我國商品房價格近年來不斷上漲,促使房價變動的因素以及它們的影響程度日益變成社會熱點。以惠州市商品房價格為研究對象,利用GIS的空間分析和可視化功能,結(jié)合各種可獲得的數(shù)據(jù),通過對商品房平均售價進(jìn)行反距離權(quán)重插值和空間自相關(guān)分析,并結(jié)合地理加權(quán)回歸分析,對影響房價分布的因素進(jìn)行探究,結(jié)果顯示:①惠州市房價總體上呈現(xiàn)出多中心分布的特點,商品房價格從這些峰值中心向周圍遞減;②惠州市的房價呈現(xiàn)空間上集聚分布的模式,商品房住宅價格空間分異是地理區(qū)位、城市規(guī)劃、環(huán)境景觀與房屋屬性等各種因素綜合作用的結(jié)果;③影響惠州市商品房價的因素主要是商圈距離、公園或廣場距離、物業(yè)費等因素。 

【文章來源】：地理信息世界. 2020,27(05)

【文章頁數(shù)】：8 頁

【部分圖文】：

惠州市商品住宅價格分布圖

圖1 惠州市商品住宅價格分布圖從局部自相關(guān)的結(jié)果可以看出,惠陽區(qū)南部的淡水附近、大亞灣經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的西北部、惠城區(qū)江北和金山湖附近是惠州市商品住宅房價的高—高分布聚集區(qū),博羅縣、惠東縣的羅陽附近、仲愷經(jīng)濟(jì)技術(shù)產(chǎn)業(yè)開發(fā)區(qū)為房價的低—低分布聚集區(qū),而龍門縣呈現(xiàn)低—高和高—低分布聚集相間的現(xiàn)象。惠東縣和博羅縣的經(jīng)濟(jì)發(fā)展水平相對較低,商品房的銷售數(shù)量和價格都偏低,故大部分呈現(xiàn)低—低聚集分布的狀態(tài),而惠東縣南部受到巽竂灣景區(qū)和雙月灣景區(qū)的影響,商品房價格普遍較高,呈現(xiàn)高—高分布聚集狀態(tài)。仲愷高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)近幾年發(fā)展迅速,商品房數(shù)量大增,而且在發(fā)展過程中形成了以TPARK時尚公園為中心的商圈,可是房價在空間上呈現(xiàn)不顯著或者低—低分布聚集的狀態(tài),房價相對便宜,主要是因為部分地區(qū)基礎(chǔ)設(shè)施建設(shè)仍不夠完善。龍門縣房價整體上較低,但由于有部分小區(qū)位于南昆山大觀園生態(tài)度假區(qū)和溫泉度假區(qū)附近,房價偏高,呈現(xiàn)高—低分布聚集的狀態(tài)。惠城區(qū)內(nèi)高高聚集分布的商品房位于惠州市的中央商務(wù)區(qū)(Central Business District,CBD)——江北附近,以及最近興建的金山湖公園附近,這些地方基礎(chǔ)設(shè)施完善,交通發(fā)達(dá),商業(yè)繁榮,房價比周邊區(qū)域高�；葜菔斜环Q為“深圳市的后花園”,近年來,惠陽區(qū)和大亞灣經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的經(jīng)濟(jì)蓬勃發(fā)展,商品房數(shù)量快速增長。因此在惠陽區(qū)南部和大亞灣經(jīng)濟(jì)技術(shù)開發(fā)區(qū)西北部靠近深圳的區(qū)域,商品房價格呈現(xiàn)明顯的高—高聚集狀態(tài)。

對于現(xiàn)代城市,小區(qū)內(nèi)的綠化不僅能凈化空氣,隔離噪聲,還能為居民提供休憩的優(yōu)美環(huán)境[16]�；葜菔斜蛔u為“山水園林城市”,由圖3a中可以看出,城市的綠化率較高,所以市民對小區(qū)的綠化率需求有所差異。對于惠城區(qū)、仲愷高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)來說,綠化率對房價的影響總體不大,甚至部分地區(qū)房價與綠化率呈反相關(guān)。而在龍門縣,由于當(dāng)?shù)鼐G化本身就很好,小區(qū)建設(shè)更注重優(yōu)美環(huán)境的建設(shè),所以出現(xiàn)了小區(qū)綠化率很高,而房價卻較低的現(xiàn)象。而綠化率對房價影響最大的是在惠陽區(qū)和大亞灣經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的西北部,由于當(dāng)?shù)胤績r受到深圳的影響較大,土地資源漸漸稀缺,地價昂貴,而購房的多為深圳市居民,他們更看重小區(qū)的自然環(huán)境和舒適度,對綠化率要求比較高。物業(yè)費在一定程度上可以體現(xiàn)管理水平,與商品房價格有著密切聯(lián)系,知名、服務(wù)到位的物業(yè)管理公司所提供的優(yōu)質(zhì)服務(wù)無疑會提高居民的體驗感。從圖3b中可以看出,物業(yè)費對住宅價格的影響最大的是在博羅縣、龍門縣、惠東縣,這幾個縣的物業(yè)管理費用和房價成正相關(guān),而在惠州市的中部至西南部地區(qū)是反相關(guān)趨勢。主要是由于在博羅縣、惠東縣、龍門縣的高價商品房主要集中分布于著名旅游景區(qū)附近,這些商品房為了更好地提高居民的體驗,往往會引進(jìn)服務(wù)周全但價格偏高的物業(yè)公司。

【參考文獻(xiàn)】：
期刊論文
[1]基于手機信令的北京職住空間結(jié)構(gòu)解析[J]. 余加麗,冀美多.  地理信息世界. 2020(01)
[2]城市服務(wù)設(shè)施對房價分布格局的影響力探究[J]. 張煊宜,施潤和.  華東師范大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[3]長春市住宅價格空間分異與影響因素研究[J]. 趙梓渝,王雪微,王士君.  人文地理. 2019(04)
[4]中學(xué)學(xué)區(qū)對周邊小區(qū)二手房房價的溢價分析——以深圳市為例[J]. 梁立雨,郭志強,李軍祥,呂斌.  北京大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[5]卷積神經(jīng)網(wǎng)絡(luò)和隨機森林的城市房價微觀尺度制圖方法[J]. 姚堯,任書良,王君毅,關(guān)慶鋒.  地球信息科學(xué)學(xué)報. 2019(02)
[6]北京市二手房價格時空演變特征[J]. 周湘,袁文,李漢青,馬明清,袁武.  地球信息科學(xué)學(xué)報. 2017(08)
[7]基于GIS的格點精細(xì)化預(yù)報插值方法的研究[J]. 陳許霞,季民,寧方志.  測繪與空間地理信息. 2016(10)
[8]基于地理加權(quán)回歸的武漢市住宅房價空間分異及其影響因素分析[J]. 谷興,周麗青.  國土與自然資源研究. 2015(03)
[9]基于地理加權(quán)回歸的上海市房價空間分異及其影響因子研究[J]. 湯慶園,徐偉,艾福利.  經(jīng)濟(jì)地理. 2012(02)
[10]北京市房山區(qū)農(nóng)村經(jīng)濟(jì)發(fā)展空間格局分析[J]. 李雅箐,李小娟,王彥兵.  地球信息科學(xué)學(xué)報. 2011(03)

博士論文
[1]基于時變非對稱空間權(quán)重分位數(shù)模型的房地產(chǎn)調(diào)控政策對房價影響的研究[D]. 張海永.中國礦業(yè)大學(xué) 2017
[2]城市住房價格時空模型分析[D]. 王新剛.河南大學(xué) 2015

碩士論文
[1]基于GIS的城市住宅價格空間分異特征研究[D]. 楊兵.遼寧師范大學(xué) 2019
[2]武漢市三環(huán)線內(nèi)商品住宅價格空間特征及其趨勢研究[D]. 邵琪.湖北工業(yè)大學(xué) 2018
[3]我國商品住宅價格的空間分布特征及影響因素研究[D]. 吳亞娟.重慶大學(xué) 2018
[4]基于多方利益的房地產(chǎn)開發(fā)項目選址研究[D]. 宋文豪.哈爾濱工程大學(xué) 2013
[5]論惠州房價變動影響因素及發(fā)展趨勢[D]. 鐘海昌.北京交通大學(xué) 2011



本文編號：3406513