从表3.1的逐步回归结果可以看到，随着不断加入相关变量，调整R 2
逐步增加，表明模
型拟合程度逐渐趋于理想。本文认为收入水平一定会对房地产价格产生影响，从需求角度来 看，它是直接作用于房地产价格的首要因素，因此，本文以收入水平为基准进行逐步回归分 析。通过实际值和拟合值可以看到，模型（1）中由于以收入水平为基准，首次加入了经济 波动变量，发现两者都在1%的水平下显著，这说明收入水平和经济波动能够很好的解释房 地产价格；在模型（1）的基础上，加入土地供给水平，看到在1%的显著性水平下能够有效
的解释房地产价格，同时模型（2）的调整R 2
值为0.8421，说明模型（2）中的变量比模型（1）中的变量对房地产价格的解释能力强；在模型（2）的基础上，加入人口变量，但该变量在
此模型中不显著，这说明人口数量对房地产价格的解释能力有限，因此剔除人口变量；在模 型（3）的基础上，加入信贷规模水平，该指标在1%的显著性水平下显著，这说明信贷规模
水平也是影响房地产价格的因素之一，并且模型（4）的调整R 2
为0.9582，模型拟合效果较
好；在识别出信贷规模水平影响因素的基础上，加入城市规模变量，构造模型（5），看到此
变量不显著。
因此，通过逐步回归分析方法可以看到，模型（4）取得了较为理想的模拟结果。在我 们选取的六个变量中收入水平、经济波动、土地供给水平、信贷规模水平中能够有效地解 释房地产价格。其中收入水平增长1%，房地产价格上涨0.4085%，经济波动对房地产价格影
响的系数为0.3830，土地供给增加1%，能够有效降低房地产价格0.1563%，信贷规模增加1%
拉动房地产价格上涨0.4502%。结果表明收入水平的提高、经济增长、土地供应减少、信贷 规模增加将推动房价上涨，而收入水平降低、经济下行、土地供应量增加、信贷规模减少将 有助于房价下跌。其中收入水平、土地供应水平直接影响房地产市场的供求关系，而经济增 长和信贷供应则从侧面影响居民收入水平、土地供应水平、资产价格等，从而间接对房地产 价格产生影响。 3.2.4实证结果分析
本文从需求和供给角度选取了收入水平、经济波动、土地供给水平、人口数量、信贷规 模水平和城市规模水平六个变量。通过对六个变量的理论分析看到，这六个变量都能够在理 论上对我国房地产市场价格区域差异产生影响。在理论分析的基础上，构建面板模型，运用 我国1999年至2010年30个省（直辖市、自治区）的相关数据进行实证分析。实证分析的 结果表明收入水平、经济波动、土地供给水平、信贷规模水平对我国房地产市场价格区域差 异具有显著影响，而人口数量和城市规模对房地产价格区域差异不具有显著影响。 从理论角度来说，人口数量决定了城镇购买人群的大小，而城镇购买人群的基数大小可 以决定房地产市场需求量的大小，从而影响对房地产商品的需求，房地产需求的增加传导到 房地产市场价格，但是模型回归的结果却表示，人口数量不是一个很好地解释变量。人口数 量不显著，原因可能是由于我国现阶段正处在城市化发展加速阶段，城市人口规模逐年增长， 同时大批人口从农村进入城市，加速了城市人口规模的扩大，对房地产需求急剧扩大，城市 化的过程中会吸引大量流动人口进入城市，流动人口即是生产者也是消费者。据住建部相关 资料显示，我国北京、上海两地外来人口多达400万人以上，大量的流动人口成为这些城市 房屋租赁市场的消费主体，约占总人口的12%。为了满足流动人口租赁房屋需求，就需要开
发大量的房地产，据测算年开发4000万平方米以上的租赁房屋才能满足流动人口需求，而 目前我国人口数量统计指标在进行实际统计时，只统计城镇户籍人口数量，并没有将流动人口纳入到统计范畴内，此外，外来人口的购房比率也许达到了一个比较高的水平，但是在统 计指标中却不能如实反映，这就造成了人口数量对房地产价格的影响不显著，这也是未来需 要继续研究的方向。
从发达国家的经验来看，房地产业市场化的过程也是工业化、城市化不断推进的过程。 城市最大的特征是其聚集性，城市对各种资源具有很强的空间聚集力，城市规模不断扩大。 伴随着我国城市化发展，出现了越来越多的大城市和超大城市。城市规模的大小通过建成区 面积的大小传导到房地产市场价格上。但通过模型检验结果发现城市规模对于房地产市场价 格区域差异影响不显著。结合我国房地产市场来看，从2010年我国城市规模最大的三个省 份数据来看，广东省城市规模达到4618.07平方公里，其房地产价格为7006.29元/平方米， 山东的城市规模为3566.15平方公里，其房地产价格为3817.69元/平方米，江苏的城市规模 为3271.09平方公里，房地产价格为5548.67元/平方米。广东的城市规模最大，其房地产价 格较高，山东的城市规模次之，但是其房地产价格仅仅是广东房地产价格的一半，江苏与山 东两地城市规模差异不大，但是江苏房地产价格远远高于山东。从我国房地产价格最高的两 个地区北京和上海来看，2010年北京、上海的城市规模分别达到1496.78平方公里、988.75
平方公里，这两地的房地产价格分别为17151.13元/平方米和14212.77元/平方米，虽然北京、
上海两个省份的房地产价格差异不是非常大，但是北京的城市规模是上海城市规模的1.51 倍。从我国城市规模最小的省份来看，宁夏、海南、青海三个省份城市规模较小，分别为343.79
平方公里、221.32平方公里、113.88平方公里，房地产价格分别为：3106.80元/平方米、8800.15 元/平方米、2892.32元/平方米，我们清楚地看到海南的建成区面积虽然很小，但其房地产价
格远远高于宁夏和青海两个省份，这主要是由于海南是我国的重点旅游省份，吸引了大量的 投资和投机购房者，而青海与宁夏两省虽然在地理位置上相邻，且宁夏城市规模是青海的3.01 倍，但是两省的房地产市场价格差异并不大。综上所述，在城市规模大的省份房地产市场上， 存在高房价省份也存在低房价省份；城市规模小的省份房地产价格有可能很高，相邻省份之 间城市规模差异较大但房地产价格也可能趋同。这说明城市规模并不是造成房地产价格区域 差异的显著因素。3.3本章小结
本章首先从理论上分析了收入水平、经济波动、土地供给水平、人口数量、信贷规模水 平和城市规模对房地产价格产生区域差异性的影响，在此基础上，从中国房地产市场发展的 现实出发，选取1999—2010年我国30个地区房地产市场发展、经济发展以及社会发展水平 的相关数据，运用逐步回归方法，对影响我国房地产价格产生区域差异的因素进行了细致的 判断和识别。计量经济分析的结果表明，对于现阶段我国的房地产市场发展状况而言，收入水平、经济波动、土地供给水平和信贷规模水平对房地产价格的区域差异产生了显著的影响， 而人口数量和城市规模并未对现阶段我国房地产价格区域差异产生显著影响。这样的结果也 说明，相对于人口数量和城市规模而言，收入水平、经济波动、土地供给水平和信贷规模水 平是导致我国房地产价格产生区域差异的主要原因，而下文关于房地产价格的区域差异性特 征、阶段性特征和波动性特征的分析也都基于此。第4章房地产市场价格区域差异的空间计量分析
我国幅员辽阔，各地区自然情况与经济发展状况存在着巨大差异，加之房地产这种商品 的不动产性，使得我国房地产市场具有显著的地域特性和区位特性。尽管本文上一章通过利 用我国30个地区房地产市场发展、经济发展及社会发展的相关数据，并应用逐步回归的方 法判断和识别出了影响现阶段我国房地产价格产生区域差异的主要因素，但却并未对各因素 对不同区域房地产价格影响的差异进行更加细致的研究，而由于自然资源禀赋、地理位置以 及经济发展程度的不同，必然导致不同区域的收入水平、经济波动状况、土地供给水平以及 信贷规模水平存在着显著差异，而深入分析这些因素对不同区域房地产价格影响程度的差异 将更加有利于准确判断房地产价格产生区域差异的更深层次原因。此外，从现有关于中国房 地产市场区域差异特征的研究现状来看，对我国各地区的划分，绝大多数的研究都一直沿用 着传统的分类方法，即将我国31个省（直辖市、自治区）划分为东部、中部和西部三个区 域①。然而，这种划分方法是以地理位置和行政区位为标准的，忽略了我国地域广阔、区位 发展不平衡的特点，尤其是忽略了我国地区的经济发展和房地产市场发展的不平衡性，因此， 采用此种方法对我国房地产市场价格的区域差异性进行相关的实证研究，将无法真正准确反 映出房地产价格的区域差异性特征。
鉴于此，本章在对房地产价格影响因素的区域性差异特征进行实证研究之前，首先利用 能够反映房地产市场发展状况的相关数据，运用聚类分析的统计方法，按照房地产市场的发 展程度，对各区域进行重新划分；在此基础上，以不同区域为研究对象，选取1999—2010 年房地产价格、收入水平、经济波动状况、土地供给水平以及信贷规模水平等相关数据，应
用空间面板数据模型来研究我国房地产价格的区域性特征，并进一步分析各种因素对房地产 价格影响在不同区域间的差异和程度，旨在为有针对性地对不同区域房地产市场进行宏观调 控提供一定的现实依据。
4.1房地产市场发展水平的区域划分 4.1.1现有关于房地产市场区域划分
房地产业内对于我国房地产市场区域划分主要采取了东部、中部和西部的传统划分方法 和八大经济区域的划分方法。东中西部的划分方法是在1986年我国“七五”规划中首次提46
出并沿用至今的。这种划分方法以地理位置和形成区位标准来进行划分，延续了行政建制特 点，粗略地将我国经济地域按照地理位置来划分，这显然无法有效地体现出我国各区域之间 以及区域内部存在的差异性，现有的东部、中部和西部的划分方法不足以精确地反映出我国 各地区房地产价格的区域性特征。在十一五规划之前，国务院发展研究中心结合我国地理空 间差异与各地区经济发展水平状况，提出了八大经济区域划分的方法，主要包括：东北区域 （辽宁、吉林、黑龙江3省）、北部沿海区域（北京、天津、河北、山东4省市）、东部沿海 区域（上海、江苏、浙江3省市）、南部沿海区域（福建、广东、海南3省市）、黄河中游（陕 西、山西、河南、内蒙古4省市）、长江中下游区域（湖北、湖南、江西、安徽4省市）、西 南区域（云南、贵州、四川、重庆、广西5省市）和西北区域（甘肃、青海、宁夏、西藏、 新疆5省市）。这种八大经济区的划分方法考虑到了各地区的地域范围、人口规模和经济状 况存在较大差异。这两种方法都是延续了行政建制的特点结合当地的经济发展状况和地理因 素进行划分的，这种划分方法没有考虑到房地产市场状况，在研究区域房地产市场特点时， 不能充分有效地说明区域房地产价格特征。
国内学者对于我国房地产市场进行研究时，区域划分方法主要是将我国31个省市按照 传统的方法划分为东部、中部和西部三大经济区域，但是随着各区域发展状况以及国家政策 倾斜程度不同，我国房地产市场呈现发展不平衡的特征，如果继续沿用传统的东部、中部和 西部三大经济区的划分方法就略显粗糙。范克危（1999）、齐淑兰（2008）、熊方军、马永开 （2009）选取房地产市场投资状况、房价收入比和房地产供需状况对房地产市场划分成不同 的区域，相对而言以房地产市场特点和发展状况来进行房地产市场区域划分的方法能够更加 具体有效地反应房地产市场的区域特征。
综上所述，目前对于我国房地产市场的研究采用的东中西和八大经济区的划分方法都不 能充分地结合房地产市场发展水平来进行，这就有必要采用基于我国房地产市场发展水平的 区域划分方法，对我国房地产市场进行分类研究。 4.1.2房地产市场发展水平的聚类分析
聚类分析方法（Cluster Analysis）又被称之为群分析方法，是广泛应用于各个领域的用 于研究样本分类的统计分析方法，其基本思想就是依据某种相似的特性将不同的样本进行归 类，同一类别中不同样本之间具有很大的相似性，而不同类别之间存在较大的差异性。目前 常用的聚类方法包括：系统聚类方法、逐步聚类法、有序样本聚类方法、模糊聚类方法和图 论聚类方法等多种聚类方法。
聚类分析方法的程序是首先选取观测指标，然后按照不同样本的多个观测指标作为基 准，以这些指标作为划分依据，把相似程度高的样本划分为一类，直到多个指标都聚类完成， 不同的样本分别划分成几大类。最后把聚类结果在谱系图中表示出来。一、聚类指标选取 由于我国地域广阔，各区域初始资源禀赋、经济发展水平、所处地理位置各不相同，因 此，对于我国区域房地产价格进行聚类分析不能够选取单一指标作为划分标准，而是应该建 立一个科学的指标体系来进行聚类分析。在对不同区域房地产市场进行分类分析时，需要对 房地产市场的主要方面进行指标选取，从供求关系、经济水平、市场结构和资金状况等多个
方面对该地区房地产市场发展水平进行考量，只有这样才能够在找到各地区房地产市场的差 异性的同时抓住各地区房地产市场的共性。
本文参照国房景气指数①和中房指数系统②中相关指标，结合区域房地产市场相关理论知 识，从房地产市场规模、供需关系、市场结构、市场发展阶段以及资金状况五个方面建立指 标体系，如下表4.1所示。
通过上一章的研究，找到影响我国区域房地产价格的因素主要包括收入水平、经济波动、 土地供给、信贷规模。本章在进行聚类分析时以影响我国区域房地产价格的因素以及房地产 价格来进行聚类分析。首先，房地产价格能够有效地反映房地产市场供给，收入水平能够直 观地反映出房地产市场的需求，这两个指标是最直观反映市场供求状况的；其次，房地产市 场的繁荣、衰退是受到整个经济发展大背景影响的，经济波动能够在一定程度上影响房地产 价格的波动；再次，土地供给可以作为表征房地产市场规模的指标，土地作为房地产市场关 键要素，其供给量能够有效的影响房地产市场规模；最后，房地产作为资金密集型行业，主 要资金来源于银行，因此，信贷规模能够客观反映出房地产市场的资金状况。 二、聚类及结果分析
本文借助SPSS软件，采用分层聚类分析方法选择欧式距离和最远距离法③。由于房地产价格是由各区域住宅销售额除以该区域的住宅销售面积得到的，市场规模采用土地供给面 积，收入水平选取各区域人均可支配收入，经济水平采用经过HP滤波之后的GDP波动数据，
资金状况采用信贷额度。在进行聚类分析之前，要对数据指标进行标准化，以消除各个指标 之间由于量纲不同而造成的误差，然后采用标准化之后的数据进行聚类分析。由于本文选取 的数据是从1999年我国房地产市场市场化进程开始到2010年，时间跨度较大，若对每一年 的数据都进行聚类分析，则各年的聚类结果一定差异较大，这无疑会给后续的实证研究带来 极大的不便，因此，本文选取2008年至2010年我国30个省市相关数据进行聚类分析。通 过SPSS 17.0统计软件进行聚类分析，得到图4.1我国房地产市场状况聚类分析谱系图。