杭州市住宅價格空間分異：基于特征價格的兩維度分析

溫海珍，張 凌，彭魯鳳

（浙江大學(xué)房地產(chǎn)研究中心，浙江 杭州 310027）

1 引言

隨著中國住房制度改革的深化，住宅市場化程度逐步加深，住宅價格已經(jīng)成為學(xué)術(shù)界和實務(wù)界關(guān)注的焦點之一。對城市住宅空間分異研究，通常以居住空間為對象，從社會學(xué)視角進(jìn)行［1-2］。而以住宅價格為對象，從經(jīng)濟(jì)學(xué)視角入手的空間分異研究尚不多見，特別是缺少對具體城市的實證研究?，F(xiàn)有文獻(xiàn)多從區(qū)位理論出發(fā)，研究住宅價格的分布規(guī)律，然后分析住宅價格的影響因素［3-5］。這些研究對住宅價格的空間分布模式進(jìn)行了較為詳細(xì)地分析，但對住宅價格的影響因素和空間分異形成的原因，缺少系統(tǒng)的分析框架。本文嘗試從特征價格的視角，采用特征價格模型和隔離指數(shù)，構(gòu)建住宅價格空間分異的兩維度分析框架，對杭州市住宅市場進(jìn)行實證研究。

2 住宅價格空間分異的兩維度分析框架

城市住宅是一種“獨特”的產(chǎn)品［6］，具有復(fù)雜性、固定性、耐久性、異質(zhì)性等特點。住宅價格的影響因素十分復(fù)雜，與住宅本身的特征關(guān)系密切。從特征價格視角出發(fā)，住宅特征是住宅價格的決定因素，由于住宅的空間固定性，使得住宅特征在空間分布上存在差異，從而導(dǎo)致住宅價格的空間分異。因此，本文面臨的問題包括兩個方面，一是住宅特征如何影響住宅價格；二是如何考察住宅特征的空間分布，進(jìn)而找出住宅價格空間分異的原因。

第一個問題構(gòu)建特征價格模型即可獲得滿意結(jié)果。眾多文獻(xiàn)表明住宅特征一般分為3類：建筑特征、鄰里特征和區(qū)位特征，Chin和Chau［7］，Sirmans，et al［8］分別就特征變量的選擇、模型的設(shè)定和估計、住宅特征的影響程度等作了全面的總結(jié)，具有很好的參考價值。國內(nèi)學(xué)者馬思新、李昂［9］采用特征價格模型對北京住宅價格的影響因素進(jìn)行了分析；溫海珍、賈生華［10］對杭州西湖區(qū)進(jìn)行了初步研究；此后wen，et al［11］對杭州市整個住宅市場進(jìn)行了更為詳細(xì)的研究，選擇18個住宅特征作為模型的自變量，發(fā)現(xiàn)其中14個特征變量對住宅價格具有顯著影響。

第二個問題可以采用隔離指數(shù)對住宅特征的空間分異程度進(jìn)行定量測算。在城市地理學(xué)和城市社會學(xué)中，常常采用隔離指數(shù)衡量某一變量在空間上的異質(zhì)性程度。自從Duncan在1955年提出該指數(shù)后，房地產(chǎn)領(lǐng)域經(jīng)常用其評價住宅市場隔離的空間均勻程度［12-13］。隔離指數(shù)的計算公式為：

式1中，xi為區(qū)域i內(nèi)某一類住宅占所有同類住宅的比例；yi為區(qū)域i內(nèi)所有其他類型住宅占全部空間范圍內(nèi)所有其他類型住宅的比例；N為空間區(qū)域的分類總數(shù)。當(dāng)住宅特征的空間分布完全均勻時，DI=0；當(dāng)住宅特征的空間分布處于極端分異時，DI=1；一般DI的數(shù)值在0和1之間變動，隔離指數(shù)越大，住宅特征的空間分布越不均勻。

3 特征價格模型設(shè)定

3.1 數(shù)據(jù)與研究區(qū)域

本文選擇杭州市主城區(qū)范圍內(nèi)的上城區(qū)、下城區(qū)、拱墅區(qū)、江干區(qū)、西湖區(qū)5個老城區(qū)作為實證研究區(qū)域。從杭州市房地產(chǎn)中介服務(wù)公司獲得從2003年1月1日至2003年7月31日的住宅樣本數(shù)量總計4063個，選擇多層住宅和小高層作為研究對象，并對樣本數(shù)據(jù)的完備性進(jìn)行檢查，有效樣本2473個。筆者在2003年6月30日至2003年8月18日期間，對研究區(qū)域進(jìn)行了實地調(diào)查。最后，通過篩選得到235個有效的住宅小區(qū)樣本。

3.2 住宅特征的選擇及量化

國外對住宅市場進(jìn)行特征價格研究時，住宅特征變量一般分為3大類，即建筑特征、鄰里特征和區(qū)位特征。結(jié)合杭州市的實際情況，本研究選擇了11個住宅特征作為模型的自變量，因變量則采用住宅均價（所在小區(qū)住宅單位價格的平均值）。特征變量的量化以及對住宅價格的預(yù)期影響符號見表1。

3.3 函數(shù)形式和估計方法

特征價格模型常用的函數(shù)主要有線性和對數(shù)兩種形式。在本研究中連續(xù)變量有住宅均價（因變量）、CBD距離和西湖距離（自變量），這3個變量可以采用線性或?qū)?shù)形式，其余變量均為等級變量，一般采用線性形式。因此，可能的函數(shù)形式有4種。通過模型的試構(gòu)建，比較模型的擬合效果和顯著性變量的個數(shù)，最后選擇的函數(shù)形式是因變量為對數(shù)形式、自變量CBD距離和西湖距離為對數(shù)形式，其余變量為線性形式。

模型的估計方法為最常用的最小二乘法（OLS）。在SPSS軟件中選擇強(qiáng)行進(jìn)入法（Enter）作為回歸分析方法，即所選擇的自變量全部進(jìn)入回歸模型。同時，采用方差膨脹因子（VIF）對變量之間的共線性進(jìn)行監(jiān)測。

表1 住宅特征變量的量化Tab.1 Quantification of housing characteristic variables

4 結(jié)果與討論

4.1 住宅價格空間分異特征

圖1 杭州市住宅價格等值線Fig.1 Isoplethes of housing prices in Hangzhou City

通過GIS軟件，繪制杭州市住宅價格空間分布的等值線（圖1），發(fā)現(xiàn)2003年杭州市住宅價格空間分布總體上具有以下幾個特點：（1）住宅價格的空間分布，總體呈現(xiàn)以西湖為核心、向周邊梯度下降的格局。值得注意的是，價格下降幅度并非連續(xù)遞減趨勢，從西湖出發(fā)向東、向北、向西北三個方向分別繪制住宅價格剖面圖發(fā)現(xiàn)：距離西湖1.0—1.5km之間出現(xiàn)帶狀的相對的價格小低谷，在1.5—2.5km處又突現(xiàn)一系列價格高峰，之后向城市外圍快速下降。（2）城市CBD成為杭州市住宅價格的次核心，傳統(tǒng)老城區(qū)構(gòu)筑了住宅價格的中高平臺。武林廣場作為中央商務(wù)區(qū)（CBD），其周邊區(qū)域的住宅價格都比較高，使得整個杭州的高價住宅區(qū)域由西湖向北延伸了2km。傳統(tǒng)老城區(qū)由于受到西面西湖和北面武林廣場的輻射作用，具有較大的區(qū)位優(yōu)勢，價格呈現(xiàn)連續(xù)的中高價塊狀分布。（3）住宅價格分布呈現(xiàn)多個次中心，總體上環(huán)繞西湖分布。從圖1中可以看出，除了西湖和武林廣場兩大價格核心以外，多個價格次中心已經(jīng)出現(xiàn)。如城西蔣村，該區(qū)域是杭州市商品住宅開發(fā)的密集區(qū)域，在早期政策的指引下，已發(fā)展得較為成熟。其住宅價格形成了一個較為獨立的中高價區(qū)域，并有向北延伸的趨勢。（4）穿城鐵路的阻隔效應(yīng)和運河的環(huán)境效應(yīng)顯著。鐵路從杭州東面穿城而過，鐵路東面的住宅價格明顯低于鐵路西面。城東采荷和南肖埠區(qū)域的住宅價格延續(xù)了老城區(qū)的高價，是江干區(qū)惟一的中高價區(qū)域。而望江區(qū)域（杭州火車站東南面）價格較低，從區(qū)位上來說這里離西湖和錢塘江都較近，價格理應(yīng)較高，但是由于鐵路線的阻隔以及沒有有效的道路通行，價格受到較大影響。運河沿線住宅價格較高，在環(huán)境偏差的拱墅區(qū)尤為明顯，主要是由于運河的自然環(huán)境效應(yīng)使得住宅的價格上升。

4.2 特征價格價格模型的檢驗

采用SPSS軟件對特征價格模型進(jìn)行估計，發(fā)現(xiàn)回歸方程的F值顯著性水平小于0.001，修正的R2為0.666，說明模型的擬合程度可行。模型D—W值為1.751，可以判斷基本不存在異方差問題。所有變量的VIF值均小于10，說明自變量之間共線性程度不嚴(yán)重?？傮w上，模型具有較高的解釋能力，在統(tǒng)計上是有意義的。

就單個自變量的t檢驗來看，在10％的顯著性水平下，11個自變量中有7個進(jìn)入了模型。自然環(huán)境、公交線路、鄰近大學(xué)、教育配套等4個變量的顯著性水平均大于10％，因此從統(tǒng)計意義來看，其回歸系數(shù)與零沒有差異。7個顯著性變量的符號與預(yù)期符號完全一樣。其中小區(qū)環(huán)境、生活配套、文體設(shè)施、治安環(huán)境對住宅價格有正影響，建筑房齡、CBD距離和西湖距離則對住宅價格有負(fù)影響。

4.3 住宅特征的影響程度分析

表2 模型估計和影響因素Tab.2 Model estimation and influencing factors

住宅特征變量由于單位不同，各特征對小區(qū)價格的影響程度無法進(jìn)行直接比較。但是，標(biāo)準(zhǔn)化后的回歸系數(shù)是所有變量進(jìn)行標(biāo)準(zhǔn)化（Z分?jǐn)?shù)）后得到的，可以使用它的絕對值來進(jìn)行各特征影響程度的排序。本文將住宅特征分為4類，分類的標(biāo)準(zhǔn)為：|Beta|≥0.200為第1類；|Beta|≥0.100為第2類；|Beta|≥0.050為第3類；|Beta|＜0.050為第4類。排序和分類的具體數(shù)值見表2。

結(jié)果表明，11個住宅特征對住宅價格的影響程度是有差異的，影響程度最大的住宅特征是西湖距離，最小的是鄰近大學(xué)。第1類對住宅價格的影響最大，共有2個特征，為西湖距離、建筑房齡；第2類有3個特征，為小區(qū)環(huán)境、CBD距離、治安環(huán)境；第3類有2個特征，為生活配套、文體設(shè)施；第4類有4個特征，主要是不顯著的變量，為教育配套、自然環(huán)境、公交線路、鄰近大學(xué)。

表3 變量編碼規(guī)則Tab.3 Coding rules of variables

表4 離散指數(shù)結(jié)果Tab.4 Results of dispersion index

4.4 住宅特征的空間異質(zhì)性分析

為了計算隔離指數(shù)DI并使其與其他特征具有可比性，對建筑房齡、CBD距離和西湖距離進(jìn)行重新編碼，具體規(guī)則如表3。

以行政區(qū)域、西湖距離、CBD距離作為空間劃分的變量，計算得到7個顯著特征變量的隔離指數(shù)，如表4所示。三種分類的結(jié)果均表明，兩個區(qū)位變量（西湖距離、CBD距離）的隔離指數(shù)數(shù)值最大，空間分布最具有異質(zhì)性。住宅年齡、小區(qū)環(huán)境的隔離指數(shù)數(shù)值最小，說明這兩類住宅特征在空間分布上較為均勻。

5 結(jié)論

本文采用Kriging空間內(nèi)插方法繪制了杭州市住宅價格的等值線，圖形表明2003年杭州市住宅價格空間分布總體上呈現(xiàn)以城市景觀中心（西湖）為核心、向周邊梯度遞減的格局，城市CBD成為杭州市住宅價格的次核心，住宅價格分布出現(xiàn)多個次中心，并且穿城鐵路的阻隔效應(yīng)和運河的環(huán)境效應(yīng)顯著。

通過構(gòu)建特征價格模型和計算住宅特征的隔離指數(shù)，研究表明住宅特征是住宅價格的決定因素，其空間分布進(jìn)一步影響住宅價格的空間分異。從住宅特征對住宅價格的影響程度來看，特征變量對住宅價格的影響程度是有差異的，從大到小依次為西湖距離、建筑房齡、小區(qū)環(huán)境、CBD距離、治安環(huán)境、生活配套、運動設(shè)施。從住宅特征的空間分異程度來看，空間異質(zhì)性大的為西湖距離、CBD距離，中等的為小區(qū)環(huán)境、建筑房齡，小的為治安環(huán)境、生活配套、運動設(shè)施。

實證研究表明基于特征價格視角的兩維度分析框架有效和合理，可以為其他學(xué)者進(jìn)行類似研究提供參考。本文計算隔離指數(shù)時采用了常用公式，更為復(fù)雜的計算方法也許能得到更細(xì)致的結(jié)果，有待進(jìn)一步深入研究。

（References）：

［1］吳啟焰，崔功豪.南京市居住空間分異特征及其形成機(jī)制［J］.城市規(guī)劃，1999，23（12）：23-26，35.

［2］劉冰，張晉慶.城市居住空間分異的規(guī)劃對策研究［J］.城市規(guī)劃，2002，26（12）：82-86.

［3］許曉暉.上海市商品住宅價格空間分布特征分析［J］.經(jīng)濟(jì)地理，1997，17（1）：80-87.

［4］王欣.天津市中心城區(qū)商品住宅價格地區(qū)分異的研究［J］.天津師范大學(xué)學(xué)報：自然科學(xué)版，2002，22（2）：70-74.

［5］鄭芷青.廣州市商品住宅價格分布特征研究［J］.熱帶地理，2001，21（1）：22-26.

［6］Harsman B，Quigley JM.The Spatial Segregation of Ethnic and Demographic Groups：Comparative Evidence from Stockholm and San Francisco［J］.Journal of Urban Economics，1995，37：1-16.

［7］Chin TL，Chau KW.A Critical Review of Literature on the Hedonic Price Model［J］.International Journal for Housing Science and Its Applications，2003，27（2）：145-165.

［8］SirmansGS，Macpherson D A，Zietz E N.The Composition of Hedonic Pricing Models［J］.Journal of Real Estate Literature，2005，13（1）：3-43.

［9］馬思新，李昂.基于Hedonic模型的北京住宅價格影響因素分析［J］.土木工程學(xué)報，2003，36（9）：59-64.

［10］溫海珍，賈生華.住宅的特征與特征的價格——基于特征價格模型的分析［J］.浙大學(xué)報（工學(xué)版），2004，38（10）：1338-1342，1349.

［11］Wen H Z，Jia SH，Guo X Y.Hedonic Price Analysis of Urban Housing：An Empirical Research on Hangzhou，China［J］.Journal of Zhejiang University（Science），2005，6A（8）：907-914.

［12］Duncan O，Duncan B.A Methodological Analysis of Segregation Indices［J］.American Sociological Review，1955，20：210-217.

［13］Iceland J，Weinberg D H，Steinmetz E.Racial and Ethnic Residential Segregation in the United States：1980-2000［EB/OL］.http://www.census.gov/prod/2002pubs/censr-3.pdf.