石憶邵，王伊婷

（同濟(jì)大學(xué)測(cè)繪與地理信息學(xué)院，上海 200092）

上海市學(xué)區(qū)房?jī)r(jià)格的影響機(jī)制

石憶邵，王伊婷

（同濟(jì)大學(xué)測(cè)繪與地理信息學(xué)院，上海 200092）

研究目的：探討上海學(xué)區(qū)房?jī)r(jià)格的影響機(jī)制。研究方法：特征價(jià)格法和多元回歸分析法。研究結(jié)果：學(xué)校因素對(duì)房?jī)r(jià)影響程度之和達(dá)20.63%，影響程度居第二位，僅次于建筑面積的影響；具體而言，在其他條件不變的情況下，學(xué)校重點(diǎn)等級(jí)每下降一級(jí)，住宅價(jià)格將平均下降8.698%；小學(xué)本區(qū)排名每降低一位，住宅價(jià)格將平均下降0.896%；到重點(diǎn)中學(xué)距離每增加100 m，住宅價(jià)格將平均下降0.995%；距重點(diǎn)小學(xué)距離每增加100 m，住宅價(jià)格將平均下降0.499%。研究結(jié)論：重點(diǎn)中小學(xué)對(duì)周邊住宅價(jià)格存在著比較重要的積極影響，在相同情況下，學(xué)校等級(jí)越高、學(xué)校排名越靠前、距離重點(diǎn)學(xué)校越近，住宅價(jià)格則越高；重點(diǎn)小學(xué)和重點(diǎn)中學(xué)相伴的“雙學(xué)區(qū)房”更加受到青睞。

不動(dòng)產(chǎn)價(jià)格；學(xué)區(qū)房?jī)r(jià)格；特征價(jià)格模型；影響機(jī)制；多元回歸分析；上海市

1 引言

在國(guó)內(nèi)有關(guān)公共設(shè)施資源對(duì)房地產(chǎn)價(jià)格影響的研究中，主要采用特征價(jià)格模型和方法[3-5]，通常單獨(dú)研究以下幾種主要公共設(shè)施，譬如：軌道交通、大型公園綠地、景觀設(shè)施、大學(xué)（城）、基礎(chǔ)教育等，偶有開(kāi)展多項(xiàng)公共資源對(duì)房地產(chǎn)價(jià)格影響的研究[6-10]。在關(guān)于學(xué)區(qū)房?jī)r(jià)格的有限研究中，大多局限于定性分析，而較少展開(kāi)定量研究[11-19]。在國(guó)外，由于沒(méi)有學(xué)區(qū)房的概念，雖然運(yùn)用特征價(jià)格法來(lái)進(jìn)行房地產(chǎn)價(jià)格研究已經(jīng)比較成熟[20-21]，但有關(guān)教育設(shè)施對(duì)周邊地區(qū)房?jī)r(jià)的影響方面的研究依然偏少。Reback為了識(shí)別與學(xué)區(qū)邊界的重要性減弱相關(guān)的資本化效果，采用公立學(xué)校選擇項(xiàng)目，利用來(lái)自于明尼蘇達(dá)州的跨學(xué)區(qū)選擇的調(diào)查數(shù)據(jù)，發(fā)現(xiàn)學(xué)生能夠轉(zhuǎn)入的首選學(xué)區(qū)，其住宅物業(yè)顯著升值，而轉(zhuǎn)出學(xué)生的學(xué)區(qū)，其住宅物業(yè)價(jià)值下降[22]。Black對(duì)馬薩諸塞州的房地產(chǎn)市場(chǎng)調(diào)查，發(fā)現(xiàn)房地產(chǎn)價(jià)格與當(dāng)?shù)匦W(xué)標(biāo)準(zhǔn)化成績(jī)有著密切的關(guān)系：考試成績(jī)每提高5%，周邊房?jī)r(jià)上漲2.1%[23]。Fack 等探討了房?jī)r(jià)對(duì)鄰近的公立學(xué)校和私立學(xué)校的教育質(zhì)量的反應(yīng)狀況，比較不同就學(xué)界限的銷售，發(fā)現(xiàn)公立學(xué)校增加一個(gè)標(biāo)準(zhǔn)差的績(jī)效，就能引起房?jī)r(jià)上漲1.4%—2.4%；而且，隨著鄰近地區(qū)私立學(xué)?？色@性的增加，公立學(xué)?？?jī)效在房地產(chǎn)價(jià)格中的資本化價(jià)值也會(huì)相應(yīng)縮小[24]。Downes等運(yùn)用芝加哥1987—1991年的數(shù)據(jù)來(lái)估算學(xué)校特征對(duì)房?jī)r(jià)的影響，分析證據(jù)顯示，在評(píng)價(jià)房屋價(jià)值時(shí)，學(xué)校級(jí)別明顯比地區(qū)級(jí)別重要，因此，在估算學(xué)校特征對(duì)房?jī)r(jià)的影響時(shí)，控制那些不可觀測(cè)的、暫時(shí)穩(wěn)定的房?jī)r(jià)變量，對(duì)房?jī)r(jià)的無(wú)偏估計(jì)是很有必要的；同時(shí)還發(fā)現(xiàn)，房屋業(yè)主更多地關(guān)心學(xué)校的產(chǎn)出（如考試成績(jī)）而非學(xué)校的投入（如每個(gè)學(xué)生的花費(fèi)）[25]。本文以上海市為例，對(duì)學(xué)區(qū)房?jī)r(jià)格的影響機(jī)制展開(kāi)研究，具有重要的現(xiàn)實(shí)意義。

2 研究方法及數(shù)據(jù)采集與處理

2.1 研究方法選擇

在有關(guān)公共設(shè)施資源對(duì)房地產(chǎn)價(jià)格的影響研究中，大多數(shù)學(xué)者選擇應(yīng)用特征價(jià)格法（Hedonic Price Model）。一般認(rèn)為，房地產(chǎn)由眾多不同的特征組成，而房地產(chǎn)價(jià)格是由所有特征帶給人們的效用決定的。由于各特征的數(shù)量及組合方式不同，使得房地產(chǎn)的價(jià)格產(chǎn)生差異。因此，如能將房地產(chǎn)的價(jià)格影響因素分解，求出各影響因素所隱含的價(jià)格，在控制房地產(chǎn)的特征（或品質(zhì)）數(shù)量固定不變時(shí)，就能將房地產(chǎn)價(jià)格變動(dòng)的品質(zhì)因素拆離，以反映純粹價(jià)格的變化。該方法的優(yōu)點(diǎn)是能夠較為全面地考慮各種住宅價(jià)格影響因素，采用真實(shí)的數(shù)據(jù)模擬市場(chǎng)，可避免主觀意識(shí)的干擾。缺點(diǎn)則是數(shù)據(jù)收集較繁瑣，假設(shè)條件較多。本文也基于特征價(jià)格法展開(kāi)研究。

2.2 研究樣本的選取

根據(jù)網(wǎng)上數(shù)據(jù)收集及政策了解，確定上海市學(xué)區(qū)房最集中的4大區(qū)域：徐匯區(qū)徐家匯板塊，浦東新區(qū)洋涇板塊，靜安區(qū)新閘板塊和楊浦區(qū)黃興板塊。各區(qū)域板塊的重點(diǎn)中小學(xué)的分布情況如表1。

2.3 數(shù)據(jù)采集與處理

住宅特征一般分為三大類：建筑特征、鄰里特征和區(qū)位特征。其中，建筑特征包括住宅面積、裝修程度、住宅的建造年份、房間數(shù)目、有無(wú)電梯等；鄰里特征包括小區(qū)環(huán)境、公共配套設(shè)施情況等；區(qū)位特征指到CBD距離、交通便利情況等。由于本文研究的是學(xué)區(qū)房，所以特加學(xué)校因素在內(nèi)進(jìn)行探討（表2）。

本文方法分為3個(gè)階段(如圖1)：局部成組方案的設(shè)置階段、局部成組約束條件下的多目標(biāo)聚類優(yōu)化階段和在Pareto解集中選擇合適解階段。

表1 上海市4大學(xué)區(qū)房重點(diǎn)中小學(xué)統(tǒng)計(jì)及性質(zhì)Tab.1 Statistics and nature of four school district houses in Shanghai City

本文所收集的數(shù)據(jù)包括4大類：（1）房?jī)r(jià)數(shù)據(jù)：從上海搜房網(wǎng)（http://esf.sh.soufun.com/）獲得。不僅可以獲取房?jī)r(jià)，還能了解住宅地址、小區(qū)、建筑面積、戶型、朝向、所在樓層、建筑年代、配套設(shè)施、裝修情況等內(nèi)容。（2）社區(qū)數(shù)據(jù)：從搜狐網(wǎng)（http://esf.sh.soufun.com/housing/）獲得，可以搜索到小區(qū)的綠化程度、物業(yè)管理費(fèi)用等具體信息。（3）距離數(shù)據(jù)：采用百度地圖進(jìn)行各學(xué)區(qū)房到重點(diǎn)中小學(xué)距離、到CBD的距離，以及到一些其他的大型公共配套設(shè)施的距離測(cè)算。（4）學(xué)校數(shù)據(jù)：對(duì)相關(guān)政策和資料進(jìn)行查詢。

由于數(shù)據(jù)性質(zhì)不同要將數(shù)據(jù)進(jìn)行分類并按指標(biāo)進(jìn)行處理。其中定量變量有住宅面積、住宅年齡、所在樓層數(shù)、物業(yè)費(fèi)和綠化率；虛擬變量有電梯和裝修程度；等級(jí)變量有住宅樓高、到CBD距離、距重點(diǎn)中小學(xué)距離、軌道交通（表2）。通過(guò)數(shù)據(jù)整合、變量取舍和量化，最終得到4大板塊共1172個(gè)住宅樣本數(shù)據(jù)。

3 上海學(xué)區(qū)房?jī)r(jià)格的影響機(jī)制分析

3.1 特征價(jià)格模型的設(shè)定

特征價(jià)格模型通常采用線性、半對(duì)數(shù)、對(duì)數(shù)3種基本函數(shù)形式。經(jīng)過(guò)多次計(jì)算實(shí)驗(yàn)比較后，本文決定采用對(duì)數(shù)形式的特征價(jià)格模型。對(duì)數(shù)模型中因變量采用住宅價(jià)格的自然對(duì)數(shù)形式（ln住宅價(jià)格）。住宅面積、所在樓層、建筑年齡、綠化率、物業(yè)費(fèi)這5個(gè)變量也采用自然對(duì)數(shù)的形式進(jìn)入模型。裝修程度、電梯、公園綠地3個(gè)虛擬變量和建筑樓高、距重點(diǎn)小學(xué)距離、小學(xué)本區(qū)排名、小學(xué)重點(diǎn)等級(jí)、距重點(diǎn)中學(xué)距離、中學(xué)本區(qū)排名、中學(xué)重點(diǎn)等級(jí)、交通及到CBD距離9個(gè)等級(jí)變量采用直接將數(shù)值代入的方式。

表2 住宅特征變量的描述與量化Tab.2 Description and quantization of residential characteristic variables

3.2 樣本的描述性統(tǒng)計(jì)

表3給出了參加回歸分析的18個(gè)變量的描述性統(tǒng)計(jì)分析結(jié)果。

3.3 模型的估計(jì)和檢驗(yàn)

利用 SPSS14.0 對(duì)模型進(jìn)行分析，數(shù)據(jù)處理采用逐步替換法，可將統(tǒng)計(jì)顯著性不強(qiáng)、經(jīng)濟(jì)意義不明顯的變量逐步剔除[19]，所得結(jié)果如表4和表5。 最終逐步進(jìn)入模型的變量有住宅面積、物業(yè)費(fèi)、中學(xué)重點(diǎn)等級(jí)、小學(xué)本區(qū)排名、建筑年齡、距重點(diǎn)中學(xué)距離、到CBD距離、綠化率、距重點(diǎn)小學(xué)距離9個(gè)變量，其他變量均被剔除。

從表4可知，9號(hào)特征價(jià)格對(duì)數(shù)模型R2為0.839，經(jīng)調(diào)整R2為0.838，擬合程度非常高，且標(biāo)準(zhǔn)估計(jì)誤差是9個(gè)模型中最小的。第9號(hào)特征價(jià)格模型的F檢驗(yàn)都遠(yuǎn)遠(yuǎn)大于0.01,說(shuō)明在置信水平α = 0.01下，回歸方程是顯著的，即進(jìn)入方程的住宅特征與因變量ln（住宅價(jià)格）之間的線性關(guān)系能夠成立。由9號(hào)特征價(jià)格模型回歸系數(shù)檢驗(yàn)結(jié)果（表5）可知，絕大多數(shù)回歸系數(shù)的T檢驗(yàn)值在α = 0.05 上均具有顯著性,表明回歸方程中相應(yīng)的系數(shù)具有顯著性。通過(guò)顯著性水平的檢驗(yàn),說(shuō)明對(duì)數(shù)模型對(duì)樣本數(shù)據(jù)的擬合在統(tǒng)計(jì)上是有意義的，回歸方程是有效的。

表3 樣本數(shù)據(jù)統(tǒng)計(jì)分析Tab.3 Statistical analysis of sample datum

表4 特征價(jià)格模型的顯著性檢驗(yàn)Tab.4 Significance test of the Hedonic price models

表5 回歸系數(shù)t檢驗(yàn)Tab.5 T test of regression coefficients

圖1是殘差的直方圖?？梢钥闯?號(hào)特征價(jià)格模型的殘差的直方圖比較符合正態(tài)分布的曲線，表明9號(hào)特征價(jià)格模型擬合程度較高,在統(tǒng)計(jì)上是具有意義的,可以用來(lái)分析和解釋住宅特征對(duì)住宅價(jià)格的影響。

圖1 殘差的直方圖Fig.1 The histogram of residuals

3.4 特征價(jià)格模型結(jié)果分析

由上可知，進(jìn)入模型的9個(gè)變量在α = 0.05上均呈現(xiàn)顯著性。由表6可得出住宅特征價(jià)格方程如下：

表6 回歸系數(shù)表Tab.6 The regression coefficients

由表6可知，自變量符號(hào)均與預(yù)測(cè)的符號(hào)相同，且學(xué)校因素很大程度上影響了住宅價(jià)格。

在對(duì)數(shù)模型中，自變量為連續(xù)變量時(shí)，為標(biāo)準(zhǔn)化的回歸系數(shù)對(duì)應(yīng)著住宅價(jià)格的彈性系數(shù)。半價(jià)格彈性系數(shù)是由于自變量是虛擬變量或者等級(jí)變量，不能直接采用回歸系數(shù)的數(shù)值，需要做計(jì)算處理：

由表6和上述公式可推算出各變量對(duì)住宅價(jià)格的影響程度（表7）。

表7 各特征變量的價(jià)格彈性系數(shù)Tab.7 Price elastic coefficient of characteristic variables

連續(xù)變量包括住宅面積、物業(yè)費(fèi)、建筑年齡、綠化率。住宅面積的價(jià)格彈性系數(shù)為0.803，表示在其他條件不變的情況下，面積每增加1%，住宅價(jià)格將平均上漲0.803%。同樣，在其他條件不變的情況下，物業(yè)費(fèi)每增加1%，住宅價(jià)格將平均上漲0.162%；建筑年齡每增加1%，住宅價(jià)格將平均下降0.098%；綠化率每增加1%，住宅價(jià)格將平均下降0.049%。

虛擬變量均無(wú)入選。等級(jí)變量入選的有重點(diǎn)中學(xué)等級(jí)、小學(xué)本區(qū)排名、距重點(diǎn)中學(xué)距離、距CBD距離、距重點(diǎn)小學(xué)距離。中學(xué)重點(diǎn)等級(jí)的價(jià)格半彈性系數(shù)為-8.698，表示在其他條件不變的情況下，學(xué)校重點(diǎn)等級(jí)每下降一級(jí)，住宅價(jià)格將平均下降8.698%。同樣，在其他條件不變的情況下，小學(xué)本區(qū)排名每降低一位，住宅價(jià)格將平均下降0.896%；到重點(diǎn)中學(xué)距離每增加100 m，住宅價(jià)格將平均下降0.995%；距CBD的距離每增加0.5 km，住宅價(jià)格將平均下降1.292%；距重點(diǎn)小學(xué)距離每增加100 m，住宅價(jià)格將平均下降0.499%。

由表8可以看出，在各個(gè)因素中，住宅面積的影響程度最大，高達(dá)51.26%；其次是物業(yè)費(fèi)，為15.53%；接下來(lái)便是中學(xué)重點(diǎn)等級(jí)，為10.14%；其他各個(gè)因素為2%至5%不等，差距不大。由此可見(jiàn)，除了住宅因素和物業(yè)費(fèi)以外，重點(diǎn)中小學(xué)對(duì)住宅價(jià)格也具有較大的積極影響，學(xué)校等級(jí)越高、學(xué)校排名越靠前、距離重點(diǎn)學(xué)校越近，住宅價(jià)格則越高。由于本文以重點(diǎn)小學(xué)為主，所以學(xué)區(qū)房選取也是以小學(xué)學(xué)區(qū)房為中心，而重點(diǎn)中學(xué)的影響特征顯得更加明顯，可見(jiàn)當(dāng)今家長(zhǎng)或投資者對(duì)于能夠享受到“小升初”政策的“雙學(xué)區(qū)房”更加青睞。

表8 各因素的影響程度系數(shù)表Tab.8 The impact degree of factors

4 結(jié)論與討論

（1）重點(diǎn)中小學(xué)對(duì)周邊住宅價(jià)格存在著比較重要的積極影響。在相同情況下，學(xué)校等級(jí)越高，住宅價(jià)格越高；學(xué)校排名越靠前，住宅價(jià)格越高；距離重點(diǎn)學(xué)校越近，住宅價(jià)格也越高。這體現(xiàn)出學(xué)區(qū)房政策推動(dòng)了一定地區(qū)的房?jī)r(jià)抬升。離學(xué)校越近則方便孩子上學(xué)，學(xué)校等級(jí)越高和排名越靠前，則教學(xué)質(zhì)量、升學(xué)率有了充足的保障，因而家長(zhǎng)愿意支付更高的房?jī)r(jià)或房租來(lái)購(gòu)買或租賃學(xué)區(qū)房。

（2）總體來(lái)看，學(xué)校因素影響程度之和達(dá)20.63%，影響程度居第二位，僅次于建筑面積的影響程度。具體而言，在其他條件不變的情況下，學(xué)校重點(diǎn)等級(jí)每下降一級(jí)，住宅價(jià)格將平均下降8.698%；小學(xué)本區(qū)排名每降低一位，住宅價(jià)格將平均下降0.896%；到重點(diǎn)中學(xué)距離每增加100 m，住宅價(jià)格將平均下降0.995%；距重點(diǎn)小學(xué)距離每增加100 m，住宅價(jià)格將平均下降0.499%。

（3）雖然本文主要是基于重點(diǎn)小學(xué)為基礎(chǔ)進(jìn)行的研究，但是重點(diǎn)中學(xué)的影響特征卻顯得更加明顯，可見(jiàn)當(dāng)今家長(zhǎng)或投資者對(duì)于能夠享受到“小升初”政策的“雙學(xué)區(qū)房”更加青睞。

（4）要關(guān)注學(xué)區(qū)房?jī)r(jià)格變動(dòng)的不利影響。一是哄抬房?jī)r(jià)，房產(chǎn)商和中介惡意利用“重點(diǎn)學(xué)?！狈Q號(hào)牟利，導(dǎo)致市場(chǎng)愈發(fā)畸形；二是好學(xué)區(qū)由于高價(jià)成為富人專屬，致使窮人家孩子讀好學(xué)校的機(jī)會(huì)越來(lái)越少；三是增加家庭的精神壓力和孩子的心理壓力。因此，短期內(nèi)要著手于均衡教育資源，從長(zhǎng)遠(yuǎn)角度則需要建立更科學(xué)、更完善的教育評(píng)價(jià)體系，只有徹底改變?nèi)藗冞^(guò)分追求名次的心理需求，才能從根本上解決學(xué)區(qū)房哄搶問(wèn)題。

（References）：

［1］王曦, 葛幼松, 張含. 南京老城區(qū)學(xué)區(qū)房?jī)r(jià)格機(jī)制研究［J］.合作經(jīng)濟(jì)與科技，2010，（12）：10-13.

［2］文嘉琪. 上海市長(zhǎng)寧區(qū)學(xué)區(qū)房?jī)r(jià)格走勢(shì)分析［J］. 經(jīng)濟(jì)視角（下），2011，（5）：32-34.

［3］王旭育. 基于Hedonic模型的上海住宅特征價(jià)格研究［D］.上海：同濟(jì)大學(xué)，2006.

［4］符文穎. 基于 Hedonic 價(jià)格模型的廣州住房市場(chǎng)研究［D］. 廣州：中山大學(xué)，2008.

［5］邵飛波，張?chǎng)? 基于 Hedonic 模型的上海住宅價(jià)格影響因素分析［J］. 經(jīng)濟(jì)論壇，2008，（23）：9-13.

［6］王琳. 城市軌道交通對(duì)住宅價(jià)格的影響研究——基于特征價(jià)格模型的定量分析［J］. 地域研究與開(kāi)發(fā)，2009，28（2）：57-61.

［7］石憶邵，張蕊. 大型公園綠地對(duì)住宅價(jià)格的時(shí)空影響效應(yīng)——以上海市黃興公園綠地為例［J］. 地理研究，2010，（3）：510 -520.

［8］鐘海玥，張安錄，蔡銀鶯. 武漢市南湖景觀對(duì)周邊住宅價(jià)值的影響——基于 Hedonic 模型的實(shí)證研究［J］.中國(guó)土地科學(xué)2009，23（12）：63-68.

［9］楊尚. 城市教育配套對(duì)住宅價(jià)格的影響研究［D］. 杭州：浙江大學(xué)，2013.

［10］溫海珍，賈生華. 住宅的特征與特征的價(jià)格——基于特征價(jià)格模型的分析［J］. 浙江大學(xué)學(xué)報(bào)（工學(xué)版），2004，38（10）：1338 -1349.

［11］張品. 試析學(xué)區(qū)房的形成及其社會(huì)效應(yīng)——以天津市為例［J］. 社會(huì)工作，2012，（24）：87-90.

［12］余璇. 學(xué)區(qū)房受追捧的原因及外部性探究［J］. 中國(guó)城市經(jīng)濟(jì)，2011，（14）：210.

［13］陳玲玲，唐學(xué)玉. “學(xué)區(qū)房熱” 的原因及外溢效應(yīng)研究 ［J］. 中國(guó)集體經(jīng)濟(jì)，2009，（25）：48.

［14］陳玲芬. 城區(qū)學(xué)區(qū)房需求現(xiàn)狀調(diào)查：以浙江省海寧市為例［J］. 江蘇商論，2013，（11）：20-24.

［15］楊雯婷，劉冰玉，王麗. 經(jīng)濟(jì)學(xué)視角下學(xué)區(qū)房供需因素分析及其對(duì)策［J］. 財(cái)會(huì)研究，2012，（16）：69-71.

［16］央吉. 學(xué)區(qū)房：另類的教育投資［J］. 綠色中國(guó)，2013，（12）：40-43.

［17］江堅(jiān). 基于學(xué)區(qū)房現(xiàn)狀淺談教育地產(chǎn)的發(fā)展［J］. 創(chuàng)新，2010，（2）：60-63.

［18］車佳瑋，貝佳鳳，王晨宇，等. 紹興市 “學(xué)區(qū)房” 效應(yīng)及其對(duì)策研究［J］. 學(xué)理論，2013，（29）：80-81.

［19］聶飛. 重點(diǎn)中小學(xué)對(duì)普通住房市場(chǎng)價(jià)格的影響——以保定市為例［D］. 保定：河北農(nóng)業(yè)大學(xué)，2011.

［20］Bowes, D. R, Ihlanfeldt, K.R. Identifying the impacts of rail transit stations on residential property values［J］. Journal of Urban Economics, 2001, 50（1）:1-25.

［21］Liisa, T., Miettinen, A. Property prices and urban forest amenities［J］. Journal of Environmental Economics and Management, 2000, 39（2）:205-223.

［22］Reback, R. House prices and the provision of local public services: capitalization under school choice programs［J］. Journal of Urban Economics, 2005, 57（2）: 275-301.

［23］Black, S. E. Do better schools matter? Parental valuation of elementary education［J］. The Quarterly Journal of Economics, 1999, 114（2）: 577-599.

［24］Fack, G., Grenet, J. When do better schools raise housing prices? Evidence from Paris public and private schools［J］. Journal of Public Economics, 2010, 94（1）: 59-77.

［25］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.

（本文責(zé)編：郎海鷗）

The Impacting Mechanism of Housing Prices in the School Districts in Shanghai City

SHI Yi-shao, WANG Yi-ting
（College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China）

The purpose of this paper is to discuss the impacting mechanism of housing price of school districts. Methods of Hedonic pricing and multiple regression analysis are employed. The results indicate that the sum of school factors affecting housing prices accounts for 20.63% of the whole, and its influence degree is at the second to that of the construction area. Specifically, in the case of other conditions unchanged, 1） drop in school grade level, housing prices will decline 8.698% averagely; 2） regarding primary school if the rank becomes lower, housing prices will also fell at 0.896% margin; 3） each additional 100 meters from key middle school, housing prices will fell 0.995% averagely; 4） each additional 100 meters from key primary school, housing prices will fell 0.499% averagely. It is concluded that 1） key middle schools and primary schools there are more important positive effect on surrounding residential prices. The higher the school level, the higher the housing price; school to the top, the higher the housing price; the closer distance from key schools, the higher the housing price; 2） meanwhile, the “double school district houses”, i.e. being the key primary and key high school district simultaneously, are more popular.

real estate price; housing price of school districts; Hedonic price model; impacting mechanism; multiple regression analysis; Shanghai City

F293.3

A

1001-8158（2014）12-0047-09

2014-06-30

石憶邵（1963-），男，湖南新邵人，博士，教授。主要研究方向?yàn)橥恋刭Y源管理、城市與區(qū)域經(jīng)濟(jì)、地理信息系統(tǒng)。E-mail: shiyishao@#edu.cn