【《地铁线路对沿线住宅的空间效应分析案例》4800字】

第2页共168页地铁线路对沿线住宅的空间效应分析案例目录TOC\o"1-3"\h\u14704一、数据的收集及与预处理 127363二、特征价格模型构建及函数形式的选择 127394三、回归结果及空间效应的分析 420083四、小结 10一、数据的收集及与预处理搜集2020年地铁沿线步行1.6km内二手普通住宅实际成交价作为样本数据，并通过计算得到其单价。包含有效数据样本420个，样本数据采集覆盖北京地铁9号线从国家图书馆到郭公庄，除北京西站周边1.6km内没有住宅，在收集数据的过程中将沿线的高档别墅、保障性住房等特殊房屋剔除，获得其余12个站点周边共75个小区，涵盖了多层和高层住宅。获取住宅成交数据通过北京市建委网站（），房天下（）等商品房销售网站，搜集二手房项目特征通过安居客（），链家网（）搜集包括沿线小区的名称、容积率、建成年代、绿化率等信息，数据比较全面。其他资料，如利用GoogleEarth的测距功能，完成距地铁站点的距离，与市中心的距离的测量。二、特征价格模型构建及函数形式的选择（一）构建特征价格模型运用特征价格模型进行计量分析时，在第三章中提出的三个假定条件的基础上，我们初步建构的特征价格模型的基本形式如下：P=f（T1,T2,T3,T4……Tn）(4-1)式中：P——房屋单价（单位：元/平方米）Tn——商品的每个特征。在具体选择模型的特征变量时，需要针对以下几点作出说明。第一，剔除购房者的收入因素，实际上消费者收入水平不是住宅商品本身的特质，且模型假设时就已默认消费者收入水平相同。第二，本文将以房屋成交单价作为模型的因变量。这样会使模型计量分析过程更为顺利，避免了不同的房屋面积带来的影响。第三，本节研究的重点是地铁沿线目前现有二手房影响的空间效应及价值评估，因此，采用2020年的截面数据应用于空间效应模型的建构，从而更具有可比性和科学性。（二）模型函数形式的选择本文第三章介绍特征价格模型的三种函数形式，其中由于对数形式的方程在模型的使用中如果在量化的过程中特征变量取零时，等式一边没有意义的情况出现，因此分析时选用线性形式和半对数形式，将处理后数据导入SPSS中，得到回归结果表4.2。表4.2两种形式模型回归情况表模型RR方调整后R方标准估算的误差线性0.9500.9030.8990.62604半对数0.9530.9090.9050.08505表4.2数据显示,线性模型和半对数模型的拟合度R2分别是90.3%、90.9%的，调整后的R2线性模型和半对数模型分别是89.9%，90.5%。由此可得，半对数线性模型的拟合度略高于线性模型，说明半对数模型中各个变量对房价的解释能力更强。表4.3线性模型方差分析模型平方和df均方FSig1回归残差总计1462.219157.9471620.1661640341991.389.392233.177.000ba.因变量：pB.预测变量：（常量），N4物业费；L4地铁1200到1600米；S5容积率；S3楼层；L5五百米公交站个数；N1一公里内是否有大型商场；N2一公里内是否有三级医院；N3绿化率；S4是否为学区房；S1朝向；L6所在区属；L3地铁800到1200米；L1地铁0到400米，S2楼龄；L7距市中心距离，L2地铁400到800米。表4.4半对数模型方差分析模型平方和df均方FSig1回归残差总计28.9522.91531.868164034191.810.007250.148.000ba.因变量：lnpB.预测变量：（常量），N4物业费；L4地铁1200到1600米；S5容积率；S3楼层；L5五百米公交站个数；N1一公里内是否有大型商场；N2一公里内是否有三级医院；N3绿化率；S4是否为学区房；S1朝向；L6所在区属；L3地铁800到1200米；L1地铁0到400米，S2楼龄；L7距市中心距离，L2地铁400到800米。表4.3和4.4，可以看出两种形式的模型显著性检验均为0，证明两种形式都具有显著性强，说明住宅价格与选取特征变量存在明显的关系。上述可得的结论：两模型的拟合度都较好，且显著性均小于0.05。并且线性模型和半对数模型的R2分别是90.3%、90.9%，半对数模型的线性关系更强，使回归结果更具有经济含义。并且半对数形式中自变量和因变量分别采用线性形式和对数形式，其回归系数指特征价格与产品总价之比，表示特征变量每变动一个单位所引起的价格变化的百分率，综合了线性形式和对数形式的优点，又能反映出边际效用递减规律。根据以上理由，选择半对数形式进行研究。半对数形式：(4-2)式中：P——房屋单价，X——各种特征因素β——各特征因素的系数ε——误差项。（三）描述性统计房地产距地铁站点的距离是本文主要研究的主要变量，将直线距离以400米为单位分为四阶段。搜集沿线成交数据420个，其中包括住宅单价最低为3.96万元/平米，最高为12.36万元/平米，住宅成交价平均为6.73万元/平米。其余变量的描述性统计结果如表4-5所示，将所有采集的样本数据通过Excel形式导入到SPSS软件进行线性回归分析，结果如下：表4.5描述性统计结果N极小值极大值均值标准差P4203.9612.366.731.90S1朝向4200.003.001.801.21S2楼龄4204.0039.0020.768.57S3楼层4202.004.503.291.04S4是否为学区房4200.001.000.370.48S5容积率4200.708.402.561.12L1距地铁0到400米4200.001.000.240.42L2距地铁400到800米4200.001.000.250.43L3距地铁800到1200米4200.001.000.240.42L4距地铁1200到1600米4200.001.000.250.43L5五百米内公交站个数4200.003.001.120.80L6距市中心的距离4205.7014.009.942.55L7所在区属4201.004.002.071.54N1一公里内是否有大型商场4200.001.000.380.48N2一公里内是否有三甲医院4200.001.000.300.45N3绿化率42020.0055.0031.735.48N4物业费4200.504.181.550.92有效的N（列表状态）420三、回归结果及空间效应的分析（一）回归结果本研究共选取了16个特征变量，收集样本数据420个，满足运用Hedonic模型时所需足够样本的数量要求。表4.6特征价格模型回归系数模型非标准化系数标准系数tsig共线性统计量B标准误差试用版容差VIF1（常量）1.6120.07322.071.000S1朝向0.0130.004.0583.496.001.8121.231S2楼龄-0.0030.001-.083-3.082.002.3143.180S3楼层0.0020.004.009.619.536.9751.025S4是否为学区房0.0290.010.0502.949.003.7811.281S5容积率0.003.004.010.562.575.6971.434L1地铁0到400米0.0960.035.1492.715.007.1753.350L2地铁400到800米0.2170.036.3425.998.000.1703.363L3地铁800到1200米0.1660.036.2574.635.000.1743.528L4地铁1200到1600米-0.0700.035-.110-1.973.049.1733.773L5五百米内公交站个数0.0150.006.0422.432.015.7451.343L6距市中心的距离-0.0170.003-.160-5.101.000.2314.334L7所在区属0.1160.005.65123.52.000.2963.379N1一公里内是否有大型商场0.0490.011.0864.596.000.6511.536N2一公里内是否有三甲医院0.0770.010.1277.351.000.7641.309N3绿化率2.983E-.0060.001.000.003.997.7261.378N4物业费0.0240.008.0793.113.002.3512.852注：a.因变量lnp表4-5显示；这16个特征因素对住宅价格的影响明显不同，可通过显著性检验的特征变量有13个，分别是朝向，楼龄，是否为学区房，距地铁站0-400m、400-800m、800-1200m和1200-1600m范围，楼盘500m范围内的公交站，所在区属，距离CBD的距离，1km范围内的商场和医院，以及物业费。说明问卷调查结果具有可参考性。其中，地铁L1、L2、L3、L4都通过显著性检验，它们的系数分别为0.096、0.217、0.166、-0.070。根据上述模型回归，得出线性模型的表达式为：lnP=1.612+1.3%S1-0.3%S2+2.9%S4+9.6%L1+21.7%L2+16.6%L3-7%L4+1.5%L5+11.6%L6-1.7%L7+4.9%N1+7.7%N2+2.4%N4（二）空间效用的定量分析在总结多元线性回归结果后，我们发现在95%的置信区间内，地铁因素L1、L2、L3、L4都是显著的变量，其回归系数分为9.6%、21.7%、16.6%、-7%。通过观察他们的系数可以得到，住宅处于地铁站点不通过的距离区间内，收到城市轨道交通的影响程度也是明显区别的。其中距离地铁站0-1200内范围内，系数为正数，对房地产价值具有增值效用。从L1到L2的系数增加，但L2到L3的系数下降，地铁对周边房价的增值效应随着距离的增加先上升后下降。原因可能是因为距离站点400米范围内，噪音、震动、污染等负面影响抵消了一部分正面影响，因而这一区间轨道交通对房价增值效应较小。反而在400-800米范围内，离闹市区留有一段距离，该范围内步行较为适宜。因而增值效应最大。L3的系数为16.6%，相比L2的系数21.7%，影响呈下降趋势。800-1200米范围内步行时间大约15分钟左右，步行舒适度下降，因此轨道交通对住宅价格的影响程度会有一定程度的减弱。而距离地铁1200-1600m范围内，L4的系数-7%为负数，与房价成负相关关系，距离地铁越远房价越低。表明1200米范围外受轻轨站点的影响不再是溢价，原因是距离地铁较远，交通的通达性差，周边的基础设施较差，使房地产价格相对降低。表4.79号线对房价影响程度影响范围增值大小（万元）增值比例0-400m1.109.6%400-800m1.2421.7%800-1200m1.1816.61200-1600m-0.93-7%因此可以得到结论，以地铁9号线各站点为中心半径在0-1600m范围内，住宅价格会受到增值影响。房价先随距离的增加而上升，在距离地铁400-800米范围达到最高点，再随着距离的增加而下降，在距离地铁1200-1600m对房地产产生负面影响，呈现明显的倒U型关系。由表4.6的回归系数可以看出距离地铁站400-800米范围内对房价影响系数占比最高，说明周边是否有地铁以及远近程度，已经成为人们购房时考虑的重要因素之一。（三）模型的检验1、统计学和计量经济学检验根据IBMSPSS24，回归结果将自动舍弃具有高度相关的特征变量，所以不需要考虑模型的多重共线性。从表4.8结果来看，整个特征价格模型的模型拟合度为90.9%，自变量和因变量lnP的相关度为95.3%，F检验中F=250.148，sig=0.000,各解释变量系数在95%的置信区间下，t检验中sig均小于0.05，因此说明系数回归均有显著意义。表4.8半对数模型回归情况表模型RR方调整后R方标准估算的误差半对数0.9530.9090.9050.08505利用标准化残差直方图进行检验，图4.9数据显示回归得出的标准化残差直方图在模型大致呈正态分布，满足特征价格模型的前提条件。说明运用特征价格模型评估北京地铁9号线对沿线周边住宅价格影响的空间效应是可行的，且回归结果具可靠性。P-P图形中样本残差累积概率点近似对角线趋势，基本不存在明显的自相关性。因此，计量得到的回归结论是非常可靠且有效的。图4.9标准化残差直方图图4.10回归结果P-P图形2、经济意义的检验下面本文利用SPSS软件得出的回归系数，来检验经济意义。（1）区位因素：变量L5公交的回归系数大于零，与预期相符，公交站数量越多，交通越便利，周边住宅价格越高。变量L7是住宅所属的行政区域，北京各区的经济发展状况各不相同。回归结果L7的系数不但为正而且较大，说明区域的经济发展对房价的影响程度较大。不同区域的经济发展差异决定了地区购买力差异和经济集聚能力差异，即该地经济越发达，房价也会更高，此结论与北京的实际情况相符。距北京市中心的距离是变量L6，与预期相符，它的系数为负，表明住宅距市中心越远，房价越低。（2）建筑特征因素变量S1朝向的回归系数为正可知，朝南北和朝南方向的房屋价格，相对于东西向房屋要高。变量S2楼龄的系数为负，说明建筑年龄与住宅价格成负相关，住宅建造年代越早，楼龄越长，价格越低，相反价格高。变量S4学区房的系数为正，说明住宅为学区房对住宅价格有正向影响，相对非学区房，属于学区房的住宅价格较高。当前住房市场上，主要的购房者仍属30岁左右的青年群体，这类群体可能刚刚步入婚姻，亦可能刚刚孕育孩童，面临着对子女上学的刚性需求，住房是否为学区房自然也就成为了该类群体在购买住房时需关注的重点。变量S3楼层和S5容积率并未对住房价格产生显著影响，与预期有差异，说明容积率和楼层并不是决定房价差异的主要变量，可能是因为消费者在购买楼盘时，在价格一定的前提下，比起楼层和容积率，更倾向于考虑朝向和楼龄，所以