房地产市场是一个典型的区域型市场,我国地大物博、城市众多并且不同城市间存在较大的经济水平发展差异,房地产市场的发展存在着明显的层级差异性,表现出显著的城市不均衡性。房地产市场价格作为房地产市场发展的晴雨表,也表现出了显著的关联性和差异性。房地产价格发生变动时,一个常见的现象是中心城市的住宅价格首先出现一定程度波动,导致周边城市房价也发生变化,这种价格波动上的相互关联的特性被称为波纹效应。本文以这一理论为基础,探究我国房地产市场间是否存在关联效应,若存在,则对我国房地产市场内在关联效应的传导机制作深入剖析,如传导方向、传导速度与传导时滞等。本文以国家制定相关政策主要参照的我国70个大中城市为研究对象,将我国房地产市场的交易房源划分为新房、二手房、租赁住房三种模式。首先,在网络大数据的背景下,利用网络爬虫技术抓取了2019年8月1日至12月31日的房屋交易数据,筛选出拟合效果最佳的Hedonic价格指数模型形式,分别构建新房、二手房、租赁住房三个市场的实时日度特征价格指数,并进行了指数质量检验,得到与传统月度或季度指数相比更高频、更稳定、更即时的数据。然后,选取全国70个大中城市市辖区年末人口总数、市辖区GDP以及市辖区房地产开发投资额这三个指标,按照K-均值方法将其划分为一线、二线和三线城市。并进一步对不同等级城市的房价和变异系数做统计分析。此外,Morans’I空间相关性检验表明,我国房价呈现出显著的正向空间相关性,表明城市房价间存在关联效应。最后,根据前文编制的特征价格指数构建VAR模型,并进行Granger因果检验和广义脉冲响应函数分析,分别对三种类型房源中不同层级城市之间的内在关联效应进行分析。结果显示,较发达城市的住宅价格具有“领跑”作用。一线城市的住宅价格首先发生波动,最后带动二线、三线城市房价产生波动,在短期内,三线城市相对独立,与其他城市的联系比较少。此外,相对发达一些的城市对其他城市产生的溢出效果更为强烈,也就是说,一线城市的溢出强度往往比二线、三线城市更明显,它们的溢出速度也能够更快地到达最高点。本文的主要贡献与创新点主要体现在:（1）选取全国70个大中城市的新房、二手房、租赁住房的住房价格指数作为研究对象,利用网络爬虫技术抓取房地产的日度交易数据。摒弃了传统指数的数据获得来源,提高了数据收集频率,并全面展现了我国房地产行业的发展现状。（2）本文通过对我国70个大中城市进行聚类分析,将其划分为一线、二线、三线城市,立足于城市层级差异角度进行研究。打破了传统的以地理位置划分区域的做法,分别探究不同层级城市之间房地产价格的内在关联效应,拓宽了研究视野。总的来讲,本研究对我国房地产市场理论进行研究,丰富了理论研究方法和实证内容,并对其内在传导机制进一步探究,并根据研究结果作为分析依据,对我国房地产业未来发展提出合理化建议。政府的调控措施应针对各种情况制定,因地制宜,充分考虑不同房源、不同层级间的房地产发展情况,从而使调整具备更强的针对性、精准性,使国房地产市场发展地更加稳定。