国家工业遗产项目认定的资本化效应研究——基于双重差分法的实证分析

doi:10.3785/j.issn.1008-9497.2023.02.013

国家工业遗产项目认定的资本化效应研究——基于双重差分法的实证分析

赵沁娜^,^,¹^,², 李航¹^,²

1.合肥工业大学管理学院，安徽合肥 230009

2.合肥工业大学产业转移与创新发展研究中心，安徽合肥 230009

Study on capitalization effect of the national industrial heritage designation:An empirical analysis based on DID method

ZHAO Qinna^,^,¹^,², LI Hang¹^,²

1.School of Management，Hefei University of Technology，Hefei 230009，China

2.Industrial Transfer and Innovation Development Research Center，Hefei University of Technology，Hefei 230009，China

收稿日期: 2022-03-29

基金资助:

国家自然科学青年基金项目. 41401654

Received: 2022-03-29

作者简介 About authors

赵沁娜（1978—），ORCID：https：//orcid.org/0000-0003-2707-0896，女，博士，副教授，主要从事资源环境经济研究，E-mail：zhaoqinna@sina.com. , E-mail：zhaoqinna@sina.com

摘要

以2017—2021年认定的国家工业遗产项目为研究对象，在特征价格模型基础上，采用双重差分法分析了国家工业遗产项目认定在住宅价格中的资本化效应及其时空异质性。结果显示：从整体上看，国家工业遗产项目认定对周边住宅价格具有显著的积极影响。认定后，工业遗产周边的住宅价格提升了1.62%，且影响呈随时间推移逐渐增强、随距离增加逐渐减弱的趋势；国家工业遗产项目认定在城市等级、使用现状和住宅分市场中存在显著的异质性。从城市等级层面看，位于二线城市的国家工业遗产项目对住宅价格的资本化效应比一线城市和新一线城市更为显著；从使用现状看，改造为博物馆的工业遗产项目所带来的经济效益最大，而被封存保护的工业遗产项目则会带来负的经济效益；从住宅分市场看，低档住宅因居住环境和配套设施尚未完善，比高档住宅更能感知国家工业遗产项目认定带来的资本化效应。

关键词： 国家工业遗产 ; 住宅价格 ; 双重差分法 ; 特征价格模型

Abstract

Based on DID-Hedonic price model, this paper analyzes the capitalization effect and spatio-temporal Heterogeneity of national industrial heritage designation on housing prices. The results show that on the whole, the designation of national industrial heritage has a significant positive impact on the residential housing prices. After designation, the housing price around it increased significantly by 1.62%, and the influence gradually increased with time, but gradually weakened with the increase of distance. Besides, the capitalization effect of national industrial heritage designation has a significant heterogeneity in city grade, use status of industrial heritage and residential sub-market. From the city grade aspect, the capitalization effect in second-tier cities is more significant than that in first-tier cities and new first-tier cities. From the current use status of industrial heritage aspect, the museum brings the largest economic benefits, while the sealed protection status will bring negative effect; From the view of housing sub-market, due to its less perfect living environment and supporting facilities, low-grade housing is more able to perceive the capitalization effect brought by national industrial heritage recognition than high-grade housing.

Keywords： national industrial heritage ; housing price ; double difference method (DID) ; hedonic price model

PDF (2738KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

赵沁娜, 李航. 国家工业遗产项目认定的资本化效应研究——基于双重差分法的实证分析. 浙江大学学报(理学版)[J], 2023, 50(2): 236-248 doi:10.3785/j.issn.1008-9497.2023.02.013

ZHAO Qinna, LI Hang. Study on capitalization effect of the national industrial heritage designation:An empirical analysis based on DID method. Journal of Zhejiang University(Science Edition)[J], 2023, 50(2): 236-248 doi:10.3785/j.issn.1008-9497.2023.02.013

作为老旧城区改造、城市更新的重要组成部分，工业遗产的保护与再利用得到世界各国的高度重视^［1-2］。我国自2006年以来，逐步出台了《关于加强工业遗产的保护通知》《国家工业遗产管理暂行办法》（以下简称暂行办法）等系列文件，指导和规范工业遗产管理。特别是2021年5月《推进工业文化发展实施方案（2021—2025年）》的出台，进一步明确了“提高工业遗产保护利用水平是未来五年要完成的重点任务之一，力争在资源整合、要素供给、项目实施等方面推动形成政策合力”。可以预见，随着城市转型发展和传统产业改造升级进程的加快，工业遗产保护与再利用正进入重要的提升阶段。而自2017年启动的国家工业遗产项目申报与认定工作，更是标志着我国工业遗产保护与再利用工作迈上新台阶。从五批次国家工业遗产名录看，这些工业遗产基本保存完好，并通过保护性开发利用实现“华丽转身”，成为博物馆、公园、文化创意产业园，为所在城市带来了良好的社会效益和经济效益。目前学术界针对这类效益进行量化研究的文献并不多。基于此，笔者尝试以2017—2021年认定的国家工业遗产项目为研究对象，在特征价格模型的基础上采用双重差分法，观察国家工业遗产项目认定对周边住房市场的溢出效应及其时空动态趋势和空间异质性，进一步丰富城市可持续发展、工业遗产保护和文化经济学领域的研究成果。

1　文献综述

学者普遍认为，工业遗产的保护与再利用有助于改善城市居民的居住环境、生活质量，提升公共安全及城市形象，具有典型的正外部效应^［3］。国内外不乏有关环境改善对住宅价格影响的研究成果，诸如环境治理^［4］、城中村改造^［5］、棕地再开发^［6］等，应用最为广泛的研究方法是特征价格法。通过文献梳理，笔者发现最早将特征价格法应用于文化遗产领域的是FORD，且早期研究主要聚焦于历史文化遗产领域，以静态研究为主。如，FORD^［7］通过分析比较巴尔的摩的历史街区与非历史街区的房产交易数据，发现位于历史街区的住宅获得了溢价。ASABERE等^［8］的研究结果表明，位于联邦认证历史街区的住宅比其他地区住宅的售价高26%。LEICHENKO等^［9］以得克萨斯州9个城市的历史街区为研究对象，分析不同保护措施对周边住宅价格的影响，发现住宅价格平均上升了5%~20%，且保护措施限制越少，住宅价格越高。RUIJGROK^［10］的研究表明，建筑物及其周边环境具有的历史文化特征为其带来了15%的溢价。MORO等^［11］的研究发现，都柏林的历史建筑和纪念馆等文化遗产为附近住宅的价格带来了积极的外部效应。综上可知，历史街区、纪念馆等文化遗产能为周边住宅市场带来显著的溢出效应。

近年来，DUIJN等^［12］采用双重差分特征价格法分析了荷兰36个工业遗产改造项目对周边住宅价格的时间和空间效应，发现改造后对周边住宅价格的影响由消极的负面效应转变为积极的正面效应。WADU等^［13］研究了香港湾仔区建筑遗产改造对附近零售物业价值的影响，结果显示建筑遗产改造可为附近零售物业带来价值的提升。KEE等^［14］研究了香港工业遗产定级对周边住宅价格的影响，结果定级后带来了约11.1%的溢价，这种溢价效应随住宅与工业遗产的距离增加而减小。LIU等^［15］采用双重差分法研究了荷兰42个宗教遗产改造项目，发现宗教遗产改造项目对附近住房价格具有显著的正外部效应，且规模大的和被列入国家名录的宗教遗产项目带来的正外部效应更大。TAN等^［16］以新加坡为研究对象，发现当历史建筑被认定为保护对象时，将对周边住宅价格产生积极影响，且距离该历史建筑0.8~1.6 km的住宅区溢价最大。

但也有一些不尽相同的研究结果。如SCHAEFFER等^［17］发现，工业遗产由国家认定还是由地方认定效果截然相反，由国家认定的工业遗产对周边住宅价格具有积极影响，而由地方认定的工业遗产则具有消极影响。NOONAN等^［18］的研究发现，历史街区对当地住宅价格具有消极影响。HEINTZELMAN等^［19］通过重复销售的方法发现，在2000—2007年间，波士顿历史街区经过认定后，周边住宅价格降低了11.6%~15.5%。WADU等^［20］的研究则认为，工业建筑无论是再利用还是完全改建，都不会对周边住宅价格产生积极影响。

从上述文献梳理情况看，国际上关于工业遗产溢出效应的研究成果比较丰富，经历了从静态研究到改造前后时空动态研究的过程，研究对象大多聚焦住宅市场，溢出效应测量结果也存在一定的差异，既有积极影响，也有消极影响。在国内，学术界和实践领域对工业遗产的关注和研究起步相对较晚，尚未形成系统的认定和保护体系，加之政策实施效果具有显著的滞后效应，往往需要采集较长时间跨度的数据观察其效应。因此，对于国内工业遗产认定或保护利用带来的资本化效应的实证研究并不多。而自2017年启动国家工业遗产项目申报与认定工作以来，已有五批次197个国家工业遗产项目被认定，可以为工业遗产的溢出效应研究提供相对丰富的样本和数据支持。

2　数据来源与研究设计

2.1　数据来源

所用数据主要包括两大类：国家工业遗产项目数据和二手房历史交易数据。其中，国家工业遗产项目数据来自工业和信息化网站2017—2021年公布的国家工业遗产项目名单。二手房历史交易数据全部来自链家网，交易时间跨度为2016—2021年。

2.1.1　国家工业遗产项目样本选择

依据《暂行办法》，申报国家工业遗产项目的标准为工业特色鲜明、工业文化价值突出、遗产主体保存良好和产权关系明晰等^［21］。根据这些标准，工信部在2017—2021年认定了五批次共197个国家工业遗产项目。本文利用核密度估计法测算国家工业遗产项目的空间集聚程度，并根据自然断点法将计算得到的核密度值分为10个等级，生成国家工业遗产项目核密度分布（图1）。由图1可知，已被认定的国家工业遗产项目遍布全国各地，主要集聚在长江中下游、京津冀和成渝地区，在长江沿线和胡焕庸线呈隐性的线性集聚状，整体上表现为“多点集聚、核心边缘”。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 五批次国家工业遗产项目分布示意

注　基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2020）4619的标准地图制作，底图无修改。

Fig.1 Distribution diagram of five batches of national industrial heritages

需要说明的是，由于政策实施效果的滞后效应，2021年认定的第五批国家工业遗产项目缺少足够的时间跨度观察其预期效应，因此，主要从前四批次166个国家工业遗产项目中选取研究样本。同时，由于二手房交易数据主要集中在城区，故剔除了不在城区的国家工业遗产项目99个，以及虽然位于城区，但缺少足够历史交易数据的国家工业遗产项目43个，最终选取了汉阳铁厂、重钢型钢厂、国营738厂等24个样本进行实证研究（图2）。表1为研究样本的基本概况。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究样本筛选过程

Fig.2 The sample screening process

表1 国家工业遗产项目样本基本概况

Table 1 National industrial heritage sample basic profile

名称	地址	使用现状	认定年份
汉阳铁厂	湖北省武汉市	博物馆	2017
重钢型钢厂	重庆市	博物馆	2017
国营738厂	北京市	文化创意园	2018
国营751厂	北京市	文化创意园	2018
北京卫星制造厂	北京市	工业生产	2018
金陵机器局	江苏省南京市	文化创意园	2018
济南第二机床厂	山东省济南市	工业生产	2018
青岛啤酒厂	山东省青岛市	博物馆	2018
青岛国棉五厂	山东省青岛市	文化创意园	2018
成都国营红光电子管厂	四川省成都市	文化创意园	2018
北京珐琅厂	北京市	博物馆	2019
度支部印刷局	北京市	工业生产	2019
上海造币厂	上海市	博物馆	2019
成都市井街酒坊	四川省成都市	博物馆	2019
北京电报大楼	北京市	博物馆	2020
天津第三棉纺织厂	天津市	文化创意园	2020
兵工署第一兵工厂旧址	重庆市	博物馆	2020
大连造船厂修船南坞	辽宁省大连市	工业生产	2020
长春电影制片厂	吉林省长春市	博物馆	2020
哈尔滨卷烟厂旧址	黑龙江省哈尔滨市	封存保护	2020
哈尔滨电机厂	黑龙江省哈尔滨市	工业生产	2020
哈尔滨锅炉厂	黑龙江省哈尔滨市	封存保护	2020
大北电报局	上海市	博物馆	2020
山东省邮电管理局旧址	山东省济南市	博物馆	2020

新窗口打开| 下载CSV

2.1.2　二手房历史交易数据

根据房地产特征价格模型，结合国内学者温海珍^［22］、王德等^［23］对有关变量的选择，本文主要选取建筑结构、邻里环境和区位特征三大类型变量。其中，建筑结构变量包括房间数、面积、装修情况、电梯配备、房龄等。邻里环境变量包括容积率、绿化率、物业费、公园、生活配套和教育配套等。区位特征变量包括公交线路、地铁站距离、CBD距离和商圈距离等。二手房历史交易数据均来自链家网，距离变量数据则主要利用百度地图的定位功能和测距功能采集。

样本数据预处理：剔除了位于多个国家工业遗产项目附近被重复统计的二手房房源；为保证二手房历史交易数据的准确性，在实证过程中剔除了存在缺失值的交易数据；为保证数据的客观真实性，消除极端值的影响，对样本数据进行了缩尾处理。最终收集到24个国家工业遗产项目2 km范围内2016—2021年的76 035个二手房历史交易数据。主要变量的描述性统计如表2所示。

表2 样本数据主要变量的描述性统计

Table 2 Descriptive statistics of main variables of sample data

变量	量化指标	均值	标准差	最小值	最大值
住宅价格	万元/套	329.20	296.70	42.00	1 310.00
住宅价格对数	住宅价格的自然对数	5.42	0.89	3.74	7.18
房间数	住宅的房间数量/间	5.46	1.43	3	9
面积	住宅建筑面积/m²	79.88	34.09	32.35	179.42
装修情况	虚拟变量，对装修情况进行赋值：毛坯房（0）、简装房（1）、精装房（2）	1.09	0.83	0	2
电梯	虚拟变量，对是否有电梯进行赋值：有电梯（1）、无电梯（0）	0.64	0.48	0	1
房龄	房屋年龄=交易年份-建成年份/ a	17.25	9.28	0	39
容积率	住宅小区实际容积率/	2.82	1.19	1.00	5.90
绿化率	住宅小区实际绿化率/	0.31	0.09	0.10	0.50
物业费	住宅小区物业管理费/（元/月·m）	19.44	12.12	3.60	54.36
公园	虚拟变量，小区1 km内是否有公园，有（1）无（0）	0.85	0.36	0	1
公交线路	小区500 m内公交线路条数/条	6.59	3.19	0	14
生活配套	小区1 km内是否有超市、餐饮、医院、银行，有每项计1分，共4分	3.34	0.48	3	4
教育配套	小区1 km内是否有幼儿园、小学、中学，有每项计1分，共3分	2.90	0.33	1	3
地铁站距离	小区到最近地铁站的直线距离/km	0.80	0.65	0.10	4.50
CBD距离	小区到市政府的直线距离/km	15.73	10.82	2.20	35.10
商圈距离	小区到最近商圈的直线距离/km	1.08	0.57	0.10	3.90

新窗口打开| 下载CSV

2.2　研究设计

双重差分法的主要原理是利用外生政策冲击将样本分为实验组和控制组，并通过对比实验组和控制组在政策冲击前后的差异，得到政策冲击带来的实际效果^［24］。因其能很大程度克服内生性问题和缓解遗漏变量带来的影响而备受学者青睐^［25］。基于此，本文通过构建双重差分特征价格模型研究国家工业遗产项目认定对周边住宅价格的溢出效应。借鉴LIANG等^［26］的做法，将距离国家工业遗产项目1 km范围内的区域定义为实验组，1~2 km的区域定义为控制组。为消除异方差的影响，模型中所有系数均采用稳健性方差估计，模型设定如下：

l n p_{i t s} = α_{0} + α_{1} t r e a t_{i} + α_{2} t r e a t_{i} \times p o s t_{t} + X_{i t}^{T} θ + δ_{s} + λ_{j} + γ_{t} + ε_{i t}

，（1）

其中， $α_{0} ， α_{1} ， α_{2}$ 和 $θ$ 为待估计系数， $i$ 表示二手房， $t$ 表示二手房交易的年份， $s$ 表示国家工业遗产项目， $j$ 表示国家工业遗产项目所在的城市。 $l n p_{i t s}$ 表示位于国家工业遗产项目 $s$ 附近的二手房 $i$ 在第 $t$ 年交易价格的对数。 $t r e a t$ 为虚拟变量，表示二手房 $i$ 是否为实验组，若是赋值1，否则赋值0。 $p o s t$ 也是虚拟变量，表示在二手房 $i$ 交易时，国家工业遗产项目 $s$ 是否已认定，若已认定，赋值1，否则赋值0。 $X_{i t}$ 表示二手房的一系列区位因素、建筑结构和邻里环境等特征控制变量。 $δ_{s} ， λ_{j} 和 γ_{t}$ 分别为工业遗产项目固定效应、城市固定效应和年份固定效应， $ε_{i t}$ 为模型的随机误差项。 $α_{2}$ 为重点关注的待估计系数，表示国家工业遗产项目认定对周边住宅价格的平均溢出效应。

为更好地观察国家工业遗产项目认定带来的梯度效应，从空间计量经济学的角度出发，参考AMY等^［27］的做法，通过引入距离变量 $D$ 构建模型：

l n p_{i t} = α_{0} + α_{1} t r e a t_{i} + α_{2} t r e a t_{i} \times p o s t_{t} + α_{3} t r e a t_{i} \times p o s t_{t} \times D + X_{i t}^{T} θ + δ_{s} + λ_{j} + γ_{t} + ε_{i t}

，（2）

其中， $D$ 为二手房到最近的国家工业遗产项目的距离。

同时，为捕捉国家工业遗产项目认定政策对周边住宅价格的影响程度是否随时间变化，沿用WANG等^［28］的方法，定义变量 $t_{s}$ 为国家工业遗产项目认定年份，若 $t$ > $t_{s}$ ，则 $t r e n d = t - t_{s}$ ；反之 $t r e n d = 0$ ，得到模型：

l n p_{i t} = α_{0} + α_{1} t r e a t_{i} + α_{2} t r e a t_{i} \times p o s t_{t} + β_{0} t r e a t_{i} \times t r e n d + α_{3} t r e a t_{i} \times p o s t_{t} \times D + X_{i t}^{T} θ + δ_{s} + λ_{j} + γ_{t} + ε_{i t}

，（3）

其中， $β_{0}$ 为重点关注的待估计系数，表示国家工业遗产项目认定对周边住宅价格影响的时间动态效应。

3　实证结果分析

3.1　基准回归结果

表3为24个国家工业遗产项目对周边住宅价格影响的基准回归结果。从回归结果列（4）中可看出，调整后的R²为0.906 2，模型具有良好的解释力。其中，列（1）和列（2）为仅加入了关键变量和固定效应的回归结果。列（3）为添加了二手房的一系列特征控制变量的回归结果。列（4）为考虑了国家工业遗产项目对周边住宅价格影响距离梯度效应的回归结果。 $t r e a t$ 表示国家工业遗产项目在认定前对周边住宅价格的影响。从表3列（1）~列（4）的回归结果中可以看出，除列（1）不显著外，其余结果的系数均为正且在1%水平下显著。其中列（3）的 $t r e a t$ 系数为0.018 7，即在国家工业遗产项目认定前区域内的二手房价格实验组比控制组平均高1.87%。由于所选取的大多为改造后的工业遗产项目，认定前已对周边住宅价格产生了显著的积极影响。

表3 基准回归结果

Table 3 Regression results of the baseline specification

被解释变量：住宅价格对数	回归结果
被解释变量：住宅价格对数	（1）	（2）	（3）	（4）
treat	0.004 2（0.930 4）	0.011 8^***（2.680 7）	0.018 7^***（7.003 6）	0.019 0^***（7.088 0）
treat×post	0.064 5^***（8.030 3）	0.048 5^***（6.074 1）	0.016 2^***（3.837 9）	0.104 8^***（9.300 5）
treat×post×D				-0.123 3^***（-8.384 9）
房间数			0.066 2^***（42.330 1）	0.066 1^***（42.304 5）
面积			0.008 1^***（112.034 4）	0.0081^***（112.158 4）
装修情况			0.017 9^***（13.846 6）	0.017 8^***（13.800 6）
电梯			0.035 0^***（10.400 3）	0.035 4^***（10.519 2）
房龄			-0.003 5^***（-15.818 1）	-0.003 5^***（-15.942 9）
容积率			0.000 3（0.312 2）	0.000 2（0.164 8）
绿化率			0.029 4^**（2.104 2）	0.027 1^*（1.942 1）
物业费			0.098 1^***（59.007 2）	0.097 8^***（58.848 9）
公园			0.018 1^***（6.417 9）	0.018 1^***（6.411 5）
公交线路			-0.002 8^***（-6.710 2）	-0.002 7^***（-6.325 7）
生活配套			0.027 7^***（11.348 9）	0.028 5^***（11.680 4）
教育配套			0.091 5^***（30.918 3）	0.090 5^***（30.572 6）
地铁站距离			-0.057 4^***（-31.246 6）	-0.057 1^***（-31.108 6）
CBD距离对数			-0.103 1^***（-19.897 8）	-0.1041 ^***（-20.0732）
商圈距离			-0.058 3^***（-29.655 6）	-0.057 6^***（-29.296 0）
常数项	6.012 3^***（1.4×10³）	6.095 1^***（1.2×10³）	5.072 9^***（202.554 7）	5.077 0^***（202.594 9）
年份固定效应	是	是	是	是
城市固定效应	是	是	是	是
工业遗产固定效应	否	是	是	是
样本量	76 035	76 035	76 035	76 035
调整R²	0.682 6	0.687 1	0.906 1	0.906 2
F-static	1.1×10⁴	9.9×10³	2.2×10⁴	2.2×10⁴

注括号内的为稳健标准误，*表示估计系数在10%水平下显著，**表示在5%水平下显著，***表示在1%水平下显著，下同。

新窗口打开| 下载CSV

本文重点关注交乘项 $t r e a t \times p o s t$ 的估计系数，其在1%的水平下均显著为正，表明国家工业遗产项目认定显著提升了周边的住宅价格。列（3）为在控制了固定效应并加入二手房的一系列住房特征因素后得到的交乘项 $t r e a t \times p o s t$ 的估计系数，为0.016 2，并在1%的水平下显著。表明在国家工业遗产项目认定后，实验组的住宅价格较控制组提升了1.62%。可见工业遗产项目认定后，项目所属部门加强了对遗产项目的保护和管理，国家工业遗产项目附近的环境、经济、商业得到了改善和提升，对周边住宅价格的影响具有叠加效应。同时，从列（4）的结果中可以看出，交乘项 $t r e a t \times p o s t \times D$ 的系数在1%水平下显著为负，说明国家工业遗产项目对周边住宅价格的影响与距离之间存在显著线性相关性，随距离的增加影响程度逐渐减弱。这一研究结果与KEE等^［14］对香港工业遗产定级后对周边住宅价格影响的结果基本一致。

此外，在二手房的住房特征因素中，从经济学和常识角度看，大多数变量的回归系数正负号符合预期。回归系数显著为正的有房间数、面积、装修情况、电梯、绿化率、物业费、公园、生活配套和教育配套等变量，说明房间数越多，住宅面积越大、装修越好的精装房、配备电梯、绿化率越高、小区物业服务越优质、小区附近有公园、生活配套和教育配套越齐全，二手房价格越高。回归系数显著为负的有房龄、地铁站距离、CBD距离对数和商圈距离等变量，说明二手房房龄越短、与地铁站、CBD和商圈的距离越近，二手房价格越高。

其中，公交线路的回归系数与预期相反。究其原因，公交线路越多的地方，噪声污染可能越严重，在上下班高峰期也会造成交通堵塞。公交出行所花费的时间具有较高的不确定性，且与地铁的替代性较强。因此，公交线路与住宅价格未呈现显著的正向关系^［29］。同时，容积率的回归系数不显著。一般来说，高档住宅的容积率相对较低，但由于土地的稀缺性，很多城市在政策上限制高档住宅的过低容积率。而绝大多数小区配备了电梯，容积率相对较高，普通购房者较少购买高档住宅，故容积率对住宅价格的影响被弱化^［30］。

3.2　动态效应检验

根据式（3），给出了国家工业遗产项目认定对周边住宅价格影响的时间动态趋势（表4）。其中，列（1）和列（2）为仅加入了关键变量和固定效应的回归结果。列（3）为添加了二手房的一系列控制变量的回归结果。列（4）为综合考虑了国家工业遗产项目认定的时空动态效应的回归结果。除交乘项 $t r e a t \times p o s t$ 的列（4）显著外，其余变量的显著性和符号变化不大。本节重点关注的交乘项 $t r e a t \times t r e n d$ 的系数均显著为正，说明在国家工业遗产项目认定后，周边环境和配套设施得到进一步改善，经济逐渐繁荣，对周边住宅价格的影响也随时间的推移持续增强。该结论与刘彩霞等^［5］、王优容等^［31］对城市更新、棚户区改造等环境改善的溢出效应研究结果一致，也进一步论证了住房市场对环境改善的积极响应。

表4 动态效应检验结果

Table 4 Results of dynamic effect test

被解释变量：住宅价格对数	回归结果
被解释变量：住宅价格对数	（1）	（2）	（3）	（4）
treat	0.003 5（0.790 0）	0.011 4^***（2.582 6）	0.018 5^***（6.903 8）	0.018 7^***（6.985 3）
treat×post	0.003 6（0.227 0）	0.015 3（0.985 2）	-0.000 5（-0.059 9）	0.087 8^***（6.751 8）
treat×trend	0.043 2^***（4.709 4）	0.023 7^***（2.612 2）	0.012 0^***（2.802 6）	0.012 4^***（2.905 0）
treat×post×D				-0.123 7^***（-8.398 0 ）
年份固定效应	是	是	是	是
城市固定效应	是	是	是	是
工业遗产固定效应	否	是	是	是
住房特征因素	否	否	是	是
样本量	76 035	76 035	76 035	76 035
调整R²	0.682 7	0.687 1	0.906 1	0.906 2
F-static	1.0×10⁴	9.5×10³	2.2×10⁴	2.1×10⁴

新窗口打开| 下载CSV

图3为由表4中列（4）的回归结果呈现的国家工业遗产项目认定后第1~第4年（t=1~4）周边住宅价格的时空动态效应。从图3中可以看出，随着时间的推移，国家工业遗产项目500 m内的住宅以更高的价格交易，住宅市场感知到认定带来的好处，积极影响逐渐增强；而随着距离的增加，积极影响逐渐减弱。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 国家工业遗产项目认定对周边住宅价格影响的时空动态效应

Fig.3 Spatio-temporal dynamic effects of national industrial heritage designation housing prices in surrounding areas

3.3　稳健性分析

3.3.1　安慰剂检验

为进一步排除其他不可观测因素对实证结果的影响，借鉴CAI等^［32］的方法随机化实验组和控制组，随机抽取交乘项并根据式（2）进行回归，得到交乘项 $t r e a t \times p o s t$ 和 $t r e a t \times p o s t \times D$ 估计系数的t值分布图，观察其是否全位于0附近。同时为使分组随机，增加安慰剂检验的效力，将上述实验过程重复1 000次。

图4和图5分别为1 000次实验中交乘项 $t r e a t \times p o s t$ 和 $t r e a t \times p o s t \times D$ 估计系数的t值分布图。可知，在随机过程中，2项交乘项估计系数的t值均在0附近。因此，实证得到的对住宅价格的影响是由国家工业遗产项目认定带来的，进一步佐证了结论的稳健性。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 $t r e a t \times p o s t$ 估计系数的t值分布

Fig 4 t-value distribution of the estimated coefficients of treat×post

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 $t r e a t \times p o s t \times D$ 估计系数的t值分布

Fig 5 t-value distribution of the estimated coefficients of treat×post×D

3.3.2　倾向得分匹配

为进一步处理非随机选择产生的内生性问题，使得实验组和控制组的可测变量取值尽可能相似，采用倾向得分匹配（propensity score matching，PSM）法对实验组和控制组样本进行匹配筛选。使用Logit回归，参照DUIJN等^［12］和刘彩霞等^［5］的协变量选取方法，选取了房龄、绿化率、物业费和地铁站距离4个可观测协变量进行倾向得分匹配估计。用最近邻方法，在两组样本之间进行1∶1有放回匹配^［33］。经过PSM处理后，对使用匹配后的39 712条二手房历史交易数据重新进行双重差分估计，回归结果见表5。由表5可知，关键变量 $t r e a t$ 、 $t r e a t \times p o s t$ 和 $t r e a t \times p o s t \times D$ 估计系数的符号和显著性与表3基本一致。

表5 PSM-DID的回归结果

Table 5 Regression results of PSM-DID

被解释变量：住宅价格对数	回归结果
被解释变量：住宅价格对数	（1）	（2）	（3）	（4）
treat	0.001 3（0.223 2）	0.004 8（0.817 7）	0.011 9^***（3.269 3）	0.012 4^***（3.407 2）
treat × post	0.086 0^***（9.223 8）	0.070 9^***（7.572 2）	0.030 6^***（6.070 1）	0.113 8^***（9.947 4）
treat × post × D				-0.115 7^***（-7.965 7）
年份固定效应	是	是	是	是
城市固定效应	是	是	是	是
工业遗产固定效应	否	是	是	是
住房特征因素	否	否	是	是
样本量	39 712	39 712	39 712	39 712
调整R²	0.664 5	0.672 7	0.898 5	0.898 6
F-static	5.2×10³	4.9×10³	1.1×10⁴	1.0×10⁴

新窗口打开| 下载CSV

3.3.3　不同影响半径的回归结果

从已有研究中可以发现，工业遗产项目对周边住宅价格的影响半径并无统一规范。为排除人为选择影响半径对实证结果的影响，通过设定实验组0~500和0~800 m，与之对应的控制组500~1 000和800~1 600 m，与前文所选取的实验组0~1 000 m和控制组1 000~2 000 m进行比较，回归结果见表6。由表6可知，除在影响半径500 m的基础回归中 $t r e a t$ 在5%的水平下显著，其余关键变量 $t r e a t$ 、 $t r e a t \times p o s t$ 和 $t r e a t \times p o s t \times D$ 均在1%水平下显著。由此可见，本文的实证结果在不同影响半径下是稳健的。

表6 不同影响半径的回归结果

Table 6 Regression results of the different influence radius

被解释变量：住宅价格对数	回归结果
	R_e=0~500 m		R_e=0~800 m			R_e=0~1 000 m
	R_c=500~1 000 m		R_c=800~1 600 m			R_c=1 000~2 000 m
	基准回归	PSM		基准回归	PSM		基准回归	PSM
treat	0.010 0^** （2.155 1）	0.033 6^*** （5.241 5）	0.020 8^*** （6.268 2）		0.049 7^*** （11.341 3）	0.019 0^*** （7.088 0）		0.012 4^*** （3.407 2
treat×post	0.157 0^*** （5.135 1）	0.140 9^*** （4.714 5）	0.084 3^*** （5.556 2）		0.071 8^*** （4.766 4）	0.104 8^*** （9.300 5）		0.113 8^*** （9.947 4）
treat×post×D	-0.368 6^*** （-5.5161 ）	-0.335 9^*** （-5.265 3）	-0.116 7^*** （-4.888 0）		-0.128 9^*** （-5.554 9）	-0.123 3^*** （-8.384 9）		-0.115 7^*** （-7.965 7）
年份固定效应	是	是	是		是	是		是
城市固定效应	是	是	是		是	是		是
工业遗产固定效应	是	是	是		是	是		是
住房特征因素	是	是	是		是	是		是
样本量	24 398	11 052	51 157		25 817	76 035		39 712
调整R²	0.905 5	0.921 7	0.902 1		0.902 9	0.906 2		0.898 6
F-static	7.0×10³	3.9×10³	1.4×10⁴		7.2×10³	2.2×10⁴		1.0×10⁴

注R_e为实验组影响半径，R_c为控制组影响半径。

新窗口打开| 下载CSV

3.4　异质性检验

由上可知，国家工业遗产项目认定会显著提升周边住宅价格，进一步探讨这一政策对不同发展水平的城市、不同使用现状的国家工业遗产项目和不同价位的住宅市场影响的差异，有助于相关部门有效地进行财政资源分配、探索保护利用新模式和房地产开发商对住宅市场的投资。因此，分别从城市等级、国家工业遗产项目使用现状和不同价位住宅市场的异质性视角进行研究。

3.4.1　城市等级异质性

按照第一财经的新一线城市研究对我国城市排名的结果，将国家工业遗产项目所处的城市划分为一线城市、新一线城市和二线城市。表7为城市等级的异质性检验结果。由表7可知，交乘项 $t r e a t \times p o s t$ 估计系数均在1%水平下显著大于0，表明国家工业遗产项目无论是在一线城市、新一线城市还是在二线城市，其对住宅价格均具有显著的积极影响。二线城市的估计系数最大，新一线城市的估计系数最小。

表7 城市等级的异质性检验

Table 7 Heterogeneity test of city level

被解释变量：住宅价格对数	一线城市	新一线城市	二线城市
treat	0.001 4 （0.373 9）	-0.010 1^*** （-2.988 7）	0.048 0^*** （5.764 1）
treat×post	0.089 9^*** （5.787 1）	0.062 7^*** （4.813 8）	0.094 9^*** （2.649 1）
treat×post×D	-0.127 8^*** （-6.157 0）	-0.064 5^*** （-3.869 0）	-0.055 4 （-1.169 9）
年份固定效应	是	是	是
城市固定效应	是	是	是
工业遗产固定效应	是	是	是
住房特征因素	是	是	是
样本量	35 911	31 844	8 280
调整R²	0.737 4	0.821 3	0.814 0
F-static	3.6×10³	5.4×10³	1.7×10³

新窗口打开| 下载CSV

造成城市等级异质性的可能原因：一方面，在城市发展水平较低的地区，相关部门对政策和资金的支持力度更大；另一方面，工业遗产再利用伴随城市经济转型和产业结构调整而产生，城市发展水平越高，工业遗产保护与再利用的比例就越高，相应地，资源配置和利用效率也较高^［34］。因此，二线城市和一线城市对国家工业遗产项目认定这一政策更敏感，更能刺激当地的住宅市场，而新一线城市对这一政策敏感程度较低。不同城市要结合城市发展特点，因地制宜探索工业遗产项目保护与再利用的政策和有效路径。

3.4.2　国家工业遗产项目使用现状的异质性

通过总结工业遗产项目保护和改造案例，得到其使用现状主要有4种：用于工业生产、改造为工业博物馆、改造为文化创意园和被封存保护。为了证实不同使用现状的国家工业遗产项目对周边住宅价格影响的异质效应，按照不同使用现状将样本数据分为四部分。

对应分样本的回归结果如表8所示。其中，用于工业生产、改造为工业博物馆和改造为文化创意园的国家工业遗产项目的交乘项 $t r e a t \times p o s t$ 估计系数均在1%水平下显著为正，改造为博物馆的国家工业遗产项目对周边住宅价格的提升作用最大。被封存保护的国家工业遗产项目的交乘项 $t r e a t \times p o s t$ 估计系数在1%水平下显著为负，可能是因为被封存保护的国家工业遗产项目周边环境并没有得到改善。通过对国家工业遗产项目不同使用现状对周边住宅价格影响的异质性分析，可以发现工业博物馆的改造模式带来的溢出效应最大，同时工业博物馆能更好地记录与保存可能消失的工业文化^［35-36］。这种双赢的改造模式将成为未来工业遗产项目保护与再利用的重要途径。

表8 国家工业遗产项目使用现状的异质性检验

Table 8 Heterogeneity test of the use status of national industrial heritage

被解释变量：住宅价格对数	工业生产	博物馆	文化创意园	封存保护
treat	0.020 5^***4.335 9）	0.041 2^***（10.444 0）	-0.036 8^***（-7.354 9）	-0.073 7^***（-5.279 6）
treat×post	0.094 5^***（4.518 5）	0.144 4^***（9.220 5）	0.124 8^***（7.617 9）	-0.080 5^*（-1.769 7）
treat×post×D	-0.078 3^***（-2.904 0）	-0.230 5^***（-10.432 7）	-0.082 9^***（-4.018 1）	0.161 3^**（2.491 5）
年份固定效应	是	是	是	是
城市固定效应	是	是	是	是
工业遗产固定效应	是	是	是	是
住房特征因素	是	是	是	是
样本量	15 620	38 647	19 452	2 316
调整R²	0.906 5	0.885 1	0.928 6	0.724 4
F-static	5.6×10³	1.2×10⁴	8.9×10³	275.024 0

新窗口打开| 下载CSV

3.4.3　资本化效应的住宅市场划分

由于存在富人的“邻避效应”和穷人的“迎臂效应”^［37］，国家工业遗产项目资本化效应的表现不仅取决于国家工业遗产项目所在的城市和使用现状，还取决于不同价位的住宅市场。为观察国家工业遗产项目认定所带来的资本化效应是否存在市场分化，用分位数回归进行进一步研究，关键变量 $t r e a t \times p o s t$ 的结果如图6所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 $t r e a t \times p o s t$ 分位数回归结果

Fig.6 Quantile regression results of treat×post

显然，不同价位的住宅市场对国家工业遗产项目认定所带来的资本化效应的敏感程度不同。图6中的交乘项 $t r e a t \times p o s t$ 分位数回归结果显示，随着住宅价格的上升，其对国家工业遗产项目认定所带来的资本化效应的敏感程度降低，但始终在正向水平。中高档住宅的居住环境和配套设施普遍比低档住宅优越，故国家工业遗产项目认定所带来的资本化效应对于低档住宅表现得更明显。

4　结论与政策启示

以2017—2021年国家工业遗产认定项目为研究对象，通过采集国家工业遗产项目和二手房历史交易数据的相关信息，在特征价格理论基础上构建双重差分模型，研究了国家工业遗产项目认定的资本化效应。研究结果显示：

（1）从整体上看，国家工业遗产项目认定对周边住宅价格具有显著的积极影响。认定后工业遗产项目周边的住宅价格显著提升1.62%，且随着时间的推移，住宅市场将进一步感知认定带来的好处，距离国家工业遗产项目500 m内的住宅能以更高的价格交易。安慰剂检验、倾向得分匹配和不同影响半径回归结果进一步佐证了结论的稳健性。

（2）国家工业遗产项目认定对于不同等级城市、不同使用现状的国家工业遗产项目和不同价位的住宅市场的影响存在显著异质性。从城市等级层面看，城市环境和城市发展水平是国家工业遗产项目认定产生积极效应的重要驱动因素，位于二线城市的国家工业遗产项目对住宅价格的资本化效应比一线城市和新一线城市更显著；从国家工业遗产项目的使用现状看，改造为工业博物馆的项目所带来的经济效益最大，被封存保护的项目甚至会带来负经济效益；从住宅分市场角度看，低档住宅因其自身的居住环境和配套设施尚未完善，较高档住宅更能感知国家工业遗产项目认定带来的资本化效应。

基于上述分析，得到以下政策启示：① 在国家工业遗产项目认定的加持下，工业遗产项目保护与利用具有显著的溢价效应。各城市应主动将工业遗产保护与再利用纳入城市整体发展战略，将保护和利用、传承和发展有机结合，积极组织企业申报国家工业遗产项目，让工业遗产项目成为城市转型发展的新动能。与此同时，不同等级的城市要因地制宜实现工业遗产保护与再利用。一线和新一线城市具有区位优势，新兴产业基础较好，其工业遗产改造为文化创意园区、办公场所等的应用前景广阔。而二线城市一定程度上对土地财政的依赖程度较高，新兴产业基础相对薄弱，地方政府应立足长远，把握工业遗产保护与再利用为区域及城市发展带来的高溢出效应，注重顶层设计，将工业遗产资源和产业动能结合起来，推动城市文化品牌的提升及经济可持续发展。② 从工业遗产保护和利用实践看，目前我国工业遗产以改造为文化创意园区为主，存在功能单一、效益低下、功利性较强等问题。而本文的研究结果显示，不同使用现状的国家工业遗产项目对周边住宅市场的影响存在异质性，工业生产、工业博物馆和文化创意园的功能定位对周边住宅市场均有很好的溢价效应，尤其是工业博物馆，溢价效应最高。因此，各城市一定要高度重视工业遗产改造的功能定位，其在一定程度上决定了工业遗产改造能否成功、能否实现可持续发展。学术界亦非常有必要对其内在演化逻辑和功能选择机制展开深入研究。③ 国家工业遗产项目认定资本化效应的市场分化特点也表明，工业遗产项目改造在改善周边人居环境的同时，也会带来房价的上涨，购房者将面临更高的购房成本。因此，建议政府在制定相关政策时，综合考虑工业遗产项目改造带来的潜在影响，以提高社会的整体福利水平。

http://dx.doi.org/10.3785/j.issn.1008-9497.2023.02.013

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

TONIN

， TURVANI

Redeveloping industrial land： Are contamination and remediation schemes affecting the price of industrial real estate properties？

［J］. Journal of Environmental Planning and Management， 2014， 57（7）： 443-447. DOI：10.1080/09640568.2013.782271