郭慧秀 ， 拓星星 ， 賈 菲 ， 汪建敏,2

(1.寧夏大學 資源環(huán)境學院，銀川 750021； 2.寧夏國際語言學校，銀川 750100)

國內城市房價時空分異及其動力機制研究進展

郭慧秀1， 拓星星1， 賈 菲1， 汪建敏1,2

(1.寧夏大學 資源環(huán)境學院，銀川 750021； 2.寧夏國際語言學校，銀川 750100)

城市房價的時空分異與演化會受到很多因素的影響，且這些因素并不是單獨存在而是組成一個復雜的系統(tǒng)共同影響著城市房價在時空上的演化與分異。從房價時空演化與分異的影響因素、動力機制、研究方法等方面入手，分析了中國城市房價時空分異與演化的研究進展，指出了中國城市房價時空分異與演化研究方面取得的成果與存在的不足，并展望該領域未來的發(fā)展方向和需要重點加強的地方。

城市房價；時空分異；動力機制；影響因素；研究進展

改革開放以來，中國的城鎮(zhèn)化快速發(fā)展，城鎮(zhèn)化率由1978年的17.9%增至2015年的56.1%，城市人口也由1.72億增加到7.71億，城鎮(zhèn)化的快速發(fā)展促使了城市房價的高速增長。據統(tǒng)計，1987—2012年國內商品房平均銷售價格累計凈增了13.19倍，年均增幅55%[1]。高利潤的房地產業(yè)吸引了大量的投資者，促使中國的房地產發(fā)展異常迅速，房地產業(yè)甚至成為一些城市主要的財政收入來源，對城市經濟的發(fā)展產生了重大的影響。因此，城市房價成為國內相關學者研究的熱點。中國的城鎮(zhèn)化發(fā)展起步較晚、城鎮(zhèn)化水平較低。因此，國內學者對城市房價的研究也比較晚。中國對城市地價的研究始于20世紀80年代，當時并沒有形成系統(tǒng)的研究體系，只關注城市地價的空間分布和時間變化的靜態(tài)分布，而缺乏對其動態(tài)演變過程和機制的研究。1997年王茂春[2]在對城市地價空間分布與變化規(guī)律分析的基礎上，利用地價陡坡與地價平臺等理論，研究了城市地價在時間序列上的演化規(guī)律及其驅動因子，構建了城市地價四維空間理論的框架，成為國內首位對城市地價空間動態(tài)分布研究的學者。之后，對城市房價時空研究的理論、方法逐漸趨于成熟。

1 城市房價時空分異的影響因素

1.1 經濟發(fā)展水平與房價

經濟發(fā)展水平決定市場需求，市場需求又決定了商品的價格。一般而言，經濟發(fā)展水平越高的地區(qū)人口集聚越密集，人均收入水平也相對較高。因此，對商品的市場需求就比較旺盛，進而促進商品價格的上升。

喬林等[3]在研究國內不同發(fā)展層次城市房價的影響因素時發(fā)現(xiàn)，在“北上廣深”一線城市中，收入水平對房價的影響最大，達到43.16%，匯率變量的影響次之，達到19.35%。而在二、三線城市，收入水平對房價的影響作用下降，人口和住宅結構對房價的影響則比較顯著。黨云曉等[4]在研究北京市居民住房消費行為時發(fā)現(xiàn)，在制度轉型和職住空間重構背景下，高收入家庭為減少通勤時間愿意支付的住房成本高于中等收入家庭，這就意味著他們更愿意選擇離市區(qū)比較近的住宅以減少通勤時間，如此就會提升市中心的房價;中等收入家庭看重住房成本，擇居受到通勤成本的影響較小，所以他們更多地選擇郊區(qū)的住房。鑒于此規(guī)律，房地產商在住房建設中對市中心的定位較高以適應高收入者的需求，郊區(qū)的定位就相對較低以適應中等收入和低收入者的需求，從而導致了城市房價的空間分異。

1.2 區(qū)位因素與房價

決定地塊優(yōu)劣的因素第一是區(qū)位,第二是區(qū)位,第三還是區(qū)位[5]。區(qū)位因素是影響城市房價高低的重要原因之一，區(qū)位優(yōu)勢越明顯，房價一般會越高。從全國范圍看，沿海發(fā)達城市的房價一般要比內陸落后城市的房價高；從城市內部來說，市中心的房價一般要比郊區(qū)的房價高(針對城鎮(zhèn)化初期)。區(qū)位因素同樣也是影響房價時空變化的重要原因。一個城市或區(qū)域的區(qū)位優(yōu)越性是相對的，會隨著經濟的發(fā)展、交通、政策、環(huán)境等的變化而變化，隨之土地價格就會發(fā)生變化，進而導致房價發(fā)生變化。蘭宜生等[6]通過對上海、鄭州、西安3個城市土地出讓金與級差地租和房價與地價之間關系的研究發(fā)現(xiàn)，只要房地產市場預期向好，地價和房價就會相互推動輪番上漲，并且東部上海的房價和地價要遠遠大于中西部的鄭州和西安。2000—2010年地價和房價的增幅由高到低同樣也依次是上海、鄭州、西安，東西部之間的地價差異越來越大。王霞等[7]對北京市房價空間分布規(guī)律的研究表明，北京市的房價有由內環(huán)向外環(huán)逐漸降低的規(guī)律，房價的峰值出現(xiàn)在市中心并向郊區(qū)呈現(xiàn)不斷降低的趨勢。李雪銘等[8]對大連商品房住宅價格影響因素的分析也得出了相同的結論。杜德斌等[9]在對上海市地價空間分布的區(qū)位因子分析中發(fā)現(xiàn)，主要交通干道、市中心是影響上海市地價空間差異的主要區(qū)位因子，表明上海市的地價在空間分布上具有很強的向心性。王琳[10]、谷一楨等[11]發(fā)現(xiàn)，交通沿線附近或交通便利區(qū)域的房價比交通輻射區(qū)外的房價要高，尤其是在交通水平比較低的郊區(qū)更為明顯。

1.3 地價與房價的關系

地價理論有杜能的農業(yè)區(qū)位論、韋伯的工業(yè)區(qū)位論、克里斯泰勒的中心地理論等傳統(tǒng)的區(qū)位理論及城市地價結構理論，而住宅價格空間分異的理論有李嘉圖租金模型、規(guī)模形態(tài)價格模型和城市空間增長價格模型等[12]。地價理論與房價理論解釋了城市地價與房價增長的動力機制、二者的相互關系、住宅的區(qū)位選擇、住宅的供需關系等，為城市經濟尤其是房地產業(yè)的發(fā)展提供了理論基礎。相關學者一致認為地價與房價存在著一種相互影響的關系，土地是房地產開發(fā)的基本要素，是影響房價的重要因素，土地價格越高，房地產開發(fā)的成本就越高，相應的房價也越高；反過來，房價上漲又會抬升土地的價格，二者相互影響并呈正相關關系[13-15]。

1.4 人口與房價

1.4.1 人口規(guī)模與房價。需求關系與價格相互影響，需求越大，價格就會被抬升，反之則會降低。隨著中國城鎮(zhèn)化的不斷發(fā)展，大量農民涌入城市，對住宅的需求大幅增加，不僅刺激了中國房地產的發(fā)展，同時也抬升了城市的房價，這在北上廣等一線城市更為顯著。城鎮(zhèn)化的快速發(fā)展會導致房價的迅速上升，城鎮(zhèn)化水平對房價具有正向的積極作用[16]。

1.4.2 人口結構與房價。在對人口結構與房價影響的研究中，不同的學者有不同的觀點。例如陳進國等[17]通過對中國1999—2011年的省級數據進行動態(tài)面板GMM估計時發(fā)現(xiàn)，少兒撫養(yǎng)比的下降和老年撫養(yǎng)比的上升是推動中國房價持續(xù)上漲的人口結構因素。然而，徐建煒等[18]卻認為中國少年人口撫養(yǎng)比的提高促進了城市房價的上漲，而老年撫養(yǎng)比的增加對城市房價的影響則恰好相反。本研究認為，少兒撫養(yǎng)比較高的前期，對住房需求低，所以對房價的影響較小，但當這部分少兒成人進入社會之后，就會對住房形成巨大的剛性需求，勢必會推動房價的上漲；老年人對房子的需求相對較小，對房價的影響也比較小，所以，老年撫養(yǎng)比對房價的影響沒有少兒撫養(yǎng)比對房價的影響大。

1.5 影響房價的其他因素

影響房價高低的因素是一個多樣的、復雜的、動態(tài)的系統(tǒng)，不可能只受到單一因素的影響，也不可能是固定不變的，主導影響因子可能會隨著經濟發(fā)展、交通的發(fā)展、環(huán)境質量的變化、治安管理或國家政策的變化而變化，相關學者也從其他方面研究了城市房價的影響因素。范紅忠等[19]、馬莉莉等[20]實證研究發(fā)現(xiàn)，城市規(guī)模越大，房價就越高，尤其是城市經濟規(guī)模對房價的影響尤為顯著。因此，控制城市規(guī)模的不斷擴大是控制房價的一個有效手段。石憶邵等[21]發(fā)現(xiàn)上海南站對住宅價格的影響具有顯著的時空效應，從時間上表現(xiàn)在上海南站規(guī)劃公布之前到規(guī)劃公布至正式動工之前、建設期間和建成之后對周邊房價的影響各不相同，由最初的低房價到影響不顯著，再到價漲量增的局面，最后對周邊地區(qū)的房價產生凸顯的作用；從空間上來看，上海南站建成后對周邊房價的增值作用平均范圍可達1.85 km，有些甚至達到2.20 km。尹海偉等[22]通過上海城市綠地對房價影響的定量分析發(fā)現(xiàn)，城市綠地面積、綠地集聚度與房價有顯著的正相關關系，與二者之間的距離呈負相關關系，綠地面積越大、集聚度越好的地段房價越高，離城市綠地越遠，房價越低。馮皓等[23]對上海市52個區(qū)域內房價與學校分布情況的對比研究表明，重點中學的數量在1 km2的范圍每增加1所,片區(qū)內房價平均上升19.2%，且學校學生平均成績越高，對房價的推動越強；教育資源對房價也會產生非常大的影響。陳湘等[24]則將城市的高房價歸咎于地方政府不合理的管理和對政績的追逐。劉嘉毅等[25]指出，產業(yè)結構對房價具有顯著的正向影響，產業(yè)結構高級化可以推動房價的上漲，這種作用在經濟發(fā)達區(qū)更為顯著。劉曉君等[26]認為，城市一體化的發(fā)展會對城市住宅價格產生一定的拉動作用，尤其是對等級較低的城市這種拉動作用更為明顯。

2 城市房價時空分異與演化的動力機制

2.1 時間序列上分異與演化的動力機制

2.1.1 供需關系的變化是導致房價分異與演化的根本原因。市場需求是房地產發(fā)展的根本動因，決定著住宅的數量、結構、價格、發(fā)展方向等，受區(qū)域經濟發(fā)展水平、家庭收入水平(支付能力)、市場預期心理、人口數量等的影響[27]；同樣地，市場供給對住宅價格也具有重要的影響,尤其是土地出讓價格不斷升高、房產稅等導致房地產開發(fā)商的成本增加，進而抬升房價[15]。隨著經濟的繁榮、居民收入水平的提高、人口特別是城市人口的增加，人們的購房能力不斷提高，剛性需求逐漸增多，再加上一些開發(fā)商的投機行為，人為控制住宅的供應數量，導致中國城市房價持續(xù)上漲[28]。

2.1.2 國家政策是推動房價演變的重要因素。1979年，《中華人民共和國中外合資經營企業(yè)法》的頒布實施標志著中國土地制度的首次突破。1988年，《中華人民共和國憲法》規(guī)定土地使用權可以依法轉讓，標志著土地生產要素流通的合法化，突破了房地產業(yè)走向市場的土地瓶頸，為房地產業(yè)發(fā)展奠定了基礎。1998年7月，福利分房的終結使房地產業(yè)進入高速發(fā)展期，城市房價開始持續(xù)上漲[29]。2002年，土地出讓“招拍掛”制度的確立助推了地價[30]。之后，由于國內土地市場的不規(guī)范，商品房價格飛漲，超出了普通民眾的購買能力。因此，從2003年開始，國家加強了對土地流轉和商品房市場的調控力度，集中整頓土地市場。2005年，“新國八條”出臺，旨在穩(wěn)定房價。2006年之后，國家開始大規(guī)模的宏觀調控，全面抑制房地產泡沫。2008年金融危機對國內房地產業(yè)產生了嚴重的打擊，央行數次調整存貸利率以穩(wěn)定中國房產金融體系[31]。2010年之后，全國大部分城市出臺“限購令”政策，防止因投機而造成房價上漲。2013年國家又提出對二手房交易征收20%的稅，也是為了防止房地產的投機行為,對房價上漲具有一定的抑制作用[32]。2014年，央行出臺“央五條”，重點鼓勵釋放剛需，支持首套房貸，且受高庫存壓力影響，各地全面放開限購政策，刺激購房消費。2015年，面對新常態(tài)下中國經濟下行的壓力，房地產市場受到嚴重影響，國家相關部門、地方政府先后出臺了松綁限購政策、個人轉讓2年以上住房免稅、降低二套房首付比例、下調存款準備金率等一系列救市政策，以穩(wěn)定房地產市場。

2.2 空間上分異與演化的動力機制

2.2.1 城市地價梯度是造成房價空間分異與演化的直接原因。在單中心城市，競價租金(土地價格)的高低由交通成本決定，離市中心越近意味著通勤時間越短，但付出的代價就是高租金成本(高地價)。一般而言，土地價格隨著遠離市中心而呈下降的趨勢(圖1)[33]，以土地為基礎的房價也有同樣的分布規(guī)律，這與國內相關學者所得出的結論具有一致性[34-36]。但是，隨著城鎮(zhèn)化的不斷發(fā)展，市中心環(huán)境質量開始下降、交通堵塞、基礎設施陳舊，城市病日益凸顯，而郊區(qū)的交通等基礎設施則不斷地改善，加上人們對優(yōu)美環(huán)境的追求，在郊區(qū)交通便利的地區(qū)地價開始上升，形成次一級的高地價中心，在該區(qū)域的房價也就相對比較高(圖2)[37]，這一般也是高級住宅(別墅)選址的最佳地段。

圖1 競價租金和單中心城市土地利用Fig.1 Biding rent and land utilization of single center city

圖2 交通等影響下的城市地價分布Fig.2 Urban land price distribution under the influence of transportation

2.2.2 溢出效應是影響房價空間分異與演化的基礎因素。地理學第一定律認為，任何事物都是相互關聯(lián)的，距離越近關聯(lián)程度就越大，反之則越小[38]。房價的溢出效應是城市房價空間分異與演化的源動力[39]。一個城市房價的變化必然會影響到鄰域城市的房價，尤其是區(qū)域中心城市房價的變化對周邊小城市房價的影響更為顯著。蘭峰等[40]在關中城市群商品住宅價格波動的時空關系研究中發(fā)現(xiàn)，西安市作為關中地區(qū)的核心城市，當其住宅價格發(fā)生波動時會對周邊城市的住宅價格產生顯著的影響，而周邊城市住宅價格的波動對西安市也存在反饋作用，并且這種作用隨地理距離的增加而逐漸減弱，李智等[41]、劉金娥[42]也得出同樣的結論。任超群等[43]認為，土地出讓價格也是引起新建商品住宅價格波動的主要因素之一，負向信號導致區(qū)域新建商品住宅價格下跌，而正向信號則會引起商品住宅價格的上漲。

2.2.3 其他因素對房價空間分異的影響。一些外部因素也會對房價的空間分異與演化產生一定的影響，比如政府力量[44]、城市規(guī)劃[45-46]、居民收入差距[19]、地理環(huán)境[47-48]等，這些因素通過交互相容之后共同作用于城市房價，導致房價在不同區(qū)域的差異與同一區(qū)域的演化。

3 研究方法的發(fā)展與革新

近年來，隨著計算機技術的發(fā)展及數學與計量方法的引入，地理學在研究區(qū)域事物的時空分異與演化規(guī)律的能力不斷提升、精確度逐步提高，研究方法逐步由定性描述向定性與定量相結合的方向發(fā)展，這就使得地理學在學術研究中更科學、更嚴謹。

3.1 地統(tǒng)計學在城市房價研究中的應用

地統(tǒng)計學以具有空間分布特點的區(qū)域化變量理論為基礎，研究地理現(xiàn)象的空間變異與空間結構[49]，是目前研究城市房價時空分異與演化規(guī)律最常用的方法。運用地統(tǒng)計學分析房價規(guī)律的關鍵在于對房價空間結構的分析和半方差函數模型的建立,并在此基礎上對房價進行空間局部估計,繪制房價等值線圖，同時結合GIS制圖技術以準確地表征房價的空間分異特征和規(guī)律。

Kriging空間插值是地統(tǒng)計學中最典型的一種方法，在研究房價時空分異與演化規(guī)律中應用最多。周敏等[50]以變異函數理論和結構分析為基礎，在有限區(qū)域內對區(qū)域化變量進行無偏最優(yōu)估計，研究了南京市商品住宅價格的空間分布特征；張紹伙等[51]將Kriging法與GIS技術相結合，研究了貴陽市城區(qū)普通商品住宅價格的空間分布規(guī)律；梅志雄等[52]將Kriging法與ESDA理論相結合，估計和模擬了東莞房價空間分布特征，并分析了東莞房價空間自相關性和變異性，總結了東莞房價空間分異的規(guī)律。此外，回歸分析模型也是一種常用于分析研究城市房價的地統(tǒng)計學方法,能夠很好地解釋多因素對商品住宅價格的影響。宋佳楠等[53]通過建立多層線性模型定量分析了不同行政層次下各影響因子對城市土地價格和地價增長率的影響程度；Y.Zhang等[54]利用非線性自回歸滑動平均模型研究了中國1999—2010年房價的影響因素。

3.2 GIS技術在城市房價研究中的應用

GIS技術是應用廣泛的一種空間分析方法，主要是分析和處理地理區(qū)域內分布的各種現(xiàn)象和過程，解決復雜的規(guī)劃、決策和管理問題[55]。GIS技術可以直觀地展示城市房價空間分異的特征，還能很好地反映在時間序列上的演化規(guī)律，是研究城市房價時空分異與演化的有效方法之一。蔣芳等[56]利用GIS技術制作了北京市普通住宅出讓地價的系列空間分布圖,并揭示了北京住宅地價空間分布的規(guī)律及成因；龐瑞秋等[57]以GIS為平臺研究了長春市1991—2011年新建住宅的分布格局特征。然而，學界更多地是將GIS技術與其他方法相結合來進行相關的研究。吳宇哲[58]以GIS為研究平臺，結合數據可視化分析、特征價格模型、地統(tǒng)計學模型等方法，探討了城市住宅價格的時間演變和空間分布特征，并將空間與時間2個層面相整合，總結出了城市住宅價格的時空演變規(guī)律；吳文佳等[59]則將GIS與特征價格模型相結合，探討了景觀因素對住宅價格空間分異格局的影響；李佳等[60]利用GIS技術對西安市2011年開盤在售普通住宅進行統(tǒng)計與分析，總結了其空間分布的基本格局，并分析了西安市各區(qū)域的區(qū)域價值及其影響因素。

3.3 地理加權回歸在城市房價研究中的應用

地理加權回歸模型(GWR)由A.S.Fotheringham等[61]提出，旨在將數據的空間特性納入到回歸模型中進行分析。目前，GWR模型已被廣泛引入到地價和住宅價格研究。羅罡輝[62]從理論和實踐上證實了GWR模型在解決地價空間不平穩(wěn)的適用性和優(yōu)勢；湯慶園等[63]將GWR模型與OLS模型進行比較，證明了GWR模型在研究城市房價和空間影響因子之間復雜關系的優(yōu)越性；曹天邦等[64]利用GWR模型對南京市2003，2009年住宅地價的空間分異進行了對比，探討了城市內部不同影響因素對住宅地價影響的空間分異及其隨時間變化的特征，揭示了住宅地價及其影響因素的空間變化關系；張靜等[65]研究了江蘇省1997，2005，2008年的城市住宅地價影響因素的空間變異特征，揭示了各影響因子對住宅地價的影響程度和地區(qū)差異。然而，住宅價格模型雖已考慮到住宅價格在空間鄰域的相關性和非平穩(wěn)性,成功地抓住了空間變化，但還缺乏對時間因素非平穩(wěn)性影響的分析，忽略了時間效應[66]。所以，B.Huang等[67]通過對傳統(tǒng)GWR模型的改進，提出了時空地理加權統(tǒng)計回歸分析模型(GTWR)，成功地解決了城市住宅價格建模中的時空非平穩(wěn)性即差異性問題。

3.4 其他方法在城市房價研究中的應用

隨著現(xiàn)代數據獲取方法和手段的不斷革新，城市房價的時空分異與演化的研究方法技術也在不斷地改進和發(fā)展，技術越來越趨于成熟化。鄭新奇等[68]通過建立數字地價模型，從空間維和時間維分析解釋地價時空變化的規(guī)律；張麗芳等[69]利用Kriging空間插值法模擬了地價的空間布局，揭示了地價的空間結構特征，并在此基礎上建立了Hedonic特征價格模型，分析全部用途的地價影響因素；任輝等[70]運用GIS探索性空間數據分析(ESDA)技術研究南京市2000—2009年住宅用地出讓地價的空間特征，生成數字地價模型，分析住宅地價空間分布規(guī)律，并利用空間分析技術從微觀區(qū)位層次研究地價的時空分異；梅志雄等[71]利用Kriging方法對東莞房價空間分布進行了估計和模擬，然后運用ESDA的理論與方法分析東莞房價空間自相關性和變異性，得出了東莞市住宅價格的空間結構特點和分異規(guī)律；羅平等[72]通過構建城市住宅價格系統(tǒng)地理學仿真模型，結合蘭州市房產市場的實證研究，認為城市住宅價格系統(tǒng)動力學模型在房地產市場趨勢仿真模擬、房地產政策研究與決策分析和城市住宅市場系統(tǒng)內在機制研究方面有較大的推廣和應用價值；金貴等[73]則將引力模型與回歸分析的方法相結合研究了武漢城市群地價的空間結構特征。

4 結論與展望

4.1 結論

(1)房價影響因素的分析不斷全面化。國內學者從交通、地價、經濟發(fā)展水平、人口規(guī)模等多個不同的角度分析了它們之間的相關性，有些是從單一因素的角度來分析對房價的影響，而大部分學者是從多個因素來研究，對房價影響因素的總結已經相對比較全面。

(2)研究方法不斷多樣化和科學化。國內學者在對國外學者相關領域的學習和借鑒的基礎上不斷發(fā)展和創(chuàng)新，逐步形成地理信息系統(tǒng)、探索性數據空間分析、地理加權回歸、地統(tǒng)計學數字可視化、特征價格模型和Kriging空間插值等一系列研究方法和技術，城市房價的研究方法不斷趨于成熟，尤其是將2種甚至多種方法結合起來比較應用，研究結果更加科學和嚴謹。

(3)研究理論基礎單薄。多數學者更注重對個案的實證性研究，而對全國甚至全球房價時空分異及其動力機制的綜合研究較少，很少通過實證研究將其上升到理論層面，缺乏系統(tǒng)的概括和總結，在對城市(房價)經濟的研究中沒有一個“最高領袖”，尚沒有形成具有普遍適用于研究城市房價的系統(tǒng)性理論。

(4)多因素綜合動態(tài)分析。已有研究成果表明，城市房價的時空分異及其動力機制并不是單一因素的影響，而是多個要素共同作用的結果，在這些諸多因素中，必有1個或2個因素起著主導性的作用，而主導因素也不是一成不變的，會隨著外界環(huán)境的改變而發(fā)生變化。因此，在對城市房價時空分異的研究中，僅抓住單個要素靜態(tài)分析遠遠不夠，而要將多個要素綜合起來進行動態(tài)分析，并通過量化確定各要素對房價時空分異的貢獻度，使研究更加嚴謹和科學。

4.2 展望

(1)對城市房價的研究將越來越重視。房價一直是各級政府最為關心的問題之一，因為它不僅關系到政府的財政收入，更是直接關乎到普通百姓的日常生活和社會的穩(wěn)定，對國家經濟和社會發(fā)展產生重要的影響。尤其是近幾年國內房地產業(yè)發(fā)展極不穩(wěn)定，泡沫經濟嚴重，有些地方甚至出現(xiàn)了“鬼城”，這些問題亟待相關學者進行深入研究，以更好地服務國家經濟的建設。

(2)新方法和新技術手段的綜合應用將更加廣泛。隨著信息技術、GIS、地統(tǒng)計學、探索性空間數據分析等方法和技術的不斷成熟，對城市房價研究的方法和技術手段將更加多樣化和科學化，尤其是多種方法交叉綜合的應用更加廣泛。隨著多學科的交叉融合與研究視角的不斷拓展，經濟學、社會學、地圖學等領域的研究模型和方法逐漸應用到房價的研究中，這成為將來研究城市房價時空分異及動力機制的重要途徑和手段。

(3)研究的實踐應用性將不斷增強。理論研究的最終目的是應用于實踐，指導經濟建設和社會發(fā)展。目前，各級地方政府對地理學界的認可程度越來越高，各類高校、科研院所等的理論研究與政府工作的聯(lián)系越來越頻繁，學術成果被政府采納應用的頻次也不斷提高。理論研究與實踐應用不斷交融，該領域的理論研究將有更大的用武之地，指導城市經濟的健康發(fā)展。

[1] 國家統(tǒng)計局.1987年以來的國內商品房平均價格及上漲情況概覽[EB/OL].(2013-02-26)[2014-10-26〗.http://chinaicn.com.cn/index.php/page-79-1573.html.

[2] 王茂春.論城市地價空間演化規(guī)律及其動因[J].熱帶地理,1997,17(4):347-353.

[3] 喬林,孔淑紅.我國不同發(fā)展層次城市房價影響因素的差異分析及對策研究[J].特區(qū)經濟,2012(5):210-212.

[4] 黨云曉,張文忠,武文杰.北京城市居民住房消費行為的空間差異及其影響因素[J].地理科學進展,2011,30(10):1203-1209.

[5] Northam R M.Urban Geography[M].New York:John Wiley & Sons,1975:226.

[6] 蘭宜生,郭利平.我國東中西部大城市土地出讓金體現(xiàn)的級差地租問題研究——以上海、鄭州、西安為例[J].中國經濟問題,2012(1):59-64.

[7] 王霞,朱道林.地統(tǒng)計學在都市房價空間分布規(guī)律研究中的應用——以北京市為例[J].中國軟科學,2004(8):152-155.

[8] 李雪銘,張馨,張春花,等.大連商品住宅價格空間分異規(guī)律研究[J].地域研究與開發(fā),2004,23(6):35-39.

[9] 杜德斌,徐建剛.影響上海市地價空間分布的區(qū)位因子分析[J].地理學報,1997,52(5):21-29.

[10] 王琳.城市軌道交通對住宅價格的影響研究——基于特征價格模型的定量分析[J].地域研究與開發(fā),2009,28(2):57-70.

[11] 谷一楨,鄭思齊.軌道交通對住宅價格和土地開發(fā)強度的影響——以北京市13號線為例[J].地理學報,2010,65(2):213-223.

[12] 趙自勝.城市商品住宅價格空間分異研究[D].開封:河南大學,2010.

[13] 余華義,陳東.中國地價、利率與房價的關聯(lián)性研究[J].經濟評論,2009(4):41-49.

[14] 劉琳,劉洪玉.地價與房價關系的經濟學分析[J].數量經濟技術經濟研究,2003(7):27-30.

[15] 黃振宇.我國住宅市場供給對住宅價格影響的實證分析——基于1998—2007年我國房地產市場數據[J].宏觀經濟研究,2011(3):21-31.

[16] 任木榮,劉波.房價與城市化的關系——基于省際面板數據的實證分析[J].南方經濟,2009(2):41-49.

[17] 陳進國,李威,周杰,等.人口結構與房價關系研究——基于代際交疊模型和我國省際面板的分析[J].經濟學家,2013,10(2):40-47.

[18] 徐建煒,徐奇淵,何帆,等.房價上漲背后的人口結構因素:國際經驗與中國證據[J].世界經濟,2012(1):21-42.

[19] 范紅忠,張婷,李名良.城市規(guī)模、房價與居民收入差距[J].當代財經,2013(12):5-12.

[20] 馬莉莉,張洪.我國城市規(guī)模與房價相關關系的實證研究[J].云南財貿學院學報：社會科學版,2008,23(6):97-99.

[21] 石憶邵,郭惠寧.上海南站對住宅價格影響的時空效應分析[J].地理學報,2009,64(2):167-176.

[22] 尹海偉,徐建剛,孔繁花.上海城市綠地宜人性對房價的影響[J].生態(tài)學報,2009,29(8):4492-4500.

[23] 馮皓,陸銘.通過買房而擇校:教育影響房價的經驗證據與政策含義[J].世界經濟,2010(12):89-104.

[24] 陳湘,陳文君,冷崇總.高房價的地方政府之責及其治理[J].價格月刊,2010(4):3-10.

[25] 劉嘉毅,陶婷芳,夏鑫.產業(yè)結構變遷與住宅價格關系實證研究——來自中國內地的經驗分析[J].財經研究,2014,40(3):73-84.

[26] 劉曉君,丁超,盧晨,等.鄭汴一體化對開封市住宅價格的影響研究[J].地域研究與開發(fā),2011,30(3):52-55.

[27] 崔新明.城市住宅價格的動力因素及其實證研究[D].杭州:浙江大學,2003.

[28] 況偉大.預期、投機與中國城市房價波動[J].經濟研究,2010(9):67-78.

[29] Chen J H,Guo F,Wu Y.One Decade of Urban Housing Reform in China:Urban Housing Price Dynamics and the Role of Migration and Urbanization,1995—2005[J].Habitat International,2011,35(1):1-8.

[30] 葉劍平,廖年生.和諧發(fā)展房地產市場的調控要點[J].中共中央黨校學報,2007,11(5):73-77.

[31] 阮連法,包洪潔,溫海珍.重大事件對城市住宅價格的影響——來自杭州市的證據[J].中國土地科學,2012,26(12):41-47.

[32] 杜雪君.房地產稅對房價的影響機理與實證分析[D].杭州:浙江大學,2009.

[33] 奧沙利文.城市經濟學[M].周京奎，譯.北京:北京大學出版社,2008:148.

[34] 常疆,廖秋芳,王良健.長沙市區(qū)地價的空間分布特征及其影響因素[J].地理研究,2011,30(10):1901-1909.

[35] 杜小婭,陸躍進.南京市區(qū)地價空間分布及其影響因素分析[J].國土資源遙感,2004(2):51-55.

[36] 石憶邵,李木秀.上海市住房價格梯度及其影響因素分析[J].地理學報,2006,61(6):604-612.

[37] 李小建,李國平,曾剛,等.經濟地理學[M].北京:高等教育出版社,2010.

[38] Westlund H.A Brief History of Time,Space,and Growth:Waldo Tobler’s First Law of Geography Revisited[J].The Annals of Regional Science,2013,51(3):917-924.

[39] 鄒利林,楊俊,胡學東.中國城市住宅價格時空演變研究進展與展望[J].地理科學進展,2013,32(10):1479-1489.

[40] 蘭峰,屠萌.關中城市群商品住宅價格波動的時空擴散機理研究[J].西安建筑科技大學學報:自然科學版,2013,45(6):907-912.

[41] 李智,鄭彥璐,吳偉巍,等.城市間住宅價格波動溢出效應研究——以長三角一線和二線城市為例[J].經濟問題探索,2013(11):32-38.

[42] 劉金娥.區(qū)域房地產價格的溢出效應研究[J].商業(yè)時代,2013(35):134-135.

[43] 任超群,張娟鋒,賈生華.土地出讓價格信號對區(qū)域新建商品住宅價格的影響[J].中國土地科學,2011,25(7):60-65.

[44] 謝地,趙欣穎.房地產業(yè)的發(fā)展與政府角色的定位[J].北華大學學報:社會科學版,2007,8(1):82-84.

[45] 胡正權.淺析城市規(guī)劃與城市房價關系[J].科技創(chuàng)新與應用,2013(16):143.

[46] 謝暉.城市規(guī)劃與房地產開發(fā)的協(xié)調機制研究[J].經濟地理,2003,23(3):393-396.

[47] 劉貴文,王麗娟.城市住房價格影響因素及其空間規(guī)律研究——基于地理加權回歸模型的實證分析[J].技術經濟與管理研究,2013(9):81-86.

[48] 馬智利,楊艷.重慶市普通住宅地價空間分布與影響因素研究[J].地域研究與開發(fā),2009,28(5):119-123.

[49] 劉愛利,王培法,丁園圓,等.地統(tǒng)計學概論[M].北京:科學出版社,2012.

[50] 周敏,甄峰.基于空間分析的城市商品住宅價格空間分布研究——以南京市2007年開盤在售商品住宅為例[J].現(xiàn)代城市研究,2008(7):47-53.

[51] 張紹伙,彭賢偉.基于Kriging方法和GIS技術的城市房價空間分異研究——以貴陽市城區(qū)為例[J].貴州師范大學學報:自然科學版,2010,28(1):27-31.

[52] 梅志雄,黎夏.基于ESDA和Kriging方法的東莞市住宅價格空間結構[J].經濟地理,2008,28(5):862-866.

[53] 宋佳楠,金曉斌,唐健,等.中國城市地價水平及變化影響因素分析[J].地理學報,2011,66(8):1045-1054.

[54] Zhang Yanbing,Hua Xiuping,Zhao Liang.Exploring Determinants of Housing Prices:A Case Study of Chinese Experience in 1999—2010[J].Economic Modelling,2012,29(6)：2349-2361.

[55] 湯國安,楊昕.ArcGIS地理信息系統(tǒng)空間分析實驗教程[M].2版.北京:科學出版社,2012.

[56] 蔣芳,朱道林.基于GIS的地價空間分布規(guī)律研究——以北京市住宅地價為例[J].經濟地理,2005,25(2):199-202.

[57] 龐瑞秋,趙梓渝,王唯,等.住房制度改革以來長春市新建住宅的空間布局研究[J].地理科學,2013,33(4):435-442.

[58] 吳宇哲.基于GIS的城市住宅價格時空演變規(guī)律探索及其應用研究[D].杭州:浙江大學,2005.

[59] 吳文佳,張曉平,李媛芳.北京市景觀可達性與住宅價格空間關聯(lián)[J].地理科學進展,2014,33(4):488-498.

[60] 李佳,楊新軍,舒桐.住宅空間分異特征分析及區(qū)域價值研究——以西安市2011年開盤在售商品住宅為例[J].干旱區(qū)地理,2014,37(1):170-178.

[61] Fotheringham A S,Brunsdon C,Charlton M.Geographically Weighted Regression:The Analysis of Spatially Varying Relationships[M].Chichester：John Wiley & Sons,2002.

[62] 羅罡輝.基于GWR模型的城市住宅地價空間結構研究[D].杭州:浙江大學,2007.

[63] 湯慶園,徐偉,艾福利.基于地理加權回歸的上海市房價空間分異及其影響因子研究[J].經濟地理,2012,32(2):52-58.

[64] 曹天邦,黃克龍,李劍波,等.基于GWR的南京市住宅地價空間分異及演變[J].地理研究,2013,32(12):2324-2333.

[65] 張靜,張麗芳,濮勵杰,等.基于GWR模型的城市住宅地價的時空演變研究——以江蘇省為例[J].地理科學,2012,32(7):828-834.

[66] 張金牡,劉彪,吳波,等.應用改進的時空地理加權模型分析城市住宅價格變化[J].東華理工大學學報：自然科學版,2010,33(1):53-59.

[67] Huang B,Wu B,Barry T.Geographically and Temporally Weighted Regression for Spatio-temporal Modeling of House Prices[J].International Journal of Geographical Information Science,2010，24(3):383-401.

[68] 鄭新奇,王家耀,閻弘文,等.數字地價模型在城市地價時空分析中的應用[J].資源科學,2004,26(1):14-21.

[69] 張麗芳,濮勵杰,張靜,等.基于Hedonic模型的城市地價空間結構分析——以湖南省婁底市為例[J].經濟地理,2009,29(9):1475-1480.

[70] 任輝,吳群.基于ESDA的城市住宅地價時空分異研究——以南京市為例[J].經濟地理,2011,31(5):760-765.

[71] 梅志雄,黎夏.基于ESDA和Kriging方法的東莞市住宅價格空間結構[J].經濟地理,2008,28(5):862-866.

[72] 羅平,何素芳,?；鄱?城市住宅市場價格系統(tǒng)動力學模型實證研究[J].人文地理,2001,16(2):57-61.

[73] 金貴,王占岐,楊俊,等.基于引力模型與回歸分析的城市群地價空間結構研究——以武漢城市圈為例[J].地域研究與開發(fā),2013,32(6):29-32.

Research Progress of Spatial-temporal Differentiation and Dynamic Mechanism of Domestic City Housing Price

Guo Huixiu1, Ta Xingxing1, Jia Fei1, Wang Jianmin1,2

(1.School of Resource and Environment, Ningxia University, Yinchuan 750021, China; 2.Ningxia International Language School, Yinchuan 750100, China)

Spatial-temporal differentiation and evolution of city housing prices will be affected by many factors, and these factors are not separate in affecting the housing price, rather a complex system which affects the time evolution and space differentiation of city house prices jointly. By studying the influencing factors, dynamic mechanism and research methods of spatial-temporal differentiation of housing prices, this paper analyzes the spatial-temporal differentiation and evolution of domestic city housing price and on this basis, points out the achievements and the deficiencies about the existing research results, and looking forward to the future development direction and anything that needs to be strengthened in this field.

city housing prices; spatial-temporal differentiation; dynamic mechanism; influence factor; research progress

2014-11-17；

2016-02-25

寧夏大學研究生創(chuàng)新項目(GIP2015004)；教育部人文社會科學青年基金項目(13YJCZH059)

郭慧秀(1989-)，女，山西大同市人，碩士研究生，主要從事空間信息分析方面的研究，(E-mail)1126293799@qq.com。

拓星星(1991-)，男，陜西子長縣人，碩士研究生，主要從事區(qū)域開發(fā)與規(guī)劃研究，(E-mail)306702032@qq.com。

F293.3

A

1003-2363(2016)02-0058-07