江蘇省城市地價水平的空間自相關分析

詹海斌,占輝斌，吳 群

（1.襄樊學院 管理學院，湖北 襄樊 441053；2.黃山學院 經濟管理學院,安徽 黃山 245041;3.南京農業大學 公共管理學院，南京 210095）

0 引言

當前我國在研究城市地價相關問題時通常將區域內各個城市視為互相獨立的空間單元[1]，但隨著我國區域經濟一體化發展，區域內相互鄰接的各城市之間地價水平的關聯性也越來越強[2]。國內學者在城市地價方面研究成果豐碩，如在城市地價指數編制和城市土地市場方面已有較深入的研究[3，4]，但當前國內對于省域經濟圈內相互鄰接的各城市之間城市地價水平空間布局上的差異研究還較少，而通過區域城市之間地價水平空間差異研究有助于通過土地價格機制優化配置整個區域土地資源，并且對促進區域內各城市之間產業結構協調發展也具有重要指導意義。

江蘇省是我國較早開展城市基準地價工作的省份之一，根據江蘇省城市地價動態監測成果顯示,從2000年以來隨著江蘇省區域經濟的快速發展,區域內城市地價水平有了大幅的提高。本研究借助GIS技術對江蘇省各省轄市城市地價水平從不同土地用途以及按市區、市域范圍進行了多方位的空間自相關分析，研究各城市間地價水平在空間上的相關性，期待為政府部門通過地價杠桿參與宏觀經濟調控提供有益的決策依據。

1 基本概念

1.1 空間自相關

空間自相關是研究空間某一位置相互鄰接的地理現象或觀測屬性之間的空間相關性，主要是通過相應的空間自相關指數來表示[2]。

1.2 地價內涵

本研究中城市地價內涵是按照城市基準地價內涵來確定的，江蘇省13個省轄市的不同用途的城市地價水平來源于相應年份的江蘇省城市地價動態監測成果。

2 測算模型選擇

目前進行空間自相關分析常用的空間自相關指數有Moran's I、Geary Ratio C、Local General G-Statistics[5-7]。本文研究的是江蘇省城市地價水平的全局空間自相關分析,因此采用常用的全局Moran's I空間自相關模型進行全局空間自相關分析,計算公式如下[8，9]：

式中,xi,xj分別表示第i,第j個城市的地價水平,為城市平均地價水平,n為城市總數,wij為研究區域范圍內空間單元i、j的空間連接矩陣，不同的研究目的選擇相應的空間連接矩陣的構造方法。由于本文所研究的江蘇省城市地價水平空間自相關分析的空間目標單元為面狀目標,同時考慮到城市地價水平的空間自相關分析的可行性,因此引入Dacey提出的面狀目標單元之間潛在影響的空間權重矩陣wij。

其中，dij是二進制連接矩陣元素；ai是單元i的面積與整個區域所有單元總面積的比例；?ij為相鄰的空間單元i被空間單元j共享的邊界長度占單元i總邊界長度的比例[10,11]。

Moran's I指數的取值范圍在-1～1之間，正值表示空間區位相鄰的城市地價水平比較接近；而負值表示相鄰城市間的地價水平差異較大；Moran's I指數為零值表示空間事物的該屬性空間隨機分布[12,13]。

3 估計與檢驗

Moran's I指數通過樣本數據測算出來的，在Moran's I≠-1/(n-1)時，Moran's I與-1/(n-1)之間的差異分為以下兩種：一種是顯著不同；另一種是Moran's I與-1/(n-1)之間的差異與抽樣的隨機性有關，兩者之間并不存在顯著的不同。所以，基于Moran's I的分析需要在一定概率下進行空間自相關的顯著性檢驗，以保證推斷結論的正確性。通常對Moran's I的顯著性檢驗采用雙側z檢驗，求取公式為：

式中，I為由Moran's I指數；E(I)為Moran's I指數的期望值，其值為-1/(n-1)(n為樣本容量)；Var(I)為Moran's I指數的方差，其計算方法和正態抽樣假設和隨機抽樣假設[14，15]有關。

4 數據來源與測算結果分析

本文分析所需的江蘇省省轄市城市地價水平的資料主要來自2006、2007、2009年度《江蘇省城市地價動態監測報告》，全局空間自相關分析所需的江蘇省13個省轄市位置和行政邊界數據根據國家基礎地理信息中心1:400萬數據庫提供的資料，并根據空間權重矩陣構建的需要進行整飾。以江蘇省各省轄市的城市地價水平為變量，通過ArcView GIS、GeoDA軟件進行空間分析，同時構造面狀目標的空間權重矩陣，并且在設定顯著性水平a=0.05，對江蘇省各省轄市2006、2007、2009年不同用途城市地價水平的全局Moran's I進行了測算。

江蘇省省轄市不同用途城市地價水平的Moran's I估計和檢驗結果見表1、表2和表3。

表1 2006年城市地價水平的Moran's I及Z值

表2 2007年城市地價水平的Moran's I及Z值

表3 2009年城市地價水平的Moran's I及Z值

(1)從以上空間自相關分析結果的Moran's I值來看，2006年、2007年、2009年江蘇省13個省轄市不同用途的城市地價水平都存在正的空間自相關,表明各省轄市間城市地價水平在空間上具有聚集特征，如圖1所示，即城市地價水平高的城市是經濟水平發達、城市規模大的南京、蘇州、無錫和常州；地價水平較高的城市是揚州、鎮江和南通；地價水平中等的城市是泰州、鹽城、淮安、徐州和連云港；而地價水平最低的城市是宿遷。

(2)從空間自相關分析結果的ZR(I)值來看，最小值為1.125,最大值達到1.975,表明在設定顯著性水平a=0.05條件下，江蘇省城市地價水平已趨向于顯著的空間自相關性。

(3)從市域地價水平與市區地價水平的空間自相關Moran's I值來看，2006年、2007年、2009年13個省轄市不同用途的市域地價水平的Moran's I均小于市區地價水平的Moran's I。但從市域地價水平與市區地價水平的空間自相關ZR(I)值來看，除2009年工業用途的地價水平空間自相關ZR(I)值市域大于市區之外，總體上江蘇省13個省轄市市區地價水平的空間自相關ZR(I)值比市域地價水平的空間自相關ZR(I)值大，所以整體上表明13個省轄市市區地價水平的空間自相關性比市域地價水平的空間自相關性顯著。

(4)從不同用途空間自相關分析結果來看，工業用途地價水平的空間自相關性最顯著，其次是商業用途的地價水平，空間自相關性最不顯著的是住宅用途的地價水平。究其原因，主要是因為各城市工業用地的地價水平相對商業用途和住宅用途的地價水平來說普遍相對較低，并且由于我們國家從2007年1月1日起執行新的工業用地最低價標準，各省轄市政府部門為了招商引資需要通常以本地區工業用地最低價標準小幅度上調的辦法出讓工業用地，從而人為地導致工業用地的地價水平的空間自相關性最顯著，而商業和住宅的地價水平在江蘇省13個省轄市之間差距比較顯著，兩者的地價水平不如工業用地地價水平受政府部門的干預程度大。如蘇南一些城市的商業、住宅用途的地價水平和蘇北一些城市的商業、住宅用途的地價水平差距就非常大，因此商業、住宅用途的地價水平的空間自相關性沒有工業用途地價水平空間自相關性顯著。

(5)從不同年份的空間自相關分析來看，2006年商業、住宅用途的市域和市區地價水平的Moran's I、ZR(I)值均大于2007年相應地價水平的Moran's I、ZR(I)值，而工業用途的市域和市區地價水平的Moran's I、ZR(I)值均小于2007年工業用途地價水平的Moran's I、ZR(I)值。這表明2006年江蘇省13個省轄市商業、住宅用途的空間自相關性比2007年顯著，而工業用途的空間自相關性2007年比2006年顯著。這主要是由于2007年各省轄市商業、住宅用途城市地價水平的普遍大幅上漲，導致相鄰13個省轄市之間商業、住宅用途地價水平的差距2007年比2006年拉大，特別是蘇南地區城市的商業、住宅用途的地價水平與蘇北地區城市之間商業、住宅用途的地價水平的差距更加明顯。但由于2006～2007年工業用途的地價水平變化如前所述，相鄰各省轄市的工業用地的地價水平的差距進一步縮小，導致工業用地的地價水平的空間自相關性2007年比2006年顯著。2009年商業、住宅、工業用途的市域和市區地價水平的 Moran's I、ZR(I)值均大于2007年相應地價水平的Moran's I、ZR(I)值。

圖1 江蘇省城市地價水平的空間分布圖

5 結論與討論

本研究在利用江蘇省城市地價動態監測成果的基礎上,使用ArcView GIS軟件和GeoDA空間統計分析軟件,采用全局空間自相關Moran's I測算模型,對江蘇省省轄市不同用途的城市地價水平進行了全局空間自相關分析,從模型測算結果分析來看,江蘇省不同用途各城市商業和住宅用途的地價水平差異顯著,特別是蘇北與蘇南各城市之間的住宅與商業用途的地價水平差異非常明顯，并且這種地價水平差距還有進一步擴大的趨勢，同時江蘇省各城市工業用途的地價水平差異相對不明顯。基于以上地價水平空間自相關分析，江蘇省應從整個區域各城市協調發展的角度出發，加快蘇北地區城市經濟和城市規模的發展，大力促進蘇北地區第三產業的發展，解決目前蘇南地區城市規模過度擴張以及蘇北地區城市經濟發展相對落后的局面，使江蘇省各城市之間商業、住宅用途地價水平保持合理的差異程度，防止商業、住宅用途地價水平差異的進一步擴大，這將不利于江蘇省整個區域城市經濟的協調發展。同時加大規范各城市政府的行政職能，避免江蘇省各城市政府招商引資的惡性競爭，積極引入市場機制來合理確定工業用途的地價水平，體現江蘇省各省轄市工業用途地價水平的地理區位優勢，通過地價機制提高各城市工業用地的利用效率。

[1]王青，陳志剛，葉依廣等.土地市場發展的經濟驅動機制：理論與實證分析[J].中國人口·資源與環境，2007，17(3).

[2]宋鴻，陳曉玲等.中國土地市場化進程的空間自相關分析[J].華中師范大學學報（自然科學版）,2008,(3).

[3]李國柱.房地產價格指數的編制方法[J].統計與決策，2003,(11).

[4]吳王景，鄭思齊，劉洪玉.編制住房價格指數的特征價格法細解[J].統計與決策，2007,(24).

[5]Arthur G.Reflections on Spatial Autocorrelation[J].Regional Science and Urban Economics，2007,(37).

[6]Goodchild M F.Spatial Autocorrelation[M].Norwich,UK：CATMOG 47,Geo Books，1986.

[7]Getis A，Ord J K.The Analysis of Spatial Association by the Use of Distance Statistics[J].Geographical Analysis，1992，(24).

[8]郭慶勝，杜曉初，閆衛陽.地理空間推理[M],北京:科學出版社,2006.

[9]Griffth D.A.Spatial Autocorrelation and Spatial Filtering[M].Germany：Springer，2003.

[10]Dacey，M.A Review of Measures of Contiguity for Two and K-Color Maps[A].edited by B.Berry，D.Marble.In Spatial Analysis：A Reader in Statistical Geography[M].N,J.：Prentice-Hall，1968.

[11]劉旭華，王勁峰.空間權重矩陣的生成方法分析與實驗[J].地球信息科學,2002,(2).

[12]馬榮華，蒲英霞，馬曉冬.GIS空間關聯模式發現[M].北京：科學出版社，2007.

[13]彭建超，吳群等.長三角地區城市土地利用度區域分異研究[J].中國人口·資源與環境,2008,(2).

[14]Anselin L.Local Indicators of Spatial Association-LISA[J].Geographical Analysis，1995，27(2).

[15]張琦.我國土地市場化的區域差異比較[J].改革，2006,(10).