第66卷第8期
2011年8月地理学报ACTA GEOGRAPHICA SINICA V ol.66, No.8Aug., 2011
中国城市地价水平及变化影响因素分析
宋佳楠1, 金晓斌1, 唐健2, 张志宏2, 丁宁1, 赵婕1, 周寅康1
(1.南京大学地理与海洋科学学院, 南京210093; 2. 中国土地勘测规划院, 北京100029)
摘要：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。
关键词：城市地价；地价变化；影响因素；多层线性模型；中国
1引言
城市是人类社会长期发展的结果，城市土地是人类生活和社会经济活动的主要载体。在市场经济条件下，城市土地作为重要的生产要素，价格机制对其合理配置和有效利用起着
[1]十分重要的作用。作为土地市场运作的重要信息和价值判断标准，城市地价变化受到城市
经济、政治、人口等众多因素的综合作用，其在现实经济生活中的核心地位，在调节城市土地利用，优化土地资源配置方面的杠杆作用日趋明显[2]。因此，研究中国城市土地价格差异的影响因素及其作用机制对政府的土地管理和企业的房地产投资决策都具有重要意义。
目前，国内外对城市地价影响因素研究主要集中于影响因素的判别和量化，研究方法和研究模型的改进这两方面。有学者从供给与需求、宏观与微观等角度对地价影响因素进行分类，综合各类影响因素选择指标，通过模型的参数检验分析确定影响区域地价水平的主要因素[3-6]；也有学者侧重于研究某一种或某一类地价影响因素对地价水平的作用程度和作用机制[7-10]。在研究方法和研究模型选择方面，应用较广泛的有基于截面数据的特征价格模
[9-12]型以及基于面板数据的时间序列—截面模型[6-7]等。总结目前地价影响因素的研究，虽然研究方法和研究模型众多，在影响因素上也进行了宏观和微观的划分，但普遍忽略了不同尺度、不同层次主体间的相互影响作用，在实证研究中多将各类因素归为同一影响层面进行处理，最终得到的结果往往是多尺度、多层次的综合作用。这种忽略不同层次影响因素相互作用的研究方法，容易导致研究结果隐藏部分真实差异[13]，特别是在进行对个体重复测量的模型中，规定所有时点都具有相同的方差更会使研究结果出现重大偏差[14]。本文通过对全国105个土地市场较发育城市2008-2010年分季度地价数据建立城市地价差异影响因素的三层线性模型，研究省域和市域层次的影响因素对城市地价水平及地价变化趋势的影响机制，并分析各影响因素的贡献度。
收稿日期：2010-10-26; 修订日期：2011-04-20
基金项目：中国土地勘测规划院科技项目（[1**********]5）[Foundation :Technology project of China Land Surveying and
Planning Institute, No. [1**********]5]
作者简介：宋佳楠(1986-),女, 内蒙古赤峰人, 硕士研究生, 主要从事土地资源管理研究。E-mail:[email protected]通讯作者：金晓斌(1974-),男, 甘肃兰州人, 博士, 副教授, 主要从事土地资源管理研究。E-mail:[email protected]
1045-1054页
1046地理学报66卷2数据来源和研究方法
2.1数据来源与说明
研究对象在省级层次为
除台湾省以外的31个省级行
政区，市级层次为列入全国
城市地价动态监测系统统计
的105个重点城市(图1) 。这
些城市在土地开发程度、基
础设施条件、地价水平等方
面具有一定的区域代表性，
对所在地区乃至全国的地价
变化具有重要影响。论文中
地价数据来自中国城市地价城市地价动态监测重点城市动态监测网站①，城市社会经0400km 济数据来自《中国城市统计
年鉴》，城市土地出让数据来
自《中国国土资源年鉴》，新图1中国城市地价动态监测重点城市
Fig. 1Urban land price dynamic monitor system for major cities of China 增建设用地土地有偿使用
费、耕地占用税等数据来自相关政策要求，征地补偿费采用省级征地补偿区片价资料，耕地开垦费按相关省级土地管理政策要求计算。2.2研究方法2.2.1多层线性模型概述许多社会科学研究都涉及具有嵌套结构的数据，对于这类数据，传统的回归分析方法采用“集中”或“分解”两种方式将问题进行简化，其结果是忽略了个体
[15]效应或组织效应。多层线性模型(HLM,Hierarchical Linear Models) 是用于分析具有嵌套
结构特点数据的一种统计分析技术，它的出现有效的解决了组织效应(或背景效应) 的求解问题[16]。多层线性模型通过对不同层次数据分别建立回归模型，分离了不同空间尺度与管理层次的解释变量对因变量的影响，进而分析不同层次解释变量之间的相互作用及其对因变量的作用程度。
与传统线性回归模型相比，多层线性模型在参数估计方法与算法、模型假设以及数据要求上都更具有优势。①传统线性回归模型采用普通最小二乘法(OLS)进行参数估计；多层线性模型采用期望最大化(EM)[17-18]、费舍尔得分法[19]、迭代一般最小二乘法(IGLS)[20]等算法进行参数估计，使得到的参数估计值更加稳定和精确。②传统线性回归分析取得有效估计和准确假设检验的条件是随机误差必须服从正态分布、独立且具有方差齐性；多层线性模型不要求满足后两项假设，事实上，由于分层数据结构的存在，不同组织随机误差的方差一定不相同，又由于同组织中的个体受到相同组织特征的影响，个体层次的误差方差一定相关。③传统线性回归模型要求数据必须为完全平衡的数据，即每组数据都具有相同的观测数，当数据不平衡时，就无法对方差和协方差进行估计；多层线性模型由于采用迭代算法进行参数估计，当数据不平衡时也可以对方差和协方差进行估计。2.2.2个体发展模型个体发展模型就是应用对相同个体多个时点上的有效测量，研究个体发展结构和个体预测变量之间关系的模型，是一种纵向研究模型。在地价的个体发展模型中，某一时点的地价水平值和一段时期内的地价变化趋势要通过对每个样本城市的多次追踪观测来确定，这些追踪观测值构成了模型的第一层数据；城市之间在地价水平值和地价①http://www.landvalue.com.cn/
8期宋佳楠等：中国城市地价水平及变化影响因素分析1047增长率上的差异构成了模型第二层数据。多层线性模型应用于个体发展研究中，通过将对相同观测对象的多次重复测量数据看做嵌套结构数据，分析组织中的个体随时间发展趋势的差异及差异的原因[11]。个体发展模型具体形式如下：
第一层
Y ij =π0j +π1j a ij +e ij
第二层
π0j =β00j +β01j X j +r 0j
π1j =β10j +β11j X j +r 1j
式中：a ij 为编码后的时间变量，π1j 表示样本城市j 在数据收集过程中的地价增长率，截距π0j 表示样本城市j 在a ij =0时的平均地价值，因此，π0j 的具体意义有赖于时间变量的a ij 的计量方式，本研究中π0j 表示2008年各城市地价水平值。X j 为第二层解释变量，即市级层次影响地价水平值和地价增长率的指标因子，e ij 、γ0j 、γ1j 为随机效应。
2.2.3组织研究中的个体发展模型组织研究模型就是应用对相同个体不同空间尺度或管理层次预测变量的有效测量，研究个体成绩与不同层次预测变量关系的模型，是一种横向研究模型。建立地价组织研究模型的目的是为了探索省级影响因素对地价的影响及其与市级影响因素的交互作用。地价组织研究中的个体发展模型就是在个体发展模型中添加第三层省份之间在平均地价水平值、平均地价增长率以及地价水平值和地价增长率差别效应β0ij 和β1ij 上的差异。多层线性模型在组织研究中的应用从建立零模型入手，即不包含任何解释变量的最简模型。在零模型中，方差成分被分解为市级随机效应方差估计值σ2和省级随机效应方差估计值τ00两部分，分别代表组内方差和组间方差，据此可以计算组内变异指数：
2ρ=σ00
组内变异指数提供了因变量的差异在各层次之间是如何分布的这一信息，也即城市地价差异中市级影响因素所占的比重。零模型建立后，通过在模型中逐一引入省级解释变量，构建完整模型。组织研究中个体发展完整模型的基本形式如下：
第一层
Y tij =π0ij +π1ij a tij +e tij
第二层
π0ij =β00j +β01j X ij +r 0ij
π1ij =β10j +β11j X ij +r 1ij
第三层
β00j =γ000+γ001W j +μ00j
β01j =γ010+γ011W j +μ01j
β10j =γ100+γ101W j +μ10j
β11j =γ110+γ111W j +μ11j
式中：截距γ000代表总体平均地价水平值；γ100代表总体平均地价增长率；斜率γt 01代表省级地价影响因素对总体平均地价值和地价增长率的作用大小；斜率γt 11表示省级地价影响因素与市级地价影响因素的交互作用。每一层的解释变量对该层因变量的作用都是通过影响上一层解释变量对其因变量的回归方程中的截距和斜率来实现。2.3城市地价差异的影响因素指标选取
城市土地作为人类社会生存发展的基础和重要的生产要素，其影响因素众多且复杂，并随着城市发展和社会需求的变化而变化。按照对土地价格的影响范围来区分，驱动地价变
1048地理学报66卷
图2城市土地价格影响因素
Fig. 2Influencing factors of urban land price
化的因素主要有3方面：宏观经济与政策因素、区位因素、个别因素[21]。3类因素中，宏观经济与政策因素是影响城市整体地价水平变化的主导因素，区位因素和个别因素则分别对地块和宗地的地价变化具有显著的影响[22]。本文以城市整体地价水平为研究对象，故主要从宏观角度选取指标。
笔者认为，宏观角度影响城市土地价格的主要因素包括土地供需因素、经济因素、社会因素以及政策因素(图2) 。供求矛盾促使人们更加注重土地的高效集约利用，促使土地等级格局的形成，土地价格的基点就是由供给和需求决定的，因此，城市土地的供给和需求是影响地价水平的最为直接和关键的因素。经济因素、社会因素和政策因素一般通过影响城市土地的供给或需求间接影响城市地价。
在土地供需因素中，土地需求可进一步分为实际需求和投资/投机性需求，从近年来中国土地市场发展的情况看，其数量直接受开发企业对未来市场预期的影响。而土地供给则与城市存量土地、增量土地的数量及其出让方式直接相关；在经济、社会因素中，经济发展水平、人口规模和居民收入水平是最主要的因素。经济快速发展、人口大量增加、收入水平大幅提升，必然加快推动城市化进程，带来土地需求的增加，在城市土地供给一定的前提下，引起地价的上升；在政策因素中，随着近年来中国土地资源配置市场化改革的深入，土地使用制度和税费机制对地价水平的影响日益突出。土地招拍挂机制和相关国有土地出让政策出台，为建立公开、公正、公平的土地市场环境创造了条件，使土地资源在竞争中得到优化配置，进而影响着城市政府的土地供给行为[23-24]；而国家土地税费政策通过影响政府和企业的收入调节土地市场供需，使得其在省级行政层次的差异形成了影响城市地价水平的背景效应。
综上所述，本文从城市土地供需因素、经济因素、社会因素中选取6项主要影响因素作为市级层次指标，具体包括房地产投资额、市辖区建设用地面积、新增用地出让面积、招拍挂出让面积比例、人口密度和城镇居民人均可支配收入指标；从税费政策因素中选取省级层次指标，本文主要研究耕地保护政策对城市地价差异的影响，因此选取目前农用地转用环节征收数额较大，影响范围较广的耕地占用税、耕地开垦费、征地补偿费和新增建设用地土地有偿使用费4项税费指标反映城市所在省份的政策环境背景效应(表1) 。
3结果分析
本文应用HLM6.06软件进行地价差异影响因素的三层线性模型分析，模型的输出结果包含固定效应估计值和随机效应方差估计值两部分，固定效应的数值反映了变量之间关系
8期宋佳楠等：中国城市地价水平及变化影响因素分析
表1地价影响因素的多层线性模型指标及数据描述性统计结果
1049Tab. 1Description of the variables in the dataset used in the study 亿元
ｋｍ２ ２ｈｍ
％
人／ｋｍ２
元 ２元／ｍ ２元／ｍ ２元／ｍ ２元／ｍ２２５．６６ ３０２．０８ ２２３．３５ ２９９．２３ ３７１．８４ ３７０．７１ ６２．４２ ２０．９２ ５６３．９６ ３７１．４２ １６０９９．８９ ４５４２．３６ ２２．５８ ８．００ ８．６９ ４．９７ ４２．００ １４．１１ ４．５５ １４．００ ０．００ １３．４８ ３８．９６ ８７２４．００ １２．５０ ０．５０ ６．２９ １９０８．７０ ２４２９．００ １７６５．２１ １００．００ ２４５４．３１ ３０２７５．００ ４５．００ ２２．５０ ７１．６７ 市级 房地产投资额 （ＨＯＵＳＥ＿ＩＮ） 层次 市辖区建设用地面积 （ＪＳＹＤ＿ＡＲＥＡ） 新增用地出让面积 （ＮＥＷ＿ＡＲＥＡ） 招拍挂出让面积比例 （ＺＰＧ＿ＰＲＯ） 人口密度 （ＰＯＰＵ＿ＩＮ） 城镇居民人居可支配收入 （ＩＮＣＯＭＥ） 省级 耕地占用税 （ＦＡＲＭ＿Ｔ） 层次 耕地开垦费 （ＲＥＣＬＡ＿Ｆ） 征地补偿费 （ＣＯＭＰＥＮ＿Ｆ） 新增建设用地有偿使用费 （ＮＥＷ＿Ｆ） 的方向及强弱，随机效应的方差估计值用以计算各解释变量对随机效应的解释方差比例。
由于省级层次的不同解释变量在第三层单位之间存在不同程度的样本缺失，以共有变量建立模型会大大减少第一层和第二层的样本量，在保证全部解释变量均引入模型中的前提下，会导致固定效应的估计结果不显著等问题[25]。因此，本文建立两组模型，即不在模型第三层引入解释变量的大样本模型和引入第三层变量的小样本模型，其中，小样本模型作为
②省级影响因素的解释模型，由第三层随机效应的可靠性报告可知，各随机效应的方差估计
值可靠性较高，计算得出的解释方差比例具有真实解释意义。3.1地价水平值的影响因素分析
表2为不添加第三层解释变量的多层线性模型地价水平值模型结果。由表2可知，模型1的组内变异指数显示城市地价水平差异的12.45%是省级差异，78.55%是市级差异，说明地价差异的影响因素是多层次的，省级因素对城市地价的影响不可忽略，采用多层线性模型分析可以使估计结果更准确。模型2、3、4为分别加入房地产投资额、人口密度、城镇居民人均可支配收入3个城市土地需求方面影响因素的模型。结果显示，人口密度对地价水平值的系数估计不显著，未进入模型，说明目前人口密度对地价水平没有显著影响；房地产投资额和城镇居民人均可支配收入两个指标对地价值的作用方向均为正，其中，房地产投资额解释了地价水平值市级差异的79.90%，对地价水平有直接影响，是最大的解释因子；城镇居民人均可支配收入虽然对地价值有一定推动作用，但在控制了房地产投资额指标后，其对城市地价值差异的解释作用不显著。模型5、6、7为分别加入新增供地出让面积、招拍挂出让面积比例、市辖区建设用地面积3个反映城市土地供给方面影响因素的模型。结果显示，新增供地出让面积对地价值的作用为负，这是因为新增供地出让的多为城郊结合处非农化的土地，而郊区土地由于其特殊的地理区位和利用条件，使得其出让价格远低于城市中心区的土地价格，因此，在控制出让面积总量的前提下，新增供地出让面积越大，综合地价越低；招拍挂出让面积比例和市辖区建设用地面积对地价值的作用方向均为正，证明现阶段中国招拍挂出让制度的引入显化了土地的真实价格，在一定程度上提高了经营性土地的价格[26]，同时，以建设用地面积表示的城市规模越大，城市土地集约化利用程度越高，综合地价水平也就越高。供给方面的因素对地价水平值差异的解释作用较微弱，3个指标的加入总共使地价值②小样本模型中第三层样本量最终为22个，省级平均地价、房地产投资额对地价初值的作用、市辖区建设
用地面积对地价增长率作用的三个随机效应的可靠性估计分别为0.876、0.797和0.933。
③在模型构建过程中，由于带随机效应的变量固定系数估计不显著以及与房地产投资额的随机效应相关性>0.9，舍弃了B12、B03、B13、B04的随机效应；由于随机效应的估计结果不显著(p>0.5) ，舍弃了B10、B02、B14和B05的随机效应；由于模型同时保留B11和B15的随机效应将导致B11随机效应的估计值不显著(p>0.5) ，故在模型7中舍弃B11的随机效应。
1050地理学报66卷
表2城市地价差异影响因素的大样本多层线性模型地价水平值模型结果
Tab. 2Results of the land price model of the bigger sample size hierarchical linear models 模型２ 模型４ 模型５ 模型６ 模型７
２０６３．１４２＊＊＊ ２０６３．０２１＊＊＊ ２０７１．３８３＊＊＊ ２０７０．３６８＊＊＊ ２０２０．９３４＊＊＊ １８９９．６６３＊＊＊（２５２．０７９） （２８８．３２５） （２８６．８１８） （２９１．２７１） （２９０．７９７） （２５８．００５）
房地产投资模型 Ｇ０１０ ５．５９７＊＊ ５．１５６＊＊ ５．９９３＊＊ （２．１７９） ６．１２８＊＊ ５．４０７＊＊ （２．１１５） （２．１５５） （２．１７２） （２．２９６） 居民平均收入模型 Ｇ０２０ ０．０４５＊＊ ０．０３５＊＊ ０．０４２＊ ０．０６７＊ （０．０１７） （０．０１６） （０．０２３） （０．０３５） 新增供地面积模型 Ｇ０３０ －０．９３２＊＊ （０．４１８） －０．９９８＊＊ －０．６５３＊ （０．４２６） （０．３４０） 招拍挂出让面积比例模型 Ｇ０４０ ４．５０８＊＊ ４．０６８＊ （２．２７６） （２．１０７） 市辖区建设用地面积模型 Ｇ０５０ ２．０３５＊ （１．０３２）
随机效应市级层次 ０８年地价初值 ３７８９６６７．２９９ ７６１８７９．９６６ ７６５９２１．７２５ ６７９６７１．４２１ ６７９７４４．０５９ ８０３０２５．４２９
组内变异指数 （％） ８７．５５ 解释方差比例 （％） 固定效应 ０８年地价初值模型 平均地价值模型 Ｇ０００
的市级解释方差比例上升了2.17%，且其中只有新增供地出让面积是城市间地价水平差异的解释因子。
在省级层次，模型保留了平均地价值和房地产投资额对地价初值的随机效应③，模型8、9、10、11为分别加入新增建设用地土地有偿使用费、耕地占用税、耕地开垦费和征地补偿费4个省级解释变量的小样本三层模型(表3) 。结果显示，4个省级耕地保护政策因素中，新增建设用地土地有偿使用费解释了平均地价省级差异的48.50%，是省级平均地价的最大解释因子，耕地占用税的加入使解释方差比例上升了27.08%，它对省级平均地价也同样具有显著作用。在对房地产投资与地价水平值关系的影响方面，新增建设用地土地有偿使用费和耕地开垦费共解释了省级层次影响市级房地产投资对地价值作用的49.72%，其中，新增建设用地土地有偿使用费的影响力大于耕地开垦费。3.2地价增长率的影响因素分析
表4为不添加第三层解释变量的多层线性模型地价增长率模型结果。由表4可知，6个指标总共解释了地价增长率差异的62.75%，其中，反映城市土地需求方面的3个影响因素对地价增长率的作用方向均为正，房地产投资仍然是3个指标中解释方差比例最大的因子，它解释了地价增长率市级差异的16.02%，人口密度解释了地价增长率市级差异的3.46%，城镇居民人均可支配收入解释了地价增长率市级差异的5.03%。反映城市土地供给方面影响因素的3个指标中，招拍挂出让面积比例对地价增长率的系数估计不显著，未能进入模型，说明土地出让方式对城市地价增长率并无显著影响；新增供地出让面积对地价增长率存在负作用，说明在现阶段中国土地市场需求旺盛的背景下，增加新增供地出让面积能在一定程度上抑制地价过快上涨；市辖区建设用地面积解释了市级地价增长率差异的38.14%，成为影
8期宋佳楠等：中国城市地价水平及变化影响因素分析
表3城市地价差异影响因素的小样本多层线性模型结果
３７１９８０．０５１ ４３．４３７
６１．４３７
７５．５８
４９．７２
６７．５９ 1051随机效应省级层次 平均地价 ７４０６９４．８１１ ３５１２０１．９６８ ３６０６４１．７８９ 地价初值＿房地产投资 ５３．３２７ ５５．４４２ ４２．１４２ ０８地价增长率＿市辖区建设用地面积 １８６．５２３ １０８．２３６ ７３．５１８ 解释方差比例 （％） 平均地价 ４８．５０ ７５．５８ ７５．５８ 房地产投资＿０８地价初值 ３６．３７ ３６．３７ ４９．７２ 市辖区建设用地面积＿地价增长率 １．６０ ４２．９０ ６１．２１ 表4城市地价差异影响因素的大样本多层线性模型地价增长率模型结果
模型２ 模型３ 模型４ 模型５ 模型７ 固定效应 地价增长率模型 平均地价增长率模型 Ｇ１００ １２９．４６９＊＊２９．６００＊＊ １２８．６８１＊＊２７．４９８＊＊１２７．６６６＊＊ １３１．３２８＊＊ １ １ （４４．８１２） （４１．５９４） （４０．８６２） （３９．７８２） （３９．９８８） （３９．４９３） 房地产投资模型 Ｇ１１０ ０．７３２＊ ０．６８２＊ ０．３６３ ０．４８３ ０．１５７ （０．３７３） （０．３４７） （０．２１５） （０．２５８） （０．０９１） 人口密度模型 Ｇ１２０ ０．３６１＊ ０．４０３＊＊ ０．４０４＊＊ ０．０９１ （０．１８４） （０．１８２） （０．１８７） （０．０５０） 居民平均收入模型 Ｇ１３０ ０．０４１＊ ０．０３７＊ ０．０２３＊＊ （０．０２１） （０．０１９） （０．００８） 新增供地面积模型 Ｇ１４０ －０．２４９＊ －０．１６７ （０．１２７） （０．０８６） 市辖区建设用地面积模型 Ｇ１５０ ２．９１２＊＊ （１．４４１） 随机效应市级层次 地价增长率 １７５４７５．７４１ １４７３５７．０５１ １４１２９１．５３８ １３２４６８．９３７ １３２２８３．３２３ ６５３６０．４０１ 解释方差比例 （％） 地价增长率 １６．０２ １９．４８ ２４．５１ ２４．６１ ６２．７５ 注：＊Ｐ＜０．１，＊＊Ｐ＜０．０５，＊＊＊Ｐ＜０．００１；括号中数值为标准误。 Tab. 4Results of the rate of land price growth model of the bigger sample size hierarchical linear models
响地价增长率的最主要因素，说明城市土地供给潜力对地价增长率的制约作用明显，相对于需求因素对地价水平值的主导作用，地价增长率更多的受到供给方面因素的影响。
由于地价增长率在省级层次不存在显著差异，本研究在零模型的设置中将第三层省级平均地价增长率设为固定效应，在包含第三层解释变量的完整模型中仅保留了市辖区建设用地面积对地价增长率作用的随机效应(表3) 。结果显示，耕地占用税是省级层次影响市辖区建设用地面积对地价增长率作用的最大解释因子，4项指标共解释了省级层次影响地价增长率作用的67.59%，其中，耕地占用税、耕地开垦费、征地补偿费和新增建设用地土地有偿使用费的影响作用依次减弱，耕地占用税和耕地开垦费共解释了省级层次59.61%的差异，说明这两项税费的设置有效的控制了通过大量占用耕地面积增加城市建设用地面积、扩大城市规模的行为，进而抑制了地价上涨速率。
1052地理学报66卷
3.3地价水平值与地价增长率影响因素的差异分析
对比表3和表4的结果，地价水平值和地价增长率的影响因素及作用机制存在一定差异：
(1)地价增长率的影响因素比地价水平值的影响因素更复杂。本文所选6个市级影响因素总共可以解释地价水平值差异的82.07%，其中，除房地产投资额和新增供地出让面积对地价水平值有显著推动作用外，其他因素影响均不显著；而6个市级影响因素仅能解释地价增长率差异的62.75%，其中，除土地出让方式对地价增长率无显著影响外，其他因素均对地价增长率有一定影响。
(2)城市地价水平值和地价增长率的主导因素不同。在6个市级影响因素中，房地产投资额对地价水平值和地价增长率影响都较为显著，但影响程度差异较大。房地产投资额对城市地价水平值差异的解释作用达到79.90%，说明房地产投资增长是土地价格上升的直接动力，这一结论与相关研究结论基本一致[27]。但房地产投资额对城市地价增长率差异的解释作用仅为16.02%，说明地价增长率虽然受房地产投资变动影响显著，但并不受其主导，同时，城市市辖区建设用地面积解释了地价增长率差异的38.14%，是影响地价增长率的最主要因素。
(3)影响地价水平值和地价增长率的省级因素差异较小。从省级4个耕地保护政策因素对省级平均地价值、房地产投资额对地价值的作用关系、以及市辖区建设用地面积对地价增长率作用关系的解释程度来看，中国目前的耕地保护政策对平抑地价、控制地价涨速有显著作用。其中，新增建设用地土地有偿使用费解释了平均地价值省间差异的48.50%，以及省级层次影响市级房地产投资对地价值作用的36.37%；耕地占用税解释了平均地价值省间差异的27.08%，以及省级层次影响建设用地面积对地价增长率作用的41.30%，是省级层次作用最显著的两项影响因子。
4结论与讨论
城市地价影响因素及其作用机制是经济学、地理学等学科研究的热点。本文以2008-2010年全国105个土地市场较发育的大中城市为例，采用多层线性模型建模，分析地价水平值及地价增长率的影响因素。研究表明，多层线性模型在地价影响因素领域的研究具有适用性，研究对象地价差异的12.45%来自省级“背景效应”的作用，78.55%是市级差异。城市地价水平值与地价增长率的影响因素存在较大差异，地价增长率的影响因素比地价值更为复杂，导致地价增长率的变化比地价水平值的变化更“理性”。房地产投资额是城市地价水平值的主导因素，地价水平主要围绕房地产投资情况变动；而地价增长率除了受城市建设用地面积、房地产投资额、人口密度、城镇居民人均可支配收入和新增供地出让面积影响外，还有很大一部分的差异未得到解释。省级耕地保护政策因素中，新增建设用地土地有偿使用费和耕地占用税对地价水平值的影响作用最显著。
研究受数据可得性的限制，基础数据的时间序列仅有3年，对研究地价增长率的变化趋势来说时间尺度略短；在影响因素的选择方面，也仅选取了影响城市地价众多因素中的部分主要因素，虽然研究尝试分析政策因素和房地产投机因素对地价增长率的影响，但由于不完全样本量导致的模型估计结果不显著等问题，使表征投机因素的指标最终没能进入模型，且模型中各因素之间仍然不可避免的存在一定程度的相关性。此外，在对省级“背景效应”因素的选取上，本研究只考虑了耕地保护政策因素，其他诸如房地产调控政策等对城市地价的影响都有待进一步研究。
8期宋佳楠等：中国城市地价水平及变化影响因素分析1053参考文献(References)
[1]Wu Liping. Mechanism of Urban Land Price. Beijing:Economic Science Press, 2007. [邬丽萍. 城市土地价格机制研究. 北京:经济科学出版社, 2007.]
[2]Wu F. China's recent urban development in the process of land and housing marketization and economic globalization. Habitat International, 2001, 25(3):273-89.
[3]Wang Zhen, Guo Huicheng, He Chengjie et al. Driving force analysis of residential land price in Beijing Based on Statistical Methods. Acta Geographica Sinica, 2009, 64(10):1214-1220. [王真, 郭怀成, 何成杰等. 基于统计学的北京城市居住用地价格驱动力分析. 地理学报, 2009, 64(10):1214-1220.]
[4]Hua Wen, Fan Li, Wu Qun et al. Regression analysis of urban land value influencing factors:For Jiangsu Province. Economic Geography, 2005, 25(2):203-205, 218. [华文, 范黎, 吴群等. 城市地价水平影响因素的相关分析:以江苏省为例. 经济地理, 2005, 25(2):203-205, 218.]
[5]Mostafa Morsi El Araby. The role of the state in managing urban land supply and prices in Egypt. Habitat International, 2003, 27(3):429-458.
[6]Min Hwang, John M Quigley. Economic fundamentals in local housing markets:Evidence from U.S. metropolitan regions. Journal of Regional Science, 2006, 46(3):425-453.
[7]Ogawa K, Suzuki K. Land value and corporate investment:Evidence from Japanese Panel Data. Journal of the Japanese and International Economies, 1998, 12(3):232-249.
[8]Wu Wenjie, Liu Zhilin, Zhang Wenzhong. Determinants of residential land price:Structure equation model analysis using land-leasing parcel data in Beijing. Acta Geographica Sinica, 2010, 65(6):676-684. [武文杰, 刘志林, 张文忠. 基于结构方程模型的北京居住用地价格影响因素评价. 地理学报, 2010, 65(6):676-684.]
[9]Ahlfeldt G, Maennig W. Impact of sports arenas on land values:Evidence from Berlin. The Annals of Regional Science, 2010, 44(2):205-227.
[10]Gao Yanna, Zhu Daolin. Influence factors of rural land price for compulsory acquisition by hedonic price model.
Geomatics and Information Science of Wuhan University, 2008, 33(11):1198-1201. [高延娜, 朱道林. 基于特征价格模型的农村土地征收价格影响因素研究. 武汉大学学报:信息科学版, 2008, 33(11):1198-1201.]
[11]Raimond M, Martin P, Steffen S. Hedonic price indices for the Paris housing market. Allgemeines Statistisches Archiv,
2004, 88:303-326.
[12]Zhou Ganghua. Micro influence factors of urban land price and its case study [D].Hangzhou:Zhejiang University, 2004.
[周刚华. 城市土地价格的微观影响因素及其实证研究[D].杭州:浙江大学, 2004.]
[13]Bryk A S, Raudenbush S W. On heterogeneity of variance in experimental studies:A challenge to conventional
interpretations. Psychological Bulletin, 1988, 104(3):396-404.
[14]Rogosa D R, Brand D, Zimowski M. A growth curve approach to the measurement of change. Psychological Bulletin,
1982, 90:726-748.
[15]Song Jianan, Jin Xiaobin, Zhou Yinkang. A study on the contribution rate of agricultural land use intensity to grain
productivity based on hierarchical linear models:A case study on the Inner Mongolia. Resources Science, 2010, 32(6):1161-1168. [宋佳楠, 金晓斌, 周寅康. 基于多层线性模型的耕地集约利用对粮食生产力贡献度分析. 资源科学, 2010, 32(6):1161-1168.]
[16]Raudenbush S W, Bryk A S. Guo Zhigang et al. trans. Hierarchical Linear Models:Applications and Data Analysis
Methods. Beijing:Social Sciences Academic Press, 2007:3-6. [郭志刚等译. 多层线性模型:应用与数据分析方法. 北京:社会科学文献出版社, 2007:3-6.]
[17]Dempster A P, Laird N M, Rubin D B. Maximum likelihood from incomplete data via the EM algorithm. Journal of the
Royal Statistics Society, 1977, 39:1-8.
[18]Dempster A P, Rubin D B, Tsutakawa R K. Estimation in covariance components models. Journal of American Statistical
Association, 1981, 76:341-353.
[19]Goldstein H. Multilevel mixed linear model analysis using iterative generalized least squares. Biometrika, 1986, 73:46-56.
[20]Longford N T. A fast scoring algorithm for maximum likelihood estimation in unbalance models with nested random
effects. Biometrika, 1987, 74(4):817-827.
[21]Chinese National Standards GB/T.18507-2001.Beijing:Standard Press of China, 2001:2-3. [中华人民共和国国家标准
GB/T.18507-2001.北京:中国标准出版社, 2001:2-3.]
[22]Yan Xing, Lin Zengjie. Urban Property Assessment. Beijing:China Renmin University Press, 1999:38-53. [严星, 林增杰.
城市地产评估. 北京:中国人民大学出版社, 1999:38-53.]
[23]Ke Shanzi, He Ming. Urban land prices driven by market forces and government actions:An empirical study of Chinese
cities. Modern Economic Science, 2008, 30(2):25-32. [柯善咨, 何鸣. 市场和政府共同作用下的城市地价:中国城市的
1054地理学报66卷
实证研究. 当代经济科学, 2008, 30(2):25-32.]
[24]Xie Q, Parsa A R G, Redding B. The emergence of the urban land market in China:Evolution, structure, constraints and
perspectives. Urban Studies, 2002, 39(8):1375-1398.
[25]Raudenbush S W, Liu X. Statistical power and optimal design for multisite randomized trials. Psychological Methods,
2000, 5(2):199-213.
[26]Ding Jianhong. Response of residential land market to the reform of land supply policy in Beijing. China Land Science,
2007, 21(3):11-18. [丁洪建. 土地供应规则的变化对北京市住宅用地市场的影响. 中国土地科学, 2007, 21(3):11-18.]
[27]Zou Pingzuo. Main characteristics and causes of changes in current land prices. China Finance, 2005, (2):19-20. [邹平座.
当前土地价格变动的主要特征与成因分析. 中国金融, 2005, (2):19-20.]
Analysis of Influencing Factors for Urban Land Price and Its Changing Trend in China in Recent Years
SONG Jianan 1, JIN Xiaobin 1, TANG Jian 2, ZHANG Zhihong 2,
DING Ning 1, ZHAO Jie 1, ZHOU Yinkang 1
(1.College of Geographic and Oceanographic Sciences , Nanjing University , Nanjing 210093, China ;
2. China Land Surveying and Planning Institute , Beijing 100029, China )
Abstract:There are many factors affecting the level of land price and its changing trends, and these factors may fluctuate from time to time according to social and economic development and people's demands. In this paper, hierarchical linear models were employed to quantitatively measure the influences and interactions of 10factors which were chosen in three aspects of urban land supply and demand and farmland protection policy, including real estate investment, population density, urban construction land area, new area for land transfer, arable land occupation tax, new construction land use fee. The level-1and level-2models constitute an individual development model using quarterly land price data of 105cities of China with well-developed land markets from 2008to 2010and municipal influencing factors data, aiming to explore the way these factors affect the urban land price and its growth rate. The level-2and level-3models constitute an organization model, intending to explore contribution degree of the provincial factors chosen in this paper to land price and its growth rate. The results showed that there are multi-level factors affecting urban land price and its growth rate, and the interclass correlation coefficient shows that 12.45%of the difference in urban land price comes from provincial "background effect". Influencing factors of urban land price and its growth rate are different, and their dominant influencing factors have significant difference. Six municipal influencing factors chosen in this paper explained 82.07%of the difference in urban land price altogether, while 62.75%of the difference in urban land price growth rate. This illustrates that changes in land price growth rate is more "rational" than those of land price. Real estate investment explained 79.90%of the difference in urban land price, being the biggest influencing factor of all the municipal factors, which is the direct driving force of land prices rising. Meanwhile, both urban construction land area and real estate investment have a significant influence on land price growth rate. Farmland protection policies have a significant effect on controlling the level of land price and its growth rate. Concretely, new construction land use fee and arable land occupation tax are two of the most notable land price influencing factors at the provincial level.
Key words:urban land price; changing trend; influencing factors; hierarchical linear model; China
第66卷第8期
2011年8月地理学报ACTA GEOGRAPHICA SINICA V ol.66, No.8Aug., 2011
中国城市地价水平及变化影响因素分析
宋佳楠1, 金晓斌1, 唐健2, 张志宏2, 丁宁1, 赵婕1, 周寅康1
(1.南京大学地理与海洋科学学院, 南京210093; 2. 中国土地勘测规划院, 北京100029)
摘要：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。
关键词：城市地价；地价变化；影响因素；多层线性模型；中国
1引言
城市是人类社会长期发展的结果，城市土地是人类生活和社会经济活动的主要载体。在市场经济条件下，城市土地作为重要的生产要素，价格机制对其合理配置和有效利用起着
[1]十分重要的作用。作为土地市场运作的重要信息和价值判断标准，城市地价变化受到城市
经济、政治、人口等众多因素的综合作用，其在现实经济生活中的核心地位，在调节城市土地利用，优化土地资源配置方面的杠杆作用日趋明显[2]。因此，研究中国城市土地价格差异的影响因素及其作用机制对政府的土地管理和企业的房地产投资决策都具有重要意义。
目前，国内外对城市地价影响因素研究主要集中于影响因素的判别和量化，研究方法和研究模型的改进这两方面。有学者从供给与需求、宏观与微观等角度对地价影响因素进行分类，综合各类影响因素选择指标，通过模型的参数检验分析确定影响区域地价水平的主要因素[3-6]；也有学者侧重于研究某一种或某一类地价影响因素对地价水平的作用程度和作用机制[7-10]。在研究方法和研究模型选择方面，应用较广泛的有基于截面数据的特征价格模
[9-12]型以及基于面板数据的时间序列—截面模型[6-7]等。总结目前地价影响因素的研究，虽然研究方法和研究模型众多，在影响因素上也进行了宏观和微观的划分，但普遍忽略了不同尺度、不同层次主体间的相互影响作用，在实证研究中多将各类因素归为同一影响层面进行处理，最终得到的结果往往是多尺度、多层次的综合作用。这种忽略不同层次影响因素相互作用的研究方法，容易导致研究结果隐藏部分真实差异[13]，特别是在进行对个体重复测量的模型中，规定所有时点都具有相同的方差更会使研究结果出现重大偏差[14]。本文通过对全国105个土地市场较发育城市2008-2010年分季度地价数据建立城市地价差异影响因素的三层线性模型，研究省域和市域层次的影响因素对城市地价水平及地价变化趋势的影响机制，并分析各影响因素的贡献度。
收稿日期：2010-10-26; 修订日期：2011-04-20
基金项目：中国土地勘测规划院科技项目（[1**********]5）[Foundation :Technology project of China Land Surveying and
Planning Institute, No. [1**********]5]
作者简介：宋佳楠(1986-),女, 内蒙古赤峰人, 硕士研究生, 主要从事土地资源管理研究。E-mail:[email protected]通讯作者：金晓斌(1974-),男, 甘肃兰州人, 博士, 副教授, 主要从事土地资源管理研究。E-mail:[email protected]
1045-1054页
1046地理学报66卷2数据来源和研究方法
2.1数据来源与说明
研究对象在省级层次为
除台湾省以外的31个省级行
政区，市级层次为列入全国
城市地价动态监测系统统计
的105个重点城市(图1) 。这
些城市在土地开发程度、基
础设施条件、地价水平等方
面具有一定的区域代表性，
对所在地区乃至全国的地价
变化具有重要影响。论文中
地价数据来自中国城市地价城市地价动态监测重点城市动态监测网站①，城市社会经0400km 济数据来自《中国城市统计
年鉴》，城市土地出让数据来
自《中国国土资源年鉴》，新图1中国城市地价动态监测重点城市
Fig. 1Urban land price dynamic monitor system for major cities of China 增建设用地土地有偿使用
费、耕地占用税等数据来自相关政策要求，征地补偿费采用省级征地补偿区片价资料，耕地开垦费按相关省级土地管理政策要求计算。2.2研究方法2.2.1多层线性模型概述许多社会科学研究都涉及具有嵌套结构的数据，对于这类数据，传统的回归分析方法采用“集中”或“分解”两种方式将问题进行简化，其结果是忽略了个体
[15]效应或组织效应。多层线性模型(HLM,Hierarchical Linear Models) 是用于分析具有嵌套
结构特点数据的一种统计分析技术，它的出现有效的解决了组织效应(或背景效应) 的求解问题[16]。多层线性模型通过对不同层次数据分别建立回归模型，分离了不同空间尺度与管理层次的解释变量对因变量的影响，进而分析不同层次解释变量之间的相互作用及其对因变量的作用程度。
与传统线性回归模型相比，多层线性模型在参数估计方法与算法、模型假设以及数据要求上都更具有优势。①传统线性回归模型采用普通最小二乘法(OLS)进行参数估计；多层线性模型采用期望最大化(EM)[17-18]、费舍尔得分法[19]、迭代一般最小二乘法(IGLS)[20]等算法进行参数估计，使得到的参数估计值更加稳定和精确。②传统线性回归分析取得有效估计和准确假设检验的条件是随机误差必须服从正态分布、独立且具有方差齐性；多层线性模型不要求满足后两项假设，事实上，由于分层数据结构的存在，不同组织随机误差的方差一定不相同，又由于同组织中的个体受到相同组织特征的影响，个体层次的误差方差一定相关。③传统线性回归模型要求数据必须为完全平衡的数据，即每组数据都具有相同的观测数，当数据不平衡时，就无法对方差和协方差进行估计；多层线性模型由于采用迭代算法进行参数估计，当数据不平衡时也可以对方差和协方差进行估计。2.2.2个体发展模型个体发展模型就是应用对相同个体多个时点上的有效测量，研究个体发展结构和个体预测变量之间关系的模型，是一种纵向研究模型。在地价的个体发展模型中，某一时点的地价水平值和一段时期内的地价变化趋势要通过对每个样本城市的多次追踪观测来确定，这些追踪观测值构成了模型的第一层数据；城市之间在地价水平值和地价①http://www.landvalue.com.cn/
8期宋佳楠等：中国城市地价水平及变化影响因素分析1047增长率上的差异构成了模型第二层数据。多层线性模型应用于个体发展研究中，通过将对相同观测对象的多次重复测量数据看做嵌套结构数据，分析组织中的个体随时间发展趋势的差异及差异的原因[11]。个体发展模型具体形式如下：
第一层
Y ij =π0j +π1j a ij +e ij
第二层
π0j =β00j +β01j X j +r 0j
π1j =β10j +β11j X j +r 1j
式中：a ij 为编码后的时间变量，π1j 表示样本城市j 在数据收集过程中的地价增长率，截距π0j 表示样本城市j 在a ij =0时的平均地价值，因此，π0j 的具体意义有赖于时间变量的a ij 的计量方式，本研究中π0j 表示2008年各城市地价水平值。X j 为第二层解释变量，即市级层次影响地价水平值和地价增长率的指标因子，e ij 、γ0j 、γ1j 为随机效应。
2.2.3组织研究中的个体发展模型组织研究模型就是应用对相同个体不同空间尺度或管理层次预测变量的有效测量，研究个体成绩与不同层次预测变量关系的模型，是一种横向研究模型。建立地价组织研究模型的目的是为了探索省级影响因素对地价的影响及其与市级影响因素的交互作用。地价组织研究中的个体发展模型就是在个体发展模型中添加第三层省份之间在平均地价水平值、平均地价增长率以及地价水平值和地价增长率差别效应β0ij 和β1ij 上的差异。多层线性模型在组织研究中的应用从建立零模型入手，即不包含任何解释变量的最简模型。在零模型中，方差成分被分解为市级随机效应方差估计值σ2和省级随机效应方差估计值τ00两部分，分别代表组内方差和组间方差，据此可以计算组内变异指数：
2ρ=σ00
组内变异指数提供了因变量的差异在各层次之间是如何分布的这一信息，也即城市地价差异中市级影响因素所占的比重。零模型建立后，通过在模型中逐一引入省级解释变量，构建完整模型。组织研究中个体发展完整模型的基本形式如下：
第一层
Y tij =π0ij +π1ij a tij +e tij
第二层
π0ij =β00j +β01j X ij +r 0ij
π1ij =β10j +β11j X ij +r 1ij
第三层
β00j =γ000+γ001W j +μ00j
β01j =γ010+γ011W j +μ01j
β10j =γ100+γ101W j +μ10j
β11j =γ110+γ111W j +μ11j
式中：截距γ000代表总体平均地价水平值；γ100代表总体平均地价增长率；斜率γt 01代表省级地价影响因素对总体平均地价值和地价增长率的作用大小；斜率γt 11表示省级地价影响因素与市级地价影响因素的交互作用。每一层的解释变量对该层因变量的作用都是通过影响上一层解释变量对其因变量的回归方程中的截距和斜率来实现。2.3城市地价差异的影响因素指标选取
城市土地作为人类社会生存发展的基础和重要的生产要素，其影响因素众多且复杂，并随着城市发展和社会需求的变化而变化。按照对土地价格的影响范围来区分，驱动地价变
1048地理学报66卷
图2城市土地价格影响因素
Fig. 2Influencing factors of urban land price
化的因素主要有3方面：宏观经济与政策因素、区位因素、个别因素[21]。3类因素中，宏观经济与政策因素是影响城市整体地价水平变化的主导因素，区位因素和个别因素则分别对地块和宗地的地价变化具有显著的影响[22]。本文以城市整体地价水平为研究对象，故主要从宏观角度选取指标。
笔者认为，宏观角度影响城市土地价格的主要因素包括土地供需因素、经济因素、社会因素以及政策因素(图2) 。供求矛盾促使人们更加注重土地的高效集约利用，促使土地等级格局的形成，土地价格的基点就是由供给和需求决定的，因此，城市土地的供给和需求是影响地价水平的最为直接和关键的因素。经济因素、社会因素和政策因素一般通过影响城市土地的供给或需求间接影响城市地价。
在土地供需因素中，土地需求可进一步分为实际需求和投资/投机性需求，从近年来中国土地市场发展的情况看，其数量直接受开发企业对未来市场预期的影响。而土地供给则与城市存量土地、增量土地的数量及其出让方式直接相关；在经济、社会因素中，经济发展水平、人口规模和居民收入水平是最主要的因素。经济快速发展、人口大量增加、收入水平大幅提升，必然加快推动城市化进程，带来土地需求的增加，在城市土地供给一定的前提下，引起地价的上升；在政策因素中，随着近年来中国土地资源配置市场化改革的深入，土地使用制度和税费机制对地价水平的影响日益突出。土地招拍挂机制和相关国有土地出让政策出台，为建立公开、公正、公平的土地市场环境创造了条件，使土地资源在竞争中得到优化配置，进而影响着城市政府的土地供给行为[23-24]；而国家土地税费政策通过影响政府和企业的收入调节土地市场供需，使得其在省级行政层次的差异形成了影响城市地价水平的背景效应。
综上所述，本文从城市土地供需因素、经济因素、社会因素中选取6项主要影响因素作为市级层次指标，具体包括房地产投资额、市辖区建设用地面积、新增用地出让面积、招拍挂出让面积比例、人口密度和城镇居民人均可支配收入指标；从税费政策因素中选取省级层次指标，本文主要研究耕地保护政策对城市地价差异的影响，因此选取目前农用地转用环节征收数额较大，影响范围较广的耕地占用税、耕地开垦费、征地补偿费和新增建设用地土地有偿使用费4项税费指标反映城市所在省份的政策环境背景效应(表1) 。
3结果分析
本文应用HLM6.06软件进行地价差异影响因素的三层线性模型分析，模型的输出结果包含固定效应估计值和随机效应方差估计值两部分，固定效应的数值反映了变量之间关系
8期宋佳楠等：中国城市地价水平及变化影响因素分析
表1地价影响因素的多层线性模型指标及数据描述性统计结果
1049Tab. 1Description of the variables in the dataset used in the study 亿元
ｋｍ２ ２ｈｍ
％
人／ｋｍ２
元 ２元／ｍ ２元／ｍ ２元／ｍ ２元／ｍ２２５．６６ ３０２．０８ ２２３．３５ ２９９．２３ ３７１．８４ ３７０．７１ ６２．４２ ２０．９２ ５６３．９６ ３７１．４２ １６０９９．８９ ４５４２．３６ ２２．５８ ８．００ ８．６９ ４．９７ ４２．００ １４．１１ ４．５５ １４．００ ０．００ １３．４８ ３８．９６ ８７２４．００ １２．５０ ０．５０ ６．２９ １９０８．７０ ２４２９．００ １７６５．２１ １００．００ ２４５４．３１ ３０２７５．００ ４５．００ ２２．５０ ７１．６７ 市级 房地产投资额 （ＨＯＵＳＥ＿ＩＮ） 层次 市辖区建设用地面积 （ＪＳＹＤ＿ＡＲＥＡ） 新增用地出让面积 （ＮＥＷ＿ＡＲＥＡ） 招拍挂出让面积比例 （ＺＰＧ＿ＰＲＯ） 人口密度 （ＰＯＰＵ＿ＩＮ） 城镇居民人居可支配收入 （ＩＮＣＯＭＥ） 省级 耕地占用税 （ＦＡＲＭ＿Ｔ） 层次 耕地开垦费 （ＲＥＣＬＡ＿Ｆ） 征地补偿费 （ＣＯＭＰＥＮ＿Ｆ） 新增建设用地有偿使用费 （ＮＥＷ＿Ｆ） 的方向及强弱，随机效应的方差估计值用以计算各解释变量对随机效应的解释方差比例。
由于省级层次的不同解释变量在第三层单位之间存在不同程度的样本缺失，以共有变量建立模型会大大减少第一层和第二层的样本量，在保证全部解释变量均引入模型中的前提下，会导致固定效应的估计结果不显著等问题[25]。因此，本文建立两组模型，即不在模型第三层引入解释变量的大样本模型和引入第三层变量的小样本模型，其中，小样本模型作为
②省级影响因素的解释模型，由第三层随机效应的可靠性报告可知，各随机效应的方差估计
值可靠性较高，计算得出的解释方差比例具有真实解释意义。3.1地价水平值的影响因素分析
表2为不添加第三层解释变量的多层线性模型地价水平值模型结果。由表2可知，模型1的组内变异指数显示城市地价水平差异的12.45%是省级差异，78.55%是市级差异，说明地价差异的影响因素是多层次的，省级因素对城市地价的影响不可忽略，采用多层线性模型分析可以使估计结果更准确。模型2、3、4为分别加入房地产投资额、人口密度、城镇居民人均可支配收入3个城市土地需求方面影响因素的模型。结果显示，人口密度对地价水平值的系数估计不显著，未进入模型，说明目前人口密度对地价水平没有显著影响；房地产投资额和城镇居民人均可支配收入两个指标对地价值的作用方向均为正，其中，房地产投资额解释了地价水平值市级差异的79.90%，对地价水平有直接影响，是最大的解释因子；城镇居民人均可支配收入虽然对地价值有一定推动作用，但在控制了房地产投资额指标后，其对城市地价值差异的解释作用不显著。模型5、6、7为分别加入新增供地出让面积、招拍挂出让面积比例、市辖区建设用地面积3个反映城市土地供给方面影响因素的模型。结果显示，新增供地出让面积对地价值的作用为负，这是因为新增供地出让的多为城郊结合处非农化的土地，而郊区土地由于其特殊的地理区位和利用条件，使得其出让价格远低于城市中心区的土地价格，因此，在控制出让面积总量的前提下，新增供地出让面积越大，综合地价越低；招拍挂出让面积比例和市辖区建设用地面积对地价值的作用方向均为正，证明现阶段中国招拍挂出让制度的引入显化了土地的真实价格，在一定程度上提高了经营性土地的价格[26]，同时，以建设用地面积表示的城市规模越大，城市土地集约化利用程度越高，综合地价水平也就越高。供给方面的因素对地价水平值差异的解释作用较微弱，3个指标的加入总共使地价值②小样本模型中第三层样本量最终为22个，省级平均地价、房地产投资额对地价初值的作用、市辖区建设
用地面积对地价增长率作用的三个随机效应的可靠性估计分别为0.876、0.797和0.933。
③在模型构建过程中，由于带随机效应的变量固定系数估计不显著以及与房地产投资额的随机效应相关性>0.9，舍弃了B12、B03、B13、B04的随机效应；由于随机效应的估计结果不显著(p>0.5) ，舍弃了B10、B02、B14和B05的随机效应；由于模型同时保留B11和B15的随机效应将导致B11随机效应的估计值不显著(p>0.5) ，故在模型7中舍弃B11的随机效应。
1050地理学报66卷
表2城市地价差异影响因素的大样本多层线性模型地价水平值模型结果
Tab. 2Results of the land price model of the bigger sample size hierarchical linear models 模型２ 模型４ 模型５ 模型６ 模型７
２０６３．１４２＊＊＊ ２０６３．０２１＊＊＊ ２０７１．３８３＊＊＊ ２０７０．３６８＊＊＊ ２０２０．９３４＊＊＊ １８９９．６６３＊＊＊（２５２．０７９） （２８８．３２５） （２８６．８１８） （２９１．２７１） （２９０．７９７） （２５８．００５）
房地产投资模型 Ｇ０１０ ５．５９７＊＊ ５．１５６＊＊ ５．９９３＊＊ （２．１７９） ６．１２８＊＊ ５．４０７＊＊ （２．１１５） （２．１５５） （２．１７２） （２．２９６） 居民平均收入模型 Ｇ０２０ ０．０４５＊＊ ０．０３５＊＊ ０．０４２＊ ０．０６７＊ （０．０１７） （０．０１６） （０．０２３） （０．０３５） 新增供地面积模型 Ｇ０３０ －０．９３２＊＊ （０．４１８） －０．９９８＊＊ －０．６５３＊ （０．４２６） （０．３４０） 招拍挂出让面积比例模型 Ｇ０４０ ４．５０８＊＊ ４．０６８＊ （２．２７６） （２．１０７） 市辖区建设用地面积模型 Ｇ０５０ ２．０３５＊ （１．０３２）
随机效应市级层次 ０８年地价初值 ３７８９６６７．２９９ ７６１８７９．９６６ ７６５９２１．７２５ ６７９６７１．４２１ ６７９７４４．０５９ ８０３０２５．４２９
组内变异指数 （％） ８７．５５ 解释方差比例 （％） 固定效应 ０８年地价初值模型 平均地价值模型 Ｇ０００
的市级解释方差比例上升了2.17%，且其中只有新增供地出让面积是城市间地价水平差异的解释因子。
在省级层次，模型保留了平均地价值和房地产投资额对地价初值的随机效应③，模型8、9、10、11为分别加入新增建设用地土地有偿使用费、耕地占用税、耕地开垦费和征地补偿费4个省级解释变量的小样本三层模型(表3) 。结果显示，4个省级耕地保护政策因素中，新增建设用地土地有偿使用费解释了平均地价省级差异的48.50%，是省级平均地价的最大解释因子，耕地占用税的加入使解释方差比例上升了27.08%，它对省级平均地价也同样具有显著作用。在对房地产投资与地价水平值关系的影响方面，新增建设用地土地有偿使用费和耕地开垦费共解释了省级层次影响市级房地产投资对地价值作用的49.72%，其中，新增建设用地土地有偿使用费的影响力大于耕地开垦费。3.2地价增长率的影响因素分析
表4为不添加第三层解释变量的多层线性模型地价增长率模型结果。由表4可知，6个指标总共解释了地价增长率差异的62.75%，其中，反映城市土地需求方面的3个影响因素对地价增长率的作用方向均为正，房地产投资仍然是3个指标中解释方差比例最大的因子，它解释了地价增长率市级差异的16.02%，人口密度解释了地价增长率市级差异的3.46%，城镇居民人均可支配收入解释了地价增长率市级差异的5.03%。反映城市土地供给方面影响因素的3个指标中，招拍挂出让面积比例对地价增长率的系数估计不显著，未能进入模型，说明土地出让方式对城市地价增长率并无显著影响；新增供地出让面积对地价增长率存在负作用，说明在现阶段中国土地市场需求旺盛的背景下，增加新增供地出让面积能在一定程度上抑制地价过快上涨；市辖区建设用地面积解释了市级地价增长率差异的38.14%，成为影
8期宋佳楠等：中国城市地价水平及变化影响因素分析
表3城市地价差异影响因素的小样本多层线性模型结果
３７１９８０．０５１ ４３．４３７
６１．４３７
７５．５８
４９．７２
６７．５９ 1051随机效应省级层次 平均地价 ７４０６９４．８１１ ３５１２０１．９６８ ３６０６４１．７８９ 地价初值＿房地产投资 ５３．３２７ ５５．４４２ ４２．１４２ ０８地价增长率＿市辖区建设用地面积 １８６．５２３ １０８．２３６ ７３．５１８ 解释方差比例 （％） 平均地价 ４８．５０ ７５．５８ ７５．５８ 房地产投资＿０８地价初值 ３６．３７ ３６．３７ ４９．７２ 市辖区建设用地面积＿地价增长率 １．６０ ４２．９０ ６１．２１ 表4城市地价差异影响因素的大样本多层线性模型地价增长率模型结果
模型２ 模型３ 模型４ 模型５ 模型７ 固定效应 地价增长率模型 平均地价增长率模型 Ｇ１００ １２９．４６９＊＊２９．６００＊＊ １２８．６８１＊＊２７．４９８＊＊１２７．６６６＊＊ １３１．３２８＊＊ １ １ （４４．８１２） （４１．５９４） （４０．８６２） （３９．７８２） （３９．９８８） （３９．４９３） 房地产投资模型 Ｇ１１０ ０．７３２＊ ０．６８２＊ ０．３６３ ０．４８３ ０．１５７ （０．３７３） （０．３４７） （０．２１５） （０．２５８） （０．０９１） 人口密度模型 Ｇ１２０ ０．３６１＊ ０．４０３＊＊ ０．４０４＊＊ ０．０９１ （０．１８４） （０．１８２） （０．１８７） （０．０５０） 居民平均收入模型 Ｇ１３０ ０．０４１＊ ０．０３７＊ ０．０２３＊＊ （０．０２１） （０．０１９） （０．００８） 新增供地面积模型 Ｇ１４０ －０．２４９＊ －０．１６７ （０．１２７） （０．０８６） 市辖区建设用地面积模型 Ｇ１５０ ２．９１２＊＊ （１．４４１） 随机效应市级层次 地价增长率 １７５４７５．７４１ １４７３５７．０５１ １４１２９１．５３８ １３２４６８．９３７ １３２２８３．３２３ ６５３６０．４０１ 解释方差比例 （％） 地价增长率 １６．０２ １９．４８ ２４．５１ ２４．６１ ６２．７５ 注：＊Ｐ＜０．１，＊＊Ｐ＜０．０５，＊＊＊Ｐ＜０．００１；括号中数值为标准误。 Tab. 4Results of the rate of land price growth model of the bigger sample size hierarchical linear models
响地价增长率的最主要因素，说明城市土地供给潜力对地价增长率的制约作用明显，相对于需求因素对地价水平值的主导作用，地价增长率更多的受到供给方面因素的影响。
由于地价增长率在省级层次不存在显著差异，本研究在零模型的设置中将第三层省级平均地价增长率设为固定效应，在包含第三层解释变量的完整模型中仅保留了市辖区建设用地面积对地价增长率作用的随机效应(表3) 。结果显示，耕地占用税是省级层次影响市辖区建设用地面积对地价增长率作用的最大解释因子，4项指标共解释了省级层次影响地价增长率作用的67.59%，其中，耕地占用税、耕地开垦费、征地补偿费和新增建设用地土地有偿使用费的影响作用依次减弱，耕地占用税和耕地开垦费共解释了省级层次59.61%的差异，说明这两项税费的设置有效的控制了通过大量占用耕地面积增加城市建设用地面积、扩大城市规模的行为，进而抑制了地价上涨速率。
1052地理学报66卷
3.3地价水平值与地价增长率影响因素的差异分析
对比表3和表4的结果，地价水平值和地价增长率的影响因素及作用机制存在一定差异：
(1)地价增长率的影响因素比地价水平值的影响因素更复杂。本文所选6个市级影响因素总共可以解释地价水平值差异的82.07%，其中，除房地产投资额和新增供地出让面积对地价水平值有显著推动作用外，其他因素影响均不显著；而6个市级影响因素仅能解释地价增长率差异的62.75%，其中，除土地出让方式对地价增长率无显著影响外，其他因素均对地价增长率有一定影响。
(2)城市地价水平值和地价增长率的主导因素不同。在6个市级影响因素中，房地产投资额对地价水平值和地价增长率影响都较为显著，但影响程度差异较大。房地产投资额对城市地价水平值差异的解释作用达到79.90%，说明房地产投资增长是土地价格上升的直接动力，这一结论与相关研究结论基本一致[27]。但房地产投资额对城市地价增长率差异的解释作用仅为16.02%，说明地价增长率虽然受房地产投资变动影响显著，但并不受其主导，同时，城市市辖区建设用地面积解释了地价增长率差异的38.14%，是影响地价增长率的最主要因素。
(3)影响地价水平值和地价增长率的省级因素差异较小。从省级4个耕地保护政策因素对省级平均地价值、房地产投资额对地价值的作用关系、以及市辖区建设用地面积对地价增长率作用关系的解释程度来看，中国目前的耕地保护政策对平抑地价、控制地价涨速有显著作用。其中，新增建设用地土地有偿使用费解释了平均地价值省间差异的48.50%，以及省级层次影响市级房地产投资对地价值作用的36.37%；耕地占用税解释了平均地价值省间差异的27.08%，以及省级层次影响建设用地面积对地价增长率作用的41.30%，是省级层次作用最显著的两项影响因子。
4结论与讨论
城市地价影响因素及其作用机制是经济学、地理学等学科研究的热点。本文以2008-2010年全国105个土地市场较发育的大中城市为例，采用多层线性模型建模，分析地价水平值及地价增长率的影响因素。研究表明，多层线性模型在地价影响因素领域的研究具有适用性，研究对象地价差异的12.45%来自省级“背景效应”的作用，78.55%是市级差异。城市地价水平值与地价增长率的影响因素存在较大差异，地价增长率的影响因素比地价值更为复杂，导致地价增长率的变化比地价水平值的变化更“理性”。房地产投资额是城市地价水平值的主导因素，地价水平主要围绕房地产投资情况变动；而地价增长率除了受城市建设用地面积、房地产投资额、人口密度、城镇居民人均可支配收入和新增供地出让面积影响外，还有很大一部分的差异未得到解释。省级耕地保护政策因素中，新增建设用地土地有偿使用费和耕地占用税对地价水平值的影响作用最显著。
研究受数据可得性的限制，基础数据的时间序列仅有3年，对研究地价增长率的变化趋势来说时间尺度略短；在影响因素的选择方面，也仅选取了影响城市地价众多因素中的部分主要因素，虽然研究尝试分析政策因素和房地产投机因素对地价增长率的影响，但由于不完全样本量导致的模型估计结果不显著等问题，使表征投机因素的指标最终没能进入模型，且模型中各因素之间仍然不可避免的存在一定程度的相关性。此外，在对省级“背景效应”因素的选取上，本研究只考虑了耕地保护政策因素，其他诸如房地产调控政策等对城市地价的影响都有待进一步研究。
8期宋佳楠等：中国城市地价水平及变化影响因素分析1053参考文献(References)
[1]Wu Liping. Mechanism of Urban Land Price. Beijing:Economic Science Press, 2007. [邬丽萍. 城市土地价格机制研究. 北京:经济科学出版社, 2007.]
[2]Wu F. China's recent urban development in the process of land and housing marketization and economic globalization. Habitat International, 2001, 25(3):273-89.
[3]Wang Zhen, Guo Huicheng, He Chengjie et al. Driving force analysis of residential land price in Beijing Based on Statistical Methods. Acta Geographica Sinica, 2009, 64(10):1214-1220. [王真, 郭怀成, 何成杰等. 基于统计学的北京城市居住用地价格驱动力分析. 地理学报, 2009, 64(10):1214-1220.]
[4]Hua Wen, Fan Li, Wu Qun et al. Regression analysis of urban land value influencing factors:For Jiangsu Province. Economic Geography, 2005, 25(2):203-205, 218. [华文, 范黎, 吴群等. 城市地价水平影响因素的相关分析:以江苏省为例. 经济地理, 2005, 25(2):203-205, 218.]
[5]Mostafa Morsi El Araby. The role of the state in managing urban land supply and prices in Egypt. Habitat International, 2003, 27(3):429-458.
[6]Min Hwang, John M Quigley. Economic fundamentals in local housing markets:Evidence from U.S. metropolitan regions. Journal of Regional Science, 2006, 46(3):425-453.
[7]Ogawa K, Suzuki K. Land value and corporate investment:Evidence from Japanese Panel Data. Journal of the Japanese and International Economies, 1998, 12(3):232-249.
[8]Wu Wenjie, Liu Zhilin, Zhang Wenzhong. Determinants of residential land price:Structure equation model analysis using land-leasing parcel data in Beijing. Acta Geographica Sinica, 2010, 65(6):676-684. [武文杰, 刘志林, 张文忠. 基于结构方程模型的北京居住用地价格影响因素评价. 地理学报, 2010, 65(6):676-684.]
[9]Ahlfeldt G, Maennig W. Impact of sports arenas on land values:Evidence from Berlin. The Annals of Regional Science, 2010, 44(2):205-227.
[10]Gao Yanna, Zhu Daolin. Influence factors of rural land price for compulsory acquisition by hedonic price model.
Geomatics and Information Science of Wuhan University, 2008, 33(11):1198-1201. [高延娜, 朱道林. 基于特征价格模型的农村土地征收价格影响因素研究. 武汉大学学报:信息科学版, 2008, 33(11):1198-1201.]
[11]Raimond M, Martin P, Steffen S. Hedonic price indices for the Paris housing market. Allgemeines Statistisches Archiv,
2004, 88:303-326.
[12]Zhou Ganghua. Micro influence factors of urban land price and its case study [D].Hangzhou:Zhejiang University, 2004.
[周刚华. 城市土地价格的微观影响因素及其实证研究[D].杭州:浙江大学, 2004.]
[13]Bryk A S, Raudenbush S W. On heterogeneity of variance in experimental studies:A challenge to conventional
interpretations. Psychological Bulletin, 1988, 104(3):396-404.
[14]Rogosa D R, Brand D, Zimowski M. A growth curve approach to the measurement of change. Psychological Bulletin,
1982, 90:726-748.
[15]Song Jianan, Jin Xiaobin, Zhou Yinkang. A study on the contribution rate of agricultural land use intensity to grain
productivity based on hierarchical linear models:A case study on the Inner Mongolia. Resources Science, 2010, 32(6):1161-1168. [宋佳楠, 金晓斌, 周寅康. 基于多层线性模型的耕地集约利用对粮食生产力贡献度分析. 资源科学, 2010, 32(6):1161-1168.]
[16]Raudenbush S W, Bryk A S. Guo Zhigang et al. trans. Hierarchical Linear Models:Applications and Data Analysis
Methods. Beijing:Social Sciences Academic Press, 2007:3-6. [郭志刚等译. 多层线性模型:应用与数据分析方法. 北京:社会科学文献出版社, 2007:3-6.]
[17]Dempster A P, Laird N M, Rubin D B. Maximum likelihood from incomplete data via the EM algorithm. Journal of the
Royal Statistics Society, 1977, 39:1-8.
[18]Dempster A P, Rubin D B, Tsutakawa R K. Estimation in covariance components models. Journal of American Statistical
Association, 1981, 76:341-353.
[19]Goldstein H. Multilevel mixed linear model analysis using iterative generalized least squares. Biometrika, 1986, 73:46-56.
[20]Longford N T. A fast scoring algorithm for maximum likelihood estimation in unbalance models with nested random
effects. Biometrika, 1987, 74(4):817-827.
[21]Chinese National Standards GB/T.18507-2001.Beijing:Standard Press of China, 2001:2-3. [中华人民共和国国家标准
GB/T.18507-2001.北京:中国标准出版社, 2001:2-3.]
[22]Yan Xing, Lin Zengjie. Urban Property Assessment. Beijing:China Renmin University Press, 1999:38-53. [严星, 林增杰.
城市地产评估. 北京:中国人民大学出版社, 1999:38-53.]
[23]Ke Shanzi, He Ming. Urban land prices driven by market forces and government actions:An empirical study of Chinese
cities. Modern Economic Science, 2008, 30(2):25-32. [柯善咨, 何鸣. 市场和政府共同作用下的城市地价:中国城市的
1054地理学报66卷
实证研究. 当代经济科学, 2008, 30(2):25-32.]
[24]Xie Q, Parsa A R G, Redding B. The emergence of the urban land market in China:Evolution, structure, constraints and
perspectives. Urban Studies, 2002, 39(8):1375-1398.
[25]Raudenbush S W, Liu X. Statistical power and optimal design for multisite randomized trials. Psychological Methods,
2000, 5(2):199-213.
[26]Ding Jianhong. Response of residential land market to the reform of land supply policy in Beijing. China Land Science,
2007, 21(3):11-18. [丁洪建. 土地供应规则的变化对北京市住宅用地市场的影响. 中国土地科学, 2007, 21(3):11-18.]
[27]Zou Pingzuo. Main characteristics and causes of changes in current land prices. China Finance, 2005, (2):19-20. [邹平座.
当前土地价格变动的主要特征与成因分析. 中国金融, 2005, (2):19-20.]
Analysis of Influencing Factors for Urban Land Price and Its Changing Trend in China in Recent Years
SONG Jianan 1, JIN Xiaobin 1, TANG Jian 2, ZHANG Zhihong 2,
DING Ning 1, ZHAO Jie 1, ZHOU Yinkang 1
(1.College of Geographic and Oceanographic Sciences , Nanjing University , Nanjing 210093, China ;
2. China Land Surveying and Planning Institute , Beijing 100029, China )
Abstract:There are many factors affecting the level of land price and its changing trends, and these factors may fluctuate from time to time according to social and economic development and people's demands. In this paper, hierarchical linear models were employed to quantitatively measure the influences and interactions of 10factors which were chosen in three aspects of urban land supply and demand and farmland protection policy, including real estate investment, population density, urban construction land area, new area for land transfer, arable land occupation tax, new construction land use fee. The level-1and level-2models constitute an individual development model using quarterly land price data of 105cities of China with well-developed land markets from 2008to 2010and municipal influencing factors data, aiming to explore the way these factors affect the urban land price and its growth rate. The level-2and level-3models constitute an organization model, intending to explore contribution degree of the provincial factors chosen in this paper to land price and its growth rate. The results showed that there are multi-level factors affecting urban land price and its growth rate, and the interclass correlation coefficient shows that 12.45%of the difference in urban land price comes from provincial "background effect". Influencing factors of urban land price and its growth rate are different, and their dominant influencing factors have significant difference. Six municipal influencing factors chosen in this paper explained 82.07%of the difference in urban land price altogether, while 62.75%of the difference in urban land price growth rate. This illustrates that changes in land price growth rate is more "rational" than those of land price. Real estate investment explained 79.90%of the difference in urban land price, being the biggest influencing factor of all the municipal factors, which is the direct driving force of land prices rising. Meanwhile, both urban construction land area and real estate investment have a significant influence on land price growth rate. Farmland protection policies have a significant effect on controlling the level of land price and its growth rate. Concretely, new construction land use fee and arable land occupation tax are two of the most notable land price influencing factors at the provincial level.
Key words:urban land price; changing trend; influencing factors; hierarchical linear model; China