南京市住宅小区租金空间分布特征研究

南京市住宅小区租金空间分布特征研究沈㊀豪摘㊀要:利用网络爬虫技术从房地产网站上收集了南京市２４３８个小区的租赁数据ꎬ运用空间自相关分析和克里金插值法ꎬ研究南京市小区平均租金的分布规律ꎬ探究分布形成的原因ꎮ研究发现:南京市的小区平均租金服从正态分布ꎬ存在显著的空间自相关ꎬ并且南京市租金分布呈现从中心向外递减和 一个中心㊁两个次级中心 的特征ꎮ中心商务区㊁城市房地产开发㊁公共服务设施的差异以及教育资源的分布等因素共同作用形成了南京市租金的现有格局ꎮ这三个因素通过影响南京市租赁市场的供给关系来决定南京市住宅的租赁水平ꎮ关键词:住宅租金ꎻ空间分布ꎻ南京中图分类号:Ｆ２９３.３㊀㊀㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀㊀㊀文章编号:１００８－４４２８(２０１９)０１－０１８０－０３㊀㊀一㊁引言我国房地产业高速发展近２０年ꎬ基本解决城镇户籍人口居住问题ꎬ然而高房价抬高了中低收入居民购买商品住房的门槛ꎬ租房成为实现 居者有其屋 的重要途径ꎮ我国现行的租赁住房市场需求巨大ꎬ中国７亿多城镇居民中有２０％长期租房ꎬ在一些一二线城市中４０％的常住人口长期租房ꎮ十九大报告明确指出要 让全体人民住有所居 ꎬ要实现着目标ꎬ仅依靠住房销售市场是远远不够的ꎬ还要依靠住宅租赁市场弥补住房销售市场的缺漏ꎮ研究住宅租赁市场ꎬ对于解决中低收入人群居住问题㊁加强租赁市场建设和管理㊁保障承租出租双方合法利益均具有重要意义ꎮ而租金是整个市场的核心ꎬ租金的高低反映了租赁市场的供需关系ꎮ了解租金分布规律有助于因地制宜地管理房地产租赁市场ꎬ促进我国房地产业的和谐发展ꎮ南京市是我国东部重要的中心城市和全国重要的科教基地和综合交通枢纽ꎮ南京市的房地产市场从２０世纪９０年代开始ꎬ经过近２０年的发展ꎬ房地产和与其相关的产业已经成为南京的重要经济支柱之一ꎮ选择南京市作为本文的研究对象ꎬ主要因为南京市作为我国的３５个大中城市之一ꎬ居民规模庞大ꎬ外来人口众多ꎬ产生了巨大的住房需求ꎮ但住房销售市场供给不足ꎮ自９８年住房改革以来ꎬ南京市的房价一路飙升ꎬ从平均房价２００１年的２９０７元每平方米ꎬ上涨到了２０１７年２５７３３元每平方米ꎬ增幅达８倍多ꎮ但人民收入水平的增长却远远跟不上房价的增长ꎬ同样２００１ ２０１７年１７年中ꎬ只上涨了５倍ꎮ房价远超收入的增长速度反映了住房销售市场巨大的供需矛盾ꎬ供给严重不足ꎮ 买房难 已经成为困扰南京市常驻居民的棘手问题之一ꎬ于是租房成为收入水平一般居民的重要居住选择ꎮ以上原因使得南京拥有了一个巨大而又典型的住宅租赁市场ꎮ通过对南京市住宅租赁市场的研究ꎬ可以管中窥豹地了解与南京类似的一二线城市的住宅租赁市场的现状ꎬ为有关部门管理住宅租赁市场制定相关政策提供依据ꎮ二㊁文献综述关于房地产领域空间分布的研究ꎬ国外的研究大多集中于对方法的研究ꎮＯｌｍｏ(２００７)首先分别介绍了克里金插值法和协同克里金插值法ꎬ并利用两种插值法分别对西班牙的住宅价格进行研究ꎬ之后比对两种方法的结果ꎬ发现两者各有优劣ꎮＣｅｌｌｍｅｒ和Ｒａｄｏｓłａｗ(２０１４)探讨了地质统计学方法主要为克里金插值法应用于研究未开发土地价格空间分布的可行性ꎬ以及这些方法的局限性ꎬ利用地质统计学方法建立了波兰奥尔斯丁未开发土地价格的模型并且绘制了该地区的土地价值地图ꎮ可以发现在研究分布时常用的方法为克里金插值法ꎮ但是在研究中ꎬ学者们发现克里金插值法有自身的局限性ꎬ于是在各自相关研究中指出了克里金的不足之处和改进方法ꎮ国内对于房地产领域的空间分布研究要晚于国外ꎬ深度也和国外研究前沿有一定差距ꎮ国内学者对于房地产领域的空间分布开始于２０１０年前后ꎬ现有研究只是将地质统计学方法机械地运用于房地产市政研究ꎬ方法同样主要为克里金插值法ꎬ但没有探讨克里金插值法的优缺点和它的适用范围ꎮ研究对象也主要为上海㊁广州这样一些大城市ꎮ贾士军㊁周春山(２００９)对房屋参考租金测定的方法和技术路线进行了研究ꎬ并用广州市的数据做了实证分析ꎬ研究分别揭示了广州市区低层住宅㊁中层住宅以及高层住宅租金的空间分布规律ꎮ苏亚艺㊁朱道林等(２０１４)运用了空间自相关分析和克里金插值法等方法对北京市六环以内的住宅租金的空间分布规律进行了分析ꎬ经过分析发现:北京市租金分布存在高度显著的自相关ꎬ主要呈现出从市中心逐渐向外递减的规律ꎬ研究还揭示了北京市租金分布的影响因素ꎬ发现交通条件是影响空间分布最重要的因素ꎬ这些因素通过影响租赁住宅供需平衡㊁居住效用的方式来影响住宅的租金水平ꎮ住宅租金对于国计民生的重要性不言而喻ꎬ同时租金也具有时空动态性强的特点ꎬ在不同时间㊁不同地租金水平往往相差巨大ꎬ其分布和分布成因值得深入探讨ꎮ国内关于房地产的分布虽然有了一定成果ꎬ但是主要针对北京㊁广州等一线城市ꎬ对二㊁三线城市研究较少ꎮ针对南京市这样的二线城市租赁市场研究较少的现状ꎬ本文通过数据采集技术从房地产租赁网站上收集到了南京市２４３８个小区的租金样本ꎬ研究了南京市小区平均租金的空间相关性和空间分布规律ꎬ探讨了影响南京市小区平均租金分布的影响因素ꎮ本研究旨在探究城市租赁问题ꎬ优化城市房地产资源的配置ꎬ促进房地产资源的流通ꎬ探索提高政府在房地产租赁领域的科学决策水平的途径ꎮ三㊁研究区域概况及数据来源(一)数据来源本次研究的数据来自房地产出售和租赁网站ꎬ主要有南京链家网(ｈｔｔｐｓ:ʊｎｊ.ｌｉａｎｊｉａ.ｃｏｍ/)㊁南京房天下(ｈｔｔｐ:ʊｎａｎｊｉｎｇ.ｆａｎｇ.ｃｏｍ/)㊁南京安居客(ｈｔｔｐｓ:ʊｎａｎｊｉｎｇ.ａｎｊｕｋｅ.０８１公共管理Һ㊀ｃｏｍ/)ꎮ通过爬虫软件从以上网站得到租赁数据ꎬ并通过实地走访验证了数据的准确性ꎬ同时也补充了相关缺失数据ꎮ经过分析整理之后ꎬ总共获得２４３８个小区１３４９１个租赁数据ꎮ时间跨度为２０１６年１月 ２０１８年４月ꎮ(二)数据概要本次获得数据为单个住宅的租赁数据ꎮ由于本文主要研究住宅小区的平均租金ꎬ所以首先要根据住宅的租金获得小区的平均租金ꎮ本文采用的方法为分别对每个小区的住宅月租金和住宅面积进行加总ꎬ根据住宅总租金(元每月)和住宅总出租面积(平方米)获得小区的平均租金(元每月每平方米)ꎮ经过计算获得了２４３８个小区的平均租金ꎮ数据概要如下表１所示ꎮ表１㊀统计概要变量样本容量均值标准差最小值最大值租金(元每月)１３４９１４０００.１３７４０.９２００２０００００面积(平方米)１３４９１７８５５.１２０２４８３.７小区平均租金(元每月每平方米)２４３８５２.２７２１.６６９.９０３４６.４３㊀㊀四㊁实证分析(一)正态分布检验本文采用克里金插值法对南京市租金分布进行研究ꎮ在进行克里金插值之前ꎬ首先要对数据进行正态分布检验ꎮ克里金插值法一般要求数据服从正态分布ꎮ如果数据不服从正态分布ꎬ则需要对数据进行转化ꎬ转化之后使其服从正态分布ꎮ数据服从正态分布或者在转化之后服从正态分布ꎬ就可以对数据进行克里金插值ꎮ为了检验数据是否服从正态分布ꎬ采用正态ＱＱ分布图对数据进行检验ꎮ数据经过对数变化之后所呈现的ＱＱ－Ｐｌｏｔ图如图１所示ꎬ在经过对数变化后的租金数据ＱＱ图近似于一条直线ꎬ所以数据在经过对数变化后服从正态分布ꎬ符合空间插值的要求ꎮ图１㊀小区平均租金正态ＱＱ图为了使得小区平均租金的分布更加明显ꎬ可以利用数学曲面对小区平均租金的分布进行模拟ꎮ利用ＡＲＣＧＩＳ软件中的地质统计分析工具模拟出参与统计的南京市小区的平均租金的趋势面ꎬ绘制结果如图２所示ꎮ由图２可知ꎬ南京市小区的平均租金在南北方向和东西方向上都呈现出倒 Ｕ 型的正态分布ꎬ即租金在南北和东西方向先增加后降低ꎮ说明南京市小区平均租金存在中心高四周低的分布特点ꎮ图２㊀南京市小区平均租金趋势面分析图(二)空间相关性分析为了进行空间插值ꎬ需要检验小区平均租金是否存在空间相关性ꎬ即小区平均租金在空间上的分布并不随机ꎬ存在高值与高值集聚在一起㊁低值与低值集聚在一起的现象ꎬ或者存在高值与低值相邻的现象ꎮ因为空间自相关的复杂性ꎬ在相关研究中有一系列有关度量空间自相关性的方法ꎬ其中最常被使用的是 莫兰指数Ι(Ｍｏｒａｎ ｓΙ) ꎮ一般使用 莫兰指数Ι(Ｍｏｒａｎ ｓΙ) 来检验研究的变量的空间相关程度ꎮ莫兰指数Ι的取值介于－１和１之间ꎬ大于０说明为正自相关ꎬ小于０为负自相关ꎮ经计算ꎬ南京市小区的平均租金的莫兰指数为０.１５２０ꎬＰ值为０.００００ꎬ在１％的显著性水平下拒绝 无空间自相关 的原假设ꎬ即可以认为存在空间自相关ꎮ并且莫兰指数大于０ꎬ说明小区平均租金呈现正自相关ꎬ也就是高租金小区与高租金的小区相邻ꎬ而低租金小区与低租金小区相邻ꎮ(三)克里金空间插值克里金插值法是一种已被广泛使用的地质统计格网化方法ꎮ它是一种精确局部插值方法ꎬ以空间自相关性为理论基础ꎬ利用原始数据和半方差函数的结构性ꎬ对区域化变量的未知采样点进行无偏最优估计的插值方法ꎬ其插值效果比较客观ꎮ克里金插值法的核心思想是在有限范围内ꎬ对变量进行无偏最优估计ꎮ由上文的分析可知ꎬ南京市八个市辖区的小区平均租金服从正态分布ꎬ并且在１％的显著性水平下拒绝 没有空间自相关 的原假设ꎬ明显存在空间自相关性ꎮ因此可以对南京市的租金数据进行空间插值ꎮ因为本文的租金样本点数量较多ꎬ分布较为集中ꎬ满足使用普通克里金插值法的要求ꎮ并且根据文献综述ꎬ发现研究大中型城市的房价㊁租金分布使用普通克里金插值法较为合适ꎮ普通克里金插值法属于地质统计学的基本方法之一ꎬ该方法在样本点的插值与样本点的实际值较为接近ꎬ在输出结果中也不会存在明显的波谷与波峰ꎮ这就使得对租金的插值结果更加可信㊁可行ꎬ视觉化也更优ꎮ因此可以通过运用普通克里金插值法对小区的平均租金进行插值ꎬ得到整个研究区域的租金分布图ꎮ插值结果如图３所示ꎮ图３中ꎬ颜色越趋近于黑色表示该区域的租金越高ꎬ越趋近于白色表示该区域的平均租金越低ꎮ观察图３可以发现南京小区平均租金的分布有两个特点 从中心向外递减㊁ 一个中心ꎬ两个次级中心 ꎮ一个中心位于在南京市玄武区㊁秦淮区和鼓楼区的交界处 新街口商务中心ꎬ附近平均租金最高ꎬ达到了８６ ９３元每月每平方米ꎮ两个次级中心分别位于建邺区的中心地带 河西中心商务区和栖霞区的南部地区ꎮ图３㊀南京市小区平均租金分布图１８１五㊁原因与结论(一)原因分析南京市的租金分布主要呈现两个特点ꎮ第一ꎬ大致呈现从中心向周围递减ꎬ离市中心越近的区域小区的平均租金越高ꎬ离市中心越远的区域租金越低ꎮ第二ꎬ呈现 一个中心㊁两个次级中心 的分布ꎬ南京市租金最高的区域位于南京市的中心地带 新街口商务中心ꎬ除此之外ꎬ河西商务中心和栖霞区南部两个区域的租金高于周围地区ꎬ但相较于新街口商务中心略低ꎮ根据南京的基本情况和相应的理论ꎬ主要有以下三个原因造成了南京市小区平均租金呈现图３中的分布ꎮ１.商务中心根据南京市规划ꎬ在所研究的区域中南京市中心商务区共有两个 新街口商务中心和河西商务中心ꎬ在图３中有所标注ꎮ中心商务区吸引了大量从事服务业的劳动力ꎬ而致使租赁需求旺盛ꎬ表现为中心商务区周围的小区平均租金高于其他地区ꎮ其次ꎬ由于劳动力租金支付能力存在差异而造成小区平均租金存在差异ꎬ从事服务业的平均收入高于从事制造业的劳动力的平均收入ꎮ在地图上表现为服务业为主的商务中心周围租金高于以制造业为主的郊区小区的平均租金ꎮ２.公共服务设施的差异导致了租金水平的不同南京市市中心区域有大量的医院㊁公园和菜市场ꎬ而且地铁站的分布也更为密集ꎮ这些设施给人们的衣食住行带来了极大的便利ꎬ城市居民更愿意居住在拥有完备公共服务的城市中心ꎮ这也就造成了市中心租赁需求的增长ꎬ促使了租金的上升ꎮ因此ꎬ公共服务水平可以说是决定租金水平高低的重要因素之一ꎮ３.教育资源的推动作用在图３中ꎬ可以发现还有位于栖霞区南部的地区租金也高于周边地区ꎬ甚至大致和建邺区的河西商业中心的水平相当ꎮ经过调查发现ꎬ栖霞区南部为南京市的仙林大学城ꎬ该大学城已有１２所高校㊁６所中小学和近２０家幼儿园进驻ꎬ集中了江苏省１５％的高等教育资源ꎮ高校的进驻带来了大量的大学生人口ꎮ虽然高校提供住宿服务ꎬ但部分大学生因为各种原因选择外出租房ꎮ学生考虑到通勤时间往往选择于学校附近租房ꎮ并且大学生创业也多选择于本人熟悉的地方进行创业ꎬ创业初期往往只能通过租房的方式解决办公场地问题ꎬ所以在选择创业所在地的时候倾向于选择大学周围ꎮ以上的两个原因使得高校密集分布成为助推租金上涨的原因之一ꎮ除去高等教育资源的原因ꎬ中小学和幼儿园的密集分布也会造成租金的上涨ꎮ部分家长为了节省儿女上下学的通勤时间也会选择在学校附近租房ꎮ因此教育资源带动了租赁市场的需求增长ꎮ(二)结论根据从房地产网站上搜集得到的信息ꎬ计算得到南京市小区每平方米的平均月租金ꎬ以南京市的街道地图为底图标注南京市２４３８个小区ꎮ根据地图信息结合收集到的南京市小区平均租金ꎬ利用地理软件对数据进行基本分析ꎬ并采用克里金普通插值法对参与研究的２４３８个小区样本进行空间插值ꎬ得到了南京市的小区平均租金分布图ꎮ根据对租金数据的分析和租金地图可以得到以下结论ꎮ１.南京市的租金大致服从正态分布ꎮ根据南京市小区平均租金绘制正态ＱＱ图ꎬ发现南京的平均租金服从正态分布ꎬ也就是说低租金和高租金的小区数量都较少ꎬ而中等租金的小区数量较多ꎮ再结合南京市小区的地理分布而绘制的小区平均租金趋势面分析图ꎬ可以发现租金分别在东西和南北两个方向上虽然存在不止一个的高峰ꎬ但是都大致服从正态分布ꎬ从南京市的南部到北部㊁东部到西部ꎬ小区的平均租金都呈现先升高后降低的趋势ꎮ２.南京市的小区平均租金存在空间自相关性ꎮ为了保证插值的顺利进行ꎬ需要证明数据存在空间相关性ꎮ空间计量经济学中广泛使用 莫兰指数 来测度数据的空间相关性ꎮ因此在本文使用莫兰指数来测度小区平均租金的空间相关性ꎮ根据莫兰指数ꎬ发现小区租金存在空间相关性ꎮ再结合南京市的平均租金趋势面分析图ꎮ南京市的平均租金存在空间正相关性ꎬ即小区平均租金在分布上呈现高值与高值相邻ꎬ而低值与低值相邻的特点ꎮ３.南京市小区平均租金分布呈现 一个中心㊁两个次级中心 和自中心向外递减的规律ꎮ存在一个中心㊁两个次级中心ꎬ中心位于南京市中心ꎬ而另两个次级中心分别位于河西商务中心和仙林大学城ꎮ参考文献:[１]ＰａｃｅＲＫꎬＢａｎｇＲꎬＧｉｌｌｅｙＯＷꎬＳｉｒｍａｎｓＣＲ.Ａｍｅｔｈｏｄｆｏｒｓｐａｔｉａｌ－ｔｅｍｐｏｒａｌｆｏｒｅｃａｓｔｉｎｇｗｉｔｈａｎａｐｐｌｉｃａｔｉｏｎｔｏｒｅａｌｅｓｔａｔｅｐｒｉｃｅｓ[Ｊ].ＪｏｕｒｎａｌｏｆＨｏｕｓｉｎｇＲｅｓｅａｒｃｈꎬ２０００ꎬ１６(２):２２９－２４６. [２]ＯｌｍｏꎬＪ.Ｃ.ＰｒｅｄｉｃｔｉｏｎｏｆＨｏｕｓｉｎｇＬｏｃａｔｉｏｎＰｒｉｃｅｂｙａＭｕｌｔｉ￣ｖａｒｉａｔｅＳｐａｔｉａｌＭｅｔｈｏｄ:Ｃｏｋｒｉｇｉｎｇ[Ｊ].ＪｏｕｎａｌｏｆＲｅａｌＥｓｔａｔｅＲｅ￣ｓｅａｒｃｈꎬ２００７ꎬ２９(１):９１－１１４.[３]贾士军ꎬ周春山.城市房屋参考租金测定与空间分布以广州为例[Ｊ].经济地ꎬ２００９ꎬ２９(４):６１８－６２３. [４]苏亚艺ꎬ朱道林ꎬ耿槟.北京市住宅租金空间结构及其影响因素[Ｊ].经济地理ꎬ２０１４ꎬ３４(４):６４－６９.[５]李卫民ꎬ李同昇ꎬ武鹏.南京市住宅租金空间分异特征与影响因素分析[Ｊ].测绘科学ꎬ２０１８ꎬ４３(５):９５－９９ꎬ１０４. [６]王莉.贵阳市两城区普通住宅租金空间分布特征研究[Ｄ].贵阳:贵州师范大学ꎬ２０１７.[７]汪佳莉ꎬ季民河ꎬ邓中伟.基于地理加权特征价格法的上海外环内住宅租金分布成因分析[Ｊ].地域研究与开发ꎬ２０１６ꎬ３５(５):７２－８０.[８]苏亚艺ꎬ朱道林ꎬ耿槟.北京市住宅租金空间结构及其影响因素[Ｊ].经济地理ꎬ２０１４ꎬ３４(４):６４－６９.[９]梁华.城市商务办公楼租金特征与空间分布研究[Ｄ].重庆:重庆大学ꎬ２０１１.[１０]张景秋ꎬ陈叶龙ꎬ孙颖.基于租金的北京城市办公活动经济空间结构解析[Ｊ].地理科学ꎬ２０１０ꎬ３０(６):８３３－８３８. [１１]ＣｅｌｌｍｅｒꎬＲａｄｏｓłａｗ.ＴｈｅＰｏｓｓｉｂｉｌｉｔｉｅｓａｎｄＬｉｍｉｔａｔｉｏｎｓｏｆＧｅｏｓｔａｔｉｓｔｉｃａｌＭｅｔｈｏｄｓｉｎＲｅａｌＥｓｔａｔｅＭａｒｋｅｔＡｎａｌｙｓｅｓ[Ｊ].ＲｅａｌＥｓｔａｔｅＭａｎａｇｅｍｅｎｔ＼ｓ＆＼ｓｖａｌｕａｔｉｏｎꎬ２０１４ꎬ２２(３):５４－６２.作者简介:沈豪ꎬ男ꎬ浙江湖州人ꎬ南京财经大学在读硕士ꎬ研究方向:房地产市场与政策ꎮ２８１。