城市更新项目对周边住房价格的影响研究：来自北京市东城区的实证经验

周 霞，胡 明

（北京建筑大学 城市经济与管理学院，北京 100044，E-mail：1873833457@qq.com）

随着国家经济发展进入新常态，城镇化也进入增速趋缓时期，我国的城市发展模式也由过去的外延式增量发展向内涵式存量发展演进转化[1]。党的二十大报告指出：“实施城市更新行动，加强城市基础设施建设，打造宜居、韧性、智慧城市”。在当前城市发展的宏观背景下，实行城市更新行动是实现城市发展新旧动能转化，城市空间高效利用，区域经济高质量发展的必经之路。具体到北京市，2016 年发布的《北京城市总体规划（2016 年—2035年）》首次提出“减量发展”理念，在“减量双控”背景下城市存量空间的盘活、再利用成为北京城市更新的新方向[2]。城市更新具有明显的经济外部性，可通过盘活存量资产、调整产业结构、带动消费升级等方式提升周边土地价值并体现在房价上。

近年来国内外学者对此类现象开展了丰富的研究和探讨。很多学者认为城市更新可通过改善人居环境、提升城市品质，对临近的房屋价格产生显著正外部性[3]。在研究区域上，关于意大利、美国弗吉尼亚州、中国台北市等区域的实证研究结果已经证明城市更新能带来周边住房价格的显著上升[4~7]。在研究方法上，现有研究主要采取工具变量法[3]、双重差分法[8]、空间杜宾模型[9]等方法衡量城市更新项目对周边住房价格的溢出效应，并发现该效应在时间上显著增长，在空间上随距离逐渐减弱。然而，也有部分研究表明，城市更新可能产生负外部性，进而对周边房价产生负效应或不显著效应。中国香港及法国等区域的实证研究表明，高价值区域的更新项目，可能因为缺乏合理规划、项目选址问题等原因，降低周边土地的再开发价值，进而对周边房屋价值产生负效应[10]。

现有关于城市更新项目产生的外部性效应研究主要集中于棚户区改造[11]、城中村改造[12]、老旧小区改造[13]、老旧厂房改造[14]及老工业区搬迁改造[15]，鲜有研究探讨产业类城市更新项目的外部性效应。故本文以北京市东城区为研究区域，通过基于特征价格模型的双重差分法探究北京隆福大厦及隆福寺北里项目更新改造前后对周边房价的溢出效应，并在此基础上进一步分析其溢出效应产生的空间异质性。

1 研究区域、数据来源及研究方法

1.1 研究区域

东城区作为首都功能核心区的重要组成部分，其肩负着疏解非首都功能，疏解腾退空间资源统筹利用，实现老城保护与更新，传承文化基因及完善城市服务功能的重要作用。此外，相较以往研究所选区域，东城区还存在历史文化遗产丰富、城市公共设施集中等特点，这对我国其他区域老城的更新与发展具有参考价值。

本文所选案例为北京隆福大厦及隆福寺北里更新改造项目，该项目因其实现了老旧楼宇提质增效，保留隆福寺历史轴线及建筑风貌，保留老城城市记忆，强化老城整体空间形态，成功激活老城新活力，而被评为北京城市更新最佳实践之一。该项目一期于2019 年8 月正式运营，且该区域至今仍保持100%的出租率。

1.2 数据来源

（1）二手房挂牌交易数据。本文从链家二手房交易网站爬取了北京市东城区2015—2022 年的二手房挂牌交易数据，具体包括住房所在小区名、挂牌价格、建筑面积、建成年代、装修程度、卧室数量及梯户比等建筑特征数据。

（2）POI 数据。本文通过高德地图及腾讯地图获取了北京市东城区地铁站、三甲医院、小学、公园等公共设施的POI 数据，将其导入到地理信息系统软件Arcgis10.8 中，并通过Arcgis 软件的点距离功能计算各小区到相应公共设施的最短欧氏距离。

1.3 研究方法及模型设定

1.3.1 研究方法

特征价格模型是一种结合消费者理论及供需均衡模型的处理异质产品差异特征与产品价格间关系经常采用的模型，该模型在国内外被广泛应用于房地产领域[16]。但通过特征价格模型回归分析易遇到遗漏变量带来的内生性问题，双重差分法可有效克服该问题。故本文基于特征价格模型，采用双重差分法识别产业类城市更新项目对周边房价的溢出效应，并以此探究其溢出效应产生的空间异质性。

1.3.2 模型设定

依据特征价格模型，住宅价格主要由建筑特征、区位特征及邻里条件三方面决定，并最终以市场交易价格的方式表现出来。本文的特征价格模型如下式：

式中，pricei表示住宅每平方米的价格；Ji、Qi、Li分别表示住宅的建筑特征、区位特征及邻里特征；η表示未知变量；ξi表示随机误差项。

结合双重差分模型，可将基准模型设置为下式：

式中，i表示挂牌出售住宅所在小区，t表示年份。treatedi为分组虚拟变量，处于城市更新改造项目影响范围内的小区作为实验组，treatedi=1；影响范围以外的小区为控制组，treatedi=0。timet为时间虚拟变量，若二手房交易时间在项目建成前，timet=0；若二手房交易时间在项目建成后，timet=1。γt表示时间固定效应；μi表示个体固定效应；Xit为控制变量，包括住宅的建筑特征、区位特征及邻里特征3个维度。参考Lee 等[6]和张红丽等[14]的研究，将项目半径900m 范围内的二手房交易样本作为实验组，将项目半径900m 以外的二手房交易样本作为控制组。本文重点关注treatedi×timet交互项的系数β1，该系数反映城市更新项目对周边住房价格影响的净效应，若β1显著为正，则说明产业类城市更新项目对周边住宅价格有提升作用。

1.4 变量选取

本文的被解释变量为北京市东城区二手房挂牌交易价格。为减少模型共线性及异方差影响，将对样本交易总价除以房屋建筑面积得到的每平米交易价格作为被解释变量price。核心解释变量为treatedi×timet交互项，其交互项系数β1反应了城市更新项目改造前后对周边房价的影响程度。本文的控制变量从建筑特征、区位特征及邻里条件3 个方面进行选取；建筑特征方面选取卧室数、建筑面积、建设年代、装修程度、梯户比5 个变量；区位特征方面选取到城市中心的距离、到CBD 的距离两个变量；邻里条件方面选取到最近地铁站的距离、到最近医院的距离、到最近的购物商场距离及到最近公园的距离4 个变量。具体的变量符号以及量化方式如表1 所示。

表1 变量说明

2 实证分析

2.1 描述性统计

从表2 的描述性统计中可发现，以隆福大厦及隆福寺北里为中心，处于研究区域的二手房交易样本总量为734，研究样本中的二手房交易价格均值为10.22。

表2 主要变量的描述性统计

2.2 基准回归

表3 为本文的基准回归结果，其中第（1）~（3）列采用了混合OLS 方式进行回归，第（4）~（6）列则是采取式（2）进行了双固定效应模型回归。第（1）列为只加入了核心解释变量为treatedi×timet交互项的回归结果，treatedi×timet交互项系数为正并在1%水平上显著，说明本研究实验组房价涨幅提升高于控制组，表明产业类城市更新改造项目会对周边二手房交易价格产生正外部性。第（2）列是在第（1）列的基础上加入了建筑特征控制变量，本文核心解释变量系数依旧在1%水平下显著。第（3）列为再加入邻里特征、区位特征等控制变量后的结果，核心解释变量系数依旧稳健。第（4）~（6）列则控制了个体、时间效应，使得模型可以更好克服遗漏变量及内生性等问题。第（4）~（6）列除回归模型不同外，重复了第（1）~（3）列的过程，得到的treatedi×timet交互项系数保持5%及以上的水平下显著，排除了个体差异及随时间自然变化变量产生的非因果关系带来的显著性，证明城市更新改造项目对周边住房价格产生显著正效应。

表3 基准回归结果

对于控制变量的结果，建筑面积变量系数显著为负，而研究区域建筑面积均值为70m2，可见建筑面积过大可能对住宅交易价格产生负效应，此外由于东城核心区域建筑面积普遍较少，低面积住房的高价格可能也是造成该系数为负的原因。装修程度变量系数显著为正，这说明装修程度越高的住宅交易价格也会相对较高，而梯户比变量系数显著为负，这与以往的常识不符。通常，人们认为梯户比越高，居民进出单元更加方便，房屋交易价格也应较高。本文认为由于大量老旧小区聚集于东城高房价区域，且其通常为低梯户比小区，这就造成了交易价格较高的小区梯户比较低，进而使得该变量系数呈现负值。关于区位条件的相关解释变量由于大量公园、商场、学校等建于2015 年前，故区位变量数据多为截面数据，其在双固定效应模型中因共线性而被排除在外。对于地铁站区位变量，由于美术馆及金鱼胡同站分别于2018 年、2021 年投入使用，所以地铁区位变量存在面板数据特征，该变量显著为负，说明到最近地铁站距离对住房价格产生了负效应，即到最近地铁站的距离越远，二手房交易价格越低。

2.3 稳健性检验

2.3.1 更换回归模型

通过更换回归模型，采用随机效应模型及固定效应模型可初步进行该研究设计的稳健性检验。如表4 所示，核心解释变量treatedi×timet交互项系数均在1%的水平下显著为正，说明本文结果在更换回归模型的情况下具有稳健性。

表4 随机效应及固定效应回归结果

2.3.2 平行趋势检验

使用双重差分法进行研究的前提是实验组和控制组具有平行变化的趋势，故需对比政策实施前后实验组与对照组变化趋势。借鉴钱雪松等[17]的方法，通过计算实验组与对照组各年被解释变量均值，绘制二手房交易价格的时期趋势图，并由图1所示得到实验组和对照组在2019 年前存在共同的平行增长趋势。

图1 平行趋势检验图

2.3.3 更换实验组

将实验组范围由半径900m 调整至1000~1300m，并进行双固定效应回归，其结果如表5所示。treatedi×timet交互项系数均在5%及以上水平下显著为正，说明本文在调整实验组范围后依旧稳健。

表5 更换实验组回归结果

2.4 空间异质性分析

基于以往学者关于城市更新产生空间异质性的分析及稳健性检验中更改实验组范围得到的treatedi×timet交互项系数，这部分将以50m、100m、150m 为距离跨度进行分组回归，分别记录得到的treatedi×timet交互项系数，如图2 所示。

图2 交互项系数变化趋势图

本文将距离跨度划分为50m、100m、150m的原因有以下两点：一是因为东城的街区相比以往研究较紧凑，且研究样本点间距离较近；二是以往研究通常采取400m及以上的大尺度划分方式，而此方式不适合该区域。此外，本文通过细致的距离划分可更精准分析该区域的空间异质性[14]。

由图2 可见，产业类城市更新项目对周边二手房价格的影响，整体上随社区到项目距离的增加而逐渐减弱，但本文中treatedi×timet交互项系数并非线性减小，而是先减小至1000m 的范围后增加到1200m 的峰值，再随着距离增加而减少，并在1300m外断崖式减小而趋于平缓。出现上述结果的原因：一是因为研究区域内各类配套公共设施种类、数量丰富且覆盖范围较广，各类公共设施带来了复杂的空间叠加效应；二是因为本文对POI 数据的使用不够精细，西单、王府井等远超商业属性的标志性建筑或区域产生的影响远超其作为购物商城带来的邻里特征影响；三是学区房效应，高喆等[18]的研究表明学区房对周边住宅价格的影响已超过了传统区位、邻里特征的影响，且学区房除了受到最近学校距离的因素影响外还受其他因素影响。

3 建议

（1）由于城市更新项目对周边住房价格产生显著的溢出效应，且该效应同时受建筑特征、区域条件、邻里条件三方面的影响，所以，政府应该充分考虑到上述三方面因素及城市更新项目对周围房地产市场可能造成的复合影响，合理安排实施城市更新行动的时间与进度。

（2）由于城市更新项目对区域房地产市场存在空间异质性，且该效应存在波动性，证明有潜在的因素未得到充分识别。所以政府应当注意城市更新项目带来的空间异质性，科学合理地进行项目选址，同时重视城市更新项目带来的潜在性影响，预先制定相应的调控政策，并通过小规模、渐进式、可持续的城市更新策略，保障国内房地产市场的行稳致远。

4 结语

本文研究发现，产业类城市更新改造项目会对其所在区域周边的住房价格带来显著空间溢出效应，且该结论通过多项稳健性检验；此外，产业类城市更新项目对周边房价存在空间异质性，结果表明产业类城市更新项目对周边房价的影响会随着距离的增加而逐渐减弱，通过城市更新项目对房价的空间异质性分析，发现该项目溢出效应空间分布的波动性，出现该现象可能因为研究区域公共设施产生的叠加效应、标志性建筑带来的空间异质性及学区房效应。未来研究，一方面可从城市更新项目及其所在城市的类别进行拓展；另一方面针对空间波动性现象可从公共设施、标志性建筑、学区房区位条件等因素出发，探究其对城市更新项目周边住房价格的影响程度及机制。