201506 - page 110

第 30 卷摇 第 6 期 徐凤, 胡海峰: 城市竞争力对房地产价格影响的区域差异性研究
于人们对未来的预期。 况伟大 (2010) [7] 研究发
现预期和投机对房地产价格具有重要影响,但是
要小于经济基本面对房地产价格的影响。 在城市
发展层面,一些学者主要从城镇化水平、城市公共
服务水平和城市开放水平等方面进行研究。
Glaeser et al. (2006) [8] 、 周诚君(2013) [9] 、韩正龙
和王洪卫(2014) [10] 研究表明城镇化的快速推进
会引致房地产价格上涨。 李祥、王维娜 (2012) [11]
通过研究南京地区公共服务设施对房地产价格的
影响,发现教育公共服务对房地产价格影响最大 ,
自然环境影响次之,交通设施条件影响最小 。 王
松涛(2009) [12] 通过分析城市开放度对房地产价
格的影响,发现城市开放水平对房地产价格具有
正向影响,当城市开放水平每正向变动 1% , 房地
产价格上涨约 0郾 066% 。
综上所述,虽然现有文献已经着手研究城市
发展等因素对房地产价格的影响, 但是却较少对
这些因素进行综合分析,并系统考察这些因素对
房地产价格的影响, 更鲜有文献从城市竞争力的
角度出发,分析城市竞争力水平对房地产价格的
影响。 鉴于此 ,与现有文献不同,本文将从以下两
方面展开研究:一是从城市竞争力的内涵出发,基
于全面性、真实性和可度量的原则,从经济发展竞
争力、基础设施竞争力、 对外开放竞争力和生态环
境竞争力等方面构建城市竞争力指标体系,运用
主成分分析法对 35 个大中城市的竞争力进行测
度。 二是结合 35 个大中城市的面板数据分析城
市竞争力、 经济发展竞争力、 基础设施竞争力、对
外开放竞争力和生态环境竞争力对房地产价格的
影响及其区域的差异性。
二、研究设计、 变量及数据说明
( 一) 模型设计
本文运用面板数据模型分析城市竞争力对房
地产价格影响的区域差异性,这主要是因为面板
数据既包含横截面数据,又包含时间序列数据,不
但可以反映城市竞争力对房地产价格影响在不同
区域上的差异性, 而且又能体现两者随时间的演
变关系, 从而综合利用样本信息, 使研究更加深
入。 另外,采用面板数据模型还可以克服计量分
析中多重共线性的影响[1] 。
本文从商品房的供求角度入手, 在考虑数据
可得性和消除共线性的前提下,构建如下模型:
HP it = 琢 i + 茁 iPower it + 兹i Control it + 着it
i = 1,2,…,N; t = 1,2,…T (1)
摇 摇 其中,HP 是房地产价格指标, 解释变量 Pow鄄
er 为城市竞争力的代理指标, Control 为控制变
量,反映影响房地产价格的供求因素 , 琢i 为常数
项,茁 i 和 兹 i 为参数向量, 着 it 为随机扰动项,N 表示
每个截面样本数,T 表示观测样本期数。
( 二) 变量说明
本文选取商品房平均销售价格作为房地产价
格 HP 的代理变量, 城市竞争力 Power 由主成分
分析法(PCA) 合成而得,包括经济发展竞争力、基
础设施竞争力、对外开放竞争力和生态环境竞争
力。 控制变量包括影响房地产价格的供求因素,
需求因素包括经济发展水平、收入水平和城市人
口规模,供给因素包括房地产供给 、信贷供给和实
际利率。 由于城市竞争力因素中已包含经济发展
水平和收入水平因素, 所以控制变量仅考虑房地
产供给、人口规模、 信贷供给和实际利率等因素。
房地产供给用房地产销售面积表示; 人口规模用
城市总人口表示; 本文借鉴梁云芳、 高铁梅
(2007) [4] 的研究, 信贷供给用各城市房地产开发
资金中的国内贷款占房地产开发资金的比重表
示;利率用金融机构 3 年期贷款利率作为名义利
率,名义利率减去通货膨胀率得到实际利率 淤 。
为了消除原始数据量纲不同和异方差性对回归结
果的影响,本文对房地产平均销售价格、城市人口
总量和商品房销售面积等变量进行自然对数变
换。 各变量定义如表 1 所示。
( 三) 数据说明
为了分析城市竞争力对房地产价格影响的区
域差异性,在考虑数据的可得性的前提下,本文选
取 2002—2012 年我国 35 个大中城市的面板数据
作为研究样本。 本文将我国 35 个大中城市样本
划分为东部、中部和西部地区 ,相关数据来自中经
网数据库、中宏数据库、《 中国统计年鉴》 和 《 中国
房地产统计年鉴》 等 。
三、城市竞争力的测度
( 一) 城市竞争力的内涵
关于竞争力的研究最初起始于国家层面。 如
迈克尔·波特 (2003) [13] 认为, 国家或城市的竞争
力是通过国家或城市产业的竞争来实现和表
达的。城市竞争力的提高是增强国家竞争力、提高
·501·