文/重慶大學(xué)管理科學(xué)與房地產(chǎn)學(xué)院 馮新怡 崔 燦
2020年成都市住房價格是城市居民家庭年收入的15.8倍[1]。“高房價,低收入”現(xiàn)狀使購買力相對薄弱的群體將目光投向二手房,刺激市場對二手房需求的增長。同時,進入市場的二手房數(shù)量不斷增加,目前市場規(guī)模已超過1億套[2]。由于一二線城市的可開發(fā)空間不斷縮小和我國對“房住不炒”政策的推行,新房市場增長放緩。我國房地產(chǎn)市場將逐漸由增量房市場轉(zhuǎn)換為存量房市場。了解二手房市場價格的空間分布規(guī)律及影響因素,有利于為房地產(chǎn)市場精準(zhǔn)調(diào)控政策制定提供參考。
前人對房價影響因素的研究多采用Hedonic價格法[3]、多元線性回歸模型[4]等方法,也有使用隨機森林理論[5]、系統(tǒng)動力學(xué)理論[6]等方法從市場角度進行分析。這些方法均基于空間勻質(zhì)性假設(shè),而二手房作為不動產(chǎn),其地理空間位置相對固定,不同房屋處于不同社區(qū),周邊環(huán)境、鄰里屬性相差較大。地理統(tǒng)計學(xué)中的地理加權(quán)回歸模型(GWR)將地理位置信息嵌入傳統(tǒng)的回歸模型,能較好彌補前人對房價空間異質(zhì)性的忽視。已有研究者基于GWR模型進行房地產(chǎn)市場研究,但利用GWR模型對二手房這一房地產(chǎn)細分市場進行研究的成果尚不多見[7]。
本研究以成都市為例,構(gòu)建GWR模型對成都市二手房價格進行分析,以期理解城市住宅土地市場空間異質(zhì)性。
截至2020年11月,成都市二手房年交易規(guī)模高達1992億元,相較2019年增長41.3%,市場規(guī)模和市場增速均位于全國前列[8]。本次研究以中心城區(qū)13個區(qū)的二手房市場為研究對象,13個區(qū)分別為:成華區(qū)、金牛區(qū)、錦江區(qū)、青白江區(qū)、青羊區(qū)、龍泉驛區(qū)、新都區(qū)、溫江區(qū)、雙流區(qū)、郫都區(qū)、武侯區(qū)、高新區(qū)及天府新區(qū)[9]。
數(shù)據(jù)收集分為價格信息與地理位置信息兩部分。價格信息包括房屋地址、面積、套型、朝向等;地理位置信息包括房屋空間坐標(biāo),房屋周邊學(xué)校、醫(yī)院、交通等設(shè)施的分布情況。
價格信息來自2020年11—12月鏈家網(wǎng)掛出的二手房房源銷售信息。時間跨度小,故忽略時間對價格的影響,最終共收集38442條在售二手房價格信息。由于處于同一小區(qū)的二手房在地圖上具有相同的坐標(biāo),本研究對坐標(biāo)重合點進行隨機剔除,剔除后剩余4838條數(shù)據(jù)。
房屋的地理位置信息通過調(diào)用高德地圖開放平臺地理編碼獲得。獲得位置后,再通過高德地圖開放平臺所提供的POI(point of interest,興趣點)服務(wù),獲取周邊便利設(shè)施與中心點(房屋)的距離。
成都市二手房單位面積價格中位數(shù)為14084.00元/m2,平均值為15389.44元/m2,說明半數(shù)以上樣本點的價格在平均值以下,少數(shù)樣本點較高價格對研究區(qū)域整體價格帶動作用較大。單位價格的標(biāo)準(zhǔn)差為6670.18元/m2,表明樣本單位價格數(shù)據(jù)離散程度較大;偏度為1.62,表明樣本房價數(shù)據(jù)分布不對稱,具體表現(xiàn)為右偏;峰度值為7.44,說明樣本數(shù)據(jù)概率分布比正態(tài)分布更陡峭,表現(xiàn)為尖峰分布。
以x軸表示成都主城由西到東(經(jīng)度信息),y軸表示成都主城由南到北(緯度信息),z軸表示二手房單位面積價格,使x軸與y軸形成的平面代表成都主城平面,形成包含二手房位置和價格信息的三維坐標(biāo)體系,如圖1所示。趨勢分析表明:在x軸(經(jīng)度)方向,二手房價格數(shù)據(jù)呈倒U形曲線分布。價格曲線先由低逐漸升高,在中心附近達到頂點,然后下降。在y軸(緯度)方向上,當(dāng)截去北邊少量孤立的數(shù)據(jù)點時,數(shù)據(jù)分布大致仍按倒U形曲線變化,同樣在中心部位達到頂點,但下降趨勢部分較上升趨勢部分更陡峭,城市南部房價水平較城市北部總體更高,或許是政府對城市南部天府新區(qū)開發(fā)力度較大的原因??傮w而言,較高價格區(qū)域主要在成都的圈層中心區(qū)(內(nèi)城區(qū))和CBD附近,成都市二手房價格整體呈現(xiàn)從同心圓中心向外圍逐漸遞減的規(guī)律。
圖1 成都市二手住宅價格趨勢分析
使用ArcGIS 10.2軟件對研究區(qū)二手房價格數(shù)據(jù)進行空間自相關(guān)分析,得出成都市房屋單位面積價格空間自相關(guān)在顯著性水平0.01上顯著。成都市二手住宅價格在空間上并非隨機分布,存在房價的空間集聚現(xiàn)象。
基于特征價格理論,選擇10個可能的影響因素作為模型自變量,建立GWR模型分析二手房價格影響因素:變量中房屋面積表現(xiàn)建筑特征,河流距離、地鐵站距離表現(xiàn)鄰里特征,公園距離、商場距離、醫(yī)院距離、幼兒園距離、小學(xué)距離、中學(xué)距離、高校距離表現(xiàn)區(qū)位特征[10]。
選取各影響因素的極值、上下分位數(shù)、中位數(shù)等統(tǒng)計量對系數(shù)進行描述性統(tǒng)計。
1)教育資源 房屋與教育資源的距離在市中心及城市南部部分地區(qū)與房價呈明顯負相關(guān),在城市東西部地區(qū)與房價呈正相關(guān)。將“高等院校距離”影響因子的系數(shù)分布與成都市主要本科院校分布進行比較,發(fā)現(xiàn)在大學(xué)較為集中的地區(qū),如市中心到郫都區(qū)一線,系數(shù)均為正數(shù),即距離大學(xué)越近二手房價格越低。對于位于郊區(qū)的郫都區(qū),大學(xué)周邊較為偏僻,人們傾向選擇位于集鎮(zhèn)的房屋;對于市中心地區(qū),可能的解釋是大學(xué)周邊學(xué)區(qū)房相較中小學(xué)周邊學(xué)區(qū)房的吸引力更小。
2)與大型商場的距離 由市中心到郊區(qū)系數(shù)逐漸增大且大多數(shù)地區(qū)商場距離與二手房價呈負相關(guān),在成華區(qū)、青羊區(qū)負相關(guān)效應(yīng)尤為明顯。而對于非市中心區(qū)域,其他小型商業(yè)服務(wù)對大型商場有替代作用,且處于非市中心的大型商場地段市場價值低于市中心商場地段,導(dǎo)致非市中心大型商場距離對二手房價格的提升作用減弱。
3)與醫(yī)院的距離 大型綜合醫(yī)院服務(wù)的覆蓋范圍通常較大,且成都市綜合醫(yī)院分布較均勻?;貧w系數(shù)在空間中分布模式呈同心圓輻射的形狀。醫(yī)院距離因素在市中心對二手房價格的正向作用最大,表明郊區(qū)市民更重視醫(yī)療便利性。
4)與公園的距離 除武侯區(qū)和錦江區(qū),其余大多數(shù)地區(qū)公園距離和二手房價格呈負相關(guān),說明在其他影響因素不變的情況下,二手房距離公園越近房價越高。
5)與地鐵站的距離 在空間分布上,大部分地區(qū)距地鐵站越近房價越高。在市中心的大部分地區(qū)未呈現(xiàn)出地鐵站距離與二手房價格的負相關(guān)效應(yīng),可能由于市中心地區(qū)的其他公共交通如公交車等對地鐵產(chǎn)生一定替代作用,導(dǎo)致購房者對于距離地鐵站因素不敏感。
6)與河流的距離 成都市有錦江、沙河、清水河、江安河4大水系,其中府河與南河形成的錦江水系流經(jīng)市中心區(qū)域。但市中心出現(xiàn)2塊回歸系數(shù)相差較大的區(qū)域,可能在回歸系數(shù)為正的成華區(qū)、青羊區(qū)府河污染相對較嚴(yán)重,導(dǎo)致該區(qū)域河流對二手房價格造成負面影響。
7)房屋面積 房屋面積對房價的影響系數(shù)從市中心到郊區(qū)的變化并非單調(diào),而是先增大后減小,在二環(huán)線與繞城高速之間的區(qū)域影響系數(shù)最大。根據(jù)成都市房屋面積分布,在城市中心區(qū)域,部分老城區(qū)二手房可能存在面積大且單位價格相對低的現(xiàn)象;在二環(huán)線與繞城高速之間,其房屋建成時間大多較近,面積較為適中,房屋價格隨面積增大而增大;在城市郊區(qū),更大的面積無法給居民帶來更多邊際效用,價格隨面積增大而減小。
選取教育資源、交通、房屋面積等因素構(gòu)建GWR模型,分析成都市二手房價格的影響因素在地理空間上的變異情況,得出以下結(jié)論。
1)成都市二手房價格整體呈從同心圓中心向外圍逐漸遞減的規(guī)律,市中心武侯區(qū)、錦江區(qū)、青羊區(qū)、金牛區(qū)、成華區(qū)價格總體較其他區(qū)域高。
2)GWR模型結(jié)果表明,有優(yōu)質(zhì)中小學(xué)教育資源的錦江區(qū)和青羊區(qū)二手房市場彰顯“學(xué)區(qū)效應(yīng)”,而高等院校周邊二手房并未顯示。由市中心到郊區(qū)與商場距離對二手房價的貢獻逐漸由負到正,大多數(shù)地區(qū)距商場越近房價越高。在市中心區(qū)域與醫(yī)院距離對二手房價格的正向作用最大,距醫(yī)院越近房價越高,但在郊區(qū)發(fā)現(xiàn)相反現(xiàn)象。在成都市大多數(shù)地區(qū),距公園越近二手房價格越高,但在市中心大部分地區(qū)地鐵站對二手房價無帶動作用。在河流污染相對較為嚴(yán)重的成華區(qū)、青羊區(qū),距河流越近二手房價格越低。部分老城區(qū)二手房可能存在面積大但單位價格相對不高的現(xiàn)象。