国内城市房价时空分异及其动力机制研究进展

郭慧秀 ， 拓星星 ， 贾 菲 ， 汪建敏,2

(1.宁夏大学 资源环境学院，银川 750021； 2.宁夏国际语言学校，银川 750100)

国内城市房价时空分异及其动力机制研究进展

郭慧秀1， 拓星星1， 贾 菲1， 汪建敏1,2

(1.宁夏大学 资源环境学院，银川 750021； 2.宁夏国际语言学校，银川 750100)

城市房价的时空分异与演化会受到很多因素的影响，且这些因素并不是单独存在而是组成一个复杂的系统共同影响着城市房价在时空上的演化与分异。从房价时空演化与分异的影响因素、动力机制、研究方法等方面入手，分析了中国城市房价时空分异与演化的研究进展，指出了中国城市房价时空分异与演化研究方面取得的成果与存在的不足，并展望该领域未来的发展方向和需要重点加强的地方。

城市房价；时空分异；动力机制；影响因素；研究进展

改革开放以来，中国的城镇化快速发展，城镇化率由1978年的17.9%增至2015年的56.1%，城市人口也由1.72亿增加到7.71亿，城镇化的快速发展促使了城市房价的高速增长。据统计，1987—2012年国内商品房平均销售价格累计净增了13.19倍，年均增幅55%[1]。高利润的房地产业吸引了大量的投资者，促使中国的房地产发展异常迅速，房地产业甚至成为一些城市主要的财政收入来源，对城市经济的发展产生了重大的影响。因此，城市房价成为国内相关学者研究的热点。中国的城镇化发展起步较晚、城镇化水平较低。因此，国内学者对城市房价的研究也比较晚。中国对城市地价的研究始于20世纪80年代，当时并没有形成系统的研究体系，只关注城市地价的空间分布和时间变化的静态分布，而缺乏对其动态演变过程和机制的研究。1997年王茂春[2]在对城市地价空间分布与变化规律分析的基础上，利用地价陡坡与地价平台等理论，研究了城市地价在时间序列上的演化规律及其驱动因子，构建了城市地价四维空间理论的框架，成为国内首位对城市地价空间动态分布研究的学者。之后，对城市房价时空研究的理论、方法逐渐趋于成熟。

1 城市房价时空分异的影响因素

1.1 经济发展水平与房价

经济发展水平决定市场需求，市场需求又决定了商品的价格。一般而言，经济发展水平越高的地区人口集聚越密集，人均收入水平也相对较高。因此，对商品的市场需求就比较旺盛，进而促进商品价格的上升。

乔林等[3]在研究国内不同发展层次城市房价的影响因素时发现，在“北上广深”一线城市中，收入水平对房价的影响最大，达到43.16%，汇率变量的影响次之，达到19.35%。而在二、三线城市，收入水平对房价的影响作用下降，人口和住宅结构对房价的影响则比较显著。党云晓等[4]在研究北京市居民住房消费行为时发现，在制度转型和职住空间重构背景下，高收入家庭为减少通勤时间愿意支付的住房成本高于中等收入家庭，这就意味着他们更愿意选择离市区比较近的住宅以减少通勤时间，如此就会提升市中心的房价;中等收入家庭看重住房成本，择居受到通勤成本的影响较小，所以他们更多地选择郊区的住房。鉴于此规律，房地产商在住房建设中对市中心的定位较高以适应高收入者的需求，郊区的定位就相对较低以适应中等收入和低收入者的需求，从而导致了城市房价的空间分异。

1.2 区位因素与房价

决定地块优劣的因素第一是区位,第二是区位,第三还是区位[5]。区位因素是影响城市房价高低的重要原因之一，区位优势越明显，房价一般会越高。从全国范围看，沿海发达城市的房价一般要比内陆落后城市的房价高；从城市内部来说，市中心的房价一般要比郊区的房价高(针对城镇化初期)。区位因素同样也是影响房价时空变化的重要原因。一个城市或区域的区位优越性是相对的，会随着经济的发展、交通、政策、环境等的变化而变化，随之土地价格就会发生变化，进而导致房价发生变化。兰宜生等[6]通过对上海、郑州、西安3个城市土地出让金与级差地租和房价与地价之间关系的研究发现，只要房地产市场预期向好，地价和房价就会相互推动轮番上涨，并且东部上海的房价和地价要远远大于中西部的郑州和西安。2000—2010年地价和房价的增幅由高到低同样也依次是上海、郑州、西安，东西部之间的地价差异越来越大。王霞等[7]对北京市房价空间分布规律的研究表明，北京市的房价有由内环向外环逐渐降低的规律，房价的峰值出现在市中心并向郊区呈现不断降低的趋势。李雪铭等[8]对大连商品房住宅价格影响因素的分析也得出了相同的结论。杜德斌等[9]在对上海市地价空间分布的区位因子分析中发现，主要交通干道、市中心是影响上海市地价空间差异的主要区位因子，表明上海市的地价在空间分布上具有很强的向心性。王琳[10]、谷一桢等[11]发现，交通沿线附近或交通便利区域的房价比交通辐射区外的房价要高，尤其是在交通水平比较低的郊区更为明显。

1.3 地价与房价的关系

地价理论有杜能的农业区位论、韦伯的工业区位论、克里斯泰勒的中心地理论等传统的区位理论及城市地价结构理论，而住宅价格空间分异的理论有李嘉图租金模型、规模形态价格模型和城市空间增长价格模型等[12]。地价理论与房价理论解释了城市地价与房价增长的动力机制、二者的相互关系、住宅的区位选择、住宅的供需关系等，为城市经济尤其是房地产业的发展提供了理论基础。相关学者一致认为地价与房价存在着一种相互影响的关系，土地是房地产开发的基本要素，是影响房价的重要因素，土地价格越高，房地产开发的成本就越高，相应的房价也越高；反过来，房价上涨又会抬升土地的价格，二者相互影响并呈正相关关系[13-15]。

1.4 人口与房价

1.4.1 人口规模与房价。需求关系与价格相互影响，需求越大，价格就会被抬升，反之则会降低。随着中国城镇化的不断发展，大量农民涌入城市，对住宅的需求大幅增加，不仅刺激了中国房地产的发展，同时也抬升了城市的房价，这在北上广等一线城市更为显著。城镇化的快速发展会导致房价的迅速上升，城镇化水平对房价具有正向的积极作用[16]。

1.4.2 人口结构与房价。在对人口结构与房价影响的研究中，不同的学者有不同的观点。例如陈进国等[17]通过对中国1999—2011年的省级数据进行动态面板GMM估计时发现，少儿抚养比的下降和老年抚养比的上升是推动中国房价持续上涨的人口结构因素。然而，徐建炜等[18]却认为中国少年人口抚养比的提高促进了城市房价的上涨，而老年抚养比的增加对城市房价的影响则恰好相反。本研究认为，少儿抚养比较高的前期，对住房需求低，所以对房价的影响较小，但当这部分少儿成人进入社会之后，就会对住房形成巨大的刚性需求，势必会推动房价的上涨；老年人对房子的需求相对较小，对房价的影响也比较小，所以，老年抚养比对房价的影响没有少儿抚养比对房价的影响大。

1.5 影响房价的其他因素

影响房价高低的因素是一个多样的、复杂的、动态的系统，不可能只受到单一因素的影响，也不可能是固定不变的，主导影响因子可能会随着经济发展、交通的发展、环境质量的变化、治安管理或国家政策的变化而变化，相关学者也从其他方面研究了城市房价的影响因素。范红忠等[19]、马莉莉等[20]实证研究发现，城市规模越大，房价就越高，尤其是城市经济规模对房价的影响尤为显著。因此，控制城市规模的不断扩大是控制房价的一个有效手段。石忆邵等[21]发现上海南站对住宅价格的影响具有显著的时空效应，从时间上表现在上海南站规划公布之前到规划公布至正式动工之前、建设期间和建成之后对周边房价的影响各不相同，由最初的低房价到影响不显著，再到价涨量增的局面，最后对周边地区的房价产生凸显的作用；从空间上来看，上海南站建成后对周边房价的增值作用平均范围可达1.85 km，有些甚至达到2.20 km。尹海伟等[22]通过上海城市绿地对房价影响的定量分析发现，城市绿地面积、绿地集聚度与房价有显著的正相关关系，与二者之间的距离呈负相关关系，绿地面积越大、集聚度越好的地段房价越高，离城市绿地越远，房价越低。冯皓等[23]对上海市52个区域内房价与学校分布情况的对比研究表明，重点中学的数量在1 km2的范围每增加1所,片区内房价平均上升19.2%，且学校学生平均成绩越高，对房价的推动越强；教育资源对房价也会产生非常大的影响。陈湘等[24]则将城市的高房价归咎于地方政府不合理的管理和对政绩的追逐。刘嘉毅等[25]指出，产业结构对房价具有显著的正向影响，产业结构高级化可以推动房价的上涨，这种作用在经济发达区更为显著。刘晓君等[26]认为，城市一体化的发展会对城市住宅价格产生一定的拉动作用，尤其是对等级较低的城市这种拉动作用更为明显。

2 城市房价时空分异与演化的动力机制

2.1 时间序列上分异与演化的动力机制

2.1.1 供需关系的变化是导致房价分异与演化的根本原因。市场需求是房地产发展的根本动因，决定着住宅的数量、结构、价格、发展方向等，受区域经济发展水平、家庭收入水平(支付能力)、市场预期心理、人口数量等的影响[27]；同样地，市场供给对住宅价格也具有重要的影响,尤其是土地出让价格不断升高、房产税等导致房地产开发商的成本增加，进而抬升房价[15]。随着经济的繁荣、居民收入水平的提高、人口特别是城市人口的增加，人们的购房能力不断提高，刚性需求逐渐增多，再加上一些开发商的投机行为，人为控制住宅的供应数量，导致中国城市房价持续上涨[28]。

2.1.2 国家政策是推动房价演变的重要因素。1979年，《中华人民共和国中外合资经营企业法》的颁布实施标志着中国土地制度的首次突破。1988年，《中华人民共和国宪法》规定土地使用权可以依法转让，标志着土地生产要素流通的合法化，突破了房地产业走向市场的土地瓶颈，为房地产业发展奠定了基础。1998年7月，福利分房的终结使房地产业进入高速发展期，城市房价开始持续上涨[29]。2002年，土地出让“招拍挂”制度的确立助推了地价[30]。之后，由于国内土地市场的不规范，商品房价格飞涨，超出了普通民众的购买能力。因此，从2003年开始，国家加强了对土地流转和商品房市场的调控力度，集中整顿土地市场。2005年，“新国八条”出台，旨在稳定房价。2006年之后，国家开始大规模的宏观调控，全面抑制房地产泡沫。2008年金融危机对国内房地产业产生了严重的打击，央行数次调整存贷利率以稳定中国房产金融体系[31]。2010年之后，全国大部分城市出台“限购令”政策，防止因投机而造成房价上涨。2013年国家又提出对二手房交易征收20%的税，也是为了防止房地产的投机行为,对房价上涨具有一定的抑制作用[32]。2014年，央行出台“央五条”，重点鼓励释放刚需，支持首套房贷，且受高库存压力影响，各地全面放开限购政策，刺激购房消费。2015年，面对新常态下中国经济下行的压力，房地产市场受到严重影响，国家相关部门、地方政府先后出台了松绑限购政策、个人转让2年以上住房免税、降低二套房首付比例、下调存款准备金率等一系列救市政策，以稳定房地产市场。

2.2 空间上分异与演化的动力机制

2.2.1 城市地价梯度是造成房价空间分异与演化的直接原因。在单中心城市，竞价租金(土地价格)的高低由交通成本决定，离市中心越近意味着通勤时间越短，但付出的代价就是高租金成本(高地价)。一般而言，土地价格随着远离市中心而呈下降的趋势(图1)[33]，以土地为基础的房价也有同样的分布规律，这与国内相关学者所得出的结论具有一致性[34-36]。但是，随着城镇化的不断发展，市中心环境质量开始下降、交通堵塞、基础设施陈旧，城市病日益凸显，而郊区的交通等基础设施则不断地改善，加上人们对优美环境的追求，在郊区交通便利的地区地价开始上升，形成次一级的高地价中心，在该区域的房价也就相对比较高(图2)[37]，这一般也是高级住宅(别墅)选址的最佳地段。

图1 竞价租金和单中心城市土地利用Fig.1 Biding rent and land utilization of single center city

图2 交通等影响下的城市地价分布Fig.2 Urban land price distribution under the influence of transportation

2.2.2 溢出效应是影响房价空间分异与演化的基础因素。地理学第一定律认为，任何事物都是相互关联的，距离越近关联程度就越大，反之则越小[38]。房价的溢出效应是城市房价空间分异与演化的源动力[39]。一个城市房价的变化必然会影响到邻域城市的房价，尤其是区域中心城市房价的变化对周边小城市房价的影响更为显著。兰峰等[40]在关中城市群商品住宅价格波动的时空关系研究中发现，西安市作为关中地区的核心城市，当其住宅价格发生波动时会对周边城市的住宅价格产生显著的影响，而周边城市住宅价格的波动对西安市也存在反馈作用，并且这种作用随地理距离的增加而逐渐减弱，李智等[41]、刘金娥[42]也得出同样的结论。任超群等[43]认为，土地出让价格也是引起新建商品住宅价格波动的主要因素之一，负向信号导致区域新建商品住宅价格下跌，而正向信号则会引起商品住宅价格的上涨。

2.2.3 其他因素对房价空间分异的影响。一些外部因素也会对房价的空间分异与演化产生一定的影响，比如政府力量[44]、城市规划[45-46]、居民收入差距[19]、地理环境[47-48]等，这些因素通过交互相容之后共同作用于城市房价，导致房价在不同区域的差异与同一区域的演化。

3 研究方法的发展与革新

近年来，随着计算机技术的发展及数学与计量方法的引入，地理学在研究区域事物的时空分异与演化规律的能力不断提升、精确度逐步提高，研究方法逐步由定性描述向定性与定量相结合的方向发展，这就使得地理学在学术研究中更科学、更严谨。

3.1 地统计学在城市房价研究中的应用

地统计学以具有空间分布特点的区域化变量理论为基础，研究地理现象的空间变异与空间结构[49]，是目前研究城市房价时空分异与演化规律最常用的方法。运用地统计学分析房价规律的关键在于对房价空间结构的分析和半方差函数模型的建立,并在此基础上对房价进行空间局部估计,绘制房价等值线图，同时结合GIS制图技术以准确地表征房价的空间分异特征和规律。

Kriging空间插值是地统计学中最典型的一种方法，在研究房价时空分异与演化规律中应用最多。周敏等[50]以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计，研究了南京市商品住宅价格的空间分布特征；张绍伙等[51]将Kriging法与GIS技术相结合，研究了贵阳市城区普通商品住宅价格的空间分布规律；梅志雄等[52]将Kriging法与ESDA理论相结合，估计和模拟了东莞房价空间分布特征，并分析了东莞房价空间自相关性和变异性，总结了东莞房价空间分异的规律。此外，回归分析模型也是一种常用于分析研究城市房价的地统计学方法,能够很好地解释多因素对商品住宅价格的影响。宋佳楠等[53]通过建立多层线性模型定量分析了不同行政层次下各影响因子对城市土地价格和地价增长率的影响程度；Y.Zhang等[54]利用非线性自回归滑动平均模型研究了中国1999—2010年房价的影响因素。

3.2 GIS技术在城市房价研究中的应用

GIS技术是应用广泛的一种空间分析方法，主要是分析和处理地理区域内分布的各种现象和过程，解决复杂的规划、决策和管理问题[55]。GIS技术可以直观地展示城市房价空间分异的特征，还能很好地反映在时间序列上的演化规律，是研究城市房价时空分异与演化的有效方法之一。蒋芳等[56]利用GIS技术制作了北京市普通住宅出让地价的系列空间分布图,并揭示了北京住宅地价空间分布的规律及成因；庞瑞秋等[57]以GIS为平台研究了长春市1991—2011年新建住宅的分布格局特征。然而，学界更多地是将GIS技术与其他方法相结合来进行相关的研究。吴宇哲[58]以GIS为研究平台，结合数据可视化分析、特征价格模型、地统计学模型等方法，探讨了城市住宅价格的时间演变和空间分布特征，并将空间与时间2个层面相整合，总结出了城市住宅价格的时空演变规律；吴文佳等[59]则将GIS与特征价格模型相结合，探讨了景观因素对住宅价格空间分异格局的影响；李佳等[60]利用GIS技术对西安市2011年开盘在售普通住宅进行统计与分析，总结了其空间分布的基本格局，并分析了西安市各区域的区域价值及其影响因素。

3.3 地理加权回归在城市房价研究中的应用

地理加权回归模型(GWR)由A.S.Fotheringham等[61]提出，旨在将数据的空间特性纳入到回归模型中进行分析。目前，GWR模型已被广泛引入到地价和住宅价格研究。罗罡辉[62]从理论和实践上证实了GWR模型在解决地价空间不平稳的适用性和优势；汤庆园等[63]将GWR模型与OLS模型进行比较，证明了GWR模型在研究城市房价和空间影响因子之间复杂关系的优越性；曹天邦等[64]利用GWR模型对南京市2003，2009年住宅地价的空间分异进行了对比，探讨了城市内部不同影响因素对住宅地价影响的空间分异及其随时间变化的特征，揭示了住宅地价及其影响因素的空间变化关系；张静等[65]研究了江苏省1997，2005，2008年的城市住宅地价影响因素的空间变异特征，揭示了各影响因子对住宅地价的影响程度和地区差异。然而，住宅价格模型虽已考虑到住宅价格在空间邻域的相关性和非平稳性,成功地抓住了空间变化，但还缺乏对时间因素非平稳性影响的分析，忽略了时间效应[66]。所以，B.Huang等[67]通过对传统GWR模型的改进，提出了时空地理加权统计回归分析模型(GTWR)，成功地解决了城市住宅价格建模中的时空非平稳性即差异性问题。

3.4 其他方法在城市房价研究中的应用

随着现代数据获取方法和手段的不断革新，城市房价的时空分异与演化的研究方法技术也在不断地改进和发展，技术越来越趋于成熟化。郑新奇等[68]通过建立数字地价模型，从空间维和时间维分析解释地价时空变化的规律；张丽芳等[69]利用Kriging空间插值法模拟了地价的空间布局，揭示了地价的空间结构特征，并在此基础上建立了Hedonic特征价格模型，分析全部用途的地价影响因素；任辉等[70]运用GIS探索性空间数据分析(ESDA)技术研究南京市2000—2009年住宅用地出让地价的空间特征，生成数字地价模型，分析住宅地价空间分布规律，并利用空间分析技术从微观区位层次研究地价的时空分异；梅志雄等[71]利用Kriging方法对东莞房价空间分布进行了估计和模拟，然后运用ESDA的理论与方法分析东莞房价空间自相关性和变异性，得出了东莞市住宅价格的空间结构特点和分异规律；罗平等[72]通过构建城市住宅价格系统地理学仿真模型，结合兰州市房产市场的实证研究，认为城市住宅价格系统动力学模型在房地产市场趋势仿真模拟、房地产政策研究与决策分析和城市住宅市场系统内在机制研究方面有较大的推广和应用价值；金贵等[73]则将引力模型与回归分析的方法相结合研究了武汉城市群地价的空间结构特征。

4 结论与展望

4.1 结论

(1)房价影响因素的分析不断全面化。国内学者从交通、地价、经济发展水平、人口规模等多个不同的角度分析了它们之间的相关性，有些是从单一因素的角度来分析对房价的影响，而大部分学者是从多个因素来研究，对房价影响因素的总结已经相对比较全面。

(2)研究方法不断多样化和科学化。国内学者在对国外学者相关领域的学习和借鉴的基础上不断发展和创新，逐步形成地理信息系统、探索性数据空间分析、地理加权回归、地统计学数字可视化、特征价格模型和Kriging空间插值等一系列研究方法和技术，城市房价的研究方法不断趋于成熟，尤其是将2种甚至多种方法结合起来比较应用，研究结果更加科学和严谨。

(3)研究理论基础单薄。多数学者更注重对个案的实证性研究，而对全国甚至全球房价时空分异及其动力机制的综合研究较少，很少通过实证研究将其上升到理论层面，缺乏系统的概括和总结，在对城市(房价)经济的研究中没有一个“最高领袖”，尚没有形成具有普遍适用于研究城市房价的系统性理论。

(4)多因素综合动态分析。已有研究成果表明，城市房价的时空分异及其动力机制并不是单一因素的影响，而是多个要素共同作用的结果，在这些诸多因素中，必有1个或2个因素起着主导性的作用，而主导因素也不是一成不变的，会随着外界环境的改变而发生变化。因此，在对城市房价时空分异的研究中，仅抓住单个要素静态分析远远不够，而要将多个要素综合起来进行动态分析，并通过量化确定各要素对房价时空分异的贡献度，使研究更加严谨和科学。

4.2 展望

(1)对城市房价的研究将越来越重视。房价一直是各级政府最为关心的问题之一，因为它不仅关系到政府的财政收入，更是直接关乎到普通百姓的日常生活和社会的稳定，对国家经济和社会发展产生重要的影响。尤其是近几年国内房地产业发展极不稳定，泡沫经济严重，有些地方甚至出现了“鬼城”，这些问题亟待相关学者进行深入研究，以更好地服务国家经济的建设。

(2)新方法和新技术手段的综合应用将更加广泛。随着信息技术、GIS、地统计学、探索性空间数据分析等方法和技术的不断成熟，对城市房价研究的方法和技术手段将更加多样化和科学化，尤其是多种方法交叉综合的应用更加广泛。随着多学科的交叉融合与研究视角的不断拓展，经济学、社会学、地图学等领域的研究模型和方法逐渐应用到房价的研究中，这成为将来研究城市房价时空分异及动力机制的重要途径和手段。

(3)研究的实践应用性将不断增强。理论研究的最终目的是应用于实践，指导经济建设和社会发展。目前，各级地方政府对地理学界的认可程度越来越高，各类高校、科研院所等的理论研究与政府工作的联系越来越频繁，学术成果被政府采纳应用的频次也不断提高。理论研究与实践应用不断交融，该领域的理论研究将有更大的用武之地，指导城市经济的健康发展。

[1] 国家统计局.1987年以来的国内商品房平均价格及上涨情况概览[EB/OL].(2013-02-26)[2014-10-26〗.http://chinaicn.com.cn/index.php/page-79-1573.html.

[2] 王茂春.论城市地价空间演化规律及其动因[J].热带地理,1997,17(4):347-353.

[3] 乔林,孔淑红.我国不同发展层次城市房价影响因素的差异分析及对策研究[J].特区经济,2012(5):210-212.

[4] 党云晓,张文忠,武文杰.北京城市居民住房消费行为的空间差异及其影响因素[J].地理科学进展,2011,30(10):1203-1209.

[5] Northam R M.Urban Geography[M].New York:John Wiley & Sons,1975:226.

[6] 兰宜生,郭利平.我国东中西部大城市土地出让金体现的级差地租问题研究——以上海、郑州、西安为例[J].中国经济问题,2012(1):59-64.

[7] 王霞,朱道林.地统计学在都市房价空间分布规律研究中的应用——以北京市为例[J].中国软科学,2004(8):152-155.

[8] 李雪铭,张馨,张春花,等.大连商品住宅价格空间分异规律研究[J].地域研究与开发,2004,23(6):35-39.

[9] 杜德斌,徐建刚.影响上海市地价空间分布的区位因子分析[J].地理学报,1997,52(5):21-29.

[10] 王琳.城市轨道交通对住宅价格的影响研究——基于特征价格模型的定量分析[J].地域研究与开发,2009,28(2):57-70.

[11] 谷一桢,郑思齐.轨道交通对住宅价格和土地开发强度的影响——以北京市13号线为例[J].地理学报,2010,65(2):213-223.

[12] 赵自胜.城市商品住宅价格空间分异研究[D].开封:河南大学,2010.

[13] 余华义,陈东.中国地价、利率与房价的关联性研究[J].经济评论,2009(4):41-49.

[14] 刘琳,刘洪玉.地价与房价关系的经济学分析[J].数量经济技术经济研究,2003(7):27-30.

[15] 黄振宇.我国住宅市场供给对住宅价格影响的实证分析——基于1998—2007年我国房地产市场数据[J].宏观经济研究,2011(3):21-31.

[16] 任木荣,刘波.房价与城市化的关系——基于省际面板数据的实证分析[J].南方经济,2009(2):41-49.

[17] 陈进国,李威,周杰,等.人口结构与房价关系研究——基于代际交叠模型和我国省际面板的分析[J].经济学家,2013,10(2):40-47.

[18] 徐建炜,徐奇渊,何帆,等.房价上涨背后的人口结构因素:国际经验与中国证据[J].世界经济,2012(1):21-42.

[19] 范红忠,张婷,李名良.城市规模、房价与居民收入差距[J].当代财经,2013(12):5-12.

[20] 马莉莉,张洪.我国城市规模与房价相关关系的实证研究[J].云南财贸学院学报：社会科学版,2008,23(6):97-99.

[21] 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.

[22] 尹海伟,徐建刚,孔繁花.上海城市绿地宜人性对房价的影响[J].生态学报,2009,29(8):4492-4500.

[23] 冯皓,陆铭.通过买房而择校:教育影响房价的经验证据与政策含义[J].世界经济,2010(12):89-104.

[24] 陈湘,陈文君,冷崇总.高房价的地方政府之责及其治理[J].价格月刊,2010(4):3-10.

[25] 刘嘉毅,陶婷芳,夏鑫.产业结构变迁与住宅价格关系实证研究——来自中国内地的经验分析[J].财经研究,2014,40(3):73-84.

[26] 刘晓君,丁超,卢晨,等.郑汴一体化对开封市住宅价格的影响研究[J].地域研究与开发,2011,30(3):52-55.

[27] 崔新明.城市住宅价格的动力因素及其实证研究[D].杭州:浙江大学,2003.

[28] 况伟大.预期、投机与中国城市房价波动[J].经济研究,2010(9):67-78.

[29] Chen J H,Guo F,Wu Y.One Decade of Urban Housing Reform in China:Urban Housing Price Dynamics and the Role of Migration and Urbanization,1995—2005[J].Habitat International,2011,35(1):1-8.

[30] 叶剑平,廖年生.和谐发展房地产市场的调控要点[J].中共中央党校学报,2007,11(5):73-77.

[31] 阮连法,包洪洁,温海珍.重大事件对城市住宅价格的影响——来自杭州市的证据[J].中国土地科学,2012,26(12):41-47.

[32] 杜雪君.房地产税对房价的影响机理与实证分析[D].杭州:浙江大学,2009.

[33] 奥沙利文.城市经济学[M].周京奎，译.北京:北京大学出版社,2008:148.

[34] 常疆,廖秋芳,王良健.长沙市区地价的空间分布特征及其影响因素[J].地理研究,2011,30(10):1901-1909.

[35] 杜小娅,陆跃进.南京市区地价空间分布及其影响因素分析[J].国土资源遥感,2004(2):51-55.

[36] 石忆邵,李木秀.上海市住房价格梯度及其影响因素分析[J].地理学报,2006,61(6):604-612.

[37] 李小建,李国平,曾刚,等.经济地理学[M].北京:高等教育出版社,2010.

[38] Westlund H.A Brief History of Time,Space,and Growth:Waldo Tobler’s First Law of Geography Revisited[J].The Annals of Regional Science,2013,51(3):917-924.

[39] 邹利林,杨俊,胡学东.中国城市住宅价格时空演变研究进展与展望[J].地理科学进展,2013,32(10):1479-1489.

[40] 兰峰,屠萌.关中城市群商品住宅价格波动的时空扩散机理研究[J].西安建筑科技大学学报:自然科学版,2013,45(6):907-912.

[41] 李智,郑彦璐,吴伟巍,等.城市间住宅价格波动溢出效应研究——以长三角一线和二线城市为例[J].经济问题探索,2013(11):32-38.

[42] 刘金娥.区域房地产价格的溢出效应研究[J].商业时代,2013(35):134-135.

[43] 任超群,张娟锋,贾生华.土地出让价格信号对区域新建商品住宅价格的影响[J].中国土地科学,2011,25(7):60-65.

[44] 谢地,赵欣颖.房地产业的发展与政府角色的定位[J].北华大学学报:社会科学版,2007,8(1):82-84.

[45] 胡正权.浅析城市规划与城市房价关系[J].科技创新与应用,2013(16):143.

[46] 谢晖.城市规划与房地产开发的协调机制研究[J].经济地理,2003,23(3):393-396.

[47] 刘贵文,王丽娟.城市住房价格影响因素及其空间规律研究——基于地理加权回归模型的实证分析[J].技术经济与管理研究,2013(9):81-86.

[48] 马智利,杨艳.重庆市普通住宅地价空间分布与影响因素研究[J].地域研究与开发,2009,28(5):119-123.

[49] 刘爱利,王培法,丁园圆,等.地统计学概论[M].北京:科学出版社,2012.

[50] 周敏,甄峰.基于空间分析的城市商品住宅价格空间分布研究——以南京市2007年开盘在售商品住宅为例[J].现代城市研究,2008(7):47-53.

[51] 张绍伙,彭贤伟.基于Kriging方法和GIS技术的城市房价空间分异研究——以贵阳市城区为例[J].贵州师范大学学报:自然科学版,2010,28(1):27-31.

[52] 梅志雄,黎夏.基于ESDA和Kriging方法的东莞市住宅价格空间结构[J].经济地理,2008,28(5):862-866.

[53] 宋佳楠,金晓斌,唐健,等.中国城市地价水平及变化影响因素分析[J].地理学报,2011,66(8):1045-1054.

[54] Zhang Yanbing,Hua Xiuping,Zhao Liang.Exploring Determinants of Housing Prices:A Case Study of Chinese Experience in 1999—2010[J].Economic Modelling,2012,29(6)：2349-2361.

[55] 汤国安,杨昕.ArcGIS地理信息系统空间分析实验教程[M].2版.北京:科学出版社,2012.

[56] 蒋芳,朱道林.基于GIS的地价空间分布规律研究——以北京市住宅地价为例[J].经济地理,2005,25(2):199-202.

[57] 庞瑞秋,赵梓渝,王唯,等.住房制度改革以来长春市新建住宅的空间布局研究[J].地理科学,2013,33(4):435-442.

[58] 吴宇哲.基于GIS的城市住宅价格时空演变规律探索及其应用研究[D].杭州:浙江大学,2005.

[59] 吴文佳,张晓平,李媛芳.北京市景观可达性与住宅价格空间关联[J].地理科学进展,2014,33(4):488-498.

[60] 李佳,杨新军,舒桐.住宅空间分异特征分析及区域价值研究——以西安市2011年开盘在售商品住宅为例[J].干旱区地理,2014,37(1):170-178.

[61] Fotheringham A S,Brunsdon C,Charlton M.Geographically Weighted Regression:The Analysis of Spatially Varying Relationships[M].Chichester：John Wiley & Sons,2002.

[62] 罗罡辉.基于GWR模型的城市住宅地价空间结构研究[D].杭州:浙江大学,2007.

[63] 汤庆园,徐伟,艾福利.基于地理加权回归的上海市房价空间分异及其影响因子研究[J].经济地理,2012,32(2):52-58.

[64] 曹天邦,黄克龙,李剑波,等.基于GWR的南京市住宅地价空间分异及演变[J].地理研究,2013,32(12):2324-2333.

[65] 张静,张丽芳,濮励杰,等.基于GWR模型的城市住宅地价的时空演变研究——以江苏省为例[J].地理科学,2012,32(7):828-834.

[66] 张金牡,刘彪,吴波,等.应用改进的时空地理加权模型分析城市住宅价格变化[J].东华理工大学学报：自然科学版,2010,33(1):53-59.

[67] Huang B,Wu B,Barry T.Geographically and Temporally Weighted Regression for Spatio-temporal Modeling of House Prices[J].International Journal of Geographical Information Science,2010，24(3):383-401.

[68] 郑新奇,王家耀,阎弘文,等.数字地价模型在城市地价时空分析中的应用[J].资源科学,2004,26(1):14-21.

[69] 张丽芳,濮励杰,张静,等.基于Hedonic模型的城市地价空间结构分析——以湖南省娄底市为例[J].经济地理,2009,29(9):1475-1480.

[70] 任辉,吴群.基于ESDA的城市住宅地价时空分异研究——以南京市为例[J].经济地理,2011,31(5):760-765.

[71] 梅志雄,黎夏.基于ESDA和Kriging方法的东莞市住宅价格空间结构[J].经济地理,2008,28(5):862-866.

[72] 罗平,何素芳,牛慧恩.城市住宅市场价格系统动力学模型实证研究[J].人文地理,2001,16(2):57-61.

[73] 金贵,王占岐,杨俊,等.基于引力模型与回归分析的城市群地价空间结构研究——以武汉城市圈为例[J].地域研究与开发,2013,32(6):29-32.

Research Progress of Spatial-temporal Differentiation and Dynamic Mechanism of Domestic City Housing Price

Guo Huixiu1, Ta Xingxing1, Jia Fei1, Wang Jianmin1,2

(1.School of Resource and Environment, Ningxia University, Yinchuan 750021, China; 2.Ningxia International Language School, Yinchuan 750100, China)

Spatial-temporal differentiation and evolution of city housing prices will be affected by many factors, and these factors are not separate in affecting the housing price, rather a complex system which affects the time evolution and space differentiation of city house prices jointly. By studying the influencing factors, dynamic mechanism and research methods of spatial-temporal differentiation of housing prices, this paper analyzes the spatial-temporal differentiation and evolution of domestic city housing price and on this basis, points out the achievements and the deficiencies about the existing research results, and looking forward to the future development direction and anything that needs to be strengthened in this field.

city housing prices; spatial-temporal differentiation; dynamic mechanism; influence factor; research progress

2014-11-17；

2016-02-25

宁夏大学研究生创新项目(GIP2015004)；教育部人文社会科学青年基金项目(13YJCZH059)

郭慧秀(1989-)，女，山西大同市人，硕士研究生，主要从事空间信息分析方面的研究，(E-mail)1126293799@qq.com。

拓星星(1991-)，男，陕西子长县人，硕士研究生，主要从事区域开发与规划研究，(E-mail)306702032@qq.com。

F293.3

A

1003-2363(2016)02-0058-07