基于吉林一號夜光影像的高精度住房空置率測度與影響因子研究

黃浩 趙慧敏

摘要：住房空置率是衡量城市興衰與住房市場健康的重要指標，其影響著居民的生活水平和生活質量。現有研究多利用夜光數據或政府統計數據等進行測度，存在尺度較大、精度較低等問題，居住小區尺度的住房空置測度研究較為缺乏。基于此，采用分辨率為0.92—1.10 m的吉林一號高分夜光數據、居住小區矢量邊界等多源數據，從居住小區尺度對住房空置率進行高精度估算，并采用市場新房、二手房待售待租數據和高精度人口數據進行二次精度檢驗。采用空間自相關等方法進一步分析住房空置率的分布差異和空間聚類，通過顧及樣本自相關特征的隨機森林模型深入解析住房空置率的潛在空間影響因子，并以長春市主城區1 869個住宅小區為樣本進行研究，研究表明：長春市主城區高空置率居住小區的空間聚集性顯著，中心城區西部及東北部為熱點區域；長春市主城區高空置率居住小區主要為鐵路旁住區、老舊住區、新建樓盤3大類型；影響長春市住房空置率前三的因子分別是房價、公共空間類設施密度、商業服務類設施密度。以期為空置住房的規劃應對與精細化治理提供決策依據。

關鍵詞：住房空置率；吉林一號夜間燈光數據；居住小區；空間自相關；影響因子

文章編號：1673-8985（2023）02-0101-08 中圖分類號 TU984 文獻標志碼 A

0 引言

住房空置是20世紀后期國際社會面臨的問題[1]1，可導致社會資源的浪費，并對城市的可持續發展形成挑戰。空置住房率是衡量房地產市場穩健與否的重要因素。在過去幾十年，我國城市建設的強烈動機導致商品房供給過剩，到目前部分城市的住房供給仍超過市場需求[2]，與此同時許多城市也在區域競合中出現人口流失等問題，房屋空置問題進一步加劇。中國城鎮住房空置率在2011—2017年間從約18.4%上升到21.4%[3]，我國貝殼研究院最新發布的《2022年中國主要城市住房空置率調查報告》雖統計口徑不同，但同樣顯示我國二三線城市平均住房空置率達到12%、17%，超過國際上合理住房空置率在10%以內的學界共識[4]。國外許多國家有國家部門統計的空置住房數據[5-6]，但在國內由于人口基數大、空置住房標準不一等問題，仍缺少該類官方數據。于是，許多學者關注到我國的空置住房問題，也對大量住房庫存進行研究[7-8]。高精度的住房空置率測度對制定規劃政策具有重要意義。住房空置率（Housing Vacancy Rate，HVR）在學界有諸多定義：聯合國將其定義為目前空置住房單元占住房總數量的百分比[9]。部分學者將住房空置率概念運用在新建商品房空置率[10]78、租賃住房空置率[11]等研究中。

國內外住房空置率的相關研究主要涉及住房空置率的測度[12]90、空間分布特征[10]80、影響因素[1]3、政策應對[13]86等。在住房空置率測度層面，國內外學者主要通過政府或機構的房屋待售待租數據[14]23、用水用電量[15]、地理定位大數據[16]、夜間燈光數據結合土地利用[17]8571、社交媒體[18]、高分遙感影像[19]等數據，結合空間數據分析、機器學習等方法進行住房空置率的測度與預測。總體而言，大多數研究集中在宏觀尺度的測度，居住小區尺度的住房空置測度研究較為缺乏。少數學者對街區尺度的住房空置率進行測度[20]3，但該研究采用的珞珈一號夜光影像數據精度（130 m）對城市部分住區來說仍顯精度不足，對于空置率分布的空間自相關特征等也欠缺考慮。住房空置率影響因子的相關研究上，最小二乘法（Ordinary Least Squares，OLS）是最常用的方法，但諸多學者發現住房空置率往往具有空間聚集性[21]，OLS擬合程度不高。于是部分學者開始轉向使用空間杜賓模型（Spatial Dubin Model，SDM）、空間誤差模型（Spatial Error Model，SEM）等空間計量分析方法[14]24或地理加權回歸對因子的相關性進行探究。而在現有研究中，極少學者采用機器學習的方法探究因素對住房空置率的影響。機器學習如隨機森林模型等具有不易過擬合、穩定性強、可對影響因子貢獻度作出客觀判斷等優點，其在精細尺度上的空置率研究仍缺乏運用。

本文中住房空置率指包括增量住房、存量住房在內的空置住房與住房總量的比值，即包括商品房、福利房、安置房等所有類型的住房。基于此，本文順應住房空置率的研究趨勢，從區域尺度轉向街區尺度的精細化識別。基于4步的住房空置率測度框架，選用較常規數據更高分辨率的夜光影像數據與多源精細數據進行識別與檢驗；并對住房空置率測度結果采用空間自相關分析其分布特征與空間類型。研究還通過融合數據源空間自相關特征的隨機森林模型深入解析住房空置的影響因子，以期為空置住房政策調控與精細化治理提供量化的依據。