高鐵站區(qū)對(duì)周邊房地產(chǎn)價(jià)格的非線性空間影響

北京交通大學(xué)經(jīng)濟(jì)管理學(xué)院 趙玉卿 李欣芮 劉俊雅

從古至今，交通運(yùn)輸?shù)目焖侔l(fā)展無(wú)一不帶動(dòng)著一個(gè)城市的進(jìn)步與發(fā)展。伴隨著經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，高鐵以其速度快、安全性強(qiáng)、能源耗費(fèi)少等優(yōu)勢(shì)在本世紀(jì)中愈發(fā)顯示出自身優(yōu)越性。中國(guó)高鐵建設(shè)發(fā)展起步較晚但發(fā)展卻日新月異，截至2017年，中國(guó)高鐵運(yùn)營(yíng)總里程居世界第一，已超過2.2萬(wàn)公里，占世界高鐵運(yùn)營(yíng)總里程60%以上。

政府通過高鐵項(xiàng)目來提高人民的生活水平，同時(shí)促進(jìn)區(qū)域一體化。高速鐵路車站的建設(shè)無(wú)疑提高了受影響地區(qū)的有效投資水平。同時(shí)，它也改變了周邊地區(qū)的土地使用強(qiáng)度，甚至影響了城市空間的結(jié)構(gòu)和形態(tài)，從而影響了房地產(chǎn)開發(fā)。因此，通過科學(xué)地考察高鐵站對(duì)房?jī)r(jià)的影響，可以對(duì)高鐵站周邊地區(qū)的住宅和城市空間發(fā)展做出重要貢獻(xiàn)。

本文重點(diǎn)研究高鐵站區(qū)對(duì)于周邊房地產(chǎn)價(jià)格的正、負(fù)效應(yīng)影響機(jī)制。通過實(shí)證分析，分別研究站點(diǎn)的節(jié)點(diǎn)特征和區(qū)位特征。車站的節(jié)點(diǎn)特征考慮了可達(dá)性(通常為正向效應(yīng))。采用特征價(jià)格模型，并根據(jù)數(shù)據(jù)處理方便程度以及對(duì)國(guó)內(nèi)外文獻(xiàn)參考，我們認(rèn)為，若采用半對(duì)數(shù)模型，特征系數(shù)更好解釋，且半對(duì)數(shù)模型允許不同單位特征之間存在差異。因此，本文在進(jìn)行數(shù)據(jù)分析時(shí)，采用半對(duì)數(shù)模型：

也就是說，在運(yùn)用Eviews軟件進(jìn)行線性回歸分析前，需要先將已統(tǒng)計(jì)到的P值(住宅單價(jià))轉(zhuǎn)換為其自然對(duì)數(shù)，然后在其自然對(duì)數(shù)的基礎(chǔ)上進(jìn)行線性回歸。

1 樣本選取

本文選取了設(shè)有高鐵站的共37個(gè)城市作為樣本，考慮到城市規(guī)模會(huì)對(duì)城市房?jī)r(jià)的整體水平產(chǎn)生的影響，因此樣本城市分為特級(jí)、一線和二線城市。從區(qū)位因素、交通因素、自身特征、需求特征以及人們的心理預(yù)期幾個(gè)方面考慮，構(gòu)造了12個(gè)自變量，如表1所示。

表1 變量名稱

2 變量相關(guān)分析

經(jīng)描述性統(tǒng)計(jì)和變量相關(guān)分析，我們剔除差異較大的樣本數(shù)據(jù)，也將自變量調(diào)整。在特級(jí)城市樣本中，通過逐步回歸反復(fù)試算，剔除X5、X6、X8、X9這幾個(gè)變量。同理，在一線、二線城市樣本中，剔除X6、X7、X8、X9、X10這幾個(gè)變量，如表2所示。

在特級(jí)城市樣本中，X4的回歸系數(shù)是-4.369423，在保持其他條件不變的情況下，如果房地產(chǎn)位置每遠(yuǎn)離高鐵站1m，房地產(chǎn)價(jià)格相應(yīng)降低436.9%。

特級(jí)、一線和二線城市的X13回歸系數(shù)分別為0.190721、0.156357和0.103752，說明購(gòu)房者在購(gòu)買時(shí)關(guān)心附近的教育、文化設(shè)施。公共設(shè)施會(huì)提高人們對(duì)于房地產(chǎn)的滿意程度，從而提高房地產(chǎn)的價(jià)格。

X12回歸系數(shù)分別為0.000315、3.67E-05和0.000119，房地產(chǎn)的價(jià)格呈現(xiàn)逐漸升高的趨勢(shì)。房地產(chǎn)到鐵路線的距離主要和噪音這一負(fù)向效應(yīng)相關(guān)，也即，正常情況下，這個(gè)變量的回歸系數(shù)只能為正。

表2 樣本變量估計(jì)

X5的回歸系數(shù)分別是0.001058和0.002250。發(fā)車頻率用每一天經(jīng)停該高鐵站的列車次數(shù)來衡量。這一變量反映了高鐵站自身的客貨運(yùn)量和技術(shù)作業(yè)量大小，也間接反映了該高鐵站可以創(chuàng)造的商業(yè)價(jià)值和對(duì)周邊房?jī)r(jià)的促進(jìn)能力。同理，X7，X8也能夠反映高鐵站的可達(dá)性，對(duì)周邊房地產(chǎn)的價(jià)格起到一定的影響。

住宅價(jià)格的空間變化是由正向和負(fù)向效應(yīng)共同作用的。積極的影響包括提高城市間的可達(dá)性和基礎(chǔ)設(shè)施的完善。負(fù)面影響包括高鐵站附近地區(qū)存在交通擁堵、噪音污染等不良因素。特級(jí)城市、一線城市和二線城市X4的回歸系數(shù)分別為-0.000109、-0.000198和-1.42E-05，就證明了距離高鐵站過近，負(fù)向效應(yīng)會(huì)大于正向效應(yīng)。

3 結(jié)語(yǔ)

運(yùn)用Eviews對(duì)全國(guó)37個(gè)城市46個(gè)高鐵站進(jìn)行定量分析，分析出高鐵站和周邊房?jī)r(jià)的分布規(guī)律。其分布規(guī)律是：距離高鐵站特別近的時(shí)候房?jī)r(jià)比較低，之后在一定范圍內(nèi)房?jī)r(jià)遞增，超過之后有遞減的趨勢(shì)，這就是積極和消極效應(yīng)博弈的結(jié)果。我們可以根據(jù)擬合圖形可知，特級(jí)城市在距離高鐵站比較近的時(shí)候房?jī)r(jià)比較低，然后在(0～1486m)的范圍內(nèi)房?jī)r(jià)在增加并且達(dá)到最大值64911元，之后房?jī)r(jià)下降。一級(jí)和二級(jí)類似，一級(jí)城市是在(0～910m)上升，房?jī)r(jià)最大值為18850元，二線城市是在(0～1968m)的范圍內(nèi)上升，最大值為13282元。

4 未來展望

本文僅分析了普通的住宅，并未對(duì)商業(yè)樓進(jìn)行研究。但是在現(xiàn)實(shí)生活中，高鐵的建設(shè)和運(yùn)營(yíng)對(duì)商業(yè)寫字樓的影響更為顯著，因此現(xiàn)在預(yù)測(cè)的數(shù)據(jù)可能會(huì)比實(shí)際要小。樣本數(shù)據(jù)誤差大。特征價(jià)格模型在使用有一定的假設(shè)前提——即市場(chǎng)完全競(jìng)爭(zhēng)和市場(chǎng)信息比較完善。但是我國(guó)的房地產(chǎn)市場(chǎng)信息嚴(yán)重不對(duì)稱，交易數(shù)據(jù)不夠公開。本文在收集數(shù)據(jù)采用的多為網(wǎng)絡(luò)數(shù)據(jù)并非真實(shí)的成交價(jià)格，這之間存在誤差。

在高鐵項(xiàng)目的建設(shè)過程中，應(yīng)該將高鐵建設(shè)和房地產(chǎn)建設(shè)結(jié)合起來，鼓勵(lì)投資主體的多元化，促進(jìn)高鐵系統(tǒng)的完善和區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展。

[1] 武倩楠,葉霞飛.城市軌道交通可達(dá)性提高和住宅價(jià)格增值關(guān)系[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,44(6).

[2] 車驥沖.高鐵對(duì)滬杭嘉興段房?jī)r(jià)的影響分析[J].上海房地,2011(10).

[3] 吳學(xué)安.尋找房地產(chǎn)業(yè)可持續(xù)發(fā)展動(dòng)力之源[J].城市開發(fā),2016(22).

[4] 谷一楨,鄭思齊.軌道交通對(duì)住宅價(jià)格和土地開發(fā)強(qiáng)度的影響——以北京市13號(hào)線為例[J].地理學(xué)報(bào),2010(2).

[5] Zhang,W.,Nian,P.,Lyu,G.A multimodal approach to assessing accessibility of a high-speed railway station[J].J. Transp. Geogr,2016(54).

[6] Campos,J.,De Rus, G.Some stylized facts about highspeed rail:A review of HSR experiences around the world[J].Transp.Policy,2009.