社區步行通達性對獨棟住宅房價的效益評估
——美國德克薩斯州奧斯丁市空間特征分析

李 威，Kenneth Joh，Chanam Lee，Jun-Hyun Kim，Han Park，Ayoung Woo 著，張斯陽 譯

(1.德州農工大學建筑學院景觀建筑和城市規劃系，德克薩斯州大學城77843-3137，美國；2.德州交通研究所，德克薩斯州大學城77843-3135，美國；3.中國城市規劃設計研究院，北京100037)

社區步行通達性對獨棟住宅房價的效益評估
——美國德克薩斯州奧斯丁市空間特征分析

李 威1,2，Kenneth Joh1,2，Chanam Lee1，Jun-Hyun Kim1，Han Park1，Ayoung Woo1著，張斯陽3譯

(1.德州農工大學建筑學院景觀建筑和城市規劃系，德克薩斯州大學城77843-3137，美國；2.德州交通研究所，德克薩斯州大學城77843-3135，美國；3.中國城市規劃設計研究院，北京100037)

通過分析美國德克薩斯州奧斯丁市2010—2012年獨棟住宅的銷售價格，以街道智慧步行指數(Street Smart Walk Score)和人行道密度(Sidewalk Density)作為衡量指標，研究社區步行通達性對房價的影響。使用Cliff-Ord空間特征模型(即廣義空間模型，General Spatial Model，或者SAC)控制空間自相關影響。結果表明：在依賴小汽車的社區通過增加設施可達性來提升步行通達性的舉措并不能提高房價；增加人行道也只能最小限度地提高房價。投資社區便利設施和人行道對適宜步行社區的房價提升效果比依賴小汽車的社區顯著。

Cliff-Ord空間特征模型；廣義空間模型(SAC)；房價；步行指數；適宜步行社區；步行通達性；空間自相關；空間特征模型

0 引言

交通規劃師和決策者長期致力于通過提高社區的步行通達性追求精明增長的目標，削減高碳排放交通量，并提升公眾健康狀況。大量已有的不同領域研究均記載了社區步行通達性對健康及環境的效益。一些研究評估建成環境對身體活動以及公眾健康的影響[1-3]。適宜步行的社區具有網絡化人行道、大量街道交叉口、混合用地、多種目的地以及較小街區尺度等特征，這些與更高水平的身體活動正相關[4-13]，與體重過高或肥胖負相關[14-15]，有利于心理健康[16-17]并可提高社會資本[17]。此外，步行作為一種主動交通方式，有助于增強個體的健康并降低患心血管疾病、抑郁、甚至某些類型癌癥的風險[18-19]。

盡管步行的健康及環境效益已被規劃師廣泛了解，然而步行通達性對住宅價值等經濟效益的影響卻鮮為人知。近年，城市對步行和公共交通導向型發展的市場需求均在提高，反映了變化的人口結構和偏好[20-21]。眾所周知，此類開發建設在美國相對匱乏[22-23]，具備步行導向型設計要素的社區住宅應有更高的銷售價格[24]，因此可從房產稅中提取急需的財政收入用以資助步行、自行車以及公共交通項目。在財政緊縮的當今時代，此機制能激發城市投資步行設施并增加主動出行。確定優先投資地區(例如缺少人行道的緊湊社區)有助于城市從房地產業步行通達性的溢價中獲取最大效益。

本研究運用空間特征分析方法分析美國德克薩斯州奧斯丁市2010—2012年獨棟住宅的銷售價格，評估步行通達性對住宅房價的影響。主要評價指標是街道智慧步行指數(Street Smart Walk Score,SSWS)，基于至便利設施的步行距離和交叉口密度、街區長度等道路連續性度量指標評價社區便利設施可達性。作為補充，本研究還評估了人行道密度(Sidewalk Density,SWD)對房價的影響。基于多項社會人口因素以及社區安全性、步行事故率等地區環境特征，分析街道智慧步行指數和人行道密度的重要性。

本研究運用Cliff-Ord空間特征模型①以控制空間自相關的影響。研究結果可幫助地方和州政府更好地理解社區可達性促進政策和投資步行設施對經濟的影響。

1 文獻綜述

已有社區步行通達性和建成環境的研究是基于對建成環境的客觀衡量和感知評價[26]。客觀指標運用地理空間分析工具測量建成環境特征，例如便利設施密度、目的地臨近度、街道連續性以及人行道密度。在此類別中，步行指數(Walk Score,walkscore.com)被公眾及房地產業人士廣泛應用，使用社區便利設施可達性表征社區步行通達性[19,27-29]。傳統步行指數(classic Walk Score,CWS)考慮了便利設施的歐氏距離(Euclidean distances)而非建成環境的物理特性，例如街道連續性和人行道可用性。近期發布的街道智慧步行指數算法綜合考慮出行路徑和距離，以及交叉口密度和街區長度這兩種街道連續性指標。另一些研究采用自行設計的客觀步行通達性衡量指標，包括混合用地(特定范圍內若干建設類型)、街道連續性(交叉口密度)以及居住密度[26,30]。

步行指數(包括傳統步行指數和街道智慧步行指數)比其他客觀和基于觀測的指標及調查手段在簡便性和公眾可參與性方面更具優勢(例如，步行指數對美國、加拿大、澳大利亞的所有地區開放)。Walkscore.com還為移動設備用戶提供應用程序，方便用戶得到任何地方的出行指數，這也進一步提升了其廣泛性。盡管步行指數具有簡便性和廣泛性，其作為一種步行通達性評價指標還是有一定的局限性，因為它主要測量社區居民至目的地的可達性，不能綜合反映對步行出行產生影響的建成環境指標，例如密度、混合用地、街道連續性以及至公共交通的距離[31-34]。盡管有這些局限，但是街道智慧步行指數將交叉口密度、街區平均長度等街道連續性指標納入考量，可作為評價步行通達性的可靠指標，因為至目的地(尤其是附近的零售和購物)的可達性是步行出行的一個決定因素[35-36]。為進一步支持結論，本研究還在特征分析中運用其他指標，例如居住和就業崗位密度、臨近公共交通車站等社區便利設施、場地和街道設計。

步行通達性的經濟效益在最近的研究中已被忽視。大多數先前的研究聚焦于公共交通周邊建設影響或與步行及公共交通導向型發展(TOD)相關的經濟效益[20]。文獻[19]是最早調查步行通達性價值的研究之一，認為步行通達性的影響可以通過消費者成本節約、用地效率提升、醫療成本節約、經濟發展水平來提升來評估。一些研究者基于該觀點探尋更為具體的要素，例如文獻[37]運用成本效益分析方法評價建成環境投資的健康效益。來自布魯金斯學會(Brookings Institution)的一項近期研究表明，適宜步行的社區可創造多種經濟效益，例如較高的居住和商業地價、較高的零售業稅收以及較低的本地居民交通成本[38]。文獻[39]運用價格特征方法分析多種促進步行的環境因素促進要素對房價的影響，發現開發強度越高會導致房價越高，步行設施和混合用地會帶來租房價格的提升。

大量文獻應用價格特征方法分析TOD的可達性效益[24,40-42]。然而，這些研究大多關注至公共交通的距離而非步行設計和用地多樣性等TOD的基本要素。鮮有研究應用價格特征方法分析步行通達性對房價的影響。盡管如此，有少量研究曾應用該方法研究至社區目的地的可達性。例如，文獻[42]發現，越臨近社區商業中心和商鋪，房價越高。有證據表明街道設計也會影響房價；一些研究表明，方格網狀和街道相互連通的社區有更高的房價，尤其是在臨近公共交通的區域[43-44]。

在應用步行指數作為步行通達性測量指標的研究中，文獻[27-29]通過價格特征方法分析步行指數的變化如何影響房價。這些研究的評估結果顯示，步行指數對住宅價值[27,29]和商鋪價值[28]均有積極影響。然而，這些結論可能存在由空間自相關影響(Spatial Autocorrelation Effects,SAE)造成的偏差。通常，空間自相關影響存在于單棟住宅價值受周邊社區房價或特定要素影響的樣本中；特征模型中的遺漏變量也可能是空間相關的，會導致誤差項的空間自相關[45]。若無法控制空間自相關影響，可能會造成偏差或矛盾的評價結果[46]。除應用改進版步行指數，本研究通過解決上述模型問題努力改進評價步行通達性的經濟效益的方法。

2 數據

本研究分析了德克薩斯州奧斯丁市2010年1月—2012年11月21 686個獨棟住宅的銷售價格。德克薩斯州首府奧斯丁市是美國第11大城市，2012年人口842 592人，是美國發展最快的城市之一[47]。表1統計了本研究所選用的變量。根據特征分析的要求，本研究分析了不超過3年的數據，以避免影響市場均衡假設的風險[48]。

2.1 住宅數據

住宅銷售變量基于奧斯丁房產經濟人委員會(Austin Board of REALTORS)提供的房地產多重上市服務系統(Multiple Listing Service,MLS)數據制定。MLS原始數據為26 107個獨棟住宅的房價記錄，包含居住面積、用地面積、房屋年齡、臥室數量、衛浴一體及單衛衛生間數量、樓層數、車庫面積等詳盡數據；還包含是否有泳池、景觀、水系等二元變量。本研究排除了514個價格高于148.5萬美元(最高的1%)或低于6.3萬美元(最低的1%)的樣本。此外，還有3 907個樣本因結構變量缺失或錄入錯誤(1 252個)、社區變量缺失(2 452個)、缺少步行指數數據(151個)和在相同人口普查組塊(censu block group)少于3棟住宅(52個)而被排除。

最終的樣本包含21 686個住宅交易記錄。絕大多數記錄可以通過空間編碼對應在由特拉維斯產權評估委員會(Travis Central Appraisal District)提供的GIS圖形文件上；其他住宅數據在ArcGIS 10程序中通過地址信息進行空間編碼。圖1展示了每個2010年人口普查區(census tract)的住宅交易記錄數量②。

2.2 步行通達性數據

步行通達性的首要評價指標是街道智慧步行指數，通過walkscore.com獲取每個住宅樣本的指數。該指數是0～100的數值，分數越高代表社區設施更易于步行到達。該計算方法考慮9類便利設施，包括便利店、餐廳或酒吧、商店、咖啡廳、銀行、公園、學校、書店以及娛樂場所；基于文獻[33,49]等已有研究發現的步行關聯度對這些項目賦值。原始指數由便利設施數量、各類權重以及基于出行路線的距離衰減方程決定；距離超過1.6 km的便利設施對住宅影響甚微。然后將原始指數轉換為百分制數值。最后，一個地址的數值可能受交叉口密度和街區平均長度這兩項街道連續性指標③影響而有最多10%的升降空間，因為這兩項指標與步行和自行車出行正相關[50]。

本研究也通過walkscore.com網站獲取了傳統步行指數，該指數反映某一地址至便利設施直線距離的百分制數值。盡管一些公共健康領域的研究者總結了應用傳統步行指數測量社區步行通達性的可靠性和準確性[51-54]，本研究仍決定選擇街道智慧步行指數作為步行通達性的首要測量指標，因為其考慮了出行路徑以及街道連續性指標④。

作為步行通達性補充測量，本研究通過奧斯丁市提供的GIS數據計算了人行道密度。該指標被定義為1.6 km半徑范圍內人行道總長。半徑取值的依據是首要步行通達性測量指標主要由該距離內的便利設施所決定。人行道是步行設施的關鍵要素[55]，但是其對房價影響的研究結果并不統一[56-57]。

圖1 每個人口普查區(2010年標準)中被納入本研究的獨棟住宅交易記錄Fig.1 Number of single-family transactions per census tract(2010 census) included in the study資料來源：奧斯丁市GIS數據集。

2.3 社區數據

通過GIS軟件公司ESRI提供的數據整理出道路和軌道交通網絡數據。從路網圖形文件中提取主要道路交叉口信息。首府都市區交通管理局(The Capital Metropolitan Transportation Authority)提供了通勤鐵路車站的位置信息。德克薩斯州教育部(The Texas Department of Education)提供了基于德克薩斯州知識技能評價機構給出的測試分數的學校表現數據。

各類社會人口協變量源于美國社區普查(American Community Survey)2007—2011年的五年估測數據，包括人種及種族、年齡、教育程度、貧困水平、收入、機動車擁有量等，單位是2010年的人口普查區。人口和就業崗位密度數據由首府都市區規劃委員會(Capital Area Metropolitan Planning Organization)提供，歸納至2008年交通分析區(Traffic Analysis Zone)層面。

除人行道網絡數據，奧斯丁市還提供了其他GIS數據，包括不同社區便利設施、犯罪率、交通事故地點、人行道網絡、有限速信息的街道網絡。社區數據僅保留至湖泊距離作為變量，其他社區便利設施臨近程度已包含在步行通達性的評價系統中。此外，統計出每個獨棟住宅1.6 km半徑范圍內的暴力犯罪次數、與行人相關的交通事故次數以及平均限速。

3 分析方法

3.1 價格特征框架

文獻[58]指出，通過分析一座城市范圍內房價的差異，特征價格方法(HPM)可以呈現環境優劣對價格的潛在影響[59]。本研究的價格特征分析框架為：

式中：pi為住宅i的銷售價格；Si和Ni分別為住宅i的結構特征和社區特征矢量(見表1)；Ri為住宅i的步行通達性相關變量的矢量；εi為誤差。本研究通過兩套獨立的模型評估街道智慧步行指數和人行道密度對房價的影響，模型僅在步行通達性變量的選擇上有差別(方法細節請參見附錄A)。與街道智慧步行指數相關的模型(例如普通最小二乘法、空間回歸模型)為模型組合A，與人行道密度相關的模型為模型組合B。本節其余部分介紹了價格特征分析框架理論和實證考慮；模型組合A和模型組合B對這部分的所有統計測試得到一致的結果。

文獻[58]還提到，有效的特征分析框架建立在嚴格假設的基礎上，包括完全競爭、產品連續、市場均衡、全面觀測產品特征。

文獻[60]認為，完全競爭對許多市場難以實現且并非必須。文獻[48]認為，只要市場不存在劇烈震蕩則可被視為均衡，文獻[61]進一步證實，房地產市場可以迅速調整以質應小震蕩。本研究研究期內并未出現重大市場震顫。產品連續的假設可由大樣本量合理滿足。最后，全面觀測產品特征可基本滿足，因為住宅相關信息可從網絡、專業的房地產經紀人以及實地調查獲取。

表1 統計匯總數據Tab.1 Summary Statistics

本研究應用價格特征分析框架時考慮了幾項實證問題。為確定一個適用的函數形式，本研究參考文獻[59,62]進行了博克斯-卡克斯轉換(Box-Cox transformation)測試。該測試建議對房價、連續的結構及社區變量進行對數轉換。基于調整后的R2、赤池信息量準則(Akaike Information Criterion,AIC)、貝葉斯信息量準則(Bayesian Information Criterion,BIC)，這個雙對數函數形式優于對數—線性函數形式，后者未對連續的結構及社區變量進行對數轉換⑤。本研究基于文獻[63]運用方差膨脹因子(Variance Inflation Factor,VIF)測試檢查潛在的多重共線性影響，結果表明這一影響并不高⑥。

為驗明空間自相關影響是否存在于最終樣本中，本研究根據文獻[64]提供的工具進行莫蘭指數測試(Moran's I test)，模型組合A和模型組合B均獲得非常顯著的莫蘭指數統計結果，表明兩個方案中均存在空間自相關影響。進一步應用拉格朗日乘法測試系統[65]發現，空間自相關影響存在于因變量和誤差項中⑦。因此，本研究選擇Cliff-Ord空間特征模型而非普通最小二乘法作為最佳模型方法[46,66-68]，以降低空間自相關影響和社區變量遺漏造成的風險[46,69-70]。

Cliff-Ord空間特征模型對公式(1)進行擴充，同時增加兩項內容：為增加一個空間滯后項，控制鄰里房價對樣本房價的影響；為?i增加一個空間滯后項，通過控制?i中的空間自相關影響提高評估的一致性。以往的實證研究在處理空間自相關影響時往往只針對因變量(空間滯后模型，Spatial Lag Model)或誤差項(空間誤差模型，Spatial Error Model)設置一個滯后項，這一方面是囿于軟件局限，另一方面是空間自相關影響測試結果的原因。

為緩解遺漏變量偏差的風險，本研究進行了大量數據收集；此外，模型中包含34個月(2010年2月—2012年11月)的二元變量以控制市場因素的影響。參考文獻[68,71]，增設交互作用項以檢測步行通達性變量(街道智慧步行指數和人行道密度)與其他社會人口及地區環境協變量(見表1)間的協同作用⑧。這些變量和協變量通過線性轉換過程標準化為統一的表達形式以簡化結果解釋。同時，為步行通達性變量增設二次項，從而探析當其他社會人口及地區環境變量處于平均水平時，更高的步行通達性是否增加溢價。附錄A展示了Cliff-Ord空間特征模型的具體內容，包括線性轉換過程的介紹。

4 結果與討論

表2和表3分別是針對街道智慧步行指數(模型組合A)和人行道密度(模型組合B)的Cliff-Ord空間特征模型的估計結果。結果通過最大似然估計量獲得。異方差性對研究結果影響甚微，因為本研究通過廣義空間兩階段最小二乘估計(generalized spatial twostage least-squares estimator)獲得與異方差選項非常相近的結果。由表2和表3可見，Cliff-Ord空間特征模型得出的赤池信息量準則、貝葉斯信息量準則結果比對應的普通最小二乘法結果小，證明該空間回歸方法比普通最小二乘法更適用于本研究。

Cliff-Ord空間特征模型反映出結構、社區以及步行通達性要素對房價的總效應，計算方法見附錄A的公式(5)～(7)。由于個體樣本受到的影響各異，故個體樣本應被視為總體的一部分而不是孤立的點估計。然而，在本研究中，總效應與直接效應(附錄A的公式(5)～(7)中的分項)非常相似⑨，直接效應要么是表2和表3中的(結構和社區特征)評估系數，要么是對(步行通達性測量)系數進行線性處理后產生的影響。本研究簡要解析結構和社區特征的直接效應，重點分析步行通達性的總效應。34個月(2010年2月—2012年11月)的二元變量系數以及形成步行通達性交互作用項的構成性項目(constitutive terms)未包含在表2和表3中。

4.1 結構和社區特征

兩套模型(街道智慧步行指數和人行道密度)在結構和社區特征方面的結果非常相近。結構特征對房價的影響非常顯著且在預料之中。居住面積、占地面積、衛浴一體和獨衛衛生間數量的增加有助于提高房價。保持其他要素為恒定不變時，擁有車庫、泳池、大型或中型樹木、景觀、水系均對房價有積極作用。另一方面，房齡和待售時間越長，房價則越低。有趣的是，當其他要素保持不變時，樓層多于一層或臥室較多會降低住宅的受歡迎程度。這可能受當地特征影

表2 基于街道智慧步行指數的空間特征模型評估結果Tab.2 Estimation Results for the Spatial Hedonic Model—Street Smart Walk Score(SSWS)

1)一個變量的對數系數(例如居住面積對數系數0.585 9)表示房價對該變量的彈性；二元變量的系數b表示當二元變量在0～1之間變化時，房價的變化比例為一個變量的系數(例如非白種西班牙裔比例系數0.059 4)表示，保持其他變量所有與標準化的街道智慧步行指數交互作用的變量均為平均值時，當該變量隨著其平均值(例如，非白種西班牙裔比例的平均值為23.81%，則該比例從10%變為33.81%)增加時，房價相對于街道智慧步行指數的彈性會隨著系數而改變；3)顯著性水平為0.01。響，例如在奧斯丁市漫長炎熱的夏季，單層住宅比多層住宅的制冷能耗更低，但是對于臥室變量的消極影響，本研究并沒有一個令人滿意的解釋。較高的學校質量評分、更臨近湖泊或州議會大廈一般被視為有利的社區便利設施，這對房價有很強的積極作用。

表3 基于人行道密度的空間特征模型評估結果Tab.3 Estimation Results for the Spatial Hedonic Model—Sidewalk Density(SWD)

1)一個變量的對數系數(例如居住面積對數系數0.585 9)表示房價對該變量的彈性；二元變量的系數b表示當二元變量在0～1之間變化時，房價的變化比例為一個變量的系數(例如非白種西班牙裔比例系數0.059 4)表示，保持其他變量所有與標準化的街道智慧步行指數交互作用的變量均為平均值時，當該變量隨著其平均值(例如，非白種西班牙裔比例的平均值為23.81%，則該比例從10%變為33.81%)增加時，房價相對于街道智慧步行指數的彈性會隨著系數而改變；3)顯著性水平為0.10；4)顯著性水平為0.05；5)顯著性水平為0.01。

臨近交通設施對房價的影響具有兩極性：積極方面是便利，消極方面是擁堵、空氣污染及噪聲等負面效益。本研究研究表明，臨近主干路交叉口帶來的消極影響大于積極影響。已有研究有關臨近通勤鐵路對房價的影響結論各異[24,73-74]。文獻[75]發現，至公共交通車站的實際距離是決定使用率的一個重要因素，故本研究采用至最近地鐵站的網絡距離表征臨近程度。結果顯示：當控制其他變量時，人行道密度模型中更接近最近的輕軌站對房價有較小但是明確的削弱作用；但街道智慧步行指數模型中未表現出該現象。兩個模型均反映出，至軌道交通線路距離小于400 m的住宅房價顯著低于距離不小于400 m的住宅。這與文獻[74]的研究結果一致。

4.2 步行通達性對房價的影響

步行通達性對房價的影響與多種因素有關。當社區具有高于樣本均值的西班牙裔人口時，居民愿意支付更多費用提升街道智慧步行指數和人行道密度。正如預期，大學學歷人口比例高于均值的社區更愿意出資提升街道智慧步行指數和人行道密度；學歷更高的居民可能對步行的效益具備更好的理解力。由于貧困率和人均收入二者的關系并不顯著(皮爾森相關系數(Pearson correlation coefficient)為-0.402 3)，故在模型中同時考慮這兩個協變量。結果如預期，貧困率高于平均水平時街道智慧步行指數和人行道密度顯著降低，由于財務拮據貧困人群可能不太愿意出資改善步行通達性。另一方面，收入對提高人行道密度的投資具有積極影響。較高的人口密度可提高街道智慧步行指數和人行道密度的彈性，而就業崗位密度則相反⑩。兩種評價步行通達性的測量方法的效益可能被社區的高暴力犯罪率抵消，這與已有研究發現的犯罪率對步行有消極影響一致[76-77]。

如果一個社區相當一部分居民沒有機動車○11，由于步行對于這類人群是很重要的交通方式，所以他們更愿意為提高社區街道智慧步行指數出資；但這對人行道密度沒有顯著作用。有趣的是，若在1.6 km半徑范圍內發生過更多的涉及行人的交通事故，則會顯著提高對街道智慧步行指數和人行道密度的投資；這一違反直覺的結果或許是由于事故率與主動行人數量正相關。1.6 km半徑范圍內的平均限速對街道智慧步行指數起積極作用，而對人行道密度起消極作用。街道智慧步行指數和人行道密度的交互作用項也值得討論：控制其他變量為平均水平，具有較高的人行道密度(例如106 km)與對街道智慧步行指數的投資沒有顯著關系；而具有較高的街道智慧步行指數(例如29)與對人行道密度的投資具有顯著的促進作用。

運用總效應公式(見附錄A公式(5))計算步行通達性(街道智慧步行指數和人行道密度)對房價彈性的總效應。彈性分布如圖2所示：房價對街道智慧步行指數的平均彈性為0.016 0，中值為-0.005 0；房價對人行道密度的平均彈性為0.008 7，中值為0.002 9。

圖2 彈性分布Fig.2 Distribution of elasticities

參考[52-53]，根據房價對街道智慧步行指數的彈性將樣本分為四組。第一組是依賴小汽車的社區(街道智慧步行指數＜50)，幾乎沒有步行可達的社區目的地，居民必須駕車或搭乘公共交通進行大多數出行；第二組是步行環境一般的社區(50≤街道智慧步行指數＜70)，一些便利設施在步行范圍內，但是很多日常出行需采取步行外的方式；第三組是步行環境較好的社區(70≤街道智慧步行指數＜90)，在這里出門可以不使用小汽車；第四組是“行人的天堂”(街道智慧步行指數≥90)，大多數出行可以步行完成，很多居民不需要擁有小汽車。

街道智慧步行指數和人行道密度分別對8 175個樣本(37.70%)和11 193個樣本(51.61%)具有積極影響○12。步行環境更好的社區住宅的房價對街道智慧步行指數和人行道密度的彈性更高。街道智慧步行指數對第一組社區的平均彈性是-0.009 7，對第二組社區的平均彈性提高至0.058 7，對第三、第四組依次增加至0.163 7和0.325 9(見圖2a)。人行道密度對四組的平均彈性依次為0.001 5，0.005 8，0.065 0，0.192 5(見圖2b)。

表4展示了步行通達性對房價影響的貨幣價值。街道智慧步行指數增加1%，四組社區的獨棟住宅價格變化情況分別為-29.56美元，155.65美元，548.00美元，1 329.20美元；人行道密度增加1%，四組社區的獨棟住宅價格變化情況分別為4.57美元，15.38美元，217.59美元，785.12美元。更好的步行通達性投入與更高的步行通達性水平正相關可能一部分源于居民的主觀選擇：喜歡步行的人可能對步行通達性更為重視，也更愿意選擇更適宜步行的社區。已有研究也將主觀選擇作為建成環境與出行行為關系的一種解釋[26,32]，但這并不能完全解釋居住地選擇。居民的選擇可能受其他因素制約，例如資金制約、不同步行通達性水平的住房供應。但是在一些案例中，居民的現狀居住環境可能同他們期許的社區類型和出行方式相悖[78]。然而，受到房屋銷售數據的局限，本研究無法檢驗主觀選擇對步行通達性投入與步行通達性水平的正相關產生何種作用。

表4 步行通達性增加1%對房價的影響Tab.4 Effects of 1 percent increase in walkability on property values

4.3 與以往應用步行指數的特征研究對比

本研究的發現與以往應用步行指數的研究[27-29]不同。提高街道智慧步行指數只對約1/3的樣本有益，街道智慧步行指數的平均彈性對于在不同程度上適宜步行的社區(街道智慧步行指數≥50)是正值。對于大多數樣本，提升步行通達性對房價影響甚微。

本研究與以往研究的區別在于：1)本研究選用了改進的步行指數版本(2012年前沒有街道智慧步行指數)，將出行路線、步行設施的物質要素(包括交叉口密度和街區長度)納入考量；本研究還包含一些以往研究沒有涉及的其他建成環境變量。2)以往研究呈現了點評估結果以表示所有樣本的平均水平；本研究則考慮社會人口與建成環境因素對投資步行通達性的潛在影響，從而得出不同樣本的溢價分布(見圖2)。3)以往研究依賴普通最小二乘法，本研究發現該方法高估了步行通達性對房價的影響；本研究應用的空間回歸分析法效果優于普通最小二乘法。

5 結論

通過分析奧斯丁市21 686個獨棟住宅的交易記錄，研究社區步行通達性對房價的影響。以街道智慧步行指數作為主要測量方法，以人行道密度作為補充方法。為了控制空間自相關影響，應用Cliff-Ord空間特征模型。

研究表明，提升社區步行通達性對提高獨棟住宅的價值(即銷售價格)有潛在作用。對于城市，這意味著從房產稅中獲得更多收入用于資助交通項目、學校、公園以及其他服務。然而，兩個模型的結果均表明，房價(以及稅收)的最大效益存在于最適宜步行的社區。對于依賴小汽車的社區，通過使便利設施更可達來提升步行通達性并不能提高房價；增設人行道使房價有微小的提高。因此，相對于依賴小汽車的社區，適宜步行的社區更容易通過投資人行道和社區便利設施來提高房價。

提升步行通達性對于在不同程度上適宜步行的社區具有更大的潛在影響，這對政策制定頗有啟發。如果只在適宜步行的地區改善步行設施，這對提高步行活躍度的意義相對有限。然而，本研究并未直接測量步行活躍度。從規劃公平的角度出發，更應關注提高房價對提升社區品質的可能性。提高房價可帶來經濟效益，從而為步行投資和其他服務提供更多資助，但也可能導致住宅更難以購買，從而使中低收入居民遷出。例如，以東奧斯丁為代表的一批社區與整個都市區整體水平相比，遭遇了較大的房價上漲，這表明一些社區品質正在得到提升。然而，基于本研究研究，由于住房市場受到經濟環境和其他多種因素影響，很難評估提升步行通達性對住房可負擔程度的影響。盡管如此，規劃師和決策者應在未來的探索研究中更加謹慎。

為反映居住偏好的改變，近年來住房市場愈加多樣化。盡管購房者更喜歡獨戶式獨棟住宅，較松散的住宅布局依然很有市場，然而過去幾十年間，對適宜步行的緊湊型社區的需求和支持日益增加[79-80]。本研究發現，在最適宜步行的社區，步行通達性對房價的影響最大，這表明即使是現狀適宜步行的社區也可能無法完全滿足那些偏好步行社區的居民的期望；換言之，對處于適宜步行社區的住宅的實際和潛在需求大于供給。為創造更好的政策環境以促進適宜步行社區住宅的供需平衡，現有分區規劃規范有待改進。

總體上，本研究的研究結果佐證了提倡通過用地轉換提升步行設施，拉近居民居住與購物、工作、就學目的地距離的政策。本研究建議依次采取以下兩項舉措：1)在居住區吸引更多的商業開發(特別是社區商業)。2)在已有街道上增設人行道并通過連接部分缺失的路段和建設路外步道的方式完善步行網絡。第一種方法或許更難操作，因為這可能涉及改變分區規劃(例如在可接受范圍內增加密度、允許用地混合)并需要更長的時間；第二種方法更容易短期實現。擁有良好商業開發但欠缺步行設施的社區可能最適合采用上述措施。

在奧斯丁市的案例中，有很多地區有可能從改善步行環境中獲益。例如那些缺乏人行道的緊湊型老舊社區。東奧斯丁地區(見圖3)正在運行一項復興計劃，飯店、零售商店、酒吧、移動快餐車數量激增。但該地區的步行設施質量遠遠不夠，人行道存在不連續或完全缺失的情況，使得步行感受欠佳且不安全。因此，在這類地區改善步行設施會對房價提升以及增加步行出行大有裨益。

總之，本研究認為社區可從步行環境改善中獲益。盡管在依賴小汽車的社區改善步行環境無法迅速帶來經濟效益，但這是一個漸進過程，最終可通過長期努力實現經濟目標。當設定改善社區步行通達性的投資策略時，應將社區的各項社會人口特征納入考量。由于多數政府均面臨財政緊縮，僅提升步行通達性在健康和環境層面的效益可能無法像房價增長這類經濟效益得到決策者的認同。研究表明，在有可能推廣步行的社區分配步行設施資金和鼓勵混合用地開發，可以讓城市通過增加房地產稅收獲取最大紅利。

本研究可能在數據和普適性方面有所欠缺。盡管街道智慧步行指數部分解釋了街道連續性，該指標幾乎沒有提供步行設施以及混合用地的其他物質特征信息。一些納入計算的便利設施分類可能并不被居民或專業人員認可。本研究的普適性尚未得到檢測。未來的研究可以選取更多城市或其他類型房產(例如多戶住宅、商業建筑)。應特別注意社會人口要素對步行通達性建設的溢價作用，可能的情況下比較街道智慧步行指數與其他步行通達性測量方法所得結果的差異。

圖3 東奧斯丁地區居住街道和商業街道示意Fig.3 Illustration of residential and commercial streets in EastAustin

附錄A：空間特征價格模型技術方法細節

本研究樣本量n=21 686，建立Cliff-Ord空間特征模型[46,66-68]

當保持其他社會人口及地區環境變量為平均值時，步行通達性變量的二次項可用以探究對步行通達性的資助是否會隨著步行通達性水平提高而變高。本研究還在刪除二次項后測試了模型組合A和模型組合B的模型。如表5所示，基于赤池信息量準則和貝葉斯信息量準則，包含步行通達性二次項的模型強于不包念的模型；在不含二次項的模型中，街道智慧步行指數越高則對于街道智慧步行指數和人行道密度的資助越多。

表5 步行通達性的二次項及模型表現Tab.5 Quadratic terms of walkability and model performance

為簡化結果分析，本研究參照文獻[68, 71]實施的線性轉換方法和標準化的步行通達性及其協變量：

住宅i對應的步行通達性對房價的彈性為

對于住宅i，連續變量j的價格彈性為

將虛擬變量j從0變為1，對住宅i房價的影響

對于公式(6)和(7)：ej,i為直接效應，是表2中的評估系數；vj,i為總效應。

[68]，本研究建立了一個鄰接空間權重矩陣，所有位于同一個人口普查區(2010年)的住宅受到某一個住宅房價的影響權重相同。鄰接矩陣在自然界中是雙重隨機的，因此每行、每列的和為1。根據文獻[25]，一個雙重隨機矩陣能通過使空間回歸模型更平順產生最佳的無偏見線性評估。本研究的Cliff-ord空間特征模型應用文獻[81]開發的SPPACK程序中的Stata數據包進行評估。

注釋：

①Cliff-ord空間特征模型亦稱廣義空間模型，一些學者(例如文獻[25])也稱SAC。

②為保障奧斯丁房產經濟人委員會提供的多重上市服務系統數據的機密性，本研究不會顯示每棟住宅的具體位置。

③ 在一位匿名評論者的支持下，walkscore. com提供了街道智慧步行指數的計算方法。

④通過比較街道智慧步行指數和傳統步行指數的模型結果，本研究認為前者相對后者對房價具有更強的影響。對于相同模型規格，街道智慧步行指數比傳統步行指數具有更好的模型表現(由赤池信息量準則和貝葉斯信息量準則度量)。

⑤對于模型組合A：在普通最小二乘模型中，調整的R2、赤池信息量準則以及貝葉斯信息量準則在雙對數函數中分別為0.883 5，-9 675.57，-8 980.92，在對數—線性函數中分別為0.866 3，-6 593.63，-5 898.98。在空間回歸模型中，赤池信息量準則以及貝葉斯信息量準則在雙對數函數中(最優模型)分別為-13 879.87和-13 161.27，在對數—線性函數中分別為-9 718.42和-9 007.81。赤池信息量準則以及貝葉斯信息量準則越小，表明模型越好；空間回歸模型中沒有得出調整的R2。在模型組合B中，雙對數函數也優于對數—線性函數。

⑥對于模型組合A，所有自變量的平均方差膨脹因子為3.27，最大值為8.4；對于模型組合B，所有自變量的平均方差膨脹因子為3.38，最大值為9.16。

⑦對于模型組合A：拉格朗日乘數值的滯后性測試及誤差測試結果分別為3 503.70 (p＜0.000 1)和1 003.48(p＜0.000 1)；在穩健的版本中分別為 3 387.14(p＜0.000 1)和900.79(p＜0.000 1)。對于模型組合B：拉格朗日乘數值的滯后性測試及誤差測試結果分別為3 842.71(p＜0.000 1)和1 809.86(p＜0.000 1)；在穩健的版本中分別為3 674.42(p＜0.000 1)和1 656.97(p＜0.000 1)。

⑧根據文獻[72]，交互作用項對于理解因變量與自變量的關系是如何被第三個變量影響的至關重要。本研究引入交互作用項和相應的構成項，并發現這些交互作用項提高了模型表現。例如，在模型組合A中，最優空間特征模型的赤池信息量準則以及貝葉斯信息量準則分別為-13 879.87和-13 161.27；去除社會人口協變量(人種及種族、年齡、收入、教育程度、貧困水平、人口及就業崗位密度、小汽車擁有量)的交互作用項后，簡化的空間特征模型的赤池信息量準則以及貝葉斯信息量準則分別變為-13 054.67和 -12 527.70；去除地區環境協變量(犯罪情況、行人相關交通事故率、人行道密度、限速)后，簡化的空間特征模型的赤池信息量準則以及貝葉斯信息量準則分別變為-13 826.86和-13 156.17。

⑨本研究的總效應和直接效應很相近，因為附錄A中公式(5)～(7)中的vj,i為1.000 1～1.000 9。

⑩人口密度和就業崗位密度之間的皮爾森相關系數為0.254 1，比預期低很多。

[11]此處所用基準為3.96%，這是本研究樣本中無車家庭的平均比例。

[12]效益此處指步行通達性對房價的彈性為正數。

[13]為降低多重共線性的風險，模型組合A中的構成項中去除了行人相關交通事故率和人行道密度，模型組合B中的構成項去除了行人相關交通事故率和街道智慧步行指數。

翻譯免責聲明：翻譯內容盡可能準確地反映原文意旨，但是原作者和出版方均嚴正聲明，在已有法律允許的范圍內，不承擔本篇譯文發表的全部內容以及由此引發的其他問題所產生的責任，包括但不限于原文及譯文的任何錯誤、遺漏及偏差。本聲明的任何規定均不排除可能在法律權責范圍內的內容。在開具任何被通過的處方藥前應再次審核信息。

Translation disclaimer:While every effort has been made to ensure that the contents of this publication are factually correct,neither the authors nor the publisher accepts,and they hereby expressly exclude to the fullest extent permissible under applicable law,any and all liability arising from the contents published in this Article,including,without limitation,from any errors,omissions,inaccuracies in original or following translation, or for any consequences arising therefrom.Nothing in this notice shall exclude liability which may not be excluded by law.Approved product information should be reviewed before prescribing any subject medications.

參考文獻：

[1]Saelens BrianE,HandySusan L.Built Environment Correlates of Walking:A Review[J]. Medicine and Science in Sports and Exercise, 2008,40(S7):S550-S566.

[2]Ding Ding,Sallis J F,Kerr J,Lee S,Rosenberg D E.Neighborhood Environment and Physical Activity Among Youth:A Review[J]. American Journal of Preventive Medicine, 2011,40(4):442-455.

[3]Feng Jing,Glass Thomas A,Curriero Frank C, Stewart Walter F,Schwartz Brian S.The Built Environment and Obesity:A Systematic Review of the Epidemiologic Evidence[J]. Health&Place,2010,16(2):175-190.

[4]Brownson Ross C,Baker Elizabeth A,Housemann Robyn A,Brennan Laura K,Bacak Stephen J.Environmental and Policy Determinants of Physical Activity in the United States [J].American Journal of Public Health,2001, 91(12):1995-2003.

[5]Frank Lawrence D,Sallis James F,Conway Terry L,Chapman James E,Saelens Brian E, Bachman William.Many Pathways from Land Use to Health:Associations Between Neighborhood Walkability and Active Transportation,Body Mass Index,and Air Quality[J]. Journal of the American Planning Association, 2006,72(1):75-87.

[6]Giles-Corti Billie,Donovan Rob J.The Relative Influence of Individual,Social and Physical Environment Determinants of Physical Activity[J].Social Science and Medicine,2002, 54(12):1793-1812.

[7]Giles-Corti Billie,Donovan Robert J.Relative Influences of Individual,Social Environmental,and Physical Environmental Correlates of Walking[J].American Journalof Public Health,2003,93(9):1583-1589.

[8]Handy Susan L,Boarnet Marlon G,Ewing Reid,Killingsworth Ricahd E.How the Built Environment Affects Physical Activity:Views from Urban Planning[J].American Journal of Preventive Medicine,2003,23(2):64-73.

[9]Hoehner Christine M,Brennan Ramirez Laura K,Elliott Michael B,Handy Susan L,Brownson Ross C.Perceived and Objective Environmental Measures and PhysicalActivity Among Urban Adults[J].American Journal of Preventive Medicine,2005,28(S2):105-116.

[10]Humpel Nancy,Owen Neville,Leslie Eva. Environmental Factors Associated with Adults'Participation in Physical Activity:A Review[J].American Journal of Preventive Medicine,2002,22(3):188-199.

[11]Lee Chanam,Moudon A V.Physical Activity and Environment Research in the Health Field:Implications for Urban and Transportation Planning Practice and Research[J]. Journal of Planning Literature,2004,19(2): 147-181.

[12]Saelens Brian E,Sallis James F,Black Jennifer B,Chen Diana.Neighborhood-Based Differences in Physical Activity:An Environment Scale Evaluation[J].American Journal of Public Health,2003,93(9):1552-1558.

[13]Moudon Anne,Lee Chanam,Cheadle Allen D,Garvin Cheza,Johnson Donna B,Schmid Thomas L,Weathers Robert D.Attributes of Environments Supporting Walking[J].American Journal of Health Promotion,2007,21 (5):448-459.

[14]Sallis James F,Saelens Brian E,Frank Lawrence D,Conway Terry L,Slymen Donald J, Cain Kelli L,Chapman James E,Kerr Jacqueline.Neighborhood Built Environment and Income:Examining Multiple Health Outcomes[J].Social Science&Medicine, 2009,68(7):1285-1293.

[15]Brown Barbara B,Yamada Ikuho,Smith Ken R,Zick Cathleen D,Kowaleski-Jones Lori,Fan Jessie X.Mixed Land Use and Walkability:Variations in Land Use Measures and Relationships with BMI,Overweight,and Obesity[J].Health& Place, 2009,15(4):1130-1141.

[16]Evans Gary.The Built Environment and Mental Health[J].Journal of Urban Health, 2003,80(4):536-555.

[17]Renalds Arlene,Smith Tracey H,Hale Patty J.A Systematic Review of Built Environment and Health[J].Family&Community Health,2010,33(1):68-78.

[18]Killingsworth Richard E,Lamming Jean.Development and Public Health:Could Our Development Patterns Be Affecting Our Personal Health?[J].Urban Land,2001(7):12-17.

[19]Litman Todd.Economic Value of Walkability [J].Transportation Research Record:Journal of the Transportation Research Board,2003, 1828(1):3-11.

[20]Bartholomew Keith,Ewing Reid.Hedonic Price Effects of Pedestrian and Transit-Ori-ented Development[J].Journal of Planning Literature,2011,26(1):18-34.

[21]McIlwain John K.Housing in America:The Baby Boomers Turn 65[R/OL].2012[2013-10-30].http://uli.org/wp-content/uploads/ ULI-Documents/Housing InAmericaFIN.pdf. [22]Leinberger Christopher B.The Option of Urbanism:Investing in a New American Dream [M].Washington DC:Island Press,2009.

[23]Levine Jonathan.Zoned Out:Regulations, Markets,and Choices in Transportation and Metropolitan Land Use[M].Washington DC:RFF Press,2005.

[24]Landis John,Guhathakurta Subhrajit,Zhang Ming.Capitalization of Transit Investments into Single-Family Home Prices:A Comparative Analysis of Five California Rail Transit Systems[R].Berkeley:University of California Transportation Center,1994.

[25]LeSage James P,Pace Robert K.Introduction to Spatial Econometrics[M].London: Chapman and Hall/CRC,2009.

[26]Handy Susan,Cao Xinyu,Mokhtarian Patricia L.Selfselection in the Relationship Between the Built Environment and Walking: Empirical Evidence from Northern California [J].Journal of the American Planning Association,2006,72(1):55-74.

[27]Cortright Joe.Walking the Walk:How Walkability Raises Home Values in U.S.Cities [R].Cleveland:CEOs for Cities,2009.

[28]Pivo Gary,Fisher Jeffrey D.The Walkability Premium in Commercial Real Estate Investments[J].Real Estate Economics,2011,39 (2):185-219.

[29]Rauterkus Stephanie Y,Miller Norman G. Residential Land Values and Walkability[J]. Journal of Sustainable Real Estate,2011,3 (1):23-43.

[30]Frank Lawrence,Schmid Thomas,Sallis James,Chapman James,Saelens Brian.Linking Objectively Measured Physical Activity with Objectively Measured Urban Form: Findings from SMARTRAQ[J].American Journal of Preventive Medicine,2005,28(2): 117-125.

[31]Cervero Robert,Kockelman Kara.Travel Demand and the 3Ds:Density,Diversity,and Design[J].Transportation Research Part D: Transportand Environment,1997,2(3): 199-219.

[32]Handy Susan,Cao Xinyu,Mokhtarian Patricia.Correlation or Causality Between the Built Environment and Travel Behavior?Evidence from Northern California[J].Transportation Research Part D:Transport and Environment,2005,10(6):427-444.

[33]Lee Chanam,Moudon Anne Vernez.The 3Ds+R:Quantifying Land Use and Urban Form Correlates of Walking[J].Transportation Research Part D:Transport and Environment,2006,11(3):204-215.

[34]Ewing Reid,Cervero Robert.Travel and the Built Environment[J].Journal of the American Planning Association,2010,76(3):265-294.

[35]Handy Susan L,Clifton Kelly J.Local Shopping as a Strategy for Reducing Automobile Travel[J].Transportation,2001,28(4):317-346.

[36]Boarnet Marlon G,Joh Kenneth,Siembab Walter,Fulton William,Nguyen Mai Thi. Retrofitting the Suburbs to Increase Walking:Evidence from a Land-Use Travel Study [J].Urban Studies,2011,48(1):129-159.

[37]Guo Jessica Y,Gandavarapu Sasanka.An Economic Evaluation of Health-Promotive Built Environment Changes[J].Preventive Medicine,2010,50(S1):S44-S49.

[38]Leinberger Christopher,Alfonzo Mariela. Walk This Way:The Economic Promise of Walkable Places in Metropolitan Washington DC[R].Washington DC:Metropolitan Policy Program at Brookings,2012.

[39]Sohn Dong Wook,Moudon Anne Vernez, Lee Jeasun.The Economic Value of Walkable Neighborhoods[J].Urban Design International,2012,17(2):115-128.

[40]Bowes David R,Ihlanfeldt Keith R.Identifying the Impacts of Rail Transit Stations on Residential Property Values[J].Journal of Urban Economics,2001,50(1):1-25.

[41]Cervero Robert,Duncan Michael.Transit's Value-Added Effects:Light and Commuter Rail Services and Commercial Land Values [J].Transportation Research Record:Journal of the Transportation Research Board,2002, 1805(1):8-15.

[42]Song Yan,Knaap Gerrit-Jan.Measuring the Effects of Mixed Land Uses on Housing Values[J].Regional Science and Urban Economics,2004,34(6):663-680.

[43]Song Yan,Knaap Gerrit-Jan.New Urbanism and Housing Values:A Disaggregate Assessment[J].Journal of Urban Economics,2003, 54(2):218-238.

[44]Duncan Michael.The Impact of Transit-Oriented Development on Housing Prices in San Diego,CA[J].Urban Studies,2011,48 (1):101-127.

[45]Case Anne C.Spatial Patterns in Household Demand[J].Econometrica,1991,59(4): 953-965.

[46]Anselin Luc.Spatial Econometrics:Methods and Models,Studies in Operational Regional Science[M].Dordrecht:Kluwer Academic, 1988.

[47]US Census Bureau.Texas Cities Lead Nation in Population Growth,Census Bureau Reports[R/OL].2013[2013-10-30].http:// www.census.gov/newsroom/releases/archives/ population/cb13-94.html.

[48]Maclennan D.Some Thoughts on the Nature and Purpose of House Price Studies[J].Urban Studies,1977,14(1):59-71.

[49]Moudon Anne V,Lee Chanam,Cheadle Allen D,Garvin Cheza,Johnson Donna, Schmid Thomas L,Weathers Robert D,Lin Lin.Operational Definitions of Walkable Neighborhood:Theoretical and Empirical Insights[J].Journal of Physical Activity& Health 2006,3(S1):99-117.

[50]Berrigan David,Pickle Linda W,Dill Jennifer.Associations Between Street Connectivity and Active Transportation[J].International Journal of Health Geographics,2010,9 (9):1-18.

[51]Carr Lucas J,Dunsiger Shira I,Marcus Bess H.Walk ScoreTMas a Global Estimate of Neighborhood Walkability[J].American Journal of Preventive Medicine,2010,39(5): 460-463.

[52]Carr Lucas J,Dunsiger Shira I,Marcus Bess H.Validation of Walk Score for Estimating Access to Walkable Amenities[J].British Journal of Sports Medicine,2011,45(14): 1144-1148.

[53]Duncan Dustin T,Aldstadt Jared,Whalen John,Melly Steven J.Validation of Walk Scores and Transit Scores for Estimating Neighborhood Walkability and Transit Availability:A Small-Area Analysis[J].GeoJournal,2013,78(2):407-416.

[54]Duncan Dustin T,Aldstadt Jared,Whalen John,Melly Steven J,Gortmaker Steven L. Validation of Walk Score?for Estimating Neighborhood Walkability:An Analysis of Four US Metropolitan Areas[J].International Journal of Environmental Research and Public Health,2011,8(11):4160-4179.

[55]Tal Gil,Handy Susan L.Measuring Nonmotorized Accessibility and Connectivity in a Robust Pedestrian Network[J].Transportation Research Record:Journal of the Transportation Research Board,2012,2299(1): 48-56.

[56]Mahan Brent L,Polasky Stephen,Adams Richard M.Valuing Urban Wetlands:A Property Price Approach[J].Land Economics, 2000,76(1):100-113.

[57]Hamilton Stanley W,Schwann Gregory M. Do High Voltage Electric Transmission Lines Affect Property Value?[J].Land Economics, 1995,71(4):436-444.

[58]Rosen Sherwin.Hedonic Prices and Implicit Markets:Product Differentiation in Pure Competition[J].Journal of Political Economy,1974,82(2):34-55.

[59]Redfearn Christian L.How Informative Are Average Effects?Hedonic Regression and Amenity Capitalization in Complex Urban Housing Markets[J].Regional Science and Urban Economics,2008,39(3):297-306.

[60]Bajari Patrick,Benkard C Lanier.Demand Estimation with Heterogeneous Consumers and Unobserved Product Characteristics:A Hedonic Approach[J].Journal of Political Economy,2005,113(6):1239-1275.

[61]Meese R,Wallace N.The Construction of Residential Housing Price Indices:A Comparison of Repeat Sales,Hedonic Regression,and Hybrid Approaches[J].Journal of Real Estate Finance and Economics,1997, 14(1-2):51-74.

[62]Kuminoff Nicolai V,Parmeter Christopher F, Pope Jaren C.Which Hedonic Models Can We Trust to Recover the Marginal Willingness to Pay for Environmental Amenities?[J]. Journal of Environmental Economics and Management,2010,60(3):145-160.

[63]Kennedy Peter.A Guide to Econometrics(6th ed.)[M].Hoboken:Wiley-Blackwell,2008.

[64]LeSage James P.Econometrics Toolbox 2010 [R/OL].2010[2013-05-15].http://www.spatial-econometrics.com/.

[65]Lacombe Donald J.Donald J.Lacombe's MATLAB Code for Spatial Econometric,p. 2013[R/OL].2013[2013-05-15].wvu.edu/～djl041/matlab.html.

[66]Cliff Andrew D,Ord J K.Spatial Processes: Models&Applications[M].London:Pion, 1981.

[67]Arraiz Irani,Drukker David M,Kelejian Harry H,Prucha Ingmar R.A Spatial Cliff-Ord-Type Model with Heteroskedastic Innovations:Small and Large Sample Results[J]. Journal of Regional Science,2010,50(2): 592-614.

[68]Saphores Jean-Daniel,Li Wei.Estimating the Value of Urban Green Areas:A Hedonic Pricing Analysis of the Single Family Housing Market in Los Angeles,CA[J].Landscape and Urban Planning,2012,104(3-4): 373-387.

[69]Pace Robert K,LeSage James P.Biases of OLS and Spatial Lag Models in the Presence of an Omitted Variable and Spatially Dependent Variables[R/OL].2008[2013-10-30]. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1133438.

[70]Brasington David M,Hite Diane.Demand for Environmental Quality:A Spatial Hedonic Analysis[J].Regional Science and Urban Economics,2005,35(1):57-82.

[71]Anderson Soren T,Sarah E West.Open Space,Residential Property Values,and Spatial Context[J].Regional Science and Urban Economics,2006,36(6):773-789.

[72]Golub Aaron,Guhathakurta Subhrajit,Sollapuram Bharath.Spatial and Temporal Capitalization Effects of Light Rail in Phoenix from Conception,Planning,and Construction to Operation[J].Journal of Planning Education and Research,2012,32(4):415-429. [73]Cervero Robert.Effects of Light and Commuter Rail Transit on Land Prices:Experiences in San Diego County[R].Berkeley: University of California Transportation Center,2006.

[74]Armstrong Robert J,Rodriguez Daniel A.An Evaluation of the Accessibility Benefits of Commuter Rail in Eastern Massachusetts Using SpatialHedonic Price Functions[J]. Transportation,2006,33(1):21-43.

[75]Dill Jennifer.Transit Use and Proximity to Rail:Results from Large Employment Sites in the San Francisco,California,Bay Area [J].Transportation Research Record:Journal of the Transportation Research Board,2003, 1835(1):19-24.

[76]Joh Kenneth,Nguyen Mai Thi,Boarnet Marlon G.Can Built and Social Environmental Factors Encourage Walking Among Individuals with Negative Walking Attitudes?[J]. Journal of Planning Education and Research, 2012,32(2):219-236.

[77]McDonald Noreen C.The Effect of Objectively Measured Crime on Walking in Minority Adults[J].American Journal of Health Promotion,2008,22(6):433-436.

[78]Schwanen Tim,Mokhtarian Patricia L.What Affects Commute Mode Choice:Neighborhood Physical Structure or Preferences Toward Neighborhoods?[J].Journal of Transport Geography,2005,13(1):83-99.

[79]Myers Dowell,Gearin Elizabeth.Current Preferences and Future Demand for Denser Residential Environments[J].Housing Policy Debate,2001,12(4):633-659.

[80]Handy Susan,Sallis James F,Weber Deanne, Maibach Ed,Hollander Marla.Is Support forTraditionally Designed Communities Growing?Evidence from Two National Surveys[J].Journal of the American Planning Association,2008,74(2):209-221.

[81]Drukker David M,Peng Hua,Prucha Ingmar,Raciborski Rafal.SPPACK:Stata Module for Cross-Section Spatialautoregressive Models[D].Boston:Boston College Department of Economics.2011.

Assessing Benefits of Neighborhood Walkability to Single-Family Property Values:A Spatial Hedonic Study in Austin,Texas

Written by Li Wei1,2,Kenneth Joh1,2,Chanam Lee1,Jun-Hyun Kim1,Han Park1,Ayoung Woo1,Translated by Zhang Siyang3
(1.Department of Landscape Architecture and Urban Planning,College of Architecture,Texas A&M University,College Station Texas 77843-3137,USA;2.Texas A&M Transportation Institute,College Station Texas 77843-3135,USA;3.ChinaAcademy of Urban Planning&Design,Beijing 100037,China)

This article investigates the impact of neighborhood walkability,measured by Street Smart Walk Score and sidewalk density,on property values by analyzing the 2010–2012 single-family home sale transactions inAustin,Texas.The Cliff-Ord spatial hedonic model(also known as the General Spatial Model,or SAC)is used to control for spatial autocorrelation effects.Results show that improving walkability through increased access to amenities in car-dependent neighborhoods does not appear to increase property values;adding sidewalks in these neighborhoods leads to a minimal increase in property values.Investments in neighborhood amenities and sidewalks will yield a greater home price increase in a walkable neighborhood than in a car-dependent neighborhood.

Cliff-Ord;General Spatial Model(SAC);property values;walk score;walkable neighborhood; walkability;spatial autocorrelation;spatial hedonic model

2016-05-02

德克薩斯州立法院、德克薩斯州交通部“道路暢通性優先投資分析項目(Mobility Investment Priorities Project)”

李威(1981—)，男，河南商丘人，博士，助理教授，主要研究方向：可持續城市主義經濟、交通對環境和健康的影響、出行調查、城市生態系統服務評價、應用計量經濟學、GIS。

E-mail:wli@tamu.edu

譯者簡介：張斯陽(1988—)，女，天津人，碩士，助理規劃師，主要研究方向：交通規劃和可持續發展。E-mail:zhangsiyangyy@126.com

文章來源：Journal of Planning Education and Research，2015年第35卷第4期，第471-478頁，SAGE Publications Ltd.(uk.sagepub.com)版權所有，文章鏈接：http://jpe.sagepub.com/content/35/4/ 471.abstract