江苏省城市地价水平的空间自相关分析

詹海斌,占辉斌，吴 群

（1.襄樊学院 管理学院，湖北 襄樊 441053；2.黄山学院 经济管理学院,安徽 黄山 245041;3.南京农业大学 公共管理学院，南京 210095）

0 引言

当前我国在研究城市地价相关问题时通常将区域内各个城市视为互相独立的空间单元[1]，但随着我国区域经济一体化发展，区域内相互邻接的各城市之间地价水平的关联性也越来越强[2]。国内学者在城市地价方面研究成果丰硕，如在城市地价指数编制和城市土地市场方面已有较深入的研究[3，4]，但当前国内对于省域经济圈内相互邻接的各城市之间城市地价水平空间布局上的差异研究还较少，而通过区域城市之间地价水平空间差异研究有助于通过土地价格机制优化配置整个区域土地资源，并且对促进区域内各城市之间产业结构协调发展也具有重要指导意义。

江苏省是我国较早开展城市基准地价工作的省份之一，根据江苏省城市地价动态监测成果显示,从2000年以来随着江苏省区域经济的快速发展,区域内城市地价水平有了大幅的提高。本研究借助GIS技术对江苏省各省辖市城市地价水平从不同土地用途以及按市区、市域范围进行了多方位的空间自相关分析，研究各城市间地价水平在空间上的相关性，期待为政府部门通过地价杠杆参与宏观经济调控提供有益的决策依据。

1 基本概念

1.1 空间自相关

空间自相关是研究空间某一位置相互邻接的地理现象或观测属性之间的空间相关性，主要是通过相应的空间自相关指数来表示[2]。

1.2 地价内涵

本研究中城市地价内涵是按照城市基准地价内涵来确定的，江苏省13个省辖市的不同用途的城市地价水平来源于相应年份的江苏省城市地价动态监测成果。

2 测算模型选择

目前进行空间自相关分析常用的空间自相关指数有Moran's I、Geary Ratio C、Local General G-Statistics[5-7]。本文研究的是江苏省城市地价水平的全局空间自相关分析,因此采用常用的全局Moran's I空间自相关模型进行全局空间自相关分析,计算公式如下[8，9]：

式中,xi,xj分别表示第i,第j个城市的地价水平,为城市平均地价水平,n为城市总数,wij为研究区域范围内空间单元i、j的空间连接矩阵，不同的研究目的选择相应的空间连接矩阵的构造方法。由于本文所研究的江苏省城市地价水平空间自相关分析的空间目标单元为面状目标,同时考虑到城市地价水平的空间自相关分析的可行性,因此引入Dacey提出的面状目标单元之间潜在影响的空间权重矩阵wij。

其中，dij是二进制连接矩阵元素；ai是单元i的面积与整个区域所有单元总面积的比例；ßij为相邻的空间单元i被空间单元j共享的边界长度占单元i总边界长度的比例[10,11]。

Moran's I指数的取值范围在-1～1之间，正值表示空间区位相邻的城市地价水平比较接近；而负值表示相邻城市间的地价水平差异较大；Moran's I指数为零值表示空间事物的该属性空间随机分布[12,13]。

3 估计与检验

Moran's I指数通过样本数据测算出来的，在Moran's I≠-1/(n-1)时，Moran's I与-1/(n-1)之间的差异分为以下两种：一种是显著不同；另一种是Moran's I与-1/(n-1)之间的差异与抽样的随机性有关，两者之间并不存在显著的不同。所以，基于Moran's I的分析需要在一定概率下进行空间自相关的显著性检验，以保证推断结论的正确性。通常对Moran's I的显著性检验采用双侧z检验，求取公式为：

式中，I为由Moran's I指数；E(I)为Moran's I指数的期望值，其值为-1/(n-1)(n为样本容量)；Var(I)为Moran's I指数的方差，其计算方法和正态抽样假设和随机抽样假设[14，15]有关。

4 数据来源与测算结果分析

本文分析所需的江苏省省辖市城市地价水平的资料主要来自2006、2007、2009年度《江苏省城市地价动态监测报告》，全局空间自相关分析所需的江苏省13个省辖市位置和行政边界数据根据国家基础地理信息中心1:400万数据库提供的资料，并根据空间权重矩阵构建的需要进行整饰。以江苏省各省辖市的城市地价水平为变量，通过ArcView GIS、GeoDA软件进行空间分析，同时构造面状目标的空间权重矩阵，并且在设定显著性水平a=0.05，对江苏省各省辖市2006、2007、2009年不同用途城市地价水平的全局Moran's I进行了测算。

江苏省省辖市不同用途城市地价水平的Moran's I估计和检验结果见表1、表2和表3。

表1 2006年城市地价水平的Moran's I及Z值

表2 2007年城市地价水平的Moran's I及Z值

表3 2009年城市地价水平的Moran's I及Z值

(1)从以上空间自相关分析结果的Moran's I值来看，2006年、2007年、2009年江苏省13个省辖市不同用途的城市地价水平都存在正的空间自相关,表明各省辖市间城市地价水平在空间上具有聚集特征，如图1所示，即城市地价水平高的城市是经济水平发达、城市规模大的南京、苏州、无锡和常州；地价水平较高的城市是扬州、镇江和南通；地价水平中等的城市是泰州、盐城、淮安、徐州和连云港；而地价水平最低的城市是宿迁。

(2)从空间自相关分析结果的ZR(I)值来看，最小值为1.125,最大值达到1.975,表明在设定显著性水平a=0.05条件下，江苏省城市地价水平已趋向于显著的空间自相关性。

(3)从市域地价水平与市区地价水平的空间自相关Moran's I值来看，2006年、2007年、2009年13个省辖市不同用途的市域地价水平的Moran's I均小于市区地价水平的Moran's I。但从市域地价水平与市区地价水平的空间自相关ZR(I)值来看，除2009年工业用途的地价水平空间自相关ZR(I)值市域大于市区之外，总体上江苏省13个省辖市市区地价水平的空间自相关ZR(I)值比市域地价水平的空间自相关ZR(I)值大，所以整体上表明13个省辖市市区地价水平的空间自相关性比市域地价水平的空间自相关性显著。

(4)从不同用途空间自相关分析结果来看，工业用途地价水平的空间自相关性最显著，其次是商业用途的地价水平，空间自相关性最不显著的是住宅用途的地价水平。究其原因，主要是因为各城市工业用地的地价水平相对商业用途和住宅用途的地价水平来说普遍相对较低，并且由于我们国家从2007年1月1日起执行新的工业用地最低价标准，各省辖市政府部门为了招商引资需要通常以本地区工业用地最低价标准小幅度上调的办法出让工业用地，从而人为地导致工业用地的地价水平的空间自相关性最显著，而商业和住宅的地价水平在江苏省13个省辖市之间差距比较显著，两者的地价水平不如工业用地地价水平受政府部门的干预程度大。如苏南一些城市的商业、住宅用途的地价水平和苏北一些城市的商业、住宅用途的地价水平差距就非常大，因此商业、住宅用途的地价水平的空间自相关性没有工业用途地价水平空间自相关性显著。

(5)从不同年份的空间自相关分析来看，2006年商业、住宅用途的市域和市区地价水平的Moran's I、ZR(I)值均大于2007年相应地价水平的Moran's I、ZR(I)值，而工业用途的市域和市区地价水平的Moran's I、ZR(I)值均小于2007年工业用途地价水平的Moran's I、ZR(I)值。这表明2006年江苏省13个省辖市商业、住宅用途的空间自相关性比2007年显著，而工业用途的空间自相关性2007年比2006年显著。这主要是由于2007年各省辖市商业、住宅用途城市地价水平的普遍大幅上涨，导致相邻13个省辖市之间商业、住宅用途地价水平的差距2007年比2006年拉大，特别是苏南地区城市的商业、住宅用途的地价水平与苏北地区城市之间商业、住宅用途的地价水平的差距更加明显。但由于2006～2007年工业用途的地价水平变化如前所述，相邻各省辖市的工业用地的地价水平的差距进一步缩小，导致工业用地的地价水平的空间自相关性2007年比2006年显著。2009年商业、住宅、工业用途的市域和市区地价水平的 Moran's I、ZR(I)值均大于2007年相应地价水平的Moran's I、ZR(I)值。

图1 江苏省城市地价水平的空间分布图

5 结论与讨论

本研究在利用江苏省城市地价动态监测成果的基础上,使用ArcView GIS软件和GeoDA空间统计分析软件,采用全局空间自相关Moran's I测算模型,对江苏省省辖市不同用途的城市地价水平进行了全局空间自相关分析,从模型测算结果分析来看,江苏省不同用途各城市商业和住宅用途的地价水平差异显著,特别是苏北与苏南各城市之间的住宅与商业用途的地价水平差异非常明显，并且这种地价水平差距还有进一步扩大的趋势，同时江苏省各城市工业用途的地价水平差异相对不明显。基于以上地价水平空间自相关分析，江苏省应从整个区域各城市协调发展的角度出发，加快苏北地区城市经济和城市规模的发展，大力促进苏北地区第三产业的发展，解决目前苏南地区城市规模过度扩张以及苏北地区城市经济发展相对落后的局面，使江苏省各城市之间商业、住宅用途地价水平保持合理的差异程度，防止商业、住宅用途地价水平差异的进一步扩大，这将不利于江苏省整个区域城市经济的协调发展。同时加大规范各城市政府的行政职能，避免江苏省各城市政府招商引资的恶性竞争，积极引入市场机制来合理确定工业用途的地价水平，体现江苏省各省辖市工业用途地价水平的地理区位优势，通过地价机制提高各城市工业用地的利用效率。

[1]王青，陈志刚，叶依广等.土地市场发展的经济驱动机制：理论与实证分析[J].中国人口·资源与环境，2007，17(3).

[2]宋鸿，陈晓玲等.中国土地市场化进程的空间自相关分析[J].华中师范大学学报（自然科学版）,2008,(3).

[3]李国柱.房地产价格指数的编制方法[J].统计与决策，2003,(11).

[4]吴王景，郑思齐，刘洪玉.编制住房价格指数的特征价格法细解[J].统计与决策，2007,(24).

[5]Arthur G.Reflections on Spatial Autocorrelation[J].Regional Science and Urban Economics，2007,(37).

[6]Goodchild M F.Spatial Autocorrelation[M].Norwich,UK：CATMOG 47,Geo Books，1986.

[7]Getis A，Ord J K.The Analysis of Spatial Association by the Use of Distance Statistics[J].Geographical Analysis，1992，(24).

[8]郭庆胜，杜晓初，闫卫阳.地理空间推理[M],北京:科学出版社,2006.

[9]Griffth D.A.Spatial Autocorrelation and Spatial Filtering[M].Germany：Springer，2003.

[10]Dacey，M.A Review of Measures of Contiguity for Two and K-Color Maps[A].edited by B.Berry，D.Marble.In Spatial Analysis：A Reader in Statistical Geography[M].N,J.：Prentice-Hall，1968.

[11]刘旭华，王劲峰.空间权重矩阵的生成方法分析与实验[J].地球信息科学,2002,(2).

[12]马荣华，蒲英霞，马晓冬.GIS空间关联模式发现[M].北京：科学出版社，2007.

[13]彭建超，吴群等.长三角地区城市土地利用度区域分异研究[J].中国人口·资源与环境,2008,(2).

[14]Anselin L.Local Indicators of Spatial Association-LISA[J].Geographical Analysis，1995，27(2).

[15]张琦.我国土地市场化的区域差异比较[J].改革，2006,(10).