中国区域房地产经济发展水平空间统计分析——全局Moran#39;s I、Moran散点图与LISA集聚图的组合研究，本文主要内容关键词为：组合论文,统计分析论文,全局论文,中国论文,经济发展水平论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言
房地产为人类的社会生产活动提供入住空间或物质载体[1]，在国民经济中具有基础产业和支柱产业的双重地位，对推动各区域经济增长具有不可替代的作用。随着中国房地产业的不断壮大，地产经济正逐步被学界所关注。目前学界主要围绕房地产经济与社会经济的关系、房地产市场、房地产价格、房地产政策几个方面展开研究，代表性学者主要包括刘洪玉[1-6]、郑思齐[2-4]等。中国幅员辽阔、区域间经济发展极度不平衡[7]，房地产业在发展过程中存在着明显差异性，这种差异性的长期存在和过分扩大，不仅会影响到房地产业的整体生产效率，也不利于资源的有效配置[8]。因此，缩小区域间的发展差距使其协调发展应成为未来研究的重点[7]。目前国内外文献对多指标综合评价采用的方法，大致分为以层次分析法、模糊综合评判法、德尔菲法为代表的主观赋权法和以主成分分析法、灰色关联度法、因子分析法为代表的客观赋权法。但大多是对静态指标进行评价，而反映区域房地产经济发展状况的关键是动态评价。同时，房地产具有明显的地域特征，本质上空间数据具有互相不独立性、空间异质性、不可重发性。将经典统计原理直接运用于空间数据，其结论将是具有偏和非最优的[9]。而目前空间计量经济分析方法运用范围较为广泛，涉及环境[10]、纺织业[11]、金融[12]、能源[13]、经济[14]等。基于此，本研究在结合我国区域房地产经济发展特点的基础上，将空间统计分析方法运用到房地产经济发展中，根据变形后的时序多指标模型原理来确定指标间权重，采用差异系数、全局Moran's I、Moran散点图和LISA集聚图，来探索中国31个省份2000～2009年房地产经济发展水平在空间上的分布特征以及格局的动态演变过程，揭示房地产经济发展与空间地理位置的异同，实现了产业经济发展水平空间统计分析的创新，更期能为我国区域房地产业的可持续发展、差异化管理以及政策制定提供理论依据。
1 基于文献回顾的中国区域房地产经济发展水平指标体系构建
目前国内外房地产经济发展问题的研究成果很少且比较分散，如Zhang Yuan-yuan等[15]建立中国城市房地产开发指标体系，通过主成分分析和层次聚类法对2007年中国30个城市房地产进行实证分析；Wu Fu-long[16]以上海为例，提出房地产发展三个假设，并研究在中国过渡经济中房地产投资动态以及对城市空间的影响；Chen H X等[17]在建立柯布-道格拉斯生产函数的基础上，提出房地产开发行业的经济增长类型应从粗放型向集约型过渡；Qi Xijing等[18]采用改进的公式，说明房地产与其他行业和社会经济环境密切相关，房地产经济的发展促进沈阳整体经济发展；Wang Song-tao等[19]基于生活质量理论和B-S影响，研究了城市经济开放、贸易额占GDP的比重以及城市房地产市场价格之间的关系；Marcelo Bianconi[20]利用房地产日常交易股票价格数目分析了巴西全国房地产行业公司的市场表现和波动；Sungjoo Hwang等[21]开发出集成和动态模型分析在抵押贷款政策影响下的房地产市场。
同时，对房地产经济发展水平指标分析尚未统一。据此，本研究对相关文献进行梳理，从研究时间、作者、评价类别和评价指标四个维度进行如下总结，见表1。
从上表可以看出，房地产经济发展水平研究目的的不同，在指标的选择上也会不尽相同。郭大波仅以房地产价格作为衡量指标，对广东省房地产经济发展的区域差异现状和原因进行深入分析。虽然其余学者在评价类别上有所区别，但在评价指标的选择上具有相似性。本研究根据全面性、科学性与可行性的原则，全部采用绝对性指标，构建出房地产经济发展水平指标体系，见下页图1。
2 研究方法介绍
本研究融合变形的时序多指标模型、差异系数、全局Moran's I、Moran散点图和LISA集聚图多种方法于一体，对中国房地产经济发展水平的内在规律及其数据的自身特性进行全面分析，其整体研究思路如下页图2所示。
首先，将时序多指标模型中关于确定评价指标间加权向量的方法变形后运用到解决一般多指标综合评价问题；然后，利用差异系数来反映中国区域房地产经济发展水平是否存在差异性。基于此，结合空间统计分析的方法从整体到局部、由表及里地深入研究中国区域房地产经济发展水平状况，具体如下。
第一，指标标准化。
为避免各评价指标的量纲或量纲单位的不同带来影响，事先将数据进行标准化处理。即通过对原始数据线性变换，使其值落到[0，1]。考虑到建立的房地产经济发展水平指标均属于效益型指标，即属性值越大越好，因此，其标准化公式如下：
其中，i表示区域个数;j表示房地产经济发展水平指标；
表示区域i的第j个房地产经济发展水平指标标准化后的数值；
表示区域i的第j个房地产经济发展水平指标的属性值；
表示所有区域中第j个房地产经济发展水平指标的最大值；
表示所有区域中第j个房地产经济发展水平指标的最小值。
第二，确定指标间的加权向量。
利用各区域当年的数据构造出单目标子规划模型如下：
其中，
表示区域i当年房地产经济发展水平值；
表示房地产经济发展水平指标j对应的权重；w表示房地产经济发展水平指标间的权重向量。
解此最优化模型，得到加权向量表达式如下：
第三，计算出每年各省份房地产经济发展水平。
3 房地产经济发展水平测算
根据构建的房地产经济发展水平指标体系和确定权重的方法，从《中国统计年鉴》（2001～2010）[27]中搜集中国31个省份2000～2009年房地产经济面板数据，计算出指标间的权重及区域房地产经济发展水平，分别见表2和第31页附表1。需要指出的是，由于《中国统计年鉴》（2005）中房地产开发企业个数、从业人员、经营总收入和利润这四个指标的数据有所缺失，因此本研究不对2004年中国房地产经济发展水平进行实证分析。
为了形象地显示出中国房地产经济发展水平是否存在区域化集群的特征，并考察其分布是否与空间地理位置相一致。根据附表1的数据，计算出9年房地产经济发展水平的平均值，利用GeoDA095i软件进行聚类分析，其结果如图3所示。
从上图可以看出，中国区域房地产经济发展水平存在差异性，三大类别的分布基本上与空间地理位置相一致，即从东到西房地产经济发展水平依次递减。其中，天津、河北位于东部地区，但房地产经济发展水平居中；中部地区的吉林、山西分别以第一、二产业为主，均属于房地产经济发展水平最低的一类；重庆属于直辖市，四川是西南地区经济、贸易、交通运输要脉，两者的房地产经济发展水平与东部地区持平。
4 中国区域房地产经发展水平差异性研究
针对我国房地产业存在区域不平衡、地区差异较大的现状，首先采用变异系数来测算区域房地产业发展潜力的整体差异，其计算公式如下：
其中，CV表示差异系数；
表示房地产经济发展水平的均值；n表示区域个数；
表示区域i的房地产经济发展水平。CV数值越大，表明区域房地产经济发展水平差异越大。
根据附表1的数据，利用上述公式，计算出各年份中国区域房地产经济发展水平的差异系数，其结果见表3。
中国区域房地产经济发展水平差异系数在9年间一直处于比较稳定的状态，说明各省份以相近的发展速度维持现有差异状况。自2002年以后差异系数开始逐渐减小，说明区域房地产经济发展水平逐渐趋同。同时，由于中国入世后，部分省市取得较明显的先发优势，吸引外商对中国房地产进行置业投资，很大程度上改善了房地产开发融资渠道，并且房地产资产管理与房地产投资顾问公司将具有良好的发展前景[2]，使2001年差异增长幅度最大。以各省份房地产经济发展水平差异系数（见第32页附表2）为基础，利用GeoDA095i软件，输出房地产经济发展水平差异系数聚类图（见图4）。
根据聚类结果，东、中部省份除江苏、河北、海南、湖南和安徽以外，房地产经济发展水平波动性普遍偏低，说明其发展达到较为稳定的局面；西部省份在三大类均有分布，呈现出不同的波动状态，这与该省份的自然条件、资源状况、经济技术条件、产业结构类型、政府采取的宏观措施密切相关。其中，西藏的差异系数高达0.979，说明其房地产经济发展水平在这9年间波动最为明显。
5 中国区域房地产经济发展水平全局空间统计分析
差异系数是一个与地理位置无关的数值，仅反映数据之间的离散程度[28]，为进一步对我国区域房地产经济发展水平的不平衡性和全局空间自相关进行研究，在此引入全局Moran's I。
全局Moran's I用于反映空间邻接或空间邻近的区域单元观测值整体的相关性和差异程度[29]，其计算公式如下：
其中：I表示全局Moran's I；
表示区域i的房地产经济发展水平；
；
表示空间权重矩阵，一般写成N维的矩阵W（n×n），常通过空间邻接和空间距离来确定。本研究选择基于Rook的空间邻接方式，即若区域i与j属于邻接关系，则=1；反之，=0。并规定区域i与其自身不属于邻居关系，即=0。
全局Moran'sI的取值范围是[-1，1]。当I＞0，表示空间正相关，即房地产经济发展水平较高（或较低）的区域在空间上趋于显著集聚；当I＜0，表示空间负相关，即该区域与周边区域的房地产经济发展水平具有空间差异；当I=0，表示空间不相关，即各区域房地产经济发展水平评价值在空间上随机分布。
通常，对计算出的全局Moran's I，利用公式（7）进行Z检验[30]。
根据附表1的数据，利用上述公式，计算出中国区域房地产经济发展水平的全局Moran's I，见表4。
上表中的Moran's I均大于0，且至少通过5%显著性水平检验，说明我国以东部地区省份为主的房地产经济发展水平较高的区域和以西部地区省份为主的房地产经济发展水平较低的区域呈现出两极集聚。同时，这种空间趋同效应在这9年间越来越明显，这可能暗示着区域之间存在近邻效应，即某区域的房地产经济发展水平依赖于邻近区域的房地产经济发展水平状况。
6 中国区域房地产经济发展水平局域空间统计分析
为进一步衡量每个区域与周边地区的局部空间关联、空间差异程度以及空间格局的分布，本研究选用Moran散点图和LISA集聚图对中国区域房地产经济发展水平进行空间统计分析。
6.1 Moran散点图分析
将变量z与空间滞后变量（WZ）之间的相关关系，以散点图的形式加以描述，则构成Moran散点图[31]。为直接反映各区域房地产经济发展水平空间相关性的类型及其空间分布状况，在附表1数据的基础上，利用GeoDA095i软件，输出各年份中国31个省份房地产经济发展水平Moran散点图（以2009年为例），并由区域房地产经济发展水平空间相关性类型变迁（见第32页附表3），汇总出区域房地产经济发展水平演化路径，见表5。
从每个省份来看，大部分省份的房地产经济发展水平在9年间均处于比较稳定的状态。海南在2008年由LH象限跨越到LL象限，但房地产经济发展水平一直偏低，这与其所处地理位置密切相关；安徽和湖南分别在2000～2006年和2000～2007年处于LH象限，通过加强房地产业建设，缩小与周边地区的空间差异程度，现均已进入HH象限；河南的房地产经济发展水平在观测期内依次经历LL、HL和HH三象限，这是自身努力以及与周边地区不断竞争的结果；湖北与周边地区在前8年房地产经济发展水平较为落后，而在2009年超过周边地区进入HL象限。
从三大区域来看，东部地区的上海、江苏、浙江、山东、福建5个省份具有相同的发展趋势，这不仅说明房地产经济发展水平具有一定的协同机制，而且从整体上提高了东部地区房地产经济发展水平；北京和广东的房地产经济发展水平均优于周边地区，而天津和海南则相反。中部地区除了安徽、河南和湖南在观测期末进入HH象限，整个地区的房地产经济发展水平普遍偏低。其中，安徽、江西和湖南的周边地区一直具有较高的房地产经济发展水平。西部地区的重庆和四川房地产经济发展水平均优于周边地区，而广西则相反。但由于位于LL象限的省份居多，因此降低了西部地区整体的房地产经济发展水平。
从各象限来看，每个象限所包含的省份及数目都比较稳定。通过Moran散点图中的HH象限和LL象限两类明显的空间分异区域体现出空间异质性。其中，上海、江苏、浙江、山东、福建等处于HH象限，说明房地产经济发展水平较高的地区集中在东部。而内蒙古、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆等处于LL象限，说明房地产经济发展水平较低的地区集中在西部。这验证了房地产经济发展水平在空间上呈现出两极集聚的现状。北京、辽宁、广东属于经济最发达的地区，同时具备强大的房地产经济实力，然而与其相邻接的省份如广西、桂林等房地产经济发展水平较为落后，因此三者处于HL象限。同理，天津和河北虽然与山东、北京等房地产经济发展水平较高的省份相邻，且天津经济发展超过山东，但并没有带动其在房地产业上的发展，这还与该省份自身发展特点有关。因此，天津和河北处于LH象限。
以上三个层面，反映出中国区域房地产经济发展水平一直存在着空间自相关和空间异质性，同时已形成较为稳定的空间格局，即从东到西房地产经济发展水平依次递减。
6.2 LISA集聚图分析
鉴于Moran散点图不能判断各地区的局部相关类型及其聚集区是否在统计意义上显著，在附表1数据的基础上，利用GeoDA095i软件，输出中国区域房地产经济发展水平的LISA集聚图（以2009年为例）。
上图四个象限的省份均通过了5%的显著性水平检验。将观测期间内的LISA集聚图结果汇总，见表6。
从集聚效果来看，除了安徽在2007年具有明显的跨越现象（从LH象限到HH象限），四个象限所包含的省份大多比较稳定。其中，HH象限的省份数目最多，LL象限次之。HH象限以东部省份居多，LL象限均是西部省份。而HL象限只有四川，LH象限主要包括海南和江西，说明该省份与周边地区的房地产经济发展水平一直存在较大的差异。
从协同发展的角度来看，处于HH象限的省份数目在不断增加。福建、江苏、上海、浙江4个省份是相邻的，其区域房地产经济发展水平的协同发展效应很明显；处于LL象限的省份数目整体上也在不断增加，其中新疆和内蒙古的房地产经济发展水平明显偏低。两象限说明房地产经济发展水平在空间上的两极集聚现象越来越明显。
7 结论与展望
针对我国房地产业在发展过程中存在着区域不平衡、地区差异较大的现状，本研究从全局空间和局部空间两个角度，将空间统计分析的方法运用到房地产经济发展研究中，深入探索中国区域房地产经济发展水平在空间上的分布特征，实现了产业发展水平空间统计分析的创新。研究发现，中国区域房地产经济发展的分布与空间地理位置划大体一致，即从东到西房地产经济发展水平依次递减；整体差异系数逐渐较小，说明区域房地产经济发展水平正逐步趋同。从各省份的差异系数来看，东、中部房地产经济发展水平波动性普遍偏低，而西部的西藏在9年中波动最为明显；房地产经济发展水平一直存在显著的空间自相关和空间异质性，这呈现出近十年区域房地产经济发展水平在空间上的演变过程；目前中国区域房地产经济发展水平已形成较为稳定的空间格局。根据本研究成果，提出房地产经济发展优化途径：对LL象限的省份，政府应作为重点关注对象，通过给予优惠、鼓励政策，采取区域房地产经济协作来提升该象限省份的房地产经济发展水平，进而缩小全国房地产经济发展水平的差异，促进各区域可持续发展；对HL和LH两象限，可以采取富邻措施，加强区域房地产经济发展水平高与低的省份相互合作。
基于空间统计分析理论，本研究只是对区域房地产经济发展水平的分布特征进行了初步探索，其本质上属于描述性分析。而房地产经济发展水平及区域差异性的形成机理将是未来进一步的研究方向。
