基于GIS的成都市商品住宅價格空間分布差異研究

翟崟淞

摘要：對成都市2018年2月在售的76個中心城區住宅小區的價格進行收集和整理，結合地理信息系統（GIS）的空間分析方法，運用克里金（Kringing）空間插值法分析得出成都市住宅價格空間分布圖。結果表明，成都市高價住宅呈現南北帶狀分布，同時存在以南邊（高新區）為中心向四周擴散的趨勢，不同區域房價差異較大且存在較強的空間依賴性。

Abstract： This paper collects and collates the prices of 76 residential districts in Chengdu in February 2018. Combining with the spatial analysis method of Geographic Information System （GIS）， Kringing spatial interpolation method is used to analyze the spatial distribution map of housing prices in Chengdu. The results show that the distribution of high-price housing in Chengdu is north-south zonal， and there is a trend of spreading from south to around （high-tech zone）. The price of housing in different regions varies greatly and there is a strong spatial dependence.

關鍵詞：GIS;住宅價格;空間分布

Key words： ArcGIS;housing price;space distribution

中圖分類號：F290? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）18-0046-04

0? 引言

自1998年住房制度改革以來，我國房地產市場從無到有，發展迅速。從歷年房地產開發投資的金額來看，其所形成的經濟體量愈加龐大。公開資料顯示， 2013-2017年中國國內生產總值增長速度有放緩的趨勢，房地產開發投資增速卻始終不減，雖然遠達不到以前的峰值增速，但對國民經濟發展的拉動作用是不可忽視的。

商品住宅市場是房地產市場的一個重要組成部分，也是百姓最關心的部分。隨著全國范圍內的房地產市場井噴式發展，商品住宅價格也被抬高到了歷年峰值，以本文研究區域為例，成都2013年住房均價7024元/m2，2017年住房均價12034/m2，環比增長71.32%，①有的區域如高新區甚至出現翻倍的情況。房價這樣不可控制的增長已經影響到了城鎮居民的正常生活。因此，房價持續的高速攀升引起了政府的高度關注，相關部門也陸續出臺了一系列調控和抑制房價的政策。

黨的十九大報告指出：“堅持房子是用來住的、不是用來炒的定位，加快建立多主體供給、多渠道保障、租購并舉的住房制度，讓全體人民住有所居?！边@充分展示了國家頂層對“住房價格”這一民生問題的重視，政府將采用“有型的手”與“無形的手”相結合的方式打擊住宅投機、投資現象，讓住房回歸其根本的居住屬性。

綜上，本文將借助地理信息系統中（ArcGIS）的空間分析方法（克里金插值法）進行空間插值得到成都市在售商品住宅價格空間分布圖，分析成都市住宅價格的空間分布差異情況，為成都市土地的合理利用，房價管控措施的制定提供參考。

1? 研究對象與方法

1.1 研究范圍

本次研究范圍為成都市中心城區，包括錦江區、青羊區、金牛區、武侯區、成華區、高新區6個主城區以及新都區、郫都區、溫江區、雙流區、龍泉驛新都區6個中心城區。（見表1）

1.2 資料收集與整理

本次研究樣本的數據來源于中原地產（http：//cd.centanet.com/？sem=baidu&hmpl=pz），房天下（http：//www1.fang.com）以及四川省測繪地理信息局門戶網站（http：//www.scbsm.gov.cn）?？傆嬎鸭?018年2月在售的76個中心城區在售住宅價格的均價。

對樣本數據中各區數據進行對比分析：對樣本數據按樓盤個數、總樣本數的百分比及分布密度（個/km2）進行分型行政區域進行對比，描述統計情況如表2。

對直方圖進行分析：利用SPSS軟件對所有樣本數據進行統計性描述，如圖2所示，橫坐標代表住宅的價格區間，縱坐標代表在某一價格區間的個數。（注：由于空間插值法需要求樣本數據呈現正態分布，因此前期對數據進行了預處理，剔除了部分豪宅，別墅）

從表3可知，偏度值為0.848，說明樣本住宅價格數據屬于弱正偏態，可以使用空間插值，同理，從分布直方圖可以直觀看出數據分布基本服從正態分布。

2? 住宅價格空間特征分析

2.1 樣點數據庫的建立

通過Arc GIS軟件平臺，繪制研究區域范圍內的底圖，新建點圖層，添加篩選后每個樣點的位置，價格等相關信息，建立樣點空間數據庫。（如圖3所示）

2.2 樣點數據可視化分析

借助對成都市中心城區在售住宅房價空間特征進行分析，首先根據搜集的數據得出每個行政區域的住宅均價，并在Gis軟件中進行數據可視化，便于先在宏觀層面對成都住宅價格空間分布有更直觀的了解。（如圖4）

由圖4可知，成都中心城區范圍內高新區和錦江區的商品住宅均價最高，均超過了20000元/m2，老城區以外的區域，雙流區價格最高，成都全市高價格住宅呈現南北帶狀分布。

2.3 樣點數據的空間插值

為了進一步研究成都住宅房價的空間分布差異情況，采用克里金插值法（普通）進行同一區域位置數據的預測。其中，關鍵步驟的結果如下所示：

第一步：（常態得分變換）

第二步：（半變異函數/協方差建模）

第三步：（搜索鄰域）（圖8）

第四步：（交叉驗證）（圖9）

完成上述步驟后，對所得插值圖進行裁剪出圖，結果如圖1所示。

3? 結果分析

結合克里金空間插值法對成都市住宅均價空間特征分布進行分析，結果如下：

首先，從成都市住宅均價空間分布圖可以直觀的看出，房價峰值與低值相差較大，最低值5250元/m2，最高值40000元/m2（剔除部分豪華住宅和別墅以后），但峰值并不唯一，在錦江區，高新區以及雙流區都出現了峰值，尤其以高新區為主的四周區域價格都處于較高水平。所以，筆者認為，成都市房價分布特征存在很強的空間依賴性，高價住宅呈南北帶狀分布已是現實，但未來極有可能以高新區為中心向外擴散，形成新的峰值區域。因此，管理者在未來要優先考慮對高新區周圍區域房價的管控。

其次，從單個住宅小區價格的空間分布來看，價格相似（相差2000-3000元/m2）的小區多呈現聚集現象，尤其是高價位的樓盤，如錦江區的望江名門和阿瑪尼等（價格均超過60000元/m2）;高新區的花漾錦江和成都銀泰中心華悅居等（價格均超過40000元/m2）。因此，管理者在未來可以考慮從控制高端豪華住宅的審批數量與分布來間接控制區域房價。

最后，從整體房價趨勢來看，東西發展較其他區域較為滯后，尤其是成都西北方向的區域如郫都區等，這與成都的地理位置和近些年城市的發展戰略有直接關系，從地理位置上看，成都平原的西北方為龍門山脈，在經濟發展條件一定的情況下，很難再有拓展，且交通也不便，成都重要的交通樞紐都集中在東南方;從發展戰略上看，雖然近幾年加大了對成都市西北區域的發展，但“東進、南拓、西控、北改、中優”的總方針讓西北區域的發展速度已經遠遠的被落在了后面。因此，管理者未來應考慮適當的放松成都西北區域的房地產政策以刺激該區域的經濟發展。

注釋：

①數據來源：安居客，https：//chengdu.anjuke.com/？pi=PZ-baidu-pc-all-biaoti.

參考文獻：

[1]丁鈺珈，唐靜睿.基于GIS的南京市商品住宅價格空間分異研究[J].現代經濟信息，2018（16）：492.

[2]趙士陽.基于GIS的南京市住宅地價空間分布研究[J].中國物價，2018（11）：62-64.

[3]蔣健君，花向紅，邱衛寧，羅慕筆.基于ArcGIS的房地產價格空間分布研究[J].測繪地理信息，2014，39（03）：27-30.

[4]靳樂樂，張軍，劉勇，周群.基于GIS的武漢市住宅地價空間分布分析[J].江西農業學報，2013，25（03）：118-120.

[5]丁雪瑩，洪燦，熊孜，聶篤聰.基于GIS的長沙市商品住宅價格空間格局及影響因素分析[J].熱帶地理，2012，32（04）：423-428，436.

[6]李妮.基于GIS的西安市商品住宅價格空間變化趨勢研究[J].陜西教育（高教版），2011（12）：11-12，16.