租购同权的价值测算——基于上海市学区房的实证分析
摘要
租购同权是当前我国一些地区正在推行的一项政策,但在实施中,"同权"并不意味着同等权利或同等待遇,尤其在教育领域,学区房制度便说明了租与购的巨大权利差别。为了阐明租与购之间权利差所蕴含的价值(主要集中于受教育权利方面),本文利用上海市8个区220个学区房配对小区的数据对此进行测算,涵盖所有区级以上的重点小学。在借鉴其他文献测算方法的基础上,利用固定边界法(配对)和特征价格法控制特征差异,利用售价和租金的差分控制交互影响,把单纯由于租购差异而导致的重点学校教育权利价值提取出来。经配对差分分离及相关因素控制,这一受教育权利的价值在上海市可达几十万元及以上。本文的分析方法直面学区房的价值度量问题,解释了租购同权政策存在较大实施难题,是因为其中存在巨大的市场价值,其弥补和再配置需要慎重考虑。
引文
(1)21世纪经济报道,2017年7月19日,http://www.sohu.com/a/158347492_119689.
(2)以上系作者对各地政策报道整理所得。
(3)贾舒宁:《学区房市场价格的影响因素——以北京市海淀区为例》,《新经济》2014年第Z1期。
(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》,《城市与环境研究》2014年第2期。
(5)石忆邵、王伊婷:《上海市学区房价格的影响机制》,《中国土地科学》2014第12期。
(6)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》,《西部论坛》2015年第5期。
(7)袁从伦:《北京市学区房溢价分析》,《商》2015年第20期。
(8)王振坡、梅林、王丽艳:《基础教育资源资本化及均衡布局对策研究:以天津为例》,《现代财经》2014年第7期。
(9)陈杰、张牧扬、石薇:《学区房的价值测度与投资风险》,《上海房地》2016年第8期。
(10)陈杰、 张牧扬、石薇:《租金率折价视角的学区价值测度——来自上海二手房市场的证据》,《金融研究》2016年第6期。
(11)江坚:《基于学区房现状浅谈教育地产的发展》,《创新》2010年第2期。
(12)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》,《西部论坛》2015年第5期。
(13)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》,《教育与经济》2015年第5期。
(14)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》,《经济学(季刊)》2014第3期。
(15)以上系作者根据上海市相关政策整理而得。
(16)选择上海作为分析对象,一是因为上海的相关数据较为易得且完整,二是因为一线城市租购同权的矛盾凸显比较明显,因此选择上海以作为一线城市代表。且与京广等地相比,上海城市均质性较好,相对较易避免市内区域性干扰。
(17)下文实证结果显示大部分原显著的控制变量在固定边界后显著性消失了,这也实现了模型设计的目的。
(18)前3个模型中的自变量系参考了诸多文献加以综合后并结合本文实际数据条件采纳,模型(4)参考了胡婉旸、郑思齐、王锐的《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》一文,并加入了租金这一因素加以进一步控制。
(19)本文的数据来源中,教学质量信息参考了上海市教育局网站、“星多多”网站(http://www.xingdd.com)上对各个小学学校属性的信息、市及区内不同梯段学校的划分,从而将上海市内八区的所有小学分为“市重点、区重点和普通学校”三个档次;房价和租金数据均来源于“房天下”网站(http://sh.fang.com/?s=BDPZ-BL),其中租金价格取的是该小区二居室的月平均价格,房价单位为元每平米。在研究学区房价格影响因素的众多特征变量中除了到市中心的距离是使用百度地图测距以外,对口中学、建筑年代、房龄等其他特征变量均是来自“房天下”的数据。选取重点小学和邻近的普通小学分别对口的小区结成的小区对时,考虑了两个小区距离不宜超过500米,并通过百度地图测距得出两个小区精确的直线距离。数据采集时间为2017年11月。
(20)作为截面数据,本文各模型均采用OLS分析,篇幅所限,列表中仅说明F值和R2。对各模型的异方差性、自相关性和多重共线性检验统一作说明如下:D-W值普遍在1.7-2.3之间,VIF值在1.0-2.5之间,对残差平方作辅助回归进行White检验显示均通过95%检验,不存在异方差性。辅助回归时,仅包含解释变量、变量平方项,但不包括交叉项,担心变量过多损失自由度。
(21)从理论上说,当房价高时,从成本和回报率角度,租金也可能会相应提高。再者,房价与租金同时受到一些因素的影响,因此两者可能存在互为因果的内生性关系。
(22)可以发现,不加入租金因素的话,模型整体不显著。说明租金差包含了一些未纳入分析的潜在变量影响,是关键变量,也说明了模型设计的合理。
(23)由于本文按小区为单位进行分析,学区房单位面积数值不明,因此仅取70平米值进行典型运算。并不代表这一结果是普适的。本文的方法实质上是一种控制其他变量基础上的均值计算,在均值意义上有效。
(24)陈杰等的分析同时应用了单元户的房价和租金数据,但其租金数据则是通过合成法拟合获得的,本文认为这一方法在进行租金收益回报率折价分析时可行,而在本文进行价值测算时可能会引入偏误,故未采纳之。参见陈杰、 张牧扬、石薇:《租金率折价视角的学区价值测度——来自上海二手房市场的证据》,《金融研究》2016年第6期。
(25)它促成了学区房的畸形高价,形成了市场标杆,对房价起到了推波助澜的负面作用。
(2)以上系作者对各地政策报道整理所得。
(3)贾舒宁:《学区房市场价格的影响因素——以北京市海淀区为例》,《新经济》2014年第Z1期。
(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》,《城市与环境研究》2014年第2期。
(5)石忆邵、王伊婷:《上海市学区房价格的影响机制》,《中国土地科学》2014第12期。
(6)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》,《西部论坛》2015年第5期。
(7)袁从伦:《北京市学区房溢价分析》,《商》2015年第20期。
(8)王振坡、梅林、王丽艳:《基础教育资源资本化及均衡布局对策研究:以天津为例》,《现代财经》2014年第7期。
(9)陈杰、张牧扬、石薇:《学区房的价值测度与投资风险》,《上海房地》2016年第8期。
(10)陈杰、 张牧扬、石薇:《租金率折价视角的学区价值测度——来自上海二手房市场的证据》,《金融研究》2016年第6期。
(11)江坚:《基于学区房现状浅谈教育地产的发展》,《创新》2010年第2期。
(12)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》,《西部论坛》2015年第5期。
(13)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》,《教育与经济》2015年第5期。
(14)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》,《经济学(季刊)》2014第3期。
(15)以上系作者根据上海市相关政策整理而得。
(16)选择上海作为分析对象,一是因为上海的相关数据较为易得且完整,二是因为一线城市租购同权的矛盾凸显比较明显,因此选择上海以作为一线城市代表。且与京广等地相比,上海城市均质性较好,相对较易避免市内区域性干扰。
(17)下文实证结果显示大部分原显著的控制变量在固定边界后显著性消失了,这也实现了模型设计的目的。
(18)前3个模型中的自变量系参考了诸多文献加以综合后并结合本文实际数据条件采纳,模型(4)参考了胡婉旸、郑思齐、王锐的《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》一文,并加入了租金这一因素加以进一步控制。
(19)本文的数据来源中,教学质量信息参考了上海市教育局网站、“星多多”网站(http://www.xingdd.com)上对各个小学学校属性的信息、市及区内不同梯段学校的划分,从而将上海市内八区的所有小学分为“市重点、区重点和普通学校”三个档次;房价和租金数据均来源于“房天下”网站(http://sh.fang.com/?s=BDPZ-BL),其中租金价格取的是该小区二居室的月平均价格,房价单位为元每平米。在研究学区房价格影响因素的众多特征变量中除了到市中心的距离是使用百度地图测距以外,对口中学、建筑年代、房龄等其他特征变量均是来自“房天下”的数据。选取重点小学和邻近的普通小学分别对口的小区结成的小区对时,考虑了两个小区距离不宜超过500米,并通过百度地图测距得出两个小区精确的直线距离。数据采集时间为2017年11月。
(20)作为截面数据,本文各模型均采用OLS分析,篇幅所限,列表中仅说明F值和R2。对各模型的异方差性、自相关性和多重共线性检验统一作说明如下:D-W值普遍在1.7-2.3之间,VIF值在1.0-2.5之间,对残差平方作辅助回归进行White检验显示均通过95%检验,不存在异方差性。辅助回归时,仅包含解释变量、变量平方项,但不包括交叉项,担心变量过多损失自由度。
(21)从理论上说,当房价高时,从成本和回报率角度,租金也可能会相应提高。再者,房价与租金同时受到一些因素的影响,因此两者可能存在互为因果的内生性关系。
(22)可以发现,不加入租金因素的话,模型整体不显著。说明租金差包含了一些未纳入分析的潜在变量影响,是关键变量,也说明了模型设计的合理。
(23)由于本文按小区为单位进行分析,学区房单位面积数值不明,因此仅取70平米值进行典型运算。并不代表这一结果是普适的。本文的方法实质上是一种控制其他变量基础上的均值计算,在均值意义上有效。
(24)陈杰等的分析同时应用了单元户的房价和租金数据,但其租金数据则是通过合成法拟合获得的,本文认为这一方法在进行租金收益回报率折价分析时可行,而在本文进行价值测算时可能会引入偏误,故未采纳之。参见陈杰、 张牧扬、石薇:《租金率折价视角的学区价值测度——来自上海二手房市场的证据》,《金融研究》2016年第6期。
(25)它促成了学区房的畸形高价,形成了市场标杆,对房价起到了推波助澜的负面作用。