邻避设施导致的资产损失评估研究——以南京市为例

刘小峰，陈睿源，吴孝灵

（南京财经大学，江苏南京210023）

近几年，由环境引发的邻避事件不断发生，典型案例有2005年的浙江东阳事件、2007年的福建厦门PX事件、2012年的四川什邡钼铜项目事件、2014年的广东化州火葬场事件和2016年的江苏连云港苏宁广场事件等。邻避事件已成为我国国民经济和社会发展中迫切需要解决的社会环境管理问题。如何科学认识和治理这类群体性事件，成为学界和各级政府最难以把握却又不得不面对的“烫手山芋”[1]。导致群体性邻避事件发生的原因有很多，其中，资产贬值是人们反对邻避设施的重要理由，如2009年百万居民面对可能导致的楼价下跌集体反对广州番禺垃圾焚烧项目，2015年不少居民担心影响房价反对上海闸北区大型垃圾中转站兴建。相关研究也支持这一结论，如Boes 等[2]基于12年的数据，采用双重差分模型评估了核电站对周边房地产租房价格的影响，发现福岛事件发生后，瑞士核电站附近的房地产租房价格下降了2.3%；陈佛保和郝前进[3]以上海市垃圾中转站周边的房地产价格作为媒介研究了环境市政设施的邻避效应；刘小峰[4]基于金陵石化工业区周边居民调查数据分析认为周遭资产贬值是导致邻避倾向的重要原因。尽管研究者和管理者都认识到资产贬值是导致邻避行为的重要原因，也认为环境补偿是解决邻避冲突的重要方法，然而，理论与实务界仍缺乏科学、有效方法度量邻避设施导致周边资产贬值。

扩展到一般性的环境损失评估，主要可以分为两类：一类为环境污染事故导致的损失评估。目前中国环境规划院等机构专门出台了一系列的评估方法，如《环境损害鉴定评估推荐方法》《环境污染损害数额计算推荐方法》等，可采用恢复费用法、市场价值法等对各类环境污染导致的人身、财产、应急等损失进行经济评估[5]，逐渐形成可实践操作和理论研究的基本规范。如王浩[6]等以台州铅蓄电池企业为例研究了铅污染事故生态环境损失评估。另一类为非突发性的环境污染事故。与治疗抢救、应急恢复等不同，这类事故较难通过直接计算相关费用来确定损失，目前对这一类问题仍缺乏系统的研究[7]。在这种情况下，由于环境的经济外部性特征，人们较难直接度量环境的经济价值，一般需要在缺乏环境服务（商品）市场数据的情况下发掘新的方法来估算环境的经济价值。其中，条件价值法是当前流行的对环境等具有无形效益的公共物品进行价值评估的方法，主要利用问卷调查方式直接考察受访者在假设性市场中的经济行为，以得到消费者支付意愿来对商品或服务的价值进行计量[8]。如全世文[9]基于选择实验方法的北京市空气质量价值评估，但该方法的缺陷便是受访者在调查汇总中给出的回答存在偏差。由于我国公民的环境维权意识薄弱，对环境补偿的具体数额没有形成成熟的概念，在我国采用该方法仍不成熟[4]。另一个主流思路便是选择与环境关系密切且市场化“商品”作为环境价值的重要承载对象。现有的研究成果基本上以住房市场、居民健康状况以及与环境相关的娱乐和消费品作为度量的“媒介”[10]，如焦张义[11]探讨了房价、生态环境质量与最优城市规模，把房价和生态环境的新经济地理模型相联系；Mínguez等[12]以马德里的不动产价格为研究对象，通过空间模型研究了污染对相关资产的影响。这种做法的重要依据是人们对“好的”环境要求会随收入增长与社会发展而不断提高，人们会愿意支付更高的价格来购买“更好”的环境，目前已有研究通过实证方法证实了这一结论[10]，但没有给出相应环境损失评估的计算方法，无法像环境污染事故导致的损失一样形成可操作性评估方法。

本文在已有研究基础上，对双重差分模型（difference in differences model，DID）进行适应性调整，构建邻避设施导致的资产损失评估模型，以南京市为例探讨不同邻避设施对周边资产价值的影响，为客观了解邻避设施导致的资产损失情况以及制定科学环境赔偿方案提供决策参考。主要贡献有：①为非突发性的环境污染损失评估提供了一种新的方法。根据邻避冲突的内在属性，选择“房地产”作为评估周边居民资产损失的媒介，基于双重差分模型构建邻避设施导致的资产损失评估模型。鉴于邻避设施存在的历史性和邻避冲突爆发的突然性，本文对双重差分模型的运用进行了调整，与常见的政策评价运用选择静态的基准点不同，选择了动态的基准点，另外，对照组选择的是“一揽子”房地产，增强了双重差分模型在具体问题分析上的适应性。②已有的从经济因素揭示邻避行为的微观机理的研究多基于社会调查，较难解决受访者的认知与回答偏差难题，本文基于房地产客观数据从居民居住属性和房价变动方面刻画居民邻避倾向，为邻避问题提供了一种新的研究视角。③已有研究从不同角度阐述了邻避设施类型会导致居民不同的邻避倾向，本文进一步得到了区域繁华程度等因素可以消除邻避设施的部分影响、邻避设施对周边社区房价的影响在市场中存在一定的滞后性等结论，丰富了已有研究成果。

1 基于DID的资产损失评估模型

双重差分模型在政策效应评估领域得到广泛采用，该方法主要评估某一政策或者事件带来的净影响。近些年，一些研究者也试图通过寻找经济活动中存在的“自然实验”和“准自然实验”比较作差得到环境的价值[13]，如Chay和Greenstone[14]通过对比《清洁空气法》出台前后度量了美国政府对大气污染的治理带来的巨额经济价值。同时选用房地产作为评估邻避设施导致的资产损失的“媒介”有较为充分的理由：基于人口迁移理论与实践，在不考虑地区依附的情况下，周遭居民可以通过自由迁徙（在区域的其他地区找一个类似的房产进行置换）来规避邻避设施导致的负面环境影响，如此，就不存在邻避问题。事实上，不少地区因环境污染、土地毒化等问题，居民选择逃离污染源，原本人口密接之地逐渐成为“空心村”。其次，DID模型可以解决“特征价格模型”等方法无法规避的内生性问题，容易抽取出“邻避”这一单独因素导致的影响。再次，由于房地产市场的重要性，大量的相关成熟理论和研究方法得以累积，可以很好地度量各种因素对房地产价格的影响，而且有相对较为完善的现实数据。

基于DID的资产损失评估模型，需要对双重差分模型进行适应性调整，包括基准点的调整、处理组和对照组的选择，其核心是将有邻避设施的小区视为自然实验或准自然实验，将全部样本分为受到邻避设施影响的处理组以及没有受到邻避设施影响的对照组两类（图1）。假设处理组（受邻避设施影响小区）和对照组（不受邻避设施影响小区）除周边是否存有邻避设施差异外，其他因素相同。首先，分别计算出处理组和对照组的房地产价格在基准点前后的变化量，分别为然后，再计算这两个变化量的差值dx，也就是邻避设施对处理组影响的净效应。

图1 度量邻避设施导致的资产损失的双重差分模型

在度量邻避设施导致的资产损失的双重差分模型中，还需要讨论以下几个问题：

（1）基准点的选择问题。

一般而言，基准点为某一政策实施或某一事件发生的时间，邻避设施导致周边房地产经济性贬值估算应该采取邻避设施建设时间点，而且需要满足重要前提——所选择的房地产价格Pt0和Pt1并未受到新建邻避设施消息的预期影响，方法应用的关键变成时间节点t0和t1的选取。但更普遍的情形是，大量的邻避设施已经存在，而居民对邻避设施的风险认知则是近几年达到较高水平，现实条件已经无法追溯到邻避设施的新建点进而对比房地产价格的变化，即便是新建的邻避设施，周边的房价往往也在新建时已经受到新建邻避设施消息的重要影响，因此，基准点的选择成为双重差分模型应用的关键和难题。本文把度量邻避设施对周边房价的影响转变为处理组的房地产价格变化与对照组的房地产价格变化的差额，即在房地产上涨行情中，居民抱怨其房地产价值涨得少，在房地产下跌行情中，居民抱怨其当地产价值跌得多。这样，基准点便不是静态的，而是随环境动态变化的。

考虑到邻避设施对周边地产价值影响的累积性，假定资产的剩余寿命为n年，可先计算出每年（或每月，或每季度）平均影响额每个时间节点的社区房价可由大量的现实数据统计得到；然后通过年金折现得到邻避设施对处理组影响的净效应，也就是资产的经济性贬值。

式中，d为资产的累积损失；r为折现率，是投资标的资产（房地产）的期望投资回报率。

（2）处理组的选择问题。

邻避设施导致的资产损失评估中，处理组和对照组的选择都会面临判断问题。处理组的选择相对比较容易，可以根据邻避设施的影响范围来界定。若处理组不在经验或专家认为的可接受范围，则划分为处理组。影响范围可以根据国家安全评价或者环境影响评价方法来测算。不过需要说明的是，现实困难是国家相关法规对于大多数有潜在环境威胁的邻避设施没有说明其可接受范围，如垃圾处理站，《生活垃圾焚烧污染控制标准》中对垃圾焚烧厂的选址没有明确的距离界定，包括更为敏感的PX项目，也都没有具体的法规约束PX项目必须建立在距离居民区多远以外。

（3）对照组的选择问题。

对照组指随机抽取的对象的子集，在这个子集中，每个单位均不受到处理组成员所接受的某种特别的处理。但在现实中，由于房地产价格受到诸多因素的影响，找到满足条件的对照组成为难题。可供选择的方法有：①选择整个城市的房地产作为对照组，取城市房地产均价作为计量标准。其优点是计算简单，缺点是城市房地产均价是一个争议数字，而且样本包含处理组。②选择某一不受邻避设施影响的房地产作为对照组。其优点是房地产价格明确，完全不受邻避设施影响，缺点是房地产价格受到诸多因素影响，较难剔除其他因素的影响，计算结果波动较大，不稳定。③折中方法，即选择若干组满足对照条件的房地产作为“虚拟对照组”，即“一揽子”（basket）房地产作为对照组。其优点是可以规避单一房地产带来的不稳定性，又兼具整体性，缺点是计算量较大。

2 研究对象及范围

本文研究的是邻避设施对周边社区房地产价值的影响，其研究对象包括邻避设施和社区房地产。设施性质的不同导致其邻避效应的差异[15]，对周边社区房价的影响也不同。基于此，本文根据邻避类型的差异选择了四类邻避设施作为研究对象，分别为公墓、监狱、污水处理厂、化工厂。其中有环境污染较为明显的化工厂以及有一定污染的污水处理厂，也有基本无环境污染但会使周边居民产生心理不悦及安全恐慌的公墓和监狱。考虑到邻避设施的影响性和数据的可获得性，如果周边没有成熟的社区，本文剔除相关样本。整理得到其样本情况为：①公墓。目前南京市合法公墓共计15处，大部分公墓2.5km内并无成熟住宅社区，本文选择满足研究条件的3处公墓，包括南京金陵华侨永久墓园、江宁和六合地区的两座墓园。②监狱。本文选择满足条件的3座监狱，包括南京女子监狱、江宁监狱和浦口监狱。③化工厂。本文选择满足条件的4家化工公司，包括扬子石化-巴斯夫有限责任公司、江苏钟山化工有限责任公司、南京帝斯曼东方化工有限公司和中国石化扬子石油化工有限公司。④污水处理厂。本文选择满足条件的4处污水处理厂，包括南京鹏鹞水务公司、城东污水厂、南京市科学园污水厂和南京城北污水厂。

考虑到商业房地产、办公房地产和工业房地产在市场中的流动性，本文选择社区居民住宅作为研究对象，同时考虑到限价房和保障性住房价格并不市场化，故剔除限价房和保障性样本。国内学者对邻避设施研究表明，邻避设施的影响范围因各地的城市规划、经济发展和基础设施情况而各有不同，一般认为邻避设施对步行10分钟范围内的房地产价值有较大影响，因此以往学者研究中有采用0.5km、1km、4km作为范围的，且普遍采用2～3km作为研究范围[16]。本文在综合分析国内外研究情况和结合南京市自身特点的基础上，采用较为普遍的2.5km作为研究范围。而对于社区住宅周遭是否存在相关邻避设施，主要通过公众环境研究中心（http://www.ipe.org.cn）所公布的信息，首先锁定处在南京市邻避设施周围的住宅并通过地图测距功能计算其距离邻避设施的距离，然后通过一系列的网站询价及实地查询，获得房地产信息资料。在进行对照组选择的时候，采用“一揽子”房地产作为对照组，即利用南京市各个商圈周边的住宅价值的均值作为衡量标准。

3 模型计算

3.1 双重差分法的适用性检验

为保证对照组和处理组数据可适用于双重差分模型，本文首先对被选社区房地产价格的差分值逐一进行ADF检验。基于MATLAB软件，利用ADFTEST函数对待检验序列进行平稳性检验，反馈值均为1，表明序列平稳。同时，对相关数据进行同质性检验，以被选社区房地产在基准点的地产价格的差分值作为被解释变量，以是否为处理组作为解释变量，进行回归。研究处理组和对照组在基准点前变化趋势的异同。若回归结果均不显著，则说明双重差分模型得到的估计结果是无偏的，可适用于双重差分模型。

3.2 变量计算及其描述性统计

（1）处理组数据计算。

社区房地产价格主要通过两种方法获得：一是通过网络报价收集，包括安居客、365地产家居网、禧泰数据库等网上报价；二是对在售住宅包括新房及二手房进行实地询价。经过实地调研、官方统计数据和专业中介机构统计数据共采集92个住宅小区作为样本，最后筛选出有完整数据的住宅小区样本55个，其中，公墓、化工厂、污水处理设施、监狱各处理组周边的社区数分别为15个、21个、5个和14个。搜集的房地产价格主要是2012—2015年三年各季度的网上挂牌的价格，主要变量的描述性统计见表1。

表1 主要变量的描述性统计

（2）对照组数据计算。

根据牟宇峰等[17]的研究，本文选择新街口、河西中心区、湖南路、夫子庙和中央门五大商圈作为对照组。由于不同商业中心的经济地位和经济实力是有差别的，需要根据每一商业中心的影响程度对处在不同商圈周围的小区进行不同权重的赋值，以期体现这一影响。商圈大都处于城市的中心，地理密集度较大。为了避免样本数据较为集中，在确定商圈周边住宅范围时，本文以距离商圈0.5km之内的小区作为参照标准进行数据采集，而且同一商圈的住宅小区样本数量为5个。计算步骤为：首先，按照不同商圈，将商圈中搜集的5个小区的房价按照不同的年限进行平均。

其中，变量X含义为每个小区在不同时期的房价，下标j1代表新街口商圈，j2代表河西商圈，j3代表夫子庙商圈，j4代表湖南路商圈，j5代表中央门商圈；下标ti代表时间，取值为1至12，即以三年为研究时间长度，按照每一年四个季度搜集到的房价数据。

然后，将第一步骤中所得的数据进行系数调整，即按照不同的商圈等级进行系数赋值加权平均得到参照组的数据。

式中，aj，j=1,2,3,4,5，满足 ∑αj=1，为各商圈的调整系数，根据商业繁华程度，本文对位于新街口、河西商圈周围的小区房价各赋予0.25的调整系数，对位于湖南路、夫子庙商圈周围的小区房价各赋予0.2的调整系数，而对位于中央门商圈周围的小区房价赋予0.1的调整系数，即α1=α2= 0.25，α3=α4= 0.2，α5=0.1。

（3）影响程度计算。

式（2）计算出的结果得到邻避设施对某一具体小区房地产价值影响的累积性。为更具一般性，需要对邻避设施周边满足条件的所有社区进行处理。本文采取简单算术平均法对每种邻避设施对周边社区房价的影响进行度量，影响程度可作为邻避设施对周边社区造成的经济性贬值，可作为环境补偿的重要依据，有：

其中，S为城市邻避设施对周边社区房价的影响程度；dt为邻避设施对第t个社区的影响值；n为某一类型邻避设施周边的社区数量，在计算中，房地产住宅年报酬率取值为7%，即r=7%。

3.3 计算结果及其分析

（1）不同邻避设施对周边社区房价影响不同。

通过化工类邻避设施、公墓类邻避设施、监狱类邻避设施以及污水处理厂类邻避设施的双重差分分别计算出各处理组的影响程度。按照影响程度大小依次为：化工组影响程度为302.10，监狱组影响程度为284.20，公墓组影响程度为193.93，污水组影响程度为179.93。具体见表2。化工类邻避设施对周边房价的影响程度最为明显，监狱类设施对房价影响次之，公墓类和污水处理厂这两类设施对于住宅所产生的经济性贬值基本一致。由于监狱和公墓对居民的影响更多的是心理和安全因素，而非环境因素，可见居民邻避的因素不仅仅是环境污染，更多的是一种综合复杂的情绪和行为表达。

（2）区域繁华程度等因素可以消除邻避设施的部分影响。

为进一步分析同一类型的邻避设施对周边社区房价的影响是否一致，本文选择了邻避设施分布特点为“分散”和全城“均有”的公墓和污水处理厂作为研究对象，对其样本所处的区域进行细分，计算邻避设施对其的影响程度。研究发现，在公墓组样本中，处在“城中”的影响程度为105.00，处在“非城中”的影响因素为271.75；在污水组样本中，处在“城中”的影响程度为84.50，处在“非城中”的影响因素为251.50。导致这种差异的原因与房地产价格的影响因素有关，根据房地产价格特征模型，影响房屋价值的因素可以分为宏观因素和微观因素。宏观因素一般包括经济发展状况、利率、人均GDP、城市规模以及国家政策法规等。微观因素则主要包括建筑、邻里、区位等。本文的研究样本均在南京市内，面临的宏观因素是同质的，导致这种差异的应为该区域内的微观因素。通过对相关样本的实地调查和网上数据搜集发现，处于这两类邻避设施周围的社区其周边配套设施较为成熟，且有着较为丰富的教育资源、交通资源以及医疗资源，这在一定程度上消除了邻避设施对其造成的负面影响。

表2 邻避设施影响程度与周边资产经济性贬值

（3）邻避设施对房价影响范围分析。

已有研究发现，污染性邻避设施，如核电站，对周边房价的影响与距离成正比[17]，但交通性邻避设施，如地铁，对沿线的房价的影响呈现先大再小的倒“U”形结构[18]。尽管本文对处理组的样本选择进行了距离限制，但也发现类似但略有差异的结论。在公墓、监狱和污水处理厂这3组中，邻避设施对周边房价的影响与距离成正比，如在公墓组中，距离较远的曙光里和春光里小区，其影响值仅为78.82和84.19，但距离较近的盘金华府和科嘉花园，其影响值为213.55和229.10。然而在化工组中，并未得到类似的结论，可能原因是选择的研究对象为化工园区，较难刻画出其对距离的影响。

对照组和处理组房地产价格变化如图2所示。

（4）邻避设施对房价影响与市场行情的关系。

图2 对照组和处理组房地产的价格变化

通过对相关样本数据进行分析，研究发现，与城市繁华商圈相比，在房地产的上涨行情与下跌行情中，邻避设施对周边资产的价值影响存在差异性。在上涨行情中，邻避设施较大程度地影响了周边资产的升值，在研究区间，2012年6月至2014年3月以及2014年12月至2015年3月上涨行情中，参照组平均每季度上涨了674.87元，而处理组仅上涨了313.60元，仅为参照组的46.47%；然而在下跌行情中（2014年3月至2014年12月），参照组平均每季度下跌了-473.39元，然而有意思的是，处理组仅仅下跌了-167.65元，仅为参照组的35.41%。在下跌行情中，受邻避设施影响的房地产表现出了较强的抗跌性。这表明邻避设施周边的资产价格市场表现仅仅满足“上涨时涨得少”，而不满足“下跌时跌得多”。这丰富了已有大部分研究认为的邻避设施的存在对周边资产以负面影响为主的结论[12]，刻画了在资产价格不同行情下可能存在不同演变特点。

3.4 稳健性分析

为了检验研究结果的稳健性，本文还对研究设计做了如下调整：①基准点变化的调整，将动态基准点设置为季度节点，观察结果变化，研究发现影响程度未发生变化，数值上略有差异，化工组影响程度为310.52，监狱组影响程度为275.78，公墓组影响程度为195.86，污水处理厂组影响程度为188.30，但变化幅度均小于5%，其他结论未发生实质性改变。②样本选择的调整，将对照组数据中的五大商圈调整为传统的四大商圈，即去掉周边邻避设施最少的近十年形成的河西商圈，发现本文结论没有实质性改变。

4 结论与政策建议

因邻避设施等问题导致的居民经济损失或者该赋予良好人居环境以多少经济价值是环境经济学的难题，也是可持续发展的关键问题。本文针对邻避设施所产生的经济性贬值进行了研究，通过对“邻避”这一理论的探讨结合相应的房地产评估理论以及计量手段，为研究邻避设施对周边房地产价值的影响提供了一种新的思维方式。研究可为邻避冲突导致的环境补偿和协调机制构建提供方法支持，可为相关利益主体提供一些决策建议。首先，对于房地产投资者或者购买者，从本文的研究可知，化工厂和污水处理厂更多的是带来环境与健康问题，而监狱和公墓对居民的影响更多的是心理和安全因素，而非环境因素，居民邻避的因素不仅仅是环境污染，还是一种综合复杂的情绪和行为表达。如果购房者自身更关注环境因素而非心理和安全因素，其可以通过购买公墓以及监狱周边的地产，获得房屋价格上的收益。其次，对于政府来说，经济补偿是解决邻避冲突的重要措施，其能在一定程度上减少该区域居民的不平衡感，有利于安抚居民情绪；但非经济补偿同样必不可少，需要了解民众的风俗习惯，有针对性地进行多形式的环境补偿。再次，对于邻避设施的运营商来说，应在选址上进行慎重的考虑，尽量选择远离城区、人口密集度不高的地方，以免对周边居民的健康造成危害。

[1] 童星, 张海波. 群体性突发事件及其治理——社会风险与公共危机综合分析框架下的再考量[J]. 学术界, 2008（2）: 35-45.

[2] BOES S, NÜESCH S, WÜTHRICH K. Hedonic valuation of the perceived risks of nuclear power plants[J]. Economics letters, 2015,133: 109-111.

[3] 陈佛保, 郝前进. 环境市政设施的邻避效应研究——基于上海垃圾中转站的实证分析[J]. 城市规划, 2013, 37（8）: 74-79.

[4] 刘小峰. 城市居民对邻避设施的风险认知与补偿意愿——基于金陵石化工业区周边居民调查数据的分析[J]. 城市问题, 2015（9）: 99-103.

[5] 王鲲鹏, 於方, 张衍燊. 浅议突发环境事件直接经济损失评估工作方法[J]. 中国环境管理, 2017, 9（3）: 66-68, 82-82.

[6] 王浩, 胡庆年, 林星. 铅污染事故生态环境损失评估——以台州铅蓄电池企业为例[J]. 中国环境管理, 2013, 5（2）: 30-35.

[7] ESHRAGH F, POOYANDEH M, MARCEAU D J. Automated negotiation in environmental resource management: Review and assessment[J]. Journal of environmental management, 2015, 162:148-157.

[8] Mitchell R C, Carson R T. Using Surveys to Value Public Goods: the Contingent Valuation Method[M]. Washington, DC: Routledge, 2013.

[9] 全世文. 基于选择实验方法的北京市空气质量价值评估[J]. 中国人口·资源与环境, 2017, 27（9）: 46-55.

[10] 邓国营, 徐舒, 赵绍阳. 环境治理的经济价值: 基于CIC方法的测度[J]. 世界经济, 2012（9）: 143-160.

[11] 焦张义. 房价、生态环境质量与最优城市规模[J]. 南方经济,2012（30）: 63-73.

[12] MÍNGUEZ R, MONTERO J M, FERNÁNDEZ-AVILÉS G.Measuring the impact of pollution on property prices in Madrid:objective versus subjective pollution indicators in spatial models[J].Journal of geographical systems, 2013, 15（2）: 169-191.

[13] DESCHACHT N, GOEMAN K. The effect of blended learning on course persistence and performance of adult learners: a differencein-differences analysis[J]. Computers & education, 2015,（87）:83-89.

[14] CHAY K Y, GREENSTONE M. Does Air Quality Matter?Evidence from the Housing Market[R]. NBER Working Paper No.6826. Cambridge, MA: National Bureau of Economic Research,1998.

[15] 陶鹏, 童星. 邻避型群体性事件及其治理[J]. 南京社会科学,2010（8）: 63-68.

[16] 牟宇峰, 孙伟, 吴加伟. 南京商业中心演化与布局研究[J]. 世界地理研究, 2014, 23（2）: 112-122.

[17] CLARK D E, MICHELBRINK L, ALLISON T, et al. Nuclear power plants and residential housing prices[J]. Growth and change,1997, 28（4）: 496-519.

[18] 苏亚艺, 朱道林, 郑育忠, 等. 轨道交通对城郊之间房价梯度影响研究——以北京西南部为例[J]. 资源科学, 2015, 37（1）:125-132.