房價對中國企業生存風險影響

(蘇州大學 江蘇 蘇州 215000)

一、前言

在黨的十九大報告中，提出房子是用來住的，而不是用來炒的，使得全國人民都可以居得其所。房價一直以來是全體人民所關心的頭等大事，自1998年商品房改革以來，全國房價呈現了持續快速上漲的趨勢，房地產行業進入了快速發展時期。全國房價似乎是脫韁的野馬，一路上揚，自2001年的2237元/平方米，到2018年的8544元/平方米，年上漲幅度達到21%，遠遠高于7.3%的經濟年增長率。房價的持續上漲不但對于居民的生活造成了巨大的影響，同樣對于企業各方面也產生重大的影響。根據美國CHINA HRKEY研究中心數據顯示，中國企業的平均生存年限為3.6年，其中集團型企業的平均生存年限大約7.5年，中小型企業的生存年限僅為2.5年。對比的是歐美企業的平均生存年限12.5年，日本的企業生存年限更是達到30年。中國企業過高的生存風險是一個值得關注的重要的領域，越來越多的學者對此展開了研究。本文立足于研究中國房價與企業生存的已有文獻，研究在國內房價持續增長的背景下，其對于企業生存風險的影響，并針對如何降低房價過快上漲對于企業生存所造成的負面影響提出建議。在現在的已有文獻中杜莉[1]，劉斌和王乃嘉[2]各自從消費、企業投資、企業進出口研究房價持續上升對于整體經濟所帶來的影響。陸銘等[3]研究發現居民生活成本將受到房價上升的影響，并因此造成了企業員工工資上升等企業生產成本的上漲。

Gan[4]、曾海艦[5]研究發現，房價的上升不僅僅會造成房產企業的市場價值，更會因為持有房地產企業的融資信貸行為，最終影響企業的整個市場活動，Chen 等[6]、Chen 和 Wen[7]認為，房價上漲會促使企業將 部分生產資源投向房地產行業，由此降低對企業主營業 務的投資規模。王國軍和劉水杏[8]通過研究投入產出模型發現，因房地產行業的整體帶動效應對于制造業企業產生積極意義。

二、研究設計

(一)數據來源與處理

根據中國國家統計局公布的《中國工業企業數據庫》相關數據，選擇2001-2007年全部規模以上非國有企業和國有企業為研究對象，剔除總資產，員工人數，流動資產小于等于0的數據。該統計數據庫包含了所有的國有企業與規模以上的非國有企業，其中統計口徑是國民經濟行業分類里的采掘、制造、電力，燃，氣和供應等行業。數據庫囊括了企業的基本信息與財務情況，屬于微觀層面的企業信息。由于數據庫統計口徑發生變化，本文只選取到2007年的數據，同時為了避免久期模型中常存在的“左歸并”，對于原始數據進行剔除，選擇只在2001年開業發企業。同時因為西藏等地區數據的缺失，這里將其刪去，所以最終本文將選擇4874家企業作為樣本。

(二)變量選取與說明

房價(price)：房價的數據源于中國統計年鑒31個省份和直轄市房地產銷售價格，同時取對數以度量房價指數。行業(indu)：其中制造業賦值為1，非制造業賦值為0。區域(are)：東部地區賦值為1，非東部地區賦值0。出口(ex)：出口企業賦值1，非出口企業賦值0。企業規模(size)：企業資產總計的對數度量。融資約束(fin)：利息支出與固定資產發比值。政府補貼(sub)：接受政府補貼的企業賦值為1，未有補貼的企業賦值為0。

(三)COX模型

久其分析是將響應時間和生存的一項統計規律的研究課題。在實證研究中，久期分析中的數據常常存在“右并歸”。最主要的原因是，當研究結束后，會存在部分對象仍舊未產生期望的結果。這樣，我們就可以得到某一個樣本從時間0到歸并時間T。雖然可以知道樣本可以繼續存在于T至無窮。卻不知道這個樣本的最終取值。

當存在“右并歸”時，將樣本i的最終壽命記為T*，而歸并時間記為T。實際可以觀察到的t取決于不可觀察到的個體樣本壽命T*，或者歸并時間T.即為：

t=min(T*,T)

同時，用虛擬變量d來表征樣本的觀測是否得到完整記錄：

d=1(T*

這里，1(.)是示性函數，即當括號里的函數表達式取真時，則數值為1，反之則為0。所以，當d=1時，則表示有完整記錄，即不存在并歸現象，反之，則存在并歸。

為了維持生存分析的有效性，這里將假設“獨立并歸“，或者”無并歸“。即所有有關樣本壽命T*的信息都不會出現在并歸時間T中。這樣，虛擬變量d就可以看做是一個外生變量，不在考慮為”歸并機制“建模。

基于Cox風險比例模型自身特點，cox模型可以有絕對的優勢，它將企業是否退出市場和企業的生存時間有效的結合起來，同時，利用建立的虛擬變量對企業生存周期進行完整的記錄，在最后的觀察期里，將依舊存活的企業賦值為0，而之前已經退出市場的企業賦值為1.。

三、變量選取與說明

(一)基本檢驗

1.初步的描述性分析

我們先對房價對于企業生存影響進行初步的分析。這里先對房價指數取中位數，將企業所處的地區劃分為高房價地區(hp=1)與低房價地區(hp=0)。通過繪制k-m生存曲線，可以看到高房價地區的有著更高的k-m線，即說明相比于低房價地區，高房價地區的企業將存在更小的生存風險。同時結合圖2可知高房價地區企業的生存風險初期顯著低于低房價地區，不過隨著時間的推移，這種顯著的差距在不斷縮小。當然，這里只是未引入解釋變量的初步研究，該分析只是對于企業生存時限的初步研究。

圖1 k-m生存曲線

圖2 風險函數估計

2比例風險模型回歸

將樣本數量設置為n，觀測i得到()，將生存時間設為，結尾指示變量定義為，占，反之，是m維的行變量，定義的是第i個觀測的m的協變量。通常Cox比例風險回歸模型的表達式為：

下表是對比例風險模型的回歸結果，需要注意的是，這里的估計系數表示的是每變化一單位，其對于企業的生存風險回歸系數產生多大的影響。若回歸系數大于0，則表示該變量增大企業的生存風險。若回歸系數小于0，則表示該變量減小了企業的生存風險。模型(1)只是對于房價的回歸，模型(2)是加入控制變量后的回歸。通過模型(1)可以知道，高房價可以顯著的降低企業了生存風險。加入了控制變量后，該回歸依舊顯著，結果穩健。通過模型(1)(2)的估計結果可以說明，高房價將降低企業的生存風險。

表1 房價與企業生存風險的Cox 模型估計結果

Standardized beta coefficients;Standard errors in parentheses

*p< 0.05,**p< 0.01,***p< 0.001

四、結論

從整體經濟發展來看，中國自從改革開放以來經濟得到了高速發展，并于2009年成為世界第二大經濟體，在這樣的宏觀背景下，中國的房地產行業也得到了迅速發展，商品房成交價不斷上升。那么，房價的不斷上漲，高房價對于微觀企業的生存風險有著怎樣的影響。為此，本文通過研究2001-2007年的微觀企業數據，通過控制一系列發控制變量考察高房價對于企業生存的影響。研究發現，就整體而言，高房價對于企業生存有著顯著的正向影響，這便意味著與一般研究不同，位于高房價的企業對于企業的生存風險有著明顯的拉動作用。不過風險函數估計顯示，高房價存在一個門閥值，當房價超過這個門閥值時，這種拉動作用將逐漸降低，并最終歸于0。對于房價對于企業生存風險的拉動作用，這說明中國房地產的獨特性，企業多以勞動密集型為主。在國內整體居民儲蓄率過高的情況下，房地產業的高速發展會增加房地產企業的投資，增加整個市場的投資水平。同時，由于土地拍賣是地方政府占比極大的財政收入，地方政府可以充分利用這一收入完善地方基礎設施建設，改善與提高企業的生存概率。