刘子靖，刘耀林,2，何青松，赵 菁

(1.武汉大学 资源与环境科学学院，湖北 武汉 430079；2.武汉大学 地理信息系统教育部重点实验室，湖北 武汉 430079)

0 引 言

房价牵动着城市居民、房地产开发商和政府决策部门的神经，它关系到居民生活的幸福指数、开发商的经济利益以及政府宏观调控政策的实施。经历了2008年全球次贷危机的低谷后，近年来我国主要大中城市的房价开始了新一轮的强势反弹。房价持续上涨和虚高，将会引起一系列连锁反应：加剧产业结构失衡、降低居民消费能力、扩大贫富差距、提高企业经营成本、形成居住隔离、引发社会各界对于房地产泡沫可能破灭进而引起经济危机的担忧[1-6]。因此，研究城市住宅价格空间分布格局及其影响因子，对于规范当前过热区域的房地产市场，提高冷门区域的住宅吸引力具有参考价值和指导意义。

国内外关于城市住宅价格的研究涉及范围非常广泛，学者们从不同的视角来分析住宅价格的波动、影响因素和空间分异，主要可归结为两类：宏观视角和微观视角。宏观角度主要探讨房价与宏观经济、政策法规之间的关系[7]：如站在经济学角度分析中国一线、二线和三线城市房价与宏观经济的联系，考察利率、通货膨胀和宏观经济增长率对房价的影响[8]；聚焦政府出台的限购、限贷、限价政策，对比分析各项调控政策对抑制房价上涨的有效性[9]。微观角度注重房屋个体的自身特征和空间位置，结合多种模型和GIS研究住宅价格的空间异质性，通过住宅自身特征来解释住宅价格[10]：如利用特征价格模型实证研究环境可持续性元素对武汉住宅价格的影响，强调住宅自身品质及其周边环境的重要性[11]；利用不同建模方法，如GWR和OLS对城市的房价水平进行建模，并比较分析不同模型方法的拟合优度等[12]。

本文选取华中地区最大的城市——武汉市为研究区，基于房产交易网站发布的新楼盘和二手房信息，以丰富详实的房价数据为依托，运用GIS空间分析方法和GWR模型，研究武汉市住宅价格空间分布规律，寻找其显著影响因素并分析各影响因素在不同区域的影响力度，解释住宅价格空间分异的原因，分析住宅价格在不同空间位置上对各因素的敏感性，以期为武汉市城市科学规划和城市可持续发展提供参考。

1 研究区和数据来源

武汉是湖北省省会，长江汉水在这里交汇，造就了武汉隔两江立三镇的地理格局。武汉交通便利，有九省通衢之称。市内江河纵横、湖泊星罗棋布，素有江城的美誉。武汉市现有13个行政区，分为中心城区和远郊城区。本文研究区为武汉市中心城区，共7个行政区，包括长江以东的武昌区、青山区、洪山区，汉水以北的江岸区、江汉区、硚口区和汉水南岸的汉阳区。需要特别说明文中提到的武昌片区、汉口片区和汉阳片区并非指行政区划，而是按照武汉三镇约定俗成的片区划分定义的。

本文研究数据来源于国内第一房地产租售服务平台——安居客（www.anjuke.com）。笔者利用python爬虫技术获取了该网站2016年7月挂牌的小区信息，包括小区名称、小区坐标、小区均价、绿化率、容积率等数据，依照交易数据完备性和空间数据标准化要求，对抓取数据利用统计方法，根据分区剔除粗差样点，最终保留武汉市中心城区新盘小区367个、二手房小区2821个，对抓取的数据进行空间化，如图1所示。

图1 研究区域Fig.1 The study area

2 研究方法

2.1 武汉市中心城区住宅价格空间分析方法

本文采样小区均为离散点，只能反映采样处的住宅价格，为直观显示武汉市中心城区住宅价格空间分布，采用克里金插值为新盘和二手房分别绘制住宅价格等值线图，研究住宅价格空间分布的总体特征。利用空间自相关可以检验房价的空间分布是否具有聚类或离散特征，进而利用聚类分析找出高房价聚集区，便于研究住宅价格高值区的位置特征和分布特征。空间自相关性常用Moran's I度量，其计算公式如下：

式中，zi=xi-X-，即第i个样本房价与均值之差，w(i,j)为空间关系权重，n为样本个数，S0为所有空间权重之和。聚类分析计算公式如下：

式中，各字母含义同公式（1）。

2.2 GWR模型构建与参数选择

对于研究空间关系的非平稳性，GWR模型被认为是一种非常有效的方法[13]。由于它可以改进传统回归方法，能对城市地价影响因素的空间变化性进行良好估计[14]，所以选用GWR模型进行武汉市中心城区房价建模：

式中，yi为第i个样本观测值，(ui,vi)是第i个样本地理坐标，βk(ui,vi)为第i个样本的回归系数，xik为第k个自变量，εi为误差项。自变量选择考虑区位特征、交通便捷、自然景观、生活服务和小区特征五大类。

2.2.1 区位特征

区位特征选取片区位置、环线位置和距CBD距离3个变量。据武汉市住房保障和房屋管理局发布的《二0一六第一季度武房指数报告》显示，武汉市中心城区2016年第一季度新建住房成交均价江汉区以15 064.23元/平方米高居榜首，武昌次之，不同行政区划由于其地理条件、发展程度、规划定位不同，会使各区房价有明显差异。选取片区位置作为自变量，按武汉三镇的地理格局依次划分为汉口、武昌和汉阳，分别赋值为1、2、3，作为虚拟变量纳入模型。武汉中心城区有三条环线，分别为内环线、二环线和中环线，二环之内为高端服务圈，城市绿地、中央文化区、国博中心云集于此，使得武汉环线房价形成逐层递减的梯队格局。选取环线位置作为自变量，位于内环线之内的小区赋值为1，内环二环之间赋值为2，依次类推中环线之外的小区赋值为4。城市中心对房价的影响不言而喻，因此选取以各小区距CBD距离作为自变量。

2.2.2 交通便捷

交通是否便捷影响着居民生活的方方面面，对交通便捷的度量包含路网通达度、公交便捷度和对外交通便捷度3个方面。路网通达度用各小区1km2内道路总长度表征，公交便捷度选取小区500m范围内公交站点个数和小区600m范围内地铁站点个数来表征，对外交通依靠火车、长途汽车、飞机等运输工具实现人流物流的运输，武汉天河国际机场远离中心城区，故以各小区距最近邻火车站（汉口火车站、武汉火车站和武昌火车站）、汽车站（傅家坡长途汽车站、宏基客运站）的距离表征。

2.2.3 自然景观

优美的自然景观令人心旷神怡，安居于江水之泮、湖泊之滨是现代都市中人不变的向往，城市绿地公园亦是闹中取静的好去处。城市绿色空间、公园、湖泊风景区等开放空间对城市住宅环境质量具有明显改善作用并进而影响房价已经成为共识[15]。自然景观考虑小区距长江、汉江距离，距最近邻湖泊距离，小区500m范围内公园个数。湖泊仅考虑中心城区面积大于1km2的天然湖泊景观，公园仅考虑武汉市园林和林业局网站（http://www.whylj.gov.cn/）公示的并位于中心城区的公园。

2.2.4 生活服务

生活服务考虑各小区距商圈距离、距三甲医院距离、800 m内小学个数、1000 m内中学个数这些变量。其中商圈包括武广、光谷、江汉路、钟家村等12个商圈，中学为武汉市教育局网站（http://www.whjyj.gov.cn/）公示的省市级示范学校。

2.2.5 小区特征

小区自身环境和基础设施水平同样影响居民生活质量。对土地过度利用导致小区楼间距离过近、采光不良、小区内道路狭窄、停车位不足、居住人口密度过高、绿化不足等问题，十分影响居民生活舒适度。因此选取容积率和绿化率两个变量作为影响因素纳入模型。

根据上述分析，现将选取的自变量和量化方式汇总成表，见表1。

表1 影响因素选择与量化表Tab.1 Table of choice and quantization of influence factors

3 结果与讨论

3.1 武汉市中心城区住宅价格空间分布格局分析

根据图2可以看出武汉市新盘价格具有明显的分片区特点，汉口、武昌片区房价普遍高于汉阳片区。汉口片区新盘房价高值区面积最大，二环以内绝大部分地区的新盘房价已超过1.6万元/m2；武昌片区除洪山区南部和中环线外的青山区房价较低外，其他区域已经在1.3万元/m2左右，亦有房价高值区出现；汉阳片区房价最低，均在9 000元/m2左右。二手房价格同样具有分片区的特点，武昌片区二手房房价高值区面积最大，从内环滨江区域向东南延伸至中环线附近都是房价高值区，位于二环线附近繁华商业街的小区均价超过了1.8万元/m2。

Moran's I计算结果为新盘小区0.2608，z得分7.2645，p值0.000；二手房小区0.2683，z得分30.3378，p值0.000。武汉市中心城区房价通过了空间自相关检验并且Moran’s I为正值，说明武汉市中心城区房价的聚类分布特征已经显现。高高聚类区指该区域小区和周围小区都属于高房价小区，新盘中这样的小区有30个，占总样本的8%，分布在二环线内且主要集中在汉口片区。二手房中这样的小区有197个，占总样本的6%，位于汉口或武昌片区，一部分集中分布在汉口江滩和解放大道沿线，另一部分集中分布在武昌片区沙湖、东湖沿岸。低低聚类区指低价小区被低值环绕，二手房中这样的小区有181个，占总样本的6%，主要分布在二环线和中环线之间，其中汉阳区龙阳大道附近和青山区中环线附近最为聚集。这进一步验证了武汉市房价分片区特点和由中心向外围递减的特点。武汉三镇虽在行政管理上合并已久，但其发展程度和功能定位并不相同。汉口开发最早，城市功能相对完善，又是武汉市经济中心、商贸中心；武昌是湖北省委、省政府所在地，是湖北省政治、文化、信息中心；而汉阳是依托汽车、电子电器等产业的都市工业区，基础设施建设相对落后，缺乏优势商圈和大型写字楼，繁荣程度不比汉口和武昌，所以汉阳房价偏低，高房价小区聚集汉口、武昌。

图2 武汉市中心城区2016年7月住宅价格Kriging插值图Fig.2 Housing price of central Wuhan in July 2016 based on Kriging interpolation

3.2 武汉市中心城区住宅价格影响因素及其影响力度分析

3.2.1 GWR模型计算结果分析

经逐步回归剔除严重共线变量和未通过显著性检验的变量，最终得到稳定的地理加权回归模型。新盘房价与片区位置、环线位置、距湖泊距离、距商圈距离存在显著负相关关系，与样本附近学校个数存在显著正相关关系。二手房房价与距商圈距离、学校个数、距湖泊距离和距长江距离显著相关，但各影响因素对房价的影响程度存在区域差异，回归系数出现正负交织的情况，故着重分析二手房房价影响因素的空间差异性。

3.2.2 影响因素的空间分异性

从二手房GWR建模结果看，商圈的回归系数的最小值为-2.104，最大值为0.783，均值和中位数都为负值，证明对研究区域内大部分样点来说，商圈距离与房价呈负相关。由于要比较影响因子对房价的影响力度，所以将回归系数绝对值较大的区域称为该因子的主要影响区。从图3可以看出，武广、江汉路商圈、楚河汉街、中商广场、徐东商圈对房价具有高影响力，图3中红色区域为楚河汉周边，该商圈对房价最具影响力。但商圈的辐射半径是有限的，楚河汉街的作用半径在2 km左右，在该范围内距商圈距离越远，其对房价的影响程度逐渐衰减。光谷、菱角湖万达、武汉天地商圈对周边房价影响较小，主要是因为光谷商圈靠近中环线，而菱角湖万达、武汉天地属于新兴商圈，配套设施和生活服务有待完善，故其影响力不及二环线之内的老商圈。

图3 商圈回归系数空间分布图Fig.3 Spatial distribution of the coefficient of trading areas

从图4可以看出，学校对房价的影响在大部分地区为正向影响，即小区800m、1000m范围内中小学越多，其房价越高。小区近邻的学校越多，孩子择校时的选择机会就越多，家长为了孩子能享受高质量的教育，在购房时会考虑小区是否方便孩子上学。青山区是房价对学校因素最为敏感的地区，在该地区邻近学校每增加一所，房价就会上涨约600元/m2。青山区有“十里钢城”的美誉，是国家投资新建的工业基地，以重工业为主，该区域学校本就稀少且集中分布在西北部，教育资源的缺失及不均衡分布，使得学校因素对房价的影响效应在青山区最为显著。

图4 学校回归系数空间分布图Fig.4 Spatial distribution of the coefficient of schools

对房价具有高影响力的湖泊是东湖和沙湖，图5中的红色区域即东湖西岸和沙湖东岸是湖泊对房价的显著影响区，其影响力度随着距湖泊距离的增加不断衰减，总体影响范围达到3 km。东湖是武汉市中心城区最大的城中湖，是国家5A级旅游景区，开发较早保护较好；沙湖是武汉市内环线内唯一湖泊，亦是面积仅次于东湖的城中湖，两湖独特的地理区位优势和宜人的自然风光使其成为对武汉市中心城区房价最具影响力湖泊。但东湖对其沿岸房价的影响力度差异较大，东湖西岸回归系数为-2.9，而东岸变为-0.61，东湖西岸对房价的影响力度高于其他环湖区域，一方面因为东湖西岸靠近水果湖隧道和东湖路，此为武汉市中心城区快速路，出行快捷交通便利；另一方面东湖西岸毗邻二环线，更靠近城市中心，区位优势十分明显。

图5 湖泊回归系数空间分布图Fig.5 Spatial distribution of the coefficient of lakes

4 结束语

本文利用房产交易网站发布的房价信息，综合运用GIS空间分析和回归分析方法，在大数据背景下针对武汉市房价的空间分布和影响因素展开了深入研究，得出的主要结论如下：

武汉市中心城区的房价分布具有明显的分片区特点和由中心向外围递减的特点，并且聚类模式已经显现；新盘房价与片区位置、环线位置、距湖泊距离、距商圈距离、小区附近学校个数显著相关；二手房房价与距商圈距离、小区附近学校个数、距湖泊距离和距长江距离显著相关，其中楚河汉街商圈对房价的影响力度高于其他商圈，东湖和沙湖对房价的影响效应也很显著。这些研究成果可供市政规划部门、房地产开发商和购房消费者借鉴参考，但本文仍有不足之处：

我国九年义务教育实行就近入学的原则，在研究学校变量时只是计算了给定范围内学校个数，应该划分学区，这样更接近真实情况，使结果具有现实意义。