楊建波， 李 瑋， 宋富強(qiáng)

（河南省科學(xué)院地理研究所，鄭州 450052）

研究商鋪出租中租金的空間結(jié)構(gòu)及其影響因素，對(duì)加強(qiáng)土地市場(chǎng)的宏觀調(diào)控、提高土地利用的效率以及優(yōu)化土地資源配置都具有重要意義.

國(guó)外學(xué)者于20世紀(jì)末開(kāi)始對(duì)商鋪?zhàn)饨疬M(jìn)行研究，以中心地理論、零售集聚理論、零售需求外部性理論等三種理論為研究基礎(chǔ)，主要集中于商鋪?zhàn)饨鸬臉?gòu)成［1］、商鋪?zhàn)饨鸬墓浪愫皖A(yù)測(cè)［2-3］、商鋪?zhàn)饨鸬臎Q定因素等方面. 其中，城市之間以研究商鋪?zhàn)饨鸬腉DP、商業(yè)稅率、居民收入［4-5］等宏觀經(jīng)濟(jì)因素為重點(diǎn)，而城市內(nèi)部則以區(qū)位條件、交通條件、商圈購(gòu)買(mǎi)力、人流量、經(jīng)濟(jì)潛力等微觀因素為重點(diǎn)［6-11］. 商鋪的租金和地價(jià)由于涉及商業(yè)機(jī)密，因此數(shù)據(jù)獲取難度較大，難以運(yùn)用相關(guān)的數(shù)學(xué)模型分析方法進(jìn)行預(yù)測(cè)，產(chǎn)生的結(jié)果也難以有公信力，中西方在發(fā)展背景、經(jīng)濟(jì)水平、消費(fèi)習(xí)慣等方面存在較大差異，在國(guó)外研究中比較常見(jiàn)的影響因素（停車(chē)位、建筑年代、主力租戶(hù)等）對(duì)中國(guó)商鋪?zhàn)饨鹩绊懖⒉灰欢@著［12］.

目前為止，國(guó)內(nèi)對(duì)于商鋪?zhàn)饨鸬难芯績(jī)H限于北、上、廣、深等一線城市，二三線城市的研究較少. 黎林等［13］從地鐵和商家需求兩個(gè)角度入手，運(yùn)用德?tīng)柗品?、層次分析法及市?chǎng)比較法構(gòu)建地鐵商鋪?zhàn)饨鸲▋r(jià)模型，有效解決地鐵商鋪?zhàn)饨鸬亩▋r(jià)問(wèn)題；楊琦峰等［14］建立了影響城市地鐵商鋪?zhàn)饨鸬奈⒂^特征因素指標(biāo)體系，運(yùn)用聚類(lèi)分析法對(duì)有效客流量等因素進(jìn)行估算，提出城市地鐵商鋪?zhàn)饨鸲▋r(jià)優(yōu)化的定價(jià)方法；聶沖和賈生華［15］以長(zhǎng)三角和珠三角356 家非主力店作為研究對(duì)象，定量分析了購(gòu)物中心非主力店的租金影響因素；聶沖和賈生華［16］以中國(guó)城市購(gòu)物中心為研究對(duì)象，構(gòu)建和檢驗(yàn)了影響購(gòu)物中心商鋪?zhàn)饨鸬奶卣鲀r(jià)格模型，驗(yàn)證了區(qū)位特征對(duì)于購(gòu)物中心租金最重要；張仕康和王夢(mèng)夢(mèng)［17］以重慶市沙坪壩商圈餐飲商鋪為研究對(duì)象，構(gòu)建了特征價(jià)格模型，并對(duì)餐飲商鋪?zhàn)饨鹋c影響因素之間關(guān)系進(jìn)行定量研究，發(fā)現(xiàn)店鋪的面積越大租金水平越高；以上研究雖取得了一定進(jìn)展，但大都屬于對(duì)商鋪?zhàn)饨鸶叩偷膬?nèi)部因素的研究，而對(duì)于商鋪?zhàn)饨鸬目臻g結(jié)構(gòu)規(guī)律及其外部影響因素的研究較少. 本文以2020年新鄉(xiāng)市外業(yè)調(diào)查獲得的商鋪?zhàn)饨饦狱c(diǎn)調(diào)查數(shù)據(jù)以及收集的人口密度數(shù)據(jù)為依據(jù)，以新鄉(xiāng)市定級(jí)范圍為研究區(qū)域，采用空間自相關(guān)、Kriging 插值等方法對(duì)交通條件、公共服務(wù)設(shè)施完備度、人口密度幾項(xiàng)外部影響因素進(jìn)行空間分布研究，以揭示新鄉(xiāng)市商鋪?zhàn)饨鸬目臻g結(jié)構(gòu)及其影響因素.

1 研究區(qū)域概況

2020年，新鄉(xiāng)市中心城區(qū)建成區(qū)面積約107 km2，比2010年增長(zhǎng)17.6%，城市人口108萬(wàn)人，比2010年增長(zhǎng)2.6%，市區(qū)人口密度6873 人/km2. 城鎮(zhèn)化率為44.69%，比2010 年增長(zhǎng)6.15%，增均增長(zhǎng)1.23%. 目前，新鄉(xiāng)市區(qū)內(nèi)公交線路共78條，主干公交線路平均每3～5 min發(fā)一次車(chē)，市中心周邊一定距離內(nèi)不到500 m就可以坐上公交車(chē)，完全實(shí)現(xiàn)了“有路就有公交車(chē)”. 新鄉(xiāng)市房地產(chǎn)市場(chǎng)已經(jīng)步入快速發(fā)展期. 其中心城區(qū)內(nèi)土地資本的投入顯著增加，土地開(kāi)發(fā)強(qiáng)度明顯提高，土地供求狀況也發(fā)生了較大變化，城區(qū)內(nèi)兩房改造力度增強(qiáng)，區(qū)域內(nèi)土地空間分布規(guī)律及地價(jià)水平也發(fā)生了較大變化.

2 研究方法及數(shù)據(jù)來(lái)源

2.1 研究方法

空間自相關(guān)分析在地理、經(jīng)濟(jì)及生態(tài)等領(lǐng)域得到了廣泛的應(yīng)用，主要分全局自相關(guān)和局部空間相關(guān)［18］.全局自相關(guān)主要用于分析數(shù)據(jù)在所研究區(qū)域內(nèi)的空間分布特征，而局部空間相關(guān)則主要用于分析每一空間單元與其周邊空間單元的關(guān)聯(lián)程度［19］. 目前的Moran指數(shù)（Moran’sI）應(yīng)用最多. 本文主要采用Moran’sI為度量指標(biāo)，來(lái)測(cè)驗(yàn)新鄉(xiāng)市定級(jí)范圍內(nèi)的商鋪?zhàn)饨鹂臻g分布的集聚性，采用局部自相關(guān)（LIST）來(lái)研究定級(jí)范圍內(nèi)商鋪?zhàn)饨鸬募垲?lèi)型［20］.

Moran’sI計(jì)算公式如下：

式中：n為空間單元數(shù)目；xi為空間單元i的屬性值；為n個(gè)樣點(diǎn)數(shù)據(jù)的平均值；wij為空間權(quán)重系數(shù)矩陣.

Moran’sI取值范圍是［-1，1］. 若I=1，表示樣點(diǎn)數(shù)據(jù)屬性在空間上不相關(guān)，即隨機(jī)分布；若I>0，則表示呈空間正相關(guān)，即呈集聚空間格局，且I值越接近1，正相關(guān)性就越強(qiáng)，反亦然［21］.

LIST計(jì)算公式如下式：

式中：n為空間數(shù)據(jù)數(shù)目；xi為空間單元i的屬性值；為樣點(diǎn)數(shù)據(jù)屬性的平均值；wij為空間權(quán)重系數(shù)矩陣.

當(dāng)LIST>0時(shí)，表明空間單元i與鄰近空間單元樣點(diǎn)數(shù)據(jù)屬性間存在較強(qiáng)的正空間相關(guān)性，即呈現(xiàn)局部的空間集聚性.

Moran’sI和LIST兩者均要采用標(biāo)準(zhǔn)化進(jìn)行顯著性檢驗(yàn)，檢驗(yàn)的Z-Score公式如下：

式中：Z-Score代表待測(cè)樣點(diǎn)的空間自相關(guān)的顯著水平；E(I)代表待測(cè)樣點(diǎn)的數(shù)學(xué)期望；Var(I)代表方差.

當(dāng)Z-Score值為正數(shù)且顯著時(shí)，表明存在空間正相關(guān)關(guān)系，當(dāng)Z-Score的值為負(fù)數(shù)且顯著時(shí)，表明存在空間負(fù)相關(guān).

2.2 數(shù)據(jù)來(lái)源及處理

商鋪?zhàn)饨饠?shù)據(jù)來(lái)源于2018年新鄉(xiāng)市實(shí)際調(diào)查值，價(jià)格時(shí)點(diǎn)為2018年1月1日. 由于不同房源租金之間存在差異，為消除個(gè)別因素影響，使結(jié)果能更好地反映新鄉(xiāng)市商鋪?zhàn)饨鹚?，本文?duì)數(shù)據(jù)處理如下：①一般情況下，按照商鋪店面面積等于臨街深度與臨街寬度兩項(xiàng)之積，然后將不符合條件樣點(diǎn)刪除. 當(dāng)商鋪為兩層或三層時(shí)，其租金比一層商鋪?zhàn)饨鸶撸粫?huì)超過(guò)其2 倍，不符合條件時(shí)也刪除. ②用離群值減弱離群值對(duì)正態(tài)分布影響，使調(diào)查數(shù)據(jù)的直方圖更接近于正態(tài)分布. 本文中所涉及商鋪調(diào)查樣點(diǎn)數(shù)據(jù)、學(xué)校樣點(diǎn)及公交站點(diǎn)，均來(lái)源于2018 年實(shí)際調(diào)查值，人口密度數(shù)據(jù)來(lái)源于國(guó)家基礎(chǔ)地理信息中心2020 年100 m 精度的柵格數(shù)據(jù). 借助ArcGIS 軟件建立空間數(shù)據(jù)庫(kù)，對(duì)定級(jí)區(qū)域內(nèi)的現(xiàn)狀及規(guī)劃道路進(jìn)行處理，獲得商鋪?zhàn)饨鹂臻g結(jié)構(gòu)特征及其影響因素的基礎(chǔ)分析底圖，如圖1所示.

圖1 租金樣點(diǎn)分布圖Fig.1 Rent samples distribution map

3 結(jié)果與分析

3.1 商鋪?zhàn)饨鸬目臻g集聚特征

運(yùn)用ArcGIS進(jìn)行空間自相關(guān)分析、局部自相關(guān)分析及Kriging空間插值分析，計(jì)算商鋪?zhàn)饨鹂臻g分布整體相關(guān)性，探索租金高低值集聚空間與異質(zhì)空間的具體位置.

3.1.1 全局空間自相關(guān)

依據(jù)式（1）計(jì)算得到新鄉(xiāng)市商鋪?zhàn)饨餗oran’sI為0.482，其中P<0.01，Z-score=89.24. 表明新鄉(xiāng)市商鋪?zhàn)饨鹂臻g分布在99%水平下，顯示出較強(qiáng)全局正相關(guān)特征，即租金相似的商鋪在空間上集中分布如圖2，租金受周邊商鋪?zhàn)饨鹚接绊戯@著，租金形成存在依賴(lài)性.

圖2 商鋪?zhàn)饨鹂臻g自相關(guān)模式分析Fig.2 Analysis on autocorrelation model of shop rent space

3.1.2 局部空間自相關(guān)

對(duì)新鄉(xiāng)市定級(jí)區(qū)域內(nèi)商鋪?zhàn)饨瘘c(diǎn)狀數(shù)據(jù)局部自相關(guān)性分析，推算聚集區(qū)（spatial hot spot）具體空間位置.根據(jù)式（2），對(duì)其進(jìn)行局部空間自相關(guān)分析，Z值得分為12.62，在99%水平下形成局部空間自相關(guān)集聚圖（圖3）.

圖3 局部自相關(guān)集聚分布圖Fig.3 Local autocorrelation clustering distribution map

由圖3顯示，商鋪?zhàn)饨鸪尸F(xiàn)4種空間關(guān)聯(lián)結(jié)果：①高-高（HH）模式，即該商鋪?zhàn)饨鹋c周?chē)啼佔(zhàn)饨鹁哂谌可啼佔(zhàn)饨鸬钠骄?，圖3中以深紅色點(diǎn)為代表. ②低-低（LL）模式，該商鋪?zhàn)饨鹋c周?chē)啼佔(zhàn)饨鹁陀谌可啼佔(zhàn)饨鸬钠骄饨?，圖3 中以深綠色點(diǎn)為代表. ③低-高（LH）模式，表示該商鋪?zhàn)饨鸬陀谄骄饨?，而周?chē)啼佔(zhàn)饨饏s高于平均租金，圖3中以淺綠色點(diǎn)為代表顯示. ④高-低（HL）模式，表示該商鋪?zhàn)饨鸶哂谄骄饨穑渲車(chē)啼佔(zhàn)饨饏s低于平均租金，圖3中以橙黃色點(diǎn)為代表. 還有一些其他的點(diǎn)則是沒(méi)有通過(guò)顯著性檢驗(yàn)樣點(diǎn)，具有隨機(jī)性，以淺灰色點(diǎn)為代表. 高-高（HH）和低-低（LL）模式均說(shuō)明了租金在空間分布具有較強(qiáng)的正相關(guān)性，即租金空間集聚分布顯著，而“高-低”和“低-高”模式則存在較強(qiáng)空間負(fù)相關(guān)性，即存在局部異質(zhì)性.

3.1.3 商鋪?zhàn)饨鹂臻g結(jié)構(gòu)

用log函數(shù)對(duì)商鋪?zhàn)饨鹱儞Q，用普通克里金插值對(duì)未知租金區(qū)域進(jìn)行處理［21］，分析知，以采取穩(wěn)定型模型擬合效果最佳，其主要參數(shù)為：塊金值0.15，偏基臺(tái)值0.20，主變程2 602.99. 即在定級(jí)區(qū)域內(nèi)，通過(guò)已知樣點(diǎn)租金來(lái)預(yù)測(cè)未知樣點(diǎn)的租金，得到新鄉(xiāng)市的租金空間結(jié)構(gòu)圖（圖4）.

圖4 商鋪?zhàn)饨鹂臻g分布圖Fig.4 Shop rent space distribution map

新鄉(xiāng)市商鋪?zhàn)饨鹂臻g結(jié)構(gòu)表現(xiàn)為：①整體上，租金梯度呈同心環(huán)分布，租金具有明顯向心性，并由市中心向外圍遞減. ②城市中心西部區(qū)租金高于東部區(qū)，且西部區(qū)租金梯度下降平緩. ③城市中心存在兩個(gè)高值區(qū)，分別位于豐華街與道清路交叉口一帶和新鄉(xiāng)市人民公園周邊. ④租金分布呈放射性延伸，且放射形態(tài)與道路方向也大體一致，如科隆大道和豐華街交叉口的南北向，及道清路與豐華街交叉口南，都存在租金高值的外延.

3.2 商鋪?zhàn)饨鹂臻g分布影響因素分析

依據(jù)主導(dǎo)因素原則以及結(jié)合新鄉(xiāng)市實(shí)際，本文選取了商服中心、交通條件、教育服務(wù)設(shè)施、人口密度4個(gè)影響因素，并分析租金與影響因素之間的關(guān)系.

3.2.1 商服中心

城市商服中心的繁華程度，不僅對(duì)沿街商鋪樓面地價(jià)有顯著提升，其對(duì)租賃價(jià)格同樣適用［22］. 根據(jù)全市中心城區(qū)收集的商服中心資料，其劃分以百貨大樓、寶龍城市廣場(chǎng)等14個(gè)商服中心，分為三個(gè)級(jí)別，其中一級(jí)商服中心1個(gè)，二級(jí)商服中心6個(gè)，三級(jí)商服中心8個(gè). 結(jié)果表明：商服中心分值較高的主要集中在老城區(qū)，且以老城區(qū)為中心逐漸向外擴(kuò)散（圖5）.

圖5 商服中心作用分值圖Fig.5 Commercial service center function score chart

結(jié)合圖4 和圖5 可知，新鄉(xiāng)市商鋪?zhàn)饨鹂臻g分布特征如下：①租金相近的商鋪整體上呈現(xiàn)出較為明顯的集聚類(lèi)型分布格局.②商鋪?zhàn)饨鸱植几窬值目臻g偏向差異性顯著，即空間分異性顯著. 高-高值區(qū)租金水平在4320 元/月，主要分布在西部的紅旗區(qū)政府附近，豐華街道清路一帶；高-低值租金有5070 元/月，在定級(jí)區(qū)域內(nèi)呈零散分布；低-高值租金在860元/月，其與高-高值集聚類(lèi)型交錯(cuò)分布；低-低值租金為540元/月，集中分布在城區(qū)東部，包括牧野大道周?chē)?，紡織路與勝利路交叉口，以和平大道和向陽(yáng)路為分界，在城區(qū)的西北、東南與西南、東北方向上呈現(xiàn)出一定差異性，該交叉口西北與東南租金高值集聚顯著，集聚區(qū)域占總調(diào)查樣本數(shù)據(jù)的31.1%，商鋪?zhàn)饨饦狱c(diǎn)分布呈現(xiàn)出小集聚、大分散特點(diǎn). ③租金價(jià)格的高低主要和區(qū)位因素中的商服中心遠(yuǎn)近關(guān)系密切，且與道路呈正向性分布，同時(shí)也依附公交站點(diǎn)集聚、公共教育用地完善程度. ④高-低值租金商鋪空間集聚特征明顯，低-低集聚類(lèi)型集聚分布，高-高與低-高值租金商鋪空間集聚類(lèi)型摻雜集聚分布，而高-低集聚類(lèi)型則主要呈零星分布.

3.2.2 交通條件

交通工具的便捷性不僅對(duì)沿街住房?jī)r(jià)格有顯著提升，該規(guī)律也同樣體現(xiàn)在沿街商鋪?zhàn)赓U價(jià)格上［22］. 其提升主要表現(xiàn)為：①公交站點(diǎn)密度分布圖有三個(gè)高值區(qū)，呈圈層結(jié)構(gòu)逐層向外擴(kuò)散，位于紅旗區(qū)政府周?chē)咧祬^(qū)覆蓋范圍最大，且以新鄉(xiāng)市人民政府為中心，點(diǎn)位密度分布圖高值區(qū)向心趨勢(shì)較強(qiáng). ②公交站點(diǎn)的圈層分布對(duì)主干道路具有凸起效應(yīng)，其高值區(qū)在主干道路上有延伸，這在解放大道人民路交叉口表現(xiàn)最明顯，在金穗大道東西方向也有延伸（圖6）.

從圖4 和圖6 可知，公交站密度與租金分布趨勢(shì)大致相同，其高值覆蓋面明顯大于租金的高值覆蓋面，且公交站密度高值區(qū)逐步以政府為中心，呈現(xiàn)向心型分布，這與新鄉(xiāng)市發(fā)展方向也相契合，總體上實(shí)現(xiàn)了市中心由老城區(qū)（西）向新市政府（東）的轉(zhuǎn)移，且租金圈層分布情況與公交站點(diǎn)密度吻合度也較高，如在城南莊周?chē)褪薪逃帜?、柳青路北豐華街一帶，公交站點(diǎn)密度高值區(qū)與租金分布高值區(qū)部分重疊；而在飲馬口和市烈士陵園周?chē)徽军c(diǎn)密度高值區(qū)明顯不是租金高值區(qū)，差異原因主要是老城區(qū)現(xiàn)狀道路不規(guī)整，道路通行較困難，使老城區(qū)租金較低；同時(shí)，規(guī)整道路網(wǎng)、便捷的交通是形成租金高值的前提，因此在新鄉(xiāng)市人民政府周?chē)霈F(xiàn)了公交站點(diǎn)密度高值區(qū). 總體上，交通條件優(yōu)劣能夠在一定程度上反映租金水平的高低.

圖6 公交點(diǎn)密度分布圖Fig.6 Bus point density distribution map

3.2.3 教育服務(wù)設(shè)施

本研究通過(guò)對(duì)中學(xué)、小學(xué)、幼兒園等共同組成的教育用地服務(wù)設(shè)施的分布情況，來(lái)分析商鋪?zhàn)赓U需求.由圖7可知新鄉(xiāng)市教育用地情況：整體上，教育用地密度呈同心圓分布，總體從市中心向周邊遞減. 東部區(qū)密度低于西部區(qū)，且東部區(qū)密度梯度下降也快. 教育設(shè)施有2個(gè)高值區(qū)：①市政府東側(cè)的太行大道東、新飛大道西、科隆大道北、前進(jìn)路南的區(qū)域. ②京廣花園附近，教育用地密度高值區(qū)向東北延長(zhǎng).

由圖4 和圖7 可知，學(xué)校與租金都是呈現(xiàn)圈層分布且逐層向外擴(kuò)散，偏高值區(qū)域大致相當(dāng). 從圖3知，教育中學(xué)校點(diǎn)密度偏高值區(qū)沿和平大道向南北延伸，而租金偏高值區(qū)也在和平大道向南北延伸. 二者延伸程度是有差異的：①學(xué)校等設(shè)施高值區(qū)與租金高值區(qū)不完成重疊，學(xué)校點(diǎn)密度在勝利路、金穗大道、西華大道、人民路所圍成區(qū)域?yàn)楦咧祬^(qū)，但租金在上述范圍并不屬于高值區(qū)域，而是偏高值區(qū). ②學(xué)校點(diǎn)密度低值區(qū)在分布范圍較廣，這與租金低值區(qū)分布趨勢(shì)不同. 綜上，偏高值區(qū)教育用地分布情況與商鋪?zhàn)饨鸱植记闆r大致相同，而在高值區(qū)和低值區(qū)存在差異，這說(shuō)明了教育用地的分布能為租金的分布規(guī)律提供參考.

圖7 教育設(shè)施點(diǎn)密度分布圖Fig.7 Educational facilities point density distribution map

3.2.4 人口密度

借助國(guó)家基礎(chǔ)地理信息中心2020 年100 m 精度的柵格數(shù)據(jù)，分析人口密度情況（圖8）. 新鄉(xiāng)市人口密集區(qū)主要分布于新鄉(xiāng)火車(chē)站附近、河南師范大學(xué)周邊區(qū)域、新鄉(xiāng)醫(yī)學(xué)院周邊區(qū)域，人口一般區(qū)主要分布于新鄉(xiāng)市中心城區(qū)的建成區(qū)，人口松散區(qū)主要分布于郊區(qū). 原因如下：①新鄉(xiāng)火車(chē)站附近，主要是因?yàn)榻煌l件較好，人口較密集；②河南師范大學(xué)和新鄉(xiāng)醫(yī)學(xué)院人口集聚，是因?yàn)閰^(qū)域內(nèi)學(xué)生數(shù)量多，導(dǎo)致本區(qū)域內(nèi)人口密集.

由圖4 和圖8 可知，人口密度新鄉(xiāng)火車(chē)站附近集中，這與租金高值區(qū)域相符，人口密度在河南師范大學(xué)和新鄉(xiāng)醫(yī)學(xué)院附近集聚，但這個(gè)高值區(qū)并不與租金的高值區(qū)相匹配，反而此處屬于租金低值區(qū)，這是因?yàn)楸静糠謪^(qū)域人口多主要是因?yàn)閷W(xué)生數(shù)量多. 在高值區(qū)，租金的圈層遞減結(jié)構(gòu)與人口密度的減小趨勢(shì)類(lèi)似，說(shuō)明市中心大量人口集聚對(duì)鄰近商鋪高租金提供了強(qiáng)大支撐，而在人口低值區(qū)，由于所處區(qū)位、公共服務(wù)設(shè)施以及交通條件等外部條件不同，導(dǎo)致商鋪?zhàn)饨鹋c人口密度分布不匹配.

圖8 人口密度分布情況Fig.8 Population density distribution map

4 結(jié)論與討論

4.1 結(jié)論

1）租金水平在市中心周?chē)尸F(xiàn)高-高集聚分布，在東部及定級(jí)邊界附近的區(qū)域呈現(xiàn)出低-低集聚分布.

2）采用克里金（Kriging）插值方法分析新鄉(xiāng)市區(qū)商鋪?zhàn)饨鹂臻g分布是與實(shí)際分布呈高度一致性. 即商鋪?zhàn)饨鹂傮w呈環(huán)形由市中心向外圍逐層遞減，在市中心周?chē)臀髂戏较虼嬖诟咧诞惓^(qū)以及郊區(qū)存在低值異常區(qū).

3）新鄉(xiāng)市商鋪?zhàn)饨鸬目臻g結(jié)構(gòu)受商服中心、交通條件、公共服務(wù)設(shè)施、人口密度等影響. 其影響情況各不相同.

4）商鋪?zhàn)饨鹂臻g分布與公交點(diǎn)密度分布圖相似，交通便捷性對(duì)租金空間結(jié)構(gòu)影響較大；教育設(shè)施、人口密度則主要影響局部區(qū)域的租金水平.

4.2 討論

商鋪?zhàn)饨鹗芏嘁蛩氐挠绊?，其空間結(jié)構(gòu)機(jī)制形成復(fù)雜. 本研究所涉及的商鋪?zhàn)饨鹩绊懸蛩刂饕谝韵录僭O(shè)：①所研究因素影響了租賃商鋪的供給與需求，從而影響商鋪?zhàn)饨鸬木?，如交通條件. ②影響人們對(duì)租金的支付意愿，完善的公共服務(wù)設(shè)施能給人們帶來(lái)很大的居住便捷性，人的流量大，使得購(gòu)買(mǎi)能力加強(qiáng)，促進(jìn)消費(fèi)，從而人們?cè)敢鉃樯啼佒Ц陡哳~的租金. 而在郊區(qū)，公共服務(wù)設(shè)施配套不足，租賃的價(jià)值自然也會(huì)降低.本文僅通過(guò)以上假設(shè)，在宏觀程度分析了區(qū)位商服中心、交通條件、人口密度以及教育服務(wù)設(shè)施等因素對(duì)商鋪?zhàn)饨鹩绊?，但商鋪?zhàn)陨淼难b修狀況、臨街狀況以及樓層的高低等微觀因素，也會(huì)在一定方面影響租金，這是本研究尚未深入探討的地方；本文對(duì)商鋪?zhàn)饨鹗芨饕蛩赜绊懗潭鹊拇笮?，以及區(qū)位中商服中心影響分析也沒(méi)有進(jìn)行深入研究.