城市公共服務配置對住房價格的影響
——以重慶市為例

王春楊, 張楨瑤

(重慶交通大學 經濟與管理學院,重慶 400074)

一、引言

居民的生活質量很大一部分受到基礎公共服務設施的影響。《人民日報》提出開展城市體檢,內容覆蓋包括生態宜居、健康舒適、安全韌性、交通便捷等8個方面65項指標。通過改善公共服務設施資源分配不均狀況,落實“十四五”規劃綱要提出的“實施城市更新行動,推動城市空間結構優化和品質提升”,從而提高城市生活質量和居住品質。從住房的需求角度而言,住房價格是體現公眾對于居住環境質量價值認同的重要指標,表現為居民愿意為包含公共服務設施在內的居住環境質量所支付的費用。公共服務設施是影響住房價格的重要因素之一。為了提高居民生活幸福感、恢復城市活力,政府部門應提供額外的公共服務設施并量化不同種類設施的價值。因此,要理解城市公共服務設施與居住意愿的關系,應該量化城市公共服務設施的價值。同時,居民除了考慮能獲得本地段公共服務設施的成本之外,還考慮是否有機會接觸更為稀缺的公共資源,比如高質量教育、更多樣化的娛樂方式等。大多數經濟學家認為各種各樣的公共服務設施,如醫院、商業街、學校、公園、自然環境和交通等都對房價產生外部影響,而這些公共服務設施對居民所具有的有利影響也被資本化到房屋價格之內。

為了更好地評價公共服務配置對居民生活質量和居住需求的影響,本文以重慶市為例,運用百度興趣點POI(Point of Interest)數據、房屋價格數據和空間計量經濟學模型,直觀分析和闡述城市公共服務設施對住房價格的影響。重慶作為我國中西部地區的直轄市,擁有常住人口3205.4萬人,城鎮化率達到69.46%。近年來,重慶發展取得顯著成就,經濟結構加快轉型升級,人口吸引力不斷增強。《重慶市第七次全國人口普查公報》顯示,重慶流動人口為481.14萬人,跨省流入人口219.36萬人,市內流動人口261.78萬人,10年來跨省流入人口增加115.16萬人[1]。為了方便研究不同類型的公共服務設施及其位置變化對房價的影響有何區別,本文將重慶市公共服務設施分為教育、交通、商業娛樂、文化體育、醫療衛生和配套服務六大類。另外,樣本選擇以小區為中心、半徑為1公里畫圓,以更好地反映我國公共服務配置所提倡的“15分鐘生活圈”,即在15分鐘步行可達范圍內,配備生活所需的基本服務功能與公共活動空間,形成安全、友好、舒適的社會基本生活平臺。

二、文獻回顧

城市公共服務設施如教育、娛樂、醫療和商場,是一個城市的基本功能,公共服務設施的可達性是影響城市居民生活質量的一個重要因素,也是影響房價的一個重要因素[2]。國內最早研究公共服務設施對房價的影響是從研究交通基礎設施對房價的影響開始的。大多數研究表明住房空間的分布和擴展與交通通道關系密切,主要交通干線沿線、高速公路出入口和軌道交通站點周邊地區是小區住房集中區與開發的最佳區位[3]。鄭捷奮和劉洪玉研究發現城市居民在住房區位選擇上,對交通條件具有很高的依賴性,一般出行條件好的住房區易于銷售, 價格也相對較高,住房區的開發和建設必須考慮交通條件,與交通快速通道或干線的建設相適應[4]。這一類研究文獻開始量化分析公共服務設施之一——交通基礎設施會對城市的房價產生重要影響,但是大部分研究結論都是交通越便利,城市房價越高,即交通設施對房價產生的是正面影響,而少有研究提到交通可達性對房價的負面影響。隨著研究不斷深入,交通對房價的影響被研究得更加全面,Kim和Zhang利用韓國首爾的數據研究發現,雖然距離交通樞紐站近可以提高家庭出行的便利程度,但是越接近交通樞紐站,交通越堵塞、噪聲越大,距離交通樞紐站越近的商品住房價格反而越低[5]。

近年來,學者們廣泛關注除交通基礎設施建設以外的其他公共服務設施可達性對住房價格的影響,并展開大量定量研究。王松濤等利用北京中心城區的教育、醫療、體育、文化、商業、綠地公園等六大類公共服務設施的地理信息數據和北京市商品住房銷售數據,分析北京中心城區公共服務設施的可達性, 并應用特征價格模型分析各類公共服務設施可達性對商品住房價格的影響。研究結果表明,商品住房對不同類型公共服務設施的可達性具有顯著差異。商品住房對綠地公園、醫院和健身場所的最短距離可達性最好, 而對大型商場、文化設施、體育場館的最短距離可達性較差[6]。此類研究的現實意義重大,創新之處在于拓展了研究空間,更加全面地考慮其他公共設施對房價的影響,有助于政府更好地規劃城市空間布局和幫助不同家庭選擇符合自己偏好的心儀住房。但是由于當時的技術限制,研究數據來源不夠精確,定量分析方法單一,沒能更好地反映實際情況。最近幾年,各種城市公共服務設施與房價的關系成為熱門話題[7]。然而,評估公共服務設施的價值存在一個問題,就是這種公共服務不涉及金錢交換,而且房地產具有很特殊的屬性——非流動性,使得住房的定價機制變得十分復雜。

隨著技術的不斷進步和研究的繼續開展,目前在城市公共服務設施可達性對房價的影響領域的研究已經逐步成熟,理論界主要從以下幾方面展開相關研究:其一,公共服務設施作為一種具有外部效應的公共品,對商品住房價格存在明顯影響。許多學者研究發現城市的多種公共服務設施導致商品住房價格出現復雜的空間結構。其二,城市公共服務設施資本化對房價存在影響。經濟學家通常用享樂價格模型來研究房價,該模型將結構、位置和鄰里屬性視為房地產價值最重要的決定因素[8]。城市公共服務設施的價值已被資本化到房價中,住房購買者往往更傾向于溢價買房來獲得配有高質量服務設施的住房。但是關于公共服務如何資本化到房價中的研究不多,叢穎等以空間計量視角,使用莫蘭指數以及空間自回歸模型來解釋房價的空間聚集,分析我國東中西部公共服務資本化對房價的空間層面影響,具體探討公共服務在多大程度上影響各個城市的房價,并分別使用 SEM、SAR、SDM 空間面板模型實證分析,對交通、教育及醫療等基礎設施的變量研究分析得出公共服務與房價的空間相關性[9]。其三,在研究方法和使用模型方面,關于公共服務設施對住房價格的影響主要基于特征價格模型和空間計量模型來研究。梁軍輝等應用基于特征價格的空間計量模型,利用空間數據的空間自相關性和空間異質性兩個重要特征,研究北京市公共服務設施配置對房價的影響并提出相應建議[10]。楊林川等采用特征價格法分析城市住宅價格,主要考慮住宅建筑結構、鄰里和地理區位特征,得出具有不同特征、不同種類的服務設施會對房價產生不同影響的結論[11]。

總體上,國內外學者詳細分析了城市公共服務設施與房價之間的關系,大多數研究都表明住房價格的確受到公共服務設施的影響,并且這種影響力逐漸增大。但是,大多數學者只關注到某一種類型的公共服務設施對整個城市的單一影響,忽視不同種類和不同區位的公共服務設施對城市所產生的影響更為重要。本文將重慶城市公共服務設施分為六類,基于百度POI和安居客看房網的住房數據,運用空間計量模型來研究六種不同城市公共服務設施與房價的關系。在分析公共服務配置對房價直接影響的基礎上,通過構建空間計量模型,考察公共服務對房價影響的空間溢出效應,將有助于分析住房購買者對不同類型公共服務的偏好程度,并為今后的研究提供參考。

三、數據來源與變量選擇

(一)研究區域概況

本文主要研究區域為重慶市主城九區,包括渝中區、渝北區、大渡口區、江北區、南岸區、沙坪壩區、九龍坡區、北碚區和巴南區。根據2020年11月1日零時重慶市第七次全國人口普查結果,主城都市區常住人口為2112.24萬人,占65.90%。其中,中心城區(主城九區)常住人口為1034.35萬人,占32.27%;主城新區常住人口為1077.9萬人,占33.63%。分區域看,與2010年第六次全國人口普查相比,主城都市區常住人口所占比重增加4.73個百分點。其中,中心城區常住人口所占比重增加6.42個百分點,主城新區常住人口所占比重減少1.69個百分點[1]。人口密度反映居民對公共服務的需求程度。重慶市人口空間分布相對集中在主城區和渝西地區,各區縣人口規模及密度差異極大;重慶市人口密度空間自相關性顯著,“高—高”類型區集中分布在主城區,“低—低”類型區相對集中分布在渝東北和渝東南地區的偏遠區縣[12]。

(二)數據來源

住房價格數據方面,由于隱私保護,我國沒有公開個人房屋交易數據的互聯網網站。同時,與新房交易相比,二手房交易受政策法規的影響較小,更能反映城市公共服務對房屋價格的影響[13]。因此,本文使用二手房交易價格數據來反映住房價格。在重慶房地產市場中,二手房市場占有率在60%以上。本研究的住房數據來自安居客住房網。安居客是市場中用戶規模最大的在線房地產平臺,APP獨占率超過75%。安居客所有住房價格信息都經過嚴格評估,并利用交易數據庫交叉驗證掛牌價格,以提高準確性。安居客的房源數據能夠準確反映重慶市二手住房價格的空間分布。本研究的住房數據來自安居客住房網1705個居住小區樣本,樣本的主要物業類型是公寓住宅(不包括商業樓和別墅),數據屬性包括居住小區名稱、房價、經緯度、建筑年份、開發商、容積率、綠化率、停車場等。公共服務設施數據來自百度POI[14]。

運用Arcgis,將各小區位置分布進行空間可視化分析,建立2021年重慶房價空間數據庫。重慶市主城九區的小區主要集中在沙坪壩區的東南部,渝中區、江北區的西部和渝北區的西南部,即集中分布在重慶市的中心繁華位置。采用Arcgis的漁網工具,對1公里*1公里網格內的各類公共服務設施進行可視化處理,并統計出每個行政區房價的平均值,得到各個行政區的房價順序:江北區>渝中區>渝北區>南岸區>沙坪壩區>九龍坡區>大渡口區>北碚區>巴南區。利用Arcgis,可視化分析各類公共服務設施的百度POI數據,得到重慶市不同公共服務設施的分布情況。小學和中學的分布整體分散,局部集中在渝中區,從渝中區逐漸向外擴散,且擴散較為均勻,九區各個方位都有教育基礎服務實施,說明重慶市的教育資源分配比較均衡,但仍存在有的地區沒有獲得優質教育資源的情況,需要優化教育資源分配。輕軌站、公交車站和汽車站的分布整體不均,渝北區東北方向幾乎沒有交通設施,這是因為渝北區的中心位于其西南部,居民主要分布在西南部,而東北部修建了多個水庫,沒有地勢優勢,有山脈與多條河流,居民較少。輕軌站、汽車站在中心地區和各個商圈分布最多,方便人們出行和購物。目前,重慶仍有多條軌道線路在建設中,隨著軌道交通的不斷完善,居民外出會越來越便捷。重慶市各個小區周圍的配套服務設施包括廣場、公園、物流快遞、社區服務和便利店等,配套服務設施的分布與小區分布差異不大,說明各個小區的基礎設施較完善,居民生活較便利。商場、超市、飯店、咖啡廳等休閑娛樂設施的分布顯示,渝北區的東北部、巴南區的南部幾乎沒有商業娛樂設施,商業娛樂設施主要集中分布在主城中心人流量較大的渝中區。圖書館、書店、博物館、健身房、體育館等的分布顯示,相對于其他幾類公共服務設施,文體服務設施的分布更集中,在渝中區及其周圍區域分布過剩,而相對于渝中區的外圍地區沒有分布,分布極為不均,重慶市應調節文體服務設施的分布,讓更多市民有接觸文化熏陶和鍛煉身體的場所。醫院、急救中心和疾病預防機構的分布顯示,醫療資源分布不均衡,城市中心優于外圍地區,集中分布在渝中區的邊界周圍,其中巴南區和渝北區醫療資源較差。

(三)變量選取

本文首先利用Arcgis,以小區為中心規劃半徑為1公里的圓,在此基礎上用規劃半徑內的數量來量化核心解釋變量——六類公共服務設施[15]。為了結果的準確性,再次以小區為中心規劃半徑2公里內的公共服務設施的數量,測算城市公共服務設施配置對房價的影響。房價為核心被解釋變量,核心解釋變量為教育、醫療衛生、交通、商業娛樂、文體服務和配套服務。控制變量選取小區自帶屬性,包括容積率、綠化率和停車位。相關變量的描述見表1。

表1 變量類型、名稱及描述

表2給出相關數據的描述性統計。為了防止異方差的影響,除了容積率和綠化率,其他變量都取對數進行描述性統計,控制變量的均值與最大值和最小值差異較大,其他解釋變量符合變量的隨機性要求。

表2 各變量的描述性統計

四、空間相關性分析與計量模型設定

(一)空間權重矩陣構造

為了測度各小區之間的空間相關性,需要構建合適的空間權重矩陣。根據研究需要,構建三種類型的空間權重矩陣,分別是基于相鄰關系的鄰接矩陣和基于距離的門檻距離矩陣、反距離平方矩陣[16]。

鄰接矩陣假定空間截面之間只要擁有非零長度的共同邊界時, 空間交互作用就會發生, 賦值規則為相鄰空間截面i和j擁有共同的邊界用1表示, 否則就以0表示。計算公式為

門檻距離矩陣是基于地理距離的空間權重矩陣,用來計算兩點之間的距離。計算公式為

反距離平方矩陣是在反距離空間權重矩陣的基礎上,為了使較遠的點對結果的影響更小,采用距離的平方。即距離越遠的點,其權重快速衰減。計算公式為

式中,d的取值由Geoda軟件自動判斷生成。

(二) 空間相關性檢驗

本文采用Moran’s I指數,檢驗重慶市主城九區二手房房價水平的空間相關性,并利用GeoDa軟件計算LISA指數,以觀測九個區域房價發展的空間演化情況[17]。

1.全局自相關分析

通過Moran’s I指數,對重慶市主城九區的小區房價分別運用鄰接矩陣、門檻距離矩陣和反距離平方矩陣進行全局空間自相關檢驗[18],結果見表3。由表3可知,三種空間權重矩陣下的P值都低于5%,說明Moran’s I指數均通過顯著性檢驗。且Moran’s I指數都大于0.2,表明重慶市主城九區的房價水平呈現空間正相關,尤其是在門檻距離矩陣下,空間相關性最強。

表3 不同權重下房價的Moran’s I指數

2.局部自相關分析

全局Moran’s I指數僅僅能夠反映重慶市主城九區小區房價整體上的空間關系,對九區內部某小區房價與其周邊小區房價的空間相關關系,需要引入局部Moran’s I指數來具體刻畫。利用GeoDa軟件計算LISA系數,分析重慶市主城九區房價的局部空間分布格局,揭示空間集聚特征最明顯的區域。從局部相關的角度來看,三種空間權重矩陣下,“高—高”型聚集和“低—低”型聚集的分布地區幾乎相同,“高—高”型聚集在渝中區南部、北碚區南部、渝中區西南部、南岸區西部和沙坪壩東部等。“低—低”型聚集在北碚區的少數地區、九龍坡區和大渡口區的大部分地區、巴南區西部和渝北區西南部,表示這些區域的房價呈空間正相關。在鄰接矩陣和門檻距離矩陣下繪制的LISA聚集圖呈現相似的特征,都存在“低—高”型聚集和“高—低”型聚集的區域分布較少;在反距離平方矩陣下繪制的LISA聚集圖,“低—高”型聚集和“高—低”型聚集的區域分布較多,“低—高”型主要聚集在渝中區,“高—低”型主要聚集在大渡口區和九龍坡區的東北部,表示這些區域的房價呈空間負相關。

(三)空間模型設定

住房是一種異質性商品,房價是一種空間數據,它不僅受到自身因素和附近公共服務設施的影響,還受到周邊房價和其他空間因素的影響。傳統的OLS回歸分析沒有考慮數據的空間自相關性和空間異質性特征,如果采用最小二乘法線性回歸,回歸結果會有偏差。因此,本文選用空間計量分析中的空間滯后模型(SLM),在把空間影響加入考量的基礎上進行回歸分析。空間滯后就是考慮周邊區域對研究區域的影響,即考慮空間變量的自回歸模型,即

Y=ρWY+Xβ+ε,ε～N(0,σ2In),

式中,Y為被解釋變量矩陣,X為解釋變量矩陣,ρ為空間效應系數,β為參數向量,W為空間權重矩陣,ε為隨機誤差項。

五、計量結果分析

(一)不同空間權重下以小區為中心半徑1公里內的公共服務設施對小區房價的空間效應估計結果

表4中OLS的估計結果顯示通過1%的顯著性水平檢驗,說明小區房價樣本之間具有較強的空間相關性。但是使用OLS回歸模型的前提是假設樣本之間相互獨立,因此OLS回歸方法不再適用于分析具有空間相關性的房價問題。按照SLM模型的回歸結果,如表5-表7所示,可以得出以下結論:第一,權重矩陣選擇鄰接矩陣。其一,教育可達性對房價的影響不顯著,與大多數研究結果有差異。這是因為,一方面鄰接矩陣更強調周邊小區房價對研究小區房價的影響,這樣會弱化周邊公共服務設施對房價的影響;另一方面所有核心變量都是以數量來量化,教育只包括小學和中學,在六類公共服務設施中數量基數較少,就出現教育對房價影響不顯著的結果。醫療衛生可達性對房價的影響也不顯著,醫院作為一種特殊的服務設施,不是人們日常生活所必需,沒有成為住房購買者考慮的因素。其二,配套服務可達性對房價呈負相關關系。這說明隨著互聯網的發展,居民的生活越來越便利,許多活動可以通過網上進行,一些基本生活設施如便利店、營業廳等已不再成為住房購買者重點考慮的因素。其三,控制變量中容積率、停車位和綠化率對房價都有顯著影響。其中,停車位的影響最顯著,停車位每提高1%,房價會上漲0.79%。第二,權重矩陣選擇門檻矩陣。教育可達性對房價的影響顯著,且對房價的影響最大,教育可達性每提高1%,房價會上漲93.98%。除醫療衛生可達性外,其余公共服務設施對房價的影響都顯著,但配套服務可達性對房價仍是負向影響。第三,權重矩陣選擇反距離平方矩陣。結果與選擇門檻矩陣的差異不大,只是影響系數的大小有變化。

表4 以1公里為對象OLS模型估計結果

表5 以1公里為對象SLM模型估計結果(反距離平方矩陣)

表6 以1公里為對象SLM模型估計結果(鄰接矩陣)

表7 以1公里為對象SLM模型估計結果(門檻矩陣)

(二)不同空間權重下以小區為中心半徑2公里內的公共服務設施對小區房價的空間效應估計結果

表8是量化以小區為中心半徑2公里內公共服務設施數量運行的結果,通過顯著性檢驗,和表4的結論相同,說明小區之間有空間相關性,應選擇空間計量模型分析公共服務設施對房價的影響。按照SLM模型的回歸結果,如表9—表11所示,可以得出以下結論:權重矩陣選擇鄰接矩陣時,教育可達性和醫療衛生可達性對房價的影響均不顯著。而當權重矩陣選責門檻矩陣和反距離平方矩陣時,教育可達性對房價的影響顯著,并且在核心變量中,教育可達性對每單位房價的影響依舊最大。對醫療衛生可達性來說,無論選擇何種權重矩陣,對房價的影響都不顯著。對配套服務可達性來說,無論選擇何種權重矩陣,均對房價呈負相關關系,但影響系數較小。對交通可達性、文體服務可達性、商業娛樂可達性來說,無論選擇何種權重矩陣,它們對房價的影響都顯著且較穩定。對比表4和表8的結果可以得出,當半徑從1公里擴大到2公里,核心變量的影響系數逐漸變小,說明公共服務設施對房價的影響隨距離增加而減弱。容積率、停車位和綠化率作為住房自帶的特征,對房價的影響比較穩定,受距離變化影響較小。

表8 以2公里為對象OLS模型估計結果

表9 以2公里為對象SLM模型估計結果(反距離平方矩陣)

六、結語

本文利用空間計量模型,實證分析重慶市主城九區內公共服務設施配置等因素對住房價格的影響。研究結果表明:第一,重慶市主城九個行政區內的房價具有較強的空間鄰近效應,存在顯著的空間自相關;第二,教育資源配置對房價的影響程度最大,反映學區房仍是住房購買者首先考慮的類型,也說明教育資源的分配不均衡,政府應重視合理配置教育資源;第三,交通可達性對房價的影響較顯著,重慶市作為軌道上的城市,公共交通配置相對較均衡,對房價產生正向影響;第四,文體服務可達性、商業娛樂可達性的影響隨著與小區距離的變化而有差異,兩者在1公里半徑內比2公里半徑內的影響更顯著,產生這種影響的原因與相應設施配置較少、分布不均有關,應加強相應區域的有關設施建設;第五,配套服務可達性對房價產生負面影響且影響系數較小,反映了基本生活設施整體上是完善的,相比其他因素,配套服務可達性在本研究中不是影響房屋價格的主要因素;第六,醫療衛生可達性對房價的影響不顯著,與醫院的輻射范圍較大有關。

公共服務資源配置是影響房價的主要因素,間接說明公共服務配置所構建的城市生活質量是影響房屋需求和人口集聚的重要因素。為了更好地提供城市生活環境,提高城市品質,重慶市應該更加科學、合理地配置公共資源,總體布局各類型的公共服務設施。以教育資源為例,通過優化教育資源的空間布局,讓非城市中心地區享受到優質的教育資源,提高周邊新區的生活質量。同時,隨著人們越來越注意精神產品方面的消費和追求,政府應加大對文體服務和休閑娛樂的投入。本研究量化公共服務設施,在考慮空間效應的基礎上分析其對房價的影響,為政策制定者更好地優化公共服務資源空間配置給予一定的理論支撐,同時幫助住房購買者判斷符合條件的住房價格和區位。本研究的不足之處在于公共服務設施的分類不夠細化,帶有一定的主觀性,后續研究中可以根據數據的可得性,運用更豐富的數據和模型進行比較分析。