張乘赫 胡志宜 徐晶 孫琦

摘?要：隨著長春市城市軌道交通系統(tǒng)逐漸建設(shè)完善，其對沿線住宅價格的增值效應(yīng)呈現(xiàn)出一定的規(guī)律。文章以長春市地鐵1號線和8號線為例，以特征價格理論、區(qū)位理論、分市場理論、外部性理論對其進行研究，并運用特征價格模型和面板數(shù)據(jù)進行定量研究，分析了其對沿線住宅價格的影響規(guī)律及分市場效應(yīng)，并且引入了波動趨勢分析。不僅有助于投資者更好地權(quán)衡交通出行便利與房價的取舍關(guān)系，而且為政府對房地產(chǎn)宏觀調(diào)控及政策制定提供依據(jù)，同時能有效帶動區(qū)域經(jīng)濟協(xié)調(diào)可持續(xù)發(fā)展。

關(guān)鍵詞：城市軌道交通；住宅價格；特征價格模型

中圖分類號：F573/577?文獻標(biāo)識碼：A?文章編號：1005-6432（2023）12-0000-00

1?引言

1.1研究背景

隨著長春市城市軌道交通建設(shè)的逐漸完善，其沿線區(qū)域的民眾出行成本大大降低，必然會對沿線住宅的價格產(chǎn)生一定的增值效應(yīng)。因此，深入分析城市軌道交通與住宅價格之間的關(guān)系，不僅有助于開發(fā)商前期制定合理的拿地和開發(fā)策略，使購房者更好地權(quán)衡交通出行便利與房價的取舍關(guān)系，而且為政府對房地產(chǎn)宏觀調(diào)控及政策制定提供依據(jù)。

1號線是長春市線網(wǎng)中的高運量骨干線，8號線將主城區(qū)與北湖區(qū)連接成一個有機整體，并且1號線與8號線首尾相連，南北貫穿整個長春市。因此我們選擇1號線與8號線作為研究對象。

1.2文獻綜述

城市軌道交通會對軌道沿線的住房市場產(chǎn)生正向影響。溫海珍（2006）[1]認(rèn)為地鐵站能夠顯著提升周邊住宅價格，且這種增值效應(yīng)隨著住宅與地鐵站間距離的增加而減弱。

但是軌道交通帶來的影響并不是線性的。徐能來（2018）[2]以深圳地鐵五號線為例，說明了城市軌道交通對沿線房地產(chǎn)價格的增值影響先增強后減弱，房地產(chǎn)價格與距離地鐵站點之間的距離呈現(xiàn)“倒?U?型”關(guān)系。

軌道交通的產(chǎn)生會對住房市場的影響不僅有正向效應(yīng)，還有負(fù)向效應(yīng)。范子英（2018）[3]以上海地鐵為例研究認(rèn)為地鐵的出現(xiàn)會對整個住房市場的需求進行空間再配置，特別體現(xiàn)為地鐵臨近的住房市場會對距離較遠的住房市場產(chǎn)生虹吸效應(yīng)。趙晶和韓清（2020）[4]基于上海房價格柵數(shù)據(jù)分析了上海?13?號線對周邊房產(chǎn)的虹吸效應(yīng)與溢出效應(yīng)，認(rèn)為在2500?米范圍內(nèi)，溢價效應(yīng)先增大后減小且為正；當(dāng)距離超過?2500?米后，溢價效應(yīng)轉(zhuǎn)為負(fù)。

同時，軌道交通對于住宅市場的影響在同一城市的不同的地域也有著不一樣的影響，從而需要對于住宅市場分市場進行分析。王福良等（2014）[5]和徐能來（2018）[2]均引入?chowtest（鄒氏檢驗）進行分市場界定，并據(jù)此發(fā)現(xiàn)了該種影響有分市場效應(yīng)。

通過梳理文獻發(fā)現(xiàn)，軌道交通對住宅價格的影響呈現(xiàn)出一定的空間分布規(guī)律。但是，幾乎沒有文章關(guān)注到長春市的具體情況，而文章以長春市地鐵1號線和8號線進行理論分析和實證研究。

2?模型構(gòu)建

2.1變量選取

文章將住宅價格作為被解釋變量，并依照特征價格模型選取解釋變量，表述如下：

建筑特征變量：建筑物本身一些對價格產(chǎn)生影響的屬性，文章選取房齡（age）、是否配備電梯（elevator）、容積率（FAR）、綠化率（green）、總戶數(shù)（household）。

區(qū)位特征變量：描述建筑所處位置，文章選取小區(qū)中心距離地鐵站的步行距離（dis）。

鄰里特征變量：住宅周邊的各種環(huán)境因素，反映小區(qū)周邊的生活配套水平。文章選取距離小區(qū)中心1500以內(nèi)的小學(xué)個數(shù)（primary），初中個數(shù)（junior），高中個數(shù)（senior），商圈個數(shù)（mall），醫(yī)院個數(shù)（hospital）。

2.2數(shù)據(jù)來源

由于正在開發(fā)和新開發(fā)的樓盤開發(fā)數(shù)量少、布局不均勻，二手房市場市場化程度更高，文章對房天下、安居客、鏈家等二手房交易平臺的數(shù)據(jù)進行了爬取，收集了長春市1號線與8號線沿線約1500m內(nèi)的小區(qū)在2019.6-2021.12每6個月一個截面共6個時間點357個小區(qū)的數(shù)據(jù)，考慮到數(shù)據(jù)完整性最終保留了228個小區(qū)。由于小區(qū)與最近的地鐵站之間的直線距離和步行距離差異較大，并且購房者主要考慮步行距離，所以采用步行距離，此距離變量通過高德地圖和百度地圖獲得。

2.3模型設(shè)定

2.3.1特征價格模型

特征價格模型主要起源于Lancaster的消費者理論和Rosen模型，是學(xué)者分析房地產(chǎn)價值影響因素的重要方法之一，模型形式如下：

其中，P表示小區(qū)的均價，L表示小區(qū)的區(qū)位特征，N表示鄰里特征，S表示結(jié)構(gòu)特征。

該模型常采用線性模型、半對數(shù)及自然對數(shù)線性模型，根據(jù)國內(nèi)外學(xué)者實證研究，考慮到模型的解釋能力以及其穩(wěn)定性，采用半對數(shù)函數(shù)形式的特征價格模型相較于其他函數(shù)形式有著明顯的優(yōu)越性[6]。

由于在靠近軌道交通的區(qū)域，存在噪聲污染、擁擠、衛(wèi)生狀況、治安問題等負(fù)外部效應(yīng)，與軌道所帶來的正外部效應(yīng)共同作用，使得最靠近軌道交通的區(qū)域增值效應(yīng)并非最大。隨著距離的增加，正負(fù)外部性都隨之減弱，從而使得影響程度不斷發(fā)生變化，所以增值影響可能隨著距離的增加呈現(xiàn)倒“Ｕ”型規(guī)律，所以文章引入距離二次項（dis2），設(shè)定計量模型如下：

2.3.2分市場模型

其中，文章在結(jié)合長春市實際情況后，判定某小區(qū)處于核心區(qū)域的方法為：該小區(qū)的附近1500m內(nèi)大型商場個數(shù)≥4并且附近1500內(nèi)小學(xué)個數(shù)≥5；其他則為非核心區(qū)域，采用ArcMap進行可視化處理后結(jié)果如圖1，該結(jié)果圖印證了該判斷標(biāo)準(zhǔn)的合理性。

3?回歸結(jié)果分析

3.1基準(zhǔn)回歸結(jié)果分析

根據(jù)上述理論，文章采用面板數(shù)據(jù)模型對樣本進行回歸分析。在面板數(shù)據(jù)模型形式的選取上，一方面，因文章研究所選取變量均在地級市內(nèi)，由于各小區(qū)之間的特征相似，去除不可觀測的個體效應(yīng)后各特征變量會趨于同質(zhì)化，進而導(dǎo)致嚴(yán)重的共線性問題；另一方面，由于房價影響因素的確定性，不可觀測的個體擾動項對房價的影響較小。綜上，文章采用隨機效應(yīng)面板模型進行回歸，結(jié)果見表1。

模型（1）為對總體樣本的回歸結(jié)果，距離（dis）與距離的平方項（dis2）的估計系數(shù)均在1%的水平上顯著，且距離項（dis）的系數(shù)為正；距離平方項（dis2）的系數(shù)為負(fù)，這意味著軌道交通對沿線住宅價格的影響隨著距離的增加先增加后下降，呈現(xiàn)出明顯的倒“U”型關(guān)系，并且通過計算得出最高點對應(yīng)的距離為786m。

為了考察1號線與8號線對房地產(chǎn)價格在長春市內(nèi)部不同區(qū)域的影響程度，文章在上述模型的基礎(chǔ)上，分別采用了總體樣本和不同市場樣本（核心區(qū)域與非核心區(qū)域）的數(shù)據(jù)進行實證分析，其中模型（2）和模型（3）分別為對處于核心和非核心區(qū)域的小區(qū)樣本進行回歸。

模型（2）中，距離（dis）與距離的平方項（dis2）的估計系數(shù)均在10%的水平上顯著，模型（3）中，二者的估計系數(shù)均在1%的水平上顯著，且在兩個模型中，距離（dis）的系數(shù)為正、距離平方項（dis2）的系數(shù)為負(fù)，這意味著在兩個分市場內(nèi)也都表現(xiàn)出明顯的倒“U”型關(guān)系，通過計算得出曲線最高點對應(yīng)的自變量（dis）分別為702m和809m。

根據(jù)模型（2）（3）的估計系數(shù)來看，城市軌道交通對經(jīng)濟相對核心區(qū)域的影響程度反而更小，而經(jīng)濟相對落后的非核心區(qū)域影響程度更大，并且核心區(qū)域倒“U”型曲線的最高點（0.161）也低于非核心區(qū)域倒“U”型曲線的最高點（0.441），這意味著這種增值效應(yīng)在非核心區(qū)域明顯大于核心區(qū)域。

3.2波動與趨勢分析

文章為了進一步研究小區(qū)中心距最近地鐵站距離對于該小區(qū)房價的影響，采用hp濾波法測算出了房價的波動成分（hp_cycle）與趨勢成分（hp_trend），并以此作為被解釋變量，與上文所提到的其他解釋變量回歸擬合，得到表2結(jié)果如下。從表2中可以看到以房價波動成分（hp_cycle）為解釋變量的回歸模型中，各解釋變量皆不顯著，這說明上文所選取的各個解釋變量對房價的波動性沒有顯著的影響效果，即對房價的影響效果穩(wěn)定；

而以趨勢成分（hp_trend）為被解釋變量的回歸結(jié)果中核心解釋變量距離（dis）與距離的二次項（dis2）均在1%的水平上顯著，并且距離（dis）的系數(shù)為正，這表明隨著小區(qū)距離最近地鐵口的距離越大，該小區(qū)未來房價上漲的趨勢也越大，這種現(xiàn)象產(chǎn)生的原因是，城市交通基礎(chǔ)設(shè)施的建設(shè)在不斷完善，一方面，新設(shè)施一般在距離現(xiàn)有地鐵線路較遠的位置建設(shè)，所以距離地鐵較近的小區(qū)房價繼續(xù)上漲的趨勢較弱；另一方面，距離地鐵較遠的樓盤雖然受該地鐵線路的正向影響較小，但是隨著該小區(qū)周邊其他交通設(shè)施的建設(shè)，會受到這些新建交通設(shè)施帶來的正向影響，所以擁有其房價仍擁有較大的上漲潛力。

4????結(jié)論與政策建議

文章以長春市軌道交通1號線與8號線站點周邊住宅市場為例，采用面板數(shù)據(jù)模型實證驗證了城市軌道交通對沿線住宅價格存在明顯的倒“U”型增值效應(yīng)，創(chuàng)新了核心非核心區(qū)域的判定方法，并且分析了分市場對住宅價格的影響程度，發(fā)現(xiàn)城市軌道交通對沿途住宅價格的影響程度非核心區(qū)域明顯大于核心區(qū)域。

根據(jù)上述結(jié)論，文章提出以下建議。

對于投資者與開發(fā)商而言，城市軌道交通對于步行距離地鐵口大約700～800m的樓盤所帶來的增值效應(yīng)最大，并且對非核心區(qū)域樓盤的增值效應(yīng)要較大于對核心區(qū)域樓盤的增值效應(yīng)，可以參考該結(jié)論以理性的價格在合理的區(qū)域投資或開發(fā)。

對于政府部門而言，目前長春市“大十字小田字”型的軌道網(wǎng)路的規(guī)劃已初步覆蓋城中主要街區(qū)，可以適當(dāng)提高非核心區(qū)域的開發(fā)強度，以實現(xiàn)城市軌道交通的效益最大化；并且可適當(dāng)增加在非核心區(qū)域的軌道交通投資，有助于帶動新城發(fā)展，增添城市房地產(chǎn)市場新活力，優(yōu)化城市整體空間。

參考文獻：

[1]溫海珍，賈生華.市場細分與城市住宅特征價格分析[J].浙江大學(xué)學(xué)報（人文社會科學(xué)版），2006（2）：155-161.

[2]徐能來.城市軌道交通對沿線住宅價格影響的實證研究[D].廈門：廈門大學(xué)，2018.

[3]范子英，張航，陳杰.公共交通對住房市場的溢出效應(yīng)與虹吸效應(yīng)：以地鐵為例[J].?中國工業(yè)經(jīng)濟，2018（5）：99-117.

[4]趙晶，韓清.軌道交通的溢出與虹吸效應(yīng)——基于上海房價柵格數(shù)據(jù)的探討[J].價格月刊，2020（10）：18-26.

[5]王福良，馮長春，甘霖.軌道交通對沿線住宅價格影響的分市場研究——以深圳市龍崗線為例[J].地理科學(xué)進展，2014，33（6）：765-772.

[6]李菁，周雯雯，楊小花.軌道交通對城郊之間住宅價格影響研究——以武漢市軌道交

通6號線為例[J].建筑經(jīng)濟，2020，41（4）：106-109.

[7]李菁.交通基礎(chǔ)設(shè)施對房地產(chǎn)開發(fā)投資變動的影響研究[D].武漢：中南財經(jīng)政法大學(xué)，2018.

[8]許基偉，胡禹，馬欣.城市軌道交通影響住宅價格的空間差異研究——以南京地鐵3號線為例[J].建設(shè)科技，2019（21）：65-69.

[基金項目]吉林省省級大學(xué)生創(chuàng)新訓(xùn)練計劃項目（項目編號：S202110183912）。

[作者簡介]張乘赫（2001—），男，漢族，吉林延邊人，吉林大學(xué)經(jīng)濟學(xué)院本科，研究方向：金融。