훐맺뚫훐컷늿돇쫐랿볛늨뚯뗄솰킧펦????ꆪꆪ틔훐맺뚫훐컷늿듺뇭뗄뻅돇쫐캪샽믆량톩듳솬샭릤듳톧맜샭폫뺭볃톧늿ꎬ쇉쓾듳솬????????햪튪ꎺ헫뛔훐맺뚫훐컷늿돇쫐랿볛늨뚯뗄쫇럱듦퓚솰킧펦뗄컊쳢ꎬ쳡돶ퟛ뫏퓋폃룱삼뷜틲맻볬퇩ꆢ킭헻튻쳥??뮯벰뛾뷗뛎볬퇩램ꎬ벴뢥샯뗂싼럇닎쫽훈업탲볬퇩랽램뫍짌튵훜웚뚨뗣럖컶랽램살볬퇩럖컶ퟔ????쓪?퓂훁??????쓪?퓂뚫훐컷뻅돇쫐랿컝쿺쫛볛룱뗄퓂뛈쫽뻝뷸탐쪵횤럖컶ꎬ뷡맻뇭쏷ꎺ???죏캪훐맺뻅돇쫐랿볛늨뚯듦퓚솰킧펦ꎬ뿉뮮럖캪죽룶닣벶ꎺ뚫늿뗄짏몣ꆢ짮?ꆢ몼훝캪뗚튻닣벶ꎻ훐늿뗄커몺ꆢ뫏럊ꆢ첫풭캪뗚뛾닣벶ꎻ컷늿??뗄돉뚼ꆢ컷낲ꆢ삼훝캪뗚죽닣벶ꆣ???랿볛늨뚯뗄솰킧펦듓뚫늿돇쫐뾪쪼ꎬ뒫쿲훐늿돇쫐ꎬퟮ뫳쿲컷늿돇쫐뒫??뗝ꆣ뷡싛캪뚫늿돇쫐뗄랿볛늨뚯캪훷튪뗷뿘뛔쿳ꎬ맘힢훐늿돇쫐랿볛ꎬ춬쪱뇜쏢컷늿돇쫐랿볛돶쿖틢췢늨뚯ꆣ??붨틩캪뛔룷룶닣벶돇쫐뗄랿볛훆뚨닮뇰탔뗄뗷뿘헾닟ꎬ쓜릻룼폐킧뗘뛔헻룶랿볛쳥쾵뗄늨뚯뷸탐뿘훆ꆣ뫪맛뺭볃?솰킧펦ꎻ럇닎쫽훈업탲볬퇩ꎻ랿컝쿺쫛볛룱ꎻ룱삼뷜볬퇩????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????ꆪꆪ??????????????????????????????????????????????????????????????????????????????????????????????????????????????뷌폽늿죋컄짧믡뿆톧퇐뺿쿮쒿믹뷰훺??????????????믆량톩????????쓐ꎬ쇉쓾쇉퇴죋ꎬ늩쪿뫳ꎬ뢱뷌쫚ꎬ퇐뺿랽쿲ꎺ뷰죚릤돌ꆣ
第5期黄飞雪:中国东中西部城市房价波动的涟精效应2?0?7? o 引言美国房地产引发的次贷危机导致了全球百年一遇的金融危机，房地产泡妹不仅是形成金融危机的一个非常重要的原因，而且重根本上动摇了金融体系的稳定性。中国房地产业在国民经济发展中起着举足轻重的作用，房地产市场的健康稳定不仅是→个行业的问题，事实上，高房价蕴含着巨大的金融乃至社会风险:一方面，2008年是中国商品房空置面积猛增的一年，由2007年底的亿平方米跃升至亿平方米，增幅达% ，增幅创15年新高，大大超过国际公认的10%的警戒线，占压资金超过2500亿元;另一方面，大部分房屋购买者按揭贷款比例在20%左右，如果房价暴跌超过201)昏，将会引起房贷者的大量违约。它们犹如悬在银行头上的一把"达摩克利斯之剑(Swordof DamocIes) " ，因为中国商品房开发商与购买者大多以银行贷款为主，因此房价飞涨表面上好像只是老百姓买不起房了，实质上背后银行风险的累积才是社会大患。房价波动特征和关联状况引起了购房者和相关部门的强烈关注。但就目前来看，很多学者或者从多角度出发，分析房地产价格波动的影响因素;或者研究房地产价格波动的区域差异状况。对中国城市房价波动效应和城市间关联的研究还比较少。国外学者将房地产价格波动的研究集中在区域住宅价格的波动效应上，并分析了影响房地产价格波动的因素:Englund和Ioannides比较了15个OECD国家房价的动态变化，发现国家之间的房价具有很强的相似度[1]0 Meen认为一个地区的房价震荡可能影响到其它地区，这就是所谓的房价扩散波动效应问。Cook等检验了英国区域住宅市场的趋同特征:英国东南部地区在房价衰退时期经历了快速的趋同而其他地区在房价上涨时也达成了一致[3]0 Be町andDalton认为从区域范围看，人口密度、移民速度、地理因素是导致房价波动的主要因素川oCook运用联合检验的方法证明英国各地区房屋价格具有涟滴效应[5]。Gerlach和Peng利用香港1982-2001的季度数据进行实证研究，结果发现房地产的价格不受银行信贷的影响，但反之房地产价格影响了银行的信贷扩张~6]0 Holmes运用面板数据单位根检验方法研究了1973至2005年英国各地区及全国的房价数据，结果表明大多数地区的房价具有聚合性，但各地区偏离长期均衡后的调整速度有很大不同[7]。国外关于房地产价格的研究，大都采用计量模型，进行协整关系检验，格兰杰因果检验，但都是基于国外市场的研究，由于房地产具有很强的地域性特征，所以结果不能适合中国国情。与国外相比，国内学者对于房价波动的关联性研究相对较少。国内关于房地产价格的研究大都集中在单个城市或国家总体房地产层面，以研究房价的影响因素及其对其它经济因子的影响为主要目的。比较有代表性的主要有:梁云芳等利用协整分析和H-P滤波，得出我国房地产市场价格的偏离只是受部分地区的影响，即存在"局部泡沫"。由于利率缺乏弹性，通过利率来调控房地产市场，成效不大，但是信贷规模的变化对房地产投资有较大的影响[8]。皮舜和武康平研究发现中国房地产市场的发展与金融市场的发展长期之间存在着双向线性因果关系，但没有发现两者间的非线性的Granger因果关系[判。梁云芳，高铁梅认为我国目前房地产市场中商业用房和办公用房的价格波动比较稳定，而市场的不稳定主要是由于住宅价格的波动引起的。在各类供给因素中，土地交易价格的变动，对住宅价格的变动有较大的同向影响[叫。况大伟分析了住房特性，并在此基础上，通过构建消费者一开发商模型和投资者一开发商模型，说明了物业税对房价的影响，实证表明，在其它条件不变的情况下，开征物业税将导致房价下降[11]。杜红艳，马永开运用单位根检验、协整关系检验和格兰杰因果关系检验等方法，对我国房价与租金之间的关系进行实证分析，研究表明，在全国范围内，房价和租金短期相互独立，而长期内有着一定的关系[12]。张凌，田传浩以各城市房价与全国平均房价的比值为因变量，构建面板协整和误差修正模型，实证结果表明，在长期，除华东地区外各地区房价与全国平均房价的比值没有随时间增长的趋势，具有回复到稳定均衡关系的倾向;而在短期，各地区房价变化对全国性因素变动有不同反应，华东地区的房价对全国收入、利率变化有更快的反应[1310房地产行业的发展程度与一个国家或地区的经济发展水平有着至关重要的相互联系。房地产发展取决于经济发展水平，同时又会影响到经济的健康发展。
208 运筹与管理?2?0?1?1?年쓪第뗚?2?0뻭卷因此，学者对房地产价格波动的区域差异状况也进行了大量研究oBrown的研究结果表明，存在基本差别的市场条件对于房地产价格波动也会产生影响，动态市场相对静态市场来说更容易经历频繁剧烈的波动[M]。Ortalo和Rady究发现住宅需求波动是市场住宅交易量的变化的重要因素，且以英格兰和威尔士为例分析了宏观经济波动对于住宅交易量的影响，并指出金融自由和人口结构转变在20世纪80年代对房地产交易量的影响;151Gavin利用动态面板数据模型，研究了例如利率、交易成本等一些影响房价波动0 的因素，结果发现英国九个地区均不存在房地产泡沫:16) 0 Larraz-Iribas和Alfaro-N avarro运用协整技术分析了西班牙各地区的房屋价格，结果发现各地区房价存在非对称性[17)。国内学者的研究主要包括:沈悦和刘洪玉运用混合回归等方法，对中国14个城市的中房价格指数和经济基本面的相关变量进行研究，结果发现中国的住宅市场并不符合有效市场假说，14个城市的住宅价格水平或变化率可以由经济基本面的当前信息和历史信息做出部分解择[叫。梁云芳和高铁梅基于误差修正模型形式的paneldata模型讨论了房价区域波动的差异，并分析了造成各地区房价波动差异的原因，尤其是货币政策效应的区域差异，所以相关部门可以采取因地制宜、差别对待的政策，以实现有效控制各地房价的增长[19]。罗刚强，赵涛基于住房价格决定的"存量一流量"理论分析框架，运用面板数据模型实证检验了1999-2008年间中国东、中、西三大地区经济基本面因素对住房价格波动的影响，研究结果表明，经济基本面对住房价格波动的影响具有显著的区域差异性和阶段差异性[叫。国内关于房地产价格的研究，要么受到数据限制，而无法将所有的相关变量带入模型中;要么集中于房价与其它宏观经济变量之间的关系，而较少研究房价之间的互动关联，且缺少相对应的实证分析。本文为探讨不同区域房价的道精性，以城市房价关联为研究对象，运用梅兰杰因果检验，协整一体化及二阶段检验法，即弗里德曼非参数秩排序检验方法和商业周期定点分析方法对2005年7月至2010年3月中国九城市房屋销售价格进行实证分析，探讨各城市间房价的互动及东中西部城市的涟椅效应。1 基于协整一体化的东中西部九城市房价传递过程与结果 数据来源及处理本文选取中国九个城市2005年7月至2010年3月的房屋销售价格指数的月度数据。根据各个城市的经济发展状况，我国可划分为东部、中部、西部三个地区。据发政委的解释，三个地区的划分既不是行政区域上的划分，也不是地理慨念上的划分，而是政策上的划分。因此，东部是指最早实行沿海开放政策并且经济发展水平较高的省市;中部是指经济次发达地区;而西部则是指经济欠发达的西部地区。因此本文选取了三个东部城市为深圳、上海、杭州;三个中部城市:武汉、合肥、太原;三个西部城市:成都、西安、兰州，一共九个城市。数据来源于《中国物价年鉴》与国家统计局网站(www. stats. gOV. cn)。计量分析软件采用。为减少异方差影响，对所有数据取自然对数，以每个城市名称汉语拼音首字母取变量名，分别记作成都(l时d)、兰州(lnlz)、西安(In:'Ca)、太原(lnty)、武汉(lnwh)、合肥{ln叨、上海{l阳的、杭州(l础z)、深圳I(lnsz)。 单位根检验首先对数据进行平稳性检验，检查序列平稳性的标准方法是单位根检验。比较常用的有DF(Dickey›Fuller)检验、ADF(Augmented Dickey-Fuller)检验以及PP(Phillips-Perron)检验。本文采用ADF检验序列的平稳性。对九个城市的房屋销售价格指数序列进行单位根检验，滞后阶数根据SIC(Schwarz Info Criterion)准则选取。结果如表1所示。对ADF检验，检验统计量是检验回归之后因变量的t统计量，如果t统计量小于临界值，拒绝原假设。从表1看，lnty序列检验t统计量值是，比显著性水平为10%的临界值都大，所以，不能拒绝原假设，序列存在单位根，是非平稳的。但对lnty序列进行一阶差分后，检验t统计量值是，小于显著性水平为1%的临界值，表明至少可以在99%的置信水平下拒绝原假设，即认为序列dl吨j不存在单位根，是平稳序列。同理可以得出lnsh，lnhz、lnhf，lnwh ,lnsz ，lncd、lnxa以及lnlz序列是非平稳的，而其一阶差分序列是平稳的。因此可以认为，它们都是一阶单整1(1)序列。可得到两两城市房价之间的格兰杰因
第5期黄飞雪:中国东中西部城市房价波动的涟精效应?20?9? 果关系，城市房价问影响方向如[11I所示。褒1单位根俭验结果1:111 j{, ~年Jt;.r\;({(i Ilí'i，界{自α=1%i恼界f自a=5%l陆界{汽α=10%纺论/nly (ι，) 不平总dlllty ( -2. 939282 -1. 947816 -1. 612492 平 (C, j 不平稳(0,0,0) dlnsh -2. 169695 -1. 946878 -1. 612999 平稳lnhz (c. ) 不平稳dlnhz (0,0,3) -2. 044730 -1. 941248 -1. 612197 平稳lnh[ (C,T,2) 不平稳d/nh[ (0,0,0) -1. 946878 -1. 612999 平稳lnwh (0,0,1 ) -1. 946818 -1. 612999 不平稳dln甜h(0,0,1 ) -1. 946996 -1. 612934 平稳lnsz (C,T,I) 不平稳 (0,0,2) -1. 941119 平稳lncd. (C, T ,5) ∞495 不平稳dlncd (0,0,0) -2.ω1686 -1. 946818 -1. 612999 平稳lnxa (C,T,6) 不平稳(0,) -1. 946818 -1. 612999 平稳dl""a lnlz () -1. 690010 -4. 130526 不平稳 () -1. 946818 -1. 612999 平稳备注:1. dl.切为lr町的一阶差分序列.其他序列问到;2.位骏形式中.C、T、L分别表示常数项、时间趋势和滞后阶数.四表示显著位水平。 格兰杰因果检验格兰杰所提出的因果检验可以用来对经济变量之间的关系进行更为深入描述的技术工具。通过检验两两的格兰杰因果性，可以找出它们的因果关系。为反映各个城市房价指数之间的Granger因果关系，对两两序列进行Granger因果关系检验，结果如图1所示。图1东中西部九城市房价间格兰杰因果关系备注:虚线表示单向格兰杰因果关系，实线表示双向梅兰杰因果关系。如"深圳"与"上海"之间为双向因果关系，而"深圳"与"武汉"则为单向因果关系，方向为深圳房价格兰杰号l远武汉房价。
210 运筹与管理?20?1?1??年쓪第뗚2?0?뻭卷本文通过格兰杰检验吁以得:H九个城市之间的格吃杰闵果关系.由此可知各个城市房价之间的关联情况，将每个城市的出度与人度进行统计，如l表2所系。褒2东中西部九城市出度与入度统计城市tH度人度总it城市出度人度总it城南出度入度总t十深圳8 6 14 武汉3 4 7 兰州3 4 7 上海7 s 合肥2 4 6 成都3 7 10 杭州7 3 10 太原2 4 6 西安6 5 11 备注出度"表示该城市房价影响j!;他城巾房价的数最人度"表示该城市房价受其他城市房价影响的数量，以深圳l为例，出度为8表示深圳l房价格芝杰引起8座城市的房价，而入度为6则表示深圳房价受6座城市房价的影响。从城市出度与入度统计中可以得出各个城市房价的影响力，选取其中有代表性的城市如表3所示。表3东中西部丸城市的影晌力项目城市最具影响力的城市深圳影响力箴弱的城市太原，合肥最易受影响的城市深圳缘不受影响的城市上海最易被功的城市深圳相对独立的城市太原.合肥由表3可得，在最具影响力的城市是深圳，它们的出度最大，即影响范围最大。深圳位于中国南方珠江三角洲东岸，是中国第一个经济特区，是我国大陆竞争力最强的城市。它经济发达，是我国对外经济贸易的门户，同时房价也非常活跃，因此深圳的房价对其它城市房价具有一定的影响力。但同时它也是最受影响的城市，意味着在这九个城市中，深圳的房价波动较受其它城市的影响，这可能与深圳的商贸流通及人口流动快速有关。因此可以总结道深圳也是房价最易波动的城市，也即房价最活跃的城市。而影响力最弱的城市是太原和合肥。它们是内陆省会城市中较有影响力的城市，但作为经济欠发达省份的省会，其经济影响力相对较弱，因此对其他城市房价的影响力也较弱。但太原和合肥也是相对独立的城市，即它们的房价较少受其它城市影响，又对其它城市的房价影响力较弱。上海的房价最不易受影响，表明了其房价的自主性和独立性。上海是中国大陆第一大城市，是中国大陆的经济、金融、贸易和航运中心。如今上海已经发展成为一个闪耀全球的国际化大都市，为此其房价之高也是让普通人遥不可及。因此能够影响上海房价的城市非常之少。 建立向量误差修正模型(ErrorCorrection Model, ECM ) 下面以深圳和武汉为例，具体分析两个城市间房价的相互影响。1. 协整检验由于上文已进行单位根检验，证明lnsz与lnwh两个序列均为一阶单整序列，因此可直接进行协整检验。由于要建立向量误差修正模型，因此这里运用Johansen协整检验方法，同样检验两个变量间是否存在长期稳定的均衡关系。根据无约束向量自回归(Vector Au to regression, VA R)模型和多种信息准则，确定最优滞后阶数为2，协整检验的滞后阶数为一阶差分变量的滞后阶数，等于无约束VAR模型的最优滞后阶数减1，因此取滞后阶数为l。检验结果如表4所示。表4Jobansen协整检验结果迹统f一'在主少且∞II-4AU ，-句a-eoζJ原假设特征值5%水平临界值概率值.. -nn-O30罗6。。无. O.∞06 队最多l个 注表示在5%显著性水平k拒绝j反假设。
第5期黄飞雪:中国东中西部城市房价波动的涟涝效应2?1??1? 由表4可知，在的显著性水平下，存在惟-一个协整关系，说明lnsz与lnwh之间存在长期均衡稳定关系。协整方程如(1)所示ln仙= (1) 由方程(1)可以得出，深圳房屋销售价格指数每变动1%，引起武汉房屋销售价格指数变动%左右，即二者之间存在正向的均衡关系。1. 4. 2 建立VEC模型由前述可知，两变量之间存在协整关系，在此基础上建立向量误差修正模型，以考察系统中两变量之间的长期及短期关系。向量误差修正模型滞后阶数仍根据元约束向量自回归(VAR)模型和多种信息准则确定的最优滞后阶数减1选取，即滞后阶数为10模型回归结果如(2)所示d( lnwh) = (lnwh( -1) -O. 991701lnsz( -1)) -0. 150980d( lπwh( -1)) +(lnsz( -1)) (2) 由该误差修正模型可以看出，被解释变量lnwh的波动由两部分引起，一是lnwh和lnsz差分项对lnwh短期波动的直接影响，二是长期均衡关系的调整。方程(2)误差修正系数为，说明长期均衡趋势偏离的收敛机制在起作用，当成都房屋销售价格指数短期波动偏离长期均衡时，经济系统将以的调整力度将非均衡状态拉回到均衡状态。1. 4. 3 脉冲响应函数脉冲响应函数的基本思想是分析模型中随机扰动项单位标准差冲击对各内生变量当前值及未来值的影响。采用广义脉冲响应方法，给lnsz一个正的单位大小的冲击，得到关于lnwh的广义脉冲响应函数，如图2所示。同理，给lnwh一个正的单位大小的冲击，得到关于lnsz的广义脉冲响应函数，如图3所示 5 10 15 20 25 30 35 40 45 50 55 5 10 15 20 25 30 35 40 45 50 55 图2深圳I(Jnsz)对武汉(Jnwh)的广义脉冲响应函数图3武汉(lnwh)对深圳I(lnsz)的广义脉冲响应函数图2中，横轴表示冲击作用的滞后期间数(单位:月度)，纵轴表示深圳房屋销售价格对武汉房屋销售价格冲击的反应。由图2可知，当在本期给深圳房屋销售价格一个正冲击后，深圳房屋销售价格在短期内·产生较大的正向变化，这种正向影响一直持续，并在第14期达到最大，为此后影响虽有减弱，0但长期内仍保持着正向影响，表明深圳房屋销售价格受外部条件的某一冲击后，迅速传递给武汉房屋销售价格，给武汉房屋销售价格带来较大的同向冲击，这种影响持续保持。同理，图3中，横轴仍表示冲击作用的滞后期间数(单位:月度)，纵轴表示武汉房屋销售价格对深圳房屋销售价格冲击的反应。由图3可知，当在本期给武汉房屋销售价格一个正冲击后，对深圳房屋销售价格产生持续的正向影响，这种影响在第10期达到最大，为。此后影响虽有减弱，也平均保持着的正向影响。脉冲响应分析结果表明深圳房屋销售价格对武汉房屋销售价格的影响相对武汉房屋销售价格对深圳房屋销售价格的影响较大，但达到最大影响的作用时间稍晚一些。经过以上分析说明，深圳房屋销售价格对武汉房屋销售价格的影响程度更大。
212 运筹与管理?2?01?1??年쓪第뗚2?0?뻭卷1. 4. 4 方差分解方差分解是把系统中每个内生变量的波动按其成因分解为与各方程随机扰动项相关联的组成部分，从而了解各随机扰动项对模型内生变量的相对重要性。对lnsz和lnωh进行方差分解，分别如图4和图5所示。l nuA υ 100 、、.‘』→-、-----------→------一-----一80 ------------一-→一-一----80 ---------------一----田--------------60 60 40 401 20 201 。。5 \0 15 20 25 30 35 4o 45 50 55 |一川一一叫|一川'一一I臼|图4深圳(Insz)的方差分解图5武汉(Inwh)的方差分解图4中横轴表示滞后期间数(单位:月度)，纵轴表示两变量对深圳房屋销售价格的贡献率(单位:百分数)。由图4可以看出，深圳房屋销售价格自身贡献率在短期内占很大部分，长期自身贡献率在85%以上。除深圳房屋销售价格自身贡献率外，成都房屋销售价格对深圳房屋销售价格的贡献率在短期内较小，长期内逐渐提高。同理，图5中横轴仍表示滞后期间数(单位:月度)，纵轴表示两变量对成都房屋销售价格的贡献率(单位:百分数)0由图5可以看出，虽然短期内武汉房屋销售价格自身的贡献率较大，但随着时间的推移，长期内深圳房屋销售价格对其的贡献率占较大部分，占据主导地位，长期贡献率平均为75%左右，而武汉房屋销售价格自身贡献率长期内保持在25%左右。方差分解结果表明，对深圳房屋销售价格来说，其自身贡献率较大，而对于武汉房屋销售价格来说，深圳房屋销售价格对其的贡献更为明显，由此也可看出，深圳房屋销售价格多由自己主导，而武汉房屋销售价格受深圳房屋销售价格影响较大。通过以上分析可以得出，从长期来看，深圳和武汉房屋销售价格存在稳定的均衡关系，深圳房屋销售价格指数每变动1%，引起武汉房屋销售价格指数变动%左右。而通过脉冲响应和方差分解可以得出，深圳房屋销售价格与武汉房屋销售价格相互影响，但探圳房屋销售价格对武汉房屋销售价格的影响大于武汉房屋销售价格对深圳房屋销售价格的影响。任何城市之间房价的关联都可以通过以上步骤得出，其他城市之间的分析在此不一一列举。2 东中西部丸城市房价涟椅效应检验的过程与结果采用COOk[31的一种两阶段的方法.即非参数检验和商业周期检验来考察最近几年中国9个城市的房屋销售价格的涟满效应。在这个过程的第一阶段采用非参数检验来考察城市房价披动的不同，在第二阶段采用商业周期的定点分析来检验房价波动最先开始的城市，从而来证明中国城市房价涟满效应的存在。数据依然采用中国9个城市2005年7月至2010年3月的房屋销售价格指数的月度数据。为检验房价的波动性是否在9个主要城市有所不同，采用弗里德曼的非参数秩排序检验。该方法使用IÃp，i作为波动大小的衡量，其中p，是城市房屋销售价格指数的自然对数，对其差分取绝对值后得IÃp，I。在每个时间点上，根据观察到的IÃp，1的大小对城市进行升序排列井赋值，值最小的为1，其后依次为2，3，4…。最后，将各城市在各个时间点上的秩加起来得秩和(Sj)，该值说明了房屋销售价格指数波动性的变动。
第5期黄飞雪:中国东中西部城市房价波动的涟涝效应2?1?3? 表5东申西部九城市的秩和城市名秩初排名成部市244 兰州市249 2 西安市255 3 太原市260 4 武汉l哲262 5 合肥rU265 6 上海市289 7 杭州南323 8 深圳I首369 9 T代表时间点的数量.k代表城市的数量.8:代表第j个城市秩的平方和。从表5可以看出，深圳的房犀销售价格被动最大，最小的是成都，表明房价波动最大的是东部城市，其次是中部城市，最小的西部城市。得到方法的波动大小之后，二阶段检验法的下一阶段就是检验这些城市房价波动的开始顺序。本文采用Bir计阳lhaIl提出的商业周期的时点分析来检验9个城市的房价在不同时间点上的波峰和披谷[2110确定波峰和波谷的规则如表6所示，即当一个时间点上的值大于接下来的4个月的值，并且至少要和前面及后面各12个月的值一样大，则可判定这个值为波峰，波谷的判断规则则相反。表7显示的是运用规则后所得出的各个城市房价的波峰和波谷发生的时间。褒6确定商业周期的转折点的规则由草值谷值..:1iY'~O i = 1, ,12 .1,y,::O i = 1, ,12 . iYt+i:$O i=l, ,12 ..:1,y,.,2:0 i =1 , ,12 .1y,.,<O i=l, ,4 .1,1.., >0 i = 1, ,4 l表7东申西部九个城市房价的波峰和波谷发生的时间说峰被谷2007(8) 深圳2008 ( 12) 广州2007(9) 广州2009(1 ) 深圳，成部2007 ( 10) 成那2009(2) 上海2007 (11) 杭州.西安2∞9(4) 杭州，武汉2008(1 ) 上海，武汉.重庆，兰州2009(5 ) 西安.银川2008(5) 合ne2009(6) 合肥2008(7) 太原，银川2009(7) 太原2009 ( 10) 兰州从表7可以看出，深圳的房价最先开始出现波峰在2007年8月，其次是广州，最后出现的是太原和银川在2008年7月，而最先出现波谷的是广州，时间为2008年12月，最后出现波谷的是兰州，时间为2009年10月。本文采用了弗里德曼非参数排序检验和商业周期的时点分析检验了中国九个城市房屋销售价格的涟满效应，从而为合理调控中国城市房屋销售价格提供依据。通过实证分析，综合两阶段方法的实证结果，大体可以将九城市分为三个层级，如图6所示。本文结合两阶段的结果，将房价波动最大且出现波峰、披谷时间较早的城市归为涟椅效应的第一层，即深圳、杭州和上海;波动较大且波峰、波谷出现较早的城市归为第二层，即武汉、合肥、太原;最后将波动
214 运筹与管理2011年第20卷，，，，，.."、、、、较小且波峰、波谷出现较晚的城市归为第三层，即成都、西安、兰二州。虽然成都的波峰和波谷出现时间较早，但其波动性较小，因/'西部:成都，西安，兰州\，、1 1---- \ 此划为第三层。i ...."、、-、/、-'，ι其中该九个城市的房价挂满效应的方向为第一层级至第三/ /中部:武汉，合肥，太成\飞l/，，，，气、、飞l层级，也即从东部城市至西部城市，且强度由强至弱。该结果说"、、i i f东部:深圳1.飞明其涟满效应是具有规律性的，符合我国房价的波动现状，因此飞\ 飞上海，杭州j j / 这对房价的监督和相关政策的制定都具有积极的意义。飞、、、、、‘;"、、、‘"、唱、‘--_.-.-./ '、、、"，'.1 、、、、、，，'，，'3 结论、、、、、，，，，，、-------本文的贡献在于运用格兰杰检验，协整一体化和二阶段检图6东中西部丸个城市的房价涟满效应验法，以中国东中西部代表的九城市为例，分析了中国东中西部城市房屋销售价格之间的关联性，得出各个城市的房价影响力及九城市的房价涟满效应，从而为合理调控中国城市房屋销售价格提供实证依据。通过实证分析结果，本文结论如下:(1)房价波动的涟椅效应由东部城市开始，传向中部城市，最后向西部城市传递;根据二阶段检验法，可以发现本文选取的三个东部城市即上海、杭州和深圳的房价波动强度最大，且波峰和披谷发生的时间也较早，因此归为第一层级。其次，根据上文实证结果的分析，将武汉、合肥、太原划分到第二层级，西安、兰州、成都归为第三层级。可以看出房价的传递方向是从第一层级向第三层级传递，东部城市房价的波动会带动中西部城市房价的变动。(2)东部城市的房价波动为主要调控对象;从对城市房价影响力及城市涟满效应的分析中可以得出，东部城市如深圳，上海和杭州对其他城市的房价具有较强的影响力，且它们也位于房价涟满效应的第一层级，因此，调控东部城市的房价对整个房价体系会起到显著作用。研究同时发现，深圳房价是最易受波动的，而上海的房价则相对独立，这说明在调控时并不一定要采用相同的政策，而是可以根据各自的地域特点和辐射范围进行有针对性的调控。(3)重点关注中部城市房价，同时避免西部城市房价出现意外披动。在以往的调控过程中，可能对中西部等城市并不十分关注，然而通过房价的涟满效应研究发现，这些城市的房价虽然没有处在房价上涨的风口浪尖上，但中部城市作为第二层级的城市，仍具有较强的影响力，一方面可能与其地理位置有关，另一方面可能与城市的文化底蕴有一定关系。因此，武汉、太原和合肥等城市也应成为调控的主要对象，发挥其一定的控制作用。由于同时受到第一层级和第二层级城市房价波动的传递作用以及同一层级城市房价的相互影响，第三层级城市的房价最易波动，且这种波动还能反馈到前两层级。通过城市的关联性研究也发现这些城市对第一、二层级的城市也具有相当的影响，政策对这类城市应加强关注，采取灵活的调控政策，避免其房价剧烈波动，从而达到稳定整个城市房价体系的目的。建议为对各个层级城市的房价制定差别性的调控政策，能够更有效地对整个房价体系的波动进行控制。参考文献:[? ?1?]? ?E??n?g?l?u?n?d? ?P?.? ?l?o?a?n?n?i?d?e?s? ?Y?. ??H??o?u?s?e? ?p?r?i?c?e? ?d?y?n?a?m??i?c?s?: ?a??n? ?I?n?t?em??a?t?i?o?n?a?l? ?e?m??p?i?ri?c?a?l? ?p?e?r?s?p?e?c?ti?v?e? ?[? J?]?.? ??J?o?u?m??a?l? ?o?f? ?H?o?u??si?n?g? ?E??c?o?n?o?m??i?cs??, ?????1?9?9?7?.? ?6?(?2?)?:? ?1?1?9?-?1?36??. ???[??2?]? ??M??e?e?n? ?G??. ??R?e?g?i?o?n?a??l ?h?o?u??se? ?p?r?i?c?e?s? ?a?n?d? ?t?h?e? ?r?ip??p?le? ?e?f?f?e?c?t?: ??a ??ne??w? ?i?n?t?e?rp??re??ta?t?i?o?n?[?J??].? ??H?o?u??s?in?g? ??S?tu??d?i?es??,? ?1?9?9?9??, ?1??4?(??6?)?:? ?7?3?3?-?7??5?3?.? [??3?]? ?˙?o?o?k? ??S?.? ?T?h?o?m??a?s? ?C?. ??A??n? ?al?t?e?m?a?t?i?v?e? ?a?p?p?ro??a?c?h? ?to? ?e?x?a??m?i?n?i?n?g? ?t?h?e? ?r?ip?p??le?? e?f?f?e?c?t ?i?n? ??U?K? ?h??o?u?s?e? ?p?r?i?c?e?s? [?J?]??.? ?A??p?p?l?ie?d?? ?E?c?o?n?o?m??i?c?s? ?L?e?t?›?????t?e?rs?.? ?2?0?0?3?. ??10? ?( ?13? ?)? :? 8?4?9? ?-??85? ?I.? ?????[??4?]? ??B?e?町???M??.??D??a?lt?o?n? ?T?. ??H??o?u?se? ?p??ri?c?e?s? a??n?d? t?h?e? ?p?o?l?i?c?y? ?d?i?le??m?m??a?s?:? ?a? ?p?e?c?山???向????a?u?s?t?ra??li?a??p?r?o?b?l?e?m??s? [? J?]?.? ??U?r? b?a??n? ?P?o?l?ic?y? ?a?n??d? ?R?e?s?e?a?r?c?h??, ?????2?0?0?4?.? ?2?2?(? 1?)? :? ?6?9?-9??1?. ??????[??5?]? ??C?o??ok? ??S?. ??R??eg??io?n??a?l ?h?o?u??s?e? p??ri?c?e? ?b?e?h?a?v?i?o?u?r? ?in?? ?th?e? ?U??K?:? ?a?p?p??li?c?a?t?io??n? ?o?f? a? ?j?o?i?n?t? t?e?s?t?in??g? ?p?r?o?c??e?d?u?r?e?[? ?J?]?.? ?P?h?y??s?ic?a?? A??:? ?S??ta?t?i?s?t?ic?a??l ?M??e?c?h??a?n?-
????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????솺퓆랼ꎬ룟쳺쎷ꎬ뫘쫩욽?랿뗘닺쫐뎡폫맺쏱뺭볃킭뗷랢햹뗄쪵횤럖컶????훐맺짧믡뿆톧ꎬ????ꎬ???ꎺ???????????욤쮴ꎬ커뾵욽?훐맺랿뗘닺쫐뎡폫뷰죚쫐뎡랢햹맘쾵뗄퇐뺿????맜샭릤돌톧놨ꎬ????ꎬ?????ꎺ??????????솺퓆랼ꎬ룟쳺쎷?컒맺짌욷힡햬쿺쫛볛룱늨뚯돉틲뗄쪵횤럖컶????맜샭쫀뷧ꎬ????ꎬ???ꎺ????????????뿶듳캰?힡랿쳘탔ꆢ컯튵쮰폫랿볛????뺭볃퇐뺿ꎬ????ꎬ???ꎺ??????????????뛅뫬퇞ꎬ십폀뾪?컒맺랿볛폫ퟢ뷰???????틲맻맘쾵뗄쪵횤퇐뺿????맜샭움싛ꎬ????ꎬ?????ꎺ????????????헅쇨ꎬ쳯뒫뫆?돇쫐힡랿쫐뎡닮틬폫랿볛솬쯸랴펦ꎺ틔??룶듳훐돇쫐캪샽????헣붭듳톧톧놨ꎨ릤톧냦ꎩꎬ????ꎬ?????ꎺ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????짲퓃ꎬ쇵뫩폱?힡햬볛룱폫뺭볃믹놾쏦ꎺ?????????쓪훐맺??돇쫐뗄쪵횤퇐뺿????뺭볃퇐뺿ꎬ????ꎬ???ꎺ????????????솺퓆랼ꎬ룟쳺쎷?훐맺랿뗘닺볛룱늨뚯쟸폲닮틬뗄쪵횤럖컶????뺭볃퇐뺿ꎬ????ꎬ???ꎺ??????????????싞룕잿ꎬ헔쳎?쟸폲뺭볃믹놾쏦폫힡랿볛룱늨뚯ꎺ?????????쓪뚫ꆢ훐ꆢ컷늿뗘쟸랿볛뚯솦틲쯘뗄뺭퇩퇐뺿????컷낲뗧????ퟓ뿆벼듳톧톧놨ꎨ짧믡뿆톧냦ꎩ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????
