城市房價(jià)與公共服務(wù)設(shè)施水平關(guān)系研究

李鵬 賈儒軒

摘? ?要：近年來，城市住房價(jià)格居高不下成為城市居民一直關(guān)注的焦點(diǎn)問題，也受到了學(xué)者們的廣泛研究。借助互聯(lián)網(wǎng)大數(shù)據(jù)，通過爬取poi獲取房價(jià)信息和公共服務(wù)設(shè)施點(diǎn)。首先，利用ArcGIS工具中的地統(tǒng)計(jì)分析對(duì)濟(jì)南市主城區(qū)房價(jià)進(jìn)行空間分布描述；其次，利用核密度分析對(duì)濟(jì)南市公共服務(wù)設(shè)施的空間密度及設(shè)施多樣性進(jìn)行空間分布描述；最后，利用地理加權(quán)回歸分析模型探究城市房價(jià)與公共服務(wù)設(shè)施多樣性之間的線性關(guān)系。結(jié)果顯示，公共服務(wù)設(shè)施的綜合多樣性以及社區(qū)辦公、養(yǎng)老服務(wù)、教育設(shè)施、文體設(shè)施等多樣性與城市房價(jià)存在正負(fù)相關(guān)性交替的現(xiàn)象，房價(jià)空間差異受多種因素的共同作用。

關(guān)鍵詞：濟(jì)南市；住房價(jià)格；公共服務(wù)設(shè)施；多樣性

中圖分類號(hào)：F299? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2023）05-0072-03

目前，國內(nèi)對(duì)于住房價(jià)格的研究逐漸從以定性研究為主轉(zhuǎn)向定性與定量相結(jié)合的方式，對(duì)房價(jià)影響因子的分析方法更加多樣，最頻繁的方法是采用特征價(jià)格模型分析以及地理加權(quán)回歸分析[1-3]。而對(duì)于住房價(jià)格與公共設(shè)施結(jié)合的分析研究多從公共設(shè)施的可達(dá)性，以及公共設(shè)施的空間分布數(shù)量入手，缺少對(duì)公共設(shè)施的豐富度分析。本文利用poi數(shù)據(jù)，對(duì)研究范圍內(nèi)的設(shè)施點(diǎn)進(jìn)行較高精度的定位，提升了研究的精細(xì)化程度。

一、研究對(duì)象與方法

（一）研究區(qū)域

通過對(duì)濟(jì)南市小區(qū)數(shù)據(jù)以及公共設(shè)施主要分布數(shù)據(jù)的統(tǒng)計(jì)分析，研究發(fā)現(xiàn)居住小區(qū)以及公共設(shè)施大都集中分布在主城區(qū)。因此，選取濟(jì)南市主城區(qū)作為研究區(qū)域?qū)Ψ治龉苍O(shè)施對(duì)住房價(jià)格的影響更具代表性和研究價(jià)值。根據(jù)《濟(jì)南市城市總體規(guī)劃（2011—2020年）》，濟(jì)南市主城區(qū)包括歷下區(qū)、市中區(qū)、天橋區(qū)、槐蔭區(qū)、歷城區(qū)和長清區(qū)，總面積3 257km2。

（二）數(shù)據(jù)來源

本次研究中，房價(jià)數(shù)據(jù)抓取自鏈家網(wǎng)（jn.lianjia.com）以及安居客（jinan.anjuke.com）等網(wǎng)站的poi數(shù)據(jù)，經(jīng)過篩選共計(jì)1 256條，數(shù)據(jù)標(biāo)簽包括房源名稱、經(jīng)緯度、房價(jià)等信息；公共設(shè)施選取《濟(jì)南15分鐘社區(qū)生活圈規(guī)劃導(dǎo)則》中規(guī)定的公共服務(wù)設(shè)施，爬取百度地圖poi數(shù)據(jù)，經(jīng)過篩選后共計(jì)12 456條，數(shù)據(jù)標(biāo)簽包括設(shè)施名稱、設(shè)施類別、經(jīng)緯度等信息。之后對(duì)所獲取數(shù)據(jù)進(jìn)行清洗處理。

（三）研究方法

1.探索性空間分析。空間自相關(guān)分析是探索性數(shù)據(jù)分析的主要方法，用來揭示區(qū)域單元上某一屬性值與鄰近單元上同一屬性值的相關(guān)程度，發(fā)現(xiàn)空間異質(zhì)和空間集聚現(xiàn)象，包括全局自相關(guān)和局部自相關(guān)[4]。

2.香農(nóng)多樣性分析。國內(nèi)外普遍利用公共設(shè)施的密度分布來研究公共服務(wù)設(shè)施對(duì)房價(jià)的影響，可能導(dǎo)致研究結(jié)論不夠全面，因此本文借鑒香農(nóng)—威納指數(shù)以測度綜合與不同類型公共服務(wù)設(shè)施的多樣性，結(jié)合公共設(shè)施密度分布更加全面地分析影響住宅價(jià)格的因素[5]，其計(jì)算公式分別為：

Hj=-∑PijlnPij

hj=-∑PmjlnPmj

式中，Hj為綜合多樣性指數(shù)，表示j小區(qū)周邊公共服務(wù)設(shè)施的多樣性指數(shù)。Pij表示第j個(gè)小區(qū)1000米范圍內(nèi)第i種大類公共服務(wù)設(shè)施數(shù)量占該小區(qū)1000米范圍內(nèi)設(shè)施數(shù)量的比例。hj為設(shè)施多樣性指數(shù)，表示j小區(qū)周邊各類公共服務(wù)設(shè)施的多樣性指數(shù)，pij代表第j個(gè)小區(qū)1000米范圍內(nèi)m小類設(shè)施數(shù)量占該單元小類所屬的大類設(shè)施總量的比例。多樣性趨近于0，表示該小區(qū)周邊公共服務(wù)設(shè)施種類單一，多樣性低。反之，則表示小區(qū)周邊公共服務(wù)設(shè)施總類豐富，更具多樣性。

3.地理加權(quán)回歸。為分析公共設(shè)施分布密度及多樣性對(duì)城市住房價(jià)格的影響，在ArcGIS構(gòu)建地理加權(quán)回歸模型，來揭示公共服務(wù)設(shè)施影響因子與城市房價(jià)的空間相關(guān)性。首先用普通最小二乘法線性回歸對(duì)變量進(jìn)行總體回歸分析，通過顯著性檢驗(yàn)后再進(jìn)行地理加權(quán)回歸分析[6]。

二、濟(jì)南市主城區(qū)普通住宅價(jià)格空間分布分析

利用空間自相關(guān)分析探索濟(jì)南市主城區(qū)普通住宅價(jià)格在空間上的分布規(guī)律，以此來揭示城市房價(jià)在空間上的分異和聚集現(xiàn)象。

（一）全局自相關(guān)

利用ArcGIS中的空間自相關(guān)分析工具，得出本研究中濟(jì)南市房價(jià)數(shù)據(jù)的全局自相關(guān)分析結(jié)果Morans I指數(shù)大于0，房價(jià)整體上存在著相似值之間的空間聚集現(xiàn)象，距離較近的住宅，其價(jià)格也相接近。p值（P-Value）表示所研究的空間模式是某一隨機(jī)過程的概率， 研究結(jié)果p值小于0.01，所以數(shù)據(jù)是隨機(jī)生成的概率只有1%（99%的置信度），也就是拒絕了零假設(shè)。z值（Z-Score）遠(yuǎn)大于99%置信區(qū)間雙側(cè)檢驗(yàn)臨界值2.58，說明濟(jì)南主城區(qū)普通二手房房價(jià)存在著十分顯著的正相關(guān)集聚現(xiàn)象。首先是因?yàn)橄噜徸》炕驹谕粫r(shí)間段建造，有相似的結(jié)構(gòu)特征如房屋面積、內(nèi)部及外部的設(shè)計(jì)，其次鄰近的住宅共享周邊設(shè)施，其區(qū)位及所享受的公共服務(wù)接近均等。

（二）局部自相關(guān)

本文采用LISA集聚圖來分析二手房房價(jià)的集聚情況。Hight- Hight為高值聚類，Low-Low為低值聚類，表示該區(qū)域的住宅價(jià)格存在較高的空間正相關(guān)。Hight-Low為“高—低”關(guān)聯(lián)，Low-Hight為“低—高”關(guān)聯(lián)，表示該區(qū)域的住宅價(jià)格存在空間負(fù)相關(guān)。濟(jì)南市主城區(qū)普通二手房房價(jià)“高—高”關(guān)聯(lián)區(qū)域主要為濟(jì)南市老城區(qū)，受其區(qū)域地理位置、土地價(jià)值以及公共服務(wù)設(shè)施質(zhì)量等因素影響，房價(jià)均值普遍高于其他區(qū)域。“低—低”關(guān)聯(lián)區(qū)域分布范圍較廣且相對(duì)分散，主要集聚在天橋區(qū)、槐蔭區(qū)以及市中區(qū)的西部。負(fù)相關(guān)的區(qū)域主要分布在高值和低值聚集區(qū)之間，受舊城改造的影響這些區(qū)域房屋建成年代差異較大，且存在部分棚戶小區(qū)，價(jià)格差異較大。

三、公共服務(wù)設(shè)施多樣性與房價(jià)空間分布相關(guān)性分析

（一）公共服務(wù)設(shè)施的空間分布特征

1.空間密度分布特征。利用GIS中密度分析工具，對(duì)濟(jì)南市公共設(shè)施poi點(diǎn)進(jìn)行空間核密度分析，結(jié)果發(fā)現(xiàn)：一是公共服務(wù)設(shè)施主要集中在老城區(qū)范圍內(nèi)。其中，天橋區(qū)南側(cè)濟(jì)南火車站附近為公共服務(wù)設(shè)施集中分布的中心區(qū)域，市中區(qū)和歷下區(qū)部分街道為次級(jí)中心區(qū)域。總體上呈現(xiàn)由老城區(qū)向東西兩側(cè)新城區(qū)域密度遞減的趨勢。二是各區(qū)域呈現(xiàn)組團(tuán)聚集的模式。歷下區(qū)組團(tuán)聚集模式最為明顯出現(xiàn)中心—次中心—組團(tuán)中心三級(jí)分布特點(diǎn)；天橋區(qū)和市中區(qū)設(shè)施集中等級(jí)差異較大，且分布不均衡；槐蔭區(qū)和歷城區(qū)設(shè)施組團(tuán)分布相對(duì)集中，呈現(xiàn)出由中心向四周遞減的趨勢。

2.空間綜合多樣性分布特征。通過計(jì)算公共服務(wù)設(shè)施綜合多樣性指數(shù)（Hj）以及各類設(shè)施多樣性指數(shù)（hj）并對(duì)其進(jìn)行可視化表達(dá)發(fā)現(xiàn)：一是老城區(qū)公共服務(wù)設(shè)施多樣性最高，由中心向周圍遞減。總體上呈現(xiàn)出由中心向周圍遞減的趨勢，公共服務(wù)設(shè)施密度大的區(qū)域其多樣性也較高，并且?guī)?dòng)附近區(qū)域設(shè)施多樣性的提升。二是各區(qū)域設(shè)施多樣性聚集組團(tuán)模式明顯，設(shè)施多樣性等級(jí)分明。其中歷下區(qū)設(shè)施多樣性的等級(jí)最高，其設(shè)施豐富度最高；其次是市中區(qū)，呈現(xiàn)出中心—次中心—組團(tuán)中心的三級(jí)分布模式；天橋區(qū)為中心—組團(tuán)中心二級(jí)分布模式；槐蔭區(qū)、歷城區(qū)和長清區(qū)設(shè)施多樣性等級(jí)相對(duì)較低。

綜上，公共服務(wù)多樣性呈現(xiàn)由老城區(qū)向周邊新城區(qū)遞減的趨勢，各區(qū)域呈現(xiàn)出組團(tuán)聚集的模式，設(shè)施多樣性等級(jí)分布明顯。

（二）公共服務(wù)設(shè)施多樣性與房價(jià)總體相關(guān)性分析

在進(jìn)行地理加權(quán)回歸分析之前首先對(duì)公共服務(wù)設(shè)施綜合多樣性（Hj）和各類設(shè)施多樣性指數(shù)（hj）與城市住房價(jià)格進(jìn)行總體相關(guān)性回歸分析。以城市房價(jià)為因變量，以公共服務(wù)設(shè)施綜合多樣性（Hj）、社區(qū)辦公設(shè)施多樣性（h1）、衛(wèi)生醫(yī)療設(shè)施多樣性（h2）、養(yǎng)老服務(wù)設(shè)施多樣性（h3）、教育設(shè)施多樣性（h4）、文體設(shè)施多樣性（h5）、商業(yè)便民設(shè)施多樣性（h6）、公共環(huán)境設(shè)施多樣性（h7）為自變量，利用普通最小二乘法（OLS）線性回歸對(duì)其進(jìn)行分析，結(jié)果顯示：

除衛(wèi)生醫(yī)療設(shè)施多樣性（h2）、商業(yè)便民設(shè)施多樣性（h6）、公共環(huán)境設(shè)施多樣性（h7）等變量外均未通過5%水平的顯著性檢驗(yàn)，究其原因主要是醫(yī)療衛(wèi)生設(shè)施與公共環(huán)境設(shè)施在空間配置上相對(duì)均衡，其設(shè)施種類較少，多樣性變化趨勢不明顯；而商業(yè)便民設(shè)施的配置多為市場選擇的結(jié)果，其多樣性變化也較弱。

（三）公共服務(wù)設(shè)施多樣性與房價(jià)空間相關(guān)性分析

1.設(shè)施綜合多樣性（Hj）對(duì)房價(jià)的影響。通過GWR模型分析得到該影響因素的擬合參數(shù)R2為0.45，表明GWR模型能夠解釋濟(jì)南市主城區(qū)45%的房價(jià)變化與影響因素之間的關(guān)系。綜合多樣性（Hj）對(duì)房價(jià)呈正相關(guān)影響的區(qū)域，其中對(duì)歷下區(qū)西部的老城區(qū)以及天橋區(qū)濟(jì)南火車站附近的影響較大，這些區(qū)域主要位于濟(jì)南市老城區(qū)，建設(shè)用地開發(fā)強(qiáng)度不高，建筑密度大，使得公共服務(wù)設(shè)施種類數(shù)量較為密集，并且經(jīng)過幾十年的發(fā)展公共服務(wù)資源得到了篩選、積累和沉淀，使其資源質(zhì)量優(yōu)于其他區(qū)域。未來經(jīng)過新一輪的城市更新改造提升，該區(qū)域的公共服務(wù)設(shè)施會(huì)得到進(jìn)一步優(yōu)化，可能會(huì)進(jìn)一步加劇對(duì)房價(jià)的影響。

2.各設(shè)施多樣性對(duì)房價(jià)的影響。一是社區(qū)辦公設(shè)施多樣性（h1）。通過GWR模型分析得到該影響因素的擬合參數(shù)R2為0.508，表明GWR模型能夠解釋濟(jì)南市主城區(qū)50.8%的房價(jià)變化與影響因素之間的關(guān)系。影響最大的區(qū)域集中在歷下區(qū)甸柳新村街道，但從總體來看該類設(shè)施的多樣性對(duì)房價(jià)影響不大。社區(qū)辦公類設(shè)施主要是滿足居民日常工作以及安全需求，在交通工具以及科技發(fā)達(dá)的今天，該類設(shè)施對(duì)于消費(fèi)者買房意愿的影響越來越低，隨著未來科技的進(jìn)一步發(fā)展，該類設(shè)施的供求關(guān)系趨近于平衡，對(duì)房價(jià)的影響會(huì)進(jìn)一步降低，在空間分布上也會(huì)趨近于均衡。二是養(yǎng)老服務(wù)設(shè)施多樣性（h3）。通過GWR模型分析得到該影響因素的擬合參數(shù)R2為0.547，表明GWR模型能夠解釋濟(jì)南市主城區(qū)54.7%的房價(jià)變化與影響因素之間的關(guān)系。養(yǎng)老服務(wù)設(shè)施多樣性對(duì)房價(jià)的影響既有促進(jìn)也有抑制，總體上影響不大，并且現(xiàn)階段養(yǎng)老服務(wù)設(shè)施依然是以集中式的養(yǎng)老院或者療養(yǎng)院為主，其所處位置大多位于生態(tài)環(huán)境較好的城市外圍，分散式的社區(qū)養(yǎng)老模式尚未完全普及，使得其對(duì)于城市房價(jià)的影響范圍有限，即使有部分影響也有可能歸因于其周圍良好的生態(tài)環(huán)境。未來，隨著居家養(yǎng)老以及社區(qū)養(yǎng)老設(shè)施的普及，以及老齡化問題的加劇，養(yǎng)老服務(wù)設(shè)施勢必會(huì)對(duì)房價(jià)產(chǎn)生一定的影響，成為消費(fèi)者選擇房源的一項(xiàng)重要影響因素。三是教育設(shè)施多樣性（h4）。通過GWR模型分析得到該影響因素的擬合參數(shù)R2為0.525，表明GWR模型能夠解釋濟(jì)南市主城區(qū)52.5%的房價(jià)變化與影響因素之間的關(guān)系。教育設(shè)施多樣性（h4）對(duì)房價(jià)具有抑制和促進(jìn)雙重作用，其中對(duì)歷下區(qū)的影響作用最為明顯，主要是由于該區(qū)域匯集了較多優(yōu)質(zhì)教育資源的同時(shí)其內(nèi)部也存在一定的教育資源競爭，所以對(duì)于教育資源競爭優(yōu)勢明顯的區(qū)域房價(jià)有促進(jìn)作用，而對(duì)競爭優(yōu)勢較低的區(qū)域房價(jià)有抑制作用。隨著教育設(shè)施的均衡化配置，各區(qū)域的教育設(shè)施多樣性逐步提升，但是教育資源的質(zhì)量還存在較大的差異，因而教育設(shè)施對(duì)于房價(jià)的影響更多的是體現(xiàn)在教育資源的質(zhì)量上。未來，隨著網(wǎng)課教育的普及和優(yōu)化，利用網(wǎng)上教育縮小各區(qū)域間教育質(zhì)量的差距，從而降低教育設(shè)施對(duì)于房價(jià)的影響，達(dá)到控制房價(jià)的作用。四是文體設(shè)施多樣性（h5）。通過GWR模型分析得到該影響因素的擬合參數(shù)R2為0.397，表明GWR模型能夠解釋濟(jì)南市主城區(qū)39.7%的房價(jià)變化與影響因素之間的關(guān)系。文體設(shè)施多樣性（h5）對(duì)房價(jià)影響較大的區(qū)域在歷下區(qū)和市中區(qū)的部分街道，其中歷下區(qū)由于文體設(shè)施的多樣性較低，使其房價(jià)受到抑制，而市中區(qū)文體設(shè)施多樣性較高，其房價(jià)受到明顯的促進(jìn)作用。在精神文明需求逐步增加的今天，文體設(shè)施能夠豐富人們的精神文化生活，滿足其追求高質(zhì)量的生活需求，因而其豐富程度勢必會(huì)成為未來人們選擇住房的主要因素之一，而現(xiàn)階段文體設(shè)施分布還不夠均衡，其豐富度還有待提升，這是未來規(guī)劃中需要著重考慮的問題之一。

四、結(jié)語

本文利用GIS分析工具揭示濟(jì)南市主城區(qū)普通住宅房價(jià)的空間分布規(guī)律，并采用GWR模型和核密度分析的方法，研究不同公共服務(wù)設(shè)施多樣性對(duì)于房價(jià)的影響得出，設(shè)施綜合多樣性以及社區(qū)辦公、養(yǎng)老服務(wù)、教育、文體等四類公共服務(wù)設(shè)施的多樣性與房價(jià)具有明顯的相關(guān)關(guān)系，其豐富程度越高越能夠吸引和帶動(dòng)更多的居民。但公共服務(wù)設(shè)施的多樣性與其數(shù)量的密度分布以及房價(jià)峰值并不完全吻合，說明影響房價(jià)的不只是空間上的分布，經(jīng)濟(jì)、社會(huì)、環(huán)境、政策等也都會(huì)產(chǎn)生影響。

參考文獻(xiàn)：

[1]? ?梁軍輝，林堅(jiān)，吳佳雨.北京市公共服務(wù)設(shè)施配置對(duì)住房價(jià)格的影響[J].城市發(fā)展研究，2016，（9）：82-87，124.

[2]? ?湯坤，李全，陸江瀟，等.公共服務(wù)設(shè)施可達(dá)性及其對(duì)房價(jià)的影響[J].地理空間信息，2020，（2）.

[3]? ?李會(huì)平，王清芳，王洪衛(wèi)，等.論上海地區(qū)住宅集群及公共設(shè)施的空間可及性[J].復(fù)旦公共行政評(píng)論，2014，（1）：47-70.

[4]? ?周小平，秦振揚(yáng)，趙松，等.中國住宅地價(jià)房價(jià)比的空間格局、演變特征及影響因素——基于35個(gè)大中城市的空間計(jì)量分析[J].中國土地科學(xué)，2019，（1）：40-48.

[5]? ?劉合林，鄭天銘，聶晶鑫.城市基本公服設(shè)施數(shù)量與多樣性空間配置研究——以武漢市主城區(qū)為例[J].城市規(guī)劃，2021，（2）：84-91.

[6]? ?谷興，周麗青.基于地理加權(quán)回歸的武漢市住宅房價(jià)空間分異及其影響因素分析[J].國土與自然資源研究，2015，（3）：63-68.

[責(zé)任編輯? ?劉? ?瑤]