论文部分内容阅读
摘 要：住宅价格的分异性研究一直是学术界的热门问题，近年来，伴随着计量经济学和GIS技术的进步，对住宅价格分异性的研究，从基于空间均值假设转换为空间非稳定假设，研究结果更加切合实际。文章梳理了三类研究方法的研究成果，并对研究内容的局限性进行总结，以期为住宅价格分异性的进一步研究指引方向。
关键词：特征价格法 GIS技术 地理加权回归 住宅价格
一、引言
在我国，不论是政府部门、房地产开发商还是普通民众都对住宅产业的发展变化较为敏感。运用空间数据模型研究城市住宅价格的分异性，一直是学术界探讨的热点问题。国内外学者对此进行了大量的理论和实证研究。研究一般是基于空间均值理论，研究住宅价格的影响因素对住宅价格边际贡献。然而，在现实中，住宅的空间位置是固定的，住宅价格在空间分布上具有集聚性，不同的区位条件和邻里条件，对住宅会产生不同程度的影响，同一影响因素在空间各个位置上的分布差异使得其对住宅房价的影响也存在空间差异。近年来，伴随着计量经济学和GIS技术的进步，学者们开始引入GIS技术来研究住宅价格的空间分布，采用基于空间非稳定性的地理加权回归模型来研究住宅价格的空间分异性。
二、基于特征价格法的住宅价格研究
国外研究对住宅价格的研究大多基于特征价格模型（Hedonic Model）。特征价格模型最早是由西方学者提出，认为商品由一系列的特征所反映的，可以将商品的价格分解成每个特征对应的特征价格，由此建立特征价格方程，计算出各个特征因素对商品价格的影响程度。早在20世纪60年代国外就有学者运用特征价格模型研究房地产市场的价格。Henning 和Ridker（1967）是最早将特征价格法应用于住房市场研究的学者，他们通过收集对美国圣路易斯市的住宅价格横截面数据，建立了住宅特征价格模型，得出了空气污染水平对住宅房价的影响。Steinnes[2]（1992）通过收集明尼苏达的53个湖周边出租房产的评估数据，建立了特征价格模型，发现离湖每远离1英尺，出租房价降低206美元。
伴随着住房改革的实施，国内也开始出现一系列对房地产价格的研究，早期主要理论研究为主，在国外成熟研究基础上的作出改进，并逐渐发展了符合我国实际的实证研究。温海珍（2004）[3]收集整理了杭州市住宅小区的数据并建立特征价格模型，运用特征理论对杭州市住宅价格特征进行分析和研究。闫俐臻（2007）[4]以西安市为例，运用特征价格法建立了特征价格模型，对西安市住宅价格的影响因素进行了实证分析。孙克军，刘军（2010）[5]以西安市的住宅市场为对象，提出了影响房地产价格若干因素的假设。在假设的基础上，研究结果表明为了追求更高的生活质量，购房者在购买住宅时，越来越多的关注小区及周边环境。郅亮峰，王德炜，王莹（2011）[6]收集了我国35个主要城市的房产数据，运用享乐价格分析法建立模型进行了实证分析。在研究过程中，把作为衡量城市舒适性的的外部环境相关变量纳入模型，研究其对住宅价格的影响。
三、基于GIS技术的住宅价格空间分布研究
伴随着地理信息系统的逐步发展，GIS 技术得到了广泛的应用，在房地产领域，常用于价格评估、商业地产研究、项目选址、地价分布等方面。结合空间插值技术的广泛应用，在住宅房价空间分布特征方面的研究也随之出现了新的研究方向。Dubin[7]（1992）利用泛克里格（Universal Kriging）插值法对巴尔的摩的1493 个观测值进行了插值，通过空间分析结果，验证了当收集的截面数据存在空间自相关时，可以使用泛克里格插值法，这是一种有效的空间分析方法。Geoghegan[8，9]结合特征价格模型和GIS技术研究了生态景观环境因素对住宅用地价格的影响；随后又以美国马里兰州霍华德郡为研究对象，发现“永久的”开放景观空间相对于等量的“可发展的”开放景观空间的住宅土地价值增加近三倍。
彭敏娟[10]（2007）以房地产价格理论为指导，收集了湖南省长沙市 1998-2006 年商品房的销售价格相关资料，在 Mapgis、Mapinfo、Surfer等计算机软件的支持下，结合 GIS 空间分析、统计学分析和数理统计方法等方法，绘制出长沙市商品房价格的空间变化规律图，探讨了长沙市商品房价格时空特征及其影响因素。马智利、杨艳[11]（2009）采用统计分析方法，结合 GIS 技术，收集了重庆市主城区 2003-2007 年普通住宅出让地价资料并进行分析，绘制出一系列反映重庆市主城区普通住宅出让地价的空间分布图。并在此基础上，运用多元线性回归模型，进一步揭示重庆市住宅地价的影响因素及空间分布规律。宋雪娟、王莉、卫海燕[12]（2011）利用 ESDA 方法和地理统计分析方法对西安市城区的普通住宅价格空间分异规律进行研究，通过计算 Moran 指数和半变异函数得出住宅价格存在空间自相关性和变异性，并应用克里金空间插值法对西安市普通住宅价格的空间分布进行了模拟。
四、基于地理加权回归模型的研究现
Brundon 等于1996年首次明确提出空间变系数模型，并提出了以观测点之间距离的函数为权值的非参数光滑估计方法，称之为地理加权回归方法（GWR）。GWR方法可以有效解决研究对象的空间非平稳性和空间依赖性，而城市房价数据正具有此种性质。目前，国内外关于GWR模型的应用案例尚不多见。
Gao和Asami[13]（2005）分别建立了地理加权回归模型（GWR）和全局的回归模型来研究房地产价格，研究结果发现，尽管两种模型都可以用解释房价数据，但是相比较而言，GWR模型的模拟结果更好。聂俊成[14]（2014）以武汉市主城区为研究区域，使用GWR模型，更加深入的分析武汉市住宅地价空间的形成机理及影响因素，表明地理加权回归模型相对于传统的线性回归或特征價格模型，更加适合于从微观区位的角度为地价更新和住宅的空间规划提供依据。陶云龙[15]（2015）将杭州市六大主城区作为研究区域，构建了传统特征价格模型（OLS）、空间扩展模型以及地理加权回归（GWR）模型，通过比较三个模型的模拟结果，可以发现GWR模型的估计效果优于空间扩展模型和OLS模型。OLS模型默认各住宅特征对住宅价格的影响在空间上是均质的，这个假设是不符合实际的，研究表明若想深入分析住宅价格的形成机理，必须借助GWR模型来进行研究。 五、结语
自20世纪60年代以来，对房地产价格的研究，使用的方法主要一般线性回归或特征价格法来量化分析影响房价的宏观因素和微观因素。然而，特征价格法是基于空间均值假设的，忽略了空间异质性的存在，不能反映城市房价及其影响因素在空间上的差异，使得模型估计的结果存在一定程度的偏差。
随着地理信息系统的发展，逐渐将GIS技术引入房地产研究，利用空间插值技术，将房价数据可视化，研究房价的空间分布规律。GIS技术的应用，使得房价的空间分布一目了然，但是没有办法进行定量分析。学者在研究时，多是结合特征价格法，来定量分析住宅房价影响因素的影响程度，但是还是没有定量分析各个影响因素在空间上对房价的影响差异。而地理加权回归模型则能够很好的解决空间异质性问题，同时使用插值技术，将模拟结果可视化，地理加权回归模型在研究住宅特征价格的空间异质性时具有很大的优势，不失为一种更为优良的选择。从国内的研究看，目前在房地产市场的相关研究中，利用地理加权回归模型实证的研究很少，且多是研究地价，关于房价的实证研究很少见。基于上述研究进展，未来的住宅价格分异性研究可以在地理加权回归模型方向上进一步研究，发展出适合我国住宅市场的理论模型，并补充其实证研究案例，为购房者、开发商和政府的决策提供支持。
参考文献：
[1]Ridker R. G. ， Henning J. A. 1967. The Determinants of Residential Property Values with Special Reference to Air Pollution[J]. Review of Economics and Statistics， （2）： 246-257.
[2]Steinnes D. N.， Measuring the Economic Value of Water Quality[J]. Annals of Regional Science， 1992， 26： 171-76.
[3]温海珍. 城市住宅的特征价格：理论分析与实证研究[D]. 杭州：浙江大学， 2004.
[4]闫俐臻. 西安住宅价格影响因素分析及实证研究[D]. 西安：华中师范大学， 2007.
[5]孙克军、刘军.基于享乐分析的西安住房价格实证研究[J].中国集体经济，2010，6：31-32
[6]郅亮峰、王德炜、王莹.我国城市住宅享乐价格研究——基于动态计量经济学研究[J].商业时代，2011，2：118-119
[7]Dubin R A.Spatial autocorrelation and neighborhood quality[J].Regional Science and Economics，1992，22：433- 452.
[8]Geoghegan J.， Wainger L.A.， Bocksteal N.E. Spatial landscape indices in a hedonic framework：an ecological economics analysis using GIS[J]. Ecological Economics， 23（1997）：251-264.
[9]Geoghegan J.. The value of open spaces in residential use[J]. Land Use Policy， 2002.19：91-98.
[10]彭敏娟.长沙市商品房价格时空特征及其影响因素研究[D].长沙：湖南师范大学，2007.
[11]马智利，杨艳.重庆市普通住宅地价空间分布与影响因素研究[J].地域研究与开发，2009（05）：35-39
[12]宋雪娟，海燕，王莉.西安市住宅价格空间结构和分异规律分析[J].测绘学，2011 （2）：171-175.
[13]Gao，X.L. & Yasushi，A. Influence of Spatial Features on Land and Housing Prices[J].Tsinghua Science & Technology， 2005， 10（3）：344-353.
[14]聶俊成. 《基于GWR模型的武汉市住宅地价空间分异及影响因素研究》[D]. 华中农业大学：华中农业大学， 2014.
[15]陶云龙.城市住宅特征价格的空间异质性研究：对杭州的实证分析[D].浙江大学，2015.
关键词：特征价格法 GIS技术 地理加权回归 住宅价格
一、引言
在我国，不论是政府部门、房地产开发商还是普通民众都对住宅产业的发展变化较为敏感。运用空间数据模型研究城市住宅价格的分异性，一直是学术界探讨的热点问题。国内外学者对此进行了大量的理论和实证研究。研究一般是基于空间均值理论，研究住宅价格的影响因素对住宅价格边际贡献。然而，在现实中，住宅的空间位置是固定的，住宅价格在空间分布上具有集聚性，不同的区位条件和邻里条件，对住宅会产生不同程度的影响，同一影响因素在空间各个位置上的分布差异使得其对住宅房价的影响也存在空间差异。近年来，伴随着计量经济学和GIS技术的进步，学者们开始引入GIS技术来研究住宅价格的空间分布，采用基于空间非稳定性的地理加权回归模型来研究住宅价格的空间分异性。
二、基于特征价格法的住宅价格研究
国外研究对住宅价格的研究大多基于特征价格模型（Hedonic Model）。特征价格模型最早是由西方学者提出，认为商品由一系列的特征所反映的，可以将商品的价格分解成每个特征对应的特征价格，由此建立特征价格方程，计算出各个特征因素对商品价格的影响程度。早在20世纪60年代国外就有学者运用特征价格模型研究房地产市场的价格。Henning 和Ridker（1967）是最早将特征价格法应用于住房市场研究的学者，他们通过收集对美国圣路易斯市的住宅价格横截面数据，建立了住宅特征价格模型，得出了空气污染水平对住宅房价的影响。Steinnes[2]（1992）通过收集明尼苏达的53个湖周边出租房产的评估数据，建立了特征价格模型，发现离湖每远离1英尺，出租房价降低206美元。
伴随着住房改革的实施，国内也开始出现一系列对房地产价格的研究，早期主要理论研究为主，在国外成熟研究基础上的作出改进，并逐渐发展了符合我国实际的实证研究。温海珍（2004）[3]收集整理了杭州市住宅小区的数据并建立特征价格模型，运用特征理论对杭州市住宅价格特征进行分析和研究。闫俐臻（2007）[4]以西安市为例，运用特征价格法建立了特征价格模型，对西安市住宅价格的影响因素进行了实证分析。孙克军，刘军（2010）[5]以西安市的住宅市场为对象，提出了影响房地产价格若干因素的假设。在假设的基础上，研究结果表明为了追求更高的生活质量，购房者在购买住宅时，越来越多的关注小区及周边环境。郅亮峰，王德炜，王莹（2011）[6]收集了我国35个主要城市的房产数据，运用享乐价格分析法建立模型进行了实证分析。在研究过程中，把作为衡量城市舒适性的的外部环境相关变量纳入模型，研究其对住宅价格的影响。
三、基于GIS技术的住宅价格空间分布研究
伴随着地理信息系统的逐步发展，GIS 技术得到了广泛的应用，在房地产领域，常用于价格评估、商业地产研究、项目选址、地价分布等方面。结合空间插值技术的广泛应用，在住宅房价空间分布特征方面的研究也随之出现了新的研究方向。Dubin[7]（1992）利用泛克里格（Universal Kriging）插值法对巴尔的摩的1493 个观测值进行了插值，通过空间分析结果，验证了当收集的截面数据存在空间自相关时，可以使用泛克里格插值法，这是一种有效的空间分析方法。Geoghegan[8，9]结合特征价格模型和GIS技术研究了生态景观环境因素对住宅用地价格的影响；随后又以美国马里兰州霍华德郡为研究对象，发现“永久的”开放景观空间相对于等量的“可发展的”开放景观空间的住宅土地价值增加近三倍。
彭敏娟[10]（2007）以房地产价格理论为指导，收集了湖南省长沙市 1998-2006 年商品房的销售价格相关资料，在 Mapgis、Mapinfo、Surfer等计算机软件的支持下，结合 GIS 空间分析、统计学分析和数理统计方法等方法，绘制出长沙市商品房价格的空间变化规律图，探讨了长沙市商品房价格时空特征及其影响因素。马智利、杨艳[11]（2009）采用统计分析方法，结合 GIS 技术，收集了重庆市主城区 2003-2007 年普通住宅出让地价资料并进行分析，绘制出一系列反映重庆市主城区普通住宅出让地价的空间分布图。并在此基础上，运用多元线性回归模型，进一步揭示重庆市住宅地价的影响因素及空间分布规律。宋雪娟、王莉、卫海燕[12]（2011）利用 ESDA 方法和地理统计分析方法对西安市城区的普通住宅价格空间分异规律进行研究，通过计算 Moran 指数和半变异函数得出住宅价格存在空间自相关性和变异性，并应用克里金空间插值法对西安市普通住宅价格的空间分布进行了模拟。
四、基于地理加权回归模型的研究现
Brundon 等于1996年首次明确提出空间变系数模型，并提出了以观测点之间距离的函数为权值的非参数光滑估计方法，称之为地理加权回归方法（GWR）。GWR方法可以有效解决研究对象的空间非平稳性和空间依赖性，而城市房价数据正具有此种性质。目前，国内外关于GWR模型的应用案例尚不多见。
Gao和Asami[13]（2005）分别建立了地理加权回归模型（GWR）和全局的回归模型来研究房地产价格，研究结果发现，尽管两种模型都可以用解释房价数据，但是相比较而言，GWR模型的模拟结果更好。聂俊成[14]（2014）以武汉市主城区为研究区域，使用GWR模型，更加深入的分析武汉市住宅地价空间的形成机理及影响因素，表明地理加权回归模型相对于传统的线性回归或特征價格模型，更加适合于从微观区位的角度为地价更新和住宅的空间规划提供依据。陶云龙[15]（2015）将杭州市六大主城区作为研究区域，构建了传统特征价格模型（OLS）、空间扩展模型以及地理加权回归（GWR）模型，通过比较三个模型的模拟结果，可以发现GWR模型的估计效果优于空间扩展模型和OLS模型。OLS模型默认各住宅特征对住宅价格的影响在空间上是均质的，这个假设是不符合实际的，研究表明若想深入分析住宅价格的形成机理，必须借助GWR模型来进行研究。 五、结语
自20世纪60年代以来，对房地产价格的研究，使用的方法主要一般线性回归或特征价格法来量化分析影响房价的宏观因素和微观因素。然而，特征价格法是基于空间均值假设的，忽略了空间异质性的存在，不能反映城市房价及其影响因素在空间上的差异，使得模型估计的结果存在一定程度的偏差。
随着地理信息系统的发展，逐渐将GIS技术引入房地产研究，利用空间插值技术，将房价数据可视化，研究房价的空间分布规律。GIS技术的应用，使得房价的空间分布一目了然，但是没有办法进行定量分析。学者在研究时，多是结合特征价格法，来定量分析住宅房价影响因素的影响程度，但是还是没有定量分析各个影响因素在空间上对房价的影响差异。而地理加权回归模型则能够很好的解决空间异质性问题，同时使用插值技术，将模拟结果可视化，地理加权回归模型在研究住宅特征价格的空间异质性时具有很大的优势，不失为一种更为优良的选择。从国内的研究看，目前在房地产市场的相关研究中，利用地理加权回归模型实证的研究很少，且多是研究地价，关于房价的实证研究很少见。基于上述研究进展，未来的住宅价格分异性研究可以在地理加权回归模型方向上进一步研究，发展出适合我国住宅市场的理论模型，并补充其实证研究案例，为购房者、开发商和政府的决策提供支持。
参考文献：
[1]Ridker R. G. ， Henning J. A. 1967. The Determinants of Residential Property Values with Special Reference to Air Pollution[J]. Review of Economics and Statistics， （2）： 246-257.
[2]Steinnes D. N.， Measuring the Economic Value of Water Quality[J]. Annals of Regional Science， 1992， 26： 171-76.
[3]温海珍. 城市住宅的特征价格：理论分析与实证研究[D]. 杭州：浙江大学， 2004.
[4]闫俐臻. 西安住宅价格影响因素分析及实证研究[D]. 西安：华中师范大学， 2007.
[5]孙克军、刘军.基于享乐分析的西安住房价格实证研究[J].中国集体经济，2010，6：31-32
[6]郅亮峰、王德炜、王莹.我国城市住宅享乐价格研究——基于动态计量经济学研究[J].商业时代，2011，2：118-119
[7]Dubin R A.Spatial autocorrelation and neighborhood quality[J].Regional Science and Economics，1992，22：433- 452.
[8]Geoghegan J.， Wainger L.A.， Bocksteal N.E. Spatial landscape indices in a hedonic framework：an ecological economics analysis using GIS[J]. Ecological Economics， 23（1997）：251-264.
[9]Geoghegan J.. The value of open spaces in residential use[J]. Land Use Policy， 2002.19：91-98.
[10]彭敏娟.长沙市商品房价格时空特征及其影响因素研究[D].长沙：湖南师范大学，2007.
[11]马智利，杨艳.重庆市普通住宅地价空间分布与影响因素研究[J].地域研究与开发，2009（05）：35-39
[12]宋雪娟，海燕，王莉.西安市住宅价格空间结构和分异规律分析[J].测绘学，2011 （2）：171-175.
[13]Gao，X.L. & Yasushi，A. Influence of Spatial Features on Land and Housing Prices[J].Tsinghua Science & Technology， 2005， 10（3）：344-353.
[14]聶俊成. 《基于GWR模型的武汉市住宅地价空间分异及影响因素研究》[D]. 华中农业大学：华中农业大学， 2014.
[15]陶云龙.城市住宅特征价格的空间异质性研究：对杭州的实证分析[D].浙江大学，2015.