当前位置：首页>深圳>深圳市商品住房价格空间分布变化研究

深圳市商品住房价格空间分布变化研究

2026-06-22 02:48:19

点击蓝字 / 关注我们

编者按

本文由深圳市房地产和城市建设发展研究中邵蕾洁、梁凯、种晓丽、王超撰写。 近年来，我国房地产市场供求关系发生较大变化，本文以深圳市2019—2024年近3000个商品住房小区成交价格为研究对象，综合运用全局Moran's I指数、普通克里金插值法等研究方法，探究结构性调整周期中商品住房价格的空间分异特征及其演化机制。

正

文

-CONTENT-

（简略版）

一、引言

近年来，我国房地产市场经历结构性变革，核心表现为供需关系深度调整、区域分化加剧及发展模式向高质量转型。在此过程中，研究商品住房价格的空间分布变化，可揭示房价的空间相关性和异质性特点，从而为城市规划中优化土地出让节奏、平衡公共服务资源空间配置、住房保障领域精准识别低收入群体聚居区的住房需求缺口，以及商品住房市场分区域调控等领域提供重要参考价值。

现有文献多以单一时间截面为基础，缺乏对房价空间相关性的长期动态跟踪；同时，对于区域一体化程度更高、房价波动机制更为复杂的城市群，尤其是粤港澳大湾区内部住宅房价的空间演化研究仍显不足。

本研究聚焦粤港澳大湾区典型城市，以深圳2019—2024年商品住房小区成交均价为研究对象，运用多种空间分析方法综合探究房价空间演化格局，核心目标是揭示结构性变革调整周期中房价空间分布特征及演变趋势、剖析空间相关性变化规律及影响因素，为政策制定和房地产长效机制构建提供科学依据。

二、研究方法

（一）最近邻指数

最近邻指数（Nearest Neighbor Index，NNI）旨在计算每个商品住房价格为点圆心与其最近邻房价要素点之间的距离，用于评估空间点分布模式的统计指标。

最近邻指数NNI反映商品住房价格要素在空间上的分布情况，当NNI等于1，则反映点状要素是随机分布，当NNI小于1，则反映点状要素分布较为聚集，当NNI大于1，则反映点状要素分布较为分散。

（二）空间自相关分析

全局空间自相关用以描述商品住房价格要素属性值在整个研究区域范围内的空间相关性，局部空间自相关可进一步反映局部区域商品住房价格要素与周边区域要素之间的空间关联程度。

本文选用Global Moran's I指数研究深圳市商品住房价格要素的全局空间自相关程度，当I＞0时，表示要素在研究区域内呈集聚状态分布，且I值越大，要素在研究区域内的空间分布相关性越大；当I＜0时，表示要素在研究区域内呈离散状态分布；当I＝0时，表示要素在研究区域内随机状态分布。

（三）克里金插值分析

克里金插值（Kriging Interpolation）是基于统计学的空间插值方法，可根据已知点的属性值，预估同一范围内未知点的属性值，其将数学函数与商品住房价格要素的样本点进行拟合，对研究区域内的要素进行无偏最优估计。本研究通过ArcGIS中的克里金插值分析工具，对离散点进行插值得到连续的价格数据曲面，可直观反映商品住房价格空间格局变化特征。

三、研究结果分析

（一）平均最近邻分析

根据2019至2024年连续6年的样本数据在研究区域内的分布，分别对六组数据运用平均最近邻分析其空间特征，结果如下表1所示，2019至2024年连续6年的样本最近邻指数均小于1，说明深圳市商品住房价格要素均表现为空间集聚，且最近邻指数整体呈现出上升趋势，由2019年的0.39上升至2024年的0.44，表明商品住房价格聚集程度有所减弱，分布逐渐变得更加均匀，这种变化主要来源于深圳市近年来的城市规划和基础设施建设，使得区域发展更加趋于平衡，六组数据的Z得分均明显小于1%显著性水平下的Z得分（-2.58）且p值均为0，表明深圳市商品住房价格在2019至2024年均表现为十分显著的空间集聚特征，但聚集程度有所减弱。

表1 平均最邻近分析

（二）空间相关性分析结果

对2019至2024年的六组研究数据计算得到深圳市商品住房价格的全局Moran's I指数如下表2所示，六组数据的全局Moran's I指数均大于0，Z得分均远大于正态分布99%置信区间的双侧检验值（2.17），p值为0，说明深圳市商品住房价格整体表现出正的空间相关性，全局Moran's I指数在6年间呈现出先上升后逐步回落的趋势，在2021年达到最高值后0.52，连续三年回落至0.44，总体来看，近年来深圳市商品住房价格的空间正相关性有所减弱。

表2 全局自相关分析

局部相关性方面，通过2019年至2024年六组研究数据，得到LISA集聚图，样本点占比如下表3所示，高值聚类（High-High）样本点占比稳定在30%左右，2019年空间分布集中在福田、南山核心区域，2021年随着房价的上涨，空间分布向宝安中心区及南山北部区域扩散，2024年随着房价逐步回落，宝安中心区高值聚类点规模出现显著收缩，福田和南山核心区域优质房地产凭借优质资源禀赋，在市场调整周期中展现出较强的抗跌性；低值聚类（Low-Low）样本点占比稳定在41%左右，2019年空间分布集中于罗湖中部区域以及龙岗布吉南湾片区，形成相对紧凑的空间集聚区，2021年随着房价的上涨，宝安、光明、龙华北部区域内低值聚类点规模出现暂时性收缩，当后续房价回调周期时，区域内低值聚类点分布规模重新扩张，表明关外西部地区房价波动对其空间分布的重塑作用更为明显；高值被低值包围（High-Low）样本点占比稳定在3%左右，空间分布集中于罗湖区，多为建成年代较新或带有名校学位的住宅小区，在近年房价波动趋势中，整体空间分布较为稳定；低值被高值包围（Low-High）样本点占比自2021年后上升趋势明显，环比涨幅由5.1%扩大至33.3%，空间分布也由福田和南山区，向西延伸至宝安中心区，多为建成年代相对老旧或小户型聚集的住宅小区；不显著（Not Significant）样本点在2021年房价峰值期空间分布集中于西部区域，2024年占比大幅下降至15.8%，表明局部空间上原本不显著的空间关联情况减少，更多区域呈现出显著的空间关联，空间异质性增强。

表3 LISA集聚图样本点占比

（三）克里金插值分析

研究深圳市商品住房价格空间分异特征的变化情况，选择普通克里金插值方法对2019年和2024年两组样本点进行插值分析，对两组样本数据进行对数变换后，得到的数据直方图呈弱偏态分布（2019年样本偏度0.39，峰度3.24；2024年样本偏度0.33，峰度3.22），且QQ-PLOT分布图基本呈直线型，表明样本数据基本满足正态分布要求，研究采用了ArcGIS的Geostatistical Analyst进行普通克里金插值，选用指数函数作为核函数，误差统计指标如下表4所示。

表 4 普通克里金插值误差统计指标表

两组空间插值结果显示，深圳市商品住房价格的高低值空间分异显著，整体呈现出西部高、东部低的特征，且以西南沿海为中心，向边缘逐渐递减的多组团模式。2024年相较于2019年，从整体来看，商品住房主要价格中心的地理位置未发生明显改变，均集中在南山区、福田区，两者均为深圳关内核心区域，轨道交通及公共设施配套完备，同时也是高新技术、金融等企业聚集区，因此为深圳市商品住房价格的峰值中心；从区域来看，商品住房价格中心向西部延伸趋势明显，且其延伸方向与新建地铁轨道线路相契合，深圳地铁运营里程从2019年底的283.85公里增至2024年底的595.1公里，极大地提高关外区域轨道交通便利性，增加关内外跨区域通勤的可行性，从而推动关外地铁沿线及周边商品住房价格的相对上升。

四、结论与建议

深圳市商品住房价格表现为十分显著的空间集聚特征，随着城市规划与基础设施的均衡化发展，要素的聚集程度有所减弱，分布变得更加均匀。全局空间自相关表明，深圳市商品住房价格存在显著的空间正相关性，但空间正相关性有所减弱，反映出政策区域差异、市场异质性、需求理性化等因素对空间关联性的削弱作用；局部空间自相关表明，深圳市商品住房价格表现为局部空间集聚特征，且空间异质性增强，其中高－高、低－低集聚区的空间分布与房价波动表现出联动特征，高-低值集聚区的空间分布集中于罗湖区，且整体相对稳定，低－高值集聚区的空间分布则向西部宝安中心区延伸。空间插值结果表明，深圳市商品住房主要价格中心的地理位置未发生明显改变，价格高值区域向西部延伸趋势明显，其延伸方向与新建地铁轨道线路相契合，同时，核心区域内部价格分化趋势加剧。

该研究不仅有助于掌握局部商品住房市场过热或过冷的空间扩散规律，也有利于通过空间治理工具推动房地产市场的区域协调与可持续发展。从实践应用看，研究揭示的价格集聚程度减弱与分布均匀化趋势，为深圳实施“空间留白”与“弹性供地”策略提供科学依据；另一方面，整体空间正相关性减弱，局部空间异质性增强，为深圳实施分区差异化调控框架提供理论基础。

全文刊登于中国城市出版社主办的综合性学术期刊《中国房地产金融》杂志2025年第6期（12月刊）。