我国区域房地产市场发展差异空间统计分析.docVIP

我国区域房地产市场发展差异空间统计分析引言 中国房地产市场虽有很大发展，但仍有很大的增长空间。从区域角度来看，全国各地区房地产市场还表现出明显的差异性。这种差异在一定程度上源于房地产自身的地域性和不可移动性，同时中国经济发展、开放程度和城市化进程的区域差异又加深了这种房地产市场的区域不平衡性。因此，在房地产发展和研究中，“位置”具有特殊的重要性。根据Tobler(1970)的地理学第一定律“在地球上，任何事务都和其它事务有关系，但是距离近的比距离远的关系更大”，各地区间的房地产市场发展差异必定与它们的地理位置和空间关系有关，相邻地区的房地产市场之间应该有较强的相互影响。当前国内对区域房地产市场发展差异及其影响因素的分析中，大多利用普通最小二乘法对截面数据或面板数据进行回归分析，这种传统分析工具无法纳入空间因素的影响。本文拟使用空间统计学进行分析，这种新分析方法恰恰强调了地理空间效应。 空间分析方法提供了准确认识、评价和综合理解空间位置和空间相互作用重要性的手段，为定量研究空间格局提供了支持。本文利用地理信息系统 (Geographic InformationSystem，GIS)分析地理空间因素在我国区域房地产市场发展中的影响，包括空间探索分析(Exploratory Spatial Data Analysis， ESDA)和空间回归分析（Spatial Regression）技术。首先利用ESDA技术分析房地产市场发展的地区联系，并以空间自相关指标Moran’s I来检验房地产市场的空间自相关程度；其次利用空间回归分析方法，以此确定房地产市场发展空间分布差异形成的原因。 我国房地产市场发展的空间关联分析空间自相关(Spatial Autocorrelation)分析空间自相关是一种空间统计方法，可以揭示出房地产市场的空间分布特征和区域间的相互作用。空间自相关的全域指标用于验证整个研究区域的空间模式，Moran’s I系数是常用的全域空间相关性指标。空间自相关分析主要是通过引入空间权重矩阵Wij，将空间关系加以量化进而检测数据分布在空间上是具有相关性或为随机发生，也就是讨论一个空间单位所呈现的可观察数据是否与相邻的其它空间单位之间具有某种聚集或扩散的空间关联(Anselin，1998)。Wij是一个由0与1所组成的n阶对称矩阵，用来呈现各区域间空间单位的相邻情形，并以地区界线作为判定是否相邻的指标。以行政区的样本为例，我们通常根据行政区之间的相邻性来界定邻近关系。Wij等于1时，表示两行政区i、j的边界接壤，Wij等于0则代表不相邻，当i= j时Wij=0，因此空间权重矩阵Wij表示如下： （1）在反映空间邻居区域单元观测值的相似程度指标中，Morans I指数最为常用且测试结果最好，因此本文亦采用Morans I指数作为空间相关指标。Moran’s I指数定义为： （2）在本研究中，n＝31代表我国大陆31个省级行政区域（由于数据原因未能包括港、澳、台），xi为第i个空间单元的房地产发展情况（本文采用房地产价格和房价收入比指标），xj为以空间单元i为中心的邻近范围内其它空间单元。Moran’s I指数值界于-1～1之间，其正负主要由与的关系所决定，当二者均为正或均为负时，则必为正，代表邻近区域为正自相关；若与分别为一正一负时，则小于0，代表邻近区域为负相关。同时，Moran’s I值为正且越大表示邻近区域的正相关性越强，呈现空间聚集；接近0表示邻近区域独立无相关，呈现随机的分布；若小于0，则表示邻近区域为负相关。 我国区域房地产市场的空间关联分析结果 本文采用我国大陆31个省级行政区域的统计数据，利用住宅房屋平均价格1和房价收入比2两个指标具体分析我国区域房地产市场的发展状况，使用GeoDa0.95i软件，借助空间自相关分析对房地产市场的地区发展的特点做出更精确的描绘和分析。Moran’s I指数计算结果及其检验如表1所示： Moran’s I指数在(-1，1)之间，若大于0表示各地区间为空间正相关，数值越大，正相关的程度越强；小于0表明空间负相关；等于0表示各地区之间无关联。表1中房地产价格区域自相关系数Moran’s I均大于0，并且全部通过5%显著水平的检验，表明我国的31个省级行政区之间，以房地产价格代表的房地产市场发展水平在空间分布上具有明显的正自相关关系和空间依赖性。房地产价格较高的地区趋于和高房地产价格地区相靠近，房地产价格较低的地区趋于和低房地产价格地区相邻。并且随着时间推移，房地产价格Moran’s I指数逐渐增大，其显著性水平也逐渐增强，表明我国区域房地产价格的正自相关关系和空间依赖性不断加强。