EN中文

JOURNAL OF NATURAL RESOURCES >

2024 , Vol. 39 >Issue 4: 960 - 977

DOI: https://doi.org/10.31497/zrzyxb.20240413

Regular Articles

Influencing factors of differences in land premiums of urban rail transit:A meta-analysis regression perspective

  • LIN Xiong-bin , 1, 2, 3 ,
  • NIU Bu-qing 1 ,
  • PAN Qi 1 ,
  • ZHAN Shuang-fen 1 ,
  • MA Ren-feng 1, 2, 3
Expand
  • 1. Department of Geography and Spatial Information Technology, Ningbo University, Ningbo 315211, Zhejiang, China
  • 2. Zhejiang Provincial Collaborative Innovation Center for Land and Marine Spatial Utilization and Governance, Ningbo 315211, Zhejiang, China
  • 3. Donghai Academy, Ningbo University, Ningbo 315211, Zhejiang, China

Received date: 2023-06-13

  Revised date: 2023-12-04

  Online published: 2024-04-11

Fold

Abstract

Under the strategy of accelerating the effort to build China into a country with a strong transport industry, local governments have actively carried out urban rail transit construction and promoted transit-oriented development (TOD) within the transit-serving areas, which has gradually generated significant social and economic effects. Indeed, urban China has issued a series of national or regional planning outlines and policies to promote the high-quality development of urban rail transit infrastructure and the associated land-use planning. Currently, to what extent urban rail transit can produce a land premium effect still remains controversial, which is significantly affected by contextual factors and research design. For the differentiation results of the premium effect in urban rail transit, a sample of 298 observations from 44 published journal articles was investigated by using a meta-analysis regression approach, and the influencing factors of differentiation results were discussed from two aspects: contextual factors and research design. The results of the meta-analysis regressions would be helpful to promote both economic development and social equity. The findings show that: (1) Urban rail transit can produce a certain land premium effect based on the transport mode substitution and land development evolution effects, but the rail transit premium effect presents significantly differentiated results based on different contextual factors and research design. (2) Contextual factors such as assessment objectives, rail transit maturity, and accessibility features are major factors influencing rail transit and land premium connections; different methodologies adopted will also influence rail transit premium evaluation results. Compared to the hedonic pricing model, the premium impact evaluated by the multi-period price change and local linear regression methods presents a higher result, while the difference-in-difference model has a lower result. (3) The premium effect of rail transit has dynamic complexity. Concerning the economic and social impact of urban rail transit, mechanisms such as land value capture can be constructed to promote the sustainability, equality, and accessibility of rail transit services.​

Key words： urban rail transit; land premium effect; value capture; meta-analysis regression

Cite this article

LIN Xiong-bin , NIU Bu-qing , PAN Qi , ZHAN Shuang-fen , MA Ren-feng . Influencing factors of differences in land premiums of urban rail transit:A meta-analysis regression perspective[J]. JOURNAL OF NATURAL RESOURCES, 2024 , 39(4) : 960 -977 . DOI: 10.31497/zrzyxb.20240413

快速、绿色可达的公共交通体系与优化国土空间开发及空间结构演进密切相关[1]。在交通强国战略下，公交导向开发（Transit-oriented Development，TOD）成为推进公交都市和国土空间规划的重要理念。自国务院发布《关于城市优先发展公共交通的指导意见》以来，公共交通逐步处于城市交通的主导地位，尤其是城市轨道交通（以下简称“轨道交通”）以大容量、快速、舒适、准时等优势，成为城市交通战略重点[2]。《交通强国建设纲要》、“十四五”规划纲要、《国家综合立体交通网规划纲要》等都突出轨道交通在构建互联互通大都市中的作用。
轨道交通具有显著的正外部性，能优化沿线土地开发与价值收益，增加地方活力和经济发展[3]，同时降低小汽车使用规模，缓解交通拥堵[4]。随着轨道交通网络化运营，站点周边容易形成居住和就业集聚，强化土地增值效应，成为其正外部性的体现。当前研究采用多样化方法评估多模式轨道交通（如地铁、单轨、轻轨等）的土地溢价效应，且多数研究均发现其显著的溢价效应[5]。一些研究表明，靠近轨道站点会产生积极但非线性（Nonlinear）的溢价影响[6]；也有一些文献表明，轨道交通建设运营对土地溢价影响微弱甚至为负[7]。一方面，这种负面效应与站点周边噪声污染、犯罪率等有较大关联[8,9]；另一方面，交通可达性提升可能增加其他成本，两种关系权衡下可能产生负面影响，如当轻轨潜在可达性收益无法超过本地成本时，轻轨建设会呈现显著负面效应，尤其在站点1500 m内房产售价约降低8%[10]。
鉴于轨道交通与土地溢价的动态复杂影响关系，当前研究普遍发现轨道交通对周边房地产市场的混合影响，且突出表现在空间距离、时间演进和开发类型等方面的差异。这些实证研究都采用了科学的研究方法，但为何会出现差异较大甚至相反的结果?在此结果的解释上，可能受到特定情景因素（如土地用途、轨道类型、地块可达性、交通拥堵等）和研究设计（如样本选择、模型选择等）的显著影响[7,11]。面向新时代中国大规模轨道交通高质量发展需求，优化轨道导向的土地开发和溢价捕获机制（Land Value Capture）有助于缓解财政压力。其中，科学地评估轨道交通的土地溢价效应及其影响因素是实施溢价捕获的重要前提，也是推进TOD经济效率和社会公平的体现。针对“轨道交通—土地溢价”的异质性结果，当前较少有研究系统地理解这些不同实证结果的差异，并定量化深度解释其影响因素。因此，立足当前丰富的文献实证成果，梳理轨道交通溢价效应及测算方法，重点聚焦情景因素与方法论因素，构建较为全面系统的元分析回归模型，综合定量挖掘轨道交通溢价效应及其影响因素，对深入理解轨道交通的溢价效应，增强“轨道交通—土地溢价”动态复杂关系的解释能力，合理实施溢价捕获机制，优化轨道均等化和可及性具有一定理论和实践价值。

1 研究方法与数据来源

基于轨道交通溢价效应的差异化结果，首先，从文献研究角度，剖析轨道交通沿线土地溢价的研究主题和关键词聚类，系统梳理轨道交通影响沿线土地溢价的过程、机理和测度方法。在研究主题和关键词聚类上，以Web of Science（WoS）数据库（www.webofscience.com）的核心数据合集作为文献来源，基于轨道交通、土地价格、房产价格、土地价值、房产价值等关键词，共检索到190篇文献，跨度为1999—2022年，采用CiteSpace软件得出关键词共现图。
其次，引入元分析回归方法，定量分析实证研究结果中情景因素和方法论因素在解释轨道交通溢价效应的影响差异。元分析回归方法可以突破个案研究（Case Study）的局限性，最初多应用于医学领域，随后在生态学、地理学等领域有较多应用[12⇓-14]。元分析回归作为一种统计学分析方法，是对既有文献结果的综合分析[15]，既包括定量分析，也包括定性分析，通过综合多个同类独立研究的结果，开展定量合并的系统分析[16]，从而找出样本文献的重要变量来解释各研究结果间的不一致性[17]。元分析回归方法的基本形式通常如下[17]：
Y i = α 0 + ∑ β = 1 β   α β X i β + ∑ γ = 1 γ   α γ θ i γ + ε i
式中：因变量Yi为第i篇文献实证结果的统计指标（i=1, 2, …, Q）；自变量Xiβ为文献i中情景因素与方法论因素的特征变量；θiγ为控制变量；系数αβ、αγ为现有文献特征变量对文献实证结果的边际影响；α0、εi分别为常数项、随机扰动项；Q表示纳入元分析回归模型的样本数量（个）。由于部分文献可能呈现多个溢价效应的估计结果，故Q可能会大于文献数量。
在变量的选取上，需要聚焦特定研究主题的核心内容与研究方法，并反映现有研究在样本数据选择、模型设计、评估方法等方法论因素的差异[18]。因此，为准确评估轨道交通土地溢价差异化结果及其影响因素，将既有文献测度的轨道溢价实证结果作为因变量，并采用无量纲的百分比来表示，以增强不同文献实证结果的可比性。同时，将影响轨道交通溢价效应的情景因素与方法论因素作为核心自变量。其中，情景因素包括评估对象、报价类型、功能类型、住房结构、邻里特征、CBD距离、轨道交通类型、轨道交通成熟度、地理区位等变量；方法论因素包括数据类型、轨道距离指标、分析方法与模型选择等变量。随后，通过元分析回归方法测度自变量与因变量之间的关系，从而更加客观、全面地探究以往相关研究差异化结果的影响因素。
最后，结合轨道交通土地溢价的时空差异与影响因素、中国大规模城市轨道交通建设与土地溢价效应，以及因溢价效应可能带来的绅士化（Gentrification）等社会影响，重点从交通服务可持续、交通服务可及性、交通服务均等化等提出城市轨道沿线土地规划和政策的响应策略，以更好地发挥轨道溢价的积极效应，降低对沿线社会公平的负面影响。

2 轨道交通与土地溢价的研究进展

2.1 轨道交通溢价效应关键词分析

以Web of Science（WoS）数据库的核心数据合集作为文献来源，对轨道交通溢价效应相关文献进行收集汇总及关键词共现分析，可以看出轨道交通与土地溢价主要呈现两类研究主题：一是分析轨道交通对沿线土地经济影响，二是探究轨道交通如何影响土地利用（图1）。
图1 轨道交通价值效应文献关键词共现图

Fig. 1 The value effect of rail transit research thematic cluster diagram

2.2 轨道交通影响土地溢价的过程

轨道交通能提升地块可达性，影响居民出行和土地开发利用，对周边土地产生溢价效应。同时，轨道交通也可能因可达性提升加剧治安不稳、噪音污染等负面影响[9]，或因区划限制难以实现最佳土地利用与经济价值[19]。依托不同地区和差异化测度方法，多数研究发现了轨道交通正向的溢价效应，且与交通出行替代效应、土地开发演化效应相互作用（图2），显著改变土地利用的形态、布局、规模与密度，增强周边土地的溢价效应。
图2 轨道交通的土地溢价效应机制

Fig. 2 The land premium effect of urban rail transit

2.2.1 交通出行替代效应

轨道交通能提升公交竞争力，增加替代小汽车出行的可能性，形成土地溢价的支持，如高质量轨道系统能提升可达性和机动性[20]，减少出行成本与交通延误。TOD开发有助于塑造紧凑、混合、可步行社区，降低小汽车依赖性[21]。随着居住区周边轨道交通可达性提高，家庭小汽车拥有和使用频率倾向降低，提高轨道交通使用率[22,23]。随着时间推移，轨道交通能进一步影响空间集聚与结构，引导站点和沿线高密度开发，促进土地价格与空间增值[24]。

2.2.2 土地开发类型演化

轨道交通建设运营导致土地利用类型变化[11]，显著影响各功能用地的时空效益[25]，如靠近轻轨使得单户住宅和工业用地的变化更明显[26]。从建筑面积和用地密度来看，轨道周边商业用地和多户住宅用地增长显著较快[27]。在中国，轨道站点周边商业和居住开发规模明显增加，形成居住用地占主导地位的格局[20]。在时间上，地铁施工期间对居住用地的负面效应高于商业用地，随着地铁运营网络化不断成熟后，对商业的正向效应也更高[28]。需要指出的是，轨道交通建设运营与其他因素共同作用，如多样化交通支持政策、与城市中心距离、与就业中心距离等，从而显著影响土地利用和溢价变化[27]。

2.2.3 土地开发强度演化

随着轨道交通的规划、建设与网络化运营，周边土地利用强度不断改变[3]。在站点尺度上，轨道交通能提升周边地块可达性，推动土地利用高密度化。在区域尺度上，轨道交通对用地结构的影响在中心区和外围地区呈现较大差异，一些研究发现地铁对外围地区的城市建设和用地变化影响更明显[29]。例如，Ahmad等[29]研究发现轨道交通导致建成区增长集中在外围区域，Mulley等[30]也证实类似现象。一方面，相对传统中心区，轨道交通对外围地区可达性增益更明显，尤其是公交服务不完善地区[31]。另一方面，受外围地区土地利用管理更为弹性的影响，轨道交通会加速土地开发和城市蔓延[29]。

2.2.4 土地开发价格演化

总体上，城市轨道交通能产生显著的溢价效应，并呈现显著的时空差异（表1）。首先，轨道可达性提升会对沿线地价、房价和房租产生溢价。例如，Xu等[40]基于武汉市研究发现，地铁对站点400 m内的商业产生显著的层级溢价效应，站点100 m内溢价达到16.7%，100~400 m内的溢价约为8.0%。孟买地铁集中区的房地产价格上涨了14%[41]。在上海，空间分位数回归发现，距最近站点的距离每减少1%，价格最低的25%的社区的租金增加0.061%[42]。其次，部分研究也验证了轨道交通对沿线土地价格的负面影响。例如，英国谢菲尔德轻轨的跟踪研究发现，轻轨建设期间，附近住房价格不升反降[6]。Debrezion等[7]也验证临近轨道站点与房产价格的负面关系。再次，在空间距离上，溢价效应与距轨道站点距离具有非线性关联。例如，Li[43]实证发现，距地铁站2 km内紧邻站点的房产价值提升最低，原因是负外部性超过了可及性的正面效应；在2.5 km范围内，溢价效应先增后降但为正；当距离超过2.5 km，溢价效应转为负。在时间演进上，轨道交通在规划宣布、建设和运营的不同阶段，溢价效应会发生明显变化。总体上，沿线住宅溢价在轨道开通之前就已显现，且随运营时间增加逐渐提升[44]。例如，轨道交通开通前，建设计划宣布导致轻轨站点周边房产价格显著上涨[45]，其中早期工程宣布的影响较低，但融资计划的宣布会带来显著的溢价效应[36]，这与潜在的土地开发投资活动有紧密关联[45]。最后，不同类型用地的溢价幅度差异较大，对商业、住宅、办公等影响最明显[11]，溢价程度取决于房地产规模、类型、年限和地理位置等因素[6]。
表1 轨道交通溢价效应的测度方法

Table 1 The methods of measuring the premium effects of rail transit

文献来源 城市 对象 研究方法 研究结论
Dewees[32] 多伦多 地铁 HPM 地铁代替有轨电车导致地租斜率增加，影响范围集中在距车站约500 m内
庄焰等[33] 中国香港 地铁 空间地价
模型		 地铁站点一次影响半径为350 m，二次影响半径为550 m
张维阳等[34] 北京 地铁 房价衰减
模型		 随离地铁站距离增大，住宅价格的自相关性减弱，而轨道交通对郊区住宅价格的影响高于中心区域，且影响范围较广
Mathur等[35] 圣何塞 轻轨 HPM ① 房屋与TOD距离每降低50%，平均销售价格增加3.2%；② TOD溢价效应集中在200 m；③ 建设期间，TOD距离200 m内的房屋溢价高出7.3%，在运营期间则高出18.5%
Hurst等[26] 明尼阿波利斯 轻轨 DID ① 与在建轻轨相比，运行轻轨站点800 m范围内的土地利用变化可能性小幅增加，但与建设前相比，轻轨的建设和运营均未对土地利用变化产生影响；② 靠近轻轨会增加单户住宅和工业物业的土地利用变化的可能，但对空置土地、商业物业和多户住宅似乎没有影响
Cao等[36] 圣保罗 轻轨 区位熵、DID 宣布初步工程不会对建筑许可数量和房产价值产生积极影响，而宣布“全额拨款赠款协议”则使建筑许可数量增加约24%，房产价值增加80%
郑云坚等[37] 北京 地铁 面板数据门限模型 ① 良好的城市轨道交通通达性能够弥补二手房其他特征所导致的价格劣势，并削弱二手房距CBD较远带来的负向价格影响；② 在二手房与CBD距离对二手房价格的影响中，城市轨道交通通达性门限值为0.768，即当二手房通达性水平到达0.768附近时，通达性对上述影响过程的调节减弱，通过改变城市轨道交通通达性来调节的成本增加
Mulley等[30] 悉尼 轻轨 GWR 轻轨对市中心地区以外地区影响更大
Liang等[31] 宁波 铁路 地理场模型、GWR 铁路运输的外部性对房价具有显著但空间不平稳的影响
Zhao等[38] 武汉 地铁 多层逻辑
模型		 轨道交通促进商业、住宅和机构用地的发展，但抑制节点周边地区工业用地增加；轨道交通系统的建设证明了交通便利性和居住的吸引力，还促进了周边地区商务办公、生活和娱乐设施的发展
冯友建等[39] 杭州 地铁 SEM 已通车轨道交通站点在1000~1500 m内对住宅价格的影响较为显著

2.3 轨道交通土地溢价的测度方法

随着特征价格模型（Hedonic Pricing Model，HPM）的引入，该方法在测度轨道交通溢价效应中得到广泛应用。随着新数据、新方法的出现，以及轨道沿线土地开发的深入，轨道溢价效应的研究呈现由简单到复杂、由定性到定量、由单一方法到多元方法的转变（表1）。

2.3.1 基于特征价格模型的测度方法

特征价格模型综合考虑建筑特征、区位特征、邻里特征等因素，能较清晰地剥离各个因素对房地产价值的影响，从而理解轨道可达性的贡献程度。该模型思路方法简单清晰，成为国内外探究轨道交通溢价效应的主流方法[20]，其中变量结构和估计模型会对实证结果产生重大影响。而面板数据或长时间序列数据则包含更多信息，与横截面数据相比，估计结果更客观；与线性模型相比，半对数和双对数模型往往产生较低估计值，或者说线性模型可能高估轨道的溢价效应[11]。

2.3.2 面向空间关联与尺度差异的测度方法

考虑到轨道沿线土地开发的时空演化与地理尺度差异（如地块、社区、区域等），一些研究认为考虑地理尺度差异与空间依赖性的空间计量拟合效果更优[46]。由此，国内外学者逐渐将时空关系纳入“轨道交通—溢价效应”的测度[39]，如多层逻辑模型、地理加权回归模型、空间滞后模型、空间误差模型等。其中多层逻辑模型通常衡量轨道交通对离散土地使用变化的影响，评估不同尺度下土地价值的影响[47]，具有较强的稳健性，成为探究土地类型变化与空间属性关系的有效方法。地理加权回归模型将地理位置与空间关联纳入，能开展空间异质性分析与可视化[48]。近年来，国内研究也采用多样化方法来定量测度轨道交通的溢价效应。例如，姚敏峰等[49]建立市郊铁路站点与商业地价的空间计量模型；马超群等[50]基于Alonso的住宅区位理论，提出了轨道对沿线房价增值的测算模型；张维阳[34]考虑了住宅价格自相关影响，构建房价衰减模型，探讨站点距离与房价关系，发现轨道交通对郊区住宅价格的影响高于中心区。

2.3.3 基于空间对比和非线性的测度方法

传统线性模型难以刻画轨道交通复杂动态溢价效应的时空非线性关系。面板数据门槛回归模型能弥补线性模型的不足，对比不同距离来探究轨道交通的溢价影响[37]。双重差分方法能分析轨道交通开通对沿线住宅价格的影响[44]。随着大数据和机器学习的发展，轨道交通对沿线土地开发影响的非线性和阈值效应（Threshold Effects）成为研究热点。Ding等[51]采用半参数模型来放宽线性假设，发现中山市建成环境与电动自行车保有量的非线性关系，在一定阈值内，交通距离、就业密度和土地利用与电动自行车保有量呈正相关，而住宅密度则呈负相关。Yang等[52]以深圳市为例，采用梯度提升决策树（Gradient Boosting Decision Trees）来考察建成环境与城市活力间不规则的非线性关联，在超过一定阈值后会发生剧烈变化，轨道交通和土地开发之间存在非线性协同关系，轨道站点距离对开发强度有临界点影响，范围可延伸至距站点1.25 km处[53]。

3 结果分析

3.1 文献收集与样本数据建立

在数据来源上，选择轨道交通溢价效应相关实证研究作为样本，最终在中文、英文数据库中共遴选44篇研究论文，将基于不同情景因素与方法论因素得出的溢价结果作为独立样本。文献收集与样本数据库建立包括以下三个主要步骤：（1）基于中国知网（CNKI，www.cnki.net）、Web of Science、Science Direct数据库（www.sciencedirect.com），以“城市轨道交通”“轨道交通”“住房价格”“土地价格”“溢价效应”等为中英文主题词与关键词进行检索，收集相关主题文献并开展文献筛选。（2）剔除理论研究、综述研究等定性研究以及无法提取精确数据的相关研究，同时保证文献研究案例区域的丰富性，避免研究区域过于重复。（3）如前所述，按照统一标准，从情景因素与方法论因素两方面将既有文献按照统一研究框架提取研究样本，剔除统计指标上难以标准化处理的分析结果，最终纳入元分析回归模型样本，共计298个。从描述性结果可知（表2），当前文献研究测度的轨道交通溢价范围在-45.5%~107.6%之间，平均值为8.2%。其中，基于房产的研究成为重点，在用地类型上，居住用地成为研究重点，63.4%的文献均开展了轨道交通对居住用地价格的影响。在方法论因素方面，步行距离、缓冲区距离、道路距离、网络距离、距离虚拟变量等多样化方法用来刻画轨道交通至地块距离。
表2 元分析回归模型变量的描述性统计

Table 2 Descriptive statistics of variables used in meta-analysis regression model

变量类别、分变量名称与含义 最小值 最大值 均值 标准差
因变量
实证研究的溢价效应结果值 -45.5% 107.6% 8.2% 0.183
自变量
（1）情景因素
1. 样本文对象类型（以土地为参照基准）
房产（是=1，否=0） 0 1 0.634 0.484
2. 报价类型，以租价为参照基准
购价（是=1，否=0） 0 1 0.977 0.152
3. 用地功能类型（以空地为参照基准）
商业用地（是=1，否=0） 0 1 0.050 0.219
居住用地（是=1，否=0） 0 1 0.634 0.482
工业用地（是=1，否=0） 0 1 0.013 0.115
办公用地（是=1，否=0） 0 1 0.013 0.115
混合用地（是=1，否=0） 0 1 0.275 0.447
4. 住房结构、邻里特征、CBD远近
是否考虑住房结构（是=1，否=0） 0 1 0.547 0.499
是否考虑邻里特征（是=1，否=0） 0 1 0.560 0.497
是否考虑距CBD远近（是=1，否=0） 0 1
5. 轨道交通类型（以轻轨为参照基准）
地铁（是=1，否=0） 0 1 0.718 0.451
单轨（是=1，否=0） 0 1 0.013 0.115
6. 轨道交通成熟度（以公布期为参照基准）
建设期（是=1，否=0） 0 1 0.044 0.205
运营期（是=1，否=0） 0 1 0.564 0.497
混合考虑（是=1，否=0） 0 1 0.336 0.473
7. 研究案例的地理区位（以北美洲为参照基准）
亚洲（是=1，否=0） 0 1 0.695 0.461
大洋洲（是=1，否=0） 0 1 0.057 0.232
南美洲（是=1，否=0） 0 1 0.007 0.082
欧洲（是=1，否=0） 0 1 0.020 0.141
（2）方法论因素
1. 数据类型（以横截面为参照基准）
面板数据（是=1，否=0） 0 1 0.497 0.500
时间序列数据（是=1，否=0） 0 1 0.097 0.297
2. 轨道距离指标（以直线距离为参照基准）
步行距离（是=1，否=0） 0 1 0.195 0.397
缓冲区距离（是=1，否=0） 0 1 0.040 0.197
道路距离（是=1，否=0） 0 1 0.030 0.171
网络距离（是=1，否=0） 0 1 0.030 0.171
虚拟变量（是=1，否=0） 0 1 0.369 0.483
3. 分析方法（以HPM为参照基准）
地理加权回归（是=1，否=0） 0 1 0.010 0.100
局部线性回归（是=1，否=0） 0 1 0.007 0.082
双重差分模型（是=1，否=0） 0 1 0.084 0.278
多时期价格变化对比（是=1，否=0） 0 1 0.081 0.273
4. 模型类型（以半对数为参照基准）
Box-Cox变换（是=1，否=0） 0 1 0.003 0.579
双对数（是=1，否=0） 0 1 0.373 0.484
线性回归（是=1，否=0） 0 1 0.084 0.278

3.2 情景因素的影响

在元分析回归模型中，模型1和模型2利用所有样本进行分析，但模型1未全部考虑实证研究评估方法的差异，模型3仅对商业类和居住类样本进行分析，衡量轨道交通对不同功能类型房地产溢价效应的差异性（表3）。
表3 元分析回归结果

Table 3 Results of meta-analysis regressions

变量类型 变量名称 模型1 模型2 模型3
（1）情景因素
1. 研究对象类型 房产 -0.032 -0.069 -0.014
2. 价格类型 销售价格 -0.061 -0.026 0.066
3. 用地功能类型 商业用地 0.335*** 0.319*** 0.340***
居住用地 0.187*** 0.274*** 0.273***
工业用地 0.143 0.143
办公用地 0.260** 0.260***
混合用地 0.074 0.151*
4. 住房与邻里特征 考虑住房结构 -0.151*** -0.115*** -0.132***
考虑邻里特征 -0.050 -0.050 0.012
考虑CBD距离 -0.041 -0.098*** -0.138***
5. 轨道交通类型 地铁 0.023 -0.024 -0.013
单轨 -0.141 -0.269** -0.112***
6. 轨道交通成熟度 混合考虑 -0.148*** -0.131*** -0.112***
建设期 0.033 0.042 0.062
运营期 0.045 0.049 0.039
7. 研究案例区位 亚洲 0.026 0.142*** 0.192***
大洋洲 0.066 0.323*** 0.411***
南美洲 0.058 0.184 0.195**
欧洲 -0.005 0.041 0.130*
（2）方法论因素
1. 数据类型 时间序列数据 0.011 -0.110
面板数据 -0.046 -0.016
2. 轨道距离指标 步行距离 0.047 0.094*** 0.074**
缓冲区距离 0.073 0.110* 0.107**
虚拟变量 0.186*** 0.145*** 0.124***
道路距离 -0.044 0.045 0.087
网络距离 0.069 0.005 0.026
3. 分析方法 地理加权回归 -0.023 -0.089
多时期价格变化对比 0.206** 0.376**
双重差分模型 -0.153** -0.176***
局部线性回归 0.448*** 0.567***
4. 模型类型 双对数 0.098*** 0.106***
Box-Cox -0.032 -0.090
线性回归 0.064 0.033
常数项 0.036 -0.164 -0.315***
样本量/个 298 298 204
R2 0.412 0.483 0.653

注：*、**和***分别表示达到10%、5%和1%的显著水平。

（1）在研究对象上，相较于土地，房产价值的溢价效应更低（模型1~模型3的拟合系数均为负但不显著），这表明轨道交通对已建成物业价值的影响明显小于对土地的影响。一个可能的解释是影响建成物业价格的因素更为复杂，降低了轨道交通对房价的影响程度。此外，轨道交通对购价与租价带来的溢价变化差异并不显著，这与Mohammad等[11]的研究结果类似。（2）房地产功能类型不同，轨道交通溢价效应结果不同。模型结果表明，轨道交通对商业、居住、办公类房地产的溢价变化显著高于空闲用地。其中，商业类房地产回归系数最大（模型1~模型3分别为34%、32%和34%），表明商业类房地产对轨道可达性的反应更敏感[54]，这与当前研究结论一致[55]。模型2结果说明轨道交通对办公类和居住类价格的影响程度大致相同（办公类26%，居住类27.4%），产生相似的溢价变化。（3）轨道交通类型及不同阶段的溢价效应强度不同。与轨道建设期可能因噪声污染、环境问题等对房地产价格产生消极影响的结论不同[8⇓-10]，本元回归模型结果表明公布期、建设期和运营期的溢价变化并无显著差异，这可能与回归模型中公布期和建设期样本较少有关。此外，模型1~模型3的拟合结果均显示，相比公布期，混合考虑轨道交通成熟度可能低估轨道的溢价效应，这进一步强调考虑时间异质性影响的重要性。在轨道类型上，单轨速度相对较慢，载客量较少，对交通可达性的提升有限，故溢价效应低于轻轨。（4）轨道交通的溢价效应具有空间差异。模型2和模型3显示，与CBD距离的回归系数为负，这说明距CBD远近是房产价格涨幅的重要影响因素之一；轨道可达性对市中心以外地区影响程度更大[26,34,37]，这说明在评估溢价强度时应控制CBD距离因素的影响，以避免高估轨道的溢价效应。不同城市结构以及不同城市区域中心的经济发展与地理位置差异会显著影响轨道交通溢价效应[56]。模型2结果显示，相较于北美洲，来自亚洲和大洋洲案例研究得出的溢价效应较高。亚洲、大洋洲与北美洲在居民出行方式与土地市场方面区别较大。亚洲地区人口密度大、轨道交通建设密集、公交出行分担率较高。同时，亚洲地区处于快速城镇化阶段，土地需求旺盛，土地市场规模庞大且发展较为成熟，故轨道交通对房地产市场的影响更加显著。而北美洲虽然城市化水平较高，土地市场规模较大，但居民出行更多以汽车为主，一定程度上降低了轨道交通出行替代效应，从而导致其对房地产价格的影响更小。与北美洲相比，大洋洲地区的人口分布与土地利用相对紧凑，部分城市的土地开发利用受到一定的限制，由此更注重轨道交通建设与土地利用的协调，从而提高轨道交通对周边地区房地产价格的影响。

3.3 方法论因素的影响

（1）在距离变量的选取上，轨道交通可达性特征是溢价效应研究中的关键变量，会显著影响评估结果。模型结果表明，步行距离和虚拟变量的回归系数为正，溢价变化高于直线距离。因此，相比直线距离，采用步行距离可能提高溢价效应的估计结果。同时，由于在研究中采取直线距离这一连续变量通常不设置距离范围，相比于设置不同圈层距离范围的虚拟变量，可能会低估轨道交通溢价效应强度。
（2）不同的定量模型具有不同的适用条件和优劣势（表4），因此研究方法对轨道交通溢价效应具有较大影响。从表3的结果来看，模型2的拟合度（48.3%）优于模型1（41.2%），且分析方法中多个变量的拟合结果达到5%和1%水平的显著度，表明不同分析方法对结果的显著影响。如前文所述，特征价格模型能综合考虑区位、邻里、距离等不同特征因素的影响，从而能较清晰地剥离各个特征因素对溢价的影响幅度。模型1和模型3结果表明，相比于特征价格模型，多时期价格差异比较方法在评估轨道交通溢价效应时，难以考虑其他诸多因素的复杂影响，可能高估轨道交通溢价效应。基于机器学习的局部线性回归相较于特征价格模型，其假设数据之间存在曲线关系，能探究轨道溢价的非线性效应，测度轨道交通对房地产价格影响的有效阈值，该变量模拟系数为正且达到1%的显著水平，表明溢价效应估计值高于特征价格模型。这在一定程度上也说明，特征价格模型受限于线性关系的假定，对数据的拟合程度可能较低。此外，双重差分模型结果为负，说明其溢价效应估计值低于特征价格模型。特征价格模型在控制变量选择时可能受到研究者主观认识和偏好的影响，导致其溢价效应测度结果出现一定偏差。双重差分模型能更细致地在“时间”和“距离”上分析轨道交通对沿线住宅价格的影响[29]，一定程度上能够避免高估轨道交通的增值效应。
表4 轨道交通溢价效应测度方法对比

Table 4 Comparison of rail transit premium effect measurement methods

方法类型 基于特征价格模型 面向空间关联与尺度差异 基于空间对比和非线性
测度方法 特征价格模型 多层逻辑模型、地理加权回归模型、空间滞后模型、空间误差模型、空间地价模型、房价衰减模型 面板数据门限模型、非参数模型、梯度提升决策树
核心思路 综合考虑建筑、区位、邻里及消费者等特征因素，较清晰地剥离各个因素对房地产价值的影响，从而理解溢价规模和轨道交通可达性的关系[20,46] 考虑地理尺度差异与空间依赖的计量模型拟合效果[35,57] 基于统计学和机器学习方法研究轨道交通对沿线溢价的非线性与阈值效应[52,53]
主要优点 思路方法较为简单清晰，能定量分析轨道交通对周边溢价的提升作用 测度时空异质性及其可视化 较强的预测能力和说明变量间非线性关系的能力
主要缺点 估算轨道影响范围和土地增值可能存在偏差 数据匮乏，且在分析数量关系上具有一定局限性 不能检验某个独立变量的观测效应是否是由于抽样的偶然误差

3.4 轨道交通溢价效应的规划政策响应

轨道交通对房地产的溢价效应受到评估对象、住房结构与邻里特征、距CBD距离、轨道交通类型及成熟度等多种情景因素的影响。在多种情景因素作用下，轨道交通的溢价效应具有类别差异性和时空异质性。在轨道交通规划、建设和运营过程中，要依托地区发展条件，充分发挥轨道交通的正外部性。例如，通过轨道交通提高商业用地及非中心地区的可达性，发挥轨道交通的经济带动作用。此外，在测度轨道交通溢价效应时，不同方法论因素显著影响评估结果准确性。合理选择轨道距离指标及评估模型，有利于提高轨道交通溢价效应测算精度。立足错综复杂的相互关系，面向交通强国需求，有必要采取一定的规划和政策以应对溢价效应对交通服务的可持续、均等化及可及性的影响（图3）。
图3 轨道交通溢价效应的政策启示

Fig. 3 Policy implications of the rail transit premium effect

3.4.1 交通服务可持续性：实施合理有效的溢价捕获机制

由于轨道交通成本较高，且多数线路处于亏损状态，显著依赖地方政府财政能力[58]。尤其在严格控制地方政府债务下，针对轨道交通可观的溢价效应，探索合理有效的溢价捕获机制成为推动轨道交通可持续的重要方向。溢价捕获的实质是基于“谁受益、谁负担”原则，利用一定的税收或“轨道+物业”（Rail + Property）联合开发机制，将公共投资引起的土地增值反哺于轨道建设和运营[59]。考虑到轨道交通溢价的动态复杂性：（1）应合理量化轨道交通的溢价规模与溢价结构，在不同的时空范围采取合理的溢价捕获机制。例如，精细化考虑轨道交通不同时期、不同站点以及对不同地块类型的溢价效应。在技术模型上，合理选择量化模型，尽可能全面地考虑房地产和邻里环境特征，提高模型估计准确性。（2）不断提升溢价捕获机制的可实施性。中国城市普遍实施“轨道+物业”联合开发机制，但受到土地出让、空间规划、金融监管等制约，一些地区尝试实施“土地储备”“两步竞价”等来实施溢价捕获[60]。（3）提升溢价捕获的经济效率和公平分配。一些研究指出，私有部门TOD投资的社会福利优于公共投资[61]。因此，可积极推动公共部门和具有资金优势、技术优势、管理优势等私有部门形成更紧密合作来促进“轨道+物业”联合开发效果[62]。（4）当前溢价捕获机制多聚焦新建房地产，而非针对所有轨道受益区[5]，需考虑合理的分配机制来提升经济效率和社会公平[63,64]。

3.4.2 交通服务可及性：考虑轨道溢价的绅士化影响

轨道交通溢价效应会对社会公平产生双重效应。一方面，高度发展的轨道核心区会带动周边地区发展，吸引更多的社会资金，从而提供新的发展机会。另一方面，如果缺乏与公平性相关的保障政策，可能产生轨道导向的绅士化（Gentrification），使得一些显著依赖轨道交通的低收入群体，难以支付可达性收益。例如，公交社区的人群分布、住房类型和住房年限更加多样化，家庭收入和小汽车拥有率相对较低[64]，随着轨道站点开通，贫困社区更容易发生社会经济转变[65]，尤其面向由住房和公交衍生的其他公共服务，这种溢价效应可能加剧不同收入群体间的不平等[66]，导致低收入群体被动迁到外围地区，造成就业机会等福利损失。因此，轨道周边土地开发需统筹考虑溢价效应和住房支付能力。

3.4.3 交通服务均等化：推动轨道交通服务的规划创新

鉴于轨道交通的绅士化影响，若缺乏合理的公共设施配置和住房供应体系，TOD模式可能产生消极影响。因此，需要重视溢价效应对低收入群体的影响，保障轨道交通建设后配套公共服务的均等化及可及性。其中，公平的交通导向发展（equitable TOD，eTOD）成为一个可行的尝试。eTOD强调在轨道站点周边配置相应的基础设施和公共服务，提供更多工作机会与配套服务。在eTOD的构建上，轨道交通规划应提前考虑站点布局和用地方案的绅士化影响[67]，加强轨道交通、用地规划和公共服务配置的协调[68]。同时，针对住房可负担性和交通可达性增益之间的权衡关系，可加强轨道服务区内的密度奖励来配建各类保障性住房。事实上，在当前实施“限地价、限房价、竞配建”的政策，为优化轨道服务区的保障性住房建设提供了良好契机。最后，针对轨道溢价产生的绅士化效应，可优化供给体制来保障公共服务的总量均等、过程均等和结果均等。

4 结论与讨论

4.1 结论

轨道交通的溢价效应具有显著的时空差异。通过对轨道交通溢价效应实证文献的系统梳理，解析轨道交通沿线土地溢价的格局与过程，并且从情景因素和方法论因素构建较为全面系统的元分析回归模型，定量化探讨轨道交通差异化的溢价效应及其影响因素，有助于增强“轨道交通—土地溢价”动态复杂关系的解释能力。研究发现：（1）立足交通模式替代效应、土地开发演化效应，轨道交通能提升公交竞争力，优化周边土地利用结构、密度和强度，产生一定的溢价效应。不同情景因素与研究设计导致轨道交通溢价效应形成差异化结果。（2）元分析回归定量结果表明，评估对象、轨道交通成熟度、地理区位等情景因素对实证结果产生显著影响。在评估对象上，相较于土地价格，轨道对房产的溢价效应较低。商业用地对轨道可达性的提升较为敏感，溢价效应显著。在轨道交通类型及发展阶段上，地铁与轻轨的溢价效应类似，但单轨溢价效应较低。在地理区位上，亚洲和大洋洲城市轨道交通的溢价效应高于北美洲。在分析方法上，采用步行距离的溢价效应高于直线距离；相比常用的特征价格模型，采用多时期价格变化对比和局部线性回归测算的溢价效应较高，而双重差分模型的估计结果较低。立足城市轨道交通的社会效应和经济效应的双重属性，有必要深化理解轨道交通的溢价效应，一方面，通过合理的TOD规划设计和开发策略，推动轨道沿线的人口和经济集聚，促进经济效应。另一方面，又需要兼顾溢价效应可能带来的社会公平影响，通过合理的溢价捕获策略，促进轨道溢价外部效应的内部化，并且兼顾轨道导向的绅士化影响，通过轨道沿线保障房建设和公交补贴等形式，增强轨道服务的均等化与可及性。

4.2 讨论

鉴于轨道交通对土地溢价的复杂作用机制与结果，部分学者也开始引入元分析回归方法，尝试解释轨道交通溢价效应的差异化结果。例如，Mohammad等[11]在元分析回归模型中纳入了北美洲、欧洲和亚洲地区的案例，探讨情景因素与方法论因素如何影响轨道交通溢价效应的差异，并且尝试避免元分析回归的样本偏差问题。在国内，丁武龙等[69]通过元分析方法，定量分析轨道沿线相关环境因素和研究方法对溢价效应的影响。徐涛等[70]对溢价效应相关实证研究开展归纳和分析，从理论、现象及机制探讨了轨道交通溢价效应的差异性。与类似研究相比，本文从研究对象类型、报价类型、用地功能类型、结构特征（住房结构、邻里特征、CBD距离）、轨道交通类型、轨道交通成熟度、研究案例地理区位等情景因素，以及数据类型、轨道距离指标、分析方法、模型类型等方法论因素，构建了较为系统的元分析回归模型，有助于克服对轨道交通溢价效应差异化结果解释力不足的问题，具有一定的理论价值。例如，在轨道交通距离这一关键指标上，以往研究通常只评估距轨道站点直线距离对土地价格的影响[11,69,70]，部分文献开始采用其他距离指标而非直线距离衡量轨道交通可达性[71]。本文将步行距离、缓冲区距离、道路距离、网络距离、距离虚拟变量等多样化距离刻画方法纳入模型，并且样本量较之前研究相对较大，且涵盖了更丰富的地理区域，有助于克服样本偏差问题。此外，基于实证结果差异，从交通服务可持续性、交通服务可及性与交通服务均等化等提出针对性的规划政策响应，具有较为显著的实践价值，也是本文的贡献之一。
当然，本文也存在一定的不足之处，需要在后续研究进一步完善。（1）不同地区由于经济水平与发展阶段的不同，轨道交通溢价效应具有一定区别。在文献样本的选择时，所选研究案例地区难以全面涵盖且未能更加精细化地分类，如由于文献数量相对较少的原因，未能将非洲地区的相关实证结果纳入元分析回归模型。相较于其他相对发达地区，非洲各地区的轨道交通系统处于初步建设阶段，对房地产价格的影响可能更为显著，也有利于全面理解不同政治经济背景下轨道交通对房地产价格与市场的作用差异。（2）在核心解释变量的选取上仍可进一步丰富，以深度理解不同研究设计的实证结果区别。例如，在情景因素中增加实证研究的时间变量及发表年份变量，揭示在不同时期轨道交通增值作用的区别；在方法论因素中增加不同变量拟合结果的显著性特征，探讨不同研究设计下实证结果的显著性差别。随着城镇化进程的深入，轨道交通溢价效应越来越受到人口、土地、经济、交通基础设施、研究方法等多因素的复合影响。科学测度轨道交通溢价效应是推动土地溢价捕获、缓解财政压力、实现轨道交通可持续发展的基础。在未来研究中，基于特定的发展背景与趋势，基于新数据和新方法科学测度轨道交通的溢价效应，揭示轨道交通和房地产价格的动态异质性与非线性阈值影响，探究轨道交通溢价效应的影响边界，理解差异背后的动力机制，能为轨道交通服务可持续性、可及性、均等化以及TOD开发提供参考。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
金凤君, 陈卓. 1978年改革开放以来中国交通地理格局演变与规律. 地理学报, 2019, 74(10): 1941-1961.

DOI

[JIN F J, CHEN Z. Evolution of transportation in China since reform and opening-up: Patterns and principles. Acta Geographica Sinica, 2019, 74(10): 1947-1961.]

[2]
崔叙, 喻冰洁, 杨林川, 等. 城市轨道交通出行的时空特征及影响因素非线性机制: 基于梯度提升决策树的成都实证. 经济地理, 2021, 41(7): 61-72.

[CUI X, YU B J, YANG L C, et al. Spatio-temporal characteristics and non-linear influencing factors of urban rail transit: The case of Chengdu using the gradient boosting decision tree. Economic Geography, 2021, 411(7): 61-72.]

[3]
王迎, 张安录. 城市轨道交通土地价值增值时空效应及政府投资优先序: 基于价值捕获视角. 华中农业大学学报: 社会科学版, 2021, (2): 165-173, 184.

[WANG Y, ZHANG A L. Temporal and spatial effects of land value increment of urban rail transit and investment priority: From the perspective of government land value capture. Journal of Huazhong Agricultural University: Social Sciences Edition, 2021, (2): 165-173, 184.]

[4]
HUANG X Y, CAO X Y, YIN J B, et al. Can metro transit reduce driving? Evidence from Xi'an, China. Transport Policy, 2019, 81: 350-359.

DOI

[5]
MATHUR S. An evaluative framework for examining the use of land value capture to fund public transportation projects. Land Use Policy, 2019, 86: 357-364.

DOI

[6]
HENNEBERRY J. Transport investment and house prices. Journal of Property Valuation and Investment, 1998, 16(2): 144-158.

DOI

[7]
DEBREZION G, PELS E, RIETVELD P. The impact of railway stations on residential and commercial property value: A meta-analysis. The Journal of Real Estate Finance and Economics, 2007, 35(2): 161-180.

DOI

[8]
BOWES D R. Identifying the impacts of rail transit stations on residential property values. Journal of Urban Economics, 2001, 50(1): 1-25.

DOI

[9]
MULLEY C, MA L, CLIFTON G, et al. Residential property value impacts of proximity to transport infrastructure: An investigation of bus rapid transit and heavy rail networks in Brisbane, Australia. Journal of Transport Geography, 2016, 54: 41-52.

[10]
WAGNER G A, KOMAREK T, MARTIN J. Is the light rail "Tide" lifting property values? Evidence from Hampton Roads, VA. Regional Science and Urban Economics, 2017, 65: 25-37.

DOI

[11]
MOHAMMAD S I, GRAHAM D J, MELO P C, et al. A meta-analysis of the impact of rail projects on land and property values. Transportation Research Part A, 2013, 50: 158-170.

[12]
颜俨, 姚柳杨, 郎亮明, 等. 基于Meta回归方法的中国内陆河流域生态系统服务价值再评估. 地理学报, 2019, 74(5): 1040-1057.

DOI

[YAN Y, YAO L Y, LANG L M, et al. Revaluation of ecosystem services in inland river basins of China: Based on meta-regression analysis. Acta Geographica Sinica, 2019, 74(5): 1040-1057.]

DOI

[13]
张学珍, 赵彩杉, 董金玮, 等. 1992—2017年基于荟萃分析的中国耕地撂荒时空特征. 地理学报, 2019, 74(3): 411-420.

DOI

[ZHANG X Z, ZHAO C S, DONG J W, et al. Spatio-temporal pattern of cropland abandonment in China from 1992 to 2017: A meta-analysis. Acta Geographica Sinica, 2019, 74(3): 411-420.]

DOI

[14]
邓金玲, 尹海伟, 仇是, 等. 雨洪管理措施的水环境效应差异: 基于Meta的中国案例分析. 自然资源学报, 2021, 36(3): 771-782.

DOI

[DENG J L, YIN H W, QIU S, et al. Water environmental response under varying implication of stormwater management measures: Based on cases in China. Journal of Natural Resources, 2021, 36(3): 771-782.]

DOI

[15]
GLASS G V. Primary, secondary, and meta-analysis of research. Education Research, 1976, 5(6): 3-8.

[16]
崔智敏, 宁泽逵. 定量化文献综述方法与元分析. 统计与决策, 2010, (19): 166-168.

[CUI Z M, NING Z K. Quantitative literature review methods and meta-analysis. Statistics & Decision, 2010, (19): 166-168.]

[17]
许骞骞, 曹先磊, 孙婷, 等. 中国森林碳汇潜力与增汇成本评估: 基于Meta分析方法. 自然资源学报, 2022, 37(12): 3217-3233.

DOI

[XU Q Q, CAO X L, SUN T, et al. Assessment of forest carbon sequestration potential and the cost of increasing carbon sequestration in China: Based on meta-analysis method. Journal of Natural Resources, 2022, 37(12): 3217-3233.]

DOI

[18]
杨超, 宋维明, 戴永务. 空间异质性视角下中国制造业集聚度测算差异研究. 统计与信息论坛, 2016, 31(9): 28-33.

[YANG C, SONG W M, DAI Y W. Differential analysis of China's manufacturing agglomeration level measurement in the perspective of spatial heterogeneity. Journal of Statistics and Information, 2016, 31(9): 28-33.]

[19]
CAMINS-ESAKOV J, VEGRIFT D. Impact of a light rail extension on residential property values. Research in Transportation Economics, 2018, 67: 11-18.

DOI

[20]
刘蓓佳. 轨道交通的土地溢价回收研究: 以重庆为例. 重庆: 西南大学, 2017.

[LIU B J. Land value capture along urban rail transit: The case of Chongqing. Chongqing: Southwest University, 2017.]

[21]
LITMAN T. Evaluating rail transit benefits: A comment. Transport Policy, 2007, 14(1): 94-97.

DOI

[22]
李琬, 但波, 孙斌栋, 等. 轨道交通对出行方式选择的影响研究: 基于上海市80后微观调查样本的实证分析. 地理研究, 2017, 36(5): 945-956.

DOI

[LI W, DAN B, SUN B D, et al. The influence of rail transit accessibility on the shift of travel modal choice: Empirical analysis based on the micro survey of the 1980s generation in Shanghai. Geographical Research, 2017, 36(5): 945-956.]

DOI

[23]
HUANG X Y, CAO X Y, CAO X S, et al. How does the propensity of living near rail transit moderate the influence of rail transit on transit trip frequency in Xi'an?. Journal of Transport Geography, 2016, 54: 194-204.

DOI

[24]
林雄斌, 杨家文, 陶卓霖, 等. 交通投资、经济空间集聚与多样化路径: 空间面板回归与结构方程模型视角. 地理学报, 2018, 73(10): 1970-1984.

DOI

[LIN X B, YANG J W, TAO Z L, et al. Transport investment, economic spatial aggregation, and multiple paths: A joint estimation by spatial panel and structural equation modeling. Acta Geographica Sinica, 2018, 73(10): 1970-1984.]

DOI

[25]
谭琦川, 黄贤金. 城市土地利用与交通相互作用(LUTI)研究进展与展望. 中国土地科学, 2018, 32(7): 81-89.

[TAN Q C, HUANG X J. Research progress and prospect on urban land use-transport interaction (LUTI). China Land Science, 2018, 32(7): 81-89.]

[26]
HURST N B, WEST S E. Public transit and urban redevelopment: The effect of light rail transit on land use in Minneapolis, Minnesota. Regional Science and Urban Economics, 2014, 46: 57-72.

[27]
BHATTACHARJEE S, GOETZ A R. The rail transit system and land use change in the Denver metro region. Journal of Transport Geography, 2016, 54: 440-450.

DOI

[28]
林雄斌, 刘健, 田宗星, 等. 轨道交通引导用地密度与地价的时空效应: 以深圳市为例. 经济地理, 2016, 36(9): 27-34.

[LIN X B, LIU J, TIAN Z X, et al. The temporal-spatial effects of rail transit on development density and land value: A case study of Shenzhen, China. Economic Geography, 2016, 36(9): 27-34.]

[29]
AHMAD S, AVTAR R, SETHI M, et al. Delhi's land cover change in post transit era. Cities, 2016, 50: 111-118.

DOI

[30]
MULLEY C, TSAI C P, MA L. Does residential property price benefit from light rail in Sydney?. Research in Transportation Economics, 2018, 67: 3-10.

DOI

[31]
LIANG X J, LIU Y L, QIU T Q, et al. The effects of locational factors on the housing prices of residential communities: The case of Ningbo, China. Habitat International, 2018, 81: 1-11.

DOI

[32]
DEWEES D N. The effect of a subway on residential property values in Toronto. Journal of Urban Economics, 1976, 3(4): 357-369.

DOI

[33]
庄焰, 郑贤. 轨道交通对站点周边商业地价的影响. 中国土地科学, 2007, 21(4): 38-43.

[ZHUANG Y, ZHENG X. Impact of subway stations on commercial land prices. China Land Science, 2007, 21(4): 38-43.]

[34]
张维阳, 李慧, 段学军. 城市轨道交通对住宅价格的影响研究: 以北京市地铁一号线为例. 经济地理, 2012, 32(2): 46-65.

[ZHANG W Y, LI H, DUAN X J. The impacts of rail transit on property values: The case of No. 1 Line in Beijing. Economic Geography, 2012, 32(2): 46-65.]

[35]
MATHUR S, FERRELL C. Measuring the impact of sub-urban transit-oriented developments on single-family home values. Transportation Research Part A, 2013, 47: 42-55.

[36]
CAO X Y, PORTER-NELSON D. Real estate development in anticipation of the green line light rail transit in St. Paul. Transport Policy, 2016, 51: 24-32.

DOI

[37]
郑云坚, 程熙镕, 王泽宇. 城市轨道交通通达性对二手房价格的影响:基于门限模型的实证分析. 福建论坛: 人文社会科学版, 2017, (6): 27-32.

[ZHANG Y J, CHENG X R, WANG Z Y. The impact of urban rail transit accessibility on the price of second-hand housing: Empirical analysis based on threshold model. Fujian Tribune, 2017, (6): 27-32.]

[38]
ZHAO L Y, SHEN L. The impacts of rail transit on future urban land use development: A case study in Wuhan, China. Transport Policy, 2019, 81: 396-405.

DOI

[39]
冯友建, 陈天一. 基于SEM模型的轨道交通对住宅价格的空间效应: 以杭州市为例. 浙江大学学报: 理学版, 2020, 47(1): 115-122.

[FENG Y J, CHEN T Y. The spatial effect of rail transit on residential prices based on SEM model: A case study of Hangzhou. Journal of Zhejiang University: Science Edition, 2020, 47(1): 115-122.]

[40]
XU T, ZHANG M, ADITJANDRA P T. The impact of urban rail transit on commercial property value: New evidence from Wuhan, China. Transportation Research Part A, 2016, 91: 223-235.

[41]
SHARMA R, NEWMAN P. Can land value capture make PPP's competitive in fares? A Mumbai case study. Transport Policy, 2018, 64: 123-131.

DOI

[42]
WANG Y M, FENG S W, DENG Z W, et al. Transit premium and rent segmentation: A spatial quantile hedonic analysis of Shanghai Metro. Transport Policy, 2016, 51: 61-69.

DOI

[43]
LI Z. The impact of metro accessibility on residential property values: An empirical analysis. Research in Transportation Economics, 2018, 70: 52-56.

DOI

[44]
FENG Q, TONG Q M. A spatial difference-in-differences approach to evaluate the impact of light rail transit on property values. Economic Modelling, 2021, 99: 105496, Doi: 10.1016/j.econmod.2021.03.015.

[45]
KE Y, GKRITZA K. Light rail transit and housing markets in Charlotte-Mecklenburg county, North Carolina: Announcement and operations effects using quasi-experimental methods. Journal of Transport Geography, 2019, 76: 212-220.

DOI

[46]
LE H, LIM W L, LEONG W Y. Land enhancement and intensification benefits of investing in an urban rail network. Research in Transportation Economics, 2018, 69: 512-522.

DOI

[47]
CERVERO R, KANG C D. Bus rapid transit impacts on land uses and land values in Seoul, Korea. Transport Policy, 2011, 18(1): 102-116.

DOI

[48]
唐文彬, 肖秋菱, 颜红艳, 等. 城市轨道交通沿线住宅租金的空间分异分析: 以长沙市地铁1号线、2号线和4号线为例. 经济地理, 2021, 41(7): 100-108.

[TANG W B, XIAO Q L, YAN H Y, et al. Spatial differentiation of residential rents along urban rail transit: The case of Metro Line 1, Line 2 and Line 4 in Changsha. Economic Geography, 2021, 41(7): 100-108.]

[49]
姚敏峰, 秦昱晨, 石磊, 等. 城市设计视角下的市郊铁路站域商业溢价效应研究. 交通运输系统工程与信息, 2022, 22(5): 37-46.

[YAO M F, QIN Y C, SHI L, et al. Commercial premium effect of suburban railroad station area from urban design perspective. Journal of Transportation Systems Engineering and Information Technology, 2022, 22(5): 37-46.]

[50]
马超群, 杨富社, 王玉萍, 等. 轨道交通对沿线住宅房产增值的影响. 交通运输工程学报, 2010, 10(4): 91-96.

[MA C Q, YANG F S, WANG Y P, et al. Impact of rail transit on price increase of residential real estate. Journal of Traffic and Transportation Engineering, 2010, 10(4): 91-96.]

[51]
DING C, CAO X Y, DONG M X, et al. Non-linear relationships between built environment characteristics and electric-bike ownership in Zhongshan, China. Transportation Research Part D, 2019, 75: 286-296.

DOI

[52]
YANG J W, CAO J, ZHOU Y F. Elaborating non-linear associations and synergies of subway access and land uses with urban vitality in Shenzhen. Transportation Research Part A, 2021, 144: 74-88.

[53]
YANG J W, SU P R, CAO J. On the importance of Shenzhen metro transit to land development and threshold effect. Transport Policy, 2020, 99: 1-11.

DOI

[54]
KO K C X J. The impact of Hiawatha light rail on commercial and industrial property values in Minneapolis. Journal of Public Transportation, 2013, 16(1): 47-66.

[55]
ZHANG M, XU T. Uncovering the potential for value capture from rail transit services. Journal of Urban Planning and Development, 2017, 143(3): 04017006, Doi: 10.1061/(ASCE)UP.1943-5444.0000383.

[56]
郑燕巧, 焦世泰, 张晓奇. 城市结构对轨道交通系统与房地产价格关系的影响: 以北京、杭州、南京、成都4个城市为例. 经济地理, 2019, 39(6): 75-85.

[ZHENG Y Q, JIAO S T, ZHANG X Q. Impact of urban structure on subway system and real estate price: Evidence from Beijing, Hangzhou, Nanjing and Chengdu. Economic Geography, 2019, 39(6): 75-85.]

[57]
MULLEY C, TSAIC P. When and how much does new transport infrastructure add to property values? Evidence from the bus rapid transit system in Sydney, Australia. Transport Policy, 2016, 51: 15-23.

DOI

[58]
LIN B Q, DU Z L. Can urban rail transit curb automobile energy consumption?. Energy Policy, 2017, 105: 120-127.

DOI

[59]
林雄斌, 杨家文, 段阳, 等. 轨道交通周边土地溢价捕获的制度安排与实施机制: 全球经验及其中国启示. 中国软科学, 2022, (5): 87-97.

[LIN X B, YANG J W, DUAN Y, et al. Institutional arrangement and operating mechanism of land value capture to finance urban rail transit: Global experiences and China practices. China Soft Science, 2022, (5): 87-97.]

[60]
WANG J S, SAMSURA D A A, KRABBEN E V D. Institutional barriers to financing transit-oriented development in China: Analyzing informal land value capture strategies. Transport Policy, 2019, 82: 1-10.

DOI

[61]
PENG Y T, LI Z C, CHOI K. Transit-oriented development in an urban rail transportation corridor. Transportation Research Part B, 2017, 103: 269-290.

DOI

[62]
MATHUR S, SMITH A. Land value capture to fund public transportation infrastructure: Examination of joint development projects' revenue yield and stability. Transport Policy, 2013, 30: 327-335.

DOI

[63]
JOBLACK K, RICHARDS M. Eco-gentrification and who benefits from urban green amenities: NYC's high Line. Landscape and Urban Planning, 2020, 204: 103900, Doi: 10.1016/j.landurbplan.2020.103900.

[64]
ALESSANDOR R, JEREMY N. Green gentrification or 'just green enough': Do park location, size and function affect whether a place gentrifies or not?. Urban Studies, 2020, 57(2): 402-420.

DOI

[65]
NILSSON I, DELMELLE E. Transit investments and neighborhood change: On the likelihood of change. Journal of Transport Geography, 2018, 66: 167-179.

DOI

[66]
KRAMER A. The unaffordable city: Housing and transit in North American cities. Cities, 2018, 83: 1-10.

DOI

[67]
CHEN Y, YUE W Z, ROSA D L. Which communities have better accessibility to green space? An investigation into environmental inequality using big data. Landscape and Urban Planning, 2020, 204: 103919, Doi: 10.1016/j.landurbplan.2020.103919.

[68]
宋启林. 我国城市交通运输系统规划建设与城市土地规划利用. 中国土地科学, 2000, 14(1): 41-44.

[SONG Q L. China's urban transportation system planning and construction and urban land planning and utilization. China land science, 2000, 14(1): 41-44.]

[69]
丁武龙, 胡昊. 基于Meta回归分析的轨道交通沿线土地物业增值研究. 重庆交通大学: 自然科学版, 2014, 33(4): 110-116.

[DING W L, HU H. Rail transit's impact on land and property value based on meta-regression analysis. Journal of Chongqing Jiaotong University: Natural Science, 2014, 33(4): 110-116.]

[70]
徐涛, 陶姣. 轨道交通溢价效应差异性: 理论、现象及机制. 现代城市研究, 2020, (9): 116-123.

[XU T, TAO J. Research on the urban rail access premium variety: Theory, phenomenon and mechanism. Modern Urban Research, 2020, (9): 116-123.]

[71]
冯长春, 李维瑄, 赵蕃蕃. 轨道交通对其沿线商品住宅价格的影响分析: 以北京地铁5号线为例. 地理学报, 2011, 66(8): 1055-1062.

[FENG C C, LI W X, ZHAO F F. Influence of rail transit on nearby commodity housing prices: A case study of Beijing subway line five. Acta Geographica Sinica, 2011, 66(8): 1055-1062.]

DOI

Options
Outlines

/

〈 〉