梅应丹，文新锐，巫佳潞 | 京城再无学区房？ ——北京市学区房溢价再评估与小学教育质量新评

点击蓝字 关注我们

京城再无学区房？

——北京市学区房溢价再评估与小学教育质量新评

梅应丹，文新锐，巫佳潞

(中国石油大学(北京)  经济管理学院，北京 102249)

摘　要：本文利用北京市2015—2018年2765个小区的房屋购买和租赁的动态面板数据建立特征价格模型，利用固定效应方法分析了北京市六个主城区小学教育质量差异对周边学区房的溢价效应。结果显示，房屋购买和租赁对学区房溢价存在差异，且不同教育质量的小学溢价程度各不相同。房屋的购买溢价在2.8%～15%范围之间，而租赁溢价在－7.4%～10.6%范围之间。据此认为，政府应根据城区教育水平的差异性增加城市基础教育供给、提升基础教育资源，并且持续推进“租购同权”政策，尽可能达到教育资源公平分配的目的。

关键词：学区房；溢价效应；特征价格模型；面板数据

01

引     言

近年来，随着中国经济和房地产市场的不断发展，中国一线城市房价持续攀升。为实现教育资源公平化，全面落实义务教育免试就近入学规定，我国各地区进行的学区划片工作也对片区内房价产生了较大的影响。学区房所带来的优质教育资源一时间成了房价的新增长点，但是这种“购房择校”的学区房溢价现象，不仅加大了教育的资本化程度，也让本应更加公平的教育资源失去了其公共属性^[1]。为推进教育资源公平化，稳定房地产市场价格，强调房屋的居住属性，国家近年来出台了多项教育资源改革措施，力图从产权角度推动教育资源分配的公平化，实现租房与买房享受平等的教育资源。

2017年7月以来，全国多地相继出台“租购同权”的相关政策，旨在赋予符合条件的承租人子女就近入学等公共服务权益，保障租购同权，让产权不再成为享受学区内就近入学的唯一标准，进而实现教育公平。但由于我国城市优质公共服务供给能力有限，特别是与学区紧紧联系在一起的优质教育资源明显稀缺，完全做到租购同权还需要时间。

各地义务教育入学制度强调以就近入学为主，“租购同权”并没有得到真正的实现，租户就近入学的难度依然较大。如天津、大连、重庆等地，多数租户子女入学采取学区统筹，根据学位空余情况，就读公办学校，而非就近入学。广州等地对租户子女的就近入学政策的限制较为严格，只有少部分较高积分或高知识水平人才才能够满足租房就近入学的要求。

在我国大多数城市仍处于“租购不同权”的背景下，我国一线以及新一线城市房屋溢价现象较为严重，特别是流动人口聚集的大中城市，外来人口的子女更是面临难以顺利入学的压力。北京市“租购同权”推行难度较大，租户子女就近入学在实际中难以实现。虽然北京市曾在2018年发布的《关于2018年义务教育阶段入学工作的意见》中明确提出：“北京市户籍无房家庭，长期在非户籍所在区工作、居住，符合在同一区连续单独承租并实际居住3年以上且在住房租赁监管平台登记备案、夫妻一方在该区合法稳定就业3年以上等条件的，其适龄子女可在该区接受义务教育。”但由于北京教育资源紧张，导致在实际执行过程中，租户就近入学顺序仍要排在学区房业主家庭之后，就近入学难度较大。

北京市“租购同权”的难以实现，反映出学区房仍在未来很长一段时间作为影响房价的主要因素。有学者运用北京市的房屋交易数据研究了“租买同房不同权”的问题，结果显示北京城市居民愿意为重点小学的学区房支付大约8.1%～18.4%的溢价^[2,3]。但随着近年来房地产市场的进一步发展，学区房的溢价范围也会随之产生一定变化，因此迫切需要对现阶段我国房屋配套教育资源的溢价效应重新测算，探讨优质教育资源具体在多大程度上推动了房价的上涨以及产权对学区房溢价的影响，进而对解决教育资源公平化等社会问题，以及促进我国住房供给侧结构性改革等政策制定提供参考。

因此，本文将基于特征价格模型对房屋配套教育资源的溢价程度进行评估。北京作为中国政治文化中心，更是一线城市的代表，各城区教育资源水平相差悬殊，由此导致的学区房溢价现象十分严峻。因此，为加深目前国内对于教育资本化的认知，解决教育资源公平化问题，本文以北京市学区房为研究对象，收集了2015年至2018年的房地产交易价格、房屋的物理特征与区位特征及436所小学的教育质量等信息，研究教育资源差异对周围房价的影响。在研究方法上，本文主要运用面板数据的时间和空间固定效应来控制遗漏变量误差，对北京市学区房溢价效应进行进一步分析。研究结果表明，北京市学区房根据其附近小学的教育质量不同，房屋的购买溢价在2.8%～15%范围之间，租赁溢价在2.89%～10.69%之间，与哈巍和胡婉旸等学者对北京市小学附近学区房价值约8.1%～18.4%的范围相符，但更为精确^[2－3]。

本文对现有文献有以下两方面的贡献。首先，本文采用更加细化的教育资源量化方式。现有研究多采用“0”“1”虚拟变量来区分学区房与非学区房，但这样的方式忽略了不同学区间的教育质量差异，对教育质量带来的溢价的测算略显粗糙。而本文将学区房分为六个等级，区分非学区房与配套不同教育质量水平的学区房，能够较为准确地反映不同水平的教育质量差异带来的溢价；其次，本文采用了面板数据来研究产权对学区房溢价的影响，而以往研究“租买不同权”的研究是基于截面数据^[3]。面板数据的优势在于可以更多地控制不可观测的遗漏变量干扰，使模型的估计结果更加可信。

02

文 献 综 述

学校教育质量水平的度量是本文研究的一个核心问题，教育质量的准确度量是对学区房溢价效应评价的基础。目前对于学校教育质量的度量方式主要从教育投入和产出的角度出发，采用单一指标度量或多种指标综合度量方式。首先，将学校教育投入作为衡量一个学校教育水平的标准，这是对教育质量的一种货币化评估方式。克拉克(Clark)指出，教育资源能够通过学区的形式成为一种人们能够持有的财产^[4]，同时这也是对于教学质量评价最早的一种度量方式。奥茨(Oates)在对地区公共预算研究时，从教育质量的投入角度出发，以一定区域内政府教育支出多少来度量区域内学校的教育质量^[5]。但是仅从教育投入的角度进行评估过于片面，教育投入往往不能完全反映学校教学质量的实际水平。在此之后，国内外有学者提出从教育产出的角度出发对学校的教育质量进行衡量，并以此为标准对学区房的溢价效应进行分析。文森特(Vincent)在对波士顿公立学区的资本化水平进行研究时，采取学区内小学生的平均成绩作为度量标准衡量学区的教育质量水平，其结果显示，学区内学生成绩每提升1%，家长愿意为此多付出4%的房价^[6]；与此类似，日本学者雄太(Kuroda)也选用学区房附近小学的学生平均成绩作为衡量标准，评估学区房租赁的溢价水平^[7]。此外，国外也有学者同时考虑教育投入和支出来衡量学校的教育水平，唐斯(Downes)和萨贝尔(Zabel)选用针对每个学生的教育投入和学生的成绩两项指标进行比对，来衡量学校的教育质量水平，结果表明，人们对教育的投入和产出同样关注，但当以购房者身份进行考虑时，人们更倾向于关注教育的成效，即产出^[8]。

而从国内研究来看，多数国内学者采纳同时考虑教育投入与产出的度量方式，梁立雨等综合考量投入与产出，采用生师比、升学率等多个指标来度量深圳市3个主要城区中学的教育质量^[9]。此外，基于国内“学区划片，就近入学”的政策背景，国内学者结合我国学区实际情况，采用构建综合指标，根据片区教育投入和产出的情况对学区或学校进行综合评估，并以此作为参考进行学区教育质量水平的度量。在具体对学区房的溢价效应进行研究的过程中，学区房与非学区房通常被赋值为“0”“1”(给非学区房资源为“0”，给学区房赋值为“1”)，进行商品房配套的教育质量识别。现有的对北京市教育质量的评估多采用这一虚拟赋值的方法，胡婉旸等利用配对回归，借助“租买不同权”的入学制度，对北京市学区房的资本化程度进行了研究，配对回归测得2011年北京市重点小学学区房溢价为8.1%^[3]。在此之后，哈巍等用混合OLS模型，基于北京市主城六区的重复截面数据，得出北京市重点小学学区房溢价为18.4%，认为胡婉旸等忽视了2014年以前部分其他入学渠道的需求，所以得到的溢价水平偏低^[2]。而对于国内其他城市，石绍宾等将山东省济南市的学区划分为重点小学学区和普通小学学区，配对回归得到重点小学对应小区的房价比普通小学对应小区的房价高出11.6%^[1]；崔文君等将广州市学区划分为省重点学区、市重点学区和普通学区，按照“0”“1”赋值法，将省重点和非省重点、市重点、普通学区两两对比，三次回归进行比较^[10]。但“0”“1”赋值方法评估不够精确，即使同为学区房，不同重点小学之间教学质量还是有一定区别。因此国内也有部分学者对虚拟赋值进行细化，采用了梯度分级虚拟赋值，刘润秋等对成都市武侯区学区房的研究分别采用了“0－5”的分级虚拟赋值，回归得到教育质量每提升1个等级，单位住房价格平均上涨2.97%^[11]。王永超等在研究沈阳市中心城区重点中小学时，对重点中小学采取“1－5”的分级赋值，研究单学区房和双学区房溢价效应的差别^[12]。但是，由于近年来各地“租购同权”与取消“小升初”考试等政策的提出，各地学校和学区的排名也发生了一定的变化。虽然目前国内研究结合了多种反映教学产出的指标如学生成绩、升学率、教育资金投入等作为衡量教育质量的特征，但是仍忽视了人们对于学区边界重新划分、学校教育质量下滑等教育质量改变的预期影响，国外部分研究结果也表明当学区政策变动存在不确定性时，教育资本化程度确实有所降低^[13]。在此之后，国内学者针对此问题，继续创新教育质量度量方法，陈(Chan)将传统的重点小学名单、资源投入情况及语数英竞赛表现共同作为衡量学校质量的变量，对上海市学区房的溢价效应进行评估，结果显示，竞赛成绩位居前10%的学校，学区房价格要相应地高10%，约合43万元^[14]。高额的教育资本溢价反映出的是上海市优质教育资源的稀缺性与上海市小学教育质量的巨大差异，这也将导致在未来较长的一段时间内，上海市的学区房继续保持在一个较高的溢价水平。

在房屋溢价效应的评估方法上，OLS方法是最基础的一种回归方法，但OLS方法必须在满足学校教育质量是外生变量这一假设时才能得到有因果意义的最无偏的估计结果。显然，将所有与学校教育质量相关并对房价具有影响的变量(如小区社会经济背景等)都纳入特征价格模型中予以控制并不现实，因此部分学者对于特征价格模型中使用的OLS回归的方法进行了拓展与完善。为解决房屋在空间相关及其他不可观测的特征带来的内生性问题，边界断点回归、边界固定效应和双重差分等方法都得到了广泛应用。布莱克(Black)最早于1999年采用边界断点回归的方法来评估学区房的溢价效应^[15]。我国也有多位学者沿用其研究思路，哈巍等结合北京市义务教育综合改革带来的外生政策冲击和边界断点回归两种策略，评估了教育改革对北京市小学周边学区房溢价效应的传导机制^[16]。黄斌等基于空间断点设计，对位于学区分界两侧的住房价格进行匹配差分估计，结果显示，南京市小学名校及分校的学区房溢价分别为19.7%和3.6%^[17]。此后，黄斌等更换研究区域，选用匹配双重差分方法，对比了北京市精英小学和低声望小学周边的房屋溢价效应^[18]。陈(Chan)利用边界固定效应方法对学区边界特征进行控制，消除了行政区差异等地区边界原因对房价的影响，回归得到上海“明星小学”学区房溢价水平约为10%^[14]。郑(Zheng)运用房屋出售价格和租金差异的配对数据回归方法来消除未观测到的房屋特征的偏误，结果表明，在北京，一套重点小学学区内住宅比学区外住宅售价平均每平方米高2266元^[19]。温(Wen)同样基于特征价格模型对杭州市学区房溢价范围进行研究，但在方法上采用双重差分模型与空间计量模型来控制遗漏变量误差，结果显示杭州市在颁布禁止“择校”政策后，教育资源的资本化程度显著上涨^[20]。

总体来看，在教育质量评价方法上，国内大多数研究主要采用两类度量方法，一种是采用连续变量如学校升学率、学校获奖数等指标作为小学教育水平的度量标准，但该种测量在一定程度上忽视了人们对学校教育质量改变所产生的预期变化所带来的影响。第二种为利用“0”“1”虚拟变量的赋值方法来区分房屋所在区域内小学的教学水平，但是这样的赋值对于教育质量的划分显然不够细致与精确。与上述文献选用方法相比，本文创新之处在于，选用家长对学校的评价排名作为学校教育质量的度量标准，能更加全面和真实地体现出学校教育质量水平，家长在对小学教学质量进行排名时，并不是仅考虑某一教育指标进行评价，而是结合多种因素如师资力量、升学率等指标进行综合考量，使得评价结果更有说服力。此外，在虚拟变量的处理上，本文采取“0－5”虚拟变量，将北京市小学教育质量划分为六个等级，对小学质量的区分也更加细致和精准，使得回归结果更有参考价值。

03

研究区域与数据

在现有研究的基础上，本文利用北京住房的交易数据，将交易数据与其所属学区或对口小学进行配对，控制教育质量之外的其他区位因素，借此研究学区房房价的资本化效应。同时，我们利用“租买并不同权”的现实情况，将房价情况与租金情况的两个不同回归方程进行对比，以得到更加准确的资本化效应结果。该部分将主要介绍北京学区及教育质量的判定方法与北京市住房数据的具体情况。

1.北京小学教育资源质量判定

本文选取了2015—2018年的面板数据，但同时这四年内北京市义务教育阶段入学政策也在经历着较大的变革。为进一步遏制学区房过度炒作，实现教育资源合理分配，北京市各区自2014年起提出了“多校划片”“区内抽签”“六年一学位”等政策。在2018年底，这些政策在东城区、海淀区等成了明文规定，进入实施阶段，而在丰台区、石景山区等优质教育资源集中程度相对较低的行政区，政策的推进与实施仍相对缓慢。

为降低学区变动与入学政策改革产生的影响，本文在对住房配套教育质量进行配对划分时，将住房与小学匹配数据进行了逐年更新，同时也对部分学区房存在的特殊情况进行了个例处理(如：“百朗园”小区开发商教育附加费欠缴导致其业主失去五一小学入学资格)；对于“多校划片”政策所涉及的区域，本文选取了区域内排名最靠前的小学予以匹配。选取最优小学匹配或将导致住房配套教育资源质量被高估，但本文认为选取最高赋值更能反映出购房者的真实意愿。在此基础上，本文根据中国教育在线网对于北京主城六区划分出的56个学区，选用划分学区内436所小学作为对象进行研究。

对于小学的排名及质量评估情况，北京市教委并没有发布公开的与小学教育质量相关的指标信息，如升学率、生均教育支出等。目前仅有北京市教委20世纪50年代所划定的40所“重点小学”，但考虑到教育资源公平与教学水平变化等因素，其在2000年左右也被取消。故本文选取了无忧考网、少儿升学网2015—2018年《北京重点小学汇总篇》等家长论坛信息，将选取的小学按照教学质量由高到低划为一流一类(第一梯队)、一流二类(第二梯队)、二流一类(第三梯队)、二流二类(第四梯队)、未上榜(第五梯队)等五个等级，从而进行虚拟赋值。其中“未上榜”小学并不等同于非学区房，“未上榜”学区房拥有其配套小学的入学资格，只是其配套小学教育质量相对欠佳，未能被列入家长们认为的“优质小学榜单”；而非学区房是指那些不具有配套小学入学资格的住房。

从表1可以看出，北京市各区之间教育质量差异较大，东城区、西城区与海淀区的教育质量优势较为明显，丰台区质量相对较弱，虽然小学数量较多但整个城区约85%的学校均被划分为第五梯队，从中可以看出北京市主城区教育资源质量差距较大，优质教育资源相比之下仍属稀缺资源。

2.住房数据

北京市位于我国华北平原的北部边缘。因历史原因与受地形限制，为能高效地利用城市交通与公共基础设施，北京市形成了以紫禁城为核心，沿环线向外辐射的集中团聚状的城市空间结构。此外，我国在20世纪90年代前并未形成成熟的房地产市场，住房仍以公房分配为主。1994年《国务院关于深化城镇住房制度改革的决定》(国发〔1994〕43号)的下发，真正意义上拉开了我国住房商品化的序幕。至21世纪初，我国才基本形成了公开开放的成熟的商品房交易市场。

房屋交易数据来源于贝壳研究院。本文收集了北京市2015—2018年2675个小区的19.25万份房屋交易数据与12.74万份租赁数据，并将房屋交易和租赁价格分别作为回归的因变量。此外，在控制变量的选取上，本文收集交易住房的物理特征与区位特征，包括房屋建筑面积、房屋居室、房屋厅室、小区占地面积、小区绿化率、小区容积率、房龄以及房屋到最近地铁站平均步行时间，为更加符合实际，我们没有采用直线距离计算，而是通过百度地图等地图软件搜集实际步行时间数据得到，从而更精确地反映房屋的交通便捷程度。

教育质量是本文的关键变量，我们将其以虚拟变量的形式加入，将教育质量划分为五个梯度，并将周边学区房从高到低依次赋值为1－5，非学区房赋值为0，从而细化研究不同学区房的溢价程度。

表3为包含学区数据的房屋买卖与租赁的样本数据描述性统计。从表中可以看出，2015—2018年，样本房屋的平均售价为384.62万元，平均租金为5418.93元/月，基本符合北京市房屋价格与租金的预期。样本房屋买卖和租赁的平均建筑面积为91.02m²和85.72m²，多为中小户型，户型的平均状况为两室一厅；二手房数据中，买卖和租赁以老房居多，样本平均房龄达到12年；小区平均绿化率约34%，小区容积率约2.5%。房屋到地铁站平均步行时间为15分钟。样本中非学区房较多，房屋买卖和租赁的配套教育质量平均数均未超过1。

04

特征价格模型设定

Rosen 较早提出了特征价格(Hedonic prices)这一概念，其认为商品是各种特征要素的集合，消费者对于该商品的需求即对该商品的各特征要素的需求，消费者每增加一单位特征的边际消费所愿支付的价格即我们所说的特征价格^[21]。该模型认为房地产作为一种商品，其价格同样也是由其特征对消费者产生的效用所决定的，而房地产价格差异的原因是其不同的特征要素组合。基于此，通过实证建模控制其他特征要素对房地产价格的影响，就可以得到某单一特征要素对房价变动的影响。之后，较多学者将这一概念引入到教育质量溢价领域，海斯(Hayes)等基于特征价格模型，采用加权最小二乘法回归(Weighted Least Squares Regression)对达拉斯(Dallas)地区南北两区的邻近优质教育资源对房屋价格的影响进行研究，发现达拉斯地区由配套教育资源带来的房屋溢价达到11%～17%^[22]；巴辛顿(Brasington)基于特征价格模型，采用三阶段最小二乘法回归(3SLS)，首次从教育质量的供给与需求角度进行衡量，其研究表明俄亥俄地区(Ohio)教育质量供给缺乏弹性，即教育需求增长并不能有效提升教育供给的增长，同时俄亥俄的公共教育质量与房屋价格成正比，房屋价格随公共教育质量提升而上涨^[23]。因此，我们构建了反映商品价格与商品各特征数量之间关系的特征价格模型。通过对这一模型的回归分析，我们能够探究出各特征对商品价格的影响程度。而房价的特征为周边环境、购房政策、交通便捷程度等。

据此，我们根据“租买不同权”的现实情况，分别以房价和租金的对数形式作为因变量对各特征数量进行回归：

我们主要关注的是学区房虚拟变量school_i的系数。方程中P_i和R_i分别为房屋所在小区房屋i的二手房交易价格与租金水平。H_i为房屋物理属性向量，包括容积率、房龄等；N_i为小区物理属性向量，包括到最近地铁站步行时间等。μ_t和γ_t是为了控制时间上的不可观测因素而加入的固定效应；η_i和λ_i是为了控制空间上的不可观测因素而加入的固定效应。ε_i和e_i为误差项。

05

实 证 结 果 分 析

本文关注的核心是房屋配套教育质量的系数变化。教育质量系数以非学区房(教育质量为“0”)作为基准组，“1－5”代表由低到高的教育质量的虚拟变量，而教育质量系数反映的是房屋配套教育质量每提升一个梯队，房屋价格或租金变化的百分比。通过对二手房交易价格数据样本与租金数据样本进行的特征价格模型的回归，得到了表4的回归结果，第(1)至(4)列为二手房交易价格的回归结果，其分别为房价OLS回归结果，加入年份固定效应，加入城区固定效应和同时加入年份、城区固定效应的回归结果。表4中第(5)至(8)列为房屋租金的回归结果，其分别为房屋租金的OLS回归结果，加入年份固定效应，加入城区固定效应和同时加入年份、城区固定效应的回归结果。

1.房屋购买价格溢价结果

对于房屋买卖的OLS回归的结果，从表4中可以看出，OLS回归得出的教育质量提升带来的溢价偏高，溢价水平最高达到了43.2%，其系数值与预期不符的原因是OLS回归存在内生性问题，遗漏了时间与地区等不可观测因素的影响，所以OLS回归结果系数存在的误差较大。

因此，本文在回归中加入时间与城区的固定效应，最大程度降低了遗漏变量对于回归结果的干扰，从而得到更加可信的回归结果(见表4购买(4))。在时间和城区的固定效应下，与非学区房相比，未上榜小学带来了3.9%的溢价，二流二类小学带来了2.8%的溢价，二流一类小学带来了9.2%的溢价，一流二类小学带来了8%的溢价，一流一类小学带来了15%的溢价，各个梯队均在1%的水平下显著。由此可见，小学教学质量高低确实会对周边学区房的出售带来溢价效应，教学质量最优的小学周边房屋出售价格的溢出范围最大，人们愿意支付高于房屋正常价格的15%去获得房屋的产权。但是溢价效应与小学教学质量却不成正比关系，且二流一类和二流二类小学之间的溢价效应差距较大。

除此之外，房屋本身的特征不同也会对房价产生一定影响。在其他条件相同的情况下，房屋建筑面积每增加1m²，二手房交易的价格会上升0.7%；在无城区固定效应下，房龄每增加1年，价格呈现出0.2%～0.5%的上涨，而在加入城区固定效应后，房龄每增加1年，价格呈现出0.2%～0.5%的下降，反映出房龄对房屋价格的影响程度在各城区间存在差异，旧房有时因所在地区的不同，在消费者眼中有了新的价值。样本中北京市居室厅室的平均状况为两室一厅，而结果显示房屋居室每增加1间，价格增加4%～8%，厅室每增加1间，价格增加6%～10%，变化幅度较大，相比其他变量，厅室与居室具有更大的价格弹性。小区绿化率增加1%，价格增加1%～3%；小区容积率每增加1%，价格增加1%～2%，小区的环境美观程度与宜居程度同样影响着消费者的购房决定。北京市较为饱和的地铁交通网络为居住提供了较大的便利，房屋到地铁站步行时间每增加1分钟，价格下降0.3%～0.4%，购房者愿意支付溢价以获取更加便利的出行条件。

2. 房屋租赁价格溢价结果

同样，对于房屋租赁的OLS回归的结果，从表4可以看出，由于OLS回归存在的内生性与遗漏变量问题，其得出的教育质量提升带来的租金溢价偏高，溢价水平最高达到了32.5%。所以在租金模型中，本文依然选用了加入固定效应后的回归结果。

教育质量对租金的影响在加入固定效应后(见表4租赁(4))，与非学区房相比，未上榜小学带来了7.42%的租金降低，本文认为可能是由于“未上榜”小学对于消费者的吸引力并不明显，相对于对照组非学区房而言，租房者对其并不敏感，同时这些小学的存在也可能带来了一些无法观测的负面影响，例如噪音、接送学生上下学时的交通堵塞等，这些都可能对租房者的租房意愿产生负向影响。此外，与房屋出售相比，房屋租赁的溢价效应有所下降，而且溢价程度最高的学区房出现在二流一类小学附近，达10.69%；同时，一流二类小学的溢价效应并不突出，仅为2.89%，甚至显著低于未上榜小学的溢价效应。这反映出各梯队学区房对租金的影响并没有明显的规律，房屋租赁的消费者通常为未拥有北京户籍的居民或外来务工人员，这类群体通常收入有限，即使希望子女进入教学质量高的小学就读，但是由于资金有限，愿意支付的房屋溢价也相对较低，因此对一流一类小学愿意支付的租金溢价并不是最高，这也在一定程度上说明存在教育不公平的现象。

在加入固定效应模型后，房屋内在特征的变动也对租房价格产生一定影响。房屋建筑面积每平方米的增减，租金的变动幅度在1%之内；消费者租房时对房龄的敏感程度明显低于买房，房龄每增加1年，租金降低0.4%～0.5%，影响较小。房屋居室每增加1间，租金增长7.5%；房屋厅室每增加1间，租金增长4%～5%，与购房数据同样显示出较大的价格弹性。小区绿化率每增加1%，租金增加0.3%～0.4%；小区容积率每增加1%，租金增加4%，结果与预期相反，主要是因为容积率越高，人口密度越大，周边的商业相对发达，虽然居住舒适度降低，但更容易享受到周边性价比更优的配套设施。除无城区固定效应的房屋居室系数不显著外，各个特征均在0.1%的显著水平下显著，且与房屋出售相比，房屋的各种内在特征对租房价格的影响程度有所减弱。

3.异质性分析

为了进一步探索教育资源对房屋交易和租赁价格的异质性影响，本文按照行政城区和面积划分分别评估了学区房溢价效应。

表5为按城区划分的样本中教育质量对买卖与租赁价格影响的异质性分析结果，其中NA表示在该行政区不存在该教育质量水平的小学。总体来说，教育质量的提升带来了房价与租金的上涨，其中溢价最高值均出现在东城区与海淀区的第一梯队(东城区第一梯队房价溢价21.5%，租金溢价22.8%；海淀区第一梯队房价溢价29.4%，租金溢价18.3%)，其结果也与东城区和海淀区教育资源富集的情况相符。此外，表中呈现负相关的结果为西城区的第四梯队、朝阳区的第五梯队与丰台区的第四梯队学区，但结果显著性较低，且上述学区所处地理位置交通不便或处于胡同区，房屋配套设施等较为老旧，因此其对租金及房价造成了负向影响。

表6为按房屋面积划分的样本中教育质量对买卖与租赁价格影响的异质性分析结果。由于本文所选取样本的买卖与租赁房屋的平均建筑面积均为90m²左右，同时根据住房和城乡建设部相关规定，90m²以下的户型为小户型，故本文以此作为分类划分依据，并进一步将其划分为四种户型：小于50m²,50～90m²,90～120m²和大于120m²。

对于房屋买卖数据，在显著的结果中，大部分系数表明，不同教育质量的学区房为各类户型的房屋带来了2.3%～20.0%的溢价，其中最高溢价出现在第一梯队学区的50～90m²的房屋中。本文认为这个较高的溢价原因是50～90m²的房屋既能刚好满足父母“陪读”照顾上学子女的需求，又满足了优质教育资源的需求。而排名较靠后的学区房是小于50m²与大于120m²的两种户型，出现了2.4%与8.4%的折价。其原因可能在于小于50m²的户型对于以入学为目的的购房者来说面积过小，不便父母同住照顾；而大于120m²的户型又过大，显得性价比略低。

对于房屋租赁数据，不同梯队的小学对不同户型的租金涨跌产生了不同的影响，总体反映出租金与配套教育质量的非线性关系。其中，最高溢价出现在90～120m²户型(15.7%)，总体溢价低于房屋买卖溢价；最高折价出现在了大于120m²的户型(22.9%)。这一非线性关系反映出相较于买卖价格，房屋租赁的居住价值与学区价值这两个消费属性的相对重要性发生了改变^[24]，且从北京市的入学政策与各小学入学的相关文件可以看出，租赁学区房的入学难度仍然较大。故本文认为其呈现非线性关系的主要原因是：对于选择租赁学区房的消费者，居住价值的相对重要性超过了学区价值。

06

结 论 与 启 示

本研究利用北京市2015—2018年房屋购买和租赁共计32.19万条数据对2675个居民小区的房屋交易情况建立了特征价格模型，定量评价了北京市小学教育质量对周边学区房购买和租赁溢价的影响。研究结果显示：北京市小学的教育质量对住房价格有显著的学区溢价效应。家长为让子女享有优质教育资源，愿意支付一定的溢价以拿到进入重点小学的入学资格，且房屋出售的溢价效应要高于房屋租赁的溢价效应。研究进一步发现：北京市小学学校教育质量与学区房溢价程度并不形成正相关关系。对于房屋购买的消费者，虽然教学质量最高的小学消费者愿意支付最高的额外价格，但是其他梯队小学周边的房屋溢价和教学质量不成绝对的正比。由此可见，学区房溢价受多方面因素影响，这也在一定程度上反映出北京市“租购同权”政策持续推进的成效。该研究还得出：北京市小学附近学区房购买和租赁的溢价效应之间存在差异。一流小学学区房购买的价格溢价效应整体要明显高于租金溢价效应，在一流二类小学附近的学区房差异最为明显(分别为8%和2.89%)。

与现有文献相比，本文创新之处在于对北京市小学教学质量进行了更为细致的区分，且同时对房屋租赁和出售两种方式进行溢价评估，并得出房屋的购买溢价在2.8%～15%范围之间，而租赁溢价在－7.4%～10.6%范围之间，该结果与其他学者的结论大体一致，但相对偏高。郑(Zheng)得出截至2011年秋季，北京市一套重点小学学区内住宅比学区外住宅售价平均每平方米溢价6.8%[19]。韩璇等发现2013年至2016年北京市59所优质小学的年平均溢价约为10.5%，且教育溢价逐年攀升，从2013年的8.7%上升至2015年的12.2%[25]。本文选用2015～2018年为研究期限，得出的结果相较2011年的研究结果偏高，也进一步证实教育溢价确实逐年增长，教育差距的不断扩大更需要引起教育部门的重视。

教育资源溢价是市场经济配置教育资源的结果，它在一定程度上实现了对于教育资源的有效分配，但是解决分配效率问题的同时也需要兼顾社会公平。学区房较高的溢价水平反映了北京市教育资源的分配不公，这也是我国一线大城市普遍存在的问题。学区房的高度溢价也在一定程度上反映了外来人口子女“择校难”“择校贵”的问题，“择校”考验的不仅是孩子的能力，更是考验父母的经济实力和社会背景，因此，政府和教育部门想要从根本上改善教育资源分配问题，就需要继续推进“租购同权”政策的实施，从而缓解我国教育资源分配不公平的现象，维护社会的和谐发展。

本文的不足之处在于，由于数据限制而没有考虑房屋附近的初中学区等其他教育资源，因此可能存在对溢价效应的偏高估计。此外，在处理“多校划片”问题时，本文选取了区域内排名最靠前的小学予以匹配，而选取最优小学匹配或将导致住房配套教育资源质量被高估。所以，本文对于学区房溢价的研究仍有进一步深入的空间。

参考文献

[1]石绍宾，段炼，李敏. “学区房”价值几何？[J]. 公共财政研究，2018(3)：39－50.

[2]哈巍，吴红斌，余韧哲. 学区房溢价新探——基于北京市城六区重复截面数据的实证分析[J]. 教育与经济，2015(5)：3－10.

[3]胡婉旸，郑思齐，王锐. 学区房的溢价究竟有多大：利用“租买不同权”和配对回归的实证估计[J]. 经济学(季刊),2014,13(3)：1195－1214.

[4]CLARK. B. Education as property [J]. Virginia law review,2019， 105：397.

[5]OATES W E. The 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， 77(6)：957－971.

[6]LA V. Capitalization of school quality into housing prices：Evidence from Boston public school district walk zones [J]. Economics letters,2015， 134：102－106.

[7]KURODA Y. The effect of school quality on housing rents：Evidence from Matsue City in Japan [J]. Journal of the Japanese international economies， 2018， 50：16－25.

[8]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.

[9]梁立雨，郭志强，李军祥，等. 中学学区对周边小区二手房房价的溢价分析——以深圳市为例[J] 北京大学学报(自然科学版),2019,55(3)：537－542.

[10]崔文君. 基于边界固定效应法的广州市学区房溢价研究 [D]. 广州：广州大学，2019.

[11]刘润秋，孙潇雅. 教育质量“资本化”对住房价格的影响——基于成都市武侯区小学学区房的实证分析[J]. 财经科学，2015(8)：91－99.

[12]王永超，王光宇，董丽晶. 教育资本化背景下学区房溢价水平和价格空间集聚特征研究——以沈阳市中心城区为例[J].人口与发展，2020,26(1)：108－117.

[13]MOTHORPE C. The impact of uncertainty on school quality capitalization using the border method [J]. Regional science urban economics， 2018， 70：127－141.

[14]CHAN J， FANG X， WANG Z， et al. Valuing primary schools in urban China [J]. Journal of urban economics,2020， 115：103183.

[15]BLACK S E. Do better schools matter？Parental valuation of elementary education [J]. The quarterly journal of economics,1999， 114(2)：577－599.

[16]哈巍，余韧哲. 学校改革，价值几何——基于北京市义务教育综合改革的“学区房”溢价估计[J]. 北京大学教育评论，2017,15(3)：137－153＋191.

[17]黄斌，云如先，范雯. 名校及其分校质量对学区房的溢价效应：声望效应与升学效应[J]. 北京大学教育评论，2019,17(4)：138－159＋188.

[18]HUANG B， HE X， XU L， et al. Elite school designation and housing prices－quasi－experimental evidence from Beijing， China [J]. Journal of housing economics， 2020， 50：101730.

[19]ZHENG S， HU W， WANG R， et al. How much is a good school worth in Beijing？Identifying price premium with paired resale and rental data [J]. The journal of real estate finance economics,2016， 53(2)：184－199.

[20]WEN H， XIAO Y， ZHANG L. School district， education quality， and housing price：evidence from a natural experiment in Hangzhou， China [J]. Cities， 2017， 66：72－80.

[21]ROSEN S. Hedonic prices and implicit markets：product differentiation in pure competition [J]. Journal of political economy,1974， 82(1)：34－55.

[22]HAYES K J， TAYLOR L L. Neighborhood school characteristics：what signals quality to homebuyers？[J]. Federal Reserve Bank of Dallas， 1996， 3(4)：2－9.

[23]BRASINGTON D M. The supply of public school quality [J]. Economics of education review， 2003， 22(4)：367－377.

[24]张牧扬，陈杰，石薇. 租金率折价视角的学区价值测度——来自上海二手房市场的证据 [J]. 金融研究， 2016(6)：97－111.

[25]韩璇，沈艳，赵波.房价中的优质教育溢价评估——以北京市为例[J]. 经济学(季刊),2020,20(5)：257－276.

（原文刊于《教育与经济》2021年第3期）

往期 · 推荐

国家社科基金资助期刊

中文社会科学引文索引（CSSCI）来源期刊

全国中文核心期刊

中国人文社会科学核心期刊