论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　3.1.1特征变量选择Cervero和Duncan采用特征价格模型,检验了交通、邻里、区位等特征变量对轻轨周边地块单位面积价格的影响。Chesterton构建的特征价格模型中包含邻里、居住群体和步行时间变量,其中邻里变量对轨道交通周边的房地产价格影响最大。Bae等采用结构、环境和可达性三个特征变量,运用特征价格模型检验出距离汉城的地铁五号线车站的远近对房地产价格有着重要的影响。Hess和Almeida在研究纽约布法罗市轻轨对站点周边物业价值影响的研究中,从物业、邻里和区位三方面构建了特征价格模型。郑捷奋和刘洪玉采用特征价格模型评估了轨道交通站点对住宅价格影响的差异,其特征变量包括区位特征、邻里特征和结构特征。本研究借鉴了上述的研究成果,结合获取的数据情况,将特征变量划分为三大类:区位特征、邻里特征和结构特征。

　　(1)区位特征变量

　　Adair等和McMillan等研究指出,交通的可达性和到CBD的距离,是影响房地产价格的重要区位特征之一。交通可达性表征了该区域交通运输能力及便利性。本文采用与地铁站点的距离和与城市主干道的距离两个变量来衡量交通的可达性。与地铁站点的距离可以衡量城市轨道交通对周边房地产影响的空间效应,是本研究的重点之一。不同的学者对于轨道交通站点影响半径的设定不同,包括1～3英里、0.5英里、0.25英里,以及1km等。参考上述研究的设定,结合中国的计量习惯,将深圳地铁一期站点的影响半径设定为1km。为了识别出地铁建设对不同距离的房地产价值的影响程度,采用虚拟变量进行分析,即地铁站点距离以100m为区间,分别用“Metro1”～“Metro8”等8个虚拟变量表示(以距地铁站点800～1000m作为参照类)。

　　此外,与主干道的距离主要反映了居民自驾车出行,或乘坐公共汽车和公共中小巴的方便程度。本研究选择是否靠近(200m范围内)深南大道、滨海大道和北环大道三条贯穿深圳城市的重要主干道来进行衡量。

　　影响房地产价格的区位特征,到CBD的距离也十分重要。Bowes和Ihlanfeldt认为地铁的空间效应会随着房地产到CBD距离等情况的不同而变化。本研究采用到CBD的最近距离主要反映房地产项目在城市中的主要位置。假定到CBD的距离越近,房地产价格将会越高。结合深圳市的实际情况,CBD主要指福田中心、人民南,以及华强北等区域。此外,由于研究样本主要来源于罗湖区和福田区,这里采用虚拟变量(是否位于福田区:Futian)来表示样本所处的行政区。

　　(2)邻里特征变量

　　在邻里特征方面,采用了周边是否有名校(即重点中小学)和周边是否有公园两个变量。Clark和Herrin、Haurin和Brasington等研究指出,学校是影响房地产价格的重要邻里特征,尤其是对住宅房地产而言。名校关系到孩子的上学问题,这里采用到最近名校的实际距离来衡量,预期越靠近名校,房地产价格越高。此外,深圳市的公园(基本上都是对市民免费开放)对于周边房地产而言也很重要,它不但与居住环境、空气质量紧密相关,而且能够周边居民提供休闲娱乐和锻炼身体的场所,因而预期其对周边房地产价格具有一个正向影响。

　　(3)结构特征变量

　　在结构特征方面,采用项目规模、项目类型和项目预售年份。大型房地产项目通常意味着居住环境较好,配套设施较完善,物业管理较规范等等,因而预期项目规模(采用项目宗地面积来代替)越大,房地产的价格相对越高。项目类型主要包括住宅、商业和办公房地产。Han、Weinstein和Clower、Sivitanidou、Cervero和Duncan、郑捷奋和刘洪玉等诸多研究都已经指出,轨道交通的建设对不同类型的物业影响程度不同。

　　由于本研究采用的是房地产项目作为研究对象,因为深圳地铁一期周边商业项目不多,因而这里重点考察住宅项目和办公楼项目。与Han、Weinstein和Clower等研究相似,

　　主要包括:深圳中学、深圳实验学校、深圳外国语学校、深圳高级中学等重点中学;以及翠竹小学、荔园小学等知名小学。笔者预期轨道交通对办公房地产的影响要高于住宅房地产。项目预售年份是本研究考察的另一个重点,它能够体现轨道交通对房地产项目影响的时间效应。深圳地铁一期工程于2001年开始建设,2004年建成试运行。本研究的房地产项目样本时间集中于2001～2007年(建设期和运营期),采用QY2002～QY2007等6个虚拟变量表示(2001年为参照类)。

　　3.1.2数据来源深圳地铁一期工程于1998年5月获国务院批准立项,工程包括1号线东段和4号线南段,线路全长21.866km,总投资115.5亿元人民币,从2001年3月开始建设,于2004年12月建成试运行。其中,1号线自罗湖站起至世界之窗,长17.3km,设站点18个;4号线则包含少年宫、市民中心等5个站点,具体如图1所示。2005年4月28日、6月28日、9月28日、12月28日及2006年4月28日分别实现深圳地铁的五次“提速”,2007年2月12日及6月20日又实现第六、第七次“提速”,地铁运行速度和运输能力较开通初期大幅提高。截至2008年12月31日,深圳地铁已累计实现安全运营1465天。

　　本研究专注于深圳市地铁一期工程(1号线及4号线)的建设期和运营期,因而收集了自2001年以来取得预售许可的楼盘信息,数据交易时间为2001年3月～2008年3月。所收集的样本由罗湖区(占总样本32.4%)和福田区(占67.6%)两区的352个房地产项目所构成。其中,住宅项目数据(如项目规模、预售年份、销售均价等)主要来自深圳房地产信息网(http://www.szhome.com),其他(如到地铁站点和CBD的实际距离等)则是通过实地调查获得。352个房地产项目的平均规模约为1.7万m2,楼盘的销售均价最低约为3900元/m2,最高约为36000元/m2。项目类型主要有居住和办公房地产,由于房地产项目交易时间不同以及房地产市场整体发展的影响,因而需要剔除房地产价值指数的影响(即进行价格指数变换),转化为可比数据。折算方法如下:Pa=Pi×K0/Ki。式中,Pa为经指数变换后价格,Pi为项目原始价格,Ki为该项目发售时间对应的房地产价格指数,K0为基准期房地产价格指数(取2001年3月价格指数为基准)。其中办公房地产项目占样本的10.2%。重要的是,在轨道交通站点周边的1000m半径范围内的房地产项目,占总样本的54.9%,分布较为均匀。房地产项目交易时间上,2001～2007年分别占14.8%、25.3%、15.3%、17.6%、12.8%、8.2%和5.1%,其中2002～2004年相对较多。

　　3.2基于特征价格模型的房地产增值效应实证分析

　　3.2.1模型估计对比以价格为因变量和以价格的自然对数(LnP)为因变量的方程结果,可以看出,在相同的变量纳入方程的情况下,LnP为因变量的方程拟合程度更好。因而,本文采用特征价格模型的半对数线性形式:LnP=α+ΣβiXi,作为本研究的分析模型。LnP为房地产项目均价的自然对数,自变量中的三个连续变量到CBD的最近距离(LnCBD)、到名校的最近距离(LnSchool)和项目规模(LnSize)也进行了同样的变换。

　　采用最小二乘法(OLS)进行回归分析,模型的实证结果。总体而言,对数模型拟合数据情况较为理想,经调整的R2为0.551,且F统计量(等于18.350)强有力地拒绝模型没有解释力的零假设。绝大多数显著(在1%、5%,或10%水平下)的解释变量都得到预期的符号。模型检验表明,所有变量中VIF值最大的仅为3.103,可认为自变量之间共线性并不严重。回归残差的直方图和残差的正态P-P图,表明因变量基本服从正态分布。因变量预测值与标准化残差的散点图,可以看出绝大部分观测量都随机落在[-2,2]之间的范围内。同时,DW统计量为1.968,表明该模型基本满足正态性、等方差性和独立性假设,具有良好的拟和度和较高的解释能力。

　　3.2.2结果分析

　　(1)特征价格模型变量系数的经济含义区位方面,除了轨道交通之外,深南大道、滨海大道和北环大道都是贯穿深圳市的主干道。靠近深南大道和滨海大道意味着该房地产项目的交通较为便利,因而对房地产价格具有正向的影响。但是由于深圳市具有完善的道路交通系统,而且选择对象大部分临近轨道交通站点,这些都使得靠近深南大道和滨海大道显得并不是那么重要(回归系数并不显著)。相比,北环大道建成较早,在本文研究期内,以通行大型货柜车为主,特别是往来香港的过境车辆很多,上下班经常有堵车现象,且沿路公交站点少,交通不便,因而对周边的房地产市场产生了负面的影响。作为城市中商业最繁华、就业密度最高的地区,CBD往往意味着人流量大,工作、购物场所集中,是一个城市的经济中心所在。因而越靠近CBD,房地产价格相对越高。位于福田区,对房地产价格具有一个显著正向的效应。这是因为罗湖区是规划较周边是否有公园(Park)没有进入方程。老的旧城区,相比而言,福田区定位为政治、文化中心,近年来大力发展基础设施建设,居住环境优越。两个区相比较而言,福田的区位因素明显更为优越。

　　本研究的重要发现之一是,轨道交通对周边办公房地产价格变化的影响要显著地高于住宅房地产,这与Han、Weinstein和Clower的研究结果较为相似。但不同于郑捷奋和刘洪玉的结果,主要原因可能是其研究的时间为2004年,当时深圳地铁一期尚未开通,因而轨道交通的预期对住宅的影响可能更大。同时,项目规模越大,往往意味着该社区内配套设施更加齐备,生活更加便利,因而对房地产价格具有一个正向显著的影响。此外,房地产项目周边名校的距离也对房地产价格具有一个显著的效应。