原文信息：
Markus Baldauf, Lorenzo Garlappi, Constantine Yannelis, Does Climate Change Affect Real Estate Prices? Only If You Believe In It, The Review of Financial Studies, Volume 33, Issue 3, March 2020, Pages 1256–1295.
01
引言
尽管学界对气候变化的发生有广泛的共识，但在政策制定者和公众之间存在很大的分歧。2017年3月，42%的受访者同意全球变暖将对他们的生活方式构成严重威胁，而57%的人不同意(盖洛普2017)。这种观点的差异是否反映在受气候模式长期变化影响的资产价格上?本文研究了人们对气候变化发生和影响的不同认识是否会影响住宅房地产价格。可以说，房地产是解决这个问题的理想资产类别。首先，其长期性质使其面临气候变化带来的长期风险。第二，房地产是迄今为止大多数家庭最重要的资产:目前的住房拥有率为63.6%(美国人口普查局2017年)，平均每个家庭40%的资产投资于住宅物业，相比之下30.5%投资于金融资产(SCF 2013年)。第三，房地产也是家庭债务的一个重要来源，增加了其与整体经济的相关性。
房地产估值的一个风险来源来自自然灾害，如洪水、火灾和地震。这种当前的风险以较低的房地产估值或较高的保险费的形式在文献中被记载。然而，一个被忽视的问题是，未来风险的变化是否反映在房地产估值中。气候变化——即未来天气模式统计分布的变化——属于第二种“长期”风险。在本文中，我们通过关注与气候变化（导致的海平面上升）相关的洪水风险变化，研究了对未来风险的预期差异与房地产价格之间的联系。研究表明，气候变化将导致全球海平面上升，这将在未来几十年影响到美国的沿海地区，到2100年，约有2%的美国房屋(价值总计8820亿美元)面临被淹没的风险。在一些沿海地区，如夏威夷和佛罗里达，如果海平面上升6英尺(Rao 2017)，预计10%-12%的家庭将被淹没。
为了理解异质性对房地产价格的影响，我们建立了一个简单的住房市场无摩擦模型。个体对气候变化发生的看法不同，他们的偏好表现出同质性，也就是说，他们从拥有一个由志同道合的房主居住的社区中获得效用。对于那些计划离开同质社区以应对其他地方房价下跌的家庭来说，这种与中介所在社区的联系是一种摩擦。如果同质性效应足够强，那么平衡就存在“信徒”和“否定者”分属不同的群体。在这种“分段”均衡中，不同社区的房价可能对气候变化表现出不同的敏感性。此外，我们对房价采用了一种享乐模型，我们用气候风险和家庭对气候变化的看法来增强这个模型。我们的分析显示，对气候变化看法的差异显著影响房价。具体来说，“相信气候变化的人”的比例比全国平均水平高出一个标准差，就会导致房价下跌约7%。这一发现量化了信奉者县和否定者县之间的房屋估值差距。
数据
02
（一）房地产
房地产数据主要来自Zillow Inc.的交易数据和补充数据。具体来说，我们使用Zillow提供给学术和机构研究人员的交易和评估数据集(“ZTRAX”)。Zillow的交易数据有1997年至2017年20年的房地产交易历史，以及2750多个县超过3.74亿份公共记录的详细房屋特征。此外，Zillow为我们提供了一个专有数据集，其中包含了基于Zestimate算法的房屋估值，以及专有的地理信息，可用于将单个房屋与未来的洪水区域进行匹配。
这些数据集包含了每栋房屋的地理位置信息，以及大量房屋特有的特征，比如面积、停车位的可用性、房间和浴室的数量等，我们将这些数据作为控制变量。我们使用地理位置将每个家庭与邮政编码、人口普查区或县匹配，并计算每个家庭到海岸的距离。表1描述了我们使用的主要住房变量。
（二）气候
我们使用两种类型的气候变化变量:(1)描述当前气候的变量和(2)与气候变化有关的变量。我们从美国国家海洋和大气管理局(NOAA)公开的地图开始，该地图显示了平均高高潮(MHHW)潮汐基准，使用的是比当前水平高出6英尺的海平面。NOAA将潮汐基准面MHHW定义为洪水可能开始发生的阈值的最佳近似值。因此，位于MHHW水平以下的沿海住宅要么永久淹没在水中，要么位于潮间带，通常是无人居住的。Zillow为每个家庭构建了一个指标变量，UnderWateri。
（三）对气候变化的看法
衡量人们对气候变化的看法的主要数据来源是2016年耶鲁气候观点地图(Howe et al 2015)。这项研究在县级层面提供了受访者如何回答问题的调查证据，包括(a)他们是否相信气候变化正在发生;(b)他们是否相信气候变化是人类活动造成的;(c)他们是否相信科学界就气候变化是否正在发生达成共识;(d)他们个人是否会受到气候变化的影响。我们对气候变化信仰的主要衡量标准是对调查问题(a)回答“是”的人的百分比。
（四） 控制变量
在我们的分析中，我们选取了一些变量来控制当地的条件。
具体来说，邮政编码级别的控制变量包括人口统计变量，如人口、收入和政治投票措施，这些变量与邮政编码的地理位置有关，如中心海拔、当前洪水风险和天气。
03
实证分析
（一）方法
除了预计的海平面上升风险和程度外，房屋估值可能会因不同维度洪水预测而变化;以及洪水预测与县级特征之间的(c)交互作用项，这可能与人们对气候变化的信念相关。具体来说，我们建立以下回归模型。
其中αzd表示邮政编码×距离固定效应，因邮政编码不同而不同，房屋与海岸的距离，αy是一组年份固定效应。此外，我们还考虑了其异质性。
其中αced表示县×海拔×距离固定效应，随县、邮政编码的海拔和房屋到海岸的距离而变化。由公式（15）可见，我们分别估计了信徒县（即Hc≥中位数（Hc））和丹尼尔县（即Hc<中位数（Hc））的县。
回归(14)的系数ζ。这个系数反映了房价的弹性与人们对气候的看法有关。
（二）关于气候变化的房价的关系
我们估计海平面上升对房价的影响，该影响由变量UnderWateri捕捉，如回归(15)所示。
表3报告了结果。该表说明，要正确解释其影响系数，重要的是要控制邮政编码、时间、房屋特征，特别是年龄和到海岸的距离。在没有洪水风险和气候变化造成的预计损失的情况下，由于靠近海岸或拥有滨水景观的舒适价值，靠近海岸的住宅可能更有价值。如果不控制与海岸的距离，这种被忽略的变量偏差可能会在销售价格和由于海平面上升而被预测淹没的房屋之间产生一个虚假的正关系。如果我们不控制距离(列1)，UnderWateri的边际效应是正的，这表明位于预估水下区域的房子会比未预估水下的房子卖得更高。这一结果是由于水下区域的房屋更有可能更有价值，因为它们更接近海岸。
为了说明控制距离海岸的重要性，图4报告了使用表1(左面板)和距离固定效应(右面板)中设置的区域控制对UnderWateri变量进行残差的平均房价。如图左面板所示，如果不考虑与海岸的距离，就可以推断出，未来发生洪水的可能性越高，正如变量UnderWateri所捕捉到的那样，将与更高的房价相关。
表4展示了我们对气候变化和房地产价格的看法差异导致的不同结论。前四列报告了式(15)的估计值，将样本按气候变化信念上下两部分分开。第1和2列包括county×distance×elevation固定效果，第3和4列包括ZIP code×distance固定效果。结果表明，房价与由于海平面上升而被预测为水下的房屋之间存在统计学上显著的负相关，但仅在置信值高于中位数的地理区域，并考虑了房屋控制和邮政编码×距离固定效应(第4列)。在这两列中，我们可以拒绝对相互作用项的估计分别在1%和5%水平上相同的假设。第1列和第2列之间相互作用的相等检验的F统计量为10.02，因此我们拒绝在1%水平上的相等假设。第3列和第4列之间相互作用的相等检验的F统计量为6.57，因此我们拒绝5%水平下的相等假设。列5和列6估计式(14)，分别有county×distance×elevation和distance×ZIP代码固定效应。
在更多人相信气候变化的地区，海平面上升造成的水下影响更强烈。结果表明，在更相信气候变化的地区，被淹没的预测对房价有更大的负面影响。相比之下，房价和因预计海平面上升而被淹没的房屋之间的关系接近于零，在那些相信气候变化正在发生的人相对较少的地区，从统计上看，两者之间的关系几乎为零。在相信气候变化正在发生的人比例较高的地区，房价对预计的海平面上升更为敏感。在相信气候变化正在发生的人比例高于中位数的地区，房价对海平面上升的预测系数估计在- 0.02至- 0.1之间。
（三）地区和收入不均
我们进一步探讨了地区、人口密度和收入水平的异质性。具体来说，我们将样本(a)按地理位置划分——北、南、西;(b)按人口密度-都市统计区及非都市统计区划分;(c)收入在66000美元以上和以下。
此外，我们将为我们的实证发现提供一些背景。首先，我们讨论了经济规模，并将相信和否定者之间的估值差距与洪水后预期清理成本的规模联系起来。其次，我们解决了对气候变化的信仰可能与沿海生活的舒适价值相关的担忧。第三，我们利用政治信仰来确定气候变化的信念。第四，也是最后，我们讨论了气候风险变化与旨在减轻气候事件影响的政策变化之间的紧张关系。
稳健性和安慰剂结果
04
（一） 租赁和商业房地产市场
作为安慰剂检验，我们使用住宅租金和商业房地产价格作为结果变量。
我们采用Zillow的邮政编码级别的住宅租金价格和Chaney、Sraer和smar(2012)中使用的MSA级别的商业房地产价格。表11的第3列和第4列表明，在考虑住宅租金时，对气候变化的信念差异的影响在统计上不显著。这一发现与直觉一致，即租赁市场更易周转率高，短期租房者在决策时不太可能考虑长期风险。表11的第5列和第6列还表明，对气候变化的看法差异似乎并不影响商业房地产的价格。这一发现与直觉一致，即商业房地产市场的主要特征是成熟的投资者。
（二）住房存量供应的异质性
在我们的理论模型中，我们假设每个社区的住房存量是固定的。然而，如果有可能扩大住房的数量，那么我们推测，这将导致更多的住房单元在价格较高，相对而言利润更高的社区。我们认为，在弹性供给较少的地区，信念差异对价格差异的影响更大。
在表11第7列和第8列中，我们基于Saiz(2010)对地方住房供给弹性的度量对样本进行了拆分。该表格重复了主要分析，将样本划分在住房供应弹性中值水平以上和以下。与模型的预测一致，在供给弹性较低的地区，对气候变化有不同信念的地区之间的估值差距更大。
05
结论
人们对气候变化信念的差异反映在住宅房地产价格上。具体来说，在其他条件相同的情况下，位于气候变化“否认者”社区的房屋售价比“信徒”社区的房屋售价高出7%。这一结果符合一系列的经验规范，这些规范解释了气候变化意识的变化、洪水风险的显著性和房屋供应的影响。
长期气候变化风险信任的异质性显著影响了美国房地产市场。预计的气候变化的影响可能会在预计的损害发生前几十年影响房地产价格。尽管我们估计的信徒和否认者之间的估值差距似乎与现有的清理成本和放弃租金的估计一致，但我们的分析是不可知的，是信徒反应过度，还是否认者对气候变化的长期风险反应不足。此外，我们的分析并没有区分气候变化的不确定性和对气候变化的政策反应的不确定性本文研究了关于长期气候变化风险的信念异质性对美国房地产估值的影响。
Abstract
This paper studies whether house prices reflect belief differences about climate change.We show that in an equilibrium model of housing choice in which agents derive utilityfrom ownership in a neighborhood of similar agents, prices exhibit different elasticities toclimate risk.We use comprehensive transaction data to relate prices to inundation projectionsof individual homes and measures of beliefs about climate change. We find that housesprojected to be underwater in believer neighborhoods sell at a discount compared to housesin denier neighborhoods. Our results suggest that house prices reflect heterogeneity in beliefsabout long-run climate change risks.
转自：“香樟经济学术圈”微信公众号
如有侵权，请联系本站删除！
