现如今,我国房地产行业快速发展,对国民经济产生了至关重要的影响,实践表明各城市房价之间存在着较强的联动性,房价变动具有“涟漪”效应,因此,研究房价之间的联动关系对国民经济健康发展尤为关键。本文首先构建时空链图和时空自回归图模型,并利用VAR图模型方法识别时空变量间的联动关系。在图VAR模型中,假设模型的自回归矩阵和逆协方差矩阵为稀疏的,用有向图表示格兰杰因果关系,无向图表示同期的偏相关关系。为了同时估计模型参数,利用了基于Lasso正则化的nets估计算法,该算法避免了传统方法的局限性,为变量参数的一致选择和估计建立了条件。将时空自回归图模型应用于我国70大中城市房价联动分析,基于2005年6月至2019年12月中国70大中城市房价指数数据构建图向量自回归模型,并针对联动关系进行网络特征分析、块模型分析等刻画了中国70大中城市房价市场之间的联动关系。研究结果表明:中国大中城市房价联动呈现显著的网络结构形态,且通达性好、稳定性高,一线城市和二线较强城市的房价波动影响力较大,在网络中处于中心位置。北京、上海、广州、郑州等城市,在网络中具有房价“引领”的作用,房价的波动会影响到周边城市并随之蔓延,而三、四线城市及比较偏的地区如:贵阳、岳阳、遵义等,房价主要受到其他城市影响较多,在网络中处于“跟随”位置。然后对70大中城市根据联动程度强弱进行分块分析,主要分为北京、上海、郑州等13个城市为溢出板块,海口、贵阳、三亚等15个城市为受益板块,杭州、南京、天津等25个城市为强关联中介板块,大理、唐山、九江等17个城市为弱关联中介板块。最后,针对我国70大中城市房价之间存在的联动性特征,提出科学合理的房价调控建议。