绿色基础设施与住房价格：异质性效应与建模选择的敏感性

《Urban Forestry & Urban Greening》：Green Infrastructure and Housing Prices: Heterogeneous Effects and Sensitivity to Modeling Choices

　　

绿色基础设施（GI）通常被认为能提升邻近房产价值，这一收益可能通过绿色绅士化（green gentrification）导致低收入居民流离失所。本研究探讨了当非线性、基于机器学习的方法取代传统特征价格（hedonic）和双重差分（DID）模型中的线性设定时，尤其是在需求疲软的遗留城市（legacy cities），这一预期是否仍然成立。通过比较传统OLS-DID与双重机器学习（DML）在克利夫兰（Cleveland，一个收缩的后工业城市）四个GI项目中的应用，研究人员发现，在OLS-DID显著的地方，DML在符号上通常一致但幅度较小。然而，对于其中一个项目，两个估计量在方向上存在显著分歧，表明函数形式（functional form）可以改变资本化（capitalization）估计的实质性结论，而不仅仅是其大小。不同项目的结果差异显著。湖链步道（Lake Link Trail）显示出本研究唯一显著的正向合并效应，约25%，但需注意存在预先存在的趋势和未解决的收入特定模式。湖滨自然保护区（Lakefront Nature Preserve）在两个方向上均无显著效应，是四个项目中最弱的证据。米尔溪瀑布公园（Mill Creek Falls Park）总体上接近零，但揭示了低收入家庭约12%的显著局部下降。阿卡西亚保护区（Acacia Reservation）提供了本研究的核心发现，在稳定、中高收入的郊区环境中，OLS-DID估计值从约4%的微小正向变为DML估计值约18%的显著负向。GI并不均匀地产生绿色绅士化。效应在空间和社会经济背景上存在方向和幅度的差异，强调了需要监测每个项目的分配后果，而非从更广泛的文献中假设它们。

**绿色基础设施与住房价格异质性效应：基于克利夫兰收缩城市的实证研究**

**研究背景与问题**
绿色基础设施（GI）通常被认为能提升周边房产价值，但这一收益可能通过绿色绅士化（green gentrification）加剧低收入居民流离失所风险。现有研究多聚焦于快速增长的沿海城市，对收缩城市（如克利夫兰）的GI资本化效应关注不足，且传统线性模型（如OLS-DID）可能因函数形式假设而忽略非线性关系，导致估计偏差。为此，研究人员在克利夫兰（一个收缩的后工业城市）选取四个多样化的GI项目，探究其住房价格效应是否因项目、距离和收入阶层而异，以及非线性机器学习方法（如DML）是否改变传统线性模型的结论。该研究发表在《Urban Forestry》期刊，由Youngre Noh和Chan Young Park完成，为收缩城市GI规划提供了异质性证据，强调需监测每个项目的分配后果而非假设统一效应。

**关键技术方法**
研究人员主要采用以下方法：1) 倾向得分匹配（PSM）构建对照组，基于项目开放前属性匹配处理与对照区域；2) 双重差分（DID）回归，估计处理组（距项目0.5英里和0.5-1英里）与对照组（1-5英里）在项目开放前后的价格变化；3) 双重机器学习（DML），使用XGBoost非线性建模并对结果变量和处理变量进行正交化，计算平均处理效应；4) 因果森林（Causal Forest）估计条件平均处理效应（CATE），但以DML为主要机器学习估计器；5) 事件研究（event-study）检验平行趋势。数据来源：Cuyahoga County（含克利夫兰及内环郊区）1986-2021年约294,000笔住宅销售记录（NEOCANDO系统），结合1990-2010年人口普查及2015-2019年ACS数据，按收入分层分析。

**研究结果**
**5.1 传统DID基线估计**
通过倾向得分匹配后的DID回归，发现各项目效应差异显著：湖链步道在0-0.5英里和0.5-1英里均显示正向显著（约+55%和+75%），但需注意预趋势；湖滨自然保护区在0.5-1英里呈负向显著（约-23%），但0-0.5英里不显著；阿卡西亚保护区在0-0.5英里和0.5-1英里均呈负向显著（约-9%和-11%）；米尔溪瀑布公园在0.5-1英里负向显著（约-14%），但0-0.5英里接近零。

**5.2 机器学习模型拟合提升**
比较三种估计器（OLS、DML、因果森林）的样本外R²，发现机器学习方法（R² 0.480-0.592）显著优于线性模型（R² 0.296-0.493），表明非线性建模能更好地拟合住房价格关系。

**5.3 DID与DML处理效应稳健性检验**
在30个单元格中，OLS-DID显著时DML通常符号一致但幅度较小。12个符号翻转单元格中，11个至少一个估计量不显著。唯一双方均显著的是阿卡西亚保护区0-0.5英里合并样本：OLS-DID显示约+4%正向显著，DML显示约-18%负向显著，表明函数形式选择可改变实质性结论。此外，米尔溪瀑布公园在0.5-1英里低收入家庭中DML显示约-12%显著下降，而合并效应接近零。

**讨论与结论**
讨论部分指出，湖链步道的正向效应需谨慎（预趋势显著），湖滨自然保护区效应最弱（多数DML单元格不显著），米尔溪瀑布公园的低收入下降提示局部风险，而阿卡西亚保护区的符号翻转可能源于从私人俱乐部到公共公园的转变，导致房产溢价消失。研究强调，GI效应并非均匀，需对每个项目进行分配后果监测。结论部分翻译如下：
本研究比较了传统DID与DML对克利夫兰四个GI项目住房价格资本化的估计。多数情况下DML与线性DID符号一致但幅度更小。唯一明确例外是阿卡西亚保护区，其合并估计从OLS-DID的正向显著（约4%）翻转为DML的负向显著（约18%），这是本研究函数形式敏感性的核心发现。DML还揭示了合并效应掩盖的异质性，如米尔溪瀑布公园的低收入家庭下降。四个项目方向不一，不支持统一的绿色绅士化叙事。资本化效应随距离、收入和项目而异，且线性模型与机器学习模型的选择可改变一个项目的实质性结论。规划实践应针对每个项目监测分配后果，而非从文献中假设。