社区步行通达性对独栋住宅房价的效益评估——美国德克萨斯州奥斯丁市空间特征分析

李 威，Kenneth Joh，Chanam Lee，Jun-Hyun Kim，Han Park，Ayoung Woo 著，张斯阳 译

(1.德州农工大学建筑学院景观建筑和城市规划系，德克萨斯州大学城77843-3137，美国；2.德州交通研究所，德克萨斯州大学城77843-3135，美国；3.中国城市规划设计研究院，北京100037)

社区步行通达性对独栋住宅房价的效益评估
——美国德克萨斯州奥斯丁市空间特征分析

李 威1,2，Kenneth Joh1,2，Chanam Lee1，Jun-Hyun Kim1，Han Park1，Ayoung Woo1著，张斯阳3译

(1.德州农工大学建筑学院景观建筑和城市规划系，德克萨斯州大学城77843-3137，美国；2.德州交通研究所，德克萨斯州大学城77843-3135，美国；3.中国城市规划设计研究院，北京100037)

通过分析美国德克萨斯州奥斯丁市2010—2012年独栋住宅的销售价格，以街道智慧步行指数(Street Smart Walk Score)和人行道密度(Sidewalk Density)作为衡量指标，研究社区步行通达性对房价的影响。使用Cliff-Ord空间特征模型(即广义空间模型，General Spatial Model，或者SAC)控制空间自相关影响。结果表明：在依赖小汽车的社区通过增加设施可达性来提升步行通达性的举措并不能提高房价；增加人行道也只能最小限度地提高房价。投资社区便利设施和人行道对适宜步行社区的房价提升效果比依赖小汽车的社区显著。

Cliff-Ord空间特征模型；广义空间模型(SAC)；房价；步行指数；适宜步行社区；步行通达性；空间自相关；空间特征模型

0 引言

交通规划师和决策者长期致力于通过提高社区的步行通达性追求精明增长的目标，削减高碳排放交通量，并提升公众健康状况。大量已有的不同领域研究均记载了社区步行通达性对健康及环境的效益。一些研究评估建成环境对身体活动以及公众健康的影响[1-3]。适宜步行的社区具有网络化人行道、大量街道交叉口、混合用地、多种目的地以及较小街区尺度等特征，这些与更高水平的身体活动正相关[4-13]，与体重过高或肥胖负相关[14-15]，有利于心理健康[16-17]并可提高社会资本[17]。此外，步行作为一种主动交通方式，有助于增强个体的健康并降低患心血管疾病、抑郁、甚至某些类型癌症的风险[18-19]。

尽管步行的健康及环境效益已被规划师广泛了解，然而步行通达性对住宅价值等经济效益的影响却鲜为人知。近年，城市对步行和公共交通导向型发展的市场需求均在提高，反映了变化的人口结构和偏好[20-21]。众所周知，此类开发建设在美国相对匮乏[22-23]，具备步行导向型设计要素的社区住宅应有更高的销售价格[24]，因此可从房产税中提取急需的财政收入用以资助步行、自行车以及公共交通项目。在财政紧缩的当今时代，此机制能激发城市投资步行设施并增加主动出行。确定优先投资地区(例如缺少人行道的紧凑社区)有助于城市从房地产业步行通达性的溢价中获取最大效益。

本研究运用空间特征分析方法分析美国德克萨斯州奥斯丁市2010—2012年独栋住宅的销售价格，评估步行通达性对住宅房价的影响。主要评价指标是街道智慧步行指数(Street Smart Walk Score,SSWS)，基于至便利设施的步行距离和交叉口密度、街区长度等道路连续性度量指标评价社区便利设施可达性。作为补充，本研究还评估了人行道密度(Sidewalk Density,SWD)对房价的影响。基于多项社会人口因素以及社区安全性、步行事故率等地区环境特征，分析街道智慧步行指数和人行道密度的重要性。

本研究运用Cliff-Ord空间特征模型①以控制空间自相关的影响。研究结果可帮助地方和州政府更好地理解社区可达性促进政策和投资步行设施对经济的影响。

1 文献综述

已有社区步行通达性和建成环境的研究是基于对建成环境的客观衡量和感知评价[26]。客观指标运用地理空间分析工具测量建成环境特征，例如便利设施密度、目的地临近度、街道连续性以及人行道密度。在此类别中，步行指数(Walk Score,walkscore.com)被公众及房地产业人士广泛应用，使用社区便利设施可达性表征社区步行通达性[19,27-29]。传统步行指数(classic Walk Score,CWS)考虑了便利设施的欧氏距离(Euclidean distances)而非建成环境的物理特性，例如街道连续性和人行道可用性。近期发布的街道智慧步行指数算法综合考虑出行路径和距离，以及交叉口密度和街区长度这两种街道连续性指标。另一些研究采用自行设计的客观步行通达性衡量指标，包括混合用地(特定范围内若干建设类型)、街道连续性(交叉口密度)以及居住密度[26,30]。

步行指数(包括传统步行指数和街道智慧步行指数)比其他客观和基于观测的指标及调查手段在简便性和公众可参与性方面更具优势(例如，步行指数对美国、加拿大、澳大利亚的所有地区开放)。Walkscore.com还为移动设备用户提供应用程序，方便用户得到任何地方的出行指数，这也进一步提升了其广泛性。尽管步行指数具有简便性和广泛性，其作为一种步行通达性评价指标还是有一定的局限性，因为它主要测量社区居民至目的地的可达性，不能综合反映对步行出行产生影响的建成环境指标，例如密度、混合用地、街道连续性以及至公共交通的距离[31-34]。尽管有这些局限，但是街道智慧步行指数将交叉口密度、街区平均长度等街道连续性指标纳入考量，可作为评价步行通达性的可靠指标，因为至目的地(尤其是附近的零售和购物)的可达性是步行出行的一个决定因素[35-36]。为进一步支持结论，本研究还在特征分析中运用其他指标，例如居住和就业岗位密度、临近公共交通车站等社区便利设施、场地和街道设计。

步行通达性的经济效益在最近的研究中已被忽视。大多数先前的研究聚焦于公共交通周边建设影响或与步行及公共交通导向型发展(TOD)相关的经济效益[20]。文献[19]是最早调查步行通达性价值的研究之一，认为步行通达性的影响可以通过消费者成本节约、用地效率提升、医疗成本节约、经济发展水平来提升来评估。一些研究者基于该观点探寻更为具体的要素，例如文献[37]运用成本效益分析方法评价建成环境投资的健康效益。来自布鲁金斯学会(Brookings Institution)的一项近期研究表明，适宜步行的社区可创造多种经济效益，例如较高的居住和商业地价、较高的零售业税收以及较低的本地居民交通成本[38]。文献[39]运用价格特征方法分析多种促进步行的环境因素促进要素对房价的影响，发现开发强度越高会导致房价越高，步行设施和混合用地会带来租房价格的提升。

大量文献应用价格特征方法分析TOD的可达性效益[24,40-42]。然而，这些研究大多关注至公共交通的距离而非步行设计和用地多样性等TOD的基本要素。鲜有研究应用价格特征方法分析步行通达性对房价的影响。尽管如此，有少量研究曾应用该方法研究至社区目的地的可达性。例如，文献[42]发现，越临近社区商业中心和商铺，房价越高。有证据表明街道设计也会影响房价；一些研究表明，方格网状和街道相互连通的社区有更高的房价，尤其是在临近公共交通的区域[43-44]。

在应用步行指数作为步行通达性测量指标的研究中，文献[27-29]通过价格特征方法分析步行指数的变化如何影响房价。这些研究的评估结果显示，步行指数对住宅价值[27,29]和商铺价值[28]均有积极影响。然而，这些结论可能存在由空间自相关影响(Spatial Autocorrelation Effects,SAE)造成的偏差。通常，空间自相关影响存在于单栋住宅价值受周边社区房价或特定要素影响的样本中；特征模型中的遗漏变量也可能是空间相关的，会导致误差项的空间自相关[45]。若无法控制空间自相关影响，可能会造成偏差或矛盾的评价结果[46]。除应用改进版步行指数，本研究通过解决上述模型问题努力改进评价步行通达性的经济效益的方法。

2 数据

本研究分析了德克萨斯州奥斯丁市2010年1月—2012年11月21 686个独栋住宅的销售价格。德克萨斯州首府奥斯丁市是美国第11大城市，2012年人口842 592人，是美国发展最快的城市之一[47]。表1统计了本研究所选用的变量。根据特征分析的要求，本研究分析了不超过3年的数据，以避免影响市场均衡假设的风险[48]。

2.1 住宅数据

住宅销售变量基于奥斯丁房产经济人委员会(Austin Board of REALTORS)提供的房地产多重上市服务系统(Multiple Listing Service,MLS)数据制定。MLS原始数据为26 107个独栋住宅的房价记录，包含居住面积、用地面积、房屋年龄、卧室数量、卫浴一体及单卫卫生间数量、楼层数、车库面积等详尽数据；还包含是否有泳池、景观、水系等二元变量。本研究排除了514个价格高于148.5万美元(最高的1%)或低于6.3万美元(最低的1%)的样本。此外，还有3 907个样本因结构变量缺失或录入错误(1 252个)、社区变量缺失(2 452个)、缺少步行指数数据(151个)和在相同人口普查组块(censu block group)少于3栋住宅(52个)而被排除。

最终的样本包含21 686个住宅交易记录。绝大多数记录可以通过空间编码对应在由特拉维斯产权评估委员会(Travis Central Appraisal District)提供的GIS图形文件上；其他住宅数据在ArcGIS 10程序中通过地址信息进行空间编码。图1展示了每个2010年人口普查区(census tract)的住宅交易记录数量②。

2.2 步行通达性数据

步行通达性的首要评价指标是街道智慧步行指数，通过walkscore.com获取每个住宅样本的指数。该指数是0～100的数值，分数越高代表社区设施更易于步行到达。该计算方法考虑9类便利设施，包括便利店、餐厅或酒吧、商店、咖啡厅、银行、公园、学校、书店以及娱乐场所；基于文献[33,49]等已有研究发现的步行关联度对这些项目赋值。原始指数由便利设施数量、各类权重以及基于出行路线的距离衰减方程决定；距离超过1.6 km的便利设施对住宅影响甚微。然后将原始指数转换为百分制数值。最后，一个地址的数值可能受交叉口密度和街区平均长度这两项街道连续性指标③影响而有最多10%的升降空间，因为这两项指标与步行和自行车出行正相关[50]。

本研究也通过walkscore.com网站获取了传统步行指数，该指数反映某一地址至便利设施直线距离的百分制数值。尽管一些公共健康领域的研究者总结了应用传统步行指数测量社区步行通达性的可靠性和准确性[51-54]，本研究仍决定选择街道智慧步行指数作为步行通达性的首要测量指标，因为其考虑了出行路径以及街道连续性指标④。

作为步行通达性补充测量，本研究通过奥斯丁市提供的GIS数据计算了人行道密度。该指标被定义为1.6 km半径范围内人行道总长。半径取值的依据是首要步行通达性测量指标主要由该距离内的便利设施所决定。人行道是步行设施的关键要素[55]，但是其对房价影响的研究结果并不统一[56-57]。

图1 每个人口普查区(2010年标准)中被纳入本研究的独栋住宅交易记录Fig.1 Number of single-family transactions per census tract(2010 census) included in the study资料来源：奥斯丁市GIS数据集。

2.3 社区数据

通过GIS软件公司ESRI提供的数据整理出道路和轨道交通网络数据。从路网图形文件中提取主要道路交叉口信息。首府都市区交通管理局(The Capital Metropolitan Transportation Authority)提供了通勤铁路车站的位置信息。德克萨斯州教育部(The Texas Department of Education)提供了基于德克萨斯州知识技能评价机构给出的测试分数的学校表现数据。

各类社会人口协变量源于美国社区普查(American Community Survey)2007—2011年的五年估测数据，包括人种及种族、年龄、教育程度、贫困水平、收入、机动车拥有量等，单位是2010年的人口普查区。人口和就业岗位密度数据由首府都市区规划委员会(Capital Area Metropolitan Planning Organization)提供，归纳至2008年交通分析区(Traffic Analysis Zone)层面。

除人行道网络数据，奥斯丁市还提供了其他GIS数据，包括不同社区便利设施、犯罪率、交通事故地点、人行道网络、有限速信息的街道网络。社区数据仅保留至湖泊距离作为变量，其他社区便利设施临近程度已包含在步行通达性的评价系统中。此外，统计出每个独栋住宅1.6 km半径范围内的暴力犯罪次数、与行人相关的交通事故次数以及平均限速。

3 分析方法

3.1 价格特征框架

文献[58]指出，通过分析一座城市范围内房价的差异，特征价格方法(HPM)可以呈现环境优劣对价格的潜在影响[59]。本研究的价格特征分析框架为：

式中：pi为住宅i的销售价格；Si和Ni分别为住宅i的结构特征和社区特征矢量(见表1)；Ri为住宅i的步行通达性相关变量的矢量；εi为误差。本研究通过两套独立的模型评估街道智慧步行指数和人行道密度对房价的影响，模型仅在步行通达性变量的选择上有差别(方法细节请参见附录A)。与街道智慧步行指数相关的模型(例如普通最小二乘法、空间回归模型)为模型组合A，与人行道密度相关的模型为模型组合B。本节其余部分介绍了价格特征分析框架理论和实证考虑；模型组合A和模型组合B对这部分的所有统计测试得到一致的结果。

文献[58]还提到，有效的特征分析框架建立在严格假设的基础上，包括完全竞争、产品连续、市场均衡、全面观测产品特征。

文献[60]认为，完全竞争对许多市场难以实现且并非必须。文献[48]认为，只要市场不存在剧烈震荡则可被视为均衡，文献[61]进一步证实，房地产市场可以迅速调整以质应小震荡。本研究研究期内并未出现重大市场震颤。产品连续的假设可由大样本量合理满足。最后，全面观测产品特征可基本满足，因为住宅相关信息可从网络、专业的房地产经纪人以及实地调查获取。

表1 统计汇总数据Tab.1 Summary Statistics

本研究应用价格特征分析框架时考虑了几项实证问题。为确定一个适用的函数形式，本研究参考文献[59,62]进行了博克斯-卡克斯转换(Box-Cox transformation)测试。该测试建议对房价、连续的结构及社区变量进行对数转换。基于调整后的R2、赤池信息量准则(Akaike Information Criterion,AIC)、贝叶斯信息量准则(Bayesian Information Criterion,BIC)，这个双对数函数形式优于对数—线性函数形式，后者未对连续的结构及社区变量进行对数转换⑤。本研究基于文献[63]运用方差膨胀因子(Variance Inflation Factor,VIF)测试检查潜在的多重共线性影响，结果表明这一影响并不高⑥。

为验明空间自相关影响是否存在于最终样本中，本研究根据文献[64]提供的工具进行莫兰指数测试(Moran's I test)，模型组合A和模型组合B均获得非常显著的莫兰指数统计结果，表明两个方案中均存在空间自相关影响。进一步应用拉格朗日乘法测试系统[65]发现，空间自相关影响存在于因变量和误差项中⑦。因此，本研究选择Cliff-Ord空间特征模型而非普通最小二乘法作为最佳模型方法[46,66-68]，以降低空间自相关影响和社区变量遗漏造成的风险[46,69-70]。

Cliff-Ord空间特征模型对公式(1)进行扩充，同时增加两项内容：为增加一个空间滞后项，控制邻里房价对样本房价的影响；为ɛi增加一个空间滞后项，通过控制ɛi中的空间自相关影响提高评估的一致性。以往的实证研究在处理空间自相关影响时往往只针对因变量(空间滞后模型，Spatial Lag Model)或误差项(空间误差模型，Spatial Error Model)设置一个滞后项，这一方面是囿于软件局限，另一方面是空间自相关影响测试结果的原因。

为缓解遗漏变量偏差的风险，本研究进行了大量数据收集；此外，模型中包含34个月(2010年2月—2012年11月)的二元变量以控制市场因素的影响。参考文献[68,71]，增设交互作用项以检测步行通达性变量(街道智慧步行指数和人行道密度)与其他社会人口及地区环境协变量(见表1)间的协同作用⑧。这些变量和协变量通过线性转换过程标准化为统一的表达形式以简化结果解释。同时，为步行通达性变量增设二次项，从而探析当其他社会人口及地区环境变量处于平均水平时，更高的步行通达性是否增加溢价。附录A展示了Cliff-Ord空间特征模型的具体内容，包括线性转换过程的介绍。

4 结果与讨论

表2和表3分别是针对街道智慧步行指数(模型组合A)和人行道密度(模型组合B)的Cliff-Ord空间特征模型的估计结果。结果通过最大似然估计量获得。异方差性对研究结果影响甚微，因为本研究通过广义空间两阶段最小二乘估计(generalized spatial twostage least-squares estimator)获得与异方差选项非常相近的结果。由表2和表3可见，Cliff-Ord空间特征模型得出的赤池信息量准则、贝叶斯信息量准则结果比对应的普通最小二乘法结果小，证明该空间回归方法比普通最小二乘法更适用于本研究。

Cliff-Ord空间特征模型反映出结构、社区以及步行通达性要素对房价的总效应，计算方法见附录A的公式(5)～(7)。由于个体样本受到的影响各异，故个体样本应被视为总体的一部分而不是孤立的点估计。然而，在本研究中，总效应与直接效应(附录A的公式(5)～(7)中的分项)非常相似⑨，直接效应要么是表2和表3中的(结构和社区特征)评估系数，要么是对(步行通达性测量)系数进行线性处理后产生的影响。本研究简要解析结构和社区特征的直接效应，重点分析步行通达性的总效应。34个月(2010年2月—2012年11月)的二元变量系数以及形成步行通达性交互作用项的构成性项目(constitutive terms)未包含在表2和表3中。

4.1 结构和社区特征

两套模型(街道智慧步行指数和人行道密度)在结构和社区特征方面的结果非常相近。结构特征对房价的影响非常显著且在预料之中。居住面积、占地面积、卫浴一体和独卫卫生间数量的增加有助于提高房价。保持其他要素为恒定不变时，拥有车库、泳池、大型或中型树木、景观、水系均对房价有积极作用。另一方面，房龄和待售时间越长，房价则越低。有趣的是，当其他要素保持不变时，楼层多于一层或卧室较多会降低住宅的受欢迎程度。这可能受当地特征影

表2 基于街道智慧步行指数的空间特征模型评估结果Tab.2 Estimation Results for the Spatial Hedonic Model—Street Smart Walk Score(SSWS)

1)一个变量的对数系数(例如居住面积对数系数0.585 9)表示房价对该变量的弹性；二元变量的系数b表示当二元变量在0～1之间变化时，房价的变化比例为一个变量的系数(例如非白种西班牙裔比例系数0.059 4)表示，保持其他变量所有与标准化的街道智慧步行指数交互作用的变量均为平均值时，当该变量随着其平均值(例如，非白种西班牙裔比例的平均值为23.81%，则该比例从10%变为33.81%)增加时，房价相对于街道智慧步行指数的弹性会随着系数而改变；3)显著性水平为0.01。响，例如在奥斯丁市漫长炎热的夏季，单层住宅比多层住宅的制冷能耗更低，但是对于卧室变量的消极影响，本研究并没有一个令人满意的解释。较高的学校质量评分、更临近湖泊或州议会大厦一般被视为有利的社区便利设施，这对房价有很强的积极作用。

表3 基于人行道密度的空间特征模型评估结果Tab.3 Estimation Results for the Spatial Hedonic Model—Sidewalk Density(SWD)

1)一个变量的对数系数(例如居住面积对数系数0.585 9)表示房价对该变量的弹性；二元变量的系数b表示当二元变量在0～1之间变化时，房价的变化比例为一个变量的系数(例如非白种西班牙裔比例系数0.059 4)表示，保持其他变量所有与标准化的街道智慧步行指数交互作用的变量均为平均值时，当该变量随着其平均值(例如，非白种西班牙裔比例的平均值为23.81%，则该比例从10%变为33.81%)增加时，房价相对于街道智慧步行指数的弹性会随着系数而改变；3)显著性水平为0.10；4)显著性水平为0.05；5)显著性水平为0.01。

临近交通设施对房价的影响具有两极性：积极方面是便利，消极方面是拥堵、空气污染及噪声等负面效益。本研究研究表明，临近主干路交叉口带来的消极影响大于积极影响。已有研究有关临近通勤铁路对房价的影响结论各异[24,73-74]。文献[75]发现，至公共交通车站的实际距离是决定使用率的一个重要因素，故本研究采用至最近地铁站的网络距离表征临近程度。结果显示：当控制其他变量时，人行道密度模型中更接近最近的轻轨站对房价有较小但是明确的削弱作用；但街道智慧步行指数模型中未表现出该现象。两个模型均反映出，至轨道交通线路距离小于400 m的住宅房价显著低于距离不小于400 m的住宅。这与文献[74]的研究结果一致。

4.2 步行通达性对房价的影响

步行通达性对房价的影响与多种因素有关。当社区具有高于样本均值的西班牙裔人口时，居民愿意支付更多费用提升街道智慧步行指数和人行道密度。正如预期，大学学历人口比例高于均值的社区更愿意出资提升街道智慧步行指数和人行道密度；学历更高的居民可能对步行的效益具备更好的理解力。由于贫困率和人均收入二者的关系并不显著(皮尔森相关系数(Pearson correlation coefficient)为-0.402 3)，故在模型中同时考虑这两个协变量。结果如预期，贫困率高于平均水平时街道智慧步行指数和人行道密度显著降低，由于财务拮据贫困人群可能不太愿意出资改善步行通达性。另一方面，收入对提高人行道密度的投资具有积极影响。较高的人口密度可提高街道智慧步行指数和人行道密度的弹性，而就业岗位密度则相反⑩。两种评价步行通达性的测量方法的效益可能被社区的高暴力犯罪率抵消，这与已有研究发现的犯罪率对步行有消极影响一致[76-77]。

如果一个社区相当一部分居民没有机动车○11，由于步行对于这类人群是很重要的交通方式，所以他们更愿意为提高社区街道智慧步行指数出资；但这对人行道密度没有显著作用。有趣的是，若在1.6 km半径范围内发生过更多的涉及行人的交通事故，则会显著提高对街道智慧步行指数和人行道密度的投资；这一违反直觉的结果或许是由于事故率与主动行人数量正相关。1.6 km半径范围内的平均限速对街道智慧步行指数起积极作用，而对人行道密度起消极作用。街道智慧步行指数和人行道密度的交互作用项也值得讨论：控制其他变量为平均水平，具有较高的人行道密度(例如106 km)与对街道智慧步行指数的投资没有显著关系；而具有较高的街道智慧步行指数(例如29)与对人行道密度的投资具有显著的促进作用。

运用总效应公式(见附录A公式(5))计算步行通达性(街道智慧步行指数和人行道密度)对房价弹性的总效应。弹性分布如图2所示：房价对街道智慧步行指数的平均弹性为0.016 0，中值为-0.005 0；房价对人行道密度的平均弹性为0.008 7，中值为0.002 9。

图2 弹性分布Fig.2 Distribution of elasticities

参考[52-53]，根据房价对街道智慧步行指数的弹性将样本分为四组。第一组是依赖小汽车的社区(街道智慧步行指数＜50)，几乎没有步行可达的社区目的地，居民必须驾车或搭乘公共交通进行大多数出行；第二组是步行环境一般的社区(50≤街道智慧步行指数＜70)，一些便利设施在步行范围内，但是很多日常出行需采取步行外的方式；第三组是步行环境较好的社区(70≤街道智慧步行指数＜90)，在这里出门可以不使用小汽车；第四组是“行人的天堂”(街道智慧步行指数≥90)，大多数出行可以步行完成，很多居民不需要拥有小汽车。

街道智慧步行指数和人行道密度分别对8 175个样本(37.70%)和11 193个样本(51.61%)具有积极影响○12。步行环境更好的社区住宅的房价对街道智慧步行指数和人行道密度的弹性更高。街道智慧步行指数对第一组社区的平均弹性是-0.009 7，对第二组社区的平均弹性提高至0.058 7，对第三、第四组依次增加至0.163 7和0.325 9(见图2a)。人行道密度对四组的平均弹性依次为0.001 5，0.005 8，0.065 0，0.192 5(见图2b)。

表4展示了步行通达性对房价影响的货币价值。街道智慧步行指数增加1%，四组社区的独栋住宅价格变化情况分别为-29.56美元，155.65美元，548.00美元，1 329.20美元；人行道密度增加1%，四组社区的独栋住宅价格变化情况分别为4.57美元，15.38美元，217.59美元，785.12美元。更好的步行通达性投入与更高的步行通达性水平正相关可能一部分源于居民的主观选择：喜欢步行的人可能对步行通达性更为重视，也更愿意选择更适宜步行的社区。已有研究也将主观选择作为建成环境与出行行为关系的一种解释[26,32]，但这并不能完全解释居住地选择。居民的选择可能受其他因素制约，例如资金制约、不同步行通达性水平的住房供应。但是在一些案例中，居民的现状居住环境可能同他们期许的社区类型和出行方式相悖[78]。然而，受到房屋销售数据的局限，本研究无法检验主观选择对步行通达性投入与步行通达性水平的正相关产生何种作用。

表4 步行通达性增加1%对房价的影响Tab.4 Effects of 1 percent increase in walkability on property values

4.3 与以往应用步行指数的特征研究对比

本研究的发现与以往应用步行指数的研究[27-29]不同。提高街道智慧步行指数只对约1/3的样本有益，街道智慧步行指数的平均弹性对于在不同程度上适宜步行的社区(街道智慧步行指数≥50)是正值。对于大多数样本，提升步行通达性对房价影响甚微。

本研究与以往研究的区别在于：1)本研究选用了改进的步行指数版本(2012年前没有街道智慧步行指数)，将出行路线、步行设施的物质要素(包括交叉口密度和街区长度)纳入考量；本研究还包含一些以往研究没有涉及的其他建成环境变量。2)以往研究呈现了点评估结果以表示所有样本的平均水平；本研究则考虑社会人口与建成环境因素对投资步行通达性的潜在影响，从而得出不同样本的溢价分布(见图2)。3)以往研究依赖普通最小二乘法，本研究发现该方法高估了步行通达性对房价的影响；本研究应用的空间回归分析法效果优于普通最小二乘法。

5 结论

通过分析奥斯丁市21 686个独栋住宅的交易记录，研究社区步行通达性对房价的影响。以街道智慧步行指数作为主要测量方法，以人行道密度作为补充方法。为了控制空间自相关影响，应用Cliff-Ord空间特征模型。

研究表明，提升社区步行通达性对提高独栋住宅的价值(即销售价格)有潜在作用。对于城市，这意味着从房产税中获得更多收入用于资助交通项目、学校、公园以及其他服务。然而，两个模型的结果均表明，房价(以及税收)的最大效益存在于最适宜步行的社区。对于依赖小汽车的社区，通过使便利设施更可达来提升步行通达性并不能提高房价；增设人行道使房价有微小的提高。因此，相对于依赖小汽车的社区，适宜步行的社区更容易通过投资人行道和社区便利设施来提高房价。

提升步行通达性对于在不同程度上适宜步行的社区具有更大的潜在影响，这对政策制定颇有启发。如果只在适宜步行的地区改善步行设施，这对提高步行活跃度的意义相对有限。然而，本研究并未直接测量步行活跃度。从规划公平的角度出发，更应关注提高房价对提升社区品质的可能性。提高房价可带来经济效益，从而为步行投资和其他服务提供更多资助，但也可能导致住宅更难以购买，从而使中低收入居民迁出。例如，以东奥斯丁为代表的一批社区与整个都市区整体水平相比，遭遇了较大的房价上涨，这表明一些社区品质正在得到提升。然而，基于本研究研究，由于住房市场受到经济环境和其他多种因素影响，很难评估提升步行通达性对住房可负担程度的影响。尽管如此，规划师和决策者应在未来的探索研究中更加谨慎。

为反映居住偏好的改变，近年来住房市场愈加多样化。尽管购房者更喜欢独户式独栋住宅，较松散的住宅布局依然很有市场，然而过去几十年间，对适宜步行的紧凑型社区的需求和支持日益增加[79-80]。本研究发现，在最适宜步行的社区，步行通达性对房价的影响最大，这表明即使是现状适宜步行的社区也可能无法完全满足那些偏好步行社区的居民的期望；换言之，对处于适宜步行社区的住宅的实际和潜在需求大于供给。为创造更好的政策环境以促进适宜步行社区住宅的供需平衡，现有分区规划规范有待改进。

总体上，本研究的研究结果佐证了提倡通过用地转换提升步行设施，拉近居民居住与购物、工作、就学目的地距离的政策。本研究建议依次采取以下两项举措：1)在居住区吸引更多的商业开发(特别是社区商业)。2)在已有街道上增设人行道并通过连接部分缺失的路段和建设路外步道的方式完善步行网络。第一种方法或许更难操作，因为这可能涉及改变分区规划(例如在可接受范围内增加密度、允许用地混合)并需要更长的时间；第二种方法更容易短期实现。拥有良好商业开发但欠缺步行设施的社区可能最适合采用上述措施。

在奥斯丁市的案例中，有很多地区有可能从改善步行环境中获益。例如那些缺乏人行道的紧凑型老旧社区。东奥斯丁地区(见图3)正在运行一项复兴计划，饭店、零售商店、酒吧、移动快餐车数量激增。但该地区的步行设施质量远远不够，人行道存在不连续或完全缺失的情况，使得步行感受欠佳且不安全。因此，在这类地区改善步行设施会对房价提升以及增加步行出行大有裨益。

总之，本研究认为社区可从步行环境改善中获益。尽管在依赖小汽车的社区改善步行环境无法迅速带来经济效益，但这是一个渐进过程，最终可通过长期努力实现经济目标。当设定改善社区步行通达性的投资策略时，应将社区的各项社会人口特征纳入考量。由于多数政府均面临财政紧缩，仅提升步行通达性在健康和环境层面的效益可能无法像房价增长这类经济效益得到决策者的认同。研究表明，在有可能推广步行的社区分配步行设施资金和鼓励混合用地开发，可以让城市通过增加房地产税收获取最大红利。

本研究可能在数据和普适性方面有所欠缺。尽管街道智慧步行指数部分解释了街道连续性，该指标几乎没有提供步行设施以及混合用地的其他物质特征信息。一些纳入计算的便利设施分类可能并不被居民或专业人员认可。本研究的普适性尚未得到检测。未来的研究可以选取更多城市或其他类型房产(例如多户住宅、商业建筑)。应特别注意社会人口要素对步行通达性建设的溢价作用，可能的情况下比较街道智慧步行指数与其他步行通达性测量方法所得结果的差异。

图3 东奥斯丁地区居住街道和商业街道示意Fig.3 Illustration of residential and commercial streets in EastAustin

附录A：空间特征价格模型技术方法细节

本研究样本量n=21 686，建立Cliff-Ord空间特征模型[46,66-68]

当保持其他社会人口及地区环境变量为平均值时，步行通达性变量的二次项可用以探究对步行通达性的资助是否会随着步行通达性水平提高而变高。本研究还在删除二次项后测试了模型组合A和模型组合B的模型。如表5所示，基于赤池信息量准则和贝叶斯信息量准则，包含步行通达性二次项的模型强于不包念的模型；在不含二次项的模型中，街道智慧步行指数越高则对于街道智慧步行指数和人行道密度的资助越多。

表5 步行通达性的二次项及模型表现Tab.5 Quadratic terms of walkability and model performance

为简化结果分析，本研究参照文献[68, 71]实施的线性转换方法和标准化的步行通达性及其协变量：

住宅i对应的步行通达性对房价的弹性为

对于住宅i，连续变量j的价格弹性为

将虚拟变量j从0变为1，对住宅i房价的影响

对于公式(6)和(7)：ej,i为直接效应，是表2中的评估系数；vj,i为总效应。

[68]，本研究建立了一个邻接空间权重矩阵，所有位于同一个人口普查区(2010年)的住宅受到某一个住宅房价的影响权重相同。邻接矩阵在自然界中是双重随机的，因此每行、每列的和为1。根据文献[25]，一个双重随机矩阵能通过使空间回归模型更平顺产生最佳的无偏见线性评估。本研究的Cliff-ord空间特征模型应用文献[81]开发的SPPACK程序中的Stata数据包进行评估。

注释：

①Cliff-ord空间特征模型亦称广义空间模型，一些学者(例如文献[25])也称SAC。

②为保障奥斯丁房产经济人委员会提供的多重上市服务系统数据的机密性，本研究不会显示每栋住宅的具体位置。

③ 在一位匿名评论者的支持下，walkscore. com提供了街道智慧步行指数的计算方法。

④通过比较街道智慧步行指数和传统步行指数的模型结果，本研究认为前者相对后者对房价具有更强的影响。对于相同模型规格，街道智慧步行指数比传统步行指数具有更好的模型表现(由赤池信息量准则和贝叶斯信息量准则度量)。

⑤对于模型组合A：在普通最小二乘模型中，调整的R2、赤池信息量准则以及贝叶斯信息量准则在双对数函数中分别为0.883 5，-9 675.57，-8 980.92，在对数—线性函数中分别为0.866 3，-6 593.63，-5 898.98。在空间回归模型中，赤池信息量准则以及贝叶斯信息量准则在双对数函数中(最优模型)分别为-13 879.87和-13 161.27，在对数—线性函数中分别为-9 718.42和-9 007.81。赤池信息量准则以及贝叶斯信息量准则越小，表明模型越好；空间回归模型中没有得出调整的R2。在模型组合B中，双对数函数也优于对数—线性函数。

⑥对于模型组合A，所有自变量的平均方差膨胀因子为3.27，最大值为8.4；对于模型组合B，所有自变量的平均方差膨胀因子为3.38，最大值为9.16。

⑦对于模型组合A：拉格朗日乘数值的滞后性测试及误差测试结果分别为3 503.70 (p＜0.000 1)和1 003.48(p＜0.000 1)；在稳健的版本中分别为 3 387.14(p＜0.000 1)和900.79(p＜0.000 1)。对于模型组合B：拉格朗日乘数值的滞后性测试及误差测试结果分别为3 842.71(p＜0.000 1)和1 809.86(p＜0.000 1)；在稳健的版本中分别为3 674.42(p＜0.000 1)和1 656.97(p＜0.000 1)。

⑧根据文献[72]，交互作用项对于理解因变量与自变量的关系是如何被第三个变量影响的至关重要。本研究引入交互作用项和相应的构成项，并发现这些交互作用项提高了模型表现。例如，在模型组合A中，最优空间特征模型的赤池信息量准则以及贝叶斯信息量准则分别为-13 879.87和-13 161.27；去除社会人口协变量(人种及种族、年龄、收入、教育程度、贫困水平、人口及就业岗位密度、小汽车拥有量)的交互作用项后，简化的空间特征模型的赤池信息量准则以及贝叶斯信息量准则分别变为-13 054.67和 -12 527.70；去除地区环境协变量(犯罪情况、行人相关交通事故率、人行道密度、限速)后，简化的空间特征模型的赤池信息量准则以及贝叶斯信息量准则分别变为-13 826.86和-13 156.17。

⑨本研究的总效应和直接效应很相近，因为附录A中公式(5)～(7)中的vj,i为1.000 1～1.000 9。

⑩人口密度和就业岗位密度之间的皮尔森相关系数为0.254 1，比预期低很多。

[11]此处所用基准为3.96%，这是本研究样本中无车家庭的平均比例。

[12]效益此处指步行通达性对房价的弹性为正数。

[13]为降低多重共线性的风险，模型组合A中的构成项中去除了行人相关交通事故率和人行道密度，模型组合B中的构成项去除了行人相关交通事故率和街道智慧步行指数。

翻译免责声明：翻译内容尽可能准确地反映原文意旨，但是原作者和出版方均严正声明，在已有法律允许的范围内，不承担本篇译文发表的全部内容以及由此引发的其他问题所产生的责任，包括但不限于原文及译文的任何错误、遗漏及偏差。本声明的任何规定均不排除可能在法律权责范围内的内容。在开具任何被通过的处方药前应再次审核信息。

Translation disclaimer:While every effort has been made to ensure that the contents of this publication are factually correct,neither the authors nor the publisher accepts,and they hereby expressly exclude to the fullest extent permissible under applicable law,any and all liability arising from the contents published in this Article,including,without limitation,from any errors,omissions,inaccuracies in original or following translation, or for any consequences arising therefrom.Nothing in this notice shall exclude liability which may not be excluded by law.Approved product information should be reviewed before prescribing any subject medications.

参考文献：

[1]Saelens BrianE,HandySusan L.Built Environment Correlates of Walking:A Review[J]. Medicine and Science in Sports and Exercise, 2008,40(S7):S550-S566.

[2]Ding Ding,Sallis J F,Kerr J,Lee S,Rosenberg D E.Neighborhood Environment and Physical Activity Among Youth:A Review[J]. American Journal of Preventive Medicine, 2011,40(4):442-455.

[3]Feng Jing,Glass Thomas A,Curriero Frank C, Stewart Walter F,Schwartz Brian S.The Built Environment and Obesity:A Systematic Review of the Epidemiologic Evidence[J]. Health&Place,2010,16(2):175-190.

[4]Brownson Ross C,Baker Elizabeth A,Housemann Robyn A,Brennan Laura K,Bacak Stephen J.Environmental and Policy Determinants of Physical Activity in the United States [J].American Journal of Public Health,2001, 91(12):1995-2003.

[5]Frank Lawrence D,Sallis James F,Conway Terry L,Chapman James E,Saelens Brian E, Bachman William.Many Pathways from Land Use to Health:Associations Between Neighborhood Walkability and Active Transportation,Body Mass Index,and Air Quality[J]. Journal of the American Planning Association, 2006,72(1):75-87.

[6]Giles-Corti Billie,Donovan Rob J.The Relative Influence of Individual,Social and Physical Environment Determinants of Physical Activity[J].Social Science and Medicine,2002, 54(12):1793-1812.

[7]Giles-Corti Billie,Donovan Robert J.Relative Influences of Individual,Social Environmental,and Physical Environmental Correlates of Walking[J].American Journalof Public Health,2003,93(9):1583-1589.

[8]Handy Susan L,Boarnet Marlon G,Ewing Reid,Killingsworth Ricahd E.How the Built Environment Affects Physical Activity:Views from Urban Planning[J].American Journal of Preventive Medicine,2003,23(2):64-73.

[9]Hoehner Christine M,Brennan Ramirez Laura K,Elliott Michael B,Handy Susan L,Brownson Ross C.Perceived and Objective Environmental Measures and PhysicalActivity Among Urban Adults[J].American Journal of Preventive Medicine,2005,28(S2):105-116.

[10]Humpel Nancy,Owen Neville,Leslie Eva. Environmental Factors Associated with Adults'Participation in Physical Activity:A Review[J].American Journal of Preventive Medicine,2002,22(3):188-199.

[11]Lee Chanam,Moudon A V.Physical Activity and Environment Research in the Health Field:Implications for Urban and Transportation Planning Practice and Research[J]. Journal of Planning Literature,2004,19(2): 147-181.

[12]Saelens Brian E,Sallis James F,Black Jennifer B,Chen Diana.Neighborhood-Based Differences in Physical Activity:An Environment Scale Evaluation[J].American Journal of Public Health,2003,93(9):1552-1558.

[13]Moudon Anne,Lee Chanam,Cheadle Allen D,Garvin Cheza,Johnson Donna B,Schmid Thomas L,Weathers Robert D.Attributes of Environments Supporting Walking[J].American Journal of Health Promotion,2007,21 (5):448-459.

[14]Sallis James F,Saelens Brian E,Frank Lawrence D,Conway Terry L,Slymen Donald J, Cain Kelli L,Chapman James E,Kerr Jacqueline.Neighborhood Built Environment and Income:Examining Multiple Health Outcomes[J].Social Science&Medicine, 2009,68(7):1285-1293.

[15]Brown Barbara B,Yamada Ikuho,Smith Ken R,Zick Cathleen D,Kowaleski-Jones Lori,Fan Jessie X.Mixed Land Use and Walkability:Variations in Land Use Measures and Relationships with BMI,Overweight,and Obesity[J].Health& Place, 2009,15(4):1130-1141.

[16]Evans Gary.The Built Environment and Mental Health[J].Journal of Urban Health, 2003,80(4):536-555.

[17]Renalds Arlene,Smith Tracey H,Hale Patty J.A Systematic Review of Built Environment and Health[J].Family&Community Health,2010,33(1):68-78.

[18]Killingsworth Richard E,Lamming Jean.Development and Public Health:Could Our Development Patterns Be Affecting Our Personal Health?[J].Urban Land,2001(7):12-17.

[19]Litman Todd.Economic Value of Walkability [J].Transportation Research Record:Journal of the Transportation Research Board,2003, 1828(1):3-11.

[20]Bartholomew Keith,Ewing Reid.Hedonic Price Effects of Pedestrian and Transit-Ori-ented Development[J].Journal of Planning Literature,2011,26(1):18-34.

[21]McIlwain John K.Housing in America:The Baby Boomers Turn 65[R/OL].2012[2013-10-30].http://uli.org/wp-content/uploads/ ULI-Documents/Housing InAmericaFIN.pdf. [22]Leinberger Christopher B.The Option of Urbanism:Investing in a New American Dream [M].Washington DC:Island Press,2009.

[23]Levine Jonathan.Zoned Out:Regulations, Markets,and Choices in Transportation and Metropolitan Land Use[M].Washington DC:RFF Press,2005.

[24]Landis John,Guhathakurta Subhrajit,Zhang Ming.Capitalization of Transit Investments into Single-Family Home Prices:A Comparative Analysis of Five California Rail Transit Systems[R].Berkeley:University of California Transportation Center,1994.

[25]LeSage James P,Pace Robert K.Introduction to Spatial Econometrics[M].London: Chapman and Hall/CRC,2009.

[26]Handy Susan,Cao Xinyu,Mokhtarian Patricia L.Selfselection in the Relationship Between the Built Environment and Walking: Empirical Evidence from Northern California [J].Journal of the American Planning Association,2006,72(1):55-74.

[27]Cortright Joe.Walking the Walk:How Walkability Raises Home Values in U.S.Cities [R].Cleveland:CEOs for Cities,2009.

[28]Pivo Gary,Fisher Jeffrey D.The Walkability Premium in Commercial Real Estate Investments[J].Real Estate Economics,2011,39 (2):185-219.

[29]Rauterkus Stephanie Y,Miller Norman G. Residential Land Values and Walkability[J]. Journal of Sustainable Real Estate,2011,3 (1):23-43.

[30]Frank Lawrence,Schmid Thomas,Sallis James,Chapman James,Saelens Brian.Linking Objectively Measured Physical Activity with Objectively Measured Urban Form: Findings from SMARTRAQ[J].American Journal of Preventive Medicine,2005,28(2): 117-125.

[31]Cervero Robert,Kockelman Kara.Travel Demand and the 3Ds:Density,Diversity,and Design[J].Transportation Research Part D: Transportand Environment,1997,2(3): 199-219.

[32]Handy Susan,Cao Xinyu,Mokhtarian Patricia.Correlation or Causality Between the Built Environment and Travel Behavior?Evidence from Northern California[J].Transportation Research Part D:Transport and Environment,2005,10(6):427-444.

[33]Lee Chanam,Moudon Anne Vernez.The 3Ds+R:Quantifying Land Use and Urban Form Correlates of Walking[J].Transportation Research Part D:Transport and Environment,2006,11(3):204-215.

[34]Ewing Reid,Cervero Robert.Travel and the Built Environment[J].Journal of the American Planning Association,2010,76(3):265-294.

[35]Handy Susan L,Clifton Kelly J.Local Shopping as a Strategy for Reducing Automobile Travel[J].Transportation,2001,28(4):317-346.

[36]Boarnet Marlon G,Joh Kenneth,Siembab Walter,Fulton William,Nguyen Mai Thi. Retrofitting the Suburbs to Increase Walking:Evidence from a Land-Use Travel Study [J].Urban Studies,2011,48(1):129-159.

[37]Guo Jessica Y,Gandavarapu Sasanka.An Economic Evaluation of Health-Promotive Built Environment Changes[J].Preventive Medicine,2010,50(S1):S44-S49.

[38]Leinberger Christopher,Alfonzo Mariela. Walk This Way:The Economic Promise of Walkable Places in Metropolitan Washington DC[R].Washington DC:Metropolitan Policy Program at Brookings,2012.

[39]Sohn Dong Wook,Moudon Anne Vernez, Lee Jeasun.The Economic Value of Walkable Neighborhoods[J].Urban Design International,2012,17(2):115-128.

[40]Bowes David R,Ihlanfeldt Keith R.Identifying the Impacts of Rail Transit Stations on Residential Property Values[J].Journal of Urban Economics,2001,50(1):1-25.

[41]Cervero Robert,Duncan Michael.Transit's Value-Added Effects:Light and Commuter Rail Services and Commercial Land Values [J].Transportation Research Record:Journal of the Transportation Research Board,2002, 1805(1):8-15.

[42]Song Yan,Knaap Gerrit-Jan.Measuring the Effects of Mixed Land Uses on Housing Values[J].Regional Science and Urban Economics,2004,34(6):663-680.

[43]Song Yan,Knaap Gerrit-Jan.New Urbanism and Housing Values:A Disaggregate Assessment[J].Journal of Urban Economics,2003, 54(2):218-238.

[44]Duncan Michael.The Impact of Transit-Oriented Development on Housing Prices in San Diego,CA[J].Urban Studies,2011,48 (1):101-127.

[45]Case Anne C.Spatial Patterns in Household Demand[J].Econometrica,1991,59(4): 953-965.

[46]Anselin Luc.Spatial Econometrics:Methods and Models,Studies in Operational Regional Science[M].Dordrecht:Kluwer Academic, 1988.

[47]US Census Bureau.Texas Cities Lead Nation in Population Growth,Census Bureau Reports[R/OL].2013[2013-10-30].http:// www.census.gov/newsroom/releases/archives/ population/cb13-94.html.

[48]Maclennan D.Some Thoughts on the Nature and Purpose of House Price Studies[J].Urban Studies,1977,14(1):59-71.

[49]Moudon Anne V,Lee Chanam,Cheadle Allen D,Garvin Cheza,Johnson Donna, Schmid Thomas L,Weathers Robert D,Lin Lin.Operational Definitions of Walkable Neighborhood:Theoretical and Empirical Insights[J].Journal of Physical Activity& Health 2006,3(S1):99-117.

[50]Berrigan David,Pickle Linda W,Dill Jennifer.Associations Between Street Connectivity and Active Transportation[J].International Journal of Health Geographics,2010,9 (9):1-18.

[51]Carr Lucas J,Dunsiger Shira I,Marcus Bess H.Walk ScoreTMas a Global Estimate of Neighborhood Walkability[J].American Journal of Preventive Medicine,2010,39(5): 460-463.

[52]Carr Lucas J,Dunsiger Shira I,Marcus Bess H.Validation of Walk Score for Estimating Access to Walkable Amenities[J].British Journal of Sports Medicine,2011,45(14): 1144-1148.

[53]Duncan Dustin T,Aldstadt Jared,Whalen John,Melly Steven J.Validation of Walk Scores and Transit Scores for Estimating Neighborhood Walkability and Transit Availability:A Small-Area Analysis[J].GeoJournal,2013,78(2):407-416.

[54]Duncan Dustin T,Aldstadt Jared,Whalen John,Melly Steven J,Gortmaker Steven L. Validation of Walk Score®for Estimating Neighborhood Walkability:An Analysis of Four US Metropolitan Areas[J].International Journal of Environmental Research and Public Health,2011,8(11):4160-4179.

[55]Tal Gil,Handy Susan L.Measuring Nonmotorized Accessibility and Connectivity in a Robust Pedestrian Network[J].Transportation Research Record:Journal of the Transportation Research Board,2012,2299(1): 48-56.

[56]Mahan Brent L,Polasky Stephen,Adams Richard M.Valuing Urban Wetlands:A Property Price Approach[J].Land Economics, 2000,76(1):100-113.

[57]Hamilton Stanley W,Schwann Gregory M. Do High Voltage Electric Transmission Lines Affect Property Value?[J].Land Economics, 1995,71(4):436-444.

[58]Rosen Sherwin.Hedonic Prices and Implicit Markets:Product Differentiation in Pure Competition[J].Journal of Political Economy,1974,82(2):34-55.

[59]Redfearn Christian L.How Informative Are Average Effects?Hedonic Regression and Amenity Capitalization in Complex Urban Housing Markets[J].Regional Science and Urban Economics,2008,39(3):297-306.

[60]Bajari Patrick,Benkard C Lanier.Demand Estimation with Heterogeneous Consumers and Unobserved Product Characteristics:A Hedonic Approach[J].Journal of Political Economy,2005,113(6):1239-1275.

[61]Meese R,Wallace N.The Construction of Residential Housing Price Indices:A Comparison of Repeat Sales,Hedonic Regression,and Hybrid Approaches[J].Journal of Real Estate Finance and Economics,1997, 14(1-2):51-74.

[62]Kuminoff Nicolai V,Parmeter Christopher F, Pope Jaren C.Which Hedonic Models Can We Trust to Recover the Marginal Willingness to Pay for Environmental Amenities?[J]. Journal of Environmental Economics and Management,2010,60(3):145-160.

[63]Kennedy Peter.A Guide to Econometrics(6th ed.)[M].Hoboken:Wiley-Blackwell,2008.

[64]LeSage James P.Econometrics Toolbox 2010 [R/OL].2010[2013-05-15].http://www.spatial-econometrics.com/.

[65]Lacombe Donald J.Donald J.Lacombe's MATLAB Code for Spatial Econometric,p. 2013[R/OL].2013[2013-05-15].wvu.edu/～djl041/matlab.html.

[66]Cliff Andrew D,Ord J K.Spatial Processes: Models&Applications[M].London:Pion, 1981.

[67]Arraiz Irani,Drukker David M,Kelejian Harry H,Prucha Ingmar R.A Spatial Cliff-Ord-Type Model with Heteroskedastic Innovations:Small and Large Sample Results[J]. Journal of Regional Science,2010,50(2): 592-614.

[68]Saphores Jean-Daniel,Li Wei.Estimating the Value of Urban Green Areas:A Hedonic Pricing Analysis of the Single Family Housing Market in Los Angeles,CA[J].Landscape and Urban Planning,2012,104(3-4): 373-387.

[69]Pace Robert K,LeSage James P.Biases of OLS and Spatial Lag Models in the Presence of an Omitted Variable and Spatially Dependent Variables[R/OL].2008[2013-10-30]. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1133438.

[70]Brasington David M,Hite Diane.Demand for Environmental Quality:A Spatial Hedonic Analysis[J].Regional Science and Urban Economics,2005,35(1):57-82.

[71]Anderson Soren T,Sarah E West.Open Space,Residential Property Values,and Spatial Context[J].Regional Science and Urban Economics,2006,36(6):773-789.

[72]Golub Aaron,Guhathakurta Subhrajit,Sollapuram Bharath.Spatial and Temporal Capitalization Effects of Light Rail in Phoenix from Conception,Planning,and Construction to Operation[J].Journal of Planning Education and Research,2012,32(4):415-429. [73]Cervero Robert.Effects of Light and Commuter Rail Transit on Land Prices:Experiences in San Diego County[R].Berkeley: University of California Transportation Center,2006.

[74]Armstrong Robert J,Rodriguez Daniel A.An Evaluation of the Accessibility Benefits of Commuter Rail in Eastern Massachusetts Using SpatialHedonic Price Functions[J]. Transportation,2006,33(1):21-43.

[75]Dill Jennifer.Transit Use and Proximity to Rail:Results from Large Employment Sites in the San Francisco,California,Bay Area [J].Transportation Research Record:Journal of the Transportation Research Board,2003, 1835(1):19-24.

[76]Joh Kenneth,Nguyen Mai Thi,Boarnet Marlon G.Can Built and Social Environmental Factors Encourage Walking Among Individuals with Negative Walking Attitudes?[J]. Journal of Planning Education and Research, 2012,32(2):219-236.

[77]McDonald Noreen C.The Effect of Objectively Measured Crime on Walking in Minority Adults[J].American Journal of Health Promotion,2008,22(6):433-436.

[78]Schwanen Tim,Mokhtarian Patricia L.What Affects Commute Mode Choice:Neighborhood Physical Structure or Preferences Toward Neighborhoods?[J].Journal of Transport Geography,2005,13(1):83-99.

[79]Myers Dowell,Gearin Elizabeth.Current Preferences and Future Demand for Denser Residential Environments[J].Housing Policy Debate,2001,12(4):633-659.

[80]Handy Susan,Sallis James F,Weber Deanne, Maibach Ed,Hollander Marla.Is Support forTraditionally Designed Communities Growing?Evidence from Two National Surveys[J].Journal of the American Planning Association,2008,74(2):209-221.

[81]Drukker David M,Peng Hua,Prucha Ingmar,Raciborski Rafal.SPPACK:Stata Module for Cross-Section Spatialautoregressive Models[D].Boston:Boston College Department of Economics.2011.

Assessing Benefits of Neighborhood Walkability to Single-Family Property Values:A Spatial Hedonic Study in Austin,Texas

Written by Li Wei1,2,Kenneth Joh1,2,Chanam Lee1,Jun-Hyun Kim1,Han Park1,Ayoung Woo1,Translated by Zhang Siyang3
(1.Department of Landscape Architecture and Urban Planning,College of Architecture,Texas A&M University,College Station Texas 77843-3137,USA;2.Texas A&M Transportation Institute,College Station Texas 77843-3135,USA;3.ChinaAcademy of Urban Planning&Design,Beijing 100037,China)

This article investigates the impact of neighborhood walkability,measured by Street Smart Walk Score and sidewalk density,on property values by analyzing the 2010–2012 single-family home sale transactions inAustin,Texas.The Cliff-Ord spatial hedonic model(also known as the General Spatial Model,or SAC)is used to control for spatial autocorrelation effects.Results show that improving walkability through increased access to amenities in car-dependent neighborhoods does not appear to increase property values;adding sidewalks in these neighborhoods leads to a minimal increase in property values.Investments in neighborhood amenities and sidewalks will yield a greater home price increase in a walkable neighborhood than in a car-dependent neighborhood.

Cliff-Ord;General Spatial Model(SAC);property values;walk score;walkable neighborhood; walkability;spatial autocorrelation;spatial hedonic model

2016-05-02

德克萨斯州立法院、德克萨斯州交通部“道路畅通性优先投资分析项目(Mobility Investment Priorities Project)”

李威(1981—)，男，河南商丘人，博士，助理教授，主要研究方向：可持续城市主义经济、交通对环境和健康的影响、出行调查、城市生态系统服务评价、应用计量经济学、GIS。

E-mail:wli@tamu.edu

译者简介：张斯阳(1988—)，女，天津人，硕士，助理规划师，主要研究方向：交通规划和可持续发展。E-mail:zhangsiyangyy@126.com

文章来源：Journal of Planning Education and Research，2015年第35卷第4期，第471-478页，SAGE Publications Ltd.(uk.sagepub.com)版权所有，文章链接：http://jpe.sagepub.com/content/35/4/ 471.abstract