北京城市住宅土地市场空间异质性模拟与预测

土地制度转型和空间重构背景下,价格信号在土地区位配置及空间结构塑造方面发挥出有效性。基于北京市2004-2009 年居住用地出让地块微观数据,利用空间扩展模型、地理加权回归模型和特征价格模型对居住用地价格影响因素及其空间异质性进行了有效检验和预测。模型结果表明：① 居住用地价格影响因素存在着显著的空间异质性,重点小学、轨道交通和公园等设施便利性因素在不同区域对地价的作用强度存在明显差异。② 相比于特征价格模型和空间扩展模型,GWR模型能够有效刻画土地市场空间异质性的离散性、突变性和跳跃性,因而其对居住用地影响因素的空间异质性刻画和居住用地价格的预测最为准确。③ 居住用地价格影响因素的空间异质性表明居住用地子市场存在的可能性,利用GWR模型对地价影响因素的估计可以为土地子市场的划分提供方法借鉴。     

住房价格空间格局及其影响因素的多尺度效应——以福州中心城区为例

基于2021年福州中心城区3 386个商品房住宅小区住房价格等数据,运用空间统计和多尺度地理加权回归,分析住房价格空间分布特征及其影响因素的作用尺度。结果表明：1）福州中心城区住房价格在东西和南北方向为倒“U”型曲线,东西向对称,南北向差异较大。空间格局呈“一主两副”的多中心模式,住房价格高的小区呈现“倾闽江、倾重点学区、倾商场、倾医院和倾生态资源”的特征。2）住房价格因素对空间异质性的影响明显,拥有专属带宽,楼龄、商场、小学等级是作用尺度趋近街道的局部因素,容积率、医院是作用尺度趋近区级行政区的局部因素,地铁站、长途汽车站、大学是作用尺度趋近福州中心城区的全局因素。3）住房价格显著影响因素的作用强度从大到小依次为小学等级、楼龄、长途汽车站、商场、容积率、大学、医院及地铁站。其中,小学等级、长途汽车站、容积率、医院与住房价格呈正相关,楼龄、商场、大学、地铁站与住房价格呈负相关。     

北京市居住用地特征价格的空间分异特征

基于2004-2009年北京市居住用地出让地块微观交易数据,利用特征价格模型,研究了地块所在区域的社会属性特征对地价的影响以及地块特征价格的空间分异特征。研究显示:①居住用地价格存在显著的空间依赖效应,轨道交通和公园绿地便利性及合理的土地混合利用能够显著提升地价。②人口密度、租用公共住房比例和居住用地开发强度等地块所属社会经济属性对价格影响显著。③居住用地的空间依赖效应、周围商业办公用地溢出效应、轨道交通和公园便利性的特征价格随着就业可达性、教育状况、租用公共住房比例、犯罪率和居住用地出让比例等地块所属社会经济属性特征的变化,存在较大的分异。     

北京市住房价格和租金的空间分异与相互关系

当前中国住房销售市场、住房租赁市场发展不平衡,研究住房价格、租金的空间分异与相互关系,对建立“租售并举”的住房制度具有重要参考价值。利用2016年北京市各住宅小区的住房价格、租金数据,及2006—2016年北京市逐月住房销售价格指数、住房租赁价格指数,从时空尺度剖析了住房价格、租金的空间分异与相互关系,并剖析了背后的差异机制。结果表明：① 北京市住房价格和租金的空间格局均呈多中心圈层递减结构,且南北差异明显,但租金的空间分异程度弱于住房价格。② 住房价格具有中等程度的空间相关性,受政策等随机性因素影响相对较大,而租金具有强烈的空间相关性,受区位交通等确定性因素影响相对较大。③ 住房价格和租金的价格剖面线并不相同,住房价格易受学区、大型公园等的影响,而租金更易受就业所在地、建筑年龄等的影响。售租比呈混乱斑驳、相对均质的扁平化分布特征,且小区越高档,售租比越高。④ 北京市住房销售市场和住房租赁市场基本相对独立发展,更符合双重市场的特征。产生上述差异的主要原因在于住房销售市场和住房租赁市场的市场特征、服务人群以及市场发育程度不同。     

流动人口购房意愿影响因素的空间异质性——基于MGWR模型的研究

基于2016年中国流动人口动态监测数据,运用多尺度地理加权回归模型对流动人口流入地购房意愿影响因素的空间异质性进行分析。研究发现：① 中国流动人口在流入地城市的购房意愿整体偏低,尤其在流动人口聚集的东南沿海地区,流动人口购房意愿最低。② 多尺度地理加权回归（multi-scale geographically weighted regression,MGWR）模型能识别出不同因素对购房意愿的影响具有空间尺度差异,其中户口类型、流动范围、流动次数等显著变量对不同区域流动人口购房意愿的影响存在明显的区域差异。③ 各影响因素呈现显著的空间分异格局,其中婚姻状况、户口类型、职业类型、房价、公共服务等因素对东南地区购房意愿的影响较大,收入、流动次数、已购住房、随迁子女等因素对东北地区购房意愿的影响更大,西北地区平均受教育年限和拥有住房公积金对流动人口购房意愿的正向促进作用显著,而跨省流动的负向影响由西北向中部地区梯度递减。     

中国城市住宅价格的空间分异格局及影响因素

分别研究2009年中国286个地级以上城市住宅均价和房价收入比的空间分异格局、总体趋势、空间异质性和相关性;根据供需理论和城市特征价格理论建立了影响中国城市住宅价格空间分异的初选因素,并根据半对数模型分析主要影响因素。结果表明：① 中国城市住宅价格空间分异显著,呈现出空间集聚性分异（东南沿海三大城市群与内陆城市之间）和行政等级性分异（省会与地级市之间）的双重格局;② 房价收入比较高的城市数量更多,分布范围更广,购房难度较大的城市已超过一半;③ 住宅均价的总体分异趋势和空间异质性都强于房价收入比;④ 城市居民收入与财富水平和城市区位与行政等级特征是住宅价格空间分异的两大核心影响因素。     

路网形态与住宅价格的多尺度空间关系研究——基于空间网络分析与多尺度地理加权回归模型

针对以往住宅价格影响因素分析中忽略城市路网形态参数的问题,该文基于空间网络分析,将不同搜索半径下道路接近度与穿行度纳入住宅价格特征变量,构建空间计量模型,探究成都市路网形态对住宅价格的驱动效应。结果表明:1)相比享乐回归模型和地理加权回归模型,多尺度地理加权回归模型揭示了不同变量的空间影响尺度,更适用于探究成都市路网形态对住宅价格的影响;2)路网的局部接近度、局部穿行度核心位于二环内,全局接近度核心主要分布在四环内,全局穿行度核心主要分布在交通干道上;3)不同搜索半径下对住宅价格具有显著驱动效应的接近度均为全局尺度变量,该效应在空间上相对平稳,而穿行度作为局部变量,其在空间上的影响尺度随搜索半径的变化而存在差异,具有一定的空间异质性,其中,路网接近度对住宅价格产生正向影响,其系数空间格局呈跨尺度相似特征,而穿行度产生负向影响,其系数空间格局呈跨尺度变异特征;4)各搜索半径下路网形态变量的差异可在一定程度上改变消费者对其他影响因素的偏好程度。     

都市新区住宅地价空间异质性驱动因素研究 ——基于空间扩展模型和GWR模型的对比

以南京市江宁区为例,基于2004~2011年住宅用地出让数据,利用空间扩展模型和GWR模型对都市新区住宅地价空间异质性及其驱动因素进行研究。结果表明：① 空间扩展模型与GWR模型分别可解释采样区63%、61%的住宅地价变化,较全局回归模型(47%)有显著提升,更有利于研究土地市场的空间异质性。② 空间扩展模型可有效表征各解释变量及其交互项对住宅地价作用的空间结构总体趋势,其拟合效果相对较优。GWR模型则在局部参数估计方面存在优势,借助GIS可将各变量的地价作用模式可视化,从而比空间扩展模型更能有效刻画住宅地价影响因素的空间非平稳性特征,各因素对地价的平均边际贡献排序为水域> 地铁> 大学园区> CBD> 商业网点> 医院,且商业网点、 医院系数值具有方向差异性。③ 距地铁站点、水域、大学园区以及CBD的距离是研究区住宅地价的关键驱动因素,各自存在特有的地价空间作用模式,可为研究区住宅土地市场细分提供科学依据。     

北京市景观可达性与住宅价格空间关联

随着城市居民对住宅环境要求的不断提高,城市景观对城市住宅价格分异影响日趋显著。分析景观对住宅价格分异格局的影响,可为城市住宅空间结构的规划提供依据,为规划与管理部门提供决策参考。以北京城区二手房小区为样本,基于ArcGIS空间分析方法和特征价格模型,探讨景观因素对北京市住宅价格空间分异格局的影响。以主流房地产交易网站二手商品房报价资料为基础数据,共采集到2012 年1 月北京市城六区有效住宅小区样本3174 个,对住宅样点进行空间化处理,并建立住宅空间信息数据库。运用密度分析、空间插值等方法,分析北京市住宅空间分布特征与价格空间分异格局。核密度分布图显示：北京市住宅空间分布呈现显著的向心化与离心化并存现象,总体上以天安门为中心向周边呈衰减趋势,在地铁转换站点形成了多个集聚次中心。在此基础上,从住宅属性、交通因素、区位特征等方面选择主要解释变量,构建地理加权回归模型,对住宅价格影响因素进行分析,重点探讨景观可达性（如绿地、水景、山景等）与住宅价格的关联。结果表明：次中心与住宅价格关联最为显著,绿地、水景、山景与住宅价格存在一定程度关联。其中,山景和高绿化率对住宅价格增效明显;由于水质较差,北京城六区内河流与住宅价格存在负相关;污水处理以及丧葬场所等污染源与住宅价格也存在显著负相关。远离污染源、靠近宜人景观、低容积率、高绿化率是居民选择住宅的需求。     

兰州市主城区房价分异及驱动因素研究

以2021年兰州市主城区678个居住小区房价数据为基础,引入地理场模型量化影响房价的外部因素,通过空间自相关分析、多尺度地理加权回归等模型对房价分异的空间格局及驱动因素的作用机理、带宽差异展开研究,以期为推动河谷型城市房产市场的公平发展提供参考。结果表明：（1） 兰州市主城区平均房价为13739元·m^-2,空间上呈现“一主三副”的带状多中心组团式分布格局,房价由多中心向四周递减,价格相似的小区在地理空间上邻近分布,具有“小集中、大分散”的局部空间特征。（2） 房价分异是多种驱动因素共同作用的结果,区位特征中的主商圈对房价的影响居于首位,建筑特征中的房龄、容积率和邻里特征中的中学数量、绿化率等对房价的影响较大,城市地理特征对房价具有显著影响,愈靠近黄河的小区、房价越高。（3） 各驱动因素的带宽差异明显,主商圈、医院等小尺度变量存在高度空间异质性,而容积率、黄河等全局变量基本不存在空间异质性。     

基于空间分位数模型的住宅价格分异的影响因素研究——以武汉市为例

住宅价格的变化是关系我国城镇化建设和社会经济高质量发展的重要问题。为探索住宅价格分位点下的影响因素,本文以我国中部国家中心城市——武汉市为例,运用空间分位数模型进行定量分析,同时将两阶段空间自回归模型结果作为对比揭示其优越性。研究表明：① 空间分位数模型不仅能考虑住宅价格的空间自相关性,而且还关注了住宅价格的条件分布特征,更为全面地描述微观因素对不同价位住宅的作用效应。②从分位点来看,高住宅价格的空间自相关性强于低住宅价格的;而且影响因素存在波动性和异质性,相比较于两阶段空间自回归的均值结果,空间分位数模型中各因素的影响程度随着分位点的变化出现上升或下降趋势,对低价、高价等不同价位的住宅影响程度存在显著差异。③ 整体而言,建筑年龄和医疗配套为负向影响因素,容积率等建筑特征、区位特征和教育配套等邻里特征变量为正向影响因素。基于研究结果,合理提高中低价位住宅区域的容积率和绿地率、加大低价住宅区的轨道交通和教育设施的投入力度等应当成为政府部门针对不同价位的住宅制定差异化政策措施的考虑方向。     

基于户籍比较的特大城市住宅价格时空分异研究——以长沙市为例

为揭示中国特大城市住房市场中,不同购房群体在住房价格空间特征上的差异,论文对购房人群的户籍归属地进行划分,以“本地—外来”的视角分别刻画了长沙本地与外来(长沙户籍与非长沙户籍)2类购房者房价格局的时空演进。采取动态空间滞后特征模型(STAR-Hedonic)分析了区位、景观、邻里等因素对2类购房者房价的影响。研究发现：(1)长沙外来购房者房价梯度下降更快,空间更平滑。(2)长沙房价空间一江两岸双中心的总体格局逐步成型。传统CBD五一广场对城市房价的重要性在下降,但是对本地人房价梯度和价格弹性程度维持较高水平,副中心梅溪湖新城对外来人群房价的影响因子的提升幅度更大。(3)外来购房者对住宅品质和邻近配套有更高的支付倾向。(4)楼市的繁荣期和调控期,周边交易价格对2类购房者的影响程度不同。论文从功能需求、主观因素、政策区别和经济动机4个方面探究了2类购房者房价空间分异的成因。在“房住不炒”背景下,关注不同人群房价空间演进和影响因素的变化趋势,有助于特大城市房地产市场“精准调控”的实施。     

基于GWR的南京市住宅地价空间分异及演变

以南京市主城区为例,在空间自相关分析和蒙特卡罗检验的基础上,构建城市住宅地价地理加权回归模型,通过2003 年、2009 年住宅地价空间分异的对比,探讨不同影响因素对住宅地价影响的空间差异性及其随时间变化的特点,揭示住宅地价及其影响因素的空间变化关系,以促进地价的科学化管理。研究表明：① 随着影响因素数量不断增加以及合理均衡分布,区域差异性缩小,一般会减弱其对地价的影响。② 随着交通条件的不断完善,导致影响因素如CBD、主干道、公交等对地价的影响程度和范围发生变化。③ 随着时间推移,城市居民逐渐注重生活质量、居住品位的提高,公园绿地对地价的影响程度超过其他公用设施。     

扬州市住宅价格空间分异的影响因素与驱动机制

构建包含20个评价因子、4 个影响因素和4 个预期修正因素在内的城市住宅价格空间分异影响因素评价体系,基于评价因子和预期修正,分别得出单户住宅档次与水平、小区建设档次与水平、区位与生活便利性、周边景观与环境等4 个影响因素强度的得分,并分析其空间分异格局。以2012 年扬州市1305 个小区的平均住宅单价为因变量,4 个基本影响因素得分为自变量,进行回归分析,探索所有住宅及各子市场价格分异的主要因素,并分析其驱动机制。结果表明：① 4 个影响因素强度格局明显不同,住宅自身因素的格局呈现中心低外围高的圈层式分异,而外部作用因素强度呈现中心高外围低、西高东低的扇型与圈层相结合式空间分异格局;② 扬州市总体住宅价格空间分异的核心影响因素是小区建设档次与水平,不同类型住宅子市场的价格影响因素各不相同;③ 扬州市住宅价格空间分异的主要驱动力是特定住宅类型与档次建设的区位指向、特定收入阶层的空间集聚、公共物品投资的空间差异、城市居住用地扩展与城市更新的区位指向。     

环境类邻避设施对北京市住宅价格影响研究——以大型垃圾处理设施为例

近年来,随着城市扩张,垃圾处理设施的布局逐步和城市居住空间相交叠,影响居民生活品质。目前人们对于北京市垃圾处理设施“围城”问题的认知多来自新闻媒体的宣传报道,存在一定的认知误差。以北京市六环内及周边街道为研究范围,分析垃圾处理及转运设施对房价的影响程度,以及垃圾处理设施对周边住宅价格影响的空间范围,在此基础上分析北京市最大的垃圾处理中心——阿苏卫对周边房价的影响范围。结果表明：① 北京市大型垃圾处理设施对周边房价影响的空间作用范围平均为6 km左右,这一距离远超市政建设要求的大型垃圾处理设施与居住区距离500 m的邻避标准。以此空间距离为基准测算,北京有800多个社区、约70万户居民处于大型垃圾处理设施的影响范围内。② 案例研究显示,阿苏卫垃圾处理中心对周边房价的影响范围接近14 km,远大于垃圾处理设施的平均空间作用距离。由于阿苏卫周边分布着回龙观、天通苑等大型居住区,受该设施影响的居民多达几十万人。     

A Coregionalized Model to Predict Housing Prices

Abstract

In a uniequational hedonic model, the main source of spatial dependence is found in the explained variable, since the price of a house mainly depends on the housing prices in the neighborhood (although this can also be due to other factors, such as missing covariates and the model of choice). Dependence is one of the primary causes of spatial autocorrelation in disturbances. However, such disturbances may also be spatially correlated with the disturbances of other equations; in this case, they can be considered coregionalized. This paper presents a multi-equational hedonic regression model with coregionalized disturbances and heterotopic data. The model comprises two equations. The first explains housing prices using data from a sample, while the second explains an auxiliary variable, quality of the area, obtained from a different sample. The model is then applied practically to predict housing prices. [Key words: Cokriging, housing prices, geostatistics, multi-equational hedonic model, coregionalized.]     

基于住宅价格视角的居住分异耦合机制与时空特征——以南京为例

城市住宅价格空间分异,是居住空间资源非均衡配置的市场化表达,映射出不同阶层社会群体对城市住宅的选择倾向与需求差异,与居住空间分异在机制和格局上存在一定耦合关联。以南京主城区商品房社区为研究对象,构建起住宅价格特征变量指标体系,采用地理加权回归模型,分析导致房价空间差异的主要因素、组合关系及时空演变特征。研究发现：社区服务档次、学区资源、环境区位、景观稀缺等能够体现居住群体经济实力、生活方式与文化品位的因素,是影响房价分异的主导要素并随时间不断强化;南京房价总体上呈现“圈层+扇形+飞地”的空间结构,高房价主要分布在城市中心、名校学区、高档封闭社区和山水景观别墅区;房价分异与居住分异在作用机制和空间格局上表现出显著的关联耦合特征。城市房价空间分异不止于表达,同时也是推动居住空间分异与再分化的重要驱动机制,并能够预判未来一段时期内城市居住空间分异格局演变的基本走势,可以为城市社会空间研究提供具有前瞻性的观察视角和分析工具。