Modeling urban housing price: The perspective of household activity demand
NIUFangqu通讯作者:
收稿日期:2015-12-22
修回日期:2016-05-9
网络出版日期:2016-11-28
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (2477KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
城市住房价格一直以来受到社会学、城市地理学和经济学的广泛关注,是城市研究的重要内容。研究表明住房的价值由结构特征（房屋质量、内部结构等）、区位特征和公共服务设施的便利性构成[1]。房价模拟分析研究可以追溯到杜能农业区位论[2]。杜能模型虽然是针对农产品分布提出,但其实质是基于一系列假设对城市地价分布规律高度抽象的模拟[3]。Alonso的地租理论[4]是杜能模型在城市空间的推广应用,该理论认为城市地租的决定因素是区位到市中心的可达性。地租理论同样是建立在单核、有限的土地利用类型的假设基础之上。之后国内外****对房价影响因素进行了大量的研究,主要包括房屋自身质量（建筑特征、年限等）[5]、环境质量[6-8]、公共交通设施[7, 9-18]、商业中心、学校及医院[5, 7, 11, 19-20]等。其中,区位条件研究较多,说明区位条件也是住宅价格的关键影响因素。就区位条件评价方法而言,通常采用的是相对位置或距离关系,例如到交通设施、特定学校、医院、CBD（或其他中心）、公园等的距离。一般结论为接近轨道交通或公交站点、重点学校、商业中心等设施的位置房价较高,房价分布现象得以描述。但就模型模拟效果而言,相关研究对房价模拟在局部可以达到一定效果,但对于整个城市难以达到很好的效果,甚至在不同的城市或在同一城市不同的案例区域会得出不同的结论[12]。城市是一个完整的体系,城市空间的发展过程是各类活动通过交通的相互作用过程,各位置的区位条件应是城市所有设施综合影响的结果,房价则是所有设施在该地的投影。因此,更合理的计算方式应该包括“全市”各类设施的多少及其交通条件。另一方面,常用的局限于特定设施或范围内的评价方法需要设定阈值,如1 km半径内分布的医院或公司数量,到达10个医院需要几公里等,阈值难以科学给定。此外,真正影响城市内在运行机制的不是设施,而是人的各类“社会经济活动”及其在“时空上”的格局[21-25]。因此,区位条件更核心的含义应是在整个城市范围内获取某种“活动”的“机会多少及获取成本大小”,而非某几个设施或CBD。“距离”只是对设施可达性的“静态”的描述,实际中,交通设施（如地铁站点）对周围房价的影响根本原因是交通沿线的经济活动的分布,当沿线经济活动分布发生变化时,势必影响交通设施周围房价;对于其他设施,非常有可能其位置没变（如医院）,但其所包含的“活动机会”则可能有很大的变化（如增加规模、品质提升）,这样的变化在常用的指标中无法体现。CBD虽然表征着商业中心,对于大城市而言,可能存在多中心,CBD的功能被弱化。因此,如果采用全市各种经济活动机会的可达性对区位进行更直接刻画,而非采用替代变量,可以对区位进行全市范围的分析,而非局限于一定范围;不但可以反映位置、交通条件,还可以反映全市所有经济活动分布的影响;可以对区位条件进行动态的刻画（随经济活动分布的变化而变化）,而非静态（空间距离）的描述。除此以外,住房的使用单元通常为家庭,家庭成员结构不同导致其居住偏好不同,最终导致住房价格的空间差异性[11]。因此家庭的区位需求是模拟房价的重要途径。
基于全市经济活动可达性评价区位条件涉及两方面：一是全市各类经济活动的分布,二是到达各类经济活动的交通条件。而家庭的区位选择决定于家庭成员结构。据此,本文以北京为例,综合城市经济活动分布和交通系统,建立交通可达性模型,评价每个区块到达全市各类经济活动的便捷度（称作区块的交通可达性,反映该区块的交通优势度）,分别称为就业可达性、教育可达性、消费（购物等）可达性、医疗服务可达性。在此基础上依据家庭结构评价区块之于家庭的价值,称作区块的家庭可达性,据此模拟住房价格。本文从微观、系统层面探讨城市宏观空间结构特征,可为政府合理调整和优化城市空间结构提供决策依据,为房地产市场空间研究提供模型方法上的参考。
2 研究方法和研究区域
2.1 模型与方法
依据前文,本文将“交通可达性”定义为从某区块出发到达目标（或称机会）便捷性,例如,对于就业而言,区块i的交通可达性指的是从区块i出发到达就业岗位的便捷度,决定于全市所有工作岗位分布及其与区块i之间的交通条件,对于教育、医疗、消费活动类似。交通可达性评价分区块、分经济活动进行,每个区块的交通可达性表征了该区块的区位条件,同一区块的就业、医疗、教育、消费等各类可达性是不同的。结合数据的获取情况,本文对医疗、教育和消费活动机会数量采用分布于各区块的医疗、教育、其他服务业的从业人数,即公式（1）中的参数W。根据该定义,交通可达性建模需要考虑两个方面,即全市经济活动机会的空间分布和城市交通条件。其中交通条件是从物理交通层面表征区块间通行的方便程度,一般采用最短路程、最小时间费用或经济费用表征,也可以综合考虑时间和经济费用,称作综合费用（generalized cost, g）。考虑到交通的需求与供给共同影响着交通状况,需要建立智能交通模型用于评价区块间的交通费用（g）,本文对此不予展开。本研究基于交通路网（由各级交通线路构成）,采用GIS最短路径算法,求解区块间最短路径,以最短时间计算。交通费用评价的结果是一个m×m的矩阵,即两两区块间的交通费用,m是城市区块数量。基于上述讨论,本文建立模型的公式为：
式中：Ai表征了城市区块i的交通可达性;Wj是区块j内活动机会的数量;gij是区块i到j的交通成本;分布系数λ表征了不同交通模式对于距离变化的敏感程度,本文不对交通模式进行分解,λ值取1即可。公式（1）在计算区块i的交通可达性时,将扫描城市所有区块活动机会分布。
模型中距离参数gij的系数为负值（-λ）,当距离增大时,exp（）函数值变小,区块j的权重Wj被缩小。因此,如果对于区块i而言,区块j很难到达（gij值很高）,j内机会将变得无意义;反之,如果j很容易达到（gij值很小）,其内机会数量影响很大。分母是所有区块的权重之和,保持可达性Ai的量纲与交通费用g相同,因此,数值上而言,Ai值越高可达性越低。若采用计算机程序实现上述模型,算法将包含内循环和外循环,其中内循环用于计算某个区块的可达性,而外循环用于评价所有区块的可达性。
采用上述对数求和方式评价可达性的原因是：该模型包含了交通系统和经济活动分布两方面;该公式无需设定阈值;若在很远处增加活动机会,区块i可达性改进不大,但不会下降（若采用简单的求和再平均的方式,结果可能会下降）。公式（1）是基于大量研究工作,对McFadden[26]随即效用理论的扩展应用。
2.2 研究区域与数据
北京主城区位于六环以内,其他4个远郊区县（怀柔、密云、平谷、延庆）在六环外。为了全面探索城市空间的演化与扩展,本文以整个北京市作为案例地区,将六环以内（含与六环相交）的共12个区县作为研究的重点区域,采用街道（乡镇）尺度数据;4个远郊区县山区较多,空间上不再细分,而是采集各县城的变量。这样研究区域共包含243个区块（图1）。需要说明的是,本文采用的是经济模型,关注的是经济要素,与空间尺度关系不大。
显示原图|下载原图ZIP|生成PPT图1研究区域及其房价分布
-->Fig. 1Study area and spatial pattern of housing price
-->
本文研究用到4套数据：住房价格数据;基于2010地图集数字化的路网数据（包括高速公路、城市快速路、国道、省道、县道、地铁线路等）;第六次人口普查数据（家庭人口数据）以及北京市经济活动分布数据。其中住房价格数据来自于房地产中介公司（搜房）,通过对每个街道或乡镇所能获取的房价进行平均,表征该街道的房价。北京市经济活动分布数据来自于经济普查数据结合实地调研数据,在获取各单位的相关信息后,利用电子地图提供商所提供的地图远程访问接口（API）,通过与POI（Point of Interest）进行匹配,确定各个单位的空间坐标。该套数据几乎涵盖了北京所有公司、学校、研究所、医院等工作单位,包括单位的空间位置、资产规模、员工数量等。基于该数据,利用GIS空间分析得到详细的北京就业分布。
3 基于经济活动的城市交通可达性评价
区块的交通可达性反映了全市经济活动对该区块的影响,表征了该区块的价值。本研究利用公式（1）分别计算了各区块的就业、教育、消费、医疗交通可达性。根据公式（1）,评价各类可达性时需要设定各区块的权重,即活动机会数量Wj。就业可达性评价采用的是各区块就业岗位总量,而教育、医疗、消费可达性评价分布采用的是教育、医疗、其他服务业的从业人数计算。各类交通可达性评价结果如图2所示,每个区块的评价值表征从该区块出发从事各类活动的便捷度,反映了区块的区位条件。
显示原图|下载原图ZIP|生成PPT图2基于经济活动的北京交通可达性评价
-->Fig. 2Beijing urban accessibility by activity
-->
将各类可达性均分为5个等级,即高、中高、中、中低、低（图2）,各类可达性空间格局总体相似,中心城区较高,由城市中心向郊区呈减弱趋势,这是因为目前北京经济活动分布密度由中心城区至郊区逐渐下降。① 就业出行而言,北京四环以内仍然具有最强的区位优势,可以得出北京目前的绝大部分就业机会仍然分布在四环内的主城区,同时该地区拥有便利的交通设施;② 教育出行而言,五环以内偏西部优势明显,并且在四环和五环之间的近郊同样具有很高的可达性。由此可见西城区和海淀区具有很好的教育资源,使得该地区的教育出行很为方便。这也是因为该地区有着大量的优质中小学和高校的原因;③ 消费可达性与医疗服务可达性总体上有着类似的分布,集中于五环尤其是四环内的主城区部分,源于以往摊大饼式发展的结果。目前在北京交通日益恶化的情况下,疏散医疗等活动势在必行。下面将基于上述评价结果,依据家庭区位需求模拟住房价格。
4 基于家庭需求的住房价格模拟
城市居民通常以家庭为单元选择居住区位,家庭的区位选择是家庭成员区位需求的综合反映。家庭成员一般可分为儿童、工作年龄人员、老人（退休人员）三大类。各类成员还可以细分（如工作年龄人口可分为有工作的和无工作的）,暂不做讨论。各成员常见区位需求有：儿童需要考虑上学（教育）、成年人需要考虑上班（就业）、老人需考虑医疗服务,此外,家庭还需考虑消费出行的便捷性。不同家庭对不同的经济活动有不同的侧重,例如,两口之家（成年人）的区位选择主要考虑就业可达性,而两个大人带孩子的家庭的区位选择会综合考虑就业和教育可达性。这里定义家庭可达性的概念,区块的家庭可达性表征了某类家庭由该区块出发从事各类经济活动的便捷性。家庭可达性评价需根据成员结构,综合考虑就业、教育、消费及医疗服务等各类可达性。4.1 家庭可达性评价
区块的家庭可达性表征了该区块之于家庭的价值,需依据家庭结构确定各类经济活动之于家庭的权重,对各类可达性予以加权,这意味着同一区块对不同家庭有着不同的价值。北京六普数据将家庭分为一代户、二代户、三代户、四代及以上户,并有儿童、工作年龄人口、退休人口等信息。基于此,可换算出各类家庭平均成员结构（表1）。Tab. 1
表1
表1家庭人口结构
Tab. 1Demographic structure of households
| 家庭类型 | 家庭比重(%) | 儿童(人/户) | 工作人口(人/户) | 退休人口(人/户) |
|---|---|---|---|---|
| 一代户 | 50.4 | 0.34 | 1.34 | 0.16 |
| 二代户 | 39.4 | 0.71 | 2.71 | 0.25 |
| 三代户 | 10.1 | 1.09 | 4.11 | 0.32 |
| 四代及以上户 | 0.2 | 1.47 | 5.56 | 0.32 |
新窗口打开
本文依据家庭结构、参考出行频率计算各类经济活动之于各类家庭的权重：
式中：Weight为某类经济活动的权重;Person是某类家庭成员的数量;Frequency是每月从事该活动的频率（次数）;常数2表示每次出行按来回两次通行计算。
对于就业、教育活动,Person分别是家庭工人或未成年人口数量,每周按5个工作日计算,每个月平均约23.7个工作日计算,每人每月从事活动频率Frequency为23.7次,即每天一次;对于消费活动,每个家庭每月4次计算（每周一次）;对于医疗服务,Person取退休人口数量,Frequency为每人每月看病频率,按2次计算。据此各类活动之于各类家庭的权重如表2所示。
依据公式（3）对各类经济活动可达性进行加权,得到区块的家庭可达性。
式中：
Tab. 2
表2
表2经济活动之于家庭的权重
Tab. 2Weights of activities for impacts on housing location
| 家庭类型 | 就业权重 | 教育权重 | 消费权重 | 医疗服务权重 |
|---|---|---|---|---|
| 一代户 | 58.15 | 14.82 | 3.68 | 0.32 |
| 二代户 | 117.66 | 30.99 | 7.35 | 0.50 |
| 三代户 | 178.50 | 47.10 | 11.03 | 0.64 |
| 四代及以上户 | 241.26 | 63.87 | 14.71 | 0.65 |
新窗口打开
各类家庭可达性分布总体上由中心城区至郊区逐渐降低（图3）。这是因为各类经济活动的空间分布总体相似,由中心城区到郊区密度降低,但分布细节并不相同,每个区块的各类家庭可达性评价值并不相同。对于房地产开发而言,在不同的位置需依据家庭需求确定房屋户型,而本研究为之提供了可靠的参考。本研究的重点是实现住房价格的模拟,这里不对各类可达性的空间差异做深入分析,下面进一步探讨家庭需求与房价分布的相关性。
显示原图|下载原图ZIP|生成PPT图3北京家庭可达性评价
-->Fig. 3Values of blocks for different types of households in Beijing
-->
4.2 家庭区位需求与住房价格拟合
家庭可达性反映了家庭对区块的需求程度,各类家庭可达性共同影响住房价格。经初步判别区块的家庭可达性与住房价格分布存在幂函数关系,设定函数形式如下：式中：Pi为区块i的住房价格;HACCi, j是区块i对于j类家庭的家庭可达性;m是待定指数。同样对此函数作Ln变换,采用OLS方法进行回归分析（表3）。模型在全市范围内达到了较为理想的模拟效果,可见将家庭需求及区位条件两个相结合可以对住房价格进行很好的模拟,为住房价格的模拟分析提供了很好的模拟手段。
各个变量中,一代户、二代户、三代户的家庭可达性均不显著（表3）。而四代及以上户的家庭可达性与房价分布表现出极高的相关性。规模不同的家庭人口结构存在巨大差异,一代户、二代户、三代户家庭成员较少。当家庭人口数量较少时,其出行需求相对单一,侧重不同。而四代及以上户,家庭成员较多,出行需求较为全面,其区位选择需综合考虑多方面需求。四代及以上户的家庭可达性与住房价格相关性最为显著,印证了城市房价是各类经济活动共同作用之结果。另外,二代户虽然规模高于一代户,但其相关性最弱,回归中被排除。二代户通常有孩子上学,其居住区位选择受教育资源分布影响较大。这也说明在全市范围内,教育资源分布并非房价的关键因素。原因是重点中小学对房价的影响仅局限于其周围小范围,尤其是学区内;二是以往“一胎”政策下多数家庭只有一个孩子,入学教育只是家庭的阶段性需求。
Tab. 3
表3
表3家庭区位需求与房价估计结果
Tab. 3Estimation results of housing accessibility and housing price
| 变量 | 变量描述 | 指数 | 指数值 | T检验 |
|---|---|---|---|---|
| HACCi, 1 | 区块i对一代户的家庭可达性 | m1 | 0.002 | 不显著 |
| HACCi, 2 | 区块i对二代户的家庭可达性 | m2 | 排除 | 不显著 |
| HACCi, 3 | 区块i对三代户的家庭可达性 | m3 | 0.004 | 不显著 |
| HACCi, 4 | 区块i对四代及以上户的家庭可达性 | m4 | 0.74 | 17.20** |
新窗口打开
5 讨论及结论
城市是交通与土地利用相互作用的有机的整体,通常采用位置关系刻画住房价格空间异质性,对于房价与交通系统、经济活动的数量关系关注较少。本研究探讨了城市交通和经济活动与住房价格异质性之内在联系。在构建城市交通可达性模型的基础上模拟分析了城市就业、教育、消费、医疗服务等活动的交通可达性,在此基础上模拟分析了家庭的区位需求与住房价格的关系。具体而言,本文在以下三个方面有所改进：（1）构建了交通可达性评价模型,综合考虑全市范围经济活动分布和交通条件,依据出行目的评价区位条件。在对可达性深入分析的基础上,发现以往的可达性指标（临近某类设施）只是临近这类“活动机会”的替代变量,通常局限于特定设施（如CBD、重点学校）或范围、不能直接反映设施所代表“活动机会”的多少、静态而非动态、需要设定空间阈值,而实际上空间阈值的科学设定本身存疑。据此,本文所提出的交通可达性模型摈弃了利用替代变量的做法,从城市系统层面、基于机会分布格局与交通系统评价交通可达性。依据模型,每个区块的区位条件是城市所有经济活动对其作用的结果,体现了城市活动相互作用的基本规律。
（2）构建了家庭可达性评价方法,依据家庭结构评价家庭的区位需求。家庭是住宅选择的基本单元,从家庭需求的角度出发有利于系统地、全面地研究城市住宅影响因素。家庭的区位需求是家庭成员需求的综合反映。该模型为房地产开发在不同的区位针对何种家庭、建筑何种户型提供有益参考。
（3）基于家庭需求模拟城市住房价格。结果表明,该模型在全市范围内达到了很好的模型效果。四代及以上户的区位需求与住房价格的空间分布显著相关。通常家庭随着规模增长而分为多个小规模的家庭,四代及以上的大户是未做分家的大家庭,成员较多,有多种出行需求,也印证了各类经济活动共同影响着住房价格。需要说明的是,四代及以上户数量很少（0.2%）,其住房需求不足以影响整个城市的住房价格,但这并不影响模型的使用,模型为模拟城市住房价格提供了很好的途径。
除去理论贡献,本文还对实际的政策制定有所助益。北京提出实施“以业带人”调整空间结构,目标是通过调整经济活动空间格局实现对人口的带动。本文所提出的模型可用于模拟经济活动分布对房价的影响,有助于开展政策检验。模型刻画了交通系统及经济活动分布与房价的数量关系,在交通或经济活动数量发生变化时,模拟结果将随之变化。具体而言,公式（1）中变量W和g发生变化将导致可达性评价结果随之变化,房价模拟结果也将发生改变。
本文还存在有待改进之处,如已有研究发现住房自身的特征（本身质量、年限、舒适度等）、区位及公共服务设施的临近性是影响城市住房价格的主要因素,而本文其实只考虑了后两者的情况,侧重的是空间相互作用。本文将经济活动分为就业、教育、消费、医疗服务四大类,囿于数据的限制未做进一步细分,如休闲娱乐、文化活动等,在未来的研究中应对此有所应对。本研究采用的是目前所能获取的最为详细的街道（乡镇）尺度数据,但每个街道内的住房通常特征各异,为此,在更为微观尺度（例如社区尺度）开展多因素模拟分析有待深化。本文在计算交通条件时,是基于城市交通网络求解最短路径。而实际交通状况受需求与供给共同影响,如道路的通行能力和需求量。为此,构建更为智能的交通模型,计算城市交通综合费用（g）也是本研究进一步的工作。此外,本文只考虑了单一交通模式,而实际存在不同交通模式（如公交、自驾）,不同的交通模式对于距离的敏感度不同,为此,需赋予公式（1）中参数λ以不同的值实现多模式交通评价,也将使模型更为完善和接近真实。
The authors have declared that no competing interests exist.
参考文献 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] | |
| [2] | |
| [3] | |
| [4] | |
| [5] | <p>针对我国城市住宅市场中的问题,如何通过适宜的住宅面积标准来引导住房建设与消费是当前极为重要和紧迫的课题。然而已有的建筑学和比较研究等方法却存在较大的局限性,难以为政策提供有效的支撑。本文运用微观经济学的理论和方法对适宜居住面积标准的理论框架和方法进行探索,以北京市为例进行实证分析。从住房市场的经济分析出发,将住宅面积标准的优化界定为使消费者的边际效应最大化的问题。通过定量分析,提出适合于不同家庭的居住面积的建议值,并就如何合理地引导住宅建设与消费提出政策建议。根据分析结果,建议以50m<sup>2</sup>和80m<sup>2</sup>作为北京地区的适宜建筑面积标准。同时,从鼓励阶段性消费的政策视角出发,提出宜针对特定的目标层,通过减税、补贴等手段降低换购费用,从而创造引导居民理性消费的经济动机。</p> . <p>针对我国城市住宅市场中的问题,如何通过适宜的住宅面积标准来引导住房建设与消费是当前极为重要和紧迫的课题。然而已有的建筑学和比较研究等方法却存在较大的局限性,难以为政策提供有效的支撑。本文运用微观经济学的理论和方法对适宜居住面积标准的理论框架和方法进行探索,以北京市为例进行实证分析。从住房市场的经济分析出发,将住宅面积标准的优化界定为使消费者的边际效应最大化的问题。通过定量分析,提出适合于不同家庭的居住面积的建议值,并就如何合理地引导住宅建设与消费提出政策建议。根据分析结果,建议以50m<sup>2</sup>和80m<sup>2</sup>作为北京地区的适宜建筑面积标准。同时,从鼓励阶段性消费的政策视角出发,提出宜针对特定的目标层,通过减税、补贴等手段降低换购费用,从而创造引导居民理性消费的经济动机。</p> |
| [6] | 优美的城市景观是人们日常生活休闲、娱乐的场所, 给人们带来心理上的愉悦和舒适感, 对城市的品质内涵也有重要影响。由于大多数景观效益是隐性的, 其舒适性价值难以用货币价格直接测量, 国内外****广泛采用特征价格法进行实证研究。本文以杭州市为例, 从建筑、邻里、区位、景观四个维度选择25个解释变量构建特征价格模型, 定量评估了城市内部各类景观对住宅价格的影响。实证结果表明:住宅价格与到西湖和公园的距离呈负相关关系, 而与公园的面积呈正相关关系:其中, 到西湖和最近公园的距离每增加1%,住宅价格将分别下降0.240%和0.036%;公园的面积每增大1%,附近的住宅价格则提高0.012%;广场、山景、钱塘江等景观也对周边一定范围内房价具有显着的提升作用。 . 优美的城市景观是人们日常生活休闲、娱乐的场所, 给人们带来心理上的愉悦和舒适感, 对城市的品质内涵也有重要影响。由于大多数景观效益是隐性的, 其舒适性价值难以用货币价格直接测量, 国内外****广泛采用特征价格法进行实证研究。本文以杭州市为例, 从建筑、邻里、区位、景观四个维度选择25个解释变量构建特征价格模型, 定量评估了城市内部各类景观对住宅价格的影响。实证结果表明:住宅价格与到西湖和公园的距离呈负相关关系, 而与公园的面积呈正相关关系:其中, 到西湖和最近公园的距离每增加1%,住宅价格将分别下降0.240%和0.036%;公园的面积每增大1%,附近的住宅价格则提高0.012%;广场、山景、钱塘江等景观也对周边一定范围内房价具有显着的提升作用。 |
| [7] | <p>Hedonic价格模型在西方发达国家是分析住房市场的常用工具,具有较高的针对性和实时性,并且是衡量外部性的定量科学方法。通过2005年、2006年和2007年三个独立的时间截面数据,建立广州住宅市场的Hedonic模型,揭示了广州居民住宅偏好随时间变化的方向和程度及发生变化的原因,并重点衡量了城市政府的基础设施投资在住宅市场中的资本化程度。结果显示广州居民对于中心区位、良好的交通通达性、大规模的小区和水景景观具有持续上升的偏好,而对于城市政府来说,在地铁建设、景观改造、教育质量提升等方面的长期性公共投资,反映在住宅市场中,即是对此不断增长的住房偏好,并通过模型也对这种投资效用的程度进行了较准确的定量测算。</p> . <p>Hedonic价格模型在西方发达国家是分析住房市场的常用工具,具有较高的针对性和实时性,并且是衡量外部性的定量科学方法。通过2005年、2006年和2007年三个独立的时间截面数据,建立广州住宅市场的Hedonic模型,揭示了广州居民住宅偏好随时间变化的方向和程度及发生变化的原因,并重点衡量了城市政府的基础设施投资在住宅市场中的资本化程度。结果显示广州居民对于中心区位、良好的交通通达性、大规模的小区和水景景观具有持续上升的偏好,而对于城市政府来说,在地铁建设、景观改造、教育质量提升等方面的长期性公共投资,反映在住宅市场中,即是对此不断增长的住房偏好,并通过模型也对这种投资效用的程度进行了较准确的定量测算。</p> |
| [8] | <p>随着居民生活质量的提高和环保意识的增强,居民对环境舒适的支付意愿不断提高。居住环境的价值评估研究受到关注,但对其作用时间和空间影响程度差异的量化研究明显不足。本文以上海市黄兴公园绿地为例,综合运用市场比较法、特征定价法和多元回归分析等方法,并引入加权距离,从时间和空间两个层面分析黄兴公园绿地对周边住宅价格的影响效应,结果表明:黄兴公园绿地所带来的住宅价格增值效应既具有时间上的差异性,又与加权距离存在着显著的二次函数关系,随着距离增加其增值幅度呈下降趋势;其影响效应与加权距离存在着显著的三次函数关系,最大影响半径为1.59km,最强影响区位为0.29km。</p> . <p>随着居民生活质量的提高和环保意识的增强,居民对环境舒适的支付意愿不断提高。居住环境的价值评估研究受到关注,但对其作用时间和空间影响程度差异的量化研究明显不足。本文以上海市黄兴公园绿地为例,综合运用市场比较法、特征定价法和多元回归分析等方法,并引入加权距离,从时间和空间两个层面分析黄兴公园绿地对周边住宅价格的影响效应,结果表明:黄兴公园绿地所带来的住宅价格增值效应既具有时间上的差异性,又与加权距离存在着显著的二次函数关系,随着距离增加其增值幅度呈下降趋势;其影响效应与加权距离存在着显著的三次函数关系,最大影响半径为1.59km,最强影响区位为0.29km。</p> |
| [9] | 基于2004-2009年北京市居住用地出让地块微观交易数据,利用特征价格模型,研究了地块所在区域的社会属性特征对地价的影响以及地块特征价格的空间分异特征。研究显示:①居住用地价格存在显著的空间依赖效应,轨道交通和公园绿地便利性及合理的土地混合利用能够显著提升地价。②人口密度、租用公共住房比例和居住用地开发强度等地块所属社会经济属性对价格影响显著。③居住用地的空间依赖效应、周围商业办公用地溢出效应、轨道交通和公园便利性的特征价格随着就业可达性、教育状况、租用公共住房比例、犯罪率和居住用地出让比例等地块所属社会经济属性特征的变化,存在较大的分异。 . 基于2004-2009年北京市居住用地出让地块微观交易数据,利用特征价格模型,研究了地块所在区域的社会属性特征对地价的影响以及地块特征价格的空间分异特征。研究显示:①居住用地价格存在显著的空间依赖效应,轨道交通和公园绿地便利性及合理的土地混合利用能够显著提升地价。②人口密度、租用公共住房比例和居住用地开发强度等地块所属社会经济属性对价格影响显著。③居住用地的空间依赖效应、周围商业办公用地溢出效应、轨道交通和公园便利性的特征价格随着就业可达性、教育状况、租用公共住房比例、犯罪率和居住用地出让比例等地块所属社会经济属性特征的变化,存在较大的分异。 |
| [10] | 以北京地铁5号线为例,研究了地铁沿线两侧2km范围内,轨道交通对其沿线商品住宅价格的影响程度。①通过分析商品住宅价格特性和影响因素,建立了轨道交通沿线商品住宅价格的影响因素体系,包括商品住宅项目距最近地铁站的最短路径距离、距市级商服中心距离、周边1km内公交站点数、中小学及项目容积率、物业类型等10个因素;②通过显著性检验,重点中小学、普通中小学、公园3个变量对商品住宅的价格影响很小,予以剔除后,构建了影响商品住宅价格的多元回归分析模型;③将采集到的193个项目的有效样本进行运算分析,研究结果表明轨道交通对沿线商品住宅价格的影响最大,并随距轨道交通距离的增加,住宅价格呈指数衰减,至2km以后,对住宅价格影响不显著。针对研究结果,建议地铁沿线土地利用强度和住宅价格确定时,要充分考虑轨道交通的影响。 . 以北京地铁5号线为例,研究了地铁沿线两侧2km范围内,轨道交通对其沿线商品住宅价格的影响程度。①通过分析商品住宅价格特性和影响因素,建立了轨道交通沿线商品住宅价格的影响因素体系,包括商品住宅项目距最近地铁站的最短路径距离、距市级商服中心距离、周边1km内公交站点数、中小学及项目容积率、物业类型等10个因素;②通过显著性检验,重点中小学、普通中小学、公园3个变量对商品住宅的价格影响很小,予以剔除后,构建了影响商品住宅价格的多元回归分析模型;③将采集到的193个项目的有效样本进行运算分析,研究结果表明轨道交通对沿线商品住宅价格的影响最大,并随距轨道交通距离的增加,住宅价格呈指数衰减,至2km以后,对住宅价格影响不显著。针对研究结果,建议地铁沿线土地利用强度和住宅价格确定时,要充分考虑轨道交通的影响。 |
| [11] | 土地制度转型和空间重构背景下,价格信号在土地区位配置及空间结构塑造方面发挥出有效性。基于北京市2004-2009 年居住用地出让地块微观数据,利用空间扩展模型、地理加权回归模型和特征价格模型对居住用地价格影响因素及其空间异质性进行了有效检验和预测。模型结果表明：① 居住用地价格影响因素存在着显著的空间异质性,重点小学、轨道交通和公园等设施便利性因素在不同区域对地价的作用强度存在明显差异。② 相比于特征价格模型和空间扩展模型,GWR模型能够有效刻画土地市场空间异质性的离散性、突变性和跳跃性,因而其对居住用地影响因素的空间异质性刻画和居住用地价格的预测最为准确。③ 居住用地价格影响因素的空间异质性表明居住用地子市场存在的可能性,利用GWR模型对地价影响因素的估计可以为土地子市场的划分提供方法借鉴。 . 土地制度转型和空间重构背景下,价格信号在土地区位配置及空间结构塑造方面发挥出有效性。基于北京市2004-2009 年居住用地出让地块微观数据,利用空间扩展模型、地理加权回归模型和特征价格模型对居住用地价格影响因素及其空间异质性进行了有效检验和预测。模型结果表明：① 居住用地价格影响因素存在着显著的空间异质性,重点小学、轨道交通和公园等设施便利性因素在不同区域对地价的作用强度存在明显差异。② 相比于特征价格模型和空间扩展模型,GWR模型能够有效刻画土地市场空间异质性的离散性、突变性和跳跃性,因而其对居住用地影响因素的空间异质性刻画和居住用地价格的预测最为准确。③ 居住用地价格影响因素的空间异质性表明居住用地子市场存在的可能性,利用GWR模型对地价影响因素的估计可以为土地子市场的划分提供方法借鉴。 |
| [12] | <p>理论分析表明,轨道交通对郊区住宅价格的影响要大于城市中心区。针对北京市地铁13号线周边住宅的实证研究结果验证了这一理论。在郊区,轨道交通站点周边1km内的住宅价格要比1km外高出近20%,而在中心区这一效应并不显著。此外,随着城市交通网络的完善,13号线对住宅价格的影响在开通2年后不再显著。同时,轨道交通在两个方面对城市的土地开发强度产生显著影响。13号线的建设推动了北京市土地开发向北部郊区的跳跃式发展;同时抬高了郊区轨道交通站点周边的土地开发强度—与13号线郊区站点的距离每缩短3.3km,住宅项目的容积率提高1.0。本研究的定量分析结论能够为"交通引导开发"(TOD)的城市空间发展战略,以及轨道交通的费用效益分析和"溢价回收"策略提供决策支持。</p> . <p>理论分析表明,轨道交通对郊区住宅价格的影响要大于城市中心区。针对北京市地铁13号线周边住宅的实证研究结果验证了这一理论。在郊区,轨道交通站点周边1km内的住宅价格要比1km外高出近20%,而在中心区这一效应并不显著。此外,随着城市交通网络的完善,13号线对住宅价格的影响在开通2年后不再显著。同时,轨道交通在两个方面对城市的土地开发强度产生显著影响。13号线的建设推动了北京市土地开发向北部郊区的跳跃式发展;同时抬高了郊区轨道交通站点周边的土地开发强度—与13号线郊区站点的距离每缩短3.3km,住宅项目的容积率提高1.0。本研究的定量分析结论能够为"交通引导开发"(TOD)的城市空间发展战略,以及轨道交通的费用效益分析和"溢价回收"策略提供决策支持。</p> |
| [13] | No abstract provided. |
| [14] | No abstract provided. |
| [15] | ABSTRACT A major impact of mass transit on property values is the capitalization of the reductions in travel costs (travel savings) afforded by a new transportation alternative. The model of mass transit impact presented improves upon existing models in four ways. First, a statistical method is provided to hold constant the factors that might affect property values other than the transportation improvement. Second, the property value gradient to the CBD can be derived by utilizing empirical estimations. Third, two property value gradients are incorporated into the model to study impact. Finally, a “residualization'’process controls multicollinearity among housing attributes. The model is used to estimate the impact of newly introduced bus routes on Denver's residential property values. |
| [16] | Rent plays a vital role in property valuation because any positive or negative influence on rent will in turn affect a property's value. This paper examines the effect of mass transportation on apartment rent. Specifically, this study investigates the impact on rent and value for residential income properties located in close proximity to Washington, D.C. Metrorail stations. After reviewing the empirical research which has focused on the effect of mass transportation availability on property values, this paper examines the benefits on apartment rent of Washington, D.C. apartment buildings from location near Metrorail stations. Our empirical results show that distance from a metro station has an adverse impact on apartment rent, i.e., each one-tenth mile increase in distance from the station results in a decrease in rent per apartment unit of about 2.50%. This analysis should be of interest to a host of domestic and international market participants including academics who study real estate markets, tax assessors who determine market value, appraisers who make market-derived rent adjustments, and property managers who set apartment rents. |
| [17] | , |
| [18] | |
| [19] | In this paper, we estimate the property price gradients in Hong Kong. We distinguish our effort from previous studies on the subject by directly measuring the economic distance, i.e., the monetary commuting cost and commuting time, instead of merely the physical distance. Our results are generally supportive of the prediction of a negative property price gradient. In one specification, the estimated capitalization of the savings of commuting cost in property prices appears to be just right. The expected negative effect of commuting time on property values, however, can only be detected among observations with larger commuting times. Nevertheless, over the range where the effect of commuting time has the expected negative sign, the values of time implied by the estimates agree well with the results reported in the transportation economics literature. 漏 2003 Elsevier B.V. All rights reserved. |
| [20] | <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Beijing's housing market has boomed over the last fifteen years. The city's population grew by 40.6% and per capita income (in constant RMB) by 273.9% from 1991 to 2005. Using two geocoded data sets, we present new evidence on the real estate price gradient, land price gradient, population densities, and building densities in Beijing's recent free housing market. The classic urban monocentric model's predictions are largely upheld in Beijing. We also document the importance of local public goods, such as access to public transit infrastructure, core high schools, clean air, and major universities, most of which have exogenous locations, as important determinants of real estate prices.</p> |
| [21] | <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="spara120">With the rapid urbanization of Chinese cities, access to jobs and amenities is becoming increasingly valued in household's choice of residential locations. In this paper, we estimate the implicit value of access to jobs and amenities in Beijing using the hedonic pricing model. The spatial distributions of jobs and amenities in the Beijing Metropolitan Area are quite centralized, supporting the traditional monocentric model in the urban economics literature. Accessibility indices are developed to measure the accessibilities to jobs and amenities of 129 Jiedaos (residential zones). We then employ the hedonic pricing equations to estimate the capitalization effects of these accessibility indices in the prices of new residential properties. The empirical results show that the accessibility indices are important determinants of residential property prices in Beijing, which means that urban residents have a willingness to pay for access to high quality amenities.</p> |
| [22] | An empirical examination of the residential development patterns illustrates that accessibility and the availability of vacant developable land can be used as the basis of a residential land use model. The author presents an operational definition and suggests a method for determining accessibility patterns within metropolitan areas. This is a process of distributing forecasted metropolitan population to small areas within the metropolitan region. Although the model presented is not yet sufficiently well refined for estimating purposes, the concept and the approach may be potentially useful tools for metropolitan planning purposes. |
| [23] | [M] |
| [24] | |
| [25] | This working paper serves as an introductory reference for those studying the application of landuse–transportation models to the simulation of urban systems. The paper is by no meanscomprehensive, but aims to provide the reader with a foundation in the basic principles underlyingland-use–transportation models and to set those principles in the context of urban management andurban studies. The paper opens with taxonomy of urban simulation models and a treatment ofdescriptive and analytical models. This serves to situate land-use–transportation models in thecontext of a broader simulation environment. The paper then reviews land-use–transportationmodels according to their simulation techniques and individual components. Towards the secondhalf of the paper, the discussion moves to a critical overview of urban simulation and deals withmodel weaknesses and strengths in a holistic fashion, before concluding with a discussion of someinnovations in academic research that are likely to shape future models. |
| [26] |
