[论文解读] House Price Effects of Commercial Entry: Event Study Evidence from London

Wanqi Liu, Rong Zhao|arXiv (Cornell University)|Mar 3, 2026

Housing Market and Economics被引用 0

一句话总结

论文采用分阶段事件研究设计，以伦敦的LSOA为单位，证明新开餐馆/咖啡馆在因果上提高房价，且对高端 entrants 的影响更大，经过四年后影响约为4.1%。强调商业聚集质量决定资本化程度。

ABSTRACT

Restaurants, cafes, and other commercial amenities are among the most visible markers of neighborhood change, yet whether their arrival drives house price appreciation or merely follows rising demand remains an open empirical question. This study investigates the causal effect of commercial entry on residential property values in Greater London. Exploiting the staggered timing of 21,189 restaurant and cafe openings across 4,835 Lower Layer Super Output Areas (LSOAs)--identified through Energy Performance Certificate records--we implement an event study design with LSOA-specific linear trends that passes the parallel trends test (F = 1.04, p = 0.384). We find that house prices rise monotonically after commercial entry, reaching +4.1% at four years post-treatment (p < 0.01). The effect is gradual and cumulative, consistent with amenity capitalisation. By matching EPC records to Google Places API price tier data at the building level, we further show that the effect is driven by upmarket commercial entry (+7.4%, clean pre-trends) rather than budget establishments (questionable pre-trends, unreliable post-treatment effect), establishing that the quality of commercial clustering--not merely its presence--drives neighborhood price dynamics. Results are robust to heterogeneity-robust estimation, alternative treatment thresholds, broader commercial category definitions, and a permutation-based placebo test.

研究动机与目标

• 判断商业进入是否主动推动邻里房价升值，还是仅随需求而来的现象。
• 识别伦敦大都会区域内餐馆/咖啡馆开业对当地房产价值的动态因果影响。
• 区分进入企业的价格层级对效果的差异，以揭示资本化的质量通道。
• 开发并验证描述性 RCCI 指数，并利用 EPC 记录绘制开业时序与影响的映射。
• 评估 amenity 驱动的价格动态的稳健性、异质性及政策含义。

提出的方法

• 使用具有 LSOA 固定效应与时间固定效应的双向固定效应模型，估计 RCCI 与房价对数之间的关系。
• 基于 OpenStreetMap 和 Google Places 价格层级构建 RCCI，以衡量高端商业聚集。
• 围绕 EPC 记录的餐馆/咖啡馆开业，使用带有 LSOA 特定线性趋势的事件研究设计以应对事前趋势。
• 在事件研究中加入 Sun and Abraham (IW) 估计量，以处理错位采用权重的问题。
• 将 EPC 记录与建筑层面的 Google 价格层级匹配，以按商业层级分解效应。
• 进行安慰剂和阈值稳健性检验及替代设定，以验证识别性。

Figure 1: Bivariate LISA: RCCI $\times$ house prices. (a) Cluster map: HH = high commercial density and high prices (gentrified cores); HL = high commercial, low prices (potentially gentrifying); LH = low commercial, high prices (residential affluent); LL = low commercial, low prices. Only LSOAs sig

实验结果

研究问题

• RQ1 新开餐馆/咖啡馆是否会导致房价上涨？效应是否逐步显现而非一次性冲击？
• RQ2 价格反应是由商业聚集本身驱动，还是由新进入者的质量（价格层级）驱动？
• RQ3 在基线 RCCI 水平不同的社区或高端与预算进入者之间，效应有何差异？
• RQ4 前趋势的作用及对不同识别策略（TWFE、Sun-Abraham、LSOA 趋势）的稳健性有多强？

主要发现

• 商业进入后房价呈单调上升，在处理后四年达到 +4.1%（p<0.01）。
• 效应是渐进且累计的，与可增加的便利性资本化一致，而非一次性冲击。
• 高端进入者带来更大效应（+7.4% 在 +4 年时），且前趋势干净；预算进入者因前趋势存在而后续效应不可靠。
• 在更高 RCCI 邻里中，效应更大（如高 RCCI 区域 +8.5%，但可能存在前趋势）。
• 稳健性检验显示在多种处理阈值和定义下效应仍然显著，包括仅零售规格和置换/安慰剂测试。

Figure 2: Event study: house price response to commercial entry. Preferred specification (TWFE + LSOA-specific linear trends) with 95% CI. Pre-trend test: $F=1.04$ , $p=0.384$ . Post-treatment effects are monotonically increasing, reaching $+4.1\%$ at $\tau=+4$ . $N=300{,}392$ ; $N_{\text{treat}}=1{