周邊房價的抑制作用造成了巨額的價值損失，且距離污水處理廠越近，房價增速抑制情況越明顯[13]。

現(xiàn)有文獻(xiàn)已對眾多影響房價的因素進(jìn)行了非常有價值的研究，為本文的研究奠定了理論和方法基礎(chǔ)。但是，關(guān)于城鎮(zhèn)化與房價之間關(guān)系的研究仍存在如下問題：一是現(xiàn)有研究主要著眼于城鎮(zhèn)化人口層面、土地層面對房價的影響效應(yīng)，鮮有文章基于城鎮(zhèn)化基礎(chǔ)設(shè)施層面進(jìn)行研究。二是我國城鎮(zhèn)化在不同地區(qū)發(fā)展極不平衡，區(qū)域基礎(chǔ)設(shè)施建設(shè)差異明顯，因此對不同區(qū)域房價的研究應(yīng)立足于這一基本前提。而當(dāng)前關(guān)于基礎(chǔ)設(shè)施對房價影響的文獻(xiàn)尚無探討區(qū)域異質(zhì)性問題，難以真實(shí)反映基礎(chǔ)設(shè)施對房價影響的區(qū)域差異。

因此，本文運(yùn)用我國31省市2005—2017年的面板數(shù)據(jù)，對全國層面和東、中、西部3個地區(qū)進(jìn)行實(shí)證分析，并進(jìn)一步考察全國35個不同類別城市的差異，全面研究城市基礎(chǔ)設(shè)施對房價的影響及其區(qū)域差異。

三、實(shí)證分析

(一)變量選取與模型構(gòu)建

1.房地產(chǎn)價格(price)

參考祝繼高等[14]的做法，采用商品房平均銷售價格(元/平方米)來表示房地產(chǎn)價格。

2.基礎(chǔ)設(shè)施

基礎(chǔ)設(shè)施是指為社會生產(chǎn)和居民生活提供公共服務(wù)的物質(zhì)工程設(shè)施，包含的內(nèi)容和形式多樣，主要包括能源動力設(shè)施、供水污水處理設(shè)施、道路交通設(shè)施、郵電通信設(shè)施及生態(tài)環(huán)保設(shè)施等，本文從這5個方面分別選取相應(yīng)指標(biāo)。

(1)能源動力設(shè)施(dec)。采用城鎮(zhèn)居民人均年生活用電量(千瓦時/人)指標(biāo)，具體指城鎮(zhèn)人口生活用電總量與區(qū)域內(nèi)城鎮(zhèn)人口總量(常住人口口徑)之比。

(2)供水污水處理設(shè)施(wsl)。采用城鎮(zhèn)范圍內(nèi)供水管道長度(萬公里)、污水日處理能力(萬立方米)指標(biāo)。供水管道長度是指從送水泵至用戶水表之間所有管道的長度，污水日處理能力是指每晝夜處理污水量的設(shè)計能力。

(3)道路交通設(shè)施(pra)。采用人均擁有道路面積(平方米/人)指標(biāo)，具體指城鎮(zhèn)區(qū)域內(nèi)平均每人擁有的道路面積。

(4)郵電通信設(shè)施(pv)。采用移動電話交換機(jī)容量(萬戶)指標(biāo)，具體指移動電話交換機(jī)根據(jù)一定話務(wù)模型和交換機(jī)處理能力計算出來的最大同時服務(wù)用戶的數(shù)量。

(5)生態(tài)環(huán)保設(shè)施(pga)。采用人均公園綠地面積(平方米/人)指標(biāo)，具體指報告期末區(qū)域內(nèi)平均每人擁有的公園綠地面積，為區(qū)域內(nèi)公園綠地面積與城鎮(zhèn)人口總量之比。

3.控制變量

(1)土地供應(yīng)量(sol)。房地產(chǎn)開發(fā)企業(yè)獲得土地的多少直接決定房地產(chǎn)開發(fā)面積的大小，進(jìn)而影響商品房供給總量。本文用房地產(chǎn)開發(fā)企業(yè)購置土地面積(萬平方米)來衡量土地供應(yīng)量。

(2)居民收入水平(ril)。居民收入水平的提高一定程度上增強(qiáng)了購買力，擴(kuò)大了人們對住房的需求，從而推動了房價上漲。本文采用城鎮(zhèn)居民人均可支配收入(元)代表居民收入水平。

(3)貨幣政策(blr)。貨幣政策對房地產(chǎn)開發(fā)投資和房價均產(chǎn)生顯著的影響。本文以央行5年期以上貸款基準(zhǔn)利率年末值來表示貨幣政策。

(4)房地產(chǎn)信貸規(guī)模(bls)。參考梁云芳等[15]的方法，使用房地產(chǎn)資金來源中除自籌資金以外的資金(億元)作為描述房地產(chǎn)信貸規(guī)模的指標(biāo)(2)由于房地產(chǎn)資金來源中除自籌資金以外的資金大多直接或間接來源于金融機(jī)構(gòu)，因此可以將其作為衡量房地產(chǎn)信貸規(guī)模的指標(biāo)，且其中包含來自外商直接投資(fdi)的資金，故不再單獨(dú)設(shè)置外商直接投資為控制變量。。

在選定上述變量的基礎(chǔ)上，由于人們過去形成的房價預(yù)期可能對本期房價造成影響，我們將房價水平的一階滯后項作為解釋變量來構(gòu)建DPD模型?？紤]到基礎(chǔ)設(shè)施水平與房價可能存在的非線性關(guān)系，對各個變量指標(biāo)進(jìn)行對數(shù)化處理，建立如下回歸模型(3)城鎮(zhèn)化發(fā)展水平指標(biāo)由于與基礎(chǔ)設(shè)施、居民收入水平指標(biāo)存在嚴(yán)重的共線性而未被包含在模型中。：

lnpricei,t=β0+β1lnpricei,t-1+β2lndeci,t+β3lnwsli,t+β4lnsci,t+β5lnprai,t+β6lnpvi,t+

β7lnpgai,t+β8lnsoli,t+β9lnrili,t+β10lnblri,t+β11lnblsi,t+μi+εi,t

(1)

其中：i代表省份，t代表年份；lnpricei,t表示房地產(chǎn)價格；lnpricei,t-1表示滯后一期的房地產(chǎn)價格；lndeci,t表示城鎮(zhèn)居民人均年生活用電量；lnwsli,t表示供水管道長度；lnsci,t表示污水日處理能力；lnprai,t表示人均擁有道路面積；lnpvi,t表示移動電話交換機(jī)容量；lnpgai,t表示人均公園綠地面積；lnsoli,t表示房地產(chǎn)開發(fā)企業(yè)購置土地面積；lnrili,t表示居民收入水平；lnblri,t表示貨幣政策；lnblsi,t表示房地產(chǎn)信貸規(guī)模；μi表示不隨時間變化的地區(qū)固定效應(yīng)；εi,t表示隨機(jī)誤差項。

(二)估計方法

如果回歸模型中含有內(nèi)生性問題，如本文的居民收入水平與房價之間相互影響引起的內(nèi)生解釋變量問題，可能會導(dǎo)致傳統(tǒng)的最小二乘(OLS)估計結(jié)果不一致。解決內(nèi)生性問題最常見的兩種方法是工具變量法和廣義矩估計(GMM)方法，工具變量法因未利用所有矩條件，所得估計結(jié)果可能是一致的卻不一定有效[16]；廣義矩估計(GMM)方法一方面能夠控制時間固定效應(yīng)和個體效應(yīng)，另一方面可以通過使用解釋變量的滯后項作為工具變量來解決解釋變量的內(nèi)生性問題[17]。因此，眾多學(xué)者將廣義矩估計(GMM)方法應(yīng)用于動態(tài)面板模型，該方法具體包括差分GMM和系統(tǒng)GMM，本文的動態(tài)面板模型主要采用差分GMM方法,并需要通過擾動項不存在自相關(guān)的檢驗(yàn)和Hansen檢驗(yàn)(4)Hansen檢驗(yàn)主要用于判斷工具變量是否有效，其原假設(shè)為所選工具變量有效。。由于模型解釋變量較多，易產(chǎn)生過多的工具變量從而導(dǎo)致估計量有偏[18]，因此本文采用了折疊式工具變量(Collapsed Instruments)進(jìn)行估計。

(三)數(shù)據(jù)來源

根據(jù)國家統(tǒng)計局的分類，除我國香港、澳門和臺灣地區(qū)外，我國經(jīng)濟(jì)區(qū)域可劃分為東部地區(qū)(包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個省市)、中部地區(qū)(包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南等8個省市)和西部地區(qū)(包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆等12個省市區(qū))。這三大區(qū)域城鎮(zhèn)化發(fā)展階段與房價水平均存在顯著差異，為本文研究城市基礎(chǔ)設(shè)施對房價影響及其區(qū)域差異提供了樣本選擇空間，西藏自治區(qū)由于部分?jǐn)?shù)據(jù)缺失，故從樣本中剔除。從時間跨度上講，由于基礎(chǔ)設(shè)施各方面指標(biāo)近年才擁有統(tǒng)計數(shù)據(jù)，基于數(shù)據(jù)的可獲得性，選擇2005—2017年的樣本數(shù)據(jù)。以上數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國城市經(jīng)濟(jì)年鑒》《中國城市統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》等統(tǒng)計資料和中國統(tǒng)計局官網(wǎng)，其中少量缺失數(shù)據(jù)采用插值法進(jìn)行修正。

(四)描述性統(tǒng)計分析

表1展示了各變量分區(qū)域的描述性統(tǒng)計信息。總體來看，我國中、西部地區(qū)房價水平趨同，遠(yuǎn)低于東部地區(qū)。城市基礎(chǔ)設(shè)施發(fā)展水平區(qū)域差異較為明顯，東部地區(qū)能源動力設(shè)施、供水污水處理設(shè)施、道路交通設(shè)施、郵電通信設(shè)施、生態(tài)環(huán)保設(shè)施各方面發(fā)展水平均高于中、西部地區(qū)，尤其是供水污水處理設(shè)施(東部污水日處理能力數(shù)據(jù)為6.230 4，明顯高于西部的5.073 4)方面，東、西部差距較為明顯。

(五)單位根檢驗(yàn)

為避免建模時出現(xiàn)“偽回歸”，需要對變量進(jìn)行單位根檢驗(yàn)，來考察其序列平穩(wěn)性。綜合運(yùn)用LLC(Levin-Lin-Chu)檢驗(yàn)、IPS檢驗(yàn)(Im-Pesaran-Shin)、ADF-Fisher檢驗(yàn)、PP-Fisher檢驗(yàn)方法對面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果見表2。由表2可知，所有變量均為平穩(wěn)序列，可直接進(jìn)行回歸分析。

表1 變量的描述性統(tǒng)計

表2 各變量單位根檢驗(yàn)結(jié)果

注：括號內(nèi)為P值；***、**、*分別指在1%、5%、10%水平上拒絕有單位根的原假設(shè)

(六)回歸分析

1.全國層面的估計結(jié)果

考慮模型中存在的內(nèi)生解釋變量問題，我們采用動態(tài)面板GMM估計方法對回歸方程進(jìn)行估計，為有效觀測解釋變量對被解釋變量影響的穩(wěn)健性，逐個加入控制變量對式(1)進(jìn)行回歸，回歸結(jié)果見表3?？梢钥闯?，模型1—模型4中，Wald檢驗(yàn)的p值均為0，說明模型回歸結(jié)果是顯著的；AR(1)的p值小于0.1，AR(2)和Hansen檢驗(yàn)的p值均大于0.1，說明選擇的工具變量(5)限于篇幅，僅匯報模型4差分GMM估計選取的工具變量，即房價的滯后3階、土地供應(yīng)量的滯后4—5階、居民收入水平的滯后3—5階。有效。

表3 全國層面動態(tài)面板差分GMM與系統(tǒng)GMM估計結(jié)果

注：括號內(nèi)數(shù)值為z值，***、**、*分別指在1%、5%、10%的水平上顯著

從表3可見，房地產(chǎn)價格滯后一期對當(dāng)期房地產(chǎn)價格存在明顯的正向影響，這種影響效應(yīng)在5%水平上顯著，表明全國范圍內(nèi)人們過去形成的房價預(yù)期會影響本期房價。上期房價愈高，人們愈傾向于預(yù)期本期房價上漲，因而會增加對房地產(chǎn)的需求，進(jìn)而促進(jìn)房價上漲。

基礎(chǔ)設(shè)施各變量均對房價產(chǎn)生影響。其中，城鎮(zhèn)居民人均年生活用電量對房價的影響系數(shù)在5%的水平上顯著為正，表明能源動力設(shè)施對房價具有顯著的正向影響。能源動力設(shè)施發(fā)達(dá)的區(qū)域經(jīng)濟(jì)發(fā)展水平通常較高，房價水平也較高。在模型4中，供水管道長度系數(shù)為正且不顯著，污水日處理能力系數(shù)為負(fù)、顯著性同樣較低，說明供水污水處理設(shè)施對房價影響不夠明顯。人均道路面積對房價的影響系數(shù)均在10%的水平上顯著為負(fù)，可見道路交通設(shè)施對房價具有明顯的抑制作用。分析可知，城市人均道路面積較大的區(qū)域一般為人口少、經(jīng)濟(jì)發(fā)展水平差的郊區(qū)，因此道路交通設(shè)施水平高的區(qū)域房價較低。移動電話交換機(jī)容量對房價的影響系數(shù)顯著為正，說明郵電通信等配套設(shè)施完善的區(qū)域更受投資者青睞，郵電通訊設(shè)施的提高對房價具有促進(jìn)作用。人均公園綠地面積對房價影響系數(shù)顯著為負(fù)，這說明生態(tài)環(huán)保設(shè)施提高并沒有引起房地產(chǎn)需求的“膨脹”，推動房價上漲，可能是城市擁有的公園綠地面積受限于土地容量而不能無限增加，而人口卻時刻都在流動，因此人均公園綠地面積較大的地區(qū)可能因?yàn)槿丝诹魇Фy以有效地刺激購房需求，導(dǎo)致房價較低。

房地產(chǎn)開發(fā)企業(yè)購置土地面積對房價影響系數(shù)顯著為負(fù)，表明土地供應(yīng)量對房價具有緩沖作用。土地供應(yīng)面積上升推動房地產(chǎn)企業(yè)開發(fā)的商品房數(shù)量增加，從而可能因供給過高而導(dǎo)致房產(chǎn)閑置、房價下跌。城鎮(zhèn)人均可支配收入對房價的影響系數(shù)較小且不顯著，說明居民收入水平對房價的影響不夠明顯。銀行5年期以上貸款利率對房價的影響系數(shù)在1%的水平上顯著為正，體現(xiàn)了貨幣政策對房價具有明顯的驅(qū)動作用。銀行貸款利率上升可能增加房地產(chǎn)開發(fā)企業(yè)的成本負(fù)擔(dān)，進(jìn)而推動房價上漲。房地產(chǎn)信貸規(guī)模對房價的影響系數(shù)顯著為正，表明房地產(chǎn)信貸規(guī)模會對房價產(chǎn)生顯著的促進(jìn)作用，這與已有文獻(xiàn)的研究結(jié)論一致。

2.穩(wěn)健性檢驗(yàn)

根據(jù)roodman[19]的分析，混合效應(yīng)和固定效應(yīng)估計值決定了被解釋變量一階滯后項真實(shí)估計值的上界和下界。因此，差分GMM模型估計的被解釋變量一階滯后項只需介于固定效應(yīng)和混合效應(yīng)估計值之間，即表明模型是穩(wěn)健的。限于篇幅，僅對模型4(表3)進(jìn)行穩(wěn)健性檢驗(yàn)。由模型4可知，房價滯后一階的系數(shù)為0.602 4，高于固定效應(yīng)的0.546 5且低于混合效應(yīng)的0.952 8，表明模型是穩(wěn)健的。

廣義矩估計的另一種方法是系統(tǒng)GMM(6)進(jìn)行系統(tǒng) GMM 估計時，加入較多的解釋變量會產(chǎn)生過多的工具變量。因此，我們在回歸方程中逐個加入lnsoli,t、lnrili,t、lnblri,t、lnblsi,t4個控制變量進(jìn)行估計。，與差分GMM相比，其優(yōu)點(diǎn)是能夠提高估計的效率，缺點(diǎn)是必須額外地假定被解釋變量的一階差分滯后項與個體效應(yīng)不相關(guān)[20]。表3同樣列出了系統(tǒng)GMM的估計結(jié)果，可以看出，被解釋變量的滯后一期始終顯著且系數(shù)符號與差分GMM估計結(jié)果一致，可見差分GMM模型較為穩(wěn)健。同時，系統(tǒng)GMM估計結(jié)果均沒有通過Hansen檢驗(yàn)，且基礎(chǔ)設(shè)施各變量對房價影響均不顯著，說明本文的樣本可能并不滿足使用系統(tǒng)GMM估計的前提。

3.區(qū)域?qū)用娴墓烙嫿Y(jié)果

考慮到東、中、西部地區(qū)經(jīng)濟(jì)發(fā)展的差異性，選取城市基礎(chǔ)設(shè)施建設(shè)的5個主要方面，分別從這3個區(qū)域出發(fā)，利用動態(tài)面板差分GMM模型分析東、中、西部地區(qū)基礎(chǔ)設(shè)施對房價影響的區(qū)域差異，回歸結(jié)果如表4所示。

表4顯示，分區(qū)域的回歸模型比較顯著，干擾項不存在自相關(guān)，工具變量的選擇也較為合適。不同地區(qū)房價滯后一期均對當(dāng)期房價產(chǎn)生巨大的推動作用。估計系數(shù)都在1%的水平上顯著，再次說明過去形成的房價預(yù)期對當(dāng)期房價影響巨大。從回歸系數(shù)看，不同區(qū)域投資者的房價預(yù)期對當(dāng)期房價影響存在一定差異。

無論是東部、中部還是西部，能源動力設(shè)施都與房價呈現(xiàn)正相關(guān)關(guān)系，但東、西部地區(qū)并不顯著，這可能是由于房地產(chǎn)市場缺乏與能源動力設(shè)施的響應(yīng)機(jī)制，導(dǎo)致房屋空置率較高。從系數(shù)大小來看，不同區(qū)域能源動力設(shè)施對房價的影響存在顯著差異。供水污水處理設(shè)施對東部房價具有抑制作用，對中部房價具有促進(jìn)作用，對西部房價影響尚不明顯。受城鎮(zhèn)化水平偏低、供水污水處理設(shè)施仍不夠完善的影響，西部地區(qū)供水污水處理設(shè)施對房價影響較弱。道路交通設(shè)施對東、西部房價影響顯著為負(fù)，對中部房價影響為正卻不顯著。說明東、西部地區(qū)道路交通設(shè)施發(fā)達(dá)的區(qū)域房價一般較低，這與全國層面結(jié)論一致，中部地區(qū)道路交通設(shè)施對房價的影響不明顯。郵電通信設(shè)施對東部房價影響系數(shù)為負(fù)且未通過顯著性檢驗(yàn)，對中、西部影響系數(shù)顯著為正，同樣可能是由于東部地區(qū)郵電通信設(shè)施與房價之間缺乏響應(yīng)機(jī)制。生態(tài)環(huán)保設(shè)施對東、西部房價具有負(fù)向影響，對中部房價影響為正，但僅對東部影響系數(shù)較為顯著?？赡苁浅擎?zhèn)化建設(shè)水平差異導(dǎo)致東部地區(qū)人工綠地資源較中、西部地區(qū)更為豐富，因而對房價的影響更加突出。

土地供應(yīng)量、居民收入水平、貨幣政策、房地產(chǎn)信貸規(guī)模對房價的影響也存在明顯的區(qū)域差異。土地供應(yīng)量對東、中、西部房價均產(chǎn)生負(fù)向影響，但只有西部地區(qū)顯著，可能是中國土地面積的區(qū)位分布不均衡，西部地區(qū)明顯土地供應(yīng)量較多，房價較低。居民收入水平對3個地區(qū)房價影響均為正，但只有西部地區(qū)顯著，且系數(shù)明顯大于東、中部地區(qū)，這可能是由于西部地區(qū)房價與居民收入水平之間的差距低于東、中部地區(qū)，導(dǎo)致人均收入的提高更能刺激住房需求，進(jìn)而推動房價。貨幣政策對東、中、西部地區(qū)房價均具有促進(jìn)作用，但是對3個區(qū)域的影響效應(yīng)卻明顯不同，貨幣政策對西部房價驅(qū)動作用最明顯，其次是中部，最后是東部。房地產(chǎn)信貸規(guī)模對東、中、西部房價均具有顯著的正向影響，這與全國層面的結(jié)論相吻合，其中房地產(chǎn)信貸規(guī)模對東部房價影響最為顯著。

表4 區(qū)域?qū)用娌罘諫MM估計結(jié)果

注：括號內(nèi)數(shù)值為z值，***、**、*分別指在1%、5%、10%的水平上顯著

4.不同類別城市層面的估計結(jié)果

在區(qū)域?qū)用娣治龅幕A(chǔ)上，選取全國35個主要城市，根據(jù)《第一財經(jīng)周刊》發(fā)布的《中國城市商業(yè)魅力排行榜》將其劃分為一線、新一線、二線、三線城市(7)一線城市包括北京、上海、廣州、深圳；新一線城市包括成都、杭州、重慶、武漢、西安、天津、南京、鄭州、長沙、沈陽、青島、寧波；二線城市包括昆明、大連、廈門、合肥、福州、哈爾濱、濟(jì)南、長春、石家莊、南寧、貴陽、南昌、太原、烏魯木齊、蘭州；三線城市包括?？?、呼和浩特、銀川、西寧。，進(jìn)一步考察不同類別城市基礎(chǔ)設(shè)施對房價影響的差異?；貧w結(jié)果如表5所示。

表5 不同類別城市層面差分GMM估計結(jié)果

注：括號內(nèi)數(shù)值為z值，***、**、*分別指在1%、5%、10%的水平上顯著

由表5可知，上年房價對本年房價仍具有顯著的影響。從影響系數(shù)看，上年房價對一線、新一線、二線城市房價的影響高于對三線城市房價的影響，這符合近年我國城市群發(fā)展格局，一線城市人口逐步流向新一線、二線城市，促進(jìn)了這些城市的繁榮和房價上升，因此這些地區(qū)上期房價對本期房價影響較為接近。

能源動力設(shè)施對不同類別城市房價影響均為正，但對新一線城市房價影響并不顯著，可能是由于新一線城市能源動力設(shè)施與房價之間缺乏“響應(yīng)”機(jī)制。供水污水處理設(shè)施僅對一線城市房價產(chǎn)生顯著的推動作用，這可能是二、三線城市由于其城鎮(zhèn)化水平相對較低，房價受供水污水處理設(shè)施影響較小。道路交通設(shè)施對一線、新一線、二線城市房價影響為負(fù)且不顯著，對三線城市房價影響為正，表明三線城市正積極修建地鐵等道路交通設(shè)施，因此道路交通設(shè)施發(fā)達(dá)的區(qū)域房價也較高。郵電通信設(shè)施對一線、新一線、二線、三線城市房價影響系數(shù)均為正，但只有三線城市顯著，說明三線城市郵電業(yè)較為薄弱，其發(fā)展對房價的刺激十分明顯。生態(tài)環(huán)保設(shè)施對一、二、三線城市房價均具有負(fù)向影響，對新一線城市房價具有正向影響，但僅對一線城市房價影響較為顯著，分析可能是人口流出導(dǎo)致一線城市人均公園綠地面積上升而房價卻出現(xiàn)下降。

四、結(jié)論與政策建議

(一)研究結(jié)論

(1)無論是全國層面還是東、中、西部地區(qū)的估計結(jié)果，均顯示基礎(chǔ)設(shè)施對房價產(chǎn)生顯著影響。在全國層面，基礎(chǔ)設(shè)施與房價顯著相關(guān)，其中能源動力設(shè)施、供水污水處理設(shè)施與房價顯著正相關(guān),而道路交通設(shè)施與房價顯著負(fù)相關(guān)，且影響結(jié)果具有穩(wěn)健性。

(2)基礎(chǔ)設(shè)施對不同區(qū)域房價影響呈現(xiàn)空間異質(zhì)性。其中，能源動力設(shè)施對中部房價影響顯著為正，而對東、西部房價影響甚微；供水污水處理設(shè)施對東部房價具有抑制作用，對中部房價具有促進(jìn)作用，對西部房價影響尚不明顯；道路交通設(shè)施對東、西部房價具有負(fù)向影響，對中部房價影響不顯著；郵電通信設(shè)施對中、西部房價均產(chǎn)生推動作用，對東部房價影響不顯著；生態(tài)環(huán)保設(shè)施對東部房價影響顯著為負(fù)，而對中、西部房價影響不顯著。

(3)基礎(chǔ)設(shè)施對不同類別城市房價影響具有顯著差異。其中，能源動力設(shè)施對不同類別城市房價影響均為正，但對新一線城市房價影響并不顯著；供水污水處理設(shè)施僅對一線城市房價產(chǎn)生顯著的推動作用；道路交通設(shè)施對一線、新一線、二線城市房價影響為負(fù)且不顯著，對三線城市房價影響顯著為正；郵電通信設(shè)施對不同類別城市房價影響系數(shù)均為正，但只有三線城市顯著；生態(tài)環(huán)保設(shè)施對一、二、三線城市房價具有負(fù)向影響，對新一線城市房價具有正向影響，但僅對一線城市房價影響較為顯著。

(二)政策建議

城鎮(zhèn)化的建設(shè)要與房地產(chǎn)市場的平穩(wěn)運(yùn)行相輔相成，本文運(yùn)用動態(tài)面板差分GMM模型研究了我國城市基礎(chǔ)設(shè)施對房價的影響及其區(qū)域差異。根據(jù)實(shí)證分析結(jié)論，提出如下建議：

1.完善城市配套基礎(chǔ)設(shè)施建設(shè)

黨的十九大報告指出，要繼續(xù)推進(jìn)新型城鎮(zhèn)化建設(shè)，提高城鎮(zhèn)發(fā)展質(zhì)量。因此，要加快完善城市配套基礎(chǔ)設(shè)施，使之與城鎮(zhèn)化發(fā)展水平和房價水平相適應(yīng)。首先，在規(guī)劃和建設(shè)新城鎮(zhèn)時，應(yīng)充分考慮能源動力設(shè)施、供水污水處理設(shè)施、郵電通信設(shè)施及生態(tài)環(huán)保設(shè)施等配套基礎(chǔ)設(shè)施的匹配，使得房地產(chǎn)價格不同的區(qū)域均可以享受到基本的便民服務(wù)，避免高收入者占用過多配套基礎(chǔ)設(shè)施資源而造成分配不平等，引起社會矛盾加劇。其次，在加強(qiáng)保障性住房建設(shè)的同時也要及時推進(jìn)配套基礎(chǔ)設(shè)施的完善，使住房保障政策能夠行之有效。

2.推進(jìn)城市基礎(chǔ)設(shè)施差異化建設(shè)

考慮到中國基礎(chǔ)設(shè)施區(qū)域發(fā)展不平衡使得基礎(chǔ)設(shè)施對房價影響存在明顯的區(qū)域差異，在制定基礎(chǔ)設(shè)施相關(guān)的政策時，應(yīng)根據(jù)不同區(qū)域基礎(chǔ)設(shè)施建設(shè)的具體狀況，積極推進(jìn)城市基礎(chǔ)設(shè)施差異化建設(shè)。房價過高的東部地區(qū)應(yīng)加快郊區(qū)道路交通設(shè)施建設(shè)和主城區(qū)企業(yè)搬遷，這實(shí)質(zhì)上能夠提高全城的道路交通設(shè)施水平并有利于房價的合理調(diào)控，同時要繼續(xù)加強(qiáng)供水污水處理設(shè)施建設(shè)及城市綠化。中、西部地區(qū)應(yīng)將發(fā)展區(qū)域經(jīng)濟(jì)、完善基礎(chǔ)設(shè)施和穩(wěn)定房價協(xié)同推進(jìn)，以促進(jìn)該地區(qū)房地產(chǎn)業(yè)健康發(fā)展。

3.統(tǒng)籌推進(jìn)不同類別城市基礎(chǔ)設(shè)施建設(shè)

當(dāng)前我國城市群格局日漸形成，隨著城市群內(nèi)部聯(lián)系愈加緊密，城市基礎(chǔ)設(shè)施的建設(shè)將不僅影響本地區(qū)房價，對周邊城市房價的作用也日漸凸顯。城市群內(nèi)不同城市之間應(yīng)加強(qiáng)區(qū)際合作，避免“零和博弈”，統(tǒng)籌推進(jìn)相關(guān)城市的基礎(chǔ)設(shè)施建設(shè)從而更有效地調(diào)控房價。如“京津冀”城市群的北京和石家莊，石家莊應(yīng)盡快推動各項基礎(chǔ)設(shè)施的完善，才能順利完成承接北京產(chǎn)業(yè)轉(zhuǎn)移的重任進(jìn)而影響北京地區(qū)的房價。