学区房政策对住房价格的影响-以北京西城区和海淀区为例

第5章研究设计5.1学区房政策对住房价格的影响机制5.1.1教育资源资本化美国经济学家Tiebout于1956年提出“用脚投票”理论，是指居民在迁入某居住地享受公共服务同时，需要支付一定的税收。当各个居住地设定的税率与所能提供的公共服务存在差异情况下，居民在进行选择时会将各居住地的成本和收益情况进行比较，最终“用脚投票”选择迁入到自己偏好的居住地以实现最优收益成本比。同时，地区间居民流动会促使地方政府在公共服务提供方面开展竞争，也会改变地方政府税率的制定，最终各地区提供公共服务的收益与迁入该地区所需支付税收相等，达到帕累托最优状态。基于“用脚投票”理论，可得出公共服务资本化的推论。以教育资源为例，由于北京市优质教育资源主要集中在城区内，教育资源的配置和发展情况在长时间内是稳定的，而土地面积的有限性决定了在现实中新住宅的供给是有限的，这样的现状形成了教育资源资本化的背景。在就近入学政策下，居民为获取优质教育资源，需迁入该校划定的入学范围内的居住区，由于优质教育资源和其周边住房供给的有限性，市场为买方竞争，教育资源更为优质的地区，住房价格也较高。在“价高者得”的市场中，一定程度上挤出了弱势群体争取教育资源上的机会，产生群分效应。高收入群体会聚集在一起，一方面为获取优质资源，另一方面受知识溢出影响，高收入群体的集聚会给每个个体带来社会资本，因而群分效应会更加明显。高收入人群通过带动周边的消费市场，进一步又提升了住房价格。具体传导机理如图5-1所示。优质教育资源优质教育资源人口迁入住房需求＞住房供给住房价格升高高收入群体聚集带动周边消费市场住房价格进一步升高“价高者得”图5-1教育资源资本化影响机理框架图以上，说明了教育资源资本化现象，即优质教育资源会以资本化形式显现到房地产市场上。教育资源越优质的地区，其住房价格也会较高。5.1.2学区房政策对住房价格的影响机制为降低学区房热度，各地推出了许多政策以实现教育资源的均衡配置。通过供给需求理论，可以进一步分析政策对住房价格的影响机制。供给需求理论认为购买学区房的需求受到学区房价格、购房者收入、购房者预期等因素的影响，学区房价格与需求呈负相关，即随价格的升高，需求量将逐渐降低。供给同样是价格的函数，其与价格为正向相关，随着价格的上升，供给量将逐渐增加。当市场需求量和供给量相等时的价格，为市场共同决定的均衡价格。以下通过图5-2、图5-3具体解释在政策干预前后，住房价格的变动情况。从供给角度来看，当政策未加干预时，由于教育资源不均衡，优质教育资源数量稀缺，在学位一定的情况下，学区房的数量不受价格的变化而变化，即学区房供给曲线缺乏弹性，表达式为Qs1=N，其中，N为常数。学区房需求曲线表达式为Q1=f(P)当政策进行干预时，教育资源有均衡化发展趋势，一定程度上缓解了学区房数量紧张，拥有优质教育资源的学位将不再有限，对应学区房数量将受到价格变化的影响，供给曲线将具有弹性，即供给曲线由原来的Qs1变为Qs2，相应地，价格由原来的从以上推论可以得出，从供给角度来看，当学区房政策实施后，通过均衡优质教育资源的配置情况，可对房地产市场起到调控作用。PPP△QQQPPQQ△ 图5-2政策通过供给端变动时对住房价格影响同样，政策实施也会从需求端对价格产生影响，如图5-3，Q1为学区房的需求曲线，Qs1为学区房的供给曲线。当住房相关政策实施，如限购限贷等政策，抑制了投资者对学区房的需求，同时在一定程度遏制了投机需求。此外，一些均衡教育资源的政策同样会降低学区房需求，如“多校划片”等政策，若获取优质教育资源的机会均等，则购买学区房的需求将会迅速下降。因此需求曲线将由Q1下降至Q2，相应地，住房价格由P1此外，市场供应会受到其他与住房政策挂钩的教育政策影响，如“六年一学位”等政策，限制了房屋的交易频率，市场上学区房供给将减少。同时，由于学校的教学质量和口碑是一个长时间积淀的结果，重点学校周边住房交易市场在较长时间内始终是一个卖方市场。当政策会打压学区房高价时，出售者更倾向于抱有观望态度，从而也会使供给减少。供给曲线将从Qs1移动至Q从以上推论可以看出，从需求端来看，学区房政策实施对住房价格有一定的抑制作用，但由于受到居民预期影响，从长期来看有实施效果不明显的可能性。因此，要格外关注预期管理，一方面是居民预期，通过政策最终的实施效果，解除居民对住房与优质教育资源之间捆绑关系的认知，意识到教育政策将不断优化的必然性。另一方面是政策预期，合理规划政策发布至执行的间隔时间，充分利用政策的预期效应和滞后效应.QQQPPQQQQPPP图5-3政策通过需求端变动时对住房价格影响5.2模型构建5.2.1特征价格法第一部分研究学区效应采用的是特征价格法，即Hedonic模型法。构建思路为，若将住宅看做不同特征组成的商品，根据效用理论，理性消费者愿意为住宅所支付的价格与其从住宅的不同特征中获得的效用相匹配。因此通过对住宅价格中各个特征因素的分解，可以得到各特征的隐含价格。Hedonic模型的线性函数形式为：P=（5-1）其中，P代表住房价格，X1、X2、从模型的不断应用过程中，特征价格法函数形式发展为线性函数、对数函数、半对数函数形式等。其中，半对数函数形式考察了当每个特征变量变动时，住宅价格的增长率，相较于线性形式所表示的变动数值，更容易观测变动幅度。另外，当价格以对数形式表示时，缩小了价格的衡量尺度，可有效避免数据严重波动，消除价格数据本身所存在的异方差性。因此本章节选用半对数函数形式。ln（5-2）通过整理各住宅不同特征，运用计量学方法，可估计出各特征前的参数值，判断各房屋特征对房地产价格的影响程度。在确定使用特征价格法半对数模型的基础上，在研究学区制下各学区对住房价格的影响的回归模型如下，主要观测各学区前的参数。西城区：ln＋＋海淀区：ln＋＋研究时间趋势下的各学区对住房价格影响变动的回归模型如下。西城区：ln＋＋海淀区：ln＋＋5.2.2双重差分法在确定学区会对房地产市场会产生影响的基础上，第二部分研究招生政策对房地产市场的影响。通过研读以往有关政策评估的文献，采用双重差分法，即DID（Difference-in-Difference）模型。DID模型的构建思路为，在某一外在政策冲击下，将研究样本分为实验组和对照组，受政策影响为实验组，不受影响的为对照组，通过控制其他因素，分离并判断该政策的实施效果。以本章节研究内容为例，“多校划片”政策实施的对象为海淀区，因此海淀区为实验组，周边没有该项政策的行政区则为对照组。用虚拟变量du来衡量某行政区是否属于实施“多校划片”，若属于实施行政区则du=1，不属于du=0。同时，为控制时间的影响，设置虚拟变量dt衡量住房交易时间属于政策实施前还是政策实施后，若该套住房在政策实施后成交，则Y=α其中，dt*du为交互项，ε为随机误差。为进一步说明模型原理，结合研究对象和内容，简化公式5-7。对海淀区而言，du=1，海淀区在实施“多校划片”Y海淀，政策实施前Y海淀，政策实施后对西城区而言，du=0，西城区在实施“多校划片”Y西城，政策实施前Y西城，政策实施后通过运算可知，海淀区与西城区在“多校划片“政策实施前后房地产市场的变动情况分别为5-12、5-13。△1△因此，“多校划片”政策对实验组海淀区所产生的净影响为△通过所构建的模型可知，度量该影响的指标γ3恰好为时间虚拟变量（dt）和区域变量（du）的交互项（dt*du）系数。因此，交互项系数γ相较于OLS方法是用政策实施虚拟变量来评估政策效应，DID模型设置更加科学，政策评估的效果也更为准确。同时，使用时间和个体的固定效应可以有效避免因遗漏变量而产生的误差。在研究招生政策对住房价格的影响方面，第一个研究部分探究政策发布对住房价格的影响。回归模型为模型（5-14），其中，dt_1为政策发布（2018年4月28日）虚拟变量，若样本处于2016年1月1日——2018年4月28日，则dt_1=0；若样本处于2018年4月28日——2019年12月31日，则dt_1=1。在DID模型基础上，沿用之前研究学区住房价值所选取的控制变量，在时间维度进行控制的一组虚拟变量由年度改为季度。主要观测政策发布变量（dt_1）和区域变量（du）交互项（dt_1*du）前的参数γ3ln＋第二个研究部分探究政策执行对住房价格的影响。政策执行时间为2019年1月1日，因此，在模型（5-14）的基础上引入政策执行变量（dt_2）以及其与区域变量（du）的交互项（dt_2*du），建立模型（5-15）。若样本处于2016年1月1日——2019年1月1日，则dt_1=0；若样本处于2019年1月1日——2019年12月31日，则dt_1=1。其中，主要观测政策执行变量（dt_2）和区域变量（du）交互项（dt_2*du）前的参数γ5ln+β＋β5.3变量选取与数据来源5.3.1变量选取在学区界定基础上，进一步探究房地产市场受到各学区差异的影响，本章节选取交易时间在2016年1月1日——2019年12月31日内，西城区、海淀区的每套二手房成交数据进行实证分析。研究区间从2016年开始，因为西城区、海淀区明确划分学区的时间分别为2015年5月12日、2015年11月19日。由于住房区位与入校指标挂钩，且北京实行限购限贷等各类严格调控政策，本章节选取二手房成交数据，与新房成交数据相比，二手房成交数据更能反映出住宅价值与消费决策。解释变量为每个行政区所涵盖的各个学区。在控制变量方面，从以往研究文献中的划分标准出发，结合本文研究目标，将影响住房价格的控制变量分为房屋本身的建筑特征及住房的区位配套情况两个方面。其中，在房屋本身的建筑特征方面主要选择了6个变量，分别是房屋的卧室数量、卫生间数量、房屋建筑面积、截止到出售年份时的房屋房龄、装修情况、建筑结构以及是否配备电梯。在建筑结构的判断上，将框架结构、钢结构、钢混结构视为较优质结构，砖混在内等其他结构次之。在住房的区位配套情况方面，选取了4个变量，分别是交通情况、环境情况、医疗情况和据中心距离。它们的衡量标准是该套交易住宅与最近的地铁站距离、与最近的公园距离、与最近的三甲医院距离和相距天安门的距离，距离的衡量通过Arcgis10.2操作实现。5.3.2数据来源2016年1月1日——2018年12月1日数据来源于链家网，2018年12月1日——2019年12月31日数据来源于贝壳找房网。链家是国内知名二手房买卖线下门店，贝壳找房网为同一领导团队打造的线上平台。链家线下门店的交易数据会同步上传至链家网及贝壳找房网，因此两者的数据同质。通过对两个网站的数据爬取，共收集2016年1月1日——2019年12月31日交易样本66101套。5.4指标设计5.4.1学区制下各学区对住房价格的影响研究学区制下各学区对住房价格的影响指标设计如表5-1：表5-1指标设计说明表变量名称定义符号解释说明被解释变量住房价格lnprice每套住房成交价格的自然对数，单位为元/平方米。控制变量建筑特征卧室数bedrooms房屋的卧室数量，单位为个。卫生间数bathrooms房屋的卫生间数量，单位为个。房屋面积area房屋的建筑面积，单位为平方米。房龄age截止到出售年份时的房屋房龄，单位为年。装修情况refined_dec衡量房屋装修情况，若是精装修赋值为1，否则为0。建筑结构structure衡量房屋的建筑结构，若为框架结构、钢结构、钢混结构则赋值为1，其他结构为0。电梯配备evevator衡量房屋是否配备电梯，若配备电梯赋值为1，否则为0。区位配套交通情况d_subway相距最近的地铁站的距离，单位为米。环境情况d_park相距最近的公园的距离，单位为米。医疗情况距中心距离d_hospitald_centre相距最近的三甲医院的距离，单位为米。相距天安门的距离，单位为米。年份变量year_c一组虚拟变量，衡量该套二手房交易时间。c分别取值为2017、2018、2019，代表2017、2018、2019年成功交易。若在该年份成交则为1，否则为0。解释变量西城区各学区district_a一组虚拟变量，衡量住房所属学区。a分别取值dct、ds、gamw、jrj、sch、tb、xcaj、xjk、yt、zll,分别代表大栅栏-椿树-天桥学区、德胜学区、广安门外学区、金融街学区、什刹海学区、陶然亭-白纸坊学区、西长安街学区、新街口学区、月坛学区、展览路学区共10个学区。若属于所代表的学区则为1，否则为0。海淀区各学区district_b一组虚拟变量，衡量住房所属学区。b分别取值blz、btpz、hd、hyl、qlq、qh、sd、szxbw、sjq、wsl、xsq、yfd、ydl、xyl、zgc、zzy,分别代表八里庄学区、北太平庄学区、海淀学区、花园路学区、青龙桥学区、清河学区、上地学区、上庄西北旺学区、四季青学区、万寿路学区、西三旗学区、羊坊店学区、永定路学区、学院路学区、中关村学区、紫竹院学区共16个学区。若属于所代表的学区则为1，否则为0。其中需要说明的是，西城区划分为11个学区，海淀区划分为17个学区，为避免多重共线性，在西城学区和海淀学区的虚拟变量设计上分别减少了一个学区的设置，即如果该套住房不归属于其他学区，则属于未被设计进模型的这个学区。由于西城区广安门内学区和海淀区温泉苏家坨学区的房价最低，因此以这两个学区为基准来进行比较，剔除这两个学区变量，最终的计量结果含义为西城区内各学区以广安门内学区为标准，相较广安门内学区房价的变化；海淀区各学区与温泉苏家坨学区相比，住房平均价格的变动情况。在年份变量设置上采取了同样的方法。5.4.2招生政策对住房价格的影响为控制其他因素的影响，在探究“多校划片”政策对住房价格影响部分，选取研究对象为海淀区和西城区交界处学区内的二手房。由于西城区广安门外学区优质教育资源较少，大多为各名校的广外分校，且与海淀区的交界线较短，因此本章节选取交界区其余8个学区。海淀区4个，分别为花园路学区、北太平庄学区、紫竹院学区和羊坊店学区；西城区4个，分别为德胜学区、新街口学区、展览路学区和月坛学区。图5-4海淀区、西城区交界处学区该部分研究中被解释变量、控制变量与研究各个学区对住房价格的影响时所选取指标相同，解释变量有所改变，具体说明如表5-2：表5-2指标设计说明表变量名称定义符号解释说明被解释变量住房价格lnprice每套住房成交价格的自然对数，单位为元/平方米。控制变量建筑特征bedrooms、bathrooms、area、age、refined_dec、structure、evevator同表区位配套d_subway、d_park、d_hospital、d_centre同表解释变量政策发布dt_1“多校划片”政策发布（2018年4月28日）之后赋值为1，之前为0。政策执行dt_2“多校划片”政策执行（2019年1月1日）之后赋值为1，之前为0。区域变量du实验组（海淀区）赋值为1，对照组（西城区）赋值为0。政策实施变量dt*du时间变量(dt)和区域变量(du)的交叉项，用于衡量“多校划片”政策发布、执行分别对房价的影响。季度变量j_d一组虚拟变量，衡量该套二手房交易时间。d分别取值为161-164、171-174、181-184、191-194，分别代表2016年四个季度、2017年四个季度、2018年四个季度和2019年四个季度交易。若在该季度成交则为1，否则为0。预期效应j_f时间虚拟变量j_d和区域变量du的交互项。f分别取值为20161-20164、20171-20174、20181-20184、20191-20194，代表2016年四个季度——2019年四个季度与区域变量的交互项。其中，与本章节研究相关的政策梳理如下：2018年4月28日，北京市海淀区教育委员会发布《北京海淀区教育委员会关于2018年义务教育阶段入学工作的实施意见》，正式开始实行“多校划片”的入学方式。实施意见指出，2019年1月1日之后新登记并取得房屋不动产权证书的住房在申请适龄儿童小升初入学时，将实行“多校划片”方式。也就是说，以2019年1月1日为节点，在此之前，海淀区住房在入学时所对应的小学为单所小学，在该节点后，海淀区住房将对应多个小学。因此，本章节实证研究将选择两个时间节点，分别为2018年4月28日的政策发布时间（dt_1）和2019年1月1日政策执行时间（dt_2）。第6章实证结果及分析6.1学区制下各学区对住房价格的影响6.1.1描述性统计分析表6-1和表6-2分别报告了西城区和海淀区样本描述性统计结果，2016年1月1日——2019年12月31日，共采集二手房成交样本量66101套。其中西城区交易22931套，海淀区交易43170套。西城区2016年——2019年住房平均成交价格为9.97万元/平方米，成交均价最高为23.8万元/平方米，最低均价为1.57万元/平方米。建筑面积平均为67.2平方米，最小面积为11.2平方米，最大面积为409.63平方米。西城区截至交易年份平均房龄为24.5年，房龄最高为105年。只有35.3%的房屋带有精装修，49%的交易房屋配备电梯。在区位配套方面，距离最近的地铁站平均距离为884米，距离最近的公园平均距离638米，距离最近的三甲医院平均距离为1.63千米，距离天安门的平均距离为9.45千米表6-12016年——2019年西城区样本描述性统计结果变量名样本量均值标准差最小值最大值price2293199684.2424439.4615737238000bedrooms229311.914.7517bathrooms229311.074.29505area2293167.19929.8311.2409.63age2293124.511.3310105refined_dec22931.353.47801structure22931.417.49301evevator22931.49.501d_subway22931844.3191611.97912.91127604.98d_park22931637.777427.73710.6579620.647d_hospital229311630.3685787.42320.887103000d_centre229319446.27413398.52699.611107000海淀区2016年——2019年住房平均成交价格为7.66万元/平方米，成交均价最高为15.2万元/平方米。卧室数最多为5间，平均每套房屋有1间卫生间。建筑面积平均为78.4平方米，最小面积为10.7平方米，最大面积为299.87平方米。海淀区截至交易年份平均房龄为20.7年，房龄最高为69年。有45%的房屋带有精装修，51%的交易房屋配备电梯。在区位配套方面，距离最近的地铁站平均距离为1037米，距离最近的公园平均距离800米，距离最近的三甲医院平均距离为2.6千米，距离天安门的平均距离为11.5千米。表6-22016年——2019年海淀区样本描述性统计结果变量名样本量均值标准差最小值最大值price4317076649.5619673.3715080152000bedrooms431702.055.7615bathrooms431701.149.38803area4317078.44136.2610.7299.87age4317020.6749.586069refined_dec43170.448.49701structure43170.528.49901evevator43170.51.501d_subway431701037.2051216.3192.10211534.08d_park43170799.755455.1566.3764221.917d_hospital431702646.1462320.06182.45214022.44d_centre4317011479.24111.895796.56931409.656.1.2实证结果与分析在理论分析和数据统计的基础上进行实证分析。本章节探究不同各个学区对房地产市场的影响。具体分为两个部分，其一，确定学区是否会影响到住房价格，不同学区对住房价格产生了何种影响，影响的程度怎样。其二，学区制施行后，各学区对住房价格的影响方向和程度是否会随时间变化。（1）各学区对房屋价值影响判定运用stata13.1对西城区、海淀区分别进行模型回归，得出的回归结果如表6-3。表6-3各学区对房屋价值影响的回归结果(1)海淀(2)西城lnpricelnpricebedrooms0.037***bedrooms0.036***(0.002)(0.002)bathrooms0.092***bathrooms0.172***(0.004)(0.005)area-0.002***area-0.004***(0.000)(0.000)age0.001***age-0.002***(0.000)(0.000)refined_dec0.037***refined_dec0.033***(0.002)(0.002)structure-0.000structure-0.030***(0.005)(0.004)evevator0.010**evevator0.017***(0.005)(0.004)d_subway-0.000***d_subway-0.000***(0.000)(0.000)d_park-0.000***d_park-0.000***(0.000)(0.000)d_hospital0.000***d_hospital0.000*(0.000)(0.000)d_centre-0.000***d_centre0.000***(0.000)(0.000)district_blz0.133***district_dct0.180***(0.022)(0.007)district_btpz0.117***district_ds0.358***(0.022)(0.005)district_hd0.271***district_gamw0.001(0.022)(0.005)district_hyl0.104***district_jrj0.434***(0.022)(0.008)district_qlq0.188***district_sch0.406***(0.019)(0.010)district_qh-0.058***district_tb0.111***(0.020)(0.006)district_sd0.261***district_xcaj0.368***(0.021)(0.010)district_szxbw0.048***district_xjk0.228***(0.016)(0.007)district_sjq0.054***district_yt0.298***(0.018)(0.006)district_wsl0.222***district_zll0.188***(0.022)(0.006)district_xsq-0.157***(0.021)district_yfd0.038*(0.023)district_ydl0.012(0.020)district_xyl0.124***(0.020)district_zgc0.270***(0.022)district_zzy0.184***(0.022)year_20170.267***year_20170.260***(0.003)(0.004)year_20180.222***year_20180.244***(0.003)(0.003)year_20190.200***year_20190.275***(0.003)(0.004)_cons11.044***_cons11.197***(0.027)(0.008)Obs.43170Obs.22931R-squared0.504R-squared0.554Standarderrorsareinparenthesis***p<0.01,**p<0.05,*p<0.1根据表6-4的回归结果可以看出，对于西城区来说，除广安门外学区与住房价格关系不显著外，其余学区变量与住房价格均在1%的显著性水平上正向相关。金融街学区住宅价格最高，与广安门内学区相比，属于金融街学区的住宅在二手房成交时价格要提高43.4%。其次为什刹海学区、西长安街学区、德胜学区，在其他条件不变时，这三个学区住宅价值相较广安门内学区而言，分别提高了40.6%、36.8%、35.8%。陶然亭-白纸坊学区与广安门内学区住宅价格相差最小，学区属性价值最低，属于陶然亭-白纸坊学区的房屋仅比广安门内学区房屋价格高11.1%。对于海淀区来说，大部分学区变量与住房价格均呈显著正相关关系。海淀学区前系数最大，为0.271，这表明在控制时间及其他变量的情况下，海淀学区的房屋溢价最高。具体来说，与温泉苏家坨学区相比，海淀学区二手房价格要高27.1%。其次为中关村学区、上地学区、万寿路学区，相较于基准学区，这三个学区的住宅价值要高27%、26.1%、22.2%。另外，清河学区和西三旗学区前系数为负，原因可能是在清河学区成交量较大的是老旧小区，如毛纺厂小区等。而温泉苏家坨学区新房较多，如保利西山林语等。结合海淀区和西城区教育资源分布情况，可以发现教育资源更优质的学区，学区的价值也相应较高。其中，中关村学区有中关村一小、中关村二小、人大附中实验中学等多所优质小学，位于金融街学区的有北京实验二小、宏庙小学、奋斗小学三个重点小学，上地学区因为有九年一贯制的上地实验小学，可以直升北京市第一零一中学，因而房价也较高。在其他变量与住房价格的相关性方面，西城区房屋每增加一间卧室，住房平均价格上涨3.6%；每增加一间卫生间，住房均价上涨17.2%；房龄每提高1年，住房平均单价下跌0.2%；精装修房屋相较于其他房屋会产生3.3%的住房溢价。海淀区房屋每增加一间卧室，住房平均价格上涨3.7%；房屋所包含卫生间个数每增加1个，住房均价上涨9.2%；精装修房屋相较于其他房屋会产生3.7%的住房溢价。（2）各学区对房屋价值影响的时间趋势运用stata13.1分别对2016年——2019年西城区、海淀区各年的房屋样本数据进行回归，实证回归结果如表6-4。表6-4西城学区对房屋价值影响时间趋势变动回归结果(1)(2)(3)(4)lnprice2016lnprice2017lnprice2018lnprice2019bedrooms0.038***0.041***0.036***0.026***(0.005)(0.006)(0.004)(0.004)bathrooms0.158***0.171***0.182***0.178***(0.010)(0.013)(0.009)(0.009)area-0.003***-0.004***-0.004***-0.004***(0.000)(0.000)(0.000)(0.000)age-0.002***-0.003***-0.004***-0.002***(0.000)(0.000)(0.000)(0.000)refined_dec0.039***0.040***0.025***0.031***(0.005)(0.006)(0.004)(0.004)structure-0.022***-0.034***-0.041***-0.047***(0.008)(0.009)(0.007)(0.007)evevator0.0040.015**0.020***0.043***(0.007)(0.008)(0.006)(0.006)d_subway-0.000***-0.000***-0.000*-0.000***(0.000)(0.000)(0.000)(0.000)d_park0.000***0.000**0.000-0.000***(0.000)(0.000)(0.000)(0.000)d_hospital0.000***0.000***0.000***0.000*(0.000)(0.000)(0.000)(0.000)d_centre-0.000***-0.000***-0.000***0.000***(0.000)(0.000)(0.000)(0.000)district_dct0.062***0.084***0.113***0.165***(0.017)(0.020)(0.014)(0.011)district_ds0.602***0.493***0.495***0.355***(0.017)(0.020)(0.013)(0.009)district_gamw0.105***0.094***0.056***0.010(0.013)(0.015)(0.010)(0.008)district_jrj0.393***0.229***0.275***0.446***(0.017)(0.022)(0.016)(0.012)district_sch0.432***0.361***0.398***0.388***(0.018)(0.024)(0.017)(0.018)district_tb0.108***0.112***0.115***0.119***(0.012)(0.014)(0.010)(0.009)district_xcaj0.162***0.185***0.264***0.345***(0.022)(0.025)(0.019)(0.018)district_xjk0.325***0.212***0.258***0.240***(0.015)(0.017)(0.012)(0.012)district_yt0.347***0.290***0.324***0.307***(0.013)(0.015)(0.010)(0.010)district_zll0.281***0.241***0.254***0.191***(0.015)(0.017)(0.012)(0.010)_cons11.455***11.688***11.607***11.490***(0.022)(0.026)(0.018)(0.014)Obs.7446362853016556R-squared0.4640.4440.5430.487Standarderrorsareinparenthesis***p<0.01,**p<0.05,*p<0.1从表6-4的回归结果可以看出，西城区学区所带来的住房价值都是正向影响。除去2019年广安门外学区，所有学区与住房价格都在1%的显著性水平下正相关。2016年什刹海学区相较于广安门内学区住房价格要高43.2%，属于金融街学区的住宅平均价格比广安门内学区的均价高39.3%。2017年属于广安门外学区的住宅价格相较基准学区会高9.4%。2018年德胜学区住房价值最高，超过广安门内学区价格的49.5%。2019年，西长安街学区相较于广安门内学区产生了34.5%的住房溢价。从时间趋势来看，学区随时间趋势变动较小。包含超重点小学育翔小学、北京实验二小（德胜校区）、西师附小和五路通小学的德胜学区2016年——2019年住房价格分别产生了60.2%、49.3%、49.5%和35.5%的住房溢价。金融街学区价格四年来一直处于高位，波动较小，近两年才呈现出价格增长迅猛的态势。2019年其住房溢价高达44.6%，而同期与其交界的新街口学区住房价格溢价仅为24%，仅两者差值就比广安门内学区的住房价格高20.6%。包含育民小学、三里河三小和中古友谊小学的月坛学区住房价值较高，但变化幅度较低，其住房溢价将近广安门内学区均价的1/3。一些教育资源较为薄弱的学区对住房价格的影响随时间变化的幅度同样较小，如大栅栏-椿树-天桥学区、展览路学区对二手房价格的影响分别稳定在10%、20%左右的溢价。与金融街学区、什刹海学区、德胜学区地理位置较近的新街口学区，相较于被比较的广安门内学区而言，学区对二手房市场的影响较为稳定。2018年、2019年新街口学区住房溢价分别为25.8%、24%。表6-5海淀学区对房屋价值影响时间趋势变动回归结果(1)(2)(3)(4)lnprice2016lnprice2017lnprice2018lnprice2019bedrooms0.050***0.032***0.028***0.031***(0.004)(0.004)(0.003)(0.003)bathrooms0.090***0.090***0.098***0.085***(0.007)(0.009)(0.007)(0.006)area-0.002***-0.002***-0.002***-0.002***(0.000)(0.000)(0.000)(0.000)age0.003***-0.001*-0.001***0.001***(0.000)(0.000)(0.000)(0.000)refined_dec0.051***0.025***0.029***0.031***(0.004)(0.004)(0.003)(0.003)structure0.004-0.0090.007-0.020**(0.011)(0.012)(0.009)(0.009)evevator0.0020.004-0.0000.040***(0.011)(0.012)(0.009)(0.009)d_subway-0.000***-0.000***-0.000***-0.000***(0.000)(0.000)(0.000)(0.000)d_park-0.000***-0.000***-0.000***-0.000***(0.000)(0.000)(0.000)(0.000)d_hospital0.000***0.000***0.000***0.000***(0.000)(0.000)(0.000)(0.000)d_centre-0.000*-0.000***-0.000***-0.000***(0.000)(0.000)(0.000)(0.000)district_blz0.100**0.162***0.0570.213***(0.050)(0.049)(0.038)(0.035)district_btpz0.099*0.172***0.0420.171***(0.051)(0.051)(0.040)(0.037)district_hd0.286***0.286***0.208***0.298***(0.050)(0.049)(0.038)(0.035)district_hyl0.0600.138***0.0300.211***(0.052)(0.051)(0.040)(0.037)district_qlq0.134***0.216***0.162***0.265***(0.044)(0.042)(0.033)(0.030)district_qh-0.155***-0.048-0.118***0.081**(0.047)(0.045)(0.036)(0.033)district_sd0.250***0.205***0.193***0.327***(0.049)(0.047)(0.037)(0.034)district_szxbw0.0190.130***0.052*0.032(0.040)(0.035)(0.027)(0.025)district_sjq0.0280.062-0.0280.140***(0.043)(0.040)(0.031)(0.029)district_wsl0.176***0.260***0.175***0.294***(0.050)(0.050)(0.039)(0.036)district_xsq-0.232***-0.144***-0.228***-0.041(0.048)(0.046)(0.037)(0.034)district_yfd0.0090.076-0.0610.129***(0.052)(0.052)(0.041)(0.037)district_ydl-0.0470.049-0.0320.093***(0.048)(0.046)(0.036)(0.033)district_xyl0.0710.168***0.080**0.204***(0.047)(0.046)(0.036)(0.033)district_zgc0.236***0.286***0.203***0.349***(0.051)(0.050)(0.039)(0.036)district_zzy0.169***0.216***0.111***0.251***(0.051)(0.051)(0.040)(0.037)_cons10.951***11.308***11.487***11.213***(0.060)(0.062)(0.048)(0.044)Obs.1438970681026111452R-squared0.3850.4190.4970.427Standarderrorsareinparenthesis***p<0.01,**p<0.05,*p<0.1从表6-5的回归结果可以看出，2016年海淀学区的住房价格最高，相较温泉苏家坨学区而言住房价值要高出28.6%，2017年、2018年对住房价格影响最大的是中关村学区和海淀学区，2019年中关村和上地学区对住房价格影响最大。从时间趋势来看，海淀区住房价值变化的浮动较大。2016年——2019年中关村学区住房价格分别产生了23.6%、28.6%、20.3%和34.9%的住房溢价。近四年属于紫竹院学区的房屋，与温泉苏家坨学区房屋相比，对住房价格的影响方面分别为上升了16.9%、21.6%、11.1%和25.1%。其中在2019年波动较大，可能是因为其与海淀学区相邻，在“多校划片”政策在实施后，其存在共享海淀学区的教育资源机会，因而学区因素对住房价格影响的比重增加。同理可以看到与中关村学区交界的北太平庄学区和花园路学区，各自学区因素对房地产价格的影响分别由2018年不显著上升至17.1%和21.1%。另外，2016年至2018年每年各学区特征对住房价格影响方向和程度不一，但在2019年除不显著的学区外，其余学区均对住房价格产生了正向影响。可能在2018年至2019间期间，各学区房屋所对应入学学校实质差异减少，学区教育资源分配有均衡发展趋势。6.2招生政策对住房价格的影响6.2.1描述性统计分析表6-6、表6-7展示了本节研究样本的描述性统计分析结果。2016年——2019年海淀区和西城区交界处8个学区共有22893个样本。其中海淀区交易13075套，西城交易9777套。海淀区花园路学区、北太平庄学区、紫竹院学区和羊坊店学区四个学区2016年——2019年住房平均价格为8.05万元/平方米，成交二手房最高单价为15.2万元/平方米。建筑面积均值为72.2平方米，平均房龄在23.7年，大约有二分之一的住宅配备电梯。距离最近的地铁站、公园、三甲医院和天安门的平均距离分别为650米、740米、1067米和7541米。表6-6海淀区住房交易样本描述性统计结果变量名样本量均值标准差最小值最大值price1307580511.115847.7216000152426.8bedrooms130752.004.75115bathrooms130751.097.32303area1307572.21334.00612.65294.8age1307523.6849.859067refined_dec13075.437.49601structure13075.544.49801evevator13075.527.49901d_subway13075649.691313.27218.9281545.924d_park13075740.122341.62635.6071540.211d_hospital130751067.37447.095112.2765560.413d_centre130757541.221187.385195.2510143.90西城区德胜学区、新街口学区、展览路学区和月坛学区四个学区2016年——2019年住房平均价格为11万元/平方米，成交单价最高为20.4万元/平方米，最低为1.57万元/平方米。四个学区平均建筑面积为66.3平方米，平均房龄为28年，建筑结构为框架结构、钢结构、钢混结构的比例仅占21.9%，大约34.3%房屋是精装修。住房样本距离最近的地铁站、公园、三甲医院和天安门的平均距离分别为869米、663米、1800米和9503米。表6-7西城区住房交易样本描述性统计结果变量名样本量均值标准差最小值最大值price977711000021088.8215737204000bedrooms97772.006.73616bathrooms97771.043.24104area977766.31125.88213.1328.06age97772810.596069refined_dec9777.343.47501structure9777.219.41401evevator9777.404.49101d_subway9777869.1522284.00123.75127604.98d_park9777663.204553.70425.3779620.647d_hospital97771799.7887318.56246.467103000d_centre97779503.13512710.2784.7531070006.2.2实证结果与分析使用DID模型进行实证分析的重要前提为满足平行趋势假设，即在政策实施前实验组和对照组住宅交易价格有共同的变化趋势。绘制2016年第一季度——2019年第四季度海淀区、西城区每季度的住宅价格，由图6-1可看出实验组海淀区与对照组西城区在“多校划片”政策实施前走势基本一致，说明两组数据有同样的时间趋势，模型满足平行趋势假设。图6-12016年——2019年海淀区、西城区每季度住宅价格本章节实证检验为“多校划片”政策对房地产市场的影响。具体分为两个部分，第一，判断“多校划片”政策发布（2018年4月28日）对房地产市场产生了怎样影响，政策发布效果如何。第二，在政策发布后，当“多校划片”政策执行（2019年1月1日）后，对房地产市场的影响是否有差异，消费者决策是否理性，政策是否有预期效应。（1）“多校划片”政策发布对住房价格的影响运用stata13.1进行模型回归，得出的回归结果如表6-8。表6-8“多校划片”政策发布与住房价格回归结果(1)lnpricedt_10.156***(0.004)du-0.276***(0.004)dt_1du-0.050***(0.006)bedrooms0.059***(0.003)bathrooms0.136***(0.006)area-0.003***(0.000)age0.002***(0.000)refined_dec0.025***(0.003)structure0.017***(0.005)evevator-0.007*(0.004)d_subway0.000(0.000)d_park-0.000***(0.000)d_hospital-0.000(0.000)d_centre-0.000(0.000)_cons11.564***(0.013)控制变量j_dObs.22852R-squared0.595Standarderrorsareinparenthesis***p<0.01,**p<0.05,*p<0.1表6-8的回归结果显示，在1%的显著性水平下，交互项（dt_1*du）与住房价格（lnprice）呈负相关，系数为0.050。这表明，“多校划片”政策的发布对房地产市场起到了调控作用。即与西城区相比，在控制其他因素情况下，海淀区“多校划片”政策的发布使得住房价格降低了5%。由此可以看出，与住房挂钩的教育政策发布会使其价格产生波动。从交易行为来看，当购买住宅后获取优质学校名额的可能性降低时，二手房价格会下跌5%。因此，相较于以往的“单校划片”，新政策发布后价格波动很可能显示出购房者的行为是理性决策。这个结果也说明了，海淀区原先存在着教育资源不均衡现象，而“多校划片”政策的发布对房地产市场的调控作用，在一定程度上体现了教育的公平化发展。（2）“多校划片”政策执行对住房价格的影响在得出“多校划片”政策的发布会对海淀区住房价格产生显著负向影响的结果上，本节探究购房决策是否理性，政策是否有预期效应。运用stata13.1进行模型回归，得出的回归结果如表6-9。表6-9“多校划片”政策执行与住房价格回归结果(1)lnpricedt_2-0.071***(0.014)dt_2du-0.022***(0.008)dt_10.039***(0.010)du-0.280***(0.003)dt_1du-0.037***(0.006)bedrooms0.060***(0.002)bathrooms0.130***(0.005)area-0.003***(0.000)age0.000(0.000)refined_dec0.030***(0.002)structure0.014***(0.004)evevator-0.014***(0.004)d_subway0.000(0.000)d_park-0.000***(0.000)d_hospital-0.000(0.000)d_centre-0.000(0.000)_cons11.650***(0.011)控制变量j_dObs.22852R-squared0.595Standarderrorsareinparenthesis***p<0.01,**p<0.05,*p<0.1表6-9报告了政策执行对房地产市场的影响结果。交互项（dt_2*du）与住房价格（lnprice）在1%的显著性水平下显著负相关，系数为0.022。“多校划片”政策的执行对房地产市场调控作用不明显。具体来说，与西城区相比，在控制其他因素前提下，“多校划片”政策的执行使海淀区住房价值降低2.2%。与政策发布时相比，政策实行对房地产市场影响较少。影响幅度更小的原因可能是消费者在发布政策时已经做出决策，当政策开始执行前就已经在住房价值上有所体现。因而可以得出消费者的购房决策是理性的。通过对两个阶段的影响结果比较，可以看出，与住房挂钩的入学政策对房地产市场价格有调控作用，而政策的发布阶段对房地产市场的影响更为敏感。因而政府部门在针对重点区域调控时，要注意不同时间阶段的政策效果。另外，可以发现教育资源不均衡现象通过入学方式转变可以得到改善，因此，不同教育阶段中的机会公平是实现教育公平的着力点。6.3预期效应与稳健性检验为探究政策的实施是否有预期效应，加入季度时间变量（j_d）与区域变量（du）的交互项（j_f），用来代表预期效应指标。代入所有季度时间变量数据，倘若在政策实施前的交互项预期效应指标（j_f）的回归显著，则说明存在预期效应。y=β运用stata13.1进行模型回归，得出的回归结果如表6-10。表6--10检验预期效应回归结果(1)lnpricej_20161-0.069***(0.019)j_20162-0.038*(0.020)j_20163-0.027(0.018)j_20164-0.049**(0.020)j_20171-0.032*(0.019)o.j_20172j_201730.012(0.021)j_20174-0.038*(0.021)j_20181-0.042**(0.020)j_20182-0.049***(0.019)j_20183-0.076***(0.020)j_20184-0.098***(0.020)j_20191-0.086***(0.019)j_20192-0.087***(0.019)j_20193-0.106***(0.020)j_20194-0.122***(0.021)du-0.243***(0.017)_cons11.567***(0.011)季度变量控制变量√√Obs.22852R-squared0.596Standarderrorsareinparenthesis***p<0.01,**p<0.05,*p<0.1表6-10展示了季度时间变量（j_d）与区域变量（du）的交互项（j_f）对住房价格影响的回归结果。从回归结果可以看出，在2018年第一季度（j_20181）时，衡量预期效应的指标在5%的显著性水平下与住房价格负相关。这从侧面说明了“多校划片”政策具有预期效应，即从2018年第一季度起，消费者开始提前对政策作出反应。这说明家长对学区住房相关政策关注度较高，更加说明了海淀区教育资源发展不均衡现象较为突出，稳步推进教育公平化的举措十分必要。但值得注意的是，从“多校划片”政策发布所在的2018年第二季度（j_20182）开始，每个季度交互项是在1%的显著性水平下显著相关。这也从实证分析的角度证明在“多校划片”政策发布前实验组和对照组没有显著的差别，满足平行趋势检验，因而“多校划片”政策发布对住房市场起到了一定调控作用的结论是稳健的。6.4本章小结本章基于2016年1月1日——2019年12月31日北京市西城区和海淀区的二手房交易数据，主要研究了两个方面的问题，其一，学区制下不同学区对住房价格的影响及其时间趋势；其二，招生政策对住房价格的影响。针对第一个研究问题，本文构建特征价格法半对数模型（Hedonic模型），实证检验得出不同学区特征对住房价格的影响不一，教育资源更优质的学区，其房屋价值也会相应较高。其中，西城区金融街学区的住房价格最高，相较于广安门内学区，金融街学区的住宅产生了43.4%的溢价。其次为什刹海学区、西长安街学区、德胜学区。海淀区海淀学区的住宅价值最大，与温泉苏家坨学区相比，海淀学区的二手房价格要高27.1%。其次为中关村学区、上地学区和万寿路学区。在时间趋势方面，随着时间变化，西城区各学区对住房价格的影响变动较小，而海淀区随时间变化浮动较大。可以看出，与海淀区相比，西城区的教育资源更为优质且在学区内分布均衡。其中变动主要集中在2018年至2019年，说明了西城区教育资源分配的变动情况较小，而海淀区出现了资源再分配的现象。在2018年至2019年期间，海淀区里与优质资源学区相近的一些学区，学区因素对住房价格影响的比重增加。可能是因为期间出现了共享优质学区教育资源的机会，学区间差异减少，教育更为公平。针对第二个研究问题，本文构建双重差分模型（DID模型），探究了招生政策对房地产市场的影响。研究的政策为2018年4月28日海淀区教委发布，将于2019年1月1日之后实行“多校划片”的入学方式。因此选取这两个时间节点，分别探究政策发布对房地产市场的影响、政策执行对住宅价值影响差别以及政策是否有预期效应。研究对象选取海淀区和西城区交界处8个学区内的二手房。实证结果显示，与住房挂钩的教育政策对房地产市场有调控作用。相较于西城区，“多校划片”政策的发布使得海淀区住房价格降低了5%，而政策执行仅会对住房价格产生2.2%的折价。可以看出，政策的发布阶段对房地产市场的影响更为敏感。影响幅度更小的原因是购房者的行为是理性决策，当购买住宅后所对应的学校不再唯一的消息公布后，决策会随之反映到住房价值上。最后，通过引入预期效应指标实证检验了政策的预期效应的确存在，并且证明了本章节实证结论的稳健性。所以，政府部门在针对重点区域调控时，要注意不同时间阶段的政策效果。此外，这个结果同时也说明了海淀区存在着教育资源不均衡现象，“多校划片”政策一定程度体现了教育的公平化发展。教育资源不均衡现象通过入学方式转变可以得到改善，因此，不同教育阶段中的机会公平是实现教育公平的着力点。第7章结论建议与展望7.1研究结论本文在确立研究主题的基础上，首先整理总结了国内外文献及研究成果，就教育资源对房地产价格影响的传导机制进行了相关理论分析。其次，对链家线下门店进行调研成果进行梳理，了解并掌握了学区相关信息。为更全面探究教育资源对房地产市场的影响，本文选取交易时间在2016年1月1日——2019年12月31日内西城区、海淀区的每套二手房成交数据，构建了特征价格半对数模型和双重差分模型两个模型，分别实证探究了学区制下每个学区对住房价格的影响及时间变动情况以及教育政策中招生政策对住房价格的影响。主要结论如下：在学区制下各学区对住房价格的影响及时间趋势方面，不同学区对房地产住房价格影响不一，教育资源更优质的学区，学区的住房价格也会相应较高。随着时间趋势变化，西城区各学区对住房价格的影响变动较小，而海淀区随时间变化浮动较大。（1）西城区金融街学区住宅价格最高，具体来说，与广安门内学区相比，属于金融街学区的住宅在二手房成交时要提高43.4%。其次为什刹海学区、西长安街学区、德胜学区。（2）海淀区海淀学区的住房溢价最高，与温泉苏家坨学区相比，海淀学区二手房价格要高27.1%。其次为中关村学区、上地学区和万寿路学区。（3）西城区学区对住房价格影响随时间变动较小。2016年至2019年德胜学区住房价格分别产生了60.2%、49.3%、49.5%和35.5%的住房溢价，大栅栏-椿树-天桥学区、展览路学区对二手房价格的影响分别稳定在10%、20%左右的溢价。（4）海淀区学区对住房价格影响随时间变化浮动较大，主要集中在2018年至2019年。2019年与优质资源学区相邻的一些学区，学区因素对住房价格影响的比重增加，可能由于出现了共享优质教育资源的机会。在招生政策对住房价格的影响方面，与住房挂钩的教育政策对房地产市场有调控作用，而政策的发布阶段对房地产市场的影响更为敏感。另外，“多校划片”政策具有预期效应。（1）“多校划片”政策的发布对房地产市场起到了调控作用。与西城区相比，在控制其他因素情况下，海淀区“多校划片”政策的发布使得住房价格降低了5%。（2）“多校划片”政策的执行对房地产市场调控作用不明显。与西城区相比，在控制其他因素前提下，“多校划片”政策的执行仅会使海淀区住房价值降低2.2%。（3）“多校划片”政策的发布到执行阶段的价格波动显示出购房者的行为是理性决策。（4）“多校划片”政策具有预期效应。从2018年第一季度起，购房者开始提前对政策作出反应。7.2政策建议基于本文研究结论，分别从教育资源和房地产市场两个角度出发提出政策建议。7.2.1优化教育政策重视不同教育阶段的机会公平优化教育政策，要以学生受教育机会均等化的角度为出发点，剥离名校与住房市场之间的捆绑关系，降低购房者以资本形式就能上重点学校的心理预期。对于教育资源不均衡地区，可以应用“多校划片”、电脑派位等入学方式，保证每个学生在享受教育资源上的机会公平。就入学名额的公平而言，在流动人口密集的城市，可以试点推行“租购同权”的入学方式，保证各类群体适龄儿童享受教育获取机会上的平等。另外，要关注包括幼升小在内的各个教育阶段的机会公平，拓宽教育向上流通的渠道，保证入学机会均等化。7.2.2平衡优质资源合理配置教育资源从实质来看，教育资源配置的不合理仍是问题关键。教育资源目前已经出现供不应求现象，而教育资源的合理配置，不能仅是数量上的增加，更重要的是缩小校际间差异，提升整体教育质量。要加大对弱势学校的帮扶力度，创新教育模式，可通过重点学校老师流动授课、搭建优质教育资源共享平台等方式实现资源的再分配。此外，由于教育经费来源主要依靠政府财政，由于受到绩效管理等多因素干扰，在资源分配过程中容易产生寻租现象，即财政支出更多地投入能短期取得经济增长效果的产业，而教育周期长等特性使得各学校资源分配不足，尤其是弱势学校。因此，要加大对弱势学校的财政补贴，完备硬件设备配置，引进优秀师资。7.2.3重视高效整合探寻学区治理手段多样化目前学区制的推行在取得成效同时，存在着一定的治理困境。学区制的推行，不应偏离初衷，仅为形式上的设置，更重要的是自主组织管理，进行高效率的资源整合利用。在学区制未来管理方面，首先可将更多的自主权下放到学区，让学区享有真正的自主权进行各项事务管理。其次，要调动各类学校积极性，形成多元共商模式。打破优质学校固有观念，共享优质资源，清晰弱势学校需求，精准进行帮扶。再次，在治理手段上不应仅局限于行政手段，而更多地探寻协商、指导等多种非强制性手段。最后，优化目前教育集团化办学的形式，提高教育资源的流动性。既可以通过线上平台共享，又可以通过师资校际流动。同时，学区内教师相应的保障激励制度的完善也十分重要。7.2.4发挥宣传工作合理利用政策的预期和滞后效应房地产价格受政策影响较大，且市场对于同住房相挂钩的教育政策更为敏感。因此，一方面，政府宣传部门要引导民众树立正确的教育观，针对学生的实际情况，合理选择适合的学校。除了学校因素外，个体的主观能动性同样重要，重点学校并不是一个保险箱。此外，政府也要引导企业打破固有的求职评价标准，学历并不完全代表能力，重视综合能力而非单纯学历和成绩的高低。另一方面，政府部门在调控重点区域房地产市场时，为实现政策效果，要注意合理规划政策发布与执行的间隔时间，合理利用政策预期效应及滞后效应。在此过程中，相关部门也要增强市场监管，严格监控产生的投机行为。7.2.5完善财税体系警惕社会财富分配不公高价学区房的背后反映出了富裕家庭通过资本获取优质教育资源的现象，而这种不公平现象容易造成社会阶层分离，进而出现马太效应。我国目前税收以间接税为主，且存在着重复征税现象，社会财富逐渐向少数人聚集，影响了社会财富分配的公平。因此，要完善财税体系，深化财税体制改革，明确各级政府部门的职能定位及权责分配。此外，还要加快房产税等直接税种的征收工作。征收房产税，一方面有利于加大税收在教育方面的投入，另一方面也提高了学区房的持有成本，促进社会财富公平分配。7.3未来展望由于教育具有连续性，幼升小与小升初甚至初升高阶段都有着密切的联系。目前，除了户籍要求外，北京市各区还有学籍的限制。在教育资源配置不合理的背景下，学区制度的推行会使购房者考虑因素更多。不仅考虑到小学学校质量，同时也要考虑到该学区内初中、高中的教学质量。许多政策的实施及调整，如“校额到校”政策，可能会使得某些拥有普通教育资源的学区有更公平的教育机会，而这也可能会传递到住房市场上有新的表现，因而，在关于学区对房地产市场影响的研究中仍存在着很多研究的空间。此外，住房市场上的表现也在一定程度上反应了购房者的行为决策，从决策动机出发，可以探讨微观层面的购房者对教育的看法，进一步研究教育对社会的影响，这也是一个有趣的话题。最后，从数据上来看，与优质教育资源挂钩的住房，尤其是那些超重点小学周边住房，由于房屋价值较高，在数据收集方面存在着一定的限制，期望在不断进步的大数据和物联网时代下，收集更方便，数据更精准。

参考文献[1]陈斌开,张川川.人力资本和中国城市住房价格[J].中国社会科学,2016(05):43-64+205.[2] 曹谦.学区房真的重要吗?——基于国际学生评估项目(PISA2015)数据的分析[J].统计与信息论坛,2018,33(06):115-122.[3] 陈舜,陈建伟.“学区房”溢价持续扩大的原因与对策研究——来自北京市的经验分析[J].西部论坛,2015,25(05):28-36.[4] 董藩,董文婷.学区房价格及其形成机制研究[J].社会科学战线,2017(01):43-51.[5] 邓涛涛,赵磊,马木兰.长三角高速铁路网对城市旅游业发展的影响研究[J].经济管理,2016,38(01):137-146.[6] 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,2010,33(12):89-104.[7] 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[8] 黄传慧,鲍传友,叶铖垒.多元主体参与下的学区治理困境与突破:一个案例的研究[J].教育学报,2019,15(03):104-112.[9] 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(03):1195-1214.[10] 哈巍,靳慧琴.教育经费与学区房溢价——以北京市为例[J].教育与经济,2018(01):35-41.[11] 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(03):137-153+191.[12] 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(05):3-10.[13] 贾朝健.教育设施对周边住宅价格的影响研究[D].重庆:重庆大学,2007.[14] 李从容,朱世见,葛鹏宇.南京市秦淮区学区房特征价格影响因素[J].地域研究与开发,2019,38(02):92-96.[15] 李富荣.“互联网+”视阈下破解“学区房”溢价难题的思路与对策[J].理论导刊,2017(12):47-51.[16] 李海波.让首都优质教育资源更丰富多彩——基于北京市学区制改革和集团化办学督导调研的思考与建议[J].中小学管理,2019(03):9-12.[17] 李雪松,陈曦明,方芳,张征.“二孩政策”与学区房溢价——基于人口政策变化的政策评价分析[J].财经研究,2017,43(06):93-104+145.[18] 梁军辉,林坚,吴佳雨.北京市公共服务设施配置对住房价格的影响[J].城市发展研究,2016,23(09):82-87+124.[19]梁立雨,郭志强,李军祥,吕斌.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(03):537-542.[20] 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(08):91-99.[21] 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(02):53-64.[22] 聂晨.“学区房热”探析——文化资本视角下对学区房购买动机的研究[J].广东社会科学,2019(01):196-204.[23] 曲超,刘艳红,董战峰.基于DID模型的流域横向生态补偿政策的污染——贵州省赤水河流域实证研究[J].生态经济,2019,35(09):194-198.[24] 宋煜,崔娜娜,沈体雁.“学区房”的教育溢价测度研究——以北京市为例[J].价格理论与实践,2018(02):37-40.[25] 石霏,何晓燕.学校教育质量对房产价格的溢出效应:一个文献综述[J].教育与经济,2018(01):19-26.[26] 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.[27] 吴晶.美国学区制及其对我国的启示[J].现代教育管理,2017(11):113-118.[28] 王传毅,杨力苈,杨佳乐.德国大学“卓越计划”实施成效评价：基于PSM-DID方法[J].中国高教