基于GIS的南京市住宅收益率研究

王　啟，　馬　欣, 2，　錢華超

(1. 南京林業(yè)大學(xué)　土木工程學(xué)院， 江蘇　南京　210037； 2.東南大學(xué)， 江蘇　南京　210096)

?

基于GIS的南京市住宅收益率研究

王啟1，馬欣1, 2，錢華超1

(1. 南京林業(yè)大學(xué)土木工程學(xué)院， 江蘇南京210037； 2.東南大學(xué)， 江蘇南京210096)

摘要：房屋住宅的租金回報率不僅是衡量房地產(chǎn)市場價格是否合理的指標(biāo)，而且在一定程度上能夠反映住宅的投資價值以及市場的泡沫累計程度，對于指導(dǎo)房地產(chǎn)投資、房地產(chǎn)市場政策的制定等具有重要意義。本文選取南京市426個住宅樓盤作為樣本計算年租金回報率，結(jié)合ArcGis、Geoda 等軟件對南京市住宅收益率的空間分布特征進(jìn)行分析研究。研究結(jié)果表明：南京市租金回報率的峰值點(diǎn)主要出現(xiàn)在邊緣地區(qū)，而極值點(diǎn)大多出現(xiàn)在老城區(qū)；此外，從空間上看，租金回報率在相距較近的地塊之間的相似程度較為明顯，這與區(qū)位因素有緊密聯(lián)系，具有相似屬性的呈聚集狀態(tài)，總體呈現(xiàn)高高聚集和低低聚集的空間分布規(guī)律；住宅樓盤的地理位置、房齡、交通因素以及學(xué)區(qū)因素都可能是此現(xiàn)象形成的原因。

關(guān)鍵詞：租金回報率；投資價值；空間分布

在健康運(yùn)行的房地產(chǎn)市場中，銷售價格應(yīng)該是租金按照正常收益率的折現(xiàn)結(jié)果，兩者之間本應(yīng)存在較強(qiáng)的相關(guān)性[1]。但由于市場中的投機(jī)行為以及長期的泡沫累計，導(dǎo)致房價虛高而不能反映出市場的真實需求，房價與租金的比例關(guān)系被打破，兩者出現(xiàn)嚴(yán)重的背離現(xiàn)象。房地產(chǎn)的投資收益主要由房屋本身的增值收益和房屋出租的租金收益組成，其中房屋本身的增值收益由于受到市場的影響而不穩(wěn)定，而租金收益則較為穩(wěn)定，因此，本文選用年租金回報率來研究南京市住宅收益率以及南京市住宅收益率的空間分布狀態(tài)，以更好地指導(dǎo)南京市二手房的置業(yè)投資。

1國內(nèi)外研究現(xiàn)狀

學(xué)術(shù)界對于租金回報率進(jìn)行了大量的研究，譚術(shù)魁[2]認(rèn)為土地市場的發(fā)育直接影響了土地的供應(yīng)方式以及交易價格，進(jìn)而影響房價和租金。楊紅旭[3]認(rèn)為年租金回報率是判斷房產(chǎn)是否具有投資價值的重要指標(biāo)，通過調(diào)查發(fā)現(xiàn)我國房產(chǎn)的年租金回報率處于較低水平，房產(chǎn)的投資價值呈下降趨勢，原因在于租金增長緩慢，而房價增長過快；周永宏[4]通過對上海1995～2005年的房價和租金關(guān)系進(jìn)行研究，發(fā)現(xiàn)租金與房價并不是同步而行，而是表現(xiàn)出相對獨(dú)立的變化，并且他從房屋銷售市場與租賃市場區(qū)隔的角度進(jìn)行了解釋。陳寶強(qiáng)[5]采用租金回報與均衡杠桿率來解讀美國房地產(chǎn)泡沫的破裂，認(rèn)為房產(chǎn)收益率可以表示為年租金回報率加上一個合理收益率，如果假設(shè)這一合理收益率是一個常量，那么均衡杠桿率可視為年租金回報率；劉仁和[6]利用1993～2010年的數(shù)據(jù)進(jìn)行實證分析，結(jié)果表明房屋售價與租金不存在長期均衡關(guān)系，房價與租金嚴(yán)重背離，不再遵循理論模型的運(yùn)行趨勢，表明房價泡沫在長期積聚。Meese等[7]采用時間序列數(shù)據(jù)研究了美國兩個城市房屋租金與房屋價格之間的關(guān)系，結(jié)果表明二者之間存在協(xié)整關(guān)系；Gallin[8]指出，在1994～2005年間美國名義住房價格翻了一倍， 但租金卻只增長了不到50%；Ito[9]則利用比較經(jīng)濟(jì)靜態(tài)分析法認(rèn)為可將住房市場分成多種類別，當(dāng)一個類別中的住房質(zhì)量得到提高之后，這一類別中的住房租金則會提高，減小住房租售比，利于買房投資，而其他較好類別中的租售比增加，不利于買房投資本；Ayuso等[10]采用基于現(xiàn)值模型的不同的隨機(jī)折現(xiàn)因子計算西班牙的住房租售比，發(fā)現(xiàn)90年代后期減小的住房租售比幫助平衡了西班牙的房地產(chǎn)市場。

縱覽國內(nèi)外學(xué)術(shù)界對于租金回報率的研究，更多的只是文字理論方面的敘述性分析：例如譚術(shù)魁以及楊紅旭，只是從宏觀層面對租金、房價的影響因素以及租金回報率與房地產(chǎn)投資之間的關(guān)系進(jìn)行分析；即便有采用模型對其進(jìn)行定量化研究，但更多的只是理論的數(shù)字模型，并且對于租金回報率的研究僅僅停留在對房價以及租金進(jìn)行單獨(dú)隔離分析的層面上，例如劉仁和、Gallin、周永宏，并沒有對房價租金進(jìn)行一體化的整體分析，對區(qū)域間的租金回報率進(jìn)行直觀的展示，分析區(qū)域之間所存在的差異；而本文將地理信息系統(tǒng)應(yīng)用于租金回報率的研究，將各個區(qū)域的租金回報率用三維圖形直觀展現(xiàn)，不僅如此，還從微觀層面對租金回報率的區(qū)域趨同性進(jìn)行了空間上的計量分析，所得結(jié)果更為科學(xué)合理。

2數(shù)據(jù)來源與研究方法

2.1數(shù)據(jù)來源

房價采用二手房的當(dāng)月掛牌價格；租金為搜集小區(qū)內(nèi)所有出租戶的當(dāng)月租金(價格來源于2015年3月南京house365網(wǎng)站二手房數(shù)據(jù))，乘以12得到年租金，然后再計算出各小區(qū)年租金回報率，即得到經(jīng)濟(jì)屬性數(shù)據(jù)。

2.2數(shù)據(jù)處理

文章租金回報率公式選用：“租金回報率=每月租金收益×12/購房總價”。筆者根據(jù)樓盤實際地理位置與百度地圖，在Google Earth上進(jìn)行描繪，得到kml/kmz格式的小區(qū)地理位置屬性，再通過Global Mapper將其格式轉(zhuǎn)換為便于ArcGIS識別的shp格式文件，即得到空間地理屬性數(shù)據(jù)。最終利用ArcGIS將小區(qū)經(jīng)濟(jì)屬性與空間地理屬性通過相同字段名相聯(lián)合，得到可供使用的小區(qū)樣本為426個。

2.3研究方法

2.3.1GIS空間分析原理

本文主要運(yùn)用GIS的空間分析功能，空間分析本質(zhì)上是基于地理對象的位置和形態(tài)特征的空間數(shù)據(jù)分析，是以ArcGIS為平臺，利用空間分析、地理統(tǒng)計分析和3D分析等模塊進(jìn)行分析。

2.3.2Kriging插值法

克里格(Kriging)插值是以變異函數(shù)理論和結(jié)構(gòu)分析為基礎(chǔ)，在有限區(qū)域內(nèi)對區(qū)域化變量進(jìn)行無偏最優(yōu)估計的一種方法。Kriging 插值法不僅考慮了距離關(guān)系，而且通過變異函數(shù)和結(jié)構(gòu)分析，考慮了已知樣本點(diǎn)的空間分布與未知樣本點(diǎn)的空間方位關(guān)系。

3南京市租金回報率概況

3.1南京市租金回報率整體概況

將整理的年租金回報率數(shù)據(jù)導(dǎo)入SPSS分析軟件，得到南京市住宅樓盤租金回報率統(tǒng)計結(jié)果(表1)以及取對數(shù)后的直方分布圖(圖1)和QQ分布圖(圖2)。如表1所示，南京市租金收益率的均值和中值較為接近，分別為2.195%與2.137%，多數(shù)集中在1.6%～2.4%之間，最高年租金回報率達(dá)到了5.36%,最低年租金回報率是0.67%，也就是說購買一套房進(jìn)行出租要花費(fèi)長達(dá)149年的時間才能收回投資資金，已經(jīng)遠(yuǎn)遠(yuǎn)超過房屋的使用年限，期間還不考慮資金的時間價值，相對于對住房投資來說，單純的依靠房屋出租所獲得的收益遠(yuǎn)低于正常的銀行等社會投資收益。

表1　南京市住宅樓盤樣本年租金

從圖1和圖2可以看出，各區(qū)間內(nèi)的取值較為均衡，并且大致上都服從正態(tài)分布，滿足Kriging插值法與空間自回歸分析的要求。

圖1　年租金回報率對數(shù)取值后分布

圖2　年租金回報率對數(shù)取值后QQ分布

3.2南京市各行政區(qū)租金回報率概況

將樣本數(shù)據(jù)分別導(dǎo)入ArcGIS按照行政區(qū)進(jìn)行統(tǒng)計、繪制出南京市分區(qū)域住宅年租金回報率的強(qiáng)度對比圖，如圖3所示：棲霞區(qū)和建鄴區(qū)的平均年租金回報率最高，達(dá)到2.34%；秦淮區(qū)和江寧區(qū)的年租金回報率次之，達(dá)到2.25%；鼓樓區(qū)和下關(guān)區(qū)的年租金回報率甚至低于浦口區(qū)；六合區(qū)的年租金回報率最低為1.93%。棲霞區(qū)是南京重要的石化、汽車、電子、建材工業(yè)區(qū)和企業(yè)、資金、人才、技術(shù)密集區(qū)，因而匯聚了大量的就業(yè)人口，而大量的就業(yè)人口帶動了租賃市場的持續(xù)升溫，租金也就水漲船高，同樣的情況也造成了江寧區(qū)的租金回報率也相對較高。六合區(qū)雖然房價普遍偏低，但租金回報率卻依然最低，原因很可能在于該地區(qū)普遍消費(fèi)水平較低，而低房價讓居民直接選擇買房而非租房，銷售市場較為活躍，而租賃市場卻十分低迷，因此年租金回報率很低。

圖3　南京市各區(qū)年租金回報率強(qiáng)度對比

4南京市租金回報率空間分布

4.1空間分布特征

利用ArcGIS 軟件繪制南京市426個住宅小區(qū)的租售比空間趨勢圖,如圖4所示。

圖4　南京市年租金回報率趨勢分析

樣本數(shù)據(jù)顯示，在X軸方向(東西方向)略微呈倒U型，即租金回報率在東西方向由中心向邊緣地區(qū)呈現(xiàn)遞增趨勢，極小值點(diǎn)出現(xiàn)在中心區(qū)域，但趨勢不很明顯；而Y軸方向(南北方向)幾乎呈一直線狀，說明南京市租金回報率在南北向呈現(xiàn)同一趨勢。整體來看，南京市租金回報率總體空間四向差異不明顯，空間分布較為均衡。

利用Surfer軟件繪制南京市租售比等高線圖和3D山峰圖(圖5、6)。

圖5　年租金回報率等高線分布

圖6　年租金回報率3D山峰

如圖6所示，南京市年租金回報率有多個峰值，該峰值主要出現(xiàn)在建鄴區(qū)、江寧區(qū)和棲霞區(qū)；而極值點(diǎn)主要出現(xiàn)在老城區(qū)，玄武、下關(guān)、白下、秦淮、鼓樓均有分布，整體呈現(xiàn)內(nèi)密外疏的分布狀態(tài)；反之，低谷點(diǎn)主要出現(xiàn)在鼓樓區(qū)和六合區(qū)。圖中峰值代表租金回報率最大值、極值點(diǎn)代表租金回報率較大以及低谷點(diǎn)代表租金回報率最小。具體分析如下：

(1)峰值點(diǎn)分布

南京市租金回報率出現(xiàn)的峰值分別位于建鄴區(qū)的西祠胡同、江寧區(qū)的萊茵小鎮(zhèn)和棲霞區(qū)的興都花園。西祠胡同位于漢中門大街，是目前主城區(qū)面積最小的精裝修公寓。它面積雖小卻功能齊全，空間利用井井有條，漢中門大街以其優(yōu)越的地理位置吸引著大量的畢業(yè)生入住，租賃市場活躍，導(dǎo)致租金較高，達(dá)到53元/m2，而房價相對偏低，因此年租金回報率較高；萊茵小鎮(zhèn)位于南京江寧科學(xué)園內(nèi)，東鄰大學(xué)城及科技產(chǎn)業(yè)園，租賃需求旺盛，帶動租金上漲較快，而且江寧區(qū)由于遠(yuǎn)離城市中心，房價相對較低，因此年租金回報率很高；興都花園緊鄰地鐵邁皋橋站，租賃市場較為活躍，但房價很低，均價僅約為8000元/m2，因此年租金回報率較高。

(2)極值點(diǎn)分布

除去3個峰值之外，我們可以看到老城區(qū)出現(xiàn)較多極值點(diǎn)。玄武、下關(guān)、白下、秦淮、鼓樓均有分布，整體呈現(xiàn)內(nèi)密外疏的分布狀態(tài)。這是因為：這些老區(qū)發(fā)展較早，房屋房齡普遍較大，因此房價較低。但由于區(qū)位優(yōu)勢，這些地方的租金并不低，就業(yè)聚集區(qū)使租賃市場異?；钴S，租金也就水漲船高。這些房齡老的房屋具有高租金、低售價的特征，也就出現(xiàn)了極值點(diǎn)即相對稍高的年租金回報率。

(3)低谷點(diǎn)分布

年租金回報率的極小值主要出現(xiàn)在鼓樓區(qū)和六合區(qū)。六合區(qū)的龍池花園年租金回報率僅為0.67%，鼓樓區(qū)的永嘉年華年租金回報率為1.13%。

六合區(qū)出現(xiàn)低谷點(diǎn)原因在于該地區(qū)普遍消費(fèi)水平較低，而低房價讓居民直接選擇買房而非租房，銷售市場較為活躍，而租賃市場卻十分低迷，因此年租金回報率很低。鼓樓區(qū)出現(xiàn)低谷點(diǎn)是學(xué)區(qū)資源豐富，鼓樓區(qū)是南京市教育資源最集中最優(yōu)秀的地區(qū)之一，學(xué)區(qū)房交易自2003年南京市教委頒布了“就近免試入學(xué)”以來，家長們?yōu)榱俗优惠斣谄鹋芫€上，就選擇購買學(xué)區(qū)房。學(xué)區(qū)房的持續(xù)升溫造成了房價極高，而相對較低的租金也就造成了相對較低的租金回報率。

綜上所述，峰值點(diǎn)分散于城市外圍區(qū)域租賃市場較活躍的地方，實際地理位置在江寧和棲霞；低谷點(diǎn)分布在鼓樓區(qū)和房地產(chǎn)市場發(fā)展不成熟的六合區(qū)?？傮w呈現(xiàn)出中心次高峰多而密集、邊緣高峰以及低谷點(diǎn)少而分散的分布格局。

4.2空間分布規(guī)律

采用Kriging插值法對樣本點(diǎn)數(shù)據(jù)進(jìn)行空間插值分析，得到南京市租金回報率空間分布(圖7)。由圖7可知，南京市住宅年租金回報率極大值點(diǎn)匯聚在江寧區(qū)和棲霞區(qū)，極小值點(diǎn)匯聚在六合區(qū)和浦口區(qū)，極值點(diǎn)偏向邊緣地區(qū)，中心地帶分布較為密集，插值的結(jié)果和前文的分析基本一致。城市化進(jìn)展的不斷加快，城市基礎(chǔ)設(shè)施不斷完善，軌道交通的發(fā)展更是帶動了居民生活結(jié)構(gòu)發(fā)生質(zhì)的改變，這些都使得租金回報率空間圖分異明顯。

圖7　南京市租金回報率空間分布

4.3空間相關(guān)性分析

利用Geoda軟件計算南京市住宅租售比的MoranI指數(shù)，首先設(shè)置基于鄰近K-nearest Neighbor的空間權(quán)重矩陣，計算出MoranI指數(shù)為0.6680。比值大于0且接近于1，說明住宅小區(qū)租金回報率觀測值之間具有較強(qiáng)的空間正相關(guān)性，相鄰空間單元內(nèi)的租金回報率值的變化具有相同的趨勢，能夠拒絕隨機(jī)分布的假設(shè)，租金回報率在相距較近的地塊之間的相似程度很明顯，與區(qū)位因素有緊密聯(lián)系，具有相似屬性的呈聚集狀態(tài)，呈現(xiàn)高高聚集和低低聚集的空間分布規(guī)律，即年租金回報率高的地區(qū)其周邊住宅的租金回報率也較高，反之年租金回報率低的地區(qū)其周邊住宅的租金回報率亦較低。

5結(jié)語

本文通過采集南京市426個住宅小區(qū)的銷售價格和租賃價格，計算年租金回報率，以地租理論、城市區(qū)位理論和房地產(chǎn)市場分級理論為基礎(chǔ)，通過Arcgis、Geoda等軟件具體分析得出南京市住宅收益率的空間分布特征。研究結(jié)果表明：南京市的租金回報率整體分異性差異不明顯，峰值點(diǎn)大多出現(xiàn)在邊緣地區(qū)，這可能是區(qū)位，環(huán)境，交通、就業(yè)等多重因素作用的結(jié)果。

參考文獻(xiàn)

[1]李玉杰,王慶石.基于房價租金比的居民住房投資風(fēng)險實證分析[J].上海商學(xué)院學(xué)報,2011，12(1)：91-95.

[2]譚術(shù)魁, 李雅楠. 基于 Panel Data 模型的中國土地市場發(fā)育區(qū)域差異及其對房價的影響[J]. 中國土地科學(xué)，2013，27(2)：9-15.

[3]楊紅旭，張秀琴.房產(chǎn)租金回報率走低，房價快速上漲值得憂慮[J].上海房地，2009，(11)：21-25.

[4]周永宏.當(dāng)前我國房價與租金關(guān)系的經(jīng)濟(jì)學(xué)分析——一個市場區(qū)隔理論的解釋[J].當(dāng)代財經(jīng)，2005，(10)：13-16.

[5]陳寶強(qiáng).租金回報、債務(wù)償付與均衡杠桿率——基于美國房產(chǎn)市場的實證研究[J].上海金融，2010，(9)：64-67.

[6]劉仁和，程昆，莫金玲.我國四大城市住宅價格與租金的關(guān)系研究(下半月刊)[J].房地產(chǎn)市場，2011，(9)：19-25.

[7]Meese R，Wallace N. Testing the present value relation for housing prices: Should I leave my house in San Francisco[J]. Journal of Urban Economics，1994，35(3)：245-266.

[8]Gallin J. The Long-Run Relationship Between House Prices and Rents[J]. Real Estate Economics，2008，36(4)：635-658.

[9]Ito T. Effects of quality changes in rental housing markets with indivisibilities[J]. Regional Science and Urban Economics，2007，37(5)：602-617.

[10]Ayuso J，Restoy F. House prices and rents in Spain: does the discount factor matter[J]. Journal of housing economics，2007，16(3)：291-308.

Study of Nanjing Residential Yield Based on GIS

WANGQi1,MAXin1, 2,QIANHua-chao1

(1.Department of Engineering Management， Nanjing Forestry University， Nanjing 210037， China；

2.Southeast University， Nanjing 210096， China)

Abstract:Housing residential rental return is not only a measure of the real estate market price but also a guide to investment value of residential and bubble accumulated degree of the market, it can also guide the real estate investment and real estate market policies. This paper has chosen 426 residential units in Nanjing as samples to calculate the annual rate return, and uses ArcGis and Geoda to study the characteristics of space distribution. The study shows that the peaks of the Nanjing rental yields mainly appear in the edge areas, and the extreme value point mostly appears in the old districts; In addition, looking from the space, the rental yields in close distance block is relatively obvious, that is closely associated with the location factors. The location of residential, room age, traffic factors and school factors are likely to be the causes of the formation of this phenomenon.

Key words：rental yield; investment value; spatial distribution

中圖分類號：F224

文獻(xiàn)標(biāo)識碼：A

文章編號：2095-0985(2016)01-0110-05

通訊作者：馬欣(1977-)，男，江蘇泰州人，博士，副教授，研究方向為城市土地利用與房地產(chǎn)經(jīng)濟(jì)(Email：342564296@qq.com)

作者簡介：王啟(1992-)，女，河南洛陽人，碩士研究生，研究方向為房地產(chǎn)經(jīng)濟(jì)(Email：tangguodouding@126.com)

收稿日期：2015-08-25修回日期： 2015-10-27