EN中文

地理科学 >

2026 , Vol. 46 >Issue 2: 437 - 450

DOI: https://doi.org/10.13249/j.cnki.sgs.20241195

人文经济地理

区域新建高铁对城市住宅用地价格的本地效应和网络效应研究——以中原城市群为例

  • 石波 , 1, 2 ,
  • 王磊 , 2, 3, * ,
  • 苗长虹 1, 4 ,
  • 张心语 2, 3
展开
  • 1.河南大学黄河文明与可持续发展研究中心/黄河文明省部共建协同创新中心，河南 开封 475001
  • 2.中国科学院南京地理与湖泊研究所湖泊与流域水安全全国重点实验室，江苏 南京 211135
  • 3.中国科学院大学南京学院，江苏 南京 211135
  • 4.河南大学地理科学与工程学部，河南 郑州 450046
王磊。E-mail:

石波（1999—），男，河南焦作人，博士研究生，研究方向为高铁交通与城市群发展。E-mail:

收稿日期: 2024-10-16

  修回日期: 2025-07-07

  网络出版日期: 2026-01-29

基金资助

国家自然科学基金项目(2022000125)

国家自然科学基金项目(42371191)

中国科学院未来伙伴网络专项项目(045GJHZ2023059FN)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Local and network effects of new high-speed rail on urban residential land prices: A case study of Zhongyuan Urban Agglomeration

  • Shi Bo , 1, 2 ,
  • Wang Lei , 2, 3, * ,
  • Miao Changhong 1, 4 ,
  • Zhang Xinyu 2, 3
Expand
  • 1. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center on Yellow River Civilization Jointly Built by Henan Province and Ministry of Education, Henan University, Kaifeng 475001, Henan, China
  • 2. Key Laboratory of Lake and Watershed Science for Water Security, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 211135, Jiangsu, China
  • 3. University of Chinese Academy of Sciences, Nanjing 211135, Jiangsu, China
  • 4. Faculty of Geographical Science and Engineering, Henan University, Zhengzhou 450046, Henan, China

Received date: 2024-10-16

  Revised date: 2025-07-07

  Online published: 2026-01-29

Supported by

National Natural Science Foundation of China(2022000125)

National Natural Science Foundation of China(42371191)

International Partnership Program of Chinese Academy of Sciences for Future Network Project(045GJHZ2023059FN)

Copyright

Copyright reserved © 2026.
Fold

摘要

新高铁线路的开通不仅提升了沿线城市的交通便利性和区位优势，还可能带来区域层面的网络效应，从而在不同尺度影响高铁城市的经济活动结构。本文以中原城市群为例，探讨高铁网络发展对不同尺度住宅用地出让价格的影响，着重分析新建高铁线路对城市的本地效应与网络效应。研究结果表明：①新高铁线路的开通对土地价值产生了双重影响：一方面直接使高铁沿线城市住宅用地价格平均提升了11.2%（本地效应），另一方面还对区域内其他高铁城市住宅用地价格带来平均约2%的额外提升（网络效应），揭示了高铁网络扩张对城市群整体网络价值的增强作用。②新建高铁的网络效应在不同等级城市呈现显著差异，相较于县和县级市，高铁网络效应对市辖区住宅用地价格的提升更为显著。本研究强调了高铁效应中的本地和网络尺度特征，增强了对高铁网络发展的多维度与异质性影响的理解深度。

关键词： 高铁网络; 土地价值; 网络效应; 倾向得分匹配; 双重差分法; 中原城市群

本文引用格式

石波 , 王磊 , 苗长虹 , 张心语 . 区域新建高铁对城市住宅用地价格的本地效应和网络效应研究——以中原城市群为例[J]. 地理科学, 2026 , 46(2) : 437 -450 . DOI: 10.13249/j.cnki.sgs.20241195

Abstract

High-speed rail (HSR) infrastructure development has fundamentally reshaped urban economics and spatial organization of economic activities. The opening of new HSR lines not only enhances transportation convenience and locational advantages of cities along the route but also generates significant network effects at the regional level, thereby influencing the economic activity structure and land valuation patterns of HSR cities at different scales. While much of the existing literature has focused on the direct or local effects of HSR on individual cities, there has been relatively limited exploration of the broader network effects generated by HSR networks. This paper focuses on analyzing both the local and network effects of newly constructed HSR lines on cities, providing a comprehensive framework for understanding HSR’s multidimensional impacts. An empirical study examines the impact of the Zhongyuan Urban Agglomeration’s HSR network development on residential land prices at different scales. By combining the PSM-DID model with multilevel data analysis, the empirical findings reveal a dual mechanism through which new HSR lines influence land value. First, we identify a local effect, where cities directly connected by new HSR lines experience an average increase of 11.2% in residential land prices. This increase can be attributed to the improved accessibility, the enhanced locational appeal, and stronger development expectation among investors and local stakeholders. Second, we uncover a network effect: city, as a part of the broader HSR network, but not is necessarily on the newly opened line, also experiences a positive impact, with residential land prices increasing by approximately 2% on average. This finding highlights the importance of network connectivity and suggests that HSR infrastructure generates externalities to transcend the immediately affected localities. Furthermore, the magnitude of these network effects varies significantly across cities of different administrative levels. Prefecture-level cities benefit more substantially from the network effect compared to county-level cities. This heterogeneity shows the uneven spatial distribution of HSR-related benefits. Urban hierarchy determines how effectively cities can leverage their network position. This study demonstrates that the existence of both local effect and network effect of HSR and reveal the multidimensional and spatially heterogeneous nature of HSR effects. These results provide critical insights for regional planning and infrastructure investment. Policymakers should consider network-wide impacts in designing strategies to promote balanced urban development through transportation infrastructure expansion.

Key words： high-speed rail network; land value; network effects; propensity score matching; difference-in-differences model; Zhongyuan Urban Agglomeration

高速铁路凭借其快速、高频和大容量等特点，为城市间建立了高效跨区域联系，极大促进了人流、资金流和信息流的密切交换，激发了区域间的交流与合作[1-2]。随着中国“八纵八横”高铁网络的不断完善，高铁已成为公众出行的首选交通方式之一。高铁不仅提升了地区可达性和连通性[3]，还促进了城市新区的兴起和土地吸引力的增强，加速了区域一体化进程[4]。在此背景下，作为一种固定资产，土地的价值和利用方式经历了重新界定。尽管土地本身不会产生空间上的移动，但高铁的开通使沿线城市融入区域高铁网络，显著提升了城市可达性和区位优势[5]。这不仅促进了资本、劳动力等要素在土地上的集聚，还引起了土地利用强度的提升和土地价值的增长[6-7]。随着高铁网络的日益完善，新建高铁线路的影响已不再局限于本地尺度，还可能通过高铁网络向区域内其他高铁城市传播，从而产生更广泛的网络效应[2]。然而，目前鲜有研究关注新建高铁的网络效应，这可能导致对新建线路效益的低估。鉴于高铁建设所需的巨额投资，准确量化其对土地价值的综合提升程度不仅有助于科学评估高铁投资的经济效益，还增强了对高铁网络效应的多维度理解，具有重要的学术和实践意义。
关于高铁对土地价值或房产价格影响的研究主要聚焦于高铁开通对沿线城市土地价值的正面作用[8-10]，但这一领域的具体效应仍存在较大讨论空间。随着研究的深入，更多学者开始关注高铁客运网络对城市发展的影响。相关研究表明，高铁服务频次对沿线城市服务业集聚和商服用地价格有显著影响，且这种影响在不同区域可能存在差异[11-12]。然而，仅从高铁与沿线城市的邻近性出发，忽视车站间的连接性，可能会低估高铁网络扩张所带来的经济收益[13]。因此，部分研究引入了网络分析方法，以评估高铁可达性、连通性和网络中心性对土地价值的影响[14-15]。
综上，现有的文献倾向于关注高铁开通对沿线地区土地价值的影响，却忽略了新线路通过增强既有高铁网络额外带来的网络效应。在土地市场中，前者是轨道交通的本地效应，后者是其网络效应[16]。轨道交通的可达性优势本质上具有本地性特征：邻近新建轨道交通线路车站的区域通常比远离车站的区域享有更高的可达性[2]。然而，网络外部性理论为理解高铁网络在更大尺度的影响提供了重要视角。该理论指出，随着网络规模的扩大，其对用户的价值呈现增长趋势。这种网络扩张提升的可达性通过高铁网络向区域其他城市传播，从而引发网络内高铁城市土地价值的普遍增长[17-18]。相关研究进一步强调，对高铁效应的分析需要考虑更广泛的区域，而不仅仅局限于本次开通高铁的城市[19]。
然而，由于网络效应本质上是一种溢出效应，其影响相较于直接的本地效应可能不太显著，因而在研究中往往被忽视[16]。文献梳理发现，只有少数实证研究检验了轨道交通线路对土地价值的网络效应[16,20-21]。尽管这些研究为理解轨道交通的网络效应提供了重要参考，但针对高铁线路网络效应的研究仍然匮乏。高铁作为跨区域城市间的快速交通方式，其网络效应可能比城市内轨道交通更为显著和广泛，然而这一领域尚未成为现有文献讨论的重点。
鉴于此，本研究以中原城市群县级单元为研究对象，基于2009—2021年全国列车时刻表和住宅用地出让数据，采用倾向得分匹配–双重差分模型（PSM-DID），考察高铁网络发展对住宅用地价格的影响。为了全面把握高铁效应的多维度性，以新开通的郑阜高铁为切入点，探讨其对区域内其他高铁城市住宅用地价格的影响，从而识别并量化新建高铁的网络效应。此外，通过对不同等级城市进行分组回归，揭示高铁网络效应的异质性特征。研究结果不仅深化了对高铁效应的全面理解，还有助于纠正仅关注本地效应而忽略网络效应所导致的高铁线路效益评估偏差。

1 研究方法与数据来源

1.1 研究区概况

中原城市群位居中国中心地带，是中国极为重要的经济与人口聚集中心（图1）。根据国家发展和改革委员会批复的《中原城市群发展规划》（https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201701/t20170105_962218.html），其范围涵盖河南、山东、山西、河北和安徽5省30个省辖市229个县级单元，总面积约28.70万km2。中原城市群以郑州为核心，构筑了“一核多点、分层发展”的空间布局，各城市通过高铁和高速公路等现代交通基础设施实现互联互通，并根据自身的优势和特色，形成了互补的发展模式[22]。
图1 2021年中原城市群高铁网络和人均GDP空间分布

Fig. 1 High-speed rail network and per capita GDP of Zhongyuan Urban Agglomeration in 2021

2009—2021年，中原城市群的经济规模持续扩张，2021年经济总量达到8.87万亿元，占全国经济总量的7.7%。同期，人均GDP增至57 408元/人，但与全国平均水平80 976元/人相比仍有一定差距（https://www.stats.gov.cn/sj/zxfb/202302/t20230203_1901393.html），但其增长势头良好，展现出较强的发展潜力。值得注意的是，该时期中原城市群内部收入分配状况显著改善：核心区基尼系数从2009年的0.276降至2021年的0.205，边缘区从0.183下降至0.095，整体从0.249降至0.176。这表明中原城市群在保持经济增长的同时，也兼顾了区域发展的均衡性，逐步迈向更加公平协调的发展格局。
2009—2021年中原城市群地区先后开通了郑西、京沪、京广、郑徐、京港、郑阜等多条高铁线路，总计通车里程突破3 000 km（https://crh.gaotie.cn/，数据下载日期：2023-09-02）。随着这些线路的陆续投入使用，以郑州为枢纽的“米”字形高铁网络格局已初步形成，大幅提升了区域内的交通连通性。2019年12月，郑阜高铁（郑州–阜阳）的开通标志着一个重要的里程碑。这条新线路不仅在中原城市群内部构建了高铁环线，为区域内的资源配置和产业布局提供了高效的交通支撑，更是显著缩短了中原地区至长三角地区的时空距离。郑阜高铁与同期启用的商合杭高铁相互衔接，形成了一条连接合肥并延伸至上海、南京、杭州等长三角核心城市的高效交通网络，极大促进了中原地区与长三角地区之间的交通一体化发展。这一新线路的开通有效突破了此前中原城市群高铁网络布局以南北向京广高铁和东西向徐兰高铁为主、东南方向连接相对不足的局限。郑阜高铁开通对高铁连接频次的提升上尤为明显：河南省与长三角地区之间所有城市对的高铁频次之和从2019年的4 152次/d，增加至2020年的5 967次/d和2021年的7 141次/d，大幅增强了区域间人口、资金和信息的流动（https://www.12306.cn，2023-09-02）。

1.2 研究方法

1.2.1 高铁网络构建

本研究基于P空间理论构建高铁服务网络，该方法强调节点可达性，能有效反映地点间的社会经济联系[23-24]。利用列车时刻表数据，以全国范围内具有高铁站点的县级单元为基础，构建高铁服务网络，具体如下：
$ \mathit{G} \mathrm{=(} \mathit{S} \mathrm{,} \mathit{E} \mathrm{,} \mathit{W} \mathrm{)} $
式中，G表示全国高铁网络；S表示拥有高铁站点的县级单元；E表示具有直达高铁连接的城市对；W表示城市对间列车联系的频数。
在构建高铁服务网络时，本文采用了以下原则：①以高铁站所在县级单位为节点；②多个高铁站的城市视为单一节点，忽略城市内部站点间连线；③不考虑线路的方向，将网络抽象为无向网络；④考虑高铁发车频次，将网络抽象为以频次为边权重的加权网络。

1.2.2 测量网络中心性

本研究采用社会网络分析法计算中国高铁网络各节点中心性。在高铁网络中，节点数、边数和边权重反映网络规模，网络中心性则用于识别节点的网络地位和重要性[25-26]。其中，接近中心性（CC）通过计算某节点到网络中所有其他节点最短路径之和的倒数来衡量节点的中心性，能够反映城市节点在高铁网络中的可达性水平，具体计算公式参见文献[27-28]。CC值越大，表明节点中心性越强，该节点与其他节点的交通效率越高。

1.2.3 计算高铁旅行时间

旅行时间可以反映一个地区到其他地区的便捷程度，本文基于列车时刻表计算2009—2021年各县级单元到城市群内29个地级市市辖区的“门到门”高铁旅行时间：
$ {Tt}_{i}={\displaystyle\sum }_{j=1}^{n}{T}_{ij} $
式中，Tti表示县级单元i的旅行时间之和；Tij= Tis + Tod+ Tsj + Te，指高铁网络中由县级单元i到市辖区j的“门到门”最短旅行时间。其中，Tis指从县级单元i的中心到其最近高铁站s的时间；Tod是县级单元i到市辖区j的高铁列车实际运行时间；Tsj是从市辖区j的高铁站到达市中心的时间；Te为误差时间，包含中转时间和候车时间，本文设定0.5 h。对于两个未通高铁的相邻县级单元，优先使用公路直达交通时间，避免大幅中转绕行而高估相邻县级单元之间的实际旅行时间。

1.2.4 PSM-DID模型

由于本研究中的各县级单元高铁开通时间不一致，本文采用多期DID模型以克服时间差异问题。DID模型能通过双重差分有效解决内生性问题并识别“政策处理效应”，但可能存在样本偏差，PSM能够解决样本选择偏差问题[29-30]，即通过协变量在对照组中选取与开通高铁的城市具有相似特征的未开通高铁的城市。本研究选择交易地块与当地政府所在地的距离（DIS）、常住人口数（POP）、人均生产总值（PGDP）、公共财政支出（BE）、第二产业占比（IND2）、第三产业占比（IND3）、地方金融机构贷款余额（BL）作为匹配变量。采用k阶最近邻匹配法（k=3）进行样本匹配，最终获得1 470个匹配样本。基于此，本研究构建PSM-DID模型来识别高铁开通对地价的因果效应。具体模型设定如下：
$ \begin{aligned}\ln y_{i, t}= & \alpha+\beta_{1} \times T R T \times O P+\beta_{2} \times F R E+\beta_{3} \times T R T \times O P \times C C+ \\& \beta_{4} \times T I M E+\sum_{k} \theta_{k} X_{i, t, k}+m_{i}+\text { year }_{t}+\varepsilon_{i, t}\end{aligned}$
式中，被解释变量lnyi,t为研究单元i在年份t住宅用地出让价格的对数；β1、β2、β3和β4分别表示高铁开通(OP)、高铁服务频次(FRE)、高铁网络接近中心性(CC)以及高铁旅行时间(TIME)对地价影响的净效应；TRT是虚拟变量，处理组为1，对照组为0；虚拟变量OP表示高铁开通，将高铁正式开通之后的年份赋值为1，其他年份赋值为0；Xi,t,k为影响住宅用地价格的其他控制变量；θk为其系数；k为变量数量；mi表示个体固定效应；yeart表示时间固定效应；εi,t为随机误差项；α为常数项。
在时间维度上，高铁建设和开通是一个连续过程，对住宅用地价格的影响存在不确定性。在网络视角下，高铁开通属于本地效应，郑阜高铁开通对区域其他高铁城市住宅用地价格的影响体现为网络效应。考虑到郑阜高铁沿线城市可能同时受到本地效应的影响，从而干扰网络效应的准确估计，研究从样本中剔除了郑阜高铁沿线的扶沟县、西华县、周口市市辖区等县级单元，并对剩余样本进行重新分组。基于此，构建公式（4）以研究高铁建设、开通以及郑阜高铁开通等事件对住宅用地价格的时间和网络效应。
$ \begin{aligned}\ln y_{i, t}= & \alpha+\beta_{5} \times T R T \times C S+\beta_{6} \times T R T \times O P+\beta_{7} \times T R T \times Z F O P+ \\& \beta_{8} \times T R T \times Z F O P \times H I E R+\sum_{k} \theta_{k} X_{i, t, k}+m_{i}+\text { year }_{t}+\varepsilon_{i, t}\end{aligned} $
式中，β5、β6、β7和β8分别表示本地高铁建设、本地高铁开通、郑阜高铁开通以及市辖区异质性对住宅用地价格的净效应。虚拟变量CS为高铁建设，将高铁开始建设到本地高铁正式开通之前的年份赋值为1，其他年份赋值为0；虚拟变量OP为本地高铁开通，将高铁开通之后到郑阜高铁开通之前的年份赋值为1，其他年份赋值为0；虚拟变量ZFOP为郑阜高铁开通，将郑阜高铁开通之后的年份赋值为1，其他年份赋值为0；虚拟变量HIER为城市等级，市辖区赋值为1，县和县级市赋值为0。

1.3 样本、变量选择与数据来源

1.3.1 研究样本选择

本研究基于高铁线路的空间分布将中原城市群县级单元划分为处理组与对照组。处理组（高铁县）的界定标准为：有高铁线路经过并设有高铁站点。对于跨县设站的情况，如滑浚站位于滑县和浚县边界，两县均归为高铁县。当高铁站距相邻县级单元中心较近且可达性良好时，相邻县级单元亦纳入处理组。如许昌东站和安阳东站虽分别位于许昌县和安阳县境内，但距各自市中心仅5 km和8 km，驾车通勤时间在15 min以内，因此许昌市市辖区和安阳市市辖区均界定为高铁县。对照组（非高铁县）包含2类情况：一是无高铁线路经过的县级单元，二是有高铁线路穿越但未设站点的县级单元。非研究区是指因住宅用地交易数据不完整而排除在研究范围外的县级单元（如新乡市封丘县、洛阳市栾川县等），这些区域多为经济欠发达地区，土地市场活跃度低，住宅用地市场交易数量少，计算所得平均地价波动过大，缺乏代表性。

1.3.2 变量选择

结合相关研究[31-33]，选取城市经济发展规模类、人均类、结构类指标以及地块区位等作为控制变量。为确保模型稳健性，进行方差膨胀因子（VIF）检验，发现部分自变量存在较强的多重共线性。为解决该问题并减少控制变量选择过程中的主观偏差，研究采用基于LASSO回归的Post-Double-Selection（PDS）方法[34]。LASSO的优势包括自动化变量选择、有效处理高维数据、特征选择和正则化，以及缓解多重共线性问题[35]。表1显示，PDS通过2轮变量筛选，选择与住宅用地出让价格显著相关的变量，然后选择与处理变量相关的变量，最终确定一组统计显著且理论相关的变量。所有变量的VIF值不超过5，有效保证了模型的可靠性。此外，依据豪斯曼检验结果，最终选择固定效应模型进行分析。
表1 变量的描述与解释

Table 1 Description and interpretation of variables

变量 变量名 描述和解释
被解释变量 PRIC 住宅用地平均出让价格/（元/m2）
解释变量 HSR 是否开通高铁：开通为1，否则为0
FRE 高铁服务频次/（班/d）
CC 高铁网络接近中心性
TIME 高铁旅行时间/min
控制变量 DIS 地块区位条件，即交易地块与
当地政府所在地的距离/km
POP 常住人口数/万人
PGDP 人均生产总值/（万元/人）
BE 公共财政支出/万元
IND2 第二产业占生产总值比重/%
IND3 第三产业占生产总值比重/%
BL 地方金融机构贷款余额/亿元

1.3.3 数据来源

①高铁数据来源于12306官网（https://www.12306.cn/index，2023-09-21）的全国列车时刻表，提取C（城际动车）、D（动车）和G（高速动车）3种高铁列车，汇总得到中原城市群各县级单元的高铁服务频次。②行政区划数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn，2023-10-15），鉴于中原城市群行政边界一直处于动态调整中[36]，为保证研究期内数据一致性和可比性，本文统一采用2010年的行政边界底图作为基准。同时，考虑到地级市市辖区在经济社会发展中具有较强的同质性和关联性，将各地级市市辖区合并为统一研究单元，最终形成224个县级单元，包括29个合并后的地级市市辖区和195个县和县级市。③住宅用地数据来源于中国土地市场网 （https://www.landchina.com，2023-09-12），涵盖2009—2021年中原城市群所有研究单元住宅用地交易数据，包括地块名称、所属市县、成交价格、出让日期和出让方式等信息。本研究仅考虑招标、拍卖、挂牌3种市场化出让方式的地块，通过计算各研究单元的年度土地总成交额和总面积，得出各单元住宅用地的平均出让价格。④社会经济数据来源于各省市统计年鉴和《中国县域统计年鉴》[37]。通过对高铁站点的空间编码数据与行政区划进行叠加分析，识别高铁站点所属的县级单元，再结合土地交易数据的完整性，最终选定154个县级单元为研究对象。

2 结果与分析

2.1 高铁网络演化与住宅用地价格分析

中原城市群高铁网络呈现出显著的空间异质性，主要体现在高铁服务频次空间分布中，并与区域地价分布存在潜在关联。本文从高铁服务频次及住宅用地价格2个方面，分析中原城市群高铁网络演化特征及其与住宅用地价格变化关系。
图2呈现了2021年中原城市群县级单元高铁服务频次的空间分布，整体呈现明显的“核心–边缘”结构特征。郑州市市辖区以日均1 120趟的频次居于首位，凸显其作为区域交通枢纽的核心地位。洛阳市市辖区和阜阳市市辖区分别以362趟和279趟位列其后，构成次级中心。相比之下，菏泽市市辖区和虞城县等城市群边缘地区高铁服务频次较低，其中菏泽市市辖区每日仅有6趟高铁班次，成为服务水平的最低点。这种分布格局反映了区域内交通资源分配的不均衡性，也为理解高铁网络对区域发展的潜在影响提供了基础。
图2 2021年中原城市群高铁网络和高铁服务频次空间分布

Fig. 2 High-speed rail network and service frequency in Zhongyuan Urban Agglomeration in 2021

图3展示了2021年中原城市群县级单元住宅用地价格的空间分布特征。郑州市市辖区住宅用地价格最高，达21 285元/m2，洛阳市市辖区和聊城市市辖区次之，而孟津县和扶沟县等地价格相对较低。对比住宅用地价格（图3）和高铁服务频次（图2）的空间分布发现，两者存在一定程度的相关性，为探究高铁网络对地价的影响提供了初步依据。纵观研究期内的地价变化，高铁县和非高铁县的住宅用地价格均呈现上升趋势（图4）。特别是2020—2021年，高铁县的地价增幅达到26%，略高于非高铁县的23%。这种增长差异可能暗示了高铁网络对地价的潜在影响。本文将在后续部分通过更加严格的回归分析和因果推断方法，深入探讨高铁网络对住宅用地价格的影响。
图3 2021年中原城市群住宅用地出让价格空间分布

Fig. 3 Residential land price in Zhongyuan Urban Agglomeration in 2021

图4 2009—2021年高铁县与非高铁县住宅用地价格变化趋势

Fig. 4 Residential land price in high-speed railway and non-high-speed railway county in 2009—2021

2.2 高铁网络发展对住宅用地价格影响

本文从高铁开通、高铁服务频次、高铁网络中心性以及高铁旅行时间4个维度检验其对城市住宅用地价格的影响。
应用公式（3）进行PSM-DID估计，具体结果见表2。列（1）和（2）结果显示，高铁变量HSR的回归系数在统计上为正，表明高铁开通对住宅用地价格具有显著的正向影响。在加入控制变量之后，模型的估计系数从0.103上升至0.112，意味着高铁开通使住宅用地价格平均上涨约11.2%。列（3）为高铁服务频次的影响，结果显示其系数为0.037，表明高铁服务频次每增加1%，沿线城市地价将提升约0.037%。列（4）揭示了高铁开通与网络中心性指标的交互效应。高铁与接近中心性的交互项系数为0.198，高于只考虑本地高铁开通的系数0.112，且在统计上显著。这表明，高铁网络中心性对住宅用地价格的提升更加明显，反映了高铁网络化对城市发展的促进作用。列（5）检验了高铁旅行时间的影响，结果显示其对住宅用地价格有显著负向影响，系数为–0.401，即高铁旅行时间每缩短1%，城市地价会增加0.401%。
表2 基于PSM-DID模型的高铁对住宅用地价格影响的估计结果

Table 2 Impact of high-speed railway on residential land prices based on PSM-DID model

变量 （1） （2） （3） （4） （5）
　　注：***、**和*为1%，5%和10%水平显著；括号内为标准误差；样本数为1470；空白为无此项；变量含义见表1。
HSR 0.103*（0.059） 0.112*（0.058）
FRE 0.037**（0.014）
HSR×CC 0.198**（0.095）
TIME -0.401**（0.166）
lnDIS -0.042***（0.012） -0.043***（0.009） -0.042***（0.009） -0.043***（0.009）
lnPOP 0.018（0.062） 0.015（0.054） 0.018（0.054） 0.039（0.054）
lnPGDP -0.202**（0.091） -0.203***（0.070） -0.196**（0.070） -0.204***（0.070）
lnBE 0.146（0.101） 0.133（0.095） 0.140（0.094） 0.162*（0.094）
IND2 -0.001（0.003） -0.001（0.002） -0.001（0.002） -0.001（0.002）
IND3 -0.002（0.005） -0.002（0.004） -0.002（0.004） -0.001（0.004）
lnBL 0.067（0.067） 0.077（0.049） 0.068（0.048） 0.066（0.048）
常数项 7.199***（0.008） 6.413***（2.053） 6.524***（1.420） 6.422***（1.408） 9.320***（1.944）
个体固定效应 是 是 是 是 是
时间固定效应 是 是 是 是 是
R2 0.722 0.729 0.727 0.728 0.729
综上所述，高铁不仅缩短了城市间的时空距离，其服务频次的提升也显著强化了区域间要素流动的便捷性。在高铁网络中占据核心位置的城市，凭借其优越的网络地位，能够更有效地建立和加强多向联系，推动资源和信息的高效流通与优化配置，从而显著提高城市的综合竞争力及土地资产价值。
在控制变量中，地块区位条件与住宅用地价格呈显著负相关，表明地块距离市中心越远，地价越低。此外，人均GDP与地价也呈现显著负相关，这一现象归因于中原城市群特殊的经济结构：人均GDP较高的资源型城市（如长治、鹤壁、三门峡等）普遍地理区位欠佳、人口稀少，土地需求相对较弱，导致地价偏低。而人口密集地区（如周口、阜阳等）尽管人均GDP较低，但土地需求旺盛，推高了地价，形成了这一反常现象。

2.3 新建高铁的本地和网络效应

2.3.1 城市群整体特征

应用式（4）分析高铁开通的时间效应和郑阜高铁的网络效应，结果如表3中的模型1所示。总体而言，在控制固定效应的情况下，高铁建设期表现出负效应，本地高铁开通和郑阜高铁开通后均为正效应。
表3 新建高铁的本地效应和网络效应

Table 3 Local effect and network effect of new high-speed railway

变量模型1模型2（去掉市辖区）
　　注：**和*为5%和10%水平显著；括号内为标准误差；空白为无此项；TRT表示处理组虚拟变量，CS为高铁建设虚拟变量，OP为本地高铁开通虚拟变量，ZFOP为郑阜高铁开通虚拟变量，HIER为市辖区虚拟变量。
TRT×CS-0.112**（0.047）-0.132**（0.055）
TRT×OP0.129**（0.050）0.154**（0.060）
TRT×ZFOP0.149**（0.064）0.122*（0.071）
TRT×ZFOP×HIER0.174（0.134）
控制变量是是
时间固定效应是是
个体固定效应是是
样本数14701311
R20.7290.694
分阶段来看，第一阶段高铁建设期处理组的系数为–0.112，研究期内住宅用地价格不增反降，其原因可能源于施工活动导致的短期环境质量下降，如交通拥堵、噪声污染和空气质量恶化，暂时降低了区域吸引力。第二阶段本地高铁开通后处理组的系数为0.129，表现出显著的正效应，即高铁的开通使住宅用地价格在基期-11.2%的基础上提升了12.9%。第三阶段郑阜高铁开通后处理组的系数为0.149，即郑阜高铁的开通使住宅用地价格在建设期的基准水平上提升了14.9%，说明郑阜高铁开通的网络效应使处理组住宅用地价格额外提升了2%。
考虑到城市等级因素（Hier）可能对回归结果产生影响，加入“是否为市辖区”变量后，回归结果显示，郑阜高铁开通对市辖区地价提升更为显著，涨幅达17.4%，较全样本高2.5个百分点。尽管这一差异在统计上显著性不高，但仍反映了市辖区可能在高铁网络中获得更多优势。这种差异可能缘于市辖区在人口密度和产业集中度方面的优势，使其在高铁网络中占据更重要地位。

2.3.2 市县异质性特征

研究表明，高铁开通加速了城市间要素的流动，促进一、二线城市的人口净流入和三、四线城市的人口净流出，形成了“虹吸效应”。这种效应加剧了土地市场的城市分化，对不同等级城市地价变化造成差异化影响[38]。本文在式（4）中排除市辖区样本，仅使用县和县级市的数据来进一步研究不同等级研究单元的异质性。整体而言，去除市辖区的模型2与全样本的模型1呈现相似的先负后正的地价变动趋势。
分阶段来看，第一阶段高铁建设时期系数为–0.132，与模型1相比，县和县级市负向效应更大。其原因可能是县和县级市基础设施和社会经济发展相对薄弱，难以有效应对大规模工程建设带来的短期扰动，从而引发了更大的负面影响。相比之下，市辖区由于其较强的经济实力和更完善的规划管理，能更有效地将高铁带来的便利转化为经济增长和土地价值提升；第二阶段本地高铁开通后的系数为0.154，高于模型1，表明高铁开通对县和县级市的住宅用地价格产生了更加显著的正面影响。因为对于相对落后地区，首次接入高铁网络可以显著提升当地可达性和网络中心性，进而推动住宅用地价格上涨。而对于已经拥有发达交通网络的市辖区而言，新增高铁线路带来的边际效应有限。因此，本地高铁开通使低等级的县和县级市受益更多，强调了高铁在促进区域间平衡发展方面的潜在价值；第三阶段郑阜高铁开通之后的系数为0.122，低于模型1，说明高铁的网络效应对高等级的市辖区住宅用地价格影响更大，与前文结果保持一致。与较低等级的县和县级市相比，市辖区在高铁网络的融入程度更深，能够从新线路开通中获得更大的优势。这表明，高铁网络效应与地区的整体发展水平、网络地位等因素密切相关。

2.4 稳健性检验

2.4.1 平行趋势检验

本文运用多期DID模型评估高铁网络对城市住宅用地价格的影响。DID方法的有效性基于平行趋势假设，即在政策实施前，处理组和对照组保持相同的发展趋势。也就是说，在高铁开通前，处理组和对照组研究单元在住宅用地价格的变动趋势上应当一致。然而，实际中不同规模和经济发展水平的城市对交通基础设施建设的优先级不同，可能导致地价变动估计出现偏差，因此需要对该假设进行验证。
平行趋势检验结果如图5所示，在高铁开通前，虚拟变量的系数不显著，表明满足平行趋势假设。在高铁开通后，虚拟变量的系数显著为正，显示出正向的处理效应。开通后的第2年和第3年结果不显著，可能是该时期正赶上高铁建设工程的高峰期，高铁开通所带来的正效应在一定程度上被其他线路建设的负效应所抵消。
图5 高铁开通对住宅用地价格影响的平行趋势检验

Fig. 5 Parallel trend test for impact of high-speed railway opening on residential land prices

2.4.2 安慰剂检验

1） 假设处理年份提前。高铁开通的效果需要一定的时间才能呈现出来，基于此，假如高铁开通的时间提前，那么其对住宅用地价格的影响也应随之减小，且时间提前得越久，影响理应越小。本文将所有处理组样本开通高铁的年份分别提前2 a、3 a、4 a、5 a和6 a，在新生成的反事实样本上重新估计式（3），回归结果如表4所示。结果表明，随着高铁开通年份提前的增加，HSR的系数大小和显著性均随之降低，验证了基准回归结果的稳健性。
表4 处理时间提前假设

Table 4 Advanced treatment timing assumption

变量 （1） 2 a （2） 3 a （3） 4 a （4） 5 a （5） 6 a
　　注：***、*分别为1%，10%水平上的显著性；括号内为标准误差；变量含义见表1；样本数为1 470。
HSR 0.110* 0.083 0.076 0.070 0.049
（0.058） （0.060） （0.066） （0.062） （0.070）
常数项 6.467*** 6.317*** 6.191*** 6.139*** 6.095***
（2.054） （2.055） （2.047） （2.044） （2.045）
控制变量 是 是 是 是 是
时间固定效应 是 是 是 是 是
个体固定效应 是 是 是 是 是
R2 0.729 0.728 0.728 0.728 0.728
2）随机生成处理组。本研究通过随机生成高铁开通的处理组，并进行500次的随机抽样来进行安慰剂检验（图6）。图中X轴表示500个随机生成的DID项的估计系数，曲线是估计系数的概率密度分布，散点是相应的P值，因变量是住宅用地价格。结果显示，随机生成的估计系数大多集中在0附近且不显著，说明随机生成的样本组合未对高铁效应产生影响，即DID估计结果是稳健的。
图6 高铁系数的概率密度分布

横向虚线表示P值等于0.1，竖向虚线表示高铁开通效应系数为0.112

Fig. 6 Probability density distribution of coefficient of high-speed railway

2.4.3 改变样本匹配方法

为了进一步验证估计结果的可靠性，本文额外采用核匹配和半径匹配2种不同的方法对样本进行重新匹配，并基于匹配样本重新进行DID估计。若不同匹配方法的结果保持一致，则说明结果稳健。表5报告了不同匹配方法的回归结果。列（2）和（3）显示，更换匹配方法后，HSR的系数与基于近邻匹配的回归结果保持高度一致，且均在统计上显著，进一步证实了高铁开通对住宅用地价格有显著正向影响，结果稳定可靠。
表5 不同匹配方法回归结果

Table 5 Regression results of different matching methods

（1） （2） （3）
　　注：***、**分别为1%，5%水平上的显著性；括号内为标准误差；HSR为是否开通高铁；变量含义见表1。
变量 近邻匹配 核匹配 半径匹配
HSR 0.112** 0.102*** 0.120***
（0.047） （0.039） （0.041）
常数项 6.413*** 6.532*** 6.539***
（1.404） （2.060） （2.062）
控制变量 是 是 是
时间固定效应 是 是 是
个体固定效应 是 是 是
样本数 1470 2002 1911
R2 0.729 0.748 0.736

3 结论与讨论

3.1 结论

本研究以中原城市群的县级单元为分析对象，通过PSM-DID模型系统探讨高铁网络对住宅用地出让价格的本地和网络效应，并特别关注网络效应在不同等级城市中的异质性。主要结论如下：
1）高铁开通及网络化对住宅用地价格产生了显著的正向影响。实证结果表明，在高铁建设期间，由于施工活动对周围环境的短期扰动，高铁的正面效应尚未充分显现，住宅用地价格的增长相对受限。然而，随着高铁的开通及其网络化发展，其对住宅用地价格的积极影响逐步凸显。高铁开通使地价平均上升了11.2%，引入网络中心性交互项后地价增幅扩大至19.8%，高铁服务频次每提升1%会促使地价上升0.037%，高铁旅行时间每缩短1%会促使地价上升0.401%。这一结果印证了高铁网络的扩张和城市间互联互通的加强能够促进区域经济一体化，推动土地价值增长。
2）新建线路郑阜高铁的开通除了带来本地效应外，还对区域其他高铁城市产生显著的网络效应。实证结果表明，郑阜高铁开通的网络效应对其他高铁城市住宅用地价格带来了约2%的额外提升。这一结果进一步证实了高铁网络扩张对于区域土地价值提升重要意义，同时也首次量化了高铁网络效应的具体影响。网络效应的存在表明，高铁建设的影响范围远超其直接服务的城市，通过改善区域高铁网络结构为更广泛的区域带来积极影响。
3）新建高铁的网络效应虽然普遍存在于不同等级城市，但其作用强度和表现形式呈现显著差异。相较于县和县级市，高铁网络效应对市辖区住宅用地价格的提升更为明显。这是因为市辖区在高铁网络的融入程度更深，能够更好地利用新线路开通带来的优势。这一结果表明，新线路的网络效应并非均质化分布，而是与地区的整体发展水平、网络地位等因素密切相关，凸显了城市等级在区域发展中的重要作用。

3.2 讨论

随着城市群和都市圈建设的推进，邻近城市间高铁等基础设施共享日益普遍。因此，高铁网络的扩展不仅影响其沿线城市，还通过辐射和溢出效应影响周边城市[39-41]。本研究进一步指出，在更宏观的视角下，高铁网络还存在更广泛的网络效应。新线路的开通除了产生本地效应外，还会对网络中的其他高铁城市产生影响。这种效应可被视为更大范围的溢出效应，值得未来研究继续深入探讨。需要指出的是，并非所有新建线路均具有显著的网络效应。结合相关研究结果[16,21]，本研究发现只有在较为成熟的网络内、关键的联通线路上并且发展水平较好的地区，网络效应才更加明显。
基于本研究结论，对中国高铁网络化发展提出以下政策建议：①交通规划部门在新高铁线路的规划与建设过程中，应根据不同线路的特征和网络定位，充分考虑其对现有高铁网络的增值潜力，制定差异化的建设标准和投资方案。②在评估高铁项目的成本效益时，应将网络效应带来的间接效益纳入考量范围，建立更加全面的评估框架，为投资决策提供科学依据。③随着高铁线路不断延伸完善，其在区域层面的网络效应将显著增强，在不同尺度影响高铁城市的经济发展。因此，相关部门应统筹考虑高铁网络整体布局与区域经济发展，促进两者深度融合，实现社会经济效益最大化。④对于高铁未覆盖地区，应发展综合交通网络，加强与高铁枢纽的连接，提高接驳便利性。这不仅使该地区受益于高铁基础设施，避免区域发展差距扩大，还能提升高铁建设的整体收益。⑤针对高铁建设对城市住宅地价的短期负面冲击，地方政府应加强市场信息引导，定期发布高铁建设进展和规划信息，消除市场不确定性预期。同时，在需求侧出台针对性政策，对购买高铁建设影响区域住宅的居民给予购房补贴或税收优惠，刺激住宅需求。在供给侧方面，实施差异化土地出让政策，降低开发商资金压力以维持住宅市场稳定，为高铁开通后的价值释放奠定基础。
本研究亦存在一定局限性，例如受限于研究时间跨度，可能未能全面捕捉高铁网络影响的长期动态变化。考虑到高铁建设是一个持续演进的过程，其对土地价值的影响可能呈现复杂的时间累积性和阶段性特征。因此，未来研究可考虑扩展研究的时间和空间范围，深入探究高铁网络对土地价值的长期效应和阶段性变化，及其在不同区域发展水平背景下的异质性影响。此外，高铁网络的外部性如何差异化地作用于不同类型土地价值，也是值得进一步研究的重要议题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Jiao J J, Wang J E, Zhang F N et al. Roles of accessibility, connectivity and spatial interdependence in realizing the economic impact of high-speed rail: Evidence from China[J]. Transport Policy, 2020, 91, 1-15.

DOI

[2]
Chang Z, Diao M. Inter-city transport infrastructure and intra-city housing markets: Estimating the redistribution effect of high-speed rail in Shenzhen, China[J]. Urban Studies, 2022, 59(4): 870-889.

DOI

[3]
Wang L, Duan X J. High-speed rail network development and winner and loser cities in megaregions: The case study of Yangtze River Delta, China[J]. Cities, 2018, 83, 71-82.

DOI

[4]
孔冰清, 王磊, 段学军. 中国铁路建设与国土空间发展的关系演变——基于多层级管治视角[J]. 热带地理, 2023, 43(5): 859-871.

Kong Bingqing, Wang Lei, Duan Xuejun. Nexus between railway construction and national territorial development strategies in China: A multi-level governance perspective. Tropical Geography, 2023, 43(5): 859-871.

[5]
Hall P. Magic Carpets and Seamless Webs: Opportunities and constraints for high-speed trains in Europe[J]. Built Environment, 2009, 35(1): 59-69.

DOI

[6]
周玉龙, 杨继东, 黄阳华, 等. 高铁对城市地价的影响及其机制研究——来自微观土地交易的证据[J]. 中国工业经济, 2018(5): 118-136.

Zhou Yulong, Yang Jidong, Huang Yanghua et al. Study on the impact of high speed rail on land price and its mechanism: Evidence from micro land transactions. China Industrial Economics, 2018(5): 118-136.

[7]
Shen Y, Silva J D E, Martínez L M. Assessing high-speed rail’s impacts on land cover change in large urban areas based on spatial mixed logit methods: A case study of Madrid Atocha railway station from 1990 to 2006[J]. Journal of Transport Geography, 2014, 41, 184-196.

DOI

[8]
Chen Z H, Haynes K E. Impact of high speed rail on housing values: An observation from the Beijing–Shanghai line[J]. Journal of Transport Geography, 2015, 43, 91-100.

DOI

[9]
Zheng S Q, Kahn M E. China’s bullet trains facilitate market integration and mitigate the cost of megacity growth[J]. Proceedings of the National Academy of Sciences, 2013, 110(14): E1248-E1253.

[10]
Andersson D E, Shyr O F, Fu J. Does high-speed rail accessibility influence residential property prices? Hedonic estimates from southern Taiwan[J]. Journal of Transport Geography, 2010, 18(1): 166-174.

DOI

[11]
Shao S, Tian Z H, Yang L L. High speed rail and urban service industry agglomeration: Evidence from China’s Yangtze River Delta region[J]. Journal of Transport Geography, 2017, 64, 174-183.

DOI

[12]
Wang L, Acheampong R A, He S W. High-speed rail network development effects on the growth and spatial dynamics of knowledge-intensive economy in major cities of China[J]. Cities, 2020, 105, 102772.

DOI

[13]
He S Y. Regional impact of rail network accessibility on residential property price: Modelling spatial heterogeneous capitalisation effects in Hong Kong[J]. Transportation Research Part A: Policy and Practice, 2020, 135, 244-263.

DOI

[14]
孔冰清, 王磊, 张潇冉. 高铁网络化对区域城市商服用地价格的影响——以长三角为例[J]. 自然资源学报, 2024, 39(4): 878-896.

DOI

Kong Bingqing, Wang Lei, Zhang Xiaoran. The impact of high-speed rail network expansion on urban commercial land prices in the Yangtze River Delta, China. Journal of Natural Resources, 2024, 39(4): 878-896.

DOI

[15]
Liu X L, Jiang C X, Wang F et al. The impact of high-speed railway on urban housing prices in China: A network accessibility perspective[J]. Transportation Research Part A: Policy and Practice, 2021, 152, 84-99.

DOI

[16]
Zhu Y, Diao M. The local and network effects of rail transit network expansion on retail property values[J]. Journal of Planning Education and Research, 2022, 44(3): 1820-1834.

[17]
Katz M L, Shapiro C. Network externalities, competition, and compatibility[J]. The American Economic Review, 1985, 75(3): 424-440.

[18]
Liebowitz S J, Margolis S E. Network externality: An uncommon tragedy[J]. Journal of Economic Perspectives, 1994, 8, 133-150.

[19]
Sánchez-Mateos H S M, Givoni M. The accessibility impact of a new high-speed rail line in the UK — A preliminary analysis of winners and losers[J]. Journal of Transport Geography, 2012, 25, 105-114.

DOI

[20]
Fesselmeyer E, Liu H M. How much do users value a network expansion? Evidence from the public transit system in Singapore[J]. Regional Science and Urban Economics, 2018, 71, 46-61.

DOI

[21]
Chernoff A, Craig A N. Distributional and housing price effects from public transit investment: Evidence from Vancouver[J]. International Economic Review, 2022, 63(1): 475-509.

DOI

[22]
苗长虹, 王海江. 河南省城市的经济联系方向与强度——兼论中原城市群的形成与对外联系[J]. 地理研究, 2006, 26(2): 222-232.

Miao Changhong, Wang Haijiang. On the direction and intensity of urban economic contacts in Henan Province. Geographical Research, 2006, 26(2): 222-232.

[23]
Liu S L, Wan Y L, Zhang A M. Does China’s high-speed rail development lead to regional disparities? A network perspective[J]. Transportation Research Part A: Policy and Practice, 2020, 138, 299-321.

DOI

[24]
Lu S W, Huang Y P, Zhao Z Y et al. Exploring the hierarchical structure of China’s railway network from 2008 to 2017[J]. Sustainability, 2018, 10(9): 3173.

DOI

[25]
Freeman L C. Centrality in social networks conceptual clarification[J]. Social Networks, 1978, 1(3): 215-239.

DOI

[26]
焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016, 71(2): 265-280.

Jiao Jingjuan, Wang Jiao’e, Jin Fengjun et al. Impact of high-speed rail on inter-city network based on the passenger train network in China, 2003—2013. Acta Geographica Sinica, 2016, 71(2): 265-280.

[27]
杨浩然, 王潇萌, 张钦然, 等. 基于航空和高铁流的中国城市网络格局及演化[J]. 地理科学, 2022, 42(3): 436-445.

Yang Haoran, Wang Xiaomeng, Zhang Qinran et al. Pattern characteristics and dynamic evolution of urban network development in China based on the comparison between high-speed rail and airlines flows. Scientia Geographica Sinica, 2022, 42(3): 436-445.

[28]
Jiao J J, Wang J E, Jin F J. Impacts of high-speed rail lines on the city network in China[J]. Journal of Transport Geography, 2017, 60, 257-266.

DOI

[29]
Heckman J J, Ichimura H, Todd P E. Matching as an econometric evaluation estimator: Evidence from evaluating a job training programme[J]. The Review of Economic Studies, 1997, 64(4): 605-654.

DOI

[30]
刘瑞明, 赵仁杰. 西部大开发: 增长驱动还是政策陷阱——基于PSM-DID方法的研究[J]. 中国工业经济, 2015(6): 32-43.

Liu Ruiming, Zhao Renjie. Western development: Growth drive or policy trap— An analysis based on PSM-DID Method. China Industrial Economics, 2015(6): 32-43.

[31]
张维阳, 李慧, 段学军. 城市轨道交通对住宅价格的影响研究——以北京市地铁一号线为例[J]. 经济地理, 2012, 32(2): 46-51+65.

Zhang Weiyang, Li Hui, Duan Xuejun. The impacts of rail transit on property values — The case of No. 1 line in Beijing. Economic Geography, 2012, 32(2): 46-51+65.

[32]
Wang Y, Ruan H Y, Tian C H. Access to high-speed rail and land prices in China’s peripheral regions[J]. Cities, 2022, 130, 103877.

DOI

[33]
Han D, Wu S P. The capitalization and urbanization effect of subway stations: A network centrality perspective[J]. Transportation Research Part A: Policy and Practice, 2023, 176, 103815.

DOI

[34]
Belloni A, Chernozhukov V, Hansen C. Inference on treatment effects after selection among high-dimensional controls[J]. The Review of Economic Studies, 2013, 81(2): 608-650.

[35]
Chernozhukov V, Hansen C, Spindler M. Post-selection and post-regularization inference in linear models with many controls and instruments[J]. American Economic Review, 2015, 105, 486-490.

DOI

[36]
李琬, 李如茵, 孙斌栋, 等. 中原城市群中心城市对周边经济的影响效应分析[J]. 地理学报, 2025, 80(8): 2143-2158.

Li Wan, Li Ruyin, Sun Bindong et al. The economic impact of central city within the Central Plains Urban Agglomeration on its surrounding cities. Acta Geographica Sinica, 2025, 80(8): 2143-2158.

[37]
国家统计局. 中国县域统计年鉴[M]. 2010—2022.北京: 中国统计出版社, 2010—2022

National Bureau of Statistics. China county statistical yearbook. 2010—2022.Beijing: China Statistics Press, 2010—2022.

[38]
Huang Z H, Du X J. How does high-speed rail affect land value? Evidence from China[J]. Land Use Policy, 2021, 101, 105068.

DOI

[39]
Qin Y. ‘No county left behind?’ The distributional impact of high-speed rail upgrades in China[J]. Journal of Economic Geography, 2016, 17(3): 489-520.

[40]
王雨飞, 徐海东, 王光辉. 快速交通网络化影响下的城市空间关联与经济溢出效应研究——以航空及高铁网络为例[J]. 中国管理科学, 2023, 31(6): 207-220.

Wang Yufei, Xu Haidong, Wang Guanghui. Research on urban spatial correlation and economic spillover effect under the influence of rapid transportation network: Take aviation and high-speed rail networks as examples. Chinese Journal of Management Science, 2023, 31(6): 207-220.

[41]
Jiao J, Zhao H, Lyu G. How does high-speed rail affect off-site investments? Evidence from the Yangtze River Delta, China[J]. Transportation Research Part A: Policy and Practice, 2024, 181, 103978.

DOI

Options
文章导航

/

〈 〉