中國房價上漲助推了制造業“用工難”嗎

周華東　高玲玲

摘要：本文致力于解決如下兩個問題：一是我國房價上漲如何影響制造業就業，二是該影響通過何種途徑實現。本文基于1999—2007年中國全部國有及規模以上制造業企業和全國278個地級以上城市相匹配的數據表明，房價上漲的“需求效應”和“抵押擔保效應”壓過“擠出效應”，使得制造業企業就業增加，表明房價上漲并非制造業企業“用工難”的幕后推手。同時，房價上漲對制造業就業的影響在區域、時間、行業等方面存在廣泛差異。進一步地，通過考察房價上漲對不同融資約束類型制造業企業就業的異質性影響，發現房價上漲對影響制造業就業的影響主要是通過“需求效應”而非“抵押擔保效應”實現。本文的發現有助于從勞動力就業的視角深化關于房價上漲如何影響我國實體經濟的認識，對我國房價調控及促進就業相關政策討論具有一定現實意義。

關鍵詞：房價；就業；制造業；融資約束

文獻標識碼：A 文章編號：1002-2848-2018（04）-0066-09

一、問題提出

目前，中國處在城鎮化進程快速發展時期，就業問題是社會經濟工作的重中之重，黨的十九大報告明確指出“就業是最大的民生”。但近期中國經濟下行壓力凸顯，國內生產總值增速持續下降，連續三年（2015—2017）低于7%。在增長放緩的同時，就業問題引發更大的關注，李克強總理多次強調了就業問題的重要性，把保障就業稱為政府“最要緊的責任”并指出“穩增長說到底就是為了保就業”。同一時期工業陷入低迷，工業企業利潤、規模以上工業增加值同比增速均持續回落，制造業“用工難”“用工荒”問題突出。國家統計局上海調查總隊2014年針對制造業企業經營狀況的調查顯示，有49.4%的受訪企業反映招工難，尤其是勞動強度大、技術含量低、工資待遇差的企業，而企業也無力通過繼續提高待遇以增加招工；有81.5%的受訪企業認為“勞動力成本上升”是企業面臨的最主要困難?！皠趧恿Τ杀旧仙钡囊粋€主要來源便是近年來中國房價的持續上漲。自1998年住房制度全面改革以來，中國房價迅速攀升，全國商品房平均銷售價格從1999年的2053元每平方米漲至2016年的7462元每平方米，17年間增長260%，年均增長約8%。用CPI剔除通貨膨脹影響后的實際房價水平上漲幅度為140%，年均增長約6%。由此，關于房價上漲是制造業“用工難”幕后推手的觀點層出不窮，屢屢見諸媒體報道。在此背景下，深入考察我國房價上漲對制造業就業的影響，厘清房價上漲與制造業“用工難”之間的關系，具有重要的現實意義。

房價變化對實體經濟的影響一直受到學術界的密切關注。早在20世紀80年代，Elliot等[1-2]研究了住房價值變化對居民消費的影響（“財富效應”）。Case等[3]發現住房財富對消費的影響遠大于金融財富對消費的影響，由此復興了住房財富效應的研究并引發廣泛爭議。2007年全球“次貸危機”中房價和消費的劇烈變化和密切聯系進一步引發國內外關于住房財富效應的研究熱潮[4-7]。相對較近的一股文獻考察房價變化對微觀企業行為的影響：Chaney等[8-10]考察了房價變化對企業投融資的影響，黃健柏等[11]進一步探討了工業用地價格扭曲對于不同所有制屬性和行業屬性企業過度投資行為的影響，陳斌開等[12-13]考察了房價和房地產投資對資源配置和生產率的影響，Schmalz等[14-16]考察了房價變化對創業活動的影響。此外，源自Bernanke等[17-18]的“金融加速器”傳統，Icoviello等[19-22]構建了包含房地產的動態隨機一般均衡模型研究房價對宏觀經濟波動的影響。

關于房價變化與勞動力就業的關系的研究起步較晚。在較早的一篇富有影響的文獻中，Mian等[5]研究了美國2007—2009年這段時間房價下跌對就業的影響。他們發現，房地產價值減少在這段時期的就業下降中扮演了重要角色。對于生產非貿易品的企業，房地產價值減少導致生產非貿易品的企業就業顯著降低，但房地產價值減少對生產貿易品的企業就業沒有顯著影響。這意味著在這段房價下跌時期房價對就業的影響是通過房地產財富渠道而非抵押擔保渠道實現的。同樣地，Giroud等[23]發現美國2006—2009年這段時間房價下跌減少了就業。他們發現，高杠桿企業經歷了更高的就業損失，擁有更高杠桿水平的地區也經歷了更高的就業損失。Adelino等[24]研究了美國2002—2007年這段時期房價上漲對就業的影響。他們按員工數量規模進行分類回歸發現，房價上漲對小規模企業就業增長的影響更大。原因在于房價上漲主要通過抵押擔保渠道而非需求渠道影響企業就業，小企業具有較小的啟動成本從而更容易通過抵押擔保渠道獲得啟動資金。沿另一個視角，Charles等[25]發現美國2000—2006年這段時期制造業下滑顯著減少了就業，但同期房價上漲使得就業增長了大致相同水平，從而掩蓋了制造業下滑減少就業的事實，這樣一種“掩蓋效應”對于低技能人群尤為強烈。

本文通過匹配中國工業企業數據和278個地級以上城市數據考察房價上漲對制造業就業的影響，并基于企業融資約束差異檢驗其影響機制。理論分析表明，房價變化通過“需求效應”和“抵押擔保效應”對制造業就業產生正向影響，但通過“擠出效應”產生負向影響。但實證結果顯示，房價上漲對制造業就業總體上存在顯著的正面影響，即房價上漲促進了制造業就業。由此可見，制造業“用工難”的罪名不應該由房價上漲背負。在此基礎上，通過企業融資約束程度檢驗房價影響制造業就業的機制，發現中國房價上漲對制造業就業的正向影響主要基于“需求效應”而非“抵押擔保效應”。本文結論與Mian等[5]一致，不同于Adelino等[24]（前者支持“需求效應”，后者支持“抵押擔保效應”）。本文受Mian等[5]啟發，但不同之處在于Mian等[5]利用企業產品的可貿易性驗證了“需求效應”的存在，本文則通過企業融資約束差異驗證“需求效應”的存在。本文的研究豐富了房價變化的經濟效應相關文獻，有助于加深對房價變化對實體經濟的影響的認識。

本文其余內容安排如下：第二部分是房價上漲如何影響勞動力就業的理論分析；第三部分是數據與變量說明；第四部分是房價上漲影響制造業就業的實證檢驗；第五部分識別房價上漲對制造業就業的影響機制，第六部分是結論和政策含義。

二、理論分析

房價上漲產生廣泛的宏觀經濟效應，對實體經濟產生重要影響。就其對制造業勞動力就業影響而言，房價上漲一方面通過影響社會的消費需求和投資需求間接影響勞動力就業[5]；另一方面通過資源要素在房地產行業與其他行業之間的重新配置直接影響勞動力就業[26]。理論上，房價上漲對工業企業勞動力就業的影響可以歸納為“擠出效應”“需求效應”及“抵押擔保效應”三個傳導途徑（見圖1）。

首先，房價上漲直接增加家庭財富并放松其融資約束，通過促進家庭消費需求增長進而推動就業增長，這種由于家庭的房地產凈值增加引致的就業增加，該影響稱為“需求效應”。對自有住房家庭而言，房價變化通過兩個渠道影響其家庭消費支出：直接財富渠道與抵押擔保渠道。前者基于生命周期理論，認為房價上升會通過放松家庭的生命周期預算約束而促進消費；后者源自不完善的金融市場，房價上升通過增加家庭的抵押擔保品價值從而增加可借資金緩解其當期融資約束，推動消費增長。這兩種渠道的影響都是正向的，即認為房價上升會促進家庭消費增長。對租房家庭而言，房價上漲對其影響是不確定的：房價上漲一方面通過增加租房家庭住房支出直接減少了非住房消費支出，同時他們需要為購房進行更多的儲蓄，間接減少了非住房消費支出；但另一方面某些無房但又準備購房的家庭面臨高房價時可能放棄購房，轉而增加非住房消費?，F實情況看，中國有房家庭占大多數，根據中國國家統計局住戶調查辦公室2011年公布的報告，至2010年底中國城鎮居民家庭自有住房率為89.3%。理論和經驗研究證據已表明，房價上漲對消費的正向影響占據了主導作用[5-6]。因此，這一正向的房地產“財富效應”將帶動相關生產部門的勞動力就業增加。

其次，房價上漲使得企業可供抵押擔保的相關資產價值上漲而緩解了企業的融資約束，企業信貸擴張和投資規模增加進而促進勞動力就業，這一影響稱為“抵押擔保效應”。Bernanke等[17-18]發展的“金融加速器”理論認為，對經濟主體的所有初始沖擊將會通過信貸市場進一步放大，即最初的微小沖擊經過企業之間、企業與金融機構之間的相互作用，使得企業的資產價值、借款能力以及投資行為產生變化，最終引起經濟產出總量的大幅度波動。由于房地產無論在歐美國家還是在中國都是最重要的抵押擔保資產，房價的上漲使企業所擁有的商業房產和廠房等資產價值相應上升，也即是增加了企業可供抵押品的價值。這樣一來，一方面讓企業在金融機構可以獲得更多的信貸資金，另一方面也通過資產負債表的改善降低了企業的信貸成本。更為寬松的融資約束增加了工業企業獲得資金的能力，可能帶動工業企業產出和就業的增加。

最后，房價不斷上漲帶來了房地產業的高額利潤，吸引包括制造業資本在內的大量資本進入房地產業，從而一定程度上擠占制造業領域投資，該影響稱為“擠出效應”。中央電視臺《新聞1+l》欄目曾在2010年專題報道房地產業的豐厚利潤吸引大量制造業實體企業進軍房地產市場的情況，其中包括了格力、海信、海爾、TCL等家電巨頭企業。同時，就輕工業中的服裝企業而言，紅豆股份2010年上半年實現營業收入13.6億，其中紅豆置業的營業收入為9.4億，占總收入的69%；同是服裝企業的雅戈爾則成為“地王”締造者?？梢姡袊績r的連年上漲對于制造企業產生了極強的“擠出效應”。過去的十年中，受房價上漲帶來的高額利潤驅使，相當多資源被投入到房地產建設開發中，擠占了制造業的可獲資源，導致實體經濟總體被房地產業拖累。因而，“擠出效應”意味著房價上漲對制造業就業產生負面影響。

綜上，房價上漲的“需求效應”和“抵押擔保效應”對制造業就業產生正向促進作用，“擠出效應”對制造業就業產生負向抑制作用。正面效應和負面效應同時存在，使得對房價上漲影響制造業就業的總體效果，以及現實傳導機制是什么等問題的回答不是那么顯而易見，需要通過詳細設定計量模型進行經驗分析。

三、數據與變量

（一）數據

本文研究所用的企業數據來自于國家統計局的全部國有及規模以上非國有工業企業數據庫，城市數據來自中國經濟社會大數據研究平臺

缺失數據通過《中國區域經濟統計年鑒》《中國城市統計年鑒》及各地（市）統計年鑒彌補。中國工業企業數據庫包括了所有國有工業企業和主營業務收入在500萬元以上的非國有工業企業。這里的工業包括“國民經濟行業分類”中的“采掘業”“制造業”以及“電力、燃氣及水的生產和供應業”三個門類，其中制造業占90%以上的比例，本文只保留了制造業企業數據。參考Cai等[27-28]的做法，本文剔除數據庫異常值情況如下：第一，刪除總資產、固定資產、銷售額、應付工資及福利小于0或缺省的企業；第二，刪除一些明顯不符合會計原則的企業，包括總資產小于流動資產，總資產小于固定資產凈值，或者累計折舊小于當期折舊；第三，刪除實收資本小于或等于0的企業；第四，刪除總資產、銷售收入、負債總額、工業增加值等關鍵指標首尾1%的異常值。

基于中國房價變化的階段特征，本文選擇1999—2007年的工業企業數據作為研究對象具有一定的合理性：其一，中國的住房制度全面市場化改革始于1998年，1999年成為大多數中國房地產問題研究的起始年份；其二，2008年“次貸危機”全面爆發后中國受到波及，該年成為1999年迄今唯一房價下降年度?？紤]到這一外部影響，本文樣本結束設定為2007年。此外，這與目前使用工業企業數據的絕大多數實證研究的樣本區間選擇也是一致的。

（二）變量

本文目的是檢驗房價變化如何影響制造業勞動力就業。為此，被解釋變量選取企業雇傭人數，核心解釋變量選取地級及以上城市商品房平均銷售價格。同時，選擇反映企業自身特征和城市特征的一系列變量作為控制變量，包括固定資產比重、企業規模、自由現金流比率、人均GDP、金融發達度等。各變量的詳細定義和計算方法見表1。

由于西藏地區部分城市房價變量缺失，本文刪除西藏的企業數據，最終我們獲得的是匹配制造業企業和278個地級以上城市1999—2007年的非平衡面板數據。表2給出了主要變量的描述性統計。

四、實證分析

（一）基準回歸結果

表3給出了房價上漲對制造業就業的基準回歸結果。第（1）列是控制前述企業特征變量、城市特征變量以及城市虛擬變量、行業虛擬變量和年度虛擬變量后的混合數據最小二乘法回歸結果；第（2）列是控制企業特征變量、城市特征變量以及年度虛擬變量后的面板數據固定效應模型回歸結果。兩種結果非常接近，房價對制造業就業的影響系數都為0.02左右，且在1%的水平上顯著。這意味著房價每上漲10%，企業雇傭人數將顯著增加0.2%。由此判斷，1999—2007年中國商品房價格上漲了約80%，這導致制造業企業的工作崗位增加1.6%。由于篇幅關系，本文沒有列出其他控制變量的回歸結果。

表3第（3）—第（6）列是穩健性檢驗。考慮到房價對就業的影響可能存在一定的滯后性，表3第（3）列和第（4）列用滯后一期城市房價替代當期房價基于普通最小二乘和固定效應模型進行回歸?？紤]到某些企業特別是規模較大的企業可能存在較廣泛的地域分布，第（5）列和第（6）列用省級房價替代城市房價基于普通最小二乘和固定效應模型進行回歸。回歸結果與上述基本回歸結果一致，顯示房價上漲顯著促進了制造業就業。

雖然我們已經盡可能地加入相關企業特征變量和城市特征變量來緩解由于遺漏變量帶來的內生性問題，但可能仍然難以完全消除其影響。為緩解這一問題，我們使用各省當年人均土地開發面積作為商品房價格的工具變量[7]。其理論邏輯在于各地土地供給與當地商品房價格密切相關，但同時土地供給受到中央政府的嚴格控制，具有一定的外生性特征，與影響就業的其他宏觀變量關系不大。表3第（7）列和第（8）列是利用城市人均土地開發面積作為城市房價工具變量的回歸結果。結果有力地支持本文的結論：房價越高，企業雇傭人數越多。

（二）異質性影響

由于中國經濟發展的階段性以及區域發展和行業發展的不平衡特征，房價上漲對制造業就業的影響可能在區域、時間、行業方面存在廣泛的異質性。下面通過劃分企業樣本進行比較分析。

1.區域異質性。按照地理區位，本文將278個地級以上城市劃分為東部地區和中西部地區兩類。其中，東部地區包括位于北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個省及直轄市的地級以上城市；中西部地區包括位于除上述地區以外的省（自治區、直轄市）的城市。然后對不同地區的制造業企業進行分樣本回歸，表4報告了回歸結果。東部地區房價上漲對制造業企業就業影響較大且高度顯著，但中西部地區房價上漲對制造業企業就業影響較小，且顯著性也較弱。這說明相對于中西部地區的城市，東部地區城市制造業企業就業對房價上漲更為敏感。

2.時間異質性。中國房地產市場自1998年啟動全面住房制度改革以來，2004年是又一個關鍵節點——土地“招拍掛”制度于2004年全面實施。此后，中國房價進入了快速上漲通道。本文將以2004年為節點，將全部樣本分為2004年前和2004年后（含2004年）兩個子樣本，然后分別進行回歸。表5報告的結果顯示，2004年前房價上漲對制造業企業就業的影響較大也較為顯著。但是，2004年后該影響變為負數，但是絕對值較小，且在統計上也極不顯著。這可能意味著隨著房價漲幅的增加，“擠出效應”變得越來越大。

3.行業異質性。企業所屬行業特性也會對房價上漲的就業效應帶來影響。按照吳利學等[29]的行業分類方式，本文將將行業分為資本密集型行業（兩位數行業代碼為25、26、28、31～34、37、39）、勞動密集型行業（兩位數行業代碼為13～24，除去16）和技術密集型行業（兩位數行業代碼為27、40、41）。表6報告的回歸結果顯示，相較于勞動密集型行業而言，房價上漲對資本密集型行業的就業影響較大且較為顯著。 這與理論預期一致，因為“抵押擔保效應”的正向作用在資本密集型行業中更為明顯，而“擠出效應”的負向作用在勞動密集型行業中更為明顯。同時注意到，高技術行業中房價上漲對就業的影響最大，這是因為它們很少受到擠出效應”的負面影響，同時在融資約束放緩的情況下具有更好的擴張能力。

五、機制檢驗

房價上漲主要通過“需求效應”與“抵押擔保效應”促進制造業就業，通過“擠出效應”抑制制造業就業。前文的實證分析表明，盡管存在多方面的異質性，房價上漲的總體效應是促進制造業就業。那么，到底是“需求效應”還是“抵押擔保效應”在該促進作用中居于主導地位呢？這是本節致力于解決的問題。

（一）企業融資約束的衡量

陳忠陽等[30]總結了衡量企業融資約束的四類方法：企業融資需求、企業融資交易成本、企業的投融資行為以及企業的融資渠道。本文借鑒張杰等[31]提出的企業運營資本投資現金敏感性（WKS）指標作為企業融資約束的代理變量。張杰等[31]認為，WKS指標不僅包含了企業運營資本相關信息（Ding等[32]指出，由于中國企業自身財務和金融體系特征，企業運營資本能較好地反映企業融資約束情況），而且該指標包含了企業現金流、負債杠桿水平、抵押擔保水平、銷售增長率等重要信息，它可能是更能全面反映企業各種融資約束信息的代理指標。WKS指標的計算過程如下：

首先，估計不包含現金流的約簡運營資本投資方程得到隨機擾動項。

式中，IWK表示企業運營資本投資，IWK=IWKt-IWKt-1，其中IWKt等于企業當年的流動資產減流動負債，K表示企業年初的固定資本凈額，i，t分別表示企業和年份，uit是隨機擾動項?？刂谱兞縓包括企業規模、年齡、負債杠桿率、抵押擔保水平、銷售增長率、所有值類型虛擬變量等。此外式（1）還引入了省份固定效應、兩位數行業固定效應和年份固定效應。

隨后采用企業每年現金流占總現金流的比例對隨機擾動項進行加權平均，再減去未加權的隨機擾動項。其遵循的計算思路在于：如一家企業的運營資本投資并不受現金流影響，那么在較高現金流時期運營資本投資的均值應該與低現金流時期運營資本投資的均值沒有顯著差異。相反，如果企業運營資本支出與現金流正（負）相關，那么經過現金流加權的隨機擾動項均值應該比未經加權的隨機擾動項均值更高（低）。

式中，CF表示企業現金流，定義為年終凈利潤加本年計提折舊額，K代表每年年初的固定資本凈額，n代表某一企業的年份觀測數。由此計算得出的WKS指標越大，企業受到的融資約束越大。

出于穩健性考慮，本文還采用了流動比率（LR）作為融資約束的另一個衡量指標（馬述忠等，2017）。流動比率等于流動資產與流動負債之差除以總資產，流動比率越大，企業的財務狀況越健康，自身融資約束也就越小。

（二）房價上漲影響制造業就業的機制檢驗

為檢驗房價上漲對制造業就業的影響機制，本[LL]文在上述基準回歸模型基礎上進一步引入房價對數和融資約束指標的交叉項。根據模型設定，房價對數的回歸系數表示的是當企業在沒有融資約束（融資約束很?。┑臈l件下對制造業就業的影響，體現了“需求效應”；交叉項的回歸系數反映了融資約束狀態是否改變房價對制造業就業影響大小，體現了“抵押擔保效應”。表7第（1）列和第（2）列報告了使用WKS指標作為融資約束代理變量的最小二乘回歸和固定效應回歸結果。結果顯示，房價對數的回歸系數相較于沒有引入交叉項的回歸結果大小基本沒有變化，且仍然高度顯著。但是，不管是基于最小二乘回歸還是固定效應回歸的系數數值上都非常小，接近于零，而且非常不顯著。由此，本文判斷房價上漲對制造業就業的影響主要是通過“需求效應”而非“抵押擔保效應”實現的。

表7第（3）列和第（4）列報告了使用流動比率（LR）作為融資約束指標的回歸結果?？梢钥吹?，該結果與前述基于WKS指標的回歸結果高度一致，都表明房價對數的回歸系數較大且高度顯著，但房價對數和融資約束指標的交叉項回歸系數較小且顯著性也顯著下降。這再次表明我國房價上漲對制造業就業的影響主要是通過“需求效應”而非“抵押擔保效應”實現的。

（三）安慰劑檢驗

本文采用受到較小融資約束的企業樣本作為安慰劑檢驗。由于“抵押擔保效應”源自受到融資約束的企業，通過可供抵押擔保的資產價值上漲緩解企業的融資約束，從而增加企業信貸和投資規模。那么對沒有或者較少受到融資約束的企業而言，“抵押擔保效應”應該是很小，房價上漲對就業的影響主要來自于“需求效應”。表8報告了利用受到較小融資約束子樣本企業考察房價上漲對制造業就業影響的結果。第（1）列和第（2）列報告了使用WKS指標值小于四分之一分位數的那部分制造業企業子樣本回歸的結果，第（3）列和第（4）列報告了使用LR指標值大于四分之三分位數的那部分制造業企業子樣本回歸的結果。我們看到，所有回歸結果中房價對數值的回歸系數大小與全部樣本的房價對數值的回歸系數基本相同，再次表明了“需求效應”顯著存在。

六、結 論

本文利用1999—2007年國家統計局的全部國有及規模以上非國有工業企業數據庫制造業企業與278個地級以上城市相匹配的數據，考察了房價上漲對制造業就業的影響，在控制一系列企業特征變量和地區特征變量后，基于混合截面數據的普通最小二乘回歸和基于面板數據的固定效應回歸模型一致表明：房價上漲增加制造業企業雇傭人數。這表明，中國房價上漲并非制造業“用工難”的幕后推手。同時，房價上漲對制造業就業的影響在區域、時間、行業等方面存在廣泛差異：房價上漲對制造業就業的影響在東部地區更為顯著，在2004前更為顯著，在資本密集型和技術密集型行業更為顯著。進一步，利用企業運營資本投資現金敏感性（WKS）指標和流動性比率（LR）指標衡量企業融資約束，考察房價上漲對制造業就業的影響機制。結果表明，中國房價上漲主要是通過“需求效應”而不是“抵押擔保效應”影響制造業就業。本文的研究澄清了一些觀念上的誤區，指出中國房價上漲并未導致制造業“用工難”——即便房價上漲對制造業就業產生了一定的“擠出效應”，但“需求效應”和“抵押擔保效應”使得房價上漲最終增加了制造業企業的勞動力雇傭。因而，制造業“用工難”的破解之道需要從其他方面著手去解決，如確保勞動力信息流暢、加強職業培訓，增加勞動力市場的供需匹配等。

參考文獻：

[1] Elliott J W. Wealth and wealth proxies in a permanent income model [J]. Quarterly Journal of Economics， 1980， 95（3）： 509-535.

[2] Bhatia K. Real estate assets and consumer spending [J]. Quarterly Journal of Economics， 1987， 102（2）： 437-444.

[3] Case K E， Quigley J M， Shiller R. Comparing wealth effects： The stock market versus the housing market [J]. Advances in Macroeconomics， 2005， 5（1）： 1-30.

[4] Case K E， Quigley J M， Shiller R. Wealth effect revisted： 1975—2012 [R]. Cowles Foundation Disccussion Paper， 2013， No. 1784.

[5] Mian A， Sufi A. What explains the 2007—2009 drop in employment？ [J]. Econometrica， 2004， 82（6）： 2197-2223.

[6] 趙西亮， 梁文泉， 李實. 房價上漲能夠解釋中國城鎮居民高儲蓄率嗎——基于CHIP微觀數據的實證分析 [J]. 經濟學（季刊）， 2013（1）： 81-102.

[7] 陳斌開， 楊汝岱. 土地供給、住房價格與中國城鎮居民儲蓄 [J]. 經濟研究， 2013（1）： 110-122.

[8] Chaney T， Sraer D， Thesmar D. The collateral channel： How real estate shocks affect corporate investment [J]. American Economic Review， 2012， 102（6）： 2381-2409.

[9] Gan J. Debt capacity and corporate investment： Evidence from a natural experiment [J]. Journal of Financial Economics， 2007， 85： 709-734.

[10]曾海艦. 房產價值與公司投融資變動、抵押擔保渠道效應的中國經驗證據 [J]. 管理世界， 2012（5）： 125-136.

[11]黃健柏， 徐震， 徐珊. 土地價格扭曲、企業屬性與過度投資——基于中國工業企業數據和城市地價數據的實證研究 [J]. 中國工業經濟， 2015（3）： 57-69.

[12]陳斌開， 金簫， 歐陽滌非. 住房價格、資源錯配與中國工業企業生產率 [J].世界經濟，2015（4）： 77-98.

[13]羅知， 張川川. 信貸擴張、房地產投資與制造業部門的資源配置效率 [J]. 金融研究， 2015（7）： 60-75.

[14]Schmalz M， Sraer D， Thesmar D. Housing collateral and entrepreneurship [R]. CEPR Working Paper， 2014.

[15]Kerr S， Kerr W， Nanda R. House money and entrepreneurship [R]. NBER Working Paper， No. 21458， 2015.

[16]吳曉瑜， 王敏， 李力行. 中國的高房價是否阻礙了創業？ [J]. 經濟研究， 2014（4）： 121-134.

[17]Bernanke B， Gertler M， Gilchrist S. The financial accelerator in a quantitative business cycle framework [J]. Handbook of Macroeconomics， 1996， 1： 1341-1393.

[18]Kiyotaki N， Moore J. Credit cycles [J]. Journal of Political Economy， 1997， 105： 211-248.

[19]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle [J]. American Economic Review， 2015， 95（3）： 739-764.

[20]Iacoviello M， Neri S. Housing market spillovers： Evidence from an estimated DSGE model [J]. American Economic Journal： Macroeconomics， 2010， 2： 125-164.

[LL][21]Liu Z， Wang P， Zha T. Landprice dynamics and macroeconomic fluctuations [J]. Econometrica， 2013， 81（3）： 1147-1184.

[22]Favilukis J， Ludvigson S， Van Nieuwerburgh S. The macroeconomic effects of housing wealth， housing finance， and limited risksharing in general equilibrium [R]. LSE Working Paper， 2015.

[23]Giroud X， Mueller H M. Firm leverage， consumer demand， and unemployment during the great recession [J]. Quarterly Journal of Economics， 2017， 132： 271-316.

[24]Adelino M， Schoar A， Severino F. House prices， collateral and selfemployment [J]. Journal of Financial Economics， 2015， 117： 288-306.

[25]Charles K， Hurst E， Notowidigdo M J. Housing booms and busts， labor market opportunities， and college attendance [R]. Working Paper， University of Chicago， 2016.

[26]吳海民. 資產價格波動、通貨膨脹與產業“空心化” ——基于我國沿海地區民營工業面板數據的實證研究 [J]. 中國工業經濟， 2012（1）： 46-56.

[27]Cai H， Liu Q. Competition and corporate tax avoidance： Evidence from Chinese industrial firms [J]. The Economic Journal， 2009， 119： 764-795.

[28]聶輝華， 江艇， 楊汝岱. 中國工業企業數據庫的使用現狀和潛在問題 [J]. 世界經濟， 2012（5）： 142-158.

[29]吳利學， 葉素云， 傅曉霞. 中國制造業生產提升的來源： 企業成長還是市場更替？ [J]. 管理世界， 2016（6）： 22-39.

[30]陳忠陽， 劉呂科. 企業信貸約束衡量研究評介 [J]. 經濟學動態， 2009（5）： 124-128.

[31]張杰， 鄭文平， 翟福昕. 融資約束影響企業資本勞動比嗎？——中國的經驗證據 [J]. 經濟學（季刊）， 2016（4）： 1029-1056.

[32]Ding S， Guariglia A， Knight J. Investment and financing contraints in China： Does working capital management make a difference [J]. Journal of Banking & Finance， 2013， 37： 1490-1507.

責任編輯、校對： 李再揚