社会性基础设施对城市房价的溢出效应：来自中国的证据

周梦雨

（新南威尔士大学， 澳大利亚 悉尼NSW）

一、文献综述

Yu和Wu发现中国城市化进程的特点是人口城市化不足和城市用地扩张过快，其主要特征是通过土地开发获得经济效益。Yao等认同从1978年中国实行住房改革开始，房地产业逐渐成为我国的支柱产业。

以往的研究多侧重于一些宏观层面的和中观层面的因素对城市房价的溢出效应。Chow等、Zhang和Fan的研究证明了房价的区域正空间溢出可能存在动态关联。考虑到中国中央政府的决策权，之前的研究已经确定了宏观政策对中国房地产市场的作用，如：Zhang等发现中国绿色建筑标识的大规模实施促进了住宅行业的可持续性。Liu等认为中央政府意识到房地产市场的健康发展与居民生活密切相关，因为房价促进了40年来对中国经济发展作出巨大贡献的城镇化进程，进而作用于城乡收入差距。同时，Lan、Wang和Zhu等的研究指出收入反过来又对房价产生正向影响。但是，Liu等和Zhu等认为利率对房价有负面影响。此外，Bardhen、Wang等和Zhu等认同在Balassa Samuleson效应的支持下，房价随着经济的开放而显著上升。对于城市层面的溢出效应，Wu认为作为经济性基础设施，新建轨道交通附近的房价将迅速上涨。Zheng等和Wang的研究以北京为例，说明了低供给地区的地铁可达性资本化程度较高。Xiao等的研究以南京市为例，检验了可达性的提高导致了住房溢价的提高，其结果与预期一致。Liu等的研究以成都为例，检验了空气质量溢价更能吸引租客，而不是业主。Gong等提出集聚经济学对房价的网络溢出效应显著。然而，总体公共基础设施投资的跨地区溢出效应并不明显。Zheng等建议未来的研究应当关注细分的公共基础设施的空间溢出现象。因此，本文将从中观层面研究社会性基础设施的溢出效应，并比较本地区的和相邻地区的社会性基础设施分别对这两地区的房价的溢出效应。

本文将运用Hedonic分析方法，评估不同社会性基础设施房价的溢出效应。Hedonic Model认为房地产是由不同的特征组成的，这些特征代表着每个公民的各种效用。例如，中国的义务教育实行的“就近招生”政策（又名“学区制”）要求学校按指定的学区招生，将学校招生权变相与学区内的房地产所有权挂钩。目前，中国义务教育资源在不同行政区域的分布不均衡，质量参差不齐。段炼指出中国家长在不让孩子输在起征线上的教育理念下，为了让孩子获得进入优质学校的权利，不得不在相应的学区购买房产，导致了“学区房”热潮。此外，Qiu等的研究计算出在北京的房价中，教育效用的溢价高达21.2%。

同样，Peng指出在一个人们更加注重身心健康、医疗质量的时代，文化娱乐的多样性和商业服务的全面性也已经成为人们选择住房的关键因素。这些基础设施的资本化也间接体现在房价上。之前的研究已经理论化了单一社会性基础设施在某些地区的效益，但却揭示了不一致和不完整的结果。

二、检验假设

不同的社会性基础设施的溢出可能导致不同的结果。提高学校质量在本质上是提高了学生受到教育的质量。Asadi提出对于发展中国家的家庭来说，拥有较高水平的家庭人力资源、教育水平和教育质量是主要被关注的问题之一。同时，Anderson和Kohler认为与韩国父母一样，中国父母有能力培养出高水平、有竞争力的子女，因为他们对子女的成功负有更大的责任。此外，从自然的角度看，家长对教育质量高的住宅小区有较高的效用。然而，Zhang和Fa发现在中国，户口制度被用来将学生分配到他们所居住的地区的学校，导致教育招生权与住房所有权相结合。这意味着户籍制度的溢出效应，在义务教育阶段表现明显，尤其是公立小学。因此，我们得到了一般的论点：

H1：义务教育设施（公立小学）对城市房价有正向溢出效应。

Fu等人发现中国医疗卫生资源的地理分布差距较大，需要更多更好的医疗服务。Pan等人的研究结果表明本应由政府补贴推动的全民医疗保险更多地流向了富人，因此高收入群体比低收入群体受益更多。同时，Fu等人还发现中国的医疗资源大多位于经济发达省份，使患者向医疗多元化地区转移。因此，由于寻求更好医疗的压力增加，人们便愿意支付住房价格的医疗效用。随之，其溢价就会增加。

H2：医疗卫生设施数量对房价有正向溢出效应。

Li等人在研究中提出随着城市化进程的推进，公园和绿地资源也成为了住宅选择的重要考虑因素。Wu等人、Yang等人和Zeng等人的研究结果都表明在房价与公园绿地的相互促进关系上，相关研究的一致性较高——公园绿地的可达性和绿色评级溢价能够有效地正向影响房价。

H3：休闲娱乐设施（公园）对房价有正向溢出效应。

三、模型及数据

社会性基础设施的空间溢出效应是多方面的，本文研究的社会性基础设施包括教育、医疗卫生和休闲娱乐。目前，对社会性基础设施空间溢出效应的研究通常构建空间计量模型，即在模型中加入空间权重矩阵进行分析。本文借鉴胡燕和朱文霞的检验方法，构造了两种类型的空间权矩阵。但不同的是，文本采用了反地理距离矩阵：

1.二进制空间权重矩阵：如果两个地区相邻，对应的权重元素值为1；如果两个地区不相邻，权重元素值为0。最后，将各行元素之和标准化为1：

而区域i与区域j不相邻

2.反地理距离矩阵：D为第i地区的地理距离，最后将各行元素之和标准化为1：

本文将通过反地理距离矩阵分析社会性基础设施对经济增长的空间溢出效应。构建的实证模型具体形式如下:

其中P代表城市房价。

本文采用2010-2019年中国统计年鉴的数据。其中各要素解释如下:

第一，核心解释变量：

教育(Education)：公立小学的入学名额与房屋所有权相关联，所以这里的教育用中国义务教育中的公立小学的数量来衡量。中国家长倾向于让孩子赢在“起跑线”，因此这里主要分析相关地区的城市中公立小学的数量。教育被称为生产力体系的预备因素，为生产力的继承和发展提供人才。因此，更轻易的获得教育增加了P（城市房价），为家庭提供了更好的人力资本。

医疗卫生(Hospital)：这里的医疗卫生用相关地区的城市医院的数量来衡量。身体健康是一切活动的基础，是继续教育的前提，关系到每个人的幸福。因此健康与教育一样重要，是促进经济增长的必要投资，可以提高个人劳动生产率。医疗的便利性增加了P（城市房价），为家庭贡献了人力资本的基础。

休闲娱乐(Park)：这里的社会性休闲娱乐基础设施用公园和绿色广场来衡量。公园不仅具有文化功能，而且具有经济功能。城市公园与绿地为大量市民提供了户外活动的空间。细分为两个变量来进行分别检验：一个是Park，代表相关地区的公园数量，附近的公园越多，P（城市房价）值的增加就越大。另一个是PGarea，代表了人均公园绿化面积，是反映城市居民生活环境和生活质量的重要指标。附近的人均公园绿化面积越高，P（城市房价）值越高。

第二，控制变量：

人均可支配收入（Dincome）、人口总数（Population）、人口密度（Pdensity）：收入是交易的前提，人均可支配收入可以反映该地区人均购买力。同时，总人口越多、人口密度数大，对于住房的需求就越大。因此，局部的人均可支配收入、局部的人口总数和局部的人口密度均对P（城市房价）有正向影响。

路灯（Light）、公共交通(Ptransportation)：二者都属于经济性基础设施，指相关地区道路路灯总数量和房屋附近的地铁和公交车的总数量，均反应了相关地区道路建设及繁华程度。此外，交通基础设施与市民的出行、工作、购物和生活息息相关。城市轨道交通的建设可以促进城市沿地铁线的发展，形成多个副中心，从而缓解城市人口密集、住房短缺、城市中心绿地面积小，空气污染严重等问题。因此，相关地区道路路灯总数量和房屋附近的公共交通运营数辆越多，P（城市房价）越高。

用电量（Econsumption）：指相关地区总用电量(亿千瓦/小时)。用电量一直被认为是宏观经济的“晴雨表”之一，侧面反应了相关地区周边经济建设。因此，相关地区用电总量越多，P越高。

四、实证结果

进行模型估计之前，首先需要结合拉格朗日乘数（LM）与稳健拉格朗日乘数（Robust LM）进行检验，判断空间关联性的存在形式（以误差项还是以滞后项存在），即SPEM还是SPLM更为合适，其次，需要通过瓦尔德（Walds）和似然比（LR）来判断SPDM是否可以简化为SPEM和SPLM。LM检验中除Robust LM-spatiallag不显著，其他均显著，故SEM模型要优于SLM模型。其次，Wald检验和LR检验对比基本上可以拒绝SDM退化为SLM与SEM的原假设，即SDM不可退化为SLM和SEM。

表1 检验

因此，分别进行SDM空间固定（SDM_ind）、时间固定（SDM_time）、时空双固定效应（SDM_both）以及随机效应（SDM_random）的对比回归来分析本地区教育、医疗卫生、休闲娱乐对本地区房价的作用；本地区教育、医疗卫生、休闲娱乐对临近地区房价的空间溢出作用；临近地区教育、医疗卫生、休闲娱乐对本地区房价的空间溢出作用。

由表2可以看出，空间固定效应回归结果显著性较好，核心解释变量Education（教育）在10%的显著性水平下与因变量呈正相关关系，Hospital（医疗）在10%的显著性水平下与因变量呈正相关关系，Park（休闲娱乐）在1%的显著性水平下与因变量呈负相关关系。

表2 本地区教育、医疗卫生、休闲娱乐对本地区房价的作用

其中，Education在时空双固定效应中在10%的显著水平下与因变量呈正相关关系，表明教育资源是买家购房时对提升家庭人力资本的重要考量。每一单位教育资本提升，城市房价随之提升4单位以上。其中Hospital不仅在空间固定效应回归结果显著性较好，在随机效应（5%显著水平下）和时空双固定效应（10%显著水平下）中均与因变量呈正相关关系。这说明在购房过程中，买家更注重医疗资源，映射出人们对健康的重视。其次，休闲娱乐中PGarea的回归结果显示其对因变量的影响并不显著，而NPark却与因变量有负相关关系。这说明，现在的购房者对于休闲娱乐的选择可能更倾向于商场等娱乐中心，并不首选公园。

由表3可以看出，本地区核心解释变量只有Education（教育）与相邻地区房价有显著性关系。在时间固定效应中在1%的显著性水平下与因变量P呈正相关关系，在随机效应中在5%的显著性水平下与因变量P呈正相关关系。其余本地区核心解释变量均与相邻地区房价无显著性影响关系。说明，本地区公立小学的数量对相邻地区的房价有溢出作用。

表3 本地区教育、医疗卫生、休闲娱乐对相邻地区房价的空间溢出效用

由表4可以看出，空间固定效应回归结果显著性较好，核心解释变量Hospital（医疗）在10%的显著性水平下与因变量呈正相关关系，Park（休闲娱乐）在5%的显著性水平下与因变量呈负相关关系。其中Hospital不仅在空间固定效应回归结果显著性较好，在随机效应（5%显著水平下）和时空双固定效应（1%显著水平下）中均与因变量呈正相关关系。这又一次说明了医疗卫生在城市房价中的溢出效用。

表4 相邻地区教育、医疗卫生、休闲娱乐对本地区房价的空间溢出效用

与表2、表3类似，PGarea仍没有显著影响，指示出人均公园绿化面积对城市房价并无溢出效用。结合公园个数对城市房价的负相关关系，可得出大部分人在购房时并不会考虑周边是否有公园以及公园的绿化和可承载性。

最后，在表2-4中可以得出，Population（人口总数）作为控制变量对因变量有明显的正相关关系，且其显著性在时间固定、时空双固定效应以及随机效应中均较好。Pdensity（人口密度）对城市房价均呈正相关关系，但没有Population的作用显著。Dincome（人均可支配收入）在本地区社会性基础设施对本地区城市房价的增长作用和相邻地区社会性基础设施对本地区城市房价的溢出作用呈负相关关系，在本地区社会性基础设施对相邻地区城市房价的溢出作用中呈正相关关系。经济性社会基础设施Ptransportation（公共交通）和Light（路灯）均对城市房价没有显著影响。只有本地区的Econsumption（用电量）对相邻地区城市房价成负相关关系。

本文利用我国30个省份2010-2019年的面板数据，分析了我国分类别的社会性基础设施（教育、医疗、娱乐）对于城市房价增长的促进作用，其中不仅包括本地区社会性基础设施对于本地区房价增长的作用和对于相邻地区房价的空间溢出效应，还包括相邻地区社会性基础设施对于房价增长的空间溢出效应。结果表明，首先，医院数量对城市房价有最明显的正相关关系和溢出效应。说明身体健康是一切活动的基础，是继续教育的前提。为了让孩子赢在“起跑线”，小学教育资源也是购房时被考虑的重要因素，其与城市房价呈正相关关系和溢出效应，仅次于医疗。其次，人均公园绿化面积对城市房价没有显著影响，公园数量与城市房价呈负相关关系，与之前的研究结果相反。