二手学区房价格溢价研究——以重庆市沙坪坝区为例

王筱欣，何晓斐

(重庆理工大学 经济金融学院，重庆 400054)



二手学区房价格溢价研究
——以重庆市沙坪坝区为例

王筱欣，何晓斐

(重庆理工大学 经济金融学院，重庆 400054)

为了探究小学质量特征以及其他房屋特征对学区内住宅价格的影响，选取重庆市沙坪坝区的16所小学，以及57个小区的1 158个住宅市场数据，利用价格特征模型进行研究。研究结果表明：在控制了房屋特征、楼盘特征和区位特征等的情况下，对数据进行稳健性回归分析，发现重点小学的学区房比普通小学的非学区房的出售价格高出8.3%。

学区房价格；特征价格模型；重庆市沙坪坝区

在我国许多大中城市，小学义务教育都遵循“就近入学”的政策，尽管2016年教育部新出台了“多校划片”政策，希望以此来遏止学区房的价格高涨。但是，教育资源在地理上分布不均的现状仍然没有改变，优质小学的容量毕竟是有限的。当今社会，人们对学校的教育质量、生源情况、教师水平、教学环境以及升学率等学校整体水平的要求提高，因而更倾向于在重点学校周边买房居住，使得重点学校周边的住宅价格较之普通学校周边住宅的价格高。本文对于学区房的定义为：在教育部划分的区域内购买住房，购房者本人的子女可就读区、市、省级的重点学校。因此，本文中的“学区房”指的是重点小学所在学区内的住宅，而“非学区房”则指普通学校学区内的住宅，这两者的房价差异是本文研究的重点。

本文以重庆市沙坪坝区为行政范围，以部分小高层和高层学区房单元为研究对象，基础数据来自于重庆搜房网，并且缺失的数据由其他二手房信息加以完善。本文分析数据为重庆市沙坪坝区2016年9月18号到9月25号为期一周的挂牌价格，共计1 158条。拟采用国内外通行的特征价格模型为研究方法，选取小区特征、房屋特征、邻里特征等共14个变量，并运用适当的方法将其特征量化。

一、文献回顾

国外运用特征价格模型对教育因素进行研究已经取得了较多的成果。国外早期研究教育资源与住宅价格关系时，是将与学校质量相关的一项或多项指标直接引入住宅特征价格模型中[1-2]，通过相应指标的回归系数估计学校对房价的影响。

国外较早地研究了学区房的问题，Kathy等在研究了德克萨斯州的学区房问题后认为，学校成绩的上升会引起学校周边住宅价格的上升[3]；新加坡学者 Chin 等[4]、Celia 等[5]同样发现了知名度较大、有优质教育资源的学校能显著提高住宅的价格。Black利用1993—1995 年美国马萨诸塞州3个郡的住宅交易数据，发现考试分数与家长住宅支付意愿提升率成正相关[6];Phuong等总结了1999 年以来的研究成果，发现学生成绩每增加1%，住宅价格提升约4%[7]；Stephen等通过配对和加权两种方式，对边界断裂回归方法进行改善，发现平均学校价值或者学生成绩增加1个标准差，会导致学区房的需求增加，学区内住宅价格提升3%[8]。

可见，国外对于学区房与周边住宅价格的分析已经趋于成熟，对于选取学校质量指标以及研究方法上更为多样和具有创新性，并能相对准确地量化学区质量特征或学校质量特征资本化到住宅价格中的程度。

而国内对于学区房的研究还较少，冯皓等对上海市不同区域的教育资源和房价月度数据进行研究，分析认为存在教育资本化现象，区域内每增加一所此类高中，平均房价提升6.9%[9]，这说明房价和教育质量的外生变化存在一定的联系。温海珍等通过验证杭州市教育设施对住宅价格的影响，评估教育设施的资本化程度，得出小学和初中的教育设施存在显著的学区效应，小学、初中的教育质量每提高 1个水平，其学区内的住宅价格能够提高2.3%或 2.6%。幼儿园、高中和大学则通过可达性提高了周边住宅的价格，小区1 km范围内每增加一所幼儿园，住宅总价上升0.1%；处于高中或大学1 km范围内，住宅总价分别上升1.8%和2.1%[10]。黄滨茹通过划分北京人大附小所在片区的住宅，运用特征价格模型，得出“有学位名额”住宅对房价有显著影响的结论[11]。同年，黄滨茹选取西安市碑林区的18所中学及中学周边1 km范围内59个小区共349 个样本点，对样本数据的分析以定性为主、定量为辅，研究城墙内外中学教学质量对周边住宅的影响，采用的学校质量指标为各中学在2006—2008 年高考“一本上线率”，结果表明在城墙外“一本上线率”与周边住宅价值存在非线性关系，而在城墙内，这一结果并不显著[12]。徐莹以复旦大学为例研究大学对于周边住宅价格的影响，在复旦大学500米范围内的住宅价格会受到影响[13]。蒙彦宏等以广州市小学质量特征来研究学区房价格的影响因素，对学区房价格有显著的正向作用的变量有生均建筑面积、省特级与高级教师人数、学生与教师人数之比，这也是首次将小学质量进行具体细化，明确了学区房的概念[14]。

二、数据与模型

(一)数据说明

1.房屋数据

本研究从重庆房天下网站上获取2016年9月18日至25日重庆市沙坪坝区的二手房源出售信息数据，主要考虑到两个方面的因素：其一，考虑到时间变化对于价格变动的影响，选取短期时间内的数据以保证时间变化对价格的影响不大，可以忽略；其二，由于2016年新出台的“多校划片”的政策以及一般学校出台的招生简章的时间，从而选择了9月的数据，而“多校划片”政策的影响，本文从教育指数这个方面加以体现。所以每条数据含有房屋特征、楼盘特征、区位特征等共14个变量。其中，房屋特征包括朝向、装修情况、卧室数、客厅数以及所在楼层；楼盘特征包括房龄、总楼层数和绿化率；区位特征包括教育指数、生活指数、交通指数和健康指数。收集获得房屋数据1 158 份。

2.学校和小区对应数据

从沙坪坝区教委网站得到各小学的一些基本情况。通过数据的收集以及平台提供的数据，可知重庆市沙坪坝区小学一共68所，但由于重庆特殊的地理环境，一般一个城区包括了城区以及下面的乡镇，所以本文中的沙坪坝城区内的小学为16所。由于目前政府禁止以任何形式对义务教育阶段学校进行排名，所以本文通过收集沙坪坝区教育部门公布的有关基础教育文件，以及网站如重庆本地宝、重庆家长帮社区等来确定沙坪坝区的重点和普通小学。

3.区位数据

为了更好地控制区位特征对于房价的影响，考虑到人们在购房选择时考虑的因素，有教育指数、交通便利程度、生活便利程度以及看病就医的便利程度，本研究还从公交站数量、公交线路、距商业圈的距离，以及距周边医院的距离进行研究分析，并结合安居客网站中的二手房信息进行打分，共覆盖57个小区。

4.学校质量数据

沙坪坝区是重庆市教育资源最为集中的区域，对于我们研究学区房对房屋评估价格的影响有着极其重要的作用。沙坪坝区共有68所小学，但是由于重庆特殊的地理环境，导致在城区能覆盖到小区的小学并不是很多，所以我们选择了16所。其中包括市重点6所、区重点3 所，以及普通小学7所。

三、变量和模型

(一)变量说明

在选取变量的过程中，参考了国内外对于二手房以及学区房的变量指标选择的研究，在此基础上选取并收集了二手学区房的房屋特征、楼盘特征和区位特征等相关变量。本研究关注的核心因变量是住宅的每平方米价格的对数，而其价格选取的是挂牌价格，由于收集的是网上的数据，有些交易数据并没有及时在网上披露，对于收集真实的成交价格造成了一定的阻碍。

经过实地调查和访问发现，网站上的挂牌价格是房主和房地产经纪人将该房屋与其他一些相类似的房屋的成交价格以及当前住宅市场行情进行分析判断相结合得出的合理价格，挂牌价格与成交价格比较接近。而且现在搜房网自身还有网站监督，对于虚假信息他们会予以惩罚。由于房主会考虑到交易时的议价空间，会使得挂牌价格略高于成交价格，但是该议价空间较小，所以挂牌价格会较接近于成交结果，可以作为模型分析的依据。

本文的控制变量包括3类：一是房屋特征变量(南北朝向、装修情况、卧室数、客厅数以及所在楼层等)，其中所在楼层数为其对数；二是楼盘特征变量(房龄、总楼层数、绿化率)，其中房龄和总楼层数为其对数；三是区位特征变量，由教育指数、生活指数、交通指数和健康指数组成。核心自变量为学校质量， 以普通小学作为基底，构建市重点和区重点的虚拟变量。各变量的定义和具体说明如表1所示。

(二)模型说明

特征价格模型即Hedonic prices model，它的核心思想即为商品的价格是由该商品所包含的一些能够满足人们需求的特征的价格之和。特征价格法认为房地产由众多不同的特征组成，而房地产价格是由所有特征带给人们的效用决定的。由于各特征的数量及组合方式不同，使得房地产的价格产生差异。因此，如能将房地产的价格影响因素分解，求出各影响因素所隐含的价格，在控制地产的特征(或品质)数量固定不变时，就能将房地产价格变动的品质因素拆离，以反映纯粹价格的变化。

所以，本文所用的模型如下所示：

Lny=β0+β1·Aij+β2·Bij+β3·Cj+β4·Dj

其中，下标i代表每一个房屋个体，j代表楼盘；其中模型中的B为房屋特征的向量；C为楼盘特征的向量；D为区位特征的向量；其中B、C、D特征的向量所代表的内部含义见表2。在方程的左边本文采用的是因变量房价(y)的对数形式，因此，模型中得出的βi表示的是学区房的单位面积价格比非学区房高出的百分比，即学区质量对于房价的边际影响率。

表1 变量定义和说明

(三)计量模型的选择

在Hedonic模型的经验研究中分析住宅价格和教育质量的计量方法主要有普通最小二乘法方法(OLS)、参数和非参数模型方法、工具变量法(IV)、双重差分法(Difference-in-Differences)、重置价格法以及半经验法等，其中OLS是广为使用的方法。在OLS估计中，变量进入方程的形式也是必须考虑的问题。根据经验研究，采用对数形式有利于消除变量的异方差和共线性。

(四)主要变量的描述性统计

在表2中对研究的主要变量进行了统计描述，在比较各个变量数值的差异中可知，普通学校和重点学校在房屋特征和楼盘特征上有差距，特别是在房价、绿化率、房屋南北朝向方面。尤其是房屋价格，重点小学的价格远高于普通小学，绿化率也相对更好。在区位特征的各指数大小上，除了生活指数和健康指数差不多以外，其他如交通指数和教育指数都明显高于普通小学。

表2 主要变量描述性统计(n=1 158)

数据来源：重庆房天下、安居客。

四、实证结果和分析

影响二手学区房的价格因素很多，本文从学区房本身所对口的学校质量开始依次加入影响学区房价格的房屋特征、楼盘特征以及区位特征，从而得出重点小学学区房的溢价。表3为结果报告，(1)—(4)列为逐步引入控制变量的结果，其中因变量均为房屋价格的对数。在(1)列中，本文未加入任何控制变量，可以看到重点小学所对应的学区房平均房价比普通小学所对应的住宅平均价格要高出10.5%，且在1%的置信水平上显著，重点小学的资本化效应为10.5%。在(2)列加入房屋特征控制变量后，重点小学对应的学区房平均房价相较于第一种情况有所下降，但下降的幅度不是很大，在1%的置信水平上，其资本化效应为9.6%。在(3)列继续加入楼盘特征控制变量后，重点小学对应的学区房平均价格上升，比普通小学高出了10.7%。在(4)列继续加入区位特征控制变量时，重点小学的平均房价较普通小学只高出了8.3%，较(3)列下降了2.4%。

观察(1)—(4)列R2的变化，可知在区位特征、楼盘特征和房屋特征三者中，房屋特征对于房价的解释力最强，楼盘特征的解释力最弱。

表3 学区房模型稳健性回归结果

(一)房屋特征

房屋卧室数、客厅数均对房价具有显著性影响，其中卧室数的影响为正，每增加一间卧室数，房价大约上涨1.7%，而客厅数则刚好相反，每增加一间客厅，房价将下跌5.1%，这与实际较为符合，人们在购买房屋时更倾向于考虑卧室数较多的房子，而客厅数的数量从实用角度来说，一般有一个就够了。在面积一定的情况下，如果客厅数的实用性不是很大的话，一般会选择一厅。南北朝向的房子比非南北朝向的房子均价高出0.2%,即南北朝向对于房价的影响不是很显著，这可能与重庆本身的气候和地势有一定的关系。而装修较好的房子比装修较差的房子的均价高出了2.5%，这是从装修成本的角度考虑，装修好的房子成本较装修差的房子要高，那么房主在定价时，会考虑到装修成本，从而使装修较好的房子高出装修差的房子大概2.5%。

(二)楼盘特征

在控制了房屋特征、楼盘特征以及区位特征之后，从表3可以看到，房龄与房价存在负向相关关系，也就是说学区房的房价仍然是符合房龄效应的，当房龄每增加1%，房价大约下跌4%。但是，学区房存在房旧价高的情况，这可能是其对应的学区房的物质资源投入和邻里效应优化的结果。并且，绿化率对于房屋价值的提升有着显著的影响，绿化率每提高1%，房屋均价将增加10.1%，这远远高于其他因素的影响。随着生活水平的逐渐提高，人们不单单满足于日常的生活，对于生活质量也有了一定的要求，而小区绿化率较高、小区环境相对较优，这也是房主购买房屋时考虑较多的一点。

(三)区位特征

在区位特征中，教育指数每增加1%，房屋平均价格增加0.135%，在1%水平上显著，而区位特征中的其他3个指数均在0.1%以下，说明教育对房价影响较其他3个指数要明显。也就是说，当区位特征中的教育指数已经处于较高水平时，人们对于其他因素的偏好就会减弱。这也是本文得出的重要结论。如今，教育资源分配不公平，在某种程度上较大地影响了人们购买房屋的决策，尤其是年轻人考虑到孩子今后的学校资源和环境，愿意花更多的钱在学校的资源上，然后才考虑其他因素。

五、结论

(1)从整体上看，教育资源对住宅价格存在正向影响，学区房价格总体上高于市场平均价格，即教育资源数量越多、品质越好，其周边房价相应越高，购房者愿意为获得相应的小区配套进行额外的支出。也就是说教育的资本化会表现为教育质量的资本化，家长愿意为优质基础教育资源支付的价钱又会体现在为购买重点小学所对应的学区房而支付的价格中。在选择二手房时，购房者更关注自己购买的二手房是否有重点小学的学位，他们的孩子是否有进入该重点小学的入学资格。而且在细分市场之后可以发现，教育资源因类型的不同对住宅价格的影响程度也相应存在差异，而本文研究的小学教育阶段则对住宅价格的影响更多侧重于学区房的划分。就本文的研究结果分析，重庆市沙坪坝区的学区房尽管存在着溢价，但是溢价问题相对于北京、上海等城市来说并不是很严重，这可能也与各个小学出台的“三对口”的要求有关，以及与重庆本身整体的房地产价格波动幅度不是很大有关系，这从某种程度上来说抑制了房价的疯涨。

(2)学区房溢价反映了中国教育资源配置失衡问题。尽管出台了“多校划片”政策，但是可以看出，由于重庆教育资源尤其是优质小学较少，即使有些小区已经对应多个学校，但多为普通小学，重点小学由于学位数有限，不能一对多个小区。所以，要想实现真正的教育公平，应该将重点小学的优质教育资源分布到各个小学。对于学区房引发的负面效应，需要教育运行过程中涉及的相关环节的调整、控制和干预。当然也不可否认学区房的积极作用，大多数学区房因为历史的原因都位于城市的老城区，从某种程度上可以抑制老城社区衰落，这为中国城市化的发展提供了重要的经验价值。

(3)在推进教育等公共服务均等化的进程中，2011年8月，财政部和教育部联合向地方下发通知，要求地方在土地出让净收入中提取10%的教育资金，同时不得减少财政预算教育经费，这对于缩短教育资源之间质量的差距、促进教育资源均匀分布无疑是一个重大举措。这不仅是向教育公平的理想目标靠近，对于土地收益的合理利用以及房地产市场健康发展也具有重要的意义。

[1] OATES W E.The effects of property taxes and local public spending on property values:An empirical study of tax capitalisation and tiebout hypothesis[J].Journal of Political Economy,1973,81(4):1004-1008.

[2] 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.

[3] HAYES K J,TAYLOR L L.Neighborhood school characteristics:What signals quality to homebuyers?[J].Economic Review,1996(4):2-9.

[4] CHIN H C,FOONG K W.Influence of school accessibility on housing values[J].Journal of Urban Planning & Development.2006,132:120-129.

[5] BILBAO-TEROL C,CAAL-FERNNDEZ V.The price of secondary school quality:a hedonic approach[J].Applied Economics Letters,2013,20(7):706-709.

[6] BLACK S E.Do better schools matter? parental valuation of elementary education[J].Quarterly Journal of Economics,1999,114(2):577-599.

[7] NGUYEN-HOANG P,YINGER J.The capitalization of school quality into house values:A review[J].Journal of Housing Economics,2011,20(1):30-48.

[8] GIBBONS S,MACHIN S,SILVA O.Valuing school quality using boundary discontinuities[J].Centre for the Economics of Education,2013,75(3):15-28.

[9] FENG H,LU M.School quality and housing prices:Empirical evidence from a natural experiment in Shanghai,China[J].Journal of Housing Economics,2010,22(4):291-307.

[10]温海珍，杨尚，秦中伏.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[J].中国土地科学，2013(1):34-40.

[11]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.

[12]黄滨茹.中学教学质量对周边住宅价格的影响——以西安市碑林区的中学为例[J].中国商界，2010(3):164-166.

[13]徐莹.大学对周边住宅价格影响范围的实证研究[J].中国物价，2009(4):39-41.

[14]蒙彦宏，贾士军.广州市小学质量特征对学区房价格的影响研究[J].工程管理学报，2014(3):133-137.

(责任编辑 魏艳君)

A Study on the Price Premium of Second-hand School District Room—— Taking Shapingba District of Chongqing as a Research Object

WANG Xiaoxin， HE Xiaofei

(School of Economics and Finance, Chongqing University of Technology, Chongqing 400054, China)

In order to explore the quality characteristics of the primary school and the influence of other housing characteristics on the residential price in the school district, 16 primary schools in Shapingba District, Chongqing, as well as 1 158 residential market data of 57 districts are selected and the price feature model is used to study the data. Research results show that in the control of the housing characteristics, property characteristics and location characteristics and other characteristics, robust regression analysis being done on the data, it finds that the housing prices of the key primary school district room respectively are higher 8.3% than those of the non-school district housing prices of the ordinary primary school.

school district housing price; Hedonic price model; Shapingba district of Chongqing city

2016-12-12

王筱欣(1956—)，女，重庆人，教授，研究方向：区域经济学、产业经济学。

王筱欣，何晓斐.二手学区房价格溢价研究——以重庆市沙坪坝区为例[J].重庆理工大学学报(社会科学)，2017(6):44-49.

format：WANG Xiaoxin，HE Xiaofei.A Study on the Price Premium of Second-hand School District Room ——Taking Shapingba District of Chongqing as a Research Object[J].Journal of Chongqing University of Technology(Social Science)，2017(6):44-49.

10.3969/j.issn.1674-8425(s).2017.06.007

F299

A

1674-8425(2017)06-0044-06