耿化祺,邵戰(zhàn)林,魏慧芬
(新疆農業(yè)大學 管理學院,新疆 烏魯木齊 830052)
隨著城市化進程的不斷加快,城市軌道交通作為快捷、舒適、大運量、低碳環(huán)保的公共交通工具,成為國內外城市發(fā)展的重要依托。位于“一帶一路”經濟帶核心的烏魯木齊市,在《烏魯木齊市城市總體規(guī)劃(2006—2020)》、“惠民工程”、“綠色節(jié)能減排政策”等一系列政策推動下,于2018年10月25日開通了城市軌道交通一號線北段(國際機場站—八樓站)的試運營。烏魯木齊市軌道交通與BRT(快速公交)、常規(guī)公交形成的城市公共交通系統,不僅可以有效緩解烏魯木齊市因歷史和地勢等原因帶來的南北縱橫狹長、主城區(qū)中部蜂腰瓶頸造成的交通擁堵問題,提高道路通行效率,還可以引導城市空間發(fā)展方向,優(yōu)化周邊土地利用效率,帶動沿線經濟發(fā)展,尤其是城市軌道交通會對沿線住宅帶來顯著的增值效益,更能從實證過程中把握其增值幅度。
關于城市軌道交通對沿線住宅價格的增值效益研究,國內外學者通過實證分析展開了深入的探討。如DAVID等[1]在研究美國亞特蘭大城市軌道交通時指出,在軌道交通沿線0.25英里范圍內的住宅價格會下降2.4%,在0.5英里范圍內的住宅價格會上升3.1%,在2英里范圍內的住宅價格會上升7.7%,在3英里范圍內的住宅價格會上升6.6%。CHANG等[2]在關于韓國首爾城市軌道交通5號線的研究中指出,周邊住宅價格的增值幅度在軌道交通規(guī)劃期至開通后,由2.6%增加至13.0%。KIHWAN等[3]研究指出,城市軌道交通與住宅價格共同作用產生的增值效益是伴隨著距離而變化的,變化趨勢以倒“U”型的狀態(tài)表現,即增值效益先隨著住宅與城市軌道距離的增大而增加,上升到最大后再逐步下降。路剛[4]在對北京軌道交通豐臺南路站1 000 m范圍內住宅價格的研究中指出,房價與城市軌道交通距離表現為負相關,600 m范圍內負相關表現不顯著。王廣飛等[5]在對天津市城市軌道交通一號線沿線2 000 m范圍內的住宅價格進行定量分析時,選用特征價格模型進行分析,認為2 000 m內住宅小區(qū)平均增值5.02%。王云等[6]在對武漢城市軌道交通研究中認為,城市軌道交通對沿線住宅價格的影響范圍是隨著站點距離的增大而增加,而其帶來的住宅價格增值空間隨著與城市中心距離的增大而增加。王洪衛(wèi)等[7]從市郊差異性角度對上海城市軌道交通11號線進行研究,發(fā)現位于郊區(qū)的站點對沿線住宅價格影響的范圍和幅度都大于位于市區(qū)的站點,并且0~300 m范圍具有最佳正效應,而300~1 200 m范圍呈現負效應,大于1 200 m出現回升。況偉大等[8]指出住宅價格的空間分布影響表現為以站點為中心、由市中心向外波動衰減的特點,城市軌道交通的開通使線路遠端站點周邊房價的增長率大于近端站點。于寧等[9]對福州城市軌道交通沿線住宅價格進行了增值預測,指出住宅價格隨著與城市中心距離的增加而增值。
綜上,國內外學者多從城市軌道交通對住宅價格的影響范圍和增幅角度出發(fā),在區(qū)域異質性影響作用的問題上也多在探討城市中心和郊區(qū)的區(qū)別。因此,筆者基于Hedonic模型,對剛開通試運營的烏魯木齊市軌道交通一號線沿線站點2 000 m范圍內二手住宅小區(qū)價格增值效益進行實證分析,試圖探討城市軌道交通經過的4個行政區(qū)的不同區(qū)域職能對住宅價格波動的異質性影響作用,以期為政府部門城市規(guī)劃提供依據,同時為購房者及房地產開發(fā)商提供參考意見。
烏魯木齊市軌道交通一號線是烏魯木齊市建設及運營的第一條城市軌道交通線路。烏魯木齊市軌道交通一號線北端起點為新市區(qū)的國際機場站,南端直至天山區(qū)的三屯碑站,線路總長約為27.6 km,成為串聯北部新市區(qū)核心區(qū)和南部老城區(qū)核心商業(yè)區(qū)的交通骨干線,以全線地下方式經過烏魯木齊市4個中心城區(qū),分別為新市區(qū)、沙依巴克區(qū)、水磨溝區(qū)、天山區(qū),沿線共設有21個站點,站點分布如圖1所示。該工程自2014年3月20日開始動工,2018年10月25日北段(國際機場站—八樓站)開始投入試運營。為研究烏魯木齊市軌道交通一號線對沿線不同區(qū)域及范圍的影響效應,筆者在綜合分析沿線站點2 000 m范圍內小區(qū)樣本數據的基礎上,對沿線經過的4個中心城區(qū)進行比較分析,探討其在住宅價格影響中存在的異質性。
圖1 烏魯木齊城市軌道交通一號線站點分布
筆者使用的數據均來自于房產交易信息門戶網站,如安居客、房天下、搜房網等。通過百度地圖,定位烏魯木齊市軌道交通一號線沿線的21個站點,搜索站點周圍2 000 m范圍內所有小區(qū),并在安居客、房天下及搜房網綜合搜集樣本小區(qū)信息。鑒于二手房市場的規(guī)模龐大、交易活躍、信息易獲取,剔除高檔住宅和經濟適用房,共篩選出463個二手房小區(qū),通過實地走訪調研,剔除與普通住宅小區(qū)價格差距較大的高檔住宅和房齡較大住宅,最后得到有效數據407個,其中新市區(qū)155個、沙依巴克區(qū)90個、水磨溝區(qū)78個、天山區(qū)84個,樣本數據描述如表1所示。然后,使用百度地圖抓取樣本小區(qū)周邊的基本地理交通數據,測量并統計所需距離數據。筆者試圖探討的是城市軌道交通對住宅價格的影響在行政區(qū)域表現出的異質性,因此使用截面數據即二手房住宅小區(qū)的均價,而烏魯木齊市軌道交通一號線在2018年10月25日開通北段試運營,故10月份的房價能更顯著地將城市軌道交通運營初始沿線住宅價格的情況反映出來。
表1 樣本住宅價格描述
Hedonic(特征價格)模型在房地產市場領域應用最為廣泛,該模型以假定商品具有異質性及隱性價格為前提條件,將商品的價格作為因變量,自變量為商品的各特征,商品的價格由諸多隱含價格構成[10]。特征價格模型包括線性模型、對數模型和半對數模型3種函數形式,筆者研究中則采用能反映出邊際效用遞減規(guī)律的半對數模型:
lnP=α0+∑αiCi+ε
(1)
式中:P為住宅小區(qū)均價;α0為常數項;αi為住宅小區(qū)i各特征變量的特征價格;Ci為特征變量;ε為誤差項。
影響住宅價格的因素較多,筆者在參考國內外學者研究基礎上,結合研究區(qū)域的實際情況,選取了建筑特征(S)、區(qū)位特征(L)、鄰里特征(N)3個特征類型、13個特征變量,特征變量的選取與說明如表2所示。
模型中各變量回歸系數如表3所示,在回歸模型自變量共線性檢驗中,容差值均在0~1之間,方差膨脹因子VIF的值也都小于10,說明模型中各自變量之間不存在共線性問題。另外,由回歸結果可知,13個特征變量中只有8個變量進入了模型方程,即只有8個自變量。sig<0.05,R2為0.861 8,調整后R2為0.857 2,說明該模型函數擬合度較好。
(1)進入模型的建筑特征(S)變量為B-Type、B-age、Far,回歸系數分別為-0.019 8、-0.010 3、-0.011 1。其中,住宅小區(qū)的建筑類型與住宅價格成反比,樣本數據中多層住宅的均價普遍低于高層建筑,但從模型分析結果來看,多層住宅對住宅價格的增值效益要高于高層建筑。在其他條件不變的情況下,建筑年齡與住宅價格成反比,即建筑年齡越低,房價就越高,建筑年齡低的住宅小區(qū),在環(huán)境、物業(yè)、停車位等方面都優(yōu)于建筑年齡高的住宅小區(qū)。住宅小區(qū)的容積率與住宅價格成反比,即容積率越低,住宅價格越高,容積率為住宅小區(qū)的總建筑面積與總用地面積的比率,容積率越低建筑密度就越低,對住宅小區(qū)居民來說舒適度就越高,多層住宅的容積率在1.2~2.0之間,小高層住宅的容積率在2.0~3.0之間,高層住宅的容積率多在4.0以上。
表2 特征變量選取與說明
表3 模型各變量回歸結果
注:R=0.928 3,R2=0.861 8,調整R2=0.857 2
(2)進入模型的區(qū)位特征(L)變量為dUM、dDSZ,回歸系數分別為-0.070 8、-0.030 0。其中,住宅小區(qū)距最近站點的距離與住宅價格成反比,即住宅小區(qū)距離站點越近,住宅價格越高,距站點的距離決定著住宅小區(qū)的交通便捷程度,是購買住宅的決定性因素。住宅小區(qū)距離市中心“大十字”的距離與住宅價格成反比,即住宅小區(qū)距離市中心越近,住宅價格越高,與市中心的距離決定著住宅小區(qū)周圍的生活便利程度和配套的基礎設施狀況。另外,商業(yè)貿易活躍與用地緊張也是臨近市中心地價及房價增值顯著的客觀原因。
(3)進入模型的鄰里特征(N)變量有School、Bank、Park,回歸系數分別為0.013 6、0.009 8、0.010 1。其中,銀行在鄰里特征中表現為住宅小區(qū)周邊金融商業(yè)的發(fā)展程度,銀行的數目與住宅價格成正比,即住宅小區(qū)周圍銀行越多,房價越高,但其回歸系數和增值幅度較小。學校和公園數目都與住宅價格成正比,學校特別是幼兒園、小學和中學,作為教育配套設施在小區(qū)周邊環(huán)境是剛性需求,其必然會給住宅價格帶來正的外部效應。公園作為宜人綠地,增加居民開放的公共活動空間,在提高居民生活水平和質量上越來越具有重要作用。
烏魯木齊市軌道交通一號線經過的4個行政區(qū)屬于烏魯木齊市的中心城區(qū),其中沙依巴克區(qū)、水磨溝區(qū)、天山區(qū)為南部老城區(qū),新市區(qū)在烏魯木齊市總體規(guī)劃推動下已成為北部核心區(qū),一號線沿線設立的21個站點在各行政區(qū)都有分布。故筆者以行政區(qū)為依據對研究數據分類,對4個行政區(qū)域的住宅小區(qū)價格進行對比分析,4個行政區(qū)各變量的回歸結果如表4所示。
(1)新市區(qū)內住宅小區(qū)進入模型(即自變量sig<0.05)的特征變量分別是dUM、dDSZ、Shopping、Bank。在政策引導和規(guī)劃下,老城區(qū)的生活和居住職能逐漸向新市區(qū)轉移,但就業(yè)崗位多集中在新市區(qū)鐵路局商圈、南部老城區(qū)友好商圈、大小十字商圈,這就決定了大量客流往返于中心城區(qū)之間,居民出行通勤對公共交通依賴性較大,快捷舒適的城軌一號線成為交通需求的主客流走廊,在對沿線住宅價格影響方面表現為:住宅小區(qū)距最近站點的距離與住宅價格成反比,其對房價的影響系數為-0.060 3;距市中心距離與住宅價格成反比,且其對房價的影響系數為-0.026 5。住宅小區(qū)1 000 m范圍內商場、超市帶來的增值效益為3.44%,其顯著性sig=0.007 6,住宅小區(qū)1 000 m范圍內銀行帶來的增值效益為0.67%。這主要是因為新市區(qū)為烏魯木齊城市空間“雙中心”中的北副中心,是發(fā)展高新技術產業(yè)的科技區(qū),欠缺城市配套基礎服務設施。
表4 行政區(qū)各變量回歸結果
(2)水磨溝區(qū)住宅小區(qū)進入模型(即自變量sig<0.05)的特征變量分別是B-Type、B-age、dUM、Park。水磨溝區(qū)作為老城區(qū)之一,與其他城區(qū)相比,公園這一特征變量顯著性較強(sig=0.006 2),公園對住宅價格的增值效益為9.64%,主要因為水磨溝公園風景旅游區(qū)、紅山公園及南湖市民廣場位于水磨溝區(qū),且都坐落在軌道交通一號線3 000 m范圍內。住宅小區(qū)建筑類型和建筑年齡對住宅價格的增值效益分別為1.38%和1.29%。這是因為水磨溝區(qū)除了擁有倉儲和物流職能以外,其在生活居住、休閑商貿職能方面也較為突出,在老城區(qū)和棚戶區(qū)改造規(guī)劃內的水磨溝區(qū),其住宅小區(qū)的建筑類型和年齡較為多樣。
(3)沙依巴克區(qū)住宅小區(qū)進入模型(即自變量sig<0.05)的特征變量分別為B-age、Green、dUM、Bus、Medical。由于沙依巴克區(qū)是以商業(yè)貿易主導、居住為主體、醫(yī)療衛(wèi)生綜合集聚的核心城區(qū),相較于其他3個行政區(qū),只有沙依巴克區(qū)的回歸分析結果中,醫(yī)療作為影響住宅小區(qū)價格特征變量進入了模型,且增值效益為1.52%。沙依巴克區(qū)老城區(qū)周邊舊城改造面積大,老舊住宅區(qū)分布零散且居多,其中建筑年齡對住宅價格的增值效益雖然只有0.99%,但其顯著性較高(sig=0.002 5)。由于老城區(qū)人口密度和住宅密度的不斷增加,故在影響住宅價格的特征變量中,住宅小區(qū)綠化的增值效益較高,為9.26%。此外,沙依巴克區(qū)作為核心城區(qū),內部路網密集,比起城市軌道交通,常規(guī)交通工具和快速公交(BRT)才是城區(qū)客流最大的交通主體,其對住宅價格的增值效益為3.63%。
(4)天山區(qū)住宅小區(qū)進入模型(即自變量sig<0.05)的特征變量分別是Green、dUM、Bank。天山區(qū)職能更多表現在公共服務和商務辦公方面,且是商貿、行政、教育等職能和用地集聚重疊的綜合服務中心,也是容積率過大的老城區(qū),出于對生活居住環(huán)境的偏好,影響住宅價格顯著性突出的是住宅小區(qū)綠化(sig=0.037 5),其對住宅價格的增值效益為5.36%。商業(yè)金融在天山區(qū)核心區(qū)域主要職能作用顯著,銀行作為鄰里特征變量,對住宅價格的增值效益為0.53%。
綜上可知:①在影響軌道交通沿線住宅小區(qū)價格的變量中,建筑類型、建筑年齡、容積率、距最近站點距離、距市中心“大十字”的距離、銀行、公園這7個特征變量對住宅價格影響顯著。②針對軌道交通經過的4個行政區(qū)沿線住宅價格增值效益的實證分析顯示,住宅小區(qū)距最近站點距離對住宅價格的增值效益表現為:新市區(qū)6.03%,水磨溝區(qū)3.33%,沙依巴克區(qū)1.69%,天山區(qū)1.09%。
研究結果中軌道交通對沿線住宅價格影響因子普遍較小的原因有:①烏魯木齊市軌道交通一號線還未全線開通運營。②新市區(qū)中軌道交通北端起點,地窩堡國際機場站是對外交通的大客流設施,除了日常通勤客流,機場集散客流也是軌道交通一號線的服務對象。隨著老城區(qū)舊城改造和棚戶拆遷,城市規(guī)劃改變城市空間和布局,城區(qū)職能優(yōu)化聯動和公共設施配套完善,以及烏魯木齊市軌道交通一號線全線開通,影響城市軌道交通沿線住宅價格的特征變量及其影響程度會有所變化。
筆者采用了SPSS軟件和Hedonic(特征價格)模型計量分析方法,對烏魯木齊市軌道交通一號線沿線房價影響進行分析。通過建立Hedonic(特征價格)模型,利用半對數函數對烏魯木齊市軌道交通一號線沿線2 000 m范圍內的住宅小區(qū)樣本截面數據進行增值效益的實證分析,得出以下結論:
(1)軌道交通對住宅價格影響最顯著,住宅小區(qū)距最近站點的距離與住宅價格成反比,即在2 000 m范圍內,住宅小區(qū)距站點越近,住宅價格越高。距軌道交通站點距離對住宅價格影響因子系數為-0.070 8,即住宅小區(qū)每接近軌道站點1 000 m,住宅小區(qū)單價上漲7.08%。
(2)烏魯木齊市軌道交通一號線對其經過的4個行政區(qū)住宅價格的增值效益,呈現出由城市南部向北部遞減趨勢,即增值效益在中心城區(qū)內由新城區(qū)向核心城區(qū)的老城區(qū)遞減,行政區(qū)域間存在異質性。
因此,政府部門在掌握城市軌道交通對沿線房價影響效益的基礎上,應將城市軌道交通與城市規(guī)劃高效結合,合理規(guī)劃城市軌道交通沿線土地用途,促進城市資源優(yōu)化配置。同時,房地產開發(fā)商在進行房地產項目選址與開發(fā)時,除充分考慮建筑特征對房價的影響之外,還應考慮區(qū)位特征中城市軌道交通對房價的顯著增值效益。城市軌道交通對沿線房價的影響,對購房者進行房產購買或投資也具有一定的參考價值。