基于大數據的城市住房價格空間分布特征研究

基金項目：江蘇高校哲學社會科學研究項目：基于ESDA的城市住宅價格空間分布特征及影響因素研究，批準號：2019SJA0504。三江學院校級科研項目：城市居住空間分布特征與驅動機制研究，批準號：2018SJKY035

摘 要：大數據研究的興起為探索城市住房價格空間分布特征提供了新的方向，本文利用網絡爬蟲技術搜索南京市住房價格大數據，并通過GIS技術展示其空間分布特征，結果表明南京市房價存在地區差異性，空間結構呈環狀分布并朝多中心發展。

關鍵詞：大數據;GIS;房價;空間分析

當前，我國正處于經濟新常態的社會轉型期，各行各業都在進行產業結構調整、穩定發展趨勢，關乎民生福祉的房地產業也在經歷變革。住房價格作為住宅市場發展狀態的直觀表示，一直以來都備受研究學者的青睞。以往相關研究大多關注住房價格的變化趨勢[1]，或是對其影響因素進行探究[2];近年來則多以城市空間視角，探討住房價格空間分布的差異性[3-4]，以此展示人、住宅、鄰里、社會的多范圍多角度關系。本文在此基礎上，以南京市為例，引入大數據（Big Data）概念，將住房價格與大數據相結合，再輔以地理信息系統（GIS）空間展示技術，將住宅數據的價格屬性與地理屬性相結合，共同探索城市住宅價格空間分布規律。

一、研究對象與研究方法

（一）研究區域與對象

南京市地處長江中下游，是長三角都市輻射圈的核心城市，作為長江沿岸與東部沿海經濟帶的戰略交匯點，南京的城區中心地位日益突出[5]，其住宅價格的變動趨勢對周邊地區將有深遠影響。截至目前，南京市下轄共計11個行政區，由于溧水區與高淳區距離主城區過遠，經濟發展較為落后，則不在本次研究范圍之類。因此，本文研究區域為玄武區、秦淮區、建鄴區、鼓樓區、浦口區、棲霞區、雨花臺區、江寧區與六合區，并選取該9個行政區域2020年5月的普通商品住宅銷售價格為具體研究對象。

（二）研究方法

隨著互聯網信息技術的普及，人們在日常生活中隨時隨地都可能產生大量數據，搜索、存儲、處理與分析這些海量數據，能夠保證信息的及時性、充分性、多樣性、真實性與準確性。GIS技術則是側重于對地表和空間相關數據進行采集、管理、展示與研究，具備專業的處理能力以及出色的數據可視化效果。將住宅價格大數據與GIS技術相結合，能夠充分展示出城市房價的空間分布狀態并挖掘出其背后形成機理。

二、數據來源與處理

（一）數據來源

本文樣本數據主要通過兩種方式獲取，一是采取網絡爬蟲技術，批量下載安居客網站，位于南京市9個行政區2020年5月的普通商品住宅銷售價格，共搜集到1356個小區房價數據;二是利用Google Earth地圖軟件繪制相應小區的地理位置，以此獲取其經緯度坐標信息。將兩類數據通過相同字段（小區名稱）進行關聯，得到同時具備價格屬性與空間屬性的矢量大數據。

（二）數據處理

由于大數據的信息量豐富，不可避免會出現信息重復、錯誤等現象，因此要對數據進行處理。本文采用SPSS軟件對初步搜集到的1356個小區價格進行標準化殘差檢測，剔除離群值，最終獲得有效樣本數據1340條。

（三）數據初步分析

9個行政區的房價均值為33576元/m2，極小值為6381元/m2，位于浦口區的橋林雅苑;極大值為101629元/m2，位于鼓樓區的金鼎灣今朝天下。樣本數據基本呈正態分布，其描述性統計如表1所示。從圖1房價直方圖可初步看出，單價為25000元/m2左右的房源較多，基本分布在浦口、江寧和棲霞區。

三、住房價格空間分布特征分析

（一）樣本坐標空間分布

將1340條住宅小區的矢量大數據錄入Arcgis10.2軟件中，并加載南京市地圖，得到樣本點的分布圖（如圖2所示）。同時采用Arcgis的關聯功能，將樣本點按照9個行政區域進行劃分并渲染，得到各行政區的樣本點分布與均值圖（如圖3所示）。從圖2可知樣本點的分布區域較為集中，近南端、近北端與近西端的區域樣本點分布較少，排除樣本點批量搜索的區位誤差因素，一方面可能在于這些區域多為自然地形，風景區較多;另一方面可能當地還處在待開發階段，住宅小區待建或者正在建設中，成熟小區較為稀少。圖3則直觀地描述了各城區住房價格空間分布特征，從中可看出南京市房價地區差異性較為明顯，總體呈現出一定程度的環狀分布，即外圍一圈從北至南，從西至東，逆時針方向房價逐步上升;而主城區則相反，從南面雨花臺區開始逆時針環繞至建鄴區方向房價逐漸上升。

（二）各區住房價格空間特征分析

結合表2南京市各區房價均值表與圖3可知住房價格均值最高的區域是建鄴區，為49431元/m2，與其相近的區域為鼓樓區，均價45315元/m2。鼓樓區一直以其優秀的教育資源而聞名于整個南京市，優質學區的加持讓本來就屬于老城區的房價進一步增高。而建鄴區重點發展的河西新城由于近20年的發展，已逐步成為包含奧體中心、展覽中心、生態科技島、商務中心等在內的現代化國際性城市中心，使得房價一路上漲超過了鼓樓區。

均值最低的區域是六合區，均價17570元/m2，而同樣一江之隔的浦口區房價則要比之高出5000多元/m2。從區位視角看，六合區中心較浦口區中心距市中心更遠，通常離市中心越遠房價越低。雖然2015年批復設立的江蘇省首個國家級新區——江北新區同時包含兩個區域，但是新區總部設立在浦口區，無疑帶給浦口區更多建設資源。從通達性角度看，六合區若要渡過長江通往市區，則只有八卦洲長江大橋與棲霞山長江大橋;而浦口區則具有除南京長江大橋、大勝關長江大橋兩座橋梁之外，還具備應天大街長江隧道、定淮門長江隧道以及地鐵3號線、10號線和s3號線，豐富的過江線路都促使浦口區房價未來趨勢較好。而均值較為接近的區域有玄武區與秦淮區、棲霞區與雨花臺區。四區都屬于南京主城區，前者位于主城區的中心區域，教育、商業、交通、環境等因素近乎相同;后者則處于老城相對邊緣地帶，各項公共服務設施資源相對較弱，均價自然偏低。江寧區雖與浦口區、六合區同屬南京郊區，但由于沒有長江的阻隔，交通更為方便，同時又涵蓋了南京大學、東南大學等高等學府，牛首山、湯山、銀杏湖樂園等旅游風景區，人文景觀和自然景觀相得益彰，綜合這些因素都使得江寧區房價將趕超主城。

通過GIS技術，本文將住房價格大數據空間分布特征直觀呈現在地圖之上，發現南京市房價存在地區差異性，整體表現出一定程度的環狀分布，房價峰值點由建鄴區取代了鼓樓區，浦口區與江寧區房價有進一步上升空間，城市結構朝多中心發展。

參考文獻：

[1]崔君毅.從經濟學的角度談房價未來趨勢[J].中國商貿，2014（13）：209-210.

[2]葉杰，王國松.基于一致性預期的房價波動影響因素實證研究[J].商業經濟研究，2015（27）：119-121.

[3]翟崟淞.基于GIS的成都市商品住宅價格空間分布差異研究[J].價值工程，2019，38（18）：46-49.

[4]張家旗，劉晏男.鄭州市主城區住宅價格空間分布格局及其影響因素研究[J].北京測繪，2020，34（6）：797-801.

[5]孔秋云.關于我市國內貿易流通體制改革發展情況的報告[R].2018.5.30.

作者簡介：楊君（1991-）女，漢族，江蘇省南京市人，三江學院土木工程學院講師，碩士。研究方向：城市管理、城市空間結構。