基礎(chǔ)教育資源對房價的影響研究

孫至誠 秦雪飛 袁耀娣

摘要：在當(dāng)前實(shí)行就近入學(xué)和戶籍限制的學(xué)區(qū)制度下，基礎(chǔ)教育資源主要通過房地產(chǎn)市場進(jìn)行配置，通過購買學(xué)區(qū)房以獲得優(yōu)質(zhì)基礎(chǔ)教育資源已成為普遍做法，從而導(dǎo)致房價部分反映了基礎(chǔ)教育的質(zhì)量。為了探究學(xué)區(qū)對于二手房成交價格的影響，基于南京市鼓樓區(qū)近三年房價與學(xué)校分布的面板數(shù)據(jù)，通過構(gòu)建特征價格模型，并進(jìn)行定量化分析。南京市鼓樓區(qū)基礎(chǔ)教育資源對房價的影響顯著，按照三梯度劃分模型，擁有優(yōu)質(zhì)基礎(chǔ)教育資源的住宅比擁有普通基礎(chǔ)教育資源的住宅，住宅價格平均增值33.98%?；A(chǔ)教育資源這一變量已成為居民購房決策的一個主要因素，并已在房價上有所體現(xiàn)。

關(guān)鍵詞：基礎(chǔ)教育資源;學(xué)區(qū)房;梯隊劃分;特征價格模型

一、引言與文獻(xiàn)綜述

（一）引言

2016年1月14日《環(huán)球時報》報道：北京市金融街的一處學(xué)區(qū)房，價格已經(jīng)達(dá)到了一平方米40萬的天價?；A(chǔ)教育不公平現(xiàn)象普遍于我國城市區(qū)域，而學(xué)區(qū)房畸形高價與保障教育公平的矛盾日益激劇。

在基礎(chǔ)教育資源有限的情況下，供給遠(yuǎn)小于需求，適齡兒童的家長往往更愿意支付高昂的費(fèi)用購買重點(diǎn)學(xué)校周邊的住宅，從對優(yōu)質(zhì)基礎(chǔ)資源教育的剛性需求轉(zhuǎn)變成對優(yōu)質(zhì)學(xué)區(qū)住宅的剛性需求，造成局部市場失衡，進(jìn)而導(dǎo)致當(dāng)下畸形高漲的學(xué)區(qū)房房價。

（二）關(guān)于學(xué)區(qū)房溢價研究現(xiàn)狀

由于微觀交易數(shù)據(jù)難以獲取，國內(nèi)有關(guān)學(xué)區(qū)房的溢價研究起步較晚，在2010年以后相關(guān)研究的數(shù)量才逐漸增長。張浩和李仲飛（2014）將基礎(chǔ)教育資源進(jìn)行了教育“資本化”，并探究了教育資本化對房價的影響。發(fā)現(xiàn)購房者的收入水平越高，他們更希望獲得越優(yōu)質(zhì)教育資源，對優(yōu)質(zhì)教育資源附近的住宅愿意支付的價格也越高。城市地區(qū)的房屋銷售者也傾向于增加教育資源從而增加自身住宅價值。胡思曼（2019）以北京市西城區(qū)為例研究，利用SPSS軟件采用特征價格模型研究西城區(qū)的學(xué)區(qū)房溢價效應(yīng)并得出結(jié)論：我國房屋產(chǎn)權(quán)制度之下，教育資源這一因素可較高的推動房價增長。

二、數(shù)據(jù)和計量模型設(shè)定

（一）數(shù)據(jù)來源

文章利用的住宅價格數(shù)據(jù)為2016年9月到2019年10月間南京市鼓樓區(qū)二手房市場的歷史成交數(shù)據(jù)，數(shù)據(jù)來源于鏈家平臺，根據(jù)手機(jī)APP上歷史成交記錄手工錄入。樣本為剔除地下室、車位、別墅等特殊建筑的普通住宅，剔除異常值后最終得到565組有效樣本數(shù)據(jù)。

住宅成交時間、樓層、房齡等建筑特征源自鏈家平臺，住宅小區(qū)距市中心、周邊地鐵站、三甲醫(yī)院距離等區(qū)位特征來源于高德地圖搜索整理。

小區(qū)梯隊的劃分主要由2018年南京外國語招收人數(shù)所占比例，并結(jié)合家長論壇（如家長幫社區(qū)網(wǎng)，搜學(xué)網(wǎng)）等多方面進(jìn)行劃分。（詳細(xì)數(shù)據(jù)資料和梯隊劃分見附錄）

（二）數(shù)據(jù)預(yù)處理

1. 數(shù)據(jù)劃分

本文將收集到的數(shù)據(jù)劃分為以下四個特征：建筑特征、區(qū)位特征、教育特征、時間特征。

建筑特征是對學(xué)區(qū)房價格除房型自身外最主要的影響因素，主要包括學(xué)區(qū)房的房齡（A），小區(qū)是否有電梯（E），學(xué)區(qū)房所處的樓層（F），小區(qū)的容積率（V），小區(qū)的綠化率（G），其中房齡用2019減去住宅建成年份表示;電梯記為虛擬變量。

區(qū)位特征為距離市中心、地鐵站、醫(yī)院和距離城市副中心距離，其中，市中心由新街口代表，地鐵站為距離學(xué)區(qū)最近地鐵站，醫(yī)院為距離最近三甲醫(yī)院的距離，城市副中心由河西龍江萬達(dá)廣場代表。

教育特征設(shè)置五個變量，不同梯隊小學(xué)之間的差異用Rank代表，Rank1表示第一梯隊小學(xué)對周圍學(xué)區(qū)帶來的溢價，同樣，Rank2和Rank3分別表示第二和第三梯隊小學(xué)對周圍學(xué)區(qū)帶來的溢價。

時間特征變量為交易完成時間，一方面觀察房價隨時間的變化，另一方面用以進(jìn)行比較交易時間相差在6個月內(nèi)的各梯隊學(xué)區(qū)房的數(shù)據(jù)差異。

2. 描述性統(tǒng)計

在通過對樣本數(shù)據(jù)庫進(jìn)行篩選后，得出結(jié)論：所有小區(qū)的平均房齡為24.11年，第一梯隊學(xué)區(qū)房相對于第三梯隊學(xué)區(qū)房房齡相對高4.1年，第二梯隊學(xué)區(qū)房房齡相對于第三梯隊學(xué)區(qū)房房齡相對高4.7年。全樣本平均綠化率達(dá)到32.37%，容積率為2.27，距離市中心的平均直線距離為4.05公里，到副市中心平均直線距離為4.08公里。2016年9月至2019年9月鼓樓區(qū)所有學(xué)區(qū)房平均交易價格約為45978元/平方米，而第一梯隊小學(xué)學(xué)區(qū)房交易平均價格比第三梯隊小學(xué)學(xué)區(qū)房平均價格高約33719元/平方米，第二梯隊小學(xué)學(xué)區(qū)房比第三梯隊小學(xué)學(xué)區(qū)房平均交易價格高約6102元/平方米。該數(shù)據(jù)說明南京市鼓樓區(qū)學(xué)區(qū)房可能存在一定的溢價，為進(jìn)一步實(shí)證研究提供了一個直觀參考數(shù)據(jù)。

三、特征價格模型設(shè)定

在模型的設(shè)定中，我們將住宅價格作為被解釋變量，其余住宅相關(guān)特征作為解釋變量，作出影響學(xué)區(qū)房價格的函數(shù)模型。本文主要采用了OLS回歸分析，得出模型中各變量的系數(shù)和顯著性水平，從而進(jìn)一步分析出基礎(chǔ)教育資源對附近房價的影響程度，表達(dá)式如下：

1. 對數(shù)線性模型

2. 對數(shù)模型

其中，P為房屋的交易價格，ε0為隨機(jī)擾動項，通常為常數(shù);β1-5為建筑特征對學(xué)區(qū)房價格的影響系數(shù);α1-4為區(qū)位特征對學(xué)區(qū)房價格的影響系數(shù);school在配對模型中分別表示Rank1、Rank2、Rank3;γ為學(xué)校對周邊房價的影響系數(shù)，是溢價分析的主要指標(biāo)。

四、模型分析

（一）對數(shù)線性模型分析

使用Eviews軟件對樣本進(jìn)行對數(shù)線性O(shè)LS擬合結(jié)果如下：

方程的R2=0.549，擬合程度較好，方程的P值=0.000<0.01，這說明整個方程是顯著的。而各變量的P值均<0.01，則認(rèn)為所有變量都是顯著的，但是梯隊變量則與預(yù)期不符，這可能是由于分類過多導(dǎo)致的，將梯隊數(shù)據(jù)進(jìn)行合并，剔除梯隊間有顯著差異的數(shù)據(jù)，將新的梯隊等級命名為rankxetra。這種方法處理后的OLS預(yù)測模型如圖1所示。

這個方程的擬合優(yōu)度相比未對進(jìn)行梯隊合并的數(shù)據(jù)有明顯提高，R2=0.6744，具有較高的可信度。方程的P值=0.000<0.01，這說明整個方程是顯著的。所有變量的P值均<0.01，可以認(rèn)為所有變量都是顯著的。

（二）對數(shù)模型分析

由于在進(jìn)行對數(shù)模型分析時，同對數(shù)線性模型相比，根據(jù)數(shù)據(jù)有效性和實(shí)際意義，我們選擇將區(qū)位特征中的距市中心距離（C1），距地鐵站距離（S），距臨近三甲醫(yī)院距離（H），距副中心距離（C2）分別取對數(shù)值，以進(jìn)一步區(qū)分除了學(xué)校因素外，其他因素對鼓樓區(qū)基礎(chǔ)教育資源附件房屋房價的影響。

同對數(shù)線性模型，在對梯隊數(shù)據(jù)進(jìn)行合并后，得到如圖2分析結(jié)果。

顯然，R2=0.6684，同對數(shù)線性模型相比，對數(shù)模型的數(shù)據(jù)可信度較差，因此，可以發(fā)現(xiàn)區(qū)位特征對鼓樓區(qū)房屋的價格影響較小，主要影響因素為建筑特征和教育特征。

五、結(jié)論與建議

實(shí)證分析結(jié)果表明，南京市鼓樓區(qū)基礎(chǔ)教育資源的差異已部分資本化到了房價上，按照梯隊模型和對數(shù)線性模型，優(yōu)質(zhì)的基礎(chǔ)教育資源會使房價平均增長33.98%。

基于以上結(jié)論，并通過查閱相關(guān)政策，我們認(rèn)為要合理解決學(xué)區(qū)房價格居高不下的問題，需要從以下幾方面入手：首先，打破就近入學(xué)，允許擇校行為，完善租房市場的法律權(quán)益，逐步實(shí)現(xiàn)“租售同權(quán)”，減少購房需求，同時，增加財政資金的公共教育投入，相應(yīng)的，完善基礎(chǔ)教育資源這一公共品財政籌資的多樣性和合理性，為低收入家庭學(xué)生提供獎學(xué)金、助學(xué)金等，降低學(xué)校間財政投入的差異，實(shí)現(xiàn)效率與公平兼顧的目標(biāo);其次，從供給側(cè)發(fā)力，鼓勵民辦學(xué)校的發(fā)展，吸引并支持民間資金的流入，使供給多樣化，增加供給，促進(jìn)競爭，緩解供求矛盾;最后，采取側(cè)重于公平的公共政策，例如：加大廉租房的分散供給、重視外來務(wù)工子女的入學(xué)規(guī)定、提高低收入?yún)^(qū)域的教育資源支持。

參考文獻(xiàn)：

[1]張浩，李仲飛，鄧柏峻.教育資源配置機(jī)制與房價——我國教育資本化現(xiàn)象的實(shí)證分析[J].金融研究，2014（05）：193-206.

[2]張雅淋，趙強(qiáng).基于配對回歸的學(xué)區(qū)房溢價研究——以南京市主城區(qū)為例[J].教育經(jīng)濟(jì)評論，2017，2（05）：92-113.

[3]胡思曼.學(xué)區(qū)房溢價研究——以北京市西城區(qū)為例[J].廣西質(zhì)量監(jiān)督導(dǎo)報，2019（08）：212.

*本文受省級大學(xué)生創(chuàng)新訓(xùn)練計劃（SYB2019047）支持。

（作者單位：南京郵電大學(xué)）