文档库 最新最全的文档下载
当前位置:文档库 › 房地产价格分布的空间自相关分析_以东莞市为例

房地产价格分布的空间自相关分析_以东莞市为例

房地产价格分布的空间自相关分析

———以东莞市为例

梅志雄1,黄亮2

(1.华南师范大学地理科学学院,广东广州510631;2.中国土地勘测规划院,北京100035)

收稿日期:

2007-07-30修稿日期:

2007-12-10基金项目:

国家杰出青年科学基金(40525002);“985工程”GIS与遥感的地学应用科技创新平台项目(105203200400006)。第一作者:梅志雄(1976-),男,汉族,湖北黄梅人,博士研究生,讲师。主要研究方向为GIS与遥感。E-mail:zhixiongmei76@126.com

中国土地科学ChinaLandScienceVol.22No.2Feb.,2008

第22卷第2期

2008年2月SpatialAutocorrelationAnalysisofHousingPricesDistribution:

ACaseStudyofDongguan

MEIZhi-xiong1,HUANGLiang2

(1.CollegeofGeographicalScience,SouthChinaNormalUniversity,Guangzhou510631,China;

2.ChinaLandSurveyingandPlanningInstitute,Beijing100035,China)

Abstract:ThepurposeofthispaperistoanalyzethespatialautocorrelationcharacteristicsandspatialdistributionpatternofthehousingpriceinDongguan.MethodofthespatialautocorrelationwasemployedwiththetransactiondataofgeneralhousingpriceofDongguanin2006.SuchtoolswereusedastheglobalandlocalMoran'sIindex,Moran'sIscatterplotandLISAclusteringmap.TheresultsindicatethattheoverallspatialdisparityofhousingpriceissmallwhilethehousingpriceinDongguanexhibitssignificantglobalspatialautocorrelationandoverallclusteringpattern.Mostgeneralhousingpricepresentslocalclusteringpatternalthoughafewgeneralhousingpricepresentslocaldispersedpatternowingtospatialheterogeneity.

Keywords:realestateprice;spatialautocorrelation;spatialdistributionpattern;Dongguan

1引言

房地产价格已经成为政府、居民、开发商、学术界等各方面关注的焦点,而房价空间分布问题是房地产价格研究中城市地理学者较关心的研究热点之一。许多地理学者从地理学的视角对城市住宅价格空间分布进行了一定

摘要:研究目的:分析东莞市房价分布的空间自相关特征及空间分布格局。研究方法:依据东莞市2006年普通住宅交易均

价数据,运用空间自相关理论和方法进行分析。选用全局和局域Moran’sI指数、Moran散点图、LISA集聚图等工具进行

测度和实证分析。研究结果:东莞市房价总体空间差异较小,房价全局空间自相关特征显著、总体上呈现空间集聚格局;

东莞大部分普通住宅价格呈现局部空间集聚格局,也有少量存在空间异质性而呈现局部离散格局。

关键词:房地产价格;空间自相关;空间分布格局;东莞市

中图分类号:F293.3文献标识码:A文章编号:1001-8158(2008)02-0049-06

中国土地科学2008年2月第2期

50的研究,对住宅价格在城市空间上的变化规律、变化原因等进行了分析。如许晓晖(1997)

[1],郑芷青(2001)[2],李雪铭(2004)[3],王霞、朱道林(2004)[4]等通过空间插值技术得到价格等值线图、空间分布图等对城市房价在不同

空间方向上的变化和分布规律进行了研究;周昭霞(2005)[5]利用杭州市的土地出让数据构建单中心模型的扩展

形式来解释杭州城市地价空间分布结构;周春山、罗彦(2004)[6],Pace等(2000)[7]借助空间因子开展了住宅价格

空间分异规律的研究。还有一些学者开展了局部空间对住宅价格的影响研究,如黄慧明(2001)

[8]分析了广州市地铁对商品住宅价格的空间影响和商品住宅分布的空间影响。综观这些研究工作,均缺少对房价和空间位置之间

存在的相关性的检测,缺少对房价分布的空间关联性的描述。地理实体之间总是表现出一定的空间关联性。正如Tobler提出的“地理学第一定律”所指出“空间上分布的事

物是相互联系的,但距离近的事物之间的相似性大于距离较远的事物之间的相似性”[9]。空间自相关(Spatial

Autocorrelation)分析是测试空间某点的观测值是否与其相邻点的值存在相关性的一种分析方法[10]。目前,空间自相关理论与方法已被应用于生态学[11]、生物学[12]、遗传学[13]、流行病学[14]、土壤学[15]、区域经济[16]、犯罪学[17]等方面的研究,但是利用空间自相关研究房地产价格空间分布格局的实例很少见。鉴于此,本文以东莞市2006年普通住宅价格数据为研究样本,以GIS技术为支撑,采用空间自相关方法,对东莞市房价空间分布格局进行定量研究。2研究方法

空间自相关反映的是一个区域单元上的某种地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度,是一种检测与量化从多个标定点中取样值变异的空间依赖性的空间统计方法[11,18]。空间自相关可分为全局空间自相关和局域空间自相关。

2.1全局空间自相关分析

全局空间自相关是对变量的观测值在整个区域的空间特征的描述,检验空间现象在整个区域上是否具有聚集效应。计算全局空间自相关的指标和方法很多,但最常用的还是Moran'sI,Geary'sC。本文采用Moran'sI指数,其计算公式如下:

I=N

∑i=1N∑j=1NW(i,j)×∑i=1N∑j=1N

W(i,j)(Xi-X!)(Xj-X!)∑i=1N(Xi-X!)2(式1)

式1中:N为研究对象的数目,Xi为观测值,X为Xi的平均值。W(i,j)为实体i与j之间的空间连接矩阵,它是二值(0,1)空间权重矩阵。空间连接矩阵可以通过邻接规则和距离规则来构建。对于邻接矩阵,W(i,j)=1代表i与

j相邻,W

(i,j)=0代表i与j不相邻,i≠j,Wii=0;对于距离矩阵,如果i与j之间距离小于或等于指定距离,则W(i,j)=1,如果i与j之间距离大于指定距离,则W(i,j)=0。本文采用距离标准来定义W(i,j)。

由于GlobalMoran'sI的计算使用的是样本数据,因此,计算出Moran'sI之后,还需对其结果进行统计检验,检验统计量用Z统计量:Z(I)=(I-E(I))/var

(I)",其中:I为待检验的由样本数据计算得到的GlobalMoran'sI;E(I)为GlobalMoran'sI的期望值,其值为-1/(N-1);Var(I)为GlobalMoran'sI的方差。

Moran'sI值介于-1与1之间,I>0表示空间自正相关,空间实体呈聚合分布;I<0表示空间负相关,空间实体呈离散分布;I=0则表示空间实体是随机分布的,且I值越大表示空间分布的相关性越大[18]。

2.2局域空间自相关分析

全局空间自相关是一种描述某现象的整体分布状况,GlobalMoran'sI是一种对研究区空间自相关的综合度量指标,它虽可知空间中相似属性的聚集程度,但其并不能确切地指出聚集区的空间位置。并且它是以整个研究区域空间趋势是同质的为假设前提,因而不能度量不同水平与性质的空间自相关即空间异质性。局域空间自相关分析可以帮助我们更加准确地把握空间要素的异质性特性,能够推算出聚集地的空间位置和范围。如Anselin提

51

梅志雄等:房地产价格分布的空间自相关分析———以东莞市为例出的空间联系局域指标LISA(LocalIndicatorsofSpatialAssociation)

[19],可以度量每个空间单元与其相邻单元之

间的局部空间关联程度。计算局域空间自相关指标也有很多种,本文选用LocalMoran'sI指数来衡量局域空间自相关性,从本质上看,局域Moran'sI是将全局Moran'sI分解到各个空间单元,其计算公式如下:

Ii=∑j=1NW(i,j)(Xi-X)(Xi-X)(式2)

式2中:N,Xi,X,W(i,j)含义同公式(1),LISA的Z检验为Z(Ii)=(Ii-E(Ii))/Var

(Ii)!。3实证分析

3.1研究区和空间数据

本文以位于广东省中南部,珠江三角洲中部,穗、深、港经济走廊的黄金地段———东莞市为研究区,研究东莞市域尺度上房价分布的空间自相关性,旨在为政府宏观调控、

房地产开经营管理提供参考,为消费者提供信息。由于住宅房产是东莞房地产市场的主导房产类型,而普通住宅在住宅房产中占有绝大部分比重,其数量大、空间分布广、价格能形成较为连续的空间表面。所以本文选择东莞市2006年在售普通商品住宅作为研究对象,样本数据来自东莞市房产交易所和东莞搜房网。总共收集整理出163个普通商品住宅项目的名称、位置、均价等数据作为分析的数据基础,通过ArcGIS建立了空间数据库,并构建样本住宅项目的点图层,每个住宅项目样点的属性数据为项目名称、面积及2006年销售均价,同时以东莞行政区划边界图作为分析的底图。

3.2房价分布的全局空间自相关分析

依据公式(1),计算得到东莞市2006年普通住宅项目价格的GlobalMoran'sI指数为0.4674,其检验的标准化Z统计量为13.45,远大于正态分布99%置信区间双侧检验阈值2.17,表明东莞市普通住宅价格在1%显著性水平下存在较强的全局正自相关特性,呈现显著的空间集聚模式,即价格高的住宅项目与价格高的住宅项目邻接,价格低的住宅项目与价格低的住宅项目邻接。从这点可知,东莞市普通住宅价格总体上呈现较为显著的空间集聚格局,价格相似(高高或低低)的住宅项目在空间上集中分布。

3.3房价分布的局域空间自相关分析

局域空间自相关分析有两种方法,一种是Moran散点图,另一种是局域Moran'sI统计量。两种方法可从不同侧面揭示研究现象的空间关联特性。

3.3.1Moran散点图分析

Moran散点图的横坐标为各空间单元标准化后的属性值(本研究中为楼盘均价,下同),纵坐标为由空间连接矩阵确定的相邻单元的属性值的平均值(空间滞后向量)。Moran散点图由4个象限组成:第一象限(HH,“高—高”)表示某一空间单元和周围单元的属性值都较高,第二象限(LH,“低—高”)表示某一空间单元属性值较低而其周围单元较高,第三象限(LL,“低—低”)表示某一空间单元和周围单元的属性值都较低,第四象限(HL,“高—低”)表示某一空间单元属性值较高而其周围单元较低。落入HH和LL象限的观测值存在较强的空间正相关,即有均质性;落入LH和HL象限的观测值表示存在较强的空间负相关,空间单元具有异质性。

图1为东莞市普通住宅价格的Moran散点图。落入HH象限和LL象限的住宅项目个数越多,住宅项目价格空间集聚性越显著。由Moran散点图和计算结果可知,总样本中位于HH象限的样本个数为60个,位于LL象限的有69个,落入HH和LL象限的住宅项目数占总样本数的79.14%,表明东莞市普通住宅价格在这些局域范围具有强烈的空间正相关,局部集聚格局显著;约有20.86%的住宅项目位于LH象限和HL象限,表明这些局域范围的住宅项目价格具有强烈的空间负相关,即具有空间异质性,呈现局部离散分布格局。

3.3.2LISA集聚图分析

Moran散点图只能定性地描述每个空间单元与其周围单元间的相关关系,而不能揭示各个区域单元空间自

相关的程度。而局域Moran'sI统计量及LISA指标除了具有Moran散点图的功能之外,还可以定量地得知这些关联的具体程度。

依据公式(2),计算出东莞市普通住宅价格的局域Moran'sI指数,并在5%显著性水平下绘制LISA集聚图(图2)。图2显示,东莞市普通住宅价格表现出较为明显的空间分异格局,其空间关联模式可细分为以下4种类型:①“高—高”关联(HH),局部高值聚集类型,即价格高于全部住宅均价的住宅项目被价格高于全部住宅均价的邻域住宅项目(由空间连接矩阵决定)所包围。从图2可看出,这类住宅项目几乎全部分布在莞城、东城、南城、寮步组成的“中心城区”

和厚街镇。这些镇区属于经济基础比较好,居民收入消费较高、基础设施和服务设施相对完善,商业服务业发达、人口素质相对较高的镇区。②“低—低”关联(LL),局部低值聚集类型,即价格低于全部

住宅均价的住宅项目被价格低于全部住宅均价的邻域住宅项目所包围。这类住宅项目主要分布在发展相对比较落后、房地产开发起步较晚的东莞西北部以及东部外围镇区,如麻涌、中堂、石龙、石排、横沥、企石、桥头、谢岗、清

溪等镇区,常平镇也有些。③“高—低”关联(HL),局部高值离群点类型,即价格高于全部住宅均价的住宅项目

被价格低于全部住宅均价的邻域住宅项目所包围。这类“热点”

项目大部分位于常平镇大京九铁路、广梅汕铁路、广深铁路的交汇处板块,显示交通要素对房地产价格的影响效果。④“低—高”关联(LH),局部低值离群点类型,即价格低于全部住宅均价的住宅项目被价格高于全部住宅均价的邻域住宅项目所包围。这类“冷点”项目主要位于与城区相邻的寮步、万江、石碣辖区内的城乡结合部,莞城及与东城交界处也有部分,这主要是一些环境较差的楼盘和旧城改造项目,所以它们的价格相比其周边住宅项目价格较低。“高—高”和“低—低”表明具有较强的空间正相关,提示区域的集聚和相似性;“高—低”和“低—高”

则表示存在较强的空间负相关,提示局部异质性的存在。这与前面Moran散点图分析的结果相吻合。

中国土地科学2008年2月第2期523.4成因分析

东莞市房价空间分布格局形成的主要原因是:①区位因素。区位对房地产价格有着重要影响。莞城是老城区,东城、南城、厚街部分地区是东莞新城市中心区,寮步正好处在东莞空间发展轴和产业发展轴的中间位置,也是东莞城市东拓的第一站,必将融入未来大东莞市区。这些镇区位条件好,成为房价高值集聚区。常平—樟木头—塘厦板块毗邻港深地区,虎门—长安也毗邻港深且位于广深经济走廊,区位优势独特,外销成分占有一定的比重,对房价起到抬升作用。而东莞西北部以及东部外围镇区主要是农村或工业区,区位条件较差,

成为房价低

值集聚区。②交通条件。交通方便、通达性好,有利于商业的发展和人口的积聚,从而对房地产发展有一定的吸引力。如沿广深高速公路和莞太大道延伸的厚街—虎门—长安板块、沿广深铁路延伸的常平—樟木头—塘厦板块形成了东莞房价次高峰集聚区。东莞市区道路网密集,交通可达性好,房价自然较高。交通条件特别优越的轨道交通沿线一般会成为房地产发展的黄金地段,从而提升房价。③基础设施、

环境条件。环境条件优越、城市生活基础设施、服务设施齐全是决定房价的一个重要因素。以东城区为代表的东莞传统住宅区,以其成熟的居住气氛和完善的生活配套,依然倍受市场的关注,而南城区以其长远的城市规划蓝图和逐渐完善的生活居住行政商务氛围,已经成为市场关注的焦点,市中心区则成为东莞房价的风向标。东莞西北部以及东部外围镇区远离市中心,城市基础设施建设落后,商业服务业不发达,自然房价较低。④政策因素的影响。

影响房地产价格的政策因素主要包括土地制度、住房制度和城市规划等。受资料和篇幅的限制,这里仅讨论城市规划的影响,城市规划和城市建设主要通过改变城市空间结构和改善道路交通网络来影响房地产价格。城市规划对房价起着重要的推动作用,当某些区域被确定为重点发展区域,其地价自然会随之高涨,相应房价也有较大提升。如在东莞市“五年见新城”政策推动下,东莞市政府编制的《东莞市城市总体规划(2000—2015)》第14条规定“加速发展东莞市区(中心城)和虎门、常平两个副中心城,以及石龙、塘厦、长安、厚街、樟木头等重点城镇,实现城乡协调发展”,该规划政策改变了东莞市房地产价格的空间分布,这些地区已经成为东莞房价的高值集聚区,并且对周围房价都有一定的聚集效应,将来可能会形成具有较强辐射能力的独立的中心,房价有较大的提升潜力。

4结论与讨论

(1)东莞房价存在显著的全局空间自相关特征,全局空间自相关系数为0.4674,显著性水平为p<0.01,表明东莞市房价总体上呈现空间集聚格局。

(2)东莞大部分普通住宅价格呈现局部空间聚集特征,但有少量存在空间异质性而呈现局部离散格局。房价高值聚集项目集中在东莞市区和厚街镇;低值聚集项目集中在发展相对比较落后、房地产开发起步较晚的东莞西北部以及东部外围镇区;局域空间异质性的项目主要是市区内旧城改造项目和一些环境较差的其价格相比周边区域较低的项目,以及受轨道交通影响的“热点”

项目。(3)区位、

交通条件、基础设施与环境条件、政策因素等是东莞住宅房价空间分布格局的主要影响因素,共同制约着东莞房价空间分布格局的形成。

(4)实践证明,空间自相关是分析房价空间分布格局的一种有效方法,它解决了传统方法空间邻域概念缺失的弊端。但由于数据获得困难,本文仅对2006年的东莞房价进行了空间自相关分析,缺少通过不同时段的价格数据分析房价空间分布的时间变化,同时由于样本数据本身的分布问题和空间权重矩阵定义的标准不同,也会一定程度影响分析结果的精度,需要继续研究。

参考文献(References):

[1]

许晓晖.上海市商品住宅价格空间分布特征分析[J].经济地理,1997,17(1):80-87.[2]

郑芷青.广州市商品住宅价格分布特征研究[J].热带地理,2001,21(1):22-26.[3]

李雪铭,张馨,张春花,等.大连商品住宅价格空间分异规律研究[J].地域研究与开发,2004,23(6):35-39.[4]

王霞,朱道林.地统计学在都市房价空间分布规律研究中的应用[J].中国软科学,2004,(8):152-155.[5]

周昭霞.基于单中心扩展模型的杭州城市地价空间结构研究[D].硕士学位论文,浙江大学,2005.[6]

周春山,罗彦.近10年广州市房地产价格的空间分布及其影响[J].城市规划,2004,28(3):52-56.[7]

PaceRK,BarryR,GilleyOW,SirmansCF.Amethodforspatial-temporalforecastingwithanapplicationtorealestateprices[J].InternationalJournalofForecasting,2000,16(2):229-246.[8]

黄慧明.地铁对广州市商品住宅的空间影响研究[J].现代城市研究,2001,(4):33-36.[9]ToblerWR.AcomputermoviesimulatingurbangrowthintheDetroitregion[J].EconomicGeography,1970,46(2):234-240.53梅志雄等:房地产价格分布的空间自相关分析———以东莞市为例

[10]陈小勇,林鹏.我国红树植物分布的空间自相关分析[J].华东师范大学学报,2000,(3):104-109.[11]

SokalRR,OdenNL.Spatialautocorrelationinbiology,1.Methodology[J].Bio1JLinnSoc,1978,10:199-228.[12]

LegendreP.Spatialautocorrelation:tribeornewparadigm[J].Ecology,1993,74:1659-1673.[13]

闫伯前,秦岭,李作洲,等.中国栗疫病菌群体遗传结构的空间自相关性分析[J].武汉植物学研究,2003,21(3):238-244.[14]

陈炳为,李德云,倪宗瓒.四川省碘缺乏病的空间自相关性[J].现代预防医学,2003,3(2):158-159.[15]

倪万魁,牛富俊,刘东燕.黄土土性的空间自相关性研究[J].西安工程学院学报,2002,24(2):4-9.[16]

陈斐,杜道生.空间统计分析与GIS在区域经济分析中的应用[J].武汉大学学报(信息科学版),2002,27(4):391-396.[17]

CohenJ,TitaG.Diffusioninhomicide:exploringageneralmethodfordetectingspatialdiffusionprocess[J].JournalofQuantitativeCriminology,1999,15(4):451-493.[18]

刘湘南,黄方,王平,等.GIS空间分析原理与方法[M].北京:科学出版社,2005.[19]AnselinL.Localindicatorsofspatialassociation-LISA[J].GeographicalAnalysis,1995,27(2):93-115.

中国土地科学2008年2月第2期54中国土地学会办公室及《中国土地科学》编辑部即日起迁往新址办公(电话不变)。一、办公地点:北京市西城区冠英园西区39号(位于中国土地勘测规划院东侧南宁驻京联络处院内)

二、通讯地址:北京市西城区冠英园西区37号;邮编:100035

三、中国土地学会办公室电话:66562607、66562671、66562651、66562610

传真:66562563

网址:www.zgtdxh.org.cn

电子信箱:zgtdxh@vip.sina.com

四、《中国土地科学》

电话:编辑部:66562683、66562561

(传真)发行部:66562692(兼传真)

稿件咨询:66562612

投稿信箱:bianjibu@zgtdkx.com

中国土地学会

2008年2月15日中国土地学会办公地点迁址通知

相关文档
相关文档 最新文档