推文信息

原文信息：Yu Qin, Jing Wu, Jubo Yan. 2019. “Negotiating housingdeal on a polluted day: Consequences and possible explanations” Journal ofEnvironmental Economics and Management 94:161-187.

图片来源：百度图片

简介和背景

空气污染在发展中国家受到了政府和学术界的广泛关注，越来越多的文献开始解释空气污染如何影响个人行为。本文研究了北京的空气污染对房地产市场的影响，聚焦于严重的空气污染对房屋购买的即时影响。基于以下两个原因本文认为研究这种即时的行为反应和行为偏差是适合的：第一，由于北京的高房价，在北京买房子是一个人一生中一个重大的决定，所以买者仅仅由于签合同当天严重的空气污染而突然改变决定是非常困难的；第二，空气污染在北京相对是比较常见的（2014-2015年118天PM2.5高于150、90多天重度污染），对于严重污染的天气，并不会感到惊讶。

根据2010年人口普查数据，接近60%北京人口有自己的房子，剩余的人只能租房子住，并且大部分租房者都是不在北京出生的非本地人口，他们的居住条件普遍比有房子的人差得多。北京的住房市场在过去十年取得了爆炸式发展，为了遏制住房市场的投机行为，北京政府在2010年出台了限购政策，拥有北京户口的家庭如果在北京已经拥有了两套住房就不能再购买，非北京户口家庭除非一直在北京工作并连续五年缴纳税款和社会保障才能购买住房。北京的房屋交易市场主要包括以下程序：首先，潜在的买者联系代理人沟通自己的住房的要求；其次，代理人帮助买者筛选几个候选，如果买者感兴趣就会安排与卖者见面（一般在一周内，如果市场火爆可能在第二天），买卖双方协商价格，如果一致，代理人立即准备合同，现场签订，签订合同后，买方支付定金（通常在1万元到10万元之间，视交易价格和市场而定）；然后，大约两周的时间在北京市住房和城乡建设厅的网上系统进行交易登记，即政府机构监控住房交易。

本文获得了一家大型住房经纪公司在北京的交易数据，其中有超过100000笔转售（不是新的销售）房屋交易。数据记录了买方和卖方协商价格并随后立即签订合同的确切日期，观察了每笔交易的成交价格，并且提供了买家的基本人口统计数据（出生地、年龄、性别以及房屋特征），随后将这些数据与空气污染数据进行匹配，实证检验了空气污染对房屋成交价格和数量的影响，并进行了一系列的稳健性检验和异质性分析。

数据、假设和识别策略

本文的数据主要包括两类：第一类是空气污染数据。自2008年以来，美国驻华使馆已经在北京、上海、广州、成都和沈阳测量并公布了PM2.5的每小时读数，本文使用美国驻北京大使馆公布的每小时PM2.5读数来测量空气污染，本文计算每日PM2.5的平均值作为日常污染水平的代表，空气污染数据另一个来源是环境保护部公布的官方空气质量指数（AQI）。由于AQI存在政府操纵，所以本文主要使用PM2.5的值衡量空气污染。本文进一步采用环境保护部在2012年发布的环境空气质量指数技术法规将PM2.5按照35,75,115,150,250和350的截止点创建虚拟变量，代表污染水平；第二类是房屋交易数据。数据由北京最大的房屋经纪公司提供，样本涵盖了2014年1月至2015年12月该经纪公司协助的所有转售住房交易，包括交易价格、住房属性以及买卖双方的年龄，性别和出生地等信息。

标准的经济学理论预测房屋市场中的理性代理人不会受到一天中天气或者空气污染的影响，但是，在行为表现文献中，短期的外部冲击，如空气污染和天气，可能会改变人们的决定和行为，虽然决定买房比购买冬季服装、汽车等消费品更为重要，但本文怀疑类似的机制仍可能在房地产市场中发挥作用，因此，形成了本文的第一个假设：（1）特定日的空气污染水平会影响买家的支付意愿（WTP）和卖家的接受意愿（WTA），从而改变市场结果。住房转售市场是基于（潜在）买方和卖方之间讨价还价的双边市场，因此，市场结果可以进一步分为两个方面：价格和数量。价格和数量的变化会带来WTP和WTA的变化，例如，价格和交易量的增加意味着WTP的增加，通过这些预测，本文形成了一个更可测试的假设：（2）特定日的空气污染水平会影响住房交易的价格和数量。

本文主要回归方程如下：

核心解释变量是PM2.5，被解释变量是每平方米的住房交易价格。Weathert表示天气状况（温度、风速、露点以及是否有雾、是否下雪、是否下雨、是否打雷的虚拟变量），Hedonicj表示所有房屋特征。本文还控制了社区固定效应、逐月固定效应、国家法定假日以及每周的固定效应。除了使用PM2.5的连续测量之外，我们还采用了七个级别的PM2.5的分类测量（相应的截止点：35,75,115,150,250和350）以允许可能的非线性效应，方程如下：

虽然一般认为空气污染在短期内是一种外生性冲击，但为了解决对内生性问题的可能担忧，本文也对主要结果进行了IV估计，本文使用逆温作为空气污染的工具变量。逆温（即，温度反转）是指较高海拔处的温度高于较低海拔处的温度的气象现象，烟雾或空气污染是逆温的主要后果之一。由于逆温是一种纯粹的气象现象，这个工具变量满足相关性和无关性。

主要结果和稳健性检验

表2展示了房屋交易谈判当天的空气污染对交易价格的影响，在控制了固定效应、天气状况以及房屋特征等因素后，PM2.5对交易价格具有显著的正向影响。（3）报告了2SLS估计结果，比OLS估计结果大，但依然在1%显著性水平下显著。2SLS估计的一个潜在问题是，由于双向聚类标准误，第一阶段F统计量的临界值不明确（Cameron和Miller，2015），本文将2SLS估计值作为稳健性检验并将OLS估计结果作为主要结果。本文还估计PM2.5分类水平对交易价格的影响，系数的大小随着污染程度的增加而增加，表明污染程度对住房交易价格有一定的非线性影响。其他条件相同的情况下，严重污染日（PM2.5级别7）的交易价格比没有污染的日子（PM2.5级别1）高0.65％。根据平均交易价格，该系数转换为单位住房的货币价值为19390元（2985美元），或者特定一天，整个城市约为351万元。总之，结果表明谈判日的空气污染增加了交易价格。

本文进行了一系列的稳健性检验：

（1）用AQI数据代替PM2.5，尽管AQI数据由于政府操纵可能造成结果的偏误，但本文结果与使用PM2.5数据的结果相似。

（2）本文在回归方程中包括滞后10天和30天的PM2.5和AQI指数，作为额外的控制变量，也得到了相似的结果。

（3）本文采用多项式分布滞后模型，可以减轻对空气污染滞后条件下多重共线性的担心。对于使用10天滞后的分布式滞后模型，本文观察到第0天的正向显著系数，这与之前的主要发现一致。此外，滞后的空气污染并未显著影响交易价格，将滞后期延长到20天和30天时，本文观察到存在显著的当前效应和滞后效应。造成这种现象的一个可能原因是，房屋展示当天的空气污染也可能影响交易结果，而这些影响发生在签订合同之前的几天。

（4）本文研究了污染水平的空间变化，因为该市有20多个监测站。虽然没有关于谈判地点的确切位置的信息，但我们将物业的位置作为近似值。包括所有的控制变量，平均PM2.5在常规水平上不显著，但具有正系数。

（5）本文试图控制主要回归中的一些额外变量，包括我们的采样期内房地产市场的主要政策变化，以及用虚拟变量控制支付现金的买家，本文进一步控制买方注册日期PM2.5级别作为房屋查看日期的空气质量的代理变量。本文发现包含这些变量并不会改变主要结果。

（6）本文在北京样本中补充了中国其他两个主要城市——上海和广州同期的交易子样本。本文的估计结果依然稳健，由于与北京相比，上海和广州的住房交易市场在经纪公司的市场份额方面较不集中，而且无法获得大部分转售交易数据，因此仅将此结果作为稳健性检验。

另外，本文还估计了空气污染对房屋交易量的影响，结果见表3，所有结果都为正，说明空气污染越严重，房屋交易量越大。但部分估计系数不显著，因此，保守结论是，在污染较严重的日子里，交易量不会减少。

机制阐述

1.合理的解释

（1）选择

空气污染与交易价格之间正相关关系的一个明显解释是选择。例如，在污染日签订合同的买家可能会对北京的房屋所有权给予更高的评价，因为在污染的日子外出会增加他们的污染风险。在这种情况下，污染严重时的总交易量将下降，因为只有北京房屋所有权估价较高的买家才会选择样本。正如表3所示，系数中没有一个显著为负，这与选择假设相反。

（2）信息更新

第二种解释是信息更新。也就是说，市场参与者可以更多地了解交易日当天污染程度。但是，这应该不是本文实证结果的解释，正如本文背景部分所述，严重的空气污染在北京并不罕见，更重要的是，要成为北京的合格住房买主，需要有一个北京户口（即在北京长大的当地居民）或者需要在北京生活和工作至少连续五年，这确保了所有市场参与者都能充分了解当地污染，并且不会因为仅仅在一天的重污染中更新他们的信念。

（3）污染引起的认知能力变化

另一种解释是空气污染会影响个人的认知能力，从而影响谈判过程和交易价格。很多研究表明空气污染会负面影响人的数学能力、工作效率、学生在校表现等，如果空气污染在谈判过程中通过削弱买卖双方认知能力或降低其生产力来影响谈判过程，进而影响交易中的价格或数量变化，本文的异质性分析剔除了这种解释。本文估计了空气污染对交易价格影响对于北京当地居民和非当地居民有什么差异，结果见表4。空气污染大大增加了非本地买家的交易价格，但对当地买家没有影响。表5显示了空气污染在交易量中的异质性影响，OLS结果表明，更多的非本地购买者在受污染的日子购买住房单元，对本地购买者没有显著影响。如果是由于认知能力变化，那么对于本地居民和非本地居民的影响应该是一致的，本文异质性分析结果表明不是这种原因。有人可能会进一步争辩说，空气污染对本地和非本地买家有不同的影响，因为他们接触空气污染的持续时间不同，本文不能直接用我们的经验数据来反驳这种解释，但由于以下原因，它极不可能成立。鉴于北京对购房的限制，买方必须拥有北京户口或连续五年在北京工作的经验才有资格购买，并且北京户口也只能通过有限的渠道获得，每年获得北京户口的大多数非本地人都是那些从该市的大学获得大学学位的毕业生。因此，我们样本中的本地和非本地买家已经暴露于空气污染足够长的时间，并且空气污染不太可能对他们产生不同的影响。

2.行为解释

本文详细讨论相对思维（relative thinking）和显著性理论（salience theory）如何解释我们的实证结果。显著性理论建立在相对思维理论的基础上，具有相似的直觉，但提供了更多的理论基础。要使相对思维和显著性理论成为有效的解释，必须认识到市场参与者的选择集，有理由认为，进入买房的最后阶段的人决心在北京工作和生活，至少在短期内，搬到另一个城市不在他们的选择范围之内。显著性理论的直觉是决策者的注意力被吸引到相对变化较大的属性上，这是通过引入一个显著函数来实现的，该函数在相对变化中递增。随着空气污染的加剧，居民生活质量的相对变化较大，因此人们对新建住宅单元的质量属性相对于价格属性更加关注。假设买者的效用函数是u=σq*q-σp*p, q是生活质量，p是生活质量对应的价格，σq和σp代表买者对质量和价格重视的权重，没有空气污染时，搬到新住处效用增加σq*（qnew-qcurrent）-σp*（pnew-pcurrent）,有空气污染时效用增加σq.polluted*（qnew.polluted-qcurrent.polluted）-σp*（pnew-pcurrent）, qnew.polluted-qcurrent.polluted=qnew-Δ-(qcurren-Δ)= qnew-qcurrent(Δ表示空气污染造成的负面冲击,假定是正的)，σq。polluted>σq, 在污染严重的日子里，如果唯一的变化是空气质量，搬到新居的效用会更大，买家现在愿意接受pnew.polluted>pnew。基于以上讨论，显著性理论解释产生了与我们的实证结果相一致的预测，以及一些额外的预测:

（1）空气污染降低了生活质量，并引起人们对质量属性(相对于价格)的关注。因此,买家愿意接受更高的价格。

（2）买方当前生活条件越糟,她越是受到显著性思维的影响,因为在受空气污染影响后，这种改变提升更大,因而σq增加更大。

（3）空气污染引起人们对生活质量的关注，因此，更多的人会考虑改善他们的生活条件。

本文的主要结果和预测（1）一致，结果表明空气污染引起交易价格的上升和交易量的不下降，表明增加买者的WTP。

对于预测（2），本文不能得到买者目前的生活质量和潜在未来的生活质量相关数据，但是本文从以下几个维度拟合该预测：第一，由于已经在北京有房子或者跟家人分享一套房子的本地居民，相比于租房子的非本地居民，目前的生活质量更好。如上表4的估计结果，对非本地居民有显著影响，对本地居民没有显著影响；第二，买大房子的买者相对更富有和目前享受着更好的居住条件。如表6，那些买大房子的买者空气污染对交易价格的影响不显著，买小房子的买者受到了显著影响。以上结果表明处于不利地位的买家(即非本地买家和购买较小房子的买家)主要受到空气污染的影响。由于这些人往往是收入较低的城市新移民，空气污染对这批购房者的影响可能会使他们的情况明显恶化。这进一步证明，旨在减少空气污染的环境政策也将有助于缓解不同社会群体之间的差距。

对于预测（3），本文通过分析情感数据(即搜索引擎和网站访问量)来提供一些证据，本文收集了与谷歌趋势相似的每日百度指数，选取了几个与首页搜索相关的中文关键词，包括1)“链家”，北京的大型转售经纪商；2)“买房”；3)“搜房网”，中国最大的房产经纪公司。另外，本文收集每天“搜房网”北京IP地址的访问量。我们进行以下回归:

Indext表示百度指数和“搜房网”网页点击数据，结果见表8。在污染严重的日子里，人们会更多地搜索这些与住房相关的关键词，更多地访问房屋交易中介的网站，这些结果表明空气污染使人们更重视生活质量。

考虑到不同子群体的异质性反应以及网络点击和访问结果，我们认为空气污染诱导的显著性思维是对本文实证结果最合理的解释。

总 结

本文研究了空气污染对住房市场交易的直接影响，并提供了一个合理的解释——住房市场的显著性思维。本文的研究结果表明，从价格谈判到签订最终合同之间的时间间隔可能有助于买方减少这种由于空气污染即时影响引起偏误的程度，房地产经纪公司也可能会利用这种偏误，在同一天赶着买家和卖家“成交”。因此，政府可以实施法规，改善住房市场交易流程，减少市场参与者的遗憾。虽然减少空气污染的有效政策是可取的，但教育个人了解接触空气污染的不利影响的环境政策也同样重要。

全文流畅，一气呵成，文思缜密，特别是对于显著性理论的解释和预测的证明，十分精彩，越读越信，越信越读。强烈建议大家去阅读原文！

Abstract

The topic of air pollution has drawn considerable attention globally. In this paper, we examine the immediate effect of air pollution on a substantial decision, that is, a housing purchase. By linking housing purchasing behavior with the air quality in Beijing, we document market participants’ behaviors unexplained by rational economic theories. Our main result suggests that the transaction prices on a severely polluted day are 0.65% higher than those of the days without pollution, other things being equal. This translates into approximately 3.51 million yuan daily increase based on the average transaction volume and price on a typical day in Beijing. The heterogeneity analysis further suggests that this effect is mostly driven by non-local and low income buyers. After ruling out rational explanations, we demonstrate that our empirical results are consistent with salience theory under weak assumptions.

声明推文仅代表文章原作者观点及推文作者的评论观点，并不代表香樟经济学术圈公众号平台观点。香樟经济学术圈征稿
香樟致力于提供学术研究公共品，对香樟最好的回馈就是向平台赐稿。联系邮箱：cectuiwen@163.com。香樟经济学术圈本期小编：汪海建