上海自贸区对周边住房价格的空间影响效应分析

石忆邵，付 伟（同济大学测绘与地理信息学院， 上海 200092）



上海自贸区对周边住房价格的空间影响效应分析

石忆邵，付 伟
（同济大学测绘与地理信息学院， 上海 200092）

摘 要：上海自贸试验区作为后改革开放时代的一项重大举措而受到高度关注。本文运用特征价格模型和多元回归分析等方法，分析上海自贸试验区周边区域住宅价格的变化特征和影响机制。结果显示：（1）上海自贸试验区对周边地区住房价格的影响存在明显的空间差异：上海浦东机场保税物流园区对周边房价影响的最大范围为13.08km，外高桥自贸区对周边房价影响的最大范围为2.59km，洋山保税港区对周边房价影响的最大范围为4.14km；（2）房龄、住宅小区到自贸区的距离、装修程度、生活配套、卫生间个数、住宅朝向等6个住宅特征是影响房价的主要因素。

关键词：上海自贸试验区；住宅特征；特征价格模型；多元回归分析；空间影响效应

2013年8月22日，国务院正式批准设立中国（上海）自由贸易试验区，并于2013年9月29日正式挂牌开张，标志着中国进入了改革开放的新时代。建设上海自由贸易试验区，是中国政府顺应全球经贸发展新趋势，实行更加积极主动开放战略的一项重大举措。上海自由贸易区的主要任务是探索中国对外开放的新路径和新模式，推动加快转变政府职能和行政体制改革，促进转变经济增长方式和优化经济结构，实现以开放促发展、促改革、促创新，形成可复制、可推广的经验，服务全国的发展。建设上海自由贸易试验区将有利于培育中国面向全球的竞争新优势，构建与各国合作发展的新平台，拓展经济增长的新空间，打造中国经济“升级版”。

上海自贸区自成立以来，关联区域的房价飞升猛涨，自2013年9月以来，上海浦东森兰、外高桥等区域的新房、二手房价格均出现大幅上涨，有的涨幅甚至高达20%。上海自贸区周边区域房价牵动着购房者、开发商和政府的心，房价的变动关系着国计民生。上海自贸区的设立究竟能对周边区域的房价产生多大的空间影响效应？有哪些因素驱动着上海自贸区周边住宅价格的变动？这正是本文试图回答的问题。

1　研究方法

国际上研究影响住宅价格因素最主流的方法是特征价格模型[1～12]。该方法主要起源于Lancaster的消费者理论和Rosen模型，认为商品具有一系列的特征，而这些特征通过不同的组合来影响消费者的选择，所以，住宅价格会因为住宅所拥有的内在特征而变得各不相同。由于自贸区刚成立不久，国内学者在这方面的研究还刚刚起步，且以定性分析为主，定量研究明显不足[13,14]。本文考虑到上海自贸区周边住宅市场的具体情况，选择区位、建筑结构和邻里环境三类影响住宅价格的特征变量，采用特征价格定价模型对其进行实证研究。特征价格定价模型有线性方程式、对数方程式、半对数方程式三种函数形式，本文所建立的特征价格定价模型选取的函数形式是半对数方程式。

2　研究区域与数据采集

2.1 研究区域概况

上海自由贸易试验区总面积为28.78km2，范围包括上海市外高桥保税区、外高桥保税物流园区、洋山保税港区、上海浦东机场综合保税区等4个海关特殊监管区域。上海自贸区周边主要的住宅板块主要有外高桥板块、川沙板块、祝桥板块和临港新城板块，因祝桥板块的房产信息太少且与川沙板块毗连，故本文主要以外高桥板块、川沙板块和临港新城三大板块为对象进行数据采集与分析。

2.2 数据的采集与处理

本文采集了外高桥、川沙和临港新城三个住宅板块53个住宅小区共842套住宅案例用作实证研究，选取2013年5月至2014年3月主要房产板块的每月平均房价进行分析，具体样本数据见表1。所选取的住宅案例均是普通的商品住房，包括多层、小高层以及高层住宅，但不包括复式结构、跃层结构等形式的住宅，别墅、经济适用房等也均不予考虑。研究样本的数据来源主要有：（1）二手房交易价格来自上海搜房网sh.soufun.com，以及浦东各地的房产中介部门；（2）商品房的出售价格来自《上海楼市》、《上

海房地产市场》；（3）住宅小区到上海自由贸易区的距离由AutoCAD测量得到；（4）住宅的周边环境，配套设施（学校、商业中心等），交通条件（地铁、公交），装修情况以及建筑年代，物业管理费等来自上海搜房网sh.soufun.com，以及浦东各地的房产中介部门，并加以必要的实地调研。

表1　上海自贸区主要房产板块2013年5月-2014年3月平均房价Table 1 The average housing price of Shanghai Pilot Free Trade Zone during May 2013 - March 2014　　（平均房价：元/m2）

（续表1）

3　上海自贸区周边住宅价格的空间效应分析

建立特征价格定价模型需要选择必要的特征变量。住宅特征一般分为三类：（1）区位特征，即对可达性的量化，一般包括交通便利程度、出行时间、出行成本等特征；（2）建筑特征，即住宅自身所拥有的一些特征，包括朝向、楼层、装修程度、房龄、停车位等；（3）邻里特征，涉及住宅周边的生活环境，是和购房者息息相关的特征，包括空气质量、小区绿化率、生活配套设施（周边医院、学校、商场）、物业管理费等。

3.1 特征变量的选择与定量

本文选取涉及上述三大类的特征变量共11个，包括住宅房龄、装修程度、卧室个数、卫生间个数、朝向、是否具有停车位、交通条件、到自贸区中心的距离、小区绿化率、物业管理费与生活配套，并对其进行必要的定量描述（表2）。

3.2 数据分析

（1）数据的预处理

本文总共收集了842套房产数据，因交易日期各不相同，以中房上海住宅指数对住宅价格进行修正，将其统一归化到2013年10月。经比较分析，认为采用半对数形式的特征价格模型比较适合，并设模型为：

其中：C为常数，P为修正后的住房价格，以对数表示；B1为房龄，以年为单位；B2为生活配套；B3为交通条件；B4为物业管理费，单位为元/m2/月；B5为小区绿化率；B6为车位；B7为朝向；B8为装修程度；B9为卧室个数；B10为卫生间个数；B11为住宅小区到最近自由贸易园区的距离，以km为单位。X1至X11为必要的系数。因本文的11个变量均为有效变量，所以在SPSS软件中选择强行进入法作回归分析，结果如表3所示。

表3　特征变量的描述统计Table 3 Descriptive statistics of characteristic variables

（2）模型检验

将11个特征变量在SPSS软件中进行分析后可知，线性模型中的偏回归系数R=0.9112，估计的标准误为0.14432，R2=0.8303，经过调整后的R2=0.8015，也就是说该线性模型可以解释因变量之间的差异百分比达到了80.15%，表明自变量与因变量之间的线性关系比较强，拟合效果良好，这些特征变量可以作为解释房价变化的因素。

根据线性模型的方差分析结果（表4），回归方程通过了显著性检验，因回归方程的显著性检验值为0.0000，小于0.001，表明该回归方程的显著性良好，所以特征变量与房价之间的线性关系能够成立。

表4　线性模型的方差分析Table 4 Variance analysis of the linear models

（3）回归结果分析

通过回归分析后得到的该线性模型的回归系数见表5，故该特征价格定价模型的回归方程表示为：

lnP=0.033+0.304×B1+0.145×B2+0.059×B3+0.045×B4+0.2 39×B5+0.078×B6+0.062×B7+0.264×B8-0.083×B9+0.164×B10-0.283×B11

表5　线性模型的回归系数Table 5 The regression coefficients of the linear models

从表5可知，大部分的变量，如生活配套、交通条件、小区绿化率、装修程度等对房价都具有正的影响。住宅小区到最近的自贸区的距离对房价的影响是比较符合假设的，可以看出，离自贸区越近，房价受到的影响就越大。

（4）主要特征变量影响程度分析

通过对表5中各个特征变量的标准化回归系数分析，可得到表6。由此可知，在6个主要特征变量中，房龄的影响程度最大，占21.7%；而住宅小区到自贸区中心的距离，则占20.2%；其余依次是装修程度占18.9%、小区绿化率占17.1%、卫生间个数占11.7%、生活配套占10.4%。由此可见，住房的新旧程度是购房者们关心的第一要素，住宅小区到自贸区的距离则是第二位因素；装修程度也是购房者们率先考虑的要素，而小区绿化率与小区周边的生活配套反映了购房者们普遍关心住房周边的生活环境，卫生间个数反映了购房者们对住宅方便程度的考虑。

表6　特征变量影响程度系数Table 6 The influence degree coefficients of characteristic variables

3.3 空间效应实证分析

（1）川沙板块

通过收集川沙板块内34个住宅小区的房价样本（图1(a)），以中房上海住宅指数对住宅价格进行修正，将其统一归化到2013年10月。并将上海浦东机场保税物流园区视为规则的几何图形，将住宅小区视为定位于小区出口的一个点，所以住宅小区到自贸区的距离是按照点到几何图形的几何中心来计算的。

由图2(a)可知，上海浦东机场保税物流园区对川沙板块内的房价影响呈振荡性变化，在住宅小区到自贸区距离8～10km范围内，住房价格波动最大，并有最大值2.8851万元/m2；在13km之外，影响较为平缓，价格变化波动不大。将样本数据导入SPSS19.0软件，对住宅价格与距离之间的关系进行定量分析和曲线拟合（设定住宅价格为Y，住宅小区到自贸区的距离为X），结果如表7。

由此可知，住宅价格与住宅小区到自贸区的距离之间的二次模型为：

二次曲线模型的F统计量20.112，大于线性模型的F统计量13.562，且显著性0.003<0.05，说明住宅价格和空间距离之间呈比较明显的二次关系，而且存在极值点，其空间距离最大值为13.08km，即为上海浦东机场保税物流园区对川沙板块影响的最大范围。

（2）外高桥板块

通过收集外高桥板块内32个住宅小区的房价样本（图1(b)），以中房上海住宅指数对住宅价格进行修正，将其统一归化到2013年10月。因外高桥板块内有两个并不相连的自贸区，所以本文以外高桥保税区为主，将其视为规则的几何图形，将住宅小区视为定位于小区出口的一个点，住宅小区到自贸区的距离按照点到几何图形的几何中心来计算。

由图2(b)可知，上海自贸区对外高桥板块内的住宅价格的影响同样呈振荡性变化，在住宅小区到自贸区0.2～3.0km处，振荡最为厉害，并一度达到极值29000元/m2，之后在约3.4km处时，房价达到最大值，约32000元/m2，超过这个距离，房价开始呈现回落趋势，并在约5km之后，又有了小幅上涨的势头。对住宅价格与距离之间的关系进行定量分析和曲线拟合，得其二次模型为：

从表7可知，二次模型比线性模型更加适合描述此两者之间的关系，且二次模型的显著性概率0.021<0.05，通过了模型检验。由模型可知，方程在X=2.59km处有最大值，即2.59km为外高桥自贸区对外高桥板块的最大影响距离。

（3）临港新城板块

收集临港新城板块内20个住宅小区的房价样本（图1(c)），以中房上海住宅指数对住宅价格进行修正，将其统一归化到2013年10月。把洋山保税港区视为规则的几何图形，将住宅小区视为定位于小区出口的一个点，住宅小区到自贸区的距离按照点到几何图形的几何中心来计算。

由图2(c)可知，洋山保税港区对临港新城板块内的住宅市场的影响也呈振荡性变化，但总体呈下降趋势，在住宅小区到自贸区2～4km处，振荡最为厉害，并在约2.3km处时，房价达到最大值，超过14000元/m2，在3.8km处，房价跌落到10000元/m2之下，且变化开始趋于平缓，在8.3km处，房价下跌到最小值，之后开始极速上涨，势头很猛，但总体还是远远低于最大值。对住宅价格与空间距离之间的关系进行定量分析和曲线拟合，得其二次模型为：

在表7中，二次模型的F统计值25.253，大于线性模型F统计值9.151，且二次模型的显著性概率0.017<0.05，所以认为二次模型更加适合描述住宅价格与空间距离之间的关系。由方程式可知，当X=4.14km时，住宅价格有最大值，所以可以认为洋山保税港区对临港新城住宅价格的最大影响距离为4.14km。

表7　模型汇总与回归系数估计Table 7 Summary and regression coefficient estimation of models

图1　上海自贸区周边样本住宅小区分布Fig.1 The distribution of sample residential districts around Shanghai Pilot Free Trade Zone

4　结论

（1）上海自贸区对周边地区住房价格的影响存在明显的空间差异，住宅小区到自贸区的空间距离与住宅价格之间呈明显的二次函数关系；推算出上海浦东机场保税物流园区对川沙板块房价影响的最大距离为13.08km，外高桥的两个自贸区对外高桥板块房价影响的最大距离为2.59km，洋山保税港区对临港新城板块房价的影响最大距离为4.14km。

（2）房龄、住宅小区到自贸区的距离、装修程度、生活配套、卫生间个数、朝向6个住宅特征是影响房价的主要因素，其中房龄为影响程度第一，其次是住宅小区到自贸区的距离。回归分析表明，房价与住宅小区到自贸区的距离呈负相关，即距离自贸区越近的住宅，房价越高；相反则房价便有所降低。

图2　样本小区到自贸区的空间距离与住宅价格变化关系Fig.2 The relationship between the distance of sample districts to the free trade area and housing prices

参考文献(References)

[1] Panduro T E,Veie K L.Classification and valuation of urban green spaces:A hedonic house price valuation[J].Landscape and Urban Planning,2013,120:119-128.

[2] Helbich M,Jochem A,Mücke W,et al.Boosting the predictive accuracy of urban hedonic house price models through airborne laser scanning[J].Computers,Environment and Urban Systems,2013,39:81-92.

[3] Selim H.Determinants of house prices in Turkey:Hedonic regression versus artificial neural network[J].Expert Systems with Applications,2009,36(2):2843-2852.

[4] Baltagi B H,Bresson G.Maximum likelihood estimation and Lagrange multiplier tests for panel seemingly unrelatedregressions with spatial lag and spatial errors:An application to hedonic housing prices in Paris[J].Journal of Urban Economics,2011,69(1):24-42.

[5] Cervero R,Duncan M.Rail transit’s value-added:Effects of proximity to light and commuter rail transit on commercial land values in Santa Clara County,California[R].Urban Land Institute National of Association of Realtors Washington.USA.2001.

[6] 温海珍,贾生华.基于特征价格的房地产评估新方法[J].外国经济与管理,2004,26(6):31-35.Wen H Z,Jia S H.New method of real estate price appraisal based on hedonic model[J].Foreign Economics &Management,2004,26(6):31-35.

[7] 郝前进,陈杰.到CBD距离交通可达性与上海住宅价格的地理空间差异[J].世界经济文汇,2007,(1):22-35.Hao Q J,Chen J.Distance to the CBD,traffic accessibility and geographical spatial difference of Shanghai housing prices[J].World Economic Papers,2007,(1):22-35.

[8] 郝前进.特征价格法与上海住宅价格的决定机制研究[D].上海:复旦大学博士学位论文,2007.Hao Q J.Hedonic price method and decision mechanism research of Shanghai housing price[D].Doctoral dissertation.Shanghai:Fudan University,2007.

[9] 张冕.基于Hedonic模型的浦东新区住宅价格特征分析[D].上海:同济大学硕士学位论文,2008.Zhang M.Housing price and its determinations in the Pudong New Area:Based on hedonic model[D].Master's thesis.Shanghai:Tongji University,2008.

[10] 潘海啸,钟宝华.轨道交通建设对房地产价格的影响:以上海市为案例[J].城市规划学刊,2008,(2):62-69.Pang H X,Zhong B H.The impact of rail transit construction on real estate prices:A case study in Shanghai[J].Urban Planning Forum,2008,(2):62-69.

[11] 石忆邵,郭惠宁.上海南站对住宅价格影响的时空效应分析[J].地理学报,2009,64(2):167-176.Shi Y S,Guo H N.Temporal-spatial impacts of the Shanghai South Railway Station on housing prices[J].Acta Geographica Sinica,2009,64(2):167-176.

[12] 石忆邵,张蕊.大型公园绿地对住宅价格的时空影响效应:以上海市黄兴公园绿地为例[J].地理研究,2010,29(3):510-520.Shi Y S,Zhang R.Temporal-spatial impact effects of large-scale parks on residential prices:Exemplified by the Huangxing Park in Shanghai[J].Geographical Research,2010,29(3):510-520.

[13] 高原.上海自贸区对房地产市场的影响[J].中国房地产,2013,(23):36-37.Gao Y.Shanghai free trade's impact on the real estate market[J].China Real Estate,2013,(23):36-37.

[14] 刘卫卫.上海自贸区对上海楼市的影响[J].中国房地产,2013,(21):24-28.Liu W W.The influence of Shanghai free trade zone on the Shanghai property market[J].China Real Estate,2013,(21):24-28.

[15] 张文忠.城市居民住宅区位选择的因子分析[J].地理科学进展,2001,20(3):268-275.Zhang W Z.Factor analysis of urban residential location choice[J].Progress in Geography,2001,20(3):268-275.

[16] 刘洪玉,吴璟.中国城市商品住宅价格的统计方法与变化规律[J].中国市场,2012,(37):75-82.Liu H Y,Wu J.Statistics method and the change rule of China's urban commodity residential house price[J].Chinese Market,2012,(37):75-82.

[17] 刘凤.城市商品住宅价格变动的合理性研究:以杭州市区为例[D].杭州:浙江大学硕士学位论文,2012.Liu F.Study on the rationality of urban commercial housing price changes:A case study of Hangzhou[D].Master's thesis.Hangzhou:Zhejiang University,2012.

[18] 杨玲玲.商品住宅价格形成机制研究:以天津市为例[D].天津师范大学硕士学位论文,2012.Yang L L.Commodity housing price formation mechanism research:A case study of Tianjin[D].Master's thesis.Tianjin:Tianjin Normal University,2012.

[19] 胡磊,南灵.商品住宅价格变化驱动力研究[J].中国市场,2007,(40):110-111.Hu L,Nan L.The driving force research on commodity housing price change[J].Chinese Market,2007,(40):110-111.

The spatial impacts of the Shanghai Pilot Free Trade Zone on the peripheral residential housing prices

SHI Yi-Shao,FU Wei
(College of Surνeying and Geo-Informatics,Tongji Uniνersity,Shanghai 200092,China)

Abstract:The Shanghai Free Trade Zone (FTZ) has been highlighted as a significant measure by the new council of the central government,marking an era of reform and opening up.In this article,the authors conduct an empirical analysis of the temporal and spatial effects of the Shanghai Free Trade Zone on the residential housing prices,using the Hedonic price model and the multiple regression analysis method.The results are as follows:(1) There is a remarkable spatial disparity in the influence of the Shanghai Free Trade Zone on the price of the surrounding housing.The maximum impact range of the Shanghai Pudong Airport,within the bonded logistics park,on the price of the surrounding property is 13.08 km，while that of the Waigaoqiao FTZ and the Yangshan Bonded Port area are 2.59 km and 4.14 km,respectively.(2) The six housing characteristics,including the age of the house,the degree of upkeep,the condition of the living areas and the bathrooms,and the distance of the residential area from the Shanghai Free Trade Zone,are the main factors affecting the housing prices.

Key words:Shanghai Pilot Free Trade Zone;housing characteristics;Hedonic price model;multiple regression analysis;spatial effects

基金项目:上海市规划和国土资源管理局科研项目

作者简介:石忆邵(1963-),男,博士,教授,博士生导师,主要从事城市与区域经济及土地资源管理等研究.

修订日期:2015-12-28

收稿日期:2015-12-06

doi:10.3969/j.issn.2095-1329.2016.01.008

中图分类号：F293.3

文献标志码：A

文章编号：2095-1329(2016)01-0033-06

电子邮箱:shiyishao@tongji.edu.cn

联系电话:021-65981085