基于網絡大數據的城市軌道交通時空溢價效應研究

崔 娜 娜，夏 海 山*，張 純，古 恒 宇

(1.北京交通大學建筑與藝術學院，北京 100044；2.香港中文大學地理與資源管理學系，香港 999077)

0 引言

伴隨中國經濟快速發展和城鎮化進程推進，大量人口向大城市集聚，引發各種“大城市病”，其中最典型的就是交通擁堵問題。城市軌道交通運量大、準時性高、速度快、舒適度高、安全性好，顯著節省了通勤成本和時間，已成為大城市緩解交通擁堵的重要公共交通方式。當前，我國軌道交通建設進入大發展時期，截至2020年底，我國內地累計44個城市開通城市軌道交通運行，運營線路總長度7 545.5 km，車站4 660座。城市軌道交通促進周邊土地和房地產價值增加(即溢價)[1]，如何推進土地和房地產價值的溢價回收，進而反饋軌道交通融資日益重要[2]，而科學測度城市軌道交通的時空溢價，是合理制定溢價回收政策的重要基礎[3，4]。

學者們從“空間效應”和“時間效應”兩個層面對軌道交通的溢價進行深入探討。“空間效應”層面，城市軌道交通站點對周邊地區具有可達性正向影響[5-8]及噪聲等負向影響[9，10]，但總體以正向影響為主，且溢價穩定在5%～20%[1]，影響范圍則因城市、地區不同而不同。國外研究認為軌道交通的影響范圍一般為距車站0.25～0.5 mile的合理步行區內[11-13]；國內研究對北京、上海等一線城市的影響范圍多選取2 000 m[6,7,14,15]，而對南京、長春、蘇州等非一線城市則選取1 500 m[5,16,17]，且多以500 m為間距對軌道交通的影響范圍進行分段劃分，可以很好地體現軌道交通對住宅價格的影響程度[18]。“時間效應”層面，軌道交通對住宅價格的影響期被劃分為規劃期、施工期和運營期3個階段[19]，由于數據獲取難度大，進行較長時間跟蹤分析的研究相對較少[20]，且已有實證研究多集中在施工期、運營期兩個階段[21,22]。

總體看，已有軌道交通的溢價研究重空間、輕時間，研究樣本量少、時間跨度短，預期效應及對軌道交通分段開通的溢價影響研究不足。近年來，大數據為城市精細化研究提供了新的地理數據源[23]，其真實、海量的優勢能提高研究的科學性和有效性[24]。基于此，本文利用網絡爬蟲獲取住宅交易大數據，以天津市地鐵6號線為例，采用直接比較法、特征價格模型(hedonic price model)測度城市軌道交通對沿線住宅價格的時空溢價效應。嘗試回答以下問題：1)不同影響范圍內，軌道交通對周邊住宅價格的空間溢價效應如何？空間溢價最高的影響區在何處？2)軌道交通對住宅價格的溢價是否具有超前性？施工期、運營期軌道交通的溢價效應如何？3)由于存在預期效應，對于分段開通的軌道交通線路，首次開通運營和全線開通運營的溢價程度有何差異？本研究將為公共交通導向開發(Transit-Oriented Development，TOD)模式下城市綜合開發和軌道交通的“溢價回收”策略提供決策支持。

1 研究區概況與數據來源

天津市是我國內地繼北京后第二座開通軌道交通的城市[25]，截至2019年底，共開通運營軌道交通線路6條，覆蓋11個市轄區，共設車站143座。其中，地鐵6號線是天津市第5條建成運營的軌道交通線路(圖1)，其于2011年3月29日開工建設，2016年8月6日開通運營一期工程首段(長虹公園站—南翠屏站)，2016年12月31日開通運營一期工程北段(南孫莊站—長虹公園站)，2018年4月26日開通運營一期工程南段(南翠屏站—梅林路站)。全線共設39座地鐵站(北運河站暫未開通)，連接天津西站、天津北站等重要區域性交通樞紐。本文研究區為天津市外環線內地鐵6號線站點周圍2 km半徑范圍。

圖1 天津市地鐵6號線及住宅價格空間分布Fig.1 Spatial distribution of Tianjin Metro Line 6 and the housing prices around it

研究數據包括：1)住宅成交數據，來自貝殼網(https://tj.ke.com/)，通過網絡爬蟲技術共搜集到2011-2019年天津市住宅交易數據117 885條，包含住宅交易樣本的戶型、朝向、樓層、電梯、建筑類型、成交時間、成交單價、車站距離、成交周期、交易權屬、經緯度等信息；在此基礎上，利用ArcGIS軟件提取研究區內的住宅交易樣本作為本文研究對象，剔除別墅、平房、共有產權房、缺失數據等，主要保留普通住宅，并刪除住宅成交單價前1%和后1%的異常值，最終得到22 137個住宅交易樣本。2)住宅小區均價數據，來自鏈家網(https://tj.lianjia.com/)，通過網絡爬蟲技術獲取2019年12月天津市6 620個住宅小區均價數據，該數據經Kriging空間插值后僅用于反映地鐵6號線周邊及全市住宅價格的空間分布現狀(圖1)。3)軌道交通站點數據，包含2019年12月天津市軌道交通站點數據、線路數據、站點施工時間、站點正式運營時間等。4)其他公共服務設施數據，包括公交站、大型商場、公園等矢量數據。

2 研究方法

2.1 直接比較法

直接比較法即對軌道交通沿線不同范圍內住宅價格直接比較分析，通過統計距軌道交通站點不同距離的平均房價，探討軌道交通對住宅價格的影響規律。軌道交通對周邊住宅價格的增值程度即為溢價率，溢價率=(影響區住宅價格-非影響區住宅價格)/非影響區住宅價格×100%。王霞等[26]、褚勁風等[27]、梅志雄等[19]分別以北京、上海、廣州為例，采用直接比較法探索了城市軌道交通對住宅價格的影響。直接比較法簡便，但在比較過程中不能剔除其他因素的影響，因而只能進行趨勢分析[28]。

2.2 特征價格模型

本文以住宅價格的對數ln(Price)為因變量，以軌道交通所在的影響區為自變量，同時控制其他變量，采用特征價格模型測度軌道交通對住宅價格的時空溢價。結合天津市地鐵6號線周邊住宅價格與住宅到軌道交通站點距離的探索性分析，本文選擇1 500 m作為天津市軌道交通對住宅價格的影響區，1 500～2 000 m為非影響區(參照組)。公式如下：

ln(Price)=α0+α1Subway500+α2Subway500～1 000+
α3Subway1 000～1 500+β1Y2012+β2Y2013+…+
β8Y2019+γX+ε

(1)

式中：Subway500、Subway500～1 000、Subway1 000～1 500為軌道交通影響區虛擬變量，分別表示住宅交易樣本是否位于軌道交通站點周邊500 m、500～1 000 m、1 000～1 500 m影響區內(是=1，否=0)；α0為常數項，α1、α2、α3為影響區虛擬變量的回歸系數；Y2012，Y2013，…，Y2019為時間虛擬變量(是=1，否=0)，主要測度只隨年份變化的因素對住宅價格的影響，并以2011年為參照組；β1，β2，…，β8為時間虛擬變量的回歸系數；X為控制變量，代表住宅的區位特征、鄰里特征和結構特征，如距最近商圈、最近公園、最近公交站的距離以及房屋朝向、是否有電梯等；γ為控制變量的回歸系數；ε為隨機誤差項。

3 實證分析

3.1 地鐵沿線住宅價格直接比較分析

3.1.1 影響區與非影響區住宅價格比較 由圖2可以看出：1)軌道交通對住宅價格的溢價具有超前效應，在施工期就已顯現，地鐵6號線影響區的住宅價格一直高于非影響區的住宅價格，漲幅為9.8%～19.4%。2)第一個正式開通運營年(2016年)軌道交通的溢價率達到最大(19.4%)，隨著軌道交通運營的推進，漲幅明顯回落；第二個開通運營年(2018年)軌道交通的溢價率只有9.3%，明顯低于第一個開通運營年的住宅溢價率。

圖2 地鐵6號線影響區與非影響區的住宅價格比較及溢價率Fig.2 Comparison of housing prices and premium rate between the affected and non-affected areas of Tianjin Metro Line 6

3.1.2 不同影響區的住宅價格比較 為進一步對比軌道交通對沿線住宅價格影響的空間差異，本文以500 m為間距，將地鐵6號線1 500 m影響范圍劃分為500 m、500～1 000 m和1 000～1 500 m 3個等級影響區。由圖3可知，除2012年以外，地鐵6號線500～1 000 m影響區的住宅價格及溢價率均高于其他影響區和非影響區，可見住宅價格高的小區多位于與軌道交通站點有一定距離但又在步行能接受的距離范圍內，既能避免軌道交通可能帶來的噪聲、環境臟亂等負影響，又能保證便捷的交通可達性。

圖3 地鐵6號線不同影響區的住宅價格及溢價率比較Fig.3 Comparison of housing prices and premium rates between different affected areas of Tianjin Metro Line 6

3.2 軌道交通對住宅價格影響的時空效應

3.2.1 空間溢價定量評估 以住宅價格的對數為被解釋變量，以虛擬變量和控制變量為解釋變量，利用Stata 14.0軟件進行特征價格模型的穩健性回歸，結果如表1所示。模型校正后R2為0.5014，F統計量為1 590.14，P值為0.000，在1%水平下顯著，說明模型擬合結果有效，可以解釋50.14%的住宅價格差異。由于本文重點關注軌道交通的空間溢價及時間趨勢，因此，表1僅列出軌道交通及時間變量的回歸系數、標準差、T統計量和P值。α1、α2、α3分別為0.113、0.159、0.116，且均在1%水平下顯著。可以看出，相對于非影響區，軌道交通影響區范圍內住宅價格與軌道交通存在顯著的正向關系，說明軌道交通對住宅價格有顯著的正向溢價，但隨著距軌道交通站點距離的增加，對住宅價格的溢價先升后降，即呈“倒U形”變化趨勢，在500～1 000 m影響區內溢價率達到最高。總體上，相對于非影響區，軌道交通站點周邊500 m、500～1 000 m、1 000～1 500 m及1 500 m外(非影響區)住宅價格的比值為P500∶P500～1 000∶P1 000～1 500∶P>1 500=e0.113∶e0.159∶e0.116∶e0=1.120∶1.172∶1.123∶1，軌道交通站點周邊500 m、500～1 000 m和1 000～1 500 m影響區對住宅價格的溢價分別為12%、17.2%和12.3%，溢價幅度最大的是距軌道交通站點500～1 000 m的區域，這與直接比較法結論一致。

表1 軌道交通對住宅價格溢價估計模型的統計參數Table 1 Statistical parameters of estimation model of housing price premium affected by rail transit

3.2.2 時空溢價定量評估 為進一步測度軌道交通對住宅價格溢價的時空效應，本文對2011-2019年逐年住宅交易樣本進行特征價格模型的估計，在控制其他變量的情況下，軌道交通施工期和運營期各影響區住宅價格的模型估計結果及溢價率如表2、表3所示。結果顯示：1)地鐵6號線開工建設的第一年(2011年)，相比非影響區，站點周邊500 m、500～1 000 m 及1 000～1 500 m影響區對住宅價格的溢價率分別為10.1%、16.2%和7.9%，再次印證了軌道交通的溢價在施工期就已顯現。2)地鐵6號線首個開通運營年(2016年)，站點周邊500 m、500～1 000 m及1 000～1 500 m 3個影響區的溢價率均達到峰值，分別為19.6%、22.4%和18.2%， 說明地鐵6號線周邊住宅價格對軌道交通線路開通運營這一“標志性”事件反應強烈。3)地鐵6號線全線開通運營年(2018年)的溢價效應明顯低于首個開通運營年的溢價效應，且此時500 m影響區溢價不顯著，500～1 000 m、1 000～1 500 m影響區的溢價率分別為10.1%、6.4%，遠低于2016年溢價率。這是由于地鐵施工建設期跨度較長，當其首次開通運營這一“標志性”事件過后，人們對其全線開通已有心理預期，因而對再次開通或全線開通的敏感程度會大大減弱。

表2 2011-2019年軌道交通對住宅價格影響估計模型的統計參數Table 2 Statistical parameters of estimation model of housing prices affected by rail transit in 2011-2019

表3 2011-2019年軌道交通對住宅價格影響的溢價率Table 3 Premium rates of housing prices affected by rail transit in 2011-2019

4 結論與討論

本文利用網絡爬蟲獲取2011-2019年天津市地鐵6號線各站點附近22 137個住宅交易樣本，分別采用直接比較法和特征價格模型測度了地鐵6號線對沿線住宅價格溢價的時空效應。主要結論如下：1)軌道交通對沿線住宅價格有顯著的正向溢價效應，隨著距站點距離的增加，溢價呈先升后降趨勢，距站點500～1 000 m影響區的溢價幅度最大，溢價率高達17.2%；2)軌道交通對住宅價格的影響在時間上具有超前效應，在施工期溢價就已顯現，且對開通運營這一“標志性”事件反應強烈，在首個開通運營年軌道交通溢價達到峰值；3)軌道交通全線開通運營的溢價效應明顯低于首個開通運營年的溢價效應。

本文研究樣本來源于網絡爬蟲的住宅交易大數據，該數據在樣本量覆蓋、時間連續性、精確性方面更具優勢，為精準化測度軌道交通的時空溢價提供了實時動態的數據源和新的研究視角。此外，本文針對軌道交通線路分段開通的現實問題，引入預期效應分析，發現全線開通運營的軌道交通溢價明顯低于首次開通運營時的溢價，這有別于以往對軌道交通線路開通前后溢價的籠統分析，研究成果可對二線城市TOD模式下城市綜合開發和軌道交通的“溢價回收”策略提供決策支持。本研究有待討論和完善之處在于：1)測度軌道交通的時空溢價時，如何有效剝離其他軌道交通線路的溢價影響，避免不同線路之間溢價的相互干擾；2)住宅價格存在一定的空間自相關效應，在時空效應的測度上，如何引入空間計量模型更精準測度軌道交通的時空溢價[29]，將是下一步的研究方向。