EN中文

Economic geography >

2019 , Vol. 39 >Issue 9: 82 - 93

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.09.011

Spatial and Temporal Effecs of Housing Price in Urban School Districts Based on Education Equity：A Case Study of Public Pimary School in the Main Urban Area of Nanjing

  • YIN Shanggang , 1, 2 ,
  • HU Xin 1, 2 ,
  • MA Zhifei 3 ,
  • SONG Weixuan , 4, ※
Expand
  • 1. School of Geography，Nanjing Normal University，Nanjing 210023，Jiangsu，China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing 210023，Jiangsu，China
  • 3. College of Tourism and Land Resource，Chongqing Technology and Business University，Chongqing 400067，China
  • 4. Nanjing Institute of Geography and Limnology，CAS，Nanjing 210008，Jiangsu，China

Received date: 2018-12-10

  Revised date: 2019-04-18

  Online published: 2025-04-17

Fold

Abstract

Education equity is one of the hot issues in China's social transformation period. This study takes the main urban area of Nanjing as an research area and selects the public primary school and residence community in 2008 and 2017 as the research object. Based on the hedonic price model and geographically weighted regression (GWR) model, this study analyze the effect and degree of location characteristics, architectural characteristics, school district characteristics, and neighborhood characteristics on housing price, and explores the spatial heterogeneity of the impact of educational resource quality on housing price. The results of this study indicate that: 1)The housing price in the main urban area shows the decreasing characteristics from the top-level prestigious school district to the periphery, it changes the core-edge structure of the urban housing price. 2)The influence of acceptance rate of Nanjing Foreign Language School(junior high school) on housing price rises from the third to the first in the main urban area, and has significant spatial heterogeneity on housing price. 3)With the increasing spillover effect of quality educational resources on the housing price of the school district, the demand for economic capital in quality school district is increasing, it triggers many social problems such as residential differentiation, educational alienation and class solidification. The spatial and temporal effects of school district housing caused by the uneven spatial distribution of quality education resources have affected education and social equity. It is of great social significance to formulate policies and measures to optimize quality education resources.

Key words： public primary school; school district housing; housing price; educational equity; educational resource quality; link up with education and house

Cite this article

YIN Shanggang , HU Xin , MA Zhifei , SONG Weixuan . Spatial and Temporal Effecs of Housing Price in Urban School Districts Based on Education Equity：A Case Study of Public Pimary School in the Main Urban Area of Nanjing[J]. Economic geography, 2019 , 39(9) : 82 -93 . DOI: 10.15957/j.cnki.jjdl.2019.09.011

党的十九大报告要求努力让每个孩子都能享有公平而有质量的教育，并且指出新时代的教工作就是要破解人民日益增长的对更加公平、更高质量、更富特色教育的需求和不平衡不充分的教育发展之间的主要矛盾。显然，教育的不平衡不充分问题正成为中国社会转型期关注的热点议题[1⇓-3]。作为社会公平的重要基础，教育公平通常包含三层含义：起点公平、过程公平和结果公平。从教育公平的概念来看，“学区房”无疑在起点公平即入学机会均等方面与教育公平的要求相悖，起点的不公平必然会造成过程的不公平，进而导致结果的不公平，形成了教育领域内的“马太效应”。同时，学区房作为教育和房地产的衍生品，在中国房地产市场持续升温的大背景下，其价格更是比普通住宅增长更快。“天价学区房”现象近年层出不穷，究其原因主要是教育资源质量的差异化及教育资源空间分布的不均衡化[4]，即教育资源质量对城市住宅价格，尤其学区房价格有一定影响，并且对人们的住宅选择、教育选择及城市居住空间产生深刻影响。探究教育资源质量对周边住宅价格的作用程度，对研究学区房价格的形成机制及抑制天价学区房现象，促进教育起点公平乃至社会公平具有重要意义。
国内外对住宅价格影响机制的研究广泛而深入[5⇓⇓-8]。教育资源作为公共服务资源的重要组成部分，对住宅价格产生独特的影响。众多学者在不同类型公共服务资源对住宅价格的影响方面开展了大量研究，如对公共服务资源中交通设施[9-10]、医疗设施[11]、公园绿地[12-13]、景观设施[14-15]、教育资源[16-17]等对住宅价格的影响研究。研究方法上，大多使用特征价格模型（Hedonic Price Model）[11⇓⇓⇓-15]研究单一或多种公共服务设施对住宅价格的影响。由于国内学区房的概念兴起不久，故对学区房影响因素的研究成果较少，虽然国外学区概念兴起较早，但国外多为“租售同权”，对学区房的重视度不及国内，因此教育设施对房价影响的研究也偏少，已有的研究主要利用特征价格模型测算学校（重点小学、重点中学）距离、学校排名、学校等级等教育特征对住宅价格的影响程度[18⇓⇓⇓-22]，得出的结论多是教育资源作为邻里因素的重要组成部分对住宅价格有显著的影响。由于住宅特征价格模型是基于空间均值的假设，对区域间教育资源质量的不均衡性及区域住宅价格形成的特殊性考虑不足。因此，应用空间统计模型探究教育资源质量对住宅价格的影响规律，可以对现有研究形成有益的补充。
本文基于教育公平的视角，试图从教育资源 ① 配置与住宅价格关系的角度，探究教育资源与学区房价格的相关关系。以基础教育资源丰富的南京市主城区为案例地，在理论上，用住宅特征价格模型分析南京市主城区学区房价格变化特征，以地理加权回归（Geographically Weighted Regression，GWR）模型佐证教学资源质量对住宅价格空间分异的影响，并检验两者的耦合关系，旨在提炼出教育资源与房价的交互耦合特征、效应及其形成机理。在实践上，一方面可以为居民根据自身经济能力理性购买住房、合理选定学校提供参考；另一方面，也为政府加强相关政策引导，推进教育资源均衡化布局提供更多的参考，帮助其制定和推行更加合理和完善的住房、教育政策，从而实现教育资源更加公平、合理、有效的配置。

1 研究区域与方法

1.1 研究区域与数据来源

本文以南京市主城区为研究区域，选取主城区公办小学及住宅小区为分析对象，研究范围主要包括长江以南、秦淮新河以北、绕城公路以内的区域。行政区域上，主要包括鼓楼区和秦淮区两区、玄武区和建邺区大部分地区、雨花台区和栖霞区的部分地区，总面积约295 km2（图1）。目前南京市优质教育资源主要集中分布在主城区（尤其以鼓楼区为代表），且主城区教育资源及配套设施已相当成熟和完善，而副城和外围新城教育资源的建设与布局仍处于不断调整和完善中。由于南京民办小学整体实力偏弱且数量较少，同时民办小学不分学区，因此暂不考虑民办小学对周边房价的影响，故选择主城区公办小学为研究对象。
图1 研究区域

Fig.1 Study area

2008和2017年的学区边界来自南京市教育局公布的各公办小学的施教区范围。由于南京小学升入初中不设考试，即南京市小学的排名并无官方数据，而社会上多以小学升初中考入南京外国语学校初中部的人数作为排名依据，考虑到各小学办学规模的差异，本文采用各小学的南外录取率作为小学学区成绩（教育质量）的依据。2008和2017年南京主城区住宅小区的房价数据来源于南京市房地产市场交易管理中心的挂牌数据，并根据中国房价行情平台（http://www.creprice.cn/）等网站补充。利用Google Earth探测各小学、学区和住宅小区空间位置，运用ArcGIS软件对研究区域及附近的交通路网、水系山体等地理要素进行矢量化，建立研究区公办小学和住宅小区空间属性数据库。

1.2 研究方法

1.2.1 住宅特征价格模型

由于住宅价格的形成机制较为复杂，故影响住宅价格的因素也是多方面的。特征价格模型在解决实际问题中考虑众多特征因素而被广泛应用，是研究住宅价格最常用的模型之一[23⇓-25]。Hedonic模型主要通过测算住宅的各特征因子对住宅价格的影响，得到各特征因子对住宅价格的作用强度和作用方向[25]。
线性形式、半对数形式和对数形式是Hedonic模型三种基本的函数形式。经过多次尝试和计算比较后，采用对数形式建立特征价格模型对主城区公办小学周边住宅的特征价格进行估计和检验。对数形式一方面可以消除或减弱异方差的影响，另一方面可以直观展示出住宅特征的价格弹性。具体模型表达式为：
l n P = β 0 + ∑ β i x i + ∑ β j l n x j + ε
式中：P为住宅价格；xi为比例变量；xj为除比例变量外的特征变量；β0、βi、βj为待估计系数；ε表示随机误差项。

1.2.2 地理加权回归分析

地理加权回归（GWR）模型是一种改进的空间线性回归模型[26]，该模型容许局部而不是全局的参数估计[27]，并引入数据的空间地理位置信息。GWR模型可以把空间权重矩阵应用到线性回归模型中，从而形象地表现出空间结构分异[28]。本文利用GWR模型探测教育资源质量对住宅价格影响的空间变化规律，其模型如下：
y i = β 0 u i , v i + ∑ j = 1 k β j u i , v i x i j + ε i
式中：yi为第i个样本点住宅价格； u i , v i是第i个样本点的空间地理位置坐标； β j u i , v i为第i个样本点上的第j个回归参数；εi为随机误差项。

2 主城区住宅价格时空格局演变

利用ArcGIS软件，结合各住宅小区的住宅价格、空间位置及学区的施教区范围得到各学区住宅平均价格（图2）。
图2 基于学区的主城区住宅价格空间格局及演变(单位：元/m2)

Fig.2 Spatial pattern and evolution of housing price in the main urban area based on school districts (Unit:yuan/m2)

2008和2017年的南京市主城区住宅价格均存在明显的空间分异，存在显著的空间依赖性和空间异质性[29-30]。2008和2017年学区住宅价格均呈现出以“拉力琅（拉萨路、力学和琅琊路小学）”为中心的单核心结构。2008年玄武湖南部和河西新城龙江地区成为房价副高值区，2017年以河西新城为代表的主城区住宅价格已全面上涨，且河西新城次级高房价区已呈连片分布格局，虽然河西新城的中心强度不及“拉力琅”，但其范围更广。河西新城作为南京着力打造的城市新中心，近十年来不断发展，加上鼓楼区的“名校西进”及教育集团化等策略，河西新城以“方银金（芳草园、银城和金陵汇文小学）”为代表的公办小学联合“拉力琅”等传统名校，在不到二十年的时间里已然发展成为顶级名校，使河西新城龙江地区的教育资源质量得到极大提升，故周边小区的住宅价格受教育资源的影响不断增强。在主城区东部与南部分布有岛状的较高房价区，主要集中于城东的下马坊、城南的雨花台，远离市中心的岛状高值区则零散分布于重点学区附近，即价格高地的分布与教育资源质量密切相关。学区住宅价格的低值区主要分布在主城区的边缘地区，其空间位置变化不大。
2008和2017年学校成绩排名前十的学区住宅价格基本位居前列（表1），2008年前十学区住宅价格均在前35位，而2017年住宅价格更高，均居前15位，表现出优质教育资源与其周边住宅价格的耦合性日益增强的趋势。2008—2017年，主城区住宅价格由12 044元/m2上升至30 682元/m2，其中学区成绩排名前十的住宅价格由17 169元/m2大涨至49 737元/m2，“拉力琅”学区住宅价格更是由20 131元/m2飙升至60 310元/m2，主城区、成绩前十学区和“拉力琅”学区住宅价格十年间分别上涨155%、190%和200%。可见，拥有优质教育资源的学区不仅房价较高，且房价的升值空间也会比一般学区高，故下文探究不同教育资源质量的学区对住宅价格影响程度的差异。
表1 排名前十位小学学区及住宅价格排名情况

Tab.1 The top 10 housing prices in elementary school districts

学校成
绩排名		 2008年 2017年
小学名称 录取率（%） 住宅价格（元/m2） 住宅价格排名 小学名称 录取率（%） 住宅价格（元/m2） 住宅价格排名
1 拉萨路 16.01 17 300 5 琅琊路 17.01 62 794 2
2 琅琊路 14.05 22 033 1 拉萨路 16.25 54 359 3
3 力学 12.24 21 059 2 芳草园 15.60 53 066 4
4 金陵汇文 10.82 13 795 35 北京东路 13.20 40 597 15
5 芳草园 10.24 19 826 3 力学 12.50 63 777 1
6 银城 10.18 14 579 22 银城 11.34 46 948 5
7 南师附小 7.93 15 238 10 金陵汇文 10.07 46 629 6
8 北京东路 7.59 16 854 7 南师附小 7.14 40 729 14
9 天正 5.58 15 336 9 天正 6.98 42 475 11
10 汉江路 5.01 15 673 8 游府西街 6.36 45 998 7

3 教育资源质量对学区房价格影响的时空效应分析

3.1 住宅特征变量选取

区域住宅价格受到众多因素的影响，其影响因素多以住宅特征变量来度量。从已有研究来看，住宅特征变量多从建筑特征（住宅年龄、装修程度、小区绿化等）、区位特征（CBD距离、交通状况、景观状况等）和邻里特征（周边生活配套、医疗设施、教育设施等）三方面入手[11,15,30]。本文结合南京市主城区住宅小区的实际情况，兼顾住宅属性数据的可获得性，将学区特征从邻里特征中提取出来，以求更细致地分析学区特征因素对住宅价格影响的作用机理，从区位特征、建筑特征、学区特征和邻里特征四个方面选取15个特征变量（表2）。
表2 南京主城区住宅价格分异影响因素

Tab.2 The impact factors of differentiation of housing price in the main urban area of Nanjing

变量类型 特征变量 变量描述 数据来源
区位特征 中心位势 与新街口和最近二级商业中心距离之乘积 Google Earth
交通位势 与最近地铁站的距离 Google Earth
景观位势 与最近城市大型山水景观资源的距离 Google Earth
建筑特征 住宅房龄 距离住宅建成年份 挂牌数据
绿化率 小区绿化面积/小区规划面积 挂牌数据
容积率 地上建筑面积/占地面积 挂牌数据
学区特征 学区成绩 所属学区南外录取率 公布数据
学区机会 所属学区内住宅套数占研究区住宅套数比重 挂牌数据计算
学校距离 与所属学区内小学的距离 Google Earth
邻里特征 生活配套 与最近大型商场和各类超市的距离 Google Earth
医疗设施 与最近医院（含诊所、卫生站）的距离 Google Earth
金融配套 与最近银行网点（不包括ATM机网点）的距离 Google Earth
休闲设施 与最近城市公园广场、大学校园和文化体育场馆的距离 Google Earth
餐饮配套 与最近酒店、饭店的距离 Google Earth
商务配套 与最近商务大厦的距离 Google Earth

注：主城区二级商业中心包括：河西、城南、湖南路。主城区大型山水景观资源包括：紫金山、幕府山、将军山；玄武湖、月牙湖、内外秦淮河、长江、夹江；小桃园公园、莫愁湖公园、雨花台风景区等。

3.2 模型的估计与检验

利用SPSS软件，采用普通最小二乘法（OLS）对影响主城区住宅价格的特征变量进行回归分析，得到2008和2017年主城区住宅特征价格模型的回归结果（表3）。由于本文主要探测公办小学资源对主城区住宅价格的影响，故按照南京外国语学校初中部录取率对公办小学学区分级：南外录取率>2%的为优质学区，南外录取率≤2%的为普通学区，以此分级探究教育资源质量对周边学区房价格的影响。2008和2017年南外录取率超过2%的公办小学分别有16所和18所，且有12所小学两个年份均超过2%，表明这些学校升学率较为稳定，综合南京教育局教育信息平台、中小学教育点评网（http://www.51sxue.com/）等，发现这些学校均为南京市重点小学，学校关注度也均居前列且声誉突出，近年来南外录取率均稳定在主城区前二十位，故将其作为优质小学。
表3 特征价格模型回归结果

Tab.3 The regression results of the hedonic price model

变量 2008年 2017年
主城整体 优质学区 普通学区 主城整体 优质学区 普通学区
系数 统计量 系数 统计量 系数 统计量 系数 统计量 系数 统计量 系数 统计量
（常数项） 10.391*** 157.759 10.449*** 54.469 10.411*** 153.883 11.268*** 134.537 10.916*** 62.496 11.294*** 131.485
ln中心位势 -0.339*** -17.301 -0.289*** -4.884 -0.347*** -17.077 -0.183*** -9.108 -0.046 -1.101 -0.198*** -9.562
ln交通位势 0.054*** 4.025 0.074* 1.817 0.047*** 3.454 -0.078*** -4.416 -0.115** -2.566 -0.082*** -4.542
ln景观位势 -0.046*** -2.946 -0.069 -1.324 -0.056*** -3.459 -0.034** -2.258 0.008 0.243 -0.035** -2.212
ln住宅房龄 -0.112*** -16.411 -0.066*** -3.370 -0.115*** -16.377 -0.183*** -14.179 -0.124*** -4.719 -0.189*** -14.165
绿化率 0.004*** 8.152 0.001 0.506 0.005*** 8.206 0.006*** 10.029 0.003*** 2.577 0.006*** 10.005
容积率 -0.002 -0.527 -0.004 -0.448 0.000 -0.096 -0.005 -1.326 0.008 0.944 -0.008* -1.929
学区成绩 0.021*** 8.911 0.022*** 5.771 0.017*** 2.863 0.036*** 11.630 0.045*** 17.141 0.023** 2.033
学区机会 -0.001*** -2.678 0.001 1.234 -0.002*** -3.457 -0.004*** -4.501 -0.006 -1.327 -0.004*** -4.334
ln学校距离 -0.006 -0.922 -0.053*** -2.699 -0.005 -0.731 -0.020*** -2.840 -0.059*** -3.380 -0.013* -1.785
ln生活配套 0.175*** 3.573 0.126 0.917 0.171*** 3.474 0.111** 2.300 0.034 0.299 0.152*** 3.014
ln医疗设施 0.044 1.108 0.401*** 4.213 0.021 0.524 0.063 1.619 0.360*** 4.630 0.016 0.394
ln金融配套 -0.063* -1.682 -0.334** -2.320 -0.040 -1.058 0.115*** 3.041 0.134 1.345 0.107*** 2.751
ln休闲设施 -0.101*** -4.488 -0.045 -0.568 -0.081*** -3.567 -0.164*** -6.762 -0.026 -0.413 -0.188*** -7.581
ln餐饮配套 0.031 1.135 0.073 0.823 0.019 0.708 0.060** 2.207 0.082 1.280 0.048* 1.745
ln商务配套 -0.101*** -4.432 0.150 1.330 -0.099*** -4.281 -0.126*** -5.260 -0.052 -0.724 -0.110*** -4.497
R2 0.544 0.496 0.531 0.513 0.508 0.489
Adjusted R2 0.539 0.455 0.525 0.506 0.470 0.484

注：***、**、*分别表示在1%、5%、10%水平上显著。表4同。

由表3知，从主城区整体来看，2008年有11个变量进入模型，且拟合优度（R²）为54.4%；2017年有13个变量进入模型，拟合优度达到50.8%。两年的拟合优度均大于50%，表明模型拟合效果较好，具有较强的解释性。随着时间的推移，模型的拟合效果有所下降，即同一指标体系对主城区住宅价格的解释力呈下降趋势，表明住宅价格的影响因素呈多元化趋势，影响住宅价格的因素逐渐复杂化。从不同等级学区的住宅特征价格模型的拟合效果来看，优质学区和普通学区周边住宅的拟合效果的趋势相反，前者呈上升趋势，后者呈下降趋势。
为保证回归结果的可靠性，本文采用广义最小二乘法（GLS）对OLS估计的结果进行稳健性检验（表4）。由于本文重点研究学区特征对住宅价格的影响，故稳健性检验只展示学区特征的相关部分。由表3和表4可知，GLS回归中学区特征变量的系数及显著性与OLS回归的估计结果基本一致，且回归系数均保持相同或相近，表明本文的实证结果是具有稳健性和可靠性的。
表4 学区特征对住宅价格的稳健性检验

Tab.4 Robust test of school district characteristics on housing prices

变量 2008年 2017年
主城整体 优质学区 普通学区 主城整体 优质学区 普通学区
系数 统计量 系数 统计量 系数 统计量 系数 统计量 系数 统计量 系数 统计量
学区成绩 0.021*** 8.911 0.022*** 5.771 0.018*** 3.181 0.044*** 12.025 0.046*** 17.974 0.026** 2.608
学区机会 -0.001*** -2.678 0.001 0.947 -0.002*** -3.567 -0.003*** -4.416 -0.005 -1.170 -0.005*** -4.497
ln学校距离 -0.007 -1.058 -0.053*** -2.699 -0.005 -0.730 -0.020*** -2.840 -0.061*** -2.144 -0.013* -1.785

3.3 学区特征的价格弹性分析

在对数模型中，自变量为连续型变量（非比例变量）时，非标准化回归系数表示住宅特征的价格弹性系数。半弹性系数是由于自变量为比例变量，不能直接采用非标准化系数，需要作以下处理：半弹性系数=100×（eB－1），B为非标准化系数。根据表3可以得到学区特征对主城区住宅价格的影响程度（表5）。
表5 学区特征的价格弹性/半弹性系数

Tab.5 Elasticity and semi-elasticity coefficient of price from the perspective of school district characteristic

变量 2008年 2017年
主城整体 优质学区 普通学区 主城整体 优质学区 普通学区
弹性系数（%） 半弹性系数（%） 弹性系数（%） 半弹性系数（%） 弹性系数（%） 半弹性系数（%） 弹性系数（%） 半弹性系数（%） 弹性系数（%） 半弹性系数（%） 弹性系数（%） 半弹性系数（%）
学区成绩 2.122 2.224 1.715 3.666 4.603 2.327
学区机会 -0.100 0.100 -0.200 -0.399 -0.598 -0.399
ln学校距离 -0.006 -0.053 -0.005 -0.020 -0.059 -0.013
在学区特征方面，南外录取率每提高1%，主城区2008年住宅价格上升2.122%，2017年上升3.666%；优质学区2008年上升2.224%，2017年上升4.603%；普通学区2008年上升1.715%，2017年上升2.327%。学区成绩对住宅价格具有正向影响，且随着时间的推移这种正向影响逐渐增强，优质学区住宅价格受学区成绩的影响远远大于普通学区，这主要由于优质学区住宅资源极其有限。以“拉力琅”三大名校为例，2017年三个学区住宅资源仅占主城的0.726%，但其南外入学率均高达10%以上，堪称南京的“顶级学区”，故对住宅价格的提升作用更为显著。学区机会每增加1%，主城区2008年住宅价格下降0.1%，2017年下降0.399%；普通学区2008年下降0.2%，2017年下降0.399%；学区机会对优质学区的影响不显著。学区机会可表示学区住宅资源的稀缺性，总体上学区机会表现为由内城（明城墙以内）向外围递增的趋势，且伴随着内城住宅老化拆迁，河西新城和外围地区新建小区的大量建设，内城的学区机会仍将会相对下降，而内城住宅价格相对较高，故学区机会与住宅价格呈负相关关系，且对住宅价格的影响逐渐增强。学区内学校距离对住宅价格具有负向影响，2008年只有优质学区学校距离显著，2017年学校距离每增加1%，主城区住宅价格下降0.02%，优质学区下降0.059%，普通学区下降0.013%，表明学校距离对住宅价格的影响呈增强的趋势，且对优质学区住宅价格的影响大于普通学区。总体上看，学区特征对住宅价格的影响均呈上升态势，其中学区成绩对住宅价格影响较大，学区机会和学校距离影响较小。

3.4 学区特征的影响程度分析

多元回归分析中的标准化偏回归系数是由数据标准正态变换后求得，可以用其直接比较学区特征因素对住宅价格的影响程度[11]。由表6知，学区成绩对主城区住宅价格的影响比重由2008年的9.1%上升到2017年的19.8%，已经发展为对主城区住宅价格影响程度最大的因素，其中优质学区成绩的影响比重更是由15%提高到36.6%，对住宅价格起到决定性影响。普通学区成绩对住宅价格的影响稍弱，比重由2008年的4.2%攀升至11%，亦成为影响住宅价格的主要因素。由学区成绩对住宅价格影响比重的上升趋势来看，学区成绩对住宅价格的影响程度仍会进一步提升。随着居民对子女教育重视程度的增加，优质教育资源将愈发影响住宅价格。主城区作为整个南京市优质教育资源的集聚地，探究其教育资源质量对区域住宅价格的作用机制，不仅对居民理性选择学区房有指导作用，对政府抑制“学区房热”现象亦尤为重要。
表6 学区特征的影响程度系数

Tab.6 The impact coefficient of school district characteristic

变量 2008年 2017年
主城整体 优质学区 普通学区 主城整体 优质学区 普通学区
标准化系数绝对值 影响程
度系数		 标准化系数绝对值 影响程
度系数		 标准化系数绝对值 影响程
度系数		 标准化系数绝对值 影响程
度系数		 标准化系数绝对值 影响程
度系数		 标准化系数绝对值 影响程
度系数
学区成绩 0.173 0.091 0.396 0.150 0.077 0.042 0.401 0.198 0.625 0.366 0.230 0.110
学区机会 0.060 0.031 0.125 0.047 0.088 0.048 0.094 0.046 0.081 0.047 0.103 0.049
ln学校距离 0.019 0.010 0.197 0.075 0.016 0.009 0.054 0.027 0.130 0.076 0.040 0.019

3.5 教育资源质量对学区房价格影响的演化特征

利用Moran’s I探测2008和2017年住宅价格的空间集聚程度，统计值分别为0.277和0.402，均在1%水平上通过显著性检验，说明住宅价格在区域上呈现出聚集形态，且表现出明显的空间异质性及非平稳性。基于学区成绩对主城区住宅价格的重要作用，采用地理加权回归模型分析其对住宅价格影响的空间异质性。
学区成绩对主城区住宅价格的回归系数大多为正值（图3），对住宅价格具有正向作用。2008年回归系数呈现出东南—西北高、东北—西南低的空间格局，并且回归系数存在显著的空间非平稳性，对区域住宅价格的影响既有正向也有负向，即2008年教育资源质量对住宅价格影响的规律性较差。从回归系数的空间分布来看，最高值出现在主城区东南部，玄武湖西部的广大区域成为教育资源质量影响的次中心，这些区域教育资源优越，集中了以“拉力琅”为代表的众多优质公办小学。主城区东北部和西南部成为负高值的聚集区，主要由于这些地区教育资源质量较差，房价也较低，教育资源质量对住宅价格的影响较弱。
图3 2008和2017年GWR模型学区成绩回归系数空间分布

Fig.3 Spatial distribution of regression coefficient from the perspective of acceptance rate of Nanjing Foreign Language School based on GWR model in 2008 and 2017

2017年学区成绩回归系数均为正值，且回归系数的均值由0.138提高至0.533，即教育资源质量对住宅价格的影响呈上升趋势。2017年回归系数的最高值分布在鼓楼区的南部，这里集中了“拉力琅”及“方银金”等优质教育资源，同时也集中了二十九中、金陵汇文学校、南师附中树人学校等优质初中学区，是南京优质“双学区”的集中地。由于优质双学区资源更为稀少，双学区房往往占用时间较长，换手率较低，受住宅房龄、装修程度、小区环境等因素的影响较小，主要受教育资源质量的影响。次高值区分布在最高值区的外围和主城区东北部，这些区域也分布着较为优质的教育资源。回归系数的低值区集中分布在主城区西南部，其余地区的回归系数均处于中等水平。
2008—2017年，教育资源质量对住宅价格的影响经历了由小到大的变化，教育资源质量对主城区住宅价格的影响呈增强的趋势，影响强度也逐渐呈现出一定的规律性。另外2017年学区成绩回归系数的标准差超过了2008年，说明教育资源质量对不同区域住宅价格影响程度的差异呈现出扩大化的趋势，即优质学区和普通学区对住宅价格的影响程度的差距日益扩大。由于教育资源的日益分化，教育资源质量格局的相对稳定性及固化作用，教育资源质量对住宅价格的影响也将持续增强。

4 房价分异与教育资源质量耦合性特征与效应

4.1 房价与教育资源质量及影响的组合与演变

由主城区住宅价格、教育资源质量及其影响程度的大小，分别将其划分为高、中高、中低、低四个档次，总结提炼出南京市主城区住宅价格与教育质量的空间结构模型（图4）。从其空间匹配的形态与演变来看，具有以下特征：
图4 南京市主城区住宅价格与教育资源质量空间分异及演变模型

注：内部圈为明城墙，外部圈为绕城公路。

Fig.4 Spatial differentiation and evolution model of housing price and education resource quality in Nanjing main urban area

①主城区住宅价格总体上呈现出“核心—边缘”结构，基本上以内城名校（以“拉力琅”为代表）为中心，向外围递减。这是由于南京市主城区优质基础教育资源主要分布在内城北部及其相邻的河西新城龙江片区，而优质教育资源空间格局又具有相对稳定性，可以预见，以“拉力琅”为代表的顶级学区住宅价格将继续引领南京学区房价格的上涨。
②教育资源的格局与住宅价格空间格局具有较高的相似性，即高房价地区分布着更为优质的教育资源，低房价地区的教育资源一般化。随着“学区房”的兴起，教育资源质量的提升会对区域住宅价格的起到助推的作用，如河西新城的迅速发展及其教育质量的提升，无疑将发展成为南京市住宅价格的新高地。
③教育资源质量对住宅价格的影响具有明显的阶段性。2008年教育资源质量对住宅价格的影响程度相对较弱，影响强度的规律性较差。2010年前后“学区房”逐渐被社会所了解[31]，并且渐渐被开发商当作宣传的工具，随着学区房需求的日益增长，教育资源质量对住宅价格的影响越来越大，到2017年时，教育资源质量已经成为影响住宅价格的关键因素，影响强度也呈现出一定的规律性，即优质学区对住宅价格影响较强，普通学区对住宅价格影响较弱。

4.2 教育资源质量对住宅价格的溢出效应

由学区特征价格的弹性分析，以各学区房住宅单价和各特征因素的平均值为基准，对学区教育资源质量的边际价格进行探究。由于学区成绩未取对数，故由价格半弹性系数求得，结果见表7。2008年南外录取率每提高1%，主城区住宅价格将增加256元/m2，优质学区增加341元/m2，普通学区增加202元/m2；而到2017年，南外录取率每提高1%，主城区、优质学区和普通学区分别将带来1 125元/m2、1 929元/m2、676元/m2的增值。
表7 学区成绩的边际价格

Tab.7 Marginal price of acceptance rate of Nanjing Foreign Language School

2008年 2017年
主城整体 优质学区 普通学区 主城整体 优质学区 普通学区
住宅均价（元/m2） 12 044 15 343 11 808 30 682 41 915 29 068
回归系数 0.021 0.022 0.017 0.036 0.045 0.023
半弹性系数(%) 2.122 2.224 1.715 3.666 4.603 2.327
边际价格（元） 256 341 202 1125 1929 676
Alonso的城市竞租理论[32]指出，单中心城市地租地价由市中心向郊区递减。假设住宅价格仅考虑城市中心区位的影响，在主城区整体的特征价格模型中，将各回归系数及相应特征变量的均值代入，可以求出中心位势与住宅价格关系的公式：
l n P 2008 = 10.222 - 0.339 l n x 2008 l n P 2017 = 10.688 - 0.183 l n x 2017
式中：P2008、P2017分别表示2008和2017年住宅价格；x2008、x2017表示2008和2017年中心位势。再结合学区教育资源质量因素的影响，绘制出中心位势和学区对住宅价格的影响曲线图（图5）。2008年优质学区（含成绩前十学区）可以使其学区房价格增值近5 000元/m2，2017年前十学区更是提升约20 000元/m2，其余优质学区也能提升10 000元/m2以上。随着时间的推移，学区教育资源质量对住宅价格的提升更加明显，这种提升作用与教育资源的质量呈正相关关系。
图5 中心位势（含有无学区影响）对住宅价格的影响曲线

Fig.5 The influence of central potential（with or without school district）on housing price

由住宅特征价格理论可知，区位特征、建筑特征和邻里特征均会对住宅价格产生影响，受不同因素的影响产生不同的住房类型，如地铁站附近的“地铁房”，大型山水资源附近的“景观房”，重点中小学周边的“学区房”等，这些类型的住宅价格高于周边的现象屡见不鲜。但是学区房与其他住房有着本质的区别，作为家长对子女未来的投资，学区房对住宅价格的提升作用和居民思想观念的影响更大。随着家长对子女优质教育需求的日益增长，学区房的溢价率仍将持续走高，优质学区资源的稀缺性与获取难度亦将与日俱增，优质学区房也逐渐沦为非全民（中产及以上阶层）参与的金钱游戏。

4.3 房价与教育资源质量的耦合效应

基于教育资源质量对住宅价格的重要影响，以及教育资源质量和住宅价格各自的特性，可见住宅价格与教育资源质量具有以下耦合效应：
①住宅对教育的反馈效应。由于国内学区房“租买不同权”的特征，目前众多大城市优质公办小学只面向学区内小区中有住宅产权的户籍人口开放，即要想进入优质学区，必须在此学区范围内的小区购买住宅。优质学区房供不应求现象本质上是对优质教育资源的争夺，而优质学区房正是优质教育资源的载体和直接反映，对优质教育资源的争夺逐渐也演变为对其周边学区房的争夺。由于住宅的市场化，住宅价格受市场需求的影响，未必符合价值规律，一些优质学区房虽然建筑年代久远、装修和小区环境较差，但是其住宅价格远超过其周边的设施完善、装修较好、房屋较新的非学区房。“天价学区房”在一定程度上也有其合理性，它正是反映了市民对子女获取优质教育资源的需求。
②教育对住宅的分化效应。虽然主城区多数优质教育资源为公办学校，但住宅的市场化，让学区房与房地产联姻，即优质公办学校在一定程度上也被贴上了市场化和资本化的标签。拥有优质教育资源的学区房价格已远远超过城市一般家庭的经济承受能力，购置优质学区房（尤其是双学区房）对城市大多数家庭来说已不太可能。在优质学区房的争夺战中，城市富裕阶层和中产阶层因掌握较多的经济资本，从而“掠夺”了大量优质教育资源，在优质学区聚集并逐渐置换原有较低收入社会群体，也就是“学区中产阶层化（Jiaoyufication）”现象[33⇓-35]，从而可能引发社会对居住分化、义务教育异化和阶层固化等问题的整体性焦虑。

5 学区房价格变动的社会后效

5.1 学区房价格变动对教育公平的影响

学区制作为促进区域义务教育资源均衡配置，保障学生接受更加公平优质义务教育的一项重大举措，在设立之初起到了抑制择校乱象的作用，并在一定程度上缓解了义务教育资源配置不均衡的现象。学区设立初期，名校对其学区内住宅价格影响幅度有限，故在经济资源上对市民的限制较小。随着学区制的逐渐成熟，家长对子女教育问题的日益重视，以及部分房地产开发商和房产中介的过度宣传，使社会对优质学区房的需求急剧增加，直接导致了学区房价格的迅速上涨，尤其顶级名校的学区房更是被炒作到天价，如2017年“拉力琅”学区房均价已经接近或超过60 000元/m2，成绩前十学区的住宅均价也已接近50 000元/m2。
随着学区房价格的快速上涨，优质学区房已渐渐超过城市中产以下阶层的购买能力，学区制下教育机会与住宅挂钩的措施，也逐渐导致由过去的“择校”演变为“择房”，而如今优质学区房的溢价早已远远超过未实行学区制之前的择校费，优质义务教育资源的获取对经济资源的要求有增无减，优质学区房亦渐渐成为市民经济资源的象征，从而限制了贫弱群体子女接受优质义务教育的权利，也使教育公平中的起点公平逐渐失衡。随着教育资源质量对学区房价格及提升作用的影响日益增强，优质教育资源仍将继续向优质学区流动，而优质学区房价格仍将持续上涨，即优质学区房对经济资源的要求也将持续提高，贫弱群体获取优质义务教育资源的难度也将与日俱增，从而可能进一步加剧社会分层和贫富差距，由教育不公平引发出更大的社会不公平。

5.2 学区房价格变动的社会空间效应

教育资源质量与住宅价格的耦合产生学区中产阶层化现象，而学区中产阶层化现象可以促进富裕及中产阶层在优质学区集聚，由于优质学区的资本化和市场化程度渐渐增强，城市中低收入者因经济资本限制难以进入，故而形成优质教育资源的“空间俱乐部化”，即优质教育资源逐渐变为富裕和中产阶层的专属领地。优质教育资源的稀缺性及空间分布的不均衡性决定了优质学区房的稀缺性，从而使优质学区房住宅价格将进一步上涨，且学区质量的高低与住宅价格升值潜力呈正相关关系。
由于“教育与住房挂钩”和教育资源质量的差异化，教育资源质量的格局在一定程度上影响住宅价格的空间格局，优质教育资源甚至直接决定了高房价的空间格局（图6）。居民住房支付能力的差异化，使得富裕及中产阶层在优质学区聚集，大多数中产以下阶层只能分布在教育资源质量一般的普通学区。在住宅价格空间分异格局和社会阶层分化共同作用下，产生了居住空间分异，教育资源质量及其空间布局的固化作用，使高房价区具有相对稳定的空间格局，继而使具有优质教育资源消费偏好的富裕、中产阶层在空间上进一步聚居，同时也强化了优质教育资源的“空间俱乐部化”特征及“学区中产阶层化”现象，当优质的教育资源被特定阶层垄断独享时，便引发了社会对基础教育公平、阶层固化的担忧。
图6 教育资源质量与住宅价格作用机制

Fig.6 The education resource quality and the mechanism of housing price

5.3 教育公平视角下学区制路径选择

“重点学校”和“就近入学”等政策下产生的学区房是城市教育资源不均衡的直接结果，而优质学区房逐渐成为经济实力的象征，对优质学区房的争夺也演变为家庭间经济、政治、社会与文化等资源的比拼，与教育公平中入学机会均等背道而驰。作为社会公平的基础和重要组成部分，教育公平也不仅仅包括起点公平和过程公平，还包括人们极易忽视的结果公平。衡量义务教育公平与否的最高标准和终极目标便是结果的公平[36]，即让每个孩子得到健全、充分的发展，所以家长应该意识到对学区房的追逐，并不意味着实现教育结果的公平，也未必是真正的教育公平。
教育的起点公平、过程公平和结果公平涉及政府、教育部门和家长等社会多方力量，实现教育公平也需要社会各界人士的共同努力。在政府方面，一方面需大力整治学区房市场，加强对房地产商和中介投机炒作行为的监管，建立健全学区房相关的房地产政策。另一方面可以对现有的“就近入学”政策进行调整和完善，如实行“租售同权”，给予租房者相同的入学机会，还可以根据住房产权所有者的实际居住年限分配入学资格等。在教育部门方面，基于教育资源质量对区域住宅价格的重要影响，促进教育资源质量的均衡化对于抑制当前社会中的“学区房热”、高房价现象显得尤为重要。借鉴龙江地区基础教育发展经验，推行优质教育资源集团化、优秀教师校际流动、强校并弱校等策略，还可以采取扩大学区、增加对薄弱学校教育经费投入、优质教育资源共享等举措，促进城市内部教育资源的均衡化。在家长方面，需要转变家长对学区房的思想观念，使广大家长树立长远培养的意识，不能仅仅以升学率和成绩的高低衡量学校的好坏，应该探索适合孩子的教育培养方式，理性选择适合孩子的学校。

6 结论与讨论

通过运用特征价格模型和地理加权回归模型，分析了2008和2017年南京市主城区教育资源质量对学区房价格的时空影响效应，得到以下几点结论：
①南京市主城区住宅价格呈现出以公办顶级小学为中心的单核心结构，并向主城外围逐渐降低。虽然河西新城住宅价格不及“拉力琅”名校学区，但其高房价区范围更大，并逐渐成为主城区房价的副高值中心。受优质学区的影响，远离市中心的区域如雨花台和下马坊等地区成为岛状高值区。
②教育资源质量作为学区特征中的重要因素，对住宅价格的影响经历了由弱到强的跃迁，已经成为影响主城区住宅价格的最大因素。教育资源质量对住宅价格的影响具有显著的空间异质性，并具有明显的阶段性，教育资源质量对主城区住宅价格的影响强度逐渐与学区成绩保持一致，且影响强度呈增强趋势，但对优质学区和普通学区的影响程度的差距日益扩大。
③教育资源质量的格局与住宅价格空间格局具有较高的相似性，优质教育资源与其学区住宅价格的耦合性不断增强，教育资源的溢出效应日益增强，且学区质量的高低与住宅价格的升值潜力和溢出率呈正相关关系。优质教育资源与房地产的结合，使优质学区房成为富裕及中产阶层的专属品，产生学区中产阶层化现象，引发教育不公平、居住空间的固化和阶层固化等社会问题。
随着“全面二孩”政策的推行，居民对优质教育资源的需求将更加强烈，而教育与住宅的联姻，致使“学区房”需求将持续增加。教育质量空间配置的差异化和不均衡化，使重点学校附近的优质学区成为城市住宅价格的“孤岛”，优质学区亦渐渐成为富裕及中产阶层的聚集地，学区制度也逐渐丧失其原本抑制择校乱象、促进教育资源均衡发展的初衷。当然促进教育资源质量均衡化，使每个孩子都能享有公平而有质量的教育，是教育公平的应有之义，需要全社会的共同努力。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
胡洪彬. 我国教育公平研究的回顾与展望——基于2002—2012年CNKI期刊数据的分析[J]. 教育研究, 2014, 35(1):54-59.

[2]
吴愈晓, 黄超. 基础教育中的学校阶层分割与学生教育期望[J]. 中国社会科学, 2016(4):111-134.

[3]
戴特奇, 廖聪, 胡科, 等. 公平导向的学校分配空间优化——以北京石景山区为例[J]. 地理学报, 2017, 72(8):1 476-1 485.

[4]
毛丰付, 罗刚飞, 潘加顺. 优质教育资源对杭州学区房价格影响研究[J]. 城市与环境研究, 2014, 1(2):53-64.

[5]
Tse R Y C. Estimating neighborhood effects in house prices:To-wards a new hedonic model approach[J]. Urban Studies, 2002, 39(7):1 165-1 180.

[6]
王洋, 方创琳, 盛长元. 扬州市住宅价格的空间分异与模式演变[J]. 地理学报, 2013, 68(8):1 082-1 096.

[7]
Kristin A, Liv O, Arnstein G. Do area-based intervention pro-grams affect house prices?A quasi-experimental approach[J]. Journal of Housing Economics, 2017, 37:67-83.

[8]
宋伟轩, 刘春卉. 长三角一体化区域城市商品住宅价格分异机理研究[J]. 地理研究, 2018, 37(1):92-102.

DOI

[9]
冯长春, 李维瑄, 赵蕃蕃. 轨道交通对其沿线商品住宅价格的影响分析——以北京地铁5号线为例[J]. 地理学报, 2011, 66(8):1 055-1 062.

[10]
Tian G, Wei Y D, Li H. Effects of accessibility and environ-mental health risk on housing prices:A case of Salt Lake County,Utah[J]. Applied Geography, 2017, 89:12-21.

[11]
彭保发, 石忆邵, 单玥, 等. 上海市三甲医院对周边地区住房价格的空间影响效应分析[J]. 地理科学, 2015, 35(7):860-866.

DOI

[12]
尹海伟, 徐建刚, 孔繁花. 上海城市绿地宜人性对房价的影响[J]. 生态学报, 2009, 29(8):4 492-4 500.

[13]
Zhang L, Liu H Y, Wu J. The price premium for green-labelledhousing:Evidence from China[J]. Urban Studies, 2017, 54(15):3 524-3 541.

[14]
Rosiers F D, Thériault M, Kestens Y, et al. Landscaping attri-butes and property buyers' profiles:Their joint effect on house prices[J]. Housing Studies, 2007, 22(6):945-964.

[15]
温海珍, 李旭宁, 张凌. 城市景观对住宅价格的影响——以杭州市为例[J]. 地理研究, 2012, 31(10):1 806-1 814.

[16]
Fack G, Grenet J. When do better schools raise housing pric-es?Evidence from Paris public and private schools[J]. Journal of Public Economics, 2010, 94:59-77.

[17]
石忆邵, 王伊婷. 上海市学区房价格的影响机制[J]. 中国土地科学, 2014, 28(12):47-55.

[18]
Downes T A, Zabel J E. The impact of school characteristicson house prices:Chicago 1987-1991[J]. Journal of Urban Economics, 2002, 52(1):1-25.

[19]
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”和配对回归的实证研究[J]. 经济学(季刊), 2014, 13(3):1 195-1 214.

[20]
刘润秋, 孙潇雅. 教育质量“资本化”对住宅价格的影响——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.

[21]
Kim H, Park S W, Lee S, et al. Determinants of house prices inSeoul:A quantile regression approach[J]. Pacific Rim Property Research Journal, 2015, 21(2):91-113.

[22]
洪世键, 周玉. 基于特征价格法的学区房价格外溢效应探讨——以厦门岛为例[J]. 建筑经济, 2016, 37(2):65-69.

[23]
Baltagi B H, Bresson G. Maximum likelihood estimation andLagrange multiplier tests for panel seemingly unrelated regressions with spatial lag and spatial errors:An application to hedonic housing prices in Paris[J]. Journal of Housing Economics, 2011, 69(1):24-42.

[24]
王少剑, 王洋, 蔺雪芹, 等. 中国县域住宅价格的空间差异特征与影响机制[J]. 地理学报, 2016, 71(8):1 329-1 342.

[25]
刘蓓佳, 刘勇. 基于Hedonic模型的城市轨道沿线房价特征分析[J]. 西南大学学报:自然科学版, 2016, 38(8):83-89.

[26]
Brunsdon C, Fotheringham A S, Charlton M E. Geographicallyweighted regression:A method for exploring spatial nonstationarity[J]. Geographical Analysis, 1996, 28(4):281-298.

[27]
汤庆园, 徐伟, 艾福利. 基于地理加权回归的上海市房价空间分异及其影响因子研究[J]. 经济地理, 2012, 32(2):52-58.

[28]
张静, 张丽芳, 濮励杰, 等. 基于GWR模型的城市住宅地价的时空演变研究——以江苏省为例[J]. 地理科学, 2012, 32(7):828-834.

DOI

[29]
宋伟轩, 毛宁, 陈培阳, 等. 基于住宅价格视角的居住分异耦合机制与时空特征——以南京为例[J]. 地理学报, 2017, 72(4):589-602.

DOI

[30]
尹上岗, 宋伟轩, 马志飞, 等. 南京市住宅价格时空分异格局及其影响因素分析——基于地理加权回归模型的实证研究[J]. 人文地理, 2018, 33(3):68-77.

[31]
陈友华, 施旖旎, 季春梅. 学区房的形成机制及其社会后果研究[J]. 学海, 2017(4):122-127.

[32]
Alonso W. Location and Land Use[M]. Cambridge: HarvardUniversity Press,1964.

[33]
吴启焰, 吴小慧, Chen Guo, 等. 基于小尺度五普数据的南京旧城区社会空间分异研究[J]. 地理科学, 2013, 33(10):1 196-1 205.

[34]
陈培阳. 中国城市学区绅士化及其社会空间效应[J]. 城市发展研究, 2015, 22(8):55-60.

[35]
Wu Q Y, Zhang X L, Waley P. Jiaoyufication:When gentrifica-tion goes to school in the Chinese inner city[J]. Urban Studies, 2016, 53(16):3 510-3 526.

[36]
辛涛, 黄宁. 教育公平的终极目标:教育结果公平——对教育结果公平的重新定义[J]. 教育研究, 2009, 30(8):24-27.

Options
Outlines

/

〈 〉