我国主要城市房价的面板数据聚类分析 詹鹏.docxVIP

我国主要城市房价的面板数据聚类分析 詹鹏 我国主要城市房价的面板数据聚类分析lowbar;詹鹏 我国主要城市房价的面板数据聚类分析 （南京财经大学经济学院，江苏南京210046） 摘要：文章修正了单指标面板数据聚类分析方法，分析了近年来70个城市主要房地产价格指数的平均走势，讨论城市之间的差异，研究房屋销售价格指数与土地交易价格指数的相关关系；并对70个大中城市新建房屋价格指数进行了成功的系统聚类，将70个大中城市分为3类：忽然爆发型、稳定波动型、反应过度型；给出带动我国房价波动的主要城市，不同城市房价走势的内在特征和趋势等主要结论。 关键词：面板数据；聚类分析；新建房屋价格指数中图分类号：F293．3 文献标识码：A 6049（2021）03-0014-09文章编号：1672- 一、引言及问题的提出 近六年是我国非常特殊的一个时期，一方面 我国经济总量逐步跃升至全球第二，宏观经济发展的大好形势给中国人民带来了无尽的信心；另一方面，国内房价暴涨、股市暴涨暴跌、物价飞贫富差距问题、食品问题、环境问题等等充斥涨、 着新闻媒体，给我国的未来发展趋势也带来了更多的担忧。尤其是与每个人的生活都息息相关的房地产问题，一直刺激着中国人的神经。据统100个被统计的城市中19截止2021年9月，计， 个城市的均价高于10000元/平方米（图1）。其中，深圳市的住房销售均价高于25000元/平方米；北京和上海处于第二梯队，紧随其后。为了防止房地产泡沫变得更大甚至突然破灭，政府采 如2021年1月推出的“国取了一系列调控措施， ，4月份的“新国十条”，2021年1月史十一条” 上最严厉的“新国八条”等等。近两年，我国整体房价总算有所回落。此时正是总结这几年房 03-15收稿日期：2021-作者简介：詹鹏（1988— 价走势经验的大好时机，以免未来因为房价问题 带来更大危机。那么我国房价的走势实际上体现了何种特征呢？哪些地区或哪类城市是扰动我国房价走势的罪魁祸首呢？ 关于房地产内在机理的研究，许多学者做出 刘洪玉（2021）基于panel data 模了贡献。沈悦、 型对我国14个城市住宅价格与经济基本面的关 结果表明：14个城市经济基系进行了实证研究， 本面的当前信息和历史信息都可以部分解释住 宅价格水平或者变化率，而这种解释存在显著的城市影响特征。1998年以后解释能力发生了显著的变化。周京奎（2021）使用差修正模型对中国4个直辖市住宅价格与货币政策、银行贷款之间的关系进行了分析，结果表明：住宅价格上涨住宅价格极大与宽松的货币政策有紧密的联系，地偏离长期均衡值，市场出现非理性繁荣，必须引起政府和产业部门的充分重视。梁云芳、高铁梅（2021）主要将误差修正模型和panel data 模 ），安徽安庆人，南京财经大学经济学院硕士研究生，研究方向为数量经济学；王庚（1960—），安徽桐 南京财经大学经济学院统计系教授，研究方向为应用统计与数量经济学；鲍学云（1987—城人， 院硕士研究生，研究方向为金融数量分析。 ），安徽六安人，南京财经大学经济学 *本文的分析数据来自国家统计局，包括2021年至2021年的房屋销售价格指数、新建房屋价格指数、二手房屋销售价格指数和土地交易价格指数等的季度数据。 型相结合进行实证分析，重点讨论了政府宏观调控对各地区房价影响的差异。结果发现信贷规模对东、西部地区影响都比较大，中部地区较小；实际利率对各区域影响差异不大，且影响较小；人均GDP 无论长期还是短期对中部地区房价影响都比较大。房价的预期变量在东部地区对房价的短期波动有较大影响。彭向、胡跃红（2021）运用聚类分析方法对1999—2021年的中同时运用比国房地产业分年度进行了经济区划， 较分析方法对聚类分析结果进行了动态分析。研究发现，各年的房地产发展水平的区域分布结构呈现出头轻胸重向均衡发展；1999—2002年发达和较发达区间距离较小，同时潜发展区和较落后区比较接近，但这两者间距离较大；到2021年房地产业总体呈上升趋势，但各个区域发展距离开始拉大。李勇、李汉东、王有贵（2021）在单位根检验、理想滞后阶数选择以及协整检验的基础上，选择中国土地交易价格、房屋销售价格为研究发现，房价和地价间存在长期稳研究对象， 定的均衡关系；地价是房价的Granger 原因，而房价不是地价的Granger 原因；短期内，地价对房价的影响大于房价对地价的影响 根据面板数据的聚类方法寻找不同城市之间房 有针对性地