□文/吳悅芳 甘梓瑩

（1.佛山職業(yè)技術(shù)學(xué)院文化旅游創(chuàng)意學(xué)院 廣東·佛山；2.香港大學(xué)建筑學(xué)院 香港）

［提要］ 基于Phython 在搜房網(wǎng)中爬取2021 年2 月廣州市住宅小區(qū)平均房價(jià)數(shù)據(jù)，利用空間自相關(guān)法和Kriging 插值方法，探究廣州市房價(jià)的空間相關(guān)性以及土地利用對住宅價(jià)格空間格局的影響。結(jié)果表明：（1）“高-高”集聚的主要分布在廣州市中部、西南部，如天河區(qū)、海珠區(qū)和越秀區(qū)；“低-低”集聚主要位于廣州市東北部，如花都區(qū)、從化區(qū)和增城區(qū)；（2）房價(jià)分布由以天河區(qū)、海珠區(qū)和越秀區(qū)等老城區(qū)為中心呈環(huán)狀向外圍逐漸遞減，并呈現(xiàn)西南高東北低趨勢，南沙區(qū)出現(xiàn)房價(jià)次高峰；（3）房價(jià)空間分布與建設(shè)用地空間形態(tài)及擴(kuò)展模式相似，呈現(xiàn)由城市中心向外逐級輻射擴(kuò)散，在城市中心內(nèi)呈現(xiàn)連片集聚特征。此外，城市交通一定程度上促成城市房價(jià)空間格局，發(fā)達(dá)的交通道路網(wǎng)周邊房價(jià)往往出現(xiàn)小熱點(diǎn)。本研究將為優(yōu)化土地利用、改善城市住房用地規(guī)劃及房地產(chǎn)市場管理提供依據(jù)。

引言

住房作為人民生活的剛需，關(guān)乎社會(huì)和諧發(fā)展。城市住房價(jià)格與其所處的空間區(qū)位、基礎(chǔ)設(shè)施、交通要素、環(huán)境狀況和人口密度等條件密切關(guān)聯(lián)，在空間分布上具有特定模式和特征。其中，土地利用情況對住房價(jià)格的影響尤為顯著，例如紐約曼哈頓中心商務(wù)區(qū)集聚了跨國商業(yè)服務(wù)、高密度住宅和交通等土地利用功能要素，2021 年第三季度住宅中值銷售價(jià)格為111.5 萬美元，創(chuàng)下紐約市銷售最高紀(jì)錄。此外，“廣佛同城”政策以及政策引導(dǎo)下的土地利用開發(fā)，也為廣州-佛山地區(qū)住房價(jià)格空間分布帶來影響。

國內(nèi)外學(xué)者都對城市房價(jià)的空間分布進(jìn)行了探討。Olmo 等通過克里格差值分析以及特征價(jià)格模型對西班牙格拉納達(dá)城市的房價(jià)進(jìn)行研究。Sabyasachi Basu 等利用半對數(shù)房屋特征價(jià)格模型和球形自相關(guān)函數(shù)分析了達(dá)拉斯市房價(jià)的空間自相關(guān)情況。Martinez 等利用克里格技術(shù)對Albacete 的房價(jià)進(jìn)行了空間插值分析。在國內(nèi)，劉宇洋將國內(nèi)樣本城市劃分為不同區(qū)塊，探討了東、西、中部城市房價(jià)的區(qū)域性特征。除此以外，單個(gè)城市內(nèi)部的房價(jià)空間分異也是研究重點(diǎn)。如，許曉暉以上海市的商品房為研究對象，通過繪制等值線圖來揭示其價(jià)格的空間分布規(guī)律。沈體雁等通過多尺度地理加權(quán)回歸模型探究北京市二手住宅價(jià)格的驅(qū)動(dòng)因素。崔娜娜等通過研究北京市的住宅價(jià)格和租金的空間分異情況，發(fā)現(xiàn)北京的房價(jià)整體上呈現(xiàn)單中心結(jié)構(gòu)，房價(jià)呈現(xiàn)明顯的集聚性。尹上崗等運(yùn)用Kriging 插值法對“一主三副”住宅價(jià)格空間分布進(jìn)行模擬和估算，利用地理加權(quán)回歸模型探究南京市的住宅價(jià)格的影響規(guī)律。現(xiàn)有研究大多以住房價(jià)格單一要素分析為中心，較少結(jié)合影響住房的重要地理要素——土地，分析土地利用與區(qū)域化房價(jià)的空間關(guān)系。土地利用功能、效率、格局直接決定區(qū)域資源稟賦、人口密度，但是土地利用對住房價(jià)格影響的空間效應(yīng)以及作用機(jī)制，仍然是研究尚未充分探討的問題。

基于此，本研究采用空間自相關(guān)法和Kriging 插值方法，結(jié)合廣州市土地利用柵格數(shù)據(jù)及廣州市住宅項(xiàng)目數(shù)據(jù)，利用空間自相關(guān)和地統(tǒng)計(jì)分析技術(shù)來探究廣州市住房價(jià)格的空間分布格局，以此來揭示土地利用影響住房價(jià)格空間分布的規(guī)律。

一、研究區(qū)域概況

廣州市地處廣珠江三角洲北緣，接近珠江流域下游入?？?，位于北緯22°26’～23°56’，東經(jīng)112°57’～114°03’之間，是廣東省省會(huì)、副省級市、國家中心城市、超大城市，是粵港澳大灣區(qū)、泛珠江三角洲經(jīng)濟(jì)區(qū)的中心城市以及“一帶一路”的樞紐城市。截至2020 年，全市下轄11個(gè)區(qū)，總面積7，434.40 平方千米，常住人口1，867.66 萬人，地區(qū)生產(chǎn)總值25，019.11 億元。

二、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源。通過地理空間數(shù)據(jù)云獲取廣東省土地利用分布柵格數(shù)據(jù)，基于ArcGIS 對其裁剪出廣州的土地利用格局進(jìn)行處理分析。通過Phython 爬取搜房網(wǎng)截至2021 年2 月末廣州市的5，294 個(gè)住宅項(xiàng)目，數(shù)據(jù)包括住宅項(xiàng)目的樓盤名稱、地理位置、建筑面積以及銷售價(jià)格等屬性信息，通過Map Location 獲取各個(gè)小區(qū)的地理坐標(biāo)進(jìn)行導(dǎo)入，在基本的數(shù)據(jù)處理后通過ArcGIS10.6 和GEODA14.1 軟件平臺進(jìn)行空間自相關(guān)分析與Kriging 插值分析，探討廣州市住房價(jià)格的空間分布規(guī)律與空間異質(zhì)性。

（二）研究方法

1、空間自相關(guān)法。Tobler 提出地理學(xué)第一定律，即“任何的地理事物都存在相互關(guān)系，而距離更近的事物比距離遠(yuǎn)的事物關(guān)系更加緊密”?？臻g自相關(guān)是指一個(gè)區(qū)域中呈現(xiàn)的某種現(xiàn)象或某種屬性值總是與其相鄰區(qū)域中的對應(yīng)現(xiàn)象或?qū)傩灾迪嚓P(guān)，可以檢測與量化從多個(gè)標(biāo)定點(diǎn)中取樣值變異的空間依賴性。通過Moran’s I 統(tǒng)計(jì)量（全局空間自相關(guān)指標(biāo)）和LISA 統(tǒng)計(jì)量（局部空間自相關(guān)指標(biāo)）可以測度特定現(xiàn)象的空間自相關(guān)程度。以此來解釋廣州市內(nèi)各街道的小區(qū)住房均價(jià)與鄰近區(qū)域住房均價(jià)的相關(guān)程度，分析是否存在空間異質(zhì)和空間集聚的現(xiàn)象，以此來判斷區(qū)域內(nèi)房價(jià)的空間結(jié)構(gòu)關(guān)系。

全局空間自相關(guān)可以用以分析研究范圍內(nèi)的指定屬性是否呈現(xiàn)出空間自相關(guān)性。Moran 指數(shù)反映的是空間鄰接或空間鄰近的區(qū)域單元屬性值的相似程度。若xi是區(qū)域i 的觀測值，n 為樣本總數(shù)，則該變量的全局Moran 指數(shù)（Global Moran’s I）用公式（1）計(jì)算：

xi和xj為各住宅樣本點(diǎn)的銷售均價(jià)x 在i 和j 上的觀測值；n 為參與分析計(jì)算的住宅樣本數(shù)目為n 個(gè)樣本點(diǎn)房價(jià)的平均值；wij為空間權(quán)重矩陣。Moran 指數(shù)I 的取值范圍一般為［-1，1］，小于0 表示負(fù)相關(guān)，等于0 表示不相關(guān)，大于0 表示正相關(guān)。

全局空間自相關(guān)雖然能反映指定屬性在整個(gè)研究范圍內(nèi)的相關(guān)關(guān)系，但不能反映局部的不穩(wěn)定性和區(qū)域單元對全局空間自相關(guān)的貢獻(xiàn)程度，這時(shí)就需要介入局部空間自相關(guān)分析來探討局部規(guī)律?？臻g聯(lián)系的局部指標(biāo)（縮寫為LISA）滿足下列兩個(gè)條件：每個(gè)區(qū)域單元的LISA，是描述該區(qū)域單元周圍顯著的相似值區(qū)域單元之間空間集聚程度的指標(biāo)；所有區(qū)域單元LISA 的總和與全局的空間聯(lián)系指標(biāo)成比例。LISA 中包括局部Moran I 指數(shù)（Local Moran’s I），局部Moran 指數(shù)Ii被定義為公式：

式中，xi、xj、x、n 和wij的含義同上。LISAi為正值，表示該區(qū)域單元周圍空間集聚的是住房價(jià)格相似（高值或低值）的樣本點(diǎn)；LISAi為負(fù)值，表示空間集聚的是住房價(jià)格不相似的樣本點(diǎn)。

2、Kriging 插值法。在沒有對原始數(shù)據(jù)進(jìn)行任何變換時(shí)，樣本的最大值為144，910 元，最小值為3，334 元，均值35，165 元，中位數(shù)31，561 元。由于樣本整體不服從正態(tài)分布，需對數(shù)據(jù)做變換處理，處理后樣本均值10.311 與中位數(shù)10.36 相當(dāng)接近，基本服從正態(tài)分布，說明原始數(shù)據(jù)具有對數(shù)分布的特性。因此，在對數(shù)據(jù)進(jìn)行地統(tǒng)計(jì)插值處理時(shí)需要對數(shù)據(jù)做對數(shù)變換處理，使其服從正態(tài)分布的形式。

克里格方法，空間局部插值法是基于變異函數(shù)理論和結(jié)構(gòu)分析，利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點(diǎn)，對未知采樣點(diǎn)的區(qū)域變量的取值進(jìn)行線性無偏最優(yōu)估計(jì)，在考慮樣本點(diǎn)的形狀大小和空間距離方位關(guān)系的同時(shí)，也考慮了與未知樣點(diǎn)間的空間位置關(guān)系以及變異函數(shù)提供的結(jié)構(gòu)信息，利用了已獲取觀測值空間分布的結(jié)構(gòu)特征，使其估計(jì)結(jié)果比傳統(tǒng)的方法更為精確，能夠有效地避免系統(tǒng)誤差。其計(jì)算公式為：

式中，Z（x0）為未知樣點(diǎn)的房價(jià)值；Z（xi）為未知樣點(diǎn)周圍已知的住宅樣點(diǎn)銷售均價(jià)值；w 為第i 個(gè)已知樣本點(diǎn)對未知樣點(diǎn)的權(quán)重；n 為已知樣本點(diǎn)的個(gè)數(shù)。

三、研究結(jié)果

（一）廣州市土地利用空間分布。在ArcGIS 中處理得到的廣州市土地利用空間分布如表1 所示，其中林地面積有7，628 hm2，占比最大，達(dá)到38.64%；未利用地占比最小，僅0.01%；城鄉(xiāng)、工礦、居民用地面積5，161hm2，占比第二，達(dá)26.14%；水域面積1，690hm2，占比8.56%；草地面積328 hm2，占比1.66%。城鄉(xiāng)、工礦、居民用地主要分布在天河區(qū)、越秀區(qū)、花都區(qū)、荔灣區(qū)和番禺區(qū)，增城區(qū)也有零星分布；從化區(qū)、黃浦區(qū)和增城區(qū)林地分布較廣；耕地主要分布在南沙區(qū)和從化區(qū)。（表1）

表1 土地利用類型面積及占比一覽表

基于變異函數(shù)的理論模型，對樣點(diǎn)數(shù)據(jù)進(jìn)行Kriging 插值分析，并對插值結(jié)果進(jìn)行交叉檢驗(yàn)，其中標(biāo)準(zhǔn)平均值為0.075（接近于0）；標(biāo)準(zhǔn)均方根預(yù)測誤差為0.9307（接近于1），平均標(biāo)準(zhǔn)差為0.2171，接近于均方根預(yù)測誤差（0.2209），檢驗(yàn)結(jié)果表明：模型預(yù)測效果較為理想。廣州市城鄉(xiāng)、工礦、居住用地空間分布呈現(xiàn)由以天河區(qū)、越秀區(qū)、海珠區(qū)和荔灣區(qū)為中心環(huán)狀向外圍逐漸遞減，西南高東北低的趨勢，老城區(qū)經(jīng)濟(jì)較為發(fā)達(dá)地域建設(shè)用地更多，其他欠發(fā)達(dá)中心區(qū)建設(shè)用地較少。（表2）

表2 差值結(jié)果交叉檢驗(yàn)一覽表

（二）空間自相關(guān)分析

1、全局Moran 指數(shù)分析。利用ArcGIS 可計(jì)算出5，294 個(gè)房價(jià)樣本的全局Moran’s I 為0.1574，說明房價(jià)在空間中存在相關(guān)性，通過計(jì)算得標(biāo)準(zhǔn)化統(tǒng)計(jì)量Z 檢驗(yàn)的顯著性水平（P＜0.023），表明廣州市的房價(jià)存在顯著正的空間自相關(guān)，即住宅項(xiàng)目相似的房價(jià)（高值或低值）趨于空間集聚。

2、局部空間自相關(guān)分析（LlSA 分析）。局部空間自相關(guān)分析應(yīng)用于解釋區(qū)域單元對于全局空間自相關(guān)的貢獻(xiàn)以及空間自相關(guān)的全局評估對局部不穩(wěn)定性的影響。通過ArcGIS10.6 軟件計(jì)算得到廣州市房價(jià)Moran 顯著性水平。其中，有64%的房價(jià)呈現(xiàn)出“高-高”集聚和“低-低”集聚分布，說明區(qū)域房價(jià)之間相互影響，存在正相關(guān)關(guān)系。此外，有28%的房價(jià)存在“高-低”和“低-高”分布，說明仍有部分房價(jià)分布格局存在異質(zhì)性。

從各個(gè)住宅項(xiàng)目分布的單位點(diǎn)LISA 圖分析，“高-高”區(qū)域表示該樣點(diǎn)及其鄰近樣點(diǎn)的房價(jià)均高于所有樣點(diǎn)的均價(jià)，主要分布在廣州市的西南地區(qū)如天河區(qū)、越秀區(qū)和海珠區(qū)，番禺區(qū)和白云區(qū)也有部分。這里是廣州市經(jīng)濟(jì)最繁華的中央商務(wù)區(qū)，區(qū)位條件優(yōu)越，人口密度高、商業(yè)化程度高、配套設(shè)施齊全，屬于廣州市的高房價(jià)集聚區(qū)。與此對應(yīng)，圖1 中樣點(diǎn)及其鄰近項(xiàng)目價(jià)格的均值都低于全部項(xiàng)目均價(jià)的區(qū)域用“低-低”表示，主要分布在于花都區(qū)、從化區(qū)和增城區(qū)，番禺區(qū)也有稀零分布，屬于經(jīng)濟(jì)欠發(fā)達(dá)的中心地帶的外部邊緣區(qū)域，這些區(qū)域總體上缺乏對住宅價(jià)格有力的拉升作用，形成了房價(jià)低值集聚區(qū)。此外，圖中“高-低”和“低-高”分別代表了住宅價(jià)格的局部高值和低值異質(zhì)區(qū)。（圖1）

圖1 單位住宅房價(jià)LISA 分布圖

從街道住宅價(jià)格LISA 圖來看，“高-高”集聚的主要是天河區(qū)、越秀區(qū)、海珠區(qū)和黃浦區(qū)等，這些行政區(qū)位于CBD 中心區(qū)域，屬于早期經(jīng)濟(jì)貿(mào)易中心，同時(shí)這些地區(qū)交通便利，有主要交通干道以及地鐵線路通過。全國著名的醫(yī)院、學(xué)校、企業(yè)以及跨國公司等集聚于此，優(yōu)越的區(qū)位條件促成了房價(jià)以市中心為熱點(diǎn)，向周邊遞減的空間格局。房價(jià)居高的原因包括：（1）企業(yè)選址市中心，并購買周邊住宅區(qū)作為辦公區(qū)，住房需求推動(dòng)房價(jià)增長；（2）個(gè)人選擇基于房產(chǎn)增值預(yù)期，購買中心地段房屋，支撐區(qū)域房價(jià)上升。而片區(qū)圖中不存在“低-低”集聚。（圖2）

圖2 街道住宅房價(jià)LISA 分布圖

3、房價(jià)空間差值模擬?；谧儺惡瘮?shù)的理論模型，對樣點(diǎn)數(shù)據(jù)進(jìn)行Kriging 插值，得到廣州市住宅價(jià)格空間分布柵格圖。插值結(jié)果交叉檢驗(yàn)發(fā)現(xiàn)，標(biāo)準(zhǔn)平均值為0.0017（接近于0）；標(biāo)準(zhǔn)均方根預(yù)測誤差為0.9534（接近于1），平均標(biāo)準(zhǔn)差為0.2431，接近于均方根預(yù)測誤差（0.2354），表明模型預(yù)測效果較為理想。（表3）

表3 插值結(jié)果交叉檢驗(yàn)一覽表

從圖3 和圖4 中分析得出廣州市房價(jià)的空間分異規(guī)律：第一，廣州市整體住房價(jià)格空間分布由冼村街道和獵德街道為中心呈環(huán)狀向外圍逐漸遞減，并呈現(xiàn)出西南高東北低的趨勢，活躍的經(jīng)濟(jì)作為突出的區(qū)位優(yōu)勢使其成為主要的高值房價(jià)區(qū)域。第二，房價(jià)變化幅度呈現(xiàn)出明顯的區(qū)域差異，中心區(qū)房價(jià)的衰減速度快于外圍地區(qū)；中心區(qū)以外的住宅開發(fā)熱點(diǎn)地區(qū)的房價(jià)衰減快于其他外圍地區(qū)。說明廣州市的房價(jià)在中心地區(qū)的變化幅度較大，并隨著離中心地區(qū)的距離增大而減小。第三，交通的便捷程度影響日常通勤成本，發(fā)達(dá)的交通條件加大了住房價(jià)格的空間變異程度。軌道交通沿線的房價(jià)高于周邊地區(qū)，發(fā)達(dá)便利的交通道路網(wǎng)附近的房價(jià)往往展現(xiàn)出小的熱點(diǎn)?？傮w上形成了以中心為高峰點(diǎn)，向周邊依次遞減的分布格局。（圖3、圖4）

圖3 Kriging 插值圖

圖4 廣州市主要道路圖

利用ArcGIS10.6 的等值線工具分析廣州市住房價(jià)格，其空間分異規(guī)律如下：首先，廣州市住房價(jià)格由中心區(qū)域呈環(huán)狀向外圍逐漸遞減，并呈現(xiàn)出中部區(qū)域偏西南高東北低的趨勢。中心城區(qū)和中央商務(wù)區(qū)突出的區(qū)位優(yōu)勢使其成為主要的房價(jià)高值區(qū)。此外，廣州市高房價(jià)區(qū)域沿城市南部方向延伸。其次，房價(jià)衰減幅度規(guī)律顯示區(qū)域差異性。中心城區(qū)的房價(jià)等值線密集，說明房價(jià)快速衰減，伴隨與中心城區(qū)距離的增大，房價(jià)等值線逐漸稀疏，房價(jià)變化梯度下降，住房價(jià)格變化趨緩。再次，房價(jià)次高峰位于城市南部區(qū)域南沙港附近。主要是因?yàn)槟仙承聟^(qū)的建設(shè)拉動(dòng)了區(qū)域經(jīng)濟(jì)增長，配套基礎(chǔ)設(shè)施趨于完善，區(qū)位優(yōu)勢競爭力增加。2015 年南沙被納入自貿(mào)區(qū)；2019 年大灣區(qū)規(guī)劃出爐，規(guī)劃不斷升級，紅利接踵而至，近幾年南沙新房供應(yīng)成交及房價(jià)全部應(yīng)聲而漲，因此會(huì)形成房價(jià)次高峰。

四、對比分析

將房價(jià)空間分布插值圖和土地利用建設(shè)用地插值圖對比分析可以發(fā)現(xiàn)，兩者的空間形態(tài)和擴(kuò)展模式上都較類似，呈現(xiàn)出由城市中心向外圍逐級輻射的特征，并且在城市中心內(nèi)均呈現(xiàn)出連片集聚特征。不同的是建設(shè)用地的范圍明顯比房價(jià)高值地區(qū)要大得多。分析廣州市土地利用現(xiàn)狀可知，花都區(qū)存在一定量的耕地分布，由于國家高標(biāo)準(zhǔn)建設(shè)農(nóng)田的建設(shè)以及要保護(hù)18 億畝耕地紅線，耕地保護(hù)范圍內(nèi)不允許開發(fā)建設(shè)房地產(chǎn)，所以這個(gè)片區(qū)房價(jià)較低。住房小區(qū)周圍土地利用現(xiàn)狀類型影響房地產(chǎn)業(yè)發(fā)展，并且影響其住房價(jià)格。從廣州市土地利用現(xiàn)狀分布圖可知，廣州東北部多為林地與耕地，缺乏基礎(chǔ)配套設(shè)施，且需要嚴(yán)格保護(hù)，對房地產(chǎn)業(yè)吸引力較差，不滿足房地產(chǎn)開發(fā)商的優(yōu)先選擇，導(dǎo)致住宅開發(fā)少，房價(jià)較低。而廣州市西南部多為建設(shè)用地，經(jīng)濟(jì)發(fā)展勢態(tài)良好，相關(guān)配套設(shè)施完善，居住環(huán)境條件成熟，房地產(chǎn)業(yè)蓬勃發(fā)展，能夠吸引房地產(chǎn)開發(fā)商的大規(guī)模投資，住宅房價(jià)也相對較高。

五、結(jié)論與討論

本研究利用空間自相關(guān)分析方法，計(jì)算得出全局Moran’I 指數(shù)大于0，說明廣州市房價(jià)整體存在空間正相關(guān)。生成的LISA 分布圖表明雖然在整體空間上廣州市房價(jià)存在空間集聚現(xiàn)象，但仍存在少量的空間分異，具體表現(xiàn)為“高-低”集聚或“低-高”集聚。其中，由于具有優(yōu)越的區(qū)位條件，“高-高”集聚主要分布在廣州市的中部以及西南處，比如天河區(qū)、海珠區(qū)和越秀區(qū)；“低-低”集聚主要位于廣州市的東北處，比如花都區(qū)、從化區(qū)和增城區(qū)。

采用Kriging 插值法獲取整個(gè)廣州市區(qū)劃的房價(jià)分布圖，發(fā)現(xiàn)由以天河區(qū)、海珠區(qū)和越秀區(qū)等老城區(qū)為中心呈環(huán)狀向外圍逐漸遞減，并呈現(xiàn)出西南高東北低的趨勢，廣州市的南沙區(qū)出現(xiàn)房價(jià)次高峰，原因是區(qū)域經(jīng)濟(jì)增長增速快，配套基礎(chǔ)設(shè)施逐漸完善，相關(guān)政策導(dǎo)向也促進(jìn)了其房價(jià)的抬升。

城市交通的分布模式一定程度上促成了廣州市房價(jià)的空間格局。將房價(jià)的插值圖與廣州市道路交通圖對比，可以發(fā)現(xiàn)便利的交通設(shè)施周邊房價(jià)往往展現(xiàn)出小的熱點(diǎn)，形成了以中心為高峰點(diǎn)，向周邊依次遞減的分布格局。房價(jià)變化幅度的區(qū)域差異明顯，中心區(qū)房價(jià)衰減較快，而中心區(qū)外圍的房價(jià)衰減較慢。軌道交通沿線的房價(jià)高于周邊地區(qū)，良好的交通可達(dá)性降低了區(qū)位對房價(jià)的影響，減緩了房價(jià)隨距離增加的衰減速度，加大了住房價(jià)格空間分異的尺度。

將房價(jià)空間分布插值圖和土地利用建設(shè)用地插值圖對比分析可以發(fā)現(xiàn)兩者的空間形態(tài)和擴(kuò)展模式上都較類似，呈現(xiàn)出由城市中心向外逐級輻射擴(kuò)散的特征，并且在城市中心內(nèi)呈現(xiàn)區(qū)域連片集聚的特征。而由于國家高標(biāo)準(zhǔn)建設(shè)農(nóng)田的建設(shè)以及要保護(hù)18 億畝耕地紅線，耕地保護(hù)范圍內(nèi)不允許開發(fā)建設(shè)房地產(chǎn)，所以這個(gè)耕地分布較多的片區(qū)房價(jià)較低。廣州市西南部多為建設(shè)用地，經(jīng)濟(jì)發(fā)展勢態(tài)良好，相關(guān)配套設(shè)施完善，居住環(huán)境條件成熟，房地產(chǎn)業(yè)蓬勃發(fā)展，能夠吸引房地產(chǎn)開發(fā)商的大規(guī)模投資，住宅房價(jià)相對較高。

地統(tǒng)計(jì)分析和Kriging 技術(shù)結(jié)合能夠較好地分析處理數(shù)據(jù)的空間自相關(guān)性，并且能較好地適應(yīng)像廣州此類單個(gè)城市中小尺度區(qū)域變量，并考慮了空間鄰域問題。由于樣本數(shù)據(jù)本身存在一定的局限性，并且土地利用現(xiàn)狀精度不夠高，導(dǎo)致不能完全反映現(xiàn)實(shí)的精確情況，只能在現(xiàn)有條件下盡量地接近真實(shí)情況。此外，本文存在以下不足之處：只是以廣州市的普通居民住宅為例，缺少對市場上如普通住宅、公寓、經(jīng)濟(jì)適用房和別墅等其他物業(yè)類型的分析研究，未來還需要進(jìn)一步探討不同類型住宅的價(jià)格在空間上的分布規(guī)律與特征；房價(jià)的空間結(jié)構(gòu)也會(huì)隨著城市的不斷發(fā)展而展現(xiàn)出時(shí)空變化，本文僅分析了廣州市2021 年的房價(jià)空間分布格局，缺少對時(shí)空演化的探討，可以結(jié)合土地利用轉(zhuǎn)化矩陣來研究土地利用對房價(jià)影響的時(shí)空演變規(guī)律；不同的空間權(quán)重矩陣定義的標(biāo)準(zhǔn)不同，會(huì)影響到分析結(jié)果的精度和穩(wěn)健性，未來有待更深入的研究。