《Ecological Economics》:Climate hazards meet housing affordability: Linking environmental risks to real estate markets across the globe
编辑推荐:
•在世界上房价最高的城市里,气候灾害影响着住房的负担能力。•在房价收入比较高的城市中,气候因素的影响更为显著。•冬季气温升高会增加温带城市的住房需求并推高房价。•在高温城市中,极端炎热天气会降低住房需求以及房价收入比。•住房政策应当将气候风险与住房负担能力因素结合起来考虑。引言关
• 在世界上房价最高的城市里,气候灾害影响着住房的负担能力。
• 在房价收入比较高的城市中,气候因素的影响更为显著。
• 冬季气温升高会增加温带城市的住房需求并推高房价。
• 在高温城市中,极端炎热天气会降低住房需求以及房价收入比。
• 住房政策应当将气候风险与住房负担能力因素结合起来考虑。
引言 关于城市房地产市场中房价收入比的决定因素,已有大量研究探讨(如Himmelberg等人,2005年;Duprey和Klaus,2022年;Kuebler和Rugh,2013年;André等人,2014年;Pavlidis等人,2016年;Wu等人,2012年)。大多数研究关注的是信贷状况和系统性风险问题,将房价收入比主要视为衡量住房负担能力的指标。其基本前提是,房价不可能无限偏离潜在购房者的收入水平。如果房价持续快于收入增长,家庭最终将无力购买住房,从而降低需求并给房价带来下行压力(André等人,2014年)。
房价收入比被广泛用作衡量住房负担能力的指标,它反映了房价与潜在购房者收入之间的关系。当房价上涨速度超过收入增长速度时,人们就更难拥有住房,这会增加住房负担压力,还可能加剧社会差距(如Kuebler和Rugh,2013年;Zhang等人,2016年;Ben-Shahar等人,2019年;Hamstead,2024年)。
相比之下,房价收入比与气候风险之间的关系目前仍不为人所熟知。虽然有不少研究探讨了环境因素和与气候相关的灾害如何影响房价,但它们与房价收入比的直接关联却鲜有涉及。越来越多的证据表明,气候风险以及对未来灾害的担忧会导致脆弱地区的房产价值下降,因为人们会以折扣价出售房屋(如Beltrán等人,2018年;Beck和Lin,2020年;Addoum等人,2024年;Skouralis等人,2024年;Schuetz,2024年;Blok和Fuerst,2025年;Agarwal等人,2025年)。此外,诸如良好天气这样的当地条件也是推动住房需求和房价上升的重要因素。有些研究甚至发现,适度的温度上升会在某些地区提升房产价值(如Maddison,2003年;Meier和Rehdanz,2017年;Sinha等人,2021年),这可能会使房价脱离当地收入水平,进而推高房价收入比。
本研究首次将这两方面的研究内容结合起来,探讨房价收入比的决定因素与气候风险之间的关系。此前的研究虽然指出了气候因素与住房状况之间的关联途径,但大多针对单个国家、大都市区或特定类型的灾害,因此无法全面了解全球不同城市中住房负担能力比值的差异情况。此外,以往的研究大多关注房价而非房价收入比本身,而且也没有研究考虑气候灾害的影响可能在住房负担能力的极端值上更为集中,而这类情况下传统的基于平均值的回归分析并不适合用于实证研究。
事实上,目前的证据大多是基于平均效应的估算结果(如Maddison,2003年;Rehdanz和Maddison,2008年;Meier和Rehdanz,2017年;Schuetz,2024年;Menéndez等人,2024年),这限制了我们推广研究结果的能力,也无法解释那些房价收入比过高的过热市场与较为正常的市场之间的差异。我们的贡献主要有两点。首先,我们汇集了全球众多重要城市的数据,从而能够更全面地分析房价收入比及其与气候风险之间的关系。其次,我们特别关注房价收入比分布的高值端,即那些住房负担压力最大的城市,并通过分位数回归分析将这些极端的住房负担状况与气候风险联系起来,而现有研究中并未出现这种关联分析。
我们的研究结果表明,全球住房负担压力最大的市场的运行机制与较为正常的市场有很大不同。在房价收入比分布的高值端城市,气候风险和温度条件都与住房负担能力密切相关。具体而言,较高的降温度日数与房价收入比的高值段上升相关,而极端高温则与房价收入比下降相关。这些发现表明,气候条件会影响不同城市的住房负担能力,尤其是在房价收入比分布的高值端。尽管这些现象可能由多种因素共同导致,但目前的实证设计无法让我们确定具体的作用机制。
虽然也可以使用租金收入比或房价租金比等其他指标来评估住房负担能力,但在城市层面,这类指标的全球可比数据十分有限。正因如此,我们选择房价收入比作为指标,因为它在众多城市中都具有统一的统计标准。
需要指出的是,我们的分析属于横截面分析,只能反映在某一时间点上具有不同气候条件的城市之间的差异。因此,研究结果体现的是不同地区的住房负担能力如何随气候暴露程度而变化,而非某个城市内随着时间推移住房负担能力对气候变化的响应情况。
我们可以运用标准的城市经济学框架,比如空间均衡模型,来解读我们的分析结果。在这些模型中,房价、收入和当地设施共同决定了城市的吸引力。在这些模型里,气候条件可以被视为影响人们选址决策的当地特征之一,也会体现在房地产市场的动态变化中。同时,不同城市在住房供应方面的反应差异,也可能影响这些因素如何转化为住房负担能力的结果。虽然我们的实证方法并没有构建空间均衡的结构模型,但它为了解不同城市环境中气候条件与住房负担能力之间的关联提供了实证依据。
尽管我们的实证分析揭示了城市间气候指标与住房负担能力之间的系统性关联,但由于数据属于横截面数据,因此无法进行因果推断。所以,这些估算出的系数应被理解为描述性的关联关系,而非气候变化对住房负担能力的影响。了解这些现象背后的因果机制,仍是未来研究的重要方向。
本文的其余部分结构如下:第二部分简要回顾了将房价与气候因素联系起来的相关研究;第三部分介绍了我们的研究方法,包括聚类分析和分位数回归;第四部分展示了我们的主要研究结果及稳健性检验结果;第五部分则给出了我们的核心结论。
章节要点 相关文献 越来越多的证据表明,气候风险正逐渐成为房地产市场定价时需要考虑的重要因素。有研究指出,与气候变化相关的各种物理风险,比如易受野火、洪水以及海平面上升影响的程度,正在越来越多地体现在各国各城市的房地产和租赁市场价格中。例如,位于内陆洪泛区的房产就会以较低的价格出售(Beltrán等人,2018年),与那些面临洪水威胁的住宅情况类似。
聚类分析 为了找出具有相似特征的气候灾害指标群体,减少分位数回归模型中的多重共线性问题,我们首先进行了层次聚类分析。这种方法是基于城市层面的气候风险指标相关性矩阵得出的。通过这一分析,我们能够识别出具有相似特征的指标组合,从而只需从这些组合中选择一个具有代表性的指标。聚类分析属于一种无监督机器学习方法。
数据来源 我们使用了来自世界资源研究所的14个气候灾害指标(该机构网址为
https://www.wri.org/ ),这些指标被认为与城市层面的气候风险直接相关,因而有可能与房地产价格存在关联。本研究中使用的气候灾害指标源自世界资源研究所的数据库,该数据库为全球996个城市提供了基于近期历史时期(1995–2014年)以及三种不同时间范围的模型估算数据。
研究结果 在我们的研究结果的第一部分,我们先展示了聚类分析的结果,随后是分位数回归分析的结果,这些结果构成了我们的核心发现。
结论 本研究揭示了全球范围内不同城市的气候条件与住房负担能力之间的横截面关联关系。研究结果表明,那些累计温度暴露程度较高的城市,其房价收入比往往处于较高水平;而那些经常遭受极端高温影响的城市,房价收入比则相对较低。这类现象主要集中在住房负担压力最大的城市中,而在其他城市则没有出现这种情况。
CRediT作者贡献说明 Carlos Giraldo: 撰写——审阅与编辑、验证、资源获取、项目管理、调查研究、数据整理。Iader Giraldo: 撰写——审阅与编辑、验证、项目管理、调查研究、数据整理。Jose E. Gomez-Gonzalez: 撰写——审阅与编辑、撰写——初稿、验证、软件应用、方法设计、调查研究、正式分析、概念构建。Jorge M. Uribe: 撰写——审阅与编辑、撰写——初稿、验证、软件应用、方法设计。
利益冲突声明 作者声明,他们不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。
Carlos Giraldo|Iader Giraldo|Jose E. Gomez-Gonzalez|Jorge M. Uribe