EN中文

SCIENTIA GEOGRAPHICA SINICA >

2019 , Vol. 39 >Issue 11: 1757 - 1762

DOI: https://doi.org/10.13249/j.cnki.sgs.2019.11.009

Spatial and Temporal Effects of Urban Renewal on Real Estate Market: Empirical Research Based on Hangzhou City

  • Huang Zhonghua 1, 2 ,
  • Xu Weili 1 ,
  • Du Xuejun , 3
Expand
  • 1.School of Management, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, China
  • 2.China Academy of Housing & Real Estate, Zhejiang University of Technology, Hangzhou 310023, Zhejiang, China;
  • 3.School of Economics and Management, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China

Received date: 2019-04-29

  Request revised date: 2019-10-10

  Online published: 2020-01-09

Supported by

National Social Science Found of China(17BGL130)

National Natural Science Foundation of China(71774143)

Project of Philosophy and Social Science of Zhejiang Province(20NDJC048YB)

Project of Philosophy and Social Science of Zhejiang Province(15NDJC185YB)

General Project of Zhejiang Provincial Natual Science Foundation(LY17G030016)

Excellent Young Scholar Project of Zhejiang University of Technology(GB201902003)

Key Project of Philosophy and Social Sciences Research of Ministry of Education of China(18JZD033)

Copyright

Copyright reserved © 2019.
Fold

Abstract

China's urban development has entered into a period of large-scale urban renewal. Urban renewal can not only improve land use efficiency, but also improve neighborhood amenities and environmental quality. Urban renewal can bring capitalization effect into neighboring housing prices, and affect the development of real estate market. This study takes Hangzhou as a case and employs the difference-in-differences method to investigate the spatial and temporal effects of urban renewal on the real estate market. The results indicate that: 1) Urban renewal has a significant positive impact on the surrounding housing prices, but the degree of impact is different at the different periods of renewal. The surrounding housing prices will increase by 28.6% and 32% during the construction and operation periods of urban renewal projects. 2) Urban renewal has spatial different impact on the surrounding housing prices, and urban renewal would increase the housing prices 23% more in the urban fringe area than that in the urban core area. 3) The impact of urban renewal on the surrounding housing prices decreases with the distance. The urban renewal's impact on the surround housing price are 41.9% and 24.9%, respectively, at the distances of less 2.0 km and 2.0-3.5 km to city center. This study provides references for government better managing urban renewal and real estate market by revealing the significant spatial and temporal effects of urban renewal on surrounding housing prices.

Key words： urban renewal; housing price; spatio-temporal heterogeneous effects; Hangzhou

Cite this article

Huang Zhonghua , Xu Weili , Du Xuejun . Spatial and Temporal Effects of Urban Renewal on Real Estate Market: Empirical Research Based on Hangzhou City[J]. SCIENTIA GEOGRAPHICA SINICA, 2019 , 39(11) : 1757 -1762 . DOI: 10.13249/j.cnki.sgs.2019.11.009

当前中国城市发展正处于大规模城市更新时期,城市更新通过对老旧区进行环境整治和功能提升,不仅提高了土地利用效率,而且还能提升社区宜居性和环境品质,从而影响房地产市场发展 [1,2]。城市更新会通过资本化效应带动周边地区房价上涨,这一问题和现象已引起了国内外学者和政策制定者的广泛关注。
大多数学者认为,城市更新通过拆除老旧建筑改善社区环境,提升宜居性。因此,城市更新在消除社区和住房负外部性方面具有重要影响,并带动周边房价上涨[3,4,5]。针对中国香港、中国台湾、德国柏林和英国南约克郡等城市的实证研究表明,城市更新能带来周边房地产价格显著上涨,也包括对商业地产租金上涨影响[6,7,8,9]。此外,城市更新还将产生绅士化效应（gentrification）,提升周边住房价格并挤出低收入者,进而不断推动房价上涨 [10,11]。然而,也有一些研究表明城市更新正外部性可能不足或产生负外部性,造成周边住宅价格影响不显著甚至可能影响为负。城市更新项目的规模、结构和时间、周边原有发展条件都会影响外部性作用发挥,当正外部性性不强时,城市更新甚至将降低周边老旧建筑价值[12],由于缺乏完善的更新规划,导致城市更新对周边房价影响不显著 [13]。
在研究方法上,早期学者大多采用特征价格法来研究城市更新对周边房价的影响,遗漏变量和内生性问题不能很好解决,近年来双重差分方法开始被更多采用 [14,15]。然而,国内外相关研究主要分析城市更新对住宅价格的平均影响[8,16],较少探讨时空上的异质性影响效应和作用机理。
总体而言,国内外学者就城市更新对房地产市场影响进行了丰富有意义的研究,但尚未取得一致结论,其原因可能是城市更新项目和政策的异质性,其时空异质性影响也亟需具体深入实证。为此,本文以杭州市为例,基于2004~2018年8个城市更新项目周边251个住宅小区历史房价数据,采用双重差分模型,从时空两个维度实证城市更新对周边住宅价格的影响效应。本研究通过揭示城市更新对住宅价格时空异质性影响,可为政府和各界更好地认识城市更新与房地产市场发展间关系提供参考,有助于政府更好统筹管理城市更新和房地产市场,为城市更新前期规划和管理提供更加科学的依据。

1 研究区与数据

杭州城市更新较早起步于1998年,已形成新城开发和城中村改造相结合的城市更新模式,近年来由于筹备G20峰会和亚运会城市更新大规模推进,并伴随房地产市场繁荣,城市更新规模、速度和房价涨幅均居全国前列（根据国家统计局70个大中城市商品住宅销售价格监测数据[17],2015~2018年杭州房价涨幅为40.5%,在70个大中城市居12位）,因此选择杭州为研究区具有较好的代表性。本文以杭州市8个主要城市更新项目作为研究案例（表1）,收集其周边251个住宅小区2004~2018年历史房价交易数据。房价数据来源为房途网（http://hangzhou.fangtoo.com/）、都市快报（获取2007年前房价数据）等,并利用百度地图获取各小区离城市中心（武林广场和钱江新城）距离数据。共收集2 235个住宅小区样本,剔除异常值后最终获得2 114个样本。
表1 杭州市城市更新项目基本情况

Table 1 Basic information of urban renewal projects in Hangzhou

名称 简介 开建时间 运营时间 占地面积（km2）
钱江世纪城 “沿江开发、跨江发展”战略支点,迈向“钱塘江时代”发展平台 2007 2016 22.27
城东新城 南接钱江新城,东联下沙副城,“决战东部”战略核心平台 2008 2013 9.30
未来科技城 城西科创产业集聚区的创新极核 2013 2017 35.00
望江新城 迈向钱塘江时代的发展主轴,拥江发展主平台 2013 2017 2.94
艮北新城 主城区东部发展轴之上的大型高品质新区 2014 2018 3.90
临平新城 临平副城商务中心,接轨上海、融入长三角门户 2015 2020 9.40
运河新城 城市北部发展的战略重心 2017 2022 7.27
杭钢新城 产城一体创新示范生态园区、产城融合2.0版智慧新城 2017 2022 26.70

2 计量模型与变量选取

2.1 计量模型设定

本文采用双重差分法识别城市更新对房地产市场影响的净效应,克服内生性问题,设定基础双重差分模型设定如下：
H it = α it + β ( D i × T t ) + λ X it + γ t + μ i + ε it
式中,被解释变量 H it 为小区i在t年的成交房价。 X it 为一组控制变量, γ t 表示时间固定效应; μ i 表示各小区的个体固定效应。 ε it 是随机扰动项。 D 是分组虚拟变量（城市更新项目边界范围内样本为实验组, D =1;新城边界范围外样本为对照组, D =0）, T 是时间虚拟变量（城市更新项目建设或运营期为1,否为0）。 D 和 T 交互项为本研究关注的双重差分变量。本研究城市更新对房地产市场影响的时间效应体现在城市更新不同阶段（建设期和运营期）对周边住房价格产生不同影响效应,空间效应体现在不同区位空间（核心-边缘区域,离新城中心不同距离）产生不同的影响。由于8个城市更新项目建设期和运营期不尽相同,本文采用多期DID（difference-in-difference,双重差分）模型处理方法,允许处理组样本有各自不同的政策实施年份。本研究重点关注交互项 D × T 系数 β ,它反映城市更新对周边住宅价格的净影响,若 β 为正且显著,则表明城市更新对周边住宅价格具有显著推升作用。在进行双重差分模型估计前,本文对实验组和控制组房价进行平行趋势分析,发现基本符合平行趋势假设条件,可进行双重差分模型估计。

2.2 变量说明与描述性统计

本文被解释变量是杭州市各住宅小区历史交易价格。核心解释变量是双重差分变量 D × T 。在结合现有相关文献基础上[16,18,19],本研究选择的控制变量包括小区建筑、邻里和区位特征变量等。其中小区建筑特征变量方面,包括小区房龄、容积率和绿化率。邻里环境特征变量包括小学质量、开发商等级、物业管理、停车位占比和小区规模。区位特征变量方面,选择到武林广场（老城市中心）的距离、到钱江新城（新城市中心）的距离、公交和地铁。各变量定义和描述统计见表2所示。
表2 变量说明与描述统计

Table 2 Variable descriptions and descriptive statistics

变量 定义 平均值 最小值 最大值 标准差
住宅价格 住房单价（小区层面, 元/m2） 19723.63 4152.00 79425.00 9676.19
D 城市更新区范围内实验组为1,否则为0 0.545 0 1 0.498
T 城市更新项目开建/运营年起为1,否则为0 0.736 0 1 0.441
小区建筑特征
房龄 小区房龄（a） 14.442 1.000 48.000 7.814
容积率 小区总建筑面积与占地面积比 2.098 0.400 6.500 0.815
绿化率 小区绿化用地面积与总用地面积之比 0.304 0.100 0.600 0.079
邻里环境特征
小学质量 按对应小学资源优质程度分等：3=优,2=
一般,1=差,0=无学区		 1.213 0 3.000 0.724
开发商等级 全国百强开发商设为1,否则为0 0.115 0 1.000 0.320
物业管理 3=好,2=一般,1=差 1.829 1.000 3.000 0.647
停车位占比 停车位总数占总户数比 0.590 0.051 2.000 0.385
小区规模 小区二手房挂牌套数（套） 87.03 0 942.00 114.60
区位特征
武林广场距离 小区到武林广场的最近距离（km） 6.570 0.900 22.600 4.853
钱江新城距离 小区到钱江新城的最近距离（km） 7.772 0.900 21.600 4.448
地铁 小区1 km范围内地铁站点开通后为1,否则0 0.244 0 1.000 0.430
公交 小区1 km范围内公交线路条数（条） 5.225 1.000 13.000 2.342

注： D为分组虚拟变量;T为时间虚拟变量;小学质量变量数据笔者根据百度网络搜索历年小学综合质量排名分等,前10位小学为优,第11~30位小学为一般,其余小学为差,最后一类为无学区。

3 实证分析

3.1 城市更新对房价总体影响的研究

基于式（1）估算杭州城市更新对周边住房价格影响,结果如表3所示。第（2）~（4）列依次加入建筑、邻里和区位特征变量,交互项变量的系数始终为正并在0.01的水平上显著,表明城市更新对周边住宅价格有显著推升作用。
表3 城市更新对住宅价格影响的回归结果

Table 3 Regression results of the impact of urban renewal on residential prices

变量 -1 -2 -3 -4
D×T
 0.275***（0.022） 0.283***（0.023） 0.331***(0.022) 0.286***（0.024）
房龄 -0.063*** -0.032 -0.087***
-0.018 -0.022 -0.024
容积率 0.085*** 0.079*** 0.040***
-0.014 -0.014 -0.013
绿化率 0.634*** 0.456*** 0.395**
-0.168 -0.171 -0.164
小学质量 0.100*** 0.090***
-0.014 -0.014
开发商等级 0.096*** 0.127***
-0.035 -0.034
物业管理 0.064*** 0.059***
-0.019 -0.019
停车位占比 -0.01 0.069**
-0.035 -0.034
小区规模 0.001*** 0.001***
0 0
武林广场距离 -0.030***
-0.006
钱江新城距离 0.009
-0.006
地铁 0.223***
-0.026
公交 0.021***
-0.005
样本数 1909 1873 1863 1835
R2 0.073 0.111 0.183 0.256

注：括号中数值为标准差,***、**、*分别表示在0.01、0.05、0.1的水平上显著,空白为无此项。

小区建筑特征方面,小区房龄估计系数为-0.087且显著,表明房龄对房价有显著负向影响,这是因为住宅质量会随着时间而衰退。绿化率的系数为正值,在5%的水平上显著,符合预期。
邻里环境特征方面,小学质量的估计系数和房价呈显著正相关,表明住宅对应的学区资源越优质房价越高。开发商等级变量系数为0.127,并在0.01水平上显著,表明开发商等级与小区房价正相关。物业管理变量系数为正且显著,表明物业管理等级和小区房价正相关。停车位占比系数显著为正,表明停车位占比对小区房价有正影响。小区规模系数显著为正,表明小区规模越大房价越高。
区位特征方面,离武林广场距离系数为-0.030且显著,表明小区房价与到武林广场的距离呈反比,符合预期;离钱江新城的距离对房价的影响不显著。地铁系数为0.223,公交系数为0.021,均在0.01水平上显著,表明地铁开通和公交线路增加能够显著提高房价,与理论预期一致。

3.2 城市更新对房价影响的时间效应

城市更新项目一般需经历宣布、建设、运营（建成）期等几个阶段,在不同阶段城市更新对周边住房价格有不同的影响效应。本文以城市更新项目建设和运营为2个关键时间节点,运用双重差分模型检验城市更新在不同时间节点上对周边住房价格产生的不同效应。表4中第（1）~（3）列是城市更新项目开工建设对周边住宅价格影响效应的估计结果,第（4）~（6）列是城市更新项目运营对周边住宅价格影响效应的估计结果。可见,无论是否加入控制变量,城市更新项目建设和运营2个时间节点均对周边住宅价格产生了显著正效应,证明了城市更新对住宅价格的提升作用。通过第（3）列和第（6）列的对比分析来看,以城市更新项目建设和运营成为关键时间节点,交互项 D × T 的估计系数分别为0.286和0.320 ,即城市更新项目建设和运营期分别使周边住宅价格提高了28.6%和32.0%,城市更新项目运营期比建设期对周边住宅价格的推升作用更大。这主要是因为城市更新项目运营期人居环境得到了很大改善、住房负外部性得到了有效消除,对房价的推升作用超过建设期更新预期对房价的影响。
表4 城市更新项目开工建设和运营对住宅价格影响的对比分析

Table 4 Comparative analysis of the impact of urban renewal projects construction and completion on housing price

变量 -1 -2 -3 -4 -5 -6
D×T
（城市更		 0.283*** 0.331*** 0.286***
新项目建设） -0.023 -0.022 -0.024
D×T
（城市更		 0.361*** 0.387*** 0.320***
新项目运营） -0.029 -0.028 -0.029
建筑特征 Yes Yes Yes Yes Yes Yes
邻里环境特征 No Yes Yes No Yes Yes
区位特征 No No Yes No No Yes
样本数 1873 1863 1835 1690 1680 1628
R2 0.111 0.183 0.256 0.144 0.207 0.26

注：括号中数值为标准差;***、**、*分别表示在0.01、0.05、0.1的水平上显著;Yes为加入此变量,No为未加入此变量。

3.3 城市更新对房价影响的空间效应

3.3.1 基于核心和外围区分组检验比较分析
城市更新对杭州周边住宅价格产生的影响在空间上具有非均质性,体现为对中心区域的影响较小,对城郊区域的影响较大。为此,本文设定城市核心区（ Core ,离武林广场距离10 km以内为1,否则为0）虚拟变量,并在基础双重差分模型中增加 D × T × Core 交互项,估计结果见表5所示。可见,列（4）加入所有控制变量后, D × T × Core 的回归系数为-0.230且在1%的水平上显著。这表明与中心区比,外围区（距武林广场10 km范围外）城市更新项目对周边住宅价格推升作用更大。其原因是城市核心区商业、医疗、教育、交通等配套已较为完善,对城市更新带来的资本化效应反映较小,而外围区各种配套较少,对城市更新后配套和功能提升带来的资本化效应反应较大。
表5 基于杭州核心和外围区的分组检验比较分析

Table 5 Group comparative analysis based on urban and suburban areas in Hangzhou

变量 （1） （2） （3） （4）
D×T （城市更新
项目建成运营）		 0.605***
（0.058）		 0.430***
（0.063）		 0.390***
（0.061）		 0.510***
（0.067）
D×T×Core -0.279***
（0.064）		 -0.085
（0.068）		 -0.004
（0.066）		 -0.230***
（0.073）
建筑特征 No Yes Yes Yes
邻里环境特征 No No Yes Yes
区位特征 No No No Yes
样本数 1712 1690 1680 1628
R2 0.101 0.145 0.206 0.264

注：括号中数值为标准差;***、**、*分别表示在0.01、0.05、0.1的水平上显著;Yes为加入此变量,No为未加入此变量。

3.3.2 城市更新对房价影响的区位异质效应
为进一步研究城市更新对周边不同辐射范围住宅价格影响,按离城市更新项目中心距离分别设置3个虚拟变量<2.0 km 、2.0~3.5 km 、3.5~6.0 km,并与DID变量D×T相乘后加入模型中,结果如表6所示。无论是否加入各控制变量,距离城市更新项目中心2 km范围内住宅价格提升作用都显著大于距离2.0~3.5 km范围内住宅价格提升。列（4）加入所有控制变量后,<2.0 km和2 .0~3.5 km范围内城市更新对房价的推升作用分别为41.9%和24.9%,3.5~6.0 km范围的推升作用为9.1%但不显著,这是因为大部分距离新城（城市更新项目）中心3.5~6.0 km的小区已经在新城范围外,城市更新溢出效应对其影响不显著。总之,城市更新对周边房价的影响随着与新城中心距离的增加而显著降低。
表6 城市更新对杭州房价影响的区位异质效应

Table 6 Location heterogeneity effect of urban renewal on housing price in Hangzhou

变量 （1） （2） （3） （4）
<2.0 km 0.515***
（0.041）		 0.457***
（0.042）		 0.483***
（0.040）		 0.419***
（0.040）
2.0~3.5 km 0.275***
（0.038）		 0.283***
（0.037）		 0.311***
（0.036）		 0.249***
（0.036）
3.5~6.0 km 0.313
（0.212）		 0.455**
（0.206）		 0.377*
（0.199）		 0.091
（0.193）
建筑特征 No Yes Yes Yes
邻里环境特征 No No Yes Yes
区位特征 No No No Yes
样本数 1712 1690 1680 1628
R2 0.101 0.149 0.211 0.265

注：括号中数值为标准差;***、**、*分别表示在0.01、0.05、0.1的水平上显著;Yes为加入此变量,No为未加入此变量。

4 结论和建议

本文以杭州为例,基于8个主要城市更新项目周边251个住宅小区2004~2018年住宅历史成交平均房价数据,采用双重差分模型,实证研究城市更新对周边住宅价格的时空影响效应。研究结果发现：城市更新能显著带动周边住宅价格上涨。具体表现为： 城市更新对周边房价影响具有阶段性,城市更新项目运营期比开工建设期对房价的推升作用更大; 城市更新对于周边房价的影响具有空间异质性,城市更新对城市外围区房价的提升作用大于城市核心区,其对周边房价的提升作用随着离城市更新项目中心距离增加而显著降低。
政府应推动可持续的城市更新模式,在推进城市更新项目同时完善房地产市场局部和微观调控,建立完善房地产市场长效机制,促进城市更新和房地产市场的健康发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Samara T R . Policing development: Urban renewal as neo-liberal security strategy[J]. Urban Studies, 2010,47(1):197-214.

DOI

[2]
陈双, 童心 . 城中村改造对房地产市场影响的实证分析——以武汉市汉阳区为例[J]. 经济地理, 2009,29(8):1288-1291.

[ Chen Shuang, Tong Xin . The influence of urban in village reconstruction on real estate market: A case of the Hanyang Zone in Wuhan. Economic Geography, 2009,29(8):1288-1291.]

[3]
Rosenthal S S . Old homes, externalities, and poor neighborhoods: A model of urban decline and renewal[J]. Journal of Urban Economics, 2008,63(3):816-840.

DOI

[4]
Wu W J, Wang J H . Gentrification effects of China’s urban village renewals[J]. Urban Studies, 2017,54(1):214-229.

DOI

[5]
Du X J, Huang Z H . Spatial and temporal effects of urban wetlands on housing prices: Evidence from Hangzhou, China[J]. Land Use Policy, 2018,73:290-298.

DOI

[6]
Jayantha W M, Yung E H K . Effect of revitalisation of historic buildings on retail shop values in urban renewal: An empirical analysis[J]. Sustainability, 2018,10(5):1-18.

DOI

[7]
Lee C C, Liang C M, Chen C Y . The impact of urban renewal on neighborhood housing prices in Taipei: An application of the difference-in-difference method[J]. Journal of Housing and the Built Environment, 2017,32(3):407-428.

DOI

[8]
Ahlfeldt G M, Maennig W, Richter F J . Urban renewal after the Berlin Wall: a place-based policy evaluation[J]. Journal of Economic Geography, 2017,17(1):129-156.

DOI

[9]
Liu X . Housing renewal policies, house prices and urban competitiveness[J]. Applied Geography, 2010,30(2):221-228.

DOI

[10]
Immergluck D . Large-scale redevelopment initiatives, housing values, and gentrification: The case of the Atlanta Beltline[J]. Urban Studies, 2009,46(8):1725-1747.

[11]
Ooi J T L, Le T T T . The spillover effects of infill developments on local housing prices[J]. Regional Science and Urban Economics, 2013,43(6):850-861.

DOI

[12]
Chau K W, Wong S K . Externalities of urban renewal: A real option perspective[J]. The Journal of Real Estate Finance and Economics, 2014,48(3):546-560.

DOI

[13]
Uitermark J, Loopmans M . Urban renewal without displacement? Belgium’s ‘housing contract experiment’ and the risks of gentrification[J]. Journal of Housing and the Built Environment, 2013,28(10):157-166.

DOI

[14]
Kavetsos C . The impact of the London Olympics announcement on property prices[J]. Urban Studies, 2012,49(7):1453-1470.

DOI

[15]
Duijn M V, Rouwendal J, Boersema R . Redevelopment of industrial heritage: Insights into external effects on house prices[J]. Regional Science and Urban Economics, 2016,57:91-107.

DOI

[16]
包善驹, 陆林 . 合肥城市规划引导空间演进对地价时空演变的影响[J]. 地理学报, 2015,70(6):906-918.

DOI

[ Bao Shanju, Lu Lin . Impact of planning-guided spatial evolvement on temporal-spatial evolution of land price: Taking Hefei as an example. Acta Geographica Sinica, 2015,70(6):906-918.]

[17]
国家统计局. 2018年12月份70个大中城市商品住宅销售价格变动情况[EB/OL]. , 2019-0116.

[ National Bureau of Statistics. Sale prices changes of commercial housing in 70 large and medium ized cities in December 2018. , 2019-01-16.]

[18]
乐晓辉, 陈君娴, 杨家文 . 深圳轨道交通对城市空间结构的影响——基于地价梯度和开发强度梯度的分析[J]. 地理研究, 2016,35(11):2091-2104.

DOI

[ Le Xiaohui, Chen Junxian, Yang Jiawen . Impact of rail transit on urban spatial structure in Shenzhen: Analysis based on land parcel price and FAR gradients. Geographical Research, 2016,35(11):2091-2104.]

[19]
杨俊, 鲍雅君, 金翠 , 等. 大连城市绿地可达性对房价影响的差异性分析[J]. 地理科学, 2018,38(12):1952-1960.

DOI

[ Yang Jun, Bao Yajun, Jin Cui et al. The impact of urban green space accessibility on house prices in Dalian city. Scientia Geographica Sinica, 2018,38(12):1952-1960.]

Options
Outlines

/

〈 〉