房地產(chǎn)投資、金融發(fā)展與城市創(chuàng)新
——基于152個地級市面板數(shù)據(jù)的分析

■江康奇，李錦然

一、問題的提出

近年來，房地產(chǎn)市場持續(xù)火熱，房地產(chǎn)投資快速擴張，商品房銷售火爆，房價居高不下。不可否認的是房地產(chǎn)業(yè)的發(fā)展推動了中國經(jīng)濟的增長。然而，在刺激經(jīng)濟增長的背后，房地產(chǎn)業(yè)的繁榮卻可能造成資本的“脫實向虛”。在房地產(chǎn)業(yè)高利潤率的誘惑下，大量資金投入了房地產(chǎn)行業(yè)，推高了房價，進一步擠占實體經(jīng)濟部門的資本，加劇了資產(chǎn)泡沫破裂的金融風險。繼續(xù)依托房地產(chǎn)經(jīng)濟不但不能改變當前的經(jīng)濟困境，甚至會導致經(jīng)濟“脫實向虛”，惡化經(jīng)濟形勢。只有加快轉(zhuǎn)變經(jīng)濟發(fā)展方式，優(yōu)化實體經(jīng)濟結構，推動產(chǎn)業(yè)轉(zhuǎn)型升級，才能走出經(jīng)濟困境，實現(xiàn)經(jīng)濟長期穩(wěn)定地發(fā)展。而科技進步正是經(jīng)濟轉(zhuǎn)型升級的關鍵所在。因此，研究房地產(chǎn)業(yè)對創(chuàng)新能力的影響，對于提升我國創(chuàng)新能力、規(guī)范房地產(chǎn)業(yè)的發(fā)展、優(yōu)化產(chǎn)業(yè)結構和實現(xiàn)經(jīng)濟轉(zhuǎn)型升級均具有重要的理論價值和現(xiàn)實意義。

我國對此類問題的研究主要集中在以下兩方面：一是研究房地產(chǎn)市場的發(fā)展對地區(qū)企業(yè)創(chuàng)新的影響。余靜文等（2015）利用匹配的中國工業(yè)企業(yè)數(shù)據(jù)和35個大中城市的宏觀數(shù)據(jù)，研究發(fā)現(xiàn)房價上漲越快，企業(yè)會將資源配置到房地產(chǎn)部門，擠出創(chuàng)新投資。余泳澤和張少輝（2017）利用230個地級市和1272家上市公司的數(shù)據(jù)，發(fā)現(xiàn)房價的快速上漲會顯著抑制地區(qū)企業(yè)的技術創(chuàng)新；二是研究房地產(chǎn)市場的發(fā)展對地區(qū)創(chuàng)新的影響。張杰等（2016）利用1996～2013年中國省級層面的面板數(shù)據(jù)，研究發(fā)現(xiàn)房地產(chǎn)投資過快增長會抑制地區(qū)創(chuàng)新活動。崔瑩瑩等（2018）利用35個大中城市的面板數(shù)據(jù)，發(fā)現(xiàn)房價上漲會顯著抑制城市的創(chuàng)新能力。邵傳林（2018）基于285個地級市的面板數(shù)據(jù)，運用空間計量模型，發(fā)現(xiàn)地區(qū)住房價格在一定程度上促進了地區(qū)創(chuàng)新。

已有的研究尚未關注城市房地產(chǎn)投資對城市創(chuàng)新的影響。事實上，房地產(chǎn)投資的增長可能會導致地區(qū)資源的錯配，形成對長期投資的擠占效應（Wang&Wen，2011），進而對城市技術創(chuàng)新造成負面影響，也可能通過促進經(jīng)濟增長，正向影響城市的技術創(chuàng)新。此外，地區(qū)創(chuàng)新活動不可避免地會受到金融環(huán)境的影響，但尚未有文獻將金融發(fā)展納入房地產(chǎn)業(yè)對區(qū)域創(chuàng)新的分析框架中。鑒于此，本文利用2007～2016年的我國152個地級市面板數(shù)據(jù)，研究城市房地產(chǎn)投資對城市創(chuàng)新的影響以及金融發(fā)展的調(diào)節(jié)作用。

二、理論分析與研究假設

（一）房地產(chǎn)投資影響城市創(chuàng)新

1.房地產(chǎn)投資促進城市創(chuàng)新的作用機理

首先，城市房地產(chǎn)投資可通過促進經(jīng)濟增長，來改善企業(yè)的經(jīng)營狀況。企業(yè)的經(jīng)營利潤增加使其內(nèi)部經(jīng)營現(xiàn)金流得到保障，進而促進地區(qū)企業(yè)的創(chuàng)新活動。其次，房地產(chǎn)投資的增長帶動地區(qū)房價上漲，提高了企業(yè)自有房屋等資產(chǎn)的抵押價值，進而緩解地區(qū)企業(yè)的融資約束。對于企業(yè)而言，融資約束的緩解可以讓其獲得更多的貸款以支持研發(fā)創(chuàng)新，從而促進地區(qū)技術創(chuàng)新。最后，房地產(chǎn)投資的增長需要消耗大量的土地資源，土地需求上升會推動地區(qū)地價和租金成本上升，產(chǎn)生低技術含量企業(yè)“出局”的產(chǎn)業(yè)結構優(yōu)化效應，提高地區(qū)的創(chuàng)新水平（邵傳林，2018）。此外，大量的土地出讓給地方政府帶來了巨大的財政利益，財政實力的增強有助于政府拿出更多的資金支持地區(qū)創(chuàng)新活動，從而促進地區(qū)的技術創(chuàng)新。

2.房地產(chǎn)投資抑制城市創(chuàng)新的作用機理

首先，房地產(chǎn)投資增加的背后推動力量之一是房地產(chǎn)業(yè)超高的投資回報率。多年來，我國房地產(chǎn)業(yè)的平均利潤率遠高于工業(yè)企業(yè)的同期利潤率，巨大的利潤率差距會激勵銀行體系將有限的信貸資金優(yōu)先貸款給低風險，高收益的房地產(chǎn)部門（張杰等，2016）。金融體系信貸偏向會加劇企業(yè)的融資約束，進而形成企業(yè)創(chuàng)新的抑制。其次，在巨大利潤率差異的背景下，城市房地產(chǎn)投資的增長可能會誘導企業(yè)進行資本套利，將原本應用于創(chuàng)新投資的資金投向房地產(chǎn)部門（王文春和榮昭，2014），研發(fā)資金的減少將不利于企業(yè)技術創(chuàng)新。最后，房地產(chǎn)投資所推動的地價和租金的上漲會增加企業(yè)的經(jīng)營成本。經(jīng)營成本的上升會加大企業(yè)未來的資金風險，致使企業(yè)進行創(chuàng)新研發(fā)的意向下降。而且房地產(chǎn)投資的增長會提升城市的勞動力成本（劉煥鵬等，2018），勞動力成本的上升可能會抑制企業(yè)創(chuàng)新。

綜上所述，房地產(chǎn)投資的增長可能會對城市技術創(chuàng)新形成促進效應，也可能形成抑制效應，房地產(chǎn)投資對城市創(chuàng)新的凈效應將取決于兩種效應的相對大小，故本文提出以下研究假設：

假設1a：如果促進效應占主導，那么房地產(chǎn)投資推動城市創(chuàng)新；

假設1b：如果抑制效應占主導，那么房地產(chǎn)投資阻礙城市創(chuàng)新。

（二）金融發(fā)展的作用

金融發(fā)展水平的提升能夠緩解企業(yè)由于金融體系中信貸偏向所造成的融資約束，從而促進企業(yè)的創(chuàng)新行為。一方面，在房地產(chǎn)市場高收益的誘惑下，企業(yè)的資本套利行為會對創(chuàng)新資金形成擠占。金融的發(fā)展不僅能夠降低貸款前信息獲取成本，而且能夠降低貸款后的信息獲取成本，監(jiān)督企業(yè)的成本以及實施控制的執(zhí)行成本（解維敏和方紅星，2011）。成本的降低將有利于金融機構對企業(yè)進行監(jiān)督與控制，減輕道德風險的問題，規(guī)范企業(yè)資金用途，促使企業(yè)將資金用于創(chuàng)新研發(fā)。另一方面，進行創(chuàng)新研發(fā)前，企業(yè)會充分考慮資金風險問題，金融發(fā)展水平的上升，使企業(yè)融資渠道拓寬，融資約束下降，降低企業(yè)進行創(chuàng)新投資期間可能出現(xiàn)資金供應不足的風險，提升企業(yè)進行創(chuàng)新投資的意愿。基于上述分析，本文提出研究假設2：

假設2：金融發(fā)展水平的提升能緩解房地產(chǎn)投資對地區(qū)創(chuàng)新的抑制效應。

三、模型設計與變量介紹

（一）模型設計

為驗證假設1a和1b，本文運用2007～2016年152個地級市的面板數(shù)據(jù)，探究城市房地產(chǎn)投資對創(chuàng)新的影響，基準回歸模型公式如下：

式（1）中innovationit是i城市第t年的創(chuàng)新變量，investit是i城市t年的房地產(chǎn)投資變量，controlit為控制變量集合，α0為常數(shù)項，ui代表城市固定效應，λt代表時間固定效應，εit是隨機誤差項。若α1顯著為正，則假設1a成立；若α1顯著為負，則假設1b成立。

為了驗證假設2，即驗證城市的金融發(fā)展水平在房地產(chǎn)開發(fā)投資對城市創(chuàng)新的影響中的調(diào)節(jié)效應，具體的回歸模型如下：

其中，financeit是i城市第t年的金融發(fā)展發(fā)展水平變量，multiit是i城市第t年的金融發(fā)展水平變量與房地產(chǎn)投資變量的交互項，其他設計不變。本文要驗證的是較高的金融發(fā)展水平能緩解城市房地產(chǎn)投資對創(chuàng)新的抑制效應，故θ2要顯著為正。

（二）變量的選擇及數(shù)據(jù)說明

1.城市樣本的選擇

本文在中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫所規(guī)定的68個大中城市的基礎上，進一步加入中小城市樣本①中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫所規(guī)定的大中城市個數(shù)為70個，由于岳陽市和大理市在部分指標的數(shù)據(jù)上存在缺失，因此本文將這兩個城市樣本剔除。限于篇幅，具體的城市名單不列出，有需要的讀者可向作者索取。，新的數(shù)據(jù)樣本包含了各線城市，同時覆蓋了除西藏外的各個省份，這一定程度上可以確保研究結論的穩(wěn)健性。但由于本文的數(shù)據(jù)指標眾多，為了保證實證數(shù)據(jù)的完整性，本文最終將數(shù)據(jù)樣本確定為152個城市。

2.因變量

本文的因變量是城市創(chuàng)新水平。基于已有研究（張杰等，2016），本文創(chuàng)新性地使用樣本城市當年申請并最終被授權的專利數(shù)來衡量城市的創(chuàng)新水平，這樣既能體現(xiàn)出創(chuàng)新能力的實質(zhì)內(nèi)涵，又可以避免時滯性問題。本文搜集了152個地級市在2007～2016年期間每年申請并最終被授權的專利數(shù)。其中，專利授權分為發(fā)明類授權，實用新型授權以及外觀設計三類，本文用三類專利的數(shù)量之和來衡量城市創(chuàng)新水平。考慮到各個城市在人口數(shù)量上存在差異，本文借鑒邵傳林（2018）的研究，使用城市每萬人專利授權數(shù)來衡量城市的創(chuàng)新水平（innovation）。

3.自變量

借鑒羅知和張川川（2015）的方法，本文用城市當年的房地產(chǎn)開發(fā)投資額來衡量城市的房地產(chǎn)投資水平，以2007年基期，剔除通貨膨脹的影響，求得各城市當年的房地產(chǎn)實際開發(fā)投資額，并取自然對數(shù)，所得到的數(shù)額作為解釋變量（invest1）。數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》。

4.調(diào)節(jié)變量

借鑒張成思等（2013）的研究，本文用三個指標來衡量地區(qū)金融發(fā)展水平。包括金融效率、金融規(guī)模和金融深度。數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》。

5.控制變量

為了減小因遺漏變量所帶來的誤差，本文加入了多個控制變量，具體包括：城市文化水平、工業(yè)發(fā)展水平、政府科教支出、信息化水平、收入水平、交通水平、人口密度、經(jīng)濟開放程度和教育水平。以上的數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》。模型的各個變量的計算方法與描述性統(tǒng)計如表1所示。

表1 變量的計算方法與描述性統(tǒng)計

（三）工具變量的選擇

為緩解由內(nèi)生性問題而造成的偏誤，本文借鑒張杰等（2016）的思路，從土地供應的角度出發(fā)，選擇滯后一期的國有建設用地出讓面積（公頃）的自然對數(shù)作為模型的工具變量（Land），并且可以消除房地產(chǎn)投資反向影響國有建設用地出讓情況（陸銘等，2015）。本文還控制了城市人均實際GDP，工業(yè)發(fā)展水平等變量，以盡可能消除工具變量對因變量的間接影響機制。

四、實證分析

本文在進行OLS估計之后，采用選定的工具變量進行2SLS估計。由于選用的是滯后一期的國有建設用地出讓面積，因此數(shù)據(jù)的時間是2006～2015年，來源于《中國國土資源統(tǒng)計年鑒》。

（一）房地產(chǎn)投資影響技術創(chuàng)新的基準分析

表2 基準回歸結果

表2為房地產(chǎn)開放投資與城市創(chuàng)新的回歸估計結果。其中，第（1）列是在不添加控制變量時，房地產(chǎn)投資對城市創(chuàng)新活動的回歸系數(shù)在1%水平上顯著為負；第（2）列在第（1）列基礎上加入文化水平、工業(yè)發(fā)展水平、通信水平、收入水平、交通水平、人口密度、經(jīng)濟開放度、城鎮(zhèn)化率、教育水平等變量。回歸結果顯示，房地產(chǎn)投資變量的回歸系數(shù)在1%水平上顯著為負。兩個回歸結果均表明房地產(chǎn)投資的增長總體上阻礙了城市的技術創(chuàng)新，即抑制效應大于促進效應。因此，支持了假設1b，拒絕假設1a。此外，對控制變量回歸結果的分析可以發(fā)現(xiàn)，文化水平變量（lnbook）的回歸系數(shù)在5%水平上均為正，說明了文化水平的提高有利于促進城市創(chuàng)新活動。工業(yè)發(fā)展水平（industry）的回歸系數(shù)均在1%水平上顯著為正，表明規(guī)模以上工業(yè)企業(yè)產(chǎn)值增長率的提高有助于提高城市創(chuàng)新活動。政府科教支出占比（expense）的回歸系數(shù)均在1%水平上顯著為正，表明科教支出占比的提高將有利于城市的技術創(chuàng)新。

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。表3為第一階段回歸的結果。其中，第（1）列和第（2）列中工具變量的回歸系數(shù)仍然在1%的統(tǒng)計水平上顯著為正，工具變量的回歸系數(shù)在1%的統(tǒng)計水平上顯著為正，說明國有建設用地出讓面積的增加會刺激房地產(chǎn)投資的增長。第一階段回歸的F值分別為214.256和180.186，均大于10，表明不存在弱工具變量的問題。表4呈現(xiàn)的是2SLS估計結果。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)的絕對值顯著變大但仍為負，說明房地產(chǎn)投資的增長總體上阻礙了城市的技術創(chuàng)新。因此，假設1b不能被拒絕。

表3 2SLS估計第一階段回歸結果

表4 基準回歸模型的2SLS估計結果

（二）金融發(fā)展水平的調(diào)節(jié)效應分析

本文從金融效率、金融規(guī)模和金融深度三個指標來衡量各城市的金融發(fā)展水平。根據(jù)模型設計中的方程（2）進行一系列回歸，其實證結果呈現(xiàn)于表5。表5中第（1）～（3）列分別是加入不同金融發(fā)展水平指標以及對應的交互項，進行普通OLS回歸，第（4）～（6）列則采用前文設定的工具變量并進行2SLS回歸。表5第（1）～（3）列房地產(chǎn)投資對城市創(chuàng)新的回歸系數(shù)均在1%的水平上顯著為負，且與金融效率、金融規(guī)模和金融深度的交互項系數(shù)均在1%水平上顯著為正，表明金融發(fā)展水平的提升能緩解房地產(chǎn)投資對地區(qū)創(chuàng)新的抑制效應。第（4）～（6）列的結果表明，經(jīng)過內(nèi)生性處理后，三個交互項的回歸系數(shù)均在5%水平上顯著為正，房地產(chǎn)投資對城市創(chuàng)新的回歸系數(shù)均在1%水平上顯著為負，進一步論證上一結果。因此，假設2不能被拒絕。

表5 金融發(fā)展水平的調(diào)節(jié)效應實證結果

（三）穩(wěn)健性檢驗①

①限于篇幅，穩(wěn)健性檢驗結果留存?zhèn)渌鳌?/p>

1.考慮創(chuàng)新指標與房地產(chǎn)投資指標的再度量

為了保證基準回歸結果的穩(wěn)健性，本文在原來基準回歸模型的基礎上，分別更換因變量和自變量后，再進行OLS回歸與2SLS回歸。本文采用每萬人發(fā)明授權數(shù)（innovation_i）作為因變量，采用城市房地產(chǎn)實際開發(fā)投資額與實際GDP的比值（invest2）作為自變量。實證結果顯示房地產(chǎn)投資變量的系數(shù)均在10%水平上顯著為負，說明城市層面房地產(chǎn)投資總體上阻礙了城市創(chuàng)新水平的提高，表明前文結論是穩(wěn)健的。

2.考慮城市的異質(zhì)性

首先，本文依據(jù)觀察期城區(qū)人口的平均人數(shù)從高到低對樣本城市劃分為大型城市、中型城市和小型城市，并對每個樣本分別進行OLS回歸和2SLS回歸，因變量、自變量以及控制變量保持不變，回歸結果顯示房地產(chǎn)投資變量的回歸系數(shù)均在10%水平上顯著為負。其次，考慮到北京、上海、廣州、深圳4個一線城市具備非常強的創(chuàng)新能力，本文的研究結論可能對其并不成立。本文將城市樣本分為一線城市組和非一線城市組，并分別進行OLS回歸和2SLS回歸。OLS回歸結果表明，一線城市組房地產(chǎn)投資變量的回歸系數(shù)雖然不顯著，但仍然為負，非一線城市組房地產(chǎn)投資變量的回歸系數(shù)在5%水平上顯著為負。經(jīng)過內(nèi)生性處理之后，一線城市組和非一線城市組的回歸系數(shù)均在1%水平上顯著為負。最后，本文進一步根據(jù)城市所在的地理位置將城市樣本劃分為東部城市組和中西部城市組，并分別進行OLS回歸和2SLS回歸。OLS回歸結果表明，東部城市組的房地產(chǎn)投資變量的回歸系數(shù)在5%的水平上顯著為負，經(jīng)過內(nèi)生性處理后，兩個城市組的房地產(chǎn)投資變量的回歸系數(shù)均在10%水平上顯著為負。以上表明基準回歸得出的結論是穩(wěn)健的。

五、拓展分析

本文將空間因素納入房地產(chǎn)投資對城市創(chuàng)新的影響中，考察房地產(chǎn)投資的空間相關性以及探究本城市的房地產(chǎn)投資是否對周邊城市的創(chuàng)新造成影響。

（一）空間計量模型的構建

常用的空間面板模型包括空間自回歸模型（SAR），空間誤差模型（SEM）和空間自相關模型（SAC），具體的回歸模型公式如下：

其中，W是空間權重矩陣，εit是誤差項，ρ是空間自回歸系數(shù)，用來度量相鄰城市之間被解釋變量的相互影響程度。δ為空間誤差系數(shù)，用來度量相鄰城市經(jīng)濟變量的相互影響程度。其他設計與基準回歸方程一致。當δ=0且ρ≠0時，模型為空間自回歸模型SAR；當ρ=0且δ≠0，模型為空間誤差模型SEM；當ρ≠0且δ≠0時，模型為空間自回歸模型SAC。

借鑒Bavaud（1998）、鄒薇和劉紅藝（2014）的研究，本文構建城市地理距離空間權重矩陣和經(jīng)濟距離空間權重矩陣。其中，經(jīng)濟距離為各個城市平均人均實際GDP的差值。各城市的經(jīng)緯度數(shù)據(jù)來源于國家基礎地理信息數(shù)據(jù)庫。空間權重矩陣的計算均在MATLAB運行，空間計量回歸在stata15上運行。

（二）空間相關性檢驗

空間相關性檢驗的結果顯示①此部分實證結果未給出，如有需要可向作者索取。，城市創(chuàng)新的莫蘭指數(shù)均大于0，且均在1%水平上顯著，表明城市創(chuàng)新具有顯著的空間溢出效應。城市房地產(chǎn)投資的莫蘭指數(shù)均大于0，且均在1%水平上顯著，表明城市房地產(chǎn)投資具有正向的空間相關性，一個城市的房地產(chǎn)投資的增長會帶動周邊城市房地產(chǎn)投資的增長。

（三）空間計量回歸結果

表6是基于空間計量模型下的實證結果。考慮到空間自回歸系數(shù)和空間誤差系數(shù)均顯著為正，本文選擇地理距離空間權重矩陣下的SAC模型作為分析模型，因為其嵌套了SAR模型和SEM模型，同時模型的AIC和BIC均最小。由表6可得，房地產(chǎn)投資對城市創(chuàng)新的回歸系數(shù)在1%水平上顯著為負，表明城市房地產(chǎn)投資阻礙了創(chuàng)新活動。此外，本文還基于SAC模型，分別加入金融發(fā)展變量以及金融發(fā)展與房地產(chǎn)投資的交互項進行空間面板回歸，結果顯示②同上。金融發(fā)展與房地產(chǎn)投資的交互項系數(shù)在1%水平上顯著為正，表明金融發(fā)展緩解了房地產(chǎn)投資對城市創(chuàng)新的抑制效應。

表6 空間計量回歸結果

由于城市房地產(chǎn)投資具有正向的空間相關性，本城市房地產(chǎn)投資的增長通過帶動周邊城市房地產(chǎn)投資的增長，進而形成對周邊城市創(chuàng)新活動的抑制效應。此外，在城市創(chuàng)新具有顯著的空間溢出效應的情況下，房地產(chǎn)投資對城市創(chuàng)新的回歸系數(shù)在1%水平上顯著為負，說明城市房地產(chǎn)投資不僅抑制本城市的創(chuàng)新活動，而且在一定程度上弱化了創(chuàng)新的空間溢出效應，進而形成對周邊城市創(chuàng)新活動的抑制效應。因此，從理論來看，本城市房地產(chǎn)投資通過以上兩條渠道影響周邊城市的技術創(chuàng)新。

表7 城市創(chuàng)新影響因素分解

本文進一步將城市房地產(chǎn)投資對技術創(chuàng)新的影響分解為直接效應和間接效應。表7為地理距離空間權重矩陣下的SAC模型的分解結果。由表7可得，間接效應為負且在10%水平上顯著，說明本城市房地產(chǎn)投資對周邊城市的技術創(chuàng)新也起到了抑制作用。

六、結論與啟示

本文運用2007～2016年152個地級市的面板數(shù)據(jù)，實證檢驗了城市房地產(chǎn)投資對技術創(chuàng)新的影響。研究結果發(fā)現(xiàn)：第一，城市房地產(chǎn)實際開發(fā)投資額越高，每萬人專利授權數(shù)就越少，房地產(chǎn)投資總體上阻礙了城市技術創(chuàng)新。在考慮了城市的異質(zhì)性之后，結論仍然成立。第二，金融發(fā)展水平的提升會緩解房地產(chǎn)投資對地區(qū)創(chuàng)新的抑制效應。第三，本文運用空間計量研究發(fā)現(xiàn)城市創(chuàng)新與房地產(chǎn)投資均具有空間溢出效應，本城市的房地產(chǎn)投資會抑制周邊城市技術創(chuàng)新。

本文的研究結論具有以下三方面的政策含義：第一，地方政府應該重視房地產(chǎn)投資的膨脹可能阻礙城市創(chuàng)新能力提升的問題，嚴格控制房地產(chǎn)投資規(guī)模，合理規(guī)劃房地產(chǎn)業(yè)的發(fā)展。一要重視房地產(chǎn)業(yè)的發(fā)展可能導致地區(qū)信貸資源的錯配問題，制定相應的信貸傾斜性政策，緩解創(chuàng)新企業(yè)的融資約束；二要重視地區(qū)企業(yè)投資房地產(chǎn)進行投機套利的問題，應該制定相應的政策以適當提高企業(yè)進入房地產(chǎn)業(yè)的門檻，這樣既可以弱化投機套利對創(chuàng)新資金的擠占效應，也可以降低地區(qū)經(jīng)濟脫實向虛的風險。此外，因科教支出占比的提高將有利于城市的技術創(chuàng)新，地方政府應該提高科教支出以支持地區(qū)的創(chuàng)新活動；第二，地方政府應注重金融業(yè)的發(fā)展，切實提高地區(qū)金融服務于經(jīng)濟和創(chuàng)新活動的能力。各城市的金融機構從業(yè)人員應提高專業(yè)素養(yǎng)，提高甄別投資項目潛力的能力，使金融資金更有效地服務于企業(yè)研發(fā)創(chuàng)新。地方政府應鼓勵地區(qū)金融機構在嚴格控制風險的前提下，創(chuàng)造更多的金融工具，擴大企業(yè)的融資渠道，降低企業(yè)的外部融資約束；第三，各地方政府不僅要考慮本城市的房地產(chǎn)業(yè)發(fā)展規(guī)劃，還要加強與周邊地方政府的政策溝通，促進區(qū)域內(nèi)房地產(chǎn)業(yè)合理發(fā)展。房地產(chǎn)投資的正向空間相關性一定程度來自于地方政府之間的“競爭”關系。因此，國家應合理地調(diào)整當前以GDP增長率為主導的政績考核，減少各城市之間存在競爭性的房地產(chǎn)投資。