武漢市主城區住房租金時空演變特征分析

2020-06-19 08:20:35詹長根敖開顏戴云

中國房地產·學術版 2020年3期

詹長根敖開顏戴云

摘要：收集武漢市主城區2008-2018年間住房租金相關數據和2008年、2013年、2018年的住房租金樣本數據，運用時間序列分析、空間聚類分析、空間插值分析、空間自相關分析和重心遷移分析法從時間變化、空間分異及時空演變三個方面分析住房租金時空演變特征。結果表明，2008-2018年期間，武漢市主城區的住房租金水平以江漢區最高，漢陽區和青山區整體低于平均水平，其中以青山區住房租金水平最低;各區住房租金逐年增長，且增長趨勢具有一定的相似性，但漲幅差異明顯。主城區住房租金整體上呈現出由城市中心向周邊遞減的不規則圈層式的分布特征，住房租金較高的區域多集中于長江以南的城區，長江以北的城區住房租金較高的區域相對偏少。主城區住房租金具有局部的空間異質性，也存在一定的局部時空異質性。

關鍵詞：住房租金;空間分異;時空演變

中圖分類號：F293

文獻標識碼：A

文章編號：1001-9138-（2020）03-0027-36

收稿日期：2020-02-06

近些年，研究住房租金在時間上的變化規律、空間上的分異特征已成為政府相關職能部門、租賃住房投資運營商、租賃住房需求者及科研學者們關注的焦點。國外關于租賃住房的研究大多是基于經濟學和管理學的視角，在租金政策效應、租金價格指數、租金控制等方面取得較多的研究成果。國內較多地研究住宅價格的空間分布特征，主要采用空間自相關理論、ESDA法與Kriging插值法、GIS空間分析等方法。較少學者開展了住房租金的空間分異研究，僅有李婕（ 2013）通過構建特征價格模型研究昆明市住房租金的空間分異特征;蘇亞藝等（ 2014）通過運用Arc GIS中空間自相關分析和克里格插值，對北京市住房租金空間分布規律進行了深入分析;曹陽等（ 2017）基于GWR模型研究了沈陽市住房租賃租金空間分異;李武斌（ 2017）定量揭示了西安市居住空間的分異規律;賀玲（ 2017）通過疊加分析與普通租金克里金插值圖，從空間可視化視角分析了重慶市住房租賃價格空間分布特征;李衛民等（ 2018）運用空間插值、空間自相關和趨勢面分析等方法研究了南京市住房租金的空間分異特征;盧俊文等（ 2018）采用獲取的開放數據，借助K-means聚類等空間計量方法，解析了廣州市租賃住房空間的格局特征。大部分研究多是基于空間的角度分析住房租金的變化特征，能夠將時間和空間兩個維度結合起來分析住房租金演變特征的研究較少。

綜上，本文從全局和局部兩個角度，運用ArcGIS密度分析和重心遷移分析將時間與空間相結合，分析2008年、2013年和2018年武漢市主城區住房租金的時空演變特征。

1數據與處理

1.1試驗數據

在武漢市統計局官方網站和中國房價行情網獲取武漢市主城區社會經濟統計數據及住房租賃市場相關的住房租金數據。目前，我國還沒有官方統計公開的住房租金數據，本研究涉及到的住房租金樣本數據主要來源于房地產中介網站平臺的掛牌數據。地理空間矢量數據主要包括來源于洪山區房管局大數據平臺的武漢市基礎地理底圖矢量數據和百度POI數據。

1.2處理與步驟

住房租金樣本數據處理是本研究數據處理過程中的主要部分。將爬取的住房租金樣本數據進行初步的清洗，采用樣本均值和SPSS17.0中默認的個案診斷法進行異常值排除，采取實地調查和電話抽查等方式，對7個主城區進行實地走訪或電話問詢房地產中介機構，對篩選后整理后的樣本數據進行真實性和準確性的驗證。最后，樣本數據進行分析前，對樣本的數據各個變量是否符合否服從正態分布或近似服從正態分布進行相關判斷。

2結果與分析

2.1住房租金的時間變化

2008-2018年期間，武漢市主城區整體住房租金水平持續上升，由2008年的年平均15.35元/月/平方米上升為2018年的32.98元/月/平方米，整體漲幅114.880/0，年均增長11.49%。主城區住房租金年增長率在2009-2011、2011-2016年和2016-2018年期間呈現先增加后減少再快速增長的態勢，見圖1、圖2。

結合圖3可以看出，2008-2018年武漢市主城區年均住房租金整體上呈現逐年增長的態勢，但主城區年均住房租金水平和住房租金增長幅度存在著一定的差距，具體特征如下：

（1）主城區年均住房租金整體上逐年增長，但漲幅差異明顯。2008-2018年期間武漢市主城區的住房租金水平，江漢區最高，漢陽區和青山區則整體低于平均水平，其中以青山區住房租金水平最低。

（2）主城區年平均住房租金增長趨勢具有一定的相似性。2008-2011年和2017-2018年期間，武漢市主城區年均住房租金增長趨勢均呈現上升;2011-2017年期間，主城區年均住房租金增長趨勢均表現為持續緩慢下降，主城區年均住房租金增長趨勢具有一定的相似性。但在2011-2017年期間，主城區年均住房租金的增長趨勢各不相同，其中2012-2013年期間，青山、洪山、江岸和武昌區年均住房租金增長趨勢表現為下降，而漢陽、江漢和硚口區年均租金增長趨勢表現為上升;2014-2015年期間，漢陽、洪山、江岸、江漢和硚口區年均租金增長趨勢表現為下降，而青山和武昌區年均租金增長趨勢表現為上升。

（3）隨著時間變化，主城區年均住房租金水平存在一定的空間分異。縱觀2008-2018年武漢市主城區年均住房租金水平，2008年住房租金水平高低順序為：江岸區（I8.73元/月/平方米）>江漢區（18.72元/月/平方米）>硚口區（17.19元/月/平方米）>洪山區（15.36元/月/平方米）>武昌區（15.25元/月/平方米）>漢陽區（13元/月/平方米）>青山區（9.2元/月/平方米）;而2018年住房租金水平高低順序為：江漢區（37.2元/月/平方米）>武昌區（35.6元/月/平方米）>硚口區（34.9元/月/平方米）>江岸區（34.4元/月/平方米）>洪山區（33.5元/月/平方米）>漢陽區（28.4元/月/平方米）>青山區（26.9元/月/平方米）。主城區住房租金水平高低排序出現了一定的變化，意味著隨著時間的變化住房租金水平在空間上的分布存在著一定的分異。

2.2住房租金的空間分異

2.2.1空間趨勢分析

Are GIS中的趨勢分析功能模塊通過三維視圖的方式可直觀地顯示住房租金樣本數據的空間分布特征。三維空間坐標X軸方向代表地圖上由西至東，Y軸方向則代表由南至北，Z軸代表各住房租金樣本的屬性值（住房租金，單位為元/月/平方米），各住房租金樣本分布在XY軸形成的平面上。

從圖4-圖6中可以看出，不同時期的住房租金樣本數據在X軸方向和Y軸方向上逐漸呈現倒U形曲線的趨勢，住房租金表現為“低一高一低”的趨勢。表明隨著時間的變化，武漢市主城區住房租金在南北方向和東西方向上逐漸表現出越來越明顯的由中心向外緣遞減的趨勢。也看出，武漢市主城區住房租金以長江為分界線，各時期均沿長江兩邊呈現遞減趨勢且越來越強，同時，各個時期住房租金在Y軸上遞減趨勢顯著于X軸上的遞減趨勢。表明隨著時間的遞進，武漢市的空間擴張南北方向的差異越來越明顯于東西方向上的差異。此外，還可看出武漢市主城區住房租金表現出越來越明顯的由中心向外緣遞減的趨勢，其趨勢并非呈線性函數形式，而是表現為二階曲線形態，因而需要用二次曲面剔除趨勢，從而提高插值的精度。

2.2.2空間自相關分析

（1）全局空間自相關分析

運用Are GIS軟件空間自相關工具，選取歐式空間距離和反距離權重取值模型，顯著性水平P取0.05，對不同時期住房租金樣本進行全局空間自相關分析，得到其全局相關Moran's I指數值。圖7顯示，不同時期住房租金屬性Moran's I指數Z得分都大于40，并都遠遠通過顯著性水平5%的檢驗。

由表l可以看出，不同時期武漢市主城區計算的檢驗統計量Moran's I指數均大于0、Z得分值均為超過40、P值都接近于0，這說明不同時期的武漢市主城區住房租金均能通過5%的顯著性水平檢驗具有正相關性，且呈現顯著的聚集狀態，具有較強的全局空間自相關。依據前文所述，不同時期武漢市主城各區住房租金水平存在一定的差異性，分別計算武漢市主城區2008年、2013年和2018年三個時期住房租金全局相關Moran's I指數，結果如表2所示。

結合武漢市主城區及不同時期的Moran's I指數分析可知，住房租金空間分布具有空間聚集特征，且表現出武漢市主城各區的聚集指數稍高于武漢市主城區的聚集指數。因而，在住房租金影響因素分析的過程中使用傳統回歸分析方法具有一定的局限性，應選擇相關的空間模型開展住房租金影響因素分析。

（2）局部空間相關性（LISA）分析

全局空間自相關前提條件是整個空間區域是均質變化的，但不能很好的分析和衡量局部空間的異質性，而通過對住房租金的局部空間相關性分析能夠彌補全局空間自相關的缺陷，很好地反映出住房租金的局部空間分布特征。圖8中深紅色點表示局部高值（ HH）集聚點，淺黃色點代表局部高值（ HL）離群點，綠色點為局部低值（LH）離群點，藍色點表示局部低值（ LL）集聚點。HL點表示該租賃住房樣本周圍一圈住房租金都是低值，圍繞一個高值，而LH點表示，該租賃住房樣本周圍都是一圈住房租金都是高值，圍繞著一個低值，見圖8。

由于獲取不同時期樣本數據量的差異，本文選取相對較為明顯的2018年武漢市主城區住房租金局部空間分布特征展開進一步分析。紅色（ HH）點在長江以北主要集中在二七、漢口沿江、建設大道、寶豐、CBD房地產板塊，在長江以南主要集中在武昌濱江商務區、青山、徐東、楚河漢街、中南、街道口、魯巷、關山、光谷板塊，這與該地區近幾年經濟產業的發展及人口集聚的現實情況相吻合，同時這些地區也存在低值（ LH）離群點。而花山、南湖西部、白沙洲、古田、四新、國博等片區住房租金普遍偏低，呈現局部低值（ LL）集聚的特征。同時，白沙洲、南湖、墨水湖、王家灣、楊汊湖、后湖板塊中的部分區域出現高值（ HL）離群點。HH和LL點表明該地區的住房租金水平相似而集聚，HL和LH點則表明該地區住房租金水平具有局部空間異質性。通過分析可知，武漢市主城及主城各區不同時期的住房租金均存在著局部空間相似性和局部空間相異性，同時武漢市主城及主城各區不同時期的住房租金又具有局部的空間異質性和局部時空異質性。因此，對武漢市主城區住房租金的影響因素分析，須綜合考慮時間和空間因素，從而建立相關的模型開展分析。

2.2.3空間插值分析

根據Are GIS地統計分析模塊向導，在前文對不同時期的武漢市主城區住房租金樣本數據分析的基礎上，對不同時期的武漢市主城區住房租金通過運用普通克里金法創建住房租金插值圖。不同時期的武漢市主城區住房租金空間插值結果如圖9-圖11所示，少部分區域內由于歷史住房租金樣本獲取較少，生成的住房租金空間插值圖與現實情況存在輕微的偏差，但不影響對武漢市主城區住房租金空間分布整體趨勢的分析。分析不同時期的武漢市主城區年均住房租金樣本數據插值圖可知，住房租金隨著時間的變化而變化，不同時期住房租金變化的幅度不一。2008-2013年期間年均住房租金整體增長的幅度小于2013-2018年期間年均住房租金的增長幅度，2013-2018年間增長的幅度大于2008-2013年間增長的幅度。這可能是由于城市整體的經濟發展、人口流入量等原因對其綜合作用的結果。

對不同時期武漢市主城區住房租金插值圖進行等值線構造。為使構造的等值線簡潔明了地反映不同時期武漢市主城區的住房租金的差異，2008年和2013年以10元/月/平方米作為等值線間距繪制等值線，2018年以20元/月/平方米作為等值線間距繪制等值線，結果如圖12-圖14所示。

綜合不同時期武漢市主城區住房租金空間插值圖和等值線圖分析，武漢市主城區整體及各區的住房租金分布空間分布表現出如下特征：

①住房租金整體上呈現出由城市中心向周邊遞減的不規則圈層式的分布特征。

②主城區內住房租金較高的區域較多的集中于長江以南的城區，長江以北的城區住房租金較高的區域相對來說偏少。

③洪山區內存在多個住房租金高點，分別為虎泉、魯巷、光谷板塊。主要是因為虎泉、魯巷、光谷本身就為該地區的商圈，且虎泉、魯巷板塊周邊聚集著各大高校，光谷板塊聚集著大量的高新產業，故這些地區的租賃租金較高。

④武昌區的武漢大學片區、司門口片區和湖北省圖書館片區租賃租金較高，主要是因為這三個片區人員聚集較多，造成住房租金較高。

⑤江岸區的香港路和二七片區住房租金較高，是因為該地區周邊聚集了眾多的金融公司，由此帶動了周邊住房租金的升高。

⑥江漢區的漢口火車站片區住房租金較高，是因為該地區為人員的周轉點，帶動了住房租金的上升。

⑦漢陽區域中心輻射范圍較小，對住房租金的影響程度則相對較小。

⑧硚口區的寶豐路、漢正街及漢陽區的王家灣片區，住房租金相對周邊較高，是由于該地區有一定規模的商業基礎，帶動了周邊住房租賃的價格。

⑨青山區的武漢科技大學、武漢理工大學周邊、紅鋼城片區租賃租金相對較高，主要是武漢科技大學、武漢理工大學周邊人流較大，學生消費水平相對較高，紅鋼城片區靠近武漢鋼鐵集團，有一定的產業基礎，周邊住房租金相對來說較高。

2.3時空演變特征分析

2.3.1住房租金的時空演變

利用Are GIS核密度空間分析工具，分別對2008年、2013年和2018年武漢市主城區住房租金進行核密度分析，結果值如下圖15-圖17所示。

通過分析比較三個時期住房租金核密度分布圖，武漢市主城區住房租金時空演變表現出以下特征：

（1）主城區住房租金聚集區逐漸向四周擴散。

2008年，住房租金聚集區多集中于徐東、司門口、廣埠屯、虎泉街、光谷廣場、關山大道、二七路、香港路、澳門路、三陽路、循禮門周邊、三眼橋、菱角湖周邊、武廣商圈、江漢路及六渡橋周邊、漢正街及仁壽路周邊。2013年，住房租金聚集區仍以2008年聚集區為主，同時在2008年的基礎上向外圍擴散，如古田四路和古田二路周邊、漢口火車站、漢陽王家灣及攔江路周邊、南湖大道周邊、中南路周邊、關山大道周邊。2018年，住房租金聚集區在2013年聚集的基礎上繼續向外圍擴散，同時各個聚集區之間逐步蔓延連接，其中以武昌區、江岸區和江漢區擴散速度明顯，其它區域如洪山區、硚口區和漢陽等區域也有一定的擴散。

（2）主城區住房租金聚集區逐漸增多。

2008年住房租金聚集的高度聚集區僅有徐東商圈周邊，2013年住房租金聚集的高度聚集區有光谷周邊、華科周邊、廣埠屯、中南路周邊、江漢路、香港路及王家墩東周邊。而2018年武漢市主城區住房租金聚集的高度聚集區在2013年的基礎上又增加了如中北路周邊、解放公園周邊等。由此可以看出，武漢市主城區域內住房租金聚集區逐漸增加。

2.3.2住房租金分布的重心遷移

為了分析住房租金樣本數據的時空演變特征，運用Are GIS的空間統計工具模塊下的平均中心功能，權重字段選擇不同時期的武漢市主城區住房租金，計算出年度中心位置，分析不同時期武漢市主城區住房租金重心（ Mean Center）的時空變化特征。

分析武漢市主城區住房租金重心變化圖18可知，不同時期的住房租金重心總體上變化不大，武漢市主城區住房租金的重心由2008年的融僑華府小區附近遷移至2013年曇華林附近，再遷移至2018年的中鐵大廈附近。2008年整體上江岸區和江漢區住房租金水平高于其它城區，2013年整體上江岸區、江漢區、硚口區和武昌區住房租金水平相差不大且高于其它區域，2018年整體上江漢區、江岸區、武昌區和洪山區住房租金水平差別不大且高于其它區域。因而2013年武漢市主城區住房租金的重心相對于2008年的住房租金重心偏西南一些，2018年武漢市主城區住房租金重心離長江更遠，且較2013年住房租金偏西南一點，更靠近洪山區。原因可能是，2008年至2018年間東湖高新技術開發區相對于其它各區域獲得了政府更多的資源傾斜，住房租金的重心隨城市規劃和社會經濟發展變遷而變化。這也反映出武漢市主城區住房租金樣本數據在時間和空間上的變化具有顯著的非均勻的特點。

3結論

本文得出的結論為：①武漢市主城區住房租金在時間上的變化表現為：2008-2018年期間，住房租金年增長率在2009-2011、2011-2016年和2016-2018年間表現為先增加后減少再快速增長的態勢。主城區的住房租金水平以江漢區最高，漢陽區和青山區則整體低于平均水平，其中以青山區住房租金水平最低。主城區住房租金整體逐年增長，增長趨勢具有一定的相似性，但主城各區漲幅差異明顯。同時隨著時間變化，主城區住房租金水平存在一定的空間分異。②武漢市主城區住房租金空間分異特征為：2008-2018年期間，武漢市主城區住房租金在南北方向和東西方向上逐漸表現出越來越明顯的由中心向邊緣遞減的趨勢，且南北方向上遞減趨勢顯著于東西方向上的遞減趨勢。主城區住房租金整體上呈現出由城市中心向周邊遞減的不規則圈層式的分布特征，住房租金較高的區域較多的集中于長江以南的城區，長江以北的城區住房租金較高的區域相對來說偏少。武漢市主城區不同時期的住房租金均存在著局部空間相似性和局部空間相異性，同時武漢市主城區不同時期的住房租金又具有局部的空間異質性和局部時空異質性。③武漢市主城區住房租金時空演變特征為：主城區住房租金聚集區逐漸向四周擴散。2008年，住房租金聚集區多集中于徐東、司門口、廣埠屯、虎泉街、光谷廣場、關山大道、二七路、香港路、澳門路、三陽路、循禮門周邊、三眼橋、菱角湖周邊、武廣商圈、江漢路及六渡橋周邊、漢正街及仁壽路周邊。2013年，住房租金聚集區仍以2008年聚集區為主，同時在2008年的基礎上向外圍擴散，如古田四路和古田二路周邊、漢口火車站、漢陽王家灣及攔江路周邊、南湖大道周邊、中南路周邊、關山大道周邊。2018年，住房租金聚集區在2013年聚集的基礎上繼續向外圍擴散，同時各個聚集區之間逐步蔓延連接，其中以武昌區、江岸區和江漢區擴散速度明顯，其它區域如洪山區、硚口區和漢陽等區域也有一定的擴散。主城區住房租金聚集區逐漸增多。2008年住房租金聚集的高度聚集區僅有徐東商圈周邊，2013年住房租金聚集的高度聚集區有光谷周邊、華科周邊、廣埠屯、中南路周邊、江漢路、香港路及王家墩東周邊。而2018年武漢市主城區住房租金聚集的高度聚集區在2013年的基礎上又增加了如中北路周邊、解放公園周邊等。同時，在社會經濟發展、城市規劃等原因綜合作用下，武漢市主城區住房租金的重心由2008年的融僑華府小區附近遷移至2013年曇華林附近，再遷移至2018年的中鐵大廈附近。

由于當前住房租賃市場中的成交價格往往只經過租賃雙方，租賃雙方缺乏主動到相關部門進行登記備案的意識，因此給收集實際成交數據帶來了困難，本研究采用的是租賃住房的價格為掛牌價格而非成交價格，且只收集了2008年、2013、2018年主城區的租賃住房樣本數據。隨著武漢市住房租賃交易服務平臺的推廣及政府對租賃住房備案管理的加強，在以后的研究中力爭獲取更多時間序列的、真實成交的、均勻分布的武漢市住房租金樣本數據，使研究結果更加科學合理。

參考文獻：

l.Epple D.Rent control with reputation： Theory andevidence[J]. Regional Scienee&Urban Economics， 1998，28（6）：679-710

2.Svarer M，Rosholm M，Muneh J R.Rent control andunemployment duration[J].Journal of Publie Economics，2005， 89（11）：2165-2181

3.Eichholtz P，Straetmans S，Theebe M.The Amsterdamrent index：The housing market and the economy，15501850[J].Journal of Housing Economics，2012， 21（4）

4.Miceli T J，Sirmans C F.Effieieney rents：A new theoryof the natural vacaney rate for rental housing [J]. Journal ofHousing Economics， 2013， 22（1）：20-24

5.梅志雄黃亮，房地產價格分布的空間自相關分析——以東莞市為例.中國土地科學.2008.02

6.田成詩王雁.基于空間統計分析的中國省域房地產價格差異研究.數學的實踐與認識.2012.42（01）

7.梅志雄黎夏.基于ESDA和Kriging方法的東莞市住宅價格空間結構.經濟地理.2008.05

8.宋雪娟衛海燕王莉.西安市住宅價格空間結構和分異規律分析.測繪科學.2011.36（02）

9.趙自勝，開封市商品住宅價格的探索性空間數據分析.地域研究與開發.2009.28（04）

10.宋利利路燕.新鄉市普通住宅價格空間分布特征研究.城市發展研究.2009.16（07）

11.何丹孟斌張景秋.北京市住宅價格時空分異特征研究，資源開發與市場.2014.30（ 03）

12.李婕.昆明市主城區住宅租金空間分異模式與影響因素研究.云南財經大學.2013

13.蘇亞藝朱道林耿檳.北京市住宅租賃租金空間結構及其影響因素.經濟地理.2014.34（ 04）

14.曹陽蔡為民何一凡.基于GWR模型的沈陽市住宅租賃租金空間分異性研究.東南大學學報（哲學社會科學版）.2017.19（ S2）

15.李武斌.西安市主城區住房租賃租金空間分異及其影響因素.西部人居環境學刊.2015.30（ 04）

16.賀靈.基于特征價格模型的城市住宅租賃租金影響因素及空間差異研究.重慶大學.2017