【《天津市新开地铁线路对其周围房地产价格影响分析案例》4300字】

天津市新开地铁线路对其周围房地产价格影响分析案例目录TOC\o"1-3"\h\u7058天津市新开地铁线路对其周围房地产价格影响分析案例 1178041.1天津市地铁发展现状 1321431.2基于特征价格模型的轨道交通对房地产价格影响的分析研究 3322941.2.1模型介绍 3253901.2.3数据来源 475781.2.4模型设计 561401.2.5构建回归方程 61.1天津市地铁发展现状天津是中国北方最大的沿海开放城市，包括中心城区和滨海新区，到2020年底，天津GDP总量已达14837.3亿元，经济年均增速继续保持上升趋势。天津市辖区面积11916.85平方公里，总人口1413115万人，可观测到的人口密度为23605.52人/平方公里，几乎是全市人口密度的20倍，已经成为世界上人口最稠密的20座城市之一。因此，城市经济的快速发展和人口的不断增加，必然会加大城市的交通压力，尤其是中心城区，为了缓解这种情况，必须积极发展地铁运输。日益严峻的交通压力提出了客观的需求。来源：中国统计年鉴图3天津市2015-2019年人口密度天津是中国第二个建设城市轨道交通系统的城市，但地铁运营总长度仅为北京和上海的1/3。与北京、上海、深圳这几个城市相比，天津人口数量仅为1386.6万人，人口的数量最少。以每万城市人口地铁公里数计算，北京、上海和深圳分别是天津的2.27倍、2.00倍和1.75倍。从地铁建设速度来看，北京和上海的地铁建设从2000年开始快速发展，现在已经形成了覆盖整个城市的较为完整的地铁网络体系。深圳于2007年和2012年启动，初步形成了该市的地铁网络。天津的地铁建设速度很慢，落后于其他三个城市。与这些城市相比，天津地铁系统的发展无论从速度还是数量上都不能满足城市发展的需要。因此，天津必须扩大地铁铁路建设，实施天津地铁建设线整体布局。天津市规划地铁系统由市域线和城区线两级线网组成，其中城区线由地铁1—10号线组成。目前，地铁1、3、9、2号线、已分别于2005年12月8日、2012年10月1日、2012年10月15日、2013年8月28日全线开通；其中，1、2、3号线是骨干线路，覆盖东南西北，很大程度上分散着交通供需矛盾。地铁9号线提供市中心内的长途服务，分担车流量，缩短和拉近中心城区与滨海新区出行时间。城市中心的可达性网络服务水平将提高对外辐射能力。图4天津市轨道交通规划示意图图5天津地铁六号线线路示意图1.2基于特征价格模型的轨道交通对房地产价格影响的分析研究1.2.1模型介绍（1）特征价格法的概述特征价格法，就是认为房地产的价值是由众多特征形成，而房地产价格就是由这些特征给人们所带来的效用而定。并且这些特征的组合方式以及数量存在诸多不同，从而使得房地产价格有所差异。所以，按照影响房地产的价格的各项因素进行分类分析，求出影响这些因素中所隐藏的价格，并且解释出这些因素对于房地产价格实际的影响效应。（2）特征模型法的基本思路分解房地产价格，然后将隐含在每项特征的隐含价格显现出来，保持房地产总体特征不变，然后将房地产价格变动中特征因素变动情况进行变动，在变动的价格中逐个地剔除变动影响，最终就可以看到由于供求关系从而引起的价格变动，一般价格形式为:P=f(X1,X2…Xn)其中X1表示商品（包括住房等其他商品）在研究时，选择函数模型以及合理变量，梳理收集的数据，通过计量经济学原理结合相关模型分析其形式，然后加以利益进行研究分析。一般常见的特征价格模型分为三种：线性模型P=α0+β1X1+β2X2+…+βnXn+ε其中，P为住宅价格，α0为常数项，X1，X2，…Xn分别代表房地产项目不同的特征属性，β1，β2，…βn表示房地产项目各属性所对应的影子价格，ε表示随机误差项。半对数模型lnP=α0+β1X1+β2X2+…+βnXn+ε其中，P为住宅价格，α0为常数项，X1，X2，…Xn分别代表住宅的不同特征属性，β1，β2，…βn表示住宅价格对其各种属性的弹性，也就是当其它变量在持续不变的情况之下，单个属性变化1%时，住宅价格会变化的百分比。对数模型lnP=α0+β1lnX1+β2lnX2+…+βnlnXn+ε其中，P为住宅价格，α0为常数项，X1，X2，…Xn分别代表住宅的不同特征属性，β1，β2，…βn表示房地产项目价格对不同属性的弹性，也就是保持其它变量不变时，某些变量变化1%，因变量发生的变化。对数模型的符号的意义与半对数模型的相同。1.2.3数据来源本文的数据来源主要是安居客网站、房天下网站、百度百科、高德地图等等。通过这些网站，笔者可以收集到天津地铁六号线附近的房地产的名称、价格、与CBD（滨江道）的距离、500m以内的公交车站数量、与最近的地铁站点的距离、绿化率、房龄、容积率、建筑面积等信息。房地产价格的信息数据均是2020年3月，各住宅小区的二手房平均交易价格。1.2.4模型设计（1）区位特征本文将从三个区位特征进行分析，分别是房地产与CBD（滨江道）的距离，500m以内的公交车站点数量，与最近的六号线地铁站点的距离。区位因素是影响房地产价值的核心因素，距离市中心的远近对房地产价值的价值高低起着重要的作用。城市中心有着一个城市最优的政治、经济、文化资源，通过查阅资料和实际走访调查，结合天津市的实际情况，选取滨江道为天津市中心。滨江道集中了天津市大量的经济、政治、文化资源，是天津市的核心地带。在测算和收集房地产到市中心的距离中，采用高德地图的驾驶功能，将住宅与滨江道的最短驾驶距离作为采集样本，设置变量代号为X1.。预测住宅与CBD的距离（X1）与住宅价格呈反方向关系。公共交通是许多居民出行时的一大选择方式，与轨道交通存在一定的竞争关系。住宅附近的公交车站站点数量能够在一定程度上反映居民出行的便利程度，对住宅价格产生一定的影响。将住宅附近500米内公交车站站点数量作为样本采集，设置变量代号为X2。预测500米内公交车站站点数量与住宅价格呈正方向关系。住宅项目到最近地铁站站点的距离能够体现居民乘坐地铁出行的便利程度，距离越近便利程度越高。将六号线各个站点设为圆心，根据普通人步行可到达的范围，选择1500米以内的半径，将这个范围设为研究区域，以实际数据赋值，设置变量代号为X3。预测住宅到最近地铁站站点距离与住宅价格呈反方向关系。（2）建筑因素住宅楼盘结构类型十分丰富，住宅自身的建筑因素对房地产价格的影响也会产生不同的效应，根据不同住宅的结构特征类型，以及统计数据的获得性，本文将绿化率、房龄、容积率、建筑面积作为自变量，相关统计数据主要书通过百度百科及房天下网站、安居客网站收集。绿化率是住宅小区的绿地面积与用地面积的比率，绿化率越高，住宅用地面积越低，房价会上升。同时，绿化率高的小区居住环境更为舒适，住宅价格也随之提高。因此，设置绿化率为X4，预测绿化率与小区价格呈正相关关系。房龄是住宅建成后的年龄，因为住宅会随着时间的流失而老化，使用年限缩短等，会对住宅价格产生负面影响因素，因此，设置房龄代号为X5，以住宅建成年份为样本取值，预测与住宅价格呈正相关关系。容积率是住宅小区的建筑面积与占地面积的比值。由于住宅价格的影响因素较多，不能只以容积率的大小作为判断依据。在住宅类型中，别墅的容积率很低，高层住宅的容积率偏高，二者无法直接进行数据分析和对比。本文主要研究对象是普通住宅，在这一前提条件的限制下，住宅容积率越小，其房屋舒适度越高，预测容积率与住宅价格呈负相关关系。设置容积率的代号为X6，取实际住宅小区容积率数值为样本。建筑面积是指建筑物各层水平面积的总和，住宅的建筑面积越大，该住宅的住户人数更多，人口密度更大，其住宅的舒适度就会大幅度降低。预测建筑面积与住宅价格呈现负相关关系。设置建筑面积的代号是X7，取住宅小区的实际建筑面积数值为样本。1.2.5构建回归方程将本次所收集到的数据在Excel中进行整理之后导入到SPSS软件中，然后选择相应的自变量以及因变量，然后依据最小二乘法，对数据进行多元回归分析，估算出参数值并且进行检验。本文一共分析来了三种Hedonic模型的形式，其分别为对数模型、半对数模型以及线性模型，但是对数模型需要自变量Xn在计算时取零，这样就会导致等式的右边失去意义，所以本文不再使用对数模型。基于以上的分析，结合前面对于前期地铁六号线附近住宅价格的数据调查以及实地走访，整理了附近50小区的七项与房价有关的特征因素以及详细地数据。并且需要将数据导入到SPSS软件进行线性回归分析，分析结果如表3所示。表3模型摘要模型RR方调整R方标准估计的误差Durbin-Watson线性模型0.5820.3390.325728.089021.674半对数模型0.5350.2870.2660.18571.392a.预测变量：（常量），与CBD距离，500米内公交站站点数量，与最近地铁站点的距离，容积率，房龄，建筑面积，绿化率b.因变量：价格从表3中得出的结果可知，线性以及半对数的模型拟合度分别为58.2%以及53.5%，在经过调整后的两者拟合度为3.9%以及28.7%，都具有较高的拟合度，虽然半对数比线性的拟合度略低，但是差别不大，所以影响可以忽略不计。表4线性模型方差分析ANOVA平方和自由度均方F显著性回归589061737.31589061737.317.953.000b残差11483851353532811003.86总计173744687236a.因变量：价格g.预测变量：（常量），与CBD距离，500米内公交站站点数量，与最近地铁站点的距离，容积率，房龄，建筑面积，绿化率表5半对数模型方差分析ANOVA平方和自由度均方F显著性.回归0.48510.48511.061.001b残差1.207350.034总计1.69236a.因变量：价格g.预测变量：（常量），与CBD距离，500米内公交站站点数量，与最近地铁站点的距离，容积率，房龄，建筑面积，绿化率表4是对于线性模型的方差分析，表5是对于半对数模型的方差分析。表4以及表5的结果说明线性模型以及半对数模型的显著性都小于0.05，说明了两者的显著性较强，也就是所分析的特征因素和住宅的价格成一定比例的线性关系。从结果中可以得出：线性及半对数两个模型都具备较强的拟合度，经过调整之后的R2线性模型以及半对数模型分别为32%以及26.6%，具备较强的线性关系。线性模型是Hedonic的基本形式，并且回归系数也是相关的特征变量间的隐含的价格。但是线性模型所得出的结果更加直观。由于这两种模型中特征系数以及拟合度之间的差别并不是很大，因此，在本次研究中应用线性模型进行分析。本次采用分析软件SPSS进行分析，利用“逐步法”，将最近地铁站距离、建筑面积、绿化率、容积率、建筑面积等因素作为自变量，利用这些自变量与住宅价格(因变量）进行回归分析，最后选中了房龄进入方程，计算出回归方程为房价=555.456*房龄-1082552.308。表3已排除的变量模型输入贝塔t显著性偏相关共线性统计量容差与CBD的距离-.034b-.230.820-.039.965公交车站数量.215b1.522.137.253.989与最近地铁站距离-.247b-1.778.084-.292.993绿化率-.025b-.162.872-.028.861容积率-.177b-1.240.224-.208.991建筑面积.049b.310.758.053.853因变量：Ln价格模型中的预测变量：（常量），房龄。表3线性回归模型系数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VIF(常量)-108