城市公园绿地对周边住宅价格的影响研究——以兰州市为例.pdf

上海房地区域房地产城市公园绿地对周边住宅价格的影响研究一以兰州市为例文/郑瑾【摘要】随着我国经济的发展，人们在购房时不仅考虑学位、公共交通等，公园绿地也成为重要考量的因素。因此，研究住宅距公园绿地距离以及公园面积对房地产价格的影响具有重要的意义。基于此，本研究选取兰州市主城区内9个城市公园周围1.8 千米内小区的数据，运用特征价格模型选取1 4 个特征价格定量评估与公园绿地距离以及公园绿地面积对住宅价格的影响。研究结果表明：兰州市房地产价格随与公园绿地距离的增加而下降，与公园绿地距离增加1%，房地产价格下降3.8 6 3%，影响距离为0.8 3 6 5 千米；住宅价格随公园绿地面积的增加而增加，公园面积每增加1%，住宅价格增加0.0 7 1%。【关键词】城市公园绿地；住宅价格；特征价格模型；兰州市一、引言随着我国经济的日益增长与房地产市场的不断完善，住宅不再仅仅是人们必要的住所，更是令人放松的个人舒适空间。近年来，环境问题不断恶化，人们逐渐意识到舒适的环境对生活质量至关重要。城市绿地公园不仅为优化城市空气质量作出了巨大的贡献，更为居民休闲娱乐和放松解压提供了空间。因此，在物质生活有保障的条件下，更多人愿意支付较高的价格去购买城市绿地公园附近的住宅。国内外大量研究表明，随着经济的不断进步，城市居民的购买力迅速提升。现如今，人们更多地关注住宅周围的环境，并表现出一定的支付意愿，如对城市绿地公园、城市湖泊、城市森林等具有正外部性的环境资源，人们愿意为了周围优质的环境支付更高的房价，而垃圾填埋场、殡仪馆、棕地等具有负外部性的环境资源，则会因人们的抵制使得其周围住宅价格下降。对于公园和房价之间关系的研究最早可追溯至美国卢38September 2023博克市的邻里公园距离与房价之间关系的研究，研究者基于简单的相关分析，发现两者之间具有显著的正相关关系。然而，该结果没有控制对房价产生影响的其他因素，可信度不高。另有外国学者选取了园林景观附近的住宅为样本，研究发现景观对住宅价格的增值率达到3%-5%。吴殿鸣通过研究发现，根据对房价的影响程度排序，从大到小依次是自然公园、专类公园和社区公园。有的学者研究公园形状对周边住宅的影响，发现形状方正且平整的公园比形状不规整的公园对周围房价的增值效应更大。通过梳理相关文献，不难发现城市公园绿地会对房价产生不同程度的影响，但是研究多为北上广深等东部经济发达城市，对中西部地区公园绿地对房价的资本化效应的研究相对匮乏。不仅如此，由地理位置引起的气候环境的不同使得西北地区城市绿地公园的资本化历程与东部地区相差甚远。因此，在西北地区研究公园绿地对房价的资本化效应尤为重要。在此基础上，本研究选取西部地区第二大城市一一兰州，以“安居客”上的市场挂牌价作为房区域房地产上海房地价信息，建立特征价格模型，量化分析兰州市内9 个大型三、研究方法与变量选取城市公园绿地对周围住宅的影响，以期丰富兰州市乃至整(一）研究方法个西北地区绿地公园与房价的研究，为西北地区城市规划特征价格法又称Hedonic模型，该方法认为商品价格建设、消费者住房选择提供参考。是由组成该商品的主要特性决定的，因此，特征价格法适用于分析异质性产品的异质特征与该产品价格的关系。房二、研究区域与数据来源地产作为典型的异质性产品，其价格受到多种因素的影（一）研究区域概况响。而具有非竞争性和非排他性的城市绿地公园是影响住兰州不仅是甘肃省省会城市，还是中国陆域版图的几宅价格的重要区位因素。为了对公共产品和服务进行科学何中心，同时是我国唯一有黄河穿城而过的省会城市。兰评估，本文采用特征价格法研究城市绿地公园对住宅价格州的区域范围南到皋兰山北至白塔山，形成了典型的两山的影响。夹一川的河谷型地貌。2 0 1 8 年兰州成功创建“国家园林特征价格法中有三种常用的模型，分别是线性模型、城市”，2 0 2 2 年兰州市基本实现了“四季有绿，三季有花”对数模型和半对数模型。三种模型的函数形式如表2 所示：的美好愿景。目前兰州已初步建立由综合公园、专项公园、小游园以及其他公园构成的城市绿地公园体系，公园绿地服务半径覆盖率为8 1.2%，城市道路绿化普及率达9 8%，城市居民日常出行基本实现“3 0 0 米见绿、5 0 0 米见园”。绿地公园面积的不断增加不仅提升了兰州的形象，更提高了兰州市的宜居水平和居民的生活幸福感，在推进城市经济社会可持续发展方面具有深远意义。兰州市现辖5 区3 县，本研究选取兰州市主城区作为研究区域，探究研究区域内9 个城市公园绿地对周围住宅价格的影响。(二）数据来源本研究通过爬虫技术爬取“安居客”2 0 2 2 年1 1 月距城市公园绿地1.8 千米的住宅小区的相关数据，另外通过百度地图测距功能测出住宅小区与最近公园绿地几何边缘以及商圈几何中心的直线距离。相关变量描述性统计见表1。表1 特征变量描述性统计变量名称建筑面积（平方米）建筑年龄（年）装修程度住宅朝向住宅层数（层）容积率物业费（元/平方米月）绿化率教育配套：生活配套：公共交通（个）距公园距离（千米）距商圈距离（千米）公园面积（万平方米）注：带*项目的赋值请见表3。表2 特征函数的表达形式模型线性模型对数模型半对数模型其中：P为住宅的价格（万元）；o、i、,为特征变量的系数，X为连续性特征变量；X为非连续型特征变量：&为残差。本文采用SPSS数据分析平台依次使用三种模型对样本数据进行逐步回归，最终选择拟合度最佳的模型进行影响因素分析。(二）特征变量的选取影响住宅价格的因素主要包括建筑特征、区位特征、邻里特征以及心理特征，因为心理特征与购房者的主观意愿关系较大，在量化时会存在一定的误差，因此，本文选取建筑特征、区位特征和邻里特征中的1 4 个特征变量。最小值最大值平均值27408.4012514126441.05.00.12.00.10.6204242130.011.70.182.211346.67函数表达P=o+ZiXi+InP=o+ZilnXi+ZB;Xj+InP=o+ZiXi+标准差个案数106.404946.9393912.585.8721.370.7172.400.79621.9710.6522.96660.878781.1240.464900.299840.1198272.420.9643.380.4885.42.9940.736570.4742551.283280.52067545.788879.9226713581358135813581358135813581358135813581358135813581358September 202339上海房地区域房地产根据数据指标类型的不同，本文将样本数据分为两类：定量指标和定性指标。定量指标直接采用公园周边住宅特征变量的实际数据，定性指标则通过赋值、打分、综合度量的方法转化获得。数据具体量化方式见表3。表3 特征变量的量化方式变量类型变量名称量化指标建筑年龄2022减去小区竣工年份加1建筑面积房屋建筑面积装修程度毛坏赋值1，简装修赋值2，精装修赋值3，豪华装修赋值4建筑特征住宅朝向南北赋值2，东南、西南、南赋值1，其他赋值0住宅层数住宅所在的楼层层数容积率所在小区容积率物业费物业管理费绿化率所在小区绿化率邻里特征教育配套500米内有无幼儿园、小学、中学、大学（一项1 分，最高4 分）生活配套500米内有无医院、超市、银行、餐馆（一项1 分，最高4 分）公共交通500米内公交站、地铁站个数公园距离小区几何中心到最近公园边缘的距离区位特征商圈距离小区几何中心到商圈中心的距离公园面积公园的面积四、模型选择与结果分析（一）模型估计与检验本文运用SPSS平台，将样本数据代入特征价格模型逐步进行回归，回归结果如下：表4 不同函数模型拟合度对比图函数类型线性模型半对数模型对数模型由表4 可知，三个模型的显著性水平均为0.0 0 0，小于0.0 0 1，说明三个模型对样本数据的拟合可以较好地解释因变量。从拟合效果来看，线性模型的R为0.9 0 4，调整后的R为0.9 0 3，说明线性模型能解释的因变量差异约为9 0.3%，大于半对数模型和对数模型，拟合效果最好，因此，本文选用线性模型。表5 线性模型单因素方差分析模型平方和回归6194676.749残差660296.299总计6854973.049由表5 可知，在线性模型中，方差分析的显著性检验值SIG为0.0 0 0，小于0.0 0 1，即全部回归系数同时为0的概率小于0.0 0 1，模型的F检验统计值为8 9 9.9 6 9。说明方程显著性高，拒绝全部系数为的原假设。40September 2023(二）模型计算结果表6 特征价格模型回归结果特征变量非标准化系数（常量）16.253建筑面积X1.344建筑年龄X2-0.663住宅朝向X0.876装修程度X3.758住宅层数X，0.218容积率X-0.223物业费X，3.929绿化率X6.085教育配套X，-3.354生活配套XIo14.526公共交通X4.294公园距离X123.863公园面积XI30.071商圈距离X14-5.630由回归结果可知，1 4 个特征变量中，所有变量的方差膨胀因子（VIF）均小于1 0，说明各个变量之间共线性不严重。通过p值可以看出，在9 5%的显著性水平下，最终建筑面积、建筑年龄、装修程度、住宅层数、物业费、教育配套、生活配套、公共交通、公园距离、公园面积、商圈距离这1 1 个特征变量通过了显著性检验。住宅朝向、容积率和绿化率这3 个变量未通过检验，可能存在的原因如下：由于朝南的住宅通风效果和光照时长都要优于其他朝R2调整的R30.9040.9030.8380.8360.8970.895Df均方14442476.9111343491.6581357t值1.94585.0303.7040.9414.4272.5830.2371.9760.872-3.9158.57412.544-1.9887.974-4.072显著性水平向住宅，我国居民在买房时更加倾向于选择坐北朝南的住0.000宅，房地产开发商在建造房屋时也会更多地考虑建造朝南0.0000.000FSig.899.9690.000P值0.0520.0000.0000.3470.0000.0100.8120.0480.3830.0000.0000.0000.0470.0000.000的房屋，该朝向的住宅供给较多。在1 3 5 8 个样本数据中，东西朝向的房屋有1 9 1 个，朝南住宅有1 1 6 7 个，研究样本的住宅小区数据大多朝南，数据内部无差异，导致住宅朝向这一变量不显著。绿化率和容积率对房价不显著可能是因为研究区域为兰州市主城区的商品房，容积率较高的同时房价也较高。由非标准化系数可知，1 1 个相关变量中，建筑年龄、教育配套、生活配套、公园距离以及商圈距离这5 个变量对住宅价格有负向影响，建筑面积、装修程度、住宅层数、物业费、公交数量、公园面积这6 个特征变量对价格有正向影响。根据回归结果，可以得出住宅的特征价格方程为：P=16.253+1.344X,-0.663X,+3.758X4+0.218Xs+3.929X,-3.354Xg-14.526X1o+4.294X11-3.863X12+0.071X13-5.630X14（三）住宅价格影响因素分析由表6 可知，通过显著性检验的连续变量为建筑面VIF1.5193.0481.2291.2602.2281.8792.3581.9291.8811.8882.8992.3451.3961.430区域房地产上海房地积、建筑年龄、物业费、公园距离、公园面积以及商圈效应。研究结果表明，兰州主城区内住宅价格与到公园面积。其中建筑面积系数为1.3 4 4，即住宅建筑面积增绿地的距离成反比，与公园绿地的面积成正比，在平均加1%，住宅价格相应地增加1.3 3 4%；建筑年龄系数0.8365千米的影响范围内，住宅与公园绿地的距离每增是-0.6 6 3，意味着建筑年龄每增加1%，住宅价格相应加1%，住宅价格下降3.8 6 3%：公园绿地面积每增加1%，地减少0.6 6 3%；物业费系数为3.9 2 9，即物业费每增加周围住宅价格增加0.0 7 1%。借助上述实证分析，可以优1%，住宅价格增加3.9 2 9%；公园距离系数是-3.8 6 3，化兰州市房地产项目的布局。对于房地产开发商而言，其意味着在一定范围内与公园的距离每增加1%，住宅价格开发的房地产项目可以更多地向公园绿地靠近；对于政府将降低3.8 6 3%；公园面积系数是0.0 7 1，即公园面积每而言，在规划住宅类建设用地时，应该将生态环境因素纳增加1%.住宅价格增加0.0 7 1%：商圈距离系数为5.6 3 0，入考虑范围，同时进一步扩大公园绿地面积。合理规划城意味着商圈距离每增加1%，住宅价格将下降5.6 3 0%。市公园绿地，不仅有益于提升居民生活幸福感，还可以带通过显著性检验的非连续变量为装修程度、住宅层动兰州市房地产市场的发展。E数、教育配套、生活配套以及公共交通。其中装修程度（作者单位：兰州财经大学）系数为3.7 5 8，说明装修每提升一个档次，住宅价格增加3.758%；住宅层数系数为0.2 1 8，意味着住宅层数每增加一层，住宅价格增加0.2 1 8%；教育配套和生活配套系数分别为-3.3 5 4 和-1 4.5 2 6，即教育配套和生活配套每增加一个等级，住宅价格分别下降3.3 5 4%和-1 4.5 2 6%。（四）公园绿地对住宅价格的影响范围分析良好生态景观能使住宅价格上升，住宅价格会随着与公园绿地距离的增加而降低。但是与公园绿地的距离对房价的影响是有一定范围的，超过这个范围，对房价的影响就会减小。因此，研究公园绿地对住宅价格的影响范围具有重要的参考意义。经上述分析得到了住宅价格的特征价格函数：P=16.253+1.344X,-0.663X,+3.758X4+0.218Xs+3.929X,-3.354Xg-14.526X1o+4.294X11-3.863X12+0.071X13-5.630X14将表1 中各个住宅因素描述性统计的平均值代入特征价格方程，得到与公园绿地的距离对住宅价格影响程度的方程式：P=131.1446944-3.863X12假设到公园绿地的距离每增加5 0 米，住宅总价格降低小于0.5%时，则认为公园绿地对住宅的影响不大，即(P-P,)/P0.0002。其中 P,=131,1446944-3.863(Xi2+0.05)经过计算可以看出，X12的结果为0.8 3 6 5，即当距离是0.8 3 6 5 千米时，公园绿地对住宅价格的影响最小，此时住宅价格的变动幅度小于0.5%。参考文献1陈庚，朱道林，苏亚艺，等大型城市公园绿地对住宅价格的影响一以北京市奥林匹克森林公园为例.资源科学，2015,37(11):2202-2210.2温海珍，卜晓庆，秦中伏.城市湖景对住宅价格的空间影响以杭州西湖为例.经济地理，2 0 1 2,3 2(1 1):5 8-6 4.3石忆邵，郭惠宁.上海南站对住宅价格影响的时空效应分析).地理学报，2 0 0 9,6 4(2):1 6 7-1 7 6.4石忆邵，张蕊大型公园绿地对住宅价格的时空影响效应：以上海市黄兴公园绿地为例.地理研究，2 0 1 0,2 9(3)：5 1 0-5 2 0.5吴殿鸣，邵大伟，刘志强，等.不同尺度公园绿地与住房价格的空间分布关系研究：以苏州中心城区为例.中国园林，2018,34(11):113-118.6上官莎逸，刘健，余坤勇，等.福州城市公园绿地可达性影响因素.福建农林大学学报（自然科学版）,2 0 1 8,4 7(4)：4 9 4-5 0 2.五、结论与讨论本研究利用兰州市内距9 个大型公园绿地1.8 千米内65个住宅小区的1 3 5 8 个房价数据，通过SPSS软件回归定量分析了兰州市主城区公园绿地对周边住宅的资本化September 2023341