劉小峰，陳睿源，吳孝靈

（南京財經(jīng)大學，江蘇南京210023）

近幾年，由環(huán)境引發(fā)的鄰避事件不斷發(fā)生，典型案例有2005年的浙江東陽事件、2007年的福建廈門PX事件、2012年的四川什邡鉬銅項目事件、2014年的廣東化州火葬場事件和2016年的江蘇連云港蘇寧廣場事件等。鄰避事件已成為我國國民經(jīng)濟和社會發(fā)展中迫切需要解決的社會環(huán)境管理問題。如何科學認識和治理這類群體性事件，成為學界和各級政府最難以把握卻又不得不面對的“燙手山芋”[1]。導致群體性鄰避事件發(fā)生的原因有很多，其中，資產(chǎn)貶值是人們反對鄰避設施的重要理由，如2009年百萬居民面對可能導致的樓價下跌集體反對廣州番禺垃圾焚燒項目，2015年不少居民擔心影響房價反對上海閘北區(qū)大型垃圾中轉站興建。相關研究也支持這一結論，如Boes 等[2]基于12年的數(shù)據(jù)，采用雙重差分模型評估了核電站對周邊房地產(chǎn)租房價格的影響，發(fā)現(xiàn)福島事件發(fā)生后，瑞士核電站附近的房地產(chǎn)租房價格下降了2.3%；陳佛保和郝前進[3]以上海市垃圾中轉站周邊的房地產(chǎn)價格作為媒介研究了環(huán)境市政設施的鄰避效應；劉小峰[4]基于金陵石化工業(yè)區(qū)周邊居民調(diào)查數(shù)據(jù)分析認為周遭資產(chǎn)貶值是導致鄰避傾向的重要原因。盡管研究者和管理者都認識到資產(chǎn)貶值是導致鄰避行為的重要原因，也認為環(huán)境補償是解決鄰避沖突的重要方法，然而，理論與實務界仍缺乏科學、有效方法度量鄰避設施導致周邊資產(chǎn)貶值。

擴展到一般性的環(huán)境損失評估，主要可以分為兩類：一類為環(huán)境污染事故導致的損失評估。目前中國環(huán)境規(guī)劃院等機構專門出臺了一系列的評估方法，如《環(huán)境損害鑒定評估推薦方法》《環(huán)境污染損害數(shù)額計算推薦方法》等，可采用恢復費用法、市場價值法等對各類環(huán)境污染導致的人身、財產(chǎn)、應急等損失進行經(jīng)濟評估[5]，逐漸形成可實踐操作和理論研究的基本規(guī)范。如王浩[6]等以臺州鉛蓄電池企業(yè)為例研究了鉛污染事故生態(tài)環(huán)境損失評估。另一類為非突發(fā)性的環(huán)境污染事故。與治療搶救、應急恢復等不同，這類事故較難通過直接計算相關費用來確定損失，目前對這一類問題仍缺乏系統(tǒng)的研究[7]。在這種情況下，由于環(huán)境的經(jīng)濟外部性特征，人們較難直接度量環(huán)境的經(jīng)濟價值，一般需要在缺乏環(huán)境服務（商品）市場數(shù)據(jù)的情況下發(fā)掘新的方法來估算環(huán)境的經(jīng)濟價值。其中，條件價值法是當前流行的對環(huán)境等具有無形效益的公共物品進行價值評估的方法，主要利用問卷調(diào)查方式直接考察受訪者在假設性市場中的經(jīng)濟行為，以得到消費者支付意愿來對商品或服務的價值進行計量[8]。如全世文[9]基于選擇實驗方法的北京市空氣質量價值評估，但該方法的缺陷便是受訪者在調(diào)查匯總中給出的回答存在偏差。由于我國公民的環(huán)境維權意識薄弱，對環(huán)境補償?shù)木唧w數(shù)額沒有形成成熟的概念，在我國采用該方法仍不成熟[4]。另一個主流思路便是選擇與環(huán)境關系密切且市場化“商品”作為環(huán)境價值的重要承載對象?，F(xiàn)有的研究成果基本上以住房市場、居民健康狀況以及與環(huán)境相關的娛樂和消費品作為度量的“媒介”[10]，如焦張義[11]探討了房價、生態(tài)環(huán)境質量與最優(yōu)城市規(guī)模，把房價和生態(tài)環(huán)境的新經(jīng)濟地理模型相聯(lián)系；Mínguez等[12]以馬德里的不動產(chǎn)價格為研究對象，通過空間模型研究了污染對相關資產(chǎn)的影響。這種做法的重要依據(jù)是人們對“好的”環(huán)境要求會隨收入增長與社會發(fā)展而不斷提高，人們會愿意支付更高的價格來購買“更好”的環(huán)境，目前已有研究通過實證方法證實了這一結論[10]，但沒有給出相應環(huán)境損失評估的計算方法，無法像環(huán)境污染事故導致的損失一樣形成可操作性評估方法。

本文在已有研究基礎上，對雙重差分模型（difference in differences model，DID）進行適應性調(diào)整，構建鄰避設施導致的資產(chǎn)損失評估模型，以南京市為例探討不同鄰避設施對周邊資產(chǎn)價值的影響，為客觀了解鄰避設施導致的資產(chǎn)損失情況以及制定科學環(huán)境賠償方案提供決策參考。主要貢獻有：①為非突發(fā)性的環(huán)境污染損失評估提供了一種新的方法。根據(jù)鄰避沖突的內(nèi)在屬性，選擇“房地產(chǎn)”作為評估周邊居民資產(chǎn)損失的媒介，基于雙重差分模型構建鄰避設施導致的資產(chǎn)損失評估模型。鑒于鄰避設施存在的歷史性和鄰避沖突爆發(fā)的突然性，本文對雙重差分模型的運用進行了調(diào)整，與常見的政策評價運用選擇靜態(tài)的基準點不同，選擇了動態(tài)的基準點，另外，對照組選擇的是“一攬子”房地產(chǎn)，增強了雙重差分模型在具體問題分析上的適應性。②已有的從經(jīng)濟因素揭示鄰避行為的微觀機理的研究多基于社會調(diào)查，較難解決受訪者的認知與回答偏差難題，本文基于房地產(chǎn)客觀數(shù)據(jù)從居民居住屬性和房價變動方面刻畫居民鄰避傾向，為鄰避問題提供了一種新的研究視角。③已有研究從不同角度闡述了鄰避設施類型會導致居民不同的鄰避傾向，本文進一步得到了區(qū)域繁華程度等因素可以消除鄰避設施的部分影響、鄰避設施對周邊社區(qū)房價的影響在市場中存在一定的滯后性等結論，豐富了已有研究成果。

1 基于DID的資產(chǎn)損失評估模型

雙重差分模型在政策效應評估領域得到廣泛采用，該方法主要評估某一政策或者事件帶來的凈影響。近些年，一些研究者也試圖通過尋找經(jīng)濟活動中存在的“自然實驗”和“準自然實驗”比較作差得到環(huán)境的價值[13]，如Chay和Greenstone[14]通過對比《清潔空氣法》出臺前后度量了美國政府對大氣污染的治理帶來的巨額經(jīng)濟價值。同時選用房地產(chǎn)作為評估鄰避設施導致的資產(chǎn)損失的“媒介”有較為充分的理由：基于人口遷移理論與實踐，在不考慮地區(qū)依附的情況下，周遭居民可以通過自由遷徙（在區(qū)域的其他地區(qū)找一個類似的房產(chǎn)進行置換）來規(guī)避鄰避設施導致的負面環(huán)境影響，如此，就不存在鄰避問題。事實上，不少地區(qū)因環(huán)境污染、土地毒化等問題，居民選擇逃離污染源，原本人口密接之地逐漸成為“空心村”。其次，DID模型可以解決“特征價格模型”等方法無法規(guī)避的內(nèi)生性問題，容易抽取出“鄰避”這一單獨因素導致的影響。再次，由于房地產(chǎn)市場的重要性，大量的相關成熟理論和研究方法得以累積，可以很好地度量各種因素對房地產(chǎn)價格的影響，而且有相對較為完善的現(xiàn)實數(shù)據(jù)。

基于DID的資產(chǎn)損失評估模型，需要對雙重差分模型進行適應性調(diào)整，包括基準點的調(diào)整、處理組和對照組的選擇，其核心是將有鄰避設施的小區(qū)視為自然實驗或準自然實驗，將全部樣本分為受到鄰避設施影響的處理組以及沒有受到鄰避設施影響的對照組兩類（圖1）。假設處理組（受鄰避設施影響小區(qū)）和對照組（不受鄰避設施影響小區(qū)）除周邊是否存有鄰避設施差異外，其他因素相同。首先，分別計算出處理組和對照組的房地產(chǎn)價格在基準點前后的變化量，分別為然后，再計算這兩個變化量的差值dx，也就是鄰避設施對處理組影響的凈效應。

圖1 度量鄰避設施導致的資產(chǎn)損失的雙重差分模型

在度量鄰避設施導致的資產(chǎn)損失的雙重差分模型中，還需要討論以下幾個問題：

（1）基準點的選擇問題。

一般而言，基準點為某一政策實施或某一事件發(fā)生的時間，鄰避設施導致周邊房地產(chǎn)經(jīng)濟性貶值估算應該采取鄰避設施建設時間點，而且需要滿足重要前提——所選擇的房地產(chǎn)價格Pt0和Pt1并未受到新建鄰避設施消息的預期影響，方法應用的關鍵變成時間節(jié)點t0和t1的選取。但更普遍的情形是，大量的鄰避設施已經(jīng)存在，而居民對鄰避設施的風險認知則是近幾年達到較高水平，現(xiàn)實條件已經(jīng)無法追溯到鄰避設施的新建點進而對比房地產(chǎn)價格的變化，即便是新建的鄰避設施，周邊的房價往往也在新建時已經(jīng)受到新建鄰避設施消息的重要影響，因此，基準點的選擇成為雙重差分模型應用的關鍵和難題。本文把度量鄰避設施對周邊房價的影響轉變?yōu)樘幚斫M的房地產(chǎn)價格變化與對照組的房地產(chǎn)價格變化的差額，即在房地產(chǎn)上漲行情中，居民抱怨其房地產(chǎn)價值漲得少，在房地產(chǎn)下跌行情中，居民抱怨其當?shù)禺a(chǎn)價值跌得多。這樣，基準點便不是靜態(tài)的，而是隨環(huán)境動態(tài)變化的。

考慮到鄰避設施對周邊地產(chǎn)價值影響的累積性，假定資產(chǎn)的剩余壽命為n年，可先計算出每年（或每月，或每季度）平均影響額每個時間節(jié)點的社區(qū)房價可由大量的現(xiàn)實數(shù)據(jù)統(tǒng)計得到；然后通過年金折現(xiàn)得到鄰避設施對處理組影響的凈效應，也就是資產(chǎn)的經(jīng)濟性貶值。

式中，d為資產(chǎn)的累積損失；r為折現(xiàn)率，是投資標的資產(chǎn)（房地產(chǎn)）的期望投資回報率。

（2）處理組的選擇問題。

鄰避設施導致的資產(chǎn)損失評估中，處理組和對照組的選擇都會面臨判斷問題。處理組的選擇相對比較容易，可以根據(jù)鄰避設施的影響范圍來界定。若處理組不在經(jīng)驗或專家認為的可接受范圍，則劃分為處理組。影響范圍可以根據(jù)國家安全評價或者環(huán)境影響評價方法來測算。不過需要說明的是，現(xiàn)實困難是國家相關法規(guī)對于大多數(shù)有潛在環(huán)境威脅的鄰避設施沒有說明其可接受范圍，如垃圾處理站，《生活垃圾焚燒污染控制標準》中對垃圾焚燒廠的選址沒有明確的距離界定，包括更為敏感的PX項目，也都沒有具體的法規(guī)約束PX項目必須建立在距離居民區(qū)多遠以外。

（3）對照組的選擇問題。

對照組指隨機抽取的對象的子集，在這個子集中，每個單位均不受到處理組成員所接受的某種特別的處理。但在現(xiàn)實中，由于房地產(chǎn)價格受到諸多因素的影響，找到滿足條件的對照組成為難題?？晒┻x擇的方法有：①選擇整個城市的房地產(chǎn)作為對照組，取城市房地產(chǎn)均價作為計量標準。其優(yōu)點是計算簡單，缺點是城市房地產(chǎn)均價是一個爭議數(shù)字，而且樣本包含處理組。②選擇某一不受鄰避設施影響的房地產(chǎn)作為對照組。其優(yōu)點是房地產(chǎn)價格明確，完全不受鄰避設施影響，缺點是房地產(chǎn)價格受到諸多因素影響，較難剔除其他因素的影響，計算結果波動較大，不穩(wěn)定。③折中方法，即選擇若干組滿足對照條件的房地產(chǎn)作為“虛擬對照組”，即“一攬子”（basket）房地產(chǎn)作為對照組。其優(yōu)點是可以規(guī)避單一房地產(chǎn)帶來的不穩(wěn)定性，又兼具整體性，缺點是計算量較大。

2 研究對象及范圍

本文研究的是鄰避設施對周邊社區(qū)房地產(chǎn)價值的影響，其研究對象包括鄰避設施和社區(qū)房地產(chǎn)。設施性質的不同導致其鄰避效應的差異[15]，對周邊社區(qū)房價的影響也不同?；诖?，本文根據(jù)鄰避類型的差異選擇了四類鄰避設施作為研究對象，分別為公墓、監(jiān)獄、污水處理廠、化工廠。其中有環(huán)境污染較為明顯的化工廠以及有一定污染的污水處理廠，也有基本無環(huán)境污染但會使周邊居民產(chǎn)生心理不悅及安全恐慌的公墓和監(jiān)獄?？紤]到鄰避設施的影響性和數(shù)據(jù)的可獲得性，如果周邊沒有成熟的社區(qū)，本文剔除相關樣本。整理得到其樣本情況為：①公墓。目前南京市合法公墓共計15處，大部分公墓2.5km內(nèi)并無成熟住宅社區(qū)，本文選擇滿足研究條件的3處公墓，包括南京金陵華僑永久墓園、江寧和六合地區(qū)的兩座墓園。②監(jiān)獄。本文選擇滿足條件的3座監(jiān)獄，包括南京女子監(jiān)獄、江寧監(jiān)獄和浦口監(jiān)獄。③化工廠。本文選擇滿足條件的4家化工公司，包括揚子石化-巴斯夫有限責任公司、江蘇鐘山化工有限責任公司、南京帝斯曼東方化工有限公司和中國石化揚子石油化工有限公司。④污水處理廠。本文選擇滿足條件的4處污水處理廠，包括南京鵬鷂水務公司、城東污水廠、南京市科學園污水廠和南京城北污水廠。

考慮到商業(yè)房地產(chǎn)、辦公房地產(chǎn)和工業(yè)房地產(chǎn)在市場中的流動性，本文選擇社區(qū)居民住宅作為研究對象，同時考慮到限價房和保障性住房價格并不市場化，故剔除限價房和保障性樣本。國內(nèi)學者對鄰避設施研究表明，鄰避設施的影響范圍因各地的城市規(guī)劃、經(jīng)濟發(fā)展和基礎設施情況而各有不同，一般認為鄰避設施對步行10分鐘范圍內(nèi)的房地產(chǎn)價值有較大影響，因此以往學者研究中有采用0.5km、1km、4km作為范圍的，且普遍采用2～3km作為研究范圍[16]。本文在綜合分析國內(nèi)外研究情況和結合南京市自身特點的基礎上，采用較為普遍的2.5km作為研究范圍。而對于社區(qū)住宅周遭是否存在相關鄰避設施，主要通過公眾環(huán)境研究中心（http://www.ipe.org.cn）所公布的信息，首先鎖定處在南京市鄰避設施周圍的住宅并通過地圖測距功能計算其距離鄰避設施的距離，然后通過一系列的網(wǎng)站詢價及實地查詢，獲得房地產(chǎn)信息資料。在進行對照組選擇的時候，采用“一攬子”房地產(chǎn)作為對照組，即利用南京市各個商圈周邊的住宅價值的均值作為衡量標準。

3 模型計算

3.1 雙重差分法的適用性檢驗

為保證對照組和處理組數(shù)據(jù)可適用于雙重差分模型，本文首先對被選社區(qū)房地產(chǎn)價格的差分值逐一進行ADF檢驗?；贛ATLAB軟件，利用ADFTEST函數(shù)對待檢驗序列進行平穩(wěn)性檢驗，反饋值均為1，表明序列平穩(wěn)。同時，對相關數(shù)據(jù)進行同質性檢驗，以被選社區(qū)房地產(chǎn)在基準點的地產(chǎn)價格的差分值作為被解釋變量，以是否為處理組作為解釋變量，進行回歸。研究處理組和對照組在基準點前變化趨勢的異同。若回歸結果均不顯著，則說明雙重差分模型得到的估計結果是無偏的，可適用于雙重差分模型。

3.2 變量計算及其描述性統(tǒng)計

（1）處理組數(shù)據(jù)計算。

社區(qū)房地產(chǎn)價格主要通過兩種方法獲得：一是通過網(wǎng)絡報價收集，包括安居客、365地產(chǎn)家居網(wǎng)、禧泰數(shù)據(jù)庫等網(wǎng)上報價；二是對在售住宅包括新房及二手房進行實地詢價。經(jīng)過實地調(diào)研、官方統(tǒng)計數(shù)據(jù)和專業(yè)中介機構統(tǒng)計數(shù)據(jù)共采集92個住宅小區(qū)作為樣本，最后篩選出有完整數(shù)據(jù)的住宅小區(qū)樣本55個，其中，公墓、化工廠、污水處理設施、監(jiān)獄各處理組周邊的社區(qū)數(shù)分別為15個、21個、5個和14個。搜集的房地產(chǎn)價格主要是2012—2015年三年各季度的網(wǎng)上掛牌的價格，主要變量的描述性統(tǒng)計見表1。

表1 主要變量的描述性統(tǒng)計

（2）對照組數(shù)據(jù)計算。

根據(jù)牟宇峰等[17]的研究，本文選擇新街口、河西中心區(qū)、湖南路、夫子廟和中央門五大商圈作為對照組。由于不同商業(yè)中心的經(jīng)濟地位和經(jīng)濟實力是有差別的，需要根據(jù)每一商業(yè)中心的影響程度對處在不同商圈周圍的小區(qū)進行不同權重的賦值，以期體現(xiàn)這一影響。商圈大都處于城市的中心，地理密集度較大。為了避免樣本數(shù)據(jù)較為集中，在確定商圈周邊住宅范圍時，本文以距離商圈0.5km之內(nèi)的小區(qū)作為參照標準進行數(shù)據(jù)采集，而且同一商圈的住宅小區(qū)樣本數(shù)量為5個。計算步驟為：首先，按照不同商圈，將商圈中搜集的5個小區(qū)的房價按照不同的年限進行平均。

其中，變量X含義為每個小區(qū)在不同時期的房價，下標j1代表新街口商圈，j2代表河西商圈，j3代表夫子廟商圈，j4代表湖南路商圈，j5代表中央門商圈；下標ti代表時間，取值為1至12，即以三年為研究時間長度，按照每一年四個季度搜集到的房價數(shù)據(jù)。

然后，將第一步驟中所得的數(shù)據(jù)進行系數(shù)調(diào)整，即按照不同的商圈等級進行系數(shù)賦值加權平均得到參照組的數(shù)據(jù)。

式中，aj，j=1,2,3,4,5，滿足 ∑αj=1，為各商圈的調(diào)整系數(shù)，根據(jù)商業(yè)繁華程度，本文對位于新街口、河西商圈周圍的小區(qū)房價各賦予0.25的調(diào)整系數(shù)，對位于湖南路、夫子廟商圈周圍的小區(qū)房價各賦予0.2的調(diào)整系數(shù)，而對位于中央門商圈周圍的小區(qū)房價賦予0.1的調(diào)整系數(shù)，即α1=α2= 0.25，α3=α4= 0.2，α5=0.1。

（3）影響程度計算。

式（2）計算出的結果得到鄰避設施對某一具體小區(qū)房地產(chǎn)價值影響的累積性。為更具一般性，需要對鄰避設施周邊滿足條件的所有社區(qū)進行處理。本文采取簡單算術平均法對每種鄰避設施對周邊社區(qū)房價的影響進行度量，影響程度可作為鄰避設施對周邊社區(qū)造成的經(jīng)濟性貶值，可作為環(huán)境補償?shù)闹匾罁?jù)，有：

其中，S為城市鄰避設施對周邊社區(qū)房價的影響程度；dt為鄰避設施對第t個社區(qū)的影響值；n為某一類型鄰避設施周邊的社區(qū)數(shù)量，在計算中，房地產(chǎn)住宅年報酬率取值為7%，即r=7%。

3.3 計算結果及其分析

（1）不同鄰避設施對周邊社區(qū)房價影響不同。

通過化工類鄰避設施、公墓類鄰避設施、監(jiān)獄類鄰避設施以及污水處理廠類鄰避設施的雙重差分分別計算出各處理組的影響程度。按照影響程度大小依次為：化工組影響程度為302.10，監(jiān)獄組影響程度為284.20，公墓組影響程度為193.93，污水組影響程度為179.93。具體見表2?；ゎ愢彵茉O施對周邊房價的影響程度最為明顯，監(jiān)獄類設施對房價影響次之，公墓類和污水處理廠這兩類設施對于住宅所產(chǎn)生的經(jīng)濟性貶值基本一致。由于監(jiān)獄和公墓對居民的影響更多的是心理和安全因素，而非環(huán)境因素，可見居民鄰避的因素不僅僅是環(huán)境污染，更多的是一種綜合復雜的情緒和行為表達。

（2）區(qū)域繁華程度等因素可以消除鄰避設施的部分影響。

為進一步分析同一類型的鄰避設施對周邊社區(qū)房價的影響是否一致，本文選擇了鄰避設施分布特點為“分散”和全城“均有”的公墓和污水處理廠作為研究對象，對其樣本所處的區(qū)域進行細分，計算鄰避設施對其的影響程度。研究發(fā)現(xiàn)，在公墓組樣本中，處在“城中”的影響程度為105.00，處在“非城中”的影響因素為271.75；在污水組樣本中，處在“城中”的影響程度為84.50，處在“非城中”的影響因素為251.50。導致這種差異的原因與房地產(chǎn)價格的影響因素有關，根據(jù)房地產(chǎn)價格特征模型，影響房屋價值的因素可以分為宏觀因素和微觀因素。宏觀因素一般包括經(jīng)濟發(fā)展狀況、利率、人均GDP、城市規(guī)模以及國家政策法規(guī)等。微觀因素則主要包括建筑、鄰里、區(qū)位等。本文的研究樣本均在南京市內(nèi)，面臨的宏觀因素是同質的，導致這種差異的應為該區(qū)域內(nèi)的微觀因素。通過對相關樣本的實地調(diào)查和網(wǎng)上數(shù)據(jù)搜集發(fā)現(xiàn)，處于這兩類鄰避設施周圍的社區(qū)其周邊配套設施較為成熟，且有著較為豐富的教育資源、交通資源以及醫(yī)療資源，這在一定程度上消除了鄰避設施對其造成的負面影響。

表2 鄰避設施影響程度與周邊資產(chǎn)經(jīng)濟性貶值

（3）鄰避設施對房價影響范圍分析。

已有研究發(fā)現(xiàn)，污染性鄰避設施，如核電站，對周邊房價的影響與距離成正比[17]，但交通性鄰避設施，如地鐵，對沿線的房價的影響呈現(xiàn)先大再小的倒“U”形結構[18]。盡管本文對處理組的樣本選擇進行了距離限制，但也發(fā)現(xiàn)類似但略有差異的結論。在公墓、監(jiān)獄和污水處理廠這3組中，鄰避設施對周邊房價的影響與距離成正比，如在公墓組中，距離較遠的曙光里和春光里小區(qū)，其影響值僅為78.82和84.19，但距離較近的盤金華府和科嘉花園，其影響值為213.55和229.10。然而在化工組中，并未得到類似的結論，可能原因是選擇的研究對象為化工園區(qū)，較難刻畫出其對距離的影響。

對照組和處理組房地產(chǎn)價格變化如圖2所示。

（4）鄰避設施對房價影響與市場行情的關系。

圖2 對照組和處理組房地產(chǎn)的價格變化

通過對相關樣本數(shù)據(jù)進行分析，研究發(fā)現(xiàn)，與城市繁華商圈相比，在房地產(chǎn)的上漲行情與下跌行情中，鄰避設施對周邊資產(chǎn)的價值影響存在差異性。在上漲行情中，鄰避設施較大程度地影響了周邊資產(chǎn)的升值，在研究區(qū)間，2012年6月至2014年3月以及2014年12月至2015年3月上漲行情中，參照組平均每季度上漲了674.87元，而處理組僅上漲了313.60元，僅為參照組的46.47%；然而在下跌行情中（2014年3月至2014年12月），參照組平均每季度下跌了-473.39元，然而有意思的是，處理組僅僅下跌了-167.65元，僅為參照組的35.41%。在下跌行情中，受鄰避設施影響的房地產(chǎn)表現(xiàn)出了較強的抗跌性。這表明鄰避設施周邊的資產(chǎn)價格市場表現(xiàn)僅僅滿足“上漲時漲得少”，而不滿足“下跌時跌得多”。這豐富了已有大部分研究認為的鄰避設施的存在對周邊資產(chǎn)以負面影響為主的結論[12]，刻畫了在資產(chǎn)價格不同行情下可能存在不同演變特點。

3.4 穩(wěn)健性分析

為了檢驗研究結果的穩(wěn)健性，本文還對研究設計做了如下調(diào)整：①基準點變化的調(diào)整，將動態(tài)基準點設置為季度節(jié)點，觀察結果變化，研究發(fā)現(xiàn)影響程度未發(fā)生變化，數(shù)值上略有差異，化工組影響程度為310.52，監(jiān)獄組影響程度為275.78，公墓組影響程度為195.86，污水處理廠組影響程度為188.30，但變化幅度均小于5%，其他結論未發(fā)生實質性改變。②樣本選擇的調(diào)整，將對照組數(shù)據(jù)中的五大商圈調(diào)整為傳統(tǒng)的四大商圈，即去掉周邊鄰避設施最少的近十年形成的河西商圈，發(fā)現(xiàn)本文結論沒有實質性改變。

4 結論與政策建議

因鄰避設施等問題導致的居民經(jīng)濟損失或者該賦予良好人居環(huán)境以多少經(jīng)濟價值是環(huán)境經(jīng)濟學的難題，也是可持續(xù)發(fā)展的關鍵問題。本文針對鄰避設施所產(chǎn)生的經(jīng)濟性貶值進行了研究，通過對“鄰避”這一理論的探討結合相應的房地產(chǎn)評估理論以及計量手段，為研究鄰避設施對周邊房地產(chǎn)價值的影響提供了一種新的思維方式。研究可為鄰避沖突導致的環(huán)境補償和協(xié)調(diào)機制構建提供方法支持，可為相關利益主體提供一些決策建議。首先，對于房地產(chǎn)投資者或者購買者，從本文的研究可知，化工廠和污水處理廠更多的是帶來環(huán)境與健康問題，而監(jiān)獄和公墓對居民的影響更多的是心理和安全因素，而非環(huán)境因素，居民鄰避的因素不僅僅是環(huán)境污染，還是一種綜合復雜的情緒和行為表達。如果購房者自身更關注環(huán)境因素而非心理和安全因素，其可以通過購買公墓以及監(jiān)獄周邊的地產(chǎn)，獲得房屋價格上的收益。其次，對于政府來說，經(jīng)濟補償是解決鄰避沖突的重要措施，其能在一定程度上減少該區(qū)域居民的不平衡感，有利于安撫居民情緒；但非經(jīng)濟補償同樣必不可少，需要了解民眾的風俗習慣，有針對性地進行多形式的環(huán)境補償。再次，對于鄰避設施的運營商來說，應在選址上進行慎重的考慮，盡量選擇遠離城區(qū)、人口密集度不高的地方，以免對周邊居民的健康造成危害。

[1] 童星, 張海波. 群體性突發(fā)事件及其治理——社會風險與公共危機綜合分析框架下的再考量[J]. 學術界, 2008（2）: 35-45.

[2] BOES S, NüESCH S, WüTHRICH K. Hedonic valuation of the perceived risks of nuclear power plants[J]. Economics letters, 2015,133: 109-111.

[3] 陳佛保, 郝前進. 環(huán)境市政設施的鄰避效應研究——基于上海垃圾中轉站的實證分析[J]. 城市規(guī)劃, 2013, 37（8）: 74-79.

[4] 劉小峰. 城市居民對鄰避設施的風險認知與補償意愿——基于金陵石化工業(yè)區(qū)周邊居民調(diào)查數(shù)據(jù)的分析[J]. 城市問題, 2015（9）: 99-103.

[5] 王鯤鵬, 於方, 張衍燊. 淺議突發(fā)環(huán)境事件直接經(jīng)濟損失評估工作方法[J]. 中國環(huán)境管理, 2017, 9（3）: 66-68, 82-82.

[6] 王浩, 胡慶年, 林星. 鉛污染事故生態(tài)環(huán)境損失評估——以臺州鉛蓄電池企業(yè)為例[J]. 中國環(huán)境管理, 2013, 5（2）: 30-35.

[7] ESHRAGH F, POOYANDEH M, MARCEAU D J. Automated negotiation in environmental resource management: Review and assessment[J]. Journal of environmental management, 2015, 162:148-157.

[8] Mitchell R C, Carson R T. Using Surveys to Value Public Goods: the Contingent Valuation Method[M]. Washington, DC: Routledge, 2013.

[9] 全世文. 基于選擇實驗方法的北京市空氣質量價值評估[J]. 中國人口·資源與環(huán)境, 2017, 27（9）: 46-55.

[10] 鄧國營, 徐舒, 趙紹陽. 環(huán)境治理的經(jīng)濟價值: 基于CIC方法的測度[J]. 世界經(jīng)濟, 2012（9）: 143-160.

[11] 焦張義. 房價、生態(tài)環(huán)境質量與最優(yōu)城市規(guī)模[J]. 南方經(jīng)濟,2012（30）: 63-73.

[12] MíNGUEZ R, MONTERO J M, FERNáNDEZ-AVILéS G.Measuring the impact of pollution on property prices in Madrid:objective versus subjective pollution indicators in spatial models[J].Journal of geographical systems, 2013, 15（2）: 169-191.

[13] DESCHACHT N, GOEMAN K. The effect of blended learning on course persistence and performance of adult learners: a differencein-differences analysis[J]. Computers & education, 2015,（87）:83-89.

[14] CHAY K Y, GREENSTONE M. Does Air Quality Matter?Evidence from the Housing Market[R]. NBER Working Paper No.6826. Cambridge, MA: National Bureau of Economic Research,1998.

[15] 陶鵬, 童星. 鄰避型群體性事件及其治理[J]. 南京社會科學,2010（8）: 63-68.

[16] 牟宇峰, 孫偉, 吳加偉. 南京商業(yè)中心演化與布局研究[J]. 世界地理研究, 2014, 23（2）: 112-122.

[17] CLARK D E, MICHELBRINK L, ALLISON T, et al. Nuclear power plants and residential housing prices[J]. Growth and change,1997, 28（4）: 496-519.

[18] 蘇亞藝, 朱道林, 鄭育忠, 等. 軌道交通對城郊之間房價梯度影響研究——以北京西南部為例[J]. 資源科學, 2015, 37（1）:125-132.