梅應(yīng)丹 高立 邱筠 陳家德

摘要 我國(guó)大氣污染形勢(shì)嚴(yán)峻，科學(xué)合理地評(píng)估大氣污染的經(jīng)濟(jì)損失不僅有益于政策效益分析，同時(shí)是“綠色國(guó)民經(jīng)濟(jì)”核算的一項(xiàng)基礎(chǔ)性工作?；谖覈?guó)2013年2月到2018年7月的區(qū)縣月度房屋交易數(shù)據(jù)和7種大氣污染指標(biāo)（AQI、SO2、NO2、CO、O3、PM10、PM2.5）的濃度數(shù)據(jù)，運(yùn)用特征價(jià)格模型實(shí)證量化大氣污染物減少的邊際支付意愿（MWTP）和總經(jīng)濟(jì)損失。首先通過(guò)改變理性預(yù)期的時(shí)間段驗(yàn)證理性預(yù)期假設(shè)的成立，在此基礎(chǔ)上采用理性預(yù)期方法解決遺漏變量所導(dǎo)致的內(nèi)生性問(wèn)題。研究結(jié)果顯示：①NO2、CO、PM2.5和PM10每上升1μg/m3，房?jī)r(jià)分別降低約2.04%、0.028%、0.34%和0.39%;而SO2與O3對(duì)房?jī)r(jià)的影響并不顯著。②近年來(lái)大氣污染的經(jīng)濟(jì)損失有所降低，政府的治理效果顯著，但仍不容小覷。2013年AQI、PM10和PM2.5未達(dá)標(biāo)導(dǎo)致的經(jīng)濟(jì)損失分別約為35 600億元、19 300億元和24 100億元，約占當(dāng)年GDP的6.06%、3.29%和4.11%;2018年分別降低至19 200億元、5 300億元和6 700億元，占當(dāng)年GDP的 2.14%、0.60%和0.74%。盡管PM10和PM2.5濃度也在逐年下降，但仍未達(dá)到《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》所要求的二級(jí)限值。最終評(píng)估結(jié)果顯示，PM10和PM2.5二者導(dǎo)致的經(jīng)濟(jì)損失的加總數(shù)值，與AQI得到的數(shù)值相差無(wú)異。進(jìn)一步證實(shí)了我國(guó)當(dāng)前大氣污染導(dǎo)致的社會(huì)經(jīng)濟(jì)福利損失主要是來(lái)自PM10和PM2.5的超標(biāo)，因此治理“霧霾”是改善當(dāng)前空氣質(zhì)量的關(guān)鍵。

關(guān)鍵詞 大氣污染;理性預(yù)期方法;特征價(jià)格模型;經(jīng)濟(jì)損失

中圖分類號(hào) F272 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2021）02-0024-10 DOI：10.12062/cpre.20200609

為應(yīng)對(duì)嚴(yán)峻的大氣污染形勢(shì)，我國(guó)政府出臺(tái)了一系列控制政策和措施，包括《大氣污染防治行動(dòng)計(jì)劃》和《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》等，打好這一戰(zhàn)對(duì)大氣污染政策治理效率提出了更高要求。衡量政策實(shí)施效率的重要指標(biāo)之一是其所帶來(lái)空氣質(zhì)量改善的經(jīng)濟(jì)效益。然而，評(píng)估這些效益面臨諸多困難，其原因之一是政策的制定和實(shí)施所帶來(lái)的空氣質(zhì)量改善缺乏直接的市場(chǎng)價(jià)格，由于空氣質(zhì)量的公共物品屬性，故難以貨幣化，這對(duì)準(zhǔn)確評(píng)估大氣污染的社會(huì)福利損失提出了挑戰(zhàn)。因此，科學(xué)合理地評(píng)估消費(fèi)者對(duì)改善空氣質(zhì)量的邊際支付意愿、計(jì)算大氣污染經(jīng)濟(jì)損失，對(duì)大氣污染減排政策制定和實(shí)施具有現(xiàn)實(shí)指導(dǎo)意義。學(xué)術(shù)界較為常用且盛行于發(fā)達(dá)國(guó)家的環(huán)境公共物品經(jīng)濟(jì)價(jià)值量化方法之一為特征價(jià)格法。該方法的基本思想是將房地產(chǎn)視為由眾多不同特征組成的異質(zhì)性商品，故其價(jià)格可認(rèn)為是由房屋各個(gè)特征帶給消費(fèi)者的效用決定的[1]?？諝赓|(zhì)量作為房屋一種特征屬性，可通過(guò)房屋總價(jià)間接推出其邊際價(jià)值。該方法被廣泛應(yīng)用于環(huán)境資源非市場(chǎng)價(jià)值評(píng)估領(lǐng)域[2-5]，尤其是大氣污染經(jīng)濟(jì)損失評(píng)估領(lǐng)域[6-8]。例如，Chay等[8]利用特征價(jià)格法估計(jì)了美國(guó)清潔空氣法案對(duì)總懸浮顆粒物（TSP）不達(dá)標(biāo)縣區(qū)的管控政策對(duì)房?jī)r(jià)的影響，發(fā)現(xiàn)縣區(qū)層面的平均房?jī)r(jià)對(duì)TSP的彈性為-0.20～-0.35，進(jìn)而得出該政策帶來(lái)的空氣質(zhì)量的改善使得相關(guān)縣區(qū)的房?jī)r(jià)上漲了450億美元。該研究將在特征價(jià)格模型的框架下，采用理性預(yù)期方法來(lái)識(shí)別我國(guó)大氣污染的邊際成本，并以此評(píng)估其總經(jīng)濟(jì)成本。

1 文獻(xiàn)評(píng)述與研究創(chuàng)新

現(xiàn)有文獻(xiàn)關(guān)于大氣污染經(jīng)濟(jì)損失的評(píng)估主要有兩大類：基于健康效應(yīng)的經(jīng)濟(jì)損失評(píng)估和基于特征價(jià)格法的經(jīng)濟(jì)損失評(píng)估。其中基于健康效應(yīng)的經(jīng)濟(jì)損失評(píng)估主要分為兩個(gè)步驟：大氣污染物濃度與人群健康效應(yīng)終端變化的關(guān)系研究[9-10];健康終端的經(jīng)濟(jì)損失評(píng)估研究[11-12]。第一個(gè)步驟的研究大多是基于大氣污染暴露-反應(yīng)關(guān)系的人體健康效應(yīng)評(píng)估[9，13]，可以分為短期暴露所致的急性健康效應(yīng)和長(zhǎng)期暴露所致的慢性健康效應(yīng)。具體來(lái)看，Chen等[14]和Ebenstein等[15]利用我國(guó)秦嶺-淮河南北兩岸是否供暖來(lái)進(jìn)行斷點(diǎn)回歸，估計(jì)了空氣污染對(duì)我國(guó)居民死亡率的長(zhǎng)期影響。Jha等[16]使用煤炭庫(kù)存作為PM2.5的工具變量來(lái)考察煤炭的存儲(chǔ)和處理對(duì)死亡率的影響，發(fā)現(xiàn)PM2.5增加10%導(dǎo)致成人平均死亡率增加1.1%，嬰兒平均死亡率增加3.2%。Heyes等[17]使用風(fēng)向作為空氣污染物的工具變量考察了我國(guó)空氣污染對(duì)失眠的影響，發(fā)現(xiàn)AQI（PM2.5）增加一個(gè)單位會(huì)導(dǎo)致失眠增加11.6%（12.8%）。第二個(gè)步驟的評(píng)估主要有三大類方法：人力資本法或修正的人力資本法[18]、疾病成本法[19]和條件估值法[20]。盡管已有研究基于健康效應(yīng)對(duì)我國(guó)大氣污染的經(jīng)濟(jì)損失評(píng)估進(jìn)行了有意義的探索和實(shí)踐，但其評(píng)估結(jié)果可能存在較大偏差，這種偏差主要來(lái)源于不同污染物濃度與健康終端之間暴露-反應(yīng)關(guān)系參數(shù)的選擇和單位健康效應(yīng)貨幣化的評(píng)估。

特征價(jià)格法是進(jìn)行大氣污染經(jīng)濟(jì)損失評(píng)估的另一種主流方法[6-7，21]?；诮】敌?yīng)的經(jīng)濟(jì)損失評(píng)估使用的被解釋變量包括死亡率或發(fā)病率，需要一定程度的空氣污染才能表征在這兩個(gè)被解釋變量上;相比較而言，特征價(jià)格模型使用的被解釋變量為房?jī)r(jià)，理論上即使空氣污染的影響不足以被健康變量捕捉到，也可能反映到房?jī)r(jià)上。另外，基于特征價(jià)格法可估計(jì)人們對(duì)規(guī)避大氣污染的邊際支付意愿。在應(yīng)用特征價(jià)格模型量化我國(guó)大氣污染的經(jīng)濟(jì)損失的研究方面，以往大部分的研究結(jié)論為大氣污染對(duì)房屋價(jià)格有著顯著的負(fù)效應(yīng)。Zheng等[22]將跨界的污染源作為PM10的工具變量，研究發(fā)現(xiàn)我國(guó)平均污染減少10%，房?jī)r(jià)上漲0.76%。Chen等[23]使用一種基于通風(fēng)系數(shù)的變量作為PM2.5的工具變量，研究我國(guó)2005—2013年空氣污染對(duì)房?jī)r(jià)的影響，發(fā)現(xiàn)PM2.5濃度增加10%導(dǎo)致當(dāng)?shù)胤績(jī)r(jià)下跌2.4%。Chen等[24]使用城市位置與淮河距離的多項(xiàng)式作為發(fā)現(xiàn)PM2.5的工具變量，發(fā)現(xiàn)PM2.5每增加1個(gè)濃度將導(dǎo)致房地產(chǎn)估值損失約5 200億人民幣，約占2013年我國(guó)GDP的0.9%。Qin等[25]將逆溫層、風(fēng)速、風(fēng)向作為PM2.5的工具變量，研究發(fā)現(xiàn)北京大氣污染嚴(yán)重時(shí)房屋交易價(jià)格比無(wú)污染的時(shí)間高出0.65%，這意味著每個(gè)污染日大約增加351萬(wàn)元的房屋交易支出。

總結(jié)來(lái)看，運(yùn)用特征價(jià)格模型評(píng)估大氣污染經(jīng)濟(jì)損失的文獻(xiàn)主要有三方面區(qū)別：一是研究區(qū)域的選擇，二是研究時(shí)段的設(shè)置，三是工具變量的選擇?，F(xiàn)有評(píng)估我國(guó)大氣污染特征價(jià)格的文獻(xiàn)主要運(yùn)用了全國(guó)范圍的省市級(jí)數(shù)據(jù)或者單個(gè)城市的微觀交易數(shù)據(jù)，鮮有基于縣級(jí)月度交易數(shù)據(jù)的全國(guó)范圍研究。另外，現(xiàn)有研究控制遺漏變量的策略大多為工具變量法，盡管在工具變量有效的前提下，該方法能夠有效地識(shí)別大氣污染的邊際效應(yīng)。但完美的工具變量需滿足兩個(gè)假設(shè)條件：一是相關(guān)性假設(shè)，即所選擇的工具變量必須與內(nèi)生變量高度相關(guān);二是外生性假設(shè)，即所選擇的工具變量必須與因變量無(wú)關(guān)。由于目前沒(méi)有具體的理論或方法來(lái)證明外生性條件是否滿足，當(dāng)前研究多基于經(jīng)濟(jì)學(xué)常識(shí)來(lái)論證，并無(wú)法確定外生性的存在，因此尋求一種新的識(shí)別策略則顯得尤為必要。

與實(shí)驗(yàn)方法和工具變量法不同，理性預(yù)期方法假定特征價(jià)格方程的誤差項(xiàng)服從馬爾科夫隨機(jī)過(guò)程，運(yùn)用上一期的可觀測(cè)信息估計(jì)和表征當(dāng)期影響房屋價(jià)格變化的非觀測(cè)因素[6]。通過(guò)模擬誤差項(xiàng)的變化趨勢(shì)，可以實(shí)現(xiàn)對(duì)諸多隨時(shí)間變化因素的控制，如政策、溫度、風(fēng)向、降雨等這些既影響大氣污染物濃度又與房?jī)r(jià)相關(guān)的因素。理性預(yù)期方法與現(xiàn)有識(shí)別手段相比具有兩大優(yōu)勢(shì)。其一，核心假設(shè)可檢驗(yàn)。該方法須假定房屋市場(chǎng)的交易者對(duì)房?jī)r(jià)的預(yù)期是理性的。具體而言，要求市場(chǎng)消費(fèi)者只能通過(guò)可觀測(cè)信息（如前期交易價(jià)格、房屋特征屬性等），而不能通過(guò)市場(chǎng)外非觀測(cè)因素預(yù)測(cè)房?jī)r(jià)。換句話說(shuō)，該假定等價(jià)于房屋市場(chǎng)是效率的，即買賣雙方信息對(duì)稱。在實(shí)證操作層面，Case等[26]提出了可行的房屋市場(chǎng)效率檢驗(yàn)方法，理性預(yù)期假設(shè)可由已觀測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證。其二，對(duì)數(shù)據(jù)條件要求不嚴(yán)苛。理論而言，對(duì)住房樣本只需兩期交易數(shù)據(jù)即可進(jìn)行估計(jì)。為驗(yàn)證上述理性預(yù)期假設(shè)，則需要至少三期交易觀測(cè)值。鑒于我國(guó)住房交易市場(chǎng)的特征，獲得同一樓盤的多期交易信息，或住宅小區(qū)以及所在城區(qū)等更高層面的加總數(shù)據(jù)并不困難，一般的面板數(shù)據(jù)結(jié)構(gòu)即可滿足要求。

該研究主要從以下兩方面開(kāi)展探索：第一，使用理性預(yù)期方法來(lái)識(shí)別我國(guó)大氣污染的外部性成本。已有運(yùn)用特征價(jià)格模型在全國(guó)層面評(píng)估我國(guó)大氣污染成本的識(shí)別方法主要包括工具變量法[22，25]、分位數(shù)回歸[27]、空間滯后模型和空間誤差模型[28]等。第二，使用區(qū)縣級(jí)別月度房地產(chǎn)交易數(shù)據(jù)來(lái)評(píng)估全國(guó)的大氣污染成本，而不僅僅局限于某個(gè)地區(qū)[25]或某一年份[29]的局部結(jié)果，相較于其他使用市級(jí)或省級(jí)數(shù)據(jù)研究，較為微觀的月度區(qū)縣數(shù)據(jù)有助于更加精確地控制內(nèi)生性問(wèn)題，從而提高評(píng)估結(jié)果的可信度。

2 實(shí)證策略與數(shù)據(jù)說(shuō)明

2.1 實(shí)證策略

2.1.1 實(shí)證回歸模型

特征價(jià)格模型（hedonic price model）也被稱為房地產(chǎn)特征價(jià)格模型，主要用于研究異質(zhì)性房屋的價(jià)格與其各個(gè)特征數(shù)量之間的關(guān)系。特征價(jià)格模型是基于消費(fèi)者面臨預(yù)算約束條件下的效用最大化行為。具體而言，消費(fèi)者選擇購(gòu)買具有n個(gè)特征的房屋X和其他商品z。假設(shè)房屋價(jià)格為P，z的價(jià)格為1，消費(fèi)者收入為Y。其效用最大化問(wèn)題可以用式（1）和（2）表示：

通過(guò)拉格朗日乘子法可以得到消費(fèi)組合的最優(yōu)點(diǎn)。在此點(diǎn)，房屋特征的邊際隱含價(jià)格滿足式（3）：

基于式（3），簡(jiǎn)化的特征價(jià)格評(píng)估計(jì)量回歸方程（4）式如下：

lnP為房屋價(jià)格的自然對(duì)數(shù)形式;α和β為待估系數(shù);ε為誤差項(xiàng)，表征影響房?jī)r(jià)的其他非觀測(cè)因素。

借鑒Bajari等[6]，該研究在特征價(jià)格模型的框架下運(yùn)用理性預(yù)期方法（rational expectation approach）識(shí)別大氣污染對(duì)房?jī)r(jià)的邊際影響，其總體思想為消費(fèi)者在購(gòu)買房屋時(shí)會(huì)基于先前的房屋信息來(lái)進(jìn)行購(gòu)買房屋的決策，使其自身效用最大化。

假設(shè)房屋i有兩次交易記錄，分別表示為t期和t+1期（t

其中，P為房屋的交易價(jià)格;x表示能被研究者所觀測(cè)到的變量，如房屋特征、鄰里特征等;ξ表示無(wú)法被研究者所觀測(cè)的變量，即遺漏變量，如該房屋坐落地區(qū)的政策、風(fēng)俗傳統(tǒng)、生活習(xí)慣等;α和β為待估計(jì)系數(shù)。

為解決遺漏變量問(wèn)題，將t期的遺漏變量ξi，t表示為一個(gè)包含t期的房?jī)r(jià)ln（Pi，t ）和特征變量xi，t的函數(shù)，即對(duì)式（5）進(jìn)行移項(xiàng)得到式（7）：

假定遺漏變量的變化服從一階馬爾可夫隨機(jī)過(guò)程（Markov process），如（8）式所示：

通過(guò)最小化式（12）和式（13）的殘差平方和，可求解第二階段方程中的系數(shù)，即得到隱性特征價(jià)格β的非線性參數(shù)解。在滿足式（14）的條件下，為β的一致估計(jì)量。

2.1.2 理性預(yù)期假設(shè)檢驗(yàn)

理性預(yù)期假設(shè)源自Case等[26]關(guān)于住房市場(chǎng)效率的理論，其認(rèn)為當(dāng)住房市場(chǎng)具有效率時(shí)，市場(chǎng)中的房屋交易不會(huì)出現(xiàn)預(yù)期外的超額收入，或房?jī)r(jià)變化不會(huì)超出消費(fèi)者的預(yù)期，理論上表現(xiàn)為式（10）中遺漏變量的隨機(jī)性變化δi，t，t+1與已知房屋信息It無(wú)關(guān)，即式（11）成立。Bajari等[6]提供了驗(yàn)證式（11）的實(shí)證操作方法，前提條件為樣本房屋至少有三期觀測(cè)值，分別設(shè)為ta、tb、tc且ta

2.2 數(shù)據(jù)說(shuō)明

研究選取的數(shù)據(jù)為全國(guó)區(qū)縣層面的月度住房交易數(shù)據(jù)。由于我國(guó)房地產(chǎn)市場(chǎng) 1998 年才開(kāi)始逐步開(kāi)放，區(qū)縣層面的房地產(chǎn)數(shù)據(jù)的統(tǒng)計(jì)不完善，無(wú)法全部囊括全國(guó)所有的區(qū)縣，并且2013年之后國(guó)家才開(kāi)始在全國(guó)范圍內(nèi)公布PM2.5的濃度值，故選取2013年之后的住房交易樣本。采用的房屋交易數(shù)據(jù)來(lái)自中金標(biāo)準(zhǔn)數(shù)據(jù)，其包含了2013年2月至2018年8月間全國(guó)22個(gè)省份194個(gè)區(qū)縣的商品房成交價(jià)格的月度均值，時(shí)間跨度共計(jì)67期，總計(jì)5 801個(gè)觀測(cè)值。由于數(shù)據(jù)統(tǒng)計(jì)的相對(duì)不完善，一些區(qū)縣在上述時(shí)間段內(nèi)存在缺失情況，因此為非平衡面板數(shù)據(jù)。圖1顯示了研究樣本包含的區(qū)縣。

污染數(shù)據(jù)來(lái)自中國(guó)環(huán)境監(jiān)測(cè)總站，原始數(shù)據(jù)為全國(guó)1 614個(gè)空氣監(jiān)測(cè)站點(diǎn)7個(gè)常見(jiàn)大氣污染物濃度數(shù)據(jù)，分別為空氣質(zhì)量指數(shù)AQI、二氧化硫SO2、二氧化氮NO2、一氧化碳CO、臭氧O3、可吸入顆粒物PM10、細(xì)顆粒物PM2.5。通過(guò)ArcGIS對(duì)每個(gè)樣本區(qū)縣的污染物濃度進(jìn)行插值計(jì)算，得到月度污染物均值。由于研究區(qū)域沒(méi)有覆蓋我國(guó)全部的區(qū)縣，為檢驗(yàn)樣本的代表性，將每個(gè)污染物插值計(jì)算后的全國(guó)月平均濃度和樣本覆蓋區(qū)域的月平均濃度進(jìn)行比較，結(jié)果顯示，二者的變化趨勢(shì)和數(shù)值均無(wú)顯著差異。因此，可認(rèn)為研究區(qū)域的空氣污染水平與全國(guó)水平基本相同。

其他控制變量數(shù)據(jù)來(lái)自全國(guó)各城市的統(tǒng)計(jì)年鑒與統(tǒng)計(jì)公報(bào)。由于該研究在區(qū)縣層面考察大氣污染的外部經(jīng)濟(jì)成本，故將區(qū)縣層面的經(jīng)濟(jì)、社會(huì)控制變量都除以當(dāng)年常住人口，即進(jìn)行人均水平的換算。研究包含的影響地區(qū)房屋交易價(jià)格的控制變量包括：萬(wàn)人房屋成交數(shù)量、人均GDP、人口密度、萬(wàn)人小學(xué)數(shù)、萬(wàn)人中學(xué)數(shù)、萬(wàn)人高等學(xué)校數(shù)、萬(wàn)人醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、萬(wàn)人房地產(chǎn)開(kāi)發(fā)投資。主要變量的描述性統(tǒng)計(jì)見(jiàn)表1。

3 實(shí)證結(jié)果分析

3.1 OLS和固定效應(yīng)模型

首先采用普通最小二乘法（OLS）和固定效應(yīng)模型，估計(jì)結(jié)果分別如表2（1）（2）列所示。考慮到各類污染物之間有較高的相關(guān)性，若同時(shí)進(jìn)入模型可能導(dǎo)致多重共線性，因此逐一對(duì)單個(gè)污染物進(jìn)行回歸，分別得到各污染物的估計(jì)系數(shù)，每個(gè)回歸中除污染物變量外其余控制變量相同。由表2可知，OLS估計(jì)結(jié)果中僅SO2和O3的系數(shù)顯著，其中符號(hào)O3的為正。由于沒(méi)有對(duì)時(shí)空因素進(jìn)行更多的控制，OLS的估計(jì)結(jié)果可能存在遺漏變量誤差。

固定效應(yīng)模型在OLS的基礎(chǔ)上加入了區(qū)縣固定效應(yīng)和時(shí)間固定效應(yīng)，以控制區(qū)縣層面不隨時(shí)間變化的非觀測(cè)因素，以及全國(guó)層面的共同時(shí)間趨勢(shì)如經(jīng)濟(jì)、政策的外部沖擊對(duì)估計(jì)結(jié)果的影響。與OLS結(jié)果相比，各污染物的顯著性發(fā)生較大變化，AQI、SO2、PM2.5和PM10顯著為負(fù)，可見(jiàn)在進(jìn)一步控制時(shí)空因素后，初步顯現(xiàn)大氣污染物對(duì)房?jī)r(jià)的負(fù)效應(yīng)。然而，固定效應(yīng)模型無(wú)法解決隨時(shí)間變化的遺漏變量問(wèn)題。

3.2 理性預(yù)期方法

為精確評(píng)估大氣污染物的邊際支付意愿，進(jìn)一步采用理性預(yù)期方法作為遺漏變量的控制策略。理性預(yù)期方法假定住房交易市場(chǎng)的消費(fèi)者以上一期房屋交易信息理性判斷當(dāng)期房?jī)r(jià)的變化，即滿足理性預(yù)期假設(shè)。由于研究數(shù)據(jù)為多期月度觀測(cè)值，且區(qū)縣層面的交易平均價(jià)格與個(gè)體房屋交易不同，屬于匯總信息，從購(gòu)房者角度考慮，單個(gè)月份的時(shí)間跨度較短，上一期（月）的區(qū)縣房?jī)r(jià)信息量也相應(yīng)較小，不足以使其對(duì)下一期的房?jī)r(jià)變化做出理性預(yù)期。綜合上述考慮，研究采用多期合并、計(jì)算均值的方式構(gòu)建“上一期”信息。例如，以當(dāng)前月份為t+1期，則t期定義為t+1期前若干個(gè)月份的集合，記為l，其中t期的住房交易價(jià)格由l期房?jī)r(jià)的均值確定，其余特征變量根據(jù)其數(shù)據(jù)特點(diǎn)進(jìn)行相應(yīng)調(diào)整。關(guān)于l的取值，下文將作具體說(shuō)明。為確保理性預(yù)期方法的合理性，首先對(duì)理性預(yù)期假設(shè)進(jìn)行檢驗(yàn)。

3.2.1 理性預(yù)期假設(shè)檢驗(yàn)結(jié)果

根據(jù)Bajari等[6]，理性預(yù)期假設(shè)檢驗(yàn)理論上需要至少三期交易數(shù)據(jù)，設(shè)為ta

由表4可知，三個(gè)回歸結(jié)果的回歸系數(shù)多數(shù)不顯著或顯著但系數(shù)值接近零，且擬合優(yōu)度R2都較低，說(shuō)明在控制了房?jī)r(jià)的平均變化水平后，tb期的房屋信息不會(huì)對(duì)未來(lái)房?jī)r(jià)的隨機(jī)變化有影響，側(cè)面證明理性預(yù)期的假設(shè)E（δi，t，t+1 |It ）=0在研究樣本中成立。

3.2.2 理性預(yù)期方法估計(jì)結(jié)果

在理性預(yù)期假設(shè)成立的基礎(chǔ)上，利用理性預(yù)期方法估計(jì)大氣污染的邊際支付意愿。如前所述，確定t期時(shí)間段l的長(zhǎng)度是實(shí)證分析的難點(diǎn)?？紤]到歷史信息是消費(fèi)者做出理性預(yù)期的依據(jù)，選取的l不宜過(guò)短，否則信息量不夠，不足以對(duì)未來(lái)房?jī)r(jià)變化做出判斷;l也不宜過(guò)長(zhǎng)，因?yàn)楹暧^經(jīng)濟(jì)形勢(shì)瞬息萬(wàn)變，越久遠(yuǎn)的交易信息價(jià)值越低。另一方面，隨著l增大，損失的已觀測(cè)月份信息也隨之增加，導(dǎo)致模型自由度降低從而影響估計(jì)的精度。由于目前無(wú)可供參考的文獻(xiàn)支持，無(wú)法確定合理的信息時(shí)間段長(zhǎng)度，綜合上述考慮，選取l=24，也即對(duì)每個(gè)t+1期觀測(cè)值，以過(guò)去兩年同地區(qū)的房屋交易均值及相應(yīng)的控制變量作為t期的房屋信息It。估計(jì)結(jié)果如表2（3）列所示。在穩(wěn)健性檢驗(yàn)部分，分別匯報(bào)取過(guò)去1 a、1.5 a、3 a、4 a四個(gè)不同時(shí)間段長(zhǎng)度進(jìn)行回歸的結(jié)果（表3），以驗(yàn)證結(jié)論的穩(wěn)健性。

理性預(yù)期方法估計(jì)結(jié)果顯示，在進(jìn)一步控制遺漏變量誤差之后，AQI、NO2、CO、PM10和PM2.5五個(gè)污染物指標(biāo)呈現(xiàn)對(duì)房?jī)r(jià)的顯著負(fù)效應(yīng)。其他條件不變下，AQI每增加1個(gè)單位，房?jī)r(jià)平均降低0.36%;NO2、CO、PM10和PM2.5的濃度每上升1 μg/m3，房?jī)r(jià)分別降低2.04%、0.028%、0.34%和0.39%。O3與SO2的系數(shù)不顯著，可能的原因?yàn)?，消費(fèi)者對(duì)O3的關(guān)注程度相比于其他大氣污染物較低，因此房地產(chǎn)市場(chǎng)未能很好地反映對(duì)O3的支付意愿;SO2作為我國(guó)早期的重點(diǎn)減排污染物，自“酸雨計(jì)劃”實(shí)施以來(lái)，其濃度已經(jīng)有很大程度的降低，且近年來(lái)整體變化幅度較小，因而其房?jī)r(jià)效應(yīng)不易被識(shí)別。

對(duì)比表2各模型的評(píng)估結(jié)果可以看出，隨著控制的遺漏變量逐漸完善，顯著的大氣污染物變量個(gè)數(shù)逐漸增加，系數(shù)值也逐漸增大。從污染物角度，AQI、PM10和PM2.5在固定效應(yīng)模型和理性預(yù)期方法中均顯著為負(fù)，結(jié)果較穩(wěn)定;NO2和CO僅在理性預(yù)期方法中顯著，體現(xiàn)了遺漏變量對(duì)估計(jì)結(jié)果的重要影響;SO2的估計(jì)結(jié)果波動(dòng)較大，O3整體不顯著?？偠灾谧R(shí)別大氣污染對(duì)房?jī)r(jià)的影響時(shí)，遺漏變量的控制程度對(duì)估計(jì)結(jié)果的準(zhǔn)確性有較大影響，這也體現(xiàn)了使用理性預(yù)期方法控制遺漏變量誤差的必要性。

3.2.3 穩(wěn)健性檢驗(yàn)

表2選取了過(guò)去2 a（l=24）作為信息時(shí)間段的長(zhǎng)度，由于無(wú)法判斷其合理性，表3分別取1 a、1.5 a、3 a、4 a四個(gè)時(shí)間段并采用理性預(yù)期方法進(jìn)行估計(jì)，以檢驗(yàn)結(jié)果的穩(wěn)健性。結(jié)果顯示，隨著L增加，更多的大氣污染物變量變得顯著;AQI、NO2、CO、PM10和PM2.5五個(gè)污染物的結(jié)果較穩(wěn)定，盡管顯著性有所變化，但其估計(jì)系數(shù)和標(biāo)準(zhǔn)誤變化幅度整體并不大;O3和SO2對(duì)房?jī)r(jià)幾乎無(wú)影響，其結(jié)果整體也較為穩(wěn)定。值得注意的是，雖然在l取3 a和4 a的估計(jì)結(jié)果中顯著的變量個(gè)數(shù)有所減少，但這可能是樣本量減小、模型自由度降低帶來(lái)的估計(jì)精度下降所致。穩(wěn)健性檢驗(yàn)結(jié)果表明，理性預(yù)期方法的估計(jì)結(jié)果穩(wěn)定，結(jié)論可靠。

4 大氣污染的總經(jīng)濟(jì)損失核算

評(píng)估大氣污染經(jīng)濟(jì)損失主要包括兩個(gè)步驟：獲取大氣污染的邊際價(jià)格;測(cè)算大氣污染的總經(jīng)濟(jì)損失。首先基于理性預(yù)期方法的評(píng)估系數(shù)獲取大氣污染改善的邊際支付意愿（MWTP），即大氣污染濃度變動(dòng)1單位的價(jià)格。根據(jù)式（4），MWTP計(jì)算公式如下：

然后，基于估算出的MWTP（元/m2）計(jì)算總經(jīng)濟(jì)損失，其具體測(cè)算如式（18）所示：

經(jīng)濟(jì)損失=MWTP×商品房成交面積×大氣污染濃度變化（18）

通過(guò)對(duì)比我國(guó)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）與我國(guó)各類大氣污染物的濃度年度均值，在2013—2018年，除PM10和PM2.5外，其余大氣污染物均已控制在了二級(jí)限值以內(nèi)，同時(shí)AQI也未達(dá)到優(yōu)（50限值）。因此，基于國(guó)家統(tǒng)計(jì)局公布的不同年份全國(guó)商品房銷售面積，根據(jù)上述步驟計(jì)算出2013—2018年AQI、PM10和PM2.5三種污染物指標(biāo)每年因未達(dá)到空氣質(zhì)量標(biāo)準(zhǔn)而導(dǎo)致的經(jīng)濟(jì)損失，計(jì)算結(jié)果見(jiàn)表5。

由表5可以看出，近年來(lái)大氣污染的經(jīng)濟(jì)損失有所降低，政府的治理效果顯著，但仍不容小覷。2013年AQI未達(dá)標(biāo)導(dǎo)致的經(jīng)濟(jì)損失約為3.56×104億元，約占當(dāng)年GDP的6.06%;2018年降低至19 200億元，占當(dāng)年GDP的2.14%，通過(guò)治理并改善空氣質(zhì)量可以顯著增加社會(huì)的福利。另外，PM10和PM2.5導(dǎo)致的經(jīng)濟(jì)損失的加總值與AQI相當(dāng)，說(shuō)明治理“霧霾”是改善當(dāng)前空氣質(zhì)量的關(guān)鍵。

5 結(jié)論性評(píng)述

為應(yīng)對(duì)日益嚴(yán)峻的大氣污染形勢(shì)，我國(guó)政府出臺(tái)了許多政策和措施，但科學(xué)評(píng)估其政策效益有賴于對(duì)大氣污染的經(jīng)濟(jì)損失進(jìn)行合理衡量。該研究基于2013—2018年全國(guó)194個(gè)區(qū)縣的月度住房交易非平衡面板數(shù)據(jù)，利用理性預(yù)期方法評(píng)估了消費(fèi)者對(duì)我國(guó)大氣污染減排的邊際支付意愿，并以此估算我國(guó)大氣污染的經(jīng)濟(jì)成本。理性預(yù)期方法假設(shè)消費(fèi)者在購(gòu)買房屋時(shí)能夠?qū)Ψ课萏卣鞯奈磥?lái)變化具有理性的預(yù)期，在驗(yàn)證該假設(shè)合理性的基礎(chǔ)上，通過(guò)建立馬爾科夫鏈來(lái)控制回歸中不可觀測(cè)因素的干擾，解決因遺漏變量產(chǎn)生的內(nèi)生性問(wèn)題，這為識(shí)別大氣污染邊際成本提供了實(shí)證經(jīng)驗(yàn)，具有深刻的理論意義。

研究結(jié)果顯示：①除SO2與O3外，AQI、NO2、CO、PM10和PM2.5五個(gè)污染物指標(biāo)呈現(xiàn)對(duì)房?jī)r(jià)的顯著負(fù)效應(yīng)，即消費(fèi)者對(duì)空氣質(zhì)量改善的支付意愿為正。②以邊際支付意愿估算的AQI未達(dá)標(biāo)導(dǎo)致的經(jīng)濟(jì)損失與PM10和PM2.5的加總值相差無(wú)異，這進(jìn)一步證實(shí)了我國(guó)當(dāng)前大氣污染導(dǎo)致的社會(huì)經(jīng)濟(jì)福利損失主要來(lái)自PM10和PM2.5的超標(biāo)，可為合理制定全國(guó)大氣污染治理政策提供經(jīng)驗(yàn)依據(jù)。

參考文獻(xiàn)

[1]ROSEN S.Hedonic prices and implicit markets： product differentiation impure competition [J].Journal of political economy， 1974， 82（1）：35-55.

[2]GAMPER-RABINDRAN S， TIMMINS C.Hazardous waste cleanup， neighborhood gentrification， and environmental justice： evidence from restricted access census block data [J].American economic review， 2011， 101（3）： 620-624.

[3]GREENSTONE M， GALLAGHER J.Does hazardous waste matter： evidence from the housing market and the Superfund Program [J]. The quarterly journal of economics， 2008， 123（3）： 951-1003.

[4]HANINGER K， MA L， TIMMINS C. The value of brownfield remediation [J]. Journal of the Association of Environmental and Resource Economists， 2017， 4（1）：197-241.

[5]KEISER D A， SHAPIRO J S. Consequences of the clean water act and the demand for water quality [J]. The quarterly journal of economics， 2019， 134（1）：349-396.

[6]BAJARI P， FRUEHWIRTH J C， KIM K I，et al. A rational expectations approach to hedonic price regressions with time-varying unobserved product attributes： the price of pollution [J].American economic review， 2012， 102（5）：1898-1926.

[7]KIM C W， PHIPPS T T， ANSELIN L.Measuring the benefits of air quality improvement： a spatial hedonic approach [J].Journal of environmental economics and management， 2003， 45： 24-39.

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

[9]DOCKERY DW， POPE CA， XU X， et al. An association between air pollution and mortality in six U.S. cities [J]. New England journal of medicine， 1993， 329： 1753-1759.

[10]SHANG Y， SUN Z， CAO J， et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality [J]. Environment international， 2013， 54： 100-111.

[11]HAMMITT J K， ZHOU Y. The economic value of air-pollution-related health risks in China： a contingent valuaion study [J]. Environmental and resource economics， 2006， 33（3）： 399-423.

[12]WANG H， MULLAHY J. Willingness to pay for reducing fatal risk by improving air quality： a contingent valuation study in Chongqing， China [J]. Science of the total environment， 2006， 367（1）： 50-57.

[13]POPE C， ARDEN R T， BURNETT M J， et al. Lung cancer， cardiopulmonary mortality， and long-term exposure to fine particulate air pollution[J]. Journal of the American Medical Association， 2002， 287：1132-1141.

[14]CHEN Y， EBENSTEIN A， GREENSTONE M， et al. Evidence on the impact of sustained exposure to air pollution on life expectancy from Chinas Huai River policy [J].Proceedings of the National Academy of Sciences of the United States of America，2013， 110（32）： 12936-12941.

[15]EBENSTEIN A， FAN M， GREENSTONE M， et al. New evidence on the impact of sustained exposure to air pollution on life expectancy from Chinas Huai River policy [J].Proceedings of the National Academy of Sciences of the United States of America，2017， 114（39）： 10384-10389.

[16]JHA A， MULLER N Z. The local air pollution cost of coal storage and handling： evidence from U.S. power plants [J]. Journal of environmental economics and management， 2018， 92：360-396.

[17]HEYES A， ZHU M.Air pollution as a cause of sleeplessness： social media evidence from a panel of Chinese cities [J]. Journal of environmental economics and management， 2019， DOI：10.1016/j.jeem.2019.07.002.

[18]ZHAO X， YU X， WANG Y， et al. Economic evaluation of health losses from air pollution in Beijing， China[J]. Environmental science and pollution research， 2016， 23（12）：11716-11728.

[19]LU X， YAO T， FUNG J C H， et al. Estimation of health and economic costs of air pollution over the Pearl River Delta Region in China [J]. Science of the total environment， 2016， 566-567： 134-143.

[20]高婷，李國(guó)星，胥美美，等. 基于支付意愿的大氣PM2.5健康經(jīng)濟(jì)學(xué)損失評(píng)價(jià)[J]. 環(huán)境與健康雜志， 2015， 32（8）： 697-700.

[21]SMITH V K， HUANG J. Can markets value air quality：ameta-analysis of hedonic property value models [J]. Journal of political economy， 1995， 103（1）： 209-227.

[22]ZHENG S， CAO J， KAHN M E， et al. Real estate valuation and cross-boundary air pollution externalities： evidence from Chinese cities [J]. Journal of real estate finance and economics， 2014， 48： 398-414.

[23]CHEN S， JIN H. Pricing for the clean air： evidence from Chinese housing market [J]. Journal of cleaner production， 2019， 206：297-306.

[24]CHEN D， CHEN S.Particulate air pollution and real estate valuation： evidence from 286 Chinese prefecture-level cities over 2004-2013 [J].Energy policy， 2017， 109： 884-897.

[25]QIN Y， WU J， YAN J.Negotiating housing deal on a polluted day： consequences and possible explanations[J].Journal of environmental economics and management， 2019， 94：161-187.

[26]CASE K E， SHILLER R J.The efficiency of the market for single-family homes [J].American economic review， 1989， 79（1）： 125-137.

[27]CHEN J， HAO Q， YOON C， et al. Measuring the welfare cost of air pollution in Shanghai： evidence from the housing market [J]. Journal of environmental planning and management， 2018， 61（10）： 1744-1757.

[28]LIU R， YU C， LIU C， et al. Impacts of haze on housing prices： an empirical analysis based on data from Chengdu （China） [J].International journal of environmental research and public health， 2018， DOI：10.3390/ijerph15061161.

[29]FREEMAN R， LIANG W Q， SONG R， et al. Willingness to pay for clean air in China [J]. Journal of environmental economics and management， 2019， 94：188-216.

（責(zé)任編輯：李 琪）