上海市二手房價格空間分布及其影響因素研究

文/傅行行

引言

住房問題是重要的民生問題，城市住房價格是不同行業、不同學科所關注的共同話題。城市規劃和地理學領域重點關注城市住房價格的空間差異、住房價格的時空變化、影響住房價格的空間因素等。2000年以來，隨著中國住房市場化的全面推進，住房價格不斷飆升，城市空間結構也出現了一些新的特征與問題(Gao et al, 2010)，城市空間結構又在一定程度上塑造了住房價格的空間分布格局，因此出現了大量基于住房價格的城市空間結構研究，如石憶邵等（2006）分析了上海市住房價格的空間梯度，秦波、焦永利（2010）和王芳等（2014）基于住房價格分析了北京的城市空間結構，劉子靖等（2017）分析了武漢市中心城區住宅價格空間分布格局。部分研究在空間分異的基礎上引入時間維度，分析城市住房價格的時空演變，如周湘等（2017）分析了北京市二手房價格的時空演變特征，尹上崗等（2018）對南京市住宅價格時空分異格局進行了實證研究。

我國大城市房價的高漲導致了一系列城市社會問題的出現，對城市住房價格影響因素的研究顯得至關重要。研究主要從宏觀和微觀兩個方面探討房價的影響因素，經濟學領域主要分析宏觀經濟、住房政策法規等宏觀因素對城市住房價格的影響；城市規劃和地理學領域重點探討區位、交通等空間因素，以及住宅品質、周邊環境等建成環境因素對住房價格的影響（劉子靖等，2017）。研究表明，到市中心的距離等住宅區位特征（王芳等，2014；趙紅軍等，2017），到地鐵站的距離等交通條件（梅志雄等，2011；張維陽等，2012），住宅周邊的教育、醫療、商業設施等社區生活服務特征（湯慶園等，2012；斯子文等，2013；陳陽等，2017；楊振山等，2018），以及住宅周邊景觀、綠地等自然環境（溫海珍等，2012；劉子靖等，2017），對城市住房價格存在影響。

本研究以上海市除崇明區以外的所有區域為研究對象，利用上海市各住宅小區的二手房均價分析上海市房價的空間分布特征，并探究房價空間分布與交通設施、生活設施分布的關聯性，以此分析影響上海市房價空間分布的可能因素。

一、 數據來源和研究方法

本研究所采用的房價數據來源于安居客（上海）網站，利用Python（爬蟲技術）抓取了上海市15個區共15816個小區的相關信息，包括小區所在區域、具體地址以及2018年10月二手房交易單位面積均價。表1對各行政區小區數量進行了統計。利用百度地圖“坐標拾取器”拾取小區坐標，并將百度坐標轉換為WGS-84坐標，利用ArcGIS軟件將小區以點的形式表示在上海市的底圖上，小區具體空間分布如圖1所示，從圖中可以發現大多數小區位于外環線以內的浦西地區。利用Python抓取百度POI數據，獲得上海市地鐵站點和線路分布、教育醫療設施分布的POI數據，并利用ArcGIS軟件將各類設施表示在上海市的底圖上。

表1 各行政區小區數量統計

圖1 選取小區空間分布

研究主要采用空間分析法，利用ArcGIS軟件分析上海市二手房價格的空間分布及其影響因素。用分級設色的方法分析上海市不同行政區二手房價格差異，采用克里金插值法生成上海市房價連續分布圖層，分析上海市房價空間分布的具體特征。最后將房價分布圖層與設施分布圖層進行疊加，分析房價空間分布與設施空間分布的相關性，探究影響房價空間分布的可能因素。

二、 上海市二手房價格空間分布特征

（一）上海市二手房價格的分區特征

計算不同行政區內小區的二手房均價，分別用柱狀圖和空間分布圖表示其數量特征和空間分布特征。從數量上看，上海市不同行政區的二手房均價差異較大，其中房價最高的是黃浦區，二手房均價為97929.46元/平方米，房價最低的是金山區，二手房均價為17200.16元/平方米，兩個區的均價相差近5倍。從柱狀圖上看，上海市不同區的房價呈現出明顯的梯度特征。黃浦區和徐匯區處于第一梯隊，靜安區和長寧區位于第二梯隊，楊浦區、虹口區和普陀區處于第三梯隊，閔行區、浦東區和寶山區處于第四梯隊，嘉定區、松江區和青浦區處于第五梯隊，最后是奉賢區和金山區。

圖2 上海市各區二手房均價統計

從空間上看，上海市各行政區的二手房均價存在明顯的空間集聚和空間梯度特征，總體上呈現以黃浦區為中心向外圍逐漸降低的特征。位于上海市中心區域的黃浦區和徐匯區房價最高，二手房均價達到80000元/平方米以上；其次是位于黃浦和徐匯兩區北側的靜安區和長寧區；環繞中心四區的楊浦區、虹口區、普陀區、閔行區和浦東新區在靜安和長寧之后位于第三層級；北側的嘉定區、寶山區和西側的青浦區、松江區二手房均價在25000-40000元/平方米之間，處于第四層級；房價最低的是上海市南側的奉賢區和金山區。

由此可見，上海市各行政區的房價差異較大且存在層級性，在空間上則表現出明顯的空間集聚和空間梯度特征(圖3)。

（二）上海市二手房價格的全局特征

利用克里金插值法以小區二手房均價為z值對上海市小區分布的點圖層進行空間插值，得到上海市二手房價格連續分布圖層（圖4）。由圖4可見，上海市二手房價格的分布總體表現為從中心向外圍遞減，并且東西向的衰減速度小于南北向。房價最高的區域在市中心沿東西向分布，房價最低的區域在上海市的西南側。另外，在青浦區和松江區之間的趙巷和佘山有一個外圍的高值區域。

圖3 上海市各區二手房均價

圖4 上海市二手房均價空間分布

圖5 上海市二手房均價空間分布與環線分布

將上海市內環、中環、外環和郊環四個環線的圖層與二手房價格分布的圖層疊加進行分析（圖5）。由圖5可見，上海市房價的空間分布與城市空間的圈層結構存在較強的一致性，內環線以內基本都是房價最高的區域，中環線的東西邊界基本與房價最高值區域的東西邊界重合，由于南北向房價遞減速度較快，中環線南北邊界的房價低于東西邊界。外環線與房價空間變化的臨界值基本一致，外環線以內為高房價地區，外環線以外為低房價地區，不過在虹橋和趙巷-佘山區域存在一些空間上相對獨立的高值區域。郊環線附近分布著一些房價處于全市均值的區域，但外環線以外的區域基本都是低房價區域。

三、 上海市二手房價格空間分布的影響因素

（一）房價空間分布與地鐵線路的相關性

將上海市二手房價格分布圖與上海市地鐵線路圖疊加，分析房價空間分布與地鐵線路的相關性。由圖6可以發現，上海市房價的空間分布與地鐵線路存在較強的相關性，地鐵線路周邊地區的房價明顯高于沒有地鐵線路覆蓋區域的房價。上海地鐵線路多，且呈放射狀分布，覆蓋范圍較廣，這與房價以黃浦區為中心向外圍逐漸降低的分布特征較為一致。

通過前文對房價空間分布的分析發現，上海市房價最高的區域在市中心沿東西向分布，而這一東西向延伸的區域正好與上海地鐵二號線的走向一致，可以說地鐵二號線沿線地區是上海市房價最高的區域。上海地鐵二號線串聯起了虹橋樞紐和浦東機場這兩個上海市最重要的交通樞紐，經過中山公園、靜安寺、人民廣場等幾個重要的商圈，以及虹橋商務中心、陸家嘴、張江高科等幾個上海市主要的商務和科技研發中心，是上海市客運量最大的一條地鐵線路，其沿線地區也是上海市居住人口密度最高的地區，因此上海市房價最高的區域與地鐵二號線的走向較為一致。

在外圍的房價高值地區，如青浦的趙巷地區和青浦新城、松江的佘山地區、浦東的惠南地區等，均有地鐵線路通過，這也從一定程度上說明地鐵線路的通過能促進周邊房價的上漲。

圖6 上海市二手房均價空間分布與地鐵線路

（二）房價空間分布與教育、醫療設施的相關性

將房價分布圖與教育、醫療設施分布的點圖層疊加，分析房價空間分布與中小學、幼兒園空間分布和醫院、診所空間分布的相關性。由圖7和圖8可以看出，上海市教育設施和醫療設施都集中分布在外環線以內區域。在外環線以外，教育設施的分布呈現小集聚、大分散的特征，中小學、幼兒園“抱團”分布在郊區；而醫療設施在郊區的分布則較為平均，均勻地分布在各個區域。

教育、醫療設施的空間分布與房價的空間分布存在一定的相關性，教育、醫療設施分布最為集中的區域與房價的高值區域基本重合。由于主城區居住密度高，教育、醫療設施的分布密度也較高。而在郊區，教育、醫療設施的分布與房價的空間分布不存在明顯的相關性，這可能是由于郊區高房價區域的居民大多為了更安靜自然的生活環境和更寬敞舒適的居住空間而在郊區居住，他們有能力在市中心獲取教育、醫療等各類服務，因此對住宅周邊的設施要求不高，因此郊區的設施分布對房價空間分布的影響較小。

圖7 上海市二手房均價分布、中小學和幼兒園分布、醫療設施分布

圖8 上海市房價、教育設施分布與醫療設施分布標準置信橢圓

分別對房價分布、教育設施分布和醫療設施分布的點圖層以一級標準差數繪制標準置信橢圓。由結果可見，上海市教育設施和醫療設施的分布方向和分布范圍基本一致，而房價分布相對于教育和醫療設施更為集中，且分布的中心與教育和醫療設施分布中心相比偏向西北側，但分

布的方向基本一致，與黃浦江市中心段的流向相似。因此，上海市房價的空間分布與教育、醫療等設施的空間分布存在一定的相關性，但設施密度與房價的相關性不強。

結論與總結

本研究通過采集安居客、百度地圖等網站的相關數據，利用上海市各住宅小區的二手房均價，分析上海市房價的空間分布特征，并探究房價空間分布與交通設施、生活設施分布的相關性。研究主要采用空間分析法，首先利用ArcGIS軟件分析上海市不同行政區的二手房價格差異，其次采用克里金插值法生成上海市房價連續分布圖層，分析上海市房價空間分布的具體特征，最后將房價分布圖層與設施分布圖層進行疊加，分析房價空間分布與設施空間分布的相關性，探究影響房價空間分布的可能因素。

研究表明，上海市各行政區的房價差異較大且存在層級性，在空間上則表現出明顯的空間集聚和空間梯度特征，總體上表現為以黃浦區為中心向外圍各區逐漸降低；上海市二手房價格的分布總體表現為從中心向外圍遞減，房價最高的區域在市中心沿東西向分布，在郊區還存在少數的外圍高值區域；房價的空間分布與城市空間的圈層結構存在較強的相關性，四條環線的位置與房價變化的幾個臨界位置較為一致。上海市地鐵線路放射狀分布的特征與房價的空間分布特征較為相似，且東西向延伸的房價最高區域正好與地鐵二號線的走向一致，另外在外圍的房價高值地區均有地鐵線路通過，因此交通設施的分布與房價空間分布存在較強的相關性。房價空間分布的方向與教育、醫療設施空間分布方向一致，但相對于教育、醫療設施，房價的空間分布更為集中，因此房價的空間分布與教育、醫療等設施的空間分布存在一定的相關性，但設施密度與房價的相關性不強。