基于GWR的南昌市中心城區(qū)商業(yè)地價驅(qū)動因素分析

賴夏華，郭 熙，趙小敏，易 丹，韓 逸

（江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室/江西農(nóng)業(yè)大學(xué)，江西 南昌 330045）

1 引言

地價作為城市經(jīng)濟(jì)的“晴雨表”，是調(diào)控城市土地和配置土地資源的重要手段[1]。商業(yè)地價作為城市地價的重要組成部分，不但折射出一個城市的商業(yè)繁榮程度和經(jīng)濟(jì)活力情況[2]，而且還能引導(dǎo)經(jīng)濟(jì)實(shí)體分布[3-4]，進(jìn)而塑造城市地價格局。由于商住聯(lián)動現(xiàn)象普遍存在[3，5-6]，商業(yè)地價的變化對周圍住宅地價具有重要的影響，因此研究商業(yè)地價的空間分布特征對城市土地資源的合理配置和科學(xué)規(guī)劃尤為重要[7]。

隨著土地市場的建立與完善，國內(nèi)外對商業(yè)地價的研究內(nèi)容日漸豐富，主要集中在空間分布規(guī)律以及地價驅(qū)動因素的研究[8-12]，研究的方法從傳統(tǒng)的描述性分析向空間計量經(jīng)濟(jì)發(fā)展。反距離加權(quán)（Inverse Distance Weighted, IDW）[11，13]和半變異函數(shù)[14-15]在刻畫地價空間分布規(guī)律和空間結(jié)構(gòu)方面被廣泛運(yùn)用。很多學(xué)者選擇特征價格法[8-9，16]作為解釋地價與驅(qū)動因素關(guān)聯(lián)的重要方法，但是其只能從全局分析驅(qū)動因素，無法揭示變量的空間分異[17]。BRUNSDON等[18]提出的地理加權(quán)回歸（Geographically Weighted Regression, GWR）模型具有揭示空間非平穩(wěn)性和空間依賴性[17，19]的優(yōu)勢，因此，為了揭示驅(qū)動因素的局部影響，很多學(xué)者采用GWR模型對地價的驅(qū)動因素進(jìn)行分析并取得不錯的效果[20-22]。

當(dāng)前的研究表明地價受相互滲透、復(fù)雜多變的各個因素的綜合影響[22-23]，以致當(dāng)前的研究側(cè)重在與居民福祉休戚相關(guān)的住宅地價研究，商業(yè)地價研究雖也有一定的涉及，但是相對而言較為有限，并且大多數(shù)研究沒有區(qū)分一般商業(yè)用地與商務(wù)金融用地。此外，大多數(shù)研究者基于區(qū)位、鄰近設(shè)施、環(huán)境和其他因素[20，22]分析地價的空間分異，忽略了與商業(yè)地價密切相關(guān)的人口因素，尤其是大數(shù)據(jù)時代背景下作為常住人口分布數(shù)據(jù)有效補(bǔ)充的動態(tài)人口分布因素[24]。人口因素決定了商業(yè)活動的繁榮程度，是影響商業(yè)布局的主要因素[25-26]，也是服務(wù)設(shè)施選址布局的決定因素[27]，對商業(yè)地價有明顯影響。再者，這些研究大多從距離的角度[28-29]量化驅(qū)動因素，較少從供給角度考慮設(shè)施數(shù)量[30]對地價的影響。一般來說，一定范圍內(nèi)服務(wù)設(shè)施數(shù)量越多，服務(wù)的人口容量越龐大，該地區(qū)的商業(yè)越具有活力[31]，商業(yè)地價增值可能性更高。關(guān)于地價空間規(guī)律的探索大多集中在北京[22，32]、南京[12，14]和武漢[10]等一線大城市，而對南昌等二線城市的地價鮮有研究。南昌市作為中部省會城市之一，是僅有的一個毗鄰長江三角洲、珠江三角洲和閩南金三角的省會中心城市,其區(qū)位優(yōu)勢明顯，但是卻沒有成為中部城市經(jīng)濟(jì)的領(lǐng)頭羊[33]。與一線大城市相比，南昌市在經(jīng)濟(jì)發(fā)展水平與人口總量上存在差距，其地價分布規(guī)律與驅(qū)動地價變化的因素可能也存在差異。因此，挖掘南昌市商業(yè)地價的空間規(guī)律及其驅(qū)動因素，不僅豐富了地價驅(qū)動因素的研究，還有利于引導(dǎo)南昌市城市合理規(guī)劃、土地資源優(yōu)化配置，為類似地區(qū)的發(fā)展與規(guī)劃提供借鑒。

鑒于此，本文以南昌市中心城區(qū)為研究區(qū)域，以實(shí)時監(jiān)測的商業(yè)地價為研究對象，在分析地價空間結(jié)構(gòu)和特征的基礎(chǔ)上，運(yùn)用GWR模型定量揭示驅(qū)動因素的空間分異規(guī)律，以期為南昌市用地合理布局與城市科學(xué)規(guī)劃提供依據(jù)。

2 研究數(shù)據(jù)與研究方法

2.1 研究區(qū)概況

南昌市在過去的10年間平均地價增長了兩倍，超過全國平均水平①數(shù)據(jù)來源于地價監(jiān)測網(wǎng)（http: //www.landvalue.com.cn/Home/Index）。。與周圍省會城市相比，南昌市GDP總量僅有5 000億元，長沙市大約10 000億元，武漢市更是高達(dá)13 410億元左右②數(shù)據(jù)來源于南昌市統(tǒng)計年鑒（2018年）、長沙統(tǒng)計年鑒（2018年）、武漢統(tǒng)計年鑒（2018年）。；然而南昌市監(jiān)測的平均地價水平（5 738元/m2）略高于武漢市（5 574元/m2），遠(yuǎn)高于長沙市（4 660元/m2）?？紤]到南昌市地價監(jiān)測點(diǎn)的分布情況，以南昌市中心城區(qū)為研究區(qū)域，主要包括經(jīng)濟(jì)技術(shù)開發(fā)區(qū)、紅谷灘新區(qū)、東湖區(qū)、西湖區(qū)、青山湖區(qū)、高新區(qū)和青云譜區(qū)，總面積為350.11 km2，其中，紅谷灘新區(qū)屬于新城區(qū)。

2.2 數(shù)據(jù)收集與處理

2.2.1 監(jiān)測地價

地價數(shù)據(jù)來源于中國地價監(jiān)測網(wǎng)（http: //www.landvalue.com.cn/）2019年2月南昌市地價監(jiān)測點(diǎn)，共47個商業(yè)地價監(jiān)測樣點(diǎn)，剔除商務(wù)金融類樣點(diǎn)7個，商業(yè)用地監(jiān)測樣點(diǎn)實(shí)為40個。為滿足數(shù)據(jù)分析與建模要求，本文剔除異常值，在參考南昌市基準(zhǔn)地價修正體系的基礎(chǔ)上統(tǒng)一地價內(nèi)涵。借助IBM SPSS Statistics 22軟件對監(jiān)測地價進(jìn)行數(shù)據(jù)描述性分析和Kolmogorov-Smirnov（K-S）檢驗(yàn)，并基于驗(yàn)證結(jié)果進(jìn)行IDW插值。

2.2.2 地價驅(qū)動因素

人口因素是商業(yè)布局的決定因素[34-35]。人口因素與商業(yè)網(wǎng)點(diǎn)布局相互影響，人口的分布引導(dǎo)商業(yè)設(shè)施和公共設(shè)施布局，反過來，完善便捷的設(shè)施又會吸引城市人口集聚，尤其是在城市的重要節(jié)點(diǎn)，如地鐵站、汽車站、火車站以及商業(yè)綜合體。這些區(qū)域的商業(yè)用地具有更大的升值空間。借鑒已有的研究[7，23，25]，將商業(yè)驅(qū)動因素歸納為商業(yè)活力、交通條件、公共服務(wù)設(shè)施和宗地屬性。

收集監(jiān)測樣點(diǎn)的面積、人口密度、人流量、車站站點(diǎn)、公交站點(diǎn)、地鐵站點(diǎn)、主要道路、大學(xué)、醫(yī)院、中小學(xué)、商業(yè)綜合體和公園數(shù)據(jù)。道路數(shù)據(jù)根據(jù)2019年百度地圖進(jìn)行矢量；常住人口密度來源于第六次人口普查的南昌市街道人口數(shù)據(jù)，通過百度地圖拾取坐標(biāo)系統(tǒng)獲取街道辦坐標(biāo)后生成人口密度點(diǎn)數(shù)據(jù)；人流量通過騰訊“宜出行”平臺獲取，為了避免節(jié)假日的影響，收集南昌市2019年正常工作日的手機(jī)信令數(shù)據(jù)并進(jìn)行清洗，經(jīng)ArcGIS 10.2軟件將帶有坐標(biāo)的信令數(shù)據(jù)轉(zhuǎn)為人流量點(diǎn)數(shù)據(jù)；2019年的商業(yè)綜合體、地鐵站點(diǎn)、公交站點(diǎn)、大學(xué)和公園等POI數(shù)據(jù)通過網(wǎng)絡(luò)爬取，其中商業(yè)綜合體主要包含萬達(dá)、百盛和天虹等大型的知名消費(fèi)商場。道路數(shù)據(jù)、人口數(shù)據(jù)和POI數(shù)據(jù)投影至相同坐標(biāo)系并進(jìn)行校正，之后運(yùn)用ArcGIS 10.2進(jìn)行鄰近分析和核密度分析，分別獲得POI點(diǎn)到監(jiān)測樣點(diǎn)的最短距離、人口密度和人流量密度。根據(jù)《城市公共交通站、場、廠設(shè)計規(guī)范》采用緩沖區(qū)分析，統(tǒng)計監(jiān)測樣點(diǎn)800 m范圍內(nèi)的公交車站數(shù)量。

2.3 研究方法

2.3.1 半變異函數(shù)分析

半變異函數(shù)作為地統(tǒng)計學(xué)中研究空間自相關(guān)的重要方法，常用于區(qū)域空間的異質(zhì)性研究，通過度量數(shù)據(jù)點(diǎn)的距離與變異值，解釋空間分異的結(jié)構(gòu)性與隨機(jī)性[36-37]。計算公式為：

式（1）中：α（d）為半方差函數(shù)；d為步長，即樣點(diǎn)間隔距離；N（d）為間隔距離為d的點(diǎn)對數(shù)；Z（xi）、Z（xi+d）分別為變量Z（x）在空間xi和（xi+d）處的觀測值。

1.3.1 測產(chǎn)。辣椒于7月20日移栽，9月20日第一次采收，12月5日最后一次采收。全生育期內(nèi)共采收 5次，每次采收按小區(qū)計實(shí)產(chǎn)。

2.3.2 GWR

GWR是一種局部線性回歸，相比于傳統(tǒng)的全局回歸，地理加權(quán)回歸用地理加權(quán)的樣點(diǎn)來估算每個樣本的參數(shù)值，進(jìn)而解釋各變量在空間上對地價的影響程度。基于地理加權(quán)回歸允許變量的空間分異性，此方法是一種有效的探索空間非平穩(wěn)性的方法[17]。GWR的一般形式和系數(shù)估計分別如下：

式（2）—式（3）中：Yj為第j個監(jiān)測點(diǎn)的土地價格；β0（uj，vj）為常數(shù)項(xiàng)；（uj，vj）為第j個監(jiān)測點(diǎn)的空間坐標(biāo)；βi（uj，vj）為監(jiān)測點(diǎn)j處第i個解釋變量xji的回歸系數(shù)；cj為監(jiān)測點(diǎn)j處的隨機(jī)誤差；X為自變量矩陣；XT表示自變量的轉(zhuǎn)置矩陣；W（uj，vj）為監(jiān)測點(diǎn)j處的空間權(quán)重函數(shù)，根據(jù)自適應(yīng)的高斯函數(shù)確定。

3 結(jié)果與分析

3.1 南昌市地價分析

3.1.1 南昌市地價描述性統(tǒng)計分析

統(tǒng)計結(jié)果（表1）顯示，南昌市商業(yè)地價均值為9 942.200元/m2，最大值與最小值的比值為3.03。變異系數(shù)為28.73%，屬于中等程度變異，表明南昌市地價分布存在空間異質(zhì)性。K-S檢驗(yàn)結(jié)果表明南昌市商業(yè)地價符合正態(tài)分布。

表1 南昌市商業(yè)地價的描述性統(tǒng)計特征Tab.1 Descriptive statistical characteristics of commercial land price in Nanchang City

3.1.2 南昌市地價空間分析

半變異函數(shù)能夠刻畫地價空間分布的特征，揭示地價的空間相關(guān)性和距離之間的關(guān)系，是探索地價空間變異性的重要方法[38]。表2說明，地價的最優(yōu)擬合模型為高斯模型，模型的擬合系數(shù)為0.948，擬合度高。商業(yè)地價的塊金效應(yīng)為7.208%，變程為8 138 m，根據(jù)塊金系數(shù)劃分標(biāo)準(zhǔn)[39]，南昌市商業(yè)地價具有強(qiáng)空間相關(guān)性，空間自相關(guān)范圍廣，并且主要受到結(jié)構(gòu)性因素（如交通、環(huán)境和基礎(chǔ)設(shè)施）[14]作用。

表2 南昌市商業(yè)地價半變異函數(shù)參數(shù)Tab.2 Semi-variogram function parameters of commercial land price in Nanchang City

圖1 南昌市商業(yè)地價空間分布圖Fig.1 Spatial distribution of commercial land price in Nanchang City

3.2 驅(qū)動因素結(jié)果

商業(yè)地價驅(qū)動因素分為4類共13個維度，分別是商業(yè)綜合體距離、人口密度、人流量，公交車站距離、公交車站數(shù)量、地鐵站距離、車站距離、主干道距離，大學(xué)距離、中小學(xué)距離、醫(yī)院距離、公園距離和面積。經(jīng)Pearson相關(guān)分析和方差膨脹因子（Variance Inflation Factor, VIF）檢驗(yàn)，結(jié)果顯示大學(xué)距離對商業(yè)地價沒有顯著影響。由于地鐵站點(diǎn)與商業(yè)綜合體為一體式發(fā)展，二者具有嚴(yán)重的多重共線性，且其VIF值高于商業(yè)綜合體距離，故將地鐵站距離剔除并再次進(jìn)行檢驗(yàn)。表3中的各個驅(qū)動因子都通過多重共線性檢驗(yàn)（VIF＜7.5）。

表3 商業(yè)地價變量選取與描述統(tǒng)計Tab.3 Selection and description statistics of driving factors of commercial land price

3.3 GWR模型計算結(jié)果與分析

考慮到地價具有空間異質(zhì)性特點(diǎn)，運(yùn)用ArcGIS 10.2構(gòu)建GWR模型，得到調(diào)整的R2為0.691，這說明GWR模型能解釋69.1%的地價變化情況。運(yùn)用OLS模型得到調(diào)整的R2為0.672。相比于OLS模型，GWR模型對地價的解釋能力更強(qiáng)。

表4為GWR模型運(yùn)算結(jié)果。從回歸系數(shù)的平均值來看，各因素對商業(yè)地價的平均貢獻(xiàn)度依次為Num_Bus＞Dis_sch＞Dis_bus＞Dis_hos＞Dis_park＞Dis_road＞Dis_tran＞Flow＞Dis_com＞Popu＞Area。800 m范圍內(nèi)的公交車站數(shù)量對商業(yè)地價的邊際貢獻(xiàn)最大，宗地面積的邊際貢獻(xiàn)最小?；貧w系數(shù)的正負(fù)值說明驅(qū)動因素存在局部的空間異質(zhì)性[21]。

表4 GWR模型運(yùn)算結(jié)果Tab.4 Results of GWR model

3.3.1 商業(yè)活力對商業(yè)地價的影響

通常情況下，商業(yè)綜合體集購物娛樂餐飲于一體，且其具有相對完善的交通基礎(chǔ)設(shè)施，能吸引密集的人口集聚，因此與商業(yè)綜合體距離越近，商業(yè)地價越高。南昌市中心城區(qū)大體也呈現(xiàn)出這種規(guī)律（圖2（a））。南昌市商業(yè)綜合體主要分布在東湖區(qū)與紅谷灘新區(qū)，包含萬達(dá)、百盛和天虹，并與地鐵接駁。以商業(yè)綜合體為中心而形成的消費(fèi)場所，是為城市居民提供多重體驗(yàn)消費(fèi)的重要載體[34]，也通常是商業(yè)活動最為繁華的地區(qū)，因此隨著與商業(yè)綜合體距離的縮短，商業(yè)地價逐漸攀升。在經(jīng)濟(jì)技術(shù)開發(fā)區(qū)，商業(yè)綜合體的溢價作用最為強(qiáng)烈，這主要是因?yàn)榻?jīng)濟(jì)技術(shù)開發(fā)區(qū)內(nèi)缺乏綜合的商業(yè)活動中心，而在其他區(qū)域，商業(yè)綜合體或多或少均有分布，故其增值作用稍弱。

人口密度、人流量均對商業(yè)地價有提升作用（圖2（b）、2（c）），也就是說隨著人口密度和人流量的增加，商業(yè)地價趨于上升。人口密度對商業(yè)地價的作用強(qiáng)度由西至東遞減，新城區(qū)的商業(yè)地價對人口密度表現(xiàn)得最為敏感。由于人口密度是影響零售商業(yè)分布的主要因素[25]，作為規(guī)劃的新城區(qū)，人口密度相對較小，每平方公里人口密度的增加促使商業(yè)地價上漲得最為明顯。而老城區(qū)人口密度較大，在短時間內(nèi)人口增長對商業(yè)地價的促進(jìn)作用有限。

圖2 商業(yè)活力對商業(yè)地價影響的空間差異Fig.2 Spatial variation in the impact of commercial vitality on commercial land price

人流量對商業(yè)地價的增值能力也呈現(xiàn)類似規(guī)律，但其增值作用略強(qiáng)于人口密度。城市居民晝出夜歸的通勤特征，使得人流量在興趣點(diǎn)迅速聚集[24]，因而城市的商業(yè)活動消費(fèi)模式具有時變性[34]。對于商業(yè)而言，人口匯集促使商業(yè)活動頻繁，商業(yè)活力因此得以提升，所以商業(yè)地價對人流量的變化更為敏銳。但是在高新區(qū)的大部分區(qū)域，人流量與商業(yè)地價呈相反的作用機(jī)制。這主要是因?yàn)楸姸嘈滦彤a(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)在高新區(qū)集聚，使得該區(qū)域的人流量密集，因此出現(xiàn)人流量大而商業(yè)地價低的現(xiàn)象。

3.3.2 交通條件對商業(yè)地價的影響

圖3顯示的是交通因素對商業(yè)地價的空間異質(zhì)性影響。交通站點(diǎn)周圍往往有較密集的人流量，商業(yè)活動經(jīng)常伴隨著交通節(jié)點(diǎn)展開。

公交車站距離的貢獻(xiàn)率為［-0.171，1.522］（圖3（a）），這表明公交車站對地價的影響存在空間異質(zhì)性。在南昌市的大部分區(qū)域，商業(yè)地價隨著公交車站距離的增加而上升，只有青云譜區(qū)與青山湖區(qū)小部分區(qū)域會下降。一般來說，公交車站周圍伴隨著一系列商業(yè)活動的開展，商業(yè)地價可能越高，但是南昌市商業(yè)地價并未因公交車站距離的縮短而上漲。這主要是因?yàn)楣卉囌痉植驾^為均勻，且其承擔(dān)的是?？颗c中轉(zhuǎn)的作用，其距離的遠(yuǎn)近意味著便利程度而非人流量的匯集，所以商業(yè)地價與公交車站的距離呈現(xiàn)出同向作用機(jī)制。盡管公交車站距離的縮短對商業(yè)地價沒有促進(jìn)作用，但是公交車站數(shù)量的增加卻使得商業(yè)地價大幅度增加（圖3（b）），800 m范圍的公交車站每增加一個，商業(yè)地價至少上漲116.897元/m2。這與已有研究結(jié)果[16，40]類似，即公交車站數(shù)量越多，房產(chǎn)價值越高。人口密度與公共交通之間的隨機(jī)關(guān)聯(lián)性[41]使得公交車站的布設(shè)與人口因素緊密結(jié)合，出于城市便捷的公共出行要求，在人口高度集聚的城市商業(yè)地帶，公交車站數(shù)量往往密集，因此商業(yè)地價與公交車站數(shù)量具有相同的作用方向。南昌市北端的公交車站分散且數(shù)量有限，公交車站數(shù)量的增加致使商業(yè)地價迅速抬升，而公交車站相對均勻的其他區(qū)域，商業(yè)地價受到公交車站數(shù)量的抬升作用逐漸減弱，呈現(xiàn)出明顯的圈層結(jié)構(gòu)。

圖3 交通條件對商業(yè)地價影響的空間差異Fig.3 Spatial variation of traffic condition on commercial land price

圖（3（c））顯示主干道距離與商業(yè)地價呈負(fù)相關(guān)，回歸系數(shù)從經(jīng)濟(jì)技術(shù)開發(fā)區(qū)向昌東地區(qū)逐漸變小。主干道距離越近，為以批發(fā)零售為主的一般商業(yè)活動提供的服務(wù)越便捷，因此呈現(xiàn)出距離主干道越近，商業(yè)地價越高的規(guī)律，這與已有的研究一致[7，20]。汽車站和火車站作為對外交通的節(jié)點(diǎn)，也是人流量非常密集的區(qū)域，其周圍較為完善的配套商業(yè)設(shè)施服務(wù)大多數(shù)通勤者。所以在南昌市大部分區(qū)域，車站距離與商業(yè)地價呈負(fù)相關(guān)（圖3（d）），即越靠近車站，商業(yè)地價越高。主干道和車站對商業(yè)地價的影響規(guī)律一致，呈現(xiàn)出作用強(qiáng)度從經(jīng)濟(jì)技術(shù)開發(fā)區(qū)向昌東地區(qū)逐漸減弱的特點(diǎn)。這歸因于經(jīng)濟(jì)技術(shù)開發(fā)區(qū)內(nèi)逐漸承接來自紅谷灘新區(qū)的人口，但其主干道較為稀疏，并且距離火車站和汽車站遠(yuǎn)。因此，經(jīng)濟(jì)技術(shù)開發(fā)區(qū)對其距離的變化較為敏感。

總的來說，公交車站數(shù)量對商業(yè)地價的邊際作用效果明顯，這一影響具有空間連續(xù)性；公交車站距離、主干道距離和車站距離對商業(yè)地價的貢獻(xiàn)率較低且公交車站距離對商業(yè)地價的影響存在空間異質(zhì)性。

3.3.3 公共服務(wù)設(shè)施對商業(yè)地價的影響

學(xué)校、醫(yī)院和公園周圍人流量較大。由于服務(wù)人群的差異，不同類型的公共服務(wù)設(shè)施對商業(yè)地價的影響呈現(xiàn)出不同的作用效果。雖然有研究表明醫(yī)院的距離對人口的分布有影響，在跨越一定閾值之后人口密度與住房價格會增加[42]，但從醫(yī)院距離的回歸系數(shù)來看（圖4（a）），商業(yè)地價隨著與醫(yī)院距離的擴(kuò)大而下降。作為生活便利性設(shè)施的醫(yī)院，具有功能多樣化、集中化和區(qū)域流動人口密度大的特點(diǎn)，因此對商業(yè)地價的增值作用明顯。

圖4（b）反映的是義務(wù)類教育學(xué)校對商業(yè)地價的作用方向和作用效果。通常情況下，中小學(xué)附近會帶動一定規(guī)模與數(shù)量的文體店的發(fā)展，中小學(xué)人口的集聚可能促使商業(yè)地價抬升，但是出于安全考慮，中小學(xué)與商業(yè)密集區(qū)域保持一定距離，因此中小學(xué)對商業(yè)地價的關(guān)系表現(xiàn)為正向影響，這與王愛等[7]的研究結(jié)果相似。

圖4 公共服務(wù)設(shè)施對商業(yè)地價影響的空間差異Fig.4 Spatial variation in the impact of public service facilities on commercial land price

盡管有研究表明人們對于品質(zhì)生活和環(huán)境質(zhì)量的要求使得公園對住宅和商業(yè)地價都有提升作用[7，22]，但是南昌市呈現(xiàn)出不一樣的特點(diǎn)（圖4（c）），公園距離與商業(yè)地價呈現(xiàn)出同向增長的作用機(jī)制。公園作為城市生活的重要組成部分，主要發(fā)揮休憩鍛煉的功能，商業(yè)地價并不會因其距離的縮短而有所上升。

3.3.4 宗地屬性對商業(yè)地價的影響

宗地面積回歸系數(shù)的范圍為［-0.027 9，-0.022 0］（圖5）,說明宗地面積對商業(yè)地價的影響力有限。這可能與區(qū)域整體較為成熟的開發(fā)水平和較為完善的配套基礎(chǔ)設(shè)施有關(guān)，地塊規(guī)模對地價的影響能力不如其他因素明顯[43]。回歸系數(shù)值表示宗地面積每增加一平方米，地價至少下降0.022 0元?？赡艿慕忉屖亲诘孛娣e越大，意味著土地總價越高，因而相對較少的開發(fā)商能參與到競拍中，競拍程度有所減弱，土地成交單價相對于小規(guī)模的宗地來說更低；面積越小，土地總價格越低，開發(fā)商準(zhǔn)入門檻低，土地競拍激烈，單位面積的地價相對較高[44]。

圖5 宗地屬性對商業(yè)地價影響的空間分異Fig.5 Spatial variation in the impact of parcel attributes on commercial land price

4 結(jié)論與討論

4.1 結(jié)論

本文在分析南昌市商業(yè)地價空間分布規(guī)律與結(jié)構(gòu)的基礎(chǔ)上，綜合分析商業(yè)活力、交通條件、公共服務(wù)設(shè)施和宗地屬性對地價的影響。得出以下結(jié)論：（1）南昌市商業(yè)地價在空間上表現(xiàn)為單中心圈層結(jié)構(gòu)，商業(yè)地價從城市的核心向外遞減，地價高值具有連續(xù)性，低值具有非連續(xù)性、跳躍式發(fā)展的特征；（2）商業(yè)地價的空間相關(guān)范圍廣，主要受到結(jié)構(gòu)性因素的影響；（3）從Pearson相關(guān)系數(shù)來看，人口密度、人流量和公交車站數(shù)量對商業(yè)地價具有顯著影響，并且公交車站數(shù)量的增值作用最為明顯；（4）通過手機(jī)信令反映的實(shí)時人流量是商業(yè)地價重要的驅(qū)動因素之一；（5）商業(yè)地價驅(qū)動因素的平均貢獻(xiàn)度依次為公交車站數(shù)量、中小學(xué)距離、公交車站距離、醫(yī)院距離、公園距離、主干道距離、車站距離、人流量、商業(yè)綜合體距離、人口密度和宗地面積。

4.2 討論

商業(yè)地價與各驅(qū)動因素之間的關(guān)系復(fù)雜多變，對商業(yè)地價驅(qū)動因素的探討有利于促進(jìn)城市優(yōu)化資源配置和科學(xué)規(guī)劃。各驅(qū)動因素對地價的空間作用具有空間依賴性與分異性[21-22]。公交車站數(shù)量對商業(yè)地價增值貢獻(xiàn)大，對住宅地價也有提升作用[30]。對于這兩類用途的地價來說，公交車站越密集意味著累計機(jī)會越大，地價增值的潛力也越大。從Pearson相關(guān)系數(shù)值和回歸系數(shù)均值來看，與公交車站距離相比，公交車站數(shù)量對商業(yè)地價的作用效果更明顯，說明商業(yè)地價從因密集分布的公交車站而形成的集聚效應(yīng)中獲益更多。此外，人口密度和人流量不但通過Pearson相關(guān)性檢驗(yàn)，而且其回歸系數(shù)值表明這兩者對商業(yè)地價均有提升作用，這一結(jié)論驗(yàn)證了王愛等[7]從人口視角解釋交通站點(diǎn)驅(qū)動商業(yè)地價的合理性。人流量對商業(yè)地價的作用強(qiáng)度略高于人口密度，相比于殷煒[2]單獨(dú)以片區(qū)人口密度來衡量其影響程度，人流量對商業(yè)地價驅(qū)動因素的研究有補(bǔ)充作用。因此，在商業(yè)設(shè)施選址布局過程中，需要綜合考慮公交車站數(shù)量、人口密度和人流量因素對地價的影響，特別是重要交通節(jié)點(diǎn)的人流量。

車站對南昌市商業(yè)地價的影響為負(fù)相關(guān)，這與合肥市[7]呈現(xiàn)出中心—邊緣不同作用機(jī)制的特點(diǎn)有所不同。這歸因于南昌市對外交通站點(diǎn)主要分布在城市的核心區(qū)域，使得人口向心性集聚，而合肥市交通站點(diǎn)布局分散，致使核心區(qū)域與外圍呈現(xiàn)出不同的作用機(jī)制。這啟發(fā)南昌市在交通基礎(chǔ)設(shè)施的建設(shè)過程中應(yīng)該注意其他用地的配備，提升交通節(jié)點(diǎn)周圍的綜合服務(wù)水平；同時要逐步引導(dǎo)交通站點(diǎn)均勻分布，減輕因人口集聚帶來的交通負(fù)荷。宗地面積對南昌市地價具有負(fù)向作用，而在北京市[1，22]其影響特點(diǎn)呈現(xiàn)出四環(huán)線內(nèi)外之分別。這主要是北京市土地利用需求旺盛，環(huán)線內(nèi)是建設(shè)成熟區(qū)域，作為交易熱點(diǎn)的環(huán)線外區(qū)域的大面積組合開發(fā)能發(fā)揮規(guī)模效應(yīng)；而南昌市整體的土地開發(fā)利用程度相對較低，城區(qū)仍然是發(fā)展的重點(diǎn)，大面積開發(fā)使得地價競拍門檻過高，地價因此趨低。

南昌市地鐵建設(shè)起步時間晚，且貫穿城市消費(fèi)活動頻繁的商業(yè)綜合體?？紤]到地鐵與商業(yè)綜合體立體式發(fā)展的特點(diǎn)，為了避免產(chǎn)生多重共線性，剔除地鐵站距離。但是需要注意的是，通過提供便捷的交通服務(wù)，地鐵站匯集的人口對商業(yè)地價仍然具有顯著影響。因此在南昌市地鐵建設(shè)規(guī)劃過程中，應(yīng)借鑒大城市的規(guī)劃經(jīng)驗(yàn)，把握人口增長的特點(diǎn)與區(qū)域發(fā)展訴求。一方面要考慮到東湖區(qū)與青山湖區(qū)等老城區(qū)密集的人口對于城市快速出行的需求；另一方面要逐步完善新城區(qū)的公共交通建設(shè)，主要是紅谷灘新區(qū)的九龍湖區(qū)域，地鐵建設(shè)輔之以公交站布局，實(shí)現(xiàn)城市資源的合理高效利用。

本文以南昌市中心城區(qū)監(jiān)測地價為研究對象，數(shù)量有限的樣點(diǎn)對反映商業(yè)地價的突變性有所影響。因此，在監(jiān)測樣點(diǎn)的布設(shè)過程中，除了監(jiān)測核心區(qū)域的地價之外，還應(yīng)該兼顧商業(yè)地價的突變區(qū)域。尤其是在城市擴(kuò)張的過程中，對城市邊緣地區(qū)地價的監(jiān)測，如紅谷灘新區(qū)的九龍湖與朝陽新城，能為土地利用安排和布局提供價格指引。本文靜態(tài)分析南昌市商業(yè)地價空間規(guī)律，從4個維度探索其驅(qū)動因素，對于認(rèn)識南昌市地價規(guī)律和指導(dǎo)城市規(guī)劃具有一定的借鑒意義，但是隨著時間變化，城市地價結(jié)構(gòu)不斷變化，交通基礎(chǔ)設(shè)施不斷完善，城市地價驅(qū)動因素可能發(fā)生變化。因此，下一步需要進(jìn)行多時空的南昌市地價驅(qū)動因素的研究。