張 蕤，張青年

（1.中山大學 遙感與地理信息工程系，廣東 廣州510275）

2012年我國房價變化及空間差異分析

張 蕤1，張青年1

（1.中山大學 遙感與地理信息工程系，廣東 廣州510275）

選取全國100個大中城市房屋銷售價格為主要數(shù)據(jù)來源，以箱線圖、直方圖和空間分布GRID圖為工具，分析了2012年樣點城市的房價變化情況及不同區(qū)域城市之間的空間差異。結果表明，我國大部分地區(qū)房價在2012年呈平穩(wěn)形勢，漲跌幅度西北部地區(qū)高于東南部地區(qū)，但因后者基數(shù)大，導致二者的房價差距依舊明顯。

房價；變化；空間差異；GIS

2003年以來，我國大部分城市房價大幅上漲，暴露出我國房屋供需失衡、價格過高的問題[1,2]。2004年國家先后出臺多項調(diào)控房地產(chǎn)的政策，但房價上漲過快的勢頭并未得到明顯遏制。2010年1月和9月，國家先后出臺了“國十一條”和“新國五條”等一系列房地產(chǎn)調(diào)控政策，一些大中城市出臺了房地產(chǎn)限購令，房價迅猛上漲勢頭得到有效遏制[3]。2012年是國家“最嚴”房價宏觀調(diào)控政策頒布的第3年，部分城市房地產(chǎn)又出現(xiàn)旺銷的跡象，房地產(chǎn)市場是否穩(wěn)定對國民經(jīng)濟和居民生活質(zhì)量有極大影響。

國內(nèi)學者研究了我國房地產(chǎn)價格的空間格局[4-10]。其中，許曉暉、王霞、梅志雄等使用插值方法生成了上海、北京、東莞等地市房價等值線圖，并對房價的空間相關性進行了分析。然而，已有研究大多數(shù)都是局限于單個城市內(nèi)部房價的空間分布，只有王雁[11]使用Moran散點圖和LISA分析工具探討了1999～2006年中國省域房地產(chǎn)價格差異。本文以國家對房地產(chǎn)行業(yè)的宏觀調(diào)控為背景，分析了全國房地產(chǎn)價格變動的空間差異，有利于把握房地產(chǎn)價格的整體規(guī)律。

1 數(shù)據(jù)收集

本文采用中國指數(shù)研究院數(shù)據(jù)信息中心發(fā)布的《中國房地產(chǎn)指數(shù)系統(tǒng)2012年12月百城價格指數(shù)》[12]中的百城樣本均價（元/m2）和同比漲跌（%）數(shù)據(jù)為基本數(shù)據(jù)源，用以說明2012年年底房價和2012年年底相較于年初的房價變動情況。樣本城市的省份分布情況如表1所示。需要說明的是本數(shù)據(jù)監(jiān)測樣本囊括了城區(qū)、郊區(qū)以及房地產(chǎn)市場較為發(fā)達的下轄縣市的商品住宅、別墅和保障性住房。

表1 樣本城市省份分布情況表

2 研究方法

利用數(shù)理統(tǒng)計方法對數(shù)據(jù)分布和異常值進行分析，探討數(shù)據(jù)的合理性。使用直方圖對非異常數(shù)據(jù)區(qū)間中的樣點分析，進一步了解樣點的數(shù)值分布。利用空間數(shù)據(jù)插值方法生成全國房價數(shù)據(jù)和房價漲跌數(shù)據(jù)，分析全國房價水平及漲跌情況，結合圖像和結果數(shù)據(jù)分析我國主要城市2012年的房價變化和空間差異。

2.1 箱線圖分析

箱線圖是一種簡便的極端值和異常值判定方法[13]。通過箱線圖可以看出數(shù)據(jù)的總體分布，識別數(shù)據(jù)中的異常值，目前其在野外數(shù)據(jù)測量、河流水質(zhì)評價等領域均有應用[14,15]。我國百城房價的樣本均價和同比漲跌數(shù)據(jù)的箱線圖如圖1所示。

圖1中的Q3為上四分位數(shù)，Q1為下四分位數(shù)，H為半極差，值為Q3-Q1。非極端值取值區(qū)間為[Q1-3H,Q3+3H]，非異常值取值區(qū)間為[Q1-1．5H,Q3+1.5H]。樣本均值方面，Q1=5 582元/m2，Q3=8 841元/m2，則非極端值取值區(qū)間為[-4 195,18 618]，非異常值取值區(qū)間為[693．5,13 729．5]。有少部分樣點數(shù)據(jù)處于極端值和異常值區(qū)間，其中極端高值點為上海、三亞、深圳和北京，異常高值點為溫州、杭州、廈門和廣州。

圖1 百城房屋樣本均價和同比漲跌箱線圖

同比漲跌方面，Q1=-3．2%，Q3=2．03%，則非極端值取值區(qū)間為[-18．89,17．72]，非異常值取值區(qū)間為[-10．045,9．875]。只有少量樣點為異常值，其中異常高值點為烏魯木齊和菏澤，異常低值點為溫州。

2.2 樣點數(shù)據(jù)結構分析

箱線圖不能提供關于數(shù)據(jù)分布偏態(tài)的度量，且反映的形狀信息較為模糊[13]，故使用直方圖對非異常數(shù)據(jù)進行結構分析，較直觀準確地反映數(shù)據(jù)分布特征和總體規(guī)律。對樣本均價和同比漲跌數(shù)據(jù)作統(tǒng)計直方圖如圖2所示。

圖2 區(qū)間統(tǒng)計直方圖

從圖2 a可以看出，百城房屋均價數(shù)據(jù)近似呈正態(tài)分布，近一半的樣點城市房價集中在5 000～7 500元/m2區(qū)間；房價較高（萬元以上）的城市數(shù)目不到樣點總數(shù)的10%。在圖2 b中，同比漲跌也近似呈正態(tài)分布，-2．5%～0和0～2．5%區(qū)間的城市超過樣點總數(shù)目的一半（57個），說明大部分城市的房價還維持在上年同期水平。

2.3 空間數(shù)據(jù)插值

百城房價均值和同比漲跌數(shù)據(jù)在一定程度上代表了全國各類城市房價的情況。通過空間插值，可得到全國房價的具體數(shù)據(jù)。前述分析發(fā)現(xiàn)，百城房價均值和同比漲跌數(shù)據(jù)中都存在異常值，數(shù)據(jù)分布的局部趨勢性不強，不適合采用克里金插值方法[10]。本文采用反距離加權插值方法對房價樣點數(shù)據(jù)插值處理，生成了全國房價均值和同比漲跌數(shù)據(jù)，并在ArcScene軟件中設置三維顯示，局部如圖3所示。

圖3 空間分布GRID圖（局部）

3 結果分析

3.1 樣點均價分析

房屋住宅價格極端和異常高值主要分布在京津、長三角、珠三角地區(qū)的發(fā)達省市。這些區(qū)域發(fā)展程度較高，人口密集，居民收入及生活質(zhì)量更優(yōu)，再加上前10年房地產(chǎn)行業(yè)的優(yōu)先發(fā)展造成了如此居高不下的房價。同時，值得注意的是國家主力推廣的國際海濱旅游城市三亞也位列異常高值部分，這主要是由于三亞優(yōu)越的自然環(huán)境、眾多的觀光客流和房地產(chǎn)投資商的青睞。

從直方圖來看，大部分城市還維持在5 000～8 000元左右，“萬元”房價城市主要分布在東南沿海發(fā)達城市，GRID圖中這些地區(qū)的顏色很深且高度較大。特別是江浙滬一帶的房價在2012年下跌的情況下依舊堅挺得令普通百姓高不可及。東北、河北、河南和山東西部等地區(qū)，房價較沿海省份則降低很多，不過因靠近發(fā)達區(qū)域，其普遍房價保持在6 000元左右，這部分地區(qū)在圖像中較東部顏色變淡。中西部地區(qū)因為發(fā)展速度較慢，則大致維持在5 000元以下。需要說明的是，由于新疆、西藏地區(qū)的樣點只有烏魯木齊1個城市，而其作為自治區(qū)首府，房價較高，導致了疆藏地區(qū)的插值結果與現(xiàn)實情況稍有差異。

總體來看，我國城市房價呈現(xiàn)西北向東南遞增的趨勢，這和區(qū)域發(fā)展程度相符。而且一、二線城市的住宅價格集中高出我國其他地區(qū)，且差異明顯，這一點可從GRID圖中北京、上海、浙江、福建、廣東、海南等地的曲面抬升坡度看出。

3.2 同比漲跌分析

異常低值城市溫州所處的江浙滬地區(qū)在2012年出現(xiàn)了大范圍的不同程度的房價下跌，海南省也有類似的狀況，可以明顯看出這些區(qū)域顏色很淡且下陷于平均面。和前幾年這些地區(qū)的房地產(chǎn)市場異?；鸨谋憩F(xiàn)差異巨大，說明2012年國家宏觀調(diào)控政策依然在對前期房市過熱區(qū)域產(chǎn)生重要的壓制作用，房市病態(tài)發(fā)展勢頭受到遏制并逐步恢復至正常水平。異常高值為烏魯木齊和山東菏澤，它們分別為內(nèi)陸省會城市和中部三線城市，這些地區(qū)的發(fā)展水平較低，房價仍有上升空間。

從直方圖中看到，過半城市的漲跌指標維持在-2．5%～2．5%之間。全國大部分的住宅價格處于穩(wěn)定狀態(tài)，非異常樣點中泰州上升幅度最高，為7．99%。不過，這相較于前幾年動輒過10的增長已有了明顯改善。就中國目前的經(jīng)濟發(fā)展形勢、快速的人口增長以及不斷推進的城鎮(zhèn)化進程而言，住宅價格的上升是一種不可避免的長期發(fā)展趨勢，而國家當下相對偏緊的宏觀政策則決定了其短期的穩(wěn)定走向，故采取措施控制住宅價格反彈依舊是國家制定政策過程中需要考慮的重要問題。

從同比漲跌GRID圖來看，大致可描述為“西北高東南低”的走勢。中西部新疆、青海、四川等省份的住宅價格增長幅度明顯整體超過東部地區(qū)，而東南部地區(qū)，除廣東外住宅價格增長勢頭相對疲軟。在圖像中也可看到，東南部地區(qū)顏色偏淡，而中西部地區(qū)顏色整體偏深。這和國家“西部大開發(fā)”政策是緊密相關的，體現(xiàn)出我國相對落后的中西部地區(qū)正在逐步縮短與東部地區(qū)的發(fā)展差異。

4 結 語

綜上分析，我國大部分地區(qū)新建商品房住宅價格在2012年呈平穩(wěn)態(tài)勢，漲跌幅度西部地區(qū)高于東部，尤其是近年來房市泡沫較大的地區(qū)，國家宏觀政策的力度依舊不減。但是因為后者基數(shù)大，導致二者的房價差距依舊明顯。

盡管百城樣點分布和房價計算方式等方面存在一定的局限性，但還是在一定程度上反映了我國目前房價水平和漲跌狀況，對于把握我國房屋價格態(tài)勢有重要的參考意義。

[1] 徐壽波．生活要素六元理論[J]．北京交通大學學報：社會科學版,2007,19(1):15-18

[2] 陳龍．中國房地產(chǎn)泡沫的歷史及現(xiàn)狀[J]．經(jīng)濟體制改革,2005(2):35-39

[3] 秦基勝．中國房地產(chǎn)轉(zhuǎn)折之年——中國房地產(chǎn)2010年年終盤點與2011年發(fā)展展望[J]．中國房地產(chǎn)業(yè),2011,292(1):42-47

[4] 丁雪瑩,洪燦,熊孜,等．基于GIS的長沙市商品住宅價格空間格局及影響因素分析[J]．熱帶地理,2012,32(4):423-428，436

[5] 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

[6] 番婷婷．基于GIS的昆明市商品住宅價格分布規(guī)律研究[D]．重慶：重慶大學,2010

[7] 李妮．基于GIS的西安市商品住宅價格空間變化趨勢研究[J]．陜西教育：高教版,2011(12):11-12，16

[8] 許曉暉．上海市商品住宅價格空間分布特征分析[J]．經(jīng)濟地理,1997(1):80-87

[9] 王霞,朱道林．基于Kriging方法和GIS技術的地價時空格局研究[J]．重慶建筑大學學報,2007,126(1):101-105

[10] 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(jīng)濟地理,2008,129(5):862-866

[11] 田成詩,王雁．基于空間統(tǒng)計分析的中國省域房地產(chǎn)價格差異研究[J]．數(shù)學的實踐與認識,2012,42(1):13-21

[12] 中國指數(shù)研究院數(shù)據(jù)信息中心．中國房地產(chǎn)指數(shù)系統(tǒng)2012年12月 百 城 價 格 指 數(shù)[EB/OL]．http://fdc．soufun．com/ report/6192．htm,2013-01-04

[13] 莊作欽．BOXPLOT——描述統(tǒng)計的一個簡便工具[J]．統(tǒng)計教育,2003(1):34-35

[14] 劉瑤,于雷,余向勇,等．箱線圖在河流水質(zhì)評價中的應用研究[M]．北京：中國環(huán)境科學出版社,2008

[15] 王新峰,梁杏,孫蓉琳,等．基于野外測量數(shù)據(jù)的裂隙間距箱線圖法初探——以錦屏一級水電工程廠房為例[J]．安全與環(huán)境工程,2010, 68(2):103-107，122

[16] 金牛,姜彬．房價變化新趨勢或?qū)砼R[J]．大眾理財顧問,2012, 346(4):80-81

P207

B

1672-4623（2014）01-0123-03

10.11709/j.issn.1672-4623.2014.01.042

張蕤，碩士，研究方向為地理信息系統(tǒng)應用。

2013-04-23。

項目來源：國家自然科學基金資助項目（40971210）。