房地產業發展降低了制造業全要素生產率嗎？

李波 汪浩瀚

摘 要： 房地產業過熱發展與制造業全要素生產率水平較低是目前我國經濟發展的兩大特征，房地產業的發展對制造業的發展可能存在擠出效應。為考察房地產業發展對制造業全要素生產率的影響，運用參數法測算了各省的制造業TFP情況，然后選取房地產投資變化率、房地產商品房價格變化率作為衡量房地產業發展的指標，基于2001—2017年我國30個省份的面板數據，構建動態面板模型，分地區、分時間，實證檢驗了房地產業發展與制造業全要素生產率之間的關系。研究結果表明：總體上看房地產業的過熱發展阻礙了制造業全要素生產率的提高;分地區來看，房地產業對制造業全要素生產率的負向影響從東部向西部遞減;分時間來看，房地產業對制造業全要素生產率的影響呈明顯的倒“U”型。

關 鍵 詞： 房地產投資;房地產價格;制造業全要素生產率;兩步系統GMM

DOI： 10.16315/j.stm.2020.02.007

中圖分類號： F062.9? 文獻標志碼：? A

Does the development of the real estate industry reduce the total factor

productivity of the manufacturing industry? ？? ：

empirical research on panel data from 30 provinces in China

LI Bo， WANG Hao-han

（Business School，Ningbo University，Ningbo 315211，China）

Abstract： The overheated development of the real estate industry and the low level of total factor productivity in the manufacturing industry are two major characteristics of Chinas current economic development. The development of the real estate industry may have a crowding out effect on the development of the manufacturing industry. In order to investigate the impact of the development of real estate industry on the total factor productivity of the manufacturing industry， this paper uses the parameter method to measure the manufacturing TFP situation of each province， then select the real estate investment rate of change， the rate of change in housing prices as a measure of the development of the real estate industry， panel data of 30 provinces in China， constructing a dynamic panel model， sub-regional and time-sharing， empirically test the relationship between real estate industry development and total factor productivity of manufacturing. The results show that， on the whole， the overheated development of the real estate industry has significantly hindered the improvement of the total factor productivity of the manufacturing industry. From a regional perspective， the negative impact of the real estate industry on the total factor productivity of the manufacturing industry is decreasing from the east to the west. From a time perspective， the impact of the real estate industry on the total factor productivity of the manufacturing industry is obviously inverted “U” type.

Keywords： real estate investment; real estate price; manufacturing total factor productivity; two-step system GMM

實體經濟是改善人民生活水平、穩定經濟增長的核心支柱力量，而實體經濟中最主要的代表就是制造業。我國的經濟發展離不開制造業的帶動，尤其是勞動密集型制造業在我國改革開放的初期起到了巨大的推動作用。對于制造業的研究除了對勞動、資本等大量投入要素的研究以外，還有對制造業的全要素生產率（total factor productivity， TFP）的研究。我國一直是制造業大國而非制造業強國的一個很重要的原因就在于我國制造業的全要素生產率水平較低，產值增長大部分依靠勞動或資本要素投入的增加，而技術、效率等要素對于制造業發展的貢獻則微乎其微。我國于2015年提出供給側結構性改革，旨在淘汰低端落后產能，完成制造業的轉型升級，其中很重要的一個方面就是需要提高制造業的全要素生產率水平。

而我國當前的經濟情況與制造業的“冷清”相對應的是房地產業的“過熱”發展。根據國家統計局數據庫資料顯示，2007年，我國的房地產開發總額為25 277.16億元，2017年猛升至109 758.16億元，十年間增幅達到了334.21%。越來越多的企業開始把自己的主營業務放在利潤率更高，投資回報更快的房地產業上，一些傳統的制造業老牌企業也開始積極擴展自身在房地產市場上的影響力[1]。

房地產業與制造業兩者之間的關系在近年開始引起一起學者的注意。房地產業的發展是促進了制造業的發展，或是抑制了制造業的發展，或是兩者涇渭分明并沒有實質性的相關關系，為了得出結論，本文進行了實證研究。

1 文獻回顧

學術界直接研究房地產業發展與制造業全要素生產率兩者之間關系的文獻較少。研究房地產投資與制造業投資的較多，但對于兩者的影響關系沒有一個共識。李暢等[2]運用了我國1999—2011年全部31個省份的面板數據，采用了參數方法和非參數逐點回歸方法進行研究，結果表明從全國范圍來看，房地產投資在一定程度上促進了制造業的發展，但促進效應表現為“倒U型”，即房地產投資在制造業發展的中期正向影響更大，同時，房地產投資的影響在我國不同地區有著十分顯著的差異;羅知等[3]運用中國工業企業數據和城鎮居民的調查數據，從微觀層面實證研究得出結論，房地產企業投資過熱影響了銀行的信貸情況，進而影響了制造業企業的信貸與投資，即房地產投資與制造業投資有明顯的負向關系;陸桂賢等[4]運用1999—2015年我國30個地區（西藏除外）的面板數據，研究發現，在排除了制造業自身的經營狀況對投資的影響后，整體上看房地產投資對制造業投資的擠出不成立，即房地產投資對制造業的投資沒有明顯的負向作用。

除此之外，研究房地產業對其他產業全要素生產率影響的文獻主要有：陳斌開等[5]采用工業企業數據庫數據，研究發現，房價上漲1%會導致資源再配置效率下降0.062%，進而導致我國工業企業全要素生產率下降0.045%，房地產業過熱導致的高房價與工業企業的全要素生產率有著十分明顯的反向作用;李江濤等[6]運用2001—2014年30個省份的面板數據，采用系統GMM方法，研究了房地產投資對工業全要素生產率的影響，結果表明，房地產投資與工業全要素生產率之間的關系表現為“倒U型”，說明房地產投資適度增加對提高工業全要素生產率有促進作用，而房地產投資過熱則會抑制工業全要素生產率增長;董珍[7]以2003年國務院18號文件的頒布作為房價高增長的一次準自然實驗，選取房價增長過快的城市為實驗組，結果顯示高房價顯著抑制了企業全要素生產率增長，且這一影響主要是通過降低企業融資成本和推高企業勞動力成本產生的。

上述文獻為本文的研究提供了必要的研究基礎和理論依據，本文在已有研究的基礎上，將房地產業發展水平具體化為房地產投資水平和房地產商品房價格水平，進一步研究房地產業對于制造業全要素生產率的影響，主要聚焦3個問題：我國制造業全要素生產率情況是怎樣的;房地產業的發展對制造業的全要素生產率起著促進作用或是抑制作用還是其他情況;房地產業的發展對制造業的全要素生產率的影響是否存在地區上或者時間上的顯著差異。

2 制造業全要素生產率的測算

2.1 測算方法

Solow[8]將全要素生產率歸結為產出增加時除要素投入增加外的部分，即技術進步。全要素生產率的測算方法主要有需要設定具體模型的參數法與不需要設定模型的非參數法兩類[9]。本文選擇參數法來測算我國各省的制造業全要素生產率情況。

使用參數法測算之前，需要對模型進行選擇。主要的參數模型有Cobb-Douglas生產函數（C-D生產函數）與超越對數生產函數（Trans-log）[10]。本文選用了更為常見的C-D函數，函數設定如下：

ln yit=c+αln lit+βln kit+εit。? （1）

其中：ln yit、ln lit和ln kit分別表示產出、勞動投入和資本投入的對數值。式（1）的殘差項包含了全要素生產率對數形式的信息。通?？梢詫κ剑?）進行估計從而獲得對全要素生產率的估計值，也可以進一步計算得到全要素生產率增長率的結果。

2.2 指標選取與測算結果

由于西藏省制造業相關數據較少，本文選取我國除西藏省外的30個地方省份2001—2017年的制造業相關數據進行測算。各個變量的數據說明如下：

制造業產出（ln y）：由于部分省份缺乏制造業增加值的數據，本文使用各個省制造業的年度主營業務收入作為產出的衡量指標[11]。

勞動投入（ln l）：勞動投入指標通常的選擇包括勞動投入的時間、勞動投入的薪酬或者勞動投入的人數。本文選擇各個省份年末的制造業從業人數作為勞動投入的衡量指標。

固定資本存量（ln k）：本文參考單豪杰[12]的做法，采用永續盤存法估測各個省份不同時期的制造業固定資本存量，選擇1978年各省市的固定資本存量作為基期資本存量;折舊率參考張軍等[13]的假設，各省市折舊率均為9.6%。

以上3個指標在測算全要素生產率時均進行對數化處理，數據來源均為相應省份的統計年鑒。各指標的描述性統計，如表1所示。

以各省制造業的主營業務收入為權重加權計算得到的2001—2017年我國制造業全要素生產率增長率情況，如圖1所示。

總體上來看制造業全要素生產率的增長率呈現下降趨勢，2011—2015年甚至出現了較長時間的負增長。我國2001—2017年制造業TFP值，房地產投資額和房價變化情況，如圖2所示。

可以看出，與制造業TFP值較低，增長緩慢相比，房地產業不論是從投資額還是房價水平來看都在2001—2017年間增長迅速，火熱發展。

3 模型設定與變量選取

3.1 計量模型設定

本文選取房地產投資變化率和房地產商品房價格變化率作為主要解釋變量，同時構建兩者的交互項以衡量房地產業的發展水平。此外，全要素生產率具有動態變化的特征，即前一期的全要素生產率會對后一期的全要素生產率產生影響，因此本文還在模型中引入全要素生產率的一階滯后項TFPit-1，最后動態面板模型設定如下[14]：

TFPit= β0+β1TFPit-1+β2Kit+β3Pit+

Controlit+μi+it， （2）

TFPit= β0+β1TFPit-1+β2Kit×Pit+

Controlit+μi+it， （3）

TFPit= β0+β1TFPit-1+β2Kit+β3Pit+

β4Kit×Pit+Controlit+μi+it。 （4）

其中：i表示省份，t表示年份，Kit、Pit分別表示不同省份在不同年份各自的房地產投資變化率和房地產商品房價格變化率;同時為了模型回歸的穩健性，引入第i個省份在第t年的一系列控制變量Controlit，包括人均GDP、進出口總額、產業結構合理化和政府干預程度;μit為省份固定效應;εit為隨機擾動項。

3.2 變量選取

本文以我國30個地方省份（西藏除外）2001—2017年的面板數據為樣本，實證研究房地產業發展與制造業全要素生產率之間的關系，變量說明如下：

1）被解釋變量。被解釋變量為制造業全要素生產率（TFPit），具體測算方法和結果參見本文第3部分。

2）解釋變量。制造業的全要素生產率（TFPit）的滯后一期（TFPit-1）;房地產投資變化率（Kit）：用各個省份房地產業開發投資的當期值與上一期值的比值進行表示;房地產商品房價格變化率（Pit）：用各個省份房地產業商品房售價的當期值與上一期值的比值進行表示。

3）控制變量。人均GDP（GDPit）：我國大多數省份房地產業與制造業的繁榮和當地的經濟水平有很強的正向聯系。本文用人均GDP水平來衡量不同省份不同時期的經濟水平，數據以2000年GDP為基期，已做平減處理和對數化處理。

對外貿易（Tradeit）：對外貿易越發達的省份，越有機會通過與外國先進企業的合作、“干中學”等多種方式獲得技術溢出，有利于全要素生產率的提高，本文選取進出口總額來衡量各個省份對外貿易的水平，原數據單位為千美元，已根據歷年匯率轉化為萬人民幣，同時也做了平減處理和對數化處理。

產業結構合理化水平（TLit）：產業結構合理化水平越高的地區，資源配置情況往往也較為合理，有利于制造業全要素生產率的提高。本文選用泰爾指數的倒數作為衡量產業結構合理化的指標[15]，計算公式為

TLit= 1? ∑ n i=1? ?Yi Y? ln? Yi Li / Y L? ? 。? （5）

其中：TLit為各個省份不同時期產業結構合理化指數，Y為本省三大產業的總產值，L為本省三大產業的總就業人數，Yi/Y表示產出結構狀況，Y/L表示生產率水平。

政府干預程度（Ferit）。房地產業作為我國壟斷色彩較重的產業與政府的聯系相當緊密，同時政府的干預過高會削弱企業的創新積極性，可能會降低全要素生產率。本文的政府干預計算公式為

Ferit= （CSit-CIit） CIit 。? （6）

其中：CSit表示各省份當年的財政支出，CIit表示各個省份當年的財政收入，兩個指標均選擇使用當年的決算數。

各個變量的描述性統計，如表2所示。

4 實證結果與分析

4.1 平穩性檢驗

由于選取的變量較多，為了避免偽回歸情況，在實證之前需要先對各個變量進行平穩性檢驗。本文選用LLC檢驗和IPS檢驗2種方法，具體檢驗結果，如表3所示。

由表3可知，各個變量都平穩性檢驗結果都至少在10%的水平下顯著，即各個變量都為平穩序列。

4.2 動態面板系統GMM估計

根據上文的理論分析并結合相關數據，利用Stata14軟件對方程（2）～（4）采用兩步系統GMM方法進行回歸，回歸結果，如表4所示。

方程（2）～（4）的回歸結果中，AR（1）的值均小于0.05，AR（2）的值均大于0.05表明均通過序列相關檢驗，拒絕不存在一階自相關的原假設，且變量并未存在二階自相關;此外Sargan檢驗的伴隨概率（P值）均大于10%，均沒有拒絕原假設，表明工具變量的選擇是有效的，說明模型的設定是合理的。

實證結果表明：前一期的制造業全要素生產率與當期的制造業全要素生產率顯著呈正相關關系，驗證了全要素生產率是一個動態持續累積的過程;解釋變量及其交互項的回歸系數值都為負，且都至少在10%的水平下顯著，說明房地產投資、房地產商品房價格的提高都會顯著降低當地省份制造業的全要素生產率水平。

就控制變量而言，對外貿易和人均GDP的系數為正，顯著性結果較好，表明對外貿易的繁榮與人均經濟水平的提高有助于制造業全要素生產率的增長;產業結構合理化指標、政府干預程度指標系數為負，但結果顯著性較低。

4.3 分地區動態面板系統GMM估計

我國不同省份之間經濟發展水平差異較大，房地產業與制造業的發展水平也不盡相同。因此本文還對我國三大地區分別進行了回歸，回歸結果，如表5所示。

由表5可知，東部地區房地產投資變化率（K）的回歸系數為負，與全國的回歸結果一致，表明房地產投資的提高，降低了東部地區制造業全要素生產率的提高，但是中部和西部的回歸系數值卻為正（雖然顯著性水平較低甚至不顯著），體現了較大的地域差異。主要原因在于，中西部地區的制造業中，如非金屬冶煉，黑色金屬冶煉等產業，與房地產業的關聯度較高，因此對房地產業的投資也能在一定程度上帶動這些制造業的發展進而提高制造業的全要素生產率。

房地產商品房價格變化率（P）和交互項的回歸系數在三大地區都為負，且顯著性較高，這表明我國三大地區的房地產業發展都阻礙了制造業全要素生產率的提高，且商品房價格水平過高是主要原因。從三大地區方程（4）交互項的回歸結果系數值來看，東部地區的絕對值最大，中部地區次之，西部地區最小，說明房地產業發展對制造業全要素生產率的負向影響從東部向西部遞減，這也與我國三大地區房地產業的發展水平相符合。

4.4 分時段動態面板系統GMM估計

我國制造業全要素生產率的變化根據時間的不同，變化幅度差異較大，其中2005年和2011年是變化幅度最大的2年。為更好的考察房地產業發展與制造業全要素生產率之間的關系，本文將樣本的時間段（2001—2017年）劃分成3段，運用兩步系統GMM方法且都加入控制變量，分別進行回歸，回歸結果，如表6所示。

從時間上來看，2001—2005年和2011—2017年，房地產投資變化率（K）、房地產商品房價格變化率（P）的回歸系數都為負;而2006—2010年之間，房地產商品房價格變化率的回歸系數仍為負，但是房地產投資變化率的回歸系數為正，且在5%的水平下顯著，表明在這一時間段，房地產投資的增加提高了制造業全要素生產率的水平。從方程（3）和方程（4）的交互項的回歸結果來看，2001—2005年和2011—2017年系數顯著為負，2006—2010年則顯著為正，這說明我國房地產業對于制造業的全要素生產率影響存在明顯的倒“U”型結果。

回歸結果均能通過序列相關檢驗說明變量并未存在二階自相關，同時也能通過Sargan檢驗，表明工具變量的選擇是有效的。

5 結論與建議

本文選取2001—2017年全國30個地方省份（西藏除外）的面板數據為研究對象，運用C-D函數的參數模型，測算了我國各個省份的制造業全要素生產率情況，發現總體上制造業全要素生產率呈下降趨勢;然后使用房地產投資變化率和房地產商品房價格變化率及其交互項作為房地產業發展的衡量指標，構建了動態面板模型，采用兩步系統GMM法進行實證檢驗。結果表明我國房地產業發展對制造業全要素生產率存在較為明顯的負向影響;分地區回歸結果表明，房地產業發展對制造業TFP的負向影響從東部向西部遞減;分時間回歸結果表明，房地產業發展對制造業TFP的影響為倒“U”型結構。除此之外，人均GDP、對外貿易、政府干預程度也會對制造業全要素生產率產生一定影響。

根據上述結論，本文得到如下啟示：過度的房地產投資會影響到制造業的投資規模，甚至縮減;房價的飛漲，高額的回報率也會吸引部分制造業廠商進軍房地產市場，不利于本就薄弱的制造業產業發展。鑒于房地產業過熱發展對制造業實體經濟造成的危害，政府一方面需要加強宏觀調控來緩解我國房地產業的過熱發展，如：改善我國房地產市場的土地供給現狀。既要對土地的供應量制定相應的計劃，也要建立好我國多元化的住房供應體系，完善租房市場、二手房市場，切實保護人們的住房需求;另一方面需要更為有效的推動實體經濟的快速發展，進而提高全要素生產率水平，如：通過政府擔保、鼓勵銀行貸款等方式，讓更多的中小型制造業企業有發展的空間，培育創新土壤，激發創新活力;通過補貼、出口退稅等方式提高制造業企業的盈利水平，減小制造業企業向房地產業進軍的趨勢。

參考文獻：

[1]? 何珊珊.非房地產企業進入房地產行業對其全要素生產率的負面影響：基于中國A股上市公司數據的實證研究[J].當代財經，2018（2）：12.

[2] 李暢，謝家智，吳超.房地產投資與制造業：促進效應還是擠出效應：基于非參數逐點回歸的實證分析[J].金融經濟學研究，2013（9）：40.

[3] 羅知，張川川.信貸擴張、房地產投資與制造業部門的資源配置效率[J].金融研究，2015（7）：62.

[4] 陸桂賢，許承明.房地產投資擠出了制造業投資嗎？—基于外部融資視角[J].學海，2017（4）：110.

[5] 陳斌開，金蕭，歐陽滌非.住房價格、資源錯配與中國工業企業生產率[J].世界經濟，2015（4）：77.

[6] 李江濤，褚磊，紀建悅.房地產投資與工業企業全要素生產率[J].山東大學學報，2018（5）：135.

[7] 董珍.高房價降低了中國工業企業TFP嗎：基于要素成本視角的研究[J].宏觀經濟研究，2018（10）：40.

[8] SOLOW R M.A Contribution to the Theory of Economic Growth[J].The Quarterly Journal of Economics，1956，70（1）：65.

[9] 魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007[J].經濟學，2012（2）：541.

[10]? 田友春，盧盛榮，勒來群.方法、數據與全要素生產率測算差異[J].數量經濟技術經濟研究，2017（12）：22.

[11] ARELLANO M，BOND S.Some tests of specification for panel data：Monte Carlo evidence and an application to employment equations[J].Review of Economic Studies，1991（58）：277.

[12] 李小平，朱鐘棣.中國工業行業的全要素生產率測算：基于分行業面板數據的研究[J].管理世界，2005（4）：56.

[13] 張軍，吳桂英，張吉鵬.中國省際物質資本存量估計：1952—2000[J].經濟研究，2004（10）：36.

[14] 潘紅玉，劉亞茹.房價、金融發展與制造業產業結構升級：基于動態面板的經驗分析[J].財經理論與實踐，2019（1）：126.

[15] 干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響[J].經濟研究，2011（5）：6.

[編輯：厲艷飛]

收稿日期：? 2019-09-19

基金項目：? ?國家自然科學基金項目（71773057）

作者簡介：? ?李 波（1994—），男，碩士研究生;

汪浩瀚（1964—），男，教授，博士，博士生導師.