对住宅价格时空格局及影响因素进行分析研究-职称论文网

【摘要】城市空间结构是城市地理研究的核心重点之一。近年来，城市住宅价格快速增长，一方面导致城市空间结构出现了一些新的特征和问题，另一方面住宅价格也可敏锐地反映出城市空间结构的演变。因此，本文从住宅价格的角度对北京市城市空间结构进行了探讨。利用北京市2005年和2012年二手房市场住宅的空间数据，通过GIS空间分析、空间自相关分析和Hedonic回归分析等方法，对住宅价格时空格局及影响因素进行了分析，并在此基础上从住宅价格的角度探讨了城市空间结构的优化调整问题。北京市住宅价格存在蔓延式增长、空间差异明显及空间自相关性高等特点，其主要的影响因素包括区位条件、交通便利度、周围环境、基础设施、物业等级等。基于住宅价格得出北京市空间结构的主要特征为：①已形成了多中心的城市空间结构格局。除市中心外，还有亚奥地区、万柳—香山地区、中关村地区、复兴门地区、CBD等次中心，空间扩张仍呈现“摊大饼”的发展模式；②社会空间分异现象有所缓解，但仍存在明显的居住隔离。金融街、月坛等街道是房价高值集聚区，易形成“富人区”，而南六环尤其是房山则易形成“穷人区”；③交通条件和周围硬件环境等基础设施对城市空间结构有一定的调整作用，但调整的效果并不理想。

【关键词】住宅价格；城市空间结构；特征价格；北京

1引言

城市空间结构是城市中物质、经济、功能和文化等组成要素之间分布和组合关系的表现形式。西方国家对城市空间结构研究开展较早，20世纪50年代，许多学者就提出了城市空间结构的创造性模式；20世纪60-90年代，城市空间结构的研究重点逐渐转入文化价值、生态耦合等更深层次的空间结构分析；20世纪90年代后，城市空间结构进一步向区域化、信息网络化的研究方向发展(吴启焰等,2001)，如Castell等(2005)对世界城市体系空间结构中“流”、连接、网络和节点进行了研究。近年来，许多学者针对城市空间结构提出了紧凑城市、智慧城市等新型城市发展理念(Jjumbaetal,2012;Nuissl,2013)。中国在快速城市化背景下的城市空间结构日益复杂，一些问题亟待展开研究；同时人口、土地、经济等普查工作的开展，为城市空间结构研究提供了基础，由此推动了中国城市空间结构研究的不断深入(周春山等,2013)。例如，有些学者利用人口普查数据研究人口迁移特征及其对城市空间结构的影响(冯建,2002;冯健等,2003)；有些学者从生态环境的角度对北京城市发展的空间布局进行了研究，并提出了城市扩张的建议(陈鹭等,2008)；还有学者利用城市土地交易数据，对城市用地变化的格局和影响因素进行了分析(鲁奇等,2001;高金龙等,2013)。

近年来，随着中国住房市场化的全面推进，房地产业取得快速发展，房价也随之不断飙升，城市空间结构也因此出现了一些新的特征与问题(Gaoetal,2010)。国外学者较早开展这方面的研究，积累了丰富的研究成果，如Dubin(1992)通过Kriging方法对巴尔的摩市进行统计分析，阐述了该方法在格等值线图分析了上海市商品住宅价格的空间分布规律，并用回归模型探讨了其影响因素；孟斌等(2005)基于北京市2003年普通住宅数据，研究了空间分析方法在房地产市场中的应用。但是，以往研究受方法与住宅空间数据缺乏所限，主要着眼于相关指标的宏观描述，对城市结构特征和分布机制的定量研究较少。

本文以北京市为研究区域，依托网络门户获取的大批量住宅价格数据，力图通过北京市2005年和2012年住宅价格空间数据的系统分析，把握北京市住宅价格的时空演化特征，并分析影响住宅价格空间差异的因素，在此基础上深入探讨北京城市空间结构特征及其优化调整对策，为北京市城市规划和发展提供必要的信息支持。

2研究区域、数据与方法

2.1研究区域与数据来源

本文以北京市六环内的区域为研究对象，以东城、西城、朝阳、海淀、石景山和丰台城六区为主，同时还包括大兴、昌平、通州和顺义城区的大部分。

近年来，随着住宅市场化改革的推进和商品住房市场的发展，存量住房不断增加，二手房交易市场十分活跃，因此，二手房的价格已成为反映住房市场价格的重要标志。与新建商品房价格相比，二手房价格受开发商定价的控制程度较少，相对更透明，且空间覆盖范围较广，能够更全面地反映住房价格的空间分布。基于此，本文选取二手房市场作为研究对象。

本文以住宅小区为研究单元，选取2005年和2012年两个时间截面，通过搜房(http://www.soufun.com/)和安居客网(http://beijing.anjuke.com/)的信息搜索，获取了这两个网站发布的北京市六环以内所有二手房小区的详细资料。为确保样本的覆盖度并减少样本数据的重复，对两个网站的样本进行了比对，共获得2012年8677个小区样本和2005年806个小区样本。搜集的二手房数据主要包括价格、住宅类型、物业费、容积率、绿化率、周边配套服务设施等。尔后，利用ArcGIS10.0的geo-coding功能进行了地址空间匹配，将所有住宅小区样本按照几何中心点的位置落在地图上，建立了北京市住宅小区的空间数据库。由于网站发布资料的不完整性，部分样本点有些属性数据缺失，为尽量保留样本，采用分类插值法，参照小区的住宅类型、物业类型等数据，将绿化率和容积率的缺失值加以插补。将经补充后属性仍不全和属性错误的小区样本点剔除，最终得到2012年样本点5023个，2005年779个。此外，为消除价格变动的影响，便于年份间对比，将2012年住宅价格修正到2005年。

此外，搜集了北京市地铁线路和站点(包括2005年和2015年规划地铁路线)、公交站点、公园、三级医院(包括三级甲等和三级乙等)、重点中学(包括市级和区级重点中学)，以及2005年和2010年的街道人口等数据，并将这些地区属性数据进行数字化处理后赋予各住宅样本。

2.2研究方法

2.2.1空间相关性分析

(1)全局空间自相关

全局空间自相关主要检验空间相邻或相近的区域单元属性值在整个研究区域内空间相关性的总体趋势。

(2)局部空间自相关

局部空间自相关反映区域内局部单元属性与相邻局部单元相同属性的相关程度。一般用LISA(LocalIndexofSpatialAutocorrelation)检验。

2.2.2空间插值分析

空间插值法是指通过已知样点的数据推算同一区域其他未采点数据的方法。在空间插值法中，Kriging插值法是一种精确的局部插值法，其以空间自相关性为基础，利用半变异函数的结构性，在有限区域内对区域化变量进行无偏最优估计(王艳妮,2008)。

2.2.3Hedonic价格回归分析

Hedonic价格模型是一种推算环境产品特征价格的计量经济学方法。该方法基于微观经济学的货币化假设，认为住宅价格是由许多不同属性带给人们的效用所决定，当内在特性完全相同时，由于环境不同而产生的价格差异反映了环境因素的价值。因此，通过住宅价格的回归分析，可以估算各种属性对住宅价格的贡献程度，从而确定各个属性的边界价格。在实际研究中，常采用线性模型、半对数线性模型和对数线性模型等形式。以物业的各种属性为自变量建立住房价格的回归模型，得到各个属性变量的边界价格(高晓路等,2002;马思新等,2003)。模型形式的选取及变量的选择通常是根据实际数据的模型拟合结果及对变量的合理解释确定。

3住宅价格空间演变特征及影响因素

3.1空间演变特征

为直观地对北京市住宅价格的空间分布规律进行观察，将2005年和2012年的样点进行Kriging空间插值。由于样本数据经log转换后符合正态分布，且区域变化量存在空间自相关性，符合进行Kriging插值的适用范围。此外，对原始数据的趋势面分析表明，南北方向均存在二次函数趋势，为避免局部变异对全局趋势的干扰，在插值分析前先利用二次函数对趋势予以剔除。根据式(4)，利用Arc-GIS10.0地统计模块中的Kriging插值法对样点数据进行插值，得到北京市住宅价格时空演变情况(图1)。图12005、2012年北京市住宅价格空间格局

3.1.1蔓延式增长

2005-2012年的7年间，北京市住宅价格均值由5982元/m2增加到26633元/m2，增长了3.45倍。从图1可以看出，住宅价格呈现蔓延式增长的态势，价格等值区由市中心向外环蔓延，如7500~8000元/m2的等值区从2005年的二环内延伸至2012年的五环外。2005年与2012年住宅价格空间上大体由市中心逐渐向四周衰减，呈不规则多中心圈层分布。从房价热点区来看，图1a中以“热点”标示了2005年的主要高值区域，除了市中心外，还包括亚奥地区、万柳—香山地区、中关村地区、复兴门地区、CBD等次中心。可以看出，围绕这些中心形成了一些岛状或半岛状的明显价格高地；但在图1b所示的2012年价格分布图上，这些高地已经被周边的高房价区所淹没。可见，房价的高值区近年来逐渐增多，并向四周区域扩展，呈现“扁平化”趋势。

从各环线的具体价格分布(表1)来看，从二环到六环，价格逐渐下降，二环内住宅均价是五环外的2倍以上，标准差也逐渐变小。说明住宅价格在市中心较为分散，而在远离市中心的地区趋于稳定。

3.1.2空间差异性明显

从住宅价格的区域分布来看，存在明显的空间差异性(图1-2)。沿着地铁1号线划分为南北城区，北城住宅价格明显高于南城。从六城区价格来看，各区价格相差也很大，东城和西城区价格遥遥领先，丰台和石景山区住宅价格相对较低，海淀和朝阳区居中。这主要是由于北京市社会发展的不均衡以及住宅市场开发的区域性，导致住宅价格的空间差异性，与发展状况基本相符。由于自然和历史等原因，使得南北城的发展速度不平衡，南城相比之下处于劣势，其基础设施和服务设施都不及北城，因此其住宅价格也相对较低。

3.1.3较高的空间自相关性

利用式(1)，通过距离矩阵的设定，得到北京市住宅价格的全局Moran'I指数统计结果(表2)。从表2可以看出，2005年和2012年Moran'I指数都大于0，且检验结果Z(I)值均很显著，说明北京市住宅价格存在着较强烈的空间正相关性，即距离较近的住宅价格相似程度较高。

运用OpenGeoDa软件，利用LISA图对住宅价格的局部空间自相关性做进一步分析(图3)。2005年和2012年均有2/3以上的住宅属于“高—高”或者“低—低”类型，表明住宅价格具有较高区域集聚和相似性。其中，“高—高”类型区域，即该住宅与周围住宅价格的均值都高于全部住宅均价的区域，多分布在城区的核心地带，主要为四环以内和城北区域；而“低—低”类型区域，即该住宅与周围住宅价格的均值均低于全部住宅均价的区域，多分布在城南和四环以外，尤其是五环以外，说明北京市向心型空间经济结构仍占主导地位。

和2005年相比，2012年的“高—高”和“低—低”类型比例从67.0%增加到了75.2%，其中“高—高”类型的比例由39.4%上升到43.4%，且呈现出由中心向周围尤其是北部地区扩展的趋势。

3.2住宅价格影响因素

3.2.1住宅特征影响因素模型

在住宅特征价格模型中，住宅价格被认为是所包含的一系列内在特征的回归函数。根据房地产价格形成理论，这些内在特征基本归为3大类，即区位特征、邻里特征和自身结构特征(Sirmansetal,2005)。在此基础上，以数据可获得性为原则，共选择了13个指标作为住宅的特征变量，根据上文的分析，添加了住宅小区到最近城市主要次中心(亚奥地区、万柳—香山地区、中关村地区、复兴门地区、CBD)的距离；此外，把物业等级设为哑元变量，如表3所示。

利用SPSS16.0，选择拟合效果和解释效果较好的半对数线性回归模型，采用逐步回归方法(显著性水平为0.05)，对2005年和2012年的样本分别进行回归分析。其中，2005年有13个变量进入模型，2012年有14个变量进入模型(包括哑元变量)。结果如下（表4）：2005年调整判定函数(AdjustedRSquare)为77.1%，拟合效果较好，模型具有很强的解释性；2012年为54.9%，也具有较强的解释性。2005年变量间均不存在很强的共线性；2012年除了3个物业等级，其他变量也不存在强共线性；而通过随机变换模型中的变量来检验时，3个物业等级都有很强的显著性，回归系数变动很小，因此该模型也是可靠的。2005年的拟合效果好于2012年，这可能与2012年影响住宅价格因素的复杂化有关。

3.2.2住宅价格空间格局影响因素

(1)区位条件和交通便利度

随着与市中心距离的增加，住宅价格越来越低，距市中心每增加1km，2005年住宅价格减少1.1%，2012年减少1.6%，符合级差地租递减规律。同时，住宅与次中心距离系数也为负，并且其影响系数大于市中心，2005年和2012年距离最近次中心每增加1km，住宅价格减少3%以上。这说明北京市次中心对住宅价格的影响已经超过城市中心，多中心的格局已经初步建立。此外，区位特征中的交通便利度也在很大程度上影响了住宅价格，2005年和2012年住宅周围是否有地铁以及公交站的数量因素均进入模型，在其他因素不变的情况下，2005年周围1500m内有地铁站的住宅比没地铁站的价格高3.9%，2012年高3.8%(2015年规划地铁站点)；800m内公交站点每增加一个，2005年住宅价格就升高0.6%，2012年升高0.2%。这是因为交通便利度高，有利于商业贸易发展和人口集聚，对商住房的发展有很大吸引力；同时交通因素直接影响着人们上班、上学、购物等外出活动的便捷性，也是居民购房时考虑的重要因素之一。

(2)周围环境和基础设施

周围环境和基础设施主要指绿化率、容积率以及周围自然、教育设施等邻里特征。其中物业费反映了该住宅的物业管理、小区基础设施和娱乐设施等的品质，对价格的影响最为显著。此外，绿化率越高、小区景观环境越好，销售价格越高；而容积率关系到住户的居住舒适度，一般而言，容积率越低居住舒适度越高，销售价格越高。但2005年住宅价格却与容积率呈正相关，这可能由于该年住宅的其他条件对其价格影响较显著，容积率对其影响较弱所致。

住宅周围的公园、中小学和医院也在很大程度上影响了住宅的价格。其中住宅周围有无重点中学及三级医院，在2005年和2012年对住宅价格的影响均很显著。此外，2005年周围1000m内有公园的住宅比没有的价格高出6.0%，说明公园这样的大型绿地提高了住宅品质，从而导致住房价格的上升；但2012年没有通过显著性检验，可能是由于该年影响住宅价格的因素复杂，公园对其影响相对减弱。人口因素是影响住宅价格的另一重要因素，人口越多，对住房的需求越多，促使房价上涨。2012年住宅所在街道的人口密度每增加一个单位(人/km2)，住宅价格上升0.1%，而2005年没有通过显著性检验，说明近年来，人口密度大的地区住宅价格上涨比较明显。

房屋年龄是反映住房结构特征的另一指标，理论上说，房龄越高，维护保养费越高，住宅销售价格越低。2005年房龄每增加一年，房价降低2.5%，符合理论假设，但2012年房龄与住宅价格呈正相关，这可能是由于二手房住宅虽然房龄较高，但是位置、户型等其他因素较好，在市场上是稀缺产品，导致这类住房近年来价格上涨。

4城市空间结构特征及其优化建议

城市空间结构是城市社会经济活动和自然状况的综合反映，其变化与城市的人口变迁、社会经济发展、自然环境改变等因素密切相关。自1998年住房改革后，城市住宅价格快速增长，这一方面导致城市空间结构出现了一些新的特征和问题，另一方面住宅价格也可以敏锐地反映出城市空间结构的演变。基于对北京市住宅空间演化和影响因素的分析，从住宅价格空间格局的演化来探讨北京城市空间结构的特征并提出相应的优化建议。

4.1城市空间结构已形成多中心格局，但空间扩张仍呈“摊大饼”的模式

由住宅价格空间格局可以看出，北京市除了市中心外，形成了亚奥地区、万柳—香山地区、中关村地区、复兴门地区、CBD等次中心，而且2012年比2005年多中心特征更为明显，其影响范围也大幅扩大。从住宅价格影响因素看，住宅到最近次中心的距离与住宅价格的系数为负值，且其影响系数大于市中心。这些次中心地区属于大规模集中开发的区域，整体规划较好、配套设施齐全。如亚奥地区自2008年奥运会之后，由于政府的投资力度和政策影响，其基础设施、自然环境等生活配套条件良好。再如香山地区附近有香山、颐和园等风景名胜，拥有独特的自然环境优势，且集中了很多北京市的知名高校和科研机构，文化气息也很浓厚，提升了该地区的住宅条件，从而抬高了住宅价格。

按照《北京市总体规划(2004-2020年)》的思路，北京将构建“两轴两带多中心”的空间格局，其中包括8个城市职能中心。但从本文的分析结果来看，仅CBD、中关村、和奥林匹克中心等形成了一定规模，一定程度上起到了缓解城市中心人口、交通等压力的次中心作用；规划中提出的通州综合服务中心、石景山综合服务中心等职能中心目前尚未完全形成，其基础设施、配套产业没有跟上，难以从根本上起到带动、缓解市中心压力的作用。从总体来看，次中心疏解中心城区人口和功能、集聚新的产业，带动区域发展的作用并没有很好地发挥出来。

北京市的空间扩张仍呈现“摊大饼”模式，由此引发整体住宅价格大幅上涨和住宅价格的蔓延式增长，且普通住宅和保障性住房价格增加速度相对更快。欧美等国家的经验表明，大都市区的分散式格局以及设定城市发展边界和城市绿带，对控制中心城区的蔓延具有有效作用(Richard,1998)。因此，在北京市未来的建设发展中，应该加大对其他发展较弱的次中心的建设和引导；同时从发展现状来看，城市东部地区的绿带已经被逐渐蚕食，中心城区和新城联为一体，使得城市的摊大饼现象更加明显。为此，在北部和西北部新城建设和南城开发中，应十分重视这一问题，采取有效措施保护城市绿带。

4.2社会空间分异现象有所缓解，但仍存在明显的居住隔离

由空间自相关的分析可知，北京市住宅价格的空间自相关性十分显著。这一结果显示不同档次的住宅集聚程度正在不断加强，社会不同阶层和收入水平的人口分别向不同的地点集聚。为在空间上进一步判断住宅价格的集聚性，利用LISA指数进行空间插值分析(图4)。由式(2)可知，每个住宅样本点的LISA指数描述了该样本点与周围显著相似值样本点之间的空间集聚程度。因此，该值越大，其空间集聚程度越高。从图4可知，北京市住宅价格空间集聚度较高的有二环内的金融街、月坛、东华门等街道，这些街道紧邻市中心，有很好的区位，是房价高值集聚区，容易形成“富人区”。此外，六环附近尤其是南六环集聚度也较高，其中房山区最高，这是由于这些地区住宅价格较低，是房价低值集聚区，容易形成“穷人区”。2012年与2005年相比，LISA指数较大的面积总体上有所减少，说明7年间高房价和低房价集聚区面积稍有减少。

就城市规划而言，“小集中大分散”的格局更容易实现城市公共服务的均等化配置。相反，过度的社会极化会随着由于高收入阶层社区自治能力的增强导致资源配置更不均衡，社会责任缺失，而低收入社区不断退化。因此，这一趋势值得城市管理者高度关注。从资源配置的社会公平性和减少区域差异的角度看，应在城市规划和建设过程中提倡多档次的住宅理念，避免城市中有良好区位、环境和基础设施的地区都建成高档住宅区，从而引发居住隔离和社会问题。

4.3基础设施对空间结构有一定的调整作用，但效果并不理想

由房价影响因素分析可知，城市的地铁、公交等交通基础设施提高了区域的通达性，降低周围居民的出行成本，故对其周围住宅价格的上涨有着明显的正效应。住宅周围的优质教育资源、高水平的医疗机构、公园等公共服务设施，提高了住宅周围的服务水平和环境质量，是居民选择住房时重要的考虑因素，因此也会明显地提高住宅价格。

连接地铁13号线的昌平线、连接地铁4号线的大兴线，以及八通线，均是连接市中心与周边地区的地铁线，但从房价的空间结构(图1)来看，这些轨道交通对周围房价的增值效应并不明显。如大兴线地铁站2000m范围内住宅均价为12931元/m2，低于南城的均价19347元/m2，也低于五环外六环内的整体均价。再如，昌平线地铁站2000m范围内住宅均价为18441元/m2，略高于五环外均价，但比北城和整个城市的均价还低很多。究其原因，主要是在过于强调政府主导的开发和建设模式下，沿线的土地利用调整、商业开发、公共服务设施建设等配套政策没有及时跟进，因此，空间结构调整战略的效果不明显。在未来的规划和建设中，为了促进城市空间的均衡发展，应该重点加强新城就业和配套服务设施的建设力度，加大地铁、公交等公共交通设施的建设力度，完善路网系统，使中心城区的人口得到有效疏解。此外，城市建设投入应适度向南城倾斜，缓解北城的发展压力。重点学校、三级医院等公共服务设施的建设应考虑到社会资源的均衡化，更多地投放到南城和城市次中心地区，避免过分集中于市中心地区。

[参考文献]

[1]陈鹭,王淑芬.2008.北京城市发展空间布局研究.城市问题,(6):35-38.

[2]冯健.2002.杭州城市工业的空间扩散与郊区化研究.城市规划汇刊,(2):42-47,80.

[3]冯健,周一星.2003.中国城市内部空间结构研究进展与展望.地理科学进展,22(3):304-315.

[4]高金龙,陈江龙,杨叠涵.2013.南京市城市土地价格空间分布特征.地理科学进展,32(3):361-371.

[5]高晓路,浅见泰司.2002.市场学方法与城市规划研究.城市规划,26(5):6-13.

[6]鲁奇,战金艳,任国柱.2001.北京近百年城市用地变化与相关社会人文因素简论.地理研究,20(6):688-696.

[7]马思新,李昂.2003.基于Hedonic模型的北京住宅价格影响因素分析.土木工程学报,36(9):59-64.

[8]梅志雄,黎夏.2008.基于ESDA和Kriging方法的东莞市住宅价格空间结构.经济地理,28(5):862-866.

[9]孟斌,尹卫红,张景秋,等.2009.北京宜居城市满意度空间特征.地理研究,28(5):1318-1326.

[10]孟斌,张景秋,王劲峰,等.2005.空间分析方法在房地产市场研究中的应用:以北京市为例.地理研究,24(6):956-965.

[11]王艳妮,谢金梅,郭祥.2008.ArcGIS中的地统计克里格插值法及其应用.软件导刊,7(12):36-38.