长三角都市圈小城镇住宅价格空间分布特征研究

朱世豪 黄大全

摘要：城市住宅价格一直是城市地理学、城市规划学和经济地理学研究的重点内容。都市圈内部房地产市场发展迥异，体现了一个地区不同尺度之间资源配置能力和作用。本文采用克里金插值方法对长三角都市圈房价空间分布格局进行空间估计，并重点讨论浙江省湖州市小城镇房价的影响因素。研究结果表明：（1）长三角都市圈房价分布呈现出多中心的分布特征，但省间的共通性不强。（2）湖州市房价分布受杭州房价溢出效应影响，呈现出轴线状的双中心特征，垂直于轴向东西两侧衰减。（3）都市圈核心城市房价溢出效应远大于小城镇自身核心区的集聚效应，小城市的房价水平受邻近的大城市影响显著。

关键词：小城镇；住宅价格；克里金插值；溢出效应；长三角都市圈；湖州市

doi：10.3969/j.issn.1009-1483.2020.03.003 中图分类号：F293.3

文章编号：1009-1483（2020）03-0012-07 文献标识码：A

The Spatial Distribution Characteristics of Housing Prices in Small Towns of the Yangtze River Delta： Taking Huzhou City as an Example

ZHU Shihao， HUANG Daquan

[Abstract] Urban housing price has always been the focus of urban geography， urban planning and economic geography. The development of the real estate market in the metropolitan area is quite different， which reflects the resource allocation ability and function of different scales in a region. In this paper， kriging interpolation method is used to estimate the spatial distribution pattern of housing prices in the metropolitan area of the Yangtze river delta. Taking Huzhou as an example， it studies the influence of metropolitan area housing price on small towns housing prices. The result shows that： （1） The housing price distribution in the metropolitan area of the Yangtze river delta shows the characteristics of multi-pole core distribution， but the inter-provincial commonality is not strong. （2） The distribution of housing prices in Huzhou is influenced by the diffusion effect of housing prices in Hangzhou， presents a double-center feature like an axis， which decays vertically to the east and west. （3） The spillover effect of housing prices in the core cities in the metropolitan area is much larger than the agglomeration effect of small towns， and the real estate market in small towns is influenced by the big cities and moves closer to the big cities.

[Keywords] small towns； housing price； Kriging interpolation； spillover effect； Yangtze river delta； Huzhou City

引言

城市住宅價格一直是城市地理学、城市规划学和经济地理学研究的重点内容。随着房地产产业的迅速发展，住宅价格的空间分布特征和分异规律越来越成为认识城市发展状态和城市间相互关系的重要视角。

房地产市场价格受区位条件、小区环境和房屋本身质量等多种因素影响，是城市内部与所在区域的社会、经济、政策等众多因素交互影响的结果。住宅作为和土地具有强关联性的建筑，它受到距离城市中心远近的影响；作为一种商品，它还受到自身属性和供求关系的影响；同时，房地产市场作为地方性市场，又受到其他地区市场的影响。

地租地价理论和区位理论是城市住宅价格形成的理论依据。国外对于房地产的研究最早可以追溯到17世纪末William Petty提出的“级差地租”[1]。20世纪初，美国经济学家Richard Theodore Ely和Edward Ward Morehouse强调了城市土地特征和土地价格对住宅价格的影响[2]。20世纪60年代，William Alonso等将区位论应用于城市内部地租地价的系统分析[3]，以解释城市内部的地用与地价的分布，建立了解释城市住宅分布的分析框架[4]。之后国内外学者在其基础上进行了修正和改进[5]，加入了政府因素[6]、轨道交通[7]、土地供应[8]等因素，使其在住宅与土地关系等方面得到广泛应用。

由于住宅是一种典型的商品，其价格差异取决于构成商品的各个特征，因此更多学者从特征价格理论出发构建模型进行研究。国外学者最早使用特征价格模型（Hedonic Price Model，简称HPM）对住宅市场进行理论和实证研究。其中，Ronald G. Ridker最早利用特征价格模型分析了环境质量与城市住宅价格的关系[9]。到了20世纪70年代，Sherwin Rosen等将HPM引入房地产与城市经济领域，用来解释住宅价格空间分异形成的原因[10]。20世纪80年代以来，HPM在国内外得到了广泛应用，在模型的结构改善、因子选择等方面得到了更加深入的研究[11-15]。

以上两类理论的前提假设对象都是一个孤立城市，但在现实中，房地产市场并不是完全独立的，还需要考虑区域住宅价格的溢出效应[16]。溢出效应反映出经济基准面并不能很好地解释住宅价格的时空分布，某个房地产市场不仅受到城市中心的影响，更受到邻近大城市的房地产市场的影响。对这种效应的研究最早起源于英国，后来扩散到如美国[17]、爱尔兰[18]、澳大利亚[19]等其他地区。

中国的房地产市场起步较晚，目前研究多以单个房地产市场为研究对象分析城市内部的住宅价格空间分布特征和影响因素[20-21]，或是研究城市间房地产市场影响因素的差异[22]，缺少强调区域内多个房地产市场之间相互影响的研究，且由于数据收集限制，不能直观刻画溢出效应的细节空间特征。

长三角都市圈是中国三大经济圈之一，是沿海地区经济规模最大、城市最密集的区域，也是我国房地产市场最为发达的地区[23]，但长三角都市圈内部的房地产市场发展迥异，呈现出较明显的多中心特点。本研究基于房地产交易信息平台提供的2018年长三角都市圈范围内二手房交易信息，利用地理编码技术和空间插值方法，分析长三角都市圈的房价空间分布特征，并以浙江省湖州市為例研究都市圈大城市房地产市场对小城镇住宅价格空间分布的影响。

1研究区域与方法

1.1研究区域

根据《长江三角洲城市群发展规划》，长三角都市圈包括：上海，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城等26市（见图1）。长三角都市圈土地面积 21.17万平方公里，约占全国的2.2%；2014年地区生产总值12.67万亿元，约占全国的18.5%。长三角都市圈内城市类型多样，房地产市场特征复杂，随着城镇化进程的推进，小城镇逐渐成为房地产市场的重心。

长三角小城镇数量众多，其发展主要特征为：承接核心城市的产业转移，消化外来人口；立足特色产业和资源禀赋，提供生态休闲服务；发展基本公共服务功能，平衡城乡差距。湖州市地处浙江北部，东邻嘉兴，南接杭州，北濒太湖，既是长三角城市群成员城市，又是环杭州湾核心城市。近年来，湖州市深度融入杭州都市圈，通过建立省际产业转移示范区主动承接产业溢出，推进重大项目，集聚特色产业，取得了丰硕成果。同时湖州市自然环境优美，是“两山”理论发源地、“生态+”的先行地，在绿色发展和创新生态方面具有典范作用。因此以湖州为例研究长三角都市圈小城镇住宅价格空间分布特征，具有一定代表性和科学性。

1.2数据来源

本文的住宅价格均采用城市二手房单位建筑面积的均价。笔者利用网络爬虫技术，通过房地产交易平台“房天下”（www.fang.com）提供的二手房交易信息，搜集了2018年长三角都市圈范围内城市的二手房样本点的单位建筑面积价格和地址信息，并通过地理编码技术，将样本点的地址信息映射为地理坐标（见图2）。

需要指出的是，二手房的实际交易价格和房地产交易平台公布的价格之间存在误差，但并不会对都市圈房价整体分异格局的分析结果造成重大影响。

1.3研究方法

本文分析采用空间插值方法进行拟合，空间插值方法是一种应用于将离散点的测量数据转换为连续的曲面数据的算法，能够将拟合出的曲面与其他空间现象的分布情况进行比较，具有广泛的应用场景。

空间插值方法主要包括克里金插值、最近邻插值、反距离权重插值、样条函数插值等，由于住宅价格在空间上具有显著的相关性，且拟合效果不会受到样本点非均匀采样的影响[24]，因此本研究选择克里金插值方法。

克里金插值方法是在地统计学的半变异函数理论和结构分析基础上，对样本点进行最优无偏估计的一种方法[25]。克里金插值法考虑了研究区域内采样点的随机性和结构性，最大化利用了采样点数值和空间关系所提供的各种信息，避免了异常值的产生，从而使这种插值方法比其他方法更精确。

2长三角房价分布格局

2.1长三角都市圈房价空间分布特征

根据收集的长三角住宅价格数据，利用克里金插值方法制作出长三角都市圈房价空间分布拟合图（见图3）。

整体来看，长三角都市圈东部地区和南部地区住宅价格较高，西部安徽地区的住宅价格较低。长三角的房价空间分布东西差异较为明显，呈现出多中心分布特征。上海作为中国经济、金融、贸易、航运、科技创新中心和长三角都市圈的超大城市，其房价最高。南京、杭州、苏州、宁波等Ⅰ、Ⅱ型大城市房价次之，合肥作为安徽省省会城市房价相对较低，与江苏省的常州和浙江省台州类似处于中等水平，而都市圈其余的地市房价相对较低。

长三角都市圈核心城市对小城镇产生溢出效应，经济基准面已经不能对住宅价格分布状况作出合理解释[26]，呈现出多源点的波纹式扩散状，且扩散形状复杂，核心城市之间的溢出效应存在差异。

上海、苏州的住宅价格最高且相互间的房地产市场共通性较好，溢出效应最强，嘉兴、南通和无锡的房地产市场受其影响形成环上海市、苏州市的高房价区域；南京的住宅价格相对较高，南京市内部住宅价格高，但辐射面积较小，在区域中的溢出效应较弱，且衰减较快，扬州、镇江、常州的高住宅价格区域仍在城市中心，邻接处的住宅价格受影响强度不大；杭州的住宅价格处于第二阶梯对区域住宅价格的溢出效应相对较强且辐射范围较大，湖州、绍兴、金华和安徽省的宣城受其影响较大，呈现出邻接处的住宅价格高于各自城市中心的特征；其余城市如合肥、宁波等溢出效应不明显。

长三角都市圈的房价空间分布的跨省域共通性不强，说明长三角都市圈房地产市场所依赖的社会、经济、政治联系没有突破省级边界实现成熟的一体化。上海市与江苏省苏州市的房地产市场拥有独立的中心，在省界线周边形成相对低洼的住宅价格区。安徽省滁州市和马鞍山市对江苏省南京市房地产市场的响应不强，只有浙江省杭州市突破了省界，提高了安徽省宣城市南部的房地产市场价格。

2.2湖州市小城镇房价空间分布特征

同样利用克里金插值方法对湖州市房价空间分布进行拟合，通过统计各个价格区间的占地面积可以发现，研究范围内各个住宅价格区间面积占比差异明显。湖州市住宅价格主要集中在6552～9384元之间，约占湖州市总面积的39%（见图4）。高住宅价格区间分级丰富且面积小，超过16396元的住宅价格占地面积约为7%。

从湖州市住宅价格空间分布拟合的结果来看，湖州市吴兴区沿湖和安吉县、德清县南部住宅价格较高，而南浔区和长兴县东西两侧住宅价格较低，尤其是长兴县与安吉县西侧靠近浙江省界一侧的乡镇价格最低，空间差异明显，呈现出轴状的双中心特征，而不是同心圆圈层式拓展（见圖5）。房地产市场的重心在安吉、德清两县南部。

吴兴区作为湖州市的政治、经济、文化中心，地区交通便利、基础设施完善，紧邻太湖且自然条件优越，因此平均住宅价格较高，形成以主城区为中心，贴近太湖沿岸圈层式向外衰减。且由于北部太湖的自然阻断作用，苏州市的房地产溢出效应被打断，因此形成基于吴兴区经济基准面的住宅价格空间分布中心之一。

但从整个湖州市来看，高房价市场实际上主要聚集在远离主城区的安吉、德清两县南部，且高房价范围远大于吴兴区北部临太湖区域的住宅价格范围，成为湖州市房地产市场的核心地带。

从自然条件来看，优良的环境质量是影响发达地区房地产市场的重要因素之一。安吉、德清两县是极具发展特色的生态县，是“两山”理念发展强县。两县境内拥有中南百草原、新市古镇等丰富的旅游资源，因此自然环境优美、旅游业发达。当地多依山而建的精装修洋房和排屋等高档住宅，适合度假、养生和人居，且已形成规模，吸引了长三角都市圈各个城市人口迁入。

从地理区位和特征价格来看，地理临近和交通特征也成为影响安吉、德清两县房地产市场的一个重要因素。首先，安吉、德清两县作为杭州的“北大门”，其与杭州的地理优越性超过了湖州市主城区。其次，高铁缩短了安吉、德清两县与杭州的距离，随着杭德城际铁路被纳入杭州都市圈铁路规划，交通的便捷度和人流物流的紧密度将得到进一步提高。

此外，大型的会议或国际赛事提前刺激了德清县房地产市场潜力。德清县作为2018年联合国地理信息大会会场和2022年亚运会的分会场，正处在住宅价格增值的前期阶段。知名度的提升、经济投资的流入和当地基础、配套设施的完善都刺激了德清县房地产市场的增值。

总体来看，安吉、德清县高住宅价格的主要原因仍是杭州市房地产市场的溢出效应。因为安吉、德清县南邻杭州，距杭不到30公里，核心城市人口和外地人口向当地迁移导致刚性需求、改善型需求和投资性需求一起转移，带动了当地房地产市场发展。同时安吉、德清县相对于吴兴区来说与杭州市的融城时间早，联系更紧密，共通性更强，流动强度和频度更大，其经济、文化、生活更融入杭州，受到杭州市发达的房地产市场溢出效应影响，形成了南部的高住宅价格区域。

3结论与讨论

城市住宅价格是在房地产市场供求关系相互作用中形成的，受到社会、经济、政策、人口、建筑特征等多重因素影响。但从区域角度来看，某个房地产市场不仅受到城市中心经济基准面的影响，更受到邻近大城市房地产市场的溢出效应影响。本文对长三角都市圈的房价空间分布特征进行了拟合分析，并以湖州市为例，强调了溢出效应在区域住宅价格空间分布的重要作用，研究结论如下：

（1）长三角住宅价格空间分布格局与其城市体系结构、经济发展程度基本一致，长三角的房价由直辖市、省会城市向外围跳跃式递减，呈现出多极核分布特征。长三角都市圈核心城市对非核心城市产生溢出效应，呈现出多源点的波纹式扩散状，且扩散形状复杂。小城镇房价偏移其经济基准面，形成靠近核心城市的高住宅价格区。长三角都市圈房价空间分布的跨省域共通性不强，长三角一体化程度有待提高。

（2）湖州市受杭州市房价溢出效应影响，吴兴区沿湖和安吉县、德清县南部住宅价格较高，而南浔区和长兴县东西两侧住宅价格较低，呈现出轴状的双中心特征。湖州市的房价空间分布主要受到当地自然环境条件和杭州市房地产市场溢出效应的影响，高住宅价格区主要集中在湖州市南部。

（3）核心城市对小城镇的住宅价格溢出效应影响远大于小城镇自身发展影响，且这种影响与小城镇同核心城市空间距离的远近、经济联系的密切性、交通的连通性和城市间的人口迁移有关。都市圈的一体化程度，尤其市交通的一体化程度越高，核心城市对小城镇的溢出效应越强，辐射面积越广。

核心城市对小城镇房地产市场起到带动、刺激作用的同时，同样也让小城镇的房地产市场面临承载市场份额的挑战，这是区域住宅价格的空间溢出效应带来的二次效应。因此需要统筹规划长三角的核心城市和小城镇的住宅建设和政策支持，以满足湖州市类似小城镇承接核心城市溢出效应的基本需求。因此本文提出如下政策建议：第一，统筹管控核心城市与周边小城镇房地产市场。房地产相关政策制定和实施不能局限于城市单元，应当充分考虑核心城市与周边小城镇间的联系，提前考虑核心城市对小城镇的溢出效应，从全局出发管理和调控住宅用地供应和住宅租买选择机制，同时限制跨区域房产投机行为。第二，降低核心城市与小城镇制度性壁垒，加快城市间交通网络建设。在公共服务、社会保障、交通运输等方面实现一体化，合理布局房地产租赁与销售市场，充分发挥核心城市地区对周边地区的溢出作用，实现都市圈内部协同发展。第三，适当引导房地产开发商以房地产需求为基础进行开发建设，充分认识了解到小城镇实际住房需求和实际承受能力，避免溢出效应对小城镇房地产市场造成负面影响。

由于数据收集和地理编码有一定难度，本文只收集了一期长三角都市圈的房价数据来分析长三角都市圈房价空间分布特征，缺少量化的指标具体分析其影响因素，但还是得到了和实际相符的实证结论，可以较好地映射出长三角都市圈的核心城市发展对周边小城镇的影响，为长三角都市圈的一体化建设提供参考依据。

参考文献：

[1]威廉·配第.赋税论 献给英明人士货币略论[M].陈冬野，等，译.北京：商务印书馆，1963.

[2]周诚.土地经济学原理[M].北京：商务印书馆，2003.

[3] Alonso W. Location and Land Use： Toward a General Theory of Land Rent[M]. Cambridge： Harvard Universty Press，1964.

[4] Th J V， nen， Suntum U V. The Isolated State in Relation to Agriculture and Political Economy[M].London： Palgrave Macmillan UK， 2009.

[5]彭翊，罗忠华.阿朗索地租模型及其修正[J].中国房地信息，2003（10）：28-29.

[6]张岑遥.城市房地产价格中的地方政府因素：成因、机制和效应[J].中央财经大学学报，2005（10）：65-69.

[7]郑捷奋.城市轨道交通与周边房地产价值关系研究[D].北京：清华大学，2004.

[8] Nichols J B， Oliner S D， Mulhall M R. Swings in commercial and residential land prices in the United States[J]. AEI Economics Working Papers，2013，73（1）：57-76.

[9] Henning R J A. The Determinants of Residential Property Values with Special Reference to Air Pollution[J]. The Review of Economics and Statistics，1967，49（2）：246-257.

[10] Rosen S. Hedonic Prices and Implicit Markets： Product Differentiation in Pure Competition[J]. Journal of Political Economy，1974，82（1）：34-55.

[11] Sirpal R. Empirical Modeling of the Relative Impacts of Various Sizes of Shopping Centers on the Values of Surrounding Residential Properties[J]. Journal of Real Estate Research，1994，9（4）：487-506.

[12]溫海珍，贾生华.住宅的特征与特征的价格——基于特征价格模型的分析[J].浙江大学学报（工学版），2004（10）：101-105，112.

[13]郭文刚，崔新明，温海珍.城市住宅特征价格分析：对杭州市的实证研究[J].经济地理，2006（z1）：175-190.

[14]周丽萍，李慧民，杨嘉.基于GIS的房地产特征价格模型研究[J].西安建筑科技大学学报（社会科学版），2008（2）：26-28，39.

[15]何里文，邓敏慧，韦圆兰. 武广高铁对住宅价格影响的实证分析——基于Hedonic Price模型和微观调查数据[J].现代城市研究，2015（8）：14-20，25.

[16] Holmans A E. House prices： changes through time at national and sub-national level[R]. London： Department of the Environment，1990.

[17] Clapp J M， Tirtiroglu D. Positive feedback trading and diffusion of asset price changes： Evidence from housing transactions[J]. Journal of Economic Behavior and Organization， 1994，24（3）：337-355.

[18] Stevenson， Simon. House price diffusion and interregional and cross-border house price dynamics[J]. Journal of Property Research，2004，21（4）：301-320.

[19] Costello G， Fraser P， Groenewold N. House prices， nonfundamental components and interstate spillovers： The Australian experience[J]. Journal of Banking & Finance，2011，35（3）：653-669.

[20]孙倩，洪开荣.基于Cokriging的住房价格空间格局分析——以长沙市为例[J].经济地理，2014，34（12）：99-105.

[21]王彦君.西安市居住空间分异及其效应评价研究[D].西安：西北大学，2018.

[22]宋伟轩，刘春卉.长三角一体化区域城市商品住宅价格分异机理研究[J].地理研究，2018， 37（1）：92-102.

[23]张旭亮，宁越敏.长三角城市群城市经济联系及国际化空间发展战略[J].经济地理，2011，31（3）：353-359.

[24]吴宇哲，吴次芳.基于Kriging技术的城市基准地价评估研究[J].经济地理，2001，21（5）：584-588.

[25]曾晖.城市住宅价格时空分布规律研究[D].南京：南京林业大学，2012.

[26]陈卓.长三角区域城市的房价偏离及其溢出效应研究[D].南京：南京财经大学，2016.