论文部分内容阅读
本文利用我国2010-2012年间的地级市面板数据,通过特征价格法(HPM)就我国空气质量对城市住房价格的影响问题展开研究,估计出空气质量的边际隐含价格,以此作为空气质量经济价值的评估基础。回归模型以城市商品住宅单位销售均价为因变量,以空气质量和住房的其他特征因素为解释变量,其中空气质量指标分别为SO2与PM10。回归结果显示:降低一单位(1ug/m3)SO2浓度,住房价格增加20.64元/平方米,相当于同期住房单位销售均价的0.50%;降低一单位(1ug/m3)PM10浓度,住房价格增加14.47元/平方米,相当于同期住房单位销售均价的0.35%。为了更全面和准确地对空气质量的经济价值进行评估,本文引入空间效应和分组回归。在空间计量分析中,分别以0-1邻接矩阵和经济距离矩阵为空间权重矩阵,代入空间滞后模型(SAR)。其中以经济距离矩阵为权重得到的回归结果显示:每降低一单位SO2浓度,对房价的边际效应为增加15.97元/平方米;每降低一单位PM10浓度,对房价的边际效应为增加11.18元/平方米。该值分别占同期住房单位销售均价的0.39%和0.27%。通过对样本关于地区经济发展水平与工业化水平的不同分别进行分组,分组回归结果显示:空气污染水平对城市住房价格的影响随地区经济发展水平的提高而增加,即空气污染对房价的负边际效应在经济发展水平较高的地区会高于经济发展水平较低的地区;随着工业化水平的提高,空气质量的边际隐含价格反而下降。即在高工业化水平区域,空气污染对房价的边际效应较小,在低工业化水平区域,空气污染对房价的边际效应较大。进一步地,本文选取厦门市这一单个城市为例,以与由全国数据得到的估计结果相比较。回归模型基于链家网上公布的厦门市2016年二手商品住宅成交的截面数据,运用空间特征价格模型,分别得出SO2与PM10对厦门市小区房价的边际效应。估计结果显示,SO2与PM10对厦门市小区住房均价的影响并不显著。