|
问题的提出 TOD规划有助于提高交通便利性和设施可达性从而对周围的房地产市场产生积极影响。现有研究中，TOD影响房地产价值的理论解释主要可归纳为两种：一是TOD产生的可达性效益通过降低通勤成本来提高土地和房地产价值；二是TOD的相关设施资本化为邻里房地产价值。然而TOD本身如何影响房租尚未得到充分的解释。另外，现有研究强调了地方性背景特征的关键作用，因为在不同案例中，站点可达性引起的价格波动幅度及其本质特征都有很大差异，基于个案得到的经验可能在实践应用中受到限制。因此，需要通过多案例实证对比分析来量化TOD对房租价格的影响，从而加深对居民所偏好的TOD特征及其程度的理解。 本研究爬取北京、上海、深圳、杭州和武汉这五个中国特大城市的在线租赁清单，首次尝试从对比分析角度揭示TOD对房租价格的影响。从理论角度提出一个概念框架来解释TOD为什么会以及如何影响房租，具体地，使用特征价格估计对TOD原理进行量化，以期丰富对TOD房租溢价效应的理论解释。在方法上，引入对比分析更新对具有地方性特性的TOD效应的认识，以期促进理论原则和规划实践的整合，服务于更好地城市规划。  理论框架  TOD由公共交通站点及其周围步行可达的社区组成。首先，整个公共交通网络连接着每个TOD站点，以较低的通勤成本提高交通便利性并创造更多就业机会，偏好交通便利和工作机会的租客愿意为TOD住宅区支付更高的房租。其次，TOD以提供友好步行环境、混合土地利用和集中分布的设施来创造宜居社区，吸引租房者。最后，交通站点与邻里的协同作用，在协调情境下将大大提高TOD的吸引力。 通过上述途径，使TOD住宅区的出租房屋较非TOD住宅区的表现出明显优势。从住房角度，特征价格估计框架将房租影响因素分为三类，即结构特征（如面积大小、装修、朝向等）、区位特征（如城市区位、交通可达性等）、邻里特征（如公共设施可达性、土地利用结构等）。对于TOD邻里特征而言，其房租影响因素与TOD特征具有高度一致性。因此为检验TOD对房租的影响，可将特征价格估计框架划分为两个主要结构，即TOD特征和其他住房特征。具体地，TOD特征包括TOD站点特征、TOD住宅区特征以及两者的协同作用。控制变量即其他住房特征包括结构特征和其他区位特征（如距CBD距离等）。对特征价格估计框架的重新概念化不仅具有方法论优势，也符合TOD设计原则，强调了城市可持续发展和社区的可步行性建设。  图1 理论框架图 数据与方法 研究方法框架包括四个步骤：①使用网络爬虫工具收集和清洗上海、北京、深圳、杭州和武汉的房租价格数据；②界定TOD，使用t检验对TOD和非TOD房租价格进行比较；③选择并量化TOD区房租价格的潜在决定因素；④建立空间特征价格模型，揭示各大城市TOD特征与房租价格之间的关系。  图2 方法框架图 研究区 不同城市所体现的不同的地理位置和社会文化特征会显著影响TOD和房租价格，选取上海、北京、深圳、杭州、武汉五大城市，表征中国城市的多样性，形成一套较为理想的对比研究案例。  图3 研究区 01 数据获取与清洗 于2019年12月访问赶集网，使用Python编译的网络爬虫工具收集了五个城市的房屋租赁清单。基于以下规则进行数据清洗：（1）丢弃描述性条目中缺少属性(如文字广告、装修、卧室数量)的样本；（2）删除重复样本；（3）删除异常值（如总面积过大，租金极低，反之亦然）。最终得到北京1017个，上海885个，深圳1042个，杭州767个，武汉477个样本。各大城市的数据分布和空间格局如图4所示。数据在空间上分布比较均匀，在物理分布上不存在明显的偏态。  图 4 出租房屋空间分布与房租价格的数值分布 02 TOD界定与T检验 学者们采用不同的距离阈值对TOD描述,包括距地铁站点400米或500米径向距 离、600米步行距离、700米欧氏距离、800米路网距离、10分钟步行距离和15分钟步行距离等。进行初步实验，比较了几个距离阈值(400 m、600 m、800 m、1000 m、1200 m)，基于较高的相关性（Pearson’s correlation r > 0.9）和中国步行社区规划标准，最终选择步行1200 m作为阈值。利用路网距离计算工具，量化出租房屋与地铁站之间的步行距离。出租房屋，如果能在1200步行距离内到达至少一个地铁站，则被认定为TOD住房;否则，将被标记为非TOD住房属性。采用t检验估计TOD住房与非TOD住房之间的房屋租赁价格的平均差值，从而确定前者是否与更高的房屋租赁价格相关。 03 变量的选择 探索性变量的选择遵循以下几点原则：(1)遵循概念框架的理论逻辑；(2)符合中国五大特大城市的实际TOD特征；(3)考虑数据的可获性；(4)与相关文献保持适当的一致性。表1总结了所选指标的简要说明和描述性统计。 表1 5个城市解释性变量描述性统计   04 空间特征价格模型 特征价格模型将异质商品的价格分解为每个影响因素的贡献比例，该模型将房屋价格影响因素分为三类（如结构、邻里和区位）。本研究中，探索性变量为TOD站点、TOD邻里指标以及协同变量，控制变量为结构特征和其他区位特征。这些变量通过标准化后经过多重共线性检验，保留VIF小于5的变量。五大城市的TOD区的房租价格呈显著的空间自相关性（Moran’s I范围在0.19到0.37之间，p < 0.01）,因此以滞后或误差的形式将空间自相关性纳入特征价格估计中。空间滞后特征价格回归和空间误差特征价格回归分别如下公式所示。稳健的拉格朗日乘子诊断用于确定空间自相关(滞后或误差)的形式，利用最近邻距离法建立空间矩阵。  05 方差分解 使用方差分解法计算TOD站点、TOD邻里特征、TOD协同特征、住房结构特征、其他区位特征的相对贡献。 结果与分析 T 检验结果显示，在五个特大城市中，TOD住房的出租价格明显高于非TOD住房。空间特征回归结果表明，TOD站点变量(尤其是地铁站点类型)与房屋租赁价格显著正相关。TOD社区的综合使用模式、交通选择和目的地可达性均较好，且适宜步行的社区租金水平较高。协同变量与房屋租赁价格呈显著正相关，表明协同效应高的TOD对租房者更有吸引力。研究结果表明，在具有以下特征的TOD环境中，住房租赁价格更高:(1)具有更强运营能力的地铁站;(2)休闲空间可达性高、交通选择多的邻里;(3)地铁站与社区的协同作用强。在差异方面，工作场所可达性仅在北京显著，杭州和武汉的工业用地占比与房屋租赁价格呈负相关。 在三个TOD因素中，TOD邻里对五个特大城市房屋租赁价格的贡献最大。其中，TOD邻里的相对贡献率最高的是深圳(24.6%)，其次是杭州(20.3%)、上海(19.7%)、北京(14.3%)和武汉(12.3%)。与邻里相比，地铁站和协同效应对五大城市房屋租赁价格的贡献相对较小。表明TOD的本质在于邻里发展和生活质量的提升，高质量的城市(社区)开发应该是最终目标，而在以交通为导向的开发中，交通应该是手段。在北京和杭州，TOD站点的相对贡献高于TOD协同变量。这些变化证实了TOD结果的位置敏感性。 对国土空间规划的启示 基于对TOD产生的房租溢价的发现，提出几点规划建议： (1)将部分TOD住房划分为公共租赁住房; (2)鼓励房地产开发商投资建设和开发TOD项目; (3)给予当地地铁公司出租地铁站周边土地的权利，进行高密度开发; (4)鼓励围绕未来规划或新建的地铁车站进行高密度/紧凑发展; (5)强调社区可步行性和土地混合利用，与站点协调发展。 E N D 参考文献 Shiliang Su, Jiangyue Zhang, Shenjing He, Hui Zhang, Lirong Hu, Mengjun Kang*. Unraveling the impact of TOD on housing rental prices and implications on spatial planning: A comparative analysis of five Chinese megacities. Habitat International，2021，102309. 来源：武大城市化研究室 |
|
|
