赣州市中心城区商品住宅价格区位影响因素分析

操 海 璐

(江西理工大学建筑与测绘学院，江西 赣州 341000)



·房地产开发·

赣州市中心城区商品住宅价格区位影响因素分析

操 海 璐

(江西理工大学建筑与测绘学院，江西 赣州 341000)

遴选了赣州市中心城区商品住宅价格空间分布的影响因素，调查了48个在售楼盘的均价，在GIS平台量测区位影响因素的空间数据，导入空间残差回归模型，得出了赣州市中心城区商品住宅价格的主要区位影响因素。

楼盘，商品住宅价格，空间分布，区位因素

1 赣州市中心城区商品住宅价格空间分布的影响因素

房地产价格水平的高低是受房地产外部因素和房地产自身因素综合影响的结果。对于特定城市的内部各板块或板块内部的不同位置的房地产价格差异，房地产的外部因素几乎相同，对于分析房地产价格的空间结构差异，应当排除其实物因素和权益因素，影响商品住宅价格空间变化的主要因素就是区位因素。区位是指某宗房地产与其他房地产或事物在空间方位上的关系。可以理解为土地或房地产所处位置在一个国家、某个城市空间的经济地位。房地产的区位因素是一个综合因素，既有天然条件也有人工影响。参照GB/T 50291—2015房地产估价规范，可以将房地产的区位因素分解为：1)位置。包括房地产所处的空间方位、距离市中心或重要设施、重要景观的远近。2)交通。交通的通达程度和交通的便捷度直接影响房地产的价格。3)环境和景观。对于商品住宅来说，其房地产周围的自然环境、人文环境对房地产价格的影响比较明显。主要包括大气环境、视觉环境、声觉环境、水文环境、卫生环境、人文环境。4)配套设施。商品住宅的外部配套设施直接影响其价格的高低，主要包括城市基础设施和公共服务设施，如各种水、电、天然气、通讯、供暖等管线是否到位，中小学、医院、购物中心、文娱设施等的配套是否完善。

为探究赣州市中心城区商品住宅价格的空间分布原因，将上述四个区位因素分解为GIS方法可以量算的“距离”，最终确定影响赣州市中心城区商品住宅价格的区位影响指标：1)与CBD的距离(单位：m)。研究者一般将中央商务区高度指标(CBHI)>1，中央商务区强度指标(CBII)>0.5的区域界定为该城市的CBD，对于赣州市中心城区，人们习惯将河套老城区的南门口作为CBD的“核”，但是河套老城区的南门口的CBHI和CBII届未达到标准。根据对CBHI的CBII计算，结合《赣州市城市总体规划(2006—2020)，本文认为章江新城区的黄金广场作为研究区域的CBD较为合理。2)与城市中央公园的距离(单位：m)。赣州市城市中央公园位于章江新区的中央金脊中部，占地750余亩，其中湖面的面积336亩，水溪及其两边绿地232亩，其他绿地及休闲广场182亩，现已成为景观环境、生态环境与蓄洪排涝有机结合的生态系统，临近中央公园的商品住宅既能欣赏公园的美景又能休闲散步。章江新城区乃至赣州市中心城区的商品住宅价格与中央公园的距离存在一定的相关性。3)与章江、贡江的距离(单位：m)。赣江是江西的母亲河，章江、贡江汇聚成赣江，赣州市中心城区的“三江六岸”的江景房历来房价较高，这从第四章的二维分布图和三维分布图中也可以明显地表现出。4)与城市主干道的距离(单位：m)。根据《赣州市中心城区总体规划(2006—2020)，赣州市中心城区已经构建和即将建设“八纵十一横”主干道网络。各样点楼盘与这“八纵十一横”的主干道网络可以在GIS图中进行量算。5)学校的空间分布。“学区房”历来是人们青睐的重要资源。根据《赣州市中心城区中小学布局规划(2007—2020)》，至2020年，包括已有学校，中心城区将达到九年制学校4所、高中17所、初中26所、小学65所。6)医院的空间分布。理论上讲，邻近医院便于就医，医院的分布对住宅价格也有影响。至2015年年底，赣州市中心城区共有医疗机构110所，其中三级综合医院3所、三级传染病医院1所、三级精神病医院1所、三级肿瘤医院1所、三级中医医院1所、三级妇幼保健院1所；未定级综合医院1所、妇幼保健院1所、皮肤病医院1所、其他公立医院7所、民营医院32所、乡镇卫生院9所、社区卫生服务中心8所、社区服务站43所。7)主要生活品市场的分布。主要生活品市场对人们的生活有较大的影响，也在一定程度上影响着商品住宅的价格。经统计，赣州市中心城区现有32个农贸市场，农贸批发市场2个，连锁社区蔬菜超市21家，兼营蔬菜的超市67家。

为便于导入空间回归模型，将上述七个影响因素作为解释变量，赣州市中心城区商品住宅价格作为被解释变量，建立变量代码见表1。

表1 模型变量代码

2 赣州市中心城区商品住宅价格空间分布影响因素的空间回归分析

2.1 影响因素的一般回归分析

在不考虑空间效应的情况下，用一般回归分析方法构建起商品住宅价格与上述7个区位影响因素的经典回归模型：

HP=C+β1(CBD)+β2(LAKE)+β3(ZGRIV)+β4(RORD)+β5(ESCH)+β6(HOS)+β7(MKET)。

把调查的48个商品住宅楼盘销售价格为被解释变量，7个影响因素为解释变量导入SPSS软件进行回归分析，得到回归系数矩阵及检验数据，如表2所示。

表2 一般回归模型分析结果

从表2的一般回归模型的分析结果可以看出，仅有CBD，LAKE，ZGRIV三个指标通过了显著性检验。其他指标未通过显著性检验，因各指标与空间要素密切相关，有必要引入空间概念进行回归分析。

2.2 空间残差模型分析

将一般回归模型所使用的样本数据导入空间残差模型，使用DWG3.0软件输出的中位数，得出回归分析结果，见表3。

表3 空间残差回归模型分析结果

表3中，几乎全部指标都通过了显著性检验，仅有“与城市主干道的距离(RORD)”这一个变量没有通过5%的显著性检验，证明解释变量对被解释变量具有较为显著的影响。

通过一般回归模型和空间残差回归模型的分析发现，因为空间残差模型考虑了空间效应，较好地反映了商品住宅价格的空间分布与各影响因素之间的关联度，模型较为可信。

3 赣州市中心城区商品住宅价格空间分布影响因素分析

经空间残差回归分析，比较好地解释了赣州市中心城区商品住宅价格空间分布规律，其价格影响因素的关联度存在一定的规律。

1)赣州市中心城区商品住宅价格受水体景观的影响大。从上述空间残差回归分析结果可以看出，与城市中央公园的距离(LAKE)、与章江贡江两江的距离(ZGRIV)这两项指标的回归系数最大，而且显著性检验明显。证明赣州市中心城区商品住宅的价格受湖景、江景这样的水体环境影响大，临近城市中央公园的商品住宅价格最高，临章贡两江的江景住宅次之。

2)CBD对赣州市中心城区商品住宅价格的影响不是很明显。在人们的印象中，CBD对房地产价格的影响很大，但经过空间残差回归分析，CBD赣州市中心城区商品住宅价格的影响不是很明显，这主要是赣州市中心城区实际上还没有形成建筑物高度指标(CBHI)大于1、用地强度指标(CBII)大于0.5的中央商务区。

3)赣州市中心城区商品住宅价格与距城市主干道的远近之间的关联度不是很明显。距城市主干道的远近直接影响人们的出行，交通通达度、交通便捷度对城市住宅的价格一般呈正相关，而且应当是关联度较为明显，但这一指标在赣州市中心城区不是很明显，分析其原因，这一指标在大城市的关联度较高，在中心城市普遍较低，这主要是因为赣州市中心城区的建成区面积并不大的原因所致。

4)赣州市中心城区商品住宅价格与距医院的远近之间的关联度不是很明显。就医是否方便是城市家庭在选择住宅时应当考虑的重要因素，商品住宅与医院的距离这一影响因素在赣州市中心城区商品住宅价格影响中不明显，究其原因，大概是因为中心城区建成区面积较小、交通相比大城市更加通畅所致。

5)赣州市中心城区商品住宅价格与距中小学的距离呈明显的负相关。“学区房”历来是开发商炒作的热点，这与全国的情况一致。经空间残差回归分析，赣州市中心城区的商品住宅价格与学校的分布关联度明显，与距中小学的距离呈明显的负相关。

6)赣州市中心城区商品住宅价格与生活品市场的发布关联度不是很大。生活品市场对人们的日常生活有重大影响，但对商品住宅价格的影响不是很明显，其回归系数较小。究其原因，主要是因为市场经济环境下，小区建成后，生活品超市几乎都会进入社区。

利用空间残差回归方法分析赣州市中心城区商品住宅价格的区位影响因素，较好地解释了赣州市中心城区商品住宅价格的空间分布规律。

[1] 李传华,潘竟虎,赵 军.基于GIS的兰州市普通住宅价格空间格局分析[J].云南地理环境研究,2007(2):88-91.

[2] 朱明仓,辜寄蓉,吴合镇.房价与地价关系的空间统计方法研究[J].商场现代化,2007(25):210-212.

[3] 姚 瑶,苏莎莎.轨道交通对城市商业空间和房地产价值的影响[J].中国集体经济(下半月),2007(9):27-28.

[4] 习树江,张 勇.基于地统计学的房地产价格空间结构分析[J].中外企业家,2013(1):32-34.

[5] 项 勇,王 静.基于地统计学的房地产价格空间结构分析[J].商业时代,2013(17):141-142.

[6] 范少言,刘建华.深圳城市空间结构对房地产价格影响的初探[J].城市规划,1995(4):22-24.

[7] 许汀汀,白加菲,李爱美.基于GIS技术的房价监测系统设计与实现[J].信息系统工程,2016(5):79-81，83.

[8] 龙翔云,黄威威.商品住宅发展与城市扩展的耦合研究——以南充市顺庆区为例[J].企业导报,2016(16):98.

[9] 张立亭,曾令权,孙旭丹,等.基于空间特征的城镇住宅价格发展趋向研究——以抚州市为例[J].中国城市经济,2012(2):298-299.

Analysis on the location influence factors of commercial housing price in Ganzhou central city area

Cao Hailu

(ArchitectureandSurveyingSchool,JiangxiUniversityofScienceandTechnology,Ganzhou341000,China)

This paper selected the spatial distribution influence factors of commercial housing price in Ganzhou central city area, surveyed the average price of 48 real estate in the sale, introducing space residual regression model in GIS platform measured the spatial data of location influence factors, gained the main location influence factors of city commercial housing price in Ganzhou.

real estate, commercial housing price, spatial distribution, location factor

1009-6825(2017)06-0236-02

2016-12-12

操海璐(1990- )，女，在读硕士

F293.3

A