王潤澤，王申林，石 鑫，尹 瀟，周 鵬

武漢工程大學(xué) 土木工程與建筑學(xué)院，湖北 武漢 430074

0 引 言

城市房價的空間格局是城市經(jīng)濟學(xué)、地理學(xué)和社會學(xué)研究的熱點問題。近幾年房價波動較為劇烈，房價是政府部門、城市居民重點關(guān)注的對象，房價與城市發(fā)展、社會公平和居住滿意度顯著相關(guān)[1]。

國內(nèi)外對于城市住宅價格的研究已經(jīng)有著豐富的成果，主要集中于從宏觀和微觀兩個視角來探究房價時空分異的影響因素、波動變化等。宏觀視角主要從區(qū)位理論、特征價格理論、供需理論等層面，基于區(qū)位優(yōu)勢、環(huán)境優(yōu)勢、建筑特征、市場特征等因素對城市房價的空間分布格局的影響進行刻畫。不同研究對房價影響因素及其驅(qū)動機制的側(cè)重有明顯的區(qū)別[2-5]；微觀角度注重房價格局的空間分析方法和空間回歸模型，通過不同方法和模型的選擇來分析住宅價格的波動變化。如利用全局與局部空間自相關(guān)分析、核密度估計分析、空間插值分析等，結(jié)合統(tǒng)計分析與空間分析的優(yōu)勢，準確捕捉房價的空間梯度變化，并可將其空間可視化[6-8]；基于hedonic 和GWR 等不同模型來分析城市房價變化，并對比分析不同模型的差異性[9-13]。然而，目前對城市內(nèi)部房價的時空分異研究相對較少，許多研究僅停留在時空分異特征的表象分析，缺乏深入的、抽象的、總結(jié)性的空間模式研究[14-18]。

本文基于重心、方向性橢圓、kirging 空間探索性分析捕捉武漢市主城區(qū)房價的時空分異特征，基于地理加權(quán)回歸模型（GWR）挖掘房價時空變化的驅(qū)動力及其驅(qū)動機制研究，基于時空分異與演變模式識別進行時空變化模式與影響因素的耦合關(guān)系分析。

1 研究區(qū)與研究方法

1.1 研究區(qū)與數(shù)據(jù)來源

選擇武漢市主城區(qū)為研究區(qū)域，包括江漢、硚口、江岸、武昌、洪山、青山、漢陽7 個行政區(qū)。選擇居住小區(qū)為基本研究單元，通過網(wǎng)絡(luò)爬蟲技術(shù)，選擇房天下、安居客兩個典型房地產(chǎn)銷售網(wǎng)站，采集2012-2018 年房價大數(shù)據(jù)，以居住小區(qū)售房均價為基礎(chǔ)構(gòu)建房價樣本矢量庫。同時，通過地圖信息大數(shù)據(jù)采集工具構(gòu)建城市地理信息時空大數(shù)據(jù)庫，包括道路交通優(yōu)勢、景觀優(yōu)勢、公園優(yōu)勢、義務(wù)教育優(yōu)勢、城市中心優(yōu)勢要素信息?；A(chǔ)數(shù)據(jù)來源與指標測算見表1。

表1 基礎(chǔ)變量解釋與測算表Tab.1 Explanations and measures of the underlying variables

1.2 研究方法

1.2.1 重心及方向性橢圓分析

重心坐標公式如下：

式中，xT、yT為時間T下的研究區(qū)樣本點的中心坐標；xi、yi為第i個樣本點的空間坐標；PTi為第i個樣本點的房價。

方向性橢圓是利用ArcGIS 軟件的方向分布（標準差橢圓）工具來創(chuàng)建標準差橢圓，以此來評估房價樣本的中心趨勢、離散和方向趨勢，如圖1 所示。

圖1 2012-2018 年房價樣本圖Fig.1 2012-2018 residential price sample maps

1.2.2 Kriging空間插值

本文運用克里格插值分析房價的空間分異，且利用了半變異函數(shù)進行空間插值。雖然傳統(tǒng)的線性函數(shù)插值方法通常利用方差、均值等來表達房價的空間差異，但是半變異函數(shù)則能夠完整地表達房價的空間變化趨勢和空間差異程度。克里格是一種最佳線性無偏估計方法，公式如下：

式中，Z*(x0)為點x0處的模擬數(shù)據(jù)；Z(xi)為測量數(shù)據(jù)；Y(x0)為與距離有關(guān)的權(quán)重系數(shù)；n為測量的數(shù)據(jù)點。

1.2.3 GWR回歸模型

地理加權(quán)回歸模型（GWR）充分考慮了數(shù)據(jù)的空間自相關(guān)和樣本的平穩(wěn)性假設(shè)，同時允許數(shù)據(jù)的局部參數(shù)估計參與地理加權(quán)回歸模型的運算。GWR 變量的參數(shù)估計是隨著樣本空間坐標的變化而不同。GWR 模型表達式如下：

式中，(ui,vi)為第i個樣本的位置坐標（經(jīng)緯度）；βk為第i個采樣點上的第k個回歸參數(shù)，是隨著空間位置的變化而發(fā)生變化的。

2 結(jié)果與分析

2.1 武漢市房價時空分異特征

2.1.1 基于重心與方向橢圓的房價時空特征分析

如圖2 所示，2012 年武漢市主城區(qū)房價重心靠近長江南岸，2014、2016、2018 年房價重心則全部位于長江北岸，4 個時期的城市房價重心呈現(xiàn)出由東南向西北方向偏移的現(xiàn)象。而由武漢市主城區(qū)房價方向性橢圓分析可知，4 個時期的城市房價橢圓長軸短軸分布趨勢相同，長軸垂江而短軸沿江分布。長軸距離長短比較結(jié)果為：2012 年＞2018 年＞2016 年＞2014 年，表 明2012-2014 年橢圓方向顯著性降低而2014-2018 年橢圓方向顯著性迅速提升。2012-2014 年橢圓向西北方向移動，且長軸迅速縮短，表明高房價區(qū)向城市中心內(nèi)部集聚，且南北向房價增長較快；2014-2016 年、2016-2018年橢圓向西南方向沿江移動，且長軸向東南方向迅速擴長，表明這兩個時期城市房價方向性越來越顯著，高值房價向城市外圍擴張，沿城市東南方向房價擴張增長明顯?？傮w來講，房價變化階段主要可分2012-2014 年和2014-2018 年兩個時期，高值分區(qū)格局先向城市內(nèi)部收縮然后又向城市外部擴張，高值房價空間格局擴張方向則先沿江向北增長后又向東南方向增長。

圖2 2012-2018 年房價重心和橢圓分析圖Fig.2 2012-2018 residential price center of gravity and elliptical analysis

2.1.2 基于Kriging的房價時空特征分析

1）2012 年，武漢主城區(qū)房價呈現(xiàn)簇團模式。高房價區(qū)主要分布在城市一環(huán)線附近，呈局部集聚而全局離散分布。2012 年高于12000 元/m2的房價的高值區(qū)域主要分布在沿江二七武漢天地片區(qū)、徐東、中南、首義、光谷、環(huán)沙湖片區(qū)，六大高房價集聚中心的高值區(qū)域影響范圍較小，房價向外梯度下降速度較快。

2）2014年，武漢主城區(qū)房價呈現(xiàn)“圈層+簇團”模式。2012-2014 年，武漢市主城區(qū)房價的發(fā)展重心主要集中在沿江兩岸的城市一環(huán)線，房價格局變化主要體現(xiàn)在簇團規(guī)模的擴大與遞減圈層的出現(xiàn)，即房價高值“簇團”面積擴張明顯，且向外呈圈層擴散。從城市一環(huán)線至三環(huán)線，房價總體水平呈圈層形態(tài)梯度下降；二環(huán)線內(nèi)圈層稀疏，房價下降速度較慢；二環(huán)線至三環(huán)線的圈層密集，房價下降速度較快。

3）2016 年，武漢市主城區(qū)呈多中心格局和“圈層+簇團+扇形”混合模式。2014-2016 年，武漢市主城區(qū)房價發(fā)展中心明顯向武昌方向偏移，環(huán)沙湖、環(huán)東湖區(qū)域與光谷廣場房價增長顯著。城區(qū)三環(huán)線內(nèi)房價整體都高于12000 元/m2，二環(huán)線大部分地區(qū)都已經(jīng)超過14000 元/m2。這一階段武漢主城區(qū)房價整體上揚，而東湖與沙湖周邊區(qū)域受城市自然水體、楚河漢街文化區(qū)的影響，房價迅速提升；光谷廣場也是城市優(yōu)先發(fā)展的副中心，房價增長顯著，同時帶動周邊區(qū)域的房價增長。武漢市主城區(qū)形成局部“圈層+簇團+扇形”的空間形態(tài)。

4）2018 年，武漢市主城區(qū)呈多中心格局和“圈層+簇團+扇形”混合模式。2016-2018 年，主城區(qū)高值房價呈現(xiàn)向心作用，高檔住宅區(qū)集聚簇團規(guī)模繼續(xù)擴大，向外遞減圈層疏密度差異性較大；主城區(qū)房價由一環(huán)線中心向外圍遞減，南北向遞減速度較快而東西向遞減速度較慢，扇形形態(tài)越來越明顯。長江北部高檔居住區(qū)主要沿長江南北向擴張，而長江南部高檔居住區(qū)范圍則是垂江向東擴張。

2.2 武漢市房價時空分異驅(qū)動機制

2.2.1 2012-2018年多時點GWR回歸結(jié)果分析

圖3 2012-2018 年房價Kriging 空間趨勢圖Fig.3 2012-2018 residential price Kriging space trend charts

大量研究基于線性回歸模型進行各解釋變量之間的多重共線性檢驗，利用線性規(guī)模計算方差膨脹因子（VIF），評估變量之間的相關(guān)程度，VIF 越小表明各解釋變量之間的相關(guān)性越低，VIF＜0.5，則表明通過則表明多重共線性檢驗。本文研究的城市中心優(yōu)勢、公園優(yōu)勢、道路交通優(yōu)勢、山水景觀優(yōu)勢、義務(wù)教育優(yōu)勢5 個解釋變量的VIF 值均小于0.5，說明它們之間不存在多重共線性，回歸模型解釋變量體系構(gòu)建合理科學(xué)。同時，針對GWR 地理加權(quán)回歸模型的模擬精度評價，模型的殘差平方和（R2）、矯正R2（R2-adj）越大，帶寬（AICc）越小，則說明GWR 回歸結(jié)果精度越高。模型回歸結(jié)果R2、R2-adj 均大與0.65，其中2014、2016 和2018 年住宅價格GWR 回歸結(jié)果R2、R2-adj 均高于0.7，說明模型結(jié)果合理（表2）。

表2 不同年份GWR 回歸分析結(jié)果比較Tab.2 Comparison of GWR regression analysis results by year

2.2.2 城市中心優(yōu)勢回歸系數(shù)時空分析

城市中心優(yōu)勢對房價的影響呈負向效應(yīng)。2012-2018 年，大型自然開敞空間附近的城市中心區(qū)位優(yōu)勢效應(yīng)對房價的影響力逐漸降低，而城市中心區(qū)位優(yōu)勢的顯著影響也僅表現(xiàn)在城市中心鄰近范圍與主城區(qū)外圍，如圖4 所示。漢口地區(qū)南部與漢陽地區(qū)城市中心優(yōu)勢的空間回歸系數(shù)一直停留在-0.3 以下，表明受到城市中心優(yōu)勢的負向影響顯著。中北-中南-首義片區(qū)與青山區(qū)的城市中心優(yōu)勢的空間回歸系數(shù)從2012-2018 年下降程度明顯，在2016 年、2018 年尤為顯著，表明近期中南路以南地區(qū)的城市中心負效應(yīng)影響顯著。長江北部江漢路—二七路片區(qū)、環(huán)沙湖-東湖片區(qū)與光谷廣場片區(qū)的城市中心區(qū)位優(yōu)勢的空間回歸系數(shù)逐漸增大，也是城市內(nèi)部房價最高的集聚區(qū)，表明城市發(fā)達地區(qū)的逐漸成熟將會降低城市中心區(qū)位優(yōu)勢的顯著性。

圖4 基于GWR 的2012-2018 年中心優(yōu)勢回歸系數(shù)分布圖Fig.4 Distribution of regression coefficients of central dominance based on GWR in 2012-2018

2.2.3 公園優(yōu)勢回歸系數(shù)時空分析

公園對房價的影響呈負向效應(yīng)。2012-2018 年，公園的空間回歸系數(shù)發(fā)生明顯的變化，如圖5 所示。江漢路、中南湖和光谷廣場商業(yè)中心附近的高檔居住區(qū)的公園的空間回歸系數(shù)的絕對值逐漸增大，且范圍逐步向漢口西部擴張，表明在商業(yè)中心和城市中心附近區(qū)域，以及無大型開敞空間的區(qū)域，公園對房價的影響力非常顯著。隨著城市發(fā)達地區(qū)的逐漸成熟，公園對房價的外部作用非常明顯，表明在高檔住宅區(qū)公園對房價的解釋作用較強。城市外圍公園的空間回歸系數(shù)逐漸增大為正值，表明公園對城市外圍地區(qū)房價的外部作用不顯著。城市外圍地區(qū)居住密度較小，居民對公園的需求遠小于城市發(fā)達地區(qū)的高密度居住區(qū)，因此公園對城市外圍地區(qū)居民的吸引力不明顯，無法顯著提升房價。

Simulation of real-time video image stream real-time detection lane

圖5 基于GWR 的2012-2018 年公園優(yōu)勢回歸系數(shù)分布圖Fig.5 Distribution of regression coefficients of park dominance based on GWR in 2012-2018

2.2.4 交通優(yōu)勢回歸系數(shù)時空分析

交通優(yōu)勢對房價的影響呈正向效應(yīng)。2012-2018年，主城區(qū)交通優(yōu)勢的回歸系數(shù)整體下降，如圖6 所示，表明隨著主城區(qū)的房價整體水平和交通網(wǎng)絡(luò)全局密度提升，交通優(yōu)勢對主城區(qū)內(nèi)部的房價影響力整體下降，但是交通優(yōu)勢對不同區(qū)位房價的影響力的空間差異仍然顯著。城市一環(huán)線內(nèi)最發(fā)達地區(qū)的回歸系數(shù)逐漸降低為負值，交通優(yōu)勢因素在一環(huán)線內(nèi)對房價的影響力越來越弱。城市二環(huán)線以外，交通優(yōu)勢的空間回歸系數(shù)為正值，二環(huán)線以外光谷廣場、紅鋼城、百步亭、王家灣地區(qū)交通優(yōu)勢回歸系數(shù)明顯增高，同一時點，主城區(qū)北部與東部交通網(wǎng)絡(luò)核密度較低，但道路交通優(yōu)勢回歸系數(shù)最高，表明交通優(yōu)勢對交通通達度較低區(qū)域房價的影響力最強?？傮w來看，城市最發(fā)達內(nèi)環(huán)圈層房價與交通優(yōu)勢的關(guān)系顯著減弱，而城市較發(fā)達圈層（二環(huán)—三環(huán)）房價受到交通網(wǎng)絡(luò)密度的正向影響越來越顯著，交通網(wǎng)絡(luò)密度較低的區(qū)域的房價受交通網(wǎng)絡(luò)密度的正向影響尤為顯著。

圖6 基于GWR 的2012-2018 年交通優(yōu)勢回歸系數(shù)分布圖Fig.6 Distribution of regression coefficients of transportation dominance based on GWR in 2012-2018

2.2.5 景觀優(yōu)勢回歸系數(shù)時空分析

景觀優(yōu)勢對房價的影響呈負向效應(yīng)。2012-2018年，景觀優(yōu)勢的空間回歸系數(shù)整體水平逐年降低，如圖7 所示，表明景觀對房價影響的顯著性逐年提升。長江北部大型水體景觀資源較少，而長江南部的大型水體景觀資源豐富，長江北部沿岸及南部武昌地區(qū)房價受到景觀的作用力越來越顯著。2014-2018 年，光谷地區(qū)的回歸系數(shù)仍為負值，表明沙湖、東湖、南湖對房價提升的影響力顯著，且沙湖和東湖對其環(huán)湖住宅升值作用要優(yōu)于南湖。2012-2014 年，鄰近長江南岸、東湖及沙湖區(qū)域的景觀優(yōu)勢回歸系數(shù)絕對值逐漸增加，2014-2018 年，長江北部沿岸、東湖和沙湖北部沿湖的景觀優(yōu)勢回歸系數(shù)絕對值增加幅度最大。回歸系數(shù)的時空變化表明不同時期景觀資源的作用力處于變化狀態(tài)，2012-2014 年沙湖、東湖與南湖的景觀優(yōu)勢對房價提升的影響力最顯著，2014-2018 年沙湖、東湖和長江北部的景觀優(yōu)勢對房價提升的影響力最顯著。

圖7 基于GWR 的2012-2018 年景觀優(yōu)勢回歸系數(shù)分布圖Fig.7 Distribution of regression coefficients of landscape dominance based on GWR in 2012-2018

2.2.6 義務(wù)教育優(yōu)勢回歸系數(shù)時空分析

義務(wù)教育優(yōu)勢對房價的影響呈負向效應(yīng)。2012-2018 年，義務(wù)教育優(yōu)勢的閾值區(qū)間變化較大，區(qū)間間隔增大明顯，不同區(qū)位的回歸系數(shù)變化程度明顯，如圖8 所示，表明義務(wù)教育優(yōu)勢影響力的空間差異性顯著增強,這是由于商品住宅不僅能滿足居住功能，還能決定義務(wù)教育的入學(xué)優(yōu)先條件。這是由中國義務(wù)教育中的學(xué)區(qū)就近劃區(qū)原則的特殊供給方式?jīng)Q定。中國小學(xué)入學(xué)條件要求必須具備鄰近學(xué)區(qū)住宅的戶口與房屋所有權(quán)，且城市的中小學(xué)教育資源分布具有區(qū)位性和可達性差異，這些差異與入學(xué)原則導(dǎo)致中國城市家長對中小學(xué)義務(wù)教育資源可達性的需求與競爭，從而進一步提高住房教育資源溢價。同時，義務(wù)教育資源的可達性，也能夠從側(cè)面決定學(xué)生求學(xué)的便利性與安全性。一環(huán)線以內(nèi)的義務(wù)教育優(yōu)勢回歸系數(shù)波動明顯，2012-2018 年系數(shù)增加且在2016-2018 年增長顯著，城市核心區(qū)的教育資源配套逐漸完善，義務(wù)教育優(yōu)勢的吸引力逐漸降低，對房價提升的影響力逐漸減弱。隨著商業(yè)中心的發(fā)達程度的提升，其周邊義務(wù)教育優(yōu)勢對房價的作用力明顯減弱。在二環(huán)線以外，主城的外圍地區(qū)，義務(wù)教育優(yōu)勢的空間回歸系數(shù)逐漸降低，且漢口、漢陽地區(qū)的下降程度要高于武昌地區(qū)，漢口地區(qū)的義務(wù)教育學(xué)校資源豐富而武昌地區(qū)的相對較少，因此義務(wù)教學(xué)資源缺乏的地區(qū)的義務(wù)教育可達性對房價的負向效應(yīng)顯著提升，發(fā)達商圈周圍的義務(wù)教育優(yōu)勢對住宅的增值作用逐漸減弱。這是由于武漢市城市發(fā)展過程中，一環(huán)線及二環(huán)線以內(nèi)發(fā)達地區(qū)內(nèi)部城市更新難度大、居住空間擴張緩慢、教育資源配套逐步完善，二環(huán)線以外、三環(huán)線地區(qū)城市擴張速度加快、人口密度迅速增長而導(dǎo)致教育需求加大，進一步提升了教育對主城區(qū)內(nèi)邊緣地區(qū)住宅價格的影響。

圖8 基于GWR 的2012-2018 年義務(wù)教育優(yōu)勢回歸系數(shù)分布圖Fig.8 Distribution of regression coefficients of compulsory education dominance based on GWR in 2012-2018

2.3 武漢市房價時空模式

1）多中心混合模式復(fù)雜度顯著提升，簇團、圈層、扇形模式交互并存。武漢市主城區(qū)多中心“簇團+圈層+扇形”混合模式復(fù)雜度顯著提升，不同類型分布模式交互并存。2012 年，以簇團模式為主，高房價集聚規(guī)模較小，且呈點簇狀分布于城市二環(huán)線以內(nèi)北部和東部，武漢市西部和南部主要以中低房價混合分布為主。2014年，以“簇團+圈層”模式為主，簇團格局更為明顯，主要特征表現(xiàn)為高價格住宅區(qū)集聚規(guī)模范圍擴張，且多圍繞城市景觀資源附近，例如長江、東湖、沙湖附近的江景與湖景高檔居住區(qū)。同時，沿最高房價集聚中心向外圍擴散的圈層格局逐漸凸顯，隨著向城市外圍的距離的增加，形成圈層的房價不斷遞減。2016 年，“簇團+圈層+扇形”混合模式是在“簇團+圈層”模式的基礎(chǔ)之上，扇形和圈層格局逐步顯現(xiàn)，突出了不同等級房價圈層邊界，城市發(fā)展方向性更加突出。城市一、二、三環(huán)線的房價逐步遞減，且城市東北部地區(qū)形成顯著最高房價集聚扇形，主要以漢口沿江二七片區(qū)、東湖—沙湖片區(qū)為主，扇形格局反映城市的東、北方向發(fā)展強度更高。2018 年，“簇團+圈層+扇形”混合模式也發(fā)生了顯著的變化，高房價簇團新舊交替且新興中心迅速崛起，圈層分布仍然顯著且圈層寬度下降，房價圈層數(shù)量增加表明房價圈層梯度變化更顯著。同時，扇形分布不僅停留在東、北方向，在其他區(qū)位也出現(xiàn)不同規(guī)模的扇形分布格局，整體呈現(xiàn)“簇團+圈層+扇形”交互并存的混合模式。

2）總體水平顯著提升，高檔居住區(qū)集聚蔓延，副中心迅速崛起。2012-2018 年，武漢市主城區(qū)房價水平整體提升，高檔居住區(qū)的集聚程度和規(guī)模顯著增長，呈現(xiàn)“局部集聚+整體蔓延”式變化格局。2012、2014 年最高檔住區(qū)分布在長江和東湖沿岸，呈簇狀零星分布，而一環(huán)線內(nèi)呈高檔居住區(qū)集聚分布；2016、2018 年最高檔住區(qū)的集聚規(guī)模顯著增長，主要呈扇形集聚和的圈層集聚分布，典型的局部集聚變化趨勢。雖然武漢主城區(qū)房價呈現(xiàn)一主多副的空間格局，但是主中心和副中心在不同時間的發(fā)展強度存在明顯差異。隨著時間的發(fā)展，副中心迅速崛起，主中心發(fā)展速度逐步減緩。主中心人口、空間和環(huán)境逐步趨近承載力上限，主中心房價持續(xù)增長但發(fā)展速度緩慢降低；副中心迅速崛起，隨著基礎(chǔ)設(shè)施配套和景觀設(shè)施的逐步完善，房價增長幅度較大。一環(huán)線內(nèi)房價穩(wěn)步上升，二環(huán)線楚河漢街、街道口、中南路、王家灣、南湖、華僑城副中心的高檔居住區(qū)房價迅速增長。副中心房價的崛起時點也存在差異，漢口和武昌地區(qū)首先崛起，漢陽地區(qū)王家灣的房價2016、2018年才出現(xiàn)明顯增長；規(guī)模較大的景觀水系長江、東湖附近的街道口、中南路、光谷首先迅速崛起，南湖、墨水湖附近的房價隨后崛起。

3）時空發(fā)展不均衡，方向差異性顯著。武漢市主城區(qū)房價的時空發(fā)展方向性顯著，從空間格局圖上可發(fā)現(xiàn)不同時點的發(fā)展方向、發(fā)展重點和發(fā)展程度明顯不同。2012 年-2018 年，城市房價空間格局逐步發(fā)展為二環(huán)線內(nèi)部均衡發(fā)展，而外圍不均衡發(fā)展；內(nèi)部高檔居住區(qū)集聚，而外圍多等級房價住區(qū)混合并存。2012-2014 年，房價高值區(qū)域主要是向正北和正東方向發(fā)展，其他方向的發(fā)展強度不明顯。2014-2016 年，房價高值區(qū)域仍然向東部和北部發(fā)展，東北方向的扇形形成連續(xù)高值熱點集聚區(qū)，西南方向的房價開始逐步提升，同時城市內(nèi)部價格向外圍逐漸遞減。2016-2018 年，城市房價在二環(huán)線內(nèi)發(fā)展逐步趨于均衡而二環(huán)線以外不均衡，二環(huán)線以內(nèi)各方向發(fā)展強度趨于均衡，僅漢陽西南方向的房價發(fā)展強度較?。欢h(huán)線以外的主城區(qū)外圍各方向的房價發(fā)展強度有明顯差異，光谷以東高新區(qū)的房價發(fā)展優(yōu)勢明顯，漢口北部外圍次之，漢陽方向的房價增值強度與速度最小。

2.3.2 時空模式與影響因子耦合分析

1）同一因素在不同區(qū)位的驅(qū)動力差異顯著，多因素共同影響房價。武漢市房價的影響因素主要有城市中心優(yōu)勢、景觀優(yōu)勢、交通優(yōu)勢、公園和義務(wù)教育優(yōu)勢，同一因素對不同區(qū)位房價的驅(qū)動機制不同，如圖9 所示。不同影響因素的空間作用力形成不同形式的分異形態(tài)，城市中心優(yōu)勢的作用強度呈現(xiàn)中心向外圍梯度遞減的圈層式分異形態(tài)；景觀優(yōu)勢作用強度，則是呈現(xiàn)中高外低、北東高而西南低的圈層扇形結(jié)合式分異形態(tài)；交通優(yōu)勢則是作用強度由中心向外圍梯度提升、東高西低的簇狀與扇形鑲嵌式分異形態(tài)；公園作用強度由外圍向中心逐步遞減，東北高而西南低的扇形分異形態(tài)；義務(wù)教育優(yōu)勢的作用強度則呈現(xiàn)簇狀圈層結(jié)合式分異形態(tài)，在二環(huán)北部與光谷副中心的形成簇狀強作用力區(qū)域，同時向外圍呈圈層逐漸遞減。多因素同時作用于城市不同住宅區(qū)域的房價，不同區(qū)位的影響因素數(shù)量級也有所差異。城市發(fā)達地區(qū)的高房價由多因素的增值作用共同決定，即城市一環(huán)、二環(huán)發(fā)達地區(qū)的顯著性影響因素數(shù)量要高于城市外圍。城市發(fā)達地區(qū)的房價提升由城市中心優(yōu)勢、景觀優(yōu)勢、交通優(yōu)勢、公園和義務(wù)教育優(yōu)勢五大因素共同促進，而城市外圍區(qū)域的房價受城市中心優(yōu)勢、交通優(yōu)勢兩大因素的影響顯著。

圖9 2012-2018 年房價時空模式與影響因素耦合關(guān)系圖Fig.9 Coupling relationship between space-time mode and influencing factors of housing prices in 2012-2018

2）公園、景觀、義務(wù)教育優(yōu)勢對高檔住區(qū)的作用力顯著提升。隨著時間的推移， 2012—2018 年，公園、景觀、義務(wù)教育優(yōu)勢對高房價熱點區(qū)的影響力逐漸增加。前期2012-2014 年城市中心優(yōu)勢對城市二環(huán)線核心區(qū)域的房價的提升作用顯著，公園、景觀、義務(wù)教育優(yōu)勢的作用力僅針對局部簇狀片區(qū)；后期2016-2018年公園、景觀、義務(wù)教育優(yōu)勢占住宅增值因素的主導(dǎo)因素，簇狀片區(qū)迅速擴張成扇形、環(huán)形區(qū)域，影響范圍和影響力顯著增加。表明，城市發(fā)達地區(qū)的居民對公園、景觀和義務(wù)教育要素的重視程度明顯增加，對生活品質(zhì)的要求不僅局限于交通便捷和中心鄰近，更強調(diào)居住區(qū)自然景觀、公園休閑和義務(wù)教育教育功能的供給。

3）交通、中心優(yōu)勢對外圍住宅的增值效率加強，而對城市發(fā)達地區(qū)影響力減弱。武漢市主城區(qū)影響因素的GWR 模型回歸結(jié)果表明交通、中心優(yōu)勢對房價的顯著性影響， 2012-2018 年交通、中心優(yōu)勢兩大因素對城市核心區(qū)和外圍地區(qū)的作用力發(fā)生明顯的時空變化。交通、中心優(yōu)勢對城市發(fā)達地區(qū)影響力減弱，對外圍住宅的增值效率逐漸加強。交通優(yōu)勢與中心優(yōu)勢對高檔住區(qū)的增值作用力逐漸下降，主要是由于城市發(fā)展城市中心區(qū)的發(fā)展導(dǎo)致區(qū)域內(nèi)部新舊城區(qū)共存，中心區(qū)域的人口、就業(yè)、環(huán)境和設(shè)施逐漸區(qū)域飽和而降低了居住環(huán)境質(zhì)量和居住滿意度，居民不再滿足于交通便捷與中心毗鄰，交通、中心優(yōu)勢越來越不明顯。在城市外圍，交通網(wǎng)絡(luò)密度較低、城市中心可達度較低的區(qū)域，居民對交通便捷與中心可達的需求較為強烈，交通優(yōu)勢和中心優(yōu)勢的小幅提升就能引起房價的大幅增值。房價時空變化規(guī)律，直接體現(xiàn)了城市外圍交通、中心優(yōu)勢的作用力要明顯強于城市內(nèi)部核心區(qū)。

3 結(jié) 論

武漢市主城區(qū)房價的時空分異特征、時空演變模式識別及其影響因素驅(qū)動機制的分析，主要結(jié)論如下。

1）基于重心、方向性橢圓、Kirging 空間探索性分析及時空模式識別，發(fā)現(xiàn)武漢市主城區(qū)房價的時空分異特征顯著。時空模式呈現(xiàn)的規(guī)律特征主要為：多中心混合模式復(fù)雜度顯著提升，簇團、圈層、扇形模式交互并存，2012 年“簇團”模式，2014 年“簇團+圈層”模式，2016、2018 年整體呈現(xiàn)“簇團+圈層+扇形”交互并存的混合模式；總體水平顯著提升，高檔居住區(qū)“集聚蔓延”，副中心迅速崛起；時空發(fā)展不均衡，方向差異性顯著。

2）基于地理加權(quán)回歸模型（GWR）挖掘房價時空變化的驅(qū)動力及其驅(qū)動機制研究，基于時空分異與演變模式識別進行時空變化模式與影響因素的耦合關(guān)系分析。驅(qū)動機制和耦合關(guān)系的主要結(jié)論是：同一因素在不同區(qū)位的驅(qū)動力差異顯著，多因素共同影響房價；公園、景觀、義務(wù)教育優(yōu)勢對高檔住區(qū)的作用力顯著提升，且等級質(zhì)量決定其作用力強弱；交通、中心優(yōu)勢對外圍住宅的增值效率加強，而對城市發(fā)達地區(qū)影響力減弱。

3）本文對武漢市主城區(qū)2012-2018 年房價的時空分異規(guī)律、時空模式與驅(qū)動力的耦合機制進行了深入研究，進一步完善了房價時空規(guī)律研究，但是仍然缺乏對宏觀政策、時空回歸模型改進及居民情緒感知等角度的研究與論證。在未來的研究中，將進一步提升時空變化規(guī)律的準確性和城市居民的選擇偏好，更好地探究房價時空分異的變化模式、影響因素等。