（原標題：共享單車拉低了地鐵站周邊房價？）

文/賈銘 張亦達

一般來說，人們?yōu)榱烁玫墨@取公共交通服務、降低通勤成本，通常會選擇離地鐵站更近的住房，這可能導致距地鐵站更近的住房的價格更高（地鐵房溢價）。而共享單車使得距離地鐵站較遠的公寓也相對更容易獲得公共交通服務。

所以，一個顯然的推論是：共享單車可能會推高距離地鐵站較遠的住房的價格，降低距地鐵站較近的住房的溢價，從而縮小距地鐵不同距離的住房價格差。

來自新加坡國立大學的Junhong Chu，英屬哥倫比亞大學的 Yige Duan,，鏈家研究院的Xianling Yang和Li Wang于2020年6月在《Management Science》發(fā)表論文“The Last Mile Matters: Impact of Dockless Bike Sharing on Subway Housing Price Premium”。文章研究了共享單車如何調(diào)節(jié)房價與地鐵距離之間的關系（房價梯度），并量化共享單車在解決“最后一公里”問題中的貨幣價值。

文章使用的是一個包含地鐵站附近約400000套轉(zhuǎn)售住房詳細信息的數(shù)據(jù)集。為了識別共享單車對地鐵房價溢價的因果效應，作者利用ofo和摩拜在不同時點進入中國10個主要城市為準自然實驗，進行 i.住房層面的雙重差分（DID）和 ii.城市-月度層面的兩階段估計。

在DID中，通過共享單車進入（該市）前后，距同一地鐵站不同距離住房價格的空間變化來識別影響；在兩階段方法中，直接估計每個城市不同時點的房價梯度，并比較單車進入前后的梯度變化。

兩種方法得出一致結(jié)論：

共享單車的進入顯著降低了29%的房價梯度（每公里梯度從4.2%降到3.0%），相當于城市居民1年的可支配收入。即共享單車增加了較遠距離住房的吸引力，縮小了距地鐵不同距離的公寓之間的價格差。在過去30年的時間里，每個家庭每年減少的通勤成本約為1893—2127元。

進一步分析表明，這種影響是由對潛在買家的吸引力增加以及遠離地鐵站的公寓初始掛牌價格相對上漲所驅(qū)動的。不同的公寓、社區(qū)和城市存在異質(zhì)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。

研究數(shù)據(jù)

1. 房價和住房特征

本文數(shù)據(jù)來源于一家中國房地產(chǎn)機構(gòu)，該機構(gòu)在所有10個城市中均占有最大的市場份額。數(shù)據(jù)包括2015年7月1日至2017年12月31日期間掛牌轉(zhuǎn)售的507975套住房，并跟蹤所有未售出的住房，直至2018年3月12日。

數(shù)據(jù)包含每套住房的詳細情況，面積、房間數(shù)、所處樓層、樓齡、裝修情況、窗戶朝向、地理位置，以及是否靠近公立學校（下文簡稱學區(qū)房）；還包括每套住房的歷史價格、當前價格、交易狀態(tài)（售出或未售出）以及潛在買家的訪問次數(shù)。

同時，作者區(qū)分了初次掛牌價、調(diào)整后價格、最后的成交價。

賣家初次輸入的賣價為初次掛牌價；賣家調(diào)低或者調(diào)高初次掛盤價，為調(diào)整后的價格；如果住房最終通過中介成交，還會記錄交易日期和成交價。如果住房沒有通過中介成交，而是雙方線下直接達成交易（通常是為了節(jié)省傭金），那網(wǎng)站上最后的價格也可能是成交價，但房屋的在售狀態(tài)可能沒有更新。

2. 到地鐵的距離

作者手動收集了每個城市的地鐵網(wǎng)絡信息和每個地鐵站的地理位置坐標、投入運營的日期。然后將住房數(shù)據(jù)和地鐵數(shù)據(jù)匹配（具體的計算和匹配方法見原文附錄A），保留據(jù)地鐵站3公里范圍內(nèi)的住房信息，剔除超過3公里的住房（12%）——因為如果住房和地鐵站的距離超過3公里，購房者就不太可能使用共享單車通勤。

但是，按地理位置坐標匹配的住房信息和地鐵數(shù)據(jù)（測地距離：即根據(jù)經(jīng)緯度測得的兩點間最短距離）可能和住房到地鐵站的實際步行距離有差異。

因此，匹配數(shù)據(jù)可能導致住房匹配到的地鐵站并非實際上最近的地鐵站。因此，作者再次手動確定了公寓到地鐵站的實際步行距離，剔除了匹配數(shù)據(jù)和步行數(shù)據(jù)不一致的結(jié)果（3.8%）。

最后納入數(shù)據(jù)集的，包括399840套住房和1422個地鐵站。

3. 單車進入時間

ofo和摩拜進入每個城市的日期（見原文附錄B表B1）來自兩個公司的官方網(wǎng)站和公開的互聯(lián)網(wǎng)信息，并與Cao等人（2018）報告的日期進行了交叉驗證。同時，將ofo和摩拜進入較早的那個日期定義為共享單車進入該城市的日期。

Hall（2018）等人使用谷歌趨勢（Google Trend）做Uber在美國的滲透率的代理變量，本文使用關鍵詞“共享單車”的每日百度搜索指數(shù)做共享單車在每個城市的滲透率的代理變量。附錄B表B2顯示，在多個城市，該指數(shù)在ofo和摩拜單車進入日期前后達到峰值。

4. 數(shù)據(jù)特征描述

數(shù)據(jù)特征的描述性統(tǒng)計如表1所示。

表格的上半部分報告了住房的價格信息（掛牌價、調(diào)整價、成交價）和看房次數(shù)；表格中間部分報告了住房特征；下半部分報告了共享單車到地鐵站的距離。

總共有399840套公寓的617271條價格記錄，價格均值為31536元/平方米，到地鐵的匹配距離和步行距離分別為1.08公里和1.62公里，55%的住房在共享單車進入之前上市，45%的公寓在共享單車進入之后上市。

另外，每套住房的平均面積為90.5平米，2.2個房間，平均高度為9層，樓齡為14年，一半屬于學區(qū)房，每套住房平均看房次數(shù)為6.3次，13%基本裝修、20%精裝修，其它沒有裝修或缺失裝修信息。

免責聲明：信息網(wǎng)轉(zhuǎn)載此文目的在于傳遞更多信息，不代表本站的觀點和立場。文章內(nèi)容僅供參考，不構(gòu)成投資建議。如果您發(fā)現(xiàn)網(wǎng)站上有侵犯您的知識產(chǎn)權(quán)的作品，請與我們?nèi)〉寐?lián)系，我們會及時修改或刪除。

Tags：[db:TAG標簽](1451316)

轉(zhuǎn)載請標注：信息網(wǎng)——共享單車拉低了地鐵站周邊房價？