高智超，吳相利

(1.哈爾濱師范大學(xué)2.黑龍江省生態(tài)地質(zhì)調(diào)查研究總院)

0 引言

一個(gè)城市的居民住宅具有空間異質(zhì)性特征[1]，其價(jià)格上的空間差異與住宅建筑年齡等本身屬性有關(guān)，更與其所處的微區(qū)位及周邊環(huán)境設(shè)施相關(guān).住宅周邊公共服務(wù)設(shè)施配套服務(wù)提供狀況就是影響住宅價(jià)格的重要環(huán)境因素.從公共服務(wù)設(shè)施空間配套差異角度認(rèn)識(shí)解讀城市居民住宅價(jià)格的空間差異對(duì)于優(yōu)化城市服務(wù)設(shè)施空間配套布局，提高住宅品質(zhì)，合理調(diào)整城市住宅價(jià)格空間差異具有重要的意義.

伴隨社會(huì)經(jīng)濟(jì)發(fā)展，居民對(duì)良好的人居環(huán)境有更高的期望[2-3]，這種期望延伸指使具有不同居住環(huán)境和居住質(zhì)量的住宅體現(xiàn)出顯著的價(jià)格差異，而依托住宅呈現(xiàn)的居住環(huán)境和居住質(zhì)量中公共服務(wù)設(shè)施是其中重要影響因素.國(guó)內(nèi)外相關(guān)研究都表明重點(diǎn)學(xué)區(qū)房[4]、大型公園[5-6]、交通設(shè)施[7]、通達(dá)性[8-9]等公共服務(wù)設(shè)施條件因素都對(duì)住宅價(jià)格產(chǎn)生了顯著影響.國(guó)外研究起步較早，Sterenson對(duì)美國(guó)住宅價(jià)格研究發(fā)現(xiàn)住宅建筑年齡顯著影響住宅價(jià)格[10]；Black對(duì)住宅價(jià)格研究發(fā)現(xiàn)質(zhì)量較高的教育資源會(huì)導(dǎo)致房?jī)r(jià)上漲[11]；Sander等通過(guò)對(duì)住宅價(jià)格實(shí)證分析得出環(huán)境質(zhì)量對(duì)城市住房?jī)r(jià)格有較大影響[12]；Orford將住宅距離市中心距離、周邊是否有公園等作為變量，運(yùn)用特征價(jià)格模型擬合，在微觀層面探索影響住宅價(jià)格主要因素[13]；Mariant hi Stamou等通過(guò)利用空間計(jì)量模型擬合，發(fā)現(xiàn)雅典公寓的價(jià)格受公寓內(nèi)設(shè)施齊全程度以及樓層的影響[14].近年來(lái)國(guó)內(nèi)學(xué)者也開(kāi)始關(guān)注住宅價(jià)格的環(huán)境影響因素研究，宋煜等學(xué)者以北京市學(xué)區(qū)房為研究對(duì)象，通過(guò)空間計(jì)量的方法，發(fā)現(xiàn)學(xué)區(qū)房對(duì)房?jī)r(jià)影響顯著，并且不同層次的學(xué)區(qū)房對(duì)房?jī)r(jià)溢價(jià)程度不同[15]；王洪衛(wèi)、韓正龍等學(xué)者以上海市地鐵11號(hào)線周邊地鐵房為研究對(duì)象，發(fā)現(xiàn)城郊軌道交通對(duì)郊區(qū)房?jī)r(jià)影響幅度大于城區(qū)內(nèi)軌道交通對(duì)房?jī)r(jià)影響程度，并且地鐵對(duì)地鐵站周邊房?jī)r(jià)影響隨著距離增長(zhǎng)呈現(xiàn)“凸”型變化[16]；王楠等學(xué)者利用空間統(tǒng)計(jì)方法研究發(fā)現(xiàn)，大型交通設(shè)施對(duì)住房?jī)r(jià)格影響因時(shí)因地具有正向和負(fù)向兩種效應(yīng)，個(gè)別大型交通設(shè)施對(duì)房?jī)r(jià)影響不顯著或體現(xiàn)出負(fù)效應(yīng)的消極影響結(jié)果[17]；石憶邵、張蕊等學(xué)者在時(shí)間和空間尺度上專門(mén)研究大型公園綠地對(duì)周邊房?jī)r(jià)影響的顯著程度[5].

既有研究為該研究提供了重要方法與實(shí)證研究基礎(chǔ)，但也應(yīng)看到受數(shù)據(jù)信息等影響目前關(guān)于公共設(shè)施對(duì)城市住宅價(jià)格影響多集中在某一種公共服務(wù)設(shè)施對(duì)住宅價(jià)格影響研究方面，缺乏多種公共服務(wù)設(shè)施復(fù)合對(duì)住宅價(jià)格的影響研究；且研究中多是關(guān)注到了相關(guān)設(shè)施的正向效應(yīng)的認(rèn)識(shí)和解讀，忽視了復(fù)合在其中的負(fù)向效應(yīng)認(rèn)識(shí)分析，這導(dǎo)致一些結(jié)論存在偏差；另外對(duì)于公共服務(wù)設(shè)施定量計(jì)量方式上也多以單一的以距離最近的服務(wù)設(shè)施空間距離作為計(jì)量標(biāo)準(zhǔn)，忽視了一定空間距離內(nèi)服務(wù)設(shè)施密度的數(shù)量量化指標(biāo)，這致使在定量分析公共設(shè)施對(duì)住宅價(jià)格影響上存在缺陷，導(dǎo)致結(jié)果不能夠全面客觀準(zhǔn)確反映實(shí)際.

正是基于上述問(wèn)題，該研究在充分考慮影響因素多樣性的前提條件下系統(tǒng)地選擇了住宅周邊9類基本服務(wù)設(shè)施、5類大型服務(wù)設(shè)施作為研究標(biāo)的影響因素.為彌補(bǔ)既有研究多僅以距離標(biāo)的住宅最近服務(wù)設(shè)施距離為計(jì)量賦值標(biāo)準(zhǔn),改進(jìn)為以住宅周邊一定距離范圍內(nèi)公共服務(wù)設(shè)施“密度”(500m、1500m半徑內(nèi)服務(wù)設(shè)施數(shù)量)作為計(jì)量賦值標(biāo)準(zhǔn)，這有效的避免僅以空間距離進(jìn)行指標(biāo)計(jì)量賦值在空間非穩(wěn)定性帶來(lái)的誤差[18].采用空間相關(guān)分析和空間計(jì)量分析法構(gòu)建了具有全域估計(jì)功能的基于特征價(jià)格的空間滯后模型(Spatial Lag Model，SLM)及空間誤差模型(Spatial Error Model，SEM)[19]，這一方法有效的克服了已有研究中多采用的最小二乘線性回歸(Ordinary Least Squares，OLS)因空間自相關(guān)性存在所導(dǎo)致的擬合效果不足問(wèn)題,使研究方法得到了改善.

該文以哈爾濱市中心城區(qū)1804個(gè)小區(qū)的新房和二手房?jī)r(jià)格為研究樣本，從公共設(shè)施服務(wù)飽和視角，利用空間計(jì)量模型從哈爾濱市整體以及部分房?jī)r(jià)熱點(diǎn)區(qū)域?qū)用嫜芯抗卜?wù)設(shè)施對(duì)住宅價(jià)格影響程度及空間差異，為哈爾濱市優(yōu)化公共服務(wù)設(shè)施布局、調(diào)整住宅價(jià)格分布提供理論支撐，也為相關(guān)研究提供借鑒意義.

1 研究范圍與數(shù)據(jù)來(lái)源

1.1 研究范圍

該文研究范圍為哈爾濱市主城區(qū)，包括道里區(qū)、道外區(qū)、南崗區(qū)、香坊區(qū)、松北區(qū)、平房區(qū)，呼蘭利民開(kāi)發(fā)區(qū)(如圖1所示).

圖1 哈爾濱市住宅小區(qū)空間分布

1.2 數(shù)據(jù)來(lái)源

房?jī)r(jià)數(shù)據(jù)來(lái)源于2018年10月 “房天下”網(wǎng)站(https://hrb.fang.com)發(fā)布的1804個(gè)小區(qū)樣本，數(shù)據(jù)屬性包括：小區(qū)名稱、住宅類型、建筑年份、房?jī)r(jià)等.哈爾濱市6個(gè)房?jī)r(jià)熱點(diǎn)區(qū)域(群力新區(qū)、哈西新區(qū)、松北區(qū)、會(huì)展中心、愛(ài)建區(qū)域及中央大街)的房?jī)r(jià)數(shù)據(jù)來(lái)源于“安居客”網(wǎng)站(https://heb.anjuke.com).住宅空間位置數(shù)據(jù)和各種分類公共服務(wù)設(shè)施數(shù)據(jù)均來(lái)源于高德地圖POI數(shù)據(jù)(火星坐標(biāo)系).在ARCGIS平臺(tái)下，構(gòu)建了統(tǒng)一坐標(biāo)系，將各個(gè)小區(qū)的位置分布進(jìn)行空間可視化處理，建立2018年10月的哈爾濱市房?jī)r(jià)空間數(shù)據(jù)庫(kù).

2 研究視角與研究方法

2.1 服務(wù)飽和視角

城市公共服務(wù)設(shè)施對(duì)城市住宅價(jià)格的影響總體上體現(xiàn)為二者的空間耦合關(guān)系和時(shí)間協(xié)同變化.不同類型的公共服務(wù)設(shè)施對(duì)于城市住宅價(jià)格影響不同，同一類型公共服務(wù)設(shè)施不同時(shí)間階段影響也不相同，公共服務(wù)設(shè)施和住宅價(jià)格及其二者關(guān)系都存在著顯著的空間差異.二者關(guān)系狀況一方面來(lái)自公共服務(wù)設(shè)施建設(shè)水平質(zhì)量與完善程度的供給，另一方面來(lái)自居民對(duì)公共服務(wù)的需求，研究正是基于這種公共服務(wù)設(shè)施供需關(guān)系狀態(tài)變化既公共服務(wù)設(shè)施提供服務(wù)的飽和程度視角分析研究公共服務(wù)設(shè)施對(duì)城市住宅價(jià)格的影響.

從供需關(guān)系上看，城市不同類型公共服務(wù)設(shè)施相對(duì)于居住在本地住宅中居民需求而言存在著三個(gè)供需關(guān)系：供不應(yīng)求(服務(wù)稀缺)、供過(guò)于求(服務(wù)超飽和)、供等于求(服務(wù)飽和)，不同供需關(guān)系對(duì)住宅價(jià)格影響不同，服務(wù)稀缺狀況下服務(wù)設(shè)施對(duì)住宅價(jià)格一般呈現(xiàn)正向影響，服務(wù)飽和狀態(tài)下服務(wù)設(shè)施建設(shè)發(fā)展對(duì)于住宅價(jià)格影響不大，而服務(wù)超飽和狀態(tài)下因?yàn)榉?wù)超飽和帶來(lái)的衍生效應(yīng)導(dǎo)致服務(wù)設(shè)施可能負(fù)向影響住宅價(jià)格.這一視角調(diào)整了既有研究中多認(rèn)為公共服務(wù)設(shè)施改善發(fā)展始終積極正向影響住宅價(jià)格認(rèn)識(shí).

具體上看不同區(qū)域、不同時(shí)間、不同類型公共服務(wù)設(shè)施對(duì)于住宅價(jià)格的影響取向不同，基本服務(wù)設(shè)施、大型服務(wù)設(shè)施對(duì)住宅價(jià)格影響是有區(qū)別的，諸如學(xué)區(qū)房概念等又體現(xiàn)出重點(diǎn)學(xué)校層級(jí)不同對(duì)住宅價(jià)格影響不同且一般而言其不存在著服務(wù)超飽和問(wèn)題.

2.2 空間計(jì)量方法

住宅價(jià)格是既有位置信息也有價(jià)格信息的空間數(shù)據(jù)，其具有空間自相關(guān)和空間異質(zhì)性兩個(gè)重要特征.

2.2.1 空間自相關(guān)

該文采用全局空間自相關(guān)(Moran指數(shù))反映住宅價(jià)格相似程度,采用局部空間自相關(guān)(G統(tǒng)計(jì)量中的Gi統(tǒng)計(jì)量)為分區(qū)提供依據(jù).

2.2.2 空間計(jì)量模型

該文采用具有全域估計(jì)功能的SLM、SEM兩種模型擬合，當(dāng)Moran’sI值不等于0且顯著時(shí)最小二乘線性(Ordinary Least Squares，OLS)回歸模型擬合結(jié)果是有偏差的，所以適用于SLM以及SEM.

其表現(xiàn)形式為：y=ρW+Xβ+ε，

ε～N(0，σ2In)；

其中：y為住宅價(jià)格矩陣(n×1階)；ρ為空間回歸系數(shù)；W為權(quán)重矩陣(n×n階)；X為解釋變量矩陣(n×k階)；β為與X相對(duì)應(yīng)的參數(shù)矩陣(k×1階)；ε是隨機(jī)誤差矩陣(n×1階).

(2)空間誤差模型(SEM)

其表現(xiàn)形式為：

y=Xβ+η，η=μW+ε，ε～N(0，σ2In)；

其中：y為住宅價(jià)格矩陣(n×1階)；X為解釋變量矩陣(n×k階)；β為與X相對(duì)應(yīng)的參數(shù)矩陣(k×1階)；μ為空間誤差自相關(guān)系數(shù)；ε是隨機(jī)誤差矩陣(n×1階).

(3)兩種空間計(jì)量模型(SLM、SEM)選取原則

首先，企業(yè)要建立健全事前風(fēng)險(xiǎn)評(píng)估機(jī)制，在制定重大戰(zhàn)略決策時(shí)對(duì)各個(gè)方面的財(cái)務(wù)風(fēng)險(xiǎn)相關(guān)因素進(jìn)行綜合考慮，最大程度地將這些風(fēng)險(xiǎn)消除在戰(zhàn)略決策實(shí)施之前，從而有效避免相關(guān)財(cái)務(wù)會(huì)計(jì)風(fēng)險(xiǎn)的出現(xiàn)。其次，企業(yè)要建立健全事中風(fēng)險(xiǎn)反應(yīng)機(jī)制，當(dāng)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)時(shí)積極組織所有員工全面應(yīng)對(duì)各種風(fēng)險(xiǎn)。最后，企業(yè)應(yīng)建立健全事后風(fēng)險(xiǎn)總結(jié)機(jī)制，充分了解財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生機(jī)制，熟練掌握財(cái)務(wù)風(fēng)險(xiǎn)應(yīng)對(duì)措施和手段，以便于有效應(yīng)對(duì)這種風(fēng)險(xiǎn)。與此同時(shí)，企業(yè)還要充分分析和研究財(cái)務(wù)風(fēng)險(xiǎn)事件的本質(zhì)，并把某一業(yè)務(wù)風(fēng)險(xiǎn)管理經(jīng)驗(yàn)進(jìn)一步拓展到其他業(yè)務(wù)方面。

通常對(duì)模型計(jì)算后的統(tǒng)計(jì)量Lagrange Multiplier (lag)[簡(jiǎn)稱LM(lag)]、Robust LM (lag)[簡(jiǎn)稱R-LM(lag)]、Lagrange Multiplier (error)[簡(jiǎn)稱LM(error)]、Robust LM (error)[簡(jiǎn)稱R-LM(error)]的值以及顯著性大小判斷[19]或者通過(guò)對(duì)比似然函數(shù)值(Log likelihood，LogL)、赤池信息準(zhǔn)則(Akaike info criterion，AIC)、施瓦茨準(zhǔn)則(Schwarz criterion，SC)、似然比(Likelihood Ratio，LR)四個(gè)參數(shù)判斷，具體的是LogL值更大、LR顯著性越好、AIC、SC值越大則使用SLM模型擬合效果較SEM效果更佳，反則使用SEM擬合效果更好.

2.3 影響因子選擇與量化

基于對(duì)住房?jī)r(jià)格影響的差異，將公共服務(wù)設(shè)施分為兩類：一類是小區(qū)周邊基本服務(wù)設(shè)施，包括餐飲、購(gòu)物、生活、交通、醫(yī)療、金融、住宿、體育、公園9種類型，涵蓋了居民生活所需的各種基本服務(wù)[20];另一類是大型服務(wù)設(shè)施，包括大型公園、大型商場(chǎng)、大型醫(yī)療機(jī)構(gòu)、交通樞紐、省重點(diǎn)高中5種類型，主要體現(xiàn)了小區(qū)的區(qū)位體征.小區(qū)及住宅自身建筑特征僅選取了住宅建筑年齡一個(gè)因子，其它因子(例如：容積率、綠化率等)由于老舊小區(qū)樓房被道路分割等諸多原因等數(shù)據(jù)缺失而沒(méi)有選取.依據(jù)實(shí)際調(diào)查將重點(diǎn)學(xué)區(qū)房、通達(dá)性兩個(gè)顯著影響住宅價(jià)格因子也納入了影響因子分析范圍,具體見(jiàn)表1.

基本服務(wù)設(shè)施、大型服務(wù)設(shè)施量化時(shí)調(diào)整了已有研究普遍采用以距離標(biāo)的住宅距離為計(jì)量量化標(biāo)準(zhǔn)方式[21]，采用了以 “密度”(500m、1500m半徑內(nèi)服務(wù)設(shè)施的數(shù)量)為計(jì)量量化標(biāo)準(zhǔn)方式，這樣就避免由于僅以空間距離確定影響因子計(jì)量賦值在空間上非穩(wěn)定性帶來(lái)的誤差[18].空間滯后模型(SLM)、空間誤差模型(SEM)為全域估計(jì)的方法，它們使用的前提要求因子影響在空間上是平穩(wěn)的，但實(shí)際上公共服務(wù)設(shè)施很多因子對(duì)房?jī)r(jià)的影響在空間上是不平穩(wěn)的，采用以距離作為計(jì)量量化標(biāo)準(zhǔn)會(huì)因空間上的不穩(wěn)定而產(chǎn)生誤差，而以“密度”為計(jì)量量化標(biāo)準(zhǔn)的方式則避免了以距離為計(jì)量量化標(biāo)準(zhǔn)產(chǎn)生的空間上不穩(wěn)定性帶來(lái)的誤差問(wèn)題.以“密度”為計(jì)量量化標(biāo)準(zhǔn)還能更好地體現(xiàn)出公共服務(wù)設(shè)施及住宅的區(qū)位特征因子影響作用.

表1 住宅價(jià)格影響因素、量化方式與預(yù)期影響方向

3 結(jié)果分析

3.1 哈爾濱市住宅價(jià)格空間分布特征

哈爾濱市住宅價(jià)格空間分布(如圖2、圖9所示)并不是完全按照城市中心價(jià)格高四周價(jià)格低的趨勢(shì)分布，而是被鐵路、松花江、繞城高速隔離.住宅價(jià)格高值區(qū)域多分布在松花江兩側(cè)沿江區(qū)域、哈爾濱市群力新區(qū)、哈西新區(qū)以及南崗區(qū)部分區(qū)域.住宅價(jià)格低值區(qū)域多分布于哈爾濱市三環(huán)外，道外區(qū)以及香坊區(qū)二環(huán)以外.由圖3可見(jiàn)，住宅建筑年齡較大的區(qū)域住宅價(jià)格相對(duì)較低，部分重點(diǎn)學(xué)區(qū)房區(qū)域住宅建筑年齡較高但是住宅價(jià)格較高.圖4中以紅色、藍(lán)色區(qū)分重點(diǎn)學(xué)區(qū)房層次，層次高的重點(diǎn)學(xué)區(qū)房區(qū)域住宅價(jià)格明顯高于層次較低的重點(diǎn)學(xué)區(qū)房.圖5顯示大型公園分布區(qū)域，尤其是沿江帶均是住宅價(jià)格高值區(qū)域.圖6中交通設(shè)施密度較大的區(qū)域基本是住宅價(jià)格較高的區(qū)域，圖7中通達(dá)性較好的區(qū)域住宅價(jià)格相對(duì)較高.

圖2 哈爾濱市住宅價(jià)格等值線圖 圖3 哈爾濱市住宅建筑年齡地圖與住宅價(jià)格等值線圖疊加圖

圖4 哈爾濱市重點(diǎn)學(xué)區(qū)房位置與住宅價(jià)格等值線圖疊加圖 圖5 哈爾濱市大型公園位置與住宅價(jià)格等值線圖疊加圖

圖6 哈爾濱市交通設(shè)施核密度圖與住宅價(jià)格等值線圖疊加圖 圖7 哈爾濱市通達(dá)性地圖與住宅價(jià)格等值線圖疊加圖

3.2 哈爾濱市公共服務(wù)設(shè)施對(duì)住宅價(jià)格影響分析

哈爾濱市住宅價(jià)格Moran指數(shù)散點(diǎn)圖中Moran’sI為0.42287(如圖8所示)、表2中Moran’sI通過(guò)1%顯著性檢驗(yàn)，采用最小二乘線性(OLS)回歸模型擬合結(jié)果存在有偏差，經(jīng)典回歸模型不適合擬合[19]，因此該文采用SLM和SEM兩種模型嘗試擬合.表3中的統(tǒng)計(jì)檢驗(yàn)項(xiàng)顯示，空間誤差模型(SEM)的LogL值較大、AIC值較小、SC值也較小，可以判斷空間誤差模型(SEM)擬合效果優(yōu)于空間滯后模型(SLM)，因此該文選取空間誤差模型(SEM)擬合結(jié)果作為哈爾濱市整體估計(jì)結(jié)果[19].

圖8 哈爾濱市住宅價(jià)格Moran指數(shù)散點(diǎn)圖

變量類型回歸系數(shù)Std.Errort-StatisticProbabilityCONSTANT0.189***0.00535.4480.000建筑年齡-0.153***0.011-13.7610.000餐飲服務(wù)0.0370.0301.2200.223購(gòu)物服務(wù)-0.0050.021-0.2360.813生活服務(wù)-0.0250.030-0.8290.407交通設(shè)施0.128***0.0225.9110.000醫(yī)療服務(wù)-0.036**0.018-1.9660.050金融服務(wù)-0.052**0.024-2.1810.029住宿服務(wù)-0.0090.023-0.4010.688體育休閑0.0020.0200.1070.915公園休閑-0.0010.013-0.1090.913大型公園0.086***0.0136.4660.000大型商場(chǎng)-0.0090.010-0.8430.400大型醫(yī)療機(jī)構(gòu)0.0140.0091.5040.133交通樞紐-0.0090.009-0.9530.341省重點(diǎn)高中-0.0040.010-0.3900.696重點(diǎn)學(xué)區(qū)房0.164***0.00821.5220.000通達(dá)性0.033***0.0113.0080.003測(cè)試參數(shù)MI/DFVALUEProbabilityMoran's I (error)0.264520.0858***0.00000Lagrange Multiplier (lag)1348.7872***0.00000Robust LM (lag)116.3195***0.00005Lagrange Multiplier (error)1370.7701***0.00000Robust LM (error)138.3024***0.00000Lagrange Multiplier (SARMA)2387.0896***0.00000

注：***，**，*分別通過(guò)1%，5%，10%的顯著性水平檢驗(yàn).

根據(jù)空間誤差模型(SEM)計(jì)算結(jié)果，可以得出以下結(jié)論：

(1)哈爾濱市各住宅小區(qū)空間相關(guān)系數(shù)為0.423(如圖8所示)，通過(guò)1%顯著性檢驗(yàn)，說(shuō)明哈爾濱市住宅價(jià)格空間自相關(guān)性較強(qiáng).按照相關(guān)性，平均來(lái)說(shuō)小區(qū)周邊住宅價(jià)格每增長(zhǎng)1%，該小區(qū)價(jià)格也增長(zhǎng)0.423%.

(2)房屋建筑年齡對(duì)于哈爾濱市住宅價(jià)格呈現(xiàn)負(fù)相關(guān)關(guān)系，建筑年齡越大的小區(qū)價(jià)格相較于周邊較新的小區(qū)價(jià)格越低，按照回歸系數(shù)建筑年齡每增加1%，住宅價(jià)格降低0.164%.

(3)住宅小區(qū)周邊基本服務(wù)中僅有交通設(shè)施通過(guò)1%顯著性檢驗(yàn)，按照回歸系數(shù)小區(qū)周邊交通設(shè)施每增加1%，房?jī)r(jià)增加0.097%.其中小區(qū)周邊基本服務(wù)中的餐飲服務(wù)、購(gòu)物服務(wù)、生活服務(wù)等均未通過(guò)10%顯著性檢驗(yàn)，說(shuō)明哈爾濱市整體小區(qū)周邊基本服務(wù)發(fā)展普遍較為均衡完善，已經(jīng)不構(gòu)成對(duì)房?jī)r(jià)的顯著影響，且在一定的程度上，小區(qū)周邊服務(wù)密度過(guò)大還產(chǎn)生負(fù)向影響，超飽和的服務(wù)設(shè)施對(duì)居民而言供過(guò)于求，導(dǎo)致居住環(huán)境質(zhì)量下降致使負(fù)向影響了住宅價(jià)格，導(dǎo)致房?jī)r(jià)相對(duì)下跌.

表3 哈爾濱市空間滯后模型(SLM)與空間誤差模型(SEM)估計(jì)結(jié)果

(4)重點(diǎn)學(xué)區(qū)房對(duì)住宅價(jià)格影響顯著.按照回歸系數(shù)，平均上看重點(diǎn)學(xué)區(qū)房相對(duì)于普通學(xué)區(qū)房住宅價(jià)格要高13.3%(見(jiàn)表3)，省重點(diǎn)校、市重點(diǎn)校、區(qū)重點(diǎn)校學(xué)區(qū)房因重點(diǎn)校層次不同在住宅價(jià)格的體現(xiàn)上也有明顯的差異，重點(diǎn)校層次越高體現(xiàn)在房?jī)r(jià)提升上越明顯.

(5)大型服務(wù)設(shè)施中僅有大型公園對(duì)住宅價(jià)格影響顯著(通過(guò)1%顯著性檢驗(yàn))，依據(jù)回歸系數(shù)，平均上看處于大型公園輻射范圍內(nèi)的小區(qū)比輻射范圍外的小區(qū)價(jià)格高8.3%(見(jiàn)表3)，且不同空間區(qū)域正向影響程度也不同.其它大型服務(wù)設(shè)施對(duì)住宅價(jià)格影響均不顯著，居民生活中對(duì)大型醫(yī)療機(jī)構(gòu)、大型商場(chǎng)、大型交通樞紐距離要求并不高，就近滿足需要意愿不高，且大型醫(yī)療機(jī)構(gòu)、大型交通樞紐、大型商場(chǎng)在某種程度上對(duì)房?jī)r(jià)或是負(fù)向的影響，這是因?yàn)槿肆髁看髱?lái)的秩序混亂、停車(chē)難、治安等問(wèn)題影響住宅小區(qū)品質(zhì)，不同區(qū)域正向、負(fù)向影響可能存在顯著不同.

(6)通達(dá)性對(duì)住宅價(jià)格影響通過(guò)10%顯著性檢驗(yàn)，按照回歸系數(shù)，平均上看小區(qū)所在位置通達(dá)性每提高1%，住宅價(jià)格提高0.031%(見(jiàn)表3)，表明通達(dá)性是城市居民購(gòu)房時(shí)考慮的重要指標(biāo).

3.3 哈爾濱市公共服務(wù)設(shè)施對(duì)住宅價(jià)格影響空間差異分析

該文選取的哈爾濱市代表性樣本區(qū)域沒(méi)有按照哈爾濱市環(huán)線以及行政區(qū)劃分，因?yàn)楣枮I市四環(huán)路以內(nèi)三環(huán)與四環(huán)之間城區(qū)分布離散，二環(huán)路與三環(huán)路在不同的區(qū)域間隔不同且住宅價(jià)格差異較大，選擇樣本在空間上存在不合理性.因此該文按照哈爾濱市住宅價(jià)格最高的區(qū)域(如圖9所示)進(jìn)行劃分，選出的樣本區(qū)域同時(shí)也是圖10中哈爾濱市住宅價(jià)格冷熱點(diǎn)圖中熱點(diǎn)區(qū)域中部分區(qū)域，具體為群力新區(qū)、哈西新區(qū)、會(huì)展中心、中央大街、松北區(qū)、愛(ài)建區(qū)域以及哈爾濱市其它區(qū)域.根據(jù)兩種空間計(jì)量模型(SLM、SEM)擬合精度對(duì)比，除了群力新區(qū)、哈西新區(qū)采用空間滯后模型(SLM)外其余幾個(gè)區(qū)域均使用空間誤差模型(SEM)擬合.其擬合結(jié)果回歸系數(shù)見(jiàn)表4(為了方便讀取信息，表中僅顯示通過(guò)10%以上顯著性水平檢驗(yàn)因素).

圖9 部分熱點(diǎn)區(qū)域住宅價(jià)格時(shí)間變化曲線圖

圖10 哈爾濱市住宅價(jià)格冷熱點(diǎn)圖

依據(jù)表4可表明以下結(jié)論：

(1)不同區(qū)域之間空間相關(guān)系數(shù)差異大.哈爾濱市整體與哈爾濱市其它區(qū)域相關(guān)系數(shù)基本相同超過(guò)0.4，而中央大街相關(guān)系數(shù)僅為0.121.

(2)房屋建筑年齡在幾個(gè)分區(qū)內(nèi)均為負(fù)向影響，但是在會(huì)展中心區(qū)塊表現(xiàn)不顯著，通常房屋建筑年齡代表小區(qū)內(nèi)部環(huán)境，建成時(shí)間越短小區(qū)環(huán)境一般會(huì)越好.

(3)小區(qū)周邊基本服務(wù)設(shè)施中餐飲服務(wù)、購(gòu)物服務(wù)、生活服務(wù)、交通設(shè)施、金融服務(wù)、住宿服務(wù)設(shè)施均有通過(guò)10%及以上顯著性檢驗(yàn)樣本區(qū)存在.其中餐飲服務(wù)、購(gòu)物服務(wù)在哈西新區(qū)顯著，且為負(fù)向影響關(guān)系，生活服務(wù)僅在會(huì)展中心顯著，同樣其對(duì)住宅價(jià)格呈現(xiàn)負(fù)向影響，金融服務(wù)在群力新區(qū)顯著，表現(xiàn)仍為負(fù)向影響關(guān)系，這說(shuō)明公共基礎(chǔ)設(shè)施所提供的服務(wù)已經(jīng)供大于求處于基本服務(wù)需求超飽和狀態(tài)，小區(qū)周邊基本服務(wù)密度過(guò)大的結(jié)果是對(duì)環(huán)境產(chǎn)生“破壞性”影響降低了住宅品質(zhì)[19].交通設(shè)施在哈爾濱市其它區(qū)域、群力新區(qū)、愛(ài)建區(qū)域通過(guò)顯著并呈正向影響關(guān)系，說(shuō)明在這幾個(gè)區(qū)域?qū)煌ㄔO(shè)施需求較大，交通設(shè)施完善會(huì)提高住宅價(jià)格.住宿服務(wù)在會(huì)展中心及中央大街區(qū)域顯著，兩個(gè)住宿服務(wù)密度大的區(qū)域也是居住環(huán)境較好的區(qū)域，住宿設(shè)施從而正向影響居住環(huán)境，從而正向影響住宅價(jià)格.

(4)重點(diǎn)學(xué)區(qū)房在哈爾濱市其它區(qū)域、哈西新區(qū)、中央大街通過(guò)顯著檢驗(yàn)，重點(diǎn)學(xué)區(qū)房在以上3個(gè)區(qū)域比同區(qū)域非重點(diǎn)學(xué)區(qū)房房?jī)r(jià)平均提升24.3%、19.5%、42.5%.松北區(qū)、愛(ài)建區(qū)域沒(méi)有重點(diǎn)學(xué)區(qū)房.群力新區(qū)、會(huì)展中心雖然有重點(diǎn)學(xué)區(qū)房，但是關(guān)系不顯著，會(huì)展中心重點(diǎn)學(xué)區(qū)房依托的學(xué)校重點(diǎn)層次較哈西等區(qū)域低，其對(duì)區(qū)域內(nèi)其它非重點(diǎn)學(xué)區(qū)住宅小區(qū)優(yōu)勢(shì)不明顯，所以影響不顯著.

(5)大型服務(wù)設(shè)施中大型公園、大型商場(chǎng)、大型醫(yī)療機(jī)構(gòu)均有通過(guò)至少10%顯著性檢驗(yàn)樣本區(qū)域.大型公園在哈爾濱市其它區(qū)域以及群力新區(qū)顯著，依據(jù)回歸系數(shù)處于大型公園輻射范圍內(nèi)的小區(qū)住宅價(jià)格平均高于其它小區(qū)42.0%，伴隨著收入增長(zhǎng)，為了提高居住品質(zhì)與居住環(huán)境，具有優(yōu)良休閑環(huán)境鄰近公園及江邊地段成為房?jī)r(jià)局部高值區(qū).大型商場(chǎng)在會(huì)展中心、松北區(qū)顯著，依據(jù)回歸系數(shù)，處于大型商場(chǎng)輻射范圍內(nèi)的小區(qū)價(jià)格比普通小區(qū)價(jià)格分別高47.0%以及19.9%，表明這2個(gè)區(qū)域?qū)Υ笮蜕虉?chǎng)有特別重要的需求，尤其是松北區(qū)服務(wù)設(shè)施相對(duì)較單薄(見(jiàn)表5)處于供不應(yīng)求狀態(tài)，正向影響住宅價(jià)格.大型醫(yī)療機(jī)構(gòu)在會(huì)展中心區(qū)塊顯著,表明會(huì)展中心區(qū)域大型綜合醫(yī)院相對(duì)稀缺，正向影響住宅價(jià)格.中央大街區(qū)域大型公園、大型商場(chǎng)、大型醫(yī)療機(jī)構(gòu)“密度”均為最大(見(jiàn)表5)，但是此3個(gè)因子均不顯著，表明中央大街區(qū)域大型公園、大型商場(chǎng)、大型醫(yī)療機(jī)構(gòu)處于服務(wù)飽和狀態(tài)，故對(duì)住宅價(jià)格影響不顯著.

(6)通達(dá)性在哈爾濱市其它區(qū)域、會(huì)展中心區(qū)塊顯著，在哈爾濱市其它區(qū)域通達(dá)性對(duì)于住宅價(jià)格影響是積極的，但在會(huì)展中心區(qū)塊通達(dá)性影響則是消極的，通常某區(qū)域的通達(dá)性與城市基礎(chǔ)設(shè)施密度顯著相關(guān)，密度過(guò)大在某些小的區(qū)塊也會(huì)帶來(lái)環(huán)境問(wèn)題，從而負(fù)向影響住房?jī)r(jià)格.

表5 分區(qū)公共服務(wù)設(shè)施“密度”表(平均數(shù))

4 結(jié)論與討論

4.1 結(jié)論

該文通過(guò)對(duì)哈爾濱市1804個(gè)住宅小區(qū)住宅價(jià)格數(shù)據(jù)進(jìn)行總體以及分區(qū)空間回歸分析，得出以下主要結(jié)論：

(1)哈爾濱市住宅價(jià)格總體上空間自相關(guān)性較好，不同區(qū)域間局部自相關(guān)性差異較大.

(2)哈爾濱市房屋建筑年齡在某種程度上代表了小區(qū)內(nèi)部環(huán)境，尤其是較老的住宅小區(qū)由于沒(méi)有物業(yè)服務(wù)管理、基礎(chǔ)設(shè)施老化、基礎(chǔ)設(shè)施缺乏等問(wèn)題影響住宅價(jià)格，城市擴(kuò)張的同時(shí)也要考慮老舊小區(qū)基礎(chǔ)設(shè)施更新、提升物業(yè)管理水平等.

(3)哈爾濱市小區(qū)周邊基本服務(wù)設(shè)施：餐飲服務(wù)、購(gòu)物服務(wù)、生活服務(wù)、金融服務(wù)等或者不顯著，或者顯著呈現(xiàn)負(fù)向影響，說(shuō)明基本服務(wù)設(shè)施密度既相應(yīng)服務(wù)供給處于供給等于需求或供給大于需求狀態(tài)，密度過(guò)大形成一系列副作用影響房?jī)r(jià)；交通設(shè)施服務(wù)多處于供不應(yīng)求狀態(tài)下，居民對(duì)交通設(shè)施服務(wù)需求較大其正向影響住宅價(jià)格；住宿服務(wù)在會(huì)展中心和中央大街2個(gè)區(qū)域顯著并且正向影響房?jī)r(jià)，通過(guò)分析可知其住宿環(huán)境優(yōu)越及綜合服務(wù)設(shè)施條件優(yōu)越導(dǎo)致正向影響環(huán)境并且影響房?jī)r(jià).

(4)在擁有重點(diǎn)學(xué)區(qū)房的區(qū)域，整體上重點(diǎn)學(xué)區(qū)房顯著且影響程度較大，但是在個(gè)別區(qū)域重點(diǎn)學(xué)區(qū)房不顯著，不同層次的教育資源對(duì)房?jī)r(jià)溢價(jià)能力不同.哈爾濱市學(xué)區(qū)房最高提升房?jī)r(jià)為42.5%，說(shuō)明哈爾濱市優(yōu)秀的教育資源分布不均衡，合理配置教育資源或者教育改革等方式除去此弊端對(duì)于城市均衡發(fā)展尤為重要.

(5)大型服務(wù)設(shè)施中，大型公園在哈爾濱市整體顯著正向影響住宅價(jià)格，在群力新區(qū)影響最為顯著，說(shuō)明大型公園帶來(lái)的外部環(huán)境對(duì)住宅價(jià)格正向影響較大.大型商場(chǎng)在會(huì)展中心、松北區(qū)顯著正向影響住宅價(jià)格，從服務(wù)飽和角度，松北區(qū)處于服務(wù)稀缺狀態(tài)導(dǎo)致正向影響住宅價(jià)格，而會(huì)展中心區(qū)域相對(duì)于松北區(qū)服務(wù)稀缺程度有很大改善，但回歸系數(shù)差異較大.從實(shí)際選取的大型綜合商場(chǎng)看，會(huì)展中心大型商場(chǎng)內(nèi)的設(shè)施種類相對(duì)于松北區(qū)的商場(chǎng)內(nèi)的服務(wù)設(shè)施種類更復(fù)雜(戶外廣場(chǎng)、展會(huì)、體育場(chǎng)、教育等)，會(huì)展中心大型商場(chǎng)內(nèi)的娛樂(lè)、休閑等設(shè)施全民參與度更強(qiáng)，會(huì)展中心大型商場(chǎng)外部小區(qū)更加密集等因素導(dǎo)致會(huì)展中心大型商場(chǎng)的回歸系數(shù)大于松北區(qū)大型商場(chǎng)回歸系數(shù).以上表明這種大型綜合服務(wù)設(shè)施，在哈爾濱市尤其是在冬季有著代替大型公園等設(shè)施的作用，成為一種表現(xiàn)為服務(wù)稀缺的設(shè)施.

(6)通達(dá)性在整個(gè)哈爾濱市對(duì)住宅價(jià)格影響顯著，但是在局部區(qū)域雖然同樣顯著，對(duì)住宅價(jià)格影響卻是負(fù)向，大尺度下通達(dá)性對(duì)于房?jī)r(jià)是正向影響，但是小尺度下通達(dá)性好帶來(lái)的負(fù)面效應(yīng)會(huì)負(fù)向影響房?jī)r(jià).

(7)排除學(xué)區(qū)房對(duì)房?jī)r(jià)特殊性質(zhì)的影響，居住環(huán)境是影響房?jī)r(jià)的重要因素，住宅周邊公園數(shù)量(反應(yīng)自然環(huán)境的重要指標(biāo))、小區(qū)的建筑年齡(在某種程度上代表了小區(qū)內(nèi)部環(huán)境)以及小區(qū)周邊各種公共服務(wù)超飽和狀態(tài)，導(dǎo)致的衍生效應(yīng)都是環(huán)境人所，所以人居環(huán)境越好，住房?jī)r(jià)格越高.表明哈爾濱市居民向往擁有優(yōu)良的居住環(huán)境，因此在未來(lái)能夠合理規(guī)劃城市、提高對(duì)城市的管理水平有利于住宅價(jià)格均衡.

4.2 討論

(1)多項(xiàng)服務(wù)設(shè)施對(duì)房?jī)r(jià)影響因素分析，只能使用全域估計(jì)方法(OLS、SLM、SEM)進(jìn)行研究，居民住宅價(jià)格同時(shí)具有空間自相關(guān)性以及空間異質(zhì)性，由于空間自相關(guān)性存在致使OLS估計(jì)方法存在缺陷，而SLM、SEM可以克服空間自相關(guān)性回歸各種因素對(duì)房?jī)r(jià)影響程度，其缺陷是模型建立在以空間穩(wěn)定性為前提的，但是任何公共服務(wù)設(shè)施對(duì)住宅價(jià)格影響均復(fù)合著正效應(yīng)和負(fù)效應(yīng)，只是二者表現(xiàn)比例不同而已，不存在真正的空間穩(wěn)定.空間上的不穩(wěn)定對(duì)于全域估計(jì)方法主要是體現(xiàn)在距離上，不同距離對(duì)住宅價(jià)格影響程度不同，為了避開(kāi)模型存在的缺陷，使用空間計(jì)量方法時(shí)，在量化的方式上盡量采取以“密度”為量化的方式或者其它拋開(kāi)以“距離”為量化的方式，這會(huì)更好符合模型使用的條件.

(2)通過(guò)文中住宿服務(wù)在會(huì)展中心、中央大街顯著影響房?jī)r(jià)和省重點(diǎn)高中在中央大街、愛(ài)建區(qū)域?qū)Ψ績(jī)r(jià)影響方向不同以及通達(dá)性在會(huì)展中心呈現(xiàn)負(fù)向影響房?jī)r(jià)，說(shuō)明以“密度”為量化的方式相較于其它量化方式能更好地體現(xiàn)區(qū)位性特征.

(3)公共服務(wù)設(shè)施對(duì)房?jī)r(jià)影響雖然存在正效應(yīng)與負(fù)效應(yīng)，然而在一些僅有一種效應(yīng)突出，另外一種效應(yīng)表現(xiàn)不明顯的情況下，雖然以“距離”為量化的方式存在偏差，但是相較于以“密度”為量化的方式更能反映微觀情況.兼顧兩種量化方法研究該問(wèn)題具有互補(bǔ)意義.

(4)空間滯后模型(SLM)、空間誤差模型(SEM)在研究該問(wèn)題中具有明顯深化問(wèn)題認(rèn)識(shí)意義的優(yōu)勢(shì)，但也要認(rèn)識(shí)到無(wú)論采取何種量化方式來(lái)克服空間非穩(wěn)定性，相較于以地理加權(quán)回歸模型(Geographic Weighted Regression，GWR)為代表的局部估計(jì)方法在更微觀尺度上仍存在不足.