公園綠地對住宅價格的影響及其尺度差異規律*

邵莉婷 邵大偉 吳殿鳴

蘇州科技大學建筑與城市規劃學院 江蘇蘇州 215011

受城市人口高度集聚和建設空間急劇擴張的影響,我國住宅市場供求關系矛盾長期存在,城市高房價問題持續成為社會關注的焦點。住宅價格反映了社會公共資源配置現狀以及居民對居住環境質量的支付意愿[1-2],具有空間異質性和非平穩性的特征。城市住宅價格空間分異及其形成機理的研究是優化城市配套設施布局、提升人居環境滿意度、促進社會公平正義的基礎,具有重要的社會意義。城市內部住宅價格的空間分異受住宅屬性、區位特征、教育水平以及景觀資源等多重因素影響[3-5]。在城鎮化進入提質增效、由外延發展向內涵提升階段后[6],城市基礎設施以及配套資源日益完善,加之生態轉型觀念日益強化[7],綠地等生態資源、優質景觀條件等稀缺性非常規因素正加劇住宅價格的空間異質性[8],對周邊地區的住宅價格產生較強的增值效應[9-10]。

公園綠地是向公眾開放,以游憩為主要功能,兼具生態、景觀、文教和應急避險等功能,擁有一定游憩和服務設施的綠地。諸多研究均已證明公園綠地對住宅價格具有顯著的影響[11-13],然而針對現階段公園綠地對住宅價格影響的研究則相對較少,多側重于選取某一大型公園[14]或幾類綠色空間[15-16]進行影響范圍的分析。由于公園綠地自身類型多樣、尺度分異突出,不同尺度公園綠地對住宅價格的作用規律仍不甚明晰。已有學者在研究公園綠地與住宅價格的空間分布關系時關注到了不同尺度公園綠地間的作用差異[2],然而對于商業等基礎配套設施的綜合影響仍缺乏考量,難以有效研判公園綠地作用水平與其他影響因素的差異,且僅圍繞街道尺度,因此,相關研究的指標選取及研究尺度仍有待進一步深化。

住宅價格研究主要通過享樂價格模型[14]、特征價格模型[17]等傳統方法展開,缺乏空間異質性的考慮。地理加權回歸模型(Geographically weighted regression,GWR)是一種空間變異系數回歸模型[18],被廣泛應用于諸多學科領域。通過GWR模型探究住宅價格的影響因素,能夠考量數據的空間特性,以此契合住宅價格屬性的空間異質性[19-22]。此外,隨著信息技術的發展,多源大數據在各領域的運用日益廣泛。當前已有學者運用住宅租售網站數據結合興趣點(POI)等多源數據進行住宅價格影響因素的相關分析[23],POI作為一種能夠代表真實地理實體的地理空間大數據,其內容豐富、更新及時的優勢已得到驗證[24]。

公園綠地對住宅價格的影響,需優化計量模型選擇、強化多源數據支撐、深化研究尺度。為此,本研究整合多源數據,借助GWR模型構建住宅價格影響因子體系,選取典型案例城市,重點揭示公園綠地整體及不同尺度公園綠地對住宅價格影響的空間差異規律,以期促進公園綠地的空間配置優化,協同城市資源配置關系,提升“生態產品”的供給水平和質量,推動城市人居環境持續優化。

1 研究區概況與研究數據

1.1 研究區概況

南京是我國東部沿海經濟帶與長江經濟帶戰略交匯的重要節點城市,也是首批國家文化歷史名城、園林城市,擁有紫金山、玄武湖等眾多大型山水景觀,“山水城林”融為一體,綠地資源豐富。本研究進一步選擇公園綠地與住宅小區均較為集中的主城區作為研究范圍,即以長江岸線與繞城高速所圍合的區域(圖1),共約243 km2,可劃分為古城墻以內的老城區、西南部的河西新城及外圍區域[4]。主城區公園綠地建設水平較高,其對住宅價格的影響具有典型性和代表性。

圖1 研究區概況及不同尺度公園綠地分布

1.2 數據來源與處理

住宅小區組成要素包括其自身屬性和周邊配套設施。本研究選用POI數據表達住宅小區周邊配套設施,利用中國房價行情平臺數據以及權威性高的國土部門公園綠地數據,以住宅小區為基本研究單元,選取2017年主城區1200個住宅小區為樣本開展研究(圖1)。

住宅小區數據來自禧泰全國房地產數據庫,作為中國房地產行業協會領導的全國性房地產信息綜合服務平臺,其數據來源廣、豐富度高。選取2017年第四季度的南京主城區在售房屋數據,得到住宅小區的房價、房齡等屬性信息。

住宅小區周邊配套設施數據來源于百度地圖POI數據,通過網絡爬取工具獲取,類型包括地鐵站、公交站、火車站等區位配套設施及購物中心、銀行網點、文體場館、醫院、超市等鄰里配套設施,進行去重、排異、清洗后導入ArcGIS建立樣本空間數據庫。

選用2017年城市總體規劃土地利用現狀數據(1∶10 000),以《城市用地分類與規劃建設用地標準(GB 50137-2011)》《城市綠地分類標準(CJJ/T85-2017)》為依據,提取公園綠地類型。由于不同尺度公園綠地的作用范圍差異明顯,結合南京公園綠地特征,將其分為微小型、小型、中型、大型及超大型公園綠地5種類型,分別對應2 hm2以下、2～5 hm2、5～10 hm2、10～20 hm2及20 hm2以上5個尺度等級(圖1)。

2 研究方法

首先采用IDW空間插值法對住宅價格進行空間格局分析,然后通過ArcGIS計算各個小區到公園綠地整體及不同尺度公園綠地、配套服務設施的最近距離,最后執行GWR,探究公園綠地鄰近性對住宅價格的影響。

2.1 地理加權回歸模型(GWR)

地理加權回歸模型是一種引入空間地理位置信息的改良線性回歸模型,其公式為:

式(1)中:yi為第i個樣本點住宅均價；(μi,vi)為第i個采樣點的坐標；βk(μi,vi)是第i個采樣點上第k個回歸參數；xij為第i個采樣點的第j個自變量；εi為隨機誤差項。帶寬由最小AICc方法確定。

2.2 GWR模型構建

為避免僅考慮公園綠地對住宅價格影響而導致的局限性,使研究結果更加科學合理,本文梳理相關文獻,從城市內部特征入手,結合主城區實際情況以及數據的可獲得性,從區位、建筑、鄰里特征以及公園綠地鄰近水平共4個方面構建指標體系,細化為20個解釋變量(表1)。將數據進行Z-score標準化處理后,以住宅價格為因變量、20項指標為自變量進行GWR模型構建與計算,探究公園綠地因素的影響程度與空間差異。

表1 (續)

表1 影響住宅價格的變量及描述

3 結果與分析

3.1 住宅價格空間分異特征

受紫金山、玄武湖等大型自然地形影響,住宅小區樣本點主要分布在研究區域的西南部,平均售價為29 828元/m2。對樣本進行IDW空間插值分析(圖2):住宅價格大部分在10 000～30 000元/m2,整體呈現多中心趨勢,由老城區中心向南北外圍遞減；價格峰值點分布在古城墻以內的老城區核心區域、玄武湖南、紫金山東南以及河西片區；高值區沿西南—東北方向集聚,主要分布在老城區與河西片區。

圖2 住宅價格空間分異格局

3.2 公園綠地鄰近水平特征

以小區點到最近公園綠地邊緣的距離衡量住宅小區與公園綠地的空間鄰近水平,將結果按自然斷點法分為“很好”“好”“一般”“差”“很差”5個等級。由圖3A可知,公園綠地分布整體較合理,鄰近水平較高的小區主要聚集在環古城墻、環紫金山玄武湖以及河西片區,公園綠地與住宅小區分布集中,服務便捷程度較高。

基于尺度差異特征,由圖3B～F可知,微小型公園綠地鄰近性較好的小區集中在環古城墻周邊、河西以及紫金山北麓；小型公園綠地鄰近水平較高的小區主要位于環古城墻周邊地帶以及城南中部；中型公園綠地鄰近水平較高的區域主要分布在主城西部的沿江地區、紫金山玄武湖以北及城南片區的中部,由東西兩側向中部遞減；大型公園綠地鄰近水平較高的區域在主城區的西北至南部呈帶狀分布,鄰近水平由西向東遞減；超大型公園綠地鄰近水平較高的區域分布在城北中部、老城區內以及城南南部,皆在大型山水景觀所在地附近。

圖3 住宅小區與不同尺度公園綠地的空間鄰近性等級

3.3 公園綠地鄰近性對住宅價格的影響

3.3.1 整體公園綠地對住宅價格的影響程度

GWR模型結果顯示擬合度(R2)為0.615,調整后的R2為0.579。進一步進行空間自相關檢驗,其殘差自相關在正常范圍內,模型結果具有較高可信度。

從平均回歸系數的絕對值來看,區位特征對住宅價格的影響程度最大,建筑特征次之,公園綠地鄰近水平的影響最小。影響程度超過0.1的變量依次為教育資源＞住宅房齡＞中心區位＞小型公園綠地＞地鐵站點＞生活配套。結合平均回歸系數的正負來看,教育資源的正相關作用最大,表明優質教育資源依然是促進住宅價格的核心因素。

在4類特征變量中,區位特征的影響程度最大,整體公園綠地的影響程度最小。然而,公園綠地鄰近水平的影響因區位不同而產生較大分異,具有明顯的空間異質性,其對住宅價格的影響程度呈現由中心向外圍遞減的趨勢,且具有集聚效應(圖4a)。在住宅價格較高的老城區、河西新城等基礎設施條件良好的地區,公園綠地的影響普遍較大。紫金山、玄武湖以北區域公園綠地集聚,受影響程度最為明顯,其次為古城墻以內的老城片區,而主城外圍的西北部住宅價格受影響程度則相對較低。

圖4 不同尺度公園綠地的回歸系數分布

3.3.2 公園綠地對住宅價格影響的尺度差異

不同尺度公園綠地鄰近水平對住宅價格影響程度依次為:小型＞微小型＞中型＞大型＞超大型公園綠地。其中,小型公園綠地呈排斥作用,其他各尺度公園綠地皆對住宅價格有促進作用,微小型最為明顯。

如圖4B所示,微小型公園綠地對住宅價格的影響程度由城中向東西兩側遞減,西北沿江地區出現排斥作用。影響程度較大的區域位于主城區的南部、紫金山西北及主城北部。微小型公園布置靈活,易與周邊配套協同作用促進住宅增值。主城西北部臨近環古城墻風光帶,建成區用地緊張,微小型公園綠地分布較為均衡,難以發揮集聚作用。

如圖4C所示,小型公園綠地對住宅價格具有較強排斥作用,影響程度由西向東遞減,東部繞城高速沿線區域略有增強。河西片區受影響程度較大,而城北幕府山周邊及主城南部區域受影響程度較小,部分地區出現促進作用。由于小型公園綠地主要分布在主城外圍,且較為分散,與高房價住宅分布相反,空間排斥作用突出。河西新城商業區集聚,但小型公園綠地數量較少,因而排斥作用較為明顯。

如圖4D所示,中型公園綠地對住宅價格的影響格局由東部排斥轉變為西部促進。西部沿江地區住宅價格受影響程度最高,由西向東逐漸減小,在主城東北略有增強。西部沿江地區中型公園綠地分布較為豐富,且河西新城配套設施優良,住宅價格普遍較高,促進作用明顯。主城東部多為歷史名勝與自然風景區,受保護與控制性開發的限制,商業、教育等配套設施發展相對受限,因此促進作用不顯著。

如圖4E所示,大型公園綠地對住宅價格的影響呈圈層化趨勢。主城區中心促進作用顯著,往外圍逐漸減小,主城外圍的邊緣地區起排斥作用,東部沿繞城高速區域排斥作用最大。回歸系數的極差較大,空間異質性顯著。大型公園綠地在老城區外圍的西北與東南地區集中分布,受區位限制明顯,且附近住宅開發受限,難以發揮顯著影響。而老城區交通便捷、基礎設施完善,作為稀缺資源的大型公園綠地促進作用較為顯著。

如圖4F所示,超大型公園綠地對住宅價格的促進作用在主城西部沿江區域最為顯著,由北向南逐漸遞減。沿江地區基礎配套發展完善,同時又位于西部濱江風光帶上,擁有綠博園等大型公園綠地,公園綠地與其他優勢配套條件疊加作用促進住宅價格增值。沿東部與南部繞城公路地區依托山體地形的超大型公園綠地集聚,擠壓了服務設施的配套空間,基礎配套條件發展相對不足,導致一定排斥作用。

4 討論

公園綠地增值效應的空間分異十分顯著,且在基礎設施成熟的基礎上,大型公園綠地的增值潛力相對較大,這與蘇州[2]、上海[3]的研究較為相似。宋偉軒等[8]、楊俊等[15]、李約翰等[24]得出公園綠地對住宅價格影響整體較強的結論與本文有所差異,本文發現雖在老城區、新城核心區等建設開發成熟的局部空間中,微小型、中型及大型公園綠地作用較強,但公園綠地影響力整體較小,相較于中心區位與教育資源等仍不是決定性因素。同時,傳統住宅價格影響因素研究采用的享樂價格模型[14]、特征價格模型[17]等方法側重數量統計,本研究中的GWR模型則將公園綠地的空間異質性特征空間化,在整體與局部空間問題挖掘方面具有優勢,加之多源數據的選用,增強了數據獲取的靈活性、實效性和系統性。

針對主城區內有限的建設空間,結合城市更新進一步強化微小型、小型公園綠地建設,增強布局均衡性,以充足的數量供給和高質量服務弱化對房價的過度影響,并利用存量用地和產業用地升級,積極挖掘中等尺度公園綠地建設空間,改善游憩環境、提升區域活力和吸引力；針對大型、超大型公園綠地對住宅價格極強的局部促進作用,可通過劃定生態緩沖區和生態網絡構建等方式,對其周邊房地產等開發建設進行有效防控,以消除對生態空間及其功能發揮的潛在威脅。誠然,住宅價格除空間的差異分布之外,時間上的演變規律仍有待進一步探究。公園綠地是否收費、游覽質量高低等其他屬性均會對周邊住宅價格產生一定影響。因此,后續研究中將更加科學考量因素,深入探究影響規律,為城市宜居環境建設提供科學依據。

5 結論

1)老城區、紫金山東南及河西新城形成高房價的“三核心”格局。住宅價格高值區沿主城區的西南—東北方向分布,向南北兩側外圍逐漸降低；價格峰值點分布在老城區核心、紫金山東南以及河西新城,紫金山周邊未形成圈層結構,呈現斷崖式下降。

2)住宅的公園綠地整體鄰近水平由環古城墻、環紫金山—玄武湖及河西新城向周邊遞減。微小型、小型公園綠地鄰近性較好的住宅在古城墻周邊呈環狀分布；中型、大型均呈現縱列分布的趨勢,前者由東西兩側向中部遞減,后者由西向東遞減；超大型公園綠地鄰近性分異圍繞紫金山—玄武湖、南部雨花臺—菊花臺風景區、西北部夾江風光帶以及中部莫愁湖公園呈現片狀格局。

3)公園綠地鄰近性對住宅價格的影響程度相比教育資源、中心區位等整體偏弱,由主城中心向外圍遞減,且具有集聚效應。玄武湖、紫金山以及環古城墻風光帶區域公園綠地集聚,住宅價格受影響最為明顯,主城區西北部受影響相對較小。

4)公園綠地鄰近性對住宅價格的影響具有顯著尺度差異特征。公園綠地影響力呈現小型＞整體＞微小型＞中型＞大型＞超大型的變化規律,其中,小型公園綠地呈排斥作用,在河西新城最為明顯；其他各尺度公園綠地鄰近性均對住宅價格起促進作用。在住宅價格較高的老城區中心、河西新城等擁有良好基礎設施條件的地區,公園綠地尺度越大,住宅價格增值效應越顯著。