黄醇醇^,1, 王晓文², 李琳娜^,11.北京师范大学地理科学学部,北京 100875
2.福建师范大学地理科学学院,福州 350007

The spatio-temporal effects of urban rail transit on housing price: A case study of Fuzhou Metro Line 1

HUANG Chunchun^,1, WANG Xiaowen², LI Linna^,11. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
2. College of Geographical Sciences, Fujian Normal University, Fuzhou 350007, China

通讯作者: 李琳娜（1986-）,女,湖南邵阳人,博士,讲师,研究方向为城乡可持续发展。E-mail: lilinna@bnu.edu.cn

收稿日期:2020-11-4修回日期:2021-03-12

基金资助:

国家自然科学基金项目(42071227) 国家自然科学基金项目(41701119)

Received:2020-11-4Revised:2021-03-12
作者简介 About authors
黄醇醇（1998-）,女,福建晋江人,硕士研究生,研究方向为城乡可持续发展。 E-mail: huangcc98@mail.bnu.edu.cn





摘要
随着中国城市轨道交通的大力发展,城市轨道交通对沿线住宅价格的影响引起广泛关注,探索其时空效应有助于预测未来新建轨道交通的影响以及帮助政府制定合理的房价调控和城市土地利用政策。以福州地铁1号线为例,探讨城市轨道交通从建设前到建成运营的过程中,对站点周边2 km范围内住宅价格产生的时空效应。结果表明：① 城市轨道交通沿线住宅价格受到区位、邻里、建筑等多方面因素的综合作用,其中,城市轨道交通对沿线住宅价格有显著的增值效应,中高价位住宅市场受到城市轨道交通的影响最为明显。② 空间维度上,住宅价格随着与轨道交通距离的增大而呈现不同程度的递减,至轨道交通站点距离每减少1 km,住宅价格增加5.1 %。轨道交通对沿线住宅价格具有显著的分市场效应,中心城区市场的影响半径大于非中心城区市场,平均空间影响范围为1.5 km;而非中心城区市场的影响强度要远高于中心城区市场,在400 m范围内住宅价格受到轨道交通的影响最大。③ 时间维度上,城市轨道交通在建设期和运营期对沿线住宅价格均呈现出正向影响,且运营期对住宅价格的影响显著高于建设期,运营期相较于建设期平均涨幅达19.63 %;同时,轨道交通的开通给住宅价格带来的效应远大于调控政策以及宏观经济因素的影响。
关键词： 轨道交通;住宅价格;时空效应;特征价格模型;福州

Abstract
With the vigorous construction of rail transit, subway houses have become an interesting theme all over the world. Exploring its spatio-temporal effects will help to predict the impact of new rail transit in the future and help the government to formulate reasonable housing price regulation and urban land use policy. Taking Fuzhou Metro Line 1 as an example, this paper discusses the spatio-temporal effects of urban rail transit on housing price within a 2-km distance from stations in the construction stage and operation stage, and uses hedonic price model, quantile regression and GIS spatial analysis techniques based on the ten-year long housing transaction data. In addition, macro factors are included in the time effect measurement of rail transit. The empirical results show that: (1) The housing price along the urban rail transit line is affected by various factors, such as location, neighborhood, architecture, etc. The urban rail transit imposes a statistically significant and positive effect on housing price along the line, and the medium and high price housing market is obviously affected by the urban rail transit. (2) In the spatial dimension, the housing price decreases with the increase of distance from the rail transit station. Usually, 1 km increase in the distance to the rail transit station will lead to a 5.1% increase in housing price. The impact of rail transit on housing price has significant submarket effect. The impact radius of the central urban area market is larger than that of the non-central urban area market, and the average spatial impact range is about 1.5 km. However, the impact intensity of the non-central urban area market is much higher than that of the central urban area market, and the housing price is most affected by rail transit within 400 m. (3) In terms of time dimension, the urban rail transit has a positive effect on the housing price along the line in different stages, and the housing prices in operation stage increases by 19.63% in average, significantly higher than that of the construction stage. Meanwhile, the effect of rail transit on housing price is far greater than that of regulatory policy and macroeconomic background.
Keywords：rail transit;housing price;spatio-temporal effect;hedonic price model;Fuzhou


PDF (6542KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
黄醇醇, 王晓文, 李琳娜. 城市轨道交通对沿线住宅价格的时空效应——以福州地铁1号线为例[J]. 地理研究, 2021, 40(10): 2808-2822 doi:10.11821/dlyj020201073
HUANG Chunchun, WANG Xiaowen, LI Linna. The spatio-temporal effects of urban rail transit on housing price: A case study of Fuzhou Metro Line 1[J]. Geographical Research, 2021, 40(10): 2808-2822 doi:10.11821/dlyj020201073

1 引言

改革开放以来,中国社会经济发展迅速,城市化步伐不断加快,大中型城市的交通供需矛盾日益突出,城市轨道交通以其高时速、大运量、安全舒适、准点环保等诸多优点成为缓解城市交通问题的重要方式。具体而言,城市轨道交通包括地铁、单轨交通、轻轨、磁悬浮交通等。目前中国城市轨道交通建设进入高速发展时期,运营里程从2013年的2539 km增长到2019年的6730 km,除港澳台地区外,全国共有37个城市开通运营城市轨道交通。

城市轨道交通对沿线住宅价格的影响一直是国内外****关注的热点^[1],研究内容主要包括空间和时间效应。空间效应方面,****们关注城市轨道交通对住宅价格的空间影响效应定量评估、影响因素以及影响半径。大量研究表明城市轨道交通对沿线住宅价格产生显著的增值作用,但其空间效应具有明显的区域差异。Pilgram等在美国明尼阿波利斯市的案例研究中发现,轻轨车站周围0.5 miles内的房屋会产生可观的溢价^[2];Song等发现英国伦敦轻轨在东南和北部的站点周边,住宅每靠近站点100 m,产生的溢价分别为0.352%和0.093%^[3];Seo等以美国凤凰城轻轨为例,发现轨道交通对住宅价格影响程度与距地铁站点距离的变化关系为倒U型曲线^[4];徐涛等以武汉市3条轨道交通线路为例,发现距站点的100~400 m圈层溢价效应强度最高^[5];赵晶等以上海市为例,发现在地铁站点2500 m范围内,轨道交通的溢价效应为正向影响,且先增大后减小,当距离超过2500 m后,溢价效应转为负^[6]。同时,较多****的研究发现城市轨道交通对沿线住宅价格具有分市场效应,即对不同区位的住宅价格效应存在显著差异^[7]。但是,由于城市轨道交通周边存在交通拥堵、噪音、犯罪率、空气污染等不利因素,也有研究表明城市轨道交通对沿线住宅价格存在一定的负面影响^[8]。Ahn等发现韩国光州因其独特城市特征和当地环境,地铁的修建阻碍了沿线房价的上涨^[9]。空间影响半径上,城市轨道交通对周边住宅价格的影响范围大多位于距轨道交通站点2 km半径内^[10,11],当距离超过2 km轨道交通对住宅价格的影响不显著^[12,13]。但苏亦宁等通过建立非线性模型计算得出北京地铁4号线的影响距离为2.5 km^[14]。

时间效应方面,相关研究主要集中在城市轨道交通开通前后时段的对比。从国外****的研究成果上看,轨道交通的时间影响具有明显的区域差异性。Forouhar发现伊朗的德兰黑地铁开通运营后,处于富裕街区的站点周边400 m范围内的住宅销售价格斜率下降40%,而对位于贫困区的站点周边住宅价格有显著的增值效应^[15]。Jayantha等研究表明香港特别行政区沙中线规划正式宣布后,房地产价格开始产生溢价效应^[16]。Mathur等以旧金山湾区轻轨为例,发现房价在轻轨建造期间提高7.3%,在建造前无明显变化^[17]。国内较多****的研究表明,城市轨道交通运营期对住宅价格的影响明显高于建设期^[18,19],开通2年后影响较为微弱^[20]。刘康等则发现南京市地铁开通前后2个月,城市中心区域的地铁站点周边住宅价格显著下降,城市外围区域的地铁站点周边住宅价格显著上升^[21]。周鑫鑫等研究表明徐州轨道交通建设期未能拉动沿线房价上升,临近开通时对房价产生显著影响,沿线房价上涨610元/m^{2 [22]}。

研究方法上,研究城市轨道交通对周边房地产效应的方法主要包括特征价格模型^{[23,24,25,26,27]}、双重差分模型（DID）^[23]、地理探测器^[28]等。其中,特征价格模型能够估计住宅的建筑、区位和邻里特征等多方面对住宅市场价格的边际效应,具有较高的精确性,因此它是应用最广泛、最成熟的一种方法。但是,传统的特征价格模型也存在着多重共线性问题、缺乏空间因素考虑等问题,****们开始将空间因素定量化,运用地统计方法分析房价的空间异质性^[24],采用地理加权回归模型（GWR）^[25,26]、空间滞后模型（SLM）和空间误差模型（SEM）^[27]、分位数回归模型^[28]等来揭示房价的影响因素。

综上可知：① 城市轨道交通在不同建设时期以及不同区域对住宅价格的影响具有显著差异。② 空间效应上,目前研究主要集中于城市轨道交通对住宅价格的影响范围和程度,但是对中心城区与远离中心城区的效应差异较少进行定量对比分析;时间效应上,关于城市轨道交通的时间效应研究相对不足,轨道交通建设期、运营期等不同阶段的对比研究有待深入探讨。③ 当前国内研究较少通过分位数模型分析不同价位住宅受到轨道交通影响的效应差异,同时缺乏剥离宏观因素来探讨轨道交通对住宅价格的影响研究。④ 现有的研究大多集中于北京、上海、广州等一线城市,而较少涉及二线、三线城市住宅价格。当前越来越多二、三线城市开始发展地铁,福州作为东部沿海重要城市之一,近年来房地产业发展迅猛,在二线城市中具有一定代表性。因此,本文以福州地铁1号线为例,采用计量经济和地统计学相结合的方法,探讨城市轨道交通对住宅价格的时空效应,并进一步定量化轨道交通的分市场效应,丰富城市轨道交通的相关研究,并为城市规划与建设提供参考依据。

2 数据来源与研究方法

2.1 研究区概况与研究时段

福州市是福建省省会,地处福建省东部沿海、闽江下游的沿岸地区,是海峡西岸经济区中心城市之一、21世纪海上丝绸之路战略枢纽城市,也是中国（福建）自由贸易试验区组成部分。福州地铁1号线是福州市第一条建设开通运营的地铁线路。它北起象峰站,南至福州火车南站,沿线共设21座车站,线路长24.89 km,沿途跨越晋安区、鼓楼区、台江区、仓山区4个行政区,串联了福州南北发展主轴（图1）。其规划方案于2007年9月通过修编,并于2011年1月开始动工,2016年5月18日南段三叉街站至福州火车南站开通运营,2017年1月6日一期全线开通运营。根据福州地铁1号线的建设过程大致分为3个研究时段：① 轨道交通规划公示期：2008年1月至2010年12月;② 轨道交通建设期：2011年1月至2016年5月;③ 轨道交通运营期：2016年6月至2017年12月。

图1

新窗口打开|下载原图ZIP|生成PPT
图1福州地铁1号线沿线住宅小区分布情况

Fig. 1The distribution of housing samples along Fuzhou Metro Line 1



城市轨道交通对住宅价格的影响一般只限于一定空间范围内^[29]。欧美****一般将车站周围0.5~0.8 km视为影响范围,而日本****一般取2 km^[30]。国内大部分****选取站点2 km作为影响范围^[21,29,31],且相关研究表明,当住宅离站点距离超过2 km时轨道交通对住宅价格的影响较为微弱^[29]。因此,借鉴国内外的经验距离,将研究范围界定为福州地铁1号线沿线站点2 km半径内的区域。以福州地铁1号线为例,探讨城市轨道交通从建设前到建成运营的过程中,对站点周边2 km范围内住宅价格产生的时空效应。

2.2 研究方法

2.2.1 特征价格模型 特征价格模型,又称Hedonic模型法和效用估价法,是分析异质产品差异特征与产品价格间关系的常用模型,在关于城市轨道交通与房地产价格关系的研究中得到广泛应用^[1]。特征价格模型假设住宅的区位特征或建筑特征对住宅价值的影响呈边际递减规律,通常采用回归分析方法。由于特征价格模型考虑到了住宅的建筑特征、区位和邻里环境等多方面的影响因素,因此具有较高的精确性^[7]。常用的特征价格模型有线性、对数和半对数三种形式。经过多次实验,本文选用了效果最好的半对数特征价格模型探讨城市轨道交通对住宅价格的时空效应。具体方程模型如下：

（1）lnPi=α0+∑j=1mβjXij+ξi
式中：P_i代表第i个住宅楼盘单位面积价格,单位为元/m²;X_ij代表第i个楼盘的第j个属性;α₀为常数项;β_j为待估计的系数;ξ_i为误差项。

2.2.2 分位数回归 考恩克（Koenker）和巴赛特（Bassett）于1978年提出了分位数回归（quantile regression）,依据因变量的条件分位数对自变量进行回归,从而得到所有分位数下的回归模型^[32]。与普通线性最小二乘回归相比,分位数回归系数估计结果具有较强的稳健性,且对误差项的假设条件要求较少,可以更全面地描述自变量对因变量分布范围的影响。因此,将最小二乘法与分位数回归相结合可以更加深入分析自变量对因变量的影响趋势情况,并且分位数回归能检验最小二乘回归模型的稳健性。研究采用两者相结合的方法分析轨道交通对沿线住宅价格的影响。分位数回归模型公式为：

（2）QθyX=X'βθ
式中：y为对数单位住宅楼盘价格;X为住宅价格的影响因素;Q_θ(y|X)为给定解释变量X的情况下被解释变量在第θ分位数上的值;β(θ)为住宅价格在第θ分位数上的回归系数。

2.2.3 多元线性模型 为了研究宏观背景下住宅价格和轨道交通时间效应的关系,基于2008—2018年轨道交通影响范围内4个城区（鼓楼区、台江区、晋安区、仓山区）住宅信息的数据,构建了轨道交通对住宅价格影响的多元线性模型,以下为实证计量模型：

（3）lnP=β0+β1T2+β2T3+β3Xlimit+β4lnXgdp+β5lnXpeople+β6lnXinvest
式中：P表示住宅价格;自变量解释具体见表1;β₀为常数项。

Tab. 1
表1
表1多元线性模型变量说明
Tab. 1Variables definition of the multivariate linear model

指标层	变量	变量代码	变量解释
因变量	住宅价格	P	轨道交通影响范围内住宅价格(元/m2)
轨道交通因素	轨道交通建设期	T2	住宅发布时间在2011.1—2016.5范围为1,其他时间段为0（DV）
	轨道交通运营期	T3	住宅发布时间在2016.6—2018.12范围为1,其他时间段为0（DV）
宏观因素	GDP	Xgdp	地区生产总值(亿元)
	人口	Xpeople	各区常住人口数(万人)
	限购政策	Xlimit	虚拟变量,存在限购政策的年份为1,其他年份为0（DV）
	房地产开发投资	Xinvest	用于房地产开发的金额(亿元)

注：DV即虚拟变量（dummy variable）。

新窗口打开|下载CSV

2.3 数据来源及模型变量

通过网络爬虫技术,获取福州市2008—2017年二手住宅的相关样本数据28764条。根据住宅信息在网站发布的日期作为时间划分依据,将住宅分为3个时期,分别是轨道交通规划公示期（2008.1—2010.12）、轨道交通建设期（2011.1—2016.5）、轨道交通运营期（2016.6—2017.12）。数据主要来源于海西房产网、中国住宅价格行情平台,并根据安居客、房天下等房地产网站进行补充。住宅价格均为每平方米的挂牌价格,为了避免通货膨胀和房地产市场的变化因素引起的价格波动,每个时期的住宅价格数据均通过历年二手住宅销售价格指数进行修正。从高德地图抓取住宅、医院、公园、学校等POI地标的地理位置信息,建立空间数据库。经过数据清洗,并剔除别墅、经济适用房、房改房以及平房,筛选出1号线沿线436个小区共计3843条普通商品二手住宅有效样本（图1）。

城市轨道交通沿线的住宅价格受到多种因素的综合作用。因变量为二手住宅每平方米的销售均价,参考相关研究^[7],并结合数据的可获得性,将特征变量划分为四类：区位特征、邻里特征、建筑特征以及时间变量,共18个具体指标。经过虚拟变量的独立样本T检验、多重共线性检验以及逐步回归分析,剔除公园、医院、房间个数和朝向4个变量,最终的自变量为距地铁站点的距离、距CBD距离、公交站点数、住宅发布时间等14个变量（表2）。

Tab. 2
表2
表2特征变量的选取及量化说明
Tab. 2Selection and quantification of characteristic variables

特征分类	特征变量	变量代码	数据说明	预期符号
因变量	价格(元/m2)	Y	经过价格指数纠正的二手住宅每平方米均价
区位特征	至地铁站点的距离(km)	X1	小区距离最近地铁站点的直线距离	-
	至CBD的距离(km)	X2	距离东街口的距离	-
邻里特征	公交站点数(个)	X3	周边500 m以内的公交站点数	+
	小学	X4	周边1000 m内是否有小学,是为1,否为0（DV）	+
	普通中学	X5	周边1000 m内是否有普通中学,是为1,否为0（DV）	+
	重点高中	X6	周边1000 m内是否有重点高中,是为1,否为0（DV）	+
	商场	X7	周边1000 m内是否有商场,是为1,否为0（DV）	+
建筑特征	建筑面积(m2)	X8	房屋建筑面积	-
	多层	X9	楼高为7层以下,是为1,否为0（DV）	-
	小高层	X10	楼高为7~12层,是为1,否为0（DV）	-
	所在楼层	X11	住宅所在楼层	+
	建筑年龄(年)	X12	发布时间减去建成时间	-
时间变量	住宅发布时间	X13	轨道交通建设期：2011.1—2016.5（DV）	-
		X14	轨道交通运营期：2016.6—2018.12（DV）	+

注：DV即虚拟变量（dummy variable）。

新窗口打开|下载CSV

3 城市轨道交通对沿线住宅价格的时空效应分析

3.1 城市轨道交通对沿线住宅价格的空间效应

3.1.1 空间分布格局 利用ArcGIS 10.2软件得到福州地铁1号线周边住宅价格的三维透视图（图2）。从图中可以发现在轨道交通不同建设时期住宅价格在空间南北方向上服从“倒U型”曲线规律,且运营期的倒U型曲线更为明显,呈现出中间高、两边低的分异格局;东西方向曲线较为平直的,分异程度较弱。

图2

新窗口打开|下载原图ZIP|生成PPT
图2不同建设时期的住宅价格空间趋势图

Fig. 2Spatial trends of housing price in different stages



为进一步分析城市轨道交通各个站点周边住宅价格的空间特征,分别计算出各站点的住宅均价,沿轨道交通自北向南按站点排列,做出在各个站点周边住宅价格的折线图。从图3中可以看出,福州地铁1号线沿线住宅价格在空间上呈现明显的单中心分布,峰值出现在位于城市中心（鼓楼区）的东街口站点,随着与CBD距离的增大,住宅价格向四周呈现衰减规律。鼓楼区作为福州的老城区及重要的CBD,具有教育资源优越、配套设施齐全等优势,属于福州市高价住宅区。

图3

新窗口打开|下载原图ZIP|生成PPT
图3福州地铁1号线开通前后各站点周边住宅价格平均变化幅度

Fig. 3The average change of housing price surrounding the station before and after the opening of Fuzhou Metro Line 1



从各站点住宅价格涨幅结果来看（图3）,福州地铁1号线北段和南段的住宅价格有大幅度的增涨,中段的价格变化相对较弱。福州地铁1号线的北段主要是位于晋安区的象峰站、秀山站和罗汉山站,处在福州市东部扩展的城市规划扩张方向。轨道交通和大量教育、医疗、商业设施的逐步落地,配套设施的不断完善带动周边住宅价格的快速上涨。北段平均涨幅达41.48%,其中象峰站周边住宅价格增长57.55%。南段主要是位于仓山区二环以外的黄山站、排下站、城门站、三角埕站、胪雷站、福州火车南站,处在福州市城市规划南部推进的方向。由于该区域远离主城区,接受城市中心的辐射带动作用较弱,基础设施相对落后,住宅价格处于较低水平。福州地铁1号线的通车运营极大缩短了仓山区北段与市中心的交通时间,交通通达性得到显著提高,刺激了周边住宅价格的增涨。南段平均涨幅43.88%,其中福州火车南站增幅为所有站点中最大,达65.71%。中段各站点主要位于福州市中心城区,是福州市社会经济发展的中心地区,交通配套设施较为齐全,住宅价格维持在较高水平,这些站点周边住宅相较于其他区域,城市轨道交通因素的影响并不太突出。这说明以公共交通为导向的开发模式（TOD）对于远离市中心区域房价产生积极影响,离市中心越远的区域,其住宅价格受到城市轨道交通影响涨幅越大。

3.1.2 空间影响范围 基于设定的基准模型,在研究范围2 km内划分4个组别（0~0.5 km、0.5~1 km、1~1.5 km、1.5~2 km）,按照特征价格方程1分别进行回归分析,通过距地铁站点距离变量系数的显著度检验来判断其影响范围。结果表明（表3）,住宅距离地铁站点越远,住宅价格越低,且在不同距离区间内影响程度不同。从回归系数上看,位于地铁站点500 m半径内住宅价格受到交通轨道因素的影响最大,回归系数为-0.451;在0.5~1 km范围内,地铁的影响有所下降;在1~1.5 km范围内,距地铁站点距离的回归系数为-0.161,相较与0.5~1 km区间,至地铁距离越远其住宅价格下降的幅度更大;当距离站点超过1.5 km时,地铁因素的影响不再显著,且回归系数接近0,说明轨道交通对沿线住宅价格的影响范围大致为1.5 km。

Tab. 3
表3
表3不同距离区间的特征价格模型估计结果
Tab. 3Estimation results of hedonic price models with different distance intervals

模型	因变量
	距地铁0.5 km以内	距地铁0.5~1 km	距地铁1~1.5 km	距地铁1.5~2 km
常数	9.986***	9.741***	10.237***	9.556***
距地铁站点距离	-0.451***	-0.119**	-0.161***	-0.030
距CBD距离	-0.066***	-0.079***	-0.072***	-0.047***
公交站点数	0.001	-0.027***	-0.011**	-0.005
小学	-0.013	0.005*	-0.118***	-0.051***
中学	0.077***	0.217***	-0.107***	0.154***
重点高中	0.190***	0.058***	0.151***	0.000
商场	-0.137*	0.015	0.011	0.028
建筑面积	-0.001***	-0.001***	-0.001***	0.000**
多层	-0.060*	-0.109***	-0.118***	-0.182***
小高层	-0.051**	-0.181***	-0.108***	-0.169***
所在楼层	0.003	0.004***	0.008***	0.002**
建筑年龄	-0.015***	-0.006***	-0.007***	-0.007***
轨道交通建设期	0.560***	0.579***	0.425***	0.469***
轨道交通运营期	0.790***	0.775***	0.636***	0.717***
样本数	797	1128	908	1010
R2	0.595	0.571	0.511	0.593
调整R2	9.986***	9.741***	10.237***	9.556***
F值	85.358	127.152	75.720	96.662
Sig值	0.000	0.000	0.000	0.000

注：^***、^**、^*分别为估计系数在1%、5%、10%的水平上显著。

新窗口打开|下载CSV

从各站点住宅价格涨幅结果来看（图3）,轨道交通对周边住宅价格的影响存在分市场效应。福州地铁1号线途径晋安区、鼓楼区、台江区和仓山区4个城区,其中鼓楼区和台江区属于中心城区。结合图3结果,将福州地铁1号线划分为两个市场：位于鼓楼和台江区的树兜-达道段作为中心城区市场,位于晋安和仓山区的象峰-斗门段和上藤-福州火车南站段作为非中心城区市场。进一步加入不同距离的虚拟变量,来确定不同市场的空间影响范围。设置7个地铁站点距离的虚拟变量,以200 m为间隔,划分为0~200 m、200~400 m、400~600 m、600~800 m、800~1000 m、1000~1200 m、1200~1400 m共7个距离区间（图4）。

图4

新窗口打开|下载原图ZIP|生成PPT
图4分市场模型中不同距离区间的回归系数

Fig. 4The regression coefficient of different distance intervals in the sub-market model



分市场模型回归结果表明（图4）,轨道交通对住宅价格影响程度存在显著的分市场效应。中心城区市场中距地铁站点距离系数为-0.005,非中心城区市场为-0.061,这说明随着与轨道交通距离的增加,非中心城区市场住宅价格降低的速度要快于中心城区市场,也意味着在非中心城区市场轨道交通对住宅价格的溢出效应要明显高于中心城区。中心城区住宅价格一直以来处于福州市高位,公共服务设施可达性高,轨道交通的出现对住宅价格有增值作用,但增长空间有限。而非中心城区市场由于开发程度相对较低,交通基础设施建设投入相对欠缺,轨道交通作为交通可达性提高的推动器,极大改善了非中心城区交通条件,同时缩短与福州市中心的时间,增加跨城区的互动融合,因此轨道交通因素在非中心城区的影响程度更大。从各距离区间回归系数图（图4）可以看出,中心城区市场的影响半径大于非中心城区。总体上,两个市场均呈现出影响程度随距离的增大而呈现梯度下降趋势,中心城区市场最高值出现在距地铁站点200~400 m之间,非中心城区市场在0~200 m之间。当距离超过800 m时,非中心城区市场轨道交通对住宅价格有负向影响,这表明轨道交通的时间可达性在非中心城区表现相对较差,因此居民对直线距离超过800 m的站点接受度不高。

3.1.3 不同因素对住宅价格的空间效应 基于特征价格模型,使用SPSS软件对数据进行最小二乘法（OLS）回归分析,同时结合Robust稳健标准误回归。该模型的调整R²为0.542,拟合结果较好。经过检验,该模型具有较好的拟合度和统计学意义,可以用来分析和解释各特征因素对住宅价格的影响。

根据特征价格模型估计结果（表4）,城市轨道交通周边住宅价格是在多种因素作用下的综合结果,有14个变量对住宅价格产生了显著性影响。城市轨道交通方面,至轨道交通站点距离对住宅价格产生了极其显著的负向影响,住宅价格随着到轨道交通站点距离的增加而减少。在保持其他条件不变的情况下,至轨道交通站点距离每减少1 km,住宅价格的对数增加5.1%。由此可见福州地铁1号线的开通提高了沿线住宅的交通可达性和便捷性,使得沿线住宅价格得到一定程度的提升。与已有相关研究结果相比^[33],福州轨道交通的影响强度小于北京（-0.0734）和杭州（-0.0684）,大于南京（-0.0497）和成都（-0.0036）。

Tab. 4
表4
表4特征价格模型估计结果
Tab. 4Analysis on regression results of hedonic price model

变量类型	模型	变量 代码	未标准化系数			标准化系数			显著性		共线性统计
			B	标准误差		Beta	t		Sig.		容忍度	VIF
	常量		9.762	0.034			290.289		0.000***
区位特征	距地铁站点距离	X1	-0.051	0.009		-0.084	-5.799		0.000***		0.578	1.730
	距CBD距离	X2	-0.068	0.002		-0.448			-33.063		0.000***		0.659		1.518
邻里特征	公交站点数	X3	-0.012	0.002		-0.074	-5.788		0.000**		0.730	1.369
	小学	X4	-0.064	0.009		-0.091			-7.224		0.000***		0.768		1.303
	中学	X5	0.094	0.014	0.076		6.574	0.000***		0.894		1.118
	重点高中	X6	0.111	0.011	0.123		10.139	0.000***		0.819		1.220
	商场	X7	0.025	0.011	0.031		2.282	0.012*		0.650		1.537
建筑特征	建筑面积	X8	0.001	0.001	-0.048	-4.236	0.000***	0.925	1.081
	多层	X9	-0.113	0.013	-0.143		-8.524	0.000***		0.429		2.330
	小高层	X10	-0.123	0.011	-0.188		-11.065	0.000***		0.416		2.401
	所在楼层	X11	0.004	0.001	0.08		5.528	0.001**		0.580		1.724
	建筑年龄	X12	-0.009	0.001	-0.151		-10.648	0.000***		0.597		1.674
时间特征（以轨道交通规划公示期为参考基准）	轨道交通建设期	X13	0.531	0.016	0.815	33.721	0.000***	0.207	4.840
	轨道交通运营期	X14	0.743	0.016	1.136		46.534	0.000***		0.202		4.939

注：^***、^**、^*分别为估计系数在1%、5%、10%的水平上显著。

新窗口打开|下载CSV

在区位因素方面,至CBD距离对住宅价格有显著的影响,这与预期结果相符合。CBD的回归系数为负,表明离市中心越远,住宅价格越低。距离每增加1 km,住宅价格的对数下降6.8 %,说明城市CBD对住宅价格的影响较大。

在邻里特征方面,公交站点数、小学对住宅价格的影响均为负,中学、重点高中以及商场产生了较为显著的正向影响。公交站点数与住宅价格负相关,公交站点数越多其住宅价格越低,由于福州地铁1号线位于福州城区南北走向的主要交通干线,公交站点分布密集,具备良好的交通条件,但是当周边公交站点数量超过公民日常需求的一定范围,由于人流增加导致的喧闹、交通堵塞,反而使得周边有较多公交站点的住宅价值有所下降。周边分布有普通小学的住宅价格会越低,很大程度上由于福州市区的重点小学主要集中分布在鼓楼区,而在鼓楼区以外多为普通小学,因此其他区域虽然周边拥有小学但是因其小学教育质量相对欠缺而失去对住宅价格的提升作用。普通中学和重点高中的回归系数在0.001的显著性水平上均显示为正,说明中学和重点高中对住宅价格有明显的增值作用,其中普通中学对住宅价格的影响程度要高于重点高中。

在建筑特征方面,建筑面积、类型以及年龄对住宅价格有负向影响,所在楼层对住宅价格有正向影响。建筑类型中,多层、小高层两种类型相比于基准组的高层,均对住宅价格有显著的负向影响,说明建筑类型为高层的住宅价格较高。所在楼层对住宅价格有积极影响,随着住宅所在楼层的增加,住宅视野开阔、光线充足,其住宅价格也会增加。建筑年龄系数与住宅价格负相关,建筑年龄越高,住宅单价越低。

3.1.4 不同价位住宅市场的空间效应差异 特征价格模型采用的是最小二乘（OLS）回归方法,同时将各特征变量进行分位数回归,将二种方法结合能够探讨不同价位房屋子市场上轨道交通对住宅价格的影响趋势。从最小二乘回归和分位数回归对比表（表5）,可以发现最小二乘回归和分位数回归得到的系数符号一致;在最小二乘回归中各变量均通过显著性检验,但是分位数回归中存在部分变量在个别分位数上不显著。

城市轨道交通的影响方面,至地铁站点的距离在OLS回归中呈现负向显著,表明随着与地铁站点的距离的增加,住宅价格呈现下降趋势。但在0.1~0.2分位数回归中,系数接近零且未通过显著性检验,说明乘坐地铁便利性对低价位住宅市场的影响不大,这与杨林川等^[28]研究结果相似。在0.3~0.9分位数上,其系数在0.01的显著性水平上均为负数,且随着住宅价格的增加而效应更为明显,表明对于中高价位住宅市场来说,地铁可达性的影响更为明显,即中高价位住宅消费者愿意为邻近地铁而支付更多费用。

从分位数回归结果可以看出（表5）,影响高价位住宅（0.7~0.9分位数）、中等价位住宅（0.4~0.6分位数）以及低价位住宅（0.1~0.3分位数）价格的因素不同。在低价住宅市场中建筑面积因素影响最为显著,建筑面积越大,其住宅价格越低,而到地铁站点距离和所在楼层两个因素对住宅价格的影响微弱。在中等价位住宅市场中距地铁站点距离、中学、商场以及建筑类型影响较大。在高价住宅市场中至CBD距离、距地铁站点距离、重点高中、建筑类型以及所在楼层的影响明显高于中低价住宅,而建筑面积对高价住宅的影响不显著。

Tab. 5
表5
表5最小二乘回归和分位数回归对比
Tab. 5Comparison of OLS and quantile regression results

变量	OLS	分位数 0.10	分位数 0.20	分位数 0.30	分位数 0.40	分位数 0.50	分位数 0.60	分位数 0.70	分位数 0.80	分位数 0.90
常数	9.299***	9.306***	9.447***	9.547 ***	10.063***	10.161***	10.167***	10.164***	10.363***	10.617***
距地铁站点距离	-0.051***	-0.04	-0.013	-0.034**	-0.038***	-0.052***	-0.058***	-0.073***	-0.11***	-0.095***
距CBD距离	-0.068***	-0.058***	-0.062***	-0.065***	-0.066***	-0.068***	-0.067***	-0.067***	-0.073***	-0.075***
公交站点数	-0.012***	-0.007**	-0.009 ***	-0.012***	-0.012***	-0.015***	-0.012***	-0.013***	-0.015***	-0.019***
小学	-0.064***	-0.049***	-0.062***	-0.056***	-0.055***	-0.047***	-0.051***	-0.056***	-0.071***	-0.065***
中学	0.094***	0.096***	0.108****	0.096***	0.099***	0.109***	0.119***	0.09***	0.087***	0.117***
重点高中	0.111***	0.061***	0.068***	0.063***	0.055***	0.048***	0.058***	0.112***	0.089***	0.102***
商场	0.025*	0.020	0.028**	0.026**	0.032***	0.021*	0.019	0.028**	0.024*	0.016
建筑面积	-0.001***	-0.073***	-0.055***	-0.040***	-0.030**	-0.029**	-0.023*	-0.005	-0.019	-0.039**
多层	-0.113***	-0.142***	-0.140***	-0.124***	-0.118***	-0.125***	-0.124***	-0.145***	-0.156***	-0.150***
小高层	-0.123***	-0.137***	-0.142***	-0.135***	-0.133***	-0.131***	-0.134***	-0.151***	-0.161***	-0.153***
所在楼层	0.004**	0.002	0.008	0.012	0.018**	0.025***	0.029***	0.030***	0.043***	0.035***
建筑年龄	-0.009***	-0.008***	-0.009***	-0.012***	-0.013***	-0.013***	-0.012***	-0.010***	-0.005***	-0.005**
轨道交通建设期	0.531***	0.642***	0.608***	0.560***	0.527***	0.504***	0.493***	0.500***	0.482***	0.462***
轨道交通运营期	0.743***	0.871***	0.827***	0.783**	0.754***	0.731***	0.716***	0.724***	0.699***	0.655***

注：^***、^**、^*分别为估计系数在1%、5%、10%的水平上显著。

新窗口打开|下载CSV

3.2 城市轨道交通对沿线住宅价格的时间效应

通过城市轨道交通影响范围内住宅价格均价与途经行政区的住宅均价对比（图5）,探讨城市轨道交通在不同时期对住宅价格的影响幅度。

图5

新窗口打开|下载原图ZIP|生成PPT
图5福州地铁1号线周边住宅价格与所在行政区均价对比

Fig. 5Contrast of the average housing price surrounding Fuzhou Metro Line 1 with that in its district



① 城市轨道交通规划公示期（2008.1—2010.12）：福州地铁1号线沿线途经的4个行政区总体呈现稳步上涨局面,地铁影响范围内的住宅价格基本与区均价持平。其中晋安区和仓山区住宅均价在2010—2011年期间有较为明显的增幅。② 城市轨道交通建设期（2011.1—2016.5）：整体住宅价格增长态势趋于平缓,2011—2014年区均价略高于地铁影响范围内的均价,住宅价格浮动不大。在轨道建设期间,由于施工而造成的噪声、污染以及交通拥堵等负面影响限制了沿线住宅价格的增幅。2015年,福州楼市经历低谷,鼓楼区、晋安区和台江区住宅均价整体有所下降。从2016年起,在晋安区和鼓楼区的地铁影响范围内的住宅价格开始超过区平均水平;而台江区和仓山区则表现出区均价大于地铁周边住宅价格。分析其原因：台江区位于福州二环内,是最靠近鼓楼区且面积最小的城区,土地面积有限,住宅多分布于江滨位置,整体上住宅价格处于较高水平;而仓山区位于福州城市发展的南进方向,经济发展速度快,成为福州热门的购房区域,总体住宅价格涨幅大,地铁周边住宅价格有所上涨但仍未超过区均价。③ 城市轨道交通运营期（2016.6—2017.12）：各区均价和轨道交通影响范围内的住宅价格均表现出历年来最大的增长幅度,地铁影响范围内住宅价格相较于建设期涨幅达19.63%,仓山区、鼓楼区、晋安区和台江区的增长幅度依次为34.90%、39.49%、43.76%和39.87%。在鼓楼区、晋安区和台江区中,位于地铁沿线周边住宅受到轨道交通开通因素的影响,其住宅价格高于各区均价,其中晋安区的涨幅最大。仓山区地铁沿线住宅价格有显著增加,但是略低于全区平均住宅价格水平。

根据特征价格模型中的时间虚拟变量,定量分析不同建设时期城市轨道交通对周边住宅价格的影响。结果显示（表3）：城市轨道交通建设期和开通营运期相较于规划期对住宅价格有积极的正向影响,回归系数分别为0.531和0.744,这说明城市轨道交通对沿线住宅价格有显著的增值作用,且城市轨道交通运营期对住宅价格的影响明显大于建设期。城市轨道交通的开通极大地提高沿线交通可达性,从而对住宅价格产生正向效应。

由于住宅价格是在多种因素作用下的综合结果,除了区位特征、邻里特征、建筑特征等微观因素的作用,宏观经济背景、货币以及调控政策等宏观因素的影响不可忽视,如货币供应量、利率、限购政策。因此,进一步将宏观因素纳入考量能够更加清晰获取城市轨道对住宅价格的影响。在2008—2017年期间,为了调控福州房地产市场价格的非理性上涨,2011年福州开始启动限购政策,2014年取消限购,而后在2017年又重启限购政策。考虑数据可获得性,本文以二手住宅单价的对数作为因变量,选取地区生产总值、限购政策等6个指标作为自变量（公式3）,采用多元线性回归模型探讨宏观因素对住宅价格的影响。

从回归结果（表6）来看,轨道交通不同建设时间对住宅价格均有积极影响。轨道交通的时间效应在模型中得到很好表现,建设期系数为0.293,运营期系数为0.825,这与特征价格模型的结果相接近,也验证了特征价格模型的可靠性。运营期的系数是建设期的两倍以上,且远高于其他宏观因素的估计系数,表明剥离宏观因素对住宅的影响后,轨道交通的开通运营对住宅价格的增值效应仍然十分明显。宏观因素方面,GDP对住宅价格产生显著的正向影响,限购政策对住宅价格有着显著的抑制作用。从系数来看,就地区而言,宏观背景对住宅有一定的影响,但是影响的程度有限。相比之下,轨道交通因素对住宅的溢出效应更为突出。

Tab. 6
表6
表6多元回归模型结果
Tab. 6Results of multivariate regression model

指标	未标准化系数	标准化系数	t	显著性
轨道交通建设期	0.293	0.411	3.861	0.000
轨道交通运营期	0.825	0.710	7.065	0.000
GDP	0.369	0.582	6.415	0.000
人口	-0.577	-0.379	-5.648	0.000
限购政策	-0.161	-0.227	-3.625	0.001
房地产开发投资	0.089	0.178	2.186	0.036
常数项	3.050		27.686	0.000
样本数	40
R²	0.934
调整后R2	0.922

新窗口打开|下载CSV

4 结论与讨论

以福州市地铁1号线站点周边住宅为例,分析城市轨道交通沿线住宅价格的影响因素,并进一步探讨城市轨道交通在不同建设时期对周边住宅价格的空间效应和时间效应,研究结果表明：

（1）通过趋势面分析城市轨道交通对住宅价格的空间效应,发现：福州地铁1号线远离中心城区的北段和南段住宅价格有大幅度的增涨,中段位于中心城区的站点周边住宅价格变化相对较小。城市轨道交通沿线住宅价格与距轨道交通站点距离之间呈现显著的负向效应,至轨道交通站点距离每减少1 km,住宅价格的对数增加5.1 %,距离范围在0~0.5 km内住宅价格递减的幅度最大,当距离超过1.5 km时,轨道交通对住宅价格的影响不显著。同时轨道交通对住宅价格影响存在分市场效应,非中心城区市场轨道交通对住宅价格的溢出效应要高于中心城区市场,但其影响范围小于中心城区市场。

（2）结合特征价格模型和分位数回归结果对轨道交通沿线住宅价格的影响因素进行分析,发现：有14个变量对住宅价格产生了显著性影响,其中,城市轨道交通对住宅价格存在明显的提升作用,并且影响效应与住宅距轨道交通站点的距离以及轨道交通不同建设时期显著相关。轨道交通对中高价位住宅影响更为明显,即中高价位住宅消费者愿意为邻近地铁而支付更多费用。

（3）城市轨道交通对住宅价格的时间效应分析表明：从轨道交通规划公示到运营期,轨道交通对沿线住宅价格均呈现出积极的正向影响,表明轨道交通的建设及运营能够积极地促进沿线住宅价格的上涨,且轨道交通运营期对住宅价格的影响显著高于未开通时期。进一步将宏观因素纳入对住宅价格的影响后发现,轨道交通的开通运营对住宅价格的增值效应仍然十分明显,城市轨道交通的因素对住宅的溢出效应相比限购政策等宏观因素更为突出。

通过与已有研究成果对比分析^[6,14,21],发现福州轨道交通对住宅价格的影响范围要大于北京和上海,与南京较为相近,影响半径为1.5 km,这表明福州居民对地铁站辐射范围的接受程度较高。影响强度上,福州小于北上广一线城市,也小于杭州,这与城市本身住宅价格基数以及城市经济总量有关。基于对福州地铁1号线轨道交通周边不同距离的住宅溢价影响分析,发现溢价效应最高的住宅并非距离轨道交通站点最近,而是位于站点100~400 m范围内,因此在城市轨道交通站点规划中应合理分配各功能分区。进一步探讨也发现城市轨道交通对住宅价格的影响具有明显的分市场效应,非中心城区的影响强度会远高于中心城区,但福州轨道交通不同于其他城市的研究结果之处是非中心城区的影响半径会小于中心城区,造成这种差异主要来自于城市内部区域发展不均衡。此外,在探讨微观因素后,将宏观因素纳入轨道交通的时间效应度量中,研究表明轨道交通的开通给住宅价格带来的效应远大于限购调控政策以及宏观经济背景的影响。

本文仅以住宅价格作为研究对象,在后续的研究中可以纳入商业、写字楼、工业等不同房地产类型的时空效应分析以及比较,不断丰富研究成果。同时顺应大数据时代,扩宽获取数据的渠道,充分利用互联网获取住宅价格的实时数据,并结合通勤、人口属性、消费数据等手机信令数据,深入刻画不同购房人群对住宅价格的影响。

致谢：

感谢匿名评审专家对本文研究方法选择、结论梳理方面的修改意见,使本文受益匪浅;感谢福建师范大学祁新华教授在论文写作过程中提出的宝贵意见。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] 梅志雄, 徐颂军, 欧阳军, 等. 广州地铁三号线对周边住宅价格的时空影响效应
地理科学, 2011, 31(7):836-842.
[本文引用: 2]

[ Mei Zhixiong, Xu SongJun, Ouyang Jun, et al. Spatio-temporal impact effects of Guangzhou metro 3rd line on housing prices
Scientia Geographica Sinica, 2011, 31(7):836-842.] DOI: 10.11821/dlyj020180352.
[本文引用: 2]

[2] Pilgram C A, West S E. Fading premiums: The effect of light rail on residential property values in Minneapolis, Minnesota
Regional Science and Urban Economics, 2018, 69:1-10. DOI: 10.1016/j.regsciurbeco.2017.12.008.
URL [本文引用: 1]

[3] Song Z, Cao M, Han T, et al. Public transport accessibility and housing value uplift: Evidence from the Docklands light railway in London
Case Studies on Transport Policy, 2019, 7(3):607-616. DOI: 10.1016/j.cstp.2019.07.001.
URL [本文引用: 1]

[4] Seo K, Golub A, Kuby M. Combined impacts of highways and light rail transit on residential property values: A spatial hedonic price model for Phoenix, Arizona
Journal of Transport Geography, 2014, 41:53-62. DOI: 10.1016/j.jtrangeo.2014.08.003.
URL [本文引用: 1]

[5] 徐涛, 陶姣. 轨道交通溢价效应差异性: 理论、现象及机制
现代城市研究, 2020, (9):116-123.
[本文引用: 1]

[ Xu Tao, Tao Jiao. Research on the urban transt access premium variety: Theory, phenomenon and mechanism
Modern Urban Research, 2020, (9):116-123.] DOI: 10.3969/j.issn.1009-6000.2020.09.16.
[本文引用: 1]

[6] 赵晶, 韩清. 轨道交通的溢出与虹吸效应: 基于上海房价栅格数据的探讨
价格月刊, 2020, (10):18-26.
[本文引用: 2]

[ Zhao Jing, Han Qing. Spillover and siphon effect of rail transit: Based on Shanghai housing price raster data
Prices Monthly, 2020, (10):18-26.] DOI: 10.14076/j.issn.1006-2025.2020.10.03.
[本文引用: 2]

[7] 王福良, 冯长春, 甘霖. 轨道交通对沿线住宅价格影响的分市场研究: 以深圳市龙岗线为例
地理科学进展, 2014, 33(6):765-772.
DOI:10.11820/dlkxjz.2014.06.005 [本文引用: 3]
研究轨道交通对沿线住宅价格的影响有助于将轨道交通带来的外部效益转化为内部收益,对城市地铁的建设和运营具有重要意义。在真实城市空间中,由于空间异质性的存在,轨道交通对不同区域的影响并非都是相同的,因而需要划定分市场进行研究。本研究以深圳龙岗线郊区段为对象,首先运用Moran'I 指数证实了空间自相关效应的存在,并构造变量将空间自相关效应纳入模型进行控制,结合其他变量构建了4 个Hedonic 模型,然后通过Chow Statistics 检验划定远郊段和近郊段2 个分市场,最后运用最优的Hedonic 模型对轨道交通影响住宅价格的分市场进行研究并解释其形成原因。研究结果表明：① 轨道交通在近郊段对沿线住宅价格具有正向影响；② 轨道交通对沿线住宅价格影响存在分市场效应,不同分市场中轨道交通对沿线住宅价格的影响程度差异较大,龙岗线近郊段对沿线住宅价格具有正向影响,远郊段对沿线住宅价格具有负向影响；③ 可以通过Chow Statistics检验来划定分市场,龙岗线近郊段和远郊段的分界点为“六约—丹竹头”,近郊段分市场的空间范围可能与城市的平均通勤时间有关；④分市场的形成原因是空间异质性,龙岗线郊区段的分市场是由两个区域中心的空间分布差异所导致。
[ Wang Fuliang, Feng Changchun, Gan Lin. Impact of rail transit on the residential property prices of submarkets: A case of the Longgang Line of Shenzhen
Progress in Geography, 2014, 33(6):765-772.] DOI: 10.11820/dlkxjz.2014.06.005.
[本文引用: 3]

[8] Bowes D R, Ihlanfeldt K R. Identifying the impacts of rail transit stations on residential property values
Journal of Urban Economics, 2001, 50(1):1-25. DOI: 10.1006/juec.2001.2214.
URL [本文引用: 1]

[9] Ahn K, Jang H, Song Y. Economic impacts of being close to subway networks: A case study of Korean metropolitan areas
Research in Transportation Economics, 2020, 83:100900. DOI: 10.1016/j.retrec.2020.100900.
URL [本文引用: 1]

[10] 聂冲, 温海珍, 樊晓锋. 城市轨道交通对房地产增值的时空效应
地理研究, 2010, 29(5):801-810.
[本文引用: 1]

[ Nie Chong, Wen Haizhen, Fan Xiaofeng. The spacial and temporal effect on property value increment with the development of urban rapid rail transit: An empirical research
Geographical Research, 2010, 29(5):801-810.]
[本文引用: 1]

[11] 王琳. 城市轨道交通对住宅价格的影响研究: 基于特征价格模型的定量分析
地域研究与开发, 2009, 28(2):57-61.
[本文引用: 1]

[ Wang Lin. Empirical study on the impact of urban rail transit on house price: Based on hedonic pricemodel
Areal Research and Development, 2009, 28(2):57-61.]
[本文引用: 1]

[12] 冯长春, 李维瑄, 赵蕃蕃. 轨道交通对其沿线商品住宅价格的影响分析: 以北京地铁5号线为例
地理学报, 2011, 66(8):1055-1062.
[本文引用: 1]

[ Feng Changchun, Li Weixuan, Zhao Fanfan. Influence of rail transit on nearby commodity housing prices: A case study of Bbeijing subway Line Five
Acta Geographica Sinica, 2011, 66(8):1055-1062.]
[本文引用: 1]

[13] Yu P, Levy J. Estimating the Value of the Honolulu Rail Transit Project: A Semiparametric Analysis of Property Values on Oahu, HI. Empirical Studies on Economics of Innovation, Public Economics and Management
Cham: Springer International Publishing, 2017: 269-281. DOI: 10.1007/978-3-319-50164-2_16.
[本文引用: 1]

[14] 苏亦宁, 冯长春. 城市轨道交通对其沿线住宅价格的影响分析: 以北京市地铁四号线和八通线为例
城市发展研究, 2011, 18(7):108-113.
[本文引用: 2]

[ Su Yining, Feng Changchun. An analysis on influences to the residential price of real estate brought by urban railway system: A case study of Beijing mtr 4th Line and Batongxian
Urban Development Studies, 2011, 18(7):108-113.]
[本文引用: 2]

[15] Forouhar A. Estimating the impact of metro rail stations on residential property values: Evidence from Tehran
Public Transport, 2016, 8(3):427-451. DOI: 10.1007/s12469-016-0144-9.
URL [本文引用: 1]

[16] Jayantha W M, Lam T I, Chong M L. The impact of anticipated transport improvement on property prices: A case study in Hong Kong
Habitat International, 2015, 49:148-156. DOI: 10.1016/j.habitatint.2015.05.023.
URL [本文引用: 1]

[17] Mathur S, Ferrell C. Measuring the impact of sub-urban transit-oriented developments on single-family home values
Transportation Research Part A: Policy and Practice, 2013, 47:42-55. DOI: 10.1016/j.tra.2012.10.014.
URL [本文引用: 1]

[18] 何丹, 金凤君. 重大基础设施对周边房价的时空影响分析: 以北京地铁4号线为例
北京联合大学学报, 2013, 27(3):1-9.
[本文引用: 1]

[ He Dan, Jin Fengjun. An analysis of the spatio-temporal impacts of major infrastructure on real estate prices: Take Beijing metro Line 4 as an example
Journal of Beijing Union University, 2013, 27(3):1-9.] DOI: 10.16255/j.cnki.ldxbz.2013.03.010.
[本文引用: 1]

[19] 苏海龙, 徐芳. 上海地铁8号线对城市住宅价格的时空效应定量研究
上海交通大学学报, 2010, 44(12):1704-1710.
[本文引用: 1]

[ Su Hailong, Xu Fang. Quantitative research on the spatial and temporal effects of Shanghai metro Line 8 on urban housing
Journal of Shanghai Jiaotong University: Philosophy and Social Sciences, 2010, 44(12):1704-1710.] DOI: 10.16183/j.cnki.jsjtu.2010.12.016.
[本文引用: 1]

[20] 谷一桢, 郑思齐. 轨道交通对住宅价格和土地开发强度的影响: 以北京市13号线为例
地理学报, 2010, 65(2):213-223.
[本文引用: 1]

[ Gu Yizhen, Zheng Siqi. The impacts of rail transit on property values and land development intensity: The case of No.13 Line in Beijing
Acta Geographica Sinica, 2010, 65(2):213-223.]
[本文引用: 1]

[21] 刘康, 吴群, 王佩. 城市轨道交通对住房价格影响的计量分析: 以南京市地铁1、2号线为例
资源科学, 2015, 37(1):133-141.
[本文引用: 3]

[ Liu Kang, Wu Qun, Wang Pei. Econometric analysis of the impacts of rail transit on property values: The number 1 and 2 Lines in Nanjing
Resources Science, 2015, 37(1):133-141.]
[本文引用: 3]

[22] 周鑫鑫, 李鑫, 薛小同, 等. 徐州轨道交通建设对房价的影响: 基于空间双重差分模型
江苏师范大学学报: 自然科学版, 2020, 38(1):17-22.
[本文引用: 1]

[ Zhou Xinxin, Li Xin, Xue Xiaotong, et al. Influence of Xuzhou rail transit construction on surrounding housing price: Based on the spatial DID model
Journal of Jiangsu Normal University: Natural Science Edition, 2020, 38(1):17-22.] DOI: 10.3969/j.issn.2095-4298.2020.01.004.
[本文引用: 1]

[23] Cao X J, Porter-Nelson D. Real estate development in anticipation of the Green Line light rail transit in St. Paul
Transport Policy, 2016, 51:24-32. DOI: 10.1016/j.tranpol.2016.01.007.
URL [本文引用: 2]

[24] 崔娜娜, 古恒宇, 沈体雁. 北京市住房价格和租金的空间分异与相互关系
地理研究, 2019, 38(6):1420-1434.
DOI:10.11821/dlyj020180352 [本文引用: 2]
当前中国住房销售市场、住房租赁市场发展不平衡,研究住房价格、租金的空间分异与相互关系,对建立“租售并举”的住房制度具有重要参考价值。利用2016年北京市各住宅小区的住房价格、租金数据,及2006—2016年北京市逐月住房销售价格指数、住房租赁价格指数,从时空尺度剖析了住房价格、租金的空间分异与相互关系,并剖析了背后的差异机制。结果表明：① 北京市住房价格和租金的空间格局均呈多中心圈层递减结构,且南北差异明显,但租金的空间分异程度弱于住房价格。② 住房价格具有中等程度的空间相关性,受政策等随机性因素影响相对较大,而租金具有强烈的空间相关性,受区位交通等确定性因素影响相对较大。③ 住房价格和租金的价格剖面线并不相同,住房价格易受学区、大型公园等的影响,而租金更易受就业所在地、建筑年龄等的影响。售租比呈混乱斑驳、相对均质的扁平化分布特征,且小区越高档,售租比越高。④ 北京市住房销售市场和住房租赁市场基本相对独立发展,更符合双重市场的特征。产生上述差异的主要原因在于住房销售市场和住房租赁市场的市场特征、服务人群以及市场发育程度不同。
[ Cui Nana, Gu Hengyu, Shen Tiyan. The spatial differentiation and relationship between housing prices and rents: Evidence from Beijing in China
Geographical Research, 2019, 38(6):1420-1434.] DOI: 10.11821/dlyj020180352.
[本文引用: 2]

[25] Yang L, Chau K W, Szeto W Y, et al. Accessibility to transit, by transit, and property prices: Spatially varying relationships
Transportation Research Part D: Transport and Environment, 2020, 85:102387. DOI: 10.1016/j.trd.2020.102387.
URL [本文引用: 2]

[26] Wen H, Xiao Y, Hui E C M , et al. Education quality, accessibility, and housing price: Does spatial heterogeneity exist in education capitalization?
Habitat International, 2018, 78:68-82. DOI: 10.1016/j.habitatint.2018.05.012.
URL [本文引用: 2]

[27] Paliska D, Drobne S. Impact of new motorway on housing prices in rural North-East Slovenia
Journal of Transport Geography, 2020, 88:102831. DOI: 10.1016/j.jtrangeo.2020.102831.
URL [本文引用: 2]

[28] Yang L, Chu X, Gou Z, et al. Accessibility and proximity effects of bus rapid transit on housing prices: Heterogeneity across price quantiles and space
Journal of Transport Geography, 2020, 88:102850. DOI: 10.1016/j.jtrangeo.2020.102850.
URL [本文引用: 3]

[29] 石忆邵, 郭惠宁. 上海南站对住宅价格影响的时空效应分析
地理学报, 2009, 64(2):167-176.
[本文引用: 3]

[ Shi Yishao, Guo Huining. Temporal-spatial Impacts of the Shanghai South Railway Station on Housing Prices
Acta Geographica Sinica, 2009, 64(2):167-176.]
[本文引用: 3]

[30] 刘贵文, 胡国桥. 轨道交通对房价影响的范围及时间性研究: 基于重庆轨道交通二号线的实证分析
城市发展研究, 2007, (2):83-87.
[本文引用: 1]

[ Liu Guiwen, Hu Guoqiao. Impact area and timeliness of rail transit to value of property: Base on demonstration analysis about Chongqing rail transit 2nd Line
Urban Development Studies, 2007, (2):83-87.]
[本文引用: 1]

[31] 何丹, 金凤君. 北京市住宅价格的影响因素和轨道交通效应
地域研究与开发, 2014, 33(5):59-64.
[本文引用: 1]

[ He Dan, Jin Fengjun. Impact factors and rail transit effects of urban housing prices in Beijing
Areal Research and Development, 2014, 33(5):59-64.]
[本文引用: 1]

[32] 陈建宝, 丁军军. 分位数回归技术综述
统计与信息论坛, 2008, (3):89-96.
[本文引用: 1]

[ Chen Jianbao, Ding Junjun. A review of technologies on quantile regression
Journal of Statistics and Information, 2008, (3):89-96.]
[本文引用: 1]

[33] 郑燕巧, 焦世泰, 张晓奇. 城市结构对轨道交通系统与房地产价格关系的影响: 以北京、杭州、南京、成都4个城市为例
经济地理, 2019, 39(6):75-85.
[本文引用: 1]

[ Zheng Yanqiao, Jiao Shitai, Zhang Xiaoqi. Impact of urban structure on subway system and real estate price: Evidence from Beijing, Hangzhou, Nanjing and Chengdu
Economic Geography, 2019, 39(6):75-85.] DOI: 10.15957/j.cnki.jjdl.2019.06.009.
[本文引用: 1]