城市公园与住宅价格关系 ——基于合肥包公园的实证研究

王志鹏

(安徽建筑大学 建筑与规划学院，合肥 230022)

城市公园作为城市绿色基础设施的重要组成部分, 具有改善城市环境的生态功能和增进城市文化的社会功能[1]。公园的优美环境在提高城市居民生活幸福感的同时会对社会经济发展产生影子效应[2-3]。大量文献研究了公园的潜在经济价值，总体上认为公园会直接导致其周边住宅价格明显高于其他区域[1-2]。住宅价格作为居民生活质量衡量指标之一，受到各种因素影响，例如区位、交通、教育资源和绿地资源等[4]。已有研究主要运用特征价格法定量分析众多特征变量与住宅价格的关系,其中涉及公园特征的研究主要集中在住宅与公园距离这一单一特征变量上，鲜有针对公园不同功能而进行相关的研究。本文主要探寻城市公园不同功能与住宅价格的关系，以合肥市包公园为例，通过建立特征价格模型揭示包公园及其不同功能对周边住宅价格的影响效应。

一、文献综述

国内外涉及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)认为住宅特征决定了住宅价格的高低。不同住宅之间因其所具有的特征数量和特征之间的组成方式不同，导致带给购房者的具体效用不同，进而反映为住宅价格上的差异性。已有研究所涉及的特征变量主要包括区位特征、邻里特征和住区特征三类。区位特征变量类别主要涉及小区与周边商业、教育等资源的交通可达性[5]；邻里特征变量类别主要涉及小区周边各类生活配套设施，如教育资源、商业资源、绿地资源等[5]；住区特征变量类别主要涉及住宅建筑结构、小区绿化质量和室内外设施等[5]。

城市公园属于上述三类特征变量中的邻里特征变量类别。在城市公园与住宅价格的研究中，主要包括住宅与公园的距离和公园自身的空间特征两个方面。国外大量的研究表明，住宅到公园的距离与住宅价格之间关系呈负相关性，即距公园越近的住宅拥有较高的景观附加值，从而住宅价格也越高[1-3]。此外，公园水景可达性和景观质量等特征变量也受到了学者们的关注，如Anderson在湖泊和公园等开放性空间对住宅价格影响的研究中发现，当住宅距市中心较近且人口密度大时，湖泊、绿地和公园等开放空间的价值受到更大关注，周边住宅价格高于同条件下无此类开发空间的地区[4]。在研究不同公园空间形状与房价关系上，Poudyal等人发现方形和平直开放空间较形状复杂、边缘不规则的开放空间具有更高的景观潜在价值，其对周边住宅价格的影响效应更强[6]。

近年来，国内对城市公园与住宅价格关系的研究也逐渐增多，主要利用特征价格法在北京、上海、深圳、杭州、苏州、南京和重庆等地展开了住宅与公园距离、公园空间尺度和类型等特征变量与周边住宅价格关系的研究。例如，Wu Jiansheng等发现在深圳市，公园对房价的影响半径为1.73公里, 对房价的影响效应为0.041%，且随距离增加而逐渐下降[7]。石忆邵等在研究上海黄兴公园与房价关系中发现，公园对房价的增值效应具有时间差异性。结果表明，在黄兴公园建设的不同阶段，周边房价受影响程度不同，公园到周边住宅的距离与公园对周边房价的增值作用之间存在明显的二次函数关系[8]。Wen Haizhen等利用特征价格模型验证了杭州市25个特征变量与住宅价格的关系。其中，住宅价格与公园距离呈负相关性，到附近公园距离每增加1%，房价将下降0.052%；而与公园面积呈正相关性，公园面积每增加1%，房价则增加0.008%[9]。吴殿鸣等利用空间计量分析方法分析了苏州市不同尺度公园绿地对住宅价格的影响差异性，研究发现面积在2-10 平方公里的公园绿地对房价影响效应最强[10]。尹海伟等研究了上海主要城市绿地类型对房产价格的影响，研究结果表明，不同类型绿地的空间分布、面积、类型对房价具有显著影响，但影响效应具有差异性，公园绿地可达性影响最大，而广场绿地可达性影响则较小[11]。

通过文献研究发现，已有研究主要涉及住宅与公园距离和公园空间特征等特征变量与住宅价格的关系，而涉及公园内部功能的研究较少。基于此，本研究探讨公园不同功能与住宅价格的关系。研究方法基于特征价格法，以公园功能特征为主要研究特征变量，同时纳入区位、邻里和住区三类特征变量作为控制变量，进而构建特征价格模型来定量研究公园活动功能、美学功能和文化功能与周边住宅价格的关系。期待研究成果能有助于理解城市公园与房地产经济的关系，进而为政府管理、公园建设、规划设计等领域提供一定的理论依据。

二、研究设计

(1) 研究案例地 包公园位于合肥市包河区，四周环绕有马鞍山路、徽州大道、芜湖路和环城路，是合肥市绿地系统的重要节点(见下页图1)。公园为纪念北宋著名清官包拯而建，2010年被中共中央纪委定为首批全国廉政教育基地。

图1 包公园区位图

公园总占地面积约30.5公顷，其中水体面积约15公顷。公园总体呈开放式布局，主要景点有包公祠、包公墓、清风阁和浮庄等。包公园除自身重要文化特色外，同样也是合肥环城公园的重要组成部分，与其他环城公园景区融为一体，构成了环绕合肥老城区的城市绿化带，是安徽省会合肥市的城市标志性地点。环城公园的存在使得合肥在1992年被授予国家首批园林城市，而环城公园本身也于2009年被授予“国家重点公园”，是安徽省内唯一的国家重点公园。

包公园是集多种功能为一体的城市公园。园区景色秀丽，在纪念性主题下给人以庄严肃穆的游览体验。园区以展现包拯“忠孝、公正、爱民、清廉”的精神特征为内涵，以体现历史包公、文物包公和文化包公为文化主题，建造了以包公墓、包公祠、浮庄和清风阁为主要景点的城市公园。在具体设计细节上，围绕“孝、勤、清、正、德”等与包拯自身品德有关的主题，以绘画、雕塑和书法等艺术表现手法，利用多媒体和浸入式体验等手段，把包公文化与社会主义核心价值观相结合，为城市居民和游客打造了一个修身养性的休闲场所，使人们在娱乐过程中获得精神层次的提升。

(2) 研究方法 特征价格法是目前研究住宅价格的主要方法，其通过构建特征价格模型定量研究影响住宅价格的潜在因素对住宅价格的具体影响效应。该方法通过在模型中纳入控制变量，剔除研究变量外各类影响住宅价格的要素，获得所研究变量对住宅价格的影响效应。特征价格模型通常采用线性、半对数、对数三种形式构建方程[12]，具体函数形式如下：

近来，任何从事工业通信的人都会面对时间敏感型网络(TSN)的话题。TSN必将到来，只是时间和方式的问题。然而，即使到今天，人们对它在工业通信领域的优势并不是很清楚。

Y=α0+∑βiXi+μ

(1)

lnY=α0+∑βiXi+μ

(2)

lnY=α0+∑βiXi+∑δjlnXj+μ

(3)

其中，Y为住宅价格，Xi为虚拟变量和类别变量，Xj为连续变量，α0、βi和δj为需估计的变量系数，μ为误差项[12]。为增加研究结果的准确性，本文对三种形式的模型方程分别拟合，选出拟合效果最好的模型进行定量分析。

(3) 变量选择与数据来源 本文主要研究公园不同功能特征与住宅价格的关系，因此，在模型中除了采用区位特征变量、邻里特征变量和住区特征变量以外，还纳入了住区距公园绿地距离、距公园湖景距离和距公园内部不同功能区域距离等公园特征变量，最终形成20个解释特征变量，其中涉及公园的特征变量5个。

为确定包公园内部功能种类及相应区域，通过德尔菲法对包公园内部空间进行分类与评价。选取10名风景园林专业专家采用匿名方式进行专家咨询来确定代表公园不同功能的区域。最终确定北部的九狮苑广场代表公园活动空间样点、中部的脚印塘景点代表公园观景空间样点、西部的包孝肃公祠广场为公园文化空间样点。各变量具体赋值方法详见表1。

表1 特征变量及量化方法

住宅价格数据通过三个步骤获取。首先，确定初始样本。在城市公园与住宅价格的研究中，均证明城市公园对其周边住宅价格最大的影响半径为1.5公里[7-9]，因此，以包公园缓冲距离2公里范围内的住宅小区作为初始研究样本,共计选取130个小区。其次，搜集样本价格数据。经调研发现，每年6月份是住宅交易的高峰期，且短期的交易价格可以剔除时间对住宅价格的影响效应，增加数据的可靠性[5]。因此，搜集6月份当月的住宅交易价格可较为准确地反映当年住宅交易的真实价格。本研究通过房天下(https://hf.fang.com/)和链家(https://hf.lianjia.com/)两个专业房产网站，搜集了2019年6月1日至2019年6月30日期间，130个初始样本小区的交易价格作为原始价格数据。之后，筛选样本，提高样本数据代表性。对130个初始样本小区的交易数据进行统计分析，剔除15个交易次数少于1次的小区，最终纳入115个小区作为住宅样本。最后，核算住宅价格数据。计算115个住宅样本在2019年6月份的交易均价，并于2019年7月对样本小区进行住宅价格问卷调研，进一步核实住宅价格，保证数据的准确性。

本研究中涉及面积和距离的特征变量利用ArcGIS10软件分析获取，包括小区容积率和绿化率等面积特征变量，小区与最近商业中心、与所属小学和初中、与包公园最近边界、与包公园湖景最近岸边、与公园不同活动空间最近边界的欧式距离等距离特征变量；其他特征变量数据，包括区位特征里的公交路线，邻里特征里的教育配套和生活配套，住区特征里的房龄、户型、内部环境质量、物业服务质量和设备设施质量等通过调查问卷获取。

三、研究结果

(2) 城市公园与住宅价格关系分析 第一，城市公园与住宅价格关系分析。在特征变量相关性分析基础上，构建城市公园与住宅价格特征价格模型。模型中剔除在相关性分析中统计不显著的特征变量，纳入统计显著的特征变量。模型方程分别采用线性、半对数和对数形式进行拟合，通过对比发现，采用对数形式的方程拟合性较好，故采用对数形式构建模型1，拟合结果见表2。模型1具体方程式如下：

表2 城市公园与住宅价格模型拟合结果

对数模型定量分析了距包公园距离对住宅价格的影响效应。该模型纳入了商业中心、公交路线、初中可达性、小学配套、初中配套、房龄、户型、容积率和物业管理作为控制变量。模型F检验值为16.637，显著性小于0.001，说明方程拟合效果较好。模型R值为0.640，表明模型变量解释了64%的住宅价格差异性。同时对模型进行共线性检验，各变量方差膨胀系数值在1.18-3.89之间，均值为2.46，变量间共线性程度在接受范围之内。

模型1表明，在区位特征变量中，住宅距最近商业中心距离、住宅与其所属初中的距离与住宅价格呈负相关，而住区容积率对住宅价格无影响效应；小区1公里范围内的公交路线数量与住宅价格呈正相关。在邻里特征变量里，小区所属小学和初中的学区质量和物业管理服务质量与住宅价格呈正相关，而房龄与住宅价格呈负相关。住区与包公园最近边界欧式距离与其价格呈负相关，离包公园越近的住宅其价格越高。该模型表明，在其他特征变量不变情况下，距包公园最近边界欧式距离每增加1%，住宅价格将下降0.07%，即包公园对其周边住宅的增值效应为7%；住区与包公园湖景最近岸边欧式距离与其价格呈负相关，在其他变量不变情况下，距包公园湖景最近岸边欧式距离每增加1%，住宅价格将下降0.096%，即公园对其周边住宅的增值效应为9.6%。研究结果表明，公园湖景相比较于公园本身，对住宅价格具有更高的增值效应。

第二,城市公园不同功能与住宅价格关系分析。城市公园具有不同功能区域，不同功能区对公园使用者和周边居民的吸引力各不相同，反应在价值层面，则是对周边住宅产生不同的增值效应。为进一步探讨城市公园内部不同功能对住宅价格影响的差异性，在模型1基础上，剔除公园距离和公园湖景距离两个特征变量，纳入公园活动空间距离、观景空间距离和文化空间距离三个公园特征变量构建特征价格模型2。对模型2分别采用线性、半对数和对数形式构建方程，通过对比发现对数形式方程拟合性较好，故模型2采用对数形式构建方程，模型拟合结果见表3。模型2具体方程式如下：

续表

模型2的F检验值为18.526，显著性小于0.001，说明模型拟合效果较好。模型R2值为0.685，表明模型2比模型1具有更好的解释力。对模型进行共线性检验，各变量方差膨胀系数值在1.07-3.75之间，均值为2.33，变量间共线性程度在接受范围之内。

模型2在控制特征变量层面同样证明了与模型1相同的影响效应，但在影响程度上具有一定差异性，如小学和初中配套的影响效应分别降低了0.053和0.032，而物业管理的影响效应增加了0.002。住区距包公园活动空间、观景空间和文化空间最近边界欧式距离均与其价格关系呈负相关。该模型表明，在其他特征变量不变情况下，距包公园活动空间、观景空间和文化空间最近边界欧式距离每增加1%，住宅价格将分别下降0.051%、0.095%和0.108%。这表明，包公园文化功能对住宅价格的影响效应最强，其次是观景功能，而活动功能对住宅价格的影响效应最弱。

四、结论与启示

本研究利用包公园2公里范围内115个住宅区样本2019年7月份的住宅交易均价和20个影响住宅价格的特征变量数据，采用对数形式特征价格模型揭示了城市公园与周边住宅价格的定量关系，并通过区分公园内部不同功能区域进一步实证了公园不同功能对住宅价格影响的差异性。研究结果显示：

第一，住宅距城市公园距离与其价格关系呈负相关性。在模型1中，距包公园最近边界欧式距离每减少1%，住宅价格将上升0.07%；距包公园湖景最近岸边欧式距离每减少1%，住宅价格将上升0.096%。

第二，住区距包公园活动空间、观景空间和文化空间距离与其价格呈负相关性。模型2表明，在保持其他特征变量不变情况下，住宅距包公园活动空间、观景空间和文化空间最近边界欧式距离每减少1%，住宅价格将分别上升0.051%、0.095%和0.108%。这表明，小区距包公园文化空间最近边界欧式距离对住宅价格的影响效应最强，观景空间其次而活动空间的影响效应最弱。距离是影响人群出行的重要影响因素之一[3]，而在特征价格模型中，特征变量与住宅的距离则是衡量该变量对住宅价格影响的重要因素[4]。因此，公园不同功能与住宅的距离代表了不同功能对住宅价格的影响效应[5]。研究结果反映出购房者在购买房产时更注重包公园的文化氛围与文化体验，即公园的文化功能比其他功能对住宅价格具有更强的增值效应。

第三，在本研究中，小区与所属小学的距离、生活配套、临近广场、容积率、绿化率、小区内部环境及小区设备设施等特征变量对住宅价格的影响不具有统计显著性。这与已有文献研究结论存在一定差异性，其原因可能是研究地点独特的人文地理特征所致。住区与所属小学距离特征变量不显著是因为包公园地处老城区，周边小学教育质量较高且空间布局合理，小学服务半径涵盖了研究区域。生活配套特征变量不显著原因可能是包公园作为合肥老城区重要空间节点，研究范围内生活配套完善，使得该特征变量对住宅价格影响效应较小。在已有研究中，新建住宅区的容积率、绿化率及设备设施等特征变量是影响住宅价格的重要因素，但包公园周边住宅均为二十世纪所建成老旧社区，因此研究样本中的小区在这四个特征变量层面上并无显著差异性，进而使得特征变量对住宅价格的影响不具有统计显著性。

研究结果表明，特征价格法在评估各类特征变量对住宅价格影响效应时具有可适用性。研究以合肥市包公园2公里缓冲距离为研究区域，通过收集相关数据揭示了包公园与住宅价格的定量关系，具有一定的针对性，但仍存在局限性。首先，受制于数据资料可获得性，如住宅价格为房产网站所提供整个住宅小区所有户型平均交易价格，给模型拟合带来一定影响。其次，在研究公园不同功能对住宅价格影响差异性上，仅选取了一个公园，并没有对不同类型公园进行比较，未来可通过纳入不同类型公园样本继续深入探讨。

基于本研究，我们认为未来在设计城市公园时，不仅需关注公园的景观效果和满足公园使用者对活动空间的需求，还应进一步强化公园文化内涵的建设。因此，城市管理者和公园设计者应充分考虑以上特征，促进我国城镇化的科学发展。