西安市主城區(qū)住房租金空間分異及其影響因素*

李武斌 LI Wubin

西安市主城區(qū)住房租金空間分異及其影響因素*

李武斌 LI Wubin

城市住房與居住空間格局深刻反映著城市地域上的社會經(jīng)濟(jì)狀況,是認(rèn)識城市及其空間結(jié)構(gòu)的重要視角。從住房租金考察居住空間分異是城市居住空間研究的新領(lǐng)域,利用住房租金特征指標(biāo)研究西安城市居住問題，用定量方法揭示西安市居住空間的分異規(guī)律。依據(jù)西安市主城區(qū)2014年7月份的964處住房租金交易信息，借助GIS、SPSS、Sufer等軟件對西安市主城七區(qū)住房租金的空間分布以及影響因素進(jìn)行分析研究。研究結(jié)果表明：（1）西安市可供出租的住房主要集中在城市中心偏南的雁塔區(qū)、碑林區(qū)和蓮湖區(qū)；（2）西安市住房租金呈現(xiàn)出“中心高、四周低”的空間格局與“居住郊區(qū)化”的趨向性，雁塔區(qū)租金普遍較高，最高值出現(xiàn)在曲江街道辦，長安區(qū)租金普遍較低，最低值出現(xiàn)在引鎮(zhèn)街道辦；（3）通過回歸分析，綜合西安市主城七區(qū)所有租房交易數(shù)據(jù)，得出影響租金影響因素主要有住房配套設(shè)施、裝修情況以及商服設(shè)施等。本研究具有一定的實用價值，可以為制定相關(guān)政策提供理論依據(jù)。

住房租金；空間分布；影響因素；西安市

0 引 言

近年來，隨著我國城市化進(jìn)程的加快以及房價的不斷攀升，“買房難”現(xiàn)象越發(fā)嚴(yán)重。截至2013年底，西安市常住人口數(shù)已經(jīng)達(dá)到858.81萬人[1]。根據(jù)西安市社科院研究員張永春主持的課題“從社會學(xué)視角深析和諧西安的社會分層”研究成果，西安市低收入階層占到總?cè)丝跀?shù)的74.1%[1]。過高的房價將一部分低收入群體推向租房市場，依靠房屋租賃方式來解決居住問題。

目前，國內(nèi)外學(xué)術(shù)界多采用房價指標(biāo)研究城市居住問題與城市空間分異規(guī)律。例如，朱麗夏、阮文彪等學(xué)者通過構(gòu)建計量經(jīng)濟(jì)模型，得出名義GDP增長率、土地購置費以及城鎮(zhèn)人均收入對房價增長的影響[2]，而KIM用同樣的方法檢驗了城市空間結(jié)構(gòu)變化對住房價格的影響[3]；Glascock等對辦公樓市場租金的空間差異進(jìn)行了實證分析[4]，而Mills則對辦公樓租金的影響因素及其作用機(jī)制進(jìn)行了分析和研究[5]。就當(dāng)前研究現(xiàn)狀而言，國內(nèi)外學(xué)者對于住房租金研究較少，且有關(guān)研究僅是基于面板數(shù)據(jù)的城市整體租金研究[6]，并未對城市內(nèi)部住房租金空間分布規(guī)律展開研究。實際上，構(gòu)建住房租金價格指標(biāo)體系及其對租金空間分異現(xiàn)象的研究是我們認(rèn)識城市空間結(jié)構(gòu)的重要視角。

改革開放特別是西部大開發(fā)以來，西安城市人口大量流入，城市地域規(guī)模急劇擴(kuò)張，城市空間結(jié)構(gòu)隨之發(fā)生了新的變化。在這種城市空間變動的背景下，利用住房租金指標(biāo)對西安市城市地域進(jìn)行空間分析和定量研究，總結(jié)新時期西安城市空間結(jié)構(gòu)的新特征，成為西安城市規(guī)劃與建設(shè)亟待解決的命題。本研究采用了城市轄區(qū)街道辦小尺度空間視角，從住房自身條件、鄰里條件以及區(qū)位條件三方面提取影響住房租金的微觀因素，科學(xué)選取對住房租金有重要影響的指標(biāo)，運用ArcGIS10.0、SPSS17.0、Sufer等軟件進(jìn)行相關(guān)研究，得出西安市內(nèi)部住房租金的空間分布以及各影響因素的相對重要性，以期為政府部門的宏觀調(diào)控和規(guī)劃提供依據(jù)[7]。

1 數(shù)據(jù)來源與研究區(qū)域

1.1 數(shù)據(jù)來源

本研究住房租金數(shù)據(jù)來源于國內(nèi)主要租房門戶網(wǎng)站。為了避免不同時間的影響，借用廣州市房屋參考租金的測定以7月1日為基準(zhǔn)日的思想[6]，采用2014年7月份截面數(shù)據(jù)，共獲得西安市主城七區(qū)58個街道辦的964個樣點的完整租房交易信息（表1），包括租房名稱、住房面積、租金、裝修情況、采暖、配套設(shè)施以及周邊環(huán)境等數(shù)據(jù)，租金單位為元/（m2·月）。本文采用的圖件資料是通過ArcGIS10.0軟件矢量化獲得的西安市行政區(qū)劃圖以及交通布局圖。

表1 西安市主城七區(qū)住房樣點采集情況Tab.1 distribution of sample point of residence in seven districts of Xi’an City

1.2 研究區(qū)域

本文以西安市主城七區(qū)為研究區(qū)域，根據(jù)西安市城市發(fā)展歷史及與城市中心地標(biāo)——鐘樓的距離，將西安主城七區(qū)由內(nèi)向外分為三個圈層：核心區(qū)（新城區(qū)、蓮湖區(qū)和碑林區(qū)）、近郊區(qū)（雁塔區(qū)、未央?yún)^(qū)和灞橋區(qū)）和遠(yuǎn)郊區(qū)（長安區(qū)），七區(qū)面積共計2423km2，雖然只占西安市域面積的23.97%，但卻是西安市租房市場比較活躍的區(qū)域，同時也是居民點分布最為集中地區(qū)域，對此區(qū)域的研究可以最大程度地反映西安市建城區(qū)住房租金的空間分異規(guī)律。從表1可以看出西安市租房市場供求的不均衡性，核心區(qū)仍是租房市場交易的重點，近郊三區(qū)中，雁塔區(qū)成為目前租房交易與人口流動的重點區(qū)域。隨著城市的擴(kuò)展與城內(nèi)居高不下的高房租，遠(yuǎn)郊區(qū)租房交易與人口流動也有增加的趨勢。

2 研究方法

2.1 Kriging方法

克里格（Kriging）插值法，又稱為空間局部插值法，可分為普通克里格插值法和通用克里格插值法，是一種精確局部差值的方法。克里格插值時不僅考慮距離關(guān)系，同時又以自相關(guān)性為基礎(chǔ)，利用半變異函數(shù)的結(jié)構(gòu)性，充分考慮了已知樣本點的空間分布及其與未知樣點的空間方位關(guān)系，從而對研究區(qū)域內(nèi)變量的未知采樣點進(jìn)行最佳無偏估計的插值[7-8]。因此，Kriging插值法是一種較為理想的空間分析方法。

本研究將借助于ArcGIS 10.0的空間分析模塊，使用Kriging空間插值分析法，刻畫西安市主城七區(qū)住房租金的空間變化特征。

2.2 回歸分析法

回歸分析是研究兩個或兩個以上變量間相互依賴的定量關(guān)系的統(tǒng)計分析方法。其一般可分為五步完成，分別為：確定自變量和因變量、分析變量間相關(guān)性、建立回歸預(yù)測模型、檢驗?zāi)Ｐ秃陀嬎泐A(yù)測誤差以及因變量預(yù)測。

本研究將運用SPSS17.0社會科學(xué)統(tǒng)計軟件包中的分析模塊對西安市主城七區(qū)住房租金與各因素之間的關(guān)系進(jìn)行回歸分析，建立住房租金同各指標(biāo)因素之間的回歸模型。

3 西安市主城區(qū)住房租金空間分布特征

3.1 住房租金空間分布現(xiàn)狀

對網(wǎng)上搜集的964組租房數(shù)據(jù)進(jìn)行整理，得到西安市主城區(qū)住房租金統(tǒng)計表（表2）。

從表2對西安主城七區(qū)房屋租金統(tǒng)計的結(jié)果看出，距離市中心越遠(yuǎn)住房租金越低，這與西安城市人口空間“郊區(qū)化”趨勢一致。雁塔區(qū)與未央?yún)^(qū)是西安城市空間延著中軸線南北拓展，將是未來城市空間人口流動和城市居住的重地。

3.2 住房租金空間分布專題圖的生成

為了更為直觀反映城市居住空間分異現(xiàn)象，借助于在網(wǎng)絡(luò)上搜集獲得的樣點數(shù)據(jù)，采用地理空間分析方法批量建坐標(biāo)方式[9]，將其同空間位置做出良好匹配，標(biāo)注于行政區(qū)劃圖及交通圖上，形成數(shù)據(jù)圖層。同時，再以租房名稱和租金作為樣點的屬性數(shù)據(jù)，并運用ArcGIS10.0軟件中的空間插值功能，采用普通Kriging插值法對西安市主城七區(qū)的住房租金進(jìn)行插值[10]，建立西安市主城七區(qū)住房租金的空間數(shù)據(jù)庫，形成西安市住房租金空間分布格局圖（圖1）。用交叉檢驗方法對預(yù)測值的檢驗誤差如表3所示。

從表3這些指標(biāo)來看，標(biāo)準(zhǔn)平均值接近于0，標(biāo)準(zhǔn)均方根預(yù)測誤差接近于1，平均標(biāo)準(zhǔn)差接近于均方根預(yù)測誤差,表明模型選擇較為理想。

運用克里金插值法，借助Sufer軟件繪制得到西安市主城七區(qū)的住房租金的二維等值線圖（圖2），為使等值線能較準(zhǔn)確的反映區(qū)域間的租金差異，并使其能較廣泛的覆蓋整個研究區(qū)域，以5為間距，共繪制了1～60元/（m2·月）間12條等值線，并以10為間距進(jìn)行標(biāo)注，如圖2。

表2 西安市主城七區(qū)住房租金空間分布統(tǒng)計表Tab.2 housing rental space distribution statistics in seven districts of Xi’an City

3.3 西安市住房租金空間分布特征

為了更加詳細(xì)直觀地揭示西安市主城七區(qū)住房租金整體在空間區(qū)域變化的整體特征，利用ArcGIS10.0軟件中地統(tǒng)計分析模塊中的趨勢分析功能，生成西安市主城七區(qū)住房租金的空間變化趨勢圖（圖3）。由圖2與圖3可以看出，西安市主城七區(qū)的住房租金在南北、東西兩個方向上都呈現(xiàn)出明顯的倒“U”型，從中心向邊緣遞減，且南北方向變化幅度比東西方向大。這表明西安市住房租金在空間上大致表現(xiàn)為“中心高，四周低”的現(xiàn)象。同時，從租金變化的曲線可以得出，西安市住房租金在空間上的變化不是簡單的線性模式，而是呈現(xiàn)出復(fù)雜的二階變化模式。

通過觀察表2以及生成的圖1、圖2和圖3，可以得出以下幾點結(jié)論：（1）西安市可供出租的住房主要集中在雁塔區(qū)、碑林區(qū)以及蓮湖區(qū)三區(qū)，未央?yún)^(qū)、新城區(qū)次之，長安區(qū)較少，而灞橋區(qū)的出租住房數(shù)量在七區(qū)中最少；（2）西安市三環(huán)以內(nèi)住房租金等值線密度較大，尤其以西安市的科教文化區(qū)-雁塔區(qū)附近等值線最為密集，形成一個住房租金的“價值高地”；（3）西安市住房租金出現(xiàn)三個較高的峰值，分別位于雁塔區(qū)、碑林區(qū)和未央?yún)^(qū)。雁塔區(qū)的住房租金在各區(qū)中達(dá)到最高，為28.44元/（m2·月），其次為碑林區(qū)、未央?yún)^(qū)、蓮湖區(qū)、新城區(qū)，灞橋區(qū)和長安區(qū)的住房租金明顯低于其它五區(qū)；（4）西安市主城七區(qū)中住房租金最高值出現(xiàn)在雁塔區(qū)的曲江街道辦事處所在地，達(dá)到58.83元/（m2·月），租金最低值出現(xiàn)在城郊（長安區(qū)引鎮(zhèn)街道辦事處），只有3.21元/（m2·月）。

4 住房租金影響因素分析

回歸分析是根據(jù)一個或者多個變量值來預(yù)測和控制另一變量的取值的方法。最基本的回歸分析方法有基于最小二乘法原理的一元線性回歸、一元非線性回歸、多元線性回歸以及逐步回歸等方法[11]。本文將采用多元線性回歸分析法來對西安市主城七區(qū)住房租金的影響因素進(jìn)行分析。

表3 住房租金插值估計誤差Tab.3 interpolation error estimates of the rents

表4 樣點住房租金與各影響因素之間的相關(guān)系數(shù)表Tab.4 correlation coefficient between residential rents and influence factors

4.1 回歸變量與數(shù)學(xué)模型

通過總結(jié)國內(nèi)外學(xué)者的研究可以得出，建筑自身特征、鄰里特征以及區(qū)位特征這三大特征已經(jīng)成為描述房地產(chǎn)物業(yè)特征的主要指標(biāo)[12]。本文將住房租金作為回歸模型的因變量，共選擇7個影響住房租金的因素作為回歸模型的自變量，其中包括與住房自身特征相關(guān)的的住房的裝修情況X1（精裝、平裝）、配套設(shè)施X2（集體供暖、天然氣、有線、寬帶等），與區(qū)位特征相關(guān)的住房周邊公交線路數(shù)量X3，以及與鄰里特征相關(guān)的周邊1km范圍內(nèi)有無中小學(xué)X4、大學(xué)或職校X5、商服設(shè)施X6（銀行、超市、郵局、醫(yī)院等）、休閑景觀X7（公園、綠地或廣場）。

借用李克特（Likert）5級量表設(shè)計的思想[13]，對通過網(wǎng)絡(luò)搜集的482組數(shù)據(jù)進(jìn)行部分賦值定量化處理。描述住房裝修情況時，“1”表示平裝，“2”表示精裝；在描述配套設(shè)施時，“1”表示配套設(shè)施不完善，“2”表示配套設(shè)施完善；同理，在描述鄰里特征時，“1”分別表示周邊1km范圍內(nèi)無中小學(xué)、無大學(xué)或職校、商服設(shè)施不完善、無休閑景觀，“2”分別表示周邊1km范圍內(nèi)有中小學(xué)、有大學(xué)或職校、商服設(shè)施完善、有休閑景觀。

建立多元回歸方程模型的一般形式為：y=b0+b1x1+b2x2+…+bmxm+δ，其中，y為住房租金，x1，x2……xm分別為住房租金的7個影響因素，m為影響因素個數(shù)，b0為常數(shù)項，b1，b2……bm為偏回歸系數(shù)，δ為隨機(jī)誤差項，表示除了x以外其他隨機(jī)因素對y影響的總和[14]。

4.2 回歸分析

運用SPSS17.0軟件對樣本住房租金和各影響因素進(jìn)行相關(guān)分析，結(jié)果見表4。

將以上7個影響因素作為自變量，住房租金作為因變量，通過SPSS17.0進(jìn)行多元線性回歸分析，結(jié)果如表5。

由此可建立西安市主城七區(qū)住房租金估計方程：

住房租金=2.625x1+4.019x2-0.062x3-0.034x4+2.075x5+0.061x6+0.073x7+0.301

通過對西安市主城區(qū)住房租金相關(guān)分析以及回歸分析可以得出，影響住房租金的主要因素為住房的配套設(shè)施，裝修情況和商服設(shè)施對租金產(chǎn)生一定的影響，周邊1km范圍內(nèi)有無大學(xué)或職校以及休閑景觀對租金的影響較小。

5 結(jié) 論

本研究采用城市街道空間視角，利用住房租金統(tǒng)計數(shù)據(jù)，運用地理空間分析方法，對西安市城市住房租金的空間分異現(xiàn)象及影響因素進(jìn)行研究，主要結(jié)論如下。

（1）西安市可供出租的租居主要集中主城區(qū)中部向南，租金等值線呈現(xiàn)出“中心高、四周低”空間格局與“居住郊區(qū)化”趨向性特征，居住重心偏于東南方向，雁塔區(qū)最為密集，形成一個住房租金的“價值高地”。作為遠(yuǎn)郊區(qū)的長安區(qū)，城市人口密度與城市建城區(qū)規(guī)模均小于其他六區(qū)，城市租房交易與人口流動程度最低。這種住房租金空間分布格局與第六次人口普查數(shù)據(jù)揭示的西安市人口分布呈現(xiàn)從城市中心區(qū)向經(jīng)濟(jì)新區(qū)及郊區(qū)遷移擴(kuò)散的趨勢[15]是一致的?？梢灶A(yù)測，隨著城市人口流動的加快，西安市人口居住“郊區(qū)化”傾向在未來更加顯著，這需要政府決策部分對城市居住建設(shè)與人口流動加強(qiáng)監(jiān)測與實施管理。

圖1 西安市主城七區(qū)住房租金空間分布柵格圖Fig.1 spatial distribution grid map of rents in seven districts of Xi’an City

圖2 西安市主城七區(qū)住房租金等值線圖Fig.2 contour map of rents in seven districts of Xi’an City

圖3 西安市主城七區(qū)住房租金空間變化趨勢Fig.3 spatial trends of rents in seven districts of Xi’an City

表5 住房租金的SPSS多元回歸分析結(jié)果Tab.5 multiple regression analysis result of residential rents

（2）以建筑自身特征、鄰里特征以及區(qū)位特征三大特征構(gòu)建影響住房租金指標(biāo)體系，建立多元回歸方程模型對樣本住房租金和各影響因素進(jìn)行相關(guān)分析，結(jié)果表明，影響租客租房的主要因素在于租金和基本的內(nèi)部配套設(shè)施，不斷上漲的房價、房租與物價讓這些流動人口在居住環(huán)境的選擇上無暇顧及居住外部環(huán)境，從而導(dǎo)致了流動人口居住質(zhì)量總體不高的現(xiàn)狀。將流動人口納入西安市常住居民體系實施科學(xué)管理以及提供有郊社會保障房居住將是政府部門必須重視解決的重要課題。

（3）西安市主城七區(qū)住房租金空間分異在一定程度上可以表征西安市居住貧富分層的特征：西安市居住集聚區(qū)仍然在中心城區(qū)，隨著新型開發(fā)區(qū)（高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、經(jīng)濟(jì)技術(shù)開發(fā)區(qū)、曲江文化產(chǎn)業(yè)示范區(qū)和西咸新區(qū)）向城郊蔓延，居住郊區(qū)化擴(kuò)展趨勢顯現(xiàn)。傳統(tǒng)老工業(yè)區(qū)—城東“紡織城”和城西“電工城”工業(yè)區(qū)衰退成為居住租金較低的連片貧困居住區(qū)，而城南片區(qū)與城北片區(qū)的高租金值由于經(jīng)濟(jì)旅游開發(fā)區(qū)及大學(xué)城建設(shè)成為西安城市居住環(huán)境條件較為優(yōu)越與富裕的居住區(qū)。利用住房租金特征價格體系的空間特性研究城市常住居民社會分層與空間分異將是今后學(xué)術(shù)界重視的新課題。

[1]張永春, 方立峰, 蘇軍. 從社會學(xué)視角探析和諧城市的社會分層——以西安社會分層為例[J]. 唐都學(xué)刊, 2007(06): 78-83.

[2]朱麗夏, 阮文彪. 我國房價快速上漲的原因分析及走勢預(yù)測[J]. 科技經(jīng)濟(jì)市場, 2006(07): 77-78.

[3]Kim L. Impact of change of urban structure on housing price dynamics [EB/ OL].（2004-05-16）[2004-08-08]. http:// www.asres.org.

[4]Glascock J L, Jahanian S, Sirmans CF. Ananalysis of office market rents: Some empirical evidence[J]. Journal of the American Real Estate and Urban Economic Association, 1990(18): 105-119.

[5]Mills E S. Offce rent determinants in the Chicago area[J]. Journal of the American Real Estate and Urban Economic Association, 1992(20): 273-289.

[6]賈世軍, 周春山. 城市房屋參考租金測定與空間分布——以廣州為例[J]. 經(jīng)濟(jì)地理, 2009, 29(04): 618-623.

[7]宋雪娟, 衛(wèi)海燕, 王莉. 西安市住宅價格空間結(jié)構(gòu)和分異規(guī)律分析[J]. 測繪科學(xué), 2011, 36(02): 171-174.

[8]張曉平, 封強(qiáng), 李媛芳. 北京市辦公用地投標(biāo)租金空間分異與影響因素[J]. 經(jīng)濟(jì)地理, 2013, 33(03): 73-78.

[9]馬敏蕾, 呂斌, 馮長春. 基于GIS基礎(chǔ)上的北京住房價格空間研究[J]. 中國國土資源經(jīng)濟(jì), 2008(12): 26-28.

[10]湯國安, 楊昕. ArcGIS地理信息系統(tǒng)空間分析實驗教程[M]. 2版. 北京: 科學(xué)出版社, 2012: 48-192.

[11]張菁, 馬民濤, 王江萍. 回歸分析方法在環(huán)境領(lǐng)域中的應(yīng)用評述[J]. 環(huán)境科技, 2008, 21(02): 40-43.

[12]張一帆, 王藝凝. 北京市CBD寫字樓租金特征價格分析[J]. 現(xiàn)代經(jīng)濟(jì)信息, 2011, 26(18): 108-110.

[13]蘇建軍, 劉衛(wèi)梅, 屈學(xué)書, 等. 酒店實習(xí)生滿意度及其影響因素與實習(xí)價值感知的關(guān)聯(lián)性分析[J]. 旅游論壇, 2011, 4(01): 113-119.

[14]張愿章, 王淑敏. 基于多元回歸分析的河南省居民消費價格指數(shù)的數(shù)學(xué)模型[J].華北水利水電學(xué)院學(xué)報, 2010, 31(11): 103-105.

[15]李利民. 西安市第六次人口普查公報解讀[EB/OL]. [2011-05-27]. http://www. xa.gov.cn/websac/cat/102242.html.

圖片來源：

圖1-3：作者繪制

表1-5：作者整理繪制

（編輯：李方）

The Spatial Distribution and Infuence Factors of Residential Rents of Central Districts in Xi’an City

Urban housing and living spatial pattern in cities, which is the important visual to recognize cities and their spatial structure, deeply reflects the society economy conditions. It is a new field of residential space analysis to study residential problems from the point of view of residential rents, which provides quantitative analysis method on spatial differentiation law of urban housing. Based on 964 homes’ transaction information in Xi’an’s seven central districts in July, 2014, this paper uses ArcGIS and Sufer software to explore the spatial distribution characteristics and its factors of residential rents in Xi’an’s seven districts, and uses SPSS software to discuss the factors affecting the residential rents. The conclusions from the analysis include: (1) The rental housing mainly concentrated within the central-south districts (Yanta, Beilin and Lianhu); (2) the spatial distribution of residential rents takes on a pattern of “center around the high low” and “ residence suburbanization”, Yanta District has generally high rents, the highest appears in Qujiang subdistrict; Chang’an district has generally low rents, the lowest appears in Yinzhen subdistrict; (3) By means of regression analysis, the main factors affecting the residential rents such as residential facilities, decoration and commercial service facilities have been found. This study has a practical significance, which can provide theoretical reference for policy making.

Residential Rents; Spatial Distribution; Influence Factor; Xi’an City

10.13791/j.cnki.hsfwest.20150415

李武斌. 西安市主城區(qū)住房租金空間分異及其影響因素[J]. 西部人居環(huán)境學(xué)刊, 2015, 30(04): 77-81.

F293, P208, TU984.1

A

2095-6304(2015)04-0077-05

* 國家自然科學(xué)基金（41171142）；陜西師范大學(xué)中央高校基本科研業(yè)務(wù)費項目（GK201401006）

李武斌： 陜西師范大學(xué)旅游與環(huán)境學(xué)院，講師，博士研究生，liwubin2000@sina.com

2014-12-31