地铁增值作用的空间异质性研究

摘要：以香港地铁的沿线居屋住宅项目为例，通过构建特征价格模型（ Hedonic Price Model）和地理加权回归模型（Geographically Weighted Regression，GWR），通过引用地理学的研究方法，丰富现有的轨道交通对房地产价格影响的研究，揭示地铁对住宅项目的增值作用及其影响的空间异质性，填补了相关的研究缺口。

关键词：轨道交通;住宅价格;特征价格模型;地理加权回归模型;香港地铁;空间异质性

中图分类号：F293.35

文献标识码：A

文章编号：1001-9138-（ 2020） 05-0008-15

收稿日期：2020-04-15

地铁是城市中重要的公共交通工具之一，具有运量大、速度快、安全准点等特点，它不仅能提高沿线区域的通达性，也能大幅降低沿线居民的通勤成本，从而带动沿线住宅的增值。城市地铁交通网络带给房地产的外部性影响长久以来都被受关注，国内研究多集中于住宅交易比较频繁的一线城市如广州、北京和上海等地，随着国内一些二三线城市拥有了城市地铁交通，研究也拓展到了二三线城市。此类研究主要从距离和分区等维度探讨地铁对于房地产价格的影响，大多采用特征价格模型进行研究。但是，由于特征价格模型以各因素空间平稳为假设前提条件，并从整体上考察特征因素对住房价格影响程度，因此其在空间分析评估上会存在较大误差。

由此，一些学者引入了地理加权回归模型用以分析房屋价格影响的空间异质性，这是一种分析空间异质性的回归方法，有效解决特征价格法中的空间变量自相关问题，同时提高回归模型的解析程度。汤庆园等（ 2012）利用地理加权回归分析上海市房价，发现了GWR在空间分析上的解释能力优于特征价格法提供的全局参数估计。高峰和叶剑平（ 2019）通过武汉市轨道交通的研究发现，轨道交通沿线住房价格分布存在较明显的空间异质性，而且不同区位轨道交通对沿线住房价格影响程度乃至方向都会存在差异。同时，也有学者利用深圳、大连、南京以及国外新加坡、波兰Olsztyn和意大利Reggio Calabria等城市的住宅价格进行GWR的研究分析。但总体上，使用GWR进行轨道交通的研究相对匮乏;而且大部分现有研究直接使用与地铁站点距离作变量，由于每个住宅单位与站点的距离不同，直接使用距离变量并不能很直观的进行比较，也不能展现地铁增值作用的空间异质性。

纵观国际地铁联盟（ CoMET）成员内，港铁（ Mass Transit Railway）是世界上少数有盈利的铁路公司，其在港的地铁网络支持了香港居民近40%的交通出行。若以每公里地铁线路的乘客量计算，东京地铁为3.7万人次，新加坡地铁为0.91万人次，伦敦地铁为0.64万人次，而香港地铁则为超过5万人次，其研究价值由此可见一斑。

可是，围绕香港地铁对于房地产价格影响的学术研究相对较少，最早可见于Chau和Ng（ 1998）利用特征价格法对于东铁的研究。近年来，部分学者同样利用该方法对香港轨道交通问题展开研究，并在此基础上进行一定的拓展，但研究中所用的样本数据滞后性和对于空间问题的考慮未够全面，难以充分揭示香港地铁与房地产价格之间的联系。综上，本文拟结合可获得最新的样本数据，通过空间分析方法并基于前人的研究加以拓展，深入分析地铁站点其对沿线不同区位（中心区与郊区）住宅价格的影响范围和程度，以呈现轨道交通对住宅价格的影响机理。通过比较文献阅读后发现，越多人次使用的地铁，增价作用更显著和影响范围更广（见表1和表2），因此本研究预测香港地铁的溢价和影响有效范围会比文献阅读所列城市更高更广。

1 研究区域与数据来源

本文选取了中国香港特别行政区作为研究区域。香港地处广东省南隅，面积约为1106.34km2，主要分为港岛、九龙、新界三区，三区面积分别是80.7km2、46.9km2和978.7km2，其中，核心商业区主要在维多利亚港的两岸，即在香港港岛中环和尖沙咀一带，而香港北部大都为新市镇和乡郊地区。

香港的轨道交通在其城市规划过程中发挥着重要作用。港铁（ MTR）是市内交通的重要一环，提供了包括城际直通车、高速铁路、轻轨和地铁等服务，其中地铁每日载客量占香港所有公共运输总载客量的约42%。港铁在香港共运营11条地铁线，总长度187km，其覆盖范围涵盖了香港的大部分市区。其中，覆盖港岛的地铁线路有两条，共23.7km，其余9条线路基本连接了九龙和新界的人口聚居点。本文选取了观塘线、荃湾线、东涌线、将军澳线、西铁线及东铁线6条港铁线路，共134.6km的地铁轨道交通作为研究对象。这些线路站点地理跨越幅度大，覆盖了香港的市区和近郊区的聚居点，有较大的空间差异性。

Jayantha等（2015）的研究证明使用住户形态类近的样本有助于提高房地产价格模型的整体有效程度。香港居屋是一种资助性房屋，交易流通受到政府的限制，住户具有一定的同质性，与楼房的需求较一致;此外，居屋住户大都为社会上中等收入家庭，较能代表整体，由此，本文选取居屋住宅作为研究样本。

交易数据来源于香港房屋署官方网站，考虑到数据有效性因素，时间维度选定于2016年。如图1所示，研究选取九龙区和新界地区离轨道交通站点2.5km内的二手居屋，筛选出1681个有效住宅信息，并建立住宅样本信息数据库。研究的影响因素涵盖区位条件、邻里环境和建筑特征三方面，坐标数据来源于香港政府的官方数据，运用ArcCIS软件批量建立坐标定位进行研究。

表3整理出数据样本中的研究对象与地铁站点的距离及其平均价格。随着与站点距离的增加，居屋价格有一个先减少后平稳的趋势，这初步说明香港的地铁轨道交通站点与居屋价格产存在一定的关系。

2 研究方法与变量选择

2.1 模型变量

本文中的因变量为香港二手居屋的市场交易价格截面数据，自变量为参考过往类似研究所使用过的建筑特征、邻里环境和区位特征;另外，参考Ducksu等（2018）等人的公共房屋研究，本文设计了两个体现香港居屋特点的建筑特征变量，分别为居屋的补贴率（ DC）和承建方类型（BUIID）。表4和表5分别给出了模型变量体系和描述统计分析结果。

2.2研究方法

2.2.1特征价格模型

目前国内研究广泛采用特征价格模型检验轨道交通建设对房地产价格的影响，这种方法能同时量化不同影响因素对于房地产价格的影响。本文同样应用此方法分析地铁站点对香港居屋价格的影响。

本研究中特征价格模型的计算公式如下：

式中：P为二手居屋的价格;Xki为自变量，k为自变量的个数;i是样本数的序数;βki为系数，β1为常数项，8为误差项。

特征价格模型通常有线性、对数和半对数等形式。由于使用价格一般都会采用半对数形式能有效处理异方差性（ heterosc.edasticity）问题。因此，本文将选用半对数特征价格模型作后续分析。

2.2.2地理加权回归

地理回归分析模型是确定两种或两种以上变量间定量关系的一种统计分析方法。CWR模型能将空间关系作为权重加入到运算当中，并将不同要素的空间因素，得出权重值后代入回归方程里，因此CWR可以用来量化自变量的空间异质性。由于全局模型只能整理出整个区域的平均状态，而GWR模型在考虑区域因素的基础上调整权重，让每一个研究样点都对应一个系数值，形成一个区间。所以，GWR在分析空间时比全局模型具有更明显的优势。本研究将采用GWR来量化出轨道交通价格影响的空间异质性。

3 检验结果及分析

3.1 特征价格模型分析结果

如表6所示，为了体现设计变量补贴率和承建方类型的有效性，本文首先用其他自变量组成模型1，通过使用Stata软件进行OLS回归分析得出调整后R2为0.7537，说明模型回归直线对观测值的拟合效果较好，已能解释大部分的交易价格截面数据。然后在模型1的基础上加入补贴率和承建方类型组成模型2：结果发现模型2的拟合效果优于模型1，调整后的R2为0.7920，这表示公共特性变量的设计合理，有助于加强研究模型的解释程度。模型2的结果显示，轨道交通站点距离和二手居屋价格存在一个负相关关系，这说明地铁愈远，给楼价的负影响会愈大;而D_mtr的系數为-0.000116，表明住宅每靠近地铁站点Im，住宅每m2价格会增加0.0116%，即溢价影响为每km11.6%。

然后，为测量轨道交通站点距离的影响趋势，我们加入了由D—mtr次方组成的新自变量D_mtr2建立了模型3。结果表明D_mtr2变量系数为正数，即轨道交通站点距离变量的负影响趋势是一个递减的函数，并且会渐趋近于0，即随着距离的增加，负影响的上升幅度会降低。

在模型2的基础上，我们加入距离变量Di来测量具体的距离影响有效值，并建立模型4。变量的说明如下式：

其中变量D，因出现共线性问题而被剔除外，模型4的结果大致良好，调整后R2为0.7942。综合上述模型，轨道交通的存在对于居屋有正外部性的影响，该影响是呈一个先减少而后增加的一个趋势。从房屋距地铁站点的距离来看，0-300m范围内正影响是最佳的;大于该距离范围，地铁站点对房价的正影响会逐渐减少;当距离大于1200m后，系数结果出现了回升，这也许与替代交通的叠加效应有关。因此，香港地铁的有效影响距离应为站点1200m范围内。

另外，除轨道交通站点的距离影响变量外，模型2的建筑特征和邻里特征变量同样对价格会产生一定的影响：首先，对于私人承建的居屋，价格会有明显的提升。这表明此类居屋的需求较大，原因很可能是与政府承建类相比，其建筑质量或设计水平更好;其次，住房补贴率对二手居屋的市场价值会产生负影响，原因可能是住房补贴率能在一定程度上代表居屋的产权完整性，导致房屋价格受到影响，侧面反映出居屋的二手市场设计是与市场原则基本契合。

在邻里特征方面，公立医院的直线距离系数为正数，可能是由于公立医院的紧急服务基本能覆盖市内的大部分地区，保证了10-15分钟的紧急输送服务，所以医院的绝对距离对公营医疗服务的使用并没有很大的影响。另外，除了公立医院，香港内还有私人诊所和私家医院能提供医疗服务。居屋住户具有一定收入，并非社会上的低收入阶层，所以他们较可能选用私人医疗服务;公立医院有人流量大、噪音大、传染病病人集中的特点，这些特性可能是导致住户希望公立医院愈远愈好的原因。

3.2 地理加权模型分析结果

结合全局分析模型得出的影响范围，本研究加入变量D1200进行地理加权分析，该变量代表位于地铁影响范围1200m以内的样本。模型的运行是通过ArcGIS中的GWR模块实现，结果显示调整后的R2为0.8066，较全局特征价格模型高了约1个百分点。分析出D1200变量存在较大的空间差异性，最小系数值为0.006047，最大值为0.1391，影响的最高最低差达22倍。通过GWR可以获得每一因素对监测点i样本的影响结果，将距离变量D1200的分析结果用空间克里金法插值方法展现出来，如图2所示。

上述回归结果可以得出，地铁站点影响的边际空间分布规律主要体现在以下几个方面：（1）轨道交通站点住宅价格正外部性影响大体上呈由南向北递增趋势，中心城区影响较弱，而对北区边陲聚居点较强，尤以香港东北地区最强;（2）地铁站点影响与CBD距离有一定的关系，离CBD愈远的站点，地铁轨道交通的影响力量愈大，而且有效距离会上升。

汪佳莉等的研究指出地铁站点在交通便捷，可替代交通资源较多的地方影响会较弱。这反映上述空间异质性很可能是交通资源差异性的结果。轨道交通站的影响在更接近城市中心的地方会相对较弱，很可能是因为这些地方的交通资源比较密集，可选择的交通也较多，此时轨道交通并不具有明显的通勤优势;相反，香港的北区大都为新发展的市镇，交通资源较少，而且离核心商圈比较远，地铁较大程度上能满足当地居民的交通需求。

4 结论

本文基于特征价格模型和地理加权模型，以香港二手居屋的交易价格为实证基础，同时考虑到研究范围内的同边基础设施，建筑特征等因素，借助ArcCIS和Stata软件，分析了香港的轨道交通对于住宅价格的影响及其空间异质化。结果表明：

（1）香港的轨道交通提供了一个可靠的通勤服务，因此邻近轨道交通站点的住宅有更大的需求，而距离的负影响是一个递减的函数，并且会渐趋于0，即随着距离的增加，轨道交通的正影响程度呈边际效应递减的。模型的结果显示，香港地铁对住宅的溢价影响为每km11.6%;地铁站点对半径范围0.3-1.2km内的居屋价格有明显的正外部性效应，其中站点0.3km半径以内区域增值效果最为显着，超过1.2km后便会出现替代交通的叠加效应，地铁站点的影响显著性降低。结果符合香港地铁的溢价影响程度和范围普遍较高的预期。

（2）基础服务设施和建筑特征都会对居屋价格造成影响，但由于居屋拥有公共特性，使用居屋为研究对象需要考虑到一些特殊的变量，例如本研究所采用的住房补贴率和承建方类型。研究结果显示，与政府承建相比，由私人兴建的居屋价值更高，反映私人承建的居屋质量较好，因此建议政府重新启动私人建屋计划，改善新建居屋的质量问题。

（3）地理加权模型的结果显示，轨道交通在中心城区和近郊城区对居屋价格的正外部性影响存在明显差异，近郊聚居点的地铁站点的影响较强而中心城区较弱。主要是由于中心城区地块的可替代的交通资源较多，地铁站点影响一定程度上被削弱。因此对于地铁优势明显的近郊聚居点，建议政府在新建居屋选扯上，尽量选择离地铁站点较近的地块。

然而，基于数据量和拟合程度的考虑，本文在研究区域和对象方面还存在一定局限性，结果只能代表居屋的整体情况。期望未来研究中可以进一步扩大研究区域和样本对象，更深入地解释增值作用的空间异质性出现的原因，尽可能消除局限性;本研究亦未深人地解释增值作用的空间异质性出现的原因，故此未来研究可以在这基础上进行进一步的科学分析，以期更全面地展示轨道交通对住宅价格的影响机制。

参考文献：

1.刘建军 陈颖彪 千庆兰 等，广州市交通网络的综合通达性及其空间特征.经济地理.2016.36（2）

2.刘红萍 李剑峰 邓宏乾 等.武汉市轨道交通一号线对沿线住宅价格影響的分市场效应分析.华南师范大学学报（自然科学版）.2015.04

3.汤庆园 徐伟 艾福利.基于地理加权回归的上海市房价空间分异及其影响因子研究.经济地理.2012.32（ 02）

4.高峰 叶剑平，基于CWR模型的轨道交通对沿线住房价格影响研究——以武汉市地铁2号线为例，价格月刊.2019.04

5.孙倩 洪开荣，基于Cokriging的住房价格空间格局分析——以长沙市为例，经济地理.2014.34（ 12）

6.谷兴 周丽青，基于地理加权回归的武汉市住宅房价空间分异及其影响因素分析，国土与自然资源研究.2015.03

7.Cellmer R.The Use of the C.eographically WeightedRegression for the Real Estate Market Analysis[J].FoliaOeconomica Stetinensia.2012.11（1）

8.Massimo D E，Ciudice V D，Paola P D，et al.Geographically Weighted Regression for the Post CarbonCity and Real Estate Market Analvsis：A Case Study[C]//International Symposium on New Metropolitan Perspectives.Springer， Cham.2018

9.Yang j，Yajun B，Zhang Y，et al.lmpact ofAcressibility on Housing Prices in Dalian City of ChinaBased on a Ceographically Weighted Regression Model.Chinese Geographical Science.201 8.06

IO.Cao K， Diao M，Wu B.A Big Data - Base.dGeographically Weighted Regression Model for PuhlicHousing Prices：A Case StudV in Singapore [J].Annals of theAmerican Association of C.eographers.201 8

11，汪佳莉 季民河 邓中伟.基于地理加权特征价格法的上海外环内住宅租金分布成因分析.地域研究与开发.2016.35（5）

12.宋伟轩 毛宁 陈培阳 等.基于住宅价格视角的居住分异耦合机制与时空特征——以南京为例.地理学报.2017.72（4）

13.Jayantha W M， Lam T I，Chong M L.The impact ofanticipated transport improvement on property prices：A casestudy in Hong Kong. Habitat International.2015.49

14.Dziauddin M F，Powe N， Alvanides S.Estimating theEffects of Light Rail Transit（ LRT） SVstem on ResidentialProperiy Values Using C.eographically WeightPd Regression（ GWR ）.Applied Spatial Analysis and Policy.2015.8（1）

15.杨友孝 姚毅凯.城市轨道交通建设对沿线住宅价格的影响——基于Hedonic模型实证研究.特区经济.2014.12

16.王德起 于素涌，城市轨道交通对沿线周边住宅价格的影响分析——以北京地铁四号线为例.城市发展研究.2012.19（ 4）

17.王福良 冯长春 甘霖等.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.地理科学进展.2014.33（6）

18.Mulley C ，Tsai C H， Ma L.Does residential propertyprice benefit from light rail in Sydney？.Research inTransportation Economics.2018.67

19.冯艳芬 梁小斯 吴大放.基于Hedonic模型的广州地铁l号沿线住宅价格分析.广州大学学报（自然科学版）.2011.10 《）4）

20.刘红萍 李剑峰 邓宏乾，武汉市轨道交通一号线对沿线住宅价格影响的分市场效应分析.华南师范大学学报（自然科学版）.2015.47（ 04）

21.Diao M，Leonard D，Sing T F.Spatial-difference-in-differences models for impact of ne.w mass rapid transitline on private housing values.Social Science ElectronicPublishing.2017.67

22.Seo K， Colub A，Kuby M.Combined impacts ofhighways and light rail transit on residential property values：a spatial hedonic price model for Phoenix， Arizona. Journal ofTransport Ceography.2014.41

23.Ducksu S.You C，Youngsang K.Price Determinantsof Affordable Aparcments in Vietnam： Toward the Public -Private Partnerships for Sustainahle Housing Development.Sustainability.2018.10（1）

24.汪佳莉 季民河 鄧中伟.基于地理加权特征价格法的上海外环内住宅租金分布成因分析，地域研究与开发.2016.35（5）

作者简介：麦瑞斌，清华大学土木系建设管理硕士研究生，北京港澳学人研究中心香港政策研究员。