住房價(jià)格與公共服務(wù)設(shè)施水平的關(guān)系研究
——以蘇州市主城區(qū)為例

邱煜卿 張振龍

0 引言

住宅作為一種特殊的商品，其價(jià)格受多種因素影響。公共服務(wù)設(shè)施為城市居民提供公共性服務(wù)，是消費(fèi)者在購房時(shí)特別關(guān)注的因素。《中共中央國務(wù)院關(guān)于進(jìn)一步加強(qiáng)城市規(guī)劃建設(shè)管理工作若干意見》中強(qiáng)調(diào)公共設(shè)施網(wǎng)絡(luò)體系的建立，完善公共服務(wù)設(shè)施配套。房價(jià)與公共服務(wù)設(shè)施的關(guān)聯(lián)度受到廣泛關(guān)注，國內(nèi)外學(xué)者對此進(jìn)行了諸多相關(guān)研究。

圖1 研究范圍示意圖

國內(nèi)學(xué)者周亞杰從城市和典型區(qū)域兩個(gè)層面對北京中心城區(qū)居住空間分布與周邊公共服務(wù)設(shè)施的差異進(jìn)行研究[1]。方媛以沈陽為例，運(yùn)用特征價(jià)格模型選取7個(gè)影響房價(jià)的因子，分析公共設(shè)施分布對商品住宅價(jià)格的影響[2]。曾祎瑾、周紅利用對數(shù)回歸模型和地理加權(quán)回歸模型，對廈門市房價(jià)空間分布與基礎(chǔ)設(shè)施水平關(guān)系進(jìn)行研究[3]。國外研究者對住宅自身?xiàng)l件及外部影響因素的關(guān)注較多。HAURIN等人通過該方法發(fā)現(xiàn)美國俄亥俄市的房價(jià)和學(xué)校分布有著顯著相關(guān)關(guān)系[4]。STEVENSON收集了超過6 000個(gè)房價(jià)信息，通過29個(gè)基本因素對波士頓的房價(jià)進(jìn)行分析，得出的結(jié)論說明住宅的建成年代對房價(jià)有著顯著影響[5]。ROSIERS F D等人研究商業(yè)區(qū)對商品住宅價(jià)格的影響，發(fā)現(xiàn)距離商業(yè)街越近的住宅，其購物便利性越高，房價(jià)也越高[6]。JOHN L等人研究了地鐵、輪渡、公交車等交通工具對香港房價(jià)的影響，在城市發(fā)展經(jīng)濟(jì)效用顯著時(shí)，其影響的效果也越明顯[7]。有一些研究者也針對綠化景觀要素對房價(jià)的影響做過分析。

目前國內(nèi)對于住房價(jià)格的研究多定性少定量，對房價(jià)驅(qū)動(dòng)因子的分析方法多樣，最頻繁的是采用特征價(jià)格模型分析，地理加權(quán)回歸（GWR）模型的應(yīng)用相對較少[3]。房價(jià)水平與公共設(shè)施結(jié)合的研究多從公共設(shè)施可達(dá)性的角度出發(fā)，缺少對公共設(shè)施密度的分析。國外學(xué)者主要研究單個(gè)設(shè)施的影響，缺乏系統(tǒng)性研究。由于數(shù)據(jù)搜集的局限性，國內(nèi)外許多研究樣本量偏低，對公共設(shè)施的分布狀況統(tǒng)計(jì)比較粗糙。本文利用POI數(shù)據(jù)，可以準(zhǔn)確定位研究范圍內(nèi)需要的數(shù)據(jù)點(diǎn)。目前關(guān)于房價(jià)和公共設(shè)施關(guān)系的研究主要集中在一線大城市，如上海、北京和廣州等。蘇州作為具有代表性的二線城市，同時(shí)又是歷史文化底蘊(yùn)深厚的古城，其主城區(qū)的住房價(jià)格空間分布受多種因子的影響。以蘇州為例的研究具有典型性和代表性，為其他同等級的城市提供借鑒。

表1 蘇州市主城區(qū)各區(qū)二手房房價(jià)統(tǒng)計(jì)表

1 研究范圍與方法

1.1 研究范圍和研究對象

1.1.1 研究范圍

在進(jìn)行較為全面整理和統(tǒng)計(jì)蘇州全市的居住小區(qū)數(shù)量后，研究發(fā)現(xiàn)居住小區(qū)大部分分布在主城區(qū)。因此，選取蘇州市主城區(qū)作為研究范圍，對分析公共服務(wù)設(shè)施對住房價(jià)格的影響更具有可信度和代表性。主城區(qū)下轄姑蘇區(qū)、虎丘區(qū)、相城區(qū)、吳中區(qū)以及工業(yè)園區(qū)。截止2016年，蘇州全市總面積8 657.3 km2，其中主城區(qū)面積3 415.4 km2（圖1）。

1.1.2 研究對象

本文選取普通商品住房為研究對象，不包括別墅、保障性住房等。保障性住房價(jià)格受政府主導(dǎo)，別墅的價(jià)格一般高于普通商品房，數(shù)據(jù)不具代表性。研究的住宅價(jià)格為蘇州二手房房價(jià)，新建住宅的公共服務(wù)差別主要體現(xiàn)在相對區(qū)位上，二手房價(jià)格數(shù)據(jù)能更好地反映公共設(shè)施的外部性對房價(jià)的影響。本文房價(jià)數(shù)據(jù)來源于蘇州鏈家網(wǎng)上公布的在售二手住房均價(jià)（表1），房價(jià)因受自身?xiàng)l件如戶型、朝向等影響而產(chǎn)生差異，所以用均價(jià)能更好地反映其平均水平。

1.2 數(shù)據(jù)來源與處理

1.2.1 數(shù)據(jù)來源

近年來大數(shù)據(jù)逐步被運(yùn)用到各個(gè)研究領(lǐng)域，規(guī)劃界也不例外。以POI為代表性的數(shù)據(jù)被廣泛應(yīng)用，POI空間數(shù)據(jù)庫不斷被完善。POI數(shù)據(jù)全稱即“Point of Interest”。不同于普通的研究數(shù)據(jù)，此類數(shù)據(jù)包含研究需要的關(guān)鍵信息如名稱、類型和經(jīng)緯度等。本次研究抓取了鏈家網(wǎng)（http://www.lianjia.com）上的POI數(shù)據(jù)，經(jīng)過篩選共計(jì)5 593條。數(shù)據(jù)標(biāo)簽包括房源名稱、地址、經(jīng)度和緯度等信息。所選取的房價(jià)是每個(gè)樓盤的均價(jià)，統(tǒng)一為2017年3月的交易價(jià)格，可忽略時(shí)間的影響因素。

1.2.2 數(shù)據(jù)處理

首先對抓取的POI房價(jià)數(shù)據(jù)在Excel中進(jìn)行初步清理，主要包括刪除重復(fù)數(shù)據(jù)、去除信息缺失或者異常的數(shù)據(jù)；然后對數(shù)據(jù)進(jìn)行坐標(biāo)糾偏以及坐標(biāo)投影；進(jìn)而將Excel數(shù)據(jù)導(dǎo)入ArcGIS中，轉(zhuǎn)換成SHP格式，進(jìn)一步進(jìn)行清洗，刪除蘇州市主城區(qū)研究范圍外的數(shù)據(jù)。

2 蘇州市主城區(qū)普通住宅房價(jià)空間分布分析

2.1 普通住宅房價(jià)探索性空間分析

探索性空間數(shù)據(jù)分析是指利用統(tǒng)計(jì)學(xué)原理和圖形、圖表、地圖等可視化技術(shù)結(jié)合的方式，在對數(shù)據(jù)不加假設(shè)的前提下，對數(shù)據(jù)進(jìn)行分析、識別，旨在描述數(shù)據(jù)空間分布規(guī)律，發(fā)現(xiàn)離群值或異常值，揭示數(shù)據(jù)的空間聯(lián)系。空間自相關(guān)分析是探索性數(shù)據(jù)分析的主要方法，用來揭示區(qū)域單元上某一屬性值與鄰近單元上同一屬性值的相關(guān)程度，發(fā)現(xiàn)空間異質(zhì)和空間集聚現(xiàn)象[8]，包括全局自相關(guān)和局部自相關(guān)。全局自相關(guān)可以從整體上判斷研究數(shù)據(jù)是否存在集聚或關(guān)聯(lián)的可能，常用Moran I的值來測定結(jié)果；局部自相關(guān)包括LISA集聚圖和Moran散點(diǎn)圖。本文采用LISA集聚圖來分析二手房房價(jià)的集聚情況。

2.1.1 全局自相關(guān)

一般規(guī)定Moran's I＞0，表示空間呈正相關(guān)性，其值越大，空間相關(guān)性越明顯；若Moran's I＜0，表示空間呈負(fù)相關(guān)性，其值越小，空間差異越大；若Moran's I＝0，則空間呈隨機(jī)性。利用GIS中的空間自相關(guān)工具，得出本研究的房價(jià)數(shù)據(jù)的全局自相關(guān)分析結(jié)果（表2）。Moran's I指數(shù)大于0.4，房價(jià)整體上存在著相似值之間的空間集聚現(xiàn)象，距離較近的住宅，價(jià)格也越接近。p值（P-Value）表示所研究的空間模式是某一隨機(jī)過程的概率，研究結(jié)果p值小于0.01，所以數(shù)據(jù)是隨機(jī)生成的概率只有1%（99%的置信度），也就是拒絕了零假設(shè)。z值（Z-Score）遠(yuǎn)大于99%置信區(qū)間雙側(cè)檢驗(yàn)臨界值，說明蘇州主城區(qū)普通二手房房價(jià)存在著十分顯著的正相關(guān)集聚現(xiàn)象。首先是因?yàn)橄噜徸》炕驹谕粫r(shí)間段建造，有相似的結(jié)構(gòu)特征如房屋面積、內(nèi)部及外部的設(shè)計(jì)，其次鄰近的住宅共享周邊設(shè)施。

表2 房價(jià)全局自相關(guān)分析結(jié)果

2.1.2 局部自相關(guān)

利用GIS中的聚類和異常值分析，研究區(qū)域房價(jià)數(shù)據(jù)分為4類。HH為高值聚類，LL為低值聚類，表示該區(qū)域的住宅價(jià)格存在較高的空間正相關(guān)。HL為“高—低”關(guān)聯(lián)，LH為“低—高”關(guān)聯(lián)，表示該區(qū)域的住宅價(jià)格存在空間負(fù)相關(guān)。蘇州市主城區(qū)普通二手房房價(jià)“高—高”關(guān)聯(lián)區(qū)域在工業(yè)園區(qū)婁葑街道的湖東、湖西居住板塊。該區(qū)域可能受園區(qū)產(chǎn)業(yè)發(fā)展、區(qū)域地理位置、土地發(fā)展?jié)摿Φ纫蛩赜绊懀績r(jià)均值普遍高于其他板塊。“低—低”關(guān)聯(lián)區(qū)域分布范圍較廣，主要集聚在相城區(qū)的元和街道、虎丘區(qū)的獅山街道、橫塘居住板塊以及吳中區(qū)的越溪街道、城南街道。負(fù)相關(guān)的區(qū)域分布較為分散（圖2）。

圖2 普通住宅價(jià)格LISA集聚圖

圖3 二手房普通住宅價(jià)格直方圖

圖4 二手房普通住宅價(jià)格QQ-Plot圖

圖5 普通住宅價(jià)格插值圖

2.2 住宅價(jià)格數(shù)據(jù)正態(tài)分布檢驗(yàn)

Kriging空間插值法使用前提是數(shù)據(jù)服從正態(tài)分布，一般采用直方圖和正態(tài)QQ-Plot圖來檢測數(shù)據(jù)的分布情況。直方圖反映數(shù)據(jù)的分布狀態(tài)、總體規(guī)律，可以用來尋找離群值。峰度是用來描述數(shù)據(jù)分布高度的指標(biāo)，偏度是用來描述數(shù)據(jù)分布左右對稱性的指標(biāo)[9]。正態(tài)分布的分布特征是均值和中值近似，偏度為0，峰度為3。研究樓盤房價(jià)數(shù)據(jù)經(jīng)過對數(shù)處理后（圖3），平均值與中值非常接近，分布接近于正態(tài)分布。偏度系數(shù)小于0，左側(cè)具有較長的尾部，房價(jià)小于平均值（或者中值）的住宅居多。研究數(shù)據(jù)峰度經(jīng)過對數(shù)處理后為3.7991，大于正態(tài)分布峰度3，表明房價(jià)分布有較厚的尾部，數(shù)據(jù)基本符合正態(tài)分布。

正態(tài)QQ-Plot圖是另外一種數(shù)據(jù)正態(tài)分布的測試方法，經(jīng)過對數(shù)處理后的房價(jià)數(shù)據(jù)基本上分布在直線上，小值區(qū)域有少部分點(diǎn)偏離（圖4）。結(jié)果表明樣本數(shù)據(jù)基本服從正態(tài)分布，在此前提下運(yùn)用克里金插值效果較佳。

2.3 房價(jià)空間插值及趨勢分析

克里金插值分析是利用原始數(shù)據(jù)和半方差函數(shù)結(jié)構(gòu)性，對區(qū)域化變量的未知采樣點(diǎn)進(jìn)行無偏最優(yōu)估計(jì)的插值分析方法，通過顏色深淺表示數(shù)據(jù)之間的差異[10]。在GIS中，采用該方法對蘇州主城區(qū)二手房房價(jià)數(shù)據(jù)進(jìn)行插值分析（圖5）。

（1）蘇州主城區(qū)二手房房價(jià)表現(xiàn)出由中心向外遞減的規(guī)律。很明顯，房價(jià)最高區(qū)域在婁葑街道的金雞湖臨湖地段，并以此為中心圈層分布形成次級的房價(jià)中心。主要分布湖東、湖西以及雙湖居住板塊，少量的次級中心分散在姑蘇區(qū)的古城區(qū)以及虎丘區(qū)的獅山地區(qū)。低價(jià)位區(qū)域分布在城市外圍地區(qū)，在空間上呈現(xiàn)出隨著與古城區(qū)和園區(qū)距離的不斷增加，房價(jià)明顯遞減的規(guī)律。各個(gè)組團(tuán)內(nèi)又以最高樓盤價(jià)位為中心，價(jià)格向外不斷遞減，表現(xiàn)為向高價(jià)位樓盤集聚的布局結(jié)構(gòu)。

（2）各區(qū)房價(jià)遞減表現(xiàn)出不同的特點(diǎn)。工業(yè)園區(qū)房價(jià)分布層次最廣，以金雞湖為中心向外遞減，少量低價(jià)位房價(jià)分布在園區(qū)外圍；姑蘇區(qū)以高中房價(jià)梯度為主，房價(jià)波動(dòng)不是很大；相城區(qū)房價(jià)整體由東向西降低，房價(jià)較高區(qū)域分布在在陽澄湖附近；虎丘區(qū)的房價(jià)整體上呈現(xiàn)由南向北遞減，離古城區(qū)越遠(yuǎn)房價(jià)越低，局部出現(xiàn)峰值的規(guī)律；吳中區(qū)房價(jià)整體較低，同時(shí)也表現(xiàn)出越遠(yuǎn)離市區(qū)房價(jià)越低的趨勢。

（3）從顏色深淺來看，某些地區(qū)房價(jià)存在空間變異現(xiàn)象，不完全符合逐級衰減的規(guī)律。從古城區(qū)中心往外，在金雞湖臨湖附近以及獅山地區(qū)出現(xiàn)房價(jià)局部升高的現(xiàn)象。這類地區(qū)業(yè)態(tài)種類豐富，環(huán)境優(yōu)良，居住條件具有明顯的優(yōu)勢。

房價(jià)空間趨勢分析用來描述房價(jià)整體上在空間的變化情況，忽略局部的變異。進(jìn)行分析時(shí)，通常選擇合適的透視視角來分析某一方向上的變化特征。X軸中的綠線代表東西方向，Y軸中的藍(lán)線表示南北方向。可以看出房價(jià)在東西方向上表現(xiàn)出線性遞增的趨勢，南北方向上表現(xiàn)為向中部遞增的非線性變化趨勢，與蘇州房價(jià)市場現(xiàn)狀基本吻合。位于東部的園區(qū)房價(jià)高于西部地區(qū)，古城區(qū)以及金雞湖臨湖地區(qū)房價(jià)高于周邊地區(qū)尤其是高于城市外圍地區(qū)（圖6）。

圖6 普通住宅價(jià)格趨勢圖

圖7 中小學(xué)對房價(jià)的影響

3 房價(jià)空間分布與公共服務(wù)設(shè)施水平相關(guān)性分析

3.1 公共服務(wù)設(shè)施影響因子的選擇

研究選取的公共服務(wù)設(shè)施為社會(huì)性基礎(chǔ)設(shè)施，如教育、醫(yī)療、文化等，不包括公路、鐵路等物質(zhì)性工程設(shè)施。本文在選取因子上遵循主導(dǎo)性、全面性、區(qū)域差異性的原則。選取居民到訪頻次較高、與城市規(guī)劃布局安排關(guān)系較密切的教育設(shè)施（中小學(xué)）、醫(yī)療衛(wèi)生設(shè)施（三級醫(yī)院）、文化設(shè)施（博物館、圖書館、科技館、文化館等區(qū)級文化設(shè)施）、交通設(shè)施（地鐵站、公交站）、區(qū)級以上商業(yè)區(qū)以及公園廣場（大片面積以公園類為主）共6大類公共服務(wù)設(shè)施進(jìn)行系統(tǒng)的分析（表3）。

表3 各區(qū)公共服務(wù)設(shè)施數(shù)量樣本統(tǒng)計(jì)

3.2 公共服務(wù)設(shè)施影響因子定量分析

3.2.1 基于地理加權(quán)回歸模型的影響因子分析

為了分析不同公共服務(wù)設(shè)施影響因子對房價(jià)的影響，選取樓盤到最近的中小學(xué)、三級醫(yī)院、文化設(shè)施、地鐵站、公交站、商業(yè)區(qū)以及公園廣場的距離作為自變量。首先用普通最小二乘法（OLS）線性回歸對變量進(jìn)行分析，上述影響因子均通過了5%水平的顯著性檢驗(yàn)[11]。將這幾個(gè)變量納入一種基于地理空間變化關(guān)系的局部線性回歸形式的地理加權(quán)回歸（GWR）模型，來揭示公共服務(wù)設(shè)施影響因子與房價(jià)的相關(guān)性。該模型是一種考慮空間非平穩(wěn)性并允許估計(jì)局部參數(shù)的空間回歸技術(shù)。GWR方法具有比HPM特征價(jià)格法更好的解釋能力，并具有捕獲空間異質(zhì)性的能力。

數(shù)學(xué)表達(dá)式如下：

式中i取值1到n，其中（ui，vi）代表因變量房價(jià)的地理坐標(biāo)；βk（ui，vi）代表各自變量的回歸參數(shù)；∑i表示誤差項(xiàng)。運(yùn)用該模型探討公共服務(wù)設(shè)施影響因素對不同地理位置的住宅所產(chǎn)生的影響，得到擬合參數(shù)R2為0.49，表明GWR模型能解釋蘇州主城區(qū)49%的房價(jià)變化與影響因素之間的關(guān)系。運(yùn)用克里金插值分析將各因素的影響系數(shù)以等值線形式顯示出來，更直觀地反映影響程度的空間差異[12]。影響因子由負(fù)值逐漸轉(zhuǎn)變成正值，表示影響因子對房價(jià)具有增值和抑制雙重作用。

（1）中小學(xué)對房價(jià)的影響

如圖7，采用GWR模型分析顯示，住宅到學(xué)校的距離對房價(jià)的影響系數(shù)在-2.89到2.41之間。中小學(xué)資源主要集中分布在姑蘇區(qū)，該區(qū)域內(nèi)教育資源分布比較均衡，對房價(jià)影響較低。影響系數(shù)較大值落在園區(qū)金雞湖、獨(dú)墅湖以及陽澄湖附近，并分別表現(xiàn)出正相關(guān)與負(fù)相關(guān)。園區(qū)陽澄湖附近分布著重點(diǎn)中學(xué)如星灣學(xué)校。優(yōu)質(zhì)的教育資源成為購房者關(guān)心的重要因素之一，教育質(zhì)量對于房價(jià)的影響大于學(xué)校的數(shù)量。隨著學(xué)區(qū)制度的改革，居民愿意將孩子送去其他區(qū)域上學(xué)，學(xué)校對房價(jià)的影響度逐漸降低。

圖8 醫(yī)院對房價(jià)的影響

圖9 文化設(shè)施對房價(jià)的影響

圖10 地鐵站對房價(jià)的影響

圖11 公交站對房價(jià)的影響

圖12 商業(yè)區(qū)對房價(jià)的影響

圖13 公園廣場對房價(jià)的影響

（2）醫(yī)院對房價(jià)的影響

在古城區(qū)和工業(yè)園區(qū)雙湖附近，醫(yī)院對房價(jià)的影響表現(xiàn)出明顯的抑制作用，即離醫(yī)院越近，房價(jià)越低。一方面，這兩處區(qū)域醫(yī)療設(shè)施配套比較完善，尤其在古城區(qū)，醫(yī)院周圍容易造成環(huán)境污染和交通擁堵，反而抑制了房價(jià)；另一方面，雖然距離醫(yī)院較近就醫(yī)方便，但常常受限于醫(yī)院病人多，細(xì)菌多甚至影響家居風(fēng)水的思想，此類負(fù)面影響大于其積極效應(yīng)，居民不樂意購買距離醫(yī)院較近的樓盤。相比較在遠(yuǎn)離古城區(qū)的區(qū)域，如陽澄湖南部居住板塊，其影響系數(shù)最高，從-2.43開始衰減，醫(yī)院對房價(jià)表現(xiàn)出增值作用，醫(yī)療設(shè)施的便捷性改善了居民就醫(yī)條件并帶動(dòng)其他設(shè)施配套，從而提升房價(jià)（圖8）。

（3）文化設(shè)施對房價(jià)的影響

住宅到文化設(shè)施的距離對房價(jià)的影響系數(shù)分布在-2.77到2.42之間，距離與房價(jià)正負(fù)相關(guān)性明顯區(qū)域在金雞湖和獨(dú)墅湖以及陽澄湖南部居住板塊。古城區(qū)和工業(yè)園區(qū)雙湖附近，整體上看該類設(shè)施對房價(jià)的影響并不大（圖9）。在追求精神文明的當(dāng)下，文化氛圍的好壞關(guān)乎居住環(huán)境的品質(zhì)，追求高品質(zhì)生活的消費(fèi)者在購房時(shí)往往選擇基本設(shè)施配套完善，文化設(shè)施豐富的高房價(jià)地段。

（4）交通設(shè)施對房價(jià)的影響

對比圖10和圖11，地鐵站對房價(jià)表現(xiàn)出更大的增值作用，住宅與地鐵站距離的相關(guān)系數(shù)變化范圍為-1.68到2.71，影響范圍比公交站更廣。距離軌道交通近的通勤成本相對較低，地租相對較高，房價(jià)也相對高于周邊區(qū)域。古城區(qū)中心區(qū)由于配套設(shè)施完善，居住板塊相對成熟，受交通設(shè)施影響不大。古城區(qū)兩側(cè)區(qū)域配套設(shè)施基本完善，交通站點(diǎn)對其影響會(huì)略大于中心城區(qū)。但并不是越靠近軌道交通住房價(jià)格越高，軌道沿線存在的噪聲、人流、空氣污染等問題，反而使地鐵和公交站點(diǎn)對房價(jià)表現(xiàn)出抑制作用。

（5）商業(yè)區(qū)對房價(jià)的影響

如圖12，整體看蘇州主城區(qū)大部分普通住宅與商業(yè)區(qū)的距離都呈正相關(guān)關(guān)系，影響系數(shù)較小，即離商業(yè)區(qū)越遠(yuǎn)，房價(jià)越高。在商業(yè)區(qū)聚集的古城居住板塊，分布著石路商業(yè)區(qū)、南門商業(yè)區(qū)、觀前商業(yè)區(qū)，變量對房價(jià)的影響程度小于其他商業(yè)地帶。在陽澄湖附近及獨(dú)墅湖以東缺乏市區(qū)級商業(yè)中心，其影響系數(shù)最高。整體上看商業(yè)中心對房價(jià)的影響比其他公共設(shè)施較弱。一般來說，接近商業(yè)設(shè)施的區(qū)位條件相對優(yōu)越，土地價(jià)格相對較高，房價(jià)也相對較高。同時(shí)也存在靠近商業(yè)娛樂設(shè)施而帶來的噪音、人流等問題，對房價(jià)產(chǎn)生抑制作用，住房價(jià)格下降。

（6）公園廣場對房價(jià)的影響

普通住宅與公園的距離對房價(jià)的影響程度略大于商業(yè)區(qū)，整體上與房價(jià)呈負(fù)相關(guān)關(guān)系，對房價(jià)有增值作用（圖13）。工業(yè)園區(qū)陽澄湖周邊公園輻射作用最大，影響因子達(dá)到-2.31。該范圍內(nèi)二手房價(jià)格對公園最敏感，離公園越近，房價(jià)越高。在忙碌的城市生活中，綠地廣場為居住者提供了交友健身、修養(yǎng)身心的場所，漸漸成為住房價(jià)格的隱含部分，表現(xiàn)為公園附近的房價(jià)高于同一范圍內(nèi)的居住片區(qū)。然而，在本身自然景觀得天獨(dú)厚的居住板塊，如金雞湖和獨(dú)墅湖周圍，公園對其沒有較大的影響。古城中心區(qū)本身公園聚集數(shù)量多，密度分布集中，公園因子影響系數(shù)較小。主城區(qū)周邊地區(qū)自然景觀稀缺，公園廣場對居住環(huán)境的改善非常明顯，從而對房價(jià)產(chǎn)生顯著的提升作用。

3.2.2 公共服務(wù)設(shè)施核密度分析

核密度分析（Kernel Density）是以樣本點(diǎn)為圓心，以一定搜索半徑產(chǎn)生圓，圓心處柵格密度值最高，離開圓心越遠(yuǎn)，密度越低，逐步遞減，到邊界處密度值為零[1]。2016年上海發(fā)布的《上海市15分鐘社區(qū)生活圈規(guī)劃導(dǎo)則（試行）》中對“15分鐘社區(qū)生活圈”范圍內(nèi)設(shè)施服務(wù)半徑進(jìn)行了界定，取值為800 1 000 m①2016年8月15日，原上海市規(guī)劃和國土資源管理局（現(xiàn)上海市規(guī)劃和自然資源局）印發(fā)《上海市15分鐘社區(qū)生活圈規(guī)劃導(dǎo)則（試行）》的通知，正式發(fā)布《導(dǎo)則》專業(yè)版和公眾版。，該范圍涵蓋研究所涉及的各類公共服務(wù)設(shè)施。故研究取1 000 m為搜索半徑對公共服務(wù)設(shè)施因子進(jìn)行核密度分析，得到各類設(shè)施密度原始值。為了使影響因子便于賦值分析，將原始值進(jìn)行重新分類，輸出范圍為0 5。醫(yī)療、教育、文化設(shè)施分布基本上是以城市中心區(qū)為中心向外輻射遞減，分布較規(guī)律；觀前街、石路地區(qū)是主要的休閑娛樂中心；公園整體分布較散，交通設(shè)施覆蓋度較好。

利用yaahp軟件中的層次分析法（AHP）并結(jié)合地理加權(quán)模型各因子影響系數(shù)分布圖，計(jì)算出各項(xiàng)因子的權(quán)重（表4），以表達(dá)各類設(shè)施之間的相互重要性，與實(shí)際POI采集的公共設(shè)施分布空間無關(guān)。其中交通設(shè)施因子下包括地鐵站和公交站兩個(gè)二級因子，分別占比0.0679、0.2716。運(yùn)用GIS疊加分析中的加權(quán)總和工具，依據(jù)各類權(quán)重加權(quán)得到服務(wù)設(shè)施在蘇州主城區(qū)的密度分布圖，按照自然間斷法重分類為5級，值越大代表設(shè)施分布密度越高（圖14）。通過分析，蘇州主城區(qū)公共服務(wù)設(shè)施集中度較高，整體上呈現(xiàn)出以古城區(qū)為核心，向四周遞減的趨勢，局部出現(xiàn)次中心，較突出的有工業(yè)園區(qū)雙湖區(qū)域、吳中區(qū)中心城區(qū)、木瀆鎮(zhèn)、黃埭鎮(zhèn)等地區(qū)。結(jié)合二手房房價(jià)插值圖分析發(fā)現(xiàn)，雖然古城區(qū)的公共服務(wù)設(shè)施分布密度更廣，但房價(jià)水平卻低于工業(yè)園區(qū)。古城區(qū)位條件優(yōu)越，可以說是居民眼中的黃金地帶，各項(xiàng)設(shè)施齊全。但考慮到交通和環(huán)境的影響，古城區(qū)已不是大眾的首選，住宅在古城很難有發(fā)展的空間。總體上說，古城區(qū)的價(jià)格很難有升值的空間。而工業(yè)園區(qū)尤其是雙湖附近，憑借得天獨(dú)厚的自然條件，環(huán)境優(yōu)美，配套設(shè)施齊全，交通便利，且園區(qū)以外企、年輕人居多，消費(fèi)水平高于其他區(qū)域。相比較開發(fā)已趨于飽和的古城區(qū)，園區(qū)發(fā)展?jié)摿Ω蟆Ｗ鳛樾麻_發(fā)的地帶，各經(jīng)濟(jì)開發(fā)區(qū)陸續(xù)建成，未來房價(jià)可能會(huì)更高。

表4 影響因子權(quán)重賦值

圖14 核密度加權(quán)總和

4 結(jié)語

本文利用GIS分析工具揭示蘇州市主城區(qū)普通住宅房價(jià)的空間分布規(guī)律，并采用GWR模型和核密度加權(quán)疊加分析的方法，研究不同公共服務(wù)設(shè)施因子的影響程度。研究結(jié)果表明：

第一，蘇州市主城區(qū)的房價(jià)空間格局以金雞湖臨湖地段為峰值中心向周圍逐步衰減，在姑蘇區(qū)、古城區(qū)以及虎丘區(qū)的獅山地區(qū)出現(xiàn)峰值次中心。上述空間分布是各類影響因素綜合作用的結(jié)果。

第二，本文選取房價(jià)數(shù)據(jù)點(diǎn)與教育、醫(yī)療、文化、交通、商業(yè)和公園廣場6類公共服務(wù)設(shè)施之間的距離為自變量。從平均影響上看，各類設(shè)施對房價(jià)有明顯的增值作用，說明在城市住宅空間價(jià)值提升中，可以通過這些設(shè)施產(chǎn)生輻射帶動(dòng)作用，吸引居民聚集。

第三，各類影響因素與房價(jià)的關(guān)系在空間上呈現(xiàn)正負(fù)相關(guān)交替的現(xiàn)象，說明各因素對房價(jià)的影響是雙向的，在分析時(shí)需要因地制宜，才能找出主導(dǎo)因素。

第四，各因子對房價(jià)的影響程度不同。運(yùn)用層次分析法得出對房價(jià)影響最大的因素是交通設(shè)施，其次是醫(yī)療設(shè)施、教育設(shè)施，文化設(shè)施和公園廣場影響程度相近，對房價(jià)影響程度最小的是商業(yè)設(shè)施。

第五，研究發(fā)現(xiàn)房價(jià)峰值分布地區(qū)與公共服務(wù)設(shè)施密集程度最高區(qū)域并不完全吻合。說明每一區(qū)域的房價(jià)不僅受各項(xiàng)配套設(shè)施完善度的影響，還存在主導(dǎo)因子，對區(qū)域房價(jià)水平起著關(guān)鍵作用。同時(shí)人口因素、社會(huì)因素、土地價(jià)格等都會(huì)影響房價(jià)水平。

本研究運(yùn)用地理加權(quán)回歸模型建立房價(jià)和公共服務(wù)設(shè)施關(guān)系，而GWR模型僅考慮變量間的線性關(guān)系，部分影響因素對房價(jià)的影響可能不是簡單的線性關(guān)系。鑒于研究的角度，所選取的房價(jià)影響因素有限，涉及房地產(chǎn)自身狀況或條件等因素有待加以研究，同時(shí)本研究未能進(jìn)行房價(jià)動(dòng)態(tài)影響分析，是下一步研究可以深入的方向