Scientia Geographica Sinica  2012 , 32 (7): 828-834 https://doi.org/10.13249/j.cnki.sgs.2012.07.828

Orginal Article

基于GWR模型的城市住宅地价的时空演变研究——以江苏省为例

张静1, 张丽芳2, 濮励杰1, 管驰明3

1.南京大学地理与海洋科学学院,江苏 南京 210093
2.南京财经大学公共管理学院,江苏 南京 210046
3.东南大学经济管理学院,江苏 南京 210018

Research on Spatio-temporal Variation of Urban Residential Land Price based on GWR Model: A Case Study of Jiangsu Province

ZHANG Jing1, ZHANG Li-fang2, PU Li-jie1, GUAN Chi-ming3

1. School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing, Jiangsu 210093, China
2. School of Public Administration, Nanjing University of Finance & Economics, Nanjing, Jiangsu 210046, China
3. School of Economics & Management, Southeast University, Nanjing, Jiangsu 210018, China

中图分类号:  K902

文献标识码:  A

文章编号:  1000-0690(2012)07-0828-07

收稿日期: 2011-10-27

修回日期:  2012-04-12

网络出版日期:  2012-07-20

版权声明:  2012 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家自然科学基金(40801049、40871255)资助

作者简介:

作者简介:张 静(1974-),江苏宿迁人,博士,主要从事土地评价和土地利用规划研究。E-mail:zhangjingsq@yahoo.com.cn

展开

摘要

江苏省地价总体变化特征分析的基础上,构建城市住宅地价的GWR模型,对1997、2005和2008年3个时间点的江苏省城市住宅地价影响因素的空间变异特征进行了探究,揭示了各因素因子对住宅地价的影响程度和区域差异,丰富和发展了城市地价影响因素时空变化规律的理论研究。研究结果表明:① 距中心城市距离对住宅地价的影响呈负相关,3年回归系数绝对值的平均值逐渐增大且高值分布区域逐渐扩大;② GDP与住宅地价呈正相关,GDP对住宅地价影响最大地区逐渐北移,且高值区域逐渐减小;③ 城镇化率与住宅地价呈正相关,从空间看,沿江地区是苏南、苏中两大经济板块的纽带,对住宅地价影响变大,从时间看,城镇化率对住宅地价的影响逐步减小;④ 对外交通状况对住宅地价贡献为正,南部地区回归系数较高,向北系数逐渐减小,从时间角度看,其影响程度逐步增大;⑤ 从业人口数量对住宅地价的贡献为正,南部地区回归系数较高,向北回归系数绝对值逐渐减小,从业人口数量对苏南影响比苏北大;⑥ 房地产投资总额北部地区回归系数较高,向南系数逐渐减小,苏北房地产投资总额对住宅地价影响高于苏南地区。

关键词: GIS ; GWR模型 ; 住宅地价 ; 时空演变 ; 江苏省

Abstract

Based on the analysis of general variation characteristics of land price in Jiangsu Province, this article attempts to build a GWR model for residential land price in urban areas designed to study the factors responsible and the spatial variation characteristics in 1997, 2005 and 2008. The study reveals the degrees of the influential factors and regional differences on land prices, and explores the theoretical research of spatio-temporal variation laws of the factors that contribute to urban land price. The results show: 1) the distance from a central city to residential lands produces negative impacts on the land price, and the average of the absolute value of the regression coefficient increases gradually over the three years with a gradual expansion of high value areas; 2) GDP is positively correlated to residential land price, and the regions where GDP has the most powerful influences on residential land price shift gradually to the northern part of Jiangsu Province; and the number of areas with high value reduces gradually; 3) urbanization rate shows a positive correlation with residential land price, in the sense that from spatial perspective. In the areas along Changjiang River which link the central and southern parts of Jiangsu Province, urbanization rate exerts increasing impacts on residential land price, whereas, from temporal perspective, urbanization rate produces decreasing effects on residential land price; 4) outbound traffic condition shows a positive impact on residential land price, and the regression coefficient in the southern part is fairly high but gradually decreases from the south to the north; from temporal perspective, its influence shows an upward trend; 5) the number of employees is positively correlated to residential land price; the regression coefficient in the southern part of Jiangsu Province is fairly high and the absolute value of regression coefficient gradually increases from the south to the north; besides, the number of employees produces more effects on the southern part than on the northern part of Jiangsu Province; 6) the regression coefficient of the total real estate investment in the northern part is fairly high, and it gradually declines from the northern part to the southern part; the total real estate investment is more influential to the residential land price of the northern part than to that of the southern part of Jiangsu Province.

Keywords: GIS ; GWR Model ; residential land price ; spatio-temporal variation ; Jiangsu Province

0

PDF (1154KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

张静, 张丽芳, 濮励杰, 管驰明. 基于GWR模型的城市住宅地价的时空演变研究——以江苏省为例[J]. , 2012, 32(7): 828-834 https://doi.org/10.13249/j.cnki.sgs.2012.07.828

ZHANG Jing, ZHANG Li-fang, PU Li-jie, GUAN Chi-ming. Research on Spatio-temporal Variation of Urban Residential Land Price based on GWR Model: A Case Study of Jiangsu Province[J]. Scientia Geographica Sinica, 2012, 32(7): 828-834 https://doi.org/10.13249/j.cnki.sgs.2012.07.828

近年来中国房地产业发展突飞猛进,房地产价格在不同城市之间的差异也呈现不断增大的趋势,城市土地的价值差异是房地产价格差异的根本原因。根据相关研究,2005年以来省会城市间住宅地价的差距迅速扩大,东部地区地价与中、西部地区的差距进一步拉大[1]。对城市土地价格影响因素,国外学者多从衍生需求模型、住宅市场分析模型角度研究[2],这些模型在中国住宅市场上的适用性还需要进一步的实证研究;国内学者一般从微观角度和宏观角度进行研究:如从供求机制和收益机制角度研究容积率对地价的影响作用并对容积率修正系数的编制提出了建议[3],采用主导因素分析城市居住用地价格的影响因素[4],城市地价空间分异的影响因素实证研究[5],构建了城市间住宅土地价格差异决定因素的理论分析框架[6],采用引致需求模型解释城市间地价水平差异的原因[7],构建城市居住地价的理论框架和居住地价影响因子体系[1]等等。纵观上述学者的研究实践,部分成果涉及一定区域范围内的地价影响因素,但大部分是特定时间的静态研究,对于采用空间计量统计学理论在区域范围(跳出单一城市范畴)内具有时间、空间跨度的研究地价影响因素的成果尚不多见。因此本文试图采用空间计量统计学模型对于区域地价空间结构进行分析,在严格参数检验的基础上,探索区域地价的空间分异规律,发挥地价在社会经济中的信息指引作用。

1 研究区域与地价时空演变特点

1.1 研究区域

江苏省是长三角区域的重要组成部分,是开放型经济最发达的地区之一,也是中国现代高科技产业和城镇密集地区之一。江苏省域面积虽然有10.26万km2,但是不同区域社会经济条件、文化背景差异明显,土地价格也存在很大的地区差异,根据《江苏省城市地价动态监测报告》[8],住宅用地价格相差超过10倍以上。为了对江苏省地价影响因素差异进行深入分析与研究,本文将其划分苏南(南京、苏州、无锡、常州、镇江)、苏中(扬州、泰州、南通)、苏北(徐州、淮安、盐城、连云港、宿迁)三大区域,研究不同区域范围地价时空演变特点,并探讨影响城市地价影响因素及其作用机制。

1.2 土地供应总量变化分析

1999~2009这11 a间,江苏省住宅房地产市场呈现快速发展的态势,土地供应量大幅度增加,总供应量达到了65 889.08 hm2图1),江苏省住宅用地的供应量在总体上呈现逐渐增加的趋势。时间上可以划分3个阶段:1999~2001年起步阶段,2002~2003年快速发展阶段,2004年之后高位波动阶段,房地产的用地供应量变化较小,呈上下起伏的波动状态。

图1   江苏省住宅土地供应量变化

Fig. 1   Variation curves of land supply in Jiangsu Province

1.3 地价总体变化特征

1) 从图2可以看出,住宅地价平均增幅最快。2001~2007年住宅地价各年增长率均在5%以上,增长最快的年份为2003年,增幅达到了16.61%。

2) 商业地价平稳上涨,2001~2007年增长幅度均在5%~10%之间。

3) 工业地价稳定,除2007年由于新增建设有偿使用费调整政策影响,工业地价有较大增幅外,其余年份价格保持稳定。

4) 2008年受金融危机的影响,住宅地价有较大变动。在三类用地中,住宅地价下降幅度最大,达到了6.65%。江苏省住宅地价的变化最为显著且空间差异明显,因此本文以住宅地价为研究对象,对影响住宅地价时空变化的因素因子进行深入探究。

图2   年江苏省各类地价增长指数变化

Fig. 2   Chain growth index variation trends of various land price in Jiangsu Province

2 研究方法

2.1 GWR模型

GWR是一种改进的空间线性回归模型,它的主要优势在于把空间权重矩阵应用在线性回归模型中,可以形象地展示空间结构分异,是最有发展潜力的空间统计模型之一[7]

yi=β0(ui,vi)+k=1pβk(ui,vi)xik+εi(1)

式中,yi为观测值,(ui,vi)为样点i的坐标,β0 (ui,vi)为i点回归常数,βk(ui,vi)是i点上的第k个回归参数,是地理位置的函数;p为独立变量个数;xik为独立变量xki点的值, εi是随机误差。

2.2 CV法确定带宽

采用了由Bowman(1984)提出的交叉确认Cross-validation(CV)的方法来确定最优宽带,计算公式为:

CV=i=1nyi-y^iθ2(2)

式中, y^iθyi的拟和值,通过绘制曲线,找到最小CV值对应的最优带宽q

3 参数设定与模型的建立

3.1 变量的选取

基准地价是城镇各级土地或均质地域内各土地利用类型土地单位面积的平均价格,同一城市内部不同级别基准地价具有一定序列、空间分异特征。在通常研究中,一般选择最高价、最低价或者平均价衡量一个城市的地价。若采用最低价或平均价,其区域差异较小,难以反映城市地价的空间分异规律。一级地价代表了城市最优交通区位、基础配套以及公共配套水平,不仅能够代表城市的地价水平,而且更能反映出一定区域范围内地价的空间差异。本文选用基准地价作为研究的因变量。

表1   1997年、2005年、2008年GWR模型结果

Table 1   Results of GWR Model in 1997, 2005 and 2008

模型参数1997年2005年2008年
Bandwidth1.7262.7803.058
AICc910.274944.5551039.589
R20.9650.9790.965
Adjusted R20.9540.9740.959

新窗口打开

从土地市场结构出发,分析农地征购市场、土地一级市场、土地二级市场的运行主体、流通环节以及利益关系,然后从供需角度分析各市场运行主体的行为,最后从区位环境、社会环境、经济环境和政策因素方面建立了住宅地价影响因素及其体系,初步确定人均耕地面积、城镇化率、人口密度、土地取得费用、职工平均工资、人均储蓄余额、距中心城市距离、路网密度、高速公路接入点、货运量、客运量、对外交通、年末从业人数、流动人口、GDP、人均GDP、房地产开发投资额等17项指标。在此基础上运用SPSS17.0采用主成分分析法计算相关系数矩阵及累积贡献率(85%以上),确定t1(距中心城市距离)、t2(地区生产总值)、t3(城镇化率)、t4(对外交通)、t5(年末从业人数)、t6(房地产开发投资额)6个指标作为自变量。

表2   Monte Carlo显著性检验方法检验各影响因素系数空间非稳定结果

Table 2   The results of each factor spatial non-stability examined by Monte Carlo method

年份名称Interceptt1t2t3t4t5t6
1997P0.1290.0720.3900.4980.0060.7020.070
显著性***n/sn/s***n/s**
2005P0.4250.1550.4250.5360.8090.5600.660
显著性********n/s*n/s
2008P0.7580.9010.0210.0000.4980.9050.560
显著性n/sn/s******n/s*

注:***表示0.1%显著性水平;**表示1%显著性水平;*表示5%显著性水平。

新窗口打开

鉴于江苏省城市基准地价更新工作特点,分别选取了1997、2005和2008年三个时间点来进行住宅地价的时空演变规律的分析研究。在分析统计之前,对地价内涵进行修正,包括开发程度、期日、容积率修正等,使其具有可比性。

3.2 模型构建及结果检验

在构建GWR模型之前,先利用Moran's I进行空间自相关测度分析,统计量值分别为0.120、0.181和0.149。地价在空间上呈现积聚状态,但仍然表现出一定差异性,这为模型的构建奠定了基础。设江苏省某年某城市住宅地价为yi,第i点的坐标为(μi,νi),GWR模型为:

yi=β0(ui,vi)+β1(ui,vi)(t1i)+β2(ui,vi)(t2i)+β3(ui,vi)(t3i)+β4(ui,vi)(t4i)+β5(ui,vi)(t5i)+β6(ui,vi)(t6i)+εi(3)

式中,β1(ui,vi)为距中心城市距离回归参数,β2(ui,vi)为地区生产总值回归参数,β3(ui,vi)为城镇化率回归参数,β4(ui,vi)为对外交通回归参数,β5(ui,vi)为年末从业人数回归参数,β6(ui,vi)为房地产开发投资额回归参数,是地理位置函数。

通过模拟计算以及应用CV方法对GWR模型带宽的计算,其结果见表1

采用蒙特卡罗(Monte Carlo)方法对模型进行显著性检验,估计回归系数的p值,通过对p值进行五分位统计观察回归系数的显著性(表2),结果表明部分自变量(系数)表现出显著的空间不稳定性,且在不同年度存在差异性。

4 结果与分析

4.1 中心城市对城市住宅地价影响空间变异特征

图3可以看出,距中心城市的距离与住宅地价之间都呈现负相关关系,与实际吻合。从3年的回归系数绝对值空间分布上来看,由中心城市向外回归系数绝对值呈现向外扩散性逐渐递减,最小值大部分出现在距离最远的徐州及南通地区。对比可以看出,3年回归系数绝对值的平均值逐渐增大且高值分布区域逐渐扩大,说明该因素影响范围逐渐增大,这解释了1997~2008年以来,江苏省内交通迅速发展,省内城市到中心城市更加便捷,中心城市对其他区域辐射增强。

4.2 GDP对城市住宅地价影响的空间变异特征

图4显示, GDP对城市住宅用地价格具有正向作用。从空间分布上来看,1997年与2005年回归系数绝对值总体呈现南京附近地区较高,向外回归系数逐渐减小,说明了GDP在南京附近地区对城市地价影响高于其他地区。从这3年回归系数空间变化上看,1997年GDP对城市住宅地价影响西南部地区高于西北部与东南部;2005年回归系数整体呈现由西向东逐渐减小的趋势,在1997~2005年间,西部地区城市GDP对城市住宅地价影响逐渐增大;2008年回归系数最高点北移,回归系数最高点出现在徐州地区,GDP回归系数有西北向东南方向逐渐减小,北部地区GDP对地价贡献高于其他地区。从3年 GWR模型回归系数空间变化可以看出,GDP对住宅地价影响最大地区逐渐北移,且高值区域逐渐减小。

图3   1997、2005、2008年GWR模型中心城市距离回归系数空间分布

Fig.3   Spatial distribution of regression coefficients from urban area based on GWR model in 1997, 2005 and 2008

图4   1997、2005、2008年GWR模型GDP回归系数空间分布

Fig.4   Spatial distribution of regression coefficients of GDP based on GWR model in 1997, 2005 and 2008

4.3 城镇化水平对城市住宅地价影响空间变异特征

根据图5,城镇化水平回归系数大部分都是正值,对地价为正影响,从回归系数空间变化上看,1997年回归系数空间分布呈现从西南向外逐步扩散增大,西北及东南部地区回归系数较大,城镇化水平对城市住宅地价影响在江苏西北部及东南部地区较大;2005年回归系数最高点主要出现在西部,次高点为东南部,由于城市化进程加快,苏南地区快于苏北地区,且房地产加速市场化进程,从而导致城镇化水平对住宅地价影响变大,回归系数空间布局发生变化;2008年与2005年分布相似,不同的是最高点出现在东南部,西部变为次高区域,随着“沿江开发”战略的实施,南通市近几年发展较为迅速,城镇化速度加快,对住宅地价影响变大。从3年GWR模型回归系数均值变化可以看出,城镇化率对地价差异影响呈减小趋势。

4.4 对外交通状况对城市住宅地价影响的空间变异特征

图6所示,对外交通状况与城市住宅地价呈现正相关,对城市住宅地价有着正面的影响。在回归系数空间分布上,南部地区回归系数较高,向北系数逐渐减小。说明了对外交通状况对江苏南部地区城市地价影响较大,北部地区影响较小。城市交通越发达,人口流动量越大,城市住宅地价越高,与城市住宅地价成正比关系。且从3年回归系数均值上看,回归系数逐步增大,说明对外交通状况对城市住宅地价影响逐步增大。

4.5 从业人口数量对城市住宅地价影响的空间变异特征

图7所示,南部地区回归系数较高,向北回归系数绝对值逐渐减小。说明了年末从业人口数量在南部地区对城市地价影响较大,北部地区影响较小。从这3年回归系数空间变化上看,1997年回归系数西南部高于其他地区,2005年、2008年回归系数绝对值最高点逐渐南移,回归系数绝对值最高点出现在苏锡常等地区,年末从业人口数量回归系数绝对值由南往北逐渐减小。

图5   1997、2005、2008年GWR模型城镇化水平回归系数空间分布

Fig. 5   Spatial distribution of regression coefficients of the level of urbanization based on GWR model in 1997, 2005 and 2008

图6   1997年、2005、2008GWR模型对外交通状况回归系数空间分布

Fig. 6   Spatial distribution of regression coefficients of traffic based on GWR model in 1997, 2005 and 2008

图7   1997、2005、2008年GWR模型从业人口数量回归系数空间分布

Fig. 7   Spatial distribution of regression coefficients of the employed population based on GWR model in 1997, 2005 and 2008

4.6 房地产开发投资额对城市住宅地价影响的空间变异特征

图8所示,北部地区回归系数较高,向南回归系数逐渐减小。说明了苏北城市住宅地价对房地产开发投资额敏感度高于苏南城市。城市房地产开发投资额对房地产欠发达的城市影响程度高于房地产发展较好的大城市。从3年GWR模型回归系数空间变化上看,1997年回归系数最高值出现在徐州市丰县和沛县,向东南方向回归系数逐渐减小。1997年江苏省房地产发展处于起步阶段,苏北地区地价很低,变化幅度高于其他区域,房地产开发投资额对其影响更为敏感。2005年回归系数空间分布于1997年相似,回归系数最高点出现在西北地区。2008年,总体布局由北向南逐渐减小。苏南地区在2005~2008年间房地产发展迅速,城市房地产开发投资对城市住宅地价呈现出促进与滞后交织作用。

图8   1997、2005、2008年GWR模型房地产开发投资额回归系数空间分布

Fig. 8   Spatial distribution of regression coefficients of real estate development investment based on GWR model in 1997, 2005 and 2008

5 结论与政策建议

5.1 结论

本文通过GWR空间计量地理方法,对江苏省住宅地价影响因素进行了时空演变分析,得到如下结论:距中心城市距离对地价的贡献为负,影响区域逐渐增大; GDP对地价的贡献为正,影响较大区域逐渐向北移动;城镇化水平对地价的贡献逐步减小; 对外交通状况对地价贡献为正,影响逐步增大;从业人口数量对地价的贡献为正,苏南比苏北影响大;苏北房地产投资总额对地价影响高于苏南。

5.2 政策建议

1) 根据城市GDP发展趋势,合理控制地价与GDP协调发展:由于房地产开发的周期性,土地参与房地产市场调控存在滞后效应。因此,重点加强土地市场动态监测研究,合理制定土地出让计划。监控苏南地区土地市场变动情况,建立GDP联动土地管理机制,同时加强地价预警研究,及时判断房地产景气状况,拟定对策,并避免政府干预所普遍发生的时间落差。

2) 重点监测交通网络建设涉及区域的土地市场动态变化情况,合理确定出让地价:在未来发展中全方位立体交通网的建设将拉近中心城市对周边城市地价的提升,当处于中心位置的大城市由于土地需求过旺而引起土地价格上涨过快时,便会有部分资本到邻近的城市寻找土地供给,从而增加那些城市的土地收益。政府部门应及时调整土地供应计划,合理确定出让地价。

3) 苏北地区吸引人口,加快城市化进程是提高地价的途径之一:苏北地区城市经济发展相对滞后,要完善货币化、市场化的征地安置制度,逐步建立起“经济补偿、社会保障、就业服务”的三位一体新模式,实行土地征用与劳动力安置、建立社会养老保险同与调整城乡土地政策并举,加快城市化进程。

4) 在国家对土地、房地产调控过程中,苏北地区地价对房地产投资敏感度大,政府部门应与时俱进,采取与大城市差别化的地价管理政策,在房地产波动高峰时,要对的市场进行密切跟踪,非异常波动不建议采用强烈的调控政策,如在限购等较为严厉的宏观调控政策采时采用审慎的态度。在房地产波动低谷时通过减轻居民税费负担、简化公积金贷款程序、调整商品房预售许可条件、加强建筑工程质量监督服务、增强居民购买信心等及时调整住宅供应结构,加强信息引导,营造良好的市场环境。

The authors have declared that no competing interests exist.


参考文献

[1] 丁洪建.

基于面板数据的省会城市居住地价的差异及成因研究

[J].中国土地科学,2009, (6):14~15

[本文引用: 2]     

[2] Witte A D.

The determination of interurban residential site price differences:a derived demand model with empirical testing

[J]. Joumal of Regional Science,1975,(15):351-364.

[本文引用: 1]     

[3] 欧阳安蛟.

容积率影响地价的规律及修正系数确定法

[J].经济地理,1996,16(1): 96~101.

[本文引用: 1]     

[4] 李斌.

商品住房价格成因的定量分析

[J].武汉城市建设学院学报,2000,(2):l~5.

[本文引用: 1]     

[5] 唐焱.

区域经济一体化背景下城市土地价格影响因素的理论与实证研究

[J].华中农业大学学报(社会科学版), 2006,(5):47~51.

[本文引用: 1]     

[6] 张娟锋,贾生华.

城市间住宅土地价格差异的决定因素——基于衍生需求模型的实证研究

[J].经济与管理,2009, 23(1):22~26.

[本文引用: 1]     

[7] 王磊.

基于引致需求模型的城市间住宅用地价格水平差异研究[D]

.杭州:浙江大学,2006.

[本文引用: 2]     

[8]

江苏省城市地价动态监测报告

. [DB/OL]. .

URL      [本文引用: 1]     

[9] 毕宝德. 土地经济学[M].北京:中国人民大学出版社,1998.

[10] 杨继瑞.

影响城市地价的因素体系探析

[J].城市规划汇刊,1994,(5):14~21.

[11] 李玲,谷树忠,胡克林.

都市地价空间分析方法及其应用——以北京市为例

[J].资源科学,2003,25(4):86~92.

[12] 梅志雄,徐颂军,欧阳军,.

广州地铁三号线对周边住宅价格的时空影响效应

[J].地理科学,2011,31(7):836~842.

[13] 王庆改,郑新奇,闫弘文,.

城镇基准地价平衡研究

[J].地理科学,2004,24(1):37~41.

[14] Stewart Fotheringham, Chris Brunsdon,

Martin Charlton. Geographically weighted regression—the analysis of spatially varying relationship

[M]. SMUK: Jone Wiley﹠Sons. LTD, 2002:52-56, 112-116.

[15] 罗罡辉.

基于GWR模型的城市住宅地价空间结构研究[D]

.杭州:浙江大学, 2007:88~100.

[16] 张石磊,毕忠德,杨志毅,.

长春市商业用地基准地价演变过程及驱动因子分析

[J].地理科学,2011, 31(7):824~828

[17] Peter Eeolwell.

The structure of urban land price

[J]. Journal of Urban Economies, 1997,41:321-336.

[18] 吕萍,甄辉.

基于GWR模型的北京市住宅用地价格影响因素及其空间规律研究

[J]. 经济地理,2010,30(3):472~478

[19] 李志,周生路,张红富,.

基于GWR模型的南京市住宅地价影响因素及其边际价格作用研究

[J].中国土地科学, 2009, 23(10) :20~25

/