杭州市住宅價格空間分異：基于特征價格的兩維度分析

溫海珍，張 凌，彭魯鳳

（浙江大學房地產研究中心，浙江 杭州 310027）

1 引言

隨著中國住房制度改革的深化，住宅市場化程度逐步加深，住宅價格已經成為學術界和實務界關注的焦點之一。對城市住宅空間分異研究，通常以居住空間為對象，從社會學視角進行［1-2］。而以住宅價格為對象，從經濟學視角入手的空間分異研究尚不多見，特別是缺少對具體城市的實證研究?，F有文獻多從區位理論出發，研究住宅價格的分布規律，然后分析住宅價格的影響因素［3-5］。這些研究對住宅價格的空間分布模式進行了較為詳細地分析，但對住宅價格的影響因素和空間分異形成的原因，缺少系統的分析框架。本文嘗試從特征價格的視角，采用特征價格模型和隔離指數，構建住宅價格空間分異的兩維度分析框架，對杭州市住宅市場進行實證研究。

2 住宅價格空間分異的兩維度分析框架

城市住宅是一種“獨特”的產品［6］，具有復雜性、固定性、耐久性、異質性等特點。住宅價格的影響因素十分復雜，與住宅本身的特征關系密切。從特征價格視角出發，住宅特征是住宅價格的決定因素，由于住宅的空間固定性，使得住宅特征在空間分布上存在差異，從而導致住宅價格的空間分異。因此，本文面臨的問題包括兩個方面，一是住宅特征如何影響住宅價格；二是如何考察住宅特征的空間分布，進而找出住宅價格空間分異的原因。

第一個問題構建特征價格模型即可獲得滿意結果。眾多文獻表明住宅特征一般分為3類：建筑特征、鄰里特征和區位特征，Chin和Chau［7］，Sirmans，et al［8］分別就特征變量的選擇、模型的設定和估計、住宅特征的影響程度等作了全面的總結，具有很好的參考價值。國內學者馬思新、李昂［9］采用特征價格模型對北京住宅價格的影響因素進行了分析；溫海珍、賈生華［10］對杭州西湖區進行了初步研究；此后wen，et al［11］對杭州市整個住宅市場進行了更為詳細的研究，選擇18個住宅特征作為模型的自變量，發現其中14個特征變量對住宅價格具有顯著影響。

第二個問題可以采用隔離指數對住宅特征的空間分異程度進行定量測算。在城市地理學和城市社會學中，常常采用隔離指數衡量某一變量在空間上的異質性程度。自從Duncan在1955年提出該指數后，房地產領域經常用其評價住宅市場隔離的空間均勻程度［12-13］。隔離指數的計算公式為：

式1中，xi為區域i內某一類住宅占所有同類住宅的比例；yi為區域i內所有其他類型住宅占全部空間范圍內所有其他類型住宅的比例；N為空間區域的分類總數。當住宅特征的空間分布完全均勻時，DI=0；當住宅特征的空間分布處于極端分異時，DI=1；一般DI的數值在0和1之間變動，隔離指數越大，住宅特征的空間分布越不均勻。

3 特征價格模型設定

3.1 數據與研究區域

本文選擇杭州市主城區范圍內的上城區、下城區、拱墅區、江干區、西湖區5個老城區作為實證研究區域。從杭州市房地產中介服務公司獲得從2003年1月1日至2003年7月31日的住宅樣本數量總計4063個，選擇多層住宅和小高層作為研究對象，并對樣本數據的完備性進行檢查，有效樣本2473個。筆者在2003年6月30日至2003年8月18日期間，對研究區域進行了實地調查。最后，通過篩選得到235個有效的住宅小區樣本。

3.2 住宅特征的選擇及量化

國外對住宅市場進行特征價格研究時，住宅特征變量一般分為3大類，即建筑特征、鄰里特征和區位特征。結合杭州市的實際情況，本研究選擇了11個住宅特征作為模型的自變量，因變量則采用住宅均價（所在小區住宅單位價格的平均值）。特征變量的量化以及對住宅價格的預期影響符號見表1。

3.3 函數形式和估計方法

特征價格模型常用的函數主要有線性和對數兩種形式。在本研究中連續變量有住宅均價（因變量）、CBD距離和西湖距離（自變量），這3個變量可以采用線性或對數形式，其余變量均為等級變量，一般采用線性形式。因此，可能的函數形式有4種。通過模型的試構建，比較模型的擬合效果和顯著性變量的個數，最后選擇的函數形式是因變量為對數形式、自變量CBD距離和西湖距離為對數形式，其余變量為線性形式。

模型的估計方法為最常用的最小二乘法（OLS）。在SPSS軟件中選擇強行進入法（Enter）作為回歸分析方法，即所選擇的自變量全部進入回歸模型。同時，采用方差膨脹因子（VIF）對變量之間的共線性進行監測。

表1 住宅特征變量的量化Tab.1 Quantification of housing characteristic variables

4 結果與討論

4.1 住宅價格空間分異特征

圖1 杭州市住宅價格等值線Fig.1 Isoplethes of housing prices in Hangzhou City

通過GIS軟件，繪制杭州市住宅價格空間分布的等值線（圖1），發現2003年杭州市住宅價格空間分布總體上具有以下幾個特點：（1）住宅價格的空間分布，總體呈現以西湖為核心、向周邊梯度下降的格局。值得注意的是，價格下降幅度并非連續遞減趨勢，從西湖出發向東、向北、向西北三個方向分別繪制住宅價格剖面圖發現：距離西湖1.0—1.5km之間出現帶狀的相對的價格小低谷，在1.5—2.5km處又突現一系列價格高峰，之后向城市外圍快速下降。（2）城市CBD成為杭州市住宅價格的次核心，傳統老城區構筑了住宅價格的中高平臺。武林廣場作為中央商務區（CBD），其周邊區域的住宅價格都比較高，使得整個杭州的高價住宅區域由西湖向北延伸了2km。傳統老城區由于受到西面西湖和北面武林廣場的輻射作用，具有較大的區位優勢，價格呈現連續的中高價塊狀分布。（3）住宅價格分布呈現多個次中心，總體上環繞西湖分布。從圖1中可以看出，除了西湖和武林廣場兩大價格核心以外，多個價格次中心已經出現。如城西蔣村，該區域是杭州市商品住宅開發的密集區域，在早期政策的指引下，已發展得較為成熟。其住宅價格形成了一個較為獨立的中高價區域，并有向北延伸的趨勢。（4）穿城鐵路的阻隔效應和運河的環境效應顯著。鐵路從杭州東面穿城而過，鐵路東面的住宅價格明顯低于鐵路西面。城東采荷和南肖埠區域的住宅價格延續了老城區的高價，是江干區惟一的中高價區域。而望江區域（杭州火車站東南面）價格較低，從區位上來說這里離西湖和錢塘江都較近，價格理應較高，但是由于鐵路線的阻隔以及沒有有效的道路通行，價格受到較大影響。運河沿線住宅價格較高，在環境偏差的拱墅區尤為明顯，主要是由于運河的自然環境效應使得住宅的價格上升。

4.2 特征價格價格模型的檢驗

采用SPSS軟件對特征價格模型進行估計，發現回歸方程的F值顯著性水平小于0.001，修正的R2為0.666，說明模型的擬合程度可行。模型D—W值為1.751，可以判斷基本不存在異方差問題。所有變量的VIF值均小于10，說明自變量之間共線性程度不嚴重?？傮w上，模型具有較高的解釋能力，在統計上是有意義的。

就單個自變量的t檢驗來看，在10％的顯著性水平下，11個自變量中有7個進入了模型。自然環境、公交線路、鄰近大學、教育配套等4個變量的顯著性水平均大于10％，因此從統計意義來看，其回歸系數與零沒有差異。7個顯著性變量的符號與預期符號完全一樣。其中小區環境、生活配套、文體設施、治安環境對住宅價格有正影響，建筑房齡、CBD距離和西湖距離則對住宅價格有負影響。

4.3 住宅特征的影響程度分析

表2 模型估計和影響因素Tab.2 Model estimation and influencing factors

住宅特征變量由于單位不同，各特征對小區價格的影響程度無法進行直接比較。但是，標準化后的回歸系數是所有變量進行標準化（Z分數）后得到的，可以使用它的絕對值來進行各特征影響程度的排序。本文將住宅特征分為4類，分類的標準為：|Beta|≥0.200為第1類；|Beta|≥0.100為第2類；|Beta|≥0.050為第3類；|Beta|＜0.050為第4類。排序和分類的具體數值見表2。

結果表明，11個住宅特征對住宅價格的影響程度是有差異的，影響程度最大的住宅特征是西湖距離，最小的是鄰近大學。第1類對住宅價格的影響最大，共有2個特征，為西湖距離、建筑房齡；第2類有3個特征，為小區環境、CBD距離、治安環境；第3類有2個特征，為生活配套、文體設施；第4類有4個特征，主要是不顯著的變量，為教育配套、自然環境、公交線路、鄰近大學。

表3 變量編碼規則Tab.3 Coding rules of variables

表4 離散指數結果Tab.4 Results of dispersion index

4.4 住宅特征的空間異質性分析

為了計算隔離指數DI并使其與其他特征具有可比性，對建筑房齡、CBD距離和西湖距離進行重新編碼，具體規則如表3。

以行政區域、西湖距離、CBD距離作為空間劃分的變量，計算得到7個顯著特征變量的隔離指數，如表4所示。三種分類的結果均表明，兩個區位變量（西湖距離、CBD距離）的隔離指數數值最大，空間分布最具有異質性。住宅年齡、小區環境的隔離指數數值最小，說明這兩類住宅特征在空間分布上較為均勻。

5 結論

本文采用Kriging空間內插方法繪制了杭州市住宅價格的等值線，圖形表明2003年杭州市住宅價格空間分布總體上呈現以城市景觀中心（西湖）為核心、向周邊梯度遞減的格局，城市CBD成為杭州市住宅價格的次核心，住宅價格分布出現多個次中心，并且穿城鐵路的阻隔效應和運河的環境效應顯著。

通過構建特征價格模型和計算住宅特征的隔離指數，研究表明住宅特征是住宅價格的決定因素，其空間分布進一步影響住宅價格的空間分異。從住宅特征對住宅價格的影響程度來看，特征變量對住宅價格的影響程度是有差異的，從大到小依次為西湖距離、建筑房齡、小區環境、CBD距離、治安環境、生活配套、運動設施。從住宅特征的空間分異程度來看，空間異質性大的為西湖距離、CBD距離，中等的為小區環境、建筑房齡，小的為治安環境、生活配套、運動設施。

實證研究表明基于特征價格視角的兩維度分析框架有效和合理，可以為其他學者進行類似研究提供參考。本文計算隔離指數時采用了常用公式，更為復雜的計算方法也許能得到更細致的結果，有待進一步深入研究。

（References）：

［1］吳啟焰，崔功豪.南京市居住空間分異特征及其形成機制［J］.城市規劃，1999，23（12）：23-26，35.

［2］劉冰，張晉慶.城市居住空間分異的規劃對策研究［J］.城市規劃，2002，26（12）：82-86.

［3］許曉暉.上海市商品住宅價格空間分布特征分析［J］.經濟地理，1997，17（1）：80-87.

［4］王欣.天津市中心城區商品住宅價格地區分異的研究［J］.天津師范大學學報：自然科學版，2002，22（2）：70-74.

［5］鄭芷青.廣州市商品住宅價格分布特征研究［J］.熱帶地理，2001，21（1）：22-26.

［6］Harsman B，Quigley JM.The Spatial Segregation of Ethnic and Demographic Groups：Comparative Evidence from Stockholm and San Francisco［J］.Journal of Urban Economics，1995，37：1-16.

［7］Chin TL，Chau KW.A Critical Review of Literature on the Hedonic Price Model［J］.International Journal for Housing Science and Its Applications，2003，27（2）：145-165.

［8］SirmansGS，Macpherson D A，Zietz E N.The Composition of Hedonic Pricing Models［J］.Journal of Real Estate Literature，2005，13（1）：3-43.

［9］馬思新，李昂.基于Hedonic模型的北京住宅價格影響因素分析［J］.土木工程學報，2003，36（9）：59-64.

［10］溫海珍，賈生華.住宅的特征與特征的價格——基于特征價格模型的分析［J］.浙大學報（工學版），2004，38（10）：1338-1342，1349.

［11］Wen H Z，Jia SH，Guo X Y.Hedonic Price Analysis of Urban Housing：An Empirical Research on Hangzhou，China［J］.Journal of Zhejiang University（Science），2005，6A（8）：907-914.

［12］Duncan O，Duncan B.A Methodological Analysis of Segregation Indices［J］.American Sociological Review，1955，20：210-217.

［13］Iceland J，Weinberg D H，Steinmetz E.Racial and Ethnic Residential Segregation in the United States：1980-2000［EB/OL］.http://www.census.gov/prod/2002pubs/censr-3.pdf.