地铁对沿线住宅价值评估的影响：基于特征价格法的分析

吴流坚

(广东晟峰房地产土地资产评估咨询有限公司，广东 广州 510290)

1 引言

中国自改革开放以来，城市化进程不断加快。根据国家统计局公布的数据，截至2022年，中国的城镇化率已接近65%。随着我国城市化进程的加快和国民经济的迅速发展，城市居民的交通需求和需要也在不断增加。以交通拥堵为典型的“城市病”日益成为制约城市发展、影响人民对美好生活向往的难题。而在城市发展过程中，轨道交通作为一种新的发展模式，已成为现代社会发展的必然选择。***总书记曾强调，大力发展轨道交通是解决大城市病的有效途径，也是建设绿色城市、智能城市的有效途径。2022年3月，交通运输部印发的《国家公交都市建设示范工程管理办法》中也明确指出“超大、特大城市要确立城市轨道交通在城市公共交通系统中的主体地位”[1]。

受限于以往的经济力量和科技水平，我国城市轨道交通建设相较于西方国家整体起步较晚。近年来，随着城市轨道交通的发展建设，与轨道交通相关的产业也随之发展壮大。当前，我国城市轨道交通发展速度较快，运营里程逐年增加，制式仍以地铁为主。地铁作为城市轨道交通的一种，具有专用权、高密度、高通行能力，且覆盖了城市地区各种地下和地面交通。其以运量大、污染少、噪声低、便于节约利用土地为特点，成为缓解城市交通压力而重点发展的城市轨道交通。地铁的发展建设除了可以缓解“大城市病”、提高区域可达性，也会吸引到大量的商业、贸易、餐饮、娱乐等服务及配套设施，从而构成了一个在地铁车站附近的商圈，深刻影响城市的土地利用以及地铁沿线的住宅价值[2]。因此，探索地铁建设与其周边沿线住宅价值的影响机制，对于理解地铁建设的重大外部效应，房地产的合理规划具有重要意义。

2 研究方法的选择

2.1 交通成本模型

交通成本模型着重对交通成本与房地产价格的相关作用进行了分析，在此基础上，结合两者的理论关系与城市地铁本身的特点，建立了房地产价值与交通成本函数关系的理论模型。这个模型把运输费用分成了显性成本，如出行的交通费用与隐性成本，如交通时间机会成本、居民出行的身体疲劳度和精神压力等心理成本[3]。

当有多种出行方式选择时，将出行的距离或出行时间设定为Di，将出行成本依次设定为Ci。假设交通成本依次为TC=D×C，由此，可以得出交通成本模型的交通成本函数形式为：

TC=T1C1f1+T2C2f2+T3C3f3+…+TiCifi

因此，交通成本模型的函数形式为：

p=e-aTC+b

式中：TC为交通总成本；p为房地产价格；a和b为常数。

2.2 特征价格模型

特征价格模型研究商品价格与相关特征的作用关系，认为商品价格是这些相关特征的综合反映和表现。因此，商品的特征价格就是人们为了商品所具有的功能性所愿意付出的价格，可以通过修改商品的某些特征来调整商品的有关价格。

特征价格模型的基本思路是：将商品的价格进行分解，可以显现出其各项特征的隐含价格，在不改变商品特性的前提下，对商品的特征因素进行分解，逐项剔除由于特征变动造成的价格总变动的影响，最后只剩下供需决定的影响[4]。

根据上述思路，这些特征变量与商品价格之间存在函数关系，这种函数关系可以表示为：

P=h(x1，x2，x3，…，xn)

式中，P为商品的价格，x1，x2，x3，…，xn为组成商品的各项特征，其线性形式为：

P=α+β1x1+β2x2+…+βnxn+ε

半对数形式的特征价格模型为：

lnP=α+β1x1+β2x2+…+βnxn+ε

对数形式的特征价格模型为：

lnP=α+β1lnx1+β2lnx2+…+βnlnxn+ε

2.3 模型的比较与选择

交通成本模型以区位理论和地租理论为基础，理论依据清晰可靠，函数关系简单，样本数据的获得性较高。该模型具有一定的科学性，然而当样本容量较小的时候，该模型的运算容易受到较大的影响，从而导致计算结果具有较大的误差。因此，如果采用交通成本模型计算房地产价值，会忽视其他因素对评估结果的影响，导致评估的精确度较低。特征价格模型的理论依据是非常丰富和完备的，其是以效用函数、市场均衡等理论为依据而构建的。此外，特征价格模型全面考虑了各种特征带来的价格变动影响，还可以通过回归系数解释其中的各种影响，量化比较各种特征引起的变动大小[5]。与此同时，国际上也取得了较为丰富和完善的理论与实践成果。综上所述，特征价格模型灵活多变，准确性较高，因此，文章选择特征价格模型作为分析地铁对于沿线住宅价值影响的方法。

3 佛山地铁1号线对沿线住宅价值的影响分析

3.1 佛山地铁1号线概况

佛山地铁1号线，又称广佛线，是中国国内首条跨越地级行政区的地铁线路。它西起广东省佛山市新城东站，东至广东省广州市沥滘站，全线呈现“厂”字形走向。佛山地铁1号线也途经佛山市三个行政区与广州市的两个重要行政区，全长37.96千米，其中佛山市内占21.47千米，广州市内占17.03千米，全线共设置25座车站，均为地下站，其中佛山市设15座、广州市设10座，贯穿广东金融高新技术服务区、广佛都市圈。一期首通段(魁奇路站至西塱站)于2010年11月3日开通运营；一期后通段(西塱站至燕岗站)于2015年12月28日开通运营；二期(魁奇路站至新城东站)于2016年12月28日运营开通；一期后通段(燕岗站至沥滘站)于2018年12月28日开通运营。2017年，广佛地铁总客流为1.07亿人次，日均客流29.4万人次，单日最高客流为39.9万人次。目前，该线路运行时间较长，为评估佛山地铁1号线沿线房地产价值提供了良好的参考。

3.2 特征价格模型的建立与检验

3.2.1 数据来源

针对单个住宅由于户型、朝向、楼层和装修等因素的不同而导致的价格变化，以佛山地铁1号线每个车站为圆心，1.5千米为半径的住宅小区为研究对象，研究其价格变化规律。其中，住宅价格将以整个小区的均价来代表。文章将从建筑特征变量、邻里特征变量和区位特征变量进行研究分析，通过贝壳找房网、链家网、房天下等网站获取相关住宅小区数据，并辅以百度地图进行必要的补充。考虑到数据的精确度与特征变量的完整性，最后共收集了15个站点共35个住宅小区2023年1月的市场价作为样本数据。

3.2.2 变量说明

文章研究的特征价格模型以住宅的单价为因变量，以各特征因素为自变量。同时，文章将从三类特征变量进行分析计算，具体的特征变量说明见表1。

表1 特征变量及说明

3.2.3 数据的描述性统计

在采集到的数据中，处于地铁站0～500米的小区数量占样本总数的42.9%；处于地铁站500～1000米的小区数量占样本总数的45.7%；处于地铁站1000～1500米的小区数量占样本总数的11.4%。住宅价值的最低值为8992/平方米，最高值为66762/平方米，平均住宅价格为24014.82/平方米。距离CBD距离最近的为0.34千米，最远的为11千米，平均距离为5千米。35个住宅小区附近1千米范围内的公交站点数量最少为2个，最多为11个，平均能拥有5个公交站点。在收集到的样本数据中，平均物业管理费用为每月每平方米2.7元。小区容积率在1～8.9，绿化率最低为3%，最高为55%，平均绿化率为29%。具体特征变量的描述性统计见表2。

表2 特征变量的描述性统计

3.2.4 特征价格模型的拟合与检验

该模型有线性、半对数和对数三种表达形式。但是，由于一些因变量中含有赋值变量，因此只分析线性形式和半对数形式的特征价格模型。

线性形式特征价格模型：

P=α+β1L+β2N+β3H+ε

式中，P为单位面积的住宅价格，α、β1、β2和β3为带估计参数，L为区位特征变量，N为邻里特征变量，H为建筑特征变量，ε为随机误差项。

将采集处理后的数据导入IBM SPSS Statistics 24.0软件进行回归分析，模型的摘要、方差分析和回归系数见表3。

表3 线性模型回归系数

半对数形式特征价格模型：

lnP=α+β1L+β2N+β3H+ε

式中，P为单位面积的住宅价格，α、β1、β2和β3为带估计参数，L为区位特征变量，N为邻里特征变量，H为建筑特征变量，ε为随机误差项。

将采集处理后的数据导入IBM SPSS Statistics 24.0软件进行回归分析，模型的摘要、方差分析和回归系数见表4。

表4 影响程度分析

3.2.5 模型检验

将样本的数据代入IBM SPSS Statistics 24.0软件，线性模型调整后的R2为0.317，对数模型调整后的R2为0.382，0.382>0.371，表明对数模型的拟合效果较好，对于计算结果的解释能力更优秀。半对数模型中各变量的容差均大于0.1，且VIF小于5，可以说明各特征变量之间不存在多重共线性。因此，选择对数模型作为文章的研究模型。

3.2.6 模型结果分析

根据上述对数模型回归分析可以得出以下表达式：

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变量的系数为负值，说明它们对于单位面积的住宅价格的影响为负，随着变量值的增加，单位面积的住宅价格会随之下降。CBD、Shopping、Park、Medical、School、Bank变量的系数为正值，说明它们对于单位面积的住宅价格的影响为正，随着变量值的增加，单位面积的住宅价格会随之上升。

根据半对数模型的回归结果可知，Distance的系数相对较大，说明Distance变量对于单位面积的住宅价格影响最大，表明在其他条件不变的情况下，住宅每靠近地铁站1千米，单位面积的住宅价格会上升11%。然而，国内外的相关研究表明，地铁距离对房地产价格的影响在空间分布上是不均匀的。因此，文章用线性模型，引入D1、D2、D3三个变量，分别代表住宅距地铁0～500米、500～1000米、1000～1500米。将相关数据整理导入到SPSS软件中，结果如下。由表4可知，佛山地铁1号线在500米范围内的影响最大。

4 结论与展望

4.1 研究结论

文章通过分析佛山地铁1号线沿线住宅的相关数据，分析和论证了地铁交通对其沿线住宅价格的影响机制。通过数据的分析可知：

(1)地铁的建设是影响其沿线住宅价格的重要影响因素。具体表现为，住宅每远离地铁站1千米，住宅价格下降11%，且地铁对于其沿线住宅价格的影响在500米范围内最大。目前，佛山正在修建佛山地铁2号线和3号线相关延长线，相信在建成后对其周边地区的房价具有较大的增值作用。

(2)住宅周边医疗、金融、教育与商业配套基础设施对住宅价格具有正向影响。用对于住宅周边相关的医疗、金融、教育和商业配套基础设施进行完善的方式，能够让住户的基本生活需求得到满足，从而提升居民在日常生活中的满意度和幸福感。同时也可完善地铁站周边配套设施，为房地产开发商进行区位选择、制定营销策略提供参考方向[6]。

(3)研究表明，住宅与城市CBD的距离对住宅价格呈现负向影响。然而文章分析相关数据后得出的结论却与之相反。造成差异的原因可能与文章设定的CBD有关。通过查阅大量资料，佛山没有较为具体明确的CBD，因此，文章将佛山的CBD设定为佛山行政中心所在的商圈。由于佛山地铁1号线跨越多个行政区，为分析住宅与CBD的距离带来影响[7]。

4.2 展望

研究地铁对其沿线住宅价值的影响是一项充满挑战性的工作，但是限于笔者自身水平及精力，文章仍有较多不足：一是文章数据的采集和区域对象的选择不够恰当，文章中所收集的单位面积住宅价格均为参考价，而非实际成交价格，因此数据的准确度有待提升。同时，文章缺乏大量的数据支撑，对于模型的构建与检验仍需要进一步的修正与完善；二是住宅价值有诸多的影响因素，比如较难获得的时间成本、房地产税等。因此，文章仅选择了部分因素进行分析，难以全面地反映地铁交通对其沿线住宅价值的影响作用。