杨木旺等 | 中国高星级绿色住宅溢价的影响因素及其区域异质性——基于Hedonic模型的实证研究 | 自由微信

摘要：近年来，国内绿色建筑迎来全面发展，绿色溢价引发行业广泛重视。基于二手高星级绿色住宅转让溢价的新视角，运用Hedonic方法和区域异质性理论，采集我国绿色发展领先城市2015-2017年的737组高星级绿色住宅价格、区位、绿色星级、项目品质、房龄及宏观经济等季度数据，探究绿色溢价的影响因素及其区域异质性，其实证结果表明：高星级绿色住宅在三级市场中二手转让溢价显著，其溢价随着星级升高、社区品质优化、城市平均房价上涨、人口流入、人均GDP提高而上升，随着项目区位远、房龄高、土地成本上升、销售供给量增加而下降。进一步研究发现，绿色溢价受绿色星级、项目品质、房龄的影响存在区域异质性，且部分城市存在"过热现象"。因此，职能部门应实施"一城一策"的精准引导和市场监管。

关键词：绿色建筑；住宅；溢价；区域异质性；Hedonic模型

作者简介

作者简介：杨木旺, 博士, 华东师范大学经济与管理学部工商管理学院房地产系讲师; 侯盼龙, 硕士, 金地商置集团华东区域投资拓展部助理经理

基金项目：国家社科基金项目"制度、效率和中国住房保障研究"(项目编号:17BJY218)

原文载于《华东师范大学学报（哲社版）》2020年第二期

一、问题的提出

二、理论分析与研究假设

三、研究设计

四、实证结果及分析

五、结论与建议

一、问题的提出

中国碳排放30%来源于建筑业。在此背景下，城乡建设部2013年185号文规定：直辖市、计划单列市及省会城市市辖区范围内的保障性住房，2014年及以后政府投资规模在2万平方米以上的公共租赁住房，均应当率先实施绿色建筑行动，至少达到绿色建筑一星级标准。2014年3月16日，中共中央、国务院印发《国家新型城镇化规划(2014—2020)》，明确要求到2020年50%的新建建筑要达到绿色建筑标准。各省市也纷纷推出相关法规，如上海市人民政府办公厅2014年发布《上海市绿色建筑发展三年行动计划(2014—2016)》，规定自2014年下半年起新建民用建筑原则上全部按照绿色建筑一星级及以上标准建设；江苏省人大常委会2015年通过《江苏省绿色建筑发展条例》，规定新建民用建筑的规划、设计、建设，应当采用一星级以上绿色建筑标准。2018年6月16日，中共中央、国务院在发布的《关于全面加强生态环境保护坚决打好污染防治攻坚战的意见》中再次要求提高新建绿色建筑比例。在上述政策法规的推动下，绿色建筑的发展在中国如火如荼，据中国城市科学研究会的相关研究报告，截至2017年底我国绿色建筑累计面积达到10亿平方米，通过认证的绿色建筑项目超过1万个，其中的93%是设计标识，总体绿色建筑发展规模持续大幅增长。

研究中国绿色建筑的发展及其溢价影响因素具有重要意义。绿色建筑在国外发展较早，相关文献的研究对象主要聚焦在项目本身及其评价标准(如美国的LEED评价标准、美国的Energy Star评价标准和英国的EPC评价标准等)。就绿色建筑溢价而言，国外的研究有两种方法：Stated Preference Method和Revealed Preference Method(Heinzle, et al., 2013)。前者是基于问卷调查法的评估(Bateman, et al., 2002)，在住宅市场应用较多。Heinzle等(2013)通过问卷调研分析了绿色建筑的购买意愿，发现居民愿意为绿色建筑支付显著的溢价。Revealed Preference Method是进行此类研究的另一种科学方法，它能更准确地研究绿色建筑溢价并克服Stated Preference Method主观意愿的影响。Eichholtz等(2010)发现，美国能源之星认证的办公楼在美国销售市场的平均绿色溢价为21.0%；Kahn等(2014)则认为，美国LEED绿色建筑认证或能源之星认证的住宅楼在美国销售市场的平均绿色溢价为2.1%—5.4%。Fuerst等(2015)发现，在英国的销售市场上，英国EPC认证的住宅建筑平均绿色溢价为5.1%。Chegut等(2014)认为，北爱尔兰EPC认证的绿色住宅溢价为1.1%—6.5%。Deng和Wu(2014)的研究结果表明，绿色标志认证的住宅销售溢价在新加坡平均为4.0%—13.9%。绿色溢价的原因集中在两个方面，首先，从财务角度来看，绿色建筑可以预期带来成本节约，并提高舒适度和有助于良好的健康，因此居住者愿意为绿色建筑付出更高的代价(Eichholtz, et al., 2010；Kahn, et al., 2014)；其次，从意识形态的角度来看，那些认为节能和可持续性同样重要的人会倾向于绿色建筑，即使他们必须支付更高的价格(Dastrup, et al., 2012；De Silva, et al., 2014)。我国一些学者也对绿色建筑进行了初探，在溢价方面，Zhang等(2016)对北京绿色饭店的溢价进行了分析，认为消费者因为室内环境质量改善而为绿色饭店支付了显著的房费溢价。但更多的研究集中于绿色建筑的发展战略(仇保兴等，2017；杨木旺等，2012)、政策激励(刘戈等，2014；李明等，2017)、经济效益分析(Zhang, et al., 2018；马晓国，2015)等。

由上可知，已有文献对绿色建筑的溢价程度进行了较多的研究，但对于绿色溢价的影响因素缺少足够深入的分析。尤其是国内已有研究主要关注绿色建筑的整体发展，有关绿色建筑的分级研究并不多见，而且从区域细分的视角所开展的相关研究几乎是空白。目前，我国绿色建筑的最新国家标准是《绿色建筑评价标准》(GB/T 50378-2014)。该标准注重全寿命周期内资源节约与环境保护的性能，包括居住建筑和公共建筑，分为设计评价和运行评价，共分3级，由低到高分别是一星级、二星级、三星级，其核心内容是“四节一环保”，详细包括节地与室外环境、节能与能源利用、节水与水资源利用、节材与材料资源利用、室内环境质量、施工管理、运营管理7类指标，每类指标包括控制项、评分项和加分项，共计100分。对照该标准，一星级绿色建筑较为常见且溢价相对有限，而引导和研究高星级(二星级和三星级)绿色建筑发展已成为行业趋势，因此，本文将研究对象创新性地选择为高星级绿色住宅。本文将基于特征价格法(Hedonic模型)，通过采集我国8个领先城市737组高星级绿色建筑二手房价格的数据，从绿色溢价的新视角来研究其影响因素和区域异质性。本文的贡献主要在于：(1)首开了国内关于高星级绿色住宅溢价能力的研究；(2)通过理论分析和数据挖掘，明晰了绿色建筑的溢价能力及其影响因素，可为相关职能部门的政策制定和企业的战略选择提供参考。

二、理论分析与研究假设

绿色住宅主要通过被动式设计和主动式设计来实现。被动式设计包含杰出的保温墙体、创新的门窗技术、高效的通风设施；主动式设计则通过增加技术措施使项目达到全寿命周期内“四节一环保”的整体要求，从而使得投资成本增加。绿色建筑增加的成本包括申请认证增量成本、绿色建筑咨询设计增量成本、绿色建筑建造增量成本、绿色建筑运营增量成本(马晓国，2015)；绿色星级等级越高所需要增加的绿色技术系统或措施将越多，从而成本越高。开发企业在实现绿色建筑的环境效益和社会效益的基础上，主要通过财政补贴和产品溢价来实现该部分的增量投资收益。据此，本文提出假设1和假设2。

假设1：高星级绿色住宅，因为有绿色增量成本投入，会带来额外利润，产生溢价。

假设2：绿色住宅的溢价随着其星级等级的提高而增加。

Hedonic模型(特征价格法)，是国际上研究影响住宅价格决定因素的主流方法。消费者理论认为，消费者对商品的需求不是根源于商品本身，而是根源于该种商品所体现的特征要素以及这些特征要素给消费者带来的满足。Rosen(1974)提出了完整的特征价格法技术框架和路线，其基本思想是，居民购买住宅是通过享受住宅具有的各方面特征所提供的服务而获得效用，效用的大小主要取决于所购买住宅包含的特征要素的数量，购房者愿意支付的住房价格是各个特征要素的总和。特征价格法已在很多发达国家的政府部门和产业界得到越来越广泛的应用，比如英国、德国、法国、挪威、瑞典、芬兰等官方统计局都采用Hedonic模型来构建房地产的价格指数。国内学者也应用这一方法进行了大量的房价研究，如李欣点等(2018)利用特征价格法研究了北京房价的空间分布；郝前进、陈杰(2012)利用特征价格法分析上海二手住宅的数据，发现房价与房龄负相关；郝前进(2009)通过计量经济学和特征价格法实证研究发现到CBD的距离、交通可达性、商业便利性、自然环境等对房价产生影响；陈立文等(2018)基于特征价格法认为项目的建筑属性(容积率、绿化率、物业费)，房龄，区位特征的中心区位和区位交通，生活配套的学区、医疗、商业、银行，都对房价产生影响。可见，根据Hedonic模型，住宅价格的特征要素可归纳为3个维度：区位可达性特征、邻里特征和环境特征。大量文献的研究结论显示房价与项目所在区位负相关，品质好、邻里配套多和周边环境好的项目价格较贵，且随着房龄增加而下降。据此，本文提出假设3—5。

假设3：高星级绿色住宅的溢价与区位负相关，即项目所在区位离市中心的距离越远，溢价越小。

假设4：高星级绿色住宅的溢价与项目品质中的建筑属性具有相关性。

假设5：高星级绿色住宅的溢价随着房龄增加而下降。

住宅价格决定的另一理论层面的解释是基于城市经济学的宏观视角，被解释的对象一般是区域平均房价(如省份的平均房价、城市的平均房价)。经典的经济学理论中研究住房的价格波动主要基于供求关系角度，同时也考虑经济环境的因素。就供给因素而言，房价与地价正相关(Wang, et al., 2018；万建香，2018)，与商品房销售面积负相关(汤文彬，2016)；就需求因素而言，房价与人口数量(Day，2018；郑基超等，2016)、人均可支配收入(胥玲，2009)正相关；就经济环境因素而言，房价与人均GDP正相关(郑基超等，2016)。王弟海等(2015)认为房价上涨率由经济增长率、人口增长率和住房供给增长率决定；经济增长率和人口增长率越大，土地(或住房)供给增长率越小，则房价上涨率越大。为了研究的准确性和便捷性，在宏观视角上，本文选用城市平均房价与高星级绿色住宅的溢价波动做对比分析。据此，本文提出假设6和假设7。

假设6：高星级绿色住宅的溢价波动与城市住宅的均价波动同向。

假设7：高星级绿色住宅的溢价受宏观因素影响，与地价、人口、人均可支配收入和人均GDP正相关，与销售面积负相关。

三、研究设计

(一) 绿色溢价的定义和区域选择

定义绿色住宅溢价(以下简称“绿色溢价”)Rp的计算方法如式(1)。式(1)剔除了绿色住宅增量成本影响，采用同区位比值剔除了交通特征、邻里因素(学校、商业、医院、公园等)等影响，从而使得计算结果更可靠，更具可比性。

绿色溢价(Rp)=(绿色住宅房价−周边同品质房价均值−绿色住宅增量成本)/周边同品质房价均值(1)

式(1)中，周边同品质房价均值为绿色住宅项目周边1公里范围内3个及以上同品质普通住宅房价的算术平均值。

借鉴仇保兴等(2017)的研究结论，绿色建筑的发展在全国范围内存在明显的3个梯队：北京、上海属于第一梯队，其绿色建筑项目数量、密度远远高于平均水平；第二梯队是江苏、天津和广东；其余为第三梯队。因此，本文的区域选择是国内绿色建筑总量排名靠前的城市，分别是北京、上海、广州、深圳、天津、南京、苏州和青岛等8个城市。上述8个领先城市最近的绿色建筑政策文件及其主要内容如表 1所示。

(二) 数据来源与样本选择

本文以2015年第三季度到2017年第四季度连续10个季度我国8个领先城市高星级绿色住宅二手房转让价格为样本。选择二手房价的原因是新建住宅价格受各地限价政策影响不能真实反映绿色溢价能力；选择2015—2017年时间段主要考虑到绿色设计标识的认证发生在项目的设计阶段，而项目从设计到认证再到交付一般是1年以上。

项目星级来源于中国城市科学研究会网站、中国建筑科学院上海分院主办的“绿色建筑地图”网站、住房和城乡建设部科技与产业发展文化中心主办的绿色建筑评价标识网站。绿色住宅房价及周边商品房平均销售价格均来源于安居客网(www.anjuke.com)的数据，采用两者比值的溢价定义，可以客观反映市场规律。城市地价的数据来自中国地价监测网，商品房销售面积、人口数量、人均可支配收入和GDP等数据均来自各城市统计局。据此，可以构建737组连续10个季度的多种形式混合面板数据。

表 2分析了8个领先城市的高星级绿色住宅溢价的季度波动特征。深圳的溢价季度均值最高，为39%，位居全国第一，在均价5万元左右的一线城市中，显著高于北京和上海；青岛的溢价季度均值为26%，排名全国第二；南京的溢价季度均值为22%，排名全国第三；苏州作为江苏省的经济强市，溢价季度均值为16%，排名全国第四；广州和天津的溢价季度均值相同，均为14%；北京和上海的溢价季度均值亦相同，均为13%。表 2显示，在8个领先城市中，高星级绿色住宅二手房转让价格在统计的季度时间内溢价显著。

(三) 变量定义和模型设计

根据Hedonic模型，本文构建绿色溢价的4个特征变量组为：区位特征(离市中心的距离)、绿色星级特征(绿色星级等级包括二星级和三星级、虚拟变量为“是否为三星级”)、品质特征(容积率、绿化率、物业费)和房龄特征(房龄)；构建反映绿色溢价随时间波动的解释变量为城市房价季度环比；选择宏观解释变量为城市地价、人口流入累计、房地产销售面积、人均GDP、人均可支配收入等5个变量。详见表 3。

为检验宏观控制变量的准确度，以城市商品房平均价格P为被解释变量，采用对数计量模型，如式(2)：

为分别检验区位特征、绿色星级特征、品质特征和房龄特征对绿色溢价的影响，同时检验随时间波动的规律，需要控制宏观因素变量组(Macro)，建立半对数线性计量模型，如式(3)—(7)：

为更进一步地检验微观和宏观变量对绿色溢价的影响并考虑区域异质性，建立半对数线性计量模型，如式(8)：

式中，t=1，2，…，10，表示连续10个季度；i=1，2，…，8，表示项目所属城市；εi为随机误差。

四、实证结果及分析

(一) 描述性统计及相关性分析

表 4为描述性统计和皮尔逊法相关性分析结果。高星级绿色住宅溢价RP在8个城市中的平均值为0.147，即该类住宅比周边同品质普通住宅溢价14.7%。假设1得到验证，即高星级绿色住宅二手房溢价能力显著。绿色溢价与项目区位、绿色星级、项目品质、房龄具有一定的相关性。观测最小值和最大值，地价、人口、销售面积、人均GDP和人均可支配收入在城市间的区域差异显著，这也为进一步的区域异质性研究提供了直观的依据。

(二) 数据检验和控制变量检验

根据绿色溢价定义即式(1)可知，在数据分析前，绿色溢价RP数据的有效性检验是首个重要的检验。因此，首先利用线性对数函数模型，以绿色溢价RP为被解释变量，周边均价为解释变量进行回归分析。通过SPSS V23数据程序分析显示，在整体模型显著水平控制在0.05条件下，R2值为0.834，满足F检验和T检验。其结果拟合优度较高，说明绿色溢价RP数据准确可信。

为了检验控制变量的准确度，以城市商品房平均价格P为被解释变量，利用计量模型(2)，在F检验显著水平控制在0.05条件下，实证的结果如表 5所示。由表 5可见，控制变量按重要性排序由高到低分别是城市地价(Land)、季末人口流入累计(Pop)、商品房销售面积(Area)、人均GDP(GDP)、人均可支配收入(Income)，其中商品房销售面积与房价之间呈负相关，其余皆呈正相关。模型整体拟合优度较高(R2为0.861)，满足F检验和T检验显著性要求。可见，本文的控制变量选择合理。

(三) 回归结果及分析

表 6是区位、星级、项目品质、房龄和宏观房价波动对高星级绿色住宅溢价影响的实证检验结果。由Model(1)可以看出，区位(Dist)与高星级绿色住宅溢价呈显著负相关，说明如项目远离市中心，其绿色溢价能力下降。Model(2)说明，绿色星级等级(Star)对绿色溢价的影响是显著正相关，也即绿色三星级设计标识比绿色二星级设计标识的项目溢价高。Model(3)反映的是项目的本身“品质”，包括3个指标，即容积率(FAR)、绿化率(Grt)和物业费(Sf)，它们与绿色溢价均相关，容积率越高、绿化率越低、物业费越高的住宅其绿色溢价越高。在737组数据中，容积率平均值为2.16，这种容积率一般是多高层住宅，也是大众选择的主要建筑类型。该类型项目的绿色溢价能力高，说明高星级绿色住宅在8个领先城市中普遍被消费者认同，并产生了一定的房价增幅。Model(4)度量的是高星级绿色住宅溢价受房龄(Year)的影响，该系数为负，说明绿色溢价随着住宅房龄的增加而下降。Model(5)从城市平均房价的波动角度分析绿色溢价的时间波动，绿色溢价与城市平均房价季度比(Ppr)正相关，说明当城市平均房价上涨时，绿色溢价同期上涨。表 6的结果表明，本文提出的假设2—6得到验证。

(四) 区域异质性分析

1.城市聚类。为了研究不同区域高星级绿色住宅溢价的影响因素是否存在异质性，本文将8个领先城市进行分类。较多的学者采用传统的一线、二线、三线和四线等级来进行城市分类，但这种评价体系的维度并不能准确地反映区域人口经济发展水平和房价的差异。因此，本文利用城市经济数据、房价数据和人口数据对各地区的发展水平进行系统聚类分析，数据选用为2015—2016年8个领先城市的平均房价(P)、人均GDP(GDP)、人均可支配收入(Income)、人口流入(Pop)的年度数据，采用离差平方和法(Ward法)进行分析。表 7显示了当聚类变量逐渐引入平均房价数据、经济数据和人口流入数据后的分析结果，模型(2)—(4)结果一致；图 1给出了聚类分析结果的水平树状图。深入分析底层数据，结合前人研究成果，可将绿色建筑发展领先的8个城市分为两组，分别如下：

高经济发展水平、高房价的发达城市(第一聚类城市组)：深圳、北京、上海；

经济发展水平较好且房价中等的次发达城市(第二聚类城市组)：天津、广州、南京、苏州和青岛。

2.各聚类城市组的绿色溢价影响因素分析。表 8报告了运用计量模型(8)，在区域异质性情况下区位、星级、项目品质、房龄、宏观房价波动和宏观因素对绿色溢价影响的实证检验结果。表 8选取的4个城市组，分别是第一聚类城市组，第二聚类城市组，整体城市组，以及为了二次检验增加的北京和上海城市组。对比Model(6)—(9)可知：第一，绿色溢价与项目区位(Dist)负相关。第二，绿色星级等级(Star)在第二聚类城市组和整体城市组中正向影响溢价。第三，项目本身的品质对绿色溢价影响的区域差异显著。在第一聚类城市组中，Model(6)显示绿色溢价与物业费(Sf)负相关，而与容积率(FAR)和绿化率(Grt)不相关；考虑深圳观测量的有限性，剔除第一聚类城市组中的深圳，即将北京和上海重新标定为新的验证城市组，进行Model(9)补充验证分析，发现绿色溢价与项目容积率(FAR)负相关。再次检查相关数据和项目的建筑类型，发现容积率较低的项目为多层洋房或低层别墅，该类产品物业费也较高，在北京和上海其总价在千万元以上，消费者为高端群体，对绿色环保认同度较高，从而绿色住宅溢价较高。在第二聚类城市组中，容积率和物业费较高、绿化率仅满足规划要求的项目，其溢价能力较强；该类住宅多为高层建筑，也是大众主要选择的产品。该类型的绿色住宅溢价高，说明高星级绿色住宅在天津、广州、南京、苏州、青岛等城市中普遍被消费者认同，并产生了一定的绿色溢价。第四，表 8中Model(6)、Model(9)和表 6中Model(4)的检验结果显示绿色溢价与房龄(Year)负相关，但表 8中Model(7)却显示，在第二聚类城市组中随着房龄的增加绿色溢价不但没有下降，反而出现上涨。说明在这些城市中绿色住宅溢价表现出“过热现象”。第五，表 6中Model(5)、表 8中Model(7)和Model(8)的检验结果显示，绿色溢价与城市平均房价季度比(Ppr)正相关，但在表 8中Model(6)即第一聚类城市组中无法得到验证。第六，表 8中绿色溢价与地价(Land)和销售面积(Area)负相关，与人口流入(Pop)和人均GDP(GDP)正相关，因此假设7中，除了人均可支配收入(Income)与绿色溢价未检验出相关性外，其他宏观影响因素对绿色溢价的影响均得到验证。

由上述分析可知，绿色溢价的较多影响因素存在区域异质性：(1)绿色星级等级对绿色溢价提升产生重要影响。整体而言，三星级比二星级的溢价能力高出8.6%，但在高经济发展水平和高房价的北京、上海和深圳，两者差异不显著；在天津、广州、南京、苏州和青岛等城市三星级比二星级的绿色溢价能力高12.6%。(2)项目品质在不同城市组中对绿色溢价的影响差异较大，在天津、广州、南京、苏州和青岛等5个城市，高容积率的高层绿色住宅，其绿色溢价能力高；相反，在北京、上海，低容积率的洋房或别墅的绿色溢价能力高。(3)北京、上海和深圳的绿色溢价出现正常的随房龄增长而下降的现象，但其他5个城市反而出现随房龄增长绿色溢价变高的“过热现象”。(4)绿色溢价与城市宏观平均房价的相关性，在各城市组中有差异。绿色溢价在第一聚类城市组中与城市平均房价无相关性，但在第二聚类城市组中，绿色溢价与城市平均房价正相关，相关系数为0.294，说明在第二聚类城市中当平均房价上涨时，其绿色溢价的上涨幅度更大，即城市房价每增加1%，高星级绿色建筑房价上涨1.294%。

五、结论与建议

本文以高星级绿色住宅为研究对象，以三级市场中二手绿色住宅转让溢价为新视角，规避了二级市场中政策对新建绿色住宅销售价格的影响；基于Hedonic模型和区域异质性理论，采集我国8个领先城市2015年第三季度到2017年第四季度连续10个季度的737组高星级绿色住宅二手房价格以及相关宏观和微观数据，探究了区位、绿色星级、项目品质、房龄、时间波动和宏观因素等对绿色住宅溢价能力的影响。本文研究发现，高星级绿色住宅溢价显著，8个城市的绿色住宅的溢价季度均值在13%—39%之间，算术平均值为14.7%。这说明从2005年我国发展绿色建筑至今，高星级绿色住宅得到了市场和消费者的认可。高星级绿色住宅溢价会随着星级高、社区品质好、城市平均房价上涨、人口流入、人均GDP提升而上涨，随着项目区位远、房龄高、土地成本上升、商品房销售面积供给量增加而下降。通过进一步的区域异质性分析，本文还发现，绿色星级、项目品质、房龄和城市宏观平均房价等对绿色溢价的影响存在较大的区域异质性。根据以上理论分析与实证研究的结果，本文建议：

第一，各级政府应当加快对绿色建筑发展的精准引导和市场监管。国内绿色建筑正迎来全面发展期，发展速率较快，但各地区的发展规模差异较大(仇保兴等，2017)，市场占比不高，发展质量以低星级(一星级)为主。结合二手高星级绿色住宅溢价的研究成果，各聚类城市组已表现出多个影响因素的差异化影响，且部分城市出现绿色溢价“过热现象”。因而，需要各级地方政府建立和完善绿色建筑数量、质量和价格上的大数据监测和诊断平台，实施“一城一策”的精准引导和市场监管。

第二，开发企业应加快建立和完善低碳绿色战略。基于本文的研究结果可知，高星级绿色住宅可产生较好的绿色溢价。因此，房地产企业应加快建立和完善低碳绿色发展战略，落实承担应对全球气候变化的社会责任。

第三，加快提升消费者对绿色建筑的“认知度”。当前国内消费者对绿色建筑的了解尚处于初级阶段，“信息不对称”使得他们对绿色建筑带来的好处如健康舒适、节约资源、保值增值等认识不足。如果向城市家庭提供更可靠、更具体的绿色住宅信息，将有助于鼓励他们购买绿色住房(Zhang, et al., 2016)。因而，建议政府相关部门加快建设绿色建筑互联网信息平台，强化对绿色建筑的宣传和与消费者的反馈互动。

参考文献

陈立文、甄亚, 2018, 《基于市场细分视角的城市住房价格影响因素研究——以天津市为例》, 《管理现代化》第5期。

郝前进, 《特征价格法与城市住宅价格的决定机制》, 南京: 南京大学出版社。

郝前进、陈杰, 2012, 《房龄折旧率与住房价格——基于上海数据的实证研究》, 《世界经济文汇》第6期。

李明、李干滨, 2017, 《基于生态环境效益补偿的绿色建筑激励机制研究》, 《科技进步与对策》第9期。

李欣点、朱恩伟、刘洪玉、吴璟, 2018, 《城市同质化住房价格空间分布研究——基于半参数特征价格模型的分析》, 《价格理论与实践》第1期。

刘戈、李雪, 2014, 《基于博弈分析的绿色建筑激励机制设计与激励力度研究》, 《科技管理研究》第4期。

马晓国, 2015, 《基于实物期权的绿色建筑增量成本效益评价》, 《技术经济与管理研究》第5期。

仇保兴、李东红、吴志强, 2017, 《中国绿色建筑空间演化特征研究》, 《城市发展研究》第7期。

汤文彬, 2016, 《我国房地产价格影响因素实证分析》, 《价格理论与实践》第1期。

万建香, 2018, 《关于房价与土地供应关系的研究——以上海市为例》, 《价格理论与实践》第2期。

王弟海、管文杰、赵占波, 2015, 《土地和住房供给对房价变动和经济增长的影响——兼论我国房价居高不下持续上涨的原因》, 《金融研究》第1期。

胥玲, 2009, 《中国城市房价和地价的决定因素及相互关系》, 《财政研究》第11期。

杨木旺、龙胜平、王金成, 2012, 《低碳房地产发展战略与路径研究——基于上海某公共租赁房的实证》, 《生态经济》第1期。

郑基超、倪泽强、孙韦, 2016, 《人口结构对房价的影响——基于面板数据的分析》, 《江淮论坛》第5期。

Bateman, I. J., Carson, R. T., Day, B., et al., 2002, Economic Valuation with Stated Preference Techniques: A Manual, UK: Edward Elgar Publishing.

Chegut, A., Eichholtz, P. and Kok, N., 2014, "Supply, Demand and the Value of Green Buildings", Urban Studies., Vol.51, No.1.

Dastrup, S. R., Zivin, J. G., Costa, D. L. and Kahn, M. E., 2012, "Understanding the Solar Home Price Premium:Electricity Generation and 'Green' Social Status", European Economic Review, Vol.56, No.5.

Day, C., 2018, "Population and House Prices in the United Kingdom", Scottish Journal of Political Economy, Vol.65, No.2.

De Silva, D. G. and Pownall, R. A. J., 2014, "Going Green:Does it Depend on Education, Gender or Income?", Applied Economics, Vol.46, No.5.

Deng, Y. H. and Wu, J., 2014, "Economic Returns to Residential Green Building Investment:The Developers' Perspective", Regional Science and Urban Economics, Vol.47, No.1.

Eichholtz, P., Kok, N. and Quigley, J. M., 2010, "Doing Well by Doing Good? Green Office Buildings", American Economic Review, Vol.100, No.5.

Fuerst, F., McAllister, P. and Wyatt, P., 2015, "Does Energy Efficiency Matter to Home-buyers? An Investigation of EPC Ratings and Transaction Prices in England", Energy Economics, Vol.48.

Heinzle, S. L., Yip, A. B. Y. and Xing, M. L. Y., 2013, "The Influence of Green Building Certification Schemes on Real Estate Investor Behavior:Evidence from Singapore", Urban Studies, Vol.50, No.10.

Kahn, M. E. and Kok, N., 2014, "The Capitalization of Green Labels in the California Housing Market", Regional Science and Urban Economics, Vol.47, No.1.

Rosen, S., 1974, "Hedonic Prices and Implicit Markets:Product Differentiation in Pure Competition", The Journal of Political Economy, Vol.82, No.1.

Wang, S.J., Wang, J. Y. and Yang, W., 2018, "Effect of Land Prices on the Spatial Differentiation of Housing Prices:Evidence from Cross-County Analyses in China", Journal of Geographical Sciences, Vol.28, No.6.

Zhang, L., Sun, C., Liu, H. Y. and Zheng, S. Q., 2016, "The Role of Public Information in Increasing Homebuyers' Willingness-to-Pay for Green Housing:Evidence from Beijing", Ecological Economics,, No.129.

Zhang, L., Wu, J. and Liu, H. Y, 2018, "Turning Green into Gold:A Review on the Economics of Green Buildings", Journal of Cleaner Production, No.172.

●往期回顾 ●

点击目录可在线阅读全文

● 新刊速递 | 华东师范大学学报（哲社版）2020年第1期目录

哲学研究

● 张一兵 | 综合实在:意会整体与辅助性细节——波兰尼《认知与存在》解读

● 贺来 | 关系性价值观:“价值观间”的价值自觉

再写中国伦理学

● 江畅 | “中国伦理学”的三种意义之辨析——兼论当代中国特色伦理学构建

中国古代史专题

● 汤勤福 | 集权礼制的变迁阶段及其特点

● 孙英刚 | 佛光下的朝廷:中古政治史的宗教面