房價、集聚經濟與工業企業區位選擇的實證研究

DOI：10.3969/j.issn.1004-910X.2025.05.015 [中圖分類號]F062.9；F293.3 [文獻標識碼］A

引言

自1998年我國實施城鎮住房制度改革，實行住房分配貨幣化并推動房地產市場化以來，我國住房價格持續上漲，尤其是在經濟較為發達的珠三角、長三角及京津地區，房價增速尤為迅猛。新經濟地理理論認為，隨著住房價格的上升，勞動力和企業往往會向房價較低的外圍地區遷移，從而促進企業在城市間的合理布局。然而，與低房價城市相比，中國的高房價城市仍吸引了大量企業的進入。隨著房價不斷攀升，各地區逐漸形成了產業集聚的經濟地理格局，如長三角的汽車制造產業集群、珠三角的電子信息產業集群等。產業集聚為企業帶來了顯著的經濟效益，進一步吸引了更多企業加入，這一現象在宏觀上體現了企業在同一地區選址的集中趨勢。在中國產業集聚的背景下，房價是否能促使企業從中心高房價地區向外圍低房價地區遷移，從而推動企業分散化布局，或是高房價是否能吸引新企業入駐，產業集聚在其中能否起到關鍵作用，這些問題值得深入探討。本文以中國工業企業為研究對象，選取 2011～2022 年284個地級市的面板數據，構建計量模型，實證檢驗房價和產業集聚對中國工業企業區位分布的影響。

現有研究主要集中于跨國公司（如美國和歐洲子公司）在華企業區位選擇的因素，包括集聚效應、市場潛能、勞動力、地理距離和數字經濟等。研究表明，集聚經濟是在華跨國公司區位選擇的重要決定因素[1]；市場潛能較大的地區更能吸引新企業入駐[2]；勞動力蓄水池規模和供需匹配度對新企業選址有顯著影響，勞動力供給豐富的城市更受新企業青睞[3]；地理距離也是企業選址的重要影響因子，有研究發現新企業選址與企業上下游關系及距離密切相關[4；此外，數字經濟的發展能夠促進區域內的創業活躍度，推動城市共同富裕的實現[5]

部分文獻探討了房價與企業選址之間的關系，主要聚焦房價對我國制造業企業布局和區域制造業結構的影響。有研究指出，房價上漲可能通過降低制造業企業的研發投入進而抑制制造業的升級；此外，高房價還會通過提高勞動力成本影響制造業的布局，當房價高于門檻值時，勞動力成本上升顯著抑制制造業發展[7]。也有研究提出，工人工資與房價并無顯著相關性，土地市場的壟斷性使得高房價反而顯著增加新企業進入地區的可能性[8]。還有研究從互聯網的視角出發，發現房價的大幅上漲使得企業布局趨向分散，而互聯網的發展則進一步強化了這種分散趨勢[9]

綜上所述，關于高房價是吸引新企業人駐還是將企業推離的爭議尚未有定論，且房價對企業區位選擇影響的研究較為稀缺，尤其是將房價與產業集聚相結合，進一步探討其對企業區位選擇作用的研究更為罕見。因此，本文基于2011＼～2022年中國284個地級市面板數據，實證檢驗房價作為產業集聚帶來的經濟效益信號因子和企業面臨的要素成本信號因子，對中國工業企業區位選擇的影響。

1理論分析與假設

房價上漲通常可歸因于需求因素和供給因素兩個方面。需求因素主要包括人口規模、城鎮化水平、人均收入等；供給因素則涉及房產投資、城市土地財政政策、開發成本和土地價格等。產業集聚是指在特定區域內，生產要素匯集以及相同或相關產業的高度集中，形成的一種經濟地理現象。從微觀角度看，產業集聚表現為大量企業選擇在同一地區進行生產經營，以享受集聚經濟帶來的成本節約和市場效益。

產業集聚是房價上漲的重要驅動因素，企業集聚程度與當地房價高度相關。產業集聚主要通過勞動力市場、土地市場和經濟外部性3個方面影響房地產價格。在勞動力市場方面，產業集聚意味著該區域對勞動力的需求增加，從而吸引大量勞動力流入，導致人口增長并刺激住房需求，進而推高房價。尤其是在高新技術產業集聚的區域，集聚效應吸引大量高技術人才，導致勞動力成本上升，從而間接推動房價上漲。在土地市場方面，土地價格作為房地產開發成本的核心因素，在房價上漲中扮演著關鍵角色。無論是短期內還是長期，土地價格均直接影響房價。產業集聚帶來企業數量和資本的增加，擴展了區域內土地市場的需求。而由于土地供應的低彈性，需求的擴大最終會表現為土地價格的上升。產業集聚帶來的經濟效益使得企業愿意支付更高的土地價格，從而進一步推動土地價格上漲，進而推高房價。此外，產業集聚具有顯著的經濟外部性。隨著企業和勞動力的增加，道路交通、基礎設施和公共品供給水平的逐步改善，集聚區域通勤成本的降低和基礎設施福利的提升，都會進一步促進房價的上漲。

產業集聚是企業選址的重要考慮因素之一。根據馬歇爾產業集聚理論，企業在產業集聚區域內能夠享受多方面的集聚經濟效益，如知識溢出、共享中間品投入和勞動力匹配等。國內已有諸多研究表明，產業集聚為企業帶來多維度的正向發展效益，包括生產運營、規模擴張、融資和創新等。在生產方面，產業集聚有助于形成產業鏈協同和技術匹配，提高企業全要素生產率，使得生產運營更專業化和集中化。此外，集聚區域內企業之間信息流通加速，貿易和運輸成本降低，中間投入品在運輸過程中的損耗減少，時間和金錢成本得到有效降低，從而提高企業的生產效率和產品質量[10]；產業集聚還為企業創造了良好的區域發展環境，專用性基礎設施的共享為企業提供規模經濟，推動企業規模擴大[\"]；在企業創新方面，集聚效應促進企業新產品的開發和創新項目的實施，產業內外的知識溢出效應推動了區域產業創新，進而提高企業的創新績效[12]

產業集聚與房價之間存在較高的關聯性，同時，房產價格與商業用地成本、地價以及房租等土地要素成本也具有強相關性。當企業愿意承受較高的土地要素成本時，通常意味著該地區內企業能夠提供足夠的高收益來覆蓋這些成本，而這種高收益往往體現在較高的房價所反映的產業集聚經濟效益中。因此，區域內的高房價對企業而言，實際上是一個高經濟效益的信號因子，促使企業選擇在高房價地區進行生產經營活動，從而使高房價對企業的區位選擇產生拉力作用。然而，高房價也意味著該地區的土地要素成本較高，這可能導致勞動力成本的上升。因此，雖然高房價可能吸引企業進入，但它同時也是一個高成本的負向信號因子，從而對企業的區位選擇形成推力作用。

基于以上分析，本文提出假設1：

假設1：房價作為部分代表產業集聚經濟效益的正常信號因子，對工業企業選址產生拉力作用；房價作為勞動力和土地要素成本的負向信號因子，對工業企業選址產生推力作用。拉力作用與推力作用相結合，最終形成房價對于企業選址的綜合影響力。考慮到產業集聚所帶來的經濟效益是長期且多維度的，拉力作用大于推力作用，體現為地區房價對于工業企業區位分布具有正向影響。

由于各城市的經濟發展水平存在差異，且產業集聚的多樣化程度和專業化程度各不相同，本文進一步從城市異質性角度研究房價對工業企業區位選擇的影響。產業集聚是房價吸引企業選址的重要原因，且較高的房價是該地區形成產業集聚的一個信號。因此，本文提出假設2：

假設2：在產業集聚程度較高且房價較高的城市，房價對工業企業的拉力作用大于推力作用，形成對企業區位分布的正向影響；而在產業集聚程度低的城市，房價對企業選址的影響則不顯著。

2模型設計與變量選取

2.1 模型設計

考慮到企業的區位選擇受時間因素和城市異質性影響，本文采用時間-個體雙向固定效應回歸方法。基于前文提出的假設，本文構建如下計量模型來研究房價與企業區位選擇之間的關系，如式（1）、（2）所示：

（2）

其中，變量 表示 i 城市 年的企業區位選擇指標， 表示 i 城市 年的住房價格指標， 是 i 城市 年的專業化集聚水平指標， 是i 城市 年的多樣化集聚水平指標， 是 k 個控制其他影響企業區位選擇因素的變量， 是個體固定效應， 是時間固定效應， 是擾動項。式（1）是基礎的雙向固定效應回歸，用于檢驗房價對企業區位選擇的影響關系，式（2）則是在雙向固定效應回歸的基礎上加入了調節效應，旨在衡量產業集聚在房價影響企業區位選擇過程中的作用。考慮到可能存在的雙向因果引發的內生性問題，模型中所有解釋變量和控制變量均做滯后1期處理，以確保模型的穩健性和避免潛在的內生性偏誤。

2.2 變量選擇

2.2.1 被解釋變量

由于我國各城市房價和企業數量差距較大，使用省級數據會掩蓋這些差異，因此本文選取城市級數據進行研究。考慮到數據的可得性，城市級別的企業區位選擇相關數據僅有規模以上工業企業的數目。安同良等人采用區域工業企業數目與全國工業企業總數之比作為企業區位選擇的指標9，然而這一指標具有非常強的自相關性，且不能直觀反映區域內的新增企業的數量。因此，本文采用本年度規模以上工業企業數目與上年度規模以上工業企業數目之差作為被解釋變量，該變量較好地體現了城市級別規模以上工企數目的變動，并在很大程度上代表企業的區位選擇意向。自2011年起，國家統計局將規模以上工業企業的年主營業務收入標準從500萬元提高至2000萬元，因此，本文的研究時間范圍起始點選為2011年（工企數目增值自2012年起計算）。

2.2.2 核心解釋變量

本文選取的核心解釋變量為住房價格和產業集聚：住房價格采用城市每年商品房平均價格作為房價的衡量指標；產業集聚則從專業化集聚和多樣化集聚兩個方面衡量城市的產業集聚水平。專業化集聚反映了一個地區內產業的專業化程度，本文借鑒Glaeser等i3的方法衡量專業化集聚，如式（3）所示：

其中 是 i 地區 j 產業的從業人數， 是 i 地區的總從業人數， 是全國 j 產業的從業人數， Q 是全國的總從業人數。該指標越大，則在 地區的 j 產業的企業分布越集中。多樣化集聚反映了一個地區內產業的多樣化程度，本文借鑒Hender-son等[14的方法衡量多樣化集聚，如式（4）所示，該指標越大，表明 i 地區內的產業越多元，意味著多種產業的企業在該地區從事生產經營活動，呈現出多樣化集聚的現象。

2.2.3 控制變量

本文選取的控制變量及其測量如下：經濟發展水平，取人均地區生產總值的對數；勞動力成本，取城市平均職工工資的對數；人力資本水平，取地級市普通高等學校在校學生數占該地區總人口比例；交通運輸，取地級市道路面積與城市面積之比；政府稅收，取城市工業本年應交增值稅與城市本年工業企業主營業務收入的比值；市場潛力，借鑒Harris[15]的方法來計算市場潛能指標，該指標計算公式如式（5）所示：

其中 是城市 n 的市場潛力指數， 是城市 m 的地區生產總值， 是城市 和城市 n 的城市中心地理距離，由城市中心經緯度計算而得，城市內部距離 的計算方法為 其中 為城市 n 的面積，由于該指標由地區生產總值計算而得，其值較大且不存在負值，因此在回歸中對其進行對數處理。

2.3數據來源與描述性統計

本文采用2011＼～2022年284個中國城市數據作為研究對象（解釋變量與控制變量數據范圍為2011＼～2021年，被解釋變量數據范圍為2012＼～2022年），其中，規模以上工業企業數目、人均地區生產總值、各產業從業人數、城市平均職工工資、人力資本水平、交通運輸、政府稅收、市場潛力相關數據均來自《中國城市統計年鑒》、《中國區域經濟統計年鑒》和《中國城鄉建設統計年鑒》，城市平均住房價格來源于國家信息中心宏觀經濟與房地產數據庫，其中工資、產值等涉及到價值的變量均經過居民消費價格指數平減處理，部分缺失值使用線性插值法補齊。由于各城市各產業從業人數自2020年起不再統計，本文使用各省（區、市）第二產業從業人數的增長率對城市級產業人數進行估算，即2020、2021兩年度的集聚指標由估算的城市級別從業人員計算而得。數據描述性統計如表1所示。

3 實證結果與分析

3.1 回歸分析

本文采用雙向固定效應模型進行回歸分析，為避免可能存在的雙向因果引致的內生性問題，所有解釋變量和控制變量均做一階滯后處理。為保證模型的穩健性，所有回歸均使用城市級聚類標準誤。表2展示了回歸結果。列（1）給出了地區房價對企業區位選擇影響的回歸結果，這一列主要檢驗房價對企業區位選擇的基本影響；列（2）加入專業化集聚和多樣化集聚兩個解釋變量，用以分析產業集聚對企業區位選擇的影響；列（3）在列（2）的基礎上，加入了調節效應，即房價分別與專業化集聚和多樣化集聚的交互項，其中交互項和解釋變量均做中心化處理以減少多重共線性的影響。這一列旨在探討產業集聚在房價影響企業區位選擇中的調節作用。

表2列（1）的回歸結果表明，房價作為核心解釋變量的回歸系數為0.386，在 1% 統計水平上顯著，表明在其他條件相同的前提下，上年度地區平均房價每增加1000元，本年規模以上工業企業平均增加0.386個。房價作為正向信號對企業的拉力作用超過了其作為成本信號的推力作用，整體上表現為顯著的拉力效應。表2列（2）在模型中引入集聚變量后，回歸結果顯示，專業化集聚和多樣化集聚均對企業區位選擇具有顯著的推動作用。專業化集聚對企業的吸引力可以從知識溢出、供應鏈協同與匹配以及專用性基礎設施共享3個方面解釋。地理鄰近降低了隱性知識的傳播成本；上下游企業物理距離的縮短能降低交易成本并促進技術協調發展；行業特定基礎設施的集中也能使企業固定成本投入降低。多樣化集聚對企業的吸引力可以從知識交叉溢出和勞動力升級兩個方面解釋。多樣化集聚為企業提供了跨領域知識碰撞和創新的機會；跨行業集聚還能吸引具備多種技能的勞動力，支持企業調整和創新技術路線。

表2列（3）進一步引入交互項后，房價與兩個集聚指標的交互項系數均顯著為正，同時房價和集聚指標的系數也顯著為正，但系數值有所下降。

交互項的正向顯著性表明，每單位專業化集聚水平提升可使房價的邊際選址效應增加0.476，每單位多樣化集聚水平提升可使房價的邊際選址效應增加0.033。這說明兩種集聚均放大了房價信號的信息價值，即專業化和城市化產業集聚程度越高，高房價對企業的吸引力越強。房價內化了知識溢出、勞動力優勢和投入品共享等集聚效益。綜合3個模型的回歸結果，房價對企業區位選擇始終具有顯著的正向影響，表明房價對企業選址的拉力作用大于推力作用，企業愿意承擔較高的土地要素成本，選擇在高房價地區進行生產經營活動。

3.2 穩健性檢驗

本文使用規模以上工業企業數年新增量作為被解釋變量，該變量僅反映規模以上的工企數目變動，不能準確地代表地區實際新增企業數目。為減少由于數據局限帶來的偏差，本文對所有解釋變量和控制變量進行了滯后2期的處理，以確保回歸結果的穩健性，并以此作為穩健性檢驗。表3給出了穩健性檢驗結果。

列（1）為地區房價滯后2期對企業區位選擇影響的回歸結果；列（2）加入專業化集聚和多樣化集聚兩個解釋變量；列（3）加人調節效應。回歸結果顯示，滯后2期的房價對企業區位選擇的影響仍然顯著為正，且系數更大。列（2）房價和集聚指標的系數顯著性與基準回歸一致。列（3）結果與基準回歸中的結果相近，其中房價與兩個交互項的系數略有增加，均顯著為正。滯后2期的回歸結果表明，本文的回歸結果具有穩健性。

3.3 分組回歸

在集聚程度較低的地區，房價中的集聚信號較為微弱，因此房價可能對企業沒有顯著的拉力作用。為了驗證假設2，本文將城市按照每年專業化集聚和多樣化集聚水平分為兩組。一組為該城市的專業化集聚或多樣化集聚水平在前 30% 另一組為剩余城市，采用雙向固定效應模型進行回歸分析，回歸結果見表4。

列（1）、（3）、（5）是第一組集聚水平處于前30% 的城市的回歸結果，列（2）、（4）、（6）是第二組剩余城市回歸結果。列（1）、（2）是僅將房價作為核心解釋變量的回歸，列（3）、（4）加入集聚變量，列（5）、（6）加入調節效應。表4的回歸結果顯示，對于第一組城市，列（1）、（3）、（5）回歸結果均顯示出房價系數顯著為正；列（3）結果顯示專業化集聚和多樣化集聚均顯著為正；列（5）結果顯示，兩個交互項均顯著為正且系數較基礎回歸有所增加。在第二組回歸中，房價對企業區位選擇均無顯著的影響，且系數下降；兩種集聚的交叉項也均不顯著。上述回歸結果驗證了假設2，并佐證了房價作為集聚信號因子的假設：在高集聚地區，房價能夠有效反映地區內的集聚外部性；而在低集聚區域，由于缺乏足夠的產業關聯密度，房價無法有效地反映知識溢出、供應鏈協同和勞動力匹配等集聚效益，從而削弱了房價作為集聚經濟信號的價值。在集聚經濟規模較小的情況下，高房價往往被企業視為純粹的成本負擔（即推力作用），而未能被市場解讀為效率溢價的信號。在列（4）、（6）結果中，多樣化集聚系數保持了正顯著性，而專業化集聚系數則不顯著。這可能是因為多樣化集聚較專業化集聚更具靈活性，不依賴單一產業的上下游聯系。即使在集聚水平較低的區域，多樣化集聚依然能提供更廣泛的市場需求和創新能力，增強區域對新企業的吸引力。

總體而言，集聚分組回歸結果說明，只有當集聚程度達到某一相對水平時，房價才能作為一個有效的正向信號因子吸引新企業，使得房價對工業企業選址的拉力作用大于推力作用。

4結論

本文基于2011＼～2022年中國284個地級市和工業企業的面板數據，采用雙向固定面板回歸的估計方法，實證檢驗了房價對工業企業區位選擇的影響機制及其異質性特征。研究結果表明：（1）房價作為產業集聚經濟效益的正向信號因子，對工業企業區位選擇具有雙重作用。高房價通過資本化效應內化了區域內的知識溢出、生產率提高及勞動力池匹配等集聚外部性，形成對企業的拉力作用；同時，高房價作為土地要素成本與勞動力成本的載體，通過增加企業運營成本產生推力作用。在高集聚區域，由于集聚經濟效益足以覆蓋高房價帶來的成本壓力，拉力作用占據主導地位，表現為房價對企業區位選擇的正向吸引力；（2）房價在高集聚地區能有效反映集聚效應，促進工業企業區位選擇，而在低集聚地區則缺乏這種作用。

此外，集聚類型的不同也影響了回歸結果，尤其是多樣化集聚在低集聚區域仍具有較強的吸引力，而專業化集聚則未能在該類區域顯示出顯著性。這些發現為理解集聚對工業企業區位選擇的實際影響提供了新的視角，揭示了房價作為集聚經濟信號的價值及其在不同集聚水平下的表現差異。

參考文獻

[1］余珮，孫永平．集聚效應對跨國公司在華區位選擇的影響[J]．經濟研究，2011，46（1）：71＼～82.

[2］董春，梁銀鶴．市場潛能、城鎮化與集聚效應—基于空間計量分析[J].科研管理，2016，37（6）：28＼～36.

[3］徐瑛，陳．中國工業勞動力蓄水池現狀及其對新建企業選址的影響[J].中國人口科學，2015，（3）：44＼～54，126＼～127.

[4］范劍勇，劉念，劉瑩瑩.地理距離、投入產出關系與產業集聚［J].經濟研究，2021，56（10）：138＼～154.

[5]惠獻波.數字經濟、創業活躍度與共同富裕—來自智慧城市建設的證據[J].當代經濟管理，2023，45（5）：18＼～24.

[6]劉建江，羅雙成．房價上漲、要素流動與制造業升級［J]．當代經濟科學，2018，40（6）：98＼～106，130.

[7］馮萍，劉建江，羅雙成．房價、勞動力成本與制造業區位布局：理論與證據［J]．產業經濟研究，2019，（2）：88＼～101.

[8]胡草，范紅忠．高房價抑制新企業進入了嗎？——來自于中國工業企業的經驗證據［J].華東師范大學學報（哲學社會科學版），2017，49（1）：146＼～153，177.

[9］安同良，楊晨．互聯網重塑中國經濟地理格局：微觀機制與宏觀效應［J].經濟研究，2020，55（2）：4＼～19.

[10]范劍勇，馮猛，李方文．產業集聚與企業全要素生產率［J].世界經濟，2014，37（5）：51＼～73.

[11]LiD，Lu Y，Wu M.Industrial Agglomeration and Firm Size：Evidence from China [J]. Regional Scienceand UrbanEconomi-cs，2012，42（1-2）：135＼～143.

[12]杜威劍，李夢潔.產業集聚會促進企業產品創新嗎？——基于中國工業企業數據庫的實證研究[J]．產業經濟研究，2015，77（4）：1＼～9，20.

[13]GlaeserEL，KallalHD，ScheinkmanJA，etal.GrowthinCiti-es[J].Journal ofPolitical Economy，1992，100（6）：1126＼～1152.

[14]HendersonV，Kuncoro A，TurnerM.IndustrialDevelopmentinCities[J].Journal ofPolitical Economy，1995，103（5）：1067＼～1090.

[15]Harris C.The Market as a Factor in the Localization of IndustryintheUnitedStates[J].AnnalsoftheAssociationofAmericanGeographers，1954，（44）：315＼～348.

The Impact of Housing Prices and Agglomeration Economies on the Location Choices of Industrial Enterprises

Zhou JingkuiWang Yidi （School of Economics，Nankai University，Tianjin 3OoO71，China）

[Abstract]Basedoncity-level paneldatafrom Chinabetween2O11and2O22，this paper employsboth bidirectional fixed efectsandmoderationefectstoexaminetheipactofhousingpricesandindustrialagglomerationonthelocationchiesofidustrialfimsinChina.Theempiricalresultsindicate thathousingpricescanexertapullefectonfirmslocationchoicesHousing pricesserveasasigalfctorthatpartiallepesetsteonomiceneitsofiustrialglometionenalomeratiois aresuicientlylrge，highregionalhousingpriceshaveapositiveatractionefectonindustrialfirms’locationdecisions.Incitis withahighlevelofinustrialaglomeration，housingpricesaveagreaterpullfcttantepushefectonthelcatiochocesof industrialfirs，generatingapositiveimpactontespatialdistributionoffrms.Incitieswithlowerlevelsofindustrialaloration，housingpriceshavensignificantefectonindustrialfirms’locationchoices.Thissuggeststhatheinfluenceofhousingprices onfirm location decisions is closely related to the industrial agglomeration level.

[Keywords]housing prices；firmlocationchoices；industrialagglomeration；industrial fims；robustness；industrialeco nomics；real estate；regional development

[Jelclassification]R3O；R32

（責任編輯：楊婧）