空气污染对住房价格的影响以及环境政策的效果分析——以美国休斯顿地区为例

金中华 潘起胜

1 背景介绍

从20世纪60年代开始，大工业生产所造成的环境问题就引起了美国全社会的广泛关注，空气污染成为许多大都市地区公众的主要焦点之一。在过去几十年中，美国政府通过联邦环境署（Environment Protection Agency，简称EPA）颁布了一系列环境保护政策来减轻和治理城市污染，并且取得了相当不错的成绩。2020年是美国环境保护署成立50周年，它是联邦政府实体，用于监督国家环境状况，研究主要污染物，规范州政府对环境污染的监控行动，并提供了大量的财政和技术支持，制定了国家污染控制计划。美国环境保护署2020年的报告显示，从1970—2019年，美国国内生产总值（GDP）增长了285%，人口增长了60%，行车里程增长了195%，能源消耗增长了48%，二氧化碳（CO2）排放量增长了25%，但空气污染减少了77%。在过去的几十年中，所有主要的空气污染物的水平都有明显降低。根据美国环境保护署的国家空气质量摘要，从1980—2019年，一氧化碳的排放量减少了75%，铅的排放量减少了99%，氮氧化物（NOX）的排放量减少了68%，挥发性有机化合物（VOC）的排放量减少了59%，PM10排放量减少了63%，PM2.5的排放量减少了36%以上，二氧化硫的排放量减少了92%。

虽然从整体上来看，美国环境治理取得了显著的成绩，但是在一些主要的大都市地区，尤其是一些工业重镇，空气污染依旧存在。例如，美国西海岸的洛杉矶至圣地亚哥、东海岸的纽约到波士顿、北部的芝加哥地区以及南部的达拉斯和休斯顿大都市区等。美国整体空气质量的改善主要得益于工业生产技术的不断革新和去工业化的城市发展模式，但仍然有大量城市人口遭受空气污染的危害。美国环境保护署报告称，2019年美国大约有8 190万，即25%的人口，居住在至少一种空气污染物浓度超过联邦政府标准的地区。按污染物分类，全美国二氧化硫超标地区生活着280万人；1 540万人居住在PM2.5超标的地区；2 250万人居住在PM10超标的地区。但是在所有这些污染物中，最受关注的是地表臭氧污染。目前，全美大约有7 390万人生活在臭氧水平高出环境保护署空气质量标准地区，大约占全美总人口的22.5%。

大气里面的臭氧层为地球上的生态系统屏蔽掉宇宙射线，但地表臭氧的形成却会对人们的健康产生很大程度上的影响。地面臭氧是通过太阳光激发的一系列光合化学反应而产生的。地表臭氧的形成离不开两个重要的物质，挥发性有机化合物和氮氧化物。它们在干燥高温的环境里，很容易合成臭氧，引起呼吸系统疾病，例如咳嗽和哮喘发作，尤其是对老人和儿童的影响更甚。在许多大都市地区，工业生产恰恰排放了大量这类物质，并且城市交通，特别是城市交通拥堵的过程中也会造成大量的排放物集聚。在高温春夏季节，地表臭氧的浓度也会相应较高。臭氧虽然是看不见的污染，但可被人体嗅觉感知，臭氧是比雾霾更为严重也更为常见的污染物。臭氧对呼吸道具有强烈的刺激性，过量吸入会危害人体健康，会刺激和损害呼吸道、中枢神经系统、和心血管等器官。当城市居民考虑住房选择时，空气污染特别是臭氧污染水平就会不可避免地成为一个非常重要的考虑因素。在许多非工业城市中，空气质量通常不被视为影响住房决策的重要因素。但是在纽约、洛杉矶、芝加哥和休斯敦等大都市地区，工业排放是空气污染的主要来源，居民必须谨慎选择居住环境，以便获得优质空气。因此，住房市场受到这种消费者行为的影响，导致较低社会经济地位的人口不可避免地被动遭受不平等待遇。

许多环境方面的相关研究都探讨了空气质量对居民住房选择的影响， 例如安德森（Robert J Anderson）与克罗克（Thomas D Crocker）[1]，拜耳（Patrick Bayer）等[2]，哈贾特（Anjum Hajat）等[3]，以及汉默顿（Timothy L Hamilton）与凡诺夫（Daniel J Phaneuf）[4]。他们都得出了近似的结论，即空气质量的优劣会影响人们对住房的选择。对于普通家庭来说，住房是家庭开销中最大的投资[5]，并且房子是提供住宿和安全保障的最重要的资产。购买者倾向于在做出最终决定之前会对所有影响因素进行仔细的评估，因此住房价格经常被用作评估当地经济发展的指标。住房定义了人们的生活选择，因此构建了相应的城市环境[5]。人们对不同住房单位的选择反映了他们对某些事物的需求，这些需求可以是房屋的大小，房间的多少，工作可达性，或者环境的优劣。罗森（Sherwin Rosen）[6]引入了享乐特征价格模型特征（hedonic price model）研究空气污染对房价的影响后，大量研究评估了空气质量与住房之间的联系[7-11]。对房地产市场的评估也可以帮助我们了解研究区域的经济结构，并检查相关政策的有效性。

然而，大部分研究着重于强调空气质量与社会资源分配的不平等性，即少数族裔和低收入人群更容易受到空气污染的影响。较少的研究对联邦政府的政策进行量化分析和评估。由于空气污染难以通过人们直观的感觉来评估，很容易被忽视。本文通过对美国德克萨斯州休斯顿的研究，主要回答以下两个问题：第一，空气污染对城市房价变化是否具有影响，两只之间存在怎样的联系？第二，环境保护政策的制定，对房价又有怎样的影响，效果如何？本文利用空气质量检测点为中心，在适当的距离内选择单户住宅为样本，建立多个模型，通过回归分析探讨空气污染对当地房价的影响。同时，比较环境因素、交通因素、收入水平、人口分布等因素对城市房价的影响程度，以及探讨美国城市区域性环境保护政策的效果，特别是对空气质量和住房价格所产生的影响。

2 文献综述

从20世纪60年代到20世纪80年代，大多数空气污染研究都是以美国城市为经验案例。芮德科（Ronald G Ridker）和瀚宁（John A Henning）[12]较早地指出，房屋的市场价值是由一系列属性决定的，他们的研究以圣路易斯大都市地区为案例，提出通过空气质量的某些改善，房地产价值能够得到大幅度的提高。罗森[6]开发了经典的享乐特征价格模型，将住房特征解释为自变量，将空气污染作为隐性价格应用于住房价值评估。哈里森（David Harrison Jr）与罗宾费尔德（Daniel L Rubinfeld）[13]沿用了享乐价格模型来调查波士顿地区住房市场消费者追求洁净空气的意愿。纳尔逊（Jon P Nelson）[14]使用了两阶段模型，通过华盛顿特区的住房价值估算了人们对城市空气质量的需求。从2000年开始，亚洲等地的发展中国家也出现了严重的空气污染问题，政府和公众越来越关注环境改善问题。学者们也开始关注发展中国家空气质量的影响。阿子迷（Ahmad Shazrin Mohamed Azmi）等[15]以曼谷为例，通过空气质量指数来研究空气质量与房地产市场之间的关系。杨静（Jing Yang）和张炳（Bing Zhang）[16]研究了中国与空气污染相关的医疗保健支出。

陈诗一（Shiyi Chen）和金浩（Hao Jin）[17]提到了PM2.5浓度对286个中国城市房价的影响，并且提出空气污染较高的城市的住房价格较低，而住房价格在很大程度上还受到人口密度、平均工资、产业结构、公共服务水平等因素的影响。贾倍思等[18]通过对深圳坪山区的PM2.5数据进行分析提出，空气质量较差的地区主要集中于城市建设与城市主要交通网络附近。许华华与陈宏[19]以武汉为研究对象，阐述了城市发展布局对空气质量的影响，发现空气污染由城市中心向外围递减，并提出高容低密的城市发展模式能够很好地降低城市空气污染。

空气污染和房价的早期研究以及享乐价格模型的应用为以后的研究奠定了理论基础。布拉辛顿（DavidM. Brasington）和海特（Diane Hite）[7]指出，虽然环境质量与平均房价的相关性相对较小，但不可否认的是，空气污染物的高度集中给城市房地产估价增加了负担。享乐价格模型是一个比较完善，经过长时间测试，并且在经济研究领域已广泛采用的模型。主要用于估计内部和外部因素对财产价值的潜在影响。作为早期的先驱，罗森[6]为享乐价格模型的发展提供了强大的理论基础。对于研究人员来说，充分理解享乐价格模型的基本假设和概念对于其将来的改进至关重要。罗森[6]认为，生产者充当市场的中介，并通过组装商品以满足消费者的最终需求来获取利润。基于此观点，市场被视为具有不同特征的一组商品。在该市场中，每个组成部分具有相同的特征，这些特征由消费者客观地衡量。在此概念下的假设是，整个市场包含相对大量的具有各种类型特征的商品。以住房市场为例，每个产品（例如住房单元）具有相同的特征，可以是大小，位置，样式或任何其他可感知的特征。由于每种商品都具有以市场价格进行交易的价值，因此其相关的特征将获得隐性价格。罗森[6]构造了享乐价格模型回归作为个体隐性价值的函数，揭示了购买者寻求类似产品最低价格的购物消费行为。

哈里森与罗宾费尔德[13]提出了这样的假设：人们更愿意购买价格较昂贵，空气质量较好，社区质量较高的住房。在享乐价格模型函数中，住房价格被认为多种属性的合集，而不是一个单独的商品。然后，通过某些解释性变量（包括空气污染、收入和其他家庭特征）对边际住房价格进行回归，从而完成对每个属性的比重分析。肯（Ayse Can）[20]研究了两个主要的属性组，即房屋结构特征和外部特征。结构特征主要包括房屋的面积大小、房间多少、建筑年代等。外部特征包括小区环境，安全系数，空气质量、学区好坏、交通便利等因素。安德森与克罗克[1]使用距市中心CBD的距离作为解释变量来估算空气污染对住房价值的影响。作为外部因素，一般可达性越好，房屋自身价值也相对越高，可达性主要包括城市中心可达性以及交通便利性两个方面。而空气质量作为一个外部因素，不同的研究所得到的结论不尽相同。拜耳等[2]将房屋与空气污染源的距离作为一个自变量来评估两者之间的联系。布拉辛顿和海特[7]使用空间统计来估计需求曲线，并解释居民对环境变化并不敏感，而搬家产生的高额费用可以抵消环境变化带来的不便。

另外，环境正义性研究提供了大量证据，证明少数族裔和低收入人口更容易受到空气污染的负面影响。布鲁尔（Robert J Brulle）和佩洛（David N Pellow）[21]提出环境不平等是社会进程的结果。哈贾特等[3]在全球范围内收集了37个环境正义研究，以检验空气污染对种族/族裔和社会经济地位的影响趋势。他们的研究表明，在北美，社会经济地位较低的人群更有可能遭受更严重的空气污染。尽管空气污染随着时间的推移在减少，但是评估某些环境政策是否对空气污染的不平等分布产生影响至关重要。其他理论认为，市场驱动的经济也可能在环境不平等中发挥作用。例如，工业设施倾向于寻找便宜的土地，在这些土地上，价值较低的地区更容易聚集低收入人口，相应地更容易受到工业污染的侵害。为了评估空气污染对人口群体的影响，许多环境正义研究利用人口统计数据和收入水平来分析空气污染的不平等性。这些研究的结论大多一致，即边缘化人口、低收入人口和少数族裔居住地的空气污染程度往往较高。米兰达（Marie Lynn Miranda）[22]的研究利用人口种族分布情况，年龄分布和收入水平来测试空气污染对不同人群的影响，尤其是对美国非西班牙裔和非洲裔人口的影响，该研究发现这一族群始终暴露于最差的城市空气之中。布罗丘（Paul J Brochu）等[9]通过研究美国北部PM2.5对城市人口的影响，发现社会经济地位较低的人群受到空气污染的风险越高。凯里耶（Mathieu Carrier）等[23]也研究了城市人口收入和少数群体与空气污染之间的联系，研究发现低收入少数族裔更趋于居住在空气污染水平较高的主要道路附近。

3 研究方法

享乐价格模型的假设是，有限数量的住房属性能够反映房屋的价值。享乐价格模型函数被认为是每个变量的边际值的线性函数。在此基础上纳尔逊[14]提出了对数线性模型来取代简单的线性和半对数模型。

Hedonic线性函数可以表示为：

其中：

Y代表房屋价格；

Xn代表自变量，包括房屋自身特征和外部特征，以及空气质量等。

α，β，γ和n为系数。

享乐价格模型的模型方法有很多优点，首先，它可以根据给定的住房价格来估算价值，并且已经在房地产市场上进行了频繁的测试。在给定条件下，它可以适应大量独立变量并测试它们之间的相关性。但是，该方法也有其缺点。一个不足之处是，该方法只能用于测量与房价相关的价值。另一个主要的缺点是，这种方法无法使用间接影响房价的外部变量（例如税收和利率等）。同样，该模型需要大量样本数据来执行回归分析，并且在很大程度上取决于模型规格。另外，用户需要具有良好的统计知识才能对回归结果进行合理分析。

为了保证样本成正态分布，该研究对模型进行了改进，用对数函数来表述函数方程的因变量，改进后的函数模型可以表示为：

其中：

LnY 代表房屋销售价格的对数；

Xn代表自变量，包括房屋自身特征和外部特征，以及空气质量等。

α，β，γ和n为系数。

在这项研究中，为了避免回归模型中的多重共线性问题，需要对变量需要进行仔细选择和测试。例如，人口种族的百分比显示共线性问题。为避免此问题，回归分析中不包括美国白人的人口百分比，并且利用检测结果中的方差膨胀因子（VIF）来检测多重共线性。 VIF数值大于2的任何变量都需要经过仔细评估或者从回归分析中删除。

4 案例分析

本研究选取美国德克萨斯州休斯顿地区的哈里斯县作为应用实例。休斯顿是美国第四大城市，是美国东海岸主要的能源与港口城市，其大部分市区都位于哈里斯县的范围内。根据美国人口署2018年的数据，哈里斯县的总人口为470万，年龄中位数为33.7岁，家庭收入中位数为60 232美元。哈里斯县最大的族裔群体中西班牙裔人口占32.1%，白人占28.9%，非裔美国人占18.7%，亚裔人口占7.0%。

美国环境保护署为六种主要空气污染物设定了空气质量标准：地面臭氧、铅、一氧化碳、二氧化氮、二氧化硫和颗粒物。对于臭氧，美国联邦《清洁空气法》建立了非达标区域分类，根据该地区空气污染问题的严重性对其进行了排名。《联邦清洁空气法》要求每个州制定并定期更新环境改善实施计划。联邦《清洁空气法》还要求州政府对未达到国家环境空气质量标准的地区实施相应的控制策略或应对污染的措施。本研究对空气污染程度的量化是以地面臭氧作为代表。

4.1 数据

本研究中，数据来源分为多个部分。其中空气污染数据是从德克萨斯州环境质量委员会（Texas Commission on Environmertal Quality，简称TCEQ）获得的。哈里斯县有28个活跃的空气监测站，记录每天的臭氧浓度。从德克萨斯州环境质量委员会2018年臭氧监测数据库中，获得每个臭氧监控站点的年平均值作为测量值。在地理信息系统（GIS）使用反距离权重（IDW）方法估算整个哈里斯县的总体臭氧浓度年平均值（图1）。

房屋数据来自于2018年的InfoUSA数据库，其中包含了从1962—2018年大休斯顿地区的房屋销售信息。InfoUSA数据由休斯顿加尔维斯顿地区委员会（HGAC）提供，该委员会是大休斯顿地区的规划组织。该数据集包含了单个房屋的销售价格、房屋地址、平方英尺、建成年份等，但缺少结构性房屋特征，例如卧室数量、浴室数量、储藏空间、地块大小和建筑条件分类。该数据中共包括五个超大型数据库，记录的房屋交易总数巨大，超出了笔者进行回归分析的能力。为了清理数据，笔者选择了1982年之后所产生的交易，并且交易金额超过10万美元的单户交易。通过利用消费者价格指数（CPI）来调整通货膨胀。基于居住房屋的InfoUSA地理数据库包含了将近200万个交易记录。

在本研究中，使用4个缓冲区（buffer zones）来获取房屋样本信息，即选择距臭氧监测站点半径为800 m区域，800~1 600 m环带，1 600~3 200 m环带，以及3 200~4 800 m环带。表1列出了落入每个缓冲区的单户住宅数量。

由于本研究旨在检验空气污染对房价的影响，因此仅选择了单户住宅作为样本数据。在800 m区域内，选择了5 928个单户住宅单元。在800~1 600 m环带的缓冲区中，住房单元总数增加了两倍，达到18 896单元。在1 600~3 200 m环带的缓冲区中，环内有71 562个单户单元。在3 200~4 800 m环带的缓冲区内，有90 997套单户住宅。

4.2 变量

因变量是来自InfoUSA数据的房屋销售价格。原始销售价格不符合正态分布。根据线性回归假设，因变量需遵循正态分布，因此笔者使用价格的对数值作为因变量。自变量包括以下几组变量：房屋结构变量、社区变量、空气质量和人口统计学变量。住房结构变量包括房屋建筑年限和房屋面积（表2）。社区变量包括学区质量、社区收入中位数、到高速公路的距离和到CBD的距离。人口统计学变量包含非裔美国人百分比，西班牙裔人口百分比和亚裔人口百分比。为了避免共线性问题，我们排除了白人人口的百分比。

表1 缓冲区的单户住宅数量Tab.1number of single family units by buffer size

图1 使用反距离加权（IDW）方法的2018年臭氧估值Fig.1 2018 ozone inverse distance weighted(IDW) interpolation

美国环境保护署自19 9 7年以来，颁布了三项臭氧污染标准：1997八小时臭氧标准（1997年至今）、2008八小时臭氧标准（0.075 ppm）以及2015年八小时臭氧标准（0.070 ppm）。并且环境保护署规定到2021年，大休斯顿地区必须达到2015年的八小时臭氧标准。为了研究《清洁空气法》立法对房价的影响，基于房屋交易时间，线性函数中加入4个时间变量：1997之前、1997—2008年、2009—2015年以及2015年后。

根据美国环境保护署的报告，2019年全美排放了超过7 000万吨的污染物，其中大多数导致了臭氧、颗粒、酸和烟雾的形成。由于臭氧是通过挥发性有机化合物和氮氧化物的化学反应形成的，因此臭氧是美国城市内最常见的污染。目前，臭氧水平已从1990年的0.09 ppm降低到2019年的0.075 ppm。但是，美国国家环境空气标准（National Ambient Air Quality Standards，简称NAAQS）要求臭氧年度第4位每日最高8小时浓度水平为0.070 ppm。这表明尽管大气污染物的总体排放量已大大减少，但臭氧趋势并没有急剧下降，而是呈现出平稳缓慢下降的趋势，美国很多城市的臭氧水平仍高于美国国家环境空气标准的要求。

5 分析结果

在回归分析中，R方（R2）显示模型拟合良好。表3显示了回归分析的结果。在回归模型的运行中，采用了逐步回归的方法，每个变量被逐一添加到模型中来估计它对房价变化的贡献。800 m区域，800~1 600 m环带，1 600~3 200 m环带，以及3 200~4 800 m环带的R2分别为0.61、0.60、0.57和0.59。无论样本量大小如何，对住房价格变化贡献最大的变量是房屋的大小，在所有四个模型中约占40%。房屋面积与住房价格呈正相关的关系，这表明房屋面积越大，住房单元的总销售价格越高。

图2 哈里斯县房价中位数分布图Fig.2 2018 median housing values in Harris County, Texas

房屋建筑年限与销售价格形成负相关，但是仅显示出对房价影响不足1%的贡献度。图2显示了哈里斯县按普查地区的房屋中位数住房价值。红色表示较高的中位数住房价值，其中大多数位于城市中心附近以及I-10高速能源走廊沿线。但是，大多数新建的单户住宅都分布在郊区，而且价格更便宜。这种现象表明，位于城市中心的住宅单元要比位于远郊的住宅单元昂贵。尽管分布于城市中心的房屋建造年代久远，但市中心的土地价值相对较高，与郊区的新建住房相比，价格仍然偏高。到中央商务区的距离和到高速公路的距离都显示出与房价的负相关关系。这表明到高速公路的距离越长，房屋单元的价格就越便宜。那些靠近主要公路的房屋可从附近的交通网络中快速出行，为住户提供交通的便捷。另一方面，远离高速公路的居民需要很长通勤时间，因此出行便利性低。但是，到高速公路的距离对房价变化的的贡献度也不足1%。

距中央商务区的距离显示出对房价的显著影响。房屋位于城市中心附近，价格往往更高。这项研究中主要使用三个市区中心，包括城市中心CBD、医疗中心和一个大型商场购物中心。之所以使用这三个中心，是因为它们每英亩的工作密度都很高，而且就业总数也很高。回归结果遵循一般市场规律，即到中心的距离越短，售价越高。城市中心CBD形成以商业和金融为主导，大多数以家庭为单位的人口分布于城市郊区，形成了长距离通勤的城市发展模式。由于美国城市结构的特性，以及土地的私有制，旧城改造很难大范围实现，大多数城市呈现向外蔓延的发展模式。人们追求大空间住房的自由生活方式，长距离的日常通勤成了城市居民特别是郊区居民生活的一部分。

表3 回归分析结果Tab.3 regression results

在所有模型中，社区中位收入均与住房价格成正相关。收入较高的居民更有可能负担得起更昂贵的住房。随着样本量的增加，收入的贡献从800 m环带的4.9%增加到3 200~4 800 m环带之间的10%以上。收入也是评估邻里质量的良好指标。

独立学区排名显示出对房价的异常影响。在3 200 m区域内显示积极影响，而在3 200 m以外的区域显示为负面影响。这可能是源自数据自身的缺陷。哈里斯县共有19个独立学区，其中休斯顿学区是一个非常大的学区，位于休斯顿市和哈里斯县的中心，但是，该学区的排名非常低，大多数样本都被囊括在该学区中。而教学质量比较高的学区大多数远离中心城区而位于郊区。这也是人们在选择住房所必须考虑的因素，有相当一部分家庭根据学区的优劣选择居住地点。

与预先的期待不同，臭氧作为空气质量的指标与房价呈现出正相关，图1显示了哈里斯县臭氧分布情况。经济收入较高的西部以及工业生产密集的东部，臭氧浓度较高。大量交通在市区引起高排放，日光，挥发性有机化合物与氮氧化物反应生成大量的地面臭氧。但是，臭氧水平仅对1 600 m以内的房价贡献了0.1%的解释度，在1 600~3 200 m环带内其贡献微增至0.7%，而在3 200~4 800 m环带之间的贡献则只有0.4%。城市交通对地表臭氧浓度有直接的影响，人们日常活动频繁的地区，臭氧浓度较高；相反，收入较低的社区臭氧水平并不是很高。

人口变量中，非裔人口百分比和西班牙裔人口百分比均显示了房价的负面影响。亚洲人口百分比与800 m内的房价呈正相关，但在1 600 m以外的区域呈负相关，这种变化可解释为是由于亚洲人口分布不均引起的。总体而言，少数族裔人口分布对住房价格形成负相关，这表明少数族裔群体更有可能生活在恶劣的住房条件下。

最后，对环境政策的分析主要着重于讨论三个不同时期（1997年、2008年和2015年）颁布的城市臭氧标准。基于时间线，在回归分析中建立了四个虚拟变量。通过对每一个变量的回归分析来研究不同时期颁布的臭氧标准所起到的效果，主要体现在对房价的影响是正面还是负面，以及这些影响是否显著等方面。结果显示，环境政策在房价的影响体现在以下几点：第一，政策带来的效果具有滞后性；第二，新的环境政策实施以后，普遍对当地房价具有积极的意义。在2015年的空气污染标准推出以前，对研究区域内的房价没有重大影响。2015后，显示出对房价产生了积极影响，其贡献从800 m区域内的0.1%增加到了800~1 600 m环带的0.3%。在1997年的《清洁空气法案》之前几乎看不到任何影响，而在2008年之后开始显示出积极影响。这表明美国环境保护政策的颁布对哈里斯县地区的房价产生了积极影响，而对环境政策效果的定量评价是本研究的主要贡献之一。

6 结论

本研究首次探讨了美国休斯顿地区的空气污染与住房市场之间的关系，并且定量分析了环境政策的实施效果，并以此为例解释了美国城市发展与城市环境之间的联系。本研究利用地面臭氧作为空气质量的量化指标，检测空气污染对房价的影响。休斯顿地区的哈里斯县因其独特的条件而被选为案例研究对象。研究首先表明，空气污染确实对房价产生了显著影响。然而与直观的期待不同，臭氧与房价显示出正相关的关系，其主要原因是臭氧在日常交通活动量高的地方更容易形成。数据表明，城市中心以及经济活动密集的地区，臭氧浓度普遍高于周边地区。

随着全球经济的增长，大多数都市地区都在经历着城市扩张和人口增长，因此自然资源的消费增加了。萨尔津斯基（Sarzynski）[24]讨论了全球所有大型都会区都面临的关键环境挑战。城市面积越大，人类活动就越多，每个人对环境的影响也越大，而人口增长对环境很可能造成严重的污染，对自然资源的消耗（包括空气、水、能源和食物）会导致更多废物的产生。当人口增加时，总需求也增加，因此刺激了工业生产活动。

在考虑人们对房屋位置的选择时，宏观来说，地区的搬迁可能会受到劳动力市场特征或地理变量的影响。但是，在微观层面上，决策更具体地取决于个人对某些公共物品或便利设施的质量和需求。例如教育质量、开放空间、安全性、房屋大小、工作场所可及性等，所有这些都包含了某些个人愿意交易的隐性价值。享乐价格模型是帮助估计隐性价格的工具，而不是查定某一个特定因子，此方法更可能解决区域内经济状况的总体水平。

本研究的一个主要贡献是对环境政策的效果进行了定量的评估。结果显示出环境政策对房价的影响具有滞后性，而新的环境政策的实施对当地房价具有积极正面的作用。从1997—2015年，美国环境保护署对城市臭氧标准进行了多次修改。从整体上看，美国的城市空气污染得到了比较显著的改善。很多空气污染严重的地区逐渐达到《清洁空气法案》的要求。环境政策的制定促使地区性政府做出反应，通过规范空气污染活动，减少工业排放，改善交通等政策性措施来改善当地的空气质量。在环境改善的同时，城市经济发展以及人口收入的增加也促使住房价格逐渐提高。

然而，这项研究也有其局限性。在未来的研究中需要对回归分析结果进行进一步校验，比如选择不同地点、不同建筑年限的房屋样本进行验证。另外，研究中使用的可达性度量是欧氏距离而不是实际的路网距离。在未来的研究中，使用实际出行时间会更准确地评估交通可达性的影响。另一方面，数据插值方法使用的是站点监测数据，某些区域可能无法反映实时臭氧水平。但是总的来说，这项研究能够成功评估《清洁空气法案》对房价的影响，这对未来使用定量方法进行环境政策的效果进行研究提供了参考实例。