【《北京地铁9号线对沿线住宅价值的影响实证研究》26000字（论文）】

目录第二章城市轨道交通与房地产评估第一节房地产价格及评估相关理论介绍一、房地产价格与其他产品一样，房地产作为一种商品，是价值和使用价值的统一。根据价值理论，房地产价格是以价值为基础的货币表现，其价格同样蕴含着基于劳动而产生的价值，但又不完全，特殊性在于土地价格产生于土地垄断所引起地租的资本化。二、影响房地产价格的因素（一）宏观因素1、经济因素作为国家综合实力的量度之一，经济发展水平会直观的体现在财政收入和居民生活水平之中。众所周知，地区的经济强盛是吸引投资活动的重要因素，直观表现之一就是房地产开发如火如荼，从而作用于房地产价格，带动其价格的上涨。例如新一线城市昆明，在整体经济发展的环境下，房地产建设与之相辅相成。2、政策因素着眼于中外房地产发展的历史经验，房产价格的稳定对于国家整体发展的重要性不言而喻，因此需要借助宏观政策引导房地产市场的规范运行，最直观的体现就是调控价格，使其能够匹配当前经济水平。例如开放性政策，将成为有利于地区房地产投资的助推器，刺激房价上扬；与之对应的紧缩政策，会引起房产市场的迅速回应，达到冷静投资热情，稳定市价具有积极作用。3、社会因素一个地区的房地产价格会受到当地的人口密度、消费心理和家庭结构等的左右。具体而言例如在大型城市房地产的需求很大程度上取决于常住居民的人口数量。城市的构建由土地面积所限制，根据供求原理，在局限的土地空间上所容纳的居民越多，住房需求越发旺盛，相应地房产价格自然水涨船高。再者购房者对未来的预判也会影响房产价格水平，当一个片区的配套基础设施规划建设逐渐完善，居民大量购买促使房价出现上涨的高潮。

（二）微观因素1、区位因素首先，房地产具有不可移动的特性，因此从房地产建成后，其自身的价值主要取决于其所在的区位因素。其一是自然的地理位置；其二是后期配套基建水平。以北京为例，同一房产假如从大兴庞各庄平移到金宝街，其价值会产生非常直观的提升，原因在于其所处的自然地理位置，扩展开来而言还包括交通便捷程度，教育资源水平，基础生活设施完善程度。2、邻里因素邻里因素实际上与区位因素是没有清晰地界限的，邻里因素顾名思义就是周边所存续的能给居民带来的生活水平增量因素。例如地铁公交停车厂等交通的配套设施是否完备且便捷、周边医疗水平是否先进、娱乐放松等活动空间的是否充裕等等。总体而言，当且仅当配套设施完备且便利，与之相邻的房地产价格才有上升的可能。3、建筑结构因素建筑结构因素一般分为个体结构因素以及整体结构因素。个体结构因素包括房屋的朝向、楼层、使用面积、所属楼栋的楼龄等因素；对于整体结构因素，包括楼盘的建筑结构、建筑高度、楼间距、容积率和小区内部绿化率等因素。例如在北方居民固有思想里的坐北朝南的房屋一般会价格高于其他朝向，又比如塔楼和板楼的构造也会影响购房者的选择。三、常用的房地产评估方法对于房地产估价，我国现有评估体系中最常用的方法主要包括：（一）成本法该方法是以建筑物的再造费用和投资为基础，房地产全新状态下目前的价格条件下，重新取得与被评估房地产一样的房产所发生的支出，扣除各种损耗的因素包括有形损耗和无形损耗而造成的贬值作为基础，来计算出被评估房地产的价值的方法。成本法基于生产费用价值论，在新旧房地产、在建工程、期房等的价值测算中均具有较好的适用性，而且对于存在交易限制和以公共用途为主的房产同样具有其他方法不可比拟的估值可行性。（二）市场法市场法，也称市价比较法，基于替代原理需要找到与被评估房产相同或相似的房屋对交易条件、时间和房屋个别因素等参数予以调整的评估方法。从资本论的角度解释替代原理，是指具有相同使用价值的商品，所体现出来的价格是相等的。当前房地产交易市场经过多年的发展积累而趋于成熟，时时刻刻都在发生的房产交易为市场法的应用提供了更宽阔的范围，使其在实务中得到了相对广泛的应用。（三）收益法收益法以所估房产的预期收益为导向，根据标的房产在以后期间内所能的获取的正常收益，利用恰当的折现率予以折现，体现出该房产在评估基准日的价值。收益法认为房产价值是基于购买者对其以后可以产生的收益产生的，因此收益法在未来可以获得收益或者是具有潜在收益的房地产估值中具有得天独厚的优越性。（四）小结对于测算房产价值，三大传统的评估方法各有所长，即特定的适用性，理论基础的不同给予了它们适用范围的差异。运用市场法的关键在于寻找可比的参照房产，但是在估值时，虽然房产交易案例比比皆是，即寻找可比的参照相对来说难度不高，但还要针对标的房产与参照房产之间在交易时间、背景和个体因素等存在的差异予以修正，由于没有真正统一的规范标准，评估人员的主观判断可能会产生误差。运用成本法的关键在于确定房产的重置成本。重置成本与原始成本相比，重置成本是以当前的价格水平为基础，原始成本则是以成交时间的物价水平。内容构成虽然相同，物价水平改变。因此在评估过程中对于折旧、成新率指标的确定，可能存在主观误差，影响最后的评估结论。收益法在房产估值中被广泛应用的同时也要考虑方法本身的局限性。首先，收益法并非适用所有房产的估价，例如本案例中的所研究区域内的居民住宅，购房者的初衷在于“住”，而不是获取收益。其次，收益法的难点在于收益额的预测，基于当下的价格水平预测未来的收益能力，无法对其合理性准确性做出判断。而且折现率的选择和折现期的确定，这两个重要参数的取值大多来自执业人员的经验判断，其影响会在评估结果中体现。因此为了避免评估人员的主观影响，提出将特征价格模型运用到房地产评估当中。第二节城市轨道交通相关概念及影响机理一、城市轨道交通的定义及特点（一）定义城市轨道交通属于城市的公共交通系统中的一部分，具有以电能为动力，固定在专用轨道上的，并且快速大运量的特点。一般包括地铁、轻轨、有轨电车等，其中最为常见并且已形成成熟网络的非地铁莫属。近些年，地铁的修建已经逐渐成为各大中城市的经济发展水平的见证，例如北京，目前已经形成的成熟完备的地铁网络为城市的发展注入了流动的“血液”，相比于北京，石家庄、兰州、呼和浩特这类二三线城市也在规划构建地铁铁路网，其对经济的贡献不言而喻，最直观的表现莫过于对房价的影响。本文实证研究以北京地铁9号线为例，因此下文所提到的城市轨道交通特指地铁。（二）特点相比于更传统的地上交通而言，以地铁为代表的城市地下轨道交通不仅具有直观的运行高效、安全且节能、运输能力强等肉眼可见的优越性，还有其特定的经济性特征：1、建设周期长，资本投入大。总结学者研究成果及相关经验发现，一条城市轨道交通线路从规划到落成会经历在5年以上的时间，并且在基础设施投资领域，城市轨道交通的成本总额名列前茅，究其原因，地下轨道交通的建设规模动辄横跨整座城市，地下建设场景条件为施工平添了几分难度，而这一切都需要高明的建设技术支撑。最显而易见的体现在地铁建设的单位成本持续上涨，从每公里5亿元倍增到9亿元，甚至更多。相比于不菲的建设成本，后期投入运营的运行成本也是居高不下，但是其收入主要来源于却十分有限，大部分来自乘客和广告位，大多数城市地铁都面临着入不敷出的局面，其正常运营离不开地方财政的支持。2、覆盖区域广，具有明显的外部效益。回顾各大城市地铁建设的历程，在主要轨道交通的建设完成以后，当地政府纷纷布局轨道交通网络的建设，向外扩张延伸。相对成熟的北京和上海地铁网为各大城市提供了布局经验，地铁网反而成了地区发展的导向和标尺。当轨道交通系统建设并开通后，其所能辐射的区域将会得到积极的改观。二、城市轨道交通对沿线住宅价值的影响机理轨道交通对沿线的影响包括时间和空间两个维度。其中空间效应是指地铁的开通提升该区域内的交通通达性，降低了出行的交通成本进而推动区域经济发展来影响房价，同时经济得到发展进一步促进了该区域内的相关基础设施建设，两者相互作用，房价出现增长。同时对房价的影响也因本身所处的轨道交通开发周期不同而产生不同的影响，即时间效应。（一）地铁对住宅空间效应的研究空间效应是指到地铁的不同距离对房地产价值带来的影响程度。换言之以地铁站为圆心，在其辐射的范围内标的房产所处地理位置上与之存在的间距。在我们的固有思维中，地铁从规划到落成，整个过程都会不同程度的给沿线住宅带来价值增量。回顾相关地铁对沿线房地产价值的作用关系的研究，在房产价格变动的领域已有较为深入的研究，但是对其影响半径的探索大都浅尝辄止。这里的影响半径是指地铁对其周边房地产的直接和间接影响范围。本文研究在一定影响半径中，地铁对沿线房地产价值的直接影响，科学评估其价值。依据国内外相关研究的结论，确定本文的影响半径。其中Palmucci认为圣地亚哥四号线的影响半径为0.5-0.8km，日本学者pior研究东京地铁干线时选取1.5km为影响半径，国内学者江永等选取1.6公里为影响半径来研究上海地铁线对沿线住宅价值的影响。通过研究学者的结论，认为地铁的影响半径普遍在1.6km以内。因此本文选取1.6km内的房地产成交价格并将相关特征因素，带入模型回归。一般来说，靠近市中心和高通达性、地铁站点附近区域的住宅价值普遍高于其他区域。原因主要在于，越来越多的基础设施将逐步在沿线周边聚集，加速提升了站点附近的住房需求，加大了开发商对周边区域的开发。地铁沿线经济带在高强度开发和基础设施建设带来的商业繁荣和集中，逐步形成，不仅带动了区域经济的快速发展，也进一步促进了住宅价值的上升。轨道交通投入运营后，将提高居民的交通可达性，使该区域基础设施更加完善。通过将部分客流分散到地下轨道交通系统，由此可以大大缓解城市交通堵塞问题，缩短居民出行时间，降低出行成本。同时，更多的商业、文化、娱乐、体育等项目随着可达性的提高而聚集，也可吸引更多的居民购房居住和投资，使附近的人口密度增加。在轨道交通的运营过程中，对周边的住宅居民的影响不光有积极影响，同样也存在负面影响。在带来便捷性和高效性的同时，人们意识到噪音的污染，商业发展带来的复杂拥挤的人流量，以及交通的拥堵，环境的破坏这些负面影响降低了沿线住宅生活环境质量，导致住宅房屋估值的下降。（二）地铁对住宅价格的时间效应研究地铁处于的不同开发时间段对沿线房地产的影响也会不同。从规划到建设再到运营的整个开发周期中，受其影响房地产价格也在不断变化，同时具有一定规律。初期由Han（1991）开始对时间效应进行研究，认为开通前地铁对沿线房地产价格没有显著影响，但开通后出现增值溢价，带动沿线房地产价值上升。主要基于汉城的2号线和4号线沿线的住宅价格。究其原因在于地铁的开通，使住宅通达程度提高。Henneberry（1998）在对英国Sheffield城市轻轨与沿线房价的研究中发现，在轨道交通开建前，沿线平均房价上涨4%。但是施工期，房价的增值效应减弱，效用系数值降低为零。因此学者认为当地铁处于施工建设期，住房价格降低了。在工程竣工即将开通时的时候，对房价的增值效应明显。但是此次研究所依据的仅以四个月的数据为样本，需要用更长的时间检验其结论是否符合二者间真正的时间效应关系。Bae（2003）选择汉城5号线为研究对象，分析其对沿线房地产价值的影响变动。他以地铁从规划到建设到落成的时间轴为基准，认识到房价明显的上涨出现在地铁正式运行之前。然而随着运行时间的推移，这一增值效应却日渐微弱。究其原因，众所周知地铁可以改善住房临近交通便捷程度，潜意识里的“消费预期效应”会推动有购房意愿的群体倾向于选择该地铁线路所能辐射的区域内的住房，而且这一效应在地铁在开通之前最为显著第三章研究模型的对比与选择第三章研究模型的对比和选择第一节轨道交通沿线住宅价值评估模型的对比一、交通成本模型本模型的重点内容在于研究运输成本对房地产价值的相关作用，以两者的关系着手，结合轨道交通的特征予以研究。在模型中将交通成本分为两部分，一部分是指可以直接计算出来的到达市中心的显性成本。另一部分为难以计算的隐性成本，包括心理及机会成本等因素。当出行方式有多种时候，分别设定出行花费时间以及出行距离设定为Dn。将出行成本依次设定为Cn。假设交通成本依次为TC=D*C。由此可以得到：（3-1）式中：TC——总的交通成本。Fn——选择相应方式的出行频率该模型中的假设条件：运输成本与沿线房地产价格呈负相关，花费运输成本高即距离较远，沿线房价相对便宜，相反则贵。时间距离与交通成本呈正相关。由此，可以推导出房地价值的模型:（3-2）式中，P——房屋价值，α，β——常数，TC——总运输成本。本模型为最终的交通成本模型，函数关系简单，变量数据易于获得，分析得出评估结果也相对容易。样本数据较大使其包含更完整和丰富的信息，系数更容易得到，评估的计算结果也更为准确。但较少的考虑其他因素对在模型中的影响，虽然排除其他因素使得模型的计算过程和结果于更有针对性。的偏差，导致失去应有的作用。而实际房地产价值评估在运用过程中使受多种因素影响，包括公园，容积率等，该模型只考虑运输成本，一个因素，具有一定的局限性。。同时，无法获得较大的的样本数量时，该模型对于评估房地产价值可能会产生较大误差，有一定的约束和局限。本方法此次实证案例不太适用。二、支出系统需求函数模型（一）模型原理该模型属于将各个家庭的特征作为重点研究，以函数效用最大化作为前提。通过收集获取家庭含有人员的数量、年龄阶段、学历、以及工资等指标，得到各个家庭的基本需求和消费倾向。依据数据构建模型，并得到测算家庭的收入弹性指数。（二）模型方程模型是以商品市场前提下以达到最大化效益为原则，得出了具体的线性支出系统需求函数综合模型：（3-3）式中：pi——价格Qi——实际需求量，Bi——边际预算的份额，Ri——基本需求V——总预算。该模型用于分析在不同结构的家庭中的基本生活需求变化。对于性质不同的家庭能够通过消费倾向预测家庭的未来消费情况。虽然模型是建立在相对完善的理论体系之上，相比其他模型可以深度分析各个家庭现实的经济状况。但是由于模型中部分参数难以确定，使得实际生活中的应用并不广泛。此外，想要获取家庭结构变量，只能通过调研收集完成。但是调研结果通常不能代表整个市场，难以调研全面，从而反应真实的市场状况。因此对于支出系统需求函数模型方程的运用通常具有一定的局限性。三、特征价格模型该模型的重点是研究对商品的特性与价格之间的关系。由于商品的各方面特征具有差异，因此价格会略有不同。特征价值是人们愿意为这些功能支付的价格的总称。我们可以通过改变产品特性来调整产品的价格。特征价格模型作为常见的商品价格评估方法，将产品偏好理论与房地产市场的均衡模型相结合。通过建立数学模型，单独剥离出影响房地产价格的各种特征因素，进行分析量化，可以确定各个特征变量的隐含价格，通过比较隐含价格的值就可以得到各个因素的影响效果并分析购房者的消费动因。特征价格理论应用于房地产评估可以将根据住宅属性将住宅特征划分为：小区特征、区位特征以及邻里特征。特征价格模型属于市场法评估的改进，具有较强的应用意义。四、模型的选择通过对三种评估方法的适用性进行分析，了解评估方法的优点与局限，最后选择运用特征价格模型进行实证研究。相比较而言，特征价格模型更具适用性，更加适合对实际问题进行研究。交通成本模型的局限在于难以全面的考虑多种影响因素，仅考虑到运输成本，使研究难以深入。而特征价格模型考虑的影响因素更丰富，范围更广。支出需求函数模型虽然具有很强的线性表达能力，但是并不是所有样本都存在，不容易搜集到较为准确的收入支出数据。因此其在实践中难以运用。而对于特征价格模型来说，不仅可以全面的考虑了影响房价的特征因素，并且可以利用其回归系数解释其中各个因素的影响，更能直接量化每个因素的影响大小，具有较强的现实意义。因此对于评估房地产价格特征的影响最为适用。综上，本文选择特征价格模型进行房地产价格评估的模型。表3.1评估方法的对比分析第二节特征价格模型的基本函数形式特征价格模型通常被设定为一个线性方程函数，该模型通过建立最小二乘法回归完成参数估计。但是特征价格法的模型形式存在多样性，通过对以往学者研究结果的归纳，其基本形式包括以下三种：一、线性形式（3-4）其中，P——商品的价值X——特征因素β——特征因素的系数ε——误差项线性模型的形式简单清晰直观，便于在现实生活中运用来估计回归参数，但无法清晰解释各个特征因素的边际效用递减规律。二、半对数形式（3-5）式中，P——价值X——特征因素β——特征因素系数ε——误差项半对数模型在使用过程中较为常见，结合了线性形式和对数形式的优点，使得模型平稳运行，其模型在运用过程中这种使采用一边取对数的形式。既能反映边际效用递减规律，同时可以确保不会出现参数为0的无意义的情况。三、对数形式（3-6）式中，P——商品的价值X——各种特征因素β——各特征因素的系数ε——误差项对数形式采用了对因变量及各个特征因素取对数的形式，虽然能体现效用递减的规律，但在使用可能导致参数出现为0的情况，导致右式没有意义，因此运用模型的对数形式是存在一定的局限性，只有在不存在虚拟变量，结果不存在0的情况才可以使用。因此特征价格模型在运用过程中应该依据具体问题，选择具体的形式。第五章典型楼盘价值评估及模型再检验第四章北京地铁9号线周边住宅实证分析第一节研究对象及研究范围一、研究对象（一）北京市地铁九号线概况介绍本文的研究对象为北京地铁9号线，9号线是北京西部唯一的纵向干线，南起丰台郭公庄站，北到海淀国家图书馆站。地铁于2007年9月开始开工建设，2014年正式运营，服务于军事博物馆、国家图书馆、北京西站等地，共13座车站。图4.1地铁9号线的位置途经海淀区、丰台区，呈辐射状的线路联通了房山区与中心城区，连接了城市西部和南部密度较大的居住区，解决了大部分南城通勤的问题，9号线作为一个典型的连接城郊的地铁线路，使丰台区周边从无地铁，到有地铁的一个重大转变，同时也结束北京地铁房山线与轨道交通网络脱离，孤立运营的状况。不仅改善了北京城区西部南北向交通，缓解了北京西站的地面交通压力。优化丰台区、海淀内部交通网。伴随着3号线、7号线、14号线、16号线的建设，9号线全线共13座车站中有9站都将成为换乘站，同时9号线北延连接昌平线的方案也已经敲定，使9号线在北京西部形成南北贯穿的由郊区到城市的地铁线，受众面之广将成为北京最重要的一条线路之一。从论文的研究对象来看，9号线的施工难度大，因此建设期长达6年，于2014年全线开通运营，已运行7年，对于沿线周边住宅的影响已经趋于稳定，时间跨度大可以更好的分析城市轨道交通对沿线房地产增值的规律，同时有利于研究不同开发阶段对房地产价值的影响，从而构建时间空间效应的评估模型。其次，北京地铁相比“新地铁城市”已经形成的相对成熟的地铁线路网，研究成熟交通线路网城市对于新地铁城市沿线房价有一定借鉴意义。选择研究地铁9号线对沿线的二手住宅价值影响情况具有一定的代表性。（二）北京房地产市场发展状况近十年北京二手房成交套数相比新建住宅成交套数的规模逐渐增大，截止2020年，二手房成交套数是新房的3.2倍。北京市场新增房源量环比下滑7.43%，同比下滑11.85%，且北京新建住宅主要以限竟房和高档住宅为主，因此北京二手房市场已经成为房地产市场的主流市场。图4.2近五年二手房与新房成交数量北京地铁九号线沿线住宅大多数均为地铁修建前已经建成的二手住宅，有小部分新楼盘，但因属于别墅和保障性住房等特殊地产，在实证中剔除。因此选择二手住宅市场价格作为研究对象，具有适用性。图4.3北京二手住宅成交均价及网签数量图由图可以看出，北京二手房成交均价从2008年至今整体成快速上扬趋势，并且涨幅大，宏观经济发展、国家政策等都会对房地产价格产生影响。截止近三年，房价逐渐平稳，成交量也在平稳中缓慢上升。受市场供求数量和政策的影响，成交价格始终是存在一定波动的，特别是研究时间跨度较大的房价变动。引入住宅价格环比指数来反应市场供求影响下的价格变化，不涉及交易时间、户型、面积、地理位置等特征，因此本研究有必要通过引入价格指数，将时间因素对价格的影响进行消除，让不同时间段发生交易的住宅价格具有横向对比的可能性。本文以中指数据库的“70个大中城市住宅销售价格指数”中，获得近11年的二手房价格环比指数作为参考，将时间效应中的房地产成交数据调整到同一时间截面（2020年）进行比较。二、研究范围通过总结国内外文献，发现不同学者虽然选择的研究范围范围不完全相同，但在选择过程中都是依据可达性相等理论或定性分析来确定。欧美学者例如Palmucci认为圣地亚哥四号线的影响半径为0.5-0.8km，日本学者pior研究东京地铁干线时选取1.5km为影响半径，国内学者大多选取1.6公里为影响半径来地铁线对沿线住宅价值的影响。通过研究学者的结论，认为影响半径普遍在直线距离1.6km以内。根据北京的城市规划特点、相关学者的理论观点以及调查问卷分析，将距地铁站点直线距离1.6km范围内的普通住宅确定为研究范围。

第二节轨道交通对沿线住宅评估的调查分析及特征变量确定本节将先介绍调查问卷的设计和实施，通过调查影响房价的因素来确定特征变量。然后依据特征因素来构建评估房地产价格的特征价格模型，并以模型的回归系数，定量的分析地铁对沿线二手住宅价值影响的时间空间效应。一、问卷调查的简介关于特征变量的选取，每位学者的研究方法不尽相同。本文采用的是问卷调查。问卷调查可以科学合理的确定模型中的特征变量，从购房的位置、房屋自身状况、房屋周边的设施及距离地铁的距离等方面进行调查。分析调查结果获得北京市民的购房关注重点及倾向，并以统计结果确定的特征变量。以下五点是本文在问卷设计时贯穿始终的原则性要求：第一，调查问卷结果可以反映出北京市消费者的购房倾向；第二，设计能够精准反映消费者购房时最关注的问题；第三，内容言简意赅，让被调查者易于理解，从而使没份问卷数据的准确性得到有效保证，为科学合理研究奠定基础；第四，正确选择受访人群。购房者的购房倾向和购房习惯才会得到更真实的体现；二、调查问卷的实施与分析（一）问卷统计本次发放问卷共计600份，选择对象为北京地铁9号线的乘客。回收了580份问卷，达到96%回收率，此次调查成功有效。依据2020年城市居住报告，北京购房者平均年龄在34.1岁，因此筛选出被调查者的年龄在30到40岁之间，共550份，其中男性308人，女性242人，进一步分析问卷调查结果。（二）问卷的分析第一，由于大多数人们的出行并不是采用单一方式。因此在调查问卷设置中，出行方式的选择设为多选题。选择地铁作为常用出行方式之一，占比最大，所以不难发现北京市的地铁已经得到了市民们出行的主要交通工具，深受广大北京市民的青睐。图4.4市民出行工具选择第二，在北京98%的购房人倾向于购买三环外的房地产，并向郊区逐渐扩展甚至有71%会选择在四环外购房；住房距离市中心越远，连接城市与郊区的地铁作用就更加明显，人们就愿意选择离地铁站更近一点，这从侧面反映了人们对于连接城市与郊区的轨道交通的强烈需求，以及城郊地铁的重要性。图4.5购房位置倾向比率图第三，被调查者中，选择购买距离地铁在400-800米位置的房地产的人数最多，占54.55%，既能够节约出行成本，还可以不受轨道交通带来噪音及污染的影响。被调查者中，没有人选择购买1600-2000米的住宅。依据问卷调查结果以及以往学者的研究，因此选择研究距离地铁1600米以内的住宅。图4.6地铁对住宅的影响范围第四，在问卷调查中，被调查者在购买二手住宅时，主要考虑的因素有面积大小、朝向情况，分别占74.24%%和60.61%，比重最大。相比之下房屋楼层、小区绿化率、剩余年限、容积率以及物业费等方面都在30%-40%左右，说明这些因素也在购房者的考虑范围以内。由于装修程度低于20%，且明显低于其他，因此本文排除装修因素，选取其他8个因素作为特征变量。图4.7房地产价格的影响因素关于房屋周边的基础设施方面，被调查者对周边有商场、学校和医院更为关注，分别占83.93%、80.36%和57.4%，并且远高于银行、图书馆博物馆和公园。因此在邻里特征变量选择时，选择1km内有大型购物中心和三甲医院。对于北京市住宅来说，用是否为学区房代替周边有学校更为适合。图4.8各基础设施变量所占比重三、特征变量的设置依据调查问卷的结果分析，并结合相关学者的研究及文献，将特征价格模型变量分为三类设置：（一）建筑特征变量（S）建筑特征包括建筑面积、朝向、楼层、楼龄等，主要是衡量房地产自身的建筑属性。本文通过问卷结果分析及结合相关学者的研究，主要选择了住宅的朝向、房龄、楼层和是否为学区房4个预测变量，对住宅的建筑特征进行量化。其中南北通透的房屋一般比其他朝向的房屋价格高，对朝南北房屋赋值为3，朝南为2，西南朝向和东南朝向次之为1，其余为0。依据2021年和房屋建造年代间的差值作为房龄的依据。对于住宅楼层，变量设置为低中高楼层，按购买规律，中楼层价格最高赋值4.5，即6层以下的住宅单元的3、4层；高楼层的价格居中，即5、6层赋值3；低楼层（为1、2层）价格最低赋值2；总楼层18层及以上住宅楼的楼层按比例换算后进行赋值。（二）邻里特征变量（N）本文选取的邻里特征包括绿化率、物业费、1km范围内包含三甲医院及购物中心的个数。其中绿化率和物业费为真实数据，医院商场设定为虚拟变量，若该楼盘项目在这个半径范围内有医院、大型商场，则赋值为1，否则赋值为0。（三）区位特征变量（L）设置了住宅的三个变量，即所在区属、距地铁站点的直线距离和500米范围内公交站的数量。按照距北京地铁9号线沿线各站点不同距离的半径范围采集二手住宅数据样本，对距地铁站点不同距离的虚拟变量进行赋值得，在此半径范围内的楼盘项目赋值为1，若不在赋值为0。将距地铁站400米半径范围内设置为变量L1；距地铁站400-800米范围设置为L2；距地铁站800-1200米范围以L3表示;距地铁站1200-1600米范围则以L4表示。设定变量L5表示住宅周边500米范围内公交站点的数量，数量多少能够反映居民出行的便利程度，因此以实际数量赋值。由于北京地铁9号线贯穿海淀、丰台两个行政区，两区经济发展程度不同。据资料显示，2020年海淀区GDP总量为7926亿元，丰台区GDP总量为1829亿元，人均GDP的比值约为：4.3：1。为了尽可能控制因经济发展不同给住宅价格带来的影响，因此对这两个区域进行赋值，海淀区为4.3，丰台区为1。由于住宅距离市中心距离远近不同，采用住宅距离天安门的实际距离数值进行赋值。表4.1特征变量的确定特征类型特征变量指标量化因变量P成交单价区位变量LL1距离最近地铁站0-400米范围赋值为1，否则为0L2距离最近地铁站400-800米范围赋值为1，否则为0L3距离最近地铁站800-1200米范围赋值为1，否则为0L4距离最近地铁站1200-1600米范围赋值为1，否则为0L5住宅周边500内公交站数L6住宅距北京CBD的距离即到天安门的距离L7住宅区属按照海淀区4.3分，丰台区1分邻里变量NN1住宅1km范围内商场数量情况N2住宅1km范围内三甲医院数量情况N3住宅的绿化率N4住宅的物业费建筑变量SS1住宅单元的朝向，按照朝南为3，南北2，东南或西南1，其他0S2住宅单元的的房龄，按2020年和建造年代的差值S3住宅单元所在楼层，按照低楼层为2；中楼层为4.5；高楼层3进行转换S4住宅单元属于学区为1为非学区为0S5住宅单元的容积率第三节北京地铁9号线对沿线住宅的空间效应分析本节主要研究内容9号线对于沿线住宅小区估值的空间效应影响，拟选择的距离指标为距离地铁站点沿线1.6km内，在同一时间截面，即2020年，成交的住宅小区的成交价作为样本数据，研究城市轨道交通对沿线不同距离的房地产价格影响的性质以及影响程度，从而构建估价模型。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，所以楼层和容积率对楼盘售价的影响就被削弱了，在模型中应该予以剔除。（3）邻里特征变量1km内三甲医院数量的系数为正，其值为7.7%，表明周边医院数量对住宅价格有正向影响，周边增加一个医院，住宅价格上涨7.7%。目前购房者大多为有老人小孩的家庭，医院数量较多有利于就近照顾老人，也有利于小孩看病就医。与预期期望关系相符。变量1km内大型商场数量的系数也为正，说明大型商场的数量也对房价有明显的提升效应。变量N4物业费的回归系数为正，可以得出小区优质的环境和服务会是使房屋的价格提升的结论。这主要是因为物业费是与楼盘品质和定位密切相关的变量，物业费越高的小区，其自身定位也越高，从而房价也相应越高。从数量关系来看，小区物业费平均每高出1元，住房价格显著提升2.4%。举例来说，对物业费为2元的楼盘，若其单价为5万，则物业费为3元的同质楼盘B，其每平米价格将增加至5.24万元。四、小结本章以2020年时间截面数据为基础，构建特征价格模型，得出沿线房地产各个特征变量的隐含价格及估值公式，分析地铁9号线对于沿线住宅价格空间效应的影响。研究结果如下：通过显著性检验结果，说明选择特征价格法进行房地产估值是可行的。并且通过构建特征价格模型来评估轨道交通沿线不同距离的房地产，使评估的过程更科学合理，使评估结果更为精确。地铁对于沿线房地产估值的影响使随着距站点距离而先增加后减小的倒“U”型的规律。即空间增值效应先随距离的增加而上升，在距离地铁400-800米范围达到峰值后，再随着距离的增加下降。第四节时间效应的分析上一节是对地铁沿线房地产价格影响的空间效应进行了研究分析，是基于当前时间（2020年）序列。实际在地铁的建设期和运营期等不同时段，沿线房地产价格受其影响程度存在明显差异，因此基于上节的空间效应模型，增加建设期初期、建设后期、运营初期和运营中期四个时间变量、以及时间空间交互变量，搜集2009年至2020年之间，从建设初期到运营至今共12年的住房成交价格以及各自的房屋特征为样本，研究不同时段地铁对沿线二手住宅估值的影响，有利于准确评估周边住宅各个时期的价值。一、数据的收集及预处理由于9号线修建时间长，前期以准备和局部地区修建为主，并且2007年-2008年时间较早，样本采集量不足，因此选取2009年到2020年9号线沿线实际成交住宅成交价作为样本对象，共即3350个成交案例。并采集包括成交价格、建筑特征变量、区位特征变量以及邻里特征变量在内的相关的数据。源于专业房地产统计数据库以及房产中介机构网上交易数据是本文所采集数据的主要方向。与上一节里的量化方法相同的是住宅小区的建筑特征价格变量、区位特征价格变量以及邻里特征价格变量。不同的是加入细分的时间变量，并将距离站点的分段距离变量，与建设期和运营期两个时间变量进行交互。表4.9特征价格变量量化表特征类型特征变量指标量化因变量P成交单价区位变量LL5住宅周边直线距离500米内公交站个数L6住宅区属按照海淀区4.3分，丰台区1分L7住宅距北京CBD的距离即到天安门的距离邻里变量NN1住宅直线距离1km范围内大型购物商场个数N2住宅直线距离1km范围内三甲医院个数N3住宅的绿化率N4住宅的物业费建筑变量SS1住宅单元的朝向，按照朝南为3，南北2，东南或西南1，其他0S2住宅单元的的楼龄，按2020年与建造年代之间的差值S3住宅单元的楼层，按照低楼层为2；中楼层4.5；高楼层3进行转换S4住宅单元属于学区为1，非学区为0S5住宅单元的容积率时间阶段变量YY建设初期交易数据如果为2009-2011年数据则赋值为1，否则为0Y建设后期交易数据如果为2012-2013年数据则赋值为1，否则为0Y运营初期交易数据如果为2014-2016年数据则赋值为1，否则为0Y运营后期交易数据如果为2017-2020年数据则赋值为1，否则为0时间距离交互变量T建设期*L1如果住宅小区处于距离站点的距离在400米内并且收集的交易价格处于建设期，则赋值为1，否则为0T建设期*L2如果住宅小区处于距离站点的距离在400-800米内并且收集的交易价格处于建设期，则赋值为1，否则为0T建设期*L3如果住宅小区处于距离站点的距离在800-1200米内并且收集的交易价格处于建设期，则赋值为1，否则为0T建设期*L4如果住宅小区处于距离站点的距离在1200-1600米内并且收集的交易价格处于建设期，则赋值为1，否则为0T运营期*L1如果住宅小区处于距离站点的距离在400米内并且收集的交易价格处于运营期，则赋值为1，否则为0T运营期*L2如果住宅小区处于距离站点的距离在400-800米内并且收集的交易价格处于运营期，则赋值为1，否则为0T运营期*L3如果住宅小区处于距离站点的距离在800-1200米内并且收集的交易价格处于运营期，则赋值为1，否则为0T运营期*L4如果住宅小区处于距离站点的距离在1200-1600米内并且收集的交易价格处于运营期，则赋值为1，否则为0二、模型的构建及函数形式的选择（一）研究思路在距地铁站点相同距离的情况下，地铁的建设期和开通运营时期，对周边房地产价格的影响不同。因此，在不同时期，影响的性质和影响程度、构建估价模型，是本节的研究课题。研究步骤：选取2009~2020年12年间，地铁九号线沿线二手房成交价格及房屋特征，并进行预处理。加入时间变量和并将上节空间变量与时间变量进行交互。研究方法仍采用特征价格法。带入其他变量和新加入的时间时间空间交互变量，构建模型。分析地铁对沿线房地产估值影响的时间效应。从而确定地铁沿线房地产在某一时段的评估价值。3、设定模型特征价格的函数形式是：P=f（T1,T2,T3,T4……Tn）(4-3)根据特征价格理论，消费者购买住宅时所考虑的房屋特征变量在地铁建设期和运营期大致相同，因此沿用调查问卷确定的特征价格变量，同时加入时间序列变量：P=f(,S,N,L*T,Yn)(4-4)其中，L，S，N三个所表示的与上一章相同，分别的建筑特征价格变量、区位特征价格变量以及邻里特征价格变量。时间变量由Y表示，通过交易所在不同时间段进行赋值，处于该时间段则为1，否则为0。而L*T所代表的含义为距离变量L与轨道交通所处开发阶段变量T的时间距离交互变量。所以直接将特征价格变量代入特征价格模型中，得到的特征价格模型为：(4-5)式中：P——房屋单价，β——各特征因素的系数ε——误差项。（二）模型试算本模型采用特征价格法，将回归方程以及预先处理好的样本数据导入SPSS软件中，参数估计是运用最小二乘法进行，表4-2所示为所得拟合度检验。表4.10模型回归情况表模型RR方调整后R方标准估计的误差D-W1.830ª.749.726.154591.139a.因变量：lnpb.预测变量：（常量），运营中期，S5容积率，L5五百米公交站个数，S3楼层，S4是否为学区房，T建设期*L4，建设初期，T建设期*L3，T建设期*L1，S1朝向，N2一公里内是否有三级医院，T建设期*L2，T运营期*L4，L6所在区属，N1一公里内是否有大型商场，N4物业费，T运营期*L2，N3绿化率，T运营期*L1，S2楼龄，L7距市中心距离，运营初期，T运营期*L3，建设后期。表4.11线性模型方差分析模型平方和df均方FSig1回归残差总计126.10958.957185.06624233223565.255.025207.838.000ba.因变量：lnpb.预测变量：（常量），运营中期，S5容积率，L5五百米公交站个数，S3楼层，S4是否为学区房，T建设期*L4，建设初期，T建设期*L3，T建设期*L1，S1朝向，N2一公里内是否有三级医院，T建设期*L2，T运营期*L4，L6所在区属，N1一公里内是否有大型商场，N4物业费，T运营期*L2，N3绿化率，T运营期*L1，S2楼龄，L7距市中心距离，运营初期，T运营期*L3，建设后期。表4.10所示D—W值为1.139接近2,优度较好，通过D-W检验。表4.11所示sig值均为0，因此通过F检验。住宅价格于特征变量确实存在关系，调整后的R2为0.726对变量有72%的解释能力。得出模型通过经济学检验，因此认为可以用来进一步分析和解释地铁对房价的时间效应。图4-11以及图4-12可以看出模型满足异方差检验且拟合效果较好。图4.11标准化残差直方图图4.12回归标准化残差P-P图三、时间效应定量分析表4.12时间效应回归系数模型非标准化系数标准系数tsigB标准误差试用版1（常量）1.664.06226.867.000S1朝向.024.004.0816.384.000S2楼龄-.003.001-.074-3.954.000S3楼层.001.003.005.438.661S4是否为学区房.040.006.0896.320.000S5容积率-.008.003-.033-2.521.012L5五百米内公交站个数.002.005-.006-.425.671L6所在区属.092.004.48921.985.000L7距市中心的距离-.043.003-.371-15.368.000N1一公里内是否有大型商场-.020.009-.034-2.323.020N2一公里内是否有三甲医院.061.008.0947.271.000N3绿化率-.002.001.0573.539.000N4物业费.044.006.1337.243.000T建设期*L1-.169.059-.141-2.886.004T建设期*L2-.041.059-.039-.700.000T建设期*L3-.005.057.004.079.007T建设期*L4-.145.059-.107-2.460.014T运营期*L1.104.036.1432.911.004T运营期*L2.283.036.4117.829.000T运营期*L3.224.034.3326.556.000T运营期*L4.085.034.1092.502.012Y建设初期-.026.028.015.936.029Y建设后期.231.041.3475.615.000Y运营初期-.098.028-.172-3.426.001Y运营中期.138.028.1955.005.000a.因变量lnp通过构建时间序列的特征价格模型，得到除地铁因素外相关的建筑、区位以及邻里特征价格变量系数与上一节的效果基本相符。从时间变量方面看，地铁9号线的建设初期，Y建设初期回归系数出现负数，说明9号线的施工建设对于周边住宅价格产生负面影响，主要原因是施工建设期间沿线交通条件下降，环境污染，噪声等问题。在地铁的建设后期，Y建设后期系数最大，达到峰值，沿线房价大幅上涨。这有可能是因为地铁即将投入运营，人们预期未来房价会大幅上涨，从而增加购房热情，导致房价上涨。在运营初期，房价出现了小幅下降，推测是地铁的运营产生的震动和噪音超过了人们的心理预期，除了出行方便外，还存在一些亲身体会才能发现的问题，因此在心理上产生了负面影响。运营一段时间后，回归系数为正数，表明人们对噪音震动逐渐不太敏感，适应了周围的居住环境，城市轨道交通带来的出行便捷性抵消了人们心里的不适应并且还带动了周边基础设施的建设，因此人们在购房时选择在地铁站点附近成为重要条件。供求关系的改变使房价呈现上涨的趋势。说明9号线开通运营对于沿线二手住宅产生增值效应。对时间距离交互变量回归系数分析，结果表明，整个建设期内，对于沿线不同距离房地产价格的影响的均为负面影响，且随着到地铁距离的增加，对价格的负面影响逐渐变小；运营期回归系数都为正数，增值效应随着距离增加呈现先增加后减小的倒U型，与空间效应结果相似。根据回归系数表，加入时间距离交互变量后得到特征价格模型的表达式为：lnp=1.664+0.024S1-0.003S2+0.001S3+0.04S4-0.008S5+0.002L5+0.092L6-0.043L7-0.02N1+0.061N2+0.002N3+0.044N4-0.169T建设期*L1-0.041T建设期*L2-0.05T建设期*L3-0.145T建设期*L4+0.104T运营期*L1+0.283T运营期*L2+0.224T运营期*L3+0.085T运营期*L4-0.026Y建设初期+0.231Y建设后期-0.098Y运营初期+0.138Y运营中期时间空间交互变量将地铁的开发周期与到地铁站点的距离结合作为一个变量，当选择评估某个小区的某年的住宅价格时，确认该年份地铁的开发周期以及该小区到最近的地铁站点的距离，带入特征价格模型得到其评估价格。四、小结本节主要研究的是9号线对于沿线住宅价格影响的时间效应，首先假设9号线在施工建设期与开通运营期对沿线住宅产生的影响在效力和范围上存在差别，然后通过分析9号线2009年至2020年12年的样本数据，加入时间交互变量以及时间变量的特征价格模型。通过将12年沿线住宅的历年价格以及各类特征价格数据带入到已设计好的特征价格模型，得到在时间序列下的9号线沿线住宅价格的特征价格表达式。此外，通过分析时间空间交互变量发现在整个建设期内对于沿线1.6米内住宅小区产生显著的负面影响；而且随着距离的增长，相应的影响会降低。通过比较各个回归系数，发现400米内单位距离变量对于价格产生的减值影响最强。在整个运营期内，9号线对于沿线1.6米内的住宅小区整体价格产生显著的正面增值影响，相应的具体影响与空间效应一致呈现倒“U”型的影响规律。其中在距离站点400米内由于日常运营所产生的负面效果阻碍的房价的上涨，且在400-800米内的住宅小区的单位溢价最高，所产生的增值效应最强，越远增值效应逐渐减弱。二者横向对比发现，不管是施工建设期还是开通运营期都对沿线住宅小区产生了显著的影响，但是运营期内的影响效力强于9号线施工建设期。单从细分的时间变量分析，建设初期周边住宅价格产生负面影响，主要原因是开始施工带来的环境污染，噪声等问题。建设后期，沿线房价大幅上涨。是由于人们预期未来房价会大幅上涨，从而增加购房热情，房价上涨。在运营初期，房价出现了小幅下降，推测是地铁的运营产生的震动和噪音超过了人们的心理预期，运营一段时间后，周围房价持续增长，因为地铁带来的出行便捷性抵消了人们心里的不适应并且还带动了周边基础设施的建设，因此带动房价上涨。第五章典型楼盘价值评估及模型再检验根据上一节的实证分析拟合结果，得到了北京地铁9号线住宅的时间与空间交互的特征价格模型，以此为基础，选择丰台一套住宅的成交案例，数据搜集的小区以外的小区，作为房地产价格评估的典型案例。房地产名称：莲香园楼层状况：位于低楼层楼龄：19年（2000年建造）成交时间：2019.08.06待评估对象位于丰台区六里桥站的莲香园，二室一厅一卫的结构，共计97.11平方米。朝向为南北，装修为简装，所在楼层为低楼层，物业费为1.8元每平米每月，小区绿化率为40%，容积率为3.15。小区距离地铁9号线六里桥站900m，周边500米内有3公交站，1km范围内一个银座和谐广场购物中心，没有三甲医院，距天安门8.5km，代入模型lnp=1.664+0.024S1-0.003S2+0.001S3+0.04S4-0.008S5+0.002L5+0.092L6-0.043L7-0.02N1+0.061N2+0.002N3+0.044N4-0.169T建设期*L1-0.041T建设期*L2-0.05T建设期*L3-0.145T建设期*L4+0.104T运营期*L1+0.283T运营期*L2+0.224T运营期*L3+0.085T运营期*L4-0.026T建设初期+0.231T建设后期-0.098T运营初期+0.138T运营中期P=e1.664+0.024S1-0.003S2+0.001S3+0.04S4-0.008S5-0.002L5+0.092L6-0.043L7-0.02N1+0.061N2+0.002N3+0.044N4-0.169T建设期*L1-0.041T建设期*L2-0.05T建设期*L3-0.145T建设期*L4+0.104T运营期*L1+0.283T运营期*L1+0.224T运营期*L1+0.085T运营期*L1+0.026T建设初期+0.231T建设后期-0.098T运营初期+0.138T运营中期经计算lnP=1.8683，即每平方米的价格为6.4万元/每平米，根据住宅价格环比指数，将所有价格调整为回2019年的价格水平为每平米6.16万元，面积为101平方米，该住宅估值价格为622.16万元。该房产在某网站2020年8月成交，成交总价为629万元，评估值与实际成交价差为6.84万元，误差为1.1%。经过案例验证，所求模型与真实成交价之间的误差在5%以内，说明了模型具有一定评估价值，评估结果也在合理范围内。第六章结论及展望第六章结论及展望第一节主要结论北京市作为典型的通勤城市，修建轨道交通意义重大，极大方便了居民日常出行，缓解道路拥堵问题，减轻环境污染等。本文选取北京地铁九号线9周边，收集2009年至2020年内沿线3350个成交的二手住宅，24个特征变量来研究地铁建设运营对沿线楼盘价格的空间效应和时间效应影响，结合特征价格模型，得到以下结论：本文选取特征价格模型应用于房地产估值领域，研究地铁对周边住宅价格的影响。模型通过了显著性检验以及典型案例检验，说明将特征价格引入市场法具有一定的适用性。并且计算便捷，对于房地产的评估只需要将影响价格的主要因素带入估值模型，相比传统的房地产评估方法，不仅误差小，同时可以避免人为主观判断带来的偏差，使估值结果更加科学合理。同时还可以根据模型回归结果得到地铁对房价在时间空间上的影响程度，总结其影响规律。此外，特征价格模型法也适合用于批量评估中，沿线房地产可直接带入估值模型使得计算过程简化的同时，评估结果更加客观合理。（2）本文通过收集2009-2020年地铁9号线沿线各站1600米范围内的二手住宅成交数据、问卷调查得到的影响住宅价格的因素，以半对数线性方程形式，做回归分析，得出空间层面和时间空间交互的两个特征价格模型，其中选择时间空间交互模型作为评估模型。lnp=1.664+0.024S1-0.003S2+0.001S3+0.04S4-0.008S5-0.002L5+0.092L6-0.043L7-0.02N1+0.061N2+0.002N3+0.044N4-0.169T建设期*L1-0.041T建设期*L2-0.05T建设期*L3-0.145T建设期*L4+0.104T运营期*L1+0.283T运营期*L1+0.224T运营期*L1+0.085T运营期*L1+0.026T建设初期+0.231T建设后期-0.098T运营初期+0.138T运营中期通过选取典型楼盘案例对时空交互模型进行检验，发现空间序列上对沿线周边的住宅价值的增值在不同距离范围内存在一定的规律。北京地铁9号线对沿线房地产价格的影响范围是0-1600米，房价先随距离的增加而上升，在距离地铁400-800米范围达到峰值后，再随着距离的增加而下降。地铁对距站点0-1600米范围内的房价变动规律为倒U型。在影响范围内，并不是距离轨道交通越近房价越高。过度夸大轨道交通对房价影响使购房者产生误区。从时间序列来看，9号线在建设后期受地铁的正面影响最大，到运营初期二手住宅价格产生回落，运营中期回归系数为正。在整个时间周期，并不是运营初期对房价影响最大，而是在建设后期，在评估轨道交通沿线房地产价值时，并不是所有时期都具有增值效应在时间空间交互作用下，9号线建设施工期和运营期均对沿线住宅价格存在影响，其中在建设施工期内，对于沿线产生负面影响，且随着距离的增长影响效果会下降，在距离站点400m内，9号线的负面影响效力最强。在9号线运营期内，沿线住宅小区的价格普遍受到9号线的正面影响，且在距离站点400米至800米内的区域内增值影响效果最大，呈现倒“U”型的规律。（4）影响房价的因素除了地铁还有很多，如到朝向、周边公交、到市中心的距离、是否为学区房以及一千米范围内商场、医院数量等因素，在模型中都能体现出对房价有正面或负面的影响。第二节研究的不足之处首先，由于研究前提的局限性，模型中没有考虑购房者的收入、区域内的一般工资水平、人均产值和购房需求，并深入分析。在以后对此类问题的研究和讨论中，需要把这些因素加入到模型中，使得模型在实际操作应用中更加科学、合理。其次本文选择以沿线二手住宅作为研究对象，在以后的探究过程中，可以增加其他用途的房地产数据，使得模型的研究结论更加准确实用。最后在数据搜集的过程中，由于9号线规划期二手房成交数据难以搜集，在时间因素上没有考虑轨道交通规划期对沿线住宅价值的影响。以后可以将规划期的影响加入到已有模型中，进行探索实践，使之更准确合理。附录附录北京市居民购房的关注点及消费倾向的调查问卷尊敬的先生、女士：您好！首先，在此对您能够参与我们关于北京市居民购房的问卷调查表示衷心感谢！本次问卷的目的是为了了解北京市居民购买住宅类房地产的关注点和消费倾向，以便提供合理的房地产估价方法。您的选择不存在正确与否，仅在于了解您真正的想法.Q1、请问您的年龄是：□25岁以下□26-30岁□31-35岁□36-40岁□41-45岁□46-50岁£51-55岁□56岁以上Q2、请问您目前常住地是：□三环城内□四环城内□五环环以内□六环以外□其他（请注明）__________Q3、您的教育程度是：□高中或高中以下□专科□本科□硕士□博士或博士以上Q4、您的家庭年收入是：□20万以内□20-40万□40-60万□60-80万□80-100万£100万以上Q5、您目前出行的经常选用的交通工具是？（可多选）□私家车□地铁£公交车£出租车£共享单车或步行□其他（请注明）____________Q6、您是采用何种方式到轨道交通站点？□私家车£公交车£出租车£共享单车或步行□其他（请注明）____________Q7、您从家到轨道交通的站点一共要花费多长时间？□0-3分钟□3-5分钟□5-7分钟£7分钟以上£其他（请注明）__________Q8、您是否会再购房时将地铁因素考虑在内?£是□否Q9、您认为所购住宅距离地铁站的最佳距离是多少？£400米以内□400-800米□800-1200米□1200-1600米□其他（请注明）__________Q10、请问您有无购买房地产的计划？□已购□今年内购买□明年后再购买□无购买计划Q11、请问您购买房地产的目的是？□常住□休闲度假□投资□其他（请注明）____________Q12、您（希望购买）的房地产所处位置：（多选）□二环内□二环到三环□三环到四环□四环到五环□五环外Q13、您购买（自住）房地产的首选区域是？£东城区□西城区£海淀区□丰台区