崔 娜 娜，夏 海 山*，张 纯，古 恒 宇

(1.北京交通大学建筑与艺术学院，北京 100044；2.香港中文大学地理与资源管理学系，香港 999077)

0 引言

伴随中国经济快速发展和城镇化进程推进，大量人口向大城市集聚，引发各种“大城市病”，其中最典型的就是交通拥堵问题。城市轨道交通运量大、准时性高、速度快、舒适度高、安全性好，显著节省了通勤成本和时间，已成为大城市缓解交通拥堵的重要公共交通方式。当前，我国轨道交通建设进入大发展时期，截至2020年底，我国内地累计44个城市开通城市轨道交通运行，运营线路总长度7 545.5 km，车站4 660座。城市轨道交通促进周边土地和房地产价值增加(即溢价)[1]，如何推进土地和房地产价值的溢价回收，进而反馈轨道交通融资日益重要[2]，而科学测度城市轨道交通的时空溢价，是合理制定溢价回收政策的重要基础[3，4]。

学者们从“空间效应”和“时间效应”两个层面对轨道交通的溢价进行深入探讨。“空间效应”层面，城市轨道交通站点对周边地区具有可达性正向影响[5-8]及噪声等负向影响[9，10]，但总体以正向影响为主，且溢价稳定在5%～20%[1]，影响范围则因城市、地区不同而不同。国外研究认为轨道交通的影响范围一般为距车站0.25～0.5 mile的合理步行区内[11-13]；国内研究对北京、上海等一线城市的影响范围多选取2 000 m[6,7,14,15]，而对南京、长春、苏州等非一线城市则选取1 500 m[5,16,17]，且多以500 m为间距对轨道交通的影响范围进行分段划分，可以很好地体现轨道交通对住宅价格的影响程度[18]。“时间效应”层面，轨道交通对住宅价格的影响期被划分为规划期、施工期和运营期3个阶段[19]，由于数据获取难度大，进行较长时间跟踪分析的研究相对较少[20]，且已有实证研究多集中在施工期、运营期两个阶段[21,22]。

总体看，已有轨道交通的溢价研究重空间、轻时间，研究样本量少、时间跨度短，预期效应及对轨道交通分段开通的溢价影响研究不足。近年来，大数据为城市精细化研究提供了新的地理数据源[23]，其真实、海量的优势能提高研究的科学性和有效性[24]。基于此，本文利用网络爬虫获取住宅交易大数据，以天津市地铁6号线为例，采用直接比较法、特征价格模型(hedonic price model)测度城市轨道交通对沿线住宅价格的时空溢价效应。尝试回答以下问题：1)不同影响范围内，轨道交通对周边住宅价格的空间溢价效应如何？空间溢价最高的影响区在何处？2)轨道交通对住宅价格的溢价是否具有超前性？施工期、运营期轨道交通的溢价效应如何？3)由于存在预期效应，对于分段开通的轨道交通线路，首次开通运营和全线开通运营的溢价程度有何差异？本研究将为公共交通导向开发(Transit-Oriented Development，TOD)模式下城市综合开发和轨道交通的“溢价回收”策略提供决策支持。

1 研究区概况与数据来源

天津市是我国内地继北京后第二座开通轨道交通的城市[25]，截至2019年底，共开通运营轨道交通线路6条，覆盖11个市辖区，共设车站143座。其中，地铁6号线是天津市第5条建成运营的轨道交通线路(图1)，其于2011年3月29日开工建设，2016年8月6日开通运营一期工程首段(长虹公园站—南翠屏站)，2016年12月31日开通运营一期工程北段(南孙庄站—长虹公园站)，2018年4月26日开通运营一期工程南段(南翠屏站—梅林路站)。全线共设39座地铁站(北运河站暂未开通)，连接天津西站、天津北站等重要区域性交通枢纽。本文研究区为天津市外环线内地铁6号线站点周围2 km半径范围。

图1 天津市地铁6号线及住宅价格空间分布Fig.1 Spatial distribution of Tianjin Metro Line 6 and the housing prices around it

研究数据包括：1)住宅成交数据，来自贝壳网(https://tj.ke.com/)，通过网络爬虫技术共搜集到2011-2019年天津市住宅交易数据117 885条，包含住宅交易样本的户型、朝向、楼层、电梯、建筑类型、成交时间、成交单价、车站距离、成交周期、交易权属、经纬度等信息；在此基础上，利用ArcGIS软件提取研究区内的住宅交易样本作为本文研究对象，剔除别墅、平房、共有产权房、缺失数据等，主要保留普通住宅，并删除住宅成交单价前1%和后1%的异常值，最终得到22 137个住宅交易样本。2)住宅小区均价数据，来自链家网(https://tj.lianjia.com/)，通过网络爬虫技术获取2019年12月天津市6 620个住宅小区均价数据，该数据经Kriging空间插值后仅用于反映地铁6号线周边及全市住宅价格的空间分布现状(图1)。3)轨道交通站点数据，包含2019年12月天津市轨道交通站点数据、线路数据、站点施工时间、站点正式运营时间等。4)其他公共服务设施数据，包括公交站、大型商场、公园等矢量数据。

2 研究方法

2.1 直接比较法

直接比较法即对轨道交通沿线不同范围内住宅价格直接比较分析，通过统计距轨道交通站点不同距离的平均房价，探讨轨道交通对住宅价格的影响规律。轨道交通对周边住宅价格的增值程度即为溢价率，溢价率=(影响区住宅价格-非影响区住宅价格)/非影响区住宅价格×100%。王霞等[26]、褚劲风等[27]、梅志雄等[19]分别以北京、上海、广州为例，采用直接比较法探索了城市轨道交通对住宅价格的影响。直接比较法简便，但在比较过程中不能剔除其他因素的影响，因而只能进行趋势分析[28]。

2.2 特征价格模型

本文以住宅价格的对数ln(Price)为因变量，以轨道交通所在的影响区为自变量，同时控制其他变量，采用特征价格模型测度轨道交通对住宅价格的时空溢价。结合天津市地铁6号线周边住宅价格与住宅到轨道交通站点距离的探索性分析，本文选择1 500 m作为天津市轨道交通对住宅价格的影响区，1 500～2 000 m为非影响区(参照组)。公式如下：

ln(Price)=α0+α1Subway500+α2Subway500～1 000+
α3Subway1 000～1 500+β1Y2012+β2Y2013+…+
β8Y2019+γX+ε

(1)

式中：Subway500、Subway500～1 000、Subway1 000～1 500为轨道交通影响区虚拟变量，分别表示住宅交易样本是否位于轨道交通站点周边500 m、500～1 000 m、1 000～1 500 m影响区内(是=1，否=0)；α0为常数项，α1、α2、α3为影响区虚拟变量的回归系数；Y2012，Y2013，…，Y2019为时间虚拟变量(是=1，否=0)，主要测度只随年份变化的因素对住宅价格的影响，并以2011年为参照组；β1，β2，…，β8为时间虚拟变量的回归系数；X为控制变量，代表住宅的区位特征、邻里特征和结构特征，如距最近商圈、最近公园、最近公交站的距离以及房屋朝向、是否有电梯等；γ为控制变量的回归系数；ε为随机误差项。

3 实证分析

3.1 地铁沿线住宅价格直接比较分析

3.1.1 影响区与非影响区住宅价格比较 由图2可以看出：1)轨道交通对住宅价格的溢价具有超前效应，在施工期就已显现，地铁6号线影响区的住宅价格一直高于非影响区的住宅价格，涨幅为9.8%～19.4%。2)第一个正式开通运营年(2016年)轨道交通的溢价率达到最大(19.4%)，随着轨道交通运营的推进，涨幅明显回落；第二个开通运营年(2018年)轨道交通的溢价率只有9.3%，明显低于第一个开通运营年的住宅溢价率。

图2 地铁6号线影响区与非影响区的住宅价格比较及溢价率Fig.2 Comparison of housing prices and premium rate between the affected and non-affected areas of Tianjin Metro Line 6

3.1.2 不同影响区的住宅价格比较 为进一步对比轨道交通对沿线住宅价格影响的空间差异，本文以500 m为间距，将地铁6号线1 500 m影响范围划分为500 m、500～1 000 m和1 000～1 500 m 3个等级影响区。由图3可知，除2012年以外，地铁6号线500～1 000 m影响区的住宅价格及溢价率均高于其他影响区和非影响区，可见住宅价格高的小区多位于与轨道交通站点有一定距离但又在步行能接受的距离范围内，既能避免轨道交通可能带来的噪声、环境脏乱等负影响，又能保证便捷的交通可达性。

图3 地铁6号线不同影响区的住宅价格及溢价率比较Fig.3 Comparison of housing prices and premium rates between different affected areas of Tianjin Metro Line 6

3.2 轨道交通对住宅价格影响的时空效应

3.2.1 空间溢价定量评估 以住宅价格的对数为被解释变量，以虚拟变量和控制变量为解释变量，利用Stata 14.0软件进行特征价格模型的稳健性回归，结果如表1所示。模型校正后R2为0.5014，F统计量为1 590.14，P值为0.000，在1%水平下显著，说明模型拟合结果有效，可以解释50.14%的住宅价格差异。由于本文重点关注轨道交通的空间溢价及时间趋势，因此，表1仅列出轨道交通及时间变量的回归系数、标准差、T统计量和P值。α1、α2、α3分别为0.113、0.159、0.116，且均在1%水平下显著。可以看出，相对于非影响区，轨道交通影响区范围内住宅价格与轨道交通存在显著的正向关系，说明轨道交通对住宅价格有显著的正向溢价，但随着距轨道交通站点距离的增加，对住宅价格的溢价先升后降，即呈“倒U形”变化趋势，在500～1 000 m影响区内溢价率达到最高。总体上，相对于非影响区，轨道交通站点周边500 m、500～1 000 m、1 000～1 500 m及1 500 m外(非影响区)住宅价格的比值为P500∶P500～1 000∶P1 000～1 500∶P>1 500=e0.113∶e0.159∶e0.116∶e0=1.120∶1.172∶1.123∶1，轨道交通站点周边500 m、500～1 000 m和1 000～1 500 m影响区对住宅价格的溢价分别为12%、17.2%和12.3%，溢价幅度最大的是距轨道交通站点500～1 000 m的区域，这与直接比较法结论一致。

表1 轨道交通对住宅价格溢价估计模型的统计参数Table 1 Statistical parameters of estimation model of housing price premium affected by rail transit

3.2.2 时空溢价定量评估 为进一步测度轨道交通对住宅价格溢价的时空效应，本文对2011-2019年逐年住宅交易样本进行特征价格模型的估计，在控制其他变量的情况下，轨道交通施工期和运营期各影响区住宅价格的模型估计结果及溢价率如表2、表3所示。结果显示：1)地铁6号线开工建设的第一年(2011年)，相比非影响区，站点周边500 m、500～1 000 m 及1 000～1 500 m影响区对住宅价格的溢价率分别为10.1%、16.2%和7.9%，再次印证了轨道交通的溢价在施工期就已显现。2)地铁6号线首个开通运营年(2016年)，站点周边500 m、500～1 000 m及1 000～1 500 m 3个影响区的溢价率均达到峰值，分别为19.6%、22.4%和18.2%， 说明地铁6号线周边住宅价格对轨道交通线路开通运营这一“标志性”事件反应强烈。3)地铁6号线全线开通运营年(2018年)的溢价效应明显低于首个开通运营年的溢价效应，且此时500 m影响区溢价不显著，500～1 000 m、1 000～1 500 m影响区的溢价率分别为10.1%、6.4%，远低于2016年溢价率。这是由于地铁施工建设期跨度较长，当其首次开通运营这一“标志性”事件过后，人们对其全线开通已有心理预期，因而对再次开通或全线开通的敏感程度会大大减弱。

表2 2011-2019年轨道交通对住宅价格影响估计模型的统计参数Table 2 Statistical parameters of estimation model of housing prices affected by rail transit in 2011-2019

表3 2011-2019年轨道交通对住宅价格影响的溢价率Table 3 Premium rates of housing prices affected by rail transit in 2011-2019

4 结论与讨论

本文利用网络爬虫获取2011-2019年天津市地铁6号线各站点附近22 137个住宅交易样本，分别采用直接比较法和特征价格模型测度了地铁6号线对沿线住宅价格溢价的时空效应。主要结论如下：1)轨道交通对沿线住宅价格有显著的正向溢价效应，随着距站点距离的增加，溢价呈先升后降趋势，距站点500～1 000 m影响区的溢价幅度最大，溢价率高达17.2%；2)轨道交通对住宅价格的影响在时间上具有超前效应，在施工期溢价就已显现，且对开通运营这一“标志性”事件反应强烈，在首个开通运营年轨道交通溢价达到峰值；3)轨道交通全线开通运营的溢价效应明显低于首个开通运营年的溢价效应。

本文研究样本来源于网络爬虫的住宅交易大数据，该数据在样本量覆盖、时间连续性、精确性方面更具优势，为精准化测度轨道交通的时空溢价提供了实时动态的数据源和新的研究视角。此外，本文针对轨道交通线路分段开通的现实问题，引入预期效应分析，发现全线开通运营的轨道交通溢价明显低于首次开通运营时的溢价，这有别于以往对轨道交通线路开通前后溢价的笼统分析，研究成果可对二线城市TOD模式下城市综合开发和轨道交通的“溢价回收”策略提供决策支持。本研究有待讨论和完善之处在于：1)测度轨道交通的时空溢价时，如何有效剥离其他轨道交通线路的溢价影响，避免不同线路之间溢价的相互干扰；2)住宅价格存在一定的空间自相关效应，在时空效应的测度上，如何引入空间计量模型更精准测度轨道交通的时空溢价[29]，将是下一步的研究方向。