吕龙

（华中科技大学经济学院）

《经济评论》杂志于2019年第2期刊登我与博导刘海云老师合作的论文，并邀我撰写文章的创作历程，个人感到非常荣幸。回顾论文写作、投稿过程，感悟良多。当初之所以会研究房价溢出效应，与个人专业背景有关。在硕博阶段，我主要的研究兴趣集中在金融风险管理领域，溢出效应正是风险管理的热点问题。大量文献研究表明在心理预期、生产要素流动等机制的作用下，资产价格序列之间存在相互溢出。因此，个人认为寻找高房价问题的破解之道，避免政策调控出现“按下葫芦浮起瓢”的局面，需要研究不同城市房价的溢出效应及其影响因素。为实现研究目标，研究过程按照“房价溢出指数测度→依据溢出指数构建溢出网络→房价溢出效应影响因素分析”的思路展开。具体论文写作包括搜集文献和数据、Matlab编程计算、写作和反复修改等步骤，耗时近半年，期间也遇到不少的研究障碍。在刘老师、博士同门的帮助和鼓励下，相关问题都得到解决。

研究过程中遇到第一个障碍就是房价溢出效应的测度问题。目前房价溢出效应大多是基于VAR计算脉冲响应函数值，分析两两城市间的溢出效应，并没有编制标准化的溢出指数。无法量化个体城市房价溢出效应究竟有多大，也不利于以溢出指数作为因变量研究房价溢出效应的发生机制。受到《Better to Give than to Receive:Forecast Based Measurement of Volatility Spillovers》一文的启发，我尝试将VAR、广义方差分解和滚窗法三者结合，构建时变溢出指数，解决房价溢出效应的动态测度问题。然而，在对数据进行描述性统计时，发现房价收益率明显不服从普通VAR模型的正态分布假定。

为更准确地测度房价溢出效应，在构建溢出指数时，我尝试采用VAR-t模型，由此产生研究过程中的第二个障碍，即高维VAR-t模型的估计问题。论文的研究样本包括35个大中城市，一阶滞后设定下模型需要估计1225个系数。尽管VAR-t模型的似然函数存在显性解，但极大似然估计方法（MLE）依赖牛顿-拉夫森、拟牛顿等方法进行参数优化，参数维度过高不仅导致算法收敛缓慢，且容易陷入局部最优解。此外，VAR-t的非正态设定意味着模型估计也无法使用普通最小二乘。通过文献梳理并与同门讨论，我发现国外学者估计高维VAR模型参数大多采用马尔科夫链蒙特卡洛模拟抽样（MCMC），避免极大似然函数估计过程陷入局部最小。因此，我推导MCMC的参数抽样流程，解决第二个障碍。

房价溢出指数可以测度任一城市房价的溢出水平的纵向变化，但无法反映各城市在房价溢出过程中扮演的“角色”。溢出效应体现不同城市间房价的相互影响，必然有一些城市是溢出效应发生的“源头”，另一些城市是溢出效应的“接收方”，还有一些城市是房价传导“链条”上的“中间环节”。分析各样本城市在房价溢出效应中发挥的作用，对于政府在房地产市场调控中实现“一城一策”至关重要，也是论文研究过程中遇到的第三个障碍。通过文献梳理并和刘老师讨论后，我发现社会网络分析（SNA）能够较好地实现研究目的，该方法已被部分学者用于银行业、金融市场等领域的风险溢出问题分析。因此，我进一步使用SNA方法构建城市房价溢出网络，通过节点中心度、块分析（Block modeling）等方法将样本城市划分为“领导者”、“经纪人”、“双向引导者”和“跟随者”，明晰不同城市在房价溢出网络中发挥的作用。

经济学研究不仅要关注“是什么”，更重要的是分析“为什么”，因此论文需要进一步分析房价溢出效应背后的影响因素问题。在编制溢出指数并建立溢出网络之后，论文不仅可以分析整体溢出效应的影响因素，还可分析不同板块城市房价溢出效应的影响因素。由于是利用滚窗法计算动态溢出指数，样本量有一定损失，我原本计划采用静态面板模型进行影响因素分析，幸有审稿老师提醒，采用静态面板模型可能忽视内生性问题。最后，我决定采用动态面板模型，并利用广义矩方法估计参数。研究结果发现人口流动、羊群效应等因素在整体房价溢出效应中发挥着关键作用，但各板块溢出效应的影响因素存在显著差异。

上述研究工作完成后，参考刘老师和同门的建议，我于2018年1月将论文投至《经济评论》官网，经过初审、外审、三审、终审等环节，论文于同年12月份被杂志社录用。此次研究成果能够顺利发表，除研究团队努力之外，与杂志社编辑老师、外审专家的辛勤工作密不可分。正是有各位老师的专业指导，才使得论文在研究内容、学术规范性等方面不断完善。

（《城市房价溢出效应的测度、网络结构及其影响因素研究》载于《经济评论》2019年第2期）