对北京市教育资源资本化现象的研究

白星雨++魏雅慧

[摘要]在我国义务教育资源不均衡分布的背景下，以“就近入学”为导向的学区政策导致了“以房择校”现象的出现，促进了小学教育资源的资本化，加速了学区房房价的快速上涨。文章利用北京市东城区小区层面的微观数据，采用实证研究的方法量化分析北京市小学教育资源配置与房价之间的关系，分析“就近入学”政策的影响。研究发现，对口区重点小学、市重点小学对学区房房价的贡献分别达到了9%和13%左右。

[关键词]就近入学；学区房；教育资源资本化

[DOI]1013939/jcnkizgsc201720078

面对经济增速的放缓和国家对房地产市场的调控，我国房地产价格整体增速开始相应回落。但无论商品房市场如何波动，北京市学区房房价却仍然呈现坚挺的增长态势。而这一问题的由来，却起源于国家对于教育公平这一目标的追求。实现教育公平是现代社会所追求的目标之一，但我国教育资源的非均衡分布状况和各式各样的不公平择校行为始终存在。为了保障教育公平，我国出台了“就近入学”的学区政策，旨在限制义务教育阶段的择校现象，保障义务教育的公平性。但以“就近入学”为宗旨的学区政策却导致了“以房择校”现象的出现，使原来的择校费用开始体现在学区房价上，导致了学区房房价的快速上涨。而由于北京小学教育资源两极分化的严重性、优质教育资源的相对稀缺以及在地理上的分布不均，这种教育资源对房价的拉动作用较全国其他地区便表现更加显著。

总结以上背景，可见无论从教育部门的政策设定还是从个人投资的角度考虑，具体得出小学教育资源对房价的量化评估结果都极具现实意义：从个人投资角度，学区房投资对一般家庭而言影响、开销巨大，家庭必须充分考虑教育资源在商品房中的溢价是否合理，避免决策失误；从政府决策层面，量化教育资源对周边房价的影响也能更有效地评估学区政策对周边经济的影响，设计更加公平科学的公共政策。

文章接下来的内容安排如下：第二部分着重对国内外研究教育资源资本化现象的文献进行评述；第三部分将对本文使用的数据、变量和模型设置进行简要介绍；在第四部分，为本文的实证结果，并对结果进行深入分析；第五部分则为本文的研究结论和政策建议。

1文献综述

之前大量文献主要是从公共品角度研究了教育资源对房价的影响。Tiebout（1956）认为居民对于居住地点的选择受到公共品供给的深刻影响，指出居民有选择公共服务较好的地区居住并为此支付相应价格的倾向，这种机制的存在使得拥有财富的阶层能够利用搬迁来占据更优质的公共资源。

而教育资源作为一种公共品，由于其具有稀缺性、排他性并且在各地分布不均等性质，使得自身容易被资本化，即将自身价值体现在房价中，对周边住宅价格产生正向的影响。Black（1999）通过大量文献总结指出，学校质量越高，其附近的房价就越高，家长们愿意为了孩子能进入高质量的学校而支付更高的房价。

Oates（1969）构建了特征价格模型对Tiebout的理论进行了验证，通过实证分析发现公共支出与房地产市场价格之间有显著的正相关性。在Oates的基础上，很多欧美国家研究者进行了深入研究，试图验证公共品中的学校质量、数量或可达性等因素与住宅价格之间的相互关系。计入模型的其他控制变量包括建筑特征、区位特征、邻里特征和时间因素，尽管模型和变量设置有差异，但普遍证实了教育资源的数量和质量的差异会影响学区内的住宅价格。

而随着我国房地产市场的发展，国内学者也开始关注教育资源资本化的问题。梁若冰、汤韵（2008）利用35个中国大中型城市数据，采用动态面板回归模型分析了住房价格与地方公共品供给之间的关系，发现教育资源和房价间的关系并不显著。冯皓、陆铭（2010）利用上海52个区域的优质高中分布和房价数据，以两个批次“实验性示范性高中”政府命名过程为控制变量，发现优质教育资源对房价的影响显著为正。但冯皓、陆铭选取的是高中样本，而高中的入学采用的标准是“以中考成绩参考、考生自主选择”，以示范性高中为研究对象可能会低估教育资本化程度。张浩、李仲飞、邓柏峻（2014）基于北上广深51个行政区的数据分析了我国教育资本化问题，发现优质教育资源的增加会显著提髙所在区域的房价。温海珍、杨尚、秦伏中（2013）利用杭州市六城区住宅小区的微观数据研究了教育资源对住宅的资本化效应，其中教育资源被设置为五个特征变量，即小学质量、初中质量、幼儿园数目、邻近高中、邻近大学。该研究发现各类教育资源设施对住宅价格的影响情况有所差异，但都正资本化周边住宅，并认为这源于教育资源分布的不均以及购房者对教育资源丰富地区的投资热情。

鉴于以上这些研究成果，本文将利用特征价格模型研究小区所对口的小学教育资源对其平均房价的影响，对北京市教育资源资本化的现象进行实证分析。

2数据和模型说明

21数据和变量说明

本文选择了北京市东城区为主要的研究区域，重点从小区层面进行数据收集和实证分析。选择东城区作为研究区域的原因在于作为北京市主要行政区之一，东城区既最早就在学区制度规划范围之内，又属于北京老城区，拥有相对较完善的公共资源配套和较成熟的市政规划。在东城区中商品房交易市场拥有较长的发展历史，相比北京市其他地区更为成熟，并且各种公共品资本化程度已经经历了较长时间的沉淀。所以，选择东城区作为主要研究区域更能反映学区制度的影响和教育资源资本化的程度大小。

本文中各个小区的相关数据是从国内商品房交易的门户网站搜房网上进行收集，而相关区位特征则利用百度地图进行补齐和验证。在对原始数据进行初步整理之后，一共得到了280个小区的微观数据，每个小区样本对应1个因变量和15個自变量指标，这些自变量指标又根据其影响房价的途径不同分为教育特征、区位特征、建筑特征和邻里特征四类。而具体变量的分类和量化指标如表1所示。

在教育特征中，由于文中只研究公立小学，在确定各小区对应的小学后，设置虚拟变量。若小区对口的是“市重点”小学，则“市重点”字段记录为“1”，否则为“0”；对“区重点”的处理方式亦然。由于学区制度的存在，每个小区的适龄儿童须在划定的小学完成义务教育。但受目前教育资源发展状况的限制，各学区的教育质量往往参差不齐，甚至差距较大，对子女高中、大学升学率有着较大影响。对于教育的重视程度也已变得越来越高，让子女在义务教育阶段接受到更高质量教育的需求就将反映到房价上。

由于进入高中及大学入读不受学区制度或其他区位行政制度的严格限制，它们对房价的影响主要表现在距离可达性和正外部性方面上。一方面，邻近这些学校意味着子女上学通勤时间少、安全性高、不用寄宿，也便利家长接送孩子、与老师沟通交流，这主要体现在对高中的距离可达性上；另一方面，邻近学校能提升小区的人文氛围，提供相应的运动设施并改善绿化环境，而部分学生选择租住周边住宅也对小区房价有着正向的推动作用，而这主要体现在大学层面。由于重点大学（即985/211大学）的正外部性较普通大学更加显著，所以还加入了“是否邻近重点大学”这一变量，若小区周边1千米内有大学或重点大学，对应的虚拟变量则记为“1”，否则为“0”。在区位特征中，鉴于北京市巨大的城市规模以及各行政区已基本形成独立完善的公共设施配套，本文选取到市中心的距离（到故宫的距离）和到副市中心的距离（到区政府的距离）两项作为影响房价的区位特征变量。对于建筑特征，文章参考相关文献并结合北京市具体情况和数据的可得性，将小区房龄、有无电梯、有无停车位等作为影响居住的舒适程度、房价高低的建筑特征变量。

邻里特征是指舒适的居住环境和完善的周边配套设施等特点，它们能给消费者带来很多便利，降低生活、交通的时间成本，让消费者身心愉悦，对房价有着良好的正向推动作用。本文邻里特征中所用指数采用了搜房网上对于小区周边医疗、交通和商业情况的综合评分。

22模型设定

参照特征价格模型常用方程形式，并参考其他学者的研究，本文采用对数形式建立模型，利用最小二乘法进行回归估计。小区平均单位房价的对数形式为因变量，自变量中则包含连续变量、非连续变量和虚拟变量等。具体函数形式如下。

上式中，P为单位价格，Edui为教育资源变量，Xk为相应控制变量；β0、βi、βk为待估计的系数；ε为误差项。

23数据处理和分析

由于数据的可得性等原因，部分样本存在特征值残缺的问题。对于这一部分样本，本文又重新进行了残缺特征值的搜寻、补充工作，之后再对于仍存在特征值残缺的样本予以删除，最后得到有效学区房样本280个。表2是对各变量的描述性统计。具体统计性指标包括样本数、均值、标准差、极小值和极大值。

从表中可以看出，文章使用的280个小区样本中，均价分布区间为35221元每平方米到150666元每平方米，平均值为77407元每平方米，而且标准差较大，这些都说明房价数据存在较大变异，与北京市目前的房价分化情况相符合。对口优质教育资源的学区房数目占总样本数的43%左右，而市重点小学的占比更少，说明北京市教育资源配置存在着较大的不均衡现象。因这些样本都分布在东城区一带，所以距离故宫的平均直线距离为368千米，比较符合实际情况。

在对各个变量进行共线性检验后发现，交通指数、商业指数和医疗指数存在较大共线性。这说明交通区位较好的小区周围一般也有着较好的商业设施和医疗设施配置。在基础回归方程中将只代入一个指数进行回归。

3实证结果

本文利用最小回归二乘法来对总体参数进行估计，具体操作为：在Stata14中选择相应变量依次进入模型参与回归。具体回归结果如表3所示。

本文主要关注的是东城区小区教育资源对房价的影响，所以首先代入了市重点、区重点等几个代表小学质量的虚拟变量和其他教育特征变量，结果如（1）列所示：在只控制了相关教育特征变量的情况下，与普通小区相比，若将对口小学改换为区重点，将使得房价提升约19%（以下“使房价提升”“对房价的贡献”都是指，在其他变量不变的情况下，该变量提升一个单位所带来的原房价涨幅），而市重点则将使房价提升21%。在没有加入其他控制变量的情况下，市重点、区重点小学对房价的贡献都是正向且显著的。

在方程中加入区位特征之后，回归结果如（2）所示：市重点对房价的贡献变为了18%，但区重点的影响明显下降为11%，同时两个变量都是显著的；在区位特征中，到故宫的距离、到区政府的距离都对房价有着显著的负向影响，而后者影响较前者更大，这说明文章之前的推断基本正确，即东城区的各种公共设施已较为完备且各个小区距市中心普遍较近，靠近市中心的便利性不再是购房者判定各小区差距主要的因素。

第（3）（4）列分別显示的是在加入了建筑特征、邻里特征之后的回归结果。从表中可以发现，在控制了所有控制变量之后，市重点对房价的贡献为13%，而区重点小区对于房价的贡献为9%，他们的影响都是正向且显著的。在控制变量中，是否邻近重点大学、到区政府的距离、绿化率、物业费以及交通指数等变量对于房价都有着显著影响。

在对所有变量进行VIF检验后，发现小学教育资源与其他变量之间的共线性不明显。而在加入所有变量之后R-Squared达到了683%，说明本文所选择的变量能解释68%左右的因变量变化，拟合程度较好。

4研究结论

本文利用特征价格模型，从东城区的小区层面微观数据入手，在控制了区位特征、邻里特征和建筑特征等变量的情况下，发现对口区重点小学、市重点小学对学区房房价的贡献分别达到了9%和13%左右。说明居民对于重点小学有着明显的偏好，愿意为了获得稀缺教育资源而付出更高的房价，小学教育资源资本化的现象十分显著。

这一结果验证了以“就近入学”规则为主的政策安排只是将原来不规范的择校费以学区房高房价的形式体现，并没有在真正意义促进义务教育的均衡发展。而且相比于传统的择校形式，“以房择校”导致了空间上的“群分居住效应”，即高房价不仅会使得不同社会阶层在义务教育阶段受到的教育差距拉大，还在空间意义上导致了社会阶层的分化，从而会进一步导致其他公共资源的配置不均，阻碍社会的公平和进步。从中也可以看出，简单的“就近入学”政策亟待调整。

由于本文设定的模型不够精确以及数据可得性等问题的存在，本文的研究成果可能有遗漏变量所导致的内生性问题，导致对于优质教育资源资本化程度的估计存在偏误。但总结以上的分析，可以初步得出如下的结论：北京市小学教育资源对房价的影响确实存在而且较为严重，在家长越来越重视子女教育的今天，这一现象正深刻影响着人民的生活。

近年来，北京市各级政府和相关部门为了从根本上解决学区制所带来的“以房择校”等问题，开始因地制宜地对学区制度进行改革，具体采用合并办校等方式增加个别学区优质教育资源的数量，大力促进各学区教育资源的均衡发展。

文章发现相对于其他城区，海淀区教委针对自身教育资源分布的特点，已经在2016年推出了更为明确的深化教育改革的整体方案，并于2016年新生入学前集中调整和合并了近20所薄弱校，旨在提高教育资源质量来为区内适龄儿童提供更多优质学位。从政策操作层面来看，这项改革包括由名校承办普通小学、将普通小学并入重点小学作为其分校等措施，以期发挥学区内优质教育资源的带动作用、提高普通小学的教育质量。按照海淀区教育改革方案，在合并办校之后，会通过校区间调配优秀教师队伍、区及教委领导担任校长等方式为薄弱校提供更大的支持，促进学区内教育资源的均衡发展。不过，对于这项改革措施能否提升被合并薄弱校的教育水平、是否具有推广价值等问题，还有待进一步的检验和分析。

在我国现阶段的经济和社会背景下，义务教育资源虽作为一种公共品存在，但由于其同时也具有显著的稀缺性和分布不均衡性，这使得义务教育资源通过其分配制度作用于周边经济的程度远甚于其他公共品，进而造成了公平分配被逐漸扭曲和投资炒作的现实。在教育公平越来越受到公众关注的背景下，政府应针对义务教育资源的资本化特点建立有效的公共资源分配和使用机制，在补充、均衡义务教育资源以满足社会教育需求的同时，也要对相关金融炒作的行为进行监督和抑制，避免教育资源的资本化程度泡沫式膨胀，保障我国义务教育阶段的公平性和普惠性。

参考文献：

[1]Tiebout C MA Pure Theory of Local Expenditures[J].Journal of Political Economy，1956，6（45）：416-424

[2]Black S EDo Better Schools Matter？ Parental Valuation of Elementary Education[J].Quarterly Journal of Economic，1999，114（2）：577-599

[3]Oates W EThe 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，1969，7（76）：957-971

[4]梁若冰，汤韵地方公共品供给中的Tiebout模型：基于中国城市房价的经验研究[J].世界经济，2008（10）：71-83

[5]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

[6]张浩，李仲飞，邓柏峻教育资源配置机制与房价——我国教育资本化现象的实证分析[J].金融研究，2014（5）：193-206

[7]温海珍，杨尚，秦伏中城市教育资源配套对住宅价格的影响：基于资本化视角的实证分析[J].中国土地科学，2013，27（1）：34-40

[基金项目]本论文系中央财经大学国家级创新创业训练计划项目的阶段性成果（项目编号：NMOE2016110022）

[作者简介]白星雨（1996—），男，汉族，四川泸州人，中央财经大学经济学院2014级；魏雅慧（1995—），女，汉族，四川隆昌人，中央财经大学经济学院2014级。