以贛州市居民住宅2009—2017年的房產(chǎn)交易數(shù)據(jù)為基礎,利用空間自相關分析和Kriging（克里金）插值方法,開展房價的時空演變特征分析并對其影響因素進行分析。結果表明:贛州市房地產(chǎn)市場的開發(fā)呈現(xiàn)出一種波動式的增長變化趨勢,房價在9年時間翻了近3倍,總體上呈現(xiàn)正相關且集聚趨勢越加顯著,高高集聚主要分布在萬象城附近、低低集聚主要分布在沙河鎮(zhèn)區(qū)域。在部分區(qū)域由于發(fā)展不平衡存在空間異質性,同時房價受建筑特征、鄰里特征、區(qū)位特征、城市重心變化以及國家政策等因素的影響,其中政府宏觀調控對房價的影響較大。 

【文章來源】：江西理工大學學報. 2020,41(01)

【文章頁數(shù)】：8 頁

【部分圖文】：

贛州市2009—2017年房價變化趨勢

采用LISA統(tǒng)計量來分析住宅價格與臨近區(qū)域間的住宅價格集聚差異程度，其結果如圖2所示。從圖2可以看出，2009年的樣本點較少，且主要集中于河流西岸附近，空間自相關性較強，形成了以中航城為代表的“高-高”區(qū)域和以黃金苑為代表的“低-低”區(qū)域。2010年到2012年期間，中航城的入駐開啟了章江新區(qū)房地產(chǎn)市場的快速發(fā)展，樣本點驟然增多，形成了以八零公社為代表的“高-低”區(qū)域和以藍灣美都為代表的“低-高”區(qū)域，即空間異質性。2013年到2015年期間，“高-高”區(qū)域的樣本點逐漸增多，占比10.5%，主要分布于文武壩路、長征大道、紅都大道等，但是南門口周圍“高-高”區(qū)域的樣本點在逐漸減少，而“低-低”區(qū)域占比7.9%，主要分布于華堅路、云山路、站東大道東等。2016年到2017年期間，房價的低低集聚的效應更加明顯，“高-高”區(qū)域占比8.7%，主要分布于紅都大道、登峰大道、東江源大道南等；“低-低”區(qū)域占比14.5%，主要分布于贛江路、云山路、站東大道東等。

利用GIS軟件的地統(tǒng)計分析模塊，首先對每年的房價數(shù)據(jù)進行正態(tài)分布檢驗，通過正態(tài)QQ圖擬合發(fā)現(xiàn)，曲線斜率基本符合一條直線，表示通過檢驗。對通過檢驗后的數(shù)據(jù)進行常態(tài)得分變換，選擇擬合效果較好的球面模型，以研究區(qū)域為掩膜，對房價進行插值，結果如圖3所示。從圖3可以看出，2009年的高房價區(qū)域大多集中在黃金廣場附近，且分布在河流兩岸，房價呈環(huán)狀向四周逐漸遞減，同時可以發(fā)現(xiàn)，距離河流越遠，房價的下降幅度也就越大。2010年到2012年期間，房價在2009年的高價位基礎上運行，不僅僅是黃金廣場附近，整個贛州的房價呈現(xiàn)出一種上升的趨勢，最高峰值為7262元/m2，房管部門采取多項平抑房價的有效措施，使得其上漲的勢頭得到有效控制。2013年到2015年期間，高房價區(qū)域不唯一，這是由于贛州市政府加大了對章江新區(qū)的開發(fā)利用，圍繞中央公園附近建設了一系列的城市設施，其交通網(wǎng)密度大，生態(tài)水系綠帶西起中心湖區(qū)，向東南方向延伸至章江黃金島附近，這一結果造就了以中央公園為中心的新的高房價區(qū)域。2016年到2017年期間，高房價區(qū)域不再集中在河流兩岸附近，隨著人民生活水平的提升，對生活品質的需求也日益增加，河流兩岸，尤其是河流東岸附近，距離贛州市中心較近，其周圍的商業(yè)區(qū)繁華，但是交通經(jīng)常擁堵，晚上喧囂吵鬧，削弱了人們在此區(qū)域的購房意愿，相反更愿意到距離市中心較遠但是交通便利，環(huán)境優(yōu)美的章江新區(qū)購房�？v觀時間軸，2009年的房價均值點在3188元/m2左右，2017年的房價均值點在9389元/m2左右。9年時間，房價翻了近3倍左右，在房價整體上漲的同時，沙河鎮(zhèn)區(qū)域的房價一直處于低水平階段且低于平均值。這是由于該區(qū)域的工業(yè)區(qū)林立，醫(yī)療資源，教育資源等較為落后，在此區(qū)域內居住的人較少，出去務工的人越來越多，對居民住宅的需求量減少，進而導致該區(qū)域的房價一直較低。

【參考文獻】：
期刊論文
[1]供需均衡視角下城市房價上漲動因分析[J]. 唐堅.  統(tǒng)計與決策. 2019(14)
[2]南京城市住宅小區(qū)房價增長模式與效應[J]. 宋偉軒,馬雨竹,李曉麗,陳艷如.  地理學報. 2018(10)
[3]基于房價的城市鄰避設施空間效應分析——以南京市藍燕三汊河加油站為例[J]. 吳云清,駱麗.  地域研究與開發(fā). 2018(05)
[4]蘭州市商品住宅價格的空間分異規(guī)律[J]. 李文慧,韓惠.  測繪科學. 2018(02)
[5]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.  地球信息科學學報. 2017(08)
[6]城市房價空間分布及其影響因素分析[J]. 付益松,張明.  測繪科學. 2017(08)
[7]中國房地產(chǎn)價格泡沫研究--基于馬氏域變模型的實證分析[J]. 孟慶斌,榮晨.  金融研究. 2017(02)
[8]基于時空模型的區(qū)域房地產(chǎn)價格擴散效應研究[J]. 林睿,李秀婷,董紀昌.  系統(tǒng)工程理論與實踐. 2016(10)
[9]基于GIS在售住宅價格空間分布差異及其影響因素分析——以贛州市為例[J]. 胡海利,陳金泉.  江西理工大學學報. 2016(05)
[10]房價波動、調控政策立場估計及其影響效應研究——基于1998-2014年數(shù)據(jù)的實證分析[J]. 鄭世剛,嚴良.  財經(jīng)研究. 2016(06)



本文編號：3515044