EN中文

GEOGRAPHICAL RESEARCH >

2017 , Vol. 36 >Issue 1: 85 - 96

DOI: https://doi.org/10.11821/dlyj201701007

Articles

Evaluation of health status in national housingmarket at the county level

  • XU Xinru , 1 ,
  • JIN Xiaobin 1, 2 ,
  • ZHANG Zhihong 1, 3 ,
  • HAN Juan 1 ,
  • SUN Wei 1 ,
  • XIANG Xiaomin 1 ,
  • XIE Jinyuan 1 ,
  • ZHOU Yinkang 1, 2
Expand
  • 1. College of Geographic and Oceanographic Sciences, Nanjing University, Nanjng 210023, China
  • 2. Research Center of Natural Resources, Nanjing University, Nanjng 210023, China
  • 3. China Land Surveying and Planning Institute, Beijing 100029, China

Received date: 2016-06-18

  Request revised date: 2016-11-07

  Online published: 2017-01-20

Copyright

《地理研究》编辑部
Fold

Abstract

In order to investigate the health status and spatial pattern of current housing market in China, based on 2009-2013 national residential land transaction data at the county level, this study proposes land price-economy coordination degree, land price-income matching degree, the contribution of land revenue to local financial revenue, the proportion of land transaction through market-oriented approaches (including bid invitation, auction and listing), and housing market transaction activity as evaluation indicators. Then the Ward hierarchical clustering method is used to produce a comprehensive regionalization of housing market health status in China. Finally the spatial variation of housing market health status in China's key regions (Yangtze River Delta, Pearl River Delta and Jing-Jin-Tang area) is analyzed at city level. The results show that: (1) The overall housing market health level in China needs to be improved. Some 34.48% of the research units are in reasonable health interval, and mainly distributed in southern Tianshan piedmont, Northeast China Plain, Shandong Peninsula, Dongting Lake area and other areas. Land price-economy coordination degree, land price-income matching degree and the contribution of land revenue to local financial revenue are main indicators that affect housing market health. (2) The housing market health status in China during the study period can be divided into five types consisting of "coordinated development" (ClassⅠ), "strong demand" (ClassⅡ), "economic deviation" (ClassⅢ), "financial dependence" (ClassⅣ) and "imbalanced structure" (ClassⅤ), accounting for 34.48%, 22.90%, 23.06%, 10.07% and 9.49% respectively. (3) Key regions' housing market health has significant spatial variation in land price-economy coordination degree, land price-income matching degree and housing market transaction activity. Under the requirements of current central work conference on urbanization, it is necessary for government to promote healthy and orderly development of housing market through appropriate control policies based on regional characteristics.

Key words： housing market; health status; Ward hierarchical clustering; spatial variation; county level

Cite this article

XU Xinru , JIN Xiaobin , ZHANG Zhihong , HAN Juan , SUN Wei , XIANG Xiaomin , XIE Jinyuan , ZHOU Yinkang . Evaluation of health status in national housingmarket at the county level[J]. GEOGRAPHICAL RESEARCH, 2017 , 36(1) : 85 -96 . DOI: 10.11821/dlyj201701007

1 引言

土地市场是土地资源市场化配置的场所,其发育程度直接影响土地利用效率的提 升[1]。地价作为土地市场运作的重要信息和价值判断标准,是国家宏观调控土地市场的重要手段之一,随着市场经济的不断发展,其在提高土地资源利用效率和优化土地空间配置中的作用日益突出[2,3]。住宅用地市场（下文简称“住宅市场”）是土地市场中最为活跃的部分,其健康程度与人民生活改善、社会经济发展、城市化进展、住房政策实施等息息相关[4]。住宅市场发展在带动相关产业形成,创造国民经济价值的同时,也会出现住宅（用地）价格飙升,住宅市场非均衡发展等问题。住宅市场发育的健康程度直接关系到土地资源的优化配置、社会的公平与稳定、居民幸福感的提升、和谐社会的建设、房地产市场的健康发展以及社会的可持续发展等[5]。
目前,已有研究大多以住宅价格为重点,围绕住宅市场较为发育的城市或某一特定区域,从住宅价格空间分异[6,7]或演变规律[8,9],住宅价格变化影响因素[10,11]等方面分析住宅市场运行状态。在住宅市场发展方面,国内外学者多选取房地产市场作为研究对象,从房价收入比[12,13]、空置率[14,15]、供需结构[16]等方面对房地产市场的合理状况进行评价。综合而言,现有研究在住宅价格空间分异、住宅价格演变规律及影响因素、房地产市场运行状况等方面已经取得了积极进展,对认识住宅市场运行特征及影响因素提供了参考基础。但从健康状态视角,从宏观尺度对住宅市场进行全面评价的研究尚属空白,对住宅市场综合运行状态、发育状况等方面的认识仍有待深化。尤其面对中国住宅市场在土地取得方式等方面的特殊性,深入分析住宅市场发育的健康程度具有重要的理论和现实意义。
考虑到住宅市场的运行状态主要体现在地价变化与宏观经济发展的协调性、地价水平与居民收入的协调性、地方财政收入对土地出让收入的依赖性、土地一级市场市场化交易程度和土地市场交易活跃程度等方面[17-20],本文认为健康的住宅市场运行状态应表现为住宅价格变化与经济发展相协调、居民收入对住宅价格的承受能力较强、土地财政对地方财政贡献小、住宅市场交易较为活跃且市场化出让度高。故本文提出“住宅市场健康度”这一概念作为衡量住宅市场在经济发展、供需关系、城市建设等多因素影响下运行状态的综合评价标准,以2009-2013年为研究期,以县级行政单位作为研究单元,利用全国住宅用地出让数据,从住宅地价变化与经济发展协调性、居民对住宅价格的承受能力、土地出让收入对地方财政的贡献度、住宅用地市场化（招标、拍卖、挂牌）方式出让比例和住宅用地出让交易活跃度等五个方面分析中国住宅市场健康度状况,利用Ward系统聚类方法,对中国住宅市场健康状况进行综合分区,并选取中国经济发展较好的三大城市群地区（长三角地区、珠三角地区和京津冀地区）作为重点区,进一步探究区内不同城市住宅市场健康度的空间分异特征,以期为住宅市场宏观调控政策的制定,促进住宅市场健康有序发展提供借鉴和参考。

2 数据来源与研究方法

2.1 数据来源

本文以2012年全国行政区划下的县级行政区域作为研究单元,剔除研究期内无住宅用地交易或数据缺失的,共包含研究单元2454个。
（1）住宅用地出让数据。住宅用地出让数据来自国土资源部土地市场网（http://landchina.mlr.gov.cn/）公布的土地出让数据,相应信息包括各宗地的供应方式、土地级别、宗地面积、交易金额等。研究期内全国共出让住宅用地41.13万宗,总面积60.67万 hm2（表1）。
Tab. 1 Residential land transaction in China from 2009 to 2013

表1 2009-2013中国住宅用地出让情况

年份 出让宗数（宗） 出让面积（hm2）
小计 按出让性质 小计 按出让性质
市场性 政策性 市场性 政策性
2009 73678 54849 18829 85472.69 71338.10 14134.59
2010 87017 78234 8783 127848.19 109779.28 18068.91
2011 86999 77888 9111 133875.49 108372.39 25503.10
2012 72618 62861 9757 116444.49 87714.52 28729.97
2013 90945 87141 3804 143030.57 136326.07 6704.50
合计 411257 360973 50284 606671.43 513530.36 93141.07
由于政策性住宅（包括保障性住房、经济适用房、廉租房等）用地具有政策性较强、由政府统一规划统筹等特点,难以有效反映住宅市场对宏观经济、市场需求等因素的响应状况,故本文选取非政策性住宅用地出让数据作为基础数据。由于各县级评价单元内,以宗地为对象的住宅用地价格差别较大,采用简单平均（面积平均或宗数平均）的住宅地价计算结果难以体现区位内在差异,为使综合后的住宅地价能有效反映区域地价特征,本文采用级别修正、宗数修正等方法将基于宗地的住宅用地价格综合至县域单元,具体方法如下：首先,参考国家地价动态监测系统的地价分区方案,将全国分为东北、华北、华东、西北、西南和中南六个大区,根据纳入地价动态监测网络的105个城市住宅基准地价数据,采用距离衰减法对六大区内不同等级的住宅用地价格进行插值,利用插值结果计算各大区域内各等级住宅用地价格间的比率关系;其次,根据研究期内出让的各等级土地宗数,确定各研究单元住宅土地的中心等级。对出让等级不是中心等级的,按照该研究单元所在区域的各等级地价比率将其修正到中心等级的地价水平;最后,根据中心等级,利用级别修正法计算各研究单元逐年市场性住宅均价。中心等级和住宅均价的计算方法分别如式（1）和式（2）所示：
C j = ∑ i = 1 18 ( d i , j × a i , j ) （1）
P j = ∑ i = 1 18 ( y i , j × b i , j × β i , j ) （2）
式中：Cj为j研究单元住宅地价中心等级;Pj为j研究单元住宅平均地价;di,j为j研究单元出让的住宅用地中i级别土地等级数（最大级别为18）;ai,j为j研究单元i级别土地在研究期内出让的宗数占该单元所有级别土地出让宗数的比值;yi,j为j研究单元i级别土地土地出让均价;bi,j为j研究单元i级别土地在当年内出让的宗数占该单元所有级别土地该年出让宗数的比率; β i , j 为j研究单元i级别土地修正到中心等级的系数比。
为了消除特殊年份由于出让宗数较少而产生的均价偏差,本文将部分研究单元年出让宗数小于3宗的年份的地价用该单元其余四年平均地价替换。经分区对比、位序比较等方法对综合结果进行检验,验证结果表明综合结果能有效反映研究期内中国住宅地价水平。
（2）社会经济与区域规划数据。本文利用社会经济数据分析住宅地价变化与经济发展协调性和居民对住宅价格的承受能力等住宅市场健康度状况,具体指标包括经济发展（GDP、财政收入）、社会发展（人口、居民收入）、城市建设（人均居住面积）等,相关数据来源于《中国统计年鉴》《中国区域经济统计年鉴》,市级统计年鉴和县级统计公报等。
本文重点区中的长三角地区包括上海市、江苏省、浙江省所辖全部城市;京津冀地区包括北京市、天津市和河北省所辖全部城市;珠三角地区考虑到其核心区包含的城市数量相对较少,难以充分反映出区内住宅市场健康度的空间分异特征,且不利于与其他城市群的健康度状况进行对比分析,故将其范围定义为珠三角经济区中包含的15个城市（东莞市和中山市因数据缺失而予以剔除）。

2.2 研究方法

本文定义了地价—经济协调度、地价收入比、土地财政贡献度、土地市场化交易率和土地市场交易活跃度等五项指标衡量住宅市场的健康度,采用Ward系统聚类法对中国住宅市场健康状况进行综合分区,并选取长三角地区、珠三角地区和京津冀地区作为重点区,以城市功能为梯度探究区内城市住宅市场健康度的空间分异状况。
2.2.1 健康度评价指标 为了有效分析住宅市场健康度,本文定义地价—经济协调度、地价收入比、土地财政贡献度、土地市场化交易率和土地市场交易活跃度作为评价指标。考虑到各项评价指标的性质不同,指标间数值相差较大,故采用极差标准化或理想值标准化方法对各项指标进行标准化处理,将其调整至[0, 1],标准化后的各值均为正向指标,指标值越接近1评价效果越好。指标具体解释和标准化方法如表2所示。
Tab. 2 Indicators and related explanations of housing market health in China

表2 中国住宅市场健康度评价指标及其含义

指标 名称 公式 说明 标准化方法
X1 地价—经济协调度 (Pi,2013Pi,20094-1）（Gi,2013Gi,20094-1） 表示住宅地价变化幅度与宏观经济发展的协调性。Pi,2013和Pi,2009分别表示单元i 2013年和2009年的住宅地价水平,Gi,2013和Gi,2009分别表示该单元2013年和2009年的GDP 小于0（即地价与经济发展状况相背离）和大于2（即地价涨幅远高于经济发展速度）的单元赋值0,其余单元以1作为理想值（即1）进行标准化
X2 地价收入比 （Pi,2010×δ×S）（Ii,2010×3） 表示住宅地价水平与居民收入的匹配性。Pi,2010表示单元i 2010年的住宅地价水平,δ表示房价地价比,S表示平均家庭住宅面积,Ii,2010表示单元i 2010年的城镇居民人均可支配收入 选取地价收入比6作为理想 值[20],显著超过此值（>12）的单元赋值0;得分在6-12之间的,利用线性函数Y=(12-X)/6进行标准化处理
X3 土地财政贡献度 ∑j=20092013ri,j∑j=20092013(Ri,j+ri,j) 表示土地出让收入在地方财政中的贡献度。ri,j表示单元i在j年的住宅用地出让收入,Ri,j表示单元i在j年的地方财政一般预算收入 结合线性函数,以Y=1-(X-Xmin)/(Xmax-Xmin)进行标准化处理
X4 土地市场化交易率 ∑j=20092013ai,j∑j=20092013Ai,j 表示住宅用地按市场化方式配置的程度。ai,j表示单元i在j年以招拍挂方式出让的住宅用地面积,Ai,j表示单元i在j年的住宅用地出让总面积 利用线性函数Y=(X-Xmin)/(Xmax-Xmin)进行标准化处理
X5 土地市场交易活跃度 ∑j=20092013ni,j(12454∑j=20092013Nj) 表示住宅用地市场交易的活跃程度。ni,j表示研究单元i在j年的住宅用地交易宗数,Nj表示j年全国住宅用地交易宗数 利用线性函数Y=(X-Xmin)/(Xmax-Xmin)进行标准化处理
2.2.2 系统聚类方法 Ward系统聚类法又称离差平方和法,是目前应用较广、较为成熟的聚类方法,可进行多因素、多指标的分类和特征识别[21],突出类型区内的同质性和类型区外的差异性,能有效辅助地理分区决策[22]。该方法基于方差分析思想,以欧氏距离作为标准,先将集合中每个样本自成一类;在进行类别合并时,计算类重心间方差,将离差平方和增加的幅度最小的2类首先合并,再依次将所有类别逐级合并[23]。具体算法 如下：
将n个区域样本分成k类：G1, G2, ⋯ , Gk,用 X j ( t ) 表示Gt中的第j个样本（此处 X j ( t ) 是P维向量,即有P个系统聚类指标）,nt表示Gt中的样本个数, X ( t ) 是Gt的重心（即该类样本的均值）,则Gt中样本的离差平方和St为：
S t = ∑ j = 1 n t ( X j ( t ) - X ̅ ( t ) ) ′ ( X j ( t ) - X ̅ ( t ) ) （3）
则k个类的类内离差平方和S为：
S = ∑ j = 1 k S t = ∑ t = 1 k ∑ j = 1 n t ( X j ( t ) - X ̅ ( t ) ) ′ ( X j ( t ) - X ̅ ( t ) ) （4）

3 结果分析

3.1 中国住宅市场健康度

在ArcGIS软件中,分别以X1, X2, X3, X4和X5作为分类字段,应用自然断点法[24]将指标值分为三类,形成中国住宅市场健康度分项状态图,如图1a~图1e所示。
Fig. 1 Conditions and regionalization of housing market health in China

图1 中国住宅市场健康度状况及综合分区

（1）地价—经济协调度。研究期内,全国平均地价—经济协调度为0.31（图1a）。地价-经济增长较为协调（X1 ≥ 0.50）的研究单元共634个,占总研究单元的25.84%,主要分布在新疆西部、内蒙古中东部、环渤海地区、成渝地区和江西南部等地,具体包括辽东半岛、四川平原和两广丘陵等;地价—经济增长协调性较差（X1<0.50）的研究单元有1820个,占比为74.16%,主要分布在西北、东北、华中、西南和东南沿海地区,其中地价—经济协调性最差（地价增长率/经济增长率>2或<0.2）的研究单元共1326个,占比54.03%,主要分布在新疆北部、黑龙江中东部、安徽、云南、广西等地。
（2）地价收入比。研究期内,全国平均地价收入比为0.61（图1b）。地价收入比合理（X2 ≥ 0.76）的研究单元共1297个,占总研究单元的52.85%,主要分布在西北、东北、华北、中南和西南地区,包括黑龙江、吉林、辽宁、新疆、内蒙古、宁夏、山西、河北、山东和云南等地;地价收入比不合理（X2 ≤ 0.33）的研究单元共767个,占总研究单元的31.26%,主要分布在甘肃南部、北京、天津、四川、重庆、广西及东南、华南地区。
（3）土地财政贡献度。研究期内,全国平均土地财政贡献度为0.68（图1c）。土地出让对地方财政贡献低（X3 ≥ 0.87）的研究单元共539个,占总研究单元的21.96%,主要分布在西北、东北和西南地区,具体包括内蒙古、山西、吉林东部、四川西部、贵州西部和广东西部等地;土地出让对地方财政贡献相对较高（X3 ≤ 0.58）的研究单元共748个,占总研究单元的30.48%,主要分布在西南腹地和东部地区,具体包括四川东部、安徽、浙江和福建等地。
（4）土地市场化交易率。研究期内,全国平均土地市场化交易率为0.88（图1d）。由于国土资源部于2002年5月颁布实施《招标拍卖挂牌出让国有土地使用权规定》,并在2004年第71令《关于继续开展经营性土地使用权招标拍卖挂牌出让情况执法监察工作的通知》中规定2004年8月31日以后所有经营性用地出让全部实行招拍挂制度,因此,全国大部分地区的土地市场化交易率较高,土地市场化交易率较低（X4 ≤ 0.70）的研究单元共333个,占总研究单元的13.57%,主要分布在新疆、青海、甘肃、贵州、广西、浙江和福建等地。
（5）土地市场交易活跃度。研究期内,全国平均土地市场交易活跃度为0.46（图1e）。交易活跃度较高（X5 ≥ 0.59）的研究单元共807个,占总研究单元的32.89%,主要分布在东北、华北、西南、中南和东南地区,具体包括哈（哈尔滨）长（长春）地区、环渤海地区、成渝地区、滇中地区、长江中游地区、长三角地区、珠三角地区和北部湾地区等主要城市化地区;交易活跃度低（X5 ≤ 0.26）的研究单元共822个,占总研究单元的33.50%,主要分布在新疆、内蒙古、青海、甘肃、陕西、山西、贵州南部和广东东部等地。

3.2 中国住宅市场健康度综合分区

以（X1, X2, X3, X4, X5）作为分区因子,对各因子进行Z-Score标准化后,利用SPSS软件中的Hierarchical Cluster功能,选用Ward聚类方法,选取欧氏距离度量标准进行聚类分析,采用Means过程对分类结果进行方差分析,显著性检验结果显示各分区指标的Sig值均为0,分类结果有效[23]。将分类结果导入ArcGIS中制图,得到中国住宅市场健康度综合分区图（图1f）,研究期内中国住宅市场健康状态分为以下五种类型。
（1）协调发展型（Ⅰ类）。该类分区因子的平均指数为（0.63, 0.93, 0.68, 0.89, 0.55）,在特征上表现为地价—经济增长较协调,地价收入比合理,土地出让收入对地方财政贡献较小,土地市场化出让率高,土地市场交易较活跃。该类型区为研究期内中国住宅市场健康度最优的类型区,共包含846个研究单元,占比为34.48%,主要分布在天山南麓、东北平原、山东半岛和洞庭湖区等地。这些研究单元的经济发展稳定,住宅地价适中,城镇居民收入对住宅价格的承受能力较高,住宅用地出让收入在地方财政中的占比较低,住宅市场的市场化程度高且出让交易比较活跃。
（2）需求旺盛型（Ⅱ类）。该类分区因子的平均指数为（0.67, 0.13, 0.62, 0.81, 0.44）,在特征上表现为地价—经济增长较协调,地价收入比不合理,土地出让收入对地方财政贡献较小,土地市场化出让率高,土地市场交易较活跃。该类型共包含562个研究单元,占比为22.90%,主要分布在四川中东部、江西、福建中部、浙江中南部、广西北部、上海和北京等地,这些研究单元的住宅地价与经济发展的协调性较好,土地财政比重较低,住宅市场的市场化程度高,出让交易也较为活跃,但这些研究单元人口较为密集,不断增加的住房（或投资）需求导致当地住宅地价水平远高于居民的收入水平。
（3）经济偏离型（Ⅲ类）。该类分区因子的平均指数为（0.12, 0.95, 0.83, 0.88, 0.31）,在特征上表现为地价—经济增长不协调,地价收入比合理,土地出让收入对地方财政贡献小,土地市场化出让率高,土地市场交易不甚活跃。该类型包含566个研究单元,占比为23.06%,主要分布在新疆北部、青海西部、内蒙古、黑龙江、山西、云南西部和海南等地,这些研究单元的人口较为稀少,对住房（或投资）的需求较低,但在研究期内的经济发展较好,从而导致住宅地价与经济发展的协调性较差。
（4）财政依托型（Ⅳ类）。该类分区因子的平均指数为（0.19, 0.22, 0.48, 0.91, 0.76）,在特征上表现为地价—经济增长不协调,地价收入比不甚合理,土地出让收入对地方财政贡献较大,土地市场化出让率高,土地市场交易活跃。该类型包含247个研究单元,占比为10.07%,主要分布在江苏、安徽、四川东部、浙江北部、福建南部、广西南部、贵州西北部等地,这些研究单元人口密集,经济发展较快,居民对住宅的需求较为旺盛,住宅用地出让频繁,土地出让收入在地方政府财政收入中的比例较高。
（5）结构失调型（Ⅴ类）。该类分区因子的平均指数为（0.08, 0.20, 0.71, 0.92, 0.27）,在特征上表现为地价—经济增长协调性差,地价收入比不甚合理,土地出让收入对地方财政贡献度小,土地市场化出让率高,土地市场交易不甚活跃。该类型包含233个研究单元,占比为9.49%,主要分布在福建北部、浙江东部、江苏南部、广东南部、河南中部、湖北中西部和重庆等地,这些研究单元的经济发展较好,居民对住房（或投资）的需求较高,住宅市场发育较为成熟,住宅用地出让频率低,导致住宅地价增长水平远高于经济发展水平,居民收入对住宅价格的承受能力较低。

3.3 重点区住宅市场健康度

在对全国住宅市场健康度进行评价的基础上,为了进一步分析重点区域内部的住宅市场健康度状态,本文选取长三角地区、珠三角地区和京津冀地区为重点区,根据相关区域规划对上述地区内部城市功能的定位,其内部城市进一步划分为核心城市、中心城市、节点城市和边缘城市四类①（① 各城市功能根据《长江三角洲地区区域规划》《珠江三角洲全域规划》和《京津冀协同发展规划纲要》确定。）,以探究不同城市功能下住宅市场健康度的空间分异情况（图2）。
Fig. 2 Spatial variation of housing market health in key regions of China

图2 重点区城市住宅市场健康度空间分异

（1）长三角地区。共包含200个研究单元,其中需求旺盛型单元数量最多（67个,占比33.50%）,其次是财政依托型（55个,占比27.50%）和协调发展型（39个,占比19.50%）。总体而言,长三角地区住宅市场的市场化交易率较高,城市间土地财政贡献度差异较小,但在地价—经济协调度、地价收入比和土地市场交易活跃度等方面存在一定地域差异。在地价—经济协调度方面,不同功能城市间的总体变化幅度较小,协调性较差的为中心城市无锡和边缘城市盐城;在地价收入比方面,核心城市和中心城市表现较差,这与上海、南京等地经济活力强、人口密度高,住宅需求旺盛导致“地王”频现,住宅地价水平居高不下有一定联系。而江苏省节点城市和边缘城市的地价收入比明显优于浙江省同类城市,其原因可能在于温州、台州等地民营经济发达、居民购房（或投资）需求旺盛,导致当地住宅地价水平远高于居民收入水平;在土地市场交易活跃度方面,节点城市和边缘城市比核心城市及中心城市更为频繁,其原因可能在于上海、南京等城市住宅市场发育成熟度高,且建成区内可开发的区域有限（或趋近饱和）,住宅用地出让量（宗数）相对较低,而泰州、绍兴等城市经济快速发展,人口吸引能力不断提升,本地居民住房改善的需求强烈,因而导致住宅用地出让频率较高。
（2）珠三角地区。共包含69个研究单元,其中需求旺盛型单元数量最多（29个,占比42.03%）,其次是结构失调型（14个,占比20.29%）和经济偏离型（12个,占比17.39%）。珠三角地区住宅市场的土地市场化交易率总体较高且城市间差异较小,但住宅地价与经济发展的协调性偏低,在地价收入比和土地市场交易活跃度等方面存在一定地域差异。珠三角地区地价—经济协调性偏低的原因主要有：一是核心城市广州、深圳,以及中心城市珠海等地经济发达,人口密度大,居民对住宅的购买（或投资）需求高,导致当地住宅地价增速远高于经济发展速度;二是茂名、清远等边缘城市经济发展水平相对较低,受需求等其他因素影响,住宅地价增速低于经济发展速度,因而地价—经济协调性偏低;地价收入比不合理的地区集中在核心城市广州、深圳,中心城市珠海和节点城市佛山等地。上述地区是珠三角经济发展和人口密度最高、住宅地价水平最高的地区,其地价收入比远高于合理值;在土地市场交易活跃度方面,核心城市广州、深圳,中心城市珠海的住宅市场发育成熟度较高,且建成区内可开发的区域有限（或趋近饱和）,住宅用地出让量（宗数）较低,而汕头、汕尾等边缘城市由于住宅市场需求较低,其市场活跃度也相对较低。
（3）京津冀地区。共包含192个研究单元,其中协调发展型单元数量最多（77个,占比40.10%）,其次是经济偏离型（65个,占比33.85%）和需求旺盛型（28个,占比14.58%）。就整体情况而言,京津冀地区住宅市场的土地市场化出让率高,土地财政贡献度较低,但住宅地价与经济发展的协调性偏低,土地市场交易活跃度也较低,在地价收入比和土地市场交易活跃度方面有显著的地域差异。首先,京津冀地区地价收入比不合理的地区集中在核心城市北京和天津,上述两市经济发展水平高,人口吸引能力强,居民住宅需求旺盛,住宅地价水平远高于区内其他城市,也远高于当地居民的平均收入水平;在土地市场交易活跃度方面,中心城市唐山和节点城市廊坊的交易活跃度远高于地区平均水平,随着京津冀一体化战略的实施,廊坊凭借区位优势和较低的房价吸引了大量来自北京的购房需求,而唐山作为京津唐工业基地中心城市,人口较为密集,本地居民的购房需求较高,因而相应的住宅用地出让频率较高。
（4）重点区住宅市场健康度对比。就住宅市场整体健康度而言,京津冀地区住宅市场健康度平均指数（0.32, 0.72, 0.64, 0.92, 0.42）优于长三角地区（0.27, 0.38, 0.58, 0.87, 0.68）和珠三角地区（0.38, 0.36, 0.72, 0.88, 0.35）,三大地区住宅市场的市场化程度均较高,但地价—经济增长协调水平均较低。在地价收入比方面,京津冀地区明显优于长三角和珠三角,与后者相比,京津冀地区的经济发展水平、城镇化水平和住宅地价水平偏低,因而其地价收入匹配度高于后者;在土地财政贡献度方面,长三角地区土地出让收入对地方财政的贡献相对较高,其原因在于苏中、苏北和浙西南地区的部分城市在研究期内住宅市场热度高,土地出让收入大幅增加,而地方财政一般预算收入水平相对较低,从而导致土地出让收入在地方财政收入中的比重较大;在土地市场交易活跃度方面,长三角地区住宅用地出让频率高于珠三角和京津冀,主要由于长三角地区城镇化水平较高,随着经济快速发展,改善和投资型住宅需求普遍增加,导致住宅市场交易较为活跃。

4 结论与讨论

本文以县域为研究单元,通过地价—经济协调度、地价收入比、土地财政贡献度、土地市场化交易率和土地市场交易活跃度等五项指标对我国住宅市场健康度进行评价,利用Ward系统聚类方法,对住宅市场健康度状况进行了分区分析,并对我国重点区住宅市场健康度空间分异情况进行探究,主要结论如下：
（1）就住宅市场健康度评价指标而言,研究期内在国家政策的要求下,住宅用地市场化出让已普遍采用;地价—经济增长协调性总体偏低,东北、华北、西南和东南沿海地区大部分研究单元地价水平与经济发展的适应性有待提高;地价收入比基本合理,总体呈现“东低西高、南低北高”的格局;大部分地区地方财政对土地出让收入的依赖度较低,土地财政贡献度呈东—中—西依次递减的趋势;土地市场交易活跃度适中,环渤海、长江中下游和成渝等城镇化水平较高的地区是我国住宅用地出让的活跃区。
（2）就住宅市场健康度综合分区结果而言,研究期内中国住宅市场可划分为协调发展型、需求旺盛型、经济偏离型、财政依托型和结构失调型等五种类型。其中协调发展型的研究单元最多,主要分布在天山南麓、东北平原、山东半岛和洞庭湖平原等地;其次是需求旺盛型和经济偏离型,主要分布在江西、广西、内蒙古、黑龙江、安徽和云南等省份;财政依托型和结构失调型的研究单元数量最少且分布零散,主要分布在浙江、福建、河南和重庆等省份。协调发展型是研究期内中国住宅市场健康度最优的类型区,其余四个类型研究单元的住宅市场健康度在地价—经济协调性,地价—收入匹配度和土地出让收入财政贡献度等方面存在不同程度的问题,有必要针对各类型的主要特征和研究单元发展现状制定相应的住宅市场调控政策,以促进当地住宅市场健康有序发展。
（3）就重点区住宅市场健康度而言,长三角、珠三角和京津冀地区住宅市场的土地市场化交易率均较高,但地价变化与经济发展的协调性偏低。综合而言,京津冀地区的住宅市场健康度优于长三角地区和珠三角地区。目前京津冀地区的地价收入比整体较为合理,但在京津冀协同发展的背景下,在维持河北省住宅市场健康水平的基础上,提升京津地区住宅市场的健康水平依然面临严峻挑战。随着长江经济带发展规划、苏南现代化示范区建设等的持续推进,长三角地区的住宅市场需求旺盛,部分地区土地出让收入对地方财政的贡献度偏大,应优化地区发展模式以降低地方政府对土地出让收入的依赖,并通过住宅市场调控政策适度控制住宅投资需求,从而改善住宅市场的亚健康状态。珠三角地区住宅市场的两极分化较为明显,经济发展和人口密度较高的广州、深圳、珠海和佛山等城市住宅市场发育较成熟,住宅地价偏高,地价收入比不甚合理,而茂名、清远等边缘城市的住宅市场发育水平相对较低,土地市场交易活跃度较低,地价与经济发展适应性较差,该区域在制定住宅市场调控政策时,应避免一刀切,宜针对不同城市住宅市场的发展特点制定差别化调控方案。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王良健, 黄露赟, 弓文. 中国土地市场化程度及其影响因素分析. 中国土地科学, 2011, 25(8): 35-41.研究目的:研究土地市场化发育 主要影响因素,为进一步完善土地市场政策提供参考依据。研究方法:基于空间面板模型,结合不同固定效应分析,对中国31省(市/区)2003—2007年 间影响土地市场化发育的主要影响因素进行分析。研究结果:大多数省份土地市场化程度逐年提高,区域差异逐步减小。城镇居民人均可支配收入和外商直接投资额 对土地市场化发展有明显的推动作用,人均土地面积、非农产业产值占GDP比重与土地市场化水平呈负相关。研究结论:研究过程考虑了空间效应,与其他模型相 比,结论更可靠,研究结果有助于进一步调整土地市场政策。

DOI

[Wang Liangjian, Huang Luyun, Gong Wen.Marketing level of land in China and its influential factors. China Land Sciences, 2011, 25(8): 35-41.]

[2]
常疆, 廖秋芳, 王良健. 长沙市区地价的空间分布特征及其影响因素. 地理研究, 2011, 30(10): 1901-1909.利用长沙市2003~2009年上半年的土地交易资料,采用GIS空间分析和计量经济学相结合的方法,得出长沙市区商业、住宅和工业出让地价分布的空间结构图,分析三类用地地价的空间分布特征及其影响因素。结果表明:(1)土地用途不同,其地价的空间分布也不同,商业地价对商服繁华度要求较高,高值区集聚在市中心(以五一广场为中心);住宅地价对环境质量要求较高,高值区相对商业地价集聚度有所下降;工业地价由于有较高的对外交通条件要求,其空间分布相对比较分散、均匀。(2)作为典型的单一中心城市,长沙各类地价空间变化的影响因素,因土地用途而异,但商服中心影响度对三类地价都存在显著影响。

[Chang Jiang, Liao Qiufang, Wang Liangjian.Spatial distribution and influencing factors of urban land price in Changsha city. Geographical Research, 2011, 30(10): 1901-1909.]

[3]
高金龙, 陈江龙, 苏曦. 2001-2010年南京市区土地出让价格的影响因素. 地理科学进展, 2014, 33(2): 211-221.土地价格作为土地市场中最具代表性和敏感性的要素，一直是土地市场运行的核心。为进一步厘清城市发展过程中不同类型土地出让价格的主要影响因素，在土地供需理论基础上，构建了土地价格影响因素的理论分析研究框架；并以南京市区96个乡（镇、街道）为基本研究单元，借鉴特征价格模型分析方法，利用2001-2010年土地出让数据，对住宅、工业、商服3种不同用地类型的价格分布影响因素进行分析。结果表明，以经济、人口、区位及配套设施为核心的需求要素，以及以地质地貌与自然景观为核心的供给要素，共同对土地价格产生影响。不同用地类型的价格空间分布特征及影响因素存在一定差异：住宅用地更多受需求要素影响，人口规模越大，经济发展潜力越好，区位条件越优越，其地价越高；工业用地受需求要素影响相对较小，而供给要素对其价格影响相对较大；商服用地规模门槛较高，环境影响较小，因此其价格主要受需求要素中地方经济水平、人口规模，以及到CBD的距离等交通条件的影响，而受供给因素影响不显著。

DOI

[Gao Jinlong, Chen Jianglong, Su Xi.Influencing factors of land price in Nanjing Proper during 2001-2010. Progress in Geography, 2014, 33(2): 211-221.]

[4]
王青, 陈志刚, 叶依广, 等. 中国土地市场化进程的时空特征分析. 资源科学, 2007, 29(1): 43-47. 土地市场的发展对于土地资源的优化配置乃至整个社会经济的快速、持续发展都有着十分重要的意义。为更好地了解我国不同阶段、不同地区土地资源的配置状况，以及土地市场的未来发展方向，本文在系统评价我国土地市场化程度的基础上，深入分析了近年来土地市场化进程的时空特征。研究结果表明，目前我国的土地市场化进程总体呈现为快速发展的趋势，且由东至西在不同地区表现为逐步降低的态势，而土地市场化的区间发展差异则正在逐步减小。不仅如此，土地市场化进程在不同地区内部也存在着显著的差异：表现为东部发达地区的北京、天津和山东等地的土地市场化水平相对较低；而西部欠发达地区的广西、四川和重庆等地则相对较高。为更好地促进土地资源的高效配置和区域经济的协调发展，文章最后提出了加快中西部地区土地市场化进程，优化区域土地市场结构等的政策建议。

[Wang Qing, Chen Zhigang, Ye Yiguang, et al.Spatio-temporal pattern of land marketization in China. Resources Science, 2007, 29(1): 43-47.]

[5]
王洋, 方创琳, 盛长元. 扬州市住宅价格的空间分异与模式演变. 地理学报, 2013, 68(8): 1082-1096.以2001-2012 年扬州中心城区各居住小区的住宅平均单价为基本数据,通过建立住宅价格总体分异测度指数(GDI) 计算其总体分异趋势及各住宅类型内部的分异趋势;采用核密度函数等方法探索住宅价格的分布形态和分异格局的演变规律;利用趋势面分析不同住宅类型价格的空间分异趋势;基于上述结果总结空间分异的演变模式,并分别探索空间分异与格局演变的驱动力。结果表明：① 2001 年以来扬州市住宅价格差距显著增大,分异趋势在波动中增强,与城市住宅均价的年增长率耦合;住宅价格呈现西高东低的空间分异格局,同档次价格小区由空间集聚转为相对分散,高、低价格住宅区分别沿固定扇面由中心向外围扩散。②不同住宅类型内的价格分异走势差别显著,各类型住宅间的价格趋势面差距明显,但其空间形态类似。③ 空间分异模式由2001 年西高东低的扇形同档次价格集聚式分异转变为2012 年扇形与圈层相结合的多档次价格混合式分异。④ 2001 年以来住宅价格总体分异的核心驱动力是城市居住空间的迅速扩展、居民收入差距的增大、房地产市场的繁荣和住宅类型的多元化,其住宅价格空间格局演变的驱动力为城市发展方向的确立与变化、特定住宅类型建设的区位指向和古城保护、旧城改造与新区建设。

[Spatial differentiation and model evolution of housing prices in Yangzhou. Acta Geographica Sinica, 2013, 68(8): 1082-1096.]

[6]
Basu S, Thibodeau T.Analysis of spatial autocorrelation in house prices. Journal of Real Estate Finance and Economics, 1998, 17(1): 61-85.

[7]
余建辉, 张文忠, 董冠鹏. 北京市居住用地特征价格的空间分异特征. 地理研究, 2013, 32(6): 1113-1120.基于2004-2009年北京市居住用地出让地块微观交易数据,利用特征价格模型,研究了地块所在区域的社会属性特征对地价的影响以及地块特征价格的空间分异特征。研究显示:①居住用地价格存在显著的空间依赖效应,轨道交通和公园绿地便利性及合理的土地混合利用能够显著提升地价。②人口密度、租用公共住房比例和居住用地开发强度等地块所属社会经济属性对价格影响显著。③居住用地的空间依赖效应、周围商业办公用地溢出效应、轨道交通和公园便利性的特征价格随着就业可达性、教育状况、租用公共住房比例、犯罪率和居住用地出让比例等地块所属社会经济属性特征的变化,存在较大的分异。

DOI

[Yu Jianhui, Zhang Wenzhong, Dong Guanpeng.Spatial heterogeneity in the attributes prices of residential land in Beijing. Geographical Research, 2013, 32(6): 1113-1120.]

[8]
曹天邦, 黄克龙, 李剑波, 等. 南京市主城区住宅地价的时空演变. 地理研究, 2012, 31(6): 1029-1038.城市地价在空间、时间分布上具有较强的关联性和特殊性,随着城市建设的快速发展和土地市场的不断发育,城市地价的时空变化日趋复杂。本文以南京市主城区为例,基于城市地价动态监测数据,运用统计分析方法和克里金插值方法,研究城市住宅地价时空演变特征。研究表明:从宏观上讲,地价时间上演变受宏观经济影响较大,大的经济形势、房地产市场的变动,对地价变化影响显著。从中观上讲,地价空间上演变主要体现在城市内部的区位条件、交通条件、城市规划、公用设施状况和环境条件等的影响。上述两者共同作用于地价的变化,并且两者相互关联、密不可分。通过城市地价的时空演变研究,以期快速、直观、准确地反映城市地价变化,为城市地价的宏观调控、合理利用土地资源提供参考。

[Cao Tianbang, Huang Kelong, Li Jianbo, et al.The spatial-temporal evolution of the residential land price of downtown in Nanjing. Geographical Research, 2012, 31(6): 1029-1038.]

[9]
张静, 张丽芳, 濮励杰, 等. 基于GWR模型的城市住宅地价的时空演变研究: 以江苏省为例. 地理科学, 2012, 32(7): 828-834.江苏省地价总体变化特征分析的基础上,构建城市住宅地价的GWR模型,对1997、2005和2008年3个时间点的江苏省城市住宅地价影响因素的空间变异特征进行了探究,揭示了各因素因子对住宅地价的影响程度和区域差异,丰富和发展了城市地价影响因素时空变化规律的理论研究。研究结果表明：① 距中心城市距离对住宅地价的影响呈负相关,3年回归系数绝对值的平均值逐渐增大且高值分布区域逐渐扩大；② GDP与住宅地价呈正相关,GDP对住宅地价影响最大地区逐渐北移,且高值区域逐渐减小；③ 城镇化率与住宅地价呈正相关,从空间看,沿江地区是苏南、苏中两大经济板块的纽带,对住宅地价影响变大,从时间看,城镇化率对住宅地价的影响逐步减小；④ 对外交通状况对住宅地价贡献为正,南部地区回归系数较高,向北系数逐渐减小,从时间角度看,其影响程度逐步增大；⑤ 从业人口数量对住宅地价的贡献为正,南部地区回归系数较高,向北回归系数绝对值逐渐减小,从业人口数量对苏南影响比苏北大；⑥ 房地产投资总额北部地区回归系数较高,向南系数逐渐减小,苏北房地产投资总额对住宅地价影响高于苏南地区。

[Zhang Jing, Zhang Lifang, Pu Lijie, et al.Research on spatio-temporal variation of urban residential land price based on GWR model: A case study of Jiangsu province. Scientia Geopraphica Sinica, 2012, 32(7): 828-834.]

[10]
Hwang M, Quigley J M.Economic fundamentals in local housing markets: Evidence from U.S. metropolitan regions. Journal of Regional Science, 2006, 46(3): 425-453.鈥 This paper investigates the effects of national and regional economic conditions on outcomes in the single-family housing market: housing prices, vacancies, and residential construction activity. Our three-equation model confirms the importance of changes in regional economic conditions, income, and employment on local housing markets. The results also provide the first detailed evidence on the importance of vacancies in the owner-occupied housing market on housing prices and supplier activities. The results also document the importance of variations in materials, labor and capital costs, and regulation in affecting new supply. Simulation exercises, using standard impulse response models, document the lags in market responses to exogenous shocks and the variations arising from differences in local parameters. The results also suggest the importance of local regulation in affecting the pattern of market responses to regional income shocks.

DOI

[11]
宋佳楠, 金晓斌, 唐健, 等. 中国城市地价水平及变化影响因素分析. 地理学报, 2011, 66(8): 1045-1054.城市地价的影响因素众多且复杂,地价水平和地价变化趋势受到社会、经济、政策等多方面因素的共同影响。论文从城市土地供需和宏观政策角度选取房地产投资额、市辖区建设用地面积、耕地占用税等10 项影响因素,采用2008-2010 年全国105 个土地市场较发育城市分季度地价数据,建立地价水平值与地价增长率影响因素的多层线性模型,定量分析了不同行政层次下,各影响因素对城市土地价格和地价增长率的影响程度。研究结论显示,地价水平值与地价增长率的影响因素不尽相同,且主导因素差异显著：在市级地价影响因素中,房地产投资增长是地价上升的直接动力,而地价增长率则主要受城市建设用地面积、房地产投资额的影响较；省级耕地保护政策对平抑地价、控制地价涨速作用显著,其中新增建设用地土地有偿使用费和耕地占用税是省级层次影响最显著的两项政策指标。

[Song Jianan, Jin Xiaobin, Tang Jian, et al.Analysis of influencing factors for urban land price and its changing trend in China in recent years. Acta Geographica Sinica, 2011, 66(8): 1045-1054.]

[12]
Brettell S.UK house prices: Driven by youth, inflation and speculation. Business Economist, 2002, 33(3): 14-26.

[13]
Himmelberg C, Mayer C, Simai T.Assessing high house prices: Bubbles, fundamentals and misperceptions. Journal of Economic Perspectives, 2005, 19(4): 67-92.We construct measures of the annual cost of single-family housing for 46 metropolitan areas in the United States over the last 25 years and compare them with local rents and incomes as a way of judging the level of housing prices. Conventional metrics like the growth rate of house prices, the price-to-rent ratio, and the price-to-income ratio can be misleading because they fail to account both for the time series pattern of real long-term interest rates and predictable differences in the long-run growth rates of house prices across local markets. These factors are especially important in recent years because house prices are theoretically more sensitive to interest rates when rates are already low, and more sensitive still in those cities where the long-run rate of house price growth is high. During the 1980s, our measures show that houses looked most overvalued in many of the same cities that subsequently experienced the largest house price declines. We find that from the trough of 1995 to 2004, the cost of owning rose somewhat relative to the cost of renting, but not, in most cities, to levels that made houses look overvalued.

DOI

[14]
Miceli T, Sirmans C.Efficiency rents: A new theory of the natural vacancy rate for rental housing. Journal of Housing Economics, 2013, 22(1): 20-24.This paper adapts the theory of efficiency wages to explain the natural vacancy rate in rental housing markets. A positive vacancy rate provides landlords an incentive to invest in maintenance because if they fail to do so, some tenants will leave and the unit will sit vacant for a finite period of time. The resulting foregone rent will penalize landlords鈥 failure to maintain. Habitability laws, which have been enacted by states since the 1960s, provide a non-market penalty which lessens the need for market enforcement. Variation in these laws by state offers an opportunity to test the theory.

DOI

[15]
Radzimski A.Changing policy responses to shrinkage: The case of dealing with housing vacancies in Eastern Germany. Cities, 2016, 50(44): 197-205.This paper takes a look at the implementation of policies under shrinkage conditions using the example of one of the largest federally supported urban policies in Germany. The Urban Restructuring Programme was initiated in the year 2001 as a response to the problem of extraordinarily high vacancies in the eastern part of the country. While earlier publications on the subject suggested that this policy was predominantly oriented towards demolition of vacant units, in this paper it is argued that this view should be revised. It is demonstrated that both the problem of housing vacancies and policy responses were substantially differentiated regionally. Further, it is highlighted how the policy has gradually changed over time, as its focus shifted from demolitions towards a new approach which seeks to adapt the mechanisms of urban regeneration to the conditions of shrinkage. Finally, the question is asked to what extent the new approach will turn out to be successful in the light of current demographic trends in Eastern Germany.

DOI

[16]
倪鹏飞, 晋海博, 吴伯磊. 中国城市房地产市场健康标准及实证研究. 城市发展研究, 2008, 15(2): 46-53, 67.准确判断房地产市场健康状况是正确实施房地产调控的前提,但国内外并没有一套判断房地产市场健康状况系统的工具,因而关于房地产的发展形势常常引起争议.论文试图从房地产市场与城市总体经济之间合理关系出发,设计一组指标体系,利用房地产与宏观经济对应的相关历史和整体的数据,建立46个经验模型,求得一套房地产市场的多维度健康标准.将健康标准值与城市的实际值进行比对发现:35个大中城市房地产市场均不健康.同时实证研究也较好地验证了研究思路的正确性和健康标准的可信性.

DOI

[Ni Pengfei, Jin Haibo, Wu Bolei.Theory and empirical analysis on the healthy of China urban real estate market. Urban Studies, 2008, 15(2): 46-53, 67.]

[17]
赵松, 肖晓俊. 宏观框架下的地价影响因素分析. 中国土地科学, 2012, 26(9): 4-11.研究目的：研究地价走势与各宏观经济指标及市场因素变动间的相关性，从而辅助科学制定宏观调 控政策。研究方法：统计分析法、定性分析法。研究结果：地价变动与多数宏观经济指标呈显著相关，与土地供应量相关性较弱，甚至出现逆规律性。研究结论：中 国地价变化与各宏观指标的相关性符合市场经济的一般性规律，体现了中国土地资源市场化配置改革的初步成效；在特定阶段，资本变动主导居住用地市场，土地供 应调控作用的发挥需全方位考量、多因素配合；地价增长与人均收入变化协调性降低以及工业用地市场初显资本炒作等迹象值得关注。

DOI

[Zhao Song, Xiao Xiaojun.Analysis on the land price factors in the context of macro-level framework. China Land Sciences, 2012, 26(9): 4-11.]

[18]
丰雷, 卢静. 2004年以来中国房地产用地市场发展及房地产用地价格决定因素分析. 中国土地科学, 2013, 27(4): 29-35, 90.研究目的：主要基于中国土地市场动态监测系统的数据，对2004 年以来中国房地产用地市场发展和特点进行分析，并探讨影响房地产用地价格的主要因素。研究方法、描述分析、计量分析。研究结果：（1）中国房地产用地市场 具有房地产用地供应与房地产投资关系密切、房地产用地供应结构受宏观调控政策影响显著、房地产用地市场区域差异性显著，以及房地产用地价格与商品房价格趋 势一致但波幅更大等特点；（2）房地产用地价格不仅由商品房价格、房地产开发投资等需求面因素决定，而且受供地面积等供给面因素影响，此外，地方财政收入 也是决定房地产用地价格的显著因素。研究结论：房地产用地市场运行与房地产市场、宏观经济之间具有显著的相互影响关系，同时，房地产用地供应及供地政策对 房地产用地价格具有显著影响，供地政策（调节供地总量或结构）可作为房地产宏观调控的主要政策工具。

DOI

[Feng Lei, Lu Jing.The development of real estate land market and the impact factors of residential land prices in China since 2004. China Land Sciences, 2013, 27(4): 29-35, 90.]

[19]
张晔, 邓楚雄, 谢炳庚, 等. 基于熵权可拓物元模型的湖南省土地市场成熟度评价. 资源科学, 2015, 37(1): 45-51.<p>为准确把握湖南省土地市场发育状况,本文紧扣土地市场发育的内涵,从土地市场交易情况、土地市场供求均衡度、土地市场地价敏感度、土地市场竞争度、土地市场政府干预度5个方面入手,构建起包含11个单项指标的土地市场成熟度评价指标体系,尝试运用熵权可拓物元模型,定量评价2012年湖南省土地市场成熟度。结果表明:①总体上看,湖南省土地市场成熟度处于&ldquo;过渡期&rdquo;并有向&ldquo;成熟期&rdquo;转变的趋势;②就单个评价指标而言,土地闲置率、土地价格供给弹性、土地税收占财政收入比重、协议地价与出让地价差额率等4个指标处于&ldquo;成熟期&rdquo;土地转让率、土地供给率、土地价格需求弹性、地价弹性系数、土地投资来源多样化率等5个指标处于&ldquo;过渡期&rdquo;土地出让金溢出率、土地有偿出让率2个指标分别处于&ldquo;发展期&rdquo;和&ldquo;发育期&rdquo;;③熵权可拓物元模型在土地市场成熟度评价方面实用可行,评价结果符合湖南省土地市场发育的实际,为同类研究提供了方法上的支持。</p>

[Zhang Ye, Deng Chuxiong, Xie Binggeng, et al.Development stage evaluation of land markets in Hunan province based on an entropy weight and matter-element model. Resources Science, 2015, 37(1): 45-51.]

[20]
王洋, 王德利, 王少剑. 中国城市住宅价格的空间分异格局及影响因素. 地理科学, 2013, 33(10): 1157-1165.<p>分别研究2009 年中国286 个地级以上城市住宅均价和房价收入比的空间分异格局、总体趋势、空间异质性和相关性;根据供需理论和城市特征价格理论建立了影响中国城市住宅价格空间分异的初选因素,并根据半对数模型分析主要影响因素。结果表明:① 中国城市住宅价格空间分异显著,呈现出空间集聚性分异(东南沿海三大城市群与内陆城市之间)和行政等级性分异(省会与地级市之间)的双重格局;② 房价收入比较高的城市数量更多,分布范围更广,购房难度较大的城市已超过一半;③ 住宅均价的总体分异趋势和空间异质性都强于房价收入比;④ 城市居民收入与财富水平和城市区位与行政等级特征是住宅价格空间分异的两大核心影响因素。</p>

[Wang Yang, Wang Deli, Wang Shaojian.Spatial differentiation patterns and factors of housing prices of China's cities. Scientia Geopraphica Sinica, 2013, 33(10): 1157-1165.]

[21]
张文彤. SPSS统计分析高级教程. 北京: 高等教育出版社, 2011.

[Zhang Wentong.Advanced SPSS Statistical Analysis Tutorial. Beijing: Higher Education Press, 2011.]

[22]
杨志恒.基于Ward 法的区域空间聚类分析 . 中国人口⋅资源与环境,2010, 20(3): 382-386.作为数据挖掘和数据信息分析的一个重要技术,空间聚类方法是确定区域划分方案的一种定量分析方法。本文以Ward系统聚类法为基础,采用自下而上的层次方法,定义了由地理空间距离与空间邻接关系提取的空间邻近指数,将其作为判断离差平方和增幅最小类别是否聚合的指示值,对给定的数据进行逐层筛选判别,进行空间聚合分析。将该算法应用于昆明市经济发展分区,所得结果较好的体现了昆明市经济发展水平的地域特征,实现了空间上自动聚合,使得分区结果符合区域划分原则。

[23]
项晓敏, 金晓斌, 杜心栋, 等. 基于Ward系统聚类的中国农用地整治实施状况分析. 农业工程学报, 2015, 31(6): 257-265.为科学分析当前中国农用地整治的实施特征和空间格局特点，厘清实施状态与规划目标的协调状态，该文基于土地整治项目管理信息，以县域为研究单元，通过整治强度、整治潜力和整治难度3项指标，采用Ward系统聚类法，对2006－2012年中国农用地整治实施状况进行综合分区，并结合既定的规划目标，对实施状态进行了定量分析，得出以下结论：1）高整治强度区主要位于华北平原、三江平原、长江三角洲等传统农区；高整治潜力区主要位于青甘农牧区、黄土高原区等半湿润半干旱地区；高整治难度区主要位于秦巴山地和云贵高原等地形较为复杂的地区。2）研究期内中国农用地整治实施状态可划分为"中高-低-中"（Ⅰ类）、"中-中低-中"（Ⅱ类）、"中高-中高-中高"（Ⅲ类）、"低-中-高"（Ⅳ类）和"高-中低-中"（Ⅴ类）等5种类型，其中以Ⅲ类最为集中，Ⅰ类和Ⅱ类次之，Ⅳ类、Ⅴ类数量较少且分布零散。3）从实施状态与整治规划的协调性看，实施现状与规划确定的农用地整治重点区域、高标准基本农田建设示范县，以及基本农田整治重大工程等重点任务，均存在一定偏差；从与表征经济发展、粮食生产、土地整治活动的分区对比来看，区域差异不甚明显，整治重点尚不突出。该研究成果可为中国土地整治规划评价和宏观制度设计提供参考。

[Xiang Xiaomin, Jin Xiaobin, Du Xindong, et al.Analysis of farmland consolidation implementation status in China based on Ward hierarchical clustering. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(6): 257-265.]

[24]
边振兴, 杨子娇, 钱凤魁, 等. 基于LESA体系的高标准基本农田建设时序研究. 自然资源学报, 2016, 31(3): 436-446.高标准基本农田建设地既要符合建设的内涵和要求,又要实际考虑研究区基础设施和社会经济条件。为了科学合理地进行综合评价和时序研究,论文以沈阳市沈北新区为例,借鉴美国土地评价与立地分析（LESA）思想,根据自身限制条件和耕地质量更新成果进行综合质量评价,自然质量因素选取有机质含量及土壤质地等,立地条件因素从基础设施条件和社会经济条件两方面选取,基础设施条件主要选取灌溉保证率、排水条件等,社会经济条件主要选取单位面积投入及农业技术人员投入等。在评价结果的基础上采用自然断点法与K-均值聚类法相结合的方法划分建设时序。结果表明,近期建设区占研究区的43.95%,主要进行农田基础设施建设,致力建设设施完备、高产稳产的现代化农田;中期建设区占研究区的25.01%,以提升自然质量为主导建设方向,建立协调发展的高产农田;远期建设区占研究区的31.04%,应全面展开建设,以提升农田综合质量达到高标准基本农田建设标准。

[Bian Zhenxing, Yang Zijiao, Qian Fengkui, et al.Study on time sequence of high-standard prime farmland based on LESA. Journal of Natural Resources, 2016, 31(3): 436-446.]

Options
Outlines

/

〈 〉