一、引言

自2004年“8·31大限”①以来，北京市土地交易逐步走向市场化。对于一线城市北京来说，土地供需矛盾日益加剧。近几年，北京市居住用地呈现出“出让数量少、出让不均衡”的特点，居住出让地块多集中在五、六环，而内城区几乎没有可供出让的居住地块。首都资源的极化效应和用地的供需不平衡使得北京市居住用地价格不断攀升，“地王”现象层出不穷。因此，有必要探讨这十多年来北京市居住地价的影响因素及其空间分异，以期为相关部门规范当前过热的地价片区提供参考。

有关居住地价的空间异质性，已有研究主要从两个方面进行测度。一是引入地统计学模型，利用半变异函数和空间插值技术测度地价的空间异质性。如楼立明（2004）[1]采用半变异函数研究了宁波市中心城区地价的空间分布，发现确定性因素（交通状况、基础设施等）对地价的影响要大于随机因素。吴宇哲（2001）[2]利用Kriging技术建立了杭州市中心城区住宅地价等值线图，并对比市场价格，证实了Kriging方法的可靠性。武文杰（2010）[3]利用Kriging插值法分析了1996—2006年北京市居住用地的时空演变特征。二是运用计量回归模型探讨居住地价的空间异质性。研究方法多采用特征价格模型、空间扩展模型、地理加权回归模型等。如Walden（1990）[4]利用特征价格模型研究学校质量对城市地价空间分异的影响，发现学校质量高的地区城市地价比学校质量差的地区高约6%。Ding（2004）[5]研究了北京建成区内的地价空间分异与距离城市中心的关系，并指出了居住用地的地租曲线斜率。吕萍 等（2010）[6]采用GWR模型探讨了北京市住宅用地价格的影响因素及其空间规律。董冠鹏 等（2011）[7]选取2004—2009年北京市出让的居住地块，采用特征价格模型、空间扩展模型、GWR模型研究了北京市城市住宅土地市场的空间异质性。曹天邦（2013）[8]使用GWR模型对比了南京市2003年、2009年住宅地价的空间分异，探讨了城市内部不同因素对住宅地价影响的空间差异性及其随时间变化的特点。

以往的研究往往从以上两个方面分开探讨居住地价的空间异质性，鲜有研究将地统计学和计量回归模型结合起来。且有关北京市居住地价空间异质性的研究也存在出让年份较早、时间跨度短、样本量少等问题，缺少多方法、多模型的对比分析。基于此，本文从微观层面出发，以北京市2004—2015年六环内出让的居住用地为研究对象，首先利用Kriging空间插值技术和半变异函数探讨居住地价的空间异质性结构，其次利用地理加权回归模型更为深入地探讨北京市居住地价影响因素的空间分异。

二、数据来源与研究方法

（一）数据来源

以北京市六环以内出让的居住地块为研究对象，出让交易数据来源于北京市国土局网站（http：//www.bjgtj.gov.cn/）发布的土地出让公报、中指数据库（CREIS）及搜房网。共搜集到北京市2004—2015年通过招拍挂成交的672块居住用地，其中，位于六环内已成交的有422块居住用地，地块样点空间分布如图1所示。数据包含宗地名称、宗地位置、交易日期、交易方式、土地属性、占地面积、建设用地面积、容积率、总建筑面积、商品住宅面积、容积率、底价、成交价、底价均价、成交均价、竞得企业、竞争对手数量、溢价率等。为保证不同年份的居住地价具有时间上的可比性，本文根据北京市国土局网站公布的北京市居住用地地价指数，将2004—2015年的交易价格统一修正到2015年的价格水平。

  

图1 2004—2015年北京市居住用地样本点空间分布

（二）研究方法

1.地统计学方法。地统计学是研究地理现象的空间分异与空间结构的一门学科[9]，以区域化变量理论为基础，最初常用于水文、土壤等领域的研究[10-12]。随着空间统计的快速发展，近年来，地统计学结合GIS平台被引入到城市地价的研究中来，其中，最常用到的是地统计学的半变异函数和空间插值技术。

移动办公系统在微信企业号平台上通过新OA提供的web service接口开发， HTML5页面语言完成webapp开发。支持iOS、Android操作系统手机通过微信客户端形式访问。整个集群稳定支持的最大并发数为3000个，应用层分为：业务应用层、终端展示层、服务组件层、数据总线层，通过HTTP 、SOCKET 等通信协议方式实现外部交互（见图1）。

（1）半变异函数。半变异函数是地统计学的基本函数之一，可反映区域化变量在地理空间上的结构性，如空间变异和空间相关[13]。其前提假设：假设距离较近的样本点比距离较远的样本点更相似，距离较远的样点对相异性和方差较大；假设邻近样本点的相似只与距离有关，而与位置无关，即符合二阶平稳假设 [14]。可借助 GIS或 GS+（Geostatistics for the Environment Science）软件平台来完成。假设有一组空间样本（x1，x2，xn），符合二阶平稳假设，其半变异函数 γ（h）定义为：

城市防洪——言行一致是根本。在认识城市防洪的重要性以及明确防治方法后，将其付诸行动才是城市防洪最根本的环节。“两学一做”，能否有成效还看在“做”上，党员要以身作则，群众也应向组织靠拢，严格要求自己，任职于政府部门的同志更应不忘初心，牢记使命。

 

式（1）中：h是样点间距（lag），N（h）是距离为 h的样点对数，Z（xi）是区域化变量Z在空间位置xi的观测值，Z（xi+h）是与 xi距离为 h 处的观测值。γ（h）不仅与间隔距离h有关，而且也与方向有关，γ（h）是各个方向的变异函数的总和。半变异函数曲线包含块金值（C0）、变程（A0）、偏基台值（C1）和基台值（C0+C1）四个参数。块金值/基台值（C0/C0+C1）、偏基台值/基台值（C1/C0+C1）指标分别反映区域化变量空间变异的随机性因素和结构性因素占比。当变异函数在各个方向上的变化相同时，称为各向同性；反之，称为各向异性。常用的理论半变异函数模型有球状模型、高斯模型、指数模型、线性模型等。可通过拟合模型的残差标准差（RSS）来比较各模型的优劣。

“土地确权将进一步明晰农村土地产权，更好地保护农民利益，促进农村土地要素市场发育和优化配置。”中国社会科学院农村发展研究所研究员李国祥表示，随着土地确权工作的完成，下一步应当做好土地流转市场服务工作，让农村土地确权证在实际工作中发挥作用。同时，土地确权工作中的相关经验也可以在后续农村土地征收、集体经营性建设用地入市以及农村宅基地改革 “三块地”改革中推广。

（2）Kriging插值。由于居住地价出让样本点往往分布不均且比较离散，因此，要根据已出让居住地价样点数据推求未知点的居住地价数据，则需用到空间插值技术。空间插值方法有很多，如反距离加权法（IDW）[15]、趋势面法、克里格法（Kriging）[16-17]等，每种方法都有其适用范围、优缺点和局限性[18]。其中，克里格法最为常用[19-21]，其公式为：

 

式（2）中：Z（x0）为未知点的居住地价，Z（xi）为已知点的居住地价，ωi为第i的已知点对未知点的权重，n为居住地地价样本点的个数。

2.地理加权回归模型（GWR）。地理加权回归（Geographically weighted regression，GWR） 模型是由Brunsdon提出的空间变系数回归模型，该模型将观测点的空间位置纳入到回归方程中，利用局部加权最小二乘法进行逐点参数估计[22]。其中，权重是回归点所在的地理空间位置到其他各观测点的地理空间位置之间的距离函数。GWR模型是对普通线性回归全局模型的扩展，它的回归参数是随着地理位置而变化的，是空间变系数回归模型[23]。扩展后的模型如下：

 

其中，（μi，νi）为第i个观测点的空间地理位置坐标，β0（μi，νi）为第i个观测点的回归常数，βk（μi，νi）为第i个观测点的第k个回归系数，εi为独立同分布的随机误差项，通常假定服从正态分布，且各观测点随机误差项在统计意义上相互独立。

地理加权回归（GWR）的核心是空间权重矩阵，它通过选取不同的空间权函数表达对数据间空间关系的不同认识。因此，空间权函数的选择决定了GWR的回归系数。常用的权函数有距离阈值法、距离反比法、bi-square函数和Gaussian函数，其定义和特点如表1所示[24-25]，但距离阈值法和距离反比法在GWR的参数估计中不宜采用或不宜直接采用[24]，而bi-square函数和Gaussian函数是目前GWR中最常用的两类权函数。

 

表1 常见的几种权函数及特点

  

注：dij为回归点i与观测点j之间的欧式距离，b是带宽。

 

?

由于北京市2004—2015年出让的居住地块样本点分布并不均匀，如西南方向较为集中，西北方向较为稀疏，而bi-square函数对样本分布稀疏的区域比较敏感，因此本文选择权重变化相对缓和的Gaussian函数为权函数。此外，带宽的选择对GWR的回归结果有较大的影响，带宽越大，权重随距离的增加衰减越缓慢；反之，带宽越小，权重随距离的增加衰减越迅速[26]。若根据邻居个数定义带宽，则会出现在西北方向等样本点分布稀疏的区域，远处的地块也将被赋予较大权重，因此，本文选择Fixed Gaussian函数。带宽选取的常用准则有CV准则和AIC准则，其中AIC准则应用比较广泛。但在样本量小的情况下，AIC准则的表现不太好，为此人们提出修正的AIC准则AICc；当样本量n增加时，AICc收敛成AIC[27]，因此，AICc可以应用在任何样本大小的情况下。综上，本文在GWR模型中分别选择Fixed Gaussian函数和AICc准则为权函数和带宽确定准则，但同时为了验证回归结果是否稳健，本文也给出Adaptive Gaussian、Fixed bi-square、Adaptive bi-square 等三种权重和带宽组合下的GWR估计结果。

三、北京市居住地价的空间异质性结构分析

（一）居住地价的描述性统计

可以看出，样本中居住用地价格平均值为25 458元/m2，最小值为25 458元/m2（位于大兴区榆垡镇），最大值为105 310元/m2（位于朝阳区大屯北顶村）。从1/4分位数和3/4分位数来看，居住用地价格频数明显右偏，不是正态分布。为了减少非正态可能导致的数据波动较大、误差估计偏大，这里对居住地价进行对数变换，变换后的统计量如表2所示。为了更直观地检验居住用地价格是否成正态分布，分别使用P-P图（基于累计观测概率）和Q-Q图（基于分位数）对其原始数据和对数变换后的数据进行检验。如果样本基本分布在P-P图和Q-Q图的对角线上，则说明该数据呈正态分布。可以看出，经对数变换后的居住用地价格（Ln_price）服从正态分布。

 

表2 居住地价样本的描述性统计

  

?

（二）居住地价的空间分布格局

采用Kriging插值技术对居住用地样本点的出让价格进行插值分析，并借助Surfer软件进行等值线和3D图形展示，如图2和图3所示。可以看出，居住地价表现出多中心的圈层式空间分布，由内向外居住地价逐渐递减。出让单价高于45 000元/m2的居住用地主要集中在五环以内，其中，高值区主要分布在国贸CBD、金融街、朝阳公园、万柳、奥体中心等区域。其中，国贸CBD、金融街是北京两大重要的商业中心集聚地，朝阳公园、万柳区域是北京高端住宅的集聚地，如万柳书院。作为北京2008奥运会的举办地奥体中心板块，同样是北京居住地价较高的区域，奥林匹克公园集观光、休闲、健身等多功能于一体，是五环内最大的城市公园，因而具有很高的景观溢价能力，带动了周边地价和房价的上涨。而出让单价低于20 000元/m2的居住地块主要分布在五环以外，尤其是南五环的大片区域。

  

图2 居住用地价格Kriging插值的等值线

  

图3 居住用地价格插值的3D展示

（三）居住地价的空间变异分析

根据不同空间位置上居住用地的地价数据，计算实际半方差函数值并绘制半变异函数曲线图。半方差函数的计算要求数据符合正态分布或近似正态分布，如果是偏态数据则有可能导致空间分析中的比例效应[28-29]，这就需要对数据进行正态变换。由于居住地价原始数据price并不具有正态性，对数转化后ln_price服从正态分布。因此，这里使用对数转化后的居住地价进行半变异函数分析。利用GS+软件分别采用球状（Spherical）、指数（Exponential）、高斯（Gaussian）、线性Linear等模型对半变异函数进行拟合（表3和图4），并选择拟合优度R2最大，残差标准差RSS最小的模型。可以看出，球状（Spherical）模型的拟合效果最好，其拟合优度R2（0.957）最大，残差标准差RSS（0.006 4）最小。按照区域化变量空间自相关程度的分级标准，当块金值/基台值（C0/C）分别为25%、25%~75%、大于75%时，空间自相关程度分别为强烈、中等、弱空间自相关[30]。C0/C为49.9%，说明北京市居住地价具有中等程度的空间变异，其中随机性因素（如政策因素）贡献了49.9%的空间变异，结构性因素（如区位交通、公共服务设施等）贡献了50.1%的空间变异。

 

表3 居住地价的半变异模型拟合参数

  

?

四、实证分析

（一）指标选择与说明

根据以往居住地价影响因素的相关文献及土地价格的有关理论，本文初步筛选出影响居住地价的几个方面的特征：

（1）区位交通特征。在影响地价的因素中，区位因素最为重要。Alonson[31]证明了城市土地价格随到城市中心距离的增加而减少，即存在城市土地价格负的梯度。衡量交通的指标一般选择公交、地铁站、城市快速路等，其中，相比于比较成熟的公交站和城市快速路，城市轨道交通对地价的影响相对较大，但这种影响在城市区域内并非完全相同，取决于轨道交通线是否成为周边区域的重要通勤途径，以及站点对周边区域的可通达程度[32]。本文选择到天安门（Tiananmen）的距离、最近公交站（Bus）、最近地铁站（Subway）的距离等指标刻画区位交通特征。其中，到最近地铁站的距离使用的是出让地块到其出让年份已开通地铁站的距离，因此对居住地块出让时间和地铁站的开通时间进行了一一对应。

机能实验学课程的发展，为教师传播和学生汲取基础医学实践知识搭建了更有效、更灵活的平台，实验技术人员在岗位上尽心尽责是做好教学科研工作的保障。应实施学校、学院、机能中心三级管理，积极采取相关措施，激励机能实验技术人员发挥主观能动性。以人为本，将机能实验学课程发展与实验技术人员自身发展相结合，使技术人员能够分享发展成果，使其内心贡献感、荣誉感、创造感得到满足。帮助技术人员客观看待本职工作，为学校各项建设贡献力量。

（2）邻里特征。社会经济变量（如社区阶层分布、收入等）、公共服务设施变量（如学校、医院、公园、绿地等）以及外部性变量（如污染程度、交通噪音等）都属于邻里特征。现有学术研究的邻里特征多指公共服务设施。其中，教育资源往往被认为是最为重要的邻里特征之一。本文选择到最近公园（Park）、三甲医院（Hospital）和重点小学（Kschool）的距离等指标刻画邻里特征。

（3）结构特征。结构特征包括地块面积、形状、容积率、土地开发程度等。一般情况下，地块面积越大，意味着土地的综合利用价值越快，因而居住地价越高[33]，然而，过大的宗地面积也会增大投资的成本压力。为此，本文引入地块面积的二次方，以探讨地块面积对地价的边际影响。容积率是衡量土地利用强度及其利用效益高低的指标，它的大小直接决定土地利用效益的高低[34]。此外，土地出让方式也是影响居住地价的重要因素，2004年土地招拍挂以来，北京市居住用地出让以招标和挂牌为主，而拍卖出让的居住地块极少。基于数据的可获得性，本文选择地块面积（Area）、地块面积的平方（Area2）、容积率（FAR）、土地出让方式等指标刻画结构特征。利用ArcGIS软件，分别计算出居住用地样本点到天安门、公交站、地铁站等的直线距离，各变量的统计结果如表4所示。

  

图4 半变异函数模型拟合曲线

 

表4 变量描述

  

?

（二）模型对比

作为参照，本文基于特征价格模型（Hedonic Price Model），测算出单个变量对居住地价的全局影响程度。该模型以OLS为基础，其回归系数可以提供平均意义上的解释。在特征价格模型中（见表5），拟合结果的校正R2为0.418，说明该模型对北京市居住地价的解释程度为41.8%。天安门（Tiananmen）、地铁站（Subway）、重点小学（Kschool）、容积率（FAR）、出让方式（Leasing）通过了 1%的显著性检验，公交站（Bus）、地块面积（Area）、地面面积的平方（Area2）通过了5%的显著性检验，而公园和三甲医院变量则不显著。天安门、地铁站回归系数为负，说明到天安门、地铁站的距离每增加1%，居住地价分别下降0.28%、0.12%；到重点小学的距离每增加1%，居住地价下降0.2%；地块面积变量的回归系数为正值，但其平方变量的回归系数为负值，说明地块面积对居住地价的影响整体表现出面积越大，居住地价越高，但边际影响递减；容积率每提高1，居住地价提高0.32%；挂牌出让的居住地价比招标出让的居住地价高0.32%。由于特征价格模型的回归系数只提供平均意义上的解释，不能提供局部区域的影响程度。

 

表5 OLS和GWR（Fixed Gaussian）估计结果

  

注：*、**、*** 分别表示显著性水平为 0.1、0.05、0.01。

 

?

随着市场与消费者的不断革新，以及女性在社会文化中扮演着越来越重要的角色。 百达翡丽缔造出首款女式世界时间腕表——Ref.7130，采用中心带手工雕饰纹的蓝灰色表盘。24小时城市圆盘以及闪亮的孔雀蓝鳄鱼皮表带，在钻石的衬托下绽放优雅色调。将典雅高贵的品质与严苛的工艺美学演绎的淋漓尽致。

 

表6 模型对比

  

?

（三）影响因素的空间异质性

根据上述GWR的估计结果，分别做出各影响因素回归系数的插值结果，如图5所示。可以看出，在三环以内，天安门的可达性优势并未凸显出来，而在三环以外，到天安门的距离越近，居住地价越高，且影响程度（回归系数的绝对值）由内向外逐渐变大。除西北部山地区域外，对于大部分区域，到公交站的距离越远，居住地价反而越高，这是因为北京的公交网络非常发达，高可达性使得距离公交站的远近不再是开发商拿地主要考虑的因素，随着居住用地供需矛盾的越发激烈，地价的不断上涨，因而出现距离公交站稍远但出让时间较晚的地块反而居住地价更高的现象。地铁站的回归系数在25%分位数和75%分位数上方向一致，说明对绝大多数样本点地铁站的可达性越高，居住地价越高，在东南方向的房山区、大兴区地铁站对居住地价的提升作用更为明显。总之，交通设施越是不发达的区域，交通设施对居住地价的提升越明显。公园对居住地价的影响表现出方向性的南北差异，三甲医院对居住地价的影响表现出方向性的内、外城差异，但公园、三甲医院在特征价格模型中并不显著。除海淀区、西城区等教育资源丰富的地区外，其他区域由于教育资源设施不足，因此到重点小学的可达性越高，居住地价越高。地块面积的回归系数均值为正，整体表现出地块面积越大，居住地价越高，但增加幅度变低。这是因为随着北京市六环内可供出让的大面积的居住地块越来越少、越来越稀缺，地块面积越大，意味着开发商可以进行大面积的土地组合开发，建设更高品质的小区，但地块面积越大，意味着拆迁成本也越高，所以居住地价上涨的边际幅度是降低的。容积率的回归系数在25%分位数和75%分位数上方向一致，除东南方向的大兴区，其他区域容积率越高，居住地价越高。在绝大多数区域，挂牌出让的居住地价高于招标出让的居住地价。

  

图5 居住地价影响因素的空间分异

五、结论与讨论

居住用地价格的空间异质性一直是地理学的研究热点。本文以北京市2004—2015年六环内居住用地样本为研究对象，借助ArcGIS、Surfer、Stata和GWR软件，首先，使用半变异函数和Kriging空间插值等地统计分析方法探讨了居住地价的空间异质性结果；然后，基于特征价格模型和不同权重和带宽下的地理加权回归模型，进一步探讨了北京市居住地价影响因素的空间异质性。研究发现：

（1）居住地价呈多中心圈层式递减分布，且具有中等程度的空间变异。其中，居住地价的高值区主要分布在国贸CBD、金融街、朝阳公园、万柳、奥体中心等区域；低值区主要分布在五环以外，尤其是南五环的大片区域。

（2）地理加权回归模型改进了传统的特征价格模型，显著提高了模型的解释程度。且相比于Adaptive Gaussian、Fixed bi-square、Adaptive bisquare等的权重和带宽，基于Fixed Gaussian的地理加权回归估计结果最优且稳健，能更有效地刻画居住用地和影响因素的空间异质性。

（3）天安门对居住地价的影响表现出显著的内外城差异，对三环以外的区域影响更为明显；交通设施越是不发达的区域，其对居住地价的提升越明显，如地铁站对远郊区的提升强度更大；占地面积对居住地价有正向推动作用，但边际推动递减；容积率越高，居住地价越高；相比于招标，挂牌出让的居住地价相对更高。这些因素由于受到区位化供给和动态需求的影响而表现出影响程度的空间异质性。

本文的研究结果对北京市居住用地的精细化管理及居住地价的制定提供参考借鉴，也为居住空间规划和居住地价的更新提供依据。本文在指标选择的过程中，没有将政策因素纳入到模型中，而且在指标量化中采用了直线距离而非实际路网距离，这是下一步需要探讨和改进之处。

注释：

①2004年3月，国土资源部、监察部联合下发了《关于继续开展经营性土地使用权招标拍卖挂牌出让情况执法监察工作的通知》（即“71号令”），要求从2004年8月31日起，所有经营性的土地一律都要公开竞价出让，即所谓的“8.31大限”。

参考文献：

［1］楼立明.城市地价信息的空间分析及其应用研究［D］.杭州：浙江大学，2004.

［2］吴宇哲，吴次芳．基Kriging技术的城市基准地价评估研究［J］.经济地理，2001，21（5）：584-588．

［3］武文杰，张文忠，刘志林，等.北京市居住用地出让的时空格局演变［J］.地理研究，2010，29（4）：683-692.

对于关键控制点的确定来说，主要是将控制危害风险以及严重性作为重要依据，对食品质量关键影响因素进行综合分析，进一步确定关键控制点。当处于冷链物流之中时，流通食品发生腐烂的可能性更大，针对此需要严格控制多项环节与内容，主要有避免细菌污染以及冷冻工艺等。比如水产品，预冷工作从开始阶段便要进行，确定关键控制点为预冷温度以及方法。在进行运输时，将各种类型的食品存放在同一辆冷藏车中，不同存储区温度要有所差异，尽量防止食品交叉感染问题的出现。此外，还应该严格控制加工以及装卸等过程中的操作温度。

［4］WALDEN M L.Magnet schools and the differential impact of quality on residential property values［J］.Journal of real estate research，1990，5（2）：221-230.

［16］汪学兵，柳玲，吴中福.空间内插方法在GIS中的应用［J］.重庆建筑大学学报，2004，26（1）：35-39.

［6］吕萍，甄辉.基于GWR模型的北京市住宅用地价格影响因素及其空间规律研究［J］.经济地理，2010，30（3）：472-477.

［20］孟键，马小明.Kriging空间分析法及其在城市大气污染中的应用［J］.数学的实践与认识，2002，32（2）：309-312.

［8］曹天邦，黄克龙，李剑波，等.基于GWR的南京市住宅地价空间分异及演变［J］.地理研究，2013，32（12）：2324-2333.

Heinzerling等[31]研究了8例使用ICIs免疫相关性严重心脏不良反应的病例，其中1例88岁转移性黑色素瘤患者使用帕博利珠单抗后出现心脏骤停，电除颤抢救4次，冠状动脉造影结果发现伴有冠状动脉痉挛所导致的冠脉一过性狭窄，超声心动图提示LVEF降至45%，临床伴随心功能不全症状。Plimack等[32]在1项非随机、开放的ⅠB期研究中应用帕博利珠单抗治疗局部晚期或转移性泌尿道癌(KEYNOTE-012)，其中有33例PD-L1阳性患者，4例出现严重不良反应，心脏骤停1例。帕博利珠单抗治疗晚期转移性泌尿道癌(KEYNOTE-052)的试验中出现了1例Ⅲ级心力衰竭[33]。

［9］刘爱利，王培法，丁园圆．地统计学概论［M］.北京：科学出版社，2012.

［15］王宇航，缪亚敏，杨昕.采样点数目对反距离加权插值结果的敏感性分析［J］.地理信息世界，2012，10（4）：31-35.

［13］王劲峰.空间分析［M］．北京：科学出版社，2006.

种豆事件的第三天，又发生了一件让呼伦几乎疯掉的事情。如果说这之前的事情是老年人的通病的话，那么这件事，呼伦心想，完全是丈母娘的不晓事理了。

［11］胡庆芳，杨大文，王银堂，等．利用全局与局部相关函数分析流域降水空间变异性［J］.清华大学学报（自然科学版），2012，52（6）：778-784.

［12］张余庆，陈昌春，尹义星.江西多年平均降水量空间插值模型的选取与比较［J］.水土保持研究，2013，20（4）：69-74.

间苗方法：一是留撮苗，在第一次中耕时进行，大锄破苗、穴留苗，每穴2-4苗，穴距3寸左右；另一种是人工间苗，留一苗，苗距3寸。

［10］路鹏，彭佩钦，宋变兰，等.洞庭湖平原区土壤全磷含量地统计学和 GIS 分析［J］.中国农业科学，2005，38（6）：1204-1212.

［14］汤国安，杨昕.地理信息系统空间分析实验教程［M］．北京：科学出版社，2006.

因此，为进一步探究北京市居住地价的空间异质性，继续采用地理加权回归模型进行分析。利用GWR测度出单个变量对居住地价的局部影响程度，为了保证GWR估计结果的稳健性，本文分别基于Fixed Gaussian、Adaptive Gaussian、Fixed bi－square、Adaptive bi－square等四种不同的权重和带宽，做出四种GWR实证结果，并对其拟合效果和AICc值进行对比（见表6）。对比发现：（1）基于 Adaptive Gaussian、Fixed bi－square、Adaptive bi－square 的估计结果，其回归系数的平均值、各分位数值的符号和大小与基于Fixed Gaussian的估计结果较为相似，说明GWR估计结果相对稳健。（2）从拟合优度来看，GWR模型的解释力度较OLS明显提高，其中基于Fixed Gaussian的GWR的校正R2最高，模型解释程度从41.8%提到高53.4%。（3）从AICc准则来看，AICc值越小，说明模型越好。GWR的AICc值远低于OLS，根据Fotheringham的判别准则，AICc值下降大于3则表示GWR模型适用[35]。且基于Fixed Gaussian的GWR的AICc值最小。综上，模型估计效果GWR＞OLS，且基于Fixed Gaussian的GWR估计结果最优且稳健，为此，下文以基于Fixed Gaussian的GWR估计结果（表5）为基础，进一步对影响因素的空间异质性进行探讨。表5给出了基于Fixed Gaussian的GWR模型的系数估计结果，包括回归系数的平均值、最小最大值和四分位数值。由于四分位数不受两端个别极大值或极小值的影响，因而四分位数相对稳定。所以在考察空间分异时，关注回归系数的平均值、四分位值的方向和绝对值才有意义，而回归系数的最大值、最小值等极端值则不是本文重点考虑的对象。

本文采用硝酸-过氧化氢、微波辅助消解样品，使用ICP-OES测定PVC制品中镉、铅、汞、铬、砷、锑6种元素的含量，对8个典型PVC包装产品进行了分析。

［5］DING C R.Urban spatial development in the land policy reform era：evidence from Beijing ［J］.Urban studies，2004，41（10）：1889-1907.

［17］邓羽，刘盛和，姚峰峰，等.基于协同克里格的基准地价评估及空间结构分析［J］.地理科学进展，2009，28（3）：403-408.

船舶污染物接收处置能力是指“完成对船舶污染物的分类存储、接收、转运和处理处置等一系列活动所必需的主观和客观条件的总和，是为防止到港船舶正常运营所产生的污染物对港口水环境造成损害所需具备的条件和水平。”

［18］冯锦霞.基于GIS与地统计学的土壤重金属元素空间变异分析［D］.长沙：中南大学，2007.

工具理性和价值理性的弥合：政府治理能力现代化之诉求……………………………………………米恩广，李若青（66）

［19］郭旭东，傅伯杰，陈利顶，等.河北省遵化平原土壤养分的时空变异特征：变异函数与 Kriging插值分析［J］.地理学报，2000，55（5）：555-566.

［7］董冠鹏，张文忠，武文杰，等.北京市城市住宅土地市场空间异质性模拟与预测［J］.地理学报，2011，66（6）：750-760.

［21］曾怀恩，黄声享.基于Kriging方法的空间数据插值研究［J］.测绘工程，2007，16（5）：6-10.

［22］BRUNSDON C，FOTHERINGHAM A S.Some notes on parametric significance tests for geographically weighted regression ［J］.Journal of regional science，1999（39）：497-524.

［23］BRUNSDON C，FOTHERINGHAM A S，Charlton M E.Geographically weighted regression： a method for exploring spatial nonstationarity［J］.Geographical analysis，1996，28（4）：281-298.

康、乾二帝南巡所游景观是如何分布的?笔者根据康乾南巡所游景观诗及所题楹联匾额，统计得出一级景观目录141个，二级景观目录299个，并以此为统计基数，根据江南各府分别拥有的景观数量，分析康乾南巡旅游目的地的地位。

［24］覃文忠.地理加权回归基本理论与应用研究［D］.上海：同济大学，2007.

［25］张洁.基于GWR模型的城市住宅地价空间分异研究——以杭州市为例［D］.杭州：浙江大学，2012.

［26］刘卫东，刘红光，范晓梅，等.地区间贸易流量的产业——空间模型构建与应用［J］.地理学报，2012，67（2）：147-156.

［27］BURNHAM K P，ANDERSON D R.Multimodel inference：understanding AIC and BIC in model selection［J］.Socilogical methods&research，2004，33（2）：261-304.

［28］梅志雄.基于半变异函数的住宅价格空间异质性分析——以东莞市为例［J］.华南师范大学学报（自然科学版），2008（4）：123-128.

［29］於崇文.数学地质的方法与应用［M］.北京：冶金工业出版社，1980.

［30］CAMBARDELLA C A，MOORMAN T B，NOVAK J M et al.Field-scale variability of soil properties in central Iowa soils［J］.Soil science society of America journal，1994，58：1501-1511.

［31］ALONSO W.Location and land use：toward a general theory of land rent［M］.Cambridge Massachusetts：Harvard university press，1964.

［32］何剑华.用Hedonic模型研究北京地铁13号线对住宅价格的效应［D］.北京：清华大学，2004.

［33］罗罡辉，吴次芳，郑娟尔.宗地面积对住宅地价的影响［J］.中国土地科学，2007，21（5）：66-69.

［34］鲍振洪，李朝奎.城市建筑容积率研究进展［J］.地理科学进展，2010，29（4）：396-402.

［35］FOTHERINGHAM A S，BRUNSDON C，CHARLTON M.Geographically weighted regression：a natural evolution of the expansion method for spatial data analysis［J］.Environment&planning A，1998，30（11）：1905-1927.