基于規模—風向異質性探討化工廠的空間影響效應

宋俊星，任麗燕，馬仁鋒,劉永強

（寧波大學，浙江 寧波 315211）

一、引言

近年來，隨著人們對居住環境和自身健康要求的提高，國內外關于化工設施鄰避沖突事件的爆發日趨頻繁[1]。不可否認，化工設施為城市經濟快速發展做出了重要貢獻，然而其排放的污染物不可避免地對周圍居民的生存環境造成了巨大影響[2-4]，并在一定程度上造成了住宅價格的波動。近年來，國內外關于化工設施對居住環境影響的研究視角主要集中在環境外部性、生態補償及其評價方法，尚未重視對周圍住宅價值的影響。已有研究重點探討了其他鄰避設施對住宅價值的影響，如飛機場[5]、垃圾中轉站[6]、垃圾焚燒廠[7]、手機信號塔等[8]，而關于化工廠對住宅價值的研究卻十分少見。通過閱讀國內外相關文獻，發現國外少數學者對其進行了研究，例如Peter C（2005）[9]研究了石油和天然氣設施對住宅價值的影響，發現石油和天然氣設施的存在對附近設施的財產價值造成了重大的負面影響，距離農村住宅4公里以內的油氣設施對其銷售價格影響較大。Céline G（2014）[10]研究了法國三個重要城市（波爾多、敦刻爾克和魯昂）附近的房價，這三個地區除了其他無害工業外，都有危險化學和石化工業。研究發現三個工業區域中，危險工廠對房屋價值的影響有很大的不同。波爾多附近的火藥廠曾經是一家軍工廠，周圍的居民對其并沒有產生抵觸情緒，反而火藥廠周圍的綠色植物和安靜環境使其產生了一定的鄰近效應。對于敦刻爾克來說，研究發現住宅與危險化工廠的距離對房價并沒有產生顯著影響，而位于敦刻爾克18公里外的核電站反而對住宅價格影響較大。然而，對魯昂來說，居民對高度危險的化工廠產生了較強的鄰避效應，平均而言，每遠離化工廠100米，家庭愿意支付約1.2%的住宅價格。

目前，關于城市設施對住宅價值的現有研究多以住宅與設施的距離為主要變量，來測度設施的影響程度和影響范圍，但是未充分考慮設施的規模和方向異質性。雖然當前國內學者已有從方向—距離異質性兩個維度來研究西湖[11]和奧林匹克森林公園[12]對住宅價值的影響，但是受規模和風向影響較大的鄰避性設施對周圍住宅價值的影響缺乏深入研究。基于此，文章選取寧波市為研究區域，探索性地從規模—方向異質性兩個維度來探討化工廠對住宅價格的空間影響差異。

二、數據與模型

（一）研究樣點選擇及數據來源

近年來，寧波的石油和化學工業不斷發展和積累，其規模越來越大，實力越來越強，產業鏈越來越完善，港口資源和基礎設施優勢日益突出，并逐步形成了杭州灣、寧波石化開發區、寧波經濟技術開發區和寧波大榭開發區為核心的“一帶三片”石化產業發展集團，因其產業優勢和規模效益已經躋身全國化工園區前四位，是中國七大石油化工產業發展基地之一。寧波石化開發區最初是從浙江煉油廠（鎮海煉化原有企業）和一些小型化工企業開始發展，目前已發展成為擁有多家國內外知名企業的大型化工園區，特別是鎮海煉化企業，已成為國內最大的原油加工基地、進口原油加工基地、酸性原油加工基地、成品油出口基地和重要原油分銷基地[13-14]。該研究依據2017年寧波市綜合百強企業、競爭力百強企業和制造業百強企業名單，挑選出鎮海煉化分公司、浙江逸盛石化有限公司、寧波利時集團股份有限公司等8個化工廠作為研究樣點，來探討化工廠對住宅價值的影響。所挑選化工廠的營業收入和經營產品如表1所示。

選擇寧波市主城區范圍內的海曙區、江北區、北侖區、鎮海區和鄞州區作為研究區域，因奉化區住宅樣點較少，且住宅與所挑選化工廠樣點的距離較遠，因此不作為研究區域。住宅樣本數據主要來自房價網2017年7—9月的寧波住宅二手房掛牌數據。由于房地產實際交易價格獲取困難，且目前房地產市場仍屬賣方市場，掛牌價格與交易價格相差不大，掛牌價格的房價指導性明顯，因此住宅價格數據采用掛牌價格。由于數據時間跨度很小，可以不考慮時間對價格的影響。筆者通過實地調查來確認和補充房價網未提供的住宅相關數據以確保住宅數據的精確完整[15]。在進入模型之前，對住宅樣本數據進行篩選，剔除異常數據后，最終得到有效住宅單元數據共17 418條。所挑選化工廠和住宅樣點的分布如圖1所示。

（二）住宅特征變量的選擇和量化

結合寧波市實際情況和數據獲取的可得性，研究所挑選的住宅特征變量包括房間、客廳、住宅面積、房齡、綠化率、容積率、醫院距離、學校距離、公交站和地鐵站距離、菜市場距離、大中型超市距離、公園距離、天一廣場距離。天一廣場是集休閑、商貿、旅游、餐飲、購物于一體的大型城市商業廣場，被譽為是寧波市的商業航母，因此將天一廣場作為寧波市的中央商務區來進行研究。由于醫院、學校、超市的樣點較多，在進入模型之前，對其進行分類篩選，最終選取五個區域內規模大、區位分布特征顯著、具有代表性的樣點作為研究對象，公交站和地鐵站、菜市場和公園的研究樣點全部進入模型。各種設施的研究數據主要來自百度地圖，設施樣點的坐標主要通過百度坐標查詢獲取并進行坐標糾偏。住宅到這些設施的最近距離利用ArcGIS中的鄰近距離進行計算。住宅特征變量的描述與指標量化如表2所示。

表2 住宅特征變量的描述與量化

（三）模型的選擇

文章選用建立傳統特征價格模型來測度化工廠對周圍住宅價格的影響，為充分研究化工廠對住宅價格影響的空間差異，建立兩個模型進行對比分析；模型1探討不同規模的化工廠對周圍住宅價格的影響差異；模型2觀察化工廠對不同方向住宅價格的影響差異。

三、實證分析

（一）不同規模化工廠對住宅價格的影響差異

按照2011年工業和信息化部、國家統計局、國家發展改革委、財政部《關于印發中小企業劃型標準規定的通知》規定：在工業行業中，從業人員大于1 000人或營業收入大于4億元的企業即為大型企業，發現文章所挑選的化工廠樣點按此規定均為大型化工廠，無法比較其規模差異。因此在模型設定中，依據所挑選化工廠樣點，按其營業收入分為大型和中小型兩種規模。設定收入大于200億元的化工廠為大型化工廠，收入小于200億元的化工廠為中小型化工廠。模型1的函數形式為：

其中：P為住房價格，s為住宅面積，L為設施距離變量，θ為除住宅面積變量以外的其他住宅特征變量，a0、a1、bi、βj為待估系數，ε 為隨機干擾項。

為了便于比較大型化工廠和中小型化工廠的影響特征差異，在構建特征價格模型時將兩個變量同時放入一個模型進行回歸分析。利用Stata/SE15.0計量軟件對模型進行估計，回歸結果如表3所示。

表3 模型1回歸結果

模型經調整后的判定系數R2為0.913，擬合程度較好，模型的F檢驗遠遠大于F0.01，回歸方程顯著，特征變量的VIF值遠小于10，表明特征變量間不存在嚴重的共線性。在10%的顯著性水平下，除了學校距離變量外，其余變量的回歸系數的t檢驗均小于10%，說明模型對樣本數據的擬合在統計上是有意義的[16-19]。

由回歸結果可知，不同規模的化工廠對住宅價格均產生了正向影響，說明隨著住宅到化工廠距離的加大，住宅價格總體上會逐漸升高。在對數模型中，連續變量的回歸系數，對應著相應住宅特征的價格彈性，即在其他變量不變的條件下，某變量變化1%時所帶來的住宅價格變化的百分比。從回歸結果可知，大型化工廠對住宅價格的彈性系數為0.008%，即住宅到大型化工廠的距離每接近1%，住宅價格每平米將下降0.008%。住宅到中小型化工廠的距離每接近1%，住宅價格降低0.014%。結果發現，中小型化工廠反而比大型化工廠對周圍住宅價格的影響要大。為了測算不同規模化工廠的影響距離，將模型回歸分析得到的各系數以及對應變量的平均值代入到對數形式的特征價格函數中，得到住宅價格與不同規模化工廠的距離公式為：

借鑒石憶邵和郭惠寧的研究方法，設定住宅到化工廠的距離每增加0.1 km，價格變化幅度小于0.2%時，即（P-P1）/P＜0.002，則認為住宅價格不再有變化（見圖2）。以大型化工廠為例，其中：

圖2 住宅價格與不同規模化工廠距離的函數關系曲線圖

據此計算出，當 C＞0.452 km 時，（P-P1）/P＜0.002，即住宅到大型化工廠的距離超過0.452 km時，此時住宅到化工廠的距離每接近0.1 km，住宅價格每平米降幅約0.2%。據此推算出大型化工廠對周邊住宅價格的空間影響距離為0.452 km，由此得知中小型化工廠的空間影響距離為0.752 km。這表明中小型化工廠對周圍住宅價格產生的影響程度更大，影響范圍更廣。究其原因，可能是中小型化工廠技術水平較低、管理不規范、污染程度較高、安全措施較差等原因，導致居民的支付意愿降低，而大型化工廠由于技術水平高、操作規范、安全措施到位，甚至能帶動周圍經濟的發展，反而緩和了居民對其鄰避態度。

（二）化工廠對不同方向住宅價格的影響差異

化工廠是受風向影響較為嚴重的設施，風向的不同導致其污染物的擴散方向和影響范圍也不相同，因此研究化工廠對不同方向住宅價格的影響意義重大。鎮海煉化是國內首家進入世界級大煉廠行列的煉油企業，周圍住宅分布樣點較多，距離住宅居民點較近，研究其對不同風向住宅價格的影響程度和影響范圍在關于化工廠對不同風向住宅價格影響的研究中具有重要代表性。

在模型2設定中，以鎮海煉化為原點建立平面直角坐標系，以10公里為半徑確定周圍住宅分布，從原點處分為東方向、東北方向、北方向、西北方向、西方向、西南方向、南方向、東南方向8個方向，設定相應的方向虛擬變量，來探討其對不同風向住宅價格的影響程度和影響范圍。由于鎮海煉化的西北方向和東方向分布住宅樣點較少，北方向和東北方向上臨近海岸線，沒有住宅分布，因此最終選取4個方向的虛擬變量進入模型。其模型2公式為：

式（4）中：ηm為方向虛擬變量，C 為化工廠距離，其余變量的解釋與式（1）一樣。化工廠距離這一變量細化為4個復合變量，即西*LnC、西南*LnC、南*LnC、東南*LnC，以方向變量和距離變量的乘積進入模型，分析不同方向上價格梯度的變化。

剔除異常數據后，10公里范圍內的住宅單元有效數據共包含5 552條。特征變量的統計性描述如表4所示。

表4 模型2特征變量統計性描述

利用Stata/SE15.0計量軟件對模型進行估計，將4個方向的復合變量同時進入模型，回歸結果如表5所示。

表5 模型2回歸結果

由表5可知，經調整后模型的判定系數R2分別為0.787，擬合程度較好，特征變量的VIF值均遠小于10，不存在嚴重的共線性。在10%的顯著性水平下，除了房間、學校距離、大型超市距離變量外，其余變量的回歸系數的t檢驗均小于10%，模型對樣本數據的擬合在統計上有意義。

由回歸結果可知，化工廠對西方向、西南方向、南方向、東南方向上住宅價格的影響均存在明顯的差異性。化工廠對不同風向住宅價格影響的具體情況為：西方向上，住宅與化工廠的距離每接近1%，住宅價格每平米將下降0.027%，依據模型1的設定，推算出其空間影響距離為1.401 km。西南方向、南方向上，化工廠對住宅價格的影響表現出相近的規律。即住宅到兩個方向的距離每接近1%，住宅價格每平米分別會下降0.064%和0.062%，其空間影響距離分別為3.250 km和3.150 km。東南方向上，化工廠對周邊住宅價格的影響最小，即距離每接近1%，住宅價格每平米下降0.007%，空間影響距離為0.402 km。

從不同方向比較來看，化工廠對西方向和東南方向的住宅價格影響較小，對西南方向和南方向的住宅價格影響較大，說明化工廠對不同方向住宅的影響程度和影響范圍是不同的。風向對污染物的排放和擴散具有重大影響，常年主導風向的持續時間和風速大小均會對化工廠不同方向的住宅產生影響。在陸地氣象上，風向一般分為16方位，且風向的變化較明顯，用日最大風速的風向表示為該日風向。在16方位風向中，例如東北風，即指北北東、東北、東北東三個方向吹來的風。依據寧波市氣象局的公布數據，寧波市每年刮東北風的天數約100天左右，持續時間較長，且多處在秋冬季節，化工廠排放的污染物擴散慢、影響范圍廣，因此位于西南方向和南方向的住宅反而更容易遭受化工廠的環境污染。

鎮海煉化是擁有2 300萬噸/年原油加工能力的大型煉油廠，依據《工業企業衛生防護標準》（GBZ1—2010）規定：年加工原油≥250萬噸的煉油廠，在風速大于4 m/s時，其安全防護距離不低于1 km。由表4特征變量的描述性統計可知，位于西南方向和南方向的住宅與化工廠的最近距離分別為0.821 km和0.919 km，小于安全防護距離，說明有部分住宅位于安全防護距離之內，而化工廠在兩個方向上的空間影響距離分別為3.250 km和3.150 km，遠大于安全防護距離和住宅最近距離，說明化工廠對西南方向和南方向的住宅價格產生了一定影響。化工廠在西方向和東南方向的平均空間影響距離分別為1.401 km和0.402 km，在這兩個方向上，住宅與化工廠的最近距離分別為4.258 km和6.299 km，遠大于安全防護距離和空間影響距離，因此化工廠對西方向和東南方向的住宅幾乎不產生影響（見圖3）。

圖3 化工廠對不同風向住宅價格的影響

四、結論與討論

文章以寧波市化工廠為例，建立住宅特征價格模型，從規模—風向異質性兩個維度實證分析了化工廠對周圍住宅價格影響的空間差異。研究結果表明中小型化工廠比大型化工廠對周圍住宅價格的影響程度更大，影響范圍更廣；寧波鎮海煉化化工廠對西南方向和南方向上的住宅價格影響較大，對西方向和東南方向的住宅價格沒有影響。研究中，房間、學校距離和大中型超市距離等少數變量在模型中影響并不顯著，這可能與數據量化方式有關，有待于以后改進，但考慮到研究重點在于分析化工廠的外部效應，故并未進行深入探討。