龙翔云,黄 欣,黄威威,王如渊
(西华师范大学 国土资源学院,四川 南充 637009)
南充市居住性商品房价格的时空演变特征研究
龙翔云,黄 欣,黄威威,王如渊
(西华师范大学 国土资源学院,四川 南充 637009)
以丘陵地区成长型城市南充为例,以居住性商品房及价格为基础,通过ArcGIS软件分析并展现南充市居住性商品房及价格的空间分布与城市空间扩展过程的契合关系。研究表明,南充市居住性商品房及价格总体上呈现分区域空间集聚趋势,居住性商品房具有空间自相关性,且不同时期居住性商品房及价格的空间变动与城市空间扩张具有一致性,空间契合程度高。
空间自相关;居住性商品房;空间格局及演变
居住性商品房的变化与城市的成长存在内在联系,其规模变化可反映城市成长的速度,其空间分布反映城市内部功能结构的空间演变,而居住性商品房价格则是城市规模、空间分异的变化以及城市经济的综合体现。不同经济发展程度、不同地理环境、不同城市规模与空间形态的城市,其功能分异及演变都有特殊的特征与规律。因此,通过城市居住性商品房及其价格空间分布特征的分析,可以在一定程度上反映不同时期城市空间扩张过程中的功能特征。研究表明,超大城市,如北京市[1-2]、上海市[3]、广州市[4]、深圳市[5],居住性商品房价格往往存在向心化和离心化共存,以一个中心向周围辐射出多个次级集聚中心,并以各个中心向周围递减的特征[1],反映城市扩张形成多个次级中心,并以这些中心向外辐射。特大城市,如武汉市[6]、南京市[7],住宅地价的空间差异由以往的低值集聚逐步向高值集聚转变,且集聚特征逐年显化[6]。在一些大城市,Ⅰ型大城市,如杭州市[8-9]、大连市[10],各功能区不断完善设施建设,开发新区发展越趋成熟,使得住宅价格的空间差异程度逐步减小[8]。Ⅱ型大城市,如南昌市[11]、贵阳市[12],商品住宅价格受到城市中心格局影响,价格变化幅度存在区域差异。这些研究案例中商品住宅及价格的变化均体现了城市居住功能在空间上的动态变化特征。但是,从地域上看,已有研究多集中于沿海和中部经济发达地区;就研究对象而言,以超大城市和特大城市为主;研究对象所处的地理环境又以平原地区为主。对于经济欠发达地区快速成长的丘陵山区城市,居住功能与城市的空间扩展过程呈现怎样的空间相关性与契合特征,是非常值得进一步探讨的。
南充市地处四川盆地东部丘陵地区,是典型的经济欠发达地区。近年城市人口规模和经济快速增长,属于成长型Ⅱ型大城市。本文通过Moran I指数法对南充市城市空间扩展过程及居住性商品房的时空演变进行分析,可以在一定程度上展现丘陵地区成长型城市在其空间成长过程中的功能契合性演变。
1.1 数据来源
以南充市城区为研究区域,包括顺庆区、高坪区、嘉陵区三区的建成区。本文资料来源为对研究地区楼盘的实地调查。通过对南充市居住性商品房的走访调查以及对售楼部在售居住性商品房信息的调查,得到1997年至2014年南充市城区全部商品房的信息,包括购买时间、购买价格、面积、坐落、建筑类型等。
本文采用的价格数据为当期数据,原因有三:其一,国家未规定居住性商品房的不变价格;其二,当期价格与不变价格之间的换算体系不完善;其三,物价指标并不包括居住性商品房的价格。虽然当期价格作为研究数据可能不准确,但是可以反映出居住性商品房价格变化的趋势。
1.2 研究方法
通过ArcGIS将不同时期的城市空间进行矢量化,通过购买时间、购买价格、住宅面积、建筑类型等属性,利用不同形状代表不同时期的居住性商品房,展现不同时期南充市城市建成区空间扩展过程中居住性商品房的空间分布及其变化特征。数据在服从正态分布的前提下,零假设声明,研究区内数据在空间上的分布是随机的。运用ArcGIS空间分析工具计算出各年的Moran I指数[5,13-14]、z得分、p值统计量。当p值具有统计学上的显著性,且z得分为正值时,则可拒绝零假设,从而可对房价的变化趋势进行分析。运用GeoDa软件制作Moran I散点图和空间联系局部指标LISA聚类图,根据散点图四个象限的分布情况来判断居住性商品房价格的集群模式;空间联系局部指标LISA聚类图反映空间不同位置上居住性商品房价格的集聚方式。因此,可通过散点图和空间联系局部指标LISA来判断各时段居住性商品房的时空特征,从而分析在城市空间扩展过程中居住功能与空间扩展的契合关系。
2.1 居住性商品房价格的统计特征
只有呈正态分布的数据才能进行空间自相关分析。ArcGIS中,直方图可以读出数据的统计特征,可以用来检验数据分布和数据的离群值,偏度和峰度越接近0,数据越接近正态分布[16]。将南充市居住性商品房的价格数据进行统计分析,用excel绘制成直方图,用ArcGIS计算偏度和峰度,得到图1。图1中,偏度值为2.43,与标准正态分布相比,峰值偏向较小数据方。将价格原始数据经log变换再做直方图,得到图2。图2中,偏度为-0.28,比原数据更接近标准正态分布。因此,南充市居住性商品房价格的分布基本是呈正态分布,数据满足空间自相关分析的条件。
2.2 居住性商品房的时空分布
根据居住性商品房价格变化的大体趋势,将研究时期划分为五个时段:1998年以前、1999—2003年、2004—2007年、2008—2010年、2011—2014年,见图3。并以矢量化的南充市城区分区图为底图,以点代表居住性商品房,可以得到不同时期南充市居住性商品房的空间分布。
据图3可知,1998年以前,居住性商品房主要集中在顺庆区老城区的南部地区。在顺庆区,1998年以后,顺庆城区沿西河扩张,居住性商品房向西部发展并沿西河形成带状,同时逐渐向北部延伸。2002年,市政府开始在北部的清泉寺片区规划市政新区。2003年以后,居住性商品房向北部略偏东部拓展,同时反向延伸;2007年以后,沿着2003年的发展方向继续延伸,2010年起,市政府北迁,南部地区从行政与商业结合的综合性功能区域转变为单一的商业区,北部市政府新区转变为行政为主的区域,居住性商品房由南向北扩展与市政府北迁有密切关系,包括北偏西和北偏东两个方向。在嘉陵区,1998年以前几乎没有居住性商品房。1998年以后,居住性商品房主要集中在中部偏北部地区,此后,沿西河向东北部拓展,2007年后,中部开始扩展,2010年后向南部扩展。在高坪区,总的扩展形态呈向东部延伸的“T”型结构。北部地区居住性商品房从1998年开始发展,向东北方向延伸,“T” 型结构的横竖交叉点朝着一横的两端逐渐扩展,2010年后,沿着通往机场的交通线发展。从城市扩张来看,顺庆区南部为老城区,城市延西河和嘉陵江沿岸扩张,随着北部市政府新区的规划建设,城市朝着北部扩张。嘉陵区居住性商品房先是向北部扩张至西河,再向南部扩张。高坪区主要沿嘉陵江发展,随着机场的建成运营,城市开始向东部扩张。居住性商品房的拓展与城市扩张具有一致性。
2.3 居住性商品房价格的时空特征
对居住性商品房价格数据进行统计分析,得到1997年到2014年各年的居住性商品房价格统计特征,如表1所示。可以得知南充市1997—2014年的居住性商品房价格的整体变化趋势和集中、离散程度。
表1 南充市居住性商品房统计特征
由表1可知,标准差在1997—2010年逐渐增大,2011—2014年起伏变化大,表明1997—2010年,居住性商品房的价格波动的范围越来越广,价格的空间差异增大。2010年后,价格的离散程度变化较大,标准差较大时,大部分居住性商品房的价格与平均值差异较大,标准差较小时,大部分居住性商品房的价格与平均值差异较接近,标准差上下波动幅度大,说明价格变化强度较大。2003年以前,居住性商品房数量较少,城市成长速度较慢。2004年至2008年,居住性商品房数量有所增加,城市成长速度加快,2009—2010年,居住性商品房的数量明显多于其他年份,城市成长速度达到最大。
图4为南充市1997年至2014年居住性商品房的价格随时间的变化趋势。由图4可知,从1997年至2006年,除了2001年略有降价,居住性商品房的价格有所增长,但增长的速度非常缓慢。2007年至2011年,增长速度明显加快,从1 903.46元/m2增至4 118.08元/m2,其中2010年的增长速度最快。2012年至2014年,增长速度有所减缓,至2014年,已超过5 000元/m2。
表2 居住性商品房均价的全局自相关分析报表
2.4 居住性商品房价格的空间集聚特征
2.4.1 房价聚集性及关联性
采用ArcGIS的空间统计工具对1997—2014年居住性商品房价格进行计算,考察全局空间自相关性,指标包括Moran I指数、预期指数、z得分以及p值,如表2所示。表2表明,除1998年和2012年,Moran I指数全为正值,各年份房价均呈现出较强的空间自相关性。说明房价数据集中的值在空间上倾向于发生聚类,即某房价高的小区,周围的小区房价也较高,房价低的小区,其周围的小区房价也较低。不同时段,空间相关性不同,相关性越高,其价格受周围小区房价的影响越大。从全局Moran I指数看,2001—2003年的Moran I指数值明显高于其他年份,可见2001—2003年的房价受邻近居住性商品房的影响较大。将1998—2014年所有的居住性商品房价格做总的空间自相关分析,见图5。由图5可知,p值小于0.05,具有统计学意义上的显著性;z得分为正值,可拒绝原假设,居住性商品房价格的分布在空间上不是随机的结果;Moran I指数为正,表明居住性商品房价格在空间上是正的自相关,呈空间聚集模式,房价与周围房价呈正相关。
2.4.2 居住性商品房的集聚区域与空间相关性
全局自相关分析描述的是总体变化趋势,局部自相关则表达居住性商品房邻近价格的相互趋同倾向。本文采用Moran’s I散点图和空间联系局部指标LISA来判断各时段居住性商品房空间分布特征。图6是1997—2014年居住性商品房价格的Moran’s I散点图。不同空间位置房价的集聚方式不同,通过空间联系局部指标LISA图表现,见图7。
结合图6和图7,第一象限为High-High类型,主要集中在顺庆区的南部靠近西河的区域和北部区域、嘉陵区的中部区域、高坪区中偏北部。2010年后的居住性商品房多为High-High类型。这一类型的居住性商品房,房价高的小区周围聚集着其他房价高的小区,价格的空间差异程度较小,存在较强的空间正相关;第二象限为Low-High类型,此类型的居住性商品房较少,主要集中在嘉陵区中部地区以及高坪区南部地区,房价低的小区附近围绕着房价高的小区,空间差异程度较大,存在较强的空间负相关;第三象限为Low-Low类型,此类型的居住性商品房主要集中在顺庆区西南部西河沿岸、嘉陵区的北部、高坪区的中部,房价低的小区周围聚集着其他房价低的小区,空间差异程度较小,存在较强的正相关;第四象限为High-Low类型,此类型的居住性商品房较少,主要集中在顺庆区南部地区,房价高的小区附近围绕着房价低的小区,空间差异程度较大,异质性突出。图6中第一象限和第三象限的点相对较多,即High-High和Low-Low类型的居住性商品房较多,表现为正相关,这与全局空间分布趋势是一致的。
从局部来看,局部地区居住性商品房价格表现为正相关,这些区域主要集中在顺庆区的南部靠近西河的区域和北部区域、嘉陵区的中部区域、高坪区中偏北部、顺庆区的西南部西河沿岸、嘉陵区的北部、高坪区的中部。这些区域正是城市在近十多年来快速成长过程中的空间扩展区域。这表明城市空间扩展过程中,居住功能是主要功能因素。从整体而言,通过商品住宅及其价格在空间的自相关性和集聚性分析,居住性商品房价格存在较强的空间自相关性,房价在空间上倾向于发生聚类,表明南充市居住性商品房价格呈现区域分异,从而表明城市居住功能在空间发生了分异。同时,整体的自相关与局部自相关具有一致性。以上结果表明南充市居住性商品房及其价格与南充市城市扩张和功能变化具有一致性,具有较高的契合性。
但是,居住功能在城市空间扩展过程中产生的地域分异,又体现了什么样的特征?有哪些驱动因素导致这种分异的产生?还需要进一步的研究。
[1] 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.
[2] 任春辉.北京市住宅价格空间分布的影响因素及其社会特征分析[D].北京:北京师范大学,2004.
[3] 曹 俊,张志丹.近年来上海房价的时空分布及变化研究[J].世界科技研究与发展,2008,30(2):185-187.
[4] 阎小培,周春山,邓世文,等.广州市及周边地区商品房的开发与分布[J].地理学报,2001,56(5):569-579.
[5] 蒋健君,花向红,邱卫宁,等.基于ArcGIS的房地产价格空间分布研究[J].测绘地理信息,2014,39(3):27-30.
[6] 邹利林.城市住宅地价时空演变及影响因素研究——以武汉市为例[D].武汉:中国地质大学.2013.
[7] 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,2008,07:47-53.
[8] 郑 颖.城市地价与房价的时空演化研究[D].杭州:浙江工业大学,2009.
[9] 顾 杰.城市增长与城市土地、住房价格空间结构演变[D].杭州:浙江大学,2006.
[10] 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.
[11] 陈笑双.基于GIS的商品住宅价格空间分布研究——以南昌市为例[D].南昌:江西财经大学,2013.
[12] 邓玲玲,张 顺.贵阳市两城区普通商品房价格空间分布特征[J].城市建设理论研究,2012,27:1-5.
[13] 郭贵海.城市住宅价格演变规律空间影响因子相关性研究[D].北京:中国矿业大学,2012.
[14] 蒲英霞.基于ESDA的区域经济空间差异分析——以江苏省为例[J].地理研究,2005,24(6):965-974.
[15] 祝昊冉,冯 健.经济欠发达地区中心城市空间拓展分析——以南充市为例[J].地理研究,2010,29(1):43-56.
[16] 蔡忠建.对描述性统计量的偏度和峰度应用的研究[J].北京体育大学学报,2009,32(3):75-76.
The Study of the Characteristics of Commercial Apartment Prices’ Development in Time and Space in Nanchong
LONG Xiangyun,HUANG Xin,HUANG Weiwei,WANG Ruyuan
(College of Land and Resources,China West Normal University,Nanchong Sichuan 637009,China)
Based on the data of residential commercial apartment in Nanchong city,this paper analyses the spatial characteristics of residential commercial apartments by ArcGIS.The research shows that the price of residential commercial apartments in Nanchong city presents a trend of agglomeration on the whole,and the price is provided with spatial autocorrelation.At the same time,the spatial differentia of the price is in line with the city’s spatial expansion.
spatial autocorrelation;residential commercial apartment;spatial pattern and evolution
1673-5072(2016)04-0461-06
2016-03-22
西华师范大学创新团队(CXTD2014-8)
龙翔云(1990—),女,四川泸州人,硕士研究生,主要从事区域经济学、城市与区域发展研究。
王如渊(1967—),男,四川青川人,教授,主要从事城市与区域发展研究。E-mail:qcqcwry@163.com
F293.3
A
10.16246/j.issn.1673-5072.2016.04.018