礦業(yè)城市商品住宅價格影響因素研究

趙華平，張所地

（山西財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，山西 太原 030031）

礦業(yè)城市商品住宅價格影響因素研究

趙華平，張所地

（山西財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，山西 太原 030031）

研究目的：分析礦業(yè)資源特征對礦業(yè)城市住宅價格的影響，研究礦業(yè)城市商品住宅價格影響因素體系，提出礦業(yè)城市建設(shè)的政策建議。研究方法：基于空間計(jì)量的商品住宅價格空間滯后面板數(shù)據(jù)模型。研究結(jié)果：（1）居民收入、高校數(shù)、用水普及率對礦業(yè)與非礦業(yè)城市的住宅價格都有顯著的正影響，但礦業(yè)從業(yè)率、交通區(qū)位、醫(yī)療衛(wèi)生設(shè)施對礦業(yè)與非礦業(yè)城市的住宅價格影響方向不同；（2）政治區(qū)位、自然區(qū)位、環(huán)境質(zhì)量和治理、公交建設(shè)、學(xué)校師生比、互聯(lián)網(wǎng)普及率對礦業(yè)城市的住宅價格影響顯著，對非礦業(yè)城市的住宅價格影響不顯著；（3）人口數(shù)量、文化區(qū)位、公共圖書建設(shè)對非礦業(yè)城市的住宅價格影響顯著，對礦業(yè)城市的住宅價格影響不顯著。研究結(jié)論：礦業(yè)城市的建設(shè)和發(fā)展需要進(jìn)一步改善城市環(huán)境、降低礦業(yè)從業(yè)風(fēng)險、加強(qiáng)公交和網(wǎng)絡(luò)建設(shè)、完善教育設(shè)施方面的建設(shè)。

土地經(jīng)濟(jì)；影響因素；礦業(yè)城市；非礦業(yè)城市；空間滯后面板數(shù)據(jù)模型

1 礦業(yè)城市商品住宅價格的影響因素體系

礦業(yè)城市是在開發(fā)利用能源、礦產(chǎn)資源基礎(chǔ)上興起的，以消費(fèi)一定數(shù)量的自然資源而賴以生存發(fā)展起來的一種特殊城市類型[1]，該類城市的房價不僅受經(jīng)濟(jì)、社會、環(huán)境等因素的影響，而且更受礦業(yè)資源特征的影響[2]。

當(dāng)?shù)V業(yè)資源價格發(fā)生變動時，礦業(yè)依存度[3]高的城市經(jīng)濟(jì)發(fā)展更容易產(chǎn)生波動，從而引致住宅價格的較大波動；而礦業(yè)依存度低的城市，經(jīng)濟(jì)發(fā)展對礦業(yè)資源價格敏感度較低，住宅價格波動較小。因此，礦業(yè)依存度與礦業(yè)資源價格變動的交互作用共同影響礦業(yè)城市的住宅價格。礦業(yè)是勞動密集型產(chǎn)業(yè)，從業(yè)人員的地域性明顯，過去對勞動力的文化水平要求不高，使得礦業(yè)從業(yè)率[3]高的城市對于農(nóng)村勞動力具有更大的吸引力，從而引致對住宅租賃市場有更多的需求，但對住宅銷售市場的影響不明顯。同時，不斷涌入的流動人口對城市的治安、環(huán)境、公交等形成一定的負(fù)影響，使得部分有住房購買意愿的置業(yè)人數(shù)下降，形成對城市住宅價格的負(fù)作用。

此外，礦業(yè)城市的資源開采階段不同，經(jīng)濟(jì)發(fā)展和社會就業(yè)的關(guān)系也不同[4]：幼年期礦業(yè)城市的產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)結(jié)構(gòu)單一，經(jīng)濟(jì)發(fā)展過分依賴于采礦業(yè)及礦產(chǎn)品加工業(yè)，但資源開采會帶動經(jīng)濟(jì)的快速發(fā)展，拉動就業(yè)能力較強(qiáng)，經(jīng)濟(jì)脆弱性和社會就業(yè)脆弱性較低，當(dāng)?shù)鼐用窳鞒龅囊庠溉?，對住宅需求多，因此對住宅價格有正向作用；而老年期礦業(yè)城市隨著經(jīng)濟(jì)轉(zhuǎn)型戰(zhàn)略的逐步實(shí)施，產(chǎn)業(yè)結(jié)構(gòu)的高級化和多元化逐步推進(jìn)，但經(jīng)濟(jì)實(shí)力減弱、科技創(chuàng)新能力不強(qiáng)等原因，又使得經(jīng)濟(jì)發(fā)展的就業(yè)拉動能力下降，經(jīng)濟(jì)脆弱性和社會就業(yè)脆弱性較高，當(dāng)?shù)鼐用窳鞒龅囊庠冈綇?qiáng)，對住宅需求不斷減少，對住宅價格有負(fù)作用。因此，資源開采階段也通過城市與礦業(yè)依存度、礦業(yè)從業(yè)率的交互作用對城市的經(jīng)濟(jì)和社會就業(yè)產(chǎn)生作用，形成對住宅價格的影響。

借鑒相關(guān)研究成果[5-19]，結(jié)合上述分析，從經(jīng)濟(jì)、人口、公共服務(wù)、環(huán)境、資源、區(qū)位6個方面構(gòu)建了礦業(yè)城市商品住宅價格影響因素體系（表1）。

2 礦業(yè)城市與非礦業(yè)城市商品住宅價格影響因素的實(shí)證比較分析

2.1 樣本數(shù)據(jù)和變量說明

由于受礦業(yè)產(chǎn)值和礦業(yè)從業(yè)人員數(shù)統(tǒng)計(jì)數(shù)據(jù)的限制，本文選擇黑龍江、安徽、河南、四川4個省59個地級市①2011年8月，根據(jù)《國務(wù)院關(guān)于同意安徽省撤銷地級巢湖市及部分行政區(qū)劃調(diào)整的批復(fù)》，巢湖市被分拆為三部分，同時，巢湖地級市被調(diào)整為巢湖縣級市，所以在此不作為樣本城市。2003—2011年的數(shù)據(jù)作為樣本。按照中國礦業(yè)聯(lián)合會確定的礦業(yè)城市名單，59個城市中包含有21個礦業(yè)城市，其中，黑龍江有5個，分別為鶴崗、七臺河、雙鴨山、雞西、大慶；安徽有6個，分別為銅陵、馬鞍山、淮南、淮北、滁州、宿州；河南有7個，分別為鄭州、平頂山、焦作、鶴壁、濮陽、三門峽、南陽；四川有3個，分別為德陽、自貢、攀枝花。除了這21個礦業(yè)城市之外的38個地級市均被界定為非礦業(yè)城市。

鑒于要進(jìn)行礦業(yè)與非礦業(yè)城市的比較分析，而礦產(chǎn)資源價格與礦業(yè)發(fā)展階段只有針對礦業(yè)城市的數(shù)據(jù)，樣本城市的空氣質(zhì)量優(yōu)良率數(shù)據(jù)不全、工業(yè)廢水排放達(dá)標(biāo)量（率）在2011年沒有統(tǒng)計(jì)數(shù)據(jù)。因此，將表1中除了礦產(chǎn)資源出廠價格指數(shù)、礦業(yè)發(fā)展階段、空氣質(zhì)量優(yōu)良率、工業(yè)廢水排放達(dá)標(biāo)率之外的25個三級指標(biāo)作為解釋變量，將城市的商品住宅銷售價格（HP）作為被解釋變量。

實(shí)證研究數(shù)據(jù)中，城市商品住宅銷售價格數(shù)據(jù)來源于各省統(tǒng)計(jì)年鑒；城鎮(zhèn)居民人均可支配收入數(shù)據(jù)來源于各省統(tǒng)計(jì)年鑒和一些地市的國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報；城市礦業(yè)產(chǎn)值、礦業(yè)從業(yè)人員數(shù)的數(shù)據(jù)來源于《中國礦業(yè)年鑒》；用水普及率、燃?xì)馄占奥省⑷司簿G地面積的數(shù)據(jù)來源于《中國城市建設(shè)統(tǒng)計(jì)年鑒》；自然區(qū)位、交通區(qū)位、政治區(qū)位和文化區(qū)位優(yōu)勢度的數(shù)據(jù)來源于《中國城市競爭力年鑒》；其余指標(biāo)的數(shù)據(jù)均來源于《中國城市統(tǒng)計(jì)年鑒》。

表1 礦業(yè)城市商品住宅價格影響因素體系Tab.1 Factor system of commercial housing price in mining cities

關(guān)于變量統(tǒng)計(jì)數(shù)據(jù)的范圍，因礦產(chǎn)資源分布很多集中在城市的市轄縣，所以，對于上述指標(biāo)的統(tǒng)計(jì)盡可能采用全市范圍的數(shù)據(jù)，但是，每萬人擁有公共汽車數(shù)、人均城市道路面積、人均公共綠地面積3個指標(biāo)只有針對市轄區(qū)范圍統(tǒng)計(jì)的數(shù)據(jù)，因此，對以上3個指標(biāo)采用市轄區(qū)的數(shù)據(jù)。

2.2 模型構(gòu)建

Rosen[20]把回歸分析方法引入城市經(jīng)濟(jì)的研究中，建立了異質(zhì)的不動產(chǎn)價值與其影響因素之間的關(guān)系式——特征價格函數(shù)。張所地[21]以Hedonic理論為基礎(chǔ)構(gòu)建了城市土地定級估價綜合模型，將土地因素作用分值數(shù)據(jù)和用地效益數(shù)據(jù)結(jié)合在一個統(tǒng)一的模型中，不僅能綜合平衡、有效利用這兩類數(shù)據(jù)進(jìn)行土地定級、基準(zhǔn)地價評估及宗地地價評估，而且能使用這兩類數(shù)據(jù)對評估過程和結(jié)果進(jìn)行相互檢驗(yàn)，還能夠測算土地的特征價格。但是，該模型沒有考慮地價的空間相關(guān)性?；诖?，本文構(gòu)建商品住宅價格的空間數(shù)據(jù)模型。

以59個地級城市的統(tǒng)計(jì)數(shù)據(jù)為樣本，城市之間距離倒數(shù)的平方作為空間權(quán)重，在國家基礎(chǔ)地理信息中心網(wǎng)站提供的1∶400萬電子地圖基礎(chǔ)上計(jì)算出空間權(quán)重矩陣W，利用樣本城市的商品住宅銷售價格計(jì)算Moran I指數(shù)[5]，計(jì)算結(jié)果見表2。從表2可以看出，2003—2011年商品住宅價格的Moran I指數(shù)都為正，且在統(tǒng)計(jì)上都通過了1%的顯著性檢驗(yàn)，說明城市間的商品住宅價格呈現(xiàn)出空間依賴性。因此，應(yīng)考慮商品住宅價格的空間相關(guān)性，構(gòu)建空間面板數(shù)據(jù)模型。

表2 樣本城市商品住宅價格的Moran I指數(shù)檢驗(yàn)Tab.2 Test on Moran I of commercial housing price in sample cities

Anselin[22]從空間滯后變量的類型和空間相關(guān)性的作用范圍兩個維度，將空間計(jì)量經(jīng)濟(jì)模型分為空間滯后模型和空間誤差模型兩類。其中，空間滯后模型反映一個城市影響房價的所有解釋變量都會通過空間傳導(dǎo)機(jī)制作用于其他城市的房價，而空間誤差模型則反映區(qū)域外溢是隨機(jī)沖擊的作用結(jié)果。因此，模型構(gòu)建有兩種方式：其一是空間滯后面板數(shù)據(jù)模型，其二是空間誤差面板數(shù)據(jù)模型。對于這兩類模型均可采用極大似然估計(jì)法進(jìn)行參數(shù)估計(jì)[23]。

對于上述兩類模型的選擇，采用拉格朗日乘數(shù)方法[23]進(jìn)行檢驗(yàn)，空間滯后模型和空間誤差模型的拉格朗日乘數(shù)分別用LML和LME表示，由于LML= 174.5243＞LME= 42.0720，所以，選擇空間滯后面板數(shù)據(jù)模型。進(jìn)一步，利用空間Hasuman檢驗(yàn)確定模型的具體形式。計(jì)算得出的空間Hausman檢驗(yàn)統(tǒng)計(jì)量的值為-53.8055，對應(yīng)的的p值為0.001，所以，選擇固定效應(yīng)空間滯后模型。利用matlab軟件對無固定效應(yīng)、空間固定效應(yīng)、時間固定效應(yīng)、空間時間雙固定效應(yīng)4種情況分別進(jìn)行回歸，通過調(diào)整后的R2、Sigma2、LogL等統(tǒng)計(jì)量發(fā)現(xiàn)，無固定效應(yīng)的估計(jì)結(jié)果優(yōu)于其他三種形式的估計(jì)結(jié)果，利用表1中三級指標(biāo)的符號表示變量名，則可以構(gòu)建商品住宅價格無固定效應(yīng)空間滯后面板數(shù)據(jù)模型如式1。

式1中，i為第i個城市；t為第t年； β1，β2，…，β25為影響因素對商品住宅價格的響應(yīng)系數(shù)；ρ為空間自回歸系數(shù)；W為59×59階的非負(fù)空間權(quán)重矩陣，其對角線元素為0；WHPit為商品住宅價格的空間滯后項(xiàng)；εit為隨機(jī)誤差項(xiàng)向量。

2.3 樣本回歸結(jié)果及比較分析

（1）采用焦慮自評表（SAS）對兩組進(jìn)行評分[4]。評分表包含20個條目，4級評分，中國常模的結(jié)果為：SAS標(biāo)準(zhǔn)分的分界值是50分，50～59分為輕度焦慮，60～69分為中度焦慮，70分以上為重度焦慮，評定時間分別為3個月和6個月。

利用式1對中國黑龍江、安徽、河南、四川4個省21個礦業(yè)城市構(gòu)成的子樣本一和38個非礦業(yè)城市構(gòu)成的子樣本二分別進(jìn)行回歸，回歸結(jié)果見表3，由此可以得出如下結(jié)果：

（1）對礦業(yè)城市住宅價格影響顯著而對非礦業(yè)城市不顯著的因素有氣候環(huán)境舒適度、工業(yè)固體廢物利用率、公交條件、中小學(xué)師生比、高校師生比、互聯(lián)網(wǎng)普及率、政治區(qū)位、自然區(qū)位。

氣候環(huán)境舒適度、工業(yè)固體廢物利用率對礦業(yè)城市住宅價格有顯著的正影響，是由于礦業(yè)城市在工業(yè)生產(chǎn)中造成了大量的環(huán)境污染，一定程度上影響了居民的生活質(zhì)量，使得居民在選擇城市居住時較關(guān)注于城市自身的環(huán)境質(zhì)量以及環(huán)境治理能力。而對于非礦業(yè)城市而言，由于工業(yè)污染相對較輕，沒有引起居民在不同地級城市之間選擇時的重點(diǎn)關(guān)注。

公交條件在全樣本回歸中表現(xiàn)出對住宅價格顯著的正影響，說明居民在城市間進(jìn)行居住選擇時交通條件影響著他們的購房決策和住房支付意愿，這與文獻(xiàn)［24］和［25］的研究結(jié)論相一致。而在子樣本回歸中卻得出對礦業(yè)城市住宅價格影響顯著、對非礦業(yè)城市影響不顯著的結(jié)果，這主要是由于礦業(yè)城市集中了更多低收入的流動人口，這些人群主要依賴于公共交通作為通勤方式①2013年9月，濟(jì)南市規(guī)劃設(shè)計(jì)研究院對濟(jì)南市居民進(jìn)行了綜合交通調(diào)查，調(diào)查報告顯示，流動人口選擇公共交通作為出行方式的比例達(dá)40%，這與他們的經(jīng)濟(jì)收入水平、年齡階段等因素有關(guān)。。城市的公共交通越便利，對流動人口的吸引力越大，對住房租賃市場的需求也越大，促使房屋租賃價格不斷提升。在租賃成本增加到一定程度時，少量的流動人口會轉(zhuǎn)向購買住宅，使得住宅銷售價格有所上漲。而非礦業(yè)城市的產(chǎn)業(yè)結(jié)構(gòu)多元化，就業(yè)選擇多樣化，就業(yè)區(qū)域分散化，居民購房需求主要取決于城市的經(jīng)濟(jì)水平、收入水平和就業(yè)生活便利程度，公共交通對決策的影響度相對較弱。

表3 子樣本回歸結(jié)果Tab.3 Regression results of sub samples

中小學(xué)師生比和高校師生比對礦業(yè)城市住宅價格影響顯著是由于礦業(yè)城市環(huán)境較差，能夠吸引優(yōu)秀教師和科研工作者的難度較大?；ヂ?lián)網(wǎng)普及率對礦業(yè)城市住宅價格影響顯著是由于流動人口只能選擇通訊方式實(shí)現(xiàn)與外地家人的經(jīng)常性聯(lián)系，而互聯(lián)網(wǎng)是一種既方便實(shí)惠，又可以通過音頻視頻實(shí)現(xiàn)無障礙溝通的最佳通訊方式，備受流動人口的關(guān)注。

政治區(qū)位對礦業(yè)城市住宅價格有正影響是由于行政級別決定了城市的產(chǎn)業(yè)結(jié)構(gòu)。城市的行政級別越高，產(chǎn)業(yè)多元化表現(xiàn)的愈明顯，一旦礦產(chǎn)資源價格發(fā)生急劇下降，嚴(yán)重影響城市礦業(yè)產(chǎn)值時，行政級別高的礦業(yè)城市的居民就會有更多的機(jī)會轉(zhuǎn)向其他行業(yè)工作，維持生活，而行政級別低的礦業(yè)城市的居民可能面臨失業(yè)或離開城市生活的選擇，生活穩(wěn)定性受到影響。因此，人們更愿意為生活在行政級別高的礦業(yè)城市支付更高的房價。自然區(qū)位對礦業(yè)城市住宅價格有負(fù)影響是由于礦業(yè)城市的發(fā)展主要依賴于礦產(chǎn)資源的蘊(yùn)藏量，而河湖附近蘊(yùn)藏的礦產(chǎn)資源相對較少。

（2）對礦業(yè)城市住宅價格影響不顯著但對非礦業(yè)城市顯著的因素有城市人口數(shù)、公共圖書數(shù)、文化區(qū)位。

每百人公共圖書數(shù)對非礦業(yè)城市住宅價格的負(fù)影響是由于人均公共圖書數(shù)量越多，說明城市公共文化設(shè)施建設(shè)越完善，越需要高水平的從事圖書情報工作的人員來提供相應(yīng)的服務(wù)，而地級城市對于這些高技能人才沒有足夠的吸引力，導(dǎo)致城市藏書量大，利用率低，反而影響了城市的文化形象，對住宅價格呈現(xiàn)負(fù)影響。而對于礦業(yè)城市而言，居住著很多的“亦工亦農(nóng)”的半城市化人口，他們自身接受的文化教育較少②文獻(xiàn)[26]中指出，流動人口的學(xué)歷構(gòu)成為：小學(xué)及以下、初中、高中、大專及以上的比例分別為10.4%、39.1%、28.0% 和22.6%。，自然在做出居住選擇時也較少關(guān)注于城市的公共文化建設(shè)。

文化區(qū)位體現(xiàn)了城市的歷史文化底蘊(yùn)。文化區(qū)位對非礦業(yè)城市商品住宅價格有正影響是由于悠久的歷史有助于文化產(chǎn)業(yè)的發(fā)展，帶動城市經(jīng)濟(jì)的發(fā)展和生活水平的提升，進(jìn)而提高居民對非礦業(yè)城市住宅的支付意愿，而礦業(yè)城市的居民則更關(guān)注經(jīng)濟(jì)水平，對城市歷史文化關(guān)注較少。

（3）礦業(yè)從業(yè)率、每萬人醫(yī)生數(shù)、交通區(qū)位對礦業(yè)與非礦業(yè)城市的住宅價格有不同方向的影響。

礦業(yè)依存度對礦業(yè)與非礦業(yè)城市住宅價格影響不顯著的原因在于礦業(yè)依存度依賴于與礦產(chǎn)資源價格的交互作用對住宅價格產(chǎn)生影響，而非礦業(yè)城市的礦產(chǎn)資源價格無法獲取，本文沒有引入交互項(xiàng)，使得礦業(yè)依存度的影響不顯著。礦業(yè)從業(yè)率對礦業(yè)與非礦業(yè)城市住宅價格有不同方向的影響在于：對礦業(yè)城市而言，城市經(jīng)濟(jì)受資源價格變動影響明顯，經(jīng)濟(jì)脆弱性較高，一旦礦業(yè)經(jīng)濟(jì)出現(xiàn)風(fēng)險，礦業(yè)工人再次就業(yè)的機(jī)會較少。而且，在礦業(yè)產(chǎn)值一定的條件下，礦業(yè)從業(yè)人員比例高的礦業(yè)城市，說明礦業(yè)生產(chǎn)科技水平較低，生產(chǎn)效率低下，礦業(yè)從業(yè)人員的工作安全性得不到足夠的保障。因此，礦業(yè)從業(yè)率越高反映了礦業(yè)城市的就業(yè)風(fēng)險和安全風(fēng)險越大，會有越多的人口選擇租賃住房來解決生活居住需求，刺激住宅租賃市場，而放棄商品住宅購買需求，導(dǎo)致對礦業(yè)城市住宅銷售價格有負(fù)影響。而對非礦業(yè)城市而言，產(chǎn)業(yè)結(jié)構(gòu)的多元化使得城市的經(jīng)濟(jì)脆弱程度較低，由礦業(yè)生產(chǎn)吸引的外來人口面臨的就業(yè)風(fēng)險較小，因此，更多的勞動力會選擇在交易市場上購買住房來解決生活居住需求，使得礦業(yè)從業(yè)率對非礦業(yè)城市的住宅銷售價格有正影響。

每萬人醫(yī)生數(shù)對礦業(yè)城市住宅價格有負(fù)影響是由于礦業(yè)生產(chǎn)不可避免的會發(fā)生一些礦山事故，勞動密集型的產(chǎn)業(yè)特點(diǎn)決定了一旦事故發(fā)生，會有眾多的員工遭受傷亡，需要有更多的礦山事故災(zāi)難應(yīng)急救援醫(yī)療人員解決救護(hù)工作，使得礦業(yè)城市的醫(yī)療水平在事故應(yīng)急救援方面相對有優(yōu)勢，但在其他疾病醫(yī)治方面相對薄弱。礦業(yè)城市的每萬人醫(yī)生數(shù)越多，一定程度上成為礦業(yè)城市事故頻發(fā)、醫(yī)療救治需求量大的象征，影響人們對城市住宅的需求。每萬人醫(yī)院床位數(shù)對非礦業(yè)城市住宅價格有正影響是由于醫(yī)院床位數(shù)體現(xiàn)了城市公共醫(yī)療設(shè)施的建設(shè)投入，關(guān)系著人們就醫(yī)的便利程度，影響著居民住房購買的意愿。

交通區(qū)位體現(xiàn)了城市對外交通的便利程度。礦產(chǎn)資源蘊(yùn)藏量高的城市往往集中在山區(qū)，因此經(jīng)濟(jì)發(fā)達(dá)的礦業(yè)城市交通區(qū)位較差[27]。對于非礦業(yè)城市而言，便利的對外交通有助于經(jīng)濟(jì)的活躍，帶動城市經(jīng)濟(jì)的發(fā)展和生活水平的提升，增加居民的住宅支付意愿。

（4）人均可支配收入、普通高校數(shù)、用水普及率對于礦業(yè)與非礦業(yè)城市的住宅價格都有顯著的正影響，說明城市經(jīng)濟(jì)是人口集聚的主要動力，用水普及率是衡量城市生活設(shè)施完善度的重要指標(biāo)，普通高校是反映城市創(chuàng)新能力的關(guān)鍵因素，有助于提高居民的住宅支付意愿。

3 結(jié)論與建議

本文在國內(nèi)外學(xué)者關(guān)于住宅價格影響因素分析的基礎(chǔ)上，開展了針對礦業(yè)城市商品住宅價格影響因素的分析研究，在研究中增加了自然、政治、交通、文化4個區(qū)位指標(biāo)和礦業(yè)依存度、礦業(yè)從業(yè)率、資源開采階段、礦產(chǎn)資源價格4個資源指標(biāo)，提出了礦業(yè)城市商品住宅價格影響因素體系。通過對2003—2011年中國黑龍江、安徽、河南、四川4個省21個礦業(yè)地級市與38個非礦業(yè)地級市的實(shí)證研究和比較分析表明，礦業(yè)城市的產(chǎn)業(yè)結(jié)構(gòu)和勞動力結(jié)構(gòu)決定了礦業(yè)城市住宅價格受礦業(yè)從業(yè)率、政治區(qū)位、自然區(qū)位、交通區(qū)位、環(huán)境質(zhì)量和治理狀況、公共交通、醫(yī)療衛(wèi)生設(shè)施、網(wǎng)絡(luò)設(shè)施、學(xué)校師生比的影響。礦業(yè)城市的建設(shè)發(fā)展需要從以下3方面入手：

（1）提高環(huán)境治理能力，改善城市環(huán)境質(zhì)量。環(huán)境因素對礦業(yè)城市商品住宅價格的顯著正影響反映了環(huán)境質(zhì)量對居民住房支付意愿的影響。環(huán)境的改善有助于提高生活質(zhì)量、吸引人才，人才的聚集有助于城市經(jīng)濟(jì)的成功轉(zhuǎn)型和發(fā)展，經(jīng)濟(jì)的發(fā)展可以提高治理環(huán)境的能力，這種良性循環(huán)體現(xiàn)了環(huán)境對于礦業(yè)城市發(fā)展的重要性。

（2）加強(qiáng)礦業(yè)安全生產(chǎn)，降低從業(yè)風(fēng)險指數(shù)。每萬人醫(yī)生數(shù)對礦業(yè)城市商品住宅價格的負(fù)影響反映了礦業(yè)生產(chǎn)事故給礦業(yè)工人形成的壓力和畏懼。因此，在礦業(yè)城市的經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型過程中，不僅要逐步降低對礦業(yè)的依存度，而且要提高礦業(yè)生產(chǎn)的安全性，降低礦業(yè)人員的從業(yè)風(fēng)險。

（3）重視教育網(wǎng)絡(luò)發(fā)展，增強(qiáng)公共交通建設(shè)。每萬人擁有公共汽車數(shù)、中小學(xué)和高校師生比、互聯(lián)網(wǎng)普及率對商品住宅價格的正影響反映了公交建設(shè)、教育發(fā)展和網(wǎng)絡(luò)建設(shè)對礦業(yè)城市人口生活的重要性，尤其對于“亦工亦農(nóng)”的半城市化人口更為關(guān)鍵。因此，要提高礦業(yè)城市人口的社會公平，必須重視教育和網(wǎng)絡(luò)發(fā)展，增強(qiáng)公共交通建設(shè)，切實(shí)改善半城市化人口的生活條件和生活質(zhì)量。

（References）：

［1］許光洪.我國礦業(yè)城市的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整及其發(fā)展途徑［J］.中國人口·資源與環(huán)境，1998，8(1)：26 - 30.

［2］丁祖昱.中國城市房地產(chǎn)市場風(fēng)險排行榜徑［R］.中國房產(chǎn)信息集團(tuán)研究報告，2012：10.

［3］孫平軍，修春亮.基于PSE模型的礦業(yè)城市經(jīng)濟(jì)發(fā)展脆弱性研究［J］.地理研究，2011，30(2)：301 - 310.

［4］李鶴.東北地區(qū)礦業(yè)城市脆弱性特征與對策研究［J］.地域研究與開發(fā)，2011，30(5)：78 - 83.

［5］趙華平，張所地.城市宜居性特征對商品住宅價格的影響分析——基于中國35個大中城市靜態(tài)和動態(tài)空間面板模型的實(shí)證研究［J］.數(shù)理統(tǒng)計(jì)與管理，2013，32(4)：706 - 717.

［6］Thomas Davidoff. Labor income, housing prices, and homeownership［J］. Journal of Urban Economics, 2006, 59(2)： 209 - 235.

［7］Joshua Gallin. The long-run relationship between house prices and income: Evidence from local housing markets［J］. Real Estate Economics, 2006, 34(3): 417 - 438.

［8］沈悅，劉洪玉.住宅價格與經(jīng)濟(jì)基本面：1995—2002年中國14城市的實(shí)證研究［J］.經(jīng)濟(jì)研究，2004，39(6)：78 - 86.

［9］吳公樑，龍奮杰.中國城市住宅價格與居民收入關(guān)系的定量研究［J］.土木工程學(xué)報，2005，38(6)：132 - 136.

［10］黃瑜.土地價格、居民收入對商品住宅價格影響的動態(tài)分析——基于狀態(tài)空間模型的實(shí)證［J］.經(jīng)濟(jì)與管理研究，2010，(10)：24 - 28.

［11］John M. Quigley, real estate prices and economic cycles［J］. International Real Estate Review, 1999, 2(1): 1 - 20.

［12］Kieran McQuinn, Gerard O’Reilly. Assessing the role of income and interest rates in determining house prices［J］. Economic Modelling, 2008, 25(3): 377 - 390.

［13］張娟鋒，劉洪玉.住宅價格與土地價格的城市差異及其決定因素［J］.統(tǒng)計(jì)研究，2010，27(3)：37 - 44.

［14］溫海珍，楊尚，秦中伏.城市教育配套對住宅價格的影響：基于公共品資本化視角的實(shí)證分析［J］.中國土地科學(xué)，2013，27(1)：34 - 40.

［15］龍奮杰，郭明，鄭思齊，等.城市發(fā)展與住房意愿支付價格［J］.城市問題，2008，(9)：50 - 55.

［16］周京奎.城市舒適性與住宅價格、工資波動的區(qū)域性差異——對1999—2006中國城市面板數(shù)據(jù)的實(shí)證分析［J］.財(cái)經(jīng)研究，2009，35(9)：80 - 91.

［17］LONG Fenjie, GUO Ming, ZHENG Siqi. Estimating the willingness-to-pay for urban housing in Chinese cities［J］. Tsinghua Science and Technology, 2009, 14(3): 360 - 366.

［18］Lucie G. Schmidt, Paul N. Courant. Sometimes close is good enough: The value of nearby environmental amenities［J］. Journal of Regional Science, 2006, 46(5): 931 - 951.

［19］何鳴，柯善咨，文嫣.城市環(huán)境特征品質(zhì)與中國房地產(chǎn)價格的區(qū)域差異［J］.財(cái)經(jīng)理論與實(shí)踐，2009，30(2)：97 - 103.

［20］Sherwin Rosen. Hedonic prices and implicit markets： Product differentiation in pure competition［J］. Journal of Political Economy, 1974, 82(1): 35 - 55.

［21］張所地，李懷祖.城市土地定級估價綜合模型研究［J］.中國土地科學(xué)，1998，12(5)：21 - 24.

［22］Luc Anselin. Spatial externalities, spatial multipliers, and spatial econometrics［J］. International Regional Science Review, 2003, 26(2): 153 - 166.

［23］Luc Anselin, Julie Le Gallo, Hubert jayet. Spatial panel econometrics［A］. Lász ló Mátyás, Patrick Sevestre. The econometrics of panel data: Fundamentals and recent developments in theory and practice［C］. Germany: Springer Berlin Heidelberg, 2008: 625 - 660.

［24］谷一楨，鄭思齊.軌道交通對住宅價格和土地開發(fā)強(qiáng)度的影響——以北京市十三號線為例［J］.地理學(xué)報，2010，65(2)：213 -223.

［25］馮長春，李維瑄，趙藩藩.軌道交通對其沿線商品住宅價格的影響分析——以北京地鐵 5 號線為例［J］.地理學(xué)報，2011，66(8)：1055 - 1062.

［26］何炤華，楊菊華.安居還是寄居？不同戶籍身份流動人口居住狀況研究［J］.人口研究，2013，31(11)：17 - 34.

［27］陳耀明，張所地.礦業(yè)城市地產(chǎn)評估探討［J］.中國土地科學(xué)，1996，10(3)：27 - 29.

（本文責(zé)編：陳美景）

Research on Impact Factors on Commercial Housing Price in Mining Cities

ZHAO Hua-ping, ZHANG Suo-di
(School of Management Science and Engineering, Shanxi University of Finance and Economics, Taiyuan 030031, China)

The purpose of this paper is to analyze the impacts of mining surrounding on housing price in mining cities, and propose policy recommendations for mining cities construction. The method is a econometric model with panel data of housing price. The results indicate that 1) Per-capita disposable income, number of university and popularization rate of water have significant positive effects on commercial housing price in mining cities and non-mining cities, but mining employment rate, traffic location and medical and health facilities construction have different directions effects on commercial housing price in mining cities and non-mining cites. 2) Political location, nature location, environment quality, environmental administration, public traffic construction, teacher-student ratio and popularization rate of network have significant effects on commercial housing price in mining cities and no significant effect on commercial housing price in non-mining cities. 3) Population, culture location and public library construction have significant effects on commercial housing price in non-mining cities and no significant effect on commercial housing price in mining cities. The research concludes that it is necessary for the construction and development of mining cities to further improve urbanenvironment, reduce mining employment risks, increase construction investment to public transport and network, perfect education infrastructure construction.

land economy; effect factors; mining cities; non-mining cities; spatial lag panel data model

F293.3

A

1001-8158（2014）07-0046-08

2013-07-29

2013-12-02

國家自然科學(xué)基金項(xiàng)目（70973072，70573066）；山西省軟科學(xué)課題（2014041024-1）；山西省2013年重點(diǎn)學(xué)科建設(shè)項(xiàng)目“礦業(yè)城市綠色不動產(chǎn)評價研究”；山西省高等學(xué)校哲學(xué)社會科學(xué)研究項(xiàng)目（2012233）。

趙華平（1979-），女，山西昔陽人，副教授，博士。主要研究方向?yàn)椴粍赢a(chǎn)評估方法與技術(shù)。E-mail:zhaohuaping1979@163.com

張所地（1955-），男，山西太原人，教授，博士。主要研究方向?yàn)椴粍赢a(chǎn)評估、管理決策。E-mail:zhangsuodiws@126.com