人口集聚和經濟集聚對房價影響的實證研究

2021-06-30 22:20胡艷輝
中國房地產·學術版 2021年3期
關鍵詞:房價

摘要:以南昌市為例,分別用定性和定量的方法研究城市人口集聚和城市經濟集聚對房價的影響。收集南昌市2019年各區縣人口數量、GDP和房價POI數據,利用克里金插值法計算出南昌市各區域房價分布,并用Arcgis繪制出人口、GDP和房價分布圖。在此基礎上構建南昌市人口集聚和經濟集聚與房價之間的回歸模型。結果表明,城市人口集聚和經濟集聚與城市房價之間呈現正相關關系,但當人口集聚和經濟集聚超出一定水平后,房價與其相關性減弱;同時,人口集聚比經濟集聚對房價影響更大。

關鍵詞:人口集聚;經濟集聚;房價;Arcgis

中圖分類號:F293 文獻標識碼:A

文章編號:1001-9138-(2021)03-0026-31 收稿日期:2021-01-28

作者簡介:胡艷輝,重慶大學管理科學與房地產學院碩士研究生。

1 引言

南昌市作為江西省的省會,2000年前受自身經濟影響,房價尚不算高,但是從2003年開始,南昌市房價持續高速增長,到2014年已成為中部6省房價最高的城市。雖然南昌市房價一直處于高位,但是城市內各區縣的差異較大。如,2020年12月,南昌市房價平均成交價格為12875元/平方米,紅谷灘區平均房價為17219元/平方米,新建區平均房價為11393元/平方米,而進賢縣平均房價僅為6512元/平方米,紅谷灘區的房價是進賢縣房價的2.6倍。而造成這樣的結果與區縣間人口數量和經濟發展水平不同有著密切關聯,因此,研究人口集聚和經濟集聚對房價的影響具有一定的現實意義。

目前,關于房價的研究多集中于住房市場價格的規律、特征以及住房政策。城市房價受許多因素影響,其中城市人口和城市經濟都是十分重要的因素。當城市人口規模變大時,會促進對住房的需求,從而使房價升高,同時城市居民也會根據區域優勢,在條件好的地區購房,從而使區域條件優越地區人口集聚程度高;而經濟水平上升,會提升居民對住房的非剛需需求,要求更高的生活環境和生活設施,從而引起房價上漲,同時也會吸引人口往經濟水平高的區域集聚。針對人口和經濟與房價的相關性研究已有一些成果,但大部分研究都是借助數學模型進行分析,少有借助Arcgis進行研究。

本文利用南昌市人口和GDP數據,結合南昌市各區縣的房價POI數據,借助Arcgis繪制南昌市人口、GDP和房價分布圖,對南昌市人口集聚和經濟集聚對房價的影響進行定性分析。再通過回歸分析模型分別研究人口集聚和經濟集聚與房價的相關性,為政府調控房價提供建議對策。

2 數據及研究方法

2.1 數據來源

作為江西省的省會城市,截止至2019年,南昌市常住人口為560.06萬人,地區生產總值為5596.18億元,總面積7402平方公里。本文研究范圍為南昌市下轄的東湖區、西湖區、青云譜區、青山湖區、新建區、紅谷灘區、南昌縣、安義縣以及進賢縣,共6個區,3個縣。

本文基于南昌市9個區縣的人口、行政區面積、地區GDP數據以及區域房價POI數據進行研究。其中,9個區縣的人口、行政區面積以及地區GDP的數據來源于《南昌市2019年統計年鑒》;房價POI數據來源于“鏈家”網站以及百度地圖,通過收集匯總,在9個區縣中共提取到608條有效數據。

2.2 研究方法

(1)人口集聚

人口集聚表示一個區域人口集聚的水平,本文用地區人口密度表示,其計算式如(1)所示:

(1)

式中,PD為地區人口密度,Pop為地區常住人口數量,Area為行政區面積。

(2)經濟集聚

經濟集聚表示一個區域經濟集聚的水平,本文用地區GDP值比上行政區面積表示,其計算式如(2)所示:

(2)

式中,EC為地區經濟集聚水平,GDP為地區生產總值,Area為行政區面積。

(3)克里金插值

南昌市各區縣房價通過克里金插值法計算。克里金插值法是一種特定的加權平均法,借助變異函數,通過對空間內已知變量,對未知區域變量進行無偏估計。其表達式如(3)所示:

(3)

式中,Z(x)為未知區域變量值,γi為第i已知點對未知點的權重系數,Z(xi)為已知點的變量值,n為已知點的個數。

(4)回歸分析模型

通過SPSS2.0進行回歸分析,定量研究人口集聚和經濟集聚對南昌市各區域房價的影響,其回歸模型如(4)所示:

(4)

式中,為因變量,用區縣房價均值表示,xi為自變量,分別為區縣人口集聚程度和經濟集聚水平,β為回歸系數,α為常數項。

3 城市集聚與房價影響實證分析

3.1 南昌市人口集聚分布特征

根據2019年南昌市各區縣常住人口統計數據,結合南昌市行政區劃矢量圖,在Arcgis中計算出各區縣人口密度,并以人口密度為標準劃分5個等級,最終繪制出南昌市各區縣人口集聚分布圖,如圖1所示。

通過南昌市各區縣人口集聚分布圖可以看出,西湖區人口密度最大,大于10000人/平方千米,東湖區人口密度大于7000人/平方千米,青云譜人口密度在4000人/平方千米之上,青山湖和紅谷灘區的人口也都在1000人/平方千米以上,只有新建區、南昌縣、安義縣和進賢縣的人口密度小于1000人/平方千米。總體來看,南昌市人口集聚主要呈現出以西湖區和東湖區為核心,并由中心向四周逐步擴散的特征,造成這種現象的原因是東湖區是南昌市中心城區的典型代表,具備良好的區位優勢,深厚的人文底蘊以及便利的交通,匯集了南昌市的眾多資源,如教育、人才、資金等,這致使居民向東湖區集聚,并以東湖區為核心逐步向四周擴散。

3.2 南昌市經濟集聚分布特征

根據《2019年南昌市統計年鑒》公布的各區縣GDP數據,在Arcgis中計算出各區縣每平方千米所含的GDP,用來反映各區縣經濟集聚水平,并結合南昌市行政區劃矢量圖,以每平方千米GDP為標準,劃分6個等級,并繪制出南昌市各區縣經濟集聚分布圖,如圖2所示。

通過南昌市各區縣經濟集聚分布圖可以看出,西湖區每平方千米GDP最高,大于100000萬元/平方千米,東湖區和青云譜區其平均GDP都大于70000萬元/平方千米,青山湖平均GDP在40000萬元/平方千米之上,紅谷灘區平均GDP在10000萬元/平方千米之上,而新建區和南昌縣平均GDP都小于10000萬元/平方千米,安義縣和進賢縣平均GDP不達2000萬元/平方千米。總的來看,南昌市經濟集聚也和其人口集聚呈現出相同的趨勢,即以東湖區和西湖區為核心向周邊地區擴散,并且離中心地區越遠,經濟集聚水平越低。

3.3 南昌市各區縣房價分布特征

南昌市各區縣的房價是通過從“鏈家”和百度地圖所提取的南昌各區縣608條房價POI數據導入到Arcgis中,并利用克里金插值法估算而來的。在進行克里金插值前需要對608條房價POI數據進行正態分布檢驗、空間自相關分析和空間趨勢分析。

(1)正態分布檢驗

在進行克里金插值前,需要數據滿足正態分布。在Arcgis中為了驗證提取的608條數據是否符合正態分布,借助軟件中探索性數據分析工具下的直方圖和正態QQPlot分布圖進行檢驗。

在直方圖中,判斷數據是否符合正態分布是通過數據的偏度和峰度,當偏度和峰度越接近0時,則數據越服從正態分布。南昌市各區縣房價數據直方圖,如圖3所示,其偏度為1.257,峰度為5.8784,整體數據向右延伸,近似符合正態分布。為了使數據更加符合正態分布,對收集的數據進行log變換,并繪制出南昌市各區縣房價數據log變換后直方圖,如圖4所示,此時偏度為-0.0939,峰度為3.2172,較log轉換前的數據更符合正態分布。

除了對數據進行直方圖分析檢驗外,還需要進行正態QQPlot分布圖檢驗。在正態QQPlot分布圖檢驗中,當數據呈一條直線進行分布時,檢驗的數據符合正態分布。南昌市各區縣房價數據正態QQPlot分布圖,如圖5所示,可以看出南昌市各區縣房價數據大致呈一條直線分布。為了使數據跟符合正態分布,對數據進行log轉換,并繪制南昌市各區縣房價數據log轉換后正態QQPlot分布圖,如圖6所示,可以看出經過log轉換后的數據能夠更好地呈現為一條直線,同時說明log轉換后的數據更符合正態分布。

(2)空間自相關分析

空間自相關分析是檢驗已收集的數據之間在空間上是否顯著相關,只有當數據顯著相關時才能進行克里金插值。在Arcgis中,空間自相關通過半變異函數來檢驗,當函數值大于0則正相關,小于0負相關,等于0則不存在空間相關關系,此時半變異函數的點呈直線分布。對樣本數據進行檢驗,得到南昌市各區縣房價數據半變異函數云圖,如圖7所示,可以看出,樣本點不呈直線分布,得出608條房價數據之間存在空間自相關關系,因此可以進行克里金插值。

(3)空間趨勢分析

空間趨勢分析為了檢驗數據是否在空間上呈現一定的規律所進行的檢驗,在進行克里金插值之前,需要數據呈現一定的空間分布趨勢。在Arcgis中,通過趨勢面分析對數據空間分布趨勢進行檢驗,當數據呈現直線分布則不存在空間分布趨勢。南昌市各區縣房價數據空間趨勢面分析圖,如圖8所示,可以看出,數據在空間上呈現倒“u”字形,這說明南昌市各區縣房價數據在空間上具有二階函數的趨勢,可以進行克里金插值。

(4)克里金插值結果

在數據符合正態分布,并具備空間自相關關系,具有一定的空間趨勢后,在Arcgis中對其進行克里金插值,得到數據結果。并結合南昌市行政區劃矢量圖,以房價為標準,劃分6個等級,并繪制出南昌市各區縣房價分布圖,如圖9所示。

從圖9中可以看出,南昌市的房價超過12000元/平方千米的地區主要有紅谷灘區、東湖區和青山湖區,房價較低的地區主要集中在進賢縣、安義縣、南昌縣和新建區。整體上看,南昌市房價最高地區為紅谷灘區,高房價地區主要集中在東湖區和紅谷灘區,并以其為中心向四周擴散。并且區縣間房價差異較大,距離城市中心越近的地區,房價越高,而離城市中心較遠的邊緣區域房價低,這與城市人口集聚和經濟集聚有一定的相似之處。

3.4 回歸分析

(1)城市人口集聚與房價回歸分析

以人口密度為自變量,以城市各區縣房價均價為因變量,利用SPSS2.0構建城市人口集聚與房價回歸模型,其結果如下:

F值為16.256,sig值小于0.05,可以通過顯著性檢驗,說明人口集聚與房價之間有線性相關關系。其中人口密度與房價的回歸系數為0.199,說明人口集聚與房價之間存在正相關關系,人口密度的提高將促進人口集聚效應,促進對住房的需求,從而提高房價。

(2)城市經濟集聚與房價回歸分析

以每平方公里的GDP為自變量,以城市各區縣房價均價為因變量,利用SPSS2.0構建城市經濟集聚與房價回歸模型,其結果如下:

F值為15.996,sig值小于0.05,可以通過顯著性檢驗,說明經濟集聚與房價之間有線性相關關系。其中每平方公里的GDP與房價的回歸系數為0.156,說明經濟集聚與房價之間存在正相關關系,經濟集聚程度越高,將推進居民對生活質量的追求,促進住房配套設施的建設,從而提升房價。

4 研究結論

研究結果表明:(1)城市人口集聚與城市經濟集聚都能促進房價的上漲,但房價并非嚴格的按照人口集聚和經濟集聚水平分布。(2)當人口集聚程度和經濟集聚水平超過一定值后,房價的分布與之相關性減小。(3)通過比較回歸分析中的回歸系數可知,人口集聚對房價的影響高于經濟集聚。

參考文獻:

1.胡彬 余敏.基于多元回歸和因子分析的南昌市住宅價格的影響因素研究.價格月刊.2016.11

2.徐芳 孫立堅 李盼盼 翟亮 孫立 王濤濤.武漢市人口集聚對城市房價空間分布的影響.測繪科學.

2021.01

3.黃偉 周欣帥 袁競峰.城市集聚對住房價格影響的實證研究——以南京市為例.價格理論與實踐.2015.08

4.李俊曉 李朝奎 殷智慧.基于Arc GIS的克里金插值方法及其應用.測繪通報.2013.09

5.盧月明 王亮 仇阿根 張用川 趙陽陽.基于半監督學習的克里金插值方法.計算機工程與應用.

2018.54 (22)

6.胡細英.現代服務業與中心城區經濟發展

——以南昌市東湖區為例.經濟地理.2006.02

7.王睿 張悅.基于普通克里金插值的南京市商品住宅價格研究.測繪與空間地理信息.2019.42 (07)

8.張紹伙 彭賢偉.基于Kriging方法和GIS技術的城市房價空間分異研究——以貴陽市城區為例.貴州師范大學學報(自然科學版).2010.28 (01)

猜你喜歡
房價
房價上漲抑制英國出生率:每年少生7000多名嬰兒
2016房價“漲”聲響起
青島房價:跌還是不跌
影音先锋番号搜索