重慶市主城區住房售租分異格局及影響因素*

季 欣 宗會明 戴技才

0 引 言

城市住房銷售價格與租賃價格關系國計民生，是城市地理學、社會學以及經濟學的重要研究課題[1]。隨著2016年《國務院辦公廳關于加快培育和發展住房租賃市場的若干意見》出臺，“租購同權”成為全國熱點話題。當前中國多數城市住房售價與租金價格存在明顯的比例差異和空間差異，“租購同權”改革推進存在較多盲區和障礙。當前關于住房銷售價格的研究，主要集中在住房銷售價格的時空分異特征及其演變驅動因素等方面[2-3]。研究多關注于一些大城市[4]或特大城市[5]，對單個城市的住房銷售價格分異進行研究。此類研究多從區位[6]、房屋自身屬性[7]、政策[8]、教育[9]、醫療[10]、公共服務設施[11-12]、環境因素[13-14]等城市內部較為微觀方面進行評價。從研究區域來看，中東部地區的案例較多，如南京房價總體上呈現“圈層+扇形+飛地”的空間結構，高房價主要分布在城市中心區域[15]；高“售租比”小區多集聚于房價增速較快的住房投資熱點區域[16]。北京市住房銷售價格傳統的單中心空間格局正在向多中心趨勢轉化[17]。而西部地區的案例研究較少。重慶市具有獨特的山地地形和“多中心、組團式”的空間布局結構，以其作為西部地區的案例城市，在住房市場和租房市場空間分布方面具有典型性；相較于住房銷售價格，國內學者關于住房租賃價格的研究較少，已有研究也多集中在住房租賃價格的可負擔性[18]、空間分異特征[19]以及影響住房租賃價格的因素[20]。其中，對租金影響因素的研究區別于房價，更多是從房屋面積、樓層、地鐵、朝向、公園、商場等房屋自身屬性方面[7]來進行。縱觀國內外關于住房租賃價格的研究多與住房銷售價格分開，涉及到住房銷售與租賃價格關系的研究也多基于售租比[21]來進行，鮮少運用空間分析方法，對比分析住房銷售與租賃價格空間分布規律格局及其影響因素。因此，本研究在“租售同權”背景下探討住房銷售價格與租賃價格空間分異格局對于從空間綜合視角認識住房銷售價格與住房租賃價格分布格局和影響因素具有重要的理論意義，對于合理推進租售同權政策制訂和城市住房空間布局規劃具有明顯的指導價值。

1 研究區與研究方法

1.1 研究區域與數據來源

1.1.1 研究區域

重慶市主城區包括渝中、渝北、江北、北碚、南岸、沙坪壩、九龍坡、大渡口和巴南九個行政區，總面積5 472.68 km2（圖1）。2020年初，重慶市主城區常住人口875萬人，地區生產總值8 969.6億元，占重慶市GDP總值的37.99%。重慶市獨特的山水地貌，形成“多中心、組團式”的布局結構。

圖1 研究區域Fig.1 study area

1.1.2 數據來源

本研究以重慶市主城區二手普通商品房住宅小區為研究對象，小區的住房銷售價格和住房租賃價格數據來自“安居客”（https://cq.lianjia.com/）房地產交易網站的掛牌價格，時間為2020年1月。住房銷售價格數據包括房源所在的小區名稱、地址、房屋總價（萬元）、均價（元/m2）、建成時間、房型、樓層、朝向等屬性信息，剔除異常值和信息不全的樣本后，共得到5 168個住宅小區的二手房均價數據，占主城區現有小區總數的59.52%。數據清洗后共得到4 782個研究對象為減小誤差，本研究以住宅小區為研究單元，即“售租比”=小區的住房銷售價格均值/小區的住房租賃價格均值。匹配后共得到2 225個樣本點。

本研究的道路網絡數據來源于OpenStreetMap，包括國道、城市快速路、主干道、次干道在內的各等級道路。公共交通網絡數據通過百度地圖API獲取，來源于2019年底軌道交通、公交站點和線路數據，其中，軌道交通包括開通運行以及規劃的線路及站點，共獲得公交站點2 917條數據和地鐵站點160條數據。POI數據通過百度地圖API獲取，共獲得27 978條數據，包括醫院、學校、購物中心，時間為2019年12月。

1.2 研究方法

1.2.1 空間趨勢面分析

空間趨勢面分析指的是利用數學曲面對地理系統要素在空間上的分布及變化趨勢進行模擬分析的過程。空間趨勢面分析所得的觀測面由趨勢面和剩余面組成，趨勢面反映區域大范圍的變化情況，剩余面反應局部性變化特征[22]。

1.2.2 冷熱點分析（Getis-Ord Gi*）

冷熱點分析（Getis-Ord Gi*）用于局部空間相關性研究，可以識別出研究區內住房銷售價格與住房租賃價格的熱點區和冷點區的空間分布[22]。通過相應的局部統計得到z得分、p值和Gi_Bin值，從而探索高值或低值要素在空間上發生聚類的區域。

1.2.3 克里格空間插值（Kriging）

普通克里格空間（Kriging）插值法利用已有樣本點的空間分布結構特征，能較為準確的估計位置樣本點，有效地避免系統誤差的出現[23]。利用Kriging 內插法估計任意點X0的算法如下：

式中：z（xi）是第i處的測量值，λi為第i處的測量值的權重系數，x0是預測位置，n是測量值數目。

1.2.4 地理加權回歸（Geographically Weighted Regression，GWR）

地理加權回歸模型（GWR）能有效地分析城市居住空間擴展的空間異質性，彌補了傳統回歸只能進行全局回歸和無法考慮空間因素的缺陷[24]。

2 住房銷售價格、住房租賃價格的空間分布特征

2.1 現狀分析

基于對重慶市主城區住房銷售價格和住房租賃價格的統計分析，重慶市主城九區平均住房銷售價格為12 252元/m2，其中，最大值在江北區，為32 740元/m2，最小值在北碚，3 966元/m2（圖2）。江北區、渝北區、渝中區的整體住房銷售價格水平在主城九區中處于較高水平，而距離主城核心區較遠的北碚區、巴南區住房銷售價格水平較低。重慶市主城區平均住房租賃價格25.51元（月/m2），最大值位于渝北區，住房租賃價格178.57元（月/m2），最小值在巴南區，僅3.28元（月/m2）。從整體住房租賃價格水平來看，渝中區、江北區、渝北區較高，北碚區、巴南區較低，與整體住房水平分布范圍一致。

圖2 重慶市主城區住房銷售價格與住房租賃價格統計圖Fig.2 statistics of housing prices and rents in central district of Chongqing

對2 225個樣本點進行售租比計算，研究發現，平均售租比為577.71。其中巴南區、九龍坡區是售租比高值所在區域，住宅買賣市場與住宅租賃市場發展不協調。渝中區、大渡口區的售租比相對處于較低水平，住房出售與出租市場的發展相對較為平衡。此外，還發現房價和住房租賃價格高的江北區、渝北區售租比并不高，而房價和住房租賃價格低的北碚區和巴南區售租比則較高（圖3）。

圖3 重慶市主城區售租比統計圖Fig.3 statistics of house price to rent ratio in central district of Chongqing

2.2 空間分布格局

第一，重慶市主城區住房銷售價格和住房租賃價格均呈現出“中間高、兩邊低”的變化趨勢，但住房租賃價格的空間分異程度更弱。利用arcgis10.6的Geostatistical Analyst模塊工具，分別生成重慶市主城區的住房銷售價格與住房租賃價格的趨勢面分析圖，藍線表示南北方向，綠線表示東西方向。重慶市主城區住房銷售價格在南北向、東西向上均呈現“中間高，兩邊低”的空間格局特征（圖4a）。住房租賃價格在各個方向上的變化趨勢與住房銷售價格基本一致，但其曲線更為平緩（圖4b），說明雖然住房租賃價格與住房銷售價格都表現出較為顯著的空間分異性，但住房租賃價格的空間分異程度較住房銷售價格更弱。

圖4 住房銷售價格與住房租賃價格的趨勢面分析圖Fig.4 the analysis of trend surface of housing price and rental price

第二，重慶市主城區住房銷售價格的熱點區集中在中心城區北部，有濱江趨勢，冷點區域則分散在外圍。住房租賃價格的冷熱點分布格局與房價一致，但范圍明顯更小，且熱點沒有顯示臨江特征。由Arcgis10.6的空間熱點分析工具識別出重慶市主城區住房銷售價格與住房租賃價格的冷點、熱點區域。其中，住房銷售價格的熱點集聚區被嘉陵江環繞，北至悅來，東至長江北段沿岸，包括觀音橋、禮嘉、人和在內（圖5a）。冷點區則分散在距離中心城區較遠的外圍，西部的北碚、西永、西彭，南部的李家沱，東部的龍興、魚嘴附近形成住房銷售價格的冷點分布區。住房租賃價格的冷熱點分布較住房銷售價格范圍明顯縮小，且熱點區沿江的趨勢不明顯（圖5b）。

圖5 住房銷售價格與住房租賃價格的冷熱點分析Fig.5 the analysis of housing prices and rents of hot spots and cold spots

第三，從整體上看，重慶市主城區住房銷售價格在空間上呈現出中心—外圍的擴展模式，住房租賃價格則表現出多中心擴展的特點。利用地理統計分析中的普通克里金法（Kriging）對重慶市主城區住房銷售價格和住房租賃價格進行空間插值。城市住房銷售價格在主城核心區北部的觀音橋、人和以及江北嘴附近形成房價高值區，向外圍遞減（圖6），初現多中心趨勢。住房租賃價格則表現出顯著的多中心分布特點，在新牌坊、北碚、西永、空港和茶園等地形成多個住房租賃價格高值中心。此外，主城區外圍的高房價、高住房租賃價格區域多是由沿線的軌道交通帶動，尤其是向西北延伸的軌道6號線、東北延伸的5號線、1號線、3號線，對住房租賃價格的溢價作用更為顯著。且由于重慶多中心組團的布局和工業園區多分布在城市外圍組團，就業崗位的外圍布局造成組團周邊房屋租賃需求和價格的提高，但這里的生活配套不如核心區方便，所以高房價并未擴展至此。

圖6 重慶市主城區住房銷售價格和住房租賃價格Kriging空間插值Fig.6 Kriging space interpolation of housing prices and rents in central district of Chongqing

3 影響因素選擇與模型構建

3.1 變量選取

本研究基于對兩者影響因素的探討以及對房價和住房租賃價格的可比性分析，故以住房銷售價格和住房租賃價格為被解釋變量，從區位因素、社區屬性因素和房屋屬性因素三方面選取影響因子分別構建地理加權回歸模型。借鑒已有研究并結合重慶自然人文地理特征[24]，本研究初步選擇了22個因子作為解釋變量（表1）。

表1 解釋變量的選取與描述Tab.1 description of explanatory variables

為消除多重共線性影響，對其進行方差膨脹因子檢驗，剔除冗余變量。最終確定，影響住房銷售價格的因素考慮Dist_CBD、Dist_road、Dist_sub、Dist_bus、Dist_und、Dist_prim、Dist_mid和Dist_water這8個變量，擬合精度R2為0.32。租房價格的影響因素為Dist_CBD、Dist_road、Dist_sub、Dist_shop、Num_lob、Num_bed和Dist_water這7個變量，擬合優度R2為0.36。

3.2 模型構建

設城市住房銷售價格為yi，第i點的坐標為（ui，vi），則住房銷售價格影響因素GWR模型為：

設城市住房租賃價格為ym，第m點的坐標為（um，vm），則住房租賃價格影響因素GWR模型為：

利用 ArcGIS10.6中GWR工具，采用adaptive bi-square 核函數和CV方法進行GWR模型計算，房價與住房租賃價格的GWR擬合優度分別為0.67，0.69。通過對每個影響因素相對應的回歸系數進行統計，得到回歸系數的最小值、下四分位數、中位數、上四分位數、最大值和平均數，并對各影響因素進行顯著性檢驗（表2-3）。

表2 住房銷售價格的地理加權回歸模型估計結果Tab.2 the result of GWR model of housing price

4 影響因素分析

4.1 地理加權回歸模型參數分析

對顯著性結果進行分析。表2顯示，住房銷售價格除Dist_road和Dist_bus兩個因素外，其他因素系數均顯示出空間上的非穩定性。對通過顯著性檢驗的變量按貢獻程度排序為：Dist_CBD＞ Dist_sub＞Dist_hos＞ Dist_water＞ Dist_und＞ Dist_prim。表3顯示，住房租賃價格的影響因素中，有4個因素其回歸系數在空間上發生顯著的變化，其系數水平影響力從大到小依次為Dist_sub、Dist_CBD、Dist_shop和Dist_water。從影響因子的貢獻度來看，對住房銷售價格影響最大的是Dist_CBD，其次為Dist_sub，而對住房租賃價格來說，Dist_sub的影響力超過Dist_CBD。

表3 住房租賃價格變化的地理加權回歸模型估計結果Tab.3 the result of GWR model of rents

對回歸系數結果進行對比。住房銷售價格的影響因素中，Dist_CBD、Dist_sub和Dist_water的回歸系數為負，說明房價隨距離的增加而減小，Dist_und、Dist_prim和Dist_hos回歸系數則為正。住房租賃價格的影響因素中，除Dist_water，大部分因子回歸系數為負，表明其對住房租賃價格有正向影響。對比各因素回歸系數的中位數與平均數，符號均相同且數值差異不大，說明各因素對研究區大部分區域的影響性質一致。

4.2 空間異質性影響因素分析

4.2.1 區位因素的影響

到CBD距離（即到江北嘴、彈子石與解放碑中心的距離）在住房銷售價格和住房租賃價格影響因素的回歸系數中大部分為負，說明CBD對房價和住房租賃價格均有溢價作用，但對房價的影響程度更大、對住房租賃價格的影響范圍更廣。由圖7a可知，房價的系數值絕對值較住房租賃價格更大，說明CBD對房價的溢價作用程度更大。從影響范圍來看，房價低值覆蓋范圍較住房租賃價格小，住房銷售價格大致以解放碑—江北嘴—彈子石為中心，回歸系數向外圍不斷擴大，在觀音橋、南坪、沙坪壩、人和以及茶園形成多個回歸系數高值區，空間非平衡性顯著。住房租賃價格也以解放碑—江北嘴—彈子石為中心，系數不斷向外圍擴展（圖7b），但其擴展范圍更大。而主城CBD區域因其具有高昂的房價，使得更多的就業人員為減少通勤時間與價格成本，選擇在CBD及其附近租房居住，因而CBD對住房租賃價格的輻射半徑更大。

圖7 住房銷售價格和住房租賃價格到CBD距離的回歸系數分布圖Fig.7 the regression coefficient of distance of housing price and rent to CBD

軌道交通對住房銷售價格和住房租賃價格的影響都以負相關為主，表明軌道交通對兩者均有一定的溢價作用，但對住房租賃價格的影響更大。住房銷售價格受樞紐站點影響較大，如1號線和環線接駁的沙坪壩、10號線和環線換乘的彈子石，以及6號線終點站北碚，均形成回歸系數負值中心（圖8a）。但在觀音橋附近形成回歸系數正值中心，是由于位于核心軌道群，多條線路交匯，交通便利，住房者更多考慮臨近軌道的噪聲、污染等負向外部效應影響。住房租賃價格回歸系數低值區范圍明顯擴大，系數值絕對值明顯更大，說明軌道交通對住房租賃價格的影響更大，租戶更愿意支付更高的住房租賃價格選擇交通便利的鄰近輕軌的住宅小區。北部6號線、西部1號線、南部2號線和3號線沿線回歸系數為負且絕對值較大（圖8b）。

圖8 住房銷售價格和住房租賃價格到地鐵站點距離的回歸系數分布圖Fig.8 the regression coefficient of housing price and rent to subway station distance

4.2.2 社會屬性因素的影響。

對住房銷售價格產生影響的公服設施因素較住房租賃價格更多，使得房價對公服務設施配套更具敏感性。教育、醫療設施均對住房銷售價格產生顯著影響，且以正相關為主。而對住房租賃價格影響較為顯著的只有購物中心，主要呈負相關。

從回歸系數來看，幼兒園的系數值絕對值更大，說明幼兒園較小學對住房銷售價格的影響程度更明顯。幼兒園的影響區域主要集中在觀音橋—禮嘉、空港和西永（圖9a），說明越靠近這些區域，房價越高。小學對房價的影響則主要集中在大楊石、南坪、渝中等優勢教育資源集中分布的地區（圖9b），優質教育資源對周邊住宅小區價格的影響明顯。

圖9 住房銷售價格和住房租賃價格到公服設施距離的回歸系數分布圖Fig.9 the distribution coefficient of regression coefficient of housing price and rent to public service facilities distance

住房銷售價格到醫院的回歸系數大部分為正，表明距離醫院越近，房價越低（圖9c）。主要是對于重慶市主城區整體而言，醫療資源的分布較為均衡，就醫條件相對較為便利，到醫院的距離并不會成為居民選擇住宅小區的限制因素，從而醫院對房價反而產生一定的抑價作用。但是回歸系數在沙坪壩形成負中心，是因為西南醫院、新橋醫院等全國知名醫院布局，大量的外地陪護就醫帶來的住房需求帶動了周邊房價升高。

對住房租賃價格產生影響的公服設施主要是購物中心，總體來看，購物中心的回歸系數以負數為主，且系數的絕對值較小（圖9d）。由于重慶市商業網點不斷完善，許多大型綜合超市、百貨商場等生活服務網點普及，居民日常購物中心的區域差異性變小，對住房租賃價格的影響減弱。其中，觀音橋、解放碑作為重慶最大的商圈，在其附近形成回歸系數負中心，對住房租賃價格有溢價作用。

4.2.3 自然因素的影響

兩江對住房銷售價格和住房租賃價格均有一定的影響，但影響程度和影響性質不同。兩江對住房銷售價格的影響以負相關為主，且影響較大；對住房租賃價格則以正相關為主，影響較小。住房銷售價格回歸系數在兩江四岸附近形成負值中心，并沿江擴展，尤其是嘉陵江段影響程度更大（圖10a）。其中，在北部和南部回歸系數較高，濱江對房價的影響不顯著。是因為重慶的濱江段地勢起伏大、交通不便、相應的商服配套設施不足，疊加跨江公路橋噪音大，灰塵多等因素，影響居民居住體驗感，所以長久以來，重慶本地居民對于江景房一直沒有執念，但近幾年外地購房者的涌入，江景房的熱度有所增加。而兩江對住房租賃價格的影響范圍和影響程度明顯變小（圖10b），由于重慶大多濱江路、公路橋將江和住宅分開，交通不便，對于對交通便利性要求較高的租戶來說，江景房并不能吸引他們入住。

圖10 住房銷售價格和住房租賃價格到兩江距離的回歸系數分布圖Fig.10 the distribution coefficient of regression coefficient of housing price and rent to rivers distance

5 結論與討論

5.1 結論

利用多源城市數據在“租售同權”背景下從空間綜合視角探討了重慶城市住房銷售價格與租賃價格空間分異格局。

第一，重慶市主城區住房價格和租賃價格均呈現中間高，兩邊低的空間格局特征，但租賃價格的空間分異程度比房價更弱。整體上，重慶市主城區住房銷售價格在空間上呈中心—外圍模式，住房租賃價格則呈多中心擴展的特點，住房租賃價格的冷熱點分布范圍更小，且熱點區沒有濱江特點。

第二，影響住房銷售價格和住房租賃價格的主要是區位因素、社會屬性因素和自然因素，三方面因素均對兩者產生不同程度的影響。其中區位因素中的經濟區位（到CBD的距離）和交通區位（到軌道交通的距離）是共同影響城市住房銷售價格與住房租賃價格空間分異的關鍵因素，其中房價受CBD影響更大，而住房租賃價格則被軌道交通影響更為顯著。

第三，相同影響因素在不同城市空間對房價和住房租賃價格的影響不同。首先，經濟區位因素中到中心商務區的距離對房價和住房租賃價格均有溢價作用。經濟因素對房價的影響程度更大，而對住房租賃價格的影響范圍更大。其次，交通因素中到軌道交通的距離對兩者有溢價作用，但住房銷售價格主要受樞紐站點影響，而住房租賃價格則在軌道交通沿線都受影響，故對住房租賃價格影響更大。再次，幼兒園、小學和醫院均對房價產生顯著影響。而對住房租賃價格產生影響的社會屬性因素只有購物中心，且對住房租賃價格的影響逐漸減弱。第四，自然因素對房價的影響以負相關為主，且在兩江四岸均有顯著溢價作用。對于對交通便利性要求較高的租戶來說，江景房對租客吸引力不大。

5.2 討論

從研究結果中可以發現，重慶市主城區住房銷售價格和住房租賃價格高值區并不是像北京、南京一樣，集中在傳統意義上的中心城區（如渝中區），而是處于偏北區域，這與重慶城區北拓規劃政策和城市發展重心北移有關，也與重慶城區南北向的川嶺地形地貌有關。

本研究可為重慶市城市住房與基礎公共服務設施合理配套布局和推進租售同權制度改革提供一定借鑒。為應對租售同權改革下的住房租售市場的變化，有必要對城市住房布局與配套進行預先準備。包括將住房租金水平和空間差異調整納入城市住房規劃內容；國土空間規劃中需從城市副中心的規劃建設、住房布局的TOD導向等方面推進城市就業崗位的均衡布局發展；公共服務配套方面，加快城市外圍地區公共服務薄弱區的公服設施配套建設；教育資源方面，由于優質幼兒園集中分布在觀音橋、禮嘉、空港和西永這些區域造成住房銷售價格在這些區域較高，因而應在除此范圍之外的區域均衡配置更多高質量的優質幼兒園。在醫療資源方面，重慶市優質醫療資源多集中在中心城區，其中渝中區三甲醫院占比近一半，建議在沙坪壩、渝北、茶園等內環以外區域增加優良醫療資源配置，實現醫療服務均衡配置。在“兩江四岸”濱江地區，跨江大橋和濱江路的規劃和建設需要考慮到其對住房租售的負面影響。本文作為住房銷售價格與租賃價格空間分析個案研究，對于其他城市不一定適用，仍需更多案例進行佐證。

圖表來源：

圖1-10：作者繪制

表1：作者根據參考相關文獻繪制

表1-3：作者繪制，數據由Arcgis10.6生成