基于Hedonic模型的地铁建设对住宅价格的影响研究①
2018-11-14□□，，
□□ ，，
(1.山西大学附属中学，山西 太原 030006；2.山西财经大学，山西 太原 030006)
引言
关于公共交通对住宅价格的影响，早在20世纪70年代国外学者就已经开始了相关研究。例如，Bajic V[1]指出，轨道交通建设对于附近的房屋价格的影响要大于远离轨道交通的地区的房价；Koutsopoulos K C[2]通过对轨道交通建设的影响远近进行研究，得出具有明显影响的范围是在距离轨道站点0.8 km的一个圆周范围内，并且影响效果在0.8 km以外是呈现同心圆递减；一些学者研究和分析了轨道交通建设对周边房地产发展的负面影响[3-4]，认为将对附近居民的生活产生一定的影响，这将导致居民生活质量的下降。梁青槐等[5]、王琳[6]、聂冲等[7]利用Hedonic模型的研究结果表明，在某一个限定距离范围内，距离轨道站点越近的商品住宅价格变动幅度越大，相反的则房价变动范围越小。
目前，有关太原市轨道交通对沿线住宅价格影响的研究甚少。因此，有必要研究太原市的地铁建设是否会遵循相同的规律。在建设用地越来越紧缩的情况下，土地管理部门如何合理划分地铁沿线土地的类型；房地产企业在拿到地铁沿线周边的土地后，如何进行住宅项目的产品设计才能实现土地价值的最大化，均是值得研究的内容。因此，本文基于Hedonic模型，研究了地铁建设对住宅价格的影响，供土地管理部门、市政建设部门和房地产企业决策时参考。
1 研究方法与数据
1.1 研究方法
1.1.1 Hedonic模型
Hedonic法又称为特征价格法，对某个模型中全部未知的特征变量进行排列组合形成最终的商品价格。商品价格最终结果的大小与特征变量有关，所以用因变量Y来表示商品价格，用自变量Xi(i=1，2，3，……，n)来表示特征变量，即：
Y=P(X1，X2，X3，…，Xn)
(1)
商品价格会由于自变量的不同而产生不同的结果，所以对不同的自变量求各自的导数，可以分别获得每个自变量对商品价格的影响大小。
(2)
上述基本模型的线性形式如下：
P=α+β1X1+β2X2+β3X3+…+βiXi+μ
(3)
式中：P——房地产商品的交易价格；Xi——特征变量；βi——自变量的估计参数；n——自变量的数量；α——常量；μ——随机扰动项。
1.1.2 模型检验
(1)参数估计。参数估计是通过从整体中选择一些特殊的样本来估计整体中未知数的方法，本研究选取最小二乘法进行估计[5]。
(2)统计学意义检验。统计学意义的查验首先是将样本数据带入模型中，查验得出的估计值是否与搜集到的数据相吻合，然后进行进一步分析。本研究主要采用拟合优度查验、特征变量的显著性查验。
1.2 数据来源
本研究以太原市地铁2号线为研究对象，沿线商品住宅项目的位置查找来源于高德地图、360地图。借助这两个地图可以得到地铁2号线周边所有楼盘的位置和数量，也能够精确查找住宅项目到最近地铁站的最短距离、每个商品住宅项目中心到太原市中心的最短距离等。商品住宅价格数据来源于太原市房地产信息网、安居客、网易房产。
2 地铁建设对住宅价格的影响
太原市地铁2号线工程以北面的西涧河为起始站，一直到南面的小店南站为终点站，它穿过太原市中心，将太原市中心和周边区域联系起来。2号线全长24.2 km，一共有22个停靠站点，每两个站点之间的距离均为1.1 km。
2.1 变量的选取
基于国内外相关研究成果，遵循系统性、主导性、层次性、科学性和可操作性等原则，根据太原市房地产信息网出示的数据，太原市房地产均价在2017年之后才有显著的上升，所以本研究选取2017—2018年住宅价格变动值作为因变量，以更直观地体现地铁建设对住宅价格的影响。自变量的选择见表1。借鉴文献[5-7]的方法，选择太原市地铁2号线周边1 km范围内在售的一般商品住宅作为研究样本。符合上述条件的地铁2号线沿线的房地产项目数量为16个住宅样本。
表1 因变量和自变量表示的具体信息
2.2 模型的建立
根据上述分析，结合所选定的3个因变量和7个自变量，运用EVIEWS8将数据带入到(3)式中。为了简化计算，选择在最常见的0.05的显著性水平下，对特征变量的参数进行估算，结果见表2。
表2 分析结果
由表2的分析结果，得到最初的回归方程为：
ΔY=354.65X1+121.01X2+51.94X3-535.36X4+44.29X5+1 572.56X6+703.08X7-1 492.01
(4)
2.3 模型的检验
根据表2的EVIEWS8计算结果可以得出表3的检验结果。
表3 检验结果
2.3.1R2查验
该线性模型的R2=0.764，较接近于1，表示所选取的特征变量可以解释房价变动大小的76.5%，样本数据中76.5%的这一部分数据可以表现在回归直线上，说明通过该查验。
2.3.2t检验
由于该模型的显著性水平为5%，n=16，k=7，根据查表得到表2中的每个特征变量的t值，可以看出t1，t2，t3，t5，t7均
在剔除不显著性特征变量之后，获得新的价格模型：
ΔY=α+β1X1+β2X2+β3X3+β4X4+β5X5+β7X7+μ
(5)
运用EVIEWS软件，重新回归优化之后的价格特征模型，结果见表4。
表4 调整后的回归分析结果
将对房价变动影响不是很明显的特征变量移出模型之后，得出调整之后的特征价格函数方程为:
ΔY=3 439.43-1 984.11X1-114.06X2+57.54X3-301.43X4-6.31X5-173.84X7
(6)
3 结论
根据(6)式特征价格函数方程，可以得到如下结论：
3.1 常数项为3 439.43，说明在商品住宅单价中有3 439.43元/m2的均价是由未在方程中的变量来表现。
3.2 在区域特征变量中，X1的系数为-1 984.11，系数最大，说明住宅价格受到达地铁站点的距离影响最大，价格的增幅取决于住宅与地铁站点的距离。距离越近，则涨价越多。X2的系数为-114.06，说明住宅的价格增量会随着住宅与市中心的距离越远而越小；X3的系数为57.54，说明房价的增幅会随着商品住宅项目周边1 km内公交路线数的增多而越大。
3.3 在结构性特征变量中，X4的系数为-301.43，说明价格的增幅会随着商品住宅容积率的变小而越大；X5的系数为-6.31，说明绿地率对住宅价格的增幅不会很大。
3.4 在邻里特征变量中，X7的系数为-173.84，说明该项目1 km内有重点中小学，则房价上涨越大。
3.5 在特征价格模型中，X1的系数最大，说明住宅价格的增幅取决于住宅与地铁站点的距离，距离越近则涨价越多。为了实现城市土地价值的最大化，应该在靠近地铁站点周围布局居住综合体，这样既方便了城市居民的交通出行，又满足了商业对人流的集聚的需要。对房地产企业而言，距离地铁站点越近的项目，应该考虑地铁噪声对居住环境的影响，并将产品设计成小户型，客户定位在刚性需求群体上。
3.6 本文在选择样本时，考虑到数据的可收集性，选择16个样本显得偏少。同时，为方便计算，采用7个模型特征变量也不尽全面，所以模型的计算结果还需要在实践中进一步验证。
