武漢市軌道交通對住宅價格影響的時空效應及 異質性分析
——基于網絡結構和規模視角

熊燕飛，張安錄，劉蒙罷

（華中農業大學公共管理學院，湖北 武漢 430070）

1 引言

改革開放以來，伴隨著中國經濟高速增長及城市化進程加快，城市過度依賴汽車而產生的交通擁堵、溫室氣體排放、空氣污染等城市發展問題日益凸顯，發展城市軌道交通已成為緩解這些問題，推動城市可持續發展的重要途徑[1-2]。目前，中國城市軌道交通建設已步入快速發展階段，2010—2021年，中國城市軌道交通運營線路從53條增加至275條，運營里程從1 471 km增長至8 735.6 km①。2019年9月，中共中央、國務院印發了《交通強國建設綱要》，提出到2035年，基本形成都市區1小時通勤、城市群2小時通達、全國主要城市3小時覆蓋的“全國123出行交通圈”。相較于公共汽車，城市軌道交通在速度、容量、舒適度以及環保方面具有相對優勢，可見未來中國對軌道交通建設的需求依舊強烈。然而，國內外經驗表明資金短缺和運營赤字已成為制約各國軌道交通發展的重要問題[3-5]。對此，國際上開始探索多元化、可持續的軌道交通投融資模式，其中包括捕獲軌道交通投資所帶來的土地價值增值的系列土地價值捕獲工具。因此，有必要全面深入了解軌道交通對住宅價格的影響，為土地價值捕獲工具的有效實施提供重要的決策依據。

20世紀70年代以來，關于軌道交通對住宅價格影響的研究不斷涌現，研究內容主要圍繞時空效應展開。在空間效應方面，學者們圍繞軌道交通對住宅價格影響的方向、強度、范圍展開研究。在影響方向上，大部分研究表明軌道交通的開通會對沿線住宅價格產生積極影響[6-8]，也有部分研究指出軌道交通對住宅價格的影響微弱[9]，甚至產生負外部性[10]。在影響強度上，不同國家和地區軌道交通資本化效應存在差異?？傮w而言，中國的資本化效應大概在5%～25%之間，略高于歐美等國家[11]。在影響范圍上，歐美學者一般將站點周圍 500～800 m視為影響范圍[12-14]，而中國、日本等亞洲學者一般取 1 500～2 000 m[15-17]。在時間效應方面，學者們多采用直接比較法[15,18]或者雙重差分方法[14,19]，探討規劃期、公示期、建設期和運營期等軌道交通全生命周期的不同階段對住宅價格影響的差異。大部分研究表明，軌道交通沿線的住宅價格在公示期就開始上漲[6,14,20]。

上述研究極大地豐富了人們關于軌道交通對住宅價格影響的認識，但仍存在可進一步拓展之處。在研究視角上，現有研究多以單條線路為研究對象，忽略了軌道交通的網絡化事實，基于網絡視角下軌道交通對住宅價格影響的研究有待開展。在研究內容上，一是現有研究大都把軌道交通站點看作是無差異站點展開研究，軌道交通站點差異對住宅價格影響的異質性尚缺乏深入探討；二是已有文獻大多關注軌道交通線路運營初期及以前不同生命周期階段對住宅價格影響的時間異質性，而忽略了處于運營期的軌道交通線路在后期軌道交通網絡規模擴大過程中資本化效應的時間異質性。

武漢市作為首批輕軌建設示范城市之一，自2004年第一條軌道交通線路開通以來，市內軌道交通形態經歷了從線到環再到網絡的演變，現如今已經進入網絡化穩步發展階段[21]，為本文提供了很好的研究條件。鑒于此，本文以武漢市軌道交通網絡為研究對象，基于軌道交通網絡結構視角，分析武漢市軌道交通站點網絡結構對住宅價格影響的空間效應及異質性，并基于軌道交通網絡規模視角，探究軌道交通資本化效應在軌道交通網絡規模擴大過程中的變化趨勢。

2 理論分析框架

在特征價格理論框架下，住宅價格由不同特征因素的隱含價格所決定的，各類特征因素及屬性的不同組合導致住宅價格存在異質性[22-24]。其中，軌道交通作為交通基礎設施，與人們日常出行緊密相關，已成為大部分購房者考慮的重要因素之一。軌道交通對住宅價格影響的作用機制主要有兩個方面：一方面軌道交通提高了城市內各地區間的可達性，降低了人們在空間上流動的時間成本，居民愿意為可達性的改善支付更高的租金，從而對住宅價格產生影響[25-26]；另一方面依靠可達性優勢吸引人口、經濟要素向其聚集，形成集聚效應，帶來更高密度的經濟社會活動，擴大有效需求，進而對沿線住宅產生影響[27-28]。

軌道交通并不是孤立存在的，而是由軌道交通站點為節點，站點間線路為邊組成的網絡，是非完全隨機下時間和空間維度演化的產物[29]。購房者在購買“地鐵房”時，不僅會考慮距離軌道交通的遠近，而且還會考慮從所鄰近的軌道交通站點出發，沿著軌道交通網絡走廊去其他地方的便利程度。對于軌道交通這類特征因素而言，軌道交通的網絡結構和網絡規模屬性不同，軌道對住宅價格的影響也會不同（圖1）。

圖1 分析框架圖Fig.1 Analytical framework

其一，網絡結構對住宅價格的影響。在軌道交通網絡中，軌道交通站點的度數中心性、中介中心性和接近中心性越強，說明該站點網絡可達性越高，即在相同的時間或者空間約束下，該站點附近的人能通過軌道交通網絡到達更多的場所或者有更多的機會接觸到社會經濟活動。此外該站點客流量往往較大，站點周邊開發潛力大，吸引經濟活動向其周邊集聚的能力強，集聚效應凸顯。但是，站點周邊集聚效應增強的同時，其會衍生交通擁堵、噪聲、空氣污染等負面影響，影響居民的身心健康，從而會削弱軌道交通對房價的積極影響。

其二，網絡規模對住宅價格的影響。軌道交通規模對住宅價格的影響可以分為局部效應和區域效應。局部效應表現為新線路的開通提高了周邊區域住宅的站點可接近性，縮短了住宅到最近地鐵站的接駁范圍，消費者愿意為接駁成本的下降而支付更高的地租。區域效應表現為新建線路雖然并沒有改變已有軌道交通服務住宅的站點可接近性，但是其通過全域可達性的提升，從而對已有軌道交通服務住宅的價格產生影響[30]。

3 研究設計

3.1 研究方法

3.1.1 軌道交通網絡結構測度

本文采用Space-L模型，將軌道交通站點抽象為節點，相鄰兩站點之間的區間抽象為邊，構建武漢市軌道交通無向網絡，并運用社會網絡分析中的度數中心性、中介中心性、接近中心性三個指標來衡量軌道交通站點的網絡可達性，測度方法見表1。

表1 軌道交通站點網絡結構測度指標Tab.1 Measurement index of rail transit station network structure

3.1.2 特征價格模型

特征價格模型（Hedonic Price Model, HPM）是分析住宅差異特征與住宅價格關系的常用模型，其能揭示住宅不同特征對住宅價格的影響方向和程度，在軌道交通和房地產價格關系的研究中受到廣泛運用[6,20]。其中，構建的特征價格模型常見形式包括線性形式、半對數形式和對數形式。通過比較三種形式模型回歸結果的擬合效果和顯著性，本文最終選取半對數函數形式建立模型。基準模型如下：

式（1）中：Pi為住宅小區i的單位面積價格；β0為常數項；xik為住宅小區i的第k個屬性；βk為第k個屬性的特征價格；εi為誤差項。

在研究空間效應時，為了分析軌道交通站點的網絡結構屬性與住宅價格、軌道交通資本化效應之間的關系，為此在式（1）中依次加入中心性指標及其與地鐵可達性變量的交互項，建立公式如下：

式（2）中：dmetro為住宅小區到最近地鐵站的距離；NS為住宅小區最近地鐵站的中心性指標；α1、α2和α3為待估參數。

在研究時間效應時，本文以武漢市早期開通的軌道交通線路為例，選取距最近地鐵站距離未變化的樣本，構建住宅價格面板數據，借鑒YEN等[14]和GUERRA等[33]的方法，將距離軌道交通站點800 m范圍外的住宅作為對照組，設置影響范圍虛擬變量，并在式（1）的基礎上引入影響范圍虛擬變量和時間虛擬變量的交互項，以此剔除經濟發展、房地產市場等隨時間變化的因素對結果的潛在影響，從而分析已有軌道交通服務的住宅價格在軌道交通網絡規模擴大過程中的變化趨勢。具體方程模型如下：

式（3）中：Pit為住宅小區i在t年的單位面積價格（t= 2013，2014，2015，…，2021）；dit為影響范圍虛擬變量，如果住宅小區在最近軌道交通站點800 m范圍內，則為1，否則為0；yearit為時間虛擬變量，被觀測值若為t年的單位面積價格則為1，否則為0；θt為待估參數。

3.2 研究區概況與研究對象確定

武漢市位于湖北省東部，下轄13個區，156個街道。截至2021年底，已建成運營軌道交通11條，總運營里程達435 km，車站總數達282座，線路覆蓋武漢各區。根據國內學者研究經驗[15-16]，本文將研究空間范圍界定為武漢市軌道交通沿線 2 km范圍內，研究時間范圍限定于2013—2021年，研究線路選擇方面，為避免當年新建線路運營期的資本化效應可能還未完全顯化，將當年10月以后開通的線路視為第二年開通，最終研究期間軌道交通線路的運營情況如圖2所示。

圖2 武漢市軌道交通及沿線住宅小區分布Fig.2 The distribution of residential areas along rail transit in Wuhan City

3.3 數據來源及說明

本文研究數據主要包括住宅小區均價數據、POI數據和軌道交通數據。（1）住宅小區均價數據，主要來源于安居客（https://wuhan.anjuke.com/），并根據鏈家網、房天下等其他房地產網站進行補充。經數據清洗后，最終得到武漢市5 783個住宅小區共35 443條數據（圖2）。（2）POI數據，主要來源于高德地圖開放平臺（https://lbs.amap.com/），主要包括公交站點、學校、公園、醫院、商場等數據。（3）軌道交通數據，主要來源于高德地圖開放平臺（https://lbs.amap.com/）。

在住宅價格的影響機制研究中，影響住宅價格的因素一般可以分為區位因素、鄰里因素和結構因素3類[34-36]。本文結合研究目的和研究對象，因變量為住宅小區單位面積均價，自變量選擇及變量描述見表2。為了避免通貨膨脹引起的價格波動，所有與價格因素相關的變量均通過房價指數修正處理。通過對基準模型（式（1））逐步回歸分析和多重共線性檢驗，剔除建筑年齡1個變量，保留其他變量。

表2 特征變量的選取及描述Tab.2 Selection and description of characteristic variables

4 結果分析

4.1 空間效應：網絡結構視角

4.1.1 度數中心性

（1）影響強度差異。軌道交通站點度數中心性回歸結果如表3所示。其中，模型（1）為基準模型，檢驗了軌道交通的資本化效應；模型（2）加入軌道交通站點的度數中心性變量，以此檢驗軌道交通站點度數中心性對住宅價格的影響；模型（3）加入度數中心性虛擬變量（表3），以常規非換乘站點為對照，進一步比較站點度數中心性對房價影響的異質性。模型檢驗表明，VIF值均小于2，模型不存在嚴重的多重共線性?；貧w系數的t檢驗表明，變量的估計系數在統計上具有顯著性，均通過0.01的顯著性水平檢驗。

表3 度數中心性回歸結果Tab.3 Regression results of point centrality

從模型（1）可以看出，在保持其他條件不變的情況下，小區與地鐵站距離每減少1 km，小區單位面積均價將上升9.1%，該結果在模型（2）、模型（3）中依舊穩健。基于模型（2）和模型（3）的回歸結果，可以得出三點結論：其一，軌道交通站點的度數中心性對房價有正向影響。其二，換乘站周邊的房價高于非換乘站，這與YANG等[31]和DAI等[32]的研究結果一致，換乘站比非換乘站具有更高的交通便利。其三，不同換乘站對住宅價格的影響存在異質性。具體而言，首末換乘站周邊住宅的溢價效應最大，其次為樞紐換乘站，最小的是普通換乘站，僅比常規非換乘站高出4.3%。究其原因，一是城郊居民對軌道交通的依賴性往往高于城區居民[31,37]，城郊居民愿意為鄰近換乘站支付更高的溢價；二是樞紐換乘站資源集聚的規模效應以及周邊土地供給不足，導致樞紐換乘站周邊的房價要大于普通換乘站。

就控制變量而言，在區位特征方面，CBD對住宅價格的積極影響與預期結果相符合，距離市中心越近，房價越高。在鄰里特征方面，整體來看，學校、公園和商場對住宅價格產生顯著的積極影響，醫院和公交站點數對房價存在負向影響。在我國實行劃片就近入學的背景下，教育資源資本化效應凸顯，學區房依舊是人們購房的重要考慮因素。公園作為典型的公共物品，其景觀、生態以及游憩價值推動了周邊住宅價格的上漲。商場作為人們日常生活、休閑娛樂的場所，對住宅價格產生積極影響。醫院病患集中，周邊人流量大，居民為了自身健康考慮，會傾向于選擇距離醫院較遠的小區生活，從而導致醫院周邊住宅價格較低。公交站點數量過多，會帶來交通擁堵或者噪音問題，從而對住宅價格產生負向影響。在結構特征方面，綠化率和物業費對房價有顯著的促進作用，這反映了居民對生活空間質量和安全的需求。值得注意，本文研究結果表明容積率越大的小區，房價越高。究其原因，武漢市政府節約集約利用土地管控力度大，城市空間緊湊發展，建成年份越新的住宅，層數和容積率越高，總體檔次要高于低層舊住宅[34]。

（2）影響范圍差異。表4分別報告了全樣本、非換乘站和換乘站對房價影響范圍的結果，主要可以得到三點結論。其一，武漢市軌道交通的最大影響范圍為1 400 m。其二，非換乘站對住宅影響的最大范圍為1 400 m，而換乘站對住宅影響的最大范圍為800 m。這是因為2021年武漢市換乘站周邊的站點密度較高。距離換乘站超過800 m以外的小區大多屬于其他換乘站或非換乘站的服務范圍。這也表明換乘站的影響范圍會隨著軌道交通網絡的發展而變化。其三，換乘站的資本化效應呈現先上升后衰減的趨勢，非換乘站的資本化效應隨著距離的增加逐漸減小。換乘站在200～400 m范圍內資本化效應最大，為6.9%（半彈性=exp（0.067）-1）；而非換乘站的資本化效應在0～200 m內最大，為18.5%（半彈性=exp（0.170）-1）。相較于非換乘站，換乘站周邊業態集聚效益會產生更多的交通擁堵、噪聲、空氣污染等負面影響，影響居民生活，從而會削弱軌道交通的資本化效應。

表4 影響范圍回歸結果Tab.4 Regression results of influence scope

4.1.2 中介中心性和接近中心性

站點中介中心性和接近中心性對軌道交通資本化效應影響的回歸結果如表5所示，主要可以得到兩點結論。

表5 中介中心性和接近中心性回歸結果Tab.5 Regression results of betweenness centrality and closeness centrality

其一，軌道交通站點的中介中心性和接近中心性與住宅價格具有顯著的正向關聯關系。模型（7）、模型（9）表明中介中心性、接近中心性每提高1個標準差，住宅小區均價將分別提高5.93%、23.88%。在武漢市軌道交通網絡中，站點接近中心性從三陽路、大智路、江漢路為核心，向外圍遞減，呈現中心—外圍結構；高中介中心性站點與武漢區域性商圈、商務中心疊合。站點的網絡結構特征是城市空間格局、城市形態在軌道交通網絡上的反映，軌道交通和城市土地利用的相互作用共同推升了住宅價格。

其二，站點中介中心性和接近中心性對軌道交通的資本化效應具有負向調節作用。站點中介中心性和接近中心性的提高會顯著弱化軌道交通對房價的影響。這是因為站點越趨于軌道交通網絡中心或城市區域中心，周邊居民職住距離更短，而且替代出行選擇更為多樣，軌道交通對房價的拉動作用有限。對于居住在軌道交通網絡外圍或者遠離城市區域中心的居民而言，職住通勤距離越長，越傾向于選擇軌道交通這類準時、舒適、安全的交通工具，居民愿意為鄰近軌道交通站點支付更高的溢價。

總體來看，站點的中介中心性和接近中心性對軌道交通資本化的影響具有一定的相似性。本質上，站點的中介中心性和接近中心性衡量的都是站點的“區位”。站點的接近中心性衡量的是站點在軌道交通網絡中的區位，接近中心性越大，站點越趨于網絡的中心。而站點的中介中心性衡量的是站點的實際區位，對于多中心城市而言，站點中介中心性越大，說明站點接近城市區域中心或次中心的可能性越大；對于單中心城市而言，站點的接近中心性和中介中心性存在一定的耦合性。站點中介中心性和接近中心性的結果同時表明，軌道交通對住宅價格的影響強度不僅具有“廊道效應”，還存在以城市中心和次中心為核心，影響強度隨距核心距離增加而增強的“圈層效應”。

4.2 時間效應：網絡規模視角

根據式（3），以2013年已開通的軌道交通線路周邊800 m范圍內的樣本為干預組，建立模型（11），探究已有軌道交通服務的住宅價格在軌道交通網絡規模擴大過程中的總體變化趨勢，結果如表6所示。

表6 特征價格模型回歸結果Tab.6 Regression results of hedonic price model

從時間虛擬變量和影響范圍虛擬變量的交互項系數（intyear2014—intyear2021）可以看出，隨著新線路的陸續開通，早期已運營軌道交通影響范圍內住宅的溢價效應持續增長，并在2018年達到峰值，高達22.5%（半彈性 = exp（0.203）-1），而后呈現穩步下降的趨勢。為了檢驗該結果的穩健性，本文以400 m為干預組重復實驗，結果如模型（12）所示。可以看出模型（12）顯示的結果除了在系數大小和峰值時間點與模型（11）不一致外，其大體倒“U”型的溢價趨勢兩個模型保持一致，說明模型結果是比較穩健的。

回顧武漢市軌道交通的發展，2013年武漢市軌道交通僅有1號線和2號線兩條（圖2（a）），此時軌道交通整體交通可達性較低。在2014—2015年，軌道交通4號線1、2期陸續開通，該條線路銜接了漢陽和武昌兩個區，連通了武漢三鎮。隨后，武漢軌道交通以每年至少開通2條線路的速度不斷加密完善軌道交通網絡，軌道交通延申至新洲、江夏等城郊以及東湖高新等新城區，極大提高了已有軌道交通服務范圍內居民的出行便利程度，新線路的陸續開通推升了已有軌道交通服務范圍內的住宅價格。2019—2021年開通的線路大多為已建線路的延伸線，此時武漢市軌道交通網絡已達到一定規模，全域可達性的改善對已有軌道交通服務范圍內居民的效用較小。此外，武漢擁有眾多湖泊，長江穿城而過，隨著人們對生活品質追求的不斷提高，周邊江景房和湖景房也會稀釋軌道交通的資本化效應。

5 結論與啟示

本文以武漢市軌道交通沿線2 km范圍內的住宅小區為例，基于軌道交通網絡結構和網絡規模視角，研究了軌道交通對住宅價格影響的時空效應及其異質性，研究結果表明：（1）軌道交通對住宅價格產生積極影響，住宅與地鐵站距離每減少1 km，住宅單位面積均價將上升9.1%，且最大影響范圍為1 400 m。（2）軌道交通站點的網絡結構特征對住宅價格產生正向影響且存在異質性。不同度數中心性的軌道交通站點對住宅價格的影響在影響強度、影響范圍和影響趨勢均有差異。站點的中介中心性和接近中心性對軌道交通的資本化效應具有負向調節作用。（3）在軌道交通發展初期，新線路的開通會對已有軌道交通服務范圍內的住宅價格產生積極影響，但是當軌道交通發展到一定規模，軌道交通網絡的進一步擴大對已有軌道交通服務住宅價格的影響逐漸減弱。

本文對中國軌道交通土地價值捕獲的實施具有以下啟示：（1）在以稅費為基礎的土地價值捕獲工具中，相較于對軌道交通周邊征稅，實行全域征稅以支持軌道交通發展的方式更為可行。軌道交通網絡資本化效應的時空異質性加大了評估軌道交通外部效益和界定征稅范圍這一過程的難度。實行全域征稅，比如房產稅、土地稅等，通過市政預算再分配給軌道交通相關部門的方式來支持軌道交通發展，能夠有效避免范圍界定不清楚引發的社會問題。（2）實施以開發為基礎的土地價值捕獲應該因類、因地、因時制宜。對于用于商業的土地開發，應優先考慮軌道交通網絡的關鍵位置，比如換乘站、中介中心性或接近中心性高的站點；對于用于建造住宅的土地開發，可以優先征收或者儲備軌道交通網絡邊緣尤其是網絡邊緣換乘站周邊的土地。在時序選擇上，各地政府應結合城市軌道交通網絡的中長期規劃和城市發展綜合確定土地出讓或開發優先序。（3）政府應該集中財力建設非經營性基礎設施項目，提高公共品供給效率，提升土地價值創造能力。堅持以公共交通為導向的開發同土地價值捕獲相關聯，加強交通投資與土地利用的協調性，充分發揮軌道交通網絡中站點的節點和場所價值。

本文仍存在以下局限和可待完善之處。第一，本文在研究網絡規模對住宅價格影響的時間效應時，僅基于現狀考慮而將800 m視為影響范圍，未考慮軌道交通網絡規模變化對影響范圍的影響，研究存在一定的局限性，未來可通過設定不同影響范圍，增強研究結果的可靠性。第二，本文僅研究了軌道交通網絡對二手房市場的整體影響，未來研究可考慮將新房和租賃房納入研究范圍，力求全面刻畫軌道交通網絡對住房市場的整體影響和價格變化規律。第三，本文假設住宅受最近地鐵站點的影響，忽略了軌道交通的疊加效應，后續將深入探究軌道交通對多站點服務住宅的資本化效應差異。