基于POI大數據的揚州市房價空間分異及影響因素研究*

劉欣 章娩娩

(1.東南大學土木工程學院，江蘇 南京 211102；2.揚州大學建筑科學與工程學院，江蘇 揚州 225009)

0 引言

隨著我國城鎮化進程的加快，城市居住空間規劃不斷完善。然而，在城市更新和拓展過程中，居住空間與資源配置的不均衡問題日益凸顯，導致房價在空間上出現明顯的非平穩性[1]。目前，國內外學者對房價空間異質問題的研究主要從宏觀和微觀兩個層面進行。其中，宏觀角度主要從國家政策[2]和貨幣政策[3]兩個方面對房地產供給與需求進行探討；微觀角度以住宅內部因素和外部因素為影響因子建立價格模型，研究房價的影響機制[4]。另外，房價主要影響因素探究機制研究也對空間特殊因素進行了考慮，如住宅市場細分視角、科技人才涵養、特殊自然物等[5-7]對房價空間分異的影響。

近年來，學者運用空間計量技術構建地理加權模型(Geographical Weighted Regression，GWR)探討房價變動因素，并得到了廣泛應用[8]。例如，宋偉軒[9]利用GWR模型探究不同的影響因子與房價空間異質性的關系，從空間視角驗證了房價空間分異的復雜性。隨著信息技術的發展，POI大數據替代了傳統的手動獲取房價數據的方法，使研究數據更具時效性、易獲取、成本低等優勢，可以多尺度實現空間連續性[10]。因此，本文以揚州市為例，基于房價POI大數據構建GWR模型，探究不同空間因素對房價空間異質性影響機制，以確定房價空間分異的主要影響因素，為城市空間布局規劃調整提供決策參考。

1 研究區域與數據獲取

揚州市的空間發展經歷了“跳出古城建東西兩翼”的過程，城市發展圍繞城市主干道文昌路向東西延伸，最終形成“一體兩翼”的空間格局，導致各區出現了經濟發展不平衡的形態，因此可作為房價空間異質性研究的典型案例。

城市住宅分為城鎮新建住宅和二手住宅，由于揚州市新建住宅樣本較少，同時考慮到二手住宅樣本在空間布局上具有均質性，所以本文選取2004—2019年的新建住宅和二手住宅作為研究對象。從安居客、房天下采集當月住宅成交均價作為研究數據，剔除信息嚴重不完整、有誤以及重復小區的數據，共獲取2664個社區樣本。通過ArcGIS經緯度坐標轉換，將獲取的房價數據與住宅樣本POI以住宅名稱關聯，從而建立揚州市住宅樣本數據庫。

2 研究方法

2.1 空間自相關分析

為分析揚州市房價在空間上是否有相關性，本文引入空間自相關測度指標，即全局自相關分析和局部空間自相關分析。度量全局自相關性本文采用莫蘭指數法(Moran’I)，分析研究范圍內不同地段的房價空間格局特征，計算公式如下

(1)

式中，n為樓盤的數量；zi是要素i的屬性與其平均值(xi-X)的偏差；wi,j是要素i與j之間的空間權重；S0是所有空間權重的重合；I的值域為[-1，1]，I>0代表空間正相關，I<0代表空間負相關，I=0代表空間相關。

為進一步研究變量房價的局部空間自相關性，采用空間關聯的局部指標(Local Indicators of Spatial Association，LISA)進行分析。LISA包括局部Moran I指數，可用于判斷房價在空間的集聚現象或差異性，計算公式如下

(2)

2.2 地理加權回歸分析

GWR模型是由英國學者Fotheringham在局部回歸分析的基礎，借鑒局部平滑思想提出的模型。本研究使用ArcGIS中的GWR工具，選取房價影響因素并量化作為自變量，構建以房價為因變量的回歸加權模型，主要通過建立空間內各樣本的局部回歸方程探索住宅樣本受影響因素的空間變化，能有效揭示城市房價空間非平穩性和空間依賴性[11]。其一般形式可表示為

(3)

式中，yi與xi1，xi2，…，xip是因變量y和自變量x1,x2,…,xp在(ui,vi)處的實測值；P為選取的因變量個數；εi為隨機誤差項；βj(ui,vi)(j=1,2,…,p)為關于空間位置的未知函數。

3 研究結果

3.1 房價空間相關性分析

3.1.1 全局空間自相關分析

利用ArcGIS軟件對揚州市住宅價格進行全局空間自相關分析，結果顯示：在一定距離內，揚州市房價的全局Moran’ I指數為0.103 2>0。這說明房價在研究區域內整體上呈現空間正相關，即相對較高房價在空間上表現為集聚特征。

3.1.2 局部空間自相關分析

基于局部Moran’ I檢驗，LISA聚類圖可以體現房價具有局部集聚的顯著性特征。高-高型房價住宅聚集于邗江區、廣陵區等中心城區，其區位優勢明顯、基礎設施完善，加上政府大力發展，導致住房需求不斷增加，從而引發房價上漲。然而，由于揚州市人口密度低，其核心區對人口的虹吸效果一般，新建住宅供大于求，導致揚州中心城區又出現大量低-高型和低-低型集聚的低房價住宅。因此，房價在空間上表現為高-高型集聚。

3.2 房價空間分異影響因素分析

3.2.1 變量選取

通過上述分析可知，揚州市房價作為因變量具有空間異質性，可考慮空間因素并利用GWR模型分析房價異質性。綜合學者對房價空間異質性影響因素的大量研究，本文將商服因素、交通因素、公共設施因素以及環境因素等作為一級自變量并進行量化，見表1。

表1 自變量描述

3.2.2 基于回歸系數影響因素空間格局分析

將GWR模型計算所得各影響因素回歸系數分位數、均值、標準差統計列于表2，各影響因素回歸系數和標準差值相差較大，說明各因素對房價的影響程度具有顯著的區位方向性差異，按影響程度大小排名為：小學>中學>公園>商場>公交站>金融服務>醫院。

3.3 各因素對房價空間分異研究

3.3.1 商服因素對房價的影響

最近商場距離的回歸系數多為負值，距商場越遠房價越低。除高郵市，各區域內配套設施完善，有萬達、京華城等大型商圈，對房價具有抬高效應(圖1)。高郵市內回歸系數呈現正值，房價與商場距離的關聯度圈層式衰減，住宅遠離商場反而價格越高。

最近金融服務對房價影響以高郵市為中心向外層逐漸增強(圖2)。在高郵市內，回歸系數為負數，表明距離金融服務距離越遠，房價越低。該地中心金融服務聚集，能拉動房價；中心外圍金融服務對房價增值效果小。揚州市北部以及中心城區回歸系數為較小正值，表明金融服務對這兩塊區域影響不大。

3.3.2 公共設施因素對房價的影響

最近小學距離是重要影響因素，均值絕對值和標準差是結果中最大的(圖3)。在中心城區、儀征市以及寶應縣回歸系數為正值，是因為有多所像育才小學、梅嶺小學這樣的優質重點小學對房價有拉動作用。對于優質重點小學與普通小學混雜的區域，回歸系數絕對值較小，房價受小學距離影響的空間分異特征較弱。

最近中學距離對房價影響與最近小學距離相悖。儀征市、寶應縣回歸系數為負值，房價隨著與中學距離的縮短而增加。這些區域由于重點中學稀缺擴大了中學對房價的影響力。由于2019年揚州市政府優化教育格局，將中心城區多所中學合并，使得學校質量參差不齊，導致中心城區房價空間分異顯著。

3.3.3 交通因素對房價的影響

公交密度對房價產生微弱的正向影響，即距公交站越多，房價越高。究其原因，一方面，大部分居民采用電動車出行，對于公交依賴減弱；另一方面，公交站密度越高的地段帶來的噪聲污染以及交通堵塞會對房價產生負面影響。

3.3.4 環境因素對房價的影響

公園距離與房價為負相關，房價隨著住宅與公園距離減少而增值。受影響最大的地段有兩個：一是文昌西路兩端的鄉村，其景觀資源不具有稀缺性，因此公園房價抑制作用明顯；二是高郵市，市中心面積小，鄉鎮占據面積大，公園對房價也不具有增值優勢。寶應縣和揚州市中心城區內，公園對房價產生較小的正影響，主要是因為該地段公園影響范圍大、空間分異小。

4 結語

本文通過空間自相關、地理加權回歸等方法，對揚州市房價空間異質性及影響因素進行了多角度分析。結果顯示：

(1)由空間自相關分析發現，揚州市房價存在空間相關性，中心城區存在顯著的空間異質性。房價高值集聚于基礎設施完善的中心城區，其低值積聚于江都區、儀征市、高郵市、寶應縣等公共建設較慢、土地開發程度相對較低的區域。

(2)教育資源、公園、商場等顯著影響房價空間分異。其中，教育資源是影響房價的最主要因素，影響作用隨著距離增加而減弱。公園和商場產生的空間紅利對房價具有溢價作用。

(3)GWR模型分析表明，影響因素空間差異是導致房價空間分異性的重要原因。小學和公園對房價有積極影響，如稀缺的優質小學教育資源稀缺成為揚州市發展欠發達區域拉動房價的關鍵因素。商場、公交站、醫院、金融服務等對房價的空間影響表現為圈層結構，在核心層距影響因素越近房價越高；圈層外沿受影響因素空間分配數量不同，與距離的相關性受到削弱，對房價具有負向影響。

從整體來看，由于房價影響機制的多樣性，不同區域房價空間差異明顯。因此，政府在針對房價調控制定相關政策和規劃時，應考慮房價相鄰區域間的聯系不僅局限于空間上的關聯。