杜延培，李在留，郭 松

（1.廣西藝術(shù)學(xué)院，南寧 530007；2.廣西大學(xué)林學(xué)院，南寧 530004）

公園作為城市生態(tài)環(huán)境建設(shè)的重要組成，其價(jià)值可分為舒適性的服務(wù)價(jià)值和商品性的經(jīng)濟(jì)價(jià)值［1］，從受益對(duì)象角度出發(fā)，前者稱為“愉悅價(jià)值”，后者為“商品價(jià)值”［2］，相關(guān)價(jià)值定量已成為當(dāng)前研究熱點(diǎn)。其中，公園因優(yōu)美的風(fēng)景和舒適的環(huán)境，直接或間接卷入市場(chǎng)交易，帶動(dòng)經(jīng)濟(jì)發(fā)展，提高周邊房地產(chǎn)價(jià)格，所形成商品價(jià)值無(wú)法直觀體現(xiàn)，容易低估或忽視，導(dǎo)致城市建設(shè)和管理缺乏科學(xué)性［3］。基于公園的外部性特點(diǎn)［4］，市場(chǎng)化以外的享樂(lè)價(jià)格法（Hedonic price method，HPM）［5］為其商品價(jià)值評(píng)估提供思路。

HPM運(yùn)行的前提條件是良好且透明度高的房地產(chǎn)市場(chǎng)，評(píng)估結(jié)果會(huì)根據(jù)函數(shù)模型的選擇和分析步驟不同而有所變化，需要大量的數(shù)據(jù)和專業(yè)的數(shù)據(jù)統(tǒng)計(jì)分析以提高準(zhǔn)確度，HPM的推廣應(yīng)用還有待進(jìn)一步研究［6，7］。另外，城市綠地對(duì)周邊的房地產(chǎn)有明顯的增值作用，人們?cè)敢鉃橄硎芄珗@景觀而支付更高的房屋價(jià)格［8-10］。受城市形態(tài)變化不一，房產(chǎn)價(jià)格受公園增值程度和影響因素不盡相同。目前，相關(guān)的研究大多數(shù)關(guān)注公園對(duì)周邊房?jī)r(jià)的增值程度［11-15］，并未基于所得出的增值程度進(jìn)一步評(píng)估公園所蘊(yùn)含的商品價(jià)值。

南湖公園地處南寧市中心城區(qū)，總面積200.09 hm2，其中陸地面積93.09 hm2，水體面積107 hm2，是一座融水體景觀、亞熱帶園林風(fēng)光、市民娛樂(lè)休閑于一體的綜合性公園，也是重大節(jié)日舉行游園文化活動(dòng)的重要場(chǎng)所。南湖公園作為“海綿城市”建設(shè)試點(diǎn)公園，政府投資巨大，基礎(chǔ)設(shè)施完善，養(yǎng)護(hù)管理到位，深受游客喜愛(ài)，年接待游客達(dá)1 700多萬(wàn)人次，居南寧市免費(fèi)開(kāi)放型公園之首。因此，本研究選取南寧市南湖公園為研究對(duì)象，采集影響公園周邊房屋增值情況的變量數(shù)據(jù)，檢驗(yàn)并選取最優(yōu)HPM分析模型，發(fā)掘顯著影響公園周邊房?jī)r(jià)的因素，計(jì)算公園溢出效應(yīng)所產(chǎn)生的商品價(jià)值，為公園及周邊城市規(guī)劃建設(shè)提供科學(xué)依據(jù)，也為公園商品價(jià)值HPM定量研究提供實(shí)證。

1 研究?jī)?nèi)容與方法

1.1 樣本采集

南湖公園所處市中心，周邊多為老城區(qū)，幾乎沒(méi)有新開(kāi)發(fā)的樓盤，因此以二手房為基礎(chǔ)，參考前人研究經(jīng)驗(yàn)［16-19］，選取以南湖公園為中心，2 km范圍內(nèi)300套二手房作研究樣本。其中，公園周邊1 km范圍內(nèi)為第一層，均勻選取200套二手房；公園周邊1～2 km范圍內(nèi)作第二層，因房?jī)r(jià)受公園的影響較弱，均勻選取100套二手房。

1.2 變量選取

變量選取是HPM分析的關(guān)鍵，研究確定因變量為房屋出售單價(jià)，自變量為影響房?jī)r(jià)格的因素，包括建筑結(jié)構(gòu)、區(qū)位特征、鄰里環(huán)境3類［20，21］；由于地域特征、生活習(xí)慣、經(jīng)濟(jì)發(fā)展水平等差異，不同HPM研究案例選取變量有所不同［18］。本研究從南寧市南湖公園周邊的實(shí)際情況出發(fā)，選取25個(gè)變量，其中，建筑結(jié)構(gòu)有房屋建筑面積（S1）、臥室數(shù)量（S2）、客廳數(shù)量（S3）、衛(wèi)生間數(shù)量（S4）、廚房數(shù)量（S5）、陽(yáng)臺(tái)數(shù)量（S6）、建筑年齡（S7）、總樓層數(shù)（S8）、所在樓層層次（S9）、是否帶電梯（S10）、房屋朝向（S11）、裝修程度（S12）12個(gè)變量；區(qū)位特征有離朝陽(yáng)商圈距離（L1）、離南寧火車站距離（L2）、離南寧火車東站距離（L3）、離最近地鐵站距離（L4）、離青秀山風(fēng)景區(qū)距離（L5）、離邕江距離（L6）6個(gè)變量；鄰里環(huán)境有離最近綜合醫(yī)院距離（N1）、離最近重點(diǎn)小學(xué)距離（N2）、離最近重點(diǎn)中學(xué)距離（N3）、離最近高等院校距離（N4）、離南湖公園距離（N5）、離最近其他開(kāi)放公園距離（N6）、是否可見(jiàn)南湖（N7）7個(gè)變量。

1.3 數(shù)據(jù)獲取

25個(gè)變量數(shù)據(jù)獲取來(lái)源于國(guó)內(nèi)房地產(chǎn)租售平臺(tái)安居客網(wǎng)站上的二手房掛售信息和ArcMap 10.5軟件測(cè)算。為保證網(wǎng)站數(shù)據(jù)的同一市場(chǎng)條件，于2019年11月22日至29日選取掛售時(shí)間在11月內(nèi)的二手房數(shù)據(jù)信息，所選二手房均有真實(shí)照片展示，出售單價(jià)接近于小區(qū)平均值，價(jià)差控制在±10%以內(nèi)。所選樣本的區(qū)位特征和鄰里環(huán)境類變量中，與距離有關(guān)的特征變量數(shù)據(jù)通過(guò)ArcMap10.5軟件基于Google Earth衛(wèi)星圖測(cè)算得來(lái)，樣本位置均在小區(qū)的中心點(diǎn)。其中，房屋樣本、火車站、火車東站、地鐵站用“點(diǎn)”的形式，朝陽(yáng)商圈、青秀山風(fēng)景區(qū)、邕江、綜合醫(yī)院、重點(diǎn)小學(xué)、重點(diǎn)中學(xué)、高等院校、南湖公園、其他開(kāi)放公園用“面”的形式，通過(guò)ArcMap 10.5軟件的“近鄰分析”獲取房屋樣本與相關(guān)變量的最近距離。

變量數(shù)據(jù)中不能直接使用的如所在樓層層次（S9）、是否帶電梯（S10）、房屋朝向（S11）、裝修程度（S12）、是否可見(jiàn)南湖（N9）等需要進(jìn)行量化賦值處理。其中，所在樓層層次（S9）中，低層為“1”，高層為“2”，中層為“3”；是否帶電梯（S10）和是否可見(jiàn)南湖（N9）中，是為“1”，否為“0”；房屋朝向（S11）中，南北朝向?yàn)椤?”，南朝向?yàn)椤?”，其他朝向?yàn)椤?”；裝修程度（S12）中，毛坯為“1”，簡(jiǎn)裝為“2”，精裝為“3”，豪華為“4”。

從變量設(shè)計(jì)與統(tǒng)計(jì)信息（表1）可知，采集二手房單價(jià)均值13 586.78元/m2，較符合南湖公園周邊實(shí)際行情；其變異系數(shù)為0.196，體現(xiàn)公園周邊二手房售價(jià)存在明顯差異。在二手房的建筑結(jié)構(gòu)、區(qū)位特征、鄰里環(huán)境3個(gè)變量中，變異系數(shù)普遍較大，一方面體現(xiàn)公園周邊住宅建筑存在差異，社會(huì)資源分配并不均衡；另一方面反映公園周邊住宅價(jià)格因建筑結(jié)構(gòu)、區(qū)位特征、鄰里環(huán)境等不同而存在差異。

表1 變量設(shè)計(jì)與描述性統(tǒng)計(jì)結(jié)果

1.4 模型選擇

HPM依靠計(jì)量經(jīng)濟(jì)學(xué)分析，其函數(shù)形式有線性模型、半對(duì)數(shù)模型、對(duì)數(shù)線性模型、二次模型、指數(shù)模型等［22，23］，研究選擇在房地產(chǎn)研究中擬合程度較高的線性模型、半對(duì)數(shù)模型和對(duì)數(shù)模型進(jìn)行分析［24］。

對(duì)數(shù)線性模型：

式中，Pr為房屋的單價(jià)，S為建筑結(jié)構(gòu)，L為區(qū)位特征，N為鄰里環(huán)境，α1、α2、α3分別為模型系數(shù)，α0為常數(shù)項(xiàng)，ε為誤差項(xiàng)，L′、S′、N′為建筑結(jié)構(gòu)、區(qū)位特征、鄰里環(huán)境中進(jìn)行量化賦值的變量，α1′、α2′、α3′為模型系數(shù)。注：“+”、“-”表示預(yù)測(cè)各變量對(duì)房屋單價(jià)的正、負(fù)影響，“？”表示預(yù)測(cè)正負(fù)影響不確定

2 模型分析

2.1 模型擬合比較

利用SPSS22.0軟件分別對(duì)線性模型、半對(duì)數(shù)模型、對(duì)數(shù)線性模型采用輸入回歸的方法進(jìn)行多元回歸分析，3種模型擬合參數(shù)比較見(jiàn)表2。通過(guò)判定系數(shù)R2衡量回歸方程的擬合度，R2值越接近1.000，模型擬合程度越好［25］，結(jié)果顯示半對(duì)數(shù)模型的擬合程度要好于線性模型和線性對(duì)數(shù)模型；通過(guò)Durbin-Watson（U）值檢驗(yàn)殘差的自相關(guān)，一般認(rèn)為該值在1.5～2.5，即說(shuō)明模型殘差無(wú)自相關(guān)現(xiàn)象，且值越接近2.0，模型殘差間越相互獨(dú)立，結(jié)果顯示3種模型該值都接近于2.0，說(shuō)明模型殘差均無(wú)自相關(guān)現(xiàn)象；通過(guò)F檢驗(yàn)?zāi)Ｐ突貧w關(guān)系的顯著性，結(jié)果顯示3種模型均為0.000，說(shuō)明模型初步擬合均具極顯著線性關(guān)系，其中半對(duì)數(shù)模型的F值為24.544，高于線性模型和線性對(duì)數(shù)模型；通過(guò)T檢驗(yàn)3種模型P值均小于設(shè)定值0.05，呈顯著性變量的半對(duì)數(shù)模型有15個(gè)，擬合精度最高；在共線性統(tǒng)計(jì)上，VIF值大于10的變量線性模型和半對(duì)數(shù)模型均有6個(gè)，線性對(duì)數(shù)模型有4個(gè)，說(shuō)明3種模型中都有嚴(yán)重的多重共線問(wèn)題，需要對(duì)共線變量進(jìn)行剔除和處理。綜合調(diào)整R2、F檢驗(yàn)P值、F值、T檢驗(yàn)P值、共線性VIF值來(lái)看，半對(duì)數(shù)模型的擬合效果最好，因此，選取半對(duì)數(shù)模型進(jìn)行回歸分析。

表2 模型擬合參數(shù)比較分析

2.2 回歸分析與檢驗(yàn)

在半對(duì)數(shù)模型初步回歸分析中，存在部分變量相關(guān)性不顯著（P＞0.05）、多重共線性（相關(guān)系數(shù)絕對(duì)值大于0.8）現(xiàn)象，需將造成多重共線現(xiàn)象的變量進(jìn)行篩選剔除，再用逐步回歸的方法進(jìn)行多元回歸分析。選取最優(yōu)的回歸子集，即顯著性小于0.05的變量［26］，將方差膨脹系數(shù)VIF值大于10的變量，即離朝陽(yáng)商圈距離（L1）、離南寧火車站距離（L2）、離南寧火車東站距離（L3）、離青秀山風(fēng)景區(qū)距離（L5）、離邕江距離（L6）、離最近高等院校距離（N6）這6個(gè)在控制其他變量下進(jìn)行偏相關(guān)分析，發(fā)現(xiàn)離朝陽(yáng)商圈距離（L1）、離南寧火車東站距離（L3）與其他變量存在嚴(yán)重的多重共線性，剔除掉這2個(gè)特征變量再進(jìn)行逐步回歸分析，結(jié)果見(jiàn)表3。

表3 半對(duì)數(shù)模型逐步回歸系數(shù)

經(jīng)擬合度檢驗(yàn)，半對(duì)數(shù)擬合模型復(fù)相關(guān)系數(shù)R=0.784，判定系數(shù)R2=0.615，調(diào)整后的R2=0.603，說(shuō)明模型擬合程度較好；經(jīng)方差分析F檢驗(yàn)，該模型顯著性為0.000，說(shuō)明因變量與進(jìn)入模型中的自變量具有極顯著的線性關(guān)系；經(jīng)共線性診斷，最終進(jìn)入模型的特征變量方差膨脹系數(shù)VIF值最大為4.904，在0～10的范圍內(nèi)，說(shuō)明模型中的特征變量之間不存在多重共線性；經(jīng)殘差統(tǒng)計(jì)，標(biāo)準(zhǔn)化殘差分布與估計(jì)曲線基本吻合（圖1），說(shuō)明了半對(duì)數(shù)模型逐步回歸的標(biāo)準(zhǔn)化殘差呈正態(tài)分布。以變量DEPENDNT作為X軸，變量ADJPRED作為Y軸，建立因變量與調(diào)節(jié)預(yù)測(cè)值的散點(diǎn)圖（圖2），散點(diǎn)分布基本呈一條直線，說(shuō)明預(yù)測(cè)值與觀測(cè)值很接近，預(yù)測(cè)效果較好。

圖1 逐步回歸標(biāo)準(zhǔn)化殘差

圖2 逐步回歸預(yù)測(cè)值散點(diǎn)分布

3 結(jié)果與分析

3.1 影響房屋單價(jià)的因素

從表3可知，最終進(jìn)入半對(duì)數(shù)模型的最優(yōu)回歸子集的變量有建筑年齡（S7）、總樓層數(shù)（S8）、離南寧火車站距離（L2）、離最近地鐵站距離（L4）、離邕江距離（L6）、離最近綜合醫(yī)院距離（N1）、離最近重點(diǎn)小學(xué)距離（N2）、離最近高等院校距離（N4）、是否可見(jiàn)南湖（N7）9個(gè)，最終半對(duì)數(shù)模型為ln(P)=9.667407-0.003997S7+0.003966S8+0.000 087L2-0.000 217L4-0.000 093L6-0.000 073N1-0.000 264N2+0.000 06N4+0.151126N7。

根據(jù)回歸系數(shù)B值的正負(fù)判斷：房屋單價(jià)（Pr）與建筑年齡（S7）呈顯著負(fù)相關(guān)（P＜0.05），與離最近地鐵站距離（L4）、離邕江距離（L6）、離最近綜合醫(yī)院距離（N1）、離最近重點(diǎn)小學(xué)距離（N2）呈極顯著負(fù)相關(guān)（P＜0.01），與總樓層數(shù)（S8）、離南寧火車站距離（L2）、離最近高等院校距離（N4）、是否可見(jiàn)南湖（N7）均呈極顯著正相關(guān)（P＜0.01）。

半對(duì)數(shù)模型中的B值表示變量的絕對(duì)變化會(huì)引起房屋單價(jià)（Pr）的相對(duì)變化（變化率），變化率以自然對(duì)數(shù)e為底數(shù)，依據(jù)回歸系數(shù)的反對(duì)數(shù)進(jìn)行推導(dǎo)，結(jié)果表明，建筑年齡每增加1年，離地鐵站口距離、離邕江距離、離綜合醫(yī)院距離、離重點(diǎn)小學(xué)距離每增加1 m，房屋單價(jià)（Pr）分別下降0.399%、0.022%、0.009%、0.007%、0.026%；建筑總樓層每增加1層，離火車站距離、離高等院校距離每增加1 m，擁有南湖湖景視線，房屋單價(jià)（Pr）分別增長(zhǎng)0.397%、0.009%、0.006%、16.314%。

3.2 南湖公園商品價(jià)值估算

根據(jù)HPM的研究結(jié)果，是否可見(jiàn)南湖（N7）對(duì)房屋單價(jià)（Pr）增值16.314%，以計(jì)算南湖視線影響下的房屋溢價(jià)來(lái)估算南湖公園經(jīng)濟(jì)價(jià)值。具體過(guò)程：所選取300套二手房屋平均單價(jià)13 586.78元/m2，建筑總樓層數(shù)平均13層。根據(jù)國(guó)家統(tǒng)計(jì)局最新統(tǒng)計(jì)數(shù)據(jù)，城鎮(zhèn)平均每戶家庭人口為3人，人均住房面積39 m2，可計(jì)算城鎮(zhèn)每戶家庭的住房面積約為117 m2，常規(guī)房屋開(kāi)間面寬12 m左右；南湖公園周長(zhǎng)為9 378 m，假設(shè)周邊全部建成平均為13層的商品住宅塔樓，塔樓每層有2套房屋陽(yáng)臺(tái)正對(duì)南湖，其塔樓的建筑寬度約為24 m；根據(jù)《城市居住區(qū)規(guī)劃設(shè)計(jì)標(biāo)準(zhǔn)》GB50180—2018要求住宅側(cè)面間距不小于13 m，計(jì)算得出南湖公園周圍可建塔樓253棟；由于公園周邊存在植物遮擋視線，植物平均高度按12 m計(jì)，4層以上房子的視野可見(jiàn)南湖湖景，可見(jiàn)南湖的房屋有4 554套。最終房屋溢價(jià)約為1 181 016 293.54元，即南湖公園商品價(jià)值約11.810億元。

4 討論與結(jié)論

4.1 討論

1）不同研究對(duì)象周邊的房產(chǎn)價(jià)格影響因素存在異同，南寧市南湖公園周邊2 km房產(chǎn)價(jià)格的影響因素大部分與前人研究相似［9，10］，但離南湖公園距離因素在研究中并未對(duì)房產(chǎn)價(jià)格產(chǎn)生顯著影響，其原因可能與南湖公園地處老城區(qū)，相關(guān)公共服務(wù)設(shè)施配套完善有關(guān)，如相鄰近的金花茶公園、民歌湖公園、青秀湖公園、邕江濱水公園等弱化了南湖公園的單一影響，使得離南湖公園距離因素對(duì)房產(chǎn)價(jià)格影響不顯著。

2）許多學(xué)者基于Hedonic模型的公園周邊房產(chǎn)特征價(jià)格分析只得出影響因素及影響程度［12-14］，未進(jìn)行公園的商品價(jià)值計(jì)算，本研究在前人研究的基礎(chǔ)上，基于統(tǒng)計(jì)數(shù)據(jù)及實(shí)際情況做出合理假設(shè)，提出了計(jì)算公園“商品價(jià)值”的方法，同時(shí)也表明城市公園顯著增加了周邊房產(chǎn)價(jià)值。因此，政府部門應(yīng)積極探索多樣化的公園溢價(jià)回收模式。如將公園的溢出效應(yīng)進(jìn)行貨幣化定量，以此作依據(jù)，向公園周邊地產(chǎn)開(kāi)發(fā)商征收土地資產(chǎn)潛在增值作為公園建設(shè)維護(hù)的資金來(lái)源；此外，政府可與地產(chǎn)開(kāi)發(fā)商聯(lián)合起來(lái)進(jìn)行公園規(guī)劃建設(shè)，將公園建設(shè)融入住宅開(kāi)發(fā)的全過(guò)程，達(dá)到家住公園的體驗(yàn)。由此，既能在實(shí)現(xiàn)房地產(chǎn)開(kāi)發(fā)項(xiàng)目增值的同時(shí)為社會(huì)創(chuàng)造出可供市民休閑娛樂(lè)的公園，也可有效緩解政府的財(cái)政壓力，實(shí)現(xiàn)政府、企業(yè)和市民的三方共贏。

4.2 結(jié)論

1）南湖公園HPM研究的最優(yōu)模型為半對(duì)數(shù)模型，顯著影響公園周邊房屋單價(jià)（Pr）的變量有建筑年齡（S7）、總樓層數(shù)（S8）、離南寧火車站距離（L2）、離最近地鐵站距離（L4）、離邕江距離（L6）、離最近綜合醫(yī)院距離（N1）、離最近重點(diǎn)小學(xué)距離（N2）、離最近高等院校距離（N4）、是否可見(jiàn)南湖（N7）9個(gè)。其中，建筑年齡越小、建筑總樓層越高，房屋單價(jià)越高；離火車站越遠(yuǎn)、離地鐵站口越近、離邕江越近，房屋單價(jià)越高；離綜合醫(yī)院越近、離重點(diǎn)小學(xué)越近、離高等院校越遠(yuǎn)、擁有南湖湖景視線，房屋單價(jià)越高。

2）離南湖公園距離（N5）對(duì)房屋單價(jià)無(wú)影響，而是否可見(jiàn)南湖（N7）對(duì)公園周邊房屋單價(jià)增值率為16.314%，基于假設(shè)前提下評(píng)估南湖公園所產(chǎn)生的經(jīng)濟(jì)價(jià)值約為11.810億元，說(shuō)明公園對(duì)周邊房產(chǎn)增值溢出效應(yīng)巨大。