我國城市基礎設施對房價影響的區域差異
——基于動態面板差分GMM模型的經驗研究

向為民，李新剛

(1.重慶工商大學 管理學院，重慶 400067；2.重慶理工大學 經濟金融學院，重慶 400054)

一、引言

近年來，作為中國經濟支柱的房地產業正面臨房價暴漲、區域差距持續擴大的問題。根據國家統計局的數據，2017年我國各地區房價出現了不同程度的上升，全國房價平均上漲10.86%，其中有15個地區房價漲幅超出全國平均水平，個別地區如海南、重慶等漲幅甚至超過20%(1)http://www.stats.gov.cn.。房價的區域波動差異在帶來房價極大的投機空間的同時亦促使房地產背離其基本居住屬性，導致房地產業結構失衡、資源配置扭曲并損害國民經濟。黨的十九大明確提出“房子是用來住的，不是用來炒的”，要加快建立多主體供給、多渠道保障、租購并舉的住房制度，讓全體人民住有所居，著重強調了房地產的居住屬性。因此，因城施政保障房地產價格平穩，讓房地產回歸居住屬性，成為當前房地產政策關注的重點。

與此同時，各大城市在與房地產發展緊密聯系的城鎮化建設中也面臨著如何穩定房地產價格、防范房地產市場風險，進而促進房地產市場可持續發展的問題。其中，基礎設施作為推進城鎮化建設的重要一環，既是經濟發展的先決條件，又是改善人民生活的必要手段，對房地產價格波動的影響尤為關鍵。一方面，基礎設施能夠通過占用商品房開發土地面積來影響房地產市場的供給。另一方面，基礎設施的完善可提升區域房地產吸引力，從而增加投資者對住房的居住和投機需求。那么，城市基礎設施建設究竟多大程度影響房地產價格？房價區域差異波動與城市基礎設施差異化建設到底有無關聯？基于這些問題，本文將重點考察城市基礎設施對房價的影響及其區域差異，并探討造成區域差異的原因，力求為我國因地制宜實施差異化房價調控政策提供參考。

二、文獻回顧

房價的非理性上漲和泡沫引爆了2008年席卷全球的金融危機，至今仍有國家深受其害。因此，抑制房價上漲成為國內外學者熱切關注的話題，有關房價影響因素的研究不勝枚舉。Bischoff認為收入和房地產價格之間存在相互的正向影響[1]。Marco對意大利米蘭的研究發現道路收費能夠促使覆蓋范圍內房地產價格下降[2]。Boennec等從法國南特居民選擇住宅入手研究了空氣污染和噪音對房價的影響[3]。

國內學者基于我國房地產市場發展經驗，從不同視角對房價影響因素進行了研究。況偉大通過構建住房市場比較動態均衡模型發現，理性預期對房價的作用弱于適應性預期、上期房價對本期房價具有較大的影響[4]。甘霖等從房價與地價的結構關系出發，驗證了往期地價對當期房價存在推動作用[5]。向為民等發現無論長期還是短期，銀行信貸規模與房價波動均互為因果關系[6]。

伴隨城鎮化的快速推進與房價急劇攀升，有關城鎮化與房價之間關系的研究漸入學者視野。范劍勇等[7]、張延等[8]均認為城鎮化對房地產價格具有顯著的積極影響。楚爾鳴等進一步研究發現城鎮化既可直接促進產業結構升級，也能通過房價體現出顯著的中介效應[9]。王鶴等從空間計量方法的應用方面研究了城鎮化對房價影響的直接效應和間接效應[10]。

基礎設施建設水平與城鎮化發展質量密切相關，目前學術界已有文獻研究城市基礎設施與房價之間的關系。王洪衛等采用半對數形式住房價格特征模型，從市區和郊區影響程度的差異性角度檢驗了地鐵站附近的房價溢價效應在城市各區域的異質性特征，發現地鐵對市區和郊區住房價格的影響程度存在顯著差異[11]。梁軍輝等指出地鐵站點、商場、休閑娛樂設施等因素對房價的影響隨距離的增加而減弱[12]。宮徽等發現獨自建設的污水處理廠對周邊房價的抑制作用造成了巨額的價值損失，且距離污水處理廠越近，房價增速抑制情況越明顯[13]。

現有文獻已對眾多影響房價的因素進行了非常有價值的研究，為本文的研究奠定了理論和方法基礎。但是，關于城鎮化與房價之間關系的研究仍存在如下問題：一是現有研究主要著眼于城鎮化人口層面、土地層面對房價的影響效應，鮮有文章基于城鎮化基礎設施層面進行研究。二是我國城鎮化在不同地區發展極不平衡，區域基礎設施建設差異明顯，因此對不同區域房價的研究應立足于這一基本前提。而當前關于基礎設施對房價影響的文獻尚無探討區域異質性問題，難以真實反映基礎設施對房價影響的區域差異。

因此，本文運用我國31省市2005—2017年的面板數據，對全國層面和東、中、西部3個地區進行實證分析，并進一步考察全國35個不同類別城市的差異，全面研究城市基礎設施對房價的影響及其區域差異。

三、實證分析

(一)變量選取與模型構建

1.房地產價格(price)

參考祝繼高等[14]的做法，采用商品房平均銷售價格(元/平方米)來表示房地產價格。

2.基礎設施

基礎設施是指為社會生產和居民生活提供公共服務的物質工程設施，包含的內容和形式多樣，主要包括能源動力設施、供水污水處理設施、道路交通設施、郵電通信設施及生態環保設施等，本文從這5個方面分別選取相應指標。

(1)能源動力設施(dec)。采用城鎮居民人均年生活用電量(千瓦時/人)指標，具體指城鎮人口生活用電總量與區域內城鎮人口總量(常住人口口徑)之比。

(2)供水污水處理設施(wsl)。采用城鎮范圍內供水管道長度(萬公里)、污水日處理能力(萬立方米)指標。供水管道長度是指從送水泵至用戶水表之間所有管道的長度，污水日處理能力是指每晝夜處理污水量的設計能力。

(3)道路交通設施(pra)。采用人均擁有道路面積(平方米/人)指標，具體指城鎮區域內平均每人擁有的道路面積。

(4)郵電通信設施(pv)。采用移動電話交換機容量(萬戶)指標，具體指移動電話交換機根據一定話務模型和交換機處理能力計算出來的最大同時服務用戶的數量。

(5)生態環保設施(pga)。采用人均公園綠地面積(平方米/人)指標，具體指報告期末區域內平均每人擁有的公園綠地面積，為區域內公園綠地面積與城鎮人口總量之比。

3.控制變量

(1)土地供應量(sol)。房地產開發企業獲得土地的多少直接決定房地產開發面積的大小，進而影響商品房供給總量。本文用房地產開發企業購置土地面積(萬平方米)來衡量土地供應量。

(2)居民收入水平(ril)。居民收入水平的提高一定程度上增強了購買力，擴大了人們對住房的需求，從而推動了房價上漲。本文采用城鎮居民人均可支配收入(元)代表居民收入水平。

(3)貨幣政策(blr)。貨幣政策對房地產開發投資和房價均產生顯著的影響。本文以央行5年期以上貸款基準利率年末值來表示貨幣政策。

(4)房地產信貸規模(bls)。參考梁云芳等[15]的方法，使用房地產資金來源中除自籌資金以外的資金(億元)作為描述房地產信貸規模的指標(2)由于房地產資金來源中除自籌資金以外的資金大多直接或間接來源于金融機構，因此可以將其作為衡量房地產信貸規模的指標，且其中包含來自外商直接投資(fdi)的資金，故不再單獨設置外商直接投資為控制變量。。

在選定上述變量的基礎上，由于人們過去形成的房價預期可能對本期房價造成影響，我們將房價水平的一階滯后項作為解釋變量來構建DPD模型?？紤]到基礎設施水平與房價可能存在的非線性關系，對各個變量指標進行對數化處理，建立如下回歸模型(3)城鎮化發展水平指標由于與基礎設施、居民收入水平指標存在嚴重的共線性而未被包含在模型中。：

lnpricei,t=β0+β1lnpricei,t-1+β2lndeci,t+β3lnwsli,t+β4lnsci,t+β5lnprai,t+β6lnpvi,t+

β7lnpgai,t+β8lnsoli,t+β9lnrili,t+β10lnblri,t+β11lnblsi,t+μi+εi,t

(1)

其中：i代表省份，t代表年份；lnpricei,t表示房地產價格；lnpricei,t-1表示滯后一期的房地產價格；lndeci,t表示城鎮居民人均年生活用電量；lnwsli,t表示供水管道長度；lnsci,t表示污水日處理能力；lnprai,t表示人均擁有道路面積；lnpvi,t表示移動電話交換機容量；lnpgai,t表示人均公園綠地面積；lnsoli,t表示房地產開發企業購置土地面積；lnrili,t表示居民收入水平；lnblri,t表示貨幣政策；lnblsi,t表示房地產信貸規模；μi表示不隨時間變化的地區固定效應；εi,t表示隨機誤差項。

(二)估計方法

如果回歸模型中含有內生性問題，如本文的居民收入水平與房價之間相互影響引起的內生解釋變量問題，可能會導致傳統的最小二乘(OLS)估計結果不一致。解決內生性問題最常見的兩種方法是工具變量法和廣義矩估計(GMM)方法，工具變量法因未利用所有矩條件，所得估計結果可能是一致的卻不一定有效[16]；廣義矩估計(GMM)方法一方面能夠控制時間固定效應和個體效應，另一方面可以通過使用解釋變量的滯后項作為工具變量來解決解釋變量的內生性問題[17]。因此，眾多學者將廣義矩估計(GMM)方法應用于動態面板模型，該方法具體包括差分GMM和系統GMM，本文的動態面板模型主要采用差分GMM方法,并需要通過擾動項不存在自相關的檢驗和Hansen檢驗(4)Hansen檢驗主要用于判斷工具變量是否有效，其原假設為所選工具變量有效。。由于模型解釋變量較多，易產生過多的工具變量從而導致估計量有偏[18]，因此本文采用了折疊式工具變量(Collapsed Instruments)進行估計。

(三)數據來源

根據國家統計局的分類，除我國香港、澳門和臺灣地區外，我國經濟區域可劃分為東部地區(包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南等11個省市)、中部地區(包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南等8個省市)和西部地區(包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆等12個省市區)。這三大區域城鎮化發展階段與房價水平均存在顯著差異，為本文研究城市基礎設施對房價影響及其區域差異提供了樣本選擇空間，西藏自治區由于部分數據缺失，故從樣本中剔除。從時間跨度上講，由于基礎設施各方面指標近年才擁有統計數據，基于數據的可獲得性，選擇2005—2017年的樣本數據。以上數據來源于《中國統計年鑒》《中國城市經濟年鑒》《中國城市統計年鑒》《中國能源統計年鑒》等統計資料和中國統計局官網，其中少量缺失數據采用插值法進行修正。

(四)描述性統計分析

表1展示了各變量分區域的描述性統計信息?？傮w來看，我國中、西部地區房價水平趨同，遠低于東部地區。城市基礎設施發展水平區域差異較為明顯，東部地區能源動力設施、供水污水處理設施、道路交通設施、郵電通信設施、生態環保設施各方面發展水平均高于中、西部地區，尤其是供水污水處理設施(東部污水日處理能力數據為6.230 4，明顯高于西部的5.073 4)方面，東、西部差距較為明顯。

(五)單位根檢驗

為避免建模時出現“偽回歸”，需要對變量進行單位根檢驗，來考察其序列平穩性。綜合運用LLC(Levin-Lin-Chu)檢驗、IPS檢驗(Im-Pesaran-Shin)、ADF-Fisher檢驗、PP-Fisher檢驗方法對面板數據進行單位根檢驗，檢驗結果見表2。由表2可知，所有變量均為平穩序列，可直接進行回歸分析。

表1 變量的描述性統計

表2 各變量單位根檢驗結果

注：括號內為P值；***、**、*分別指在1%、5%、10%水平上拒絕有單位根的原假設

(六)回歸分析

1.全國層面的估計結果

考慮模型中存在的內生解釋變量問題，我們采用動態面板GMM估計方法對回歸方程進行估計，為有效觀測解釋變量對被解釋變量影響的穩健性，逐個加入控制變量對式(1)進行回歸，回歸結果見表3。可以看出，模型1—模型4中，Wald檢驗的p值均為0，說明模型回歸結果是顯著的；AR(1)的p值小于0.1，AR(2)和Hansen檢驗的p值均大于0.1，說明選擇的工具變量(5)限于篇幅，僅匯報模型4差分GMM估計選取的工具變量，即房價的滯后3階、土地供應量的滯后4—5階、居民收入水平的滯后3—5階。有效。

表3 全國層面動態面板差分GMM與系統GMM估計結果

注：括號內數值為z值，***、**、*分別指在1%、5%、10%的水平上顯著

從表3可見，房地產價格滯后一期對當期房地產價格存在明顯的正向影響，這種影響效應在5%水平上顯著，表明全國范圍內人們過去形成的房價預期會影響本期房價。上期房價愈高，人們愈傾向于預期本期房價上漲，因而會增加對房地產的需求，進而促進房價上漲。

基礎設施各變量均對房價產生影響。其中，城鎮居民人均年生活用電量對房價的影響系數在5%的水平上顯著為正，表明能源動力設施對房價具有顯著的正向影響。能源動力設施發達的區域經濟發展水平通常較高，房價水平也較高。在模型4中，供水管道長度系數為正且不顯著，污水日處理能力系數為負、顯著性同樣較低，說明供水污水處理設施對房價影響不夠明顯。人均道路面積對房價的影響系數均在10%的水平上顯著為負，可見道路交通設施對房價具有明顯的抑制作用。分析可知，城市人均道路面積較大的區域一般為人口少、經濟發展水平差的郊區，因此道路交通設施水平高的區域房價較低。移動電話交換機容量對房價的影響系數顯著為正，說明郵電通信等配套設施完善的區域更受投資者青睞，郵電通訊設施的提高對房價具有促進作用。人均公園綠地面積對房價影響系數顯著為負，這說明生態環保設施提高并沒有引起房地產需求的“膨脹”，推動房價上漲，可能是城市擁有的公園綠地面積受限于土地容量而不能無限增加，而人口卻時刻都在流動，因此人均公園綠地面積較大的地區可能因為人口流失而難以有效地刺激購房需求，導致房價較低。

房地產開發企業購置土地面積對房價影響系數顯著為負，表明土地供應量對房價具有緩沖作用。土地供應面積上升推動房地產企業開發的商品房數量增加，從而可能因供給過高而導致房產閑置、房價下跌。城鎮人均可支配收入對房價的影響系數較小且不顯著，說明居民收入水平對房價的影響不夠明顯。銀行5年期以上貸款利率對房價的影響系數在1%的水平上顯著為正，體現了貨幣政策對房價具有明顯的驅動作用。銀行貸款利率上升可能增加房地產開發企業的成本負擔，進而推動房價上漲。房地產信貸規模對房價的影響系數顯著為正，表明房地產信貸規模會對房價產生顯著的促進作用，這與已有文獻的研究結論一致。

2.穩健性檢驗

根據roodman[19]的分析，混合效應和固定效應估計值決定了被解釋變量一階滯后項真實估計值的上界和下界。因此，差分GMM模型估計的被解釋變量一階滯后項只需介于固定效應和混合效應估計值之間，即表明模型是穩健的。限于篇幅，僅對模型4(表3)進行穩健性檢驗。由模型4可知，房價滯后一階的系數為0.602 4，高于固定效應的0.546 5且低于混合效應的0.952 8，表明模型是穩健的。

廣義矩估計的另一種方法是系統GMM(6)進行系統 GMM 估計時，加入較多的解釋變量會產生過多的工具變量。因此，我們在回歸方程中逐個加入lnsoli,t、lnrili,t、lnblri,t、lnblsi,t4個控制變量進行估計。，與差分GMM相比，其優點是能夠提高估計的效率，缺點是必須額外地假定被解釋變量的一階差分滯后項與個體效應不相關[20]。表3同樣列出了系統GMM的估計結果，可以看出，被解釋變量的滯后一期始終顯著且系數符號與差分GMM估計結果一致，可見差分GMM模型較為穩健。同時，系統GMM估計結果均沒有通過Hansen檢驗，且基礎設施各變量對房價影響均不顯著，說明本文的樣本可能并不滿足使用系統GMM估計的前提。

3.區域層面的估計結果

考慮到東、中、西部地區經濟發展的差異性，選取城市基礎設施建設的5個主要方面，分別從這3個區域出發，利用動態面板差分GMM模型分析東、中、西部地區基礎設施對房價影響的區域差異，回歸結果如表4所示。

表4顯示，分區域的回歸模型比較顯著，干擾項不存在自相關，工具變量的選擇也較為合適。不同地區房價滯后一期均對當期房價產生巨大的推動作用。估計系數都在1%的水平上顯著，再次說明過去形成的房價預期對當期房價影響巨大。從回歸系數看，不同區域投資者的房價預期對當期房價影響存在一定差異。

無論是東部、中部還是西部，能源動力設施都與房價呈現正相關關系，但東、西部地區并不顯著，這可能是由于房地產市場缺乏與能源動力設施的響應機制，導致房屋空置率較高。從系數大小來看，不同區域能源動力設施對房價的影響存在顯著差異。供水污水處理設施對東部房價具有抑制作用，對中部房價具有促進作用，對西部房價影響尚不明顯。受城鎮化水平偏低、供水污水處理設施仍不夠完善的影響，西部地區供水污水處理設施對房價影響較弱。道路交通設施對東、西部房價影響顯著為負，對中部房價影響為正卻不顯著。說明東、西部地區道路交通設施發達的區域房價一般較低，這與全國層面結論一致，中部地區道路交通設施對房價的影響不明顯。郵電通信設施對東部房價影響系數為負且未通過顯著性檢驗，對中、西部影響系數顯著為正，同樣可能是由于東部地區郵電通信設施與房價之間缺乏響應機制。生態環保設施對東、西部房價具有負向影響，對中部房價影響為正，但僅對東部影響系數較為顯著。可能是城鎮化建設水平差異導致東部地區人工綠地資源較中、西部地區更為豐富，因而對房價的影響更加突出。

土地供應量、居民收入水平、貨幣政策、房地產信貸規模對房價的影響也存在明顯的區域差異。土地供應量對東、中、西部房價均產生負向影響，但只有西部地區顯著，可能是中國土地面積的區位分布不均衡，西部地區明顯土地供應量較多，房價較低。居民收入水平對3個地區房價影響均為正，但只有西部地區顯著，且系數明顯大于東、中部地區，這可能是由于西部地區房價與居民收入水平之間的差距低于東、中部地區，導致人均收入的提高更能刺激住房需求，進而推動房價。貨幣政策對東、中、西部地區房價均具有促進作用，但是對3個區域的影響效應卻明顯不同，貨幣政策對西部房價驅動作用最明顯，其次是中部，最后是東部。房地產信貸規模對東、中、西部房價均具有顯著的正向影響，這與全國層面的結論相吻合，其中房地產信貸規模對東部房價影響最為顯著。

表4 區域層面差分GMM估計結果

注：括號內數值為z值，***、**、*分別指在1%、5%、10%的水平上顯著

4.不同類別城市層面的估計結果

在區域層面分析的基礎上，選取全國35個主要城市，根據《第一財經周刊》發布的《中國城市商業魅力排行榜》將其劃分為一線、新一線、二線、三線城市(7)一線城市包括北京、上海、廣州、深圳；新一線城市包括成都、杭州、重慶、武漢、西安、天津、南京、鄭州、長沙、沈陽、青島、寧波；二線城市包括昆明、大連、廈門、合肥、福州、哈爾濱、濟南、長春、石家莊、南寧、貴陽、南昌、太原、烏魯木齊、蘭州；三線城市包括海口、呼和浩特、銀川、西寧。，進一步考察不同類別城市基礎設施對房價影響的差異?；貧w結果如表5所示。

表5 不同類別城市層面差分GMM估計結果

注：括號內數值為z值，***、**、*分別指在1%、5%、10%的水平上顯著

由表5可知，上年房價對本年房價仍具有顯著的影響。從影響系數看，上年房價對一線、新一線、二線城市房價的影響高于對三線城市房價的影響，這符合近年我國城市群發展格局，一線城市人口逐步流向新一線、二線城市，促進了這些城市的繁榮和房價上升，因此這些地區上期房價對本期房價影響較為接近。

能源動力設施對不同類別城市房價影響均為正，但對新一線城市房價影響并不顯著，可能是由于新一線城市能源動力設施與房價之間缺乏“響應”機制。供水污水處理設施僅對一線城市房價產生顯著的推動作用，這可能是二、三線城市由于其城鎮化水平相對較低，房價受供水污水處理設施影響較小。道路交通設施對一線、新一線、二線城市房價影響為負且不顯著，對三線城市房價影響為正，表明三線城市正積極修建地鐵等道路交通設施，因此道路交通設施發達的區域房價也較高。郵電通信設施對一線、新一線、二線、三線城市房價影響系數均為正，但只有三線城市顯著，說明三線城市郵電業較為薄弱，其發展對房價的刺激十分明顯。生態環保設施對一、二、三線城市房價均具有負向影響，對新一線城市房價具有正向影響，但僅對一線城市房價影響較為顯著，分析可能是人口流出導致一線城市人均公園綠地面積上升而房價卻出現下降。

四、結論與政策建議

(一)研究結論

(1)無論是全國層面還是東、中、西部地區的估計結果，均顯示基礎設施對房價產生顯著影響。在全國層面，基礎設施與房價顯著相關，其中能源動力設施、供水污水處理設施與房價顯著正相關,而道路交通設施與房價顯著負相關，且影響結果具有穩健性。

(2)基礎設施對不同區域房價影響呈現空間異質性。其中，能源動力設施對中部房價影響顯著為正，而對東、西部房價影響甚微；供水污水處理設施對東部房價具有抑制作用，對中部房價具有促進作用，對西部房價影響尚不明顯；道路交通設施對東、西部房價具有負向影響，對中部房價影響不顯著；郵電通信設施對中、西部房價均產生推動作用，對東部房價影響不顯著；生態環保設施對東部房價影響顯著為負，而對中、西部房價影響不顯著。

(3)基礎設施對不同類別城市房價影響具有顯著差異。其中，能源動力設施對不同類別城市房價影響均為正，但對新一線城市房價影響并不顯著；供水污水處理設施僅對一線城市房價產生顯著的推動作用；道路交通設施對一線、新一線、二線城市房價影響為負且不顯著，對三線城市房價影響顯著為正；郵電通信設施對不同類別城市房價影響系數均為正，但只有三線城市顯著；生態環保設施對一、二、三線城市房價具有負向影響，對新一線城市房價具有正向影響，但僅對一線城市房價影響較為顯著。

(二)政策建議

城鎮化的建設要與房地產市場的平穩運行相輔相成，本文運用動態面板差分GMM模型研究了我國城市基礎設施對房價的影響及其區域差異。根據實證分析結論，提出如下建議：

1.完善城市配套基礎設施建設

黨的十九大報告指出，要繼續推進新型城鎮化建設，提高城鎮發展質量。因此，要加快完善城市配套基礎設施，使之與城鎮化發展水平和房價水平相適應。首先，在規劃和建設新城鎮時，應充分考慮能源動力設施、供水污水處理設施、郵電通信設施及生態環保設施等配套基礎設施的匹配，使得房地產價格不同的區域均可以享受到基本的便民服務，避免高收入者占用過多配套基礎設施資源而造成分配不平等，引起社會矛盾加劇。其次，在加強保障性住房建設的同時也要及時推進配套基礎設施的完善，使住房保障政策能夠行之有效。

2.推進城市基礎設施差異化建設

考慮到中國基礎設施區域發展不平衡使得基礎設施對房價影響存在明顯的區域差異，在制定基礎設施相關的政策時，應根據不同區域基礎設施建設的具體狀況，積極推進城市基礎設施差異化建設。房價過高的東部地區應加快郊區道路交通設施建設和主城區企業搬遷，這實質上能夠提高全城的道路交通設施水平并有利于房價的合理調控，同時要繼續加強供水污水處理設施建設及城市綠化。中、西部地區應將發展區域經濟、完善基礎設施和穩定房價協同推進，以促進該地區房地產業健康發展。

3.統籌推進不同類別城市基礎設施建設

當前我國城市群格局日漸形成，隨著城市群內部聯系愈加緊密，城市基礎設施的建設將不僅影響本地區房價，對周邊城市房價的作用也日漸凸顯。城市群內不同城市之間應加強區際合作，避免“零和博弈”，統籌推進相關城市的基礎設施建設從而更有效地調控房價。如“京津冀”城市群的北京和石家莊，石家莊應盡快推動各項基礎設施的完善，才能順利完成承接北京產業轉移的重任進而影響北京地區的房價。