SLM模式下的萍乡住宅价格研究

文/李琪、刘颖 萍乡学院 江西萍乡 337000

房地产业作为萍乡的支柱产业起步于1992年，当时房价约为260元/㎡，2000年随着凤凰山庄的推出，萍乡房地产业快速发展，开发模式由以前的单体开发逐渐向综合开发转变，房价也首次突破千元大关，达1300元/㎡。“十一五”、“十二五”期间萍乡市房地产业保持高投入和快速发展，2013年全市商品房均价达到4321.24元/㎡，为2006年的2.50倍。从2010年起萍乡虽每年都保有3000-5000套廉住房和经济适用房的投入，但商品房需求空间仍然较大。

1、萍乡市住宅价格的空间分析

本文对萍乡市住宅价格的空间分析主要是利用Opengeoda软件和地理信息统计里常用的Arcgis软件。Arcgis软件是集图层绘制和数据分析于一体的综合性软件，它可用来绘制楼盘的空间分布图、定义研究对象属性，其内附带的探索性空间数据分析则可以用来了解数据空间分布、观测全局变化、求解空间自相关性等。Opengeoda软件则是一款主要用于探索空间数据分析的软件，对建立空间计量模型进行数据分析十分方便。

1.1 萍乡市楼盘分布图

由于Arcgis软件的庞大性和复杂性，笔者作为该软件的初学者，对该软件了解深度有限，故仅利用了其中的Arcmap软件来绘制了萍乡市的住宅小区分布图。见图1.1

图1.1 萍乡市城区住宅小区分布图

1.2 住宅小区价格的描述性分析

本文研究的对象为萍乡城区多层和高层的毛坯房，不包含别墅、公租房和小产权房等，在此次研究中共收集了研究区域内52个小区的202个样本。现对这52个小区的均价数据进行描述统计分析，得到结果如表1.1。

表1.1 萍乡市住宅小区价格的描述性统计分析

从图1.2住宅小区均价的QQ图可以发现，样本点接近一条直线，表明小区住宅价格基本服从正态分布。

图1.2 萍乡市住宅小区均价QQ图

1.3 萍乡住宅的空间自相关分析

1.3.1 Moran’s I指数散点图

利用Opengeoda软件中的Univariate Moran’s I计算出萍乡市住宅小区的全域Moran’s I值并绘制了Moran散点图，如图1.3所示。从图中发现，萍乡市住宅价格虽然四个象限均有分布，但是仔细观察可见，大部分点分布在第一、三象限，少数分布在第二、四象限，空间相关性表现为正相关。在图中顶部显示Moran’s I指数为0.1437，并在1%的水平上显著，表明萍乡市住宅价格的空间分布并非完全随机，而是表现出了较强的空间关联性。

图1.3 萍乡市住宅价格的Moran’s I指数散点图

1.3.2 住宅价格四分位图

如图1.4为住宅价格的四分位图，图1.5为ln住宅价格的四分位图。从这两图中不难发现，某一颜色区域的周围分布着相同颜色的区域，同种颜色分布较为集中，这也意味着萍乡市住宅价格之间表现出较强的正相关。

图1.4 萍乡市住宅价格的四分位图

图1.5 萍乡市ln住宅价格的四分位图

2、空间计量模型的建立与估计

通过上节分析发现萍乡市各个小区住宅价格之间存在一定的空间相关性（Moran’s I=0.1437）。本节将借助Opengeoda软件，运用空间计量模型来进行萍乡市住宅价格分析。在Opengeoda软件中，先对萍乡市住宅的SHP文件建立基于距离的空间权重矩阵，再打开Regression选项，勾选因变量和自变量，选择已建好的权重矩阵和模型Spatial Lag。如图2.1。

图2.1 空间滞后模型的建立

构建SLM模型，得到的估计结果见表2.1。

表2.1 空间滞后模型（SLM）的回归结果

从表2.1可知，在10%的显著性水平下，16个变量中有9个变量进入模型，这与HPM模型的回归结果一致，各个变量的符号也与预期符号一致。

3、空间计量模型的结果分析

表2.1中，W_LNXZJ值=0.2011378，数值较大并且在1%的水平上高度显著，这表明萍乡市住宅价格之间存在明显的空间效应，主要表现为较强的空间依赖性。萍乡市住宅价格主要受到9个变量的影响，分别为建筑面积、相对楼层、建筑类别、房屋朝向、房龄、绿化率、周边景观、CBD距离和品牌影响，在10%的显著水平下均为相同的9个变量进入模型，只是变量的回归系数和Prob值稍有不同，这主要因为在SLM模型中加入了空间权重矩阵、考虑了住宅价格间的空间效应所致。在显著的9个变量中建筑面积、建筑类别、房屋朝向、绿化率、周边景观和品牌影响对住宅价格表现为正相关，相对楼层、房龄和CBD距离对萍乡住宅价格表现为负相关。而有无车位、容积率、生活配套、教育配套、文体配套、交通情况和所在片区对住宅价格的影响并不显著。

表2.1 空间滞后模型（SLM）的回归结果

分析样本数据，结合萍乡市的具体情况，认为这些变量不显著可能的原因为：

（1）萍乡市城市人口密度不大，车辆保有量虽每年均有增加，但是总数量仍有限，有无车位对住宅价格的影响尚未表现出来，但是随着时间的推移，车辆数量的增加，相信在不久的将来这一变量对住宅价格的影响将会日益突出。

（2）由于萍乡有毛坯房在售的楼盘较少，为了确保样本数量，本文的研究对象取为萍乡市的多层和高层住宅，并未对多、高层进行细分讨论。高层住宅的容积率一般均比多层住宅要大，房价也比多层高，两者组合在一起研究削弱了容积率对住宅价格的影响，故容积率对住宅价格的影响并不显著。

（3）萍乡市重点学校和完善的生活配套均处于市中心区域，而这部分区域周边建筑比较成熟，很少有仍在售的毛坯房，本文的研究对象大多都未处于重点学校的学区范围内和市繁华中心，而所研究的小区周围教育配套和生活配套相当，从而导致了教育配套和生活配套对住宅价格的影响并不显著。

（4）对于文体配套，虽然标准差达1.05，但是萍乡市民对运动健身的热情度和重视度不高，即使有空余时间，也很少出门运动，故文体配套的影响不显著。

（5）萍乡市中心城区较小，面积仅有58平方公里，部分小区周边的交通线路虽较少，但是可通过近距离的转车到达市中心和工作单位，并且很多家庭都配有私家车，工作单位也配有单位用车用于接送员工上下班，故交通情况还尚未对住宅价格表现出显著性的影响。

（6）本次研究的对象分别处于市中心、新城区和安源新区，虽然市中心的相关配套更加完善，但是近年来新城区和安源新区也在大步发展，各项配套也正在逐步增加和完善中，并且新城区和安源新区的发展前景良好，因此小区所处片区的不同并未给住宅价格带来显著影响。

小结：

本章先利用Arcgis软件绘制出了萍乡市住宅小区的空间分布图，利用Opengeoda软件求得Moran’I指数，发现萍乡市住宅价格间存在“正”空间相关性，在此基础上利用Opengeoda软件，建立萍乡住宅价格的空间滞后模型，得到影响住宅价格的9个变量，分别为CBD距离、房屋朝向、房龄、建筑类别、绿化率、建筑面积、品牌影响、相对楼层和周边景观。

参考文献：

[1]Anselin L. Spatial Econometrics：Methods and Models[M].Dordrecht：kluwer Academic Publishers,1988.

[2]Dubin.R.，Pace.R.K.& Thibodeau.T.G，Spatial Autoregression Techniques for Real Estate Data[J].Real Estate Lit,1999（7）

[3]施雅娟.基于空间Durbin模型的城市住宅特征价格研究—以杭州市为例[D].浙江大学，硕士论文，2013（5）.

[4]于璐，郑思齐，刘洪玉，住房价格梯度的空间互异性及影响因素：对北京城市空间结构的实证研究[J].经济地理，2009(3).

[5]宋雪娟，卫海燕，王莉.基于ESDA和地统计分析的西安市住宅价格空间结构和分异规律研究[J].测绘科学.

[6]李琪.基于空间计量的萍乡住宅价格研究[D].江西理工大学，硕士论文，2015.