連志遠(yuǎn) 喬慶華 董小剛

(1.江西理工大學(xué)土木與測繪工程學(xué)院 江西贛州 341000；2.中國測繪科學(xué)研究院 北京 100039；3.中國能源建設(shè)集團(tuán)甘肅省電力設(shè)計(jì)院有限公司 甘肅蘭州 730000)

1 引言

隨著城市化的發(fā)展，房價(jià)不斷攀升，城市住宅價(jià)格隨之成為政府、開發(fā)商和居民關(guān)注的焦點(diǎn)。房價(jià)的增長差異加劇了經(jīng)濟(jì)的不平穩(wěn)發(fā)展，進(jìn)而影響區(qū)域人地系統(tǒng)調(diào)控策略的制定與實(shí)施[1]。因此，多視角探索城市住宅價(jià)格的空間分布格局及影響機(jī)制，能夠?yàn)槌鞘薪】蛋l(fā)展提供依據(jù)。

目前，關(guān)于房價(jià)的研究主要有以下幾個(gè)方面：一是利用空間計(jì)量經(jīng)濟(jì)學(xué)手段分析區(qū)位宏觀因素的影響機(jī)制，為房價(jià)市場區(qū)域統(tǒng)籌發(fā)展獻(xiàn)計(jì)獻(xiàn)策[2－3]。二是隨著計(jì)算機(jī)和GIS 技術(shù)不斷成熟，基于GIS 技術(shù)探索房價(jià)時(shí)空分布規(guī)律及預(yù)測房價(jià)成為研究熱點(diǎn)[4]，但是少有利用時(shí)序變化及不同距離閾值的空間自相關(guān)指數(shù)分析房價(jià)空間格局。三是運(yùn)用結(jié)構(gòu)方程模型（SEM）、特征價(jià)格模型、地理加權(quán)回歸模型等對房價(jià)影響因素定量論證分析[5]?，F(xiàn)有多種文獻(xiàn)的討論，如北京市、贛州市章貢區(qū)、縣級單位等尺度的住宅小區(qū)，通過區(qū)位環(huán)境、住宅特征、鄰里特征等等周邊配套設(shè)施論證房價(jià)的影響機(jī)制以及分異情況[6-9]。關(guān)于模型的選擇，國內(nèi)外學(xué)者比較多地論證了地理加權(quán)回歸模型在空間關(guān)系建模中的強(qiáng)大優(yōu)勢[10－11]，相比較經(jīng)典回歸模型，提高了地理空間分析的合理性。

現(xiàn)有的房價(jià)空間分析方法中多使用直線距離，與居民出行的實(shí)際情況存在差異，因此，本文基于城市路網(wǎng)測度住宅小區(qū)樣本點(diǎn)之間的距離，深度挖掘了空間自相關(guān)分析技術(shù)在房價(jià)空間格局中的應(yīng)用，且使用住宅小區(qū)與基礎(chǔ)服務(wù)設(shè)施點(diǎn)的路網(wǎng)距離定義住宅環(huán)境變量并分析了房價(jià)影響因素的作用機(jī)制，為城市健康發(fā)展提供參考建議。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)域與數(shù)據(jù)來源

本文以武漢市主城區(qū)作為房價(jià)研究區(qū)域，主要包括江岸區(qū)、江漢區(qū)、硚口區(qū)等。利用網(wǎng)絡(luò)爬蟲軟件從安居客等房產(chǎn)交易網(wǎng)站獲取住宅小區(qū)基本信息數(shù)據(jù)，主要從互聯(lián)網(wǎng)地圖接口爬取小學(xué)、大學(xué)、城市公園、綜合醫(yī)院、商業(yè)中心、地鐵站點(diǎn)等POI 樣本數(shù)據(jù)，通過數(shù)字化處理，結(jié)合城市道路網(wǎng)絡(luò)分析，構(gòu)建了融合住宅小區(qū)屬性信息的地理信息數(shù)據(jù)庫。

2.2 研究方法

2.2.1 空間自相關(guān)分析

（1）全局空間自相關(guān)。

全局空間自相關(guān)，是從研究區(qū)域整體分析鄰近位置同一屬性空間相關(guān)性的指標(biāo)。使用Ig表示，其表達(dá)式為式(1)：

該值為正值表示相似屬性值的要素空間位置相鄰近，負(fù)值表示不相似的屬性值的要素空間位置鄰近。

2.2.2 地理加權(quán)回歸(GWR)模型

GWR 技術(shù)是在OLS 方法基礎(chǔ)上融合地理學(xué)第一定律的局部空間統(tǒng)計(jì)方法，計(jì)算關(guān)于位置的回歸系數(shù)，有效量化空間關(guān)系的非平穩(wěn)特征[12]。GWR 模型基礎(chǔ)表達(dá)式(3)：

3 主城區(qū)房價(jià)時(shí)空分異特征

3.1 房價(jià)空間分布特征

主城區(qū)在不同空間距離閾值范圍的房價(jià)市場都呈空間正相關(guān)集聚。如表1，從不同的距離閾值的房價(jià)全局莫蘭指數(shù)可以看出，不同的距離閾值包含不同數(shù)量的鄰近關(guān)系，在不同的鄰近空間中對目標(biāo)住宅價(jià)格的影響不同，形成不同的正相關(guān)集聚程度。

表1 2019 年主城區(qū)不同距離閾值房價(jià)全局莫蘭指數(shù)

利用ArcGIS 趨勢分析工具和LISA 集聚圖研究主城區(qū)房價(jià)屬性值的高度，直觀反映了房價(jià)的地理空間分布趨勢。如圖1，高房價(jià)集聚區(qū)主要分布在江岸區(qū)、江漢區(qū)、硚口區(qū)、武昌區(qū)，并且較集中分布在主城區(qū)中心地區(qū)，而低房價(jià)集聚區(qū)分散分布在主城區(qū)的四周。如圖2，通過多項(xiàng)式曲線模擬垂直于地圖平面的兩個(gè)方向上的每個(gè)投影反映了主城區(qū)房價(jià)在南北方向和東西方向上呈倒U 形分布，中部地區(qū)房價(jià)最高，由中部地區(qū)向四周區(qū)域呈遞減趨勢。

圖1 房價(jià)LISA 集聚圖

圖2 房價(jià)趨勢圖

總體上，房價(jià)在空間上表現(xiàn)出顯著的差異性和正相關(guān)集聚性，實(shí)證了房價(jià)的區(qū)位差異特征，因此，有必要進(jìn)一步探究房價(jià)的作用機(jī)制，并為推動房價(jià)市場全面發(fā)展提供參考意見。

3.2 房價(jià)時(shí)序特征分析

主城區(qū)房價(jià)時(shí)序數(shù)據(jù)的空間自相關(guān)特征反映了集聚性的時(shí)序特征。對比四個(gè)年份的值，如表2，2016 年12 月份到2017 年12 月份增加 幅度最大，增速最快，反映了2017 年度房地產(chǎn)行業(yè)迅猛發(fā)展，區(qū)位地價(jià)在房價(jià)市場中影響程度更大，局部區(qū)域經(jīng)濟(jì)和配套設(shè)施建設(shè)發(fā)展變化明顯，高房價(jià)地區(qū)和低房價(jià)地區(qū)差異更加顯著。2017 年12 月到2019 年12 月Ig值逐漸平穩(wěn)，反映了近年來社會經(jīng)濟(jì)的平穩(wěn)發(fā)展，各地區(qū)房地產(chǎn)市場趨于全面發(fā)展。

表2 武漢市主城區(qū)2016-2019 年份房價(jià)全局莫蘭指數(shù)

4 主城區(qū)房價(jià)影響因素空間分異與作用機(jī)制

4.1 變量選取

基于問卷調(diào)查、文獻(xiàn)查閱等方法從住宅特征、鄰里條件方面選取了9 個(gè)變量，并利用GIS網(wǎng)絡(luò)分析方法基于主城區(qū)道路網(wǎng)絡(luò)數(shù)據(jù)量化了住宅小區(qū)最鄰近分布的公園、商業(yè)中心、地鐵站點(diǎn)、小學(xué)、綜合醫(yī)院、大學(xué)等POI 樣本的距離。如表3 所示。

表3 房價(jià)影響變量選取

4.2 OLS 模型和GWR 模型估計(jì)結(jié)果比較

基于主城區(qū)房價(jià)分析的地理信息數(shù)據(jù)庫構(gòu)建了OLS 模型和GWR 模型。結(jié)果指標(biāo)如表4，GWR 模型解釋力顯著提高，AICC值降低了307.51，實(shí)證了局部空間統(tǒng)計(jì)模型在房價(jià)空間分析中的優(yōu)越性，較精準(zhǔn)地量化了各變量對房價(jià)影響的局部差異性。

表4 OLS 和GWR 模型結(jié)果指標(biāo)

基于局部338 個(gè)樣本點(diǎn)的GWR 模型系數(shù)結(jié)果表明，如表5，住宅特征變量對住宅價(jià)格的影響程度較大，但是離散程度也較大。總體上綠化比率越大，建造時(shí)間越小，停車位數(shù)越多，房價(jià)越高。鄰里條件變量與房價(jià)呈負(fù)相關(guān)，越鄰近，房價(jià)越高。系數(shù)平均值表明，各變量與房價(jià)的作用關(guān)系與OLS 模型得出的結(jié)論基本一致。根據(jù)其他指標(biāo)，可以更準(zhǔn)確地反映變量在局部地區(qū)作用程度的變化。

表5 基于GWR 模型變量系數(shù)描述

5 結(jié)束語

分析結(jié)果：武漢市主城區(qū)2016-2019 年房價(jià)均呈空間集聚型分布，且程度逐年增強(qiáng)，但增速趨于平緩；房價(jià)在東西和南北方向均呈倒置的U 型分布，高房價(jià)集聚在主城區(qū)中部，低房價(jià)集聚區(qū)相對分散；地理加權(quán)回歸模型的解釋力(R2=0.51)顯著高于傳統(tǒng)的普通最小二乘法模型(R2=0.23)；住宅特征對房價(jià)的影響程度最大，總體上越鄰近商業(yè)中心、公園、地鐵站點(diǎn)、綜合醫(yī)院、大學(xué)、小學(xué)，房價(jià)越高，但是區(qū)位差異顯著。

（1）武漢市房價(jià)存在區(qū)位差異特征，高房價(jià)集聚在主城區(qū)中部區(qū)域，低房價(jià)集聚區(qū)分散在主城區(qū)外側(cè)。2016-2019 年武漢市主城區(qū)房價(jià)市場空間正相關(guān)集聚程度不斷增大，但增速逐漸平緩，區(qū)域的不均衡發(fā)展?fàn)顩r得到改善。

（2）住宅特征是住宅小區(qū)最基本的屬性，對房價(jià)的提升作用最顯著，可以考慮加強(qiáng)住宅小區(qū)的基本建設(shè)，推動房價(jià)的全面平穩(wěn)發(fā)展。鄰近學(xué)校、公園、醫(yī)院、商業(yè)中心、地鐵站點(diǎn)等也可以推動房價(jià)上升，因此，有必要考慮進(jìn)一步完善房價(jià)較低區(qū)域的基礎(chǔ)服務(wù)設(shè)施建設(shè)。

（3）各區(qū)域影響因素作用關(guān)系以及作用強(qiáng)度都存在差異，因此，向有關(guān)部門提議可以結(jié)合局部地區(qū)的實(shí)際情況，通過有意識的政策支持推動市場經(jīng)濟(jì)建設(shè)全面發(fā)展。