房價上漲對制造型企業投資的影響效應

劉廣平，連媛媛

（河北工業大學 經濟管理學院，天津 300401）

一、引 言

近年來，我國制造行業的利潤率一直處于低位，國家統計局的數據表明，2017年和2018年規模以上制造業的主營業務收入利潤率分別為6.35%和6.28%，而規模以下制造業的主營業務收入利潤率更低。與之相比，中國房地產協會發布的《中國房地產上市公司測評研究報告》指出，2017年和2018年我國房地產上市公司凈利潤率均值分別為15.00%和12.75%。在房價高速上漲的背景下，伴隨房地產行業的高投資回報率和低準入門檻特性的優勢加持，越來越多的制造型企業為了在高房價的洪流中獲得更可觀的收益，紛紛加入房地產投資大軍。因此，從實踐表現來看，近年來房價成為決定制造型企業投資行為的重要因素。

關于房價與制造型企業投資行為關系的研究，起初一些學者用“擠出效應”來解釋這一現象，即企業在房價上漲的背景下，以期獲得高額利潤，從而調整投資戰略，增加房地產市場的投資規模，進而對自身的主營業務產生一定的擠出作用。然而，對于擁有較多房屋和土地的制造型企業來說，房價上漲意味著它們的固定資產價值增加，抵押能力的上升可提高其融資能力，進而有利于其加大投資力度。到底房價上漲對制造型企業投資會產生“擠出效應”還是“促進效應”，有必要再對其進行更進一步的檢驗。同時，我國東中西部地區的金融發展水平、住房支付能力、住房需求等多個方面存在較大的差異，房價上漲對制造型企業投資行為的影響可能存在偏差。研究房價上漲對制造型企業投資行為的區域差異影響，有助于緩解房價上漲對制造型企業主營業務投資的不利影響，為政府針對區域特征制定更加精準的規制方案提供政策參考。

二、文獻綜述與研究假設

（一）文獻綜述

一些學者觀察到在房價高漲的背景下，越來越多的制造型企業為了追求高額利潤，會將更多的資源配置到低風險、高回報的房地產行業。Miao等（2015）發現房價上漲會帶來高回報的房地產投資機會，吸引了更多的資金分配到該行業，從而擠占企業主營業務的投資空間［1］。周端明等（2016）進一步驗證了房價高漲帶來的超額利潤會誘使大量資本產生投機心態進入房地產［2］。劉行等（2016）則從高管團隊的角度出發，指出上市公司管理層為了規避風險和追求高額利潤，會將資源更多配置到房地產行業，從而降低了企業主營業務的投資力度［3］。

部分學者從企業的創新層面展開分析。林嵩（2012）發現房價飛漲的背景下，資金大量流入房地產市場，創業積極性被削弱，會對創業活動產生顯著的擠出效應［4］。王文春等（2014）認為工業企業將有限的資源投入房地產，房價上漲越快，當地企業的創新傾向會越弱［5］；余靜文等（2015）發現了房價會擠出企業的研發投資，每當房價增速提高1個百分點，企業研發投入占總資產比重將會下降0.051個百分點［6］。Zhao等（2016）研究發現房地產市場的高利潤率誘使眾多非房地產企業投資房地產，削弱了制造企業的創新動力，房價越高，削弱作用越顯著［7］。

陳斌開等（2015）則從資源配置效率的角度出發，由于房地產高利潤和低效率并存，從而導致資源錯誤配置［8］。羅知等（2015）認為房地產投資對制造業投資部門產生擠出效應，會嚴重影響到企業的資源配置效率［9］。張榮佳等（2017）則從企業的實際控制人角度出發，指出對于國有企業，由于融資約束弱，房價上漲帶來的抵押效應并不明顯，民營企業的投資增加會提高資本品的價格，從而擠壓了國有企業的投資規模，產生擠出效應［10］。張杰等（2016）從金融主體著手，發現我國金融體系在房價上漲的背景下會更加偏向借貸給房地產行業，金融資源不合理的運用進一步抑制了創新活動［11］。

還有部分學者認為房地產作為企業重要的生產要素，會通過成本效應影響企業的投資行為。Fujita等（1999）認為由于運輸成本的降低，外圍地區較低的生產要素價格和房價水平會使其競爭力加強，因此制造業會逐漸從中心地帶擴散至周邊地區，勞動地需求多、技術水平低的勞動密集型產業更會率先轉移［12］。黃靜等（2009）認為房價推高了制造業行業的生產成本，實體企業會將更多資金投入到房地產以獲得套利，甚至有制造業面臨成本高企的困境，會轉移到勞動力成本和土地價格都比較低的地域［13］；邵挺等（2010）發現房價過快上漲是導致長三角制造業分散化布局加劇的重要原因［14］。齊謳歌等（2012）進一步驗證了房價過快上漲會導致企業生產要素價格的提高，部分傳統制造業紛紛轉向中西部城市尋求發展［15］。劉斌等（2016）則發現房價上漲導致企業商務成本和用工成本的增加，從而擠壓了企業的出口能量［16］。

綜上所述，雖然學者們對房價上漲對制造型企業投資行為的影響進行了廣泛的探討，但在一定程度上忽視了不同地域中房價上漲對制造型企業投資行為影響的程度和特征也會存在差異。

（二）研究假設

近些年來，對比制造行業國內成本高企和國外出口受阻的雙重困境，房價高漲為房地產行業帶來的平均利潤率遠高于制造行業的平均利潤率，再加上房地產行業進入壁壘比較低，企業追逐利潤的本性與生俱來，大量制造型企業在投機需求的驅使下容易將資金從實體經濟中抽離轉投房地產行業，因此我國房地產投資規模不斷增長。眾所周知，房地產屬于典型的資金密集型產業，離不開金融資金的扶持，房地產市場前景一致看好，更容易獲得銀行等金融機構的貸款青睞，房地產市場金融化進程加快，越來越多的貸款資金流入房地產市場，實體經濟所面臨的融資約束越來越高。因此，制造型企業很難獲得外部的金融貸款，同時為了規避風險，將有限的生產資源投資到房地產領域，擠占自身主營業務的生產空間。綜上，本文提出假設1。

H1：房價上漲會改變制造型企業的投資行為，房價上漲對制造型企業的主營業務產生擠出效應。

制造型企業的投資行為勢必會受到所在地區的人口、技術、經濟等宏觀因素的影響，因此不同發展程度的地區會對制造型企業投資行為帶來不同的影響。我國東部地區是通常意義上的經濟發達地區，經濟發展相對活躍，對年輕人和高素質人才有強勁的吸引能力，常住人口增速常年保持較高水平；加之經濟發達地區擁有普遍較高的居民受教育水平，相應地，居民的基礎素質和人均收入也保持在較高水平，對居住環境和質量也提出了更高的要求，因此從人口結構和人口素質角度考慮，經濟發達地區的居民擁有更加旺盛的房產需求。另外，經濟發達地區的房價普遍較高，高房價會導致制造型企業面臨土地和勞動力等要素成本的上升，利潤空間被高度擠壓，房價上漲會相對壓縮居民的現有財富，居民會約束當前和預期消費，導致相關消費產品的需求不足，進一步影響到相關消費品的價格和供給，因此制造型企業在內需疲乏的背景下可能會縮減生產投資規模。而經濟次發達的中部地區和經濟欠發達的西部地區，人口結構和人口素質等因素帶來的相對較弱的房產需求，土地和勞動力等要素成本相對較低，房價上漲的力度較弱給制造型企業投資行為帶來的擠出效應也相對較弱。因此，從供給和需求兩個角度出發，本文提出假設2。

H2：相較于經濟欠發達地區而言，經濟發達地區的房價上漲會對制造型企業投資行為產生更強的擠出效應。

三、變量與數據

（一）變量選取與測度

本研究因變量為制造型企業的投資行為，自變量為房價，控制變量包括區域層面的城鎮化率、經濟發展水平和房價收入比，還包括企業層面的成長能力、負債能力、企業規模和融資約束。各變量的定義與說明詳見表1所列。

表1 變量的定義與說明

1.自變量：房價

選取制造型上市公司所在省份的商品房平均銷售價格可以直觀呈現出省份之間的區域差異，為了方便運算，采用對數形式。

2.因變量：制造型企業的投資行為

制造型企業的固定資產規模大且專用性較強，因此固定資產作為制造型企業的主體投資部分，能夠反映企業的投資策略，且相關數據可以從年報中直接獲取，因此本文借鑒有關學者的方法，選用固定資產這一指標來衡量制造型上市公司的投資狀況。計算公式如下：

inv=（期末固定資產凈額-期初固定資產凈額）÷

資產總額3.控制變量

（1）城鎮化率。城鎮化是指農村人口轉化為城鎮人口的過程，城鎮化率是反映城鎮化水平高低的一個重要指標。城鎮化率能夠在一定程度上反映了地區的綜合發展水平、人口規模和人才素質。一般來說，高城鎮化率往往意味著較高的經濟發展水平、較大人口規模和較高的人才素質。

（2）金融發展水平。金融發展對經濟增長具有非常重要的影響，制造型企業的發展離不開銀行等金融機構的支持，通常來說，金融發展水平越高，對制造型企業的促進作用越大。本文借鑒李林等（2011）的研究方法，采用各省區的銀行業發展水平衡量金融市場發展水平［17］。計算公式為：

fmd=銀行業金融機構各項貸款余額÷GDP

（3）房價收入比。本文選取房價收入來衡量居民的住房支付能力，用以反映住房需求。在此結合我國的實際國情，借鑒呂江林（2010）的方法，采用單套住房價格的平均值與城鎮家庭年收入的平均值之比替代計算［18］。計算公式如下：

（4）企業規模。一般來說，規模較大的制造型企業通常資金比較雄厚，經營實力強，與規模小的企業相比，其對企業的投資行為影響會大一些。本文采用企業年末資產總額的對數形式表示。計算公式為：

size=ln( )

農村居家養老一定程度上解決了農村家庭養老服務功能弱化的困難，同時又解決了機構養老存在的一些問題，是一種適合農村老年人實際情況的新型養老模式。基于SWOT分析法，選擇S－O（優勢－機遇）策略，發揮農村居家養老模式的內部優勢（S），利用現階段農村居家養老服務發展的外部機遇（O），提出促進農村居家養老發展的戰略措施。

（5）企業負債能力。負債融資是我國企業融資的一個重要渠道，公司融資結構可能會對企業的投資決策產生影響，本文采用資產負債率衡量企業杠桿率。計算公式為：

資產負債率=負債總額÷資產總額

（6）企業現金流量。當前我國金融服務體系尚未健全，企業面臨較為嚴峻的融資約束。相關學者的研究表明現金流量會影響到企業的投資行為，也可以衡量企業所面臨的融資約束狀況。本文使用經營性現金流量占比來進行測度這一指標。計算公式為：

fincst=經營性現金流量凈額÷資產總額

（7）企業成長能力。企業的成長能力與盈利的效率類似，也會對企業投資行為產生影響，衡量企業成長能力的指標有很多，包括主營業務增長率等。本文考慮到數據的完整性，采用收入增長率來衡量企業的成長能力。計算公式為：

收入增長率=營業收入增長額÷上年營業收入總額

（二）數據來源

本文研究對象是2002-2017年滬深A股制造業上市公司。

之所以選擇制造業上市公司作為樣本，一是避免行業差異干擾過大；二是制造業公司投資中固定資產的比重大，資產專用性強，更能體現實物投資的特點；三是國內上市公司以制造業為主，具有很強的代表性，并且可以保證足夠的樣本數量；四是國外的相關研究大多以制造業為研究對象，選擇制造業公司作為樣本便于不同國家之間的分析。

為了保證數據的完整性和連續性，根據本文的需要做了幾項剔除：一是剔除2002年1月1日之前上市的公司；二是剔除出現ST等非正常狀態的上市公司；三是剔除了財務數據缺失值比較嚴重的上市公司樣本；四是為了避免異常值的影響，對核心變量進行了1%的縮尾處理。最后的研究樣本為495家上市公司，共計7 883個觀測值。其中上市公司的數據來自Wind數據庫，宏觀數據來自國家統計局的《中國統計年鑒》《中國金融統計年鑒》以及全國人口普查數據。

四、模型構建與分析

（一）模型構建

本文選用2002-2017年我國31個省、自治區和直轄市的滬深A股制造型上市公司的面板數據，構建了房價上漲與制造型企業投資行為的回歸模型。具體模型如下：

其中，u0代表待估參數矩陣；i代表31個省、自治區和直轄市；t代表年份；c代表企業；εict代表隨機干擾項。

（二）描述性統計分析

2002-2017年間31個省、自治區和直轄市的所有研究變量的描述性統計結果見表2所列。由表2可知，各個制造型企業的投資行為有著非常顯著的差異，inv最小值為-405.899，最大值為76.423，標準差為11.191。各省份的房價差異也有較大的差異，lnhp最小值為6.968，最大值為10.378，標準差為0.678。就各省級層面的控制變量而言，能夠非常直觀地觀察到不同省份之間確有顯著差異。urbr的最小值為0.194，最大值為0.896；fd的最小值0.537，最大值為3.085；red的最小值為2.379，最大值為25.365，由此說明不同省份之間的城鎮化率、金融發展水平和房價收入比的狀況不同，并且差別程度較大。就企業層面的控制變量而言，制造型企業除企業規模的差異相對較小外，負債能力、成長能力和融資約束差距非常顯著。由此可以判斷，我國不同省份房價、城鎮化率、金融發展水平和房價收入比等宏觀經濟情況的區域差異較為突出，各個制造型企業的投資行為和運營狀況也有顯著的差異。

表2 研究變量描述性統計

（三）單位檢驗與協整檢驗

為了避免面板數據出現“偽回歸”，本文采用PP檢驗和IPS檢驗和對所有變量進行單位根檢驗，結果表明原數據和變量不具有單位根，均為平穩的序列，由此判斷可以直接對數據進行平穩面板分析，詳細結果見表3所列。

表3 單位根檢驗

隨后采用Engle-Granger二步法的Kao檢驗對本文的回歸模型進行協整檢驗，以判斷各變量間是否存在長期均衡關系，相關結果見表4。可知，回歸模型的p值為0，表明回歸模型在1%的水平下顯著，模型中的各變量存在長期的協整關系。

表4 協整檢驗

（四）全樣本的實證分析

首先采用Hausman檢驗回歸模型是采用固定效應回歸模型還是隨機效應回歸模型，檢驗結果見表5所列。可知，結果表明在1%的水平下拒絕原假設，因此采用固定效應回歸模型。

表5 Hausman檢驗

由表6可知，房價lnhp的回歸系數為-3.522 4，并且在1%的水平下顯著，說明房價對制造型企業投資行為的擠出效應非常顯著，由此假設1得以驗證。控制變量的影響基本上都比較顯著，其中，城鎮化率urbr的回歸系數為-15.337 2，且在1%的水平下顯著，這說明當城鎮化率越高時，對于制造型企業主營業務投資的抑制作用越為明顯。房價收入比red的回歸系數為-0.147 8，且在10%的水平下顯著，由此說明，合理的房價收入比會對制造型企業主營業務投資產生擠出效應，當居民的住房支付能力并未超出可承擔范圍時，會更加傾向選擇投資房地產。企業負債能力lev的回歸系數為-0.005 0，在1%的水平下顯著，這表明當企業負債較多時，出于規避風險，改善財務績效的考慮，企業青睞投資房地產而擠占主營業務投資。另外，企業規模size、現金流量fincst和企業成長能力growth對制造型企業主營業務投資產生顯著正向的促進作用，這說明當企業現有規模較大，現金流量較為充足，企業當前經營成長能力較好時，制造型企業依然會堅持主營業務的發展，增加主營業務投資規模。

表6 全樣本回歸結果

（五）分地區的樣本回歸

為了檢驗房價上漲與制造型企業投資行為的區域差異，獲悉兩者關系的區域特征，將整體樣本按照所在省份處于的經濟帶進行分組，分別劃為東部地區、中部地區和西部地區三個樣本，并采用PP檢驗和IPS檢驗針對三個樣本的各個變量進行了單位根檢驗，相關結果詳見表7所列。由表7可知，東部地區、中部地區和西部地區的各個變量都通過了單位根檢驗，面板數據均為平穩序列。

表7 東、中、西部地區的單位根檢驗

然后采用Engle-Granger二步法的Kao檢驗分別對東部、中部和西部地區的樣本數據進行協整檢驗，以判斷各變量之間是否存在長期均衡關系，相關檢驗結果見表8所列。可知，三個地區的P值全部為0，表示在1%的水平下顯著，模型中的各研究變量存在長期的協整關系，由此判斷可展開進一步的面板分析。

表8 東、中、西部地區的協整檢驗

隨后，本文繼續采用豪斯曼（Hausman）檢驗針對東部、中部和西部地區的樣本數據進行分析，詳細結果見表9所列。Hausman檢驗結果表明東部、中部和西部地區的樣本數據均在1%的水平下拒絕原假設，也就是表示全部拒絕隨機效應模型，因此選取固定效應模型針對樣本數據進行回歸分析。

表9 東、中、西部地區的Hausman檢驗

有關房價上漲對制造型企業投資行為的區域差異影響結果詳見表10所列。由表10可知，東部地區lnhp的回歸系數為-3.857 0，在1%的水平下顯著，西部地區lnhp的回歸系數為-6.830 3，也在1%的水平下顯著，由此說明，無論是在東部地區，還是在西部地區，房價上漲對制造型企業都會產生擠出效應，這進一步驗證了假設1。然而經濟欠發達的西部地區相對經濟發達的東部地區，房價上漲對制造型企業投資行為的擠出效應更加顯著，這與本文提出的假設2相反。我們發現，東部地區金融發展水平fd的回歸系數為2.229 4，在10%的水平下顯著，這或許是因為東部地區經濟發展程度較高，房地產需求的旺盛和生產經營成本的增加的確加劇了房價上漲對制造型企業投資行為的擠出效應，但是我們卻忽略了金融發展水平的作用，東部地區的金融發展程度較高，制造型企業面臨的企業融資約束也相對較低，由此在一定程度上抵消了擠出效應。其中，東部地區的企業負債能力lev為-0.008 1，在5%的水平下顯著，西部地區的企業負債能力lev為-0.020 2，在10%的水平下顯著，這可能是因為西部地區傳統制造型企業占比較高，面臨較高的融資約束，導致產生的擠出效應更強。在中部地區，房價上漲對制造型企業投資行為的影響并不顯著。可能原因在于，近年來東部地區房價的高漲導致一些制造業向中部地區轉移，因轉移而增加的投資抵消了房價上漲對制造型企業投資的擠出效應。控制變量中的企業規模size、現金流量fincst和企業成長能力growth依然對制造型企業主營業務投資產生顯著正向的促進作用。

表10 東、中、西部地區回歸結果

五、穩健性檢驗

為了檢驗上述有結果的穩健性，在此分別采用辦公樓平均銷售價格、商業營業用房平均銷售價格、住宅平均銷售價格來重新度量房價，將其作為原房價數據的替代變量進行回歸分析，相關回歸結果仍然與上述實證結果保持一致。其中住宅平均銷售價格對制造型企業投資行為的影響效應最大，商業營業用房平均銷售價格次之，辦公樓平均銷售價格最小。考慮到篇幅有限，本文列出了以辦公樓平均銷售價格為房價替代變量進行分析的回歸結果，其中全樣本的Hausman檢驗結果見表11所列，全樣本的回歸結果見表12所列。辦公樓平均銷售價格lnhpb的回歸系數為-1.314 5，在1%的水下顯著，表明房價上漲對制造型企業主營業務投資產生顯著的擠出效應。分地區的Hausman檢驗結果見表13所列，結果顯示拒絕隨機效應模型的原假設，采用固定效應模型。分地區的回歸結果見表14所列，其中東部地區lnhpb的回歸系數為-1.683 4，在1%的水平下顯著，西部地區lnhpb的回歸系數為-2.956 7，在5%的水平下顯著，驗證了經濟欠發達的西部地區相對經濟發達的東部地區，房價上漲對制造型企業投資行為的擠出效應更加顯著。

表11 穩健性檢驗-全樣本Hausman檢驗

表12 穩健性檢驗-全樣本回歸

表13 穩健性檢驗—分地區Hausman檢驗

表14 穩健性檢驗—分地區回歸

六、研究結論與政策建議

本研究得出如下結論：

一是隨著房價的高漲，對制造型企業主營業務投資產生的擠出效應更為顯著；二是城鎮化率對制造型企業主營業務投資產生顯著的抑制作用；三是房價上漲對制造型企業投資行為的影響存在區域性差異；四是西部地區相對東部地區，房價上漲對制造型企業主營業務投資的擠出效應更高；五是東部地區較高的金融發展水平在一定程度上稀釋了擠出效應。

針對上述研究結論，給出以下改善制造型企業投資行為的政策建議：

第一，改善住房市場結構，有效抑制購房投機需求。房地產價格升高將會導致推高制造型企業的生產經營成本，并誘導部分甚至全部生產性資本涌入房地產市場，從而大大擠出制造型企業的主營業務投資。而房價波動的根源又來自于需求，因此需要堅持“房子是用來住的，而不是用來炒的”的定位，采取系列措施抑制“炒房者”的投機需求，減少投機泡沫。首先，針對不同的消費人群采取差別化政策，適度降低剛需人群首套房貸利率，增加保障性住房的信貸支持，提高投機人群的房貸利率，并且降低其房貸最高限額，抑制房地產投機性需求與消費；其次，政府應完善住房市場結構，完善相關保障性住房政策，加快培育住房租賃市場，推進“租購并舉”，增加住房的有效供給，通過財政補貼等措施鼓勵居民更多地選擇租房而不是買房。

第二，在不同的區域實行差異化的投資政策。因地制宜實施差別化的投資政策，以期促進區域制造型企業的長效發展。首先，在東部為主的經濟發達地區，深化土地政策改革，注重土地資源的優化配置，優化房地產投資的管理制度。同時加強對以銀行為主的金融機構的監管力度，把控房地產信貸規模保持在合理水平。其次，對經濟次發達的中部地區和經濟欠發達的西部地區，由于人口流出現象較為普遍，房地產合理需求增長較弱，不適宜大規模投資房地產，政府需要嚴格把控土地審批管理，增強房地產投資資金的監管力度，控制房地產庫存保持在合理區間，并且要因地制宜，因勢利導，利用當地的資源和環境，鼓勵和支持制造型企業技術開展技術研發，加快轉型升級進程。

第三，完善金融市場，鼓勵金融回歸服務實體經濟的本位，為制造業的發展營造良好的外部環境。重視金融市場的發展，防止大量資本抽離實體經濟，涌入房地產市場。首先，應建立健全具有普惠性的金融市場體系，廣泛吸納社會和民間資本，增加金融市場競爭活力，破除銀行的壟斷行為，滿足不同規模和性質企業的融資需求。其次，大力推動金融創新改革，順應時代潮流趨勢，推動“互聯網+金融”模式的發展，簡化制造型企業貸款的審批程序，增強為實體經濟服務的能力。然后，建立健全多層次的金融擔保體系，完善相關信用擔保制度和政策，實現信息公開和透明化，降低由于信息不對稱引發的信用問題和貸款風險。最后，全面提高金融市場的運作效率，加快金融工具創新升級的過程，規范金融市場運作體系，綜合搭配多種金融工具組合，有效發揮金融市場在制造業轉型升級過程中的傳導作用。