广告位

您现在的位置是:东东网 > 热点新闻 >

共享单车拉低了地铁站周边房价?

2023-10-29 07:23热点新闻 人已围观

简介一般来说,人们为了更好的获取公共交通服务、降低通勤成本,通常会选择离地铁站更近的住房,这可能导致距地铁站更近的住房的价格更高(地铁房溢价)。而共享单车使得距离地铁站较远的公寓也相对更容易获得公共交通服务...

(原标题:共享单车拉低了地铁站周边房价?)

文/贾铭 张亦达

一般来说,人们为了更好的获取公共交通服务、降低通勤成本,通常会选择离地铁站更近的住房,这可能导致距地铁站更近的住房的价格更高(地铁房溢价)。而共享单车使得距离地铁站较远的公寓也相对更容易获得公共交通服务。

所以,一个显然的推论是:共享单车可能会推高距离地铁站较远的住房的价格,降低距地铁站较近的住房的溢价,从而缩小距地铁不同距离的住房价格差。

来自新加坡国立大学的Junhong Chu,英属哥伦比亚大学的 Yige Duan,,链家研究院的Xianling Yang和Li Wang于2020年6月在《Management Science》发表论文“The Last Mile Matters: Impact of Dockless Bike Sharing on Subway Housing Price Premium”。文章研究了共享单车如何调节房价与地铁距离之间的关系(房价梯度),并量化共享单车在解决“最后一公里”问题中的货币价值。

文章使用的是一个包含地铁站附近约400000套转售住房详细信息的数据集。为了识别共享单车对地铁房价溢价的因果效应,作者利用ofo和摩拜在不同时点进入中国10个主要城市为准自然实验,进行 i.住房层面的双重差分(DID)和 ii.城市-月度层面的两阶段估计。

在DID中,通过共享单车进入(该市)前后,距同一地铁站不同距离住房价格的空间变化来识别影响;在两阶段方法中,直接估计每个城市不同时点的房价梯度,并比较单车进入前后的梯度变化。

两种方法得出一致结论:

共享单车的进入显著降低了29%的房价梯度(每公里梯度从4.2%降到3.0%),相当于城市居民1年的可支配收入。即共享单车增加了较远距离住房的吸引力,缩小了距地铁不同距离的公寓之间的价格差。在过去30年的时间里,每个家庭每年减少的通勤成本约为1893—2127元。

进一步分析表明,这种影响是由对潜在买家的吸引力增加以及远离地铁站的公寓初始挂牌价格相对上涨所驱动的。不同的公寓、社区和城市存在异质性。

文章投稿于2018年10月,2019年11月被接收,2020年6月正式刊出。

研究数据

1. 房价和住房特征

本文数据来源于一家中国房地产机构,该机构在所有10个城市中均占有最大的市场份额。数据包括2015年7月1日至2017年12月31日期间挂牌转售的507975套住房,并跟踪所有未售出的住房,直至2018年3月12日。

数据包含每套住房的详细情况,面积、房间数、所处楼层、楼龄、装修情况、窗户朝向、地理位置,以及是否靠近公立学校(下文简称学区房);还包括每套住房的历史价格、当前价格、交易状态(售出或未售出)以及潜在买家的访问次数。

同时,作者区分了初次挂牌价、调整后价格、最后的成交价。

卖家初次输入的卖价为初次挂牌价;卖家调低或者调高初次挂盘价,为调整后的价格;如果住房最终通过中介成交,还会记录交易日期和成交价。如果住房没有通过中介成交,而是双方线下直接达成交易(通常是为了节省佣金),那网站上最后的价格也可能是成交价,但房屋的在售状态可能没有更新。

2. 到地铁的距离

作者手动收集了每个城市的地铁网络信息和每个地铁站的地理位置坐标、投入运营的日期。然后将住房数据和地铁数据匹配(具体的计算和匹配方法见原文附录A),保留据地铁站3公里范围内的住房信息,剔除超过3公里的住房(12%)——因为如果住房和地铁站的距离超过3公里,购房者就不太可能使用共享单车通勤。

但是,按地理位置坐标匹配的住房信息和地铁数据(测地距离:即根据经纬度测得的两点间最短距离)可能和住房到地铁站的实际步行距离有差异。

因此,匹配数据可能导致住房匹配到的地铁站并非实际上最近的地铁站。因此,作者再次手动确定了公寓到地铁站的实际步行距离,剔除了匹配数据和步行数据不一致的结果(3.8%)。

最后纳入数据集的,包括399840套住房和1422个地铁站。

3. 单车进入时间

ofo和摩拜进入每个城市的日期(见原文附录B表B1)来自两个公司的官方网站和公开的互联网信息,并与Cao等人(2018)报告的日期进行了交叉验证。同时,将ofo和摩拜进入较早的那个日期定义为共享单车进入该城市的日期。

Hall(2018)等人使用谷歌趋势(Google Trend)做Uber在美国的渗透率的代理变量,本文使用关键词“共享单车”的每日百度搜索指数做共享单车在每个城市的渗透率的代理变量。附录B表B2显示,在多个城市,该指数在ofo和摩拜单车进入日期前后达到峰值。

4. 数据特征描述

数据特征的描述性统计如表1所示。

表格的上半部分报告了住房的价格信息(挂牌价、调整价、成交价)和看房次数;表格中间部分报告了住房特征;下半部分报告了共享单车到地铁站的距离。

总共有399840套公寓的617271条价格记录,价格均值为31536元/平方米,到地铁的匹配距离和步行距离分别为1.08公里和1.62公里,55%的住房在共享单车进入之前上市,45%的公寓在共享单车进入之后上市。

另外,每套住房的平均面积为90.5平米,2.2个房间,平均高度为9层,楼龄为14年,一半属于学区房,每套住房平均看房次数为6.3次,13%基本装修、20%精装修,其它没有装修或缺失装修信息。

Tags: [db:TAG标签] 

广告位
    广告位

本栏推荐

    广告位

标签云

站点信息

  • 文章统计625篇文章
  • 标签管理标签云
  • 微信公众号:扫描二维码,关注我们