DOI: https://doi.org/10.3846/ijspm.2026.26144
تاريخ النشر: 2026-03-09
المؤلف: HuiYing Yang وآخرون
الموضوع الرئيسي: سوق الإسكان والاقتصاد
نظرة عامة
تستكشف هذه الورقة البحثية تأثير التجارة الرقمية على أسعار المنازل الحضرية عبر 198 مدينة صينية من 2009 إلى 2021، باستخدام نموذج التأثيرات الثابتة ذات الاتجاهين وطريقة المربعات الصغرى ذات المرحلتين. تكشف النتائج أن التجارة الرقمية لها تأثير خطي إيجابي كبير وقوي على أسعار المنازل الحضرية، دون وجود دليل على علاقة غير خطية. تسلط الدراسة الضوء على أن المدن التي تتمتع بأنظمة ذكاء اصطناعي أكثر تطورًا تشهد تأثيرًا مضاعفًا للتجارة الرقمية على أسعار الإسكان، بينما يبدو أن انفتاح التجارة يخفف من هذا التأثير، مما يشير إلى أن زيادة التعرض للأسواق العالمية قد تؤدي إلى لامركزية النشاط الاقتصادي وتخفيف الضغوط السكنية في المدن الكبرى.
تؤكد الورقة على أهمية الخصائص الإقليمية، مشيرة إلى أن تأثير التجارة الرقمية يكون أكثر وضوحًا في المدن الساحلية والمدن ذات الدخل المرتفع. ومع ذلك، فإن دمج الذكاء الاصطناعي يعزز بشكل كبير هذا التأثير في المناطق غير الساحلية وذات الدخل المنخفض، مما يشير إلى إمكانية اللحاق الرقمي في المناطق النامية. لتحقيق استقرار أسعار الإسكان وتحويل الهيكل الاقتصادي للصين، يقترح المؤلفون توصيات سياسية متعددة المستويات، بما في ذلك تعزيز البنية التحتية الرقمية، ودعم دمج الذكاء الاصطناعي، وتحسين جودة التجارة، وتشجيع الشركات على تبني التحول الرقمي. تؤكد الدراسة على الحاجة إلى حوكمة متوازنة وسياسات شاملة لضمان أن تسهم فوائد التجارة الرقمية في التنمية الحضرية المستدامة والعدالة الاجتماعية.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لأسعار المنازل كمؤشرات للصحة الاقتصادية، تؤثر على رفاهية الأسر والاستقرار الوطني. تتأثر ديناميات أسواق الإسكان بشكل كبير بكثافة السكان الحضرية وتوزيع الموارد، حيث تؤثر تقلبات أسعار المنازل على سلوك المستهلك والأسواق المالية وسياسات التنمية الحضرية. لقد حول التقدم السريع للاقتصاد الرقمي، وخاصة من خلال التجارة الرقمية، النماذج الاقتصادية التقليدية، مما يسهل التكامل في الأسواق العالمية وإعادة تشكيل أسواق الإسكان الحضرية. تتطلب هذه التحولات تحقيقًا دقيقًا في كيفية تأثير التجارة الرقمية على أسعار المنازل الحضرية، حيث ركزت الأدبيات الحالية بشكل أساسي على التأثيرات الاقتصادية الأوسع بدلاً من ديناميات سوق الإسكان المحددة.
تقدم الدراسة نهجًا جديدًا من خلال ربط التجارة الرقمية بشكل صريح بأسعار المنازل الحضرية، مميزة إياها عن الاقتصاد الرقمي الأوسع. تطور مؤشر التجارة الرقمية ومؤشر الذكاء الاصطناعي الحضري لقياس هذه العلاقات، مستكشفة كيف يعتدل الذكاء الاصطناعي تأثيرات التجارة الرقمية على أسعار الإسكان. تأخذ البحث أيضًا في الاعتبار التباين الجغرافي والاقتصادي بين المدن، مما يوفر تحليلًا دقيقًا لكيفية تأثير التجارة الرقمية على أسواق الإسكان بشكل مختلف عبر السياقات الحضرية. من خلال معالجة هذا المجال غير المستكشف، تهدف الدراسة إلى إثراء الإطار النظري المحيط بالتجارة الرقمية والاقتصادات الحضرية، مقدمة رؤى قيمة لصانعي السياسات لتعزيز استراتيجيات سوق الإسكان في ضوء التقدم الرقمي.
الطرق
في هذه الدراسة، تم استخدام نموذج التأثيرات الثابتة ذات الاتجاهين لتحليل العلاقة بين التجارة الرقمية وأسعار المنازل في المدن، مع التحكم في تأثيرات المدينة والزمن الثابتة لتعزيز الصلاحية الداخلية. كانت المتغيرات التابعة، أسعار المنازل (Hprice)، إلى جانب عدة متغيرات تحكم (GDPc، POP، HUM، FAI، TER)، قد خضعت لتحويل لوغاريتمي لمعالجة التباين غير المتجانس، بينما تم تعديل الاستثمار الأجنبي المباشر (FDI) بإضافة واحد قبل التحويل اللوغاريتمي. للتحقيق في التأثيرات غير الخطية المحتملة، تم تضمين الحد المربع للتجارة، وتم إجراء اختبار U للتحقق من صحة الفرضية المتعلقة بطبيعة هذه العلاقة.
بالإضافة إلى ذلك، درست الدراسة التأثيرات المعدلة للذكاء الاصطناعي (AI) وانفتاح التجارة على تأثير التجارة الرقمية على أسعار المنازل الحضرية من خلال سلسلة من المعادلات. تم إجراء اختبارات موثوقية لضمان موثوقية نتائج الانحدار، بما في ذلك اختبار التأثيرات الزائفة وفترة العينة المختصرة للتخفيف من تأثير COVID-19. تم استخدام نهج المتغيرات الآلية لمعالجة التداخل، مع استخدام التفاعل بين المسافة إلى أقرب ميناء بحري وعدد منافذ الوصول إلى الإنترنت كمتغير آلي. كما عززت الدراسة دقة النتائج من خلال استبدال المتغيرات عبر تحليل المكونات الرئيسية وطبقت طريقة GMM النظامية لدمج المصطلحات المتأخرة للمتغيرات التفسيرية، مما يعزز النتائج حول العلاقة بين التجارة الرقمية وأسعار المنازل الحضرية.
النتائج
تشير النتائج المقدمة في هذا القسم إلى وجود علاقة خطية كبيرة بين التجارة الرقمية وأسعار المنازل الحضرية، كما يتضح من اختبارات الأساس في الجدول 3. على وجه التحديد، تؤكد الأعمدة I و II أن التجارة الرقمية تؤثر إيجابيًا على أسعار المنازل الحضرية، مما يدعم الفرضية H1a. على العكس، تظهر الأعمدة III و IV أنه لا يوجد تأثير غير خطي للتجارة الرقمية على أسعار المنازل، مما يثبت الفرضية H4b. تشير النتائج إلى أن تقدم التجارة الرقمية يقلل من تكاليف المعاملات، ويوسع نطاق السوق، ويعزز النمو الاقتصادي الحضري، مما يزيد من الطلب على الإسكان والأسعار. بالإضافة إلى ذلك، وُجد أن المتغيرات التحكمية مثل التنمية الاقتصادية، وحجم السكان، ورأس المال البشري، واستثمار الأصول الثابتة، ونمو الصناعة الثالثة تؤثر إيجابيًا على أسعار المنازل الحضرية.
تؤكد اختبارات الموثوقية، المفصلة في الأعمدة V إلى VIII، على موثوقية نتائج الأساس. أشار اختبار الدواء الوهمي إلى عدم وجود تأثيرات كبيرة، مما يؤكد صحة النتائج الأساسية. ظلت النتائج متسقة حتى عند تقصير فترة العينة، مما خفف بشكل فعال من تأثير COVID-19. تم استخدام المربعات الصغرى ذات المرحلتين لمعالجة التداخل المحتمل، مع دعم إحصائي قوي لعدم تداخل المتغيرات التفسيرية. علاوة على ذلك، عزز التحليل باستخدام مؤشر التجارة الرقمية المستمد من تحليل المكونات الرئيسية العلاقة الخطية الإيجابية بين التجارة الرقمية وأسعار المنازل الحضرية. بشكل عام، تؤكد هذه النتائج الاستنتاج بأن التجارة الرقمية لها مساهمة كبيرة وخطية في زيادة أسعار المنازل الحضرية.
المناقشة
تؤكد قسم المناقشة في هذه الورقة البحثية على العلاقة بين التجارة الرقمية وأسعار المنازل الحضرية، من خلال إطار نظرية الجغرافيا الاقتصادية الجديدة (NEG). تسلط الضوء على كيفية تفاقم التجارة الرقمية للاختلالات المكانية من خلال تركيز الأنشطة الاقتصادية في المدن الأساسية، التي تمتلك بنية تحتية رقمية متفوقة وعمالة ماهرة. يؤدي هذا التركيز إلى زيادة الطلب على الإسكان وارتفاع الأسعار، خاصة في المناطق الحضرية المتقدمة اقتصاديًا. تشير الأدبيات إلى أن زيادة بمقدار 0.1 وحدة في مؤشر الاقتصاد الرقمي لمدينة ما يمكن أن تؤدي إلى زيادة تقارب 10% في تكاليف الإسكان، مما يبرز التأثير الكبير للتجارة الرقمية على ديناميات العقارات الحضرية. ومع ذلك، تفتقر الأدبيات الحالية إلى إطار شامل لفهم هذه التفاعلات بشكل كامل.
تستكشف الورقة أيضًا دور الذكاء الاصطناعي (AI) وانفتاح التجارة كعوامل معدلة في هذه العلاقة. يظهر أن الذكاء الاصطناعي يعزز التأثيرات الإيجابية للتجارة الرقمية على أسعار الإسكان من خلال تحسين تخصيص الموارد والإنتاجية، بينما يبدو أن انفتاح التجارة يخفف من هذه الضغوط من خلال إعادة توزيع الأنشطة الاقتصادية إلى المناطق ذات التكاليف المنخفضة. تشير النتائج إلى أن المدن التي تتمتع بتطور أعلى في الذكاء الاصطناعي تشهد طلبًا أكبر على الإسكان بسبب التجمع الصناعي وجذب المواهب، بينما يمكن أن يؤدي زيادة انفتاح التجارة إلى تطوير إقليمي أكثر توازنًا من خلال تخفيف الطلب في المدن الأساسية. بشكل عام، تقترح الدراسة فهمًا دقيقًا لكيفية تأثير التجارة الرقمية على أسواق الإسكان الحضرية، داعية إلى نهج تحليلي متكامل يأخذ في الاعتبار كل من العوامل الاقتصادية التقليدية والديناميات الرقمية الناشئة.
DOI: https://doi.org/10.3846/ijspm.2026.26144
Publication Date: 2026-03-09
Author(s): HuiYing Yang et al.
Primary Topic: Housing Market and Economics
Overview
This research paper investigates the impact of digital trade on urban house prices across 198 Chinese cities from 2009 to 2021, employing a two-way fixed effects model and two-stage least squares method. The findings reveal that digital trade has a significant and robust positive linear effect on urban house prices, with no evidence of a nonlinear relationship. The study highlights that cities with more developed AI ecosystems experience an amplified effect of digital trade on housing prices, while trade openness appears to dampen this effect, suggesting that increased global market exposure may decentralize economic activity and alleviate housing pressures in major cities.
The paper emphasizes the importance of regional characteristics, noting that the impact of digital trade is more pronounced in coastal and high-income cities. However, AI integration significantly enhances this effect in non-coastal and low-income areas, indicating potential for digital catch-up in underdeveloped regions. To stabilize housing prices and transform China’s economic structure, the authors propose multi-level policy recommendations, including promoting digital infrastructure, supporting AI integration, improving trade quality, and encouraging enterprises to embrace digital transformation. The study underscores the need for balanced governance and inclusive policies to ensure that the benefits of digital trade contribute to sustainable urban development and social equity.
Introduction
The introduction of this research paper emphasizes the critical role of house prices as indicators of economic health, influencing household well-being and national stability. The dynamics of housing markets are significantly affected by urban population density and resource distribution, with fluctuations in house prices impacting consumer behavior, financial markets, and urban development policies. The rapid advancement of the digital economy, particularly through digital trade, has transformed traditional economic models, facilitating global market integration and reshaping urban housing markets. This transformation necessitates a thorough investigation into how digital trade affects urban house prices, as existing literature has primarily focused on broader economic impacts rather than specific housing market dynamics.
The study introduces a novel approach by explicitly linking digital trade to urban house prices, distinguishing it from the broader digital economy. It develops a digital trade index and an urban AI index to quantify these relationships, exploring how AI moderates the effects of digital trade on housing prices. The research also considers geographical and economic heterogeneity among cities, providing a nuanced analysis of how digital trade influences housing markets differently across urban contexts. By addressing this underexplored area, the study aims to enrich the theoretical framework surrounding digital trade and urban economies, offering valuable insights for policymakers to enhance housing market strategies in light of digital advancements.
Methods
In this study, a two-way fixed-effects model was employed to analyze the relationship between digital trade and city house prices, controlling for city and time fixed effects to enhance internal validity. The dependent variable, house prices (Hprice), along with several control variables (GDPc, POP, HUM, FAI, TER), underwent logarithmic transformation to address heteroskedasticity, while foreign direct investment (FDI) was adjusted by adding one before logarithmic transformation. To investigate potential nonlinear effects, the squared term of trade was included, and a U-test was conducted to validate the hypothesis regarding the nature of this relationship.
Additionally, the study examined the moderating effects of artificial intelligence (AI) and trade openness on the impact of digital trade on urban house prices through a series of equations. Robustness tests were performed to ensure the reliability of the regression results, including a spurious effects test and a shortened sample period to mitigate COVID-19’s influence. An instrumental variables approach was utilized to address endogeneity, employing the interaction between the distance to the nearest seaport and the number of Internet broadband access ports as an instrumental variable. The study further enhanced the accuracy of results through variable substitution via principal component analysis and implemented a system GMM method to incorporate lagged terms of explanatory variables, thereby reinforcing the findings on the relationship between digital trade and urban house prices.
Results
The results presented in this section indicate a significant linear relationship between digital trade and urban house prices, as evidenced by the baseline tests in Table 3. Specifically, columns I and II confirm that digital trade positively influences urban house prices, supporting hypothesis H1a. Conversely, columns III and IV demonstrate that there is no nonlinear impact of digital trade on house prices, validating hypothesis H4b. The findings suggest that the advancement of digital trade reduces transaction costs, expands market reach, and enhances urban economic growth, thereby increasing housing demand and prices. Additionally, control variables such as economic development, population size, human capital, fixed asset investment, and the growth of the tertiary industry were found to positively affect urban house prices.
Robustness tests, detailed in columns V through VIII, further affirm the reliability of the baseline results. The placebo test indicated no significant effects, confirming the authenticity of the baseline findings. Results remained consistent even when the sample period was shortened, effectively mitigating the impact of COVID-19. The use of two-stage least squares addressed potential endogeneity, with strong statistical support for the exogeneity of explanatory variables. Moreover, the analysis using a digital trade index derived from principal component analysis reinforced the positive linear correlation between digital trade and urban house prices. Overall, these results substantiate the conclusion that digital trade has a significant and linear contribution to the increase in urban house prices.
Discussion
The discussion section of this research paper emphasizes the relationship between digital trade and urban house prices, framed through the New Economic Geography (NEG) theory. It highlights how digital trade exacerbates spatial inequalities by concentrating economic activities in core cities, which possess superior digital infrastructure and skilled labor. This concentration leads to increased housing demand and rising prices, particularly in economically advanced urban areas. The literature indicates that a 0.1 unit increase in a city’s digital economy index can result in nearly a 10% increase in housing costs, underscoring the significant impact of digital trade on urban real estate dynamics. However, the existing literature lacks a comprehensive framework to fully understand these interactions.
The paper also explores the role of artificial intelligence (AI) and trade openness as moderating factors in this relationship. AI is shown to enhance the positive effects of digital trade on housing prices by improving resource allocation and productivity, while trade openness appears to mitigate these pressures by redistributing economic activities to lower-cost regions. The findings suggest that cities with higher AI development experience greater housing demand due to industrial clustering and talent attraction, whereas increased trade openness can lead to a more balanced regional development by alleviating demand in core cities. Overall, the study proposes a nuanced understanding of how digital trade influences urban housing markets, advocating for an integrated analytical approach that considers both traditional economic factors and emerging digital dynamics.