随着城镇化进程不断推进、城市用地进入存量时代，我国城市建设逐渐由粗放型外延式发展向集约型内涵式发展转变。城市更新作为城市空间再开发活动，不仅可以优化城市功能、提高用地效率、增加住房供给，还能改善城市居住环境和公共设施服务，从而直接或间接影响房地产市场。城市更新具有明显的经济外部性，带动周边地区房地产价值提升，国内外许多学者对这一现象和问题进行了广泛研究。

部分学者认为，城市更新通过拆除和翻新原有老旧建筑、改善公共设施服务和人居环境，通常对邻里住房价格产生积极的溢出效应，从而带动周边房价大幅上涨。此外，城市更新的绅士化效应对社区房价上涨有助推作用。城市更新提升社区环境和住房价格，吸引高收入居民而挤出低收入者，进而不断推动房价上涨。然而，部分研究表明，城市更新可能正外部性不足或产生负外部性，从而对周边住房价格产生了微不足道甚至负面的影响，其外部性程度发挥取决于城市更新项目的规模、时间以及原有发展条件等。

现有研究主要探讨城市更新完成后对周边住房价格的总体影响，但很少关注预期心理因素的作用。大型建设项目从计划宣布到建设竣工一般将耗费很长时间，学者们发现，即使这些项目完成之前设施的翻新和改善也会对周边物业价值产生重大影响。另外，考虑住房价格空间依赖性的研究也很少。为此，本文搜集了深圳市2013年～2015年计划立项的14个城市更新项目及其周边住宅小区的历史成交数据，构建多期双重差分和空间计量模型，实证分析城市更新对周边住房价格影响的时空异质效应，为政府科学进行城市更新规划和管理、实现城市更新与房地产市场健康发展提供理论依据和决策参考。

本文采用双重差分模型来识别城市更新对周边住房价格的溢出效应，能够有效克服遗漏变量和内生性问题。借鉴Lee等(2017)的研究，本文将800m范围作为城市更新项目的影响边界线，800m范围内的住宅小区认为是受城市更新影响的实验组，800m范围外的住宅小区是不受城市更新影响的对照组。由于城市更新项目实施时间不尽相同，本文采用多期双重差分处理方法，允许城市更新项目有不同的实施时间。采用双重差分模型的前提是要满足平行趋势假定，本文对实验组和对照组的住宅价格进行平行趋势分析，发现符合假定条件，可进行双重差分估计。实证模型设定见式(1)。

式中，被解释变量lnHP_it为住宅小区i在时间t的平均成交价格对数；核心解释变量D_i*T_t为双重差分交互变量(城市更新项目800米范围内且在计划立项或开工建设后D_i*T_t=1，否则为0)；Q_it为一组控制变量，λ_j为对应系数；ε_it是随机扰动项。本文重点关注D_i*T_t变量的系数δ，它反映城市更新对周边住房价格影响的净效应，若δ为正且显著，则表明城市更新对住房价格具有显著推升作用。

如果住宅价格存在空间自相关，那么采用传统回归模型估计可能有偏，应采用考虑了空间效应的空间计量模型进行估计。常见的空间计量模型有空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)。

本文被解释变量为住宅小区历史成交均价的对数lnHP_it，对住宅价格取对数处理以减少数据异质性；核心解释变量为城市更新双重差分交互变量D_i*T_t。在参考现有文献的基础上，本文选择的控制变量包括住宅小区建筑特征变量、邻里特征变量和区位特征变量。其中建筑特征变量包括小区房龄、房龄平方、绿化率和容积率。邻里特征变量包括最近地铁站距离、最近公交站距离、最近重点小学距离、最近重点中学距离、最近购物中心距离、最近大型银行距离、最近三甲医院距离和最近城市公园距离。区位特征变量包括深圳市以宝安区为基准设置的8个行政区虚拟变量。

本文以深圳市2013年～2015年计划立项的14个主要城市更新项目为研究案例，收集其周边583个住宅小区2010年～2020年历史成交数据。通过火车头采集器在深圳安居客、深圳链家等房地产交易网站爬取住宅小区的历史成交数据和部分特征数据，收集的数据有住宅成交总价、面积和小区的建成年代、绿化率、容积率和经纬度等。住宅成交总价和面积用于计算小区平均房价，建成年代用于折算小区房龄。在高德地图获取深圳市地铁站、公交站、学校等公共设施POI，将小区和公共设施POI数据导入地理信息系统软件Arcgis10.6中，借助Arcgis功能计算小区到公共设施的最短距离。剔除异常值后最终获得583个住宅小区样本，共6413个观察数。变量说明与描述性统计如表1所示。

本文采用莫兰指数(Moran’s I)检验深圳住房价格的空间自相关性，通过构建住宅小区反地理距离的空间权重矩阵计算了深圳市2010年～2020年住宅价格的全局莫兰指数，结果如表2所示。深圳各年的住宅价格莫兰指数均大于0，且在1%水平下显著。这表明深圳住房价格存在很强的全局正空间自相关，即价格高的住宅之间相邻接，价格低的住宅之间相邻接，且随时间推移空间集聚程度呈增强趋势。

在确定具体空间计量模型前对模型识别检验，以避免模型选择偏误影响估计结果。首先，对普通面板模型回归残差进行空间依赖性诊断。结果显示，LM-lag、LM-error和Robust LM-lag、Robust LM-error均在1%水平下显著，表明住房价格同时存在空间滞后自相关和空间误差自相关，印证了建立空间回归模型的合理性。之后运用LR检验来确定合适的空间计量模型，SLM和SEM两个模型均通过了1%的显著性水平检验，这表明SDM模型拒绝退化为SLM或SEM模型。进一步经Hausman检验，选择固定效应模型进行后续分析。

本文采用最大似然估计法对模型进行估计，结果如表3所示。为与空间杜宾模型对比，表中同时列出了SLM和SEM模型的估计结果。SLM和SDM模型的空间滞后系数(λ)分别为0.540和0.551，均在1%水平下显著，表明住房价格确实受到附近小区房价的积极影响。SEM模型的空间误差系数(ρ)为0.586且显著，表明误差项中也存在干扰因素引起住房价格空间自相关。SDM模型的对数似然函数值(Log-likelihood)为1029.131，高于SLM和SEM模型，表明SDM模型具有更高的拟合优度。在三种空间面板模型中，D_i*T_t的主效应系数均显著为正，表明城市更新对住房价格产生了显著的空间正溢出效应，从而带动周边房价上涨。

不同于普通面板模型，SDM模型的估计系数并不直接反映对被解释变量的影响程度，其中包含直接效应和间接效应。对SDM模型进行效应分解，得到城市更新对住房价格影响的直接效应、间接效应和总效应。

由表3可知，城市更新对住房价格影响的直接效应系数为0.141，且在1%水平下显著，表明城市更新对周边住房价格产生了14.1%的直接推升作用。城市更新能够改善社区人居环境，带来公共配套设施和服务设施的完善，通过资本化效应带动周边房价上涨。城市更新对住房价格影响的间接效应系数为-0.0660且显著，表明其他地区的城市更新对本住宅小区房价产生了一定的负面影响。原因可能是其他城市更新项目附近的住宅小区在更新后会提升社区宜居性，与本地区住宅小区的竞争关系会抑制后者房价上涨。

小区建筑特征方面，小区房龄直接效应系数为-0.0407，且在1%水平上显著，表明小区房龄对住宅价格有显著的负向影响，原因是建筑物功能会随着房龄增加而逐渐恶化。房龄平方的系数为正且显著，表明建筑年龄与住房价格存在非线性关系，这与Lee(2017)等的实证结果一致。绿化率的系数为正且显著，符合理论预期。容积率系数显著为负，表明住宅小区建筑密度越高房价越低，与预期相符。

邻里特征方面，最近地铁站距离和最近公交站距离的直接效应系数分别为-0.0384和-0.0446，均在1%水平下显著，表明交通设施可达性差对小区房价有负面影响。最近重点中学距离系数为负且显著，表明小区附近的优质教育资源对房价有显著提升作用。最近重点小学距离系数符号与预期不一致，这可能是深圳小学学区按街道、社区而不是地理距离划分导致的。最近购物中心距离系数为-0.0781且显著，最近三甲医院距离系数为-0.0153且显著，表明商场和医院邻近能够显著提高房价，与理论预期一致。最近城市公园距离对小区房价影响并不显著。

区位特征方面，本文以宝安区为基准，罗湖区、福田区和南山区总效应系数均为正且显著，这表明在城市更新前后三个区样本房价显著高于宝安区。盐田区总效应系数不显著，表明盐田区房价与宝安区并无显著差异。其他行政区的系数为负且显著，表明这些行政区在城市更新前后的房价明显低于宝安区。

为研究城市更新对周边住房价格影响的预期效应，本文将城市更新细分为计划立项和开工建设两个时间节点分别进行估计，结果如表4所示。城市更新计划立项和开工建设阶段的主效应系数分别为0.143和0.134，且在1%水平下显著，表明城市更新项目在计划立项和开工建设后分别使周边住房价格提升了14.3%和13.4%，城市更新对房价推升作用存在明显的预期效应。城市更新项目往往需经过长时间的计划立项、规划审批、确定实施主体等过程，实施后能够极大地改善周边人居环境和公共设施服务，对城市更新的美好预期使人们更加乐观地评估房地产价值，从而推动邻里住房价格上涨。对于拆除重建类的城市更新项目，由于涉及原有住户的拆迁补偿安置，刺激区域住房需求大量释放，对周边房价提升作用可能更加明显且表现出预期性。

为研究城市更新对周边住房价格影响的空间异质性，本文设置三个范围虚拟变量Cycle1(0m-300m)、Cycle2(300m-600m)、Cycle3(600m-800m)，虚拟变量Cycle_i表示以城市更新项目中心位置为圆心对应的圈层范围，住宅小区在对应圈层内取1，否则取0。将其分别与D_i*T_t相乘后加入模型，回归结果如表5所示。城市更新对周边住房价格的影响在空间上表现为非均质性。不管是否加入控制变量，距离城市更新项目中心0m～300m、300m～600m范围内住房价格的推升作用都要显著大于距离项目中心600m～800m范围内住房价格。加入全部控制变量后，0m～300m、300m～600m范围内城市更新对住房价格产生的推升作用分别为17.2%和17.0%，600m～800m范围内的推升作用为5.4%。这表明，随着与城市更新项目中心距离增大，城市更新对周边住房价格的推升作用逐渐降低。可能是因为城市更新项目中心位置通常是公共配套设施的重点建设区域，配套设施通过资本化效应推升房价，因此越靠近城市更新项目中心位置住房价格提升越大。

为研究城市更新对不同价位住房价格的影响差异，本文根据住房价格分布进行了四等分的分位数回归，结果如表6所示。城市更新对不同价位住房的影响不同，随着价位提高，城市更新对住房价格的影响逐渐降低，即城市更新对低价位住房的溢出效应明显，对高价位住房的溢出效应相对减弱。究其原因，高价位住房通常拥有较为完善的公共配套和人居环境，对城市更新带来的资本化效应反应较小，而低价位住房各种配套设施比较缺乏，对城市更新带来的配套设施完善和人居环境改善反应更为敏感，从而表现出更大的推升作用。

当前我国城市发展正处于大规模的城市更新阶段，科学推进城市更新对于盘活存量土地、优化城市功能、改善人居环境具有重要意义。城市更新的实施伴随着老旧建筑拆迁、翻新以及公共设施服务改善，对房地产市场发展产生了重大影响。本文基于深圳市2013年～2015年计划立项的14个城市更新项目及周边住宅小区历史成交数据，采用多期双重差分和空间杜宾模型实证检验城市更新对住房价格影响的时空异质效应。研究结果表明：①城市更新具有显著的空间正溢出效应，带动周边住房价格上涨。②城市更新项目计划立项和开工建设后分别使周边住房价格提升了14.3%和13.4%，对房价的推升作用存在明显预期效应。③城市更新对住房价格影响具有空间异质性，对周边房价的推升作用随着与城市更新项目中心的距离增加而显著降低。④城市更新对不同价位住房的影响存在差异，随着住房价位的提高推升作用逐渐减弱。

本文认为，政府应推动可持续的城市更新模式，充分发挥城市更新优化城市空间、推动产业升级和改善人居环境的作用。制定政策规划时综合考虑城市更新对房价影响的时空异质效应，科学合理安排城市更新单元计划，适度控制城市更新进度和规模，正确引导公众心理预期，同时完善住房供应保障体系，增加住房市场有效供给以缓解城市更新推高城市房价这一问题。在推进城市更新项目的同时加强房地产市场微观调控，完善房地产市场平稳健康长效机制，促进城市更新和房地产市场健康发展。