基于空间理论的辽宁省区域房地产价格影响因素研究

袁建林

本刊核心层次论文

基于空间理论的辽宁省区域房地产价格影响因素研究

袁建林

(辽宁工业大学 经济管理学院，辽宁 锦州 121001)

本文基于辽宁省2000—2019年的房地产相关数据，运用空间地理加权分析方法，探讨了房地产价格的影响因素。研究结果显示，空间加权回归方法较更有效，能够充分表明各不同要素对房地产价格的影响程度。同时研究还发现，辽宁省房地产价格总体保持稳定态势，但不同城市房地产价格存在空间差异性。不同地区应根据城市发展规划，有序推进房地产的平稳发展。

房地产价格；空间回归；影响因素

党的十九大制定了以民生为导向的经济发展政策，正如习近平总书记所指出的“民之所盼，改革所向”。习近平总书记对房地产的金句切中要害：“房子是用来住的、不是用来炒的”。住房既是民生，也关乎发展，是千家万户切身利益之所在，人民安居乐业之基础，经济社会发展全局之要义，社会和谐稳定之根基。正因为房地产关系每个人的利益，同时，亦对国家整体经济发展带来巨大影响，所以，对其发展的研究进行得如火如荼。

近年来，我国摒弃了房地产业高歌猛进的发展基调，逐步实施稳健的房地产发展政策。得益于此，房地产业呈现出平稳的发展态势，避免了房地产价格的大起大落，居民也从中感受到政策所带来的红利，“安居乐业”成为常态，民生工程有了极大的改善。从全国房地产的销售价格看（见图1），房地产总体呈现出上涨的态势。而从波动幅度来看，办公商品房的起幅较大，其他房屋类型，价格变化呈现出一定的平缓性。

从图2可明显看出，全国商品房销售价格增速在2010年达到峰值，而后其价格增速处于一种较平稳的发展态势，没有出现较大波动。这主要得益于房地产发展的基本政策，即保持房地产发展的平稳有序，充分保证居民的住房需求，扼制房地产的投机炒房行为。

图1 房地产平均销售价格

图2 商品房销售价格增速

从辽宁省房地产价格变化趋势图来看（具体见图3），在2012年前，房地产价格增长的趋势比较平缓，而从2013年开始，房地产价格增长趋势过快。

房地产价格的变化趋势与诸多因素相关，剖析其影响因素，可有序引导其产业的健康发展，既能保证行业的发展，也可以促进居民生活质量的不断提高，可谓民生工程的重要举措。

图3 辽宁省商品房销售价格

一、文献综述

房地产既有一般商品的特点，又具有其自身的独特性。其价格受供求关系的影响，而又因其高附加值和不可移动性，成为居民投资的首选。同时，房地产与多行业密切相关，诸如建筑、运输、服务、家电等，使其成为经济发展的基础产业和支柱产业。因其重要性，各国学者都给予其较高的关注度。

对其影响因素的研究可充分把握其变化发展特征。房地产价格总体受供求关系的影响，鉴于此，各国的学者根据不同的研究目的，对其影响因素展开了多维度的研究。从宏观角度主要探讨土地供给、金融扩张、税收政策、房地产政策、居民收入水平、经济发展水平等因素，对房地产价格进行探讨。而在微观角度，主要从房地产区域位置、交通便利性、环境优越度等因素对其进行分析。

研究方法上，诸多学者如陆丽丽、王先柱、陈明华[1-3]等运用普通最小二乘法展开房地产价格的研究。得出回归方法只单纯考虑二维坐标中房价与诸多因素的关联性，并未将房地产的空间信息包含其中，不免缺失相关信息价值，衡量的关联因素有失偏颇，实际应用存在局限。

随着现代信息技术的发展，GIS得到广泛应用，对实际问题的分析更具有针对性。

由BRUNSDON、FOTHERINGHAM等[4-5]提出的空间加权回归模型，在空间上充分估计参数的权重，并可进行不断调整优化，从而得到更实际问题的估计值。空间统计回归模型的立体表达信息特性，已被广泛用于经济管理、环境保护、人口政策等问题的研究[6-9]。

对辽宁省区域房地产相关研究文献比较分散，内容涵盖人口、城市化、土地等方面，文献数量较少。田效先[10]提出可通过房地产税收，调节房地产行业发展。李瑶等[11]通过对2019年辽宁省房地产的研究，得出辽宁省房地产业发展竞争加剧，价格存在进一步上升空间。张沈生等[12]认为，交通的便利性对房价具有较大的影响。本文基于空间理论，采用辽宁省2000年至2018年相关数据，运用构建房地产价格影响因素空间模型，探讨经济、人口、区位条件、教育等对房地产价格的作用机理，探讨辽宁省区域房地产价格变化的基本规律，为相关部门的决策提供参考。

二、模型构建及变量选择

（一）模型构建

由于区域发展呈现不均衡化，房地产价格在不同地区表现不尽相同。利用空间理论分析其空间差异化，能够找出区域房地产发展的制约因素，促进产业发展。空间理论地理加权回归模型公式为：

式（1）中：是因变量，x是自变量，是回归系数，为常数方差，服从正态分布。对回归系数的估计采用最小二乘法[13]，得出其估计值：

=(T)(u, v)-1T(u, v)（2）

式（2）中，表示权重，其计算方法主要有高斯函数、指数函数及三次方函数等，本文采用高斯函数对进行距离加权，其形式如下：

式（3）中，d表示与区域最近邻居的距离向量，是距离衰减函数，也称为带宽；为距离向量的标准差。因此，只需确定值，即可得到回归参数值。而带宽的大小，采用CLEVELAND、BROWMAN等提出的方法：

（4）

支持养殖场户转型升级，实现绿色发展：对于畜禽养殖场的环保问题，要以支持和鼓励养殖场转型升级、可持续发展为主，拆迁不是主要的办法，更不是唯一的办法。要给予一定的过渡期，不能简单地今天提出要求，明天就要达到，这显然不客观，也不现实。要通过政策和资金的支持，引导养殖场户发展种养循环、提升粪污资源化利用的能力，以实现生产和环境的协调发展。

（二）指标选取及其来源

查阅2019年《辽宁统计年鉴》《辽宁经济年鉴》，并通过访问国研网统计数据库获取相关研究数据。根据对相关文献的查阅及分析，建立反映辽宁省区域房价因素的指标。主要包括房地产平均价格、人均国内生产总值、人均受教育程度、人口规模、居民消费价格指数、房屋租赁价格指数等。

表1 变量及其涵义

三、实证分析

（一）变量的描述性统计分析

根据所得数据，完成城市房地产影响变量的描述性统计分析。根据表2，得到辽宁省房地产的平均价格为4 352.972 3元／m2，价格适中，说明在整体房地产业宏观政策调控下，房地产业发展进入有序平稳阶段，区域房地产价格表现出较平稳的发展态势。但房地产价格的标准偏差在2 000元上下，表明辽宁省区域房地产价格存在一定的地区差异。

表2 变量描述性统计

（二）变量回归分析

根据所得数据，利用SAS9.0完成其回归估计，得到结果见表3。根据辽宁省房地产价格回归方程参数检验表（见表4）及误差分析表（见表5），方程值为23.30，其概率值小于0.000 1，通过显著性检验，说明方程回归效果明显。

从其方程参数的检验来看（表3），方程的值满足要求，概率值较小，说明方程参数能够对问题加以说明。方程的值均小于10，说明不存在多重共线性问题。

表3 参数估计

表4 方差分析

表5 均方根误差分析

在具体利用模型对房地产价格进行分析时，采用高斯函数计算的空间权重进行空间统计回归计算。根据表7，空间回归模型解释了区域房地产价格空间变化的65.83%，在每个样本点均有相关的参数估计，表6的计算结果揭示了不同变量对房地产价格的影响。

对房地产价格影响最显著的因素是教育，人口因素次之，而房屋出租率对房地产价格存在负向影响，是对房价具有抑价作用的因素。整体而言，不同城市发展要素存在非均衡趋势，其对房价的影响程度在空间布局中有显著的差异。从多元回归模型与空间回归模型对比来看，空间回归模型的2与最小二乘估计的2值相比，提高了0.22；同时，空间回归模型的指标，比最小二乘估计的值收敛了38.80，说明拟合性效能显著提高。

因此，在表现上，模型较模型具有优势，对房地产价格分析更具说服力。

表6 GWR模型计算结果统计表

表7 OLS模型与GWR模型的对比分析

（三）影响因素与房价的空间关系分析

根据表6所展示的空间区域房地产价格回归模型结果，人均GDP、消费价格指数、居民受教育程度与区域房地产价格呈现出正向变化趋势，而房屋租赁价格指数、人口规模与区域房地产价格呈现出负向变化趋势。首先，在影响区域房地产价格中，最重要的因素是教育。教育规模的增长对房价有一定的促进作用，使其存在一定的增长空间，也意味着教育投入的加大，居民素质得以提高，对房地产发展具有了更清晰的认识，能够理性对待房地产发展，对其价格有着客观的把握，不因市场的变化而发生改变。其次，从GDP、消费指数等反映经济情况指标来看，经济发展仍是房地产价格不断上涨的主要贡献者。这一方面说明，房地产业对经济发展的突出作用。房地产已经成为整体经济的基础产业和支柱产业，对整个经济发展具有不可或缺的影响，同时，由于其对相关产业的关联性较强，无疑增加了其对整体经济的影响力。另一方面，整体经济发展又反作用于房地产业，两者呈现出正向变化趋势，如何协调两者之间的发展，将关系整体经济能否健康稳定有序。最后，在影响区域房地产价格的因素中，房屋租赁指数与区域房地产价格呈现出负向变化发展趋势。说明随着房屋出租数量的不断增长，区域房地产价格呈现一定的下降趋势，这一点提示对抑制区域房地产价格具有参考价值，可充分发挥廉租房、公租房、商品房租赁等房屋供给方式，稳定区域房地产价格，使其价格稳定在一定区间，防止其泡沫化。而人口规模与房地产价格呈现出反向变化趋势说明，近些年人口的流动对房地产价格的影响正趋于弱化。

四、结论

经济增长的有序推进、农村人口城市化、住房租赁制不断深化，都将有力支撑房地产业健康稳定发展。特别是鉴于当前经济发展环境，即全球经济放缓趋势明显，经济萎缩态势进一步增强。如何保证房地产业稳定、持续的发展，成为新业态下行业发展需要不断思考的问题。

通过利用空间地理加权对辽宁省房地产价格影响因素的研究，可得出：

（1）模型较模型更有效

就回归模型来看，模型较模型更有效，其对房地产价格估算的表现亦更显著，因此，其模型具有更可靠的应用性。可根据相关数据资料，利用空间回归模型完成房地产价格的估算，从而为不同地区房地产业的发展提供有效的指导。

（2）加大房屋租赁政策的实施，提升其构成比例，保持房价的持续稳定

从回归模型估算结果可知，房屋租赁指数与区域房地产价格呈现出负向变化发展趋势。据此可加大房屋租赁比例，提高公租房、廉价房、商品租赁房在房地产市场的比例，实行“租售并举”，可有效抑制房价的过快增长，对保持区域房地产商品价格的稳定具有突出的效益，成为房地产行业发展的有利策略。

不同城市可根据城市的区域特色，发展房地产业。就辽宁省而言，沈阳、大连两城市，因其在辽宁经济发展的龙头地位，可加大房屋租赁业务，拓展房地产发展空间，带动整个行业的发展。其他区域城市可因地制宜，依据地域发展空间及格局，发展适合区域城市发展的房地产业。

（3）区域房地产价格空间性表现出一定的差异性

根据对辽宁省房地产价格的研究，辽宁省房地产价格总体保持稳定，但不同地区房地产价格差异较大，反映出不同地区由于经济发展、人口规模、城市竞争力等方面存在的不同，使得房地产行业发展呈现出一定的差异性。这也提示，在房地产发展中，辽宁省不同地区可根据自身的发展情况，依据资源禀赋，因地制宜，制定地区行业发展规划和发展策略，确保行业发展的稳定性和持续性。

（4）注重相关行业的发展规划建设，保持房地产业的持续健康发展

房地产业具有关联性强的特点，与诸多行业存在较强的联系，如家电、建筑、金融、装饰装修等。为了不断促进其发展，需与相关行业相向同步，同时，应密切关注其他行业的发展，以保持房地产发展的稳定性。如在人才建设中，最大程度发挥其人才引进中的功效，以不断促进城市发展，提升城市竞争力，但需保持适度，如果超限，势必会适得其反，不但不能促进城市竞争力的提高，还会加剧房地产的供给压力，导致房地产的供需不均衡，制约其他产业的发展。

[1] 陆丽丽, 胡斌, 李辉, 等. 中国房价构成与预测的仿真分析[J]. 计算机仿真, 2014, 31(3): 230-238.

[2] 王先柱, 杨义武. 差异化预期、政策调控与房价波动——基于中国35个大中城市的实证研究[J]. 财经研究, 2015, 41(12): 51-61+71.

[3] 陈明华, 刘华军, 孙亚男, 等. 城市房价联动的网络结构特征及其影响因素——基于中国69个大中城市月度数据的经验考察[J]. 南方经济, 2016(1): 71-88.

[4] BRUNSDON C, FOTHERINGHAM A S. Some notes on Parametric significance tests for geographically weighted regression [J]. Journal of Regional Science, 1999, 39(3): 497-524.

[5] FOTHERINGHAM A S, CHARLTON M E, BRUNSDON C. Spatial variations in school performance: A local analysis using geographically weighted regression [J]. Geographical＆Environmental modelling, 2001, 5(1): 43-66.

[6] 张贵, 李涛. 京津冀城市群创新产出空间差异的影响因素分析[J]. 华东经济管理, 2018, 32(1): 69-76.

[7] 梁平, 郭益铭, 刘文文. 基于GWR模型的汉江流域土地利用类型与水质关系评估[J]. 安全与环境工程, 2017, 24(2): 67-74+90.

[8] 俞振宁, 吴次芳. 基于ESDA-GWR的浙江省土地城镇化空间特征及影响因素分析[J]. 中国土地科学, 2016, 30(3): 29-36.

[9] 张人杰, 李娜, 王笑笑, 等. 2013—2016年浙江省人感染H7N9禽流感疫情的空间分析及回归模型构建[J]. 疾病监测, 2019, 34(1): 15-20.

[10] 田效先.“营改增”背景下辽宁房地产行业税收发展现存问题及对策[J]. 地方财政研究, 2016(8): 66-71.

[11] 李瑶, 石海均, 张杰. 2019年辽宁省房地产市场分析及2020年展望[J]. 辽宁经济, 2020(4): 6-8.

[12] 张沈生, 李璇. 沈阳地铁一号线对其沿线商业地产价格的影[J]. 沈阳建筑大学学报(社会科学版), 2019, 21(5): 489-494.

[13] 袁建林, 赵春兰. 基于动态面板数据的房地产价格空间自回归估算[J]. 辽宁工业大学学报(自然科学版), 2019, 39(2): 125-131.

10.15916/j.issn1674-327x.2022.05.009

F299.23

A

1674-327X (2022)05-0028-05

2020-12-25

辽宁省社会科学规划基金项目(L22BTJ004)

袁建林(1968-)，男，吉林临江人，教授，博士。

(责任编辑：许伟丽)