南昌市中心城区住宅地价空间分布格局及其影响因素

钟义鹏，赵小敏，郭 熙，张 晗，易 丹，朱 青

（1.江西农业大学江西省鄱阳湖流域农业资源与生态重点实验室，江西南昌 330045；2.江西农业大学国土资源与环境学院，江西南昌 330045；3.南京大学地理与海洋科学学院，江苏南京 210023）

【研究意义】近年来，随着房地产行业的竟争越演越烈，房地产市场的发展受到人们的广泛关注。在关系特征相似的城市，城市住宅地价与房价存在一定的因果关系，故而城市住宅地价问题也逐渐成为了众多学者研究的焦点[1]。因此，了解区域城市地价水平空间差异有助于反映城市土地经济变化发展的趋势，且通过土地价格机制优化配置整个区域土地资源，对促进城市各区域之间产业结构协调发展也具有重要指导意义，同时是政府合理调控土地供应与规范土地市场秩序的重要工具[2−3]。【前人研究进展】目前，国内外学者关于城市住宅地价研究大多围绕某一特定区域或热点城市展开，多见于空间异质[4−5]、时空演变[6−8]、影响因素[9−11]等领域，并且取得了丰硕的研究成果。

【本研究切入点】但前人研究仅局限于了解住宅地价的空间分布特征，对住宅地价的空间聚类格局研究较为缺乏，而了解住宅地价在空间上的聚类格局，对目前空间规划规模化的发展具有重要的现实指导意义。此外，目前学者们对住宅地价在空间分布影响因素的探究多停留在空间计量模型[10]、特征价格模型[8,12]、地理加权回归模型[4,13]等传统分析方法，对于多因子影响及其交互作用的定量分析相对薄弱。而地理探测器是研究空间分异，以及揭示其背后驱动力的一组统计学方法[14]，可以全面地分析和评估影响因子对住宅地价空间分异的影响程度及交互作用，弥补了以往研究方法的不足。据统计数据显示，2018年南昌市GDP总量为5 274.67亿元，比相邻省会城市长沙、合肥略低，而2018年南昌市住宅地价为6 463元/m2，却远高于以上两座城市水平，在GDP相对落后的情况下住宅地价却居高不下，作为中部省会城市，针对南昌市住宅地价的研究具有一定的现实意义。【拟解决的关键问题】本文在基于南昌市中心城区住宅用地出让数据的基础上，借助GIS、GeoDa、GS+等软件相关技术和地理统计分析法研究南昌市中心城区住宅地价空间分布格局及影响因素，为进一步揭示住宅地价分异规律及影响地价的驱动因素，以期为南昌市用地合理布局与国土空间规划、系统调控土地供应与规范土地市场秩序、引导土地市场健康有序发展提供参考。

1 材料与方法

1.1 研究区概况

南昌市位于我国华中地区，地理坐标位于东经115°27′～116°35′、北纬28°10′～29°11′，地处江西省中部偏北，赣江、抚河下游，东北方濒临我国最大的淡水湖鄱阳湖，西接九岭山脉，东南属赣中南，山地丘陵居多。本文根据南昌市住宅地价样点的分布情况，选取南昌市中心城区为研究范围（图1），包括南昌市东湖区、西湖区和部分青山湖区、青云谱区、新建区和昌北经济技术开发区。

1.2 数据来源及处理

本研究以2009—2018年为研究期，住宅地价数据来源于南昌市自然资源局一级土地市场交易案例，其他数据来源于城市地价动态监测网（http：//www.landvalue.com.cn/）、统计年鉴和POI数据。为了使地价数据具有统一的可比性，对地价数据进行统一内涵，基准日统一到2018年12月31日。利用离群值剔除，最终确定271个住宅样点。通过ArcGIS 10.5软件对研究区数据进行相应的数字化处理，将住宅样点数据进行空间位置匹配，建立地理信息数据库。样点数据随机排列对数处理后符合正态分布的特点。借助SPSS 22.0软件对住宅样点数据进行描述性统计分析和相关性分析，运用半方差函数在GS+7.0软件进行空间结构分析，普通克里格插值、地统计和空间自相关分析均在ArcGIS10.5软件平台上进行，最后在地理探测器软件下进行因子探测和交互探测分析。

由于地理探测器输入的自变量要求为类别数据，需要对连续性变量数据进行离散化处理。本文结合前人研究[15−16,20]及先验知识，将治安状况分为好、较好、一般、较差、差5级；空气质量分为优良、良、一般、较差、差5级；人口密度值分为高、较高、一般、较低、低5级。其他连续变量通过自然断点法划分为5类，以确保在同样空间分层条件下，结果具有可比性。

2 结果与分析

2.1 南昌市住宅地价描述性统计

利用城市地价动态监测数据整理出了2009—2018年南昌市住宅地价平均值及环比增长率及南昌市与相邻省会城市平均住宅地价对照，如图2和图3所示。

图3 2009—2018年南昌市与相邻省会城市平均住宅地价对比Fig.3 Comparison of average residential land price between Nanchang city and neighboring provincial capitals from 2009 to 2018

由图2可知，南昌市整体住宅地价呈现持续上涨的趋势，10年间增长了3倍有余，经历了低谷期（2009—2012年）、发展期（2013—2015年）、成熟期（2016—2018年）3个阶段。由图3可知，南昌市住宅地价在长沙、武汉等相邻省会城市中处于中等水平，且处于全国平均水平之下。

由表1可知，南昌市中心城区住宅地价平均值为9 575.78元/m2，略低于全国平均水平，变幅处于904.12～32 639.23元/m2；变异系数为66.54%，呈中等偏上程度变异性。整体数据分布呈偏左态，经自然对数变换后，住宅地价服从正态分布，符合地统计学分析的要求。

表1 住宅地价描述性统计特征Tab.1 Descriptive statistical characteristics of residential land price

2.2 南昌市中心城区住宅地价空间分异特征

2.2.1 半方差函数分析 半方差函数可研究住宅地价空间分布格局的随机性和结构性特征[17]。从半方差函数拟合结果选取住宅地价空间分布的最优球状模型（表2），决定系数R2为0.974，残差RSS趋近于0，表明其拟合精度较高，能够较好地反映住宅地价的空间结构特征。住宅地价的块金效应为15.5%，属于中等空间变异性，表明住宅地价具有较强空间相关性，并且主要受到如交通、环境和基础设施等因素的[18]作用。住宅地价变程为4.83 km，说明住宅地价的空间自相关范围较大。

表2 研究区住宅地价半方差函数模型及相应参数Tab.2 Model of semi-variance function of housing price and corresponding parameters

2.2.2 空间自相关分析 为进一步探测住宅地价在整个研究区域的空间聚集状态与相关程度，采用全局统计量Moran’sI指数对住宅地价分布进行全局空间自相关分析，分析结果表明，研究区住宅地价具有显著空间自相关性，其Moran’sI指数值为0.395，P为0.033 4<0.05，Zscore为11.941 4>1.96，具有统计学意义[19]，表明南昌市中心城区住宅地价具有显著的空间自相关性，这与半方差函数分析结果（表2）基本上一致。

为更好地反映研究区住宅地价的空间分布特征，在半方差函数模型拟合的基础上，对住宅地价进行普通克里格插值，得到住宅地价的空间分布图。由图4可知，南昌市中心城区住宅地价整体呈现出不规则圈层状分布，总体四周偏低中心偏高，高值区主要分布在东湖区、西湖区、青云谱区西部。

图4 住宅地价克里金插值图Fig.4 Interpolation diagram of housing land price

为进一步探测住宅地价在局部区域的空间格局分布情况，利用热点分析指标（Getis−OrdGi*）进行局部空间自相关分析，绘制了Gi*（P）值<0.05的空间分布图（图5）。住宅地价在空间分布上呈现出显著的聚集特征，其中在东湖片区、西湖朝阳片区、青云谱洪都片区等老城区均有较大面积的热点区分布，比例达32.47%，平均住宅地价为13 246.07元/m2；而冷点区主要分布在南昌市重点发展的九龙湖片区，主要有九龙湖公园、万达城附近，比例达18.45%，平均住宅地价为4 854.62元/m2。住宅地价的LISA聚类图（图6）显示，南昌市中心城区住宅地价“高－高”区域，主要分布在西湖区、青云谱区部分和东湖区部分，此部分区域位于南昌市老城区，该区域路网发达，市政设施完备，尤其是依托南昌站的建设及居住环境的改善，使得区位条件更凸显，而致使地价较高；基础设施等较差的南昌市西南片区则为住宅地价“低－低”区域，该区域为南昌市重点发展的九龙湖片区，目前正处于规划中，基础设施不够完善，距离市中心较远，周边地价呈现“低－低”聚集。

图5 研究区住宅地价热点分析Fig.5 Analysis chart of residential land price hotspots in the study area

图6 研究区住宅地价LISA图Fig.6 LISA plot of housing price in the study area

2.3 住宅地价空间分异特征的影响因素分析

2.3.1 特征变量选取 根据城市地理学和住宅经济学相关理论，再结合众多学者对住宅价格及住宅租金的研究实践[20−21]，从城市住宅的区位因子、公服设施、环境因子和宗地属性4个方面选取15个指标探测对住宅地价的影响（表3）。由于地理探测器输入的自变量要求为类别数据，故对这15项数值型变量进行离散化处理，以切合工具的要求，使结果具有科学效应。

2.3.2 探测结果分析 通过相关性衡量各影响因素对地价的相关程度，可知，所选取的因子中，除人口密度值为正相关，其他值均为负相关，且大部分因子相关性达到极显著水平。通过地理探测器模型的因子探测工具衡量影响因子对住宅地价空间分异的影响强度，探测结果如表3。其中金融设施距离、集贸市场距离对其影响的显著性较高，分别为22.14%和21.86%，可见，金融设施对住宅地价的边际贡献最大，容积率边际贡献最小为7.81%。回归系数的正负值说明驱动因素存在局部的空间异质性[22]。

（1）区位因子对住宅地价的影响。通过Pearson相关性分析，住宅地价与区位因子均呈显著负相关关系（P<0.05），r均大于0.41。表明住宅地价的高低与区位因素有很大的相关性，区位因素能给住宅用户提供更多的便捷服务，同时提升住宅的品质及便捷度，对住宅地价也有提升的作用。金融设施因素（0.221 4）和加油站设施（0.211 7）对研究区住宅地价的影响最显著，这主要是因为商业银行网点和加油站能够为居民提供便捷的金融服务和交通工具续航服务，这两项设施服务均人流量大，而城市快节奏生活方式下，常与居民区相伴而生。从系数可知，商业综合体影响度对住宅地价的影响较显著，这是因为城市商业综合体的配套设施较完善，快捷服务一体化功能较齐全；目前南昌市地铁一、二号线运营已经成熟，三、四号线正在建设中，地铁站距离对住宅用地价格也存在负向影响，这可以从交通可达性、基础设施便捷性、增强商业效应等方面得到解释，这与前人研究[5,7,22−24]相同。

表3 研究区住宅地价空间分异影响因素Tab.3 Influencing factors of housing price spatial differentiation in the study area

（2）环境因子对住宅地价的影响。环境质量优劣度是对土地社会、生态效益质量状况的量度，正成为人们居住选址时越来越重要的考虑因素[19,25−27]。本文选用了研究区治安状况、空气质量、人口密度值的监测值来实施评价。在城市内雾霾、大气污染、交通拥挤等居住环境问题频发的背景下，空气质量因素（0.181 4）和人口密度值（0.109 9）对研究区住宅地价的影响较为显著，在城市空间中，空气质量高的地方远离汽车尾气和工业排放，拥有比较舒适的生活环境，宜居性较好，对居民吸引力较大；在研究区地价高值区如天虹、百盛、万达广场等地，商业和办公设施高度聚集，土地利用率较高，导致该区域人口密度较高，而在远离中心的郊区如昌北、蛟桥、高新等地，土地的利用率相对较低，与之相应，人口密度较低，住宅地价也相对较低。从而可以粗略得出，地价和人口密度分布间大致呈正相关关系，这与前人研究[22]相符合。土地利用与犯罪率有很大的关系[28]，如盗窃、抢劫相关的犯罪容易发生在住宅区和商业区附近，人们在选择住房时会考虑该地区的治安状况，总体来说治安状况（0.014）对研究区住宅地价的影响不显著。

（3）公服设施对住宅地价的影响。公服设施周围人流量较大，由于服务人群的差异，不同类型的公共服务设施对住宅地价的影响呈现出不同的作用效果。作为生活便利性设施的菜市场，具有多样化、集中化和便捷性的特点，对住宅地价的增值作用明显；有研究表明人们对于品质生活和环境质量的要求使得公园、湖泊和文化休闲等对住宅和住宅地价都有提升作用[5,22,25]，作为城市生活的重要组成部分，主要发挥休闲娱乐、健身怡人等功能，住宅地价对其区位的依赖性较强。其次是中小学因素，由于南昌市实行学校附近居民子女就近入学，靠近重点中小学便会成为居民住宅的首选，对住宅地价的影响较为显著；在食品安全、卫生服务等问题频发的背景下，人们越来越注重健康问题，医院（0.165 5）正成为人们居住选址时越来越重要的考虑因素，南昌市中心城区分布着较多的知名三甲医院，如江西省人民医院、南昌大学附属医院（一附院、二附院）、江西省中医院等均为临近的居民提供了快捷的医疗服务。

表4 研究区各影响因子对住宅地价的相关性、因子探测和交互探测分析结果Tab.4 Analysis results of correlation，factor detection and interactive detection of each influence factor on housing price in the study area

（4）宗地属性对住宅地价的影响。本研究选取了住宅样点的宗地面积及容积率作为驱动因素，分析发现，宗地面积及容积率对住宅地价均会产生影响，可能的解释是容积率是房地产开发商通过建筑面积，获得收益的重要途径[8]，开发商取得土地时，往往容积率越高，其在单位土地上建的建筑面积越多，住宅价格也就相对较低，但是对于房屋购买者抑或房屋租赁者而言，容积率越高，舒适度则相对较低，住宅的地价也将会受到影响，这与已有的研究一致[29]。宗地面积越大，意味着土地总价越高，因而相对较少的开发商能参与到竞拍中，竞拍程度有所减弱，土地成交单价相对于小规模的宗地来说更低；面积越小，土地总价格越低，开发商准入门槛低，土地竞拍激烈，单位面积的地价相对较高[30]。

（5）各因子交互作用。通过地理探测器对影响研究区住宅地价的4个方面15个指标进行交互探测分析。从表4可知，影响因子两两交互均会大于各单因子对住宅地价变异的影响，但不同因子之间交互作用强度有所不同。其中，Dis_bank与Dis_lake的交互作用影响最强，为36.97%。此外，银行设施的叠加可大大增加单因子对住宅地价空间变异的解释力。这在一定程度上表明银行设施与住宅地价的分布具有紧密的关联性，对住宅地价升值具有较强的驱动作用。

3 结论与讨论

3.1 结论

本文通过分析南昌市中心城区2009—2018年住宅地价空间分异及影响因素，得出主要结论有：（1）近十年南昌市中心城区住宅地价经历了低谷期、发展期、成熟期3个阶段，价格持续上涨，10年间增长了3倍有余。地价平均值为9 575.78元/m2，变幅处于904.12～32 639.23元/m2；变异系数为66.54%，呈中等偏上程度变异性；（2）变异性及空间自相关分析结果显示，南昌市中心城区住宅地价具有较强的空间相关性，总体在空间分布上呈现出显著的聚集特征。经半方差函数分析，住宅地价变程为4.83 km，空间自相关范围较大，块金效应值为29.03%，表明住宅地价空间变异主要受结构性因素影响。（3）在空间分布上，住宅地价整体呈现出不规则圈层状分布，四周偏低中心偏高，热点区主要分布在红谷滩新区、东湖片区、西湖区朝阳新城、象湖片区西部、青云谱区洪都新城，比例达32.47%，平均住宅地价为13 246.07元/m2；（4）南昌市中心城区住宅地价空间分异规律影响因素的平均贡献度由大到小依次为Dis_bank、Dis_Mark、Dis_gas、Dis_com、Dis_Ent、Dis_gas、Score_sce、Score_air、Dis_park、Dis_hos、Area、Dis_sch、Score_pop、Dis_lake和FAR，其中，Dis_bank与Dis_lake的交互作用影响最强，为36.97%，金融设施的叠加可大大增加单因子对住宅地价空间变异的解释力，对住宅地价的波动和空间变异起到重要作用。

3.2 讨论

本文选取的研究区域为中部省会城市南昌市中心城区，其住宅地价空间格局分布与周边类似案例研究结论具有较好的相似性，通过对空间插值与热点分析，显示研究区住宅地价呈现出空间上的单中心、多核心的空间发展结构，地价的时空分异过程区域化较强，不适宜运用于其他非类似布局城市。地价的高峰区表现为不规则圈层状分布，且其布局的外延趋势明显，临商圈、河流湖泊的特征较为明显，这一结果与武汉[6−7]、长沙[20]等国内同类型城市相似。

住宅地价与各影响因素之间的关系较为复杂，对住宅地价影响因素的探讨有利于促进城市科学合理规划和整合资源配置。从空间异质性看，各个因素对研究区住宅地价影响的分异规律不尽相同，赣江与湖泊将南昌中心城区分为多个区域，促使南昌市呈现多核心发展格局；金融设施和商业综合体的区位因素对住宅地价的影响强度较为显著，伴随着商业金融基础设施规模的不断扩大和完善，配套功能促使住宅品质提升，增加了对住宅地价的影响力度，这一结果与傅阚颖[6]的研究相似。南昌市地铁设施开通时间相对其它城市较晚，且开通路线较少，但通过Pearson相关性检验及地理探测显示地铁因素对住宅地价仍然具有显著影响，考虑到地铁从时间成本、影响范围等方面增益城市交通通达性，通过提供便捷的交通服务使周边地价提升[23]。因此在南昌市地铁建设规划过程中，应借鉴大城市的规划经验，把握人口增长的特点与区域发展诉求。一方面要考虑到东湖区与青山湖区等老城区密集的人口对于城市快速出行的需求；另一方面要逐步完善新城区的公共交通建设，主要是红谷滩新区的九龙湖区域，地铁建设辅之以公交站布局，实现城市资源的合理高效利用[30]。在现代经济快速发展的过程中，除了便捷的区位优势外，人们对绿色环境、健康生活的需求也开始不断提升，本文发现环境因子的影响仅次于区位因子之后，环境因子不但通过Pearson相关性检验，而且其回归系数值表明这三者对住宅地价均有提升作用，人口密度值作为规划住宅用地的关键因素也显得至关重要，这就要求政府和开发商在住宅设施选址布局过程中需要综合考虑空气质量、治安状况和人口密度值，这一结果与瞿诗进[9]的研究相似。

影响住宅地价的因素复杂多变，本文在收集微观因素时未能通盘考虑，且还有宏观方面如城市规划、政府政策等因素未曾考虑，在以后的研究中，应借助GIS地统计学模型、数字地价模型等，进一步从微观宏观方面、不同时空尺度、地下空间尺度全面系统的分析住宅地价的影响因素，同时分开考虑各类城市空间结构情况，建立健全分异影响因素指标，更加量化的研究地价的时空分异，才能更加全面、深刻地揭示各要素对住宅地价的影响机制，更好地为城市土地资源优化配置、城市空间规划布局和房地产市场的宏观调控服务。