雾霾对房地产价格的影响研究＊

■ 董纪昌 曾欣 牟新娣 李秀婷

1.中国科学院大学经济与管理学院 北京 100190

2.中国科学院大学中丹学院 北京 100190

3.中国科学院大数据挖掘与知识管理重点实验室 北京 100190

0 引言

近年来，房地产业呈现一片繁荣的发展态势，在经济整体发展向好的大背景下，环境质量因素越来越成为人们关注的重点，并逐渐成为人们选择住房的重要考虑条件。根据环保部发布的《2017 中国生态环境状况公报》，2017年全国338 个地级及以上城市中，只有99 个城市环境空气质量达标，占全部城市数的29.3%。以PM2.5 为首要污染物的天数占重度及以上污染天数的74.2%，以PM10 为首要污染物的占20.4%，以O3为首要污染物的占5.9%。因雾霾而逃离一线城市的报道屡见不鲜，雾霾污染已成为全国性问题。我国的雾霾问题存在明显的南北差异，雾霾多发于冬季，且北方更为严重。由于我国冬季南北方的供暖方式不同，北方主要以燃煤供暖，因此冬季空气重污染物质浓度会显著提高。Ebenstein 等（2017）的研究显示，因为供暖方式的差异，北方居民的平均寿命会减少3.1年[1]。

我国对空气污染物的监测工作已进行多年，但监测指标和范围还不是十分完善，对PM2.5的监测从2013年开始在115 个重点环境保护城市试点。2015年，此项监测才覆盖全国各市。我国对大气污染的治理工作也在不断加强，治理效果逐渐显现。北方多地推广“煤改电”工程，以改善冬季空气质量。如图1所示，由2004~2016年我国PM10、SO2、NO23 种大气污染物年均浓度，可以直观地看到空气污染治理效果，污染物浓度整体呈下降趋势。

图1 大气污染物年均浓度（数据来源：中国环境统计年鉴）

在城市经济学理论中，环境因素、居民受教育程度、交通因素等均可以被资本化为房价。Rosen（1979）研究指出房地产的价格包括可直接观测到的价格和隐含价格两部分[2]。空气质量作为环境因素会影响居民的生活质量，但这种因素又不易量化，会间接地影响住房价格。这类隐形条件，如空气质量、噪音、社区犯罪率、教育条件等通常被作为影响房价宜居性的因素来考虑。那么在我国，空气质量对房地产价格的影响又如何呢？基于中国74个样本城市数据，本文采用空间杜宾模型来探讨空气污染对中国房地产价格以及区域房价的影响。

1 文献综述

特征价格模型是研究环境因素以及房屋属性对房价影响的经典模型。特征变量系数被看作边际支付意愿。Broxterman &Yezer（2015）在研究房价对城市技术强度的影响时指出，由于住房需求的收入弹性很低（技能型与无技能型工人收入比与房价反向变动），与无技能型工人相比，技能型工人所需的环境舒适度等补偿更多，良好的环境和便利设施更能吸引技能型劳动力[3]。郑思齐（2011）对我国84 个城市微观家庭样本的实证结果也显示出高技能与低技能劳动力对城市生活质量支付意愿存在差异，前者支付意愿更高[4]。环境舒适因素可以被资本化为房价。Grainger（2012）探究了空气质量被资本化后的成本是否完全由租户承担。对房屋所有者而言，可以免费享受空气质量资本化为房价带来的房屋增值；而对租房者而言，租金会随着空气质量和其他环境条件的改善而上涨[5]。研究结果显示，空气质量资本化成本会部分而非完全转移到租户身上。此外，一些学者发现空气治理相关政策对空气质量的改善具有显著作用（Grainger,2012;Lang,2015;Boennec &Salladarré,2017）[5-7]。

对于空气质量检测数据，发达国家拥有更完善的监控体系且历史数据较为全面，数据可获得性较高。相对而言，发展中国家的空气质量监测体系还不完善，数据可得性较低。此外，发展中国家空气污染物程度相对较高。因此，对发展中国家空气质量与房地产市场的定量研究受到数据限制，但随着新兴经济体的崛起，环境与经济这一作为经济发展不可回避的问题具有很高的研究价值。Yusuf &Resosudarmo（2009）以雅加达为例研究了空气质量对发展中国家大都市房价的影响，以铅、碳氢化物和SO2为指标发现空气污染与房价负相关[8]。Zheng 等（2010）研究了中国35 个主要城市房价、FDI 流和空气质量之间的关系，发现房价会随空气污染的加重而下降，人均FDI 流高的城市空气质量越好[9]。王敏和黄滢（2015）在研究中国112个城市的经济增长与环境污染问题时发现，大气污染指标选择的不同会导致对经济增长截然不同的影响结果[10]。

总体来看，在已有研究空气质量与房价关系的文献中，空气质量指标多采用单一大气污染物浓度，采用空气污染综合指标的较少。此外，多采用特征价格模型，考虑地区分布因素的文献较少。在研究中国空气质量与房价的文献中定量分析文献较少，且多为单个城市或区域的住房特征，研究全国范围内的房价受空气质量影响的文献数量匮乏。由于空气质量存在空间外溢效应而房地产价格存在空间聚集现象，大多数经典统计分析中样本相互独立的假设被打破。因此，本文采用空间计量方法，将城市房价的空间依赖性纳入考虑，客观分析房地产价格波动的环境影响因素。

2 实证分析

2.1 模型构建

空间计量模型是从非空间的线性回归模型拓展而来的，不同的空间模型考虑了不同的空间交互效应。本文采用空间杜宾模型（SDM），其本质与空间自回归模型（SAR）一致，但同时考察了其他样本空间各自变量对目标观测点因变量的影响。空间杜宾模型的表达式为：

Y=ρWY +Xβ+ WXδ +ε

式中，W 为空间权重矩阵，描述了样本中单位的空间组合；WY是被解释变量之间存在的内生交互效应，表示特定效应的被解释变量依赖于其他单位的被解释变量，如：a城市房价变动对b 城市房价造成的影响；WX 表示其他观测点变量的影响，如：a 城市空气质量对b 城市房价的影响。

空间权重矩阵有多种形式，常用的有邻接矩阵和逆距离矩阵。邻接矩阵是通过空间单元在地图上的相对位置，判断哪些区域是相邻的，相邻用“1”表示，不相邻用“0”示表示。距离矩阵假定空间作用的强度取决于空间单位之间距离的大小，该距离可以是空间距离，也可以是经济距离。由于本文选取的74 个样本城市在地理分布上较为分散，邻接城市较少，因此本文采用逆距离矩阵，以更好地反映城市的空间关系。逆距离矩阵中权重可表示为距离的倒数，即Wij=1/dij。

在选择变量时，影响房价的主要因素和环境因素都需要考虑。居民的经济能力是有效购房需求的前提。收入水平和人均GDP 常被纳入模型来反映市场需求（Zheng,2010;Grainger,2012;Lang,2015;Zabel,2015）[5-6,9,11]。住房需求与人口密度和人口迁移密切相关，当越来越多的人聚集在大城市，就会贡献住房刚需推动房价。人口效应对房价的影响在我国的大城市和小城市非常明显。从房地产市场的角度来说，房地产开发投资和商品房销售常用来反映市场的供给和需求（王鹤，2012；董纪昌等，2016）[12-13]。根据文献综述部分的介绍，通常用PM10,PM2.5 及其他空气污染物浓度来反映空气质量。参考已有文献中的变量选取，并结合中国实际情况，本文选取以下变量并将其放入模型。

本文空间杜宾模型为：

因变量为各个城市年度平均房价（HP）。自变量的选取包括人均可支配收入（PCDI）、人口密度（PLD）、第二产业占GDP 比重（IND2）3 个经济基本面因素，房价预期（HPE）和商品房销售额（HS）两个房地产市场相关因素以及空气质量综合指数（AQI）和人均绿地面积（GA）两个环境指标。空气质量综合指数是我国环境保护部对74个重点城市空气质量进行评价的工具，综合考虑了SO2、NO2、PM10、PM2.5、CO、O3等6 种污染物污染程度，数值越大表明综合污染程度越重。房价预期计算公式如下：

2.2 数据说明

在计量模型中本文选取2013~2015年我国74 个地级市面板数据，数据来源为WIND 数据库和《中国城市统计年鉴》。为防止变量共线性影响分析结果，首先检验各变量间的相关性。结果如表1所示，所选变量间并没有出现相关性过高的情况。对所选变量进行描述性统计，结果如表2所示。

N→+∞时，由此可知，当投资组合中的风险资产的数量增加时，各项资产之间的协方差值有正有负，它们之间会相互对冲抵消，但不会被完全抵消，因为各项资产的收益变动存在一定的同向性，这种同向性是普遍的，被称为市场风险，又称为系统风险；可以通过增加投资组合中资产数量从而对冲抵消的风险则被称为企业风险，又称非系统风险.通过扩大投资组合中的资产规模，可以消除非系统性风险，但不能消除系统性风险[6].下面章节用单调非增次模集函数的性质证明非系统性风险可以通过增加投资组合中的资产数量来进行抵消.

表1 各变量相关系数

表2 各变量描述统计

图2 74个重点城市2013~2015（从左至右）房价Moran's I

2.3 实证结果与分析

2.3.1 模型选取

使用空间计量方法的前提是变量之间存在空间自相关，首先根据权重矩阵采用局部Moran's I检验。我国房地产价格是否存在空间自相关性，检验结果如图2所示。

从2013~2015年我国房地产价格Moran's I 分别为0.468、0.441 和0.372，在5%的置信水平上均显著。结果显示，我国房地产价格存在正向空间自相关，但相关性从2013~2015年逐渐递减。由图2可看出，大部分城市聚集在第1、3 象限，说明我房价存在空间聚集现象。2013年Moran's I散点图中（左1），在高房价与高房价相聚集的第1 象限分布的城市主要为福州、厦门、杭州、宁波等东南沿海城市，而中部和西部地区以及部分三四线华北地区城市分布在低房价与低房价相聚集的第3 象限。2014~2015年由于房价调控政策效果逐渐显现，房价整体涨势趋缓，第1象限城市数量逐渐减少，聚集在第1象限的高房价城市向2、4象限转移，房价整体空间自相关性减弱，但空间聚集特性仍然显著。因此，在采用空间计量模型，将空间因素，即在空间权重下周围地区的特征属性对目标地区产生的影响纳入研究范围。

2.3.2 回归结果

对房价和人均可支配收入、人口密度、商品房销售额和人均绿地面积取对数，并将标准化的逆距离空间权重矩阵和各变量代入SDM 模型进行回归，结果如表3所示。

回归结果主体部分（Main）为城市i的各变量对其房价的影响，Wx 部分表示周围城市各变量对城市i 的影响。由主体部分可以看出人均可支配收入、房价预期和商品房销售额对当地房价都有显著的正向影响，与经济常识相符。空气质量综合指数在5%的显著水平下对当地房价存在负向影响，即空气污染越严重，房价越低。人均绿地面积也与房价正相关，说明在我国良好的环境因素会被资本化为房价，增加房屋自身价值。系数ρ显著为正，表示周围城市房地产价格每上涨1%中心城市房价会平均上涨0.58%，房地产价格存在空间正相关性。根据波纹效应，房地产价格会在区域之间传导。通常某一地区房价变动会先发生并像水中波纹一样对周边地区房价产生影响。一般大城市对周边小城市的经济发展具有拉动效应。对于人口和资源相对集中的大城市，其经济发展存在外溢效应会带动周边小城市房价上涨。Wood（2005）提出家庭迁移（Household Migration），财富转移（Equity Transfer），空间套利（Spacial Arbitrage）引发了住房需求在不同区域房地产市场的转移，从而产生了房价的空间传导[14]。家庭倾向于从高房价地区向低房价地区迁移，低房价地区的住房需求量由此上升，其房价也随之上涨。原有住房财富是新房支付的重要资金来源，该地区的房价上涨使得原有住房财富增加，增强了迁移家庭的支付能力，从而推高其他地方房价。区域房价差异带来的空间套利更直接地造成了波纹效应。

表3 SDM回归结果

资源会向行政级别、经济发展水平高的城市聚集，导致人口向这些城市流动，提高住房刚需，从而推动这些城市房价。这种现象在一二线城市较为普遍，但在三四线城市相对较少。为进一步探究在一二线城市特有的资源吸附效应下，空气质量对房价的影响，根据城市的经济水平，本文将样本城市分为一二线城市和三四线城市两类（如表4所示），分别讨论空气质量对社会资源聚集程度不同的城市房价的影响。

2013~2015年我国房地产市场经历了由调控降温到逐渐复苏的过程，以国四条、新国十条为代表的限购限贷政策干预频繁，房价上涨得到抑制，2014年全国商品房销售面积均大幅下降。表5中三四线城市商品房销售额与房价成正相关，由于部分一二线热点城市（如深圳、上海）在调控政策下房价仍保持较高涨幅，销售额与房价关系并不显著。

表4 城市分类

从表5的结果可以看出，三四线城市商品房销售额(ln(HS))与房价正相关。在严厉的购房政策下，一些一二线城市仍保持较高的房价增长，一二线城市房价与商品房销售额的关系并不显著。空气质量综合指数在一二线和三四线城市仍然显著为负，系数较为接近分别为-0.05 和-0.047。与三四线城市相比，周边城市空气质量对一二线城市房价的影响效果更为明显，这与一二线城市对重工业企业的挤出效应有关。

如表6所示，由于人口密度和汽车尾气排放等原因，从2013~2015年，一二线城市的年均空气质量略低于三四线城市，一二三四线城市均表现出空气污染对房价的抑制作用，说明空气质量的资本化效应开始呈现。在表5中，空气质量对房价的影响程度一二线城市略高于三四线城市。与三四线城市相比，一二线城市高净值、高教育水平居民比例相对较高，其更加关注健康与生活的舒适度。在雾霾日渐严重的趋势下，他们有动机选择离开一线城市去生活质量更高的地方置房。此外，由于中心城市对周边城市的带动作用，周边城市的发展水平不断提高，与中心城市的关系越来越密切。一些一线城市人口更愿意选择去周边环境较好的二三线城市养老，将一线城市住房出租，因而不会贡献一线城市住房需求。与一二线城市相比，三四线城市人口流动速度相对较缓，且移居一二线城市成本较高，由于空气质量原因向其他级别城市迁移的可能性较小。

表5 分类城市SDM回归结果

表6 一二线与三四线城市空气质量综合指数年平均值

3 结论

结合我国城市经济发展情况，本文检验了我国74个重点城市房地产价格受空气质量的影响情况。通过局部Moran's I 散点图检验样本城市间的房价空间聚集效应，结果显示我国城市房价间存在聚集效应，但受房地产政策调控等因素影响，该效应在2013~2015年间呈减弱趋势。

在此基础上进一步运用空间杜宾模型对空气质量指标进行检验。研究显示，空气质量对我国房地产价格存在负向影响，且相邻城市间房价存在同向变动趋势。在对一二线城市和三四线城市的分类检验中发现，空气质量恶化对一二线和三四线城市房价的抑制作用接近，但一二线城市略强于三四线城市。但由于大型城市将重工业企业驱赶至周边城市，周边城市空气质量对一二线城市的影响明显高于三四线城市。