鐘義鵬，趙小敏，郭 熙，張 晗，易 丹，朱 青

（1.江西農(nóng)業(yè)大學(xué)江西省鄱陽(yáng)湖流域農(nóng)業(yè)資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室，江西南昌 330045；2.江西農(nóng)業(yè)大學(xué)國(guó)土資源與環(huán)境學(xué)院，江西南昌 330045；3.南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇南京 210023）

【研究意義】近年來(lái)，隨著房地產(chǎn)行業(yè)的竟?fàn)幵窖菰搅?，房地產(chǎn)市場(chǎng)的發(fā)展受到人們的廣泛關(guān)注。在關(guān)系特征相似的城市，城市住宅地價(jià)與房?jī)r(jià)存在一定的因果關(guān)系，故而城市住宅地價(jià)問(wèn)題也逐漸成為了眾多學(xué)者研究的焦點(diǎn)[1]。因此，了解區(qū)域城市地價(jià)水平空間差異有助于反映城市土地經(jīng)濟(jì)變化發(fā)展的趨勢(shì)，且通過(guò)土地價(jià)格機(jī)制優(yōu)化配置整個(gè)區(qū)域土地資源，對(duì)促進(jìn)城市各區(qū)域之間產(chǎn)業(yè)結(jié)構(gòu)協(xié)調(diào)發(fā)展也具有重要指導(dǎo)意義，同時(shí)是政府合理調(diào)控土地供應(yīng)與規(guī)范土地市場(chǎng)秩序的重要工具[2?3]?！厩叭搜芯窟M(jìn)展】目前，國(guó)內(nèi)外學(xué)者關(guān)于城市住宅地價(jià)研究大多圍繞某一特定區(qū)域或熱點(diǎn)城市展開(kāi)，多見(jiàn)于空間異質(zhì)[4?5]、時(shí)空演變[6?8]、影響因素[9?11]等領(lǐng)域，并且取得了豐碩的研究成果。

【本研究切入點(diǎn)】但前人研究?jī)H局限于了解住宅地價(jià)的空間分布特征，對(duì)住宅地價(jià)的空間聚類格局研究較為缺乏，而了解住宅地價(jià)在空間上的聚類格局，對(duì)目前空間規(guī)劃規(guī)?；陌l(fā)展具有重要的現(xiàn)實(shí)指導(dǎo)意義。此外，目前學(xué)者們對(duì)住宅地價(jià)在空間分布影響因素的探究多停留在空間計(jì)量模型[10]、特征價(jià)格模型[8,12]、地理加權(quán)回歸模型[4,13]等傳統(tǒng)分析方法，對(duì)于多因子影響及其交互作用的定量分析相對(duì)薄弱。而地理探測(cè)器是研究空間分異，以及揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法[14]，可以全面地分析和評(píng)估影響因子對(duì)住宅地價(jià)空間分異的影響程度及交互作用，彌補(bǔ)了以往研究方法的不足。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，2018年南昌市GDP總量為5 274.67億元，比相鄰省會(huì)城市長(zhǎng)沙、合肥略低，而2018年南昌市住宅地價(jià)為6 463元/m2，卻遠(yuǎn)高于以上兩座城市水平，在GDP相對(duì)落后的情況下住宅地價(jià)卻居高不下，作為中部省會(huì)城市，針對(duì)南昌市住宅地價(jià)的研究具有一定的現(xiàn)實(shí)意義?！緮M解決的關(guān)鍵問(wèn)題】本文在基于南昌市中心城區(qū)住宅用地出讓數(shù)據(jù)的基礎(chǔ)上，借助GIS、GeoDa、GS+等軟件相關(guān)技術(shù)和地理統(tǒng)計(jì)分析法研究南昌市中心城區(qū)住宅地價(jià)空間分布格局及影響因素，為進(jìn)一步揭示住宅地價(jià)分異規(guī)律及影響地價(jià)的驅(qū)動(dòng)因素，以期為南昌市用地合理布局與國(guó)土空間規(guī)劃、系統(tǒng)調(diào)控土地供應(yīng)與規(guī)范土地市場(chǎng)秩序、引導(dǎo)土地市場(chǎng)健康有序發(fā)展提供參考。

1 材料與方法

1.1 研究區(qū)概況

南昌市位于我國(guó)華中地區(qū)，地理坐標(biāo)位于東經(jīng)115°27′～116°35′、北緯28°10′～29°11′，地處江西省中部偏北，贛江、撫河下游，東北方瀕臨我國(guó)最大的淡水湖鄱陽(yáng)湖，西接九嶺山脈，東南屬贛中南，山地丘陵居多。本文根據(jù)南昌市住宅地價(jià)樣點(diǎn)的分布情況，選取南昌市中心城區(qū)為研究范圍（圖1），包括南昌市東湖區(qū)、西湖區(qū)和部分青山湖區(qū)、青云譜區(qū)、新建區(qū)和昌北經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)。

1.2 數(shù)據(jù)來(lái)源及處理

本研究以2009—2018年為研究期，住宅地價(jià)數(shù)據(jù)來(lái)源于南昌市自然資源局一級(jí)土地市場(chǎng)交易案例，其他數(shù)據(jù)來(lái)源于城市地價(jià)動(dòng)態(tài)監(jiān)測(cè)網(wǎng)（http：//www.landvalue.com.cn/）、統(tǒng)計(jì)年鑒和POI數(shù)據(jù)。為了使地價(jià)數(shù)據(jù)具有統(tǒng)一的可比性，對(duì)地價(jià)數(shù)據(jù)進(jìn)行統(tǒng)一內(nèi)涵，基準(zhǔn)日統(tǒng)一到2018年12月31日。利用離群值剔除，最終確定271個(gè)住宅樣點(diǎn)。通過(guò)ArcGIS 10.5軟件對(duì)研究區(qū)數(shù)據(jù)進(jìn)行相應(yīng)的數(shù)字化處理，將住宅樣點(diǎn)數(shù)據(jù)進(jìn)行空間位置匹配，建立地理信息數(shù)據(jù)庫(kù)。樣點(diǎn)數(shù)據(jù)隨機(jī)排列對(duì)數(shù)處理后符合正態(tài)分布的特點(diǎn)。借助SPSS 22.0軟件對(duì)住宅樣點(diǎn)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析和相關(guān)性分析，運(yùn)用半方差函數(shù)在GS+7.0軟件進(jìn)行空間結(jié)構(gòu)分析，普通克里格插值、地統(tǒng)計(jì)和空間自相關(guān)分析均在ArcGIS10.5軟件平臺(tái)上進(jìn)行，最后在地理探測(cè)器軟件下進(jìn)行因子探測(cè)和交互探測(cè)分析。

由于地理探測(cè)器輸入的自變量要求為類別數(shù)據(jù)，需要對(duì)連續(xù)性變量數(shù)據(jù)進(jìn)行離散化處理。本文結(jié)合前人研究[15?16,20]及先驗(yàn)知識(shí)，將治安狀況分為好、較好、一般、較差、差5級(jí)；空氣質(zhì)量分為優(yōu)良、良、一般、較差、差5級(jí)；人口密度值分為高、較高、一般、較低、低5級(jí)。其他連續(xù)變量通過(guò)自然斷點(diǎn)法劃分為5類，以確保在同樣空間分層條件下，結(jié)果具有可比性。

2 結(jié)果與分析

2.1 南昌市住宅地價(jià)描述性統(tǒng)計(jì)

利用城市地價(jià)動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)整理出了2009—2018年南昌市住宅地價(jià)平均值及環(huán)比增長(zhǎng)率及南昌市與相鄰省會(huì)城市平均住宅地價(jià)對(duì)照，如圖2和圖3所示。

圖3 2009—2018年南昌市與相鄰省會(huì)城市平均住宅地價(jià)對(duì)比Fig.3 Comparison of average residential land price between Nanchang city and neighboring provincial capitals from 2009 to 2018

由圖2可知，南昌市整體住宅地價(jià)呈現(xiàn)持續(xù)上漲的趨勢(shì)，10年間增長(zhǎng)了3倍有余，經(jīng)歷了低谷期（2009—2012年）、發(fā)展期（2013—2015年）、成熟期（2016—2018年）3個(gè)階段。由圖3可知，南昌市住宅地價(jià)在長(zhǎng)沙、武漢等相鄰省會(huì)城市中處于中等水平，且處于全國(guó)平均水平之下。

由表1可知，南昌市中心城區(qū)住宅地價(jià)平均值為9 575.78元/m2，略低于全國(guó)平均水平，變幅處于904.12～32 639.23元/m2；變異系數(shù)為66.54%，呈中等偏上程度變異性。整體數(shù)據(jù)分布呈偏左態(tài)，經(jīng)自然對(duì)數(shù)變換后，住宅地價(jià)服從正態(tài)分布，符合地統(tǒng)計(jì)學(xué)分析的要求。

表1 住宅地價(jià)描述性統(tǒng)計(jì)特征Tab.1 Descriptive statistical characteristics of residential land price

2.2 南昌市中心城區(qū)住宅地價(jià)空間分異特征

2.2.1 半方差函數(shù)分析 半方差函數(shù)可研究住宅地價(jià)空間分布格局的隨機(jī)性和結(jié)構(gòu)性特征[17]。從半方差函數(shù)擬合結(jié)果選取住宅地價(jià)空間分布的最優(yōu)球狀模型（表2），決定系數(shù)R2為0.974，殘差RSS趨近于0，表明其擬合精度較高，能夠較好地反映住宅地價(jià)的空間結(jié)構(gòu)特征。住宅地價(jià)的塊金效應(yīng)為15.5%，屬于中等空間變異性，表明住宅地價(jià)具有較強(qiáng)空間相關(guān)性，并且主要受到如交通、環(huán)境和基礎(chǔ)設(shè)施等因素的[18]作用。住宅地價(jià)變程為4.83 km，說(shuō)明住宅地價(jià)的空間自相關(guān)范圍較大。

表2 研究區(qū)住宅地價(jià)半方差函數(shù)模型及相應(yīng)參數(shù)Tab.2 Model of semi-variance function of housing price and corresponding parameters

2.2.2 空間自相關(guān)分析 為進(jìn)一步探測(cè)住宅地價(jià)在整個(gè)研究區(qū)域的空間聚集狀態(tài)與相關(guān)程度，采用全局統(tǒng)計(jì)量Moran’sI指數(shù)對(duì)住宅地價(jià)分布進(jìn)行全局空間自相關(guān)分析，分析結(jié)果表明，研究區(qū)住宅地價(jià)具有顯著空間自相關(guān)性，其Moran’sI指數(shù)值為0.395，P為0.033 4<0.05，Zscore為11.941 4>1.96，具有統(tǒng)計(jì)學(xué)意義[19]，表明南昌市中心城區(qū)住宅地價(jià)具有顯著的空間自相關(guān)性，這與半方差函數(shù)分析結(jié)果（表2）基本上一致。

為更好地反映研究區(qū)住宅地價(jià)的空間分布特征，在半方差函數(shù)模型擬合的基礎(chǔ)上，對(duì)住宅地價(jià)進(jìn)行普通克里格插值，得到住宅地價(jià)的空間分布圖。由圖4可知，南昌市中心城區(qū)住宅地價(jià)整體呈現(xiàn)出不規(guī)則圈層狀分布，總體四周偏低中心偏高，高值區(qū)主要分布在東湖區(qū)、西湖區(qū)、青云譜區(qū)西部。

圖4 住宅地價(jià)克里金插值圖Fig.4 Interpolation diagram of housing land price

為進(jìn)一步探測(cè)住宅地價(jià)在局部區(qū)域的空間格局分布情況，利用熱點(diǎn)分析指標(biāo)（Getis?OrdGi*）進(jìn)行局部空間自相關(guān)分析，繪制了Gi*（P）值<0.05的空間分布圖（圖5）。住宅地價(jià)在空間分布上呈現(xiàn)出顯著的聚集特征，其中在東湖片區(qū)、西湖朝陽(yáng)片區(qū)、青云譜洪都片區(qū)等老城區(qū)均有較大面積的熱點(diǎn)區(qū)分布，比例達(dá)32.47%，平均住宅地價(jià)為13 246.07元/m2；而冷點(diǎn)區(qū)主要分布在南昌市重點(diǎn)發(fā)展的九龍湖片區(qū)，主要有九龍湖公園、萬(wàn)達(dá)城附近，比例達(dá)18.45%，平均住宅地價(jià)為4 854.62元/m2。住宅地價(jià)的LISA聚類圖（圖6）顯示，南昌市中心城區(qū)住宅地價(jià)“高－高”區(qū)域，主要分布在西湖區(qū)、青云譜區(qū)部分和東湖區(qū)部分，此部分區(qū)域位于南昌市老城區(qū)，該區(qū)域路網(wǎng)發(fā)達(dá)，市政設(shè)施完備，尤其是依托南昌站的建設(shè)及居住環(huán)境的改善，使得區(qū)位條件更凸顯，而致使地價(jià)較高；基礎(chǔ)設(shè)施等較差的南昌市西南片區(qū)則為住宅地價(jià)“低－低”區(qū)域，該區(qū)域?yàn)槟喜兄攸c(diǎn)發(fā)展的九龍湖片區(qū)，目前正處于規(guī)劃中，基礎(chǔ)設(shè)施不夠完善，距離市中心較遠(yuǎn)，周邊地價(jià)呈現(xiàn)“低－低”聚集。

圖5 研究區(qū)住宅地價(jià)熱點(diǎn)分析Fig.5 Analysis chart of residential land price hotspots in the study area

圖6 研究區(qū)住宅地價(jià)LISA圖Fig.6 LISA plot of housing price in the study area

2.3 住宅地價(jià)空間分異特征的影響因素分析

2.3.1 特征變量選取 根據(jù)城市地理學(xué)和住宅經(jīng)濟(jì)學(xué)相關(guān)理論，再結(jié)合眾多學(xué)者對(duì)住宅價(jià)格及住宅租金的研究實(shí)踐[20?21]，從城市住宅的區(qū)位因子、公服設(shè)施、環(huán)境因子和宗地屬性4個(gè)方面選取15個(gè)指標(biāo)探測(cè)對(duì)住宅地價(jià)的影響（表3）。由于地理探測(cè)器輸入的自變量要求為類別數(shù)據(jù)，故對(duì)這15項(xiàng)數(shù)值型變量進(jìn)行離散化處理，以切合工具的要求，使結(jié)果具有科學(xué)效應(yīng)。

2.3.2 探測(cè)結(jié)果分析 通過(guò)相關(guān)性衡量各影響因素對(duì)地價(jià)的相關(guān)程度，可知，所選取的因子中，除人口密度值為正相關(guān)，其他值均為負(fù)相關(guān)，且大部分因子相關(guān)性達(dá)到極顯著水平。通過(guò)地理探測(cè)器模型的因子探測(cè)工具衡量影響因子對(duì)住宅地價(jià)空間分異的影響強(qiáng)度，探測(cè)結(jié)果如表3。其中金融設(shè)施距離、集貿(mào)市場(chǎng)距離對(duì)其影響的顯著性較高，分別為22.14%和21.86%，可見(jiàn)，金融設(shè)施對(duì)住宅地價(jià)的邊際貢獻(xiàn)最大，容積率邊際貢獻(xiàn)最小為7.81%?；貧w系數(shù)的正負(fù)值說(shuō)明驅(qū)動(dòng)因素存在局部的空間異質(zhì)性[22]。

（1）區(qū)位因子對(duì)住宅地價(jià)的影響。通過(guò)Pearson相關(guān)性分析，住宅地價(jià)與區(qū)位因子均呈顯著負(fù)相關(guān)關(guān)系（P<0.05），r均大于0.41。表明住宅地價(jià)的高低與區(qū)位因素有很大的相關(guān)性，區(qū)位因素能給住宅用戶提供更多的便捷服務(wù)，同時(shí)提升住宅的品質(zhì)及便捷度，對(duì)住宅地價(jià)也有提升的作用。金融設(shè)施因素（0.221 4）和加油站設(shè)施（0.211 7）對(duì)研究區(qū)住宅地價(jià)的影響最顯著，這主要是因?yàn)樯虡I(yè)銀行網(wǎng)點(diǎn)和加油站能夠?yàn)榫用裉峁┍憬莸慕鹑诜?wù)和交通工具續(xù)航服務(wù)，這兩項(xiàng)設(shè)施服務(wù)均人流量大，而城市快節(jié)奏生活方式下，常與居民區(qū)相伴而生。從系數(shù)可知，商業(yè)綜合體影響度對(duì)住宅地價(jià)的影響較顯著，這是因?yàn)槌鞘猩虡I(yè)綜合體的配套設(shè)施較完善，快捷服務(wù)一體化功能較齊全；目前南昌市地鐵一、二號(hào)線運(yùn)營(yíng)已經(jīng)成熟，三、四號(hào)線正在建設(shè)中，地鐵站距離對(duì)住宅用地價(jià)格也存在負(fù)向影響，這可以從交通可達(dá)性、基礎(chǔ)設(shè)施便捷性、增強(qiáng)商業(yè)效應(yīng)等方面得到解釋，這與前人研究[5,7,22?24]相同。

表3 研究區(qū)住宅地價(jià)空間分異影響因素Tab.3 Influencing factors of housing price spatial differentiation in the study area

（2）環(huán)境因子對(duì)住宅地價(jià)的影響。環(huán)境質(zhì)量?jī)?yōu)劣度是對(duì)土地社會(huì)、生態(tài)效益質(zhì)量狀況的量度，正成為人們居住選址時(shí)越來(lái)越重要的考慮因素[19,25?27]。本文選用了研究區(qū)治安狀況、空氣質(zhì)量、人口密度值的監(jiān)測(cè)值來(lái)實(shí)施評(píng)價(jià)。在城市內(nèi)霧霾、大氣污染、交通擁擠等居住環(huán)境問(wèn)題頻發(fā)的背景下，空氣質(zhì)量因素（0.181 4）和人口密度值（0.109 9）對(duì)研究區(qū)住宅地價(jià)的影響較為顯著，在城市空間中，空氣質(zhì)量高的地方遠(yuǎn)離汽車尾氣和工業(yè)排放，擁有比較舒適的生活環(huán)境，宜居性較好，對(duì)居民吸引力較大；在研究區(qū)地價(jià)高值區(qū)如天虹、百盛、萬(wàn)達(dá)廣場(chǎng)等地，商業(yè)和辦公設(shè)施高度聚集，土地利用率較高，導(dǎo)致該區(qū)域人口密度較高，而在遠(yuǎn)離中心的郊區(qū)如昌北、蛟橋、高新等地，土地的利用率相對(duì)較低，與之相應(yīng)，人口密度較低，住宅地價(jià)也相對(duì)較低。從而可以粗略得出，地價(jià)和人口密度分布間大致呈正相關(guān)關(guān)系，這與前人研究[22]相符合。土地利用與犯罪率有很大的關(guān)系[28]，如盜竊、搶劫相關(guān)的犯罪容易發(fā)生在住宅區(qū)和商業(yè)區(qū)附近，人們?cè)谶x擇住房時(shí)會(huì)考慮該地區(qū)的治安狀況，總體來(lái)說(shuō)治安狀況（0.014）對(duì)研究區(qū)住宅地價(jià)的影響不顯著。

（3）公服設(shè)施對(duì)住宅地價(jià)的影響。公服設(shè)施周圍人流量較大，由于服務(wù)人群的差異，不同類型的公共服務(wù)設(shè)施對(duì)住宅地價(jià)的影響呈現(xiàn)出不同的作用效果。作為生活便利性設(shè)施的菜市場(chǎng)，具有多樣化、集中化和便捷性的特點(diǎn)，對(duì)住宅地價(jià)的增值作用明顯；有研究表明人們對(duì)于品質(zhì)生活和環(huán)境質(zhì)量的要求使得公園、湖泊和文化休閑等對(duì)住宅和住宅地價(jià)都有提升作用[5,22,25]，作為城市生活的重要組成部分，主要發(fā)揮休閑娛樂(lè)、健身怡人等功能，住宅地價(jià)對(duì)其區(qū)位的依賴性較強(qiáng)。其次是中小學(xué)因素，由于南昌市實(shí)行學(xué)校附近居民子女就近入學(xué)，靠近重點(diǎn)中小學(xué)便會(huì)成為居民住宅的首選，對(duì)住宅地價(jià)的影響較為顯著；在食品安全、衛(wèi)生服務(wù)等問(wèn)題頻發(fā)的背景下，人們?cè)絹?lái)越注重健康問(wèn)題，醫(yī)院（0.165 5）正成為人們居住選址時(shí)越來(lái)越重要的考慮因素，南昌市中心城區(qū)分布著較多的知名三甲醫(yī)院，如江西省人民醫(yī)院、南昌大學(xué)附屬醫(yī)院（一附院、二附院）、江西省中醫(yī)院等均為臨近的居民提供了快捷的醫(yī)療服務(wù)。

表4 研究區(qū)各影響因子對(duì)住宅地價(jià)的相關(guān)性、因子探測(cè)和交互探測(cè)分析結(jié)果Tab.4 Analysis results of correlation，factor detection and interactive detection of each influence factor on housing price in the study area

（4）宗地屬性對(duì)住宅地價(jià)的影響。本研究選取了住宅樣點(diǎn)的宗地面積及容積率作為驅(qū)動(dòng)因素，分析發(fā)現(xiàn)，宗地面積及容積率對(duì)住宅地價(jià)均會(huì)產(chǎn)生影響，可能的解釋是容積率是房地產(chǎn)開(kāi)發(fā)商通過(guò)建筑面積，獲得收益的重要途徑[8]，開(kāi)發(fā)商取得土地時(shí)，往往容積率越高，其在單位土地上建的建筑面積越多，住宅價(jià)格也就相對(duì)較低，但是對(duì)于房屋購(gòu)買(mǎi)者抑或房屋租賃者而言，容積率越高，舒適度則相對(duì)較低，住宅的地價(jià)也將會(huì)受到影響，這與已有的研究一致[29]。宗地面積越大，意味著土地總價(jià)越高，因而相對(duì)較少的開(kāi)發(fā)商能參與到競(jìng)拍中，競(jìng)拍程度有所減弱，土地成交單價(jià)相對(duì)于小規(guī)模的宗地來(lái)說(shuō)更低；面積越小，土地總價(jià)格越低，開(kāi)發(fā)商準(zhǔn)入門(mén)檻低，土地競(jìng)拍激烈，單位面積的地價(jià)相對(duì)較高[30]。

（5）各因子交互作用。通過(guò)地理探測(cè)器對(duì)影響研究區(qū)住宅地價(jià)的4個(gè)方面15個(gè)指標(biāo)進(jìn)行交互探測(cè)分析。從表4可知，影響因子兩兩交互均會(huì)大于各單因子對(duì)住宅地價(jià)變異的影響，但不同因子之間交互作用強(qiáng)度有所不同。其中，Dis_bank與Dis_lake的交互作用影響最強(qiáng)，為36.97%。此外，銀行設(shè)施的疊加可大大增加單因子對(duì)住宅地價(jià)空間變異的解釋力。這在一定程度上表明銀行設(shè)施與住宅地價(jià)的分布具有緊密的關(guān)聯(lián)性，對(duì)住宅地價(jià)升值具有較強(qiáng)的驅(qū)動(dòng)作用。

3 結(jié)論與討論

3.1 結(jié)論

本文通過(guò)分析南昌市中心城區(qū)2009—2018年住宅地價(jià)空間分異及影響因素，得出主要結(jié)論有：（1）近十年南昌市中心城區(qū)住宅地價(jià)經(jīng)歷了低谷期、發(fā)展期、成熟期3個(gè)階段，價(jià)格持續(xù)上漲，10年間增長(zhǎng)了3倍有余。地價(jià)平均值為9 575.78元/m2，變幅處于904.12～32 639.23元/m2；變異系數(shù)為66.54%，呈中等偏上程度變異性；（2）變異性及空間自相關(guān)分析結(jié)果顯示，南昌市中心城區(qū)住宅地價(jià)具有較強(qiáng)的空間相關(guān)性，總體在空間分布上呈現(xiàn)出顯著的聚集特征。經(jīng)半方差函數(shù)分析，住宅地價(jià)變程為4.83 km，空間自相關(guān)范圍較大，塊金效應(yīng)值為29.03%，表明住宅地價(jià)空間變異主要受結(jié)構(gòu)性因素影響。（3）在空間分布上，住宅地價(jià)整體呈現(xiàn)出不規(guī)則圈層狀分布，四周偏低中心偏高，熱點(diǎn)區(qū)主要分布在紅谷灘新區(qū)、東湖片區(qū)、西湖區(qū)朝陽(yáng)新城、象湖片區(qū)西部、青云譜區(qū)洪都新城，比例達(dá)32.47%，平均住宅地價(jià)為13 246.07元/m2；（4）南昌市中心城區(qū)住宅地價(jià)空間分異規(guī)律影響因素的平均貢獻(xiàn)度由大到小依次為Dis_bank、Dis_Mark、Dis_gas、Dis_com、Dis_Ent、Dis_gas、Score_sce、Score_air、Dis_park、Dis_hos、Area、Dis_sch、Score_pop、Dis_lake和FAR，其中，Dis_bank與Dis_lake的交互作用影響最強(qiáng)，為36.97%，金融設(shè)施的疊加可大大增加單因子對(duì)住宅地價(jià)空間變異的解釋力，對(duì)住宅地價(jià)的波動(dòng)和空間變異起到重要作用。

3.2 討論

本文選取的研究區(qū)域?yàn)橹胁渴?huì)城市南昌市中心城區(qū)，其住宅地價(jià)空間格局分布與周邊類似案例研究結(jié)論具有較好的相似性，通過(guò)對(duì)空間插值與熱點(diǎn)分析，顯示研究區(qū)住宅地價(jià)呈現(xiàn)出空間上的單中心、多核心的空間發(fā)展結(jié)構(gòu)，地價(jià)的時(shí)空分異過(guò)程區(qū)域化較強(qiáng)，不適宜運(yùn)用于其他非類似布局城市。地價(jià)的高峰區(qū)表現(xiàn)為不規(guī)則圈層狀分布，且其布局的外延趨勢(shì)明顯，臨商圈、河流湖泊的特征較為明顯，這一結(jié)果與武漢[6?7]、長(zhǎng)沙[20]等國(guó)內(nèi)同類型城市相似。

住宅地價(jià)與各影響因素之間的關(guān)系較為復(fù)雜，對(duì)住宅地價(jià)影響因素的探討有利于促進(jìn)城市科學(xué)合理規(guī)劃和整合資源配置。從空間異質(zhì)性看，各個(gè)因素對(duì)研究區(qū)住宅地價(jià)影響的分異規(guī)律不盡相同，贛江與湖泊將南昌中心城區(qū)分為多個(gè)區(qū)域，促使南昌市呈現(xiàn)多核心發(fā)展格局；金融設(shè)施和商業(yè)綜合體的區(qū)位因素對(duì)住宅地價(jià)的影響強(qiáng)度較為顯著，伴隨著商業(yè)金融基礎(chǔ)設(shè)施規(guī)模的不斷擴(kuò)大和完善，配套功能促使住宅品質(zhì)提升，增加了對(duì)住宅地價(jià)的影響力度，這一結(jié)果與傅闞穎[6]的研究相似。南昌市地鐵設(shè)施開(kāi)通時(shí)間相對(duì)其它城市較晚，且開(kāi)通路線較少，但通過(guò)Pearson相關(guān)性檢驗(yàn)及地理探測(cè)顯示地鐵因素對(duì)住宅地價(jià)仍然具有顯著影響，考慮到地鐵從時(shí)間成本、影響范圍等方面增益城市交通通達(dá)性，通過(guò)提供便捷的交通服務(wù)使周邊地價(jià)提升[23]。因此在南昌市地鐵建設(shè)規(guī)劃過(guò)程中，應(yīng)借鑒大城市的規(guī)劃經(jīng)驗(yàn)，把握人口增長(zhǎng)的特點(diǎn)與區(qū)域發(fā)展訴求。一方面要考慮到東湖區(qū)與青山湖區(qū)等老城區(qū)密集的人口對(duì)于城市快速出行的需求；另一方面要逐步完善新城區(qū)的公共交通建設(shè)，主要是紅谷灘新區(qū)的九龍湖區(qū)域，地鐵建設(shè)輔之以公交站布局，實(shí)現(xiàn)城市資源的合理高效利用[30]。在現(xiàn)代經(jīng)濟(jì)快速發(fā)展的過(guò)程中，除了便捷的區(qū)位優(yōu)勢(shì)外，人們對(duì)綠色環(huán)境、健康生活的需求也開(kāi)始不斷提升，本文發(fā)現(xiàn)環(huán)境因子的影響僅次于區(qū)位因子之后，環(huán)境因子不但通過(guò)Pearson相關(guān)性檢驗(yàn)，而且其回歸系數(shù)值表明這三者對(duì)住宅地價(jià)均有提升作用，人口密度值作為規(guī)劃住宅用地的關(guān)鍵因素也顯得至關(guān)重要，這就要求政府和開(kāi)發(fā)商在住宅設(shè)施選址布局過(guò)程中需要綜合考慮空氣質(zhì)量、治安狀況和人口密度值，這一結(jié)果與瞿詩(shī)進(jìn)[9]的研究相似。

影響住宅地價(jià)的因素復(fù)雜多變，本文在收集微觀因素時(shí)未能通盤(pán)考慮，且還有宏觀方面如城市規(guī)劃、政府政策等因素未曾考慮，在以后的研究中，應(yīng)借助GIS地統(tǒng)計(jì)學(xué)模型、數(shù)字地價(jià)模型等，進(jìn)一步從微觀宏觀方面、不同時(shí)空尺度、地下空間尺度全面系統(tǒng)的分析住宅地價(jià)的影響因素，同時(shí)分開(kāi)考慮各類城市空間結(jié)構(gòu)情況，建立健全分異影響因素指標(biāo)，更加量化的研究地價(jià)的時(shí)空分異，才能更加全面、深刻地揭示各要素對(duì)住宅地價(jià)的影響機(jī)制，更好地為城市土地資源優(yōu)化配置、城市空間規(guī)劃布局和房地產(chǎn)市場(chǎng)的宏觀調(diào)控服務(wù)。