李 威，Kenneth Joh，Chanam Lee，Jun-Hyun Kim，Han Park，Ayoung Woo 著，張斯陽(yáng) 譯

(1.德州農(nóng)工大學(xué)建筑學(xué)院景觀建筑和城市規(guī)劃系，德克薩斯州大學(xué)城77843-3137，美國(guó)；2.德州交通研究所，德克薩斯州大學(xué)城77843-3135，美國(guó)；3.中國(guó)城市規(guī)劃設(shè)計(jì)研究院，北京100037)

社區(qū)步行通達(dá)性對(duì)獨(dú)棟住宅房?jī)r(jià)的效益評(píng)估
——美國(guó)德克薩斯州奧斯丁市空間特征分析

李 威1,2，Kenneth Joh1,2，Chanam Lee1，Jun-Hyun Kim1，Han Park1，Ayoung Woo1著，張斯陽(yáng)3譯

(1.德州農(nóng)工大學(xué)建筑學(xué)院景觀建筑和城市規(guī)劃系，德克薩斯州大學(xué)城77843-3137，美國(guó)；2.德州交通研究所，德克薩斯州大學(xué)城77843-3135，美國(guó)；3.中國(guó)城市規(guī)劃設(shè)計(jì)研究院，北京100037)

通過(guò)分析美國(guó)德克薩斯州奧斯丁市2010—2012年獨(dú)棟住宅的銷(xiāo)售價(jià)格，以街道智慧步行指數(shù)(Street Smart Walk Score)和人行道密度(Sidewalk Density)作為衡量指標(biāo)，研究社區(qū)步行通達(dá)性對(duì)房?jī)r(jià)的影響。使用Cliff-Ord空間特征模型(即廣義空間模型，General Spatial Model，或者SAC)控制空間自相關(guān)影響。結(jié)果表明：在依賴(lài)小汽車(chē)的社區(qū)通過(guò)增加設(shè)施可達(dá)性來(lái)提升步行通達(dá)性的舉措并不能提高房?jī)r(jià)；增加人行道也只能最小限度地提高房?jī)r(jià)。投資社區(qū)便利設(shè)施和人行道對(duì)適宜步行社區(qū)的房?jī)r(jià)提升效果比依賴(lài)小汽車(chē)的社區(qū)顯著。

Cliff-Ord空間特征模型；廣義空間模型(SAC)；房?jī)r(jià)；步行指數(shù)；適宜步行社區(qū)；步行通達(dá)性；空間自相關(guān)；空間特征模型

0 引言

交通規(guī)劃師和決策者長(zhǎng)期致力于通過(guò)提高社區(qū)的步行通達(dá)性追求精明增長(zhǎng)的目標(biāo)，削減高碳排放交通量，并提升公眾健康狀況。大量已有的不同領(lǐng)域研究均記載了社區(qū)步行通達(dá)性對(duì)健康及環(huán)境的效益。一些研究評(píng)估建成環(huán)境對(duì)身體活動(dòng)以及公眾健康的影響[1-3]。適宜步行的社區(qū)具有網(wǎng)絡(luò)化人行道、大量街道交叉口、混合用地、多種目的地以及較小街區(qū)尺度等特征，這些與更高水平的身體活動(dòng)正相關(guān)[4-13]，與體重過(guò)高或肥胖負(fù)相關(guān)[14-15]，有利于心理健康[16-17]并可提高社會(huì)資本[17]。此外，步行作為一種主動(dòng)交通方式，有助于增強(qiáng)個(gè)體的健康并降低患心血管疾病、抑郁、甚至某些類(lèi)型癌癥的風(fēng)險(xiǎn)[18-19]。

盡管步行的健康及環(huán)境效益已被規(guī)劃師廣泛了解，然而步行通達(dá)性對(duì)住宅價(jià)值等經(jīng)濟(jì)效益的影響卻鮮為人知。近年，城市對(duì)步行和公共交通導(dǎo)向型發(fā)展的市場(chǎng)需求均在提高，反映了變化的人口結(jié)構(gòu)和偏好[20-21]。眾所周知，此類(lèi)開(kāi)發(fā)建設(shè)在美國(guó)相對(duì)匱乏[22-23]，具備步行導(dǎo)向型設(shè)計(jì)要素的社區(qū)住宅應(yīng)有更高的銷(xiāo)售價(jià)格[24]，因此可從房產(chǎn)稅中提取急需的財(cái)政收入用以資助步行、自行車(chē)以及公共交通項(xiàng)目。在財(cái)政緊縮的當(dāng)今時(shí)代，此機(jī)制能激發(fā)城市投資步行設(shè)施并增加主動(dòng)出行。確定優(yōu)先投資地區(qū)(例如缺少人行道的緊湊社區(qū))有助于城市從房地產(chǎn)業(yè)步行通達(dá)性的溢價(jià)中獲取最大效益。

本研究運(yùn)用空間特征分析方法分析美國(guó)德克薩斯州奧斯丁市2010—2012年獨(dú)棟住宅的銷(xiāo)售價(jià)格，評(píng)估步行通達(dá)性對(duì)住宅房?jī)r(jià)的影響。主要評(píng)價(jià)指標(biāo)是街道智慧步行指數(shù)(Street Smart Walk Score,SSWS)，基于至便利設(shè)施的步行距離和交叉口密度、街區(qū)長(zhǎng)度等道路連續(xù)性度量指標(biāo)評(píng)價(jià)社區(qū)便利設(shè)施可達(dá)性。作為補(bǔ)充，本研究還評(píng)估了人行道密度(Sidewalk Density,SWD)對(duì)房?jī)r(jià)的影響?；诙囗?xiàng)社會(huì)人口因素以及社區(qū)安全性、步行事故率等地區(qū)環(huán)境特征，分析街道智慧步行指數(shù)和人行道密度的重要性。

本研究運(yùn)用Cliff-Ord空間特征模型①以控制空間自相關(guān)的影響。研究結(jié)果可幫助地方和州政府更好地理解社區(qū)可達(dá)性促進(jìn)政策和投資步行設(shè)施對(duì)經(jīng)濟(jì)的影響。

1 文獻(xiàn)綜述

已有社區(qū)步行通達(dá)性和建成環(huán)境的研究是基于對(duì)建成環(huán)境的客觀衡量和感知評(píng)價(jià)[26]?？陀^指標(biāo)運(yùn)用地理空間分析工具測(cè)量建成環(huán)境特征，例如便利設(shè)施密度、目的地臨近度、街道連續(xù)性以及人行道密度。在此類(lèi)別中，步行指數(shù)(Walk Score,walkscore.com)被公眾及房地產(chǎn)業(yè)人士廣泛應(yīng)用，使用社區(qū)便利設(shè)施可達(dá)性表征社區(qū)步行通達(dá)性[19,27-29]。傳統(tǒng)步行指數(shù)(classic Walk Score,CWS)考慮了便利設(shè)施的歐氏距離(Euclidean distances)而非建成環(huán)境的物理特性，例如街道連續(xù)性和人行道可用性。近期發(fā)布的街道智慧步行指數(shù)算法綜合考慮出行路徑和距離，以及交叉口密度和街區(qū)長(zhǎng)度這兩種街道連續(xù)性指標(biāo)。另一些研究采用自行設(shè)計(jì)的客觀步行通達(dá)性衡量指標(biāo)，包括混合用地(特定范圍內(nèi)若干建設(shè)類(lèi)型)、街道連續(xù)性(交叉口密度)以及居住密度[26,30]。

步行指數(shù)(包括傳統(tǒng)步行指數(shù)和街道智慧步行指數(shù))比其他客觀和基于觀測(cè)的指標(biāo)及調(diào)查手段在簡(jiǎn)便性和公眾可參與性方面更具優(yōu)勢(shì)(例如，步行指數(shù)對(duì)美國(guó)、加拿大、澳大利亞的所有地區(qū)開(kāi)放)。Walkscore.com還為移動(dòng)設(shè)備用戶(hù)提供應(yīng)用程序，方便用戶(hù)得到任何地方的出行指數(shù)，這也進(jìn)一步提升了其廣泛性。盡管步行指數(shù)具有簡(jiǎn)便性和廣泛性，其作為一種步行通達(dá)性評(píng)價(jià)指標(biāo)還是有一定的局限性，因?yàn)樗饕獪y(cè)量社區(qū)居民至目的地的可達(dá)性，不能綜合反映對(duì)步行出行產(chǎn)生影響的建成環(huán)境指標(biāo)，例如密度、混合用地、街道連續(xù)性以及至公共交通的距離[31-34]。盡管有這些局限，但是街道智慧步行指數(shù)將交叉口密度、街區(qū)平均長(zhǎng)度等街道連續(xù)性指標(biāo)納入考量，可作為評(píng)價(jià)步行通達(dá)性的可靠指標(biāo)，因?yàn)橹聊康牡?尤其是附近的零售和購(gòu)物)的可達(dá)性是步行出行的一個(gè)決定因素[35-36]。為進(jìn)一步支持結(jié)論，本研究還在特征分析中運(yùn)用其他指標(biāo)，例如居住和就業(yè)崗位密度、臨近公共交通車(chē)站等社區(qū)便利設(shè)施、場(chǎng)地和街道設(shè)計(jì)。

步行通達(dá)性的經(jīng)濟(jì)效益在最近的研究中已被忽視。大多數(shù)先前的研究聚焦于公共交通周邊建設(shè)影響或與步行及公共交通導(dǎo)向型發(fā)展(TOD)相關(guān)的經(jīng)濟(jì)效益[20]。文獻(xiàn)[19]是最早調(diào)查步行通達(dá)性?xún)r(jià)值的研究之一，認(rèn)為步行通達(dá)性的影響可以通過(guò)消費(fèi)者成本節(jié)約、用地效率提升、醫(yī)療成本節(jié)約、經(jīng)濟(jì)發(fā)展水平來(lái)提升來(lái)評(píng)估。一些研究者基于該觀點(diǎn)探尋更為具體的要素，例如文獻(xiàn)[37]運(yùn)用成本效益分析方法評(píng)價(jià)建成環(huán)境投資的健康效益。來(lái)自布魯金斯學(xué)會(huì)(Brookings Institution)的一項(xiàng)近期研究表明，適宜步行的社區(qū)可創(chuàng)造多種經(jīng)濟(jì)效益，例如較高的居住和商業(yè)地價(jià)、較高的零售業(yè)稅收以及較低的本地居民交通成本[38]。文獻(xiàn)[39]運(yùn)用價(jià)格特征方法分析多種促進(jìn)步行的環(huán)境因素促進(jìn)要素對(duì)房?jī)r(jià)的影響，發(fā)現(xiàn)開(kāi)發(fā)強(qiáng)度越高會(huì)導(dǎo)致房?jī)r(jià)越高，步行設(shè)施和混合用地會(huì)帶來(lái)租房?jī)r(jià)格的提升。

大量文獻(xiàn)應(yīng)用價(jià)格特征方法分析TOD的可達(dá)性效益[24,40-42]。然而，這些研究大多關(guān)注至公共交通的距離而非步行設(shè)計(jì)和用地多樣性等TOD的基本要素。鮮有研究應(yīng)用價(jià)格特征方法分析步行通達(dá)性對(duì)房?jī)r(jià)的影響。盡管如此，有少量研究曾應(yīng)用該方法研究至社區(qū)目的地的可達(dá)性。例如，文獻(xiàn)[42]發(fā)現(xiàn)，越臨近社區(qū)商業(yè)中心和商鋪，房?jī)r(jià)越高。有證據(jù)表明街道設(shè)計(jì)也會(huì)影響房?jī)r(jià)；一些研究表明，方格網(wǎng)狀和街道相互連通的社區(qū)有更高的房?jī)r(jià)，尤其是在臨近公共交通的區(qū)域[43-44]。

在應(yīng)用步行指數(shù)作為步行通達(dá)性測(cè)量指標(biāo)的研究中，文獻(xiàn)[27-29]通過(guò)價(jià)格特征方法分析步行指數(shù)的變化如何影響房?jī)r(jià)。這些研究的評(píng)估結(jié)果顯示，步行指數(shù)對(duì)住宅價(jià)值[27,29]和商鋪價(jià)值[28]均有積極影響。然而，這些結(jié)論可能存在由空間自相關(guān)影響(Spatial Autocorrelation Effects,SAE)造成的偏差。通常，空間自相關(guān)影響存在于單棟住宅價(jià)值受周邊社區(qū)房?jī)r(jià)或特定要素影響的樣本中；特征模型中的遺漏變量也可能是空間相關(guān)的，會(huì)導(dǎo)致誤差項(xiàng)的空間自相關(guān)[45]。若無(wú)法控制空間自相關(guān)影響，可能會(huì)造成偏差或矛盾的評(píng)價(jià)結(jié)果[46]。除應(yīng)用改進(jìn)版步行指數(shù)，本研究通過(guò)解決上述模型問(wèn)題努力改進(jìn)評(píng)價(jià)步行通達(dá)性的經(jīng)濟(jì)效益的方法。

2 數(shù)據(jù)

本研究分析了德克薩斯州奧斯丁市2010年1月—2012年11月21 686個(gè)獨(dú)棟住宅的銷(xiāo)售價(jià)格。德克薩斯州首府奧斯丁市是美國(guó)第11大城市，2012年人口842 592人，是美國(guó)發(fā)展最快的城市之一[47]。表1統(tǒng)計(jì)了本研究所選用的變量。根據(jù)特征分析的要求，本研究分析了不超過(guò)3年的數(shù)據(jù)，以避免影響市場(chǎng)均衡假設(shè)的風(fēng)險(xiǎn)[48]。

2.1 住宅數(shù)據(jù)

住宅銷(xiāo)售變量基于奧斯丁房產(chǎn)經(jīng)濟(jì)人委員會(huì)(Austin Board of REALTORS)提供的房地產(chǎn)多重上市服務(wù)系統(tǒng)(Multiple Listing Service,MLS)數(shù)據(jù)制定。MLS原始數(shù)據(jù)為26 107個(gè)獨(dú)棟住宅的房?jī)r(jià)記錄，包含居住面積、用地面積、房屋年齡、臥室數(shù)量、衛(wèi)浴一體及單衛(wèi)衛(wèi)生間數(shù)量、樓層數(shù)、車(chē)庫(kù)面積等詳盡數(shù)據(jù)；還包含是否有泳池、景觀、水系等二元變量。本研究排除了514個(gè)價(jià)格高于148.5萬(wàn)美元(最高的1%)或低于6.3萬(wàn)美元(最低的1%)的樣本。此外，還有3 907個(gè)樣本因結(jié)構(gòu)變量缺失或錄入錯(cuò)誤(1 252個(gè))、社區(qū)變量缺失(2 452個(gè))、缺少步行指數(shù)數(shù)據(jù)(151個(gè))和在相同人口普查組塊(censu block group)少于3棟住宅(52個(gè))而被排除。

最終的樣本包含21 686個(gè)住宅交易記錄。絕大多數(shù)記錄可以通過(guò)空間編碼對(duì)應(yīng)在由特拉維斯產(chǎn)權(quán)評(píng)估委員會(huì)(Travis Central Appraisal District)提供的GIS圖形文件上；其他住宅數(shù)據(jù)在ArcGIS 10程序中通過(guò)地址信息進(jìn)行空間編碼。圖1展示了每個(gè)2010年人口普查區(qū)(census tract)的住宅交易記錄數(shù)量②。

2.2 步行通達(dá)性數(shù)據(jù)

步行通達(dá)性的首要評(píng)價(jià)指標(biāo)是街道智慧步行指數(shù)，通過(guò)walkscore.com獲取每個(gè)住宅樣本的指數(shù)。該指數(shù)是0～100的數(shù)值，分?jǐn)?shù)越高代表社區(qū)設(shè)施更易于步行到達(dá)。該計(jì)算方法考慮9類(lèi)便利設(shè)施，包括便利店、餐廳或酒吧、商店、咖啡廳、銀行、公園、學(xué)校、書(shū)店以及娛樂(lè)場(chǎng)所；基于文獻(xiàn)[33,49]等已有研究發(fā)現(xiàn)的步行關(guān)聯(lián)度對(duì)這些項(xiàng)目賦值。原始指數(shù)由便利設(shè)施數(shù)量、各類(lèi)權(quán)重以及基于出行路線的距離衰減方程決定；距離超過(guò)1.6 km的便利設(shè)施對(duì)住宅影響甚微。然后將原始指數(shù)轉(zhuǎn)換為百分制數(shù)值。最后，一個(gè)地址的數(shù)值可能受交叉口密度和街區(qū)平均長(zhǎng)度這兩項(xiàng)街道連續(xù)性指標(biāo)③影響而有最多10%的升降空間，因?yàn)檫@兩項(xiàng)指標(biāo)與步行和自行車(chē)出行正相關(guān)[50]。

本研究也通過(guò)walkscore.com網(wǎng)站獲取了傳統(tǒng)步行指數(shù)，該指數(shù)反映某一地址至便利設(shè)施直線距離的百分制數(shù)值。盡管一些公共健康領(lǐng)域的研究者總結(jié)了應(yīng)用傳統(tǒng)步行指數(shù)測(cè)量社區(qū)步行通達(dá)性的可靠性和準(zhǔn)確性[51-54]，本研究仍決定選擇街道智慧步行指數(shù)作為步行通達(dá)性的首要測(cè)量指標(biāo)，因?yàn)槠淇紤]了出行路徑以及街道連續(xù)性指標(biāo)④。

作為步行通達(dá)性補(bǔ)充測(cè)量，本研究通過(guò)奧斯丁市提供的GIS數(shù)據(jù)計(jì)算了人行道密度。該指標(biāo)被定義為1.6 km半徑范圍內(nèi)人行道總長(zhǎng)。半徑取值的依據(jù)是首要步行通達(dá)性測(cè)量指標(biāo)主要由該距離內(nèi)的便利設(shè)施所決定。人行道是步行設(shè)施的關(guān)鍵要素[55]，但是其對(duì)房?jī)r(jià)影響的研究結(jié)果并不統(tǒng)一[56-57]。

圖1 每個(gè)人口普查區(qū)(2010年標(biāo)準(zhǔn))中被納入本研究的獨(dú)棟住宅交易記錄Fig.1 Number of single-family transactions per census tract(2010 census) included in the study資料來(lái)源：奧斯丁市GIS數(shù)據(jù)集。

2.3 社區(qū)數(shù)據(jù)

通過(guò)GIS軟件公司ESRI提供的數(shù)據(jù)整理出道路和軌道交通網(wǎng)絡(luò)數(shù)據(jù)。從路網(wǎng)圖形文件中提取主要道路交叉口信息。首府都市區(qū)交通管理局(The Capital Metropolitan Transportation Authority)提供了通勤鐵路車(chē)站的位置信息。德克薩斯州教育部(The Texas Department of Education)提供了基于德克薩斯州知識(shí)技能評(píng)價(jià)機(jī)構(gòu)給出的測(cè)試分?jǐn)?shù)的學(xué)校表現(xiàn)數(shù)據(jù)。

各類(lèi)社會(huì)人口協(xié)變量源于美國(guó)社區(qū)普查(American Community Survey)2007—2011年的五年估測(cè)數(shù)據(jù)，包括人種及種族、年齡、教育程度、貧困水平、收入、機(jī)動(dòng)車(chē)擁有量等，單位是2010年的人口普查區(qū)。人口和就業(yè)崗位密度數(shù)據(jù)由首府都市區(qū)規(guī)劃委員會(huì)(Capital Area Metropolitan Planning Organization)提供，歸納至2008年交通分析區(qū)(Traffic Analysis Zone)層面。

除人行道網(wǎng)絡(luò)數(shù)據(jù)，奧斯丁市還提供了其他GIS數(shù)據(jù)，包括不同社區(qū)便利設(shè)施、犯罪率、交通事故地點(diǎn)、人行道網(wǎng)絡(luò)、有限速信息的街道網(wǎng)絡(luò)。社區(qū)數(shù)據(jù)僅保留至湖泊距離作為變量，其他社區(qū)便利設(shè)施臨近程度已包含在步行通達(dá)性的評(píng)價(jià)系統(tǒng)中。此外，統(tǒng)計(jì)出每個(gè)獨(dú)棟住宅1.6 km半徑范圍內(nèi)的暴力犯罪次數(shù)、與行人相關(guān)的交通事故次數(shù)以及平均限速。

3 分析方法

3.1 價(jià)格特征框架

文獻(xiàn)[58]指出，通過(guò)分析一座城市范圍內(nèi)房?jī)r(jià)的差異，特征價(jià)格方法(HPM)可以呈現(xiàn)環(huán)境優(yōu)劣對(duì)價(jià)格的潛在影響[59]。本研究的價(jià)格特征分析框架為：

式中：pi為住宅i的銷(xiāo)售價(jià)格；Si和Ni分別為住宅i的結(jié)構(gòu)特征和社區(qū)特征矢量(見(jiàn)表1)；Ri為住宅i的步行通達(dá)性相關(guān)變量的矢量；εi為誤差。本研究通過(guò)兩套獨(dú)立的模型評(píng)估街道智慧步行指數(shù)和人行道密度對(duì)房?jī)r(jià)的影響，模型僅在步行通達(dá)性變量的選擇上有差別(方法細(xì)節(jié)請(qǐng)參見(jiàn)附錄A)。與街道智慧步行指數(shù)相關(guān)的模型(例如普通最小二乘法、空間回歸模型)為模型組合A，與人行道密度相關(guān)的模型為模型組合B。本節(jié)其余部分介紹了價(jià)格特征分析框架理論和實(shí)證考慮；模型組合A和模型組合B對(duì)這部分的所有統(tǒng)計(jì)測(cè)試得到一致的結(jié)果。

文獻(xiàn)[58]還提到，有效的特征分析框架建立在嚴(yán)格假設(shè)的基礎(chǔ)上，包括完全競(jìng)爭(zhēng)、產(chǎn)品連續(xù)、市場(chǎng)均衡、全面觀測(cè)產(chǎn)品特征。

文獻(xiàn)[60]認(rèn)為，完全競(jìng)爭(zhēng)對(duì)許多市場(chǎng)難以實(shí)現(xiàn)且并非必須。文獻(xiàn)[48]認(rèn)為，只要市場(chǎng)不存在劇烈震蕩則可被視為均衡，文獻(xiàn)[61]進(jìn)一步證實(shí)，房地產(chǎn)市場(chǎng)可以迅速調(diào)整以質(zhì)應(yīng)小震蕩。本研究研究期內(nèi)并未出現(xiàn)重大市場(chǎng)震顫。產(chǎn)品連續(xù)的假設(shè)可由大樣本量合理滿(mǎn)足。最后，全面觀測(cè)產(chǎn)品特征可基本滿(mǎn)足，因?yàn)樽≌嚓P(guān)信息可從網(wǎng)絡(luò)、專(zhuān)業(yè)的房地產(chǎn)經(jīng)紀(jì)人以及實(shí)地調(diào)查獲取。

表1 統(tǒng)計(jì)匯總數(shù)據(jù)Tab.1 Summary Statistics

本研究應(yīng)用價(jià)格特征分析框架時(shí)考慮了幾項(xiàng)實(shí)證問(wèn)題。為確定一個(gè)適用的函數(shù)形式，本研究參考文獻(xiàn)[59,62]進(jìn)行了博克斯-卡克斯轉(zhuǎn)換(Box-Cox transformation)測(cè)試。該測(cè)試建議對(duì)房?jī)r(jià)、連續(xù)的結(jié)構(gòu)及社區(qū)變量進(jìn)行對(duì)數(shù)轉(zhuǎn)換。基于調(diào)整后的R2、赤池信息量準(zhǔn)則(Akaike Information Criterion,AIC)、貝葉斯信息量準(zhǔn)則(Bayesian Information Criterion,BIC)，這個(gè)雙對(duì)數(shù)函數(shù)形式優(yōu)于對(duì)數(shù)—線性函數(shù)形式，后者未對(duì)連續(xù)的結(jié)構(gòu)及社區(qū)變量進(jìn)行對(duì)數(shù)轉(zhuǎn)換⑤。本研究基于文獻(xiàn)[63]運(yùn)用方差膨脹因子(Variance Inflation Factor,VIF)測(cè)試檢查潛在的多重共線性影響，結(jié)果表明這一影響并不高⑥。

為驗(yàn)明空間自相關(guān)影響是否存在于最終樣本中，本研究根據(jù)文獻(xiàn)[64]提供的工具進(jìn)行莫蘭指數(shù)測(cè)試(Moran's I test)，模型組合A和模型組合B均獲得非常顯著的莫蘭指數(shù)統(tǒng)計(jì)結(jié)果，表明兩個(gè)方案中均存在空間自相關(guān)影響。進(jìn)一步應(yīng)用拉格朗日乘法測(cè)試系統(tǒng)[65]發(fā)現(xiàn)，空間自相關(guān)影響存在于因變量和誤差項(xiàng)中⑦。因此，本研究選擇Cliff-Ord空間特征模型而非普通最小二乘法作為最佳模型方法[46,66-68]，以降低空間自相關(guān)影響和社區(qū)變量遺漏造成的風(fēng)險(xiǎn)[46,69-70]。

Cliff-Ord空間特征模型對(duì)公式(1)進(jìn)行擴(kuò)充，同時(shí)增加兩項(xiàng)內(nèi)容：為增加一個(gè)空間滯后項(xiàng)，控制鄰里房?jī)r(jià)對(duì)樣本房?jī)r(jià)的影響；為?i增加一個(gè)空間滯后項(xiàng)，通過(guò)控制?i中的空間自相關(guān)影響提高評(píng)估的一致性。以往的實(shí)證研究在處理空間自相關(guān)影響時(shí)往往只針對(duì)因變量(空間滯后模型，Spatial Lag Model)或誤差項(xiàng)(空間誤差模型，Spatial Error Model)設(shè)置一個(gè)滯后項(xiàng)，這一方面是囿于軟件局限，另一方面是空間自相關(guān)影響測(cè)試結(jié)果的原因。

為緩解遺漏變量偏差的風(fēng)險(xiǎn)，本研究進(jìn)行了大量數(shù)據(jù)收集；此外，模型中包含34個(gè)月(2010年2月—2012年11月)的二元變量以控制市場(chǎng)因素的影響。參考文獻(xiàn)[68,71]，增設(shè)交互作用項(xiàng)以檢測(cè)步行通達(dá)性變量(街道智慧步行指數(shù)和人行道密度)與其他社會(huì)人口及地區(qū)環(huán)境協(xié)變量(見(jiàn)表1)間的協(xié)同作用⑧。這些變量和協(xié)變量通過(guò)線性轉(zhuǎn)換過(guò)程標(biāo)準(zhǔn)化為統(tǒng)一的表達(dá)形式以簡(jiǎn)化結(jié)果解釋。同時(shí)，為步行通達(dá)性變量增設(shè)二次項(xiàng)，從而探析當(dāng)其他社會(huì)人口及地區(qū)環(huán)境變量處于平均水平時(shí)，更高的步行通達(dá)性是否增加溢價(jià)。附錄A展示了Cliff-Ord空間特征模型的具體內(nèi)容，包括線性轉(zhuǎn)換過(guò)程的介紹。

4 結(jié)果與討論

表2和表3分別是針對(duì)街道智慧步行指數(shù)(模型組合A)和人行道密度(模型組合B)的Cliff-Ord空間特征模型的估計(jì)結(jié)果。結(jié)果通過(guò)最大似然估計(jì)量獲得。異方差性對(duì)研究結(jié)果影響甚微，因?yàn)楸狙芯客ㄟ^(guò)廣義空間兩階段最小二乘估計(jì)(generalized spatial twostage least-squares estimator)獲得與異方差選項(xiàng)非常相近的結(jié)果。由表2和表3可見(jiàn)，Cliff-Ord空間特征模型得出的赤池信息量準(zhǔn)則、貝葉斯信息量準(zhǔn)則結(jié)果比對(duì)應(yīng)的普通最小二乘法結(jié)果小，證明該空間回歸方法比普通最小二乘法更適用于本研究。

Cliff-Ord空間特征模型反映出結(jié)構(gòu)、社區(qū)以及步行通達(dá)性要素對(duì)房?jī)r(jià)的總效應(yīng)，計(jì)算方法見(jiàn)附錄A的公式(5)～(7)。由于個(gè)體樣本受到的影響各異，故個(gè)體樣本應(yīng)被視為總體的一部分而不是孤立的點(diǎn)估計(jì)。然而，在本研究中，總效應(yīng)與直接效應(yīng)(附錄A的公式(5)～(7)中的分項(xiàng))非常相似⑨，直接效應(yīng)要么是表2和表3中的(結(jié)構(gòu)和社區(qū)特征)評(píng)估系數(shù)，要么是對(duì)(步行通達(dá)性測(cè)量)系數(shù)進(jìn)行線性處理后產(chǎn)生的影響。本研究簡(jiǎn)要解析結(jié)構(gòu)和社區(qū)特征的直接效應(yīng)，重點(diǎn)分析步行通達(dá)性的總效應(yīng)。34個(gè)月(2010年2月—2012年11月)的二元變量系數(shù)以及形成步行通達(dá)性交互作用項(xiàng)的構(gòu)成性項(xiàng)目(constitutive terms)未包含在表2和表3中。

4.1 結(jié)構(gòu)和社區(qū)特征

兩套模型(街道智慧步行指數(shù)和人行道密度)在結(jié)構(gòu)和社區(qū)特征方面的結(jié)果非常相近。結(jié)構(gòu)特征對(duì)房?jī)r(jià)的影響非常顯著且在預(yù)料之中。居住面積、占地面積、衛(wèi)浴一體和獨(dú)衛(wèi)衛(wèi)生間數(shù)量的增加有助于提高房?jī)r(jià)。保持其他要素為恒定不變時(shí)，擁有車(chē)庫(kù)、泳池、大型或中型樹(shù)木、景觀、水系均對(duì)房?jī)r(jià)有積極作用。另一方面，房齡和待售時(shí)間越長(zhǎng)，房?jī)r(jià)則越低。有趣的是，當(dāng)其他要素保持不變時(shí)，樓層多于一層或臥室較多會(huì)降低住宅的受歡迎程度。這可能受當(dāng)?shù)靥卣饔?/p>

表2 基于街道智慧步行指數(shù)的空間特征模型評(píng)估結(jié)果Tab.2 Estimation Results for the Spatial Hedonic Model—Street Smart Walk Score(SSWS)

1)一個(gè)變量的對(duì)數(shù)系數(shù)(例如居住面積對(duì)數(shù)系數(shù)0.585 9)表示房?jī)r(jià)對(duì)該變量的彈性；二元變量的系數(shù)b表示當(dāng)二元變量在0～1之間變化時(shí)，房?jī)r(jià)的變化比例為一個(gè)變量的系數(shù)(例如非白種西班牙裔比例系數(shù)0.059 4)表示，保持其他變量所有與標(biāo)準(zhǔn)化的街道智慧步行指數(shù)交互作用的變量均為平均值時(shí)，當(dāng)該變量隨著其平均值(例如，非白種西班牙裔比例的平均值為23.81%，則該比例從10%變?yōu)?3.81%)增加時(shí)，房?jī)r(jià)相對(duì)于街道智慧步行指數(shù)的彈性會(huì)隨著系數(shù)而改變；3)顯著性水平為0.01。響，例如在奧斯丁市漫長(zhǎng)炎熱的夏季，單層住宅比多層住宅的制冷能耗更低，但是對(duì)于臥室變量的消極影響，本研究并沒(méi)有一個(gè)令人滿(mǎn)意的解釋。較高的學(xué)校質(zhì)量評(píng)分、更臨近湖泊或州議會(huì)大廈一般被視為有利的社區(qū)便利設(shè)施，這對(duì)房?jī)r(jià)有很強(qiáng)的積極作用。

表3 基于人行道密度的空間特征模型評(píng)估結(jié)果Tab.3 Estimation Results for the Spatial Hedonic Model—Sidewalk Density(SWD)

1)一個(gè)變量的對(duì)數(shù)系數(shù)(例如居住面積對(duì)數(shù)系數(shù)0.585 9)表示房?jī)r(jià)對(duì)該變量的彈性；二元變量的系數(shù)b表示當(dāng)二元變量在0～1之間變化時(shí)，房?jī)r(jià)的變化比例為一個(gè)變量的系數(shù)(例如非白種西班牙裔比例系數(shù)0.059 4)表示，保持其他變量所有與標(biāo)準(zhǔn)化的街道智慧步行指數(shù)交互作用的變量均為平均值時(shí)，當(dāng)該變量隨著其平均值(例如，非白種西班牙裔比例的平均值為23.81%，則該比例從10%變?yōu)?3.81%)增加時(shí)，房?jī)r(jià)相對(duì)于街道智慧步行指數(shù)的彈性會(huì)隨著系數(shù)而改變；3)顯著性水平為0.10；4)顯著性水平為0.05；5)顯著性水平為0.01。

臨近交通設(shè)施對(duì)房?jī)r(jià)的影響具有兩極性：積極方面是便利，消極方面是擁堵、空氣污染及噪聲等負(fù)面效益。本研究研究表明，臨近主干路交叉口帶來(lái)的消極影響大于積極影響。已有研究有關(guān)臨近通勤鐵路對(duì)房?jī)r(jià)的影響結(jié)論各異[24,73-74]。文獻(xiàn)[75]發(fā)現(xiàn)，至公共交通車(chē)站的實(shí)際距離是決定使用率的一個(gè)重要因素，故本研究采用至最近地鐵站的網(wǎng)絡(luò)距離表征臨近程度。結(jié)果顯示：當(dāng)控制其他變量時(shí)，人行道密度模型中更接近最近的輕軌站對(duì)房?jī)r(jià)有較小但是明確的削弱作用；但街道智慧步行指數(shù)模型中未表現(xiàn)出該現(xiàn)象。兩個(gè)模型均反映出，至軌道交通線路距離小于400 m的住宅房?jī)r(jià)顯著低于距離不小于400 m的住宅。這與文獻(xiàn)[74]的研究結(jié)果一致。

4.2 步行通達(dá)性對(duì)房?jī)r(jià)的影響

步行通達(dá)性對(duì)房?jī)r(jià)的影響與多種因素有關(guān)。當(dāng)社區(qū)具有高于樣本均值的西班牙裔人口時(shí)，居民愿意支付更多費(fèi)用提升街道智慧步行指數(shù)和人行道密度。正如預(yù)期，大學(xué)學(xué)歷人口比例高于均值的社區(qū)更愿意出資提升街道智慧步行指數(shù)和人行道密度；學(xué)歷更高的居民可能對(duì)步行的效益具備更好的理解力。由于貧困率和人均收入二者的關(guān)系并不顯著(皮爾森相關(guān)系數(shù)(Pearson correlation coefficient)為-0.402 3)，故在模型中同時(shí)考慮這兩個(gè)協(xié)變量。結(jié)果如預(yù)期，貧困率高于平均水平時(shí)街道智慧步行指數(shù)和人行道密度顯著降低，由于財(cái)務(wù)拮據(jù)貧困人群可能不太愿意出資改善步行通達(dá)性。另一方面，收入對(duì)提高人行道密度的投資具有積極影響。較高的人口密度可提高街道智慧步行指數(shù)和人行道密度的彈性，而就業(yè)崗位密度則相反⑩。兩種評(píng)價(jià)步行通達(dá)性的測(cè)量方法的效益可能被社區(qū)的高暴力犯罪率抵消，這與已有研究發(fā)現(xiàn)的犯罪率對(duì)步行有消極影響一致[76-77]。

如果一個(gè)社區(qū)相當(dāng)一部分居民沒(méi)有機(jī)動(dòng)車(chē)○11，由于步行對(duì)于這類(lèi)人群是很重要的交通方式，所以他們更愿意為提高社區(qū)街道智慧步行指數(shù)出資；但這對(duì)人行道密度沒(méi)有顯著作用。有趣的是，若在1.6 km半徑范圍內(nèi)發(fā)生過(guò)更多的涉及行人的交通事故，則會(huì)顯著提高對(duì)街道智慧步行指數(shù)和人行道密度的投資；這一違反直覺(jué)的結(jié)果或許是由于事故率與主動(dòng)行人數(shù)量正相關(guān)。1.6 km半徑范圍內(nèi)的平均限速對(duì)街道智慧步行指數(shù)起積極作用，而對(duì)人行道密度起消極作用。街道智慧步行指數(shù)和人行道密度的交互作用項(xiàng)也值得討論：控制其他變量為平均水平，具有較高的人行道密度(例如106 km)與對(duì)街道智慧步行指數(shù)的投資沒(méi)有顯著關(guān)系；而具有較高的街道智慧步行指數(shù)(例如29)與對(duì)人行道密度的投資具有顯著的促進(jìn)作用。

運(yùn)用總效應(yīng)公式(見(jiàn)附錄A公式(5))計(jì)算步行通達(dá)性(街道智慧步行指數(shù)和人行道密度)對(duì)房?jī)r(jià)彈性的總效應(yīng)。彈性分布如圖2所示：房?jī)r(jià)對(duì)街道智慧步行指數(shù)的平均彈性為0.016 0，中值為-0.005 0；房?jī)r(jià)對(duì)人行道密度的平均彈性為0.008 7，中值為0.002 9。

圖2 彈性分布Fig.2 Distribution of elasticities

參考[52-53]，根據(jù)房?jī)r(jià)對(duì)街道智慧步行指數(shù)的彈性將樣本分為四組。第一組是依賴(lài)小汽車(chē)的社區(qū)(街道智慧步行指數(shù)＜50)，幾乎沒(méi)有步行可達(dá)的社區(qū)目的地，居民必須駕車(chē)或搭乘公共交通進(jìn)行大多數(shù)出行；第二組是步行環(huán)境一般的社區(qū)(50≤街道智慧步行指數(shù)＜70)，一些便利設(shè)施在步行范圍內(nèi)，但是很多日常出行需采取步行外的方式；第三組是步行環(huán)境較好的社區(qū)(70≤街道智慧步行指數(shù)＜90)，在這里出門(mén)可以不使用小汽車(chē)；第四組是“行人的天堂”(街道智慧步行指數(shù)≥90)，大多數(shù)出行可以步行完成，很多居民不需要擁有小汽車(chē)。

街道智慧步行指數(shù)和人行道密度分別對(duì)8 175個(gè)樣本(37.70%)和11 193個(gè)樣本(51.61%)具有積極影響○12。步行環(huán)境更好的社區(qū)住宅的房?jī)r(jià)對(duì)街道智慧步行指數(shù)和人行道密度的彈性更高。街道智慧步行指數(shù)對(duì)第一組社區(qū)的平均彈性是-0.009 7，對(duì)第二組社區(qū)的平均彈性提高至0.058 7，對(duì)第三、第四組依次增加至0.163 7和0.325 9(見(jiàn)圖2a)。人行道密度對(duì)四組的平均彈性依次為0.001 5，0.005 8，0.065 0，0.192 5(見(jiàn)圖2b)。

表4展示了步行通達(dá)性對(duì)房?jī)r(jià)影響的貨幣價(jià)值。街道智慧步行指數(shù)增加1%，四組社區(qū)的獨(dú)棟住宅價(jià)格變化情況分別為-29.56美元，155.65美元，548.00美元，1 329.20美元；人行道密度增加1%，四組社區(qū)的獨(dú)棟住宅價(jià)格變化情況分別為4.57美元，15.38美元，217.59美元，785.12美元。更好的步行通達(dá)性投入與更高的步行通達(dá)性水平正相關(guān)可能一部分源于居民的主觀選擇：喜歡步行的人可能對(duì)步行通達(dá)性更為重視，也更愿意選擇更適宜步行的社區(qū)。已有研究也將主觀選擇作為建成環(huán)境與出行行為關(guān)系的一種解釋[26,32]，但這并不能完全解釋居住地選擇。居民的選擇可能受其他因素制約，例如資金制約、不同步行通達(dá)性水平的住房供應(yīng)。但是在一些案例中，居民的現(xiàn)狀居住環(huán)境可能同他們期許的社區(qū)類(lèi)型和出行方式相悖[78]。然而，受到房屋銷(xiāo)售數(shù)據(jù)的局限，本研究無(wú)法檢驗(yàn)主觀選擇對(duì)步行通達(dá)性投入與步行通達(dá)性水平的正相關(guān)產(chǎn)生何種作用。

表4 步行通達(dá)性增加1%對(duì)房?jī)r(jià)的影響Tab.4 Effects of 1 percent increase in walkability on property values

4.3 與以往應(yīng)用步行指數(shù)的特征研究對(duì)比

本研究的發(fā)現(xiàn)與以往應(yīng)用步行指數(shù)的研究[27-29]不同。提高街道智慧步行指數(shù)只對(duì)約1/3的樣本有益，街道智慧步行指數(shù)的平均彈性對(duì)于在不同程度上適宜步行的社區(qū)(街道智慧步行指數(shù)≥50)是正值。對(duì)于大多數(shù)樣本，提升步行通達(dá)性對(duì)房?jī)r(jià)影響甚微。

本研究與以往研究的區(qū)別在于：1)本研究選用了改進(jìn)的步行指數(shù)版本(2012年前沒(méi)有街道智慧步行指數(shù))，將出行路線、步行設(shè)施的物質(zhì)要素(包括交叉口密度和街區(qū)長(zhǎng)度)納入考量；本研究還包含一些以往研究沒(méi)有涉及的其他建成環(huán)境變量。2)以往研究呈現(xiàn)了點(diǎn)評(píng)估結(jié)果以表示所有樣本的平均水平；本研究則考慮社會(huì)人口與建成環(huán)境因素對(duì)投資步行通達(dá)性的潛在影響，從而得出不同樣本的溢價(jià)分布(見(jiàn)圖2)。3)以往研究依賴(lài)普通最小二乘法，本研究發(fā)現(xiàn)該方法高估了步行通達(dá)性對(duì)房?jī)r(jià)的影響；本研究應(yīng)用的空間回歸分析法效果優(yōu)于普通最小二乘法。

5 結(jié)論

通過(guò)分析奧斯丁市21 686個(gè)獨(dú)棟住宅的交易記錄，研究社區(qū)步行通達(dá)性對(duì)房?jī)r(jià)的影響。以街道智慧步行指數(shù)作為主要測(cè)量方法，以人行道密度作為補(bǔ)充方法。為了控制空間自相關(guān)影響，應(yīng)用Cliff-Ord空間特征模型。

研究表明，提升社區(qū)步行通達(dá)性對(duì)提高獨(dú)棟住宅的價(jià)值(即銷(xiāo)售價(jià)格)有潛在作用。對(duì)于城市，這意味著從房產(chǎn)稅中獲得更多收入用于資助交通項(xiàng)目、學(xué)校、公園以及其他服務(wù)。然而，兩個(gè)模型的結(jié)果均表明，房?jī)r(jià)(以及稅收)的最大效益存在于最適宜步行的社區(qū)。對(duì)于依賴(lài)小汽車(chē)的社區(qū)，通過(guò)使便利設(shè)施更可達(dá)來(lái)提升步行通達(dá)性并不能提高房?jī)r(jià)；增設(shè)人行道使房?jī)r(jià)有微小的提高。因此，相對(duì)于依賴(lài)小汽車(chē)的社區(qū)，適宜步行的社區(qū)更容易通過(guò)投資人行道和社區(qū)便利設(shè)施來(lái)提高房?jī)r(jià)。

提升步行通達(dá)性對(duì)于在不同程度上適宜步行的社區(qū)具有更大的潛在影響，這對(duì)政策制定頗有啟發(fā)。如果只在適宜步行的地區(qū)改善步行設(shè)施，這對(duì)提高步行活躍度的意義相對(duì)有限。然而，本研究并未直接測(cè)量步行活躍度。從規(guī)劃公平的角度出發(fā)，更應(yīng)關(guān)注提高房?jī)r(jià)對(duì)提升社區(qū)品質(zhì)的可能性。提高房?jī)r(jià)可帶來(lái)經(jīng)濟(jì)效益，從而為步行投資和其他服務(wù)提供更多資助，但也可能導(dǎo)致住宅更難以購(gòu)買(mǎi)，從而使中低收入居民遷出。例如，以東奧斯丁為代表的一批社區(qū)與整個(gè)都市區(qū)整體水平相比，遭遇了較大的房?jī)r(jià)上漲，這表明一些社區(qū)品質(zhì)正在得到提升。然而，基于本研究研究，由于住房市場(chǎng)受到經(jīng)濟(jì)環(huán)境和其他多種因素影響，很難評(píng)估提升步行通達(dá)性對(duì)住房可負(fù)擔(dān)程度的影響。盡管如此，規(guī)劃師和決策者應(yīng)在未來(lái)的探索研究中更加謹(jǐn)慎。

為反映居住偏好的改變，近年來(lái)住房市場(chǎng)愈加多樣化。盡管購(gòu)房者更喜歡獨(dú)戶(hù)式獨(dú)棟住宅，較松散的住宅布局依然很有市場(chǎng)，然而過(guò)去幾十年間，對(duì)適宜步行的緊湊型社區(qū)的需求和支持日益增加[79-80]。本研究發(fā)現(xiàn)，在最適宜步行的社區(qū)，步行通達(dá)性對(duì)房?jī)r(jià)的影響最大，這表明即使是現(xiàn)狀適宜步行的社區(qū)也可能無(wú)法完全滿(mǎn)足那些偏好步行社區(qū)的居民的期望；換言之，對(duì)處于適宜步行社區(qū)的住宅的實(shí)際和潛在需求大于供給。為創(chuàng)造更好的政策環(huán)境以促進(jìn)適宜步行社區(qū)住宅的供需平衡，現(xiàn)有分區(qū)規(guī)劃規(guī)范有待改進(jìn)。

總體上，本研究的研究結(jié)果佐證了提倡通過(guò)用地轉(zhuǎn)換提升步行設(shè)施，拉近居民居住與購(gòu)物、工作、就學(xué)目的地距離的政策。本研究建議依次采取以下兩項(xiàng)舉措：1)在居住區(qū)吸引更多的商業(yè)開(kāi)發(fā)(特別是社區(qū)商業(yè))。2)在已有街道上增設(shè)人行道并通過(guò)連接部分缺失的路段和建設(shè)路外步道的方式完善步行網(wǎng)絡(luò)。第一種方法或許更難操作，因?yàn)檫@可能涉及改變分區(qū)規(guī)劃(例如在可接受范圍內(nèi)增加密度、允許用地混合)并需要更長(zhǎng)的時(shí)間；第二種方法更容易短期實(shí)現(xiàn)。擁有良好商業(yè)開(kāi)發(fā)但欠缺步行設(shè)施的社區(qū)可能最適合采用上述措施。

在奧斯丁市的案例中，有很多地區(qū)有可能從改善步行環(huán)境中獲益。例如那些缺乏人行道的緊湊型老舊社區(qū)。東奧斯丁地區(qū)(見(jiàn)圖3)正在運(yùn)行一項(xiàng)復(fù)興計(jì)劃，飯店、零售商店、酒吧、移動(dòng)快餐車(chē)數(shù)量激增。但該地區(qū)的步行設(shè)施質(zhì)量遠(yuǎn)遠(yuǎn)不夠，人行道存在不連續(xù)或完全缺失的情況，使得步行感受欠佳且不安全。因此，在這類(lèi)地區(qū)改善步行設(shè)施會(huì)對(duì)房?jī)r(jià)提升以及增加步行出行大有裨益。

總之，本研究認(rèn)為社區(qū)可從步行環(huán)境改善中獲益。盡管在依賴(lài)小汽車(chē)的社區(qū)改善步行環(huán)境無(wú)法迅速帶來(lái)經(jīng)濟(jì)效益，但這是一個(gè)漸進(jìn)過(guò)程，最終可通過(guò)長(zhǎng)期努力實(shí)現(xiàn)經(jīng)濟(jì)目標(biāo)。當(dāng)設(shè)定改善社區(qū)步行通達(dá)性的投資策略時(shí)，應(yīng)將社區(qū)的各項(xiàng)社會(huì)人口特征納入考量。由于多數(shù)政府均面臨財(cái)政緊縮，僅提升步行通達(dá)性在健康和環(huán)境層面的效益可能無(wú)法像房?jī)r(jià)增長(zhǎng)這類(lèi)經(jīng)濟(jì)效益得到?jīng)Q策者的認(rèn)同。研究表明，在有可能推廣步行的社區(qū)分配步行設(shè)施資金和鼓勵(lì)混合用地開(kāi)發(fā)，可以讓城市通過(guò)增加房地產(chǎn)稅收獲取最大紅利。

本研究可能在數(shù)據(jù)和普適性方面有所欠缺。盡管街道智慧步行指數(shù)部分解釋了街道連續(xù)性，該指標(biāo)幾乎沒(méi)有提供步行設(shè)施以及混合用地的其他物質(zhì)特征信息。一些納入計(jì)算的便利設(shè)施分類(lèi)可能并不被居民或?qū)I(yè)人員認(rèn)可。本研究的普適性尚未得到檢測(cè)。未來(lái)的研究可以選取更多城市或其他類(lèi)型房產(chǎn)(例如多戶(hù)住宅、商業(yè)建筑)。應(yīng)特別注意社會(huì)人口要素對(duì)步行通達(dá)性建設(shè)的溢價(jià)作用，可能的情況下比較街道智慧步行指數(shù)與其他步行通達(dá)性測(cè)量方法所得結(jié)果的差異。

圖3 東奧斯丁地區(qū)居住街道和商業(yè)街道示意Fig.3 Illustration of residential and commercial streets in EastAustin

附錄A：空間特征價(jià)格模型技術(shù)方法細(xì)節(jié)

本研究樣本量n=21 686，建立Cliff-Ord空間特征模型[46,66-68]

當(dāng)保持其他社會(huì)人口及地區(qū)環(huán)境變量為平均值時(shí)，步行通達(dá)性變量的二次項(xiàng)可用以探究對(duì)步行通達(dá)性的資助是否會(huì)隨著步行通達(dá)性水平提高而變高。本研究還在刪除二次項(xiàng)后測(cè)試了模型組合A和模型組合B的模型。如表5所示，基于赤池信息量準(zhǔn)則和貝葉斯信息量準(zhǔn)則，包含步行通達(dá)性二次項(xiàng)的模型強(qiáng)于不包念的模型；在不含二次項(xiàng)的模型中，街道智慧步行指數(shù)越高則對(duì)于街道智慧步行指數(shù)和人行道密度的資助越多。

表5 步行通達(dá)性的二次項(xiàng)及模型表現(xiàn)Tab.5 Quadratic terms of walkability and model performance

為簡(jiǎn)化結(jié)果分析，本研究參照文獻(xiàn)[68, 71]實(shí)施的線性轉(zhuǎn)換方法和標(biāo)準(zhǔn)化的步行通達(dá)性及其協(xié)變量：

住宅i對(duì)應(yīng)的步行通達(dá)性對(duì)房?jī)r(jià)的彈性為

對(duì)于住宅i，連續(xù)變量j的價(jià)格彈性為

將虛擬變量j從0變?yōu)?，對(duì)住宅i房?jī)r(jià)的影響

對(duì)于公式(6)和(7)：ej,i為直接效應(yīng)，是表2中的評(píng)估系數(shù)；vj,i為總效應(yīng)。

[68]，本研究建立了一個(gè)鄰接空間權(quán)重矩陣，所有位于同一個(gè)人口普查區(qū)(2010年)的住宅受到某一個(gè)住宅房?jī)r(jià)的影響權(quán)重相同。鄰接矩陣在自然界中是雙重隨機(jī)的，因此每行、每列的和為1。根據(jù)文獻(xiàn)[25]，一個(gè)雙重隨機(jī)矩陣能通過(guò)使空間回歸模型更平順產(chǎn)生最佳的無(wú)偏見(jiàn)線性評(píng)估。本研究的Cliff-ord空間特征模型應(yīng)用文獻(xiàn)[81]開(kāi)發(fā)的SPPACK程序中的Stata數(shù)據(jù)包進(jìn)行評(píng)估。

注釋?zhuān)?/p>

①Cliff-ord空間特征模型亦稱(chēng)廣義空間模型，一些學(xué)者(例如文獻(xiàn)[25])也稱(chēng)SAC。

②為保障奧斯丁房產(chǎn)經(jīng)濟(jì)人委員會(huì)提供的多重上市服務(wù)系統(tǒng)數(shù)據(jù)的機(jī)密性，本研究不會(huì)顯示每棟住宅的具體位置。

③ 在一位匿名評(píng)論者的支持下，walkscore. com提供了街道智慧步行指數(shù)的計(jì)算方法。

④通過(guò)比較街道智慧步行指數(shù)和傳統(tǒng)步行指數(shù)的模型結(jié)果，本研究認(rèn)為前者相對(duì)后者對(duì)房?jī)r(jià)具有更強(qiáng)的影響。對(duì)于相同模型規(guī)格，街道智慧步行指數(shù)比傳統(tǒng)步行指數(shù)具有更好的模型表現(xiàn)(由赤池信息量準(zhǔn)則和貝葉斯信息量準(zhǔn)則度量)。

⑤對(duì)于模型組合A：在普通最小二乘模型中，調(diào)整的R2、赤池信息量準(zhǔn)則以及貝葉斯信息量準(zhǔn)則在雙對(duì)數(shù)函數(shù)中分別為0.883 5，-9 675.57，-8 980.92，在對(duì)數(shù)—線性函數(shù)中分別為0.866 3，-6 593.63，-5 898.98。在空間回歸模型中，赤池信息量準(zhǔn)則以及貝葉斯信息量準(zhǔn)則在雙對(duì)數(shù)函數(shù)中(最優(yōu)模型)分別為-13 879.87和-13 161.27，在對(duì)數(shù)—線性函數(shù)中分別為-9 718.42和-9 007.81。赤池信息量準(zhǔn)則以及貝葉斯信息量準(zhǔn)則越小，表明模型越好；空間回歸模型中沒(méi)有得出調(diào)整的R2。在模型組合B中，雙對(duì)數(shù)函數(shù)也優(yōu)于對(duì)數(shù)—線性函數(shù)。

⑥對(duì)于模型組合A，所有自變量的平均方差膨脹因子為3.27，最大值為8.4；對(duì)于模型組合B，所有自變量的平均方差膨脹因子為3.38，最大值為9.16。

⑦對(duì)于模型組合A：拉格朗日乘數(shù)值的滯后性測(cè)試及誤差測(cè)試結(jié)果分別為3 503.70 (p＜0.000 1)和1 003.48(p＜0.000 1)；在穩(wěn)健的版本中分別為 3 387.14(p＜0.000 1)和900.79(p＜0.000 1)。對(duì)于模型組合B：拉格朗日乘數(shù)值的滯后性測(cè)試及誤差測(cè)試結(jié)果分別為3 842.71(p＜0.000 1)和1 809.86(p＜0.000 1)；在穩(wěn)健的版本中分別為3 674.42(p＜0.000 1)和1 656.97(p＜0.000 1)。

⑧根據(jù)文獻(xiàn)[72]，交互作用項(xiàng)對(duì)于理解因變量與自變量的關(guān)系是如何被第三個(gè)變量影響的至關(guān)重要。本研究引入交互作用項(xiàng)和相應(yīng)的構(gòu)成項(xiàng)，并發(fā)現(xiàn)這些交互作用項(xiàng)提高了模型表現(xiàn)。例如，在模型組合A中，最優(yōu)空間特征模型的赤池信息量準(zhǔn)則以及貝葉斯信息量準(zhǔn)則分別為-13 879.87和-13 161.27；去除社會(huì)人口協(xié)變量(人種及種族、年齡、收入、教育程度、貧困水平、人口及就業(yè)崗位密度、小汽車(chē)擁有量)的交互作用項(xiàng)后，簡(jiǎn)化的空間特征模型的赤池信息量準(zhǔn)則以及貝葉斯信息量準(zhǔn)則分別變?yōu)?13 054.67和 -12 527.70；去除地區(qū)環(huán)境協(xié)變量(犯罪情況、行人相關(guān)交通事故率、人行道密度、限速)后，簡(jiǎn)化的空間特征模型的赤池信息量準(zhǔn)則以及貝葉斯信息量準(zhǔn)則分別變?yōu)?13 826.86和-13 156.17。

⑨本研究的總效應(yīng)和直接效應(yīng)很相近，因?yàn)楦戒汚中公式(5)～(7)中的vj,i為1.000 1～1.000 9。

⑩人口密度和就業(yè)崗位密度之間的皮爾森相關(guān)系數(shù)為0.254 1，比預(yù)期低很多。

[11]此處所用基準(zhǔn)為3.96%，這是本研究樣本中無(wú)車(chē)家庭的平均比例。

[12]效益此處指步行通達(dá)性對(duì)房?jī)r(jià)的彈性為正數(shù)。

[13]為降低多重共線性的風(fēng)險(xiǎn)，模型組合A中的構(gòu)成項(xiàng)中去除了行人相關(guān)交通事故率和人行道密度，模型組合B中的構(gòu)成項(xiàng)去除了行人相關(guān)交通事故率和街道智慧步行指數(shù)。

翻譯免責(zé)聲明：翻譯內(nèi)容盡可能準(zhǔn)確地反映原文意旨，但是原作者和出版方均嚴(yán)正聲明，在已有法律允許的范圍內(nèi)，不承擔(dān)本篇譯文發(fā)表的全部?jī)?nèi)容以及由此引發(fā)的其他問(wèn)題所產(chǎn)生的責(zé)任，包括但不限于原文及譯文的任何錯(cuò)誤、遺漏及偏差。本聲明的任何規(guī)定均不排除可能在法律權(quán)責(zé)范圍內(nèi)的內(nèi)容。在開(kāi)具任何被通過(guò)的處方藥前應(yīng)再次審核信息。

Translation disclaimer:While every effort has been made to ensure that the contents of this publication are factually correct,neither the authors nor the publisher accepts,and they hereby expressly exclude to the fullest extent permissible under applicable law,any and all liability arising from the contents published in this Article,including,without limitation,from any errors,omissions,inaccuracies in original or following translation, or for any consequences arising therefrom.Nothing in this notice shall exclude liability which may not be excluded by law.Approved product information should be reviewed before prescribing any subject medications.

參考文獻(xiàn)：

[1]Saelens BrianE,HandySusan L.Built Environment Correlates of Walking:A Review[J]. Medicine and Science in Sports and Exercise, 2008,40(S7):S550-S566.

[2]Ding Ding,Sallis J F,Kerr J,Lee S,Rosenberg D E.Neighborhood Environment and Physical Activity Among Youth:A Review[J]. American Journal of Preventive Medicine, 2011,40(4):442-455.

[3]Feng Jing,Glass Thomas A,Curriero Frank C, Stewart Walter F,Schwartz Brian S.The Built Environment and Obesity:A Systematic Review of the Epidemiologic Evidence[J]. Health&Place,2010,16(2):175-190.

[4]Brownson Ross C,Baker Elizabeth A,Housemann Robyn A,Brennan Laura K,Bacak Stephen J.Environmental and Policy Determinants of Physical Activity in the United States [J].American Journal of Public Health,2001, 91(12):1995-2003.

[5]Frank Lawrence D,Sallis James F,Conway Terry L,Chapman James E,Saelens Brian E, Bachman William.Many Pathways from Land Use to Health:Associations Between Neighborhood Walkability and Active Transportation,Body Mass Index,and Air Quality[J]. Journal of the American Planning Association, 2006,72(1):75-87.

[6]Giles-Corti Billie,Donovan Rob J.The Relative Influence of Individual,Social and Physical Environment Determinants of Physical Activity[J].Social Science and Medicine,2002, 54(12):1793-1812.

[7]Giles-Corti Billie,Donovan Robert J.Relative Influences of Individual,Social Environmental,and Physical Environmental Correlates of Walking[J].American Journalof Public Health,2003,93(9):1583-1589.

[8]Handy Susan L,Boarnet Marlon G,Ewing Reid,Killingsworth Ricahd E.How the Built Environment Affects Physical Activity:Views from Urban Planning[J].American Journal of Preventive Medicine,2003,23(2):64-73.

[9]Hoehner Christine M,Brennan Ramirez Laura K,Elliott Michael B,Handy Susan L,Brownson Ross C.Perceived and Objective Environmental Measures and PhysicalActivity Among Urban Adults[J].American Journal of Preventive Medicine,2005,28(S2):105-116.

[10]Humpel Nancy,Owen Neville,Leslie Eva. Environmental Factors Associated with Adults'Participation in Physical Activity:A Review[J].American Journal of Preventive Medicine,2002,22(3):188-199.

[11]Lee Chanam,Moudon A V.Physical Activity and Environment Research in the Health Field:Implications for Urban and Transportation Planning Practice and Research[J]. Journal of Planning Literature,2004,19(2): 147-181.

[12]Saelens Brian E,Sallis James F,Black Jennifer B,Chen Diana.Neighborhood-Based Differences in Physical Activity:An Environment Scale Evaluation[J].American Journal of Public Health,2003,93(9):1552-1558.

[13]Moudon Anne,Lee Chanam,Cheadle Allen D,Garvin Cheza,Johnson Donna B,Schmid Thomas L,Weathers Robert D.Attributes of Environments Supporting Walking[J].American Journal of Health Promotion,2007,21 (5):448-459.

[14]Sallis James F,Saelens Brian E,Frank Lawrence D,Conway Terry L,Slymen Donald J, Cain Kelli L,Chapman James E,Kerr Jacqueline.Neighborhood Built Environment and Income:Examining Multiple Health Outcomes[J].Social Science&Medicine, 2009,68(7):1285-1293.

[15]Brown Barbara B,Yamada Ikuho,Smith Ken R,Zick Cathleen D,Kowaleski-Jones Lori,Fan Jessie X.Mixed Land Use and Walkability:Variations in Land Use Measures and Relationships with BMI,Overweight,and Obesity[J].Health& Place, 2009,15(4):1130-1141.

[16]Evans Gary.The Built Environment and Mental Health[J].Journal of Urban Health, 2003,80(4):536-555.

[17]Renalds Arlene,Smith Tracey H,Hale Patty J.A Systematic Review of Built Environment and Health[J].Family&Community Health,2010,33(1):68-78.

[18]Killingsworth Richard E,Lamming Jean.Development and Public Health:Could Our Development Patterns Be Affecting Our Personal Health?[J].Urban Land,2001(7):12-17.

[19]Litman Todd.Economic Value of Walkability [J].Transportation Research Record:Journal of the Transportation Research Board,2003, 1828(1):3-11.

[20]Bartholomew Keith,Ewing Reid.Hedonic Price Effects of Pedestrian and Transit-Ori-ented Development[J].Journal of Planning Literature,2011,26(1):18-34.

[21]McIlwain John K.Housing in America:The Baby Boomers Turn 65[R/OL].2012[2013-10-30].http://uli.org/wp-content/uploads/ ULI-Documents/Housing InAmericaFIN.pdf. [22]Leinberger Christopher B.The Option of Urbanism:Investing in a New American Dream [M].Washington DC:Island Press,2009.

[23]Levine Jonathan.Zoned Out:Regulations, Markets,and Choices in Transportation and Metropolitan Land Use[M].Washington DC:RFF Press,2005.

[24]Landis John,Guhathakurta Subhrajit,Zhang Ming.Capitalization of Transit Investments into Single-Family Home Prices:A Comparative Analysis of Five California Rail Transit Systems[R].Berkeley:University of California Transportation Center,1994.

[25]LeSage James P,Pace Robert K.Introduction to Spatial Econometrics[M].London: Chapman and Hall/CRC,2009.

[26]Handy Susan,Cao Xinyu,Mokhtarian Patricia L.Selfselection in the Relationship Between the Built Environment and Walking: Empirical Evidence from Northern California [J].Journal of the American Planning Association,2006,72(1):55-74.

[27]Cortright Joe.Walking the Walk:How Walkability Raises Home Values in U.S.Cities [R].Cleveland:CEOs for Cities,2009.

[28]Pivo Gary,Fisher Jeffrey D.The Walkability Premium in Commercial Real Estate Investments[J].Real Estate Economics,2011,39 (2):185-219.

[29]Rauterkus Stephanie Y,Miller Norman G. Residential Land Values and Walkability[J]. Journal of Sustainable Real Estate,2011,3 (1):23-43.

[30]Frank Lawrence,Schmid Thomas,Sallis James,Chapman James,Saelens Brian.Linking Objectively Measured Physical Activity with Objectively Measured Urban Form: Findings from SMARTRAQ[J].American Journal of Preventive Medicine,2005,28(2): 117-125.

[31]Cervero Robert,Kockelman Kara.Travel Demand and the 3Ds:Density,Diversity,and Design[J].Transportation Research Part D: Transportand Environment,1997,2(3): 199-219.

[32]Handy Susan,Cao Xinyu,Mokhtarian Patricia.Correlation or Causality Between the Built Environment and Travel Behavior?Evidence from Northern California[J].Transportation Research Part D:Transport and Environment,2005,10(6):427-444.

[33]Lee Chanam,Moudon Anne Vernez.The 3Ds+R:Quantifying Land Use and Urban Form Correlates of Walking[J].Transportation Research Part D:Transport and Environment,2006,11(3):204-215.

[34]Ewing Reid,Cervero Robert.Travel and the Built Environment[J].Journal of the American Planning Association,2010,76(3):265-294.

[35]Handy Susan L,Clifton Kelly J.Local Shopping as a Strategy for Reducing Automobile Travel[J].Transportation,2001,28(4):317-346.

[36]Boarnet Marlon G,Joh Kenneth,Siembab Walter,Fulton William,Nguyen Mai Thi. Retrofitting the Suburbs to Increase Walking:Evidence from a Land-Use Travel Study [J].Urban Studies,2011,48(1):129-159.

[37]Guo Jessica Y,Gandavarapu Sasanka.An Economic Evaluation of Health-Promotive Built Environment Changes[J].Preventive Medicine,2010,50(S1):S44-S49.

[38]Leinberger Christopher,Alfonzo Mariela. Walk This Way:The Economic Promise of Walkable Places in Metropolitan Washington DC[R].Washington DC:Metropolitan Policy Program at Brookings,2012.

[39]Sohn Dong Wook,Moudon Anne Vernez, Lee Jeasun.The Economic Value of Walkable Neighborhoods[J].Urban Design International,2012,17(2):115-128.

[40]Bowes David R,Ihlanfeldt Keith R.Identifying the Impacts of Rail Transit Stations on Residential Property Values[J].Journal of Urban Economics,2001,50(1):1-25.

[41]Cervero Robert,Duncan Michael.Transit's Value-Added Effects:Light and Commuter Rail Services and Commercial Land Values [J].Transportation Research Record:Journal of the Transportation Research Board,2002, 1805(1):8-15.

[42]Song Yan,Knaap Gerrit-Jan.Measuring the Effects of Mixed Land Uses on Housing Values[J].Regional Science and Urban Economics,2004,34(6):663-680.

[43]Song Yan,Knaap Gerrit-Jan.New Urbanism and Housing Values:A Disaggregate Assessment[J].Journal of Urban Economics,2003, 54(2):218-238.

[44]Duncan Michael.The Impact of Transit-Oriented Development on Housing Prices in San Diego,CA[J].Urban Studies,2011,48 (1):101-127.

[45]Case Anne C.Spatial Patterns in Household Demand[J].Econometrica,1991,59(4): 953-965.

[46]Anselin Luc.Spatial Econometrics:Methods and Models,Studies in Operational Regional Science[M].Dordrecht:Kluwer Academic, 1988.

[47]US Census Bureau.Texas Cities Lead Nation in Population Growth,Census Bureau Reports[R/OL].2013[2013-10-30].http:// www.census.gov/newsroom/releases/archives/ population/cb13-94.html.

[48]Maclennan D.Some Thoughts on the Nature and Purpose of House Price Studies[J].Urban Studies,1977,14(1):59-71.

[49]Moudon Anne V,Lee Chanam,Cheadle Allen D,Garvin Cheza,Johnson Donna, Schmid Thomas L,Weathers Robert D,Lin Lin.Operational Definitions of Walkable Neighborhood:Theoretical and Empirical Insights[J].Journal of Physical Activity& Health 2006,3(S1):99-117.

[50]Berrigan David,Pickle Linda W,Dill Jennifer.Associations Between Street Connectivity and Active Transportation[J].International Journal of Health Geographics,2010,9 (9):1-18.

[51]Carr Lucas J,Dunsiger Shira I,Marcus Bess H.Walk ScoreTMas a Global Estimate of Neighborhood Walkability[J].American Journal of Preventive Medicine,2010,39(5): 460-463.

[52]Carr Lucas J,Dunsiger Shira I,Marcus Bess H.Validation of Walk Score for Estimating Access to Walkable Amenities[J].British Journal of Sports Medicine,2011,45(14): 1144-1148.

[53]Duncan Dustin T,Aldstadt Jared,Whalen John,Melly Steven J.Validation of Walk Scores and Transit Scores for Estimating Neighborhood Walkability and Transit Availability:A Small-Area Analysis[J].GeoJournal,2013,78(2):407-416.

[54]Duncan Dustin T,Aldstadt Jared,Whalen John,Melly Steven J,Gortmaker Steven L. Validation of Walk Score?for Estimating Neighborhood Walkability:An Analysis of Four US Metropolitan Areas[J].International Journal of Environmental Research and Public Health,2011,8(11):4160-4179.

[55]Tal Gil,Handy Susan L.Measuring Nonmotorized Accessibility and Connectivity in a Robust Pedestrian Network[J].Transportation Research Record:Journal of the Transportation Research Board,2012,2299(1): 48-56.

[56]Mahan Brent L,Polasky Stephen,Adams Richard M.Valuing Urban Wetlands:A Property Price Approach[J].Land Economics, 2000,76(1):100-113.

[57]Hamilton Stanley W,Schwann Gregory M. Do High Voltage Electric Transmission Lines Affect Property Value?[J].Land Economics, 1995,71(4):436-444.

[58]Rosen Sherwin.Hedonic Prices and Implicit Markets:Product Differentiation in Pure Competition[J].Journal of Political Economy,1974,82(2):34-55.

[59]Redfearn Christian L.How Informative Are Average Effects?Hedonic Regression and Amenity Capitalization in Complex Urban Housing Markets[J].Regional Science and Urban Economics,2008,39(3):297-306.

[60]Bajari Patrick,Benkard C Lanier.Demand Estimation with Heterogeneous Consumers and Unobserved Product Characteristics:A Hedonic Approach[J].Journal of Political Economy,2005,113(6):1239-1275.

[61]Meese R,Wallace N.The Construction of Residential Housing Price Indices:A Comparison of Repeat Sales,Hedonic Regression,and Hybrid Approaches[J].Journal of Real Estate Finance and Economics,1997, 14(1-2):51-74.

[62]Kuminoff Nicolai V,Parmeter Christopher F, Pope Jaren C.Which Hedonic Models Can We Trust to Recover the Marginal Willingness to Pay for Environmental Amenities?[J]. Journal of Environmental Economics and Management,2010,60(3):145-160.

[63]Kennedy Peter.A Guide to Econometrics(6th ed.)[M].Hoboken:Wiley-Blackwell,2008.

[64]LeSage James P.Econometrics Toolbox 2010 [R/OL].2010[2013-05-15].http://www.spatial-econometrics.com/.

[65]Lacombe Donald J.Donald J.Lacombe's MATLAB Code for Spatial Econometric,p. 2013[R/OL].2013[2013-05-15].wvu.edu/～djl041/matlab.html.

[66]Cliff Andrew D,Ord J K.Spatial Processes: Models&Applications[M].London:Pion, 1981.

[67]Arraiz Irani,Drukker David M,Kelejian Harry H,Prucha Ingmar R.A Spatial Cliff-Ord-Type Model with Heteroskedastic Innovations:Small and Large Sample Results[J]. Journal of Regional Science,2010,50(2): 592-614.

[68]Saphores Jean-Daniel,Li Wei.Estimating the Value of Urban Green Areas:A Hedonic Pricing Analysis of the Single Family Housing Market in Los Angeles,CA[J].Landscape and Urban Planning,2012,104(3-4): 373-387.

[69]Pace Robert K,LeSage James P.Biases of OLS and Spatial Lag Models in the Presence of an Omitted Variable and Spatially Dependent Variables[R/OL].2008[2013-10-30]. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1133438.

[70]Brasington David M,Hite Diane.Demand for Environmental Quality:A Spatial Hedonic Analysis[J].Regional Science and Urban Economics,2005,35(1):57-82.

[71]Anderson Soren T,Sarah E West.Open Space,Residential Property Values,and Spatial Context[J].Regional Science and Urban Economics,2006,36(6):773-789.

[72]Golub Aaron,Guhathakurta Subhrajit,Sollapuram Bharath.Spatial and Temporal Capitalization Effects of Light Rail in Phoenix from Conception,Planning,and Construction to Operation[J].Journal of Planning Education and Research,2012,32(4):415-429. [73]Cervero Robert.Effects of Light and Commuter Rail Transit on Land Prices:Experiences in San Diego County[R].Berkeley: University of California Transportation Center,2006.

[74]Armstrong Robert J,Rodriguez Daniel A.An Evaluation of the Accessibility Benefits of Commuter Rail in Eastern Massachusetts Using SpatialHedonic Price Functions[J]. Transportation,2006,33(1):21-43.

[75]Dill Jennifer.Transit Use and Proximity to Rail:Results from Large Employment Sites in the San Francisco,California,Bay Area [J].Transportation Research Record:Journal of the Transportation Research Board,2003, 1835(1):19-24.

[76]Joh Kenneth,Nguyen Mai Thi,Boarnet Marlon G.Can Built and Social Environmental Factors Encourage Walking Among Individuals with Negative Walking Attitudes?[J]. Journal of Planning Education and Research, 2012,32(2):219-236.

[77]McDonald Noreen C.The Effect of Objectively Measured Crime on Walking in Minority Adults[J].American Journal of Health Promotion,2008,22(6):433-436.

[78]Schwanen Tim,Mokhtarian Patricia L.What Affects Commute Mode Choice:Neighborhood Physical Structure or Preferences Toward Neighborhoods?[J].Journal of Transport Geography,2005,13(1):83-99.

[79]Myers Dowell,Gearin Elizabeth.Current Preferences and Future Demand for Denser Residential Environments[J].Housing Policy Debate,2001,12(4):633-659.

[80]Handy Susan,Sallis James F,Weber Deanne, Maibach Ed,Hollander Marla.Is Support forTraditionally Designed Communities Growing?Evidence from Two National Surveys[J].Journal of the American Planning Association,2008,74(2):209-221.

[81]Drukker David M,Peng Hua,Prucha Ingmar,Raciborski Rafal.SPPACK:Stata Module for Cross-Section Spatialautoregressive Models[D].Boston:Boston College Department of Economics.2011.

Assessing Benefits of Neighborhood Walkability to Single-Family Property Values:A Spatial Hedonic Study in Austin,Texas

Written by Li Wei1,2,Kenneth Joh1,2,Chanam Lee1,Jun-Hyun Kim1,Han Park1,Ayoung Woo1,Translated by Zhang Siyang3
(1.Department of Landscape Architecture and Urban Planning,College of Architecture,Texas A&M University,College Station Texas 77843-3137,USA;2.Texas A&M Transportation Institute,College Station Texas 77843-3135,USA;3.ChinaAcademy of Urban Planning&Design,Beijing 100037,China)

This article investigates the impact of neighborhood walkability,measured by Street Smart Walk Score and sidewalk density,on property values by analyzing the 2010–2012 single-family home sale transactions inAustin,Texas.The Cliff-Ord spatial hedonic model(also known as the General Spatial Model,or SAC)is used to control for spatial autocorrelation effects.Results show that improving walkability through increased access to amenities in car-dependent neighborhoods does not appear to increase property values;adding sidewalks in these neighborhoods leads to a minimal increase in property values.Investments in neighborhood amenities and sidewalks will yield a greater home price increase in a walkable neighborhood than in a car-dependent neighborhood.

Cliff-Ord;General Spatial Model(SAC);property values;walk score;walkable neighborhood; walkability;spatial autocorrelation;spatial hedonic model

2016-05-02

德克薩斯州立法院、德克薩斯州交通部“道路暢通性?xún)?yōu)先投資分析項(xiàng)目(Mobility Investment Priorities Project)”

李威(1981—)，男，河南商丘人，博士，助理教授，主要研究方向：可持續(xù)城市主義經(jīng)濟(jì)、交通對(duì)環(huán)境和健康的影響、出行調(diào)查、城市生態(tài)系統(tǒng)服務(wù)評(píng)價(jià)、應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)、GIS。

E-mail:wli@tamu.edu

譯者簡(jiǎn)介：張斯陽(yáng)(1988—)，女，天津人，碩士，助理規(guī)劃師，主要研究方向：交通規(guī)劃和可持續(xù)發(fā)展。E-mail:zhangsiyangyy@126.com

文章來(lái)源：Journal of Planning Education and Research，2015年第35卷第4期，第471-478頁(yè)，SAGE Publications Ltd.(uk.sagepub.com)版權(quán)所有，文章鏈接：http://jpe.sagepub.com/content/35/4/ 471.abstract