劉欣 章娩娩

(1.東南大學(xué)土木工程學(xué)院，江蘇 南京 211102；2.揚(yáng)州大學(xué)建筑科學(xué)與工程學(xué)院，江蘇 揚(yáng)州 225009)

0 引言

隨著我國(guó)城鎮(zhèn)化進(jìn)程的加快，城市居住空間規(guī)劃不斷完善。然而，在城市更新和拓展過程中，居住空間與資源配置的不均衡問題日益凸顯，導(dǎo)致房?jī)r(jià)在空間上出現(xiàn)明顯的非平穩(wěn)性[1]。目前，國(guó)內(nèi)外學(xué)者對(duì)房?jī)r(jià)空間異質(zhì)問題的研究主要從宏觀和微觀兩個(gè)層面進(jìn)行。其中，宏觀角度主要從國(guó)家政策[2]和貨幣政策[3]兩個(gè)方面對(duì)房地產(chǎn)供給與需求進(jìn)行探討；微觀角度以住宅內(nèi)部因素和外部因素為影響因子建立價(jià)格模型，研究房?jī)r(jià)的影響機(jī)制[4]。另外，房?jī)r(jià)主要影響因素探究機(jī)制研究也對(duì)空間特殊因素進(jìn)行了考慮，如住宅市場(chǎng)細(xì)分視角、科技人才涵養(yǎng)、特殊自然物等[5-7]對(duì)房?jī)r(jià)空間分異的影響。

近年來，學(xué)者運(yùn)用空間計(jì)量技術(shù)構(gòu)建地理加權(quán)模型(Geographical Weighted Regression，GWR)探討房?jī)r(jià)變動(dòng)因素，并得到了廣泛應(yīng)用[8]。例如，宋偉軒[9]利用GWR模型探究不同的影響因子與房?jī)r(jià)空間異質(zhì)性的關(guān)系，從空間視角驗(yàn)證了房?jī)r(jià)空間分異的復(fù)雜性。隨著信息技術(shù)的發(fā)展，POI大數(shù)據(jù)替代了傳統(tǒng)的手動(dòng)獲取房?jī)r(jià)數(shù)據(jù)的方法，使研究數(shù)據(jù)更具時(shí)效性、易獲取、成本低等優(yōu)勢(shì)，可以多尺度實(shí)現(xiàn)空間連續(xù)性[10]。因此，本文以揚(yáng)州市為例，基于房?jī)r(jià)POI大數(shù)據(jù)構(gòu)建GWR模型，探究不同空間因素對(duì)房?jī)r(jià)空間異質(zhì)性影響機(jī)制，以確定房?jī)r(jià)空間分異的主要影響因素，為城市空間布局規(guī)劃調(diào)整提供決策參考。

1 研究區(qū)域與數(shù)據(jù)獲取

揚(yáng)州市的空間發(fā)展經(jīng)歷了“跳出古城建東西兩翼”的過程，城市發(fā)展圍繞城市主干道文昌路向東西延伸，最終形成“一體兩翼”的空間格局，導(dǎo)致各區(qū)出現(xiàn)了經(jīng)濟(jì)發(fā)展不平衡的形態(tài)，因此可作為房?jī)r(jià)空間異質(zhì)性研究的典型案例。

城市住宅分為城鎮(zhèn)新建住宅和二手住宅，由于揚(yáng)州市新建住宅樣本較少，同時(shí)考慮到二手住宅樣本在空間布局上具有均質(zhì)性，所以本文選取2004—2019年的新建住宅和二手住宅作為研究對(duì)象。從安居客、房天下采集當(dāng)月住宅成交均價(jià)作為研究數(shù)據(jù)，剔除信息嚴(yán)重不完整、有誤以及重復(fù)小區(qū)的數(shù)據(jù)，共獲取2664個(gè)社區(qū)樣本。通過ArcGIS經(jīng)緯度坐標(biāo)轉(zhuǎn)換，將獲取的房?jī)r(jià)數(shù)據(jù)與住宅樣本POI以住宅名稱關(guān)聯(lián)，從而建立揚(yáng)州市住宅樣本數(shù)據(jù)庫。

2 研究方法

2.1 空間自相關(guān)分析

為分析揚(yáng)州市房?jī)r(jià)在空間上是否有相關(guān)性，本文引入空間自相關(guān)測(cè)度指標(biāo)，即全局自相關(guān)分析和局部空間自相關(guān)分析。度量全局自相關(guān)性本文采用莫蘭指數(shù)法(Moran’I)，分析研究范圍內(nèi)不同地段的房?jī)r(jià)空間格局特征，計(jì)算公式如下

(1)

式中，n為樓盤的數(shù)量；zi是要素i的屬性與其平均值(xi-X)的偏差；wi,j是要素i與j之間的空間權(quán)重；S0是所有空間權(quán)重的重合；I的值域?yàn)閇-1，1]，I>0代表空間正相關(guān)，I<0代表空間負(fù)相關(guān)，I=0代表空間相關(guān)。

為進(jìn)一步研究變量房?jī)r(jià)的局部空間自相關(guān)性，采用空間關(guān)聯(lián)的局部指標(biāo)(Local Indicators of Spatial Association，LISA)進(jìn)行分析。LISA包括局部Moran I指數(shù)，可用于判斷房?jī)r(jià)在空間的集聚現(xiàn)象或差異性，計(jì)算公式如下

(2)

2.2 地理加權(quán)回歸分析

GWR模型是由英國(guó)學(xué)者Fotheringham在局部回歸分析的基礎(chǔ)，借鑒局部平滑思想提出的模型。本研究使用ArcGIS中的GWR工具，選取房?jī)r(jià)影響因素并量化作為自變量，構(gòu)建以房?jī)r(jià)為因變量的回歸加權(quán)模型，主要通過建立空間內(nèi)各樣本的局部回歸方程探索住宅樣本受影響因素的空間變化，能有效揭示城市房?jī)r(jià)空間非平穩(wěn)性和空間依賴性[11]。其一般形式可表示為

(3)

式中，yi與xi1，xi2，…，xip是因變量y和自變量x1,x2,…,xp在(ui,vi)處的實(shí)測(cè)值；P為選取的因變量個(gè)數(shù)；εi為隨機(jī)誤差項(xiàng)；βj(ui,vi)(j=1,2,…,p)為關(guān)于空間位置的未知函數(shù)。

3 研究結(jié)果

3.1 房?jī)r(jià)空間相關(guān)性分析

3.1.1 全局空間自相關(guān)分析

利用ArcGIS軟件對(duì)揚(yáng)州市住宅價(jià)格進(jìn)行全局空間自相關(guān)分析，結(jié)果顯示：在一定距離內(nèi)，揚(yáng)州市房?jī)r(jià)的全局Moran’ I指數(shù)為0.103 2>0。這說明房?jī)r(jià)在研究區(qū)域內(nèi)整體上呈現(xiàn)空間正相關(guān)，即相對(duì)較高房?jī)r(jià)在空間上表現(xiàn)為集聚特征。

3.1.2 局部空間自相關(guān)分析

基于局部Moran’ I檢驗(yàn)，LISA聚類圖可以體現(xiàn)房?jī)r(jià)具有局部集聚的顯著性特征。高-高型房?jī)r(jià)住宅聚集于邗江區(qū)、廣陵區(qū)等中心城區(qū)，其區(qū)位優(yōu)勢(shì)明顯、基礎(chǔ)設(shè)施完善，加上政府大力發(fā)展，導(dǎo)致住房需求不斷增加，從而引發(fā)房?jī)r(jià)上漲。然而，由于揚(yáng)州市人口密度低，其核心區(qū)對(duì)人口的虹吸效果一般，新建住宅供大于求，導(dǎo)致?lián)P州中心城區(qū)又出現(xiàn)大量低-高型和低-低型集聚的低房?jī)r(jià)住宅。因此，房?jī)r(jià)在空間上表現(xiàn)為高-高型集聚。

3.2 房?jī)r(jià)空間分異影響因素分析

3.2.1 變量選取

通過上述分析可知，揚(yáng)州市房?jī)r(jià)作為因變量具有空間異質(zhì)性，可考慮空間因素并利用GWR模型分析房?jī)r(jià)異質(zhì)性。綜合學(xué)者對(duì)房?jī)r(jià)空間異質(zhì)性影響因素的大量研究，本文將商服因素、交通因素、公共設(shè)施因素以及環(huán)境因素等作為一級(jí)自變量并進(jìn)行量化，見表1。

表1 自變量描述

3.2.2 基于回歸系數(shù)影響因素空間格局分析

將GWR模型計(jì)算所得各影響因素回歸系數(shù)分位數(shù)、均值、標(biāo)準(zhǔn)差統(tǒng)計(jì)列于表2，各影響因素回歸系數(shù)和標(biāo)準(zhǔn)差值相差較大，說明各因素對(duì)房?jī)r(jià)的影響程度具有顯著的區(qū)位方向性差異，按影響程度大小排名為：小學(xué)>中學(xué)>公園>商場(chǎng)>公交站>金融服務(wù)>醫(yī)院。

3.3 各因素對(duì)房?jī)r(jià)空間分異研究

3.3.1 商服因素對(duì)房?jī)r(jià)的影響

最近商場(chǎng)距離的回歸系數(shù)多為負(fù)值，距商場(chǎng)越遠(yuǎn)房?jī)r(jià)越低。除高郵市，各區(qū)域內(nèi)配套設(shè)施完善，有萬達(dá)、京華城等大型商圈，對(duì)房?jī)r(jià)具有抬高效應(yīng)(圖1)。高郵市內(nèi)回歸系數(shù)呈現(xiàn)正值，房?jī)r(jià)與商場(chǎng)距離的關(guān)聯(lián)度圈層式衰減，住宅遠(yuǎn)離商場(chǎng)反而價(jià)格越高。

最近金融服務(wù)對(duì)房?jī)r(jià)影響以高郵市為中心向外層逐漸增強(qiáng)(圖2)。在高郵市內(nèi)，回歸系數(shù)為負(fù)數(shù)，表明距離金融服務(wù)距離越遠(yuǎn)，房?jī)r(jià)越低。該地中心金融服務(wù)聚集，能拉動(dòng)房?jī)r(jià)；中心外圍金融服務(wù)對(duì)房?jī)r(jià)增值效果小。揚(yáng)州市北部以及中心城區(qū)回歸系數(shù)為較小正值，表明金融服務(wù)對(duì)這兩塊區(qū)域影響不大。

3.3.2 公共設(shè)施因素對(duì)房?jī)r(jià)的影響

最近小學(xué)距離是重要影響因素，均值絕對(duì)值和標(biāo)準(zhǔn)差是結(jié)果中最大的(圖3)。在中心城區(qū)、儀征市以及寶應(yīng)縣回歸系數(shù)為正值，是因?yàn)橛卸嗨裼判W(xué)、梅嶺小學(xué)這樣的優(yōu)質(zhì)重點(diǎn)小學(xué)對(duì)房?jī)r(jià)有拉動(dòng)作用。對(duì)于優(yōu)質(zhì)重點(diǎn)小學(xué)與普通小學(xué)混雜的區(qū)域，回歸系數(shù)絕對(duì)值較小，房?jī)r(jià)受小學(xué)距離影響的空間分異特征較弱。

最近中學(xué)距離對(duì)房?jī)r(jià)影響與最近小學(xué)距離相悖。儀征市、寶應(yīng)縣回歸系數(shù)為負(fù)值，房?jī)r(jià)隨著與中學(xué)距離的縮短而增加。這些區(qū)域由于重點(diǎn)中學(xué)稀缺擴(kuò)大了中學(xué)對(duì)房?jī)r(jià)的影響力。由于2019年揚(yáng)州市政府優(yōu)化教育格局，將中心城區(qū)多所中學(xué)合并，使得學(xué)校質(zhì)量參差不齊，導(dǎo)致中心城區(qū)房?jī)r(jià)空間分異顯著。

3.3.3 交通因素對(duì)房?jī)r(jià)的影響

公交密度對(duì)房?jī)r(jià)產(chǎn)生微弱的正向影響，即距公交站越多，房?jī)r(jià)越高。究其原因，一方面，大部分居民采用電動(dòng)車出行，對(duì)于公交依賴減弱；另一方面，公交站密度越高的地段帶來的噪聲污染以及交通堵塞會(huì)對(duì)房?jī)r(jià)產(chǎn)生負(fù)面影響。

3.3.4 環(huán)境因素對(duì)房?jī)r(jià)的影響

公園距離與房?jī)r(jià)為負(fù)相關(guān)，房?jī)r(jià)隨著住宅與公園距離減少而增值。受影響最大的地段有兩個(gè)：一是文昌西路兩端的鄉(xiāng)村，其景觀資源不具有稀缺性，因此公園房?jī)r(jià)抑制作用明顯；二是高郵市，市中心面積小，鄉(xiāng)鎮(zhèn)占據(jù)面積大，公園對(duì)房?jī)r(jià)也不具有增值優(yōu)勢(shì)。寶應(yīng)縣和揚(yáng)州市中心城區(qū)內(nèi)，公園對(duì)房?jī)r(jià)產(chǎn)生較小的正影響，主要是因?yàn)樵摰囟喂珗@影響范圍大、空間分異小。

4 結(jié)語

本文通過空間自相關(guān)、地理加權(quán)回歸等方法，對(duì)揚(yáng)州市房?jī)r(jià)空間異質(zhì)性及影響因素進(jìn)行了多角度分析。結(jié)果顯示：

(1)由空間自相關(guān)分析發(fā)現(xiàn)，揚(yáng)州市房?jī)r(jià)存在空間相關(guān)性，中心城區(qū)存在顯著的空間異質(zhì)性。房?jī)r(jià)高值集聚于基礎(chǔ)設(shè)施完善的中心城區(qū)，其低值積聚于江都區(qū)、儀征市、高郵市、寶應(yīng)縣等公共建設(shè)較慢、土地開發(fā)程度相對(duì)較低的區(qū)域。

(2)教育資源、公園、商場(chǎng)等顯著影響房?jī)r(jià)空間分異。其中，教育資源是影響房?jī)r(jià)的最主要因素，影響作用隨著距離增加而減弱。公園和商場(chǎng)產(chǎn)生的空間紅利對(duì)房?jī)r(jià)具有溢價(jià)作用。

(3)GWR模型分析表明，影響因素空間差異是導(dǎo)致房?jī)r(jià)空間分異性的重要原因。小學(xué)和公園對(duì)房?jī)r(jià)有積極影響，如稀缺的優(yōu)質(zhì)小學(xué)教育資源稀缺成為揚(yáng)州市發(fā)展欠發(fā)達(dá)區(qū)域拉動(dòng)房?jī)r(jià)的關(guān)鍵因素。商場(chǎng)、公交站、醫(yī)院、金融服務(wù)等對(duì)房?jī)r(jià)的空間影響表現(xiàn)為圈層結(jié)構(gòu)，在核心層距影響因素越近房?jī)r(jià)越高；圈層外沿受影響因素空間分配數(shù)量不同，與距離的相關(guān)性受到削弱，對(duì)房?jī)r(jià)具有負(fù)向影響。

從整體來看，由于房?jī)r(jià)影響機(jī)制的多樣性，不同區(qū)域房?jī)r(jià)空間差異明顯。因此，政府在針對(duì)房?jī)r(jià)調(diào)控制定相關(guān)政策和規(guī)劃時(shí)，應(yīng)考慮房?jī)r(jià)相鄰區(qū)域間的聯(lián)系不僅局限于空間上的關(guān)聯(lián)。