中小城市住宅地價空間分布及影響因素研究
——以山東諸城市為例

邢耀文，聶宜民*，夏 斐，滕 磊，林東瑛，李 克，楊玉鑫

(1.山東農業大學資源與環境學院，山東泰安 271018；2.諸城市土地開發整理中心，山東濰坊 262200；3.招遠市國土資源局，山東煙臺 265400)

?

中小城市住宅地價空間分布及影響因素研究
——以山東諸城市為例

邢耀文1，聶宜民1*，夏 斐2，滕 磊3，林東瑛3，李 克1，楊玉鑫1

(1.山東農業大學資源與環境學院，山東泰安 271018；2.諸城市土地開發整理中心，山東濰坊 262200；3.招遠市國土資源局，山東煙臺 265400)

收集2011～2013年諸城市住宅用地交易樣點及資料，選取ArcGIS作為數據空間分析工具，獲得了諸城市市區住宅地價空間分布結構，在Hedonic模型下選取影響住宅地價形成與分布的7種因素結合SPSS軟件進行了預測與分析。結果表明，諸城市住宅地價在分布上存在明顯的圈層結構且只有一個地價高峰區域；在影響因素上受市區的聚集作用、城市公共設施及基礎設施分布的制約較為明顯。了解中小城市住宅地價的分布特征，明確住宅地價分布與影響因素之間的關系，對中小城市的城市規劃、住宅用地開發及建設、政府合理配置土地資源及市民住房選址都提供了一定的依據與參考。

中小城市；住宅地價；空間分布；影響因素

城市地價是城市土地區位條件優劣差異的反映[1]，是城市商服繁華條件、交通條件、基礎設施條件、環境條件和自然條件等諸多因素因子綜合作用的結果[2]。住宅地價作為城市地價的一個重要組成部分，不僅關系到城市居民的民生問題，更為國家對房地產市場的宏觀調控與管理提供了依據。要實現通過價格杠桿調控住宅用地資源這一目的，就必須要摸清城市地價水平，掌握城市地價的空間分布規律[3]。目前，國內學者對一、二線城市房價及住宅地價時空分布規律及影響因素研究較多[4-7]，而對以縣級市為代表的中小城市地價特征及其影響因素研究較少。伴隨著中小城市城鎮化與土地市場化與進程的深入，大量新建住宅連同與此配套的公共基礎設施必然會引起城市空間布局的變化，中小城市不僅面臨著城市繁榮帶來的地價上漲問題，同時也要應對如何規劃市區住宅用地布局，協調大量新增住宅用地與其他用地之間關系的現實問題。因此，研究中小城市住宅用地空間分布特征與其影響因素的關系，對了解土地市場快速發育區域地價分布規律與影響機制[8]，具有重要的理論和現實意義。

1 研究區概況及樣點分布

1.1 研究區域簡介諸城市位于山東半島泰沂山脈與膠濰平原的交界處。東距青島市140 km，南距日照市75 km，北距濰坊市90 km，膠新鐵路、青蘭高速貫穿諸城。全市南北長72 km，東西寬66.5 km。

研究區域總面積共104.88 km2。區域內人口密度大，經濟發展速度快，住宅用地交易量大，為諸城市的中心區域。

1.2 樣點來源及修正該研究所收集的樣點來自諸城市2013年完成的城鎮基準地價更新工作。評價基準日期為2013年12月31日，樣點為交易年期在2011～2013年間諸城市區的住宅用地。對收集到的住宅用地招拍掛樣點價格進行期日、年期、容積率等修正到基準日期住宅地價；將收集到的房地出租與房屋銷售樣點價格按照剩余法與市場比較法等修正到基準日期地價。初步整理獲得樣點204個，具體分布見圖1。

2 諸城市住宅地價空間結構模擬與分析

2.1 住宅地價空間結構模擬

2.1.1樣本數據檢驗。克里格插值(Kriging)又稱空間局部插值法，是以變異函數理論和結構分析為基礎，在有限區域內對區域化變量進行無偏最優估計的一種方法[9]。由于克里格插值方法對于地價的模擬預測具有很好的適用性[10]，因此該研究選擇ArcGIS10.0軟件地統計功能模塊，采用普通克里格插值方法對諸城市住宅地價樣點進行空間模擬與分析。普通克里格插值假設數據服從正態分布，如果數據不服從正態分布，需要進行一定程度的數據變換使其服從正態分布[11]。通過地統計模塊的探索空間數據分析工具提供的直方圖與正態QQ-Plot圖(圖2)，可以直觀地反映樣點數據分布特征及總體規律，并可以通過查找離群值與變換數據使數據服從正態分布[12]。

由圖2可以看出，在數據未變換情況下，直方圖中數據偏度為0.1，樣點基本呈正態分布。正態QQ-Plot圖中離散的幾個樣點經確認屬于市區中心及邊緣區域的幾個樣點，屬于真實離散值，可不予剔除。

2.1.2住宅地價空間插值。地統計向導功能下選擇普通克里格插值，通過比較不同的模型及參數，發現在移除數據的一階趨勢、插值模型為高斯模型、步長為5 600(樣點間最大距離的一半)時插值結果最為精確。即預測誤差中，標準平均值最接近于0，標準均方根最接近于1。由此獲得諸城市住宅地價空間分布預測結果(圖3、4)。

2.2 諸城市住宅地價分布特點分析

2.2.1呈現圈層結構，空間差異明顯。諸城市住宅地價整體由市中心向周邊區域逐漸降低，區位影響明顯。全市住宅地價最高處為人民東路與和平街交界區域，價格達到1 600元/m2以上，在外環路以外地價降至800元/m2左右，最低處為500元/m2左右，住宅地價變化劇烈。且由市中心向不同方向地價分異性不同，東西方向變化平緩，而南北方向出現了較大不同，北側由于土地開發率較低，人口密度較低，地價等值線由疏變密，地價在外圍區域下降較快；市區南部由于城市規劃及政策原因，正在興建大量的住宅用地，住宅地價增長較快。

2.2.2住宅地價表現為“單中心”結構。市中心商服中心區域為住宅地價最高區域，尚未形成地價次級中心。這是由于諸城市中心區域臨近濰河支流，環境條件優越，且路網密布，交通便利，商服中心眾多，經濟發展快，建設用地資源緊張，地價逐年上漲。在遠離市區地帶由于各種影響因素的綜合作用出現了地價的跳躍與突變，但總體來看地價均在一個較低的水平變化，尚未能形成新的地價高峰。

3 基于Hedonic模型的中小城市住宅地價影響因素分析

Hedonic模型法又稱為特征價格模型法，是一種處理異質產品差異價格特征與產品價格間關系經常采用的模型[13]。該研究在應用Hedonic模型法進行住宅地價分析時，將住宅地價作為了一種商品，影響住宅地價形成的因素即為該商品的屬性特征。該研究采用Hedonic模型的對數—線性形式[14]：

式中，P為住宅地價；Xi為第i個影響因素；β0為常數項；βi為第i個影響因素的回歸系數；ε為誤差項。

3.1 影響因素的選擇與處理根據一般城市住宅地價的影響因素[15]與諸城市地價分布特征，選擇市中心影響度(X1)、商服中心影響度(X2)、公交站點影響度(X3)、河流影響度(X4)、學校影響度(X5)、醫院影響度(X6)、景點影響度(X7)7個影響因素。

3.1.1市中心影響度。選取人民東路與和平街交界處為市中心，利用ArcGIS10.0中的“點距離”功能求算住宅地價樣點與市中心距離，經計算最遠處樣點距離為7364米，最近處樣點距離為268 m。

3.1.2商服中心影響度。通過《諸城市城區基準地價更新報告》及百度地圖獲得諸城市區17個典型商服中心，并根據其規模不同劃分為一級商服與二級商服，其影響分值分別為60分與40分，利用Careland土地定級軟件計算選擇線性衰減模型計算商服中心對區域內的影響分值，以20分為區間對研究區域分區并賦值{1，2，3，4，5}，對影響分值為0的區域賦值為0(圖5)。

3.1.3公交站點影響度。通過諸城市交通圖與百度地圖獲得諸城市市區內公交站點的分布情況，對住宅地價樣點周邊500 m為半徑創建緩沖區，利用ArcGIS中的空間連接功能獲得各緩沖區內的公交站點數量并賦予住宅地價樣點，得到各住宅地價樣點周邊500 m的公交站點數量。

3.1.4其他影響因素影響度。通過諸城市遙感影像、諸城市基準地價數據、百度地圖等收集到了諸城市內河流、學校、醫院、景點的分布情況，賦予不同的功能分與影響半徑，選擇了線性衰減模型，在Careland土地定級軟件中計算各因素對研究區域的影響分值，以20分為區間，對研究區域內分別賦值{1，2，3，4，5}，對各影響因素的影響分值為0的區域賦值為0，具體分布見圖6。

3.2 樣點回歸分析結果隨機選取3/4樣點(153個)用來建立回歸方程，1/4樣點(51個)來檢驗回歸方程可信度。使用對數—線性函數形式進行回歸分析，獲得回歸分析結果(表1)。

回歸模型的R2為0.906，標準估計誤差為0.068，F值為201.78調整后R2為0.902，模型整體擬合度較優，P值為0.000通過了1%水平檢驗，回歸效果顯著。X1、X2、X3、X4、X5的P值小于0.01，在1%水平下顯著。X6、X7的P值大于0.05，影響不顯著。在依次剔除X6、X7的回歸分析中，X7、X6的P值分別為0.503與0.209，均大于0.05，說明醫院與景點對諸城市住宅地價的影響不大，應從自變量中剔除。

表1 7變量的住宅地價回歸分析結果

對剩余5個自變量再進行回歸分析，得到表2。此次回歸模型的R2為0.906。調整的R2為0.902，標準誤為0.068，F值為282.39，對應的P值為0.000。

表2 5變量的住宅地價回歸分析結果

由此獲得諸城市住宅地價與其影響因素Hedonic模型公式：

lnP=6.547-3.3×10-5X1+0.087X2+0.016X3+0.022X4+0.023X5

將后51個樣點代入公式，求取lnP預測值，與實際值制作散點圖檢驗回歸方程，獲得線性擬合方程y=0.748 1x+1.779 6，決定系數R2達到0.820 5，方程擬合度較好，表明模型可信度較高。

3.3 影響因素作用度分析

3.3.1市中心影響度。在諸城市住宅地價的5個顯著影響因素中，市中心影響度的標準化回歸系數最高為-0.908，負相關性較為顯著。可見諸城市住宅地價很大程度上取決于住宅用地距離市中心的距離，這與圖4中住宅地價的分布情況是基本一致的。中小城市中心區域基礎設施完善，交通便利，人口密集，具有一定的區位優勢。但中小城市由于城市規模有限，地區發展不均衡等原因導致了有限的城市資源向城市中心區域聚集，勢必會進一步導致市中心區域住宅用地緊缺，地價不斷攀升。

3.3.2商服中心影響度。商服中心影響度的標準化回歸系數為0.880，對住宅地價的影響也非常顯著。諸城市商服中心主要集中在市中心區域，少量分布于周邊地帶。商服中心所帶來的人口及資源的聚集作用對住宅地價的拉動作用比較明顯。城市中心區域商業用地競爭激烈必然導致城市中心區域建設用地緊張，在一定程度上會對土地的開發投入水平提出更高的要求，對住宅用地的各項建筑指標要求也會有所提高，這些因素都會抬高住宅用地價格。同時，由于近年來中小城市的城鎮化速度加快，在市中心周邊地區的人口密集處也規劃修建了大型商業中心，區域生活環境的改善必然會直接導致住宅地價提高。

3.3.3公交站點影響度。公交站點的標準回歸系數為0.643，可見其對于諸城市住宅地價影響也是明顯的。諸城市公交站點在市中心區域分布多，且站點之間距離短；在市區外圍較為分散，站點之間距離大，部分地區沒有公交線路。這既符合一般城市公交線路布局方式，也反映了中小城市由于規劃不到位，地區發展不均衡，部分地區道路及設施狀況尚不滿足公交車運行條件的現狀。中小城市由于公交線路少，公交客流較少，因此在選擇線路與站點時多選擇連接重要的政府部門、商業中心、企業、旅游景點及人口密集的住宅小區等場所，對城市居民的生活工作具有重要影響。在市中心公交樞紐處的住宅地價更是在多種因素的影響下持續上漲。

3.3.4河流影響度。在5個影響因素中，河流的標準回歸系數最低為0.410。沿濰河流域的住宅地價樣點中位于市區北外環以南的樣點地價普遍較周邊樣點高，而北外環以北的樣點數據并未顯示該特征。由此可以看出，以河流為代表的環境因素對中小城市住宅地價的影響存在雙面性。一方面，市中心或繁華區域人員密集，環境質量較差，因此環境較好的地段往往會受到房地產開發商及一部分有經濟能力市民的青睞。市區周邊區域人口密度較低，環境優質區域如山川地帶土地整理開發難度較大，且區域經濟水平較低，難以對住宅地價起到拉動作用。

3.3.5學校影響度。通過諸城市中小學分布可以發現，諸城市小學數量多且分布分散。中學及高等院校數量少且分布多集中于市區內交通便利區域。在中小城市中，大量的小學分布于村莊周邊。而農村居民點區位偏遠，周邊住宅交易量較少，因此小學對于住宅地價的影響相對較小。中小城市由于教育資源及學生生源有限，因此中學及高等院校數量較少且分布多集中于市區內交通便利，區位條件較好的區域，由此帶來周邊地區經濟發展與住房緊張。因此中學及高等院校對中小城市的住宅地價具有一定的抬升作用。

4 結論

該研究綜合運用了地統計、數理統計的方法，預測并分析了中小城市住宅地價分布的一般特征及影響因素。從住宅地價結構上，中小城市住宅地價與一般大城市都存在由城市中心向周邊降低的趨勢，但從地價的整體水平與地價高峰分布來看，中小城市地價水平較低且地價的空間差異更為明顯，城市的擴展規模有限。影響因素分析結果顯示，中小城市的中高檔住宅用地過于依賴城市中心的資源優勢，這既是城市發展的一個必然階段，同時也為中小城市科學合理進行城市空間布局，緩解城市中心區域用地緊張局面提出了更高的要求。

[1] 蔣芳，朱道林.基于GIS的地價空間分布規律研究——以北京市住宅地價為例[J].經濟地理，2005(2)：199-202.

[2] 劉書楷，張書蓉.土地經濟學原理[M].南京：江蘇科學技術出版社，1998．

[3] 陳思源，曲福田，倪紹祥，等.GIS空間分析支持下的城市地價分布研究——以江蘇省鎮江市為例[J].南京農業大學學報，2005(3)：119-122.

[4] 曹天邦，黃克龍，李劍波，等.南京市主城區住宅地價的時空演變[J].地理研究，2012(6)：1029-1038.

[5] 李玲，朱道林，胡克林.北京市城區住宅地價的時空變化規律[J].經濟地理，2011(4)：655-659.

[6] 常疆，廖秋芳，王良健.長沙市區地價的空間分布特征及其影響因素[J].地理研究，2011(10)：1901-1909.

[7] 金貴，王占岐，楊俊，等.基于引力模型與回歸分析的城市群地價空間結構研究——以武漢城市圈為例[J].地域研究與開發，2013(6)：29-32.

[8] 張裕鳳，杜國明，宋戈.呼和浩特市居住用地地價分布的時空特征[J].地理科學進展，2008(1)：105-110.

[9] 湯國安，楊昕．ArcGIS地理信息系統空間分析實驗教程[M].北京：科學出版社2006.

[10] 王艷妮，謝金梅，郭祥.ArcGIS中的地統計克里格插值法及其應用[J].軟件導刊，2008(12)：36-38.

[11] 曾懷恩，黃聲享.基于Kriging方法的空間數據插值研究[J].測繪工程，2007(5)：5-8，13.

[12] 聶俊成.基于G WR模型的武漢市住宅地價空間分異及影響因素研究[D].武漢：華中農業大學，2014.

[13] 張麗芳，濮勵杰，張靜，等.基于Hedonic模型的城市地價空間結構分析——以湖南省婁底市為例[J].經濟地理，2009(9)：1475-1480.

[14] 李志輝.基于Hedonic模型的武漢住宅特征價格研究[D].武漢：華中農業大學，2008.

[15] 國土資源部土地利用管理司.GB/T18507-2001.城鎮土地分等定級規程[S].北京：中國標準出版社，2001.

Research on Spatial Distribution and Influencing Factors of Small-medium Cities Residential Land Price—A Case Study of Zhucheng City, Shandong Province

XING Yao-wen1, NIE Yi-min1*, XIA Fei2et al

(1. College of Resources and Environment, Shandong Agriculture University, Taian, Shandong 271018; 2. Zhucheng Land Development and Consolidation Center, Weifang, Shandong 262200)

The research collected residential land transaction samples from 2011 to 2013 in Zhucheng City, and obtained spatial distribution structure of residential land price in downtown area of Zhucheng City by using ArcGIS as data spatial analysis tool. Seven factors influencing residential land price formation and distribution were analyzed and forecasted based on Hedonic model and SPSS. The results showed that residential land price of Zhucheng City had obvious circle structure and had only one price peak area in distribution, the price were obviously restricted by aggregation of urban and distribution of infrastructure. Knowing distribution characters and relationship about residential land price and influencing factors on small-medium cities provides some evidences in city planning, construction of residential land, rational allocation of land resources by government and public housing location.

Small-medium cities; Residential land price; Spatial distribution; Influencing factors

邢耀文(1989- )，男，山東濟南人，碩士研究生，研究方向：地理信息系統應用及土地資源評價。*通訊作者，教授，博士生導師，從事地理信息系統研究。

2015-02-06

S 28

A

0517-6611(2015)09-313-05