城市中心职能分异视角下住宅价格影响因素的空间异质性研究——以武汉市为例

王秀兰 付纪元 吕天宇

(华中农业大学 公共管理学院，湖北武汉 430070)

一、引言

快速城镇化背景下大城市的外延式扩张和内涵式发展促使了城市内部职能分异，对城市住宅价格产生了复合而巨大的影响。[1]住宅价格变动关系到经济高质量发展与新型城镇化建设。[2]随着经济社会的高速发展和人口流动与聚集的加快，城市空间与职能不断重塑，逐渐由城市职能复合的单中心结构演变为城市职能分异的多中心空间结构，进一步驱动了资源要素的空间再分配，使得住宅价格空间格局及其影响因素呈现多样性与复杂性。[3]将大城市作为一个整体展开研究，难以厘清职能分异与住宅价格之间的逻辑关系，使得住宅价格问题变得更为复杂。因此，在经济新常态和新型城镇化推进的背景下，准确把握大城市不同职能区之间的住宅价格空间分异规律和差异化影响因素，可以为相关规划部门优化城市空间布局和要素配置提供一定的参考，对充分发挥住宅市场价格杠杆调控作用、科学制定住宅价格调控政策具有重要现实意义。

城市住宅作为经济地理学和城市社会学等多学科的重要研究对象，其价格变化受到了学者的广泛关注。目前，学术界对住宅价格的研究多集中在住宅价格空间分异特征和格局[4，5]、住宅价格影响因素[6，7]、特定设施或政策对住宅价格的影响等方面。[8-12]大数据的广泛运用与空间统计方法的不断完善，进一步推动了住宅价格的构成机理向深层次、多视角扩展，形成了具有不同特征、适用不同对象的研究方法。宏观层面上，主要基于市场供需理论，进行供需结构的建模，在落实严控增量和盘活存量的基础上，不断优化住宅市场供需结构；微观层面上，主要基于特征价格原理，形成了多元线性回归模型、空间分位数模型、地理加权回归模型等研究方法，以测度住宅价格微观影响因素的作用强度。多元线性回归模型可以从整体上描述微观因素对住宅价格的均衡影响，但存在当数据未满足正态分布假设时会使估计结果出现偏误的局限性。空间分位数模型可以描述不同住宅价格分位点的差异，解释不同分位点住宅价格的差异化影响因素，但无法揭示影响强度与住宅价格空间分布之间的非平稳性。地理加权回归模型（GWR）可以有效解释住宅价格的空间非平稳性，展示住宅价格影响因素的空间格局，但难以反映时间上的非平稳性问题。时空地理加权回归模型（GTWR）在 GWR 的基础上追加了样本的时间顺序，兼顾了空间和时间的非平稳性，提升了结果的可靠性。[13]

现有文献在住宅价格空间格局及影响因素方面的研究成果颇丰，方法也较为多元化，但基于城市内部职能分异视角分析不同职能中心住宅价格空间分布格局、探索其影响因素空间不均衡性的研究成果相对较少。在中国快速城镇化和城市蔓延扩张的背景下，对城市中心职能分异的住宅价格进行研究，是优化大城市住房市场与要素配置的重要内容。笔者基于空间统计，运用GTWR模型，以武汉市中心城区职能分异明显的汉口、汉阳和武昌三镇为例，分析住宅价格的空间分布格局，挖掘影响因素的空间异质性，以对大城市内部住宅空间布局优化及政府调控房地产市场提供科学依据。

二、研究逻辑框架

大城市外部空间蔓延和内部集约挖潜使得城市资源在空间配置层面出现了集聚不经济现象。通过城市规划引导、采取城市职能分异等措施，对资源要素重新进行配置，有利于促进职能分异的多中心城市形成。住宅价格水平不仅是城市自身经济发展状况的体现，还受到区域资源配置的影响。区域社会经济要素、人力资源和政府行政能力等因素体现出的差异化集聚效应，进而会显化为住宅价格的差异。因此，住宅价格空间异质性取决于区域空间差异导致的资源要素流动与配置，具体体现为职能分异的城市中心住宅价格及其影响因素出现空间不均衡的差异化。基于上述分析，笔者以武汉“三镇”为例，构建城市职能分异对住宅价格的作用机制的逻辑框架（见图1）并开展实证分析，旨在揭示城市中心职能分异视角下住宅价格空间分布特征及影响因素空间异质性。

图1 城市职能分异对住宅价格的作用机制的逻辑框架

三、研究方法与数据

（一）研究方法

1.空间自相关分析。地理学三大定律认为，在空间分布中，距离越近的样本点可能存在越强的空间依赖性。因此，住宅价格空间分布存在自相关性，即高住宅价格的小区，其周边小区住宅价格可能越高。空间自相关分析具有全局和局部两种视角，用于解释观测数据的各类属性在空间分布上是否存在空间关联特征。莫兰指数（Moran's I）是衡量住宅价格是否存在空间自相关特征的具体指标，取值范围在[-1～1]之间。莫兰指数大于0时，住宅样本点存在空间正相关，其值越高，说明价格类似的住宅样本点具有越强的聚集性特征；莫兰指数小于0时，住宅样本点存在空间负相关，其值越低，说明价格类似的住宅样本点具有越强的离散型特征。局部莫兰指数用于衡量分区域住宅价格的空间关联特征，依据局部莫兰指数的显著性水平及正负性，将样本点划分为“高-高集聚”“高-低集聚”“低-高集聚”和“低-低集聚”四种关联类型，以识别城市职能分异视角下差异化城市职能的空间关联特征。莫兰指数的计算公式如下：

其中，I表示莫兰指数，n表示住宅成交点总量，xi和xj分别表示第i、j个住宅的成交价格，x表示所有住宅的平均成交价格，Wij表示空间权重矩阵。

2.地统计分析。地统计分析是一种通过运用变异函数来探索空间数据相关性、空间格局变异性，进而研究各类自然、社会现象的空间随机性与结构性的统计学方法。其内容主要包括空间结构分析和空间局部估计两个部分。空间结构分析旨在寻求符合空间数据特征的最优函数模型（主要为指数和高斯核两种），运用半变异函数或协方差函数，通过变程、块金、基台等参数来描述空间数据分异特征。空间局部估计一般采用克里金（Kriging）插值法对随机区域数据进行空间建模和预测，以便进行直观的分析。克里金插值法函数表达式如下：

其中，Z（X0）表示预测点位置住宅的可能成交价格，Z（Xi）表示第i个住宅样本点的成交价格，λi为已知住宅成交样本点权重，k为已知住宅成交样本点的数量。

3.GTWR模型。GTWR是一种空间线性回归模型，在考虑住宅成交样本点空间分布差异后，对成交价格进行局部回归。其基本原理是将样本点三维坐标导入正交椭圆坐标系统，以探测住宅价格影响因素的系数变化并对其进行解释。由于建立了时空加权矩阵，GTWR有效解决了时间和空间的异方差问题，并取得相对传统GWR模型更好的拟合优度。GTWR模型函数表达式如下：

其中，Yi为第i个住宅样本点的成交价格，（ui，vi，ti）表示第i个住宅的空间位置和成交时间顺序，β0（ui，vi，ti）表示截距值，βi（ui，vi，ti）表示第j个解释变量Xij在第i个住宅样本点的回归系数，εi表示随机误差。

（二）研究区域概况

武汉市在中国中部崛起战略中具有战略支点的地位，承担着国家重要的工业生产、科教文化、交通运输功能。近些年来，武汉市的城镇化水平得到显著提高，经济发展状况持续向好。2010—2019年，武汉市城镇人口由541万人增至668万人，建成区面积由500km2增至812km2，全市生产总值由5515亿元增至16223亿元，年均增长率超过12%，房地产市场活跃，平均住宅价格由5659元/m2增至15187元/m2，涨幅 168.37%。

武汉市国土空间总体规划提出以两江三镇为引领发展核心，构建“两江三镇、六轴六楔、北峰南泽”的国土空间基本格局。两江指市内最为主要的长江和汉江水系。三镇指汉口（长江、汉江北岸的中心城区，主要包括江汉区、江岸区和硚口区）、武昌（长江南岸的中心城区，主要包括武昌区、青山区和洪山区）、汉阳（长江以北、汉江以南的中心城区，主要为汉阳区），三镇以江为界，隔江鼎立，承担了不同的城市职能。其中，汉口在武汉市起到重要的金融、商贸和交通职能，被誉为“东方芝加哥”，是武汉的商业、金融中心；武昌是长江南岸片区的总称，历史文化悠久，湖北省委和省政府驻扎于此，具有良好的教育资源和生态基础，是武汉的政治、科教、文化中心；汉阳是三镇中历史最为悠久的区域，以军事工业“汉阳造”驰名，是武汉的工业中心。整体来看，武汉三镇以点带面，推动了武汉市全域经济高速增长。因此，武汉市是城市职能分异视角下住宅价格研究的合适与典型区域。由于中心城区的房地产市场最为活跃，住宅价格相对城市周边具有更高的敏感性，笔者以武汉市三镇即汉口、武昌和汉阳三大职能区为研究对象，对住宅价格空间分布特征及其影响因素进行实证研究。

（三）数据来源

以住宅成交样本点为基本研究单元，对武汉市中心城区的住宅价格进行采集和分析。涉及的数据主要包括住宅成交样本点数据和兴趣点（POI）数据。其中，住宅样本点数据来源于链家和安居客，具体包括坐标、小区名称、小区绿化率、小区容积率、成交时间、成交价格（对数处理）、物业费等信息，有效样本点共1979个，住宅价格按照武汉市二手房价格指数进行修正，并标记成交顺序；POI数据来源于百度地图，包括武汉市所有商服中心、超市、银行、地铁站、学校、三甲医院、城市公园、旅游景点等要素，共5818个。此外，依据《武汉市商业网点布局规划》将商服中心划分为6个市级中心和20个区级中心。

四、住宅价格的空间分异特征

（一）住宅价格空间分布格局

运用克里金插值法对住宅价格空间分布格局进行分析。住宅价格的偏度系数和峰度系数分别为-0.391和4.533，在α＜0.05的条件下通过检验，表明住宅价格基本符合正态分布，整体分布偏左且分布较为陡峭，符合克里金插值法和地统计分析基本假设要求，在此基础上对武汉市中心城区住宅价格进行克里金插值，从而可视化表达住宅价格空间分布格局。

从武汉“三镇”住宅价格空间分布模式看，武昌住宅价格呈同心圆分布模式，辐射范围最广，住宅价格的单位距离衰减速度最慢，衰减最大方向是西南、东北方向；汉口的住宅价格分布较为集中，呈扇形分布模式，靠近三环区域住宅价格变化幅度较大，衰减最大的方向是正西方向；汉阳区住宅价格相对更低，呈多核心分布模式，核心位于长江沿岸和墨水湖周边，价格衰减趋势最快，衰减方向为正西方向。

从武汉“三镇”住宅价格空间格局看，武汉中心城区住宅价格空间格局呈现不均衡分布现象。其中，汉口的江滩与武昌的东湖是两个主要高住宅价格中心，汉阳内毗邻江滩地带则出现了次级中心。具体来看，湖北省高校和政府机关单位主要分布于武昌的东湖周围，且东湖具有较好的生态环境。因此，武昌呈现以东湖为高值核心区、并向周边区域辐射的住宅价格空间分布格局；汉口的住宅价格高值区主要分布在沿江地区二七商业中心附近，零散分布于江汉路、菱角湖、汉西商业中心附近，住宅价格高值区以孤岛和点状形式存在；与武昌和汉口相比，汉阳住宅价格相对较低，高价格区域主要分布于汉江、长江沿江地段，在墨水湖与龙洋湖之间也存在一片高住宅价格孤岛。此外，长江和汉江作为“三镇”的天然分界线，其沿线周边住宅价格普遍偏高，存在城市多中心对住宅价格的叠加效应。

（二）住宅价格空间关联特征

基于探索性空间分析方法，对职能分异的城市中心住宅价格空间关联特征进行分析，计算武汉主城区和“三镇”的全局莫兰指数和局部莫兰指数，相关参数见表1。

表1 全局空间自相关参数

从全局空间自相关测算结果看，武汉市主城区全局莫兰指数为 0.182，Z得分超过 2.58，p值为0.000，通过1%显著性水平检验，表明住宅样本点存在显著且正向的空间自相关性，成交价格相近的住宅样本点呈现空间聚集分布，成交价格高的样本点周边住宅价格往往较高，而成交价格低的样本点周边住宅价格往往较低。从“三镇”城市职能分异视角看，汉口、武昌、汉阳的全局莫兰指数均大于0，Z得分均超过2.58，P值均为0，通过1%显著性水平测试。武昌的莫兰指数为0.209，在“三镇”中最高，汉口的莫兰指数为0.089，汉阳的莫兰指数为0.027，在“三镇”中最低。这意味着武昌的住宅样本点具有最强的集聚效应，住宅价格受到区位特征的影响相对更大，而汉阳的住宅样本点接近随机分布，空间集聚效应不明显，因此住宅价格受到区位特征的影响相对较小。

从局部空间自相关情况看，“高-高集聚”的住宅价格样本点主要分布于汉口和武昌，汉阳相对较少。反之，“低-低集聚”住宅样本点则主要分布于汉阳。“高-低集聚”和“低-高集聚”样本点相对较少，在武汉“三镇”零散分布，空间关联特征不明显。具体来看，汉口的江岸区及江汉区东南部、武昌的武昌区、青山区以及洪山区的光谷周边通常具备发达的经济基础和完善的基础设施，拥有优越的区位优势，在各类因素的综合作用下，区域住宅价格不断攀升，并呈现带动和集聚效应。“低-低聚集”主要分布于汉口的硚口区西北部和汉阳的西部，整体位于三环线周边，受区位因素影响，存在明显的带状分布特征。

（三）住宅价格空间结构变异

基于地统计分析计算统计参数，识别武汉三镇住宅价格空间变异特征，利用半变异函数进行拟合实验，选取最优拟合模型。变程用以反映住宅成交样本点之间存在相关性的最大距离，块金系数用以反映随机性因素与确定性因素引起的空间变异所占比例。半变异函数拟合参数见表2。

表2 住宅价格空间结构变异参数

根据实验结果，武汉市主城区及内部“三镇”最优拟合模型均为指数型。综合来看，各区域的拟合优度均超过0.74，拟合效果较好。武汉市整体块金系数为0.517，说明随机性因素可以解释51.7%的住宅价格空间变异，确定性因素可以解释48.3%的空间变异。总体来看，随机性因素引起的住宅价格差异略大于确定性因素引起的住宅价格差异。

武汉“三镇”中，武昌和汉口作为武汉市的主中心，变程相对较大，说明主中心对周边住宅价格产生影响的范围更为广阔；汉阳作为次中心，变程明显低于武昌和汉口，说明次中心对周边住宅价格影响的范围相对较小，块金系数最低，拟合优度最高，确定性因素引起的住宅价格变化最显著，研究的准确性最高。

五、指标体系的构建及住宅价格影响因素空间异质性分析

（一）指标体系的构建

住宅价格的研究主要基于特征价格原理。住宅作为房地产市场商品，其价格必然受到商品的多重属性和特征影响，基于此，构建了指标体系。经过多层筛选和检验，共选取12个影响因素作为具体指标。依据各类影响因子对住宅价格的影响方式和作用特征，将指标划分为三大类，分别为建筑特征（绿化率、容积率、物业费）、区位特征（商服距离、地铁距离、公园距离、高校距离、景点距离、医院距离）和邻里特征（学校数量、生活便利、生态环境）。其中建筑特征用以反映住宅小区固有属性，区位特征用以反映住宅区位优越性与设施便利性，邻里特征用以反映住宅周边各类邻里服务设施与生态环境特征。具体构建的指标体系如表3所示。

表3 住宅价格影响因素指标体系

（二）住宅价格影响因素空间异质性分析

1.住宅价格影响因素的驱动力数值分析。为确保所采用的GTWR模型合理性与稳健性，笔者同时构建了特征价格模型、GWR模型和GTWR模型，以验证模型的拟合优度。三种模型的统计参数见表4。由表4可知，相较于基于OLS回归的特征价格模型和GWR模型，GTWR模型的AICc值与残差和最小，且调整R2最大，表明GTWR模型具有更优的拟合优度，更适用于本研究住宅价格影响因素回归分析。

表4 模型拟合参数

从武汉市主城区市域范围的GTWR回归结果看（见表5），建筑特征的回归系数绝对值最大，区位特征次之，邻里特征最小。结构特征中，绿化率、容积率、物业费均对住宅价格存在促进作用；区位特征中，商服距离、地铁距离、公园距离、高校距离、医院距离和景点距离均与住宅价格呈负相关关系，影响程度依次为：公园＞高校＞地铁站＞景点＞医院＞商服中心，即地理位置越优越、各类设施越便利的住宅价格更高；邻里特征中，学校数量、生活便利和生态环境与住宅价格呈正相关关系，即住宅周边中小学、商超、银行等设施数量增加和生态用地占比提高会对住宅价格产生正向影响。

差异化城市职能中心的住宅价格影响因素表现出显著的差异性。通过将武汉“三镇”建筑特征、区位特征和邻里特征的影响强度与中心城区平均值进行对比，得到各类特征在武汉三镇的相对影响强度（见表5和图2）。从建筑特征看，其对汉阳住宅价格的影响力最强，对汉口的影响力最弱，原因可能是汉阳作为发展相对较早的城区，住宅建设存在很大的差异性，其本身的特征会影响居民偏好，而汉口的住宅建设相对较晚，整体质量更高，故建筑特征的影响力相对较低。从区位特征看，其对武昌和汉口的影响力较强，对汉阳的影响力较弱。武昌和汉口分别作为武汉的政治和经济的中心，其核心区域拥有更优质的资源，居民对资源的需求会促使区域住宅价格上涨，具体表现为武昌、汉口住宅区位特征影响力更强。汉阳的住宅价格相对较低，且政治、经济职能相对较弱，故区位特征的影响也相对较弱。从邻里特征看，其对武昌的影响力最强，对汉阳的影响力最弱。武昌在“三镇”中具有最好的教育资源和生态环境，居民对学校、生态等邻里特征的需求和偏好相应更高，而汉阳的各类基础设施分布相对均匀，对住宅区位的要求相对较弱，因此邻里特征对住宅价格的影响力也较弱。

图2 住宅价格空间分异主要影响因素

表5 GTWR模型运算结果

2.住宅价格关键影响因素的空间异质性分析。根据GTWR模型计算结果，对建筑、区位、邻里特征及每个特征下影响力最强的两个变量空间分异性进行分析。对建筑特征的影响力分布进行分析，发现建筑特征在汉口的塔子湖东部、市民之家周边及武昌的东湖西北部、武钢集团周边的影响较强，在汉阳的影响相对均匀且普遍较强，在其他区域的影响相对较弱；区位特征影响较强的区域主要分布在汉口的东北部、武昌长江大桥周边，而汉阳的住宅价格整体受到区位特征的影响较弱。可以看出，中心区域与相对边缘区域的住宅受到区位的影响相对较小，而处于两者之间的住宅对区位有更高的需求；邻里特征对武昌大部分区域住宅价格的作用强度较强，汉口次之，汉阳最弱，说明区域生活服务设施的分布情况和服务质量存在差异，在汉阳的基础设施建设较为全面，在武昌尤其是南部区域可能存在部分设施修建不完善的问题。

在汉口，住宅具备的建筑特征和邻里特征对住宅价格的影响力与其他两镇相比相对较弱，但区位特征的影响力明显强于其他两镇。建筑特征中，物业费的影响强度明显，绿化率在沿江地段具有低影响力，在汉口北部区域具有高影响力；容积率在汉口沿江地段的影响力明显高于其他区域，说明在经济发达的地段，土地稀缺性更为显著，尤其是长江、汉江周边，由于稀缺景观较少，该区域居民对容积率的需求更高，致使绿化率的影响力较弱；区位特征中，地铁、公园和高等院校的影响强度相对更大，公园距离在汉口东南部具有更大的影响力，高校距离对区域整体具有高影响力，这是由于汉口东南部土地稀缺，造成城市公园和高等院校数量少、规模小，致使这两项因素的影响力相对较高；邻里特征中，生态环境的作用强度相对其他区域更大，强影响力主要分布于汉口东北部，学校、商超、银行的作用强度相对较弱。汉口作为武汉的经济、金融中心，商服中心数量多、分布广，基础设施建设齐全，同时土地资源较为稀缺，生态用地比例较低。因此，交通便利、生态良好成为汉口住宅最为需求的因素，具体表现为地铁距离、公园距离、生态环境等因素的作用强度明显较高。物业费通常用以反映小区开发建设水平，部分高端楼盘具有更好的地理区位和稀缺景观，所以物业费对住宅价格的影响更强。

在武昌，住宅价格受邻里特征的影响很强，受区位特征的影响相对较强，受建筑特征的影响较弱。武昌拥有更多的城市公园、更好的生态环境，而生态优势会使购房者对住宅本身的特征产生偏好。建筑特征中，绿化率在东湖西岸具有最强的影响力，容积率在长江沿岸具有高影响力，并向区域内部递减；区位特征中，公园距离的影响力相对均衡，高校距离在东湖西岸的影响力较弱；邻里特征中，学校数量的回归系数绝对值相对较高，且自北向南递增。可以看出，武昌对城市综合服务、生态环境质量的要求更高。武昌是武汉省委、省政府所在地，坐拥优质的教育资源和旅游资源。各类资源主要围绕政府所在区域进行配置，其中，省政府坐落于东湖西岸，省博物馆、武汉大学、水果湖中学等科教文化场所则集中分布，区域基础设施建设较好，生态环境优良，因而，武昌住宅价格受区位特征的影响最小，受建筑特征的影响最大。与之相比，其他区域住宅价格受中小学、商服中心等因素的影响较强。

在汉阳，住宅价格总体上自汉水、长江沿岸向内陆呈环状衰减趋势，受建筑特征的影响相对较强，受区位特征的影响很弱，受邻里特征的影响极弱。建筑特征作为衡量住宅小区开发时间、建造水准、小区质量等因素的重要指标，在汉阳的影响力较强且分布均匀，反映出汉阳对住宅自身特质的要求较高。区位特征中，相对其他区域各类影响因素的作用强弱而言，商超中心对汉阳住宅价格的作用强度最大，距离商超中心越近的住宅价格上涨越明显，高校距离在汉阳的影响相对较大，公园距离在汉阳的影响普遍较小，其他区位因素的影响较弱；邻里特征作用为负且接近零值，说明汉阳大部分区域的学校、商超、生活服务设施差异并不明显，对市民居住位置的影响相对较弱。汉阳作为武汉市近代工业文明发祥地，在武汉三镇中最早进行开发建设，但也正因开发时间早、基础设施建设较弱，其政治、经济职能逐渐疏解，并将宜居宜业作为新的发展理念，主要承担了武汉“三镇”市民居住和流动的职能。

六、结论与讨论

在基于城市中心职能分异视角下对住宅价格影响进行逻辑分析的基础上，通过空间自相关、地统计分析方法，对武汉“三镇”住宅价格空间格局和特征进行了实证分析，并基于区位、邻里、建筑三个层面构建指标体系，嵌入GTWR模型，定量分析了武汉“三镇”住宅价格影响因素空间异质性，主要得到以下结论：（1）武汉“三镇”住宅价格空间分异特征明显。其中，武昌住宅价格分布呈同心圆模式，汉口呈扇形模式，汉阳呈多核心模式。高住宅价格主要集聚在武昌的东湖与汉口江滩附近，且武昌的中心效应最强，对周边住宅价格的辐射影响范围最广。（2）从武汉市主城区看，建筑特征各因素作用强度由强至弱排序为：绿化率、物业费、容积率。区位特征各因素作用强度由强至弱排序为：公园、高校、地铁站、景点、医院、商超中心。邻里特征各因素作用强度由强至弱排序为：生态环境、生活便利和生态质量。（3）武汉“三镇”住宅价格影响因素存在明显空间异质性。从影响因素特征类别看，建筑特征对汉阳的影响最强，对汉口的影响最弱；区位特征对武昌和汉口的影响较强，对汉阳的影响最弱；邻里特征对武昌的影响最强，对汉阳的影响最弱。从具体影响因素看，高校和地铁、公园和医院、高校和商超中心对汉口、武昌和汉阳的住宅价格具有较强的作用力。

城市中心职能分异是产业、人口、资本、信息等要素在区域流动的外化表现，而住宅价格是区域内要素流动和重新配置的体现。因此，基于城市中心职能分异视角，对住宅价格的影响因素进行研究，对实施健康可持续的房地产市场调控，指导城市空间结构优化具有重要意义。武汉市作为新一线城市，尽管“三镇”承担了不同的城市职能，但住宅价格及其影响因素的差异使其房地产市场仍然存在较大的改进和优化空间，本研究得出的结论对于调整武汉职能分异各中心的住房市场提供了经验证据，并对其他具有多中心结构的城市具有借鉴意义。基于此，笔者提出以下建议：（1）加强汉口生态文明建设，适量增设、改造和优化城市生态空间，提升区域综合绿化水平，加强地铁站等交通设施建设，改善居民生活环境，同时合理分配教育资源，保障住房的社会公平。（2）优化武昌发展布局，通过生态环境改善、基础设施增量提质，改善交通拥堵状况，促进资源要素流动，充分发挥政治、科教、文化、生态职能，全面提高区域综合服务水平。（3）改善汉阳住宅小区的建筑水平，弥补区位短板和产业遗留问题对汉阳住宅市场造成的不利影响。可以通过提升新建小区建筑质量、物业管理水平和改善小区绿化环境，实施老旧小区改造，扭转汉阳住宅价格的冷点趋势。（4）对其他存在城市中心职能分异的大城市而言，应在引导各城市中心职能显化的同时，通过合理的政策调控，逐步降低城市职能分异多中心要素集聚差异，注重城市各中心要素流通与资源配置的公平性和合理性，避免住宅市场热度出现地域集聚或极化，有效促进房地产市场持续健康发展。