中國環境污染對房價的影響程度

蔣政

[摘 要] 文章關注的問題是在中國污染是否會對房價造成影響以及影響的程度。通過對以濟寧和山東為例的房價數據分析，發現在我國環境污染對房價波動的影響較小。文章分析表明，在我國目前的大環境下，房價波動主要受到宏觀政策因素和人口流動因素的影響。

[關鍵詞] 污染影響；房價；濟寧

1 影響房價的兩大主流因素

影響住宅需求的因素主要有住宅價格、人均可支配收入、城市人口數量和結構、政策影響等。一般認為，住宅的需求量和價格成反比，但是如果住宅市場中的投機需求占主導地位時，二者之間又會呈現正向變動。而房地產投資投機行為在很大程度上受到宏觀因素的影響。此外，一個社會中，城市年輕人比例越高，對住宅市場的消費就會越強烈。近幾年，隨著大批人口向中國沿海城市和各大中心城市遷移務工以及中國城市化進程加快，帶來了眾多城市住宅市場異常火爆的局面。

1.1 宏觀因素分析

宏觀的政策因素也是影響房價上漲的重要原因之一。以中央政府的宏觀政策為例，2008年，四萬億的經濟政策，大修房產，大修基建，對于制造業來說，這簡直就是黃金時代，可四萬億的后果是，人工工資迅速增長，房價迅速飆升。在山東省統計局給出的數據中分析的出，建筑業利潤總額相關系數有0.68 之多。大量的寬松資金流入到房地產行業中，導致房價上漲。另外，地產行業屬于資金敏感型品種央行的數次降準降息會導致銀行的可貸資金增多以及貸款利息下降，降低了買房者的購房成本，進而刺激了購房熱情，使樓市供求關系發生變化，最終導致房價出現上漲。

1.2 人口流動

人口的凈流入的多少關系到了城市的繁榮程度，也關系到該城市房價的漲幅。社科院《北京流動人口在京購房狀況研究報告》：中提到，年齡在28-47歲之間，大專以上學歷，月收入在4000元以上，在京流動時間為5至10年，大多是在國企、私企工作的職員或個體工商戶，并且是有社會保險的已婚人士是北京流動人口在京購房的主力軍。按照北京流動人口購房比例推算，14.6%流動人口購買了北京約120萬套房，占北京存量住房的21.8%[3]。與之相對的是東北地區，該地區在第六次人口普查中凈流出200萬，與之帶來的是房價的下跌，即使是當地的主要城市，其房價也不能免于此影響。

2 濟寧為例的環境與房價波動分析

一個城市的整體環境質量與該城市的宏觀政策密不可分，其產業戰略、招商引資方向、鼓勵政策、環保法規、環境監察力度都在相當大程度上影響著城市的環境質量。而環境又是人們選擇居住地（遷移）的重要參考因素之一，因此我們認為，環境與房價波動應當存在著一定的相關性。

2.1 以濟寧市為例的原因

濟寧市是山東重要的工業城市，國家七個大型煤化工產業基地之一。該市煤礦豐富，是全國十三個煤炭能源基地之一。但是以煤炭業與化工業為主的經濟帶來了相應的高污染。濟寧的空氣污染狀況每每在全國空氣質量重物染榜單上榜上有名。并且濟寧市作為一個工業城市，人口流動相對不明顯，但是房價卻逐年上漲，在16年人均平均工資3700元（處于山東省倒數）情況下，平均房價達到5795元，位于山東省平均房價前列。所以，濟寧市是我們很好的一個研究案例。

2.2 濟寧市平均PM2.5與房價走勢

14年到16年濟寧平均PM2.5數值為93.56，100.38，103.26。從2014-2016三年匯總折線圖來看，重物染的天數以及污染指數均在增長。同時，二手住宅價格指數總趨勢為增長。由此看來，PM2.5污染指數與房價在同時趨近上漲：2014-2016年PM2.5漲幅為10.37%，二手住宅價格指數約為2%。PM2.5的漲幅遠比二手住宅價格的漲幅要快，上漲的污染指數并沒有使得房價下跌。

2.3 濟寧市市區不同地段污染指數與房價

在得到了濟寧市總體PM2.5污染指數與房價走勢后，接下來我們將具體關注到濟寧市市區內不同地段的房屋價格與污染指數之間的關系。參考文章中選取可懸浮顆粒物污染作為自變量，但是并沒有把可懸浮顆粒物分開分別來看各自影響。因為可懸浮顆粒物中含有PM2.5，PM10，硫化物，氮氧化物等，并不是每個因素都一定有可見的影響。因此我們將其各項污染指數分開來看其影響，通過公眾環境研究中心的污染地圖和AQICN的污染物指數地圖得到監測站附近樓盤的各種污染物數據取當年均值，再通過查詢互聯網房產交易網站，得到相應地段的樓盤價格。為了排除其他可能的重大干擾，所選取的地段均為非學區房、公園、商業中心和工業園區內樓盤。由于濟寧市檢測點數量有限，文中增加了山東省同為工業城市、各方面與濟寧情況相近的數據作為補充。

通過對濟寧市區不同地段房價與污染指數數據進行多元線性的回歸分析，結果所示：在市區內，不同地段所處位置的空氣質量和污水排放僅僅只能解釋18的房價變化。故我們認為，在城市市區內，當房屋周邊沒有學校、商業中心、公園或者工廠、發電站等對房價有明顯干擾的因素時，空氣污染與水源質量和房屋價格沒有明顯關系。

2.4 對比分析

為了進一步說明這個問題，我們選取了同為山東省內陸的工業城市、高污染城市的濟南市進行對比分析。數據選取了濟南市2014、2015和2016年的PM2.5均值與對應年份上半年的二手住宅價格指數。對PM2.5均值求平均后，14年均值為106.77，15年均值為108.38，16年上半年均值為110.10。在此期間，PM2.5指數約上漲3.77%，二手房價約上漲2.20%。同樣地，相對較高的PM2.5漲幅在表面上并沒有使二手房價的增長率為負值。

下面我們同樣通過公眾環境研究中心的污染地圖和AQICN的污染物指數地圖得到監測站附近樓盤的各種污染物數據取當年均值，再通過查詢互聯網房產交易網站，得到相應地段的樓盤價格。為了排除其他可能的重大干擾，所選取的地段均為非學區房、公園、商業中心和工業園區內樓盤。進行回歸后，回歸結果顯示，市區內不同地段的污染指數對房價影響同樣不明顯。

2.5 以山東省各市為例探究污染對房價影響

通過上述對單個城市的市區不同地段分析之后，我們對山東省各市的年均污染數據與平均房價進行分析，探究之間的關系。取山東省2016年統計年鑒中的數據，經過篩選后，我們選取可支配收入、廢水排放量、氮氧排放量、二氧化硫排放量、氮氧化物排放量、工業總產值、建筑業利潤總額、人口密度和GDP作為自變量，平均房價作為因變量，進行多元回歸分析。

通過構建訓練集與測試集之后，利用sklearn進行線性回歸，如圖1所示。經過對數據的清理、篩選后，得出回歸方程y = 3369-0.507553501*氮氧排放量值-0.060555041*氮氧化物排放量值+ 2.11609188*GDP。

通過對上述數據進行處理，我們看到，污染物指數對房價的影響非常小，部分指數如S02指數、廢水排放量等甚至對房價影響不顯著。

3 污染對房價幾乎沒有影響的原因分析

3.1 污染與就業分析

我們的社會資源可以理解為在環保產品與一般經濟產品（非環保產品）之間的配置，在環境保護過程中意味著更多的社會資源流向環保產品生產領域，更多的環保產品被生產出來。往往高污染是工業與經濟繁榮發展造成，就業人數的指標往往會蓋過污染的指數。[2]為了就業，人們往往會忽略污染。如過去的倫敦，現在的北京，迪拜等金融中心，即使是高污染，也不能抵消人們對其的向往。在此情況下，污染對房價的影響在污染情況沒有嚴重致病率情況下微乎其微。

3.2 公眾對清潔環境邊際支付意愿不明顯

相比于發達國家，發展中國家的民眾對環境污染程度相對不敏感，公眾對清潔環境邊際支付意愿不明顯。以濟寧市為例，以人民公園作為中心，以到電廠中苑的距離為半徑畫弧，途經路線已為濟寧外環，發現到靠近市發電站和魯抗制藥廠廠房附近的住宅，其價格與距市中心同等位置的無明顯污染源的樓盤價格，并無太大區別。在濟寧市任城區市區平均二手房的價格達到8000每平方米時，市區外環二手房房屋價格幾乎都在6000-7000每平方米的范圍內波動。即使是靠近電廠、制藥廠的住宅也是如此。對清潔環境邊際支付意愿不明顯使得污染指數對房價的影響甚微。

3.3 污染是普遍現象

一個地區的污染越嚴重，那么人們對于這個地區居住的意愿會下降，進而人口會流出，房價會下跌。這個理論的前提應該建立在該污染地區是特例的基礎之下。目前中國的環境污染是一個普遍的現象。人們很難找到一個經濟發達、就業崗位多而同時環境又優美的城市進行工作，因此宏觀上來看，人們在選房屋考慮環境問題時，基本不會考慮這個地區的整體污染水平。所以在環境問題嚴峻的背景下，全國各地的房價依然趨于增長。

參考文獻：

[1]CHAY K Y， GREENSTONE M.Does air quality matter？ evidence from the housing market [J]Journal of political economy， 2005，113（2） ：376-424

[2]HETTIGE H， MANI M， WHEELER D. Industrial pollution in economic development： the environmental Kuznets curve revisited [J] Journal of development economics，2000，62（2）.

[3] 李君甫，朱孔陽.北京流動人口在京購房狀況研究報告/北京藍皮書：北京社會發展報告（2016-2017）[M].北京： 社會科學文獻出版社，2017.

[4]ZHENG S Q， KAHN M E.2007 Land and residential property markets in a booming economy：new evidence from Beijing [J].Journal of urban economics，2008，63（2）.