长三角地区住宅售租比时空格局演变及影响机制

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

尹上岗^,¹^,², 马志飞³, 李在军^,⁴

1.南京师范大学地理科学学院,南京 210023

2.江苏省地理信息资源开发与利用协同创新中心,南京 210023

3.信阳师范学院地理科学学院,信阳 464000

4.扬州大学苏中发展研究院,扬州 225009

Spatio-temporal pattern evolution and influence mechanism of housing price-to-rent ratio in the Yangtze River Delta

YIN Shanggang^,¹^,², MA Zhifei³, LI Zaijun^,⁴

1. School of Geography Science, Nanjing Normal University, Nanjing 210023, China

2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China

3. School of Geography Science, Xinyang Normal University, Xinyang 464000, Henan, China

4. Research Institute of Central Jiangsu Development, Yangzhou University, Yangzhou 225009, Jiangsu, China

通讯作者: 李在军（1989-）,男,山东临沂人,博士,助理研究员,硕士生导师,主要研究方向为区域经济发展。E-mail: junzailinyi@gmail.com

收稿日期:2020-06-8接受日期:2020-11-9网络出版日期:2021-06-10

基金资助:

国家自然科学基金项目.41671155
教育部人文社会科学基金项目.20YJCZH080
江苏省社会科学基金项目.20SHD009
江苏省研究生科研创新计划项目.KYCX20_1173
扬州大学科技创新培育基金项目.2019CXJ199

Received:2020-06-8Accepted:2020-11-9Online:2021-06-10
作者简介 About authors
尹上岗（1993-）,男,安徽太和人,博士研究生,主要研究方向为城市地理与区域发展。E-mail: yinshanggang@163.com

摘要
中国住宅租赁市场与住宅买卖市场的不对称发展,使住宅租金与住宅价格过度偏离,不利于住宅市场的健康发展,从住宅售租比视角切入住宅研究对解决“住有所居”问题具有重要意义。以长三角三省一市县级单元为研究区域,利用LISA时间路径和时空跃迁等方法,分析2008—2018年长三角住宅售租比的时空格局及演化特征,运用地理探测器模型探究住宅价格与住宅租金的驱动因素,进而提炼售租比演变的影响规律及效应。研究发现：① 长三角住宅售租比呈快速上涨态势,售租比及其涨幅总体呈现出由东至西、由南至北递减的空间格局。② 长三角售租比空间结构具有较强的稳定性、依赖性和整合性,其中稳定性由东至西呈减弱态势,路径依赖和锁定特征逐渐强化。③ 经济、社会、人口和预期因素对住宅价格和住宅租金的影响依次降低,各特征变量对住宅价格和住宅租金相对影响程度基本一致。④ 经济增长的稳定性使住宅售租比空间格局具有较强的固化效应,人口流动作用下产生传导效应,社会因素的影响具有保障作用,预期因素作用下使住宅市场具有较多的投机性。
关键词： 住宅价格;住宅租金;售租比;时空演变;影响机制;长三角地区

Abstract

The asymmetrical development of China's housing market leads to excessive deviation between housing rent and housing price, which obstructs the healthy development of the residential market. Therefore, it is of great significance to study current problems from the perspective of housing price-to-rent ratio. Taking the county-level units of three provinces and one city in the Yangtze River Delta as the research area, this paper analyzes the spatio-temporal pattern and evolution characteristics of the housing price-to-rent ratio in the Yangtze River Delta from 2008 to 2018 by using the methods of LISA time path and space-time transition, and uses the geographical detector to explore the driving factors of housing price and rent, and then refines the influence rule and effect of the evolution of housing price-to-rent ratio. The results show that: (1) The housing price-to-rent ratio of residential buildings in the study area is increasing rapidly, which has already exceeded the internationally recognized reasonable range, and the price-to-rent ratio and its increase generally show a decreasing trend from east to west and from south to north. (2) The spatial structure of housing price-to-rent ratio in the delta has strong stability, dependence and integration, among which the stability is weakened from east to west, and the path dependence and locking characteristics are gradually strengthened, and there is a certain spatial spillover effect. (3) The influence of economy, society, population and expectation factors on housing price and rent decreases in turn, and the integrity of the housing market development makes the relative influence degree of each characteristic factor on housing price and rent basically consistent. (4) The stability of economic growth has a strong solidification effect on the spatial pattern of the housing price-to-rent ratio. There is a transmission effect under the influence of population mobility. The influence of social factors has a protective effect, the role of expected factors makes the housing market more speculative. Driven by the four major factors of economy, population, society and expectations, the spatial and temporal differentiation patterns of housing price-to-rent ratio in the Yangtze River Delta have been formed.

Keywords：housing price;housing rent;price-to-rent ratio;spatio-temporal evolution;influence mechanism;Yangtze River Delta

PDF (3967KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
尹上岗, 马志飞, 李在军. 长三角地区住宅售租比时空格局演变及影响机制. 地理研究[J], 2021, 40(6): 1701-1715 doi:10.11821/dlyj020200505
YIN Shanggang, MA Zhifei, LI Zaijun. Spatio-temporal pattern evolution and influence mechanism of housing price-to-rent ratio in the Yangtze River Delta. Geographical Research[J], 2021, 40(6): 1701-1715 doi:10.11821/dlyj020200505

1 引言

进入21世纪,中国城镇化进程大大加快,促进了城市住宅市场快速发展。住宅买卖市场和住宅租赁市场作为住宅市场的基本组成部分,发展却迥然不同,以北京、上海、广州和深圳四大一线城市为例,2008—2018年其住宅价格上涨均超过200%,而住宅租金涨幅均低于120%,即住宅买卖市场如火如荼,住宅租赁市场不温不火。为防止住宅价格上涨过快,保持房地产市场的健康运行,国家逐渐确定“房住不炒”的政策,并大力发展租房市场。住宅买卖市场与住宅租赁市场的二元化发展已经成为中国住宅市场的基本行情,对住宅买卖市场与住宅租赁市场相互关系问题的研究引起政府和社会的重视^[1,2,3,4,5]。售租比（Price-to-rent ratio,PRR）可以折射出住宅买卖市场和住宅租赁市场的发展关系,进而反映住宅市场的健康状况^[6,7,8],是研究住宅价格与租金关系的重要指标。通过对住宅售租比的研究,不仅可以探究区域住宅市场运行的健康状况,也能拓展居住空间分异的研究。

城市住宅问题作为住房经济学、城市地理学和城市社会学关注的热点内容^[9,10,11],受到国内外****的广泛关注。由于欧美住宅市场发展相对成熟,大量****对其进行了广泛且丰富的研究。相对住宅价格和租金,众多国外****认为住宅售租比可以更好地判断住宅市场运行的健康状况^[12,13,14],相关研究主要集中在：构建相关模型识别房地产市场的泡沫程度^[14,15],分析影响售租比的相关因素^[16,17],利用售租比预测未来住宅价格的变化趋势^[18],运用售租比评估房地产市场的资本化率^[19]等。国外****对住宅售租比的研究主要从经济学视角入手,建立相关经济学模型探究住宅售租比的变化成因,及其背后蕴含的房地产市场发展规律。由于中国大城市住宅买卖市场的持续快速发展,住宅价格方面的研究较多,主要研究住宅价格空间格局^[9,10]、住宅价格影响因素^[20,21]、住宅价格上涨的影响^[22]、政策对住宅价格的影响^[23]等方面。相对住宅买卖市场,住宅租赁市场的发展略显冷清,相关研究成果稍有不足,已有研究集中于住宅租金空间格局^[24]、住宅租金影响因素^[25]、租房可支付能力^[26]等方面。售租比作为识别住宅市场健康状况的重要指标,广泛应用于城市住宅问题研究中。在研究方法上,多运用经济学理论推导售租比的计算方法,并利用相关计量模型识别售租比的合理范围^[27,28]。在研究视角上,相关研究主要从经济学、社会学和管理学视角开展^[29,30],从地理学视角关注售租比区域差异的研究相对缺乏。在研究尺度上,中观层面研究区域主要以城市为主^[5,31],宏观层面研究区域以全国和省域为主^[11,32-34],而城市群售租比方面的研究涉及较少。城市群作为国家参与国际竞争的重要平台,区县是中国经济社会活动基本的地域单元,通过对城市群区县住宅售租比的研究,更有利于推动城市群资源的合理配置,构建健康运行的房地产市场。

基于售租比在房地产市场的重要作用,本文从地理学视角探究城市群内部区县单元住宅售租比的分异格局、演变特征及影响因素,以长三角城市群为案例地,利用LISA时间路径和时空跃迁等方法分析长三角城市群住宅售租比的分布规律及时空动态性特征,借助地理探测器模型探测影响住宅价格和住宅租金的驱动因素,进而探究住宅售租比的影响机制,以期促进长三角城市群住宅市场的健康发展,提高城市群资源整合和协调发展的能力。

2 研究区概况与研究方法

2.1 研究区概况与数据来源

2019年10月,蚌埠、黄山、六安、淮北、宿州、亳州、阜阳7个城市加入长三角城市经济协调会,至此沪苏浙皖41个城市全部纳入长三角一体化范围,2019年12月印发的《长江三角洲区域一体化发展规划纲要》也明确指出长三角包括上海、江苏、浙江和安徽全域^[35]。由于沪苏浙皖三省一市地域范围较广,其内部社会经济条件、人口结构状况、文化背景差异等,使城市群内部住宅买卖市场、住宅租赁市场等存在着巨大差异,城市群内部住宅售租比的空间分异也具有显著的典型性。

由各城市房地产交易中心和中国房价行情平台（http://www.creprice.cn/）发布的住宅买卖市场和住宅租赁市场的交易信息,搜集整理2008—2018年长三角区县的住宅价格和租赁价格数据。区县其他经济指标数据来自2008—2018年各省市统计年鉴及各区县国民经济和社会发展统计公报。

按照2018年长三角行政区划,41个城市共包含306个区县（含县级市,下同）,苏州工业园区由于独特的区位条件（经济基础较好、园区面积较大、行政管辖权较大）,将其作为一个研究单元,最终确定307个研究单元。对于与2018年行政区划不一致的单元,按照2018年各区县单元范围进行拆分、合并等。对于行政区划发生变化的区县,其住宅租金和相关经济指标数据进行以下处理：① 2008—2018年合并的区县,如2011年上海原卢湾区与原黄浦区合并为新的黄浦区等,对合并前的区县相关数据取平均值或加权平均值作为合并后区县数据。② 2008—2018年设立的区县,如2016年无锡设立新吴区等,对设立前所属区县的相关数据取平均值或加权平均值作为新设区县数据。③ 县改区、县改市（县级市）、市（县级市）改区等未发生行政区域变化的地区,如2013年南京溧水撤县设区、2017年台州玉环撤县设市（县级市）、2017年杭州临安撤市（县级市）设区等,使用其本身数据。

2.2 研究方法

2.2.1 售租比计算房屋售租比为房屋销售价格与房屋的月租赁价格之间的比值^[1],区域住宅售租比为区域住宅价格平均值与区域租金平均值之间的比值。迪帕斯奎尔-惠顿模型（D-W模型）指出住宅价格和住宅租金是住宅的不同价值表现形式,分别为住宅资产的价格和投资回报,故住宅租金与住宅价格的比值为投资回报率^[36]。因此,售租比也就成为判读一个区域是否具有住宅投资价值的重要标准,常用来识别区域房地产市场运行状况,在国内外住宅市场的研究中被广泛使用。售租比的计算公式如下：

（1）

PRR = \frac{HP}{HR} = \frac{AP ? AF}{AR ? AF} = \frac{AP}{AR}

式中：PRR为区县住宅售租比;HP为区县住宅的平均销售价格,是单位面积住宅平均价格（AP）与建筑面积（AF）之积;HR为区县住宅月租赁价格,是单位面积住宅平均月租金（AR）与建筑面积（AF）之积。

2.2.2 LISA时间路径 LISA时间路径通过可视化区县住宅售租比及其空间滞后项的成对移动,解释住宅售租比的时空协同演化,并反映局部空间差异和售租比变动的时空动态性^[37]。LISA时间路径主要指标包括相对长度、弯曲度和平均移动方向等,分别反映住宅售租比局部空间结构的动态性特征、波动性特征和整合性特征^[38],相关表达式如下^[39]：

（2）

d_{i} = \frac{N \sum_{t = 1} d (L_{i, t}, L_{i, t + 1})}{\overset{N}{\sum_{i = 1}} \sum_{t = 1} d (L_{i, t}, L_{i, t + 1})}

（3）

ε_{i} = \frac{\sum_{t = 1} d (L_{i, t}, L_{i, t + 1})}{d (L_{i, t}, L_{i, T})}

（4）

θ_{i} = \arctan \frac{\sum_{j} \sin θ_{j}}{\sum_{j} \cos θ_{j}}

式中：d_i、ε_i和θ_i分别为区县i的相对长度、弯曲度和平均移动方向;N为区县单元的总数;T为年度时间间隔;L_i_,_t为区县i在时间t的LISA坐标;d(L_i_,_t,L_i_,_t₊₁)为区县i从时间t到t+1的移动距离。

2.2.3 LISA时空跃迁 LISA时空跃迁可以揭示空间单元局部邻域间的空间关系时序变化状况,并分为Type1、Type2、Type3和Type0共四种类型^[40]。其中Type1表示区县自身跃迁,相邻区县未发生跃迁;Type2表示区县自身未发生跃迁,相邻区县发生跃迁;Type3表示区县自身与相邻区县均发生跃迁,如果区县自身与相邻区县跃迁方向相同则为Type3A,如果区县自身与相邻区县跃迁方向相反则为Type3B;Type0表示区县自身与相邻区县随时间推移均不发生形态间的跃迁。Rey将区域系统中的时空流动与凝聚定义为研究时段内某类型的跃迁数量与跃迁总数之比^[41],即可以表示为：

（5）

时空流动 (SF) : SF = \frac{F_{1} + F_{2}}{m}

（6）

时空凝聚 (SC) : SC = \frac{F_{0} + F_{3 A}}{m}

式中：F₀、F₁、F₂和F_3A分别为Type0、Type1、Type2和Type3A的跃迁数量;m为跃迁总数。

2.2.4 地理探测器地理探测器（Geographical Detector）是诊断地理要素空间异质性,挖掘其背后驱动力的统计学分析方法^[42,43],其基于以下假设：如果某种特征因素对住宅价格或住宅租金具有重要影响,则该特征因素和住宅价格或住宅租金的空间分布应具有一致性或相似性。地理探测器模型表达式如下^[11]：

（7）

q_{D, U} = 1 - \frac{1}{n σ_{U}^{2}} \sum_{i = 1} n_{D, i} σ_{U_{D, i}}^{2}

式中：

q_{D, U}

为住宅价格或住宅租金影响因素D的解释力;n为区县数量;m为各影响因素的类型数;

n_{D, i}

为影响因素D在类型i内的区县数量;

σ_{U}^{2}

为研究区所有区县住宅价格或住宅租金的方差;

σ_{U_{D, i}}^{2}

为类型i内区县住宅价格或住宅租金的方差;

q_{D, U}

的取值范围为[0, 1],

q_{D, U}

值越大,表明因素D解释力越强。

3 长三角住宅售租比时空分异格局及演变特征

3.1 住宅售租比空间分布格局

利用ArcGIS软件自然间断点分级法（Jenks）对2008年、2013年和2018年长三角区县售租比进行空间可视化（图1）。2008年长三角售租比高值区主要集中在上海、温州、连云港、阜阳、亳州、宣城、丽水等城市的区县,低值区呈连片分布,主要集中在江苏省,如苏锡常、扬州、盐城和宿迁等地区,在浙江和安徽呈分散的趋势。2013年售租比的高值区在浙江南部呈集中分布态势,其中衢州、丽水、温州和金华区县售租比的均值超过600,上海和安徽的北部也散布着售租比较高的区县,而江苏成为长三角售租比的“洼地”。2018年售租比的高值区仍在浙江南部集聚,上海、南京、杭州、合肥、苏州、安庆亦分布着售租比较高的区县,售租比低值区则在江苏北部、浙江北部、安徽南部和东北部。从省份整体看,上海、江苏、浙江和安徽住宅售租比由2008年462、396、454和481增加至2018年的747、563、605和523,分别上涨了61.56%、42.24%、33.31%和8.78%,即上海、江苏和浙江住宅售租比的涨幅较高,而安徽的涨幅较低。

图1

新窗口打开|下载原图ZIP|生成PPT
图12008—2018年长三角住宅售租比空间分布格局

Fig. 1The spatial differentiation pattern of price-to-rent ratio in the Yangtze River Delta during 2008-2018

国外研究经验发现在成熟的房地产市场中,售租比的范围在200~300是合理的^[4,5],伴随着长三角地区住宅买卖市场的持续火热和住宅租赁市场的缓慢发展,长三角地区住宅售租比早已超过国际公认的合理范围,仍呈较快的上涨势头,住宅市场的发展日益偏离正常轨道。

3.2 住宅售租比LISA时间路径分析

计算长三角各区县住宅售租比LISA时间路径的几何特征,利用ArcGIS软件进行空间可视化（图2a、图2b）。LISA时间路径相对长度较长的区县集中在浙江省南部温州、丽水、金华和衢州等地区,安徽中西部合肥、安庆、阜阳和亳州相对长度也较长,这与售租比高值区的分布格局基本相似,说明这些地区售租比更有活力或潜力,使区县自身售租比不断提高。浙江北部、江苏和上海大部分地区LISA时间路径长度相对较短,说明这些地区售租比空间格局变化较小。长三角区县售租比LISA时间路径相对长度低于平均值的区县有190个,占长三角区县的61.89%,说明长三角区县售租比的空间结构具有较强的稳定性。

图2

新窗口打开|下载原图ZIP|生成PPT
图2长三角住宅售租比LISA时间路径的空间分布

Fig. 2The spatial distribution of LISA time path of price-to-rent ratio in the Yangtze River Delta

LISA时间路径弯曲度高值区散布于安徽西南部、江苏中北部和浙江西南部的少量地区,其中六安舒城县弯曲度最高,说明这些地区住宅售租比局部空间依赖方向更具变动性,住宅售租比水平缺乏长期上升的动力,反映出这些地区住宅市场的发展不具有持续性。LISA时间路径弯曲度的低值区分布较为广泛,也使得长三角弯曲度整体较低,表明长三角住宅售租比的演化呈现出较为稳定的空间依赖性,即整体具有较强的空间锁定效应。

通过比较2008年和2018年各区县Moran散点图中坐标位置的变化,计算各区县LISA坐标的跃迁方向（图2c）。长三角住宅售租比协同增长（0°~90°和180°~270°）的区县有216个,占全部区县的70.36%,说明长三角住宅售租比的空间演化呈现出较强的空间整合性。其中,正向协同增长（0°~90°）的区县110个,占协同区县的50.93%,集中分布在上海、江苏南部和浙江中西部等住宅售租比较高的地区,呈现出住宅售租比协同高速增长特点。负向协同增长（180°~270°）的区县106个,占协同区县的49.07%,主要分布于江苏北部、安徽南部和北部等住宅售租比较低的地区,呈现出住宅售租比协同低速增长特点。

3.3 住宅售租比LISA时空跃迁分析

LISA时间路径揭示了Moran散点图中各区县的变动趋势,利用Rey提出的概率转移矩阵和时空跃迁来探究长三角区县住宅售租比局部空间关联类型的转移特征和演化过程（表1）。

Tab. 1
表1
表1长三角住宅售租比Local Moran's I转移概率矩阵
Tab. 1Local Moran's I transition probability matrix of price-to-rent ratio in the Yangtze River Delta

时段	t/t+1	HH	LH	LL	HL	类型	数量	比例	SF	SC
2008—2013年	HH	0.7589	0.0811	0.0477	0.1122	Type0	1077	0.7016	0.2638	0.7244
	LH	0.2323	0.5000	0.2402	0.0276	Type1	199	0.1296
	LL	0.0245	0.0881	0.8042	0.0832	Type2	206	0.1342
	HL	0.1767	0.0442	0.2209	0.5582	Type3	53	0.0345
2013—2018年	HH	0.8194	0.0813	0.0384	0.0609	Type0	1164	0.7583	0.2085	0.7831
	LH	0.1802	0.5233	0.2616	0.0349	Type1	180	0.1173
	LL	0.0293	0.0572	0.8382	0.0753	Type2	140	0.0912
	HL	0.1330	0.0345	0.2906	0.5419	Type3	51	0.0332
2008—2018年	HH	0.7900	0.0812	0.0429	0.0858	Type0	2241	0.7300	0.2362	0.7537
	LH	0.2113	0.5094	0.2488	0.0305	Type1	379	0.1235
	LL	0.0271	0.0714	0.8226	0.0789	Type2	346	0.1127
	HL	0.1571	0.0398	0.2522	0.5509	Type3	104	0.0339

新窗口打开|下载CSV

2008—2013年、2013—2018年和2008—2018年三个时间段Moran's I散点保持在同一象限内（Type0）的概率均在70%以上,表明长三角区县住宅售租比存在一定的转移惰性,各区县当前住宅售租比的类型较难改变,住宅售租比格局具有较强的路径依赖和空间锁定特征。三个时间段Type1和Type2类型的概率均在10%附近,表明长三角区县住宅售租比局部时空关联类别间存在着转移可能性。其中LH_t→LL_t+1和HL_t→LL_t+1转移的概率均在22%以上,LH_t→HH_t+1和HL_t→HH_t+1转移的概率多在20%以下（除2008-2013年LH_t→HH_t+1型23.23%和2008-2018年LH_t→HH_t+1型21.13%外）,说明低值俱乐部集聚特征较高值俱乐部增强趋势更明显。三个时间段Type3类型的概率均低于3.5%,其中HH_t→LL_t+1和HL_t→LH_t+1转移的概率均超过3.4%,LH_t→HL_t+1和LL_t→HH_t+1转移的概率均低于3.5%,表明长三角区县住宅售租比跳跃转移的概率较低。

由各类型跃迁的数量计算时空流动和时空凝聚（表1）,三个时间段时空凝聚系数均在0.7以上,时空流动系数均小于0.3,进一步说明了长三角区县住宅售租比具有较强的转移惰性。随时间的推移,时空凝聚系数呈上升趋势,时空流动呈下降趋势,表明长三角区县住宅售租比空间格局的路径依赖和锁定特征逐渐强化。从跃迁类型转移概率来看,长三角区县住宅售租比受邻域单元溢出影响存在一定的比例,说明除自身因素外,区县住宅售租比还受到周边地区住宅售租比溢出效应影响。

4 长三角住宅价格和住宅租金影响因素分析

4.1 影响因素选取

由于住宅售租比是由住宅租金和住宅价格共同决定的,故在研究住宅售租比影响机制前,预先探究长三角住宅价格和住宅租金的影响因素。由供需理论与城市特征价格理论,及众多****对住宅价格和住宅租金的研究实践来看,已有研究多从研究区的经济因素（GDP、收入水平、产业结构等）、人口因素（人口密度、人口结构、人口规模等）和社会因素（医疗水平、教育水平、公共交通水平等）等方面开展^[11,21,44]。在此基础上,纳入预期因素,遴选15个指标探测对区县住宅价格和住宅租金的作用程度（表2）。

Tab. 2
表2
表2长三角住宅价格和住宅租金特征变量选取
Tab. 2The selection of characteristic variables of differentiation of housing price and rent in the Yangtze River Delta

变量类型	特征变量	变量描述
经济因素	经济实力	地区生产总值/常住人口(元/人)
	产业结构	第三产业产值/地区生产总值(%)
	地产投资密度	房地产开发投资额/行政区面积(万元/km²)
	消费水平	社会消费品零售额/常住人口(元/人)
	收入水平	城镇居民人均可支配收入(元)
人口因素	人口密度	常住人口/行政区面积(人/km²)
	人口自然增长	人口自然增长率(‰)
	城镇化水平	城镇常住人口/常住人口(%)
	人口吸引力	常住人口/户籍人口(%)
社会因素	公共服务投入	地方财政支出/常住人口(元/人)
	设施供给	固定资产投资额/行政区面积(万元/km²)
	教育水平	平均受教育年限(年)
预期因素	经济预期	地区生产总值增长率(%)
	房租预期	住宅租金增长率(%)
	收入预期	城镇居民人均可支配收入增长率(%)

新窗口打开|下载CSV

4.2 因子探测结果

利用地理探测器模型因子探测工具,探究2008年、2013年和2018年各特征因素对住宅价格和住宅租金的影响程度（表3）。

Tab. 3
表3
表3长三角住宅价格和住宅租金空间分布影响因素地理探测分析
Tab. 3Geographical exploration analysis on the influencing factors of the spatial distribution of housing price and rent in the Yangtze River Delta

特征变量	住宅价格			住宅租金
特征变量	2008年	2013年	2018年	2008年	2013年	2018年
经济实力	0.3162	0.2542	0.2420	0.3274	0.3433	0.2662
产业结构	0.1698	0.2402	0.2365	0.1456	0.2761	0.2426
地产投资密度	0.3813	0.3429	0.4191	0.3667	0.4646	0.4451
消费水平	0.3453	0.3282	0.2561	0.3337	0.4079	0.2955
收入水平	0.5289	0.4848	0.4696	0.4810	0.5480	0.5346
人口密度	0.2823	0.3050	0.3441	0.2517	0.3919	0.3764
人口自然增长	0.0756	0.0831	0.0758	0.1068	0.1113	0.0798
城镇化水平	0.3730	0.3475	0.3589	0.2857	0.4012	0.3589
人口吸引力	0.1281	0.1035	0.2195	0.1304	0.1724	0.2647
公共服务投入	0.2678	0.1201	0.1512	0.2539	0.1094	0.1219
设施供给	0.3036	0.3116	0.3608	0.3045	0.4223	0.3510
教育水平	0.2668	0.2754	0.3551	0.2663	0.3845	0.3649
经济预期	0.1821	0.1897	0.2426	0.1889	0.2708	0.2450
房租预期	0.0888	0.0611	0.1265	0.1580	0.1698	0.1727
收入预期	0.1100	0.1313	0.1205	0.0949	0.1365	0.1200

注：各特征变量均在1%置信水平上显著。

新窗口打开|下载CSV

在住宅价格方面,经济因素对住宅价格的影响最强,收入水平、消费水平和经济实力影响呈下降趋势,地产投资密度和产业结构影响呈波动上升趋势。人口因素对住宅价格影响处于中等水平,城镇化水平、人口密度、人口吸引力和人口自然增长影响依次降低,城镇化水平和人口自然增长的影响较为稳定,人口密度和人口吸引力的影响总体呈增强趋势。社会因素对住宅价格的影响亦处于中等水平,设施供给、教育水平和公共服务投入影响依次减小,设施供给和教育水平影响呈上升态势,公共服务投入影响呈下降趋势。预期因素对住宅价格的影响较弱,经济预期、收入预期和房租预期影响依次降低,经济预期和房租预期影响呈上升态势,收入预期的影响较为稳定。

在住宅租金方面,经济因素对住宅租金的影响最强,收入水平、地产投资密度、产业结构影响总体呈上升势头,消费水平和经济实力影响总体呈波动下降趋势。人口因素对住宅租金影响居中等水平,城镇化水平和人口密度影响基本相当,均呈波动上升趋势,人口吸引力影响逐渐增强,人口自然增长影响呈下降态势。社会因素对住宅租金的影响也处于中等水平,设施供给和教育水平影响总体呈增强趋势,公共服务投入影响呈减弱态势。预期因素对住宅租金的影响处于较低水平,经济预期和收入预期影响呈上升趋势,房租预期影响较为稳定。

比较住宅价格和住宅租金各特征变量影响强度的差异可以发现,经济因素对住宅价格影响呈下降趋势,对住宅租金影响呈波动上升态势;人口因素对住宅价格和住宅租金影响总体均呈增强势头;社会因素对住宅价格影响呈波动上升趋势,对住宅租金影响较为稳定;预期因素对住宅价格和住宅租金总体呈增强趋势。从特征变量解释力均值来看,收入水平、地产投资密度、城镇化水平、设施供给、人口密度和消费水平对住宅价格的影响程度居前六位,其解释力超过0.3;收入水平、地产投资密度、设施供给、城镇化水平、消费水平、人口密度、教育水平和经济实力对住宅租金的影响程度居前八位,其解释力超过0.3。各特征变量对住宅价格和住宅租金的相对作用程度基本一致,反映出住宅买卖市场和住宅租赁市场作为住宅市场的有机组成部分,其影响因素具有较强的相似性。总体来看,各特征变量对住宅价格和住宅租金的解释力整体呈上升趋势,住宅租金的解释力大多高于住宅价格,表明住宅市场的发展越来越符合市场规律,住宅租赁市场较住宅买卖市场更符合市场规律。

5 长三角住宅售租比演变的影响机制

住宅价格和住宅租金作为反映住宅市场发展的重要指标,由两者衍生的住宅售租比亦成为衡量住宅市场健康状况的重要指标。由于住宅市场的整体性,影响住宅价格和住宅租金空间分布的因素具有较强的相似性,这些因素通过对住宅价格和住宅租金的作用,对住宅售租比也会产生较强的影响。以下分别从经济、人口、社会和预期4个方面分析对住宅售租比分异演化的影响机制。

5.1 经济驱动下售租比格局的固化效应

由长三角住宅售租比空间格局分析知,售租比的空间格局逐渐与经济发展相符合,即经济因素逐渐主导长三角住宅售租比空间格局的演化。长三角地区经济发展格局呈现金字塔形结构（表4）,区域间经济发展的较大差距,也直接导致了住宅售租比的较大差异。收入水平、地产投资密度和消费水平对住宅价格和住宅租金空间分布的解释力均超过0.25,表明这些因素对住宅市场发挥着较大影响。就长三角地区而言,收入水平和消费水平与区域经济发展水平呈正相关关系,经济发展水平较高地区住宅买卖市场与住宅租赁市场发展差异相对较小,经济发展相对落后地区住宅买卖市场与住宅租赁市场发展差异相对较大,故收入水平和消费水平对住宅售租比具有较强的影响。地产投资密度表征单位国土面积上房地产开发投资额,直接影响到区域住宅售租比水平。随着长三角地区经济的快速发展,经济发展水平较高地区住宅售租比将趋于平稳,经济发展水平较低地区住宅售租比增速将呈快速上涨态势。

Tab. 4
表4
表42018年长三角地区地级以上城市经济总量分布
Tab. 4Total economic distribution of cities at prefecture level and above in the Yangtze River Delta in 2018

经济总量(万亿)	城市	城市数量(个)
>3	上海	1
1~3	苏州、杭州、南京、无锡、宁波	5
0.5~1	南通、合肥、常州、徐州、温州、盐城、扬州、绍兴、泰州	9
0.2~0.5	台州、嘉兴、金华、镇江、淮安、芜湖、连云港、宿迁、湖州	9
<0.2	马鞍山、安庆、滁州、阜阳、蚌埠、宿州、衢州、丽水、宣城、舟山、六安、亳州、铜陵、淮南、淮北、池州、黄山	17

新窗口打开|下载CSV

在经济增长的持续性和稳定性作用下,长三角经济格局未来较长时期内难以发生较大变动,区域住宅市场（含住宅买卖市场和住宅租赁市场）的发展日益成熟,且受经济因素的影响亦将渐渐增强,长三角地区住宅售租比的空间格局也将趋于稳定,即以上海、江苏南部和浙江南部为“高地”,以江苏北部、安徽北部和南部为“低地”的结构将长期稳定存在。随着长三角地区城市间经济差异的收敛^[45],区域间住宅售租比的差异亦将呈现收敛趋势。

5.2 人口驱动下售租比变动的传导效应

长三角作为中国经济发展水平最高的地区之一,以上海、杭州、南京、合肥、宁波等为代表的长三角核心城市吸引大量流动人口到此务工,也推动这些地区经济发展水平和城镇化水平快速提高。城镇化水平对住宅价格和住宅租金的解释力均居前列,是人口因素中影响最强的变量。2013年前,上海、浙江和江苏为长三角主要的人口流入地区,安徽为主要的人口流出地区（图3）,大量外来人口的涌入使上海、浙江和江苏地区住宅租赁市场发展迅速,并缩小了与住宅市场发展差距,故2013年前上海、浙江和江苏住宅售租比水平相对较低。由于安徽城镇化水平较低,城镇人口规模较小,且存在大量人口流出,故住宅买卖市场发展较为平稳,而住宅租赁市场尚处于起步阶段,故住宅售租比水平相对较高。

图3

新窗口打开|下载原图ZIP|生成PPT
图32008—2018年长三角常住人口增量变化趋势

Fig. 3The change trend of permanent resident population in the Yangtze River Delta during 2008-2018

随着安徽地市逐渐加入长三角,安徽经济逐渐由受沪苏浙的“虹吸效应”转变为“溢出效应”,近年来经济保持快速健康发展趋势,促进外出人口出现持续“回流”现象,城镇化水平也得到大幅度提高,城镇人口规模增长较快。因此,2013年来安徽住宅租赁市场发展较快,同住宅买卖市场发展的差距趋于缩小,住宅售租比涨幅较低。外来人口的持续回流,使上海常住人口增量逐渐降至较低水平,甚至部分年份常住人口增量出现负值,在一定程度上不利于住宅租赁市场的持续发展,扩大了住宅租赁市场与住宅买卖市场发展差距,其住宅售租比2013年后涨幅较高。江苏常住人口增量持续放缓且趋于平稳,其住宅市场发展亦趋于平稳,故住宅售租比及增幅在长三角处于中等水平。2014年来浙江常住人口增量持续增加,城镇化水平也不断提高,主要得益于外来人口的不断涌入,使得浙江地区住宅租赁市场发展较快,住宅售租比涨幅较低。

5.3 社会驱动下售租比变动的保障效应

2008年国际金融危机后,中国经济增长模式逐渐由外贸驱动转变为投资、消费驱动^[46],并逐渐向创新驱动转变。2008—2018年,中国固定资产投资占GDP的比例由54.14%提高至71.72%,相应地长三角三省一市固定资产投资占GDP比例也由46.40%增长至61.24%,虽然近年来固定资产投资增速有所放缓,占GDP比例趋于下降,但其对经济增长仍保持较高贡献度。投资的持续增加促进了经济稳步快速增长,有效拓展和保障了经济社会的发展空间和居民生活空间,并对住宅买卖市场和住宅租赁市场产生较大影响。

社会因素对住宅售租比的影响往往通过对公共服务和经济发展的保障作用表现出来,如城市通过增加财政投入和固定资产投资,一方面可以优化城市公共服务能力,营造良好的经济发展环境,促进经济的快速发展。另一方面改善城市居民居住环境条件,提高城市教育、文化和卫生等基础设施条件,从而吸引农村人口和外来人口的流入,促进城镇化水平的提高。在长三角地区,地均固定资产投资高值区多为一些经济发达城市的中心城区,其行政区域面积较小,政府财政投入和固定资产投资高,更有利于改善区域基础设施条件和居民生活环境,促进房地产市场的快速发展,从而影响地区住宅售租比的变动。地均固定资产投资低值区多分布于江苏北部、安徽北部和南部经济发展相对落后的地区,这些地区缺乏足够的财政投入和固定资产投资,基础设施条件相对较差,房地产市场发展相对较慢,住宅售租比的变动较为稳定。

5.4 预期驱动下售租比变动的投机效应

在房地产市场中,居民住宅兼具消费与投资的双重属性,一方面可以作为满足居民居住生活需求的“消费品属性”,另一方面可以表现出为居民带来租金收入与资本增值收益的“投资品属性”。住宅价格往往受到城市经济发展预期、房价预期和收入预期等因素影响,使住宅买卖市场蕴含着较多的投机行为,表现出更多的投资品属性;住宅租赁市场通常难以用于市场投机,更能较为真实地反映住宅市场的整体供需关系,表现出住房的消费品属性。研究前期,上海、江苏南部和浙江东北部等地区住宅租金涨幅较快,住宅售租比相对较低;研究后期,江苏北部和安徽北部等地区住宅租金涨幅较快,使住宅售租比保持较低水平。住宅租赁市场作为住宅市场较为真实的反映,受各种预期因素的影响稍高于住宅买卖市场,预期因素对住宅价格和住宅租金的影响,亦会影响到售租比的变动。

根据凯恩斯宏观经济理论,供给由需求来决定,住宅由于建设周期较长,其供给对于需求变化反应较慢,受滞后性的影响将长期出现供需不平衡的状况,导致住宅价格波动频繁,并出现大量的投资投机需求。由于租赁市场投机性较少,故租金水平可以很好地体现城市工资水平和经济活力,较为真实反映城市发展水平。当城市经济发展预期持续向好时,住宅租赁市场发展和居民自身收入预期亦将趋于向好,从而可能使中低收入群体由租房需求转化为购房需求,中高收入群体改善住房的需求增加,高收入群体产生住宅投资的需求。此外,预期因素也可以通过作用于经济、人口和社会等方面来体现,经济发展预期持续向好可以提高居民工作和企业生产的积极性,促进经济快速发展,吸引外来人口集聚,增加城市基础设施等方面的投入,从而拉动城市住宅市场的发展,影响住宅售租比的变动。

6 结论与讨论

6.1 结论

售租比作为衡量房地产健康水平的重要指标,在区域住宅研究中得到越来越广泛的应用。以长三角307个县级单元为研究对象,对2008—2018年长三角住宅售租比的时空格局、演化特征及影响机制进行分析,得到以下结论：

（1）在空间分布上,上海、浙江南部和江苏南部售租比较高并保持较快的上升趋势,安徽和江苏北部售租比上涨较慢,其中安徽北部售租比呈下降趋势,总体呈现出显著的区域差异。在时间演变上,长三角住宅售租比空间结构具有较强的稳定性、依赖性和整合性,路径依赖和锁定特征逐渐强化,且存在着一定的溢出效应。

（2）经济、社会、人口和预期对住宅价格和住宅租金的解释力依次降低,经济因素对住宅价格影响总体减弱,对住宅租金影响增强,社会因素对住宅价格影响呈上升势头,对住宅租金影响呈稳定态势,人口和预期因素对住宅价格和住宅租金均呈增强趋势。

（3）在经济增长持续性和稳定性的作用下,长三角住宅售租比的空间格局亦保持较强的固化效应,人口流动作用下对住宅售租比具有传导效应,社会因素通过对其他因素的保障作用,进而对住宅售租比产生影响,预期因素作用下使住宅市场表现出更多的投机性。在经济、人口、社会和预期四大因素共同驱动下,形成了长三角住宅售租比的时空分异格局。

6.2 讨论

现有住宅售租比的研究成果主要利用经济学理论,通过建立经济学模型探究房地产市场的运行状况及泡沫程度,并提出房地产市场发展的对策与建议。与已有研究相比,本文的贡献在于：一是借助地理学空间视角,从城市群区县层面识别住宅售租比的时空演化规律及影响机制,扩展了城市群住宅市场研究深度,丰富了现有住宅售租比研究的主题;二是从经济、人口、社会和预期四个方面构建住宅价格和住宅租金影响因素的指标体系,并阐述4个方面作用下住宅售租比变动的影响效应,有助于深化对住宅售租比影响规律及机理的认识。

长期以来,中国城市住宅租赁市场缺乏资金、政策与服务支持,加之“租售不同权”的市场现状及“重买轻租”观念的影响,均使住宅租赁市场发展缓慢,并产生住宅租赁市场与住宅买卖市场的不对称发展,从而使房价与租金过度偏离,导致中国大多地区（包括长三角）住宅售租比畸形发展。近年来,国家出台多项举措加强对房地产市场的管控,旨在使住宅买卖市场降温,推动住宅租赁市场健康发展。可以预见,随着国家对住宅市场的长效调控,住宅租赁市场正在步入快车道,住宅买卖市场渐渐步入平稳期,房价过快上涨的势头亦会得到遏制,住宅售租比或将逐渐趋于合理水平,最终实现居民“住有所居”的目标。由于本文仅从经济、人口、社会和预期四个方面探究对住宅售租比作用机理,未来可进一步考虑行政和区位等因素的影响,增加与其他城市群的对比研究,探究中国城市群住宅售租比的普遍规律,为城市群住宅市场健康发展提供理论支撑。

致谢

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文理论综述、指标构建、机制与讨论部分优化等方面的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

高波, 王文莉, 李祥. 预期、收入差距与中国城市房价租金“剪刀差”之谜
经济研究, 2013, 48(6): 100-112.

[本文引用: 2]

[Gao

, Wang

Wenli

, Li

Xiang

. Expectation, income inequality and the puzzle of city's housing price to rent scissors in China
Economic Research Journal, 2013, 48(6): 100-112.]

[本文引用: 2]

[2]

Chiang S

. Rising residential rents in Chinese mega cities: The role of monetary policy
Urban Studies, 2016, 53(16): 3493-3509. DOI: 10.1177/0042098015613753.

URL [本文引用: 1]

[3]

Wu Q

, Zhang X

, Waley

. When Neil Smith met Pierre Bourdieu in Nanjing, China: Bringing cultural capital into rent gap theory
Housing Studies, 2017, 32(5): 659-677. DOI: 10.1080/02673037.2016.1228849.

URL [本文引用: 1]

[4]

宋伟轩, 陈培阳, 陈浩, 等. 南京城市住宅“售租比”时空格局与分异机理
地理科学, 2018, 38(12): 2084-2092.

DOI:10.13249/j.cnki.sgs.2018.12.017 [本文引用: 2]

“售租比”是国内外****测度房价健康水平或泡沫风险的关键指标之一。利用中国房价行情平台提供的南京居住小区2009~2017年期间分季度平均售租价格信息,采用GIS空间分析等方法,考察南京中心城区“售租比”空间格局与演变过程。研究发现：① 城市整体“售租比”随房价波动变化明显,2016~2017年间快速增长;② 分异度先降后升,以城区内部差异为主,城区间差异越来越小;③ 高“售租比”小区多集聚于河西新城、江北新区等房价增速较快的投资热点区域。南京住宅“售租比”过快上升和空间离散加剧,意味着城市房价快速增长的合理性在降低。从地租视角解读,绝对地租决定着城市整体“售租比”的高低,级差地租和垄断地租则影响着城市内部“售租比”的空间分异。“售租比”可为判断城市内部房价相对合理性提供重要依据,但能否通过该指标准确预判城市房价风险程度及空间格局尚有待深入研究。

[Song

Weixuan

, Chen

Peiyang

, Chen

Hao

, et al. Spatial-temporal pattern and differentiation mechanism of price-to-rent ratio of Nanjing
Scientia Geographica Sinica, 2018, 38(12): 2084-2092.] DOI: 10.13249/j.cnki.sgs.2018.12.017.

[本文引用: 2]

[5]

崔娜娜, 古恒宇, 沈体雁. 北京市住房价格和租金的空间分异与相互关系
地理研究, 2019, 38(6): 1420-1434.

DOI:10.11821/dlyj020180352 [本文引用: 3]

当前中国住房销售市场、住房租赁市场发展不平衡,研究住房价格、租金的空间分异与相互关系,对建立“租售并举”的住房制度具有重要参考价值。利用2016年北京市各住宅小区的住房价格、租金数据,及2006—2016年北京市逐月住房销售价格指数、住房租赁价格指数,从时空尺度剖析了住房价格、租金的空间分异与相互关系,并剖析了背后的差异机制。结果表明：① 北京市住房价格和租金的空间格局均呈多中心圈层递减结构,且南北差异明显,但租金的空间分异程度弱于住房价格。② 住房价格具有中等程度的空间相关性,受政策等随机性因素影响相对较大,而租金具有强烈的空间相关性,受区位交通等确定性因素影响相对较大。③ 住房价格和租金的价格剖面线并不相同,住房价格易受学区、大型公园等的影响,而租金更易受就业所在地、建筑年龄等的影响。售租比呈混乱斑驳、相对均质的扁平化分布特征,且小区越高档,售租比越高。④ 北京市住房销售市场和住房租赁市场基本相对独立发展,更符合双重市场的特征。产生上述差异的主要原因在于住房销售市场和住房租赁市场的市场特征、服务人群以及市场发育程度不同。

[Cui

Nana

, Gu

Hengyu

, Shen

Tiyan

. The spatial differentiation and relationship between housing prices and rents: Evidence from Beijing in China
Geographical Research, 2019, 38(6): 1420-1434.] DOI: 10.11821/dlyj020180352.

[本文引用: 3]

[6]

Campbell S

, Davis M

, Gallin

, et al. What moves housing markets: A variance decomposition of the rent-price ratio
Journal of Urban Economics, 2009, 66(2): 90-102. DOI: 10.1016/j.jue.2009.06.002.

URL [本文引用: 1]

[7]

王文莉, 赵奉军. 城市化进程与房价租金比高企问题研究: 基于中国35个大中城市面板数据实证分析
财贸研究, 2011, 22(5): 28-33.

[本文引用: 1]

[Wang

Wenli

, Zhao

Fengjun

. Urbanization and house price-to-rent ratio: Based on panel data of 35 large or medium cities
Finance and Trade Research, 2011, 22(5): 28-33.] DOI: 10.19337/j.cnki.34-1093/f.2011.05.004.

[本文引用: 1]

[8]

André

, Gil-Alana

L A

, Gupta

. Testing for persistence in housing price-to-income and price-to-rent ratios in 16 OECD countries
Applied Economics, 2014, 46(18): 2127-2138. DOI: 10.1080/00036846.2014.896988.

URL [本文引用: 1]

[9]

王少剑, 王洋, 蔺雪芹, 等. 中国县域住宅价格的空间差异特征与影响机制
地理学报, 2016, 71(8): 1329-1342.

DOI:10.11821/dlxb201608004 [本文引用: 2]

以2014年中国2872个县级单元的住宅平均单价为基本数据,通过空间自相关和核密度函数分析中国住宅价格的差异格局、空间关联特征和分布形态,构建“住宅价格等级金字塔”;根据“需求+供给+市场”的三维理论视角建立包括5大住宅价格差异影响因素在内的价格模型,采用地理探测器分析全国及其区域子市场的影响因素强度差异,并探索其影响机制。结果表明：① 中国区域住宅价格呈现以行政等级性为主、空间集聚性为辅的双重差异格局,其空间关联与集聚性显著;② 中国住宅价格呈现出房价越高,区域越少,所居住城镇人口越少的“金字塔式”等级分布特征。③ 租房户比例、流动人口规模、住房支付能力、住房市场活跃度、土地成本是中国住宅价格差异的5个核心影响因素,不同行政等级子市场的影响因素作用强度各异。

[Wang

Shaojian

, Wang

Yang

, Lin

Xueqin

, et al. Spatial differentiation patterns and influencing mechanism of housing prices in China: Based on data of 2872 counties
Acta Geographica Sinica, 2016, 71(8): 1329-1342.] DOI: 10.11821/dlxb201608004.

[本文引用: 2]

[10]

丁如曦, 倪鹏飞. 中国经济空间的新格局: 基于城市房地产视角
中国工业经济, 2017, 35(5): 94-112.

[本文引用: 2]

[Ding

Ruxi

, Ni

Pengfei

. The new pattern of regional economic space in China: The perspective of urban real estate
China Industrial Economics, 2017, 35(5): 94-112.] DOI: 10.19581/j.cnki.ciejournal.2017.05.007.

[本文引用: 2]

[11]

尹上岗, 马志飞, 吴小影, 等. 中国城市住宅售租比时空分异格局及影响机制
长江流域资源与环境, 2020, 29(3): 547-556.

[本文引用: 4]

[Yin

Shanggang

, Ma

Zhifei

, Wu

Xiaoying

, et al. Spatial-temporal differentiation and influence mechanism of the urban housing price-to-ratio in China
Resources and Environment in the Yangtze Basin, 2020, 29(3): 547-556.] DOI: 10.11870/cjlyzyyhj202003002.

[本文引用: 4]

[12]

Granziera

, Kozicki

. House price dynamics: Fundamentals and expectations
Journal of Economic Dynamics and Control, 2015, 60: 152-165. DOI: 10.1016/j.jedc.2015.09.003.

URL [本文引用: 1]

[13]

Lyons R

. Credit conditions and the housing price ratio: Evidence from Ireland's boom and bust
Journal of Housing Economics, 2018, 42: 84-96. DOI: 10.1016/j.jhe.2018.05.002.

URL [本文引用: 1]

[14]

Asal

. Is there a bubble in the Swedish housing market?
Journal of European Real Estate Research, 2019, 12(1): 32-61. DOI: 10.1108/JERER-03-2018-0013.

URL [本文引用: 2]

[15]

Engsted

, Hviid S

, Pedersen T

. Explosive bubbles in house prices? Evidence from the OECD countries
Journal of International Financial Markets, Institutions and Money, 2016, 40: 14-25. DOI: 10.1016/j.intfin.2015.07.006.

URL [本文引用: 1]

[16]

Kim J

. What drives the price-rent ratio in the UK housing market? An unobserved component approach
Journal of Marketing and Management, 2015, 6(2): 74-86.

[本文引用: 1]

[17]

Sun

, Tsang K

. What drives the owner-occupied and rental housing markets? Evidence from an estimated DSGE model
Journal of Money, Credit and Banking, 2017, 49(2-3): 443-468. DOI: 10.1111/jmcb.12385.

URL [本文引用: 1]

[18]

Engsted

, Pedersen T

. Predicting returns and rent growth in the housing market using the rent-price ratio: Evidence from the OECD countries
Journal of International Money and Finance, 2015, 53: 257-275. DOI: 10.1016/j.jimonfin.2015.02.001.

URL [本文引用: 1]

[19]

Peter

, Man

, Cheng

, et al. Housing returns with mortgage and price shocks
Journal of Real Estate Research, 2020, 42(1): 105-124. DOI: 10.22300/0896-5803.42.1.105.

URL [本文引用: 1]

[20]

汤庆园, 徐伟, 艾福利. 基于地理加权回归的上海市房价空间分异及其影响因子研究
经济地理, 2012, 32(2): 52-58.

[本文引用: 1]

[Tang

Qingyuan

, Xu

Wei

, Ai

Fuli

. A GWR-based study on spatial pattern and structural determinants of Shanghai's housing price
Economic Geography, 2012, 32(2): 52-58.] DOI: 10.15957/j.cnki.jjdl.2012.02.009.

[本文引用: 1]

[21]

宋伟轩, 刘春卉. 长三角一体化区域城市商品住宅价格分异机理研究
地理研究, 2018, 37(1): 92-102.

DOI:10.11821/dlyj201801007 [本文引用: 2]

城市住宅价格及其空间差异是21世纪以来引起城市地理****持续关注的热点问题。以长三角135个区县为研究对象,在通过分异度指数测度发现2014-2016年各区县商品房价差异增大的基础上,以商品房单位面积成交均价为因变量,提取16项房价影响因素为自变量,通过逐步回归和地理加权回归进行定量分析。研究发现：高校资源、经济密度、房产政策、经济实力、公共服务投入、高端从业者占比和产业结构7项指标对房价分异的影响最显著,而各因素对区域内房价的影响程度均具有显著的空间不稳定性。进而,提出房价是城市经济、人力、社会和行政等资源丰度的货币化表达,区域房价分异是城市支配资源能力差异的综合反映,其中行政资源在各类资源中占据主导地位。由此判断,长三角各区县房价在短时期内较难实现“俱乐部收敛”,沪宁杭等核心城市与外围地区的房价差距可能会继续扩大。

[Song

Weixuan

, Liu

Chunhui

. The price differentiation mechanism of commercial housing in the Yangtze River Delta
Geographical Research, 2018, 37(1): 92-102.] DOI: 10.11821/dlyj201801007.

[本文引用: 2]

[22]

曾祥渭, 刘志东, 刘雯宇. 我国城市群商品住宅价格传导与波动性外溢研究
管理评论, 2015, 27(9): 3-13.

[本文引用: 1]

[Zeng

Xiangwei

, Liu

Zhidong

, Liu

Wenyu

. Study on transmission and volatility spillover of housing prices in China's urban agglomerations
Management Review, 2015, 27(9): 3-13.] DOI: 10.14120/j.cnki.cn11-5057/f.2015.09.001.

[本文引用: 1]

[23]

王敏, 黄滢. 限购和房产税对房价的影响: 基于长期动态均衡的分析
世界经济, 2013, 36(1): 141-159.

[本文引用: 1]

[Wang

Min

, Huang

Ying

. Restrictions on purchasing and property taxes on house prices: An analysis based on long-term dynamic equilibrium
The Journal of World Economy, 2013, 36(1): 141-159.]

[本文引用: 1]

[24]

苏亚艺, 朱道林, 耿槟. 北京市住宅租金空间结构及其影响因素
经济地理, 2014, 34(4): 64-69.

[本文引用: 1]

[Su

Yayi

, Zhu

Daolin

, Geng

Bin

. The Spatial structure and affecting factors of the housing rental in Beijing
Economic Geography, 2014, 34(4): 64-69.] DOI: 10.15957/j.cnki.jjdl.2014.04.011.

[本文引用: 1]

[25]

王晨歌, 尹上岗. 基于空间计量模型的住宅租金空间效应研究: 以南京市为例
地域研究与开发, 2019, 38(5): 69-74.

[本文引用: 1]

[Wang

Chenge

, Yin

Shanggang

. Spatial effect of residential rent in Nanjing city based on spatial econometric model
Areal Research and Development, 2019, 38(5): 69-74.] DOI: 10.3969 /j.issn.1003-2363.2019.05.013.

[本文引用: 1]

[26]

唐琳, 冯长春, 肖亮, 等. 北京市居民租赁住房可支付能力及空间分异研究
人文地理, 2019, 34(3): 91-98.

[本文引用: 1]

[Tang

Lin

, Feng

Changchun

, Xiao

Liang

, et al. Research on the affordability of rental housing in Beijing
Human Geography, 2019, 34(3): 91-98.] DOI: 10.13959/j.issn.1003-2398.2019.03.013.

[本文引用: 1]

[27]

Ayuso

, Restoy

. House prices and rents in Spain: Does the discount factor matter?
Journal of Housing Economics, 2007, 16: 291-308. DOI: 10.1016/j.jhe.2007.08.002.

URL [本文引用: 1]

[28]

马冬, 孙秀娅. 中国房地产市场真实租售比探析
学习与探索, 2008, 30(2): 149-153.

[本文引用: 1]

[Ma

Dong

, Sun

Xiuya

. Analysis of the real housing rent-to-price ratio of China's real estate market
Study and Exploration, 2008, 30(2): 149-153.] DOI: 10.3969/j.issn.1002-462X.2008.02.035.

[本文引用: 1]

[29]

Plazzi

, Torous

, Valkanov

. Expected returns and expected growth in rents of commercial real estate
The Review of Financial Studies, 2010, 23(9): 3469-3519. DOI: 10.1093/rfs/hhq069.

URL [本文引用: 1]

[30]

王振坡, 郗曼, 王丽艳. 住房消费需求、投资需求与租买选择差异研究
上海经济研究, 2017, 36(8): 10-20.

[本文引用: 1]

[Wang

Zhenpo

, Xi

Man

, Wang

Liyan

. Study on investment and consumption demands for housing and the difference of housing tenure choice
Shanghai Journal of Economics, 2017, 36(8): 10-20.] DOI: 10.19626/j.cnki.cn31-1163/f.2017.08.002.

[本文引用: 1]

[31]

马欣, 杨君, 浦晓天. 城市住宅租售比空间分布规律研究: 以南京市为例
现代城市研究, 2016, 31(8): 72-78.

[本文引用: 1]

[Ma

Xin

, Yang

Jun

, Pu

Xiaotian

. Research of the spatial distribution of rent-price ratio in urban housing: A case study of Nanjing
Modern Urban Research, 2016, 31(8): 72-78.] DOI: 10.3969/j.issn.1009-6000.2016.07.011.

[本文引用: 1]

[32]

Chen

. China's urban housing reform: Price-rent ratio and market equilibrium
Urban Studies, 1996, 33(7): 1077-1092. DOI: 10.1080/00420989650011519.

URL [本文引用: 1]

[33]

毕正华, 熊毅. 江西房地产泡沫测度及政策建议
江西社会科学, 2014, 34(8): 77-82.

[Bi

Zhenghua

, Xiong

. Real estate bubble measurement and policy recommendations in Jiangxi province
Jiangxi Social Sciences, 2014, 34(8): 77-82.]

[34]

Zhang D

, Liu Z

, Fan G

, et al. Price bubbles and policy interventions in the Chinese housing market
Journal of Housing and the Built Environment, 2017, 32(1): 133-155. DOI: 10.1007/s10901-016-9505-6.

URL [本文引用: 1]

[35]

新华社. 中共中央国务院印发《长江三角洲区域一体化发展规划纲要》. http://www.xinhuanet.com/2019-12/01/c_1125295202.htm, 2019-12-01/2019-12-23.

URL [本文引用: 1]

[Xinhua News

Agency

. The CPC Central Committee and the State Council issued the outline of “the Yangtze River Delta regional integration development plan”. http://www.xinhuanet.com/2019-12/01/c_1125295202.htm, 2019-12-01/2019-12-23.]

URL [本文引用: 1]

[36]

吴福象, 姜凤珍. 租售比、房价收入比与房地产市场调控: 基于区际差异化市场比较的实证分析
当代财经, 2012, 33(6): 80-88.

[本文引用: 1]

[Wu

Fuxiang

, Jiang

Fengzhen

. Price-to-rent, housing price-to-income ratio and real estate market regulation: An empirical analysis based on the comparison between regional market differences
Contemporary Finance and Economics, 2012, 33(6): 80-88.]

[本文引用: 1]

[37]

马志飞, 尹上岗, 乔文怡, 等. 中国医疗卫生资源供给水平的空间均衡状态及其时间演变
地理科学, 2018, 38(6): 869-876.

DOI:10.13249/j.cnki.sgs.2018.06.005 [本文引用: 1]

为正确认识医疗卫生资源空间分布的现状,以医疗卫生资源空间均衡状态及其时间演变趋势为研究内容,采用中国338个地级市为研究样本,运用核密度估计、基尼系数及其分解和LISA时间路径分析等方法,构建国家-区域-市域3个层次的空间均衡分析框架,定量刻画医疗卫生资源空间均衡状态及其时间演变特征。研究结果表明,医疗卫生资源的空间分布正在走向均衡;医疗卫生资源供给水平在三大区域之间的交错程度较高且呈现逐渐增高的趋势;在东部沿海到中部地区的过渡地带存在集中分布的低低集聚区,即医疗卫生资源供给水平同样存在“京汕低谷带”。

[Ma

Zhifei

, Yin

Shanggang

, Qiao

Wenyi

, et al. Spatial equilibrium state and its time evolution of medical health resource supply level in China
Scientia Geographica Sinica, 2018, 38(6): 869-876.] DOI: 10.13249/j.cnki.sgs.2018.06.005.

[本文引用: 1]

[38]

尹上岗, 杨山, 陈艳如, 等. 长三角房价收入比时空演变格局及收敛性研究
地理研究, 2020, 39(11): 2521-2536.

DOI:10.11821/dlyj020190603 [本文引用: 1]

房价收入比是衡量房地产健康状况和探测居民住房支付能力的重要指标。以2008—2018年长三角307个区县为研究单元,运用数值-位序法则和趋势面分析对房价收入比的总体分布特征进行探究,利用LISA时间路径分析房价收入比的时空动态性特征,并检验区域房价收入比的收敛性。结果表明： ① 长三角房价收入比总体上呈上升趋势,空间上表现为东高西低、南高北低的格局,上海、浙江、江苏和安徽依次降低。② 上海和浙江南部房价收入比的空间结构更具动态性,而江苏和安徽更加稳定;长三角房价收入比的空间演化整体上具有较强的空间锁定效应和空间整合性。③ 长三角区县房价收入比整体上不存在σ收敛,但各时间段上均存在显著的绝对β收敛,且各省份内部也均存在着俱乐部收敛现象。城市群房价收入比的变动对居民的流动有着重要的指示作用,并具有扩散效应和虹吸效应。加强城市群房地产市场一体化建设,是促进城市群区域一体化发展的有效途径。

[Yin

Shanggang

, Yang

Shan

, Chen

Yanru

, et al. Spatial-temporal evolution patterns and convergence analysis housing price-to-income ratio in Yangtze River Delta
Geographical Research, 2020, 39(11): 2521-2536.] DOI: 10.11821/dlyj020190603.

[本文引用: 1]

[39]

Rey S

, Murray A

, Anselin

. Visualizing regional income distribution dynamics
Letters in Spatial and Resource Sciences, 2011, 4(1): 81-90. DOI: 10.1007/s12076-010-0048-2.

URL [本文引用: 1]

[40]

Ye X

, Rey

. A framework for exploratory space-time analysis of economic data
The Annals of Regional Science, 2013, 50(1): 315-339. DOI: 10.1007/s00168-011-0470-4.

URL [本文引用: 1]

[41]

Li Z

, Hu M

, Wang Z

. The space-time evolution and driving forces of county economic growth in China from 1998 to 2015
Growth and Change, 2020, 51(3): 1203-1223. DOI: 10.1111/grow.12412.

URL [本文引用: 1]

[42]

王劲峰, 徐成东. 地理探测器: 原理与展望
地理学报, 2017, 72(1): 116-134.

DOI:10.11821/dlxb201701010 [本文引用: 1]

空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。

[Wang

Jinfeng

, Xu

Chengdong

. Geodetector: Principle and prospective
Acta Geographica Sinica, 2017, 72(1): 116-134.] DOI: 10.11821/dlxb201701010.

[本文引用: 1]

[43]

Wang J

, Li X

, Christakos

, et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China
International Journal of Geographical Information Science, 2010, 24(1): 107-127. DOI: 10.1080/13658810802443457.

URL [本文引用: 1]

[44]

李在军, 尹上岗, 张晓奇, 等. 中国城市流动人口房租收入比时空格局及驱动因素
地理科学, 2020, 40(1): 103-111.

DOI:10.13249/j.cnki.sgs.2020.01.013 [本文引用: 1]

针对2012~2016年中国城市不同职业流动人口房租收入比时空变动特征及驱动力的研究表明：①流动人口房租收入比整体上呈“东高西低,南高北低”分异态势,较高及以上等级房租收入比地市集中于东部沿海发达地区及中西部省会城市。②各职业房租收入比逐渐形成金字塔形结构,但职业间房租收入比差距较大。③东部地区流动人口房租收入比多呈向下和平稳混杂分布,中部地区呈向下、平稳和向上镶嵌分布,西部地区以平稳为主,向上转移为辅。④经济、人口、社会及预期因素对房租收入比的解释力依次降低,消费水平、租赁户比例、地产投资密度、人口吸引力及收入水平是影响房租收入比的关键因素。

[Li

Zaijun

, Yin

Shanggang

, Zhang

Xiaoqi

, et al. The spatial-temporal evolution and driving factors of floating population's rent income ratio in prefectural city of China
Scientia Geographica Sinica, 2020, 40(1): 103-111.] DOI: 10.13249/j.cnki.sgs.2020.01.013.

[本文引用: 1]

[45]

陈明华, 刘玉鑫, 王山, 等. 金融发展对城市经济差距的影响效应及传导路径: 基于长三角地区产业分解的经验考察
城市问题, 2020, 39(3): 57-67.

[本文引用: 1]

[Chen

Minghua

, Liu

Yuxin

, Wang

Shan

, et al. Influence and transition path of financial development on urban economic gap: An empirical study based on the industrial decomposition in the Yangtze River Delta Region
Urban Problems, 2020, 39(3): 57-67.] DOI: 10.13239 /j.bjsshkxy.cswt.200307.

[本文引用: 1]

[46]

韩海燕, 何炼成. 以金融危机为契机转变经济增长方式
中国流通经济, 2009, 23(7): 50-53.

[本文引用: 1]

[Han

Haiyan

, He

Liancheng

. Changing the pattern of economic growth by taking advantage of the global financial crisis
China Business and Market, 2009, 23(7): 50-53.] DOI: 10.3969/j.issn.1007-8266.2009.07.015.

[本文引用: 1]