地鐵增值作用的空間異質(zhì)性研究

摘要：以香港地鐵的沿線居屋住宅項(xiàng)目為例，通過(guò)構(gòu)建特征價(jià)格模型（ Hedonic Price Model）和地理加權(quán)回歸模型（Geographically Weighted Regression，GWR），通過(guò)引用地理學(xué)的研究方法，豐富現(xiàn)有的軌道交通對(duì)房地產(chǎn)價(jià)格影響的研究，揭示地鐵對(duì)住宅項(xiàng)目的增值作用及其影響的空間異質(zhì)性，填補(bǔ)了相關(guān)的研究缺口。

關(guān)鍵詞：軌道交通;住宅價(jià)格;特征價(jià)格模型;地理加權(quán)回歸模型;香港地鐵;空間異質(zhì)性

中圖分類號(hào)：F293.35

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-9138-（ 2020） 05-0008-15

收稿日期：2020-04-15

地鐵是城市中重要的公共交通工具之一，具有運(yùn)量大、速度快、安全準(zhǔn)點(diǎn)等特點(diǎn)，它不僅能提高沿線區(qū)域的通達(dá)性，也能大幅降低沿線居民的通勤成本，從而帶動(dòng)沿線住宅的增值。城市地鐵交通網(wǎng)絡(luò)帶給房地產(chǎn)的外部性影響長(zhǎng)久以來(lái)都被受關(guān)注，國(guó)內(nèi)研究多集中于住宅交易比較頻繁的一線城市如廣州、北京和上海等地，隨著國(guó)內(nèi)一些二三線城市擁有了城市地鐵交通，研究也拓展到了二三線城市。此類研究主要從距離和分區(qū)等維度探討地鐵對(duì)于房地產(chǎn)價(jià)格的影響，大多采用特征價(jià)格模型進(jìn)行研究。但是，由于特征價(jià)格模型以各因素空間平穩(wěn)為假設(shè)前提條件，并從整體上考察特征因素對(duì)住房?jī)r(jià)格影響程度，因此其在空間分析評(píng)估上會(huì)存在較大誤差。

由此，一些學(xué)者引入了地理加權(quán)回歸模型用以分析房屋價(jià)格影響的空間異質(zhì)性，這是一種分析空間異質(zhì)性的回歸方法，有效解決特征價(jià)格法中的空間變量自相關(guān)問(wèn)題，同時(shí)提高回歸模型的解析程度。湯慶園等（ 2012）利用地理加權(quán)回歸分析上海市房?jī)r(jià)，發(fā)現(xiàn)了GWR在空間分析上的解釋能力優(yōu)于特征價(jià)格法提供的全局參數(shù)估計(jì)。高峰和葉劍平（ 2019）通過(guò)武漢市軌道交通的研究發(fā)現(xiàn)，軌道交通沿線住房?jī)r(jià)格分布存在較明顯的空間異質(zhì)性，而且不同區(qū)位軌道交通對(duì)沿線住房?jī)r(jià)格影響程度乃至方向都會(huì)存在差異。同時(shí)，也有學(xué)者利用深圳、大連、南京以及國(guó)外新加坡、波蘭Olsztyn和意大利Reggio Calabria等城市的住宅價(jià)格進(jìn)行GWR的研究分析。但總體上，使用GWR進(jìn)行軌道交通的研究相對(duì)匱乏;而且大部分現(xiàn)有研究直接使用與地鐵站點(diǎn)距離作變量，由于每個(gè)住宅單位與站點(diǎn)的距離不同，直接使用距離變量并不能很直觀的進(jìn)行比較，也不能展現(xiàn)地鐵增值作用的空間異質(zhì)性。

縱觀國(guó)際地鐵聯(lián)盟（ CoMET）成員內(nèi)，港鐵（ Mass Transit Railway）是世界上少數(shù)有盈利的鐵路公司，其在港的地鐵網(wǎng)絡(luò)支持了香港居民近40%的交通出行。若以每公里地鐵線路的乘客量計(jì)算，東京地鐵為3.7萬(wàn)人次，新加坡地鐵為0.91萬(wàn)人次，倫敦地鐵為0.64萬(wàn)人次，而香港地鐵則為超過(guò)5萬(wàn)人次，其研究?jī)r(jià)值由此可見(jiàn)一斑。

可是，圍繞香港地鐵對(duì)于房地產(chǎn)價(jià)格影響的學(xué)術(shù)研究相對(duì)較少，最早可見(jiàn)于Chau和Ng（ 1998）利用特征價(jià)格法對(duì)于東鐵的研究。近年來(lái)，部分學(xué)者同樣利用該方法對(duì)香港軌道交通問(wèn)題展開(kāi)研究，并在此基礎(chǔ)上進(jìn)行一定的拓展，但研究中所用的樣本數(shù)據(jù)滯后性和對(duì)于空間問(wèn)題的考慮未夠全面，難以充分揭示香港地鐵與房地產(chǎn)價(jià)格之間的聯(lián)系。綜上，本文擬結(jié)合可獲得最新的樣本數(shù)據(jù)，通過(guò)空間分析方法并基于前人的研究加以拓展，深入分析地鐵站點(diǎn)其對(duì)沿線不同區(qū)位（中心區(qū)與郊區(qū)）住宅價(jià)格的影響范圍和程度，以呈現(xiàn)軌道交通對(duì)住宅價(jià)格的影響機(jī)理。通過(guò)比較文獻(xiàn)閱讀后發(fā)現(xiàn)，越多人次使用的地鐵，增價(jià)作用更顯著和影響范圍更廣（見(jiàn)表1和表2），因此本研究預(yù)測(cè)香港地鐵的溢價(jià)和影響有效范圍會(huì)比文獻(xiàn)閱讀所列城市更高更廣。

1 研究區(qū)域與數(shù)據(jù)來(lái)源

本文選取了中國(guó)香港特別行政區(qū)作為研究區(qū)域。香港地處廣東省南隅，面積約為1106.34km2，主要分為港島、九龍、新界三區(qū)，三區(qū)面積分別是80.7km2、46.9km2和978.7km2，其中，核心商業(yè)區(qū)主要在維多利亞港的兩岸，即在香港港島中環(huán)和尖沙咀一帶，而香港北部大都為新市鎮(zhèn)和鄉(xiāng)郊地區(qū)。

香港的軌道交通在其城市規(guī)劃過(guò)程中發(fā)揮著重要作用。港鐵（ MTR）是市內(nèi)交通的重要一環(huán)，提供了包括城際直通車、高速鐵路、輕軌和地鐵等服務(wù)，其中地鐵每日載客量占香港所有公共運(yùn)輸總載客量的約42%。港鐵在香港共運(yùn)營(yíng)11條地鐵線，總長(zhǎng)度187km，其覆蓋范圍涵蓋了香港的大部分市區(qū)。其中，覆蓋港島的地鐵線路有兩條，共23.7km，其余9條線路基本連接了九龍和新界的人口聚居點(diǎn)。本文選取了觀塘線、荃灣線、東涌線、將軍澳線、西鐵線及東鐵線6條港鐵線路，共134.6km的地鐵軌道交通作為研究對(duì)象。這些線路站點(diǎn)地理跨越幅度大，覆蓋了香港的市區(qū)和近郊區(qū)的聚居點(diǎn)，有較大的空間差異性。

Jayantha等（2015）的研究證明使用住戶形態(tài)類近的樣本有助于提高房地產(chǎn)價(jià)格模型的整體有效程度。香港居屋是一種資助性房屋，交易流通受到政府的限制，住戶具有一定的同質(zhì)性，與樓房的需求較一致;此外，居屋住戶大都為社會(huì)上中等收入家庭，較能代表整體，由此，本文選取居屋住宅作為研究樣本。

交易數(shù)據(jù)來(lái)源于香港房屋署官方網(wǎng)站，考慮到數(shù)據(jù)有效性因素，時(shí)間維度選定于2016年。如圖1所示，研究選取九龍區(qū)和新界地區(qū)離軌道交通站點(diǎn)2.5km內(nèi)的二手居屋，篩選出1681個(gè)有效住宅信息，并建立住宅樣本信息數(shù)據(jù)庫(kù)。研究的影響因素涵蓋區(qū)位條件、鄰里環(huán)境和建筑特征三方面，坐標(biāo)數(shù)據(jù)來(lái)源于香港政府的官方數(shù)據(jù)，運(yùn)用ArcCIS軟件批量建立坐標(biāo)定位進(jìn)行研究。

表3整理出數(shù)據(jù)樣本中的研究對(duì)象與地鐵站點(diǎn)的距離及其平均價(jià)格。隨著與站點(diǎn)距離的增加，居屋價(jià)格有一個(gè)先減少后平穩(wěn)的趨勢(shì)，這初步說(shuō)明香港的地鐵軌道交通站點(diǎn)與居屋價(jià)格產(chǎn)存在一定的關(guān)系。

2 研究方法與變量選擇

2.1 模型變量

本文中的因變量為香港二手居屋的市場(chǎng)交易價(jià)格截面數(shù)據(jù)，自變量為參考過(guò)往類似研究所使用過(guò)的建筑特征、鄰里環(huán)境和區(qū)位特征;另外，參考Ducksu等（2018）等人的公共房屋研究，本文設(shè)計(jì)了兩個(gè)體現(xiàn)香港居屋特點(diǎn)的建筑特征變量，分別為居屋的補(bǔ)貼率（ DC）和承建方類型（BUIID）。表4和表5分別給出了模型變量體系和描述統(tǒng)計(jì)分析結(jié)果。

2.2研究方法

2.2.1特征價(jià)格模型

目前國(guó)內(nèi)研究廣泛采用特征價(jià)格模型檢驗(yàn)軌道交通建設(shè)對(duì)房地產(chǎn)價(jià)格的影響，這種方法能同時(shí)量化不同影響因素對(duì)于房地產(chǎn)價(jià)格的影響。本文同樣應(yīng)用此方法分析地鐵站點(diǎn)對(duì)香港居屋價(jià)格的影響。

本研究中特征價(jià)格模型的計(jì)算公式如下：

式中：P為二手居屋的價(jià)格;Xki為自變量，k為自變量的個(gè)數(shù);i是樣本數(shù)的序數(shù);βki為系數(shù)，β1為常數(shù)項(xiàng)，8為誤差項(xiàng)。

特征價(jià)格模型通常有線性、對(duì)數(shù)和半對(duì)數(shù)等形式。由于使用價(jià)格一般都會(huì)采用半對(duì)數(shù)形式能有效處理異方差性（ heterosc.edasticity）問(wèn)題。因此，本文將選用半對(duì)數(shù)特征價(jià)格模型作后續(xù)分析。

2.2.2地理加權(quán)回歸

地理回歸分析模型是確定兩種或兩種以上變量間定量關(guān)系的一種統(tǒng)計(jì)分析方法。CWR模型能將空間關(guān)系作為權(quán)重加入到運(yùn)算當(dāng)中，并將不同要素的空間因素，得出權(quán)重值后代入回歸方程里，因此CWR可以用來(lái)量化自變量的空間異質(zhì)性。由于全局模型只能整理出整個(gè)區(qū)域的平均狀態(tài)，而GWR模型在考慮區(qū)域因素的基礎(chǔ)上調(diào)整權(quán)重，讓每一個(gè)研究樣點(diǎn)都對(duì)應(yīng)一個(gè)系數(shù)值，形成一個(gè)區(qū)間。所以，GWR在分析空間時(shí)比全局模型具有更明顯的優(yōu)勢(shì)。本研究將采用GWR來(lái)量化出軌道交通價(jià)格影響的空間異質(zhì)性。

3 檢驗(yàn)結(jié)果及分析

3.1 特征價(jià)格模型分析結(jié)果

如表6所示，為了體現(xiàn)設(shè)計(jì)變量補(bǔ)貼率和承建方類型的有效性，本文首先用其他自變量組成模型1，通過(guò)使用Stata軟件進(jìn)行OLS回歸分析得出調(diào)整后R2為0.7537，說(shuō)明模型回歸直線對(duì)觀測(cè)值的擬合效果較好，已能解釋大部分的交易價(jià)格截面數(shù)據(jù)。然后在模型1的基礎(chǔ)上加入補(bǔ)貼率和承建方類型組成模型2：結(jié)果發(fā)現(xiàn)模型2的擬合效果優(yōu)于模型1，調(diào)整后的R2為0.7920，這表示公共特性變量的設(shè)計(jì)合理，有助于加強(qiáng)研究模型的解釋程度。模型2的結(jié)果顯示，軌道交通站點(diǎn)距離和二手居屋價(jià)格存在一個(gè)負(fù)相關(guān)關(guān)系，這說(shuō)明地鐵愈遠(yuǎn)，給樓價(jià)的負(fù)影響會(huì)愈大;而D_mtr的系數(shù)為-0.000116，表明住宅每靠近地鐵站點(diǎn)Im，住宅每m2價(jià)格會(huì)增加0.0116%，即溢價(jià)影響為每km11.6%。

然后，為測(cè)量軌道交通站點(diǎn)距離的影響趨勢(shì)，我們加入了由D—mtr次方組成的新自變量D_mtr2建立了模型3。結(jié)果表明D_mtr2變量系數(shù)為正數(shù)，即軌道交通站點(diǎn)距離變量的負(fù)影響趨勢(shì)是一個(gè)遞減的函數(shù)，并且會(huì)漸趨近于0，即隨著距離的增加，負(fù)影響的上升幅度會(huì)降低。

在模型2的基礎(chǔ)上，我們加入距離變量Di來(lái)測(cè)量具體的距離影響有效值，并建立模型4。變量的說(shuō)明如下式：

其中變量D，因出現(xiàn)共線性問(wèn)題而被剔除外，模型4的結(jié)果大致良好，調(diào)整后R2為0.7942。綜合上述模型，軌道交通的存在對(duì)于居屋有正外部性的影響，該影響是呈一個(gè)先減少而后增加的一個(gè)趨勢(shì)。從房屋距地鐵站點(diǎn)的距離來(lái)看，0-300m范圍內(nèi)正影響是最佳的;大于該距離范圍，地鐵站點(diǎn)對(duì)房?jī)r(jià)的正影響會(huì)逐漸減少;當(dāng)距離大于1200m后，系數(shù)結(jié)果出現(xiàn)了回升，這也許與替代交通的疊加效應(yīng)有關(guān)。因此，香港地鐵的有效影響距離應(yīng)為站點(diǎn)1200m范圍內(nèi)。

另外，除軌道交通站點(diǎn)的距離影響變量外，模型2的建筑特征和鄰里特征變量同樣對(duì)價(jià)格會(huì)產(chǎn)生一定的影響：首先，對(duì)于私人承建的居屋，價(jià)格會(huì)有明顯的提升。這表明此類居屋的需求較大，原因很可能是與政府承建類相比，其建筑質(zhì)量或設(shè)計(jì)水平更好;其次，住房補(bǔ)貼率對(duì)二手居屋的市場(chǎng)價(jià)值會(huì)產(chǎn)生負(fù)影響，原因可能是住房補(bǔ)貼率能在一定程度上代表居屋的產(chǎn)權(quán)完整性，導(dǎo)致房屋價(jià)格受到影響，側(cè)面反映出居屋的二手市場(chǎng)設(shè)計(jì)是與市場(chǎng)原則基本契合。

在鄰里特征方面，公立醫(yī)院的直線距離系數(shù)為正數(shù)，可能是由于公立醫(yī)院的緊急服務(wù)基本能覆蓋市內(nèi)的大部分地區(qū)，保證了10-15分鐘的緊急輸送服務(wù)，所以醫(yī)院的絕對(duì)距離對(duì)公營(yíng)醫(yī)療服務(wù)的使用并沒(méi)有很大的影響。另外，除了公立醫(yī)院，香港內(nèi)還有私人診所和私家醫(yī)院能提供醫(yī)療服務(wù)。居屋住戶具有一定收入，并非社會(huì)上的低收入階層，所以他們較可能選用私人醫(yī)療服務(wù);公立醫(yī)院有人流量大、噪音大、傳染病病人集中的特點(diǎn)，這些特性可能是導(dǎo)致住戶希望公立醫(yī)院愈遠(yuǎn)愈好的原因。

3.2 地理加權(quán)模型分析結(jié)果

結(jié)合全局分析模型得出的影響范圍，本研究加入變量D1200進(jìn)行地理加權(quán)分析，該變量代表位于地鐵影響范圍1200m以內(nèi)的樣本。模型的運(yùn)行是通過(guò)ArcGIS中的GWR模塊實(shí)現(xiàn)，結(jié)果顯示調(diào)整后的R2為0.8066，較全局特征價(jià)格模型高了約1個(gè)百分點(diǎn)。分析出D1200變量存在較大的空間差異性，最小系數(shù)值為0.006047，最大值為0.1391，影響的最高最低差達(dá)22倍。通過(guò)GWR可以獲得每一因素對(duì)監(jiān)測(cè)點(diǎn)i樣本的影響結(jié)果，將距離變量D1200的分析結(jié)果用空間克里金法插值方法展現(xiàn)出來(lái)，如圖2所示。

上述回歸結(jié)果可以得出，地鐵站點(diǎn)影響的邊際空間分布規(guī)律主要體現(xiàn)在以下幾個(gè)方面：（1）軌道交通站點(diǎn)住宅價(jià)格正外部性影響大體上呈由南向北遞增趨勢(shì)，中心城區(qū)影響較弱，而對(duì)北區(qū)邊陲聚居點(diǎn)較強(qiáng)，尤以香港東北地區(qū)最強(qiáng);（2）地鐵站點(diǎn)影響與CBD距離有一定的關(guān)系，離CBD愈遠(yuǎn)的站點(diǎn)，地鐵軌道交通的影響力量愈大，而且有效距離會(huì)上升。

汪佳莉等的研究指出地鐵站點(diǎn)在交通便捷，可替代交通資源較多的地方影響會(huì)較弱。這反映上述空間異質(zhì)性很可能是交通資源差異性的結(jié)果。軌道交通站的影響在更接近城市中心的地方會(huì)相對(duì)較弱，很可能是因?yàn)檫@些地方的交通資源比較密集，可選擇的交通也較多，此時(shí)軌道交通并不具有明顯的通勤優(yōu)勢(shì);相反，香港的北區(qū)大都為新發(fā)展的市鎮(zhèn)，交通資源較少，而且離核心商圈比較遠(yuǎn)，地鐵較大程度上能滿足當(dāng)?shù)鼐用竦慕煌ㄐ枨蟆?/p>

4 結(jié)論

本文基于特征價(jià)格模型和地理加權(quán)模型，以香港二手居屋的交易價(jià)格為實(shí)證基礎(chǔ)，同時(shí)考慮到研究范圍內(nèi)的同邊基礎(chǔ)設(shè)施，建筑特征等因素，借助ArcCIS和Stata軟件，分析了香港的軌道交通對(duì)于住宅價(jià)格的影響及其空間異質(zhì)化。結(jié)果表明：

（1）香港的軌道交通提供了一個(gè)可靠的通勤服務(wù)，因此鄰近軌道交通站點(diǎn)的住宅有更大的需求，而距離的負(fù)影響是一個(gè)遞減的函數(shù)，并且會(huì)漸趨于0，即隨著距離的增加，軌道交通的正影響程度呈邊際效應(yīng)遞減的。模型的結(jié)果顯示，香港地鐵對(duì)住宅的溢價(jià)影響為每km11.6%;地鐵站點(diǎn)對(duì)半徑范圍0.3-1.2km內(nèi)的居屋價(jià)格有明顯的正外部性效應(yīng)，其中站點(diǎn)0.3km半徑以內(nèi)區(qū)域增值效果最為顯著，超過(guò)1.2km后便會(huì)出現(xiàn)替代交通的疊加效應(yīng)，地鐵站點(diǎn)的影響顯著性降低。結(jié)果符合香港地鐵的溢價(jià)影響程度和范圍普遍較高的預(yù)期。

（2）基礎(chǔ)服務(wù)設(shè)施和建筑特征都會(huì)對(duì)居屋價(jià)格造成影響，但由于居屋擁有公共特性，使用居屋為研究對(duì)象需要考慮到一些特殊的變量，例如本研究所采用的住房補(bǔ)貼率和承建方類型。研究結(jié)果顯示，與政府承建相比，由私人興建的居屋價(jià)值更高，反映私人承建的居屋質(zhì)量較好，因此建議政府重新啟動(dòng)私人建屋計(jì)劃，改善新建居屋的質(zhì)量問(wèn)題。

（3）地理加權(quán)模型的結(jié)果顯示，軌道交通在中心城區(qū)和近郊城區(qū)對(duì)居屋價(jià)格的正外部性影響存在明顯差異，近郊聚居點(diǎn)的地鐵站點(diǎn)的影響較強(qiáng)而中心城區(qū)較弱。主要是由于中心城區(qū)地塊的可替代的交通資源較多，地鐵站點(diǎn)影響一定程度上被削弱。因此對(duì)于地鐵優(yōu)勢(shì)明顯的近郊聚居點(diǎn)，建議政府在新建居屋選扯上，盡量選擇離地鐵站點(diǎn)較近的地塊。

然而，基于數(shù)據(jù)量和擬合程度的考慮，本文在研究區(qū)域和對(duì)象方面還存在一定局限性，結(jié)果只能代表居屋的整體情況。期望未來(lái)研究中可以進(jìn)一步擴(kuò)大研究區(qū)域和樣本對(duì)象，更深入地解釋增值作用的空間異質(zhì)性出現(xiàn)的原因，盡可能消除局限性;本研究亦未深人地解釋增值作用的空間異質(zhì)性出現(xiàn)的原因，故此未來(lái)研究可以在這基礎(chǔ)上進(jìn)行進(jìn)一步的科學(xué)分析，以期更全面地展示軌道交通對(duì)住宅價(jià)格的影響機(jī)制。

參考文獻(xiàn)：

1.劉建軍 陳穎彪 千慶蘭 等，廣州市交通網(wǎng)絡(luò)的綜合通達(dá)性及其空間特征.經(jīng)濟(jì)地理.2016.36（2）

2.劉紅萍 李劍峰 鄧宏乾 等.武漢市軌道交通一號(hào)線對(duì)沿線住宅價(jià)格影響的分市場(chǎng)效應(yīng)分析.華南師范大學(xué)學(xué)報(bào)（自然科學(xué)版）.2015.04

3.湯慶園 徐偉 艾福利.基于地理加權(quán)回歸的上海市房?jī)r(jià)空間分異及其影響因子研究.經(jīng)濟(jì)地理.2012.32（ 02）

4.高峰 葉劍平，基于CWR模型的軌道交通對(duì)沿線住房?jī)r(jià)格影響研究——以武漢市地鐵2號(hào)線為例，價(jià)格月刊.2019.04

5.孫倩 洪開(kāi)榮，基于Cokriging的住房?jī)r(jià)格空間格局分析——以長(zhǎng)沙市為例，經(jīng)濟(jì)地理.2014.34（ 12）

6.谷興 周麗青，基于地理加權(quán)回歸的武漢市住宅房?jī)r(jià)空間分異及其影響因素分析，國(guó)土與自然資源研究.2015.03

7.Cellmer R.The Use of the C.eographically WeightedRegression for the Real Estate Market Analysis[J].FoliaOeconomica Stetinensia.2012.11（1）

8.Massimo D E，Ciudice V D，Paola P D，et al.Geographically Weighted Regression for the Post CarbonCity and Real Estate Market Analvsis：A Case Study[C]//International Symposium on New Metropolitan Perspectives.Springer， Cham.2018

9.Yang j，Yajun B，Zhang Y，et al.lmpact ofAcressibility on Housing Prices in Dalian City of ChinaBased on a Ceographically Weighted Regression Model.Chinese Geographical Science.201 8.06

IO.Cao K， Diao M，Wu B.A Big Data - Base.dGeographically Weighted Regression Model for PuhlicHousing Prices：A Case StudV in Singapore [J].Annals of theAmerican Association of C.eographers.201 8

11，汪佳莉 季民河 鄧中偉.基于地理加權(quán)特征價(jià)格法的上海外環(huán)內(nèi)住宅租金分布成因分析.地域研究與開(kāi)發(fā).2016.35（5）

12.宋偉軒 毛寧 陳培陽(yáng) 等.基于住宅價(jià)格視角的居住分異耦合機(jī)制與時(shí)空特征——以南京為例.地理學(xué)報(bào).2017.72（4）

13.Jayantha W M， Lam T I，Chong M L.The impact ofanticipated transport improvement on property prices：A casestudy in Hong Kong. Habitat International.2015.49

14.Dziauddin M F，Powe N， Alvanides S.Estimating theEffects of Light Rail Transit（ LRT） SVstem on ResidentialProperiy Values Using C.eographically WeightPd Regression（ GWR ）.Applied Spatial Analysis and Policy.2015.8（1）

15.楊友孝 姚毅凱.城市軌道交通建設(shè)對(duì)沿線住宅價(jià)格的影響——基于Hedonic模型實(shí)證研究.特區(qū)經(jīng)濟(jì).2014.12

16.王德起 于素涌，城市軌道交通對(duì)沿線周邊住宅價(jià)格的影響分析——以北京地鐵四號(hào)線為例.城市發(fā)展研究.2012.19（ 4）

17.王福良 馮長(zhǎng)春 甘霖等.軌道交通對(duì)沿線住宅價(jià)格影響的分市場(chǎng)研究——以深圳市龍崗線為例.地理科學(xué)進(jìn)展.2014.33（6）

18.Mulley C ，Tsai C H， Ma L.Does residential propertyprice benefit from light rail in Sydney？.Research inTransportation Economics.2018.67

19.馮艷芬 梁小斯 吳大放.基于Hedonic模型的廣州地鐵l號(hào)沿線住宅價(jià)格分析.廣州大學(xué)學(xué)報(bào)（自然科學(xué)版）.2011.10 《）4）

20.劉紅萍 李劍峰 鄧宏乾，武漢市軌道交通一號(hào)線對(duì)沿線住宅價(jià)格影響的分市場(chǎng)效應(yīng)分析.華南師范大學(xué)學(xué)報(bào)（自然科學(xué)版）.2015.47（ 04）

21.Diao M，Leonard D，Sing T F.Spatial-difference-in-differences models for impact of ne.w mass rapid transitline on private housing values.Social Science ElectronicPublishing.2017.67

22.Seo K， Colub A，Kuby M.Combined impacts ofhighways and light rail transit on residential property values：a spatial hedonic price model for Phoenix， Arizona. Journal ofTransport Ceography.2014.41

23.Ducksu S.You C，Youngsang K.Price Determinantsof Affordable Aparcments in Vietnam： Toward the Public -Private Partnerships for Sustainahle Housing Development.Sustainability.2018.10（1）

24.汪佳莉 季民河 鄧中偉.基于地理加權(quán)特征價(jià)格法的上海外環(huán)內(nèi)住宅租金分布成因分析，地域研究與開(kāi)發(fā).2016.35（5）

作者簡(jiǎn)介：麥瑞斌，清華大學(xué)土木系建設(shè)管理碩士研究生，北京港澳學(xué)人研究中心香港政策研究員。