SLM模式下的萍鄉住宅價格研究

文/李琪、劉穎 萍鄉學院 江西萍鄉 337000

房地產業作為萍鄉的支柱產業起步于1992年，當時房價約為260元/㎡，2000年隨著鳳凰山莊的推出，萍鄉房地產業快速發展，開發模式由以前的單體開發逐漸向綜合開發轉變，房價也首次突破千元大關，達1300元/㎡。“十一五”、“十二五”期間萍鄉市房地產業保持高投入和快速發展，2013年全市商品房均價達到4321.24元/㎡，為2006年的2.50倍。從2010年起萍鄉雖每年都保有3000-5000套廉住房和經濟適用房的投入，但商品房需求空間仍然較大。

1、萍鄉市住宅價格的空間分析

本文對萍鄉市住宅價格的空間分析主要是利用Opengeoda軟件和地理信息統計里常用的Arcgis軟件。Arcgis軟件是集圖層繪制和數據分析于一體的綜合性軟件，它可用來繪制樓盤的空間分布圖、定義研究對象屬性，其內附帶的探索性空間數據分析則可以用來了解數據空間分布、觀測全局變化、求解空間自相關性等。Opengeoda軟件則是一款主要用于探索空間數據分析的軟件，對建立空間計量模型進行數據分析十分方便。

1.1 萍鄉市樓盤分布圖

由于Arcgis軟件的龐大性和復雜性，筆者作為該軟件的初學者，對該軟件了解深度有限，故僅利用了其中的Arcmap軟件來繪制了萍鄉市的住宅小區分布圖。見圖1.1

圖1.1 萍鄉市城區住宅小區分布圖

1.2 住宅小區價格的描述性分析

本文研究的對象為萍鄉城區多層和高層的毛坯房，不包含別墅、公租房和小產權房等，在此次研究中共收集了研究區域內52個小區的202個樣本?，F對這52個小區的均價數據進行描述統計分析，得到結果如表1.1。

表1.1 萍鄉市住宅小區價格的描述性統計分析

從圖1.2住宅小區均價的QQ圖可以發現，樣本點接近一條直線，表明小區住宅價格基本服從正態分布。

圖1.2 萍鄉市住宅小區均價QQ圖

1.3 萍鄉住宅的空間自相關分析

1.3.1 Moran’s I指數散點圖

利用Opengeoda軟件中的Univariate Moran’s I計算出萍鄉市住宅小區的全域Moran’s I值并繪制了Moran散點圖，如圖1.3所示。從圖中發現，萍鄉市住宅價格雖然四個象限均有分布，但是仔細觀察可見，大部分點分布在第一、三象限，少數分布在第二、四象限，空間相關性表現為正相關。在圖中頂部顯示Moran’s I指數為0.1437，并在1%的水平上顯著，表明萍鄉市住宅價格的空間分布并非完全隨機，而是表現出了較強的空間關聯性。

圖1.3 萍鄉市住宅價格的Moran’s I指數散點圖

1.3.2 住宅價格四分位圖

如圖1.4為住宅價格的四分位圖，圖1.5為ln住宅價格的四分位圖。從這兩圖中不難發現，某一顏色區域的周圍分布著相同顏色的區域，同種顏色分布較為集中，這也意味著萍鄉市住宅價格之間表現出較強的正相關。

圖1.4 萍鄉市住宅價格的四分位圖

圖1.5 萍鄉市ln住宅價格的四分位圖

2、空間計量模型的建立與估計

通過上節分析發現萍鄉市各個小區住宅價格之間存在一定的空間相關性（Moran’s I=0.1437）。本節將借助Opengeoda軟件，運用空間計量模型來進行萍鄉市住宅價格分析。在Opengeoda軟件中，先對萍鄉市住宅的SHP文件建立基于距離的空間權重矩陣，再打開Regression選項，勾選因變量和自變量，選擇已建好的權重矩陣和模型Spatial Lag。如圖2.1。

圖2.1 空間滯后模型的建立

構建SLM模型，得到的估計結果見表2.1。

表2.1 空間滯后模型（SLM）的回歸結果

從表2.1可知，在10%的顯著性水平下，16個變量中有9個變量進入模型，這與HPM模型的回歸結果一致，各個變量的符號也與預期符號一致。

3、空間計量模型的結果分析

表2.1中，W_LNXZJ值=0.2011378，數值較大并且在1%的水平上高度顯著，這表明萍鄉市住宅價格之間存在明顯的空間效應，主要表現為較強的空間依賴性。萍鄉市住宅價格主要受到9個變量的影響，分別為建筑面積、相對樓層、建筑類別、房屋朝向、房齡、綠化率、周邊景觀、CBD距離和品牌影響，在10%的顯著水平下均為相同的9個變量進入模型，只是變量的回歸系數和Prob值稍有不同，這主要因為在SLM模型中加入了空間權重矩陣、考慮了住宅價格間的空間效應所致。在顯著的9個變量中建筑面積、建筑類別、房屋朝向、綠化率、周邊景觀和品牌影響對住宅價格表現為正相關，相對樓層、房齡和CBD距離對萍鄉住宅價格表現為負相關。而有無車位、容積率、生活配套、教育配套、文體配套、交通情況和所在片區對住宅價格的影響并不顯著。

表2.1 空間滯后模型（SLM）的回歸結果

分析樣本數據，結合萍鄉市的具體情況，認為這些變量不顯著可能的原因為：

（1）萍鄉市城市人口密度不大，車輛保有量雖每年均有增加，但是總數量仍有限，有無車位對住宅價格的影響尚未表現出來，但是隨著時間的推移，車輛數量的增加，相信在不久的將來這一變量對住宅價格的影響將會日益突出。

（2）由于萍鄉有毛坯房在售的樓盤較少，為了確保樣本數量，本文的研究對象取為萍鄉市的多層和高層住宅，并未對多、高層進行細分討論。高層住宅的容積率一般均比多層住宅要大，房價也比多層高，兩者組合在一起研究削弱了容積率對住宅價格的影響，故容積率對住宅價格的影響并不顯著。

（3）萍鄉市重點學校和完善的生活配套均處于市中心區域，而這部分區域周邊建筑比較成熟，很少有仍在售的毛坯房，本文的研究對象大多都未處于重點學校的學區范圍內和市繁華中心，而所研究的小區周圍教育配套和生活配套相當，從而導致了教育配套和生活配套對住宅價格的影響并不顯著。

（4）對于文體配套，雖然標準差達1.05，但是萍鄉市民對運動健身的熱情度和重視度不高，即使有空余時間，也很少出門運動，故文體配套的影響不顯著。

（5）萍鄉市中心城區較小，面積僅有58平方公里，部分小區周邊的交通線路雖較少，但是可通過近距離的轉車到達市中心和工作單位，并且很多家庭都配有私家車，工作單位也配有單位用車用于接送員工上下班，故交通情況還尚未對住宅價格表現出顯著性的影響。

（6）本次研究的對象分別處于市中心、新城區和安源新區，雖然市中心的相關配套更加完善，但是近年來新城區和安源新區也在大步發展，各項配套也正在逐步增加和完善中，并且新城區和安源新區的發展前景良好，因此小區所處片區的不同并未給住宅價格帶來顯著影響。

小結：

本章先利用Arcgis軟件繪制出了萍鄉市住宅小區的空間分布圖，利用Opengeoda軟件求得Moran’I指數，發現萍鄉市住宅價格間存在“正”空間相關性，在此基礎上利用Opengeoda軟件，建立萍鄉住宅價格的空間滯后模型，得到影響住宅價格的9個變量，分別為CBD距離、房屋朝向、房齡、建筑類別、綠化率、建筑面積、品牌影響、相對樓層和周邊景觀。

參考文獻：

[1]Anselin L. Spatial Econometrics：Methods and Models[M].Dordrecht：kluwer Academic Publishers,1988.

[2]Dubin.R.，Pace.R.K.& Thibodeau.T.G，Spatial Autoregression Techniques for Real Estate Data[J].Real Estate Lit,1999（7）

[3]施雅娟.基于空間Durbin模型的城市住宅特征價格研究—以杭州市為例[D].浙江大學，碩士論文，2013（5）.

[4]于璐，鄭思齊，劉洪玉，住房價格梯度的空間互異性及影響因素：對北京城市空間結構的實證研究[J].經濟地理，2009(3).

[5]宋雪娟，衛海燕，王莉.基于ESDA和地統計分析的西安市住宅價格空間結構和分異規律研究[J].測繪科學.

[6]李琪.基于空間計量的萍鄉住宅價格研究[D].江西理工大學，碩士論文，2015.