昆明市主城区低价住区空间特征分析

云南财经大学城市与环境学院 吴巩胜

一、引言

20世纪90年代以来，我国城市空间结构发生重组，城市阶层分化日趋明显，不同阶层、相互隔离的居住空间开始形成[1-4]。实证研究表明，我国城市居住空间分异日趋明显，不同阶层人群开始在特定空间集聚，出现了以高收入人群为主体的高价住区和以中低收入人群为主体的低价住区。一方面，低价住区为城市中大量中低收入人群提供了居住空间，其周边也提供了大量低技能就业岗位，对城市社会稳定和经济发展具有一定的积极作用[5-6]。另一方面，低价住区受到地价、租金、建成历史等多种因素影响，大都远离城市就业中心，区位与环境条件较差[7]。研究以昆明市为样本城市，选取主城区范围内334个小区作为调查样点，采用住房租金指标界定低价住区，分析其空间格局与特征。研究首先对房租数据进行描述统计和全局空间自相关分析，揭示昆明市主城区房租总体特征，并确定低价住区的租金阈值。采用普通克里金空间插值法，对房租数据进行空间局部估计。在此基础上对低价住区进行提取，分析昆明市主城区低价住区空间分布格局与特征。研究结果可为保障性住区空间选址、城市基础设施和配套设施建设，交通网络设计等方面提供科学依据。

二、数据收集与分析方法

研究选取昆明市主城四区（即五华区、盘龙区、官渡区和西山区）范围内33个街道作为研究范围，共选取334个小区作为调查样点，研究范围和样点小区空间分布如图1所示。研究采用住房租金指标界定低价住区，分析其空间格局与特征。研究利用房地产门户网站（58同城、安居客房产网）对样点小区的房租及相关信息进行查询，利用百度地图拾取坐标系统进行空间定位。

研究利用空间自相关分析和地统计学方法，对研究范围内房租的空间格局进行分析。空间自相关是指变量在分布区内观测数据之间潜在的相互依赖性。通过空间自相关分析可以揭示区域单元上某一属性值与邻近单元上同一属性值的相关程度，发现空间异质和空间集聚，以判断区域化变量是否存在空间结构关系。研究利用ArcGIS 10.4软件中 的Spatial Autocorrelation（Global Moran’s I）工具进行全局空间自相关分析。地统计学是以区域化变量理论为基础，研究空间分布上既有随机性又有空间结构性的自然现象。一般用半方差函数度量区域化变量的结构性。研究采用ArcGIS 10.4软件Geostatistical Analyst扩展模块，选用普通克里金插值法对昆明市主城区房租的空间分布进行估计。

三、昆明市主城区低价住区的空间分布特征

（一）住房租金总体特征及低价住区房租阈值的确定

利用样点小区平均房租数据进行描述统计分析，根据房租分布直方图和核密度函数图反映出昆明市主城区住房租金并没有呈现出正态分布，而是呈现出左右不对称的偏态分布。单位面积月租金主要集中分布在15-35元/m2范围内。

如图2所示，昆明市主城区住房租金并没有呈现出正态分布，而是呈现出左右不对称的偏态分布。单位面积月租金主要集中分布在15-35元/m2范围内，均值大于中位数，中位数又大于众数。由此可见，昆明市主城区房租总体上呈现正偏态分布规律。研究将第一四分位数，即单位面积月租金由小到大排列后第25%的数值（19.45元/ m2）作为低价住区阈值，将等于或低于这一阈值的小区设定为低价住区。由图2所示，低价住区的租金值域分布较窄，单位面积月租金在15-20 元/ m2之间，而普通住区的租金值域分布较广，单位面积月租金在20-50元/ m2之间。

研究利用样点小区房租数据进行全局空间自相关分析，揭示房租数据之间的空间相互依赖程度，确定数据属于集聚、随机、分散中哪一种空间分布模式，从而反映昆明市主城区房租数据的总体空间性特征，计算结果为：全 局Moran’s I=0.331250，Z=17.7111，p-value=0.000000。p-value表明空间自相关结果具有极为显著的统计学意义。Z值为正且显著，表明昆明市主城区房租总体上存在正的空间自相关性，即相似的观测值（高值或低值）区域空间集聚。

（二）低价住区空间分布特征

研究利用ArcGIS 10.4软件，采用普通克里金空间插值法，对昆明市主城区的房租数据进行空间局部估计。主要过程如下：拟合经验半方差函数，选择邻点搜索方式，生成插值栅格，进行结果检验与评估。拟合结果说明，在变程距离4000m的范围内，样点之间存在空间影响，且样点之间距离越近，其空间影响越强。研究利用四分位数将房租数据分为四个等级，选用普通克里金插值法对昆明市主城区房租空间分布进行估计，其插值结果和房租等值线分布如图3所示。

由图3可见，昆明市主城区范围内低价住区的空间分布并没有呈现随机分布或离散分布的特征，而是呈现出了较为明显的空间集聚特征。昆明市主城区的北部、东部和西部出现4个较为明显的低价住区的集中区。

四、低价集中区形成影响因素分析

由以上空间插值分析可见，昆明市主城区房租受到非空间性和空间性因素的共同影响。以下内容从自身条件和空间相关性两方面揭示昆明市主城区低价集中区形成的影响因素。

首先，将334个样本小区中的86个低价住区和其他248个普通住区进行对比分析，揭示低价住区的区位及环境特征：与普通住区相比，低价住区具有较为明显的区位和环境劣势特征。首先，低价住区大多偏离城市中心且交通可达性较差；其次，低价住区的教育、医疗和休闲设施也明显低于普通住区。这表明低价住区不仅在空间位置上远离城市中心，公交可达性差，而且住区周边的基础设施、配套设施建设、以及环境条件也存在一定差距。

其次，用房租点数据进行局域空间自相关分析，揭示低价集中区内的房租水平是否相互影响。

如图4所示，昆明市主城区范围内低价集中区的房租水平存在低-低空间相关。中心城区以北出现一个明显的低价集中区。该区远离城市中心，区位和交通可达性较差，房租水平较低。同时该地区内的大部分城中村尚未拆迁改造，大量城中村的存在也影响了区域的总体租金水平。中心城区以东的低价集中区位于城市二环以内。虽然距离中心城区较近，但该区存在大量住房改革前兴建的老旧小区，建筑质量较差、房屋布局不够合理、基础设施和配套设施较为老旧，周边环境较差。中心城区以西出现了两个低价集中区。这两个集中区远离城市中心，区位条件较差，其中还包括一定数量的城中村和保障性住区，拉低了区域总体房租水平。

五、结论与讨论

研究利用昆明市主城区334个样本小区的房租数据，通过空间自相关和空间插值分析，揭示了昆明市主城区低价住区的空间格局与特征，主要研究结论如下：昆明市主城区范围内低价住区的空间分布呈现出较为明显的集聚特征，出现了4个具有一定规模的低价集中区。一方面，低价住区自身区位及环境等方面的劣势条件使其租金水平较低；另一方面，低价小区在空间上分布较为集中，房租水平具有较强的空间相关性，拉低了区域总体房租水平，由此可见低价住区自身条件和环境因素共同导致了低价集中区的形成。城市政府一方面要重视低收入住区的空间分布，如各类保障性住区的空间选址，避免集中连片布局；另一方面在城市基础设施和配套设施建设、交通网络设计方面，要对低价住区、特别是低价集中区进行倾斜，帮助该区域提升区位和环境条件，避免低价集中区进一步衰败形成贫困集中区。