Railway accessibility and property values around stations in Italy: HPM–SUR evidence on residential and commercial prices and rents

This dissertation develops a station-level, policy-oriented econometric framework to quantify how railway accessibility, and urban context are capitalized into real-estate outcomes in Italy. Using a 2023 cross-sectional dataset of 985 stations, it estimates hedonic models for four segments (residential purchase/rent and commercial purchase/rent) and applies hybrid log–level Seemingly Unrelated Regression (SUR) to compare purchase and rental capitalization and test cross-equation differences. Composite indicators capture rail centrality, long-distance supply, multimodal integration, and residential attractiveness. Results show that GDP per capita and tourism context are strongly associated with higher prices and rents. Accessibility is consistently valued, but through different channels: purchase prices respond more to structural connectivity, while rents respond more to day-to-day usability, especially service intensity and multimodal convenience. Car-oriented catchments are penalized in residential markets, whereas shared mobility and active-access provisions generate measurable uplifts. To support implementation, SUR estimates are translated into decision-ready policy scenarios for Local station contexts, reporting baseline predictions and lever-based deltas in €/sqm and €/sqm/year (also scaled to € per 100 m²). The scenario tables enable RFI and Sistemi Urbani to prioritize interventions and design value-capture strategies, while emphasizing the need to pair high-uplift interventions with affordability safeguards to avoid gentrification.

Questa tesi sviluppa un framework econometrico, a scala di stazione e orientato alle politiche pubbliche, per quantificare come accessibilità ferroviaria, posizionamento nella rete e contesto urbano si capitalizzino nei risultati del mercato immobiliare in Italia. Utilizzando un dataset nazionale cross-section (2023) su 985 stazioni, l’analisi stima modelli edonici per quattro segmenti (acquisto/locazione residenziale e acquisto/locazione commerciale) e applica sistemi Seemingly Unrelated Regression (SUR) in specificazione ibrida log–level per confrontare la capitalizzazione tra acquisto e locazione e testare differenze tra equazioni. Indicatori compositi rappresentano centralità ferroviaria, offerta a lunga percorrenza, integrazione multimodale e attrattività residenziale. I risultati mostrano che PIL pro capite e contesto turistico sono fortemente associati a prezzi e canoni più elevati. L’accessibilità è valorizzata in modo sistematico, ma attraverso canali distinti: i prezzi di acquisto rispondono maggiormente alla connettività strutturale, mentre i canoni riflettono soprattutto l’usabilità quotidiana, in particolare l’intensità del servizio e la convenienza multimodale. I contesti car-oriented risultano penalizzati nei mercati residenziali, mentre soluzioni di mobilità condivisa e di accessibilità attiva generano uplift misurabili. A supporto dell’implementazione, le stime SUR sono tradotte in scenari di policy per contesti di stazioni Local, riportando livelli baseline e variazioni (delta) in €/mq e €/mq/anno (e scalando gli impatti in € per 100 m²). Le tabelle di scenario consentono a RFI e Sistemi Urbani di prioritizzare interventi e definire strategie di value capture, evidenziando la necessità di accompagnare gli interventi ad alto uplift con misure di tutela dell’accessibilità economica per evitare fenomeni di gentrificazione.