# RECORD 0d749c58da0b3282e774a34a3cbd378d57ba0801 # TITLE: The capitalization of geomantic attributes: evidence from the housing market in Guangzhou [L’effetto di capitalizzazione degli attributi geomantici sul valore di mercato degli immobili: il caso del mercato immobiliare di Guangzhou] # YEAR: 2023.0 VENUE: Valori e Valutazioni DOI: 10.48264/vvsiev-20233304 # AUTHORS: Xiaojing Li; Chiara D'Alpaos; Paolo Bragolusi; Gang-Zhi Fan # PAGES: 32 CANDIDATE TABLE PAGES (1-based): [5, 8, 9, 10, 11, 12, 24, 25, 26, 27, 28, 29] # ABSTRACT: This study examines empirically the impacts of geomantic attributes on housing prices in Guangzhou. Using second-hand housing transaction data from one Guangzhou’s largest second-hand transaction agency, we construct a hedonic price model to analyze the determinants of housing purchase behavior. We find that unfavorable geomantic attributes, such as proximity to graveyard, funeral parlor, hospital, slaughterhouse, and highway, have significant negative effects on housing prices. However, favorable geomantic attribute close to the Pearl River has a significant positive impact on housing prices. Lucky floor numbers and lucky address numbers are also found to be capitalized into housing prices. Moreover, we find that the demand for housing improvement as housing purchase motivation is an important channel to determine which of geomantic attributes are unfavorable when residents have higher living requirements ll presente contributo esamina, attraverso un’analisi em- pirica, l’effetto degli attributi geomantici sui prezzi degli immobili a destinazione residenziale a Guangzhou. A partire dalle informazioni relative alle transazioni di immobili non di nuova costruzione di una delle più grandi agenzie di compravendite immobiliari i Guangzhou, è stato sviluppato e validato un modello di valutazione secondo l’approccio dei prezzi edonici per analizzare i fattori che determinano i comportamenti e le strategie di acquisto degli acquirenti di immobili a destinazione residenziale. I risultati indicano che gli attributi geo- mantici sfavorevoli, come la vicinanza a cimiteri, pompe funebri, ospedali, macelli e autostrade, hanno un effetto negativo sul prezzo delle abitazioni. Viceversa, gli attributi geomantici favorevoli, come la vicinanza al fiume Pearl, hanno un effetto positivo sul prezzo delle abitazioni. Similmente, emerge, ceteris paribus, una disponibilità a pagare un prezzo maggiore per immobili che siano ubicati a un livello di piano o a un civico espressione di numeri considerati fortunati nella cultura tradizionale cinese, come ad esempio il numero 8. Dalle analisi emerge, inoltre, che in particolare alcuni attributi geomantici influenzano in maniera determinante la do- manda di alloggi di migliore qualità espressa da acquirenti che abbiano esigenze e aspettative più elevate. ===== PAGE 1 (score 5, numeric-paren 0, table-words 0, var-words 5) ===== journal valori e valutazioni No. 33 - 2023 31 *Xiaojing Li, **Chiara D’Alpaos, Keywords: Housing prices, Housing environment, ***Paolo Bragolusi, ****Gangzhi Fan Geomantic attributes, Number preference, Guangzhou The Capitalization of Geomantic Attributes: Evidence from the Housing Market in Guangzhou 1. INTRODUCTION This paper examines the effect of so-called geomantic attributes, i.e., property characteristics related to traditional Chinese geomancy, on the the demand for high-quality housing that caters to the increasing desire for improved living comfort and overall quality of life among Chinese residential property buyers. The rationale for the study lies in the fact that geomantic attributes have often been of significant importance in guiding housing choices and improvement of living environments of Chinese households following the dictates of traditional culture (Madeddu and Zhang, 2017; Jin and Juan, 2021; Kryzanowski, 2021). Preferences for geomantic attributes have often exerted a profound influence not only on residential real estate purchase decisions, but also on the development of society in China (Yoon, 1982; Kryzanowski, 2021). According to some recent literature, knowledge of the conceptual system of geomantic attributes useful in the selection and arrangement of living spaces can significantly contribute to improving the living environment of Chinese households and promote their physical and psychological well-being (Hong et al., 2016; Wang et al., 2018; Jin and Juan, 2021). The main objective of this paper is to contribute to this strand of literature by analyzing the effects of geomantic attributes on residential property prices in the city of Guangzhou, one of the largest cities in mainland China, and to estimate their implicit marginal price. Geomantic characteristics influence many aspects of households’ choice of residence in mainland China, Hong This study examines empirically the impacts of geomantic attributes on housing prices in Guangzhou. Using second-hand housing transaction data from one Guangzhou’s largest second-hand transaction agency, we construct a hedonic price model to analyze the determinants of housing purchase behavior. We find that unfavorable geomantic attributes, such as proximity to graveyard, funeral parlor, hospital, slaughterhouse, and highway, have significant negative effects on housing prices. However, favorable geomantic attribute close to the Pearl River has a significant positive impact on housing prices. Lucky floor numbers and lucky address numbers are also found to be capitalized into housing prices. Moreover, we find that the demand for housing improvement as housing purchase motivation is an important channel to determine which of geomantic attributes are unfavorable when residents have higher living requirements. Abstract 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 31 ===== PAGE 5 (score 14, numeric-paren 0, table-words 2, var-words 6) ===== The Capitalization of Geomantic Attributes: Evidence from the Housing Market in Guangzhou respectively. Fourteen percent of the dwellings are located near the Pearl River, and 28 percent face south. Table 3 shows descriptive statistics of the value of properties clustered according to different geomantic attributes. The results show that in average terms, the price of properties varies according to geomantic journal valori e valutazioni No. 33 - 2023 35 Table 1 - Geomantic attributes and assignment Attributes Variables Variable types and definition Dependent Variable Price Continuous: Transaction price of housing (RMB) Log_Price Continuous: Logarithmic form of housing price Unfavorable geomantic attributes Graveyard Dummy: If the house is located near to a graveyard the value is 1, 0 otherwise Funeral home Dummy: If the house is located near a funeral home the value is 1, 0 otherwise Hospital Dummy: If the house is located near a hospital the value is 1, 0 otherwise Slaughter- house Dummy: If the house located near a slaughterhouse the value is 1, 0 otherwise Highway Dummy: If the house located near a highway the value is 1, 0 otherwise Unlucky numbers Unlucky floor If the house is located at the 4th, 14th, 24th, 34th, and 44th floor the value is 1, 0 otherwise Unlucky address Dummy: If the house address number ends with 4 the value is 1, 0 otherwise Unlucky unit Dummy: If the house unit number ends with 4 the value is 1, 0 otherwise Favorable geomantic attributes Pearl River Dummy: If the house is located near the Pearl River the value is 1, 0 otherwise Orientation Dummy: If the house is oriented south the value is 1, 0 otherwise Lucky numbers Lucky floor Dummy: If the house is located at the 8th, 18th, 28th, and 38th floor the value is 1, 0 otherwise Lucky address Dummy: If the house address number ends with 8 the value is 1, 0 otherwise Lucky unit Dummy: If the house unit number ends with 8 the value is 1, 0 otherwise Tabella 2 - Descriptive statistics of the sample Variable Obser- vations Mean Standard Deviation Mini- mum Maxi- mum Lucky floor 4859 0.101 0.302 0 1 Un- lucky floor 4859 0.094 0.291 0 1 Lucky ad- dress 4859 0.117 0.321 0 1 Un- lucky ad- dress 4859 0.073 0.261 0 1 Lucky unit 4859 0.049 0.215 0 1 Un- lucky unit 4859 0.142 0.349 0 1 Grave- yard 4859 0.008 0.088 0 1 Fu- neral home 4859 0.006 0.078 0 1 Slaugh ter- house 4859 0.001 0.038 0 1 High- way 4859 0.037 0.188 0 1 Hospi- tal 4859 0.05 0.217 0 1 Pearl river 4859 0.14 0.347 0 1 Orien- tation 4859 0.278 0.448 0 1 Log_ Price 4859 6.375 0.249 5.699 7.322 Price 4859 2,835,808 1,989,382 500,000 21,000,000 Area 4859 1.041 0.443 0.307 2.795 Floor 4859 13.767 8.156 2 47 Log_ Park 4859 3.11 0.314 1.287 3.81 Log_ CBD 4859 3.117 0.399 0.642 4.134 Bus 4859 0.685 0.465 0 1 Sub- way 4859 0.644 0.479 0 1 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 35 ===== PAGE 6 (score 9, numeric-paren 0, table-words 1, var-words 7) ===== attributes, ceteris paribus: the average price of dwellings expressing favorable geomantic attributes is higher. For example, although the variability between maximum and minimum values is significant in some cases, the average selling price of dwellings close to the Pearl River or facing south is generally higher than the average price of dwellings located far from the river or not facing south. By contrast, the average price of dwellings located near a cemetery is significantly lower than the average price of dwellings far away, ceteris paribus. Figure 3 and Figure 2 show how housing values vary in percentage terms by floor number, house number, and unit number and report the incidence of these number (from 1 to 9) within the sample, respectively. The analysis shows that higher transaction prices are associated with residential units located on higher floors. The low occurrence within the sample of floor number 1 can be explained by the fact that, in many cases, residential units are not located on the first floor. The frequency of occurrence within the sample of floor number 4 is lower than that of floor numbers 3 and 5, whereas the frequency of occurrence of floor number 8 is not significantly higher than that of floors 7 and 9 in the sample. Furthermore, to confirm the high attention that the Chinese pay to so-called lucky or unlucky numbers in purchasing their residence, due to what was illustrated in the previous section, it is worth noting that the frequency of address number 4 is significantly lower than that of address numbers 3 and 5. Consequently, empirical evidence reveals that the number of registered property transactions whose address number is considered unlucky is lower within the sample. Conversely, the frequency of address number 8 is higher than that of address numbers 7 and 9. Chinese people prefer buying residential assets whose address number ends with the number 8. The analysis of the relationship between average house prices and address numbers, can easily show that properties whose address numbers end with 8, 9, and 0 (also considered auspicious) exhibit higher prices than the others. Similarly, Figure 2 shows how the frequency of the number 4 in the residential unit number is lower than that of the number 8. However, the frequency of the various unit numbers varies significantly around the number 4. In China, two elevators are generally provided in residential buildings for four households, especially in first-tier cities, which are large urban journal valori e valutazioni No. 33 - 2023 36 Table 3 - Descriptive statistics of the sample relative to housing price and geomantic attributes (Unit: Yuan) Variables Mean Standard Deviation Maximum Minimum Graveyard 0 2,845,617 1,993,483 21,000,000 500,000 1 1,591,345 577,405 2,860,000 530,000 Funeral home 0 2,839,737 1,994,019 21,000,000 500,000 1 2,203,333 776,045 4,950,000 1,180,000 Slaughterhouse 0 2,838,045 1989,914 21,000,000 500,000 1 1,285,129 308,150 1,900,000 990,000 Highway 0 2,861,747 2,010,445 21,000,000 500,000 1 2,153,649 1,125,446 7,850,000 560,000 Hospital 0 2,839,563 1,999,991 21,000,000 500,000 1 2,763,845 1,776,069 9,700,000 760,000 River 0 2,805,089 1,896,573 16,050,000 500,000 1 3,023,949 2,476,646 21,000,000 650,000 Orientation 0 2,517,279 1,596,568 21,000,000 510,000 1 3,662,050 2,582,542 18,000,000 500,000 Lucky floor 0 2,827,897 2,001,120 21,000,000 500,000 1 2,906,022 1,882,467 15,800,000 525,000 Unlucky floor 0 2,850,963 2,005,318 21,000,000 500,000 1 2,689,115 1,823,508 16,050,000 510,000 Lucky address 0 2,822,102 1,996,658 21,000,000 510,000 1 2,939,348 1,932,106 13,000,000 500,000 Unlucky address 0 2,840,879 1,994,340 21,000,000 500,000 1 2,771,656 1,927,139 12,100,000 570,000 Lucky unit 0 2,873,366 2,023,963 21,000,000 500,000 1 2,103,337 830,983 6,300,000 580,000 Unlucky unit 0 2,909,749 2,074,512 21,000,000 500,000 1 2,389,049 1,279,682 11,480,000 525,000 Figure 2 - Number Frequency of Floor, Address, and Unit Number2. 2 Note: The left Y-axis shows floor and address numbers, and the right Y-axis displays unit numbers. 31-46 Xiaojing ING.qxp_SIEV 30 13/07/23 17:33 Pagina 36 ===== PAGE 8 (score 82, numeric-paren 57, table-words 2, var-words 7) ===== Follow Table 4 -Geomantic attributes and housing prices journal valori e valutazioni No. 33 - 2023 38 Table 4 - Geomantic attributes and housing prices (1) (2) (3) (4) (5) Attributes Variables DV: Log_Price Unfavorable geomantic attributes Graveyard - -0.043*** -0.037*** -0.037*** -0.037*** - (-0.010) (-0.010) (-0.010) (-0.010) Funeral home - -0.023** -0.024** -0.025** -0.026** - (-0.011) (-0.011) (-0.011) (-0.011) Hospital - -0.024*** -0.021*** -0.021*** -0.021*** - (-0.007) (-0.007) (-0.007) (-0.007) Slaughterhouse - -0.143*** -0.139*** -0.137*** -0.134*** - (-0.034) (-0.031) (-0.031) (-0.033) Highway - -0.015** -0.017** -0.018** -0.018** - (-0.007) (-0.007) (-0.007) (-0.007) Unlucky numbers Unlucky floor - -0.004 -0.006 -0.004 -0.004 - (-0.005) (-0.005) (-0.005) (-0.005) Unlucky address - -0.009 -0.008 -0.007 -0.007 - (-0.005) (-0.005) (-0.005) (-0.005) Unlucky unit - 0.005 0.004 0.004 0.003 - (-0.004) (-0.004) (-0.004) (-0.004) Favorable geomantic attributes Pearl River - - 0.025*** 0.026*** 0.027*** - - (-0.004) (-0.004) (-0.004) Orientation - - 0.001 0.001 -0.001 - - (-0.003) (-0.003) (-0.003) Lucky numbers Lucky floor - - - 0.012*** 0.012** - - - (-0.005) (-0.005) Lucky address - - - 0.012*** 0.012*** - - - (-0.004) (-0.004) Lucky unit - - - -0.004 -0.003 - - - (-0.006) (-0.006) Housing attributes Area 0.443*** 0.442*** 0.44*** 0.44*** 0.436*** (-0.004) (-0.004) (-0.005) (-0.005) (-0.005) Floor 0.002*** 0.002*** 0.002*** 0.002*** 0.002*** 0.000 0.000 0.000 0.000 0.000 Subway 0.027*** 0.026*** 0.023*** 0.023*** 0.024*** (-0.004) (-0.004) (-0.004) (-0.004) (-0.004) Bus 0.024*** 0.022*** 0.021*** 0.021*** 0.019*** (-0.004) (-0.004) (-0.004) (-0.004) (-0.004) Log_Park -0.023*** -0.026*** -0.027*** -0.027*** -0.028*** (-0.005) (-0.005) (-0.005) (-0.005) (-0.005) Log_CBD -0.027*** -0.025*** -0.024*** -0.025*** -0.024*** (-0.004) (-0.004) (-0.004) (-0.004) (-0.004) 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 38 ===== PAGE 9 (score 32, numeric-paren 6, table-words 9, var-words 6) ===== The Capitalization of Geomantic Attributes: Evidence from the Housing Market in Guangzhou (2014), who proved that lucky floor numbers generate a market price premium in residential units. Similarly, lucky address numbers positively affect housing prices in Guangzhou. In other words, homebuyers have structured preferences for lucky address numbers. 4.2 Groups of Geomantic Attributes and Housing Prices This paper draws inspiration from Liu et al. (2019), and when mountain landscapes and water landscapes coexist around a house, the value of the housing is higher than when they do so separately. Hence, when negative geomantic attributes appear simultaneously, the group may have a more damaging effect on house values than geomantic attributes individually. We integrate two new variables, BFS_1 and BFS_2, reflecting the observed geomantic attributes. BFS_1 represents the group of attributes related to graveyards, funeral homes, highways, and hospitals; BFS_2 denotes the group of attributes related to graveyards, funeral homes, highways, hospitals, and slaughterhouses. The regression results are reported in Table 5. Column (2) and column (3) in Table 5 shows the estimated coefficients of BSF_1 and BSF_2. Comparing a BFS_1 coefficient of 2.2% with a BFS_2 coefficient of 2.4%, we find that the combination of geomantic attributes affects housing prices, which decrease significantly by 2.2% for each unfavorable geomantic attribute around the house. If slaughterhouses are taken into consideration, housing prices generate an additional discount: the maximum discount is equal to 12% (2.4% × 5). The empirical results show that the unfavorable group of geomantic attributes can produce an apparently higher decline in the price of housing attributes than the single geomantic attributes. 4.3 Robustness of Geomantic Attributes Influencing Housing Prices This section examines the robustness of the impacts of geomantic attributes on housing prices through a sub- sample analysis of housing purchase motivation. In accordance with Wen et al. (2021), housing purchase motivation can be classified in: buying a home for the first time (first-time demand henceforth), buying a home for improving quality of life and quality of living (improvement demand henceforth), buying a home for investment (investment demand henceforth). According to descriptive statistics displayed in Table 6, the share of first-time demand is 57.4%, whereas the shares of improvement demand and investment demand are 38.1% and 4.5%, respectively. Regression results are shown in columns (2) - (4) of Table 6. Investigating the differences in the three housing demands can contribute to understanding the effects of geomantic attributes on house prices in Guangzhou. journal valori e valutazioni No. 33 - 2023 39 Follow Table 4 - Geomantic attributes and housing prices (1) (2) (3) (4) (5) Attributes Variables DV: Log_Price Fixed effects District Yes Yes Yes Yes Yes Time Yes Yes Yes Yes Yes Demographic characteristic Improvement demand - - - - 0.019*** - - - - (-0.003) Guangdong - - - - -0.002 - - - - (-0.003) Gender - - - - -0.001 - - - - (-0.003) Age - - - - 0*** - - - - 0 Constant 5.991*** 6.002*** 6.005*** 6.003*** 6.022*** (-0.023) (-0.023) (-0.023) (-0.023) (-0.024) Observations 4,859 4,859 4,859 4,859 4,859 Adjusted R2 0.846 0.847 0.848 0.849 0.85 Note: Standard errors are in parentheses. *** p<0.01, ** p<0.05, * p<0.1 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 39 ===== PAGE 10 (score 47, numeric-paren 31, table-words 2, var-words 4) ===== journal valori e valutazioni No. 33 - 2023 40 Follow Table 5 - Group of geomantic attributes and housing prices Table 5 - Group of geomantic attributes and housing prices (1) (2) (3) Attibutes Variables Basic HPM BSF_1 BSF_2 Unfavorable geomantic attributes BFS_1 - -0.022*** - - (-0.004) BFS_2 - - -0.024*** - (-0.004) Favorable geomantic attributes Pearl River - 0.028*** 0.028*** - (-0.004) (-0.004) Orientation - -0.001 -0.001 - (-0.003) (-0.003) Housing number attributes Unlucky floor - -0.004 -0.004 - (-0.005) (-0.005) Unlucky address - -0.007 -0.007 - (-0.005) (-0.005) Unlucky unit - 0.003 0.003 - (-0.004) (-0.004) Lucky floor - 0.012** 0.012** - (-0.005) (-0.005) Lucky address - 0.012*** 0.012*** - (-0.004) (-0.004) Lucky unit - -0.002 -0.002 - (-0.006) (-0.006) Housing attributes Area 0.443*** 0.436*** 0.436*** (-0.004) (-0.005) (-0.005) Floor 0.002*** 0.002*** 0.002*** (0.000) (0.000) (0.000) Bus 0.024*** 0.02*** 0.02*** (-0.004) (-0.004) (-0.004) Subway 0.027*** 0.022*** 0.022*** (-0.004) (-0.004) (-0.004) Log_Park -0.023*** -0.027*** -0.027*** (-0.005) (-0.005) (-0.005) Log_CBD -0.027*** -0.024*** -0.024*** (-0.004) (-0.004) (-0.004) Fixed effects District Yes Yes Yes Time Yes Yes Yes Demographic characteristics Improvement demand - 0.02*** 0.02*** - (-0.003) (-0.003) Guangdong - -0.002 -0.002 - (-0.003) (-0.003) 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 40 ===== PAGE 11 (score 61, numeric-paren 36, table-words 5, var-words 4) ===== The Capitalization of Geomantic Attributes: Evidence from the Housing Market in Guangzhou journal valori e valutazioni No. 33 - 2023 41 Follow Table 5 - Group of geomantic attributes and housing prices (1) (2) (3) Attibutes Variables Basic HPM BSF_1 BSF_2 Demographic characteristics Gender - -0.003 -0.003 - (-0.003) (-0.003) Age - 0*** 0*** - (0.000) (0.000) Constant 5.991*** 6.022*** 6.023*** (-0.023) (-0.024) (-0.024) Observations 4,859 4,859 4,859 Adjusted R2 0.846 0.850 0.850 Note: Standard errors are in parentheses. *** p<0.01, ** p<0.05, * p<0.1 Table 6 - Housing purchase motivation and geomantic attributes Follow Table 6 - Housing purchase motivation and geomantic attributes (1) (2) (3) (4) Attributes Variables Whole samples First time samples Improvement samples Investment samples Unfavorable geomantic attributes Graveyard -0.036*** -0.041*** -0.027** 0.018 (-0.010) (-0.012) (-0.012) (-0.044) Funeral home -0.027** -0.008 -0.057*** - (-0.011) (-0.014) (-0.011) Hospital -0.021*** -0.010 -0.042*** -0.017 (-0.007) (-0.011) (-0.012) (-0.023) Slaughterhouse -0.136*** -0.122*** -0.193*** -0.080 (-0.032) (-0.039) (-0.017) (-0.060) Highway -0.018** -0.008 -0.024** -0.063* (-0.007) (-0.009) (-0.012) (-0.033) Unlucky number attributes Unlucky floor -0.004 -0.006 0.000 -0.012 (-0.005) (-0.007) (-0.008) (-0.025) Unlucky address -0.007 -0.012 -0.003 0.019 (-0.005) (-0.007) (-0.008) (-0.037) Unlucky unit 0.004 -0.001 0.007 -0.014 (-0.004) (-0.005) (-0.007) (-0.018) Favorable geomantic attributes Pearl river 0.027*** 0.023*** 0.024*** 0.107*** (-0.004) (-0.006) (-0.007) (-0.020) Orientation -0.001 0.002 -0.005 0.000 (-0.003) (-0.005) (-0.005) (-0.016) Lucky numbers Lucky floor 0.012** 0.007 0.021*** 0.001 (-0.005) (-0.006) (-0.007) (-0.022) Lucky address 0.012*** 0.011* 0.012* 0.031 (-0.004) (-0.006) (-0.007) (-0.021) 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 41 ===== PAGE 12 (score 65, numeric-paren 36, table-words 4, var-words 12) ===== First-time homebuyers tend to focus on the house’s ground floor area, floor level, and accessibility to facilities (e.g., proximity to bus stops, subway stations, parks, and business centers), which are attributes that can meet basic living needs. However, the distance from parks and business centers is more important for homebuyers who express an improvement demand than homebuyers who manifest a first-time demand. Nonetheless, homebuyers who declare an investment demand are exclusively concerned with the housing size among the available usual housing attributes. Homebuyers’ preferences for geomantic attributes have significant differences across first-time demand, improvement demand, and investment demand. As shown in Table 6, graveyards and slaughterhouses significantly affect housing prices in the sub-sample of first-time demand. Proximity to graveyards, funeral homes, hospitals, slaughterhouses, or highways negatively impacts housing prices also when improvement demand is to be satisfied. Moreover, the impact of proximity to graveyards, funeral homes, hospitals, and highways is higher for the improvement- demand sub-sample than for the entire sample. In the investment-demand sub-market, highways represent the sole geomantic attribute that impacts housing prices in the sub-sample of investment demand. In this sub-sample, the selling price of a dwelling near a highway is discounted by 6.3%. By contrast, whatever the reason for which homebuyers want to buy, they prefer purchasing properties near the Pearl River. journal valori e valutazioni No. 33 - 2023 42 Follow Table 6 - Housing purchase motivation and geomantic attributes (1) (2) (3) (4) Attributes Variables Whole samples First time samples Improvement samples Investment samples Lucky numbers Lucky unit -0.003 -0.001 -0.009 -0.047 (-0.006) (-0.008) (-0.0011) (-0.0031) Housing attributes Area 0.441*** 0.462*** 0.4*** 0.531*** (-0.005) (-0.007) (-0.007) (-0.026) Floor 0.002*** 0.002*** 0.002*** 0.001 (0.000) (0.000) (0.000) (-0.001) Subway 0.023*** 0.03*** 0.009 0.025 (-0.004) (-0.005) (-0.007) (-0.018) Bus 0.02*** 0.021*** 0.02*** -0.005 (-0.004) (-0.006) (-0.007) (-0.020) Log_Park -0.028*** -0.025*** -0.032*** -0.037 (-0.005) (-0.008) (-0.008) (-0.024) Log_CBD -0.025*** -0.02*** -0.031*** 0.020 (-0.004) (-0.005) (-0.007) (-0.020) Fixed effects District Yes Yes Yes Yes Time Yes Yes Yes Yes Demographic characteristics Guangdong -0.001 0.002 -0.007 0.023 (-0.003) (-0.004) (-0.005) (-0.017) Gender 0.000 -0.002 0.004 0.000 (-0.003) (-0.004) (-0.005) (-0.015) Age 0.000 0.000 0.000* -0.001 (0.000) (0.000) (0.000) (-0.001) Constant 6.016*** 5.946*** 6.149*** 5.928*** -0.024 -0.032 -0.039 -0.112 Observations 4,859 2,789 1,854 216 Adjusted R2 0.849 0.827 0.865 0.873 Note: Standard errors are in parentheses. *** p<0.01, ** p<0.05, * p<0.1 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 42 ===== PAGE 13 (score 7, numeric-paren 0, table-words 0, var-words 7) ===== The Capitalization of Geomantic Attributes: Evidence from the Housing Market in Guangzhou Consequently, as the Pearl River is considered fundamental in improving the energy of the housing environment, the marginal price of this geomantic attribute adds to the marginal price of the river’s amenity value. Consequently, purchasing a dwelling near the Pearl River is a valuable investment opportunity. Furthermore, we also find that homebuyers who need to satisfy an improvement demand prefer purchasing houses exhibiting lucky floor and address numbers. Homebuyers who express a first-time demand prefer purchasing houses located on lucky number floors. However, homebuyers who need to meet their investment demand does not reveal any preference for lucky address numbers. In other words, homebuyers may consider the premiums paid for number preferences having limited value-added. 5. CONCLUSIONS The quality of the living environment is attracting increasing attention, particularly after the COVID-19 outbreak. Some research reveals that Chinese households qualify a favorable living environment according to geomantic attributes, which they believe can contribute to better harmony and interaction between humans and their surroundings. In addition, traditional culture and even superstition deeply influence potential buyers’ level of attention and concern for the effects of geomantic attributes on the Chinese housing market (Peng et al., 2012). The paper aim is to investigate homebuyers’ willingness to pay for geomantic attributes and shed new light on housing choices and the impact of traditional culture in the Chinese real estate market. Using data on used property transactions recorded between 2013 and 2016, the paper, through a hedonic pricing model, investigates the effects of geomantic attributes on housing purchase behavior in Guangzhou, one of the largest cities in mainland China. Empirical evidence shows that homebuyers reveal significant preferences for geomantic attributes when purchasing a home. Indeed, unfavorable or favorable geomantic attributes can largely affect the market price of residential assets. In particular, proximity to a cemetery, mortuary, slaughterhouse, hospital, or highway is a determinant of price and generates a decrease in property value, ceteris paribus. These results are consistent with those obtained by implementing stepwise estimates and performing the sub-sample analysis related to reasons for purchase. The results also show that floor, address, and unit numbers affect prices differently. Lucky floor numbers and house numbers tick a significant market premium in Guangzhou. In addition, the demand for improved quality of life and housing quality is a primary focus for determining which geomantic attributes are considered unfavorable and to what extent in purchasing decisions. Our analyses show that homebuyers tend not to purchase properties that exhibit unfavorable geomantic attributes and, conversely, are willing to pay a significant market premium for properties that exhibit favorable geomantic attributes. The results of the present study provide valuable insights for real estate developers as they contribute to better characterizing the demand for real estate. In addition, challenging insights emerge for future research developments. First, this study does not allow for a systematic and comprehensive examination of the effects of geomantic attributes on housing prices. For example, the interior design of dwellings is an essential geomantic attribute because, according to geomantic tradition, it affects the energy of homes and the indoor quality of life. However, at present, there is no availability of such data. Consequently, this type of explanatory variable cannot be considered in the regression model. Second, the analyses of the impacts of the lucky and unlucky floor, address, and housing unit numbers on housing prices would deserve further investigation, as their effect may be nonlinear. journal valori e valutazioni No. 33 - 2023 43 * Xiaojing Li, Department of Civil, Environmental and Architectural Engineering, University of Padova, Padova, 35100, Italy. email: xiaojing.li@phd.unipd.it ** Chiara D’Alpaos, Department of Civil, Environmental and Architectural Engineering, University of Padova, Padova, 35100, Italy. email: chiara.dalpaos@unipd.it *** Paolo Bragolusi, Department of Civil, Environmental and Architectural Engineering, University of Padova, Padova, 35100, Italy. email: paolo.bragolusi@dicea.unipd.it **** Gangzhi Fan, Department of Finance and Economics, Faculty of Business and Management, BNU-HKBU United International College, Zhuhai, Guangdong Province, China email: gangzhifan@uic.edu.cn Acknowledgments Dr. Gangzhi Fan acknowledges the support received from the Philosophy and Social Science Planning Project of Guangdong Pro- vince (GD22XYJ07). 31-46 Xiaojing ING.qxp_SIEV 30 11/07/23 22:01 Pagina 43 ===== PAGE 24 (score 40, numeric-paren 27, table-words 1, var-words 3) ===== Segue Tabella 4 - Stime relative al modello base e alle regressioni stepwise sugli attributi geomantici caratteristiche estrinseche attinenti all’accessibilità ai ser- vizi di trasporto pubblico, come ad esempio una distanza dalla stazione degli autobus inferiore a 800 metri e dalla sta- zione della metropolitana inferiore a 800 metri; XNEI,n rap- presenta le variabili di controllo quali ad esempio l’effetto fisso del distretto, l’effetto fisso del trimestre e le caratteri- stiche demografiche; Xcontrol,m è il termine di errore. La Tabella 4 riporta i risultati della regressione, stimati con il metodo dei minimi quadrati ordinari. La colonna (1) di questa tabella mostra i risultati del modello di base che incorpora le classiche caratteristiche intrinseche ed estrinseche quali variabili esplicative del modello, senza alcuno specifico riferimento agli attributi geomantici. Per stimare l’effetto degli attributi geomantici sul prezzo degli immobili e la loro stabilità è stata quindi condotta un’analisi di regressione stepwise sulle le variabili geo- mantiche e le caratteristiche demografiche degli acqui- renti. I risultati delle stime sono riportati nelle colonne (2), (3), (4) e (5) della Tabella 4. È stata anche implementata un’analisi dell’ete-ro/omoschedasticità delle variabili bi- narie e uno studio errori standard robusti per migliorare l’affidabilità dei risultati di stima basati su dati trasversali (Amoah e Moffatt, 2021). Per valutare il grado di multicol- linearità, è stato calcolato il valore del fattore di inflazione della varianza (VIF), che è risultato in tutti i casi inferiore a 5. Dall’analisi della Tabella 4 si evince che tutti i valori di R2 aggiustati sono relativamente elevati, variando tra 0,846 e 0,85. Pertanto i risultati ottenuti sono soddisfacenti. rivista valori e valutazioni n. 33 - 2023 38 Tabella 4 - Stime relative al modello base e alle regressioni stepwise sugli attributi geomantici (1) (2) (3) (4) (5) Attributi Variabili DV: Log_Prezzo Attributi geomantici sfavorevoli Cimitero - -0.043*** -0.037*** -0.037*** -0.037*** - (-0.010) (-0.010) (-0.010) (-0.010) Camera mortuaria - -0.023** -0.024** -0.025** -0.026** - (-0.011) (-0.011) (-0.011) (-0.011) Ospedale - -0.024*** -0.021*** -0.021*** -0.021*** - (-0.007) (-0.007) (-0.007) (-0.007) Mattatoio - -0.143*** -0.139*** -0.137*** -0.134*** - (-0.034) (-0.031) (-0.031) (-0.033) Autostrada - -0.015** -0.017** -0.018** -0.018** - (-0.007) (-0.007) (-0.007) (-0.007) Numeri sfortunati Piano sfortunato - -0.004 -0.006 -0.004 -0.004 - (-0.005) (-0.005) (-0.005) (-0.005) Civico sfortunato - -0.009 -0.008 -0.007 -0.007 - (-0.005) (-0.005) (-0.005) (-0.005) Identificativo sfortunato - 0.005 0.004 0.004 0.003 - (-0.004) (-0.004) (-0.004) (-0.004) Attributi geomantici favorevoli Fiume Pearl - - 0.025*** 0.026*** 0.027*** - - (-0.004) (-0.004) (-0.004) Orientamento - - 0.001 0.001 -0.001 - - (-0.003) (-0.003) (-0.003) Numeri fortunati Piano fortunato - - - 0.012*** 0.012** - - - (-0.005) (-0.005) Civico fortunato - - - 0.012*** 0.012*** - - - (-0.004) (-0.004) Identificativo fortunato - - - -0.004 -0.003 - - - (-0.006) (-0.006) 31 Xiaojing ITA.qxp_SIEV 30 11/07/23 21:27 Pagina 38 ===== PAGE 25 (score 50, numeric-paren 36, table-words 1, var-words 4) ===== L’effetto di capitalizzazione degli attributi geomantici sul valore di mercato degli immobili: il caso del mercato immobiliare di Guangzhou In linea con la letteratura, i risultati delle stime relative al modello base dimostrano come il prezzo sia fortemente influenzato dalle tradizionali caratteristiche intrinseche ed estrinseche (Tabella 4). Ad esempio, a livelli di piano più elevati sono associati prezzi di mercato più elevati. Gli attributi geomantici sfavorevoli, quali ad esempio la vici- nanza a cimiteri, camere mortuarie, mattatoi, ospedali e autostrade, hanno un impatto negativo sui prezzi delle abitazioni con un livello di significatività del 5%. A tal pro- posito, è utile sottolineare che i mattatoi sono presenti nei distretti di Baiyun e Panyu e ha consentito di ottenere stime statisticamente significative. Gli attributi geomantici che maggiormente impattano sul prezzo degli immobili sono rispettivamente in ordine di entità di effetto la pros- simità ad un cimitero, camera mortuaria, ospedale e au- tostrada. Inoltre, dalla Tabella 4 emerge come la vicinanza al fiume Pearl abbia un effetto positivo significativo sui prezzi delle abitazioni con un livello di significatività dell’1%, mentre l’orientamento residenziale non è significativo secondo il livello di significatività stabilito. Per gli immobili situati vi- cino al fiume Pearl si evidenzia premio di mercato del 2,7%, ceteris paribus, a conferma della preferenza degli acquirenti per immobili che si trovano in prossimità della risorsa d’acqua vicina alle loro case. Il flusso d’acqua del fiume Pearl è infatti placido e la sua vicinanza rappresenta un attributo geomantico estremamente favorevole. Tuttavia, gli effetti degli attributi relativi ai numeri fortunati vs sfortunati delle abitazioni sui prezzi di mercato variano a seconda che si tratti del numero di piano, del civico o dell’identificativo dell’unità. Numero di piano e identifi- cativo sfortunati non sono statisticamente significativi nel rivista valori e valutazioni n. 33 - 2023 39 Segue Tabella 4 - Stime relative al modello base e alle regressioni stepwise sugli attributi geomantici (1) (2) (3) (4) (5) Attributi Variabili DV: Log_Prezzo Attributi delle abitazioni Superficie 0.443*** 0.442*** 0.44*** 0.44*** 0.436*** (-0.004) (-0.004) (-0.005) (-0.005) (-0.005) Livello di piano 0.002*** 0.002*** 0.002*** 0.002*** 0.002*** 0.000 0.000 0.000 0.000 0.000 Metropolitana 0.027*** 0.026*** 0.023*** 0.023*** 0.024*** (-0.004) (-0.004) (-0.004) (-0.004) (-0.004) Autobus 0.024*** 0.022*** 0.021*** 0.021*** 0.019*** (-0.004) (-0.004) (-0.004) (-0.004) (-0.004) Log_Parco -0.023*** -0.026*** -0.027*** -0.027*** -0.028*** (-0.005) (-0.005) (-0.005) (-0.005) (-0.005) Log_CBD -0.027*** -0.025*** -0.024*** -0.025*** -0.024*** (-0.004) (-0.004) (-0.004) (-0.004) (-0.004) Effetti fissi Distretto Yes Yes Yes Yes Yes Tempo Yes Yes Yes Yes Yes Caratteristiche demografiche Domanda di migliore qualità abitativa - - - - 0.019*** - - - - (-0.003) Guangdong - - - - -0.002 - - - - (-0.003) Genere - - - - -0.001 - - - - (-0.003) Età - - - - 0*** - - - - 0 Costante 5.991*** 6.002*** 6.005*** 6.003*** 6.022*** (-0.023) (-0.023) (-0.023) (-0.023) (-0.024) Osservazioni 4,859 4,859 4,859 4,859 4,859 R2 aggiustato 0.846 0.847 0.848 0.849 0.85 Nota: Gli errori standard sono in parentesi. *** p<0.01, ** p<0.05, * p<0.1 31 Xiaojing ITA.qxp_SIEV 30 11/07/23 21:27 Pagina 39 ===== PAGE 26 (score 27, numeric-paren 20, table-words 0, var-words 2) ===== determinare i prezzi delle abitazioni. Viceversa, numero di piano e civico fortunati hanno un impatto significativa- mente positivo sui prezzi delle abitazioni al livello di si- gnificatività dell’1%. Tali risultati sono in line acon quelli di Chau et al. (2001) e Shum et al. (2014) che hanno riscon- trato come un numero di piano fortunato abbia un im- patto positivo in termini di premo di mercato sui valori degli immobili a destinazione residenziale. 4.2 Gruppi di attributi geomantici e prezzi delle abitazioni Lo studio illustrato nella presente sezione trae ispirazione da Liu et al. (2019) che mostrano come quando paesaggi montani e paesaggi acquatici coesistono nelle vicinanze di un’abitazione, il valore dell’immobile è superiore ri- spetto al caso in cui siano presenti separatamente. Per- tanto, l’obiettivo di questa sezione è di verificare se la pre- senza contemporanea di più attributi geomantici negativi possa avere un effetto moltiplicativo sulla diminuzione di valore, ovvero se la presenza di più di un attributo geo- mantico sfavorevole faccia diminuire ulteriormente e di quanto il valore rispetto al caso in cui vi sia un solo attri- buto geomantico. Sono state quindi introdotte nel mo- dello due variabili BFS_1 e BFS_2 che includono gruppi di attributi geomantici. BFS_1 identifica gli attributi geoman- tici cimitero, camera mortuaria, autostrada e ospedale; mentre BFS_2 identifica gli attributi cimitero, camera mor- tuaria, autostrada, ospedale e macello. I risultati ottenuti sono riportati nella Tabella 5. La colonna (2) e la colonna (3) della Tabella 5 mostrano i coefficienti stimati di BFS_1 e BFS_2. rivista valori e valutazioni n. 33 - 2023 40 Segue Tabella 5 - Stime relative a gruppi di attributi geomantici Tabella 5 - Stime relative a gruppi di attributi geomantici (1) (2) (3) Attibuti Variabili Modello base BSF_1 BSF_2 Attributi geomantici sfavorevoli BFS_1 - -0.022*** - - (-0.004) BFS_2 - - -0.024*** - (-0.004) Attributi geomantici favorevoli Fiume Pearl - 0.028*** 0.028*** - (-0.004) (-0.004) Orientamento - -0.001 -0.001 - (-0.003) (-0.003) Attributi numerici delle abitazioni Piano sfortunato - -0.004 -0.004 - (-0.005) (-0.005) Civico sfortunato - -0.007 -0.007 - (-0.005) (-0.005) Identificativo sfortunato - 0.003 0.003 - (-0.004) (-0.004) Piano fortunato - 0.012** 0.012** - (-0.005) (-0.005) Civico fortunato - 0.012*** 0.012*** - (-0.004) (-0.004) Identificativo fortunato - -0.002 -0.002 - (-0.006) (-0.006) Attributi delle abitazioni Superficie 0.443*** 0.436*** 0.436*** (-0.004) (-0.005) (-0.005) Piano 0.002*** 0.002*** 0.002*** (0.000) (0.000) (0.000) Autobus 0.024*** 0.02*** 0.02*** (-0.004) (-0.004) (-0.004) 31 Xiaojing ITA.qxp_SIEV 30 11/07/23 21:27 Pagina 40 ===== PAGE 27 (score 27, numeric-paren 16, table-words 1, var-words 5) ===== L’effetto di capitalizzazione degli attributi geomantici sul valore di mercato degli immobili: il caso del mercato immobiliare di Guangzhou I prezzi marginali impliciti delle variabili BFS_1 e e BFS_2 sono ovviamente negativi e quindi comportano una dimi- nuzione del valore di mercato. Tuttavia, rileva il fatto che il coefficiente di BFS_1 è pari a - 2,2% e il coefficiente di BFS_2 è pari a -2,4%. Quindi la presenza di un ulteriore at- tributo geomantico nel cluster degli attributi aggregati comporta una ulteriore riduzione del valore del 2,2%. La compresenza di più attributi geomantici contempora- neamente fa quindi diminuire ulteriormente il valore. Se si tiene conto del mattatoio, i prezzi delle abitazioni su- biscono ulteriormente uno sconto massimo del 12% (2,4% × 5). I risultati empirici sembrerebbero mostrare quindi che la presenza di un gruppo di attributi geomantici sfa- vorevoli possa portare ad una diminuzione di valore più elevata di quella derivante dalla somma dei singoli contri- buti. 4.3 Robustezza degli attributi geomantici che influenzano i prezzi delle abitazioni Nella presente sezione viene esaminata la robustezza dei risultati ottenuti in termini di impatto sul valore degli at- tributi geomantici, conducendo un’analisi sul sotto-cam- pione relativo alla motivazione dell’acquisto. Facendo ri- ferimento a Wen et al. (2021), la motivazione all’acquisto di abitazioni in Cina può essere essenzialmente ricon- dotta a tre fattispecie: acquisto come prima casa, acquisto per esigenze di miglioramento della qualità abitativa e, quindi, della vita e, infine, acquisto per investimento. Se- condo le statistiche descrittive nella Tabella 6, il 57,4% delle transazioni del campione rappresenta un acquisto come prima casa, mentre il 38,1% identifica un acquisto effettuato per soddisfare una domanda di migliore qualità abitativa e solo il 4,5% delle transazioni si riferisce ad un acquisto per investimento. I risultati delle stime sul sotto- campione sono riportati nelle colonne (2), (3) e (4) della Tabella 6, mentre nella colonna (1) sono riportati i risultati delle stime per l’intero campione. Le diverse motivazioni che spingono all’acquisto rivelano importanti per comprendere gli effetti degli attributi geo- mantici sui prezzi degli immobili a destinazione residen- ziale a Guangzhou. Gli acquirenti di prima casa tendono a concentrare la loro attenzione sulla superficie dell’im- mobile, il livello del piano e l’accessibilità alle strutture (ad esempio, la vicinanza alla fermata dell’autobus, alla sta- zione della metropolitana, al parco o al centro commer- ciale), che sono attributi che possono soddisfare le neces- sità di base della vita. Tuttavia, la distanza dal parco e dal centro commerciale sono più rilevante per coloro i quali rivista valori e valutazioni n. 33 - 2023 41 Segue Tabella 5 - Stime relative a gruppi di attributi geomantici (1) (2) (3) Attibuti Variabili Modello base BSF_1 BSF_2 Attributi delle abitazioni Metropolitana 0.027*** 0.022*** 0.022*** (-0.004) (-0.004) (-0.004) Log_Parco -0.023*** -0.027*** -0.027*** (-0.005) (-0.005) (-0.005) Log_CBD -0.027*** -0.024*** -0.024*** (-0.004) (-0.004) (-0.004) Effetti fissi Distretto Yes Yes Yes Tempo Yes Yes Yes Caratteristiche demografiche Domanda di migliore qualità abitativa - 0.02*** 0.02*** - (-0.003) (-0.003) Guangdong - -0.002 -0.002 - (-0.003) (-0.003) Genere - -0.003 -0.003 - (-0.003) (-0.003) Età - 0*** 0*** - (0.000) (0.000) Costante 5.991*** 6.022*** 6.023*** (-0.023) (-0.024) (-0.024) Osservazioni 4,859 4,859 4,859 R2 aggiustato 0.846 0.850 0.850 Nota: Gli errori Standard sono in parentesi. *** p<0.01, ** p<0.05, * p<0.1 31 Xiaojing ITA.qxp_SIEV 30 11/07/23 21:27 Pagina 41 ===== PAGE 28 (score 75, numeric-paren 57, table-words 0, var-words 4) ===== acquistano l’immobile per soddisfare un’esigenza di mi- glioramento della qualità della vita e delle condizioni abi- rivista valori e valutazioni n. 33 - 2023 42 Tabella 6 - Stime del sotto-campione relativo alla ragione dell’acquisto Segue Tabella 6 - Stime del sotto-campione relativo alla ragione dell’acquisto (1) (2) (3) (4) Attributi Variabili Campione completo Campione “prima casa” Campione “miglioramento” Campione “investimento” Attributi geomantici sfavorevoli Cimitero -0.036*** -0.041*** -0.027** 0.018 (-0.010) (-0.012) (-0.012) (-0.044) Camera mortuaria -0.027** -0.008 -0.057*** - (-0.011) (-0.014) (-0.011) Ospedale -0.021*** -0.010 -0.042*** -0.017 (-0.007) (-0.011) (-0.012) (-0.023) Mattatoio -0.136*** -0.122*** -0.193*** -0.080 (-0.032) (-0.039) (-0.017) (-0.060) Autostrada -0.018** -0.008 -0.024** -0.063* (-0.007) (-0.009) (-0.012) (-0.033) Numeri sfortunati Piano sfortunato -0.004 -0.006 0.000 -0.012 (-0.005) (-0.007) (-0.008) (-0.025) Civico sfortunato -0.007 -0.012 -0.003 0.019 (-0.005) (-0.007) (-0.008) (-0.037) Identificativo sfortunato 0.004 -0.001 0.007 -0.014 (-0.004) (-0.005) (-0.007) (-0.018) Attributi geomantici favorevoli Fiume Pearl 0.027*** 0.023*** 0.024*** 0.107*** (-0.004) (-0.006) (-0.007) (-0.020) Orientamento -0.001 0.002 -0.005 0.000 (-0.003) (-0.005) (-0.005) (-0.016) Numeri fortunati Piano fortunato 0.012** 0.007 0.021*** 0.001 (-0.005) (-0.006) (-0.007) (-0.022) Civico fortunato 0.012*** 0.011* 0.012* 0.031 (-0.004) (-0.006) (-0.007) (-0.021) Identificativo fortunato -0.003 -0.001 -0.009 -0.047 (-0.006) (-0.008) (-0.0011) (-0.0031) Attributi delle abitazioni Superficie 0.441*** 0.462*** 0.4*** 0.531*** (-0.005) (-0.007) (-0.007) (-0.026) Piano 0.002*** 0.002*** 0.002*** 0.001 (0.000) (0.000) (0.000) (-0.001) Metropolitana 0.023*** 0.03*** 0.009 0.025 (-0.004) (-0.005) (-0.007) (-0.018) Autobus 0.02*** 0.021*** 0.02*** -0.005 (-0.004) (-0.006) (-0.007) (-0.020) Log_park -0.028*** -0.025*** -0.032*** -0.037 (-0.005) (-0.008) (-0.008) (-0.024) Log_CBD -0.025*** -0.02*** -0.031*** 0.020 (-0.004) (-0.005) (-0.007) (-0.020) 31 Xiaojing ITA.qxp_SIEV 30 11/07/23 21:27 Pagina 42 ===== PAGE 29 (score 16, numeric-paren 10, table-words 1, var-words 1) ===== L’effetto di capitalizzazione degli attributi geomantici sul valore di mercato degli immobili: il caso del mercato immobiliare di Guangzhou tative. I compratori per esigenze di investimento sono in- vece pressoché interessati solo alla dimensione dell’abi- tazione. Le preferenze dei compratori per gli attributi geomantici variano significativamente in funzione della ragione del- l’acquisto. Come mostra la Tabella 6, la vicinanza ad un ci- mitero o a un macello influenzano significativamente i prezzi delle case nel sotto-campione relativo alla do- manda di prima casa. La vicinanza della casa a un cimitero, a una camera mortuaria, a un ospedale, a un macello o a una autostrada hanno un impatto negativo rilevante sui prezzi pagati anche per quanto riguarda la domanda di miglioramento della qualità della vita e delle condizioni abitative. Inoltre, l’impatto del cimitero, della camera mor- tuaria, dell’ospedale e dell’autostrada in questo caso è più elevato rispetto al rispettivo impatto stimato sull’intero campione. Nel sotto-mercato della domanda di investi- mento, solo l’autostrada influenza i prezzi e le abitazioni vicine all’autostrada scontano una diminuzione del 6,3% sul prezzo. Tuttavia, indipendentemente dalla ragione del- l’acquisto, i compratori preferiscono senz’altro acquistare immobili in prossimità del fiume Pearl, il che suggerisce che il fiume potrebbe svolgere un’importante ruolo nel migliorare la percezione sulla qualità abitativa e sulla qua- lità della vita oltre ad avere un valore considerevole in ter- mini di investimento. Inoltre, i compratori che acquistano per soddisfare una domanda di miglioramento delle at- tuali condizioni abitative preferiscono acquistare case che si trovino ad un piano e ad un civico fortunati. I compra- tori di prima casa accordano invece la loro preferenza pre- valentemente al numero di piano. Al contrario, coloro che acquistano per investimento non manifestano un partico- lare interesse per i numeri fortunati di piano, civico e identificativo dell’unità immobiliare, il che suggerisce che gli investitori potrebbero considerare che il contributo al valore dei cosiddetti numeri fortunati sia trascurabile e non tale da rendere conveniente l’acquisto. 5. CONCLUSIONI Il problema relativo alla qualità dell’ambiente abitativo sta attirando sempre più attenzione, in particolare a seguito della pandemia da COVID-19. Alcune ricerche rivelano che le famiglie cinesi qualificano un ambiente abitativo come migliore in funzione degli attributi geomantici, che ritengono possano contribuire ad una migliore armonia e interazione tra uomo e ambiente circostante. Inoltre, la cultura tradizionale e persino la superstizione influen- zano profondamente il livello di attenzione e di preoccu- pazione dei potenziali acquirenti per gli effetti degli attri- buti geomantici sul mercato immobiliare cinese (Peng et al., 2012). In tale contesto si inserisce il presente contri- buto, che ha come principale obiettivo quello di investi- gare la disponibilità a pagare degli acquirenti di immobili per gli attributi geomantici delle abitazioni e gettare nuova luce sulle scelte abitative e sull’impatto della cul- tura tradizionale nel mercato immobiliare cinese. Utiliz- zando i dati relativi alle transazioni di immobili usati regi- strate tra il 2013 e il 2016, il contributo, attraverso un mo- dello di prezzi edonici, indaga gli effetti degli attributi geomantici sui comportamenti di acquisto di abitazioni a Guangzhou, una delle città più grandi della Cina conti- nentale. Le evidenze empiriche mostrano che gli acquirenti rive- lano preferenze significative per gli attributi geomantici quando acquistano un’abitazione. Gli attributi geomantici sfavorevoli o favorevoli possono, infatti, influenzare signi- ficativamente i prezzi degli immobili a destinazione resi- denziale. In particolare, la vicinanza a un cimitero, una ca- rivista valori e valutazioni n. 33 - 2023 43 Segue Tabella 6 - Stime del sotto-campione relativo alla ragione dell’acquisto (1) (2) (3) (4) Attributi Variabili Campione completo Campione “prima casa” Campione “miglioramento” Campione “investimento” Effetti fissi Distretto Yes Yes Yes Yes Tempo Yes Yes Yes Yes Caratteristiche demografiche Guangdong -0.001 0.002 -0.007 0.023 (-0.003) (-0.004) (-0.005) (-0.017) Sesso 0.000 -0.002 0.004 0.000 (-0.003) (-0.004) (-0.005) (-0.015) Età 0.000 0.000 0.000* -0.001 (0.000) (0.000) (0.000) (-0.001) Constante 6.016*** 5.946*** 6.149*** 5.928*** -0.024 -0.032 -0.039 -0.112 Osservazioni 4,859 2,789 1,854 216 R2 aggiustato 0.849 0.827 0.865 0.873 Nota: Gli errori standard sono riportati in parentesi. *** p<0.01, ** p<0.05, * p<0.1 31 Xiaojing ITA.qxp_SIEV 30 11/07/23 21:27 Pagina 43 ===== PAGE 30 (score 8, numeric-paren 0, table-words 0, var-words 8) ===== mera mortuaria, un macello, un ospedale o un’autostrade è una determinante del prezzo e genera una diminuzione di valore, ceteris paribus. Questi risultati sono coerenti con quelli ottenuti implementando stime stepwise ed ef- fettuando l’analisi del sotto-campione relativo alle ragioni dell’acquisto. I risultati mostrano anche che i numeri di piano, civico e i numeri identificativi delle unità immobi- liari impattano in maniera diversa sui prezzi. I numeri di piano e i civici fortunati spuntano un premio di mercato significato nella città di Guangzhou. La domanda di mi- glioramento di qualità della vita e di qualità abitativa, inol- tre, è un canale importante di analisi per determinare quali attributi geomantici siano considerati sfavorevoli e nelle decisioni di acquisto e in quale misura. In sintesi, dalle analisi condotte emerge che gli acquirenti di immo- bili a destinazione residenziale tendenzialmente sono portati a non acquistare immobili che si caratterizzino per la presenza di attributi geomantici sfavorevoli e sono, la contrario, propensi a pagare un premio di mercato anche significativo per immobili che esibiscano attributi geo- mantici favorevoli in questa città metropolitana. I risultati del presente studio forniscono indicazioni utili agli sviluppatori immobiliari in termini di migliore carat- terizzazione della domanda di immobili. Emergono, inol- tre, spunti interessanti per futuri sviluppi della ricerca. In primo luogo, questo studio non consente di esaminare in modo sistematico e completo gli effetti degli attributi geo- mantici sui prezzi delle abitazioni. Ad esempio, l’organiz- zazione interna delle abitazioni è un contenuto essenziale degli attributi geomantici perché secondo il Feng Shui in- fluisce sull’energia delle abitazioni e sulla qualità della vita al loro interno. Tuttavia, allo stato attuale, sono si ha la di- sponibilità di tali dati e non è quindi possibile inserire tale tipologia di variabili esplicative nel modello di regres- sione. In secondo luogo, meriterebbe un ulteriore appro- fondimento l’analisi degli impatti dei numeri fortunati e sfortunati di piano, civico e identificativo delle unità sui prezzi delle abitazioni, poiché il loro effetto potrebbe es- sere non lineare. rivista valori e valutazioni n. 33 - 2023 44 Bibliografia ALMOND D., CHEE C.P., SVIATSCHI M.M., ZHONG N., Auspicious birth dates among Chinese in California. Economics and Human Biology, Vol. 18, 2015, pp. 153-159. AMOAH A., AND MOFFATT P. G., Willingness to pay for reliable piped water services: evidence from urban Ghana. Environmental Economics And Policy Studies, Vol. 23, 2021, pp. 805-829. BON, S., The impact of Feng Shui on residential property prices in Western cultures. International Journal of * Xiaojing Li, Dipartimento di Ingegneria Civile, Edile e Ambientale, Università degli Studi di Padova, Padova, Italia. e-mail: xiaojing.li@phd.unipd.it ** Chiara D’Alpaos, Dipartimento di Ingegneria Civile, Edile e Ambientale, Università degli Studi di Padova, Padova, Italia e-mail: chiara.dalpaos@unipd.it *** Paolo Bragolusi, Dipartimento di Ingegneria Civile, Edile e Ambientale, Università degli Studi di Padova, Padova, Italia. e-mail: paolo.bragolusi@dicea.unipd.it ****Gangzhi Fan, Department of Finance and Economics, Faculty of Business and Management, BNU-HKBU United International College, Zhuhai, Guangdong Province, China e-mail:gangzhifan@uic.edu.cn Ringraziamenti Il Dr. Gangzhi Fan ringrazia per il supporto ricevuto da Philosophy and Social Science Planning Project of Guangdong Province (GD22XYJ07). Housing Markets and Analysis, Vol. 1, 2008, pp. 81-101. BOTTERO M., CAPRIOLI C., FOTH M., (...), RITTENBRUCH M., SANTANGELO M., Urban parks, value uplift and green gentrification: An application of the spatial hedonic model in the city of Brisbane. Urban Forestry and Urban Greening Vol. 74, 2022, 127618. BOURASSA S.C., PENG V.S., Hedonic prices and house numbers: The influence of Feng Shui. International Real Estate Review, Vol. 2, 1999, pp. 79-93. CHANG W.L., LII P., “Feng Shui“ and its role in corporate Contributo degli autori Concettualizzazione: C.D. and G.F. Metodologia: C.D, X.L., and G.F. Software: X.L., and P.B. Indagine: X.L. Analisi formale: P.B., C.D., G.F., and X.L. Scrittura bozza: X.L. Scrittura, revisione ed editing: C.D., G.F., and X.L. 31-46 Xiaojing ITA.qxp_SIEV 30 13/07/23 17:27 Pagina 44