田 霞，蔡銀鶯

（華中農(nóng)業(yè)大學(xué)公共管理學(xué)院，湖北·武漢430070）

住房分配貨幣化改革以來，房地產(chǎn)業(yè)快速發(fā)展提供了更多的就業(yè)崗位并帶動了相關(guān)產(chǎn)業(yè)發(fā)展，已成為我國國民經(jīng)濟(jì)支柱性產(chǎn)業(yè)[1-3]。房地產(chǎn)企業(yè)是市場經(jīng)濟(jì)活動的參與者，具有空間與經(jīng)濟(jì)的雙重屬性，其投資分布會影響城市經(jīng)濟(jì)格局的形成[4]。房地產(chǎn)龍頭企業(yè)具有標(biāo)桿性作用，總結(jié)其住宅投資空間分布格局及階段性特征可以為中小型房企投資戰(zhàn)略布局提供借鑒，為政府及時了解住宅市場狀況，制定合理的調(diào)控政策引導(dǎo)產(chǎn)業(yè)發(fā)展、投資需求及優(yōu)化用地布局提供參考。目前，關(guān)于房地產(chǎn)企業(yè)的探討多從區(qū)域擴(kuò)張動機(jī)[5]、擴(kuò)張歷程[6]、分布特征[7]、擴(kuò)張模式[8]、擴(kuò)張風(fēng)險與績效[9-11]及擴(kuò)張城市選擇[12-14]等方面進(jìn)行研究，且多為定性分析或從經(jīng)濟(jì)學(xué)視角切入研究。企業(yè)的空間分布和集聚也是地理學(xué)研究的重要命題，不同類型的企業(yè)進(jìn)行區(qū)域布局時考慮的因素也存在較大差異[15]。近年來，服務(wù)業(yè)與制造業(yè)的空間分布格局及演變規(guī)律受到眾多學(xué)者關(guān)注[16-18]，而對房地產(chǎn)業(yè)空間集聚與分異特征的研究相對較少。在研究方法上，核密度估計、空間自相關(guān)、標(biāo)準(zhǔn)差橢圓、最近鄰距離及Ripley’s K(d)函數(shù)等成為研究企業(yè)空間分布形態(tài)及演化格局的常用分析方法。2009年后，住房限購令、房產(chǎn)稅、公租房等系列調(diào)控政策頻繁，把握國家宏觀政策調(diào)控下房地產(chǎn)市場投資趨勢及企業(yè)投資戰(zhàn)略布局具有重要意義。房地產(chǎn)龍頭企業(yè)作為房地產(chǎn)市場的重要風(fēng)向標(biāo)，其住宅投資空間分布格局等決策特征直接影響到住房市場的投資趨勢。因此，本文以2009-2017 年萬科、恒大、保利等30個房地產(chǎn)龍頭企業(yè)在全國339個城市的住宅銷售數(shù)據(jù)（數(shù)據(jù)源于《CREIS 中指數(shù)據(jù)庫》）為研究對象，利用住宅投資均勻度指數(shù)、變異系數(shù)及空間自相關(guān)探討房地產(chǎn)龍頭企業(yè)住宅投資分布的空間集聚與分異特征，并通過核密度估計、平均中心—標(biāo)準(zhǔn)差橢圓總結(jié)其住宅投資分布的階段性特征，以期為國家促進(jìn)住宅市場健康發(fā)展制定宏觀政策及房地產(chǎn)企業(yè)制定微觀投資決策提供參考和借鑒。

1研究對象、數(shù)據(jù)來源與研究方法

1.1研究對象選取及代表性

本文中的房地產(chǎn)龍頭企業(yè)指在市場中占據(jù)較大份額、具有市場投資導(dǎo)向和品牌優(yōu)勢、實(shí)力雄厚且發(fā)展?jié)摿薮蟮姆康禺a(chǎn)開發(fā)企業(yè)。具體有以下四個選取標(biāo)準(zhǔn)：一是企業(yè)進(jìn)駐城市總數(shù)，反映企業(yè)跨區(qū)域發(fā)展情況，是面向全國布局還是選取重點(diǎn)城市進(jìn)行投資；二是企業(yè)房屋銷售面積總量，體現(xiàn)企業(yè)銷售業(yè)績和市場份額占有情況；三是企業(yè)拿地總占地面積總量，充足的土地儲備是企業(yè)房屋投資和開發(fā)的基礎(chǔ)；四是百強(qiáng)企業(yè)排行榜，反映企業(yè)的規(guī)模、成長空間、社會責(zé)任和品牌魅力等特點(diǎn)。選取上述每一標(biāo)準(zhǔn)的前20 個房地產(chǎn)企業(yè)，綜合共篩選出30個房地產(chǎn)龍頭企業(yè)為萬科、恒大、保利、中海、碧桂園、綠地控股、華潤置地、金地、萬達(dá)、融創(chuàng)、龍湖、世茂、綠城中國、雅居樂、華夏幸福、招商蛇口、富力、榮盛、新城控股、保利置業(yè)、遠(yuǎn)洋、首創(chuàng)置業(yè)、金科、旭輝、佳兆業(yè)、魯能、中南建設(shè)、華僑城、寶龍、建業(yè)地產(chǎn)。

房地產(chǎn)龍頭企業(yè)在住宅市場中的代表性可以用住宅市場集中度衡量。住宅市場集中度主要反映普通住宅行業(yè)中市場份額被前幾個規(guī)模最大企業(yè)控制的程度，市場集中度數(shù)值越大，表明龍頭企業(yè)在住宅行業(yè)中的壟斷力量越大、代表性越強(qiáng)。住宅市場集中度可以采用企業(yè)住宅銷售面積計算的CRn 指數(shù)表征。設(shè)該行業(yè)中第i 個企業(yè)普通住宅的銷售面積為Xi，企業(yè)個數(shù)為n（n=30），企業(yè)總數(shù)為N，住宅市場集中度為CRn，則有：2009-2016 年房地產(chǎn)龍頭企業(yè)CR30 指數(shù)分別為

1.2 數(shù)據(jù)來源及處理

30個房地產(chǎn)龍頭企業(yè)2009-2017年的住宅銷售數(shù)據(jù)來源于《CREIS 中指數(shù)據(jù)庫》，房地產(chǎn)企業(yè)個數(shù)、全國住宅銷售面積等數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。企業(yè)進(jìn)駐城市總數(shù)統(tǒng)計截止至數(shù)據(jù)庫2018 年1 月27日，房屋銷售和拿地總占地面積量統(tǒng)計時間段為2009 年1 月至2017 年12 月，百強(qiáng)企業(yè)排行榜是根據(jù)數(shù)據(jù)庫2017 年數(shù)據(jù)所得。研究時間跨度為2009-2017年，包含近年出臺的限購令 房產(chǎn)稅、公租房等房地產(chǎn)調(diào)控政策。本文研究對象共有339個城市（294 個地級市7 個地區(qū)30 個自治州3 個盟5 個省轄市），2009-2017 年間，30 個房地產(chǎn)龍頭企業(yè)住宅銷售只遍布128個城市。本文研究尺度遵循國家二級行政單位的劃分標(biāo)準(zhǔn)，故將企業(yè)入駐的縣級市銷售數(shù)據(jù)歸于其對應(yīng)的地級市。處理后，房地產(chǎn)龍頭企業(yè)在2009-2017年在229個城市住宅銷售為零，在110 個城市有住宅銷售數(shù)據(jù)。

1.3 研究方法

（1）住宅投資均勻度指數(shù)

測度企業(yè)住宅投資空間分布集聚程度可采用空間基尼系數(shù)、EG 指數(shù)、Moran 指數(shù)、住宅投資均勻度指數(shù)等方法?？臻g基尼系數(shù)和EG 指數(shù)受數(shù)據(jù)可得性的限制，難以測算。相較于Moran 指數(shù)，均勻度指數(shù)較容易測算且能從景觀結(jié)構(gòu)角度衡量企業(yè)住宅投資空間分布的集聚程度，因此本文借鑒景觀格局指數(shù)中的均勻度指數(shù)構(gòu)建住宅投資均勻度指數(shù)進(jìn)行研究[19]。指數(shù)值介于0-1，當(dāng)指數(shù)為1時表示房地產(chǎn)龍頭企業(yè)住宅投資在城市間均勻分布，不存在集聚現(xiàn)象。具體計算公式為：

式中，EI 為住宅投資均勻度指數(shù)，Pi為企業(yè)在第i個城市的住宅銷售面積占總銷售面積的比例，Hmax為城市最大多樣性指數(shù)（Hmax=ln(n)），n為城市個數(shù)（n=339）。

（2）住宅投資變異系數(shù)

變異系數(shù)是統(tǒng)計學(xué)中用來反映單位均值離散程度的變量，能夠初步衡量房地產(chǎn)龍頭企業(yè)住宅投資分布的差異程度[20]。住宅投資變異系數(shù)反映了房地產(chǎn)龍頭企業(yè)住宅銷售面積相對于其住宅銷售平均值的整體離散程度，數(shù)值越大表明企業(yè)在城市住宅投資的差異程度越大。具體計算公式為：

式中，V為住宅投資變異系數(shù)，n為城市個數(shù)（n=339），Xi為i城市住宅銷售面積，為城市住宅銷售面積平均值。（3）空間自相關(guān)

空間自相關(guān)分為全局和局部空間自相關(guān)，可定量測度企業(yè)住宅投資的空間相關(guān)程度[21]。全局空間自相關(guān)（GMI）可以從整體上概括房地產(chǎn)龍頭企業(yè)住宅投資的空間依賴程度。局部空間自相關(guān)（LMI）可以進(jìn)一步分析住宅投資較高和較低區(qū)域的具體位置，并揭示企業(yè)住宅投資的空間差異性。全局和局部空間自相關(guān)計算公式如下：

式中：xi、xj分別為第i、j個城市企業(yè)住宅投資量；為龍頭企業(yè)城市住宅投資量的均值；wij是各城市的空間權(quán)重矩陣，采用K-nearest 法創(chuàng)建K6 近鄰城市空間權(quán)重文件，研究城市周圍最近的6個城市認(rèn)為是相鄰的，權(quán)重為1，其余為0。如果Z 檢驗(yàn)顯著且GMI 值為正，表明龍頭企業(yè)住宅投資呈現(xiàn)集聚的空間格局。

式中：w'ij是wij的行標(biāo)準(zhǔn)化；Zi和Zj為住宅投資量的標(biāo)準(zhǔn)化值。在小于0.05 顯著水平下，若LMIi和Zi都為正值，說明第i個城市與其相鄰城市均為高銷售區(qū)，即高高集聚（H-H）城市；同理可得低低集聚（L-L）、高低集聚（H-L）和低高集聚（L-H）城市。

（4）核密度估計

核密度估計從數(shù)據(jù)出發(fā)獲取房地產(chǎn)龍頭企業(yè)住宅投資分布形態(tài)特征，從而避免了因預(yù)先指定某一特定分布形態(tài)導(dǎo)致的誤差[22]。假定房地產(chǎn)龍頭企業(yè)住宅投資分布的密度函數(shù)為f(x)，核密度估計函數(shù)為fn(x)，則在某城市住宅投資量x上的核密度估計表達(dá)式為：

式中：fn(x)為根據(jù)龍頭企業(yè)在n個城市的住宅投資量X1，X2，…，Xn估計得到的核密度估計函數(shù)；k[(x-xi)/hn]為核函數(shù)，選取住宅投資量服從正態(tài)分布的高斯核函數(shù)進(jìn)行分析；n為城市個數(shù)；hn為帶寬。

（5）平均中心—標(biāo)準(zhǔn)差橢圓

式中：(X,Y)為龍頭企業(yè)住宅投資平均中心坐標(biāo)；(xi ,yj)為城市的空間坐標(biāo)；(x*i ,y*

j)為各點(diǎn)距離城市平均中心的相對坐標(biāo)；wi表示權(quán)重，在文中wi表示各城市住宅投資量；θ為標(biāo)準(zhǔn)差橢圓的轉(zhuǎn)角；σx、σy分別為沿x和y軸的標(biāo)準(zhǔn)差。

2房地產(chǎn)龍頭企業(yè)住宅投資空間分布格局

2.1總體分布特征

從地理區(qū)域分布看（圖1a），房地產(chǎn)龍頭企業(yè)住宅投資整體呈現(xiàn)自東南向西北遞減的趨勢，沿海地區(qū)的住宅投資占比高達(dá)51.3%，遠(yuǎn)高于黃河中游和西北地區(qū)。從城市分級看（圖1b），房地產(chǎn)龍頭企業(yè)住宅投資主要集中在新一線和二線城市，占比將近總量的80%，而四五線城市住宅投資占比卻不足總量的5%。從城市群劃分看（圖1c），房地產(chǎn)龍頭企業(yè)住宅投資主要集中在五大城市群，其中長三角和成渝城市群住宅投資占比將近總量的三分之一。從單個城市看（圖1d），房地產(chǎn)龍頭企業(yè)住宅投資主要集中于內(nèi)陸省會城市、沿海城市和部分直轄市，行政等級差異特征較明顯。根據(jù)城市住宅投資總量，采用自然斷裂法將城市劃分為五個等級（表1）。重慶、成都、沈陽、杭州、武漢、天津、蘇州為房地產(chǎn)龍頭企業(yè)住宅投資的主要城市，占總投資量的33.32%。北京、上海、廣州、深圳的住宅投資總量均不屬于一級城市，可見房地產(chǎn)龍頭企業(yè)住宅投資分布并不完全與城市經(jīng)濟(jì)發(fā)展水平一致?？傮w而言，房地產(chǎn)龍頭企業(yè)住宅投資集中分布在沿海地區(qū)和五大城市群的新一線城市、內(nèi)陸省會城市和重慶、天津等直轄市。

圖1 2017年房地產(chǎn)龍頭企業(yè)住宅投資空間分布Fig.1 Spatial distribution of residential investment of real estateleading enterprises in 2017

2.2 集聚與分異特征

（1）均勻度指數(shù)與變異系數(shù)分析

根據(jù)公式（2）和（3）分別計算反映房地產(chǎn)龍頭企業(yè)住宅投資分布集聚與分異程度的均勻度指數(shù)和變異系數(shù)，并繪制相關(guān)折線圖以表達(dá)兩者的變化趨勢（圖2）。從均勻度指數(shù)與變異系數(shù)的變化情況（圖2a）和增長趨勢（圖2b）來看，2009-2017年均勻度指數(shù)與變異系數(shù)表現(xiàn)出完全相反的變動趨勢，兩項(xiàng)指標(biāo)彼此驗(yàn)證了房地產(chǎn)龍頭企業(yè)住宅投資呈現(xiàn)集聚與分異的城市分布格局。并且，具有較為明顯的階段性特征。2009-2012 年間，均勻度指數(shù)和變異系數(shù)呈波動變化，2009年房地產(chǎn)龍頭企業(yè)住宅投資集聚分布現(xiàn)象最為明顯，在2010 年集聚現(xiàn)象減弱，此后逐漸增強(qiáng)又回落。在此期間，均勻度指數(shù)和變異系數(shù)增長率的變化幅度也最為劇烈。2012-2014 年間，均勻度指數(shù)與變異系數(shù)穩(wěn)健變動，企業(yè)住宅投資城市間的差異逐步減小。2014-2017年間，均勻度指數(shù)與變異系數(shù)基本不變，增長率接近于0，企業(yè)住宅投資城市分布格局已基本形成。

表1企業(yè)住宅投資視角下城市等級劃分Table 1 Different levels of the city in the perspective of enterprise’s housing investment

圖2均勻度指數(shù) 變異系數(shù)及其增長率變化趨勢Fig.2 The trend of Evenness index, coeffcient of variation and its growth rate

（2）全局空間自相關(guān)分析

根據(jù)公式（4），計算得到2009-2017年房地產(chǎn)龍頭企業(yè)住宅投資分布的GMI值。GMI 指數(shù)除2010年外均為正值（表2），且除2010 和2017 年，其他年份GMI 值都通過了5%水平的顯著性檢驗(yàn)。表明我國房地產(chǎn)龍頭企業(yè)住宅投資的空間分布并不是隨機(jī)的，整體呈現(xiàn)正的空間相關(guān)關(guān)系，即房地產(chǎn)龍頭企業(yè)住宅投資表現(xiàn)出高銷售城市與高銷售城市、低銷售城市與低銷售城市相鄰的集聚趨勢。GMI 值在2009-2011年間呈“V”型變化，2012-2014年穩(wěn)定在0.095附近，2015-2017年間呈下降趨勢。GMI指數(shù)歷經(jīng)“V”型變動—上升—平穩(wěn)—下降的變化過程，我國房地產(chǎn)龍頭企業(yè)住宅投資的空間分布格局也不斷發(fā)生變化。2010 年GMI 指數(shù)為負(fù)值的原因可能在于：受2008 年金融危機(jī)影響，地方政府為拉動經(jīng)濟(jì)增長鼓勵房地產(chǎn)業(yè)快速發(fā)展，2009 年住宅的銷售面積和價格出現(xiàn)大幅上漲。面對不斷上漲的樓市，政府在2010年出臺國十一條、國十條和國五條等房地產(chǎn)調(diào)控政策以穩(wěn)定樓市。2010 年是房地產(chǎn)史上調(diào)控最為嚴(yán)厲的一年，但各城市由于其房地產(chǎn)市場發(fā)展程度的不同受到調(diào)控政策的影響也各不相同，具體而言北京、上海、廣州、深圳等城市受政策影響較大，而長沙、沈陽、西安等房地產(chǎn)市場發(fā)展較落后的城市則受政策影響較小。2010年房地產(chǎn)調(diào)控政策頻出，調(diào)控之密、政策之嚴(yán)、手段之多給房地產(chǎn)市場增加較多不確定因素，影響了房地產(chǎn)龍頭企業(yè)2010年住宅投資的空間分布格局。

表2 2009-2017年房地產(chǎn)龍頭企業(yè)住宅投資的全局空間自相關(guān)系數(shù)（GMI）Table 2 Global spatial autocorrelation coeffcient of residential investment of real estate leading enterprises in 2009-2017

（3）局部空間自相關(guān)分析

根據(jù)住宅投資均勻度指數(shù)、變異系數(shù)呈現(xiàn)出2009-2012年波動變化、2012-2014年穩(wěn)健變動和2014-2017年基本不變的階段性特點(diǎn)及GMI 值，并考慮限購令、房產(chǎn)稅、公租房等房地產(chǎn)調(diào)控政策，可選取2011、2013及2016年三個時間節(jié)點(diǎn)對房地產(chǎn)龍頭企業(yè)住宅投資的空間分布格局進(jìn)行研究。根據(jù)公式（5），在5%顯著性水平下繪制2011、2013 和2016 年的局部空間自相關(guān)集聚圖（圖3）。LMI 圖將空間集聚程度分為高高集聚（H-H）、高低集聚（H-L）、低低集聚（L-L）及低高集聚（L-H）城市四類。高高集聚城市（H-H）主要集中在京津冀、長三角、珠三角城市群。具體而言，主要為京津冀地區(qū)的北京、天津和廊坊，長三角的蘇州、無錫、揚(yáng)州等城市，珠三角的廣州、中山、深圳等城市。與2011 年相比，2013 和2016 年高高集聚城市個數(shù)增多，新增城市仍來自京津冀、長三角、珠三角城市群，高高集聚分布格局較為穩(wěn)定；低高集聚城市（L-H）主要分布在河北、遼寧、貴州、安徽等地區(qū)，毗鄰京津、蘇州、深圳等高銷售城市。此類型城市由于自身資源、規(guī)劃定位、政治地位、經(jīng)濟(jì)文化等因素與周邊城市差距巨大，形成住宅投資洼地，高銷售城市對其拉動作用有限。2011、2013及2016年低高集聚城市房地產(chǎn)龍頭企業(yè)住宅投資占比分別為0.15%、0.36%和1.17%，低高集聚城市數(shù)量較多，但其住宅投資占比卻較低；高低集聚城市（H-L）主要為內(nèi)陸省會城市，呈點(diǎn)狀分布。具體而言，主要為成都、武漢、沈陽、西安、濟(jì)南、昆明、太原、貴陽等城市。高低集聚城市數(shù)量逐年減少的同時，其房地產(chǎn)龍頭企業(yè)住宅投資份額也呈遞減趨勢，由2011年的36.43%減少至2016年的17.33%（表3）。高低集聚城市數(shù)量下降的原因可能在于：一是高銷售城市周邊低銷售城市不斷發(fā)展壯大，改變了既定的高低集聚格局，貴陽、武漢、杭州、南昌、合肥、鄭州便是如此；二是高銷售城市的住宅投資量逐漸降低，與周邊城市住宅投資差距逐漸縮小，南充如是。

2013年和2016年房地產(chǎn)龍頭企業(yè)住宅投資LMI集聚圖Fig.3 The LMI clustering map of residential investment of real estate enterprises in 2011,2013 and 2016圖3 2011年

3房地產(chǎn)龍頭企業(yè)住宅投資的階段性特征

在明確房地產(chǎn)龍頭企業(yè)住宅投資空間集聚與分異格局后，為進(jìn)一步了解房地產(chǎn)龍頭企業(yè)住宅投資分布的階段性特征，本文利用核密度估計和平均中心—標(biāo)準(zhǔn)差橢圓對其住宅投資分布演化格局進(jìn)行分析。依托ArcGIS 平臺計算房地產(chǎn)龍頭企業(yè)住宅投資空間分布的平均中心和標(biāo)準(zhǔn)差橢圓的相關(guān)參數(shù)，并選取2011、2013及2016年繪制房地產(chǎn)龍頭企業(yè)住宅投資的核密度估計和空間格局的階段性變化圖。

3.1核密度估計分析

以339 個城市作為房地產(chǎn)龍頭企業(yè)住宅投資分布的研究對象，其中229 個城市的房地產(chǎn)龍頭企業(yè)住宅投資數(shù)據(jù)為0，進(jìn)行核密度分析時不考慮這229 個城市。2011、2013和2016 年城市住宅投資超過600 萬m2的城市只有4 個，且遠(yuǎn)高于其他城市的住宅投資量，因此將這四個城市作為特殊案例排除。處理后，利用公式（6）計算出2011、2013 和2016 年房地產(chǎn)龍頭企業(yè)住宅投資估計值（圖4）。與2011年相比，2013 和2016 年房地產(chǎn)龍頭企業(yè)住宅投資區(qū)間明顯增大，分異程度增強(qiáng)。分布形態(tài)由“高聳式”轉(zhuǎn)變?yōu)椤氨馄绞健狈植肌?011、2013 和2016 年波峰對應(yīng)的住宅投資量均在0-100區(qū)間內(nèi)，2016 年波峰對應(yīng)的住宅投資量最大，2013 年波峰對應(yīng)的住宅投資量最小，說明房地產(chǎn)龍頭企業(yè)住宅投資總體水平呈先減后增趨勢，這與限購令、房產(chǎn)稅、公租房等調(diào)控政策息息相關(guān)。此外，所有年份的核密度曲線右側(cè)都存在明顯的“拖尾”現(xiàn)象，各年均存在少數(shù)住宅投資量較高的城市，也顯示出高投資城市與中低投資城市間的差距是房地產(chǎn)龍頭企業(yè)住宅投資差距的主要方向。

表3 20112013和2016年房地產(chǎn)龍頭企業(yè)住宅投資LMI集聚圖對應(yīng)城市表Table 3 The corresponding city of the LMI clustering map of residential investment of real estate enterprises in 2011,2013 and 2016

圖4房地產(chǎn)龍頭企業(yè)住宅投資分布的核密度估計Fig.4 The kernel density estimation of residential investment distributionof real estate leading enterprises

3.2 平均中心移動軌跡研究

從平均中心的分布范圍看（圖5），房地產(chǎn)龍頭企業(yè)住宅投資平均中心位于河南省與安徽省交界處附近，說明在東西地區(qū)分布上房地產(chǎn)龍頭企業(yè)在東部的住宅投資量平均要高于西部地區(qū)。從平均中心移動軌跡及方向看（表4，圖5），2011 年房地產(chǎn)龍頭企業(yè)住宅投資平均中心在河南省駐馬店市內(nèi)，2011-2013 年向東南方向偏移，方向?yàn)闁|偏南6.98，平均中心由河南省駐馬店市遷移到安徽省阜陽市內(nèi)。2013-2016年平均中心又遷至河南省信陽市內(nèi)，偏移方向?yàn)槟掀?5.78。總體而言，房地產(chǎn)龍頭企業(yè)住宅投資平均中心先偏東南再偏西南移動，研究期內(nèi)平均中心在南北方向上總體向南偏移，在東西方向上呈現(xiàn)先向東偏移再向西偏移的趨勢。說明研究期內(nèi)，房地產(chǎn)龍頭企業(yè)在南部地區(qū)住宅投資量增加，致使平均中心一直向南移動，“中部崛起”和“西部大開發(fā)”戰(zhàn)略的實(shí)施帶動了中西部城市的發(fā)展，使得住宅投資平均中心在2013-2016年間向西移動。

從平均中心移動距離及速度來看（表4），2011-2013年平均中心向東西方向移動的速度（34.48 km/a）與平均中心整體移動速度（34.74 km/a）幾乎一致，說明在此期間房地產(chǎn)龍頭企業(yè)住宅投資平均中心主要向東移動，移動距離為68.96 km。2013-2016 年平均中心移動的距離為68.87 km，在東西方向（12.91 km/a）和南北方向（18.98 km/a）平均中心移動的速度相差不大，房地產(chǎn)龍頭企業(yè)在此期間向南和向西分別移動了56.95 km、38.74 km?？傮w而言，房地產(chǎn)龍頭企業(yè)住宅投資平均中心總體向東南方向移動，向南移動了65.39 km，向東移動了30.23 km，2011-2013 年主要向東移動，2013-2016年主要向南移動。

圖5房地產(chǎn)龍頭企業(yè)住宅投資空間分布格局的階段性變化Fig.5 Stage changes in the spatial distribution pattern of residential investment of real estate leading enterprises

表4房地產(chǎn)龍頭企業(yè)住宅投資平均中心移動方向、距離和速度Table 4 The moving direction,distance and speed of residentialinvestment average center of real estate leading enterprises

3.3 標(biāo)準(zhǔn)差橢圓分析

2011、2013及2016年房地產(chǎn)龍頭企業(yè)住宅投資標(biāo)準(zhǔn)差橢圓主要位于東南地區(qū)，先向東南偏移后向西南偏移，覆蓋范圍先縮小后增大（圖5，表5）。2011、2013及2016 年橢圓平均形狀指數(shù)分別為0.596、0.624 和0.634，形狀指數(shù)逐年增加，橢圓形狀逐漸趨于正圓，房地產(chǎn)龍頭企業(yè)住宅投資地理分布趨于集中。從轉(zhuǎn)角θ來看（表5），轉(zhuǎn)角θ呈現(xiàn)先縮小后增大的變化趨勢。2011-2013年轉(zhuǎn)角變化了1.06，說明企業(yè)住宅投資空間分布由東北—西南方向正北—正南方向偏轉(zhuǎn)了1.06，2013-2016年轉(zhuǎn)角變化了0.47，又向東北—西南方向偏轉(zhuǎn)了0.47?？傮w來看，2011-2016年，房地產(chǎn)龍頭企業(yè)住宅投資標(biāo)準(zhǔn)差橢圓空間分布呈現(xiàn)東北—西南分布格局，有向正北—正南偏移趨勢，但轉(zhuǎn)角變化幅度很小，房地產(chǎn)龍頭企業(yè)住宅投資分布格局變化不大。從橢圓主軸和輔軸長度上看，主軸長度總體呈現(xiàn)縮短趨勢，輔軸長度總體呈現(xiàn)延伸趨勢，可知房地產(chǎn)龍頭企業(yè)住宅投資在東北—西南方向的空間分布有集聚趨勢、在東南—西北方向的空間分布有分散的趨勢。

表5 房地產(chǎn)龍頭企業(yè)住宅投資空間分布的標(biāo)準(zhǔn)差橢圓Table 5 Standard deviation ellipse of residential investment spatial distribution of real estate leading enterprises

4結(jié)論與討論

本文以2009-2017 年30 個房地產(chǎn)龍頭企業(yè)在339 個城市的住宅銷售數(shù)據(jù)為研究對象，利用住宅投資均勻度指數(shù)、變異系數(shù)及空間自相關(guān)探討房地產(chǎn)龍頭企業(yè)住宅投資分布的空間集聚與分異特征，并通過核密度估計、平均中心—標(biāo)準(zhǔn)差橢圓總結(jié)其住宅投資分布的階段性特征。結(jié)果發(fā)現(xiàn)：

第一，房地產(chǎn)龍頭企業(yè)住宅投資分布呈現(xiàn)正的空間相關(guān)關(guān)系，且具有空間分異與集聚特征。高高集聚城市主要分布在京津冀、長三角、珠三角城市群。低高集聚城市毗鄰京津、蘇州、深圳等高銷售城市，形成住宅投資洼地。高低銷售城市主要為內(nèi)陸省會城市，呈點(diǎn)狀分布。高高集聚城市由于地理優(yōu)勢和集聚經(jīng)濟(jì)，具有較穩(wěn)定的分布格局，高低集聚城市分布格局在不斷調(diào)整，低高集聚城市對高銷售城市拉動作用的反應(yīng)較為遲緩。

第二，2009-2017年，房地產(chǎn)龍頭企業(yè)住宅投資在地理上趨于集聚分布，但城市間差異程度在逐漸擴(kuò)大，且主要來自高住宅投資城市與中低投資城市間的差距。高銷售城市對周邊城市的帶動作用并不顯著，建議加強(qiáng)都市圈、城市群的一體化建設(shè)，增強(qiáng)熱點(diǎn)城市對周圍城市的輻射作用。

第三，2009-2017 年，房地產(chǎn)龍頭企業(yè)住宅投資平均中心分布在河南省與安徽省交界處附近，平均中心呈現(xiàn)先偏東南再偏西南的變化格局，總體向南移動了65.39 km，向東移動了30.23 km；企業(yè)住宅投資的標(biāo)準(zhǔn)差橢圓呈現(xiàn)東北—西南分布格局，有向正北—正南偏移趨勢，但轉(zhuǎn)角變化幅度很小，企業(yè)住宅投資分布格局變化不大。住宅投資平均中心的移動及空間分布格局的形成與政策調(diào)控和市場機(jī)制息息相關(guān)，在了解房地產(chǎn)投資空間格局的基礎(chǔ)上適當(dāng)以政策引導(dǎo)有利于促進(jìn)區(qū)域房地產(chǎn)市場協(xié)調(diào)健康發(fā)展。

房地產(chǎn)龍頭企業(yè)作為房地產(chǎn)市場的風(fēng)向標(biāo)，總結(jié)其住宅投資空間分布格局及階段性特征有助于政府及時了解住宅市場狀況，制定合理的調(diào)控政策引導(dǎo)產(chǎn)業(yè)發(fā)展、投資需求及優(yōu)化用地布局。但研究也存在一定的不足，例如受研究數(shù)據(jù)局限，目前僅選取各房地產(chǎn)企業(yè)的住宅銷售面積來表征住宅投資，量化企業(yè)城市住宅投資決策不夠全面。其次，未來需要進(jìn)一步在此基礎(chǔ)上對龍頭企業(yè)住宅投資空間差異的影響因素進(jìn)行探究。

參考文獻(xiàn)(References)

[1]王國軍,劉水杏.房地產(chǎn)業(yè)對相關(guān)產(chǎn)業(yè)的帶動效應(yīng)研究[J].經(jīng)濟(jì)研究,2004(8):38-47.WANG G J,LIU S X.The driving effects on real estate to the correlative industries[J].Economic Research,2004(8):38-47.

[2]黃小虎.對我國房地產(chǎn)業(yè)的再思考[J].上海國土資源,2011,32(4):12-19,25.HUANG X H.Rethi nking for real est ate industry in China[J].Shanghai Land &Resources,2011,32(4):12-19,25.

[3]黃小虎.利用集體建設(shè)用地建設(shè)租賃住房—— 一個舉重若輕的大手筆[J].上海國土資源,2018,39(1):1-4.HUANG X H. Using collective construction land to build leasehold housing:big ideas and measures to ease heavy burdens[J].Shanghai Land &Resources,2018,39(1):1-4.

[4]鐘業(yè)喜,傅鈺,郭衛(wèi)東,等.中國上市公司總部空間格局演變及其驅(qū)動因素研究[J]. 地理科學(xué),2018,38(4):485-494.ZHONG Y X,FU Y,GUO W D,et al.Spatial pattern evolution and driving factors of China's listed companies[J].Scientia Geographica Sinica,2018,38(4):485-494.

[5]閆甜,李峰.我國房地產(chǎn)企業(yè)跨區(qū)域擴(kuò)張的動機(jī)分析[J].商業(yè)時代,2011(30):120-121.YAN T,LI F.Anal ys i s of t he mot i va t i on of c r oss-r egi onal expansion of real estate enterprises in China[J].Commercial Times,2011(30):120-121.

[6]蘇英,邊瑞灼.我國房地產(chǎn)企業(yè)跨區(qū)域發(fā)展歷程研究[J].網(wǎng)絡(luò)財富,2009(16):58-59.SU Y,BIAN R Z.Study on the cross-regional development process of China's real estate enterprises[J]. Net Fortune,2009(16):58-59.

[7]趙思敏,楊海娟.房地產(chǎn)上市公司空間分布特征研究[J].西北大學(xué)學(xué)報:自然科學(xué)版,2013,3(1):145-149.ZHAO S M,YANG H J.The spatial di st ributi on of the listed real estate company[J].Journal of Northwest University:Natural Science Edition,2013,3(1):145-149.

[8]呂佳芳,周剛化,葛宏韜.房地產(chǎn)企業(yè)跨區(qū)域發(fā)展模式解析[J].中國房地產(chǎn),2010(10):53-56.Lü J F,ZHOU G H,GE H T.Inter-regional development model of the real estate business parsing[J].China Real Estate,2010(10):53-56.

[9]劉淑茹,王麗娜,王立偉.房地產(chǎn)企業(yè)跨區(qū)域發(fā)展程度、經(jīng)營業(yè)態(tài)與企業(yè)績效[J].金融與經(jīng)濟(jì),2018(6):61-66.LIU S R,WANG L N,WANG L W.Cross-regional development degree,business format and enterprise performance of real estate enterprises[J].Finance and Economy,2018(6):61-66.

[10]蔚然風(fēng),楊紅燕,李艷麗.轉(zhuǎn)型經(jīng)濟(jì)中跨區(qū)域發(fā)展對企業(yè)績效的影響:基于中國房地產(chǎn)上市公司的研究[J].中國社會科學(xué)院研究生院學(xué)報,2014(6):41-49.WEI R F,YANG H Y,LI Y L.The i mpa c t of i nt er-r egi onal development on enterprise performance in a transitional economy:empirical study of the listed real estate companies in China[J].Journal of Graduate School of the Chinese Academy of Social Sciences,2014(6):41-49.

[11]韓曼曼.基于多元線性回歸模型的區(qū)域房地產(chǎn)投資環(huán)境評價[J].上海國土資源,2015,36(3):44-48.HAN M M.The evaluati on of regi onal real estate investment based on a multiple linear regression model[J].Shanghai Land &Resources,2015,36(3):44-48.

[12]賈生華,任超群,仇麗.房地產(chǎn)企業(yè)跨區(qū)域投資的城市選擇方法[J].中國房地產(chǎn),2010(11):63-67.JIA S H,REN C Q,QIU L.Urban selection method for crossregional investment in real estate enterprises[J].China Real Estate,2010(11):63-67.

[13]吳璟,王璞.中國上市房地產(chǎn)開發(fā)企業(yè)跨區(qū)域擴(kuò)張的城市選擇規(guī)律研究[J].工程管理學(xué)報,2017,31(1):140-145.WU J,WANG P.Ci t y sel ect i on s t rat egy i n t he cr os s-regi on expansion of Chinese listed real estate developers[J].Journal of Engineering Management,2017,31(1):140-145.

[14]俞紅燕,俞紫韻,陳楊燕,等.房地產(chǎn)開發(fā)企業(yè)土地過度儲備博弈論分析[J].上海國土資源,2011,32(2):57-60,66.YU H Y,YU Z Y,CHEN Y Y,et al.The game theory analysis of excessive land reserve in real estate development enterprises[J].Shanghai Land &Resources,2011,32(2):57-60,66.

[15]韓會然,楊成鳳,宋金平.北京批發(fā)企業(yè)空間格局演化與區(qū)位選擇因素[J].地理學(xué)報,2018,73(2):219-231.HAN H R, YANG C F,SONG J P.Impact factors of location choice and spatial pattern evolution of wholesale enterprises in Beijing[J].Acta Geographica Sinica,2018,73(2):219-231.

[16]張杰,唐根年.浙江省制造業(yè)空間分異格局及其影響因素[J].地理科學(xué),2018,38(7):1107-1117.Zhang J,Tang G n.Spatial differentiation pattern of manufacturing i ndust ry i n Zhej i ang and i t s i nfl uenci ng fact ors[J].Sci ent i a Geographica Sinica,2018,38(7):1107-1117.

[17]浩飛龍,王士君.長春市零售商業(yè)空間分布特征及形成機(jī)理[J].地理科學(xué),2016,36(6):855-862.HAO F L,WANG S J.Spat i al cha ra ct er i st i cs and for mi ng mechanisms of retail businesses in Changchun,China[J].Scientia Geographica Sinica,2016,36(6):855-862.

[18]李佳洺,張文忠,李業(yè)錦,等.基于微觀企業(yè)數(shù)據(jù)的產(chǎn)業(yè)空間集聚特征分析——以杭州市區(qū)為例[J]. 地理研究,2016,35(1):95-107.LI J M,ZHANG W Z,LI Y J,et al.The characteristics of industrial agglomeration based on micro-geographic data[J].Geographical Research,2016,35(1):95-107.

[19]劉吉平,趙丹丹,田學(xué)智,等.1954-2010年三江平原土地利用景觀格局動態(tài)變化及驅(qū)動力[J].生態(tài)學(xué)報,2014,34(12):3234-3244.LIU J P,ZHAO D D,TIAN X Z,et al.Landscape pattern dynamics and driving forces analysis in the Sanjiang Plain from 1954 to 2010[J]. Acta Ecologica Sinica,2014,34(12):3234-3244.

[20]杜霞,錢宏勝,吳殿廷.山東省縣域經(jīng)濟(jì)的空間分異及其成因[J].城市問題,2015(8):97-103.DU X,QIAN H S, WU D T.Spatial difference and causes of county economies of Shandong province[J].Urban Problems,2015(8):97-103.

[21]顧漢龍,剛晨,王秋兵,等.重慶市地票交易的空間分布特征及其影響因素分析[J].中國土地科學(xué),2018,32(2):48-54.GU H L,GANG C,WANG Q B,et a l.St udy on t he s pat i a l distribution characteristics and impact factors of land ticket trading in Chongqing city[J].China Land Science,2018,32(2):48-54.

[22]陳利,朱喜鋼.中國城鎮(zhèn)化的地域非均衡及其動態(tài)演進(jìn)——來自基尼系數(shù)及核密度估計的經(jīng)驗(yàn)證據(jù)[J].統(tǒng)計與信息論壇,2017,32(5):76-84.CHEN L,ZHU X G.Re gi ona l di s e qui l i bri um a nd dyna mi c evolution of China's urbanization:evidence from the gini coeffcient and kernel density estimation[J].Statistics&Information Forum,2017,32(5):76-84.

[23]趙璐,趙作權(quán).基于特征橢圓的中國經(jīng)濟(jì)空間分異研究[J].地理科學(xué),2014,34(8):979-986.ZHAO L,ZHAO Z Q.Projecting the spatial variation of economic based on the specific ellipses in China[J].Scientia Geographica Sinica,2014,34(8):979-986.