大学新建校区能带动房地产价格上涨吗？ ＊——基于北京市土地和住房微观交易数据的实证分析

张文杰 哈 巍

（北京大学教育经济研究所，北京 100871）

一、引言

高等教育与社会经济发展之间的联系日益紧密。教育尤其是高等教育主要通过以下四种机制作用于经济增长：第一，通过提高人力资本质量推动全要素生产率提升；第二，通过培养相应产业人才加速产业结构转型升级；第三，提高农业劳动生产率以使农民从土地上解放出来，加快以人为核心的新型城镇化进程；第四，通过调节收入分配结构与更新消费观念来刺激消费（闵维方，2017）。可以说，高等教育所具有的诸多正外部性正在使其成为地方社会经济和文化发展的新地标（谢维和，2018）。以往研究大多关注大学对生产要素集聚、产业结构优化升级等方面的影响，其实除此之外，正如闵维方（2017）所指出的，城镇化也是教育拉动经济增长的重要引擎之一。教育产业正在以其巨大的经济附加值及其相关产业的带动作用，成为城市发展实力的重要组成部分和提升城市活力的重要元素（张建东，2004）。大学能够以强大的资源集聚与辐射带动功能促进城镇化进程（阎堃，顾培亮，2003；胡茂波，史静寰，2014）。特别是20 世纪末随着高校扩招而在国内城市边缘地带兴起的大学新建校区与规模化的大学城建设有效拉动了城镇化建设。大学城愈来愈成为高等教育与社会经济协同发展的重要枢纽（潘懋元等，2002）。大学城作为一个以促进社会进步为目的的集约人口、经济、信息、技术和文化的空间地域系统，能够提升城市人口平均受教育水平，提升城市文化品位，凝聚人气，有力拉动城镇化建设（徐志伟，2001；陆青，2003）。从大学城与城市中心的空间关系看，大学城一般以建在城市的郊区为主，在地域上与城市连为一片，形成规模不等的“城市带”或“城市群”，属于外延型城市化（徐志伟，2001）。其通常承担着拓展城市发展空间、优化城市空间布局、合理化城市各生产要素配置、提升城市竞争力的功能（张建东，2004）。

大学在对于加速迁入地尤其是欠发达地区城镇化过程中，最直接的影响便是率先改变城市周边土地的利用方式，使农用地转变为商服、住宅等城市建设用地，加速土地升值。大学能够通过上万人口的集聚带动周边餐饮、娱乐、房地产等各类产业和消费需求，加快人才流、物质流、资金流、技术流和信息流的流动速度，促使教育要素、人口资源与地理环境不断聚合，使区域优势与地价优势互补，带动相邻地区发展，为土地增值（张建东，2004）。

自1999 年高校扩招以来，部分老校区办学条件不足，由此掀起了新建校区建设热潮，不少大学走向以郊区化为特征的“郊外扩张”进程（赵俊芳，2010）。据不完全统计，当前全国800 多所公办本科院校中有424 所在同城建立了450 余个新校区，全国已建成或在建的大学城数量超过120 个。①如此大规模的新校区建设在世界范围内也并不多见，这为我们检验大学对地区经济发展的影响及机制提供了难得的准实验环境。目前，学界对新建校区的讨论主要集中于校区的定位布局（霍晓冉，李名义，2015）、建设管理（沈红等，2001）、文化融合（李宁，2017）、规模效益、师资队伍建设（高升，2017）、生源质量（哈巍，罗蕴丰，2018；罗蕴丰，2020）等维度，鲜有研究对新建校区与区域经济发展之间进行严格的因果推断与实证效果评估。陈东阳，哈巍和叶晓阳（2021）使用国内主要一线城市148 个区县19 年的面板数据进行准实验研究，发现新建校区对所在区县整体经济增长具有促进作用，并且对第二产业和第三产业的经济活动影响最为明显。就进一步大学与城镇化的关系而言，Wang & Tang（2020）实证研究发现，国内大学城的建立对当地夜间灯光密度和人群密度具有积极影响，能够使周边10 km 范围内的地价尤其是商服和住宅用地价格平均上涨7%—12%，有力验证了大学城对土地的资本化效应。但该研究是以大学城为单位，无法得知单个新建校区的效应大小以及不同层次与不同质量院校资本化效应的差异。本研究将借助新建校区这一相对外生冲击，选取反映区域城镇化建设的显性指标之一—房地产价格（包含地价和房价两个部分），基于北京市近二十年的土地和住房交易微观数据，以准实验的方法量化评估大学的资本化效应，为高校新建校区的建设与完善提供有益的政策参考和理论补充。

二、文献综述

（一）新建校区对房地产价格的影响机制

自1994 年财政分税制改革以来，地方对土地财政的依赖性越来越高，土地出让金成为地方政府预算外财政收入的主要组成部分。不少地方政府将高等教育扩张背景下新建校区的蓬勃发展视为其追求土地出让收益最大化的良好契机，积极推动新建校区周边公共设施的配套，以加速土地的出让速度、提升土地升值空间。特别是2003 年“招拍挂”经营用地出让制度的规范化进一步为土地市场的快速发展和土地红利的释放奠定了基础，地方政府愈发热衷于对公共品尤其是周期较短的经济性公共品进行前期投资，使其在土地出让之际发生资本化效应并迅速反映到转让价格中去，通过高额出让商住用地的方式“以地生财”（左翔，殷醒民，2014；郑思齐等，2014）。在“土地财政”驱动下，地方政府和房地产开发商相结合，城市快速扩张，尤其是在城市边缘地带掀起了轰轰烈烈的“造城”运动，各级各类开发区和新区新城急剧增长。而二十世纪九十年代末兴起的各类大学城是继开发区后的第二波“圈地运动”高潮，同样也是地方政府为使其以土地为中心的逐利行为合法化而建设的项目（张越，叶高斌，姚士谋，2015；Zhuang & Ye，2018）。地方政府率先在城郊地区低价征地，通常是农用地转城市建设用地，然后给予高校低价或无偿划拨的土地优惠政策，再配以一定的基础设施建设和公共服务，吸引高校大规模迁入，在此过程中借助新建校区的高等教育资源以及庞大的潜在消费群体向房地产开发商释放商机信号，高价转让校区周边商住用地的使用权，以此谋取土地红利，获取预期的土地财政收入（陈多长，2016）。有研究发现地方高等教育规模发展显著提升了城市土地出让平均价格，高等教育在校生规模每增加1 万人，土地出让平均价格上升15.12—16.54 元/平方米（陈建伟，苏丽锋，2016）。

就大学对房价的影响机制，已有研究主要从以下三个视角切入展开讨论。第一，多样化消费需求的激增。大学庞大的师生群体对于迁入地而言，是巨大的新经济增长点，将直接拉动餐饮娱乐等行业的生活性服务消费需求，使非城市用地快速转化为教育、居住、交通、商业等多种用途的城市用地，繁荣服务业与地产行业，为当地带来蓬勃的发展生机（高璐敏，2014；Valero & Van Reenen, 2019）。丁小浩和陈良焜（2000）就高校扩招对国民经济规模影响进行估算，得到每扩招一个学生，对饮食业最终需求的增量为990 元，对各经济部门需求总量为11 798 元，1999 年共计扩招的48 万学生将最终增加56.63 亿元的需求量。且师生的迁入会增加该地区的住房需求（Cortes，2004）。一方面，诸多大学在新建校区附近建经济适用房以解决教师住房和交通问题；另一方面，由于毕业生对院校地的劳动力市场更为熟悉，并且已建立了一定的社会关系网络，具有在就学地就业的偏好，是当地甚至大学周边潜在的稳定居民群体（Zheng & Kahn，2008；马莉萍，岳昌君，闵维方，2009；杨钋，门垚，马莉萍，2011；岳昌君，2011；Valero & Van Reenen，2019）。陈斌开和张川川（2016）研究发现，高等教育人口占比每增加1个百分点，城市住房价格将上涨4.6%—7.9%，这可解释2002—2009 年间房价增幅的约12%-20%。

第二，高水平公共服务的供给。大学作为准城市公共品，有利于营造浓厚的文化氛围，打造高层次的人居环境，吸引人口的集聚。美国著名经济学家Tiebout（1956）提出了经典的“用脚投票”（vote with feet）理论，指出地方政府所提供的教育、医疗等公共服务水平具有明显的差异化，居民会倾向于选择公共服务水平更高的地区进行居住。公共品供给水平较高的地区因住房需求旺盛与人口集聚而房地产价格上涨。大学以其自身具备的大型开放空间，文化、体育、娱乐设施，各类娱乐活动和艺术展览，及其附近区域便捷的公共服务特别是发达的交通网络和繁荣的零售业吸引着消费者和住房者（曾国平，李雪松，2004；Zheng & Kahn，2008；Vandegrift，Lockshiss，Lahr，2012）。

第三，高质量人力资本的集聚。大学能够以知识溢出的方式吸引高新技术产业的入驻与高端人才的迁入，进而创造大量的消费和住房需求（Wang & Tang，2020）。Jaffe（1989）提出的地区知识溢出理论（localized knowledge spillover theory）强调知识特别是以技术操作与口头交流为代表的隐性知识的传播需要依赖于距离，距离越近，传播的成本越低，程度越高。不少研究证实了企业特别是知识密集型企业在高校周边选址的倾向性（Anselin，Varga，Acs，1997；Bonander et al.，2016）。而这些企业高技术员工往往有着更高的商品服务需求与刚性购房需求，且具有较强的支付能力，能够有效推动服务业发展与房地产市场的繁荣（陈斌开，张川川，2016）。如麻省理工学院和哈佛大学支持的波士顿128 号公路，杜克大学、北卡罗来纳大学和北卡罗来纳州立大学支持的三角研究园，吸引了诸多高科技产业创新者，产生了大量的住房需求（Zhong et al.，2018）。且有研究表明高层次高素质知识分子的集聚将会进一步产生有益的同伴效应，营造良好的人文环境，甚至还会吸引受过良好教育和富裕的中产阶层居民（Cortes，2004）。

（二）相关实证研究

国内外研究大多集中于通过特征价格模型（Hedonic Model）验证大学对其周边房价的资本化效应。如温海珍，杨尚和秦中伏（2013）验证了大学对其1 km 范围内房价具有显著的正向影响，且房价随着与大学之间距离的增加而递减。且有文章进一步探讨了不同院校类型与院校质量对房价的异质性影响。基于美国新泽西州市级数据的研究发现相较于两年制社区学院，设有四年制大学的市级房价要显著高出其他地区约2.7 个百分点（Vandegrift，Lockshiss，Lahr，2012）。Zheng & Kahn（2008）实证分析显示住房周边大学的录取分数线每提高一个标准差，房价上涨5%。Zhong et al.（2018）研究发现只有985、211 院校才对邻近房价具有正向资本化效应，普通地方院校和独立学院则没有。且相较于老校区，新建校区更能够带动周边基础设施的不断完善，房地产升值潜力较大（徐莹，2009）。王灿和台玉红（2018）以上海松江大学城为例，发现大学城在投入使用10 年后对房价的影响远大于5 年，随着新建校区落成时间的推移，公共配套设施不断完善，生活便捷度日益提高，大学自身良好的人文效应逐渐凸显，周边房地产市场竞争力日益增强。

仅个别研究关注到了新建校区对住宅地价的影响。隋雪艳等（2015）以2004—2011 年南京市江宁区的住宅用地出让数据为例，发现江宁大学城对住宅地价有显著促进作用，且高校密度越大，促进作用越显著。阚博颖等（2019）进一步基于南京主城区2014 年住宅用地监测点数据，发现大学对住宅地价影响呈多核心模式，仙林大学城对住宅地价驱动明显，而南京高校本部集中所在地—玄武湖北部、凤台南路段对地价无显著影响，南京高校向大学城的迁移一定程度上削弱了主城老校区对地价的影响。

目前对大学或新建校区资本化的研究或聚焦于住宅地价，或聚焦于房价，尚未关注到商服地价，更未关注到新建校区资本化效应在土地出让（一级市场）和房屋出售（二级市场）等不同时间节点的差异性。王轶军，郑思齐和龙奋杰（2007）基于北京市2004—2006 年81 个招拍挂地块和2004—2005年685 个商品住宅的交易数据，发现居民愿意为居住在地铁站、公交车站和公园周边支付更高的住宅价格，但是这种价值没有被资本化到土地价格中，即居民对城市公共服务的偏好没有被房地产开发商以地价的形式传递给政府，开发商成为实际受益者。Zheng & Kahn（2013）以北京市2005—2008 年86 个招拍挂地块和2006—2008 年7 091 个新建商品住房的微观交易数据为例，实证分析表明地价对公共设施投资的反应速度慢于房价且具有一定的不确定性，奥林匹克公园及新地铁站的开工和竣工皆对房价有显著的正向溢出效应，但地价的资本化则要等到新建地铁站竣工时才会发生。汤玉刚，陈强和满利苹（2016）基于我国35 个大中城市2001—2011 年的面板数据，发现交通基础设施能够在土地出让之际资本化到地价中，其余多数公共品的资本化发生在住宅销售环节。大学新建校区与上述城市公共品具有一定的相似性，其在规划甚至是动工建设后的很长周期内都存在着资本化效应的不确定性，新建校区能否按时竣工、何时启用、师生搬迁规模大小、周边基础设施建设是否齐全，能否起到活跃土地交易和房地产市场、拉动房地产经济发展的作用，资本化效应是在土地出让之际就能够被捕捉到，还是要待校区启用与人力资本集聚后才能释放，尚且是未知且需要去探索的，这对于校区建设乃至高等教育资源空间布局都具有深刻的理论与实践价值。且就目前来看，公共服务资本化的时序特征这一领域尚且有不小的研究空间，特别是由于房地产市场微观交易数据的难获取性，将地方公共品、地价和房价相结合的微观研究尚不多见。中国在公共品和土地市场上的独特特征，为这一领域的进一步研究提供了很好的机会（郑思齐，2013）。

综上所述，从研究内容来看，目前大多研究基于特征价格模型对老校区进行房价资本化的实证分析，大学特别是新建校区的资本化效应未得到广泛关注，对地价的研究也仅停留在住宅用地价格方面的讨论，研究空间较大。从研究方法来看，多数研究采用特征价格模型，存在遗漏变量偏误、内生性等问题，但由于准实验估计需要具备一定的条件，相较于一般的回归分析要求更高，目前这类研究方法尚未被应用到大学与区域经济发展的相关研究中，因此，借助新建校区这一外生冲击研究其对房地产价格的影响，具有研究方法上的优势。

三、研究设计

基于对已有研究的回顾与研究不足的讨论，本文将采用北京市多年来的土地和房屋微观交易数据，采用准实验估计的方法评估新建校区对房地产价格的影响。具体围绕以下三个问题展开分析：第一，大学新建校区的迁入是否对其周边的房地产价格（分为地价与房价，地价又进一步划分为商服用地与住宅用地）产生了显著的正向影响；第二，大学新建校区的数量是否对房地产价格具有显著的正向影响，即校区密集度越高，集聚和辐射带动能力越强，进而对房地产价格的促进作用越明显；第三，不同类型大学的新建校区对房地产价格是否具有异质性，相较于非公办本科院校（包含民办本科与专科），质量更高的公办本科院校是否会由于更高质量人力资本的集聚等原因而对房地产价格产生更强的正向影响。

（一）数据说明

1. 北京市高等院校新建校区数据。经统计，北京高校建有30 余个同城新校区。我们整理得到这些新建校区的选址方案、奠基开工与建成启用时间等详细信息。

2. 北京2001—2018 年土地交易微观数据。本文利用网络爬虫技术（python）爬取了中国土地市场网（https://www.landchina.com/）自2000 年以来北京各区的土地交易数据。每条观测值包括项目名称、地址、土地面积、来源、用途、供地方式、成交价格及合同签订日期等特征数据，共计约1.9 万个观测值。数据的进一步处理方式如下：第一，删除重复公示交易记录近2 000 条；第二，将交易面积与金额缺失的观测值加以剔除；第三，由于工业用地、公共用地出让方式大多为协议或划拨出让，交易价格不受新建校区影响，因此仅保留住宅和商服用地样本，最终得到有效观测值3 866 个。

3. 北京2003—2017 年新建商品住房各监测区域的季度指导价格。数据来自历年的《北京市房地产年鉴》。其中2003、2009、2010 年仅为年观测值，2004 年为上半年与下半年两次观测值，2005 年为上半年和三、四季度三次观测值，为解决部分季度数据缺失的问题，本文将年和上半年、下半年观测值分别当作全年四个季度、一二季度和三四季度的观测值加以填充。最终保留有效样本量4 126 个。每年平均有68 个监测区域，每个监测区域包含部分街道或乡镇。每年选取的监测区域基本固定，但在各年份又并非完全一致，存在监测区域替换、更新的情况，难以视为平衡面板数据，因此，本文将各年数据合并，以混合截面数据的方式加以处理分析。

4. 北京2001—2018 年POI 数据集。POI 全称为“Point of Interest”，中文通常翻译为“兴趣点”，泛指一切可以被抽象为点的地理实体，基本囊括了我们日常能接触到的所有设施。每条 POI 数据包含名称、类别、经纬度、地址等信息。在城市研究方面，通过 POI 数据，我们可以准确知道每种设施的空间分布，进而分析城市的设施配置情况。本研究基于在线地图服务平台百度地图和高德地图，通过Python 获取2001—2018 年每一年度的北京POI 数据。本文选取以下三个指标来表示当年地块与房价监测区域周边的公共设施完善程度：交通设施中的地铁站点、科教文卫中的中小学与幼儿园、医疗保健中的医院与诊所。对于地块，本文引入虚拟变量：地块周边300 m 范围内是否有上述公共设施；对于房价监测区域，由于每一个监测区域相当于街道或镇的辐射范围，不同于地块“点”的概念，因此将变量设计为：每个监测区域内包含上述公共设施的数量。本文将上述POI 相关变量分别与地价、房价数据做逐年匹配，作为影响新建校区周边地价与房价的控制变量。

（二）模型设定与变量设计

本文将新建校区的建设视为一项“准实验”，运用双向固定效应探究新建校区对土地交易市场和房地产市场的影响。首先通过GIS 地理软件对地块、新建商品住房价格监测区域和新建校区进行经纬度定位，计算得到各地块、各监测区域与各校区之间的直线距离，然后参照相关研究（Zheng & Kahn，2008；Wang & Tang，2020），将新建校区对地价的辐射距离划定为5 km，对房价的辐射距离划定为3 km（辐射范围基本上是该监测区域所在的街道或镇），将该范围内的地块和房价监测区域视为实验组，其余则作为对照组。

第一，在地价的相关研究方面，以3 866 个地块为分析单位构建如下基础模型：

i指代地块，j指代地块所在行政区，t为地块交易年份，被解释变量lnlandi jt表示位于区j的i地块在第t年的不同类型土地实际交易价格对数值，由每笔交易的交易总金额与交易总面积相除得到交易单价，再以2000 年为基期进行CPI 平减，得到每年土地实际价格（万元/公顷）的对数值，包含总地价以及住宅、商服两类地价。Dcampsusijt为核心解释变量，地块5 km 范围内有新建校区且地块交易年份晚于校区动工年份，则Dcampusijt取值为1，其余为0。Controlsijt为影响地价的控制变量合集，包括地块特征以及周边可能会对地价造成影响的公共设施供应情况两大类控制变量，其中地块特征包含土地供应方式zhaopaigua（协议出让取值为0，招拍挂取值为1）、土地类型landusage（商服用地取值为0，住宅用地取值为1）、土地来源xinzeng（新增建设用地取值为1，来自库存量的新增建设用地与现有建设用地取值为0）。公共设施供应情况包含地铁站点Dstation、中小学与幼儿园Dschool、 医院与诊所Dhospital，利用地块经纬度和POI 经纬度，计算每个地块与其最近的上述场所之间的直线距离，若地块在其300 m 范围内有上述公共服务设施，则该变量取值为1，否则为0，以此表示地块附近公共服务的完善程度。 γt、µj分别为年份固定效应和区固定效应。

在此基础上，本文做进一步的深入分析。（1）检验新建校区数量对地价的影响，本文将Dcampusijt进一步替换为每个地块受影响的校区数量campusijt（单位：个)，若该系数显著为正，则表明新建校区数量越多，资本化效应越强。（2）检验新建校区与主城区距离对地价的影响，本文首先计算地块所对应的新建校区与天安门之间的直线距离distance（单位：km）（对于同一地块受多个新建校区影响的情况，本文取多个新建校区的距离均值），然后取距离的倒数，与Dcampusi jt进行交互：Dcampus×(1/distance)，若该系数显著为正，则表明新建校区距离市中心越近，资本化效应越强，对地价的提升作用越强。（3）检验院校质量对地价影响的异质性，本文将院校质量划分为两类：公办本科院校public、非公办本科院校（包含民办本科和专科）nonpublic，我们将其与Dcampusi jt、campusijt分别进行交互，表示每一个地块是否受到公办本科、非公办本科新建校区的影响，以及分别受到几个公办本科、非公办本科新建校区的影响，以此得到不同类型新建校区及其数量对地价的影响。

第二，在房价相关研究方面，以新建商品住房4 126 个样本点为分析单位构建如下模型：

其中lnhouseijt表示位于行政区j的i监测区域在第t年的新建商品住房实际买卖指导价格对数值（以2000 年为基期做CPI 平减处理的实际价格（元/平方米）并取对数）。Dcampusi jt为核心解释变量，监测区域3km 内有新建校区且价格监测年份晚于校区动工年份，则取值为1，其余为0。Controlsijt为每个监测区域范围内公共设施供应的数量：地铁站点station、中小学与幼儿园school、医院与诊所hospital。γt、 µj分别为季度固定效应和监测区域所在区的固定效应。随后本文同样进行了与上述地价模型一致的三类深入分析。

四、实证分析

（一）描述性统计

本文进行了初步的描述性统计，如表1 所示，分别展示了地价和房价全样本、实验组与对照组的变量情况。

表1 描述性统计

续表1

（二）新建校区对地价的影响

如表2 所示，本文初步探索新建校区对地价的影响。可以发现，在对一系列地块特征和公共基础设施以及区县和年份固定效应加以控制的情况下，新建校区对地价依然具有显著的提升作用，新建校区周边5 km 半径范围内地块交易价格平均上涨21.87%（1%的统计水平），且地块所受影响的新建校区数量每增加一个，其交易价格将会再上涨10.16%（1%的统计水平）。

表2 新建校区对地价的影响

新建校区的建设能够分别显著提高住宅用地、商服用地价格23.81%(1%的统计水平)、17.35%(5%的统计水平)，且每增加一个新建校区，住宅用地、商服用地价格还会分别上涨8.07%(1%的统计水平)、11.34%(1%的统计水平)。地块是否受到新建校区的影响与新建校区和市中心距离的倒数的交互项系数显著为正，表明对于受到新建校区影响的地块而言，新建校区距离市中心越近，资本化效应越强，对地价的辐射带动作用越强。控制变量方面，以招拍挂方式出让的土地交易价格要显著高于以协议出让的土地价格，商服类用地价格显著高于住宅价格，来自库存量的新增建设用地与现有建设用地价格要高于新增建设用地，地铁对地价具有显著性的正向影响，学校对住宅用地价格具有显著的正向影响，300 m 内能够享有上述公共服务的地块价格显著高于其他地块价格。

接下来，本文对不同类型新建校区对土地价格加以异质性分析。如表3 所示，全样本中，受到本科公办新建校区影响的地块价格明显上涨26.98%(1%的统计水平)，且每增加一个新建校区的影响，地价还会上涨10.91%(1%的统计水平)，受到民办本科和专科新建校区影响的地块价格平均上涨11.57%（5%的统计水平），每增加一个新建校区对地价没有显著的提升影响。

表3 不同类型新建校区对不同类型土地价格的异质性分析

具体来看，对于住宅用地，公办本科新建校区的建设能够显著带动其均价提升27.38%(5%的统计水平)，且每增加一个，还使住宅用地均价再次提升14.87%(1%的统计水平)；对于商服用地，公办本科与非公办本科新建校区的动工分别会带动其价格上涨24.87%(1%的统计水平)、14.09%(5%的统计水平)，每增加一个公办本科与非公办本科新建校区，商服地价分别显著提高6.86%(1%的统计水平)、12.16%(5%的统计水平)。

（三）新建校区对房价的影响

表4 为新建校区对房价的影响分析。整体来看，新建校区及其数量并未呈现出对房价的显著提升作用。我们进一步就不同院校类型加以分析，发现公办本科新建校区对房价呈现出了显著的正向促进作用，该类校区建设使新房价格上涨9.57%(5%的统计水平)。而民办本科与专科院校对新房价格没有表现出显著影响。这一研究发现与以往研究结论一致，不同质量的大学对房地产市场的影响差异较大，大学质量越高，产生的正外部性越强。不过，由于数据受限，我们未能够加入迁入的师生规模这一变量，对于究竟是院校质量还是院校规模的资本化效应更强，我们难以做出精准的推论。

表4 新建校区对房价的影响

五、稳健性检验

本文主要采用三种方式进行稳健性检验。第一，缩小样本范围，由于区位优势等因素，城六区的房地产市场更为活跃且价格相对较高，因此本文尝试将城六区的样本点去掉加以分析，以检验数据结果的稳健程度。第二，将政策干预时点由新建校区动工替换为新建校区搬迁时间，校区建设是一个包含规划、征地、拆迁、奠基、启用、搬迁等多个时点的漫长建设周期，单一以奠基时间为政策干预时点，可能会使结果存在偏差，难以兼顾到校区建设影响的滞后性，因此本文还以新建校区首批学生搬迁入住时点为政策干预时点加以检验。第三，加入新建校区的固定效应。新建校区迁入师生规模大小不同，集聚效应强弱不同，对周边餐饮娱乐等产业发展的影响也存在差异，且在传统的“园区+房地产开发”的建设模式下，一旦新建校区对园区外人口引力不足会也会导致住宅销售量下降（陈思霞，张冬连，2021），因此需要在对新建校区与房地产价格相关研究中纳入对于师生以及周边消费者数量的考虑，但每个新建校区并未对其每年的搬迁情况公开，受数据局限，我们暂时无法获取每个新建校区的师生规模，所以只能尝试加入校区的固定效应加以稳健性检验。从结果来看，如表5 和表6 所示，无论是土地市场还是房地产市场，新建校区的影响都是相对稳定的。

表5 新建校区对地价的稳健性分析

表6 新建校区对房价的稳健性分析

六、结论与讨论

本文针对高等教育发展对宏观经济增长影响这一教育经济学中的经典议题展开讨论，基于北京市土地和住房交易的数据，运用准实验的方法，探讨大学新建校区对于周边房地产价格的影响效果。研究发现，第一，新建校区整体提升了周边5 km 范围内的商服和住宅土地的交易价格；第二，新建校区数量越多，地价相对上涨越多，相较于单个新建校区，大学城或高教园区的集聚效应和资本化效应更强；第三，新建校区距离市中心越近，土地的资本化效应越强；第四，资本化效应可能会受到院校办学层次的影响，数据显示仅有公办本科新建校区对新建商品住房价格具有显著的正向影响，但对于这一项结论，令人遗憾的是我们未能剥离院校质量对于住房价格的“净效应”，未能进一步分析：究竟是院校质量对资本化效应的贡献度更高，还是院校迁入的师生规模在其中发挥着更为关键的作用。

上述实证分析结果带给我们的思考是：第一，在新建校区规划与建设初期，房地产开发商往往便能够第一时间敏锐捕捉到新建校区迁建向市场释放的信号，预测周边区域未来几年内潜在的升值空间并加以投资开发，从而活跃土地市场交易行为，推动土地出让价格的上涨。第二，房地产开发投资与大规模商品房的落成并不一定意味着房价的即期上涨，院校类型、院校质量、迁入规模、校区周边配套基础设施建设进度等都是可能会影响资本化效应的重要因素。可以说，地价的上涨一定程度上可能是地方政府与地产开发商共谋的结果，但房价相对是一个能够较全面反映新建校区拉动房地产经济发展程度的风向标，居民以“用脚投票”与个人选择偏好的方式向我们真实展现环新建校区地带的发展成熟度及其正外部性的强弱。因此，围绕新建校区，应该形成高等院校、地方政府、社会力量等多主体参与和互动的长效机制，将新建校区规划与地方经济增长紧密联系起来，有计划、有步骤地推进新建校区的迁建，推动大学新建校区与迁入地之间进行更为良性和可持续的互动。

就研究不足与未来研究方向而言，第一，新建校区的迁入规模是影响资本化效应的重要因素之一，但由于数据未公开，目前尚且无法获得每个新建校区每年迁入的师生数量，我们将继续加以新建校区信息的完善，尽可能寻找院校质量的“净效应”。第二，新建校区的内生性问题。高校在新建校区的规划过程中会考虑产教融合的问题，很难说新建校区具有完全外生性，但新建校区整体上是在1999 年起持续扩招导致诸多高校生均占地面积不足、办学条件不达标的客观历史背景下兴起的，且新建校区的开建往往需要不同部门的层层审批，并非地方政府所能左右，因此新建校区的建设具有一定的外生性。本文旨在借助这一相对外生的政策冲击对高等教育对房地产价格的影响加以量化评估，后期会尝试构建工具变量来进一步回应内生性问题。第三，本文数据存在一定的局限性，尤其关于房价的数据是以监测区域（街道和乡镇为单位）的季度观测数据，我们仅能对监测区域的几何中心加以定位并大致估算与新建校区之间的直线距离，存在难以避免的测算误差。第四，本文仅采用双向固定效应探讨了新建校区是否存在资本化效应这一初步问题，我们将进一步丰富研究方法，尝试进一步对实证分析结果进行拓展分析。

（张文杰工作邮箱：wenjiezhang@pku.edu.cn；本文通信作者为哈巍： wha@pku.edu.cn）