基于Hedonic模型的房地产价格差异影响因素研究

李朋娟

摘 要：本文主要研究影响天津市地铁2号线沿线房地产价格差异的因素，首先通过市场调研和借鉴前人经验，选取了11个特征变量指标，然后采用Hedonic模型进一步筛选出6个对房地产价格起显著性影响的特征变量指标，最终得出结论：区位特征因素仍然显著影响房地产价格，其中距市中心CBD的距离影响最为明显；天津市地铁2号线显著提升沿线的房地产价格，且其最佳影响范围为0-800m；与此同时，周边医院、大型商场或超市、公园等基础设施建设状况及物业费也是居民在购房时会考虑的因素。

关键词：房地产；价格差异；Hedonic模型

中图分类号：F293.3 文献标识码：A 文章编号：1009 — 2234（2017）11 — 0094 — 04

引言

随着我国城镇化进程的推进，大量农村人口涌入城市，导致城市人口剧增，不仅给城市交通带来巨大挑战，同时也对城市公共交通系统的运营发展提出了更高要求。城市轨道交通以其高速、便捷、大客运、低污染等特点成为公共交通系统的必然发展趋势，我国许多城市也都开始建设与运营城市地铁。城市轨道交通不仅推动城市传统区位的变革和改善居民可达性，同时也对商业和城市基础设施的聚集、城市住宅区的选址和价格等产生着重要影响。然而城市轨道交通也面临着投资金额大、运作成本高、建设周期长等问题，严重影响其发展。为有效解决该矛盾，促进轨道交通与沿线房地产开发的协调发展，我们应该科学评估城市轨道交通对周边住宅价格差异的影响。本文以天津市地铁二号线为例，研究地铁对沿线房地产价格差异的影响及地铁各个站点对周边小区住宅价格的影响范围，以此为天津市地铁系统建设和周边土地一体化开发提供理论支持。

一、文献综述

城市轨道交通对沿线周边房地产价格差异的影响一直是国内外学者关注的焦点。国外相关研究早已开始，研究结论却多种多样，如Benjamin 和Sirmans〔1〕，Al- Mosaind等〔2〕都发现城市轨道交通对沿线房地产价格有着积极影响，但不同地区轨道交通的影响程度和范围却有所不同。而Gatzlaff和 Smith〔3〕，Cervero和 Landis〔4〕则得出了相反的结论。导致这些差异的主要原因是所选取研究区域的不同以及相关衡量指标的不同。在研究方法方面，目前国外研究主要集中在特征价格法（Hedonic）、重复销售法及直接比较法等，其中特征价格法是其中最广泛、最成熟的一种方法。

与此同时，我国国内有关城市轨道交通对沿线房地产价格的研究开始相对较晚，且多为定性研究，定量研究偏少。定量研究方面，研究的城市主要集中在香港、上海、北京和深圳等城市，因为这些城市已经拥有相对成熟的城市地铁系统，便于搜集资料和取证。虽然定量研究成果较少，但从已有的文献仍可以看出：在不同的城市，轨道交通对沿线住宅价格的影响幅度存在明显的差异。如：何剑华〔5〕采用Hedonic 模型的研究结果表明：北京地铁13号线的站点对周边住宅价格的显著影响距离约为500m，且在此范围内房价能提高1000元/平方米。王明生〔6〕用天津地铁一号线的数据，发现地铁建设对周边房地产价值的影响范围主要为距离地铁站点1500m的区域，其中在500m范围内影响程度更大。研究方法方面，我国国内对Hedonic 模型的研究应用起步较晚，且多集中在价格指数编制、房地产价值评估和对非市场物品评价等领域，在城市轨道交通对周边房价综合影响研究中的实践仍需加强。

二、研究方法—Hedonic 模型

Hedonic理论模型，是用来处理异质产品差异特征与产品价格间关系的理论，自Lancaster于1966年将Hedonic理论引入到房地产与城市经济学领域以来，特征价格模型逐渐发展为该领域广泛应用的模型之一。Hedonic模型的理论基础主要包括：消费者理论和供需均衡模型。将该模型运用于房地产定价时应遵循一定的前提假设：商品的差异性、特征的隐蔽性以及完全竞争市场。也就是说，在完全竞争市场的均衡条件下，假设人们的偏好和收入水平相似，那么Hedonic模型认为这个市场中房地产的价格就是房地产各特征的函数。

Hedonic模型的基本函数形式为：P=f（X1，X2，X3，……Xn ），其中P为住宅的消费价格，Xn为住宅特征。将Hedonic模型用于房地产市场研究，通常有四种函数形式〔7〕：线性函数、对数函数、半对数函数和对数线性函数。

线性模型：Pi=α0+∑m=1 αkXki+εi

半对数模型：lnPi=α0+∑m=1 αkXki+εi

线性—对数模型：lnPi=α0+∑m=1 αklnXki+εi

逆半对数模型：Pi=α0+∑m=1 αklnXki+εi

在上述式子中：Pi表示单个住宅价格；α0为常数项；αk第k个特征变量的特征价格；Xk第k个特征变量；εi为残差。

三 实证研究

1.研究对象概况

本文研究的对象为天津市地铁2号沿线周边土地上的住宅小区。天津地铁2号线是天津市快速轨道交通网中的东西骨干线，线路西起西青区曹庄，东至东丽区天津滨海国际机场。途经卞兴、芥园西道、咸阳路、长虹公园、西南角、鼓楼、东南角、建国道、天津站、顺驰桥、靖江路、翠阜新村、登州路、国山路、空港经济区等19个站点，全长22.7公里。全程路线于2013年开通运行。由于地铁2号线早已开始正式运营，这样就可以剔除时间效应产生的影响，为讨论轨道交通对沿线房价的空间效应提供了可能。

2.數据来源及处理

文章样本数据主要来源于天津市国土资源与房屋管理局的房地产综合信息网数据库。天津市国土资源与房屋管理局是国土和房地产方面的政府主管部门，所有房地产的产权证都在该局办理，因此该局掌握了所有房地产所有者的产权资料和市场交易资料。对于样本数据，除了天津房地产信息网提供的信息可供利用外，通过百度地图提供的测距功能，对一些有关距离的特征进行了测量。endprint

本文选取住宅样本是天津市地铁2号线沿线距离地铁站口1km内的住宅小区，住宅均价单位以元/m2表示，为了使调查的住宅价格具有可比性，本文剔除了高端别墅区等高档住宅群的数据。在对样本数据进行异端值筛选剔除后，共得到样本58个。

3.特征变量选取

房地产价格是多种因素共同作用的结果，但各种数据的影响程度是不同的，有的因素对房价的影响较大，有的则影响较小。考虑到相关数据获取情况和相关研究成果，同时尽量避免产生多重共线性问题。一般在具体实践中，将影响因素划分为区位特征、结构特征和邻里特征三大类，采用以下特征变量：

区位特征是影响房价的重要因素。实践中，一般从整個城市范围的角度进行考虑，通常是对可达性进行量化。一般来说，当房产的区位由劣转优时，房地产的价格会上升，反之价格下降。本文选取住宅到最近地铁站的距离、距城市繁荣区CBD的距离和其所处的行政区3个因素。其中房地产到最近地铁站的距离设置为虚拟变量：Xmetro-1表示距最近地铁站0～300m、Xmetro-2表示300～500m、 Xmetro-3 表示500～800m、Xmetro-4800～1000m，在相应距离范围内取1，否则为0。距城市繁荣区CBD的距离采用连续变量，单位为m，记作XCBD；为简化起见，本文将东南角地铁站定为CBD进行测量，此地为鼓楼商圈、滨江道商圈和海河商圈共同影响处且为2号线和4号线的交汇处，具有代表性。住宅所在的行政区也设置为虚拟变量，记为Xdis考虑2号线所途经的区域及天津市各个行政区发展状况，将南开区及和平区设置为1，其他区为0。

结构特征是指由于房地产本身条件变化而对价格产生影响的特征。容积率、绿化率和物业费是本研究结构特征的考察因素。容积率记为Xvol、绿化率记为Xgre、物业费记为Xfee，三个变量均设置为连续变量，以实际数值赋值。

邻里特征主要指房地产周边的经济、社会、自然环境与配套设施特征。本文选取周边教育配套状况和基础设施状况两方面进行测量。其中周边教育配套状况设置为虚拟变量，记为Xedu，该变量主要反映住宅附近1000m范围内的幼儿园、中小学数量。若住宅周边幼儿园、小学和中学均没有，则赋值为0，三者有其一就取值为1，依此递增，最高赋值为3。基础设施状况则设置为虚拟变量Xfac，本次研究的基础设施主要为医院、大型商场及公园，若住宅周边1000m范围内三种设施均没有则赋值为0，有其一赋值为1，依此类推，最高赋值为3。

4.模型构建及回归结果

本文运用SPSS软件，对常用的线性模型和半对数模型进行试算，其参数估计采用基于最小二乘法原理的多元回归方法。依据试算结果，最终选择估计效果相对较优的半对数模型，即：

lnPi=α0+■αkXki+εi

采用上述半对数模型进行运算，并使用SPSS软件中回归分析功能的逐步进入方法，剔除了不相关变量Xmetro_4、Xdis、Xvol、Xgre、Xedu，得到显著性相关变量即特征变量（表2）、回归结果（表3） 和回归系数（表4）。

从表3中看出， R2为0.927，调整后的R2为0.919，因此方程对被解释变量具有91.9%以上的解释能力，可见模型的拟合效果很好。同时，模型的F检验值达到了108.615，其p值为0.000 <0.01，通过F检验，因此该模型在整体上具有显著意义。而且标准化残差图显示残差与被解释变量之间并明显的相关性，说明模型方程没有异方差性。总体上来看，模型拟合效果理想。

由表4可得，剩余的6个变量均通过t检验，对房价影响显著。根据回归结果得出天津市地铁2号线沿线房地产价格及其影响因素的特征价格模型为：

LnP=9.881+0.278Xmetro-1+0.151Xmetro-2+0.102 Xmetro-3-4.0901×10-5XCBD+0.117Xfac+0.128Xfee

5.回归结果分析

城市轨道交通显著影响沿线房价。从回归结果中发现，距最近地铁站的距离在300m以内的回归系数是0.278，其标准化回归系数为0.331，在所有显著的影响因子中影响最大，距离地铁站距离为300-500m、500-800m的标准化回归系数分别为0.185和0.133，影响程度依次下降，而选取的第四个变量（Xmetro-4）则在回归过程中被剔除。因此我们可以得出：距地铁站的距离与房地产住宅价格之间存在负相关关系，即距天津市地铁2号线越近房地产价格越高，且本研究得出的影响范围为0-800m。

区位繁华程度对房价影响明显。距CBD的距离显著影响着房地产价格，其标准化回归系数为-0.301，与住宅价格存在较强的负相关，说明住宅与CBD的距离越远其价格水平越低，距离每增加1km，住宅价格降低幅度为30.1%。其他学者应用不同的研究方法来研究与市中心的距离对城市房价影响时也得出了类似的结论。繁华的地区各项基础设施完善、交通便利，极大地便利了人们的出行与生活，因此有其独特的区位优势。

邻里特征对房地产价格影响突出。医院、大型商场或超市、公园等基础设施的完善状况直接影响着居民的购房需求。此特征的标准化回归系数为0.304，是对房价贡献第二大的因素，表明周边的各项基础设施建设越完善，则房地产价格越高。

结构特征同样影响房价。结构特征中容积率与绿化率被剔除主要是因为现有小区的容积率与绿化率等基本都达到国家有关规定的要求，对住宅价格的影响相对较小。物业费的高低代表着该住宅物业服务质量的高低，随着居民对安全与服务要求的提高，物业费成为影响住宅价格的一个重要因素。

四、结论与讨论

本文尝试运用Hedonic模型研究城市轨道交通对沿线周边房地产价格差异的影响。结果表明：区位特征因素仍然显著影响房地产价格，其中距市中心CBD的距离影响最为明显；天津市地铁2号线显著提升沿线的房地产价格，且其最佳影响范围为0-800m；与此同时，周边医院、大型商场或超市、公园等基础设施建设状况及物业费也是居民在购房时会考虑的因素。endprint

本研究可以帮助政府了解城市轨道交通对周边住宅价格的影响程度和范围，清楚影响住宅价格的原因，从而为其制定与房地产价格相关的政策和进行城市基础设施与轨道交通建设规划提供参考。

〔参 考 文 献〕

〔1〕Benjamin J D，Sirmans G S. Mass trans

portation， apartment rentand property values〔J〕. Journal of Real Estate Research，1996，（01）：1 - 8.

〔2〕Al-Mosaind M A， Duecker K J， Strathman J G. Light-rail transit stations and property values：A hedonic price approach〔J〕. Transportation Research Record，1993， （01）：90 - 94.

〔3〕Gatzlaff D H， Smith M T. The impact of the Miami metrorailonthe value of residences near station locations〔J〕. Land Economics， 1993， （01）： 54 - 66.

〔4〕Cervero R，Landis J. Assessing the impacts

of urban rail transit onlocal real estate markets using quasi-experimental comparisons〔J〕.Transportation Research A， 1993， （01）： 13 - 22.

〔5〕何劍华，郑思齐. 新建地铁能提升住宅价格吗？——以北京地铁13号线为例〔J〕. 城市开发，2004，（11）：36-38.

〔6〕王明生，周小君.天津地铁1号线对沿线房地产价格的影响〔J〕.城市交通，2008，（12）：46-49.

〔7〕叶霞飞，蔡蔚.城市轨道交通开发利益的计算方法〔J〕，同济大学学报，2002，（04）：3l-36.

〔8〕王福良，冯长春，甘霖. 轨道交通对沿线住宅价格影响的分市场研究——以深圳市龙岗线为例〔J〕.地理科学进展，2014，（06）：65-72.

〔责任编辑：孙玉婷〕endprint