大学城建设对于住宅价格的时空效应研究

王 灿，台玉红

（上海理工大学管理学院，上海 200093）

引言

大学城建设，可以短时间内改变区域的文化教育水平，进而丰富该地区的文化底蕴，增加区域的生活便捷程度，同时也给了房地产市场发展的动力和光明的发展前景。因此，建设大学城能给区域房地产市场带来极大的增值效应。据不完全统计，当前在建和已经建成的大学城超过100个，比较知名的有南京自2001年起相继建设的仙林、江宁、浦口三个大学城，武汉光谷大学城，苏州大学城，杭州下沙大学城，广州大学城，北京海淀大学城，上海也有松江、杨浦、闵行、临港、张江等多个大学城。拥有多所高校的城市争相将大学聚拢成团，希望通过简单的大学城的建设拉动周边地区的后续经济开发亦或房地产开发，大学城的建设有成功案例，但是也不乏失败典型。大学城的建设究竟对周边房地产开发产生怎样的后续影响，尚没有一个确定的结论。本文选取房地产住宅价格为研究焦点，以上海2001年开工建设的松江大学城区域住宅成交价格和松江老城住宅成交价格相关数据为基准，建立特征价格模型，从空间和时间上定性研究、定量分析了大学城建设对其周边住宅价格带来的影响，以此分析大学城的建设对周边住宅价格的影响程度。

一、国内外研究综述

对于大学城的定义不同学者有着不同的看法，一些学者认为，在某一区域内，由一定数量的高等学校共同集聚在一起而形成的以高等教育为主要功能、以资源共享为区域特征、文化载体高度集中的城市社区可视其为大学城。由于国外大学城是顺势而为的产物，因此目前针对大学城与区域发展的系统性研究较少。在国外，大学城的建设与发展研究涉及相当多的领域，主要包括区域经济发展与人口结构调整等。同时，国外大学城的发展形态与载体主要是社区与高等教育的融合，在20世纪早期就已形成。大学城的发展过程如同城市的发展一样，由于某所大学在相关方面比较擅长，其经济、教育等相关因素吸引相关人口聚集，从而在该大学周边区域形成具有一定规模的城镇，如英国的剑桥大学城，美国波士顿大学城等。

而国内对于大学城的研究主要集中在大学与落地区域如何协调发展、如何在未来相互促进发展、以及大学城的选址等方面。大学与落地区域如何协调发展方面，一些学者指出，大学城对于区域经济的增长主要体现在改善大学办学条件的同时促进基建、交通等领域的进步，同时利用大学的尖端人才的集聚效应，吸引外来人口入驻以此推动区域产业升级、区域经济大跨步的发展。而对于大学城和落地区如何相互促进发展，一些学者认为，虽然建设大学城的趋势不可阻挡，但是我国大学城的选址还需细细考量。若建于城乡边缘地带，则大学城就不一定能够发挥出其本应有的作用。对于大学城的选址，一些研究指出，虽然大学城在国内是政策性、指令性的产物，但是为了促进区域经济转型升级发展，大学城对于区域经济空间结构、人文空间结构、地域空间结构的提振确实具有较强作用。研究并没有涉及到大学城建设期中及建设后对于区域的住宅价格的影响这一特定区域。

二、研究对象及研究范围

（一）研究对象

本文确定两个研究对象，一是大学城板块，二是住宅产品。

1.大学城。上海松江大学城坐落于上海市松江区西北部，是上海市通往浙江等南方各省重要的交通门户之一。松江大学城项目于1999年立项，于2005年基本完工。松江大学城项目建设于2005年9月结束并且开始投入使用，第一批新生入驻，迎接上海外国语大学、华东政法大学、东华大学、复旦大学视觉艺术学院、上海对外经贸大学、上海工程技术大学和上海立信会计金融学院等7所高校共10万余名学生，近1万名教师及后勤工作人员等。松江大学城对于松江大学城板块的经济发展有着极大的促进作用，投入使用后松江区的经济水平有了明显的质的提升并且附带有更强大的创新效应。选择松江大学城作为研究对象有两点原因：一是松江大学城大学紧密相连，内部无空隙，可看作一个整体。且松江大学城作为一个独立的住宅板块，与其他板块相距较远，可以单纯考虑松江大学城的影响作用提供了较好的研究区域。二是松江大学城始建于2001年，距今已经十六年之久，对于周边住宅市场影响相当成熟，对于从时间效应上进行研究提供了基础，同时周边区域的房屋价格对于研究松江大学城对于周边住宅价格影响具有很好的反映。

2.住宅产品。在大学城板块中，现存的住宅品类有别墅、普通高层住宅、经适房和廉租房等。本文将选取普通住宅为对象进行研究，主要原因如下：首先，国家相关政策影响经适房和廉租房价格较明显，不能用特征价格模型进行描述，所以不在此文的研究对象范围以内；其次，别墅作为高端住宅产品，其居住者的价格承受能力与普通居民有较大差别，对于特征的反应较为不明显，故此处不对别墅进行研究；最后，与大学城作用联系最为紧密的是普通住宅或公寓，因为教师、在读学生家长、配套商铺店主都有可能在周边房地产市场中置业，他们对于特征价格模型中的各项特征反应敏感。同时，住宅的一些特征能在很大程度上决定住宅价格的走势，因此符合模型创建的条件。

（二）研究范围

1.松江大学城区域。国内外对大学城对房价影响范围的研究较少，类比同类影响因素，如地铁站点对于周边住宅价格影响范围在1 000m，在1 500m之外对于住宅的影响可以忽略不计。笔者认为，大学城本身面积较大，影响范围应较广。同时，上海松江大学城7所大学均坐落于以上海市大学城体育场西南门为圆心，半径2公里的圆范围之内。因此，本文选取以上海大学城体育场为圆心，半径4 000m范围内的区域进行研究。

2.松江老城区域。松江老城板块位大致于上海市沪昆高速以南，沪杭高速以西，申嘉湖高速以北，上海绕城高速以东。区域内历史悠久，同时住宅开发时间较长，各时期各种类型住宅均有，能够充分体现各个时期松江区住宅产业的发展。同时时间上，松江老城自进入2005年后，也成了松江区住宅重点开发区域，恰好时间上与大学城建成时间相同。位置上，此区域位于大学城区域东南6公里处；松江大学城区域与松江老城区域距离上海徐家汇地铁站距离均为32km，因此在本研究中适用于与大学城板块的对比。

三、松江大学城对周边住宅价格影响的实证研究

（一）特征价格模型的构建

特征价格模型是用于研究产品异质性的一种模型，其研究重点在于产品的价格与产品各个特征之间的关系。建立特征价格模型，通常需要事先采集产品各个时期的不同的价格，然后分析各项因素对于产品价格的影响。由于住宅也是一种产品，因此可以将特征价格模型运用到住宅价格的研究中来，例如分析住宅的建筑因素、区位因素和环境因素等。在本研究中，将住宅的特征价格模型基本的形式设置为：P=f（C1，C2，C3…Ci），P表示住宅价格，Ci表示各影响住宅价格的特征因素。在本文中，基于特征模型的线性函数形式进行住宅产品及其各项特征之间的研究：

式中，P为住宅的价格；a0为除特征变量外其他影响产品价格的常量之和，是一个常数；ai为特征变量系数；Ci为特征变量；ε为随机干扰项。

在特征价格模型中，自变量与因变量通过线性形式连接起来，与a0对应的实际意义是所研究产品特征的价格，是一个常数。选择线性形式的特征价格模型能够较好地拟合现实情况，反映各个特征变量与最终产品价格的关系。适用于如松江大学城等区域边界明晰、区域经济较为独立、道路划分明显的地区，分析特定产品的价格变动来源。

（二）特征变量的确定

使用特征价格模型进行研究，首先需要确定产品的特征变量，在本文中主要包含住宅的建筑因素和距离因素。同时，为了满足构造特征方程的需求，还同时确定了住宅产品的价格变量和时间变量。参考以往学者的相关结论，确定选取以下特征变量的。

1.距离特征变量。距离特征变量主要用来描述被研究对象的相对地理位置。本文将距离特征变量设定为住宅与松江大学城的距离，用D表示。根据前文描述，D的取值范围为0＜D＜4 000，以m为单位。在研究范围内，以每1千米为变量，划分三个研究阶段。本文中，距离特征变量Dt0表示所本住宅与松江大学城的距离＜2 000m，以此类推Dt1、Dt2分别表示所本住宅与松江大学城的距离为2 000～3 000m、3 000～4 000m。住宅与松江大学城的距离落在相应区间时，则相应变量取值为1，否则其值为0。同时设置特征变量Dt0为虚拟变量，不在方程中出现，若Dt1、Dt2在取值时同时为0，则默认特征变量Dt0的取值为1。

研究假设：住宅与松江大学城的距离增加，则该住宅所受松江大学城影响越小，居民能够享用到的松江大学城的效应越小，所以预期D的系数符号为负。

研究区域，以上海大学城体育场西南门为原点，半径分别为2 000m、3 000m、40 000m画圆，按照建筑小区划归所属的最小半径划归所属区域。

2.建筑特征变量。建筑特征就是住宅产品自身所具备的特性。本文选取特征变量有以下几个：小区的总用地面积，用CA表示。单位为m2，设为连续变量。对于大学城区域住宅价格的预期影响不确定。小区的总建筑面积，用FA表示，单位为m2，设为连续变量。对于大学城区域住宅价格的预期影响不确定。小区的容积率，用VR表示。无单位，设为连续变量。对于大学城区域住宅价格的预期影响为负。小区的类型，用Floor表示。本文的研究对象为普通高层住宅，因此设置虚拟变量之一为住宅类型。普通住宅一般包括多层（1—6层）和高层（7层及以上）两个类型。在研究中，多层住宅虚拟变量取0，高层建筑虚拟变量取1。多层住宅居住条件较为舒适，而高层住宅可能更受年轻人的欢迎，因此对于大学城区域住宅价格的预期影响不确定。

小区的装修情况，用ZX表示。普通住宅按照交房前是否装修，可分为毛坯房和精装房，因此本文中将此设为虚拟变量，变量用ZX表示。取值为0表示交房前未装修或基本未装修（毛坯房），取值为1代表交房前已进行相当程度的装修（精装房）。市场上精装房一般仅由声誉高、综合能力较强的房地产开发商建造，但为了销量，也可能会降价销售。因此，变量ZX对于大学城区域住宅价格的预期影响为不确定。

小区的物业费，用PMF表示，物业费的单位为元/月·m2，与前值变量相同的设为连续变量。物业费高，可能反映小区管理制度规范，小区安全系数高等。因此，大学城区域住宅价格的预期影响为正。

3.住宅价格变量。Price表示因变量，即住宅小区价格，指截至到特定时间点，地块内所有累计已成交住宅的成交均价。为消除时间趋势以及不必要的其他因素影响，本文收集大学城区域在2001—2015年间开盘、与大学城距离在2 000～4 000m的45个住宅楼盘相关信息，以此为基础通过SPSS软件进行数据分析。

4.时间特征变量。在前面已经分析过，不同时期下大学城对住宅价格可能产生不同的影响。因此，本文设立三个时间段变量进行分别分析：Year0表示大学城建设期内的年份，Year1表示大学城投入使用五年之内年份，以Year2表示大学城投入使用十年之内年份。根据上文已提及上海市松江区大学城建设项目相关信息，Year0包含时间段为2001年1月至2005年12月；Year1包含时间段为2006年1月至2010年12月；Year2包含时间段为2011年1月至2015年12月，将三个时间特征变量均设为虚拟变量。根据特征价格模型如果特定时间点落在区间内，则时间特征变量取值为1，否则该时间特征变量取值为0。同时与距离特征变量类似，设定时间特征虚拟变量Year0，当特定时间点不落在Year1或Year2时间段内，即两个时间变量均为0，默认Year0值为1。

5.变量预期影响分析。上文对于住宅的相关变量分析中，确定了一些变量的预期结果（如表1所示）。各变量预期影响为正则用“+”表示该自变量与因变量关系是正相关，预期影响为负则用“-”表示该变量与因变量关系是负相关。

表1 变量预期影响

（三）数据采集

本文数据来源中，住宅价格来源为房天下房地产网、新浪上海乐居网、上海房地产联合网、安居客上海网易上海乐居网等网站，住宅容积率等相关特征变量数据来源于上海市规划局、松江区规划局以及上海政府数据服务网。住宅距离类信息数据通过百度地图、高德地图，新浪乐居上海楼盘电子地图，网易乐居上海楼盘电子地图的电子测量辅以公交线路长度、地铁运营时间进行测量以及上海政府数据服务网的数据，可信度较高。

（四）数据分析

在进行正式的建模前选取变量Price和主要研究变量D制作散点图进行事前分析，发现住宅与松江大学城的距离越小，小区价格逐步增高。因此，本文使用SPSS18.0进行分析。

经过模型拟合度分析及方差分析，模型回归方程拟合优度为0.971，说明模型能够较好的反映实际情况。模型DW值为1.993，VIF均为1—10之间，说明各变量不存在多重共线性。最终，利用软件得出回归结果。

（五）模型创建

由下页表2可得以下线性回归模型:

Price=1 324.905-1.215D+6 917.385Green-0.024CA+0.037FA+1 250.181VR-2 248.823Floor-1 705.578ZX+4 378.136PMF+3 558.204Year1+10 900.588Year2

1.从空间效应方面分析，表明大学城对于周围住宅的价格具有增值作用，且随距离递减。从表2中可以明显看出，松江大学城对于区域住宅价格存在影响。方程中，变量D的系数为-1.215，并且通过了95%条件下的t检验，说明在其他变量条件不变的情况下住宅距离大学城体育场的距离平均每增加1m，每平方米住宅价格将下降1.215元。因此，距离大学城体育场2 000m处住宅比原点处住宅价格每平方米平均下降2 430元。其中的原因可能是大学城的建设带动了周边区域经济文化以及交通的发展，随着大学城7所学校近10万名学生的入驻，以及各所学校高素质的教师、教授乃至中国工程院、中国科学院院士入城，他们对于住房的庞大需求，极大促进了相关区域房地产市场的繁荣发展。

表2 基本模型回归系数

2.从时间效应方面分析，大学城对于周围住宅的价格具有增值作用，且是一个逐渐凸显的过程。也就是说，大学城对于周围房屋的影响力是一个缓慢释放的过程。Year1阶段内，即大学城投入使用后5年内，对于房屋价格的增值作用系数是3 803.008，而Year2阶段内，即大学城投入使用后5年以后，10年以内，对于房屋价格的增值作用系数是10 960.439，且二者均通过了99%条件下的t检验。这可能是由于随着落成时间的推移，为了满足大学师生们的需求，周围的配套设施不断完善，医疗、教育、商贸等设施的落成进一步加强了周边住宅的生活完善程度。因此，大学城对于住宅价格的影响逐渐走高。另外，大学新城的建设，相对于老城区来说，环境优越，充满生机与活力，这种独特的人文资源逐步提升了楼盘的品位，从数据中来看，精装修房屋主要集中在大学城核心区域（＜3 000m），也从侧面证实了这一点。

3.从其他因素方面分析，对于区域住房价格的比较显著的影响因素还有建筑面积、占地面积和物业费。表2中，三者对于住房价格的影响系数均通过99%的t检验值的检验。建筑面积小同时占地面积大的住宅较建筑面积大同时占地面积小的住宅环境优渥，条件舒适，因此有理由价格较高。而凸显着小区管理水平的物业费的收取，表明此小区档次较高同时服务质量好，也有理由卖出更高的价格。

大学城区域2005—2010年的高增速，可能是由于开发商的炒作行为，以及人们对于良好居住环境的预期，使得人们对此区域趋之若鹜。在2010年之后，随着大学城板块的逐渐成熟，增速虽有所回落，但仍然较松江老城板块强。

松江区由于佘山等板块历年开发别墅、公寓型住宅较多，拉高了整体的均价，因此松江区全区均价不具备与大学城区域住宅价格的可比性。

结语

本文从空间与时间双重效应分析了大学城对于区域住宅价格的影响，发现大学城对于周围住宅的价格具有增值作用，且这种效应随距离增长逐渐递减，大学城对于周围住宅的价格增值作用是一个逐渐凸显的过程。同时，对于区域住房价格的比较显著的影响因素还有建筑面积、占地面积和物业费。

住宅的价格受多种复杂因素的影响，仅靠分析相关特征因素的关系从而断定某因素的影响程度与影响范围几乎是不可能实现的。只能用较为精确的数据和严谨的科学手段进行拟合，希冀最大程度地接近现实情况下的动态变化情况。本文通过定性的分析和定量的测算，得出大学城的建设对于松江大学城区域住宅价格的影响结论是趋近现实情况的。

同时也发现，大学城对房价的影响是一个动态的过程，随时间而演化。因此在分析大学城对于房价的影响时，对不同时点的影响状况同时进行分析也可以解释这对动态的关系。

此外，大学城的不同形状（上海松江大学城的矩形，郑州新区大学城的圆形，上海杨浦大学城的散点形）是否对于周边住宅开发具有一定的影响目前尚不得而知，有待进一步的研究去考证。

政府在对拟新建大学城区域开发时，应充分利用大学城对于核心区域的正面增值作用，统筹安排发展大学城周边。充分考虑区域不同的历史情况以及经济、人文、土地现状，不能贪大图快，以形成优良居住环境为目标，以改善区域人文环境和自然环境为宗旨，充分听取民众意见进行规划设计。还需要充分挖掘大学城核心区域的商业潜力，形成浓厚的商业氛围，不要让大学城成为一座“孤城”。从外部与内部同时挖潜，才能最好地利用这块宝贵的土地，使区域健康良好地发展，获得更美好的未来。