(安徽财经大学 安徽 蚌埠 233000)

一、概况

(一)合肥地铁一号线概况

合肥地铁1号是合肥第一条建成运营的地铁线路，是全安徽的首条地铁线路，于2016年12月26日正式开通。根据总体工筹计划，1号线三期工程计划于2021年11月25日建成通车运营。施工期间，1号线将下穿国铁股道1处，下穿合肥火车站站站房1处，下穿铁路张洼大桥2处。总投资135亿元。

(二)研究样本概况

经过实证调研，我们选取了2015-2016年合肥地铁一号线周边2km的房屋平均销售价格作为样本数据。主要的的数据来源是实地调研和网络搜集。我们把调查样本按照诸多因素进行分类，例如距离地铁一号线的直线距离，距离CBD的直线距离等。我们先用excel对数据进行初步的筛选整理，再将数据倒入到SPSS中进行归一化处理和后续计算。

二、基于Hedonic模型的实证分析

(一)Hedonic模型的介绍

特征价格法即效用估价法，该模型认为房地产周边不同的因素都是房地产的属性，而房地产的价格便是由这诸多属性构成的。由于这些因素的程度和数量不同，导致房地产的价格有所差异。因此，如果能将房地产的价格因素提出，找出隐藏在日常生活中的影响房地产价格的因素，那么就能量化诸多因素对房地产价格的影响。

(二)函数形式的选择

Hedonic模型有四种形式:线性形式、对数形式：、对数线性形式、半对数形式：

P=a0+∑aixi+ε

logP=a0+∑ailogxi+ε

logP=a0+∑aixi+ε

P=a0+∑aixi+ε

虽然线性函数模型是我们最熟知的，但是当我们将自变量和因变量均以线性形式带入模型时，无法发现突出的边际效用递减规律，但是当我们采用对数线性模型和半对数线性模型时，我们可以得到固定的系数，解决该问题。故此我们采用更为常用的半对数模型，在本次Hedonic模型中加以应用。

(三)构建指标体系

根据巴特勒提出的理论，房地产的特征因素可归为三类：建筑结构，邻里环境，区位因素。我们在每个因素下细分若干因子，并将因子的选择整理如下表1

表1

(四)数据的收集

我们通过实践调研对合肥地铁1号线周边的15家小区进行了实地调研，我们途径了15个车站：合肥火车站、长淮站、明光路、大东门站、合工大南区站朱岗站、秋浦河路站、葛大店站、望湖城站、合肥南站、紫庐站、金斗公园站、云谷路站、万达城站、九联圩站，这15个小区包括：新安苑、乔康苑、锦绣豪庭、中房名城、金湾嘉园、万振逍遥苑、珠光花园、大店新村、瑞和苑梅兰家园、蓝鼎观湖苑、滨湖双玺、合肥宝能城、滨湖宝文中心、滨湖顺园。我们通过房屋中介了解了这15个小区的单位面积、装修程度、绿化率、到CBD的距离、到地铁站距离、交通线路状况、医院、学校、公园、总价等数据情况。我们通过筛选，剔除由于实践调研的非常规数据，进行数据的收集工作。

(五)对数函数模型

lnP=a0+∑ailnxi+ε

我们将各个特征变量进行自然对数转换，并进行回归分析。

模型摘要b

a.預測值：(常數)，公园,单位面积(m2),学校,绿化率,到CBD距离km,医院,距离地铁站距离

b.應變數:总价/万

其中R平方为0.489，调整后的R平方为-0.22。由线性函数的方差分析结果可知，回归系数的显著性小于0.001，说明显著性不错，说明住宅的价格和我们选择的相关因素之间的关系较为显著。

随后由SPSS软件计算对搜集到的数据进行半对数模型方差分析，可得R Square=90.3%,调整后的R Square=92.3%,根据半对数模型方差分析的结论可知，Sig.小于0.001，说明显著性较高，也说明房屋价格的ln值并没有产生较大的误差。

(六)结论

lnP=a0+∑ailnxi+ε=4.2320+0.904lnx1+0.2067lnx2+0.217lnx5+0.6541lnx8

其中X1——小区平均房屋的单位面积

X2——装修程度

X5——到最近的地铁站的距离

X8——是否有学校

由结论可以看出，在我们选取的九个相关因素中，小区平均房屋的单位面积，装修程度，到最近的地铁站的距离，是否有学校这四个因素对合肥地铁一号线周边房价有显著影响。

(七)影响因素的重要性分析

1)结构因素：结构因素是影响房价的最主要的因素，楼盘的单位面积、装修程度、绿化率都在一定程度上影响楼盘的价格。结构因素是开发商的最初设计，也是给房价定位的基本因素。

2)区位因素：研究结果显示，在地铁站建造后，房屋距离地铁站的距离会在一定程度上影响房屋价格；我们一贯认为的房屋距离CBD的距离却在城市的不断发展中渐渐模糊。这说明城市中心在不断扩大，商业区在逐渐增加，同时，地铁的建立拉近了市民和城市CBD的距离。

3)邻里因素：研究结果显示，邻里因素中最明显的影响因子是周边是否有学校。这是时代发展的产物，越来越多的家长将房屋的配套教育设施摆放在第一位，学区房热也成为了饱受关注的社会问题。

(八)误差分析和模型的局限性

我们从三个方面定性的分析该结论可能包含的误差：因素的选择、数据的可靠性、运算过程中产生的误差。为了尽量减少误差，我们从三个纬度选择了九个因素，反复核实数据的准确性，并且通过回归分析和方差分析来证明模型选择的正确性。

我们在因素的选择上仍有不足，因为我们选择的大多为正因素，缺少负因素来保证数据的多元化。所以该模型不适用于房产市场不景气的时期。同时，我们建立的模型不能随着环境的变化做适应性变化，所以当市场环境产生变化时，该模型的使用同样受到很大的局限。

三、结论与建议

1.结论：我们通过实地调研等方式搜集了数据，并用SPPS软件进行了数据处理工作。通过实证分析得到的数据我们发现虽然公共交通对房价产生了一定的影响但不是最重要的影响。对房屋价格影响较大的因素还是房屋面积，装修程度，和是否为学区房等几个因素。

2.建议：通过实证研究我们发现，政府若想扩大土地增值收益，并不能通过单一的因素和纬度。政府在加大对公共基础设施的投入同时，也要加强对生活区周边的配套设施，场所的维护和建设。虽然公共交通并不能为政府创造较高的盈利，但是它对一个城市的发展是至关重要的。研究结果对开发商也具有一定的其实作用，楼盘的价格受配套教育设施环境的影响极大，所以开发商在选择楼盘时应该注重周边的教育环境，同时注重楼盘的目的和方向性。公共交通对城市经济的推动和为政府带来的收入也许并不能从房价上单一衡量，它能带动城市周边经济的发展，同时增加就业岗位，让人们在城市中穿梭自如。例如，近年来合肥滨湖新区的发展正盛，万达乐园，新建起的各大金融机构的总部大楼，拉动内需为政府创造收益的同时也为政府增加了就业量。在不久的未来，合肥地铁二号线，三号线也会陆续投入运营。市民应该爱惜公共交通设施，积极倡导绿色公共出行，为政府减少维护成本的同时也减少了碳排放量，保护了城市环境。