基于Hedonic模型的优质空气价格的量化研究

朱亚男

[摘要] 通过2016年7月至2017年8月武汉市江汉區和汉阳区部分商品住宅区空气污染指数AQI和同期房屋价格，利用特征价格模型量化空气对房价的影响程度：维持其他参数不变，空气质量指数AQI每增加1单位，该套住宅的平均价格将下降0.002314%。分析得出该结论可能的原因有空气质量占影响房价因素的比例本身很小，并根据这个比例关系估计出在商品住房价格和空气污染治理政策的经济效益之间的关系。此外，上述方法和结论在环境政策经济效益评估和公共环境治理融资规划中的应用，为相关公共环境治理项目融资提供参考和为计算边际愿意支付以及房价制定提供依据，同时为政府惩治污染严重的企业提供参考惩罚力度。

[关键词] 特征价格模型；量化空气对房价的影响；环境治理融资

[中图分类号]F293 [文献标识码]A

近几年，环境问题被广泛关注和讨论，它不仅被单纯的看作一种生态问题，更开始被看作一种经济问题，优质环境的经济价值引起政府和研究人员越来越多的重视。但当前对环境经济价值的研究稍显不足，特别是对优质环境经济价值的量化研究，没有得到足够的关注。因此，加深对其经济价值的量化研究，可以为相关公共环境治理项目融资提供参考和为计算边际愿意支付以及房价制定提供依据，同时为政府惩治污染严重的企业提供参考惩罚力度。

1 武汉市空气质量及房价现状分析

1.1 武汉市空气现状分析

2017年上半年武汉市空气质量优良天数为122天，空气质量优良率为67.4%，其中16天优、106天良、47天轻度污染、7天中度污染、4天重度污染、1天严重污染。与2016年同期相比，优减少4天、良增加14天，优良率上升5.9个百分点；重度污染天数减少2天，严重污染天数增加1天；2017年上半年，武汉市城区PM10、PM2.5半年均值浓度分别为97μg/m3、58μg/m3，与2016年同期相比，PM10、PM2.5半年均值浓度分别下降4.0%、12.1%。

1.2 武汉市房价现状

经过国家有效的控制和监管，武汉市住房交易价格趋于平稳，涨幅不大，从图中可以看出，自2016年7月至2017年7月，武汉房价虽有小幅增长，但房价一直处于波动状态且波动不大，如图1所示。

图1 2016年7月～2017年7月武汉市房价平均价格

2 模型的定论和结论

2.1 住宅价格特征模型的构建

2.1.1 模型变量的选择。住宅价格是由众多因素共同影响的，各种因素对住宅价格的影响程度是不同的，因此模型中变量的选取应有较高的适用性，以下特征将被考察，见表1。

2.1.2 函数构建。三种基本函数形式：

线性形式：P=α+βAP+Xγ+Zδ+ε （1）

对数形式：ln（P）=α+βAP+Xγ+Zδ+ε （2）

半对数形式：=α+βA+ξ+ Lζ +ε （3）

在（1）、（2）、（3）中，P（，，，…），表示样本中住房单位价格向量，AP = （，…），是样本中住房所处位置空气污染程度向量。矩阵X =（，，…），和Z =（，，…），分别表示住房建筑特征和住房周边环境的变量。ε是随机误差项。

2.1.3 研究对象的选取。本文研究对象为武汉市江汉区和汉阳区多个住宅区。通过对比住宅价格与住宅所在区空气质量的平均值，运用Hedonic模型，并查阅关于住宅价格和环境方面的国内外文献资料，应用统计学分析软件分析得出住宅价格和空气质量之间的关系。

2.1.4 变量设置。房屋价格的影响因素中，建筑特征、区位特征、邻里特征是影响房屋价格的几个重要因素，而对于要研究的优质空气的影响因素，采用AQI来表示空气质量。本文利用的房产价格数据是2016—2017年各处房源交易的均价，表2是以上各变量的总结。

2.1.5 样本数据来源。在10%的显著性水平下，9个自变量进入模型。根据符号判断，与住宅价格正相关的有建筑面积、所在楼层、物业费、室厅数目、交通线路，与其负相关的有所处环线、距离CBD的距离、湖泊距离、空气质量。样本的基本统计量如表3所示。

2.2 参数估计

对样本进行分类估计，采用线性回归模型OLS方法估计参数。模型的回归结果如表4所示：

2.3 模型检验

根据模型回归结果表可知，AQI变量的系数为负值，说明空气污染越小，住宅价格越高。从模型回归结果来看，F统计量的P值无限接近于0，即模型的整体显著性水平在95%以上。特征变量AQI的回归系数的显著性检验P值小于0.05，由此可见，说明按α=0.05水平，参数的显著性检验通过。这里R方为0.979，接近于1，即回归的拟合程度较高。

2.4 模型结论

构建住宅特征价格的对数模型：

Ln（成交价格）=10.66439+0.840×建筑面积-0.002314×空气质量指数+0.04721×室厅数目+0.004858×所在楼层+0.04534×Ln（物业费）+0.015272×交通路线-0.02986×到CBD的距离-0.0160×Ln（到湖泊的距离）-0.0791×所处环线的位置

其中空气质量指数AQI的价格半弹性为-0.002314，这说明控制其他参数一致，空气质量指数AQI每增加1单位，该套住宅的平均价格将下降0.002314%，其他变量也可作类似解释。同时，经过回归检验，发现模型的整体显著性水平在95%以上，模型拟合程度较高。

3 结论及相关政策建议

3.1 结论

采用对数模型对武汉市江汉区、汉阳区共102个小区的住宅特征价格进行实证研究：

Ln（成交价格）=10.66439+0.840×建筑面积-0.002314×空气质量指数+0.04721×室厅数目+0.004858×所在楼层+0.04534×Ln（物业费）+0.015272×交通路线-0.02986×到CBD的距离-0.0160×Ln（到湖泊的距离）-0.0791×所处环线的位置

通过对数模型进行回归分析，得出9个住宅价格特征的价格弹性系数和价格半弹性系数，其中AQI的价格半弹性为 -0.002314，这表示控制其他影响因素一致，空气质量指数AQI每增加1单位，该套住宅的平均价格将下降0.002314%，其他变量也可作类似解释。同时，模型整体显著性水平大于95%，拟合程度较高。清洁空气是典型的公共物品，其估价是一大难题。我们从房价的角度对其进行了剥离，是对武汉市空气质量价格弹性的首次研究，并通过了模型检验，这为今后类似公共物品定价问题提供了思路范例。

3.2 政策建议

3.2.1 政府多途径获取环境治理资金。环境是近年我国最重视的问题之一，如何在保证经济发展的同时加强环境保护，一直是亟待解决的问题。因为优质环境公共商品的属性，环境治理的难点主要在于资金不足。而将优质空气价格量化，有助于政府建立环境治理税的征收体系，对造成污染的企业课税，也可作为污染治理费的量化标准，解决政府环保资金不足的问题。

3.2.2 为计算边际愿意支付和房价制定提供依据。空气对房价的影响程度量化后，如果城市空气污染治理有方，生活环境变得更好，那么居民因为环境污染而导致的支出将会减少，可支配收入增加，愿意为商品住房支出的部分也会随之增加，通过结合“特征价格法模型”和“空间滞后模型”可以计算出购房者的边际愿意支付（MWTP），房地产商可以结合该商品住房所在区域的空气质量和消费者的MWTP制定合理的房价。

[参考文献]

[1] 陈永伟，陈立中.为清洁空气定价：来自中国青岛的经验证据[J].世界经济，2012（04）：146-150.

[2] 郭文刚，崔新明，温海珍.城市住宅特征价格分析：对杭州市的实证研究[J].经济地理，2006（26）：16-24.

[3] 刘青林.我国城市住宅定价研究[D].桂林：广西师范大学，2006：12-18

[4] 王德，黄万枢.外部环境对住宅价格影响的Hedonic法研究——以上海市为例[J].城市规划，2007（09）：34-41+46.

[5] 贾雁昭.城市空气质量和商品住宅价格关系的实证研究[D].天津：天津师范大学，2014.