城市更新項目對周邊住房價格的影響研究：來自北京市東城區的實證經驗

周 霞，胡 明

（北京建筑大學 城市經濟與管理學院，北京 100044，E-mail：1873833457@qq.com）

隨著國家經濟發展進入新常態，城鎮化也進入增速趨緩時期，我國的城市發展模式也由過去的外延式增量發展向內涵式存量發展演進轉化[1]。黨的二十大報告指出：“實施城市更新行動，加強城市基礎設施建設，打造宜居、韌性、智慧城市”。在當前城市發展的宏觀背景下，實行城市更新行動是實現城市發展新舊動能轉化，城市空間高效利用，區域經濟高質量發展的必經之路。具體到北京市，2016 年發布的《北京城市總體規劃（2016 年—2035年）》首次提出“減量發展”理念，在“減量雙控”背景下城市存量空間的盤活、再利用成為北京城市更新的新方向[2]。城市更新具有明顯的經濟外部性，可通過盤活存量資產、調整產業結構、帶動消費升級等方式提升周邊土地價值并體現在房價上。

近年來國內外學者對此類現象開展了豐富的研究和探討。很多學者認為城市更新可通過改善人居環境、提升城市品質，對臨近的房屋價格產生顯著正外部性[3]。在研究區域上，關于意大利、美國弗吉尼亞州、中國臺北市等區域的實證研究結果已經證明城市更新能帶來周邊住房價格的顯著上升[4~7]。在研究方法上，現有研究主要采取工具變量法[3]、雙重差分法[8]、空間杜賓模型[9]等方法衡量城市更新項目對周邊住房價格的溢出效應，并發現該效應在時間上顯著增長，在空間上隨距離逐漸減弱。然而，也有部分研究表明，城市更新可能產生負外部性，進而對周邊房價產生負效應或不顯著效應。中國香港及法國等區域的實證研究表明，高價值區域的更新項目，可能因為缺乏合理規劃、項目選址問題等原因，降低周邊土地的再開發價值，進而對周邊房屋價值產生負效應[10]。

現有關于城市更新項目產生的外部性效應研究主要集中于棚戶區改造[11]、城中村改造[12]、老舊小區改造[13]、老舊廠房改造[14]及老工業區搬遷改造[15]，鮮有研究探討產業類城市更新項目的外部性效應。故本文以北京市東城區為研究區域，通過基于特征價格模型的雙重差分法探究北京隆福大廈及隆福寺北里項目更新改造前后對周邊房價的溢出效應，并在此基礎上進一步分析其溢出效應產生的空間異質性。

1 研究區域、數據來源及研究方法

1.1 研究區域

東城區作為首都功能核心區的重要組成部分，其肩負著疏解非首都功能，疏解騰退空間資源統籌利用，實現老城保護與更新，傳承文化基因及完善城市服務功能的重要作用。此外，相較以往研究所選區域，東城區還存在歷史文化遺產豐富、城市公共設施集中等特點，這對我國其他區域老城的更新與發展具有參考價值。

本文所選案例為北京隆福大廈及隆福寺北里更新改造項目，該項目因其實現了老舊樓宇提質增效，保留隆福寺歷史軸線及建筑風貌，保留老城城市記憶，強化老城整體空間形態，成功激活老城新活力，而被評為北京城市更新最佳實踐之一。該項目一期于2019 年8 月正式運營，且該區域至今仍保持100%的出租率。

1.2 數據來源

（1）二手房掛牌交易數據。本文從鏈家二手房交易網站爬取了北京市東城區2015—2022 年的二手房掛牌交易數據，具體包括住房所在小區名、掛牌價格、建筑面積、建成年代、裝修程度、臥室數量及梯戶比等建筑特征數據。

（2）POI 數據。本文通過高德地圖及騰訊地圖獲取了北京市東城區地鐵站、三甲醫院、小學、公園等公共設施的POI 數據，將其導入到地理信息系統軟件Arcgis10.8 中，并通過Arcgis 軟件的點距離功能計算各小區到相應公共設施的最短歐氏距離。

1.3 研究方法及模型設定

1.3.1 研究方法

特征價格模型是一種結合消費者理論及供需均衡模型的處理異質產品差異特征與產品價格間關系經常采用的模型，該模型在國內外被廣泛應用于房地產領域[16]。但通過特征價格模型回歸分析易遇到遺漏變量帶來的內生性問題，雙重差分法可有效克服該問題。故本文基于特征價格模型，采用雙重差分法識別產業類城市更新項目對周邊房價的溢出效應，并以此探究其溢出效應產生的空間異質性。

1.3.2 模型設定

依據特征價格模型，住宅價格主要由建筑特征、區位特征及鄰里條件三方面決定，并最終以市場交易價格的方式表現出來。本文的特征價格模型如下式：

式中，pricei表示住宅每平方米的價格；Ji、Qi、Li分別表示住宅的建筑特征、區位特征及鄰里特征；η表示未知變量；ξi表示隨機誤差項。

結合雙重差分模型，可將基準模型設置為下式：

式中，i表示掛牌出售住宅所在小區，t表示年份。treatedi為分組虛擬變量，處于城市更新改造項目影響范圍內的小區作為實驗組，treatedi=1；影響范圍以外的小區為控制組，treatedi=0。timet為時間虛擬變量，若二手房交易時間在項目建成前，timet=0；若二手房交易時間在項目建成后，timet=1。γt表示時間固定效應；μi表示個體固定效應；Xit為控制變量，包括住宅的建筑特征、區位特征及鄰里特征3個維度。參考Lee 等[6]和張紅麗等[14]的研究，將項目半徑900m 范圍內的二手房交易樣本作為實驗組，將項目半徑900m 以外的二手房交易樣本作為控制組。本文重點關注treatedi×timet交互項的系數β1，該系數反映城市更新項目對周邊住房價格影響的凈效應，若β1顯著為正，則說明產業類城市更新項目對周邊住宅價格有提升作用。

1.4 變量選取

本文的被解釋變量為北京市東城區二手房掛牌交易價格。為減少模型共線性及異方差影響，將對樣本交易總價除以房屋建筑面積得到的每平米交易價格作為被解釋變量price。核心解釋變量為treatedi×timet交互項，其交互項系數β1反應了城市更新項目改造前后對周邊房價的影響程度。本文的控制變量從建筑特征、區位特征及鄰里條件3 個方面進行選??；建筑特征方面選取臥室數、建筑面積、建設年代、裝修程度、梯戶比5 個變量；區位特征方面選取到城市中心的距離、到CBD 的距離兩個變量；鄰里條件方面選取到最近地鐵站的距離、到最近醫院的距離、到最近的購物商場距離及到最近公園的距離4 個變量。具體的變量符號以及量化方式如表1 所示。

表1 變量說明

2 實證分析

2.1 描述性統計

從表2 的描述性統計中可發現，以隆福大廈及隆福寺北里為中心，處于研究區域的二手房交易樣本總量為734，研究樣本中的二手房交易價格均值為10.22。

表2 主要變量的描述性統計

2.2 基準回歸

表3 為本文的基準回歸結果，其中第（1）~（3）列采用了混合OLS 方式進行回歸，第（4）~（6）列則是采取式（2）進行了雙固定效應模型回歸。第（1）列為只加入了核心解釋變量為treatedi×timet交互項的回歸結果，treatedi×timet交互項系數為正并在1%水平上顯著，說明本研究實驗組房價漲幅提升高于控制組，表明產業類城市更新改造項目會對周邊二手房交易價格產生正外部性。第（2）列是在第（1）列的基礎上加入了建筑特征控制變量，本文核心解釋變量系數依舊在1%水平下顯著。第（3）列為再加入鄰里特征、區位特征等控制變量后的結果，核心解釋變量系數依舊穩健。第（4）~（6）列則控制了個體、時間效應，使得模型可以更好克服遺漏變量及內生性等問題。第（4）~（6）列除回歸模型不同外，重復了第（1）~（3）列的過程，得到的treatedi×timet交互項系數保持5%及以上的水平下顯著，排除了個體差異及隨時間自然變化變量產生的非因果關系帶來的顯著性，證明城市更新改造項目對周邊住房價格產生顯著正效應。

表3 基準回歸結果

對于控制變量的結果，建筑面積變量系數顯著為負，而研究區域建筑面積均值為70m2，可見建筑面積過大可能對住宅交易價格產生負效應，此外由于東城核心區域建筑面積普遍較少，低面積住房的高價格可能也是造成該系數為負的原因。裝修程度變量系數顯著為正，這說明裝修程度越高的住宅交易價格也會相對較高，而梯戶比變量系數顯著為負，這與以往的常識不符。通常，人們認為梯戶比越高，居民進出單元更加方便，房屋交易價格也應較高。本文認為由于大量老舊小區聚集于東城高房價區域，且其通常為低梯戶比小區，這就造成了交易價格較高的小區梯戶比較低，進而使得該變量系數呈現負值。關于區位條件的相關解釋變量由于大量公園、商場、學校等建于2015 年前，故區位變量數據多為截面數據，其在雙固定效應模型中因共線性而被排除在外。對于地鐵站區位變量，由于美術館及金魚胡同站分別于2018 年、2021 年投入使用，所以地鐵區位變量存在面板數據特征，該變量顯著為負，說明到最近地鐵站距離對住房價格產生了負效應，即到最近地鐵站的距離越遠，二手房交易價格越低。

2.3 穩健性檢驗

2.3.1 更換回歸模型

通過更換回歸模型，采用隨機效應模型及固定效應模型可初步進行該研究設計的穩健性檢驗。如表4 所示，核心解釋變量treatedi×timet交互項系數均在1%的水平下顯著為正，說明本文結果在更換回歸模型的情況下具有穩健性。

表4 隨機效應及固定效應回歸結果

2.3.2 平行趨勢檢驗

使用雙重差分法進行研究的前提是實驗組和控制組具有平行變化的趨勢，故需對比政策實施前后實驗組與對照組變化趨勢。借鑒錢雪松等[17]的方法，通過計算實驗組與對照組各年被解釋變量均值，繪制二手房交易價格的時期趨勢圖，并由圖1所示得到實驗組和對照組在2019 年前存在共同的平行增長趨勢。

圖1 平行趨勢檢驗圖

2.3.3 更換實驗組

將實驗組范圍由半徑900m 調整至1000~1300m，并進行雙固定效應回歸，其結果如表5所示。treatedi×timet交互項系數均在5%及以上水平下顯著為正，說明本文在調整實驗組范圍后依舊穩健。

表5 更換實驗組回歸結果

2.4 空間異質性分析

基于以往學者關于城市更新產生空間異質性的分析及穩健性檢驗中更改實驗組范圍得到的treatedi×timet交互項系數，這部分將以50m、100m、150m 為距離跨度進行分組回歸，分別記錄得到的treatedi×timet交互項系數，如圖2 所示。

圖2 交互項系數變化趨勢圖

本文將距離跨度劃分為50m、100m、150m的原因有以下兩點：一是因為東城的街區相比以往研究較緊湊，且研究樣本點間距離較近；二是以往研究通常采取400m及以上的大尺度劃分方式，而此方式不適合該區域。此外，本文通過細致的距離劃分可更精準分析該區域的空間異質性[14]。

由圖2 可見，產業類城市更新項目對周邊二手房價格的影響，整體上隨社區到項目距離的增加而逐漸減弱，但本文中treatedi×timet交互項系數并非線性減小，而是先減小至1000m 的范圍后增加到1200m 的峰值，再隨著距離增加而減少，并在1300m外斷崖式減小而趨于平緩。出現上述結果的原因：一是因為研究區域內各類配套公共設施種類、數量豐富且覆蓋范圍較廣，各類公共設施帶來了復雜的空間疊加效應；二是因為本文對POI 數據的使用不夠精細，西單、王府井等遠超商業屬性的標志性建筑或區域產生的影響遠超其作為購物商城帶來的鄰里特征影響；三是學區房效應，高喆等[18]的研究表明學區房對周邊住宅價格的影響已超過了傳統區位、鄰里特征的影響，且學區房除了受到最近學校距離的因素影響外還受其他因素影響。

3 建議

（1）由于城市更新項目對周邊住房價格產生顯著的溢出效應，且該效應同時受建筑特征、區域條件、鄰里條件三方面的影響，所以，政府應該充分考慮到上述三方面因素及城市更新項目對周圍房地產市場可能造成的復合影響，合理安排實施城市更新行動的時間與進度。

（2）由于城市更新項目對區域房地產市場存在空間異質性，且該效應存在波動性，證明有潛在的因素未得到充分識別。所以政府應當注意城市更新項目帶來的空間異質性，科學合理地進行項目選址，同時重視城市更新項目帶來的潛在性影響，預先制定相應的調控政策，并通過小規模、漸進式、可持續的城市更新策略，保障國內房地產市場的行穩致遠。

4 結語

本文研究發現，產業類城市更新改造項目會對其所在區域周邊的住房價格帶來顯著空間溢出效應，且該結論通過多項穩健性檢驗；此外，產業類城市更新項目對周邊房價存在空間異質性，結果表明產業類城市更新項目對周邊房價的影響會隨著距離的增加而逐漸減弱，通過城市更新項目對房價的空間異質性分析，發現該項目溢出效應空間分布的波動性，出現該現象可能因為研究區域公共設施產生的疊加效應、標志性建筑帶來的空間異質性及學區房效應。未來研究，一方面可從城市更新項目及其所在城市的類別進行拓展；另一方面針對空間波動性現象可從公共設施、標志性建筑、學區房區位條件等因素出發，探究其對城市更新項目周邊住房價格的影響程度及機制。