基于服務飽和視角的哈爾濱市公共服務設施對住宅價格影響研究

高智超，吳相利

(1.哈爾濱師范大學2.黑龍江省生態(tài)地質(zhì)調(diào)查研究總院)

0 引言

一個城市的居民住宅具有空間異質(zhì)性特征[1]，其價格上的空間差異與住宅建筑年齡等本身屬性有關，更與其所處的微區(qū)位及周邊環(huán)境設施相關.住宅周邊公共服務設施配套服務提供狀況就是影響住宅價格的重要環(huán)境因素.從公共服務設施空間配套差異角度認識解讀城市居民住宅價格的空間差異對于優(yōu)化城市服務設施空間配套布局，提高住宅品質(zhì)，合理調(diào)整城市住宅價格空間差異具有重要的意義.

伴隨社會經(jīng)濟發(fā)展，居民對良好的人居環(huán)境有更高的期望[2-3]，這種期望延伸指使具有不同居住環(huán)境和居住質(zhì)量的住宅體現(xiàn)出顯著的價格差異，而依托住宅呈現(xiàn)的居住環(huán)境和居住質(zhì)量中公共服務設施是其中重要影響因素.國內(nèi)外相關研究都表明重點學區(qū)房[4]、大型公園[5-6]、交通設施[7]、通達性[8-9]等公共服務設施條件因素都對住宅價格產(chǎn)生了顯著影響.國外研究起步較早，Sterenson對美國住宅價格研究發(fā)現(xiàn)住宅建筑年齡顯著影響住宅價格[10]；Black對住宅價格研究發(fā)現(xiàn)質(zhì)量較高的教育資源會導致房價上漲[11]；Sander等通過對住宅價格實證分析得出環(huán)境質(zhì)量對城市住房價格有較大影響[12]；Orford將住宅距離市中心距離、周邊是否有公園等作為變量，運用特征價格模型擬合，在微觀層面探索影響住宅價格主要因素[13]；Mariant hi Stamou等通過利用空間計量模型擬合，發(fā)現(xiàn)雅典公寓的價格受公寓內(nèi)設施齊全程度以及樓層的影響[14].近年來國內(nèi)學者也開始關注住宅價格的環(huán)境影響因素研究，宋煜等學者以北京市學區(qū)房為研究對象，通過空間計量的方法，發(fā)現(xiàn)學區(qū)房對房價影響顯著，并且不同層次的學區(qū)房對房價溢價程度不同[15]；王洪衛(wèi)、韓正龍等學者以上海市地鐵11號線周邊地鐵房為研究對象，發(fā)現(xiàn)城郊軌道交通對郊區(qū)房價影響幅度大于城區(qū)內(nèi)軌道交通對房價影響程度，并且地鐵對地鐵站周邊房價影響隨著距離增長呈現(xiàn)“凸”型變化[16]；王楠等學者利用空間統(tǒng)計方法研究發(fā)現(xiàn)，大型交通設施對住房價格影響因時因地具有正向和負向兩種效應，個別大型交通設施對房價影響不顯著或體現(xiàn)出負效應的消極影響結果[17]；石憶邵、張蕊等學者在時間和空間尺度上專門研究大型公園綠地對周邊房價影響的顯著程度[5].

既有研究為該研究提供了重要方法與實證研究基礎，但也應看到受數(shù)據(jù)信息等影響目前關于公共設施對城市住宅價格影響多集中在某一種公共服務設施對住宅價格影響研究方面，缺乏多種公共服務設施復合對住宅價格的影響研究；且研究中多是關注到了相關設施的正向效應的認識和解讀，忽視了復合在其中的負向效應認識分析，這導致一些結論存在偏差；另外對于公共服務設施定量計量方式上也多以單一的以距離最近的服務設施空間距離作為計量標準，忽視了一定空間距離內(nèi)服務設施密度的數(shù)量量化指標，這致使在定量分析公共設施對住宅價格影響上存在缺陷，導致結果不能夠全面客觀準確反映實際.

正是基于上述問題，該研究在充分考慮影響因素多樣性的前提條件下系統(tǒng)地選擇了住宅周邊9類基本服務設施、5類大型服務設施作為研究標的影響因素.為彌補既有研究多僅以距離標的住宅最近服務設施距離為計量賦值標準,改進為以住宅周邊一定距離范圍內(nèi)公共服務設施“密度”(500m、1500m半徑內(nèi)服務設施數(shù)量)作為計量賦值標準，這有效的避免僅以空間距離進行指標計量賦值在空間非穩(wěn)定性帶來的誤差[18].采用空間相關分析和空間計量分析法構建了具有全域估計功能的基于特征價格的空間滯后模型(Spatial Lag Model，SLM)及空間誤差模型(Spatial Error Model，SEM)[19]，這一方法有效的克服了已有研究中多采用的最小二乘線性回歸(Ordinary Least Squares，OLS)因空間自相關性存在所導致的擬合效果不足問題,使研究方法得到了改善.

該文以哈爾濱市中心城區(qū)1804個小區(qū)的新房和二手房價格為研究樣本，從公共設施服務飽和視角，利用空間計量模型從哈爾濱市整體以及部分房價熱點區(qū)域?qū)用嫜芯抗卜赵O施對住宅價格影響程度及空間差異，為哈爾濱市優(yōu)化公共服務設施布局、調(diào)整住宅價格分布提供理論支撐，也為相關研究提供借鑒意義.

1 研究范圍與數(shù)據(jù)來源

1.1 研究范圍

該文研究范圍為哈爾濱市主城區(qū)，包括道里區(qū)、道外區(qū)、南崗區(qū)、香坊區(qū)、松北區(qū)、平房區(qū)，呼蘭利民開發(fā)區(qū)(如圖1所示).

圖1 哈爾濱市住宅小區(qū)空間分布

1.2 數(shù)據(jù)來源

房價數(shù)據(jù)來源于2018年10月 “房天下”網(wǎng)站(https://hrb.fang.com)發(fā)布的1804個小區(qū)樣本，數(shù)據(jù)屬性包括：小區(qū)名稱、住宅類型、建筑年份、房價等.哈爾濱市6個房價熱點區(qū)域(群力新區(qū)、哈西新區(qū)、松北區(qū)、會展中心、愛建區(qū)域及中央大街)的房價數(shù)據(jù)來源于“安居客”網(wǎng)站(https://heb.anjuke.com).住宅空間位置數(shù)據(jù)和各種分類公共服務設施數(shù)據(jù)均來源于高德地圖POI數(shù)據(jù)(火星坐標系).在ARCGIS平臺下，構建了統(tǒng)一坐標系，將各個小區(qū)的位置分布進行空間可視化處理，建立2018年10月的哈爾濱市房價空間數(shù)據(jù)庫.

2 研究視角與研究方法

2.1 服務飽和視角

城市公共服務設施對城市住宅價格的影響總體上體現(xiàn)為二者的空間耦合關系和時間協(xié)同變化.不同類型的公共服務設施對于城市住宅價格影響不同，同一類型公共服務設施不同時間階段影響也不相同，公共服務設施和住宅價格及其二者關系都存在著顯著的空間差異.二者關系狀況一方面來自公共服務設施建設水平質(zhì)量與完善程度的供給，另一方面來自居民對公共服務的需求，研究正是基于這種公共服務設施供需關系狀態(tài)變化既公共服務設施提供服務的飽和程度視角分析研究公共服務設施對城市住宅價格的影響.

從供需關系上看，城市不同類型公共服務設施相對于居住在本地住宅中居民需求而言存在著三個供需關系：供不應求(服務稀缺)、供過于求(服務超飽和)、供等于求(服務飽和)，不同供需關系對住宅價格影響不同，服務稀缺狀況下服務設施對住宅價格一般呈現(xiàn)正向影響，服務飽和狀態(tài)下服務設施建設發(fā)展對于住宅價格影響不大，而服務超飽和狀態(tài)下因為服務超飽和帶來的衍生效應導致服務設施可能負向影響住宅價格.這一視角調(diào)整了既有研究中多認為公共服務設施改善發(fā)展始終積極正向影響住宅價格認識.

具體上看不同區(qū)域、不同時間、不同類型公共服務設施對于住宅價格的影響取向不同，基本服務設施、大型服務設施對住宅價格影響是有區(qū)別的，諸如學區(qū)房概念等又體現(xiàn)出重點學校層級不同對住宅價格影響不同且一般而言其不存在著服務超飽和問題.

2.2 空間計量方法

住宅價格是既有位置信息也有價格信息的空間數(shù)據(jù)，其具有空間自相關和空間異質(zhì)性兩個重要特征.

2.2.1 空間自相關

該文采用全局空間自相關(Moran指數(shù))反映住宅價格相似程度,采用局部空間自相關(G統(tǒng)計量中的Gi統(tǒng)計量)為分區(qū)提供依據(jù).

2.2.2 空間計量模型

該文采用具有全域估計功能的SLM、SEM兩種模型擬合，當Moran’sI值不等于0且顯著時最小二乘線性(Ordinary Least Squares，OLS)回歸模型擬合結果是有偏差的，所以適用于SLM以及SEM.

其表現(xiàn)形式為：y=ρW+Xβ+ε，

ε～N(0，σ2In)；

其中：y為住宅價格矩陣(n×1階)；ρ為空間回歸系數(shù)；W為權重矩陣(n×n階)；X為解釋變量矩陣(n×k階)；β為與X相對應的參數(shù)矩陣(k×1階)；ε是隨機誤差矩陣(n×1階).

(2)空間誤差模型(SEM)

其表現(xiàn)形式為：

y=Xβ+η，η=μW+ε，ε～N(0，σ2In)；

其中：y為住宅價格矩陣(n×1階)；X為解釋變量矩陣(n×k階)；β為與X相對應的參數(shù)矩陣(k×1階)；μ為空間誤差自相關系數(shù)；ε是隨機誤差矩陣(n×1階).

(3)兩種空間計量模型(SLM、SEM)選取原則

首先，企業(yè)要建立健全事前風險評估機制，在制定重大戰(zhàn)略決策時對各個方面的財務風險相關因素進行綜合考慮，最大程度地將這些風險消除在戰(zhàn)略決策實施之前，從而有效避免相關財務會計風險的出現(xiàn)。其次，企業(yè)要建立健全事中風險反應機制，當出現(xiàn)財務風險時積極組織所有員工全面應對各種風險。最后，企業(yè)應建立健全事后風險總結機制，充分了解財務風險發(fā)生機制，熟練掌握財務風險應對措施和手段，以便于有效應對這種風險。與此同時，企業(yè)還要充分分析和研究財務風險事件的本質(zhì)，并把某一業(yè)務風險管理經(jīng)驗進一步拓展到其他業(yè)務方面。

通常對模型計算后的統(tǒng)計量Lagrange Multiplier (lag)[簡稱LM(lag)]、Robust LM (lag)[簡稱R-LM(lag)]、Lagrange Multiplier (error)[簡稱LM(error)]、Robust LM (error)[簡稱R-LM(error)]的值以及顯著性大小判斷[19]或者通過對比似然函數(shù)值(Log likelihood，LogL)、赤池信息準則(Akaike info criterion，AIC)、施瓦茨準則(Schwarz criterion，SC)、似然比(Likelihood Ratio，LR)四個參數(shù)判斷，具體的是LogL值更大、LR顯著性越好、AIC、SC值越大則使用SLM模型擬合效果較SEM效果更佳，反則使用SEM擬合效果更好.

2.3 影響因子選擇與量化

基于對住房價格影響的差異，將公共服務設施分為兩類：一類是小區(qū)周邊基本服務設施，包括餐飲、購物、生活、交通、醫(yī)療、金融、住宿、體育、公園9種類型，涵蓋了居民生活所需的各種基本服務[20];另一類是大型服務設施，包括大型公園、大型商場、大型醫(yī)療機構、交通樞紐、省重點高中5種類型，主要體現(xiàn)了小區(qū)的區(qū)位體征.小區(qū)及住宅自身建筑特征僅選取了住宅建筑年齡一個因子，其它因子(例如：容積率、綠化率等)由于老舊小區(qū)樓房被道路分割等諸多原因等數(shù)據(jù)缺失而沒有選取.依據(jù)實際調(diào)查將重點學區(qū)房、通達性兩個顯著影響住宅價格因子也納入了影響因子分析范圍,具體見表1.

基本服務設施、大型服務設施量化時調(diào)整了已有研究普遍采用以距離標的住宅距離為計量量化標準方式[21]，采用了以 “密度”(500m、1500m半徑內(nèi)服務設施的數(shù)量)為計量量化標準方式，這樣就避免由于僅以空間距離確定影響因子計量賦值在空間上非穩(wěn)定性帶來的誤差[18].空間滯后模型(SLM)、空間誤差模型(SEM)為全域估計的方法，它們使用的前提要求因子影響在空間上是平穩(wěn)的，但實際上公共服務設施很多因子對房價的影響在空間上是不平穩(wěn)的，采用以距離作為計量量化標準會因空間上的不穩(wěn)定而產(chǎn)生誤差，而以“密度”為計量量化標準的方式則避免了以距離為計量量化標準產(chǎn)生的空間上不穩(wěn)定性帶來的誤差問題.以“密度”為計量量化標準還能更好地體現(xiàn)出公共服務設施及住宅的區(qū)位特征因子影響作用.

表1 住宅價格影響因素、量化方式與預期影響方向

3 結果分析

3.1 哈爾濱市住宅價格空間分布特征

哈爾濱市住宅價格空間分布(如圖2、圖9所示)并不是完全按照城市中心價格高四周價格低的趨勢分布，而是被鐵路、松花江、繞城高速隔離.住宅價格高值區(qū)域多分布在松花江兩側沿江區(qū)域、哈爾濱市群力新區(qū)、哈西新區(qū)以及南崗區(qū)部分區(qū)域.住宅價格低值區(qū)域多分布于哈爾濱市三環(huán)外，道外區(qū)以及香坊區(qū)二環(huán)以外.由圖3可見，住宅建筑年齡較大的區(qū)域住宅價格相對較低，部分重點學區(qū)房區(qū)域住宅建筑年齡較高但是住宅價格較高.圖4中以紅色、藍色區(qū)分重點學區(qū)房層次，層次高的重點學區(qū)房區(qū)域住宅價格明顯高于層次較低的重點學區(qū)房.圖5顯示大型公園分布區(qū)域，尤其是沿江帶均是住宅價格高值區(qū)域.圖6中交通設施密度較大的區(qū)域基本是住宅價格較高的區(qū)域，圖7中通達性較好的區(qū)域住宅價格相對較高.

圖2 哈爾濱市住宅價格等值線圖 圖3 哈爾濱市住宅建筑年齡地圖與住宅價格等值線圖疊加圖

圖4 哈爾濱市重點學區(qū)房位置與住宅價格等值線圖疊加圖 圖5 哈爾濱市大型公園位置與住宅價格等值線圖疊加圖

圖6 哈爾濱市交通設施核密度圖與住宅價格等值線圖疊加圖 圖7 哈爾濱市通達性地圖與住宅價格等值線圖疊加圖

3.2 哈爾濱市公共服務設施對住宅價格影響分析

哈爾濱市住宅價格Moran指數(shù)散點圖中Moran’sI為0.42287(如圖8所示)、表2中Moran’sI通過1%顯著性檢驗，采用最小二乘線性(OLS)回歸模型擬合結果存在有偏差，經(jīng)典回歸模型不適合擬合[19]，因此該文采用SLM和SEM兩種模型嘗試擬合.表3中的統(tǒng)計檢驗項顯示，空間誤差模型(SEM)的LogL值較大、AIC值較小、SC值也較小，可以判斷空間誤差模型(SEM)擬合效果優(yōu)于空間滯后模型(SLM)，因此該文選取空間誤差模型(SEM)擬合結果作為哈爾濱市整體估計結果[19].

圖8 哈爾濱市住宅價格Moran指數(shù)散點圖

變量類型回歸系數(shù)Std.Errort-StatisticProbabilityCONSTANT0.189***0.00535.4480.000建筑年齡-0.153***0.011-13.7610.000餐飲服務0.0370.0301.2200.223購物服務-0.0050.021-0.2360.813生活服務-0.0250.030-0.8290.407交通設施0.128***0.0225.9110.000醫(yī)療服務-0.036**0.018-1.9660.050金融服務-0.052**0.024-2.1810.029住宿服務-0.0090.023-0.4010.688體育休閑0.0020.0200.1070.915公園休閑-0.0010.013-0.1090.913大型公園0.086***0.0136.4660.000大型商場-0.0090.010-0.8430.400大型醫(yī)療機構0.0140.0091.5040.133交通樞紐-0.0090.009-0.9530.341省重點高中-0.0040.010-0.3900.696重點學區(qū)房0.164***0.00821.5220.000通達性0.033***0.0113.0080.003測試參數(shù)MI/DFVALUEProbabilityMoran's I (error)0.264520.0858***0.00000Lagrange Multiplier (lag)1348.7872***0.00000Robust LM (lag)116.3195***0.00005Lagrange Multiplier (error)1370.7701***0.00000Robust LM (error)138.3024***0.00000Lagrange Multiplier (SARMA)2387.0896***0.00000

注：***，**，*分別通過1%，5%，10%的顯著性水平檢驗.

根據(jù)空間誤差模型(SEM)計算結果，可以得出以下結論：

(1)哈爾濱市各住宅小區(qū)空間相關系數(shù)為0.423(如圖8所示)，通過1%顯著性檢驗，說明哈爾濱市住宅價格空間自相關性較強.按照相關性，平均來說小區(qū)周邊住宅價格每增長1%，該小區(qū)價格也增長0.423%.

(2)房屋建筑年齡對于哈爾濱市住宅價格呈現(xiàn)負相關關系，建筑年齡越大的小區(qū)價格相較于周邊較新的小區(qū)價格越低，按照回歸系數(shù)建筑年齡每增加1%，住宅價格降低0.164%.

(3)住宅小區(qū)周邊基本服務中僅有交通設施通過1%顯著性檢驗，按照回歸系數(shù)小區(qū)周邊交通設施每增加1%，房價增加0.097%.其中小區(qū)周邊基本服務中的餐飲服務、購物服務、生活服務等均未通過10%顯著性檢驗，說明哈爾濱市整體小區(qū)周邊基本服務發(fā)展普遍較為均衡完善，已經(jīng)不構成對房價的顯著影響，且在一定的程度上，小區(qū)周邊服務密度過大還產(chǎn)生負向影響，超飽和的服務設施對居民而言供過于求，導致居住環(huán)境質(zhì)量下降致使負向影響了住宅價格，導致房價相對下跌.

表3 哈爾濱市空間滯后模型(SLM)與空間誤差模型(SEM)估計結果

(4)重點學區(qū)房對住宅價格影響顯著.按照回歸系數(shù)，平均上看重點學區(qū)房相對于普通學區(qū)房住宅價格要高13.3%(見表3)，省重點校、市重點校、區(qū)重點校學區(qū)房因重點校層次不同在住宅價格的體現(xiàn)上也有明顯的差異，重點校層次越高體現(xiàn)在房價提升上越明顯.

(5)大型服務設施中僅有大型公園對住宅價格影響顯著(通過1%顯著性檢驗)，依據(jù)回歸系數(shù)，平均上看處于大型公園輻射范圍內(nèi)的小區(qū)比輻射范圍外的小區(qū)價格高8.3%(見表3)，且不同空間區(qū)域正向影響程度也不同.其它大型服務設施對住宅價格影響均不顯著，居民生活中對大型醫(yī)療機構、大型商場、大型交通樞紐距離要求并不高，就近滿足需要意愿不高，且大型醫(yī)療機構、大型交通樞紐、大型商場在某種程度上對房價或是負向的影響，這是因為人流量大帶來的秩序混亂、停車難、治安等問題影響住宅小區(qū)品質(zhì)，不同區(qū)域正向、負向影響可能存在顯著不同.

(6)通達性對住宅價格影響通過10%顯著性檢驗，按照回歸系數(shù)，平均上看小區(qū)所在位置通達性每提高1%，住宅價格提高0.031%(見表3)，表明通達性是城市居民購房時考慮的重要指標.

3.3 哈爾濱市公共服務設施對住宅價格影響空間差異分析

該文選取的哈爾濱市代表性樣本區(qū)域沒有按照哈爾濱市環(huán)線以及行政區(qū)劃分，因為哈爾濱市四環(huán)路以內(nèi)三環(huán)與四環(huán)之間城區(qū)分布離散，二環(huán)路與三環(huán)路在不同的區(qū)域間隔不同且住宅價格差異較大，選擇樣本在空間上存在不合理性.因此該文按照哈爾濱市住宅價格最高的區(qū)域(如圖9所示)進行劃分，選出的樣本區(qū)域同時也是圖10中哈爾濱市住宅價格冷熱點圖中熱點區(qū)域中部分區(qū)域，具體為群力新區(qū)、哈西新區(qū)、會展中心、中央大街、松北區(qū)、愛建區(qū)域以及哈爾濱市其它區(qū)域.根據(jù)兩種空間計量模型(SLM、SEM)擬合精度對比，除了群力新區(qū)、哈西新區(qū)采用空間滯后模型(SLM)外其余幾個區(qū)域均使用空間誤差模型(SEM)擬合.其擬合結果回歸系數(shù)見表4(為了方便讀取信息，表中僅顯示通過10%以上顯著性水平檢驗因素).

圖9 部分熱點區(qū)域住宅價格時間變化曲線圖

圖10 哈爾濱市住宅價格冷熱點圖

依據(jù)表4可表明以下結論：

(1)不同區(qū)域之間空間相關系數(shù)差異大.哈爾濱市整體與哈爾濱市其它區(qū)域相關系數(shù)基本相同超過0.4，而中央大街相關系數(shù)僅為0.121.

(2)房屋建筑年齡在幾個分區(qū)內(nèi)均為負向影響，但是在會展中心區(qū)塊表現(xiàn)不顯著，通常房屋建筑年齡代表小區(qū)內(nèi)部環(huán)境，建成時間越短小區(qū)環(huán)境一般會越好.

(3)小區(qū)周邊基本服務設施中餐飲服務、購物服務、生活服務、交通設施、金融服務、住宿服務設施均有通過10%及以上顯著性檢驗樣本區(qū)存在.其中餐飲服務、購物服務在哈西新區(qū)顯著，且為負向影響關系，生活服務僅在會展中心顯著，同樣其對住宅價格呈現(xiàn)負向影響，金融服務在群力新區(qū)顯著，表現(xiàn)仍為負向影響關系，這說明公共基礎設施所提供的服務已經(jīng)供大于求處于基本服務需求超飽和狀態(tài)，小區(qū)周邊基本服務密度過大的結果是對環(huán)境產(chǎn)生“破壞性”影響降低了住宅品質(zhì)[19].交通設施在哈爾濱市其它區(qū)域、群力新區(qū)、愛建區(qū)域通過顯著并呈正向影響關系，說明在這幾個區(qū)域?qū)煌ㄔO施需求較大，交通設施完善會提高住宅價格.住宿服務在會展中心及中央大街區(qū)域顯著，兩個住宿服務密度大的區(qū)域也是居住環(huán)境較好的區(qū)域，住宿設施從而正向影響居住環(huán)境，從而正向影響住宅價格.

(4)重點學區(qū)房在哈爾濱市其它區(qū)域、哈西新區(qū)、中央大街通過顯著檢驗，重點學區(qū)房在以上3個區(qū)域比同區(qū)域非重點學區(qū)房房價平均提升24.3%、19.5%、42.5%.松北區(qū)、愛建區(qū)域沒有重點學區(qū)房.群力新區(qū)、會展中心雖然有重點學區(qū)房，但是關系不顯著，會展中心重點學區(qū)房依托的學校重點層次較哈西等區(qū)域低，其對區(qū)域內(nèi)其它非重點學區(qū)住宅小區(qū)優(yōu)勢不明顯，所以影響不顯著.

(5)大型服務設施中大型公園、大型商場、大型醫(yī)療機構均有通過至少10%顯著性檢驗樣本區(qū)域.大型公園在哈爾濱市其它區(qū)域以及群力新區(qū)顯著，依據(jù)回歸系數(shù)處于大型公園輻射范圍內(nèi)的小區(qū)住宅價格平均高于其它小區(qū)42.0%，伴隨著收入增長，為了提高居住品質(zhì)與居住環(huán)境，具有優(yōu)良休閑環(huán)境鄰近公園及江邊地段成為房價局部高值區(qū).大型商場在會展中心、松北區(qū)顯著，依據(jù)回歸系數(shù)，處于大型商場輻射范圍內(nèi)的小區(qū)價格比普通小區(qū)價格分別高47.0%以及19.9%，表明這2個區(qū)域?qū)Υ笮蜕虉鲇刑貏e重要的需求，尤其是松北區(qū)服務設施相對較單薄(見表5)處于供不應求狀態(tài)，正向影響住宅價格.大型醫(yī)療機構在會展中心區(qū)塊顯著,表明會展中心區(qū)域大型綜合醫(yī)院相對稀缺，正向影響住宅價格.中央大街區(qū)域大型公園、大型商場、大型醫(yī)療機構“密度”均為最大(見表5)，但是此3個因子均不顯著，表明中央大街區(qū)域大型公園、大型商場、大型醫(yī)療機構處于服務飽和狀態(tài)，故對住宅價格影響不顯著.

(6)通達性在哈爾濱市其它區(qū)域、會展中心區(qū)塊顯著，在哈爾濱市其它區(qū)域通達性對于住宅價格影響是積極的，但在會展中心區(qū)塊通達性影響則是消極的，通常某區(qū)域的通達性與城市基礎設施密度顯著相關，密度過大在某些小的區(qū)塊也會帶來環(huán)境問題，從而負向影響住房價格.

表5 分區(qū)公共服務設施“密度”表(平均數(shù))

4 結論與討論

4.1 結論

該文通過對哈爾濱市1804個住宅小區(qū)住宅價格數(shù)據(jù)進行總體以及分區(qū)空間回歸分析，得出以下主要結論：

(1)哈爾濱市住宅價格總體上空間自相關性較好，不同區(qū)域間局部自相關性差異較大.

(2)哈爾濱市房屋建筑年齡在某種程度上代表了小區(qū)內(nèi)部環(huán)境，尤其是較老的住宅小區(qū)由于沒有物業(yè)服務管理、基礎設施老化、基礎設施缺乏等問題影響住宅價格，城市擴張的同時也要考慮老舊小區(qū)基礎設施更新、提升物業(yè)管理水平等.

(3)哈爾濱市小區(qū)周邊基本服務設施：餐飲服務、購物服務、生活服務、金融服務等或者不顯著，或者顯著呈現(xiàn)負向影響，說明基本服務設施密度既相應服務供給處于供給等于需求或供給大于需求狀態(tài)，密度過大形成一系列副作用影響房價；交通設施服務多處于供不應求狀態(tài)下，居民對交通設施服務需求較大其正向影響住宅價格；住宿服務在會展中心和中央大街2個區(qū)域顯著并且正向影響房價，通過分析可知其住宿環(huán)境優(yōu)越及綜合服務設施條件優(yōu)越導致正向影響環(huán)境并且影響房價.

(4)在擁有重點學區(qū)房的區(qū)域，整體上重點學區(qū)房顯著且影響程度較大，但是在個別區(qū)域重點學區(qū)房不顯著，不同層次的教育資源對房價溢價能力不同.哈爾濱市學區(qū)房最高提升房價為42.5%，說明哈爾濱市優(yōu)秀的教育資源分布不均衡，合理配置教育資源或者教育改革等方式除去此弊端對于城市均衡發(fā)展尤為重要.

(5)大型服務設施中，大型公園在哈爾濱市整體顯著正向影響住宅價格，在群力新區(qū)影響最為顯著，說明大型公園帶來的外部環(huán)境對住宅價格正向影響較大.大型商場在會展中心、松北區(qū)顯著正向影響住宅價格，從服務飽和角度，松北區(qū)處于服務稀缺狀態(tài)導致正向影響住宅價格，而會展中心區(qū)域相對于松北區(qū)服務稀缺程度有很大改善，但回歸系數(shù)差異較大.從實際選取的大型綜合商場看，會展中心大型商場內(nèi)的設施種類相對于松北區(qū)的商場內(nèi)的服務設施種類更復雜(戶外廣場、展會、體育場、教育等)，會展中心大型商場內(nèi)的娛樂、休閑等設施全民參與度更強，會展中心大型商場外部小區(qū)更加密集等因素導致會展中心大型商場的回歸系數(shù)大于松北區(qū)大型商場回歸系數(shù).以上表明這種大型綜合服務設施，在哈爾濱市尤其是在冬季有著代替大型公園等設施的作用，成為一種表現(xiàn)為服務稀缺的設施.

(6)通達性在整個哈爾濱市對住宅價格影響顯著，但是在局部區(qū)域雖然同樣顯著，對住宅價格影響卻是負向，大尺度下通達性對于房價是正向影響，但是小尺度下通達性好帶來的負面效應會負向影響房價.

(7)排除學區(qū)房對房價特殊性質(zhì)的影響，居住環(huán)境是影響房價的重要因素，住宅周邊公園數(shù)量(反應自然環(huán)境的重要指標)、小區(qū)的建筑年齡(在某種程度上代表了小區(qū)內(nèi)部環(huán)境)以及小區(qū)周邊各種公共服務超飽和狀態(tài)，導致的衍生效應都是環(huán)境人所，所以人居環(huán)境越好，住房價格越高.表明哈爾濱市居民向往擁有優(yōu)良的居住環(huán)境，因此在未來能夠合理規(guī)劃城市、提高對城市的管理水平有利于住宅價格均衡.

4.2 討論

(1)多項服務設施對房價影響因素分析，只能使用全域估計方法(OLS、SLM、SEM)進行研究，居民住宅價格同時具有空間自相關性以及空間異質(zhì)性，由于空間自相關性存在致使OLS估計方法存在缺陷，而SLM、SEM可以克服空間自相關性回歸各種因素對房價影響程度，其缺陷是模型建立在以空間穩(wěn)定性為前提的，但是任何公共服務設施對住宅價格影響均復合著正效應和負效應，只是二者表現(xiàn)比例不同而已，不存在真正的空間穩(wěn)定.空間上的不穩(wěn)定對于全域估計方法主要是體現(xiàn)在距離上，不同距離對住宅價格影響程度不同，為了避開模型存在的缺陷，使用空間計量方法時，在量化的方式上盡量采取以“密度”為量化的方式或者其它拋開以“距離”為量化的方式，這會更好符合模型使用的條件.

(2)通過文中住宿服務在會展中心、中央大街顯著影響房價和省重點高中在中央大街、愛建區(qū)域?qū)Ψ績r影響方向不同以及通達性在會展中心呈現(xiàn)負向影響房價，說明以“密度”為量化的方式相較于其它量化方式能更好地體現(xiàn)區(qū)位性特征.

(3)公共服務設施對房價影響雖然存在正效應與負效應，然而在一些僅有一種效應突出，另外一種效應表現(xiàn)不明顯的情況下，雖然以“距離”為量化的方式存在偏差，但是相較于以“密度”為量化的方式更能反映微觀情況.兼顧兩種量化方法研究該問題具有互補意義.

(4)空間滯后模型(SLM)、空間誤差模型(SEM)在研究該問題中具有明顯深化問題認識意義的優(yōu)勢，但也要認識到無論采取何種量化方式來克服空間非穩(wěn)定性，相較于以地理加權回歸模型(Geographic Weighted Regression，GWR)為代表的局部估計方法在更微觀尺度上仍存在不足.