臨汾市住宅價格空間分布格局及其影響因素研究

晉宇， 蘆學良，柴旭榮

山西師范大學地理科學學院， 山西 臨汾 041000

城市住宅價格因其顯著的空間差異成為城市地理學、人文地理學研究的熱點領域[1]，住宅價格從1998年住房制度改革后逐年增長且與每個人的生活都休戚相關[2].目前，中外學術界對城市住宅價格的研究已取得很多成果.主要研究城市住宅價格形成與演化的動力機制[3]、影響因素[4]和研究方法[5，6].比如地價與城市住宅價格關系中，蘭宜生等通過東、中、西部幾個城市土地出讓金與級差地租和房價與地價之間關系的研究發現：通常房地產市場有增長趨勢，地價和房價就會相互推動輪番上漲，且東部的房價要遠遠大于中西部[7].黃少騫等利用因子分析、回歸分析方法，找出影響城市間地價差異的最主要的3個公共因子分別是經濟與教育發展因子、投資要素因子和城市環境綠化因子，并且經濟與教育發展因子對城市間地價差異起主要作用[8].馬智利等認為：自然地理條件對城市住宅的空間發展方向、結構模式以及價格空間分異的形成有重要影響[9].喬林等在研究國內不同發展層次城市房價的影響因素時，發現：收入水平對一線城市房價的影響比對二、三線城市大[10].王琳發現：主要交通干道或交通便利區域的房價高于交通輻射區外的房價，在交通水平比較低的郊區更為明顯[11].王霞等的研究表明：北京市的房價呈由內環向外環逐漸降低的規律，住宅價格的峰值出現在市中心，并向郊區呈現不斷降低的趨勢，提出市中心對住宅價格的影響[12].空間分析法是目前研究城市房價時空分異與演化規律最常用的方法.吳宇哲以GIS為研究平臺，結合數據可視化分析、特征價格模型、地統計學模型等方法，探討了城市住宅價格的時間演變和空間分布特征，將空間與時間層面相整合，總結出了城市住宅價格的時空演變規律[13].地理加權回歸模型已被廣泛引入到地價和住宅價格研究中.羅罡輝從理論實踐上證實了其在解決住宅價格空間不平穩上的適用性和優勢，識別城市住宅價格影響因素并測算其影響力度，揭示住宅價格空間結構形成的原因[14].現有的研究成果多是對發達區域大城市的分析與描述，近年來也出現了對全國住宅價格空間分布規律的研究，如王少劍等研究了中國縣域住宅價格空間差異和影響機制[15].但針對較不發達的中部省份的研究較少，而且中小城市商品住宅價格研究深度不足.因此，本文綜合運用探索性空間分析法、地理加權模型方法來定量研究臨汾市住宅價格的空間分布規律及影響因素，分析臨汾市房價的空間分布格局，有利于臨汾市住宅用地更合理的規劃，具有較重要的理論和實際意義.

1 研究方法與數據來源

1.1 數據來源

臨汾市住宅小區名稱、價格來自以下三個渠道：“58 同城”臨汾市堯都區二手房出售數據平臺、房多多O2O房產交易服務平臺、安居客房地產信息服務平臺，統一進行人工數據挖掘.采用以上平臺中住宅小區的掛牌交易價格、掛牌價格與成交價格等具有極強相關性的數據.以上數據庫中住宅數據是較為真實準確的，最終統計出臨汾市2015年～2018年547個住宅價格樣本；使用百度地圖對住宅小區名稱進行檢索，確定坐標位置；文中道路、學校分布情況與個數等數據來自臨汾市統計局、臨汾市規劃局，并根據山西省科學技術出版社的臨汾市交通地圖對其進行矢量化.

1.2 研究方法

本文運用空間自相關指數Moran’s I[16]與Getis-Ord Gi*[16]判斷住宅價格在空間分布中的相互依賴程度，及住宅價格在空間分布上是否具有集聚性.然后，運用地理加權回歸模型[16]分析住宅價格影響因素的地區差異以及作用的強度.以上方法均在Arcgis10.1軟件中實現.

2 住宅價格的空間分布格局分析

通過Moran’s I指數計算得到：2015年住宅價格的Moran’s I值為0.058 677，Z得分為5.038 599；2016年住宅價格的Moran’s I值為0.058 544，Z得分為5.033 187；2017年住宅價格的Moran’s I值為0.067 325，Z得分為5.713 297；2018年住宅價格的Moran’s I值為0.138 371，Z得分為11.267 272；各年的Moran’s I指數反映了：臨汾市城區住宅價格空間分布上存在正相關，具有較強的集聚性，即：高價格住宅與高價格住宅集聚，低價格住宅與低價格住宅集聚.時間變化上，總體呈現集聚性加強的趨勢，2015年至2016年的集聚趨勢有輕微波動，2016年至2018年的集聚趨勢明顯增加.

根據Getis-Ord Gi*計算得出G值并將其可視化(圖1).臨汾市城區住宅價格整體上有明顯空間分異，呈現出H-H、L-L兩種集聚分布區，其中H-H區集聚在城市核心區即南北走向的中大街、迎春街與東西走向的貢院街、解放路包圍區，L-L區主要集中于城市核心區的外圍地帶，且較H-H區在空間上更為分散.H-H區可以理解為在某一高價格小區周圍都是高價格小區，L-L區亦同理.形成上述空間分異的原因是由于地理學的距離衰減規律：任何事物都是相互關聯的，距離越近關聯程度就越大，反之則越小[17].最終形成住宅價格呈現中部高值集聚，外圍低值分散的分異格局.或許因為城市房價的變化必然會影響到鄰域區域的房價，特別是區域中心城市房價的變化對周邊房價的影響更為顯著[18].

圖1 臨汾城區住宅價格的熱點探測圖

圖1亦表明：近四年來，臨汾城區住宅價格的熱點分異格局更加復雜.H-H區由2015年集聚于城市核心區轉變為2018年集聚分散到城區西北部，L-L區由2015年的分散于城區外圍，逐漸變為城市中南部且空間上更為集聚.隨著新建住宅的增多，分異格局也更加復雜.H-H區集聚向西北方轉移，布局的演化與城市發展方向有一定的關系.其次，四年間L-H、H-L區交錯布局于城區中心和外圍，分布格局基本不變.2018年，最終形成H-L集中于西北部與西南部，是由于這兩個區域是臨汾高收入人群集聚區，有著相對高檔小區如恒大華府、萊茵半島等布局于此.L-H區集中在臨汾市東部的華洲路、臨鋼路等區域之中，原因是由于該區域中有大量的城中村和棚戶區，未來隨著國家棚戶區改造政策的推行，該格局可能會發生改變.

3 住宅價格空間分布格局影響因素分析

3.1 距小學與中學距離對城市住宅價格空間格局的影響

本文通過梳理相關文獻并結合山西省實際情況得出：是否在學區范圍、生態環境的好壞以及交通條件的便利與否成為了消費者選擇住房首要考慮的因素，房價也根據這幾個因素進行漲跌.故本文選取了距小學距離、距中學距離、距公園距離以及距主干道距離四個因素來作分析.在計算距離時均用Arcgis10.1中的鄰域分析法.

住宅價格具有空間非平穩性，因此通過Arcgis10.1軟件對臨汾市城區住宅價格進行地理加權回歸.其結果可以反映呈現了各影響因素對臨汾市城區住宅價格影響程度的空間分異以及作用強度.將GWR模型系數的回歸結果分為五級，并將其可視化(圖2～圖5).

由圖2可知這四年間回歸系數發生了較大變動，且大部分都是負值，說明小學距離對住宅價格呈現負相關，即住宅距離小學距離越遠，住宅價格越低；住宅距離小學越近，住宅價格越高.這一結果與周湘等對北京市二手房高房價往往集聚于教育資源豐富區域的分析結果一致[19].通過比較四年的回歸系數絕對值，發現2015年至2018年間絕對值相比較逐漸減小，說明2018年距離小學的遠近對臨汾城區住宅價格的影響相比前三年有所下降.但這四年中，一部分小學距離的地理加權回歸系數與住宅價格呈現正相關，因地理現象具有區域性和特殊性，需要結合實際情況進行說明.圖2中，2015年、2016年，正相關區域集中的分布在市區西北，該片區域教育水平落后，小學較少；2017年、2018年，正相關區域集中的分布在市區東南部，大多為高檔住宅小區，更加注重教育質量并有能力將孩子送到教育水平更高的私立學校就讀.

圖2 GWR模型距小學距離回歸系數空間分布

圖3反映了距離中學距離對住宅價格影響的空間差異，不同學段的學校對住宅價格有不同影響.整體上距中學距離與住宅價格呈負相關，說明距離中學近對住宅價格具有促進作用，住宅距離中學越近，住宅價格也會隨之越高.通過和圖2對比，可知距離中學距離回歸系數絕對值比距離小學的高，這反映出在臨汾市城區房價受距離中學遠近影響程度高于距離小學遠近；圖3顯示：距中學地理加權系數低值區域，四年間有明顯變動趨勢.說明不同學段的學校布局也會對住宅價格產生影響，在臨汾市城區客觀上呈現出：中學比小學對城市住宅價格影響程度高的現象.隨著教育水平的提高人們在選擇學區房時可能更加注重住宅周圍是否有較高階段教育資源的分布；距中學地理加權系數高值區域從2015年與2016年以解放東路為核心的城市東部轉向城市中心區的向陽路和鼓樓北街交界地帶.結合臨汾城區實際分析該區域除向陽中學以外幾乎沒有重點中學，臨汾城區重點中學為臨汾一中、臨汾三中、同盛中學等，分布在此區域之外.

圖3 GWR模型距中學距離回歸系數空間分布

3.2 距公園距離對城市住宅價格空間格局的影響

由圖4可知，距公園距離與住宅價格呈負相關，四年間整體上系數為負且跨度不大.說明距離公園近對住宅價格具有促進作用，住宅周圍距離公園越近，住宅價格也會隨之增加.說明公園這樣的大型綠地提高了住宅品質，而且導致住房價格上漲的影響因素的空間差異明顯.這與大城市住宅價格影響因素具有一致性，如：尹海偉發現在上海，距城市綠地(公園)距離與房價之間呈負相關關系，離綠地(公園)越遠，價格越低[20].

同時，從圖4也可以觀察到距公園距離的地理加權回歸系數的空間差異，其中回歸系數絕對值的大小反映了該因素對住宅價格空間分異影響程度的高低.四年間回歸系數，空間分布上總體呈現城市東部與西部是低值區低，城市南部與中部為高值區.其中，2015年城市東部住宅價格受距公園距離影響較大，該區域有臨汾最大的兩個公園澇洰河公園和堯都公園再次修建布局.高值區域主要分布在城區南部；2016年、2017年高值區與低值區基本不變，但是在-84 374～+57 771范圍的回歸系數空間布局有所擴大，沿鼓樓南北大街北部擴大.西部的高價住宅區明顯外移到新城，其他地區的格局基本不變；2018 年，低值區域明顯西南轉移，濱河路周邊的低值區域是其核心，可知在城區西部公園因素對住宅影響顯著，也符合實際，臨汾的城市西部有著景色優美的汾河公園，其周圍的環境質量、居住質量最優，城市中部和南部小區幾乎沒有公園供人們休憩、娛樂，在中部與南部區域住宅價格受公園遠近影響程度較城東、西部小.

圖4 GWR模型距公園距離回歸系數空間分布

3.3 距主要道路距離對城市住宅價格空間格局的影響

主要交通干道是影響城市地價空間差異的主要區位因子[21].而臨汾市城區中貫穿城區中心的只有鼓樓大街.由圖5可知：距鼓樓街距離與臨汾城區住宅價格呈現負相關，距離鼓樓大街越近住宅價格也會越高.在回歸系數空間分布上，2015年～2017年城區東北部地區回歸系數絕對值較高，回歸系數絕對值沿著鼓樓大街從北向南逐漸減小.說明了鼓樓大街在東北部地區對城市住宅價格影響較大，臨汾東北部地區相對不發達并且城市主干道發達地區住宅價格高.2018年回歸系數絕對值較高區域明顯外移到鼓樓大街的主干道中北部地區，城市東北部出現了回歸系數絕對值逐漸變低的趨勢.總體上，從四年回歸系數均值上看，回歸系數逐步減少，說明隨著主干道狀況的逐步完善，鼓樓大街對城市住宅地價影響逐步減少.這和臨汾市城區規劃的實際情況一致，臨汾市城市總體規劃[22](2009～2020)中提出的迎春街南延伸、中大街貫通、東城產業聯系軸中南北向道路于2018年開始施工建設.

圖5 距鼓樓距離的回歸系數空間分布

4 結論

本文選取了臨汾城區住宅價格分布作為研究對象，通過資料整理和數據收集，用ArcGIS10.1軟件對臨汾城區住宅價格分布規律和影響因素進行綜合分析，得出以下結論：(1) 總體來看臨汾住宅價格空間分布上存在正相關，具有較強的集聚性，時間演化中整體上集聚程度加強，個別年份有輕微波動. (2) 從四年間各個影響因素GWR模型回歸系數空間變化上來看，整體上距小學、中學距離與臨汾城區住宅價格呈負相關，說明離小學、中學近對住宅價格增加具有促進作用，并且距中學距離比距小學距離對住宅價格的影響更大；距公園距離與住宅價格呈負相關，說明距離公園近對住宅價格具有促進作用；距主要交通干道與臨汾城區住宅價格呈現負相關，距離鼓樓大街越近住宅價格也會越高.