孫禮勝

(寧夏大學(xué) 物理與電子電氣工程學(xué)院，寧夏 銀川 750021)

引 言

城市生態(tài)景觀(Urban Ecological Landscape)是原始自然環(huán)境和人類聚居過程中相互干預(yù)、相互作用的產(chǎn)物，具有獨特形態(tài)特征和功能聯(lián)系的人類生存環(huán)境，在經(jīng)濟、文化、生態(tài)、美學(xué)等方面有重要價值。為提高居民生活質(zhì)量和城市整體形象，政府相關(guān)部門對必要的公共物品進行建設(shè)投資，如修建公園、綠地、廣場等，最大程度地滿足居民對高質(zhì)量生活水平的需求[1-3]。不同專家學(xué)者根據(jù)其研究需要，對生態(tài)景觀的概念和內(nèi)涵進行界定[4-7]。本文研究的銀川市生態(tài)景觀具體界定為公園綠地、湖泊、河流、小區(qū)的環(huán)境，這些景觀類型基本上可以整體上說明銀川市生態(tài)景觀的狀況。

國內(nèi)外學(xué)者在景觀價值的評估領(lǐng)域研究較多，如Benson等研究表明，有高質(zhì)量海景房的住房價格要比無景觀的普通住房增值60%左右，而山景卻對住宅價格沒有顯著影響[8]。Garrod&Willis發(fā)現(xiàn)，一個地區(qū)的森林覆蓋面積在1km之內(nèi)達到20%，會提升該區(qū)域周邊的住宅價格[9]。Plattner發(fā)現(xiàn)湖景景觀對周邊住宅價格具有明顯增值效果，相對于附近沒有湖景的小區(qū)，其住宅價格上升4%～12%以上[10]。Gillard研究顯示，周邊有良好景觀的住房價格要比沒有景觀的高出9.2%左右[11]。國內(nèi)學(xué)者溫海珍通過建立特征價格模型，研究西湖景觀對住宅價格的影響，研究發(fā)現(xiàn)，西湖對杭州市住宅價格的空間結(jié)構(gòu)具有主導(dǎo)作用，住宅價格隨著住宅小區(qū)到西湖距離的減小而增大，到西湖的距離每增加1 km，住宅價格將下降6.25 %，西湖對住宅價格的空間影響范圍為5.62km[12]。石憶邵、張蕊也用特征價格模型對黃興公園進行研究，得出黃興公園影響的范圍可達0.59km，且在時間效應(yīng)上的增值差異性較大[13]。雷茜以武漢市東湖為研究對象，得出在距離東湖500m范圍以內(nèi)的住宅價格要高于均價5%-7%[14]。鐘海明，張安錄等通過特征價格法研究了武漢南湖周邊的住宅小區(qū)，在南湖700m范圍內(nèi)，住宅價格每減少100m便會帶來5.65%的增值[15]。李旭寧從景觀面積的大小、距離景觀的遠近等角度對杭州市城市景觀進行研究[16]等。但國內(nèi)外在景觀方面的研究主要集中在公園、綠地、湖泊、森林等單一景觀的研究，對景觀的系統(tǒng)性、綜合性研究相對不足[17-26]，且對西部城市生態(tài)景觀的研究相對較少。本文以銀川主城區(qū)為例，從鄰里特征、建筑特征、區(qū)位特征、生態(tài)景觀變量等角度進行綜合性研究，以期為政府部門土地利用規(guī)劃、城市居民購房提供一定的參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況和數(shù)據(jù)來源

銀川市被譽為“塞上湖城”，良好的生態(tài)環(huán)境質(zhì)量、宜居的生活環(huán)境使銀川市成為全國重要的宜居城市之一。銀川市分為三區(qū)、兩縣、一市，即興慶區(qū)、金鳳區(qū)和西夏區(qū)，賀蘭縣、永寧縣和靈武市。由于銀川市主城區(qū)經(jīng)濟發(fā)展、基礎(chǔ)設(shè)施完善，是全區(qū)經(jīng)濟發(fā)展的核心區(qū)域，該區(qū)域房地產(chǎn)市場發(fā)展成熟，對生態(tài)景觀價值研究有代表性意義。因此，選取銀川市興慶區(qū)、金鳳區(qū)、西夏區(qū)部分樓盤數(shù)據(jù)和生態(tài)景觀作為研究對象。

研究數(shù)據(jù)均來自銀川市搜房網(wǎng)、銀川市統(tǒng)計年鑒、電子地圖數(shù)據(jù)網(wǎng)絡(luò)搜索、住宅小區(qū)的實地調(diào)研，主要涉及住宅價格掛牌價格、住宅成交數(shù)據(jù)、Google Earth電子地圖測距。通過實地調(diào)研，對從網(wǎng)絡(luò)平臺、房地產(chǎn)中介公司獲取的信息進行甄別，剔除奇異的數(shù)據(jù)，以保證研究數(shù)據(jù)的科學(xué)性和典型性[27]。數(shù)據(jù)的收集時間為2017年3月16日至2017年6月22日，由于時間跨度較小，可以排除時間因素對本研究可能造成的影響。數(shù)據(jù)收集樣本的個數(shù)為1786個，剔除信息不完備的數(shù)據(jù)樣本，共得到1351數(shù)據(jù)樣本作為后續(xù)研究的對象。通過房地產(chǎn)中介公司和搜房網(wǎng)可以收集到出售掛牌資料重要數(shù)據(jù)，物業(yè)水平、周邊環(huán)境質(zhì)量、交通便利程度、學(xué)校配套和基本生活設(shè)施完善程度等數(shù)據(jù)信息則進行實地調(diào)研。對生態(tài)景觀變量和區(qū)位特征變量進行Google Earth電子地圖數(shù)據(jù)測量，如最近公園的距離、到市中心距離[10]。由于數(shù)據(jù)是掛牌價格，而不是實際的成交價格，因此筆者對掛牌價格進行修正。參考李旭寧和粟韋春對杭州市和南寧市成交價格和掛牌價格的轉(zhuǎn)換方法，對銀川市住宅掛牌數(shù)據(jù)進行修正。以掛牌價格為自變量，成交價格為因變量，構(gòu)建回歸方程，得到以下轉(zhuǎn)換公式：Cp=754.155+0.921Lp,其中，CP表示住宅的成交價格，Lp為住宅的掛牌價格。

1.2 變量的選擇和量化

因變量是由自變量等各因素的變動而引起變動的量。選擇住宅總價作為因變量可以反推出影響生態(tài)景觀特征因素的隱性價值，因此選擇住宅總價為因變量。

自變量可以看作是因變量的原因。學(xué)者對自變量的選擇主要是建筑特征、鄰里特征、區(qū)位特征三大類[28-29]，為使研究更具典型性和科學(xué)性，筆者結(jié)合銀川市的實際，增加生態(tài)景觀變量。建筑特征變量主要包括建筑面積、住宅年齡、裝修程度、所在樓層、朝向等5個變量；區(qū)位特征變量包括到市中心的距離、公交線路的數(shù)量；鄰里特征變量主要包括與最近公園的距離、物業(yè)管理狀況、生活配套、教育配套、文體設(shè)施、治安環(huán)境；生態(tài)景觀變量則包括小區(qū)環(huán)境質(zhì)量、最近公園的質(zhì)量、臨近河流、臨近湖泊等。具體量化方法和對住宅價格的預(yù)期符號見表1。

表1 特征變量的含義及預(yù)期符號

1.3 模型的函數(shù)形式

函數(shù)形式的選擇是模型分析的關(guān)鍵，對模型結(jié)果產(chǎn)生重要影響。一般而言，特征價格模型基本的函數(shù)形式包括線性函數(shù)形式、對數(shù)函數(shù)和半對數(shù)形式，擬合度越高，則函數(shù)形式越合適。本文選取上述3種基本的函數(shù)形式構(gòu)建模型。通過對比不同函數(shù)形式的擬合程度，選擇合適的函數(shù)形式。通過表2的擬合度可知，選取對數(shù)函數(shù)形式最為合適。

表2 不同函數(shù)的擬合度對比圖

對數(shù)函數(shù)形式，公式如下：

InP=β0+∑βiInXi+∑βjXj+ε

其中，式中的P表示住宅價格，β0、βi、βj是待估計系數(shù)，Xi為連續(xù)性特征變量，Xj為非連續(xù)性變量，ε為誤差項。

2 結(jié)果與分析

2.1 住宅特征價格的符號分析

從表3可知，在顯著性水平為10%情況下，本文選擇的17個變量，除了朝向、文體設(shè)施2個變量不顯著外，其他15個變量均進入模型，且自變量的顯著性水平都小于1%，說明模型中大部分自變量的回歸系數(shù)具有很強的顯著性和可信度。朝向?qū)ψ≌瑑r格的影響具有正向影響，而結(jié)果顯示sig為0.532，可能是由于銀川市整體規(guī)劃的住宅建筑以正南、正北方向為主，導(dǎo)致所選樣本數(shù)據(jù)大多得分為1(朝南)，朝西、朝東數(shù)據(jù)較少。朝向因素并非是本地居民購房的絕對因素。

表3 模型的回歸系數(shù)分析

2.2 住宅特征價格預(yù)期分析

進入模型的變量中，其預(yù)期符號基本上保持一致，僅教育配套和與CBD距離這2個變量的符號與預(yù)期相反。在10%的顯著性水平下，裝修程度、所在樓層、公交線路數(shù)量、樓層總數(shù)、治安環(huán)境、住宅面積等非景觀變量呈現(xiàn)出正向影響，均通過了10%的顯著性檢驗，而只有教育配套變量則呈負向影響。一般而言，教育配套對住宅價格有正向影響，而在10%的顯著性水平下研究結(jié)果產(chǎn)生負向影響，這可能是因為銀川市教育配套分布不均衡，幼兒園、小學(xué)、中學(xué)大多分布在金鳳區(qū)和興慶區(qū)，大學(xué)分布較少。而西夏區(qū)是大學(xué)城，但小學(xué)、中學(xué)數(shù)量相對其他兩區(qū)來說較少。雖然考慮到幼兒園、小學(xué)、中學(xué)、大學(xué)等因素的影響，但是受數(shù)據(jù)獲得性的影響，數(shù)據(jù)的統(tǒng)計局限在1km范圍之內(nèi)，且沒有考慮到各教育培訓(xùn)機構(gòu)的影響，造成了回歸系數(shù)出現(xiàn)較小偏差。距市中心的距離和住宅價格成負相關(guān)，但結(jié)果卻顯示正相關(guān)。這主要是銀川市主城區(qū)的三個區(qū)都有自己的商業(yè)中心，銀川市整體的發(fā)展格局是自東向西呈“條帶狀”分布，三區(qū)均有滿足居民基本生活工作的購物、辦公、休閑等一體化的中心。而興慶區(qū)最為繁華的“新華商業(yè)區(qū)”雖然在整個興慶區(qū)影響較大，但是對西夏區(qū)和金鳳區(qū)居民的生活影響比較小。如果將搜集的數(shù)據(jù)局限在主城區(qū)的任意一個區(qū)，則該特征變量的結(jié)果將可能會與預(yù)期相符合。

此外，生態(tài)景觀變量，如臨近河流、臨近湖泊、公園質(zhì)量、小區(qū)環(huán)境4個景觀變量也通過了10%的顯著性檢驗，其回歸系數(shù)為正。這表明：周邊小區(qū)有河流和湖泊的住宅價格要高于沒有河流湖泊等景觀的住宅小區(qū)，即隨著距離河流湖泊的距離越遠，住宅的價格越低。這也解釋了金鳳區(qū)具有良好水域的小區(qū)住宅價格高、增幅空間大，如森林公園、艾依水郡、艾依公館、陶然水岸、寶湖公園等。同樣，受北塔湖水域的影響，其水域周邊的小區(qū)，如興慶府大院、觀湖壹號、海寶小區(qū)等，其住宅價格也受水域影響較大。而西夏區(qū)河流較少，且受社會經(jīng)濟等因素的制約，其生態(tài)景觀作用發(fā)揮受限。公園的質(zhì)量越高，周邊小區(qū)的住宅價格越高。小區(qū)環(huán)境越好，綠化率越高，衛(wèi)生環(huán)境越整潔的小區(qū)，其物業(yè)費等各項費用也高，居民也愿意承擔(dān)良好環(huán)境帶來的較高價格。如“綠地國際花都”等小區(qū)環(huán)境在西夏區(qū)首屈一指，其住宅價格也在西夏區(qū)位居前列，即小區(qū)環(huán)境越好，住宅價格越高。

綜上，通過對14個特征變量和5個生態(tài)景觀變量的顯著性水平和預(yù)期符號分析，并結(jié)合銀川市實際的情況，結(jié)果基本上較為真實地反映了銀川市生態(tài)景觀變量和住宅價格之間的關(guān)系，表明模型的回歸結(jié)果具有較高的可信度。

2.3 特征變量價格彈性分析

生態(tài)景觀變量的價格彈性(半彈性)系數(shù)，即代表影響住宅價格的百分比。在對數(shù)函數(shù)中，對連續(xù)型的變量取對數(shù)，對不連續(xù)的變量就保留線性。在模型中，未標(biāo)準化的回歸系數(shù)對應(yīng)著特征要素的價格彈性或半彈性的系數(shù)，半彈性系數(shù)的轉(zhuǎn)換公式為

彈性系數(shù)=Exp(回歸系數(shù)-1)

到最近公園距離的彈性系數(shù)為-0.024，則表示在其他特征變量數(shù)值不變時，住宅到最近公園的距離每增加1%，則住宅價格就會降低0.024%；小區(qū)環(huán)境、最近公園的質(zhì)量、臨近河流和湖泊這四個變量采用自然數(shù)，從1到5分的賦值，其中小區(qū)環(huán)境的半彈性系數(shù)為5.44，表示在保持其他特征變量值相同的情況下，小區(qū)環(huán)境每上升一個檔次，住宅價格就會上升5.44%；到最近公園的質(zhì)量的半彈性系數(shù)為1.41，則表示公園質(zhì)量每上升一個等級，那么小區(qū)的住宅價格就會上漲1.41%；周邊是否頻臨河流和湖泊的價格半彈性系數(shù)分別是6.29和4.6,則分別表示在其他特征變量數(shù)值相同的情況下，擁有河流、湖泊視野的小區(qū)會比沒有此類景觀的小區(qū)的住宅價格分別上漲6.29%和4.6%左右。擁有自然湖泊和天然湖泊的小區(qū)，往往具有優(yōu)美的觀賞價值和潛在的商業(yè)價值，也是房地產(chǎn)商開發(fā)的重點區(qū)域。

表4 生態(tài)景觀特征變量的半彈性價格分析

2.4 景觀特征變量的邊際價格分析

由于各變量系數(shù)表示的含義不同，使各特征要素對住宅價格的影響情況不能直接采用標(biāo)準化后的回歸系數(shù)直接比較。標(biāo)準住宅，即各特征的數(shù)值為整個市場的平均值的住宅。通過對數(shù)函數(shù)得到的價格彈性(半彈性系數(shù))，可以對住宅特征的邊際價格進行分析。對標(biāo)準化住宅來說，就是住宅特征每增加一個單位，標(biāo)準住宅的價格將增加多少。生態(tài)景觀變量的邊際價格表示景觀特征變量對住宅價格貨幣上的影響，是購房者參考的重要依據(jù)。

本文參照學(xué)者吳冬梅[30]對南京市景觀研究的計算方法，對于標(biāo)準住宅而言，最近公園質(zhì)量每上升一個檔次，住宅價格就會高1.41%。以研究區(qū)住宅總價的均值64.068萬元來計算，邊際價格為0.903萬元；以研究區(qū)住宅均價5756.5元/m2來計算，則結(jié)果高出81.14元/m2。同理可得：到最近公園的距離每增加1km,則房價便會下降116.90元/m2；小區(qū)環(huán)境每提升一個檔次，則房價便會上漲313.58元/m2；周邊1km范圍內(nèi)臨近河流或臨近湖泊的小區(qū)，其住宅價格將比沒有河流或湖泊景觀的住宅價格將分別上漲362.10元/m2、265.06元/m2。

這些回歸系數(shù)表明了各特征要素對住宅價值的貢獻程度，并不是其實際價格，只是代表各特征要素在購買者心中對應(yīng)的價格。由于數(shù)據(jù)來源于整個銀川市主城區(qū)，樣本數(shù)據(jù)多，較為典型地反映了主城區(qū)各特征要素對住宅價格的影響程度。

通過上述分析，結(jié)合進入模型特征變量的回歸系數(shù)可知，銀川市住宅特征價格基本模型為

Ln住宅總價=-1.434+0.049*裝修程度-0.007*ln所在樓層+0.005*ln樓層總數(shù)+0.016*朝向+0.002*公交路線數(shù)+0.25*生活配套-0.013*教育配套+0.061*臨近河流+0.045*臨近湖泊+0.014*公園質(zhì)量+0.041*治安狀況+0.053*小區(qū)環(huán)境+0.003*物業(yè)管理+0.027*文體設(shè)施+1.078*ln建筑面積-0.025*ln房齡+0.073*ln到市中心距離-0.024*ln到最近公園距離。

2.5 房價影響因子排序

通過表5可知各因子對房價的影響狀況。將各特征要素標(biāo)準化后的回歸系數(shù)beta的絕對值進行排序，分類標(biāo)準如下：

|beta|>=0.200(第一類)；|beta|<0.200&|beta|>=0.100(第二類)；|beta|<0.100(第三類)。

影響程度見表5。

表5 住宅特征影響程度分類

3 結(jié)論與討論

以銀川市為研究對象，利用特征價格模型方法，構(gòu)建銀川市生態(tài)景觀變量指標(biāo)體系，對生態(tài)景觀價值與房價的關(guān)系進行研究。結(jié)果表明：銀川市城市生態(tài)景觀對住宅價格具有增值影響。距離生態(tài)景觀越近，住宅價格越高；最近公園質(zhì)量每上升一個檔次，住宅價格就會提升81.14元/m2；到最近公園的距離每增加1公里，住宅價格會降低116.90元/m2；小區(qū)環(huán)境每提升一個檔次，住宅價格就會提升313.58元/m2；周邊1km范圍內(nèi)臨近河流和臨近湖泊的小區(qū)，其住宅價格比沒有水景景觀的住宅價格將分別增加362.10元/m2、265.06元/m2。但論文還存在以下不足。

(1)由于閱海生態(tài)區(qū)周邊的樓盤較少，較其他景觀周邊的小區(qū)而言，樣本樓盤的數(shù)量相對較少。閱海片區(qū)是近幾年在銀川市政策引導(dǎo)下剛打造的生態(tài)景觀區(qū)，也將成為銀川市未來的中心商務(wù)區(qū)。在未來的10年里，在政策的引導(dǎo)下，隨著該地區(qū)入住率的增多、城市區(qū)域中心的遷移，單獨研究該地區(qū)的生態(tài)景觀和房地產(chǎn)的影響程度具有很大的價值。

(2)生態(tài)景觀變量的指標(biāo)體系還需完善。本文變量的選擇是根據(jù)國內(nèi)外學(xué)者在景觀價值評估、特征價格模型的應(yīng)用等研究成果的基礎(chǔ)上，根據(jù)銀川市生態(tài)景觀分布的具體實際情況下，并結(jié)合銀川市專家學(xué)者的意見下形成的。但目前變量的選取沒有通用的指標(biāo)體系，大部分的學(xué)者是根據(jù)研究需要對變量進行靈活調(diào)整，以滿足研究需要。

(3)影響房價的因素有很多，各因素對房價相互作用、相互影響。由于篇幅限制，文中沒有對各因素的貢獻值大小進行計算，主要是對影響房價的因素進行簡單的排序，并著重從生態(tài)景觀變量的角度進行研究。在后續(xù)的研究中，將嘗試從影響房價的各因素的影響范圍出發(fā)，研究生態(tài)景觀各因素對于住宅價格的影響程度。隨著地理信息技術(shù)的發(fā)展，將RS和GIS相結(jié)合來研究房地產(chǎn)的價值，實現(xiàn)理論方法的多元化將是該領(lǐng)域研究的趨勢[31-34]，GIS技術(shù)的進步也為空間地理現(xiàn)象的分析和研究提供可能。