基于GIS的成都市商品住宅价格空间分布差异研究

翟崟淞

摘要：对成都市2018年2月在售的76个中心城区住宅小区的价格进行收集和整理，结合地理信息系统（GIS）的空间分析方法，运用克里金（Kringing）空间插值法分析得出成都市住宅价格空间分布图。结果表明，成都市高价住宅呈现南北带状分布，同时存在以南边（高新区）为中心向四周扩散的趋势，不同区域房价差异较大且存在较强的空间依赖性。

Abstract： This paper collects and collates the prices of 76 residential districts in Chengdu in February 2018. Combining with the spatial analysis method of Geographic Information System （GIS）， Kringing spatial interpolation method is used to analyze the spatial distribution map of housing prices in Chengdu. The results show that the distribution of high-price housing in Chengdu is north-south zonal， and there is a trend of spreading from south to around （high-tech zone）. The price of housing in different regions varies greatly and there is a strong spatial dependence.

关键词：GIS;住宅价格;空间分布

Key words： ArcGIS;housing price;space distribution

中图分类号：F290                                       文献标识码：A                                  文章编号：1006-4311（2019）18-0046-04

0  引言

自1998年住房制度改革以来，我国房地产市场从无到有，发展迅速。从历年房地產开发投资的金额来看，其所形成的经济体量愈加庞大。公开资料显示， 2013-2017年中国国内生产总值增长速度有放缓的趋势，房地产开发投资增速却始终不减，虽然远达不到以前的峰值增速，但对国民经济发展的拉动作用是不可忽视的。

商品住宅市场是房地产市场的一个重要组成部分，也是百姓最关心的部分。随着全国范围内的房地产市场井喷式发展，商品住宅价格也被抬高到了历年峰值，以本文研究区域为例，成都2013年住房均价7024元/m2，2017年住房均价12034/m2，环比增长71.32%，①有的区域如高新区甚至出现翻倍的情况。房价这样不可控制的增长已经影响到了城镇居民的正常生活。因此，房价持续的高速攀升引起了政府的高度关注，相关部门也陆续出台了一系列调控和抑制房价的政策。

党的十九大报告指出：“坚持房子是用来住的、不是用来炒的定位，加快建立多主体供给、多渠道保障、租购并举的住房制度，让全体人民住有所居。”这充分展示了国家顶层对“住房价格”这一民生问题的重视，政府将采用“有型的手”与“无形的手”相结合的方式打击住宅投机、投资现象，让住房回归其根本的居住属性。

综上，本文将借助地理信息系统中（ArcGIS）的空间分析方法（克里金插值法）进行空间插值得到成都市在售商品住宅价格空间分布图，分析成都市住宅价格的空间分布差异情况，为成都市土地的合理利用，房价管控措施的制定提供参考。

1  研究对象与方法

1.1 研究范围

本次研究范围为成都市中心城区，包括锦江区、青羊区、金牛区、武侯区、成华区、高新区6个主城区以及新都区、郫都区、温江区、双流区、龙泉驿新都区6个中心城区。（见表1）

1.2 资料收集与整理

本次研究样本的数据来源于中原地产（http：//cd.centanet.com/？sem=baidu&hmpl=pz），房天下（http：//www1.fang.com）以及四川省测绘地理信息局门户网站（http：//www.scbsm.gov.cn）。总计搜集了2018年2月在售的76个中心城区在售住宅价格的均价。

对样本数据中各区数据进行对比分析：对样本数据按楼盘个数、总样本数的百分比及分布密度（个/km2）进行分型行政区域进行对比，描述统计情况如表2。

对直方图进行分析：利用SPSS软件对所有样本数据进行统计性描述，如图2所示，横坐标代表住宅的价格区间，纵坐标代表在某一价格区间的个数。（注：由于空间插值法需要求样本数据呈现正态分布，因此前期对数据进行了预处理，剔除了部分豪宅，别墅）

从表3可知，偏度值为0.848，说明样本住宅价格数据属于弱正偏态，可以使用空间插值，同理，从分布直方图可以直观看出数据分布基本服从正态分布。

2  住宅价格空间特征分析

2.1 样点数据库的建立

通过Arc GIS软件平台，绘制研究区域范围内的底图，新建点图层，添加筛选后每个样点的位置，价格等相关信息，建立样点空间数据库。（如图3所示）

2.2 样点数据可视化分析

借助对成都市中心城区在售住宅房价空间特征进行分析，首先根据搜集的数据得出每个行政区域的住宅均价，并在Gis软件中进行数据可视化，便于先在宏观层面对成都住宅价格空间分布有更直观的了解。（如图4）

由图4可知，成都中心城区范围内高新区和锦江区的商品住宅均价最高，均超过了20000元/m2，老城区以外的区域，双流区价格最高，成都全市高价格住宅呈现南北带状分布。

2.3 样点数据的空间插值

为了进一步研究成都住宅房价的空间分布差异情况，采用克里金插值法（普通）进行同一区域位置数据的预测。其中，关键步骤的结果如下所示：

第一步：（常态得分变换）

第二步：（半变异函数/协方差建模）

第三步：（搜索邻域）（图8）

第四步：（交叉验证）（图9）

完成上述步骤后，对所得插值图进行裁剪出图，结果如图1所示。

3  结果分析

结合克里金空间插值法对成都市住宅均价空间特征分布进行分析，结果如下：

首先，从成都市住宅均价空间分布图可以直观的看出，房价峰值与低值相差较大，最低值5250元/m2，最高值40000元/m2（剔除部分豪华住宅和别墅以后），但峰值并不唯一，在锦江区，高新区以及双流区都出现了峰值，尤其以高新区为主的四周区域价格都处于较高水平。所以，笔者认为，成都市房价分布特征存在很强的空间依赖性，高价住宅呈南北带状分布已是现实，但未来极有可能以高新区为中心向外扩散，形成新的峰值区域。因此，管理者在未来要优先考虑对高新区周围区域房价的管控。

其次，从单个住宅小区价格的空间分布来看，价格相似（相差2000-3000元/m2）的小区多呈现聚集现象，尤其是高价位的楼盘，如锦江区的望江名门和阿玛尼等（价格均超过60000元/m2）;高新区的花漾锦江和成都银泰中心华悦居等（价格均超过40000元/m2）。因此，管理者在未来可以考虑从控制高端豪华住宅的审批数量与分布来间接控制区域房价。

最后，从整体房价趋势来看，东西发展较其他区域较为滞后，尤其是成都西北方向的区域如郫都区等，这与成都的地理位置和近些年城市的发展战略有直接关系，从地理位置上看，成都平原的西北方为龙门山脉，在经济发展条件一定的情况下，很难再有拓展，且交通也不便，成都重要的交通枢纽都集中在东南方;从发展战略上看，虽然近几年加大了对成都市西北区域的发展，但“东进、南拓、西控、北改、中优”的总方针让西北区域的发展速度已经远远的被落在了后面。因此，管理者未来应考虑适当的放松成都西北区域的房地产政策以刺激该区域的经济发展。

注释：

①数据来源：安居客，https：//chengdu.anjuke.com/？pi=PZ-baidu-pc-all-biaoti.

参考文献：

[1]丁钰珈，唐静睿.基于GIS的南京市商品住宅价格空间分异研究[J].现代经济信息，2018（16）：492.

[2]赵士阳.基于GIS的南京市住宅地价空间分布研究[J].中国物价，2018（11）：62-64.

[3]蒋健君，花向红，邱卫宁，羅慕笔.基于ArcGIS的房地产价格空间分布研究[J].测绘地理信息，2014，39（03）：27-30.

[4]靳乐乐，张军，刘勇，周群.基于GIS的武汉市住宅地价空间分布分析[J].江西农业学报，2013，25（03）：118-120.

[5]丁雪莹，洪灿，熊孜，聂笃聪.基于GIS的长沙市商品住宅价格空间格局及影响因素分析[J].热带地理，2012，32（04）：423-428，436.

[6]李妮.基于GIS的西安市商品住宅价格空间变化趋势研究[J].陕西教育（高教版），2011（12）：11-12，16.