亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于理性預(yù)期理論的大氣污染經(jīng)濟(jì)成本評(píng)估

        2021-04-27 07:02:22梅應(yīng)丹高立邱筠陳家德

        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)

        亚洲欧美日韩在线中文一| 免费人成网ww555kkk在线| 亚洲欧美日本| 久久久久一| 亚洲精品国产av成拍| 欧美亚洲一区二区三区| 丰满老熟妇好大bbbbb| 国产精品一区二区三级| 中文字幕人妻av一区二区| 在线视频夫妻内射| 99蜜桃在线观看免费视频网站| 国产精品综合久久久久久久免费 | 伊人色综合九久久天天蜜桃 | 国产福利一区二区三区在线观看| 狠狠躁夜夜躁AV网站中文字幕| 国产三级在线观看高清| 久久精品国产亚洲av超清| 玩弄放荡人妻少妇系列视频| 亚洲AV永久无码精品导航| 亚洲av午夜福利一区二区国产| 日韩人妻另类中文字幕| 亚洲av永久无码国产精品久久| 自拍亚洲一区欧美另类| 邻居少妇太爽在线观看| 亚洲av无码无线在线观看| 精品久久人人妻人人做精品| 成人免费无码a毛片| 国产91精品一区二区麻豆亚洲| 国内熟女啪啪自拍| 亚洲av无码av在线播放| 青青自拍视频成人免费观看| 凌辱人妻中文字幕一区| 国产午夜福利在线播放| 亚洲a人片在线观看网址| 久久想要爱蜜臀av一区二区三区| 精品国产av一区二区三区| 久久伊人影院| 国产黄色一级到三级视频| 久久99精品久久久久久噜噜 | 偷亚洲偷国产欧美高清| 亚洲国产91精品一区二区|