房价空间关联网络结构实证分析

被引:23
作者
方大春 [1 ,2 ]
裴梦迪 [1 ]
机构
[1] 安徽工业大学商学院
[2] 安徽工业大学安徽创新驱动发展研究院
关键词
房价; 空间关联; 网络结构; 影响因素; 社会网络分析;
D O I
10.19626/j.cnki.cn31-1163/f.2018.01.007
中图分类号
F299.23 [城市经济管理];
学科分类号
120405 ;
摘要
该文基于2005-2015年中国35个主要城市的房地产开发企业住宅商品房平均销售价格数据,利用社会网络分析方法对35个城市的房价空间关联网络结构特征进行研究。研究发现:从整体网络结构特征看,城市房价联动呈现显著的网络结构形态,网络密度和网络关联度呈现上升趋势,网络等级度处在较高水平,网络效率逐渐稳定;中心性分析结果显示,北京、上海、深圳、广州等城市中心度较高,处于网络中心位置,具有房价"引领"作用,全国房价空间关联网络中心性均值呈上升趋势,说明区域间房价关联程度逐步加强;北京、天津、石家庄、太原、呼和浩特、沈阳、大连、济南、青岛等9个城市属于"双向溢出"板块,长春、哈尔滨、郑州、南昌、合肥、兰州、西宁、乌鲁木齐、重庆、西安、银川等11个城市构成"净溢出板块",杭州、宁波、南京、武汉、厦门、上海等6个城市属于"经纪人"板块,深圳、广州、长沙、成都、福州、昆明、海口、贵阳、南宁等9个城市构成"净收益板块";QAP分析结果显示,城市间空间邻接关系、人口数量、经济发展水平和产业结构差异对城市房价联动关系具有显著影响。房价空间关联的网络结构为房价调控政策制定和实施带来严峻挑战,同时也为房价跨城市协同调控创建有利条件。
引用
收藏
页码:63 / 73
页数:11
相关论文
共 10 条
[1]   中国省际碳排放的空间关联及其影响因素研究——基于社会网络分析方法 [J].
杨桂元 ;
吴齐 ;
涂洋 .
商业经济与管理 , 2016, (04) :56-68+78
[2]   城市房价联动的网络结构特征及其影响因素——基于中国69个大中城市月度数据的经验考察 [J].
陈明华 ;
刘华军 ;
孙亚男 ;
何礼伟 .
南方经济, 2016, (01) :71-88
[3]   我国城市房价短期波纹效应的实证 [J].
张衔 ;
林仁达 .
财经科学, 2015, (09) :132-140
[4]   区域房价空间与时间扩散效应的实证研究 [J].
王鹤 ;
潘爱民 ;
赵伟 .
经济评论, 2014, (04) :85-95
[5]   中国城市间住宅价格的波纹效应研究 [J].
周豫 ;
胡俊 .
中国房地产, 2013, (14) :3-11
[6]   我国房地产价格区域互动的实证研究 [J].
陈浪南 ;
王鹤 .
统计研究, 2012, 29 (07) :37-43
[7]   房价失控与政府调控 [J].
林跃勤 .
宏观经济研究, 2010, (05) :26-33+61
[8]  
基于协整和向量误差修正模型的中国主要城市房价的联动效应研究[J]. 黄飞雪,周筠,李志洁,侯铁珊.中大管理研究. 2009(02)
[9]   中国区域房价泡沫测度及空间传染性研究——基于2001~2005年35个大中城市面板数据的实证分析 [J].
苑德宇 ;
宋小宁 .
上海财经大学学报, 2008, (03) :78-85
[10]  
整体网分析[M]. 格致出版社 , 刘军, 2014