伏潤得，楊德剛，靳傳芬，蔡天毅，武圣欽，王甜

(1 中國科學院新疆生態(tài)與地理研究所 荒漠與綠洲生態(tài)國家重點實驗室，烏魯木齊 830011；2 中國科學院大學, 北京 100049)

城市住宅是居住空間的承載實體,是城市空間的子集,附帶著社會經濟、物質實體等多重屬性。空間分異是地理學的傳統(tǒng)研究視角,表征某地理屬性在區(qū)域空間存在差異[1]。城市住宅價格時空分異的形成是自然本底、社會經濟、個體行為等多因素驅動下演化出的某種規(guī)律性結果[2],不僅包含著物質實體的屬性差異,且蘊含著社會空間關系等屬性,是空間經濟學、城市地理學、社會學研究的重要課題?；诠诺鋮^(qū)位論,城市社會學和社會地理學研究者從不同視角分析城市居住空間的形成和演替,得到一系列成果，如Burgess[3]分析芝加哥城市土地利用空間結構所提出的同心圓理論,Hoyt[4]的扇形空間結構模式等。

20世紀60年代實證主義分析盛行,Alonso[5]將馮·杜能的關于孤立國農業(yè)土地利用的分析引申到城市空間,提出土地競租模型,以解釋城市內部的用地與地價的分布。Muth[6]和Cheshire等[7]在Alonso的基礎上嵌入交通成本和收入因素,認為住房的區(qū)位取決于交通費用與住宅費用的權衡。20世紀70年代,基于Lancaster的消費者理論,學者們將住宅視為差異化產品,將住宅的特征集合視為構成產品的基本“元素”空間,消費者購買住宅所獲得的效用水平高低取決于其特征的數(shù)量和質量,住宅價格由一系列特征的價格構成[8]。其后,Rosen[9]提出供需均衡模型,對經典的特征價格理論進行了完善。特征價格模型(hedonic price model)廣泛應用于房地產領域,成為住宅價格分析的經典模型。受住宅異質性和市場細分理論的啟發(fā),學者們在研究中引入子市場概念,對城市住宅市場進行子市場細分,發(fā)現(xiàn)分別構建特征價格模型能夠減少總體樣本擬合方差。80年代以后,多數(shù)發(fā)達國家進入城市化成熟階段,世界發(fā)達國家城市化率均達到80%及以上[10],城市擴張、郊區(qū)化、紳士化進程引致城市住宅價格空間分異新格局的呈現(xiàn)及影響因素、作用機制的動態(tài)更替。城市居民收入水平提升、城市空間的蔓延,基礎設施的完善擴大了購買者選擇的空間范圍,激發(fā)了需求的多元化。城市住宅價格的研究視角轉向更加關注消費者主體決策行為的作用[11],如對城市綠地、開放空間、交通站點、生活服務設施等的關注。

雖然城市住宅價格空間分異的研究由來已久,但伴隨城市化進程,城市、社會空間不斷重塑,影響城市住宅價格的因素與作用機理一直處于動態(tài)變化之中,因此對相關研究成果展開階段性梳理,挖掘科學知識域知識聚類及關系網絡,厘清研究特點和發(fā)展脈絡,有利于為城市住宅價格的后續(xù)研究提供借鑒和思考。本文運用文獻計量可視化工具Citespace 5.4.3,以WOS(web of science)數(shù)據(jù)庫核心合集為數(shù)據(jù)源,對住宅價格空間分異的研究進行計量分析與可視化,以期為該領域后續(xù)研究提供思路。

1 數(shù)據(jù)與方法

科學知識圖譜(scientometric)是一個新興跨學科的科學領域,以知識域為對象,通過文獻文本數(shù)據(jù)挖掘、分析、分類、制圖及梳理展示相關領域文獻知識的潛在關系網絡與發(fā)展脈絡,表達科學知識的發(fā)展進程與結構關系[12]。Citespace是一款著眼于分析科學文獻中蘊含的潛在知識,多元、分時、動態(tài)的科學知識圖譜的可視化應用工具[13-14]?？梢酝ㄟ^該軟件分析研究領域中的核心文獻、核心作者和研究熱點,探究學科之間的交叉關系,厘清研究領域的發(fā)展過程,挖掘研究領域的前沿與熱點[15]。通過檢索截至2019年7月前WOS數(shù)據(jù)庫核心合集中的相關文獻,剔除非研究性文獻, 通過Citespace去重后最終確定661篇與住宅價格空間分異相關文獻。檢索語句為:TS=(housing price* AND spatial ) OR TS=(real estate AND spatial variation) OR TS=(house price AND spatial) OR TS=(house value AND spatial) OR TS=(residential property price) OR TS =(residential property value)。

2 分析與結果

2.1 文獻基本特征

2.1.1 發(fā)文時間與學科分布

發(fā)文量的梳理能幫助認識學科發(fā)展的階段特征和趨勢[11]。整體上城市住宅價格的空間分異文獻發(fā)表數(shù)量有明顯的上升趨勢,表明住宅價格的空間分異受到越來越多學者的關注(圖1)。發(fā)文量的變化呈現(xiàn)較顯著的階段式發(fā)展過程,2005年以前所有年份的年發(fā)文量均未超過10篇,2005年之后的發(fā)文量占總量的93%,2013年以來每年發(fā)文量都超過50篇。

圖1 住宅價格空間分異的研究文獻數(shù)量年度分布Fig.1 Annual distribution of research publication on spatial differentiation of housing prices

2.1.2 期刊與學科特征

期刊的共被引分析提供了某一個領域中重要的知識來源的分布,以及通過期刊類別判定學科知識領域[13]。通過期刊共被引分析得到272個被引來源期刊,多是經濟類、社會類、環(huán)境類、地理類的期刊,學科聯(lián)系網絡也反映出研究住宅價格空間分異較多的學科是經濟學、環(huán)境生態(tài)學、地理學、城市管理學,其中經濟學是研究住宅價格空間分異的主力軍。最高共被引前10期刊見表1,其中Journal of Political Economy, Urban Studies是影響因子最高的2個期刊,也是中介中心性(Centrality:測度節(jié)點在網絡中重要性的指標)最高的2個期刊。

表1 共被引頻次前10期刊Table 1 Top 10 journals of co-citation frequency

2.1.3 國家、機構、作者合作網絡

文獻產出的數(shù)量與國家研究機構的數(shù)量、研究經費的供應情況以及相關產業(yè)機構的比例有關[14]。據(jù)施引文獻國家共現(xiàn)圖譜,得到來自35個國家的研究機構構成相互連通的合作網絡(圖2)。美國是最大的研究發(fā)表節(jié)點國家,相關研究學者的研究出版物共計280篇,中國學者189篇位列第2。在這些研究國家中美國、中國、英國、西班牙、荷蘭具有較高的中介中心性,在合作網絡中處于重要的節(jié)點位置。

圖2 研究國家合作網絡Fig.2 Country collaboration network

進一步通過Citespace施引文獻的科研機構共現(xiàn)圖譜功能,得到共計102個研究機構參與住宅價格空間分異研究(結果見表2),位居前5的是浙江大學(Zhejiang Univ)19篇,中國科學院(Chinese Acad Sci)16篇,武漢大學(Wuhan Univ)15篇,香港理工大學(Hong Kong Polytech Univ)8篇,俄亥俄州立大學(Ohio State Univ)8篇。其中中國學者對房價空間分異研究的關注度較高。如圖3所示,以武漢大學、中國科學院、香港理工大學為中心節(jié)點的科研合作網絡聯(lián)系密切,且研究合作連接線的顏色都是暖色調,說明相互建立合作關系的時間較晚,這與中國改革開放以來快速城鎮(zhèn)化進程的國情背景相契合。

通過Citespace施引文獻的作者共現(xiàn)圖譜功能分析得到領域中有影響力的學者(表3),浙江大學Haizhen Wen以9篇文獻位居第一,其主要研究方向為住宅價格的微觀形成機制、住宅價格的空間分異機制、住房選擇與居住空間演變機制、房價波動及其與地價的互動機制。

表2 文獻發(fā)表數(shù)量前10的研究機構Table 2 Top 10 research institutes in scientific publication

圖3 科研機構合作網絡圖譜Fig.3 Institution connection network

表3 文獻發(fā)表數(shù)量前10的學者Table 3 Top 10 scholars in scientific publication

2.1.4 住宅價格空間分異研究的知識基礎

科學文獻并非孤立的,而是相互延伸,是科學知識的積累、傳承及學科間的交叉滲透[16]。文獻引用文獻可以看作知識從不同的研究流動到當前所進行的研究,是知識單元從游離狀態(tài)到重組產生新知識的過程,而發(fā)表的論文被其他論文引用是這個過程的持續(xù)[13]。也可以說共被引文獻提供了相關研究的知識基礎[17]。共被引分析可以得到文獻同時被其他文獻引用的頻次高低,可用來判斷在所研究領域中產生過重大影響的文獻有哪些,也就是關鍵文獻或者核心文獻。通過對檢索文章共引聚類分析,節(jié)點類型選擇reference,文獻最大引用時間跨度值設置為-1(無限制),設置TOP-N閾值為100,用最小生成樹算法精簡網絡,得到文獻共引網絡,聚類分析得到40個共引聚類(圖4),ModularityQ值為0.546 2 > 0.3,表明得到的網絡社團結構顯著[18]。表4列出最大的10個以對數(shù)似然算法命名的聚類。前10大聚類Silhouette值均大于0.6( Silhouette為聚類的可信度指標,大于0.5即可信),表示聚類結構的可信度較高。其中#0 Spatial Heterogeneity包含76篇參考文獻,#1 Urban landscape 包含72篇參考文獻,#2 rail access包含70篇參考文獻。高被引文獻多為空間計量方法的經典研究與經典實證分析，這些文章提供了住宅價格研究的重要知識來源(表5)。

圖4 共被引文獻聚類Fig.4 A visualization of the document co-citation network

表4 前10大文獻聚類Table 4 Summary of the largest 10 clusters

表5 共被引頻次前10的文獻Table 5 Top 10 most cited articles of co-citation frequency

2.2 住宅價格空間分異研究特征與趨勢

關鍵詞是文獻核心內容的濃縮與提煉[19],關鍵詞發(fā)生頻率反映出一段時間研究主題的前沿熱點及整個關鍵詞在共現(xiàn)網絡中的核心力度,即關鍵詞中心度[20],基于CiteSpace的關鍵詞共現(xiàn)功能,利用名詞性術語提取方式提取關鍵詞及詞組,剔除如housing price及類似的主題詞和與主題無關詞,共計537個詞組,生成如圖5的詞云(字體大小代表關鍵詞出現(xiàn)的頻次)。這些詞組大致可分為因素類、方法類和其他,反映關于城市住宅價格空間分異研究關注的熱點問題和研究方法。圍繞這些關鍵內容,結合文獻閱讀,進一步梳理城市住宅價格空間分異的研究特征。

圖5 關鍵詞詞云Fig.5 The word cloud of keywords

2.2.1 住宅價格空間分異格局形成的作用因素

影響城市住宅價格空間分異格局的作用因素可分為內部因素和外部因素。內部因素是住宅價格空間格局形成的基礎條件,包括住宅價格的空間溢出效應與擴散效應、地價、建筑屬性特征等。房價的溢出效應是城市房價空間分異與演化的源動力[1],房地產市場流動性差、不透明,參與者可能會依賴臨近住宅交易價格信息來達成交易價格,從而產生空間依賴[21]。地價與住宅價格是互為因果、動態(tài)關聯(lián)的,地價梯度是空間分異格局形成演化的直接原因[22]。而住宅自有的建筑屬性差異則是住宅價格差異的基底因素。外部因素又可細分為一般因素和區(qū)位因素。其中,一般因素是作用于住宅整體價格的因素,如經濟基礎、政策制度、城市化水平等。經濟基礎是城市綜合實力的本底,作用于城市住宅整體,也作用于結構空間,如經濟擴張和經濟衰退都會對房價空間結構產生較大的影響,金融危機會弱化區(qū)域差距,鞏固貧富鄰里之間的差距[23]。政策指向引導參與者決策而作用于城市住宅空間結構[24],Hyun和Milcheva[25]通過研究首爾城市發(fā)展計劃宣布與取消對房價變動的時空效應,發(fā)現(xiàn)政策指引會顯著影響住宅價格,并存在明顯的空間差異。而城市化進程引導著城市空間模式的演變,隨著城市的發(fā)展,城市環(huán)境、交通問題的凸顯,城市發(fā)展郊區(qū)化、紳士化進程出現(xiàn),住宅價格空間模式也隨之改變。除上述因素外還有社會文化環(huán)境[26]、土地利用[27]、階層分化、社會排斥、城市規(guī)劃、收入水平[28]等。

區(qū)位因素包括位置、公共服務、通勤、景觀環(huán)境等,是住宅所附帶的各類區(qū)位條件,是城市內部分異形成的主要源泉。大量實證研究表明與CBD的距離是影響住宅價格的重要因素,20世紀70年代和80年代各種最早的研究表明土地價值隨著CBD的距離增加呈現(xiàn)梯度下降趨勢,進一步有研究發(fā)現(xiàn)CBD影響下的房價-距離曲線不是連續(xù)單調的,而是存在局部峰值[29]。這與住宅的局部特征相關,如交通、教育、醫(yī)療、娛樂等公共服務都會改變住宅價格的分異格局。一般來說,居民可能愿意為交通便利的住宅支付更高的價格,這就可能成為住宅溢價的源泉。城市軌道交通改善了通勤者進入工作場所和服務的便利性,多數(shù)研究認為地鐵、輕軌等城市軌道交通節(jié)點的可達性對住宅價格是有顯著影響的,交通節(jié)點附近與單戶獨立住宅價值之間存在顯著正相關關系[30-32]。也有研究認為軌道交通所帶來的負外部性如噪聲、污染、擁擠、治安等問題一定出行距離內對住宅價格有消極影響[33]?，F(xiàn)有的研究對公共汽車的可達性效益沒有得出一致的結論,多數(shù)基于發(fā)達國家城市的研究沒有發(fā)現(xiàn)積極效應,而在公交利用率較高的城市如中國香港,其影響是顯著的。有研究認為這可能與公共汽車的利用率相關[34]。公園、超市、學校、醫(yī)院對等公共基礎設施對周邊居住者提供服務便利,對住宅價格產生正向效應,如教育設施對房價具有顯著的正向資本化效應,且與學校的教育質量相關[35]。景觀環(huán)境是房屋價值的重要貢獻者,隨著城市社會發(fā)展,居民更加重視住宅的宜居性,景觀環(huán)境已成為參與者決策的重要因素之一。景觀為居住者提供舒適的視環(huán)境,提供居民生活的精神需求,視環(huán)境的提升會導致住宅溢價[36]，如湖景、佳景、海景、綠色空間、水域、開放空間等都對房產價值有積極的影響[37]。相對應的還有住宅的聲環(huán)境質量[38],部分研究著眼于外部噪聲帶來負外部性,機場噪聲、道路交通噪聲、生產場所噪聲等都會對住宅價格產生負面效應,且影響范圍和影響程度各有不同[39]。此外還有一些個別因素會作用于價格空間,如突發(fā)事件[40]對住宅價格空間格局的沖擊,預期風險[41]的影響等,如洪患因素,早期的研究認為由于洪患缺乏長期效應,參與者對風險認知少,不會對住宅價格產生顯著影響。而后續(xù)有研究指出洪患對住宅價格的影響是與洪患幾率與控制情況相關的,并且與距離相關[42]。上述研究多通過對單個城市主體來透視空間分異及影響機理,較多研究的城市有北京、上海、首爾等。

2.2.2 住宅價格空間分異的研究方法

地統(tǒng)計學及各類空間可視化分析方法給住宅價格空間分異的研究注入了活力,已經成為研究中必要的探索分析工具。利用kriging插值法構建房價空間等值線圖,GIS熱點分析,探索性空間數(shù)據(jù)分析,核密度估計,緩沖區(qū)分析,空間格網,地理探測器[43]等地理空間分析手段能更加直觀地映射住宅價格空間特征。而隨著現(xiàn)代數(shù)據(jù)存儲技術和獲取方法的不斷革新,數(shù)據(jù)的廣度和深度的擴展,多源大數(shù)據(jù)、人工神經網絡、主成分分析、支持向量機等方法為預測住宅價格、識別住宅價格空間動態(tài)提供了新的基礎與工具[44-45]。其中社交媒體大數(shù)據(jù)[46],商業(yè)房地產網站數(shù)據(jù)[47]如搜房網時空大數(shù)據(jù)等數(shù)據(jù)源為探索住宅價格的時空分異分析提供了更為強有力的數(shù)據(jù)支持。此外,多種分析工具結合,多維數(shù)據(jù)支撐的方式能更精確地解構住宅價格空間格局,如Yao等[48]運用卷積神經網絡與隨機森林,結合遙感圖像,網絡數(shù)據(jù)繪制住宅價格分布圖,更精細地描繪了城市住宅價格的空間分異。

空間模型構建上,特征價格模型是應用最多、最經典的模型[49]。將住宅視為特征商品,構建鄰里特征、區(qū)位特征、建筑特征的特征向量空間以定量表達與計算。隨著空間效應的存在被意識到[50],空間經濟學的發(fā)展提供了一系列的優(yōu)化模型,空間滯后模型(也稱空間自回歸模型)、空間誤差模型(也稱空間自相關模型)用于解決空間變量的空間自相關性[51]。對于空間異質性的存在強調空間-過程相互作用的局部特性,全局模型不再適用,以地理加權回歸(GWR，geographical weighted regression)為主的非參數(shù)局部加權回歸解決了傳統(tǒng)基于最小二乘回歸的特征價格模型所不能解決的空間非平穩(wěn)性。進一步地,地理加權回歸關注局部空間關系,而實際中存在某些全局變量,這可能會導致無效估計,混合地理加權回歸建模能同時包含全局變量與局部變量,從而有效減少預測的誤差[52]。而且隨著學者們認識到住宅價格的空間分異還包含時間效應的影響,基于時間序列數(shù)據(jù)、面板數(shù)據(jù)的模型被越來越多地運用,如融合時間要素的局部模型時空地理加權回歸用來分析影響因素的時空效應?；跁r空效應影響因素的時間序列數(shù)據(jù)的回歸分析能更準確地估測出各因素對住宅價格的長期效應。而大數(shù)據(jù)的所提供的巨大數(shù)據(jù)量推動空間模型面向效率,要求計算速率與過程優(yōu)化,有學者提出FastGWR來優(yōu)化模型運算與效率，通過對Los Angeles 130萬住宅價格數(shù)據(jù)構建特征模型驗證了其計算能力的優(yōu)化效果[53]。

3 結論與討論

3.1 結論

本文運用科學知識圖譜可視化工具Citespace對WOS數(shù)據(jù)庫核心合集中關注住宅價格空間分異文獻的時間分布、學科分布,研究國家、機構、作者,以及基于引文分析的研究發(fā)展脈絡與趨勢進行梳理分析,得出以下結論:

1)對于城市住宅價格空間分異學者們關注較早,20世紀70年代以來,發(fā)文量呈現(xiàn)顯著的兩階段式發(fā)展，2005年后的年發(fā)文量顯著增長,學者們對于城市住宅價格空間分異的關注度越來越高,這與世界城市化發(fā)展進程是密不可分的。相關文獻大多發(fā)表于經濟類、社會類、環(huán)境類、地理類的期刊上,研究涉及經濟學、環(huán)境生態(tài)學、地理學、城市管理學等多維度、多領域的知識整合與交叉。相關研究國家與科研機構間的合作網絡相互交織,美國與中國是發(fā)文量最多的國家,其中中國的科研機構聯(lián)系較為緊密,浙江大學、中國科學院、武漢大學、香港理工大學、俄亥俄州立大學是相關出版物數(shù)量最多的研究機構。Sherwin Rosen, Luc Anselin, James P. Lesage等的文獻在城市住宅價格空間分異研究的研究進程中起到了關鍵作用。

2)影響住宅價格空間分異的因素可分為內部因素與外部因素,各類因素的作用程度和機理各不相同?？臻g計量經濟學、地理信息系統(tǒng)等空間分析技術的發(fā)展貫穿于城市住宅價格空間分異的研究發(fā)展脈絡。地理信息系統(tǒng)提供了空間分異的可視化表達工具,空間分析工具的運用已經成為探索住宅空間分異和影響因素不可或缺的工具。新的數(shù)據(jù)分析方法如地理探測器、人工神經網絡、大數(shù)據(jù)分析工具等提供了新方法,但優(yōu)化效果需待后續(xù)的研究檢驗實證。特征價格模型是最為經典的分析框架,傳統(tǒng)的基于最小二乘回歸的特征價格模型融合空間效應后,能有更好的解釋性,基于時間序列的回歸分析能更準確地估測出各因素對住宅價格的長期效應?？臻g模型的發(fā)展從面向解釋性到開始面向處理效率。

3.2 討論

本文著眼于對城市住宅價格空間分異相關文獻的計量分析,關注研究力量、引文分析、主題關鍵詞發(fā)展脈絡,通過文獻本身透視研究特征與脈絡,對住宅價格研究有一定的意義。通過對現(xiàn)有研究的梳理認識到未來研究應該關注的點:1)僅有少數(shù)文獻是基于區(qū)域尺度的探究,多數(shù)研究更注重對單個城市住宅價格分異的探討實證,研究結論通常是個性化的,對普適性機理的挖掘與概括較為缺乏。2)對于房價影響因素的組合效應探討不足,多數(shù)研究關注單要素的影響,而影響城市住宅價格空間分異的是多因素動態(tài)綜合的結果。3)隨著信息網絡、數(shù)據(jù)存儲技術的發(fā)展,多元的、覆蓋面廣的時空大數(shù)據(jù)為住宅價格空間分異的研究提供了更好的數(shù)據(jù)支撐,啟發(fā)新的研究。一方面,在研究過程中要關注數(shù)據(jù)但不能唯數(shù)據(jù),同時要關注住宅價格現(xiàn)實的社會屬性。另一方面,時空數(shù)據(jù)量級、廣度的擴展,不僅要關注傳統(tǒng)模型的適用性也要注重運行效率的優(yōu)化,構建新的高效的適用于海量數(shù)據(jù)計算的模型是未來需求。