空间杜宾模型在房价溢出效应中的检验.docxVIP

空间杜宾模型在房价溢出效应中的检验

一、引言

住房作为居民生活的核心资产，其价格波动不仅关系到家庭财富分配，更与区域经济协调发展、金融系统稳定密切相关。近年来，我国房地产市场呈现出显著的“区域联动”特征——某一城市房价上涨往往伴随周边城市房价跟涨，热点城市调控政策出台后，需求外溢引发非调控城市房价波动等现象屡见不鲜。这种跨区域的房价交互影响，即为“房价溢出效应”。传统计量模型通常假设样本观测值相互独立，忽略了地理空间中经济活动的关联性，导致对房价影响因素的估计存在偏差。空间杜宾模型（SpatialDurbinModel，SDM）作为空间计量经济学的重要工具，通过同时纳入被解释变量和解释变量的空间滞后项，能够更全面地捕捉房价波动的空间传导机制。本文以空间杜宾模型为核心方法，系统检验房价溢出效应的存在性、传导路径及影响强度，为区域房地产协同调控提供理论支撑。

二、房价溢出效应的理论基础与研究现状

（一）房价溢出效应的内涵与表现形式

房价溢出效应是指某一地区房价波动通过人口流动、资本转移、信息传递等渠道，对其他地区房价产生的非预期性影响。其表现形式具有显著的空间特征：一方面，相邻城市因地理距离近、通勤成本低，易形成“同城化”住房需求市场，如长三角地区上海房价上涨会带动苏州、嘉兴等周边城市房价跟涨；另一方面，核心城市与外围城市间存在“辐射-反馈”关系，核心城市（如省会城市）因资源集聚度高，房价上涨会通过投资需求外溢推高外围城市房价，而外围城市政策收紧也可能反向挤压需求至核心城市。从传导机制看，经济联动是基础——区域内产业协同发展会带动人口就业流动，进而影响住房需求；政策差异是诱因——限购、限贷等调控政策在不同城市的执行力度差异，会导致购房需求跨区域转移；预期扩散是催化剂——热点城市房价上涨信号会强化周边居民“追涨”预期，加速需求释放。

（二）传统研究方法的局限性

早期对房价影响因素的研究多采用普通最小二乘法（OLS），将各地区视为独立个体，仅关注本地经济变量（如收入、利率、土地供应）对房价的直接影响。然而，这种“空间独立”假设与现实明显不符：若A城市房价上涨是因邻近B城市产业升级带来的人口流入，OLS模型会将这一外部影响错误归因于A城市自身变量，导致估计结果有偏。为修正空间相关性，部分研究引入空间滞后模型（SLM）或空间误差模型（SEM）。SLM仅考虑被解释变量的空间滞后（即邻近地区房价对本地的影响），SEM仅考虑误差项的空间相关性（即未观测到的空间因素对模型扰动项的影响），二者均无法全面反映解释变量（如邻近地区收入、政策）对本地房价的间接影响。例如，若B城市提高土地供应导致其房价涨幅放缓，这一政策变化可能通过抑制投资需求外溢，间接影响A城市房价，但SLM和SEM均无法捕捉这一“解释变量空间滞后”的效应，而空间杜宾模型恰好弥补了这一缺陷。

三、空间杜宾模型的原理与适用性分析

（一）空间杜宾模型的基本逻辑

空间杜宾模型的核心思想是在传统回归模型中同时加入被解释变量的空间滞后项（W×Y）和解释变量的空间滞后项（W×X），其中W为空间权重矩阵，用于刻画地区间的空间关联程度。具体而言，模型形式可表述为：本地房价不仅受自身解释变量（如收入、土地供应）影响，还受邻近地区房价（W×Y）和邻近地区解释变量（W×X）的影响。与SLM相比，SDM多纳入了W×X项，能够捕捉“邻近地区解释变量变化对本地房价”的间接效应；与SEM相比，SDM直接通过解释变量的空间滞后项反映空间传导路径，而非仅通过误差项间接调整，模型设定更贴近经济现实。例如，若要分析“邻近地区收入增长对本地房价的影响”，SDM可通过W×X项的系数直接估计这一效应，而SLM和SEM均无法实现。

（二）模型对溢出效应的捕捉机制

空间杜宾模型的优势在于能够将总效应分解为直接效应和间接效应。直接效应反映本地解释变量变化对本地房价的影响（即传统模型关注的“自身效应”）；间接效应（即溢出效应）反映邻近地区解释变量变化对本地房价的影响，以及邻近地区房价变化通过空间反馈对本地房价的影响。例如，当A城市收入增长（直接效应）推高其房价时，A城市房价上涨（W×Y项）会带动邻近B城市房价上涨（空间滞后效应）；同时，B城市收入增长（W×X项）也可能通过吸引人口流入，间接推高A城市房价。SDM通过矩阵求逆的方式，将这些复杂的空间交互效应分离，从而清晰识别溢出效应的来源和强度。这种分解不仅能回答“是否存在溢出效应”，还能回答“溢出效应有多大”“由哪些因素主导”等关键问题。

四、模型构建与数据处理

（一）变量选择与数据来源

研究选取我国某区域（为避免具体地域指向，以“样本区域”代指）内30个城市为研究对象，时间跨度覆盖房地产市场快速发展的若干年份。被解释变量为各城市年度住宅平均销售价格（经CPI平减处理，消除通货膨胀影响