基于POI 大数据的珠海二手房价格空间分布与影响因素实证研究

张秀鹏， 张志翱

(珠海市规划设计研究院，广东 珠海 519002)

随着信息化产业的发展，规划设计行业对大数据应用需求日益增长，因此将其应用于规划设计行业的研究具有重要的现实意义.POI 数据有获取容易、数据量大、数据类型全面、数据客观性、现势性强等特点，因此在研究城市住宅价格的影响因素及其空间异质性方面有很大优势.以住宅POI大数据为基础采集房价及其影响因素信息，可以更多元地探索城市住宅价格空间分异的影响机制，对于制定合理的房价调控和土地政策具有重要意义.目前对房价驱动因子进行分析的方法多种多样，如使用ESDA探索性空间数据分析法[1]、特征价格法[2]、灰色关联度法[3]，多元线性回归分析，以及联立方程模型分析等[4].在宏观上，彭乃驰[5]等人基于31个省市的数据，从经济学角度分析供给和需求对于短期房价变化的影响，同时将失业率等宏观经济变化纳入考虑之中.蒋立红[6]等人以全国35个重点城市1999—2005年数据为基础研究城市住宅价格水平的影响因素，发现城市经济发展水平和居民收入水平、距海岸线的距离等因素是影响城市住宅价格水平的主要因素.在微观方面，汤庆园[7]等人基于地理加权回归模型对上海市房价影响因子进行相关研究，发现建成时间、到中央商务区距离等因素对房价具有较大影响.彭思伟[8]借助GIS平台及POI数据研究发现南京市商品房价格在传统城区和新区有明显的空间趋势，景观要素、交通要素及教育设施等驱动因素作用方式上也存在空间分异.

本研究从居住生活的基本需求角度出发，基于GIS平台及大数据分析方法，通过评估珠海市各小区周边POI分布与二手房价格的匹配情况，来探索二者之间的相关性，分析各区位要素分布对房价所产生的影响，以期为房价调控及土地利用管理提供研究支持.

1 数据来源与研究方法

1.1 数据来源

本研究数据来源于网络抓取的百度地图POI和道路、河流等矢量数据.房价数据来源于安居客、贝壳网等房产交易网站，时间节点为2020年1月至12月底的二手房交易数据，共抓取了1 700个二手房有效数据，并经过多个网站的价格比对，选取价格平均值或者符合正常市场价格的数据进行分析(表1)，从而保证数据的客观性和可靠性.在对获取的数据进行清洗、校正、检查后共获得75 171条POI数据及1 700个小区POI数据.

表1 POI数据类型划分

1.2 研究方法

1.2.1 克里金插值法

由于抓取的珠海二手房相关数据仅仅是点坐标，因此本研究通过克里金空间插值法获得同一区域内未知点的数据.克里金法(Kriging)是依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法[9]，其计算公式为：

(1)

式中：Z(Si)为第i个位置处的测量值；λi为第i个位置处的测量值的未知权重；S0为预测位置；N为测量值数.

1.2.2 核密度分析法

核密度分析法主要用于分析各个空间要素的聚集程度，便于直观地反映空间要素对二手房价格的影响，本研究通过对分析图的观察可以直观地判断空间要素与二手房价格的空间分布特征.核密度方法的计算公式可表示为[10]：

(2)

式中：f(x,y)为估算目标栅格单元中心点p(x,y)的密度；r为带宽；n为带宽范围内样点的个数；xi，yi为样点i的坐标；x，y为估算目标栅格单元的中心点坐标；(x-xi)2+(y-yi)2为估算目标栅格中心点到带宽范围内栅格样点i之间的欧式距离的平方.

1.2.3 多样性指数法

为识别POI的空间多样性特征，本文选取香农-威纳指数作为多样性指数的测度方法.该方法的实质是测度一定单元内功能的混合程度.在此基础上，通过对POI多样性指数进行反距离插值，分析研究区域内各类型POI的空间多样性特征[11].其计算公式为：

IDX=-∑PilnPi

(3)

式中，IDX是多样性指数，在本研究中指代POI种类数，代表第i种类型的POI数据与格网单元内所有类型POI数据总量的比例量.IDX趋近于0时，代表该单元内的POI种类单一，多样性较低.当IDX取值越大，代表该单元内的POI种类越丰富，多样性越高.

1.2.4 回归分析法

在拥有大量POI及房价数据基础上，利用数理统计方法[12]建立因变量与自变量之间的回归关系函数表达式(简称为回归方程式)[13].本研究采用最小二乘法研究POI 与二手房价格之间的相互关系，其计算公式为：

y=k*x+b

(4)

(5)

2 结果与分析

2.1 珠海二手房价格全局趋势及空间分布分析

通过对数据进行标准化处理，再进行QQplot检验，发现珠海二手房价格取对数后符合正态分布，且房价分布趋势存在二次趋势性，拟合投影曲线表明珠海二手房价格空间上分布趋势呈现明显的倒V型，并且在东西方向呈现出自西向东房价逐渐升高，在南北方向呈现出从北到南空间上略有下降趋势.

由于普通克里金插值法可对其周围的测量值进行加权以得出未测量位置的预测，并且与反距离权重法类似，因此本研究采用普通克里金插值法进行分析，得到珠海二手房价格的空间插值分析图(图1)，通过可视化方式展示出二手房价格的空间分布状态(图2)，有利于进一步挖掘二手房价格的分布模式及影响因子.

图1 珠海二手房价格克里金插值分析

图2 珠海二手房价格空间分布地段分析

分析可得，从宏观上来看，珠海二手房价格较高的区域主要为香洲城区、南湾城区、横琴新区，主要分布在梅华街道、狮山街道、拱北街道、湾仔街道、翠香街道、前山街道，平均单价约为2万元/m2～3万元/m2，二手房价格最高区域主要集中在东岸村高尔夫山庄、横琴经济开发区、小横琴村、宁堂村、银坑村、东桥村、湾仔村、南联村，平均单价均高于3万元/m2.二手房价格最低区域主要分布在南水镇、乾务镇、白蕉镇、斗门镇、三灶镇、平沙镇、红旗镇等地段，平均单价均低于1万元/m2.

2.2 珠海二手房分布区域的POI空间配置及多样性特征

由图3可知，香洲城区范围内的POI总量最多，且数量明显高于其他规划分区；横琴新区数量最少，高栏港区次之，且数量明显低于其他规划分区；不同类型的POI数量的极大值均出现在香洲城区，其主要形成原因是香洲城区自1978年改革开放基本已形成相对完整的城市综合性功能区.

珠海二手房分布区域的不同类型POI的多样性空间分布特征如图4所示.可以看出，在珠海市各规划分区中，香洲城区各街道多样性指数基本都很高，其次，斗门区的井岸和白蕉两镇的滨江城以及金湾区的红旗镇的航空城多样性指数较高，横琴新区、高栏港区多样性指数较低.

具体来看，梅华街道、拱北街道、狮山街道、前山街道的多样性指数较高且都大于1，最大值为1.82；莲洲镇、南水镇、白蕉镇、乾务镇多样性指数较低，且低于0.5.由此可见，中心城区及井岸镇、唐家湾镇、红旗镇东北部等区域配置有相对均衡的POI点分布，这表明这些区域生活服务便利度较高、基础服务设施较为完善、人口热力度较高.

图3 珠海二手房分布区域的POI数量配置分布特征

图4 POI空间多样性格网分布特征

2.3 珠海二手房价格影响因子核密度分布特征

通过对抓取的各要素POI数据处理，并求取乡镇尺度各类POI数据的多样性指数后，基于GIS平台对各要素POI数据进行核密度分析，生成各要素核密度分析图(图5)，最后通过最小二乘回归分析计算影响因子与房价的关联度来判断不同要素与二手房价格之间的驱动机制.

研究发现，餐饮服务、教育资源设施、生活服务设施等主要分布于珠海市主城区和各个新城的中心镇.公共服务设施、医疗服务及交通设施形成以中心城区向外围扩散的单中心聚集结构，体现出设施分布在空间上明显的差异性，仅在航空城、滨江城等区域出现一定聚集特征，但聚集程度和范围远远低于主城区.

总体上POI数据的空间分布特征基本与上版总规空间结构基本吻合.在空间上除了三灶镇和乾务镇出现新的集聚区，可新增为新的中心镇，其余各集聚区完全吻合“主城区—新城—中心镇”的渐进式、集约组团型空间结构，同时呈现出明显的“一核、两心、六片”和三个特殊功能区的多极组团结构特征.

图5 珠海二手房价格影响因子核密度分析

2.4 珠海二手房价格影响因子回归分析

以住宅POI为中心，统计边长1 km，面积为2.5981 km2的正六边形缓冲区内各类POI数量，并将房价作为因变量，餐饮服务、公共基础设施、教育服务、生活服务、通行设施、医疗服务等影响因子作为解释变量，然后采用最小二乘法进行回归分析，得到OLS结果汇总表(表2).

VIF值多数都低于7.5，说明上述各因素均与房价显著相关；Koenker(BP)统计量明显大于95%的置信度，各解释变量的稳健概率(Robust_Pr)全都通过p<0.01的统计检验，说明各因素与房价的相关系数具有统计显著性.

表2 OLS结果汇总表

检验上述数据分析结果可知：

(1)在1 km正六边形缓冲区范围内房价与公共基础服务设施、交通设施、教育资源、生活服务等因子呈显著正相关，与餐饮服务、医疗服务呈负相关性；

(2)在正相关性变量中，各变量对房价影响程度从高到低依次为公共基础服务设施、交通设施、教育资源、生活服务；在负相关性变量中，餐饮服务对房价影响程度高于医疗服务.

综上所述，对房价影响最大的是与日常生活息息相关的公共基础服务设施覆盖率；良好的教育资源和交通设施覆盖，对于二手房价格也有较大的积极影响.医疗服务设施与二手房价呈现负相关性，究其原因这可能与珠海市医疗资源集中分布于主城区有关，并且餐饮服务可能会造成小区周边噪声污染、空气污染，易于引发呼吸系统疾病等.此外，可能还与珠海部分高单价住宅小区分布于外围设施密度较低的区域相关.

3 结论

本文基于住宅小区POI大数据的挖掘，发现珠海二手房价格的空间分布特征表现为主城区向新城、中心镇的渐进式、集约组团型空间结构，空间上呈现自西向东房价逐渐升高、从北到南略有下降的趋势.对影响房价的各因素POI进行核密度分析表明，餐饮服务、教育资源设施、生活服务设施均匀分布于珠海市主城区和各个新城及中心镇，仅仅在主城区有所加强；公共服务设施、医疗服务及交通设施形成以中心城区向外围扩散的单中心聚集结构，体现出设施分布在空间上明显的差异性.

在影响房价的因素上，公共基础服务设施、交通设施、教育资源、生活服务与房价成正相关性，虽然餐饮服务、医疗服务也会对房价有正向作用，但是在本文微观视角的小尺度研究范围内却表现为与房价呈负相关的趋势.从总体来看，与日常生活息息相关的公共基础服务设施和生活服务对二手房价影响最为显著，良好的教育资源和交通设施覆盖也有较大的影响.

鉴于基础数据和研究尺度的约束，本文尚有待改进之处.一方面从数据源来看，香洲城区的POI 数据十分详细，其他区域的POI数据点较为分散、零碎，会对最终结果产生影响；另一方面对二手房价格的影响因素测算需要构建更加科学可靠的评价指标体系，以便更有效地分析二手房价空间驱动因素的作用机制.