《表2 变量的定义：城市结构对轨道交通系统与房地产价格关系的影响——以北京、杭州、南京、成都4个城市为例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《城市结构对轨道交通系统与房地产价格关系的影响——以北京、杭州、南京、成都4个城市为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对于每一套在售二手房，除被解释变量（单位面积的价格）之外，本文截取了房产的建筑面积、房龄、户型结构等房屋属性变量，附近学校、医院、购物中心等社区属性变量，并且通过使用百度地图的导航API，本文计算了从每套房产到达城市主要交通目的地的通勤时间。其中城市主要目的地涵盖了城市中央商务区、大学城、主要商业街以及经济技术开发区等。为了统一并且精简不同城市的解释变量个数，本文运用主成分分解法（PCA），提取了对应于上述通勤时间变量的前5个主成分的特征向量，由此为每个城市构建了5个通勤时间变量，以此反映房产的区位属性。针对全部4个城市，通勤时间变量排名前五的主成分的方差可以覆盖全方差的90%以上，这说明选择前5个主成分足以刻画通勤时间的主要信息。与地铁和公共交通有关的变量中，我们主要考虑地铁的可得性变量与公交车的可得性变量。地铁的可得性方面，遵循文献[5]的做法，本文囊括了距最近地铁站的直线距离、房屋周边1 km及1～2 km内范围内是否有地铁站以及房屋两公里内的地铁站是否为中转站点等变量。公交的可得性则囊括了距最近公交车站的距离、周边1 km范围内是否有公交站点以及1 km范围内公交站点上的公交线路数量。最后，为了衡量地铁所带来的实际通勤便捷度，本文构建了房屋的地铁指数（metro index）。正式地，地铁指数被定义为从该房屋出发选择不坐地铁的通勤线路去往城市各主要通勤目的地的通勤时间与选择地铁优先的通勤线路的通勤时间之比的平均值。不坐地铁线路与地铁优先线路的通勤时间可以通过百度地图的导航API进行批量计算。上述变量的定义和样本描述性统计见表2、表3。