長三角都市圈小城鎮住宅價格空間分布特征研究

朱世豪 黃大全

摘要：城市住宅價格一直是城市地理學、城市規劃學和經濟地理學研究的重點內容。都市圈內部房地產市場發展迥異，體現了一個地區不同尺度之間資源配置能力和作用。本文采用克里金插值方法對長三角都市圈房價空間分布格局進行空間估計，并重點討論浙江省湖州市小城鎮房價的影響因素。研究結果表明：（1）長三角都市圈房價分布呈現出多中心的分布特征，但省間的共通性不強。（2）湖州市房價分布受杭州房價溢出效應影響，呈現出軸線狀的雙中心特征，垂直于軸向東西兩側衰減。（3）都市圈核心城市房價溢出效應遠大于小城鎮自身核心區的集聚效應，小城市的房價水平受鄰近的大城市影響顯著。

關鍵詞：小城鎮；住宅價格；克里金插值；溢出效應；長三角都市圈；湖州市

doi：10.3969/j.issn.1009-1483.2020.03.003 中圖分類號：F293.3

文章編號：1009-1483（2020）03-0012-07 文獻標識碼：A

The Spatial Distribution Characteristics of Housing Prices in Small Towns of the Yangtze River Delta： Taking Huzhou City as an Example

ZHU Shihao， HUANG Daquan

[Abstract] Urban housing price has always been the focus of urban geography， urban planning and economic geography. The development of the real estate market in the metropolitan area is quite different， which reflects the resource allocation ability and function of different scales in a region. In this paper， kriging interpolation method is used to estimate the spatial distribution pattern of housing prices in the metropolitan area of the Yangtze river delta. Taking Huzhou as an example， it studies the influence of metropolitan area housing price on small towns housing prices. The result shows that： （1） The housing price distribution in the metropolitan area of the Yangtze river delta shows the characteristics of multi-pole core distribution， but the inter-provincial commonality is not strong. （2） The distribution of housing prices in Huzhou is influenced by the diffusion effect of housing prices in Hangzhou， presents a double-center feature like an axis， which decays vertically to the east and west. （3） The spillover effect of housing prices in the core cities in the metropolitan area is much larger than the agglomeration effect of small towns， and the real estate market in small towns is influenced by the big cities and moves closer to the big cities.

[Keywords] small towns； housing price； Kriging interpolation； spillover effect； Yangtze river delta； Huzhou City

引言

城市住宅價格一直是城市地理學、城市規劃學和經濟地理學研究的重點內容。隨著房地產產業的迅速發展，住宅價格的空間分布特征和分異規律越來越成為認識城市發展狀態和城市間相互關系的重要視角。

房地產市場價格受區位條件、小區環境和房屋本身質量等多種因素影響，是城市內部與所在區域的社會、經濟、政策等眾多因素交互影響的結果。住宅作為和土地具有強關聯性的建筑，它受到距離城市中心遠近的影響；作為一種商品，它還受到自身屬性和供求關系的影響；同時，房地產市場作為地方性市場，又受到其他地區市場的影響。

地租地價理論和區位理論是城市住宅價格形成的理論依據。國外對于房地產的研究最早可以追溯到17世紀末William Petty提出的“級差地租”[1]。20世紀初，美國經濟學家Richard Theodore Ely和Edward Ward Morehouse強調了城市土地特征和土地價格對住宅價格的影響[2]。20世紀60年代，William Alonso等將區位論應用于城市內部地租地價的系統分析[3]，以解釋城市內部的地用與地價的分布，建立了解釋城市住宅分布的分析框架[4]。之后國內外學者在其基礎上進行了修正和改進[5]，加入了政府因素[6]、軌道交通[7]、土地供應[8]等因素，使其在住宅與土地關系等方面得到廣泛應用。

由于住宅是一種典型的商品，其價格差異取決于構成商品的各個特征，因此更多學者從特征價格理論出發構建模型進行研究。國外學者最早使用特征價格模型（Hedonic Price Model，簡稱HPM）對住宅市場進行理論和實證研究。其中，Ronald G. Ridker最早利用特征價格模型分析了環境質量與城市住宅價格的關系[9]。到了20世紀70年代，Sherwin Rosen等將HPM引入房地產與城市經濟領域，用來解釋住宅價格空間分異形成的原因[10]。20世紀80年代以來，HPM在國內外得到了廣泛應用，在模型的結構改善、因子選擇等方面得到了更加深入的研究[11-15]。

以上兩類理論的前提假設對象都是一個孤立城市，但在現實中，房地產市場并不是完全獨立的，還需要考慮區域住宅價格的溢出效應[16]。溢出效應反映出經濟基準面并不能很好地解釋住宅價格的時空分布，某個房地產市場不僅受到城市中心的影響，更受到鄰近大城市的房地產市場的影響。對這種效應的研究最早起源于英國，后來擴散到如美國[17]、愛爾蘭[18]、澳大利亞[19]等其他地區。

中國的房地產市場起步較晚，目前研究多以單個房地產市場為研究對象分析城市內部的住宅價格空間分布特征和影響因素[20-21]，或是研究城市間房地產市場影響因素的差異[22]，缺少強調區域內多個房地產市場之間相互影響的研究，且由于數據收集限制，不能直觀刻畫溢出效應的細節空間特征。

長三角都市圈是中國三大經濟圈之一，是沿海地區經濟規模最大、城市最密集的區域，也是我國房地產市場最為發達的地區[23]，但長三角都市圈內部的房地產市場發展迥異，呈現出較明顯的多中心特點。本研究基于房地產交易信息平臺提供的2018年長三角都市圈范圍內二手房交易信息，利用地理編碼技術和空間插值方法，分析長三角都市圈的房價空間分布特征，并以浙江省湖州市為例研究都市圈大城市房地產市場對小城鎮住宅價格空間分布的影響。

1研究區域與方法

1.1研究區域

根據《長江三角洲城市群發展規劃》，長三角都市圈包括：上海，江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮江、泰州，浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等26市（見圖1）。長三角都市圈土地面積 21.17萬平方公里，約占全國的2.2%；2014年地區生產總值12.67萬億元，約占全國的18.5%。長三角都市圈內城市類型多樣，房地產市場特征復雜，隨著城鎮化進程的推進，小城鎮逐漸成為房地產市場的重心。

長三角小城鎮數量眾多，其發展主要特征為：承接核心城市的產業轉移，消化外來人口；立足特色產業和資源稟賦，提供生態休閑服務；發展基本公共服務功能，平衡城鄉差距。湖州市地處浙江北部，東鄰嘉興，南接杭州，北瀕太湖，既是長三角城市群成員城市，又是環杭州灣核心城市。近年來，湖州市深度融入杭州都市圈，通過建立省際產業轉移示范區主動承接產業溢出，推進重大項目，集聚特色產業，取得了豐碩成果。同時湖州市自然環境優美，是“兩山”理論發源地、“生態+”的先行地，在綠色發展和創新生態方面具有典范作用。因此以湖州為例研究長三角都市圈小城鎮住宅價格空間分布特征，具有一定代表性和科學性。

1.2數據來源

本文的住宅價格均采用城市二手房單位建筑面積的均價。筆者利用網絡爬蟲技術，通過房地產交易平臺“房天下”（www.fang.com）提供的二手房交易信息，搜集了2018年長三角都市圈范圍內城市的二手房樣本點的單位建筑面積價格和地址信息，并通過地理編碼技術，將樣本點的地址信息映射為地理坐標（見圖2）。

需要指出的是，二手房的實際交易價格和房地產交易平臺公布的價格之間存在誤差，但并不會對都市圈房價整體分異格局的分析結果造成重大影響。

1.3研究方法

本文分析采用空間插值方法進行擬合，空間插值方法是一種應用于將離散點的測量數據轉換為連續的曲面數據的算法，能夠將擬合出的曲面與其他空間現象的分布情況進行比較，具有廣泛的應用場景。

空間插值方法主要包括克里金插值、最近鄰插值、反距離權重插值、樣條函數插值等，由于住宅價格在空間上具有顯著的相關性，且擬合效果不會受到樣本點非均勻采樣的影響[24]，因此本研究選擇克里金插值方法。

克里金插值方法是在地統計學的半變異函數理論和結構分析基礎上，對樣本點進行最優無偏估計的一種方法[25]。克里金插值法考慮了研究區域內采樣點的隨機性和結構性，最大化利用了采樣點數值和空間關系所提供的各種信息，避免了異常值的產生，從而使這種插值方法比其他方法更精確。

2長三角房價分布格局

2.1長三角都市圈房價空間分布特征

根據收集的長三角住宅價格數據，利用克里金插值方法制作出長三角都市圈房價空間分布擬合圖（見圖3）。

整體來看，長三角都市圈東部地區和南部地區住宅價格較高，西部安徽地區的住宅價格較低。長三角的房價空間分布東西差異較為明顯，呈現出多中心分布特征。上海作為中國經濟、金融、貿易、航運、科技創新中心和長三角都市圈的超大城市，其房價最高。南京、杭州、蘇州、寧波等Ⅰ、Ⅱ型大城市房價次之，合肥作為安徽省省會城市房價相對較低，與江蘇省的常州和浙江省臺州類似處于中等水平，而都市圈其余的地市房價相對較低。

長三角都市圈核心城市對小城鎮產生溢出效應，經濟基準面已經不能對住宅價格分布狀況作出合理解釋[26]，呈現出多源點的波紋式擴散狀，且擴散形狀復雜，核心城市之間的溢出效應存在差異。

上海、蘇州的住宅價格最高且相互間的房地產市場共通性較好，溢出效應最強，嘉興、南通和無錫的房地產市場受其影響形成環上海市、蘇州市的高房價區域；南京的住宅價格相對較高，南京市內部住宅價格高，但輻射面積較小，在區域中的溢出效應較弱，且衰減較快，揚州、鎮江、常州的高住宅價格區域仍在城市中心，鄰接處的住宅價格受影響強度不大；杭州的住宅價格處于第二階梯對區域住宅價格的溢出效應相對較強且輻射范圍較大，湖州、紹興、金華和安徽省的宣城受其影響較大，呈現出鄰接處的住宅價格高于各自城市中心的特征；其余城市如合肥、寧波等溢出效應不明顯。

長三角都市圈的房價空間分布的跨省域共通性不強，說明長三角都市圈房地產市場所依賴的社會、經濟、政治聯系沒有突破省級邊界實現成熟的一體化。上海市與江蘇省蘇州市的房地產市場擁有獨立的中心，在省界線周邊形成相對低洼的住宅價格區。安徽省滁州市和馬鞍山市對江蘇省南京市房地產市場的響應不強，只有浙江省杭州市突破了省界，提高了安徽省宣城市南部的房地產市場價格。

2.2湖州市小城鎮房價空間分布特征

同樣利用克里金插值方法對湖州市房價空間分布進行擬合，通過統計各個價格區間的占地面積可以發現，研究范圍內各個住宅價格區間面積占比差異明顯。湖州市住宅價格主要集中在6552～9384元之間，約占湖州市總面積的39%（見圖4）。高住宅價格區間分級豐富且面積小，超過16396元的住宅價格占地面積約為7%。

從湖州市住宅價格空間分布擬合的結果來看，湖州市吳興區沿湖和安吉縣、德清縣南部住宅價格較高，而南潯區和長興縣東西兩側住宅價格較低，尤其是長興縣與安吉縣西側靠近浙江省界一側的鄉鎮價格最低，空間差異明顯，呈現出軸狀的雙中心特征，而不是同心圓圈層式拓展（見圖5）。房地產市場的重心在安吉、德清兩縣南部。

吳興區作為湖州市的政治、經濟、文化中心，地區交通便利、基礎設施完善，緊鄰太湖且自然條件優越，因此平均住宅價格較高，形成以主城區為中心，貼近太湖沿岸圈層式向外衰減。且由于北部太湖的自然阻斷作用，蘇州市的房地產溢出效應被打斷，因此形成基于吳興區經濟基準面的住宅價格空間分布中心之一。

但從整個湖州市來看，高房價市場實際上主要聚集在遠離主城區的安吉、德清兩縣南部，且高房價范圍遠大于吳興區北部臨太湖區域的住宅價格范圍，成為湖州市房地產市場的核心地帶。

從自然條件來看，優良的環境質量是影響發達地區房地產市場的重要因素之一。安吉、德清兩縣是極具發展特色的生態縣，是“兩山”理念發展強縣。兩縣境內擁有中南百草原、新市古鎮等豐富的旅游資源，因此自然環境優美、旅游業發達。當地多依山而建的精裝修洋房和排屋等高檔住宅，適合度假、養生和人居，且已形成規模，吸引了長三角都市圈各個城市人口遷入。

從地理區位和特征價格來看，地理臨近和交通特征也成為影響安吉、德清兩縣房地產市場的一個重要因素。首先，安吉、德清兩縣作為杭州的“北大門”，其與杭州的地理優越性超過了湖州市主城區。其次，高鐵縮短了安吉、德清兩縣與杭州的距離，隨著杭德城際鐵路被納入杭州都市圈鐵路規劃，交通的便捷度和人流物流的緊密度將得到進一步提高。

此外，大型的會議或國際賽事提前刺激了德清縣房地產市場潛力。德清縣作為2018年聯合國地理信息大會會場和2022年亞運會的分會場，正處在住宅價格增值的前期階段。知名度的提升、經濟投資的流入和當地基礎、配套設施的完善都刺激了德清縣房地產市場的增值。

總體來看，安吉、德清縣高住宅價格的主要原因仍是杭州市房地產市場的溢出效應。因為安吉、德清縣南鄰杭州，距杭不到30公里，核心城市人口和外地人口向當地遷移導致剛性需求、改善型需求和投資性需求一起轉移，帶動了當地房地產市場發展。同時安吉、德清縣相對于吳興區來說與杭州市的融城時間早，聯系更緊密，共通性更強，流動強度和頻度更大，其經濟、文化、生活更融入杭州，受到杭州市發達的房地產市場溢出效應影響，形成了南部的高住宅價格區域。

3結論與討論

城市住宅價格是在房地產市場供求關系相互作用中形成的，受到社會、經濟、政策、人口、建筑特征等多重因素影響。但從區域角度來看，某個房地產市場不僅受到城市中心經濟基準面的影響，更受到鄰近大城市房地產市場的溢出效應影響。本文對長三角都市圈的房價空間分布特征進行了擬合分析，并以湖州市為例，強調了溢出效應在區域住宅價格空間分布的重要作用，研究結論如下：

（1）長三角住宅價格空間分布格局與其城市體系結構、經濟發展程度基本一致，長三角的房價由直轄市、省會城市向外圍跳躍式遞減，呈現出多極核分布特征。長三角都市圈核心城市對非核心城市產生溢出效應，呈現出多源點的波紋式擴散狀，且擴散形狀復雜。小城鎮房價偏移其經濟基準面，形成靠近核心城市的高住宅價格區。長三角都市圈房價空間分布的跨省域共通性不強，長三角一體化程度有待提高。

（2）湖州市受杭州市房價溢出效應影響，吳興區沿湖和安吉縣、德清縣南部住宅價格較高，而南潯區和長興縣東西兩側住宅價格較低，呈現出軸狀的雙中心特征。湖州市的房價空間分布主要受到當地自然環境條件和杭州市房地產市場溢出效應的影響，高住宅價格區主要集中在湖州市南部。

（3）核心城市對小城鎮的住宅價格溢出效應影響遠大于小城鎮自身發展影響，且這種影響與小城鎮同核心城市空間距離的遠近、經濟聯系的密切性、交通的連通性和城市間的人口遷移有關。都市圈的一體化程度，尤其市交通的一體化程度越高，核心城市對小城鎮的溢出效應越強，輻射面積越廣。

核心城市對小城鎮房地產市場起到帶動、刺激作用的同時，同樣也讓小城鎮的房地產市場面臨承載市場份額的挑戰，這是區域住宅價格的空間溢出效應帶來的二次效應。因此需要統籌規劃長三角的核心城市和小城鎮的住宅建設和政策支持，以滿足湖州市類似小城鎮承接核心城市溢出效應的基本需求。因此本文提出如下政策建議：第一，統籌管控核心城市與周邊小城鎮房地產市場。房地產相關政策制定和實施不能局限于城市單元，應當充分考慮核心城市與周邊小城鎮間的聯系，提前考慮核心城市對小城鎮的溢出效應，從全局出發管理和調控住宅用地供應和住宅租買選擇機制，同時限制跨區域房產投機行為。第二，降低核心城市與小城鎮制度性壁壘，加快城市間交通網絡建設。在公共服務、社會保障、交通運輸等方面實現一體化，合理布局房地產租賃與銷售市場，充分發揮核心城市地區對周邊地區的溢出作用，實現都市圈內部協同發展。第三，適當引導房地產開發商以房地產需求為基礎進行開發建設，充分認識了解到小城鎮實際住房需求和實際承受能力，避免溢出效應對小城鎮房地產市場造成負面影響。

由于數據收集和地理編碼有一定難度，本文只收集了一期長三角都市圈的房價數據來分析長三角都市圈房價空間分布特征，缺少量化的指標具體分析其影響因素，但還是得到了和實際相符的實證結論，可以較好地映射出長三角都市圈的核心城市發展對周邊小城鎮的影響，為長三角都市圈的一體化建設提供參考依據。

參考文獻：

[1]威廉·配第.賦稅論 獻給英明人士貨幣略論[M].陳冬野，等，譯.北京：商務印書館，1963.

[2]周誠.土地經濟學原理[M].北京：商務印書館，2003.

[3] Alonso W. Location and Land Use： Toward a General Theory of Land Rent[M]. Cambridge： Harvard Universty Press，1964.

[4] Th J V， nen， Suntum U V. The Isolated State in Relation to Agriculture and Political Economy[M].London： Palgrave Macmillan UK， 2009.

[5]彭翊，羅忠華.阿朗索地租模型及其修正[J].中國房地信息，2003（10）：28-29.

[6]張岑遙.城市房地產價格中的地方政府因素：成因、機制和效應[J].中央財經大學學報，2005（10）：65-69.

[7]鄭捷奮.城市軌道交通與周邊房地產價值關系研究[D].北京：清華大學，2004.

[8] Nichols J B， Oliner S D， Mulhall M R. Swings in commercial and residential land prices in the United States[J]. AEI Economics Working Papers，2013，73（1）：57-76.

[9] Henning R J A. The Determinants of Residential Property Values with Special Reference to Air Pollution[J]. The Review of Economics and Statistics，1967，49（2）：246-257.

[10] Rosen S. Hedonic Prices and Implicit Markets： Product Differentiation in Pure Competition[J]. Journal of Political Economy，1974，82（1）：34-55.

[11] Sirpal R. Empirical Modeling of the Relative Impacts of Various Sizes of Shopping Centers on the Values of Surrounding Residential Properties[J]. Journal of Real Estate Research，1994，9（4）：487-506.

[12]溫海珍，賈生華.住宅的特征與特征的價格——基于特征價格模型的分析[J].浙江大學學報（工學版），2004（10）：101-105，112.

[13]郭文剛，崔新明，溫海珍.城市住宅特征價格分析：對杭州市的實證研究[J].經濟地理，2006（z1）：175-190.

[14]周麗萍，李慧民，楊嘉.基于GIS的房地產特征價格模型研究[J].西安建筑科技大學學報（社會科學版），2008（2）：26-28，39.

[15]何里文，鄧敏慧，韋圓蘭. 武廣高鐵對住宅價格影響的實證分析——基于Hedonic Price模型和微觀調查數據[J].現代城市研究，2015（8）：14-20，25.

[16] Holmans A E. House prices： changes through time at national and sub-national level[R]. London： Department of the Environment，1990.

[17] Clapp J M， Tirtiroglu D. Positive feedback trading and diffusion of asset price changes： Evidence from housing transactions[J]. Journal of Economic Behavior and Organization， 1994，24（3）：337-355.

[18] Stevenson， Simon. House price diffusion and interregional and cross-border house price dynamics[J]. Journal of Property Research，2004，21（4）：301-320.

[19] Costello G， Fraser P， Groenewold N. House prices， nonfundamental components and interstate spillovers： The Australian experience[J]. Journal of Banking & Finance，2011，35（3）：653-669.

[20]孫倩，洪開榮.基于Cokriging的住房價格空間格局分析——以長沙市為例[J].經濟地理，2014，34（12）：99-105.

[21]王彥君.西安市居住空間分異及其效應評價研究[D].西安：西北大學，2018.

[22]宋偉軒，劉春卉.長三角一體化區域城市商品住宅價格分異機理研究[J].地理研究，2018， 37（1）：92-102.

[23]張旭亮，寧越敏.長三角城市群城市經濟聯系及國際化空間發展戰略[J].經濟地理，2011，31（3）：353-359.

[24]吳宇哲，吳次芳.基于Kriging技術的城市基準地價評估研究[J].經濟地理，2001，21（5）：584-588.

[25]曾暉.城市住宅價格時空分布規律研究[D].南京：南京林業大學，2012.

[26]陳卓.長三角區域城市的房價偏離及其溢出效應研究[D].南京：南京財經大學，2016.