王振山1，张绍良1，张英2，张锦辉3
(1.中国矿业大学环境与测绘学院，江苏 徐州，221116；
2.呼和浩特市国土资源执法监察支队，内蒙古 呼和浩特，010010；
3.宁夏土地勘测规划院，宁夏 银川，750001)
1 引言
城市绿地具有非常明显的外部性，尤其是公共绿地，其发挥的生态景观等功能无法通过市场衡量，进而导致城市绿地建设对住宅地价的影响效果无法直接测度；但是，城市绿地具有非常重要的生态、休闲等功能，是消费者购买住宅房屋（住宅用地）和开发商拿地考虑的重要因素，是影响住宅地价水平高低的重要因素。因此，研究其作用机理、分析其溢出效应，对量化城市绿地功能具有非常重要的借鉴意义，同时为我国土地管理部门制定相关政策和开发商合理投资提供依据和参考。
溢出效应就是某项活动有外部效益，但活动的主体得不到收益，现有文献研究主要集中在知识、外商投资等正外部性方面，通常采用计量经济学模型来分析[1, 2]；而基于环境污染的溢出效应是最为常见的负外部性案例，通过引入内生化环境政策构建企业价值模型进而分析环境政策促进经济发展的作用机理[3]，其实质也是一种计量分析方法。特征价格分析是计量经济学革新的重要源泉之一，早已被成功应用于城市住宅地价的研究中，它认为商品的价格主要体现在消费者对商品属性的满意度，而不是商品自身决定的[4]：目前研究主要基于城市尺度，从宏观方面筛选特征变量，研究城市住宅地价的影响因素[4, 5]；也有一些研究以住宅小区为研究对象，从微观角度研究城市住宅地价的影响因素[6, 7]。上述研究中仅将生态环境因素作为影响因素的一部分，但也有一些学者通过特征价格模型专门从某一角度分析：比如，从公共投资、城市轨道交通、城市基础设施等角度研究其对不动产价格的影响效应；除此之外，全球生态亮起红灯以来，将城市景观、公园绿地、湖景等生态因素引入特征价格模型中，分析其对住宅房价的影响也逐渐涉及，并运用边际分析、回归系数、弹性系数等方法对相关指标的作用程度进行了量化[11-18]，为政府和开发商更准确地评估地价提供建议，只是在发展中国家的案例应用分析还比较少见[12]。不过，上述有关影响因素的分析，有的基于城市与城市之间的分析，而有的基于城市内部具体楼盘的分析。众所周知，城市公共绿地建设，有效地改变了周边的环境，使土地和住宅的价格提高[19]，目前研究表明城市绿地能促进附近房产增值5%-20%，且增值程度与绿地的地段、类型及其面积有关[20]，比如，对于北京市而言，距公园850-1604米的住宅房价高出0.5%-14.1%[21]。
综上所述，现有文献多集中在公共投资、城市生态环境等方面与不动产价格之间的关系，从城市绿地角度探讨的多集中在与房价之间的关系，并且主要基于城市内部的分析；而基于城市与城市之间的城市绿地建设与地价之间关系的研究较为少见。为此本文首先从理论层面证明城市绿地建设对住宅地价溢出效应的客观存在性，然后以“中国城市地价动态监测系统”中51个绿地建设优等区城市为例，从宏观尺度上采用特征价格模型通过溢出系数、溢出价值等指标分析城市绿地建设对住宅地价的溢出效应。
2 理论模型
土地需求作为一种衍生需求，与房产交易市场紧密相关[22]，因此，每个消费者购买房屋，相当于购买房屋建设占用的土地。假设消费者具有
可支配收入
：一方面用于房屋消费，购买土地面积为
；另一方面用于非房屋消费，购买数量为
。为简化模型，假设其他非房屋消费品的单价为1[23]，则效用函数为：
式（1）
式（1）中，
代表城市绿地建设特征变量构成的向量。
在收入
不变的条件下，消费者的预算约束为
，在此预算约束下，实现效用最大化是每个消费者购买商品组合的最终目的。即：
式（2）
式（2）中，
为住宅用地的特征价格函数。
假设消费者偏好具有连续性，依据消费者最大效用原理考察消费者的购买商品组合情况。根据假设建立拉格朗日函数：
式（3）
对式（3）方程进行求解，可知该方程的一阶条件为：
，则
。
依据边际效用递减规律可知，效用函数应当是凸函数，采用柯布-道格拉斯效用函数，即：
式（4）
对式（4）求导得
，将其代入
，得
。
求解得到：
式（5）
根据式（5）可知，住宅地价与城市绿地建设之间存在同向变动的关系，这是因为城市绿地建设是影响消费者取得效用的重要因素，并且其边际效用为正[24]。进一步说，由于拥有城市内住宅土地的所有权是获得城市绿地带来的各种功能的前提条件，在消费者形成的竞争中，住宅地价出现了城市绿地建设的资本化，这正是城市绿地建设对住宅地价形成溢出效应的本质[23]。
3 经验检验
城市绿地这一商品给消费者带来的心情舒适度直接影响消费者的效用，因此消费者居住在绿化较好的地段上获得的整体效用就越高，他们就越偏好在此地段上购买房屋进行生活，随着人们生活水平的不断提高，想要获得更高效用的消费者越来越多，对其需求增大；而土地资源具有数量的有限性特征，决定了其供给的无弹性。供不应求导致地价上升，可见，城市绿地建设对住宅地价具有一定的影响。为此，利用特征价格模型进行计量模型的设定，对模型参数进行估计，根据估计结果验证上节的理论分析结果。
3.1 计量模型的设定
特征价格模型常用的形式有线性函数、半对数函数和双对数函数，但通过很多学者的实证研究，总结发现半对数函数形式具有以下优点：可以将单位自变量的变动，通过系数的影响来解释影响地价变动的百分比，而且经过反对数的计算便可以很容易地转换回原来水平的结果[25]。因此采用半对数形式构建如下特征价格模型，如式（6）所示：
式（6）
式（6）中，
表示第
个城市的住宅地价，
为常数项，
为城市绿地建设特征变量，
为特征变量对应系数，
表示残差项。
为了计算城市绿地建设特征变量的变化对住宅地价的影响，将式（6）还原为非对数形式：
式（7）
当城市绿地建设某一变量从
增加到
，而其他变量不变的情况下，根据式（7）可知，住宅地价从
变到
，则有：
式（8）
由式（8）可知，当某一个绿地特征变量变化一个单位所引起的住宅地价
价格的变动为
[23]�；谎灾�，在半对数模型中，因变量采用对数形式，自变量采用了线性形式，方差的未标准化回归系数对应着相应住宅特征价格的半弹性系数[26]，该系数就是溢出系数，如式（9）所示：
式（9）
3.2 变量选择和数据描述
3.2.1 变量选择
在城市绿地建设特征变量的选择上，选用最能体现城市绿地建设情况的6个指标，具体如下：
①建成区绿化覆盖率（GC）：是指建成区绿化覆盖面积占建成区面积的比率，它反映了生态利用能力的情况，是绿化植物的垂直投影面积占总面积的比值，是绿地空间种类和经营情况的综合表现。
②园林绿化建设投资额（LCI）：是指城市每年用于维护绿化、建设绿化的资金支出金额，它反映了政府对城市绿地建设的投入力度。
③人均公共绿地面积（GA）：是指城市居民人均占有的公共绿地面积，它反映了城市人口数量与城市公共绿地面积之间的协调配比关系。
④建成区绿地率（GR）：是指城市各类绿地面积占城市总面积的比率，体现了城市中实际有多少面积用于生态利用，它反映了生态利用意愿的情况。
⑤建成区环境空气质量优良天数比例（GAR）：是指主城区空气污染指数达到优、良等级的天数与365天的比值，即空气污染指数API小于等于100的天数，它体现了空气质量保持在优、良等级的水平，只有在此前提下，居民的正常生活、工作才不受影响，不然，空气污染将会导致居民身体出现不适。
⑥城市森林工程造林面积（FA）：是指城市森林工程造林面积是对城市绿化工程结果的检验，它体现了城市造林绿化工程进展程度。
3.2.2 研究对象与数据来源
城市绿地建设现状较优的城市，其绿地建设对住宅地价的溢出效应更明显，因此，选取反映城市绿地空间建设情况的人均公共绿地面积、建成区绿化覆盖率、建成区绿地率3个指标，数据来源于《中国城市建设统计年鉴》（2011年），采用SPSS中K-means方法进行聚类分析，将“中国城市地价动态监测系统”监测的104个城市（除襄阳外，因为统计年鉴未涉及该城市）根据上述3个指标划分为优、中、差3个不同等级，如图1所示。从中选取北京、大连、杭州等51个绿地建设优等区城市作为研究对象。
图1 城市绿地建设水平分布图
因变量为相应城市的住宅地价均价（LP），自变量为上述6个指标，采用式（6）进行分析。其中，数据来源于“中国城市地价动态监测系统”、《中国城市建设统计年鉴》（2011年）、各城市统计年鉴等。之所以选用截面数据，是因为：一方面，时间序列数据容易存在非平稳性、自相关性等问题，增加模型拟合的难度；另一方面，城市绿地建设的当期效用均通过长时间的投资、开发、建设过程而逐渐产生的，因此，使用截面数据事实上已将之前一段时间内的溢出效应包含在内[23]。特征变量的描述统计见表1，可见多数特征变量的标准差比较大，表明城市绿地建设优等区城市之间有着明显的差距。
表1 特征变量描述
|
解释变量
|
变量名称
|
变量单位
|
预期符号
|
中值
|
标准差
|
|
GC
|
建成区绿化覆盖率
|
%
|
+
|
39.6
|
3.35
|
|
LCI
|
园林绿化建设投资额
|
万元
|
+
|
253452
|
145278
|
|
GA
|
人均公共绿地面积
|
m2/人
|
+
|
14.2
|
3.91
|
|
GR
|
建成区绿地率
|
%
|
+
|
35.6
|
9.16
|
|
GAR
|
建成区环境空气质量优良天数比
|
%
|
+
|
75.07
|
35
|
|
FA
|
城市森林工程造林面积
|
万公顷
|
+
|
24.53
|
3.17
|
3.3 检验结果
3.3.1 城市绿地建设对住宅地价的影响效应估计结果
使用Eviews软件进行计量模型及数据的分析，回归模型估计结果见表2。
表2 城市截面数据的回归结果
|
解释变量
|
变量名称
|
普通最小二乘回归结果
|
加权最小二乘回归结果
|
|
GC
|
建成区绿化覆盖率
|
0.047356*
|
0.04963***
|
|
（-2.254888)
|
(-5.47002)
|
|
LCI
|
园林绿化建设投资额
|
0.007158*
|
0.008987***
|
|
(-1.581843)
|
(7.733223)
|
|
GA
|
人均公共绿地面积
|
0.000932
|
0.001327***
|
|
(0.567622)
|
(4.495807)
|
|
GR
|
建成区绿地率
|
0.003256**
|
0.005994***
|
|
(2.6444)
|
(7.055148)
|
|
GAR
|
建成区环境空气质量优良天数比
|
0.003841
|
0.004042***
|
|
(1.502495)
|
(3.59427)
|
|
EN
|
城市森林工程造林面积
|
0.042532*
|
0.004922***
|
|
(-2.88938)
|
(-3.35038)
|
|
C
|
常数
|
5.336092***
|
4.796304***
|
|
(-3.953414)
|
（5.30098）
|
|
R2
|
可决系数
|
0.8595
|
0.9625
|
|
Adjusted R2
|
调整的可决系数
|
0.739184
|
0.9542
|
注：***、**、*分别代表1%、5%、10%的显著性水平；解释变量系数估计结果下括号内的内容代表相应的t统计量值。
根据普通最小二乘法的回归结果可知，大部分解释变量系数的t统计量在1%-10%的显著性水平上都不显著，而且模型的可决系数较低，拟合效果不理想。鉴于本文使用的截面数据，城市绿地建设优等区各城市城市绿地建设指标和住宅地价存在较大差异，即可能存在异方差，因此需要进行white检验，其统计量
，大于5%显著性水平
分布的临界值，故拒绝原假设，也就是说模型具有异方差性，通过加权最小二乘法修正，以原估计模型残差项绝对值的倒数为权数，对原模型加权后得到不存在异方差性的新模型，再采用最小二乘法估计参数。
根据加权最小二乘法回归结果可以得出以下结论：特征变量系数的符号与理论预期的相同，均为正，即城市绿地建设与住宅地价存在正相关关系，且都通过了1%水平上的显著性检验，说明优等区城市绿地建设水平对住在地价具有明显的溢出效应，存在促进作用。
3.3.2 城市绿地建设对住宅地价溢出效应的测算结果
根据表2所示的系数估计结果，采用式（9）可以计算每个绿地特征变量的溢出系数；为简化运算，假设住宅地价为5000元/m2，计算城市绿地建设特征变量变动所引起的住宅地价每平米价格的变化，即溢出价值，计算结果见表3。
根据表3的测算结果，可以发现不同类型的城市绿地建设特征变量对住宅地价溢出效应不同，溢出价值由高到低依次为：建成区绿化覆盖率、园林绿化建设投资额、建成区绿地率、城市森林工程造林面积、建成区环境空气质量优良天数比、人均公共绿地面积。在假设的条件下，建成区绿化覆盖率每提高1个单位，住宅地价会增加254.41元，园林绿化建设投资额每增加1个单位，住宅地价会增加45.41元，人均公共绿地面积每提高1个单位，住宅地价会增加6.64元，建成区绿地率每提高1个单位，住宅地价会增加30.06元，建成区环境空气质量优良天数比每提高1个单位，住宅地价会增加20.25元，城市森林工程造林面积每提高1个单位，住宅地价会增加24.67元�？杉�，不同类型的城市绿地建设特征变量对住宅地价的溢出价值存在着较大差异。
表3 城市绿地建设变量溢出系数和溢出价值测算结果
|
特征变量
|
变量名称
|
溢出系数
|
溢出价值（元）
|
|
GC
|
建成区绿化覆盖率
|
0.0509
|
254.41
|
|
LCI
|
园林绿化建设投资额
|
0.0090
|
45.14
|
|
GA
|
人均公共绿地面积
|
0.0013
|
6.64
|
|
GR
|
建成区绿地率
|
0.0060
|
30.06
|
|
GAR
|
建成区环境空气质量优良天数比
|
0.0041
|
20.25
|
|
FA
|
城市森林工程造林面积
|
0.0049
|
24.67
|
4 结论与政策建议
根据消费者效应最大化原则，理论证明了城市绿地建设对住宅地价溢出效应的客观性。并运用特征价格模型，以北京、大连、杭州等51个绿地建设优等区城市为例，测算了绿地建设的溢出价值，结果表明建成区绿化覆盖率、园林绿化建设投资额、人均公共绿地面积、建成区绿地率、建成区环境空气质量优良天数比、城市森林工程造林面积等不同特征变量对住宅地价的影响均比较显著，且溢出系数不同，分别为0.0509、0.0090、0.0013、0.0060、0.0041、0.0049；假定住宅地价为5000元/m2，在其他特征变量不变的条件下，建成区绿化覆盖率、园林绿化建设投资额、人均公共绿地面积、建成区绿地率、建成区环境空气质量优良天数比、城市森林工程造林面积每增加1个单位，住宅地价就会分别增加254.41、45.14、6.64、30.06、20.25、24.67元。
如果城市绿地建设的资本化效应使得房地产开发商获得更多的收益，随着时间的增长，这种积累越来越多，而低收入的消费者将无力承担地价攀升带来的压力，这不利于经济的发展和社会的稳定，违背社会主义公平的原则，对此提出以下针对性的政策建议：
其一，地方政府应认识到城市绿地建设对住宅地价的溢出效应的客观存在。了解城市绿地建设对住宅地价的影响，不能片面追求达到某些城市绿地建设指标或荣誉，而是将城市绿地建设与本市的实际社会、经济、土地市场情况相结合，适当建设，合理安排城市绿地建设规模及投入。
其二，依据不同的绿地建设情况征收存在差异的房产税，作为城市绿地建设的资金保障。我国目前城市绿地建设的投入资金主要来源于政府，城市绿地建设的溢出效应使得房地产开发商获得了这部分利益，政府却无从分享，这可能造成城市绿地建设资金的短缺，破坏投入的连续性，因此，可以依据绿地建设水平的不同，通过征收房产税进行调节。
其三，规范房地产开发商的销售行为，避免哄抬房价现象。许多房地产开发商在销售过程中都打着城市公共绿地的旗号，抬高房价，提出周边绿地建设会使房产增值等承诺诱导消费者进行投资消费，趁机赚取更多收益。因此，政府部门应加强对房地产市场房屋销售行为的监管，对房地产销售过程中滥用城市绿地作为抬价筹码的混乱行为进行规范。
总之，城市绿地建设水平极大地促进了地价的提升，土地政府管理部门以及开发商应充分利用城市绿地的溢出效应这一特性：土地管理部门应充分利用城市绿地建设对住宅地价的影响，制定科学的最低出让价格以及房产税，有序调控住宅用地的供给和开发；房地产开发商应合理竞买、科学规划，充分利用城市绿地的影响，增加楼盘开发的竞争力，但应对此加强监督，规范行为，防止“空有虚名”。
参考文献
[1] 冼国明, 严兵. FDI对中国创新能力的溢出效应[J]. 世界经济, 2005(10):18-25.
[2] 许箫迪, 王子龙, 谭清美. 知识溢出效应测度的实证研究[J]. 科研管理, 2007(5):76-86.
[3] 万建香. 环境政策促进经济发展的作用机理分析——基于环境污染的溢出效应[J]. 经济经纬, 2010(5):1-6.
[4] 张绍良, 李晶晶, 公云龙. 基于特征价格模型的城市住宅价格影响因素研究[J]. 地域研究与开发, 2013,32(4):80-83.
[5] 孔煜, 魏锋, 任宏. 城市住宅价格的宏观经济影响因素[J]. 统计与决策, 2006(19):84-85.
[6] 朱传广, 唐焱, 吴群. 基于Hedonic模型的城市住宅地价影响因素研究——以南京市为例[J]. 地域研究与开发, 2014,33(3):156-160.
[7] 刘洪彬, 王秋兵. 基于特征价格模型的城市住宅用地出让价格影响因素研究[J]. 经济地理, 2011,31(6):1008-1013.
[8] 周京奎, 吴晓燕. 公共投资对房地产市场的价格溢出效应研究——基于中国30省市数据的检验[J]. 世界经济文汇, 2009(1):15-32.
[9] 王伟, 谷伟哲, 翟俊, 等. 城市轨道交通对土地资源空间价值影响[J]. 城市发展研究, 2014(6):117-124.
[10] 王全良. 城市基础设施对房地产价格的影响及增值效应[J]. 经济纵横, 2015(7):61-64.
[11] Gao X., Asami Y. Effect of urban landscapes on land prices in two Japanese cities[J]. Landscape and Urban Planning, 2007,81(1-2):155-166.
[12] Jim C.Y., Chen W.Y. Impacts of urban environmental elements on residential housing prices in Guangzhou (China)[J]. Landscape and Urban Planning, 2006,78(4):422-434.
[13] Kong F., Yin H., Nakagoshi N. Using GIS and landscape metrics in the hedonic price modeling of the amenity value of urban green space: A case study in Jinan City, China[J]. Landscape and Urban Planning, 2007,79(3-4):240-252.
[14] 吴冬梅, 郭忠兴, 陈会广. 城市居住区湖景生态景观对住宅价格的影响——以南京市莫愁湖为例[J]. 资源科学, 2008(10):1503-1510.
[15] 温海珍, 卜晓庆, 秦中伏. 城市湖景对住宅价格的空间影响——以杭州西湖为例[J]. 经济地理, 2012(11):58-64.
[16] 谭荣, 吴丽梅, 曲福田. 城市房地产价格与环境质量关系分析[J]. 生态经济, 2005(10):193-196.
[17] 邱慧, 蒋涤非, 易欣. 城市公共景观对周边住宅价格影响——以株洲神农城为例[J]. 经济地理, 2011(12):2105-2110.
[18] 夏宾, 张彪, 谢高地, 等. 北京建城区公园绿地的房产增值效应评估[J]. 资源科学, 2012,34(7):1347-1353.
[19] 周小和. 城市公共绿地建设的经济学分析[J]. 上海经济研究, 2003(9):67-72.
[20] 张彪, 王艳萍, 谢高地, 等. 城市绿地资源影响房产价值的研究综述[J]. 生态科学, 2013(5):660-667.
[21] Zhang B., Xie G.D., Xia B., et al. The effects of public green spaces on residential property value in Beijing[J]. Journal of Resources and Ecology, 2012,3(3):243-252.
[22] 公云龙, 张绍良, 赵松, 等. 金融发展对城市地价的影响效应分析[J]. 中国土地科学, 2012(3):55-62.
[23] 王文军, 黄丽. 公共投资对商品住宅价格的影响效应研究——基于中国35个大中城市截面数据的分析[J]. 当代财经, 2012(10):97-107.
[24] 周京奎, 吴晓燕. 公共投资对地价、房价影响效应差异研究——基于中国30个省市截面数据的实证检验[J]. 山西财经大学学报, 2008(9):40-46.
[25] 袁建文. 关于房价定价模型的探讨[J]. 统计与决策, 2009(15):10-13.
[26] 王旭育. 基于Hedonic模型的上海住宅特征价格研究[D]. 同济大学, 2006.
