軌道交通對辦公樓溢價效應的空間分異特征
——以武漢市地鐵2號線為例

徐 濤

陳煒良

陶 姣

交通基礎設施通過改變特定地段或地區的可達性，影響土地價值、用地功能和城市空間結構[1]。城市政府推進軌道交通建設，可能引發沿線房地產價格的提升，形成積極溢價效應，反映出軌道交通、城市空間及市場行為的交互規律。過去30多年，歐美城市軌道交通溢價效應研究積累了豐富的成果。研究內容覆蓋軌道交通對不同類型住宅價格影響[2-5]，以及對商業零售、商務辦公、工業等房地產溢價效應[6-8]。研究方法上，學者注重利用空間經濟學模型、地理加權回歸模型、雙重差分模型等方法矯正空間自相關現象，獲得擬合度更優的評估結果。中國城市軌道交通溢價效應研究，多利用特征價格模型分析居住用地或住宅售價、租金所受溢價影響[9-12]，對商務辦公地產鮮有分析，對溢價效應的空間分異現象也缺少細致探究。本文引入空間經濟學模型，精確評估武漢市軌道交通2號線對商務辦公樓溢價效應在空間范圍、影響強度的空間分異特征，探討空間環境要素對辦公樓租賃市場的驅動作用，為軌道交通站點地區規劃管理提供實證依據。

1 方法與數據

1.1 研究方法

特征價格模型被廣泛應用于軌道交通溢價效應評估，但該方法存在統計技術缺陷，如未能矯正空間數據自相關現象和非隨機分布誤差等[13]。溢價效應評估中，房地產之間的價格影響、市場供需不平衡、樣本特征要素不全面均會導致分析結果不準確，甚至出現嚴重偏差[14]。學者推薦使用空間滯后模型（Spatial Autoregressive Model，簡稱SAR模型）、空間誤差模型（Spatial Autoregressive in Error Term Model，簡稱SEM模型）和空間杜賓模型（Spatial Durbin Model，簡稱SDM模型）等，矯正房地產空間自相關現象的影響，提高評估結果精度[15]。SAR模型引入空間滯后變量，剔除樣本之間的空間相關性影響。SEM模型則通過引入空間誤差變量來消除空間樣本數據誤差。

本文引入SAR模型（公式1）和SEM模型（公式2）評估溢價效應，通過控制住房結構、鄰里環境、區位特征等因素以及空間自相關效應的作用，抽離出公共交通對周邊房地產價格影響的準確指數。研究采用半對數形式模型，房地產各特征要素對其價值的影響以百分數的形式量化。

其中：

Pi：第i個房地產單元的租賃價格（元/m2）；

xki：第i個房地產單元第k個特征變量值；

di：第i個房地產單元距離最近軌道站點的距離（m）；

ρ：空間自相關系數；

λ：空間誤差變量；

w：空間權重矩陣；

α0，αk，β：影響系數；

εi：隨機誤差。

利用SAR模型、SEM模型進行軌道交通溢價效應分析，需要解決下述技術要點。其一，通過計算Moran's I指數，判定樣本之間是否存在空間自相關現象；通過拉格朗日檢驗，可判定樣本間空間自相關是空間滯后現象還是空間誤差現象造成，有助于輔助模型的選擇。其三，通常利用領域法、固定相鄰樣本法和距離閾值法等構建空間權重矩陣，構建空間權重矩陣（Spatial weight matrix）[16-17]。最后，矯正多重共線性現象（Multicollinearity）①，優化模型。考慮上述技術要點，研究先界定武漢市軌道公共交通線路對辦公樓溢價效應的空間范圍，再分析軌道交通對辦公樓受溢價效應強度指數的空間差異，技術路線如圖1。

1.2 研究對象

近年來，武漢軌道交通快速發展，至2018年12月，運營線路共有11條。研究選取武漢市地鐵2號線（簡稱“2號線”）為實證對象。2012年底，2號線一期工程建成運營，里程長27.7km。2016年，2號線向北延伸直通天河機場。2019年，2號線南延線開始運營，服務東湖高新技術開發區。2號線串聯了武漢市中山公園、武昌中南路等中心區，東湖高新等產業區，以及常青花園等居住組團，是城市

表1 辦公單元樣本描述性統計

圖1 溢價效應分析技術路線

表2 基于不同空間權重矩陣的辦公樓空間相關性檢驗

表3 2號線對辦公樓溢價效應影響范圍分析（SAR模型）

空間的重要發展廊道。考慮2號線南北延長線運營時間短、沿線商務辦公用地占規模小，本研究選取商務辦公功能集聚的一期工程21個站點為研究對象（圖2），分析軌道交通對辦公樓溢價效應。

1.3 數據來源

構建SAR或SEM模型分析溢價效應，宜將可能對房產價格產生影響的各種因素轉化為特征變量，控制其作用。本文模型納入三組特征變量數據。第一組變量描述辦公樓的結構特征，包括：辦公單元面積，辦公樓層數，建筑功能混合情況、裝修情況等。第二組變量描述辦公樓的區位特征，包括：辦公單元距離城市中心、副中心、長江的直線距離，辦公樓距離軌道交通站點、城市主干道等的路網距離。第三組變量描述辦公樓周邊環境特征，包括：公共服務設施、大型商業設施的路網可達性，常規公交線路數量等。辦公樓單元租金和特征變量數據來源如下。

（1）辦公樓單元租金及結構特征變量

其一，通過抓取搜房網公布的武漢市辦公樓租賃掛牌數據，包括辦公單元租金和面積、樓層、裝修特征等信息。其二，組織城鄉規劃專業學生開展面訪式問卷調查，收集辦公單元租金及特征因素信息。通過對網絡數據和問卷調查數據進行參數檢驗，驗證樣本數據有效。

（2）武漢市基礎地理信息數據和百度地圖數據

研究根據地址信息將樣本錄入武漢市地理信息數據庫，利用ArcGIS10.0量測對樣本到城市中心、長江東湖的直線距離，量測樣本距離軌道交通站點、主干路、大型商業設施、公共服務設施、公園綠地的路網距離。研究利用百度地圖數據抓取樣本周邊公交線網信息。

研究收集到武漢市地鐵2 號線周邊2000m范圍內1120個辦公樓單元租賃信息，整理后獲取實驗分析樣本782個，空間分布如圖2，描述性統計如表1。

2 分析結果

2.1 空間自相關檢驗及模型選擇

研究利用距離閾值法建立7個空間權重矩陣，開展空間相關性檢驗，相關指數如表2。當距離閾值取1500m時，Moran's I指數最高，具有顯著度，說明單個樣本租金受到和周邊1500m范圍內辦公樓價格的顯著影響，即具有空間相關性。LM-lag和RLM-lag 指標值均顯著高于LM-error和RLM-error指標值，說明辦公樓樣本間租金主要存在空間滯后性現象，SAR模型更為適用。

研究利用對辦公樓價格產生影響的30個特征價格變量，建立HPM模型、SAR模型和SEM模型，并開展多元共線性檢驗。建模過程中，剔除了顯著度過低的特征變量和方差膨脹因子大于3的變量，矯正多元共線性問題，獲得包括21個特征變量的模型。統計結果表明，SAR模型的擬合度指標R2（0.491）和赤池準則指數（AIC =-1196.98）均優于HPM模型 （0.471，-1140.48）和 SEM 模型（0.478，-1169.42），說明糾正多元共線性問題和空間自相關現象的SAR模型擬合度更高。因此，研究采用基于1500m距離閾值空間權重的SAR模型展開后續分析。

2.2 軌道交通對辦公樓溢價效應

研究將武漢地鐵2號線站點分為城市中心站點和非中心站點兩類，分析軌道交通對辦公樓溢價效應在城市空間尺度的分異特征。城市中心站點包括臨近王家墩CBD的王家墩東站、青年路站，服務中山公園—江漢路中心區的中山公園站、循禮門站和江漢路站，洪山廣場—中南路中心區的兩個站點，以及光谷副中心的光谷站，其他站點為非中心站點。

（1）軌道交通溢價效應影響范圍

研究建模分析地鐵2號線對辦公樓溢價效應的影響范圍。根據辦公樓樣本距離軌道交通站點的路網距離，研究以100m為界限劃分不同圈層，建立二元變量表示樣本所屬圈層，引入SAR模型，得到分析結果如表3。從整條線路來看，武漢地鐵2號線對站點周邊600m范圍辦公樓具有積極溢價影響，且在城市中心和非中心地區呈現顯著差異性。在城市中心區，軌道交通站點對辦公樓溢價積極影響范圍擴展至700m；非中心地區站點溢價影響范圍局限于緊鄰站點的200m范圍。

（2）軌道交通溢價效應影響強度

確定溢價影響范圍后，進一步分析軌道交通2號線各區位站點對辦公樓租金溢價影響強度圈層變化，結果如表4。從整條線路來看，2號線對站點周邊600m范圍辦公樓平均溢價指數為7.32%。影響范圍內，0～100m圈層回歸系數最高（0.0954），即辦公單元租金因緊臨軌道交通站上漲9.54%，自該圈層向外指數呈現緩慢下降的趨勢。其中，受樣本空間分布不均勻影響，200～300m圈層回歸系數不顯著。

表4 地鐵2號線對辦公樓租金溢價效應指數（SAR模型）

在城市不同區位，溢價效應強度具有差異性。在城市中心區，軌道交通對700m范圍內辦公樓產生了強烈的積極溢價效應，強度指數自站點向外呈階梯狀下降。0～200m范圍，溢價指數超過12%；200～300m圈層辦公樓租金漲幅略低，可能受到樣本數量和空間分布影響；300～600m三個圈層，溢價指數由11.10%緩慢減小至10.52%；在影響范圍最外圍，溢價指數降低至6.25%，再向外衰退為不顯著。在城市非中心區，軌道交通站點帶來站點周邊0～100m圈層內辦公單元租金增長11.80%，10 0 ～2 0 0 m 圈層內辦公樓租金漲幅降至8.60%。非中心區站點溢價效應影響范圍與強度均低于城市中心的站點地區。

（3）空間環境要素對辦公樓價值影響

SAR模型表明，建筑結構特征、空間環境要素對辦公樓租金具有影響。

其一，在城市中心區，建筑總層數影響系數為正（0.45%），當辦公單元位于建筑較高樓層時，租金上漲4.05%，說明在城市中心區具有一定地標作用的高層辦公樓更受市場偏好。在城市非中心區，建筑層數和辦公單元樓層無顯著影響，而公園綠地可達性具有顯著的積極影響（6.92%），可推測在非中心區企業更加偏好環境品質高的辦公園區。

其二，土地功能混合特征的影響也具有空間差異性。在城市中心區，辦公樓步行范圍內建設有大型購物中心、文化體育設施，有助于提高辦公單元的租金，醫療設施和綠地無顯著影響。在非城市中心區，便利的商業設施能帶動辦公樓價值提升，而臨近大型醫院可能損害辦公單元租金。建筑內部功能混合方面，居住和辦公混合的綜合體中，辦公單元租金會大幅調低，中心區和非中心區降幅分別達21.81%和15.94%。空間權重矩陣（W_lgP）回歸系數為正值，說明周邊辦公單元租金與周邊同類房產具有正相關性，在城市中心區辦公樓租金所受積極影響尤為顯著，證明商務辦公功能具有較強的集聚效應。

其三，區位特征對辦公樓價格具有顯著的影響。辦公樓距城市主中心和次中心直線距離每增加100m，租金可能下降0.13%和0.20%。各個商圈中，中山公園商圈、洪山廣場—中南路商圈，是漢口和武昌傳統的中心區，集聚了大量的企業總部和政府單位，辦公樓租金比非城市商圈內辦公樓高8.42%～12.92%。漢正街商圈為漢口傳統的商品批發市場，交通條件和空間品質較差，其內的商務辦公樓租金反而降低。長江作為武漢市重要的景觀資源，對辦公樓租金具有積極影響，臨江辦公樓租金會比非臨江產業租金提高15%以上。

3 結論及啟示

3.1 研究結論

論文構建空間滯后模型，發現武漢市軌道交通2號線對周邊辦公樓租金溢價效應的空間分異現象，主要結論如下。

①商務辦公樓價值存在顯著的空間自相關效應，利用空間自相關檢驗技術方法，輔助選擇SAR和SEM等模型，矯正空間自相關現象對房地產價格的影響，有助于提高溢價效應評估精度。

②軌道交通對沿線的辦公樓產生積極的溢價效應，其影響范圍和強度在城市不同區位具有空間分異特征。在城市中心區，溢價效應影響范圍擴展至站點周邊700m路網距離，且強度下降趨勢較為平緩，辦公樓租金因臨近軌道交通平均增幅超過10%；在城市非中心區，溢價效應局限于站點周邊200m范圍，漲幅自站點向外迅速下降。

③辦公樓周邊空間環境特征對租金具有一定影響。在城市中心區，企業偏好商務辦公功能集聚、商業服務業發達、文化體育設施配套完善的商務辦公區，且愿意為高層辦公單元支付更多租金。在非城市中心區商業服務設施便利、空間環境優美的辦公園區，更受市場青睞。建筑內部居住和辦公功能混合，不利于提升辦公樓價值。

3.2 規劃啟示

研究結果可為我國城市軌道交通周邊地區規劃建設提供如下啟示。

①城市軌道交通沿線用地規劃中，根據站點區位差異化調控商務辦公區開發。在城市中心區，宜引導商務辦公功能在軌道交通站點周邊700m范圍內集聚發展，適當提高用地開發強度。在城市外圍，適宜在緊鄰站點地區規劃低密度的商務辦公園區，通過商業服務設施配套、空間環境品質提升、步行環境優化等措施，提高市場吸引力。

②軌道交通站點地區，開展精細化的TOD設計。其一，我國TOD規劃中，常采用400～800m的空間范圍。本研究表明，商務辦公中心規劃范圍不宜超過軌道交通站點600m步行距離。其二，功能混合方面，在城市中心站點地區宜推進商業、辦公、公共服務設施混合，在建筑內不宜混雜商務辦公、居住功能，以獲取更高的經濟效益。其三，交通組織方面，溢價效應影響范圍應考慮實際路網距離，通過提高路網密度、改善步行系統結構，提高站點和周邊地區土地的步行可達性，擴大軌道交通積極溢價效應的影響范圍。

資料來源：

文中圖表均為作者自繪。

注釋

① 多重共線性（Multicollinearity）是指線性回歸模型中的解釋變量之間由于存在精確相關關系或高度相關關系而使模型估計失真或難以估計準確。