高鐵對城市房價的影響研究

向橙昱 張馨月

摘要：作為改變區域可達性的基礎設施，高鐵對于沿線城市的房價會產生明顯影響，但在空間及時間上存在差異。利用雙重差分傾向得分匹配模型（PSM-DID），選取兩條位于不同類型城市群中的高鐵——渝貴鐵路和成渝高鐵作為研究對象，利用沿線7個城市2011一2019年、2010一2019年的平衡面板數據，分析高鐵建設與開通對沿線城市房價的影響在空間和時間上的差異性，以更深入地理解區域房地產發展的趨勢，更精準地制定房地產調控措施。

關鍵詞：高鐵;房價;雙重差分傾向得分匹配模型;成渝高鐵;渝貴鐵路

中圖分類號：F293 文獻標識碼：A文童編號：1001-9138-（2020）08-0024-33 收稿日期：2020-05-04

1 引言

近年來，隨著我國交通基礎設施建設的快速發展，越來越多的學者開始著手研究交通基礎設施建設與房價之間的關系。郭根龍和蘇小榮的中介效應模型表明，城市基礎設施建設促進了房價上漲;張東與湯軍研究了城市基礎設施投資規模和城市商品住房邊際價格之間的關系;何丹、金鳳君研究了北京地鐵4號線，認為房價隨城市軌道交通站點和市中心距離拉大均衰減;向為民、李新剛運用GMM模型分析我國城市基礎設施對房價的影響及其區域差異。上述研究表明交通基礎設施會在一定程度上影響房價，而作為交通基礎設施之一的高鐵自然也遵循此規律。

作為改變區域空間格局的現代化交通體系，高速鐵路（以下簡稱“高鐵”）的建設與運營對區域經濟有著顯著影響——其改變了區域的資源配置格局進而影響高鐵沿線城市的經濟社會發展。但這種影響在空間層面是不均衡的。不同城市在高鐵通車前后房價等特定指標變化呈現一定的差異。隨著高鐵網絡的日漸完善，有關“高鐵對于相關區域房價影響”的研究也日漸增多，但因研究對象、研究時間的不同而導致研究結果有所差異。其中，張銘洪構建三重差分模型，對高鐵在不同建設時期對不同規模城市房價的影響進行了實證研究;陳立文、王榮、劉介立選取石武高鐵沿線主要城市站點的微觀數據通過構建雙重差分傾向得分匹配模型，進一步對高鐵對不同規模、不同區域城市的影響差異性進行了實證研究;楊秀云、趙勐、安磊認為高鐵的開通對中西部城市房價的正影響比東部更大;范紅忠、胡耀文認為高鐵開通對大城市房價無顯著影響，對中、小城市房價有顯著的正向影響。因此，根據上述研究可發現，高鐵在不同時期、不同區域對房價的影響均有所差異。

本文重點研究高鐵對于沿線城市房價的影響及其在時間維度和空間維度上的差異。選取沿線城市發展差異相對較小的成渝高鐵和沿線城市發展差異相對較大的渝貴鐵路作為研究對象，收集其從建設期到開通期的近10年數據，利用雙重差分傾向得分匹配法（PSM-DID），通過構建自然實驗，定量分析對高鐵在高鐵建設至高鐵開通期間不同時點對沿線城市房價的影響，并對這兩條高鐵線路在不同時期對不同規模城市、不同類型城市群產生的影響差異進行分析。

2 理論框架

現有的文獻表明，高鐵對房價的影響機制表現為其改變區域可達性會引致特定城市房地產市場的供給和需求，進而影響房價。而這一影響在不同時期存在一定的差異性。

對于需求端而言，區域可達性的改變將會影響居民對居住和工作地的選擇。一方面，高鐵沿線城市中經濟社會發展水平處于相對優勢的城市可能擁有更好的工作機會，區域可達性的改變降低了空間摩擦力，高鐵沿線其他區域的居民有遷移至此工作的動力，而隨著工作地點的遷移，人口隨之流動，居住地的改變自然會引致對該城市房地產需求的增加;另一方面，高鐵沿線城市中經濟社會發展水平處于相對優勢的城市所擁有的更加完備的醫療與教育條件會吸引更多高鐵沿線其他區域的居民主動到該城市購買房產，從而產生主動型的住房需求，進而對高鐵沿線不同類型城市的房價產生不同影響。

對于供給端而言，高鐵的開通提高了區域可達性，從而極大地提高了沿線站點城市的區位價值。這類城市投資價值的提升吸引了房地產企業選擇在高鐵沿線不同城市投資，進而引致土地市場需求增長，土地需求的激增帶動了土地價格的上升。同時人口及其他因素的流動性，在很大程度上也促進了城市間的經濟互通，而各區域之間的經濟互通及人口流動必然會致使各類需求和投資增加。需求的變動也將改變投資商對區域城市價值的認知，影響其對投資區域的選擇，從而影響區域房地產市場的供給及土地價值的變動。

在上述變化過程中，不同類型城市群的差異也可能引致高鐵對其沿線城市房價產生不同影響。一方面，由于城市間差異的大小存在差別，上述人口流動和投資流動的勢能不同，因此需求變化不同，房價自然會隨之產生不同的變化結果;另一方面，由于高鐵建設周期很長，在不同時期人們的認知不同，因此不同時期對需求的影響也各不相同，從而導致房價變化也不盡相同。

這些影響要素在高鐵工程規劃出臺、正式動工建設及開通運營的整個過程里不斷變化，因此高鐵對房價的影響因其規劃建設開通的階段不同而有所差別。

同時，在高鐵規劃建設開通的整個過程中，不同高鐵沿線經過的城市群有所差別，各城市群因其區域發展差異的大小對沿線站點城市房價造成的影響不同。

因此，可以根據區域發展差異將城市群劃分為兩大類——區域發展差異較大的城市群、區域發展差異較小的城市群。根據高鐵規劃出臺、建設動工、開通運營階段對房價的影響機理及城市群區域發展差異做出的具體假設如下：

假設1：高鐵建設期間，高鐵的建設規劃會對沿線城市房價產生一定推升作用，但并不顯著。

假設2：高鐵建設期間，高鐵對沿線區域發展差異較大的城市房價產生的推升作用強于沿線區域發展差異較小的城市房價。

假設3：高鐵開通期間，高鐵開通運營會對沿線城市房價產生一定抑制作用。

假設4：高鐵開通期間，高鐵對沿線區域發展差異較大的城市房價產生的抑制作用強于沿線區域發展差異較小的城市房價。

3 研究設計

3.1 模型建立

在既有的高鐵對房價影響的研究中，已有多位學者采用雙重差分法及傾向得分匹配法相結合的方式進行研究。雙重差分法的研究思路在于通過理想的隨機試驗將樣本隨機分為實驗組（受政策影響）和控制組（不受政策影響）來近似模擬一個自然實驗的過程，通過對比實驗組和控制組的政策差異來評估政策的凈效應。但實際上，在現實生活中，這種的理想情況很難發生。通常很難控制別的實驗條件不發生變動，而實驗組常常會隨著時間的變動而發生變化，雙重差分傾向得分匹配模型能很好地解決這類問題。利用傾向得分匹配法可以估計個體實行政策的概率，從而通過該概率對實驗組和對照組進行匹配，能很好地契合雙重差分法。因此，本文采用雙重差分傾向得分匹配模型（DID-P5M）進行研究。

首先規定幾個虛擬變量：

TREAT-實施政策（高鐵的建設或開通）;

TREAT=0-對照組（未建設或開通高鐵）;

TREAT=1-實驗組（建設或開通高鐵）。

本文針對成渝高鐵，選取2013年為高鐵建設階段的政策實施期，2015年為高鐵開通階段的政策實施期;針對渝貴鐵路，選取2013年為高鐵建設階段的政策實施期，2018年為高鐵開通階段的政策實施期。

式（1）中：

y_i，t——各大沿線城市年平均住宅價格;

Control_i，t——其他控制變量。

ε_i，t——誤差項，主要觀察交互項tret_i，t×year_i，t的系數β₃的顯著性，若顯著，則高鐵建設或開通對沿線城市房價有影響;反之無影響。

3.2 變量設計

通過分析已有的利用雙重差分、傾向得分匹配模型研究高鐵對城市房價影響的相關論文所選取的各變量，即包括被解釋變量、控制變量，綜合決策分析可以得出本文所適宜使用的變量。

根據分析，本文選取以下主要變量進行度量：

（1）被解釋變量。本文選取各大沿線城市的年平均商品房價格（HP）作為被解釋變量。

（2）虛擬變量。本文將高鐵的建設、開通分別作為虛擬變量TREAT，高鐵未建設或開通為TREAT=0，高鐵建設或開通為TREAT=1。

（3）控制變量。根據相關研究，本文將從需求及供給兩方面來選擇變量，總共選取了國內生產總值、固定資產投資、儲蓄存款、房地產開發投資、公共財政支出、建成區面積、人口增長率等7項作為控制變量。

被解釋變量和各控制變量類型、名稱、符號、定義及數據來源見表1。

3.3 樣本數據選取及初步分析

渝貴鐵路于2018年1月25日正式投入運營，成渝高鐵于2015年12月26日竣工運營。本文根據《城市規模劃分標準》（國發[2015）51號）一文，將地區常住人口超過500萬，在500萬到1000萬以下并位于高鐵線路起終點的沿線站點城市定義為中心城市：重慶、成都;將沿線其余站點城市定義為非中心城市：貴陽、資陽、內江、遵義。選定渝貴鐵路沿線的3個站點城市和成渝高鐵的4個站點城市作為實驗組。同時參照相關文獻，根據2015年《經濟發展還是要素流失：交通基礎設施經濟作用的區域差異研究》中的基于空間相鄰的樣本之間差異性較小假設（曲創，李曦萌），在四川、貴州找出截止到2019年12月份沒有任何高鐵經過的城市共3個作為對照組，實驗組與對照組城市見表2、表3。剔除變量數據缺失的樣本，分別獲得2011-2019年19期、2010-2019年20期平衡面板數據。本文選用的數據來自《中國城市統計年鑒》以及各地區的區域統計年鑒。本文所有數據分析在Stata 15.0中完成。

4 實證數據結果及分析

4.1 匹酒已變量篩選

本文的主要的研究方法選用了雙重差分傾向得分匹配法（DID-PSM）。對兩組樣本進行logit回歸的結果分別見表4、表5。表4中，除了儲蓄存款，其余變量都有較為明顯的變化，說明篩除儲蓄存款以外的其余變量都適用作為傾向得分匹配變量;表5的數據處理工作與此同理，最后篩選出除市轄區人口以外的其余變量作為傾向得分匹配變量。

4.2 數據均衡性檢驗進行logit回歸確認數據適合使用傾向得分匹配法后，應繼續測定兩條高鐵線的各變量在各自的實驗組與對照組間是否變得均衡。經過傾向得分匹配后各變量的均衡性檢驗結果見表6，從表6中可以看出，進行匹配后，兩條高鐵線的各協變量的均值在各自的實驗組與對照組間不存在顯著性差異。因此，兩條高鐵線的數據均適合使用雙重差分傾向得分匹配法，且進行匹配后的數據均較均衡。

4.3 雙重差分PSM實證結果分析

從表7、表8中可看出，在高鐵建設期，在較好的控制各影響因素的條件下，成渝高鐵、渝貴鐵路建設對房價的影響凈效應分別僅為0.023、0.060，該影響并不顯著。而在高鐵開通后，成渝高鐵、渝貴鐵路沿線城市的總體房價上漲趨勢受阻，其影響凈差異分別為-0.073、-0.081。由此可見，在較好的控制各影響因素的條件下，高鐵開通反而為兩條高鐵沿線城市的房價上漲帶來了負向影響。

4.4 城市規模差異性分析

本文依據樣本數據的選取對各類城市分組的匹配分析見表9、表100

由表9、表10可得以下兩點數據特征：（1）在高鐵建設期間，兩條鐵路沿線的中心城市與非中心城市的房價均未有顯著變化，這與全樣本實驗結果相符;（2）在高鐵開通后，沿線中心城市的房價上漲趨勢受到正向影響，而非中心城市房價上漲趨勢反而受到負向影響。

不同城市與中心城市的距離不同，成渝高鐵選取成都作為中心城市，內江和資陽分別代表距離中心城市較近和較遠的非中心城市;渝貴鐵路選取重慶作為中心城市，遵義和貴陽分別代表距離中心城市較近和較遠的非中心城市。本文對兩條高鐵沿線的城市分別分組進行了匹配分析，分析結果見表11、表12。

由表11可知，對于成渝高鐵，（1）在高鐵建設期，高鐵建設對沿線非中心城市房價上漲趨勢均有負向影響，其原因可能是;成渝高鐵沿線的非中心城市在西部相對發達，但在高鐵建設期間，絕大部分有購房意向的消費者更愿意選擇經濟更為發達的中心城市，這種預期導向使得非中心城市的消費者均流向中心城市購房，本地需求下降進而導致房價上漲趨勢受阻。（2）在高鐵開通期，高鐵開通對沿線非中心城市的房價均造成了較顯著的影響。距中心城市較近的非中心城市房價上漲趨勢受到較大的正向影響，而距中心城市較遠的非中心城市房價上漲趨勢則受到較大負向影響，其原因可能是：成渝高鐵沿線非中心城市在西部均處于較好的發展水平，而消費者更為偏好經濟發展狀況更良好的距中心城市較近的區域，因此該區域消費者需求增加帶動該區域房價上升;同時，部分實力相對較弱的房地產開發商在競爭激烈的中心城市很難拿地，便從中心城市外溢到附近發展相對較好的非中心城市（即距中心城市較近的區域），爭奪開發用地，從而推動了這些地區的房地產市場發展，致使距中心城市較遠的非中心城市區域購買力流失，房價上漲趨勢受阻。由表12可知，對于渝貴鐵路，其產生的數據結果恰好與成渝高鐵相反。

4.5 城市群差異性分析

對比所選取的兩條高鐵線路的不同城市群間差異，本文對兩條高鐵沿線城市分別進行了匹配分析，分析結果見表13。由表13可知：

（1）在高鐵建設期，高鐵建設并未對成渝高鐵、渝貴鐵路沿線的城市房價造成顯著影響，這與假設1相吻合。但渝貴鐵路沿線城市受高鐵影響造成的房價漲幅略高于成渝高鐵，其原因可能是：渝貴鐵路沿線城市區域發展差異較大，因此其距離中心城市較遠的城市地價更低，房地產商進入房地產市場的壁壘也較小。

因此，部分在中心城市開發用地競爭中處于劣勢的房地產開發商會認為入駐區域發展差異較大的城市群是更明智的投資決策，進而選擇入駐渝貴鐵路沿線站點城市，和當地的房地產開發商一起爭奪開發用地，帶動當地的房地產市場發展，導致渝貴鐵路沿線城市的房價漲幅更明顯。這也直接驗證了似設2的正確性。

（2）在高鐵開通期，一方面，成渝高鐵、渝貴鐵路沿線城市房價上漲趨勢均受到較強的負向影響，這與假設3相吻合。另一方面，由于在高鐵建設期，房地產開發商普遮對渝貴鐵路沿線城市房地產市場有較高預期，房地產開發商在建設期入駐，導致各房地產開發商都按照高鐵開通時間作為推盤時間，最終在開通期產生了較多供給。前期需求已經釋放，開通后有效需求增長卻并不顯著，供過于求，最終導致房價上漲趨勢受阻，這也直接驗證了假設4的正確性。

本文中分析的高鐵因城市規模差異、空間異質性及城市群差異對房價產生的不同影響的詳細分析見圖1。

5 結論及建議

本文運用雙重差分傾向得分匹配法對成渝高鐵和渝貴鐵路在高鐵建設與高鐵開通兩個不同時期對沿線城市房地產市場的影響效應進行了對比，并對不同時期在不同規模城市、不同類型城市群間的影響差異進行了實證分析，得出：（1）高鐵建設效應沒有顯著提高沿線城市房價，而高鐵開通效應為城市房價上漲趨勢帶來了負向影響。（2）在城市規模方面，中心城市、非中心城市的經濟以及人口現狀的差異，導致高鐵效應對中心大城市、非中心城市房地產市場的影響也產生了顯著的差異。其中，高鐵建設效應對中心大城市和非中心城市房價均未有顯著影響;高鐵開通效應對沿線中心城市房價上漲趨勢產生了正向影響，對沿線非中心城市房價上漲趨勢產生了負向影響。（3）在不同類型的城市群中，高鐵建設效應對沿線區域發展差異較大的城市房價產生的推升作用強于沿線區域發展差異較小的城市房價;高鐵開通效應對沿線區域發展差異較大的城市房價產生的抑制作用強于沿線區域發展差異較小的城市房價。（4）高鐵對沿線站點城市房價產生的推升作用隨著建設工期的推進而有所減弱，隨著距離的增加而逐漸減弱。

參考文獻：

1.張銘洪 張清源 梁若冰.高鐵對城市房價的非線性及異質性影響研究.當代財經.2017.09

2.何里文 鄧敏慧 韋圓蘭.武廣高鐵對住宅價格影響的實證分析——基于Hedonic Price模型和微觀調查數據.現代城市研究.2015.08

3.曲創 李曦萌.經濟發展還是要素流失：交通基礎設施經濟作用的區域差異研究.當代經濟科學.2015.01

4.鄭林昌.我國高速鐵路對城市經濟發展的影響分析——基于對已建高鐵站點地級市的實證.社會科學家.2019.03

5.Vaturi A，Portnov B A，Gradus Y.Train access andfinancial performance of local authorities：greater Tel Aviv asa case study.Journal of Transport Geography.2011.02

6.楊秀云 趙勐 安磊.高鐵開通對中國城市房價的影響研究.西安交通大學學報（社會科學版）.2019.02

7.范紅忠 胡耀文.基礎設施建設對城市房地產市場的影響研究——基于高鐵開通的自然實驗.金融與經濟.2019.03

8.陳立 文王榮 劉介立.高速鐵路對城市房價的影響研究——基于石武高鐵面板數據的實證分析.資源開發與市場.2018.10

9.趙茗羽.房價影響因素的區域性分析.華北理工大學學報（社會科學版）.2019.04

10.郭根龍 蘇小榮.城市基礎設施建設影響房價的中介效應研究——基于我國35個大中城市的實證分析.未來與發展.2015.08

11.張東 湯軍.城市基礎設施投資的房地產資本化效應.城市問題.2017.09

12.向為民 李新剛.我國城市基礎設施對房價影響的區域差異——基于動態面板差分GMM模型的經驗研究.重慶理工大學學報（社會科學）.2019.08

13.宋德勇 陶相飛.土地財政是否會影響產業升級——基于基礎設施和房價的中介效應檢驗.財會月刊.2019.20

14.徐姣姣 王譯彬 項勇.城市基礎設施建設與房地產價格變動的相關性研究——基于35個大中城市面板數據分析.價格理論與實踐.2017.04

15.周泰 陳國民.供應鏈視角下我國房地產成本與價格探析.中國房地產（中旬刊）.2019.09

16.楊建軍.房地產開發項目區位因素對房價的影響初探.經濟師.2016.11

17.何芳 張興勝 高忠.鄭州城市交通對住宅房價影響分析.經濟論壇.2015.06

18.周文豪.正確認識我國城鎮化過程中關于土地的幾對關系.西部金融.2018.12

19.王文君.灰色模型在南京奧體中心軌道交通周邊房地產市場的應用.價值工程.2017.03

20.胡若函 毛其智.北京商品房價格的空間分布及變化趨勢（2002-2014）.住區.2016.01

作者簡介：向橙昱、張馨月，重慶大學管理科學與房地產學院。