一、引言及文献综述

幸福感是一个多学科的研究领域，近年来，健康心理学、社会学、经济学从不同侧重点对幸福感的影响因素进行探讨。主流的幸福经济学研究认为，中国的居民幸福感没有与经济同步增长，即陷入“Easterlin悖论”，[1] [2]2017年世界幸福感报告关于中国的调查数据较好地佐证了这一观点(见图1)。由图1可知，幸福感的增长率远滞后于人均GDP增长率，在2008年、2009年和2014年，幸福感出现负向增长。幸福感具有显著的空间差异性，东部地区的幸福感普遍低于西部地区。收入与幸福感的正相关关系已被较多文献所证实，如邢占军、[3]刘军强等，[4]但经济发达地区的幸福感却相对较低。这意味着，可能存在一些阻扰发达地区幸福感提升的因素，例如房价。伴随着国民收入的增长，房价收入比也在不断上升，尤其是一线城市的房价收入比甚至超过20倍有余，居高不下的房价已超过普通家庭的经济承受能力。[5]据此，一个重要的问题是，房价是否降低了居民幸福感？该问题属于经济学和社会学的交叉领域，对问题的研究不仅拓宽了房价的研究视角，也是对幸福感作用机制研究的一大补充。

房价相关研究主要分为两大类。一是房价上涨的作用机制分析，较多学者从宏观政策、人口结构的变化、[6]土地供给政策[7]等角度展开研究。二是研究房价上涨对微观个体行为以及宏观经济的影响，如吴晓瑜等、[8]赵西亮等。[9]幸福感相关研究主要集中在幸福感的影响因素上，早期研究考察了年龄、受教育程度、婚姻状况、健康状况等微观因素对幸福感的影响。近年来，空气污染、[10]腐败、[11]制度环境、[1]城市规模[12]等宏观因素对主观幸福感的影响受到一些学者关注。

  

图1 人均GDP和幸福感的年增长率

资料来源：作者基于2017年世界幸福感报告数据整理

遗憾的是，鲜有文献运用经济学方法研究房价与主观幸福感的关系。本文基于中国家庭追踪调查(CFPS)数据和中国综合社会调查(CGSS)数据，分析房价对幸福感的影响及其作用机制，其主要贡献有两点。第一，本文开创性地探讨了房价对幸福感的异质性影响。具体而言，从宏观视角来看，房价对居民幸福感的负向冲击受到各省民生性支出的影响，从微观视角来看，房价对不同个体幸福感的影响程度还与年龄、受教育程度有关，从性别视角来看，房价对男性幸福感的负向影响更大。第二，本文首次探讨了房价是否通过影响自评健康、自评社会地位进而影响幸福感。结果发现，自评健康是房价影响幸福感的显著作用路径。

二、模型设定及变量说明

(一)模型设定

1.基本模型

happij=a0+a1hpj+a2X+ε1i

1.因变量：幸福感

表2报告了(1)式-(3)式的回归结果。比较Ordered Logit模型和0rdered Probit模型的回归系数可知，房价和交互项的显著性、正负符号完全一致，说明回归结果稳健。各列房价的估计系数均显著为负，说明同等条件下，房价越高，居民幸福感越低。从(2)式的交互项估计结果可知，房价与居民幸福感的关系受到腐败感知变量和民生性支出变量的显著影响。具体而言：腐败感知指数或贪污感知指数越高的省份，房价对该省居民幸福感的负向影响越大；随着某省人均社会保障支出、人均教育支出的提高，房价对该省居民幸福感的负向影响被削弱，但增加人均医疗支出并没有减弱房价对居民幸福感的负向冲击，甚至强化了房价对幸福感的负向效应，其可能的原因是，公共医疗支出与居民自费医疗费用、个体健康状况密切相关。从(3)式交互项的估计结果可知，其他条件相同时，与年龄较小、受教育程度较低的个体相比，年龄较大、受教育程度较高的个体受到房价的负向影响更大；提高个人总收入一定程度降低了房价对幸福感的负向冲击。

(1)

其中，happij表示j省第i个受访人的幸福感，hpj表示第j省的房价，X是一组影响幸福感的控制变量。在进一步检验中，我们用市级层面的房价数据和微观数据进行匹配，j表示第j个城市。

解析：H2是气体,常温、常压不是标准状况,无法进行计算,A项错误。n(NaHCO3)=1L×0.1mol·L-1=0.1mol,NaHCO3属于酸式盐,在溶液中存在水解、电离两种情况,根据原子守恒有n(H2CO3)=0.1mol,则和离子数之和小于0.1NA,B项错误。由于涉及反应2NO+O2==2NO2,2NO2⇌N2O4,无法计算产物的分子数,C项错误。Na2O2与水反应,Na2O2既是氧化剂又是还原剂,Na2O2(还原剂)→O2时,O的化合价升高2,即转移2 e-,则生成0.1mol氧气转移的电子数为0.2NA,D项正确。

2.房价对幸福感的异质性影响

作为理念，合气道主张的是避免伤害，保护自己，这样的理念更适合我们这个时代，不惹事、不怕事，处事淡然，内心淡定才是气质使然。我们应该利用这种力量、能量，情绪和语言来进行人际沟通，查探真相和学习知识经验。在进行艰难沟通时，使得我们能够目的明确，认识清醒，避免自己以后因当初失控或者无意识，或说了目的不明确的话而有任何遗憾。冲突不一定是坏事，也可能是一次机会，也可能成为良师益友，成为了解自己的一种途径。

2.2.4 其它约束以上各参数变量均为非负。同时也要考虑到当地山塘安全现在、投资整修、农业政策、以及当地的种植习惯等。

为验证房价对不同省份的异质性影响，引入房价和省份特征变量的交互项，模型设定如(2)式所示。为验证房价对不同个体的异质性影响，引入房价和个人特征变量的交互项，模型设定如(3)式所示。

happij=b0+b1hpj+b2hpj×Corj+b3hpj×fj+b4X+ε2i

(2)

happij=c0+c1hpj+c2hpj×dij+c3X+ε3i

(3)

其中，Corj表示第j省(市)的腐败感知，fj表示第j省(市)的一组民生性支出变量，dij表示j省第i个受访人的一组个人特征变量，包括年龄、受教育程度和个人总收入对数，其他变量的设定和(1)式相同。

3.房价对幸福感的作用机制

房价有可能通过影响自评健康和自评社会地位进而影响幸福感，据此建立中介效应模型如下：

 

(4)

其中，Zij为中介变量，在不同的模型中分别表示自评健康、自评社会地位。以自评健康为中介变量的模型中，X1包含(1)式控制变量中除自评健康外的所有其他变量。以自评社会地位为中介变量的模型中，X1包含(1)式控制变量中除自评社会地位外的所有其他变量。(4)式其他变量的定义和(1)式相同。

(二)数据来源与变量定义

前文提及的两套微观数据中，CFPS是北京大学中国社会科学调查中心实施的家庭追踪调查，2010年首次在全国25个省份正式开展调查，2014年在27个省份开展调查。CGSS是中国第一个全国性的综合调查，由中国人民大学自2003年实施。由于CFPS2012年的成人问卷未包含幸福感数据，本文只采用CFPS2010年和2014年的数据。为了进一步分析各城市房价对居民幸福感的影响，需要获取微观个体的市级地理信息，为保护受访者隐私，CFPS仅公开了省级地理信息。幸运的是，CGSS2010年数据包含了受访人的地市级地理信息，因此，在进一步分析中，本文基于CGSS2010年数据，将城市房价、民生性支出等宏观变量与受访人的市级地理位置进行匹配，最终获取91个城市的数据。删除数据缺失样本后， CFPS的有效样本量为51591个，CGSS的有效样本量为9584个，这里以CFPS数据为主要数据，以CGSS数据为辅助性数据。各省腐败感知数据来自百度指数，其他省级和市级数据来自中国区域经济数据库。主要变量定义如下。

春播马铃薯在7月中旬收获完。贮藏以选择干净、通风、凉爽的半地下窖为好，不要与农药、化肥、机油以及大葱、大蒜、洋葱等辛辣味产品共存。薯块堆放于干净的砂土上，每10 d翻检1次，随时捡出烂薯。商品薯应暗光保存，防止变绿。

CFPS2010和CFPS2014均设置提问“您觉得自己有多幸福”，前者将幸福感分为5档，后者分为10档，为便于分析，本文将两者的分级标准进行统一化处理，将幸福感(happij)赋值为1-10的整数，取值越高，表示越幸福。CGSS设置的问题为“总的来说，您认为您的生活是否幸福”，回答分为5档，本文用1-5的整数表示从“很不幸福”到“完全幸福”。

然而十分吊诡的是，虽然票房扑街了，但是在CCTV6的病毒式播放下，让这部剧广为人知，而且在许多武侠迷那里口碑竟然颇为不错。尤其是结尾一句“我在大都等你”的标准续集发言更是让不知内情的武侠迷火急火燎地通过各种途径寻找续集。

2.关键变量

(1)式-(4)式的共同核心变量是房价，参考现有文献做法，如邵朝对等，[13]本文用住宅商品房的年度销售均价作为房价的度量指标，将各省或市的住宅商品房销售总额除以住宅商品房销售面积得出。(2)式和(3)式的关键变量还包括交互项，本文用各省(市)网民在百度上搜索“腐败”关键词的百度指数作为腐败感知(Corj)的基准指标，并用“贪污”关键词的百度指数来替代腐败的百度指数，以验证回归结果的稳健性。2010年及以前的百度指数为PC搜索趋势，2011年及以后的百度指数包含PC搜索趋势和移动搜索趋势。本文从社会保障和就业支出、教育支出、医疗卫生支出3个方面来刻画民生性支出(fj)。需要注意的是，Corj和fj均取除以年末常住人口后的值。

表4报告了按性别分组的Ordered Probit模型估计结果，房价以及房价交互项的系数正负符号、显著性和表3基本一致，说明结果稳健。结合表2-表4，从宏观层面来看，房价对某省居民幸福感的影响与该省腐败感知指数、民生性支出水平有关，从微观层面来看，房价对居民幸福感的影响与个体年龄、受教育程度有关，从性别角度来看，房价对男性和女性幸福感的影响程度显著不同，因此，房价对居民幸福感的影响在省级层面、个体层面、性别层面均具有异质性。

因为结亲工作的调整，朱学江的结亲户有所变动，从原来的结亲户阿班调整为现在的赛力克，结亲周活动中朱学江与“亲戚”赛力克一同下地，帮助赛力克搬管子。不管跟谁结亲，朱学江都尽心、尽力地帮助结亲户解决实际困难。入住结束时，朱学江接到了阿班的电话，阿班热情地邀请朱学江到家里坐坐。

控制变量包括微观变量和宏观变量。前者为个人特征变量，包括年龄、性别、受教育程度、个人年收入加1取对数、是否已婚(是=1)、城乡类型、心情抑郁程度、自评社会地位、自评健康、是否为汉族(是=1)，后者主要指各省人均GDP的对数。此外，我们还控制了地区固定效应和时间固定效应。本文的样本描述性统计详见表1。

因变量(happij)和中介变量(Zij)都是有序离散变量，传统OLS方法的估计结果可能是有偏的，本文将采用Ordered logit与Ordered Probit模型进行估计。在国内外文献中，最常见的中介效应检验方法是系数乘积项的Z检验，[14]但该方法只适用于连续型因变量的中介效应模型。针对因变量或者中介变量为离散变量的中介效应模型，Iacobucci基于传统Z检验，提出一种适用于非线性模型的中介效应检验法。[15]根据该方法，本文需检验 是否显著， 其中，zd1和zg2分别是(4)式系数d1、g2的t统计量。进一步，我们运用Breen等提出的KHB方法，验证中介效应的显著性。[16]

 

表1 CFPS和CGSS的变量描述性统计汇总表

  

数据来源CFPS2010、CFPS2014CGSS2010分组标准女性男性女性男性样本量均值样本量均值样本量均值样本量均值幸福感265027.718172253807.58400349613.782149223.763917腐败感知265020.021293253800.021491447370.042579946710.0425985贪污感知265020.018372253800.018554747370.028620946710.0285553房价(元/m2)265025460.346253805497.48749615228.84549215169.746社会保障支出(元/人)26502955.33625380957.7074761613.484732611.308教育支出(元/人)265021180.031253801189.2544761876.2244732866.446医疗卫生支出(元/人)26502512.0925380516.5484761360.7994732358.079人均GDP(元/人)2650240293.522538040367.46484437707.02480937067.75年龄265024.972889253805.0696149614.72969249224.842137受教育程度265026.180175253807.79038649612.83672649223.180618个人年收入(元)2650210801.852538022319.17496112811.67492224062.46是否已婚(是=1)265020.8444646253800.840819549610.812336249220.8329947城乡类型(农村=1)265020.5044148253800.520488649300.387018348810.4128252精神抑郁程度2632023.867172527124.3389349613.7871449223.928078自评社会地位265022.835145253802.84956749614.09776349224.017269自评健康265023.618595253803.80149749612.51864549222.702357是否为汉族(是=1)265020.9194023253800.922419249610.909897249220.9162942住房拥有量49611.07478349221.106054

注：腐败感知、贪污感知由腐败百度指数、贪污百度指数除以相应省份(城市)的年末常住人口(万人)得。CFPS和CGSS分别将幸福感分为10档和5档，因而两者的幸福感均值差别较大。CFPS的受教育程度用详细的受教育年限数据表示，CGSS的受教育程度用教育层级表示，因而两者的受教育程度均值有较大差别。

4.可行的计量方法

工序块中关键工序的类型包括块首工序、块内工序和块尾工序3种，跨机器移动关键工序时，不考虑关键工序的类型。如图9所示，工序块上的一个关键工序为w，跨机器移动工序w时，采用直接利用机器空闲时间的方式。由于工件的工艺路线要求，工序w的可用机器空闲时间查找范围限定在其工件前序工序JP[w]的最早完工时间cE(JP[w])，和工件后续工序JS[w]的最晚开工时间sL(JS[w])之间。关键工序w能否跨机器移动，取决于移至位置的空闲时间大小，只有当式(2)满足时，跨机器移动关键工序w到x和y之间才有可能减小最大完工时间。

三、房价对幸福感影响—基于CFPS数据

(一)全样本的检验分析

近年来，船舶载运危险货物的数量和种类持续增长，特别是液化天然气等液化气体的运输量大幅攀升，安全形势日益严峻，亟需进一步强化船舶载运危险货物安全监管要求。与此同时，《国际海上人命安全公约》《国际海运固体散装货物规则》等国际公约规则和《内河交通安全管理条例》《危险化学品安全管理条例》等国内法规，对船舶载运危险货物安全监管均提出新的要求。并且，按照国家“放管服”改革的统一部署，船舶载运危险货物部分行政许可事项已经取消或者下放。因此，需要对该规定进行全面修订，以适应实践管理需要、符合国际公约和上位法并落实国家“放管服”改革要求。

 

表2 房价对幸福感的影响-Ordered Logit模型和0rdered Probit模型的估计结果

  

OrderedLogitOrderedProbit(1)式(2)式(3)式(1)式(2)式(3)式房价-0.4922***-0.9554***-0.9334***-0.2783**-0.2721***-0.5254***-0.5146***-0.1604**(-6.86)(-5.43)(-5.34)(-2.34)(-6.47)(-5.07)(-5.00)(-2.28)房价×腐败感知-0.8124***-0.4101**(-2.63)(-2.26)房价×贪污感知-1.0048***-0.5109***(-3.01)(-2.60)房价×社会保障支出0.0671***0.0679***0.0348***0.0353***(6.31)(6.54)(5.59)(5.79)房价×教育支出0.1781***0.1756***0.0987***0.0974***(6.13)(6.14)(5.81)(5.83)房价×医疗卫生支出-0.1736***-0.1710***-0.0951***-0.0938***(-6.38)(-6.33)(-5.96)(-5.92)房价×年龄-0.0292**-0.0165**(-2.52)(-2.37)房价×受教育程度-0.0162***-0.0092***(-3.94)(-3.78)房价×个人总收入0.0093*0.0062*(1.71)(1.93)控制变量控制控制控制控制控制控制控制控制地区固定效应控制控制控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制控制控制观测值5159151591515915159151591515915159151591

注：括号内()为t值，***、**、*分别代表在1%、5%、10%水平上显著；控制变量包括年龄、性别、受教育程度、个人年收入加1取对数、是否已婚(是=1)、城乡类型、心情抑郁程度、自评社会地位、自评健康、是否为汉族(是=1)，人均GDP的对数。下表同。

(二)按性别分组的检验分析

表3报告了按性别分组的Ordered Logit模型估计结果。男性样本中，无论是否加入交互项，房价的系数都显著为负，说明房价上涨显著降低了男性幸福感。女性样本中，加入房价与个人特征变量的交互项后，房价对女性幸福感的直接影响并不显著，且各列房价的系数绝对值均小于相应列的男性样本。由此可见，房价对男性幸福感的负向冲击更大，其可能的原因是，主流社会意识认为男性买房是理所当然，男性面临更大的买房压力，因而更容易受到房价的影响。无论对于男性还是女性，房价与民生性支出交互项系数的显著性、正负符号均与表1一致，这进一步验证了房价对居民幸福感的影响还与各省民生性支出水平有关。从房价与个人特征变量的交互项来看，随着年龄的增长以及受教育程度的提高，房价对幸福感提升的抑制作用更加明显，该结论在男性样本和女性样本中同样成立。

 

表3 房价对幸福感的影响-基于男性样本和女性样本的Ordered Logit模型估计结果

  

男性样本女性样本(1)式(2)式(3)式(1)式(2)式(3)式房价-0.6026***-1.0474***-1.0201***-0.3597**-0.3908***-0.8805***-0.8623***-0.1513(-5.88)(-4.15)(-4.07)(-1.98)(-3.88)(-3.59)(-3.54)(-0.91)房价×腐败感知-0.9651**-0.6829(-2.20)(-1.57)房价×贪污感知-1.1867**-0.8426*(-2.50)(-1.79)房价×社会保障支出0.0688***0.0697***0.0667***0.0674***(4.51)(4.68)(4.49)(4.63)房价×教育支出0.1495***0.1461***0.2076***0.2055***(3.59)(3.58)(5.11)(5.14)房价×医疗卫生支出-0.1463***-0.1430***-0.2019***-0.1997***(-3.75)(-3.70)(-5.31)(-5.29)房价×年龄-0.0329**-0.0312*(-2.04)(-1.82)房价×受教育程度-0.0136**-0.0191***(-2.24)(-3.29)房价×个人总收入0.00620.0099(0.69)(1.40)控制变量控制控制控制控制控制控制控制控制地区固定效应控制控制控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制控制控制观测值2527125271252712527126320263202632026320

3.控制变量

 

表4 房价对幸福感的影响-基于男性样本和女性样本的Ordered Probit模型估计结果

  

男性样本女性样本(1)式(2)式(3)式(1)式(2)式(3)式房价-0.3242***-0.5450***-0.5307***-0.1804*-0.2237***-0.5078***-0.4998***-0.1048(-5.40)(-3.67)(-3.60)(-1.68)(-3.79)(-3.51)(-3.47)(-1.07)房价×腐败感知-0.5161**-0.3111(-2.00)(-1.22)房价×贪污感知-0.6394**-0.3876(-2.29)(-1.40)房价×社会保障支出0.0365***0.0370***0.0338***0.0341***(4.08)(4.24)(3.87)(3.99)房价×教育支出0.0813***0.0795***0.1158***0.1149***(3.35)(3.33)(4.88)(4.91)房价×医疗卫生支出-0.0806***-0.0788***-0.1100***-0.1090***(-3.53)(-3.48)(-4.92)(-4.91)房价×年龄-0.0206**-0.0160(-2.14)(-1.55)房价×受教育程度-0.0085**-0.0104***(-2.35)(-3.01)房价×个人总收入0.00460.0060(0.87)(1.42)控制变量控制控制控制控制控制控制控制控制地区固定效应控制控制控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制控制控制观测值2527125271252712527126320263202632026320

四、房价对幸福感的作用机制—基于CFPS数据

表5报告了(4)式的回归结果。观察可知：房价上涨显著降低了个体的自评健康分值，但对自评社会地位无显著性影响；自评健康、自评社会地位均与幸福感有显著的正相关关系。据此仍不能判断房价是否通过影响自评健康、自评社会地位进而影响幸福感。根据前文提到的zmed公式，手工计算zmed统计量，如表5所示。无论在Ordered Logit还是Ordered Probit模型中，自评健康的中介效应zmed统计量均在1%水平上显著，但自评社会地位的中介效应zmed统计量均不显著。进一步，我们运用KHB方法对Ordered Logit和Ordered Probit模型的效应进行分解，如表6所示。从表6可知，自评健康的中介效应均显著为负，但自评社会地位的中介效应在Ordered Logit和Ordered Probit模型中均不显著，这和表5的结论一致，说明自评健康是房价影响幸福感的显著性路径，但自评社会地位没有发挥显著的中介效应作用。

 

表5 中介效应模型的估计结果

  

Ordered LogitOrdered Probit因变量自评健康自评社会地位幸福感自评健康自评社会地位幸福感房价-0.3249***-0.0883-0.4922***-0.1918***-0.0500-0.2721***(-4.37)(-1.18)(-6.86)(-4.40)(-1.17)(-6.47)自评健康0.1552***0.2196***0.0868***0.1246***(18.10)(26.60)(18.11)(26.29)自评社会地位0.1717***0.3789***0.1001***0.2140***(19.26)(42.21)(19.41)(42.03)zmed-4.3092***-1.1792-4.3366***-1.1692控制变量控制控制控制控制控制控制观测值515915159151591515915159151591

根据表6可知，房价对居民幸福感的总效应、直接效应均显著为负，这再次印证了前文的结论，即房价对幸福感具有负向影响。自评健康发挥了显著的中介效应作用，由中介效应与总效应的系数比值可知，房价对幸福感的总体影响仅有6.19%是通过降低自评健康得分来实现的，房价不经由任何路径而直接对幸福感产生的影响占据总效应的93.81%。

 

表6 中介效应的KHB方法检验结果

  

Ordered LogitOrdered Probit中介变量自评健康自评社会地位自评健康自评社会地位总效应-0.5247***-0.5082***-0.2906***-0.2812***(-7.31)(-7.08)(-6.90)(-6.68)直接效应-0.4922***-0.4922***-0.2721***-0.2721***(-6.86)(-6.86)(-6.47)(-6.47)中介效应-0.0325***-0.0160-0.0184***-0.0091(-3.74)(-1.13)(-3.74)(-1.13)

五、来自CGSS数据的进一步佐证

(一)基本回归结果

表7报告了(1)式-(3)式基于CGSS数据的回归结果。观察表7，无论采用Ordered Logit还是Ordered Probit模型，房价的估计系数都显著为负，说明CGSS数据同样支持上述观点，即房价对居民幸福感具有显著的负向效应。

 

表7 基于CGSS数据的基本回归结果

  

Ordered LogitOrderedProbit(1)式(2)式(1)式(2)式房价-0.1320**-0.4612***-0.4929***-0.0762**-0.2495***-0.2693***(-2.43)(-4.73)(-4.88)(-2.49)(-4.53)(-4.73)观测值958491159115958491159115

(二)中介效应检验

表8报告了基于CGSS数据的中介效应模型估计结果。从房价的估计系数来看，房价上涨显著降低了自评健康得分和居民幸福感。从自评健康的系数来看，自评健康得分越低，幸福感越低。由zmed统计量的计算结果可知，自评健康的中介效应是显著的，表9中介效应的系数显著为负，亦可佐证。此外，根据表9，总效应和直接效应的系数显著性、正负符号和表6完全一致，说明前文的估计结果较为稳健。

 

表8 基于CGSS数据的中介效应模型

  

OrderedLogitOrderedProbit因变量自评健康幸福感自评健康幸福感房价-0.3502***-0.1320**-0.1981***-0.0762**(-6.78)(-2.43)(-6.60)(-2.49)自评健康0.2500***0.1376***(11.07)(10.98)zmed-5.7647***-5.6396***观测值9584958495849584

 

表9 基于CGSS数据的中介效应检验

  

中介变量自评健康Ordered LogitOrderedProbit总效应-0.1705***-0.0974***(-3.14)(-3.18)直接效应-0.1320**-0.0762**(-2.43)(-2.49)中介效应-0.0385***-0.0212***(-5.40)(-5.39)

(三)基于CGSS数据的扩展分析

根据CGSS的数据特征，我们对住房拥有量赋值为0-3的整数，0表示受访人无房产，3表示受访人拥有3套或3套以上房产，在(1)式、(2)式中加入房价与住房拥有量的交互项，回归结果见表10。观察表10，各列房价的估计系数均在1%水平上显著为负，说明房价上涨显著降低了居民幸福感，这再次印证了前文的结论。房价与住房拥有量的系数显著为正，这意味着其他条件相同时，与无房者相比，有房者的幸福感较高，随着住房拥有量的增加，房价对幸福感的负向影响一定程度被抵消。然而，即使居民拥有3套或3套以上房产，房价对其幸福感仍具有负向影响，增加住房拥有量并不能完全消除房价对幸福感的负向冲击。

若服务请求者对于所请求的Web服务需求的权重分配为：费用(Price)占0.4、兼容性(Compatibility)占0.1、吞吐率(Throughput) 占0.2.和响应时间(ResponseTime)占0.3。根据用户分配权重得出的Web服务评价结果： S1=0.759 93，S2=0.705 45，S3=0.987 90，S4=0.577 75，S5=0.449 44，S6=0.646 85，S7=0.757 47，S8=0.454 05，S9=0.618 33，S10=0.869 55。可见S3为最符合该用户需求的候选服务，S10较符合用户要求。

 

表10 房价对幸福感的影响是否依赖于住房拥有量

  

Ordered LogitOrdered Probit(1)式(2)式(1)式(2)式房价-0.1560***-0.5051***-0.5406***-0.0892***-0.2727***-0.2947***(-2.86)(-5.14)(-5.31)(-2.90)(-4.92)(-5.14)房价×住房拥有量0.0190***0.0181***0.0183***0.0106***0.0100***0.0102***(4.12)(3.83)(3.87)(4.06)(3.76)(3.80)观测值958491159115958491159115

六、结论

本文基于CFPS和CGSS数据，将各省(市)房价与微观个体的地理信息进行匹配，运用Ordered Logit和Ordered Probit模型分析房价对居民幸福感的影响，并建立中介效应模型，综合运用中介效应zmed检验和KHB方法分析房价对幸福感的作用机制。主要结论有两点。

首先，房价对居民幸福感有显著的负向影响，房价对幸福感的影响依赖于民生性支出、受教育程度和性别等。具体而言：在宏观层面上，随着社会保障支出、教育支出的提高，房价对幸福感的影响程度被削弱，随着腐败感知、医疗卫生支出的增加，房价对幸福感的负向影响被强化；在微观层面上，年龄的增长和受教育程度的提高将进一步强化房价对幸福感的负向效应；在性别层面上，房价对男性幸福感的负向冲击更大。

其次，自评健康是房价负向作用于居民幸福感的显著性路径，但自评社会地位并未发挥显著的中介作用。房价通过影响自评健康得分进而降低了居民幸福感，但自评健康发挥的中介效应仅占房价对幸福感总效应的较小一部分。此外，房价对幸福感的影响还依赖于居民是否拥有房产，随着住房拥有量的增加，房价对居民幸福感的负向冲击被削弱。

改革开放以来，随着我国城镇建设的深入推进，常住人口城镇化率从1979年的18.96%上升至2015年56.10%，人均GDP从1979年的423.20元上升至2015年的50251元，但居民幸福感的增长则处于滞后地位。因此，实现居民幸福指数与国民经济的同步增长尤为重要。本文的结论表明，房价高企是阻碍居民幸福感上升的重要因素，这为政府陆续出台的楼市调控政策提供了一种理论支撑。本文的研究也为如何提升居民幸福感提供了一种思路，降低房价收入比、大力解决低收入城镇居民的住房问题等措施将有利于“幸福城市”建设，同时，增加社会保障支出、教育支出等民生性支出、推进反腐倡廉建设也将有利于幸福感提升。

参考文献：

[1] 陈刚， 李树. 政府如何能够让人幸福?——政府质量影响居民幸福感的实证研究[J]. 管理世界， 2012(8):55-67.

[2] 张国林， 任文晨. 腐败、民生性支出与居民幸福感[J]. 现代财经-天津财经大学学报， 2015(9):3-14.

[3] 邢占军. 我国居民收入与幸福感关系的研究[J]. 社会学研究， 2011(1):196-219.

[4] 刘军强， 熊谋林， 苏阳. 经济增长时期的国民幸福感——基于CGSS数据的追踪研究[J]. 中国社会科学， 2012(12):82-102.

[5] 吕江林. 我国城市住房市场泡沫水平的度量[J]. 经济研究， 2010(6):28-41.

[6] 陈斌开， 徐帆， 谭力. 人口结构转变与中国住房需求:1999～2025——基于人口普查数据的微观实证研究[J]. 金融研究， 2012(1):129-140.

[7] 况大伟. 预期、投机与中国城市房价波动[J]. 经济研究，2010(9)：67-78.

[8] 吴晓瑜， 王敏， 李力行. 中国的高房价是否阻碍了创业?[J]. 经济研究， 2014(9):121-134.

[9] 赵西亮， 梁文泉， 李实. 房价上涨能够解释中国城镇居民高储蓄率吗?——基于CHIP微观数据的实证分析[J]. 经济学(季刊)， 2014(1):81-102.

[10] 黄永明， 何凌云. 城市化、环境污染与居民主观幸福感——来自中国的经验证据[J]. 中国软科学， 2013(12):82-93.

[11] 姜扬， 范欣， 赵新宇. 政府治理与公众幸福[J]. 管理世界， 2017(3):172-173.

[12] 孙三百， 黄薇， 洪俊杰，王春华. 城市规模、幸福感与移民空间优化[J]. 经济研究， 2014(1):97-111.

[13] 邵朝对， 苏丹妮， 邓宏图. 房价、土地财政与城市集聚特征:中国式城市发展之路[J]. 管理世界， 2016(2):19-31.

[14] 王智波， 李长洪. 好男人都结婚了吗?——探究我国男性工资婚姻溢价的形成机制[J]. 经济学(季刊)， 2016(2):917-940.

[15] Iacobucci D. Mediation analysis and categorical variables: The final frontier [J]. Journal of Consumer Psychology， 2012， 22(4):582-594.

[16] Breen R.， Karlson K.B.， Holm A. Total， Direct， and Indirect Effects in Logit and Probit Models[J]. Sociological Methods & Research， 2013， 42(2):164-191.