房地產投資對就業的帶動效應分析

胡人斌

摘要：基于我國2001-2017年省際面板數據，在把握我國房地產投資及房地產業就業人數的基礎上，運用面板向量自回歸（PVAR）模型對我國房地產投資的就業帶動效應進行了實證分析。結果表明：①我國房地產投資額和房地產開發企業從業人數在研究期內都表現出大幅上升趨勢，兩個指標的平均值分別由2001年的2046487.3萬元、34268.36人增長至2017年的35418880萬元和91321.29人。②從脈沖響應分析來看，房地產開發企業從業人數對房地產投資的沖擊均表現出正響應狀態，說明房地產持續地對房地產業的就業產生積極影響。③從方差分解結果來看，除了房地產投資的帶動效應外，房地產開發企業從業人數也表現出依賴自身慣性發展的特征。

關鍵詞：房地產投資;就業;面板向量自回歸;中國

中圖分類號：F293.3 文獻標識碼：A

文章編號：1001-9138-（2019）11-0036-41 收稿日期：2019-10-08

1引言

20世紀90年代以來，隨著城鎮化的快速推進以及城鎮住房體制的改革與深化，房地產業逐漸成為國民經濟的支柱產業，房地產投資也成為我國經濟增長的主要推動力之一。張洪等的研究表明，進人21世紀后，我國房地產投資總額以年均23.4%的速率增長，這個增速遠遠大于我國GDP在這十余年間的增速。根據《中華人民共和國2018年國民經濟和社會發展統計公報》，2018年，我國房地產開發企業完成投資額120263.5 1億元，占當年度全國固定資產投資和GDP的比重分別高達1 8.63%和13.36%。房地產投資在促進消費、擴大內需、推動城鎮化建設以及拉動經濟增長等方面發揮了重要作用。劉貞平運用1995-2011年的數據，對中國房地產投資額與城市化水平的關系進行了實證分析。Green基于美國1959-1992年季度數據，采用格蘭杰因果檢驗發現住宅投資是經濟增長的格蘭杰原因，但經濟增長不是住宅投資的格蘭杰原因。景剛等基于2000-2016年中國31省市面板數據，全樣本、分地區、分地區分時段分別建立模型，實證分析房地產投資對中國經濟增長的影響效應，認為房地產投資在一定程度上可帶動經濟增長。與此同時，房地產投資對于提高人們居住生活水平，特別是擴大就業也具有重要作用。一方面，房地產業產業鏈長且投資規模巨大，能夠直接提供很多與房地產業相關的就業崗位與機會，另一方面，房地產業與金融業、社會服務業等產業具有很強的關聯性，對其他產業的帶動作用明顯，可以通過產業鏈帶動相關產業發展來增加社會就業。曹旭華等就曾建立線性回歸模型對房地產業創造就業能力進行了分析，她發現房地產業不僅具有穩定增長的直接吸納就業能力，而且由于房地產業具有較強的關聯作用，產生就業的間接“乘數效應”。但是總體來看，目前學術界對于房地產投資城市化效應和經濟增長效應的關注較多，對房地產投資就業效應的關注則相對較為薄弱。基于此，本文擬采用面板向量自回歸（Panel-data Vector Autoregressive.PVAR）模型，利用我國大陸31個省份2001-2017年的面板數據，對房地產投資的就業效應進行系統性診斷與分析，以期為深化推動房地產市場與社會經濟的良性耦合發展提供參考依據。

2模型構建與數據來源

2.1模型設定

PVAR模型是由Hohz-Eakin et a1.（1988）提出并經過大量學者進行發展完善后形成的計量經濟模型，兼具VAR模型和面板數據模型的優點，而且與VAR模型相比，PVAR模型能夠降低模型對數據量和數據形式的要求，識別和度量一些潛在的因素對研究對象的影響，控制橫截面的異質性，進而更有效控制空間個體異質性帶來的估計偏差。本文探討房地產投資就業效應的PVAR模型函數形式為：

式中，f代表省份，且i=1，2，…，N;t代表年份，且t=1，2，…，T;Yit是一個包含房地產投資及其就業效應的二維列向量，為消除可能的異方差，分別對房地產投資（REI）及其就業效應（EN）作對數處理，用lnREI和InEN表示;yo、k分別表示截距項向量和滯后階數;y1為滯后第j階的參數矩陣;ai、βt分別為個體效應向量和時間效應向量，分別表示截面個體的差異性以及時間變化對個體的影響;εit表示隨機擾動項。

本文采用廣義矩估計法（GMM）對上述PVAR模型進行估計。具體步驟包括：首先對各變量序列進行面板單位根檢驗，并對PVAR模型選擇合適的滯后階數;通過廣義矩估計得到變量序列之間的回歸擬合結果;然后進行脈沖響應函數分析，最后運用方差分解分析來衡量不同內生變量沖擊的貢獻度大小。

2.2變量選取

房地產投資是以房地產為對象，為獲得預期效益而對土地和房地產開發、房地產經營以及購置房地產等預先墊付資金的經濟行為，是房地產業完成的固定資產投資。本文主要選取當年度房地產開發投資額作為表征房地產投資的指標。

房地產投資不僅能夠直接提供就業崗位，而且通過帶動相關產業發展，創造更大規模的就業機會。但是鑒于很難準確界定與房地產業相關聯的其他產業，無法理清房地產在就業方面所發揮的“乘數效應”，本文主要從房地產提供的直接就業機會進行考量，選取房地產開發企業從業人數作為表征就業的指標。

2.3數據來源

本文基礎數據主要來源于EPS數據庫。其中，2001-2017年各省區房地產開發投資額來源于中國固定資產投資數據庫，房地產開發企業從業人數來源于中國房地產數據庫。

3結果分析

3.1現實特征

圖1反映的是2001-2017年中國房地產投資額和房地產開發企業從業人數的平均值變化情況。從中可以看到，在研究期內，我國房地產投資額呈逐年穩步上升趨勢，由2001年的2046487.3萬元增長至2017年的35418880萬元，凈增長33372392.9萬元，年均增幅高達19.51%。與房地產投資的變化軌跡類似，2001-2017年間，我國房地產開發企業從業人數也表現出增長態勢。其中，在2003-2005年、2007-2009年和2013-2015年三個時間段內，房地產業從業人數表現出波動態勢。2001年，我國房地產開發企業從業人數平均值為34268.36人，至2017年，就業人數平均值達到91321.29人，年均增幅為6.32%。

3.2面板單位根檢驗

本文綜合運用LLC（Levin-Lin-Chu）準則、IPS（Im-Pesaran-Shin）準則和Fisher-ADF準則進行面板單位根的聯合檢驗。如果三種準則均拒絕存在單位根的原假設，則說明序列平穩，反之則不平穩，具體結果如表1所示。從中可以看到，對lnREI的水平值進行檢驗時，結果表明不能完全拒絕原假設，即存在單位根。對兩個變量的一階差分進行檢驗時，均顯著地拒絕原假設，由此說明lnREI和InEN都是一階單整序列，可以進行面板向量自回歸分析。

3.3 PVAR模型估計

在正式估計PVAR模型之前，必須首先確定模型的滯后階數p。已有研究通常采用Akaike信息準則（AIC）、Baysian信息準則（BIC）以及Hannan-Quinn信息準則（HQIC）三種方式，根據信息量最小原則確定PVAR模型的p值。從表2可知，三種準則一致表明應選取PVAR（1）模型。

基于一階差分的面板數據，為避免模型中時間和固定效應可能造成的系數估計偏差，借鑒AreUano和Bover提出的“Helmert'過程消除時間和固定效應。其中，h_lnEN和L.h_lnREl分別為lnEN和lnREI經過Helmert變換、消除固定效應后的序列，L.表示滯后一期的變量。通過GMM估計方法得到的結果如表3所示。從中可以看到，以房地產開發企業從業人數作為被解釋變量，其差分變量與其自身滯后一期的變量正相關，說明房地產開發企業從業人數具有一定的慣性作用，房地產業從業人口規模的增長能夠進一步集聚各類資源，進而發揮規模效應，促進房地產業從業人數的擴大，但是P值為0.343，這種作用機制并沒有通過顯著性檢驗。房地產開發企業從業人數差分序列與滯后一期的房地產投資顯著正相關，即當期房地產投資規模較上期上揚，下期房地產開發企業從業人數也會較上期有所上浮，這也在實證層面驗證了房地產投資的就業帶動效應。

3.4脈沖響應分析

脈沖響應分析是用來衡量隨機擾動項一個標準差的沖擊對其他變量當前和未來取值的影響軌跡，可以直觀地刻畫出變量之間的動態交互作用和效應，并從動態反應中判斷變量間的時滯關系。本文借助Stata14.0軟件，將沖擊時間設置為10期，通過蒙特卡洛（Monte Carlo）實驗模擬500次得到房地產開發企業從業人數對其自身及房地產投資的脈沖響應函數圖，如圖2和圖3所示。其中，橫軸s代表沖擊時間，縱軸代表對相關變量沖擊的響應程度，中間紅色線條代表脈沖響應曲線，最上端和最下端兩條實現分別代表95%和5%分位點的估計值。

圖2中當房地產開發企業從業人數本期給自身一個標準差沖擊后產生了正向波動，在當期正向影響達到最大，此后逐漸下降，第2期以后開始表現出負向效應，此后便一直在0值下方變動。總體來看，10期的累積效應為正值，說明房地產業從業人員的累積效應。圖3展示了房地產開發企業從業人數對房地產投資沖擊的脈沖響應，面對房地產投資的一個標準差沖擊，房地產業從業人數當期的響應為0，隨后開始持續上升，并在第2期達到最大值，盡管第3期開始又開始穩定下降，但是在整個沖擊期內都為正值，即房地產投資對房地產企業從業人數具有正向作用，能持續帶動房地產業就業。

3.5方差分解

方差分解提取的是每個隨機擾動對模型中變量產生影響的相對重要性，通過方差分解，可以評估各個沖擊對系統中內生變量變化的解釋力度和相對重要性。本文通過方差分解進一步分析房地產投資的就業帶動效應。與脈沖響應分析類似，本部分同樣進行500次Monte Carlo模擬，生成10期的面板方差分解結果如表4所示。

從表4來看，在對房地產開發企業從業人數誤差項的分解中，其自身在第一期貢獻了100%的解釋能力，盡管從第2期開始，其自身的解釋力有所下降，但是直到第10期，其貢獻率依然高達74.6%，再次說明我國房地產開發企業從業人數表現出依賴自身慣性發展的特征。同時可以看到，盡管與房地產開發企業從業人數相比，房地產投資的解釋力度相對較低，但是從第1期開始，房地產投資對房地產開發企業就業人數的貢獻能力表現出逐年穩步上升態勢，第1期時，房地產投資的貢獻率并不明顯，至第10期時，房地產投資對房地產開發企業就業人數的貢獻率達到25.4%。

4結論與討論

本文結合房地產業產業鏈長、關聯性廣的基礎特征，指出房地產投資會直接或間接形成就業效應，并以我國2001-2017年省際面板數據為研究樣本，運用面板向量自回歸模型對我國房地產投資的就業帶動效應進行了實證分析。得出了以下結論：

（1）2001-2017年間，我國房地產投資額和房地產開發企業從業人數都表現出大幅上升趨勢，兩個指標的平均值分別由2001年的2046487.3萬元、34268.36人增長至2017年的35418880萬元和91321.29人，年均增長率分別為19.51%和6.32%。

（2）面對房地產投資的一個標準差沖擊，房地產開發企業從業人數除了當期沒有響應外，在其余沖擊期內都表現為正值，即房地產投資對房地產企業從業人數具有正向作用，能持續帶動房地產業就業。

（3）從方差分解結果來看，除了房地產投資的帶動效應外，房地產開發企業從業人數變化表現出依賴自身慣性發展的特征。在所設定的分解期內，我國房地產開發企業從業人數誤差項的70%以上都能夠從其自身得到解釋。

本文所提出的房地產就業效應擴展了已有相關研究的范疇，但是本文僅僅是通過面板數據對房地產投資的就業帶動效應進行了實證，沒有深入系統地揭示就業帶動效應的生成機制，而且也沒有對不同區域的帶動效應程度進行比較分析，這些都是后續研究的重要方向。