城市服務設施對房價分布格局的影響力探究

張煊宜　施潤和

摘要：城市服務設施分布的空間分異性造成了住宅獲取各類城市服務的便捷度差異.為享受更優(yōu)質(zhì)的生活，人們往往會愿意支付更昂貴的價格購房.本文基于空間分異性思想，利用地理探測器模型，將各類服務設施的分布密度作為影響因子，以2018年上海市的城市住宅價格為例，探究各類城市服務設施對城市住宅價格的影響力.結(jié)果表明：①上海市整體房價分布從內(nèi)環(huán)沿軌道交通環(huán)線呈放射圈層向四周郊區(qū)遞減.②越靠近市中心，城市服務設施對塑造房價分布空間格局的影響力越顯著.③交通服務設施對上海市房價分布格局的影響力最顯著，城市服務設施對房價分布格局的影響力受到不同區(qū)域空間功能差異的影響，因此在房價調(diào)控中需要注意城市服務設施的優(yōu)化.

關鍵詞：地理探測器;公共服務設施;城市住宅價格;上海

中圖分類號：F299.23

文獻標志碼：A

DOI： 10.3969/j.issn.1000-5641.2019.06.016

0 引言

城市住宅是具有空間分布異質(zhì)性的商品，其價格受商品本身特征和周邊環(huán)境影響.城市服務設施空間分布分異造成了住宅獲取城市服務的差異，為了便捷地獲取到優(yōu)質(zhì)服務，人們往往會愿意支付更昂貴的價格購買住房[1].因此，城市服務設施對住宅價格具有資本化效應[2-3]，研究其對住宅價格的影響有助于促進城市協(xié)調(diào)發(fā)展，幫助政府進行城市服務設施資源管理，為投資商提供一定的參考.影響城市住宅價格的因素很多，城市住宅的外部環(huán)境對房價有顯著影響[4-5].在國內(nèi)外相關研究中，已有不少學者針對教育服務設施[6-7]、公共交通[8-9]、休閑娛樂設施[10-11]等城市基礎和公共服務設施對城市住宅價格的影響開展了相關的分析和評估.梳理已有研究的內(nèi)容和結(jié)果后發(fā)現(xiàn)，相關文章多集中于探究單一服務設施與房價的關系，缺乏各類設施對房價影響力的綜合探究.因此，本文基于地理探測器，探究上海市的各類服務設施的空間分異對住宅價格的影響，分析和衡量服務設施的社會經(jīng)濟價值，為政府進行公共服務設施的空間布局優(yōu)化調(diào)整和投資商進行投資的可行性判斷提供一定的理論參考.

1 研究對象與方法

1.1 研究區(qū)概況

上海位于我國東部長江出?？?，是我國最大的城市之一[12].它與江蘇、浙江兩省構(gòu)成了富饒的長江三角洲，交通便利，經(jīng)濟發(fā)達[13].2016年，上海市的財政總收入為6406億元人民幣，增速達到了16%，排名全國第1[14].作為我國最大的經(jīng)濟中心，上海的地理位置、就業(yè)機遇、教育環(huán)境和公共資源的優(yōu)越性吸引了大量的外地人口流入，購房問題關乎民生實際，一直是市民、政府和投資者等各方關注的焦點.據(jù)統(tǒng)計局有關數(shù)據(jù)顯示，2017年，上海市的房價漲幅位居全國第2，僅次于深圳[15]，而內(nèi)環(huán)以內(nèi)和外環(huán)以外的房價差價能高達每平方米10萬以上.房價空間分異受到不同區(qū)域空間功能差異影響，城市服務設施與區(qū)域空間功能的差異影響了城市住宅價格的分異格局，對其進行分析可以為政府調(diào)控房價提供一定幫助，為優(yōu)化城市服務布局、調(diào)節(jié)城市的區(qū)域空間功能提供科學參考.

1.2 研究思路

本文在分析上海市城市住宅價格空間格局的基礎上，探究城市服務設施的地理空間分布對住宅價格的影響力.用空間自相關識別上海市房價的冷/熱點聚集狀況，分析房價的空間分布格局，并將上海市的房價根據(jù)自然間斷法從高至低分為5個圈層，運用地理探測器分析不同圈層內(nèi)城市服務設施對房價影響力的差異，以此說明城市基礎服務設施對房價空間塑造的影響，研究的總體設計流程見圖1.

1.3 城市服務設施類別的選擇

考慮到居民對服務設施的需求，本文主要選取基礎教育設施、交通設施、金融保險設施、購物設施、醫(yī)療保健服務設施、體育休閑服務設施、餐飲服務設施、生活服務設施和風景名勝設施這9類作為影響因子進行探究[16]，各類設施的主要分類見表1.

1.4 數(shù)據(jù)來源與數(shù)據(jù)處理方法

1.4.1 房價數(shù)據(jù)

本文使用的上海市的房價數(shù)據(jù)源自主流房產(chǎn)網(wǎng)站.為使數(shù)據(jù)更為準確可靠，本文同時爬取了鏈家網(wǎng)（https：//sh.lianjia.com/）、安居客（https：//shanghai.anj uke.com/）和房天下（http：//sh.fang.com/）3個網(wǎng)站上2018年5月份的最新房價數(shù)據(jù)進行均價計算，整理后得到上海市27 609個小區(qū)的房價數(shù)據(jù)，為消除噪聲影響，使用1 kmxl km網(wǎng)格進行進一步整理統(tǒng)計，進而用地理探測器探究服務設施空間分異對房價的影響力.

1.4.2 城市服務設施數(shù)據(jù)

城市服務設施數(shù)據(jù)來自高德地圖（https：//www.amap.com/），采集時間與房價數(shù)據(jù)同步，按表1所列類別采集上海市各類城市服務設施信息并進行空間落點.計算各類服務設施在1km2網(wǎng)格空間內(nèi)的密度，以此為地理探測器分析基礎.

1.5 研究方法

1.5.1 局部空間自相關（熱點分析）

本文采用統(tǒng)計量Gi來反映空間數(shù)據(jù)的熱點聚集性[17].局部空間自相關將單個房價要素及其相鄰要素的局部總和與整體總和加以比較，并用整體總和對局部總和進行估計.若局部總和接近估計量，則判斷為沒有顯著聚集性;若差異較大，會通過計算Z值來區(qū)分高房價聚集區(qū)和低房

2 上海市房價空間分布格局分析

上海市主要居住用地集中在外環(huán)以內(nèi)及近郊，房價高值區(qū)在內(nèi)環(huán)中心城區(qū).房價分布沿軌道交通主干線向周邊郊區(qū)延伸，形成以內(nèi)環(huán)為中心，以放射圈層狀向四周遞減的格局，符合上海城市發(fā)展空間格局特征（見圖2a）.在去除極端噪聲并經(jīng)過1 km2的網(wǎng)格平均統(tǒng)計后，房價在9 000 -13 000元/m2的范圍內(nèi)浮動，其中，全市最低值出現(xiàn)在崇明，最高值出現(xiàn)在徐匯，上海各小區(qū)的平均房價約為6萬元/m2.平均房價最高的區(qū)縣是靜安，約為9萬元/m2;平均房價最低的是崇明，約為2萬元/m2（見圖3）.

用G統(tǒng)計量進行局部空間自相關分析（見圖2b-d），結(jié)果顯示，上海市房價同時存在熱點（高房價）聚集和冷點（低房價）聚集.Z得分較高的區(qū)域主要為外環(huán)以內(nèi)，用P值假設檢驗發(fā)現(xiàn)，外環(huán)線附近的P>0.05，并未通過假設檢驗，即無明顯的聚集性.上海外環(huán)線是居民剛需置業(yè)和改善置業(yè)的分水嶺，又經(jīng)過部分軌道交通末端及張江高科技術園區(qū)等產(chǎn)業(yè)園區(qū)，部分區(qū)域房價的漲幅較大，造成外環(huán)線附近的房價分布較為離散，高低不均，結(jié)合Z得分和P值可以基本得到結(jié)論：上海市熱點聚集區(qū)主要集中在上海外環(huán)線以內(nèi)，而外環(huán)線以外基本為冷點聚集區(qū)，總體特征表現(xiàn)為中心高四周低，下文將對城市服務設施對房價的影響進行分析，以探討上海房價的空間格局的形成機理.

3 城市服務設施對房價的影響力分析

3.1 上海市房價圈層劃分

本文使用Jerks提出的自然間斷法[19]，將上海劃分成5個圈層空間（見圖4），并以此計算房價均值、標準差（見表2）及城市服務設施對塑造房價空間分布格局的解釋力.可以看到，上海各個圈層的房價差異顯著.從中心第1圈層的90 851元/1112遞減到第5圈層的17 149元/m2，房價的變異性則是從第5圈層向中心第1圈層遞增.同時也可以看出，上海市整體的房價分布離散程度大，區(qū)域內(nèi)房價冷熱不均且差異較大.

3.2 城市服務設施對上海市整體房價分布格局的影響力

各類城市服務設施的密度與房價有明顯正相關關系（見圖5），在各類城市服務設施密度越大，即城市基礎與公共服務越完善的空間功能優(yōu)越區(qū)域，房價一般會高漲.房價曲線快速上漲的拐點出現(xiàn)在6萬～8萬元/m2之間，空間分布集中在外環(huán)以內(nèi)，8萬以上的房價上升趨勢更為劇烈，這部分樓盤主要集中在中環(huán)以內(nèi).

為進一步探究各類城市服務設施對房價分布格局的影響，本文使用地理探測器進行研究分析，結(jié)果發(fā)現(xiàn)：在上海市全市整體范圍中，各類城市服務設施對房價的解釋力排序為交通設施>餐飲服務>體育休閑服務>金融保險服務>生活服務>醫(yī)療保健服務>購物>基礎教育設施>風景名勝（見圖6）.其中，交通設施對于房價分布形態(tài)的塑造影響最強.城市交通設施的建設不但能改變城市用地性質(zhì)，促進土地開發(fā)強度，還能提高周邊物業(yè)對各類城市服務的可達性，帶來周邊房地產(chǎn)價值的上漲.尤其在面積廣闊、生活節(jié)奏快的大城市，居民更愿意為可靠的交通設施和便利的出行條件付出更高的價格，

與日常生活息息相關的餐飲、體育休閑、金融保險和生活服務對房價分布的影響力較為接近，q值均在0.38～0.42之間，快節(jié)奏的生活使居民對該類服務便捷度就有了更高要求.城市居民對自身生活品質(zhì)的日益重視和追求在體育休閑服務的解釋力上也能夠有所體現(xiàn)，隨著居民生活水平和對健康的關注度持續(xù)提高，住房周邊的健身休閑配建水平也成為了居民買房時考慮的重要因素.體育休閑服務設施的完善可以有助于房產(chǎn)項目的銷售和升值.基礎教育設施在這9類服務設施中排名相對較低，但并不代表房價受教育設施影響小，而是房價整體空間布局受教育設施的影響相對其他因素較小，教育設施相對其他設施來說，數(shù)量明顯較為稀少，其影響力范圍有局限.教育設施對房價的影響力在局部區(qū)域會特別顯著，而本文主要探討的是整體分布格局與設施空間分布的關系，范圍較大.教育設施局部影響力強，但數(shù)量較少，因此從宏觀尺度，教育設施對房價整體分布格局的影響力會有所削弱.

3.3 城市服務設施對不同圈層中房價分布格局的影響

將各國層中各類因子對房價分布格局的解釋力分別排序并進行比較發(fā)現(xiàn)f見圖71：城市服務設施在各國層中對于房價分布格局的影響力排序與全市范圍相似，但仍反映出了一些特殊的變化特征.在整體上，各類服務設施的解釋力從第5圈層到第1圈層在普遍增高，這說明越靠近市中心，由服務設施所造成的房價變動越大，即城市服務設施對塑造房價分布空間格局的影響力越高，這與根據(jù)各個圈層的標準偏差中看到的房價變異性從第5圈層到第1圈層逐漸增高的規(guī)律是相符合的.

從第1圈層到第5圈層，交通設施和餐飲服務對于房價分布格局的影響力差在不斷減小，最后在第5圈層中，交通設施對房價的影響力被餐飲服務反超.這可能是與在遠郊圈層購房的居民由于利用公共交通進行市內(nèi)通勤的距離過遠，時間過長，因此更傾向于使用私家車出行，對公共交通設施的依賴性降低有關.生活服務設施作為居民日常生活的基本保障，其在各個圈層的排名較為穩(wěn)定，均在第3、4名.外圈層中體育休閑服務對于房價分布格局的影響力排名較內(nèi)圈層高，能一定程度地反映外國層的休閑娛樂功能.而金融保險服務則與體育休閑服務相反，從第1圈層的第4名逐漸下降至第5圈層的第7名，無論是從數(shù)值上還是各類因子的排名上看，金融保險服務對房價的解釋力在內(nèi)圈層相對更為顯著，反映出金融保險服務對中心圈層的影響大于外圈層.醫(yī)療保險服務在各類因子對房價影響解釋力中的排名基本保持在第5、6名左右，而基礎教育設施、購物和風景名勝則在第7、8、9名徘徊，這幾類城市服務設施排在交通設施、餐飲服務、生活服務這3類保障居民日?；A生活的設施與提升居民生活品質(zhì)的體育休閑服務之后，說明城市居民對住房配套的首要需求一般是保障交通出行和日常生活，然后是提升生活品質(zhì)和滿足經(jīng)濟行為，在此基礎上進一步考慮生活中可能需要的醫(yī)療、購物、教育和游玩等.基礎教育設施的排名從城市中心的第1圈層到最外圍的第5圈層不斷上升，但需要注意的是，雖然教育設施對房價空間分布格局的解釋力的排名是增高的，但是越往市郊圈層，解釋力的數(shù)值是整體降低的.外部圈層的房價平均值小，標準偏差小，即整體房價變化波動變小了，因此計算出的各類設施對房價的影響力也會變小，而教育設施對局部房價影響力的減弱程度相比其他設施要低，從而造成了教育設施的排名反而在增高.

4 結(jié)果與討論

本文使用2018年上海房源數(shù)據(jù)，通過綜合多個主流房產(chǎn)網(wǎng)站的信息、去除極端值等數(shù)據(jù)處理方法增強數(shù)據(jù)可靠性，并使用了局部空間自相關方法分析上海市的房價空間分布格局.地理探測器是空間數(shù)據(jù)探索的有力方法，適用于數(shù)值量空間分異性的度量.因此，本文用其識別對房價影響顯著城市服務設施因子，探究各類城市服務設施對房價整體分布格局的影響力.主要結(jié)論以及相關討論如下.

（1）上海各小區(qū)的平均房價約為6萬元/m2.平均房價最高的區(qū)縣是靜安，最低的是崇明.上海市房價冷熱分布不均且差異較大，房價高值集中在中心城區(qū)，沿軌道交通主干線向各個郊區(qū)延伸，整體形成以內(nèi)環(huán)為中心，以放射圈層狀向四周郊區(qū)遞減的格局.但也有部分地區(qū)較為特殊，在地圖上顯示出了與周邊不同的高值或低值，最明顯的有佘山高級別墅群，主要是在絕佳的天然景觀資源和獨特的歷史沉淀影響下所形成.除此之外，還有部分科技園以及產(chǎn)業(yè)園區(qū)周邊，也由于政策影響，房價較周邊有所抬升.對于這部分區(qū)域，房價的響應可能會稍快于城市設施的建設，但總體而言，上海地區(qū)房價和服務設施的分布仍存在明顯正相關關系.

（2）在上海全市整體范圍中，各類城市服務設施對房價的解釋力排序為交通設施>餐飲服務>體育休閑服務>金融保險服務>生活服務>醫(yī)療保健服務>購物>基礎教育設施>風景名勝.從各類因子的排名可以看出：交通服務設施的改善能夠提升所有城市服務設施的可達性和服務水平，獲取公共交通服務越快捷的小區(qū)，獲取各類城市服務均會較為便利，因此居民最愿意為可靠的公共交通設施和便利的出行條件付出更高的價格.基礎教育設施排名相對較低并不代表房價受教育設施影響小.教育設施局部影響力強，但數(shù)量較少，因此從宏觀尺度來看，教育設施對房價整體分布格局的影響力會有所削弱.

（3）各類服務設施的解釋力從第5圈層到第1圈層在普遍增高，說明越靠近市中心，城市服務設施對塑造房價分布空間格局的影響力越顯著.在不同的圈層中，城市服務設施對于房價的影響力受空間功能差異和公共服務配置情況的影響，一般情況下，服務越完善的區(qū)域房價較高.因此，在房價調(diào)控中需要注意區(qū)域的空間功能和公共服務配置的優(yōu)化，例如在遠郊區(qū)域應該加強教育服務設施的建設等.

房價的空間分異與城市服務設施的不均等有很大關系.分析各類服務設施對房價的影響力，有針對性、階段化地對區(qū)域服務進行改善，明確城市服務投入，科學合理地評價城市服務設施的落實情況和效果，能夠不斷完善實現(xiàn)城市服務設施均衡分布，解決民生問題是漫長而艱巨的過程，需要我們不斷探索.

[參考文獻]

[1] 楊林川，張銜春，洪世鍵，等.公共服務設施步行可達性對住宅價格的影響——基于累積機會的可達性度量方法[J].南方經(jīng)濟，2016， V34（1）： 57-70.

[2] 許光建，魏義方，戴李元，等.中國城市住房價格變動影響因素分析[J].經(jīng)濟理論與經(jīng)濟管理，2010，V（8）： 5-14.

[3] 李祥，高波，王維娜公共服務資本化與房價租金背離——基于南京市微觀數(shù)據(jù)的實證研究[J].經(jīng)濟評論，2012（5）： 78-88

[4] 王德，黃萬樞.外部環(huán)境對住宅價格影響的Hedonic法研究——以上海市為例[J].城市規(guī)劃，2007，31（9）： 34-41.

[5] 楊冬寧.城市環(huán)境對住宅價格形成的影響分析[J].城市規(guī)劃，2011（6）： 36-40.

[6] HAURIN D R， BRASINGTON D. School quality and real house prices： Inter- and intrametropolitan effects [Jl.Journal of Housing Economics， 1996， 5（4）： 351-368

[7] TURNBULL G K： ZAHIROVIC-HERBERT V， ZHENG M. Uncertain school quality and house prices： Theoryand empirical evidence [J]. Journal of Real Estate Finance& Economics， 2017（9）： 1-25

[8] BOWES D R， IHLANFELDT K R. Identifying the impacts of rail transit stations on residential property values[J]. Journal of Urban Economics， 2001， 50（1）： 1-25.

[9] 葉霞飛，蔡蔚.城市軌道交通開發(fā)利益的計算方法[J].同濟大學學報（自然科學版），2002， 30（4）： 431-436.

[10] 梁軍輝，林堅，吳佳雨.北京市公共服務設施配置對住房價格的影響[J].城市發(fā)展研究，2016， 23（9）：82-87

[11]KOOSHALI A D. PARVIZI R， AZERI A R K， et al.A comparative study on the effect of nature on satisfactionwith residence at detached houses （single unit） and residential building complexes （apartment） [J]. Procedia-Social and Behavioral Sciences， 2015， 201： 243-254.

[12] 汪道涵，上海的經(jīng)濟及對外經(jīng)濟聯(lián)系的發(fā)展[J].世界經(jīng)濟，1981（5）：54-55.

[13] 徐邁.我國保險市場現(xiàn)狀及其發(fā)展趨勢——上海市保險市場的調(diào)查報告[J]保險研究，1996（4）： 35-39.

[14] 李凱，張濤上海市2017 2020年GDP預測研究——基于改進的GM（1，I）模型[J]華東經(jīng)濟管理，2017， 31（10）： 11-15.

[15] 張永慶，蔣海霞.基于博弈論視角的上海市房價現(xiàn)狀分析[J]，物流工程與管理，2017， 39（4）： 168-170.

[16] 蔡秀云，李雪，湯寅吳.公共服務與人口城市化發(fā)展關系研究[J].中國人口科學，2012 （6）：58-65.

[17]GETIS A， ORD J K. The analysis of spatial association by use of distance statistics [J]. Geographical Analysis，1992， 24（3）： 189-206.

[18] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017， 72（1）： 116-134.

[19] SMITH M J，GOODCHILD M F. LONGLEY P A. Geospatial Analysis：A Comprehensive Guide [M]. [8.1];Matador， 2009.

（責任編輯：李萬會）

收稿日期：2018-10-18

基金項目：上海市浦東新區(qū)統(tǒng)計局普查中心統(tǒng)計項目;中央高校基本科研業(yè)務費項目

第一作者：張煊宜，女，碩士研究生，研究方向為地理信息系統(tǒng).E-mail： xuanyi_931204@163.com.

通信作者：施潤和，男，副教授，碩士生導師，研究方向為定量遙感算法研究與應用.

E-mail： thshi@geo.ecnu.edu.cn.