誰更愿意購買綠色住宅

張莉++蔡詩瑤++鄭思齊+林波榮

摘要：提高綠色住宅的認可度、促進綠色住宅市場的發展，是新型城鎮化可持續建設的一個重要目標。從消費者的角度出發，選取北京市三類綠色住宅小區和分別與每個綠色住宅小區處于同一子市場的非綠色住宅小區進行支付意愿的問卷調查。為了更好地測度信息充分性對于支付意愿的影響，設計了兩階段調查法，在告知被調查者綠色與非綠色住宅的室內環境及舒適度指標前后，分別詢問居民對于綠色建筑的支付意愿。在此基礎上，利用logistic模型和多元線性回歸模型分別得到影響居民是否購買綠色住宅和對綠色住宅支付意愿的主要因素與特征。結果顯示，消費者對綠色住宅的購買和支付意愿主要受到家庭收入、教育程度和職業特征的影響，另外，對綠色住宅舒適度的深入了解也能有效提高其支付意愿。

關鍵詞：綠色住宅，支付意愿，居民特征

中圖分類號：F293.3 文獻標識碼：A

文章編號：1001-9138-（2015）06-0023-31 收稿日期：2015-03-09

隨著近年來城市人口的迅速增長和人們對生活質量要求的不斷提高，我國城市中住宅運行能耗大幅增長。為了降低能耗、實現可持續發展，政府出臺了一系列綠色建筑的相關政策，鼓勵綠色建筑的生產與消費。

在政策的支持下，目前的住宅市場上，綠色住宅的供應量已經開始呈現出持續增長的趨勢。綠色住宅作為市場上的新興產品，一方面能夠節能節水并提升居住者的舒適度，另一方面又由于綠色技術的增量成本導致了一定的價格增加，因此綠色住宅具有高價格與低運行成本并存的雙重特征。它能否真正得到推廣，還取決于消費者的認可程度。那么，具有哪些特征的消費者會更加傾向于購買綠色住宅？綠色住宅潛在的目標客戶群又在何方？

基于上述問題，本文主要進行以下兩部分研究：第一，哪些人購買了綠色住宅，與購買非綠色住宅的居民相比，前者有哪些特征；第二，居民對未來購買綠色住宅的支付意愿如何，誰的支付意愿更強。本文旨在通過以上研究，為綠色住宅開發商的客戶群定位提供策略建議。

1 相關研究綜述

在目前中國房地產市場上，綠色住宅存在顯著溢價且遠高于其增量成本。然而這其中的重要原因是，在綠色住宅發展初期，其供給有限，賣方市場中供給者主導著交易價格，僅憑交易價格難以反映真實的市場均衡水平。隨著市場的進一步發展與完善，綠色住宅的供給勢必不斷增加。這意味著在未來，消費者對綠色住宅的支付意愿將對綠色住宅價格的決定起到越來越重要的作用。

哪些因素會影響消費者對綠色產品的支付意愿和購買行為，是國內外學者比較關注的話題。Diamantopoulos等（2003）從人的各種社會屬性出發，提出了若干假設并進行實證檢驗，認為人的性別、年齡、收入、學歷等因素對綠色產品的支付意愿均有顯著的影響。Lee（2009）認為性別對綠色產品的購買行為具有很大影響，女性會更傾向于購買綠色產品。Oliver等（2011）研究了人們對綠色電力支付意愿的影響因素，認為收入與支付意愿呈正相關。

然而，綠色住宅具有區別于普通綠色產品的特點。對于普通綠色產品而言，消費者的支付意愿主要取決于環保意識和對健康的重視程度等；而綠色建筑對購房者而言，不僅是消費，更是一種投資。除了環保性之外，還有居住的舒適度提升，以及未來資產價值的提升。在綠色建筑的支付意愿方面，也有學者進行了研究。Yau（2012）認為人們的收入和對環保的態度會對支付意愿產生影響。張瑞宏（2011）研究了支付意愿和支付水平的影響因素，包括綠色建筑本身的特點和消費者個人因素兩個方面。

基于以上研究，本文意在探索消費者各方面的個人特征對是否購買綠色住宅，以及對綠色住宅的支付意愿的影響。

2 研究方法與數據采集

2.1 研究方法

本文通過問卷調查的方式進行研究。問卷分為三個部分：住宅基本信息、對綠色住宅的認識及支付意愿，以及受訪者基本信息。其中，住宅基本信息包括家中常住人口、住宅的運行成本、用戶滿意度等；對綠色住宅的認識主要調查居民對綠色住宅的認識程度，對綠色住宅的支付意愿，以及在告知綠色住宅與非綠色住宅的室內環境和舒適度實測數據后對綠色住宅的支付意愿；受訪者基本信息則包括性別、年齡、職業、收入、受教育程度等個人特征。

在調研地點的選擇上，本文根據房價篩選了北京市高端、中高端、中端的具有代表性的綠色住宅小區作為研究對象，以及它們周邊檔次相近、處于同一子市場的的非綠色住宅小區作為對照組。綠色小區包括：A（綠標三星級運行認證）、B（綠標二星級設計認證）、C（無認證，與項目A同為專注于綠色住宅的某知名開發商開發）；相應的可比非綠色小區：a、b、c。

在回歸分析中，根據研究目的，首先篩選出受訪者中為住房所有者的問卷，分析居民特征對其購房選擇（綠色住宅與非綠色住宅）的影響；然后根據所有受訪者的問卷（包括住房所有者和租戶），分析上述特征對其重新購買住宅時支付意愿的影響。

2.2 變量說明及數據描述性統計

問卷中采集的反映居民個人信息與特征的變量如表1所示。在綠色小區與非綠色小區分別發放問卷，回收綠色小區與非綠色小區中的有效問卷463份。其中，本研究需要的變量信息全部完整的綠色小區問卷207份，非綠色小區問卷222份，共429份。

3 模型建立與回歸分析

3.1 居民是否購買綠色住宅的logistic模型

本部分主要研究居民的不同特征對其購房時選擇綠色或非綠色住宅的影響。因此，下面的模型主要針對受訪者中的住宅所有者進行研究。是否購買綠色住宅（GREEN）是一個二元虛擬變量，可選用logistic模型進行二元回歸分析，識別出哪些解釋變量真正會對居民購買綠色住宅的選擇產生影響，并比較各解釋變量的影響程度。

假設消費者愿意購買綠色住宅的概率為P，則不愿意購買的概率為1-P，那么GREEN的函數表達式如式（1）所示。其中P/（1-P）表示購買與不購買綠色住宅的對數發生比，該變換稱為邏輯斯蒂變換：當P在（0，1）之間取值時，logit可取任意實數。

（1）

為確保所選解釋變量之間的獨立性，首先進行解釋變量間兩兩相關系數檢驗：可知除個別解釋變量間弱相關外，其他各解釋變量之間均呈現不相關（相關系數小于0.3），可同時作為解釋變量。logistic模型回歸結果如表2所示。

如表2和圖1所示，AGE在1%的水平上顯著，OCC_FIN在5%的水平上顯著，MALE在10%的水平上顯著?？梢?，年齡更大的人群、從事金融工作者、男性更有可能購買綠色住宅。此外，其他職業和受教育程度對是否購買綠色住宅的影響不大。

從收入情況對是否購買綠色住宅的影響上看，“家庭年收入為10萬-15萬元”、“家庭年收入為25萬-50萬元”、“家庭年收入為50萬-100萬元”這三個變量達到了1%的顯著性水平，“家庭年收入為15萬-25萬元”，“家庭年收入為100萬元及以上”這兩個變量達到了5%的顯著性水平。各家庭年收入水平的logistic模型估計系數如圖2所示，可以看出隨著收入水平的升高，購買綠色住宅的概率隨之增大：家庭收入每增加10萬元，購買綠色住宅的概率上升約2.7%。

3.2 居民對綠色住宅的支付意愿

本部分主要研究居民的不同特征對綠色住宅支付意愿的影響。

在發放問卷前，我們對前述北京市具有代表性的綠色住宅小區（A、B、C）和作為對照組的非綠色住宅小區（a、b、c）的主要建筑室內環境指標進行了實際測試。得到的測試結果中，綠色住宅的室內溫度、濕度、背景噪聲和照度四項指標，均符合人體舒適度最優值范圍，且明顯優于非綠色住宅。

問卷中采用以下問題了解居民對綠色住宅的支付意愿：如果您再購買新房，是否愿意購買綠色住宅？選項為“是”或“否”，若選“是”，則進一步提問：您愿意比其他特征完全相同的非綠色住宅多支付多少？選項為“<100元/m2”，“100-200元/m2”，“200-400元/m2”，“400-800元/m2”和“>800元/m2”。在受訪者回答上述問題之后，向其展示綠色與非綠色住宅建筑室內環境指標的測試結果，并再次提出上述問題，了解其支付意愿。

以受訪者在了解到綠色與非綠色住宅建筑室內環境指標實測數據前后，對綠色住宅溢價的支付意愿WTP_Before、WTP_After為被解釋變量，對各解釋變量做多元線性回歸，函數表達式如下式（2）和（3）所示。

（2）

（3）

多元線性模型回歸結果如表2中第（2）、（3）列和圖1所示?？梢钥闯鲈诟嬷G色與非綠色住宅的室內環境指標前后，EDU、OCC_FIN兩個變量均達到了1%的顯著性水平。說明高學歷者、從事金融行業者對綠色住宅的支付意愿更高。

在告知之前，GREEN的顯著性水平達到1%，告知之后則不再顯著。這說明，在未告知綠色與非綠色住宅的建筑室內環境差異時，住在綠色住宅中的居民對綠色住宅的支付意愿明顯高于非綠色住宅居民；而在告知差異后，綠色與非綠色住宅中居民的支付意愿差異變得不明顯了?？梢?，當非綠色住宅的居民了解綠色住宅的舒適度優勢后，對綠色住宅的支付意愿顯著提高，非綠色住宅居民正是因為對綠色住宅的優勢缺乏認知才沒有購買或不愿意購買綠色住宅。

根據模型估計系數估算的各家庭年收入水平的支付意愿如圖2、圖3所示。從整體上看，支付意愿與家庭年收入成正相關。在告知綠色和非綠色住宅建筑室內環境對比信息后：擬合直線截距增大，整體上移，說明支付意愿總體增加；擬合直線斜率變小，說明不同收入的人群間支付意愿的差距變小，尤其是收入較低者，支付意愿顯著增加。

3.3 是否購買綠色住宅與支付意愿的影響因素對比

消費者對綠色住宅的支付意愿與其最終的購房選擇之間，既有共同點，又存在著一定的區別。原因可能在于消費者雖然愿意為綠色建筑多支付一定價格，但是買房時可能會受到很多其他因素的影響，最終購買的未必是綠色建筑。

根據前面的結果，“家庭年收入”、“從事金融行業”這兩個變量對購買選擇和支付意愿都有顯著影響。由于綠色住宅價格普遍高于非綠色住宅，消費者在購買時必然受到自身消費能力制約，高收入人群更有能力負擔較高價格的綠色住宅。

“年齡”變量對是否購買綠色住宅有影響，但對支付意愿的影響不明顯。其原因可能在于年齡更高者對更舒適健康的綠色住宅有更強的偏好，但具體愿意多支付的金額還受消費觀念的影響。

“受教育程度”對支付意愿有顯著影響，但是對是否購買的影響不明顯。一般來說，受教育程度更高的人群，節能環保的意識更強，他們對綠色住宅的高支付意愿可能更多地出于自身的社會責任感。這與Kahn（2002）的研究結論相符，他指出，城市居民中上過大學人口的比例與當地對政府環保政策的支持力度顯著正相關，因為接受過高等教育的人更清楚環境問題的長期危害，看待環境問題的視角更加長遠，從而更注重環境保護。但是受教育程度高的人群在購房時也同樣會受到諸如自身消費能力等其他因素的制約，因此最終的購買情況并不顯著。

4 結語

本文采用問卷調查的方法，以北京市典型的綠色住宅小區及其可比非綠色小區為研究對象，分析了居民特征與他們對綠色住宅的購買選擇、支付意愿之間的關系，得到了幾個主要的影響因素：家庭收入、職業（金融行業）、受教育程度，以及對綠色住宅舒適度的了解情況。其研究結果可為開發商在開發、銷售和推廣綠色住宅方面的客戶群定位提供一定參考：

其一，收入越高的人和金融行業從業者購買綠色住宅的概率和支付意愿較高。家庭年收入每增加10萬元，購買綠色住宅的概率上升約2.7%，對綠色住宅的支付意愿上升約36元/m2。以問卷中的“其他”職業為參照，金融行業從業者購買綠色住宅的概率高出55.6%，支付意愿高出約270元/m2。

其二，部分消費者沒有購買綠色住宅可能是受到自身經濟條件制約，但有較強購買意愿。例如受教育年限每增加1年，對綠色住宅的支付意愿上升約15元/m2，但我們觀察到的受教育程度對實際是否購買綠色住宅的影響卻不顯著。因此，開發商可針對不同收入層次人群，建設相應戶型的綠色住宅，以適應其需求。

其三，在被告知綠色住宅與非綠色住宅的建筑室內環境指標前后，人們的支付意愿有較大差異。但是這種差異在不同人群中是不盡相同的，中低收入群體和非綠色住宅居民在得知信息后支付意愿有了較為明顯的提高?？梢?，如果開發商在銷售時能夠提供可信的信息以證明其舒適度、能耗節約等方面的優勢，將會有效地提高消費者對綠色住宅的認可度，擴大目標客戶群體的規模，在提升其盈利水平的同時也能夠促進綠色住宅市場的發展，實現雙贏的效果。

參考文獻：

1.張莉 劉洪玉.我國綠色住宅市場溢價的定量分析.工程管理學報.2013.27

2.Diamantopoulos A，Schlegelmilch B B，Sinkovics RR，et al.Can Sociodemographics Still Play A Role in Profiling GREEN Consumers？A Review of the Evidence and An Empirical Investigation.Journal of Business Research.2003.56

3.Lee K.Gender Differences in Hong Kong Adolescent ConsumersGREEN Purchasing Behavior.Journal of Consumer Marketing.2009.26

4.Oliver H，Volschenk J，Smit E.Residential Consumers in the Cape Peninsulas Willingness to Pay for Premium Priced GREEN Electricity.Energy Policy.2011.39

5.Yau Y.Eco-labels and Willingnessto-pay：A Hong Kong study.Smart and Sustainable Built Environment.2012.1

6.張瑞宏.綠色建筑可支付意愿研究.哈爾濱工業大學.2011

7.Kahn M E.Demographic Change and the Demand for Environmental Regulation.Journal of Policy Analysis and Management.2002.21

作者簡介：

張莉，清華大學建設管理系、恒隆房地產研究中心博士研究生，研究方向為房地產經濟與管理。

蔡詩瑤，清華大學土木工程系，在讀本科生。

鄭思齊，清華大學建設管理系、恒隆房地產研究中心教授，研究方向為城市經濟學與城市空間結構、城市環境經濟學、住房經濟學等。

林波榮，清華大學建筑學院教授，研究方向為綠色建筑、建筑節能技術、產品、優化設計方法和標準體系等。

基金項目：

本研究受到國家自然科學基金項目（71322307，

71273154）和中綠盟投資控股有限公司科研基金的資助，特此致謝。