巨虹

摘要：利用ESDA方法對(duì)濟(jì)南市城區(qū)的157個(gè)在售普通住宅項(xiàng)目均價(jià)數(shù)據(jù)進(jìn)行研究，通過(guò)計(jì)算Moran 指數(shù)分析了其空間自相關(guān)的顯著性。并應(yīng)用Kriging 空間插值方法對(duì)濟(jì)南市普通住宅價(jià)格空間分布進(jìn)行了模擬。研究結(jié)果表明： 濟(jì)南市房?jī)r(jià)存在顯著的空間自相關(guān)性，住宅價(jià)格總體上呈空間集聚性，個(gè)別地方因存在空間異質(zhì)性而離散形態(tài)，房?jī)r(jià)分布格局受城市功能區(qū)劃、交通以及自然地形條件影響較大。

關(guān)鍵詞：空間自相關(guān)； 地統(tǒng)計(jì)分析；

引言

濟(jì)南市位于東部環(huán)渤海經(jīng)濟(jì)圈的山東省西部，省會(huì)城市， 2014年全市常住人口突破700萬(wàn)人，主城區(qū)人口超過(guò)300萬(wàn)，城市建成區(qū) 面積310平方公里。隨著經(jīng)濟(jì)的發(fā)展，城市化進(jìn)程提高，房地產(chǎn)價(jià)格不斷上漲，商品房交易價(jià)格連年上升，其中2012 年達(dá)到最高，銷售均價(jià)為8556.5元/m2，相比2004 年（2720元/m2）增幅達(dá)到215%，相比2010年（7610/m2）增幅為12.4%。2014年均價(jià)為7989元/m2，與全國(guó)大多數(shù)二線城市一樣相比2012年的峰值出現(xiàn)了下降趨勢(shì)，目前對(duì)濟(jì)南市房地產(chǎn)價(jià)格空間結(jié)構(gòu)和分異規(guī)律的研究極少，其中趙軍的博士論文《基于GIS空間統(tǒng)計(jì)分析的區(qū)域房地產(chǎn)動(dòng)態(tài)預(yù)警模型》中有一些關(guān)于空間自相關(guān)的研究，但其側(cè)重預(yù)警系統(tǒng)研究，對(duì)價(jià)格的空間分布未做詳細(xì)的描述和解釋。本文試圖對(duì)濟(jì)南市普通住宅空間價(jià)格數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，以期探明其房?jī)r(jià)空間分布的結(jié)構(gòu)特征。

濟(jì)南市轄六區(qū)三縣一市。該文以濟(jì)南市的老城區(qū)及部分近郊區(qū)域，以北園大街為北界線，二環(huán)南路為南邊界，東繞城高速為東邊界，西邊界延伸至長(zhǎng)清大學(xué)城。因?yàn)樵摰赜蚍秶菨?jì)南市目前經(jīng)濟(jì)發(fā)展的重心和未來(lái)濟(jì)南經(jīng)濟(jì)與房地產(chǎn)市場(chǎng)發(fā)展的核心空間區(qū)域。

ESDA（ Exploratory Spatial Data Analysis 探索性空間數(shù)據(jù)分析） 以空間關(guān)聯(lián)測(cè)度為核心，通過(guò)對(duì)事物或現(xiàn)象空間分布格局的描述與可視化，發(fā)現(xiàn)空間集聚和空間異常，揭示研究對(duì)象之間的空間相互作用機(jī)制。城市住房?jī)r(jià)格是一個(gè)區(qū)域化變量，在空間分布上呈現(xiàn)出一定的隨機(jī)性和結(jié)構(gòu)性的特點(diǎn)，以ESDA 和地統(tǒng)計(jì)分析提供的結(jié)構(gòu)信息為基礎(chǔ)，運(yùn)用Kriging 插值，能夠?qū)ξ粗獦狱c(diǎn)進(jìn)行線性無(wú)偏、最優(yōu)估計(jì)。

1 數(shù)據(jù)與研究方法

1. 1 數(shù)據(jù)來(lái)源與處理

選取普通住宅作為樣本是因?yàn)槠涫欠康禺a(chǎn)中的主要類型，空間分布廣，數(shù)量大，因而在空間上能形成連續(xù)的表面，可以代表整個(gè)區(qū)域房?jī)r(jià)的基本格局。數(shù)據(jù)主要來(lái)自網(wǎng)絡(luò)信息，搜房房地產(chǎn)網(wǎng)http：//newhouse.jn.soufun.com/等網(wǎng)站。采集了濟(jì)南市城區(qū)2014年登記在售的157個(gè)普通住宅項(xiàng)目信息，在ArcGIS 中構(gòu)建了點(diǎn)數(shù)據(jù)圖層，價(jià)格屬性數(shù)據(jù)為樓盤(pán)的銷售均價(jià)。在進(jìn)行ESDA分析和空間插值之前，需要先進(jìn)行對(duì)數(shù)變換處理，以使樣本價(jià)格數(shù)據(jù)的頻數(shù)分布滿足正態(tài)分布。

1.2 ESDA和 Kriging方法

1.2.1 ESDA 。ESDA是以空間關(guān)聯(lián)性測(cè)度（Spatial Association Measures ，SAMS）為核心，描述顯示對(duì)象的空間分布，發(fā)現(xiàn)奇異觀測(cè)值，揭示空間聯(lián)系以及其他一致性的空間模式。采用Moran's I 指數(shù)（全局和局域）來(lái)測(cè)度全局和局域空間自相關(guān)性，從而表征濟(jì)南房?jī)r(jià)的空間結(jié)構(gòu)特征。

（2）式中：N 為參與分析的樣本數(shù)目，此處為157；Xi 和Xj 為某屬性特征X 在i 和j 上的觀測(cè)值， 此處為各住宅樣點(diǎn)的銷售均價(jià)；W（i，j）為空間權(quán)重矩陣，它可以通過(guò)鄰接規(guī)則和距離規(guī)則來(lái)構(gòu)建，并采用距離標(biāo)準(zhǔn)來(lái)定義，對(duì)Moran′s I 值計(jì)算結(jié)果需要進(jìn)行統(tǒng)計(jì)檢驗(yàn) [5]。Moran′s I 的絕對(duì)值小于一，I值等于零表示空間不相關(guān)，空間實(shí)體呈隨機(jī)分布；I值為正數(shù)表示空間正相關(guān)，空間實(shí)體呈聚合分布；I值為負(fù)數(shù)表示空間負(fù)相關(guān)，空間實(shí)體呈離散分布。通常I 值越大表示空間分布的相關(guān)性越大。

1.2.2 Kriging 方法。Kriging插值法是利用半變異函數(shù)的結(jié)構(gòu)性，對(duì)變量取值進(jìn)行無(wú)偏最優(yōu)估計(jì)的一種方法，這里建立在空間自相關(guān)的基礎(chǔ)上，不僅考慮了距離關(guān)系，而且考慮了已知樣本點(diǎn)的空間分布及與未知樣點(diǎn)的空間方位關(guān)系，還利用了已有觀測(cè)值空間分布的結(jié)構(gòu)特征，使其估計(jì)結(jié)果比傳統(tǒng)的方法更為精確，更有效地避免了系統(tǒng)誤差的出現(xiàn)[6]。

2 結(jié)果分析

2.1 房?jī)r(jià)空間分布特征

使用GIS軟件采用普通Kriging 法對(duì)樣點(diǎn)數(shù)據(jù)進(jìn)行插值，可得到濟(jì)南市普通住宅價(jià)格的空間分布Grid 圖（圖1），

2.1.1 濟(jì)南市的建設(shè)用地形態(tài)呈現(xiàn)組團(tuán)及帶型特征，沿著貫通東西的主要干道分布。傳統(tǒng)的城市中心是以大明湖周邊舊城區(qū)為核心，但是近年來(lái)隨著新區(qū)開(kāi)發(fā)建設(shè)的逐步推進(jìn)和完善，逐漸呈現(xiàn)出了多核心特征。濟(jì)南市市區(qū)人口已超過(guò)300萬(wàn)，單一中心的發(fā)展勢(shì)必要壓力越來(lái)越大，從房?jī)r(jià)的空間格局可見(jiàn)，其雖向四周逐級(jí)遞減，但在衰減的同時(shí)在部分地區(qū)存在著明顯的空間變異性。例如奧體、行政中心、高新產(chǎn)業(yè)區(qū)等開(kāi)發(fā)熱點(diǎn)地區(qū)房?jī)r(jià)突起明顯。

2.1.2 濟(jì)南市區(qū)房?jī)r(jià)的基本特點(diǎn)是南高北低、東部比西部高。從圖1可以看出顏色較深區(qū)域集中在南部，北部顏色相對(duì)較淺，東部顏色較深而西部區(qū)域顏色較淺，西北部最淺，價(jià)格也就最低。

2.1.3 房?jī)r(jià)增高與交通通道方向具有很強(qiáng)的相關(guān)性。濟(jì)南市位于山東省西部，而東部（青島等地）沿海地區(qū)歷來(lái)是山東經(jīng)濟(jì)發(fā)展水平較高的區(qū)域，同時(shí)又是對(duì)外聯(lián)系的出口（青島港、日照港等），因此，濟(jì)南的的人流物流與東部的對(duì)接更頻繁，加之濟(jì)南本身東西向狹長(zhǎng)的特點(diǎn)形成了住宅開(kāi)發(fā)項(xiàng)目沿城市主要快速干道（經(jīng)十路等）分布明顯的趨勢(shì)，且東部由于傳統(tǒng)上屬于文教單位聚集地，其高新產(chǎn)業(yè)的發(fā)展較迅猛，房?jī)r(jià)明顯高于西部（圖2） 。

2.2 空間自相關(guān)分析

2.2.1 房?jī)r(jià)的空間自相關(guān)程度。依據(jù)公式（1），計(jì)算得到樣本數(shù)據(jù)的全局Moran's I 值為0.4984，如表1所示濟(jì)南市普通住宅價(jià)格呈現(xiàn)了明顯的正自相關(guān)性，表現(xiàn)為相似值之間的空間集聚，即空間依賴性。所以濟(jì)南市普通住宅房?jī)r(jià)具有價(jià)格較高的地方其鄰近項(xiàng)目的價(jià)格也較高、反之亦然的空間自相關(guān)性。這表明房?jī)r(jià)的高低與空間位置有很密切的關(guān)系。

2.2.2 房?jī)r(jià)的空間局域自相關(guān)度。局域Moran's I指數(shù)表明了住宅項(xiàng)目i與相鄰接的住宅項(xiàng)目j之間的價(jià)格的空間相關(guān)性。計(jì)算出住宅價(jià)格樣本的局域Moran's I指數(shù)，并進(jìn)行顯著性檢驗(yàn)，約有69%樣本通過(guò)檢驗(yàn)，表明這些樣本具有顯著的空間自相關(guān)性。其中大明湖周圍舊城區(qū)政府及大型商業(yè)設(shè)施集中地、歷下區(qū)文化路（科教文化單位聚集區(qū)）、東城奧體和高新產(chǎn)業(yè)區(qū)的住宅價(jià)格之間呈現(xiàn)出較高的空間正相關(guān)性， 說(shuō)明以上區(qū)域房?jī)r(jià)具有很高的空間集聚度。文化路與和平路之間是主要的高房?jī)r(jià)集聚區(qū)，西北部黃河南岸以及西南北部長(zhǎng)清大學(xué)城區(qū)域是房?jī)r(jià)低值集聚區(qū)。靠近市區(qū)的近郊區(qū)（邢村立交附近，新的科教單位聚集區(qū)）和靠近南部休閑區(qū)域（如二環(huán)南路至南繞城）的住宅價(jià)格之間呈現(xiàn)出明顯的空間負(fù)相關(guān)，由于受到優(yōu)良的自然環(huán)境、人文環(huán)境和交通要素的影響，這些區(qū)域房?jī)r(jià)表現(xiàn)出顯著的空間異質(zhì)性， 呈現(xiàn)局部離散分布。其實(shí)是形成了新的城市極核，雙中心的形態(tài)已初步顯現(xiàn)。

住宅價(jià)格的空間關(guān)聯(lián)形態(tài)可分為兩種，一種是同質(zhì)型，一種是異質(zhì)型。 同質(zhì)型即住宅項(xiàng)目?jī)r(jià)格與周邊項(xiàng)目?jī)r(jià)格的均值都高于或低于全部項(xiàng)目均價(jià)，如都高于全市均價(jià)的區(qū)域主要分布在大明湖周邊、文化路、燕山立交橋附近組成的中心城區(qū)和奧體周邊及高新產(chǎn)業(yè)區(qū)，其共同的特點(diǎn)就是經(jīng)濟(jì)發(fā)展水平較高、居民受教育程度較高、基礎(chǔ)和服務(wù)設(shè)施相對(duì)完善、商業(yè)服務(wù)業(yè)發(fā)達(dá)。而歷史上受水患影響開(kāi)發(fā)遲緩，發(fā)展相對(duì)比較落后的西部區(qū)域及北部黃河沿岸則屬于同質(zhì)型的低-低。同質(zhì)型則是指住宅項(xiàng)目?jī)r(jià)格比周邊項(xiàng)目?jī)r(jià)格的均值高于或低于全部項(xiàng)目均價(jià)，如高于均價(jià)，可看做是 “ 熱點(diǎn)”項(xiàng)目?jī)r(jià)格，共有2個(gè)，一個(gè)位于文化路商圈，此區(qū)域?qū)儆谂f城區(qū)，5、6層以下的多層住宅較多，甚至有很多50、60年代建造的蘇氏住宅樓建筑密度低、居住環(huán)境較差，開(kāi)發(fā)后也多以高層住宅為主，建筑密度很高，單價(jià)并不高，而該項(xiàng)目戶型面積大且設(shè)計(jì)理念新穎、綠化環(huán)境優(yōu)美；另一個(gè)位于奧體中心南部，為原來(lái)的運(yùn)動(dòng)員村，裝修級(jí)別高，位置優(yōu)越配套齊全；因此這兩個(gè)項(xiàng)目?jī)r(jià)格明顯高于鄰接區(qū)域。如低于均價(jià)可看做 “ 冷點(diǎn)”項(xiàng)目，有1個(gè)，主要位于二環(huán)西路北段附近，或許與項(xiàng)目本身的設(shè)計(jì)理念及空間利用效率有關(guān)。

3 結(jié)論與討論

通過(guò)對(duì)濟(jì)南市的普通住宅樣本價(jià)格的分析，可知其全局Moran's I指數(shù)值為0.4984，表明濟(jì)南市房?jī)r(jià)具有全局空間正相關(guān)性， 總體上呈現(xiàn)空間集聚特征。大部分住宅價(jià)格呈現(xiàn)局部空間聚集特征，少量存在空間異質(zhì)性而呈現(xiàn)離散格局。高房?jī)r(jià)項(xiàng)目聚集在濟(jì)南市舊城區(qū)大名湖南岸、歷下區(qū)文化路（科教文化單位聚集區(qū)）、東城奧體和高新產(chǎn)業(yè)區(qū)，低值聚集區(qū)分布在發(fā)展相對(duì)比較落后的濟(jì)南西部以及北部；離散分布的個(gè)別高房?jī)r(jià)項(xiàng)目都位于受城市規(guī)劃，土地利用規(guī)劃和交通專項(xiàng)規(guī)劃影響的所謂開(kāi)發(fā)熱點(diǎn)地區(qū)。

本文采用的 ESDA 和Kriging 技術(shù)結(jié)合的方法，不僅對(duì)距離變化敏感的區(qū)域變量有較好的適應(yīng)性，還考慮了鄰近空間問(wèn)題，是處理具有空間自相關(guān)性數(shù)據(jù)的有效方法之一，但由于本人現(xiàn)階段對(duì)ArcGIS，Geoda等工具的使用還未純熟且樣本數(shù)據(jù)不可避免的存在一定的局限性，只能在現(xiàn)有情況下盡可能地接近真實(shí)情況。不足之處在于樣本數(shù)據(jù)只局限于普通住宅，且對(duì)空間分布的變異分析還不夠。將來(lái)希望能細(xì)化分析各種不同類型的住宅，將研究更深一步。

參考文獻(xiàn)