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
作者简介：
哈巍，男，北京大学教育学院/教育经济研究所研究员，博士。
余韧哲，男，北京大学教育学院/中国教育财政科学研究所硕士研究生，本文通讯作者。
基金项目：
2014年度教育部人文社会科学重点研究基地重大项目(14JJD880011)；教育部综合改革司“完善我国教育政策监测与评估机制研究”课题；国家自然科学基金面上项目(71473006)。
学校质量资本化源自蒂伯特(Charles M. Tiebout)提出的地方公共品供给模型[1]。他指出对于由地方政府提供的公共品，居民可以“用脚投票”，根据个人偏好选择居住地，从而决定所消费的公共品数量[2]。早期的实证研究多基于罗森(Sherwin Rosen)提出的特征价格模型[3]估计房价中体现的地方公共品(如学校质量)的价值[4]。这些实证研究面临的核心挑战是学校质量的内生性，比如社会经济地位较高的家庭通常选择房价较高的社区居住，而他们的孩子本身天资较好，造就了学区内的优质生源，此时高房价就不是优质学校资本化的结果。近年的研究为了解决这一问题，不断探索各种准实验设计，以探讨学校质量对于房价的因果效应。在这其中，有两类研究设计与本文关系较为密切。其一是由布莱克(Sandra E. Black)首创的边界断点回归[5]，通过比较招生范围边界两侧的房屋价格，剔除与地理位置相关的不可观测变量的影响。这种方法后来被广泛应用并得到了稳健的估计[6-8]。这一方法的核心假设是除学校质量以外，其他所有变量在招生范围边界两侧都是连续的；但事实上，由于家长择校而居，招生范围边界两侧的居民特征可能存在很大差异，好学校一侧的居民社会经济地位更高[9]。其二是利用外生的政策冲击估计住宅所享有的学校资源变化对于房价产生的因果效应。研究中所利用的政策冲击形式多样，既有美国语境下在学区（美国的“学区”[school district]是中小学阶段公立教育系统的基本管理单位，一个学区内通常包含若干所学校。在中国的“学区房”概念中，“学区”通常指单个学校的招生服务范围，对应于美国的 attendance zone 或catchment area，因此两者略有不同）层次的冲击，如源自塞拉诺(Serrano)诉讼的教育财政综合改革，也有单个城市或都市区内的冲击，如招生范围的重新划定或者学校质量信息的公布。这些研究都验证了当住宅享有更高质量的学校资源时，其售价将上涨，尤其是对于原有学校质量较低的住宅区域[10-16]；不过，研究中利用的政策冲击较少直接作用于单个学校，因此严格来说大多数研究估计的并非学校本身的变化在房价中的资本化效应。
尽管已有文献关于学校质量资本化的实证研究已十分深入，但研究对象集中在以美国为代表的发达国家，对教育制度背景各异的发展中国家关注不足。由于我国房地产市场发展较晚，数据可得性有限，国内对于学校质量资本化的研究直至2000年之后才开始涌现。从研究层次上看，已有文献主要包括区域层面的宏观分析和房屋或学校层面的微观分析。宏观分析侧重于估计一个地区内拥有的教育资源与地区平均房价的关系，如梁若冰和汤韵分析了35个中国大中型城市的房价和教育资源密度，并未发现二者存在显著关系[17]；张浩等考察了4个一线城市的51个行政区，发现教育资源的资本化存在“沉淀效应”，即区域内沉淀的教育资源越丰富、时间越长，相应的房价也会越高；而且随着时间的推移，这种推动作用会更加明显[18]。微观分析侧重于估计学校质量与其周边房屋出售价格的关系，如哈巍等[19]基于北京市城六区2014年的二手房交易数据发现：市重点和区重点小学的“学区房”售价比普通小学分别高18.4%和5.4%；毛丰付等基于杭州市二手房交易数据和重点中小学信息发现：拥有重点中学的住宅溢价约为25.5%，拥有重点小学的住宅溢价为12.3%[20]；郑磊和王思檬考察了北京市东城与海淀两个行政区的住房市场和小学信息，发现相对于“口碑一般”的小学，“口碑极好”的小学对应楼盘价格高出14.8%，“口碑极好或好”的小学对应楼盘价格高出7.7%[21]。
然而，从研究方法上看，我国绝大多数已有研究仅仅应用基本的特征价格模型进行估计，无法克服遗漏变量偏误，仅有几篇文献通过研究设计的改进解决了这一问题，但也存在一定局限性。冯皓和陆铭应用基于上海市52个区域的房价与学校分布数据,以及“实验性示范性高中”命名的自然实验，通过固定效应模型发现，每平方千米内此类高中数量每增加一所，片区内的房价至多可上升21.7%[22]；然而由于高中可以跨区域招生，因此，学校质量影响房价的基本假设并不成立。胡婉旸等巧妙地利用了小学阶段“租买不同权”的制度安排，在边界断点回归的基础上，通过比较基于二手房成交价格和租金得到的估计值，以消除招生服务范围边界两侧社区特征差异的影响，由此发现2011年北京市40所市重点小学“学区房”的溢价约为8.1%[23]，然而由于重点小学普遍存在购买小户型以获取学位而实际租住大户型的现象，因此其招生服务范围内的房租也存在溢价，8.1%可能有所低估。张牧扬等同样利用“租买不同权”，结合边界断点回归的方法，估计上海市小学质量对于住宅租售比的影响，发现持有一套总价400余万元“学区房”的机会成本(相对于非“学区房”)仅为8~12万元，低于用传统方法估计的溢价；此外他们考虑到租房也可能存在的溢价，针对小户型“学区房”进行了检验，发现持有小户型的机会成本更高，然而由于房价、租金和学校质量都是长期均衡的结果，此研究仍无法避免由边界两侧居民特征差异导致的学校质量内生性[24]。
本文在已有文献的基础上，利用北京市自2014年启动的义务教育综合改革(下文简称“综合改革”)对学校预期质量带来的变化，估计学校质量在房价中的资本化效应。在就近入学的政策背景下，综合改革的核心内容是均衡北京市的义务教育资源空间分布。在小学阶段，每学年针对一批薄弱校(下简称“改革学校”)，通过不同形式的学校资源整合提升其预期质量。整合主要包含“横向联合”(集团化办学)和“纵向贯通”(跨学段的资源输入)两种形式。由于每一所被整合的学校宣布改革的时间不尽相同，本文利用这一时间差异，结合双向固定效应模型和事件研究模型，分别估计综合改革对于房价的平均影响和动态效应。基于北京市城四区的二手房交易记录发现，平均而言，前三批改革导致改革学校对口的学区房上涨1.2%，且这一效应在被整合的学校宣布改革至少一年之后才得以显现。当仅考虑第一批改革学校时，房价平均提升幅度达到 5.4%，在学校宣布改革后此效应立即显现，且在之后的24个月内保持显著。
本文结合了外生政策冲击和边界断点回归两种策略，能够克服学校质量的内生性问题；由于综合改革在市域内发生，改革所影响与未影响到的区域在空间上交错分布，能够更为有效地控制遗漏变量偏误。结合以上两点，本文能够得到较为可靠的因果估计。在理论层面，本文丰富了学校质量资本化的研究文献，尤其是基于发展中国家的文献。在实践层面，本文从“学区房”的维度对综合改革进行了效果评估，有助于政策制定者调整未来的改革方向，对于我国乃至其他国家以提升公立学校质量为目标的相关政策具有启示意义。
我国自1986年《义务教育法》颁布起在义务教育阶段实行就近入学政策。在小学阶段，按照地理位置临近原则，每所学校大体划定了自身的招生服务范围，原则上仅从这一范围内招收适龄儿童入学，且只有范围内的住宅产权人才有资格获得入学名额。招生服务范围通常包含若干住宅小区或独立的居民楼，有的住宅小区中不同的楼栋也划分至不同学校。这种划分基本遵循“单校划片”的原则，即同一居民楼只进入一所学校的招生服务范围，但根据实际情况也有少量例外。由于旧小区拆迁、新小区开发等原因，招生服务范围每学年可能会出现小幅度调整[25]。由于就近入学将入学权利与学校招生服务范围内的户籍与房屋产权挂钩，因此家庭可以通过买房选择合意的学校，这一制度安排的结果产生了公众广为关注和忧虑的“学区房”问题，其本质是变相的“以钱择校”，使得入学机会按照家庭经济状况分配，产生“群分效应”。由于这一问题的根源是义务教育资源的不均衡分布，近几年国家开始尝试从根源进行缓解疏导。在中共中央、国务院和教育部在2010年之后发布的多份与教育相关的重大文件中，均强调在就近入学的基础上，加大统筹义务教育资源分布的力度，深入推进义务教育均衡发展。
北京作为首都，汇集全国最为优质的教育资源，但由于历史政策原因，优质教育资源在区域内分布极为不均，加之原本存在大量中央部委等单位的共建校，且房地产市场也较为成熟，因此择校及“学区房”问题十分突出。在义务教育均衡发展的政策导向出现后，北京市率先响应，于2014年初启动义务教育综合改革，以优质教育资源的重组与整合作为切入点，加强市级对教育资源的统筹，促进优质教育资源实质性扩大，缓解择校与“学区房”问题，促进教育公平。综合改革计划分批推进，为期六年，由各区县制定具体措施。与义务教育入学周期相适应，每批改革的推进周期亦为一年，各区县于上一学年公布下一批次改革的目标、计划与措施，从下学年起生效。截至2017年，综合改革已推进三批，尽管各区县的进度和措施均有所差异，但重心均为学校资源的整合。具体而言，每批次改革均指定一批薄弱学校为改革学校，并通过横向联合和纵向贯通两种方式，提升这些学校的预期质量。
横向联合主要指同一学段内不同形式的集团化办学，通常由一所优质校领头，与若干所薄弱校联合。根据联合紧密程度的不同，横向联合可分为三种模式：一是通过资源带、学校联盟、教育集团等形式，将薄弱校与优质校一体化管理，共享资源，各学校仍为独立法人；二是将薄弱校吸纳为优质校的分校，由优质校派出部分师资进行教学管理，但招生仍分开进行；三是将薄弱校并入优质校作为校区，成为一个法人，统一招生管理。横向联合聚焦于学校教育教学资源的再分配，缩小不同学校学生所接受教育质量的差距。
纵向贯通主要指跨学段的资源输入，受惠者以薄弱小学为主，包括三种模式：一是由高校或教科研部门承办薄弱中小学，后者成为前者的附属学校，接受教育教学资源输入；二是建设九年一贯制学校；三是以对口直升的形式将优质初中的学位定向分配给薄弱小学。纵向贯通的第一种模式与横向联合的逻辑相似，旨在提升薄弱校的教育质量，而后两种思路则是降低小升初的不确定性，保障小升初后的教育质量，从而提升小学本身的吸引力。
每一批次的改革学校并非同时宣布改革，而是由学校或所在区县教委陆续宣布，但何时宣布并无规律，且公众在宣布之前无从知晓哪些学校是被整合的目标学校，从而综合改革可视为自然实验。由于学校的招生服务范围每年变化不大，因此当一所学校宣布改革之后，房地产市场便可根据其往年的服务范围预期其对应的“学区房”将会升值。据此，本文将外生政策冲击的时点定义为一所改革学校宣布改革的时间，关注的核心是综合改革的政策效应。根据已有文献，综合改革带来的学校预期质量变化会导致对应招生服务范围的房价上涨，而上涨的幅度即等于学校预期质量提升的价值。
然而，在现有的制度安排下，实际的政策效应或许并非如此。一方面，综合改革并不一定真正提升了学校的质量，尤其在短期内更是如此。由于教育活动十分复杂，在学校层面发生的任何外生干预都需要克服教育系统的固有惯性，学生成绩或其他微观产出上产生效果需经历相当长的时间。另一方面，学校质量通过家长对于学校的评价影响房价。由于家长是理性决策者，他们可能要等到有充分证据表明学校质量提升了才做出购房决策。不过，由于在此次改革的初期，媒体给予了强烈关注，房地产中介也利用此契机推销改革学校的“学区房”，因此部分家长可能会接受这一概念，导致一定程度的房价泡沫。综上所述，改革后短期内房价的变化并不十分清楚，这取决于家长的理性预期；而从长期效应来看，由于此次改革力度之大前所未有，应该会带来对应招生服务范围内的房价上涨。本文旨在提供此次改革对于房价之影响的实证证据。
本文研究对象为北京市城六区中四个中心城区(东城、西城、海淀、朝阳)的公立小学。这一研究对象的选择考虑到三个因素：其一，如前文所述，只有小学明确定义招生服务范围，并原则上仅从中招收新生；其二，城六区城市化程度高，房屋供给的弹性较低；其三，排除在外的丰台、石景山两个城区教育发展水平明显低于其他四个城区，历来并非“学区房”的热点区域。这三个因素保证了对于上述选取的研究对象，学校质量充分资本化于房价之中，且倘若综合改革确实提升改革学校的预期质量，也能充分显现在房价之中。下文中对于数据的描述，如非特别说明，均局限于上述研究对象。
改革学校是本文关注的重点。自2014年综合改革推行以来的三个学年，已有三批改革学校。由于教育管理部门并不统一发布完整的改革学校名录，获取这一名录的最可靠渠道是媒体对于各区县教委新闻发布会或单个学校披露改革的报道。通过百度新闻搜索引擎，本文整理出这一名录以及每所学校宣布改革的月份（使用“北京 义务教育改革”“北京 均衡化 2014”等多组关键词进行搜索，以防止遗漏。在结果中，仅选取来自较有影响力的传统媒体的报道，对同一事件[如某区教委的新闻发布会]的相关报道互相比照，从而整理出较为准确的信息）。在最终的名录中，共有166所改革学校，占四个中心城区公立小学总数的40%以上。图1描述了这些改革学校的数量随宣布月份的分布。可以看到，大部分改革学校都集中在前两批，而且从整理的名录来看，第三批改革学校大多是城区边缘的学校，办学条件、师资力量都处于很低水平。因此，后文的分析更多关注前两批改革学校。此外，从图中可以看到，宣布改革月份存在较为明显的差异，这也一定程度上验证了前文所述的并无规律。
房价也是本文不可或缺的一部分。本文于2016年10月使用网络爬虫从链家地产的网站上（详见http://www.lianjia.com/）爬取四个中心城区的二手房历史成交记录。由于链家在北京市的二手房交易市场份额占到50%以上，且拥有其余大部分交易的基本信息，因此通过链家网站获得的数据具有很好的代表性。选取二手房交易是因为中心城区新建住宅较少，“学区房”交易集中在二手房市场。爬取下来的每条原始数据是一套二手房的成交信息，包括基本信息(日期、价格等)、房屋所在住宅小区名称及房屋特征(房龄、户型等)。考虑到数据质量和分析的时间跨度，研究保留2012年7月—2016年5月的记录。另外，使用百度地图获取每套成交二手房所在住宅小区的经纬度，用于之后的分析。
对于每套成交二手房，需要明确其所属的招生服务范围。通常，北京市的公立小学于5月底在其校门外张贴下一学年的招生简章，其中具体列出其招生服务范围所包含的住宅小区和独立居民楼，供适龄儿童的家长参考，但通常只保留两周左右，至6月中旬入学登记完成即被撕除，且学校或者所在区县的教委并不通过官方网站公布这些信息。为了获取招生服务范围划片信息，本文一方面从链家地产、家长帮（详见http://jzb.com/bbs/bj/）、北京小升初网（详见http://bbs.xschu.com/）等家长集中讨论子女就学问题的网络论坛上，搜集2015年之前各年度入学季由热心家长拍摄上传的各小学招生简章图片，另一方面在2015年和2016年入学季委托调查员前往北京城区各小学拍摄采集当年度招生简章。基于这些原始图片，编码整理出各学年招生服务范围的数据库，并基于此匹配每条二手房成交记录在成交所在学年的对口小学。最终，共有43447条二手房成交记录对口图1中的改革学校，这些记录在政策冲击时间上具有较明显的差异。
为了控制空间相关但不可观测的特征，本文借鉴布莱克的边界断点回归方法的思路。对于每一条对口改革学校的二手房成交记录，匹配三条在同一个月发生、空间距离最近且对口非改革学校的记录。若这三条匹配上的记录与原成交记录直线距离大于1500米，则舍弃。一条对口非改革学校的记录可以被匹配多次，只要满足上述条件即可。按照这一策略，最终为43447条对口改革学校的成交记录(处理组)匹配上35022条对口非改革学校的记录作为控制组，在实证估计时提供“反事实”估计(counterfactual)。下文将这78469条记录统称为“匹配样本”。
实证分析在单条二手房交易的层面进行，关注的因变量为成交单价。借鉴埃文斯(William N. Evans)等人的研究[26]，构建如下双向固定效应模型来估计综合改革的平均政策效应：
其中因变量为二手房i的成交单价取对数，该套房于月份t内成交、位于对口学校k的住宅小区j内。Zkt是表示处理状态的二分变量，若学校k在月份t业已宣布改革，则取值为1，否则取值为0。模型中剩下的部分包括截距项δ、房屋特征(及部分二次项)组成的向量Xi、月份固定效应λt、小区固定效应θj以及随机误差εijkt。这一固定效应模型比较对口改革学校的二手房和邻近但对口非改革学校的二手房在宣布改革前后房价变化的差异，其重要假定是：倘若没有综合改革，两组二手房的成交价格在控制方程(1)中的其他因素后具有相近的时间趋势。若这一假定满足，则系数ρ就估计了综合改革的平均效应。
借鉴里尔登(Sean F. Reardon)等人的研究[27]，本文进一步应用事件研究模型分析这一效应如何随时间变化，因为这能够反映公众如何逐渐对综合改革做出反应。这一模型通过引入一系列二分变量来估计政策前后每个时点的政策效应，适用于不同个体面临的外生政策冲击时点不同的情况[28]，估计方程如下：
其中Dmkt是一组二分变量，若学校k在月份t-m宣布改革则取值为1。上标m可以取负值，表示宣布改革之前的月份。简而言之，这里的任意一个二分变量表示一条对口改革学校的二手房交易是否发生在该学校宣布改革之后的第m个月，而对于对口非改革学校的成交记录，所有这些二分变量都取值为0。方程(2)中的其他部分与方程(1)中一致。
这一模型利用宣布改革时间的差异来估计综合改革对于房价的政策效应。具体而言，模型进行了两个比较：一是与方程(1)相同的比较；二是对于对口改革学校的交易记录，比较其对应宣布改革月份的房价和其他月份的房价。处理组和控制组的房价具有相近时间趋势的假定在这里仍然至关重要，倘若假定满足，则对于所有m<0，γm=0；在这一条件下，对于所有m>0，γm估计的就是宣布改革后第m个月的政策效应。
表1的前三列分别给出了控制组、处理组和全部匹配样本的描述性统计，最右一列则给出了两组的平衡性检验，其中上方给出了连续变量的组平均差值及其t检验结果，而下方是分类变量的卡方检验结果。
全部匹配样本的平均二手房成交单价约为47089元/平方米，这与北京市2015年城镇居民人均可支配收入(52859元)接近[29]。一套成交二手房的平均面积为78.6平方米，包含1.97个卧室和1.13个客厅，这是一家三口居住比较典型的户型。这些出售的二手房中，60%有电梯，平均房龄为17.5年，70%以上朝南、西南或东南。在第四列中，尽管大多数变量的平衡性检验在较大的样本量下都统计显著，但从绝对值上看，少有组间差超过5%的变量。差异最大的变量是两组样本在四个城区的分布比例：处理组中略高于20%的交易记录在海淀，而控制组中这一比例高至28.41%；但这8%的差异较为平均地被其他三个城区的比例所吸收，因此总体来看，两组的城区分布差异仍可接受。以上结果表明，由于两组样本在可观测变量上很相近，因此边界断点回归的策略很可能较好地控制了空间相关的不可观测变量，从而解决混杂问题(confoundedness)的挑战。
基于全部匹配样本的估计如表2所示。第一列是基准模型的结果，仅包括处理状态的二分变量和月份固定效应，从中可以看到综合改革对房价的总体效应是正的但不显著。第二列加入了房屋特征作为控制变量，政策效应上升为 0.0156 且显著。最后，第三列加入了小区固定效应以控制小区和学校层面的混杂变量，政策效应下降为0.0118，且在1%水平上显著，这意味着综合改革使改革学校对应的房价平均上升1.2%，也即560元/平方米，与处理组和控制组的平均房价差距(969.7元/平方米)相比，是一个很低的估计。在各项房屋特征中，根据房屋面积及其二次项的估计系数，可以计算得到，在合理的范围内，房屋面积每增加10平方米，房价下降2.8%；与之相反，卧室和客厅每增加一间，房价分别增加2.9%和4.2%。为检验面积和房间数的估计系数符号相反是否由变量的共线性导致，本文计算了面积和卧室数及面积和客厅数的简单相关系数，结果表明两个系数都不超过0.7，这意味着上述回归系数仍有一定意义。房龄对于房价的影响显著，但绝对值非常小。电梯房相比非电梯房，平均售价高1.8%。房屋朝向对价格有显著影响，相比于不朝南的住宅，朝南和朝东南或西南的溢价分别为5.9%和4.1%，这与预期相符。
从上述结果中可以看到，综合改革对房价的影响较为微弱。由于上述估计所用的样本包括了三批改革学校招生服务范围内所有类型的住宅，可以推测在某些子样本中，综合改革可能有更强的政策效应。考虑到不少家长出于节省购房成本的考虑，购买小户型“学区房”获得入学权利，而实际在临近地段租赁大户型的住宅居住，因此小户型二手房对于综合改革的反应应当更为明显。表3中第一列是对于面积在60平方米以下的二手房交易，重新按照表2中第三列的模型设定进行回归的结果。可以看到，综合改革的平均效应较方程(3)增长近100%，达到 2.2%，这与预期相符。此外，由于综合改革刚启动时媒体报道和房产中介的宣传程度极高，因而房价对于早期综合改革可能有更积极的响应。为此，选取第一批和第二批改革学校所对应的样本进行比较，采用同样的模型估计，结果分别如表3中第二列和第三列所示。第一批综合改革对于房价的平均影响高达 5.4%，远高于前面几列的估计；而第二批改革的平均效应为-0.5%，不仅符号反向，绝对值也很小。这两个结果的对比意味着购房者对综合改革的早期批次反应比较强烈，但随着改革的推行，在购房决策上逐渐开始谨慎和观望。
图2绘制了方程(2)中核心二分变量组的估计系数(γm)及其95%置信区间。其中的四张子图所用样本与表2中第三列和表3中第一列至第三列所用回归样本一一对应。这些子图显示了宣布改革之后改革学校招生服务范围内房价相对周边非改革区域的平均变化趋势。换言之，从图中可以看到综合改革对于房价的影响在改革学校宣布改革后24个月里的变化。根据前文的讨论，短期影响和长期影响应当差异明显，而图中两年的时间窗口足以同时展示这两类影响。
在分析政策效应的动态变化之前，需要首先关注宣布改革前房价的时间趋势。如前文所述，事件研究模型的重要假设是对于所有m<0都有 γm=0。在四张子图中，绝大多数宣布改革前月份的系数在统计上不显著，说明该假设均满足。这意味着，本文所用的匹配策略能够为改革学校对应的成交记录提供可靠的“反事实”估计，最终的政策效应估计值接近于真实值。
第一张子图使用了全部匹配样本。总体来看，在学校宣布改革后的一整年，综合改革对于房价的影响都不太显著，连逐月递增的趋势也没有体现。然而自宣布改革后第二年开始，改革学校招生服务范围内的房价就呈现稳定而迅速上升的趋势，在第24个月，由综合改革带来的房价上涨幅度达到10%。第二张子图绘制的是基于60平方米以下样本的结果，整体趋势与第一张子图差别不大，但所有估计值都更高一些。宣布改革后第一年的政策效应在0上下波动，但在第6个月已经显著高于0，至第二年开始稳步上升，第24个月的房屋溢价超过15%。这两张子图体现了三批综合改革对于房价总体上有延迟的提升效应，这可能反映了作为购房者的家长在学校刚宣布改革时总体冷静，直到至少一年后，随着改革学校的管理、校园文化、课堂教学等方面显现实质性的提升，才通过住房市场做出反应。
与前一部分相似，第三和第四幅子图比较了前两批综合改革的效果。可以看到，第一批改革对于房价的影响迅速显现，随着时间的推移稳步上升，但上升趋势渐缓，到宣布改革后的第24个月稳定在7.5%。渐缓的上升趋势可能反映了购房者面对改革初期铺天盖地的宣传，理性逐渐上升，最终稳定的数值是第一批改革学校实际提升的价值。对于第二批改革，政策效应直到宣布改革后的第15个月才显著，至第二年末达到5%，也就是说，第二批改革学校需要至少一年多才能得到提升，而且提升的幅度较第一批要小。
教育经济学中已有大量关于学校质量在房价中资本化效应的研究文献，近年来在 62 37645 62 23385 0 0 2380 0 0:00:15 0:00:09 0:00:06 4161国制度背景下的实证研究也开始涌现[30-32]。然而，国内已有的大部分研究都没有解决学校质量的内生性问题。本文利用北京市2014年启动的义务教育综合改革给学校质量带来的外生冲击，克服了这一方法论上的问题，考察了综合改革对于房价的因果效应，也丰富了在发展中国家的实证证据。运用双向固定效应模型和边界断点回归的设计，本文估计了综合改革的平均效应，并在此基础上，运用事件研究模型进一步估计了这一效应随时间的变化。平均来看，前三批综合改革使得改革学校招生范围内的房价上涨了1.2%，并且这一效果在学校宣布改革之后一年才开始显著，至第二年末，这一效果可高达10%。对于面积小的房子而言，这种效应更加显著，印证了有关小户型“天价学区房”的新闻报道。当分批次分析改革的效果时，对于第一批改革，平均效应高达 5.4%，且在改革学校宣布改革之后第一个月即十分显著，两年后的效应高达 7.5%；与此相对，房价对于第二批改革反应迟缓，在宣布改革后第一年内没有明显的变化，至第二年末的影响也没有超过5%。从这些结果中可以推测，尽管在综合改革之初，媒体的大面积报道和房地产中介的过度宣传使得改革学校的“学区房”房价虚高，但随着改革学校质量的实际变化逐渐明朗，加之综合改革频繁的批次，购房者(以家长为主)也逐步回归理性。
本研究仍存在一些局限，在未来的研究中有待改进。第一，综合改革针对薄弱学校，因此改革学校的选择并非随机，但由于缺乏学校层面反映质量的信息，本文未能直接对此进行检验。第二，除通过与优质校合作改造薄弱校之外，综合改革的另一项措施是强化就近入学以抑制择校行为，这一措施可能导致对口不同质量学校的学区房价格在本文分析区间内的时间趋势不一致，但同样由于缺乏学校质量信息，本文未能考虑这一措施对于本文的估计可能带来的影响。第三，薄弱校改革旨在惠及低社会阶层，但改革学校的“学区房”价格上涨意味着改革带来的优质资源可能被收入较高的人群通过购房占有，未来的研究可以结合本文尚未获得的住户数据，考察改革学校对应的招生服务范围内的人口特征在宣布改革后如何变化，从而提供综合改革是否惠及预期人群的证据。
（责任编辑 范皑皑）