城市教育配套对住宅价格的影响：基于公共品资本化视角的实证分析

温海珍，杨 尚，秦中伏

（浙江大学房地产研究中心，浙江 杭州 310027）

1 引言

城市基础设施配套具有公共品的经济特点,其对住宅市场的外部性效应已引起国内外学者的关注。现有研究通常基于特征价格视角,构建住宅市场模型,定量测算公共设施对住宅价格的影响,进而检验公共品资本化的方向与程度。国内现有研究大多聚焦于地铁轻轨[1-2]、交通枢纽[3]、公园绿地[4]等对住宅价格的影响。对城市教育配套的资本化考察,有待于进一步探索与深化。

其实,在住宅区位、建筑品质、邻里氛围、周边配套等诸多因素中,教育资源一直被购房者重点考虑,“学区房”、“教育地产”也因此成为房地产市场热炒的概念。众所周知,位于优质的小学或初中学区内,将有利于子女接受良好的初步教育。“不让子女输在起跑线上”的思想,更使得这部分房源成为投资者和家长的追捧目标。如2010年初杭州市下城区三里家园小区从普通学区划入优质的大成实验学校学区后,三个月内房价上涨20%以上,远高于周边天杭实验学校学区内住宅的涨幅①引自搜狐焦点网http://hz.focus.cn/news/2010-04-08/899965.html。。

虽然教育公平是现代社会的发展目标之一,但中国教育资源的非均等化在中短期内将始终存在。因此,对教育资本化的量化评估极具现实和理论意义,并可为教育公平化政策提供参考依据。本文以杭州市为例,尝试构建住宅特征价格模型,定量考察教育配套在住宅市场的资本化程度,系统分析幼儿园、小学、初中、高中、大学等各类教育资源对住宅价格的微观影响。

2 文献回顾

Tiebout将城市教育、医疗、景观、交通等公共品的提供与房地产市场联系在一起,对地方公共品供应进行了一般均衡分析[5]。该理论认为,居民根据自己的收入和偏好选择居住地和相应的公共品,使得公共品质量和数量上的差异体现在房价当中,即公共品的资本化。最早关于学校对住宅价格影响的文献可追溯至Oates[6],此研究应用特征价格模型,发现美国新泽西州北部学生人均支出与住宅价格正相关。由于数据的可得性,早期学者使用投入指标表示学校的质量,主要包括：学校经费、生均经费、少数民族比例、师生比例等。Rosen等提出使用产出指标能更好地表示学校质量,主要指标有考试成绩、辍学率、AP（供在校高中生选修的本科课程学分）情况等[7]。

Jud等以3年级学生的阅读成绩作为学校质量的代理变量,证明了美国夏洛特市学校质量与房价之间存在高度的正相关关系[8]。Haurin等发现,俄亥俄州9年级考试通过率每增加1%,相应社区内住宅总价增加1.5%；同时得出学校是诸多影响住宅价格的重要因素之一[9]。Clark等以加州弗雷斯诺市为研究对象,得出学校特征对房价具有显著影响,且投入变量比产出变量有更大的弹性[10]。

近年来,学者们发现教育资源与治安状况、绿化环境、商业氛围等邻里变量密切相关。但由于数据的可得性,任何一个研究都不可能囊括所有邻里变量,这些变量的忽略可能导致教育资本化程度的偏差。解决这一问题的主要方法是边界固定效应法（boundary fixed effects,BFE）,选取学区边界线两侧一定距离的带状范围作为研究区域。假定此狭窄区域内的住宅都拥有着除学区以外的相同邻里特征,不再将犯罪率、景观、生活设施作为控制变量。首先推广此方法的是Black[11],她分别固定离学区边界0.15、0.25、0.35英里范围内的区域建立模型,结果发现应用边界固定法得出的教育资本化系数减少了一半。这也说明,邻里变量设置不全将导致教育质量在模型中的系数过大。空间特征价格模型也可用来解决这类问题。Sedgley 等调查了美国马里兰州霍华德郡的中小学教育质量和住宅市场,在考虑空间自相关的影响后,得出8年级考试成绩和SAT成绩已经代表学校质量资本化到房价中,不过3年级的考试成绩却不显著[12]。

由于数据的可获得性,国内学者运用特征价格对住宅市场进行实证研究时,常将一定距离内教育配套的“有无”作为虚拟变量引入模型,而未考虑学区范围和教育质量,所以只有部分研究得到了“教育配套正向影响住宅价格”的结论。如温海珍等选择15个因素作为住宅特征建立模型,结果“学校”、“幼儿园”等6个变量因不显著而未进入模型[13]。王旭育通过对上海中心城区调查,得出住宅500 m内的幼儿园、小学、中学每增加一项,价格上升2.7%[14]。王松涛等在研究北京市公共服务的可达性时,发现至重点中学的最短距离已资本化到房价中[15]。黄滨茹、张杰和王曦等所做的研究也得到类似的结果[16-18],但极其有限的研究样本（小学样本数分别为1个、2个和4个；住宅样本数分别为163个、30个和26个）,使得这些研究的说服力和代表性被大大削弱。

较为系统的研究是冯皓等[19]引入学校质量和学区两个因素,采用上海市52个区域的高中分布和房价的月度面板数据,并以两个批次“实验性示范性高中” 政府命名过程为控制变量。研究表明,2007年4月,1 km内第一批实验性示范性高中数量每增加1所,片区内房价平均上升21.7%。而教学质量次之的第二批实验性示范性高中对房价的正效应大约只有第一批的1/4。结果充分证明教育资源在数量上和质量上的差异已经部分资本化到住宅价格中。但该文的不足之处是2005年以后,上海已不再实行严格的高中学区制度,仍以高中作为研究对象值得商榷。在非学区制度下,可能以住宅至学校距离作为解释变量更佳。

3 数据和模型设定

3.1 数据与研究范围

本文选择杭州市6个主城区（西湖区、上城区、下城区、江干区、拱墅区和滨江区）为实证研究区域,从杭州市房地产中介服务公司获得2011年5月16日—2011年6月19日的住宅挂牌资料,由于资料时间跨度很小,所以可以不考虑时间对价格的影响。为保持数据的统一性,本文研究对象仅包括多层、小高层和高层住宅,以避免别墅、排屋等其他较高价格商品房的影响。同时,2011年6月21日—2011年7月13日对研究区域内660个住宅小区进行实地调研,以确认和补充中介公司没有提供的小区相关信息（如小区内部环境、物业管理质量、小区周边环境和生活配套设施等）,使数据更为精确完整。

区位变量则利用互联网电子地图（搜狗地图）进行测量,得出各个住宅小区到西湖沿岸最近的直线距离,到杭州市老CBD（武林广场）、新CBD（钱江新城）的直线距离。部分邻里特征和教育特征（如周边配套、幼儿园数目、邻近高中等）利用电子地图测量和实地调研进行校对确认。从房产中介公司获得数据样本总计为3220个,剔除信息不完善和异常的数据,得到有效样本3069个。

3.2 变量选择与量化

特征价格模型常采用的解释变量主要分为建筑特征、邻里特征和区位特征[13,20]。本研究关注教育配套对房价的影响,特别地将其从邻里特征独立出来,设置了5个教育特征变量。其余4个区位特征变量、5个邻里特征变量、5个建筑特征变量作为研究的控制变量,因此,共选取19个指标作为模型的解释变量。有关各指标的含义、量化方式和预期符号见表1。

5个教育特征变量为：小学质量、初中质量、幼儿园数目、邻近高中、邻近大学。由于小学和初中属于义务教育,地方城市政府应当保障适龄儿童、少年在户籍所在地学校就近入学。其入学方式可以总结为：按片划分、就近入学、免试入学和“住、户一致”优先原则。由于学区制的存在,小区所属的小学和初中质量将对房价产生重要的影响,家庭也愿意为这种教育环境支付更高的住房价格。学校质量是硬件条件、师资队伍、升学率等的总体体现,是学校社会声誉的综合反映。本文中以住宅小区为单位,与小学、初中的学区具有明确的对应关系,幼儿园、中学、大学则通过考察可达性,以1 km作为其对房价的影响范围。结合杭州市的实际情况,将小学质量和初中质量分为4个等级。由于幼儿园、高中、大学等教育设施不存在学区制,主要考察小区周边1 km内的幼儿园数目以及是否有高中和大学。

表1 变量描述、量化与预期符号Tab.1 Measure description, quantization and expected sign

3.3 模型的函数形式

特征价格模型常采用的方程形式有3种：线性形式,对数形式,对数线性形式。经过不断尝试和比较,本文采用对数形式建立模型,以住宅价格的对数形式为因变量,自变量中距离、面积、房龄等连续型变量采用对数形式,虚拟变量和等级变量采用线性形式。具体函数形式如式1：

式1中,P为住宅价格；Xi为连续型特征变量；Xj为非连续型特征变量；β0、 βi、 βj为待估计的系数；ε为误差项。

4 模型结果与讨论

利用SPSS软件,应用最小二乘法对影响住宅价格的特征变量和住宅价格进行回归分析,得出模型的回归结果（表2）。

表2 模型回归结果Tab.2 Regression results of model

4.1 模型估计与检验

方差分析F统计值为1517,其显著性概率小于0.001,说明方程总体上是显著的,表明所选住宅特征变量与住宅价格之间的对数关系是非常密切的。经调整的R2值为0.904,模型能很好地解释因变量,说明模型的拟合程度较好,具有良好的解释能力。共线性检验中,所有变量的VIF值均小于10（最大为3.227）,5个教育特征变量的VIF值均小于2,可以认为自变量之间共线性程度不大,已控制其他因素对房价的影响。总之,选用的对数模型具有良好的拟合度和较高的解释能力,在统计上是有意义的,可以用来分析和解释教育质量和其他住宅特征对住宅价格的影响。

4.2 住宅特征的符号分析

从回归系数的t检验来看,全部19个自变量的回归系数在10%的水平上均显著异于0,进入了模型,全部系数的符号与住宅特征预期的符号相一致。大部分变量（14个）的显著性水平小于1%,邻近高中和房屋结构的显著性水平小于5%,幼儿园数目、武林距离和公交线数目显著性水平小于10%。总体上,房龄、钱江新城距离、武林广场距离、西湖距离对房价有负的影响,其余建筑结构变量（面积、房屋结构、朝向、装修等）,邻里变量（周边配套、内部环境、物业管理等）以及所有教育变量都对房价有正向的影响。

4.3 教育特征的资本化分析

从表2可知,各类教育设施对住宅价格的影响程度有所差异,但都正资本化于周边住宅中。变量小学质量和初中质量的系数分别为0.023和0.026,且显著性水平小于0.01。根据本模型的函数形式和相关代数知识可知,此系数约等于学校质量特征的半弹性系数。即在其他变量保持不变的条件下,小学质量或初中质量每上升1个等级,住宅价格分别上升2.3%、2.6%。初中质量的系数大于小学质量系数,表明优质初中对房价的提升作用更明显,初中有更高的资本化效应,购房者更愿意为一所优秀的初中支付更多的住宅价格。

此外,自变量幼儿园数目、邻近高中和邻近大学系数分别为0.001、0.018和0.021。可以得出小区1 km范围内每增加一所幼儿园,住宅总价上升0.1%；在高中1 km范围内,住宅总价上升1.8%；处于大学1 km范围内,住宅总价上升2.1%。体现出幼儿园的便利性和高中、大学的良好人文氛围、环境与运动设施对住宅价格具有显著的正向影响。

4.4 教育特征重要程度分析

由于住宅的各类特征变量单位不同,一般用标准化回归系数的绝对值衡量不同特征对住宅价格影响程度。从表2知,初中质量排第6位,小学质量排第7位,邻近大学为第13位,邻近高中第17位,幼儿园数量排18位。数据表明有学区限制的教育配套比非学区的对住宅价格的影响大,其提升作用更为明显。其中初中质量在教育变量中最重要,且在所有变量中也有较高的重要性。总的来说,教育特征对住宅价格的影响不容忽视,教育设施的学区效应和可达性在本研究中得到验证。

5 结论与讨论

本文以杭州市为例,通过收集6个主城区660个住宅小区和3069套住宅的数据资料,建立特征价格模型,定量评估了杭州市内各种类型教育设施在住宅市场的资本化程度。研究结果表明,教育设施对住宅价格具有正向的资本化效应,居民愿意为获得教育配套更好的质量或可达性支付附加价格；教育设施因类型不同,对住宅价格的影响程度也不同。小学和初中存在显著的学区效应,幼儿园、高中和大学则通过可达性提高了周边住宅的价格。

教育配套对房价具有显著正向影响,其原因主要有3个方面。（1）小学、初中虽然是义务教育,但是学校质量存在一定差距,由于学区制的存在,教育资源的分配和使用在空间上依然无法公平。（2）幼儿园、高中、大学虽然具有开放性,但是区位的固定性使得邻近该类教育配套能够带来便利性等外部效益。（3）中国房地产市场处于发展阶段,不少购房者对学区概念的房产品具有投资偏好。这3者共同作用,使得学区房比其他住房具有更高的价格。

研究结论揭示了城市教育资源的均等化战略依然任重而道远。只有支付得起高价学区房的人才有接受良好教育的机会,加剧了优质教育资源被高收入家庭获得的状况。若考虑到这种行为对下一代就业和财富积累的促进作用,以及优质教育的垄断将传递至下一代,最后必然强化社会贫富差距和阶层分化。

另一方面,地方政府对学校的财政投资已经资本化到学区内的住宅价格,但这笔回报并未被政府部门全部获得。中国除上海市和重庆市有条件的试点外,财产税（物业税）的征收并未在全国大面积展开,缺乏直接有效的公共品投资回流途径,优质教育设施对住宅的增值部分基本流入房地产投资者和开发商的手中。由此可见,尽早建立财政支出和营收的长效机制就显得极其必要。2011年8月3日财政部和教育部联合下发通知,要求各地的土地出让收益扣除土地直接支出外,严格按照10%的比例计提教育资金,并不得由此减少原公共财政预算安排的教育经费。这项政策向教育均衡化发展和实现教育经费来源持续性迈出了坚实的一步,同时有利于中国房地产发展和土地出让收益的合理利用。

（References）:

［1］ 郑捷奋,刘洪玉.深圳地铁建设对站点周边住宅价值的影响［J］.铁道学报,2005,27（5）：11-18.

［2］ 张红,马进军,朱宏亮.城市轨道交通对沿线住宅项目价格的影响［J］.北京交通大学学报（自然科学版）,2007,31（3）：10-13.

［3］ 石忆邵,郭慧宁.大型公园绿地对住宅价格的时空影响效应——以上海市黄兴公园绿地为例［J］.地理研究,2010,29（3）：510-520.

［4］ 石忆邵,张蕊.上海南站对住宅价格影响的时空效应分析［J］.地理学报,2009,64（2）：167-176.

［5］ Tiebout C M.A pure theory of local expenditures［J］.Journal of Political Economy,1956,64（5）：416-424.

［6］ Oates W E.The effects of property taxes and local public spending on property values：an empirical study of tax capitalization and the Tiebout hypothesis［J］.Journal of Political Economy,1969,77（6）：957-971.

［7］ Rosen H S, Fullerton D J.A note on local tax rates, public benefit levels, and property values［J］.Journal of Political Economy,1977,85（2）：433-440.

［8］ Jud G D, Watts J M.Schools and Housing Values［J］.Land Economics, 1981, 57（3）: 459-470.

［9］ Haurin D R, Brasington D M.School quality and real house prices： inter-and intrametropolitan effects［J］.Journal of Housing economics, 1996,（5）：351-368.

［10］ Clark D E, Herrin W E.The impact of public school attributes on home sale prices in California［J］.Growth and Change,2000,31（3）：385-406.

［11］ Black S E.Do better school matter Parental value of elementary education［J］.The Quarterly Journal of Economics,1999,114（2）：577-599.

［12］ Sedgley N H, Williams N A, Derrick F W.The effect of educational test scores on house prices in a model with spatial dependence［J］.Journal of Housing Economics,2008,17（2）：191-200.

［13］ 温海珍,贾生华.住宅的特征与特征的价格——特征价格模型的分析［J］.浙江大学学报（工学版）,2004,38（10）：38-42.

［14］ 王旭育.基于Hedonic模型的上海住宅特征价格研究［D］.上海：同济大学,2006.

［15］ 王松涛,郑思齐,冯杰.公共服务设施可达性及其对新建住房价格的影响——以北京中心城为例［J］.地理科学进展,2007,26（6）：78-85.

［16］ 黄滨茹.教育配套对其周边住宅价格的影响——基于人大附小学区划片对周边住宅价格的影响的调查［J］.消费导刊,2010,（2）：58-60.

［17］ 张杰.上海市浦东新区房地产的学区经济价值分析［J］.科学与财富,2010,（4）：77-78.

［18］ 王曦,葛幼松,张含.南京老城区学区房价格机制研究［J］.合作经济与科技,2010,（12）：10-13.

［19］ 冯皓,陆铭.通过买房而择校：教育影响房价的经验证据与政策含义［J］.世界经济,2010,（12）：89-104.

［20］ 王德,黄万枢.Hedonic住宅价格法及其应用［J］.城市规划,2005,29（3）：62-71.