潘亞琴

一、引言

在展開一項學(xué)術(shù)研究時，對歷年研究文獻的分析是必不可少的。文獻分析的方法分為定性分析與定量分析，其中定性分析使用得較為普遍，但這種分析方法往往受到經(jīng)驗及專業(yè)能力的限制而導(dǎo)致以偏概全、管中窺豹的情況。目前，隨著文獻定量分析手段的不斷革新，知識圖譜通過抽取海量歷年研究文獻作為數(shù)據(jù)樣本，以文獻中作者、機構(gòu)、關(guān)鍵詞等出現(xiàn)的頻次、占比等信息來挖掘優(yōu)秀發(fā)文作者、鑒別發(fā)文機構(gòu)，判斷研究熱點及其趨勢變化，已經(jīng)在相關(guān)學(xué)者的研究中證實可獲得更加客觀、全面的分析結(jié)果。本次采用文獻定量分析軟件CiteSpace生成知識圖譜，以住宅價格研究的歷年研究文獻為樣本，從發(fā)文作者分析、發(fā)文機構(gòu)分析、研究熱點歸納、熱點趨勢變化幾個方面進行了分析，為住宅價格研究梳理出較為清晰的思路。

二、研究數(shù)據(jù)

本次通過檢索篩選，剔除了文獻綜述、新聞報道、統(tǒng)計報告等無關(guān)的文獻，摘取了收錄在知網(wǎng)中的2010—2020年間共計743篇國內(nèi)住宅價格研究文獻作為研究數(shù)據(jù)。

三、發(fā)文作者分析

對CiteSpace軟件生成的發(fā)文作者共現(xiàn)網(wǎng)絡(luò)圖譜的分析，從中可尋找研究領(lǐng)域內(nèi)發(fā)文活躍的發(fā)文作者，再重點對發(fā)文量居于前十的發(fā)文作者進行分析。前十位作者具體為：周豫、蘭峰、張洪、溫海珍、沈悅、張學(xué)峰、吳振華、王洋、古恒宇、宋偉軒。通過對作者及其研究課題的了解，發(fā)現(xiàn)這十位作者在住宅價格研究領(lǐng)域均為翹楚，其中，蘭峰、張洪、沈悅為教授及博士生導(dǎo)師，周豫、溫海珍、吳振華為副教授，研究課題主要在宏觀及微觀層面因素對住宅價格的影響研究，同時也進行住宅價格波動的分析預(yù)測研究。從時間上看，這幾位作者發(fā)表成果的時間較早，古恒宇是中美大學(xué)聯(lián)合培養(yǎng)博士，與就職于專業(yè)研究所的王洋、宋偉軒重點進行了基于空間計量經(jīng)濟學(xué)理論的住宅價格空間效應(yīng)研究。

四、發(fā)文機構(gòu)分析

對發(fā)文機構(gòu)共現(xiàn)網(wǎng)絡(luò)圖譜的分析，可找出較為活躍的專業(yè)發(fā)文機構(gòu)。首先，住宅價格研究的發(fā)文機構(gòu)超80%為高等院校，因此應(yīng)該重點關(guān)注高等院校的研究成果。其次，從發(fā)文量占比及中心性指標(biāo)的分析，可快速鎖定專業(yè)發(fā)文機構(gòu)。在發(fā)文量上，排名第一的西安建筑科技大學(xué)管理學(xué)院，占比4%，并列第二的中國人民大學(xué)公共管理學(xué)院、西安交通大學(xué)經(jīng)濟與金融學(xué)院、中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，各占比2%，其余機構(gòu)占比各在0.2%～1%之間，類梯度的占比明確了對發(fā)文機構(gòu)研究文獻關(guān)注的優(yōu)先次序。而具有中心性的中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院、中國科學(xué)院大學(xué)、華南師范大學(xué)地理科學(xué)學(xué)院，則具有0.01的弱中心性，表明這些機構(gòu)是連接合作橋梁的角色，對其研究文獻亦優(yōu)先關(guān)注；最后從時間上分析，中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院發(fā)表文獻的時間最新，因此可對其優(yōu)先進行了解。

五、研究熱點及其趨勢變化

關(guān)鍵詞是從論文內(nèi)容中選取出來體現(xiàn)論文核心內(nèi)容的實質(zhì)意義的詞匯，因此對關(guān)鍵詞量化分析得出的關(guān)鍵詞網(wǎng)絡(luò)圖譜（圖1）及關(guān)鍵詞突現(xiàn)圖譜（圖2）可捕捉研究熱點，獲取熱點趨勢變化。

圖1 關(guān)鍵詞網(wǎng)絡(luò)圖譜

圖2 關(guān)鍵詞突現(xiàn)圖譜

1.研究熱點歸納

住宅價格研究的關(guān)鍵詞多數(shù)體現(xiàn)的是課題方向、研究對象、影響因素、研究方法等方面的詞匯。本次集中對關(guān)鍵詞網(wǎng)絡(luò)圖譜（圖1）及其統(tǒng)計的頻次≥5次的關(guān)鍵詞進行總結(jié)歸納，從中全面了解近十年來的研究熱點。

結(jié)合本次摘取的文獻及其關(guān)鍵詞詞義，其中“空間分異”（19次）、“空間分布”（18次）、“空間自相關(guān)”（14次）、“時空分異”（6次）屬于空間效應(yīng)研究，而“房價上漲”（22次）、“價格泡沫”（15次）、“價格預(yù)測”（22次）、價格波動（21次）更多涉及非空間效應(yīng)研究。

在研究對象上，主要圍繞“住宅價格”（518次）本身進行，同時“住宅租金”（7次）作為住宅的收益價格也是學(xué)者研究的焦點，而“住宅價格指數(shù)”（15次）、“房價收入比”（13次）、“租售比”（7次）反映了住宅價格水平及變動，亦是重要的研究對象。

“影響因素”（101次）是住宅價格形成與變動的成因，因此是備受重視的研究。在微觀層面上，以“軌道交通”（49次）、“教育設(shè)施”（12次）最受關(guān)注；在宏觀層面上，以“土地價格”（11次）、“貨幣政策”（8次）、“調(diào)控政策”（7次）、“城鎮(zhèn)化”（6次）、“人口結(jié)構(gòu)”（5次）、“房產(chǎn)稅”（5次）、“供求關(guān)系”（5次）更受研究者關(guān)注。

不同的課題會確定相應(yīng)的研究方法。與非空間效應(yīng)研究相關(guān)的方法主要有：

（1）“特征價格模型”（146次）是住宅價格研究中極受認(rèn)可的研究方法，在近十年的研究文獻中使用頻次最高。與“多元回歸分析”（47次）一樣是基于OLS回歸分析的方法。

（2）“灰色關(guān)聯(lián)分析”（16次）、“主成分分析”（11次）、“主因子分析”（8次）多用在住宅價格影響因素篩選、降維、權(quán)重的設(shè)定。

（3）“灰色預(yù)測”（14次）、“向量自回歸模型（VAR）”（13次）、“ARIMA模型”（7次）、“面板數(shù)據(jù)模型”（6次）主要用于時間序列數(shù)據(jù)的研究，其中“面板數(shù)據(jù)模型”（6次）同時將橫截面數(shù)據(jù)納入分析，屬于完善的方法。值得注意的是，時間序列數(shù)據(jù)需要先行平穩(wěn)性檢驗，“Granger因果檢驗”（12次）、“Johansen協(xié)整檢驗”（8次）、“脈沖響應(yīng)分析”（5次）是平穩(wěn)性檢驗方法缺一不可的步驟，關(guān)聯(lián)出現(xiàn)在關(guān)鍵詞中可說明相關(guān)文獻涉及了這幾類或類似的研究方法。

（4）“神經(jīng)網(wǎng)絡(luò)模型”（7次）是住宅價格研究在互聯(lián)網(wǎng)信息時代背景下的與時俱進，較常用到的是BP神經(jīng)網(wǎng)絡(luò)模型。

（5）“系統(tǒng)動力學(xué)模型”（13次）是通過分析價格影響因素內(nèi)在運行結(jié)構(gòu)來研究住宅價格成因的方法。

（6）“雙重差分模型（DID）”（7次）是用在住宅調(diào)控政策成效評估、軌道交通開通前后的價格對比等方面的研究。

而“地理加權(quán)回歸模型（GWR）”（19次）、“空間計量模型”（13次）屬于空間效應(yīng)研究的方法。關(guān)鍵詞中“ArcGIS地理信息系統(tǒng)”（15次）、“Kriging空間插值法”（16次）、“地統(tǒng)計分析”（8次）、“探索性空間數(shù)據(jù)分析（ESDA）”（7次）反映的是作為空間效應(yīng)研究重要輔助工具的可視化地理信息系統(tǒng)ArcGIS進行分析的研究。

關(guān)鍵詞的中心性越大，在網(wǎng)絡(luò)節(jié)點中的中樞紐帶作用越大，可認(rèn)為是研究學(xué)者普遍使用的基礎(chǔ)詞匯。本次分析的關(guān)鍵詞中除ARIAM模型、雙重差分模型（DID）、城鎮(zhèn)化不具有中心性外，其余關(guān)鍵詞中心度均≥0.01，在開展課題研究時應(yīng)該予以借鑒。

2.熱點趨勢變化

從生成的關(guān)鍵詞突現(xiàn)圖譜（圖2）可了解熱點的趨勢變化。通過對本次突現(xiàn)的19個關(guān)鍵詞及其突現(xiàn)時間的分析，發(fā)現(xiàn)國內(nèi)住宅價格研究與其當(dāng)時房地產(chǎn)市場、社會經(jīng)濟狀況密切相關(guān)，因此結(jié)合相關(guān)文獻研究背景及其關(guān)鍵詞詞義的分析，探究到了近十年的熱點趨勢變化。

首先，從住宅價格的研究對象來看。2014—2015年，防止價格泡沫而監(jiān)控住宅價格走向的住宅價格指數(shù)研究受到眾多學(xué)者關(guān)注。而2018年以后，有助于判斷住宅投機以遏制房價過快上漲的租售比研究成為焦點。

然后，宏觀層面的影響因素突現(xiàn)。2013年以前，找到居民收入、住房支付能力與上漲房價之間矛盾的解決對策被研究學(xué)者重視，同時就2010年在全國陸續(xù)鋪開的以限購限貸為主的住宅調(diào)控政策成效研究成為另一關(guān)注點；而新型城鎮(zhèn)化為住宅市場的健康發(fā)展所能帶來的正外部性從2018年起成為眾多學(xué)者研究的選擇。

最后從研究方法來看：

非空間效應(yīng)研究方法：①2014年以前，向量自回歸模型（VAR）、面板數(shù)據(jù)模型在住宅價格時間序列數(shù)據(jù)研究方法的選擇中受到歡迎。而時間序列數(shù)據(jù)平穩(wěn)性檢驗方法Granger因果檢驗、脈沖響應(yīng)分析、Johansen協(xié)整檢驗雖然突現(xiàn)的時間有前后差異，但考慮其均為時間序列數(shù)據(jù)平穩(wěn)性檢驗中的步驟，說明住宅價格研究領(lǐng)域在2016年以前就已經(jīng)非常注重對住宅價格時間序列數(shù)據(jù)的研究。②“價格彈性”在2014—2015年突現(xiàn)，主要出現(xiàn)在采用對數(shù)函數(shù)形式的特征價格模型作為方法進行研究的文獻中，被認(rèn)為能產(chǎn)生更具解釋性的研究結(jié)果。③“分位數(shù)回歸”在2016—2018年突現(xiàn)，反映的是對OLS回歸分析只能反映全局性指標(biāo)而采用分位數(shù)回歸進行局部分析的一類改良優(yōu)化研究。④“雙重差分模型（DID）”在2016年開始成為對比評估研究項目的優(yōu)選。⑤諸多研究學(xué)者是自2018年開始熱衷應(yīng)用“神經(jīng)網(wǎng)絡(luò)模型”這一與人工智能相關(guān)的方法進行研究的。

在空間效應(yīng)研究中，關(guān)鍵詞“空間格局”“時空分異”“空間分異”主要出現(xiàn)于針對空間異質(zhì)性現(xiàn)象研究的文獻中，這些關(guān)鍵詞的先后出現(xiàn)說明空間異質(zhì)性研究在近十年受到極大重視。模型的選擇上，地理加權(quán)回歸模型（GWR）自2018年被此類研究作為優(yōu)選的方法。從圖譜中還能看到，伴隨ArcGIS軟件的發(fā)展完善，這一軟件自2012年以后被研究學(xué)者更多選擇。

六、結(jié)論

本次運用文獻定量分析軟件CiteSpace生成的知識圖譜，對在知網(wǎng)篩選摘取的近十年國內(nèi)住宅價格研究文獻進行了可視化定量分析，從發(fā)文作者、發(fā)文機構(gòu)共現(xiàn)網(wǎng)絡(luò)圖譜中獲知了活躍的發(fā)文作者及發(fā)文機構(gòu)；從關(guān)鍵詞網(wǎng)絡(luò)圖譜中總結(jié)了近十年以來住宅價格研究領(lǐng)域的研究熱點；對關(guān)鍵詞突現(xiàn)圖譜的分析掌握了熱點趨勢變化，為住宅價格研究明確研究思路提供了重要幫助。

然而國內(nèi)住宅價格研究文獻的關(guān)鍵詞選取沒有明確的規(guī)范，在確定關(guān)鍵詞時往往受到作者的主觀意識影響而產(chǎn)生諸多不同表達方式的同義詞，因此在采用關(guān)鍵詞進行的定量分析中會導(dǎo)致一定的計量缺失。隨著人工智能技術(shù)的發(fā)展，未來相關(guān)研究可以借助智能提取技術(shù)對關(guān)鍵詞匯進行智能分類處理，或可獲得更為精準(zhǔn)的分析結(jié)果。