下载:
-
开放科学(资源服务)标志码(OSID):
-
土地市场有效实现土地资源配置，在提高土地资源利用效率中发挥不可或缺的作用[1-2]. 随着我国社会主义市场经济的快速发展，以市场为主体的住房制度逐步建立，我国住宅用地市场持续增温. 各地住宅用地市场繁荣的同时，土地利用效率低、地价飞涨、住房市场运行与区域社会经济发展不协调等土地资源管理问题也日益突出[3]. 住宅用地市场作为土地市场中最活跃的部分，其健康程度及发展状况不仅关系着土地资源的配置效率，更是与经济发展、社会稳定息息相关[4]. 自2003年国务院出台《国务院关于促进房地产市场持续健康发展的通知》后，“房地产市场健康”的概念被频繁提及，2017年党的十九大报告中提出了“房住不炒”原则，明确提出要促进房地产市场持续健康发展，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》也强调了“房地产市场健康”. 近两年受整体经济下行的影响，住宅用地市场健康状况引起了国内外社会与学术界的广泛关注.
住宅用地市场是土地市场重要的组成部分，健康度是表示土地市场发育程度的综合变量，健康度的高低代表着土地市场发展程度. 国内外的研究在描述土地市场综合运行状况时，并不常用“健康度”这一表述，而是用“市场发育”等较为粗略的定义. 目前，关于住宅用地市场的研究，国外研究多涉及土地产权制度、市场机制以及政策调控下市场发育程度评价，聚焦于市场运行状况的单一指标评价，如Himmelberg等[5]、Miceli等[6]、Radzimski[7]分别从房价收入比、房屋空置率、供求关系等方面对住宅用地市场发展进行测度. 国内研究从单一的市场化水平扩展至成熟度、障碍度等评价，指标选取、分析思路与方法趋于成熟，如宋伟轩等[8]、余建辉等[9]、汤庆园等[10]以市场较发达的南京、北京、上海等大城市为研究对象，从住宅价格的时空分异及影响因素方面分析住宅市场的运行状况；韩娟等[11]以县级行政区为研究单元，对中国住宅出让地价发育形态及影响因素进行分析；任晓瑜等[12]、吴郁玲等[13]分别以河北省、江苏省为例，选取截面数据探究影响市场水平的原因；胡香宇[14]以中国地价监测城市为研究对象，构建住宅地价的健康度评价体系，探究中国城市住宅地价健康度的分布特征；徐心茹等[15]利用Ward系统聚类法对中国县域住宅市场健康度进行综合分区；吴巍等[16]则从房地产市场角度构建评价指标，探究长江中游城市群住宅市场健康度的时空演变特征.
综上，国内外对于住宅用地市场测度的研究日趋完善，但仍存在以下问题：一是研究范围方面，现有研究多以热点大城市、省域或全国尺度为主，缺乏对城市群的整体性研究；二是研究数据方面，相关研究多采用截面数据，难以准确反映住宅用地市场在时间上的连续性特征；三是研究视角方面，从健康度视角分析城市住宅用地市场的研究目前尚不多见. 而京津冀地区是我国经济活力最强的区域之一，京津冀协同发展不断推进的同时，也存在住宅地价差异大、土地资源配置效率低、住宅用地市场发育不平衡等问题. 因此，本研究以京津冀为研究区，选取2013-2017年13个地级市住宅用地出让数据，采用TOPSIS-灰色关联度模型和面板数据模型，从城市群空间整体性和时间连续性方面，综合分析研究区住宅用地市场健康度时空演化特征及影响因素，以期优化京津冀地区住宅用地市场，为制定京津冀协同健康发展的土地政策提供科学依据.
全文HTML
-
一般来说，健康的住宅用地市场状态通过市场作用机制调节，在达到高市场化水平的基础上，实现住宅用地资源有效配置，同时与社会、经济呈协调、可持续发展的态势. 根据住宅用地市场发育程度的内涵要求，参考徐心茹等[15-18]住宅用地市场评价指标体系，从国民经济发展、市场活跃程度、土地供应情况和人地协调关系4个方面定义8项指标测度住宅用地市场健康度. 如图 1所示，价格形成机制是土地市场作用的核心，当住宅价格与国民经济均衡协调发展时，住宅用地市场才能健康稳定，因而将地价与经济、可支配收入协调度作为衡量住宅用地市场健康的重要指标；市场活跃程度直接关系住宅用地市场的健康状况，其具体表现为地方财政收入对土地出让收入的依赖性大小、土地交易是否频繁、公开出让率高低，因此将土地财政贡献度、土地市场化交易率和土地市场交易活跃度确定为评价指标；土地供应情况可以及时反映市场供给程度，土地的稀缺性和不可再生性终会导致供不应求的情况，所以住宅用地的供应比例以及有效供地率可以检验市场健康程度；人地关系是当今社会发展必须直面和探讨的问题，因此将土地供应量与人口增长速度是否协调作为测度住宅用地市场可持续发展的指标. 具体指标如表 1所示.
-
京津冀是中国的“首都经济圈”，包括北京、天津两个直辖市及河北省的石家庄、承德、张家口、秦皇岛、唐山、廊坊、保定、沧州、衡水、邢台、邯郸11个地级市，面积21.6万km2. 住宅地价数据来源于《河北省土地市场动态监测分析报告》和中国城市地价动态监测网(
http://www.landvalu.com.cn/ )，住宅用地市场交易数据从各地级市自然资源和规划局网站获得，用于评价住宅市场健康度及其影响因素的指标数据来源于《北京统计年鉴》 《天津统计年鉴》 《河北经济年鉴》. -
TOPSIS模型和灰色关联模型都可以判断多属性指标的优劣，为使结果更加合理，更符合实际情况，将两种算法结合起来实现住宅用地市场健康度的评价[19-20]. 计算步骤如下：
1) 构建加权规范化决策矩阵.
式中：Z为决策矩阵；Wj为熵权法[21]所求权重；Yij为标准化处理之后的指标数据；n为城市个数；m为指标个数.
2) 确定正负理想解Lj*，Lj.
正理想解：
负理想解：
式中：J*为正向指标；J为负向指标.
3) 计算目标值与理想解间的欧式距离di+，di-.
4) 计算Zij到初始正负理想解关于第j个指标的灰色关联度pi+，pi-.
式中：ρ的取值范围为[0, 1]，通常取ρ=0.5.
5) 对di+，di-和pi+，pi-进行规范化处理，分别得出Di+，Di-，Pi+，Pi-.
6) 计算理想解的贴近度.
式中：Ci为贴近度，Ci越大，评价对象越理想；α和β为权重，取值范围均为[0, 1]，且α+β= 1，通常情况下，α=β=0.5.
-
ESDA以可视化的表示方法对数据的空间分布特征进行描述，有效识别空间数据的结构和异常值，可以直观地揭示某一地理现象的空间集聚效应及其空间相互作用机制[22]. 为阐明京津冀住宅用地市场健康度的空间相关性和局部空间分布格局，采用ESDA中的Getis-Ord Genral G指数和局部Getis-Ord Gi*[23]对其进行检验.
-
本研究采用面板数据模型分析影响京津冀住宅用地市场健康度的社会经济因素. 相较于截面数据模型和时间序列模型，面板数据模型能够有效控制不可观测经济变量带来的估计偏差，设定更合理，模型参数的样本估计量更准确. 同时能够通过扩大样本信息，减少变量间的共线性，提高估计量的自由度和有效性[24-25].
考虑到各指标数据差距较大，因此对所有数据取对数，具体公式如下：
式中：i为京津冀地区各城市；t为年份；JGit为i城市t年的人均GDP；JSit为i城市t年城镇居民人均可支配收入；RMit为i城市t年的城市人口密度；CZit为i城市t年的城镇化率；JCit为i城市t年进出口总额占GDP的比例；FNit为i城市t年非农产业产值占GDP的比例；ui为不可观测的地区效应；vit为随机误差项；a0为研究单元共同的截距项；a1-a6分别为相对应指标的回归系数.
2.1. 研究区概况和数据来源
2.2. 研究方法
2.2.1. TOPSIS-灰色关联模型
2.2.2. 空间自相关
2.2.3. 面板数据模型
-
利用TOPSIS-灰色关联度模型计算得到2013-2017年京津冀住宅用地市场健康度的最终得分及排名，结果如表 2所示. 从数值上看，2013年健康度最高得分为0.655(北京市)，最低为0.446(承德市)，相差0.209；2017年健康度最高得分为0.663(北京市)，最低为0.453(承德市)，相差0.210. 京津冀地区住宅用地市场健康度处于中等水平，呈波动上升趋势，城市间差异缩小. 从排名上看，北京市和天津市的位序稳定且健康程度高，分列前两名. 京津两地的区位条件优越，经济发展迅速，土地市场交易率和活跃度相对较高. 石家庄、保定和廊坊3市健康水平次之，排名在3至6名间轻微波动. 石家庄市作为河北省省会，发展环境和区位条件优越，保定和廊坊在京津的辐射带动下，住宅用地市场发育良好，因此健康度虽有波动，但整体较为稳定. 承德市和张家口市健康度位序最低，排名也较稳定. 由于该地区地处偏远，经济发展水平低，土地财政贡献高，土地市场化交易、有效供地占比不理想，排名较低. 在13个城市中，除秦皇岛市和邢台市的排名波动上升，唐山市和沧州市持续下降以外，大部分城市的健康度位序虽发生变化，但波动不大.
为进一步探索京津冀地区住宅用地市场健康度的时序特征，采用差异指数来反映健康度的相对差异和绝对差异(图 2). 从数值上看，健康度的变异系数和标准差的变化一致，在2013-2016年变异系数和标准差呈上升态势，城市间住宅用地市场的健康度分化；2016-2017年略有下降，市场分化趋势减弱. 随着京津冀协同发展不断深化，城市间住宅用地市场逐渐向一体化方向发展，尤其在2016年后，各城市根据实际情况，差别化调控，因城施策，一定程度上缩减了市场差异，住宅用地市场健康度的发展差距逐渐缩小.
-
运用ArcGIS 10.2软件对京津冀地区2013-2017年住宅用地市场健康度进行全局空间自相关分析(表 3)，各年份空间关联系数G(d)值和E(G)为正，Z值均大于1.96，说明研究区住宅用地市场健康度呈显著的空间正相关，健康度较高的地域邻接地区的健康水平也较高. 从空间集聚动态演变来看，2013-2017年的G(d)值分别为0.086 563，0.086 765，0.086 581，0.087 888和0.086 661，变化较平稳，表明京津冀各市健康水平总体空间格局在研究期间未发生剧烈的变动. 研究期内京津冀各城市健康度的全局空间关联系数G(d)值始终小于0.1，说明城市间的空间集聚性较弱. 因此，在京津冀协同发展背景下，各城市之间应加强合作与联系，发挥辐射带动作用，以实现京津冀住宅用地市场健康度的整体提升.
为进一步探索京津冀住宅用地市场健康度的空间格局和集聚特征，利用局部空间自相关方法测度京津冀各市住宅用地市场健康度的Getis-Ord Gi*指数值，并将其分为4级，生成京津冀住宅用地市场健康度热点区空间格局演变图(图 3).
京津冀住宅用地市场健康度存在明显的冷热点聚集区，整体分布呈现出“中间热-南北冷”的趋势. 2013年住宅用地市场健康度热点区仅分布在北京市，次热点区分布在天津市、石家庄市，冷点区(含次冷点区)范围大于热点区(含次热点区)；2014年廊坊市及保定市由次冷点区上升为次热点区，邯郸市由冷点区上升为次冷点区，健康度在空间上开始由“冷”转“热”；2015年住宅用地市场健康度热点区增至为京津两市，唐山市由次冷点区转为次热点区，而衡水市降为冷点区；2016年热点区不变，唐山市由次热点区降为次冷点区，衡水市再次进入次冷点区；2017年石家庄市、廊坊市上升为热点区，邢台市、衡水市、秦皇岛市上升为次热点区，张家口市进入次冷点区，热点区(含次热点区)范围大于冷点区(含次冷点区). 北京市、天津市及石家庄市经济、社会条件优越，土地市场活跃，住宅用地市场健康度较高，在空间上形成高值集聚；在京津辐射带动作用下，廊坊市、保定市利用特殊的地理位置优势，发展住宅用地市场，分别成为热点区和次热点区；省会城市石家庄对周边衡水市、邢台市的发展有带动作用，使之升为次热点区；承德市、张家口市经济基础薄弱，土地市场发展缓慢，住宅用地市场健康度相对较低，呈低值集聚态势；秦皇岛市“异军突起”，充分利用环渤海地区的土地优惠政策，优化住宅用地市场竞争环境，由冷点区上升为次热点区. 综上，研究期间京津冀住宅用地市场健康度热点区(含次热点区)范围扩大，冷点区(含次冷点区)范围缩小，呈由“冷”转“热”的趋势. 随着京津冀协同发展战略的推进，京津冀住宅用地市场健康度整体提升，住宅用地市场中互利共赢协同发展的新格局初步显现.
-
住宅用地市场的健康程度是多种因素综合作用的结果，参考国内外相关研究[17, 26-28]，选取人均GDP(JG)、城镇居民人均可支配收入(JS)、人口密度(RM)、城镇化率(CZ)、进出口总额占GDP的比例(JC)和非农产业产值占GDP的比例(FN)6个指标作为住宅用地市场健康度的影响因子(表 4).
地价与经济的协调状况是评价住宅用地市场健康度的重要指标，经济繁荣会提高人们对物质和精神生活的追求，居民对高品质住房的需求也随之增加，进而吸引地产投入，各地经济水平的发展会带动住宅用地市场的发展，可用人均GDP和城镇居民人均可支配收入表示各市的经济发展水平；人口密度和城镇化率与城市住宅用地需求相关，反映研究区潜在的住宅用地市场消费容量，人口密度高，城镇化速度快，人口向城区不断转移，住宅用地的需求量增加，城市须提高住宅用地市场的配置效率，从而对住宅用地市场产生积极影响. 考虑到土地与人口供求关系的协调发展，选取人口密度和城镇化率作为反映社会状况的因子；对外开放水平的影响表现在通过对外来投资的利用改变固有的住宅用地交易方式，行政划拨的方式不断减少，市场化的招拍挂出让方式增多，随着对外开放基本国策的深化以及对外商投资的引导，无疑给住宅用地市场的发展带来积极影响，因而使用进出口总额占GDP的比例表征对外开放水平；产业发展导致对土地的需求愈发迫切，产业结构的变动会影响住宅用地市场的供求，二、三产业的发展变化往往伴随着土地利用结构的调整，住宅用地市场规模也会发生变化，进而选取非农产业产值占GDP的比例作为影响因子.
-
静态的面板数据模型通常分为混合回归模型、固定效应模型以及随机效应模型3种. 为确定所需模型，需在Eviews中依次对所有数据进行F检验以及Hausman检验，得到的结果如表 5所示. F检验和Hausman检验统计值分别为7.731 1和12.701 5，其P值均小于0.01，均拒绝原假设，因此确定建立固定效应模型.
-
运用Eviews 8.0软件分别测得固定效应模型的整体估计量和系数估计结果(表 6、表 7). 从模型整体的显著性来看，F统计量值为23.123 0，相应的P值＜0.01，说明模型的整体拟合情况较好. 从模型的拟合优度来看，R2为0.890 5，调整R2为0.861 5，拟合效果较好. 从模型的回归系数显著性来看，除了城镇化率(P=0.094 0)以外，其余解释变量均通过了5%的显著性检验，说明所选指标对京津冀住宅用地市场健康度有较强的解释力.
由表 7可知，城市住宅用地健康度与各影响因子均呈正向相关性. 非农产业产值占GDP的比例影响最大，回归系数为0.708 1. 住宅用地市场健康度的提高主要依托于非农产业发展，研究期间京津冀正处于产业结构转型期，北京对津冀地区溢出效应明显，良好的区域分工格局初步形成，产业结构调整使居民住宅用地需求量增大，住宅用地市场规模迅速扩大，市场交易频繁，因而其对住宅用地市场健康度的影响最大；人均GDP影响次之，回归系数为0.466 1. 京津冀人均GDP增速较快，年均增长33 144元，经济及物质水平大大提高，政府用于住宅用地市场管理的资金充足，使得人均GDP对住宅用地市场健康度的影响力也较大；人口密度及城镇居民人均可支配收入的回归系数分别为0.297 3，0.271 0. 人口密度和城镇居民人均可支配收入的增加，可以在一定程度上刺激住宅用地的需求，促进住宅用地市场健康发展；进出口总额占GDP的比例和城镇化率的影响力相对较小，回归系数不足0.1. 研究期间绝大部分城市进出口总额占GDP的比例下降，城镇化率相对稳定，尤其是京津地区，城镇化率增幅极小，二者对住宅用地市场健康度的影响相对较小.
3.1. 住宅用地市场健康度时空特征
3.1.1. 住宅用地市场健康度的时间演化
3.1.2. 住宅用地市场健康度的空间特征
3.2. 京津冀住宅用地市场健康度影响因素分析
3.2.1. 影响因素的选取
3.2.2. 模型选择
3.2.3. 影响因素分析
-
本研究基于TOPSIS-灰色关联模型测算京津冀住宅用地市场健康度，运用差异指数、空间自相关和面板数据模型探究了住宅用地市场健康度的时空特征以及影响因素. 主要结论如下：
1) 研究期内京津冀住宅用地市场健康度呈波动上升的趋势，北京市、天津市健康度较高，承德市、张家口市健康度较低，大部分城市的健康度排名虽发生变化，但波动不大. 2016年后住宅用地市场健康度绝对差异和相对差异减小，城市间的差距缩小.
2) 京津冀住宅用地市场健康度在空间分布上具有正向相关关系，总体空间格局变化平稳，城市间的空间集聚性较弱. 京津冀住宅用地市场健康度存在“中间热-南北冷”的空间格局，呈由“冷”转“热”的趋势. 自2014年京津冀协同发展战略提出以后，京津两地对河北省的辐射带动作用明显增强，住宅用地市场中互利共赢协同发展的新格局初步显现.
3) 住宅用地市场健康度与经济发展、社会状况、对外开放和产业结构等影响因素均成正比，其中非农产业产值占GDP的比例和人均GDP的影响较大，回归系数分别为0.708 1和0.466 1；进出口总额占GDP的比例及城镇化率的影响较小，回归系数不足0.05.
-
从市场健康度视角出发，利用面板数据探讨2013-2017年京津冀住宅用地市场的时空演化特征，在一定程度上保证了区域整体性和时空连续性，客观地揭示了京津冀住宅用地市场的时空差异，对促进住宅用地市场协调健康发展具有重要意义. 随着京津冀协同发展战略的深入，住宅用地市场也初步显现协同发展格局，京津应充分利用自身优势，发挥辐射带动作用，提高河北省住宅用地市场的健康水平，不断加强城市之间的联系，实现互利共赢. 从市场健康度的影响因素角度研究发现，非农产业产值占GDP的比例对住宅用地市场健康度的影响最大，面对当前不平衡的市场健康状况，京津冀应明晰产业定位与产业分工，疏解非首都的核心功能，不断优化产业结构，完成产业转型升级与转移对接，逐步提高地区之间产业融合水平.
住宅用地市场健康状况是一个复杂的、受多种因素影响的系统，其中土地政策对住宅用地市场的影响最为直接，未来可深入探究政策性较强、由政府统筹规划的保障性住房、经济适用房、廉租房等政策性住房的相关影响，力求全面反映住宅市场健康状况，为制定合理的土地政策提供科学依据，进而促进京津冀协同健康发展.