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-
|