武汉市主城区住房租金时空演变特征分析

来源:用户上传      作者:

　　摘要：收集武汉市主城区2008-2018年间住房租金相关数据和2008年、2013年、2018年的住房租金样本数据，运用时间序列分析、空间聚类分析、空间插值分析、空间自相关分析和重心迁移分析法从时间变化、空间分异及时空演变三个方面分析住房租金时空演变特征。结果表明，2008-2018年期间，武汉市主城区的住房租金水平以江汉区最高，汉阳区和青山区整体低于平均水平，其中以青山区住房租金水平最低;各区住房租金逐年增长，且增长趋势具有一定的相似性，但涨幅差异明显。主城区住房租金整体上呈现出由城市中心向周边递减的不规则圈层式的分布特征，住房租金较高的区域多集中于长江以南的城区，长江以北的城区住房租金较高的区域相对偏少。主城区住房租金具有局部的空间异质性，也存在一定的局部时空异质性。
　　关键词：住房租金;空间分异;时空演变
　　中图分类号：F293
　　文献标识码：A
　　文章编号：1001-9138-（2020）03-0027-36
　　收稿日期：2020-02-06
　　近些年，研究住房租金在时间上的变化规律、空间上的分异特征已成为政府相关职能部门、租赁住房投资运营商、租赁住房需求者及科研学者们关注的焦点。国外关于租赁住房的研究大多是基于经济学和管理学的视角，在租金政策效应、租金价格指数、租金控制等方面取得较多的研究成果。国内较多地研究住宅价格的空间分布特征，主要采用空间自相关理论、ESDA法与Kriging插值法、GIS空间分析等方法。较少学者开展了住房租金的空间分异研究，仅有李婕（ 2013）通过构建特征价格模型研究昆明市住房租金的空间分异特征;苏亚艺等（ 2014）通过运用Arc GIS中空间自相关分析和克里格插值，对北京市住房租金空间分布规律进行了深入分析;曹阳等（ 2017）基于GWR模型研究了沈阳市住房租赁租金空间分异;李武斌（ 2017）定量揭示了西安市居住空间的分异规律;贺玲（ 2017）通过叠加分析与普通租金克里金插值图，从空间可视化视角分析了重庆市住房租赁价格空间分布特征;李卫民等（ 2018）运用空间插值、空间自相关和趋势面分析等方法研究了南京市住房租金的空间分异特征;卢俊文等（ 2018）采用获取的开放数据，借助K-means聚类等空间计量方法，解析了广州市租赁住房空间的格局特征。大部分研究多是基于空间的角度分析住房租金的变化特征，能够将时间和空间两个维度结合起来分析住房租金演变特征的研究较少。
　　綜上，本文从全局和局部两个角度，运用ArcGIS密度分析和重心迁移分析将时间与空间相结合，分析2008年、2013年和2018年武汉市主城区住房租金的时空演变特征。
　　1数据与处理
　　1.1试验数据
　　在武汉市统计局官方网站和中国房价行情网获取武汉市主城区社会经济统计数据及住房租赁市场相关的住房租金数据。目前，我国还没有官方统计公开的住房租金数据，本研究涉及到的住房租金样本数据主要来源于房地产中介网站平台的挂牌数据。地理空间矢量数据主要包括来源于洪山区房管局大数据平台的武汉市基础地理底图矢量数据和百度POI数据。
　　1.2处理与步骤
　　住房租金样本数据处理是本研究数据处理过程中的主要部分。将爬取的住房租金样本数据进行初步的清洗，采用样本均值和SPSS17.0中默认的个案诊断法进行异常值排除，采取实地调查和电话抽查等方式，对7个主城区进行实地走访或电话问询房地产中介机构，对筛选后整理后的样本数据进行真实性和准确性的验证。最后，样本数据进行分析前，对样本的数据各个变量是否符合否服从正态分布或近似服从正态分布进行相关判断。
　　2结果与分析
　　2.1住房租金的时间变化
　　2008-2018年期间，武汉市主城区整体住房租金水平持续上升，由2008年的年平均15.35元/月/平方米上升为2018年的32.98元/月/平方米，整体涨幅114.880/0，年均增长11.49%。主城区住房租金年增长率在2009-2011、2011-2016年和2016-2018年期间呈现先增加后减少再快速增长的态势，见图1、图2。
　　结合图3可以看出，2008-2018年武汉市主城区年均住房租金整体上呈现逐年增长的态势，但主城区年均住房租金水平和住房租金增长幅度存在着一定的差距，具体特征如下：
　　（1）主城区年均住房租金整体上逐年增长，但涨幅差异明显。2008-2018年期间武汉市主城区的住房租金水平，江汉区最高，汉阳区和青山区则整体低于平均水平，其中以青山区住房租金水平最低。
　　（2）主城区年平均住房租金增长趋势具有一定的相似性。2008-2011年和2017-2018年期间，武汉市主城区年均住房租金增长趋势均呈现上升;2011-2017年期间，主城区年均住房租金增长趋势均表现为持续缓慢下降，主城区年均住房租金增长趋势具有一定的相似性。但在2011-2017年期间，主城区年均住房租金的增长趋势各不相同，其中2012-2013年期间，青山、洪山、江岸和武昌区年均住房租金增长趋势表现为下降，而汉阳、江汉和硚口区年均租金增长趋势表现为上升;2014-2015年期间，汉阳、洪山、江岸、江汉和硚口区年均租金增长趋势表现为下降，而青山和武昌区年均租金增长趋势表现为上升。
　　（3）随着时间变化，主城区年均住房租金水平存在一定的空间分异。纵观2008-2018年武汉市主城区年均住房租金水平，2008年住房租金水平高低顺序为：江岸区（I8.73元/月/平方米）>江汉区（18.72元/月/平方米）>硚口区（17.19元/月/平方米）>洪山区（15.36元/月/平方米）>武昌区（15.25元/月/平方米）>汉阳区（13元/月/平方米）>青山区（9.2元/月/平方米）;而2018年住房租金水平高低顺序为：江汉区（37.2元/月/平方米）>武昌区（35.6元/月/平方米）>硚口区（34.9元/月/平方米）>江岸区（34.4元/月/平方米）>洪山区（33.5元/月/平方米）>汉阳区（28.4元/月/平方米）>青山区（26.9元/月/平方米）。主城区住房租金水平高低排序出现了一定的变化，意味着随着时间的变化住房租金水平在空间上的分布存在着一定的分异。 　　2.2住房租金的空间分异
　　2.2.1空间趋势分析
　　Are GIS中的趋势分析功能模块通过三维视图的方式可直观地显示住房租金样本数据的空间分布特征。三维空间坐标X轴方向代表地图上由西至东，Y轴方向则代表由南至北，Z轴代表各住房租金样本的属性值（住房租金，单位为元/月/平方米），各住房租金样本分布在XY轴形成的平面上。
　　从图4-图6中可以看出，不同时期的住房租金样本数据在X轴方向和Y轴方向上逐渐呈现倒U形曲线的趋势，住房租金表现为“低一高一低”的趋势。表明随着时间的变化，武汉市主城区住房租金在南北方向和东西方向上逐渐表现出越来越明显的由中心向外缘递减的趋势。也看出，武汉市主城区住房租金以长江为分界线，各时期均沿长江两边呈现递减趋势且越来越强，同时，各个时期住房租金在Y轴上递减趋势显著于X轴上的递减趋势。表明随着时间的递进，武汉市的空间扩张南北方向的差异越来越明显于东西方向上的差异。此外，还可看出武汉市主城区住房租金表现出越来越明显的由中心向外缘递减的趋势，其趋势并非呈线性函数形式，而是表现为二阶曲线形态，因而需要用二次曲面剔除趋势，从而提高插值的精度。
　　2.2.2空间自相关分析
　　（1）全局空间自相关分析
　　运用Are GIS软件空间自相关工具，选取欧式空间距离和反距离权重取值模型，显著性水平P取0.05，对不同时期住房租金样本进行全局空间自相关分析，得到其全局相关Moran's I指数值。图7显示，不同时期住房租金属性Moran's I指数Z得分都大于40，并都远远通过显著性水平5%的检验。
　　由表l可以看出，不同时期武汉市主城区计算的检验统计量Moran's I指数均大于0、Z得分值均为超过40、P值都接近于0，这说明不同时期的武汉市主城区住房租金均能通过5%的显著性水平检验具有正相关性，且呈现显著的聚集状态，具有较强的全局空间自相关。依据前文所述，不同时期武汉市主城各区住房租金水平存在一定的差异性，分别计算武汉市主城区2008年、2013年和2018年三个时期住房租金全局相关Moran's I指数，结果如表2所示。
　　结合武汉市主城区及不同时期的Moran's I指数分析可知，住房租金空间分布具有空间聚集特征，且表现出武汉市主城各区的聚集指数稍高于武汉市主城区的聚集指数。因而，在住房租金影响因素分析的过程中使用传统回归分析方法具有一定的局限性，应选择相关的空間模型开展住房租金影响因素分析。
　　（2）局部空间相关性（LISA）分析
　　全局空间自相关前提条件是整个空间区域是均质变化的，但不能很好的分析和衡量局部空间的异质性，而通过对住房租金的局部空间相关性分析能够弥补全局空间自相关的缺陷，很好地反映出住房租金的局部空间分布特征。图8中深红色点表示局部高值（ HH）集聚点，浅黄色点代表局部高值（ HL）离群点，绿色点为局部低值（LH）离群点，蓝色点表示局部低值（ LL）集聚点。HL点表示该租赁住房样本周围一圈住房租金都是低值，围绕一个高值，而LH点表示，该租赁住房样本周围都是一圈住房租金都是高值，围绕着一个低值，见图8。
　　由于获取不同时期样本数据量的差异，本文选取相对较为明显的2018年武汉市主城区住房租金局部空间分布特征展开进一步分析。红色（ HH）点在长江以北主要集中在二七、汉口沿江、建设大道、宝丰、CBD房地产板块，在长江以南主要集中在武昌滨江商务区、青山、徐东、楚河汉街、中南、街道口、鲁巷、关山、光谷板块，这与该地区近几年经济产业的发展及人口集聚的现实情况相吻合，同时这些地区也存在低值（ LH）离群点。而花山、南湖西部、白沙洲、古田、四新、国博等片区住房租金普遍偏低，呈现局部低值（ LL）集聚的特征。同时，白沙洲、南湖、墨水湖、王家湾、杨汊湖、后湖板块中的部分区域出现高值（ HL）离群点。HH和LL点表明该地区的住房租金水平相似而集聚，HL和LH点则表明该地区住房租金水平具有局部空间异质性。通过分析可知，武汉市主城及主城各区不同时期的住房租金均存在着局部空间相似性和局部空间相异性，同时武汉市主城及主城各区不同时期的住房租金又具有局部的空间异质性和局部时空异质性。因此，对武汉市主城区住房租金的影响因素分析，须综合考虑时间和空间因素，从而建立相关的模型开展分析。
　　2.2.3空间插值分析
　　根据Are GIS地统计分析模块向导，在前文对不同时期的武汉市主城区住房租金样本数据分析的基础上，对不同时期的武汉市主城区住房租金通过运用普通克里金法创建住房租金插值图。不同时期的武汉市主城区住房租金空间插值结果如图9-图11所示，少部分区域内由于历史住房租金样本获取较少，生成的住房租金空间插值图与现实情况存在轻微的偏差，但不影响对武汉市主城区住房租金空间分布整体趋势的分析。分析不同时期的武汉市主城区年均住房租金样本数据插值图可知，住房租金随着时间的变化而变化，不同时期住房租金变化的幅度不一。2008-2013年期间年均住房租金整体增长的幅度小于2013-2018年期间年均住房租金的增长幅度，2013-2018年间增长的幅度大于2008-2013年间增长的幅度。这可能是由于城市整体的经济发展、人口流入量等原因对其综合作用的结果。
　　对不同时期武汉市主城区住房租金插值图进行等值线构造。为使构造的等值线简洁明了地反映不同时期武汉市主城区的住房租金的差异，2008年和2013年以10元/月/平方米作为等值线间距绘制等值线，2018年以20元/月/平方米作为等值线间距绘制等值线，结果如图12-图14所示。
　　综合不同时期武汉市主城区住房租金空间插值图和等值线图分析，武汉市主城区整体及各区的住房租金分布空间分布表现出如下特征：
　　①住房租金整体上呈现出由城市中心向周边递减的不规则圈层式的分布特征。 　　②主城区内住房租金较高的区域较多的集中于长江以南的城区，长江以北的城区住房租金较高的区域相对来说偏少。
　　③洪山区内存在多个住房租金高点，分别为虎泉、鲁巷、光谷板块。主要是因为虎泉、鲁巷、光谷本身就为该地区的商圈，且虎泉、鲁巷板块周边聚集着各大高校，光谷板块聚集着大量的高新产业，故这些地区的租赁租金较高。
　　④武昌区的武汉大学片区、司门口片区和湖北省图书馆片区租赁租金较高，主要是因为这三个片区人员聚集较多，造成住房租金较高。
　　⑤江岸区的香港路和二七片区住房租金较高，是因为该地区周边聚集了众多的金融公司，由此带动了周边住房租金的升高。
　　⑥江汉区的汉口火车站片区住房租金较高，是因为该地区为人员的周转点，带动了住房租金的上升。
　　⑦汉阳区域中心辐射范围较小，对住房租金的影响程度则相对较小。
　　⑧硚口区的宝丰路、汉正街及汉阳区的王家湾片区，住房租金相对周边较高，是由于该地区有一定规模的商业基础，带动了周边住房租赁的价格。
　　⑨青山区的武汉科技大学、武汉理工大学周边、红钢城片区租赁租金相对较高，主要是武汉科技大学、武汉理工大学周边人流较大，学生消费水平相对较高，红钢城片区靠近武汉钢铁集团，有一定的产业基础，周边住房租金相对来说较高。
　　2.3时空演变特征分析
　　2.3.1住房租金的时空演变
　　利用Are GIS核密度空间分析工具，分别对2008年、2013年和2018年武汉市主城区住房租金进行核密度分析，结果值如下图15-图17所示。
　　通过分析比较三个时期住房租金核密度分布图，武汉市主城区住房租金时空演变表现出以下特征：
　　（1）主城区住房租金聚集区逐渐向四周扩散。
　　2008年，住房租金聚集区多集中于徐东、司门口、广埠屯、虎泉街、光谷广场、关山大道、二七路、香港路、澳门路、三阳路、循礼门周边、三眼桥、菱角湖周边、武广商圈、江汉路及六渡桥周边、汉正街及仁寿路周边。2013年，住房租金聚集区仍以2008年聚集区为主，同时在2008年的基础上向外围扩散，如古田四路和古田二路周边、汉口火车站、汉阳王家湾及拦江路周边、南湖大道周边、中南路周边、关山大道周边。2018年，住房租金聚集区在2013年聚集的基础上继续向外围扩散，同时各个聚集区之间逐步蔓延连接，其中以武昌区、江岸区和江汉区扩散速度明显，其它区域如洪山区、硚口区和汉阳等区域也有一定的扩散。
　　（2）主城区住房租金聚集区逐渐增多。
　　2008年住房租金聚集的高度聚集区仅有徐东商圈周边，2013年住房租金聚集的高度聚集区有光谷周边、华科周边、广埠屯、中南路周边、江汉路、香港路及王家墩东周边。而2018年武汉市主城区住房租金聚集的高度聚集区在2013年的基础上又增加了如中北路周边、解放公园周边等。由此可以看出，武汉市主城区域内住房租金聚集区逐渐增加。
　　2.3.2住房租金分布的重心迁移
　　为了分析住房租金样本数据的时空演变特征，运用Are GIS的空间统计工具模块下的平均中心功能，权重字段选择不同时期的武汉市主城区住房租金，计算出年度中心位置，分析不同时期武汉市主城区住房租金重心（ Mean Center）的时空变化特征。
　　分析武汉市主城区住房租金重心变化图18可知，不同时期的住房租金重心总体上变化不大，武汉市主城区住房租金的重心由2008年的融侨华府小区附近迁移至2013年昙华林附近，再迁移至2018年的中铁大厦附近。2008年整体上江岸区和江汉区住房租金水平高于其它城区，2013年整体上江岸区、江汉区、硚口区和武昌区住房租金水平相差不大且高于其它区域，2018年整体上江汉区、江岸区、武昌区和洪山区住房租金水平差别不大且高于其它区域。因而2013年武汉市主城区住房租金的重心相对于2008年的住房租金重心偏西南一些，2018年武汉市主城区住房租金重心离长江更远，且较2013年住房租金偏西南一点，更靠近洪山区。原因可能是，2008年至2018年间东湖高新技术开发区相对于其它各区域获得了政府更多的资源倾斜，住房租金的重心随城市规划和社会经济发展变迁而变化。这也反映出武汉市主城区住房租金样本数据在时间和空间上的变化具有显著的非均匀的特点。
　　3结论
　　本文得出的结论为：①武汉市主城区住房租金在时间上的变化表现为：2008-2018年期间，住房租金年增长率在2009-2011、2011-2016年和2016-2018年间表现为先增加后减少再快速增长的态势。主城区的住房租金水平以江汉区最高，汉阳区和青山区则整体低于平均水平，其中以青山区住房租金水平最低。主城区住房租金整体逐年增长，增长趋势具有一定的相似性，但主城各区涨幅差异明显。同时随着时间变化，主城区住房租金水平存在一定的空间分异。②武汉市主城区住房租金空间分异特征为：2008-2018年期间，武汉市主城区住房租金在南北方向和东西方向上逐渐表现出越来越明显的由中心向边缘递减的趋势，且南北方向上递减趋势显著于东西方向上的递减趋势。主城区住房租金整体上呈现出由城市中心向周边递减的不规则圈层式的分布特征，住房租金较高的区域较多的集中于长江以南的城区，长江以北的城区住房租金较高的区域相对来说偏少。武漢市主城区不同时期的住房租金均存在着局部空间相似性和局部空间相异性，同时武汉市主城区不同时期的住房租金又具有局部的空间异质性和局部时空异质性。③武汉市主城区住房租金时空演变特征为：主城区住房租金聚集区逐渐向四周扩散。2008年，住房租金聚集区多集中于徐东、司门口、广埠屯、虎泉街、光谷广场、关山大道、二七路、香港路、澳门路、三阳路、循礼门周边、三眼桥、菱角湖周边、武广商圈、江汉路及六渡桥周边、汉正街及仁寿路周边。2013年，住房租金聚集区仍以2008年聚集区为主，同时在2008年的基础上向外围扩散，如古田四路和古田二路周边、汉口火车站、汉阳王家湾及拦江路周边、南湖大道周边、中南路周边、关山大道周边。2018年，住房租金聚集区在2013年聚集的基础上继续向外围扩散，同时各个聚集区之间逐步蔓延连接，其中以武昌区、江岸区和江汉区扩散速度明显，其它区域如洪山区、硚口区和汉阳等区域也有一定的扩散。主城区住房租金聚集区逐渐增多。2008年住房租金聚集的高度聚集区仅有徐东商圈周边，2013年住房租金聚集的高度聚集区有光谷周边、华科周边、广埠屯、中南路周边、江汉路、香港路及王家墩东周边。而2018年武汉市主城区住房租金聚集的高度聚集区在2013年的基础上又增加了如中北路周边、解放公园周边等。同时，在社会经济发展、城市规划等原因综合作用下，武汉市主城区住房租金的重心由2008年的融侨华府小区附近迁移至2013年昙华林附近，再迁移至2018年的中铁大厦附近。 　　由于当前住房租赁市场中的成交价格往往只经过租赁双方，租赁双方缺乏主动到相关部门进行登记备案的意识，因此给收集实际成交数据带来了困难，本研究采用的是租赁住房的价格为挂牌价格而非成交价格，且只收集了2008年、2013、2018年主城区的租赁住房样本数据。随着武汉市住房租赁交易服务平台的推广及政府对租赁住房备案管理的加强，在以后的研究中力争获取更多时间序列的、真实成交的、均匀分布的武汉市住房租金样本数据，使研究结果更加科学合理。
　　参考文献：
　　l.Epple D.Rent control with reputation： Theory andevidence[J]. Regional Scienee&Urban Economics， 1998，28（6）：679-710
　　2.Svarer M，Rosholm M，Muneh J R.Rent control andunemployment duration[J].Journal of Publie Economics，2005， 89（11）：2165-2181
　　3.Eichholtz P，Straetmans S，Theebe M.The Amsterdamrent index：The housing market and the economy，15501850[J].Journal of Housing Economics，2012， 21（4）
　　4.Miceli T J，Sirmans C F.Effieieney rents：A new theoryof the natural vacaney rate for rental housing [J]. Journal ofHousing Economics， 2013， 22（1）：20-24
　　5.梅志雄 黃亮，房地产价格分布的空间自相关分析——以东莞市为例.中国土地科学.2008.02
　　6.田成诗 王雁.基于空间统计分析的中国省域房地产价格差异研究.数学的实践与认识.2012.42（01）
　　7.梅志雄 黎夏.基于ESDA和Kriging方法的东莞市住宅价格空间结构.经济地理.2008.05
　　8.宋雪娟 卫海燕 王莉.西安市住宅价格空间结构和分异规律分析.测绘科学.2011.36（02）
　　9.赵自胜，开封市商品住宅价格的探索性空间数据分析.地域研究与开发.2009.28（04）
　　10.宋利利路燕.新乡市普通住宅价格空间分布特征研究.城市发展研究.2009.16（07）
　　11.何丹孟斌 张景秋.北京市住宅价格时空分异特征研究，资源开发与市场.2014.30（ 03）
　　12.李婕.昆明市主城区住宅租金空间分异模式与影响因素研究.云南财经大学.2013
　　13.苏亚艺 朱道林耿槟.北京市住宅租赁租金空间结构及其影响因素.经济地理.2014.34（ 04）
　　14.曹阳 蔡为民 何一凡.基于GWR模型的沈阳市住宅租赁租金空间分异性研究.东南大学学报（哲学社会科学版）.2017.19（ S2）
　　15.李武斌.西安市主城区住房租赁租金空间分异及其影响因素.西部人居环境学刊.2015.30（ 04）
　　16.贺灵.基于特征价格模型的城市住宅租赁租金影响因素及空间差异研究.重庆大学.2017
　　17.李卫民 李同昇 武鹏.南京市住宅租赁租金空间分异特征与影响因素分析.测绘科学.2018.43（ 05）
　　18.卢俊文 袁奇峰 黄哲 李志刚，广州租赁住房的空间分布格局及其成因.热带地理.2018.38（ 03）
　　作者简介：詹长根，武汉大学土地资源管理专业教授，管理学博士。
　　敖开颜，通信作者，武汉大学土地资源管理专业硕士研究生。
　　戴云，武汉大学土地资源管理专业硕士研究生。
转载注明来源:https://www.xzbu.com/1/view-15248345.htm