房價、金融發展對技術創新的影響

周少甫 龍 威

（華中科技大學經濟學院，武漢 430074）

引 言

自改革開放以來的30年間，中國經濟年均增長率約為10%①，長期居高不下，近年來，隨著環境資源規制的加強和人口紅利的消失，經濟增速逐漸走低，2018年GDP增長率僅為6.6%②，經濟發展方式的轉變成為當務之急。黨的十九大也提出 “我國經濟已由高速增長階段轉向高質量發展階段，正處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期”［1］。根據Solow-Swan增長模型和Ramsey模型，經濟增長主要取決于外生的技術進步［2］。黨的十八大也明確提出 “科技技術創新是提高社會生產力和綜合國力的戰略支撐，必須擺在國家發展全局的核心位置”［3］。近年來，我國研發投入強度不斷上升，從上個世紀末0.5%的水平增長到2017年的2.13%，其中2013～2016年年平均增長率達11.1%。但仍然存在諸多問題，從研發投入水平看，我國與日本 （3.49%）、韓國（4.23%）、以色列 （4.25%）等國家相比差距較大。從研發投入結構看，我國基礎研究占比水平（5.2%）遠遠落后于發達國家占比水平 （15%～20%）③。從研發產出看，我國在國際發明專利、論文引用率等方面還存在多而不優、大而不強等問題，研發投入效率急需提升。

中國宏觀經濟發展中另一個引人注目的現象是房地產市場的迅速擴張和房價的飆升，即使是在經濟增速不斷下滑、政府實施創新驅動發展戰略的背景下，房價也一直維持在高位。值得關注的是，房地產價格的上漲和投資規模的擴張是否會對技術創新造成影響，以及通過何種渠道來影響。由于房地產作為典型的資金密集型行業，與金融業存在較強的關聯性，因此本文試圖將房價、金融發展和技術創新放在同一分析框架下進行分析，從金融發展角度，探究房價影響地區技術創新的傳導機制，力圖揭示房地產價格、金融發展與技術創新之間的關聯，為全面激發技術創新驅動力提供新的啟示；此外，本文從信貸市場和資本市場兩個角度衡量金融發展水平，并分別研究其在房價上漲影響技術創新的過程中發揮的作用，得出了異質性結論，驗證了最優金融結構假說；在研究方法上，本文采用空間誤差模型和廣義空間自回歸模型，并應用Lee和Yu（2010）提出的方法進行估計［4］，這也是本文可能的創新之處。

1 內在機制與研究假設

1.1 房價對技術創新活動的影響

房地產價格快速上漲會對企業投資尤其是長期投資形成正負兩個方向的影響，即流動性效應（余靜文和譚靜， 2015）［5］和擠出效應 （Wang和Wen，2010）［6］。由圖1可知，由于長期以來房地產行業與工業行業之間的利差，資本傾向于從工業企業等實體經濟部門流入房地產行業，從而對實體經濟的技術創新活動造成不利影響。此外，大量研究表明，中國目前房價上漲對技術創新資金形成的 “擠出效應”占主導地位，從而抑制了企業的技術創新活力 （Miao和Wang，2014；王文春和榮昭， 2014； 余靜文等， 2015）［5，7，8］。 房價上漲還會導致對人才的擠出效應，從而抑制技術創新（吳曉瑜等， 2014； 崔瑩瑩等， 2018）［9，10］。

圖1 房地產與工業行業銷售毛利率趨勢圖

綜合以上分析，本文提出研究假設1：房地產價格上漲，會顯著抑制地區技術創新活動。

1.2 金融發展對技術創新活動的影響

現代金融發展理論認為，金融發展能有效促進技術進步。近年來，金融發展水平以及金融體系的結構特征對一國技術創新活動的差異性影響，備受學術界的關注 （Cornaggia等， 2015）［11］。 其中，一個最核心的研究話題是，到底是資本市場導向型的金融體系還是銀行等中介機構導向型的金融體系更有利于促進一國技術創新 （Hsu等，2014）［12］，該問題對于正處在新舊動能轉型階段的我國尤為重要，又根據林毅夫等 （2009）研究中所提出的最優金融結構理論，最優金融結構隨著經濟發展階段的調整而不斷調整，當經濟發展程度上升時，經濟體對銀行業變化的敏感度降低，而對股票市場變化的敏感度上升［13］。許夢楠和周新苗 （2018）發現信貸市場和資本市場都能顯著促進技術創新資金的投入，但資本市場促進作用大于信貸市場［14］。

因此，本文提出研究假設2：從信貸市場衡量的金融發展水平和從資本市場衡量的金融發展水平能促進區域技術創新，但資本市場的作用強于信貸市場。

1.3 房價上漲通過金融發展對技術創新造成的間接影響

從信貸市場來看，相對于高風險的企業研發項目，銀行更傾向于將資金提供給高收益、低風險的房地產行業，進而從技術創新活動的外部融資角度再一次形成擠出效應，進一步對企業技術創新能力的提升產生抑制作用 （Chaney和Thesmar， 2012； 張杰等， 2016）［15，16］。 而資本市場相比于信貸市場更擅長為那些具有較高技術創新風險的企業或項目融資，Wurgler（2000）基于1963～1995年跨國工業企業數據進行研究，發現完善的金融市場傾向于為新興行業提供更多的投資，而減少對成熟行業的投資［17］。因此我們可以初步預期對相對較為成熟并且技術密集程度低的房地產行業來說，資本市場中的資金更傾向于流入高新技術行業，因此，與信貸市場不同的是，資本市場的發展緩解了房地產行業對實體行業資金投入的擠出效應。

根據上文分析，本文提出研究假設3：信貸市場的發展加劇了房價上漲對技術創新的阻礙作用，而資本市場的發展可以緩解房價上漲對技術創新的抑制作用。

2 模型構建

2.1 變量選取與數據來源

綜合上文分析，為檢驗所提出的理論假設，本文選取如下指標：

被解釋變量，衡量技術創新能力的代理指標。鑒于數據的可得性與指標的易理解性，借鑒高翔（2015）、張杰等 （2016）的做法，使用各省人均發明專利授權量度量省份整體技術創新能力［8，16］。

解釋變量。 （1）內生性與工具變量的討論。根據本文的研究內容，解釋變量應為能反映省份房價水平的指標，但是各省房價水平與技術創新活動存在 “互為因果”關系，技術創新活動能促進地區經濟發展，從而拉動市場對房地產的需求，抬高房價；根據上文分析，房價上漲會阻礙技術創新活動，因此本文參考張杰等 （2016）、余泳澤和張少輝 （2017）、崔瑩瑩等 （2018）學者的研究，采用滯后一期的各省人均國有建設用地出讓面積作為房價的工具變量來緩解內生性問題［10，16，19］； （2）金融發展水平。本文從兩個方面度量金融發展水平：從信貸市場角度衡量的金融發展水平 （fir），具體為金融機構信貸總額占GDP的比例；從資本市場角度衡量的金融發展水平 （capital），具體為股票首發、定向增發、公開增發、配股、可轉債發行和債券發行總額占GDP的比例。

控制變量。 （1） 人均GDP （pgdp）； （2） 人力資本水平 （hc），采用地區普通高等學校在校生人數與總人口的比率來衡量；（3）對外開放程度 （import，export）。本文分別使用出口和進口占GDP的比重來表示； （4） 產業結構 （industry），用第二產業增加值占GDP的比重表示； （5）全社會固定資產投資 （fix_asset），用全社會固定資產投資占GDP的比重表示。

表1 描述性統計分析

本文采用2006～2017年全國30個省份 （考慮到數據的可獲得性，不包括西藏及港、澳、臺地區）組成的省域面板數據，分析房價上漲、金融發展對技術創新的影響，相關數據均來源于EPS數據庫和Wind數據庫。

2.2 計量模型的確定

2.2.1 空間相關性檢驗

由于地區之間的技術創新可能具有外溢效應，且房價上漲的 “蔓延效應”也可能會影響周圍省份的技術創新活動，因此我們可能需要引入空間計量模型進行分析，在進行空間計量模型分析之前，需要使用Moran's I來檢驗被解釋變量的空間相關性，Moran's I定義如下：

在計算Moran's I之前需要構造空間權重矩陣。二元鄰接權重矩陣是目前比較常用的權重矩陣，其定義如下：

其中，i與j表示兩個不同的省份，當i與j相同時Wij為0。

利用上述權重矩陣，本文通過Moran's I對2006～2017年各省份的技術創新能力進行空間相關性檢驗，結果如表2所示，從表2和圖2可以看出，2006～2017年期間，我國各省技術創新表現出顯著的空間正相關關系，說明技術創新在各省份之間確實存在正向溢出效應，且這種溢出效應從2006年開始顯著增強，總體呈現上升趨勢。因此，選用空間計量模型進行分析是必要的。

表2 2006～2017中國各省技術創新空間相關性檢驗

圖2 2006～2017年各省技術創新Moran's I變化趨勢圖

2.2.2 模型的設定與選擇標準

目前，靜態空間面板模型主要有以下3種：

（1）空間滯后模型：

（2）空間誤差模型：

（3）空間杜賓模型：

其中，yit表示被解釋變量，xit表示解釋變量和控制變量，εit為隨機擾動項。

在以上3種基準模型的基礎上進行組合，可得如下廣義嵌套模型：

廣義嵌套模型可以梳理出不同形式的空間計量模型。當δ≠0、θ＝0、ρ＝0時，為空間滯后模型；當δ＝0、θ＝0、ρ≠0時，為空間誤差模型；當δ≠0、θ≠0、ρ＝0時為空間杜賓模型； 當δ＝0、θ≠0、ρ＝0時為空間滯后解釋變量模型；當δ≠0、θ＝0、ρ≠0時，則為廣義空間自回歸模型。

對于上述3種基準空間面板模型的選擇，需要在非空間面板模型的基礎上，構建模型殘差的（穩健）LM統計量，根據統計量的顯著性和大小來判斷最優模型，因此，本文構建了混合OLS、空間固定效應、時間固定效應和包含空間和時間的雙固定效應4種模型的 （穩健）LM誤差 （滯后）統計量，結果如表3所示。

表3 LM檢驗結果

從表3可知，在LM統計量中， （穩健）LM滯后統計量 （LM_lag、Robust_LM_lag）在4種模型中的顯著性不穩健，而4種模型的 （穩健）LM誤差統計量 （LM_error、Robust_LM_error） 均在1%的顯著性水平下顯著，且均大于 （穩健）LM滯后統計量，因此空間誤差模型優于空間滯后模型。此外，在空間、時期和雙固定效應的選擇方面，（1）在上表4種模型中，空間固定效應模型的R平方最大，擬合效果最好；（2）若加入時期固定效應，待估參數過多，影響估計參數的精度，容易產生 “參數估計詛咒”問題 （Neyman和Scott，1948）［20］，因此本文初步選用具有空間固定效應的空間誤差模型。由于上述 （穩健）LM統計量檢驗只能判別空間誤差模型優于空間滯后模型，而不能判別模型是否同時含有被解釋變量的空間項和殘差的空間項，即不能判別模型是否為廣義空間自回歸模型，鑒于本文的被解釋變量技術創新具有顯著的正向空間溢出效應，因此我們選用廣義空間自回歸模型作為參照模型。在模型的估計方法上，本文采用Lee和Yu（2010）的研究中所用到的擬極大似然估計 （Quasi-maximum Likelihood） 方法［4］。

3 實證檢驗與分析

3.1 房價對技術創新直接影響效應的檢驗結果

表4報告了房價對地區技術創新的直接影響結果，表中第 （1）列采用空間誤差模型，從其結果可以看出，房價對地區技術創新能力的影響在1%的顯著性水平下顯著為負，表明房價上漲對實體經濟造成的 “擠出效應”大于 “流動性效應”，從而對地區技術創新能力的發展產生阻礙作用，也驗證了研究假設1的內容。控制變量中，地方人均GDP在1%的顯著性水平下對各地技術創新能力具有顯著的正向影響，這與 “需求引致技術創新”理論相符。地區全社會固定資產投資占GDP的比重通過了1%的顯著性水平檢驗，且對地區技術創新能力有正向影響，這與崔瑩瑩等 （2018）得出的結論相似［10］，說明購置和建造固定資產的活動倒逼企業不斷進行技術創新，擾動項中空間關聯性系數為0.1049，且通過了1%的顯著性水平檢驗，進一步證明模型選擇正確。

表中第 （2）列采用廣義空間自回歸模型，回歸結果與第 （1）列無本質區別，說明了回歸結果的穩健性；另外，觀察被解釋變量和殘差項空間關聯系數，二者均通過了1%的顯著性水平檢驗，說明技術創新不僅受到地區間不可觀測的共同因素的影響，而且確實還對周圍地區的技術創新產生正向影響。

表4 房價對省份技術創新的直接影響檢驗結果

3.2 金融發展傳導機制的檢驗分析

本文進一步探究各個地區金融發展對技術創新的影響，以及房價是如何通過地區金融發展，對技術創新進一步施加影響。基于這一研究目標，本文在上述研究的基礎上逐次加入信貸市場和資本市場的發展水平及其與房價的交叉項，表5為其回歸結果。

表5 房價、金融發展及其交互作用對技術創新的回歸結果

續 表

從表5第 （1）列可以看出，在加入信貸市場發展規模 （fir）后，其對地區技術創新的發展具有顯著的正向促進作用，這可能是由于信貸市場中金融中介機構有促使儲蓄向投資轉化的功能，因此一個地區的信貸市場規模越大，企業外部融資供給越充裕，一定程度上緩解了企業技術創新的外部融資約束，進而促進企業的技術創新活動。

第 （2）列為加入資本市場發展水平 （capital）后的回歸結果，從中可以看出，資本市場發展水平在1%的顯著性水平下對地區整體技術創新能力具有顯著的正向影響，且其系數大于fir的系數，這說明資本市場的發展和完善促進了技術創新活動，且其促進程度大于信貸市場對技術創新的促進程度，這與孫伍琴和王培 （2013）以及許夢楠和周新苗 （2018） 得出的結論一致［14，21］， 也與最優金融結構理論相符。

第 （3）列為加入信貸市場發展規模和房價工具變量的交互項的回歸結果，可以發現，交互項在10%的顯著性水平下對地區技術創新能力具有顯著的負向影響，表明在房價上漲越快的地區，信貸市場中資金越傾向于流入利潤率較高的房地產行業，從而使企業外部融資受阻，不利于企業技術創新。實際上，2011年第1季度至2016年第4季度，金融機構新增人民幣貸款從26000億元增長至126500億元，增長386.54%，而主要金融機構新增房地產貸款從8457億元增長到56700億元，增長570.5%，主要金融機構新增個人購房貸款從5228億元增長到49600億元，增長848.74%。截至2016年年底，新增房地產貸款和新增個人購房貸款之和占金融機構新增人民幣貸款的84.03%，顯然新增貸款主要流向了房地產行業，金融機構資本 “脫實向虛”將對技術創新產生阻礙作用④。

第 （4）列為加入資本市場發展水平和房價工具變量的交互項的回歸結果，我們發現，交互項在5%的顯著性水平下對地區技術創新能力具有顯著的正向影響，這說明完善的資本市場在一定程度上緩解了房價上漲對技術創新活動的阻礙作用，即便在房價上漲的背景下，房地產行業也未能在資本市場上對實體經濟投資形成 “擠出效應”，資金更多的是 “脫虛向實”，這與第 （3）列的情況相反。實際上，2006～2018年期間，資本市場融資總額從2670億元至9280億元，增長247.52%，而房地產融資額從204億元至323億元，增長58.08%，實體經濟融資額從1404億元至7252億元，增長416.41%。2018年全年房地產行業融資額占資本市場總融資額的3.48%，而實體經濟融資額占78.14%，顯然資本市場資金主要流向實體經濟。正是資本市場上較高的資金配置效率，緩和了房價上漲對企業技術創新的抑制效應。

從表5各列回歸可以看出，房價均在5%或1%的顯著性水平下對地區整體的技術創新能力有顯著的負向作用；此外，在加入資本市場發展規模及其與房價的交互項后，進口占GDP的比重在5%的顯著性水平下顯著，且對地區技術創新能力具有負向影響，這與張杰等 （2016）得出的結論相同，主要是由于進口的替代效應大于互補效應（即進口干中學效應）［16］；其他控制變量對技術創新的影響與對應模型 （1）的結果相同，在此不再闡述。這也說明回歸結果的穩健性。

表6為采用廣義空間自回歸模型的回歸結果，其與表5回歸結果無本質區別，證明了回歸結果的穩健性；觀察被解釋變量和殘差空間項的系數可知，二者均在1%的顯著性水平下顯著且為正，說明廣義空間自回歸模型的適用性。

表6 房價、金融發展及其交互作用對技術創新的回歸結果

4 研究結論與政策建議

4.1 研究結論

本文將地區房價、金融發展和技術創新納入同一分析框架，基于2006～2017年我國30個省份相關數據，選用相關變量，采用空間誤差模型、廣義空間自回歸模型進行實證分析，得出以下結論：

（1）本文驗證了房價對技術創新能力直接影響效應的存在，我們發現房價上漲對地區技術創新產生顯著的抑制作用；（2）我們分析了金融發展對地區技術創新活動的影響以及房價如何通過兩個維度的金融發展傳導機制來影響技術創新活動，最終發現：信貸市場發展水平對地區技術創新能力有顯著的促進作用，但房價上漲在信貸市場規模影響地區技術創新的過程中產生扭曲性作用，從而加劇房價對技術創新活動的抑制作用；資本市場發展水平顯著促進了地區技術創新能力的提升，且其促進程度也大于信貸市場，此外，資本市場發展水平的提升能緩解房價上漲對技術創新活動的抑制作用。總的來說，我國各地區技術創新對資本市場的依賴性大于信貸市場； （3）我們發現，技術創新具有顯著的正向空間溢出效應。

4.2 政策建議

根據研究結論，為全面實施創新驅動發展戰略，最大限度提升技術創新能力，本文提出以下幾點建議：

（1）從供需調控兩方面著手，完善房地產調控長效機制，緩解高房價對實體經濟部門技術創新資金投入的擠出效應。在房地產供給方面，建立租購并舉、多渠道保障、多主體供給的住房制度。此外，各省市要減少對 “土地財政”制度的依賴，從根源上抑制房價上漲；在需求方面，①要推動改進房地產財稅制度，有效運用靈活的財稅制度引導住房需求合理化；②各省市要堅定落實調控政策，促使市場對房地產行業形成合理預期。

（2）以金融體系結構優化調整為切入點深化金融市場改革。隨著我國經濟轉型、產業結構不斷調整優化以及技術創新模式的改變，經濟體對金融供給的需求也發生變化，因此政府必須推動金融結構的優化調整以適應市場的需求，使得要素配置合理化。隨著我國科創板和注冊制的開展和實施，將會為企業技術創新提供更為有利的金融環境。

（3）促進區域間信息交流、知識流動與共享，充分利用相鄰地區的技術創新條件和環境、重視區域技術創新的地理空間因素，加強區域技術創新合作，建立并健全需求為導向、企業為主體的產學研一體化長效區域技術創新機制，以實現區域技術創新協調發展。

注釋：

①數據來源：國家統計局，并由作者計算得來。

②數據來源：國家統計局。

③數據來源：國家統計局 《全國科技經費投入統計公報》、世界銀行數據庫。

④數據來源：Wind數據庫。