城市二手房價(jià)格空間分異及影響因素研究
——以成都市為例

文/重慶大學(xué)管理科學(xué)與房地產(chǎn)學(xué)院 馮新怡 崔 燦

0 引言

2020年成都市住房價(jià)格是城市居民家庭年收入的15.8倍[1]?！案叻績r(jià)，低收入”現(xiàn)狀使購買力相對薄弱的群體將目光投向二手房，刺激市場對二手房需求的增長。同時(shí)，進(jìn)入市場的二手房數(shù)量不斷增加，目前市場規(guī)模已超過1億套[2]。由于一二線城市的可開發(fā)空間不斷縮小和我國對“房住不炒”政策的推行，新房市場增長放緩。我國房地產(chǎn)市場將逐漸由增量房市場轉(zhuǎn)換為存量房市場。了解二手房市場價(jià)格的空間分布規(guī)律及影響因素，有利于為房地產(chǎn)市場精準(zhǔn)調(diào)控政策制定提供參考。

前人對房價(jià)影響因素的研究多采用Hedonic價(jià)格法[3]、多元線性回歸模型[4]等方法，也有使用隨機(jī)森林理論[5]、系統(tǒng)動(dòng)力學(xué)理論[6]等方法從市場角度進(jìn)行分析。這些方法均基于空間勻質(zhì)性假設(shè)，而二手房作為不動(dòng)產(chǎn)，其地理空間位置相對固定，不同房屋處于不同社區(qū)，周邊環(huán)境、鄰里屬性相差較大。地理統(tǒng)計(jì)學(xué)中的地理加權(quán)回歸模型（GWR）將地理位置信息嵌入傳統(tǒng)的回歸模型，能較好彌補(bǔ)前人對房價(jià)空間異質(zhì)性的忽視。已有研究者基于GWR模型進(jìn)行房地產(chǎn)市場研究，但利用GWR模型對二手房這一房地產(chǎn)細(xì)分市場進(jìn)行研究的成果尚不多見[7]。

本研究以成都市為例，構(gòu)建GWR模型對成都市二手房價(jià)格進(jìn)行分析，以期理解城市住宅土地市場空間異質(zhì)性。

1 研究區(qū)域與數(shù)據(jù)收集

1.1 研究區(qū)域

截至2020年11月，成都市二手房年交易規(guī)模高達(dá)1992億元，相較2019年增長41.3%，市場規(guī)模和市場增速均位于全國前列[8]。本次研究以中心城區(qū)13個(gè)區(qū)的二手房市場為研究對象，13個(gè)區(qū)分別為：成華區(qū)、金牛區(qū)、錦江區(qū)、青白江區(qū)、青羊區(qū)、龍泉驛區(qū)、新都區(qū)、溫江區(qū)、雙流區(qū)、郫都區(qū)、武侯區(qū)、高新區(qū)及天府新區(qū)[9]。

1.2 數(shù)據(jù)收集

數(shù)據(jù)收集分為價(jià)格信息與地理位置信息兩部分。價(jià)格信息包括房屋地址、面積、套型、朝向等；地理位置信息包括房屋空間坐標(biāo)，房屋周邊學(xué)校、醫(yī)院、交通等設(shè)施的分布情況。

價(jià)格信息來自2020年11—12月鏈家網(wǎng)掛出的二手房房源銷售信息。時(shí)間跨度小，故忽略時(shí)間對價(jià)格的影響，最終共收集38442條在售二手房價(jià)格信息。由于處于同一小區(qū)的二手房在地圖上具有相同的坐標(biāo)，本研究對坐標(biāo)重合點(diǎn)進(jìn)行隨機(jī)剔除，剔除后剩余4838條數(shù)據(jù)。

房屋的地理位置信息通過調(diào)用高德地圖開放平臺(tái)地理編碼獲得。獲得位置后，再通過高德地圖開放平臺(tái)所提供的POI（point of interest，興趣點(diǎn)）服務(wù)，獲取周邊便利設(shè)施與中心點(diǎn)（房屋）的距離。

2 成都市二手房價(jià)格空間分布分析

2.1 一般描述性統(tǒng)計(jì)

成都市二手房單位面積價(jià)格中位數(shù)為14084.00元/m2，平均值為15389.44元/m2，說明半數(shù)以上樣本點(diǎn)的價(jià)格在平均值以下，少數(shù)樣本點(diǎn)較高價(jià)格對研究區(qū)域整體價(jià)格帶動(dòng)作用較大。單位價(jià)格的標(biāo)準(zhǔn)差為6670.18元/m2，表明樣本單位價(jià)格數(shù)據(jù)離散程度較大；偏度為1.62，表明樣本房價(jià)數(shù)據(jù)分布不對稱，具體表現(xiàn)為右偏；峰度值為7.44，說明樣本數(shù)據(jù)概率分布比正態(tài)分布更陡峭，表現(xiàn)為尖峰分布。

2.2 趨勢分析

以x軸表示成都主城由西到東（經(jīng)度信息），y軸表示成都主城由南到北（緯度信息），z軸表示二手房單位面積價(jià)格，使x軸與y軸形成的平面代表成都主城平面，形成包含二手房位置和價(jià)格信息的三維坐標(biāo)體系，如圖1所示。趨勢分析表明：在x軸（經(jīng)度）方向，二手房價(jià)格數(shù)據(jù)呈倒U形曲線分布。價(jià)格曲線先由低逐漸升高，在中心附近達(dá)到頂點(diǎn)，然后下降。在y軸（緯度）方向上，當(dāng)截去北邊少量孤立的數(shù)據(jù)點(diǎn)時(shí)，數(shù)據(jù)分布大致仍按倒U形曲線變化，同樣在中心部位達(dá)到頂點(diǎn)，但下降趨勢部分較上升趨勢部分更陡峭，城市南部房價(jià)水平較城市北部總體更高，或許是政府對城市南部天府新區(qū)開發(fā)力度較大的原因?？傮w而言，較高價(jià)格區(qū)域主要在成都的圈層中心區(qū)（內(nèi)城區(qū)）和CBD附近，成都市二手房價(jià)格整體呈現(xiàn)從同心圓中心向外圍逐漸遞減的規(guī)律。

圖1 成都市二手住宅價(jià)格趨勢分析

2.3 空間自相關(guān)分析

使用ArcGIS 10.2軟件對研究區(qū)二手房價(jià)格數(shù)據(jù)進(jìn)行空間自相關(guān)分析，得出成都市房屋單位面積價(jià)格空間自相關(guān)在顯著性水平0.01上顯著。成都市二手住宅價(jià)格在空間上并非隨機(jī)分布，存在房價(jià)的空間集聚現(xiàn)象。

3 基于GWR模型的二手房價(jià)格影響因素分析

3.1 GWR模型構(gòu)建

基于特征價(jià)格理論，選擇10個(gè)可能的影響因素作為模型自變量，建立GWR模型分析二手房價(jià)格影響因素：變量中房屋面積表現(xiàn)建筑特征，河流距離、地鐵站距離表現(xiàn)鄰里特征，公園距離、商場距離、醫(yī)院距離、幼兒園距離、小學(xué)距離、中學(xué)距離、高校距離表現(xiàn)區(qū)位特征[10]。

3.2 GWR模型結(jié)果分析

選取各影響因素的極值、上下分位數(shù)、中位數(shù)等統(tǒng)計(jì)量對系數(shù)進(jìn)行描述性統(tǒng)計(jì)。

1）教育資源 房屋與教育資源的距離在市中心及城市南部部分地區(qū)與房價(jià)呈明顯負(fù)相關(guān)，在城市東西部地區(qū)與房價(jià)呈正相關(guān)。將“高等院校距離”影響因子的系數(shù)分布與成都市主要本科院校分布進(jìn)行比較，發(fā)現(xiàn)在大學(xué)較為集中的地區(qū)，如市中心到郫都區(qū)一線，系數(shù)均為正數(shù)，即距離大學(xué)越近二手房價(jià)格越低。對于位于郊區(qū)的郫都區(qū)，大學(xué)周邊較為偏僻，人們傾向選擇位于集鎮(zhèn)的房屋；對于市中心地區(qū)，可能的解釋是大學(xué)周邊學(xué)區(qū)房相較中小學(xué)周邊學(xué)區(qū)房的吸引力更小。

2）與大型商場的距離 由市中心到郊區(qū)系數(shù)逐漸增大且大多數(shù)地區(qū)商場距離與二手房價(jià)呈負(fù)相關(guān)，在成華區(qū)、青羊區(qū)負(fù)相關(guān)效應(yīng)尤為明顯。而對于非市中心區(qū)域，其他小型商業(yè)服務(wù)對大型商場有替代作用，且處于非市中心的大型商場地段市場價(jià)值低于市中心商場地段，導(dǎo)致非市中心大型商場距離對二手房價(jià)格的提升作用減弱。

3）與醫(yī)院的距離 大型綜合醫(yī)院服務(wù)的覆蓋范圍通常較大，且成都市綜合醫(yī)院分布較均勻。回歸系數(shù)在空間中分布模式呈同心圓輻射的形狀。醫(yī)院距離因素在市中心對二手房價(jià)格的正向作用最大，表明郊區(qū)市民更重視醫(yī)療便利性。

4）與公園的距離 除武侯區(qū)和錦江區(qū)，其余大多數(shù)地區(qū)公園距離和二手房價(jià)格呈負(fù)相關(guān)，說明在其他影響因素不變的情況下，二手房距離公園越近房價(jià)越高。

5）與地鐵站的距離 在空間分布上，大部分地區(qū)距地鐵站越近房價(jià)越高。在市中心的大部分地區(qū)未呈現(xiàn)出地鐵站距離與二手房價(jià)格的負(fù)相關(guān)效應(yīng)，可能由于市中心地區(qū)的其他公共交通如公交車等對地鐵產(chǎn)生一定替代作用，導(dǎo)致購房者對于距離地鐵站因素不敏感。

6）與河流的距離 成都市有錦江、沙河、清水河、江安河4大水系，其中府河與南河形成的錦江水系流經(jīng)市中心區(qū)域。但市中心出現(xiàn)2塊回歸系數(shù)相差較大的區(qū)域，可能在回歸系數(shù)為正的成華區(qū)、青羊區(qū)府河污染相對較嚴(yán)重，導(dǎo)致該區(qū)域河流對二手房價(jià)格造成負(fù)面影響。

7）房屋面積 房屋面積對房價(jià)的影響系數(shù)從市中心到郊區(qū)的變化并非單調(diào)，而是先增大后減小，在二環(huán)線與繞城高速之間的區(qū)域影響系數(shù)最大。根據(jù)成都市房屋面積分布，在城市中心區(qū)域，部分老城區(qū)二手房可能存在面積大且單位價(jià)格相對低的現(xiàn)象；在二環(huán)線與繞城高速之間，其房屋建成時(shí)間大多較近，面積較為適中，房屋價(jià)格隨面積增大而增大；在城市郊區(qū)，更大的面積無法給居民帶來更多邊際效用，價(jià)格隨面積增大而減小。

4 結(jié)語

選取教育資源、交通、房屋面積等因素構(gòu)建GWR模型，分析成都市二手房價(jià)格的影響因素在地理空間上的變異情況，得出以下結(jié)論。

1）成都市二手房價(jià)格整體呈從同心圓中心向外圍逐漸遞減的規(guī)律，市中心武侯區(qū)、錦江區(qū)、青羊區(qū)、金牛區(qū)、成華區(qū)價(jià)格總體較其他區(qū)域高。

2）GWR模型結(jié)果表明，有優(yōu)質(zhì)中小學(xué)教育資源的錦江區(qū)和青羊區(qū)二手房市場彰顯“學(xué)區(qū)效應(yīng)”，而高等院校周邊二手房并未顯示。由市中心到郊區(qū)與商場距離對二手房價(jià)的貢獻(xiàn)逐漸由負(fù)到正，大多數(shù)地區(qū)距商場越近房價(jià)越高。在市中心區(qū)域與醫(yī)院距離對二手房價(jià)格的正向作用最大，距醫(yī)院越近房價(jià)越高，但在郊區(qū)發(fā)現(xiàn)相反現(xiàn)象。在成都市大多數(shù)地區(qū)，距公園越近二手房價(jià)格越高，但在市中心大部分地區(qū)地鐵站對二手房價(jià)無帶動(dòng)作用。在河流污染相對較為嚴(yán)重的成華區(qū)、青羊區(qū)，距河流越近二手房價(jià)格越低。部分老城區(qū)二手房可能存在面積大但單位價(jià)格相對不高的現(xiàn)象。