王志鹏,王 涵,李雪纯,苏海生,汪美惠
(安徽建筑大学 建筑与规划学院,合肥 230022)
在我国快速城镇化进程中,房地产经济已成为国民经济重要的组成部分,住宅价格始终是社会关注的焦点.住宅价格受到众多因素影响,如住宅区位、住宅周边教育资源、绿地资源等.在众多影响因素中,住区容积率[1]、绿化率[2]、住宅户型[3]、住宅建筑高度[4]等住区规划特征因素被证实与住宅价格具有相关性. 城市规划作为城市发展的主要依据,决定了城市各类资源的空间配置关系,而居住区规划设计是总体规划宏观战略在微观层面上的空间落实,是对规划用地范围内建设蓝图的一种具体设计描绘.城市居住区规划是在符合住区所属地块控制性详细规划规定的各类控制性指标前提下,解决住区空间形态和具体建筑形式的规划设计行为. 在其设计过程中,会涉及到住区容积率、绿化率、户型和建筑高度等一系列影响住宅价格的规划特征因素.在已有住宅价格研究中,相关文献对住区规划中所涉及的个别变量与住宅价格的关系展开实证研究,例如容积率、绿化率等.但这些研究的重点不是容积率、绿化率等变量对住宅价格的影响效应,而是仅将这些变量作为控制变量.因此,本文从居住区规划角度,把规划设计中所涉及的相关特征作为研究重点,来研究规划设计所形成的居住区特征对住宅价格的影响效应,以期为政府部门制定相应公共政策时提供参考,也为规划设计提供理论依据和技术参考.
国内外涉及城市住宅价格的研究已有较多成果,其中特征价格法是研究采用的主要方法.特征价格法(Hedonic Pricing Model)是一种效用估值方法,该方法认为住宅是由各类不同的特征组成,住宅价格的高低由这些特征带给购房者的效用所决定[1].不同住宅之间,由于所包含的特征数量和组合方式不同,导致住宅价格存在差异性.
国外在运用特征价格法研究特征变量与住宅价格的文献中,主要涉及房屋结构(住宅套内面积、房间和浴室数量)[5]、室内外设施(是否有阳台、车库及地下室等)[5]、区位特征(交通可达性等)[6]、邻里特征(学校质量等)[7]、周边景观宜人性(公园、绿地、湿地和各类自然景观)[8]、周边环境的负面影响(垃圾填埋场、嘈杂地区和自然灾害区)[9-11]和经济特征[5]等特征变量.Sirmans 等[5]回顾了125 篇基于特征价格法的住宅价格研究,其中涉及150 个特征变量,但主要的特征变量为20 个.
近年来,国内学者也利用特征价格法对影响住宅价格的各类特征变量展开了实证研究.例如,喻胜华等[12]分析检验了土地因素、经济因素、人口因素和城市愉悦度因素对住宅价格的影响程度,研究表明人口密度和空气质量对住宅价格有正向影响.张志斌等[13]评价了兰州市人居环境与住宅价格的关系,结果显示人居环境满意度高的地方,其住宅价格也高.住宅价格与公共服务、交通状况和环境质量有直接关系.朱传广等[14]在研究南京市住宅地价的过程中发现,住宅周边的公共交通条件、教育质量、医疗卫生条件和环境质量条件与住宅价格具有相关性.杨林川等[15]研究了公共服务设施步行可达性对住宅价格的影响,研究发现,教育和商业服务步行可达性对住宅价格有正向影响,步行至医院的距离有负向影响;市级文化体育中心可达性与房价的关系不显著.孙礼胜等[16]对银川市住宅价格的研究中发现,物业管理费对住宅价格影响效应最大.Wen等[17]评估了杭州城市景观福利效应对房价的影响,研究指出各类城市景观,例如西湖和钱塘江等对住宅价格具有正向影响效应,面积越大效应越强,而与各类景观的距离则和住宅价格呈负相关性.
在利用特征价格法的住宅价格研究中,通常把影响住宅价格的各类特征变量分为区位、邻里和住区3 种类别.在这3 种类别中,住区类别里包含有居住区规划会涉及的容积率、绿地率等特征变量.为此,本文把该类特征变量统一纳入到居住区规划特征变量类别中,同时纳入区位、邻里和住区3 类特征变量作为控制变量,进而通过构建特征价格回归模型对居住区规划特征与住宅价格的关系展开实证研究.
研究选取合肥市政务区为研究地点.合肥市政务区地处合肥市西南方向,是城市扇形空间结构的主要趋向和核心地带,也是连接老城区和经开区大学城的重要区域.区域规划面积12.67 km2,常住城市人口约12.5 万.政务区在空间布局上以纵穿南北的中央绿轴为主线,东北和西南向商业带为延伸轴,与西北和东南向水景景观轴交织形成用地骨架,见图1.
图1 研究地点空间结构
在土地利用规划上,中央绿轴北部为市级行政机关办公用地,南部主要为省级事业单位办公用地;商业和公共服务设施用地围绕天鹅湖进行布局,区域内设置了市级重点公共服务设施,如合肥市体育中心、合肥大剧院、安徽省博物馆、安徽省地质博物馆等(见图2);居住用地划分为4大组团空间,分别为潜山路东板块、天鹅湖南板块、翡翠路西板块和天鹅湖北板块(见图1).
图2 研究地点土地利用规划图
经过近十年建设,政务区已发展为合肥市重要的政治文化中心,商品住宅项目也随之快速增长.各类社会公共资源的聚集使政务区成为目前合肥住宅价格最高的区域,约超出全市均值30%以上.2018 年政务区平均成交价格为21 407 元/m2,高于全市均值.其中价格最高值为35 392 元/m2,最低值为12 362 元/m2.如图1 所示,天鹅湖南板块房价最高,比均价高出约1 800 元/m2;其次为天鹅湖北板块,约高出均价1 660 元/m2;翡翠路西板块接近均价;潜山路东板块最低,与均价相比约低2 200 元/m2,可见政务区各板块间房价差异较大.基于此,选取73 个位于政务区4 个不同区域内的商品住宅区为研究对象,住区具体分布见图3.
图3 研究样本小区分布
本文采用特征价格法,通过构建特征价格模型进行量化研究.特征价格模型通常采用线性、半对数和对数3 种函数形式[17]来构建回归方程,依据已有文献,本文采用对数形式构建住宅价格方程:
其中,Y 代表住宅价格,lnY 是其对数形式;Xi代表虚拟特征变量和数据类型为类别型的特征变量;Xj代表数据类型为连续型的特征变量;α0、βi和δj为变量待估系数;μ 为误差项.
研究采用STATA 15.0 进行相关性和多元回归分析,共纳入22 个特征变量,其中涉及居住区规划的特征变量8 个,分别是占地面积、建筑密度、容积率、绿化率、车位比、公摊率、户型种类和建筑风格.多元回归分析以住宅价格为因变量,以8 个居住区规划特征变量为自变量,同时纳入区位、商业中心等14 个变量作为控制变量.各变量赋值说明见表1.
本文住宅价格数据来自房天下和安居客等专业房产网站.根据所选取的73 个住宅小区,搜集了2019 年10 月住宅交易价格均价作为小区当月住宅价格,并于2019 年10 月对研究小区进行实地调研,以核实交易价格数据精确性.利用GIS分析获得相关距离变量和面积变量,得出住宅小区到最近商业中心直线距离、至天鹅湖公园和绿轴公园最近步行距离、小区1 km 范围内的公园总面积和小区用地面积.小区环境、运动设施和建筑风格等特征变量数据通过调查问卷获取.小区建筑密度、容积率、绿化率、车位比和公摊率通过实地调研经计算获取.
通过对变量进行Pearson 相关性分析得出,区位、教育配套、距天鹅湖步行距离、物业费、小区环境、占地面积、建筑密度、容积率、绿化率、公摊率、户型种类、建筑风格与住宅价格相关性显著,其中区位(0.597)和建筑风格(0.533)与住宅价格的相关性较高,见表2.
依据相关性分析,构建居住区规划特征与住宅价格的特征价格回归模型.回归模型以住宅价格对数为因变量,居住区规划特征变量为自变量,同时纳入区位、商业中心等变量作为控制变量,模型拟合结果见表3.
表1 变量名称及赋值说明
表2 变量Pearson 相关性分析
表3 居住区规划特征与住宅价格回归模型系数
根据回归分析结果,教育配套、住区距天鹅湖公园距离、物业费、占地面积、建筑密度、容积率、绿化率、公摊率和建筑风格等变量具有统计显著性,可纳入回归方程,方程具体公式如下:
模型F-test 值为10.64,显著性小于0.001,说明回归模型拟合效果较好.模型R2值为51.1%,表明模型中纳入的特征变量解释了51.1%的住宅价格差异性.同时对模型进行共线性检验,各变量方差膨胀因子值在1.3~3.1 之间,均值为2.12,变量之间共线性程度在接受范围之内.回归分析结果表明,教育配套、物业费、占地面积、绿化率、建筑风格与住宅价格关系呈正相关性;在模型内其他变量不变前提下,占地面积和绿化率每增加1%,住宅价格将上升0.05%和0.051%;教育配套、物业费和建筑风格每增加1 个单位,住宅价格将分别上升0.029%、0.195%和0.035%.小区距天鹅湖距离、建筑密度、容积率和公摊率和住宅价格呈负相关性,在模型内其他变量不变前提下,建筑密度、容积率和公摊率每增加1%,住宅价格将分别下降0.049%、0.065%和0.255%;小区距天鹅湖距离每增加1%,住宅价格将下降0.09%.
本文以合肥市政务区为例,通过收集73 个小区住宅价格和22 个特征变量数据,建立特征价格模型,定量研究了居住规划特征与住宅价格的关系.回归模型表明,占地面积、建筑密度、容积率、绿化率、公摊率、建筑风格等规划特征变量对住宅价格具有影响效应,其中,绿化率和建筑风格因素与住宅价格呈正相关性,即对住宅价格具有增值效应;建筑密度、容积率和公摊率等3种规划特征因素与住宅价格呈负相关性.由此表明,提高建筑密度、容积率和公摊率的住区规划策略会对住宅价格起到负面影响效应.
城市居住区规划作为居住区空间布局的设计行为,是落实城市规划对城市公共资源进行合理和公平配置的重要途径.未来执行城市规划制定相应政策时,在满足经济发展前提下,可通过科学设置规划设计特征之间的关系,例如平衡容积率、建筑密度、公摊率和绿化率的关系,以及提高建筑美学风格等措施来协调社会经济发展和城市资源的紧张关系.