为提升城市生态环境质量, 各地纷纷开始计划修建城市生态基础设施, 如广州的中央湿地公园、南昌玲岗湿地公园、福州城市森林绿道等。城市生态基础设施是指为人类生产和生活提供生态服务的自然与人工设施, 它是社会赖以生存发展的基本物质条件, 具有重要的生态系统服务, 是城市及其居民持续获得生态系统服务的保障。生态公园绿地作为城市生态基础设施的重要载体, 与城市经济、社会子系统的联系密切, 因为靠近住宅区而且具有生态服务功能, 可以对城市房地产业产生一定影响。以往研究已证实, 生态公园绿地对城市房地产业具有增值效应。

　　 就佛山市而言, 自佛山市政府2012年启动城市升级行动以来, 城市绿化率不断提高, 湿地公园系统和绿道网建设已初具规模, 与北京、上海等相比, 公园绿地资源更为丰富。根据2016年佛山市南海区统计年鉴, 佛山市南海区人均公园绿地面积为19.14m², 远高于北京、上海、杭州、武汉等。由于以往研究多是针对公园绿地稀缺或相对较少地区, 而绿地资源丰富的佛山市南海区是否也遵循类似规律?再者, 千灯湖板块依托千灯湖公园而建, 同时因为广佛地铁线路的开通, 千灯湖地铁站的设置对住宅价格产生了较大影响, 究竟是公园对房价的影响效应大, 还是地铁对房价的影响效应大?本文通过对千灯湖公园附近房地产业空间效应的实证分析, 可以回答以上问题, 希望为优化房地产项目的布局、发展生态导向的城市房地产业提供参考。

　　 特征价格理论认为, 商品的特征具有多样性, 而商品的价格则是这些特征的综合反映和总和, 当商品的某一方面特征改变时, 其价格也会随之发生改变。基于特征价格理论的特征价格模型能很好地把商品各部分的特征价格从总的特征价格中分离出来。特征价格模型有三种函数形式:线性方程形式、对数形式和半对数形式。在实际应用中具体采用哪种函数形式, 则需要对这三种函数形式分别进行计算, 采用对商品价格解释力度最高的函数形式。

　　 住宅作为一种异质性特征尤为明显的商品, 一些细小的特征差异都会导致价格的不同。离生态公园绿地的远近作为住宅的重要区位特征之一, 是否能对住宅价格产生影响?根据特征价格理论, 以离生态公园绿地的距离以及其他可能影响房价的因素为自变量, 以住宅价格为因变量, 以住宅与公园绿地之间的直线距离为关键自变量, 另外再选取交通变量、建筑特征变量以及邻里特征变量作为控制变量, 在统计软件Stata中建立特征价格模型并选择拟合优度最高的函数形式, 可以使距离生态公园绿地远近这个区位特征的价格从住宅总特征价格中分离出来, 直观呈现离生态公园绿地的距离与住宅价格的关系。如果距离生态公园绿地远近这个区位特征变量的系数显著为负, 则表明生态公园绿地对住宅价格具有增值效应而且这种增值效应会因为距离的不同而产生空间差异。此外, 在完成特征价格模型的建立后, 可通过计算各特征变量的标准化回归系数来比较其对住宅价格的影响效应。

　　 佛山是广佛肇地区重要城市, 在广东省内GDP仅次于广州、深圳, 稳居省内第三, 且2014~2016年其地区生产总值增速均超过8%。作为制造业大市, 2016年佛山市第二产业生产总值占到总生产总值的59.2%。相比第二产业, 佛山市第三产业的生产总值虽然略为逊色, 但是增长速度高达9.7%, 比第二产业高2.2%, 第三产业中房地产业发展速度尤为迅猛。根据佛山市统计信息网发布的数据, 2014年佛山房地产业增加值增长8.3%, 2015年增长16.4%, 2016年增长18.9%, 其中南海区因靠近广州, 吸引了大量广州的购房者前来投资而成为佛山市房地产交易最火热的片区, 待售二手房的数量远高于其他片区, 占到佛山市待售二手房总数量的44.8%。

　　 佛山市千灯湖公园位于广东省佛山市南海区桂城街道, 南起海三路虫雷岗公园北门, 北至海八路, 占地约95公顷, 为全开敞式公园。大面积的湖景和草地是千灯湖公园的主要景观, 其湖面面积约为8.8公顷, 林地和草地均匀分布在公园的四周, 通过山体与水体的合理布局形成了一个湖光山色相辉映、绿树溪流点缀其间的生态公园绿地, 吸引了大批本地市民和外地游客前来游憩、观赏。2015年10月8日, 千灯湖公园在美国旧金山摘获全球景观设计行业“奥斯卡”奖——全球城市开放空间大奖, 成为中国首个荣获该奖项的项目。

　　 千灯湖公园的建成大幅度提升了周边地区的生态环境质量, 让周边居民在家中就能观赏到公园绿景, 不但为周边居民提供了一个休闲娱乐的好去处, 还吸引了各大房地产商前来投资。目前, 千灯湖板块是佛山市房地产市场的一个热点区域, 保利、中海、万科等国内大型房地产公司均在千灯湖板块进行了楼盘开发。而且千灯湖板块的房地产项目普遍比南海区其他板块的楼盘价格高出许多, 根据房天下官网发布的数据, 南海区二手房最新均价为11547元/m², 而千灯湖板块的二手房最新均价为16545元/m², 尤其是离千灯湖较近的保利花园、南海时代廊桥、依云天汇等楼盘, 二手房价格都超过了2万元/m²。

　　 通过房天下官网查询千灯湖公园周边的住宅小区的信息, 并结合百度地图以及实地调研来检查是否有住宅小区遗漏。利用百度地图的测距功能获得各住宅小区到千灯湖公园的最短直线距离, 并将离千灯湖公园2000米以内的住宅小区为目标小区。在房天下官网上收集这些目标小区的二手房挂牌价格、楼层以及面积等其他构建模型所需要的信息。

　　 生态公园绿地集生态保护功能、旅游休闲功能于一体, 不但可以为周边居民带来一个良好的居住环境, 还能提升周边房地产项目的附加价值, 而且离公园越近, 享受其功能就越便利, 所带来的房地产项目的附加价值就越高。随着购房者品味的提高, 越来越多的购房者倾向于购买生态公园绿地周边的住宅, 而这种类型住宅具有一定程度的稀缺性, 容易形成供不应求的局面, 导致住宅价格的提升, 通过模型的构建可以验证这一点。

　　 此项研究目的是分析住宅小区与生态公园绿地的最短直线距离这个特征对住宅价格的影响, 因此引入特征价格模型。特征价格模型有对数形式, 半对数形式和线性方程形式, 在Stata中分别对这三种形式进行回归分析, 发现线性方程形式的模型拟合优度最好, 对住宅价格的解释力度最高, 因此决定采用线性方程形式进行回归分析:

　　 已有的研究主要将住宅特征分为三类:建筑特征、邻里特征和区位特征。其中建筑特征包括面积、楼层、朝向以及绿化率等, 邻里特征包括教育配套、生活配套等, 区位特征包括距研究对象的距离、交通条件等。根据百度地图测度, 千灯湖公园周边的房地产项目距离地铁站大多在1千米~1.5千米范围内, 距离公交站大多在0.5千米~1千米范围内, 为了不遗漏地铁以及公交车站对房价的影响, 引入到千灯湖公园的最短直线距离、1千米内的公交站数量以及1.5千米内是否有地铁站3个区位特征自变量, 房龄、面积、楼层、装修程度、绿化率以及容积率6个建筑特征自变量, 超市加银行的总数量、幼儿园加大中小学的总数以及1千米内是否有医院3个邻里特征自变量共12个变量作为住宅特征自变量 (表1) , 以住宅每平方米价格 (P) 为因变量建立特征价格模型:

　　 (1) 在Stata中对回归模型进行BP检验, 以检验模型是否存在异方差。BP检验得出Prob>chi2=0.3352。

　　 (2) 在Stata中计算方差膨胀因子, 以检验模型是否存在多重共线性问题:

　　 BP检验结果显示, P值为0.3352, 大于0.05, 可在5%的显著性水平下接受同方差的原假设, 认为回归模型不存在异方差。通过计算各自变量的VIF值 (表2) , 得出8个自变量中方差膨胀因子最大的是变量X₁₀, 为2.83, 平均VIF值为1.87, 都远小于临界值10, 因此可以认为回归模型不存在多重共线性问题。

　　 在距离千灯湖公园最短直线距离为0~3 0 0米, 300~600米, 600~900米, 900~1200米, 1200米~1500米, 1500米~2000米共6个层次的范围内选取目标小区, 并在房天下官网上收集目标小区的住宅特征变量信息, 每个目标小区选取6个住宅样本, 确保每个目标小区都有高层、中层、低层的住宅以及不同装修程度的住宅成为样本。结合房天下官网数据以及百度地图, 一共收集到132个样本。将这132个住宅样本的特征变量信息导入Stata软件, 建立多元回归模型 (见表3) :

　　 根据回归结果, 回归模型的P值为0.000, 拟合优度为0.7326, 拟合优度较高, 住宅价格变动的73.26%可以由模型中包含的所有自变量解释。变量X₁:离千灯湖公园最短直线距离、X₂:1千米内的公交站数量、X₃:1.5千米内是否有地铁、X₄:房龄、X₅:住宅面积、X₇:装修程度、X₉:住宅所在小区容积率、X₁₂:1千米内是否有医院共8个特征变量的P值均小于0.05, 说明这8个特征变量与住宅每平方米价格存在显著的相关关系。因此, 千灯湖公园周边的住宅特征价格方程如下:

　　 其中, 变量X₁系数为-3.90, 符号为负, 与预期一致, 在模型中其他自变量保持不变的前提下, 离千灯湖公园的距离每增加1个单位, 住宅每平方米价格下降3.90个单位。同样地, 在模型中其他自变量保持不变的前提下, 可有以下结论: (1) 房龄每增加1年, 住宅每平方米价格下降248.07元; (2) 住宅面积每增加1平方米, 住宅每平方价格增加30.02元; (3) 装修程度每提高一个级别, 住宅每平方价格增加1192.30元; (4) 容积率每增加一个单位, 住宅每平方米价格下降704.70元; (5) 1千米内有医院的住宅比没有医院的住宅每平方米价格低2011.15元; (6) 1千米内公交车站每增加一个, 住宅每平方米价格增加498.27元; (7) 1.5千米内有地铁站的住宅比没有地铁站的住宅每平方米价格高4540.73元。

　　 根据生态经济学的阙值原理, 正效应只在一定范围内有效。为了计算千灯湖公园对周边小区住宅价格增值效应的有效影响半径, 在Stata中尝试建立住宅价格与住宅距千灯湖公园的最短直线距离的二次函数关系式, 得到的结果显示方差分析F=32.65, Prob>F=0.0000<0.05, 所以可以认为住宅价格与到千灯湖公园的直线距离存在显著的二次函数关系。二次函数的表达式为:

　　 根据式 (3) , 可计算该二次函数的极值点, 在极值点左侧, 二次函数为减函数, 表示与公园越近, 住宅价格越高。在极值点右侧, 二次函数为增函数, 表示离公园越远, 住宅价格越高 (见图1) 。因此极值点是公园增值效应所能影响的最大范围。通过计算, 得出式 (3) 的极值点的横坐标为1812, 即千灯湖公园对周边住宅价格的有效影响半径为1812米。

　　 在Stata中计算回归模型的标准回归系数, 通过比较各自变量的标准回归系数, 可以得出对住宅价格的影响程度最大的特征变量 (见表4) 。

　　 从表4可知, 自变量X₃, X₁的标准回归系数绝对值最大, 其中, X₃>X₁>X₅>X₁₂>X₇>X₄>X₂>X₉。因此可认为在8个与住宅价格具有显著性相关关系的特征变量中, 1.5千米内是否有地铁站对住宅价格影响最大, 其次是距千灯湖公园的最短直线距离和住宅面积, 容积率对住宅价格的影响最小。这可能是由于中国对高层住宅的容积率大小出台了相关规定, 使得各住宅小区间的容积率差异不大。

　　 地铁和城市公园同属于公共产品, 在一定程度上都存在着稀缺性特征。地铁能显著提高城市居民的生活便利度, 而城市公园则能提升人们的生活满意度, 因而它们都能为周边房产带来增值。与城市公园相比, 地铁可以被称为一种新兴事物, 在中国, 它伴随着房地产市场的发展而不断壮大, 邻近地铁成为了优质房产的必备特征。因此近年来, 无论是学术界还是投资界, 都更多地将焦点放在地铁上。随着人们生活水平的提高, 对于购房者而言, 在关注住宅交通便利度的同时, 住宅周边的生态环境质量的重要性将不断提高, 城市公园所具有的环境质量改善功能将使其成为除地铁站外房地产投资的另一热点。

　　 与北京、上海等城市相比, 在公园绿地资源较为丰富的佛山市南海区, 生态公园绿地对房地产业仍然具有重要的增值作用, 这反映出人们对生态环境质量的普遍重视以及生态公园绿地所具有的促进房地产经济发展的潜力。在人们越来越关注居住区生态环境质量的背景下, 生态导向的房地产业将更能满足购房者的消费偏好, 公园绿地周边应成为房地产项目布局的重点区域。通过上述的实证分析以及模型构建, 可以得出以下三点优化城市房地产项目布局的建议:

　　 (1) 由于房地产开发商在生态公园绿地附近进行房地产开发能带来更大收益, 而购房者购买生态公园绿地周边的住宅能获得更多的房产增值, 因此, 对政府部门而言, 为了促进城市房地产业的良性发展, 政府相关部门在规划住宅类建设用地出让时, 除了关注传统的交通条件、教育资源、生活配套等区位因素, 应更多地考虑生态环境因素, 更多地将生态公园绿地周边区域的土地作为住宅类建设用地出让;对房地产开发商而言, 应将房地产开发项目更多地布局在生态公园绿地附近, 这样不但能增加购房成交量, 还可以获得更多的投资收益。

　　 (2) 到千灯湖公园的最短直线距离、房龄、容积率、1千米内是否有医院与住宅价格具有负相关关系, 到千灯湖公园的最短直线距离、住宅面积、装修程度、1千米内公交站总数、1.5千米内是否有地铁站与住宅价格具有正相关关系。因此房地产开发商在进行房地产开发时, 应严格按照国家出台的相关规定, 把容积率限制在一个合理的范围内, 同时提高住宅建造质量, 避免因建筑材料质量问题使得住宅建筑老化过快, 导致住宅价格因人为原因贬值。同时在选址时应避开医院, 向生态公园绿地、公交车站以及地铁站靠拢。

　　 (3) 在8个与住宅价格具有显著性相关关系的特征变量中, 1.5千米内是否有地铁站对住宅价格的影响程度最大, 其次是离千灯湖公园的最短直线距离, 这从另一个侧面显示出生态公园绿地所具有的的经济功能。地铁站和生态公园绿地都是政府财政投资的公共物品, 但是房地产商却搭上了公共财政的便车, 从公共物品投资中获益。政府有关部门应该积极探索多样化的溢价回收模式, 比如在提高地铁站、生态公园绿地周边地价的同时, 与房地产开发商一起, 对地铁站以及生态公园绿地周边的土地进行联合开发, 以获得经营收益来补贴轨道交通建设的巨额成本和生态公园绿地的建设维护资金。