基于空間計量模型的商鋪租金影響因素空間異質(zhì)性分析——以杭州市為例

戴豪成，馮友建

基于空間計量模型的商鋪租金影響因素空間異質(zhì)性分析——以杭州市為例

戴豪成，馮友建*

（浙江大學 地球科學學院，浙江 杭州 310027）

社會經(jīng)濟發(fā)展推動城市商業(yè)的繁榮與商鋪的增值，但商鋪租金的影響機制尚不明確。選取了杭州市1～6級商服用地范圍內(nèi)2 026個具有代表性的底層商鋪，運用克里金插值法探索了杭州市商鋪租金的空間分異格局，并采用基于空間計量模型的特征價格法，探究了5個分市場下商鋪租金影響因素的空間異質(zhì)性。結(jié)果顯示，三級醫(yī)院、大型購物中心、學校、交通設施等商業(yè)服務、公共服務設施對商鋪租金的影響程度、影響范圍具有顯著差異；相同的特征變量在城市不同區(qū)域，如復合功能區(qū)域、商務功能主導區(qū)域、居住功能主導區(qū)域，以及城市中心區(qū)域、城市外圍區(qū)域，對商鋪租金的影響呈現(xiàn)空間異質(zhì)性。

空間計量模型；商鋪租金；影響因素；空間異質(zhì)性；杭州市

0　引言

商鋪是城市商業(yè)活動的主要載體，其租金是衡量區(qū)域商業(yè)活力與價值的重要指標之一［1］。隨著我國經(jīng)濟社會的迅速發(fā)展以及城市化進程的不斷加快，城市道路、軌道交通日趨通達，公共服務、商業(yè)設施不斷完善，為周邊商鋪帶來了巨大的人流量，人流量作為商業(yè)布局的先決條件［2］，對商鋪租金有顯著正向影響［3］。深入研究商鋪租金的影響機制，能夠為社會主體參與商業(yè)經(jīng)營選址提供參考與借鑒，為政府優(yōu)化城市商業(yè)空間布局、科學開展房地產(chǎn)評估工作提供更多參考，有助于推進城市更新、實現(xiàn)商業(yè)經(jīng)營效益最大化。

20世紀60年代，RIDKER等［4］構(gòu)建了住宅價格的特征變量體系，分析了住宅價格的影響因素，采用特征價格法（Hedonic price method）分析房地產(chǎn)價格受到廣泛關(guān)注。隨著城市商業(yè)的發(fā)展和商業(yè)中心的興起，特征價格法及其研究思想被引入商業(yè)房地產(chǎn)價格及商鋪租金影響因素的相關(guān)研究。在特征價格法的應用過程中，通常將影響因素劃分為區(qū)位特征、鄰里特征、商鋪特征及建筑特征。區(qū)位特征是商鋪租金最重要的影響因素之一，商鋪租金受益于地鐵站［5-8］、大型交通場站［9-10］等交通站點所帶來的巨大人流量，且受周邊區(qū)域購買力水平［5-6，11-13］和商鋪可達性［8，11，14-15］的正向影響，商務區(qū)［13-14］、商業(yè)中心［5-6，11］提升了周邊商鋪的租金水平。一般認為，商鋪周邊居住人口規(guī)模對租金有正向影響［6，8］，但ZHANG等［10］所得結(jié)論相反。商鋪越鄰近步行街、購物中心等大型商業(yè)空間［10-11，14，16］（與商業(yè)中心具有近似的影響），其租金越高；學校、醫(yī)院、公交站點等設施匯聚人流的能力較強［6-7，17-19］，但并未得到相關(guān)研究的足夠關(guān)注。商鋪特征和建筑特征體現(xiàn)了商鋪及其所在建筑自身的各項屬性，商鋪租金與所處樓層［7，12，15-16］、建筑年齡［10-12，16］呈顯著負相關(guān)，與泊車設施規(guī)模［6，8，12］呈正相關(guān)。商鋪面積［6-8，10，12-16，20］、經(jīng)營業(yè)態(tài)［16，18，20］對商鋪租金的影響仍存在爭議。

房地產(chǎn)市場普遍具有空間效應。一方面，根據(jù)地理學第一定律，地理要素相互之間的距離越近，其相關(guān)性越強［21］，因此房地產(chǎn)價格普遍存在空間依賴性，對此學者們引入空間計量模型完善特征價格法［22-24］。另一方面，區(qū)位、鄰里等條件的不可復制性［25］帶來了房地產(chǎn)市場的空間異質(zhì)性，即城市中不同區(qū)域的單位屬性房地產(chǎn)價格存在差異［25］。識別空間異質(zhì)性主要有2種方法，一是采用地理加權(quán)回歸模型等進行回歸分析［17，26-27］，二是將房地產(chǎn)市場劃分為若干分市場，引入分市場變量進行回歸分析［14，28-29］或?qū)Σ煌质袌龇謩e建立不同的特征價格模型［23，30］。張子晨［13］采用地理加權(quán)回歸方法分析了社區(qū)底商租金的影響因素，DES ROSIERS等［31］通過構(gòu)建2個城市的購物中心商鋪租金回歸模型，在一定程度上解釋了商鋪租金及其影響因素之間的空間異質(zhì)性，但相關(guān)研究仍較為缺乏。由于各類設施的人流量對商鋪租金的影響范圍存在邊界，在對商鋪的分析過程中更適宜采用虛擬變量，這與地理加權(quán)回歸模型的要求相悖，因此本文通過劃分分市場方式分析商鋪租金影響因素的空間異質(zhì)性。

杭州市地處長三角南翼、杭州灣西端，是浙江省省會和經(jīng)濟、文化、科教中心，近年來依托“長三角一體化”迅速發(fā)展，房地產(chǎn)市場規(guī)律明晰、零售商業(yè)發(fā)展健康。本文采用空間分析方法探索杭州市商鋪租金的空間分異規(guī)律，采用空間滯后模型（spatial lag model，SLM）、空間誤差模型（spatial error model，SEM）等空間計量模型定量分析不同分市場下商鋪租金影響因素的空間異質(zhì)性，為全國范圍內(nèi)各大中城市提供借鑒。

1　研究方法與數(shù)據(jù)來源

1.1　研究方法

1.1.1克里金插值法

1.1.2基于空間計量模型的特征價格法

特征價格法能解構(gòu)事物特征中的隱含價格［34］，是分析房地產(chǎn)價格影響因素的基礎模型，其計算式為

基于最小二乘線性回歸（ordinary least squares，OLS）模型的特征價格法無法體現(xiàn)地理要素之間的空間依賴性，需采用空間計量模型進行解釋［34］?？臻g計量模型SLM和SEM的表達式分別為

1.2　數(shù)據(jù)來源

數(shù)據(jù)包括興趣點（point of interest，POI）數(shù)據(jù)和商鋪樣點數(shù)據(jù)。

POI數(shù)據(jù)主要通過百度、高德、騰訊等公開地圖（open street map，OSM）平臺獲取，學校、三級醫(yī)院、交通場站參照杭州市數(shù)據(jù)開放平臺相關(guān)資料，地鐵站點位置以《杭州市軌道交通三期規(guī)劃（2017—2022年）》為標準并結(jié)合實地調(diào)研獲取。從世界人口平臺（WorldPop）采集杭州市戶籍人口數(shù)據(jù)，從貝殼網(wǎng)（https：//hz.ke.com/fangjia/）采集各板塊2021年7月的二手房均價，并根據(jù)工作日工作時間的百度地圖熱力圖，結(jié)合實地調(diào)研選取杭州市13個商務區(qū)。

商鋪樣點數(shù)據(jù)來源于貝殼網(wǎng)商鋪單位面積日租金的掛牌價信息（https：//shangye.ke.com/hz/sp/rent/mlist），利用網(wǎng)絡爬蟲技術(shù)抓取獲得，商鋪位置精確至具體的建筑物樓棟。需要說明的是，根據(jù)前期調(diào)查，商鋪租金掛牌價由貝殼網(wǎng)的置業(yè)顧問根據(jù)市場信息進行動態(tài)更新，并及時下架已成交商鋪，因此該數(shù)據(jù)具有較好的時效性。根據(jù)《杭州市城市總體規(guī)劃（2001—2020年）》（2016年修訂）以及2021年杭州市公示地價體系建設項目研究成果，90%以上的商鋪樣點集中于上城、拱墅、西湖、濱江、蕭山、余杭、臨平、錢塘8個區(qū)的1～6級商服用地，將其設定為研究區(qū)域，篩選整理后共得到2 026個商鋪樣本（見圖1，均為建筑物底商）。

圖1　杭州市商鋪樣點分布

2　商鋪租金空間分異格局及分市場劃定

研究區(qū)域全局莫蘭指數(shù)達0.773，且在0.01水平顯著，表明杭州市商鋪租金存在顯著的空間正自相關(guān)性。

采用克里金插值法，生成杭州市商鋪租金空間分布趨勢（見圖2），插值結(jié)果的標準均方根預測誤差為1.067，標準平均值為0.007，插值結(jié)果有效。由圖2知，（1）商鋪租金的總體空間分布呈現(xiàn)由城市中心向外圍逐漸衰減的趨勢，武林—湖濱、城站火車站—四季青呈連片租金峰值區(qū)；（2）總體趨勢存在波動性，城市中心的租金峰值區(qū)輻射至申花、拱宸橋、城東新城、錢江新城等板塊，在租金高值區(qū)與低值區(qū)間出現(xiàn)明顯的過渡帶，而未來科技城、之江轉(zhuǎn)塘、濱江、蕭山市心等租金較高的板塊則呈現(xiàn)租金高值區(qū)的多中心性；（3）租金高值區(qū)向城西板塊延伸，城西板塊總體商鋪租金水平顯著高于城東板塊。

圖2　杭州市商鋪租金克里金空間插值結(jié)果

由圖2可知，杭州市商鋪租金呈“核心—邊緣”結(jié)構(gòu)的空間分異格局，市中心與外圍區(qū)域的租金水平截然不同，因此將市中心劃為獨立的分市場；錢塘江南側(cè)的蕭山區(qū)與濱江區(qū)在自然地理條件上構(gòu)成一個天然的江南分市場。參考《杭州市城市總體規(guī)劃（2001—2020年）》（2016年修訂）及《杭州市國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要》，以城市重點發(fā)展的功能區(qū)塊為基礎，進一步劃分區(qū)域，最終劃定5個分市場，如表1和圖3所示?？芍兄行?、江南、城北分市場均為復合功能區(qū)域，其中，市中心分市場各項功能的量級均最高，江南分市場在杭州市擁江發(fā)展戰(zhàn)略下迅速崛起為城市副中心，城北分市場是“十四五”時期重點打造的城市副中心，城西分市場是商務功能主導區(qū)域，城東分市場是居住功能主導區(qū)域。城東、城西分市場是功能相對單一的城市外圍分市場。結(jié)合圖2，租金高值區(qū)與租金低值區(qū)的過渡帶與杭州市4級商服用地在空間上高度重合，從空間的連續(xù)性看，此區(qū)域與兩側(cè)的分市場均具有一定的相似性。相較于直接劃定分市場之間的邊界，構(gòu)建市中心分市場與城西、城北、城東分市場在4級商服用地的樣點重疊區(qū)域更具有空間上的連續(xù)性。

表1　分市場的劃定

注臨平、下沙、之江轉(zhuǎn)塘板塊相對較獨立，商鋪數(shù)量較少，結(jié)合多輪回歸分析測試結(jié)果，暫不納入分市場范圍。

圖3　分市場商鋪樣點分布

3　商鋪租金影響因素分析

3.1　變量選擇

一方面，人流量是商業(yè)活力的源泉，交通場站站點、公共服務設施周邊及商務區(qū)、居民區(qū)等人流密集的區(qū)域往往具有良好的商業(yè)氛圍和潛在的經(jīng)濟效益，商鋪擁有更多的潛在客源，租金相對其他區(qū)域較高；另一方面，商鋪自身的特征屬性在一定程度上決定了其盈利難度與經(jīng)營風險，過大的經(jīng)營面積往往因風險過高而不被經(jīng)營者所青睞，餐飲商鋪則具有更高的人氣，對經(jīng)營條件的要求較苛刻，因此是否具備餐飲業(yè)態(tài)經(jīng)營的基本條件也是出租方重點宣傳、承租方著重考慮的因素。

選取建筑物底商作為研究對象，基本排除建筑物本身特征對商鋪租金的影響，且掛牌商鋪暫不存在租約問題，因此主要考慮區(qū)位特征、鄰里特征、商鋪特征。在相關(guān)文獻的基礎上，篩選出18個自變量（表2），分析杭州市商鋪租金的影響因素及空間效應。對于商務區(qū)變量，先選取武林、錢江新城、錢江世紀城、未來科技城四大商務區(qū)，再在各個分市場中分別選取對應分市場范圍內(nèi)的商務區(qū)作為變量。經(jīng)過多次OLS模型回歸分析，發(fā)現(xiàn)雙對數(shù)模型（因變量、非虛擬變量的自變量均取自然對數(shù)）擬合程度較好，因此對非虛擬變量取自然對數(shù)。此外，根據(jù)現(xiàn)有研究成果，公交、地鐵的步行接駁范圍分別為400～600 m及800～1 000 m［36-37］，各類公共服務、生活配套設施的步行可接受距離一般為800 m［22］，汽車站、火車站的人流量較大，其影響范圍更廣，因此對虛擬變量按距離范圍進行劃分。

注所有對樣點進行的距離分析，除與一、二、三級主干道的距離為歐氏距離外，其他均為基于ArcGIS網(wǎng)絡分析功能的路網(wǎng)距離；未說明具體賦值的虛擬變量，若一定范圍內(nèi)有該變量則賦1、無則賦0。

3.2　空間計量模型計算結(jié)果

表3　OLS模型回歸結(jié)果

注***表示在1%置信水平下顯著，**表示在5%置信水平下顯著，*表示在10%置信水平下顯著；“+”、“-”表示回歸系數(shù)符號，括號內(nèi)表示顯著性最強的虛擬變量范圍，并將該范圍對應的虛擬變量引入空間計量模型；“/”表示由于分市場內(nèi)無該變量或該地理要素周邊無商鋪樣點，未引入模型。

表4　空間計量模型回歸結(jié)果

注***表示在1%置信水平下顯著，**表示在5%置信水平下顯著，*表示在10%置信水平下顯著；“/”表示通過OLS模型檢驗不顯著，未引入空間計量模型的變量；三壩商務區(qū)變量對市中心分市場商鋪的影響系數(shù)過小且為正，影響程度并不大，不具備現(xiàn)實經(jīng)濟意義，不進入模型分析。

各變量對商鋪租金的影響呈現(xiàn)顯著的空間異質(zhì)性。其中，量綱相同均為虛擬變量的部分變量，其回歸系數(shù)的絕對值在不同分市場中的排序不同。市中心分市場：三級醫(yī)院>大學>大型購物中心>汽車站>已開通地鐵站>有未開通線路的地鐵站>中小學；江南分市場：三級醫(yī)院>火車站>大學>已開通地鐵站>地鐵換乘站>大型購物中心>中小學；城西分市場：三級醫(yī)院>地鐵換乘站>已開通地鐵站>有未開通線路的地鐵站>中小學>大型購物中心；城北分市場：已開通地鐵站>大型購物中心>中小學；城東分市場：火車站>地鐵換乘站>大型購物中心>有未開通線路的地鐵站。

3.3　商鋪租金的主導影響因素分析

3.3.1區(qū)位特征對商鋪租金的影響

固定人口。固定人口主要由居住人口和商務辦公人口構(gòu)成，此類群體的有效購買力越強，租戶支付租金的能力越高。

商務辦公人口的購買力取決于商務區(qū)體量規(guī)模及影響力，距離商務區(qū)的核心區(qū)越近，商鋪租金越高。對于研究區(qū)域全域，武林商務區(qū)變量的回歸系數(shù)為 -0.173，其影響程度顯著強于其他商務區(qū)變量；而市中心分市場恰恰相反，武林商務區(qū)變量的回歸系數(shù)僅為 -0.096，市中心的商業(yè)布局伴隨商務功能的外溢，逐漸溢出至錢江新城、黃龍—文三等區(qū)域。此外，江南分市場的濱江商務區(qū)變量、城西分市場的未來科技城商務區(qū)變量、城北分市場的三壩商務區(qū)變量和新天地商務區(qū)變量均對商鋪租金產(chǎn)生了一定的影響。

通常，居民規(guī)模和住房價格之間存在一定的關(guān)聯(lián)性，高人口密度的居住區(qū)房價相對較低，這是對已有研究分析思路的補充。居住人口密度、住房均價分別對商鋪租金產(chǎn)生負向影響和正向影響。高房價居住區(qū)的居民購買力更強，尤其是城市外圍的城西、城東分市場，住房均價的回歸系數(shù)分別高達+0.845和+0.547。

城市主干道。OSM平臺將除高速公路外的城市主干道劃分為3級。根據(jù)表4，距離二級主干道越近，商鋪租金越高。不同于以往研究所認為的主干道普遍具有提升租金的作用，在城市外圍區(qū)域，各級別主干道所帶來的步行客流量均較為有限，因此并不具有顯著影響，甚至部分快速路、高架路對商鋪租金產(chǎn)生一定的負向影響。

交通站點。交通站點是長途旅客的集散地，對周邊商業(yè)的輻射作用較大。結(jié)果表明，火車站的影響范圍可達2 000 m，對城市外圍分市場的商鋪租金影響極大，在江南、城東分市場的回歸模型中，回歸系數(shù)分別達+0.300和+0.333，而汽車站僅對市中心分市場的商鋪租金有一定影響。城市外圍分市場的汽車站（如江南分市場的蕭山汽車總站）班次較少、客流量較低，而附近缺乏商業(yè)服務設施基礎的站點（如城東分市場的杭州客運中心）則無法將交通站點的龐大人流轉(zhuǎn)化為服務于商業(yè)發(fā)展的有效人流，阻礙了商業(yè)發(fā)展規(guī)模效應。

地鐵站。有別于地鐵對住宅價格的倒U型影響曲線，產(chǎn)生噪聲和不安全因素的人流對商鋪而言反而具有積極意義，市中心、江南、城西分市場的已開通地鐵站均對600 m范圍內(nèi)的商鋪租金有正向影響。由于商務功能相較于居住功能在空間分布上更為集中化、碎片化，商務區(qū)周邊的地鐵站點能夠匯聚更大的人流；而居住區(qū)的空間分布相對均勻，使得其周邊地鐵站點較為均衡地分散了地鐵的人流，因此對于居住功能占主導的城東分市場以及已開通站點周邊以居住功能為主的城北分市場而言，地鐵的開通并未顯著提升周邊商鋪租金。

即將開通的地鐵線路能為出租方和承租方帶來收益提升的預期，但地鐵施工所產(chǎn)生的局部交通不暢、通行功能受阻，會導致人流量減少、商鋪可見度下降，這在已有的相關(guān)研究中并未得到關(guān)注。在市中心分市場，地鐵主要為局部施工，對商鋪影響相對較弱；城市外圍的地鐵施工導致大面積封路，對城東分市場的商鋪租金構(gòu)成了負向影響；城西分市場的機場快線和地鐵3號線均為具有巨大客流量的城市大動脈，回歸系數(shù)顯著為正，顯然收益提升的預期超過了施工的負效應。

換乘站的大部分額外客流通過站內(nèi)換乘得以消化，市中心分市場的換乘站及其周邊具有較成熟的交通網(wǎng)絡，客流疊加并未對周邊商鋪租金產(chǎn)生顯著正向影響，反而在江南、城西、城東分市場中呈現(xiàn)負向效應，這一點仍有待進一步研究。

3.3.2鄰里特征對商鋪租金的影響

大型購物中心。5萬m2以上的大型購物中心體量大、業(yè)態(tài)豐富，具有極強的引流能力，其對商鋪租金的影響在5個分市場中均顯著，且影響范圍較大，主要集中在600～800 m，但其回歸系數(shù)絕對值的排序在市中心分市場中更加靠前，印證了市中心分市場的大型購物中心擁有更廣的市場區(qū)域，具有更強的引流能力。

學校。中小學對商鋪租金的影響范圍為400～600 m，其回歸系數(shù)絕對值在5個分市場的排序均較靠后，這與中小學生的消費水平有限，以及家長的接送方式阻斷了消費欲望的轉(zhuǎn)化有關(guān)。從區(qū)域功能屬性看，在居住功能占主導的城東分市場，商鋪所在小區(qū)周邊基本配套了中小學，空間分布均勻?qū)е略撟兞坎伙@著；在商務功能占主導的城西分市場，學生更可能通過公交、私家車上下學，阻礙了學校人流向消費群體轉(zhuǎn)化。大學生無論在消費需求還是消費能力上都強于中小學生，因此本研究增加了大學變量，結(jié)果表明其回歸系數(shù)絕對值普遍高于中小學。這種消費欲望也更容易跨越快速路、鐵路線的阻隔，使得由于缺乏就近商業(yè)設施而無法滿足的購買力向更遠的區(qū)域溢出，因此江南分市場的大學對商鋪租金的影響范圍大于其他分市場。

醫(yī)院。在市中心、城西分市場的回歸模型中，三級醫(yī)院變量的回歸系數(shù)分別為+0.242和+0.620，高于其他變量。三甲醫(yī)院總院以及部分具有實力強勁科室的三乙醫(yī)院集中分布在市中心分市場（浙一醫(yī)院在城西分市場設立了新院區(qū)），為周邊商鋪帶來了巨大的人流量。城北、城東分市場的醫(yī)院一般為三甲分院、一般性或?qū)？菩匀裔t(yī)院，醫(yī)療水平偏低導致引流能力較弱；江南分市場的醫(yī)院普遍臨近城市一級主干道，步行可接近性較低，反而擠占了居住與商務功能，對周邊商業(yè)產(chǎn)生負向影響。

公交。地鐵的開通逐步取代了原本公交車的中遠距離通勤功能，由于公交車的班次間隔時間長，其短距離通勤功能受到共享單車迅猛發(fā)展的擠壓，并未給站點周邊帶來巨大的人流量，因此公交線路數(shù)量對商鋪租金并無普遍影響。

3.3.3商鋪特征對商鋪租金的影響

商鋪租金與商鋪面積呈負相關(guān)關(guān)系，商鋪面積變量在各分市場中的回歸系數(shù)均相近，對各分市場的影響程度類似，可以認為這種經(jīng)營獨立的建筑物底商符合已有觀點，即規(guī)模越大的商鋪，其租賃方所需的租金折扣更大。此外，餐飲經(jīng)營條件變量的回歸系數(shù)絕對值均小于0.1，與各類交通、商服、公共設施相比，餐飲經(jīng)營條件對商鋪租金的影響并不大。

4　結(jié)論與討論

已有研究在討論商鋪租金影響因素的過程中，對其空間異質(zhì)性的關(guān)注不夠。本研究以POI數(shù)據(jù)為基礎，基于空間計量模型分析了杭州市1～6級商服用地內(nèi)5個不同分市場中各影響因素對商鋪租金的影響方向、影響程度及影響范圍的空間異質(zhì)性，對已有研究進行了補充。研究結(jié)果顯示：

第一，特征變量對商鋪租金的總體影響方向與已有研究相吻合，但相同的特征變量對商鋪租金的影響在城市不同區(qū)域呈現(xiàn)空間異質(zhì)性，這種空間異質(zhì)性與城市區(qū)域所處的不同發(fā)展階段或發(fā)展形態(tài)密切相關(guān)。首先，城市因地理空間障礙、城市規(guī)劃導向、行政區(qū)劃等多重因素，可能存在多個復合功能區(qū)（即城市中心），由于行政中心在我國的特殊意義，此類復合功能區(qū)域必然有主中心與次中心之分，導致資源分布的空間不均衡，使得商場、醫(yī)院等設施存在量級差異，因此同種影響因素會對商鋪租金產(chǎn)生不同程度的影響。其次，在功能相對單一的城市外圍區(qū)域，大型醫(yī)院總部、火車站等人流量巨大的設施，為周邊商鋪帶來了巨大的人流溢出，在更大程度上對商鋪租金產(chǎn)生影響；地鐵的開通串聯(lián)起了居住區(qū)與商務區(qū)，對商務功能主導區(qū)域的商鋪租金具有顯著正向影響，這在居住功能主導區(qū)域并未得到體現(xiàn)。此外，伴隨著城市的發(fā)展，城市中心的商務功能逐漸外溢，城市外圍也形成了對商鋪租金具有一定影響的商務區(qū)；房價所造成的居民購買力的差異對商鋪租金具有極大的影響，尤其體現(xiàn)在城市外圍區(qū)域。該結(jié)論均是對已有研究的補充。

第二，不同的特征變量對商鋪租金的影響程度、影響范圍具有顯著的差異。首先，已有研究認為，行人的步行可接受距離一般在800 m內(nèi)，但本研究發(fā)現(xiàn)不同設施對商鋪租金的影響范圍具有顯著差異。鄰里特征變量對商鋪租金的影響范圍一般在400～600 m，部分區(qū)域的大型購物中心可對800 m范圍內(nèi)的商鋪租金產(chǎn)生影響；地鐵站點影響范圍為600～800 m，印證了已有研究成果；大型交通場站的影響范圍較大，尤其是火車站的影響范圍可達2 000 m。其次，本研究對以往尚無明確影響的特征變量（如醫(yī)院、大學、公交等）進行了分析。三級醫(yī)院的影響程度較高，但只有醫(yī)療水平較高的醫(yī)院或院區(qū)能夠提升周邊商鋪的租金；大型購物中心對商鋪租金均具有正向影響，且市中心分市場的購物中心影響程度更大。各類學校對商鋪租金的影響存在差異，中小學的影響程度普遍較低，而大學周邊的商鋪租金較高。此外，各類交通設施的影響程度也具有顯著差異，包括主要火車站、汽車站在內(nèi)的大型交通場站均對商鋪租金有一定的正向影響，尤其是火車站，其影響程度較高；公交站點對商鋪租金幾乎無影響；已開通地鐵站點有正向影響，但施工階段的地鐵線路存在可視性、可達性受損以及預期人流增長等兩面性，需審慎對待。

第三，商鋪租金影響因素的影響方向、影響程度與影響范圍存在顯著的空間異質(zhì)性，在商業(yè)經(jīng)營選址的過程中，經(jīng)營主體應注重分市場的區(qū)域特征，根據(jù)經(jīng)營業(yè)態(tài)和投資預期選擇合適的分市場，實現(xiàn)商業(yè)經(jīng)營效益的最大化；土地定級未考慮低級別土地內(nèi)部的空間異質(zhì)性，評估機構(gòu)在地價評估過程中應針對不同的分市場審慎分析各要素的影響程度與范圍，而標定地價對于商服用地市場價格的指引作用應得到更大的重視。

已有研究對商鋪租金的研究較為有限，且缺乏對商鋪租金數(shù)據(jù)空間效應的關(guān)注。本文通過引入空間計量模型、劃分分市場，識別商鋪租金影響因素的空間異質(zhì)性，為商鋪租金以及商業(yè)房地產(chǎn)領(lǐng)域的進一步深入研究提供了可行的研究路徑。將來可進一步考慮政府引導所引致的空間異質(zhì)性，與居民出行選擇偏好、開發(fā)商投資偏好等之間的關(guān)聯(lián)程度，完善相關(guān)研究體系。

［1］ 谷躍，王捷凱，黃琴詩，等. 南京商鋪租金時空格局及影響因素分析［J］. 地理研究， 2021， 40（9）： 2459-2475. DOI：10.11821/dlyj020201003

GU Y， WANG J K， HUANG Q S， et al. The spatio-temporal pattern of shop rent and its influencing factors in Nanjing［J］. Geographical Research， 2021， 40（9）： 2459-2475. DOI：10.11821/dlyj020201003

［2］ 曹嶸，白光潤. 交通影響下的城市零售商業(yè)微區(qū)位探析［J］. 經(jīng)濟地理， 2003， 23（2）： 247-250. DOI：10. 3969/j.issn.1000-8462.2003.02.024

CAO R， BAI G R. The study on the retail micro-location in city under the influence of transportation［J］. Economic Geography， 2003， 23（2）： 247-250. DOI：10. 3969/j.issn.1000-8462.2003.02.024

［3］ 祁黃雄，鄒曉萌，蔣長春，等. 山岳型風景區(qū)零售網(wǎng)點租金測算：以黃山風景區(qū)為例［J］. 熱帶地理， 2017， 37（4）： 591-600. DOI：10.13284/j.cnki.rddl. 002964

QI H X， ZOU X M， JIANG C C， et al. Retail store rent calculation for mountain scenic spot： A case study of Huangshan scenic area［J］. Tropical Geography， 2017， 37（4）： 591-600. DOI：10.13284/j.cnki.rddl. 002964

［4］ RIDKER R G， HENNING J A. The determinants of residential property values with special reference to air pollution［J］. Review of Economics and Statistics， 1967， 49（2）： 246-257. DOI：10.2307/1928231

［5］ KE Q L， WANG W C. The factors that determine shopping centre rent in Wuhan， China［J］. Journal of Property Investment and Finance， 2016， 34（2）： 172-185. DOI：10.1108/JPIF-04-2015-0021

［6］ 王馨瑤. 住宅底層商鋪租賃價格影響因素分析：以崇文門商圈為例［D］. 北京：北京化工大學， 2016. DOI：10.7666/d.Y3094740

WANG X Y. Analysis on the Influencing Factors of the Lease Price of the Bottom Shops in the Residential Buildings： A Case Study of Chong Wen Men District［D］. Beijing： Beijing University of Chemical Technology， 2016. DOI：10.7666/d.Y3094740

［7］ 黎林，江偉玲，韓暢，等. 地鐵商業(yè)物業(yè)租賃定價實證研究［J］. 城市軌道交通研究， 2017， 20（8）： 108-112. DOI：10.16037/j.1007-869x.2017.08.023

LI L， JIANG W L， HAN C， et al. Empirical study on pricing of metro commercial property［J］. Urban Mass Transit， 2017， 20（8）： 108-112. DOI：10. 16037/j.1007-869x.2017.08.023

［8］ 劉宣，黃江明，趙冠華. 基于機器學習方法的城市社區(qū)尺度商鋪租金空間布局分析［J］. 中國土地科學， 2021， 35（3）： 49-57. DOI：10.11994/zgtdkx.20210301.091856

LIU X， HUANG J M， ZHAO G H. A machine learning approach for community-scale commercial rents mapping［J］. China Land Science， 2021， 35（3）：49-57. DOI：10.11994/zgtdkx.20210301.091856

［9］ 王文靜. 城市軌道交通站點內(nèi)商業(yè)物業(yè)租賃價格評估［D］. 成都：西南交通大學， 2016.

WANG W J. Evaluation of the Rental Price of Commercial Property in Urban Rail Transit Stations［D］. Chengdu： Southwest Jiaotong University， 2016.

［10］ZHANG S， VAN DUIJN V， VAN DER VLIST A J. Tenant mix and retail rents in high street shopping districts［J］. Journal of Real Estate Finance and Economics， 2020： 1-36. DOI：10.1007/s11146-020-09768-3.

［11］HARDIN III W G， WOLVERTON M L. Neighborhood center image and rents［J］. Journal of Real Estate Finance and Economics， 2001， 23： 31-46. DOI：10.1023/A：1011112707018

［12］聶沖，賈生華. 城市購物中心不同商鋪種類的租戶組合優(yōu)化實證研究［J］. 浙江大學學報（理學版）， 2011， 38（1）： 101-108. DOI：10.3785/j.issn.1008-9497. 2011.01.023

NIE C， JIA S H. Empirical research on optimization of tenant mix in shopping centers' store categories［J］. Journal of Zhejiang University （Science Edition）， 2011， 38（1）： 101-108. DOI：10.3785/j.issn.1008-9497.2011.01.023

［13］張子晨. 成都市中心城區(qū)社區(qū)底商租金價格空間分異和影響因素分析［D］. 成都：四川大學， 2021.

ZHANG Z C. The Research on Analysis on the Spatial Differentiation and Influencing Factors of Bottom Commercial Rent Price in Downtown Chengdu［D］. Chengdu： Sichuan University， 2021.

［14］NETZELL O. The effect of accessibility on retail rents： Testing integration value as a measure of geographic location［J］. Journal of Property Research， 2013， 30（1）： 1-23. DOI：10.1080/09599916.2012.713974

［15］張仕廉，王夢夢. 商業(yè)地產(chǎn)餐飲商鋪租金的影響因素分析［J］. 中國房地產(chǎn)， 2018（6）： 62-69.

ZHANG S L， WANG M M. Analysis on the influencing factors of the rents of commercial real estate catering shops［J］. China Real Estate， 2018（6）： 62-69.

［16］劉洪杰. 基于特征價格模型的社區(qū)商業(yè)租金微觀影響因素實證研究：以深圳華僑城為例［D］. 杭州：浙江大學， 2010.

LIU H J. An Empirical Research on the Micro-Impact Factor of Community Commerce′s Rent Based on Hedonic Price Model： A Case of Shenzhen Overseas Chinese Town （OCT）［D］. Hangzhou： Zhejiang University， 2010.

［17］王愛，陸林，包善駒. 合肥市商業(yè)地價驅(qū)動因素的空間非平穩(wěn)性分析［J］. 地理科學， 2017， 37（10）： 1535-1545.

WANG A， LU L， BAO S J. Spatially non-stationary analysis between commercial land price and driving factors in Hefei city［J］. Scientia Geographica Sinica， 2017， 37（10）： 1535-1545.

［18］KOSTER H R A， PASIDIS I， VAN OMMEREN J. Shopping externalities and retail concentration： Evidence from Dutch shopping streets［J］. Journal of Urban Economics， 2019， 114： 103194. DOI：10. 1016/j.jue.2019.103194.

［19］MOHAMMAD S I， GRAHAM D J， MELO P C. The effect of the Dubai metro on the value of residential and commercial properties［J］. Journal of Transport and Land Use， 2017， 10（1）： 263-290. DOI：10.5198/jtlu.2015.750

［20］楊琦峰，郭滿，宋平，等. 城市地鐵商鋪租金定價方法的優(yōu)化研究［J］. 鐵道運輸與經(jīng)濟， 2014， 36（10）： 81-86. DOI：10.3969/j.issn.1003-1421.2014.10.016

YANG Q F， GUO M， SONG P， et al. Study on optimization of pricing method of rental shops in urban metro［J］. Railway Transport and Economy， 2014， 36（10）： 81-86. DOI：10.3969/j.issn.1003-1421. 2014.10.016

［21］沈體雁，于瀚辰. 空間計量經(jīng)濟學［M］. 2版.北京：北京大學出版社， 2019： 56， 70， 78.

SHEN T Y， YU H C. Spatial Econometrics［M］. 2nd ed. Beijing： Peking University Press， 2019： 56， 70， 78.

［22］XU T， ZHANG M， ADITJANDRA P T. The impact of urban rail transit on commercial property value： New evidence from Wuhan， China［J］. Transportation Research Part A： Policy and Practice， 2016， 91： 223-235. DOI：10.1016/j.tra. 2016.06.026

［23］李從容，朱世見，葛鵬宇. 南京市秦淮區(qū)學區(qū)房特征價格影響因素［J］. 地域研究與開發(fā)， 2019， 38（2）： 92-96. DOI：10.3969/j.issn.1003-2363.2019.02.016

LI C R， ZHU S J， GE P Y. Influencing factors of housing hedonic price in the school district of Qinhuai district in Nanjing city［J］. Areal Research and Development， 2019， 38（2）： 92-96. DOI：10.3969/j.issn.1003-2363.2019.02.016

［24］王晨歌，尹上崗. 基于空間計量模型的住宅租金空間效應研究：以南京市為例［J］. 地域研究與開發(fā)， 2019， 38（5）： 69-74. DOI：10.3969/j.issn.1003-2363. 2019.05.013

WANG C G， YIN S G. Spatial effect of residential rent in Nanjing city based on spatial econometric model［J］. Areal Research and Development， 2019， 38（5）： 69-74. DOI：10.3969/j.issn.1003-2363. 2019.05.013

［25］GOODMAN A C， THIBODEAU T G. Housing market segmentation［J］. Journal of Housing Economics， 1998， 7（2）： 121-143. DOI：10.1006/jhec.1998.0229

［26］沈體雁，于瀚辰，周麟，等. 北京市二手住宅價格影響機制：基于多尺度地理加權(quán)回歸模型（MGWR）的研究［J］. 經(jīng)濟地理， 2020， 40（3）： 75-83. DOI：10. 15957/j.cnki.jjdl.2020.03.009

SHEN T Y， YU H C， ZHOU L， et al. On hedonic price of second-hand houses in Beijing based on multi-scale geographically weighted regression： Scale law of spatial heterogeneity［J］. Economic Geography， 2020， 40（3）： 75-83. DOI：10.15957/j.cnki.jjdl. 2020.03.009

［27］唐紅濤，劉亦鵬，吳忠才. 基于POI數(shù)據(jù)的房價影響因素空間異質(zhì)性分析：以長沙市為例［J］. 城市問題，2021（2）： 95-103. DOI：10.13239/j.bjsshkxy.cswt. 210210

TANG H T， LIU Y P， WU Z C. Analysis of spatial heterogeneity of influencing factors of housing price based on POI data： A case study of Changsha［J］. Urban Problems， 2021（2）： 95-103. DOI：10.13239/j.bjsshkxy.cswt.210210

［28］谷一楨，郭睿. 軌道交通對房地產(chǎn)價值的影響：以北京市八通線為例［J］. 經(jīng)濟地理， 2008， 28（3）：411-414，453.

GU Y Z， GUO R. The impacts of the rail transit on property values： Empirical study in Batong line of Beijing［J］. Economic Geography， 2008， 28（3）： 411-414，453.

［29］王洪衛(wèi)，韓正龍. 地鐵影響住房價格的空間異質(zhì)性測度：以上海市地鐵11號線為例［J］. 城市問題， 2015（10）： 36-42，48. DOI：10.13239/j.bjsshkxy.cswt. 151006

WANG H W， HAN Z L. Spatial heterogeneity measurement on the housing prices influenced by subways： Taking subway line 11 of Shanghai city for example［J］. Urban Problems， 2015（10）： 36-42，48. DOI：10.13239/j.bjsshkxy.cswt.151006

［30］鄭燕巧，焦世泰，張曉奇. 城市結(jié)構(gòu)對軌道交通系統(tǒng)與房地產(chǎn)價格關(guān)系的影響：以北京、杭州、南京、成都4個城市為例［J］. 經(jīng)濟地理， 2019， 39（6）： 75-85. DOI：10.15957/j.cnki.jjdl.2019.06.009

ZHENG Y Q， JIAO S T， ZHANG X Q. Impact of urban structure on subway system and real estate price： Evidence from Beijing， Hangzhou， Nanjing and Chengdu［J］. Economic Geography， 2019， 39（6）： 75-85. DOI：10.15957/j.cnki.jjdl.2019.06.009

［31］DES ROSIERS F， THéRIAULT M， LAVOIE C. Retail concentration and shopping center rents：A comparison of two cities［J］. Journal of Real Estate Research， 2009， 31（2）： 165-207.

［32］孟斌，張景秋，王勁峰，等. 空間分析方法在房地產(chǎn)市場研究中的應用：以北京市為例［J］. 地理研究， 2005， 24（6）： 956-964，1004. DOI：10.3321/j.issn：1000-0585.2005.06.015

MENG B， ZHANG J Q， WANG J F， et al. Application of spatial analysis to the research of real estate： Taking Beijing as a case［J］. Geographical Research， 2005， 24（6）： 956-964，1004. DOI：10. 3321/j.issn：1000-0585.2005.06.015

［33］梅志雄，黎夏. 基于ESDA和Kriging方法的東莞市住宅價格空間結(jié)構(gòu)［J］. 經(jīng)濟地理， 2008， 28（5）： 862-866.

MEI Z X， LI X. Spatial analysis of houses' price in Dongguan based on ESDA and Kriging techniques［J］. Economic Geography， 2008， 28（5）： 862-866.

［34］馮友建，陳天一. 基于SEM模型的軌道交通對住宅價格的空間效應：以杭州市為例［J］. 浙江大學學報（理學版）， 2020， 47（1）：115-122. DOI：10.3785/j.issn.1008-9497.2020.01.017

FENG Y J， CHEN T Y. The spatial effect of rail transit on residential prices based on SEM model： A case study of Hangzhou［J］. Journal of Zhejiang University （Science Edition）， 2020， 47（1）： 115-122. DOI：10.3785/j.issn.1008-9497.2020.01.017

［35］沈體雁，于瀚辰，曹巍韡，等. 空間計量分析軟件：GeoDa、GeoDaSpace和PySAL操作手冊［M］. 北京：北京大學出版社， 2019：64-67.

SHEN T Y， YU H C， CAO W W， et al. Software for Spatial Econometrical Analysis： Operation Manual of GeoDa， GeoDaSpace and PySAL［M］. Beijing： Peking University Press， 2019： 64-67.

［36］張寧，戴潔，張曉軍. 基于多項Logit模型的軌道交通站點步行接駁范圍［J］. 城市軌道交通研究， 2012， 15（5）： 46-49. DOI：10.3969/j.issn.1007-869X.2012. 05.013

ZHANG N， DAI J， ZHANG X J. Walking affect area of rail transit station based on multinomial Logit model［J］. Urban Mass Transit， 2012， 15（5）： 46-49. DOI：10.3969/j.issn.1007-869X.2012.05.013

［37］嚴海，楊榮榮，熊文，等. 步行和自行車接駁軌道交通時空閾值研究［J］. 城市交通， 2013， 11（2）： 83-90. DOI：10.3969/j.issn.1672-5328.2013.02.013

YAN H， YANG R R， XIONG W， et al. Critical accessing time and distance for pedestrian and cyclists to urban rail transit［J］. Urban Transport of China， 2013， 11（2）： 83-90. DOI：10.3969/j.issn.1672-5328. 2013.02.013

Analysis of spatial heterogeneity of shop rent influencing factors based on spatial econometrics model: A case study of Hangzhou

DAI Haocheng, FENG Youjian

（，，310027，）

With the rapid development of economy and society, the urbanization process in China continues to accelerate, which promotes the prosperity of urban commerce and the appreciation of shops. Although a large amount of research results on the value of commercial properties have been carried out, the influence mechanism for shop rent is still unclear. Especially, few studies have focused on the topic of spatial heterogeneity. This paper selects 2 026 representative ground floor shops located within the range of 1-6 grade commercial areas in Hangzhou as the research samples. Based on the Kriging interpolation, we explore the spatial differentiation pattern of shop rent in Hangzhou and divides the study area into 5 sub-markets. In particular, we adopt Hedonic price method based on spatial econometrics models to explore the spatial heterogeneity of the factors influencing shop rent in 5 sub-markets respectively. The results show that different commercial and public facilities such as hospitals, shopping malls, schools and transportation facilities have a positive impact on shop rent in general, but with significant differences in the degree and scope of impact on shop rent. Also, the same variable influences shop rent differently in different urban areas such as complex functional areas, business functional areas and residential functional areas as well as urban central areas and urban peripheral areas, which exhibits spatial heterogeneity.

spatial econometrics model; shop rent; influencing factor; spatial heterogeneity; Hangzhou

F 293.3

A

1008?9497（2023）01?096?12

2021?12?30.

戴豪成（1996—），ORCID：https：//orcid.org/0000-0001-8937-3900，男，碩士研究生，主要從事城市地理學研究，E-mail：daihaocheng@zju.edu.cn.

通信作者，ORCID：https：//orcid.org/0000-0002-2486-6533，E-mail：jlong@zju.edu.cn.