中国环境污染对房价的影响程度

蒋政

[摘 要] 文章关注的问题是在中国污染是否会对房价造成影响以及影响的程度。通过对以济宁和山东为例的房价数据分析，发现在我国环境污染对房价波动的影响较小。文章分析表明，在我国目前的大环境下，房价波动主要受到宏观政策因素和人口流动因素的影响。

[关键词] 污染影响；房价；济宁

1 影响房价的两大主流因素

影响住宅需求的因素主要有住宅价格、人均可支配收入、城市人口数量和结构、政策影响等。一般认为，住宅的需求量和价格成反比，但是如果住宅市场中的投机需求占主导地位时，二者之间又会呈现正向变动。而房地产投资投机行为在很大程度上受到宏观因素的影响。此外，一个社会中，城市年轻人比例越高，对住宅市场的消费就会越强烈。近几年，随着大批人口向中国沿海城市和各大中心城市迁移务工以及中国城市化进程加快，带来了众多城市住宅市场异常火爆的局面。

1.1 宏观因素分析

宏观的政策因素也是影响房价上涨的重要原因之一。以中央政府的宏观政策为例，2008年，四万亿的经济政策，大修房产，大修基建，对于制造业来说，这简直就是黄金时代，可四万亿的后果是，人工工资迅速增长，房价迅速飙升。在山东省统计局给出的数据中分析的出，建筑业利润总额相关系数有0.68 之多。大量的宽松资金流入到房地产行业中，导致房价上涨。另外，地产行业属于资金敏感型品种央行的数次降准降息会导致银行的可贷资金增多以及贷款利息下降，降低了买房者的购房成本，进而刺激了购房热情，使楼市供求关系发生变化，最终导致房价出现上涨。

1.2 人口流动

人口的净流入的多少关系到了城市的繁荣程度，也关系到该城市房价的涨幅。社科院《北京流动人口在京购房状况研究报告》：中提到，年龄在28-47岁之间，大专以上学历，月收入在4000元以上，在京流动时间为5至10年，大多是在国企、私企工作的职员或个体工商户，并且是有社会保险的已婚人士是北京流动人口在京购房的主力军。按照北京流动人口购房比例推算，14.6%流动人口购买了北京约120万套房，占北京存量住房的21.8%[3]。与之相对的是东北地区，该地区在第六次人口普查中净流出200万，与之带来的是房价的下跌，即使是当地的主要城市，其房价也不能免于此影响。

2 济宁为例的环境与房价波动分析

一个城市的整体环境质量与该城市的宏观政策密不可分，其产业战略、招商引资方向、鼓励政策、环保法规、环境监察力度都在相当大程度上影响着城市的环境质量。而环境又是人们选择居住地（迁移）的重要参考因素之一，因此我们认为，环境与房价波动应当存在着一定的相关性。

2.1 以济宁市为例的原因

济宁市是山东重要的工业城市，国家七个大型煤化工产业基地之一。该市煤矿丰富，是全国十三个煤炭能源基地之一。但是以煤炭业与化工业为主的经济带来了相应的高污染。济宁的空气污染状况每每在全国空气质量重物染榜单上榜上有名。并且济宁市作为一个工业城市，人口流动相对不明显，但是房价却逐年上涨，在16年人均平均工资3700元（处于山东省倒数）情况下，平均房价达到5795元，位于山东省平均房价前列。所以，济宁市是我们很好的一个研究案例。

2.2 济宁市平均PM2.5与房价走势

14年到16年济宁平均PM2.5数值为93.56，100.38，103.26。从2014-2016三年汇总折线图来看，重物染的天数以及污染指数均在增长。同时，二手住宅价格指数总趋势为增长。由此看来，PM2.5污染指数与房价在同时趋近上涨：2014-2016年PM2.5涨幅为10.37%，二手住宅价格指数约为2%。PM2.5的涨幅远比二手住宅价格的涨幅要快，上涨的污染指数并没有使得房价下跌。

2.3 济宁市市区不同地段污染指数与房价

在得到了济宁市总体PM2.5污染指数与房价走势后，接下来我们将具体关注到济宁市市区内不同地段的房屋价格与污染指数之间的关系。参考文章中选取可悬浮颗粒物污染作为自变量，但是并没有把可悬浮颗粒物分开分别来看各自影响。因为可悬浮颗粒物中含有PM2.5，PM10，硫化物，氮氧化物等，并不是每个因素都一定有可见的影响。因此我们将其各项污染指数分开来看其影响，通过公众环境研究中心的污染地图和AQICN的污染物指数地图得到监测站附近楼盘的各种污染物数据取当年均值，再通过查询互联网房产交易网站，得到相应地段的楼盘价格。为了排除其他可能的重大干扰，所选取的地段均为非学区房、公园、商业中心和工业园区内楼盘。由于济宁市检测点数量有限，文中增加了山东省同为工业城市、各方面与济宁情况相近的数据作为补充。

通过对济宁市区不同地段房价与污染指数数据进行多元线性的回归分析，结果所示：在市区内，不同地段所处位置的空气质量和污水排放仅仅只能解释18的房价变化。故我们认为，在城市市区内，当房屋周边没有学校、商业中心、公园或者工厂、发电站等对房价有明显干扰的因素时，空气污染与水源质量和房屋价格没有明显关系。

2.4 对比分析

为了进一步说明这个问题，我们选取了同为山东省内陆的工业城市、高污染城市的济南市进行对比分析。数据选取了济南市2014、2015和2016年的PM2.5均值与对应年份上半年的二手住宅价格指数。对PM2.5均值求平均后，14年均值為106.77，15年均值为108.38，16年上半年均值为110.10。在此期间，PM2.5指数约上涨3.77%，二手房价约上涨2.20%。同样地，相对较高的PM2.5涨幅在表面上并没有使二手房价的增长率为负值。

下面我们同样通过公众环境研究中心的污染地图和AQICN的污染物指数地图得到监测站附近楼盘的各种污染物数据取当年均值，再通过查询互联网房产交易网站，得到相应地段的楼盘价格。为了排除其他可能的重大干扰，所选取的地段均为非学区房、公园、商业中心和工业园区内楼盘。进行回归后，回归结果显示，市区内不同地段的污染指数对房价影响同样不明显。

2.5 以山东省各市为例探究污染对房价影响

通过上述对单个城市的市区不同地段分析之后，我们对山东省各市的年均污染数据与平均房价进行分析，探究之间的关系。取山东省2016年统计年鉴中的数据，经过筛选后，我们选取可支配收入、废水排放量、氮氧排放量、二氧化硫排放量、氮氧化物排放量、工业总产值、建筑业利润总额、人口密度和GDP作为自变量，平均房价作为因变量，进行多元回归分析。

通过构建训练集与测试集之后，利用sklearn进行线性回归，如图1所示。经过对数据的清理、筛选后，得出回归方程y = 3369-0.507553501*氮氧排放量值-0.060555041*氮氧化物排放量值+ 2.11609188*GDP。

通过对上述数据进行处理，我们看到，污染物指数对房价的影响非常小，部分指数如S02指数、废水排放量等甚至对房价影响不显著。

3 污染对房价几乎没有影响的原因分析

3.1 污染与就业分析

我们的社会资源可以理解为在环保产品与一般经济产品（非环保产品）之间的配置，在环境保护过程中意味着更多的社会资源流向环保产品生产领域，更多的环保产品被生产出来。往往高污染是工业与经济繁荣发展造成，就业人数的指标往往会盖过污染的指数。[2]为了就业，人们往往会忽略污染。如过去的伦敦，现在的北京，迪拜等金融中心，即使是高污染，也不能抵消人們对其的向往。在此情况下，污染对房价的影响在污染情况没有严重致病率情况下微乎其微。

3.2 公众对清洁环境边际支付意愿不明显

相比于发达国家，发展中国家的民众对环境污染程度相对不敏感，公众对清洁环境边际支付意愿不明显。以济宁市为例，以人民公园作为中心，以到电厂中苑的距离为半径画弧，途经路线已为济宁外环，发现到靠近市发电站和鲁抗制药厂厂房附近的住宅，其价格与距市中心同等位置的无明显污染源的楼盘价格，并无太大区别。在济宁市任城区市区平均二手房的价格达到8000每平方米时，市区外环二手房房屋价格几乎都在6000-7000每平方米的范围内波动。即使是靠近电厂、制药厂的住宅也是如此。对清洁环境边际支付意愿不明显使得污染指数对房价的影响甚微。

3.3 污染是普遍现象

一个地区的污染越严重，那么人们对于这个地区居住的意愿会下降，进而人口会流出，房价会下跌。这个理论的前提应该建立在该污染地区是特例的基础之下。目前中国的环境污染是一个普遍的现象。人们很难找到一个经济发达、就业岗位多而同时环境又优美的城市进行工作，因此宏观上来看，人们在选房屋考虑环境问题时，基本不会考虑这个地区的整体污染水平。所以在环境问题严峻的背景下，全国各地的房价依然趋于增长。

参考文献：

[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，朱孔阳.北京流动人口在京购房状况研究报告/北京蓝皮书：北京社会发展报告（2016-2017）[M].北京： 社会科学文献出版社，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）.