空气质量对城市住房价格影响实证分析

□文/王 祯

（三亚市城市规划设计研究院有限公司 海南·三亚）

［提要］2005～2015年间我国大部分城市住房价格高涨，同时空气质量问题被广泛讨论，城市人居环境问题越来越受到关注。本文使用我国79个地级及以上城市PM2.5浓度这一空气质量数据，通过回归模型构建研究以PM2.5数据为代表的空气质量因素对城市住房价格的影响，并提出政策建议。

随着我国工业化和城市化的快速推进，空气质量问题受到广泛关注。2013年，我国99.6%的人口所处环境的PM2.5浓度超过世界卫生组织划定的不影响人体健康的最高限度。空气污染对我国居民健康造成严重威胁，并对城市发展产生巨大的影响，也是导致雾霾发生的主要因素之一。

2016年以来，中央经济工作会议强调“房子是用来住的”的定位，未来的中国城市住房将更加强化房子的居住属性。居住才是房子的本质，因此也更加强调住房的宜居性及居住环境，其次才是其商品属性，房产的价值投资是建立在有人愿意居住的前提下。在雾霾的影响下，当人们发现高房价无法带来真正好的居住环境时，势必会对居住地及购房意愿产生影响，从而影响城市住房价格。

一、文献综述

空气质量能影响城市房价的理论依据来自城市间居住环境的差异将资本化地体现为房价的差异，这一结论成立的前提是居民可以“用脚投票”——自由选择居住地。我国自20世纪80年代以来，人口流动持续活跃，不断推进的户籍制度改革使得户口对于劳动力转移的约束逐步减小，90年代开始全面展开的城镇住房制度改革使房地产市场已充分发育成熟，这些市场化的力量都推动着城市间房地产市场走向整合，使得地区间房价差异能反映居民对于居住环境的支付意愿。

合理估算空气质量的外溢价值也一直是城市治理、公共管理、公共经济学以及环境保护政策制定的一个重要议题。最初，经典的hedonic特征价格模型主要用于识别住房属性的隐含价值。后来，研究人员逐渐扩大了研究范围，确定空气污染/空气质量与住房房价之间的关系，即研究空气污染资本化问题对房价的影响。近年来，随着环境问题日益受到广泛关注，国内外对空气污染影响评估的文献大量涌现。Au和Henderson（2006）研究了雾霾污染可以通过城市化进程来影响经济发展。陈永伟和陈立中（2012）通过青岛市的数据研究了青岛市空气质量的经济价值。研究发现，空气污染指数每降低一个单位，房价相应增长1.74%，换算成弹性值为1.356。周梦天和王之（2018）研究了2012年至2015年我国各城市PM2.5空气质量信息公开对城市房价的影响，研究发现对PM2.5关注度越高的城市房价受到的影响越大，集中统一发布和城市单独发布这两种公开方式对不同城市影响效果存在差异，信息公开对地区房价存在长期稳定的影响。

在空气质量与城市治理方面，我国诸多学者进行了相关研究，主要集中在区域和城市空气质量治理、空气质量治理措施、空气质量与城市治理公共政策研究等方面。谭明华（2009）从珠江三角洲区域背景出发，提出政府在雾霾的治理中必须起主导作用。周涛和汝小龙（2012）通过对北京雾霾天气现象研究发现，移动排放源已经成为北京市城市污染的重要源头。北京雾霾天气的治理关键在于加强机动车污染防治。康春婷和李卫东（2016）认为大数据技术的应用将有助于提高雾霾治理的效率。通过大数据手段，可以对雾霾情况进行监控、预测，减少城市雾霾现象的发生。石庆玲等（2016）从“政治性蓝天”角度研究指出，在政治敏感时期，地方政府有更大的激励加大环境保护力度，营造一种暂时性的“政治性蓝天”，同时这是以政治事件过后更严重的报复性污染为代价的。因此，应变运动式治霾为常态监管。在环境保护执法上，使环境保护走上常态化轨道。

学者们在空气质量与城市住房价格研究、空气质量与城市环境治理方面做了大量的探索。总的来看，空气质量及空气污染数据构成现有研究难点。现有研究大多数关注如二氧化碳、二氧化硫、PM10等污染物，而对于空气质量雾霾污染的根源PM2.5的探讨相对较少。现有研究多以省级层面分析以及以城市、区域的自身条件为依据对空气质量与城市治理建言献策，对空气质量与城市治理的建议也以宏观政策角度为主，缺少具体的治理举措，涉及的方面较为宽泛、笼统。

综上，本文的创新点在于：在PM2.5数据的基础上使用2005～2015年共11年的79个地级及以上城市PM2.5浓度数据，有利于从城市角度考察影响空气质量的PM2.5对中国城市住房价格的影响。同时，基于量化研究，从公共政策、区域协同、空间规划等议题出发，提出建议对策，进一步丰富相关研究。

二、数据说明与模型建构

（一）数据与变量

1、数据来源与处理。本文采用的数据为2005～2015年79个直辖市与地级市住房价格、社会经济数据和空气质量数据。其中，79个大中城市住房价格数据来源为同花顺iFinD中的商品房住宅销售价格数据，社会经济数据来源为相应的城市统计年鉴，PM2.5数据来源于哥伦比亚大学发布的分年度世界PM2.5密度图数据。本文的数据结构为2005～2015年间全国79个地级及以上城市的面板数据。

2、变量定义与解释。本文的被解释变量采用各直辖市与地级市的年度平均住房销售价格的对数值（lnhp）。关键解释变量采用PM2.5的对数值（lnpm）表示空气环境质量。控制变量主要包括城市的经济发展与产业结构变量、人口变量、就业、用地相关的变量，以及绿地、轨道交通、医疗和文化类公共服务变量。为了减小异方差的影响，对每万人医院卫生院床位数、每万人学校数量、每万人住宅供地面积、人口密度、外商实际投资额进行对数化处理。

本文所涉及变量的具体名称和统计描述见表1。（表1）

表1 描述性统计一览表

（二）实证模型。本文构建如下回归模型：

其中，下标i和t分别表示城市以及年度。lnyhpit为城市i第t年房价的对数，为了减小异方差的影响，对数据进行了对数化处理。α0为截距项，α1为空气质量的估计系数，PM2.5为样本城市的空气质量情况，α2为各控制变量的回归系数集合，为各控制变量，μit为城市的虚拟变量，εit为随机干扰项。本文采用固定效应模型进行估计。

根据前文的理论分析，空气质量的改善对房价有正向资本化效应，反言之，PM2.5会对当地房价有负向资本化效应。但考虑到不同等级城市的特征和居民的居住意愿，是否均显著为负却无法确定，有待检验。

三、实证结果分析

（一）区域整体性回归。表2为PM2.5对房价影响的回归结果。第（1）列中只加入了PM2.5数据，第（2）列～（7）列逐步加入了各控制变量。具体地，第（2）列在第（1）列的基础上加入了人均可支配收入；第（3）列在第（2）列的基础上加入了反映公共服务特征的变量，包括医院卫生院每万人床位数、每万人学校数量；第（4）列在第（3）列的基础上加入了反映地区土地供应变量的每万人住宅供地面积；第（5）列在第（4）列的基础上加入了轨道交通是否运营变量；第（6）列在第（5）列的基础上加入了地区人口密度；第（7）列在第（6）列的基础上加入了第三产业占比、失业率、外商实际投资额。（表2）

从表2的第（1）列～（7）列回归中可以看出，PM2.5对房价具有显著的负向影响，且均在1%的水平下显著，加入控制变量对PM2.5的显著性影响不大，回归结果是稳健的。回归结果表明，PM2.5每增加1%，房价会降低约0.16%，这说明我国居民对PM2.5的含量反应较为敏感，PM2.5造成的空气质量对房价具有显著的负向资本化效应，空气质量的确会影响居民的居住选择，空气质量与房价有着反方向的变动。

表2 空气质量对房价的影响回归结果一览表

控制变量方面，在给定其他条件不变的情况下，人均可支配收入对房价具有正向影响，且均在1%的水平下显著，这表明人均可支配收入越高，经济越发达，房价越高；在公共服务特征变量方面，医院卫生院每万人床位数的回归系数约为0.17，对房价具有正向影响，每万人学校数量的回归系数约为-0.22，对房价具有负向影响，且均在1%的水平下显著，这与理论预期是相符的，公共服务越好的城市，房价影响的显著性越高。同时，医疗资源越好，房价越高；学校越多，公共教育均等化越好，有利于降低房价；在土地供应方面，每万人住宅供地面积的回归系数约为0.02，且均在1%的水平下显著，对房价具有显著的正向影响，原因是在当前快速城镇化过程中，城市空间规模发展越快，城市发展动力和活力越强，房价越高；在公共交通方面，轨道交通的回归系数约为-0.17，对房价具有负向影响，说明公共交通越好，公共交通均等化程度越高，有利于降低房价。人口密度的回归系数约为0.07，对房价具有正向影响，说明人口密度越大，土地供应和房屋供应越紧张，住房需求越大，房价越高；第三产业占比的回归系数约为0.36，且在5%的水平下显著；失业率和外商实际投资额的统计结果不显著，说明服务业比重越高的城市，城市产业发展水平越高，住房的资本化效应更加明显，房价也越高。

（二）区域异质性回归。一二三四线城市楼市发展分化是近年来我国房地产市场的一个重要特征。根据第一财经新一线城市研究所公布的2019中国城市等级名单公布的中国地级及以上城市分级名单，本文将样本中的一线和二线城市划分为一组，将三线和四线城市划分为一组进行区域异质性回归检验，结果显示PM2.5对房价均具有显著的负向影响，空气质量的确会影响城市房价。

其中，在一二线城市和三四线城市中，控制变量方面，在给定其他条件不变的情况下，与一二线城市相比，三四线城市医院卫生院每万人床位数对房价的影响更为显著，对房价具有正向影响，医疗资源越好的三四线城市，房价越高；一二线城市由于普遍具有较好的医疗资源，因此对房价的影响不显著；在一二线城市和三四线城市中，学校数量均对房价具有负向影响，且均在1%的水平下显著，说明不管是在一二线城市还是三四线城市中，随着公共教育均等化水平的提高，更加有利于降低房价；在一二线城市和三四线城市中，住宅土地供应对房价具有正向影响，且在一二线城市中更为显著，说明随着土地供应的增加，城市空间规模的扩大，更能够推高房价。在公共交通方面，一二线城市对房价具有负向影响，且在1%的水平下显著，说明在一二线城市公共交通越好，公共交通均等化程度越高，有利于降低房价。在三四线城市，轨道交通对房价的影响不显著。在三四线城市，人口密度对房价具有显著正向影响，且在1%的水平下显著，说明在三四线城市，人口密度、人口数量越大房价越高，人口增加对三四线城市的房价提升有较大影响；同时，在一二线城市由于人口密度本身较高，相对来说对房价的影响不显著。第三产业占比对一二线城市房价具有正向影响，在1%的水平下显著，说明在一二线城市中第三产业越发达的城市，产业结构能级更高，房价越高。第三产业占比对三四线城市房价的影响不显著，这也与三四线城市第三产业占比普遍不高有一定关系。（表3）

表3 空气质量对不同等级城市房价的影响回归结果一览表

四、政策建议

本文采用全国79个地级及以上城市2005～2015年的面板数据，通过回归模型构建研究了以PM2.5数据为代表的空气质量因素对城市住房价格的影响。实证结果发现，一个城市的PM2.5含量增加对房价有显著的负影响。此外，本文还通过地级及以上城市的等级划分，研究了一二线城市和三四城市PM2.5对房价的影响，通过区域异质性回归，结果显示PM2.5对一二线城市和三四城市房价均具有显著的负向影响。

基于以上结论，本研究提出以下治理对策建议：首先，完善顶层设计，优化环境治理体系。中央政府应进一步通过地方政府政绩考核制度改革，将环境质量水平纳入考核体系、加强环境信息公开、鼓励公众参与环境质量监督等措施转变政府环境重视度，促进环境治理水平提升。其次，促进区域政府合作和协同一体化治理。由于空气质量的形成、传播具有流动性和广泛性，因此空间环境质量的改善需要区域城市间的合作，建立地区间空气质量联防联控治理体系，共同谋划和实施环境治理方案，通过统一的协同法规与标准，强化地区间的协调与合作。最后，加强空间发展和住房规划，促进人居环境可持续发展。通过城市空间结构的改善和产业用地布局优化，减少重污染性产业的引入；强化城市风道、绿廊的作用，通过调整城市道路走向、设置生态绿色走廊、控制建筑物高度以及顺应城市常年主导风向等措施，保证城市主风道，提高城市环境容量，减少空气污染对住宅用地的干扰，促进宜居城市的规划和发展。