义务教育设施和非义务教育设施对房价影响的分析.docVIP

义务教育设施和非义务教育设施对房价影响的分析 　　摘 要：以南京市为例，全面选取教育设施变量，着眼于分析义务教育设施和非义务教育设施对房价的影响。首先建立义务教育和非义务教育模型，初步从模型的统计分析发现义务教育设施对房价影响程度；然后建立整体市场模型，从标准化系数绝对值之和的大小得到最终的验证。 　　关键词：教育设施；房价；南京市 　　中图分类号：F293.3 文献标志码：A 文章编号：1673-291X（2015）20-0086-03 　　引言 　　“孟母三迁”是我国广为流传的千古佳话，它充分说明自古以来中国人就特别重视子女的成长环境，尤其是教育环境。而在当今时代，人们对于教育环境更加重视，使得住宅周边的教育设施无疑成为房地产价格的重要影响因素，教育在房价中的资本化已经体现出来了。早在20世纪50年代，美国经济学家Tiebout就明确了教育设施、医疗机构等公共品的提供与房地产价格的联系。他依照地方公共品提供中“用脚投票”的理论，认为人们可以通过购买住房来表达对周边教育设施的偏好，进而对住房价格产生影响。笔者以南京市为例，通过建立特征价格模型，分别选取义务教育和非义务教育阶段的教育设施变量，定量分析它们对房价影响的差异性。 　　一、研究方法与数据处理 　　（一）研究区域与数据来源 　　本文选择南京市的主城区为研究区域。原因之一是在主城区内，城市建设和经济高速发展，房地产市场发育成熟，特别是二手房的交易十分活跃；二是南京市主城区的公共设施完善，教育资源基本分布在此。 　　本文实证研究的数据主要来自3个途径：二手房出售挂牌数据、网上南京市电子地图数据和南京市住宅小区调研数据。二手房出售挂牌数据收集时间为2014年7月16日到2014年8月2日，而且在中介网站上挂牌的时间均是在搜集时间的1个月内，时间跨度较小，可以忽略时间因素对住房特征和价格的影响。收集的样本是南京市主城区339个楼盘小区的2 865套商品住房。小区与新街口的直线距离通过百度地图的测距功能完成，医院、大型超市、住房周边幼儿园、高中和大学通过搜索功能初步确定。为得到更加完整的数据，在2014年9月8日至2014年11月6日对339个小区进行实地调研。调研方式包括实地观察、直接与小区居民或者保安进行访谈。实地观察的内容主要是小区内部环境，访谈的主要内容是物业管理服务水平、所在学区及其学校质量，并对电子地图上获取的数据（医院、大型超市、邻近幼儿园、大学、高中）进行校对。 　　（二）研究方法 　　1.特征价格模型 　　特征价格模型可以用价格P和商品特征之间的关系表达，其公式为： 　　P=f（C1，C2，C3，…，Cn） （1） 　　式中，P为商品的价格；Ci为商品的特征变量。 　　特征价格模型有三种函数形式，分别为线性形式、半对数形式和对数形式，通过不断的尝试和检验，本文最终决定采用对数形式。具体函数形式如下： 　　lnP=α0+∑αilnCi+∑αjCj+ε （2） 　　式中，P为住房总价；Ci为连续性变量，Ci为不连续性变量；α0、αi、αj为待估系数；ε为误差项； 　　2.变量选取及量化 　　本文共选择了9个教育设施变量、3个建筑特征变量、3个邻里变量和1个区位变量，共17个变量。选取的变量、变量量化如表1所示。9个教育特征变量中小学距离、小学质量、初中距离和初中质量为义务教育变量，幼儿园数量、高中数目、邻近重点高中、大学数目和邻近重点大学为非义务教育变量。 　　在江苏省的小学仍然存在“省实验”、“市实验”之分，所以，首先根据江苏省实验小学、南京市实验小学和普通小学将小学质量划分为三大类，然后通过询问本地居民进行修正，并将其中非常突出的小学学校划为第一档。南京市部分初中每年都会公布中考成绩达线四星高中的人数，所以，首先根据2014年中考达线四星高中人数的多少对这些初中进行考量；没有公布中考成绩的学校，属于完中类型的根据学校的星级进行评分。最后进行汇总并通过居民意见修正对初中质量档次进行划分。本文重点高中指四星级高中，重点大学是指在南京市的“985工程”和“211工程”大学。其他变量具体量化方式如表1。 　　二、结果分析 　　先对各变量进行描述性统计（表1），然后采用最小二乘法应用SPSS20.0软件对特征价格模型估计，三个模型回归结果如表2。 　　对三个模型进行检验，基本满足正态性假设、等方差性价格和独立性假设，可以分析和解释各自变量对住房价格的影响。由表2可知，义务教育模型调整的R2为0.826，大于非义务教育模型的0.789，说明义务教育模型拟合程度更高，对因变量的解释程度更高。同时，两个模型的F检验都在1%水平显著，而义务教育模型F值为1 131.402，大于非义务教育模型，其解释变量对因变量的影响更加显著