基于GWR的南昌市中心城区商业地价驱动因素分析

赖夏华，郭 熙，赵小敏，易 丹，韩 逸

（江西省鄱阳湖流域农业资源与生态重点实验室/江西农业大学，江西 南昌 330045）

1 引言

地价作为城市经济的“晴雨表”，是调控城市土地和配置土地资源的重要手段[1]。商业地价作为城市地价的重要组成部分，不但折射出一个城市的商业繁荣程度和经济活力情况[2]，而且还能引导经济实体分布[3-4]，进而塑造城市地价格局。由于商住联动现象普遍存在[3，5-6]，商业地价的变化对周围住宅地价具有重要的影响，因此研究商业地价的空间分布特征对城市土地资源的合理配置和科学规划尤为重要[7]。

随着土地市场的建立与完善，国内外对商业地价的研究内容日渐丰富，主要集中在空间分布规律以及地价驱动因素的研究[8-12]，研究的方法从传统的描述性分析向空间计量经济发展。反距离加权（Inverse Distance Weighted, IDW）[11，13]和半变异函数[14-15]在刻画地价空间分布规律和空间结构方面被广泛运用。很多学者选择特征价格法[8-9，16]作为解释地价与驱动因素关联的重要方法，但是其只能从全局分析驱动因素，无法揭示变量的空间分异[17]。BRUNSDON等[18]提出的地理加权回归（Geographically Weighted Regression, GWR）模型具有揭示空间非平稳性和空间依赖性[17，19]的优势，因此，为了揭示驱动因素的局部影响，很多学者采用GWR模型对地价的驱动因素进行分析并取得不错的效果[20-22]。

当前的研究表明地价受相互渗透、复杂多变的各个因素的综合影响[22-23]，以致当前的研究侧重在与居民福祉休戚相关的住宅地价研究，商业地价研究虽也有一定的涉及，但是相对而言较为有限，并且大多数研究没有区分一般商业用地与商务金融用地。此外，大多数研究者基于区位、邻近设施、环境和其他因素[20，22]分析地价的空间分异，忽略了与商业地价密切相关的人口因素，尤其是大数据时代背景下作为常住人口分布数据有效补充的动态人口分布因素[24]。人口因素决定了商业活动的繁荣程度，是影响商业布局的主要因素[25-26]，也是服务设施选址布局的决定因素[27]，对商业地价有明显影响。再者，这些研究大多从距离的角度[28-29]量化驱动因素，较少从供给角度考虑设施数量[30]对地价的影响。一般来说，一定范围内服务设施数量越多，服务的人口容量越庞大，该地区的商业越具有活力[31]，商业地价增值可能性更高。关于地价空间规律的探索大多集中在北京[22，32]、南京[12，14]和武汉[10]等一线大城市，而对南昌等二线城市的地价鲜有研究。南昌市作为中部省会城市之一，是仅有的一个毗邻长江三角洲、珠江三角洲和闽南金三角的省会中心城市,其区位优势明显，但是却没有成为中部城市经济的领头羊[33]。与一线大城市相比，南昌市在经济发展水平与人口总量上存在差距，其地价分布规律与驱动地价变化的因素可能也存在差异。因此，挖掘南昌市商业地价的空间规律及其驱动因素，不仅丰富了地价驱动因素的研究，还有利于引导南昌市城市合理规划、土地资源优化配置，为类似地区的发展与规划提供借鉴。

鉴于此，本文以南昌市中心城区为研究区域，以实时监测的商业地价为研究对象，在分析地价空间结构和特征的基础上，运用GWR模型定量揭示驱动因素的空间分异规律，以期为南昌市用地合理布局与城市科学规划提供依据。

2 研究数据与研究方法

2.1 研究区概况

南昌市在过去的10年间平均地价增长了两倍，超过全国平均水平①数据来源于地价监测网（http: //www.landvalue.com.cn/Home/Index）。。与周围省会城市相比，南昌市GDP总量仅有5 000亿元，长沙市大约10 000亿元，武汉市更是高达13 410亿元左右②数据来源于南昌市统计年鉴（2018年）、长沙统计年鉴（2018年）、武汉统计年鉴（2018年）。；然而南昌市监测的平均地价水平（5 738元/m2）略高于武汉市（5 574元/m2），远高于长沙市（4 660元/m2）。考虑到南昌市地价监测点的分布情况，以南昌市中心城区为研究区域，主要包括经济技术开发区、红谷滩新区、东湖区、西湖区、青山湖区、高新区和青云谱区，总面积为350.11 km2，其中，红谷滩新区属于新城区。

2.2 数据收集与处理

2.2.1 监测地价

地价数据来源于中国地价监测网（http: //www.landvalue.com.cn/）2019年2月南昌市地价监测点，共47个商业地价监测样点，剔除商务金融类样点7个，商业用地监测样点实为40个。为满足数据分析与建模要求，本文剔除异常值，在参考南昌市基准地价修正体系的基础上统一地价内涵。借助IBM SPSS Statistics 22软件对监测地价进行数据描述性分析和Kolmogorov-Smirnov（K-S）检验，并基于验证结果进行IDW插值。

2.2.2 地价驱动因素

人口因素是商业布局的决定因素[34-35]。人口因素与商业网点布局相互影响，人口的分布引导商业设施和公共设施布局，反过来，完善便捷的设施又会吸引城市人口集聚，尤其是在城市的重要节点，如地铁站、汽车站、火车站以及商业综合体。这些区域的商业用地具有更大的升值空间。借鉴已有的研究[7，23，25]，将商业驱动因素归纳为商业活力、交通条件、公共服务设施和宗地属性。

收集监测样点的面积、人口密度、人流量、车站站点、公交站点、地铁站点、主要道路、大学、医院、中小学、商业综合体和公园数据。道路数据根据2019年百度地图进行矢量；常住人口密度来源于第六次人口普查的南昌市街道人口数据，通过百度地图拾取坐标系统获取街道办坐标后生成人口密度点数据；人流量通过腾讯“宜出行”平台获取，为了避免节假日的影响，收集南昌市2019年正常工作日的手机信令数据并进行清洗，经ArcGIS 10.2软件将带有坐标的信令数据转为人流量点数据；2019年的商业综合体、地铁站点、公交站点、大学和公园等POI数据通过网络爬取，其中商业综合体主要包含万达、百盛和天虹等大型的知名消费商场。道路数据、人口数据和POI数据投影至相同坐标系并进行校正，之后运用ArcGIS 10.2进行邻近分析和核密度分析，分别获得POI点到监测样点的最短距离、人口密度和人流量密度。根据《城市公共交通站、场、厂设计规范》采用缓冲区分析，统计监测样点800 m范围内的公交车站数量。

2.3 研究方法

2.3.1 半变异函数分析

半变异函数作为地统计学中研究空间自相关的重要方法，常用于区域空间的异质性研究，通过度量数据点的距离与变异值，解释空间分异的结构性与随机性[36-37]。计算公式为：

式（1）中：α（d）为半方差函数；d为步长，即样点间隔距离；N（d）为间隔距离为d的点对数；Z（xi）、Z（xi+d）分别为变量Z（x）在空间xi和（xi+d）处的观测值。

1.3.1 测产。辣椒于7月20日移栽，9月20日第一次采收，12月5日最后一次采收。全生育期内共采收 5次，每次采收按小区计实产。

2.3.2 GWR

GWR是一种局部线性回归，相比于传统的全局回归，地理加权回归用地理加权的样点来估算每个样本的参数值，进而解释各变量在空间上对地价的影响程度。基于地理加权回归允许变量的空间分异性，此方法是一种有效的探索空间非平稳性的方法[17]。GWR的一般形式和系数估计分别如下：

式（2）—式（3）中：Yj为第j个监测点的土地价格；β0（uj，vj）为常数项；（uj，vj）为第j个监测点的空间坐标；βi（uj，vj）为监测点j处第i个解释变量xji的回归系数；cj为监测点j处的随机误差；X为自变量矩阵；XT表示自变量的转置矩阵；W（uj，vj）为监测点j处的空间权重函数，根据自适应的高斯函数确定。

3 结果与分析

3.1 南昌市地价分析

3.1.1 南昌市地价描述性统计分析

统计结果（表1）显示，南昌市商业地价均值为9 942.200元/m2，最大值与最小值的比值为3.03。变异系数为28.73%，属于中等程度变异，表明南昌市地价分布存在空间异质性。K-S检验结果表明南昌市商业地价符合正态分布。

表1 南昌市商业地价的描述性统计特征Tab.1 Descriptive statistical characteristics of commercial land price in Nanchang City

3.1.2 南昌市地价空间分析

半变异函数能够刻画地价空间分布的特征，揭示地价的空间相关性和距离之间的关系，是探索地价空间变异性的重要方法[38]。表2说明，地价的最优拟合模型为高斯模型，模型的拟合系数为0.948，拟合度高。商业地价的块金效应为7.208%，变程为8 138 m，根据块金系数划分标准[39]，南昌市商业地价具有强空间相关性，空间自相关范围广，并且主要受到结构性因素（如交通、环境和基础设施）[14]作用。

表2 南昌市商业地价半变异函数参数Tab.2 Semi-variogram function parameters of commercial land price in Nanchang City

图1 南昌市商业地价空间分布图Fig.1 Spatial distribution of commercial land price in Nanchang City

3.2 驱动因素结果

商业地价驱动因素分为4类共13个维度，分别是商业综合体距离、人口密度、人流量，公交车站距离、公交车站数量、地铁站距离、车站距离、主干道距离，大学距离、中小学距离、医院距离、公园距离和面积。经Pearson相关分析和方差膨胀因子（Variance Inflation Factor, VIF）检验，结果显示大学距离对商业地价没有显著影响。由于地铁站点与商业综合体为一体式发展，二者具有严重的多重共线性，且其VIF值高于商业综合体距离，故将地铁站距离剔除并再次进行检验。表3中的各个驱动因子都通过多重共线性检验（VIF＜7.5）。

表3 商业地价变量选取与描述统计Tab.3 Selection and description statistics of driving factors of commercial land price

3.3 GWR模型计算结果与分析

考虑到地价具有空间异质性特点，运用ArcGIS 10.2构建GWR模型，得到调整的R2为0.691，这说明GWR模型能解释69.1%的地价变化情况。运用OLS模型得到调整的R2为0.672。相比于OLS模型，GWR模型对地价的解释能力更强。

表4为GWR模型运算结果。从回归系数的平均值来看，各因素对商业地价的平均贡献度依次为Num_Bus＞Dis_sch＞Dis_bus＞Dis_hos＞Dis_park＞Dis_road＞Dis_tran＞Flow＞Dis_com＞Popu＞Area。800 m范围内的公交车站数量对商业地价的边际贡献最大，宗地面积的边际贡献最小。回归系数的正负值说明驱动因素存在局部的空间异质性[21]。

表4 GWR模型运算结果Tab.4 Results of GWR model

3.3.1 商业活力对商业地价的影响

通常情况下，商业综合体集购物娱乐餐饮于一体，且其具有相对完善的交通基础设施，能吸引密集的人口集聚，因此与商业综合体距离越近，商业地价越高。南昌市中心城区大体也呈现出这种规律（图2（a））。南昌市商业综合体主要分布在东湖区与红谷滩新区，包含万达、百盛和天虹，并与地铁接驳。以商业综合体为中心而形成的消费场所，是为城市居民提供多重体验消费的重要载体[34]，也通常是商业活动最为繁华的地区，因此随着与商业综合体距离的缩短，商业地价逐渐攀升。在经济技术开发区，商业综合体的溢价作用最为强烈，这主要是因为经济技术开发区内缺乏综合的商业活动中心，而在其他区域，商业综合体或多或少均有分布，故其增值作用稍弱。

人口密度、人流量均对商业地价有提升作用（图2（b）、2（c）），也就是说随着人口密度和人流量的增加，商业地价趋于上升。人口密度对商业地价的作用强度由西至东递减，新城区的商业地价对人口密度表现得最为敏感。由于人口密度是影响零售商业分布的主要因素[25]，作为规划的新城区，人口密度相对较小，每平方公里人口密度的增加促使商业地价上涨得最为明显。而老城区人口密度较大，在短时间内人口增长对商业地价的促进作用有限。

图2 商业活力对商业地价影响的空间差异Fig.2 Spatial variation in the impact of commercial vitality on commercial land price

人流量对商业地价的增值能力也呈现类似规律，但其增值作用略强于人口密度。城市居民昼出夜归的通勤特征，使得人流量在兴趣点迅速聚集[24]，因而城市的商业活动消费模式具有时变性[34]。对于商业而言，人口汇集促使商业活动频繁，商业活力因此得以提升，所以商业地价对人流量的变化更为敏锐。但是在高新区的大部分区域，人流量与商业地价呈相反的作用机制。这主要是因为众多新型产业和传统产业在高新区集聚，使得该区域的人流量密集，因此出现人流量大而商业地价低的现象。

3.3.2 交通条件对商业地价的影响

图3显示的是交通因素对商业地价的空间异质性影响。交通站点周围往往有较密集的人流量，商业活动经常伴随着交通节点展开。

公交车站距离的贡献率为［-0.171，1.522］（图3（a）），这表明公交车站对地价的影响存在空间异质性。在南昌市的大部分区域，商业地价随着公交车站距离的增加而上升，只有青云谱区与青山湖区小部分区域会下降。一般来说，公交车站周围伴随着一系列商业活动的开展，商业地价可能越高，但是南昌市商业地价并未因公交车站距离的缩短而上涨。这主要是因为公交车站分布较为均匀，且其承担的是停靠与中转的作用，其距离的远近意味着便利程度而非人流量的汇集，所以商业地价与公交车站的距离呈现出同向作用机制。尽管公交车站距离的缩短对商业地价没有促进作用，但是公交车站数量的增加却使得商业地价大幅度增加（图3（b）），800 m范围的公交车站每增加一个，商业地价至少上涨116.897元/m2。这与已有研究结果[16，40]类似，即公交车站数量越多，房产价值越高。人口密度与公共交通之间的随机关联性[41]使得公交车站的布设与人口因素紧密结合，出于城市便捷的公共出行要求，在人口高度集聚的城市商业地带，公交车站数量往往密集，因此商业地价与公交车站数量具有相同的作用方向。南昌市北端的公交车站分散且数量有限，公交车站数量的增加致使商业地价迅速抬升，而公交车站相对均匀的其他区域，商业地价受到公交车站数量的抬升作用逐渐减弱，呈现出明显的圈层结构。

图3 交通条件对商业地价影响的空间差异Fig.3 Spatial variation of traffic condition on commercial land price

图（3（c））显示主干道距离与商业地价呈负相关，回归系数从经济技术开发区向昌东地区逐渐变小。主干道距离越近，为以批发零售为主的一般商业活动提供的服务越便捷，因此呈现出距离主干道越近，商业地价越高的规律，这与已有的研究一致[7，20]。汽车站和火车站作为对外交通的节点，也是人流量非常密集的区域，其周围较为完善的配套商业设施服务大多数通勤者。所以在南昌市大部分区域，车站距离与商业地价呈负相关（图3（d）），即越靠近车站，商业地价越高。主干道和车站对商业地价的影响规律一致，呈现出作用强度从经济技术开发区向昌东地区逐渐减弱的特点。这归因于经济技术开发区内逐渐承接来自红谷滩新区的人口，但其主干道较为稀疏，并且距离火车站和汽车站远。因此，经济技术开发区对其距离的变化较为敏感。

总的来说，公交车站数量对商业地价的边际作用效果明显，这一影响具有空间连续性；公交车站距离、主干道距离和车站距离对商业地价的贡献率较低且公交车站距离对商业地价的影响存在空间异质性。

3.3.3 公共服务设施对商业地价的影响

学校、医院和公园周围人流量较大。由于服务人群的差异，不同类型的公共服务设施对商业地价的影响呈现出不同的作用效果。虽然有研究表明医院的距离对人口的分布有影响，在跨越一定阈值之后人口密度与住房价格会增加[42]，但从医院距离的回归系数来看（图4（a）），商业地价随着与医院距离的扩大而下降。作为生活便利性设施的医院，具有功能多样化、集中化和区域流动人口密度大的特点，因此对商业地价的增值作用明显。

图4（b）反映的是义务类教育学校对商业地价的作用方向和作用效果。通常情况下，中小学附近会带动一定规模与数量的文体店的发展，中小学人口的集聚可能促使商业地价抬升，但是出于安全考虑，中小学与商业密集区域保持一定距离，因此中小学对商业地价的关系表现为正向影响，这与王爱等[7]的研究结果相似。

图4 公共服务设施对商业地价影响的空间差异Fig.4 Spatial variation in the impact of public service facilities on commercial land price

尽管有研究表明人们对于品质生活和环境质量的要求使得公园对住宅和商业地价都有提升作用[7，22]，但是南昌市呈现出不一样的特点（图4（c）），公园距离与商业地价呈现出同向增长的作用机制。公园作为城市生活的重要组成部分，主要发挥休憩锻炼的功能，商业地价并不会因其距离的缩短而有所上升。

3.3.4 宗地属性对商业地价的影响

宗地面积回归系数的范围为［-0.027 9，-0.022 0］（图5）,说明宗地面积对商业地价的影响力有限。这可能与区域整体较为成熟的开发水平和较为完善的配套基础设施有关，地块规模对地价的影响能力不如其他因素明显[43]。回归系数值表示宗地面积每增加一平方米，地价至少下降0.022 0元。可能的解释是宗地面积越大，意味着土地总价越高，因而相对较少的开发商能参与到竞拍中，竞拍程度有所减弱，土地成交单价相对于小规模的宗地来说更低；面积越小，土地总价格越低，开发商准入门槛低，土地竞拍激烈，单位面积的地价相对较高[44]。

图5 宗地属性对商业地价影响的空间分异Fig.5 Spatial variation in the impact of parcel attributes on commercial land price

4 结论与讨论

4.1 结论

本文在分析南昌市商业地价空间分布规律与结构的基础上，综合分析商业活力、交通条件、公共服务设施和宗地属性对地价的影响。得出以下结论：（1）南昌市商业地价在空间上表现为单中心圈层结构，商业地价从城市的核心向外递减，地价高值具有连续性，低值具有非连续性、跳跃式发展的特征；（2）商业地价的空间相关范围广，主要受到结构性因素的影响；（3）从Pearson相关系数来看，人口密度、人流量和公交车站数量对商业地价具有显著影响，并且公交车站数量的增值作用最为明显；（4）通过手机信令反映的实时人流量是商业地价重要的驱动因素之一；（5）商业地价驱动因素的平均贡献度依次为公交车站数量、中小学距离、公交车站距离、医院距离、公园距离、主干道距离、车站距离、人流量、商业综合体距离、人口密度和宗地面积。

4.2 讨论

商业地价与各驱动因素之间的关系复杂多变，对商业地价驱动因素的探讨有利于促进城市优化资源配置和科学规划。各驱动因素对地价的空间作用具有空间依赖性与分异性[21-22]。公交车站数量对商业地价增值贡献大，对住宅地价也有提升作用[30]。对于这两类用途的地价来说，公交车站越密集意味着累计机会越大，地价增值的潜力也越大。从Pearson相关系数值和回归系数均值来看，与公交车站距离相比，公交车站数量对商业地价的作用效果更明显，说明商业地价从因密集分布的公交车站而形成的集聚效应中获益更多。此外，人口密度和人流量不但通过Pearson相关性检验，而且其回归系数值表明这两者对商业地价均有提升作用，这一结论验证了王爱等[7]从人口视角解释交通站点驱动商业地价的合理性。人流量对商业地价的作用强度略高于人口密度，相比于殷炜[2]单独以片区人口密度来衡量其影响程度，人流量对商业地价驱动因素的研究有补充作用。因此，在商业设施选址布局过程中，需要综合考虑公交车站数量、人口密度和人流量因素对地价的影响，特别是重要交通节点的人流量。

车站对南昌市商业地价的影响为负相关，这与合肥市[7]呈现出中心—边缘不同作用机制的特点有所不同。这归因于南昌市对外交通站点主要分布在城市的核心区域，使得人口向心性集聚，而合肥市交通站点布局分散，致使核心区域与外围呈现出不同的作用机制。这启发南昌市在交通基础设施的建设过程中应该注意其他用地的配备，提升交通节点周围的综合服务水平；同时要逐步引导交通站点均匀分布，减轻因人口集聚带来的交通负荷。宗地面积对南昌市地价具有负向作用，而在北京市[1，22]其影响特点呈现出四环线内外之分别。这主要是北京市土地利用需求旺盛，环线内是建设成熟区域，作为交易热点的环线外区域的大面积组合开发能发挥规模效应；而南昌市整体的土地开发利用程度相对较低，城区仍然是发展的重点，大面积开发使得地价竞拍门槛过高，地价因此趋低。

南昌市地铁建设起步时间晚，且贯穿城市消费活动频繁的商业综合体。考虑到地铁与商业综合体立体式发展的特点，为了避免产生多重共线性，剔除地铁站距离。但是需要注意的是，通过提供便捷的交通服务，地铁站汇集的人口对商业地价仍然具有显著影响。因此在南昌市地铁建设规划过程中，应借鉴大城市的规划经验，把握人口增长的特点与区域发展诉求。一方面要考虑到东湖区与青山湖区等老城区密集的人口对于城市快速出行的需求；另一方面要逐步完善新城区的公共交通建设，主要是红谷滩新区的九龙湖区域，地铁建设辅之以公交站布局，实现城市资源的合理高效利用。

本文以南昌市中心城区监测地价为研究对象，数量有限的样点对反映商业地价的突变性有所影响。因此，在监测样点的布设过程中，除了监测核心区域的地价之外，还应该兼顾商业地价的突变区域。尤其是在城市扩张的过程中，对城市边缘地区地价的监测，如红谷滩新区的九龙湖与朝阳新城，能为土地利用安排和布局提供价格指引。本文静态分析南昌市商业地价空间规律，从4个维度探索其驱动因素，对于认识南昌市地价规律和指导城市规划具有一定的借鉴意义，但是随着时间变化，城市地价结构不断变化，交通基础设施不断完善，城市地价驱动因素可能发生变化。因此，下一步需要进行多时空的南昌市地价驱动因素的研究。