新鄉(xiāng)市商鋪租金的空間結(jié)構(gòu)特征及其影響因素

楊建波， 李 瑋， 宋富強(qiáng)

（河南省科學(xué)院地理研究所，鄭州 450052）

研究商鋪出租中租金的空間結(jié)構(gòu)及其影響因素，對加強(qiáng)土地市場的宏觀調(diào)控、提高土地利用的效率以及優(yōu)化土地資源配置都具有重要意義.

國外學(xué)者于20世紀(jì)末開始對商鋪租金進(jìn)行研究，以中心地理論、零售集聚理論、零售需求外部性理論等三種理論為研究基礎(chǔ)，主要集中于商鋪租金的構(gòu)成［1］、商鋪租金的估算和預(yù)測［2-3］、商鋪租金的決定因素等方面. 其中，城市之間以研究商鋪租金的GDP、商業(yè)稅率、居民收入［4-5］等宏觀經(jīng)濟(jì)因素為重點，而城市內(nèi)部則以區(qū)位條件、交通條件、商圈購買力、人流量、經(jīng)濟(jì)潛力等微觀因素為重點［6-11］. 商鋪的租金和地價由于涉及商業(yè)機(jī)密，因此數(shù)據(jù)獲取難度較大，難以運用相關(guān)的數(shù)學(xué)模型分析方法進(jìn)行預(yù)測，產(chǎn)生的結(jié)果也難以有公信力，中西方在發(fā)展背景、經(jīng)濟(jì)水平、消費習(xí)慣等方面存在較大差異，在國外研究中比較常見的影響因素（停車位、建筑年代、主力租戶等）對中國商鋪租金影響并不一定顯著［12］.

目前為止，國內(nèi)對于商鋪租金的研究僅限于北、上、廣、深等一線城市，二三線城市的研究較少. 黎林等［13］從地鐵和商家需求兩個角度入手，運用德爾菲法、層次分析法及市場比較法構(gòu)建地鐵商鋪租金定價模型，有效解決地鐵商鋪租金的定價問題；楊琦峰等［14］建立了影響城市地鐵商鋪租金的微觀特征因素指標(biāo)體系，運用聚類分析法對有效客流量等因素進(jìn)行估算，提出城市地鐵商鋪租金定價優(yōu)化的定價方法；聶沖和賈生華［15］以長三角和珠三角356 家非主力店作為研究對象，定量分析了購物中心非主力店的租金影響因素；聶沖和賈生華［16］以中國城市購物中心為研究對象，構(gòu)建和檢驗了影響購物中心商鋪租金的特征價格模型，驗證了區(qū)位特征對于購物中心租金最重要；張仕康和王夢夢［17］以重慶市沙坪壩商圈餐飲商鋪為研究對象，構(gòu)建了特征價格模型，并對餐飲商鋪租金與影響因素之間關(guān)系進(jìn)行定量研究，發(fā)現(xiàn)店鋪的面積越大租金水平越高；以上研究雖取得了一定進(jìn)展，但大都屬于對商鋪租金高低的內(nèi)部因素的研究，而對于商鋪租金的空間結(jié)構(gòu)規(guī)律及其外部影響因素的研究較少. 本文以2020年新鄉(xiāng)市外業(yè)調(diào)查獲得的商鋪租金樣點調(diào)查數(shù)據(jù)以及收集的人口密度數(shù)據(jù)為依據(jù)，以新鄉(xiāng)市定級范圍為研究區(qū)域，采用空間自相關(guān)、Kriging 插值等方法對交通條件、公共服務(wù)設(shè)施完備度、人口密度幾項外部影響因素進(jìn)行空間分布研究，以揭示新鄉(xiāng)市商鋪租金的空間結(jié)構(gòu)及其影響因素.

1 研究區(qū)域概況

2020年，新鄉(xiāng)市中心城區(qū)建成區(qū)面積約107 km2，比2010年增長17.6%，城市人口108萬人，比2010年增長2.6%，市區(qū)人口密度6873 人/km2. 城鎮(zhèn)化率為44.69%，比2010 年增長6.15%，增均增長1.23%. 目前，新鄉(xiāng)市區(qū)內(nèi)公交線路共78條，主干公交線路平均每3～5 min發(fā)一次車，市中心周邊一定距離內(nèi)不到500 m就可以坐上公交車，完全實現(xiàn)了“有路就有公交車”. 新鄉(xiāng)市房地產(chǎn)市場已經(jīng)步入快速發(fā)展期. 其中心城區(qū)內(nèi)土地資本的投入顯著增加，土地開發(fā)強(qiáng)度明顯提高，土地供求狀況也發(fā)生了較大變化，城區(qū)內(nèi)兩房改造力度增強(qiáng)，區(qū)域內(nèi)土地空間分布規(guī)律及地價水平也發(fā)生了較大變化.

2 研究方法及數(shù)據(jù)來源

2.1 研究方法

空間自相關(guān)分析在地理、經(jīng)濟(jì)及生態(tài)等領(lǐng)域得到了廣泛的應(yīng)用，主要分全局自相關(guān)和局部空間相關(guān)［18］.全局自相關(guān)主要用于分析數(shù)據(jù)在所研究區(qū)域內(nèi)的空間分布特征，而局部空間相關(guān)則主要用于分析每一空間單元與其周邊空間單元的關(guān)聯(lián)程度［19］. 目前的Moran指數(shù)（Moran’sI）應(yīng)用最多. 本文主要采用Moran’sI為度量指標(biāo)，來測驗新鄉(xiāng)市定級范圍內(nèi)的商鋪租金空間分布的集聚性，采用局部自相關(guān)（LIST）來研究定級范圍內(nèi)商鋪租金的集聚類型［20］.

Moran’sI計算公式如下：

式中：n為空間單元數(shù)目；xi為空間單元i的屬性值；為n個樣點數(shù)據(jù)的平均值；wij為空間權(quán)重系數(shù)矩陣.

Moran’sI取值范圍是［-1，1］. 若I=1，表示樣點數(shù)據(jù)屬性在空間上不相關(guān)，即隨機(jī)分布；若I>0，則表示呈空間正相關(guān)，即呈集聚空間格局，且I值越接近1，正相關(guān)性就越強(qiáng)，反亦然［21］.

LIST計算公式如下式：

式中：n為空間數(shù)據(jù)數(shù)目；xi為空間單元i的屬性值；為樣點數(shù)據(jù)屬性的平均值；wij為空間權(quán)重系數(shù)矩陣.

當(dāng)LIST>0時，表明空間單元i與鄰近空間單元樣點數(shù)據(jù)屬性間存在較強(qiáng)的正空間相關(guān)性，即呈現(xiàn)局部的空間集聚性.

Moran’sI和LIST兩者均要采用標(biāo)準(zhǔn)化進(jìn)行顯著性檢驗，檢驗的Z-Score公式如下：

式中：Z-Score代表待測樣點的空間自相關(guān)的顯著水平；E(I)代表待測樣點的數(shù)學(xué)期望；Var(I)代表方差.

當(dāng)Z-Score值為正數(shù)且顯著時，表明存在空間正相關(guān)關(guān)系，當(dāng)Z-Score的值為負(fù)數(shù)且顯著時，表明存在空間負(fù)相關(guān).

2.2 數(shù)據(jù)來源及處理

商鋪租金數(shù)據(jù)來源于2018年新鄉(xiāng)市實際調(diào)查值，價格時點為2018年1月1日. 由于不同房源租金之間存在差異，為消除個別因素影響，使結(jié)果能更好地反映新鄉(xiāng)市商鋪租金水平，本文對數(shù)據(jù)處理如下：①一般情況下，按照商鋪店面面積等于臨街深度與臨街寬度兩項之積，然后將不符合條件樣點刪除. 當(dāng)商鋪為兩層或三層時，其租金比一層商鋪租金高，但不會超過其2 倍，不符合條件時也刪除. ②用離群值減弱離群值對正態(tài)分布影響，使調(diào)查數(shù)據(jù)的直方圖更接近于正態(tài)分布. 本文中所涉及商鋪調(diào)查樣點數(shù)據(jù)、學(xué)校樣點及公交站點，均來源于2018 年實際調(diào)查值，人口密度數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心2020 年100 m 精度的柵格數(shù)據(jù). 借助ArcGIS 軟件建立空間數(shù)據(jù)庫，對定級區(qū)域內(nèi)的現(xiàn)狀及規(guī)劃道路進(jìn)行處理，獲得商鋪租金空間結(jié)構(gòu)特征及其影響因素的基礎(chǔ)分析底圖，如圖1所示.

圖1 租金樣點分布圖Fig.1 Rent samples distribution map

3 結(jié)果與分析

3.1 商鋪租金的空間集聚特征

運用ArcGIS進(jìn)行空間自相關(guān)分析、局部自相關(guān)分析及Kriging空間插值分析，計算商鋪租金空間分布整體相關(guān)性，探索租金高低值集聚空間與異質(zhì)空間的具體位置.

3.1.1 全局空間自相關(guān)

依據(jù)式（1）計算得到新鄉(xiāng)市商鋪租金Moran’sI為0.482，其中P<0.01，Z-score=89.24. 表明新鄉(xiāng)市商鋪租金空間分布在99%水平下，顯示出較強(qiáng)全局正相關(guān)特征，即租金相似的商鋪在空間上集中分布如圖2，租金受周邊商鋪租金水平影響顯著，租金形成存在依賴性.

圖2 商鋪租金空間自相關(guān)模式分析Fig.2 Analysis on autocorrelation model of shop rent space

3.1.2 局部空間自相關(guān)

對新鄉(xiāng)市定級區(qū)域內(nèi)商鋪租金點狀數(shù)據(jù)局部自相關(guān)性分析，推算聚集區(qū)（spatial hot spot）具體空間位置.根據(jù)式（2），對其進(jìn)行局部空間自相關(guān)分析，Z值得分為12.62，在99%水平下形成局部空間自相關(guān)集聚圖（圖3）.

圖3 局部自相關(guān)集聚分布圖Fig.3 Local autocorrelation clustering distribution map

由圖3顯示，商鋪租金呈現(xiàn)4種空間關(guān)聯(lián)結(jié)果：①高-高（HH）模式，即該商鋪租金與周圍商鋪租金均高于全部商鋪租金的平均值，圖3中以深紅色點為代表. ②低-低（LL）模式，該商鋪租金與周圍商鋪租金均低于全部商鋪租金的平均租金，圖3 中以深綠色點為代表. ③低-高（LH）模式，表示該商鋪租金低于平均租金，而周圍商鋪租金卻高于平均租金，圖3中以淺綠色點為代表顯示. ④高-低（HL）模式，表示該商鋪租金高于平均租金，但其周圍商鋪租金卻低于平均租金，圖3中以橙黃色點為代表. 還有一些其他的點則是沒有通過顯著性檢驗樣點，具有隨機(jī)性，以淺灰色點為代表. 高-高（HH）和低-低（LL）模式均說明了租金在空間分布具有較強(qiáng)的正相關(guān)性，即租金空間集聚分布顯著，而“高-低”和“低-高”模式則存在較強(qiáng)空間負(fù)相關(guān)性，即存在局部異質(zhì)性.

3.1.3 商鋪租金空間結(jié)構(gòu)

用log函數(shù)對商鋪租金變換，用普通克里金插值對未知租金區(qū)域進(jìn)行處理［21］，分析知，以采取穩(wěn)定型模型擬合效果最佳，其主要參數(shù)為：塊金值0.15，偏基臺值0.20，主變程2 602.99. 即在定級區(qū)域內(nèi)，通過已知樣點租金來預(yù)測未知樣點的租金，得到新鄉(xiāng)市的租金空間結(jié)構(gòu)圖（圖4）.

圖4 商鋪租金空間分布圖Fig.4 Shop rent space distribution map

新鄉(xiāng)市商鋪租金空間結(jié)構(gòu)表現(xiàn)為：①整體上，租金梯度呈同心環(huán)分布，租金具有明顯向心性，并由市中心向外圍遞減. ②城市中心西部區(qū)租金高于東部區(qū)，且西部區(qū)租金梯度下降平緩. ③城市中心存在兩個高值區(qū)，分別位于豐華街與道清路交叉口一帶和新鄉(xiāng)市人民公園周邊. ④租金分布呈放射性延伸，且放射形態(tài)與道路方向也大體一致，如科隆大道和豐華街交叉口的南北向，及道清路與豐華街交叉口南，都存在租金高值的外延.

3.2 商鋪租金空間分布影響因素分析

依據(jù)主導(dǎo)因素原則以及結(jié)合新鄉(xiāng)市實際，本文選取了商服中心、交通條件、教育服務(wù)設(shè)施、人口密度4個影響因素，并分析租金與影響因素之間的關(guān)系.

3.2.1 商服中心

城市商服中心的繁華程度，不僅對沿街商鋪樓面地價有顯著提升，其對租賃價格同樣適用［22］. 根據(jù)全市中心城區(qū)收集的商服中心資料，其劃分以百貨大樓、寶龍城市廣場等14個商服中心，分為三個級別，其中一級商服中心1個，二級商服中心6個，三級商服中心8個. 結(jié)果表明：商服中心分值較高的主要集中在老城區(qū)，且以老城區(qū)為中心逐漸向外擴(kuò)散（圖5）.

圖5 商服中心作用分值圖Fig.5 Commercial service center function score chart

結(jié)合圖4 和圖5 可知，新鄉(xiāng)市商鋪租金空間分布特征如下：①租金相近的商鋪整體上呈現(xiàn)出較為明顯的集聚類型分布格局.②商鋪租金分布格局的空間偏向差異性顯著，即空間分異性顯著. 高-高值區(qū)租金水平在4320 元/月，主要分布在西部的紅旗區(qū)政府附近，豐華街道清路一帶；高-低值租金有5070 元/月，在定級區(qū)域內(nèi)呈零散分布；低-高值租金在860元/月，其與高-高值集聚類型交錯分布；低-低值租金為540元/月，集中分布在城區(qū)東部，包括牧野大道周圍，紡織路與勝利路交叉口，以和平大道和向陽路為分界，在城區(qū)的西北、東南與西南、東北方向上呈現(xiàn)出一定差異性，該交叉口西北與東南租金高值集聚顯著，集聚區(qū)域占總調(diào)查樣本數(shù)據(jù)的31.1%，商鋪租金樣點分布呈現(xiàn)出小集聚、大分散特點. ③租金價格的高低主要和區(qū)位因素中的商服中心遠(yuǎn)近關(guān)系密切，且與道路呈正向性分布，同時也依附公交站點集聚、公共教育用地完善程度. ④高-低值租金商鋪空間集聚特征明顯，低-低集聚類型集聚分布，高-高與低-高值租金商鋪空間集聚類型摻雜集聚分布，而高-低集聚類型則主要呈零星分布.

3.2.2 交通條件

交通工具的便捷性不僅對沿街住房價格有顯著提升，該規(guī)律也同樣體現(xiàn)在沿街商鋪租賃價格上［22］. 其提升主要表現(xiàn)為：①公交站點密度分布圖有三個高值區(qū)，呈圈層結(jié)構(gòu)逐層向外擴(kuò)散，位于紅旗區(qū)政府周圍高值區(qū)覆蓋范圍最大，且以新鄉(xiāng)市人民政府為中心，點位密度分布圖高值區(qū)向心趨勢較強(qiáng). ②公交站點的圈層分布對主干道路具有凸起效應(yīng)，其高值區(qū)在主干道路上有延伸，這在解放大道人民路交叉口表現(xiàn)最明顯，在金穗大道東西方向也有延伸（圖6）.

從圖4 和圖6 可知，公交站密度與租金分布趨勢大致相同，其高值覆蓋面明顯大于租金的高值覆蓋面，且公交站密度高值區(qū)逐步以政府為中心，呈現(xiàn)向心型分布，這與新鄉(xiāng)市發(fā)展方向也相契合，總體上實現(xiàn)了市中心由老城區(qū)（西）向新市政府（東）的轉(zhuǎn)移，且租金圈層分布情況與公交站點密度吻合度也較高，如在城南莊周圍和市教育局南、柳青路北豐華街一帶，公交站點密度高值區(qū)與租金分布高值區(qū)部分重疊；而在飲馬口和市烈士陵園周圍公交站點密度高值區(qū)明顯不是租金高值區(qū)，差異原因主要是老城區(qū)現(xiàn)狀道路不規(guī)整，道路通行較困難，使老城區(qū)租金較低；同時，規(guī)整道路網(wǎng)、便捷的交通是形成租金高值的前提，因此在新鄉(xiāng)市人民政府周圍出現(xiàn)了公交站點密度高值區(qū). 總體上，交通條件優(yōu)劣能夠在一定程度上反映租金水平的高低.

圖6 公交點密度分布圖Fig.6 Bus point density distribution map

3.2.3 教育服務(wù)設(shè)施

本研究通過對中學(xué)、小學(xué)、幼兒園等共同組成的教育用地服務(wù)設(shè)施的分布情況，來分析商鋪租賃需求.由圖7可知新鄉(xiāng)市教育用地情況：整體上，教育用地密度呈同心圓分布，總體從市中心向周邊遞減. 東部區(qū)密度低于西部區(qū)，且東部區(qū)密度梯度下降也快. 教育設(shè)施有2個高值區(qū)：①市政府東側(cè)的太行大道東、新飛大道西、科隆大道北、前進(jìn)路南的區(qū)域. ②京廣花園附近，教育用地密度高值區(qū)向東北延長.

由圖4 和圖7 可知，學(xué)校與租金都是呈現(xiàn)圈層分布且逐層向外擴(kuò)散，偏高值區(qū)域大致相當(dāng). 從圖3知，教育中學(xué)校點密度偏高值區(qū)沿和平大道向南北延伸，而租金偏高值區(qū)也在和平大道向南北延伸. 二者延伸程度是有差異的：①學(xué)校等設(shè)施高值區(qū)與租金高值區(qū)不完成重疊，學(xué)校點密度在勝利路、金穗大道、西華大道、人民路所圍成區(qū)域為高值區(qū)，但租金在上述范圍并不屬于高值區(qū)域，而是偏高值區(qū). ②學(xué)校點密度低值區(qū)在分布范圍較廣，這與租金低值區(qū)分布趨勢不同. 綜上，偏高值區(qū)教育用地分布情況與商鋪租金分布情況大致相同，而在高值區(qū)和低值區(qū)存在差異，這說明了教育用地的分布能為租金的分布規(guī)律提供參考.

圖7 教育設(shè)施點密度分布圖Fig.7 Educational facilities point density distribution map

3.2.4 人口密度

借助國家基礎(chǔ)地理信息中心2020 年100 m 精度的柵格數(shù)據(jù)，分析人口密度情況（圖8）. 新鄉(xiāng)市人口密集區(qū)主要分布于新鄉(xiāng)火車站附近、河南師范大學(xué)周邊區(qū)域、新鄉(xiāng)醫(yī)學(xué)院周邊區(qū)域，人口一般區(qū)主要分布于新鄉(xiāng)市中心城區(qū)的建成區(qū)，人口松散區(qū)主要分布于郊區(qū). 原因如下：①新鄉(xiāng)火車站附近，主要是因為交通條件較好，人口較密集；②河南師范大學(xué)和新鄉(xiāng)醫(yī)學(xué)院人口集聚，是因為區(qū)域內(nèi)學(xué)生數(shù)量多，導(dǎo)致本區(qū)域內(nèi)人口密集.

由圖4 和圖8 可知，人口密度新鄉(xiāng)火車站附近集中，這與租金高值區(qū)域相符，人口密度在河南師范大學(xué)和新鄉(xiāng)醫(yī)學(xué)院附近集聚，但這個高值區(qū)并不與租金的高值區(qū)相匹配，反而此處屬于租金低值區(qū)，這是因為本部分區(qū)域人口多主要是因為學(xué)生數(shù)量多. 在高值區(qū)，租金的圈層遞減結(jié)構(gòu)與人口密度的減小趨勢類似，說明市中心大量人口集聚對鄰近商鋪高租金提供了強(qiáng)大支撐，而在人口低值區(qū)，由于所處區(qū)位、公共服務(wù)設(shè)施以及交通條件等外部條件不同，導(dǎo)致商鋪租金與人口密度分布不匹配.

圖8 人口密度分布情況Fig.8 Population density distribution map

4 結(jié)論與討論

4.1 結(jié)論

1）租金水平在市中心周圍呈現(xiàn)高-高集聚分布，在東部及定級邊界附近的區(qū)域呈現(xiàn)出低-低集聚分布.

2）采用克里金（Kriging）插值方法分析新鄉(xiāng)市區(qū)商鋪租金空間分布是與實際分布呈高度一致性. 即商鋪租金總體呈環(huán)形由市中心向外圍逐層遞減，在市中心周圍和西南方向存在高值異常區(qū)以及郊區(qū)存在低值異常區(qū).

3）新鄉(xiāng)市商鋪租金的空間結(jié)構(gòu)受商服中心、交通條件、公共服務(wù)設(shè)施、人口密度等影響. 其影響情況各不相同.

4）商鋪租金空間分布與公交點密度分布圖相似，交通便捷性對租金空間結(jié)構(gòu)影響較大；教育設(shè)施、人口密度則主要影響局部區(qū)域的租金水平.

4.2 討論

商鋪租金受多因素的影響，其空間結(jié)構(gòu)機(jī)制形成復(fù)雜. 本研究所涉及的商鋪租金影響因素主要基于以下假設(shè)：①所研究因素影響了租賃商鋪的供給與需求，從而影響商鋪租金的均衡，如交通條件. ②影響人們對租金的支付意愿，完善的公共服務(wù)設(shè)施能給人們帶來很大的居住便捷性，人的流量大，使得購買能力加強(qiáng)，促進(jìn)消費，從而人們愿意為商鋪支付高額的租金. 而在郊區(qū)，公共服務(wù)設(shè)施配套不足，租賃的價值自然也會降低.本文僅通過以上假設(shè)，在宏觀程度分析了區(qū)位商服中心、交通條件、人口密度以及教育服務(wù)設(shè)施等因素對商鋪租金影響，但商鋪自身的裝修狀況、臨街狀況以及樓層的高低等微觀因素，也會在一定方面影響租金，這是本研究尚未深入探討的地方；本文對商鋪租金受各因素影響程度的大小，以及區(qū)位中商服中心影響分析也沒有進(jìn)行深入研究.