上海市學區房價格的影響機制

石憶邵，王伊婷

（同濟大學測繪與地理信息學院，上海 200092）

上海市學區房價格的影響機制

石憶邵，王伊婷

（同濟大學測繪與地理信息學院，上海 200092）

研究目的：探討上海學區房價格的影響機制。研究方法：特征價格法和多元回歸分析法。研究結果：學校因素對房價影響程度之和達20.63%，影響程度居第二位，僅次于建筑面積的影響；具體而言，在其他條件不變的情況下，學校重點等級每下降一級，住宅價格將平均下降8.698%；小學本區排名每降低一位，住宅價格將平均下降0.896%；到重點中學距離每增加100 m，住宅價格將平均下降0.995%；距重點小學距離每增加100 m，住宅價格將平均下降0.499%。研究結論：重點中小學對周邊住宅價格存在著比較重要的積極影響，在相同情況下，學校等級越高、學校排名越靠前、距離重點學校越近，住宅價格則越高；重點小學和重點中學相伴的“雙學區房”更加受到青睞。

不動產價格；學區房價格；特征價格模型；影響機制；多元回歸分析；上海市

1 引言

在國內有關公共設施資源對房地產價格影響的研究中，主要采用特征價格模型和方法[3-5]，通常單獨研究以下幾種主要公共設施，譬如：軌道交通、大型公園綠地、景觀設施、大學（城）、基礎教育等，偶有開展多項公共資源對房地產價格影響的研究[6-10]。在關于學區房價格的有限研究中，大多局限于定性分析，而較少展開定量研究[11-19]。在國外，由于沒有學區房的概念，雖然運用特征價格法來進行房地產價格研究已經比較成熟[20-21]，但有關教育設施對周邊地區房價的影響方面的研究依然偏少。Reback為了識別與學區邊界的重要性減弱相關的資本化效果，采用公立學校選擇項目，利用來自于明尼蘇達州的跨學區選擇的調查數據，發現學生能夠轉入的首選學區，其住宅物業顯著升值，而轉出學生的學區，其住宅物業價值下降[22]。Black對馬薩諸塞州的房地產市場調查，發現房地產價格與當地小學標準化成績有著密切的關系：考試成績每提高5%，周邊房價上漲2.1%[23]。Fack 等探討了房價對鄰近的公立學校和私立學校的教育質量的反應狀況，比較不同就學界限的銷售，發現公立學校增加一個標準差的績效，就能引起房價上漲1.4%—2.4%；而且，隨著鄰近地區私立學校可獲性的增加，公立學校績效在房地產價格中的資本化價值也會相應縮小[24]。Downes等運用芝加哥1987—1991年的數據來估算學校特征對房價的影響，分析證據顯示，在評價房屋價值時，學校級別明顯比地區級別重要，因此，在估算學校特征對房價的影響時，控制那些不可觀測的、暫時穩定的房價變量，對房價的無偏估計是很有必要的；同時還發現，房屋業主更多地關心學校的產出（如考試成績）而非學校的投入（如每個學生的花費）[25]。本文以上海市為例，對學區房價格的影響機制展開研究，具有重要的現實意義。

2 研究方法及數據采集與處理

2.1 研究方法選擇

在有關公共設施資源對房地產價格的影響研究中，大多數學者選擇應用特征價格法（Hedonic Price Model）。一般認為，房地產由眾多不同的特征組成，而房地產價格是由所有特征帶給人們的效用決定的。由于各特征的數量及組合方式不同，使得房地產的價格產生差異。因此，如能將房地產的價格影響因素分解，求出各影響因素所隱含的價格，在控制房地產的特征（或品質）數量固定不變時，就能將房地產價格變動的品質因素拆離，以反映純粹價格的變化。該方法的優點是能夠較為全面地考慮各種住宅價格影響因素，采用真實的數據模擬市場，可避免主觀意識的干擾。缺點則是數據收集較繁瑣，假設條件較多。本文也基于特征價格法展開研究。

2.2 研究樣本的選取

根據網上數據收集及政策了解，確定上海市學區房最集中的4大區域：徐匯區徐家匯板塊，浦東新區洋涇板塊，靜安區新閘板塊和楊浦區黃興板塊。各區域板塊的重點中小學的分布情況如表1。

2.3 數據采集與處理

住宅特征一般分為三大類：建筑特征、鄰里特征和區位特征。其中，建筑特征包括住宅面積、裝修程度、住宅的建造年份、房間數目、有無電梯等；鄰里特征包括小區環境、公共配套設施情況等；區位特征指到CBD距離、交通便利情況等。由于本文研究的是學區房，所以特加學校因素在內進行探討（表2）。

本文方法分為3個階段(如圖1)：局部成組方案的設置階段、局部成組約束條件下的多目標聚類優化階段和在Pareto解集中選擇合適解階段。

表1 上海市4大學區房重點中小學統計及性質Tab.1 Statistics and nature of four school district houses in Shanghai City

本文所收集的數據包括4大類：（1）房價數據：從上海搜房網（http://esf.sh.soufun.com/）獲得。不僅可以獲取房價，還能了解住宅地址、小區、建筑面積、戶型、朝向、所在樓層、建筑年代、配套設施、裝修情況等內容。（2）社區數據：從搜狐網（http://esf.sh.soufun.com/housing/）獲得，可以搜索到小區的綠化程度、物業管理費用等具體信息。（3）距離數據：采用百度地圖進行各學區房到重點中小學距離、到CBD的距離，以及到一些其他的大型公共配套設施的距離測算。（4）學校數據：對相關政策和資料進行查詢。

由于數據性質不同要將數據進行分類并按指標進行處理。其中定量變量有住宅面積、住宅年齡、所在樓層數、物業費和綠化率；虛擬變量有電梯和裝修程度；等級變量有住宅樓高、到CBD距離、距重點中小學距離、軌道交通（表2）。通過數據整合、變量取舍和量化，最終得到4大板塊共1172個住宅樣本數據。

3 上海學區房價格的影響機制分析

3.1 特征價格模型的設定

特征價格模型通常采用線性、半對數、對數3種基本函數形式。經過多次計算實驗比較后，本文決定采用對數形式的特征價格模型。對數模型中因變量采用住宅價格的自然對數形式（ln住宅價格）。住宅面積、所在樓層、建筑年齡、綠化率、物業費這5個變量也采用自然對數的形式進入模型。裝修程度、電梯、公園綠地3個虛擬變量和建筑樓高、距重點小學距離、小學本區排名、小學重點等級、距重點中學距離、中學本區排名、中學重點等級、交通及到CBD距離9個等級變量采用直接將數值代入的方式。

表2 住宅特征變量的描述與量化Tab.2 Description and quantization of residential characteristic variables

3.2 樣本的描述性統計

表3給出了參加回歸分析的18個變量的描述性統計分析結果。

3.3 模型的估計和檢驗

利用 SPSS14.0 對模型進行分析，數據處理采用逐步替換法，可將統計顯著性不強、經濟意義不明顯的變量逐步剔除[19]，所得結果如表4和表5。 最終逐步進入模型的變量有住宅面積、物業費、中學重點等級、小學本區排名、建筑年齡、距重點中學距離、到CBD距離、綠化率、距重點小學距離9個變量，其他變量均被剔除。

從表4可知，9號特征價格對數模型R2為0.839，經調整R2為0.838，擬合程度非常高，且標準估計誤差是9個模型中最小的。第9號特征價格模型的F檢驗都遠遠大于0.01,說明在置信水平α = 0.01下，回歸方程是顯著的，即進入方程的住宅特征與因變量ln（住宅價格）之間的線性關系能夠成立。由9號特征價格模型回歸系數檢驗結果（表5）可知，絕大多數回歸系數的T檢驗值在α = 0.05 上均具有顯著性,表明回歸方程中相應的系數具有顯著性。通過顯著性水平的檢驗,說明對數模型對樣本數據的擬合在統計上是有意義的，回歸方程是有效的。

表3 樣本數據統計分析Tab.3 Statistical analysis of sample datum

表4 特征價格模型的顯著性檢驗Tab.4 Significance test of the Hedonic price models

表5 回歸系數t檢驗Tab.5 T test of regression coefficients

圖1是殘差的直方圖。可以看出9號特征價格模型的殘差的直方圖比較符合正態分布的曲線，表明9號特征價格模型擬合程度較高,在統計上是具有意義的,可以用來分析和解釋住宅特征對住宅價格的影響。

圖1 殘差的直方圖Fig.1 The histogram of residuals

3.4 特征價格模型結果分析

由上可知，進入模型的9個變量在α = 0.05上均呈現顯著性。由表6可得出住宅特征價格方程如下：

表6 回歸系數表Tab.6 The regression coefficients

由表6可知，自變量符號均與預測的符號相同，且學校因素很大程度上影響了住宅價格。

在對數模型中，自變量為連續變量時，為標準化的回歸系數對應著住宅價格的彈性系數。半價格彈性系數是由于自變量是虛擬變量或者等級變量，不能直接采用回歸系數的數值，需要做計算處理：

由表6和上述公式可推算出各變量對住宅價格的影響程度（表7）。

表7 各特征變量的價格彈性系數Tab.7 Price elastic coefficient of characteristic variables

連續變量包括住宅面積、物業費、建筑年齡、綠化率。住宅面積的價格彈性系數為0.803，表示在其他條件不變的情況下，面積每增加1%，住宅價格將平均上漲0.803%。同樣，在其他條件不變的情況下，物業費每增加1%，住宅價格將平均上漲0.162%；建筑年齡每增加1%，住宅價格將平均下降0.098%；綠化率每增加1%，住宅價格將平均下降0.049%。

虛擬變量均無入選。等級變量入選的有重點中學等級、小學本區排名、距重點中學距離、距CBD距離、距重點小學距離。中學重點等級的價格半彈性系數為-8.698，表示在其他條件不變的情況下，學校重點等級每下降一級，住宅價格將平均下降8.698%。同樣，在其他條件不變的情況下，小學本區排名每降低一位，住宅價格將平均下降0.896%；到重點中學距離每增加100 m，住宅價格將平均下降0.995%；距CBD的距離每增加0.5 km，住宅價格將平均下降1.292%；距重點小學距離每增加100 m，住宅價格將平均下降0.499%。

由表8可以看出，在各個因素中，住宅面積的影響程度最大，高達51.26%；其次是物業費，為15.53%；接下來便是中學重點等級，為10.14%；其他各個因素為2%至5%不等，差距不大。由此可見，除了住宅因素和物業費以外，重點中小學對住宅價格也具有較大的積極影響，學校等級越高、學校排名越靠前、距離重點學校越近，住宅價格則越高。由于本文以重點小學為主，所以學區房選取也是以小學學區房為中心，而重點中學的影響特征顯得更加明顯，可見當今家長或投資者對于能夠享受到“小升初”政策的“雙學區房”更加青睞。

表8 各因素的影響程度系數表Tab.8 The impact degree of factors

4 結論與討論

（1）重點中小學對周邊住宅價格存在著比較重要的積極影響。在相同情況下，學校等級越高，住宅價格越高；學校排名越靠前，住宅價格越高；距離重點學校越近，住宅價格也越高。這體現出學區房政策推動了一定地區的房價抬升。離學校越近則方便孩子上學，學校等級越高和排名越靠前，則教學質量、升學率有了充足的保障，因而家長愿意支付更高的房價或房租來購買或租賃學區房。

（2）總體來看，學校因素影響程度之和達20.63%，影響程度居第二位，僅次于建筑面積的影響程度。具體而言，在其他條件不變的情況下，學校重點等級每下降一級，住宅價格將平均下降8.698%；小學本區排名每降低一位，住宅價格將平均下降0.896%；到重點中學距離每增加100 m，住宅價格將平均下降0.995%；距重點小學距離每增加100 m，住宅價格將平均下降0.499%。

（3）雖然本文主要是基于重點小學為基礎進行的研究，但是重點中學的影響特征卻顯得更加明顯，可見當今家長或投資者對于能夠享受到“小升初”政策的“雙學區房”更加青睞。

（4）要關注學區房價格變動的不利影響。一是哄抬房價，房產商和中介惡意利用“重點學校”稱號牟利，導致市場愈發畸形；二是好學區由于高價成為富人專屬，致使窮人家孩子讀好學校的機會越來越少；三是增加家庭的精神壓力和孩子的心理壓力。因此，短期內要著手于均衡教育資源，從長遠角度則需要建立更科學、更完善的教育評價體系，只有徹底改變人們過分追求名次的心理需求，才能從根本上解決學區房哄搶問題。

（References）：

［1］王曦, 葛幼松, 張含. 南京老城區學區房價格機制研究［J］.合作經濟與科技，2010，（12）：10-13.

［2］文嘉琪. 上海市長寧區學區房價格走勢分析［J］. 經濟視角（下），2011，（5）：32-34.

［3］王旭育. 基于Hedonic模型的上海住宅特征價格研究［D］.上海：同濟大學，2006.

［4］符文穎. 基于 Hedonic 價格模型的廣州住房市場研究［D］. 廣州：中山大學，2008.

［5］邵飛波，張鑫. 基于 Hedonic 模型的上海住宅價格影響因素分析［J］. 經濟論壇，2008，（23）：9-13.

［6］王琳. 城市軌道交通對住宅價格的影響研究——基于特征價格模型的定量分析［J］. 地域研究與開發，2009，28（2）：57-61.

［7］石憶邵，張蕊. 大型公園綠地對住宅價格的時空影響效應——以上海市黃興公園綠地為例［J］. 地理研究，2010，（3）：510 -520.

［8］鐘海玥，張安錄，蔡銀鶯. 武漢市南湖景觀對周邊住宅價值的影響——基于 Hedonic 模型的實證研究［J］.中國土地科學2009，23（12）：63-68.

［9］楊尚. 城市教育配套對住宅價格的影響研究［D］. 杭州：浙江大學，2013.

［10］溫海珍，賈生華. 住宅的特征與特征的價格——基于特征價格模型的分析［J］. 浙江大學學報（工學版），2004，38（10）：1338 -1349.

［11］張品. 試析學區房的形成及其社會效應——以天津市為例［J］. 社會工作，2012，（24）：87-90.

［12］余璇. 學區房受追捧的原因及外部性探究［J］. 中國城市經濟，2011，（14）：210.

［13］陳玲玲，唐學玉. “學區房熱” 的原因及外溢效應研究 ［J］. 中國集體經濟，2009，（25）：48.

［14］陳玲芬. 城區學區房需求現狀調查：以浙江省海寧市為例［J］. 江蘇商論，2013，（11）：20-24.

［15］楊雯婷，劉冰玉，王麗. 經濟學視角下學區房供需因素分析及其對策［J］. 財會研究，2012，（16）：69-71.

［16］央吉. 學區房：另類的教育投資［J］. 綠色中國，2013，（12）：40-43.

［17］江堅. 基于學區房現狀淺談教育地產的發展［J］. 創新，2010，（2）：60-63.

［18］車佳瑋，貝佳鳳，王晨宇，等. 紹興市 “學區房” 效應及其對策研究［J］. 學理論，2013，（29）：80-81.

［19］聶飛. 重點中小學對普通住房市場價格的影響——以保定市為例［D］. 保定：河北農業大學，2011.

［20］Bowes, D. R, Ihlanfeldt, K.R. Identifying the impacts of rail transit stations on residential property values［J］. Journal of Urban Economics, 2001, 50（1）:1-25.

［21］Liisa, T., Miettinen, A. Property prices and urban forest amenities［J］. Journal of Environmental Economics and Management, 2000, 39（2）:205-223.

［22］Reback, R. House prices and the provision of local public services: capitalization under school choice programs［J］. Journal of Urban Economics, 2005, 57（2）: 275-301.

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

［24］Fack, G., Grenet, J. When do better schools raise housing prices? Evidence from Paris public and private schools［J］. Journal of Public Economics, 2010, 94（1）: 59-77.

［25］Downes, T. A, Zabel, J. E. The impact of school characteristics on house prices: Chicago 1987-1991［J］. Journal of Urban Economics, 2002, 52（1）: 1-25.

（本文責編：郎海鷗）

The Impacting Mechanism of Housing Prices in the School Districts in Shanghai City

SHI Yi-shao, WANG Yi-ting
（College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China）

The purpose of this paper is to discuss the impacting mechanism of housing price of school districts. Methods of Hedonic pricing and multiple regression analysis are employed. The results indicate that the sum of school factors affecting housing prices accounts for 20.63% of the whole, and its influence degree is at the second to that of the construction area. Specifically, in the case of other conditions unchanged, 1） drop in school grade level, housing prices will decline 8.698% averagely; 2） regarding primary school if the rank becomes lower, housing prices will also fell at 0.896% margin; 3） each additional 100 meters from key middle school, housing prices will fell 0.995% averagely; 4） each additional 100 meters from key primary school, housing prices will fell 0.499% averagely. It is concluded that 1） key middle schools and primary schools there are more important positive effect on surrounding residential prices. The higher the school level, the higher the housing price; school to the top, the higher the housing price; the closer distance from key schools, the higher the housing price; 2） meanwhile, the “double school district houses”, i.e. being the key primary and key high school district simultaneously, are more popular.

real estate price; housing price of school districts; Hedonic price model; impacting mechanism; multiple regression analysis; Shanghai City

F293.3

A

1001-8158（2014）12-0047-09

2014-06-30

石憶邵（1963-），男，湖南新邵人，博士，教授。主要研究方向為土地資源管理、城市與區域經濟、地理信息系統。E-mail: shiyishao@tongji.edu.cn