商品住宅的城市宜居性特征空间评价研究

赵华平　张所地

摘要：从不同城市宜居性特征差异分析入手，运用空间计量分析技术，构建了商品住宅的城市宜居性特征空间评价计量模型。得出城市间商品住宅价格存在显著的空间正相关关系，且相关性呈现逐渐增强的态势；不同城市间商品住宅价格差异主要是由经济水平、自然区位、政治区位、气候条件和公共交通、医疗卫生、义务教育、公共图书设施建设造成。鉴于城市的区位、气候和经济水平相对固定，基础设施建设成为导致城市间商品住宅价格差距加大的重要原因。

关键词：城市宜居性特征；商品住宅；价格；空间评价模型

中图分类号：F293.3文献标识码：A文章编号：1001-8409（2014）01-0130-05

自1998年7月国务院发布了《关于进一步深化城镇住房制度改革加快住房建设的通知》以来，中国各个城市的住房市场发展迅速，商品房价格不断上涨，不同城市间房价差异显著，且价格差异随着时间的推移逐步增大。从中国35个大中城市2012年的房价数据来看，北京的平均房价最高，达26156元/平方米，西宁的平均房价最低，为5145元/平方米，同一时期最高房价达到最低房价的5倍之多，价格差异相当显著。从2001～2012年中国35个大中城市房价的变化过程来看，各个城市的房价变动幅度也不尽相同。宁波的房价变动幅度最大，2012年房价为2001年房价的7.58倍，而沈阳的房价变动幅度最小，2012年房价仅为2001年房价的2.87倍。因此，不同城市房价差异的原因受到国内外学者的广泛关注。

Reback[1]、Brasington 和 Haurin[2]分别基于1989～1990年、1997～1998年美国明尼苏达州的转入学生数、转出学生数、居住人群的学历构成、年龄构成、住宅的空置率、出租率、住宅价格数据和2000年美国俄亥俄州的学生人均支出、水平测试、学校增加值、住宅价格数据，采用回归分析方法和空间特征价格模型，得出学校教育质量对于城市间住宅价格差异具有一定的解释力；Schmidt 和 Courant[3]基于美国1995年人口调查CPS数据库中的住宅价格、空气质量、最大地形指数、平均气候指数、水体景区、国家娱乐区、贫困线以下的人口、保健指数、通勤时间、距离好位置的最短驱车距离等数据，采用截面回归分析方法，得出公共服务质量、自然环境和社会治安是城市间住宅价格差异的主要原因；沈悦、刘洪玉[4]基于1995～2002年中国14个城市的住宅价格与人均可支配收入、城市总人口数、失业率、空置率等经济基本面数据，采用混合样本回归分析方法，得出城市经济基本面的当前和历史信息可以部分解释城市住宅价格水平或者变化率；梁云芳、高铁梅[5]基于1999～ 2006年中国28个省、市、自治区的人均GDP、商品房销售面积、房地产资金来源中除自筹资金以外的其他资金、3年期金融机构中长期贷款利率和房价数据，采用误差修正模型和面板数据模型，得出我国东西部地区房价波动差异主要是由于信贷政策不同造成，而中部地区房价波动差异主要是由于人均GDP的不同造成；周京奎、吴晓燕[6]基于1999～2006年除西藏自治区外的中国大陆30个省市的住宅价格、城市教育投资、卫生事业投资、基础设施投资、交通环境投资、公共卫生投资、生态环境投资数据，采用广义最小二乘法，得出生态环境投资对住宅价格的影响最大，公共交通投资对住宅价格的影响次之，高等教育投资对住宅价格的影响较高，城市基础设施投资对住宅价格也有显著影响；龙奋杰、郭明、郑思齐、曹洋[7]基于1999～2005年中国34个主要城市（不包括郑州）的住房价格、居民收入水平、自然条件、经济发展程度、环境质量、生活便利程度、公共安全、是否为省会城市、市区人口密度、市辖区人口、失业人口比例等数据，采用单变量模型、多变量模型和截面分析方法，得出城市居民收入水平和以自然条件、经济发展、环境质量、生活便利程度、公共安全为代表的城市宜居性可以解释城市住房价格差异的70%左右；何鸣等人[8]基于2006年中国254 个地级城市的房价、气候条件、环境质量、公共服务水平、生产环境特征数据，采用中国城市消费者和厂商环境特征品质价值计量方法，得出以气候条件、环境质量、公共服务水平为代表的消费者环境特征品质和以城市间运输能力、海运、生产服务能力为代表的生产环境特征品质对于中国城市间的房价差异具有60%的解释力；张娟锋、刘洪玉[9]基于2004～2006年中国35个大中城市的住宅价格、土地价格、建材价格、工资水平、财富水平、人口数量、城市宜人性、失业率、住宅预期收益、非居住商品价格变动数据，采用普通最小二乘法和两阶段最小二乘法，得出人口数量、财富水平、建筑成本、住宅预期收益是造成不同城市住宅价格差异的决定因素。

综上所述，这些研究选择的指标不同、样本范围不同、样本个数不同、分析方法不同，对于城市间住宅价格差异的原因得出了不同的结论。归结起来可以看出：城市的经济发展水平、居民收入、社会公共服务水平、自然环境和人文环境质量是形成城市间住宅价格差异的主要原因。但这些研究一方面忽略了城市区位条件对住宅价格的影响；另一方面多数研究忽略了城市间房价的空间相关性，采用了非空间计量模型进行分析。方晓萍[10]、张谦[11]指出中国城市间、省域间的住房价格存在显著的空间相关性，所以，这种忽略空间效应的模型往往会使得估计结果不够完整、科学，缺乏应有的解释力[12]。基于此，本文在国内外学者构建的指标体系基础上，将城市的自然区位、交通区位、文化区位和政治区位引入城市宜居性特征体系，以中国35个大中城市2005～2010年的数据为样本，运用空间计量分析技术，构建了商品住宅的城市宜居性特征空间评价模型，分析城市间商品住宅价格差异的原因，为推动我国的城市均衡发展提供参考依据。

1城市宜居性特征体系的构建

1.1城市宜居性的定义

王坤鹏[13]从自然环境、经济环境、人文社会环境和人居环境的协调性角度定义了城市的宜居性；叶青等人[14]从反映城市生态、宜居建设状况的软环境（行为过程）和反映城市生态建设过程的硬环境（结果成效）两方面定义了城市的宜居性，并强调城市宜居性测评体系既要包括结果类指数，又要包括过程类指数；郑思齐[15]强调城市的宜居性不仅要包括就业的可达性，还要包括教育设施、环境资源、公共交通设施以及人文环境等的便利和舒适性；赵华平、张所地[16]指出城市的宜居性不仅要包含城市的经济环境宜居、人文社会环境宜居、生态环境宜居，而且要包含城市的区位环境宜居。其中，经济环境宜居是城市宜居的核心，决定着城市的竞争力大小和对劳动力的吸引力强弱；社会环境宜居是城市宜居的灵魂，体现城市在住房保障、医疗保健、教育文化、交通服务、设施供应等方面的能力，制约着居民在城市生活的便利性；生态环境宜居是城市宜居的基础，体现城市的环境资源优势和环境质量水平，影响着居民在城市居住的幸福感和舒适感；区位环境宜居是城市宜居的扩展，体现城市在自然区位、经济区位、政治区位、交通区位和文化区位5个方面的优势，自然区位反映城市在自然山水风景方面的优势、政治区位反映城市在公共服务资源方面的优势、交通区位反映城市在对外交通便利性方面的优势、文化区位反映城市在历史文化传承和熏陶方面的优势、而经济区位作为反映城市经济增长优势的指标，依赖于城市的自然、政治、交通和文化4种区位，也就是说，经济区位可以看作其他4种区位的综合表现。因此，自然、政治、交通和文化即可全面反映城市的区位条件。endprint

1.2城市宜居性特征体系的构成

以赵华平、张所地[16]给出的城市宜居性内涵为基础，本文提出包含4个因素、18个因子、34个具体指标的城市宜居性特征指标体系[17]，见表1。表1城市宜居性特征体系的构成

因素1因子1具体指标经济环境1经济水平1人均国内生产总值收入水平1城镇居民人均可支配收入产业结构1第三产业增加值占GDP的比重社会环境1居住条件1城镇居民人均住房建筑面积交通条件1每万人拥有公共汽车数、人均城市道路面积教育设施1每万人中小学数、中小学师生比、每百万人普通高等学校数、普通高校师生比医疗设施1每万人医院床位数、每万人医生数文化设施1每百人公共图书数、每百万人影剧院数生活设施1用水普及率、燃气普及率通讯设施1互联网用户普及率、固定电话用户普及率、移动电话用户普及率生态环境1自然环境1山水环境优美度、气候环境舒适度、空气质量优良率环境绿化1建成区绿化覆盖率、人均公园绿地面积环境治理1工业固体废物综合利用率、工业废水排放达标率、工业烟尘去除率、工业二氧化硫去除率、生活污水集中处理率、生活垃圾无害化处理率自然区位1自然区位相对优势度交通区位1交通区位相对优势度政治区位1政治区位相对优势度文化区位1文化区位相对优势度2商品住宅的城市宜居性特征空间评价模型

Anselin从空间滞后变量的类型和空间相关性的作用范围2个维度，将空间计量经济模型又分为空间滞后模型和空间误差模型两类。其中，空间滞后模型反映一个地区经济增长的所有解释变量，都会通过空间传导机制作用于其他地区，而空间误差模型则反映区域外溢是随机冲击的作用结果[18]。因此，商品住宅的城市宜居性特征空间评价模型构建也有2种方式：一是商品住宅的城市宜居性特征空间滞后评价模型；二是商品住宅的城市宜居性特征空间误差评价模型。

2.1商品住宅的城市宜居性特征空间滞后评价模型

设y为城市商品住宅价格，X为城市宜居性特征，WN为N个城市的空间权重矩阵，ρ为空间自回归系数，IT为T阶单位矩阵，β为待估参数，ε为随机误差项，则有：

y=ρIT×WNy+Xβ+ε （1）

式（1）即为商品住宅的城市宜居性特征空间滞后评价模型。

由于式（1）表示的空间模型中存在价格的空间双向依赖关系，因此，空间滞后项ρ（IT×WN）y为内生变量，于是，式（1）可以简化为：

y=[IT×（IN-ρWN）-1]×β+[ITX（IN-ρWN）-1]ε （2）

对于商品住宅的城市宜居性特征空间滞后评价模型，可以采用极大似然估计法进行参数估计[19]。

设Σ为ε的协方差矩阵，即ε～N（0，Σ），则对数似然函数可表示为：

L=Tln|IN-ρWN|-112ln|Σ|-112ε′Σ-1ε （3）

2.2商品住宅的城市宜居性特征空间误差评价模型

设X、y、WN、β的含义同上，λ为误差空间自相关系数，u为随机误差项，则有：

y=Xβ+ε

ε=λWNε+u （4）

式（4）即为商品住宅的城市宜居性特征空间误差评价模型。

由式（4）可得：ε=（IN-λWN）-1u，于是，式（4）可以简化为：

y=Xβ+（IN-λWN）-1u （5）

对于商品住宅的城市宜居性特征空间误差评价模型，可以采用极大似然估计法进行参数估计[19]。

设Σ为ε的协方差矩阵，即ε～N（0，Σ），BN=IN-λWN，则对数似然函数可表示为：

L=-NT12lnσ2u+TlnBN-112σ2uε′[IT×（B′NBN）]ε （6）

3中国35个大中城市商品住宅的城市宜居性特征空间评价实证分析

3.1商品住宅的城市宜居性特征评价的样本数据和变量说明

本文以中国35个大中城市作为样本，在变量选择中，根据研究的问题，选择城市的商品住宅销售价格（HP）作为被解释变量，考虑到表2中一些指标的相关度较高，为了避免模型的多重共线性，将相关度高的部分变量进行了剔除。于是，本文最终选择了17个指标作为解释变量，分别为：城镇居民人均可支配收入（PDI）、城镇居民人均住房建筑面积（PHA）、每万人拥有公共汽车数（PNB）、每万人中小学校数（PNPSS）、每百万人普通高等学校数（PNHS）、每万人口医院床位数（PNHB）、每百人公共图书数（PNPL）、每百万人影剧院数（PNT）、气候环境舒适度（CDCE）、空气质量优良率（FRAQ）、人均公园绿地面积（PGA）、生活污水集中处理率（TRWW）、生活垃圾无害化处理率（TRSW）、自然区位相对优势度（RSNL）、文化区位相对优势度（RSCL）、交通区位相对优势度（RSTL）、政治区位相对优势度（RSPL）。其中，HP、FRAQ数据来源于《中国统计年鉴》（计划单列市的FRAQ来源于城市的国民经济和社会发展统计公报），CDCE、RSNL、RSCL、RSTL、RSPL数据来源于《中国城市竞争力年鉴》，PGA数据来源于《中国城市建设统计年鉴》，TRWW数据来源于《中国城市年鉴》，PHA数据来源于《中国城市年鉴》、各省市统计年鉴、各省市国民经济和社会发展统计公报。而且，由于不同城市对于城镇居民人均住房面积有不同的统计标准，有些城市采用的是人均住房建筑面积，有些城市采用的是人均住房使用面积，为了使不同城市间具有可比性，本文通过一些计算发现，多数情况下存在“城镇居民人均住房使用面积÷城镇居民人均住房建筑面积=0.75”的关系，因此，利用该公式进行了统一化处理；其余指标的数据均来源于中国城市统计年鉴。

3.2商品住宅的城市宜居性特征空间评价计量模型

3.2.1空间相关性检验

Moran I指数是常用的全域空间相关性指标。本文基于国家基础地理信息中心网站提供的1∶400万中国电子地图，经地理信息系统软件MapInfo计算得到了城市间的距离，以城市间距离倒数的平方作为空间权重矩阵中的元素取值，利用中国城市的商品住宅价格数据，计算得到了商品住宅价格的Moran I指数及对应统计量Z值。结果显示：2005～2010年商品住宅价格的Moran I指数均大于零，且呈现上升的态势。通过对商品住宅价格面板数据的Moran I检验，也表明中国城市间的商品住宅价格空间分布并非完全独立，因此，本文选择空间计量模型进行实证研究。endprint

3.2.2空间计量模型的选择

对于商品住宅的城市宜居性特征评价模型的选择，本文采用拉格朗日乘数方法进行检验，设LML和LME分别为空间滞后评价模型和空间误差评价模型的LM统计量，由于LML=41.1881>LME=10.4396，所以，应该选择空间滞后评价模型。对于商品住宅的城市宜居性特征空间滞后评价模型的具体形式，还需要确定是固定效应还是随机效应。从理论上来说，当样本随机取自总体时，选择随机效应模型较为恰当，而当回归分析局限于一些特定个体时，则选择固定效应模型较为恰当[20]。本文选择中国35个大中城市进行研究，覆盖了中国的东、中、西部地区，所以固定效应模型更为合适。从统计上来说，需要通过空间Hausman检验方法加以判定。本文计算得出了空间Hausman检验统计量的值为155.9812，对应的χ2（18）的P值为0，所以，统计上也表明选择固定效应模型更为合适。于是，最终确定选择包含固定效应的商品住宅的城市宜居性特征空间滞后评价模型。

3.3估计结果分析

利用Matlab2009软件对确定的模型进行估计，结果见表2。根据表2中调整后的R2、Sigma2、LogL等统计量来看，在空间滞后面板数据模型的4种固定效应情况下，无固定效应模型优于其他3种情况，因此，下面以无固定效应模型进行分析。在无固定效应的空间滞后面板数据模型中，有9个解释变量对商品住宅价格的影响在统计上显著，但这些解释变量具有不同的量纲，为了能够使不同解释变量对商品住宅价格的影响程度具有可比性，本文采用离差标准化法将这9个变量进行了标准化处理，且以无固定效应的空间滞后面板模型进行了重新回归，构建商品住宅的城市宜居性特征空间评价计量模型：

HPt=0.18WHPt-1489.74+6794.16PDIt+4536.70PNBt+1065.84PNPSSt+1365.45PNHBt+4422.11PNPLt+1238.77CDCEt-1353.56FRAQt+1711.37RSNLt+1753.36RSPLt（7）

通过上述回归结果可以发现：①在4种固定效应模型的估计结果中，空间自回归系数W*dep var的估计值均为正数，且都通过了10%的显著性概率检验，说明了中国商品住宅价格在各个城市之间存在显著的空间正相关关系；②居民收入、公交建设、公共图书建设、政治区位、自然区位、医疗卫生设施、气候环境舒适度、中小学教育设施对商品住宅价格的正向影响依次递减，说明人们在选择城市居住时，较关注于城市的经济水平、基础设施建设状况、自然环境和行政级别，其中对于教育和文化设施而言，注重于义务教育和图书文化设施的建设；③城市空气质量优良率对商品住宅价格具有负向影响，说明中国在依靠工业化推动经济发展的过程中，空气质量成为人们衡量城市经济发展水平的指标。空气质量优，反映了城市工业不发达，经济水平相对落后，而城市经济对商品住宅价格的正向影响最大，所以，空气质量优良率对商品住宅价格表现出负向影响。endprint

3.2.2空间计量模型的选择

对于商品住宅的城市宜居性特征评价模型的选择，本文采用拉格朗日乘数方法进行检验，设LML和LME分别为空间滞后评价模型和空间误差评价模型的LM统计量，由于LML=41.1881>LME=10.4396，所以，应该选择空间滞后评价模型。对于商品住宅的城市宜居性特征空间滞后评价模型的具体形式，还需要确定是固定效应还是随机效应。从理论上来说，当样本随机取自总体时，选择随机效应模型较为恰当，而当回归分析局限于一些特定个体时，则选择固定效应模型较为恰当[20]。本文选择中国35个大中城市进行研究，覆盖了中国的东、中、西部地区，所以固定效应模型更为合适。从统计上来说，需要通过空间Hausman检验方法加以判定。本文计算得出了空间Hausman检验统计量的值为155.9812，对应的χ2（18）的P值为0，所以，统计上也表明选择固定效应模型更为合适。于是，最终确定选择包含固定效应的商品住宅的城市宜居性特征空间滞后评价模型。

3.3估计结果分析

利用Matlab2009软件对确定的模型进行估计，结果见表2。根据表2中调整后的R2、Sigma2、LogL等统计量来看，在空间滞后面板数据模型的4种固定效应情况下，无固定效应模型优于其他3种情况，因此，下面以无固定效应模型进行分析。在无固定效应的空间滞后面板数据模型中，有9个解释变量对商品住宅价格的影响在统计上显著，但这些解释变量具有不同的量纲，为了能够使不同解释变量对商品住宅价格的影响程度具有可比性，本文采用离差标准化法将这9个变量进行了标准化处理，且以无固定效应的空间滞后面板模型进行了重新回归，构建商品住宅的城市宜居性特征空间评价计量模型：

HPt=0.18WHPt-1489.74+6794.16PDIt+4536.70PNBt+1065.84PNPSSt+1365.45PNHBt+4422.11PNPLt+1238.77CDCEt-1353.56FRAQt+1711.37RSNLt+1753.36RSPLt（7）

通过上述回归结果可以发现：①在4种固定效应模型的估计结果中，空间自回归系数W*dep var的估计值均为正数，且都通过了10%的显著性概率检验，说明了中国商品住宅价格在各个城市之间存在显著的空间正相关关系；②居民收入、公交建设、公共图书建设、政治区位、自然区位、医疗卫生设施、气候环境舒适度、中小学教育设施对商品住宅价格的正向影响依次递减，说明人们在选择城市居住时，较关注于城市的经济水平、基础设施建设状况、自然环境和行政级别，其中对于教育和文化设施而言，注重于义务教育和图书文化设施的建设；③城市空气质量优良率对商品住宅价格具有负向影响，说明中国在依靠工业化推动经济发展的过程中，空气质量成为人们衡量城市经济发展水平的指标。空气质量优，反映了城市工业不发达，经济水平相对落后，而城市经济对商品住宅价格的正向影响最大，所以，空气质量优良率对商品住宅价格表现出负向影响。endprint

3.2.2空间计量模型的选择

对于商品住宅的城市宜居性特征评价模型的选择，本文采用拉格朗日乘数方法进行检验，设LML和LME分别为空间滞后评价模型和空间误差评价模型的LM统计量，由于LML=41.1881>LME=10.4396，所以，应该选择空间滞后评价模型。对于商品住宅的城市宜居性特征空间滞后评价模型的具体形式，还需要确定是固定效应还是随机效应。从理论上来说，当样本随机取自总体时，选择随机效应模型较为恰当，而当回归分析局限于一些特定个体时，则选择固定效应模型较为恰当[20]。本文选择中国35个大中城市进行研究，覆盖了中国的东、中、西部地区，所以固定效应模型更为合适。从统计上来说，需要通过空间Hausman检验方法加以判定。本文计算得出了空间Hausman检验统计量的值为155.9812，对应的χ2（18）的P值为0，所以，统计上也表明选择固定效应模型更为合适。于是，最终确定选择包含固定效应的商品住宅的城市宜居性特征空间滞后评价模型。

3.3估计结果分析

利用Matlab2009软件对确定的模型进行估计，结果见表2。根据表2中调整后的R2、Sigma2、LogL等统计量来看，在空间滞后面板数据模型的4种固定效应情况下，无固定效应模型优于其他3种情况，因此，下面以无固定效应模型进行分析。在无固定效应的空间滞后面板数据模型中，有9个解释变量对商品住宅价格的影响在统计上显著，但这些解释变量具有不同的量纲，为了能够使不同解释变量对商品住宅价格的影响程度具有可比性，本文采用离差标准化法将这9个变量进行了标准化处理，且以无固定效应的空间滞后面板模型进行了重新回归，构建商品住宅的城市宜居性特征空间评价计量模型：

HPt=0.18WHPt-1489.74+6794.16PDIt+4536.70PNBt+1065.84PNPSSt+1365.45PNHBt+4422.11PNPLt+1238.77CDCEt-1353.56FRAQt+1711.37RSNLt+1753.36RSPLt（7）

通过上述回归结果可以发现：①在4种固定效应模型的估计结果中，空间自回归系数W*dep var的估计值均为正数，且都通过了10%的显著性概率检验，说明了中国商品住宅价格在各个城市之间存在显著的空间正相关关系；②居民收入、公交建设、公共图书建设、政治区位、自然区位、医疗卫生设施、气候环境舒适度、中小学教育设施对商品住宅价格的正向影响依次递减，说明人们在选择城市居住时，较关注于城市的经济水平、基础设施建设状况、自然环境和行政级别，其中对于教育和文化设施而言，注重于义务教育和图书文化设施的建设；③城市空气质量优良率对商品住宅价格具有负向影响，说明中国在依靠工业化推动经济发展的过程中，空气质量成为人们衡量城市经济发展水平的指标。空气质量优，反映了城市工业不发达，经济水平相对落后，而城市经济对商品住宅价格的正向影响最大，所以，空气质量优良率对商品住宅价格表现出负向影响。endprint