產業集聚對中國房地產價格影響的實證研究

衣保中 周 賀

(吉林大學 東北亞研究院，吉林 長春 130012)

一、引 言

1998年東南亞金融危機爆發。為提振內需，我國開始啟動住房保障領域的貨幣化改革。伴隨著房地產市場改革的不斷深入，我國城鎮住房市場進入高速發展時期。2000～2016年全國商品房平均銷售價格上漲了3.5倍，除2008年國際金融危機對房地產價格產生短期的抑制外，房地產價格一直呈持續上升的趨勢。房地產產業的繁榮吸引了大量的人力資源和資金投入，房地產信貸市場需求猛增，同時帶動了裝修、家具、鋼鐵及建材等上下游產業的快速發展，房地產成為拉動我國經濟發展的重要力量之一。不斷上漲的住房價格日益成為政府、學界和民眾關注的焦點，房地產市場的供需平衡、價格泡沫及其經濟后果等也成為近年來我國房地產市場領域重要的研究課題。

價格的決定與波動是厘清房地產市場表象的核心問題。房地產價格是多種因素共同作用的結果，這些因素可以按影響房地產市場的需求還是影響房地產市場的供給來劃分，有些因素既能夠影響需求也能夠影響供給，而且在預期的作用下，需求影響因素與供給影響因素會相互轉化。產業集聚也是如此。房地產價格受各地區產業集聚程度的影響，產業集聚水平基本反映了各地區的經濟發展水平、工資水平與消費水平，對地區的商品房市場價格形成產生影響。同時，產業集聚的地區具有持續吸納周邊資源的能力，在集聚效應下，大量的技術人才、知識精英以及資本不斷聚集，進一步推高了對住房的需求。產業集聚下建設用地需求的增長還會對房地產的土地供應市場形成影響，導致土地價格上升推高住房建筑成本，從住房供給方面影響住房價格，根據2005～2017年我國土地成交價款和商品房銷售額情況，土地購置費用與商品房銷售額同步上升，土地購置費用是商品房銷售價格上升的重要因素之一。因此，產業集聚與房地產價格上漲在理論上存在著緊密的關聯。

Malpezzi(2002)對美國房地產市場進行實證研究，發現創新性產業每增加1單位就能促使房地產價格上漲28%，創新型產業集聚是美國房價上漲的重要原因。[1]Reed和Pettit(2004)對澳大利亞房地產市場進行研究，發現傳統服務業和零售業集聚的地區房地產價格水平較低，建筑業與金融業集聚的區域房價水平較高。[2]周啟良(2015)以中國數據為樣本，研究發現技術密集型產業集聚會拉動房價上漲，而勞動密集型產業集聚則會抑制房價上漲。[3]據此，本文以中國35個大中城市2000～2016年的數據為樣本，構建靜態面板模型和動態面板模型，實證檢驗產業集聚對房地產價格的影響，并選取人口集聚與土地價格中介變量，實證檢驗產業集聚影響房地產價格的中介效應，探討產業集聚對房地產價格的影響機制，從而為我國的房地產市場宏觀調控提供合理的政策建議。

二、文獻綜述

房地產價格的決定受多種因素影響，產業集聚是影響房地產價格的重要因素之一。以下從房地產價格的形成、產業集聚的發生、產業集聚對房地產價格的影響機制三個方面對現有文獻進行梳理。Alonso(1964)基于新古典經濟學理論，提出物價的高低是影響房價水平的關鍵。[4]Mankiw和Weil(1989)將人口變量加入到房地產價格模型中，研究發現房地產價格與人口因素顯著相關。[5]Abraham和Hendershott(1996)構建模型討論房地產均衡價格變動動因，指出就業率、可支配收入和建設成本是影響房價的主要因素，城市數據顯示房地產價格與這三個因素顯著正相關。[6]況偉大(2005)通過格蘭杰因果檢驗發現地租是房地產價格變動的原因。[7]趙麗麗和焦繼文(2007)發現戶籍人口是僅次于地租和建筑材料價格的影響濟南市房價水平的主要因素，戶籍人口增加導致房地產價格上升。[8]白霜(2008)發現人均可支配收入能顯著性解釋房價變動。[9]欒斌和張雪占(2010)發現投資者的投機行為促進了房價的高漲。[10]張遼和楊成林(2015)發現土地市場改革能夠抑制房價。[11]唐云鋒和吳琦琦(2018)對我國15個大中城市房價的變動進行了研究，發現土地財政政策會引發房地產價格變動。[12]

產業集聚是經濟生產的必然現象，產業集聚對經濟增長、FDI和區域創新具有重要的影響。最早的產業集聚概念來自于Marshall(1890)。Marshall首次提出“產業區”的概念，并將其定義為由歷史因素和區域地理因素共同作用所形成區域內集聚的中小企業集群。Marshall指出，由于產業集聚有利于促進各區域服務向專業化方向轉變、促使勞動力市場擁有更多產業技能的技術人員而降低企業的搜尋成本、促使上下游企業聯系更加緊密產生技術和信息的溢出效應，從而導致產業集聚的發生。[13]Krugman(1991)、Rosenthal和Strange(2001)、Ellison等(2010)的研究均闡釋并證實了產業集聚存在的必然性。[14-16]伴隨著我國市場經濟體制的不斷完善，市場作用機制下的要素流動性增強，各地區的產業集聚現象也日益顯著。

產業集聚對房地產市場價格的影響體現在人口集聚、收入增加與土地供給價格上。產業集聚經濟效應的存在，顯著地影響人口遷移的發生。產業集聚的規模經濟效應和外部性效應促使企業生產成本下降，企業利潤提高，員工工資報酬上升，吸引其他地區的人口流入。產業集聚還會吸引更多企業到該地區設廠，企業增加意味著該地區有更多的就業機會，吸引其他地區的勞動力就業。人口流入會增加住房需求，從而使產業集聚程度較高地區的房價持續上漲。Gabriel等(2012)研究發現地區間的人口流動遷移是影響房地產價格的主要因素之一。[17]陸銘等(2014)研究發現中國遷入人口占比高的地區房價水平更高，遷入人口比正向變動更大的地區的房地產價格增長率更高。[18]王應貴和婁世艷(2018)研究發現人口流入對日本東京都市圈的經濟發展的影響顯著，同時影響了地區的住房價格。[19]

土地價格是影響房價的主要因素(Needham，1981)。[20]土地成本是房地產開發企業的重要成本之一，土地成本的高低直接決定著房地產價格的高低。由于土地的供給是有限度的，土地市場中的供給曲線存在著剛性特征，土地需求的快速增加會導致土地價格的快速上漲(張敏和林志剛，2019)。[21]中國的土地制度更加強化了政府在土地市場中的壟斷者力量。產業集聚導致城市化建設過程加快，企業和人口向城市的快速涌入導致居民用地需求和工業用地需求的快速增加，進而導致土地價格的攀升。平新喬和陳敏彥(2004)對中國35個城市進行實證分析，發現土地價格是影響房地產價格的主要因素之一。[22]Mohamadzadeh等(2016)實證研究伊朗土地價格與房地產價格的關系，發現土地價格的上升推高了房地產價格。[23]

三、我國制造業集聚程度與房地產價格現狀分析

為了整體把握我國各地區的產業集聚水平與房地產價格的現狀，本文選取2010～2016年全國31個省(市、自治區)的數據進行分析。產業集聚的測度方法主要有產業集中度、產業集聚指數、區位熵、空間基尼系數、赫芬達爾指數以及EG指數等。這里，借鑒劉顏和鄧若冰(2017)的研究[24]，選擇使用區位熵對我國各地區的產業集聚水平進行測量，計算公式為 ：

(1)

本文選擇制造業的產業增加值作為產業集聚的測度指標，根據公式(1)計算我國各省份的產業集聚區位熵。根據表1，發現我國天津、河北、遼寧、江蘇、浙江、山東以及廣東等東部地區省市的制造業區位熵指數平均值大于1，說明在這些省市的產業結構中制造業占比較高；而北京和海南的制造業區位熵指數值較低，這與產業轉型升級與產業發展傳統有關。中部地區的安徽和河南制造業區位熵指數大于1，且逐年升高，說明其接受周邊發達省市制造業產業轉移效果顯著，導致其制造業的集聚程度越來越高；山西和黑龍江的制造業區位熵指數下降趨勢明顯，反映了制造業發展的相對滯緩與疲軟狀態。西部地區除內蒙古、青海和陜西外，大部分省市的制造業區位熵指數小于1，顯示了西部地區制造業發展要落后于東部和中部地區，這也與我國區域經濟發展格局相一致。

表1 2010～2016年各省份制造業集聚區位熵指數

根據2010～2016年我國各省份商品房平均銷售價格統計情況(見表2)，發現東部地區的北京、上海和浙江等省市年平均房地產價格均在每平方米10 000元以上。北京和上海2016年的商品房平均銷售價格分別為每平方米27 497元和24 747元，遠遠高于全國平均水平，隨后是浙江、天津和海南，并且這些地區的房價有逐年上漲的趨勢。河北、遼寧和山東房價相對處于較低水平，2016的商品房平均銷售價格分別為每平方米6438元、6080元和5855元，雖然保持上漲勢頭，但增幅較為緩慢。中部地區房地產價格基本接近，商品房平均銷售價格在每平方米4000～5500元之間，價格波動幅度較小。西部地區的四川和重慶商品房平均銷售價格最高，2016年分別為每平方米5762元和5485元，其他省市的商品房價格相對較低。總體上，我國商品房平均銷售價格也呈東中西依次下降的格局特征，2016年我國各省市商品房每平方米平均銷售價格均高于4000元。

表22010～2016年各省市商品房價格單位 ：元/平方米

區域省份2010年2011年2012年2013年2014年2015年2016年均值東部北京17 78216 85217 02218 55318 83322 63327 49719 882天津8 2308 7458 2188 7469 21910 10712 8309 442河北3 5393 9834 4784 8975 1315 7596 4384 889遼寧4 5054 7334 9425 1225 3735 7586 0805 216上海14 46414 60314 06116 42016 78720 94924 74717 433江蘇5 8416 5546 7276 9097 0067 3568 8057 028浙江9 2589 83810 64311 04210 52610 52511 12110 422福建6 2567 7648 6469 0509 1368 8819 2188 422山東3 9444 4484 7635 0495 3155 5605 8554 991廣東7 4867 8798 1129 0909 0839 79611 0978 935海南8 7358 9437 8948 6699 3159 3399 8788 968中部山西3 4873 4333 8714 4334 7344 8704 9844 259吉林3 6474 3644 1474 4835 1125 4765 3644 656黑龍江3 7193 9664 0674 7384 8825 1445 2954 544安徽4 2054 7764 8255 0805 3945 4575 9245 094江西3 1444 1484 7455 2035 2885 3585 7094 799河南3 0423 5013 8314 2054 3664 6114 9644 074湖北3 7434 4865 0435 2665 5135 8636 7245 234湖南3 1463 7904 0494 2434 2274 3044 6404 057西部內蒙古35213 7834 0534 3014 3334 4414 5464 140廣西3 5623 7724 2034 5934 8544 9605 2374 454重慶4 2814 7345 0805 5695 5195 4865 4855 165四川4 1384 9185 4495 4985 5975 4755 7625 262貴州3 3573 8894 1164 2954 3124 4154 3074 099云南3 1583 6354 2094 4944 9985 3005 2694 438西藏2 8963 4753 2694 1745 7744 1115 1124 116陜西3 7594 9495 1565 2805 1665 3625 4715 020甘肅3 0423 3183 5703 8864 5444 9135 2014 068青海3 0053 2484 0494 1635 0815 2425 4004 313寧夏3 3043 7323 9484 2324 1174 4134 2413 998新疆3 0873 5493 9184 2684 6284 6534 6324 105

資料來源 ：2011～2017年《中國統計年鑒》。

四、產業集聚對我國房地產價格影響的實證分析

(一)數據樣本與模型設定

選取2000～2016年35個大中城市的數據為樣本，數據來源于《中國房地產統計年鑒》、《中國城市統計年鑒》、《中國城市建設統計年鑒》、“中國地價監測網”和《中國區域經濟統計年鑒》。分別構建靜態面板數據模型和動態面板數據模型，實證研究各行業產業集聚程度對房地產價格的影響，模型形式如下:

lnYit=α+β1Xit+β2Wit+β3Zit+εit

(2)

lnYit=α+β0lnYit-1+β1Xit+β2Wit+β3Zit+εit

(3)

其中，Yit是房地產價格水平，用各城市的商品房平均銷售價格表示，并以2000年為基期剔除價格因素變化的影響；Xit是產業集聚程度(iagg)，利用城市制造業就業人數計算獲得的區位熵指標；Wit是中介變量，由人口集聚(pagg)與土地成本(landc)變量構成；Zit為影響房地產價格的控制變量，包括對住房需求有影響的平均工資(wage)、財富水平(fortune)，對住房供給有影響的建筑成本(buildc)、竣工面積(house)。所有變量具體含義及數據來源見表3。

表3 各變量定義和數據來源

為了實證檢驗產業集聚影響房地產價格的機制，借鑒Baron和Kenny(1986)、溫忠麟和葉寶娟(2014)的中介效應檢驗方法[25，26]，建立如下面板數據回歸模型 ：

lnYit=α+α0lnYit-1+α1Xit+εit

(4)

Wit=β+β0Wit-1+β1Xit+εit

(5)

lnYit=γ+γ0lnYit-1+γ1Xit+γ2Wit+εit

(6)

依次對公式(4)、公式(5)和公式(6)進行估計，如果估計系數α1、β1、γ2均顯著，則表明存在中介效應，即產業集聚對中介變量有影響，同時中介變量對房地產價格有影響；如果γ1顯著，則中介變量的影響是部分的，否則可視為完全中介效應。

(二)模型估計與實證結果分析

首先，對靜態面板數據模型公式(2)進行估計。通過豪斯曼檢驗發現應選擇固定效應模型，控制時間效應與個體效應進行估計。根據估計結果(見表4)，發現產業集聚(iagg)的估計系數為0.045，對房地產價格有正向影響，但不顯著；中介變量人口集聚(pagg)的影響也不顯著，土地成本(landc)的估計系數為0.174，對房地產價格有顯著的正向影響。如果土地成本是產業集聚影響房地產價格的中介變量，那么產業集聚對房地產價格影響不顯著很可能是因為中介變量作用的效果。控制變量平均工資(wage)、財富水平(fortune)和建筑成本(buildc)均對房地產價格具有顯著的正向影響，竣工面積(house)的估計系數為-0.105，對房地產價格形成顯著的負向影響，這與供給增加抑制價格上漲的商品供需均衡理論相一致。此外，房地產價格作為經濟指標，其變化是一個動態持續的過程，即房地產價格水平存在著時間上的相依性，當期房地產價格水平受到滯后一期房地產價格水平的影響。因此，有必要在解釋變量中加入房地產價格的滯后項，建立動態面板數據模型。

其次，對動態面板數據模型公式(3)進行估計。系統廣義矩估計和差分廣義矩估計是動態面板模型的常用估計方法，為了獲得穩健的參數估計結果，本文分別應用兩種方法進行估計。根據估計結果(見表4)，發現產業集聚(iagg)的估計系數均顯著為正，產業集聚對房地產價格有顯著的正向影響，系統廣義矩估計和差分廣義矩估計的系數分別為0.232和0.128；中介變量人口集聚(pagg)的估計系數為-0.019，即人口集聚對房地產價格的影響為負，這與前文闡釋的理論研究相矛盾，土地成本(landc)的估計系數為0.072，對房地產價格有顯著的正向影響。控制變量平均工資(wage)、財富水平(fortune)和建筑成本(buildc)仍然對房地產價格具有顯著的正向影響，竣工面積(house)的影響不再顯著。模型的系統廣義矩估計和差分廣義矩估計結果均通過了Arellano-Bond的序列相關檢驗和Sargan的工具變量有效性檢驗(見表4)。

表4 產業集聚影響房地產價格的實證檢驗結果

注 ：*、**、***分別表示在10%、5%和1%置信水平下顯著。

表5 產業集聚影響房地產價格的中介效應實證檢驗結果

注 ：*、**、***分別表示在10%、5%和1%置信水平下顯著。

再次，對動態面板數據模型公式(4)、公式(5)和公式(6)進行系統廣義矩估計，檢驗產業集聚是否存在影響房地產價格的人口集聚和土地成本中介效應。根據估計結果(見表5)，發現在模型1中，產業集聚對房地產價格具有顯著的正向影響，同時產業集聚能夠顯著正向影響人口集聚與土地成本，模型2和模型3中的估計系數分別為4.592和0.062，而人口集聚與土地成本又能夠顯著影響房地產價格，模型4和模型5中的估計系數分別為0.000124和0.439，由此可以判定產業集聚通過人口集聚與土地成本兩個途徑影響房地產價格是成立的，即中介效應是存在的。又由于模型4和模型5中產業集聚的系數也顯著，因此人口集聚與土地成本分別只反映了部分中介效應。(1)二者均是中介效應的表現意味著二者都不是唯一的中介效應。由此可知，產業集聚能夠通過人口集聚和土地價格上漲來推動房價上漲，但人口集聚和土地成本均分別傳遞產業集聚對房地產價格的部分影響。各個模型的估計結果均通過了殘差序列相關檢驗和Sargan的工具變量有效性檢驗(見表5)。

五、結論與政策建議

通過研究產業集聚對房地產價格的影響，獲得如下主要結論 ：一是我國各省份的制造業集聚程度和房地產價格水平差異較大，且呈東中西依次下降的格局特征，與我國的經濟發展水平格局特征基本一致；二是產業集聚能夠顯著促進大中城市房地產價格水平的上升，平均工資、財富水平、建筑成本和房地產竣工面積均對房地產價格產生顯著影響，人口集聚和土地成本是產業集聚影響房地產價格的重要中介，即產業集聚能夠通過人口集聚和土地價格上漲來推動房價上漲。

基于上述研究結論，為更好地開展我國房地產市場調控，提出如下對策建議 ：第一，促進各區域均衡協調發展，縮小東部地區與中西部地區的經濟發展差距、產業集聚差距和房地產價格差距，引導制造業從東部地區向中西部地區轉移，避免個別地區房地產價格過高。第二，注意人口集聚對大中城市房地產價格的影響，盡可能采取多種形式保障好大中城市流入人口的住房問題，建立更加嚴格的購房資質制度，避免城市對新居民在住房上的經濟剝奪，控制好城市老居民對新居民在住房買賣上的二次收割，做到房住不炒，在大眾中普遍形成房地產價格穩定的預期，引導居民進行其他方式的投資保值。第三，注意土地成本持續上升對大中城市房地產價格的影響，加快土地市場的市場化改革，探索改革政府是土地唯一供給方的住房土地開發制度，避免政府經營土地導致的供地規模不足，土地成本持續上升，努力破解以土地拍賣經費彌補財政收支缺口的土地財政困境。