●经济观察
基于城市群的住房需求相关性及政策影响研究
杨 赞a,b，丁立群a,b，杨鸿杰a,b
(清华大学 a.建设管理系;b.恒隆房地产研究中心，北京 100084)
摘 要: 文章基于2012-2017年全国6个城市群的数据，使用时间序列实证分析方法，探讨了住房需求在城市间可能存在的“波纹效应”，以及6个城市群内和北京、上海、广州和深圳4个城市之间存在住房需求变化的传导机制。论文进一步基于上海“325新政”，通过分析政策实施期与政策取消后传导路径的变化，探讨了政策在住房需求传导中的作用。本文有助于弥补现有文献在住房需求空间相关性方面的研究的不足，对深入理解住房需求变化、把握城市之间的关联以及制定针对性住房政策具有重要意义。
关键词: 住房需求；空间相关；波纹效应；城市群
一、引 言
地理学第一定律表明“空间上距离相近的两个事物的状态是相互关联而非相互独立的”[1]。随着城市化的不断发展，学者们不仅关注城市内部经济要素的运行规律，同时也对城市间的要素关联进行了探讨。许多学者对城市间产业结构、金融市场和住房市场等经济要素之间的关联也进行了探讨，其中，住房价格的溢出效应受到广泛关注。研究发现，住房价格在一定程度上具有自我相关性[2]，住宅物业本身的价格与其周边的其他住宅价格密切相关[3,4]，与此同时，家庭的迁移、财富的转移以及空间套利等特征都会使得房价具有相应的空间联系[5]。
城市住房价格与住房需求之间是相互影响的，在住房价格具有一定空间相关性的情况下，城市间的住房需求也应当具有一定的空间相关性。因此，对城市住房需求的结构特征、内在影响因素以及不同城市之间住房需求相互关联的分析，能够逐渐加强人民对于城市发展、社会进步等经济社会活动的认识。同时，中国的房地产政策，大多作用在需求侧，这种频繁的政策干预，往往会导致强制性溢出，也会在一定范围内对周边城市产生影响。因此，从住房的需求出发，研究城市间住房需求客观存在的相互关联，并针对需求侧政策探讨政策对住房需求相关性的重要影响，不仅能更准确地把握城市间住房价格相关性的内涵，同时也能更有针对性地提出适用于不同城市的住房政策。
目前，相关学者对于城市之间住房需求相关性的研究不足，研究住房价格相关性，也往往集中在一些显性的因素，没有从住房需求相关性这一路径去探索。本文基于房地产政策，分析政府政策对该城市住房需求的影响，以及对周边城市住房需求的传导作用，研究城市之间住房需求的空间相关性，从而探究住房需求相关性对住房价格相关性的作用。
二、文献综述与理论假设
住房需求一直是城市和房地产经济学领域的重要议题。1971年，影响城市住房需求的两大因素，住房价格和居民收入被提出[6]。城市住房价格与城市住房需求之间的内生关系受到学者们的广泛关注[7-8]，城市住房价格由住房供给和住房需求共同决定，住房价格反过来又会对住房需求产生影响。不仅如此，从微观角度来看，一个家庭的住房需求还取决于家庭对未来住房市场价格的预期[3]。
学者们已经发现了住房价格在城市之间存在空间相关性。空间相关性的概念是城市经济学研究的关键点[9]。最早出现空间自相关的概念是在1967年，Tobler[1]曾指出“地理学第一定律：任何东西与别的东西之间都是相关的，但近处的东西比远处的东西相关性更强”。具体到住房层面，“波纹效应”理论已经成为研究地区之间住房价格关联的重要基础，该理论提出，在外界环境影响下，一些区域的住房价格首先发生震荡，进而带动周围区域住房价格发生波动。Meen[2]从波纹效应角度研究了城市间住房价格存在相关性，并归纳出了四点原因：人口迁移、财富升级、空间套利和地区因素。其他学者分别从城市间的地理位置关联[3-4,10-11]和经济因素关联[12-14]证明了城市间住房价格的相关性。不仅如此，一些主要城市之间的房价也会相互带来冲击与波动[13]。此外，空间相关理论还被应用到了不同的学科领域，其中包括：收入研究领域[15]、知识溢出和区域创新领域[16]、经济收敛研究[17]等。
值得关注的是，之前学者研究发现，住房价格的“波纹效应”通常是一种短期行为，城市间的住房价格往往在短期内具有很强的空间相关性，并不是一个长期稳定的结果[18]。
对其他5个城市群进行相同的检验，得到各城市群内“主导城市”见表4所列。
基于文献综述，我们可以看到“波纹效应”理论已经成为研究地区之间住房价格空间关联的重要基础。然而住房价格的“波纹效应”通常是一种短期行为，并不是一个长期稳定的结果，“波纹效应”的产生是由于短期内受到住房供求关系带来的冲击，从而导致住房价格偏离均衡点，发生变化。住房价格由住房供求关系决定，短期内住房供给受到影响较小，因此，可以假设住房价格在城市间具有“波纹效应”，很有可能是由于住房需求通过“波纹效应”传导导致的，且人口流动、家庭财产转移等因素首先反映在住房需求上，因此，城市间的住房需求也会在外界作用下产生“波纹效应”。
那一年，妻子身上生皮肤病，鳞屑白花花地一层叠加一层，很像牛皮癣。钻心地痒。妻子忍不住，上手一抓一挠，鳞屑纷纷扬扬地往下脱落，像小范围里下一场暴风雪。要是妻子使劲地抓破，就会有血水一丝一丝地渗出来。妻子的皮肤病长的部位很奇特，两只胳膊肘上，两只膝盖上，对称地生长，先有五分硬币那么大，后来扩展成一块银元那么大。我陪她一起去市第一人民医院看皮肤科。医生说是神经性皮炎，开两支皮炎平软膏，拿回家抹一抹。不能说皮炎平软膏一点效果没有，最起码能够起到湿润皮肤的作用吧。妻子松懈下来，不当一回事，任其瘙痒，任其发展。
三、数据情况
关于住房需求的计算方法，学者们主要从微观和宏观两个角度进行测算。微观上是以家庭为单位计算城市中每个家庭的实际住房需求，再进行加总；宏观上是将住房需求转化为城市人口规模和人均住房面积。但是，这些指标的季度和月度数据可得性较差。住房需求的“波纹效应”可能具有滞后效应，同时，中国房地产市场发展活跃，市场变化和政策出新的周期都很短，年度数据无法满足研究需求。
综合以上考量，结合数据的可得性，本文使用的数据为43个城市的月度住房销售面积变化量，数据时间跨度为2012年1月至2017年2月，来自中指数据库。住房销售面积理论上是住房供给和住房需求共同作用的结果，但是短期内，住房供给变化较小，且本文使用的是住房销售面积的变化量，以此代表住房需求变化相对合理。为了从实证上进一步验证这一合理性，本文使用Thomas(2016)[29]的方法，检验住房供给对住房销售面积的影响，该检验使用的数据为2012-2016年中指数据库中98个城市的面板数据，结果见表1所列。
权头真上火，不就结个婚吗，怎么弄得跟电视剧似的，今天他想，明天她不想，还有完吗：“你是现在不想，还是就想跟他吹了？”
表1 住房供给对住房销售面积的影响
表1验证结果表明，在2012-2016年住房供给变化对住房销售面积变化的影响并不显著，支持了使用住房销售面积变化来反应住房需求的变化的合理性。同时，使用变化量作为指标，与直接采用住房销售面积本身相比，可以避免由于基数不同带来的标准化困难，剔除了城市本身的特征，更能反映住房需求。
列宁在归纳马克思唯物史观时曾说：“只有把社会关系归结于生产关系，把生产关系归结于生产力的水平，才能有可靠的根据把社会形态的发展看做自然历史过程。”[7]对于蒙昧时代、野蛮时代和文明时代这样的大尺度时代，最基本的判断标准就是使用什么样的生产工具及与之相联系的生活器具。蒙昧时代的标志就是火的使用、“旧石器”的制作和弓箭的制造；野蛮时代的标志是制陶术的发明、开始驯养家畜培植作物、开始有冶炼技术和铁制工具；文明时代的标志则是铁器广泛利用、手工业全面发展、技术工艺长足进步，而且商品货币交换、私有制、阶级剥削、政治国家也已出现。
四、实证结果
(一)各城市群住房需求“波纹效应”检验
本文对每个城市群内的城市的住房需求变化量进行格兰杰因果检验，根据得到的因果关系，识别出每个城市群中位于主导位置的一个或几个“主导城市”，即该城市对若干其他城市的住房需求变化量构成格兰杰因。
以长江三角洲城市群为例，对长江三角洲城市群内城市进行格兰杰因果检验，具体结果见表2所列(表中数字为以行所对应的城市作为因，以列对应的城市作为果进行格兰杰因果检验所得到的p 值，滞后期Lags=4)。
根据中国城市群的规划和定义，目前中国有12个国家级城市群，即长江三角洲城市群、珠江三角洲城市群、京津冀城市群、中原城市群、长江中游城市群、成渝城市群、哈长城市群、辽中南城市群、山东半岛城市群、海峡西岸城市群、北部湾城市群、关中城市群。结合中指数据库数据情况，考虑到统一研究时间段(2012年1月至2017年2月)和确保每个城市群内包含至少4个城市的需求，最终筛选出符合要求的43个城市，按照城市群的严格定义和边界可以归进6个国家级城市群，分别为：长江三角洲城市群、珠江三角洲城市群、京津冀城市群、长江中游城市群、山东半岛城市群和海峡西岸城市群。
由此可见，长江三角洲城市群内确实存在着“主导城市”或者“核心城市”，他们分别是上海、南京、苏州和杭州，这些城市的住房需求先发生变化，并且对4个月之后其他城市住房需求的变化有预测作用，这与第2章提出的理论模型相符合，城市群内部主导城市住房需求先发生变化，产生溢出效应之后传导至周边其他城市。
表2 长江三角洲城市群格兰杰因果检验结果
以上海为主导城市的具体“波纹效应”大小(以格兰杰因果检验显著性大小为分类标准，p ≤0.01为“波纹效应强”，0.01<p ≤0.05为“波纹效应中”，0.05<p ≤0.1为“波纹效应弱”，后同)总结见表3所列。
表3 未去除“325新政”长江三角洲波纹效应大小
同时，政策效果会对城市间住房价格的相关性产生影响。Iacoviello和Minetti[19]在2008年认为房地产市场的空间相关性特征直接影响政策的房价传导机制是否能够凑效。政策的执行效果会受到政策环境等因素的制约，考虑空间相关性的作用后，住房调控政策的作用可能并不理想[20]。政策对住房需求具有重要影响，无论是土地政策[21-23]、货币政策[24-25]、税收政策[26]还是在中国专门针对房地产市场的住房调控政策等[27]均会对居民住房需求产生直接影响。同时，房地产市场内部存在的空间相关性，会对政府制定的住房限购政策带来冲击，使得其在实际当中，并不能发挥其应有的作用，对相同的住房限购政策，不同地区的效果也会不尽相同，效果的差别会在空间相关的过程中改变政策原本的意义与作用[28]。
表4 城市群内“主导城市”
6个城市群内均存在一个或几个“主导城市”，在政策冲击下，他们的住房需求先变化，通过“波纹效应”传导至周边城市。
对北上广深四个一线城市进行格兰杰因果检验结果见表5所列。
通过数值模拟手段，采用油藏、裂缝、井筒、地面一体化的数值模拟技术，使动态历史拟合精度更高，模型预测优化基础更加可靠。对比当水平段轨迹与地应力夹角分别为0°、45°、90°时的开发效果，以15年末累计产油量最大为评价标准，计算结果表明，水平段轨迹垂直于最大主应力方向时，开发效果最佳（图2），此时裂缝对水平井周围区域储量的控制能力最强，根据义37块老井实际压裂裂缝监测资料，本块最大主应力反响为NE56.5°，因此优化本块水平井水平段方向应垂直于最大主应力方向。
薪酬立法和执法的公平是公务员薪酬市场化改革的保证，由于薪酬制度的弹性及标准的模糊导致在执行过程中出现不公平。
表5 北上广深格兰杰因果检验结果
结果显示，滞后期Lags=4时，在10%的显著性下，广州的住房需求变化是北京的住房需求变化的格兰杰因，上海的住房需求变化是北京和广州的住房需求变化的格兰杰因，即北京的住房需求变化可以有效预测4期，即4个月后广州的住房需求变化，根据上海的住房需求变化可以有效预测4个月后北京和广州的住房需求变化，并且最有可能是通过信号作用进行传导。
式中,uα、uβ为逆变器输出电压矢量,iα、iβ为并网电流矢量,eα、eβ为电网电压矢量。有功功率和无功功率可由静止坐标系下电压电流矢量计算得出。
以上海为主导城市的具体“波纹效应”大小总结见表6所列。
表6 未去除“325新政”北上广深波纹效应大小
这个结果是合理的。上海的房地产市场起步较早，在全国范围内率先开展了住房制度的革新，逐渐进入了商品房时代。因此，上海市的住房政策往往具有一定先行性与前瞻性，其住房市场的变化对其他大中城市也有预测作用。
(二)政策冲击对城市间住房需求传导的影响检验
本文第二步检验政策冲击对住房需求传导影响，使用长江三角洲城市群15个城市以及北上广深4个一线城市的月度住房销售面积变化量，选取重要政策时间节点，假设不存在该政策，对政策时间节点之后住房需求变化走势进行合理预测，使用去除政策干预后的数据，作为实验组，原有在该政策影响下的住房需求变化序列为对照组，对实验组同对照组一样，进行两两城市为一组的格兰杰因果检验，与对照组在未去除政策得到的结果进行对比，识别政策对城市间住房需求传导的影响，并根据实际情况对传导路径进行合理假设。
具体来讲，城市住房需求“波纹效应”的发生过程如下：假设住房需求由城市1传导至城市2，城市1的住房需求发生变化(这里假设住房需求增加)时，短期内住房供给不变，根据供求理论，住房价格随之上升。城市1住房价格的上升挤出部分需求，这部分住房需求转移至城市2；同时，城市2的居民看到城市1的住房变化信息，可能产生了对本城市未来住房市场的预期，从而内部需求发生了变化。
·品牌记忆阶段，即读者能对这一品牌产生自主记忆或者回忆的心理行为，也就是说读者曾经直接或间接参与过相关活动。
同时，还需要考虑其他城市自身政策的影响。我们对该部分涉及的城市在研究期间(2016年3月至2017年2月)出台的地方性房地产政策进行了梳理。经过梳理，发现杭州、苏州和北京在研究期间出台了与上海“325新政”相关的政策①。因此在分析结果时应考虑这些地方性政策的影响。
对数据进行平稳性和随机性检验之后，首先根据上海2012年1月-2016年2月的数据建立时间序列模型，利用EVIEWS软件建立ARIMA模型，根据AIC和SC准则确定的最佳时间序列模型如下：
X t =2.803 536+1.491 637X t-1 -0.743 594X t-2 +
一般说，寓言的语言多是直白如话、朴素简洁的，而这些简洁朴素的语言文字，通过细细地揣摩，对学生的语言学习也能够起到推动作用。
1.157 157a t-1 +0.092 8141a t-2 +
0.336 734a t-3
该模型拟合度较好，可以通过参数的显著性检验和整个回归方程的显著性检验。
使用上述的方法对北京和广州2016年2月-2017年2月的住房需求变化量分别进行合理预测，使用净化后的时间序列重新进行格兰杰因果检验，新的结果见表9所列。
利用上述模型对上海市2016年3月-2017年2月假设无该政策的住房需求变化值进行预测，如图1所示。
桂林渔鼓，又称渔鼓道情，是一种说唱曲艺，是湖南渔鼓在民国初期传入桂林后发展起来的。民国初年，湖南的渔鼓艺人南迁桂林定居生活，同时也带来了渔鼓文化。此后，无论是在桂林的城市中心、郊野乡村或是民族村寨，都有荡漾的点点鼓声。桂林渔鼓汲取了湖北道情、祁阳渔鼓的音乐元素精粹，形成了具有桂北特色的曲艺风格。桂林渔鼓用桂林方言演唱，它是以四句为一组的单曲体、征调式；唱词以七字为一句，总句数为双句，唱时是以四句为一组，来回重复，直至结束；桂林渔鼓作为长江流域和珠江流域民间曲艺的结晶，印证了中原文化、楚文化与骆越文化之间的相互传播、碰撞和交融的历史。
图1 上海市住房需求变化量ARIMA预测值
同理，使用上述的方法对常州、杭州、苏州、芜湖、镇江、宁波和绍兴2016年2月-2017年2月的住房需求变化量分别进行合理预测，使用净化后的时间序列重新进行格兰杰因果检验，新的结果见表7所列。
论文因此提出两个基本假设：一是城市间的住房需求具有“波纹效应”；二是，政策在城市需求的“波纹效应”中起到重要的作用。城市1受到外生政策冲击，会由于波纹效应而影响城市2的需求，改变政策冲击，城市间住房需求的波纹效应传导会发生变化。本文将对这两个假设进行实证分析。
表7 长江三角洲城市群重新进行格兰杰因果检验结果
以上海为主导城市的具体“波纹效应”大小总结见表8所列。
综上所述，电气工程是现代建筑工程设计的一个重要环节，其设计效果直接影响着建筑使用功能的发挥。考虑到其复杂性，可以将智能化技术引入到设计工作中，基于广大用户的具体需求开展设计工作，构建信息化管理平台，对建筑电气系统中的设备进行集成化管理和远程操作，促进电气系统运行效率的提升。
表8 去除“325新政”与未去除“325新政”长江三角洲 波纹效应大小对比
新得到的格兰杰因果验证结果显示，当滞后期Lags=4时，上海不再像之前是常州、芜湖和绍兴的格兰杰因，依旧是杭州、苏州和镇江的格兰杰因。长江三角洲城市群内城市的住房需求相关性发生了变化，说明政策冲击的确是城市间住房需求变化溢出的一个重要因素②，但是具体是通过消费性需求、投资性需求还是信号作用进行传导，这里无法得出结论。进一步结合政策本身性质来看，“325新政”主要提高了二套房的首付比例，对投资性需求冲击最大，所以该政策对城市间住房需求的传导很有可能是通过投资性需求从“主导城市”溢出到周边城市来实现的；也有可能是周边城市接收到了上海市由于政策影响产生的信号，自身的住房需求发生了相应的变化。总之，检验结果显示，政策的确在很大程度上影响着城市之间的住房需求变化传导。
铝合金的纳标重点是：高纯铝合金材料及其相应成套的测试标准。高纯铝合金材料对铝合金的成分控制的非常严格，使得合金的疲劳度、断裂性能以及抗腐蚀性能都有明显提高，因此它是飞机采用损伤容限设计及可靠性设计的理想化材料，也是航空铝合金的主要发展方向。铝合金的预拉伸板、锻件规范、挤压管材等国家军用标准的制定，为飞机重要主承力结构零件的制造提供了原材料的保障，进而满足了飞机批量生产的需要。目前我国飞机发动机制造过程中直接使用GJB的铝合金标准，铝合金的棒、线、管材使用GB。而对于镁合金的GB，实际运用在制造、生产钢棒与铸造合金中。
表9 北上广深重新进行格兰杰因果检验结果
以上海为主导城市的具体“波纹效应”大小总结见表10所列。
表10 去除“325新政”与未去除“325新政”北上广深 波纹效应大小对比
新计算得到的格兰杰因果验证结果显示，当滞后期Lags=4时，上海不再是广州的格兰杰因，依旧是北京的格兰杰因。北京、上海、广州和深圳四个城市的住房需求相关性发生了变化，说明政策冲击的确是城市间住房需求变化溢出的一个重要因素③。结合四个城市的地理位置和经济状况来看，除了广州和深圳，四个城市在地理位置上不具有邻近的特点，但是北上广深经济发展状况、人口结构和房地产市场现状等都很相似，所以四个城市间住房需求的传导最有可能是通过信号作用来实现的，即城市2的居民看到了城市1的住房信息，对本城市的住房市场状况产生了预期，从而其内部住房需求发生了变化。
五、结论及建议
本文使用43个城市2012年1月-2017年3月的月度住房销售面积来代表城市月度住房需求的变化量，按照最新的城市群国家规划，将这43个城市分别归进山东半岛、京津冀、长江中游、珠江三角洲、海峡西岸和长江三角洲这6个城市群，并进行城市间住房需求相关性检验。检验结果表明，每个城市群内部均存在一个或多个“主导城市”，四个一线城市之间也存在“主导城市”。
在进行政策选取时，首先，政策须为仅针对某城市的地方性政策，而非全国性政策，剔除政策本身对其他城市住房需求的直接影响；且政策应为针对住房需求的调控政策，对该政策所针对的城市内住房需求产生直接作用。综上考虑，本文选取2016年3月25日出台的上海“325新政”作为政策时间节点，该政策仅为上海地方性政策，符合要求。该政策主要延长了社保期限，并提高了二套房的首付比例，为需求侧政策，政策出台后，上海住房成交面积跌幅达到56%，并且由于住房需求短期内下跌，而供给不变，住房价格也不断下跌，其中，成交均价出现了4%的下降，上海房地产市场出现量价齐跌的情况。这与我们在第二章提出的理论也是相符合的。
接着，本文使用了长江三角洲城市群15个城市以及4个一线城市的月度住房销售面积变化量，选取2016年3月25日的上海“325新政”为重要政策时间节点，假设不存在该政策，对政策时间节点之后住房需求变化走势进行合理预测作为实验组，原有在该政策影响下的住房需求变化序列为对照组，计算去除政策干预后的数据，作为实验组，原有在该政策影响下的住房需求变化序列为对照组，对实验组同对照组一样，进行两两城市之间的格兰杰因果关系检验，与对照组之前得到的结果做进一步对比，发现滞后期为4时，长三角城市群内及4个一线城市之间上海与某些城市之间的格兰杰因果关系发生了变化，说明政策冲击的确是城市间住房需求变化传导的一个重要因素。主导城市受到外生冲击(如政策)是城市之间住房需求产生波纹效应的重要原因，改变政策冲击，部分城市间住房需求的波纹效应传导会发生变化。
根据本文结论，提出以下建议：
第一，中央政府应当制定和完善房地产市场的相关制度、法律和政策来促进房地产市场的平稳健康发展；调控应进一步关注城市间住房需求的相关性，通过制定相关政策，将“主导城市”的需求疏散至周边城市，达到抑制主导城市需求旺盛从而抬高房价的现象的出现；在针对主导城市进行政策调控时，也要考虑该政策后续对其周边城市产生的影响。
第二，由于人口、环境、教育、经济和文化等因素的影响，房地产市场在不同区域的状况存在很大的不同，应基于区域特征制定差异化调控政策；地方级政府应加强对于房地产开发各环节的审批和监督，同时针对当地市场状况，及时制定符合地方特点的住房政策进行调控。
第三，住房需求中蕴含的信息对于房地产企业和消费者来说，都会使其产生对未来住房价格的预期，从而影响其决策，房地产企业和购房者应在进行不同城市的投资决策时应考虑该城市以及周边城市的住房市场需求情况。
注 释：
①如杭州的《实施住房限购有关事项操作细则》、苏州的《关于进一步加强苏州市区房地产市场管理的实施意见的通知》(“苏十五条”)和北京的《北京市人民政府办公厅转发市住房城乡建设委等部门〈关于促进本市房地产市场平稳健康发展的若干措施〉的通知》。
(三)行政事业单位财务人员在具体操作中要按照财政部作出关于做好新旧行政事业单位会计制度衔接的规定要求，准确编制新旧会计科目余额对照表，而设置新账是行政事业单位会计制度衔接的一项重要工作，需要财务人员根据新旧会计科目余额对照表，按照资产类、负债类、净资产类、收入类以及支出类来逐项进行结转。在转账的时候，财务人员需要注意对应会计科目的含义，保证结转正确无误。
②经过政策梳理，发现常州、芜湖和绍兴在研究期间均未出台与“325新政”相关的政策；杭州和苏州在研究期间出台了与上海“325新政”调控方向一致的政策，这些相似政策的同时出现，说明了杭州和苏州本身在经济状况和发展水平方面与上海具有较强的联系，我们的检验结果也表明，控制杭州和苏州的政策后，上海仍然是他们的格兰杰因。因此，上海与杭州和苏州之间的住房需求之间存在格兰杰因果关系，很有可能是由于上海和这两个城市在经济状况、发展水平和其他方面的相似性。事实表明，上海的政策和他们的政策存在关联，我们猜想这种政策上的关联也是上海与两个城市(杭州、苏州)之间住房需求存在相关性的一个原因，这一点需要之后的研究进行进一步验证。
③经过政策梳理，发现广州在研究期间虽然出台了限购政策，但具体内容为“严格执行我市既有的住房限购政策”，未出台相关新政或加强限购政策力度，排除了广州本地房地产政策的影响；北京在研究期间出台了与上海“325新政”调控方向一致的政策，说明了北京本身在经济状况和发展水平方面与上海具有较强的联系，我们的检验结果也表明，控制北京的政策后，上海仍然是北京的格兰杰因。因此，上海与北京之间的住房需求之间存在格兰杰因果关系，很有可能是由于上海和北京在经济状况、发展水平和其他方面的相似性。事实表明，上海的政策和北京的政策存在关联，我们猜想这种政策上的关联也是上海与北京之间住房需求存在相关性的一个原因，这一点需要之后的研究进行进一步验证。
实验用斑点叉尾鮰的体重：430.5±35.5 g，体长：33.4±2.5 cm，全部购买于湖北省武汉市白沙洲农副产品大市场。实验时挑选体重相当，外表健康、活动力正常的斑点叉尾鮰。
参考文献：
[1] TOBLER W R. Lattice Tuning[J]. Geographical Analysis, 2010, 11(1):36-44.
[2] MEEN G. Regional House Prices and the Ripple Effect: A New Interpretation[J]. Housing Studies, 1999, 14(6): 733-753.
[3] IRWIN E G. The Effects of Open Space on Residential Property Values[J]. Land Economics, 2002, 78(4):465-480.
[4] BOURASSA S C, CANTONI E, HOESLI M. Spatial Dependence, Housing Submarkets, and House Price Prediction[J]. The Journal of Real Estate Finance and Economics, 2007, 35(2):143-160.
[5] 王鹤. 基于空间计量的房地产价格影响因素分析[J]. 经济评论, 2012(1):48-56.
[6] LEEUW D F. The Demand for Housing: A Review of Cross-Section Evidence[J]. The Review of Economics and Statistics, 1971, 53(1):1-10.
[7] POLINSKY A M, ELLWOOD D T. An Empirical Reconciliation of Micro and Group Estimates of the Demand for Housing[J]. Review of Economics & Statistics, 1979, 61(2):199-205.
[8] STAEHELI L A. Growth Management: The Planning Challenge of the 1990’s[J]. Economic Geography, 1994, 70(1):93-94.
[9] GETIS A. Reflections on spatial autocorrelation[J]. Regional Science & Urban Economics, 2007, 37(4):491-496.
[10] 王松涛, 杨赞, 刘洪玉. 我国区域市场城市房价互动关系的实证研究[J]. 财经问题研究, 2008(6)：122-129.
[11] 陈雪楚, 彭建刚, 吴梦吟. 城市间房价相关性与系统性金融风险防范[J]. 上海金融, 2012(8):16-20.
[12] OIKARINEN E. The diffusion of housing price movements from center to surrounding area[J]. Journal of Housing Research, 2004, 15(1): 3-28.
[13] 邓世专. 中国大中城市房屋价格相关和传导关系[J]. 金融理论与实践, 2013(5):7-11.
[14] 齐昕, 王雅莉. 城市化经济发展空间溢出效应的实证研究——基于“城”、“市”和“城市化”的视角[J]. 财经研究, 2013(6)：84-92.
[15] JANIKAS M V, REY S J. Spatial clustering, inequality and income convergence[J]. Région et Développement, 2005, 21(2): 45-64.
[16] MORENO-JIMÉNEZ J M, POLASEK W. E-democracy and knowledge. A multicriteria framework for the new democratic era[J]. Journal of Multi-Criteria Decision Analysis, 2010, 12(2/3): 163-176.
[17] LALL S V, YILMAZ S. Regional economic convergence: Do policy instruments make a difference?[J]. Annals of Regional Science, 2001, 35(1):153-166.
[18] WOOD R. The information content of regional house prices: can they be used to improve national house price forecasts?[R]. Bank of England Quarterly Bulletin, 2003.
[19] IACOVIELLO M, MINETTI R. The credit channel of monetary policy: Evidence from the housing market[J]. Journal of Macroeconomics, 2008, 30(1):69-96.
[20] 黄芮, 何淑娟. 保障性住房政策执行中的问题、原因及对策研究[J]. 中共太原市委党校学报, 2015(6):43-45.
[21] DEAKIN E. Land use and transportation planning in response to congestion problems: A review and critique[R]. Transportation Research Record 1237, 1989: 77-86.
[22] ELLIOTT M. The Impact of Growth Control Regulations on Housing Prices in California[J]. Real Estate Economics, 1981, 9(2):115-133.
[23] FISCHEL W A. Introduction: Four Maxims for Research on Land-Use Controls[J]. Land Economics, 1990, 66(3):229-236.
[24] MACLENNAN D. A competitive UK economy: the challenges for housing policy[R]. York: Joseph Rowntree Foundation, 1994.
[25] SONG H, LIANG H. An Analysis on the Influence of Financial Dual Structure on the Effectiveness of Monetary Policy[J]. East China Economic Management, 2014，28(4)：88-91.
[26] BENJAMIN J D, COULSON N E, YANG S X. Real estate transfer taxes and property values: The Philadelphia story[J]. Journal of Real Estate Finance & Economics, 1993, 7(2):151-157.
[27] 刘璐. 限贷和限购政策对一般均衡中房价的影响[J]. 管理科学学报, 2013, 16(9):20-32.
[28] 余华义, 石亦霏. 房价空间相关性及其对住房限购政策效果的影响——以北京为例[J]. 公共管理与政策评论, 2014, 3(2)：57-66.
[29] DAVIDOFF T. Supply Constraints are Not Valid Instrumental Variables for Home Prices Because They Are Correlated with Many Demand Factors[J]. Critical Finance Review, 2016, 5(2)：177-206.
Research on the Relevance of Housing Demand and Policy Impact Based on Urban Agglomeration
YANG Zana,b, DING Li-quna,b, YANG Hong-jiea,b
(a .Department of Construction Management ;b .Hang Lung Center for Real Estate ,Tsinghua University ,Beijing 100084,China )
Abstract : Based on the data of six urban agglomerations in China from 2012 to 2017 and using the empirical analysis method of time series, this paper explores the possible “ripple effect” of housing demand among cities, and the transmission mechanism of housing demand changes between six urban agglomerations and four cities in Beijing, Shanghai, Guangzhou and Shenzhen. Based on the “325 New Deal” in Shanghai, this paper further explores the role of policy in housing demand transmission by analyzing the changes of transmission path during the implementation period and after the cancellation of policy. This paper is helpful to remedy the deficiency of the existing literature on the spatial correlation of housing demand. It is of great significance to understand the changes of housing demand, grasp the relationship between cities and formulate targeted housing policies.
Keywords : housing demand; space correlation; ripple effect; urban agglomeration
[DOI ]10.19629/j.cnki.34-1014/f.190225006
收稿日期： 2019-02-25
基金项目： 国家自然科学基金项目“不确定性在房地产市场中的微观传导机制和效应：基于居民住房决策的研究”(71673154)
作者简介：
杨 赞(1968-)，女，上海人，副教授，博士生导师，博士，研究方向：城市经济学,房地产经济学；
丁立群(1996-)，女，山西大同人，硕士研究生，研究方向：城市经济学，房地产经济学；
杨鸿杰(1994-)，男，贵州贵阳人，硕士研究生，研究方向：城市经济学，房地产经济学。
中图分类号： F290; F293.3
文献标志码: A
文章编号: 1007-5097( 2019) 11-0100-07
[责任编辑： 张 兵]
标签：住房需求论文; 空间相关论文; 波纹效应论文; 城市群论文; 清华大学建设管理系论文; 清华大学恒隆房地产研究中心论文;