天津市新開地鐵線路對(duì)其周圍房地產(chǎn)價(jià)格影響分析案例目錄TOC\o"1-3"\h\u7058天津市新開地鐵線路對(duì)其周圍房地產(chǎn)價(jià)格影響分析案例 1178041.1天津市地鐵發(fā)展現(xiàn)狀 1321431.2基于特征價(jià)格模型的軌道交通對(duì)房地產(chǎn)價(jià)格影響的分析研究 3322941.2.1模型介紹 3253901.2.3數(shù)據(jù)來(lái)源 475781.2.4模型設(shè)計(jì) 561401.2.5構(gòu)建回歸方程 61.1天津市地鐵發(fā)展現(xiàn)狀天津是中國(guó)北方最大的沿海開放城市，包括中心城區(qū)和濱海新區(qū)，到2020年底，天津GDP總量已達(dá)14837.3億元，經(jīng)濟(jì)年均增速繼續(xù)保持上升趨勢(shì)。天津市轄區(qū)面積11916.85平方公里，總?cè)丝?413115萬(wàn)人，可觀測(cè)到的人口密度為23605.52人/平方公里，幾乎是全市人口密度的20倍，已經(jīng)成為世界上人口最稠密的20座城市之一。因此，城市經(jīng)濟(jì)的快速發(fā)展和人口的不斷增加，必然會(huì)加大城市的交通壓力，尤其是中心城區(qū)，為了緩解這種情況，必須積極發(fā)展地鐵運(yùn)輸。日益嚴(yán)峻的交通壓力提出了客觀的需求。來(lái)源：中國(guó)統(tǒng)計(jì)年鑒圖3天津市2015-2019年人口密度天津是中國(guó)第二個(gè)建設(shè)城市軌道交通系統(tǒng)的城市，但地鐵運(yùn)營(yíng)總長(zhǎng)度僅為北京和上海的1/3。與北京、上海、深圳這幾個(gè)城市相比，天津人口數(shù)量?jī)H為1386.6萬(wàn)人，人口的數(shù)量最少。以每萬(wàn)城市人口地鐵公里數(shù)計(jì)算，北京、上海和深圳分別是天津的2.27倍、2.00倍和1.75倍。從地鐵建設(shè)速度來(lái)看，北京和上海的地鐵建設(shè)從2000年開始快速發(fā)展，現(xiàn)在已經(jīng)形成了覆蓋整個(gè)城市的較為完整的地鐵網(wǎng)絡(luò)體系。深圳于2007年和2012年啟動(dòng)，初步形成了該市的地鐵網(wǎng)絡(luò)。天津的地鐵建設(shè)速度很慢，落后于其他三個(gè)城市。與這些城市相比，天津地鐵系統(tǒng)的發(fā)展無(wú)論從速度還是數(shù)量上都不能滿足城市發(fā)展的需要。因此，天津必須擴(kuò)大地鐵鐵路建設(shè)，實(shí)施天津地鐵建設(shè)線整體布局。天津市規(guī)劃地鐵系統(tǒng)由市域線和城區(qū)線兩級(jí)線網(wǎng)組成，其中城區(qū)線由地鐵1—10號(hào)線組成。目前，地鐵1、3、9、2號(hào)線、已分別于2005年12月8日、2012年10月1日、2012年10月15日、2013年8月28日全線開通；其中，1、2、3號(hào)線是骨干線路，覆蓋東南西北，很大程度上分散著交通供需矛盾。地鐵9號(hào)線提供市中心內(nèi)的長(zhǎng)途服務(wù)，分擔(dān)車流量，縮短和拉近中心城區(qū)與濱海新區(qū)出行時(shí)間。城市中心的可達(dá)性網(wǎng)絡(luò)服務(wù)水平將提高對(duì)外輻射能力。圖4天津市軌道交通規(guī)劃示意圖圖5天津地鐵六號(hào)線線路示意圖1.2基于特征價(jià)格模型的軌道交通對(duì)房地產(chǎn)價(jià)格影響的分析研究1.2.1模型介紹（1）特征價(jià)格法的概述特征價(jià)格法，就是認(rèn)為房地產(chǎn)的價(jià)值是由眾多特征形成，而房地產(chǎn)價(jià)格就是由這些特征給人們所帶來(lái)的效用而定。并且這些特征的組合方式以及數(shù)量存在諸多不同，從而使得房地產(chǎn)價(jià)格有所差異。所以，按照影響房地產(chǎn)的價(jià)格的各項(xiàng)因素進(jìn)行分類分析，求出影響這些因素中所隱藏的價(jià)格，并且解釋出這些因素對(duì)于房地產(chǎn)價(jià)格實(shí)際的影響效應(yīng)。（2）特征模型法的基本思路分解房地產(chǎn)價(jià)格，然后將隱含在每項(xiàng)特征的隱含價(jià)格顯現(xiàn)出來(lái)，保持房地產(chǎn)總體特征不變，然后將房地產(chǎn)價(jià)格變動(dòng)中特征因素變動(dòng)情況進(jìn)行變動(dòng)，在變動(dòng)的價(jià)格中逐個(gè)地剔除變動(dòng)影響，最終就可以看到由于供求關(guān)系從而引起的價(jià)格變動(dòng)，一般價(jià)格形式為:P=f(X1,X2…Xn)其中X1表示商品（包括住房等其他商品）在研究時(shí)，選擇函數(shù)模型以及合理變量，梳理收集的數(shù)據(jù)，通過(guò)計(jì)量經(jīng)濟(jì)學(xué)原理結(jié)合相關(guān)模型分析其形式，然后加以利益進(jìn)行研究分析。一般常見的特征價(jià)格模型分為三種：線性模型P=α0+β1X1+β2X2+…+βnXn+ε其中，P為住宅價(jià)格，α0為常數(shù)項(xiàng)，X1，X2，…Xn分別代表房地產(chǎn)項(xiàng)目不同的特征屬性，β1，β2，…βn表示房地產(chǎn)項(xiàng)目各屬性所對(duì)應(yīng)的影子價(jià)格，ε表示隨機(jī)誤差項(xiàng)。半對(duì)數(shù)模型lnP=α0+β1X1+β2X2+…+βnXn+ε其中，P為住宅價(jià)格，α0為常數(shù)項(xiàng)，X1，X2，…Xn分別代表住宅的不同特征屬性，β1，β2，…βn表示住宅價(jià)格對(duì)其各種屬性的彈性，也就是當(dāng)其它變量在持續(xù)不變的情況之下，單個(gè)屬性變化1%時(shí)，住宅價(jià)格會(huì)變化的百分比。對(duì)數(shù)模型lnP=α0+β1lnX1+β2lnX2+…+βnlnXn+ε其中，P為住宅價(jià)格，α0為常數(shù)項(xiàng)，X1，X2，…Xn分別代表住宅的不同特征屬性，β1，β2，…βn表示房地產(chǎn)項(xiàng)目?jī)r(jià)格對(duì)不同屬性的彈性，也就是保持其它變量不變時(shí)，某些變量變化1%，因變量發(fā)生的變化。對(duì)數(shù)模型的符號(hào)的意義與半對(duì)數(shù)模型的相同。1.2.3數(shù)據(jù)來(lái)源本文的數(shù)據(jù)來(lái)源主要是安居客網(wǎng)站、房天下網(wǎng)站、百度百科、高德地圖等等。通過(guò)這些網(wǎng)站，筆者可以收集到天津地鐵六號(hào)線附近的房地產(chǎn)的名稱、價(jià)格、與CBD（濱江道）的距離、500m以內(nèi)的公交車站數(shù)量、與最近的地鐵站點(diǎn)的距離、綠化率、房齡、容積率、建筑面積等信息。房地產(chǎn)價(jià)格的信息數(shù)據(jù)均是2020年3月，各住宅小區(qū)的二手房平均交易價(jià)格。1.2.4模型設(shè)計(jì)（1）區(qū)位特征本文將從三個(gè)區(qū)位特征進(jìn)行分析，分別是房地產(chǎn)與CBD（濱江道）的距離，500m以內(nèi)的公交車站點(diǎn)數(shù)量，與最近的六號(hào)線地鐵站點(diǎn)的距離。區(qū)位因素是影響房地產(chǎn)價(jià)值的核心因素，距離市中心的遠(yuǎn)近對(duì)房地產(chǎn)價(jià)值的價(jià)值高低起著重要的作用。城市中心有著一個(gè)城市最優(yōu)的政治、經(jīng)濟(jì)、文化資源，通過(guò)查閱資料和實(shí)際走訪調(diào)查，結(jié)合天津市的實(shí)際情況，選取濱江道為天津市中心。濱江道集中了天津市大量的經(jīng)濟(jì)、政治、文化資源，是天津市的核心地帶。在測(cè)算和收集房地產(chǎn)到市中心的距離中，采用高德地圖的駕駛功能，將住宅與濱江道的最短駕駛距離作為采集樣本，設(shè)置變量代號(hào)為X1.。預(yù)測(cè)住宅與CBD的距離（X1）與住宅價(jià)格呈反方向關(guān)系。公共交通是許多居民出行時(shí)的一大選擇方式，與軌道交通存在一定的競(jìng)爭(zhēng)關(guān)系。住宅附近的公交車站站點(diǎn)數(shù)量能夠在一定程度上反映居民出行的便利程度，對(duì)住宅價(jià)格產(chǎn)生一定的影響。將住宅附近500米內(nèi)公交車站站點(diǎn)數(shù)量作為樣本采集，設(shè)置變量代號(hào)為X2。預(yù)測(cè)500米內(nèi)公交車站站點(diǎn)數(shù)量與住宅價(jià)格呈正方向關(guān)系。住宅項(xiàng)目到最近地鐵站站點(diǎn)的距離能夠體現(xiàn)居民乘坐地鐵出行的便利程度，距離越近便利程度越高。將六號(hào)線各個(gè)站點(diǎn)設(shè)為圓心，根據(jù)普通人步行可到達(dá)的范圍，選擇1500米以內(nèi)的半徑，將這個(gè)范圍設(shè)為研究區(qū)域，以實(shí)際數(shù)據(jù)賦值，設(shè)置變量代號(hào)為X3。預(yù)測(cè)住宅到最近地鐵站站點(diǎn)距離與住宅價(jià)格呈反方向關(guān)系。（2）建筑因素住宅樓盤結(jié)構(gòu)類型十分豐富，住宅自身的建筑因素對(duì)房地產(chǎn)價(jià)格的影響也會(huì)產(chǎn)生不同的效應(yīng)，根據(jù)不同住宅的結(jié)構(gòu)特征類型，以及統(tǒng)計(jì)數(shù)據(jù)的獲得性，本文將綠化率、房齡、容積率、建筑面積作為自變量，相關(guān)統(tǒng)計(jì)數(shù)據(jù)主要書通過(guò)百度百科及房天下網(wǎng)站、安居客網(wǎng)站收集。綠化率是住宅小區(qū)的綠地面積與用地面積的比率，綠化率越高，住宅用地面積越低，房?jī)r(jià)會(huì)上升。同時(shí)，綠化率高的小區(qū)居住環(huán)境更為舒適，住宅價(jià)格也隨之提高。因此，設(shè)置綠化率為X4，預(yù)測(cè)綠化率與小區(qū)價(jià)格呈正相關(guān)關(guān)系。房齡是住宅建成后的年齡，因?yàn)樽≌瑫?huì)隨著時(shí)間的流失而老化，使用年限縮短等，會(huì)對(duì)住宅價(jià)格產(chǎn)生負(fù)面影響因素，因此，設(shè)置房齡代號(hào)為X5，以住宅建成年份為樣本取值，預(yù)測(cè)與住宅價(jià)格呈正相關(guān)關(guān)系。容積率是住宅小區(qū)的建筑面積與占地面積的比值。由于住宅價(jià)格的影響因素較多，不能只以容積率的大小作為判斷依據(jù)。在住宅類型中，別墅的容積率很低，高層住宅的容積率偏高，二者無(wú)法直接進(jìn)行數(shù)據(jù)分析和對(duì)比。本文主要研究對(duì)象是普通住宅，在這一前提條件的限制下，住宅容積率越小，其房屋舒適度越高，預(yù)測(cè)容積率與住宅價(jià)格呈負(fù)相關(guān)關(guān)系。設(shè)置容積率的代號(hào)為X6，取實(shí)際住宅小區(qū)容積率數(shù)值為樣本。建筑面積是指建筑物各層水平面積的總和，住宅的建筑面積越大，該住宅的住戶人數(shù)更多，人口密度更大，其住宅的舒適度就會(huì)大幅度降低。預(yù)測(cè)建筑面積與住宅價(jià)格呈現(xiàn)負(fù)相關(guān)關(guān)系。設(shè)置建筑面積的代號(hào)是X7，取住宅小區(qū)的實(shí)際建筑面積數(shù)值為樣本。1.2.5構(gòu)建回歸方程將本次所收集到的數(shù)據(jù)在Excel中進(jìn)行整理之后導(dǎo)入到SPSS軟件中，然后選擇相應(yīng)的自變量以及因變量，然后依據(jù)最小二乘法，對(duì)數(shù)據(jù)進(jìn)行多元回歸分析，估算出參數(shù)值并且進(jìn)行檢驗(yàn)。本文一共分析來(lái)了三種Hedonic模型的形式，其分別為對(duì)數(shù)模型、半對(duì)數(shù)模型以及線性模型，但是對(duì)數(shù)模型需要自變量Xn在計(jì)算時(shí)取零，這樣就會(huì)導(dǎo)致等式的右邊失去意義，所以本文不再使用對(duì)數(shù)模型。基于以上的分析，結(jié)合前面對(duì)于前期地鐵六號(hào)線附近住宅價(jià)格的數(shù)據(jù)調(diào)查以及實(shí)地走訪，整理了附近50小區(qū)的七項(xiàng)與房?jī)r(jià)有關(guān)的特征因素以及詳細(xì)地?cái)?shù)據(jù)。并且需要將數(shù)據(jù)導(dǎo)入到SPSS軟件進(jìn)行線性回歸分析，分析結(jié)果如表3所示。表3模型摘要模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson線性模型0.5820.3390.325728.089021.674半對(duì)數(shù)模型0.5350.2870.2660.18571.392a.預(yù)測(cè)變量：（常量），與CBD距離，500米內(nèi)公交站站點(diǎn)數(shù)量，與最近地鐵站點(diǎn)的距離，容積率，房齡，建筑面積，綠化率b.因變量：價(jià)格從表3中得出的結(jié)果可知，線性以及半對(duì)數(shù)的模型擬合度分別為58.2%以及53.5%，在經(jīng)過(guò)調(diào)整后的兩者擬合度為3.9%以及28.7%，都具有較高的擬合度，雖然半對(duì)數(shù)比線性的擬合度略低，但是差別不大，所以影響可以忽略不計(jì)。表4線性模型方差分析ANOVA平方和自由度均方F顯著性回歸589061737.31589061737.317.953.000b殘差11483851353532811003.86總計(jì)173744687236a.因變量：價(jià)格g.預(yù)測(cè)變量：（常量），與CBD距離，500米內(nèi)公交站站點(diǎn)數(shù)量，與最近地鐵站點(diǎn)的距離，容積率，房齡，建筑面積，綠化率表5半對(duì)數(shù)模型方差分析ANOVA平方和自由度均方F顯著性.回歸0.48510.48511.061.001b殘差1.207350.034總計(jì)1.69236a.因變量：價(jià)格g.預(yù)測(cè)變量：（常量），與CBD距離，500米內(nèi)公交站站點(diǎn)數(shù)量，與最近地鐵站點(diǎn)的距離，容積率，房齡，建筑面積，綠化率表4是對(duì)于線性模型的方差分析，表5是對(duì)于半對(duì)數(shù)模型的方差分析。表4以及表5的結(jié)果說(shuō)明線性模型以及半對(duì)數(shù)模型的顯著性都小于0.05，說(shuō)明了兩者的顯著性較強(qiáng)，也就是所分析的特征因素和住宅的價(jià)格成一定比例的線性關(guān)系。從結(jié)果中可以得出：線性及半對(duì)數(shù)兩個(gè)模型都具備較強(qiáng)的擬合度，經(jīng)過(guò)調(diào)整之后的R2線性模型以及半對(duì)數(shù)模型分別為32%以及26.6%，具備較強(qiáng)的線性關(guān)系。線性模型是Hedonic的基本形式，并且回歸系數(shù)也是相關(guān)的特征變量間的隱含的價(jià)格。但是線性模型所得出的結(jié)果更加直觀。由于這兩種模型中特征系數(shù)以及擬合度之間的差別并不是很大，因此，在本次研究中應(yīng)用線性模型進(jìn)行分析。本次采用分析軟件SPSS進(jìn)行分析，利用“逐步法”，將最近地鐵站距離、建筑面積、綠化率、容積率、建筑面積等因素作為自變量，利用這些自變量與住宅價(jià)格(因變量）進(jìn)行回歸分析，最后選中了房齡進(jìn)入方程，計(jì)算出回歸方程為房?jī)r(jià)=555.456*房齡-1082552.308。表3已排除的變量模型輸入貝塔t顯著性偏相關(guān)共線性統(tǒng)計(jì)量容差與CBD的距離-.034b-.230.820-.039.965公交車站數(shù)量.215b1.522.137.253.989與最近地鐵站距離-.247b-1.778.084-.292.993綠化率-.025b-.162.872-.028.861容積率-.177b-1.240.224-.208.991建筑面積.049b.310.758.053.853因變量：Ln價(jià)格模型中的預(yù)測(cè)變量：（常量），房齡。表3線性回歸模型系數(shù)非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn)誤差試用版容差VIF(常量)-108