房地產(chǎn)對于創(chuàng)新部門擠出效應(yīng)
——基于31 個省級樣本的實證結(jié)果

文／李沁萱 首都經(jīng)濟貿(mào)易大學(xué)金融學(xué)院 北京 100070

1.問題的提出

近年來，房地產(chǎn)市場持續(xù)火熱，許多學(xué)者已經(jīng)發(fā)現(xiàn)房地產(chǎn)市場的高回報率會對創(chuàng)新部門存在資金擠出效應(yīng)，根據(jù)鄧博文[1]（2014），江康奇[2]（2019）等人的文獻，本文發(fā)現(xiàn)無論是從工業(yè)企業(yè)角度還是從省市地區(qū)角度，這種資金擠出效應(yīng)都顯著存在。雖然房地產(chǎn)投資可以帶動地方經(jīng)濟發(fā)展，但房地產(chǎn)的價格上漲不斷從非房地產(chǎn)投資部門吸引到更多的資金，形成投資轉(zhuǎn)移和資源錯配的現(xiàn)象。

我國對此類問題的研究主要包括以下兩個方面：一是房地產(chǎn)投資對工業(yè)部門創(chuàng)新活動的影響。王文春和榮昭[3]（2014）發(fā)現(xiàn)了房價上漲越快，當?shù)仄髽I(yè)的創(chuàng)新傾向越弱。張杰，楊連星和新夫[4]（2016）通過研究發(fā)現(xiàn)在房地產(chǎn)投資快速增長的情形下,中國金融體系通過對房地產(chǎn)貸款期限結(jié)構(gòu)的偏向效應(yīng),對中國的創(chuàng)新活動形成了進一步的抑制效應(yīng)。二是房地產(chǎn)投資對城市層面創(chuàng)新活動的影響。江康奇、李錦然[2]（2019）基于2007～2016 年的152個地級市面板數(shù)據(jù)采用工具變量法和空間面板模型，研究發(fā)現(xiàn)房地產(chǎn)投資總體上阻礙了城市技術(shù)創(chuàng)新。

已有研究表明教育水平對創(chuàng)新有一定的促進影響（崔忠平，2019；李苗苗，2013）[5-6]，已有的研究尚未注意到在不同教育水平的地區(qū)，房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)是不同的。事實上，在教育水平較低的地區(qū)，由于人力因素在創(chuàng)新部門中是主要因素，所以房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)可能會更明顯，但是從另一方面，房地產(chǎn)市場的火熱會給低教育水平地區(qū)經(jīng)濟注入新的活力，可能通過資金的流通增強創(chuàng)新部門的創(chuàng)新能力，從而使房地產(chǎn)投資對創(chuàng)新部門造成較弱的擠出效應(yīng)。

本文研究的主要內(nèi)容為：第一，在不同教育水平地區(qū)，房地產(chǎn)投資增加對創(chuàng)新造成的擠出效應(yīng)是否都顯著；第二，人力資本是否是擠出效應(yīng)的傳導(dǎo)途徑。

2.理論分析與研究假設(shè)

2.1 房地產(chǎn)投資對創(chuàng)新的抑制作用

一方面，房價上漲會帶動房地產(chǎn)投資增長,隨之大量資金也同時流入房地產(chǎn)行業(yè),以獲取更高利潤，導(dǎo)致當?shù)貏?chuàng)新型實體企業(yè)債務(wù)融資困難，產(chǎn)生資本上的擠出效應(yīng)，從而抑制城市創(chuàng)新；另一方面，房地產(chǎn)行業(yè)的繁榮也會給相關(guān)行業(yè)帶來高工資，吸引大量勞動力從制造業(yè)等高創(chuàng)新率行業(yè)進入房地產(chǎn)行業(yè)，產(chǎn)生人力資本的擠出效應(yīng)，進而使城市的創(chuàng)新資源配置失衡,顯著抑制城市的創(chuàng)新能力提升（羅雙成和陳衛(wèi)民，2019）[7]。

假設(shè)1：房地產(chǎn)投資對地區(qū)創(chuàng)新存在明顯的抑制作用。

2.2 不同教育水平地區(qū)中房地產(chǎn)投資對創(chuàng)新部門的影響

高教育水平對房地產(chǎn)擠出效應(yīng)的影響，從直接作用來看，由于高教育水平是改善區(qū)域創(chuàng)新能力的重要影響因素（吳菊珍，諶艷芳等，2018）[8]，所以房地產(chǎn)投資對高教育水平地區(qū)的創(chuàng)新部門的擠出效應(yīng)會被削弱；從間接作用來看，因為教育本身具有價值，所以投資者會對高教育水平房地產(chǎn)市場投資更感興趣，所以在高教育水平地區(qū)會有更多資本流入房地產(chǎn)市場（張浩等，2014）[10]，而對房地產(chǎn)的投資不斷增加會導(dǎo)致對創(chuàng)新部門的擠出效應(yīng)得到增強。故本文提出以下假設(shè)：

假設(shè)2：高教育水平地區(qū)房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)較弱。

假設(shè)3：在低教育水平地區(qū)，房地產(chǎn)投資的增加會加強地區(qū)創(chuàng)新能力，即造成的擠出效應(yīng)不顯著。

2.3 人才流動在房地產(chǎn)投資對創(chuàng)新擠出效應(yīng)中的作用

從人力資本對創(chuàng)新的影響來看，錢曉燁等（2010）[9]等發(fā)現(xiàn)創(chuàng)新相關(guān)行業(yè)的從業(yè)人數(shù)與省域創(chuàng)新活動之間存在顯著的正相關(guān)關(guān)系。而房地產(chǎn)市場的火熱，給相關(guān)行業(yè)帶來了較高的薪資水平，可能會吸引大量人力資本進入房地產(chǎn)市場，從而成為房地產(chǎn)投資對創(chuàng)新擠出效應(yīng)的傳導(dǎo)途徑之一。故本文提出以下假設(shè)：

假設(shè)4a：人才流動是房地產(chǎn)投資對創(chuàng)新活動擠出效應(yīng)的傳導(dǎo)途徑。

假設(shè)4b：人才流動不是房地產(chǎn)投資對創(chuàng)新活動擠出效應(yīng)的傳導(dǎo)途徑。

3.模型設(shè)計與變量介紹

3.1 模型設(shè)計

為驗證假設(shè)1，本文運用2007～2017 年31 個省份的面板數(shù)據(jù)，探究省份層面房地產(chǎn)投資對創(chuàng)新的影響，基準回歸模型公式如下：

式（1）中innovationi,t是i 省份第t 年的創(chuàng)新變量，reii,t是i 城市t 年的房地產(chǎn)投資變量，controli,t為控制變量集合，a0為常數(shù)項，ui代表省份固定效應(yīng)，εi,t是隨機誤差項。若a1顯著為負，則假設(shè)1 成立。

為了驗證驗證假設(shè)2,3,4，即驗證房地產(chǎn)開發(fā)投資在不同教育水平地區(qū)對省份創(chuàng)新的影響，本文按《中國省域高等教育競爭力研究》（張秀萍，2013）[11]中的研究結(jié)果依據(jù)教育水平對省份進行分類，采用分組回歸方法使用式（1）進行驗證。

3.2 變量的選擇及數(shù)據(jù)說明

3.2.1 省份樣本的選擇

本文從中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫中獲取到了31 個省份樣本的相關(guān)數(shù)據(jù)。由于部分省份存在著2007 年以前所需數(shù)據(jù)缺失的情況，為了保證實證數(shù)據(jù)的完整性，本文最終將研究樣本年限縮小到2007～2017 的區(qū)間內(nèi)。數(shù)據(jù)均來自中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。

3.2.2 因變量

本文的因變量是省份創(chuàng)新水平。基于已有研究（張杰等，2016）[4]，本文使用樣本省份當年申請并最終被授權(quán)的專利數(shù)來衡量省份的創(chuàng)新水平，這樣既可以較為準確地衡量省份創(chuàng)新能力，又可以避免時滯性問題的出現(xiàn)。本文搜集了全國31 個省份在2007～2017 年期間每年申請并最終被授權(quán)的專利數(shù)。其中專利授權(quán)可以被分為三類，分別是發(fā)明類授權(quán)，實用新型授權(quán)以及外觀設(shè)計三類。本文借鑒邵傳林（2018）[12]的研究，使用的是三類專利的數(shù)量之和來衡量省份創(chuàng)新水平，具體形式為省份每萬人專利授權(quán)數(shù)（innovation）。

3.2.3 自變量

本文對于自變量的衡量采用了兩種形式，首先，結(jié)合羅知等（2015）[13]的方法，本文采用省份當年的房地產(chǎn)開發(fā)投資額來衡量省份的房地產(chǎn)投資水平作為主要解釋變量，具體形式為省份房地產(chǎn)開發(fā)投資額的自然對數(shù)（invest）。其次，從結(jié)果的角度，本文借鑒王文春[3]（2014）的研究，使用了樣本省份商品房價格指數(shù)相對于上一年的變化率（houpr）來重復(fù)回歸，一方面更為全面地表現(xiàn)出房地產(chǎn)投資的結(jié)果，另一方面也可以使模型更加穩(wěn)健。

3.2.4 調(diào)節(jié)變量

本文使用各省份房地產(chǎn)從業(yè)人員數(shù)量（nrep）的自然對數(shù)作為部門人才流動的衡量變量。

3.2.5 控制變量

本文使用了高校師生比（sf）來衡量省份教育水平，相對于江康奇（2019）[2]所使用的高校專任教師數(shù)+1 的自然對數(shù)來說，使用高校師生比在省份層面衡量教育水平更加合理，既可以在一定程度上抵消省份間人口數(shù)量帶來的偏差值，又涵蓋了高校學(xué)生數(shù)量的創(chuàng)新潛力。為了減少遺漏變量所帶來的誤差，本文還加入了其它控制變量。模型中所使用的各個變量的計算方法與描述性統(tǒng)計如表1 所示。

3.3 內(nèi)生性問題的討論與工具變量的選擇

從作用機制來看，在本文的因變量與自變量之間，即房地產(chǎn)開發(fā)投資額與地區(qū)創(chuàng)新活動之間，可能存在聯(lián)立性問題。在創(chuàng)新能力越強的地區(qū)，其經(jīng)濟活力越強，通過企業(yè)部門的擴張效應(yīng)和居民部門的收入增長效應(yīng)促進地區(qū)對房地產(chǎn)的需求，從而促進房地產(chǎn)投資的增加。本文為了緩解內(nèi)生性問題所帶來的誤差，根據(jù)張杰等（2016）[4]的解決思路，使用了滯后一期的國有建設(shè)用地出讓面積（公頃）的自然對數(shù)作為模型的工具變量。同樣，本文通過控制省份實際GDP，第二產(chǎn)業(yè)與第三產(chǎn)業(yè)比值等變量，盡可能消除工具變量對因變量的間接影響機制。數(shù)據(jù)的來源是《中國國土資源統(tǒng)計年鑒》。

4.實證分析

4.1 回歸方法

本文首先使用的是面板LS 回歸，然后使用選定的工具變量進行2SLS 估計。由于回歸的結(jié)果是省份房地產(chǎn)投資與創(chuàng)新水平的關(guān)系，所以本文所有回歸均采用面板固定效應(yīng)模型。

4.2 回歸結(jié)果

4.2.1 基本回歸結(jié)果

全樣本回歸結(jié)果顯示，主要解釋變量的回歸系數(shù)為-0.952 在5%的水平上顯著為負。支持了假設(shè)1。這表示在其他條件不變的情況下，省份房地產(chǎn)投資額的增加，會帶來創(chuàng)新水平的降低，這與之前的研究結(jié)果相符，也從側(cè)面證明了本文建立的模型是正確可行的。

本文采用選定的工具變量進行2SLS 估計，以控制模型中存在的內(nèi)生性問題。其中模型回歸的F 值為223.034 和189.320，均大于10，表明不存在弱工具變量的問題。在控制了內(nèi)生性問題后，房地產(chǎn)投資變量的回歸系數(shù)的絕對值顯著變大且仍為負值，說明房地產(chǎn)投資的增長在全省份樣本中表現(xiàn)為阻礙了省份的技術(shù)創(chuàng)新。因此假設(shè)1 不能被拒絕。

4.2.2 分組回歸結(jié)果

接下來本文依據(jù)《中國省域高等教育競爭力研究》（張秀萍，2013）[12]對樣本中的31 個省份進行分組回歸，為了對比分析，本文將31 個省份按教育水平分類標準分為兩組，其中教育水平較高的地區(qū)包括：北京、上海、江蘇、天津、遼寧、浙江、山東、湖北、湖南、廣東、四川、陜西。教育水平較低的地區(qū)包括：河北、山西、內(nèi)蒙古、吉林、黑龍江、安徽、福建、江西、河南、廣西、海南、重慶、貴州、云南、西藏、甘肅、青海、寧夏、新疆。結(jié)果顯示出教育水平較高地區(qū)的主要解釋變量回歸系數(shù)在1%的水平上顯著為負且絕對值更大，而教育水平較低地區(qū)的主要解釋變量回歸系數(shù)為正數(shù)，但是并不顯著。說明假設(shè)2b、3b 成立。高水平教育地區(qū)中房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)更強，即增強效應(yīng)占主導(dǎo)。而在教育水平較低地區(qū)中房地產(chǎn)行業(yè)投資的增加造成的擠出效應(yīng)不顯著。

4.2.3 人才流動的調(diào)節(jié)效應(yīng)分析

接下來本文對使用房地產(chǎn)投資變量和房地產(chǎn)行業(yè)人才流動變量的交叉項作為主要解釋變量對創(chuàng)新水平進行回歸。回歸結(jié)果顯示出在全樣本回歸中的主要解釋變量的回歸系數(shù)分別在1%和5%的水平上顯著為負。同時結(jié)果也顯示出教育水平較高地區(qū)的主要解釋變量回歸系數(shù)在5%的水平上顯著為負且絕對值更大，而教育水平較低地區(qū)的主要解釋變量回歸系數(shù)為正數(shù)，但是并不顯著。這些結(jié)果與前文相一致，說明人才流動可以在一定程度上解釋房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)。

4.2.4 穩(wěn)健性檢驗

為了保證基準回歸結(jié)果的穩(wěn)健性，本文在原來基準回歸模型的基礎(chǔ)上，分別更換因變量和自變量后，再進行OLS 回歸與2SLS 回歸。本文采用省份每萬人發(fā)明授權(quán)數(shù)作為因變量，采用商品房價格相對于上一年的變化率作為自變量。實證結(jié)果與前文相一致，表明前文的結(jié)論是穩(wěn)健的。

5.拓展分析

在接下來的分析中，本文將31 個省份按照國家統(tǒng)計局的劃分分為東、中、西三個地區(qū)，分別檢驗其房地產(chǎn)投資對創(chuàng)新的擠出效應(yīng)。回歸結(jié)果顯示，東部與中部地區(qū)的房地產(chǎn)投資的回歸系數(shù)在5%和1%的水平上顯著為負，證明東部和中部地區(qū)的房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)比較顯著。而中部地區(qū)的主要解釋變量的回歸系數(shù)絕對值更大，說明在中部地區(qū)存在的擠出效應(yīng)更加明顯。回歸結(jié)果顯示，對于西部地區(qū)來說，房地產(chǎn)投資的回歸系數(shù)雖然為負但并不顯著，說明在西部地區(qū)，房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)并不顯著。而東部與中部地區(qū)的主要解釋變量的回歸系數(shù)是顯著為負的，而在西部地區(qū)并不顯著，說明房地產(chǎn)投資對于創(chuàng)新的擠出效應(yīng)在西部地區(qū)并沒有通過人才流動的形式表現(xiàn)出來。

6.結(jié)論與政策建議

本文通過研究在不同教育水平地區(qū)，房地產(chǎn)投資對創(chuàng)新部門的影響，發(fā)現(xiàn)以全國范圍的省級層面存在著擠出效應(yīng)，這與之前的學(xué)者研究所得到的結(jié)論相同。進一步研究后，本文發(fā)現(xiàn)在教育水平較低的地區(qū)，房地產(chǎn)投資對創(chuàng)新部門的擠出效應(yīng)并不顯著。而在較高教育水平地區(qū)，房地產(chǎn)投資的增加會吸引人才流入，造成資源錯配，從而影響到創(chuàng)新部門的活動。最后，本文考察了不同地理位置的區(qū)域?qū)ι鲜鲂?yīng)的影響，研究發(fā)現(xiàn)在東部、中部地區(qū)，房地產(chǎn)投資的增加通過吸引人才造成顯著的擠出效應(yīng)，而對于西部地區(qū)，擠出效應(yīng)并不顯著。

本文的政策啟示如下：首先，房地產(chǎn)投資對地方創(chuàng)新的影響是多方面的，當?shù)卣畱?yīng)結(jié)合自身情況制定相關(guān)政策，扶持創(chuàng)新項目。第二，對于教育水平相對較低的地區(qū)，房地產(chǎn)投資的增加對創(chuàng)新影響的活動并不顯著，相關(guān)部門應(yīng)謹慎地管理房地產(chǎn)行業(yè)。第三，人才流動是房地產(chǎn)投資造成擠出效應(yīng)的顯著因素，政府應(yīng)制定相關(guān)政策，合理配置人力資本。最后，根據(jù)地理位置的不同，房地產(chǎn)投資的擠出效應(yīng)也存在不同，政府對于房地產(chǎn)投資所帶來的影響考慮應(yīng)更加全面、細化。