中国城市房价影响因素的研究大学本科毕业论文.doc

摘要摘 要随着我国经济的发展和城市化的加快，我国房地产业快速发展，在国民经济的比重逐渐提高，同时在促进经济增长、调整产业结构、吸收社会就业等方面发挥了重要的作用。然而，快速的发展的房地产市场也带来一些问题：如投资规模增长过快、地区供给需求不合理、部分地区房价居高不下、房地产市场监管调控体系不够完善等问题，尤其是一些大中城市房价畸高不下，严重影响了老百姓的居住和生活。持续高烧的房价使政府必须直面房价问题，近几年，房地产调控政策频繁出台，经济手段行政手段并用，综合调控力度空前，但是效果甚微，房价有愈演愈烈之势。到底应该如何正确规范和引导房地产市场的发展，是政府亟需解决一道难题。住房价格一直都是房地产市场研究的核心问题，理清城市间住房价格的内在联系对于协调城市及地区房地产市场发展至关重要，也有助于国家对房地产市场的宏观调控。目前已有大量学者对我国住房价格影响因素、波动特性等方面做了大量研究，但是关于住房价格影响因素的实证研究一直停留在国家、省份或者城市的等单一市场，而忽视了城市市场之间的互动关系。对于城市间、区域间住房价格是否存在所谓的“扩散效应”，如果存在，传导机制、程度和强度又是怎么样的问题，目前尚缺乏研究。本文在国内外学者对房地产市场研究成果基础上，将住房价格的研究视角深入到区域城市房价的互动关系的层面，从我国35个大中城市中选取部分代表城市为研究对象，探讨了我国城市间住房价格相互影响的“扩散效应”。本文研究过程为：首先，对国内外有关住房价格扩散效应的理论和实证研究做了梳理；其次，定性分析了我国城市住房价格的影响因素及其波动特征和原因；再次，在空间计量经济理论和时间序列的理论的基础上对我国城市间住房价格的“扩散效应”进行实证分析：（1）考虑地理位置和空间交互因素对住房价格的影响，通过全域自相关Morans I统计量研究得出我国房价表现出一定的空间相关性，且这种相关程度在不断加强；Moran散点图和局域空间相关指数LISA图揭示了我国房价呈现区域集聚的情况；运用空间回归模型，引入外生变量，分时段分析住房价格的空间扩散特征（溢出效应）。回归结果显示我国城市住房价格回归在全国范围内表现出弱的正扩散效应，并且得出人均可支配收入、土地价格和销售面积三个因素是导致区域房价差异的主要原因，并且不同时期房价影响因素和扩散效应存在差异。（2）将选取的城市分为北部（环渤海）地区、东部（长三角）地区、南部（珠三角）地区和中部（华中五市）地区四个区域，对各区域分别采用向量自回归、脉冲响应和方差分解等，研究了各区域城市住房价格的“扩散效应”，进一步刻画了城市住房价格扩散的程度和层次；协整检验的结果也显示长期内城市房价受区域内其他城市的制约，表现出一致趋势。最后，总结结论，并提出相应政策建议：调控房价应从提高土地供给弹性、确保合理房价收入比和有针对性支持刚性购房者释放需求方面着手；宏观调控要充分考虑到区域房地产市场的差异性，并利用税收、金融、产业政策等多种手段，避免忽视区域差异的“一刀切”方式，同时关注核心城市和周边城市的相互影响和反馈机制。关 键 词：住房价格 扩散效应 空间计量经济 向量自回归模型目录AbstractWith the acceleration of chinas economic development and urbanization, chinas real estate developed fast. It took an increasing proportion of the national economy and became one of the important pillar industries of our country in promoting economic growth, adjusting the industrial structure and absorbing the social employment. However, the rapid development of chinas real estate market has caused a series of problems, especially the irrational housing prices in some cities has a serious impact on residents living standard. And how to properly regulate and guide the development of the real estate market, its an urgent problem faced by the government.Housing price has always been the core issue of real estate market research. Sorting out the inter-relation between cities is essential for the regulation of the real estate market. There were a large number of researches on the impact factors and fluctuationcharacteristics of Chinas housing prices , but researches on the impact factors of housing priceshas been limited to the single market of countries, provinces level while neglect the interactive relationship of urban markets. Whether there was so-called ripple effect, and how thetransmission mechanism, extent andintensity it behaved, it remained unknown.This paper will examine perspective into the interactive aspects of urban housing prices and explore the “ripple effect “by using selected cities of china. The structure of this paper is organized as below: Firstly, I reviewed the literature on the theoretical and empirical ripple effect research; secondly, I qualitatively analyzed the factors affecting chinas urban housing prices and their volatility characteristics and causes; Again, I conducted empirical analysis of “ripple effect” on the basis of the theory of spatial econometric theory and time series: (1) Considering the location and spatial interaction factors, I concluded that chinas housing price behaved some spatial correlation by using global autoregression MoransIstatistic, and this correlation constantly strengthened; Moran scatter plot and Local Indicators of Spatial Association(LISA) map revealed the gathering of chinas housing prices; Through the introduction ofexogenous variables,I built spatialregressionmodel to investigate the sub-period analysis of spatial diffusion.Regression results suggested that chinas urban housing prices showeda weak positives ripple effectacross the country,andthepersonal disposable income, residential landprices and salesarea were the main reasonsleadingtothedifferencesofregional house prices. (2)Dividing the selected cities into four regions: the north(the Bohai Sea Rim )region, the east(the Yangtze River Delta)region, the south(the Pearl River Delta)region and the central China, I studied the regional “ripple effect ”by applying vector auto regression model, cointegration method and came to know the exact extent and levels of the diffusion effect; cointegration results suggested that, in the long term, urban housing prices of regions constrained by other cities of the same region and behaved a consistent trend. Lastly, summarized conclusions and proposed corresponding policy proposals: the regulation of housing prices should start from increasing the elasticity of land supply, ensuring reasonable price earnings ratio and supporting the demand release of rigid buyers; macro controls should give full consideration to the regional real estate market, and use tax, finance, industrial policy and other means to avoid a “one size fits all” approach which ignored the regional differences; at the same time, policy makers should concern about the interactions and feedback mechanisms of the core cities and surrounding cites.Key words: housing price ripple effect spatial econometrics vector autoregression model目 录第一章 绪论1第一节 研究背景与意义1一、研究背景1二、研究意义2第二节 国内外研究综述3一、国外住房价格扩散效应研究现状3二、我国住房价格扩散效应研究现状8三、文献评述及研究趋势9第三节 研究内容与研究方法9一、研究内容9二、研究方法10第四节 本文预期创新点11第五节 技术路线图12第二章 我国城市住房价格波动特征及其原因13第一节 区域城市房价的波动特性分析13一、区域的划分13二、区域城市房价短期波动分析14三、区域城市房价长期趋势分析16第二节 住房价格区域差异的原因18一、区域经济发展状况不同18二、房地产市场结构差异18第三节 我国城市住房价格扩散效应的可能原因19第三章 住房价格扩散效应的理论方法与模型构建23第一节 空间计量经济学分析23一、探索性空间数据分析（ESDA）24二、空间计量经济模型25第二节 时间序列模型26一、向量自回归模型26二、Granger因果关系检验28三、脉冲响应函数与方差分解28四、Johansen协整检验29第三节 住房价格回归模型的构建29一、住房价格影响因素分析29二、房地产市场基本模型构建35三、变量的选取及来源36第四章 城市住房价格扩散效应的实证分析39第一节 基于空间计量的房价扩散效应分析39一、空间权重的设定39二、全域自相关分析39三、局部自相关分析40四、空间回归模型41第二节 基于时间序列的区域房价扩散效应分析44一、数据描述及平稳性检验44二、区域房价扩散效应分析44三、区域房价协整检验54四、结论55第五章 主要结论及政策建议57第一节 主要结论57第二节 政策建议58第三节 不足之处59参考文献61致谢63个人简历64第一章 绪论第一章 绪论第一节 研究背景与意义一、研究背景房地产是社会财富的重要内容，也是推动我国工业化和城镇化的重要力量。房地产业凭借其产业链长、波及面广的特点，对上下游相关产业的带动效应十分明显，对国民经济贡献率大。然而，国际经验显示，房地产市场的过度发展也可能招致毁灭性的灾难：1991年日本商业地产泡沫造成了日本“失去的十年”、1998年东南亚房地产泡沫的破裂导致亚洲金融危机、2008年美国次贷危机引发全球性衰退，这些事实都告诉我们，房地产业是关系经济发展、社会稳定和金融安全的全局问题。1998年7月颁布的国务院关于进一步深化城镇住房制度改革，加快住房建设的通知，取消了住房实物分配，加快了我国住房商品化的进程，成为我国住房制度改革的历史性转折。10年多来，随着我国经济的发展和城市化的加快，我国房地产业快速发展，在国民经济的比重逐渐提高，同时在促进经济增长、调整产业结构、吸收社会就业等方面发挥了重要的作用。然而，快速的发展的房地产市场也带来一些问题：如投资规模增长过快、地区供给需求不合理、部分地区房价居高不下、房地产市场监管调控体系不够完善等问题，尤其是一些大中城市畸高的房价严重影响居民的居住和生活。持续高烧的房价使政府必须直面房价问题，近几年，房地产调控政策频繁出台，经济手段行政手段并用，综合调控力度空前，但是效果甚微，房价有愈演愈烈之势。如何规划房地产业的发展方向，协调区域城市间的住房价格，保证人民的“安居”，是政府亟需解决一道难题。二、研究意义（一）理论意义住房价格一直都是房地产市场研究的核心问题，目前已有大量学者对我国住房价格影响因素、波动特性等方面做了大量研究，但是关于住房价格影响因素的实证研究一直停留在国家、省份或者城市的等单一市场，而忽视了城市市场之间的互动关系。对于城市间、区域间住房价格是否存在所谓的“扩散效应”，如果存在，传导机制、程度和强度又是怎么样的问题，目前还尚缺乏研究。本文在梳理了国内外文献基础上，参考和改进了国外研究房价扩散效应的方法，将我国房价影响因素的相关研究扩展到区域城市互动关系层面：首先，对国内外有关住房价格扩散效应的理论和实证研究做了梳理；其次，采用空间统计和空间计量经济的方法，研究我国住房价格表现出的空间模式；最后，以各区域为研究对象，采用向量自回归、脉冲响应、方差分解和协整检验等方法，研究了区域内房价扩散效应，进一步刻画了城市住房价格扩散效应的程度和层次，以及区域房价的长期趋势。研究方法和结论希望能对住房价格扩散效应研究有所丰富和发展。（二）实践意义随着我国经济的发展，城市间资本、劳动力的流动性加强和区际交通的飞速发展，区域间的房价互动关系越来越显著。研究我国区域城市住房价格的互动关系具有非常重要的实践意义：一方面，分析区域住房市场之间的空间联系，有助于协调各区域房地产市场，确保整个房地产业健康、稳定发展；另一方面，分析城市住房价格之间的相互联系或者制约的关系，将有利于政府制定差异化干预策略，体现“有保有压”的干预原则王松涛，2009：中国住房市场政府干预的原理与效果评价，清华大学出版社。第二节 国内外研究综述一、国外住房价格扩散效应研究现状英国学者最早进行城市区域间房价互动这方面的探究。大量研究发现英国的房价首先在东南部上升，然后逐渐传递到全国的其他地区，这种现象被称为扩散效应（ripple effect） 张凌，2010：城市住房价格波动差异与连锁反应研究，浙江大学房地产研究中心文库（第二集），也有学者称为连锁反应或者波纹效应。近几年来，随着计量经济理论的发展，许多国家的学者们也都进行了关于区域城市间房价运动机制的研究，发现了不同的结论。房价扩散效应或连锁反应描述的是地区之间房价及其变化的空间联系。（一）住房价格扩散效应模型建立与解释1、反映住房价格扩散效应的空间依赖模型空间依赖（spatial dependence），或称空间溢出（spatial spillover），主要是研究区域市场在多大程度上相互关联。之前研究空间依赖的文章部分是利用区域房价的时间序列数据的统计分析，通过协整框架，检验区域房价是否真的存在长期关系；部分尝试解释扩散效应的产生原因，比如移民 Meen, G., 1999, ”Regional House Price And The Ripple Effect: A New Interpretation”, Housing Studies, Vol.14.。Giussani 和 Hadjimatheou(1991)，Munro和Tu(1996)建立了空间交互模型将伦敦或者东南部作为一个回归量进入其他区域房价的决定方程发现扩散效应：房价先在大伦敦区域上涨，之后向北部扩散；但是也指明了周边区域对伦敦的房价存在短期的反馈现象，并且这种反馈现象是统计显著的。很显然主导区域的房价可能在短期上受相邻区域房价的影响，但是长期上不然（Holly，2010）。同时，在短期波动和空间作用层面，估计结果显示滞后阶数和短期波动存在相当程度的异质性。自身滞后效应很微弱，并且通常统计不显著；相比之下，相邻区域滞后价格变化通常很强烈，并且统计显著度很高，很显然，这显示了来自于相邻区域的动态溢出效应的重要性。空间交互（spatial interaction）方法建立了房价的空间联系，即使在传递机制尚不清晰的情况下（Meen，1999）。Muellbauer和Murphy（1994）通过引入交互项（比如区域i的房价不仅取决于区域i的收入也取决于相邻区域的收入）拓展了空间滞后思想。这些研究建立的溢出项通常是统计显著的，但是对造成扩散效应的区域相互作用的内在行为解释还并不完全清晰。最近文献研究主要进展是使用带有空间维度的面板数据，表现为横截面依赖（cross-section dependence）的形式。横截面依赖的一个最重要的形式源于同期跨区域的依赖，这是空间计量经济文献主要关注的问题。空间依赖方法通过将每个截面单元和其“邻居”联系起来的方法建立截面相关关系，空间自回归和空间误差模型是处理空间依赖的主要方法。其他度量“距离”的方法，如经济距离（Conley，1999；Pesaran，2004）或社会距离(Conley & Topa，2002)也可以采用。两个地方如果能很容易地往来，说明经济相互依存关系更加紧密。2、考察地区房价空间交互作用的协整模型 随着计量经济学理论尤其是协整理论的发展，一些研究采用协整方法考察区域间房价的互动关系。如果房价的差异会随时间越变越大而非趋同，那也就谈不上扩散效应。其中约翰森（Johansen）协整检验是进行多变量协整检验的简便方法。MacDonald和Taylor（1993）最早在协整理论框架内进行了区域房价互动关系的研究。运用两变量的E-G两步法和多变量约翰森协整检验发现11个行政区域内存在9个协整关系。Cook（2005）应用不对称调整过程对协整检验方法进行了改进，纠正了传统协整检验方法的缺陷假定都以相同的速率调整回均衡，对英国13个地区房价数据进行两两配对检验，发现房价调整回均衡表现出明显的不对称，且协整数量和显著性上都比之前学者的研究明显增大，这与Meen（1999）的发现类似。3、反映住房价格扩散的结构模型结构差异模型是通过考察各地区之间或者地区与全国之间的多元回归系数差异，分析是否存在扩散效应。Meen在这方面做了独创性的研究。 Meen（1996）指出空间依赖并不是解释房价扩散效应的唯一途径。地区间住房市场行为或结构差异（如家庭的组成差别、区域间住房供给的不同），也可以解释扩散效应。系数反应了区域间结构的差异，通过模拟，模型可以产生扩散效应而不论区域增长模式如何。关于系数差异程度的研究，一方面McAvinchey和Maclennan(1982)的研究发现系数存在很大的差异；另一方面Ashworth和Parker(1997) 却发现系数相当大的相似性。Meen(1999)认为区域房价差异可以分解成三个组成部分：（1）所有区域的共同波动；（2）回归量的差异，反映不同地区间的经济增长差异；（3）区域住房市场的结构差异，表现为空间系数异质性。而大多数学者的研究重点在第二个 Meen, G., 1999, “Regional House Price And The Ripple Effect : A New Interpretation”, Housing Studies, Vol.14.。Meen（1999）进一步指出解释扩散效应的重点是房价的回归系数表现出不同空间模式的程度而不是单纯的随机变化。通过构建空间系数异质模型，并利用数值模拟分析，Meen证明了各个区域市场空间系数异质性就足以产生扩散效应。扩散效应是由区域内调整造成的，而不是由移民和空间套利解释的区域间关联造成。（二）住房价格扩散效应特征住房价格扩散效应的特征包括三层含义：第一，在全国范围内，地区之间或城市之间住房价格表现出的领先滞后波动关系；第二，区域住房价格长期内存在相互制约的稳定关系；第三，区域或城市之间住房价格相互影响的格兰杰因果关系。1、区域维度上的房价领先（Lead）和滞后（Lag）关系研究MacDonald 和Taylor（1993），Alexander和Barrow（1994），Ashworth 和Parker（1997），Pollakowski和Ray（1997）研究英国区域房价变化发现：房价首先在英国东南部或大伦敦（Greater London）地区上涨，通过中部向北部地区扩散，逐渐传到英国的其他地区。其中Alexander和Barrow（1994）认为英国住房市场的驱动地区是东南部市场而不是大伦敦市场，这个结论与传统认为最大的房地产市场就是整个国家住房市场的驱动力量的观点相异。然而Cameron， Muellbauer 和Murphy（2006）建立了复杂的动态面板数据模型证实了房价从领先或者临近区域向其他区域扩散：价格领先区域是伦敦，伦敦房价的波动通过“扩散效应”首先影响临近区域的房价，这是英国住房市场的显著特征。Holly等（2009）在动态系统中研究了对时间和空间冲击的扩散。采用区域层面的实际住房价格的变化说明主导区域（伦敦）的房价变化将同时沿时间和空间传播到相邻地区，之后再传到其他地区。伦敦房价反过来受与之相联系的纽约和其他金融中心的影响。这些都证明了对房价的冲击将沿时间和空间维度扩散。使用芬兰的住房价格数据，Booth等（1996）发现坦佩雷是芬兰房价波动的主导城市，而不是最重要的经济中心赫尔辛基。然而，运用更长时期的时间序列，Kuosmanen（2002）证明了赫尔辛基才是主导城市。同样地，Oikarinen（2005）利用向量自回归和向量误差修正模型了研究了芬兰住房市场的领先滞后关系，也验证了Kuosmanen的结论。同时发现，在赫尔辛基大都市区（HMA）内，周边地区房价变动也是市中心房价变动的格兰杰原因，存在一定程度的反馈效应。Kuosmanen和Oikarinen的研究都说明了房价波动是由最大的中心区域为主导，并向其他区域扩散。2、区域维度上房价趋同（Converge）和分异（Diverge）趋势研究Alexander和Barrow（1994）认为区域住房价格并不像经济理论解释的那样随着时间呈现相同的趋势。由于住房的不可流通性，住房价格应表现出差异化；然而区域间经济波动导致的家庭搬迁、区际交通的发展，均可能造成区域间房价趋同。Drake（1995）利用卡尔曼滤波（时变参数）估计技术检验了英国10个区域房价的趋同性。结果显示英国区域房价运动模式有着明显的区域差异，北部和苏格兰地区相对于东南部地区的房价存在分异，但是南部和中部地区房价趋同。Meen（1999）认为如果不同区域住房市场长期均衡关系发生，则房价趋同效应存在，并针对英国住房市场的“扩散效应”给出了四种解释移民、权益转换、套利空间和外部冲击。然而他用的消费者生命周期模型忽略了住房市场上的一个重要变量供给（Gupta和Miller）：如果一个地区的住房需求上涨，这将会吸引其他地区的资源，包括建筑工人。结果两个区域的建筑成本都会上升。住房需求上涨的地区房价先上涨，结果其他地区的建筑工人供给下降，工资将提高。建筑成本的趋同将会导致不同区域的房价趋于均衡。在澳大利亚住房市场上，Maher（1994）分析了澳大利亚主要城市的房价中位数的扩散，结果表明市场在某种程度上表现出房价扩散均衡。然而Tu（1999）研究了澳大利亚7个省会城市1989-1998年间的住房价格，发现并不存在协整关系。Luo等（2007） 基于协整模型和误差修正模型考察了澳大利亚8个大省会城市的住房价格，发现澳大利亚住房市场长期趋同，每个省会城市以不同的速率回复全国平均房价均衡。3、区域维度上格兰杰因果关系（Causality Relationship）互动研究Clapp和Tirtiroglu（1994），Clapp，Dolde和Tirtiroglu（1995）使用美国哈特福德和旧金山的数据，检验了大都市区内的房价波动，发现住房价格的变化会扩散到整个大都市区。Pollakowski和Ray（1997）考察了1975-1994年美国住房市场，发现九个人口普查区住房价格变化并不遵循空间扩散机制，而对大纽约内五个PSMA（大都市统计区）住房价格变化结果表明临近区域之间存在正反馈的扩散效应。两个结果共同说明了临近的空间价格扩散只存在于本地或大都市区域层面。Wood（2003）发现英国南部地区对北部地区的格兰杰因果关系较北部对南部强烈，但是这结果对房价指数和时间序列的时期较敏感：1994年以前的扩散效应要比1994年以后的显著。Brady（2009）利用1995-2002 加利福尼亚31个县每月住房价格的动态面板数据，建立空间自回归模型计算冲击反应，揭示了一个县的平均住房价格的变化对相邻的区域的住房价格会产生正向持久的影响，区域空间的价格扩散持续时间长达2.5年。Gupta和Miller（2010）运用格兰杰检验揭示了洛杉矶房价的变化直接影响拉斯维加斯的房价，间接地影响了凤凰城的房价，但是反之凤凰城和拉斯维加斯的房价不对洛杉矶的房价构成影响；并且不同的时间序列模型在预测不同MSA（大都市统计区）的房价上各有优势。Tu（1999）应用格兰杰因果检验揭示了澳大利亚7个省会城市房价在短期内存在明显的地理扩散，东部沿海省会城市之间存在从北到南的扩散效应。通过模拟国家和地方住房市场价格的波动发现，澳大利亚住房市场由一系列分割的地方市场组成，各个地方市场有不同的经济表现。Luo等（2007）基于E-G两步法考察了澳大利亚8个大省会城市间的住房价格互动模式，发现这些城市间存在一种1-1-2-4价格扩散模式，同时存在三个低层次的单方面反馈效应，这种关系在墨尔本住房市场上也存在。二、我国住房价格扩散效应研究现状近几年来，我国大部分城市房价不断上涨。然而各城市的房价变化在空间上和时间上存在着差异：一方面，从地理分布看，东、中、西部各地区之间房价波动差异较大。另一方面，从时间序列角度看，各地区房价波动存在先后关系：沿海地区住房价格领先上涨，并带动内陆地区二、三线城市的房价的上涨。我国学者的研究注意到了我国房地产市场存在的这种波动差异：梁云芳、高铁梅（2007）用28个省（自治区、直辖市）的数据发现我国东、中、西部地区房价的波动差异：发现信贷规模对东、西部地区短期和长期影响都比较大，人均GDP对中部地区短期和长期影响较大。龙莹（2010）采用地理加权回归模型（GWR），从区域差异的角度分析了我国2003-2007年房价波动存在的空间异质性，发现东部地区人均可支配收入是推动房价上涨的重要因素，而中、西部房价更多依赖于当地经济水平的提高。况伟大（2010）考察了预期和投机对房价影响，但并未发现房价波动在地理位置上表现出明显差异。王松涛，杨赞和刘洪玉（2008）应用多变量因果关系检验、脉冲响应函数和Johansen协整关系检验等方法，分析了我国5个主要区域市场房价之间的互动关系，结果发现各城市房价的短期波动存在较大差异；同时，格兰杰因果检验和脉冲响应结果显示北京、上海等10个“核心城市”对区域市场内其他城市房价有显著的影响力；Johansen协整检验结果表明区域内房价在长期内存在相互制约的一致趋势。张凌（2009）从结构差异和空间交互作用两个维度考察了我国住房市场的房价连锁反应，得出我国城市间房价存在弱的连锁反应和空间交互作用，存从东部沿海发达城市到中、西部二线城市的房价扩散。三、文献评述及研究趋势国外房地产市场发展较早，市场已近成熟，相关的计量理论、方法发展相对完善，房价扩散效应的研究结论丰富。我国由于房地产业发展时间不长，缺乏相关长度和种类的统计数据，对于房地产的研究还不够丰富，且主要围绕价格波动的影响因素、变化趋势预测以及是否存在泡沫等问题。虽然许多学者的研究（梁云芳、高铁梅，2007等）都发现了房价波动的区域差异，但是较少有文献研究住房价格的空间联系。对于现有的房地产价格扩散效应的研究，大多采用计量模型或定性分析，并且缺乏对住房价格空间传递程度、强度和关联特征性的讨论；有些利用多种检验进行分析，但由于参数分析方法的参数和指标多样化，往往导致结果迥异。如何建立能反映中国城市间关系的模型，以及如何解释空间传递效应的现象，都有待我们做进一步深入的研究。传统的回归是一种建立在“独立观测”和经济空间“均质性”假定基础上，而现有的理论和实证很少有将变量的空间距离远近的关系特征进行详细的刻画。本文采用空间计量的相关研究方法，通过建立空间权重矩阵来描述变量的空间相互联系，运用探索性空间数据分析（ESDA）方法，对选取的大中城市的全局自相关性和局部自相关性进行了研究，揭示了房价的空间变化规律；通过选择外生变量，建立住房价格空间计量经济模型，探讨了住房价格的空间扩散特征（溢出效应）。第三节 研究内容与研究方法一、研究内容本文主要在城市经济学、房地产经济学和区域经济学理论的基础上，以扩散效应理论框架为核心，采用计量经济建模分析的方法，将我国房价影响因素的相关研究扩展到区域城市互动关系层面：第一章对国内外有关房价扩散效应的研究进行了梳理，着重从扩散效应现象、数据的使用、计量建模方法和结论分析、扩散效应的解释五个方面进行分析总结，探寻解决我国房价扩散效应的理论依据和可行方法。第二章分析并探讨了我国区域城市住房价格的波动特征及区域差异的原因：分别从区域城市住房价格短期波动、长期趋势两个角度，定性分析了我国住房价格的波动特征，并探讨我国住房价格扩散效应的可能原因人口迁移、结构差异、财富效应、信息不对称和行为金融学解释。第三章介绍了空间计量经济中的探索性空间数据分析（ESDA）和空间回归模型、时间序列理论中的向量自回归模型的有关的理论及其在处理住房价格扩散效应中的优势，并推导出房地产的基本回归模型，为后面的实证研究做准备。第四章进行我国住房价格扩散效应的实证分析：（1）住房价格的空间效应分析：首先，采用Morans I指数研究住房价格的全域自相关性；其次，用Moran散点图和LISA显著性地图研究局域自相关性；最后，运用空间回归模型，引入外生变量，分时段分析房价的空间扩散特征（溢出效应）。（2）同一区域内部主要城市之间的住房价格扩散效应分析：首先，对房价序列进行BP滤波，分解为短期循环波动序列和长期趋势序列；其次，建立向量自回归模型分析短期循环波动序列，得出“核心城市”的对区域内其他城市的影响的脉冲响应图。对非核心城市进行方差分解，探讨其房价“扩散效应”的程度；最后，用协整检验得出区域房价长期呈现一致趋势。第五章总结结论，并提出相应政策建议：调控房价应从提高土地供给弹性、确保合理房价收入比和有针对性支持刚性购房者释放需求方面着手；宏观调控要充分考虑到区域房地产市场的差异性，避免忽视区域差异的“一刀切”方式，同时关注核心城市和周边城市的相互影响和反馈机制；总结文章的不足和可以改进的地方。二、研究方法（一）文献分析法本文综述了国内外大量相关文献，对相关文献的研究方法和结论进行了较为详细的梳理、归纳，为本文进行理论分析、构建模型、实证分析研究等工作打下了坚实基础。（二）计量经济建模分析法本文在空间计量经济学和向量自回归模型相关理论的指导下，运用Geoda空间计量软件和Eviews统计分析软件对我国城市住房价格的扩散效应进行实证分析。考虑地理位置和空间交互因素对住房价格的影响，通过全域自相关Morans I统计量、局域空间相关指数LISA图和Moran散点图、空间回归模型分析城市住房价格的空间联系；将选取的城市分为北部、东部、南部和中部四个区域，对各区域分别建立向量自回归模型，采用格兰杰因果检验、脉冲响应分析、方差分解、协整检验等方法，研究了区域内城市房价的“扩散效应”，进一步刻画了城市住房价格之间的相互关系及扩散效应的程度和层次。第四节 本文预期创新点1、将住房价格研究视角深入到城市房价互动关系层面，参考和改进了国内外研究房价扩散效应的方法，通过构建向量自回归模型分析了我国区域城市房价的扩散效应，明确了扩散的