勞動力流動下的城市房價水平與服務業集聚——基于我國284個城市面板數據的門檻回歸模型檢驗

紀玉俊，張　鵬(中國海洋大學經濟學院，山東青島266100)

勞動力流動下的城市房價水平與服務業集聚
——基于我國284個城市面板數據的門檻回歸模型檢驗

紀玉俊，張鵬
(中國海洋大學經濟學院，山東青島266100)

摘要:論文在勞動力流動視角下考察了城市房價水平對服務業集聚的影響。利用2003年—2011年中國284個城市面板數據進行門檻回歸檢驗，結果表明總體而言在高房價水平區間內不利于服務業集聚，這是因為過高的城市房價在一定程度上抑制了勞動力流動，從而會造成服務業集聚中的勞動力供給不足。進一步分析城市房價對生產性、消費性和公共性服務業集聚的影響發現，高房價同樣不利于生產性和公共性服務業集聚，這反映出上述兩類服務業的勞動力在流動中對城市房價水平變化相對更加敏感。因此，通過調控房價水平以促進城市服務業集聚有其必要性。

關鍵詞:城市房價水平;服務業集聚;勞動力流動;門檻回歸模型

網絡出版地址: http://www. cnki. net/kcms/doi/10.13937/j. cnki. sjzjjxyxb. 2015.04.003.html網絡出版時間:2015－08－20 15:30

一、引言

作為生活成本的重要組成部分，房價的高低影響著生活質量，自然也成為影響勞動力流動的重要因素，而這無疑又對不同地區相關產業的發展有著很大的影響。Helpman (1998)通過在Krugman (1991)提出的新經濟地理學模型［1］中加入住房市場因素，得出地區住房價格過高會影響勞動者的相對效用，抑制勞動力向該地區的流入，進而不利于本地區的產業集聚［2］。總體而言，城市房價差異通過影響勞動力的流動方向和數量，從而作用于相關產業的空間分布及集聚。由于相比制造業來說，勞動力在服務業中的作用更為突出，因此就服務業的空間分布及集聚而言上述問題則愈加明顯。

從房價對勞動力流動的影響來看，相對較高的房價會抑制勞動力在區域間的流動，這會造成部分地區勞動力短缺［3－5］，而由于產業集聚對勞動力規模具有較高的需求，那么較高的房價水平就會不利于產業的空間集聚。Brakman等(2004)的研究也證實了這一點，研究發現1994年和1995年東西德之間房價水平的巨大差異使得大量制造業從西德向原東德地區進行轉移和擴散［6］。但是對套利的預期也會使得勞動力向高房價城市流入［7－8］，這反而有助于產業的空間集聚。而從國內的研究來看，關于房價與產業空間分布及集聚的研究相對較少，邵挺等(2010)通過考察長三角地區房價水平與制造業區位分布，得出大型城市的房價過快上漲是該地區制造業分散化布局的重要原因之一的結論［9］;高波等(2012)在拓展新經濟地理模型和對35個大中城市實證檢驗的基礎上，認為城市間的相對高房價導致相對就業人數減少，這會促使產業價值鏈向高端攀升，進而實現產業升級［10］，這實質上間接說明了高房價對相關產業空間分布及集聚的影響;李鵬等(2013)則通過將房價作為地方性投入要素分析了其對產業區位選擇的影響［11］。通過對國內外相關文獻的梳理不難發現，地區房價正越來越成為影響產業集聚的重要因素，以目前我國的城市房價來說這一問題則相對更為突出。

就我國目前現實而言，通過發展服務業來優化產業結構是新型城鎮化的重要體現，而服務業通過空間集聚的形式可以提高工業與服務業的生產效率，擴大生產規模，進而推動地區經濟的發展［12－14］。相比制造業，服務業集聚對勞動力有著更多的需求，而城市房價水平的差異無疑會影響勞動力的流動，進而影響服務業集聚。鑒于城市房價水平不僅會對勞動力流動的總量產生影響，也會對勞動力流動的結構產生影響，也就是說對生產性、消費性和公共性服務業的影響不同①，從而城市房價水平對上述三類服務業集聚的影響也會存在差異。綜上，本文除了分析勞動力流動下城市房價水平對總體服務業集聚的影響之外，還分別探討了其對生產性、消費性和公共性服務業的影響。

二、研究設計

考慮到城市房價對勞動力流動進而對服務業集聚的影響可能會隨房價高低的變化而有所不同，本文采用Hansen (1999)提出的門檻回歸方法［15］進行回歸，依據一定的門檻值將城市房價水平進行區間劃分，然后在不同的區間段內考察城市房價對服務業集聚的影響。

在時期與城市截面選取方面，鑒于《中國城市統計年鑒》自2003年起對服務業實施新的分類標準，所以，本文以中國地級及以上城市的2003年—2011年面板數據進行實證分析，同時，由于數據的可得性與完整性，從333個地級及以上行政區中選取284個地級及以上城市作為研究對象，這涵蓋了所有地級及以上行政區的85.3%，相關數據均來自于《中國城市統計年鑒》(2004—2012)和《中國區域經濟統計年鑒》(2004—2012)。設定計量模型如下所示:

其中，η為待估計的門檻值，I(·)為示性函數，當rhpit≤η時，I=1，否則I=0。SLQit為因變量，表示服務業集聚度; RHPit為核心解釋變量和門檻變量，表示真實房價水平; Xit為控制變量，εit為隨機擾動項。此處以單門檻回歸模型為例作以說明，在實際應用過程中則可以根據假設檢驗對回歸模型加以修正②。

在城鎮化進程中，住房問題成為制約勞動力從農村向城市轉移以及在城市之間流動的重要因素之一。勞動力考慮的不僅僅是單純的房價，而是在工資水平約束下的真實房價水平，也就是說雖然A城市房價水平高于B城市，但如果A城市勞動力工資也高于B城市，而且其高出的幅度更大，那么，A城市的真實房價是低于B城市的。鑒于此，本文的城市真實房價水平用商品房屋平均價格p與職工平均工資w之比來表示，即RHP=p/w，該指標越大，意味著城市真實房價水平越高，反之，則越低③。

對于服務業集聚的測度，區位商指數反映了某一城市某個產業部門在全國范圍內的集聚水平，該指標通過排除區域規模差異因素可以顯示城市服務業在全國范圍內的比較優勢或比較劣勢，所以，本文采用區位商指數來衡量城市服務業集聚水平。城市的產業的區位商SLQij表示為:

其中Eij表示j產業在城市i的就業人口，∑jEij表示城市i的所有產業就業人口，∑iEij表示所有城市j產業的就業人口，∑i∑jEij則表示所有城市所有產業的就業人口總和。雖然服務業均生產和銷售服務性產品，但其內部各部門間的差異也較大，本文借鑒陳建軍等(2009)的劃分標準［16］，將服務業細分為生產性服務業、消費性服務業和公共性服務業，分別研究城市房價水平對各類服務業集聚的影響，且其區位商分別表示為PLQij、CLQij和ELQij④。

為了增加計量的穩健性，本文還增加了一些其他變量來控制其對服務業集聚產生的潛在影響，主要包括人均GDP、通訊條件、醫療條件、文化設施條件及工業化水平等，具體來說，用人均生產總值(agdp)來反映城市的經濟發展水平與市場潛力，用移動電話數量(mph)來反映城市的通訊能力，用醫院、衛生院床位數(mf)來反映城市的醫療衛生條件，用每百人公共圖書館藏書(book)來反映城市文化建設狀況，用第二產業占GDP的比重(ir)來反映城市的工業化水平，同時，為了減少可能存在的異方差問題，對所有的控制變量取自然對數。為了減少偽回歸，需要對樣本數據進行平穩性檢驗，本文采用LLC單位根檢驗方法對變量平穩性進行考察，結果表明所有變量都通過了在1%顯著性水平下的單位根檢驗，也就是說所有變量都是平穩的。所有變量的數據特征描述及LLC單位根檢驗結果如表1和表2所示。

三、城市房價水平與服務業集聚關系的門檻回歸檢驗

(一)城市房價水平對總體服務業集聚的影響分析

本文通過門檻回歸對二者的關系進行實證檢驗，而在進行門檻回歸時，要通過確定門檻值的個數來確定模型的形式，也就是首先要對門檻效果進行檢驗，以服務業集聚作為因變量時的檢驗結果如表3所示。單一門檻效應檢驗得到F值為6.116，在5%顯著性水平下拒絕無門檻的原假設，并得到門檻值η1=0.118;進一步檢驗是否存在兩個門檻值時，得到η2=0.157，雙重門檻效應檢驗的F值為4.494，在5%顯著性水平下拒絕只有一個門檻值的原假設，然后在固定第二個門檻值的前提下對第一個門檻值進行回檢，搜尋得到新的門檻值為0.118，這與第一階段的結果相同，因此可以確定模型至少存在兩個門檻;進一步搜尋第三個門檻值，其結果為0.100，但在進行回檢時搜尋到的第一個門檻值為0.121，這與前面的結果不一致，從而接受只存在兩個門檻值的原假設。因此，回歸模型確定為兩個門檻值，分別為0.118和0.157⑤。

表1　變量的樣本數據統計

表2　LLC單位根檢驗結果

表3　城市房價水平的門檻效應檢驗

確定城市房價水平存在兩個門檻值后，可以把樣本劃分為三個門檻區間，即低房價水平區間［0.007，0.118］、中等房價水平區間(0.118，0.157］和高房價水平區間(0.157，0.518］。以2011年為例，高房價水平區間主要包括以東部沿海為主的38個城市，也有像成都、武漢這樣的中西部地區的省會城市;中等房價水平區間以中部地區的城市為主的72個城市，也涵蓋了部分東部和西部地區城市;而低房價水平區間包括了以中西部地區為主的174個城市。這說明我國地區間的城市房價水平差異較大，高房價水平城市主要集中在經濟發達的東部沿海省份，而中低房價水平的城市則分布于經濟發展相對落后的內陸地區，以勞動力流動為傳導媒介對我國城市服務業集聚會產生怎樣的影響呢?我們在以下部分作重點分析⑥。

表4　雙重門檻回歸和固定效應回歸結果

由表4可知，在普通固定效應回歸中，城市房價水平對服務業集聚具有非常顯著的負向作用。這說明對于樣本內的所有城市而言，伴隨著房價水平上升，服務業空間集聚水平是下降的。而雙門檻回歸的結果顯示在不同的區間內，城市房價水平的變動對服務業集聚的影響是不同的:在低房價水平區間內，房價與服務業集聚呈現同方向變動;在中等房價水平區間內，房價與服務業集聚為負向關系，但這兩個區間段內的回歸結果并不顯著;而在高房價水平區間內，與固定效應回歸結果一致，房價對服務業集聚呈現出非常顯著地負向作用，但系數由－0.388變為－0.265，這說明負向作用有一定程度的減弱，而且城市房價水平對服務業集聚的負向作用主要由高房價城市所導致。

從房價由低房價水平區間向高房價水平區間的變動來看，房價系數值逐漸變小，并且由正變負，而顯著性水平卻逐步提高，這表明隨著城市房價水平的上升，其對服務業空間集聚影響逐步增強，特別是當房價上升到高房價水平區間時，體現為對服務業集聚的顯著負向作用。從城市在不同門檻區間內的分布來看，經濟發展相對落后的內陸城市主要分布在低房價水平區間內，雖然內陸城市規模較小，醫療、通訊及文化等基礎設施不是很完善，但較低的房價水平對于收入較低的勞動力來說具有一定的吸引力;其次，勞動力對房屋需求更多地體現為居住性需求，這使得對房屋的需求價格彈性較低，房屋價格變動對其購買行為的影響較弱，當房屋價格上漲時也會存在一定量的購買行為，這就導致城市勞動力流入量增加，而服務業發展需要一定的城市人口規模，在勞動力集中的地區形成產業的空間集聚，進而通過集聚效應帶動城市經濟發展。

高房價水平區間內的城市主要集中在沿海地區，雖然這些城市經濟相對發達，就業機會較多，收入相對較高，但高房價卻極大地增加了住房和生活成本，降低了勞動者的相對效用水平，城市對勞動力的吸引力下降，這導致城市的流入人口減少，甚至流出人口增加。而勞動力供給的減少自然會抑制服務業的發展，從另一角度來說，勞動力的流入減少(或流出增加)同時也會減少對服務業的需求，上述兩因素都不利于城市服務業的空間集聚。就我國現實而言，由于戶籍制度和城鄉二元經濟結構的存在，甚至部分城市對外來流動勞動力在享受城市公共物品及社會福利等方面存在地區歧視，這使得勞動力流動的機會成本本來就相對較高，隨著真實房價水平的不斷上漲，特別是對于經濟發達的沿海城市來說，高房價進一步增加了勞動力的流動成本，其結果就會減少勞動力流入量，從而不利于城市服務業集聚與發展。但同時也注意到在低房價和中等房價水平區間內，城市房價變動對服務業集聚的影響并不顯著，這除了與控制變量及時期項的選取有關外，還可能與僅從服務業總量層面分析有關。所以，為了更好地考察城市房價水平對服務業集聚的影響，接下來分別從生產性、消費性和公共性服務業集聚三方面加以分析。

(二)城市房價水平對生產性服務業集聚的影響分析

在對門檻效應進行檢驗時，搜尋得到第一個門檻值η1=0.121，F統計值為5.56，這表明在5%顯著性水平下拒絕無門檻的原假設;當進行雙門檻效應檢驗時，雖然得到η2=0.1，但在回檢時得到的門檻值為0.094，這與第一階段的結果不一致，所以，該模型存在一個門檻值，即0.121。這就把樣本劃分為低房價水平［0.007，0.121］和高房價水平(0.121，0.518］兩個區間，在此基礎上得到單一門檻回歸結果。

表5　單一門檻回歸和固定效應回歸結果

從普通固定效應來看，城市房價水平對生產性服務業集聚的影響表現在顯著的負向作用，當房價上升1個單位時，服務業集聚水平下降0.345個單位。而從單一門檻回歸結果來看，在低房價水平和高房價水平區間內，城市房價水平與生產性服務業集聚均為負相關關系，但負相關只在高房價水平區間內顯著，也就是說當房價上漲到一定程度后會不利于生產性服務業集聚。與房價對總體服務業集聚的影響不同，這時的高房價區間涵蓋的城市數量增多，集中了大部分東部沿海城市和部分內陸城市。這意味著城市房價對服務業集聚的負向作用的范圍擴大，更多城市的生產性服務業集聚會對房價的變動做出反應。但同時也要注意到對內陸城市的影響主要體現在諸如太原、南昌、南寧和貴陽等省會城市，這些城市一般都是所在省域的經濟中心，這說明經濟相對發達城市的高房價抑制了勞動力在地區間的流動，從而不利于城市生產性服務業的空間集聚，這與以總體服務業作為被解釋變量時的結果是一致的。

(三)城市房價水平對消費性服務業集聚的影響分析

通過門檻效應檢驗，消費性服務業集聚作為因變量時的門檻值也為兩個，即η1=0.074，η2=0.105，這就把樣本劃分為三個門檻區間:低房價水平區間［0.007，0.074］、中等房價水平區間(0.074，0.105］和高房價水平區間(0.105，0.518］，在此基礎上得出雙重門檻回歸結果。

表6　雙重門檻回歸和固定效應回歸結果

從表6中可以發現，在固定效應回歸中，城市房價水平對消費性服務業集聚具有非常顯著的正向促進作用。而雙門檻回歸結果顯示，在三個不同的房價水平區間內，二者仍然存在非常顯著的正向關系，并且與固定效應結果相比，其系數值變大。這說明在不同區間段內，伴隨著城市房價水平的上漲，城市消費性服務業集聚水平是不斷提高的。正如杜莉等(2013)所言，房價上升通過“財富效應”“替代效應”和“流動性約束效應”對居民消費產生促進或抑制作用［17］，由于前兩種效應大于后一種效應，這就使得城市房價上升促進居民對消費性服務業的消費，本地市場需求的擴大推動了城市消費性服務業的空間集聚⑦。但也要注意到隨著房價從低區間向高區間的變動，系數值是逐步減小的，這表明隨著整體房價水平的提高，勞動力流動受到抑制的程度開始加大，因此總體而言對消費性服務業集聚的正向作用是減弱的。

(四)城市房價水平對公共性服務業集聚的影響分析

以公共性服務業作為因變量時，通過門檻效應檢驗確定至少存在兩個門檻值η1=0.074和η2=0.157后，進一步搜尋得到第三個門檻值η3=0.083，進行回檢時搜尋得到第一個和第二個門檻值分別為0.074、0.157，且三重門檻效應檢驗的F值為6.296，在5%顯著性水平下拒絕只有兩個門檻值的原假設。所以，回歸模型存在0.074、 0.083和0.157三個門檻值，四個門檻區間，即低房價水平區間［0.007，0.074］、較低房價水平區間(0.074，0.083］、較高房價水平區間(0.083，0.157］和高房價水平區間(0.157，0.518］。此時的高房價水平區間與整體服務業集聚作為因變量時是一樣，這意味著兩者會對相同城市的高房價變動做出反應。

表7　三重門檻回歸和固定效應回歸結果

由表7可知，固定效應回歸模型的結果顯示城市房價水平對公共性服務業集聚具有顯著地負向作用。而從三重門檻回歸模型來看，所有區間內的城市房價水平與公共性服務業集聚均表現為負相關關系，且只有在較低區間內不顯著，這說明在不同區間內城市房價水平的上升不利于公共性服務業集聚;從系數值的大小來看，其系數絕對值明顯要比總體服務業和生產性服務業集聚作為因變量時的大，這表明公共性服務業集聚對城市房價水平的變動更為敏感。而就系數值在不同區間變化來說，與其它類型的服務業集聚作為因變量相一致，隨著房價由低水平區間向高水平區間的變動，系數值越來越小，這意味著城市房價水平越高，勞動力所獲得的效用水平越低，城市的勞動力流入量就會減少，從而對公共性服務業集聚的負向作用越大。

四、結論

從整體來看，城市房價水平上升不利于服務業的空間集聚，這在高房價城市表現得尤為突出;從細分服務業來看，生產性和公共性服務業集聚與城市房價呈現負相關關系，而消費性服務業集聚則與城市房價表現在正相關關系，這說明城市房價水平對服務業集聚的負向作用主要體現在對生產性和公共性服務業集聚的影響上，并且這種負向作用大于對消費性服務業集聚的正向作用。

從門檻值劃分的不同區間回歸結果來看，高房價水平普遍不利于服務業集聚，而低房價水平則在一定程度上有利于集聚。具體而言，城市房價水平的變動主要通過影響勞動力流動來對服務業集聚產生影響，處在高房價區間內城市主要集中在東部沿海和內陸省會地區。這些城市的收入水平較高，但更高的房屋價格使得真實房價水平相對較高，在不考慮其它因素對勞動力流動約束的條件下，房價水平上升降低了勞動者的效用水平，抑制了勞動力流入，特別是城市之間的勞動力流動，從而不利于服務業的空間集聚。低房價區間內的城市主要分布在經濟相對落后的內陸地區，較低的真實房價水平對于城鎮化進程中從農村流向城市的勞動力而言具有一定吸引力，人口向城市的集中反而有助于服務業集聚的形成，但是這種正向促進作用并不十分顯著，這可能與內陸城市服務業發展水平和空間集聚度較低有關。

房價的上漲會帶來正、負兩種效應，正效應會對當地的經濟發展有拉動作用，而負效應則是在于其生活必需品的屬性，從而會影響勞動力對工作地點的選擇，進而影響相關產業的空間集聚，對勞動力需求相對更大的服務業集聚而言則更是如此。從本文的研究結果來看，總體而言城市高房價對服務業集聚產生了不利影響，這主要是由于高房價限制了勞動力流動，從而不能滿足服務業集聚對勞動力的總量或結構性需求，進而不利于形成服務業集聚。從房價對服務業集聚的影響來看，合理調控高房價水平區間內的城市房價是有必要的，尤其對于東部沿海與部分內陸發達城市，可以通過抑制投機性需求和保障房建設滿足居住性需求來吸引勞動力流入，從而降低勞動力的生活和流動成本;同時，可以通過提高勞動報酬在初次分配中的比重以增加勞動者收入，從而降低其住房成本，增加城市對外來勞動力的吸引力以促進服務業集聚。

對于城市的發展而言，服務業集聚在其中發揮著重要作用，而城市房價往往會成為勞動力流動的“門檻”，從而不利于服務業集聚，地方政府對土地財政的依賴又會使得這一問題相對更突出。因此，從促進城市服務業集聚的角度來說，需要從政府和市場兩方面入手，在發揮其正效應的同時，要避免由負效應所帶來的損失，以此來促進服務業集聚，從而帶動我國城鎮化的發展。

注釋:

①具體分類的闡述可見下文。

②這里對門檻回歸的原理不再贅述，詳細內容可參考Hansen(1999)的文獻。

③鑒于無法直接從相關統計年鑒獲取，本文通過對《中國區域經濟統計年鑒》中商品房屋銷售額與商品房屋銷售面積之比的計算來獲得。

④生產性服務業為:交通倉儲郵電業，信息傳輸、計算機服務和軟件業，金融保險業，房地產業，租賃和商業服務業，科研、技術服務和地質勘查業和教育業。消費性服務業為:批發零售貿易業和住宿餐飲業。公共性服務業為:水利、環境和公共設施管理業，居民服務和其他服務業，衛生、社會保險和社會福利業，文化、體育和娛樂業和公共管理和社會組織從業。

⑤本文相關計量操作均在Stata 12.0中進行。

⑥東部地區城市包括了北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個沿海省份的城市;中部地區城市包括了山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南8個省份的城市;由于西藏的數據缺失，西部地區城市包括了內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海寧夏和新疆11個省份的城市。沿海城市主要指東部地區的城市，內陸城市則主要指中西部地區的城市。

⑦杜莉等(2009)認為當房價上升時，“財富效應”使得自有住房家庭的平均消費傾向提高;由于“替代效應”，尚無自有住房的家庭放棄購房、轉而擴大消費，從而其平均消費傾向顯著上升;由于“流動性約束效應”，租房者或潛在購房者為買房而進行更多的儲蓄，從而使其平均消費傾向下降。

參考文獻:

〔1〕KRUGMAN P.Increasing Returns and Economic Geography ［J］.Journal of Political Economy，1991，99 (3) : 483－499.

〔2〕HELPMAN E.The Size of Regions in Topics in Public Economics: Theoretical and Applied Analysis［R］.1998.

〔3〕BRAKMAN S，HARRY G，MARC S.New Economic Geography in Germany: Testing the Helpman－Hanson Model ［Z］.Discussion Paper Series，Hamburg Institute of International Economics，No.26183，2002.

〔4〕MURPHY A，J MUELLBAUER，G CAMERON.HousingMarket Dynamics and Regional Migration in Britain［Z］.Department of Economics Discussion Paper Series，Department of Economics，University of Oxford，No.275，2006.

〔5〕RABE B，M TAYLOR.Differences in Opportunities? Wage，Unemployment and House－price Effects on Migration［Z］.ISER Working Paper，No.05，2010.

〔6〕BRAKMAN S，GARRETSEN H，SCHRAMM M.The Spatial Distribution of Wages and Employment: Estimating the Helpman－Hanson Model for Germany［J］.Journal of Regional Science，2004，44(3) :437－466.

〔7〕DOHMEN THOMAS J.Housing，Mobility and Unemployment［J］.Regional Science and Urban Economics，2005，35 (3) :305－325.

〔8〕MEEN G，A NYGAARD.Housing and Regional Economic Disparities［Z］.Economics paper，Department for Communities and Local Government，No.5，2010.

〔9〕邵挺，范劍勇.房價水平與制造業的區位分布——基于長三角的實證研究［J］.中國工業經濟，2010(10) : 24－32.

〔10〕高波，陳健，鄒琳華.區域房價差異、勞動力流動與產業升級［J］.經濟研究，2012(1) :66－79.

〔11〕李鵬，汪明琦.區域房價和公共品差異對產業區位選擇的影響研究［J］.西安電子科技大學學報，2013(1) : 1 －11.

〔12〕胡霞，魏作磊.中國城市服務業集聚效應實證分析［J］.財貿經濟，2009(8) :108－114.

〔13〕童馨樂，楊向陽，陳媛.中國服務業集聚的經濟效應分析:基于勞動生產率視角［J］.產業經濟研究，2009 (6) :30－37.

〔14〕顧乃華.我國城市生產性服務業集聚對工業的外溢效應及其區域邊界——基于HLM模型的實證研究［J］.財貿經濟，2011(5) :115－122.

〔15〕BRUCE E HANSEN.Threshold effects in non－dynamic panels: Estimation，testing and inference［J］.Journal of Econometrics，1999，93(2) :345－368.

〔16〕陳建軍，陳國亮，黃潔.新經濟地理學視角下的生產性服務業集聚及其影響因素研究——來自中國222個城市的經驗證據［J］.管理世界，2009(4) :83－95.

〔17〕杜莉，沈建光，潘春陽.房價上升對城鎮居民平均消費傾向的影響——基于上海市入戶調查數據的實證研究［J］.金融研究，2013(3) :44－57.

(責任編輯周吉光)

The Level of Urban Houses Price and Service Industry Agglomeration in the Perspective of Labor Mobility—Threshold Regression Model Test Based on the Panel Data of 284 Cities in China

JI Yu-jun，ZHANG Peng
(Ocean University of China，Qingdao，Shandong 266100)

Abstract:This paper investigates the level of urban houses price influencing on the service industry agglomeration in the perspective of labor mobility.It uses the panel data of 284 cities in China from 2003 to 2011 to make threshold regression test，and the results show that the interval of high houses price is not in favor of service industry agglomeration as a whole.It is because of high urban houses price inhibiting the labor mobility to some extent，which causes the shortage of labor supply in the process of service industry agglomeration.Further analysis on urban houses price influencing producer，consumer and public service industries agglomeration shows that high houses price is also not in favor of the producer and public service industries agglomeration，which reflects the labor in the two types of service industry mentioned above are more sensitive to the change of the level of urban houses price.Therefore，it is necessary to regulate the level of houses price in order to promote urban service industry agglomeration.

Key words:the level of urban houses price; service industry agglomeration; labor mobility; threshold regression model

作者簡介:紀玉俊(1975—)，男，山東青島人，博士，中國海洋大學經濟學院副教授，主要研究方向為產業集聚。

基金項目:教育部人文社會科學重點研究基地中國海洋大學海洋發展研究院基金資助(2015JDZS02)。

收稿日期:2014－12－15

DOI:10.13937/j. cnki. sjzjjxyxb. 2015.04.003

中圖分類號:F062.9

文獻標識碼:A

文章編號:1007-6875 (2015) 04-0012-07