地鐵增值作用的空間異質性研究

摘要：以香港地鐵的沿線居屋住宅項目為例，通過構建特征價格模型（ Hedonic Price Model）和地理加權回歸模型（Geographically Weighted Regression，GWR），通過引用地理學的研究方法，豐富現有的軌道交通對房地產價格影響的研究，揭示地鐵對住宅項目的增值作用及其影響的空間異質性，填補了相關的研究缺口。

關鍵詞：軌道交通;住宅價格;特征價格模型;地理加權回歸模型;香港地鐵;空間異質性

中圖分類號：F293.35

文獻標識碼：A

文章編號：1001-9138-（ 2020） 05-0008-15

收稿日期：2020-04-15

地鐵是城市中重要的公共交通工具之一，具有運量大、速度快、安全準點等特點，它不僅能提高沿線區域的通達性，也能大幅降低沿線居民的通勤成本，從而帶動沿線住宅的增值。城市地鐵交通網絡帶給房地產的外部性影響長久以來都被受關注，國內研究多集中于住宅交易比較頻繁的一線城市如廣州、北京和上海等地，隨著國內一些二三線城市擁有了城市地鐵交通，研究也拓展到了二三線城市。此類研究主要從距離和分區等維度探討地鐵對于房地產價格的影響，大多采用特征價格模型進行研究。但是，由于特征價格模型以各因素空間平穩為假設前提條件，并從整體上考察特征因素對住房價格影響程度，因此其在空間分析評估上會存在較大誤差。

由此，一些學者引入了地理加權回歸模型用以分析房屋價格影響的空間異質性，這是一種分析空間異質性的回歸方法，有效解決特征價格法中的空間變量自相關問題，同時提高回歸模型的解析程度。湯慶園等（ 2012）利用地理加權回歸分析上海市房價，發現了GWR在空間分析上的解釋能力優于特征價格法提供的全局參數估計。高峰和葉劍平（ 2019）通過武漢市軌道交通的研究發現，軌道交通沿線住房價格分布存在較明顯的空間異質性，而且不同區位軌道交通對沿線住房價格影響程度乃至方向都會存在差異。同時，也有學者利用深圳、大連、南京以及國外新加坡、波蘭Olsztyn和意大利Reggio Calabria等城市的住宅價格進行GWR的研究分析。但總體上，使用GWR進行軌道交通的研究相對匱乏;而且大部分現有研究直接使用與地鐵站點距離作變量，由于每個住宅單位與站點的距離不同，直接使用距離變量并不能很直觀的進行比較，也不能展現地鐵增值作用的空間異質性。

縱觀國際地鐵聯盟（ CoMET）成員內，港鐵（ Mass Transit Railway）是世界上少數有盈利的鐵路公司，其在港的地鐵網絡支持了香港居民近40%的交通出行。若以每公里地鐵線路的乘客量計算，東京地鐵為3.7萬人次，新加坡地鐵為0.91萬人次，倫敦地鐵為0.64萬人次，而香港地鐵則為超過5萬人次，其研究價值由此可見一斑。

可是，圍繞香港地鐵對于房地產價格影響的學術研究相對較少，最早可見于Chau和Ng（ 1998）利用特征價格法對于東鐵的研究。近年來，部分學者同樣利用該方法對香港軌道交通問題展開研究，并在此基礎上進行一定的拓展，但研究中所用的樣本數據滯后性和對于空間問題的考慮未夠全面，難以充分揭示香港地鐵與房地產價格之間的聯系。綜上，本文擬結合可獲得最新的樣本數據，通過空間分析方法并基于前人的研究加以拓展，深入分析地鐵站點其對沿線不同區位（中心區與郊區）住宅價格的影響范圍和程度，以呈現軌道交通對住宅價格的影響機理。通過比較文獻閱讀后發現，越多人次使用的地鐵，增價作用更顯著和影響范圍更廣（見表1和表2），因此本研究預測香港地鐵的溢價和影響有效范圍會比文獻閱讀所列城市更高更廣。

1 研究區域與數據來源

本文選取了中國香港特別行政區作為研究區域。香港地處廣東省南隅，面積約為1106.34km2，主要分為港島、九龍、新界三區，三區面積分別是80.7km2、46.9km2和978.7km2，其中，核心商業區主要在維多利亞港的兩岸，即在香港港島中環和尖沙咀一帶，而香港北部大都為新市鎮和鄉郊地區。

香港的軌道交通在其城市規劃過程中發揮著重要作用。港鐵（ MTR）是市內交通的重要一環，提供了包括城際直通車、高速鐵路、輕軌和地鐵等服務，其中地鐵每日載客量占香港所有公共運輸總載客量的約42%。港鐵在香港共運營11條地鐵線，總長度187km，其覆蓋范圍涵蓋了香港的大部分市區。其中，覆蓋港島的地鐵線路有兩條，共23.7km，其余9條線路基本連接了九龍和新界的人口聚居點。本文選取了觀塘線、荃灣線、東涌線、將軍澳線、西鐵線及東鐵線6條港鐵線路，共134.6km的地鐵軌道交通作為研究對象。這些線路站點地理跨越幅度大，覆蓋了香港的市區和近郊區的聚居點，有較大的空間差異性。

Jayantha等（2015）的研究證明使用住戶形態類近的樣本有助于提高房地產價格模型的整體有效程度。香港居屋是一種資助性房屋，交易流通受到政府的限制，住戶具有一定的同質性，與樓房的需求較一致;此外，居屋住戶大都為社會上中等收入家庭，較能代表整體，由此，本文選取居屋住宅作為研究樣本。

交易數據來源于香港房屋署官方網站，考慮到數據有效性因素，時間維度選定于2016年。如圖1所示，研究選取九龍區和新界地區離軌道交通站點2.5km內的二手居屋，篩選出1681個有效住宅信息，并建立住宅樣本信息數據庫。研究的影響因素涵蓋區位條件、鄰里環境和建筑特征三方面，坐標數據來源于香港政府的官方數據，運用ArcCIS軟件批量建立坐標定位進行研究。

表3整理出數據樣本中的研究對象與地鐵站點的距離及其平均價格。隨著與站點距離的增加，居屋價格有一個先減少后平穩的趨勢，這初步說明香港的地鐵軌道交通站點與居屋價格產存在一定的關系。

2 研究方法與變量選擇

2.1 模型變量

本文中的因變量為香港二手居屋的市場交易價格截面數據，自變量為參考過往類似研究所使用過的建筑特征、鄰里環境和區位特征;另外，參考Ducksu等（2018）等人的公共房屋研究，本文設計了兩個體現香港居屋特點的建筑特征變量，分別為居屋的補貼率（ DC）和承建方類型（BUIID）。表4和表5分別給出了模型變量體系和描述統計分析結果。

2.2研究方法

2.2.1特征價格模型

目前國內研究廣泛采用特征價格模型檢驗軌道交通建設對房地產價格的影響，這種方法能同時量化不同影響因素對于房地產價格的影響。本文同樣應用此方法分析地鐵站點對香港居屋價格的影響。

本研究中特征價格模型的計算公式如下：

式中：P為二手居屋的價格;Xki為自變量，k為自變量的個數;i是樣本數的序數;βki為系數，β1為常數項，8為誤差項。

特征價格模型通常有線性、對數和半對數等形式。由于使用價格一般都會采用半對數形式能有效處理異方差性（ heterosc.edasticity）問題。因此，本文將選用半對數特征價格模型作后續分析。

2.2.2地理加權回歸

地理回歸分析模型是確定兩種或兩種以上變量間定量關系的一種統計分析方法。CWR模型能將空間關系作為權重加入到運算當中，并將不同要素的空間因素，得出權重值后代入回歸方程里，因此CWR可以用來量化自變量的空間異質性。由于全局模型只能整理出整個區域的平均狀態，而GWR模型在考慮區域因素的基礎上調整權重，讓每一個研究樣點都對應一個系數值，形成一個區間。所以，GWR在分析空間時比全局模型具有更明顯的優勢。本研究將采用GWR來量化出軌道交通價格影響的空間異質性。

3 檢驗結果及分析

3.1 特征價格模型分析結果

如表6所示，為了體現設計變量補貼率和承建方類型的有效性，本文首先用其他自變量組成模型1，通過使用Stata軟件進行OLS回歸分析得出調整后R2為0.7537，說明模型回歸直線對觀測值的擬合效果較好，已能解釋大部分的交易價格截面數據。然后在模型1的基礎上加入補貼率和承建方類型組成模型2：結果發現模型2的擬合效果優于模型1，調整后的R2為0.7920，這表示公共特性變量的設計合理，有助于加強研究模型的解釋程度。模型2的結果顯示，軌道交通站點距離和二手居屋價格存在一個負相關關系，這說明地鐵愈遠，給樓價的負影響會愈大;而D_mtr的系數為-0.000116，表明住宅每靠近地鐵站點Im，住宅每m2價格會增加0.0116%，即溢價影響為每km11.6%。

然后，為測量軌道交通站點距離的影響趨勢，我們加入了由D—mtr次方組成的新自變量D_mtr2建立了模型3。結果表明D_mtr2變量系數為正數，即軌道交通站點距離變量的負影響趨勢是一個遞減的函數，并且會漸趨近于0，即隨著距離的增加，負影響的上升幅度會降低。

在模型2的基礎上，我們加入距離變量Di來測量具體的距離影響有效值，并建立模型4。變量的說明如下式：

其中變量D，因出現共線性問題而被剔除外，模型4的結果大致良好，調整后R2為0.7942。綜合上述模型，軌道交通的存在對于居屋有正外部性的影響，該影響是呈一個先減少而后增加的一個趨勢。從房屋距地鐵站點的距離來看，0-300m范圍內正影響是最佳的;大于該距離范圍，地鐵站點對房價的正影響會逐漸減少;當距離大于1200m后，系數結果出現了回升，這也許與替代交通的疊加效應有關。因此，香港地鐵的有效影響距離應為站點1200m范圍內。

另外，除軌道交通站點的距離影響變量外，模型2的建筑特征和鄰里特征變量同樣對價格會產生一定的影響：首先，對于私人承建的居屋，價格會有明顯的提升。這表明此類居屋的需求較大，原因很可能是與政府承建類相比，其建筑質量或設計水平更好;其次，住房補貼率對二手居屋的市場價值會產生負影響，原因可能是住房補貼率能在一定程度上代表居屋的產權完整性，導致房屋價格受到影響，側面反映出居屋的二手市場設計是與市場原則基本契合。

在鄰里特征方面，公立醫院的直線距離系數為正數，可能是由于公立醫院的緊急服務基本能覆蓋市內的大部分地區，保證了10-15分鐘的緊急輸送服務，所以醫院的絕對距離對公營醫療服務的使用并沒有很大的影響。另外，除了公立醫院，香港內還有私人診所和私家醫院能提供醫療服務。居屋住戶具有一定收入，并非社會上的低收入階層，所以他們較可能選用私人醫療服務;公立醫院有人流量大、噪音大、傳染病病人集中的特點，這些特性可能是導致住戶希望公立醫院愈遠愈好的原因。

3.2 地理加權模型分析結果

結合全局分析模型得出的影響范圍，本研究加入變量D1200進行地理加權分析，該變量代表位于地鐵影響范圍1200m以內的樣本。模型的運行是通過ArcGIS中的GWR模塊實現，結果顯示調整后的R2為0.8066，較全局特征價格模型高了約1個百分點。分析出D1200變量存在較大的空間差異性，最小系數值為0.006047，最大值為0.1391，影響的最高最低差達22倍。通過GWR可以獲得每一因素對監測點i樣本的影響結果，將距離變量D1200的分析結果用空間克里金法插值方法展現出來，如圖2所示。

上述回歸結果可以得出，地鐵站點影響的邊際空間分布規律主要體現在以下幾個方面：（1）軌道交通站點住宅價格正外部性影響大體上呈由南向北遞增趨勢，中心城區影響較弱，而對北區邊陲聚居點較強，尤以香港東北地區最強;（2）地鐵站點影響與CBD距離有一定的關系，離CBD愈遠的站點，地鐵軌道交通的影響力量愈大，而且有效距離會上升。

汪佳莉等的研究指出地鐵站點在交通便捷，可替代交通資源較多的地方影響會較弱。這反映上述空間異質性很可能是交通資源差異性的結果。軌道交通站的影響在更接近城市中心的地方會相對較弱，很可能是因為這些地方的交通資源比較密集，可選擇的交通也較多，此時軌道交通并不具有明顯的通勤優勢;相反，香港的北區大都為新發展的市鎮，交通資源較少，而且離核心商圈比較遠，地鐵較大程度上能滿足當地居民的交通需求。

4 結論

本文基于特征價格模型和地理加權模型，以香港二手居屋的交易價格為實證基礎，同時考慮到研究范圍內的同邊基礎設施，建筑特征等因素，借助ArcCIS和Stata軟件，分析了香港的軌道交通對于住宅價格的影響及其空間異質化。結果表明：

（1）香港的軌道交通提供了一個可靠的通勤服務，因此鄰近軌道交通站點的住宅有更大的需求，而距離的負影響是一個遞減的函數，并且會漸趨于0，即隨著距離的增加，軌道交通的正影響程度呈邊際效應遞減的。模型的結果顯示，香港地鐵對住宅的溢價影響為每km11.6%;地鐵站點對半徑范圍0.3-1.2km內的居屋價格有明顯的正外部性效應，其中站點0.3km半徑以內區域增值效果最為顯著，超過1.2km后便會出現替代交通的疊加效應，地鐵站點的影響顯著性降低。結果符合香港地鐵的溢價影響程度和范圍普遍較高的預期。

（2）基礎服務設施和建筑特征都會對居屋價格造成影響，但由于居屋擁有公共特性，使用居屋為研究對象需要考慮到一些特殊的變量，例如本研究所采用的住房補貼率和承建方類型。研究結果顯示，與政府承建相比，由私人興建的居屋價值更高，反映私人承建的居屋質量較好，因此建議政府重新啟動私人建屋計劃，改善新建居屋的質量問題。

（3）地理加權模型的結果顯示，軌道交通在中心城區和近郊城區對居屋價格的正外部性影響存在明顯差異，近郊聚居點的地鐵站點的影響較強而中心城區較弱。主要是由于中心城區地塊的可替代的交通資源較多，地鐵站點影響一定程度上被削弱。因此對于地鐵優勢明顯的近郊聚居點，建議政府在新建居屋選扯上，盡量選擇離地鐵站點較近的地塊。

然而，基于數據量和擬合程度的考慮，本文在研究區域和對象方面還存在一定局限性，結果只能代表居屋的整體情況。期望未來研究中可以進一步擴大研究區域和樣本對象，更深入地解釋增值作用的空間異質性出現的原因，盡可能消除局限性;本研究亦未深人地解釋增值作用的空間異質性出現的原因，故此未來研究可以在這基礎上進行進一步的科學分析，以期更全面地展示軌道交通對住宅價格的影響機制。

參考文獻：

1.劉建軍 陳穎彪 千慶蘭 等，廣州市交通網絡的綜合通達性及其空間特征.經濟地理.2016.36（2）

2.劉紅萍 李劍峰 鄧宏乾 等.武漢市軌道交通一號線對沿線住宅價格影響的分市場效應分析.華南師范大學學報（自然科學版）.2015.04

3.湯慶園 徐偉 艾福利.基于地理加權回歸的上海市房價空間分異及其影響因子研究.經濟地理.2012.32（ 02）

4.高峰 葉劍平，基于CWR模型的軌道交通對沿線住房價格影響研究——以武漢市地鐵2號線為例，價格月刊.2019.04

5.孫倩 洪開榮，基于Cokriging的住房價格空間格局分析——以長沙市為例，經濟地理.2014.34（ 12）

6.谷興 周麗青，基于地理加權回歸的武漢市住宅房價空間分異及其影響因素分析，國土與自然資源研究.2015.03

7.Cellmer R.The Use of the C.eographically WeightedRegression for the Real Estate Market Analysis[J].FoliaOeconomica Stetinensia.2012.11（1）

8.Massimo D E，Ciudice V D，Paola P D，et al.Geographically Weighted Regression for the Post CarbonCity and Real Estate Market Analvsis：A Case Study[C]//International Symposium on New Metropolitan Perspectives.Springer， Cham.2018

9.Yang j，Yajun B，Zhang Y，et al.lmpact ofAcressibility on Housing Prices in Dalian City of ChinaBased on a Ceographically Weighted Regression Model.Chinese Geographical Science.201 8.06

IO.Cao K， Diao M，Wu B.A Big Data - Base.dGeographically Weighted Regression Model for PuhlicHousing Prices：A Case StudV in Singapore [J].Annals of theAmerican Association of C.eographers.201 8

11，汪佳莉 季民河 鄧中偉.基于地理加權特征價格法的上海外環內住宅租金分布成因分析.地域研究與開發.2016.35（5）

12.宋偉軒 毛寧 陳培陽 等.基于住宅價格視角的居住分異耦合機制與時空特征——以南京為例.地理學報.2017.72（4）

13.Jayantha W M， Lam T I，Chong M L.The impact ofanticipated transport improvement on property prices：A casestudy in Hong Kong. Habitat International.2015.49

14.Dziauddin M F，Powe N， Alvanides S.Estimating theEffects of Light Rail Transit（ LRT） SVstem on ResidentialProperiy Values Using C.eographically WeightPd Regression（ GWR ）.Applied Spatial Analysis and Policy.2015.8（1）

15.楊友孝 姚毅凱.城市軌道交通建設對沿線住宅價格的影響——基于Hedonic模型實證研究.特區經濟.2014.12

16.王德起 于素涌，城市軌道交通對沿線周邊住宅價格的影響分析——以北京地鐵四號線為例.城市發展研究.2012.19（ 4）

17.王福良 馮長春 甘霖等.軌道交通對沿線住宅價格影響的分市場研究——以深圳市龍崗線為例.地理科學進展.2014.33（6）

18.Mulley C ，Tsai C H， Ma L.Does residential propertyprice benefit from light rail in Sydney？.Research inTransportation Economics.2018.67

19.馮艷芬 梁小斯 吳大放.基于Hedonic模型的廣州地鐵l號沿線住宅價格分析.廣州大學學報（自然科學版）.2011.10 《）4）

20.劉紅萍 李劍峰 鄧宏乾，武漢市軌道交通一號線對沿線住宅價格影響的分市場效應分析.華南師范大學學報（自然科學版）.2015.47（ 04）

21.Diao M，Leonard D，Sing T F.Spatial-difference-in-differences models for impact of ne.w mass rapid transitline on private housing values.Social Science ElectronicPublishing.2017.67

22.Seo K， Colub A，Kuby M.Combined impacts ofhighways and light rail transit on residential property values：a spatial hedonic price model for Phoenix， Arizona. Journal ofTransport Ceography.2014.41

23.Ducksu S.You C，Youngsang K.Price Determinantsof Affordable Aparcments in Vietnam： Toward the Public -Private Partnerships for Sustainahle Housing Development.Sustainability.2018.10（1）

24.汪佳莉 季民河 鄧中偉.基于地理加權特征價格法的上海外環內住宅租金分布成因分析，地域研究與開發.2016.35（5）

作者簡介：麥瑞斌，清華大學土木系建設管理碩士研究生，北京港澳學人研究中心香港政策研究員。