第一类区域为北京、上海，是我国东部地区中房地产价格高、市场规模大的东部一线地 区；第二类区域包括天津、广东、江苏、福建、辽宁、海南、浙江7个省市，是我国东部发 达省市，房地产价格较高，房地产市场规模较大。第三类区域包括四川、山东、湖北、安徽、 河北、重庆、云南、黑龙江、广西、陕西、吉林11个省市，这些地区的房地产市场处于稳 步发展期；第四类区域包括宁夏、山西、新疆、青海、河南、甘肃、湖南、贵州、内蒙古、 江西10个省市，这些区域属于房地产市场起步阶段。
图4.2至图4.5为本文划分出的四大区域1999年至2010年房地产市场价格，可以看出， 结果聚类划分出的四个区域内各地区房地产价格基本呈现相同的运行趋势，这种划分方式能 够有效地表征各区域房地产价格的基本走势，为后续研究奠定了良好的分类基础。同时，我
们可以看到，基于本文的划分方式，四个区域房地产市场价格运行存在明显的差异性，无论 是从长期增长趋势还是从短期波动角度来看，四个区域之间都存在显著差异，区域特征显著。 第一类区域房地产价格明显高于其他三个区域，并且在2005开始上涨幅度较快；第二类区 域房地产价格低于第一类区域，房地产价格呈现快速上涨趋势；第三类区域房地产价格明显 低于第一类区域和第二类区域，房地产价格稳步上升；第四类区域房地产价格是四个区域中 最低的，房地产价格上涨速度缓慢。
综上可见，按照房地产市场发展水平进行区域划分，能够有效地反映出我国房地产市场 价格的差异性，无论是从长期增长趋势还是短期波动角度来看，四个区域房地产价格差异性 明显，区域特征显著。接下来对四个区域房地产价格从统计角度进行描述性分析。 4.2房地产市场价格区域性特征统计描述分析
本文按照房地产市场状况选取相应的聚类指标对我国30个省市进行聚类分析，划分出 四大区域，这种划分方法与传统的划分方法存在一定的差异。接下来对这四类区域房地产价 格的区域性特征进行统计描述分析。
根据我国房地产市场聚类分析结果，从图4.6和4.7可以看到四类区域房地产价格变动 具有明显的区域性特征。第一类区域的房地产价格远远高于第二类区域，同时第二类区域高 于第三类区域，第三类区域房地产价格高于第四类区域。从1999年至2010年四个区域的房 地产价格之间的差距也在逐步拉大。第一类区域的房地产价格增速较快，尤其是2004年之 后，该区域房地产价格上涨幅度明显高于其他区域，但是在2008年该区域房地产价格出现回落，回落幅度也高于其他区域，这主要是受到全球经济危机影响，2009年开始该区域房地
产价格出现报复性上涨；第二类区域房价增速较快，房地产价格较高，主要是由我国东部省 市构成；第三类区域房地产价格稳步上涨，处于房地产市场稳步发展时期；第四类区域房地 产价格较低，上涨速度较为缓慢，属于市场起步阶段。从图4.6和4.7还可以看到，不同区 域房地产价格波动状况差异性较大，但是各个区域的房地产价格波动的转折点基本是相同的 且同向波动。第一类区域的房地产价格波动幅度明显高于其他区域。其中第四类区域房地产 价格波动幅度最小。同时可以看到，各区域房地产价格均呈现一种周期性特征，当期房地产 价格增长幅度较大，则下一期增长幅度必然有所下降，这也说明我国各区域房地产市场本身 存在一种自我调节和自我稳定的功能。
为进一步分析不同类地区房地产价格和土地价格之间的差异性特征，表4.3给出了四类 地区房地产价格和土地价格的各种统计特征。
51
从表4.3看到，四类区域的房地产价格存在明显的区域性特征，各区域房地产价格呈现 明显的不均衡性。第一类区域房地产价格均值是第二类区域房地产价格均值的1.98倍，房地
产市场发展水平远远高于其他三类区域，第三类区域和第四类区域房地产市场发展比较缓 慢，并且两个区域之间的房地产价格差异存在缩小的趋势。从上表中四个区域的变异系数来 看，第一类区域与第二类区域的变异系数差别不大，这两个区域的变异系数明显高于第三类 区域和第四类区域，第三类区域和第四类区域房地产价格变异系数较小且差异不大。这说明 第一类区域和第二类区域房地产市场价格偏离均衡发展的趋势程度较大，而第三类区域和第 四类区域房地产价格偏离均衡的程度较小。
因此，通过对四个地区房地产价格进行统计描述分析，可以看出四类地区房地产价格具 有明显的区域差异。第一类地区房地产价格高且明显高于其他三个地区，房地产价格高速增 涨；第二类地区房地产价格较高，房地产价格快速增长；第三类地区房地产价格稳步上涨， 处于房地产业发展时期；第四类地区房地产价格较低，房地产价格缓慢上涨，属于市场起步 阶段。第一类地区房地产价格波动幅度明显高于其他三个地区，第四类地区房地产价格波动 幅度较小。4.3房地产价格区域差异的空间面板数据分析
我国房地产市场从市场化开始到现在已经取得了长足的发展，各地区房地产市场区域性 特征明显，这在一定程度上源于房地产本身所固有的地域性和不可移动性。各地区房地产市 场区域性特征一定与其地理位置和空间关系相关，相邻区域的房地产市场之间应该具有较强 的相互影响。现有文献大多数都认为各个地区房地产价格之间是相互独立的，大多数研究都 采用最小二乘法或者截面数据进行回归分析，而忽略了空间因素对区域房地产市场的影响， 因此，本文采用空间统计学的方法进行分析，这种方法更加注重地理空间效应。首先，采用 空间自相关Moran’s I指数来检验我国房地产市场空间自相关程度；其次，引入空间滞后项建
立空间面板模型，进行实证分析，确定我国房地产价格区域差异的地区性特征。 4.3.1变量的选取及相关数据指标说明
本文通过聚类分析将我国30个省市划分成四类地区，第一类地区包括北京和上海两个 地区。如果将北京和上海两个地区单独进行空间面板模型计量分析，必然会因为地区过少造 成自由度较低从而导致计量估计结果存在严重的偏差。为了避免出现估计结果严重偏差的情 况，将第一地区北京和上海两个地区并入第二类地区中，归为一类，称之为区域I，第三类 地区和第四类地区分别标记为区域II和区域III。
52
本文选取我国1999年至2010年30个省市的省级年度数据，数据来源于wind数据库， 《中国统计年鉴》、《中国房地产统计年鉴》。1998年7月国家出台《关于进一步深化城镇住 房制度改革，加快住房建设的通知》要求稳步推荐我国住房商品化、社会化，逐步建立适合 我国国情的社会主义市场经济体制和住房新制度，这标志着我国房地产市场机制正式确定， 因此本文选取1999年至2010年的数据作为样本期。 4.3.2房地产市场价格的空间关联性检验
空间自相关是空间统计学中一种方法，能够有效地揭示出房地产市场的空间分布特征和 区域间的相互作用。通常采用全域空间自相关指标Moran’s I来验证整个区域的空间特点。空
间自相关分析中引入了空间权重矩阵Wir，通过空间关系的量化来检测数据分布在空间上是否具有相关性，即考察该空间单位所显现的可观察值与其相邻空间单位之间是否存在聚集或 者扩散的空间关联关系。Wir为n阶0-1对称矩阵，当两个空间关系邻近时，Wir=1，当两个
空间之间关系属于扩散时，Wir=1。当i=r时，Wir=0。
其中，i与r均为空间单元编号，i,r属于[1，n]。
Moran’s I指数是最常用而且最能反映空间相关性的指标，它能够有效地反映出空间邻接 或者空间邻近的区域单元属性值的相似程度。，本文也采用Moran’s I指数作为空间相关关系
检验指标，Moran’s I指数定义为：
其中xi，xr分别代表i，r地区的指数值，x表示所有地区的平均值，n代表所有地区个 数，Wir为空间权重矩阵。
本文选取我国30个省市房地产市场价格相关数据进行空间自相关效应检验，用xi表示