基于ArcMap软件的乌鲁木齐市住宅价格空间分布特征分析

第39卷 第3期数字技术与应用第 39 卷 数字技术与应用 www.szjsyyy.com2021年 3月Digital Technology &ApplicationVol.39 No.3March 2021学术论坛DOI:10.19695/j.cnki.cn12-1369.2021.03.64基于ArcMap软件的乌鲁木齐市住宅价格空间分布特征分析申燕凤(新疆财经大学统计与数据科学学院,新疆乌鲁木齐 830012)摘要:以乌鲁木齐市住宅价格为研究对象,借助ArcMap软件绘制乌鲁木齐市住宅价格空间分布图,探讨乌鲁木齐市住宅价格空间分布特征规律,研究结果表明:乌鲁木齐市住宅价格出现多核空间结构特点,即出现1个中心和2个次级中心,其空间分布表现为由中心向四周呈现不同程度递减的规律,且存在明显区域差异性。关键词:乌鲁木齐市；住宅价格；空间插值；空间等级分类中图分类号:F299.23文献标识码:A文章编号:1007-9416(2021)03-0200-030 引言近些年来,随着城市化进程的快速发展和城市经济的迅速增长,且在“市场”的推动下,城市人口逐年上升,房地产行业也进入了快速发展阶段。随着房地产产业的快速发展,并在城市住房供需市场竞争下,我国中小城市住宅价格也相应地呈现出上涨趋势[1]。由于我国居民住宅结构的复杂性和功能的多样性,导致城市住宅价格的空间异质性明显[2],且由于城市住宅空间位置具有固定性和区域差异性,城市住宅价格上涨对区域空间还具有依赖性[3],进而加剧了城市经济发展的不平衡性,影响到我国中小城市住宅市场的协调发展。且对城市住宅价格空间分布[4]强代表性和研究意义。1.2 数据来源与处理本文的研究数据主要来源于乌鲁木齐市房天下、安居客、百度地图等网站,搜集样本数据包括新房楼盘名称、挂牌均价等基本信息。为了方便做整体分析,对相同楼盘的数据进行整理,并将不同研究区域内的楼盘点进行删除,同时POI点不在区域内的楼盘点进行剔除,最终得到220个楼盘点数据。2 研究方法2.1 全局空间自相关从整体的角度上,全局空间自相关是对不同空间范围内的住宅价格进行空间平均关联程度和依赖程度的分析,常用Geary’s C指数和Moran’s I指数计算全局空间自相关性。本文运用全局Moran’s I指数进行计算,其计算公式为:nWij(xix)(xjx)Moran's Ii1j1nnnn研究集中在一线城市及跨区域城市群,而对中小城市的住宅价格空间分布研究甚少,尤其是对西北部地区城市住宅价格研究更是微乎其微,因此本文以乌鲁木齐市为研究对象,运用全局空间自相关法、价格分级、析取Kriging空间插值方法,对乌市住宅价格空间分布规律特征进行深入研究和分析。W(xijnnix)(xjx)n1 研究区概况和数据来源1.1 研究区概况乌鲁木齐市是新疆维吾尔自治区的政治、经济、文化、信息中心,也是在全疆内人口密集、交通网发达的区域,且住宅小区分布相对集中,具有较强的代表性。该市包括七区一县,即新市区、天山区、水磨沟区、沙依巴克区、米东区、头屯河区、达坂城区和乌鲁木齐县。本文以乌鲁木齐市为研究区域,研究其住宅价格空间分布特征,具有较收稿日期:2021-02-05作者简介:申燕凤(1994—),女,广西钦州人,研究生,研究方向:经济统计。200Wij(xix)i1j1i1ni1j1S2Wiji1j1n (1)式(1)中,n为样本总数,xi和xj分别为第i个和第j个楼盘的数值,x和S2分别是样本的均值和方差,Wij是空间权重矩阵。2.2 析取Kriging插值法从数学理论的角度来说,析取Kriging插值法是对区域点的区域变量求最小方差、无偏估计的空间局部估计Copyright©博看网 www.bookan.com.cn. All Rights Reserved.申燕凤:基于ArcMap软件的乌鲁木齐市住宅价格空间分布特征分析2021年第 3 期方法[5-6],根据前人已有研究,假设已知研究区域内样本点的数据是ZiZ(xi) i1,2,...,n,而其未知区域点则为:Z(x0)fiZ(xi) (2)i1n本文根据乌市楼盘点的分布情况,选取距离空间权重对乌市住宅价格进行全局空间自相关分析。研究距离空间权重的区间为0～38km,将0.4km作为间隔依次截取,为确保各楼盘点至少有一个邻居,将其门槛距离设置为1.3km。本文再引入k-近邻空间权重,是为了避免楼盘点分布过于随机性,故将邻居数设置为6,分析结果如表1所示:从表1结果可知,当距离超过6km之后,全局Moran’sI指数值均小于0,由于篇幅原因,故只列出距离空间权重为[0km,6.4km]的全局Moran’s I值。在上表中,0.932要小于0.946,即k-近邻空间权重的全局Moran’s I值比距离空间权重的最大全局Moran’s I值小。在5.6km的范围内,乌市住宅价格全局Moran’s I值均大于0,说明在总体上乌市住宅价格存在空间正自相关关系,即其住宅价格较高的区域存在空间集聚性的特点。随着Moran’s I值的逐级变小,不同的两点间距离会逐级拉大,而乌市住宅价格的空间相关程度会逐渐减弱,说明乌市住宅价格的空间分布符合地理学第一定律,即随着不同楼盘点间空间距离的变大,住宅价格的相关性也随之变小,空间分布特征也由空间集聚性转为随机分布。3.2 住宅价格空间等级分类分析再运用ArcMap10.2软件对乌市住宅价格进行空间位置显示并将住宅价格划分为低到高7个等级,具体结果如图1所示。通过图1可知,乌市均价在3600～5200元/m2和13501～21000元/m2的楼盘屈指可数,在3600～5200元/m2的住宅主要分布在头屯河区、米东区,小数部分分布在新市区的西北部地区;住宅价格在13501～21000元/m2范围内的住宅主要分布在新市区东南方向和水磨沟区西北方向上;还有大数部分住宅在8251～9860元/m2之间,主要集中分布于乌市地铁环线附近,约占乌市住宅样本总数的25.5%,其中乌市住宅价格最高主要集中在新市区四平路和国际会展中心附近。3.3 住宅价格空间插值分析为了能更清晰直观地的分析乌市住宅价格空间分布规律,本文运用了析取Kriging空间插值法生成连续的乌市住宅价格图层,并绘制出其住宅价格等值线,具体结果如图2所示:(1)在图中,等值线疏密程度表201在式(2)中,fiZ(xi)是待确定的函数,Z(x0)是析取Kriging空间估计量。3 住宅价格空间分布特征分析3.1 住宅价格全局空间自相关分析表1 住宅价格的全局Moran’s I指数分析结果Tab.1 Global Moran’s I Index Analysis Results of HousingPrices空间权重 K近邻 0.4 0.8 1.2 1.6 2 2.4 2.8 3.2 3.6 4 4.4 4.8 5.2 5.6 6 6.4 莫兰指数 0.932 0.946 0.809 0.645 0.485 0.351 0.230 0.143 0.086 0.057 0.038 0.025 0.016 0.012 0.005 -0.001 -0.003 E -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 -0.0046 P 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 Z 22.2294 54.5282 90.3629 103.7011 74.4957 79.5227 81.718 60.1072 64.4654 66.0918 57.2465 55.2481 51.7899 49.7996 41.2153 24.9285 15.5147 图1 住宅价格等级样本空间分布结果分析Fig.1 Analysis of the results of the spatial distribution of resi-dential price grade samplesCopyright©博看网 www.bookan.com.cn. All Rights Reserved.第 39 卷 数字技术与应用 www.szjsyyy.com价基本在8067～9232元/m2。4 结论与不足乌鲁木齐从整体上来看,其住宅价格空间分布特征和变化趋势具有较强的地域差异性和区位性影响,呈现出多核空间结构特性,遵循由中心城区向四周呈现不同程度递减的规律,其中,向西北方向逐级递减程度较为明显。由于受到数据收集、时间、知识结构等条件的制约,只从短期内进行研究住宅价格空间分布情况,未来希望能从乌鲁木齐市近10年住宅价格不同变化的价格样本数据进行全面研究分析,并对不同时期内的住宅价格进行插值分析,对比分析乌鲁木齐市住宅价格不同时期的空间等值线图,图2 住宅价格空间插值等值线图Fig.2 Spatial interpolation contour map of residential price以期能更全面掌握乌鲁木齐市住宅价格的时空变化特征规律。参考文献明了乌市住宅价格的变化趋势,各区域间存在较为明显的地域差异,出现了1个最为明显和2个较明显的区域性峰值,即新市区文创路区域、水磨沟区国际会展中心区域、乌鲁木齐县南泉路与南河路交汇区域,说明乌市住宅价格呈现出多核空间结构分布特点。(2)其住宅价格变化趋势遵循离中心城区越远住宅价格就越低的规律,以一个新市区文创路为主要中心,下沿至北京北路和燕山街一带,向西周呈现梯度下降趋势,在中心区域的住宅均价基本在16900～21000元/m,而20202[1] 刘刚,冯伟杰.中国房价波动影响居民收入差距的时空差异分析[J].统计与决策,2016(6):95-98.[2] 李文慧,韩惠.兰州市商品住宅价格的空间分异规律[J].测绘科学,2018,43(2):45-50.[3] 郭文伟,陈顺强.珠三角区域城市房价泡沫时空传染效应及其防范研究[J].经济经纬,2018,35(6):15-21.[4] 韩艳红,尹上岗,李在军.长三角县域房价空间分异格局及其影响因素分析[J].人文地理,2018,33(6):87-95.[5] 曾晖.城市住宅价格时空分布规律研究[D].南京:南京林业大学,2012.[6] 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.年乌市整体住宅均价为9467元/m,它们大致相差70002元/m以上,区位优势明显。2(3)另外,在延安路和大湾南路交汇处形成一个小高峰区域,向北逐级递减延伸,其住宅均价基本在10000～12500元/m,与乌市整体住宅价格相差校小,而米东区和2头屯河区的西北方向上住宅价格较低且起伏平缓,其均Analysis on the Spatial Distribution Characteristics of Residential Price in UrumqiBased on ArcMap SoftwareSHEN Yan-feng(School of Statistics and Data Science, Xinjiang University of Finance and Economics, Urumqi Xinjiang 830012)Abstract:Taking residential prices in Urumqi as the research object, using ArcMap software to draw a spatial distribution map ofresidential prices in Urumqi, to explore the spatial distribution characteristics of residential prices in Urumqi. The research results showthat: residential prices in Urumqi appear multi-core spatial structure characteristics, that is, one center and the two secondary centers,their spatial distribution shows a decreasing law of varying degrees from the center to the surrounding, and there are obvious regionaldifferences.Key words:Urumqi;Residential price;Spatial interpolation;Spatial classification202Copyright©博看网 www.bookan.com.cn. All Rights Reserved.