房地產(chǎn)投資對行業(yè)全要素生產(chǎn)率的影響

[摘"要]基于2005-2017年294個地級市的面板數(shù)據(jù)，分析在以信貸發(fā)展水平為中介的情境下，房地產(chǎn)投資對我國行業(yè)全要素生產(chǎn)率的影響。結(jié)果表明：在全國層面，信貸是房地產(chǎn)投資通過擠占效應(yīng)抑制全要素生產(chǎn)率增長的重要中間媒介，三者之間存在顯著的不完全中介效應(yīng);在分區(qū)域?qū)用?，房地產(chǎn)投資對全要素生產(chǎn)率的直接影響和間接影響存在顯著的區(qū)域差異性，但總體作用的趨勢是一致的。

[關(guān)鍵詞]房地產(chǎn)投資;全要素生產(chǎn)率;信貸發(fā)展水平;中介效應(yīng)

[中圖分類號]F293.3"[文獻(xiàn)標(biāo)識碼]A"[文章編號]1008—1763（2020）05—0062—09

Abstract：Based on the panel data of 294 prefecture level cities in 2005-2017， this paper analyzes the impact of real estate investment on TFP in the context of "credit development level as an intermediary. The results show that： at the national level， credit is an important intermediate medium for real estate investment to restrain the growth of TFP through the crowding effect， and there is significant incomplete intermediary effect among them; at the regional level， there are significant regional differences in the direct and indirect effects of real estate investment on TFP， but the overall trend is consistent with the national trend.

Key words： real estate investment; total factor productivity; "credit development level; intermediary effect

我國福利化分房制度自1998年開始向市場化方向轉(zhuǎn)變，由此我國住房市場得以迅猛發(fā)展。住宅商品房平均售價由1998年的1854元/m2增加到2017年的8336.42元/m2，總漲幅高達(dá)350%，并且始終保持在高位水平，越來越多的人淪為“房奴”。2005年至2017年期間，我國房地產(chǎn)開發(fā)年投資額由15909.25億元上升至109798.53億元，房地產(chǎn)開發(fā)國內(nèi)貸款總額由3918.08億元上升至25241.76億元，而經(jīng)濟(jì)增長速度近年來卻逐漸放緩。有學(xué)者指出，中國住房價格的快速上漲及房地產(chǎn)市場規(guī)模的迅速擴(kuò)張制約了全要素生產(chǎn)率的增長[1]。根據(jù)目前我國房地產(chǎn)市場的發(fā)展趨勢，房價持續(xù)增長會吸引越來越多的房地產(chǎn)投資資金。在以銀行金融機(jī)構(gòu)為融資主導(dǎo)的金融體系下，不少信貸資金也以較低成本進(jìn)入房地產(chǎn)市場，導(dǎo)致其他行業(yè)信貸資源被擠占，實(shí)體經(jīng)濟(jì)發(fā)展受到抑制。

一直以來，實(shí)體經(jīng)濟(jì)是惠民生、穩(wěn)增長的核心支撐力量。當(dāng)前，我國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，過快的房價上漲對經(jīng)濟(jì)的負(fù)面影響逐漸顯現(xiàn)，不僅抑制居民消費(fèi)[2]、擠出非房地產(chǎn)行業(yè)投資[3]，還加劇居民收入分配和消費(fèi)的不平衡[4]，甚至阻礙實(shí)體經(jīng)濟(jì)的發(fā)展[5]，實(shí)體經(jīng)濟(jì)與房地產(chǎn)之間的關(guān)系越來越引起重視。實(shí)現(xiàn)實(shí)體經(jīng)濟(jì)可持續(xù)發(fā)展的關(guān)鍵在于如何有效提升全要素生產(chǎn)率。[6]我國用于間接測算全要素生產(chǎn)率的重要指標(biāo)因素——資本、勞動——均和房地產(chǎn)市場有著千絲萬縷的聯(lián)系。因此，厘清房地產(chǎn)與實(shí)體經(jīng)濟(jì)之間的關(guān)系，探討房地產(chǎn)投資對全要素生產(chǎn)率的影響至關(guān)重要。

一""文獻(xiàn)回顧

筆者將從房地產(chǎn)市場與經(jīng)濟(jì)效率、房地產(chǎn)投資與信貸、信貸與經(jīng)濟(jì)效率三方面對現(xiàn)有文獻(xiàn)進(jìn)行梳理總結(jié)。在房地產(chǎn)市場影響經(jīng)濟(jì)效率方面，鄧博文認(rèn)為房地產(chǎn)投資對實(shí)體經(jīng)濟(jì)存在顯著的“擠占效應(yīng)”[7]。陳斌開等從工業(yè)利潤率的角度對兩者進(jìn)行研究，結(jié)合城市與企業(yè)數(shù)據(jù)，發(fā)現(xiàn)房價上漲推高人力成本，降低工業(yè)利潤率，進(jìn)而抑制經(jīng)濟(jì)增長[8]。在具體的房地產(chǎn)投資影響經(jīng)濟(jì)效率的研究方面，已有文獻(xiàn)的觀點(diǎn)按照影響途徑大致分為兩類。1）房地產(chǎn)投資影響技術(shù)進(jìn)步。Miao等從理論層面構(gòu)建兩部門內(nèi)生增長模型，發(fā)現(xiàn)技術(shù)外溢性較弱的部門如果存在資產(chǎn)泡沫，將可能通過流動性緩釋效應(yīng)和資源配置轉(zhuǎn)移效應(yīng)影響企業(yè)創(chuàng)新投入[9]。張杰等將土地供應(yīng)量作為房地產(chǎn)投資增長的工具變量，研究發(fā)現(xiàn)房地產(chǎn)投資增加會顯著抑制工業(yè)部門的創(chuàng)新活動[10]。而李江濤等同樣從創(chuàng)新投資的視角進(jìn)行分析，卻發(fā)現(xiàn)房地產(chǎn)投資與工業(yè)全要素生產(chǎn)率之間表現(xiàn)為倒U型[11]。崔瑩瑩等認(rèn)為房價上漲會顯著負(fù)向影響大中城市的創(chuàng)新能力[12]2）。房地產(chǎn)投資影響企業(yè)技術(shù)效率的改善。已有相關(guān)文獻(xiàn)主要圍繞資源配置及市場價格機(jī)制兩方面論述房地產(chǎn)投資影響企業(yè)技術(shù)效率的改善。陳斌開等發(fā)現(xiàn)經(jīng)濟(jì)效率低的產(chǎn)業(yè)市場占比會隨房地產(chǎn)行業(yè)快速發(fā)展而增加，造成資源錯配，進(jìn)而在長期內(nèi)降低市場資源配置效率[13]。王文春等、李天祥等均發(fā)現(xiàn)，異常繁榮的房地產(chǎn)市場會吸引大量融資，房價因此上漲引起要素價格上升，影響企業(yè)的技術(shù)效率[14-15]。

在房地產(chǎn)投資與信貸關(guān)系的研究方面，學(xué)者主要從信貸規(guī)模和風(fēng)險的角度著手，認(rèn)為房地產(chǎn)投資增長會吸引信貸支持，同時也會加大市場信貸風(fēng)險。1）在信貸規(guī)模方面，黃靜基于Granger因果方法檢驗(yàn)，認(rèn)為房地產(chǎn)投資增長會導(dǎo)致房地產(chǎn)信貸的增加，但信貸擴(kuò)張并不是房地產(chǎn)投資增長的Granger原因[6]。究其原因，劉京軍等認(rèn)為這得益于房地產(chǎn)市場較高的投資收益性和房產(chǎn)抵押物的優(yōu)質(zhì)性，同時他指出房地產(chǎn)信貸規(guī)模的擴(kuò)大會擠占其他企業(yè)收益率[17]。2）在風(fēng)險聯(lián)系方面，Senhadji等考察過度放貸、房價周期和亞洲金融危機(jī)之間的關(guān)系，認(rèn)為銀行過度放貸導(dǎo)致房價迅速上漲，投資回報高漲，一旦經(jīng)濟(jì)增長受阻，會發(fā)生投資者情緒逆轉(zhuǎn)、財(cái)務(wù)報表惡化，最終導(dǎo)致信貸危機(jī)[18]。況偉大也認(rèn)為房價對房地產(chǎn)信貸的影響大于經(jīng)濟(jì)增長和利率對其的影響，一旦房價下跌，信貸嚴(yán)重萎縮，可能誘發(fā)信貸風(fēng)險和房地產(chǎn)金融危機(jī)[19]。3）在房價與信貸方面，學(xué)者們基于不同的研究方法發(fā)表了不同的觀點(diǎn)。Goodhart等、鄭忠華等發(fā)現(xiàn)信貸資金支持會顯著推動房價上升[20-21]。譚政勛等進(jìn)一步研究認(rèn)為，這種效果只存在于短期內(nèi)[22]。而Che等卻認(rèn)為這種顯著的推動關(guān)系僅存在于長期內(nèi)[23]。此外，信貸對房價的影響體現(xiàn)出區(qū)域性差異，這與地區(qū)經(jīng)濟(jì)發(fā)展水平相關(guān)[24-25]。李莉基于東、中、西部的省份劃分，認(rèn)為銀行信貸對于東部房價影響更顯著[26]。宋勃等從城市劃分的角度發(fā)現(xiàn)二線城市銀行信貸對房價的影響比一線城市更顯著[27]。郭培利等認(rèn)為一、二線城市銀行信貸正向影響房價，三線城市負(fù)向影響[28]。不同于以上學(xué)者的觀點(diǎn)，馬勇等認(rèn)為在房地產(chǎn)信貸規(guī)模低的區(qū)域，信貸對房價的影響力有限[29]。向宇等認(rèn)為金融信貸增加與房價上漲之間沒有太大的聯(lián)系[30]。

在信貸發(fā)展與經(jīng)濟(jì)效率的研究方面，金成曉等基于馬爾可夫區(qū)制轉(zhuǎn)移向量自回歸模型，發(fā)現(xiàn)信貸增長率與經(jīng)濟(jì)增長率的相關(guān)性會隨著經(jīng)濟(jì)周期階段的不同發(fā)生變化[21]。白欽先等發(fā)現(xiàn)信貸擴(kuò)張顯著推動經(jīng)濟(jì)增長[32]。這種促進(jìn)效應(yīng)會從信貸規(guī)模和資源配置效率兩個方面發(fā)揮作用。趙振全等發(fā)現(xiàn)金融發(fā)展對經(jīng)濟(jì)增長的促進(jìn)作用主要是通過信貸總量的不斷擴(kuò)張[33]。李青原等基于實(shí)體經(jīng)濟(jì)運(yùn)行的視角，構(gòu)建信貸比指標(biāo)衡量金融發(fā)展程度，發(fā)現(xiàn)信貸會促進(jìn)實(shí)體經(jīng)濟(jì)資源配置效率的提高[34]。

梳理總結(jié)相關(guān)文獻(xiàn)發(fā)現(xiàn)，基于信貸視角探索房地產(chǎn)投資影響全要素生產(chǎn)率增長的研究寥寥無幾。因此，本文采用中介效應(yīng)模型，在分析房地產(chǎn)投資擴(kuò)張對全要素生產(chǎn)率增長影響的基礎(chǔ)上，將信貸變量引入模型，從信貸規(guī)模和信貸效率兩個維度考察房地產(chǎn)投資對全要素生產(chǎn)率的中介效應(yīng)影響，并基于東部、中西部的地區(qū)劃分進(jìn)行區(qū)域差異化分析。

二"理論分析

（一）房地產(chǎn)投資影響信貸供需的機(jī)制

1.財(cái)富效應(yīng)

如圖1所示，房地產(chǎn)投資通過“財(cái)富效應(yīng)”影響信貸規(guī)模。房地產(chǎn)天然優(yōu)良的抵押物屬性和保值增值功能會吸引信貸資源配給。一方面，房地產(chǎn)投資擴(kuò)張必然伴隨房地產(chǎn)市場規(guī)模的擴(kuò)大。金融機(jī)構(gòu)在過于樂觀的房地產(chǎn)市場環(huán)境下過度放貸，即使存在信貸風(fēng)險，但仍能通過抵押資產(chǎn)緩解由此產(chǎn)生的經(jīng)濟(jì)負(fù)向影響。而且，銀行發(fā)放信貸的數(shù)量取決于抵押物價值，一些金融機(jī)構(gòu)甚至?xí)Ω叩盅簝r值品的所有者主動供貸。另一方面，擴(kuò)張的房地產(chǎn)市場對于投機(jī)者來說更加有利可圖，于是房地產(chǎn)市場投資需求增加，帶動信貸資金需求的增加。投資者還可以充分利用信貸擴(kuò)張時經(jīng)濟(jì)中的財(cái)務(wù)杠桿優(yōu)勢提高企業(yè)效益，增強(qiáng)企業(yè)信貸能力。

2.成本效應(yīng)與帶動效應(yīng)

房地產(chǎn)投資通過“成本效應(yīng)”和“帶動效應(yīng)”影響信貸效率。一方面，由于房地產(chǎn)投資具有經(jīng)濟(jì)資源占比高、周期長等屬性，隨著房地產(chǎn)市場投資增加帶來的市場規(guī)模擴(kuò)張，新企業(yè)進(jìn)入房地產(chǎn)市場成本被拉高，資金會流向其他高效益部門，促使金融機(jī)構(gòu)信貸資金配置效率提高;另一方面，房地產(chǎn)投資具有較強(qiáng)的行業(yè)帶動性，房地產(chǎn)投資的增加能直接帶動上下游行業(yè)，諸如建筑、建材、冶金、家具、電器等的發(fā)展，進(jìn)而提高信貸資金配置效率，吸引更多的信貸支持。此外，房地產(chǎn)投資增加帶來的資產(chǎn)增值會吸引信貸支持，金融支持的增加使房價上漲，進(jìn)而資金在房地產(chǎn)市場的信貸效率也會提升。

（二）基于信貸中介影響全要素生產(chǎn)率的機(jī)制

1.錯配效應(yīng)

如圖2所示，房地產(chǎn)投資帶來的資產(chǎn)價值上升會產(chǎn)生“錯配效應(yīng)”。資源錯配產(chǎn)生于價格信號的扭曲或者要素流動的阻礙，如果行業(yè)部門間資源配置合理，將提升整個經(jīng)濟(jì)體系的全要素生產(chǎn)率，反之，將抑制全要素生產(chǎn)率的增長。房地產(chǎn)行業(yè)屬于典型的資金密集型行業(yè)，房地產(chǎn)投資增加帶來的房價過快上漲會扭曲住房價格，而且，房價上漲抬高房地產(chǎn)行業(yè)利潤率，吸引逐利性企業(yè)增加對房地產(chǎn)市場的投資，使信貸資源向高利潤和低效率企業(yè)流動，造成資源錯配。同時，國有企業(yè)依靠自身優(yōu)勢獲取信貸資金用于房地產(chǎn)投資，這在信貸擴(kuò)張背景下加重了對非房地產(chǎn)行業(yè)融資約束程度，進(jìn)而導(dǎo)致實(shí)體經(jīng)濟(jì)資源配置效率降低，阻礙技術(shù)外溢性部門全要素生產(chǎn)率的提升。此外，若經(jīng)濟(jì)體系存在較多的金融摩擦，會增加企業(yè)融資約束，導(dǎo)致信貸資源配置效率的損失，進(jìn)一步滯后經(jīng)濟(jì)全要素生產(chǎn)率的提升。

2.擠占效應(yīng)

房地產(chǎn)投資增加會對其他行業(yè)產(chǎn)生“擠占效應(yīng)”。房地產(chǎn)投資過快增長會通過金融體系的貸款行為，抑制工業(yè)部門的創(chuàng)新活動。一方面，房地產(chǎn)投資增加帶來的房地產(chǎn)業(yè)擴(kuò)張會占用更多的信貸資源，加大其他工業(yè)企業(yè)貸款難度。同時，房地產(chǎn)投資帶來的非理性擴(kuò)張會直接推高要素價格，擠占其他企業(yè)技術(shù)創(chuàng)新型投入，不利于工業(yè)企業(yè)引進(jìn)先進(jìn)設(shè)備、開發(fā)新產(chǎn)品、發(fā)展新技術(shù)等，進(jìn)而抑制全要素生產(chǎn)率的提高。另一方面，飆升的房價會阻礙企業(yè)的管理創(chuàng)新，甚至引發(fā)企業(yè)家的尋租行為。這不僅嚴(yán)重阻礙企業(yè)的生產(chǎn)與組織創(chuàng)新，也嚴(yán)重扭曲了企業(yè)家創(chuàng)新行為?！皵D占效應(yīng)”還將導(dǎo)致經(jīng)濟(jì)資源配置難以顧及技術(shù)外溢部門，進(jìn)而抑制整個社會生產(chǎn)效率的進(jìn)步。

三"研究設(shè)計(jì)

（一）模型構(gòu)建

中介效應(yīng)是指自變量X對因變量Y的影響是通過一個或多個中間變量M實(shí)現(xiàn)的，此時，稱M為中介變量。以聯(lián)立方程組的形式對自變量X、中介變量M和因變量Y之間的關(guān)系加以形象的描述，具體方程如下：

其中，Y為因變量全要素生產(chǎn)率;X為自變量房地產(chǎn)投資;M為中介變量信貸;K為控制變量;α1、α2、α3為各方程常數(shù)項(xiàng);β為控制變量回歸參數(shù);μ1、μ2、μ3為方程的隨機(jī)誤差項(xiàng)。

本文目的是研究房地產(chǎn)投資對全要素生產(chǎn)率的影響，包括直接效應(yīng)和中介效應(yīng)。c為房地產(chǎn)投資對全要素生產(chǎn)率的總效應(yīng)，c1為直接效應(yīng)，a*c2為經(jīng)房地產(chǎn)信貸對全要素生產(chǎn)率的中介效應(yīng)。三者之間滿足c=c1+a*c2，即房地產(chǎn)投資對全要素生產(chǎn)率的總效應(yīng)等于直接效應(yīng)與間接效應(yīng)的和。c、a、c2均顯著，則表明存在中介效應(yīng)，此時若c1顯著，則稱房地產(chǎn)投資、房地產(chǎn)信貸和全要素生產(chǎn)率之間存在不完全中介效應(yīng)，即房地產(chǎn)投資對全要素生產(chǎn)率的影響僅有部分是通過信貸來實(shí)現(xiàn)。否則，存在完全的中介效應(yīng)。

（二）變量選取及說明

1.被解釋變量：全要素生產(chǎn)率（TFP）。考慮到全要素生產(chǎn)率不等同于技術(shù)進(jìn)步率，本文按房地產(chǎn)投資影響全要素生產(chǎn)率的途徑將全要素生產(chǎn)率分解成了技術(shù)進(jìn)步（Te）和技術(shù)效率改進(jìn)（Eff）。

潛在產(chǎn)出法考慮到資源分配和利用效率，將全要素分解成技術(shù)進(jìn)步和技術(shù)效率改進(jìn)進(jìn)行測算，符合本文實(shí)證的基本思想。在技術(shù)進(jìn)步的計(jì)算中，隱形變量法將技術(shù)進(jìn)步率作為獨(dú)立的狀態(tài)變量，在一定程度上可以排除可能造成估算偏誤的因素，而且其對數(shù)據(jù)平穩(wěn)性的嚴(yán)格要求使估計(jì)結(jié)果更加精準(zhǔn)，因此采用隱形變量法測得技術(shù)進(jìn)步（At）。基于C-D生產(chǎn)函數(shù)，且假設(shè)規(guī)模收益不變，則觀測方程如式（4），狀態(tài)方程如式（5），其中ρ為自回歸系數(shù)，εt為白噪聲，Y、A、K、L分別表示產(chǎn)出、技術(shù)進(jìn)步率、資本數(shù)量及勞動數(shù)量，α為資本產(chǎn)出的彈性系數(shù)。利用狀態(tài)空間模型，通過最大似然估計(jì)估算。需要考慮到的是在分析空間狀態(tài)模型前，需要對經(jīng)濟(jì)產(chǎn)出Y、勞動力及資本存量進(jìn)行平穩(wěn)性檢驗(yàn)及協(xié)整檢驗(yàn)。本文使用ADF單位根檢驗(yàn)，發(fā)現(xiàn)各項(xiàng)指標(biāo)都沒有通過單位根檢驗(yàn)，于是對原始序列進(jìn)行一階差分再做單位根檢驗(yàn)，發(fā)現(xiàn)原始序列一階差分后變得平穩(wěn)，因而使用一階差分后的數(shù)據(jù)帶入空間狀態(tài)模型，利用計(jì)量軟件得到α為0.784，ρ為0.945。

技術(shù)效率改進(jìn)一般用產(chǎn)出缺口度量。根據(jù)對比，我們選用HP濾波法進(jìn)行計(jì)算。HP濾波方法的基本思路是將經(jīng)濟(jì)產(chǎn)出時間序列分解成趨勢成分Gt和周期成分Ct，Ct即為產(chǎn)出缺口，Gt為潛在產(chǎn)出。按照HP濾波方法在樣本期內(nèi)使式（7）最小化得到技術(shù)效率。其中，λ決定著趨勢要素對實(shí)際序列的跟蹤程度和趨勢光滑度之間的權(quán)衡選擇，趨勢成分和周期成分標(biāo)準(zhǔn)差的比值為最優(yōu)取值。

2.主要解釋變量：房地產(chǎn)投資（Inve）。房地產(chǎn)投資額占同期城市GDP的比重，反映某一年房地產(chǎn)市場資源投入占整個市場資源投入的比例。

3.中介變量：信貸（Cs）。本文使用信貸規(guī)模（Css）和信貸效率（Cse）來衡量，其中信貸規(guī)模（Css）表示城市年貸款總量占同期GDP的比重;信貸效率（Cse）衡量同期貸款與存款間的轉(zhuǎn)換效率，是貸款總額與同期存款總額之比。

4.控制變量：人力資本（Hc）。它主要通過企業(yè)技術(shù)創(chuàng)新及技術(shù)擴(kuò)散來影響全要素生產(chǎn)率，該變量選取的是每萬人中的大學(xué)生數(shù)量。二、三產(chǎn)業(yè)比值（Sti），考慮到影響全要素生產(chǎn)率變動的因素包含產(chǎn)業(yè)結(jié)構(gòu)，所以本文用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)GDP比值來表示。政府財(cái)政支出（Gov），政府會通過財(cái)政手段調(diào)控信貸，同時政府財(cái)政支出會顯著影響經(jīng)濟(jì)發(fā)展水平，因此本文將該變量作為控制變量，由政府財(cái)政支出占同期GDP的比重表示。基礎(chǔ)設(shè)施水平（Road），交通基礎(chǔ)設(shè)施密切影響全要素生產(chǎn)率的變動，城市交通運(yùn)輸水平越發(fā)達(dá)，則地區(qū)資源配置效率越高，進(jìn)而促進(jìn)全要素生產(chǎn)率增長，本文選取城市交通道路建成面積作為衡量指標(biāo)。城市經(jīng)濟(jì)水平（Ue），它是影響地區(qū)信貸發(fā)展水平的重要經(jīng)濟(jì)變量，一般區(qū)域經(jīng)濟(jì)發(fā)展水平越高，對金融規(guī)模尤其是信貸規(guī)模的要求就越高，采用人均GDP來衡量。金融危機(jī)（Cri），政府會在金融危機(jī)時干預(yù)銀行信貸，考慮到2008年金融危機(jī)爆發(fā)，因此本文將金融危機(jī)作為中介控制虛擬變量，除2008年至2010年外，其余年份取值為0。本文選取的2005—2017年的294個地級市數(shù)據(jù)及指標(biāo)計(jì)算所需數(shù)據(jù)來源于中國人民銀行官網(wǎng)、EPS數(shù)據(jù)庫和《中國統(tǒng)計(jì)年鑒》。表1報告了各變量的描述統(tǒng)計(jì)結(jié)果，其中還包含各變量具體的分類。

（三）平穩(wěn)性及協(xié)整檢驗(yàn)

1.平穩(wěn)性檢驗(yàn)

表2描述了LLC、IPS檢驗(yàn)方法獲得的數(shù)據(jù)原序列和一階差分序列單位根檢驗(yàn)結(jié)果。由結(jié)果可知，數(shù)據(jù)為一階單整序列，滿足協(xié)整檢驗(yàn)的前提條件。

2.協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)是考察變量間長期均衡關(guān)系的方法，可以避免非平穩(wěn)序列的偽回歸問題，如果兩個或多個非平穩(wěn)的變量序列，其某個線性組合后的序列呈平穩(wěn)性，則這些變量序列間存在協(xié)整關(guān)系。因此，協(xié)整檢驗(yàn)的前提是同階單整。這里采用Westerlund[35]的多組面板數(shù)據(jù)協(xié)整檢驗(yàn)方法，其中Ga和Gt檢驗(yàn)的原假設(shè)是長期均衡的誤差調(diào)整速度為0（即不存在協(xié)整），備擇假設(shè)為至少有一個組是協(xié)整的;Pa和Pt檢驗(yàn)的原假設(shè)是所有面板數(shù)據(jù)不存在協(xié)整關(guān)系，備擇假設(shè)是所有組視為一個整體是協(xié)整的。表3報告相應(yīng)的結(jié)果，只有Ga檢驗(yàn)的P值不顯著，其他三個均顯著拒絕不存在協(xié)整的原假設(shè)。因此，變量之間存在協(xié)整關(guān)系，具有長期均衡關(guān)系，可以進(jìn)行下述面板回歸。

四"實(shí)證檢驗(yàn)及結(jié)果分析

（一）直接影響全要素生產(chǎn)率

為避免回歸結(jié)果出現(xiàn)偏誤，本文在回歸前對相關(guān)變量進(jìn)行多重共線性檢驗(yàn)（由于篇幅限制未列示），結(jié)果表明各變量之間不存在多重共線性。雖然前文在指標(biāo)選取方法方面已經(jīng)盡可能地排除可能造成偏誤的影響、控制影響全要素生產(chǎn)率的因素，但仍然存在某些因素容易被忽略或難以測量，且這些因素不隨時間而變。本文采用面板固定效應(yīng)模型進(jìn)行回歸，考慮到個體效應(yīng)仍可能以隨機(jī)效應(yīng)的形式存在，我們進(jìn)行Hausman檢驗(yàn)，結(jié)果表明強(qiáng)烈拒絕原假設(shè)，即使用固定效應(yīng)模型。為了在一定程度上緩解遺漏變量內(nèi)生性，這里采用對主要解釋變量取滯后一期，分別采用當(dāng)期和滯后一期數(shù)據(jù)進(jìn)行回歸，第（1）列為滯后一期的結(jié)果。采用滯后期房地產(chǎn)投資作為解釋變量的經(jīng)濟(jì)學(xué)含義是當(dāng)整個行業(yè)面臨經(jīng)濟(jì)環(huán)境變化時，房地產(chǎn)市場難以及時做出生產(chǎn)決策的改變，需要等到下一期才能有針對性地進(jìn)行調(diào)整。

表4中，當(dāng)期和滯后一期的房地產(chǎn)投資對全要素生產(chǎn)率的增長均呈現(xiàn)顯著負(fù)向影響，這符合房地產(chǎn)業(yè)投資通過擠占其他企業(yè)投資從而抑制全要素生產(chǎn)率增長的預(yù)期，房地產(chǎn)投資增加會導(dǎo)致全要素生產(chǎn)率水平降低。除政府財(cái)政支出外，人力資本，二、三產(chǎn)業(yè)比值及交通基礎(chǔ)設(shè)施均正向影響全要素生產(chǎn)率的變動，但是三者的影響效果各不相同。人力資本增加雖然促進(jìn)全要素生產(chǎn)率增長，但卻顯著負(fù)向影響分解出的技術(shù)進(jìn)步。這可能是因?yàn)槿肆Y本主要是靠創(chuàng)新性和創(chuàng)造性促進(jìn)技術(shù)進(jìn)步，而我們以每萬人中大學(xué)生擁有數(shù)量來衡量，并不能真實(shí)地反映創(chuàng)新與創(chuàng)造能力。二、三產(chǎn)業(yè)比值顯著促進(jìn)全要素生產(chǎn)率增長，雖然其對技術(shù)進(jìn)步的影響為負(fù)，但不顯著，說明產(chǎn)業(yè)結(jié)構(gòu)調(diào)整促進(jìn)全要素生產(chǎn)率增長的主要途徑是技術(shù)效率的改進(jìn)，同時也說明我國產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策促進(jìn)經(jīng)濟(jì)增長的有效性。政府財(cái)政支出對全要素生產(chǎn)率及其分解指標(biāo)影響均顯著為負(fù)，說明政府對市場過多的財(cái)政干預(yù)不利于經(jīng)濟(jì)健康發(fā)展。交通基礎(chǔ)設(shè)施的系數(shù)為正但不顯著，交通基礎(chǔ)設(shè)施建設(shè)決定了經(jīng)濟(jì)發(fā)展過程中重要資源轉(zhuǎn)移和分配的效率，這里不顯著可能是數(shù)據(jù)并不能完全衡量道路基礎(chǔ)設(shè)施的建設(shè)水平，在城市化建設(shè)中，基礎(chǔ)建設(shè)經(jīng)常存在建設(shè)比例不當(dāng)、建設(shè)效率低下等減緩經(jīng)濟(jì)發(fā)展的因素。

（二）基于中介變量影響全要素生產(chǎn)率分析

1.房地產(chǎn)投資對信貸的影響

信貸規(guī)模（Css）由貸款總額與同期GDP比值表示。表5中，房地產(chǎn)投資增長會引起總貸款增加，并且其對信貸效率影響顯著為正，這表明房地產(chǎn)投資顯著正向影響信貸發(fā)展水平。城市經(jīng)濟(jì)水平對房地產(chǎn)信貸規(guī)模和信貸效率的影響均為負(fù)，這與相關(guān)學(xué)者的研究預(yù)期有差異，可能是因?yàn)檠芯繑?shù)據(jù)的不同。本文用人均GDP作為衡量城市經(jīng)濟(jì)水平的指標(biāo)，而人均GDP有明顯的時間上升趨勢，這可能導(dǎo)致金融結(jié)構(gòu)發(fā)生改變，例如金融資產(chǎn)更加分散化和多元化，進(jìn)而減少了對房地產(chǎn)信貸的需求。其他變量符合預(yù)期結(jié)果，其中金融危機(jī)導(dǎo)致信貸規(guī)模上升，但卻導(dǎo)致信貸效率下降。另外二、三產(chǎn)業(yè)比值和信貸規(guī)模以及信貸效率均為負(fù)向變動關(guān)系，這可能是由于二、三產(chǎn)業(yè)所占經(jīng)濟(jì)比重與其發(fā)展效率不匹配，即二、三產(chǎn)業(yè)結(jié)構(gòu)不是最優(yōu)。

2.基于信貸中介對全要素生產(chǎn)率的影響

表6中，引入了信貸水平變量后，信貸水平顯著負(fù)向影響全要素生產(chǎn)率，結(jié)合前文分析，表明存在中介效應(yīng)。TFP的第（1）列和第（2）列房地產(chǎn)投資系數(shù)均顯著為負(fù)，系數(shù)絕對值變小，說明房地產(chǎn)投資與全要素生產(chǎn)率之間存在不完全中介效應(yīng)?？刂谱兞拷Y(jié)果顯示，二、三產(chǎn)業(yè)比值仍然顯著促進(jìn)全要素生產(chǎn)率增長，雖然二、三產(chǎn)業(yè)比值對于技術(shù)進(jìn)步的影響是負(fù)的，但不顯著。政府財(cái)政支出對全要素生產(chǎn)率以及其分解指標(biāo)的影響均顯著為負(fù)，但與表4相比，對全要素生產(chǎn)率影響的顯著性有所下降，表明加入信貸變量后，政府財(cái)政支出的負(fù)向影響效應(yīng)會有所收斂。

（三）分區(qū)域?qū)嵶C分析

梳理已有文獻(xiàn)關(guān)于房地產(chǎn)經(jīng)濟(jì)的研究，在借鑒表7的行政區(qū)域劃分標(biāo)準(zhǔn)基礎(chǔ)上，同時考慮到中西部經(jīng)濟(jì)發(fā)展水平相近，與東部地區(qū)存在明顯差異，以及主要解釋變量和中介變量的現(xiàn)狀，本文將區(qū)域劃分為東部和中西部兩部分。

1.房地產(chǎn)投資影響信貸規(guī)模的區(qū)域?qū)用娣治?/p>

表8報告了區(qū)域?qū)用鏀?shù)據(jù)的統(tǒng)計(jì)描述，房地產(chǎn)投資具有明顯的區(qū)域化差異，兩個地區(qū)信貸效率差異明顯大于信貸規(guī)模差異。不過從獨(dú)立樣本檢驗(yàn)的結(jié)果來看，后者的差異更加顯著，所以我們將選用信貸規(guī)模作為區(qū)域?qū)嵶C模型中的中介變量，至于其余控制變量均不變。所有數(shù)據(jù)在分析前均通過平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)。

表9報告了區(qū)域?qū)用娣康禺a(chǎn)投資影響信貸規(guī)模的回歸結(jié)果及中介效應(yīng)回歸結(jié)果。比較表9和表5可以看出，首先，無論是否對數(shù)據(jù)進(jìn)行區(qū)域劃分，房地產(chǎn)投資對信貸規(guī)模的影響方向是一致的。分區(qū)域回歸后其影響系數(shù)變小，這間接說明房地產(chǎn)投資對信貸發(fā)展水平的影響是由區(qū)域到整體的帶動過程，契合經(jīng)濟(jì)發(fā)展現(xiàn)狀。其次，東部影響水平顯著高于全國平均水平。關(guān)于城市經(jīng)濟(jì)水平變量，東部經(jīng)濟(jì)水平更高，帶動更多金融資源流入房地產(chǎn)市場，這可能導(dǎo)致更嚴(yán)重的信貸資源錯配，因此該變量負(fù)向影響信貸規(guī)模的效應(yīng)更強(qiáng)。虛擬變量金融危機(jī)的發(fā)生會使東部信貸規(guī)模擴(kuò)張，中西部信貸減少。這是因?yàn)闁|部金融市場更發(fā)達(dá)，當(dāng)面對金融危機(jī)對東部市場產(chǎn)生的巨大沖擊時，政府出臺寬松的貨幣政策導(dǎo)致信貸規(guī)模急劇擴(kuò)張，在一定程度上擠占了中西部信貸資源。二、三產(chǎn)業(yè)比值與財(cái)政支出，其對信貸規(guī)模的影響與全國層面分析結(jié)果均一致。

2.區(qū)域?qū)用嬷薪樾?yīng)分析

區(qū)別于全國層面的模型，加入人力資本的平方項(xiàng)，表9中第二列和第四列報告了房地產(chǎn)投資基于信貸影響全要素生產(chǎn)率的結(jié)果。引入信貸規(guī)模后，房地產(chǎn)投資和控制變量影響全要素生產(chǎn)率變動的方向仍然與全國層面結(jié)果一致，唯一需要提及的是人力資本的平方項(xiàng)（Hct）負(fù)向拉動全要素生產(chǎn)率的變動，但不顯著。這在一定程度上與表4結(jié)果相符。人力資本（每萬人中擁有大學(xué)生的數(shù)量）顯著反向影響全要素生產(chǎn)率的分解因子——技術(shù)進(jìn)步（Te），因此人力資本的平方項(xiàng)負(fù)向影響全要素生產(chǎn)率的結(jié)果符合預(yù)期。

限于篇幅，我們僅對主要解釋變量及中介變量進(jìn)行詳述。房地產(chǎn)投資對全要素生產(chǎn)率的負(fù)向影響在東部更加顯著，東部屬于經(jīng)濟(jì)高度發(fā)達(dá)地區(qū)，東部城市房地產(chǎn)投資占比高于全國平均水平，過多的金融資源流入房地產(chǎn)市場導(dǎo)致全要素生產(chǎn)率發(fā)展降速更快。無論是東部還是中西部，信貸規(guī)模都顯著負(fù)向影響全要素生產(chǎn)率的變動，而東部高于全國層面水平的結(jié)果也符合預(yù)期。此外，房地產(chǎn)投資抑制全要素生產(chǎn)率增長不存在區(qū)域疊加效應(yīng)，其整體影響效應(yīng)值更接近東部和中西部的中間值。同時我們發(fā)現(xiàn)信貸規(guī)模影響全要素生產(chǎn)率的全國層面回歸系數(shù)值也趨近處于東部和中西部的均值，即可能也沒有區(qū)域疊加效應(yīng)。

五"結(jié)論及政策建議

本文重點(diǎn)研究房地產(chǎn)投資對全要素生產(chǎn)率的影響，并考慮到基于信貸變量的中介效應(yīng)，基本結(jié)論如下：首先，房地產(chǎn)投資、信貸發(fā)展水平和全要素生產(chǎn)率之間存在顯著的不完全中介效應(yīng)。其次，在全國層面上，房地產(chǎn)投資顯著負(fù)向影響全要素生產(chǎn)率，加入信貸變量后，依然有顯著的負(fù)向影響;在分區(qū)域?qū)用嫔希貧w結(jié)果與全國層面基本一致，其中，東部地區(qū)影響更為顯著。

我國經(jīng)濟(jì)處于發(fā)展模式轉(zhuǎn)型的重要階段，房地產(chǎn)市場作為整體經(jīng)濟(jì)發(fā)展的重要組成部分，房地產(chǎn)投資增加會通過信貸規(guī)模的擴(kuò)張和信貸效率的降低使房地產(chǎn)市場發(fā)展出現(xiàn)不穩(wěn)定，進(jìn)而影響社會經(jīng)濟(jì)發(fā)展。基于本文的研究，提出以下幾點(diǎn)政策建議。

第一，合理管控各企業(yè)房地產(chǎn)投資行為。房地產(chǎn)投資對全要素生產(chǎn)率有顯著負(fù)向影響，而且房地產(chǎn)投資會通過信貸渠道影響全要素生產(chǎn)率的增長，政府應(yīng)適時調(diào)整房地產(chǎn)信貸來管控房地產(chǎn)投資。第二，適當(dāng)加強(qiáng)房地產(chǎn)市場供給，以保證供需平衡。充分利用房地產(chǎn)市場發(fā)展機(jī)制，加快建設(shè)保障性住房。一方面，鼓勵引導(dǎo)以市場為主來滿足多層次住房需求;另一方面，嚴(yán)控房價快速上漲帶來的投機(jī)性需求，防止房地產(chǎn)行業(yè)流動性過剩而影響其他行業(yè)發(fā)展。第三，有效拓寬房地產(chǎn)行業(yè)融資渠道。政府要不斷進(jìn)行政策創(chuàng)新，營造良好的房地產(chǎn)發(fā)展環(huán)境。一方面，要降低其他融資渠道門檻;另一方面，加強(qiáng)管控對房地產(chǎn)信托和基金的審批，完善房地產(chǎn)基金和信托部門的角色定位。第四，削弱房地產(chǎn)業(yè)與政府各部門、各大金融機(jī)構(gòu)的連帶關(guān)系，提高房地產(chǎn)市場準(zhǔn)入門檻?？紤]到部分金融機(jī)構(gòu)受房地產(chǎn)市場高利潤回報驅(qū)動而主動供貸，政府應(yīng)審時度勢，加強(qiáng)對金融機(jī)構(gòu)行為的嚴(yán)格管束。第五，加大區(qū)域差異化資源分配政策的力度。例如，人力資本對中西部地區(qū)經(jīng)濟(jì)發(fā)展的推動作用最顯著，政府可以適當(dāng)加強(qiáng)中西部人才引進(jìn)力度來推動中西部地區(qū)經(jīng)濟(jì)增長。

[參"考"文"獻(xiàn)]

[1]鄒心勇，趙麗芬.中國經(jīng)濟(jì)全要素生產(chǎn)率的變遷：1978—2010年實(shí)證分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報，2013（11）：51-55.

[2]劉顏，周建軍.城市房價上漲促進(jìn)還是抑制了城鎮(zhèn)居民消費(fèi)？[J].消費(fèi)經(jīng)濟(jì)，2019（1）：49-56.

[3]劉廣平，連媛媛，林潤輝.房價波動對制造型企業(yè)投資行為的差異化影響——市場條件和企業(yè)所有權(quán)視角[J].系統(tǒng)工程，2020（1）：45-54.

[4]周建軍，孫倩倩，鞠方.房價波動、收入差距與消費(fèi)差距[J].消費(fèi)經(jīng)濟(jì)，2018（5）：23-30.

[5]陳秀梅，韓和林，趙元兵.我國房地產(chǎn)價格波動對經(jīng)濟(jì)的影響分析——兼論我國房地產(chǎn)宏觀調(diào)控[J].價格理論與實(shí)踐，2009（8）：54-55.

[6]涂正革.全要素生產(chǎn)率與區(qū)域經(jīng)濟(jì)增長的動力——基于對1995—2004年28個省市大中型工業(yè)的非參數(shù)生產(chǎn)前沿分析[J].南開經(jīng)濟(jì)研究，2007（4）：14-36.

[7]鄧博文.工業(yè)企業(yè)房地產(chǎn)投資對企業(yè)創(chuàng)新的影響——基于中國上市公司數(shù)據(jù)的實(shí)證研究[J].經(jīng)濟(jì)與管理研究，2014（10）：113-120.

[8]陳斌開，黃少安，歐陽滌非.房地產(chǎn)價格上漲能推動經(jīng)濟(jì)增長嗎？[J].經(jīng)濟(jì)學(xué)（季刊），2018（3）：212-235.

[9]Miao Jianjun， Wang "Pengfei. Sectoral bubbles， misallocation， and endogenous growth[J]. Journal of Mathematical Economics，2014（53）：153-163.

[10]張杰，楊連星，新夫.房地產(chǎn)阻礙了中國創(chuàng)新么？——基于金融體系貸款期限結(jié)構(gòu)的解釋[J].管理世界，2016（5）：64-80.

[11]李江濤，褚磊，紀(jì)建悅.房地產(chǎn)投資與工業(yè)全要素生產(chǎn)率[J].山東大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2018（5）：131-139.

[12]崔瑩瑩，陳可石，高慶浩.房價上漲的創(chuàng)新抑制效應(yīng)及其傳導(dǎo)機(jī)制[J].城市問題，2018（10）：4-11.

[13]陳斌開，金簫，歐陽滌非.住房價格、資源錯配與中國工業(yè)企業(yè)生產(chǎn)率[J].世界經(jīng)濟(jì)，2015（4）：77-98.

[14]王文春，榮昭.房價上漲對工業(yè)企業(yè)創(chuàng)新的抑制影響研究[J].經(jīng)濟(jì)學(xué)（季刊），2014（2）：465-490.

[15]李天祥，苗建軍.房價上漲對國民經(jīng)濟(jì)影響的理論分析——基于房地產(chǎn)財(cái)富效應(yīng)傳導(dǎo)機(jī)制視角[J].軟科學(xué)，2011（2）：57-61，71.

[16]黃靜.房價上漲與信貸擴(kuò)張：基于金融加速器視角的實(shí)證分析[J].中國軟科學(xué)，2010（8）：61-69.

[17]劉京軍，張莉，徐現(xiàn)祥.土地出讓與銀行信貸配置——兼論實(shí)體經(jīng)濟(jì)為何融資難[J].中山大學(xué)學(xué)報（社會科學(xué)版），2016（5）：186-200.

[18]Senhadji A S， Collyns C. Lending booms， real estate bubbles and the Asian crisis[J]. Imf Working Papers，2002（2）：1-46.

[19]況偉大.房地產(chǎn)投資、房地產(chǎn)信貸與中國經(jīng)濟(jì)增長[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2011（1）：59-68.

[20]Charles Goodhart， Boris Hofmann. House prices， money， credit and the macroeconomy[J]. Oxford Review of Economic Policy，2008（1）：180-205.

[21]鄭忠華，邸俊鵬.房地產(chǎn)借貸與中國宏觀經(jīng)濟(jì)波動——基于信貸擴(kuò)張視角的DSGE模擬研究[J].中國經(jīng)濟(jì)問題，2015（4）：33-45.

[22]譚政勛，陳銘.房價波動與金融危機(jī)的國際經(jīng)驗(yàn)證據(jù)：抵押效應(yīng)還是偏離效應(yīng)[J].世界經(jīng)濟(jì)，2012（3）：146-159.

[23]Che Xinwei，Li "Bin，Guo "Kun，et al. Property prices and bank lending： Some evidence from China's regional financial centres[J]. Procedia Computer Science，2011（4）：1660-1667.

[24]李春風(fēng)，劉建江，齊祥芹.房地產(chǎn)價格對我國城鎮(zhèn)居民消費(fèi)的長短期影響研究[J].財(cái)經(jīng)理論與實(shí)踐，2018，39（1）：104-110.

[25]鞠 "方，李文君，于靜靜.房價、城市規(guī)模與工資性收入差距——基于中國32個大中城市面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J].財(cái)經(jīng)理論與實(shí)踐，2019，40（5）：95-101.

[26]李莉.房地產(chǎn)信貸、房價與經(jīng)濟(jì)增長——基于東中西部的實(shí)證研究[J].金融理論與實(shí)踐，2012（3）：21-26.

[27]宋勃，雷紅.銀行信貸沖擊與房地產(chǎn)價格波動：1999-2014———基于我國一、二線城市面板數(shù)據(jù)分析[J].財(cái)經(jīng)科學(xué)，2016（5）：12-19.

[28]郭培利，沈悅.中國住宅價格調(diào)控效應(yīng)：區(qū)域差異與時序波動[J].大連理工大學(xué)學(xué)報（社會科學(xué)版），2016（2）：24-30.

[29]馬勇，吳雪妍.銀行信貸如何影響房價？[J].金融評論，2018（3）：1-22，122.

[30]向宇，袁錦芝.我國房地產(chǎn)價格與金融機(jī)構(gòu)信貸關(guān)系的實(shí)證分析[J].四川大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2010（4）：108-114.

[31]金成曉，馬麗娟.信貸政策效應(yīng)的非對稱性、信貸擴(kuò)張與經(jīng)濟(jì)增長[J].統(tǒng)計(jì)研究，2010（9）：9-15.

[32]白欽先，張志文.金融發(fā)展與經(jīng)濟(jì)增長：中國的經(jīng)驗(yàn)研究[J].南方經(jīng)濟(jì)，2008（9）：17-32，16.

[33]趙振全，薛豐慧.金融發(fā)展對經(jīng)濟(jì)增長影響的實(shí)證分析[J].金融研究，2004（8）：94-99.

[34]李青原，李江冰，江春，等.金融發(fā)展與地區(qū)實(shí)體經(jīng)濟(jì)資本配置效率——來自省級工業(yè)行業(yè)數(shù)據(jù)的證據(jù)[J].經(jīng)濟(jì)學(xué)（季刊），2013（2）：527-548.

[35]Joakim Westerlund. Testing for error correction in panel data[J].Oxford Bulletin of Economics and Statistics，2007（6）：709-748.