宋博通 SONG Bo-tong；李亚宁 LI Ya-ning
（深圳大学，深圳 518060）
摘要：目前国内外学术界关于学区房的研究多集中在学校质量对周边住宅价格的影响。本文重点梳理衡量学校质量指标选取、学校样本选取以及剥除邻里效应方法选择。研究表明，国内研究起步较晚，大多数文献研究尚未考虑学区房的空间自相关性；而国外关于学校对周边住宅价值影响的研究起步较早，在研究对象的确定、研究方法的选择以及研究内容等方面相对成熟，国内对学校对周边住宅价值影响的研究需要细化和提高。
教育期刊网 http://www.jyqkw.com
关键词 ： 学区房；住宅价格；空间计量经济法；文献综述
中图分类号：F293.35 文献标识码：A 文章编号：1006-4311（2015）26-0005-04
作者简介：宋博通（1968-），男，广东深圳人，深圳大学基建部主任、深圳大学房地产研究中心常务副主任，副教授，博士，主要研究方向为城市经济与房地产市场、住房政策；李亚宁（1992-），男，河南周口人，深圳大学硕士研究生，主要研究方向为城市经济与房地产市场。
0 引言
经济学家史蒂文·吉本斯说，“好学校与高房价之间的联系是世界上最稳定的关系之一”[1]。现实中，拥有着“好学校”入读资格的住宅奇货可居，针对学区房的需求及研究，是人们持续关注的热点。自20世纪60年代以来，欧美国家一直十分重视与学区房价格相关问题的研究，并取得丰富成果，但也存在部分研究视角的缺失，国内自20世纪90年代末逐步重视该领域的研究，起步相对较晚，研究中存在下列问题：①度量学校指标单一，以偏概全，还存在选取上的主观性，降低研究结果的准确性；②学校样本的选取范围过小，对象不够完备；③研究方法上，国内学校对周边住宅价值的影响因素研究还没有考虑住宅市场的空间自相关性，仍然运用传统的计量经济学手段，即没有进行消除或减弱邻里效应对研究的影响。本文将对已有的学校对周边住宅价值影响的研究进行综述，得出解决存在这些问题的新思路，期望能够对以后的研究者提供借鉴作用。
1 国内学区房研究的必要性——以深圳数据为例
深圳房地产业较为发达，作为我国四个一线城市之一，房地产价格水平居全国前列。同时，深圳于2004年8月成为广东省第一个教育强市。因此选择以深圳为例。
1.1 深圳学区房简介
2006年深圳市3～6岁儿童受教育率达98%、九年义务教育入学率达100%、高考升学率达92%以上。根据深圳市教育局公布资料，截至2012年12月底，全市共有各级各类学校（含幼儿园）1856所，较建市之初增长了近6倍，其中高校单位11个，普通中小学635所，中等职业学校（含技工学校）22所，幼儿园1186所。
作为经济特区，深圳市教育事业与经济建设同步快速发展，学校数量、招生规模均具有一定水平，但仍存学位供应紧张、优质资源分布不均衡等社会普遍现象。如表1所示，从2006年来深圳市新生儿数量首次突破10万人次，近7年来一直呈现上涨趋势，到2013年翻了一番，达到20.7万人次，未来深圳学区房供给会更加紧张。
1.2 深圳学区房的量与价
深圳居民学区房置业热情高涨，据搜房网上进行的深圳学区房网络小调查显示，近85%的调查者表示愿意为孩子获得好的教育环境购买学区房，约60%的调查者表明在购买学区房时会首先考虑学校质量。
深圳学区房需求的火热，除了在上述居民购买意愿的调查中得以量的反映之外，在价上亦有迹可循。以深圳福田百花片区为例，该片区名校云集，有深圳实验学校、百花小学、荔园小学以及红岭中学等，片区内上个世纪八九十年代的二手商品住宅至今仍然赤手可热，价格长期高位运行，且一房难求，如图1所示，2014年售价却已经超过5万元/m2，且还有上涨趋势，比周边房龄小、非名校学位的住房每平米售价高出10000-15000元，学区房溢价显著。
图1数据表明深圳学区房供给不足，学区房价格上涨速度过快，学校对周边住宅资本化日益明显。测算出学校对周边住宅资本化的程度，对居民购买学区房有指导性的建议，同时对政府合理规划学校的建设提供参考，使教育资源均衡分布；因此，研究学校对周边住宅价值的影响十分必要。
2 国内研究现状分析
美国经济学家Tiebout[2]认为在居民可自由流动的前提下，迁移是其选择地方公共品最优供给水平的有效手段，也就是著名的“用脚投票”（vote with their feet）理论。
丁维莉与陆铭[3]认为在中国，人们通过居住地选择来获取优质学校，学校质量资本化反应到房地产价格的机制是存在的。近年来，国内已有一些学者进行了学校对于周边住房价格影响的研究，成果颇丰。总结可以分为如下几类：
第一类，边缘式研究周边学校对住宅价格有无影响。如王琳[4]在研究城市轨道交通对住宅价格影响时，采用特征价格模型，以虚拟变量形式引入学校作为住宅邻里特征变量之一，判断出成都市住宅小区0.5km范围内学校对住宅价格有影响。这类边缘研究学校对周边住宅价格影响文献最为多见，其采用的研究方法和得出的结论也较为统一，但研究深度较浅。
第二类，抛开学区限制，粗线条式研究距离最近学校教学质量、上学距离对住宅价格影响。如贾朝健[5]研究教育设施对周边住宅价格影响研究时，采用特征价格模型，以家长心中最好大中小学校民调占比、住宅至最近大中小学校距离作为评价学校主要特征变量，分析出在成都市学校教学质量对购房者决策影响不明显，上学距离则影响显著，至最近中学距离每增加1km ，住宅均价下降3.98%。这类研究虽是较为系统地研究学校对周边住宅价格影响，但研究手段略显粗糙，表现在：①抛开学区限制，选取距离最近学校为样本学校与现实不符。虽然我国义务教育阶段现行招生制度遵循“就近入学”原则，但是招生范围仍有区域限制，适龄儿童只能在所属学区内学校就读，并不能保证所读学校即为上学距离最近学校，尤其是在人口密度较大或名校所在区域，学生往往被分流到周边学校就读，而不全是在最近学校入读。②采用家长心中最好大中小学校民调占比来度量学校质量的方法欠佳。相比之下，反映学校自身办学水平的学校等级和升学率等指标就显得更为客观，与普通民众评判学校质量好坏所常选用的评判指标与量化方法也更为一致，因而适用性也会更好。
第三类，“偷梁换柱”研究教育资源对周边不动产价格影响，这类研究多是从宏观角度把握教育资源对房地产价格的影响，如周京奎和吴晓燕[6]利用省级面板数据分析地方公共投资对房地产市场价格的溢出效应，文章中用来度量教育投资的指标是每个省的小学、中学、大学的数量以及教师人数，结论表明在省级水平上的中学数量对各类房产和土地的溢价是最显著的。
王旭程[7]实证研究房价与教育资源的双向关系，采用我国27个省份和4个直辖市1991-2009年的房价平均值和教育资源时间序列，进行格兰杰因果检验，其中教育资源的度量方式是每十万人中高校学生的比例，结论表明我国教育资源对于房价有很明显的推动作用，在此基础上进行回归分析得出教育资源对于房价的影响价格弹性系数。
冯皓，陆铭[8]基于上海市52个区域的房价与学校分布的月度面板数据，利用面板数据中的固定效应模型，回归得出区域间基础教育数量对房价的贡献，同时引入“实验性示范性高中”命名的自然实验，解决了基础教育资源数量和质量存在的内生性问题，衡量了教育资源数量和质量指标，探讨城市内部的居住区分割和教育资源不均衡发展的关系；梁若冰、汤韵[9]、李祥[10]等得出了类似的结果。
第四类，研究单一学校对周边学区房价格的影响，如徐莹[11]建立特征价格模型研究大学对于周边住宅价值的影响，结论是以大学为中心的250m~500m范围内，住宅价格会受到大学的影响，只考虑到大学的影响，忽略了其他教育资源的影响，解释度并不高，有待进一步研究。
黄滨茹[12]利用人大附小学周边163个住宅样本，分别建立“有人大附小名额”和“无人大附小名额”特征价格模型，实证“有人大附小名额”对周边二手房价有显著的正面影响的结论；同年，黄滨茹[13]选取西安市碑林区的18所中学及中学周边1千米范围内59个小区共349个样本点，主要通过对样本数据的定性分析为主，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。由于作者只考虑到小学或者中学的单独影响以及住宅样本过少使得研究解释力有所削弱。
第五类，初步考虑住宅市场的空间相关性，研究学校对周边学区房价格的影响，温海珍，杨尚[14]重点从教育变量细化和消除邻里效应入手，构建特征价格模型和空间计量模型，分析不同类型教育配套对住宅价格的影响机制，证实杭州市住宅市场空间自相关性显著，构建空间滞后模型和空间误差模型，定量测算了消除空间相关性后，教育配套对在住宅市场的资本化程度，但研究数据有待进一步提高。
上述研究较为系统地研究了学校对房地产价格产生的影响，但研究内容和方法都略显粗糙，表现在：①度量学校指标的选取，大多数学者选取的是一定范围内学校的数量，却未曾关注学校的办学水平、教育经费、师生比率等，不能系统的对比分析，而这正是屡禁不止的“择校风”形成的原因之一。②研究单一学校对住房价格的影响，不够科学，夸大某一学校对于房价的影响。③采用问卷调查各中小学在民众心中的排名来度量学校质量有失偏颇。对比之下，学校等级和重点中学升学率等指标就更为客观可凭，适用性更好。④在剥离学校单独对学区房价格的影响，国内文献涉及相对较少，这样研究的结果准确性大大降低。
3 国外研究现状分析
相比国内，国外学者则较早地对学区房问题进行了较长时期的系统研究，取得了丰硕的成果。可概括如下几个方面：①研究对象集中于小学、中学；②研究方法多采用特征价格法；③研究内容多为学校质量对房价的影响，且度量学校质量时多采用学生考试成绩和考试通过率指标；④研究结论多见于学生考试成绩与周边住宅价格的关系，如学生考试成绩每提高1单位，周边住宅价格上涨幅度。
奥茨（Oates，1969）[15]是最早应用特征价格模型研究学校对周边住宅价格影响。研究表明，学生人均支出与学区内住宅价格呈正相关。许多学者进行了类似的研究，一致认为质量较好的学校所在学区内的住宅价格也较高，一般而言，学校质量每提高1%，学区内住宅价格上涨0.26%-1.6%。
国外有关研究学校对房地产价格影响的代表性文献如表2所示。由表2知，国外对于学校与房价的关系研究成果相当丰富，总结主要有如下：
①国外学者大多数采用面板数据，且样本丰富，住宅样本多数基本都在1万个以上，甚至个别达到十万以上，数据量越大，模型拟合效果越能反应真实水平，数据库系统较为完善，信息公开透明化程度高，为后续学者深入研究教育资源对于房价影响提供了范例，而国内的研究则受限于微观交易数据难以获取，进展颇慢。
②关于学校与房地产价格关系的研究面临着这样一个困境：如何剥离出学校的单独影响。国外很多学者进行了尝试，常用的方法有三种，分别为固定边界法（Boundary Fixed Effect）、工具变量法、空间计量经济法。
固定边界法，其中最具代表性的是Black提出，沿学校学区边界相邻两侧选择住宅样本，保证学区房的区位和除学校外的其他邻里特征基本一致，使用BFE选取样本的前提是学区边界线两边学校质量必须存在差异。由表2知，Black提出固定边界法以后，众多学者在研究学校对周边住宅价格的独立影响时将此方法进行扩展改进，以期获得更精确的结果。
工具变量法，Hayes&taylor（1996）[31]、Weimer&wolkoff（2001）[32]、Gibbons&Machin（2003）[33]和Rosenthal（2003）[34]采用工具变量法研究学校质量在房地产市场的资本化效应，总体说服力一般。
空间计量经济法，是公共品资本化研究进程中一个开创性进步，研究对象的空间依赖性打破了大多数古典统计和计量经济学分析中样本相互独立的基本假设，而古典计量经济学的方法通常不能消除这些数据的空间相关性，目前解决空间相关性的常用模型是使用空间滞后模型和空间误差模型（Sedgley，2008）[35]。空间计量经济学使研究学校或者其他公共物品对周边住宅价格影响变得更符合实际，对后续研究具有较大的指导意义。
但是国外研究亦存在一些不足之处，主要表现在以下两个方面：①国外学者在研究学校对于房价影响时，选择的样本学校多数都是某一类学校，如小学，事实上，对于选取的某一住宅样本，其周围可能同时存在中小学校，单独考虑特定类别的学校的影响未免有失偏颇，使得该类学校的估计影响会偏大，存在不合理之处。②选取代表学校质量的指标大多数为学生考试成绩，研究成绩波动时，周边房价的变化趋势。学生成绩在一定程度上代表学校办学质量的差异，可是仅仅只考虑这一个因素未免以偏概全。
4 结论
综上，目前已有的国内外有关学校对周边住宅价值的影响研究，针对存在的不足，提出具体建议措施：
第一，度量学校指标的选取，国内外大多数学者选取一定范围的学校数量或者考试成绩。学生成绩在一定程度上代表学校办学质量的差异，可是仅仅只考虑这一个因素未免以偏概全；或采用问卷调查各中小学在民众心中的排名来度量学校质量有失偏颇。后期研究可以考虑增加其他一些衡量校际之间差异性的指标，如学生人均支出、师生比、教师素质、教育经费等，以期获得更准确的研究成果。
第二，学校样本的选取，样本学校的选择多数都是某一类学校，如小学，事实上，对于选取的某一住宅样本，其周围可能同时存在中小学校，仅仅考虑一种类别的学校的影响有失偏颇，该类学校的估计影响会偏大，存在一些不合理之处。后期研究尽量使学校样本涵盖一个城市中所有的教育配套，反映整个城市的总体情况。
第三，剥除学校邻里效应方面，对于空间自相关的问题，需要运用空间经济学领域的知识予以解决，但目前空间计量经济学的模型还很少运用到学校对周边住宅价值的影响的研究中。后期研究可以通过空间计量经济学理论，削弱邻里效应的影响，以得到更加准确的结果。
教育期刊网 http://www.jyqkw.com
参考文献：
[1]蒂姆·哈福德.择邻而居亦有价[J].21世纪商业评论，2013（04）:95.
[2]Tiebout C M. A Pure Theory of Local Expenditures [J]. The journal of political economy, 1956:416-424.
[3]丁维莉，陆铭.教育的公平与效率是鱼和熊掌吗——基础教育财政的一般均衡分析[J].中国社会科学，2005（06）:47-57.
[4]王琳.城市轨道交通对住宅价格的影响研究——基于特征价格模型的定量分析[J].地域研究与开发，2009（02）:57-61.
[5]贾朝健.教育设施对周边住宅价格的影响研究[D].重庆大学，2007.
[6]周京奎，吴晓燕.公共投资对房地产市场的价格溢出效应研究——基于中国30省市数据的检验[J].世界经济文汇，2009（01）：15-32.
[7]王旭程.房价与教育资源关系的实证研究[D].中国科学技术大学，2011.
[8]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.
[9]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.
[10]李祥，高波，李勇刚.房地产税收、公共服务供给与房价——基于省际面板数据的实证分析[J].财贸研究，2012（3）:67-75.
[11]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（04）:39-41.
[12]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（02）:58-60.
[13]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（下半月），2010（3）:156-158.
[14]杨尚.城市教育配套对住宅价格的影响研究[D].浙江大学，2013.
[15]Wallace E. Oates. The effects of property taxes and local public spending on property values: An empirical study of tax capitalization and the Tiebout hypothesis [J]. The Journal of Political Economy, 1969:957-971.
[16]Gibbons S, Machin S, Silva O. Valuing school quality using boundary discontinuities[J]. Journal of urban economics, 2013,75:15-28.
[17]Ries J, Somerville T. School quality and residential property values: evidence from Vancouver rezoning[J]. The review of economics and statistics, 2010,92(4):928-944.
[18]Yinger J. Hedonic Markets and Explicit Demands: Bid-Function Envelopes for Public Services and Neighborhood Amenities[J]. Center for Policy Research Working paper, Syracuse University, 2010.
[19]Cellini S R, Ferreira F, Rothstein J. The value of school facility investments: evidence from a dynamic regression discontinuity design[J]. The quarterly journal of economics, 2010,125(1):215-261.
[20]Brasington D M, Haurin D R. Parents, peers, or school inputs: Which components of school outcomes are capitalized into house value?[J]. Regional science and Urban Economics, 2009,5(39):523-529.
[21]Dougherty J, Harrelson J, Maloney L, et al. School Choice in Suburbia:Test Scores, Race, and Housing Markets[J]. American Journal of Education, 2009,115(4):523-548.
[22]Seo Y, Simons R A. The effect of school quality on residential sales price[J]. The journal of real estate research, 2009,31(3):307-327.
[23]Clapp J M, Nanda A, Ross S L. Which school attributes matter?: the influence of school district performance and demographic composition on property values[J]. Journal of urban economics, 2008,63(2):451-466.
[24]Figlio D N, Lucas M E. How Much do Public Schools Really Cost? Estimating the Relationship between House Prices and School Quality*[J]. Economic Record, 2008,265(84):193-206.
[25]Mathur S. Impact of Transportation and Other Jurisdictional-Level Infrastructure and Services on Housing Prices[J]. Journal of Urban Planning and Development,2008,134(1):32-41.
[26]Bayer P, Ferreira F, McMillan R. A unified framework for measuring preferences for school and neighborhoods[J]. The journal of political economy, 2007,115(4):588-638.
[27]Crone T M. Capitalization of the quality of local public schools: what do home buyers value?[J]. Federal Reserve Bank of Philadelphia,2006.
[28]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.
[29]Figlio D N, Lucas M E. What´s in a grade? School report cards and the housing market[J]. The American economic review, 2004,94(3):591-604.
[30]Black S E. Do better schools matter? Parental valuation of elementary education[J]. The Quarterly Journal of Economics [H.W. Wilson - SSA], 1999,114(2):577.
[31]Hays K J, Lori L T. Neighborhood School Characteristics: What Signals Quality to Homebuyers[J]. Federal Reserve Bank of Dallas Economic Review, 1996:2-9.
[32]Weimer D L, Wolkoff M J. School performance and housing values: using non-contiguous district and incorporation boundaries to identify school effects[J]. National tax journal, 2001,54(2):231-253.
[33]Gibbons S, Machin S. Valuing English primary schools[J]. Journal of urban economics, 2003,53(2):197-219.
[34]Rosenthal L. The value of secondary school quality[J]. Oxford bulletin of economics and statistics, 2003,65(3):329-355.
[35]Sedgley N H, Williams N A, Derrick F W. The effect of educational test scores on house prices in a model with spatial dependence[J]. Journal of housing economics, 2008,17(2):191-200.
