城市公共服务配置对住房价格的影响——以重庆市为例

王春杨, 张桢瑶

(重庆交通大学 经济与管理学院,重庆 400074)

一、引言

居民的生活质量很大一部分受到基础公共服务设施的影响。《人民日报》提出开展城市体检,内容覆盖包括生态宜居、健康舒适、安全韧性、交通便捷等8个方面65项指标。通过改善公共服务设施资源分配不均状况,落实“十四五”规划纲要提出的“实施城市更新行动,推动城市空间结构优化和品质提升”,从而提高城市生活质量和居住品质。从住房的需求角度而言,住房价格是体现公众对于居住环境质量价值认同的重要指标,表现为居民愿意为包含公共服务设施在内的居住环境质量所支付的费用。公共服务设施是影响住房价格的重要因素之一。为了提高居民生活幸福感、恢复城市活力,政府部门应提供额外的公共服务设施并量化不同种类设施的价值。因此,要理解城市公共服务设施与居住意愿的关系,应该量化城市公共服务设施的价值。同时,居民除了考虑能获得本地段公共服务设施的成本之外,还考虑是否有机会接触更为稀缺的公共资源,比如高质量教育、更多样化的娱乐方式等。大多数经济学家认为各种各样的公共服务设施,如医院、商业街、学校、公园、自然环境和交通等都对房价产生外部影响,而这些公共服务设施对居民所具有的有利影响也被资本化到房屋价格之内。

为了更好地评价公共服务配置对居民生活质量和居住需求的影响,本文以重庆市为例,运用百度兴趣点POI(Point of Interest)数据、房屋价格数据和空间计量经济学模型,直观分析和阐述城市公共服务设施对住房价格的影响。重庆作为我国中西部地区的直辖市,拥有常住人口3205.4万人,城镇化率达到69.46%。近年来,重庆发展取得显著成就,经济结构加快转型升级,人口吸引力不断增强。《重庆市第七次全国人口普查公报》显示,重庆流动人口为481.14万人,跨省流入人口219.36万人,市内流动人口261.78万人,10年来跨省流入人口增加115.16万人[1]。为了方便研究不同类型的公共服务设施及其位置变化对房价的影响有何区别,本文将重庆市公共服务设施分为教育、交通、商业娱乐、文化体育、医疗卫生和配套服务六大类。另外,样本选择以小区为中心、半径为1公里画圆,以更好地反映我国公共服务配置所提倡的“15分钟生活圈”,即在15分钟步行可达范围内,配备生活所需的基本服务功能与公共活动空间,形成安全、友好、舒适的社会基本生活平台。

二、文献回顾

城市公共服务设施如教育、娱乐、医疗和商场,是一个城市的基本功能,公共服务设施的可达性是影响城市居民生活质量的一个重要因素,也是影响房价的一个重要因素[2]。国内最早研究公共服务设施对房价的影响是从研究交通基础设施对房价的影响开始的。大多数研究表明住房空间的分布和扩展与交通通道关系密切,主要交通干线沿线、高速公路出入口和轨道交通站点周边地区是小区住房集中区与开发的最佳区位[3]。郑捷奋和刘洪玉研究发现城市居民在住房区位选择上,对交通条件具有很高的依赖性,一般出行条件好的住房区易于销售, 价格也相对较高,住房区的开发和建设必须考虑交通条件,与交通快速通道或干线的建设相适应[4]。这一类研究文献开始量化分析公共服务设施之一——交通基础设施会对城市的房价产生重要影响,但是大部分研究结论都是交通越便利,城市房价越高,即交通设施对房价产生的是正面影响,而少有研究提到交通可达性对房价的负面影响。随着研究不断深入,交通对房价的影响被研究得更加全面,Kim和Zhang利用韩国首尔的数据研究发现,虽然距离交通枢纽站近可以提高家庭出行的便利程度,但是越接近交通枢纽站,交通越堵塞、噪声越大,距离交通枢纽站越近的商品住房价格反而越低[5]。

近年来,学者们广泛关注除交通基础设施建设以外的其他公共服务设施可达性对住房价格的影响,并展开大量定量研究。王松涛等利用北京中心城区的教育、医疗、体育、文化、商业、绿地公园等六大类公共服务设施的地理信息数据和北京市商品住房销售数据,分析北京中心城区公共服务设施的可达性, 并应用特征价格模型分析各类公共服务设施可达性对商品住房价格的影响。研究结果表明,商品住房对不同类型公共服务设施的可达性具有显著差异。商品住房对绿地公园、医院和健身场所的最短距离可达性最好, 而对大型商场、文化设施、体育场馆的最短距离可达性较差[6]。此类研究的现实意义重大,创新之处在于拓展了研究空间,更加全面地考虑其他公共设施对房价的影响,有助于政府更好地规划城市空间布局和帮助不同家庭选择符合自己偏好的心仪住房。但是由于当时的技术限制,研究数据来源不够精确,定量分析方法单一,没能更好地反映实际情况。最近几年,各种城市公共服务设施与房价的关系成为热门话题[7]。然而,评估公共服务设施的价值存在一个问题,就是这种公共服务不涉及金钱交换,而且房地产具有很特殊的属性——非流动性,使得住房的定价机制变得十分复杂。

随着技术的不断进步和研究的继续开展,目前在城市公共服务设施可达性对房价的影响领域的研究已经逐步成熟,理论界主要从以下几方面展开相关研究:其一,公共服务设施作为一种具有外部效应的公共品,对商品住房价格存在明显影响。许多学者研究发现城市的多种公共服务设施导致商品住房价格出现复杂的空间结构。其二,城市公共服务设施资本化对房价存在影响。经济学家通常用享乐价格模型来研究房价,该模型将结构、位置和邻里属性视为房地产价值最重要的决定因素[8]。城市公共服务设施的价值已被资本化到房价中,住房购买者往往更倾向于溢价买房来获得配有高质量服务设施的住房。但是关于公共服务如何资本化到房价中的研究不多,丛颖等以空间计量视角,使用莫兰指数以及空间自回归模型来解释房价的空间聚集,分析我国东中西部公共服务资本化对房价的空间层面影响,具体探讨公共服务在多大程度上影响各个城市的房价,并分别使用 SEM、SAR、SDM 空间面板模型实证分析,对交通、教育及医疗等基础设施的变量研究分析得出公共服务与房价的空间相关性[9]。其三,在研究方法和使用模型方面,关于公共服务设施对住房价格的影响主要基于特征价格模型和空间计量模型来研究。梁军辉等应用基于特征价格的空间计量模型,利用空间数据的空间自相关性和空间异质性两个重要特征,研究北京市公共服务设施配置对房价的影响并提出相应建议[10]。杨林川等采用特征价格法分析城市住宅价格,主要考虑住宅建筑结构、邻里和地理区位特征,得出具有不同特征、不同种类的服务设施会对房价产生不同影响的结论[11]。

总体上,国内外学者详细分析了城市公共服务设施与房价之间的关系,大多数研究都表明住房价格的确受到公共服务设施的影响,并且这种影响力逐渐增大。但是,大多数学者只关注到某一种类型的公共服务设施对整个城市的单一影响,忽视不同种类和不同区位的公共服务设施对城市所产生的影响更为重要。本文将重庆城市公共服务设施分为六类,基于百度POI和安居客看房网的住房数据,运用空间计量模型来研究六种不同城市公共服务设施与房价的关系。在分析公共服务配置对房价直接影响的基础上,通过构建空间计量模型,考察公共服务对房价影响的空间溢出效应,将有助于分析住房购买者对不同类型公共服务的偏好程度,并为今后的研究提供参考。

三、数据来源与变量选择

(一)研究区域概况

本文主要研究区域为重庆市主城九区,包括渝中区、渝北区、大渡口区、江北区、南岸区、沙坪坝区、九龙坡区、北碚区和巴南区。根据2020年11月1日零时重庆市第七次全国人口普查结果,主城都市区常住人口为2112.24万人,占65.90%。其中,中心城区(主城九区)常住人口为1034.35万人,占32.27%;主城新区常住人口为1077.9万人,占33.63%。分区域看,与2010年第六次全国人口普查相比,主城都市区常住人口所占比重增加4.73个百分点。其中,中心城区常住人口所占比重增加6.42个百分点,主城新区常住人口所占比重减少1.69个百分点[1]。人口密度反映居民对公共服务的需求程度。重庆市人口空间分布相对集中在主城区和渝西地区,各区县人口规模及密度差异极大;重庆市人口密度空间自相关性显著,“高—高”类型区集中分布在主城区,“低—低”类型区相对集中分布在渝东北和渝东南地区的偏远区县[12]。

(二)数据来源

住房价格数据方面,由于隐私保护,我国没有公开个人房屋交易数据的互联网网站。同时,与新房交易相比,二手房交易受政策法规的影响较小,更能反映城市公共服务对房屋价格的影响[13]。因此,本文使用二手房交易价格数据来反映住房价格。在重庆房地产市场中,二手房市场占有率在60%以上。本研究的住房数据来自安居客住房网。安居客是市场中用户规模最大的在线房地产平台,APP独占率超过75%。安居客所有住房价格信息都经过严格评估,并利用交易数据库交叉验证挂牌价格,以提高准确性。安居客的房源数据能够准确反映重庆市二手住房价格的空间分布。本研究的住房数据来自安居客住房网1705个居住小区样本,样本的主要物业类型是公寓住宅(不包括商业楼和别墅),数据属性包括居住小区名称、房价、经纬度、建筑年份、开发商、容积率、绿化率、停车场等。公共服务设施数据来自百度POI[14]。

运用Arcgis,将各小区位置分布进行空间可视化分析,建立2021年重庆房价空间数据库。重庆市主城九区的小区主要集中在沙坪坝区的东南部,渝中区、江北区的西部和渝北区的西南部,即集中分布在重庆市的中心繁华位置。采用Arcgis的渔网工具,对1公里*1公里网格内的各类公共服务设施进行可视化处理,并统计出每个行政区房价的平均值,得到各个行政区的房价顺序:江北区>渝中区>渝北区>南岸区>沙坪坝区>九龙坡区>大渡口区>北碚区>巴南区。利用Arcgis,可视化分析各类公共服务设施的百度POI数据,得到重庆市不同公共服务设施的分布情况。小学和中学的分布整体分散,局部集中在渝中区,从渝中区逐渐向外扩散,且扩散较为均匀,九区各个方位都有教育基础服务实施,说明重庆市的教育资源分配比较均衡,但仍存在有的地区没有获得优质教育资源的情况,需要优化教育资源分配。轻轨站、公交车站和汽车站的分布整体不均,渝北区东北方向几乎没有交通设施,这是因为渝北区的中心位于其西南部,居民主要分布在西南部,而东北部修建了多个水库,没有地势优势,有山脉与多条河流,居民较少。轻轨站、汽车站在中心地区和各个商圈分布最多,方便人们出行和购物。目前,重庆仍有多条轨道线路在建设中,随着轨道交通的不断完善,居民外出会越来越便捷。重庆市各个小区周围的配套服务设施包括广场、公园、物流快递、社区服务和便利店等,配套服务设施的分布与小区分布差异不大,说明各个小区的基础设施较完善,居民生活较便利。商场、超市、饭店、咖啡厅等休闲娱乐设施的分布显示,渝北区的东北部、巴南区的南部几乎没有商业娱乐设施,商业娱乐设施主要集中分布在主城中心人流量较大的渝中区。图书馆、书店、博物馆、健身房、体育馆等的分布显示,相对于其他几类公共服务设施,文体服务设施的分布更集中,在渝中区及其周围区域分布过剩,而相对于渝中区的外围地区没有分布,分布极为不均,重庆市应调节文体服务设施的分布,让更多市民有接触文化熏陶和锻炼身体的场所。医院、急救中心和疾病预防机构的分布显示,医疗资源分布不均衡,城市中心优于外围地区,集中分布在渝中区的边界周围,其中巴南区和渝北区医疗资源较差。

(三)变量选取

本文首先利用Arcgis,以小区为中心规划半径为1公里的圆,在此基础上用规划半径内的数量来量化核心解释变量——六类公共服务设施[15]。为了结果的准确性,再次以小区为中心规划半径2公里内的公共服务设施的数量,测算城市公共服务设施配置对房价的影响。房价为核心被解释变量,核心解释变量为教育、医疗卫生、交通、商业娱乐、文体服务和配套服务。控制变量选取小区自带属性,包括容积率、绿化率和停车位。相关变量的描述见表1。

表1 变量类型、名称及描述

表2给出相关数据的描述性统计。为了防止异方差的影响,除了容积率和绿化率,其他变量都取对数进行描述性统计,控制变量的均值与最大值和最小值差异较大,其他解释变量符合变量的随机性要求。

表2 各变量的描述性统计

四、空间相关性分析与计量模型设定

(一)空间权重矩阵构造

为了测度各小区之间的空间相关性,需要构建合适的空间权重矩阵。根据研究需要,构建三种类型的空间权重矩阵,分别是基于相邻关系的邻接矩阵和基于距离的门槛距离矩阵、反距离平方矩阵[16]。

邻接矩阵假定空间截面之间只要拥有非零长度的共同边界时, 空间交互作用就会发生, 赋值规则为相邻空间截面i和j拥有共同的边界用1表示, 否则就以0表示。计算公式为

门槛距离矩阵是基于地理距离的空间权重矩阵,用来计算两点之间的距离。计算公式为

反距离平方矩阵是在反距离空间权重矩阵的基础上,为了使较远的点对结果的影响更小,采用距离的平方。即距离越远的点,其权重快速衰减。计算公式为

式中,d的取值由Geoda软件自动判断生成。

(二) 空间相关性检验

本文采用Moran’s I指数,检验重庆市主城九区二手房房价水平的空间相关性,并利用GeoDa软件计算LISA指数,以观测九个区域房价发展的空间演化情况[17]。

1.全局自相关分析

通过Moran’s I指数,对重庆市主城九区的小区房价分别运用邻接矩阵、门槛距离矩阵和反距离平方矩阵进行全局空间自相关检验[18],结果见表3。由表3可知,三种空间权重矩阵下的P值都低于5%,说明Moran’s I指数均通过显著性检验。且Moran’s I指数都大于0.2,表明重庆市主城九区的房价水平呈现空间正相关,尤其是在门槛距离矩阵下,空间相关性最强。

表3 不同权重下房价的Moran’s I指数

2.局部自相关分析

全局Moran’s I指数仅仅能够反映重庆市主城九区小区房价整体上的空间关系,对九区内部某小区房价与其周边小区房价的空间相关关系,需要引入局部Moran’s I指数来具体刻画。利用GeoDa软件计算LISA系数,分析重庆市主城九区房价的局部空间分布格局,揭示空间集聚特征最明显的区域。从局部相关的角度来看,三种空间权重矩阵下,“高—高”型聚集和“低—低”型聚集的分布地区几乎相同,“高—高”型聚集在渝中区南部、北碚区南部、渝中区西南部、南岸区西部和沙坪坝东部等。“低—低”型聚集在北碚区的少数地区、九龙坡区和大渡口区的大部分地区、巴南区西部和渝北区西南部,表示这些区域的房价呈空间正相关。在邻接矩阵和门槛距离矩阵下绘制的LISA聚集图呈现相似的特征,都存在“低—高”型聚集和“高—低”型聚集的区域分布较少;在反距离平方矩阵下绘制的LISA聚集图,“低—高”型聚集和“高—低”型聚集的区域分布较多,“低—高”型主要聚集在渝中区,“高—低”型主要聚集在大渡口区和九龙坡区的东北部,表示这些区域的房价呈空间负相关。

(三)空间模型设定

住房是一种异质性商品,房价是一种空间数据,它不仅受到自身因素和附近公共服务设施的影响,还受到周边房价和其他空间因素的影响。传统的OLS回归分析没有考虑数据的空间自相关性和空间异质性特征,如果采用最小二乘法线性回归,回归结果会有偏差。因此,本文选用空间计量分析中的空间滞后模型(SLM),在把空间影响加入考量的基础上进行回归分析。空间滞后就是考虑周边区域对研究区域的影响,即考虑空间变量的自回归模型,即

Y=ρWY+Xβ+ε,ε～N(0,σ2In),

式中,Y为被解释变量矩阵,X为解释变量矩阵,ρ为空间效应系数,β为参数向量,W为空间权重矩阵,ε为随机误差项。

五、计量结果分析

(一)不同空间权重下以小区为中心半径1公里内的公共服务设施对小区房价的空间效应估计结果

表4中OLS的估计结果显示通过1%的显著性水平检验,说明小区房价样本之间具有较强的空间相关性。但是使用OLS回归模型的前提是假设样本之间相互独立,因此OLS回归方法不再适用于分析具有空间相关性的房价问题。按照SLM模型的回归结果,如表5-表7所示,可以得出以下结论:第一,权重矩阵选择邻接矩阵。其一,教育可达性对房价的影响不显著,与大多数研究结果有差异。这是因为,一方面邻接矩阵更强调周边小区房价对研究小区房价的影响,这样会弱化周边公共服务设施对房价的影响;另一方面所有核心变量都是以数量来量化,教育只包括小学和中学,在六类公共服务设施中数量基数较少,就出现教育对房价影响不显著的结果。医疗卫生可达性对房价的影响也不显著,医院作为一种特殊的服务设施,不是人们日常生活所必需,没有成为住房购买者考虑的因素。其二,配套服务可达性对房价呈负相关关系。这说明随着互联网的发展,居民的生活越来越便利,许多活动可以通过网上进行,一些基本生活设施如便利店、营业厅等已不再成为住房购买者重点考虑的因素。其三,控制变量中容积率、停车位和绿化率对房价都有显著影响。其中,停车位的影响最显著,停车位每提高1%,房价会上涨0.79%。第二,权重矩阵选择门槛矩阵。教育可达性对房价的影响显著,且对房价的影响最大,教育可达性每提高1%,房价会上涨93.98%。除医疗卫生可达性外,其余公共服务设施对房价的影响都显著,但配套服务可达性对房价仍是负向影响。第三,权重矩阵选择反距离平方矩阵。结果与选择门槛矩阵的差异不大,只是影响系数的大小有变化。

表4 以1公里为对象OLS模型估计结果

表5 以1公里为对象SLM模型估计结果(反距离平方矩阵)

表6 以1公里为对象SLM模型估计结果(邻接矩阵)

表7 以1公里为对象SLM模型估计结果(门槛矩阵)

(二)不同空间权重下以小区为中心半径2公里内的公共服务设施对小区房价的空间效应估计结果

表8是量化以小区为中心半径2公里内公共服务设施数量运行的结果,通过显著性检验,和表4的结论相同,说明小区之间有空间相关性,应选择空间计量模型分析公共服务设施对房价的影响。按照SLM模型的回归结果,如表9—表11所示,可以得出以下结论:权重矩阵选择邻接矩阵时,教育可达性和医疗卫生可达性对房价的影响均不显著。而当权重矩阵选责门槛矩阵和反距离平方矩阵时,教育可达性对房价的影响显著,并且在核心变量中,教育可达性对每单位房价的影响依旧最大。对医疗卫生可达性来说,无论选择何种权重矩阵,对房价的影响都不显著。对配套服务可达性来说,无论选择何种权重矩阵,均对房价呈负相关关系,但影响系数较小。对交通可达性、文体服务可达性、商业娱乐可达性来说,无论选择何种权重矩阵,它们对房价的影响都显著且较稳定。对比表4和表8的结果可以得出,当半径从1公里扩大到2公里,核心变量的影响系数逐渐变小,说明公共服务设施对房价的影响随距离增加而减弱。容积率、停车位和绿化率作为住房自带的特征,对房价的影响比较稳定,受距离变化影响较小。

表8 以2公里为对象OLS模型估计结果

表9 以2公里为对象SLM模型估计结果(反距离平方矩阵)

六、结语

本文利用空间计量模型,实证分析重庆市主城九区内公共服务设施配置等因素对住房价格的影响。研究结果表明:第一,重庆市主城九个行政区内的房价具有较强的空间邻近效应,存在显著的空间自相关;第二,教育资源配置对房价的影响程度最大,反映学区房仍是住房购买者首先考虑的类型,也说明教育资源的分配不均衡,政府应重视合理配置教育资源;第三,交通可达性对房价的影响较显著,重庆市作为轨道上的城市,公共交通配置相对较均衡,对房价产生正向影响;第四,文体服务可达性、商业娱乐可达性的影响随着与小区距离的变化而有差异,两者在1公里半径内比2公里半径内的影响更显著,产生这种影响的原因与相应设施配置较少、分布不均有关,应加强相应区域的有关设施建设;第五,配套服务可达性对房价产生负面影响且影响系数较小,反映了基本生活设施整体上是完善的,相比其他因素,配套服务可达性在本研究中不是影响房屋价格的主要因素;第六,医疗卫生可达性对房价的影响不显著,与医院的辐射范围较大有关。

公共服务资源配置是影响房价的主要因素,间接说明公共服务配置所构建的城市生活质量是影响房屋需求和人口集聚的重要因素。为了更好地提供城市生活环境,提高城市品质,重庆市应该更加科学、合理地配置公共资源,总体布局各类型的公共服务设施。以教育资源为例,通过优化教育资源的空间布局,让非城市中心地区享受到优质的教育资源,提高周边新区的生活质量。同时,随着人们越来越注意精神产品方面的消费和追求,政府应加大对文体服务和休闲娱乐的投入。本研究量化公共服务设施,在考虑空间效应的基础上分析其对房价的影响,为政策制定者更好地优化公共服务资源空间配置给予一定的理论支撑,同时帮助住房购买者判断符合条件的住房价格和区位。本研究的不足之处在于公共服务设施的分类不够细化,带有一定的主观性,后续研究中可以根据数据的可得性,运用更丰富的数据和模型进行比较分析。