空气质量对房价的影响：来自中国淮河政策的证据外文翻译资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

附录A 译文

空气质量对房价的影响：来自中国淮河政策的证据

摘要

我们采用回归不连续（RD）设计来估计空气污染对房价的影响，这条河流划分了因淮河政策而有燃煤取暖和没有燃煤取暖的地区。这项政策是中国政府在20世纪50年代颁布的，规定在淮河以北地区以补贴价格燃烧煤炭用于室内取暖。我们采用了这一特殊政策产生的空气动力学直径为10微米或更小的颗粒物（PM10）的准实验性变化和基于淮河距离的回归不连续（RD）设计，估计了当地平均处理效果（LATE），为PM10空气污染资本化为房屋价值提供了新的证据。通过10使用覆盖2006-2015年期间淮河两岸30个大城市的面板数据，我们发现平均PM3（微克/立方米）减少1微克/立方米与房价增加约1%有关。这些结果对使用参数和非参数估计方法、调整丰富的协变量以及使用不包括一线城市的子样本是稳健的。

关键词 空气质量；房价；PM10；淮河政策；回归不连续设计；中国

1、简介

空气污染对人类健康有着巨大而广泛的不利影响（Brunekreefamp;Hol-gate,2002;PopeIIIamp;Dockery,2006）。洁净空气对人类健康的价值已被广泛承认，但对这种福利的定量影响却基本没有。这种缺失是由于内生性的问题，以及与污染成本的归属有关的问题。然而，对清洁空气价值的估计对于环境保护的政策干预的成本效益分析至关重要。

洁净空气的经济价值可以用hedonic方法来估计，其主要思想是使用私人市场数据来推断公共物品的隐性价格函数。最常用的私人市场是房地产市场。在这种情况下，对公共产品的需求信息就被资本化为住房的价格。

然而，使用hedonic方法估计空气质量对房价的贡献面临着几个内生性的问题。首先是遗漏变量的可能性，即房价的其他决定因素也可能与所关注的解释变量相关，即空气质量。其次，空气质量的测量误差的普遍性也威胁到衡平法的合理性。因此，以前的证据表明，使用hedonic方法的估计往往显示出微弱的结果，这些结果在很大程度上低估了空气污染对房价的真正影响（Bayer,Keohane,amp;Tim-mins,2009;Smithamp;Huang,1995）。

有一个新兴的文献t，直接面对这些潜在的内生性问题。例如，Chay和Greenstone（2005）利用《清洁空气法修正案》引起的空气污染的减少作为一个准实验，并使用工具变量估计器来研究TSP1对美国房价的影响。他们的研究结果表明，个人对清洁空气的重视程度高于以前文献中的估计。

这项研究主要建立在两类文献的基础上。第一部分是使用各种方法评估空气质量的文献。除了hedonic方法之外，还使用了非市场估值的形式，即，估计清洁空气对生活满意度的经济价值。例如，Luechinger（2009）使用了IV方法，利用发电厂强制安装洗涤器所产生的自然实验，用风向将县城分为治疗组和控制组。这项研究的结果表明，空气污染对福祉有负面的影响，而且是，IV的影响比传统的估计要大。同样，Ambrey、Flem-ing和Chan（2014）采用生活满意度的方法来估计昆士兰州东南部的PM10峰值的成本：他们发现空气污染和生活满意度之间存在负相关。

第二个研究方向是研究如何将（不）便利设施资本化为房价。许多现有的研究调查了环境外部因素对房价的影响；包括空气质量（Chayamp;Greenstone,2005）、水质量（Leggettamp;Bockstael,2000）、城市绿地（Jimamp;Chen,2006）等。此外，学校质量和房价之间的关系ship已经被广泛调查（Kane,Riegg,amp;Staiger,2006）。计量经济学的识别问题再次困扰着这些研究。Black（1999）是一个很好的例子，他解决了模型中包含的变量之间可能存在的反向因果关系。他的分析表明，考试成绩提高5%与房价上涨2.5%有关。就不便利性而言，越来越多的st研究考察了犯罪和暴力对房价的影响。最近的一个例子是Besley和Mueller（2012），他们估计和平红利被资本化为北爱尔兰的住房价格变化。

中国是一个关于污染影响的迷人案例，至少有四个原因。(i)中国是世界上最大的发展中国家；(ii)中国的空气质量是出了名的差；(iii)减轻污染的努力正处于上升阶段。中国政府在2014年宣布了'向污染宣战'，宣布了一项旨在利用市场力量减少温室气体排放的国家排放交易学者eme（Jotzo,Karplus,Grubb,amp;Louml;schel,2018）；以及，（iv）政策的实施很少出现不遵守的情况。上述最后一点对我们的研究设计至关重要，然后导致对清洁空气价值的定量估计。

本文的目标是估计清洁空气的经济价值，并实证检验空气质量的改善是否会导致房价的上涨。具体来说，我们采用回归差分（RD）设计来估计空气污染对房价的影响，这条河流划分了有燃煤供暖和没有燃煤供暖的地区，而这些地区是由淮河政策产生的。这项政策是中国政府在20世纪50年代颁布的，为室内取暖提供大量补贴（包括免费）的煤炭，但只针对淮河以北的家庭。这项政策的一个后果是整个河流上暴露的PM10水平的持续差异，注意到PM10，作为重物，不会被吹过空间，其影响也是可见的。基于边界周围空气质量的离散差异，在经验分析中采用了尖锐和模糊的RD设计。

本文的其余部分组织如下。下一节讨论了机构的背景情况。第3节描述了数据和汇总统计。第4节解释了识别和实证策略。第5节介绍了实证结果，第6节是结论。

2、背景介绍

家庭供暖政策是20世纪50年代至80年代中国中央计划体制的产物。在这一时期，冬季取暖被认为是一项基本权利，通过政府提供免费或大幅补贴的煤炭，为家庭和办公室提供免费取暖燃料。这一制度的一个遗留问题是，直到今天，许多家庭仍然得到免费或高度补贴的供暖。然而，预算限制意味着在冬季向每户家庭提供免费供暖是不现实的。因此，只有位于中国北部的地区的居民才有资格获得这种福利支持。过去划分中国北部和南部的边界（中国的南北分界线）是淮河/秦岭。这条线与1月平均气温的0◦摄氏度线（Almond,Chen,Gree-nstone,amp;Li,2009;Ebenstein,Fan,Greenstone,He,amp;Zhou,2017）大约共同。

在过去的几个世纪里，淮河流域的地理条件发生了重大变化（Ebenstein等人，2017）。在北宋之前，淮河直接进入黄海。由于黄河反复改变路线南下，与淮河汇合，导致淮河流域的地理环境发生了巨大变化。淮河地理的这些变化导致难以划出一条准确的分界线。按照一些研究（如Almond等，2009；Chen,Ebenstein,Greenstone,amp;H,2013；Ebenstein等，2017）采用的方法，我们根据淮河的主要水路画出淮河分界线。它发源于河南省的桐柏山，流经河南、安徽和江苏省，最后在江苏省的扬州进入长江。这条线以北的城市享受11月15日至3月15日的免费冬季供暖政策。相比之下，南部的城市缺乏集中供暖的基础设施，直到最近才有私人供应商为这些地区提供冬季供暖（Almond等人，2009）。

中国的供热系统以燃煤为主，污染严重，部分原因是技术落后。与大多数发达国家普遍采用的电力、燃气和燃油供热系统相比，燃煤锅炉效率低下，对环境不友好。通常情况下，每个住宅楼都有一个锅炉，为整个建筑群提供热量。家庭供暖的功能是通过在锅炉中燃烧煤来加热水，然后通过铁管送到该建筑中的每个家庭。通常情况下，水在到达目的地之前要经过很长的路程。因此，运输过程中的能量损失可能是巨大的，这意味着锅炉必须位于中心位置并靠近住宅。供暖过程还伴随着煤的不完全燃烧，导致许多有毒污染物的排放，包括汞、二氧化硫（SO2）、氮氧化物（NOx）和颗粒物（Almond等人2009；Chen等人，2005）。

这项研究利用了中国各城市空气质量的明显差异，并在此基础上进行了研究。在这个任意的政策下，使用这种变化来估计空气污染这种环境问题对住房价格的影响。这是分两步实现的。首先，我们分别估计了淮河政策对空气污染和房价的影响，以检验河流两岸的任何不协调性。然后，我们用模糊RD的方法来研究空气质量对房价的影响。

3、数据来源和汇总统计

3.1. 数据来源

我们编制了一个全面的面板数据集，提供了2006年至2015年期间30个城市的污染水平、城市相对于淮河的位置以及房价等具体信息。2我们数据中的观察单位是城市。使用城市层面数据的实际原因是，已公布的房价和空气污染数据都是城市层面的，因此我们只能在这一细分层面进行匹配。房价数据来自《中国房地产统计年鉴》（2006-2015）。该年鉴由中国国家统计局（NBS）和中国指数研究院编撰。它报告了每年全国各地和中国35个大中城市的房地产经济数据。在房价方面，它报告了商品房的平均价格，以及其四个组成部分的价格：住宅、办公楼、商业用房和其他用途的住房。我们只专注于住宅为我们的研究目的，有两个原因。首先，住宅被认为是中国城市住房市场中最重要的部分。第二，空气质量更有可能被纳入住宅价格，因为这部分住房是人们选择终生居住的地方。

空气污染数据来自环境保护部（MEP）编制的《中国环境年鉴》。这些数据文件包含了31个主要城市的环境空气质量的年度信息，并包括几种污染物的测量。这些空气质量指标包括颗粒物、二氧化硫（SO2）、二氧化氮（NO2）的浓度，以及空气质量等于或高于二级的天数和该日历年度内空气质量等于或高于二级的天数比例。

我们专注于直径小于10微米的颗粒物污染物（PM10），原因有二。首先，PM10，与其他形式的空气污染物（PM2.5、SO2、NO2）相比，更重，因此不太可能长距离传播，而长距离传播会污染对河流两岸空气污染的测量。其次，越来越多的证据表明，就健康影响而言，PM10是迄今为止最重要的本地空气污染物（Bayer等人，2009）。必要的数据也是可用的。中国监测系统于2003年首次跟踪PM10，因此我们的分析借鉴了2003至2015年的读数。

我们还收集了一系列潜在的混杂因素，作为控制变量使用。我们获得了与住房供应和需求因素有关的城市层面的数据，这些因素对每个城市的当地房价产生了影响。这一系列的变量来自《中国统计年鉴》、《中国房地产统计年鉴》和国家统计局的在线数据库。这些城市层面的变量包括：每年以人均建筑面积计算的新建住宅释放量、人均实际GDP、实际工资、人口密度、财政盈余、沿海城市的虚拟数、高等教育在校生人数和人均医院数。上述第一项反映了供应的变化，而其余的，正如现有研究所建议的，则决定了需求。

3.2. 简要统计

图1显示了2006-2015年淮河分界线南北城市的PM年平均环境浓度10和住房平均价格的趋势。如图1中A部分所示，淮河以南城市的空气质量一直好于北部城市。然而，在这两个时间序列中，有一些明显的平行趋势。此外，为了更好地显示淮河南北城市的PM10和房价的空间差异，这些数据被绘制在中国的省级地图中，如图2所示。

图1.中国北方和南方城市的PM10的变化。

备注，蓝色的线代表中国南方城市，橙色的线代表中国北方城市。PM10和房价的单位分别为mu;g/m3和元/m2。PM10的数据来自《中国环境年鉴》，房价数据来自《中国房地产统计年鉴》。

图2.中国北方和南方城市的PM10和房价的比较。

注意事项。这是一张中国大陆各省以及台湾省的省级地图。地图中显示了各省省会城市的PM10水平和房价。除西藏、台湾、香港和澳门因无数据外，这30个城市与其所在的省份相匹配。PM10和房价的单位分别为mu;g/m3和元/m2。PM10的数据来自《中国环境年鉴》，房价数据来自《中国房地产统计年鉴》。

表1.关键变量的汇总统计。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[588824]，资料为PDF文档或Word文档，PDF文档可免费转换为Word