地鐵對沿線住宅價值評估的影響：基于特征價格法的分析

吳流堅

(廣東晟峰房地產土地資產評估咨詢有限公司，廣東 廣州 510290)

1 引言

中國自改革開放以來，城市化進程不斷加快。根據國家統計局公布的數據，截至2022年，中國的城鎮化率已接近65%。隨著我國城市化進程的加快和國民經濟的迅速發展，城市居民的交通需求和需要也在不斷增加。以交通擁堵為典型的“城市病”日益成為制約城市發展、影響人民對美好生活向往的難題。而在城市發展過程中，軌道交通作為一種新的發展模式，已成為現代社會發展的必然選擇。習近平總書記曾強調，大力發展軌道交通是解決大城市病的有效途徑，也是建設綠色城市、智能城市的有效途徑。2022年3月，交通運輸部印發的《國家公交都市建設示范工程管理辦法》中也明確指出“超大、特大城市要確立城市軌道交通在城市公共交通系統中的主體地位”[1]。

受限于以往的經濟力量和科技水平，我國城市軌道交通建設相較于西方國家整體起步較晚。近年來，隨著城市軌道交通的發展建設，與軌道交通相關的產業也隨之發展壯大。當前，我國城市軌道交通發展速度較快，運營里程逐年增加，制式仍以地鐵為主。地鐵作為城市軌道交通的一種，具有專用權、高密度、高通行能力，且覆蓋了城市地區各種地下和地面交通。其以運量大、污染少、噪聲低、便于節約利用土地為特點，成為緩解城市交通壓力而重點發展的城市軌道交通。地鐵的發展建設除了可以緩解“大城市病”、提高區域可達性，也會吸引到大量的商業、貿易、餐飲、娛樂等服務及配套設施，從而構成了一個在地鐵車站附近的商圈，深刻影響城市的土地利用以及地鐵沿線的住宅價值[2]。因此，探索地鐵建設與其周邊沿線住宅價值的影響機制，對于理解地鐵建設的重大外部效應，房地產的合理規劃具有重要意義。

2 研究方法的選擇

2.1 交通成本模型

交通成本模型著重對交通成本與房地產價格的相關作用進行了分析，在此基礎上，結合兩者的理論關系與城市地鐵本身的特點，建立了房地產價值與交通成本函數關系的理論模型。這個模型把運輸費用分成了顯性成本，如出行的交通費用與隱性成本，如交通時間機會成本、居民出行的身體疲勞度和精神壓力等心理成本[3]。

當有多種出行方式選擇時，將出行的距離或出行時間設定為Di，將出行成本依次設定為Ci。假設交通成本依次為TC=D×C，由此，可以得出交通成本模型的交通成本函數形式為：

TC=T1C1f1+T2C2f2+T3C3f3+…+TiCifi

因此，交通成本模型的函數形式為：

p=e-aTC+b

式中：TC為交通總成本；p為房地產價格；a和b為常數。

2.2 特征價格模型

特征價格模型研究商品價格與相關特征的作用關系，認為商品價格是這些相關特征的綜合反映和表現。因此，商品的特征價格就是人們為了商品所具有的功能性所愿意付出的價格，可以通過修改商品的某些特征來調整商品的有關價格。

特征價格模型的基本思路是：將商品的價格進行分解，可以顯現出其各項特征的隱含價格，在不改變商品特性的前提下，對商品的特征因素進行分解，逐項剔除由于特征變動造成的價格總變動的影響，最后只剩下供需決定的影響[4]。

根據上述思路，這些特征變量與商品價格之間存在函數關系，這種函數關系可以表示為：

P=h(x1，x2，x3，…，xn)

式中，P為商品的價格，x1，x2，x3，…，xn為組成商品的各項特征，其線性形式為：

P=α+β1x1+β2x2+…+βnxn+ε

半對數形式的特征價格模型為：

lnP=α+β1x1+β2x2+…+βnxn+ε

對數形式的特征價格模型為：

lnP=α+β1lnx1+β2lnx2+…+βnlnxn+ε

2.3 模型的比較與選擇

交通成本模型以區位理論和地租理論為基礎，理論依據清晰可靠，函數關系簡單，樣本數據的獲得性較高。該模型具有一定的科學性，然而當樣本容量較小的時候，該模型的運算容易受到較大的影響，從而導致計算結果具有較大的誤差。因此，如果采用交通成本模型計算房地產價值，會忽視其他因素對評估結果的影響，導致評估的精確度較低。特征價格模型的理論依據是非常豐富和完備的，其是以效用函數、市場均衡等理論為依據而構建的。此外，特征價格模型全面考慮了各種特征帶來的價格變動影響，還可以通過回歸系數解釋其中的各種影響，量化比較各種特征引起的變動大小[5]。與此同時，國際上也取得了較為豐富和完善的理論與實踐成果。綜上所述，特征價格模型靈活多變，準確性較高，因此，文章選擇特征價格模型作為分析地鐵對于沿線住宅價值影響的方法。

3 佛山地鐵1號線對沿線住宅價值的影響分析

3.1 佛山地鐵1號線概況

佛山地鐵1號線，又稱廣佛線，是中國國內首條跨越地級行政區的地鐵線路。它西起廣東省佛山市新城東站，東至廣東省廣州市瀝滘站，全線呈現“廠”字形走向。佛山地鐵1號線也途經佛山市三個行政區與廣州市的兩個重要行政區，全長37.96千米，其中佛山市內占21.47千米，廣州市內占17.03千米，全線共設置25座車站，均為地下站，其中佛山市設15座、廣州市設10座，貫穿廣東金融高新技術服務區、廣佛都市圈。一期首通段(魁奇路站至西塱站)于2010年11月3日開通運營；一期后通段(西塱站至燕崗站)于2015年12月28日開通運營；二期(魁奇路站至新城東站)于2016年12月28日運營開通；一期后通段(燕崗站至瀝滘站)于2018年12月28日開通運營。2017年，廣佛地鐵總客流為1.07億人次，日均客流29.4萬人次，單日最高客流為39.9萬人次。目前，該線路運行時間較長，為評估佛山地鐵1號線沿線房地產價值提供了良好的參考。

3.2 特征價格模型的建立與檢驗

3.2.1 數據來源

針對單個住宅由于戶型、朝向、樓層和裝修等因素的不同而導致的價格變化，以佛山地鐵1號線每個車站為圓心，1.5千米為半徑的住宅小區為研究對象，研究其價格變化規律。其中，住宅價格將以整個小區的均價來代表。文章將從建筑特征變量、鄰里特征變量和區位特征變量進行研究分析，通過貝殼找房網、鏈家網、房天下等網站獲取相關住宅小區數據，并輔以百度地圖進行必要的補充。考慮到數據的精確度與特征變量的完整性，最后共收集了15個站點共35個住宅小區2023年1月的市場價作為樣本數據。

3.2.2 變量說明

文章研究的特征價格模型以住宅的單價為因變量，以各特征因素為自變量。同時，文章將從三類特征變量進行分析計算，具體的特征變量說明見表1。

表1 特征變量及說明

3.2.3 數據的描述性統計

在采集到的數據中，處于地鐵站0～500米的小區數量占樣本總數的42.9%；處于地鐵站500～1000米的小區數量占樣本總數的45.7%；處于地鐵站1000～1500米的小區數量占樣本總數的11.4%。住宅價值的最低值為8992/平方米，最高值為66762/平方米，平均住宅價格為24014.82/平方米。距離CBD距離最近的為0.34千米，最遠的為11千米，平均距離為5千米。35個住宅小區附近1千米范圍內的公交站點數量最少為2個，最多為11個，平均能擁有5個公交站點。在收集到的樣本數據中，平均物業管理費用為每月每平方米2.7元。小區容積率在1～8.9，綠化率最低為3%，最高為55%，平均綠化率為29%。具體特征變量的描述性統計見表2。

表2 特征變量的描述性統計

3.2.4 特征價格模型的擬合與檢驗

該模型有線性、半對數和對數三種表達形式。但是，由于一些因變量中含有賦值變量，因此只分析線性形式和半對數形式的特征價格模型。

線性形式特征價格模型：

P=α+β1L+β2N+β3H+ε

式中，P為單位面積的住宅價格，α、β1、β2和β3為帶估計參數，L為區位特征變量，N為鄰里特征變量，H為建筑特征變量，ε為隨機誤差項。

將采集處理后的數據導入IBM SPSS Statistics 24.0軟件進行回歸分析，模型的摘要、方差分析和回歸系數見表3。

表3 線性模型回歸系數

半對數形式特征價格模型：

lnP=α+β1L+β2N+β3H+ε

式中，P為單位面積的住宅價格，α、β1、β2和β3為帶估計參數，L為區位特征變量，N為鄰里特征變量，H為建筑特征變量，ε為隨機誤差項。

將采集處理后的數據導入IBM SPSS Statistics 24.0軟件進行回歸分析，模型的摘要、方差分析和回歸系數見表4。

表4 影響程度分析

3.2.5 模型檢驗

將樣本的數據代入IBM SPSS Statistics 24.0軟件，線性模型調整后的R2為0.317，對數模型調整后的R2為0.382，0.382>0.371，表明對數模型的擬合效果較好，對于計算結果的解釋能力更優秀。半對數模型中各變量的容差均大于0.1，且VIF小于5，可以說明各特征變量之間不存在多重共線性。因此，選擇對數模型作為文章的研究模型。

3.2.6 模型結果分析

根據上述對數模型回歸分析可以得出以下表達式：

lnP=10.406+(-0.11Distance)+0.023CBD+

(-0.051Bus)+0.072Shopping+0.054Park+
0.061Medical+0.008School+0.053Bank+
(-0.046Fee)+(-0.047Age)+0.005Plot+
(-0.327Green)

其中，Distance、Bus、Fee、Age、Green變量的系數為負值，說明它們對于單位面積的住宅價格的影響為負，隨著變量值的增加，單位面積的住宅價格會隨之下降。CBD、Shopping、Park、Medical、School、Bank變量的系數為正值，說明它們對于單位面積的住宅價格的影響為正，隨著變量值的增加，單位面積的住宅價格會隨之上升。

根據半對數模型的回歸結果可知，Distance的系數相對較大，說明Distance變量對于單位面積的住宅價格影響最大，表明在其他條件不變的情況下，住宅每靠近地鐵站1千米，單位面積的住宅價格會上升11%。然而，國內外的相關研究表明，地鐵距離對房地產價格的影響在空間分布上是不均勻的。因此，文章用線性模型，引入D1、D2、D3三個變量，分別代表住宅距地鐵0～500米、500～1000米、1000～1500米。將相關數據整理導入到SPSS軟件中，結果如下。由表4可知，佛山地鐵1號線在500米范圍內的影響最大。

4 結論與展望

4.1 研究結論

文章通過分析佛山地鐵1號線沿線住宅的相關數據，分析和論證了地鐵交通對其沿線住宅價格的影響機制。通過數據的分析可知：

(1)地鐵的建設是影響其沿線住宅價格的重要影響因素。具體表現為，住宅每遠離地鐵站1千米，住宅價格下降11%，且地鐵對于其沿線住宅價格的影響在500米范圍內最大。目前，佛山正在修建佛山地鐵2號線和3號線相關延長線，相信在建成后對其周邊地區的房價具有較大的增值作用。

(2)住宅周邊醫療、金融、教育與商業配套基礎設施對住宅價格具有正向影響。用對于住宅周邊相關的醫療、金融、教育和商業配套基礎設施進行完善的方式，能夠讓住戶的基本生活需求得到滿足，從而提升居民在日常生活中的滿意度和幸福感。同時也可完善地鐵站周邊配套設施，為房地產開發商進行區位選擇、制定營銷策略提供參考方向[6]。

(3)研究表明，住宅與城市CBD的距離對住宅價格呈現負向影響。然而文章分析相關數據后得出的結論卻與之相反。造成差異的原因可能與文章設定的CBD有關。通過查閱大量資料，佛山沒有較為具體明確的CBD，因此，文章將佛山的CBD設定為佛山行政中心所在的商圈。由于佛山地鐵1號線跨越多個行政區，為分析住宅與CBD的距離帶來影響[7]。

4.2 展望

研究地鐵對其沿線住宅價值的影響是一項充滿挑戰性的工作，但是限于筆者自身水平及精力，文章仍有較多不足：一是文章數據的采集和區域對象的選擇不夠恰當，文章中所收集的單位面積住宅價格均為參考價，而非實際成交價格，因此數據的準確度有待提升。同時，文章缺乏大量的數據支撐，對于模型的構建與檢驗仍需要進一步的修正與完善；二是住宅價值有諸多的影響因素，比如較難獲得的時間成本、房地產稅等。因此，文章僅選擇了部分因素進行分析，難以全面地反映地鐵交通對其沿線住宅價值的影響作用。