1、高層住宅價(jià)格的影響因素與空間分布規(guī)律研究基于Hedonic、SAR和Kriging差值法摘要：論文以廣州市2009年1月-2010年3月二手交易的596個(gè)高層樓盤、3809個(gè)交易樣本為研究基礎(chǔ)，首先進(jìn)行交易時(shí)間修正，發(fā)現(xiàn)住宅價(jià)格平均日均增幅為9.90元，增幅顯著，各板塊差異明顯；之后采用Hedonic模型和SAR測度了影響房價(jià)的主要因素，發(fā)現(xiàn)影響廣州市高層住宅價(jià)格的主要因素是距離商業(yè)中心的距離、距離山江公園的距離、噪音、戶型間隔、裝修檔次、裝修新舊程度、朝向、樓層、樓齡、陽臺(tái)數(shù)量10項(xiàng)因素。回歸分析結(jié)果顯示：距離商業(yè)中心每遠(yuǎn)1000米，廣州市高層住宅單價(jià)平均降低1141元；距離白云山等山體、珠

2、江、公園每遠(yuǎn)1000米，單價(jià)平均降低904元；噪音若從“安靜或普通”改變?yōu)椤班须s”，則樓盤單價(jià)平均下降501.09元；戶型間隔若從“普通”提高到“優(yōu)秀”，則單價(jià)上升268.34元；裝修檔次若從“普通裝修”提高到“豪華裝修”，則單價(jià)上升754.70元；裝修新舊程度若從“新”變?yōu)椤芭f”，則單價(jià)下降821.56元；朝向若從“北”變?yōu)椤澳稀保瑒t單價(jià)上升416.86元；樓層每上升1層，單價(jià)平均提高54.65元；樓齡每增加1年，單價(jià)平均降低302.35元；陽臺(tái)若從1個(gè)增加到兩個(gè)，單價(jià)平均提高130.51元。之前人們關(guān)注的小學(xué)、幼兒園等“名校效應(yīng)”對住宅價(jià)格的影響未加證實(shí)。最后，根據(jù)SAR模型將所有交易樣本

3、的房價(jià)修正到標(biāo)準(zhǔn)房地產(chǎn)狀態(tài)，運(yùn)用GIS平臺(tái)下的Kriging差值法繪制了廣州市高層住宅價(jià)格空間分布圖，發(fā)現(xiàn)廣州市高層住宅房地產(chǎn)價(jià)格整體呈現(xiàn)1個(gè)最高值區(qū)、1個(gè)次高值區(qū)、多個(gè)高值區(qū)，由市中心向外圍逐步降低趨勢，其中均價(jià)20000元/m2 的核心區(qū)域形如“海龜”，均價(jià)15000元/m2 的中心區(qū)域狀如“燒餅”。關(guān)鍵詞：高層住宅價(jià)格；影響因素；空間分布規(guī)律；Hedonic模型；SAR；Kriging差值法A Study of influencing factors and Spatial Distribution Regularities on High-rise Residential Price-

4、Based on Hedonic, SAR and Kriging MethodsAbstract: The research was conducted based on 3809 cases of secondary exchange, which took place from January 2009 to March 2010 and involved 596 high-rise residential properties in Guangzhou city, China. In the beginning, these samples were amended in exchan

5、ge time, and we found out that the average increase of housing prices was 9.90 RMB Yuan per day in average, and the increases of each area were quite different. Then Hedonic model and SAR were applied to measure the effects of influencing factors to house price. The regression results included 10 fa

6、ctors, which were the distance to central business districts; the distance to Baiyun Mountain, Zhujiang River and parks; noise level; unit design; decoration grade; the newness rate of decoration; balcony orientation; floor storey; building age and the sum of balcony. The regression results between

7、housing price and factors were: when Distance to central business district increased each additional kilometer, the average housing price for unit square meter would reduce 1141 Yuan. If the distance to Baiyun Mountain, Zhujiang Pearl River and parks increased one more kilometer, the price would dro

8、p down 904 Yuan. If noise level changed from “normal or quite” to “noisy”, the price would drop down 501.09 Yuan. While unit design and decoration grade improved from “normal” to “grand”, the price would raise 268.34 and 754.70 Yuan respectively. While the newness rate of decoration became “new” fro

9、m “old”, the price went down 821.56 Yuan. If balcony orientation changed from north to south, the price would raise 416.86 Yuan. When floor storey raised one more storey, the price would rise 54.65 Yuan. If building age increased an additional year, the price would drop 302.35 Yuan. The sum of balco

10、ny which a dwelling house owned became from one to two, the price would rise 130.51 Yuan. There was an opinion in the past that households were willing to pay more money for the house where had excellent primary and nursery schools, but it had not been confirmed by the paper. At last, all the sample

11、 prices were modified to the level in standard real estate status by the regression equation based on SAR, and then kriging in GIS was used to draw a spatial distribution map about the price of high-rise residential property in Guangzhou city. In the map we could see there were one highest price reg

12、ion, one secondary highest price region and 4 high price regions. The price reduced gradually from the center towards the fringes in the city. Among the map, the shape of core region, which was enclosed by the contour of 20000 Yuan/m2 , looked like a “turtle”, and the shape of central region, which

13、was enclosed by the contour of 1500 Yuan/m2 , looked like a “pizza”. Key words: High-rise residential price; Influencing factor; Spatial distribution regularity; Hedonic model；SAR；Kriging.1 介紹廣州位于中國東南部，為廣東省省會(huì)，是中國改革開放的先行地區(qū)，市區(qū)土地3843.43平方公里，2008年常住人口886.55萬人，常住人口密度為2307人/平方公里。由于經(jīng)濟(jì)發(fā)達(dá)，吸引了大量的外來人口在此務(wù)工和從事商業(yè)

14、活動(dòng)。據(jù)廣州市出租屋管理辦公室統(tǒng)計(jì)，截止2010年10月，辦理暫住證的外來流動(dòng)人口為715萬。可以看出廣州市實(shí)際已進(jìn)入特大城市行列，包含常住與外來人口在內(nèi)的實(shí)際人口密度約為4167人/平方公里。據(jù)中國社會(huì)科學(xué)院2010年4月發(fā)布的2010年中國城市競爭力藍(lán)皮書：中國城市競爭力報(bào)告，內(nèi)地城市中廣州市綜合競爭力排在深圳、上海、北京之后，位列第四。據(jù)搜房網(wǎng)旗下的中國指數(shù)研究院報(bào)告，2010年廣州市住宅交易均價(jià)為12323元/m2,繼杭州、深圳、北京、寧波、上海之后排名第六，是當(dāng)前均價(jià)過萬的6個(gè)城市之一；廣州市住宅交易均價(jià)比上年同比增長31.84%，增長幅度在內(nèi)地主要城市中位列杭州、重慶、北京、寧波、

15、深圳、蘇州之后，排名第七。住房價(jià)格歷來是社會(huì)議論的熱點(diǎn)話題，人們經(jīng)常會(huì)問：某個(gè)城市房地產(chǎn)價(jià)格主要是受哪些因素影響，房地產(chǎn)價(jià)格在空間上怎樣分布的？本文主要旨在研究區(qū)位、鄰里環(huán)境、建筑結(jié)構(gòu)等微觀因素對廣州市高層住宅價(jià)格的影響，在此基礎(chǔ)上分析其高層住宅價(jià)格的空間分布特征。2 文獻(xiàn)綜述2.1 房地產(chǎn)價(jià)格的影響因素研究通常影響住宅價(jià)格的因素有3大類：區(qū)位(location)、建筑結(jié)構(gòu)(structure)和鄰里環(huán)境(neighborhood)，因此，住宅價(jià)格P就可以用方程式表達(dá)為：P=f（L,S,N） (1)方程（1）中的區(qū)位（L）指就業(yè)、生活的便利性，包括到城市中心、就業(yè)地點(diǎn)的距離等；建筑結(jié)構(gòu)（S）指

16、住宅的物質(zhì)形態(tài)特征，包括建筑面積、建筑年齡、房間數(shù)、樓層、朝向、戶型間隔、裝修狀況等；鄰里環(huán)境（N）指住宅所處社區(qū)類型、服務(wù)水平、景觀、環(huán)境污染狀況，包括學(xué)校質(zhì)量、服務(wù)設(shè)施規(guī)模與距離、景觀視線、噪聲、空氣污染水平等。國內(nèi)外學(xué)者主要采用Hedonic模型開展房價(jià)影響因素研究。Hedonic 定價(jià)的概念最早是由美國汽車分析專家Court 于1939年提出。他借鑒了功利主義的享樂哲學(xué)，估計(jì)了汽車消費(fèi)者能夠從汽車的各個(gè)屬性（速度、內(nèi)部舒適度、安全等）所獲得的享受，并認(rèn)為這是對汽車進(jìn)行估價(jià)的基礎(chǔ)。后來，Hedonic模型被廣泛地運(yùn)用于耐用品的定價(jià)中。20世紀(jì)90年代以來, Hedonic模型得到了廣泛應(yīng)

17、用,國外學(xué)者開展了許多實(shí)證研究。例如Sirpal R.（2004）、Des Rosiers F.等人（1996）研究了購物中心對周圍房地產(chǎn)價(jià)格的影響；So HM.等人(1997)估計(jì)了香港交通對房價(jià)的影響；Palmquist RB.(1992) 研究了局部外部設(shè)施對住宅價(jià)格的影響；Tyrvainen L.（1997）研究了城市森林的舒適性的價(jià)值；Levesque TJ.(1994)以加拿大溫尼伯國際機(jī)場為例，模擬了機(jī)場噪音對住宅市場的影響；Wieand K.F.（1973）以美國圣路易地區(qū)為例，實(shí)證研究了噪音對房地產(chǎn)價(jià)格的影響；Ghebreegziabiher Debrezion等人(2006

18、)研究了荷蘭軌道交通對房地產(chǎn)價(jià)格的影響；Stevenson(2004)以美國波士頓1995-2000年的6441個(gè)住宅樣點(diǎn)，選擇了30個(gè)變量證實(shí)了住宅年齡對住宅價(jià)格的影響。Haurin等人(1996)選擇了29個(gè)變量應(yīng)用特征價(jià)格模型，證實(shí)了美國俄亥俄州地區(qū)學(xué)校質(zhì)量對住宅價(jià)格有很大的影響。2000年之后，中國大陸學(xué)者逐步開展HPM實(shí)證研究。例如：馬思新等人(2003)對北京的住宅價(jià)格進(jìn)行分析，結(jié)果發(fā)現(xiàn)住宅價(jià)格與區(qū)位、廚衛(wèi)裝修、管理費(fèi)三個(gè)變量的顯著性水平最高；溫海珍、賈生華等(2004)選取了學(xué)校、超市、停車場、幼兒園和交通狀況等15個(gè)變量對杭州的住宅市場特征模型進(jìn)行了實(shí)證分析，發(fā)現(xiàn)建筑面積與房齡

19、是最重要的住宅特征；郭文剛等（2006)選擇了18個(gè)住宅特征作為模型的自變量，采用2473個(gè)住宅樣本數(shù)據(jù)和290個(gè)住宅小區(qū)的實(shí)地調(diào)查資料對模型進(jìn)行了估計(jì)，發(fā)現(xiàn)14個(gè)住宅特征對住宅價(jià)格具有顯著影響；王德等人(2007)應(yīng)用Hedonic模型對上海210個(gè)住宅實(shí)際成交價(jià)格作定量分析，對上海軌道交通以及公園綠地對住宅價(jià)格的影響做出定量測度；石憶邵等人（2009）對上海南站對住宅價(jià)格的時(shí)空效應(yīng)進(jìn)行分析，發(fā)現(xiàn)其增值作用平均范圍為1.85 km。 進(jìn)入新世紀(jì)之后，空間自回歸方法在房地產(chǎn)價(jià)格的影響因素研究方面不斷得到學(xué)術(shù)界關(guān)注，并開展了相關(guān)實(shí)證研究。例如：Eddie C.M.Hui等人（2007）對在高層住

20、宅、高密度環(huán)境下的香港房地產(chǎn)價(jià)格影響因素研究過程中發(fā)現(xiàn)：房屋價(jià)格與至CBD的時(shí)間呈負(fù)相關(guān)，業(yè)主愿意為海景和良好的空氣環(huán)境支付更多的費(fèi)用，而城市綠帶對房價(jià)影響不夠顯著。國內(nèi)學(xué)者劉定惠等人（2010）結(jié)合空間分析方法和Hedonic模型,采用Arc GIS、Surfer、SPSS等軟件,以成都市為例,對城市住宅價(jià)格空間分布特征及其影響因素進(jìn)行系統(tǒng)性分析。結(jié)果表明:成都市主城區(qū)住宅價(jià)格總體上以城中和城南為雙核心,呈馬蹄狀向四周逐級遞減;成都市住宅價(jià)格在空間分布上呈明顯的正相關(guān)性,具有相似價(jià)格的住宅呈現(xiàn)集聚特點(diǎn)；樓盤檔次、區(qū)位條件、環(huán)境因素、交通可達(dá)性,歷史與人文等因素是影響成都市住宅價(jià)格空間分異的主

21、要因素。2.2 房地產(chǎn)價(jià)格的空間分布研究關(guān)于商品住宅價(jià)格空間分異規(guī)律的研究，較多的文獻(xiàn)是基于實(shí)證的研究。在國外，Gamez Martinez等(2000)利用Kriging技術(shù)，通過四個(gè)模型的比較和選擇對西班牙Albaceet市進(jìn)行了空間插值分析; Pace等(2000)利用有關(guān)空間和時(shí)間的12個(gè)變量，建立了房地產(chǎn)價(jià)格預(yù)測模型。在國內(nèi)，鄭芷青(2001)對廣州市住宅價(jià)格空間和時(shí)間變化進(jìn)行了描述，空間上呈居住中心向周邊逐漸降低的趨勢，時(shí)間上受地價(jià)、交通、綠化環(huán)境、城市形態(tài)、生活設(shè)施等因素的影響呈上升趨勢；周春山、羅彥(2004)對廣州市老八區(qū)的樣點(diǎn)樓盤進(jìn)行研究，分析近10年來的商品房價(jià)格變化的空

22、間特點(diǎn)，認(rèn)為影響房地產(chǎn)價(jià)格的因素包括區(qū)位因素、政策因素、市場供需、人文環(huán)境等；王霞、朱道林(2004)以北京市為例，利用Kriging技術(shù)開展了住宅價(jià)格空間分布規(guī)律研究；梅志雄、黎夏(2007)依據(jù)東莞市普通住宅項(xiàng)目交易均價(jià)數(shù)據(jù)，利用地統(tǒng)計(jì)學(xué)中的趨勢分析方法對東莞市房價(jià)空間變化趨勢進(jìn)行了分析，采用普通克里金空間插值方法進(jìn)行了空間局部估計(jì)，并借助Arc GIS軟件和Surfer軟件繪制了東莞市房價(jià)空間分布專題圖，進(jìn)而對東莞市住宅價(jià)格空間分布特征和差異及其成因進(jìn)行了分析。 通過對上述學(xué)術(shù)文獻(xiàn)綜合分析，我們發(fā)現(xiàn)：（1）在房價(jià)影響因素方面，國外學(xué)術(shù)文獻(xiàn)中已有大量的實(shí)證研究，研究焦點(diǎn)包括區(qū)位、鄰里環(huán)境、

23、建筑結(jié)構(gòu)中的各項(xiàng)因素；研究對象主要是獨(dú)立單棟住宅，僅有少數(shù)文獻(xiàn)（例如香港學(xué)者的論文）關(guān)注高層住宅；研究方法多為Hedonic模型，空間自回歸模型使用還比較少。自2000年后，國內(nèi)不少學(xué)者采用Hedonic模型開展房價(jià)影響因素的成果日漸增多，但一般未對住宅市場進(jìn)行細(xì)分，使用空間自回歸模型進(jìn)行有關(guān)研究的成果也很少。（2）在房價(jià)空間分布研究方面，由于GIS平臺(tái)下的Kriging插值技術(shù)作為比較成熟空間研究方法，國內(nèi)外學(xué)者均采用此法開展房價(jià)的空間分布規(guī)律研究。（3）將房價(jià)影響因素與其空間分布規(guī)律結(jié)合在一起進(jìn)行綜合研究的學(xué)術(shù)成果非常稀少，研究者檢索到的學(xué)術(shù)文獻(xiàn)僅有國內(nèi)學(xué)者劉定惠等人以成都市為例所做的房價(jià)

24、空間分布規(guī)律及其影響因素的論文。由于房地產(chǎn)具有顯著異質(zhì)性，該文未對房價(jià)去除樓層、朝向、裝修等因素的影響，直接用樣本房價(jià)插值出房價(jià)的等值線圖，從理論上說這種做法不夠嚴(yán)密科學(xué)。3 研究思路與方法3.1 研究思路首先對各交易樣本進(jìn)行交易時(shí)間修正，將它們統(tǒng)一修正到目標(biāo)時(shí)刻，然后分別采用Hedonic 模型和空間自回歸（SAR）模型對房價(jià)及其影響因素進(jìn)行分析，由此確定它們之間的數(shù)量關(guān)系。之后利用這種數(shù)量關(guān)系模型將各交易樣本的房地產(chǎn)價(jià)格統(tǒng)一修正為標(biāo)準(zhǔn)房地產(chǎn)狀態(tài)下的價(jià)格水平。例如所有交易樣本的單價(jià)統(tǒng)一為樓層為第12層、朝向向南、普通裝修、樓齡1年等條件下的房屋。在此基礎(chǔ)上采用GIS平臺(tái)下的克里金(Krigi

25、ng)插值法,繪制廣州市高層住宅價(jià)格的空間分布圖，并分析其空間分布規(guī)律。3.2 研究方法3.2.1 Hedonic 模型 作為經(jīng)典的房地產(chǎn)價(jià)格與其影響因素分析方法，Hedonic 模型認(rèn)為：房地產(chǎn)購買者（租賃者）所支付的價(jià)格（租金）應(yīng)能補(bǔ)償該房地產(chǎn)屬性（諸如區(qū)位、交通、配套、戶型、朝向等因素）所能帶來的舒適程度，即這個(gè)市場中所有房屋的價(jià)格（租金）就應(yīng)當(dāng)是這些屬性的一個(gè)函數(shù)，由此可以將模型設(shè)置為以下形式： （2）式中P為房地產(chǎn)價(jià)格；X1,X2,Xn為該房地產(chǎn)屬性。此外Hedonic 模型還有半對數(shù)、對數(shù)、BoxCox等表現(xiàn)形式。將上式改寫為向量表達(dá)形式，（2）式將變?yōu)椋?（3）其中為n乘1依賴向

26、量；為n乘k解釋向量矩陣；為k乘1回歸系數(shù)向量；為隨機(jī)誤差向量。3.2.2 空間自回歸（SAR）模型空間自回歸模型源自于空間自相關(guān)理論, 后者認(rèn)為彼此之間距離越近的事物越相像，例如空間相鄰的房地產(chǎn)交易樣本其價(jià)格及其影響因素具有更多的相似性。由于影響房地產(chǎn)交易價(jià)格的因素非常多，要想研究房地產(chǎn)價(jià)格與其影響因素需要很多數(shù)據(jù)，但有時(shí)資料并非可以容易取得，此時(shí)空間自回歸模型就成為研究此問題之有效方法。這是因?yàn)槟辰灰讟颖镜姆績r(jià)為相鄰交易樣本的房價(jià)與其它影響因素的影響之和，此時(shí)該相鄰交易樣本的房價(jià)包含了諸如區(qū)位、交通、配套、戶型、朝向等許多隱含因素的影響，空間自回歸模型可以由此分析出某交易樣本的房價(jià)與其它影

27、響因素的關(guān)系。Ord(1975)將普通線性回歸與SAR模型相結(jié)合，提出了混合空間自回歸模型(Mixed Regressive-spatial-autoregressive Model)。由于空間自相關(guān)以空間滯后向量來體現(xiàn)，因此該模型后來常被稱為空間滯后模型SLM(Spatial Lag Model)，其基本表達(dá)式為: (4)這里為變量的空間依賴系數(shù)，為空間權(quán)重矩陣，其它符號含義同（3）式。3.2.3 克里金(Kriging)插值法克里金插值法又稱空間自協(xié)方差最佳插值法，它是以南非礦業(yè)工程師DGKrige的名字命名的一種最優(yōu)內(nèi)插法。克里金法廣泛地應(yīng)用于地理學(xué)研究、地下水模擬、土壤制圖等領(lǐng)域，是一

28、種很有用的地質(zhì)統(tǒng)計(jì)格網(wǎng)化方法。它首先考慮的是空間屬性在空間位置上的變異分布。確定對一個(gè)待插點(diǎn)值有影響的距離范圍，然后用此范圍內(nèi)的采樣點(diǎn)來估計(jì)待插點(diǎn)的屬性值。4 數(shù)據(jù)采集與處理4.1數(shù)據(jù)采集首先我們的研究范圍限定于廣州市存量高層帶電梯的平層住宅方面。論文使用數(shù)據(jù)來自于廣州某著名房地產(chǎn)經(jīng)紀(jì)公司采集的二手交易數(shù)據(jù)。數(shù)據(jù)采集項(xiàng)目包括樓盤名稱、所在行政區(qū)域、地址與單元房號、所屬區(qū)片（板塊）、成交日期、建筑面積、成交總價(jià)、樓盤建成時(shí)間、總樓層、所在樓層、戶型間隔的合理性、朝向、景觀、噪音狀況、裝修檔次、裝修年限、單套房地產(chǎn)陽臺(tái)數(shù)共計(jì)17項(xiàng)內(nèi)容。采集時(shí)間為2009年1月至2010年3月，數(shù)據(jù)總量為6217條

29、，其中有效數(shù)據(jù)3809條，分布于廣州市36個(gè)區(qū)片（板塊），596個(gè)樓盤（或小區(qū)），交易樓盤空間分布圖見圖1。上述數(shù)據(jù)由該房地產(chǎn)經(jīng)紀(jì)公司下屬、分布于全市范圍的二手地鋪調(diào)查，之后匯總提交給研究者。圖1 交易樓盤空間分布圖根據(jù)樓盤名稱和地址，結(jié)合廣州市省市一級小學(xué)位置、省市一級幼兒園位置、三甲醫(yī)院位置、白云山、珠江、公園位置以及地鐵站點(diǎn)分布，采用GIS技術(shù)，我們量算了每一樓盤距離上述設(shè)施的直線距離。這樣，每一樓盤共包括22項(xiàng)信息。4.2 房屋單價(jià)的交易時(shí)間修正如之前所述，2010年廣州市住宅交易均價(jià)比上年同比增長31.84%，增長幅度顯著。而我們采集到的數(shù)據(jù)位于2009年1月至2010年3月，正好處

30、于這段時(shí)間。為消除時(shí)間因素對房價(jià)的影響，須對各交易樣本的房屋單價(jià)進(jìn)行交易時(shí)間修正。修正方法采用分板塊的趨勢分析，具體如下：以交易樣本的房屋單價(jià)為因變量，以交易時(shí)間為自變量，分板塊對交易數(shù)據(jù)進(jìn)行一元線性回歸分析。具體公式為： (5)上式中，P為交易樣本的房屋單價(jià)；t為樣本交易時(shí)間，采用距離2009年1月1日的天數(shù)；a、b為回歸方程的參數(shù)。通過對3809條數(shù)據(jù)分板塊進(jìn)行趨勢分析發(fā)現(xiàn)：除人民路和小北路板塊由于交易樣本量過少、顯著系數(shù)分別為0.207和0.125外，其它板塊顯著系數(shù)均為0.0000，都存在顯著的線性增長趨勢。從回歸結(jié)果來看，五羊新城板塊增幅最快，房屋單價(jià)日均增長19.20元；其次為珠江

31、新城板塊，日均增長17.44元；羅沖圍板塊增幅最慢，日均增長4.19元；36個(gè)板塊平均增幅為9.90元。各板塊的回歸結(jié)果見表1。表1 各板塊的回歸結(jié)果板塊名稱abSig.板塊名稱abSig.白云大道6661.25 8.67 0.000 洛溪6148.38 5.73 0.000 北京路10775.16 10.76 0.000 南海5860.64 5.27 0.000 濱江東10746.57 10.04 0.000 南洲6380.55 10.92 0.000 赤崗7913.01 10.45 0.000 人民路7432.55 27.03 0.207 東風(fēng)東12518.31 10.60 0.000 石

32、牌9127.24 10.69 0.000 東圃7103.48 8.60 0.000 市橋4663.49 6.09 0.019 芳村5147.29 14.45 0.000 淘金9785.32 11.22 0.000 廣州大道北6582.29 7.13 0.000 體育中心9600.45 11.96 0.000廣州大道南7825.12 11.22 0.000 天河北10030.90 11.01 0.000 海珠西8339.18 11.62 0.000 天河公園9641.01 9.17 0.000 后天河北7672.16 13.30 0.000 五羊新城6749.90 19.20 0.000 華南6

33、660.19 7.84 0.000 小北路12145.10 6.73 0.125 黃埔7272.54 5.65 0.015 新港西9425.64 9.88 0.000 機(jī)場路6223.27 5.42 0.000 員村8408.96 10.38 0.000 江南大道南7727.32 10.07 0.000 站前路11547.02 8.05 0.035 康王路10791.31 7.70 0.000 中山八路8024.16 9.75 0.000 羅沖圍7463.97 4.19 0.006 鐘村5727.86 6.11 0.000 蘿崗3764.41 16.06 0.039 珠江新城13770.15

34、17.44 0.000 以系數(shù)為基礎(chǔ)，將交易價(jià)格統(tǒng)一修正到2010年3月31日，修正公式如下： (6)其中為修正后的單價(jià)；為交易時(shí)的單價(jià)；為目標(biāo)時(shí)間，即2010年3月31日；為交易發(fā)生的時(shí)間。根據(jù)以上趨勢分析結(jié)果，我們對所有交易樣本的單價(jià)修正到了目標(biāo)時(shí)間的單價(jià)水平，其中人民路和小北路板塊的修正分別采用各自臨近的康王路和北京路板塊的增長幅度。 需要說明的是，之所以采用（6）式而未采用（5）式進(jìn)行房屋單價(jià)修正，是因?yàn)槲覀冃拚闹皇窃灰變r(jià)格增長幅度的修正，并且若采用（5）式修正，同一板塊的不同樓盤的價(jià)格將會(huì)完全一致，那樣的話將無法分析樓盤的影響因素了。4.3 房屋單價(jià)的影響因素衡量指標(biāo)及其賦值4.

35、3.1 距離商業(yè)中心的距離采用GIS平臺(tái)下的樓盤至廣州市北京路、上下九、天河體育中心一級商業(yè)中心，珠江新城CBD，王府井、中華廣場、江南西二級商業(yè)中心的距離。一般來說，距離商業(yè)中心的距離與樓盤單價(jià)可能存在負(fù)相關(guān)關(guān)系。4.3.2 距離白云山、珠江、公園的距離采用GIS平臺(tái)下的樓盤至廣州市白云山、珠江、市區(qū)主要公園的距離。一般來說，距離白云山、珠江、公園的距離越遠(yuǎn)，樓盤單價(jià)可能越低。4.3.3 距離小學(xué)的距離在量算樓盤距離最近的省級或市級一級小學(xué)的直線距離的基礎(chǔ)上，根據(jù)研究者經(jīng)驗(yàn)確定小學(xué)的最大影響距離為1000m,之后將其等距分為5個(gè)等級，距離越近，賦值越高，因此樓盤單價(jià)與賦值之間期望呈現(xiàn)正相關(guān)關(guān)

36、系。4.3.4 距離幼兒園的距離在量算樓盤距離最近的省級或市級一級幼兒園的直線距離的基礎(chǔ)上,按照與距離小學(xué)的距離相同的方式確定指標(biāo)等級及其賦值，并期望樓盤單價(jià)與賦值之間呈現(xiàn)正相關(guān)。4.3.5 距離醫(yī)院的距離.采用樓盤至廣州市最近的三甲醫(yī)院的直線距離作為衡量指標(biāo)。一般認(rèn)為，距離醫(yī)院的距離越遠(yuǎn)，樓盤單價(jià)可能降低。4.3.6 距離地鐵站點(diǎn)的距離在量算樓盤距離最近的地鐵站點(diǎn)的直線距離基礎(chǔ)上，根據(jù)經(jīng)驗(yàn)確定其影響半徑為2000m,據(jù)此分為5個(gè)等級進(jìn)行賦值。一般來說，賦值越高，樓價(jià)可能提高。4.3.7 噪音狀況樓盤的噪音狀況分為安靜（或普通）和嘈雜兩個(gè)等級，由中介公司的人員依據(jù)經(jīng)驗(yàn)填報(bào)有關(guān)情況，其賦值由研究

37、者依據(jù)經(jīng)驗(yàn)、樓盤均價(jià)與噪音狀況的關(guān)系綜合確定。一般來說，賦值越高，樓價(jià)可能提高。4.3.8 戶型間隔的合理性樓盤的戶型間隔的合理性分為優(yōu)秀、普通、較差3個(gè)等級，等級與賦值確定方式和噪音狀況相同。一般來說，賦值越高，樓價(jià)可能提高。4.3.9 裝修檔次樓盤的裝修檔次分為豪華裝修、普通裝修、毛坯3個(gè)等級，等級與賦值確定方式和噪音狀況相同。一般來說，賦值越高，樓價(jià)可能提高。4.3.10 裝修新舊程度裝修新舊程度分為新、一般、舊3個(gè)等級，等級與賦值確定方式和噪音狀況相同。一般來說，賦值越高，樓價(jià)可能提高。4.3.11 朝向一般情況下，高層建筑由于體量較大，多數(shù)樓盤每層一般為4套房屋，因此出現(xiàn)通風(fēng)不暢問題

38、；與此同時(shí)某些樓盤設(shè)計(jì)成為大戶型，可以做成一層兩戶甚至1層1戶，這樣高層住宅的朝向呈現(xiàn)多樣化狀況。根據(jù)本次研究的交易樣本狀況，我們羅列出11種朝向，其賦值方式和噪音狀況也相同。一般來說，賦值越高，樓價(jià)可能提高。4.3.12 景觀中介公司填報(bào)的交易樣本的景觀共有一線江景、二線江景、公園、山景等9種情況，其賦值方式和噪音狀況也相同。一般來說，賦值越高，樓價(jià)可能提高。4.3.13 所在樓層一般說來，高層住宅所在樓層越高，樓價(jià)越高。所在樓層賦值按中介公司填報(bào)數(shù)據(jù)給出。4.3.14 樓齡一般來說，樓齡越長，樓價(jià)會(huì)越低。樓齡按照交易樣本從建成時(shí)間至交易時(shí)間的經(jīng)過年數(shù)確定。4.3.15 陽臺(tái)數(shù)量指交易樣本擁

39、有的陽臺(tái)數(shù)量，具體按照中介公司的填報(bào)數(shù)據(jù)參與測算，其樓價(jià)與陽臺(tái)數(shù)量的關(guān)系無法預(yù)知，有待通過模型計(jì)算結(jié)果確定。關(guān)于房屋單價(jià)影響因素衡量指標(biāo)及其賦值的詳細(xì)情況，請參閱表2。表2 房屋單價(jià)影響因素衡量指標(biāo)及其賦值影響因素因素簡稱指標(biāo)含義衡量指標(biāo)賦值距離商業(yè)中心的距離商業(yè)中心距離樓盤距離最近的市級商業(yè)中心的直線距離直線距離，單位：m直線距離，單位：m距離白云山、珠江、公園的距離山江公園距離樓盤距離白云山或其他山體、珠江、公園綠地其中一項(xiàng)最近的直線距離直線距離，單位：m直線距離，單位：m距離小學(xué)的距離小學(xué)距離樓盤距離最近的省級或市級一級小學(xué)的直線距離200m100201-400m75401-600m50

40、601-1000m251000m0距離幼兒園的距離幼兒園距離樓盤距離最近的省級或市級一級幼兒園的直線距離200m100201-400m75401-600m50601-1000m251000m0距離醫(yī)院的距離醫(yī)院距離樓盤距離最近的三甲醫(yī)院的直線距離直線距離，單位：m直線距離，單位：m距離地鐵站點(diǎn)的距離地鐵距離樓盤距離最近的地鐵站點(diǎn)的直線距離500m100501-1000m751001-1500m501501-2000m252000m0噪音狀況噪音交易樣本周圍的噪音狀況安靜或普通125嘈雜116戶型間隔的合理性間隔交易樣本戶型間隔設(shè)計(jì)的合理性優(yōu)秀134普通122較差100裝修檔次裝修交易樣本室內(nèi)裝

41、修的檔次豪華裝修145普通裝修124毛坯100裝修新舊程度裝修新舊度交易樣本室內(nèi)裝修的新舊程度新139一般123舊98朝向朝向交易樣本房間的朝向三面單邊130南北110東南108南100西南93東西90東90西87西北83北80東北85景觀景觀從交易樣本房間所看到的景觀一線江景130二線江景120標(biāo)志性建筑120公園120山景120園林110樓景100馬路90不良景觀80所在樓層樓層交易樣本所在樓層交易樣本所在樓層樓齡樓齡交易樣本從建成時(shí)間至交易時(shí)間的經(jīng)過年數(shù)年數(shù)年數(shù)陽臺(tái)數(shù)量陽臺(tái)數(shù)交易樣本擁有的陽臺(tái)數(shù)量陽臺(tái)數(shù)量陽臺(tái)數(shù)量4.4 數(shù)據(jù)處理后的基本情況將交易時(shí)間修正后的樓盤單價(jià)和其影響因素等級與賦值

42、加以匯總整理，形成表3。表3經(jīng)過處理的數(shù)據(jù)基本情況項(xiàng)目單位均值標(biāo)準(zhǔn)差最小值最大值單價(jià)元/m212496.64 3895.19 5949.93 34514.22 商業(yè)中心距離m3927.60 3354.07 105.00 16741.00 山江公園距離m423.69 285.42 26.00 1566.00 小學(xué)距離分值39.70 31.58 0.00 100.00 幼兒園距離分值24.15 29.26 0.00 100.00 醫(yī)院距離m2288.46 2400.06 40.00 14749.00 地鐵距離分值51.06 38.95 0.00 100.00 噪音分值124.67 168 100.

43、00 125.00 間隔分值124.86 5.56 100.00 134.00 裝修分值125.10 8.37 100.00145.00 裝修新舊度分值124.89 7.83 98.00 139.00 朝向分值93.33 10.49 80.00 130.00 景觀分值103.06 17.23 80.00 130.00 樓層分值12.61 8.06 1.0048.00 樓齡年8.68 3.65 1.00 44.00 陽臺(tái)數(shù)量個(gè)數(shù)1.47 1.54 0.00 3.00 總樓層層數(shù)22.619.2 59.048.005 房屋單價(jià)影響因素的模型結(jié)果5.1模型檢驗(yàn)5.1.1 Hedonic模型檢驗(yàn)采用H

44、edonic模型之多元線性回歸形式。當(dāng)15個(gè)自變量全部進(jìn)入模型運(yùn)算時(shí)，小學(xué)、醫(yī)院的相關(guān)系數(shù)為負(fù)，和預(yù)期相關(guān)系數(shù)不一致，幼兒園距離顯著系數(shù)0.271，顯著系數(shù)不高，因此舍棄小學(xué)距離、醫(yī)院距離、幼兒園距離3個(gè)變量。其余12個(gè)變量進(jìn)入Hedonic模型的檢驗(yàn)結(jié)果見表4，相關(guān)系數(shù)見表6。表4 Hedonic模型的檢驗(yàn)結(jié)果RR Square校正R Square估計(jì)標(biāo)準(zhǔn)誤差D-W0.6870.4730.4712844.6750.762Hedonic模型運(yùn)算后的復(fù)相關(guān)系數(shù)為0.687，R Square為0.473，校正R Square為0.471，模型檢驗(yàn)結(jié)果明顯低于同類研究結(jié)果，例如郭文剛（2006）文中

45、三項(xiàng)系數(shù)分別為0.923、0.852和0.851。造成以上相關(guān)系數(shù)偏低的原因在于：一是研究所使用的交易樣本時(shí)間跨度較長（一年三個(gè)月），經(jīng)過時(shí)間修正，房屋單價(jià)有可能部分失真；二是研究中采用的商業(yè)中心距離、山江公園距離單位是米，與郭文剛（2006）文采用的千米單位數(shù)值相差千倍。不過，有關(guān)統(tǒng)計(jì)學(xué)教材中卻認(rèn)為：一般社會(huì)科學(xué)學(xué)者認(rèn)為R0.4已經(jīng)足夠好了（張文彤等人，2004）。D-W值為0.762<2,說明相鄰兩點(diǎn)的殘差為正相關(guān);所有變量中VIF值最小的為1.011（朝向）,最大的為1.821（商業(yè)中心距離）,遠(yuǎn)遠(yuǎn)小于10,從而拒絕變量之間的共線性假設(shè)（論文篇幅所限，所有變量中VIF未列出）。再從

46、各變量系數(shù)（見表5）整體來看，除常數(shù)項(xiàng)顯著系數(shù)為0.165，噪音為0.100外，其它變量的顯著系數(shù)均為0.000，并且模型具有較好的解釋性，模型結(jié)果還是可以接受的。5.1.2 SAR模型檢驗(yàn)采用SAR模型之空間滯后模型，距離為2公里，計(jì)算方式為最大似然估計(jì)。當(dāng)15個(gè)自變量全部進(jìn)入模型運(yùn)算時(shí)，運(yùn)算結(jié)果也未通過檢驗(yàn)。在舍棄小學(xué)距離、醫(yī)院距離、幼兒園距離、地鐵距離4個(gè)變量，模擬結(jié)果比較理想。和Hedonic模型變量選擇進(jìn)行比較，SAR模型又多刪除了1項(xiàng)地鐵距離變量，這可能是由于地鐵距離的空間自相關(guān)原因造成。SAR模型的R Square為0.602，估計(jì)標(biāo)準(zhǔn)誤差為2456.490。由于SAR模型中變量

47、個(gè)數(shù)p為11，參與運(yùn)算的樣本個(gè)數(shù)n為3809，則p/n=0.003，遠(yuǎn)小于0.05，所以校正R Square的作用趨于消失（張文彤，2004），因此本論文未再采用校正R Square檢驗(yàn)值。通過Likelihood Ratio Test和 Breusch-Pagan test，顯著系數(shù)均為0.000。再從各變量系數(shù)（見表5）整體來看，除噪音的顯著系數(shù)為0.091、顯著水平接近10%外，其它變量的顯著水平均小于1%。和Hedonic模型檢驗(yàn)結(jié)果進(jìn)行對比，SAR模型檢驗(yàn)結(jié)果有較大程度改善，因此最終分析結(jié)果采用SAR模型。表5 Hedonic模型與SAR的回歸結(jié)果變量Hedonic模型SAR未標(biāo)準(zhǔn)化

48、系數(shù)標(biāo)準(zhǔn)化系數(shù)t顯著系數(shù)系數(shù)標(biāo)準(zhǔn)誤差顯著系數(shù)B標(biāo)準(zhǔn)誤差Beta空間依賴系數(shù)0.8320.0130.000常數(shù)-5004.793 3604.432 -1.3890.165 -21917.710 1894.4510.000 商業(yè)中心距離-0.561 0.019-0.483 -30.0520.000 -1.141 0.0180.000 山江公園距離-0.985 0.166-0.072 -5.9270.000 -0.904 0.1430.000 地鐵距離8.088 1.5410.081 5.2480.000 噪音45.48727.6880.02016430.10055.67722.9750.091間隔

49、33.397 9.1550.048 3.6480.000 22.362 7.8740.005 裝修40.623 6.1400.087 6.6160.000 35.938 5.2550.000 裝修新舊度27.401 7.0150.055 3.9060.000 20.038 5.9810.001 朝向22.773 4.4650.061 5.1000.000 20.843 3.8260.000 景觀16.285 2.7520.072 5.9180.000 15.300 2.3490.000 樓層51.305 6.1060.106 8.4020.000 54.649 15.0140.000 樓齡-3

50、76.729 13.623-0.353 -27.6540.000 -302.353 12.1570.000 陽臺(tái)數(shù)量126.655 30.5070.050 4.1520.000 130.509 54.1440.016 R Square0.473 0.602 估計(jì)標(biāo)準(zhǔn)誤差2844.675 2456.490 N3809 38095.2 模型結(jié)果分析從SAR擬合結(jié)果看，距離商業(yè)中心每遠(yuǎn)1000米，廣州市高層住宅單價(jià)平均降低1141元；距離白云山等山體、珠江、公園每遠(yuǎn)1000米，單價(jià)平均降低904元；噪音若從“安靜或普通”（125分）改變?yōu)椤班须s”（116分），則樓盤單價(jià)平均下降55.677×

51、;（125-116）=501.09元；戶型間隔若從“普通”（122分）提高到“優(yōu)秀”（134分），則單價(jià)上升22.362×（134-122）=268.34元；裝修檔次若從“普通裝修”（124分）提高到“豪華裝修”（145分），則單價(jià)上升35.938×（145-124）=754.70元；裝修新舊程度若從“新”（139分）變?yōu)椤芭f”（98分），則單價(jià)下降20.038×（139-98）=821.56元；朝向若從“北”（80分）變?yōu)椤澳稀保?00分），則單價(jià)上升20.843×（100-80）=416.86元；景觀朝向若從“樓景”（100分）變?yōu)椤皥@林”（110分

52、），則單價(jià)上升15.300×（110-100）=153.00元；樓層每上升1層，單價(jià)平均提高54.649×1=54.65元；樓齡每增加1年，單價(jià)平均降低302.353×1=302.35元；陽臺(tái)若從1個(gè)增加到兩個(gè)，單價(jià)平均提高130.509×（2-1）=130.51元。將上述擬合結(jié)果與研究者對廣州市高層住宅價(jià)格市場的經(jīng)驗(yàn)值比較，認(rèn)為除景觀擬合值偏低外，其它10項(xiàng)因素的系數(shù)比較符合廣州實(shí)際。同時(shí)小學(xué)距離、幼兒園距離、醫(yī)院距離3個(gè)變量和高層住宅單價(jià)不相關(guān)。值得關(guān)注的是：之前人們關(guān)注的小學(xué)、幼兒園等“名校效應(yīng)”對住宅價(jià)格的影響，在本次研究中未加證實(shí)。這可能是由于

53、私家車的普及削弱了“名校效應(yīng)”對住宅價(jià)格的影響。今后需要通過多層住宅房價(jià)、房租及其影響因素研究進(jìn)一步分析。6 廣州市高層住宅房地產(chǎn)價(jià)格空間分布分析采用SAR模型，將每個(gè)樣本修正到如下標(biāo)準(zhǔn)房地產(chǎn)狀態(tài)：噪音狀況為“安靜或普通”，戶型間隔為優(yōu)秀，裝修檔次為普通，裝修新舊程度為新，朝向?yàn)槟舷颍坝^為樓景，所在樓層為12層，樓齡為1年，陽臺(tái)數(shù)量為1個(gè)。然后計(jì)算出每個(gè)交易樣本標(biāo)準(zhǔn)房地產(chǎn)狀態(tài)下的房地產(chǎn)單價(jià)。之后在GIS平臺(tái)下，采用克里金插值法做出廣州市高層住宅房地產(chǎn)價(jià)格空間分布圖（見圖2），有關(guān)具體方法與參數(shù)是：簡單克里金法，采用球狀半變異函數(shù)，其中:塊金值：7235100，偏基臺(tái)值：8397800，變程：

54、1486米。圖2 廣州市高層住宅房地產(chǎn)價(jià)格空間分布圖分析廣州市高層住宅房地產(chǎn)價(jià)格空間分布圖，并結(jié)合交易樣本數(shù)據(jù)庫，可以發(fā)現(xiàn)： （1）廣州市高層住宅房地產(chǎn)價(jià)格最高值區(qū)域?yàn)樘旌訁^(qū)珠江新城，平均單價(jià)為26000元/m2；平均單價(jià)最高樓盤為領(lǐng)峰園，單價(jià)為34514.22元/m2；其次為凱旋新世界，平均單價(jià)為31007元/m2；譽(yù)峰、鉑林國際、中海觀園、中海璟暉、新城海濱、金碧華府、力迅上筑均在26000元/m2 以上；（2）越秀區(qū)的五羊新城為次高區(qū)域，主要是凱旋會(huì)，在均價(jià)25000元/m2等值線內(nèi)；（3）均價(jià)20000元/m2 的區(qū)域有5個(gè)，其中越秀區(qū)的北京路、東風(fēng)東、五羊新城、淘金、小北路板塊，天河區(qū)的體育中心、石牌板塊，海珠區(qū)濱江東、新港西板塊形成廣大的集中連片區(qū)域，形如“海龜”；其次還有荔灣區(qū)的康王路板塊、白云區(qū)的白云大道板塊、天河區(qū)的天河北、天河公園板塊4個(gè)相對面積較小的區(qū)域；(4) 均價(jià)15000元/m2的區(qū)域基本涵蓋西至東至黃埔經(jīng)濟(jì)開發(fā)西區(qū)、北至白云山、南至海珠區(qū)、番禺區(qū)大學(xué)城等廣大的市區(qū)建成區(qū)部分，狀如“燒餅”；(5) 均價(jià)10000-15000元/m2的區(qū)域基本屬于白云區(qū)中北部、天河區(qū)北部、荔灣區(qū)原芳村、番禺區(qū)中北部等城市外拓均質(zhì)區(qū)域； （6）廣州市高層住宅房地產(chǎn)價(jià)格空間分布整體呈現(xiàn)1個(gè)最高值區(qū)、1個(gè)次高值區(qū)、多個(gè)高值區(qū)，由市中心向外圍逐步降低趨勢。 7 結(jié)論第一，