城市轨道交通与站点周边房地产价格之间关系的研究长期受到国内外学者和政府部门的重视。城市交通与房地产开发关系密切，主要交通干线沿线、高速公路出入口和地铁站点周边地区是住宅空间集中区和住宅区开发的最佳区位[1]。国内学者对重要城市如北京、上海、杭州、重庆的相关实证研究均表明，轨道交通对其周围房价影响显著[2-7]。然而，以往的研究中，有关轨道交通影响的空间范围很少涉及，或简单接受一个既定的区域(利用到地铁站点的距离来衡量)，其中欧美学者一般取车站周围0.5～0.8km，而日本学者一般取2km[4]。对轨道交通影响的时间效应缺少一个较长的时间段的跟踪分析，且绝大多数研究关注的是轨道交通投入运营后的影响，在轨道交通规划公布、全面开工建设和全线竣工通车等几个重要时点的研究相对较少，其中有代表性的包括McDonald等[8]对芝加哥的研究，刘贵文等[6]对重庆轻轨2号线、徐俊[9]对成都地铁1号线的研究。
上海地铁8号线于2007年12月28日开通。本文通过对上海地铁8号线的实证研究，开展轨道交通新线路的开通影响城市住宅价格的时空效应定量化分析。对轨道交通影响范围的划定，采用了基于栅格建模的可达性分析原理计算时间成本的方法，将25min步行圈覆盖的区域作为上海地铁8号线的影响范围，较之以前的凭经验判别在技术方法上进行了新的尝试。此外，对轨道交通新线路的开通影响周边房地产价格的时间性(即8号线的开通对周边住宅价格产生的影响及影响程度)进行了探索。
1 研究区域及数据采集
研究区域选择上海地铁8号线所能辐射的城区范围，包括杨浦区、虹口区、闸北区、卢湾区、静安区、黄浦区、浦东新区，如图1所示。
由于住宅的成交价格对于开发商、中介公司来说属于商业秘密，同时本文的研究需要大量样本数据的支持，故住宅样本数据主要来自房产之窗网(http://www。ehomeday。com)等房地产专业网站公开发布的二手房出售挂牌交易数据。另外，有一些无法通过网络搜集的资料，则通过对住宅单位的实地调查收集。通过以上数据收集途径，选取了上海地铁8号线沿线各站点周边的215个住宅单位的668笔二手房出售挂牌交易数据，数据挂牌时间从2007-05～2008-03，组成混合截面样本数据。
2 研究方法及数据处理
2.1 栅格建模与可达性分析
2.1.1 可达性分析原理
可达性是指个体克服距离和时间阻力到达某一目标活动场所的能力大小或潜在机会的定量表达[10]。目前，借助GIS的技术手段，以定量方式测度可达性的方法很多，比较常见的主要有缓冲区法、最小邻近距离法、吸引力指数法和成本加权距离方法4类。运用GIS空间分析功能(SpatialAnalysis和GeoStatistics模块)，可以对空间全覆盖的栅格数据进行高精度空间分析，科学、准确地反映区域的空间可达性。在栅格数据上运用最短路径法计算每个网格到某个目的网格(或网格集)的最短加权距离，即采用“成本加权距离算法”测度可达性，如图2所示。
2.1.2 时间分级评价
本研究认为居民步行(成人步行的正常平均速度为1.2m/s)25min内可以到达最近的地铁站点为可达，否则视为不可达。设定道路、陆地、水域的交通成本分别为25、75和250，组成交通成本数据集。将各图层通过矢量转栅格(ConvertFeaturetoRaster)命令转换为栅格数据。为了保证分析精度，各图层栅格大小均取5m×5m。
综合运用ArcGIS矢量栅格化、成本加权距离分析模块进行区域交通可达性变化测度。将关键操作步骤简要说明如下:
(1)用mosaic命令对得出的道路、陆地、水域的栅格数据进行空间叠加，生成成本栅格图如图3所示。
(2)以8号线各站点为分析中的目标点“源”，在ArcMap中，使用空间分析模块(SpatialAnalyst)的成本加权距离(Distance-CostWeighted)计算工具，计算成本加权距离结果如图4所示。由于5m×5m的成本栅格图精度较高，对整个区域进行计算数据量较大，计算速度较慢，故选择能够覆盖8号线全部站点的区域作为分析范围。
(3)通过重分类(Reclassify)命令重新对成本加权距离栅格图进行计算，按照时间的长短划分为5级，分别为5、10、15、20和25min步行圈，如图5所示。5、10min步行圈表示在此范围内任一点步行总可以到达距离最近的地铁站点，其他以此类推。
2.1.3 上海地铁8号线影响范围的划定
上海市域面积大，市内交通通勤时间长，尤其是工作通勤时间在1～2h并不鲜见。因此，初步划定以1.2m/s的步行速度25min可以到达最近的地铁站点的区域为本研究的影响范围，即上文中通过GIS空间分析得出的25min步行圈的覆盖范围。此范围将在下文中被用来判定各楼盘所处的交通区位的优劣及对应特征变量的分值。
2.2 上海地铁8号线的住宅特征价格模型构建
特征价格模型是一种国外处理异质产品差异特征与产品价格间关系经常采用的模型，特别是在房地产领域得到了广泛的应用。构建特征价格模型的主要目的之一是把无法从交易价格中直接观察到的住宅特征的隐含价格剥离出来，从而分析住宅市场的供需特点。
2.2.1 特征变量的分类与选取
特征价格模型应当仅包括影响住宅价格的因素。由于房地产具有耐久性、结构不变性和空间固定性，故通常对其价格产生影响的因素有3大类:区位(Location)、建筑结构(Structure)、邻里环境(Neighborhood)。住宅特征价格模型的构建过程就是把影响因素作为特征变量纳入模型，并分析各个影响因素对住宅价格的影响及影响程度的过程。同时，为了研究的需要，还可以根据实际情况纳入其他变量。本文为了研究上海地铁8号线的开通在时间上对周边住宅价格的影响，引入时间效应变量。
2.2.2 特征变量的设置
特征变量的设置主要涉及到对特征变量的量化问题，即如何为特征变量赋值的问题。特征变量的量化分为定量和定性变量的量化。定量变量的量化直接采用住宅特征变量的实际数值，或者是仅仅对原始数值进行简单的变换。定性变量的量化方式分为两元虚拟变量赋值、分等级赋值、综合指标度量赋值3种。本研究所设置的特征变量共有5类20个，特征变量的类型、特征分类、变量名称及自变量对住宅价格的预期影响见表1。
通过以上特征变量的分类、选取及设置方法对本研究搜集的668笔住宅样本数据进行量化，为下面进一步的实证分析做好数据准备。需要说明的是，由于受市场供求关系的影响，不同时期的住宅价格会有所波动。而本研究在采用特征价格模型时不考虑时间因素和市场供求因素对住宅价格的影响，因此，有必要引入“基准价格指数”(基准价格指数反映的是只受市场供求关系影响的真实房价变化，其指数值不受住宅结构、样本数量等影响)对住宅价格数据进行处理，剔除市场供求因素引起的住宅价格的波动，使不同时期的住宅价格具有可比性。在本研究中引入上海市二手房指数办公室每月公开发布的上海二手房指数，以2007年4月的上海市二手房住宅市场平均价格水平为基准，定为1，并对各期的基准价格指数进行调整。2007-04～2008-03各期基准价格指数及调整后的价格指数如表2所示。表中的数据来源根据上海市二手房指数办公室每月发布的《上海二手房指数报告》相关文字整理得出。
2.2.3 特征价格模型构建
特征价格模型可以采用多种函数形式，包括线性函数、二次函数、对数函数、半对数函数、反半对数函数、指数函数和Box-Cox转换。为了研究特征价格随特征变量的变动比率，本研究将使用半对数函数进行实证研究。函数形式如下:lnΡ=α0+∑αiZi+ε(1)式中:P为住宅单位的价格;α0为除特征变量外其他影响价格的常量之和;αi为特征变量的特征价格;Zi为特征变量;ε为误差项。
半对数函数自变量采用线性形式，因变量采用对数形式，回归系数对应的是特征价格与产品总价格之比，即特征变量每变动一个单位时，特征价格随之变动的增长率，此时αi=PZi/P，P≠0.为确保模型具有经济学意义，并同时符合统计学与计量经济学要求，需要对模型做出相应的估计和检验。
3 上海地铁8号线对城市住宅价格的时空效应分析
3.1 样本数据
半对数模型中因变量取经过基准价格指数调整后的住宅单价的自然对数形式。自变量采用交通可达性(metro_1，metro_2，metro_3，metro_4，metro_5)、所处环线位置(ring)、建筑面积(area)、房龄(age)、朝向(orientation)、装修程度(decoration)、建筑属性(property)、自然景观(sight)、生活配套(life)、教育配套(education)、地铁开通前后(time2008)，共15个。因变量与自变量的赋值方式如上所述。因为在采集样本数据时已经对数据进行了筛选，所以668个样本数据全部通过完备性检验，对样本数据进行多元线性回归。
3.2 模型的估计与检验
模型的估计采用最广泛使用的最小二乘法(OLS)，在SPSS的具体操作过程中，选择强行进入法(Enter)作为回归分析方法，15个自变量全部进入回归模型。半对数模型的判定系数R2=0.787，调整后的R2为0.761，半对数模型所能解释因变量差异的百分比约为76%(本文仅用回归结果作影响程度分析，而不作预测，因此对其要求可适当降低)。同时回归方程通过显著性检验、t检验以及共线性假设检验，基本满足方差齐次性的假设，残差分布近似于正态分布。说明半对数模型具有较好的拟合度和较好的解释能力，在统计上是有意义的，可以用来分析和解释住宅特征对住宅价格的影响。
3.3 模型的结果分析
通过对半对数模型的各回归系数值及显著性检验结果观察，15个自变量中有12个通过了5%的显著性检验，装修程度、自然景观、教育配套3个变量的显著性水平仍大于5%，因此这3个变量没有进入到该模型。同时，根据符号定性地判断住宅特征对住宅价格的影响方向，除房龄对住宅价格产生负的影响外，其他变量均对住宅价格产生正的影响。
由于分析采用的是半对数模型，未标准化的回归系数对应着住宅特征的价格半弹性，自变量不是连续变量，故不能直接采用回归系数的数值，需要进行变换(半弹性系数=e(回归系数)-1)，具体数值如表3所示。
由表3可以看出，地铁8号线开通后，对周边住宅价格产生了正效应，使得住宅价格上涨6。4个百分点。同时，对于距离地铁站点不同距离的住宅价格产生不同的影响，且影响为正。5min步行圈内的住宅价格比同期远离地铁站点的住宅价格上涨11.85个百分点，10min步行圈内的住宅价格比同期远离地铁站点的住宅价格上涨10.09个百分点，15min步行圈内的住宅价格上涨7。44个百分点，20min圈内的住宅价格上涨6。82个百分点，25min步行圈内的住宅价格上涨5。87个百分点。可见，随着远离地铁站点，地铁对住宅价格的影响逐渐减弱。
3.4 引入时间与区位交互作用项分析8号线开通前后住宅价格的变化引入时间与区位交互作用项继续研究，以变量time2008_ring1、time2008_ring2、time2008_ring3替换变量time_2008。仍用OLS对半对数模型进行估计。引入时间与区位交互作用项的半对数模型的复相关系数R=0.872，判定系数R2=0.781，调整后的R2为0.776，较之3.2节中的模型估计结果有所提高，说明模型的拟合优度进一步改善，解释能力进一步增强。表4所示是引入时间与区位交互作用项的半对数模型估计结果，并增加了半弹性系数一栏。
由表4可知，绝大多数回归系数的t检验值均小于5%，说明回归方程中相应的偏回归系数具有显著性。通过显著性水平的检验，说明模型对样本数据的拟合在统计上是有意义的，回归方程是有效的。从表中可以看出，在25min步行圈覆盖的区域内，地铁8号线对周边住宅价格的影响为正，并且这种正的影响随着距离地铁站点的距离增加、可达性减弱而减弱。5、10min步行圈内的住宅价格比同期远离地铁站点的住宅价格分别高出11.96、10.52个百分点，15、20、25min步行圈内的住宅价格比同期远离地铁站点的住宅价格分别高出8。22、6。40和6。08个百分点。同时，地铁8号线的开通对周边住宅价格的时间效应同样与住宅所处的区位有密切关系。在内环以内的地区，地铁8号线开通后的住宅价格上涨5。34个百分点;在内环和中环之间的地区，地铁8号线开通后住宅价格上涨7。14个百分点;在中环与外环之间的地区，地铁8号线的开通对其周边的住宅价格影响最大，住宅价格上涨9。76个百分点。
4 结 语
本文通过对上海地铁8号线影响范围的划定，对住宅影响因素的特征变量的筛选，利用半对数函数形式的特征价格模型对8号线周边的住宅价格进行了分析。发现上海地铁8号线对其周边住宅价格产生正的影响，距离地铁站点越近，住宅价格越高，且随着远离地铁站点，这种影响逐渐减弱。同时，本研究表明，上海地铁8号线的开通对其周边住宅价格产生明显的时间效应，导致地铁周边住宅价格的上涨，且在不同区位表现出不同的上涨幅度。
轨道交通的建设能够拉动周边房地产价格的上涨主要表现在提高交通便捷度方面，使得原本偏远的地区不再受限于地理位置，居民凭借着便捷的交通即可购买价格相对较低的住宅。因此可以说，轨道交通能够延伸城市的边界，促进城市整体的发展与繁荣。
收稿日期:2009-12-29
基金项目:国家自然科学基金资助项目(50808048)，教育部新世纪优秀人才支持计划(NCET- 07- 0206)，教育部人文社会科学研究项目(07JA630036)
作者简介:苏海龙(1970-)，男，河南开封人，博士后，高级工程师，注册城市规划师.研究方向为低碳城市、城市土地使用与交通一体化、城市规划支持系统和城市设计.E-mail: fdsuhailong@ 126.com.
中图分类号: F 293.3;U 231 文献标志码: A
参考文献:
[1] 张文忠，孟 斌，吕 昕，等.交通通道对住宅空间扩展和居民住宅区位选择的作用———以北京市为例[J].地理科学，2004，24(1):7-13.ZHANG Wen-zhong，MENG Bin，L Xin， et al. In-fluence of traffic passages on housing spatial expan-sion and local residents selection of housing location:A case study of Beijing[J]. Scientia Geographica Sini-ca，2004，24(1):7-13.
[2] 王 霞，朱道林，张鸣明.城市轨道交通对房地产价格的影响———以北京市轻轨13号线为例[ J].城市问题，2004(6):39-42.WANG Xia， ZHU Dao-lin， ZHANG Ming-ming.Aaalysis of the influence of rail transit on the distri-bution layout of real est ate prices: A case studay ofBeijing light rall line No.13[ J]. Urban Problems，2004(6):39-42.
[3] 顾 杰.城市增长与城市土地、住房价格空间结构演变[D].浙江:浙江大学管理学院，2005.
[4] 张小松，胡志晖，叶霞飞.城市轨道交通开发利益影响范围研究[ J].同济大学学报:自然科学版，2005，33(8):1118-1121.ZHANG Xiao-song，HU Zhi-hui，YE Xia-fei. Studyof impact of urban rail transit development on sur-rounding areas[J]. Journal of Tongji University: Nat-ural Science，2005，33(8):1118-1121.
[5] 张 红，马进军，朱宏亮.城市轨道交通对沿线住宅项目价格的影响[J].北京交通大学学报，2007， 31(3):10-13.ZHANG Hong，MA Jin-jun，ZHU Hong-liang. Priceinfluence of urban mass transit on housing projectsalong the line[ J]. Journal of Beijing Jiaotong Univer-sity，2007，31(3):10-13.
[6] 刘贵文，胡国桥.轨道交通对房价影响的范围及时间性研究———基于重庆轨道交通二号线的实证分析[J].城市发展研究， 2007，14(2):83-87.LIU Gui-wen，HU Guo-qiao. Impact area and timeli-ness of rail transit to value of property:Based on dem-onstration analysis about Chongqing rail transit 2(nd)line[J]. Urban Studies，2007，14(2):83-87.
[7] 王 德，黄万枢.外部环境对住宅价格影响的Hedon-ic法研究———以上海市为例[ J].城市规划，2007，31(9):34-41.WANG De，HUANG Wan-shu. Effect of urban envi-ronment on residential property values by hedonicmethod: A case study of Shanghai[ J]. City PlanningReview，2007，31(9):34-41.
[8] McDonald J， Osuji C I. The effect of anticipatedtransportation improvements on residential land val-ues[J]. Regional Science and Urban Economics，1995(3):261-278.
[9] 徐俊.新建城市轨道交通项目对周边住宅价格的影响研究[ D].四川:西南交通大学经济管理学院，2007.
[10] 尹海伟.上海开敞空间格局变化与宜人度分析[ D].江苏:南京大学建筑与城市规划学院，2006.
