中国城镇房价收入比时空演变的多尺度分析_刘海猛

收稿日期收稿日期：2014-06-09；修订日期修订日期：2014-10-10

基金项目基金项目：国家自然科学基金项目(41271133、41361040)资助。作者简介作者简介：刘海猛(1989-),男,山东淄博人,博士研究生,主要从事城市与区域规划方向的研究。E-mail:haimengliu@https://www.360docs.net/doc/f49180475.html, 通讯作者通讯作者：石培基,教授。E-mail:xbsdspj@https://www.360docs.net/doc/f49180475.html,

中国城镇房价收入比时空演变的多尺度分析

刘海猛1,2，石培基3，潘竟虎3，曹

智1,2，谢作轮3

(1.中国科学院地理科学与资源研究所/中国科学院区域可持续发展分析与模拟重点实验室，北京100101；

2.中国科学院大学，北京100049；

3.西北师范大学地理与环境科学学院，甘肃兰州730070）

摘要摘要：从全国、省级、市级多个尺度，运用空间自相关和变异系数等方法对中国1999~2012年城镇房价收入比的时空演变特征和分异规律进行了系统分析。结果表明：①中国城镇房价收入比的时空格局演变特征表现出明显的空间尺度效应，国家尺度呈波动上升趋势，省级尺度先上升后分异，大中城市不断升高，且在2007~2011年省、市级尺度下存在较显著的空间自相关，表明近年来中国房地产市场的空间邻近联动性明显增强；②房价收入弹性分析表明2003~2012年全国大约70%的大中城市居民的收入涨幅赶不上房价涨幅，部分城市泡沫存在的可能性较大，居民住房支付能力不断下降；③全国和东部地区省份间的空间差异2003年之前为缩小趋势，之后逐渐增大，中西部省份间差异较小且基本处于缩小态势，市级房价收入比的差异要明显高于省级尺度的差异且呈上升趋势，空间差异的变化存在尺度效应和分区效应。

关键词：房价收入比（PIR ）；住房问题；时空演变；尺度效应；中国中图分类号中图分类号：K901.2；F293.3

文献标识码文献标识码：A

文章编号文章编号：1000-0690（2015）10-1280-08

住房是人类生存与发展的基本需求，是最重要的民生问题之一。中国自1998年取消福利分房，实行住房完全商品化，房地产业高速发展，特别是2003年以来中国经济步入起飞阶段，各地的商品房价格进入上涨快车道，“蚁族”、“蜗居”等现象相继出现，住房问题日益突出，引发政府、企业、学者和普通民众的强烈关注[1,2]。房价收入比是研究住房问题的常用指标：从社会视角，它是居民住房支付能力的度量器，是个简单且实用的衡量家庭住房购买力和承受力的指标，隐含了必须将居民的购房消费占家庭年收入的比例控制在一定范围内的思想；从经济视角，房价收入比是房地产泡沫的指示器，当房价收入比持续上升时，表明商品房价格的涨幅超过了居民实际支付能力的涨幅，该值越大，表明房地产市场中投机需求的程度越高，房地产生成泡沫的可能性越大[3]；从人文关怀视角，收入和住房状况是影响全球居民幸福感的重要因素[4~6]，因此房价收入比还是衡量居民幸福感和生活质量的重要指标。

目前，国内外学者从指标内涵、计算方法、政策解释以及与经济发展、社会贫困等方面的关系出发，对房价收入比作了大量理论和实证研究[7~12]。但这些研究主要集中于城市与房地产经济学领域，从宏观或微观层面，重点探讨若干区域房价收入比的时间维特征及其反映出的居民住房支付能力，较少涉及对空间和尺度的考量。而土地以及房屋的不动产性质决定了住房市场是一个典型的区域市场，由于不同区域和城市间社会经济发展水平、土地和相关资源的约束、房地产周期、宏观政策、文化价值观念等存在较大差异，房价以及房价收入比也存在很大的区域差异，空间上表现出异质性和非独立性[13,14]。针对该特征，发挥地理学的学科优势，可以弥补其他学科对该问题研究缺少空间维的不足。鉴于此，本文在当前相关研究基础上，进一步梳理房价收入比的科学内涵，并尝试加入地理学空间维视角，分别从国家、省级、市级3个尺度展开研究，探索中国城镇房价收入比的时空演变特征、分异规律和尺度效应，以期为中国住房问

第35卷第10期2015年10月

V ol.35No.10Oct.,2015

地理科学

SCIENTIA GEOGRAPHICA SINICA

刘海猛等：中国城镇房价收入比时空演变的多尺度分析10期

题的研究提供新的分析视角，为中国房地产市场

宏观调控提供区域性的政策导向和理论依据。

1研究数据和方法

1.1数据说明

本研究采用了多时空尺度的分析框架。空间

尺度，从宏观到微观，分为国家、省级和市级3个层

次：国家尺度主要为把握中国总体的宏观境况；省

级尺度以中国31个省级行政单元为对象（暂不包括

港、澳、台地区），探讨该尺度下的时空分异特征；受

数据所限，市级尺度选取了2003~2012年《中国统

计年鉴》上国家口径的70个大中城市作为重点研究

对象，仅在空间格局分析中采用了典型年份2007年

287个地级及以上城市数据，并将其抽象为空间点

数据，以期用较大样本探究其背后的空间规律。时

间尺度，考虑到1998年是中国房地产改革元年，本

文研究时段选取自房改后的1999~2012年这一房

地产快速发展阶段（2003年之前的市级尺度住宅商

品房平均销售价格统计不全，故对70个大中城市进

行分析时采用2003~2012年的数据）。本文研究数

据来自1999~2012年的《中国统计年鉴》、《中国区

域经济统计年鉴》、《中国城市统计年鉴》和《中国房

地产统计年鉴》[15~18]，2003年和2004年部分城市的

住宅商品房平均销售价格来自相应省、市的统计年

鉴。另外，本文的住宅商品房特指新建一手房，不

包括二手房，也不包括别墅和高档住宅。

1.2研究方法

1）房价收入比计算

联合国人居署定义房价收入比表示一个地区

的市场房价中位数与家庭年收入中位数的比值，隐

含着一个家庭在不借助银行贷款且完全不进行任

何其他消费的情况下，需要多少年才能购买一套住

宅。实际计算中，由于中国对于房价和个人收入一

直没有中位数统计，国内学者常用平均住房价格与

平均家庭收入的比值来代替。虽然也有学者通过

剩余收入法、住房可支付性指数、住房成本法等来

衡量居民的住房支付能力[19,20]，但房价收入比计算

相对简单，在分析住房支付能力变动趋势上具有优

势，且房价收入比作为单一指标，传递了住房市场

整体运行状况的最丰富的信息[21]，因此它仍是目前

使用最为广泛的方法，计算公式为：

PIR=HP HI=AP·AS·N

AI·N =AP·AS

AI（1）

式中，PIR为房价收入比，HP为每套住宅商品房销

售价格，是住宅商品房单位面积平均销售价格

（AP）、城镇人均住房建筑面积（AS）与家庭人口数

（N）的乘积；HI为家庭平均年收入，是城镇居民人

均可支配收入（AI）与家庭人口数（N）的乘积。

2）空间自相关分析

空间自相关是指事物分布不同于空间位置某

一属性值之间的统计相关性，距离越近的两值之间

相关性越大，即存在空间依赖性[22]。不同地区的房

价收入比存在异质性和非独立性，那么临近地区的

房价收入比是否存在空间依赖。本文选用全局空

间自相关指标Moran’s I来进行研究，公式为[23]：

I=

n∑i=1n∑j=1n W ij()

x i-xˉ()

x j-xˉ

∑

i=1

n∑

j=1

n

W ij∑

i=1

n

()

x i-xˉ2

（2）

式中，x i为区域i的观测值；W ij为空间权重矩阵。

Moran’s I的取值一般在[-1,1]之间，小于0表示负

相关，大于0表示正相关，等于0表示各空间单元

相互独立。I值越趋近于1，表示研究单元空间集

聚性越显著；I值越趋近于-1，表示单元与周边区

域趋异性越显著。

3）变异系数分析

变异系数（Coefficient Variation）在地理数据的

空间差异研究中应用广泛。计算公式为：

CV

100%（3）

式中，CV为变异系数；x i为区域内第i个地区的属性

值，xˉ为区域内该属性值的平均值，n为抽样的个

数。本文中CV反映了各地区房价收入比相对于该

指标平均值的整体离散状况，变异系数越大，说明

不同区域间的房价收入比差异越大；反之，说明差

异越小。

2中国城镇房价收入比多尺度时空

演变分析

2.1国家尺度

分析国家尺度房价收入比的总体特征，图1展

示了1999~2012年间中国的房价和房价收入比的

变化态势。从中可以看出，中国住宅商品房平均

销售价格除2008年因金融危机略有下降外，一直

处于上升趋势，1999~2003年增速较缓，2004年以

来提升迅速，从2004年的2608元/m2上涨到2012

1281

地理科学35卷

年的5430元/m 2，年均增长率为9.6%。中国房价收入比宏观上基本维持在6.5到8.0之间，且总体呈上升趋势，年际变化并不与房价的变动相吻合。2000~2003年呈下降趋势，2004年之后开始上升，2008年为金融危机引发的异常点，2009年以来又有所下降。由于城镇居民人均住房面积基本呈直线增长，导致房价收入比下降的原因，除2008年是由于房价下降外，其他年份主要原因则是居民

平均收入增长速度超过了房价的增速。

图1中国城镇房价与房价收入比的时间变化

Fig.1Temporal variation of house prices and

housing price to income ratio

跟据联合国人居署1998年对96个样本国家的统计调查[24]，抽样国家的房价收入比在0.8~30之间，平均值为8.4，标准差为5.9，不同国家间差异显著，即便家庭年收入相近的国家房价收入比也存在较大差距，且低收入国家的差距相对更大。尽管一般认为由于计算方法和统计口径不同，不同国家的房价收入比可比性较差，但总体上可以发现房价收入比基本随着国家的经济发展水平的提高而降低。然而对于中国来说，并不符合这一经验规律，1999~2012年随着经济高速发展、城市化快速推进、社会剧烈转型，中国的房价收入比不但没有降低反而有升高的趋势（图1）。另外从绝对量看，一方面目前中国的平均房价要比西方国家低，从世界范围来看也处于较低水平，但同时中国居民的平均收入要比西方国家低更多，导致了实际房价收入比要高于西方国家，这也是中国总体上存在购房难现象的原因之一[25]。2.2省级尺度

对于省级尺度房价收入比的时空格局演变，

本文选取1999、2003、2007和2011年4个时间截面，将中国31个省级单元的房价收入比于图3中进行空间化表达。在进行空间自相关分析时考虑到可塑性面积单元问题和中国省区特点，暂不将海南省纳入自相关分析范围，用拓扑邻接关系构建空间ROOK 权重矩阵，分别计算出中国省级房价收入比4个时间截面的全局自相关指数Moran ’s I 值（图2）。

分析省级尺度房价收入比的时空变化趋势：①1999~2003年除上海和西藏增长较快外，其他省份的房价收入比变化不大，与全国尺度下的趋势一致。Moran ’s I 指数在1999和2003年两个年份均较低，Z 值均未达到1.96，P 值显著性检验也较低，说明在这一时期省级尺度的房价收入比并不存在明显的空间自相关，分布较为离散，且相比1999年，2003年的空间自相关显著性更低。②2003~2007年除宁夏外，其他省份的房价收入比均有较大提升，与国家尺度趋势一致。2007年房价收入比Moran ’s I 指数增大到0.43，显著性水平也达到99%，说明此时省级尺度的房价收入比存在显著的空间自相关性，空间拓扑临近的省级单元其房价收入比也相接近。③2007~2011年，与全国下降的趋势不同，大部分省份的房价收入比是升高的，2011年Moran ’s I 指数为0.42，显著性水平99%，省级单元的空间依赖性变化不大，依然存在显著的空间自相关。空间自相关性由不显著到显著，这种变化体现了近些年来中国省级房地产市场的空间邻近联动性的显著增强，房地产市场的波动对邻近省区的影响要大于其他省区。2.3市级尺度

随着空间尺度的缩小，城市作为相对微观的尺度，可以更精细的体现出房价收入比的空间差异。为进一步挖掘城市尺度房价收入比的空间分布规律，将收集到的2007年287个地级及以上城

市的房价收入比进行空间探索性分析。运用GS+软件构造距离权重矩阵，计算不同距离带内的点数据间的Moran ’s I ，在第一个距离带有31个城市对，城市对之间的平均距离为38km ，之后固定延迟带宽为50km ，分别计算出每个带宽内的Mo-ran ’s I （图3）。可以大致判断287个地级及以上城市间的平均距离在250km 时开始出现空间自相关，且前两个距离带内的空间依赖性最大，随着平均距离的增大，依赖性减小。说明市级尺度的房价收入比也存在明显的空间自相关性，区域房地

1282

刘海猛等：中国城镇房价收入比时空演变的多尺度分析10期产市场并不是封闭系统，而是一个在时间和空间上均相互依赖的开放复杂系统。

考虑到大中城市一向被社会公众所重点关注，本文选取了2003~2011年的中国70个大中城

市做进一步研究。从时间演变角度分析，图4为2003、2007、2011年3个年份70个大中城市房价收入比的分位数图，从中可以清晰地看到3个时间节点上的房价收入比依次拉高，这与全国尺度同期数据的先升后降以及省级尺度的先升后复杂分化均有所不同，可能的原因是大中城市房价收入比的增长速度要普遍快于较小的城市。2003年房价收入比小于5的城市占40%，最高的三亚超过了

10，其次是沈阳和上海，均超过8；2007年76%的城市房价收入比超过5，排名前三位的城市依次是三亚、北京、厦门；2011年除了岳阳、包头、呼和浩特，其他城市房价收入比均超过了5，最高的城市仍然是三亚，达到了23.6。2003~2011年三亚的房价收入比是比较特殊的，不管是绝对量还是增长量都是最高的，

主要原因是其住宅商品房大部分为外

图2中国31个省级单元房价收入比的时空演变与自相关分析

Fig.2Spatial and temporal evolution and autocorrelation analysis of PIR of 31provinces in

China

图3

各向同性Moran ’s I 的距离相关图

Fig.3Distance correlation of Moran ’s I

1283

地理科学35卷

地人投资或投机性购买，当地人收入水平的提高远跟不上房价的涨幅。

对于中国房价收入比到底多少算合理，虽然有不少学者从不同角度给出了解答[3,26]，但本文认为不同尺度不同区域不同时间段的所谓合理区间是不同的，因此也就不可能找到一个固定的房价收入比合理区间。若从时间演变角度考察房价变动的合理性，房价收入弹性是一个便易的衡量方法。2013年初中国的主要30多个城市对房地产“国五条”设定的细则调控目标均为房价涨幅要低于人均可支配收入实际涨幅。虽然目标最终很多没能实现，但这是一个启示，作为房价收入比概念的进一步拓展，本文引入房价收入弹性，即住宅商品房平均销售价格增长率与城镇居民人均可支配收入增长率的比值。通过对比房价的增长速度与收入的增长速度，可以判断2003~2012年70个大中城市房价变化的合理性。当房价收入弹性趋近于1时，说明土地作为一项基本生产要素，稳定地参与国民收入要素的分配，为较合理的房价变动趋势线[27]。

图5为2003~2012年70个大中城市住宅商品房价格和居民人均可支配收入平均增长率的散点图，两坐标轴交叉于点（12.56,14.91），分别为收入与房价两个变量的平均值。其中y=x体现了房价变动的较合理曲线，曲线下方城市的房价收入弹性小于1，即居民的收入涨幅跑赢了房价的涨幅；曲线上方城市的房价收入弹性大于1，即居民的收入涨幅赶不上房价的涨幅。可以看到70个城市中有西安、沈阳、合肥、昆明等21个城市的房价收入弹性小于1，占样本城市总数的30%，其余49个城

市的房价收入弹性均大于1，说明在2003~2012年间全国大约70%大中城市居民的收入涨幅赶不上房价涨幅，居民的住房支付能力逐渐下降，相应的幸福感也会受到影响。部分大中城市，特别是曲线上方距y=x垂直距离较大的城市，如三亚、南充、深圳、温州、赣州等的房地产市场泡沫存在的可能性较大。H、L分别代表居民收入增长和房价增长相对平均速度来说的高、低程度，从坐标轴的4个象限来看，位于（H，H）象限的城市（高收入增长，高房价增长）有17个，且其房价的平均增长率差别较大；位于（L，L）象限的城市（低收入增长，低房价增长）有17个，多靠近均值，趋于集中；位于（L，H）象限的城市（低收入增长，高房价增长）有16个，分布较为离散，这些城市的房价变动较大，且更为不合理；位于（H，L）象限的城市（高收入增长，低房价增长）有20个，房价变动相对较合理，大部分城市的居民收入增速快于房价增速。

2.4不同尺度下房价收入比空间差异的比较分析

尺度问题是地理学研究中的核心问题之一，尺度过大，很多细节会被忽略；尺度过小，不容易把握整体规律[28]。通过上文的分析，中国的城镇房价收入比在不同尺度下表现出来的统计特征与时空分异规律皆有所不同，即存在空间尺度效应。运用变异系数（CV），进一步分析不同空间尺度及不同分区下中国城镇房价收入比的区域差异变化（图6）。省级尺度下，全国和东部地区省份间房价收入比的空间差异在1999~2003年间呈缩小趋势，2003~2010年呈逐渐增大趋势，2010年之后又有较大幅度缩小；中部和西部的省级差异相对较小，CV 值一直在25%以下，中部地区省份间房价收入比的空间差异基本处于缩小趋势；西部地区省份间房价收入比的空间差异虽有几次波动，但总体也处于缩小态势。市级尺度下，70个大中城市间房价收入比的差异要明显高于省级尺度的差异，CV 值最高超过50%，符合空间尺度收缩后，数据细节展现的一般规律。城市间房价收入比的差异在2010年之前呈上升态势，2010年之后有较大回落，且2003~2012年差异变化趋势与省级尺度下的全国以及东部地区的差异变动基本一致。可以看出，房价收入比在全国和中国东、中、西三大地带的差异变化有很大不同，即房价收入比的空间差异变化不仅存在空间尺度效应，而且也存在分区效应[29]。

图4中国70个大中城市房价收入比分位数Fig.4Quantile plot of PIR of70big and medium-sized cities in

China

1284

刘海猛等：中国城镇房价收入比时空演变的多尺度分析10期3结论与讨论

房价收入比是居民住房支付能力的度量器、

房地产泡沫的指示器和影响居民生活幸福度的重要衡量指标。本文运用地理学的视角和方法，通过不同空间尺度的分析，将房价收入比的时间和空间分异特征纳入整体框架中考察，有利于发挥地理学的学科优势，明确房价收入比的区域差异和尺度效应，消除目前普遍的认识误区，判断中国房价走势的合理性，为房地产市场调控提供区域性的政策导向和理论依据。

1）中国城镇房价收入比的时空格局演变特

征表现出明显的空间尺度效应。国家尺度下，房价收入比呈波动上升趋势，目前中国并不符合房价收入比随国家经济发展水平的提高而降低这一经验规律。随着尺度的缩小，房价收入比的时间演变趋势均与国家尺度有所不同，省级先上升后分异，大中城市不断上升。省、市级尺度下近几年

图5中国70个大中城市房价收入弹性分析

Fig.5

Housing price to income elasticity of 70big and medium-sized cities in

China

图6不同尺度下房价收入比的空间差异变化分析

Fig.6Multi-scale analysis of spatial difference of PIR

1285

地理科学35卷

存在显著的空间自相关，城市间的平均距离在250 km时开始出现空间自相关，表明2007~2011年中国房地产市场的空间邻近联动性显著增强。

2）70个大中城市2003~2012年间的房价收入弹性存在较大区域差异，全国大约70%的大中城市居民的收入涨幅赶不上房价涨幅，居民的住房支付能力逐渐下降，相应的幸福感也受到影响。在房价变动合理趋势线上方且距离较远的三亚、南充、深圳、温州等城市的房地产市场泡沫存在的可能性较大。

3）运用变异系数对不同尺度和不同分区下的房价收入比的空间差异比较分析表明，全国和东部地区省份间房价收入比的空间差异在1999~ 2003年间呈缩小趋势，2003~2010年呈逐渐增大趋势，之后又有较大幅度缩小；中西部省份间差异相对较小，且基本处于缩小态势。70个大中城市间房价收入比的差异要明显高于省级尺度的差异且呈先上升后下降趋势，CV值最高超过50%，符合尺度收缩的一般规律。房价收入比空间差异的变化同时存在尺度效应和分区效应。

地理学向来重视区域差异和尺度对比，本文启示我们从地理学视角出发，房价屡调屡高的部分原因可能在于房地产调控政策忽视区域差异所致。中国房地产需求弹性具有显著的地区差异性，大多数政策“一刀切”的做法，很难命中针对特定区域或城市的调控目标靶心。至于制定差异化的宏观政策在多大程度上有助于破解该困境还有待今后的深入研究。另外，本文定义的房价收入比并没有细分不同的收入阶层和住房类型，以期尽量从宏观上展现房价收入比的时空演变特征和分异规律。在今后具体针对特定区域或特定尺度的研究中，收入阶层和住房类型差异反映出的房价收入比差异应予以重点剖析。

参考文献

参考文献：：

[1]Mak S W K,Choy L H T,Ho W K O.Privatization,housing condi-

tions and affordability in the People's Republic of China[J].Hab-itat International,2007,3131(2):177-192.

[2]王洋,方创琳,盛长元.扬州市住宅价格的空间分异与模式演

变[J].地理学报,2013,6868(8):1082~1096.

[3]吕江林.我国城市住房市场泡沫水平的度量[J].经济研究,

2010,(6):28~41.

[4]Bratt R G.Housing and family well-being[J].Housing Studies,

2002,1717(1):13-26.

[5]OECD,How's Life?Measuring well-being[M].Paris:OECD Pub-

lishing,2011.

[6]刘军强,熊谋林,苏阳.经济增长时期的国民幸福感——基

于CGSS数据的追踪研究[J].中国社会科学,2012,(12):82~ 102.

[7]朱建君,贺亮.房价收入比的计算及应用研究——基于江苏

省的实证分析[J].建筑经济,2008,(8):46~49.

[8]Mengjie L,Reed R,Wu H.Challenges facing housing affordabili-

ty in Beijing in the twenty-first century[J].International journal of housing markets and analysis,2008,11(3):275-287.

[9]Cruz P C R.Transaction costs and housing affordability in Asia

[J].International Real Estate Review,2008,1111(1):128-150. [10]Gan Q,Hill R J.Measuring housing affordability:Looking be-

yond the median[J].Journal of Housing economics,2009,1818(2): 115-125.

[11]沈悦,张学峰,周奎省.住宅价格与居民收入均衡关系及住房

支付能力稳定性[J].财经研究,2011,3737(3):81~92.

[12]Wu J,Gyourko J,Deng Y.Evaluating conditions in major Chi-

nese housing markets[J].Regional Science and Urban Econom-ics,2012,4242(3):531-543.

[13]Miles D.Housing,financial markets and the wider economy[M].

New York and Chichester:John Wiley and Sons Ltd,1994. [14]方晓萍,丁四保.中国城市住房价格的地理扩散及其区域外部

性问题[J].地理科学,2012,3232(2):143~148.

[15]中华人民共和国统计局.中国统计年鉴(1999~2012)[M].北京:

中国统计出版社,1999~2012.

[16]国家统计局国民经济综合统计司.中国区域经济统计年鉴

(1999~2012)[M].北京:中国统计出版社,1999~2012.

[17]国家统计局城市社会经济调查司.中国城市统计年鉴(1999~

2012)[M].北京:中国统计出版社,1999~2012.

[18]国家统计局,中国指数研究院.中国房地产统计年鉴(1999~

2012)[M].北京:中国统计出版社,1999~2012.

[19]Stone M E.What is housing affordability?The case for the resid-

ual income approach[J].Housing Policy Debate,2006,1717(1): 151-184.

[20]Glaeser E L,Gyourko J E.Rethinking federal housing policy:

How to make housing plentiful and affordable[M].Washington,

D C:Aei Pr,2008.

[21]Angel S,Mayo S K.ASEAN Urban housing sector performance:

A comparative perspective[J].The Mega-Urban Regions of

Southeast Asia,1995:109-132.

[22]Hampson R E,Simeral J D,Deadwyler S A.Distribution of spa-

tial and nonspatial information in dorsal hippocampus[J].Na-ture,1999,402

402(6762):610-614.

[23]宣国富,徐建刚,赵静.基于ESDA的城市社会空间研究[J].地

理科学,2010,3030(1):23~29.

[24]The World Bank.World development indicators2005[M].Wash-

ington,D C:The World Bank,2005.

[25]Wendell Cox Consultancy.9th Annual Demographia Internation-

al Housing Affordability Survey[OL].2015-05-16[2013-10-06].

https://www.360docs.net/doc/f49180475.html,/dhi2013.pdf

[26]谭峻,赵妍.房价收入比的实证研究——基于北京和全国

1286

刘海猛等：中国城镇房价收入比时空演变的多尺度分析

10期Spatio-temporal Evolution on Housing Price to Income Ratio of China by Multiscale Analysis

LIU Hai-meng 1,2,SHI Pei-ji 3,PAN Jing-hu 3,CAO Zhi 1,2,XIE Zuo-lun 3

(1.Key Laboratory of Regional Sustainable Development Modeling,Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China ;2.University of Chinese Academy

of Sciences,Beijing 100049,China ;3.College of Geography and Environmental Science,Northwest

Normal University,Lanzhou,Gansu 730070,China )

Abstract

Abstract:The real estate industry of China has developed high-speed since 1998,when the welfare housing dis-tribution was cancelled and the housing was commercialized completely.Especially since 2003,China's per capita GDP went over $1000,the economy transformed into the take-off stage,and the commercial housing price rose into a fast lane.The housing problem is becoming prominent increasingly.For Chinese residents,owning a house has become an important part of Chinese Dream.Housing price to income ratio (PIR)is a com-monly used indicator on the housing problem study.First of all,this article summarized and extended the con-notation of PIR from the perspective of social,economic,and humanistic care.PIR is the measurer of housing affordability,the indicator of bubbles in the real estate market,and one of the important measurement indexes for measuring subjective well-being of citizens.In view of the lack of space and scale in the current research,the significance of studying PIR from the perspective of geography was put forward.On this basis,using ES-DA and coefficient variation,the space-time evolution characteristics and distribution rules of China's urban PIR from 1999-2012were analyzed from multi-scale (nation,province and city)systematically.Major conclu-sions can be drawn as follows:1)The space-time evolution characteristics of China's urban PIR presented scale effect clearly.National scale showed fluctuations in the rising,provincial scale changed from rise to vari-ance,and city scale rose like a flying geese.Besides this,PIR existed an obvious spatial autocorrelation under the provincial and city scale from 2007-2011,which indicated the co-movement of adjacent real estate market space enhanced significantly in China in recent years.2)There were about 70%of the citizens living in big and medium-sized cities,whose revenue growth could not catch up with the housing price growth.Some of the cities were more likely to generate bubbles.With the housing affordability declining,the well-being of citizens also decreased gradually.3)The spatial difference of PIR between provinces in the east and whole of China re-duced before 2003,and increased after that.The difference between provinces in the central and western re-gion shrank consecutively.The difference under city scale was larger than that of provincial scale dramatically.This change indicated the existence of scale effect and zoning effect.In brief,the conclusion revealed the re-gional difference and scale effect of PIR in China,which eliminated the common misunderstanding and could provide regional policy orientation and theoretical basis.

words Key words:housing price to income ratio (PIR);housing problem;spatio-temporal evolution;scale effect;China

整体数据的分析[J].中国土地科学,2012,2626(9):66~70.[27]程

选,岳国强,任荣荣.关于房地产调控效果的研究之一:合理的房价变动趋势线研究[J].中国经贸导刊,2012,(12):5~6.[28]李双成,蔡运龙.地理尺度转换若干问题的初步探讨[J].地理研

究,2005,2424(1):11~18.

[29]Butkiewicz T,Meentemeyer R K,Shoemaker D A et al.Alleviat-ing the modifiable areal unit problem within probe-based geospa-tial analyses[J].Computer Graphics Forum,2010,2929(3):923-932.

1287