论文部分内容阅读
摘要：利用2001—2013年的281个地级市及以上城市面板数据，运用空间计量模型，研究土地供给对房价的空间影响，并进一步分析中国房价快速上涨的成因。研究发现：首先，从全国来看，房价对土地供给的总弹性为-00532，说明土地供给减少推高房价；土地供给的空间溢出效应显著为负，若不考虑空间溢出效应，将会高估土地供给对房价的直接效应。其次，土地供给的空间效应还存在时空差异，2003年后东部土地供给的空间效应大于中西部地区，表明土地供给政策向中西部倾斜导致东部地区房价进一步上涨。此外，研究还发现工业用地面积占比对房价也有重要影响。因此，为抑制房价过快上涨，需要深化土地供给侧改革，增加东部土地供给总量，并调整土地供给结构，防止工业用地过度扩张。
关键词：房价；空间计量；土地供给；空间溢出效应
文章编号：2095-5960（2017）01-0014-11
中图分类号：F061.6
文献标识码：A
一、引言
自2003年以来，中国房价快速上涨，引起社会极大关注。2002年全国商品房平均销售价格为2250元/平方米，而2013年提高到6237元/平方米①①数据来源于《中国房地产统计年鉴》。
，上涨了177.20%，而且东部城市比中西部城市平均房价上涨幅度更大（如图1所示）。为避免房价过快上涨，维持住房市场的稳定，中央政府先后从限贷、限购、限价、房产税、保障性住房建设等多个方面入手，相继出台了一系列严厉的措施，包括
“国八条”②②《国务院办公厅关于切实稳定住房价格的通知》（国办发明电〔2005〕8号）。
、“国六条”③③《国务院办公厅转发建设部等部门关于调整住房供应结构稳定住房价格意见的通知》（国办发〔2006〕37号）。
等，然而，这些政策收效甚微，未能真正抑制住房价快速上涨。显然，进一步认识房价上涨的成因，有利于调控房价。
学术界对房价上涨的原因进行了大量研究，普遍认为推高房价的主要因素是城市土地供给。其中，许小年（2011）认为中国房价的上涨与人为的土地供应控制有关。[1]一方面，为了保护耕地，国家制定了18亿亩耕地红线，严格限制土地供给；而人口、收入与城镇化水平一直在不断提高，使得土地的供需矛盾加剧，进而导致房价上涨。另一方面，为了平衡区域发展，2003年以来中央开始实行倾向于中西部的土地供给政策，相应压缩东部地区的土地供给，使得东部地区房价进一步地上涨。[2]此外，从地方政府角度来看，在中国土地供给一级市场上，地方政府拥有垄断权，土地供给不足也是地方政府行为的作用。[3]地方政府出于晋升激励和财政压力，一方面，低地价甚至零地价出让工业用地进行招商引资，促进地方经济增长，因而获得财政收入与晋升筹码；另一方面，地方政府限制居住用地的供给量，使得住宅用地难以满足市场需求，导致房价、地价上涨，进而增加地方政府的土地出让收入，为地方建设融资[4][5]。在土地供给市场上尽量扩大工业用地而压缩住宅用地是地方政府的理性选择。2003—2013年间住宅用地面积占建设用地面积的比重全国平均水平仅为31%，而一线城市住宅用地占比还低于30%①①数据来源于《中国城市建设统计年鉴》，作者整理。
[11]的研究则发现台北的房价与周边城市房价存在明显的相互作用，但是对较远的城市影响不明显。国内一些学者分别以中国35个大中城市和285个地级市及以上城市的房价为研究样本，证实了空间溢出效应的存在[12][13][14]。其次，现有实证研究大多采用时间序列或面板数据模型，但由于假定样本之间不存在空间自相关和异质性，模型估计结果有偏且不一致[15][16]。
综合以上分析，本文拟基于空间溢出视角，运用空间德宾模型，并利用2001—2013年中国281个地级市及以上城市的面板数据集，研究土地供给对房价的空间影响，并把空间效应分解为直接效应、间接效应与总效应。与既有研究相比，本文的贡献主要在于三个方面：第一，充分考虑了区域间的空间交互作用，实证模型估计更为可靠，同时还构建了不同空间权重矩阵并进行稳健性检验；第二，首次使用来自2001—2013年281个地级市的面板数据集，其大样本数据可以进行更为深入的分析；第三，进一步分析了土地供给变化对房价的空间影响，有利于更好地认清中国房价上涨的根源，并有利于政府对房地产市场进行调控。
二、
土地供给政策背景与理论分析
（一）土地供给的政策背景
中国实行严格的建设用地指标控制和用地审批制度，土地由政府垄断供给。对于每一年度的土地供给计划指标，国土资源部根据全国土地利用年度计划总量控制指标建议以及省、自治区、直辖市上报的计划指标建议，编制全国土地利用年度计划草案。草案须依次上报国务院审定及人大审议通过后再下达各地正式执行①①《土地利用年度计划管理办法》第九条。且土地利用年度计划一经批准下达，必须严格执行②②《土地利用年度计划管理办法》第十三条。
为了保护耕地，平衡区域发展，国家自2003年开始实行倾向中西部的土地供给政策。[2]从图2可以看到，自2003起年全国审批建设用地增长率明显下降，多数年份土地供给增长率甚至为负③③在2009年有明显的增幅，可能是2008年金融危机后国家经济刺激的作用。
，说明国家土地供给总量是收紧的。而图3表明自2003年起中西部的土地供给在相对增加，因为中西部建设用地审批面积占全国建设用地审批面积的比重自2003年呈现上升趋势，总建设用地审批面积占比从2002年的476%上升到了2013年的6663%。另外，中西部的土地出让面积占全国总出让面积的比重在2003年之前是下降的，而此后从2003年的3155%一直上升到2013年的5586%。
2015年中国土地勘测规划院发布了《全国城镇土地利用数据汇总成果分析报告》④④中国土地勘测规划院.指出2009—2014年，全国城镇住宅用地面积累计增幅为230%，且增幅由2010年的53%下降至2014年的36%，呈放缓趋势。自2011年起，中、西部地区的城镇住宅用地年度增幅维持在5%、6%左右，均大于东部地区的年度增幅。自2009至2014年间，对于不同规模城市，其住宅用地的年度增幅也呈现出“小城市>中等城市>大城市>特大城市和超大城市”的特征。简而言之，近十年来土地供给政策表现为：土地供给总量增长减缓并且向中西部地区偏移。 （二）理论分析
根据空间经济学的定义，本地城市的土地供给变化对本地城市房价的影响被称为“直接效应”；而本地城市的土地供给变化对周边其他城市房价的影响被称为“间接效用”，也即溢出效应；并把直接效应与间接效应之和定义为“总效应”[17]。
显然，如果各个城市是封闭的或相互独立的，那么就不会存在空间溢出效应，土地供给的直接效应就等于总效应。但是，如果人口、资金以及资本等要素在区域之间可以自由流动，那么就会产生空间溢出效应，土地供给的直接效应也会降低。[18][19]换句话说，本地城市土地供给变化对本地房价的影响会扩散到周边城市。原因在于，当其他条件不变时，本地城市减少土地供给量，则本地城市住房供给就会受到限制，导致房屋供给不足，本地城市房价上涨，土地供给的直接效应为负；同时，由于可供利用的土地减少，本地城市房价以及土地使用成本都将上升，从而迫使企业和居民可能向周边城市转移，进而增加周边城市的住房需求，导致周边城市房价上涨，土地供给的溢出效应也为负；而本地城市由于企业和居民的流出，住房需求减少，房价下降，这部分抵消了本地城市房价上涨幅度，进而直接效应下降。
综合以上分析可知，土地供给对房价的直接效应与空间溢出效应为负，同时，直接效应要小于不考虑空间溢出效应时的水平。另外，土地供给总量减缓且向中西部地区倾斜，导致东部地区土地供给不足，因此，东部地区房价要比中西部上涨得更快。换言之，倾向中西部的土地供给政策进一步推升了东部房价。
三、实证模型、
变量选取与数据说明
（一）实证模型
比较常用的空间计量模型主要是空间自相关模型（SAR）、空间误差模型（SEM）和空间德宾模型（SDM）。SAR模型主要研究相邻地区对主体行为直接产生的影响，SEM模型通过误差项的相互影响来表现空间关系，而SDM模型是SAR模型和SEM模型更广义的形式，优点在于同时考虑了自变量和因变量的空间相关性[15]。SAR、SEM和SDM模型的具体形式分别如下：
维空间权重矩阵，Wij为矩阵W的元素。空间权重矩阵是进行空间计量分析的关键，根据需要可以设定不同的权重矩阵，不同的权重矩阵得到的计量估计结果也可能产生很大的差异。因此本文首先选取国内学者普遍采用的邻结矩阵作为基准模型，然后分别以地理距离矩阵、引力矩阵作为稳健性检验。邻结矩阵的取值方法为如果两个地区相邻，那么Wij取值为1，否则取值为0，最后对矩阵W进行行标准化。
（二）变量选取与数据来源
因变量房价为商品房屋销售单价（元/平方米），具体用《中国区域经济统计年鉴》固定资产投资表中的“商品房销售额”除以“商品房销售面积”得到，并使用CPI将其折算为以2000年不变价表示的实际值，然后取对数，用lnhp表示。
关于核心变量土地供给，考虑到商品住宅用地必须以出让方式供给，相应的土地出让面积也更为直接地影响房价，因此，土地供给指标用各城市国有建设用地出让面积（公顷）来表示，并取对数，符号为lnland，相应数据出自历年《中国国土资源年鉴》；同时，考虑到从土地出让到形成房屋供给需要一定时间且为缓解模型内生性，使用滞后一期的土地出让数据。
关于控制变量。考虑到并非全部土地出让面积都用于住房建设，其中也有一部分属于工业用地，还考虑到地方政府在土地市场上扩张工业用地，相对缩减住宅用地供给从而提高房价，借鉴范剑勇等（2015）[5]的做法，使用工业用地占城市建设用地面积比重这一变量控制用地结构的影响，用变量Ril表示，并取滞后一期，数据来源于《中国城市建设统计年鉴》。通常收入水平越高，对住房需求越大，房价可能越高；用人均GDP控制收入水平的影响，并利用CPI指数平减，然后取对数，用lngdp表示。考虑到中国相当部分购房者需要通过贷款买房，借鉴李永友（2014）[12]的做法，用金融便利性来衡量融资约束对居民住房需求的影响，具体度量采用市辖区银行贷款占市辖区GDP比重，用Loan表示；人口密度与人口增长率两个人口变量主要反映购买压力，分别用lnden和Pgr表示，通常购买压力越大，房价越高，预期符号为正；工业化水平用第二产业占GDP的比重，用Seco表示，通常工业化水平越高，对土地与住房需求越高，从而房价可能越高，预期符号为正。另外，考虑到城市公共服务差异影响住房品质，进而资本化为房价的一部分，而城市市政公用设施建设固定资产投资主要用于城市供水、燃气、集中供热、公共交通、道路桥梁、排水、防洪、园林绿化、市容环境卫生建设等，因此本文选择城市市政公用设施建设固定资产投资占城市GDP的比重来反映市政公共服务的相对水平，用变量Amen表示。另外，用普通中学每万学生中教师占比作为教育水平的代理变量，用变量lnedu表示。以上控制变量中，人均GDP、金融便利性、人口密度、人口增长率以及工业化水平、教育水平的相关数据均来自历年《中国城市统计年鉴》，且为确保数据的准确性，使用市辖区数据。另外，由于《中国城市统计年鉴》未公布2001和2002年城市贷款数据，用《中国区域统计年鉴》中的工商业贷款作为替代；城市市政公用设施建设固定资产投资数据来自于历年《中国城市建设统计年鉴》。
四、实证结果分析
（一）空间相关性检验
I值都是显著为正的，平均值为0315，且从2001年到2013年整体呈现上升趋势，说明地区间房价存在空间上的正相关而且空间关联效应是增强的；表现为高房价城市集中在东部地区，低房价城市集中在中西部地区，全国整体呈现“高—高”和“低—低”集聚分布特征。此外，在OLS模型基础上，对模型的空间自相关和空间误差相关进行了LM和R-LM检验，相关检验结果是高度显著的，拒绝不存在空间效应的原假设，因而采用空间计量模型估计是合适的。
（二）空间模型的估计结果及讨论
本文采用极大似然法进行估计，Hausman检验结果表明固定效应模型要优于随机效应模型，同时个体固定效应和时间固定效应的联合检验表明双向固定效应模型较为适宜。另外，根据Lee基于表3的SDM模型，进行综合比较分析，发现如下几个特征： （1）土地出让面积对本地房价起负向作用，而且溢出效应也显著为负。从表3的SDM模型估计可以看到lnland的系数为负，这说明本地土地供给的减少将导致本地房价上涨。这跟预期是一致的，因为土地出让面积的减少，住房供给量减少。另外，相比于不考虑空间效应的模型，lnland的系数绝对值有所下降，这种差异是受到空间溢出效应作用的缘故。模型中W×lnland的系数显著为负，说明其他地区增加土地供给，本地房价将会下降，或者本地增加土地供给，能够降低其他地区房价。符合前文理论分析。
（2）工业用地面积占比提高不仅可以推升本地城市房价，而且对周边城市房价也起正向作用。在表3的SDM模型中Ril的系数显著为正，说明本地工业用地占建设用地的面积比重越高，本地房价也越高，地方政府大量出让工业用地而挤占居住用地，从而推高房价。另外，W×Ril的系数也是显著为正的，说明工业用地面积占比的溢出效应为正，即本地工业用地面积的增加将引起周边地区房价上涨。换言之，其他城市工业用地的增加对本地城市房价起推升作用。
（3）关于其他控制变量。控制变量符号跟预期基本是一致的，人均收入水平、金融便利性、人口增长率与工业化水平这类需求因素对本地房价以及对周边城市房价基本都有显著正向作用，只有人口密度的影响不显著，可能是城市蔓延稀释了人口密度；在供给因素中，城市市政建设固定资产投资占比的空间溢出效应在10%的显著水平上为正，但直接效应不显著。教育水平的直接效应和间接效应都显著为正，也就是教育水平越高，房价更高。空间自相关系数（δ）显著为负，说明房价“高-低”、“低-高”空间集聚特征明显，跟姜松和王钊（2014）[21]的研究是一致的。
五、进一步分析
（一）空间效应的分解及时空差异
综合前文分析，发现如下特征：
（1）从全样本来看，本地城市土地供给增加对房价的直接效应要小于间接效应，同时工业用地占比和人均GDP是影响房价的重要因素。当周边所有城市土地供给增加1%，本地城市房价将下降408%，而其他城市土地供给不变时，本地城市土地供给增加仅能使房价下降124%，这要小于不考虑空间关系的效应（203%）。再从总效应来看，土地出让面积是高度显著为负的，弹性为-00532，也就是说，全国所有地区减少土地出让面积1%，房价将上涨532%。这说明，土地供给减少对房价具有重要影响。在控制变量中，工业用地占比具有显著的正向溢出效应，总效应也显著为正的04915。
（2）从子样本来看，土地供给对房价的影响存在明显的区域差异，东部土地供给的边际影响要大于中西部。具体而言，东部土地出让的直接效应显著为-00156，高于全国平均水平，而中西部地区直接效应仅为-00072，且不显著；东部土地出让间接效应高度显著为-00705，影响远大于中西部土地出让的间接效应，后者仅为-00293；再次，东部与中西部土地供给的总效应也存在很大的差异，东部总效应为-00861，而中西部总效应为-00366，表明倾向中西部的土地供给政策推升了东部地区房价。
从前文图2和图3可知，2003年前后土地供给政策发生了重大变化。具体来说，2003年后土地供给增长减缓而且向中西部地区偏移，东部地区审批建设用地面积占比和土地出让面积占比自2003年后都在下降。为观察土地供给政策变化对房价的影响，从时空两个维度进一步分解土地供给的空间效应。从表5的分解结果可知，2003年之前，东部和中西部土地供给对房价的影响并不明显，但是2003年后东部和中西部土地供给的总效应都显著为负，而且东部地区的直接效应、间接效应及总效应都要大于中西部地区。这说明2003年土地供给政策对房价产生了显著影响，而且东部地区受土地供给的影响大于中西部受土地供给的影响，同时，也表明倾向中西部的土地供给政策进一步推升了东部地区房价。
（二）稳健性检验
作为稳健性分析，首先考察了权重矩阵的变化，是否会对前文估计结果产生显著影响。使用的不同权重矩阵包括球面距离矩阵、球面距离平方矩阵和引力矩阵，其中，地理距离矩阵根据两个城市的经纬度计算球面距离，然后直接取倒数或者取距离平方的倒数所得；引力矩阵用两城市间的GDP的乘积与地理距离之比表示。估计的SDM模型结果见表6，可知估计结果跟表3估计的土地供给系数符号完全是一致的。
在基准回归中，考虑到住房建设周期，本文使用了土地出让面积变量与工业用地占比变量的滞后一期数据，但是，如果考虑到理性预期的作用，那么潜在购买房屋者就可能对本年度的土地供给情况作出反应，即当本年度土地供给减少时，下一年度房价就将进一步上涨。理性消费者预计到这一点，就会提前购房，使得土地供给减少在本年度就传导到房价上。因此，使用当年数据再次进行了估计，可知表6第（4）个回归模型的系数符号跟表3的基准回归是一致的。
六、结论与启示
近十多年以来，中国房价快速上涨，尤其是东部地区上涨速度更快。针对这一现象，本文首次利用2001—2013年中国281个地级市及以上城市的空间面板数据集，运用空间德宾模型研究了土地供给政策对房价的空间影响，并把空间效应分解为直接效应、间接效应和总效应，进一步探讨了房价上涨的成因。结果发现，土地供给对房价的影响存在显著负的空间溢出效应，而直接效应相比于普通面板模型的系数要小得多，表明如果不考虑空间溢出效应，会高估土地供给对房价的作用。使用不同的权重矩阵的结果表明，本文的估计结果也是稳健的。而全国房价对土地供给的总弹性为-00532，间接效应为-00408，直接效应仅为-00124。我们还发现，土地供给的空间溢出效应存在显著的时空差异，原因在于偏向中西部的土地供给政策使得东部地区用地更为紧张，从而进一步推升东部地区房价。此外，工业用地占比不仅对本地城市房价有显著的正向作用，而且对周边城市房价也有正的溢出效应。 房价的过快上涨不仅关系到百姓生活，也影响国民经济的平稳健康发展和社会稳定，因此需要维持房价稳定，防止房价过快增长。然而，近年来，中央政府虽然密集出台了多种措施以遏制房价过快上涨，但是房价快速上涨的势头并未得到全面遏制。2014年国土资源部出台的《关于强化管控落实最严格耕地保护制度的通知》（国土资发〔2014〕18号）明文要求“逐步减少新增建设用地计划指标，重点控制东部地区特别是京津冀、长三角、珠三角三大城市群建设用地规模，对耕地后备资源不足的地区相应减少建设占用耕地指标”，这意味着东部地区土地供给将减少，房价将会继续上涨。
从本文的研究结果来看，为抑制房价过快上涨，需要深化土地供给侧改革，具体要从两个方面着手，一是增加东部地区土地供给总量，二是调整土地供给结构。同时，值得注意的是，由于空间溢出效应的存在，土地供给的直接效应比较小，单独增加一个城市房价并不能显著降低该城市的房价，需要考虑土地供给的全域效果。此外，由于地方政府面临财政压力和晋升压力，往往倾向于增加工业用地而减少住宅用地，从而进一步推升房价上涨。因此，在增加土地供给总量的同时，也需要调整土地供给结构，防止工业用地面积的过度扩张。当然，这需要进一步调整现有的财税体制以及官员的考核机制，减轻地方政府对“土地财政”的依赖。总而言之，防止房价过快上涨，不仅需要调节住房需求，更需要改善住房供给结构，深化供给侧的改革，解决住房供需矛盾。
参考文献：
[1]许小年.土地供给不足造成房价高企[N].经济参考报，2011-11-11.
[2]陆铭，张航，梁文泉.偏向中西部的土地供应如何推升了东部的工资[J].中国社会科学.2015（5）：59-83.
[3]郑思齐，师展.“土地财政”下的土地和住宅市场：对地方政府行为的分析[J].广东社会科学，2011（2）：5-10.
[4]陶然，袁飞，曹广忠.区域竞争、土地出让与地方财政效应：基于1999～2003年中国地级城市面板数据的分析[J].世界经济，2007（10）：15-27.
[5]范剑勇，莫家伟，张吉鹏.居住模式与中国城镇化——基于土地供给视角的经验研究[J].中国社会科学，2015（4）：44-63.
[6]陈斌开，杨汝岱.土地供给、住房价格与中国城镇居民储蓄[J].经济研究，2013（1）：
关键词：房价；空间计量；土地供给；空间溢出效应
文章编号：2095-5960（2017）01-0014-11
中图分类号：F061.6
文献标识码：A
一、引言
自2003年以来，中国房价快速上涨，引起社会极大关注。2002年全国商品房平均销售价格为2250元/平方米，而2013年提高到6237元/平方米①①数据来源于《中国房地产统计年鉴》。
，上涨了177.20%，而且东部城市比中西部城市平均房价上涨幅度更大（如图1所示）。为避免房价过快上涨，维持住房市场的稳定，中央政府先后从限贷、限购、限价、房产税、保障性住房建设等多个方面入手，相继出台了一系列严厉的措施，包括
“国八条”②②《国务院办公厅关于切实稳定住房价格的通知》（国办发明电〔2005〕8号）。
、“国六条”③③《国务院办公厅转发建设部等部门关于调整住房供应结构稳定住房价格意见的通知》（国办发〔2006〕37号）。
等，然而，这些政策收效甚微，未能真正抑制住房价快速上涨。显然，进一步认识房价上涨的成因，有利于调控房价。
学术界对房价上涨的原因进行了大量研究，普遍认为推高房价的主要因素是城市土地供给。其中，许小年（2011）认为中国房价的上涨与人为的土地供应控制有关。[1]一方面，为了保护耕地，国家制定了18亿亩耕地红线，严格限制土地供给；而人口、收入与城镇化水平一直在不断提高，使得土地的供需矛盾加剧，进而导致房价上涨。另一方面，为了平衡区域发展，2003年以来中央开始实行倾向于中西部的土地供给政策，相应压缩东部地区的土地供给，使得东部地区房价进一步地上涨。[2]此外，从地方政府角度来看，在中国土地供给一级市场上，地方政府拥有垄断权，土地供给不足也是地方政府行为的作用。[3]地方政府出于晋升激励和财政压力，一方面，低地价甚至零地价出让工业用地进行招商引资，促进地方经济增长，因而获得财政收入与晋升筹码；另一方面，地方政府限制居住用地的供给量，使得住宅用地难以满足市场需求，导致房价、地价上涨，进而增加地方政府的土地出让收入，为地方建设融资[4][5]。在土地供给市场上尽量扩大工业用地而压缩住宅用地是地方政府的理性选择。2003—2013年间住宅用地面积占建设用地面积的比重全国平均水平仅为31%，而一线城市住宅用地占比还低于30%①①数据来源于《中国城市建设统计年鉴》，作者整理。
[11]的研究则发现台北的房价与周边城市房价存在明显的相互作用，但是对较远的城市影响不明显。国内一些学者分别以中国35个大中城市和285个地级市及以上城市的房价为研究样本，证实了空间溢出效应的存在[12][13][14]。其次，现有实证研究大多采用时间序列或面板数据模型，但由于假定样本之间不存在空间自相关和异质性，模型估计结果有偏且不一致[15][16]。
综合以上分析，本文拟基于空间溢出视角，运用空间德宾模型，并利用2001—2013年中国281个地级市及以上城市的面板数据集，研究土地供给对房价的空间影响，并把空间效应分解为直接效应、间接效应与总效应。与既有研究相比，本文的贡献主要在于三个方面：第一，充分考虑了区域间的空间交互作用，实证模型估计更为可靠，同时还构建了不同空间权重矩阵并进行稳健性检验；第二，首次使用来自2001—2013年281个地级市的面板数据集，其大样本数据可以进行更为深入的分析；第三，进一步分析了土地供给变化对房价的空间影响，有利于更好地认清中国房价上涨的根源，并有利于政府对房地产市场进行调控。
二、
土地供给政策背景与理论分析
（一）土地供给的政策背景
中国实行严格的建设用地指标控制和用地审批制度，土地由政府垄断供给。对于每一年度的土地供给计划指标，国土资源部根据全国土地利用年度计划总量控制指标建议以及省、自治区、直辖市上报的计划指标建议，编制全国土地利用年度计划草案。草案须依次上报国务院审定及人大审议通过后再下达各地正式执行①①《土地利用年度计划管理办法》第九条。且土地利用年度计划一经批准下达，必须严格执行②②《土地利用年度计划管理办法》第十三条。
为了保护耕地，平衡区域发展，国家自2003年开始实行倾向中西部的土地供给政策。[2]从图2可以看到，自2003起年全国审批建设用地增长率明显下降，多数年份土地供给增长率甚至为负③③在2009年有明显的增幅，可能是2008年金融危机后国家经济刺激的作用。
，说明国家土地供给总量是收紧的。而图3表明自2003年起中西部的土地供给在相对增加，因为中西部建设用地审批面积占全国建设用地审批面积的比重自2003年呈现上升趋势，总建设用地审批面积占比从2002年的476%上升到了2013年的6663%。另外，中西部的土地出让面积占全国总出让面积的比重在2003年之前是下降的，而此后从2003年的3155%一直上升到2013年的5586%。
2015年中国土地勘测规划院发布了《全国城镇土地利用数据汇总成果分析报告》④④中国土地勘测规划院.指出2009—2014年，全国城镇住宅用地面积累计增幅为230%，且增幅由2010年的53%下降至2014年的36%，呈放缓趋势。自2011年起，中、西部地区的城镇住宅用地年度增幅维持在5%、6%左右，均大于东部地区的年度增幅。自2009至2014年间，对于不同规模城市，其住宅用地的年度增幅也呈现出“小城市>中等城市>大城市>特大城市和超大城市”的特征。简而言之，近十年来土地供给政策表现为：土地供给总量增长减缓并且向中西部地区偏移。 （二）理论分析
根据空间经济学的定义，本地城市的土地供给变化对本地城市房价的影响被称为“直接效应”；而本地城市的土地供给变化对周边其他城市房价的影响被称为“间接效用”，也即溢出效应；并把直接效应与间接效应之和定义为“总效应”[17]。
显然，如果各个城市是封闭的或相互独立的，那么就不会存在空间溢出效应，土地供给的直接效应就等于总效应。但是，如果人口、资金以及资本等要素在区域之间可以自由流动，那么就会产生空间溢出效应，土地供给的直接效应也会降低。[18][19]换句话说，本地城市土地供给变化对本地房价的影响会扩散到周边城市。原因在于，当其他条件不变时，本地城市减少土地供给量，则本地城市住房供给就会受到限制，导致房屋供给不足，本地城市房价上涨，土地供给的直接效应为负；同时，由于可供利用的土地减少，本地城市房价以及土地使用成本都将上升，从而迫使企业和居民可能向周边城市转移，进而增加周边城市的住房需求，导致周边城市房价上涨，土地供给的溢出效应也为负；而本地城市由于企业和居民的流出，住房需求减少，房价下降，这部分抵消了本地城市房价上涨幅度，进而直接效应下降。
综合以上分析可知，土地供给对房价的直接效应与空间溢出效应为负，同时，直接效应要小于不考虑空间溢出效应时的水平。另外，土地供给总量减缓且向中西部地区倾斜，导致东部地区土地供给不足，因此，东部地区房价要比中西部上涨得更快。换言之，倾向中西部的土地供给政策进一步推升了东部房价。
三、实证模型、
变量选取与数据说明
（一）实证模型
比较常用的空间计量模型主要是空间自相关模型（SAR）、空间误差模型（SEM）和空间德宾模型（SDM）。SAR模型主要研究相邻地区对主体行为直接产生的影响，SEM模型通过误差项的相互影响来表现空间关系，而SDM模型是SAR模型和SEM模型更广义的形式，优点在于同时考虑了自变量和因变量的空间相关性[15]。SAR、SEM和SDM模型的具体形式分别如下：
维空间权重矩阵，Wij为矩阵W的元素。空间权重矩阵是进行空间计量分析的关键，根据需要可以设定不同的权重矩阵，不同的权重矩阵得到的计量估计结果也可能产生很大的差异。因此本文首先选取国内学者普遍采用的邻结矩阵作为基准模型，然后分别以地理距离矩阵、引力矩阵作为稳健性检验。邻结矩阵的取值方法为如果两个地区相邻，那么Wij取值为1，否则取值为0，最后对矩阵W进行行标准化。
（二）变量选取与数据来源
因变量房价为商品房屋销售单价（元/平方米），具体用《中国区域经济统计年鉴》固定资产投资表中的“商品房销售额”除以“商品房销售面积”得到，并使用CPI将其折算为以2000年不变价表示的实际值，然后取对数，用lnhp表示。
关于核心变量土地供给，考虑到商品住宅用地必须以出让方式供给，相应的土地出让面积也更为直接地影响房价，因此，土地供给指标用各城市国有建设用地出让面积（公顷）来表示，并取对数，符号为lnland，相应数据出自历年《中国国土资源年鉴》；同时，考虑到从土地出让到形成房屋供给需要一定时间且为缓解模型内生性，使用滞后一期的土地出让数据。
关于控制变量。考虑到并非全部土地出让面积都用于住房建设，其中也有一部分属于工业用地，还考虑到地方政府在土地市场上扩张工业用地，相对缩减住宅用地供给从而提高房价，借鉴范剑勇等（2015）[5]的做法，使用工业用地占城市建设用地面积比重这一变量控制用地结构的影响，用变量Ril表示，并取滞后一期，数据来源于《中国城市建设统计年鉴》。通常收入水平越高，对住房需求越大，房价可能越高；用人均GDP控制收入水平的影响，并利用CPI指数平减，然后取对数，用lngdp表示。考虑到中国相当部分购房者需要通过贷款买房，借鉴李永友（2014）[12]的做法，用金融便利性来衡量融资约束对居民住房需求的影响，具体度量采用市辖区银行贷款占市辖区GDP比重，用Loan表示；人口密度与人口增长率两个人口变量主要反映购买压力，分别用lnden和Pgr表示，通常购买压力越大，房价越高，预期符号为正；工业化水平用第二产业占GDP的比重，用Seco表示，通常工业化水平越高，对土地与住房需求越高，从而房价可能越高，预期符号为正。另外，考虑到城市公共服务差异影响住房品质，进而资本化为房价的一部分，而城市市政公用设施建设固定资产投资主要用于城市供水、燃气、集中供热、公共交通、道路桥梁、排水、防洪、园林绿化、市容环境卫生建设等，因此本文选择城市市政公用设施建设固定资产投资占城市GDP的比重来反映市政公共服务的相对水平，用变量Amen表示。另外，用普通中学每万学生中教师占比作为教育水平的代理变量，用变量lnedu表示。以上控制变量中，人均GDP、金融便利性、人口密度、人口增长率以及工业化水平、教育水平的相关数据均来自历年《中国城市统计年鉴》，且为确保数据的准确性，使用市辖区数据。另外，由于《中国城市统计年鉴》未公布2001和2002年城市贷款数据，用《中国区域统计年鉴》中的工商业贷款作为替代；城市市政公用设施建设固定资产投资数据来自于历年《中国城市建设统计年鉴》。
四、实证结果分析
（一）空间相关性检验
I值都是显著为正的，平均值为0315，且从2001年到2013年整体呈现上升趋势，说明地区间房价存在空间上的正相关而且空间关联效应是增强的；表现为高房价城市集中在东部地区，低房价城市集中在中西部地区，全国整体呈现“高—高”和“低—低”集聚分布特征。此外，在OLS模型基础上，对模型的空间自相关和空间误差相关进行了LM和R-LM检验，相关检验结果是高度显著的，拒绝不存在空间效应的原假设，因而采用空间计量模型估计是合适的。
（二）空间模型的估计结果及讨论
本文采用极大似然法进行估计，Hausman检验结果表明固定效应模型要优于随机效应模型，同时个体固定效应和时间固定效应的联合检验表明双向固定效应模型较为适宜。另外，根据Lee基于表3的SDM模型，进行综合比较分析，发现如下几个特征： （1）土地出让面积对本地房价起负向作用，而且溢出效应也显著为负。从表3的SDM模型估计可以看到lnland的系数为负，这说明本地土地供给的减少将导致本地房价上涨。这跟预期是一致的，因为土地出让面积的减少，住房供给量减少。另外，相比于不考虑空间效应的模型，lnland的系数绝对值有所下降，这种差异是受到空间溢出效应作用的缘故。模型中W×lnland的系数显著为负，说明其他地区增加土地供给，本地房价将会下降，或者本地增加土地供给，能够降低其他地区房价。符合前文理论分析。
（2）工业用地面积占比提高不仅可以推升本地城市房价，而且对周边城市房价也起正向作用。在表3的SDM模型中Ril的系数显著为正，说明本地工业用地占建设用地的面积比重越高，本地房价也越高，地方政府大量出让工业用地而挤占居住用地，从而推高房价。另外，W×Ril的系数也是显著为正的，说明工业用地面积占比的溢出效应为正，即本地工业用地面积的增加将引起周边地区房价上涨。换言之，其他城市工业用地的增加对本地城市房价起推升作用。
（3）关于其他控制变量。控制变量符号跟预期基本是一致的，人均收入水平、金融便利性、人口增长率与工业化水平这类需求因素对本地房价以及对周边城市房价基本都有显著正向作用，只有人口密度的影响不显著，可能是城市蔓延稀释了人口密度；在供给因素中，城市市政建设固定资产投资占比的空间溢出效应在10%的显著水平上为正，但直接效应不显著。教育水平的直接效应和间接效应都显著为正，也就是教育水平越高，房价更高。空间自相关系数（δ）显著为负，说明房价“高-低”、“低-高”空间集聚特征明显，跟姜松和王钊（2014）[21]的研究是一致的。
五、进一步分析
（一）空间效应的分解及时空差异
综合前文分析，发现如下特征：
（1）从全样本来看，本地城市土地供给增加对房价的直接效应要小于间接效应，同时工业用地占比和人均GDP是影响房价的重要因素。当周边所有城市土地供给增加1%，本地城市房价将下降408%，而其他城市土地供给不变时，本地城市土地供给增加仅能使房价下降124%，这要小于不考虑空间关系的效应（203%）。再从总效应来看，土地出让面积是高度显著为负的，弹性为-00532，也就是说，全国所有地区减少土地出让面积1%，房价将上涨532%。这说明，土地供给减少对房价具有重要影响。在控制变量中，工业用地占比具有显著的正向溢出效应，总效应也显著为正的04915。
（2）从子样本来看，土地供给对房价的影响存在明显的区域差异，东部土地供给的边际影响要大于中西部。具体而言，东部土地出让的直接效应显著为-00156，高于全国平均水平，而中西部地区直接效应仅为-00072，且不显著；东部土地出让间接效应高度显著为-00705，影响远大于中西部土地出让的间接效应，后者仅为-00293；再次，东部与中西部土地供给的总效应也存在很大的差异，东部总效应为-00861，而中西部总效应为-00366，表明倾向中西部的土地供给政策推升了东部地区房价。
从前文图2和图3可知，2003年前后土地供给政策发生了重大变化。具体来说，2003年后土地供给增长减缓而且向中西部地区偏移，东部地区审批建设用地面积占比和土地出让面积占比自2003年后都在下降。为观察土地供给政策变化对房价的影响，从时空两个维度进一步分解土地供给的空间效应。从表5的分解结果可知，2003年之前，东部和中西部土地供给对房价的影响并不明显，但是2003年后东部和中西部土地供给的总效应都显著为负，而且东部地区的直接效应、间接效应及总效应都要大于中西部地区。这说明2003年土地供给政策对房价产生了显著影响，而且东部地区受土地供给的影响大于中西部受土地供给的影响，同时，也表明倾向中西部的土地供给政策进一步推升了东部地区房价。
（二）稳健性检验
作为稳健性分析，首先考察了权重矩阵的变化，是否会对前文估计结果产生显著影响。使用的不同权重矩阵包括球面距离矩阵、球面距离平方矩阵和引力矩阵，其中，地理距离矩阵根据两个城市的经纬度计算球面距离，然后直接取倒数或者取距离平方的倒数所得；引力矩阵用两城市间的GDP的乘积与地理距离之比表示。估计的SDM模型结果见表6，可知估计结果跟表3估计的土地供给系数符号完全是一致的。
在基准回归中，考虑到住房建设周期，本文使用了土地出让面积变量与工业用地占比变量的滞后一期数据，但是，如果考虑到理性预期的作用，那么潜在购买房屋者就可能对本年度的土地供给情况作出反应，即当本年度土地供给减少时，下一年度房价就将进一步上涨。理性消费者预计到这一点，就会提前购房，使得土地供给减少在本年度就传导到房价上。因此，使用当年数据再次进行了估计，可知表6第（4）个回归模型的系数符号跟表3的基准回归是一致的。
六、结论与启示
近十多年以来，中国房价快速上涨，尤其是东部地区上涨速度更快。针对这一现象，本文首次利用2001—2013年中国281个地级市及以上城市的空间面板数据集，运用空间德宾模型研究了土地供给政策对房价的空间影响，并把空间效应分解为直接效应、间接效应和总效应，进一步探讨了房价上涨的成因。结果发现，土地供给对房价的影响存在显著负的空间溢出效应，而直接效应相比于普通面板模型的系数要小得多，表明如果不考虑空间溢出效应，会高估土地供给对房价的作用。使用不同的权重矩阵的结果表明，本文的估计结果也是稳健的。而全国房价对土地供给的总弹性为-00532，间接效应为-00408，直接效应仅为-00124。我们还发现，土地供给的空间溢出效应存在显著的时空差异，原因在于偏向中西部的土地供给政策使得东部地区用地更为紧张，从而进一步推升东部地区房价。此外，工业用地占比不仅对本地城市房价有显著的正向作用，而且对周边城市房价也有正的溢出效应。 房价的过快上涨不仅关系到百姓生活，也影响国民经济的平稳健康发展和社会稳定，因此需要维持房价稳定，防止房价过快增长。然而，近年来，中央政府虽然密集出台了多种措施以遏制房价过快上涨，但是房价快速上涨的势头并未得到全面遏制。2014年国土资源部出台的《关于强化管控落实最严格耕地保护制度的通知》（国土资发〔2014〕18号）明文要求“逐步减少新增建设用地计划指标，重点控制东部地区特别是京津冀、长三角、珠三角三大城市群建设用地规模，对耕地后备资源不足的地区相应减少建设占用耕地指标”，这意味着东部地区土地供给将减少，房价将会继续上涨。
从本文的研究结果来看，为抑制房价过快上涨，需要深化土地供给侧改革，具体要从两个方面着手，一是增加东部地区土地供给总量，二是调整土地供给结构。同时，值得注意的是，由于空间溢出效应的存在，土地供给的直接效应比较小，单独增加一个城市房价并不能显著降低该城市的房价，需要考虑土地供给的全域效果。此外，由于地方政府面临财政压力和晋升压力，往往倾向于增加工业用地而减少住宅用地，从而进一步推升房价上涨。因此，在增加土地供给总量的同时，也需要调整土地供给结构，防止工业用地面积的过度扩张。当然，这需要进一步调整现有的财税体制以及官员的考核机制，减轻地方政府对“土地财政”的依赖。总而言之，防止房价过快上涨，不仅需要调节住房需求，更需要改善住房供给结构，深化供给侧的改革，解决住房供需矛盾。
参考文献：
[1]许小年.土地供给不足造成房价高企[N].经济参考报，2011-11-11.
[2]陆铭，张航，梁文泉.偏向中西部的土地供应如何推升了东部的工资[J].中国社会科学.2015（5）：59-83.
[3]郑思齐，师展.“土地财政”下的土地和住宅市场：对地方政府行为的分析[J].广东社会科学，2011（2）：5-10.
[4]陶然，袁飞，曹广忠.区域竞争、土地出让与地方财政效应：基于1999～2003年中国地级城市面板数据的分析[J].世界经济，2007（10）：15-27.
[5]范剑勇，莫家伟，张吉鹏.居住模式与中国城镇化——基于土地供给视角的经验研究[J].中国社会科学，2015（4）：44-63.
[6]陈斌开，杨汝岱.土地供给、住房价格与中国城镇居民储蓄[J].经济研究，2013（1）：