城市房价与公共服务设施水平关系研究

李鹏 贾儒轩

摘   要：近年来，城市住房价格居高不下成为城市居民一直关注的焦点问题，也受到了学者们的广泛研究。借助互联网大数据，通过爬取poi获取房价信息和公共服务设施点。首先，利用ArcGIS工具中的地统计分析对济南市主城区房价进行空间分布描述；其次，利用核密度分析对济南市公共服务设施的空间密度及设施多样性进行空间分布描述；最后，利用地理加权回归分析模型探究城市房价与公共服务设施多样性之间的线性关系。结果显示，公共服务设施的综合多样性以及社区办公、养老服务、教育设施、文体设施等多样性与城市房价存在正负相关性交替的现象，房价空间差异受多种因素的共同作用。

关键词：济南市；住房价格；公共服务设施；多样性

中图分类号：F299      文献标志码：A      文章编号：1673-291X（2023）05-0072-03

目前，国内对于住房价格的研究逐渐从以定性研究为主转向定性与定量相结合的方式，对房价影响因子的分析方法更加多样，最频繁的方法是采用特征价格模型分析以及地理加权回归分析[1-3]。而对于住房价格与公共设施结合的分析研究多从公共设施的可达性，以及公共设施的空間分布数量入手，缺少对公共设施的丰富度分析。本文利用poi数据，对研究范围内的设施点进行较高精度的定位，提升了研究的精细化程度。

一、研究对象与方法

（一）研究区域

通过对济南市小区数据以及公共设施主要分布数据的统计分析，研究发现居住小区以及公共设施大都集中分布在主城区。因此，选取济南市主城区作为研究区域对分析公共设施对住房价格的影响更具代表性和研究价值。根据《济南市城市总体规划（2011—2020年）》，济南市主城区包括历下区、市中区、天桥区、槐荫区、历城区和长清区，总面积3 257km2。

（二）数据来源

本次研究中，房价数据抓取自链家网（jn.lianjia.com）以及安居客（jinan.anjuke.com）等网站的poi数据，经过筛选共计1 256条，数据标签包括房源名称、经纬度、房价等信息；公共设施选取《济南15分钟社区生活圈规划导则》中规定的公共服务设施，爬取百度地图poi数据，经过筛选后共计12 456条，数据标签包括设施名称、设施类别、经纬度等信息。之后对所获取数据进行清洗处理。

（三）研究方法

1.探索性空间分析。空间自相关分析是探索性数据分析的主要方法，用来揭示区域单元上某一属性值与邻近单元上同一属性值的相关程度，发现空间异质和空间集聚现象，包括全局自相关和局部自相关[4]。

2.香农多样性分析。国内外普遍利用公共设施的密度分布来研究公共服务设施对房价的影响，可能导致研究结论不够全面，因此本文借鉴香农—威纳指数以测度综合与不同类型公共服务设施的多样性，结合公共设施密度分布更加全面地分析影响住宅价格的因素[5]，其计算公式分别为：

Hj=-∑PijlnPij

hj=-∑PmjlnPmj

式中，Hj为综合多样性指数，表示j小区周边公共服务设施的多样性指数。Pij表示第j个小区1000米范围内第i种大类公共服务设施数量占该小区1000米范围内设施数量的比例。hj为设施多样性指数，表示j小区周边各类公共服务设施的多样性指数，pij代表第j个小区1000米范围内m小类设施数量占该单元小类所属的大类设施总量的比例。多样性趋近于0，表示该小区周边公共服务设施种类单一，多样性低。反之，则表示小区周边公共服务设施总类丰富，更具多样性。

3.地理加权回归。为分析公共设施分布密度及多样性对城市住房价格的影响，在ArcGIS构建地理加权回归模型，来揭示公共服务设施影响因子与城市房价的空间相关性。首先用普通最小二乘法线性回归对变量进行总体回归分析，通过显著性检验后再进行地理加权回归分析[6]。

二、济南市主城区普通住宅价格空间分布分析

利用空间自相关分析探索济南市主城区普通住宅价格在空间上的分布规律，以此来揭示城市房价在空间上的分异和聚集现象。

（一）全局自相关

利用ArcGIS中的空间自相关分析工具，得出本研究中济南市房价数据的全局自相关分析结果Morans I指数大于0，房价整体上存在着相似值之间的空间聚集现象，距离较近的住宅，其价格也相接近。p值（P-Value）表示所研究的空间模式是某一随机过程的概率， 研究结果p值小于0.01，所以数据是随机生成的概率只有1%（99%的置信度），也就是拒绝了零假设。z值（Z-Score）远大于99%置信区间双侧检验临界值2.58，说明济南主城区普通二手房房价存在着十分显著的正相关集聚现象。首先是因为相邻住房基本在同一时间段建造，有相似的结构特征如房屋面积、内部及外部的设计，其次邻近的住宅共享周边设施，其区位及所享受的公共服务接近均等。

（二）局部自相关

本文采用LISA集聚图来分析二手房房价的集聚情况。Hight- Hight为高值聚类，Low-Low为低值聚类，表示该区域的住宅价格存在较高的空间正相关。Hight-Low为“高—低”关联，Low-Hight为“低—高”关联，表示该区域的住宅价格存在空间负相关。济南市主城区普通二手房房价“高—高”关联区域主要为济南市老城区，受其区域地理位置、土地价值以及公共服务设施质量等因素影响，房价均值普遍高于其他区域。“低—低”关联区域分布范围较广且相对分散，主要集聚在天桥区、槐荫区以及市中区的西部。负相关的区域主要分布在高值和低值聚集区之间，受旧城改造的影响这些区域房屋建成年代差异较大，且存在部分棚户小区，价格差异较大。

三、公共服务设施多样性与房价空间分布相关性分析

（一）公共服务设施的空间分布特征

1.空间密度分布特征。利用GIS中密度分析工具，对济南市公共设施poi点进行空间核密度分析，结果发现：一是公共服务设施主要集中在老城区范围内。其中，天桥区南侧济南火车站附近为公共服务设施集中分布的中心区域，市中区和历下区部分街道为次级中心区域。总体上呈现由老城区向东西两侧新城区域密度递减的趋势。二是各区域呈现组团聚集的模式。历下区组团聚集模式最为明显出现中心—次中心—组团中心三级分布特点；天桥区和市中区设施集中等级差异较大，且分布不均衡；槐荫区和历城区设施组团分布相对集中，呈现出由中心向四周递减的趋势。

2.空间综合多样性分布特征。通过计算公共服务设施综合多样性指数（Hj）以及各类设施多样性指数（hj）并对其进行可视化表达发现：一是老城区公共服务设施多样性最高，由中心向周围递减。总体上呈现出由中心向周围递减的趋势，公共服务设施密度大的区域其多样性也较高，并且带动附近区域设施多样性的提升。二是各区域设施多样性聚集组团模式明显，设施多样性等级分明。其中历下区设施多样性的等级最高，其设施丰富度最高；其次是市中区，呈现出中心—次中心—组团中心的三级分布模式；天桥区为中心—组团中心二级分布模式；槐荫区、历城区和长清区设施多样性等级相对较低。

综上，公共服务多样性呈现由老城区向周边新城区递减的趋势，各区域呈现出组团聚集的模式，设施多样性等级分布明显。

（二）公共服务设施多样性与房价总体相关性分析

在进行地理加权回归分析之前首先对公共服务设施综合多样性（Hj）和各类设施多样性指数（hj）与城市住房价格进行总体相关性回归分析。以城市房价为因变量，以公共服务设施综合多样性（Hj）、社区办公设施多样性（h1）、卫生医疗设施多样性（h2）、养老服务设施多样性（h3）、教育设施多样性（h4）、文体设施多样性（h5）、商业便民设施多样性（h6）、公共环境设施多样性（h7）为自变量，利用普通最小二乘法（OLS）线性回归对其进行分析，结果显示：

除卫生医疗设施多样性（h2）、商业便民设施多样性（h6）、公共环境设施多样性（h7）等变量外均未通过5%水平的显著性检验，究其原因主要是医疗卫生设施与公共环境设施在空间配置上相对均衡，其设施种类较少，多样性变化趋势不明显；而商业便民设施的配置多为市场选择的结果，其多样性变化也较弱。

（三）公共服务设施多样性与房价空间相关性分析

1.设施综合多样性（Hj）对房价的影响。通过GWR模型分析得到该影响因素的拟合参数R2为0.45，表明GWR模型能够解释济南市主城区45%的房价变化与影响因素之间的关系。综合多样性（Hj）对房价呈正相关影响的区域，其中对历下区西部的老城区以及天桥区济南火车站附近的影响较大，这些区域主要位于济南市老城区，建设用地开发强度不高，建筑密度大，使得公共服务设施种类数量较为密集，并且经过几十年的发展公共服务资源得到了筛选、积累和沉淀，使其资源质量优于其他区域。未来经过新一轮的城市更新改造提升，该区域的公共服务设施会得到进一步优化，可能会进一步加剧对房价的影响。

2.各设施多样性对房价的影响。一是社区办公设施多样性（h1）。通过GWR模型分析得到该影响因素的拟合参数R2为0.508，表明GWR模型能够解释济南市主城区50.8%的房价变化与影响因素之间的关系。影响最大的区域集中在历下区甸柳新村街道，但从总体来看该类设施的多样性对房价影响不大。社区办公类设施主要是满足居民日常工作以及安全需求，在交通工具以及科技发达的今天，该类设施对于消费者买房意愿的影响越来越低，随着未来科技的进一步发展，该类设施的供求关系趋近于平衡，对房价的影响会进一步降低，在空间分布上也会趋近于均衡。二是养老服务设施多样性（h3）。通过GWR模型分析得到该影响因素的拟合参数R2为0.547，表明GWR模型能够解释济南市主城区54.7%的房价变化与影响因素之间的关系。养老服务设施多样性对房价的影响既有促进也有抑制，总体上影响不大，并且现阶段养老服务设施依然是以集中式的养老院或者疗养院为主，其所处位置大多位于生态环境较好的城市外围，分散式的社区养老模式尚未完全普及，使得其对于城市房价的影响范围有限，即使有部分影响也有可能归因于其周围良好的生态环境。未来，随着居家养老以及社区养老设施的普及，以及老龄化问题的加剧，养老服务设施势必会对房价产生一定的影响，成为消费者选择房源的一项重要影响因素。三是教育设施多样性（h4）。通过GWR模型分析得到该影响因素的拟合参数R2为0.525，表明GWR模型能够解释济南市主城区52.5%的房价变化与影响因素之间的关系。教育设施多样性（h4）对房价具有抑制和促进双重作用，其中对历下区的影响作用最为明显，主要是由于该区域汇集了较多优质教育资源的同时其内部也存在一定的教育资源竞争，所以对于教育资源竞争优势明显的区域房价有促进作用，而对竞争优势较低的区域房价有抑制作用。随着教育设施的均衡化配置，各区域的教育设施多样性逐步提升，但是教育资源的质量还存在较大的差异，因而教育设施对于房价的影响更多的是体现在教育资源的质量上。未来，随着网课教育的普及和优化，利用网上教育缩小各区域间教育质量的差距，从而降低教育设施对于房价的影响，达到控制房价的作用。四是文体设施多样性（h5）。通过GWR模型分析得到该影响因素的拟合参数R2为0.397，表明GWR模型能够解释济南市主城区39.7%的房价变化与影响因素之间的关系。文体设施多样性（h5）对房价影響较大的区域在历下区和市中区的部分街道，其中历下区由于文体设施的多样性较低，使其房价受到抑制，而市中区文体设施多样性较高，其房价受到明显的促进作用。在精神文明需求逐步增加的今天，文体设施能够丰富人们的精神文化生活，满足其追求高质量的生活需求，因而其丰富程度势必会成为未来人们选择住房的主要因素之一，而现阶段文体设施分布还不够均衡，其丰富度还有待提升，这是未来规划中需要着重考虑的问题之一。

四、结语

本文利用GIS分析工具揭示济南市主城区普通住宅房价的空间分布规律，并采用GWR模型和核密度分析的方法，研究不同公共服务设施多样性对于房价的影响得出，设施综合多样性以及社区办公、养老服务、教育、文体等四类公共服务设施的多样性与房价具有明显的相关关系，其丰富程度越高越能够吸引和带动更多的居民。但公共服务设施的多样性与其数量的密度分布以及房价峰值并不完全吻合，说明影响房价的不只是空间上的分布，经济、社会、环境、政策等也都会产生影响。

参考文献：

[1]   梁军辉，林坚，吴佳雨.北京市公共服务设施配置对住房价格的影响[J].城市发展研究，2016，（9）：82-87，124.

[2]   汤坤，李全，陆江潇，等.公共服务设施可达性及其对房价的影响[J].地理空间信息，2020，（2）.

[3]   李会平，王清芳，王洪卫，等.论上海地区住宅集群及公共设施的空间可及性[J].复旦公共行政评论，2014，（1）：47-70.

[4]   周小平，秦振扬，赵松，等.中国住宅地价房价比的空间格局、演变特征及影响因素——基于35个大中城市的空间计量分析[J].中国土地科学，2019，（1）：40-48.

[5]   刘合林，郑天铭，聂晶鑫.城市基本公服设施数量与多样性空间配置研究——以武汉市主城区为例[J].城市规划，2021，（2）：84-91.

[6]   谷兴，周丽青.基于地理加权回归的武汉市住宅房价空间分异及其影响因素分析[J].国土与自然资源研究，2015，（3）：63-68.

[责任编辑   刘   瑶]