（1）住宅价格的空间效应

通过总结国内外研究住宅特征对住宅价格影响的文献可见，一般而言，通过构建特征价格模型得到模型估计的参数，可以获得平均的边际价格和价格弹性（或半弹性），从而得到各种住宅特征对住宅的影响程度以及影响范围（温海珍等，2012）。但是，传统的特征价格模型假定住宅价格在空间分布上具有相互独立性，即相邻的住宅小区的价格之间不存在任何的联系，然而这样的假设显然与实际不符，据此得到的模型估计结果可能是有偏的。

城市经济学理论揭示了地区之间的经济地理行为之间一般都存在一定程度的空间交互作用，即空间效应（林新朗，2012）。一般来说，空间数据之间并非完全独立，而是存在某种空间联系和关联。传统经典的统计分析方法以所有样本间是独立的为基本出发点，空间效应的存在可能使得传统的统计分析方法不能很好地分析空间数据。

空间效应主要有空间依赖性（spatial dependence）和空间异质性（spatial heterogeneity）两个来源。空间依赖性（也称空间自相关）可以定义为观测值及区位之间的一致性（Anselin，2000）。例如，某个住宅小区的销售价格和各项特征与其邻近区域内其他小区的住宅价格和特征之间往往存在一定的相关性。空间异质性即空间差异性，是指一定空间区位上的事物和现象与其他空间区位上的事物和现象具有一定的区别（Anselin，1988）。它反映了经济实践中的空间观测单元之间经济行为关系的一种不稳定性。例如，公共交通发达水平对不同区域的住宅价格的影响存在差异。

随着空间计量经济学的不断发展与完善，越来越多的学者开始注意到空间计量模型在房地产市场的应用，学者们开始将空间滞后模型和空间误差模型应用于改进传统的特征价格模型，从而获得更为合理的结果（林新朗，2012；陶云龙，2015）。例如：LeSage等（2004）利用空间自相关和空间误差模型研究和分析了住房价格的空间交互影响；温海珍等（2011）以杭州市2008年317个小区为研究对象，通过构建空间计量模型研究杭州住宅价格的空间效应，实证结果表明，杭州市住房价格存在较为显著的空间效应，并且更多地表现为空间自相关。此外，采用空间计量模型得到的结果往往优于传统计量模型。韩丽娜等（2011）利用季度面板数据，通过建立空间滞后模型和空间误差模型来研究住宅价格上涨的投机性需求和刚性需求，结果表明，我国住房价格存在较为显著的空间交互影响。(www.daowen.com)

（2）住宅价格的空间分布

随着空间效应被学者广泛认识，许多学者开始研究住宅价格的空间异质性以及住宅价格的空间分布规律。表3.2对国内相关研究进行了归纳（彭鲁凤，2010）。

表3.2　国内住宅价格空间分布相关研究

这些研究通过住宅价格等值线图、剖面图等图形表达方法，揭示了住宅价格的空间分布规律。部分学者还从城市发展规划及房地产业发展等方面对住宅价格空间分异的外部驱动机制方面做了研究。例如，吴启焰等（1999）采用聚类分析的方法总结了南京市的居住空间分异特征及其形成机制，认为政治经济制度的转变、房地产发展方式、城市规划方法以及人们价值观的变化深刻影响着城市居住空间的分化。当然，这些外部驱动力量同时也对城市住宅价格的空间结构起着重要的作用。刘冰等（2002）以上海市为例，以不同类型的住宅区为研究对象，分析和研究城市规划对社会阶层的分化以及居住价值取向的差异的影响，并提出规划应充分认识到各类居住区的差异性，进一步改进规划观念和方法，以适应不同居民的多元需求，同时又要对这一过程进行引导和控制，减少居住空间分异可能产生的负面影响。