[来源][pzpg001][发表时间] 2023/02/02阅读次数：1913次
 

摘 要：以 南市 位面 住房价格和多源POI数据 研究 象，资产评估,商标评估,软件评估利用空 自相关法和空 插 方法，探究 南市住房价格的空 分异特征和 展  ，同 构建地理加 回 模型 住房价格的影响因子 行分析，揭示住房价格空 分异的形成机制。研究 果表明， 南市住宅价格在空 上呈 中心高、 部次之、西部低的 展  ，同 与插 分析的   果一致。 体呈 双核分布的格局，奥体中心片区成  展的次 核心。评估公司,评估机构,固定资产评估,价格评估从住房价格  上看， 部价格高于西部、南部高于北部， 面反映了  城区的   展。

关  ：商品住宅价格；空 分异；克里金插 法； 南市

中图分 号：F293          文献 志 ：A        文章 号：1673-291X（2022）25-0067-03

引言

住房市 的空 分异是中国社会发展中一直面 的  ，众多学者 住宅价格的研究多从  学角度展开[1]，由于住房分异同 引发了大量社会  ，因此从社会学 角考察空 分异也得到广泛发展；从空 视角研究居住空 在不同地理位置的相互作用，同 也引起了大量地理学者的关注。由此， 居住价格的空间研究越来越 向多元化。GIS 技 和大数据的发展为实证研究提供了大量依据，利用大数据探究居住空 发展的技 手法也在众多城市的研究中得到 证[2]。基于大数据的  更新和数量 大的特性，本文依据大数据的基  料，探究 南市住宅价格最新的空 分布状况，并利用地理加 回 模型分析多种空 要素 居住价格分布的影响。本文依据多学科研究手法，从更全面的 角研究住房的分异程度和演化 律，旨在为 划中减少空 分异 象提供依据。

一、研究范 与数据

（一）研究范

本研究以济南市五区（ 下区、市中区、槐 区、天桥区、 城区） 研究范 ，由于收集的小区数据主要集中于主城区部分， 使 果表达明显，以济南市主城区—济南绕城高速和 广高速 合起来的城区为重点研究区域。

（二）数据来源与 理

研究数据以截至 2020 年 4 月发布在 家网上的济南市中心城区的楼 及二手房信息 基础，包括小

区名称、住房 价、地址、  度等基本信息，共获得

195 条数据，剔除信息不全以及重复的 本，并 二手房信息中位于同一住宅小区的二手房 目的房价求平均 ，得到以小区为 位的住房 价。为保持数据的完整性， 楼 与二手房信息同 在售的小区房价做均  理，最 整理出 1 226 个住宅小区的房价数据。

二、 南市房价空 分异 律

（一）居住空 分布研究

1.空 自相关分析。空 自相关分析是空 分异研究的 典方法[3]。利用空 自相关分析来判断 南市房价在空 上是否具有关 性，即高房价与高房价或低房价与低房价在空 的分布是否有相似的 势。空 自相关根据描述的区域不同可分为全局空 自相关和局域空 自相关。全局自相关的描述指 有多种，本文采用 Moran’s I   和高/低聚   描述全局自相关性，用 点分析（Getis-Ord Gi*）工具  局部空 自相关。一是全局自相关  。全局莫兰指数（Moran’s I）用来表征研究区域内相 空 房价信息的关 情况。 Moran’s I 取 范 为-1—1，正 表示房价有正相关性，  表示相 空 的房价有 相关性，值为 0 表示不相关，同 参照 准化  量 Z  和可靠性检验 P   莫兰分析 果 行  ，结果如下 表 1（1）所示，

226 个 本点的莫兰指数为 0.4461，Z 检验结果为

11.0711，P 值为 0，证明结果具有 可靠性。 果 示，

济南市住宅价格在空 上具有 著正相关性，可能为高高聚集或低低聚集。 一步 行高/低聚 分析，如表

1（2）所示，Z 值为正，证明济南房价在高 聚集程度更

收稿日期：2022-01-09

作者 介：李阳（1997-），女，山 德州人， 士研究生，从事城 与区域 划研究。

-67-

高。二是 点分析。全局自相关能反映研究区域整体的         由  1 可知，济南市住区房价的冷 点呈 圈

关系，但 局部或小范 的相 房价的相关性无法表       式分布特性， 点区域集中在中心地区，外 分布低房

达。用局域 G 系数表示局部区域房价的空 分布特征，      价聚集的冷点区域。 南市住宅小区房价高高聚集的

结果如  1 所示，  用 色区分“高高”聚集和“低  点及周 的房价均高于其他地区， 合地  行分

                          [3]                                析，可以看出“ 点”主要分布在 下区的文 街道、姚

低”聚集，即“ 点”和“冷点”。                             

表1   住宅价格全局自相关分析                         家街道、千佛山街道、甸柳街道、龙洞街道等多个街道

（1）         Moran’s l 分析                   和市中区的大 园街道、四里村街道等，形成 片的

 本点 Moran’S l 预期指数     方差  Z 得分        P 值  集聚，历城区也有零星分布，高房价住区的集聚容易吸

                                                             引公共 源等 秀 源的配置。在空 上看，中 圈

1 226 0.4461        -0.0008       0.0016   11.0711         0.0000        的住房房价的关 性不 ，住房等 比较多 化，圈

（2） Getis-Ord General G 分析                      外 存在房价的低低聚集，主要位于主城区  地区，

 本点 观测 General   期望 General        方差  Z 得分        P 值  交通、区位、 境、基  施等都限制了房价水平。低房

                                            价区域与高房价聚集区域由于各自的空 自相关性有

         G      G                                        

1 226 0.000699     0.000605     0.0000        3.0501        0.0022        更加聚集的 势，由此造成了更加 著的空 差异。

N       广高速     

0   2   4 km               点-99%置信度

         京      点-95%置信度

         沪      点-90%置信度

                  不 著

         高     

京              冷点-90%置信度

         速     

                  冷点-95%置信度

台             

                  冷点-99%置信度

高             

速             

济南绕城高速               

图 1  住宅价格热点分析图    

2.空 插 分析。根据房价在空 上的自相关 果   首先确定一个步 ，然后 此范 内的已有价格 行

可知 南市住房价格相关性显著，因此在已知部分住宅         估并推 未知价格，同 考 不同 本点之 的自

 价的基 上，可以利用插 工具   南市五区的房         相关关系。为保证插 分析的精度，确定适合的步

价分布。在 多种内插 方法分析 果的精度比较之       大小，需要 行平均最近 分析， 平均  距离 216

后，本文 取 ArcGIS 的普通克里金插 法（Kriging）对       作为分析的步 ， 插  果 行交叉  ，  与虚

房价 行插 ，得到 南市房价空 分布的 格 ，如         的 势比较吻合，证明 模型   较为理想。

2 所示。克里金插 法考 房价在空 上的 异分布[4]，  3.趋势面分析。 势面分析是利用空 抽 点数据

N       广高速     

0   2   4 km      京      价格（万元/平方米）

                  0.60~0.95

         沪     

                  0.95~1.20

         高     

                  1.20~1.38

京      速     

                  1.38~1.52

台             

高      1.52~1.70

         1.70~1.95

速     

         1.95~2.30

         2.30~2.78

         2.78~3.43

         济南绕城高速

图 2  住宅价格 Kriging 插 分析图

 合成数字曲面，来反映空 分布的 势 化。本文利     用 南市房价数据 行了 势面分析，生成一个三维

-68-

趋势面 ，如  3 所示。从  3 中可以看出，在 X 轴方       现较为复 的二  化 势。

向和 Y 轴方向上均呈 由中心向两  减的 势，X        （二）空 分布 律 

 上 示房价在由西向 先增后减， 向比西向略高；      通 以上分析可知，济南市五区居住分异的特征

  示房价由南向北先增后减，南向比北向略高，呈  可归纳 以下几点。

Z

Y

X

图 3  济南市住宅价格空间趋势图

1.居住空 两 分异。消费高价住宅的高收入      用到 证研究， 合 南市主城区商品房数据和

集中于市中心并形成高高聚集的状 ，低价住房由于   多源大数据，对济南市居住空 分异 行研究。 居

市  争 力被逐   化，聚集在中心城区外 ，高  住空 分异的研究有助于    控和社会重 提

收入  与低收入  在居住空 上形成明 割裂。    供借 。从 住宅房价的区位影响因素入手，以住宅

济南市城区中心的住宅一直占据价格高地， 部城区   POI 点为中心，量化住宅与周 配套的空 关系，依

也 有良好的发展势头，西部  城区的住房市 有        据住宅与其他 施的最短距离考察住宅的区位条

待改善，从发展短板区域入手是降低居住空 分异的   件，从而揭示居住空 分异的形成原因。  表明，依

有效途径。 据 POI 大数据的空 分析具有真实性和可行性。基于

2.居住分异存在的潜在社会影响。高收入  与低        POI 数据的住房价格分析能 比较明确的   南

收入  分布区位的不同伴随着空  源、生活 境、       市主城区的空  构和发展 势。从住房价格分布的

服务 量的差异，因为济南市房价收入比高，普通居民         空  构上看， 体呈 双核分布的格局，奥体中心

承担着较高的 房 担，消 能力受限，居住 境上容     片区成为发展的次 核心。从住房价格 势上看，东

易形成 太效 ，加 社会极化[5]。     部价格高于西部、南部高于北部， 面反映了  城

三、 论与展望     区的  发展。 得注意的是，本文分析所用的大数

         据量有限，更大 本量的数据 城市  的揭示会

本文将带有  推断功能的地理加 回 模型 更全面可靠。

参考文献：

 斌 ，吴雅菲.上海居住空 分异的  分析与城市 划  策略[J].上海  研究，2008，（12）：3-10.

 佳伶.基于房价数据的居住空 分异与 划  策略研究—以武 市主城区 例[C]//中国城市 划学会，重 市人民政府.活力城 美好人居—2019中国城市 划年会 文集（20住房与社区 划），2019.

宋雪娟， 海燕，王莉.西安市住宅价格空  构和分异 律分析[J].  科学，2011，（2）：171-174.

瞿  ，胡守庚，李全峰， 剩富.城市住宅地价影响因素的定量  与 空异 性—以武 市 例[J].地理科学 展，2018，（10）.

宋  ， 雨竹，李  ，  如.南京城市住宅小区房价增 模式与效 [J].地理学 ，2018，（10）.

[责任编辑 辰 敏]

-69-