【正文】 原因 21 從而由財(cái)富增加引起的消費(fèi)增加會(huì) “ 滲漏 ” 到其他地區(qū)，造成該地區(qū)就業(yè)和收入的增加，最終間接導(dǎo)致住房需求增 加。通過(guò)這種途徑，一個(gè)地區(qū)的住房?jī)r(jià)格的增加可能引起其他地區(qū)價(jià)格水平的滯后增加 ， 但是這種空間傳遞效應(yīng)的指向是不明確的。 然而我國(guó)學(xué)者認(rèn)為財(cái)富效應(yīng)不一定能帶動(dòng)消費(fèi)。因?yàn)榫蛢H有一套住房的居民而言，房子不可能用來(lái)出售，房?jī)r(jià)上漲帶來(lái)的財(cái)富增加只 是 虛擬價(jià)值。因?yàn)檫^(guò)高的房?jī)r(jià)，有的居民放棄了購(gòu)買(mǎi)自有住房的打算； 對(duì) 新購(gòu)住房的居民來(lái)說(shuō)，房?jī)r(jià)上漲 卻又抑制其他商品 消費(fèi)的負(fù)效應(yīng)：為了還房貸而節(jié)衣縮食 （王兆斌，2022） 。 （四）信息不對(duì)稱(chēng) 房?jī)r(jià) 波動(dòng) 很大程度上是由于信息不對(duì)稱(chēng)引起的。而由于 住房 是生活必需品，需求價(jià)格彈性 小 ，開(kāi)發(fā)商易于運(yùn) 用高價(jià)格策略獲壟斷利潤(rùn)，產(chǎn)生了買(mǎi)方信息不足下的 “ 非價(jià)格競(jìng)爭(zhēng) ” （西托夫斯基， 1990）。 Oikarinen（ 2022） 假設(shè)市場(chǎng)上同時(shí)存在知情的和不知情的行為人。不知情行為人指不掌握公開(kāi)可獲得信息或者至少不知道信息是如何影響房?jī)r(jià)。市場(chǎng)上知情的行為人越多，價(jià)格對(duì)經(jīng)濟(jì)沖擊完全反應(yīng)的速度越快。我們可以認(rèn)為知情的行為人主要是專(zhuān)業(yè)的投資者， 他們主要聚集一個(gè)國(guó)家的少數(shù)經(jīng)濟(jì)中心城市，這就可能導(dǎo)致房?jī)r(jià)在主要經(jīng)濟(jì)中心的變化要快于周邊地區(qū) 11。 Clapp 等 也支持信息不對(duì)稱(chēng) 會(huì) 造成 房?jī)r(jià)的 領(lǐng)先滯后關(guān)系 ： 房?jī)r(jià)變化的信息交流在本地討論最頻 繁， 并隨距離的增加而減少 。 Oikarinen 也指出，人口密度高的地區(qū)會(huì)產(chǎn)生更多、更有效、更快的住房市場(chǎng)信息 ， 這些信息逐漸傳遞至人口較不密集區(qū)域，客觀上造成了住房?jī)r(jià)格從人口密集的大城市領(lǐng)先波動(dòng)。關(guān)于信息在 住房?jī)r(jià)格 擴(kuò)散中的作用 ， Pollakowski 和 Ray 認(rèn)為 由于沖擊發(fā)生之后，信息通過(guò)個(gè)體 和 新聞媒介在空間傳播， 臨近地區(qū) 信息傳遞得更快 ，因而 價(jià)格 互動(dòng) 關(guān)系會(huì)更強(qiáng) 12。 11 Oikarinen, Elias, 2022, “The Diffusion Of Housing Price Movement From Center To Surrounding Areas”, Journal of Housing Research, 15, 432453 12 Pollakowski, . and Traci , 1997, “Housing Price Diffusion Pattern at Different Aggregation Levels: An Examination of Housing Market Efficiency”, Journal of Housing Research, 8, 107124. 第二章 我國(guó)城市住房?jī)r(jià)格擴(kuò)散效應(yīng)的特征和原因 22 （五）其他因素 此外，最近很多學(xué)者從行為金融學(xué)角度研究了房?jī)r(jià)的空間傳遞效應(yīng)。一種觀點(diǎn)認(rèn)為“從眾心態(tài)”是造成房?jī)r(jià)空間傳遞形成的重要原因。購(gòu)房者或者投 資人的從眾心態(tài)加劇了房?jī)r(jià)的輪漲或輪跌。人們可能即使得到消息也不做出反映，而是采取觀望的態(tài)度，等到趨勢(shì)更加明朗或者在其他大部分消費(fèi)者行動(dòng)的情況下才做出反應(yīng)，那么這種延遲反應(yīng)就是導(dǎo)致房?jī)r(jià)空間傳遞的一種心理因素。 況偉大考察了預(yù)期和投機(jī)對(duì)房?jī)r(jià)影響 ， 發(fā)現(xiàn)不同城市購(gòu)房者的投機(jī)性需求很容易受到 區(qū)位 相鄰、經(jīng)濟(jì)發(fā)展相近、房地產(chǎn)市場(chǎng)發(fā)達(dá)等城市的房?jī)r(jià)波動(dòng)影響，對(duì)本地區(qū)的房?jī)r(jià)波動(dòng)做出預(yù)期 13。 另外 行為金融學(xué)中有個(gè) “ 噪音理論 ” ，它是指短線投資者為了追求利潤(rùn)最大化，會(huì) 暫時(shí) 忽視基本面信息， 轉(zhuǎn)而 把注意力集中到那些可能 使 價(jià)格非理性變動(dòng)的 “ 噪 音 ” （錯(cuò)誤信息）上， 造成價(jià)格的 短期扭曲。 在房地產(chǎn)市場(chǎng)中， 房產(chǎn)商 通過(guò)“假銷(xiāo)售”等手段 人為制造房源緊張氣氛，可以理解為是房產(chǎn)商制造的市場(chǎng)“ 噪音 ”。 但 “ 噪音 ” 對(duì)資本市場(chǎng)的商品定價(jià)的影響是短期的，無(wú)法起到?jīng)Q定性作用 ，故表現(xiàn)出短期偏離長(zhǎng)期趨同的趨勢(shì)。 13 況偉大， 2022：《預(yù)期、投機(jī)與中國(guó)城市房?jī)r(jià)波動(dòng)》，《經(jīng)濟(jì)研究》第 9 期。 第三章 住房?jī)r(jià)格擴(kuò)散效應(yīng)的理論方法與 模型構(gòu)建 23 第三章 住房?jī)r(jià)格擴(kuò)散效應(yīng)的理論方法與模型構(gòu)建 第一節(jié) 空間計(jì)量經(jīng)濟(jì)學(xué)分析 傳統(tǒng)的 回歸 理論是建立在 “ 獨(dú)立觀測(cè) ” 及 經(jīng)濟(jì)空間“ 均質(zhì)性 ” 的假定的基礎(chǔ)上 的 ，但是 這種 獨(dú)立 、均質(zhì) 的觀測(cè)值在現(xiàn)實(shí)生活中并不是普遍存在的（ Cetis，1997） ， 人們普遍認(rèn)為，距離較近的 經(jīng)濟(jì) 變量之間會(huì)有 更強(qiáng)的相關(guān)性 。 地區(qū)之間的經(jīng)濟(jì)地理行為都存在一定程度的空間效應(yīng)，且空間效應(yīng)的強(qiáng)度和模式由絕對(duì)位置（格局）和相對(duì)位置（距離）共同決定（吳玉鳴， 2022）。空間統(tǒng)計(jì)和空間計(jì)量方法正是克服傳統(tǒng)計(jì)量經(jīng)濟(jì)理論的缺陷，將地理位置和空間交互和因素考慮 進(jìn) 來(lái)，研究經(jīng)濟(jì)變量空間聯(lián)系 的 理論和方法。 一般空間計(jì)量經(jīng)濟(jì)分析包括探索性空間數(shù)據(jù)分析（ ESDA）和空間回歸分析。 將空間因素引入模型進(jìn)行分析一般是通過(guò)設(shè)置空間權(quán)值矩陣來(lái)實(shí)現(xiàn)?？臻g權(quán)值矩陣（用 W 表示）是用來(lái)刻畫(huà)被解釋變量的空間相互作用，該矩陣包含了關(guān)于區(qū)域 i 和區(qū)域 j 之間空間連接關(guān)系 ，是外生設(shè)定的?？臻g權(quán)值矩陣表示如下： W=1 1 1 2 12 1 2 2 212nnm m mnw w ww w ww w w???????? () 其中， ijW 表示區(qū)域 i 和區(qū)域 j 的相互臨近關(guān)系。 衡量地理臨近聯(lián)系的方法通常有基于鄰近標(biāo)準(zhǔn) ijW 和基于距離標(biāo)準(zhǔn) ()ijWd兩種主要方式，分別如下： 1 當(dāng)區(qū)域 i 和區(qū)域 j 相鄰 0 當(dāng)區(qū)域 i 和區(qū)域 j 不相鄰 1 當(dāng)區(qū)域 i 和區(qū)域 j 在距離 d 之內(nèi) 0 當(dāng)區(qū)域 i 和區(qū)域 j 在距離 d 之 外 Anselin（ 2022）介紹了一種基于距離標(biāo)準(zhǔn)的 K 值最鄰近空間矩陣（ KNearest Neighbor Spatial Weights）。 這種方法避免了基于門(mén)檻距離（ Threshold Distance）第三章 住房?jī)r(jià)格擴(kuò)散效應(yīng)的理論方法與 模型構(gòu)建 24 的簡(jiǎn)單空間矩陣導(dǎo)致的不平衡的臨近矩陣關(guān)系 ，從而保證了每個(gè)觀測(cè)點(diǎn)都有相同個(gè)數(shù)的“鄰居”。 一、探索性空間數(shù)據(jù)分析（ ESDA） 探索性空間數(shù)據(jù)分析（ ESDA）是利用統(tǒng)計(jì)學(xué)和地圖等可視化技術(shù)， 識(shí)別和 探測(cè)空間聯(lián)系模式的一套統(tǒng)計(jì)學(xué)方法（ Le Gallo and Ertur， 2022）。 采用探索性空間數(shù)據(jù)方法進(jìn)行房?jī)r(jià)擴(kuò)散效應(yīng)分析的基本過(guò)程為：首先，采用 全域自相關(guān) Moran’s I、 Geary’s C 等統(tǒng)計(jì)量檢驗(yàn)住房?jī)r(jià)格的空間相關(guān)性；接著用局域空間相關(guān)指數(shù) LISA（ Local Indicators of Spatial Association） 圖和 Moran散點(diǎn)圖刻畫(huà)住房?jī)r(jià)格的局部空間相關(guān)性和異質(zhì)性的特點(diǎn) （吳玉鳴， 2022）。 （一）全域空間自相關(guān) 檢驗(yàn)區(qū)域經(jīng)濟(jì)變量的空間自相關(guān)性是否存在，最常用的是 Moran’s I 指數(shù)。Moran’s I主 要針對(duì)于全域空間自相關(guān)（ Global Spatial Autocorrelation）分析。全域空間自相關(guān)是從整體上刻畫(huà) 變量的 區(qū)域空間分布的集群情況。 Moran’s I定義為： Moran’s I = 11211( ) ( )nnij i jijnnijijW Y Y Y YSW?????????? () 其中， 211 ()n iiS Y Yn ???? ，11 n iiYYn ?? ? ， Yi 表示第 i 個(gè)地區(qū)的觀測(cè)值， n 為地區(qū)總數(shù)， Wij 為二進(jìn)制的鄰近空間權(quán)值矩陣，采用鄰近標(biāo)準(zhǔn)或 距離標(biāo)準(zhǔn)， 描述經(jīng)濟(jì)變量的空間相互作用 。 采用 Moran’s I 關(guān)鍵是空間權(quán)值矩陣的設(shè)定，本文使用 K 值最鄰近空間矩陣（ KNearest Neighbor Spatial Weights）來(lái)刻畫(huà)空間的相互作用 ，從而很好的避免了基于門(mén)檻距離的空間矩陣導(dǎo)致的不平衡的臨近矩陣關(guān)系 。 第三章 住房?jī)r(jià)格擴(kuò)散效應(yīng)的理論方法與 模型構(gòu)建 25 （二）局域空間自相關(guān) Moran’s I是全域空間自相關(guān)的統(tǒng)計(jì)量，并不能解釋局部空間上的自相關(guān)關(guān)系。研究局域空間自相關(guān) 關(guān)系 可以采用 Moran 散點(diǎn)圖 和 局域空間相關(guān)指數(shù) LISA圖來(lái) 描述 。 Moran 散點(diǎn)圖顯示了單個(gè)地區(qū) 被解釋變量值 與 其相鄰的 地區(qū)的關(guān)系 。 散點(diǎn)圖將每個(gè)地區(qū)值以其觀察值的離差為橫坐標(biāo)，以其空間滯后值為縱坐標(biāo)，以平均值為軸的中心將圖分為四個(gè)象限，每個(gè)象限對(duì)應(yīng)不同的空間自相關(guān)類(lèi)型：第一象限為正相關(guān)地區(qū)（ HighHigh），該地區(qū)本身有較大的觀測(cè)值，且周?chē)貐^(qū)也有較大觀測(cè)值；第二象限為負(fù)相關(guān)地區(qū)（ LowHigh），該地區(qū)本身的觀測(cè)值較小，但是周?chē)貐^(qū)觀測(cè)值較大，其他象限依次類(lèi)推。 LISA 圖是 可以 顯示局部性的空間相關(guān)的顯著性 ，將 Moran 散點(diǎn)圖和 LISA的顯著性指標(biāo) 聯(lián)系起來(lái) 可以得到表明各地區(qū) 的 聚集 性 地圖 ， 表示 經(jīng)濟(jì)變量 局域空間集聚 性。 二 、 空間 計(jì)量經(jīng)濟(jì) 模型 空間統(tǒng)計(jì)學(xué)可以探索各地區(qū)的空間聯(lián)系，但是不能清楚地反映房?jī)r(jià)的空間的交互作用，因此需要引入外生解釋變量，進(jìn)一步用空間計(jì)量經(jīng)濟(jì)學(xué)的方法進(jìn)行分析。 空間計(jì)量經(jīng)濟(jì)學(xué)研究的是考慮到空間交互和空間結(jié)構(gòu)的截面和面板數(shù)據(jù)回歸（ Anselin,1998）。一般而言，空間計(jì)量經(jīng)濟(jì)模型有兩個(gè)識(shí)別來(lái)源 ——空間依賴(lài)（ Spatial Dependence）和空間異質(zhì)（ Spatial Heterogeneity）。其中空間依賴(lài)反映區(qū)域間經(jīng)濟(jì)在演變過(guò)程中實(shí)際存在的空間交互作用；空間異質(zhì)指在地理空間上缺乏均質(zhì)性 ， 比如存在中心 外圍等經(jīng)濟(jì)地理結(jié)構(gòu) ， 從而導(dǎo)致的空間差異。 空間 相關(guān)性 揭示的空間效應(yīng) 通常可通過(guò)納入空間效應(yīng)的空間計(jì)量經(jīng)濟(jì)模型來(lái)實(shí)現(xiàn)。 當(dāng)空間相關(guān)主要是由于變量間較強(qiáng)的空間依賴(lài)性時(shí)，即為空間滯后模型 （ spatial lag model， SLM） ；而當(dāng)模型的誤差項(xiàng)在空間上表現(xiàn)出較強(qiáng)的相關(guān)性時(shí)，即為空間誤差模型 （ spatial error model， SEM） 。 （一） 空間滯后模型（ spatial lag model， SLM） 空間滯后模型 主要是探討各變量在一地區(qū)是否有擴(kuò)散現(xiàn)象（溢出效應(yīng)）。其第三章 住房?jī)r(jià)格擴(kuò)散效應(yīng)的理論方法與 模型構(gòu)建 26 模型表達(dá)式為： y= Wy X? ? ??? () 參數(shù) ? 為 自變量對(duì)因變量的影響 系數(shù) ，空間滯后因變量 Wy 是一內(nèi)生變量，反映了空間距離對(duì)區(qū)域 經(jīng)濟(jì) 行為的作用。 ? 表示空間溢出效應(yīng)，當(dāng) ? 為正時(shí)，表示正的空間溢出效應(yīng)；為負(fù)時(shí)，表示負(fù)的空間溢出效應(yīng)。其大小刻畫(huà)了擴(kuò)散效應(yīng) 的強(qiáng)弱程度。 （二） 空間誤差模型（ spatial error model， SEM） 空間誤差模型 的表達(dá)式為： y= X??? () ? = W? ? ?? () 式中 ? 為隨機(jī) 誤差 向量， ? 為 n1 階的截面因變量向量的空間誤差系數(shù)， ? 為正態(tài)分布的隨機(jī)誤差向量。參數(shù) ? 為 自變量 X 對(duì)因變量 y 的影響 系數(shù) 。參數(shù) ?衡量了空間依賴(lài)作用，即相鄰地區(qū)的觀察值 y 對(duì)本地區(qū)觀察值 y 的影響方向和程度。 鑒于空間回歸模型由于自變量的內(nèi)生性， 如果采用傳統(tǒng)的 OLS 回歸 ，系數(shù)估計(jì)值會(huì)有偏或者無(wú)效，需要通過(guò) IV、 ML 或 GLS、 GMM 等其他方法來(lái)進(jìn)行估計(jì)。 Anselin（ 1988）建議采用極大似然法估計(jì)空間滯后模型（ SLM）和空間誤差模型（ SEM）的參數(shù)。 第二節(jié) 時(shí)間序列模型 一、向量自回歸模型 傳統(tǒng)的經(jīng)濟(jì)計(jì)量方法是以經(jīng)濟(jì)理論為基礎(chǔ)來(lái)描述變量 間的 關(guān)系 ， 但是經(jīng)濟(jì)理論通常并不足以對(duì)變量之間的動(dòng)態(tài)聯(lián)系提供一個(gè)嚴(yán)密的說(shuō)明。向量自回歸模型（ vector autoregression， VAR）和向量誤差修正模型（ vector error correction model， VEC）就是為了解決這些問(wèn)題 而設(shè)的 非結(jié)構(gòu)化的多方程模型。向量自回第三章 住房?jī)r(jià)格擴(kuò)散效應(yīng)的理論方法與 模型構(gòu)建 27 歸（ VAR） 模型 把系統(tǒng)中每一個(gè)內(nèi) 生變量作為系統(tǒng)中所有內(nèi)生變量的滯后 變量的函數(shù)來(lái)構(gòu)造模型，將單變量自回歸模型推廣到由多元時(shí)間序列變量組成的 “ 向量 ” 自回歸 ，從而很好地刻畫(huà)出變量之間的動(dòng)態(tài)聯(lián)系 。 一個(gè) P 階滯后的向量自回歸模型 VAR（ p）的數(shù)學(xué)表達(dá)式 為 ： 11t t p t p t t??? ? ??? ? ? ?y A y A y B X ε （ ） 其中： yt 是 k 維內(nèi)生變量向量， Xt