応用都市経済モデルを用いた 水害リスク評価に基づく適応研究

国立環境研究所 地球環境研究センター 主席研究員室

サブテーマリーダー：山形与志樹 研究員：瀬谷創，中道久美子

2013年9月3日，RECCA‐S8‐創生 D 研究交流会

2

本日の発表内容

1. シナリオ構築： – 温暖化リスクを考慮した東京都市圏全域の町

丁目を対象とした土地利用モデルの構築と適応シミュレーション

2. 現状分析：

– 空間統計手法による洪水リスクのヘドニック分析の高度化

3

治水事業の便益評価 1

1. 国土交通省 (2005)：『治水経済評価マニュアル（案）』 • ボトムアップ型の便益（期待被害額）算定

例） 浸水深ごとの被害率 X 項目ごとの資産評価額 直接被害：家屋、家庭用品，事業所償却・在庫資産被害…. 間接被害：営業停止損失，…

• 課題：国土交通省：『治水経済調査マニュアル（案）の

見直しの必要性と課題』 – 精神的被害等，現状考慮されていない項目の評価の必要性

4

地価関数の推定

：地価の観測点

治水事業の便益評価２（補完的） ヘドニック・アプローチ

ifloodii exy +++= ...ˆˆ,10 ββ

水害リスク floodqq xy ,1̂ ∆×=∆ β

• 水害リスクによる地価の低下分を推計することで 被害額を推計

5

敷地サイズは変化しない仮定（金本，1989）． 土地利用規制評価への適用は難しい

• 応用都市経済（CUE）モデル – 土木計画学の分野で発展した代表的な土地利用モデル（堤ら, 2012; Ueda et al., 2013）

– ミクロ経済学の理論に忠実に記述された経済均衡モデル – 地代・（＋賃料）と立地（＋交通量）を同時決定

• 地代は，地主の土地供給と家計（又はディベ ロッパー）の土地需要の均衡価格として決まる． – 土地供給可能面積を縮小することで，土地利用規制に関するシミュレーションが可能（髙木ら，2001; 寺本ら，2010）． ⇔ 災害リスクに基づく土地利用規制の必要性 に関する議論の高まり（国土交通政策研究所, 2011）

6

治水事業の便益評価3（補完的） 土地利用モデル

7

土地利用規制のシミュレーション

Land rent

Supply function

Demand function

Area

−⋅=

i

iAVii p

LL σ1

Available area of land

AVbiL ,

0,, >−= biaii ppp∆ AVaiL ,

iσ

• Land supply by landlord

• Land use regulation resulting in:

aip ,

bip ,

b: before, a: after

地代，賃料，立地への影響

Structure of our spatial equilibrium model

• 建物市場・土地市場を考慮した部分均衡モデル（家計，不在地主， ディベロッパーの最適化行動）（refs. Ueda et al., 1995，堤ら, 2012 ）

• 地代・賃料・床面積・敷地面積，人口分布を同時決定 • 東京都市圏全域・町丁目レベルでのモデル構築 • 企業分布，交通市場は固定 8

Indirect utility(Zonal attractiveness)

Choice of location

Floor space demand Floor space supply

Land market

Income

Floor rent

Household

Developer

Land supply

Landlord

Land demand

Floor market

Profit maximization

Profit maximization

Utility maximization

Land rent

Other attributes

Study area • The Tokyo metropolitan area:

Megacity with 37 million people

• 22368 micro town level zones

• Following 7 household types are considered

• Micro Zones: 22,368 • Area (min.):0.00109 (km2) • Area (max.): 231 (km2) • Area (mean): 0.688 (km2) • Area(std.dev): 2.42 (km2)

1. 高齢単身 2. 若中年単身 3. 高齢夫婦 4. 若中年夫婦 5. 夫婦＋子 6. 片親＋子 7. そのほか

容積率緩和・土地利用規制といった詳細なレベル での規制施策の影響をシミュレーション可能

9

10

Variable Unit Description SourceAve. elevation m Average elevation National land numerical information Ave. slope angle Average slope National land numerical information Liquefaction risk --- Risk index of liquefaction (from 0: no risk to 3: high risk) Wakamatsu et al. (2006), Fig.***

Earthquake risk ---Occurrence probability of earthquakes with groundmotionsequal to or larger than JMA seismic intensity 6−

Japan seismic hazard information station

Building-to-land ratio % Building-to-land ratio UDS Co., Ltd. Floor area ratio % Floor area ratio UDS Co., Ltd. Residential Ratio Proportion of residential zone UDS Co., Ltd. U_C Ratio Proportion of urbanization control zone UDS Co., Ltd. Commercial Ratio Proportion of commercial zone UDS Co., Ltd. ln (area) km2 Natural logarithm of the zone area Nippon Statistics Center Co., LtdOffice density --- # of office in 2006 / area Establishment and enterprise censusW.Office density --- Spatial weighted average of # of office in 2006 / area Establishment and enterprise census

Office_W.Office density --- (# of office + Spatial weighted average of # of office in2006) / area

Establishment and enterprise census

Dist. sta. m Distance to the nearest train station National land numerical information # commuters --- # of annual commuters of the nearest train station National land numerical information

※ JMC: The Japan Meteorological Agency

Variables for the location choice model

Refs. Yamagata, Seya, and Nakamichi (2013) Creation of future urban environmental scenarios using a geographically explicit land‐use model: a case study of Tokyo, Annals of GIS.

11

Coef. t Coef. t Coef. tIntercept -16.99 -35.9 -15.78 -33.2 -15.06 -34.7Indirect-utility 0.7200 15.3 0.6094 12.9 0.5217 12.1Ave. elevation -0.00003252 -0.179 0.001570 8.46 -0.00008810 -0.640Ave. slope -3.653 -8.46 -10.84 -21.4 -2.791 -8.33Liquefaction risk -0.04766 -4.95 -0.07677 -7.86 -0.05468 -6.78Earthquake risk 0.7080 15.2 0.7860 16.5 0.4916 12.6Residential 1.216 10.1 2.043 17.2 1.407 13.1Residential̂ 2 -0.2607 -2.17 -1.121 -9.60 -0.2332 -2.20U_C 0.1927 1.36 -0.4398 -3.06 1.069 9.18U_C^2 -1.299 -8.73 -1.108 -7.09 -1.959 -16.1Commercial 4.164 31.3 3.471 27.0 2.667 22.2Commercial̂ 2 -3.773 -26.5 -3.100 -22.2 -2.453 -18.4log (area) 0.6135 72.5 0.6125 71.6 0.6321 91.8Dist. sta. -0.0005290 -36.2 -0.0006723 -45.7 -0.0003748 -32.2Dist. sta.^2 0.00000003881 20.2 0.00000005841 36.0 0.00000002307 14.0Office_W.Office density 0.00008460 10.2 0.00005362 6.14 0.00006340 7.13# commuters 0.000001032 8.34 0.000001855 16.5 0.000001442 12.7

VariableType3Type2Type1

Coef. t Coef. t Coef. t Coef. tIntercept -12.71 -28.3 -10.88 -24.0 -10.96 -23.0 -10.76 -20.0Indirect-utility 0.2510 5.60 0.07165 1.58 0.07869 1.65 0.1025 1.91Ave. elevation 0.0003170 2.12 0.0005534 4.14 0.0004757 3.19 -0.0005326 -3.58Ave. slope -6.380 -16.6 -6.825 -19.1 -6.419 -16.3 -4.106 -11.3Liquefaction risk -0.03099 -3.76 -0.02887 -3.67 -0.01035 -1.21 -0.001805 -0.204Earthquake risk 0.6903 17.5 0.5321 14.1 0.6748 16.5 0.3966 9.44Residential 2.805 25.9 2.836 26.8 2.331 20.8 1.217 9.93Residential̂ 2 -1.499 -14.2 -1.461 -14.2 -1.108 -10.0 -0.3448 -2.82U_C 0.8592 7.42 1.184 10.7 0.9860 8.18 0.7099 5.51U_C^2 -2.118 -17.3 -2.243 -19.3 -2.096 -16.6 -1.015 -7.75Commercial 2.353 19.7 1.445 12.0 3.131 25.2 2.851 20.6Commercial̂ 2 -1.430 -10.8 -0.7807 -5.72 -2.232 -16.2 -2.198 -14.6log (area) 0.6515 93.9 0.6514 99.2 0.6442 88.7 0.7071 94.4Dist. sta. -0.0002132 -20.5Dist. sta.^2 0.00000001698 14.3Office_W.Office density 0.00007134 7.16# commuters 0.0000007047 4.83

Type4 Type5 Type6 Type7Variable

Type 1 households (One‐person (65 years of age or over)) place high importance on low rent (high indirect‐utility), but this is less important to type 5 households (Married couple with child(ren)). >>Large floor space per person is relatively important for the type 5 households. It was difficult to predict the probability of choice of location at a spatially fine level with high accuracy >> Bias adjustment (added a constant to the location choice model, which ensured a 100% fit to the observations )

Correlation coefficient R 0.626 0.665 0.669

0.710 0.724 0.664 0.698

C: Compact city (Polycentric city)

©MLIT ©MLIT

Future urban scenario of Tokyo for 2050

D: Dispersed city (BAU)

人口減少社会の到来と 限界集落の問題：スマートシュリンクが重要に

⇔ 都市のコンパクト化と維持 管理コストの削減の必要性 ⇔ コンパクトシティ：職住近接に よるトリップ長の削減が重要

Households gather to around The trains stations

BAU

C: Compact city (Polycentric city)

©MLIT ©MLIT

D: Dispersion city (BAU)

Households gather to around the urban centers

BAU

[1]

2030年 / 2005年比： 高齢単身(2.07)， 若中年単身(1.07)， 高齢夫婦(1.39)， 若中年夫婦(0.66)， 夫婦＋子(0.69)， 片親＋子(1.32)， そのほか(0.85)．

• 社人研2030年推計値（全国）を 対数近似で外挿．

12

13

‐ Available residential land is restricted by 50% if the zonal centroid’s distance from the nearest urban center is over 500m (zones in white)

Detected spatial clusters of office density

14

Floor / Land (BAU) Floor / Land (compact)

Fraction of land for forest (BAU) Fraction of land for forest (compact)

15

Do nothing Climate change adaptation

Do nothing BAU:Dispersed city

Climate change mitigation

Legend (%)1.05 >>

<< 1.05

<< 1.01

<< 1.00

<< 0.99

<< 0.95

BAU

Mit.Mit.

Ad. / BAU

Ad. ) / BAU/ BAU ( +

Comparison of Population Density Nakamichi, Yamagata and Seya (2013)

68788898

108118128138

Pres

ent

BAU

1

BAU

2‐i

BAU

2‐ii

BAU

2‐iii

BAU

2‐iv

Mit.

1

Mit.

2‐i

Mit.

2‐ii

Mit.

2‐iii

Mit.

2‐iv

Mit.

+Ad.

1

Mit.

+Ad.

2‐i

Mit.

+Ad.

2‐ii

Mit.

+Ad.

2‐iii

Mit.

+Ad.

2‐ivCO

2 em

issi

on (M

tCO

2/ye

ar)

Indirect emission Direct emission

Total CO2 emissions under different scenarios Dispersed city (BAU)

100%

50% PVs

i iii ii

iv EVs

100% 50%

Direct emission Indirect

emission

with PVs & EVs

16

Mitigation Adaptation +Mitigation

with PVs & EVs

Nakamichi, Yamagata and Seya (2013)

• 水害リスクの高い地域で土地供給可能面積を縮退（半分に）させているため，結果として，土地面積が減って，かつ戸建て住宅が減り（集合住宅が増え），それに伴ってPV発電可能量が減り，CO2排出量が増える場合がある．

現実的な適応シナリオに向けて

• 緩和と適応のコベネフィット：評価軸 – 費用便益分析

• 新技術の導入（EV/PV)

– 自治体・他研究機関のシナリオとの整合性

• 世帯タイプごとの行動差異

– 高齢単身者の空間分布と災害リスク

17

データ

• 浸水想定区域 – 浸水想定区域，浸水した場合に想定される水深，前提となる降雨が計画降雨であることその他必要な事項を図示した図面（ハザードマップの基礎） → 大規模河川水害のポテンシャル

– 国土数値情報より，2013年6月よりGISデータとして入手可能．

18

様々な実証・応用研究の 進展が期待される

19

浸水深 （水害想定区域図，国土数値情報より）

Officially assessed land price data/公示地価 (2013)

20

水害リスクが高くとも，駅周辺では地価が高い傾向が顕著 21

浸水想定区域図 水害リスクのヘドニック分析

• 浸水想定区域図の浸水深は，地価に負の影響を 与えているか？

• 新規性： – 東京都市圏全域（＋茨城）での検証

• 対象領域が広域であるため，新たな空間可変パラメータモデルを用いて分析．

– 既往のヘドニック分析のpitfallを指摘

• 限界： – 公示地価は，鑑定価格であるため，実際の取引価格との乖離，系統誤差の存在（例えば，西村，清水, 2002）， 水害リスクがすぐに反映されない可能性があるといった問題点．

22

23

Abbreviation Unit ExplanationPrice yen / m2 Land price price per m2

Intercept ----- InterceptDist_sta km Distance to the nearest train stationsDist_park km Distance to the nearest city parksFloor area ratio ratio (%/100) Floor area ratioSlope angle Average slope angleGas (Yes:1, No:0) GasSewerage (Yes:1, No:0) SewerageNeighborhood commercial (Yes:1, No:0) Neighborhood commercial districtsExclusively industrial (Yes:1, No:0) Exclusively industrial districtsIndustrial (Yes:1, No:0) Industrial districtsQuasi residential (Yes:1, No:0) Quasi residential districtsC1 residential (Yes:1, No:0) Category 1 residential districtsC1 medium & high rise (Yes:1, No:0) Category 1 medium-to-high-rise exclusive residential districtsC1 low-rise (Yes:1, No:0) Category 1 low rise-rise exclusive residential districtsC2 residential (Yes:1, No:0) Category 2 residential districtsFlood (Yes:1, No:0) Inside river flood hazard mapped area Flood(~0.5m) (Yes:1, No:0) Risk index of river flood (~0.5m) Flood(~1m) (Yes:1, No:0) Risk index of river flood (~1m) Flood(~2m) (Yes:1, No:0) Risk index of river flood (~2m) Flood(~5m) (Yes:1, No:0) Risk index of river flood (~5m) Flood(5m~) (Yes:1, No:0) Risk index of river flood (5m~)

変数 地価関数は，住宅，工業，商業用途別に推計

アクセシビリティ 地形 アメニティ 都市計画規制 ・・・

ヘドニック分析と除外変数

=∆ iw ix ,11β+

簡単な例）

iε+ix ,22β+0β

ix ,33β+

体重の減少 薬を飲む 朝食をぬく

運動をする 推定値の除外変数バイアス

• Small (1975) “The degree of attention devoted to this [problem] is what will really determine whether the method stands or falls."

ヘドニック研究でしばしば批判される 大きな課題

• Shiller (1993): Macro Markets, p.130. ヘドニック・アプローチに基づく不動産インデックスは，除外変数の影響を受けることを指摘．

24

ヘドニック分析と除外変数 cont.

1. 操作変数法 • 操作変数選定の困難性(Brasington and Haurin, 2006)

2. 地域固有のダミー変数を導入

• Kuminov et al. (2010): ヘドニック分析実証の23% • 固定効果では，各効果の範囲内（例えば，区内）に おける変動を捉えることは難しい （Anselin and Arribas‐Bel, 2013）

3. 空間統計モデルの利用 • Hill (2012), Brasington and Hite (2005) 除外変数の空間的な自己相関構造をモデル化

25

Spatial lag model (SLM)

空間的自己相関

}{ 111

, NiNi

K

kikiki ywywxy +++++= ∑

=ρεβα

近隣 j 2

1

=

ijij d

w

i

26

,εβ ++= XWyy ρ

=

00

0

3231

2321

1312

wwwwww

W空間重み行列

Coef. t Coef. zIntercept 9.828 118 0.5245 13.6Gas 0.5877 23.2 0.0836 11.8Sewerage 0.6763 15.9 0.1854 16.2Floor area ratio 0.5949 18.9 0.02767 3.20Slope 0.009314 2.17 -0.009020 -7.77Dist_sta -0.2427 -26.55 -0.06401 -25.3Dist_park -0.1061 -6.87 -0.01400 -3.38Quasi residential 0.02174 0.306 0.1517 7.96C1 residential -0.1043 -2.50 -0.02896 -2.59C1 medium & high rise 0.08118 1.95 -0.03844 -3.45C1 low-rise 0.5960 12.25 -0.03697 -2.82C2 residential 0.0671 1.06 0.09222 5.43 Flood(~0.5m) -0.1138 -3.04 -0.04329 -4.31 Flood(~1m) 0.01672 0.393 -0.01946 -1.71 Flood(~2m) 0.07433 1.79 -0.04128 -3.70 Flood(~5m) -0.07026 -1.49 -0.05069 -4.00 Flood(5m~) -0.7530 -5.19 0.01352 0.348Rho 0.9399 301# of neighboursResidual standard errorAdjusted R2

AIC

------

---

100.1730.640

0.404-2612.210383.0

Variable ModelSLMBM

Residential zones

Brasington and Hite (2005) demonstrate that using the SLM may contribute to the mitigation of omitted variable (or spatial‐confounding) bias in the estimate of β

Because omitted variables are typically spatially autocorrelated, and thus it correlate with spatial lag variable Wy.

Similar result can be found in Pace and Gilley (1997)

27

Commercial zones

28

Coef. t Coef. zIntercept 8.528 54.0 2.049 14.1Gas 1.083 14.9 0.3416 7.96Sewerage 0.7539 5.14 0.2706 3.19Floor area ratio 0.6034 39.8 0.2548 22.8Dist_sta -0.1767 -6.21 -0.1430 -8.70Dist_park -0.04958 -1.93 -0.0009240 -0.0623Neighborhood commercial 0.7667 14.8 0.1326 4.21 Flood(~0.5m) -0.1909 -2.72 -0.03332 -0.820 Flood(~1m) -0.2498 -3.52 -0.1153 -2.81 Flood(~2m) -0.2094 -3.22 -0.1089 -2.90 Flood(~5m) -0.2761 -3.93 -0.1593 -3.92 Flood(5m~) -0.06368 -0.302 -0.008639 -0.0709Rho 0.7112 58.3# of neighboursResidual standard errorAdjusted R2

AIC---

1663.93243.40.671

Variable ModelSLMBM

0.696------

110.402

Industrial zones

29

Coef. t Coef. zIntercept 10.22 65.2 1.707 10.6Gas 0.4614 7.85 0.1050 4.49Sewerage 0.5084 5.91 0.1800 5.37Floor area ratio 0.5171 9.16 0.1075 4.59Slope 0.04761 2.71 -0.004952 -0.728Dist_sta -0.2774 -10.0 -0.07581 -6.79Dist_park -0.09213 -0.967 -0.09338 -2.54Exclusively industrial -0.4916 -5.99 -0.3726 -11.7Industrial -0.3527 -4.49 -0.2600 -8.53 Flood(~0.5m) 0.07986 0.896 -0.003334 -0.0968 Flood(~1m) 0.1734 2.04 -0.03961 -1.20 Flood(~2m) 0.2084 2.59 -0.06000 -1.91 Flood(~5m) 0.2691 3.26 -0.08473 -2.60 Flood(5m~) 0.4635 2.14 0.004847 0.0576Rho 0.8326 56.7# of neighboursResidual standard errorAdjusted R2

AIC 901.6 -30.3

0.561---

---0.217

10

0.631

---

Variable ModelSLMBM

• 空間相関の考慮の 重要性を示唆？

東日本大震災前後のSLM， 水害リスクダミー変数の係数変化

30

‐5

‐4

‐3

‐2

‐1

0

1

2Y2010 Y2011 Y2012 Y2013

Flood(~0.5m)

Flood(~1m)

Flood(~2m)

Flood(~5m)

Flood(5m~)

‐4.5‐4

‐3.5‐3

‐2.5‐2

‐1.5‐1

‐0.50

0.5Y2010 Y2011 Y2012 Y2013

Flood(~0.5m)

Flood(~1m)

Flood(~2m)

Flood(~5m)

Flood(5m~)

‐3

‐2.5

‐2

‐1.5

‐1

‐0.5

0

0.5

1Y2010 Y2011 Y2012 Y2013

Flood(~0.5m)

Flood(~1m)

Flood(~2m)

Flood(~5m)

Flood(5m~)

Residential

Industrial

Commercial

鑑定価格ということもあるが，顕著な変化は見られなかった．

新たなローカル回帰モデル

• 水害リスクが地価に与える影響には，地域差． – 水害対策の観点からは，水害リスク → 地価に正の影響を

与えるような地域を特定化したい – 空間可変パラメータモデルの活用

• 代表的モデル：地理的加重回帰モデル（GWR） – 局所的な多重共線性の問題

⇒ Griffith (2008) Spatial filtering approach with interaction term (SFAIT) • 以下の分析では，水害リスク変数は浸水深で区分しない．

– 浸水想定区域内：1，外：0（GWRでランク落ちを防ぐため） 31

∑=

++=K

kiikiki xy

1,, εβα

GWRモデル

32

εβ += iii XUyU

=

in

i

i

i

u

uu

00

0000

2

1

U

−= 2

2

expθ

ijij

du

where

杉浦 (2003) • Suffers from severe local multicollinearity Local omitted variable (Wheeler, 2005)

• High positive spatial autocorrelation among coefficient

Problem

• GWR model assigns more weight to the neighboring observations.

• So, we can obtain the coefficient estimates for each observation site.

33

[1] k nearest neighbors

=

00

00

11100

Ws2

s1

s3

s4

s5

s1

s1 s2 s3 s4 s5

[2] Transformation (de‐mean + symmetrize)

])(21[~ ][][ 11 NWWNW ′+=

1111IN 1 ′′−≡ −1][ )(where (de‐mean operator)

[3] Compute eigenvectors },...,,{]~[~21 nevec eeeWE ≡=

Alternative model: Griffith (2008) SFAIT (Spatial Filtering Approach + Interaction Term)

34

Alternative model: Griffith (2008) SFAIT (Spatial Filtering Approach + Interaction Term)

[3] Compute eigenvectors (cont.)

[4] Selecting eigenvectors which statistically significantly affect land prices. Existing study: Stepwise with AICc Slow Here: We developed the LASSO based fast eigenvector selection algorithm.

},...,{)~( 1 msubset eeEE ==

},...,,{]~[~21 nevec eeeWE ≡=

X includes flood (space fixed effect)

Interaction term (space varying effect)

Considers spatially auto correlated omitted variables

[5] Total space varying effect

Besides the usual explanatory variables X, Add the eigenvectors E to consider spatial dependence.

q

m

qiqfloodi e φβδ ˆˆˆ

1,∑

=

+=

εβ +⋅++= ∑∑==

floodq

m

qqq

m

qq xeeXy φυ

21

11

Interpretation

• SFAIT： – 「浸水想定区域内にもかかわらず，その影響を 超えて地価を上昇させるような除外影響」

– 「浸水想定区域内にもおいて，地価をさらに 下げる影響」 を抽出するのに効力を発揮する．

35

q

m

qiqfloodi e φβδ ˆˆˆ

1,∑

=

+=固有ベクトル

Global model estimation results

• Global level (SFA without interaction term) – Commercial : −0.06974 (t‐value: −2.73) significant at 1% – Industrial: 0.02144 (t‐value: 0.814) not significant – Residential: −0.05071 (t‐value: −6.14) significant at 1%

• High hazard may positively affect the land price in industrial zones (although not significant).

36

37

This is one of the example High positive spatial autocorrelation → induces difficulty in interpretation

Typical spatial distribution of GWR estimates

Industrial case

38

Estimate of flood variable with the SFAIT: Industrial

Flood hazard high → Land Price high

Flood hazard high → Land Price low

39

Estimate of flood variable with the SFAIT: Industrial

Hazard is capitalized

Signs are positive in water front areas There may be positive omitted effects that exceeds the negative capitalization of flood variable

Flood hazard high → Land Price high

Flood hazard high → Land Price low

Intuitive

Counter intuitive

40

Estimate of flood variable with the SFAIT: Residential

Flood hazard high → Land Price high

Flood hazard high → Land Price low

41

Estimate of flood variable with the SFAIT: Residential

Flood hazard high → Land Price high

Flood hazard high → Land Price low As wee see, overall effective was

negative, but positive effect was detected in high hazard zones

Intuitive

Counter intuitive

Discussion

• 除外変数の考慮の重要性と，その目的での空間統計 モデルの有用性を示した．

• SFAITにより，水害リスクが地価に与える影響の 地域差を捉えることができる． – 特に，江戸川区の湾岸地域では，浸水想定区域内にも かかわらず，その負の影響を超えて地価を上昇させるような 正の除外影響が存在．

– 水害が発生したとき，大きな損害にみまわれる可能性がある． ⇔ 水害リスクの周知や，リスクコミュニケーションの必要性． 現状把握のための，有用な分析ツール．

42

関連論文 • 中道久美子，山形与志樹，瀬谷創：「東京都市圏の気候変動緩和・適応策の相互作用に関す

る土地利用シナリオのCO2排出量評価」，『土木学会論文集D3（土木計画学）』，投稿中（査読者指摘点修正後再投稿済）．

• Kumiko Nakamichi, Hajime Seya and Yoshiki Yamagata (2012) Geographically explicit direct/indirect CO2 emission scenarios for a compact city in 2050, Proceeding of the 10th Symposium of the International Urban Planning and Environment Association (UPE10 Next City), July 24–27, Sydney, Australia.

• Kumiko Nakamichi, Yoshiki Yamagata and Hajime Seya: CO2 emissions evaluation considering introduction of EVs and PVs under Land-use scenarios for climate change mitigation and adaptation–Focusing on the change of emission factor after the Tohoku earthquake–, Asian Transport Studies or Journal of the Eastern Asia Society for Transportation Studies, accepted.

• Yoshiki Yamagata and Hajime Seya: Simulating a future smart city: An integrated land use-energy model, Applied Energy, accepted.

• Yoshiki Yamagata, Hajime Seya and Kumiko Nakamichi: Creation of future urban environmental scenarios using a geographically explicit land-use model: a case study of Tokyo, Annals of GIS, accepted.

• 瀬谷創，山形与志樹，村上大輔，堤盛人 (2013) 水害リスクがマンション価格に与える影響に

関するヘドニック分析：内生変数を考慮した空間計量経済モデルの適用」，『ジャレフ・ジャーナル』，登載決定．

• 瀬谷創，山形与志樹 (2013) 空間統計手法による洪水リスクのヘドニック分析の高度化，『土木計画学研究・講演集』，48 (2013年11月2日～4日，大阪市立大学)． 43

参考文献１

• 金本良嗣，中村良平，矢澤則彦 (1989) ヘドニック・アプローチによる環境の価値の測定，『環境科学会誌』，2 (4)，251–266．

• 国土交通政策研究所 (2011) 『水害に備えた社会システムに関する研究』，国土交通政策研究，98．

• 高木朗義，武藤慎一，太田奈知代 (2001) 応用都市経済モデルを用いた治水対策の 経済評価，『河川技術論文集』，7，423–428．

• 杉浦芳夫 (2003) 『地理空間分析 (シリーズ・人文地理学)』，朝倉書店． • 堤盛人，宮城卓也，山崎清 (2012) 建物市場を考慮した応用都市経済モデルの可能性，

『土木学会論文集D3』，68 (4)，333–343． • 堤盛人 ，山崎清 ，小池淳司，瀬谷創 (2012) 応用都市経済モデルの課題と展望，

『土木学会論文集D3』，68 (4)，344–357． • 寺本雅子，市川温，立川康人，椎葉充晴 (2010) 水災害危険度に基づく土地利用規制の

適用性に関する分析，『土木学会論文集B』，66 (2)，130–144． • 西村清彦，清水千弘 (2002) 商業地不動産価格指数の精度，『季刊住宅土地経済』，

43，29–35．

44

参考文献２ • Anselin, L. and Arribas-Bel, D. (2013) Spatial fixed effects and spatial dependence in a single cross-

section., Papers in Regional Science, 92 (1), 3–17. • Brasington, D. and Haurin, D.R. (2006) Educational outcomes and house values: A test of the value

added approach, Journal of Regional Science, 46 (2), 245–268. • Brasington, D. and Hite, D. (2005) Demand for environmental quality: A spatial hedonic analysis,

Regional Science and Urban Economics, 35, 57–82. • Griffith, D.A. (2008) Spatial-filtering-based contributions to a critique of geographically weighted

regression (GWR), Environment and Planning A, 40 (11), 2751–2769. • Hill, R.J. (2012) Hedonic price indexes for residential housing: A survey, evaluation and taxonomy,

Journal of Economic Surveys, Early View, 2012. • Kuminov, N.V., Parmeter, C.F. and Pope, J.C. (2010) Which hedonic models can we trust to recover

the marginal willingness to pay for environmental amenities?, Journal of Environmental Economics and Management, 60 (3), 145–160.

• Pace, R.K. and Gilley, O.W.(1997) Using the spatial configuration of the data to improve estimation, Journal of Real Estate Finance and Economics, 14, 333–340.

• Small, K.A. (1975) Air pollution and property values: Further comment, The Review of Economics and Statistics, 57 (1), 105–107.

• Ueda, T., Tsutsumi, M., Muto, S. and Yamasaki, K. (2013) Unified computable urban economic model, The Annals of Regional Science, 50 (1), 341–362.

• Wheeler, D.C. and Tiefelsdorf, M. (2005) Multicollinearity and correlation among regression coefficients in geographically weighted regression, Journal of Geographical Systems,7 (2), 161–187.

45