□□ ，，

(1.山西大學(xué)附屬中學(xué)，山西 太原 030006；2.山西財經(jīng)大學(xué)，山西 太原 030006)

引言

關(guān)于公共交通對住宅價格的影響，早在20世紀(jì)70年代國外學(xué)者就已經(jīng)開始了相關(guān)研究。例如，Bajic V[1]指出，軌道交通建設(shè)對于附近的房屋價格的影響要大于遠(yuǎn)離軌道交通的地區(qū)的房價；Koutsopoulos K C[2]通過對軌道交通建設(shè)的影響遠(yuǎn)近進(jìn)行研究，得出具有明顯影響的范圍是在距離軌道站點(diǎn)0.8 km的一個圓周范圍內(nèi)，并且影響效果在0.8 km以外是呈現(xiàn)同心圓遞減；一些學(xué)者研究和分析了軌道交通建設(shè)對周邊房地產(chǎn)發(fā)展的負(fù)面影響[3-4]，認(rèn)為將對附近居民的生活產(chǎn)生一定的影響，這將導(dǎo)致居民生活質(zhì)量的下降。梁青槐等[5]、王琳[6]、聶沖等[7]利用Hedonic模型的研究結(jié)果表明，在某一個限定距離范圍內(nèi)，距離軌道站點(diǎn)越近的商品住宅價格變動幅度越大，相反的則房價變動范圍越小。

目前，有關(guān)太原市軌道交通對沿線住宅價格影響的研究甚少。因此，有必要研究太原市的地鐵建設(shè)是否會遵循相同的規(guī)律。在建設(shè)用地越來越緊縮的情況下，土地管理部門如何合理劃分地鐵沿線土地的類型；房地產(chǎn)企業(yè)在拿到地鐵沿線周邊的土地后，如何進(jìn)行住宅項(xiàng)目的產(chǎn)品設(shè)計才能實(shí)現(xiàn)土地價值的最大化，均是值得研究的內(nèi)容。因此，本文基于Hedonic模型，研究了地鐵建設(shè)對住宅價格的影響，供土地管理部門、市政建設(shè)部門和房地產(chǎn)企業(yè)決策時參考。

1 研究方法與數(shù)據(jù)

1.1 研究方法

1.1.1 Hedonic模型

Hedonic法又稱為特征價格法，對某個模型中全部未知的特征變量進(jìn)行排列組合形成最終的商品價格。商品價格最終結(jié)果的大小與特征變量有關(guān)，所以用因變量Y來表示商品價格，用自變量Xi(i=1，2，3，……，n)來表示特征變量，即：

Y=P(X1，X2，X3，…，Xn)

(1)

商品價格會由于自變量的不同而產(chǎn)生不同的結(jié)果，所以對不同的自變量求各自的導(dǎo)數(shù)，可以分別獲得每個自變量對商品價格的影響大小。

(2)

上述基本模型的線性形式如下：

P=α+β1X1+β2X2+β3X3+…+βiXi+μ

(3)

式中：P——房地產(chǎn)商品的交易價格；Xi——特征變量；βi——自變量的估計參數(shù)；n——自變量的數(shù)量；α——常量；μ——隨機(jī)擾動項(xiàng)。

1.1.2 模型檢驗(yàn)

(1)參數(shù)估計。參數(shù)估計是通過從整體中選擇一些特殊的樣本來估計整體中未知數(shù)的方法，本研究選取最小二乘法進(jìn)行估計[5]。

(2)統(tǒng)計學(xué)意義檢驗(yàn)。統(tǒng)計學(xué)意義的查驗(yàn)首先是將樣本數(shù)據(jù)帶入模型中，查驗(yàn)得出的估計值是否與搜集到的數(shù)據(jù)相吻合，然后進(jìn)行進(jìn)一步分析。本研究主要采用擬合優(yōu)度查驗(yàn)、特征變量的顯著性查驗(yàn)。

1.2 數(shù)據(jù)來源

本研究以太原市地鐵2號線為研究對象，沿線商品住宅項(xiàng)目的位置查找來源于高德地圖、360地圖。借助這兩個地圖可以得到地鐵2號線周邊所有樓盤的位置和數(shù)量，也能夠精確查找住宅項(xiàng)目到最近地鐵站的最短距離、每個商品住宅項(xiàng)目中心到太原市中心的最短距離等。商品住宅價格數(shù)據(jù)來源于太原市房地產(chǎn)信息網(wǎng)、安居客、網(wǎng)易房產(chǎn)。

2 地鐵建設(shè)對住宅價格的影響

太原市地鐵2號線工程以北面的西澗河為起始站，一直到南面的小店南站為終點(diǎn)站，它穿過太原市中心，將太原市中心和周邊區(qū)域聯(lián)系起來。2號線全長24.2 km，一共有22個?？空军c(diǎn)，每兩個站點(diǎn)之間的距離均為1.1 km。

2.1 變量的選取

基于國內(nèi)外相關(guān)研究成果，遵循系統(tǒng)性、主導(dǎo)性、層次性、科學(xué)性和可操作性等原則，根據(jù)太原市房地產(chǎn)信息網(wǎng)出示的數(shù)據(jù)，太原市房地產(chǎn)均價在2017年之后才有顯著的上升，所以本研究選取2017—2018年住宅價格變動值作為因變量，以更直觀地體現(xiàn)地鐵建設(shè)對住宅價格的影響。自變量的選擇見表1。借鑒文獻(xiàn)[5-7]的方法，選擇太原市地鐵2號線周邊1 km范圍內(nèi)在售的一般商品住宅作為研究樣本。符合上述條件的地鐵2號線沿線的房地產(chǎn)項(xiàng)目數(shù)量為16個住宅樣本。

表1 因變量和自變量表示的具體信息

2.2 模型的建立

根據(jù)上述分析，結(jié)合所選定的3個因變量和7個自變量，運(yùn)用EVIEWS8將數(shù)據(jù)帶入到(3)式中。為了簡化計算，選擇在最常見的0.05的顯著性水平下，對特征變量的參數(shù)進(jìn)行估算，結(jié)果見表2。

表2 分析結(jié)果

由表2的分析結(jié)果，得到最初的回歸方程為：

ΔY=354.65X1+121.01X2+51.94X3-535.36X4+44.29X5+1 572.56X6+703.08X7-1 492.01

(4)

2.3 模型的檢驗(yàn)

根據(jù)表2的EVIEWS8計算結(jié)果可以得出表3的檢驗(yàn)結(jié)果。

表3 檢驗(yàn)結(jié)果

2.3.1R2查驗(yàn)

該線性模型的R2=0.764，較接近于1，表示所選取的特征變量可以解釋房價變動大小的76.5%，樣本數(shù)據(jù)中76.5%的這一部分?jǐn)?shù)據(jù)可以表現(xiàn)在回歸直線上，說明通過該查驗(yàn)。

2.3.2t檢驗(yàn)

由于該模型的顯著性水平為5%，n=16，k=7，根據(jù)查表得到表2中的每個特征變量的t值，可以看出t1，t2，t3，t5，t7均-t，在接受域范圍內(nèi)，說明β1，β2，β3，β4，β5，β7在5%的顯著性水平下，這6個特征變量對于住宅價格變動的影響顯著；而t6>t，在拒絕域中，說明特征變量X6對住宅價格變動的影響不顯著，應(yīng)予以剔除。

在剔除不顯著性特征變量之后，獲得新的價格模型：

ΔY=α+β1X1+β2X2+β3X3+β4X4+β5X5+β7X7+μ

(5)

運(yùn)用EVIEWS軟件，重新回歸優(yōu)化之后的價格特征模型，結(jié)果見表4。

表4 調(diào)整后的回歸分析結(jié)果

將對房價變動影響不是很明顯的特征變量移出模型之后，得出調(diào)整之后的特征價格函數(shù)方程為:

ΔY=3 439.43-1 984.11X1-114.06X2+57.54X3-301.43X4-6.31X5-173.84X7

(6)

3 結(jié)論

根據(jù)(6)式特征價格函數(shù)方程，可以得到如下結(jié)論：

3.1 常數(shù)項(xiàng)為3 439.43，說明在商品住宅單價中有3 439.43元/m2的均價是由未在方程中的變量來表現(xiàn)。

3.2 在區(qū)域特征變量中，X1的系數(shù)為-1 984.11，系數(shù)最大，說明住宅價格受到達(dá)地鐵站點(diǎn)的距離影響最大，價格的增幅取決于住宅與地鐵站點(diǎn)的距離。距離越近，則漲價越多。X2的系數(shù)為-114.06，說明住宅的價格增量會隨著住宅與市中心的距離越遠(yuǎn)而越小；X3的系數(shù)為57.54，說明房價的增幅會隨著商品住宅項(xiàng)目周邊1 km內(nèi)公交路線數(shù)的增多而越大。

3.3 在結(jié)構(gòu)性特征變量中，X4的系數(shù)為-301.43，說明價格的增幅會隨著商品住宅容積率的變小而越大；X5的系數(shù)為-6.31，說明綠地率對住宅價格的增幅不會很大。

3.4 在鄰里特征變量中，X7的系數(shù)為-173.84，說明該項(xiàng)目1 km內(nèi)有重點(diǎn)中小學(xué)，則房價上漲越大。

3.5 在特征價格模型中，X1的系數(shù)最大，說明住宅價格的增幅取決于住宅與地鐵站點(diǎn)的距離，距離越近則漲價越多。為了實(shí)現(xiàn)城市土地價值的最大化，應(yīng)該在靠近地鐵站點(diǎn)周圍布局居住綜合體，這樣既方便了城市居民的交通出行，又滿足了商業(yè)對人流的集聚的需要。對房地產(chǎn)企業(yè)而言，距離地鐵站點(diǎn)越近的項(xiàng)目，應(yīng)該考慮地鐵噪聲對居住環(huán)境的影響，并將產(chǎn)品設(shè)計成小戶型，客戶定位在剛性需求群體上。

3.6 本文在選擇樣本時，考慮到數(shù)據(jù)的可收集性，選擇16個樣本顯得偏少。同時，為方便計算，采用7個模型特征變量也不盡全面，所以模型的計算結(jié)果還需要在實(shí)踐中進(jìn)一步驗(yàn)證。