城市服務(wù)設(shè)施更新對房價(jià)異質(zhì)性作用研究
——以成都市為例

李晨陽， 梁娟珠

(福州大學(xué) 數(shù)字中國研究院(福建)， 福州 350003)

隨著城市化進(jìn)程的不斷加快，人口由農(nóng)村向城市聚集，城市建設(shè)逐漸成為現(xiàn)代化建設(shè)的重要引擎[1]，同時(shí)也推動(dòng)了住房價(jià)格在國民經(jīng)濟(jì)中的關(guān)鍵地位。城市服務(wù)設(shè)施分布與房價(jià)關(guān)系息息相關(guān)，城市服務(wù)設(shè)施的配置對居民生活質(zhì)量和住房價(jià)格的空間差異產(chǎn)生明顯影響[2-4]。張玲玲等[5]研究了居民活動(dòng)行為的特征及其與公共設(shè)施空間布局的關(guān)聯(lián)性；李可等[6]探究了中心城區(qū)公共服務(wù)設(shè)施對小區(qū)價(jià)格的影響?，F(xiàn)有研究多以靜態(tài)時(shí)間下選擇小區(qū)尺度上的空間特征研究為主，而時(shí)間演變是城市發(fā)展和房價(jià)變化的重要因素[7-8]。城市內(nèi)部資源有限，城市服務(wù)設(shè)施往往空間分布不均衡，這又造成了房價(jià)空間異質(zhì)性程度不斷加深[9]。目前對于房價(jià)的空間異質(zhì)性研究影響多探索城市之間[10]或城市群[11]房價(jià)時(shí)空差異特征，對經(jīng)濟(jì)發(fā)展?fàn)顩r、人口特征、土地規(guī)劃、人均收入等宏觀層面進(jìn)行解析。常用的房價(jià)異質(zhì)性探究模型有特征價(jià)格模型[12]、地理加權(quán)回歸模型[13]、地理探測器[14]等?，F(xiàn)有研究雖然豐富，但是缺少長時(shí)序多因素交互對房價(jià)影響，地理探測器模型實(shí)現(xiàn)多因素交互對因變量所產(chǎn)生的作用力情況[15]。

因此本文綜合考慮時(shí)空序列，采用地理探測器方法，解讀城市公共服務(wù)設(shè)施空間分布對二手房價(jià)格變化的關(guān)系，以期為構(gòu)建良好的房地產(chǎn)市場和居住環(huán)境提供一定的參考和借鑒，為城市住房價(jià)格調(diào)控、公共服務(wù)設(shè)施均等化配置提供參考建議。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域

成都市是四川省省會(huì)，是古蜀文明的重要發(fā)源地，位于四川盆地西部，104°03′N，30°66′E。本文選取中心城區(qū)內(nèi)的錦江、青羊、武侯、成華、金牛、雙流、龍泉驛、溫江、郫都、新都10個(gè)區(qū)作為研究對象(圖1)，是成都市的住宅、人口、城市服務(wù)設(shè)施的核心集中區(qū)域。

圖1 研究區(qū)域

1.2 數(shù)據(jù)來源

1.2.1 二手住宅價(jià)格數(shù)據(jù)

成都市二手住宅價(jià)格數(shù)據(jù)主要融合了鏈家網(wǎng)、房天下、安居客多個(gè)權(quán)威二手房信息網(wǎng)站，搜集了成都市2013年1月至2021年1月二手房價(jià)格數(shù)據(jù)，包括小區(qū)地址、均價(jià)、小區(qū)總戶數(shù)、建筑年份、容積率等建筑特征，共1 024個(gè)小區(qū)的197 763條二手房價(jià)格數(shù)據(jù)。通過調(diào)用百度地圖API，對房價(jià)數(shù)據(jù)進(jìn)行地理編碼，實(shí)現(xiàn)地理數(shù)據(jù)坐標(biāo)轉(zhuǎn)換。數(shù)據(jù)量過大往往造成數(shù)據(jù)過度擬合和覆蓋問題，而相近范圍內(nèi)小區(qū)往往具有相似性，因此，本文將成都市主城區(qū)劃分為1 km×1 km格網(wǎng)[16]，以每個(gè)格網(wǎng)內(nèi)小區(qū)均價(jià)表示該區(qū)域二手房價(jià)格。

1.2.2 城市服務(wù)設(shè)施和人口數(shù)據(jù)

本文的城市服務(wù)設(shè)施數(shù)據(jù)選擇百度地圖POI數(shù)據(jù)(表1)，公益性服務(wù)設(shè)施包括公園、景點(diǎn)、醫(yī)療、教育、市政公用等，營利性服務(wù)設(shè)施包括餐飲、酒店、商場、KTV、健身房、銀行、保險(xiǎn)等。

表1 2013、2017、2021年服務(wù)設(shè)施POI分類及數(shù)量 單位：個(gè)

人口和路網(wǎng)作為城市住宅重要的影響因素，本文的路網(wǎng)數(shù)據(jù)來自O(shè)SM數(shù)據(jù)，包括高速、國道、省道、城市道路等。人口數(shù)據(jù)根據(jù)成都市第七次人口普查數(shù)據(jù)公報(bào)平均每個(gè)家庭戶人口為2.49人，根據(jù)小區(qū)總戶數(shù)Xi，計(jì)算每個(gè)小區(qū)人口。

1.3 研究方法

1.3.1 地理探測器

地理探測器是研究地理事物的空間分異特征，以及揭示其驅(qū)動(dòng)力的方法。其公式為

(1)

1.3.2 核密度分析

核密度方法計(jì)算地理要素空間分布在鄰域范圍內(nèi)的密度，其核心思想以某一特定要素為核心，計(jì)算該點(diǎn)一定空間閾值范圍內(nèi)屬性特征，在中心位置處密度最大，隨距離衰減，到極限距離處密度為零[17]。本文利用核密度方法計(jì)算城市服務(wù)設(shè)施空間分布關(guān)聯(lián)房價(jià)的空間分布特征，其計(jì)算公式為

(2)

式中：k(x)為和函數(shù)；h為閾值半徑；n表示某類服務(wù)設(shè)施要素?cái)?shù)量；x-xi表示特定服務(wù)設(shè)施點(diǎn)x距臨近設(shè)施xi的距離。

2 結(jié)果分析

2.1 服務(wù)設(shè)施與房價(jià)時(shí)空關(guān)系演變

2.1.1 時(shí)空變化特征

從時(shí)間跨度來看(圖2)，2013年1月至2021年1月成都市二手房價(jià)格整體呈上升趨勢，但局部變化明顯，可基本分為3個(gè)階段：階段1為“平穩(wěn)期”(2013-01—2015-05)、階段2為“增長期”(2015-05—2018-05)、階段3為“波動(dòng)期”(2018-05—2021-01)。2013—2015年5月呈現(xiàn)“平穩(wěn)期”房價(jià)整體較為平穩(wěn)。2015年后半年開始出現(xiàn)房價(jià)“增長期”，至2018年初成都市二手房價(jià)格達(dá)到峰值。隨著2017年底，“房住不炒”被寫入十九大報(bào)告，成都市政府采取一系列抑制房價(jià)措施，各區(qū)域房價(jià)走勢均出現(xiàn)明顯，2018年出現(xiàn)回落，成都二手房市場熱度開始迅速且持續(xù)下降，2019年開始成都市二手房價(jià)格逐漸回升并穩(wěn)定，在2021年受疫情影響，年初房價(jià)出現(xiàn)小幅回落，隨著疫情逐漸穩(wěn)定，房地產(chǎn)市場也逐漸呈現(xiàn)回暖態(tài)勢。

圖3 2013、2017、2021年成都市房價(jià)與服務(wù)設(shè)施核密度演變

圖2 2013年1月至2021年1月成都市二手房價(jià)格變化趨勢

城市服務(wù)設(shè)施在逐年不斷完善，POI總量持續(xù)增長，其中公益性服務(wù)設(shè)施公園廣場、教育、醫(yī)療增長迅速。隨著城市居住范圍由核心區(qū)域逐漸向城市周圍擴(kuò)展，教育、醫(yī)療設(shè)施隨即不斷完善。營利性服務(wù)設(shè)施同時(shí)在不斷擴(kuò)展，尤其金融服務(wù)類設(shè)施增長最為顯著。利用核密度分析方法，對成都市房價(jià)和城市服務(wù)設(shè)施分布進(jìn)行核密度分析(圖3)?？梢钥闯?，不同類別城市服務(wù)設(shè)施空間分布演變與房價(jià)的時(shí)空變化有一定空間吻合特征。公益性服務(wù)設(shè)施空間分布相對營利性服務(wù)設(shè)施更為均勻。城市服務(wù)設(shè)施分布以市中心為核心，沿交通干線呈放射狀分布，并逐漸向外部擴(kuò)張，2013—2017年空間擴(kuò)張明顯，后雖然有所增加但空間格局逐漸穩(wěn)定，而住房價(jià)格核密度在2017年后依然增長顯著。

2.1.2 時(shí)空關(guān)聯(lián)特征

通過提取城市服務(wù)設(shè)施分布和房價(jià)數(shù)據(jù)的核密度柵格值，對二者進(jìn)行相關(guān)性分析和顯著性檢驗(yàn)，計(jì)算其Pearson相關(guān)系數(shù)(表2)，城市服務(wù)設(shè)施空間分布與居民住宅價(jià)格相關(guān)性顯著。營利性服務(wù)設(shè)施與房價(jià)的Pearson相關(guān)系數(shù)普遍高于公益性服務(wù)設(shè)施系數(shù)。從時(shí)間演變角度來看，城市服務(wù)設(shè)施與房價(jià)的相關(guān)性逐漸減弱，尤其營利性設(shè)施相關(guān)系數(shù)降幅更為明顯。

表2 2013、2015、2017、2021年成都市房價(jià)和城市服務(wù)設(shè)施分布相關(guān)性檢驗(yàn)結(jié)果

2.2 城市服務(wù)設(shè)施更新對房價(jià)影響變化分析

2.2.1 各類服務(wù)設(shè)施對房價(jià)解釋度演變

根據(jù)現(xiàn)有研究狀況，考慮到建筑和人口作為房價(jià)的重要影響因素，剔除戶型、樓層等不顯著因素，從公益性服務(wù)設(shè)施和營利性服務(wù)設(shè)施中遴選出教育、醫(yī)療、交通、商業(yè)、社會(huì)、環(huán)境等18個(gè)城市服務(wù)設(shè)施特征變量(表3)，多角度探索城市功能布局對住宅價(jià)格空間分異演變的推動(dòng)作用[18]。

本文基于地理探測器分析成都市主城區(qū)內(nèi)的各類城市服務(wù)設(shè)施對二手房價(jià)格空間范圍內(nèi)的影響差異，以及時(shí)間跨度上的變化規(guī)律(表4)?？梢钥闯?，不同因素對房價(jià)影響差異明顯，其中對房價(jià)解釋力最強(qiáng)的3個(gè)要素為建筑年份、人口密度和路網(wǎng)密度，并且在2017—2021年的增幅最為顯著。營利性服務(wù)設(shè)施之間對房價(jià)影響差異明顯，金融機(jī)構(gòu)、休閑運(yùn)動(dòng)、娛樂場所對房價(jià)解釋力最顯著，小區(qū)周邊的休閑娛樂和食宿設(shè)施的豐富，進(jìn)一步增強(qiáng)了微觀范圍里的商業(yè)活力，對房價(jià)抬升明顯。大多數(shù)企業(yè)考慮經(jīng)濟(jì)成本等因素，往往選址在較為偏僻區(qū)域，對周邊房價(jià)影響有限。對于商場、超市類購物商業(yè)設(shè)施，分布較為廣泛，主要起到配合居民生活作用，對房價(jià)并無直接影響。

表3 成都市二手房價(jià)格特征變量選擇

表4 2013、2015、2017、2021年不同時(shí)期城市服務(wù)設(shè)施對房價(jià)解釋力和置信度

公益性服務(wù)設(shè)施中路網(wǎng)密度和教育設(shè)施對房價(jià)解釋力最強(qiáng)，幼兒園>小學(xué)>中學(xué)>高校，小學(xué)和高校對房價(jià)解釋力呈下降趨勢，且降幅明顯，而中學(xué)和幼兒園則相對較為穩(wěn)定。醫(yī)療設(shè)施同樣是居民購房的重要參考因素，綜合醫(yī)院對房價(jià)影響解釋力略大于診所，綜合醫(yī)院對周邊住戶的輻射范圍更廣。相比之下，高密度路網(wǎng)結(jié)構(gòu)帶來的交通便利，對于公交、地鐵這類公共交通來說，對房價(jià)影響并不算突出。

2.2.2 多設(shè)施交互對房價(jià)的影響

在單類設(shè)施房價(jià)影響分析的基礎(chǔ)上，進(jìn)一步探索不同服務(wù)設(shè)施交互所產(chǎn)生的新的“化學(xué)效應(yīng)”。利用交互作用探測器，分析不同階段的城市服務(wù)設(shè)施的交互對房價(jià)解釋力的演化規(guī)律?？紤]到篇幅有限本文選擇對房價(jià)影響較為顯著的12個(gè)交互指標(biāo)進(jìn)行討論(圖4)。多因子交互對二手房價(jià)格影響往往增強(qiáng)效果顯著，明顯高于單因素對住宅價(jià)格解釋力。整體來看，城市服務(wù)設(shè)施交互對房價(jià)影響較大的設(shè)施以路網(wǎng)、小學(xué)、幼兒園、金融設(shè)施、餐飲、娛樂、運(yùn)動(dòng)設(shè)施交互為核心，對房價(jià)影響顯著。這意味著擁有豐富的初等教育對房價(jià)影響明顯高于高等教育，日常消費(fèi)的商業(yè)類設(shè)施與教育的合理布局對房價(jià)的抬升作用明顯。

從時(shí)間維度看，初級教育設(shè)施和金融機(jī)構(gòu)逐漸占據(jù)主導(dǎo)地位，而餐飲、娛樂類的日常商業(yè)消費(fèi)類設(shè)施影響的吸引力逐漸減弱，具體表現(xiàn)為：路網(wǎng)密度∩小學(xué)、金融機(jī)構(gòu)∩幼兒園、金融機(jī)構(gòu)∩路網(wǎng)密度對房價(jià)解釋力強(qiáng)度大幅增強(qiáng)，而餐飲∩休閑運(yùn)動(dòng)、娛樂∩金融、路網(wǎng)∩餐飲、幼兒園∩餐飲、餐飲∩休閑運(yùn)動(dòng)解釋力下降明顯。結(jié)果可以反映，教育作為居民購房的重要參考因素，隨著房價(jià)的上漲表現(xiàn)愈發(fā)凸顯，2013—2021年中初級教育設(shè)施與其他類交互對房價(jià)解釋力更高，與之對比明顯的餐飲和娛樂休閑類設(shè)施下降明顯。

圖4 2013、2015、2017、2021年不同階段城市服務(wù)設(shè)施交互對房價(jià)的影響

3 結(jié)論與討論

1)從全局角度時(shí)空特征分析?？臻g上，城市服務(wù)設(shè)施和居住空間分布以中心城區(qū)為核心，沿著主干道呈“米”字狀放射特征，空間分布一致。2013—2015年服務(wù)設(shè)施擴(kuò)張明顯，2017年后格局逐漸穩(wěn)定，而住房價(jià)格核密度在2015年后依然增長顯著，尤其表現(xiàn)在外城五區(qū)的服務(wù)設(shè)施高密度集中區(qū)域房價(jià)的快速增長。成都房價(jià)錦江>青羊>武侯>成華>金牛>雙流>龍泉驛>溫江>郫都>新都，本文根據(jù)其時(shí)間變化特征可基本分為3個(gè)階段：階段1( 2013-01—2015-05)為房價(jià)“平穩(wěn)期”，以市中心為核心；階段2( 2015-05—2018-05)為房價(jià)“增長期”，由中心向外圍擴(kuò)展；階段3(2018-05—2021-01)為房價(jià)受政策和疫情影響的“波動(dòng)期”，逐漸演變成“南高北低”態(tài)勢，天府新區(qū)發(fā)展迅速。

2)從不同階段時(shí)空關(guān)聯(lián)特征分析。通過提取城市服務(wù)設(shè)施分布和房價(jià)數(shù)據(jù)的核密度柵格值，對二者相關(guān)性顯著性逐漸減弱，尤其營利性設(shè)施相關(guān)系數(shù)降幅更為明顯，房價(jià)的空間聚集性減弱，分異現(xiàn)象逐漸加深，區(qū)域之間房價(jià)差異更加顯著。

3)從城市服務(wù)設(shè)施對房價(jià)影響變化分析。地理探測器模型能夠有效識(shí)別出不同特征變量對住宅價(jià)格的解釋力情況，對房價(jià)影響最強(qiáng)的3個(gè)要素為建筑年份、人口密度和路網(wǎng)密度，并且在2017—2021年的增幅明顯。綜合來說，公益性服務(wù)設(shè)施影響力大于營利性服務(wù)設(shè)施。

4)多設(shè)施交互對二手房價(jià)格影響往往增強(qiáng)效果顯著，明顯高于單因素對住宅價(jià)格解釋力。2013—2021年中初級教育設(shè)施與其他類交互對房價(jià)解釋力更高，與之對比明顯的餐飲和娛樂休閑類設(shè)施下降明顯。根據(jù)成都市二手房價(jià)格近8年趨勢來看，不同時(shí)期房價(jià)特征明顯，政府應(yīng)做好房價(jià)政策指導(dǎo)，避免房價(jià)增長或下降過快，維護(hù)房地產(chǎn)市場穩(wěn)定。隨著2017年二手房價(jià)格加速上漲，各區(qū)域之間房價(jià)分異逐漸加劇。對房價(jià)影響因素進(jìn)一步挖掘，結(jié)果表明，城市服務(wù)設(shè)施對房價(jià)有顯著影響，商業(yè)、教育設(shè)施影響顯著，而且單一類別設(shè)施對房價(jià)解釋力小于多類別設(shè)施交互作用。因此，政府在宏觀調(diào)控房價(jià)的同時(shí)應(yīng)注重城市功能空間優(yōu)化，完善社區(qū)服務(wù)，以避免房價(jià)局部過熱，實(shí)現(xiàn)房價(jià)調(diào)控軟著陸。