基于GWR的南昌市中心城區商業地價驅動因素分析

賴夏華，郭 熙，趙小敏，易 丹，韓 逸

（江西省鄱陽湖流域農業資源與生態重點實驗室/江西農業大學，江西 南昌 330045）

1 引言

地價作為城市經濟的“晴雨表”，是調控城市土地和配置土地資源的重要手段[1]。商業地價作為城市地價的重要組成部分，不但折射出一個城市的商業繁榮程度和經濟活力情況[2]，而且還能引導經濟實體分布[3-4]，進而塑造城市地價格局。由于商住聯動現象普遍存在[3，5-6]，商業地價的變化對周圍住宅地價具有重要的影響，因此研究商業地價的空間分布特征對城市土地資源的合理配置和科學規劃尤為重要[7]。

隨著土地市場的建立與完善，國內外對商業地價的研究內容日漸豐富，主要集中在空間分布規律以及地價驅動因素的研究[8-12]，研究的方法從傳統的描述性分析向空間計量經濟發展。反距離加權（Inverse Distance Weighted, IDW）[11，13]和半變異函數[14-15]在刻畫地價空間分布規律和空間結構方面被廣泛運用。很多學者選擇特征價格法[8-9，16]作為解釋地價與驅動因素關聯的重要方法，但是其只能從全局分析驅動因素，無法揭示變量的空間分異[17]。BRUNSDON等[18]提出的地理加權回歸（Geographically Weighted Regression, GWR）模型具有揭示空間非平穩性和空間依賴性[17，19]的優勢，因此，為了揭示驅動因素的局部影響，很多學者采用GWR模型對地價的驅動因素進行分析并取得不錯的效果[20-22]。

當前的研究表明地價受相互滲透、復雜多變的各個因素的綜合影響[22-23]，以致當前的研究側重在與居民福祉休戚相關的住宅地價研究，商業地價研究雖也有一定的涉及，但是相對而言較為有限，并且大多數研究沒有區分一般商業用地與商務金融用地。此外，大多數研究者基于區位、鄰近設施、環境和其他因素[20，22]分析地價的空間分異，忽略了與商業地價密切相關的人口因素，尤其是大數據時代背景下作為常住人口分布數據有效補充的動態人口分布因素[24]。人口因素決定了商業活動的繁榮程度，是影響商業布局的主要因素[25-26]，也是服務設施選址布局的決定因素[27]，對商業地價有明顯影響。再者，這些研究大多從距離的角度[28-29]量化驅動因素，較少從供給角度考慮設施數量[30]對地價的影響。一般來說，一定范圍內服務設施數量越多，服務的人口容量越龐大，該地區的商業越具有活力[31]，商業地價增值可能性更高。關于地價空間規律的探索大多集中在北京[22，32]、南京[12，14]和武漢[10]等一線大城市，而對南昌等二線城市的地價鮮有研究。南昌市作為中部省會城市之一，是僅有的一個毗鄰長江三角洲、珠江三角洲和閩南金三角的省會中心城市,其區位優勢明顯，但是卻沒有成為中部城市經濟的領頭羊[33]。與一線大城市相比，南昌市在經濟發展水平與人口總量上存在差距，其地價分布規律與驅動地價變化的因素可能也存在差異。因此，挖掘南昌市商業地價的空間規律及其驅動因素，不僅豐富了地價驅動因素的研究，還有利于引導南昌市城市合理規劃、土地資源優化配置，為類似地區的發展與規劃提供借鑒。

鑒于此，本文以南昌市中心城區為研究區域，以實時監測的商業地價為研究對象，在分析地價空間結構和特征的基礎上，運用GWR模型定量揭示驅動因素的空間分異規律，以期為南昌市用地合理布局與城市科學規劃提供依據。

2 研究數據與研究方法

2.1 研究區概況

南昌市在過去的10年間平均地價增長了兩倍，超過全國平均水平①數據來源于地價監測網（http: //www.landvalue.com.cn/Home/Index）。。與周圍省會城市相比，南昌市GDP總量僅有5 000億元，長沙市大約10 000億元，武漢市更是高達13 410億元左右②數據來源于南昌市統計年鑒（2018年）、長沙統計年鑒（2018年）、武漢統計年鑒（2018年）。；然而南昌市監測的平均地價水平（5 738元/m2）略高于武漢市（5 574元/m2），遠高于長沙市（4 660元/m2）。考慮到南昌市地價監測點的分布情況，以南昌市中心城區為研究區域，主要包括經濟技術開發區、紅谷灘新區、東湖區、西湖區、青山湖區、高新區和青云譜區，總面積為350.11 km2，其中，紅谷灘新區屬于新城區。

2.2 數據收集與處理

2.2.1 監測地價

地價數據來源于中國地價監測網（http: //www.landvalue.com.cn/）2019年2月南昌市地價監測點，共47個商業地價監測樣點，剔除商務金融類樣點7個，商業用地監測樣點實為40個。為滿足數據分析與建模要求，本文剔除異常值，在參考南昌市基準地價修正體系的基礎上統一地價內涵。借助IBM SPSS Statistics 22軟件對監測地價進行數據描述性分析和Kolmogorov-Smirnov（K-S）檢驗，并基于驗證結果進行IDW插值。

2.2.2 地價驅動因素

人口因素是商業布局的決定因素[34-35]。人口因素與商業網點布局相互影響，人口的分布引導商業設施和公共設施布局，反過來，完善便捷的設施又會吸引城市人口集聚，尤其是在城市的重要節點，如地鐵站、汽車站、火車站以及商業綜合體。這些區域的商業用地具有更大的升值空間。借鑒已有的研究[7，23，25]，將商業驅動因素歸納為商業活力、交通條件、公共服務設施和宗地屬性。

收集監測樣點的面積、人口密度、人流量、車站站點、公交站點、地鐵站點、主要道路、大學、醫院、中小學、商業綜合體和公園數據。道路數據根據2019年百度地圖進行矢量；常住人口密度來源于第六次人口普查的南昌市街道人口數據，通過百度地圖拾取坐標系統獲取街道辦坐標后生成人口密度點數據；人流量通過騰訊“宜出行”平臺獲取，為了避免節假日的影響，收集南昌市2019年正常工作日的手機信令數據并進行清洗，經ArcGIS 10.2軟件將帶有坐標的信令數據轉為人流量點數據；2019年的商業綜合體、地鐵站點、公交站點、大學和公園等POI數據通過網絡爬取，其中商業綜合體主要包含萬達、百盛和天虹等大型的知名消費商場。道路數據、人口數據和POI數據投影至相同坐標系并進行校正，之后運用ArcGIS 10.2進行鄰近分析和核密度分析，分別獲得POI點到監測樣點的最短距離、人口密度和人流量密度。根據《城市公共交通站、場、廠設計規范》采用緩沖區分析，統計監測樣點800 m范圍內的公交車站數量。

2.3 研究方法

2.3.1 半變異函數分析

半變異函數作為地統計學中研究空間自相關的重要方法，常用于區域空間的異質性研究，通過度量數據點的距離與變異值，解釋空間分異的結構性與隨機性[36-37]。計算公式為：

式（1）中：α（d）為半方差函數；d為步長，即樣點間隔距離；N（d）為間隔距離為d的點對數；Z（xi）、Z（xi+d）分別為變量Z（x）在空間xi和（xi+d）處的觀測值。

1.3.1 測產。辣椒于7月20日移栽，9月20日第一次采收，12月5日最后一次采收。全生育期內共采收 5次，每次采收按小區計實產。

2.3.2 GWR

GWR是一種局部線性回歸，相比于傳統的全局回歸，地理加權回歸用地理加權的樣點來估算每個樣本的參數值，進而解釋各變量在空間上對地價的影響程度。基于地理加權回歸允許變量的空間分異性，此方法是一種有效的探索空間非平穩性的方法[17]。GWR的一般形式和系數估計分別如下：

式（2）—式（3）中：Yj為第j個監測點的土地價格；β0（uj，vj）為常數項；（uj，vj）為第j個監測點的空間坐標；βi（uj，vj）為監測點j處第i個解釋變量xji的回歸系數；cj為監測點j處的隨機誤差；X為自變量矩陣；XT表示自變量的轉置矩陣；W（uj，vj）為監測點j處的空間權重函數，根據自適應的高斯函數確定。

3 結果與分析

3.1 南昌市地價分析

3.1.1 南昌市地價描述性統計分析

統計結果（表1）顯示，南昌市商業地價均值為9 942.200元/m2，最大值與最小值的比值為3.03。變異系數為28.73%，屬于中等程度變異，表明南昌市地價分布存在空間異質性。K-S檢驗結果表明南昌市商業地價符合正態分布。

表1 南昌市商業地價的描述性統計特征Tab.1 Descriptive statistical characteristics of commercial land price in Nanchang City

3.1.2 南昌市地價空間分析

半變異函數能夠刻畫地價空間分布的特征，揭示地價的空間相關性和距離之間的關系，是探索地價空間變異性的重要方法[38]。表2說明，地價的最優擬合模型為高斯模型，模型的擬合系數為0.948，擬合度高。商業地價的塊金效應為7.208%，變程為8 138 m，根據塊金系數劃分標準[39]，南昌市商業地價具有強空間相關性，空間自相關范圍廣，并且主要受到結構性因素（如交通、環境和基礎設施）[14]作用。

表2 南昌市商業地價半變異函數參數Tab.2 Semi-variogram function parameters of commercial land price in Nanchang City

圖1 南昌市商業地價空間分布圖Fig.1 Spatial distribution of commercial land price in Nanchang City

3.2 驅動因素結果

商業地價驅動因素分為4類共13個維度，分別是商業綜合體距離、人口密度、人流量，公交車站距離、公交車站數量、地鐵站距離、車站距離、主干道距離，大學距離、中小學距離、醫院距離、公園距離和面積。經Pearson相關分析和方差膨脹因子（Variance Inflation Factor, VIF）檢驗，結果顯示大學距離對商業地價沒有顯著影響。由于地鐵站點與商業綜合體為一體式發展，二者具有嚴重的多重共線性，且其VIF值高于商業綜合體距離，故將地鐵站距離剔除并再次進行檢驗。表3中的各個驅動因子都通過多重共線性檢驗（VIF＜7.5）。

表3 商業地價變量選取與描述統計Tab.3 Selection and description statistics of driving factors of commercial land price

3.3 GWR模型計算結果與分析

考慮到地價具有空間異質性特點，運用ArcGIS 10.2構建GWR模型，得到調整的R2為0.691，這說明GWR模型能解釋69.1%的地價變化情況。運用OLS模型得到調整的R2為0.672。相比于OLS模型，GWR模型對地價的解釋能力更強。

表4為GWR模型運算結果。從回歸系數的平均值來看，各因素對商業地價的平均貢獻度依次為Num_Bus＞Dis_sch＞Dis_bus＞Dis_hos＞Dis_park＞Dis_road＞Dis_tran＞Flow＞Dis_com＞Popu＞Area。800 m范圍內的公交車站數量對商業地價的邊際貢獻最大，宗地面積的邊際貢獻最小。回歸系數的正負值說明驅動因素存在局部的空間異質性[21]。

表4 GWR模型運算結果Tab.4 Results of GWR model

3.3.1 商業活力對商業地價的影響

通常情況下，商業綜合體集購物娛樂餐飲于一體，且其具有相對完善的交通基礎設施，能吸引密集的人口集聚，因此與商業綜合體距離越近，商業地價越高。南昌市中心城區大體也呈現出這種規律（圖2（a））。南昌市商業綜合體主要分布在東湖區與紅谷灘新區，包含萬達、百盛和天虹，并與地鐵接駁。以商業綜合體為中心而形成的消費場所，是為城市居民提供多重體驗消費的重要載體[34]，也通常是商業活動最為繁華的地區，因此隨著與商業綜合體距離的縮短，商業地價逐漸攀升。在經濟技術開發區，商業綜合體的溢價作用最為強烈，這主要是因為經濟技術開發區內缺乏綜合的商業活動中心，而在其他區域，商業綜合體或多或少均有分布，故其增值作用稍弱。

人口密度、人流量均對商業地價有提升作用（圖2（b）、2（c）），也就是說隨著人口密度和人流量的增加，商業地價趨于上升。人口密度對商業地價的作用強度由西至東遞減，新城區的商業地價對人口密度表現得最為敏感。由于人口密度是影響零售商業分布的主要因素[25]，作為規劃的新城區，人口密度相對較小，每平方公里人口密度的增加促使商業地價上漲得最為明顯。而老城區人口密度較大，在短時間內人口增長對商業地價的促進作用有限。

圖2 商業活力對商業地價影響的空間差異Fig.2 Spatial variation in the impact of commercial vitality on commercial land price

人流量對商業地價的增值能力也呈現類似規律，但其增值作用略強于人口密度。城市居民晝出夜歸的通勤特征，使得人流量在興趣點迅速聚集[24]，因而城市的商業活動消費模式具有時變性[34]。對于商業而言，人口匯集促使商業活動頻繁，商業活力因此得以提升，所以商業地價對人流量的變化更為敏銳。但是在高新區的大部分區域，人流量與商業地價呈相反的作用機制。這主要是因為眾多新型產業和傳統產業在高新區集聚，使得該區域的人流量密集，因此出現人流量大而商業地價低的現象。

3.3.2 交通條件對商業地價的影響

圖3顯示的是交通因素對商業地價的空間異質性影響。交通站點周圍往往有較密集的人流量，商業活動經常伴隨著交通節點展開。

公交車站距離的貢獻率為［-0.171，1.522］（圖3（a）），這表明公交車站對地價的影響存在空間異質性。在南昌市的大部分區域，商業地價隨著公交車站距離的增加而上升，只有青云譜區與青山湖區小部分區域會下降。一般來說，公交車站周圍伴隨著一系列商業活動的開展，商業地價可能越高，但是南昌市商業地價并未因公交車站距離的縮短而上漲。這主要是因為公交車站分布較為均勻，且其承擔的是停靠與中轉的作用，其距離的遠近意味著便利程度而非人流量的匯集，所以商業地價與公交車站的距離呈現出同向作用機制。盡管公交車站距離的縮短對商業地價沒有促進作用，但是公交車站數量的增加卻使得商業地價大幅度增加（圖3（b）），800 m范圍的公交車站每增加一個，商業地價至少上漲116.897元/m2。這與已有研究結果[16，40]類似，即公交車站數量越多，房產價值越高。人口密度與公共交通之間的隨機關聯性[41]使得公交車站的布設與人口因素緊密結合，出于城市便捷的公共出行要求，在人口高度集聚的城市商業地帶，公交車站數量往往密集，因此商業地價與公交車站數量具有相同的作用方向。南昌市北端的公交車站分散且數量有限，公交車站數量的增加致使商業地價迅速抬升，而公交車站相對均勻的其他區域，商業地價受到公交車站數量的抬升作用逐漸減弱，呈現出明顯的圈層結構。

圖3 交通條件對商業地價影響的空間差異Fig.3 Spatial variation of traffic condition on commercial land price

圖（3（c））顯示主干道距離與商業地價呈負相關，回歸系數從經濟技術開發區向昌東地區逐漸變小。主干道距離越近，為以批發零售為主的一般商業活動提供的服務越便捷，因此呈現出距離主干道越近，商業地價越高的規律，這與已有的研究一致[7，20]。汽車站和火車站作為對外交通的節點，也是人流量非常密集的區域，其周圍較為完善的配套商業設施服務大多數通勤者。所以在南昌市大部分區域，車站距離與商業地價呈負相關（圖3（d）），即越靠近車站，商業地價越高。主干道和車站對商業地價的影響規律一致，呈現出作用強度從經濟技術開發區向昌東地區逐漸減弱的特點。這歸因于經濟技術開發區內逐漸承接來自紅谷灘新區的人口，但其主干道較為稀疏，并且距離火車站和汽車站遠。因此，經濟技術開發區對其距離的變化較為敏感。

總的來說，公交車站數量對商業地價的邊際作用效果明顯，這一影響具有空間連續性；公交車站距離、主干道距離和車站距離對商業地價的貢獻率較低且公交車站距離對商業地價的影響存在空間異質性。

3.3.3 公共服務設施對商業地價的影響

學校、醫院和公園周圍人流量較大。由于服務人群的差異，不同類型的公共服務設施對商業地價的影響呈現出不同的作用效果。雖然有研究表明醫院的距離對人口的分布有影響，在跨越一定閾值之后人口密度與住房價格會增加[42]，但從醫院距離的回歸系數來看（圖4（a）），商業地價隨著與醫院距離的擴大而下降。作為生活便利性設施的醫院，具有功能多樣化、集中化和區域流動人口密度大的特點，因此對商業地價的增值作用明顯。

圖4（b）反映的是義務類教育學校對商業地價的作用方向和作用效果。通常情況下，中小學附近會帶動一定規模與數量的文體店的發展，中小學人口的集聚可能促使商業地價抬升，但是出于安全考慮，中小學與商業密集區域保持一定距離，因此中小學對商業地價的關系表現為正向影響，這與王愛等[7]的研究結果相似。

圖4 公共服務設施對商業地價影響的空間差異Fig.4 Spatial variation in the impact of public service facilities on commercial land price

盡管有研究表明人們對于品質生活和環境質量的要求使得公園對住宅和商業地價都有提升作用[7，22]，但是南昌市呈現出不一樣的特點（圖4（c）），公園距離與商業地價呈現出同向增長的作用機制。公園作為城市生活的重要組成部分，主要發揮休憩鍛煉的功能，商業地價并不會因其距離的縮短而有所上升。

3.3.4 宗地屬性對商業地價的影響

宗地面積回歸系數的范圍為［-0.027 9，-0.022 0］（圖5）,說明宗地面積對商業地價的影響力有限。這可能與區域整體較為成熟的開發水平和較為完善的配套基礎設施有關，地塊規模對地價的影響能力不如其他因素明顯[43]。回歸系數值表示宗地面積每增加一平方米，地價至少下降0.022 0元。可能的解釋是宗地面積越大，意味著土地總價越高，因而相對較少的開發商能參與到競拍中，競拍程度有所減弱，土地成交單價相對于小規模的宗地來說更低；面積越小，土地總價格越低，開發商準入門檻低，土地競拍激烈，單位面積的地價相對較高[44]。

圖5 宗地屬性對商業地價影響的空間分異Fig.5 Spatial variation in the impact of parcel attributes on commercial land price

4 結論與討論

4.1 結論

本文在分析南昌市商業地價空間分布規律與結構的基礎上，綜合分析商業活力、交通條件、公共服務設施和宗地屬性對地價的影響。得出以下結論：（1）南昌市商業地價在空間上表現為單中心圈層結構，商業地價從城市的核心向外遞減，地價高值具有連續性，低值具有非連續性、跳躍式發展的特征；（2）商業地價的空間相關范圍廣，主要受到結構性因素的影響；（3）從Pearson相關系數來看，人口密度、人流量和公交車站數量對商業地價具有顯著影響，并且公交車站數量的增值作用最為明顯；（4）通過手機信令反映的實時人流量是商業地價重要的驅動因素之一；（5）商業地價驅動因素的平均貢獻度依次為公交車站數量、中小學距離、公交車站距離、醫院距離、公園距離、主干道距離、車站距離、人流量、商業綜合體距離、人口密度和宗地面積。

4.2 討論

商業地價與各驅動因素之間的關系復雜多變，對商業地價驅動因素的探討有利于促進城市優化資源配置和科學規劃。各驅動因素對地價的空間作用具有空間依賴性與分異性[21-22]。公交車站數量對商業地價增值貢獻大，對住宅地價也有提升作用[30]。對于這兩類用途的地價來說，公交車站越密集意味著累計機會越大，地價增值的潛力也越大。從Pearson相關系數值和回歸系數均值來看，與公交車站距離相比，公交車站數量對商業地價的作用效果更明顯，說明商業地價從因密集分布的公交車站而形成的集聚效應中獲益更多。此外，人口密度和人流量不但通過Pearson相關性檢驗，而且其回歸系數值表明這兩者對商業地價均有提升作用，這一結論驗證了王愛等[7]從人口視角解釋交通站點驅動商業地價的合理性。人流量對商業地價的作用強度略高于人口密度，相比于殷煒[2]單獨以片區人口密度來衡量其影響程度，人流量對商業地價驅動因素的研究有補充作用。因此，在商業設施選址布局過程中，需要綜合考慮公交車站數量、人口密度和人流量因素對地價的影響，特別是重要交通節點的人流量。

車站對南昌市商業地價的影響為負相關，這與合肥市[7]呈現出中心—邊緣不同作用機制的特點有所不同。這歸因于南昌市對外交通站點主要分布在城市的核心區域，使得人口向心性集聚，而合肥市交通站點布局分散，致使核心區域與外圍呈現出不同的作用機制。這啟發南昌市在交通基礎設施的建設過程中應該注意其他用地的配備，提升交通節點周圍的綜合服務水平；同時要逐步引導交通站點均勻分布，減輕因人口集聚帶來的交通負荷。宗地面積對南昌市地價具有負向作用，而在北京市[1，22]其影響特點呈現出四環線內外之分別。這主要是北京市土地利用需求旺盛，環線內是建設成熟區域，作為交易熱點的環線外區域的大面積組合開發能發揮規模效應；而南昌市整體的土地開發利用程度相對較低，城區仍然是發展的重點，大面積開發使得地價競拍門檻過高，地價因此趨低。

南昌市地鐵建設起步時間晚，且貫穿城市消費活動頻繁的商業綜合體。考慮到地鐵與商業綜合體立體式發展的特點，為了避免產生多重共線性，剔除地鐵站距離。但是需要注意的是，通過提供便捷的交通服務，地鐵站匯集的人口對商業地價仍然具有顯著影響。因此在南昌市地鐵建設規劃過程中，應借鑒大城市的規劃經驗，把握人口增長的特點與區域發展訴求。一方面要考慮到東湖區與青山湖區等老城區密集的人口對于城市快速出行的需求；另一方面要逐步完善新城區的公共交通建設，主要是紅谷灘新區的九龍湖區域，地鐵建設輔之以公交站布局，實現城市資源的合理高效利用。

本文以南昌市中心城區監測地價為研究對象，數量有限的樣點對反映商業地價的突變性有所影響。因此，在監測樣點的布設過程中，除了監測核心區域的地價之外，還應該兼顧商業地價的突變區域。尤其是在城市擴張的過程中，對城市邊緣地區地價的監測，如紅谷灘新區的九龍湖與朝陽新城，能為土地利用安排和布局提供價格指引。本文靜態分析南昌市商業地價空間規律，從4個維度探索其驅動因素，對于認識南昌市地價規律和指導城市規劃具有一定的借鑒意義，但是隨著時間變化，城市地價結構不斷變化，交通基礎設施不斷完善，城市地價驅動因素可能發生變化。因此，下一步需要進行多時空的南昌市地價驅動因素的研究。