基于MGWR模型的福清市二手住宅價(jià)格空間分異及影響因素研究

胥向陽，李楚海，屈 納，王佳韡，伍世代

(福建師范大學(xué) 文化旅游與公共管理學(xué)院，福州 350117)

自全面取消計(jì)劃經(jīng)濟(jì)時(shí)代的“福利分房”制度，實(shí)行市場經(jīng)濟(jì)條件下的“貨幣購房”制度以來，全國房地產(chǎn)市場長期保持高速發(fā)展之勢，住房價(jià)格持續(xù)飆升。伴隨房價(jià)的快速上漲，城市內(nèi)部房價(jià)產(chǎn)生差異化增長現(xiàn)象，房價(jià)空間分異特征愈發(fā)顯著，并不斷固化，形成一定的空間結(jié)構(gòu)[1]。在市場作用下，高價(jià)“學(xué)區(qū)房”“地鐵房”“景觀房”等高檔住宅與低價(jià)的“握手樓”“蝸居房”“安置房”等低檔住宅在城市中長期并存，并引發(fā)社會(huì)公平、社會(huì)穩(wěn)定等問題，不利于社會(huì)主義和諧社會(huì)的構(gòu)建。因此，為促進(jìn)房地產(chǎn)市場健康穩(wěn)定發(fā)展及社會(huì)和諧穩(wěn)定，深度解析城市房價(jià)空間分異特征及驅(qū)動(dòng)機(jī)制，加快建立房地產(chǎn)市場宏觀調(diào)控長效機(jī)制，已成為各級(jí)政府和學(xué)者持續(xù)研究關(guān)注的重點(diǎn)。

亞里士多德曾言，人們來到城市是為了生活，人們留在城市是為了生活得更美好[2]。要實(shí)現(xiàn)人民群眾對(duì)城市美好生活的追求，就必須解決好房地產(chǎn)市場長期存在的發(fā)展不平衡不充分問題。對(duì)此，國內(nèi)外學(xué)者就住房價(jià)格問題進(jìn)行了廣泛深入的探討，取得了豐富的研究成果。總體來看，研究呈現(xiàn)如下特點(diǎn)：(1)研究區(qū)域方面，北京[3]、上海[4-5]、廣州[6-7]等一線城市是長期關(guān)注的熱點(diǎn)城市，自推行長三角一體化發(fā)展戰(zhàn)略以來，長三角地區(qū)[8-10]有關(guān)房價(jià)研究持續(xù)增加，其他地方性城市[11-12]亦有部分關(guān)注。(2)研究方法方面，早期主要基于特征價(jià)格模型思想，采用多元線性回歸模型[13]、空間自回歸模型[14]、灰色關(guān)聯(lián)度模型[15]等方法，從整體上測度微觀區(qū)位因子與住房價(jià)格關(guān)系，但這些模型只能反映各因子之間的簡單均值關(guān)系，且研究數(shù)據(jù)需符合正態(tài)分布特征，對(duì)于偏態(tài)分布數(shù)據(jù)則無法解析[16]。由于傳統(tǒng)回歸模型難以滿足具有空間非平穩(wěn)性的住房價(jià)格研究，呂萍和甄輝[17]、Bitter等[18]將地理加權(quán)回歸模型(GWR)引入到住房價(jià)格研究中，該模型在傳統(tǒng)回歸模型的基礎(chǔ)上引入空間位置變量，能夠較好地解釋具有非均值特性的住宅價(jià)格特征，但GWR模型假設(shè)各因子的影響尺度相同，模型回歸結(jié)果與實(shí)際差異較大。沈體雁等[19]基于多尺度地理加權(quán)回歸模型(MGWR)實(shí)證分析比較MGWR模型與GWR模型的回歸差異，證實(shí)MGWR模型優(yōu)于GWR模型，現(xiàn)有研究也支持此結(jié)論[20-21]。(3)研究數(shù)據(jù)方面，住房價(jià)格數(shù)據(jù)來源渠道多樣，不同數(shù)據(jù)質(zhì)量差異較大。早期學(xué)者主要依賴行政部門記錄的房價(jià)數(shù)據(jù)與實(shí)調(diào)數(shù)據(jù)[22]，隨著信息技術(shù)發(fā)展，近年來基于“爬蟲”“Python”等現(xiàn)代信息技術(shù)獲取的網(wǎng)絡(luò)大數(shù)據(jù)[22-23]開始被大規(guī)模使用。行政部門數(shù)據(jù)獲取難度較大，且數(shù)據(jù)信息較少，而有關(guān)房價(jià)的網(wǎng)絡(luò)大數(shù)據(jù)的準(zhǔn)確性和代表性有待進(jìn)一步證實(shí)。(4)研究內(nèi)容方面：關(guān)于住宅價(jià)格的研究豐富多樣，其中，從微觀視角出發(fā)，基于住宅特征、鄰里特征和區(qū)位特征[24-25]三個(gè)方面分析住宅價(jià)格影響因素及變化規(guī)律為主要研究范式；伴隨城市基礎(chǔ)設(shè)施的逐漸完善，基于軌道交通站點(diǎn)[26-27]、學(xué)校[28-29]等單因子研究不斷增多；經(jīng)過二十余年的發(fā)展，房地產(chǎn)市場漸趨成熟，結(jié)合長時(shí)間序列的住房價(jià)格時(shí)空異質(zhì)性研究有所增加[4，30]。

目前國內(nèi)房價(jià)研究主要存在以下不足：(1)大部分學(xué)者長期關(guān)注北京、上海等一線城市，對(duì)于存在同樣問題的眾多中小城市，尤其是區(qū)縣級(jí)城市的房價(jià)問題鮮有關(guān)注；(2)還未見學(xué)者將MGWR模型應(yīng)用于中小城市二手住宅價(jià)格實(shí)證分析；(3)現(xiàn)有研究數(shù)據(jù)來源較單一，可嘗試將行政部門和網(wǎng)絡(luò)兩種數(shù)據(jù)結(jié)合進(jìn)行分析；(4)伴隨居民物質(zhì)生活水平的提高，對(duì)于教育資源、交通條件、環(huán)境條件等對(duì)房價(jià)影響的研究還有待進(jìn)一步探討。因此，本文以區(qū)縣城市福清市為例，結(jié)合MGWR模型，以福清市2019年二手房交易數(shù)據(jù)和部分網(wǎng)絡(luò)數(shù)據(jù)為例，分析福清市住房的空間分異特征及影響因素，以期為福清市房地產(chǎn)市場健康發(fā)展及城市發(fā)展規(guī)劃提供政策指導(dǎo)，同時(shí)引起學(xué)者對(duì)中小城市房價(jià)問題的關(guān)注。

1 研究材料與方法

1.1 研究區(qū)概況

福清市位于閩東沿海地區(qū)，距福州市60 km，屬福州代管的縣級(jí)市，市轄7個(gè)街道，17個(gè)鄉(xiāng)鎮(zhèn)(圖1)。2020年全市總?cè)丝谶_(dá)139.1萬，其中非農(nóng)業(yè)人口56.74萬人。福清市作為福建省重要出?？冢?jīng)濟(jì)社會(huì)發(fā)展長期處在全省前列，2020年全市生產(chǎn)總值達(dá)1 228.5億元，屬于全國百強(qiáng)區(qū)縣。繁榮發(fā)達(dá)的社會(huì)經(jīng)濟(jì)促進(jìn)了房地產(chǎn)市場的發(fā)展。近年來，受福州市房價(jià)過高影響，以及福州至福清城際快速列車等公共交通的完善，福清房地產(chǎn)市場得以快速發(fā)展，全市住宅成交量和成交價(jià)均呈快速增長趨勢，位列全省區(qū)縣級(jí)城市前列。

1.2 研究數(shù)據(jù)

住房交易數(shù)據(jù)有新房和二手房之分，本次研究采用福清市不動(dòng)產(chǎn)交易中心提供的2019年全年主城區(qū)范圍內(nèi)二手房交易資料。使用二手房交易資料主要基于以下幾點(diǎn)原因：(1)隨著城市建成區(qū)不斷向外擴(kuò)張，城市內(nèi)部可供使用的土地?cái)?shù)量日益稀少，使得大部分新成交住宅主要布局在主城區(qū)外圍，而二手房在地理空間范圍內(nèi)布局更均勻，分布更廣泛，便于對(duì)數(shù)據(jù)進(jìn)行空間分析；(2)經(jīng)過二十余年的高速發(fā)展，全國房地產(chǎn)市場供給過剩，“一人多房”的現(xiàn)象普遍存在，隨著消費(fèi)觀念和社會(huì)經(jīng)濟(jì)條件的改變，二手房交易量持續(xù)攀升，占年總成交量的比重越來越大，樣本數(shù)據(jù)量大；(3)二手房分布范圍廣，不同區(qū)域價(jià)格空間差異較大，各種影響因子作用效能客觀真實(shí)地內(nèi)化為房價(jià)，更有利于進(jìn)行因子分析，而新成交的房屋大部分位于城市的“高新區(qū)”“經(jīng)開區(qū)”等新區(qū)，新區(qū)受城市規(guī)劃政策影響，住房價(jià)格“政策紅利”明顯，房價(jià)空間異質(zhì)性不顯著，研究結(jié)果參考意義不大。由于不動(dòng)產(chǎn)交易中心提供的數(shù)據(jù)只有成交價(jià)、建筑面積、位置信息，而其他影響房價(jià)的數(shù)據(jù)沒有被記載，因此，需要利用網(wǎng)絡(luò)數(shù)據(jù)對(duì)樣本信息進(jìn)行補(bǔ)充，具體處理過程如下：根據(jù)不動(dòng)產(chǎn)交易中心的提供信息，計(jì)算每套住宅的單價(jià)(元/m2),將樣本中無意義(單價(jià)為0、非住宅類樣點(diǎn)、單價(jià)明顯高/低于市場實(shí)際價(jià)格等)樣本點(diǎn)刪除，得到一個(gè)新的樣本數(shù)據(jù)；因部分樣點(diǎn)位于同一住宅小區(qū)或街道，挑選位置相同的點(diǎn)，去掉最大和最小值，計(jì)算其他樣點(diǎn)單價(jià)算術(shù)平均值，以此作為該住宅小區(qū)或街道的樣本價(jià)格，整理后得到266個(gè)住宅樣本點(diǎn)數(shù)據(jù)；利用“后裔”信息采集軟件從安居客網(wǎng)站(https://fz.anjuke.com)爬取住宅樣點(diǎn)屬性信息(建成時(shí)間、容積率、綠化率)，將獲取的屬性數(shù)據(jù)與樣本數(shù)據(jù)進(jìn)行鏈接，刪除屬性信息不全的樣本點(diǎn)，最后得到157個(gè)研究樣本點(diǎn)數(shù)據(jù)。利用坐標(biāo)拾取軟件批量獲取每個(gè)樣本點(diǎn)的百度坐標(biāo)，結(jié)合GIS數(shù)據(jù)轉(zhuǎn)換軟件將百度坐標(biāo)轉(zhuǎn)換為CGCS_2000坐標(biāo)，將轉(zhuǎn)換后的坐標(biāo)點(diǎn)導(dǎo)入ArcGIS10.3軟件，重復(fù)上述操作，將學(xué)校、醫(yī)院、公園等影響住宅價(jià)格的因子導(dǎo)入ArcGIS軟件，運(yùn)用ArcGIS軟件空間分析功能，取得各樣點(diǎn)的屬性值。

1.3 研究方法

1.3.1 全局空間自相關(guān)分析

構(gòu)建MGWR模型前需要對(duì)樣本數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)，判斷本研究數(shù)據(jù)之間是否存在顯著相關(guān)關(guān)系，若存在相關(guān)性，則可根據(jù)選取的變量構(gòu)建模型；否則，需選擇其他研究方法計(jì)算模型參數(shù)。長期以來，大部分學(xué)者[13，31-32]采用莫蘭指數(shù)(Moran’sI)進(jìn)行相關(guān)性檢測，I值越大，表示相關(guān)性越顯著，值為正表示存在正相關(guān)性，值為負(fù)表示存在負(fù)相關(guān)性，值為零則表示無相關(guān)性。

1.3.2 局部空間自相關(guān)

數(shù)據(jù)通過全局自相關(guān)檢驗(yàn)后，可進(jìn)一步利用局部空間自相關(guān)莫蘭指數(shù)探測房價(jià)的局部空間集聚特征，即房價(jià)局部相似或相異性。

1.3.3 MGWR模型

由于經(jīng)典地理加權(quán)回歸模型(GWR)是基于固定的帶寬進(jìn)行回歸分析，各影響因子的空間異質(zhì)尺度相同，即各因子在不同空間位置影響范圍一致，可能導(dǎo)致回歸結(jié)果不穩(wěn)定。因此，F(xiàn)otheringham等[33]對(duì)GWR模型作出改進(jìn)，提出多尺度地理加權(quán)回歸模型(MGWR)，模型假設(shè)每個(gè)指標(biāo)內(nèi)部的局部關(guān)系在相同的空間尺度上是不同的，即數(shù)據(jù)范圍的帶寬可能會(huì)不同。因此，本文基于MGWR模型進(jìn)行變量回歸分析。建立MGWR模型前，需分析各影響因素對(duì)房價(jià)的全局影響，本次基于全局回歸分析方法(OLS)對(duì)二手房價(jià)格進(jìn)行一般線性回歸分析，通過判斷各指標(biāo)因子顯著性水平和方差膨脹因子值，剔除未通過顯著性檢驗(yàn)及存在共線性問題的指標(biāo)。模型計(jì)算公式如下：

式中，Pi是樣本點(diǎn)i的房價(jià)，βbwj表示不同帶寬水平下不同變量j的回歸系數(shù)，Xij為變量j在i處的觀測值，εi為隨機(jī)誤差項(xiàng)。該模型中，采用二次核函數(shù)，帶寬值采用AICc準(zhǔn)則確定。

1.4 指標(biāo)選取及量化

不同住宅具有不同的屬性和特征，消費(fèi)者可獲得的效用和滿足感亦不同。住房的實(shí)際成交價(jià)格即各種特征因子價(jià)格總和。特征因子總體可分為內(nèi)生因子和外生因子，內(nèi)生因子指住宅自身屬性特征，如面積、朝向等；外生因子指住宅外部屬性特征，如住宅地理區(qū)位、周邊配套等。但房地產(chǎn)發(fā)展具有明顯地區(qū)差異性，影響因子選取也應(yīng)因地而異。交通便利度是每個(gè)購房者首要考慮的因素，交通便利度好的區(qū)域房價(jià)相對(duì)較高，中小城市城市居民大多來自周邊鄉(xiāng)鎮(zhèn)地區(qū)，返鄉(xiāng)便捷度是其購房考慮的重要因素之一；其次，樓盤鄰里特征對(duì)消費(fèi)者購房行為產(chǎn)生重大作用，看病就醫(yī)、娛樂休閑、購物消費(fèi)等行為是現(xiàn)代城市生活重要組成部分，“學(xué)區(qū)制”背景下，周邊教育資源分布狀況成為影響購房者購買決策的重要因素；消費(fèi)者個(gè)體差異對(duì)住宅品質(zhì)提出不同需求，隨著居民收入水平提高，部分中高收入群體對(duì)改善性住宅需求不斷增加，更多傾向選擇容積率低、綠化率高、建筑面積大的住宅。參考現(xiàn)有研究成果[1]，結(jié)合福清市房地產(chǎn)市場實(shí)際發(fā)展?fàn)顩r，本次研究選取5類影響因素指標(biāo)，每一類指標(biāo)又包含多個(gè)可測量的指標(biāo)變量(表1)。結(jié)合中小城市人口相對(duì)較少、商業(yè)發(fā)育程度不及一線城市等現(xiàn)實(shí)特點(diǎn)，大型商場選擇至少有一家電影院的城市綜合體，目前福清市共有6家電影院，分別位于萬達(dá)廣場、中環(huán)廣場等；學(xué)校選擇具有招生資格的中小學(xué)，如濱江小學(xué)、福清第一中學(xué)等；公園選擇虎溪公園、鳳凰公園等；因中小城市醫(yī)療資源有限，三甲醫(yī)院較少，醫(yī)院選擇具有甲級(jí)資質(zhì)的醫(yī)院，如福清市人民醫(yī)院、福清市婦幼保健院等。

表1 指標(biāo)因子及描述

2 結(jié)果分析

2.1 空間相關(guān)性分析

結(jié)果顯示，福清市二手房價(jià)格的Moran’sI指數(shù)為0.584，Z值為3.153，遠(yuǎn)超臨界值2.580，P<0.01，表明福清市二手房價(jià)格存在顯著空間自相關(guān)。

通過山峰圖和LISA聚類圖(圖2)可以看出，福清市二手房高-高集聚區(qū)域主要位于西南部，大部分聚集在清榮大道、清昌大道和清盛大道圍成的融僑新城內(nèi)以及九龍江上游一帶；低-低集聚區(qū)域主要分布于老城區(qū)玉屏街道、龍山街道附近；高-低集聚區(qū)分布相對(duì)分散，大致位于低-低集聚區(qū)外圍；低-高聚集區(qū)分布區(qū)域較小，僅分布于城區(qū)西南角落；在高-高集聚區(qū)和低-低集聚區(qū)交界地帶，以及高-高集聚區(qū)西南部，低-低集聚區(qū)東北部，有部分集聚類型不顯著區(qū)域?？傮w來看，福清市二手房價(jià)格空間集聚分布顯著，高-高集聚區(qū)和低-低集聚區(qū)分布范圍廣，呈集中分布特征，高-低集聚及低-高集聚區(qū)呈相對(duì)分散式布局，分布范圍小。

表2 OLS模型回歸結(jié)果

2.2 模型構(gòu)建與運(yùn)算結(jié)果

2.2.1 模型構(gòu)建

結(jié)果如表2：有4個(gè)未通過顯著性檢驗(yàn)的指標(biāo)(距公園、火車站、公交站、大學(xué)距離)，剩余8個(gè)指標(biāo)因子VIF均小于7，符合線性回歸分析基本要求，并且這8個(gè)指標(biāo)因子通過10%及以下水平的顯著性檢驗(yàn)，說明這8個(gè)指標(biāo)因子對(duì)福清市二手房價(jià)格具有顯著性影響。因此，根據(jù)全局回歸分析(OLS)得到的8個(gè)顯著性指標(biāo)因子，進(jìn)一步建立關(guān)于二手住宅價(jià)格的多尺度地理加權(quán)回歸模型(MGWR)。

2.2.2 模型運(yùn)算結(jié)果

表3 OLS、GWR及MGWR模型回歸結(jié)果對(duì)比

表4 MGWR模型回歸系數(shù)統(tǒng)計(jì)

結(jié)果如表3所示：MGWR模型的AICc值和殘差平方和明顯小于OLS模型，當(dāng)2個(gè)模型的AICc差值超過3時(shí)，AICc值小的模型擬合效果更好，MGWR模型的校正擬合優(yōu)度(調(diào)整R2)值為0.854，比OLS模型的調(diào)整R2值高14%左右，即MGWR模型比OLS模型多解釋14%的變量數(shù)據(jù)，再次說明MGWR模型的擬合優(yōu)度顯著高于OLS模型。同理，亦可說明MGWR模型優(yōu)于GWR模型。MGWR模型回歸分析結(jié)果如表4所示：各指標(biāo)因子對(duì)房價(jià)的作用差異顯著，具有明顯空間異質(zhì)性，具體表現(xiàn)為相同指標(biāo)回歸系數(shù)存在方向差異，即回歸系數(shù)值存在正負(fù)變化，除小區(qū)綠化率、距汽車站距離和建成時(shí)間回歸系數(shù)未發(fā)生正負(fù)變化，其他指標(biāo)回歸系數(shù)方向都發(fā)生變化。以距型商場距離為例，其系數(shù)變化區(qū)間為[-0.604，0.184]，說明在某一空間上，到大型商場的距離每增加1 m，房價(jià)降低0.604元·m-2；而在另一空間，到大型商場距離每增加1 m，房價(jià)上漲0.184元·m-2。因此，大型商場對(duì)房價(jià)的影響具有明顯的空間非平穩(wěn)性。

2.3 房價(jià)空間分異影響因素分析

為深入探討各影響因素對(duì)房價(jià)作用強(qiáng)度的空間分異特征，本研究結(jié)合ArcGIS軟件的可視化功能，將模型計(jì)算結(jié)果進(jìn)行可視化處理，更直觀地對(duì)住房價(jià)格的影響因素進(jìn)行空間異質(zhì)性分析，回歸系數(shù)的+/-差異分別表示對(duì)住宅價(jià)格具有增值/抑制作用，絕對(duì)值大小表示作用強(qiáng)度。

2.3.1 內(nèi)生因素對(duì)房價(jià)的影響

本研究選取的內(nèi)生因素有建成時(shí)間、容積率和綠化率。從圖3、4中可以看出，在不同空間范圍，綠化率與建成時(shí)間對(duì)房價(jià)影響空間差異較大，但各自作用方向不同。建成時(shí)間與房價(jià)呈顯著負(fù)相關(guān)關(guān)系，小區(qū)綠化率與房價(jià)呈正相關(guān)關(guān)系，與預(yù)期相符。中東部老城區(qū)住宅價(jià)格受建成時(shí)間影響最小，西南部新城區(qū)影響最大，符合實(shí)際情況。主城區(qū)住房建成時(shí)間普遍較長，房價(jià)偏低，受建成時(shí)間影響較小，新城區(qū)新建住宅品質(zhì)優(yōu)于老城區(qū)，二手房價(jià)格受建成時(shí)間影響大。西南部新城區(qū)住宅價(jià)格受綠化率影響較小，東北部主城區(qū)受此綠化率影響較大。新區(qū)住宅小區(qū)綠化率普遍高于主城區(qū)，相同條件下主城區(qū)二手住房價(jià)格受綠化率影響更大。容積率對(duì)房價(jià)影響差異顯著(圖5)，出現(xiàn)正負(fù)差異，系數(shù)由中部老城區(qū)向兩側(cè)遞增，說明容積率對(duì)住宅價(jià)格的影響從老城區(qū)抑制作用逐漸轉(zhuǎn)變?yōu)樵鲋底饔?，其中東北部增值最明顯，東北部為洪寬工業(yè)園區(qū)，開發(fā)樓盤少，其他多為小產(chǎn)權(quán)房，因此，正規(guī)商品房的容積率雖然較高，但價(jià)格仍高于其他小產(chǎn)權(quán)房，導(dǎo)致分析結(jié)果與預(yù)期出現(xiàn)偏差。

2.3.2 商服繁華度對(duì)房價(jià)的影響

伴隨物質(zhì)生活水平的提高，萬達(dá)廣場、紅星美凱龍等大型城市商業(yè)綜合體開始進(jìn)駐經(jīng)濟(jì)發(fā)展水平較好的區(qū)縣級(jí)城市，與大型城市商業(yè)綜合體的距離成為購房者考慮的一個(gè)重要因素。從圖6可以看出，福清市二手住宅價(jià)格受商業(yè)綜合體影響效用大致以西北—東南走向的福糖路為界，西南部新城區(qū)二手住房價(jià)格隨著與商業(yè)綜合體距離增加而顯著下降，東北部主城區(qū)受其影響較小，局部地區(qū)回歸系數(shù)甚至出現(xiàn)正值，即隨著與城市商業(yè)綜合體的距離增加，二手房價(jià)格不降反升。究其原因可解釋為，老城區(qū)住房自身品質(zhì)雖然較低，但由于大型超市、便利店、農(nóng)貿(mào)市場等傳統(tǒng)商業(yè)設(shè)施在主城區(qū)聚集，居民購物消費(fèi)較新區(qū)便利，大量個(gè)體工商戶聚集在福興大道、城隍街和后埔街一帶，這一地區(qū)常被認(rèn)為是福清市的“市中心”，因此，在發(fā)展成熟的老城區(qū)，距離大型商超的遠(yuǎn)近對(duì)購房者影響明顯小于新城區(qū)，也從側(cè)面說明了中小城市購房者更加重視住宅周邊的商服繁華程度。

2.3.3 交通因素對(duì)房價(jià)的影響

由前面的分析得出，公交站點(diǎn)和高鐵站與房價(jià)關(guān)系不顯著，予以剔除?？赡艿慕忉尀椋行〕鞘幸?guī)模較小，公交站點(diǎn)分布密度高，且隨著共享電動(dòng)車、共享單車的布局以及私家車普及，出行方式逐漸多樣化，中小城市居民對(duì)公交車的依賴不斷降低；基于未來城市發(fā)展規(guī)劃，絕大部分新建高鐵站都布局在遠(yuǎn)離市區(qū)的郊區(qū)地帶，無論是老城區(qū)還是新城區(qū)與高鐵站距離都較遠(yuǎn)，因此，高鐵站對(duì)房價(jià)的影響不顯著。

當(dāng)前我國正處于快速城市化階段，中小城市成為我國城鎮(zhèn)化體系的重要組成部分，吸引著轄區(qū)內(nèi)大量農(nóng)業(yè)人口向城市聚集，這部分群體與原有鄉(xiāng)村聯(lián)系較為頻繁，需經(jīng)?！胺掂l(xiāng)”，因此，在中小城市住宅價(jià)格分析過程中，應(yīng)考慮汽車站對(duì)住宅價(jià)格的影響。從圖7可以看出，汽車站回歸系數(shù)符號(hào)未發(fā)生變化，均為正值，且距離汽車站越遠(yuǎn)，系數(shù)值越大，即隨著與汽車站距離的增加，住宅價(jià)格不斷上漲，與預(yù)期判斷相反?？赡艿慕忉屖?，當(dāng)前大多數(shù)汽車站分布在發(fā)展逐漸沒落的老城區(qū)，由于歷史原因，這些區(qū)域多為“老、舊、差、遠(yuǎn)、小”等低端住宅聚集區(qū)，二手房價(jià)格較低，因此，隨著與汽車站距離增加，住房價(jià)格不降反升。

2.3.4 公共設(shè)施對(duì)房價(jià)影響

本次研究結(jié)果表明，醫(yī)院、學(xué)校等城市公共設(shè)施對(duì)住宅價(jià)格影響空間差異較大，回歸系數(shù)均出現(xiàn)正負(fù)差異，與預(yù)期相差較大。從圖8可以看出，距醫(yī)院距離回歸系數(shù)大致沿西南向東北遞減，其中，以福清市人民醫(yī)院和婦幼保健院為界，回歸系數(shù)符號(hào)發(fā)生變化，西南部為正值，東北部為負(fù)值，且作用強(qiáng)度由西南向東北逐漸增大，說明隨著與主要醫(yī)院距離增加，東北部住房價(jià)格逐漸降低，西南部則相反，且作用強(qiáng)度最大值出現(xiàn)在兩端。可能的解釋是，西南部新城區(qū)大型醫(yī)療機(jī)構(gòu)較多，人口密度相對(duì)老城區(qū)小，且布局有眾多社區(qū)醫(yī)院、私人診所等醫(yī)療設(shè)施，人均醫(yī)療資源擁有充足，且區(qū)縣城市醫(yī)院的醫(yī)療水平遠(yuǎn)不及大城市，福清市距省城福州市較近，發(fā)生重大疾病時(shí)，大部分人群選擇到醫(yī)療水平更好的省城就醫(yī)，故該區(qū)域住房價(jià)格受醫(yī)院布局影響較小。

圖9、圖10顯示，中小學(xué)對(duì)房價(jià)影響均出現(xiàn)正負(fù)差異，絕對(duì)值接近0值，中部主城區(qū)二手住宅價(jià)格受中小學(xué)影響小于西南部新城區(qū)及東北部洪寬工業(yè)區(qū)。主要原因?yàn)?，福清市大力推行“學(xué)區(qū)制”，即各所中小學(xué)都劃分了一定片區(qū)作為其主要生源地，該片區(qū)所有適齡兒童可無條件就讀該學(xué)校，且主要重點(diǎn)中小學(xué)布局在老城區(qū)，其他區(qū)域布局多所學(xué)校，人均教育資源充足，導(dǎo)致整體上學(xué)校對(duì)住房價(jià)格影響不大，老城區(qū)受此影響更小。

3 結(jié)論與討論

隨著城市化的發(fā)展，大城市就業(yè)、醫(yī)療、教育、住房等民生問題不斷凸顯，中小城市對(duì)緩解大城市過度集中及小鄉(xiāng)鎮(zhèn)過度分散的弊端具有重要意義[35]。因此，本文以福清市為例，運(yùn)用MGWR模型分析不同指標(biāo)因子對(duì)福清市二手住宅價(jià)格影響效應(yīng)，并結(jié)合空間相關(guān)性分析，探討福清市二手住宅價(jià)格空間分布特征。主要結(jié)論如下：

1)福清市二手住宅價(jià)格具有顯著全局空間自相關(guān)性；局部空間自相關(guān)分析結(jié)果顯示，住宅價(jià)格“高-高”集聚區(qū)主要位于西南部融僑新城附近，“低-低”集聚區(qū)域集中分布于老城區(qū)一帶，“低-高”和“高-低”集聚區(qū)分布范圍較小，分散布局在老城區(qū)周圍與新老城交界地帶。

2)多尺度地理加權(quán)回歸模型(MGWR)回歸結(jié)果明顯優(yōu)于傳統(tǒng)線性回歸模型(OLS)及經(jīng)典地理加權(quán)回歸模型(GWR)，主要因?yàn)镸GWR模型不僅考慮地理空間差異，且通過核函數(shù)計(jì)算不同變量的權(quán)重值，以確定變量的影響尺度，可有效避免捕捉到過多干擾因素和噪聲。

3)在選取的12個(gè)指標(biāo)中，共有8個(gè)通過顯著性檢驗(yàn)，回歸系數(shù)空間異質(zhì)性顯著。值得注意的是，本次研究中，基礎(chǔ)教育對(duì)中小城市房價(jià)影響與其他學(xué)者關(guān)于北京[29]、南京[36]等大城市研究結(jié)果差異較大，主要與城市規(guī)模及人均教育資源占有量有重要關(guān)系。

市場經(jīng)濟(jì)條件下，住房價(jià)格變化波動(dòng)大，具有較強(qiáng)時(shí)效性，基于某一時(shí)點(diǎn)或某一時(shí)段房價(jià)的研究結(jié)果僅代表當(dāng)期住宅價(jià)格特征，后續(xù)可適當(dāng)擴(kuò)展研究時(shí)段，總結(jié)城市住宅長期發(fā)展變化特點(diǎn)。本研究主要測度住宅自身物理屬性及周邊區(qū)位條件對(duì)房價(jià)影響，但每套住宅的實(shí)際成交價(jià)格不局限于本次研究選取指標(biāo)，還受開發(fā)商品牌、規(guī)劃政策、購房者個(gè)人偏好等其他非量化因素影響，對(duì)于此類因子與房價(jià)關(guān)系還需進(jìn)一步探討。