科技創新能力、區域異質性與中國房價

楊木旺 孫斌藝 趙子良

摘要：高房價遏制了科技創新能力，但科技創新能力的提升對房價的推高作用尚未明確。以此為新視角的探究，首先根據經濟學理論推演研究假設，而后構建中國31個省份2006年至2017年間的科技創新能力和房價的混合面板數據，采用因子分析法修正科技創新能力指標體系，選用Ward法進行區域異質性分析，進一步結合區域異質性建立多元線性計量模型分析了科技創新能力對房價的影響因素和傳導機制。研究發現：從全國范圍看，科技創新能力顯著推高了房價，主要原因是科技投入中R&D人數的顯著增加，而科技創新能力的產出和研發經費投入的正向影響較小;R&D人數的傳導機制是通過直接效應和部分中介效應正向影響房價;考慮區域異質性，R&D人數增加在各省份均推高了房價，且科技創新能力非發達區域效應更大;在科技創新能力發達的7個省份中，R&D人員出現“聚集效應”，其他省份出現“溢出效應”。

關鍵詞：科技創新能力;房價;區域異質性;R&D人員;傳導機制

一 、研究背景與問題提出

2007年國家統計局公布全國商品房平均銷售價格為3 863.90 元/平方米，到2016年平均銷售價格為7 476.00元/平方米，上漲93.5%。該十年間，各省及直轄市房價交替上漲，上海196%居首，北京138%，廣東88%，遼寧74%最低，普遍上漲過快過大。日光盤、地王熱、開發商坐地漲價……類似樓市“高燒”現象屢見不鮮。因而在2017年，中央經濟工作會議明確了中國樓市發展方向為“穩房價”，強調要促進房地產市場平穩健康發展，堅持“房子是用來住的，不是用來炒的”的定位。2016年5月30日，習近平總書記在“科技三會”（全國科技創新大會、兩院院士大會、中國科協第九次全國代表大會）上強調“綜合判斷，我國已經成為具有重要影響力的科技大國”。2018年5月，習總書記在中國科學院第十九次院士大會、中國工程院第十四次院士大會上指出“堅持建設世界科技強國的奮斗目標，在更高層次、更大范圍發揮科技創新的引領作用”。現今中國科技創新成果量子衛星、高鐵、大飛機、掃碼支付、共享單車和網購等正加速惠及全世界。

2015—2018年間，各省份或直轄市均出臺了一系列的相關政策文件加快區域科技創新能力的發展和建設。2015年，廣東省《關于加快科技創新的若干政策意見》明確完善科技企業孵化器建設用地政策、資金補助制度和補償制度[1];浙江省《推動“大眾創業、萬眾創新”的若干意見》表示從該年起在全省市縣聯動推廣應用創新券制度，實施財政獎勵，鼓勵企業和創業者的研發活動和科技創新[2]。2017年，上海市《上海市科技創新計劃專項資金管理辦法》明確上海實施創新驅動的發展戰略，加快建設具有全球影響力的科技創新中心的目標[3];天津市《天津市科技創新“十三五”規劃》明確制定政策措施35項，面向高校和科研院所的政策措施25項[4];福建省《落實全國科技創新大會精神近期若干重點任務分工實施方案》明確重點組織實施云計算、大數據和物聯網技術等19個科技重大專項，加大對科研人員的激勵力度[5]。2018年，北京市《加快科技創新構建高精尖經濟結構系列文件的通知》明確加快科技創新，構建高精尖經濟結構，發展集成電路產業、節能環保產業、科技服務業等10多個產業[6];江蘇省《科技創新工作會議》表示已推出4個方面30條政策，主要涵蓋“著力改革科研管理”和“著力推進科技與產業融合發展”，加快高端人才引進政策和制度[7]。

許多研究顯示房價上漲對科技創新能力存在明顯遏制作用。羅尚忠提到高房價對科技新興產業及其初創企業的成本影響，使得創新創業成功率大大降低[8]。張召光通過實證分析得出房價的上漲會遏制城市的創業水平[9]。吳仲論證居住成本對人力資本的影響存在遏制作用，進而對科技創新有遏制作用[10]。厲偉等利用中國35個大中城市的面板數據得出房價上漲整體阻礙了城市創新水平的提高[11]。但科技創新能力是否推高了房價，這方面的研究較少。

在當前國際貿易摩擦的大經濟環境背景下，如何穩住房價、大力發展科技創新能力是兩個重要的問題，廣受學者關注。在過去10年間，全國各地大力發展科技創新的同時，房價逐年上漲;科技創新發展是否影響到了房價？如果科技創新能力對房價有影響，它的一級、二級指標哪些推高了房價，哪些遏制了房價？全國31個省份的科技創新水平、經濟水平和房價差異顯著，科技創新能力對房價影響的區域異質性如何？對這些問題的解答，不僅有助于深入對房價影響因素的認識和理解，也有助于為政策完善提供強有力的技術支撐并提供新的思路。為此，本文基于中國31個省份2006年至2017年間的科技創新能力和房價的310組混合面板數據，通過因子分析法修正科技創新能力指標體系，利用Ward法進行區域異質性分析，采用多元線性計量模型創新性地實證分析科技創新能力對房價的影響和傳導機制。

本文的可能貢獻在于：（1）以省份的混合面板數據進行深入研究，避免了一些學者聚焦于城市區域而帶來的政策制定與管理主體的不一致性，也即政策的引導和激勵一般在于省、直轄市或自治區層面。（2）利用系統聚類法對各省份的區域異質性進行研究和劃分，避免一些研究成果采用東部、中部、西部和東北部等地理區域劃分的不合理性。（3）以往有關科技創新與房價的研究主要集中在以高房價的視角分析對科技創新能力的影響及傳導機制，較少從大力發展科技創新能力的視角對推高房價的成因進行探究，而本文彌補了這一不足，豐富了房價影響因素的研究。

二、理論分析與研究假設

經典的經濟學理論中研究產品的價格主要從供求關系角度進行分析，即供不應求，價格上漲，供過于求，價格下跌，同時還需要考慮經濟環境的因素。從供給因素、需求因素、經濟環境等三個維度，研究房價影響因素的相關文獻有：（1）地價的視角。Wang等認為地價是房價驅動的首要因素，在國內各省市有著顯著的差別[12]。萬建香和黃智選取上海市2005—2016年的時間序列數據進行實證分析，認為土地供應方式由雙軌制供應到“招拍掛制度”的轉變推動了房價的上漲，出讓地價對房價有顯著作用[13]。（2）商品房銷售面積的視角。湯文彬通過實證認為房價與銷售面積負相關[14]。（3）人口的視角。Day通過分析英國的房價發現，由于人口自然增長率和凈遷移率的提高，家庭形成的速度隨著人口的強勁增長而增加，當家庭形成率超過住房供應量時，實際房價會隨著時間的推移而上升[15]。鄭基超等的實證結果表明人口因素是影響房價的重要變量[16]。（4）人均可支配收入的視角。Gattini和Hiebert在給歐洲央行的研究報告中提出實際房價與實際住房投資、實際人均收入等住房需求和供給基本要素有關[17]。胥玲對近40個城市的房地產數據進行實證回歸分析，指出房價持續增長原因是過快的城鎮化步伐與快速增長的人均可支配收入[18]。（5）人均GDP的視角。鄭基超等通過對十年近40組季度數據進行實證分析得到GDP增長、地價、人口結構以及經濟發展都與房地產價格呈正相關關系的結論[16]。王弟海等認為房價上漲率由經濟增長率、人口增長率和住房供給增長率決定;經濟增長率和人口增長率越大，土地（或住房）供給增長率越小，則房價上漲率越大[19]。而大力發展科技創新能力，必然需要進行相應的人力、物力和財力的投入，而這些指標與房價的影響因素有共同的交集;2017—2018年各城市相繼出臺吸引人才政策，該區域的房價又被推高，故有假設1。常規的認知是科技創新給人類帶來了進步，也讓商品性價比越來越高，越來越便宜，若按此推斷，科技創新發展應該是可以遏制房價的上漲，故有假設2。

假設1（H1）：房價上漲遏制科技創新能力，但科技創新能力提升推高了房價。

假設2（H2）：科技創新能力與房價 “相互遏制”。

基于計量經濟學理論，利用因子分析法和聚類分析法，較多學者和機構在科技創新和指標體系方面進行了研究，按研究對象的區域選擇分類如下：（1）以城市為對象的研究成果。畢亮亮和施祖麟以長三角16個城市為研究對象，選用因子分析和聚類分析相結合的評估方法，對城市科技創新能力進行評價，構建了城市創新的競爭力、研發潛力和經濟支撐的主要指標[20]。李惠芬從創新潛力、創新動力、創新活力、創新實力方面構建了18個指標，給出了中國24個城市的排名[21]。張永凱和杜德斌應用層次分析法（AHP）構建了由投入能力、產出能力和支撐能力三個維度組成的科技創新體系，采用1996—2007年的數據測算了上海城市科技創新能力的發展狀況[22]。鄒燕采用主成分分析方法和聚類分析方法對23個重點城市的創新能力進行分類測評，構建了知識創新能力、技術和產業創新能力、創新環境支撐能力等29個指標[23]。（2）以省級區域為對象的研究成果。Wang等采用固定檢驗的方法，分析了江蘇、浙江和上海地區人力資源與科技創新的關系，研究發現人力資本對科技發展具有重要的促進作用[24]。陳強等選取2010—2014年省級面板數據為樣本，構建包含創新主體、創新環境和創新網絡三方面的創新能力指標體系，研究了科技創新人力資源集聚度對區域創新能力的影響，發現人力資源集聚度、技術市場成交額、211工程高校占比和高技術產業產值占比與科技創新能力正相關[25]。（3）以國家為對象的研究。Furman等認為創新能力最重要的影響因素是研究與發展（R&D）的人力資源與投資，它能夠借助發展、新技術和創新生產方式對創新能力產生重大影響[26]。Meiliene等認為區域創新能力的主要指標是創新企業數量、R&D的投資和區域的生產力水平，根據專家共同評估的結果顯示立陶宛企業的創新水平對國家競爭力的影響最大[27]。當然，最新權威性報告是由中國科學技術部發布的《中國區域創新能力監測報告2016—2017》[28]，該報告的監測對象是中國31個省份，基本指標框架是創新環境、創新資源、企業創新、創新產出、創新績效等五方面;同時，比較權威的還有中國科技發展戰略研究小組發布各省份的《中國區域創新能力評價報告》[29-31]。以上研究，一方面為以省份為研究區域的科技創新能力指標修正提供參考依據，另一方面也顯示出各省份間的顯著差異。總結各省份大力發展科技創新能力的主要路徑為“人力”和“財力”，這也是推動房價上漲的部分主要因素，故有假設3和假設4。

假設3（H3）：科技水平發達的區域，科技創新推高了房價。

假設4（H4）：科技水平非發達的區域，科技創新對房價的推高效應更加顯著。

三、研究設計

（一）數據來源與樣本選擇

選取中國31個省份（自治區/直轄市）2007—2016年的連續10年數據作為樣本;科技創新指標體系選取基于第二節中的文獻梳理，遴選出8個核心指標，分別是科研活動機構數、非R&D科技活動人數、R&D活動人數、專利申請量、專利授權量、研發經費占GDP比重、人均可支配收入、人均GDP;房價及影響因素選取地價、商品房銷售面積、人口、城鎮化率、人均可支配收入、人均GDP;科技創新指標數據來自《中國科技統計年鑒（2007—2016）》，地價來自CRIC數據庫，房價及其他變量的數據均來自國家統計局。這樣便可以構建31組連續的10個時間序列的共計310個混合面板數據。

（二）基于因子分析法的科技創新能力指標變量修正及檢驗

表1報告了采用上述方法的分析結果，即核心是將8個指標變量標準化成均值為0、方差為1的標準數據，再進行因子分析，模型通過KMO和Bartlett球形檢驗，結果顯著。采用SPSS 23分析程序提取4個特征因子，提取方差達到97.45%。表中第2—5列是成分矩陣，再按最大方差法求旋轉后的成分矩陣如第6—9列所示，選取各因子成分矩陣中得分大于0.5且旋轉后成分矩陣正值的數據進行分組（用下劃線標記），因子分析的結果清晰明朗。因而可將科技創新能力關鍵指標重構為如下4個一級指標和8個二級指標。

因子1代表一級指標“科技投入能力”，包括科研活動機構數、非R&D科技活動人數、R&D活動人數。

因子2代表一級指標“科技經濟環境”，包括人均GDP、人均可支配收入。

因子3代表一級指標“科技產出能力”，包括專利申請量、專利授權量。

因子4代表一級指標“科技研發經費”，包括研發經費占GDP比重。

4個一級指標間相關性最低，共線性最低;這一指標的修正為后續與房價控制變量的對比和合并提供基礎，并為后續層層深入探究科技創新能力對房價的影響提供保障。

指標驗證：（1）應用修正的指標體系，采用2016年的截面數據，對全國各區域進行排名，結果與《中國區域創新能力評價報告》2016年公布結果基本一致。（2）應用修正的指標體系，在后續的區域異質性分析中結果也非常穩健。指標體系的合理性通過雙重驗證。

（三）變量定義與模型設計

借鑒Wang 等[12]、湯文彬[14]、Day[15]、Gattini和Hiebert[17]、鄭基超等[16]的思路，本文采用地價和商品房銷售面積表示房價的供應變量，城鎮化率、人口和人均可支配收入表示房價的需求變量，人均GDP代表經濟水平;科技創新指標的一級指標和二級指標采用前述的因子分析法結果;為了研究科技從業人員的聚集效應，構造“R&D活動人數機構比”和“非R&D科技活動人數機構比”兩個變量;通過后續深入的分析發現科技投入的人員與房價之間具有內生性，故構造工具變量“大專及以上學歷人數”，詳細如表2所示。

四、實證檢驗結果及分析

（一）描述性統計分析與相關性分析

采用前面構建的310組混合面板數據，描述性統計分析和皮爾遜相關分析如表3所示。結果顯示中國31省份在2007—2016年間，房價與一級指標科技投入能力（F1_INV）相關性為0.5，顯著高于其他一級指標;觀測最小值和最大值可見，房價（PRICE）、科技投入能力（F1_INV）、科技產出能力（F3_PROD）、科技研發經費（F4_COST）等變量在各區域差異十分顯著，這也為進一步的區域異質性研究提供了最直觀的依據。

（二）控制變量檢驗

表4報告了房價控制變量實證遴選結果，利用計量模型（4），采用OLS方法，根據控制F檢驗顯著性小于0.05時增加解釋變量、大于0.10時剔除解釋變量的原則，將各變量通過步進法逐步優選引入模型，模型的擬合優度高（決定系數R2為0.87），T檢驗同時滿足顯著性要求， 檢驗結果顯示控制變量選擇合理。

該結論的合理解釋是：（1）人均可支配收入是反映家庭或個人收入變化的重要指標，在剛需旺盛和投資熱度高的條件下，選擇房屋進行自住或投資是普通老百姓都認可的事情，從而直接正相關于房價。人均可支配收入每增加1%，房價上漲0.225%。（2）隨著人口城鎮化率提高，年度人口流入累計量增加，在削弱人均GDP的同時推動了房價的上漲。（3）地價是房價的主要成本之一，各省份的地價均占房價的50%以上;故地價是最相關的控制因素。（4）商品房銷售面積與房價為負相關，主要系商品房銷售面積能一定程度反映城市的庫存量或供給量;供過于求，價格下跌。表4最后一列顯示了各變量的方差貢獻率，由此得出的重要結論是：推高房價的影響因素按方差貢獻率由高到低分別是人均可支配收入、城鎮化率、地價和人口流入累計量，有削弱效應的是商品房銷售面積。如西安、天津、海南等地2018年上演人才引進政策大戰，區域房價均由于需求量顯著增長導致了房價快速上漲。

（三）科技創新能力影響的回歸結果及分析

表5報告了科技創新能力一、二級指標對房價的影響分析。科技創新能力一級指標是因子1代表科技投入能力（F1_INV），因子3代表科技產出能力（F3_PROD），因子4代表科技研發經費（F4_COST）;各因子間互不相關，很好地解決了自變量共線性的干擾。在控制房價的5個核心變量條件下，將它們分別帶入計量模型（5）—（7），即可得到三個一級指標對房價影響的計量模型Model（1）—Model（3）。利用SPSS 23分析程序，同樣采用步進法，控制F檢驗顯著性和滿足T檢驗的原則。結果顯示這3個一級指標均與房價正相關，且科技投入對房價有11.7%的方差解釋貢獻，而科技產出和研發經費對房價的解釋均不足3%。從而可以確定科技創新一級指標中科技投入能力是推高房價的主要原因。驗證了H1假設，否定了H2假設。房價上漲遏制科技創新，但科技創新推高了房價。

科技創新能力二級指標對房價的影響分析，主要采用計量模型（8）。在Model（4）—Model（6）中分別引入科技創新能力的3個二級指標（科技活動機構數INV1、非R&D科技活動人數INV2和R&D活動人數INV3），考察其對房價的影響。結果顯示INV1、INV2、INV3均與房價正相關，方差貢獻率分別為11.9%、12.9%、14.2%。而將3個變量同時引入產生了很強的共線性問題。為此，將INV3作為因變量進行數據回歸，得到的結論是INV1解釋了INV3數據的85%，INV2解釋了INV3數據的92.6%，同步將INV1— INV3帶入模型分析，通過步進法僅有INV3引入，而INV2和INV1被排除，從而可知核心的變量是R&D人數（INV3）。

為了檢驗科技從業人員的聚集效應，采用計量模型（9），在Model（7）中引入變量“非R&D科技活動人數機構比”（INV2/INV1）和“R&D人數機構比”（INV3/INV1），結果顯示聚集效應未得到檢驗，如表5的最后一列。

由此，可以得出重要的結論是：科技創新投入二級指標中的R&D活動人數是核心影響變量，在這10年間，正是它的快速增長推高了房價，實證結果顯示它解釋了14.2%的房價上漲現象。

（四）內生性問題處理及穩健性檢驗

表6報告了內生性問題的處理和穩健性檢驗分析結果。根據上文科技創新能力二級指標R&D人數對房價具有正向推高效應，但進一步研究發現房價對R&D人數也正相關，故R&D人數作為解釋變量具有內生性。采用工具變量法并結合《中國區域創新能力監測報告2016—2017》指標體系，選用大專及以上學歷人口數量（EDU）為工具變量。通過R&D人數對大專及以上學歷人數回歸，如Model（8），顯示工具變量與內生變量相關。再次通過R&D人數對大專及以上學歷和外生變量組合的線性回歸如Model（9），也顯示工具變量與內生變量相關，因而工具變量選擇有效。將工具變量替代內生變量的回歸，如Model（10），實證結果與上文基本保持一致，說明科技創新能力推高房價的數據實證結果穩健，結論準確可靠。

（五）R&D人數的傳導機制及中介效應檢驗

表7報告了R&D人數對推高房價的傳導機制，結果顯示隨著R&D人數（INV3）的增加，在全國各區域，對人均可支配收入、地價、人均GDP、城鎮化率和年度人口流入累計量均有正向的影響，對商品房銷售面積具有負向的影響，從而推高了房價的上漲。從最后一列結果可知，R&D人數推高房價主要通過兩個路徑傳導，一是對房價直接正向影響，二是通過人均可支配收入、城鎮化率、地價、人均GDP、年度人口流入累計量和商品房銷售面積等中間變量的部分中介效應推高了房價。

（六）基于Ward法的區域異質性分析

根據描述性統計結果可知中國房價、科技創新能力和經濟水平存在很大的省份間差異，故需要異質性分析和分組以便深入研究各組區域間科技創新能力對房價影響的差異。因此本文采用離差平方和法（Ward法）進行區域異質性的系統聚類分析，測量采用平方根歐氏距離（Euclidean）;區域異質性分析的變量為科技創新能力的四個一級指標（投入能力、產出能力、研發經費、經濟環境）和房價。當選用2016年31個省份的數據，在僅考慮投入能力、產出能力和研發經費3個維度時，聚類分析的結果顯示北京、上海、天津、廣東、江蘇、浙江等6個省份為科技創新能力發達區域，該結果與《中國區域科技創新評價報告2016—2017》2017年9月，中國科學技術發展戰略研究院和科技部創新發展司發布科技創新能力排名，結果顯示北京、上海、 天津、廣東、江蘇和浙江的綜合指數得分高于全國平均水平（67.57分），處于第一梯隊。湖北、重慶、陜西、山東、四川、福建、遼寧、黑龍江、安徽、湖南、山西、甘肅、吉林和江西綜合科技創新水平指數在全國平均水平（67.57分）和50分之間，處于第二梯隊;其他地區綜合科技創新水平指數在50分以下，屬于第三梯隊。，[29]的內容一致，如圖1所示。這也說明因子分析法的科技創新能力指標修正的合理性。當引入經濟環境和房價變量后，福建省被引入科技創新能力發達的高房價區域，結果如圖2所示。深入分析底層數據后，發現在2016年底福建省平均房價為9 218元/平米，高于江蘇省的房價8 805元/平米，同步參考《中國區域創新能力評價報告》（2015年2014、2015年各地區創新能力排名前10位的是：江蘇、廣東、北京、上海、浙江、山東、天津、重慶、安徽、 福建。、2016年2016年各地區創新能力排名前10位的是：江蘇、廣東、北京、山東、上海、浙江、四川、湖北、河南、遼寧。）[30-31]。全國科技創新能力與房價的區域劃分最合理的應為2個組別，分別如下。

科技創新能力發達的高房價區域（Region1）：北京、上海、天津、廣東、江蘇、浙江、福建。

其他區域（Region2）：湖北、重慶、陜西、山東、四川、遼寧、黑龍江、安徽、湖南、山西、甘肅、吉林、江西、河南、寧夏、內蒙、河北、廣西、海南、青海、云南、貴州、新疆、西藏。

（七）各區域分組回歸結果及分析

基于區域異質性的分析結果，全國各省份分為2組，即科技創新能力發達的高房價區域（Region1）、其他區域（Region2）。表8分別分析了R&D人數（INV3）和工具變量大專及以上學歷人數（EDU）作為科技人員投入增加對房價的影響，并考慮科技從業人員的聚集效應，形成模型Model（11）—Model（14）。

結果顯示，在2007—2016年間，R&D人數增加在各區域均推高了房價;雖然工具變量在兩個區域組中顯著性未得到檢驗，但系數均為正。深層次地分析INV3在各數據模型中的正相關系數，可知在科技創新能力發達區域的值為59.664，而在全國其他區域的值為300.903，說明在全國其他省份科技創新能力推高房價的效應更加顯著。證實H3假設和H4假設正確，即科技創新能力發達的高房價省份，科技創新推高了房價;但科技創新能力非發達的省份，科技創新能力對房價的推高效應更加顯著。

從科技從業人員聚集效應的檢驗變量INV3/ INV1來看，區域組Region 1和Region 2的結果差異較大;R&D人數，在科技創新能力發達的高房價區域，隨著2007—2016年間的房價上漲而出現“聚集效應”，而在全國其他區域出現“溢出效應”;科技活動中的R&D人員表現出“遷移現象”，即向科技創新能力發達的省份遷移。

（八）發達區域R&D人數與房價上漲的時間效應和圖形分析驗證

為了更進一步分析科技創新能力發達且房價上漲較快省份的房價與R&D活動人數發展趨勢，圖3—圖9給出了區域組Region 1中7個領先省份在2007年至2016年二者的時間曲線。總體而言，R&D人數與房價的上漲趨勢一致，但最近幾年北京、上海、浙江和福建的R&D活動人數增速放緩，廣東增速最快;在北京、上海、天津、江蘇區域的R&D活動人數曲線均位于房價平均水平的上方，說明這4個省份R&D人數的增速早于房價的增速，并帶動了房價上漲;而廣東、浙江和福建二者出現了交叉式螺旋上漲。再次清晰地驗證了R&D人數的增加顯著推高了房價的上漲。

五、結論與建議

本文基于中國31個省份2006年至2017年間的科技創新能力和房價的310組混合面板數據，通過因子分析法修正科技創新能力指標體系;基于Ward法創新地將科技創新能力和房價進行區域劃分;在遴選和控制宏觀房價的核心變量基礎上，層層剖析科技創新能力一、二級指標在不同區域異質性水平上對房價上漲的影響和傳導機制。本文得出的重要結論是：（1）在全國范圍內，影響宏觀房價的上漲主要因素是人均可支配收入、城鎮化率、地價和年度人口流入累計量，同時科技投入增加對房價有顯著的正向沖擊，主要是通過R&D活動人數的增加來實現。（2）R&D人數推高房價主要通過兩個路徑傳導，一是對房價直接產生正向影響，二是通過人均可支配收入、城鎮化率、地價、人均GDP、年度人口流入累計量和商品房銷售面積等中間變量的部分中介效應推高了房價。（3）在科技創新發達且房價較高的北京、上海、天津、廣東、江蘇、浙江和福建等局部省份，科技創新能力推高房價效應低于全國其他區域。（4）R&D人員在科技創新能力發達的7個省份中出現“聚集效應”，在全國其他區域出現“溢出效應”，表現為向科技創新能力發達的省份遷移。

根據以上研究結果可知：一邊是大力發展科技創新和人才引進，伴隨推高了房價;另一邊是房價越來越高，遏制了科技創新能力并導致人才遷移。較好的解決辦法是設置緩沖區，也即加強住房保障機制建設，特別是針對暫未首次置業的青年科技人才，通過住房保障機制使其“居有其所”，促進其科研創新目標的“自我實現”。參考文獻：

[1]廣東省人民政府.廣東省人民政府關于加快科技創新的若干政策意見[EB/OL].[2018-09-15].http：//zwgk.gd.gov.cn/006939748/201502/t20150226_570220.html， 2015.02.15.

[2]浙江省科學技術廳，浙江省財政廳.推廣應用創新券 推動“大眾創業、萬眾創新”的若干意見（試行）的通知[EB/OL]. [2018-09-16].http：//www.zjkjt.gov.cn/news/node03/detail0304/2015/0304_60694.htm， 2015.2.27.

[3]上海市科學技術委員會，上海市財政局. 上海市科技創新計劃專項資金管理辦法[EB/OL].[2018-09-16].http：//www.stcsm.gov.cn/gk/zc/zcfg/gfxwz/fkwwj/350173.htm，2017.7.3.

[4]天津市人民政府. 《天津市科技創新“十三五”規劃》2016年度主要目標圓滿完成[EB/OL].[2018-09-15].http：//www.tj.gov.cn/xw/bum/201705/t20170503_3596502.html， 2017.05.03.

[5]中華人民共和國科技部.福建出臺實施方案落實全國科技創新大會精神[EB/OL].[2018-09-15].http：//www.most.gov.cn/dfkj/fj/zxdt/201706/t20170615_133581.htm， 2017.06.16.

[6]中共北京市委，北京市人民政府.關于印發加快科技創新構建高精尖經濟結構系列文件的通知[EB/OL].[2018-09-15].http：//zhengce.beijing.gov.cn/library/192/33/50/438650/1425750/，2017.12.20.

[7]中華人民共和國科技部.江蘇省出臺新政 激勵科技創新[EB/OL].[2018-09-20].http：//www.most.gov.cn/dfkj/js/zxdt/201809/t20180911_141696.htm 2018.09.11.

[8]本刊編輯部，羅尚忠.房價上漲與科技創新[J].中國科技論壇，2016（12）： 1.

[9]張召光.人才住房政策對區域創新創業活動的影響研究[D].深圳：深圳大學，2017.

[10]吳仲.居住成本、人力資本與城市創新能力的關系研究[D].上海：上海師范大學，2017.

[11]厲偉，洪濤，李彩云.房價上漲對中國城市創新產生抑制效應了嗎？：基于中國35個大中城市面板數據的實證分析[J].商業研究，2017（11）：61-66.

[12]WANG S J，WANG J Y，WANG Y.Effect of land prices on the spatial differentiation of housing prices：Evidence from cross-county analyses in China[J].Journal of Geographical Sciences，2018，28（6）：725-740.

[13]萬建香，黃智.關于房價與土地供應關系的研究：以上海市為例[J].價格理論與實踐，2018（2）：63-66.

[14]湯文彬.我國房地產價格影響因素實證分析[J].價格理論與實踐，2016（1）：119-121.

[15]DAY C.Population and house prices in the United Kingdom[J].Scottish Journal of Political Economy，2018，65（2）：127-141.

[16]鄭基超，倪澤強，孫韋.人口結構對房價的影響：基于面板數據的分析[J].江淮論壇，2016（5）：22-27，52.

[17]GATTINI L，HIEBERT P.Forecasting and assessing Euro area house prices through the lens of key fundamentals[R].Working Paper Series European Central Bank（No 1249），2010.

[18]胥玲.中國城市房價和地價的決定因素及相互關系[J].財政研究，2009（11）：10-13.

[19]王弟海，管文杰，趙占波.土地和住房供給對房價變動和經濟增長的影響：兼論我國房價居高不下持續上漲的原因[J].金融研究，2015（1）：50-67.

[20]畢亮亮，施祖麟.長三角城市科技創新能力評價及“區域科技創新圈”的構建：基于因子分析與聚類分析模型的初探[J].經濟地理，2008，28（6）：946-951，954.

[21]李惠芬.城市創新力指標體系的建構及實證研究[J].南京社會科學，2010（7）：15-20.

[22]張永凱，杜德斌.上海城市科技創新能力的指標體系及分析評價[J].科技與經濟，2010，23（5）：21-24.

[23]鄒燕.創新型城市評價指標體系與國內重點城市創新能力結構研究[J].管理評論，2012，24（6）：50-57.

[24]WANG Y D，VANHAVERBEKE W，ROIJAKKERS N.Exploring the impact of open innovation on national systems of innovation-A theoretical analysis[J].Technological Forecasting and Social Change，2012，79（3）：419-428.

[25]陳強，顏婷，劉笑.科技創新人力資源集聚對區域創新能力的影響[J].同濟大學學報（自然科學版），2017，45（11）：1722-1730.

[26]FURMAN J L，PORTER M E，STERN S.The determinants of national innovative capacity[J].Research Policy，2002，31（6）：899-933.

[27]MEILIENE E，NEVERAUSKAITE S，AIDIS R.Methodological aspects of compiling countrys competitiveness through the aspect of technology-intensive innovative enterprises index[J].Procedia-Social and Behavioral Sciences，2015，213：173-178.

[28]中華人民共和國科技部.中國區域創新能力監測報告2016-2017[M].北京：科學技術文獻出版社，2017.

[29]中國科技發展戰略研究小組，中國科學院大學中國創新創業管理研究中心.中國區域創新能力評價報告-2015[M].北京：科學技術文獻出版社，2015.

[30]中國科技發展戰略研究小組，中國科學院大學中國創新創業管理研究中心.中國區域創新能力評價報告-2016[M]. 北京：科學技術文獻出版社，2016.

[31]中國科技發展戰略研究小組，中國科學院大學中國創新創業管理研究中心.中國區域創新能力評價報告-2017[M].北京：科學技術文獻出版社，2017.