楊飛龍，劉倩倩 ，諶麗，張文忠

（1. 中國科學(xué)院 地理科學(xué)與資源研究所，北京 100101；2. 南京師范大學(xué) 地理科學(xué)學(xué)院，江蘇 南京 210023；3. 江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，江蘇 南京 210023；4. 北京聯(lián)合大學(xué) 應(yīng)用文理學(xué)院，北京 100191）

快速的工業(yè)化和城鎮(zhèn)化發(fā)展背景下，高能耗、高污染、高投入的粗放型工業(yè)生產(chǎn)模式使得中國城市發(fā)展高度依賴煤炭、石油等傳統(tǒng)能源，導(dǎo)致嚴(yán)重的空氣污染問題。據(jù)世界銀行報(bào)告統(tǒng)計(jì)，中國從1990年到2013年因PM2.5環(huán)境污染導(dǎo)致的人均福利損失增加了1457%[1]。雖然近年來我國空氣質(zhì)量正逐步改善，2020年全國所有城市仍有1152天為重度污染天氣。北京作為中國的首都和國家中心城市，是發(fā)展最快、人口規(guī)模最大的城市之一，也是空氣污染較為嚴(yán)重的城市。近年來北京市空氣質(zhì)量有所改善[2]，但極端重污染情況時(shí)有發(fā)生，PM2.5濃度與國家空氣質(zhì)量一級(jí)標(biāo)準(zhǔn)（35 μg/m3）相比仍存在較大的差距，與世界衛(wèi)生組織最新標(biāo)準(zhǔn)（10 μg/m3）[3]相差更大。

清潔空氣屬于環(huán)境公共產(chǎn)品，提供優(yōu)質(zhì)空氣對(duì)于增進(jìn)民生福祉具有重要意義[4-5]?？諝赓|(zhì)量差的地區(qū)會(huì)使得就業(yè)者和游憩者遠(yuǎn)離該區(qū)域，降低社會(huì)整體的公共福利效應(yīng)[6-7]，不利于勞動(dòng)力和社會(huì)資金集聚，導(dǎo)致高素質(zhì)創(chuàng)新人才流失和企業(yè)遷移。而空氣并不屬于市場(chǎng)型商品，不具有排他性和競(jìng)爭(zhēng)性特征，其價(jià)值難以通過經(jīng)濟(jì)貨幣來衡量。中國各地城市發(fā)展普遍存在經(jīng)濟(jì)增長(zhǎng)和環(huán)境治理難以平衡的困境問題，環(huán)境管制可以減弱污染的負(fù)外部性影響，同時(shí)也會(huì)增加企業(yè)生產(chǎn)成本，使得環(huán)境保護(hù)重要程度難以把握[8]。而對(duì)空氣質(zhì)量進(jìn)行合理估價(jià)可以提高政策制定者對(duì)清潔空氣的重視，有助于建立科學(xué)普適的環(huán)境政策成本—收益評(píng)價(jià)體系[9-10]。

1 文獻(xiàn)綜述與研究問題

關(guān)于空氣質(zhì)量?jī)r(jià)值評(píng)估的研究主要分為三類。第一類是基于福利損失（welfare losses）的空氣估價(jià)法，以人作為周邊環(huán)境的承受體，以暴露在空氣污染下增加的健康風(fēng)險(xiǎn)衡量空氣質(zhì)量?jī)r(jià)值[11-13]；第二類是條件估值法，以問卷采訪的形式收集人們對(duì)城市的空氣污染評(píng)價(jià)或幸福感[14-15]等主觀感受，缺點(diǎn)是易受問卷設(shè)計(jì)的影響，樣本結(jié)果差異較大[16]。第三類則是特征價(jià)格模型法（hedonic price model，HPM），該方法以住宅價(jià)格為媒介，從市場(chǎng)供需均衡角度估算空氣污染對(duì)土地價(jià)值的影響，可以克服主觀數(shù)據(jù)中的不確定性問題[17-18]，間接反映空氣溢價(jià)問題。

特征價(jià)格模型是房地產(chǎn)價(jià)值評(píng)估的經(jīng)典方法，在LANCASTER[19]和ROSEN[20]分別發(fā)表消費(fèi)者效用理論和市場(chǎng)供需均衡理論研究后，以住宅為代表的復(fù)雜資產(chǎn)被視為一種異質(zhì)性商品，將部分住宅特征量化為顯性價(jià)格。從地理學(xué)視角出發(fā)，住宅既是一種經(jīng)濟(jì)商品，也是一種空間產(chǎn)物。在固定區(qū)位上，住宅價(jià)值會(huì)憑借空間上的相對(duì)優(yōu)越性，即對(duì)周邊資源的共享式占有和環(huán)境正外部性的溢出效應(yīng)，而遠(yuǎn)遠(yuǎn)超過一般商品的價(jià)值。從1967年RIDKER等[21]首次分析空氣污染對(duì)地區(qū)房產(chǎn)價(jià)值影響得到開創(chuàng)性成果以來，空氣污染一直被認(rèn)為是房?jī)r(jià)的一個(gè)重要決定因素，國外研究多將空氣質(zhì)量對(duì)住宅價(jià)格的影響程度定義為空氣溢價(jià)，即居民為了遠(yuǎn)離空氣污染物集中地所愿意支付的邊際價(jià)格（marginal willingness to pay，MWTP）[22]，為清潔空氣定價(jià)奠定了理論基礎(chǔ)。早期關(guān)于空氣質(zhì)量與房?jī)r(jià)關(guān)系的研究呈現(xiàn)分化甚至沖突的結(jié)果，大量研究證明空氣污染對(duì)房?jī)r(jià)呈負(fù)面影響[23-25]，與模型預(yù)先假設(shè)相一致；同時(shí)，部分學(xué)者認(rèn)為空氣污染與房?jī)r(jià)沒有顯著的關(guān)系[26-27]；甚至有研究發(fā)現(xiàn)空氣污染與房?jī)r(jià)之間呈正向關(guān)系[28]。

特征價(jià)格模型下清潔空氣定價(jià)結(jié)果往往隨研究區(qū)域不同而存在差異，SMITH等[29]以50篇相關(guān)文獻(xiàn)為對(duì)象分析了不同研究者對(duì)空氣質(zhì)量的估價(jià)差異，認(rèn)為清潔空氣重要性受地理特征差異影響，且與測(cè)算過程和方法有關(guān)。國內(nèi)空氣溢價(jià)相關(guān)文獻(xiàn)研究大多以宏觀尺度下的城市間差異[30-31]為主，超大城市區(qū)域內(nèi)部存在多個(gè)住房市場(chǎng)，過大尺度可能會(huì)忽略房地產(chǎn)市場(chǎng)的多樣性[32]，而單個(gè)城市具備更清晰的市場(chǎng)劃分優(yōu)勢(shì)[33]。同時(shí)，大量文獻(xiàn)證明，將特征價(jià)格模型同空間計(jì)量模型組合是有意義的[34-36]，考慮空間固定效應(yīng)可以提高空氣溢價(jià)的估計(jì)精度。KIM等[37]以韓國首爾市為例以空間誤差模型（spatial error model，SEM）和空間滯后模型（spatial lag model，SLM）為實(shí)證工具，證明空間計(jì)量模型可以處理傳統(tǒng)模型忽視的鄰域效應(yīng)；ANSELIN等[38]指出空氣污染物的插值結(jié)果會(huì)使得模型產(chǎn)生內(nèi)生性偏差，須應(yīng)用空間計(jì)量模型消除空間依賴性；LIU等[39]以成都市為例，應(yīng)用SEM和SLM證明了居民愿意為清潔空氣支付溢價(jià)，發(fā)現(xiàn)霧霾對(duì)房?jī)r(jià)的影響會(huì)產(chǎn)生“擠出效應(yīng)”。

此外，居民對(duì)空氣質(zhì)量的感知在特征價(jià)格模型中往往被忽視?，F(xiàn)有研究表明，公眾感知和監(jiān)測(cè)數(shù)據(jù)可能會(huì)存在偏差，與居民對(duì)空氣質(zhì)量的關(guān)注度以及政策透明度等因素相關(guān)[40-41]。HEYMAN等[42]指出消費(fèi)者感知是特征價(jià)格模型應(yīng)用的基礎(chǔ)，環(huán)境特征應(yīng)該客觀地測(cè)量，但應(yīng)符合消費(fèi)者的感知。模型的前提假設(shè)是消費(fèi)者偏好與商品數(shù)量在完全競(jìng)爭(zhēng)市場(chǎng)下達(dá)到均衡，而消費(fèi)者偏好是基于客觀環(huán)境的本底特征，所不可缺少的是居民自身對(duì)環(huán)境的主觀認(rèn)知[43]。目前，主觀支付意愿在住宅價(jià)格研究中考慮相對(duì)偏少，一方面是存在數(shù)據(jù)獲取難度大以及樣本量不足等問題，二是部分居民難以感知空氣污染，且受個(gè)人因素影響較大。POOR等[44]調(diào)查得到客觀的水質(zhì)結(jié)果和感知下的水質(zhì)數(shù)據(jù)，證明科學(xué)測(cè)量與主觀感知比較吻合；而CHASCO等[45]通過研究馬德里市中心的噪聲和空氣質(zhì)量后發(fā)現(xiàn)，客觀指標(biāo)與房?jī)r(jià)呈顯著的負(fù)向關(guān)系，認(rèn)為主觀感知因素更能解釋房?jī)r(jià)。

總的來說，目前國內(nèi)關(guān)于清潔空氣定價(jià)的相關(guān)研究稍顯不足，且研究對(duì)象主要集中于城際尺度中PM2.5、PM10等污染物濃度對(duì)房?jī)r(jià)的影響，缺乏對(duì)公眾感知的考量。本文以北京六環(huán)及周邊郊區(qū)為例，將空氣污染物濃度、居民滿意度調(diào)查問卷、高德興趣點(diǎn)和住宅特征等多尺度多源數(shù)據(jù)集映射到地理空間信息系統(tǒng)，結(jié)合多層線性模型和地理加權(quán)回歸模型測(cè)度空氣污染物濃度與空氣質(zhì)量滿意度的關(guān)系，在此基礎(chǔ)上，通過特征價(jià)格模型以住宅價(jià)格測(cè)算空氣質(zhì)量的經(jīng)濟(jì)價(jià)值，以期補(bǔ)充清潔空氣估價(jià)的研究。研究中主要探討以下問題：不同人群的空氣質(zhì)量滿意度是否不同？社區(qū)尺度上空氣質(zhì)量客觀感知的空間差異與污染物濃度的空間差異是否有一定的相關(guān)性？在均衡市場(chǎng)中居民是否愿意為了獲得更好的空氣質(zhì)量而支付一定的費(fèi)用？支付費(fèi)用在空氣質(zhì)量不同的地區(qū)是否存在差別？

2 數(shù)據(jù)來源和研究方法

2.1 技術(shù)路線

特征價(jià)格模型經(jīng)典理論中包含供給方同質(zhì)型市場(chǎng)和需求方同質(zhì)型市場(chǎng)兩種假設(shè)，在交易博弈過程中，客觀固定的是交易量和價(jià)格，當(dāng)多供給方或多需求方曲線坍塌至同質(zhì)型市場(chǎng)時(shí)，最終交易量和價(jià)格才能達(dá)到均衡狀態(tài)。已有研究為驗(yàn)證住宅多個(gè)維度實(shí)驗(yàn)變量的影響，通常默認(rèn)選擇需求方同質(zhì)型假設(shè)，忽視了消費(fèi)者的群體差異，可能會(huì)產(chǎn)生研究對(duì)象與住宅價(jià)格關(guān)系不顯著或邏輯相悖的結(jié)論，而在模型中納入感知變量可以很好地解決偏差問題，提高擬合結(jié)果的理論價(jià)值和現(xiàn)實(shí)意義。如圖1所示，本文的研究框架將分為兩個(gè)階段分別測(cè)算空氣質(zhì)量的客觀感知和清潔空氣的支付意愿。

圖1 清潔空氣支付意愿技術(shù)路線

第一階段：（1）在污染—感知協(xié)同理論中，空氣污染物濃度越高，視覺和嗅覺上的辨別性越高，空氣質(zhì)量滿意度以此為客觀感知變量的基礎(chǔ)，同時(shí)因年齡、健康狀態(tài)等個(gè)體特征存在群體差異，兩者的作用相互獨(dú)立且并存。第一階段將控制個(gè)體特征對(duì)主觀感知的影響，以PM2.5、PM10、NO2和O3等空氣污染物濃度預(yù)測(cè)社區(qū)尺度的客觀感知結(jié)果。（2）根據(jù)地理學(xué)第一定律，空間相關(guān)性是無處不在的，BICKERSTAFF等[46]認(rèn)為感知是建立在社區(qū)環(huán)境基礎(chǔ)上的認(rèn)知產(chǎn)物，地方化（localization）的空間屬性極大地塑造了公眾對(duì)周圍空氣質(zhì)量的感知。一些地區(qū)可能存在光環(huán)效應(yīng)[47]，即公眾對(duì)居住環(huán)境持樂觀態(tài)度，認(rèn)為所處社區(qū)空氣質(zhì)量處于較高水平，而有些地區(qū)則可能存在污名效應(yīng)[48]。因此，本文將借助空間計(jì)量模型從空間相關(guān)性的角度研究社區(qū)層級(jí)的組間異質(zhì)性。

第二階段：清潔空氣支付意愿實(shí)質(zhì)是居民為了享受宜居的空氣環(huán)境，遷移居住地所支付的價(jià)格，而當(dāng)居民選擇保留原有的居住空間時(shí)，未支付的價(jià)格會(huì)轉(zhuǎn)化為健康犧牲和醫(yī)療成本等形式進(jìn)一步被剝奪。本文將在空氣質(zhì)量維度中分別納入空氣質(zhì)量客觀感知和空氣污染物濃度，對(duì)比主客觀變量的影響差異，聯(lián)立需求方程構(gòu)建空氣污染價(jià)值損失曲線和清潔空氣支付意愿曲線。

2.2 數(shù)據(jù)來源與預(yù)處理

2.2.1 空氣污染數(shù)據(jù)

空氣污染數(shù)據(jù)來源于北京生態(tài)環(huán)境監(jiān)測(cè)中心，考慮空氣污染對(duì)滿意度及房?jī)r(jià)影響的時(shí)間滯后性特點(diǎn)以及回歸分析中的多重共線性問題，選取2015—2017年內(nèi)的PM2.5、PM10、NO2和O3等污染物為研究對(duì)象?；谝延醒芯?，普通克里格插值是較為普遍的插值方法之一，并被證明可以獲得較高的模擬預(yù)測(cè)精度[49]。鑒于監(jiān)測(cè)站點(diǎn)位無法覆蓋研究區(qū)域，對(duì)范圍內(nèi)污染物濃度進(jìn)行插值預(yù)測(cè)。由圖2可知，各個(gè)污染物濃度的空間格局存在明顯差異，PM10和PM2.5濃度由北向南遞減，西北部為NO2的低濃度區(qū)，且向東南部逐步遞增，而O3濃度在空間上呈現(xiàn)從北向南遞減的趨勢(shì)，三環(huán)內(nèi)市區(qū)為主要的低濃度區(qū)。

圖2 空氣污染物濃度空間分布

2.2.2 居民問卷調(diào)查數(shù)據(jù)

空氣質(zhì)量滿意度數(shù)據(jù)來源于張文忠團(tuán)隊(duì)2019年開展的“北京城市體檢滿意度”大規(guī)模問卷調(diào)查結(jié)果，數(shù)據(jù)范圍覆蓋其中427個(gè)社區(qū)。各個(gè)社區(qū)的樣本量數(shù)目在18～55份之間，問卷調(diào)查對(duì)象為居住半年以上居民。去除對(duì)相關(guān)問題不了解的評(píng)價(jià)，篩選獲得有效樣本10224份。問卷內(nèi)容包括居民對(duì)居住環(huán)境的評(píng)價(jià)（空氣質(zhì)量滿意度、綠化環(huán)境滿意度，宜居環(huán)境滿意度）、個(gè)人屬性特征和位置坐標(biāo)，基于李克特量表測(cè)量方法，主觀評(píng)價(jià)被劃分為“非常滿意”“比較滿意”“一般”“不滿意”“非常不滿意”，分別為5分，4分，3分，2分，1分。樣本情況如表1所示，男女比例近似相等，大學(xué)及以下受教育水平的四類人群結(jié)構(gòu)均衡，居民大多擁有本地戶口，大部分人群的家庭年總收入在7萬～19.9萬元，調(diào)查群體整體健康狀態(tài)良好。

社區(qū)空氣質(zhì)量滿意度均值分布如圖3所示，居民對(duì)于所住環(huán)境的空氣質(zhì)量總體表現(xiàn)為偏消極的評(píng)價(jià)?？諝赓|(zhì)量評(píng)價(jià)最高的地區(qū)在石景山區(qū)，可能原因在于石景山區(qū)過去污染較為嚴(yán)重，近幾年的污染治理改善大大提高了居民對(duì)周邊環(huán)境的空氣質(zhì)量好感。此外，從四環(huán)到二環(huán)內(nèi)空氣質(zhì)量評(píng)價(jià)得分有逐步降低的趨勢(shì)，北京城區(qū)南部評(píng)價(jià)得分整體低于城區(qū)北部評(píng)價(jià)得分。

2.2.3 住宅特征數(shù)據(jù)

住宅特征分為建筑特征、地理區(qū)位、鄰里環(huán)境和空氣質(zhì)量四個(gè)維度。建筑特征數(shù)據(jù)來源于2018年鏈家網(wǎng)房源信息，包括小區(qū)住宅單位面積的平均價(jià)格、建筑類型、樓房數(shù)和建筑年齡等。POI（point of interests）點(diǎn)位及距服務(wù)設(shè)施最近步行距離數(shù)據(jù)主要借助高德開放API接口獲取，并利用ArcGIS進(jìn)行矢量化處理和鄰近分析。其中就業(yè)中心定義借鑒邱紅等[50]和姚永玲等[51]對(duì)北京市就業(yè)中心識(shí)別的研究結(jié)論。如圖4所示，2019年北京城區(qū)住宅的單位面積價(jià)格呈現(xiàn)明顯的從市中心向外圍圈層式遞減的空間分布規(guī)律，中心城區(qū)北部房?jī)r(jià)高于南部地區(qū)，東部地區(qū)房?jī)r(jià)略高于西部地區(qū)。

圖4 2019年北京城區(qū)住宅價(jià)格空間分布

2.3 研究方法

2.3.1 多層線性模型

多層線性模型（hierarchical linear model，HLM）是一種估計(jì)變量系數(shù)概率的多尺度模型，在經(jīng)濟(jì)地理研究中具有廣泛的應(yīng)用。模型中，每一個(gè)低層次變量的系數(shù)可以是一系列高層次變量的擬合，估計(jì)系數(shù)的方法有隨機(jī)截距、隨機(jī)斜率以及固定效應(yīng)三種形式?；诒疚牡难芯靠紤]，構(gòu)建如下模型：

式中：yij是j社區(qū)內(nèi)樣本i的居民空氣質(zhì)量滿意度；xij1,xij2, …,xijp是j社區(qū)內(nèi)樣本i的個(gè)體解釋變量；β1,β2, …,βp是個(gè)體變量的全局回歸系數(shù)；β0是各個(gè)社區(qū)的估計(jì)截距；εij是個(gè)體層級(jí)樣本的隨機(jī)誤差；δ0是截距β0的隨機(jī)誤差；λ00是客觀感知變量；p代表個(gè)體層級(jí)變量數(shù)量。

2.3.2 地理加權(quán)回歸模型

地理加權(quán)回歸模型（GWR）是與空間分布關(guān)系密切相關(guān)的局部回歸方法，每個(gè)變量系數(shù)包含樣本地理位置的變參數(shù)函數(shù)。GWR可以將樣本點(diǎn)坐標(biāo)納入方程作局部平滑處理，提高回歸估計(jì)的擬合優(yōu)度。傳統(tǒng)的GWR模型在嵌套數(shù)據(jù)集合分析中會(huì)導(dǎo)致帶寬優(yōu)化和系數(shù)估計(jì)的嚴(yán)重問題[52]，而HLM可以有效分析多層嵌套數(shù)據(jù)，將樣本尺度過渡為社區(qū)尺度。在第一步HLM前提下，GWR模型為：

式中：β0j是在位置j的空氣質(zhì)量客觀感知變量，即HLM的估計(jì)截距；zjn是位置j的第n個(gè)解釋變量；n是解釋變量的個(gè)數(shù)；λjn是位置j處第n個(gè)估計(jì)系數(shù)，是關(guān)于樣本點(diǎn)坐標(biāo)的估計(jì)函數(shù)；δ0j是回歸方程的隨機(jī)誤差。

2.3.3 特征價(jià)格模型

特征價(jià)格模型可以估測(cè)各個(gè)影響因素在房地產(chǎn)價(jià)格的隱性價(jià)格，使用較為普遍的模型公式分為三種：線性函數(shù)公式、對(duì)數(shù)函數(shù)公式、半對(duì)數(shù)函數(shù)公式。在本文中，建筑特征、鄰近環(huán)境、地理區(qū)位等三個(gè)維度的變量為控制變量。鑒于因變量正態(tài)分布性假設(shè)，本文采用半對(duì)數(shù)函數(shù)形式構(gòu)建如下公式：

式中：P為住宅價(jià)格；xi為各個(gè)維度的控制變量；zj為空氣質(zhì)量維度變量；β0和βi是各個(gè)維度控制變量的估計(jì)參數(shù)；αj是空氣質(zhì)量維度變量的估計(jì)參數(shù)；ε為特征價(jià)格方程的隨機(jī)誤差。

3 空氣質(zhì)量滿意度的影響因素分析

3.1 個(gè)體特征對(duì)空氣質(zhì)量滿意度的影響

基于固定效應(yīng)模型，第一層級(jí)采用固定斜率，第二層級(jí)納入不同社區(qū)的隨機(jī)效應(yīng)，通過隨機(jī)截距反映組間異質(zhì)性，并將其作為社區(qū)尺度的空氣質(zhì)量客觀感知結(jié)果。通過R 4.1.2軟件對(duì)多層線性模型進(jìn)行估計(jì)，采用赤池信息準(zhǔn)則（AIC）和貝葉斯信息準(zhǔn)則（BIC）檢測(cè)模型有效性。首先構(gòu)建僅包含社區(qū)組的模型Ⅰ，去除社區(qū)組并引入個(gè)體層級(jí)變量構(gòu)建模型Ⅱ，最后在模型Ⅱ中加入社區(qū)組構(gòu)建模型Ⅲ。AIC、BIC在三個(gè)模型中逐步減小，表明居民對(duì)空氣污染感知存在不容忽視的社區(qū)組隨機(jī)效應(yīng)。

由表2可知，宜居環(huán)境和綠化水平評(píng)價(jià)對(duì)空氣質(zhì)量滿意度有較高的權(quán)重，兩項(xiàng)指標(biāo)的影響系數(shù)最高且t統(tǒng)計(jì)檢驗(yàn)顯著，表明高質(zhì)量的居住環(huán)境和與清潔空氣密切相關(guān)的綠化建設(shè)有助于提高居民對(duì)空氣質(zhì)量的認(rèn)可程度，降低對(duì)空氣污染的察覺。從個(gè)人特征來看，年齡和健康狀態(tài)對(duì)滿意度有顯著影響，且呈負(fù)相關(guān)關(guān)系，表明老年人及身體狀況較差的弱勢(shì)人群對(duì)空氣污染問題具有較高的關(guān)注度，受制于自身體質(zhì)的脆弱性和空氣污染的危害性，對(duì)惡劣的空氣環(huán)境持有更多的負(fù)面情緒。

表2 多層線性模型系數(shù)估計(jì)結(jié)果

與一般性規(guī)律相吻合，收入和學(xué)歷相對(duì)較高的人群傾向給予空氣質(zhì)量更高的評(píng)價(jià)，可能因?yàn)樵擃惾巳河心芰蛢?yōu)勢(shì)資源選擇居住在環(huán)境更好的區(qū)域，并且擁有較為積極和正向的生活態(tài)度。擁有本地戶口的居民對(duì)空氣質(zhì)量的滿意度更高，因其在當(dāng)?shù)亻L(zhǎng)期居住降低了對(duì)空氣質(zhì)量的敏感程度，而外來人口具有較高的流動(dòng)性，北京市與戶籍地空氣質(zhì)量之間的差距可能導(dǎo)致流動(dòng)人口對(duì)空氣質(zhì)量的滿意度偏低。

3.2 空氣污染與空氣質(zhì)量主觀感知的空間相關(guān)性

在HLM分析基礎(chǔ)上，該部分通過軟件GWR 4.0.9刻畫空氣污染與空氣質(zhì)量客觀感知的空間相關(guān)性。應(yīng)用高斯模型中的adaptive bi-square地理核函數(shù)，基于AICc法確定最優(yōu)帶寬為20.0。由表3可知，利用OLS模型作全局回歸得到調(diào)整后的擬合優(yōu)度僅有0.189，模型中有20.223的剩余殘差未得到解釋，而GWR模型的擬合優(yōu)度為0.786，成功解釋了其中剩余的73.33%的方差，表明引入空間距離加權(quán)函數(shù)極大地提高了模型的估計(jì)效率。根據(jù)AICc和無偏sigma估計(jì)判別標(biāo)準(zhǔn)，GWR模型顯著提高了對(duì)空氣質(zhì)量客觀感知的解釋力。

表3 OLS和GWR模型對(duì)比

各個(gè)污染物濃度的回歸系數(shù)統(tǒng)計(jì)分析結(jié)果如表4所示，從平均值來看，O3和NO2濃度對(duì)空氣質(zhì)量感知呈負(fù)面影響，而PM2.5和PM10與空氣質(zhì)量客觀感知呈正向關(guān)系；從極值和四分位數(shù)來看，不同組別的空氣污染物濃度回歸系數(shù)差異較大，正向系數(shù)和負(fù)向系數(shù)并存。此外，PM2.5和O3濃度回歸系數(shù)的標(biāo)準(zhǔn)差較大，其他污染物濃度對(duì)客觀感知的影響差別較小。

表4 GWR模型估計(jì)結(jié)果

基于GWR中社區(qū)組的空間距離函數(shù)，對(duì)研究范圍內(nèi)的每個(gè)柵格作插值預(yù)測(cè)，進(jìn)一步分析北京六環(huán)內(nèi)及周邊郊區(qū)空氣污染物濃度影響系數(shù)的空間格局。由圖5可知，四種空氣污染物對(duì)空氣質(zhì)量客觀感知的影響存在著明顯的空間差異，在大部分地區(qū)，污染物排放濃度對(duì)客觀感知產(chǎn)生消極影響，而在局部地區(qū)，客觀感知與污染物排放濃度的關(guān)系存在偏差。

圖5 空氣污染物濃度回歸系數(shù)空間分布

在經(jīng)典的空氣污染感知理論中，O3與霧霾等污染物會(huì)影響居民的客觀感知，而在最近的研究中發(fā)現(xiàn)，越來越多的實(shí)證結(jié)論與傳統(tǒng)理論相背離，即空氣質(zhì)量評(píng)價(jià)與地區(qū)空氣質(zhì)量具有較小或不顯著的相關(guān)性，并可能呈負(fù)向關(guān)系。對(duì)于圖中估計(jì)系數(shù)為正的地區(qū)可能具有如下多種原因：第一，居民對(duì)空氣質(zhì)量的認(rèn)知能力無法和監(jiān)測(cè)值對(duì)應(yīng)，當(dāng)空氣質(zhì)量大大高于或低于預(yù)期水平時(shí)，主觀評(píng)價(jià)可能未超出平均水平的范疇[53]。如大興區(qū)亦莊技術(shù)開發(fā)區(qū)、瀛海等街道處于五環(huán)外的近郊地區(qū)，居民對(duì)于周邊環(huán)境有一定的心理預(yù)期，雖然周邊較高的工業(yè)經(jīng)濟(jì)活動(dòng)強(qiáng)度提高了PM2.5、PM10、NO2等污染物濃度，但居民未能識(shí)別出這種差異。第二，空氣質(zhì)量感知是一種主觀認(rèn)識(shí)世界的過程，可能受社會(huì)文化背景、地方性等影響。如石景山區(qū)盡管空氣質(zhì)量并不是最優(yōu)一類，但曾經(jīng)首鋼在此處留下的鋼鐵文化與空氣污染的歷史，使得居民對(duì)首鋼搬遷后的社區(qū)環(huán)境治理改善表達(dá)出更高程度的認(rèn)可。第三，感知偏差可能受居民所處區(qū)位的影響，存在明顯的光環(huán)效應(yīng)和污名效應(yīng)。如二環(huán)內(nèi)一些房?jī)r(jià)較高的小區(qū)居民對(duì)所處環(huán)境持積極樂觀的態(tài)度，傾向于在問卷中給予優(yōu)越的評(píng)價(jià)，而在房?jī)r(jià)較低的小區(qū)可能會(huì)被居民貼上空氣質(zhì)量偏低、宜居性較差的環(huán)境標(biāo)簽。

部分地區(qū)空氣質(zhì)量客觀感知與污染物濃度存在偏差，但從本文的研究重點(diǎn)以及理論基礎(chǔ)出發(fā)，消費(fèi)者偏好是市場(chǎng)均衡狀態(tài)的根本動(dòng)力，客觀感知在住房市場(chǎng)交易中始終具有重要的意義，因此被納入特征價(jià)格模型中作進(jìn)一步分析。

4 基于房?jī)r(jià)的清潔空氣支付意愿

4.1 基于特征價(jià)格模型的房?jī)r(jià)影響因素分析

在第二階段，首先在模型Ⅰ中納入建筑特征、地理區(qū)位和鄰里環(huán)境的控制變量，在模型Ⅱ中納入四個(gè)空氣污染物濃度變量，模型Ⅲ和模型Ⅳ則在模型Ⅰ中分別加入空氣質(zhì)量客觀感知和PM2.5濃度。ANOVA分析中，四個(gè)回歸模型的P值均顯著，通過了F檢驗(yàn)，表明特征價(jià)格方程具有統(tǒng)計(jì)學(xué)意義。從擬合優(yōu)度來看，調(diào)整后的R2達(dá)到0.6以上，控制變量和觀測(cè)變量的組合可以有力地解釋房?jī)r(jià)的變化趨勢(shì)。

由表5可知，除了距最近幼兒園的最近距離之外，大部分控制變量均在5%的檢驗(yàn)水平上顯著。在建筑特征中，小區(qū)住房類型對(duì)住宅價(jià)格具有較高的影響，板樓、塔樓和平房的本質(zhì)區(qū)別在于建筑物長(zhǎng)寬高的配比，使得住房戶型、朝向、采光以及通風(fēng)等與生活密切相關(guān)的基本特性產(chǎn)生較大的差別，是居民購房考慮的重要因素。

地理區(qū)位維度中，住宅所處環(huán)線范圍是對(duì)房?jī)r(jià)影響最為顯著的變量之一，標(biāo)準(zhǔn)化系數(shù)為-0.665，表明房?jī)r(jià)存在從外圍向中心遞增的環(huán)形尖峰現(xiàn)象；距最近地鐵站距離的標(biāo)準(zhǔn)化系數(shù)達(dá)到-0.117，地鐵作為北京市居民的主要交通方式之一，與生活、工作和游憩等日?；顒?dòng)密不可分，住房附近是否有地鐵是購房者交易過程中的重要因素。在鄰里環(huán)境特征中，距大學(xué)、公園以及風(fēng)景名勝區(qū)最近距離對(duì)房?jī)r(jià)有正向作用，大學(xué)和風(fēng)景名勝區(qū)附近往往配備豐富的公共服務(wù)設(shè)施，對(duì)周邊社區(qū)有正外部性影響。距離醫(yī)院和超市的遠(yuǎn)近與房?jī)r(jià)呈負(fù)向關(guān)系，可能因?yàn)榫C合醫(yī)院和超市往往是人流量較大的區(qū)域，對(duì)周邊小區(qū)的停車以及環(huán)境噪聲等造成了負(fù)面影響。

由模型Ⅱ結(jié)果可知，在選取有效數(shù)目的控制變量的情景下，住宅價(jià)格與空氣質(zhì)量客觀感知呈正向關(guān)系，在保持其他變量不變的前提下，客觀感知每下降1個(gè)標(biāo)準(zhǔn)差，因變量整體會(huì)下降10.3%。而從模型Ⅲ中發(fā)現(xiàn)不同污染物濃度與房?jī)r(jià)的關(guān)系較為復(fù)雜，PM2.5濃度與房?jī)r(jià)呈負(fù)向關(guān)系，但PM10濃度、O3濃度和NO2濃度與房?jī)r(jià)呈正向關(guān)系，與理論邏輯相悖，缺失現(xiàn)實(shí)解釋力。根據(jù)經(jīng)驗(yàn)推斷，一種解釋是嚴(yán)重的空氣污染會(huì)損害住宅周邊環(huán)境的整體宜居性，使得住宅價(jià)格下降，而武婷和沈靜[54]研究發(fā)現(xiàn)較差的空氣質(zhì)量可能與路網(wǎng)密度相關(guān)，交通活動(dòng)頻繁地區(qū)、高房?jī)r(jià)地區(qū)和高污染地區(qū)在空間上存在重合，使得污染物濃度與房?jī)r(jià)呈現(xiàn)正相關(guān)性；另一種解釋是購房者對(duì)三種空氣污染物并不敏感，在交易過程中并未感知到空氣污染的負(fù)面影響，所以住宅價(jià)格與污染物濃度呈偽相關(guān)性。因此，在模型Ⅳ中僅保留PM2.5濃度變量，結(jié)果表明以PM2.5濃度為代表的空氣污染惡化時(shí)會(huì)導(dǎo)致房?jī)r(jià)下降，是居民購房決策的消極因子，PM2.5濃度每上升1個(gè)標(biāo)準(zhǔn)差，因變量整體將會(huì)下降25.0%。參考《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）2018年的要求，確定PM2.5的年均標(biāo)準(zhǔn)排放濃度為70 μg/m3，計(jì)算可得，以PM2.5濃度為表征的空氣污染導(dǎo)致的平均價(jià)值損失為2.03元。為獲得具體的清潔空氣價(jià)格，以100 m2面積的住宅作為基準(zhǔn)要求，結(jié)合小區(qū)住宅平均單位面積價(jià)格和空氣質(zhì)量客觀感知，聯(lián)立方程可得北京市居民的清潔空氣平均支付意愿為125.44元，最高可達(dá)160.48元。

4.2 清潔空氣支付意愿和空氣污染價(jià)值損失分析

為更加直觀地表示空氣污染的影響和清潔空氣的重要性，構(gòu)建空氣污染價(jià)值損失曲線和清潔空氣支付意愿曲線。由圖6可知，當(dāng)PM2.5濃度略大于標(biāo)準(zhǔn)排放濃度時(shí)，PM2.5濃度增加導(dǎo)致的空氣價(jià)值流失迅速，而當(dāng)PM2.5濃度提高到一定程度時(shí)，空氣價(jià)值流失速度相對(duì)減緩，說明在空氣質(zhì)量較好地區(qū)的空氣污染代價(jià)更高，可能原因在于空氣質(zhì)量下降帶來的環(huán)境惡化對(duì)居民持有的積極態(tài)度的沖擊力較高，劉倩倩等[55]的研究也證明發(fā)現(xiàn)長(zhǎng)期處于PM2.5污染中的居民對(duì)周圍環(huán)境變化的反應(yīng)趨于疲軟。從清潔空氣支付意愿曲線（圖7）中可以發(fā)現(xiàn)，當(dāng)居民對(duì)空氣質(zhì)量的客觀感知較差時(shí)，空氣質(zhì)量改善對(duì)清潔空氣支付意愿的提升較小，隨著客觀感知提高到一定階段時(shí)，空氣質(zhì)量改善才會(huì)更加顯著地提升清潔空氣支付意愿。

圖6 空氣污染價(jià)值損失曲線

圖7 清潔空氣支付意愿曲線

5 結(jié)論與討論

5.1 結(jié)論

在2019年北京城市體檢問卷調(diào)查工作基礎(chǔ)上，本文結(jié)合居民滿意度結(jié)果在特征價(jià)格模型中驗(yàn)證了空氣質(zhì)量對(duì)住宅價(jià)格的影響，并進(jìn)一步評(píng)估了清潔空氣的支付意愿和空氣污染所帶來的價(jià)值損失。結(jié)論如下：

（1）不同人群對(duì)居住地空氣質(zhì)量的滿意度評(píng)價(jià)存在差異。老年人和健康狀況較差、家庭總收入偏低、受教育水平較低、非本地戶口的居民對(duì)空氣質(zhì)量滿意度相對(duì)偏低。此外，提高綠化水平和改善宜居環(huán)境有助于提高居民對(duì)空氣質(zhì)量的評(píng)價(jià)。

（2）不同空氣污染物濃度與滿意度的空間相關(guān)性明顯不同，局部地區(qū)存在明顯的光環(huán)效應(yīng)和污名效應(yīng)。總的來說，大部分地區(qū)空氣污染物濃度對(duì)空氣質(zhì)量感知有負(fù)向影響，而在局部地區(qū)空氣污染物濃度與空氣質(zhì)量感知呈正向關(guān)系。該結(jié)論與已有的文獻(xiàn)結(jié)果相對(duì)應(yīng)，在認(rèn)知偏差的局限性下，居民對(duì)人居環(huán)境質(zhì)量預(yù)期估計(jì)與現(xiàn)實(shí)結(jié)果不能完美匹配，受社會(huì)背景、歷史文化及地方性等因素影響，空氣質(zhì)量較差/較優(yōu)的地區(qū)有可能得到偏高/偏低的評(píng)價(jià)。

（3）在住房市場(chǎng)中，空氣質(zhì)量對(duì)價(jià)格變化有顯著影響，四類空氣污染物中僅有PM2.5濃度對(duì)房?jī)r(jià)呈負(fù)向影響，在模型假設(shè)中具有現(xiàn)實(shí)意義，空氣質(zhì)量感知是城市居民在建成環(huán)境的實(shí)際生活體驗(yàn)，在解釋房?jī)r(jià)變化規(guī)律上更有說服力。以研究區(qū)域的房?jī)r(jià)為基準(zhǔn)，居民愿意為提高空氣質(zhì)量而平均支付124.36元的費(fèi)用，因空氣污染導(dǎo)致的價(jià)值損失平均為2.03元。此外，在空氣質(zhì)量較好地區(qū)，人們對(duì)清潔空氣的支付意愿增長(zhǎng)更快，且空氣污染導(dǎo)致的環(huán)境效益流失更多，而空氣污染較為嚴(yán)重的地區(qū)，人們對(duì)于清潔空氣的重視程度相對(duì)降低，提升空氣質(zhì)量帶來的效益不能滿足人們的期望。

5.2 討論

本文以空氣質(zhì)量的公眾感知為研究核心，為清潔空氣定價(jià)提供了新的分析方法和研究視角，可以幫助構(gòu)建科學(xué)普適的成本—收益體系，為決策者治理環(huán)境污染給予實(shí)證支撐。盡管改善環(huán)境質(zhì)量、治理污染是各國政府管理者和科研工作者的共識(shí)，但如清潔空氣等公共產(chǎn)品無法通過經(jīng)濟(jì)市場(chǎng)規(guī)律來度量，探討合理的定價(jià)方法對(duì)踐行以人為本的現(xiàn)代健康城市規(guī)劃理念就具有十分重要的現(xiàn)實(shí)意義。

誠然，本文存在一定的不足之處。（1）過去大量研究表明，特征價(jià)格模型在探討住宅價(jià)格影響因素上具有高效的應(yīng)用價(jià)值和可靠的理論支撐，但對(duì)變量選取有較高的要求，單一的PM2.5濃度變量無法全面綜合代表空氣污染程度；（2）由于數(shù)據(jù)獲取渠道有限，本文僅采用2019年的房?jī)r(jià)和問卷調(diào)查數(shù)據(jù)建模，無法刻畫自2013年以來清潔空氣支付意愿的變化趨勢(shì)，在未來研究中將考慮納入時(shí)間序列數(shù)據(jù)進(jìn)一步分析。