2012年我国房价变化及空间差异分析

张 蕤，张青年

（1.中山大学 遥感与地理信息工程系，广东 广州510275）

2012年我国房价变化及空间差异分析

张 蕤1，张青年1

（1.中山大学 遥感与地理信息工程系，广东 广州510275）

选取全国100个大中城市房屋销售价格为主要数据来源，以箱线图、直方图和空间分布GRID图为工具，分析了2012年样点城市的房价变化情况及不同区域城市之间的空间差异。结果表明，我国大部分地区房价在2012年呈平稳形势，涨跌幅度西北部地区高于东南部地区，但因后者基数大，导致二者的房价差距依旧明显。

房价；变化；空间差异；GIS

2003年以来，我国大部分城市房价大幅上涨，暴露出我国房屋供需失衡、价格过高的问题[1,2]。2004年国家先后出台多项调控房地产的政策，但房价上涨过快的势头并未得到明显遏制。2010年1月和9月，国家先后出台了“国十一条”和“新国五条”等一系列房地产调控政策，一些大中城市出台了房地产限购令，房价迅猛上涨势头得到有效遏制[3]。2012年是国家“最严”房价宏观调控政策颁布的第3年，部分城市房地产又出现旺销的迹象，房地产市场是否稳定对国民经济和居民生活质量有极大影响。

国内学者研究了我国房地产价格的空间格局[4-10]。其中，许晓晖、王霞、梅志雄等使用插值方法生成了上海、北京、东莞等地市房价等值线图，并对房价的空间相关性进行了分析。然而，已有研究大多数都是局限于单个城市内部房价的空间分布，只有王雁[11]使用Moran散点图和LISA分析工具探讨了1999～2006年中国省域房地产价格差异。本文以国家对房地产行业的宏观调控为背景，分析了全国房地产价格变动的空间差异，有利于把握房地产价格的整体规律。

1 数据收集

本文采用中国指数研究院数据信息中心发布的《中国房地产指数系统2012年12月百城价格指数》[12]中的百城样本均价（元/m2）和同比涨跌（%）数据为基本数据源，用以说明2012年年底房价和2012年年底相较于年初的房价变动情况。样本城市的省份分布情况如表1所示。需要说明的是本数据监测样本囊括了城区、郊区以及房地产市场较为发达的下辖县市的商品住宅、别墅和保障性住房。

表1 样本城市省份分布情况表

2 研究方法

利用数理统计方法对数据分布和异常值进行分析，探讨数据的合理性。使用直方图对非异常数据区间中的样点分析，进一步了解样点的数值分布。利用空间数据插值方法生成全国房价数据和房价涨跌数据，分析全国房价水平及涨跌情况，结合图像和结果数据分析我国主要城市2012年的房价变化和空间差异。

2.1 箱线图分析

箱线图是一种简便的极端值和异常值判定方法[13]。通过箱线图可以看出数据的总体分布，识别数据中的异常值，目前其在野外数据测量、河流水质评价等领域均有应用[14,15]。我国百城房价的样本均价和同比涨跌数据的箱线图如图1所示。

图1中的Q3为上四分位数，Q1为下四分位数，H为半极差，值为Q3-Q1。非极端值取值区间为[Q1-3H,Q3+3H]，非异常值取值区间为[Q1-1．5H,Q3+1.5H]。样本均值方面，Q1=5 582元/m2，Q3=8 841元/m2，则非极端值取值区间为[-4 195,18 618]，非异常值取值区间为[693．5,13 729．5]。有少部分样点数据处于极端值和异常值区间，其中极端高值点为上海、三亚、深圳和北京，异常高值点为温州、杭州、厦门和广州。

图1 百城房屋样本均价和同比涨跌箱线图

同比涨跌方面，Q1=-3．2%，Q3=2．03%，则非极端值取值区间为[-18．89,17．72]，非异常值取值区间为[-10．045,9．875]。只有少量样点为异常值，其中异常高值点为乌鲁木齐和菏泽，异常低值点为温州。

2.2 样点数据结构分析

箱线图不能提供关于数据分布偏态的度量，且反映的形状信息较为模糊[13]，故使用直方图对非异常数据进行结构分析，较直观准确地反映数据分布特征和总体规律。对样本均价和同比涨跌数据作统计直方图如图2所示。

图2 区间统计直方图

从图2 a可以看出，百城房屋均价数据近似呈正态分布，近一半的样点城市房价集中在5 000～7 500元/m2区间；房价较高（万元以上）的城市数目不到样点总数的10%。在图2 b中，同比涨跌也近似呈正态分布，-2．5%～0和0～2．5%区间的城市超过样点总数目的一半（57个），说明大部分城市的房价还维持在上年同期水平。

2.3 空间数据插值

百城房价均值和同比涨跌数据在一定程度上代表了全国各类城市房价的情况。通过空间插值，可得到全国房价的具体数据。前述分析发现，百城房价均值和同比涨跌数据中都存在异常值，数据分布的局部趋势性不强，不适合采用克里金插值方法[10]。本文采用反距离加权插值方法对房价样点数据插值处理，生成了全国房价均值和同比涨跌数据，并在ArcScene软件中设置三维显示，局部如图3所示。

图3 空间分布GRID图（局部）

3 结果分析

3.1 样点均价分析

房屋住宅价格极端和异常高值主要分布在京津、长三角、珠三角地区的发达省市。这些区域发展程度较高，人口密集，居民收入及生活质量更优，再加上前10年房地产行业的优先发展造成了如此居高不下的房价。同时，值得注意的是国家主力推广的国际海滨旅游城市三亚也位列异常高值部分，这主要是由于三亚优越的自然环境、众多的观光客流和房地产投资商的青睐。

从直方图来看，大部分城市还维持在5 000～8 000元左右，“万元”房价城市主要分布在东南沿海发达城市，GRID图中这些地区的颜色很深且高度较大。特别是江浙沪一带的房价在2012年下跌的情况下依旧坚挺得令普通百姓高不可及。东北、河北、河南和山东西部等地区，房价较沿海省份则降低很多，不过因靠近发达区域，其普遍房价保持在6 000元左右，这部分地区在图像中较东部颜色变淡。中西部地区因为发展速度较慢，则大致维持在5 000元以下。需要说明的是，由于新疆、西藏地区的样点只有乌鲁木齐1个城市，而其作为自治区首府，房价较高，导致了疆藏地区的插值结果与现实情况稍有差异。

总体来看，我国城市房价呈现西北向东南递增的趋势，这和区域发展程度相符。而且一、二线城市的住宅价格集中高出我国其他地区，且差异明显，这一点可从GRID图中北京、上海、浙江、福建、广东、海南等地的曲面抬升坡度看出。

3.2 同比涨跌分析

异常低值城市温州所处的江浙沪地区在2012年出现了大范围的不同程度的房价下跌，海南省也有类似的状况，可以明显看出这些区域颜色很淡且下陷于平均面。和前几年这些地区的房地产市场异常火爆的表现差异巨大，说明2012年国家宏观调控政策依然在对前期房市过热区域产生重要的压制作用，房市病态发展势头受到遏制并逐步恢复至正常水平。异常高值为乌鲁木齐和山东菏泽，它们分别为内陆省会城市和中部三线城市，这些地区的发展水平较低，房价仍有上升空间。

从直方图中看到，过半城市的涨跌指标维持在-2．5%～2．5%之间。全国大部分的住宅价格处于稳定状态，非异常样点中泰州上升幅度最高，为7．99%。不过，这相较于前几年动辄过10的增长已有了明显改善。就中国目前的经济发展形势、快速的人口增长以及不断推进的城镇化进程而言，住宅价格的上升是一种不可避免的长期发展趋势，而国家当下相对偏紧的宏观政策则决定了其短期的稳定走向，故采取措施控制住宅价格反弹依旧是国家制定政策过程中需要考虑的重要问题。

从同比涨跌GRID图来看，大致可描述为“西北高东南低”的走势。中西部新疆、青海、四川等省份的住宅价格增长幅度明显整体超过东部地区，而东南部地区，除广东外住宅价格增长势头相对疲软。在图像中也可看到，东南部地区颜色偏淡，而中西部地区颜色整体偏深。这和国家“西部大开发”政策是紧密相关的，体现出我国相对落后的中西部地区正在逐步缩短与东部地区的发展差异。

4 结 语

综上分析，我国大部分地区新建商品房住宅价格在2012年呈平稳态势，涨跌幅度西部地区高于东部，尤其是近年来房市泡沫较大的地区，国家宏观政策的力度依旧不减。但是因为后者基数大，导致二者的房价差距依旧明显。

尽管百城样点分布和房价计算方式等方面存在一定的局限性，但还是在一定程度上反映了我国目前房价水平和涨跌状况，对于把握我国房屋价格态势有重要的参考意义。

[1] 徐寿波．生活要素六元理论[J]．北京交通大学学报：社会科学版,2007,19(1):15-18

[2] 陈龙．中国房地产泡沫的历史及现状[J]．经济体制改革,2005(2):35-39

[3] 秦基胜．中国房地产转折之年——中国房地产2010年年终盘点与2011年发展展望[J]．中国房地产业,2011,292(1):42-47

[4] 丁雪莹,洪灿,熊孜,等．基于GIS的长沙市商品住宅价格空间格局及影响因素分析[J]．热带地理,2012,32(4):423-428，436

[5] 周敏,甄峰．基于空间分析的城市商品住宅价格空间分布研究——以南京市2007年开盘在售商品住宅为例[J]．现代城市研究,2008(7):47-53

[6] 番婷婷．基于GIS的昆明市商品住宅价格分布规律研究[D]．重庆：重庆大学,2010

[7] 李妮．基于GIS的西安市商品住宅价格空间变化趋势研究[J]．陕西教育：高教版,2011(12):11-12，16

[8] 许晓晖．上海市商品住宅价格空间分布特征分析[J]．经济地理,1997(1):80-87

[9] 王霞,朱道林．基于Kriging方法和GIS技术的地价时空格局研究[J]．重庆建筑大学学报,2007,126(1):101-105

[10] 梅志雄,黎夏．基于ESDA和Kriging方法的东莞市住宅价格空间结构[J]．经济地理,2008,129(5):862-866

[11] 田成诗,王雁．基于空间统计分析的中国省域房地产价格差异研究[J]．数学的实践与认识,2012,42(1):13-21

[12] 中国指数研究院数据信息中心．中国房地产指数系统2012年12月 百 城 价 格 指 数[EB/OL]．http://fdc．soufun．com/ report/6192．htm,2013-01-04

[13] 庄作钦．BOXPLOT——描述统计的一个简便工具[J]．统计教育,2003(1):34-35

[14] 刘瑶,于雷,余向勇,等．箱线图在河流水质评价中的应用研究[M]．北京：中国环境科学出版社,2008

[15] 王新峰,梁杏,孙蓉琳,等．基于野外测量数据的裂隙间距箱线图法初探——以锦屏一级水电工程厂房为例[J]．安全与环境工程,2010, 68(2):103-107，122

[16] 金牛,姜彬．房价变化新趋势或将来临[J]．大众理财顾问,2012, 346(4):80-81

P207

B

1672-4623（2014）01-0123-03

10.11709/j.issn.1672-4623.2014.01.042

张蕤，硕士，研究方向为地理信息系统应用。

2013-04-23。

项目来源：国家自然科学基金资助项目（40971210）。