产 INDUSTRIES 利人口红利以及房地产市场改革红利等因素, 中国城市房地产市场空前繁荣, 与此同时, 地方政府财政对房地产的依赖程度也越来越深房地产本身具有鲜明的周

Size: px

Start display at page:

Download "产 INDUSTRIES 利人口红利以及房地产市场改革红利等因素, 中国城市房地产市场空前繁荣, 与此同时, 地方政府财政对房地产的依赖程度也越来越深房地产本身具有鲜明的周"

库戎莘
7 years ago
Views:

1 INDUSTRIES 产近10年来中国地级及以上城市房地产依赖度时空分异潘竟虎摘要利用位序规模分析法 ESDA GIS和趋势面分析方法对2003年 2007 年和2012年全国343个地级及以上城市房地产依赖度的空间分异格局总体趋势空间异质性和自相关性进行研究结果表明中国地级单元房地产依赖度空间分异显著 2003年房地产依赖度呈现东高西低北高南低的态势 2007年表现为东高西低南高北低的空间特征 2012年则为东部>中部>西部南方>北方>中部近10年来地级单元的房地产依赖度整体呈扩大趋势一线城市的房地产依赖度逐渐降低而二线城市的房地产依赖度快速增加房地产依赖度的自相关性前5年减小后5年增加房地产的投资属性金融市场不健全经济结构失调和地方财政弊端是造成地方经济对房地产过度依赖的重要原因关键词房地产依赖度 ESDA-GIS 时空分异中国中图分类号 F2 3.3 doi: /j.issn 住房与饮食医疗就教育等一房地产依赖度和住房可支付性等问题亦样始终是人类生存与发展的基本需求成为学术界关注的热点问题 [1] 当前房价也是最重要的民生问题之一中国自1990 居高不下的一个重要原因在于房地产绑年代开始进行住房制度改革取消福利架了地方政府的利益这既是因为土地分房住房逐步进入商品化的时代房地一级市场垄断的因素也是由于地方财政产快速发展城市商品住宅价格也随收入对房地产市场存在很大的依赖性之水涨船高大城市房价居高不下房土地出让金成为地方财政收入的主要来奴蚁族蜗居等新名称相继源甚至于许多地方政府财源已变成房出现引发社会的广泛关注房价泡沫地产财政过去10年受益于全球化红基金项目国家自然科学基金项目西北师范大学青年教师科研能力提升计划项目 SKQNYB12021 城市观察 2015年第3期 Urban Insight, No. 3,

ESDA-GIS 时空分异中国中图分类号 F2 3.3 doi: 0.3 6 /j.issn. 674-7 78.20 5.03.

2 产 INDUSTRIES 利人口红利以及房地产市场改革红利等因素, 中国城市房地产市场空前繁荣, 与此同时, 地方政府财政对房地产的依赖程度也越来越深房地产本身具有鲜明的周期性特征, 单纯依靠行政手段不能保证房地产市场不产生波动, 地方财政如若过度依赖于房地产行, 不仅会引发房价居高不下招致民怨, 也直接影响到地方财政收入的持续增长 1990 年代初日本爆发的房地产泡沫破裂,1990 年代中后期东南亚和香港房地产泡沫破裂引发的大恐慌, 以及 2008 年美国房地产过热诱发的次贷危机, 均为我们敲响了警钟房地产具有显著的区域特征, 研究地方政府房地产依赖度及其时空演化, 具有重要的理论和实践意义房地产依赖度的相关研究国外起步较早, 研究内容主要集中在房地产泡沫房地产经济周期房地产依赖度与金融危机住宅投资与经济增长关系房地产 [1-4] 宏观调控等方面 ; 研究方法多采用了调查统计计量分析数学建模等国内学者侧重于实证研究, 提出了房地产泡沫检测方法房地产依赖度分区经济增长 [5-8] 的房地产依赖模型等, 但对房地产依赖度的空间分异格局少有研究从研究方法来看, 多采用基于计量经济学理论的统计模型, 基于 GIS 的空间分析较少见从研究视角看, 主要从经济学社会学和政治学等多角度分析, 以地理学视角开展的研究尚不多见从研究对象看, 呈现两极化趋势 : 或针对单个城市, 或以省级或大区域为基本研究单元, 缺乏中观层面上的研究, 以地级城市为单元的时空分异研究更是鲜见房地产是不动产, 其与其他资产的最大区别在于空间的固定性和不可移动性, 具有强烈的地域性研究房地产依赖度不但要关注时间维度上的某个 ( 些 ) 年份, 还需深入挖掘空间维度上的区域差异中国地域辽阔, 城市众多, 城市之间发展程度差异较大, 房地产依赖度的城市分异也极为显著此外, 房地产依赖度不仅在区域间存在着差异, 在各线城市间也呈现出分化的格局中国实行市管县体制, 地级市均为所在区域的经济文化中心, 在地级市整体层面上和各线城市层面上探索房地产依赖度的空间分异格局, 有助于认清中国区域房地产市场的空间结构, 对政府因地制宜地实行差别化的房地产发展政策有着重要的参考意义基于此, 本文以 2004 和 2012 年中国 343 个地级及以上城市为案例, 运用基于 GIS 的空间计量测度方法, 分析房地产依赖度的时空分异格局, 并比较其总体分异趋势空间异质性和空间相关性格局, 以期为认清中国房地产依赖度的空间结构, 为相关政策制定提供科学借鉴一研究方法与数据来源 ( 一 ) 研究区域与数据来源我国实行 ( 地级 ) 市管县的行政体制, 地级行政区的管辖范围相对较为稳定考虑到统计数据的可获取性和行政单元空间完整性, 本文以 2012 年地级行政区 ( 地级市地级单元自治州和盟 ) 为尺度进行分析, 不包括台湾香港和澳门地区, 为便于比较,2004 年尚未地改市的地级单元和盟, 仍以原行政区作为研究单元为保持空间的连续性和便于分析, 将 4 个直辖市和个别属于省直辖的县级行 88

年美国房地产过热诱发的次贷危机, 均为我们敲响了警钟房地产具有显著的区域特征, 研究地方政府房地产依赖度及其时空演化, 具有重要的理论和实践意义房地产依赖度的相关研究国外起步较早, 研究内容主要集中在房地产泡沫房

3 INDUSTRIES 产政区 ( 河南省济源市, 湖北省仙桃市天门市潜江市和神农架林区, 新疆石河子市 ) 也纳入分析的范畴此外, 海南省除海口和三亚外的省直辖区域合并为一个单元, 其数据采用除去上述 2 市以外的全省平均值替代极少数地级单元的个别数据缺失, 采用省区统计年鉴的数据补齐或通过相邻年份数据插值获得据此, 得到 343 个地级及以上行政单元 ( 为描述方便, 下文统称为地级市 ) 参与研究数据来源于和 2013 年的中国区域经济统计年鉴 [9-11], 个别缺失的数据由各省份相应年份的统计年鉴各市统计公报等检索获得行政界线城市位置信息等获取自国家基础地理信息中心 1:400 万数据库考虑到数据的可获取性, 研究时点选择最近的 2012 年和前溯至最大的 2003 年 ( 二 ) 研究方法 1. 房地产依赖度计算方法区域房地产依赖度一般用房地产开 [12] 发投资占区域 GDP 产出的比重来衡量, 但直接以房地产开发投资和 GDP 去比, 结果不尽合理, 因为在统计口径上二者并非从属关系, 而是互为交集而如果简单地用区域房地产开发投资占固定资产投资的比例来计算房地产依赖度, 则又忽视了经济发展程度为此, 本文综合考虑区域 GDP 固定资产投资总额和财政收入与区域房地产开发投资的比例关系, 构建区域房地产依赖度指数和综合指数, 力求多角度地衡量区域经济发展与房地产行之间的关系为了得到房地产依赖度综合指数, 本文将 GDP 固定资产投资总额和财政收入对房地产依赖度的影响同等对待, 即在计算时将上述 3 个指标等权加和取平均值计算 : (1) 其中,RED 为区域房地产依赖度综合指数,D GDP 为区域 GDP 房地产依赖度,D FAI 为区域投资房地产依赖度,D FR 为区域财政收入房地产依赖度,REI 为区域房地产开发投资额 ( 亿元 ),GDP 为区域生产总值 ( 亿元 ),FAI 为区域固定资产投资总额 ( 亿元 ),FR 为区域财政收入 ( 亿元 ), 变量上的横线代表归一化处理, 本文采用极差标准化无量纲方法 2. 位序规模分析位序规模分析法是城市地理学中分析城市等级的经典方法,1949 年 Zipf [13] 提出了城市位序规模分布法则本文引入位序规模法, 用于分析房地产依赖度的城市差异计算式为 : (2) 式中,RED i 是第 i 位城市的房地产依赖度 ;RED 1 为 HPIR 排名第一的城市房地产依赖度,lnRED 1 是一个常数, 体现城市体系最高等级的城市在位序规模二维坐标系纵轴上的截距,lnRED 1 变化反映了最高等级房地产依赖度的城市在体系中的变化 ;r i 为第 i 位城市的位序 ;q 为回归曲线的斜率, 其值的大小可以反映出城市房价收入等级结构的变化, 若其值变大, 说明规模集中的力量大于分散的力量, 反之, 则说明分散的力量大于集中的力量 3. 探索性数据分析 (ESDA) 常用的区域差异分析方法包括统计法公理法社会安全函数以及模型法, 89

[9-11], 个别缺失的数据由各省份相应年份的统计年鉴各市统计公报等检索获得行政界线城市位置信息等获取自国家基础地理信息中心 1:400 万数据库考虑到数据的可获取性, 研究时点选择最近的 2012 年和前溯至最大的 2003 年

4 产 INDUSTRIES 前 3 种方法均为基于数字挖掘的分析推导法, 缺乏空间视角, 无法实现地域差异空间格局的可视化表达, 也忽视了邻域的影响本文采用基于 GIS 平台的 ESDA 技术, 包括全局 Moran s I 指数和局域 Moran s I 指数 (LISA) ESDA 是得到学界认可的较为理想的数据驱动分析方法, 已被广泛用于区域差异的研究中, 篇幅所限, 计算公 * 式详见文献 [14] 引入 Getis-Ord G i 来判别不同空间位置上的高值与低值集聚状况, 计 [15] 算式见文献 4. 三维趋势分析用于揭示空间物体的总体分布规律, 忽视局部变异一般来说, 任一表面可分为两部分 : 确定性的全局趋势和随机性的 [16] 短程变异三维趋势分析反映了描述对象在空间区域上变化的主体特征在趋势分析图中, 每一条竖线代表某个数据点的属性值 ( 高度 ) 和空间位置, 数据点被投影到一个由东西向和南北向轴构成的正交平面上投影点可以在某平面上拟合出一条曲线, 并于模拟特定方向上数据的趋势 (3) 式中 :N(h) 是分割距离为 h 的样本量, 当空间变异函数大时, 空间自相关性减弱以 h 为横坐标, 以 γ(h) 为纵坐标, 可绘制半变异函数曲线图 5. 房价收入比指住房价格与城市居民家庭年收入之比, 是衡量是衡量居民住房价格承受能力和房地产是否存在泡沫的重要指标计算 [17] 式为 : (1) 其中,HP 为单套商品住宅销售价格 ( 元 ),AP 为商品住宅单位面积平均销售价格 ( 元 /m 2 ),AS 为城镇人均住宅建筑面积 (m 2 ),AI 为城镇居民人均可支配收入 ( 元 ) 二房地产依赖度时空分异特征 ( 一 ) 总体分异特征 1. 位序规模分析 2003 年 2007 年和 2012 年房地产依赖度的位序规模回归曲线如图 1 所示回归拟合的决定系数 R 平方值均在 0.57 以上, 拟合较好, 系数以及方程在 1% 水平上均高度显著图 1 表明, 年, 中国地级城市的房地产依赖度是符合位序规模分布的, 说明城市之间的差异巨大, 尤其体现在位序靠前城市的房地产依赖度明显地高于位序靠后城市的房地产依赖度, 这意味着位序靠前城市面临更大的房地产泡沫压力回归方程斜率绝对值头 5 年先大幅减小, 后 5 年略有增加, 说明城市房地产依赖度先趋于集中后趋于分散整体而言, 中国城市房地产依赖度仍然呈现出扩大态势, 政府需要采取积极措施加大对房地产市场的调控力度, 避免房地产泡沫引发一系列经济和社会问题 2. 空间分异格局目前对房地产依赖度的合理区间划分尚无统一的判断标准, 本文将 RED<0.2 定为低房地产依赖度,HPIR>0.4 定为高房地产依赖度, 其中,RED>0.6 为极高房地产依赖度据此, 绘制 RED 空间分布图 ( 图 2) 由图 2 可发现 : 我国高房地产依赖度的城市数量并不多, 而低房地产依赖度的城市数量较多 2003 年, 有 27 个地级 90

三维趋势分析用于揭示空间物体的总体分布规律, 忽视局部变异一般来说, 任一表面可分为两部分 : 确定性的全局趋势和随机性的 [16] 短程变异三维趋势分析反映了描述对象在空间区域上变化的主体特征在趋势分析图中, 每一条竖

5 INDUSTRIES 产图 1 中国城市房地产依赖度的位序规模分析单元的房地产依赖度较高 (>0.4), 占地级单元总数的 7.87%, 散布在长江中下游地区以及辽宁陕西等北方省份 ; 其中, 仅有 3 个地级单元的房地产依赖度极高 (>0.6), 分别是北京丽江和银川, 其 RED 分别为和年, 有 16 个地级单元的房地产依赖度较高, 占地级单元总数的 4.67%, 分布在 14 个省份 ; 其中, 仅三亚的房地产依赖度极高, 达年, 有 34 个地级单元的房地产依赖度较高, 占地级单元总数的 9.91%, 空间上主要集中在著名的黑河 - 腾冲一线的东侧 ; 其中, 有 3 个地级单元的房地产依赖度极高, 分别是三亚贵阳和伊春, 其 RED 分别为和个时点上, 房地产依赖度均较高的城市有 7 个 : 三亚北京成都福州西安沈阳和合肥, 除三亚外, 均为省会城市或直辖市我国的房地产市场较之国际上存在着一定的特殊性, 体现在我国人口的基数庞大导致住房需求量巨大, 加之国人置传统观念的影响, 城市房地产依赖度普遍偏高 ; 此外, 我国城市间发展极不平衡, 不同城市间的经济发展水平差异巨大, 使得不能用同一标准衡量所有城市, 客观上要求对不同类别城市的房地产依赖度进行具体分析为此, 本文在前人研究的基础 [18,19] 上, 以品牌进入密度和数量 GDP 人均收入 211 高校全球 500 强数量机场吞吐量城市排名使领馆数量以及国际航线数量等作为主要指标, 将中国城市划分为一线二线三线四线五线和民族地区城市六种类型计算各线城市的房地产依赖度均值情况 ( 表 1), 结果发现, 各时间截面上, 房地产依赖度均表现为一线 > 二线 > 三线 > 四线 > 五线 > 民族地区的递减态势, 尤其是一线城市的房地产依赖度各年份均远高于其他类型城市年, 一线城市的房地产依赖度逐渐降低, 而二线城市的房地产依赖度却在快速增加, 表明城市房地产投资的热度逐渐从一线城市向二线城市转变三线四线五线和民族地区城市的房地产依赖度在年间减少, 但在年间大幅度增加, 整体来看, 2012 年的房地产依赖度均远高于 2003 年的数值 10 年间, 地级单元的房地产依赖度整体呈扩大趋势, 前 5 年略有下降, 但后 5 年明显上升 343 个地级单元房地产依赖度的平均值由 2003 年的略微降低到 2007 年的 0.18, 然后急剧上升到 2012 年的 91

758 2012 年, 有 34 个地级单元的房地产依赖度较高, 占地级单元总数的 9.91%, 空间上主要集中在著名的黑河 - 腾冲一线的东侧 ; 其中, 有 3 个地级单元的房地产依赖度极高, 分别是三亚贵阳和伊春, 其 RED 分别为 0.91 0.764 和 0.

6 产 INDUSTRIES 图年地级以上城市房地产依赖度分布及其变动表1 各类城市房地产依赖度统计值 92 城市分级个数 2003年RED 2007年RED 2012年RED 一线城市二线城市三线城市四线城市五线城市民族地区具体而言年房地产和迪庆州依赖度减小的地级单元有178个减小最年房地产依赖度减小的地级单元有111 明显的是泸州市房地产依赖度由2003年个减小最明显的是赤峰市房地产依的0.425下降为2007年的0.194 其次是深赖度由2007年的0.451下降为2007年的圳市和葫芦岛市均减少了0.222 减少整个10年间波动剧烈其次是南宁较多 0.2 的城市还包括伊春阜新市和廊坊市分别减少了0.212和0.168 眉山西宁和石河子图1 房地产依房地产依赖度增大的地级单元则有232 赖度增大的地级单元有165个其中显著个其中显著增加的地级单元有81个空增加房地产依赖度增加0.1以上的地间上集中分布在黑龙江云南豫皖及级单元有28个空间上集中分布在西南甘青宁4大片增加最多的是伊春市房地区的云贵桂增加最多的是赤峰市房地产依赖度增加了0.585 其次是临夏州地产依赖度增加了0.343 其次是贵阳市和大兴安岭地区增加城市观察 2015年第3期 Urban Insight, No. 3, 2015

425下降为2007年的0.194 其次是深赖度由2007年的0.451下降为2007年的圳市和葫芦岛市均减少了0.222 减少 0.219 整个10年间波动剧烈其次是南宁较多 0.2 的城市还包括伊春阜新市和廊坊市分别减少了0.212和0.

7 INDUSTRIES 产较多 (>0.3) 的城市还包括贵阳滁州亳州和黑河年综合来看, 房地产依赖度减小的地级单元有 128 个, 减小最明显的是北京市, 减少了 0.393; 其次是景德镇市和丽江市, 分别减少了和 0.358; 减少较多 (>0.2) 的城市还包括抚州衢州深圳泸州银川和眉山 ; 房地产依赖度增大的地级单元则有 215 个, 其中显著增加的地级单元有 80 个, 空间上集中分布在 3 大片 : 北纬 28 以南地区鄂豫皖和东北 ; 增加最多的是贵阳市, 房地产依赖度增加了 0.696, 其次是临夏州 (0.584) 和防城港市 (0.428); 增加较多 (>0.4) 的城市还包括滁州市和海南省其他地区简单地看一个指标往往得出片面的结论, 为此, 本文分别分析区域 GDP 房地产依赖度投资房地产依赖度和财政收入房地产依赖度, 篇幅所限, 仅以 2012 年为例, 自然断裂分类 1GDP 房地产依赖度 ( 图 3a): 依赖度高的城市有 31 个, 主要包括旅游城市 ( 三亚丽江黄山海口滁州 ) 西部省会城市 ( 贵阳西安昆明成都银川 ) 和安徽辽宁等省的地级城市 ; 依赖度最高的是三亚, 房地产投资与 GDP 的比值达到 0.72, 其次是贵阳 (0.531) 和黄山 (0.375) 值得注意的是, 一线城市的 GDP 房地产依赖度普遍不高, 如广州 0.101, 上海 0.118, 深圳仅 0.057, 这是由于这些城市大都已经经过了依靠投资拉动经济增长的阶段, 高新技术高附加值未来型产逐步成为各自的主导产相反, 贵阳昆明西安合肥银川等中西部二三线城市则拥有高 GDP 房地产依赖度, 主要原因是这些城市目前正处于城镇化和工化快速推进的阶段, 加之省内经济发展不均衡, 省会城市占据了过多资源禀赋, 而省会往往是所在省的单极核心城市, 省内最好的教育文化医疗资源均集中于此, 对省内其他区域有很强的吸引力 2 投资房地产依赖度 ( 图 3b): 依赖度高的城市有 56 个, 主要分布在华东华南和西南地区, 包括除天津外的 3 个直辖市和 11 个副省级城市投资房地产依赖度高的城市, 房地产发展状况却呈现出两个极端, 其一是北上广等一线城市, 土地资源稀缺而市场需求持续旺盛, 其二则是区域房地产市场发育并不完善和成熟, 然而由于恰好处于城市加速发展的阶段, 受益于新区开发旧城改造和建成区扩展, 房地产投资占社会固定资产投资的比重也因此而大幅攀升, 房地产行渐渐成为区域经济的支柱, 海南安徽云南贵州等省份的许多城市均属此类北上广深等人口吸引力强经济转型更为深入的城市, 固定资产投资房地产依赖度高, 但 GDP 房地产依赖度却远低于全国平均, 这些城市的经济发展反而较少地依赖于房地产, 经济发展也较为健康 3 财政收入房地产依赖度 ( 图 3c): 依赖度高的城市有 41 个, 大部分分布在长江以北地区, 以黑龙江四川甘肃和河南省为多这些城市的财政收入渠道单一, 总量较少, 而房地产投资渐趋火热, 导致财政收入房地产依赖度较高福州温州厦门宁波等沿海城市房地产依赖度之所以高, 主要与这些城市服装轻工等产发展密切相关, 民营企发达, 积累了雄厚的民间资本, 但近些年实体经济不景气加之产升级缓慢, 而房地产赚钱快, 因此大量资金流向房地产行, 这也是目前浙江和福建不少城市房价甚至高于传统一线 93

2) 的城市还包括抚州衢州深圳泸州银川和眉山 ; 房地产依赖度增大的地级单元则有 215 个, 其中显著增加的地级单元有 80 个, 空间上集中分布在 3 大片 : 北纬 28 以南地区鄂豫皖和东北 ; 增加最多的是贵阳市, 房地产依赖度增加了

8 产 INDUSTRIES 图3 房地产依赖度各因子分级图城市的重要原因和2012年房地产依赖度的全局Moran s I值 3.宏观趋势特征分别为和0.338 而且3个年份采用ArcGIS的全局趋势分析方法以上Moran s I的正态统计量Z值均超过0.05 正西和正南方向为X和Y轴以中国地级置信水平的临界值1.96 表明全国地级单单元房地产依赖度为Z轴制作三维透视元房地产依赖度存在着全局空间自相关特图将透视角度合理旋转后用以揭示中国征房地产依赖度较高的地级单元趋于集地级单元房地产依赖度空间特征及其趋势聚房地产依赖度较低的地级单元也趋于图4 在空间分布上 2003年房地产集聚用GS+构造距离权重矩阵计算不依赖度空间分异呈现东高西低北高南低同距离带内的点数据间的Moran I 结果的态势且东西差异大于南北差异 2007 发现343个地级单元的平均距离在280 km 年地级单元房地产依赖度空间特征是东高左右开始出现空间自相关西低南高北低 2012年房地产依赖度在为进一步研究房地产依赖度的局部空空间上则表现为东部中部西部南方间相关性计算得到地级单元房地产依赖北方中部的趋势 10年间东高西低度的Moran散点图图5 由图5可知在的格局没有发生变化但南北方的差异则两个时间截面上房地产依赖度的波动均大变动较大于其空间滞后量特别是房地产依赖度为二空间相关性经GeoDa软件计算 2003年 2007年较高值时空间滞后量却为较低值而房地产依赖度为低值的地级单元其空间滞后却往往较高图5中房地产依赖度处于2~6 图4 地级及以上城市房地产依赖度全局趋势图 94 城市观察 2015年第3期 Urban Insight, No. 3, 2015

同距离带内的点数据间的Moran I 结果的态势且东西差异大于南北差异 2007 发现343个地级单元的平均距离在280 km 年地级单元房地产依赖度空间特征是东高左右开始出现空间自相关西低南高北低 2012年房地产依赖度在为进一步研究房地产依赖度的局部空空间上则表现为东部中部西部南方间相关性计算得到地级单元房地产依赖北方中部的趋势 10年间东高西低

9 INDUSTRIES 产图 5 房地产依赖度的 Moran 散点图范围内的点表现出显著的离群分布态势, 特别是落入第一象限 ( 高 - 高 ) 的地级单元向周边扩散分布的幅度很大, 而落入第三象限 ( 低 - 低 ) 的地级单元则呈聚集在很小的范围内, 这反映了全国地级单元房地产依赖度较高的单元集聚性个体差异较大, 而房地产依赖度较低的单元集聚性个体差异则较小为进一步分析各地级单元在空间上的相互关联类型, 依据样本单元与其相邻单元的空间关系, 在 5% 显著水平下, 把各单元归为下述 4 类 ( 图 6):1 高 - 高地级单元自身与相邻单元房地产依赖度均较高, 二者呈正相关关联 2 低 - 低地级单元自身与相邻单元房地产依赖度均较低, 二者呈显著正相关关联 3 低 - 高地级单元自身房地产依赖度较低, 而相邻单元含金量较高, 空间上表现为中心低而四周高的负相关联特征 4 高 - 低地级单元自身房地产依赖度较高, 而相邻单元收入差距较低, 二者负相关关联性显著, 空间上表现为中心高而四周低的关联特征从地级单元数量分布来看,2003 年低 - 低 (40)> 高 - 高 (33)> 高 - 低 (8)> 低 - 高 (5),2007 年低 - 低 (41)> 高 - 高 (22)> 低 - 高 (11)> 高 - 低 (7),2012 年低 - 低 (38)> 高 - 高 (26)> 高 - 低 (8)> 低 - 高 (4) 这说明中国地级单元房地产依赖度呈现非均衡的发展格局, 表现在房地产依赖度高的地级单元往往也和房地产依赖度高的地级单元为邻, 而房地产依赖度低的地级单元则大多也与房地产依赖度低的地级单元为邻 2003 年, 高 - 高区域在空间上聚为 3 片 : 浙皖闽环渤海和川陕 ; 低 - 低区域集中在青藏地区, 分散在晋陕豫甘肃和云贵地区 2007 年, 高 - 高区域聚集区仅剩浙皖闽一片, 分散在粤桂辽等地 ; 低 - 低区域则趋图 6 房地产依赖度空间关联类型 95

把各单元归为下述 4 类 ( 图 6):1 高 - 高地级单元自身与相邻单元房地产依赖度均较高, 二者呈正相关关联 2 低 - 低地级单元自身与相邻单元房地产依赖度均较低, 二者呈显著正相关关联 3 低 - 高地级单元自身房地产依赖度较低, 而

10 产 INDUSTRIES 于聚集, 聚为两大片 : 青藏新和黄河中下游 2012 年, 高 - 高区域继续趋于分散, 集中区转移至豫皖交界地带 ; 低 - 低区域除青藏新外, 被分割为晋陕鄂中赣西和巴彦淖尔 4 处研究时段内, 低 - 高型单元多分布在高 - 高型周围, 高 - 低型单元则多在低 - 低型外缘分布双变量局域空间自相关分析用于探讨空间单元的同一指标在不同时期的空间格局变动, 或空间单元的指标 A 与相邻空间单元指标 B 的空间匹配模式采用双变量局域空间自相关法分析 2012 年本地与周边房地产依赖度房价收入比 (PIR) 空间互相影响关系运用 Geoda 软件的 Multivariate LISA 功能进行两年份房地产依赖度房价收入比双变量局域空间自相关分析, 得到双变量 LISA 集聚图 ( 图 7) 根据房地产依赖度房价收入比空间自相关分析结果 :1 高房地产依赖度高房价收入比的显著正相关城市有 18 个, 包括苏浙皖交界海南省广州市以及黑龙江鹤岗市这些地区政府对房地产的依赖度较大, 而且由于房价较高, 居民购房压力很大, 容易引发房地产泡沫, 是房地产宏观调控的最主要区域 2 低房地产依赖度低房价收入比的显著正相关城市有 28 个, 包括新疆西藏青海四川等民族地区的大部分城市, 晋陕蒙沿黄城市, 甘肃张掖市和江西吉安市, 这类地区经济欠发达, 尚处于城镇化工化的成长阶段, 房地产依赖度不高, 居民购房压力也不大 3 低房地产依赖度高房价收入比的显著负相关区域仅有 11 个, 含东北地区西北部的呼伦贝尔黑河绥化, 豫皖交界的商丘亳州铜陵等, 以及广东韶关和广西钦州, 多为农占比较大的新兴城市, 房地产依赖度低, 由于人口多城镇化推进较快使得住房需求大, 但人均收入水平不高, 房价上涨较快导致居民购房压力很大, 居民购房压力较大 4 高房地产依赖度低房价收入比的显著负相关城市有 17 个, 空间上分布极为分散, 包括乌鲁木齐西宁太原济南南昌武汉等中西部省会城市及其周边的城市群影响区, 如襄阳昌吉宜春天门等, 此类地区城镇化处于起飞加速阶段, 房地产开发的增量较大, 房地产一般都是地方经济的支柱产, 但由于城市存量土地相对东部一线城市并不紧张, 且居民收入可观, 购房压力不大这些城市要积极加快产调整步伐, 降低过度依赖房地产拉动经济的比重三讨论近年来, 政府先后出台了一系列宏观调控政策, 如改革土地使用权出让制度, 完善以保障性住房经济适用房廉租房限价房为代表的住房供给结构, 调整税收政策, 加强金融监管等, 在政府的大图年人房地产依赖度与房价收入比的双变量空间自相关 LISA 集聚图 96

2012 年本地与周边房地产依赖度房价收入比 (PIR) 空间互相影响关系运用 Geoda 软件的 Multivariate LISA 功能进行两年份房地产依赖度房价收入比双变量局域空间自相关分析, 得到双变量 LISA 集聚图 ( 图 7) 根据房地产依赖度

11 INDUSTRIES 产力调控下, 房价反而屡调屡高, 一个重要原因在于地方经济过度依赖房地产的发展经济金融社会等学科的专家对房地产依赖度给出了不同解释, 本文从地理学空间差异的视角分析地方经济过度依赖房地产, 甚至被房地产绑架, 可能导致以下问题 : 其一, 会导致房价畸高, 由于地价收入以及房地产的带动效应, 地方政府在最大效用和政绩观的诱惑下, 会借助多种手段扩大对房地产的直接或间接投资, 将直接推高地价和房价上涨 ; 投资者对未来房地产发展前景的预期也加剧了大量资金涌入, 成为房价高涨的重要推手其二, 会产生金融风险, 近年来, 受国际金融危机影响, 实体经济受到重创, 大量民营资本转入楼市, 形成房地产泡沫和股市泡沫其三, 会滋生地方政府腐败第四, 会引起经济增长失调, 投机性资金及热钱的流入引发房地产市场过热, 扭曲了资源合理配置, 容易形成泡沫第五, 对工消费增长等其他产产生挤出效应造成部分城市房地产依赖度过高的原因很多, 宏观因素主要是我国房地产的投资属性决定了土地的供给由政府垄断, 地价和房地产价格的本质是一种产权价格, 由供求关系来决定, 但在目前国内土地市场所决定的地价更倾向于是一种价格需求融资渠道狭窄, 住房金融机构体系不健全, 缺乏全面性的房地产信息系统平台和预警机制, 也是重要的影响因素我国长期的城乡二元经济结构使得投资者将过冷部门的资金汇集起来形成虚拟资金投资房地产, 以获得高额的回报微观层面上, 房地产对于地方财政来说是一块肥肉, 营税土地出让金其他地方税种和政府进行市政规划收取的费用都会增大土地财政的基数因此, 在调控政策方面, 国家层面上要完善房地产市场制度, 健全房地产法规体系, 加强金融信贷监管, 拓宽融资渠道 ; 地方政府也应转变经济发展方式, 发挥地方特色, 扶持优势产, 大力发展高附加值产另一方面, 尽管在我国部分城市出现了房地产发展过热, 房地产依赖度过高的现象, 但总体来看我国房地产还处于初级发展阶段, 其对经济建设的贡献功不可没, 不能一味地打压房地产投资积极性, 避免出现硬着陆, 而应就重点放在提高房地产集中度, 确保房地产与其他产协调发展上此外, 政府统计公报和部分学者的研究结论往往与民众实际感受存在较大落差, 除了抽样方法和中国社会存在较大收入差距的现实外, 采用全国或省级尺度的指标口径抹平了微观尺度下不同城市或城市不同区位间的房地产依赖度差距, 加之公共媒体和社会舆论导向经常存在主观的尺度放大现象, 把某些城市的高房地产依赖度可能存在的泡沫现象夸大为全国房地产市场普遍存在的泡沫本文的研究也表明, 房地产依赖度存在空间关联和邻近溢出效应, 因此在制定调控措施时, 要区域联动, 共同发力本文并未将国家和省域尺度研究结果与市域尺度的结果进行对比, 研究时间也仅限于 3 个时点, 对于房地产依赖度的影响机理也仅进行了初步探讨, 这些问题有待今后深入研究 97

发展前景的预期也加剧了大量资金涌入, 成为房价高涨的重要推手其二, 会产生金融风险, 近年来, 受国际金融危机影响, 实体经济受到重创, 大量民营资本转入楼市, 形成房地产泡沫和股市泡沫其三, 会滋生地方政府腐败第四, 会引起

12 产 INDUSTRIES 参考文献 : [1]Pritchett P C. Forecasting the impact of real estate cycles on investment[j]. Real Estate Review, 1984, 13(4): [2]Hamilton J D. On testing for self-fulfilling speculative price bubbles[j]. International Economic Review, 1986, 27(3): [3]Fratantoni M, Schuh S. Monetary policy, housing and heterogeneous regional markets[j]. Journal of Money, Credit and Banking, 2003, 35(4): [4]Andrea B, Claudio M. International house prices and macroeconomic fluctuations[j]. Journal of Banking & Finance, 2010, 34(3): [5] 许春青, 田益祥. 基于均衡分析的我国房地产泡沫度分析 [J]. 财经理论与实践,2014,35(1): [6] 顾六宝, 陈博飞. 一二线城市房价变动影响因素的比较分析 [J]. 统计与管理,2012,27(4):8-10. [7] 赖一飞, 周雅, 魏元欣. 基于基础价值的房地产泡沫测度研究 [J]. 武汉大学学报 ( 哲学社会科学版 ),2012, 65(4): [8] 高广春, 陈晖, 董续勇. 房地产依赖型经济周期下的金融综合症 [J]. 银行家,2008,25(6): [9] 国家统计局综合司中国区域经济统计年鉴 [M]. 中国统计出版社,2004. [10] 国家统计局综合司中国区域经济统计年鉴 [M]. 中国统计出版社,2008. [11] 国家统计局综合司中国区域经济统计年鉴 [M]. 中国统计出版社,2013. [12] 林小昭. 城市地产依赖度盘点 : 深圳低, 贵阳高 [N/OL]. 第一财经日报,2014,8,15. [13]Zipf G K. Human Behaviour and the principle of least effort[m]. Addison-Wesley, Reading, MA, 1949: [14]Anselin L,Syabri I,Kho Y. GeoDa:an Introduction to Spatial Data Analysis[J]. Geographical Analysis,2006,38(1):5-22. [15]Anselin L. Interactive techniques and exploratory spatial data analysis. In:Longley P A,Godchild M F, Maguire D J(eds.), Geographical Information Systems (2nd ed). NewYork:John Wiley& Sons,1999: [16] 周杜辉, 李同升, 哈斯巴根, 等. 陕西省县域综合发展水平空间分异及机理 [J]. 地理科学进展,2011,30 (2): [17] 贾生华, 戚文举. 国外房地产依赖度研究 : 起源测量与应用 [J]. 重庆大学学报 ( 社会科学版 ),2010, 16(2): [18] 张衍阁. 中国 400 城市分级 [J]. 第一财经周刊,2013(43):1-8. [19] 丁祖昱. 中国房地产依赖度的城市分异研究 [J]. 华东师范大学学报 ( 哲学社会科学版 ),2013,45(3): 作者简介 : 潘竟虎, 西北师范大学地理与环境科学学院副教授, 博士, 研究方向为空间经济分析 ( 责任编辑 : 卢小文 ) 98

Monetary policy, housing and heterogeneous regional markets[j]. Journal of Money, Credit and Banking, 2003, 35(4): 557-589. [4]Andrea B, Claudio M.

13 INDUSTRIES 产 Spatiotemporal Differentiation of Dependence on Real Estate at Prefecture Level Cities in China during the Recent Decade Pan Jinghu Abstract: Taking the RED as the measuring indicator, this paper analyses the spatiotemporal pattern, global trends, spatial heterogeneities and correlations of RED for 343 prefecturelevel cities or above in China from 2003 to 2012 by use of rank-size, ESDA-GIS and trend surface analysis systematically. Results show that: the spatial difference of RED is significantly, manifesting a tendency of higher in the north than in the south, and higher in the east than in the west in 2003; a tendency of higher in the south than in the north, and higher in the east than in the west in 2007; and a tendency of eastern China > middle China > western China, the South > the North > the Central in On the whole, RED at prefecture level cities showed an increasing trend in the recent decade. RED decreased gradually in the first tier cities and increased markedly in the second tier cities. Investment property of real estate, financial market imperfection, imbalanced industrial structure and local financial drawbacks accounts for local economy s excessive dependence on real estate development. Keywords: dependence on real estate; ESDA-GIS; spatiotemporal disparity; China 上接86页 Spatial Restructuring in Transitional Xi an City: Trends and Driving Factors Li Wubin Abstract: Space is an important productive factor in urban society, and spatial restructuring in transitional period is a significant subject of urban geography research In a transitional Xi an, there have been four tendencies in the reconstructing of urban space: suburbanization, perpendicularity, landscaping and poverty. The driving factors of space reconstruction of Xi an include many types: historical gene, institutional reform on the land and household registration, economic development pattern, structural adjustment, urban planning and self-organizing. A review of the transformation of Xi an s urban space could provide a beneficial reference for its sustainable construction Keywords: social transformation period; urban space; spatial restructuring; Xi an 城市观察 2015年第3期 Urban Insight, No. 3,

ESDA-GIS and trend surface analysis systematically.

~ 10 2 P Y i t = my i t W Y i t 1000 PY i t Y t i W Y i t t i m Y i t t i 15 ~ 49 1 Y Y Y 15 ~ j j t j t = j P i t i = 15 P n i t n Y

~ 10 2 P Y i t = my i t W Y i t 1000 PY i t Y t i W Y i t t i m Y i t t i 15 ~ 49 1 Y Y Y 15 ~ j j t j t = j P i t i = 15 P n i t n Y * 35 4 2011 7 Vol. 35 No. 4 July 2011 3 Population Research 1950 ~ 1981 The Estimation Method and Its Application of Cohort Age - specific Fertility Rates Wang Gongzhou Hu Yaoling Abstract Based on the

产 INDUSTRIES 利 人 口 红 利 以 及 房 地 产 市 场 改 革 红 利 等 因 素, 中 国 城 市 房 地 产 市 场 空 前 繁 荣, 与 此 同 时, 地 方 政 府 财 政 对 房 地 产 的 依 赖 程 度 也 越 来 越 深 房 地 产 本 身 具 有 鲜 明 的 周

产 INDUSTRIES 利人口红利以及房地产市场改革红利等因素, 中国城市房地产市场空前繁荣, 与此同时, 地方政府财政对房地产的依赖程度也越来越深房地产本身具有鲜明的周