城市地價空間非平穩格局與測度技術優化應用探索

邢 琦，陸 穎，王 健，3

（1.中國農業大學土地科學與技術學院，北京 100193；2.中國國土勘測規劃院，北京 100035；3.中國土地政策與法律研究中心，北京 100193）

城市地價作為土地市場運行的重要反饋指標，引導城市產業發展的布局，在塑造城市形態和經濟結構方面發揮著關鍵作用[1]。城市地價的空間格局及其決定因素一直受到學術界的關注。供求機制、屬性特征、空間效應三方面是當前城市地價空間格局研究的主流，主流觀點認為地價受土地利用政策、城市功能區劃等宏觀因素[2-3]和區位、鄰里、個別等微觀要素的共同作用[4-5]。城市的發展和區域空間關系的復雜性對城市地價格局和決定因素的識別測度帶來了重大的挑戰，各類要素空間發展的不均衡引導地價出現非平穩的空間格局。探究地價空間非平穩格局對引導城市地價與產業經濟協調發展，實現城市空間資源精細化管理和配置具有重要的指導意義。因此，地價空間非平穩格局研究也是當前城市地價研究探索的主流方向，其研究的主要核心是測度模型構建。

特征價格模型[5]、空間計量模型[6-7]等方法在一般意義上被廣泛用來研究城市地價空間格局及其決定因素，但這些方法存在先天性不足。如流行的標準特征價格模型將各影響因素的邊際效應視為固定常數，沒有考慮地價的空間依賴性，導致參數估價的偏差和不一致問題[8-9]。為此，研究者引入空間滯后模型（SLM）、空間誤差模型（SER）、空間杜賓模型（SDM）等空間計量模型解釋地價的空間依賴性。然而，在城市空間動態發展中，空間要素稟賦及其集聚形態的差異，會進一步導致地價與其屬性特征間表現出非線性的空間效應。因地理區位的差異，各驅動因子對地價的作用結構呈現明顯的空間異質效應，空間計量模型的線性假設使其本質上無法測度這一異質性。為此，地理加權回歸（GWR）、變異系數模型（VCM）等模型被諸多學者采用來量化屬性特征因子對地價空間格局的異質性影響。顧此失彼，此類模型未將空間自相關參數嵌入回歸項，地價空間依賴性強度的動態變化又被排斥在模型測度之外。因此，如何科學測度和反映依賴性與異質性的共同效應，是當前模型構建和測算的難題。

地價與相關因子間的空間關系受到區域空間系統的綜合作用，表現出空間依賴性與異質性兩大特征同時存在，且兩者均具有非平穩性的事實[10-11]。既有常用模型中的“非平穩”關注的是空間異質性，例如，公共基礎設施條件的差異導致地價空間分布的不均衡，但少有考慮空間依賴強度的動態變化，例如，相鄰地域間地價存在相互作用，且作用強度隨時空變化。未在模型中考慮兩類空間特征參數均隨空間而變化的特征，就難以準確地反映日趨復雜的城市土地利用空間格局與價格形成機制。因此，需要探索一個綜合性模型，該模型可以同時將空間自相關和空間異質性參數嵌入空間變化系數，進而測度識別城市地價的空間非平穩特征及其驅動機制。學者們不斷嘗試提出包含空間自相關和空間異質性的模型框架。例如，CHO 等提出了一種結合地理加權回歸（GWR）和空間誤差模型（SEM）的GWR-SEM 模型[12]；BASILE等提出具有空間自相關的地理加法模型的擴展，允許考慮空間自相關的誤差項和內生變量[13]。但這些模型存在兩個明顯的缺點：一是未考慮空間參數異構情況（即部分參數在空間上恒定，而另外一些則是變化的），模型靈活度較低導致估計性能不佳；二是沒有較好地解決多重共線性的問題，可能導致估計參數值波動甚至出現符號反常的現象[14]。為解決此問題，GENIAUX等[14]嘗試提出一類新的數據生成過程（DGP），稱為多尺度地理加權回歸—空間自回歸模型（Multiscale Geographic Weighted Regression-Spatial Autoregressive model,MGWR-SAR）。MGWR-SAR模型中的回歸參數和空間自相關系數可以隨空間變化[14]。GENIAUX 等通過深入的蒙特卡羅分析，評估既有經典模型與其提出的異構系數模型的性能，證實所提出的MGWRSAR模型具有良好的空間估計效果[14]。

當前國內鮮有MGWR-SAR 模型的應用與研究，從既有的海外學者將其應用到城市住房市場[15-16]、區域創新活動[17]、勞動力參與率[18]等領域的研究上看，該模型能有效處理空間依賴性和異質性具有非平穩特征的問題。MGWR-SAR模型放松了關于空間相互作用性質的假設，將其應用于測度城市地價空間非平穩性也具有較強的可能性。本文在明確城市地價空間非平穩格局形成機制的基礎上，以某一城市商服用地地價數據分析作為案例，應用新的空間測度技術重新考察我國地價的空間形態，實證檢驗MGWR-SAR模型相較于傳統空間計量模型的性能效果，以期為地價空間測度提供新的技術參考，也為其他地理要素空間研究提供方法借鑒。

1 城市地價空間的非平穩格局

經濟活動收益使城市土地功能定位、利用方式及強度產生異質性，進而出現土地利用的空間差異。屠能、韋伯、艾薩德、克里斯塔勒等學者構建的經濟區位論表明，區位會影響城市經濟活動的潛在收益，進而導致地價的差異。可以說，城市地價是土地區位條件優劣差異的結果[19]。進一步，我們可以從區位的絕對性與相對性兩個視角來認識區位。絕對區位是指土地某一功能在空間上的自然地理承載位置；相對區位是指土地某一功能與其他空間要素功能的相互關系的空間關聯。絕對區位的固定性引導地理鄰近地區間地價存在空間依賴性，而相對區位的不均衡是地價存在空間異質性的主要原因。空間依賴性和空間異質性的非線性變化共同形成地價空間格局的非平穩特征。

1.1 絕對區位與地價的空間依賴性

土地空間位置的固定性決定了其絕對區位不會發生轉移。地理學第一定律提出，地理鄰近的事物間存在關聯性[20]。絕對區位決定了每一寸土地空間都是唯一的，土地市場會存在瑕疵，因為供給具有一定的“壟斷性”，價格“依賴于”地塊區位。此外，土地最終交易價格不僅取決于自身屬性特征，還依賴于買賣雙方的行為及心理預期等[21]。在從眾心理的引導下，買賣雙方會依賴具有類似特征的鄰近土地的歷史價格信息[22-23]。原因在于地理鄰近地區的土地往往具有相似的外部環境特征，其土地的價值也通常可以預示或引導著附近地區的地價預期[24]，即相近的地理事物在空間上互為關聯的定律也引導著地價具有空間依賴性。

1.2 相對區位與地價的空間異質性

相對性是一個動態的概念，因此，土地相對區位受城市空間發展的影響處于一個動態變化的過程。在城市擴張和城市功能升級過程中，城市空間系統要素會發生動態變化，具體表現為城市交通、城市功能區（如商業集聚區）、公共基礎設施等城市空間實體的發展和改變[25]。空間實體的變化會導致土地相對區位優劣程度發生改變，帶來土地空間區位的不均衡，影響用地需求者的支付意愿，導致地價的空間分異[26]。城市內部空間要素的稟賦特征和集聚形態的空間異質性引導地價空間分異格局的形成，而且不同形態的空間要素會對地價產生差異化的空間效應。從空間要素的形態表征來看，地價驅動因子可抽象為點狀、線狀和面狀因素[25]。點狀因素如商業中心、金融網點等，類似“增長極”，對周圍受力場的地價產生輻射影響，表現為周圍地價隨著距“增長極”距離的增加而衰減；線狀因素主要指公共交通設施等，對周邊地價存在“廊道效應”，表現為距“廊道”外側距離的增加，地價呈現遞減趨勢；面狀因素如綠地覆蓋度、環境污染度等由要素中心呈同心圓波紋狀向外輻射，地價隨著距要素中心距離的增加而衰減。不同形態的空間要素集聚產生差異化的空間效應，傳導形成地價空間異質性格局。

1.3 空間依賴性與異質性的綜合效應

地價不僅受自身土地屬性特征的影響，還受到其他空間地價的影響[27]。土地自身屬性特征的異質性導致地價空間分布的不均衡，表現為空間異質性。空間距離會影響地價信息交互和傳遞的有效性，地價的外溢效應會隨空間距離的增加而衰減[28]。地價受其他空間地價的影響強度會發生動態變化，表現為空間依賴強度的非平穩性。地價空間依賴性的非線性與空間異質性綜合作用形成非平穩的地價空間格局（圖1）。

圖1 城市地價空間非平穩格局的形成機制Fig.1 Formation mechanism of spatial non-stationary pattern of urban land price

2 城市地價空間非平穩性的測度模型技術比較

空間依賴性建模測度領域，學者通常應用空間滯后模型、自變量空間滯后模型、空間誤差模型和空間杜賓模型及其組合模型進行研究[29]。空間異質性建模測度領域，學者通常應用地理加權回歸或多尺度地理加權模型等進行研究[30]。常見的空間滯后模型、空間杜賓模型參數的線性假設使得其難以捕捉地價空間異質性。同時，既有研究多采用地理加權回歸或多尺度地理加權模型解釋土地自身屬性對地價的異質性影響，但未考慮相鄰空間地價對本區域地價的影響。模型未將空間自相關參數嵌入回歸項，空間依賴性強度的動態變化又被排斥在模型測度之外。

因此，需要一個綜合性模型能夠解釋地價空間依賴性和異質性兩大特性非平穩并存的特征，特別是關注空間依賴性的非線性變化。而解釋非平穩并存特征需要模型同時將空間自相關參數項和空間異質性參數項嵌入空間變化系數。MGWR-SAR模型考慮空間參數異構的情況，即回歸參數和空間自相關系數可以隨空間變化而變化。這一性質使該模型能更好地解釋地價空間依賴性和異質性兩大特性非平穩并存的特征。基于此，本文探索將MGWR-SAR 模型首次應用于國內地價空間非平穩性測度研究，改進當前常用的地價估計方法及模型，實證檢驗MGWR-SAR模型相較于傳統空間計量模型的性能效果。

2.1 空間計量模型

空間計量模型的一般形式如下：

式（1）中：Y為城市地價；W為空間權重矩陣；X為驅動因子；μ為隨機誤差項；β為驅動因子對地價的影響；λ為相鄰地區地價對本地區地價的影響；δ為相鄰地區驅動因子對本地區地價的影響；ρ為隨機誤差項的空間相關系數；ε為誤差項。當δ=ρ=0時，本式為空間滯后模型，當λ=δ=0時，本式為空間誤差模型；當ρ=0時，本式為空間杜賓模型。根據LR 檢驗（Lagrange Multiplier Test）結果判斷使用空間計量模型的類型。

2.2 多尺度地理加權回歸模型（MGWR）

式（2）中：Yi為城市土地樣點i的地價；（ui，vi）為第i個地價樣點的空間坐標；j為驅動因子個數；Xij為第j個驅動因子在第i個樣點處的觀測值；αj為全局變量的回歸系數，又稱常系數；βj為局域變量j的回歸系數，又稱變系數；n為全局變量個數；m是局部變量個數，j=n+m；εi為隨機誤差項。

2.3 多尺度地理加權回歸—空間自回歸模型（MGWRSAR）

GENIAUX等研究引入了一類新的數據生成過程（DGP），稱為MGWR-SAR 模型（多尺度地理加權回歸—空間自回歸模型）。MGWR-SAR模型考慮了回歸參數和空間自相關系數存在空間平穩的和/或非平穩的可能性。模型的一般形式如下：

式（3）中：Y為城市地價；（ui，vi）為第i個地價樣點的空間坐標；h是帶寬參數，可基于給定的距離核函數來定義每個地價樣點i坐標（ui，vi）周圍的局部子樣本數；λ為相鄰地區地價對本地區地價的影響，λ的值取決于坐標（ui，vi），即λ=λ（ui，vi；h）；W為空間權重矩陣。Xc為常系數驅動因子，即全局變量；βc是常系數驅動因子的系數值；Xv為變系數驅動因子，即局域變量；βv是變系數驅動因子的系數值；βv的值取決于坐標（ui，vi），即βv=βv（ui，vi；h）；εi為隨機誤差項；kc是常系數驅動因子的個數；kv是變系數驅動因子的個數，總驅動因子個數k=kc+kv。

GENIAUX等將式（3）中參數λ、βc、βv進行空間固定和變化組合，得到9個不同的DGPs模型：

上述各式中變量含義與式（3）相同。

為了選擇合適的模型，第一階段假設所有參數（包括空間自回歸項）均具有空間非平穩性。然后，進行空間變異的蒙特卡羅檢驗，結合枚舉法得到的各模型的評估指標值（殘差平方和、均方根誤差和AIC值）識別是否存在全局變量。在獲取全局變量和局部變量的信息后，選擇適當的模型進行估計。本文采用了雙方核函數和自適應帶寬，考慮到局部子樣本重疊會人為地增加值。因此，本文將采用調整后的估計顯著性水平。本模型采用GENIAUX 等[14]發布的名為mgwrsar的R包測算實現①mgwrsar:GWR and MGWR with Spatial Autocorrelation version 1.0 from CRAN（rdrr.io）。。

3 實證研究

3.1 數據來源與變量設定

3.1.1 地價數據

本文以我國浙江省寧波市城六區商服用地為研究案例②以浙江省寧波市為案例的考慮主要有三：一是我國東部沿海地區的城市產業發展市場化程度較高，土地價格的市場化配置機制較為活躍，地價在城市空間上顯示的特征更為明顯；二是寧波市的城市格局和經濟行為在空間形成上，區位競價較為成熟，鄰里特征明顯；三是數據得可獲得性和數據的準確性。本文以寧波市為例，對方法的探索能夠應用到其他城市。，所采用的寧波市城六區商服用地地價數據來源于中國土地市場網③https://www.landchina.com/#/。，包括2017—2022年寧波市城六區167 宗出讓地塊所處區域、土地級別、土地面積、規劃容積率、建筑面積、建筑密度、出讓方式、成交價格、用地類型等信息。為滿足研究需要，對該數據進一步處理。首先，剔除出讓價格存在異常的樣本數據；其次，對樣本地價進行交易期日修正、容積率及特殊情況修正，確保樣本地價的可比性④考慮到加油加氣站用地屬于特許經營的特殊商服用地，出讓溢價率較高，因此，研究中剔除加油加氣站用地樣本。交易日期統一修正至2022年第四季度。。最終確定147宗有效樣本數據。樣本平均出讓面積16 244.16 m2，覆蓋寧波市全部6個轄區、8個土地級別，可以代表寧波市城六區商服用地地價整體情況。

3.1.2 地價驅動因子選取

商服用地的地價受宏觀影響因素和區位、鄰里和個別等微觀影響因素的綜合作用影響[31-34]。借鑒既有商業用地價格的研究實踐[1,34-35]，并通過多重共線性檢驗和逐步回歸剔除部分共線因素和對地價貢獻較小的因素，最終選取12 項指標（表1）。（1）宏觀影響因素。包括土地利用制度與政策、城市規劃、稅收等一般性影響因素[36-38]。本文采用土地距特殊用途區的距離，衡量不同類型城鎮開發邊界對地價的指導和約束作用。（2）區位因素。主要指市場、交通、技術等社會經濟因素，包括區位中心性因子、城市交通因子和集聚因子等[1,39]。本文采用商服潛力、公共交通便捷度和對外交通便捷度衡量土地的區位條件。（3）鄰里因素。經濟學中的鄰里因素包括社會經濟結構條件[40]、公共基礎設施條件[41]、外部環境條件[42]等。影響商服用地地價的鄰里因素集中于后兩項。本文選取金融網點、停車場、公園三類基礎設施的分布衡量商服用地周圍公共基礎設施條件；選取綠地覆蓋度衡量商服用地周圍環境條件。（4）自身因素。自身因素主要是指由于地塊本身條件的變化而影響土地價格的因素，如地塊的形狀面積、容積率、臨街狀況等[43]。本文選取規劃容積率衡量商服用地的個別因素條件。

表1 商服用地地價空間非平穩性的驅動因子指標體系Tab.1 Index system of driving factors for spatial non-stationarity of commercial land price

3.2 結果分析

3.2.1 地價空間相關性與異質性

為了檢驗地價是否具有空間屬性，對地價樣本進行Q-Qplot檢驗、空間相關性檢驗。Q-Qplot檢驗結果表明，將商服用地地價數據進行對數轉換后，地價數據基本符合正態分布，可用于進一步的空間分析。根據探索性空間分析方法計算得到商服用地地價的指數顯著為0.173，這表明寧波市商服用地地價存在顯著的空間依賴性。LMI 散點圖（圖2）結果表明，中心城區商服用地地價存在明顯的高值集聚，而低值集聚區主要分布在奉化區的北部；從地價全局趨勢圖來看，地價在東西和南北方向均呈現倒“U”型分布（圖3），這也表明地價存在一定的空間異質性。

圖2 寧波市商服用地地價的LMI散點圖Fig.2 LMI scatter plot of commercial land price in Ningbo

圖3 寧波市商服用地地價的全局趨勢分析圖Fig.3 Global trend analysis of commercial land price in Ningbo

構建LM檢驗進行空間相關性檢驗，檢驗結果LM no lag和LM no error兩個統計量分別在1%和5%的水平下拒絕了原假設（LM no lag=7.994 8，LM no error=2.928 7），R-LM no lag統計量在1%的水平下拒絕了原假設（R-LM no lag=5.749 4，R-LM no error=0.683 3），表明應該選用空間滯后模型進行估計。所有變量的方差膨脹因子（VIF）的都小于10，表明變量間不存在多重共線性的問題。空間滯后模型和MGWR 模型的估計結果見表2。

表2 空間滯后模型及MGWR模型的估計結果Tab.2 Estimation results of Spatial Lag Model and MGWR model

在空間滯后模型（表2）中，空間自相關系數在1%的水平下顯著為正，說明寧波市商服用地地價存在顯著的空間溢出效應。在MGWR模型（表2）中，通過各變量回歸系數平均值大小可以看出，各因子對地價的邊際貢獻度存在差異。其次，從各變量回歸系數的標準差可以看出，各因子對地價的影響存在明顯的空間分異。其中，BCP（商服中心繁華度）對地價的影響存在顯著的地理變異性。同時，BCP（商服中心繁華度）、SSD（地鐵）、GSC（綠地覆蓋度）、PD（公園）、FR（規劃容積率）變量回歸系數最大值、最小值的符號不一致，說明以上因子對地價的邊際效應具有方向差異性。

3.2.2 模型對比分析

SLM 模型和MGWR 模型的結果驗證了地價同時存在顯著的空間自相關和異質性，且地價的空間自相關存在非連續、非平穩的態勢。因此，在探討地價空間格局時有必要考慮空間依賴性和異質性兩大特性非平穩并存的特征。在MGWR-SAR 模型估計中，蒙特卡羅檢驗結果表明所有變量都可以被描述為局域變量，包括空間自相關項。同時，枚舉法檢驗發現，將所有變量視為局域變量的模型的殘差平方和，均方根誤差，AIC值結果最好。因此，本次選擇模型MGWRSAR（1，0，k）進行估計分析（表3），并將MGWR-SAR模型與SLM、MGWR模型的估計效果進行比較（表4）。

表3 MGWR-SAR模型估計結果Tab.3 Estimation results of MGWR-SAR Model

HUANG B 等學者研究認為，如果不同模型之間的AIC值差異超過3 或AIC值相對較小，則表明模型之間存在顯著差異[44]。從各模型的擬合優度來看，AIC值從SLM 的221.764、MGWR 的284.051 下降到MGWR-SAR 的128.780，這表明MGWR-SAR 模型在地價空間格局驅動機制的研究中估計效果更好，模型的改進效果顯著。

3.2.3 基于MGWR-SAR的地價空間非平穩格局的形成機制

從MGWR-SAR 模型估計結果（表3）來看，各驅動因子的參數不是恒定唯一值，在空間上具有非平穩特征。此外，41.5%的樣本的空間自相關回歸項系數具有顯著性，且系數值存在空間動態變化，表明商服用地地價存在較強的空間依賴性，且空間依賴強度存在非平穩特征。其中，88.5%的顯著性樣本表現為正相關，集中在鄞州區北部、江北區和鎮海區；11.5%的顯著性樣本表現為負相關，集中在奉化區、海曙區東部（圖4）。從地價樣本的空間相關性（圖5）分布可以看出，樣本分布密度高、地價水平高的區域更容易表現出地價空間正相關。正如理論分析所述，當待售地塊周圍有大量已售地塊價格參考時，已售地塊地價一定程度上預示或引導著附近待售地塊預期價。而在交易數量較少地區，待售地塊的價格很難受到相距甚遠的其他地區地塊的影響，地價的確定更多地是基于對其自身屬性價值的判斷，因此地價空間自相關性較弱，甚至表現為負相關。

圖4 地價空間自相關系數的局部估計值Fig.4 Partial estimates of the spatial autocorrelation coefficient of land price

圖5 地價空間自相關系數的顯著性Fig.5 Significance of spatial autocorrelation coefficients of land price

以90%顯著性水平占比超過樣本比例的一半為標準，模型結果顯示FON（金融網點）、SSD（地鐵）、TD（火車站）、GSC（綠地覆蓋度）、BSN（公交站點）對地價存在顯著影響（表3）。因此，本文著重分析以上5 個因子對寧波市商服用地地價的空間非平穩性影響。

（1）公共交通便捷度。50.34%的樣本顯示商服用地周圍1 km內BSN（公交站點的數量）對其地價有顯著影響，其中，58%顯著性樣本表現為顯著正相關，42%樣本則為顯著負相關。BSN對商服用地地價的影響呈現明顯的空間“兩極化”分布，鄞州區西北部樣本均表現為顯著負向影響，奉化區北部樣本則表現為顯著正向影響（圖6、圖7）。這種空間差異主要是由于商服用地的具體用途導致的。奉化區北部樣本中約70%地塊為住宿餐飲和批發零售用地。對其而言，穩定的客流量和便捷的公共交通是其發展的基本條件，公共交通的便捷度直接影響了公眾的消費意愿和可行性，因此該地區BSN對商服用地地價表現出顯著的正向作用。鄞州區西北部樣本中約79%地塊為商務金融用地，這些樣本地塊處于中心城區且靠近市政府所在地，基礎交通設施已發展較為完善，且周邊已形成成熟的商圈。不同于住宿餐飲和批發零售業強調大眾的可達性，商務金融用地來往的多為固定工作人員，出行目的明確且具有固定周期性，不會因為可達性的略微不足而放棄前往目的地，因此BSN的回歸系數多不顯著，甚至為負。

圖6 BSN（公交站點數量）系數的局部估計值Fig.6 Partial estimates of the coefficients of BSN (number of bus stops)

圖7 BSN（公交站點數量）系數的顯著性Fig.7 Significance of the coefficients of BSN (number of bus stops)

68.03%的樣本顯示商服用地距離最近地鐵站點的距離（SSD）對其地價有顯著的負向影響。從影響的空間分布來看，奉化區SSD對商服用地地價的影響高于其他地區（圖8、圖9）。2016年奉化撤縣設區，經濟發展水平和基礎交通條件落后于其他市轄區，商服吸引力相對較低。作為該區當前唯一的一條地鐵干線，3 號線的建設極大地提高居民出行便捷度，地鐵站點的人流匯聚能力也為商服活動提供了便利條件[35]。因此，奉化區SSD對商服用地地價的影響顯著的高于其他地區。

圖8 SSD（距地鐵站點距離）系數的局部估計值Fig.8 Partial estimates of the coefficients of SSD (distance from subway station)

圖9 SSD（距地鐵站點距離）系數的顯著性Fig9 Significance of the SSD (distance from subway station) coefficients

（2）對外交通便捷度。63.95%的樣本顯示商服用地距火車站的距離（TD）對其地價有顯著影響，并且80%的顯著性樣本表現為顯著負相關（圖10、圖11）。顯著性樣本的具體用途多為商務金融用地，對外交通便捷度的提高會加強地域間商務往來的便利度，提升商服營收潛力，進而導致用地價格的上漲。

圖10 TD（距火車站距離）系數的局部估計值Fig.10 Partial estimate of the TD (distance to train station) coefficients

圖11 TD（距火車站距離）系數的顯著性Fig.11 Significance of TD (distance from train station)coefficients

（3）基礎設施狀況。71.43%的樣本顯示商服用地周圍1 km內金融網點的數量（FON）對其地價有顯著影響，其中87.62%表現為顯著正相關（圖12、圖13）。這表明金融網點的數量對商服地價存在顯著正向效應。

圖12 FON（金融網點數量）系數的局部估計值Fig.12 Partial estimates of the coefficients of FON(number of financial outlets)

圖13 FON（金融網點數量）系數的顯著性Fig.13 Significance of the coefficients of FON (number of financial outlets)

（4）環境條件狀況。57.14%的樣本顯示綠地覆蓋度（GSC）對商服用地地價有顯著影響，其中55.95%樣本表現為正相關，其余為負相關。影響效應在空間上表現出顯著的差異格局，鄞州區北部、江北區東南部樣本多為顯著正相關，海曙區東部、鄞州區西部樣本多呈現負相關（圖14、圖15）。鄞州北部作為寧波市政府和寧波東部新城金融商務區的所在地，商服用地類型以商務金融和高端服務業為主，公園綠地數量相對較少。在公園綠地生態系統服務水平較低的狀況下，公園綠地的增加會給周邊土地帶來增值效應。而鄞州區西部和海曙區東部住宅較為集中，公園數量分布較為密集。當公園綠地供應超過一定水平后，其增值效應將大幅降低并維持在一個相對穩定的水平上[45]，因此公園綠地對于其土地的增值效應就沒有那么的明顯。

圖14 GSC（綠地覆蓋度）系數的局部估計值Fig.14 Partial estimates of the GSC (green space coverage) coefficients

圖15 GSC（綠地覆蓋度）系數的顯著性Fig.15 Significance of the GSC (green space coverage) coefficients

由此可見，不同于SLM模型λ項系數僅能反映地價平均空間依賴強度，MGWR-SAR模型結果中的WY項系數可以反映地價空間依賴強度的動態變化（圖4、圖5）。MGWR 模型與MGWR-SAR 模型運算結果中（表2、表3），部分地價驅動因子空間作用趨勢存在明顯差異。這是由于兩個模型關注的空間特性維度不同造成的，相較于SLM 模型和MGWR 模型僅關注地價的單一空間特性維度，MGWR-SAR 模型兼顧測度地價兩類空間屬性。但從上述主要驅動因素的空間異質性分析來看，MGWR-SAR模型較MGWR模型在地價空間異質性格局的測度識別上更符合地價實際空間發展趨勢。相較于SLM 模型和MGWR 模型，MGWR-SAR模型在模型擬合性和解釋力上均有明顯的優勢。

4 結論

地價作為城市空間利用變化的重要驅動力，直接影響著城市形態和經濟結構的調整與發展。因此，識別城市地價的空間格局及其形成機制，對城市經濟及其空間管理具有重要的理論和實踐意義。但當前國內有關地價空間非平穩格局研究中，常用的空間模型無法測度地價空間依賴強度的動態變化，未兼顧處理地價空間依賴性和空間異質性具有非平穩特征，模型估計的偏差降低了對地價空間格局識別的準確度，影響城市土地資源空間配置優化。因此，空間測度技術的改良是當前地價空間研究中不可忽視的問題。

本文在明晰城市地價空間非平穩格局形成機制的基礎上，探索將空間計量經濟學前沿技術——GENIAUX等[14]提出的MGWR-SAR模型首次應用于國內地價研究，改進當前常用的地價估計方法及模型，重新考察我國地價的空間形態。以浙江省寧波市城六區商服用地地價數據為案例，實證檢驗MGWRSAR 模型相較于傳統空間計量模型的建模效果。研究表明：（1）絕對區位的固定性引導地理鄰近地區間地價存在空間依賴性，且土地市場活躍地區地價空間依賴性更強。而相對區位的不均衡致使地價呈現空間異質性。地價空間依賴性的非線性與空間異質性綜合作用形成非平穩的地價空間格局。（2）地價具有空間依賴性和空間異質性兩大特性非平穩并存的特征，這一特征要求測度模型同時將空間自相關參數項和空間異質性參數項嵌入空間變化系數，考慮空間參數異構情況。（3）實證結果表明，相較于常用的空間計量模型，MGWR-SAR 模型在地價空間非平穩格局測度及決定因素研究中的估計效果更佳。新測度技術的應用需要實踐的反復檢驗，后續研究中會繼續擴大模型的檢驗范圍，在測度對比多尺度多類型的地價空間研究結果的基礎上加以推廣應用，為其他地理要素空間測度研究提供技術參考。