城市房價、人口流動與全要素生產率
——來自中國2005-2018年194個城市數據的證據

任元明

西南大學 榮昌校區管委會，重慶 榮昌 402460

市場經濟背景下中國房地產投資快速增長及房價持續上漲已成為各界關注的焦點，房地產已成為傳統經濟增長的重要驅動力，同時高房價對社會創新、經濟可持續發展的負面沖擊也不容忽視．研究指出，房價高漲會對家庭儲蓄[1]、企業創新[2]、金融風險[3]和實體經濟[4]造成扭曲和阻礙．長久以來，勞動力一直被視為影響經濟增長與發展的重要因素，當流動勞動力群體逐步擴大，勞動力流動對經濟增長的影響就越來越明顯[5]．研究表明，流動人口所蘊含的人力資本水平越高，其“技術溢出”程度越高，對區域技術進步及產出水平會產生顯著的正向作用．因為人口流動往往伴隨著知識、信息、技術等人力資本資源的傳播與共享，通過技術溢出效應[6]和創造新知識[7]對區域的經濟發展和生產效率產生正向作用[8]．新古典經濟增長理論表明，當經濟處于平衡增長路徑時，技術進步是促進經濟增長的動力源泉．當前，中國發展正在進入由人口大國向人力資本強國轉型、經濟發展由要素驅動向創新驅動轉變的關鍵階段，房價上漲引起人口流動的不平衡、不充分阻礙了區域協調發展向更高水平和更高質量邁進．在此背景下幾個亟待回答的問題是：理論上，高房價是否抑制了人口流動？如何從人口流動視角闡述城市房價影響全要素生產率的理論機制？房價上漲對全要素生產率施加了怎樣的影響？解答這些問題對于新時代中國人口紅利轉型、遏制房價泡沫和實現經濟高質量發展具有重大意義。

目前，關于高房價對全要素生產率的影響鮮有報道，國外學者主要關注房價變動對人口流動的影響．譬如，Dohmen等[9]和Meen等[10]指出，房價高漲的地區會抑制勞動力流入，但房價上漲所帶來的升值預期也會促進勞動力流入．Molloy等[11]和Rabe等[12]指出，房地產市場收縮和衰退在一定程度上加劇了人口向發達城市遷移的趨勢．Plantinga等[13]估計了美國291個大都市地區住房成本和個人移民偏向之間的關系，發現較高的住房價格降低了個人選擇該地區的可能性．Foote[14]認為對于有房者而言，房價上漲對勞動力的遷移決策有正向的財富效應和負向的鎖定效應．但是，對于無房者而言，高居住成本提高了其遷出概率．Diamond[15]指出，高技能勞動力偏好于那些能夠提供更好公共服務的城市，也愿意承擔更高的居住成本。

與國外研究相比，國內關于人口流動與生產效率受房價影響的研究結論也具有一定的相似性．鄭思齊等[16]認為在城市化早期，低成本的廉價住房對降低城市中低技能勞動力的成本有利，隨著產業由勞動密集型向技術密集型轉變，高成本且居住環境質量好的住房更能契合城市發展對于高端人力資本的需要．房地產價格上升過快，意味著生活成本和資本成本越高，如果這些上升的成本不能被技術進步或集群收益所抵消，就會擠出資本和勞動力[17]．顏色等[18]認為房價上漲會使購房者的家庭財富增值，若房價能夠永久保持增長，由此產生的“財富效應”會對家庭消費產生正向作用．反之，就會產生“房奴效應”，從而阻礙人口遷入．陳斌開等[19]認為高房價將會引致資源錯配，導致資源配置效率降低，總體上房價上升1%將會使企業全要素生產率下降0.045%．邵朝對等[20]指出，由于區域間勞動力流動和行業間工作轉換成本長期存在，房價通過擴散效應會對低技能勞動力產生強有力的“擠出效應”，引發產業由低端行業向高端行業集聚的結構演變，進而使得勞動力流動與城市多樣化特征呈“倒U型”演化關系．張傳勇[21]指出，房價快速上漲推高了個人的生存“門檻”，房價越高，相對效用就越低，進而降低城市或中心地區的人口集聚水平．張杰等[22]研究發現，房地產投資快速增長通過金融體系扭曲性的貸款期限結構對創新活動造成了顯著的抑制效應，且這種負向作用對于中國工業部門而言更為明顯．張莉等[23]研究了房價對勞動力流動的影響，發現房價對勞動力流動存在“拉力”和“阻力”作用，兩種作用最終對勞動力流動產生先吸引后抑制的“倒U型”影響效應．周穎剛等[24]考察了房價如何影響勞動力家庭的居住決策，發現高房價會增強勞動力家庭的流動意愿，特別是擠出那些沒有購房的、高技能水平的勞動力．余泳澤等[25]研究了城市房價對整體全要素生產率和企業個體全要素生產率影響的差異性，發現城市高房價顯著抑制了城市全要素生產率水平的提升，這種抑制效應主要來自房地產投資對實體經濟資金的“擠占效應”和“資源錯配效應”．同時，房價快速上漲累積形成的高房價與工業企業生產率之間會存在一種“倒U型”關系．劉建江等[26]利用雙邊隨機前沿模型測算了房價對企業創新的擠出效應、擠入效應及凈效應，發現房價“擠出效應”和“擠入效應”的相互作用使得房價對企業創新的凈效應為負．宋弘等[27]研究發現，房價上漲至少增加了區域高技能人才流出21.5%，且這種“擠出效應”對非一線城市更為嚴重。

上述研究為本文提供了理論基礎與經驗借鑒．但是，既有文獻將城市房價、人口流動與全要素生產率的關聯關系割裂為兩個方面單獨探討．一方面側重于房價對人口流動的影響，另一方面側重于房價對全要素生產率的影響，研究結論也存在一定的爭議性．為此，本文嘗試將城市房價、人口流動與全要素生產率3者關聯起來，闡釋城市房價通過人口流動影響全要素生產率的理論機制．與已有研究相比，本文的貢獻在于：① 從探究城市房價影響全要素生產率的單一視角拓展至城市房價、人口流動影響全要素生產率的雙重視角，揭示了房價上漲通過人口流動影響全要素生產率的“門檻效應”機制，構建了“城市房價—人口流動—全要素生產率”的理論研究框架．② 運用中介效應模型分析城市房價、人口流動與全要素生產率之間的關系．其中，中介效應模型主要將城市房價、人口流動與全要素生產率三者關聯起來，考察人口流動的“中介效應”．③ 搜集了2005-2018年194個地級以上城市數據，該時間窗口能夠較為充分地反映城市房價的變動情況，并利用不同層級的城市數據分別進行實證分析，以確保研究結論的穩健性。

1 理論機制

1.1 城市房價與人口流動

本文借鑒Krugman[28]提出的“中心-外圍”模型，分析城市房價影響人口流動的理論機制．假定經濟體分為地區1和地區2，勞動力可在兩地區間充分流動．家庭消費內容主要由可貿易的工業品和不可貿易的住房兩部分構成．假定地區1勞動者的效用函數為：

(1)

s.t.P1MC1M+P1HC1H=W1

式(1)中，可貿易的工業品及價格用如下公式表示：

(2)

(3)

式(1)-式(3)式中，C1M和C1H分別為地區1勞動者所消費的差異化工業品和住房數量，同時P1M和P1H分別為二者對應的價格；c1i和pi分別為第i種工業品及對應的價格；W1為勞動報酬；σ為工業品替代彈性，μ為消費支出在工業品上的支付份額，且σ>1>μ>0．最優化后得到間接效用函數形式如下：

(4)

引入工業品價格指數，得到廣義工業品價格指數為：

(5)

式(5)中，W2為地區2的勞動者收入．sn表示地區1的工業企業數量占所有地區工業企業數量的比例，其數值等于n1/n，T(T>1)為采用冰山交易技術衡量制造業產品在地區間的運輸成本[29]．將式(5)代入式(4)，可得：

(6)

同樣的，可推導出地區2的勞動者間接效用函數為：

(7)

根據長期均衡時對應的區位選擇條件，可知勞動力跨區域流動的決定因素是兩個區域的相對效用，于是構造出相對效用函數為：

(8)

式(8)中，

(9)

令T(1-σ)=φ，φ表示兩地區間的貿易自由度； 令μ/(σ-1)=α．分別對式(9)中的sn/1-sn和W1/W2進行二元泰勒展開可得：

(10)

將式(10)代入式(9)并取對數，可得：

(11)

(12)

從長期來看，消費者在兩地區的效用會趨于相等，則lnS12=0，從而(12)式變為：

(13)

由于α>0，σ>1，T>1，1>μ>0，故φ2<1，φ(μ-1)/α(1-φ2)<0，上述不等式的經濟含義為：在地區間相對工資、交通成本等一定的條件下，當相對房價超過一定臨界值時，勞動者生活成本上升，由此降低效用，從而抑制人口流入．反之，當相對房價低于一定臨界值時，勞動者生活成本下降，由此吸引人口流入．據此，本文提出：

H1：勞動者的相對效用會受房價影響，房價上漲會推升勞動力生活成本，由此抑制人口遷入。

1.2 人口流動與全要素生產率

本文運用Romer[30]、Grossman等[31]、Aghion等[32]的研發投入與經濟增長模型來刻畫人口流動影響全要素生產率的理論機制．全要素生產率(Total Factor Productivity，TFP)是宏觀經濟學的重要概念，是分析經濟增長源泉的重要工具，也是政府制定長期可持續增長政策的重要依據[33]．Solow[34]最早提出全要素生產率的概念，主要指各要素(如資本、勞動等)投入之外的技術進步和能力實現等導致的產出增加，是剔除要素投入貢獻后所得到的殘差，故也稱為索洛殘差或索洛余值．易綱等[35]、劉偉等[36]指出，在規模收益不變和?？怂怪行约夹g假設下，全要素生產率是指各要素(如資本、勞動等)投入之外的技術進步(變化)對經濟增長貢獻的因素，以技術進步作為表征全要素生產率的指標具有一定的合理性．假定經濟體存在生產部門和研發部門，人力資本在兩個部門分配，勞動力(人力資本)中有aL的比例投入到研發部門，1-aL的比例用于生產部門．同時，物質資本也在兩個部門分配，有aK的比例投入到研發部門，1-aK的比例用于生產部門．另外，假定人口數量為L(t+1)=nL(t)．設經濟體滿足Cobb-Douglas函數形式：

Y(t)=[(1-aK)K(t)]α[A(t)(1-aL)H(t)]1-α

(14)

式(14)中，Y(t)為經濟產出；K(t)為資本；A(t)為技術水平；H(t)為人力資本，并假定H(t)=L(t)G(E)，其中，H(t)=L(t)eφE，G(E)=eφE；α，1-α分別為彈性系數．研發部門的生產函數為：

A(t)=B[aKK(t)]β[aLH(t)]γA(t)θ

(15)

式(15)中，β，γ和θ分別為彈性系數．對式(15)兩邊同時除以A(t)可得：

(16)

(17)

(18)

式(18)表明技術進步與勞動力增長呈正相關關系．本文在構建理論模型過程中將人口流動抽象出來，作為地區人力資本積累的過程，而不單獨考慮人口流動中有用勞動力的比率．如果從人口流動的主要趨勢來看，地區流入人口越多，則人力資本積累速度越快，那么就越有利于提升地區經濟增長水平和全要素生產率．本文的人力資本與勞動力增長呈正相關關系，當地區流入人口增長時，其對全要素生產率的正向效應越顯著。

2) 當β+θ=1且n=0時，有：

gK(t)=[CH(t)1-α][A(t)/K(t)]1-α

(19)

gA(t)=[BH(t)γ][K(t)/A(t)]β

(20)

此時，經濟存在唯一的平衡增長路徑，A/K決定了增長率gA和gK，二者增長率相等(gA=gK)的條件為：

[CH(t)1-α][A(t)/K(t)]1-α=[BH(t)γ][K(t)/A(t)]β

(21)

簡化式(21)，可得：

K(t)/A(t)=[(C/B)H(t)1-α-γ]1/(1+β-α)

(22)

將式(22)代入式(19)，可得：

gA(t)=[BH(t)γ][(C/B)H(t)1-α-γ]β/(1+β-α)

(23)

簡化式(23)，可得：

(24)

對式(24)兩邊同時取對數并求導，可得：

(25)

由式(25)可知，(γ+β)(1-α)>0，又1+β-α>0．所以，勞動力數量上升會提高技術進步增長率。

(26)

式(26)表明技術進步與勞動力增長呈正相關關系．上述分析均表明勞動力的正增長對技術進步是必要的，并且技術進步隨勞動力增長而遞增．據此，本文提出：

H2：人力資本是推動技術進步的關鍵因素，人口流入為城市技術創新提供了人力資本，城市人口流入能夠有效提升全要素生產率。

1.3 城市房價、人口流動與全要素生產率

根據前文理論分析，“城市房價—人口流動—全要素生產率”的傳導機制可歸納為：

1) 房價對人口流動的影響主要取決于“成本效應”與“財富效應”的作用大小．遷入人口為了減少交通成本，必然選擇在遷入地租房或購房．作為一項消費支出，房價高低會對消費者效用產生影響．在地區間相對工資、交通成本等一定的條件下，當相對房價低于一定臨界值時，勞動者生活成本較低，由此吸引人口流入．城市發展初期，生產率提高吸引了大量農業轉移勞動力向非農部門集聚，而人力資本也是推動技術進步的關鍵因素．技術進步反過來又會提高資本和勞動的邊際產出，促進新一輪投資和人口流入．城市發展后期，伴隨房價高漲，勞動力生活成本也隨之增加，在收入預期增長較緩慢的情況下，降低了個人的相對效用水平，從而阻礙人口向城市或中心地區集聚。

2) 人口所蘊含的人力資本是提升全要素生產率的基礎．根據Lewis[37]的“二元結構”理論，城鄉生產率差異所導致的工資報酬率高低會激勵農村勞動力向城市轉移，勞動力流入城市能夠獲得更高的工資性收入而提高自身效用，所以人口流入意愿強烈，這從理論上解釋了城市對人口具有強大吸引力的原因．根據前文理論分析可知，勞動力的正增長會提高技術進步增長率．一方面人口集聚可以減少知識傳播成本，使知識的交流與共享更為暢通，專業分工、規模經濟和知識溢出效應更為顯著，從而有利于技術創新．另一方面人口集聚能夠推動企業進行技術創新，人口集聚水平較高的地區，市場競爭會間接提高行業準入“門檻”，因而有利于聚集更高教育水平的熟練型勞動力，從而更能夠滿足該地區企業發展過程中對高素質人力資本的需求，進而提升全要素生產率。

3) 城市房價通過人口流動間接影響全要素生產率．城市房價是經濟水平、公共服務、基礎設施等系列因素共同作用的結果．城市房價上漲是房地產行業繁榮發展的具體體現，房地產行業發展能夠帶動上、下游相關產業發展并促進城鎮基礎設施改善及土地擴圍，提升人口吸納能力．但是，城市房價上漲也加大了人口生活成本，當房價超過一定臨界值時會對流動人口形成“擠出效應”，城市人口集聚水平下降使技術創新缺乏內生動力，由此降低全要素生產率．據此，本文提出：

H3：人口流入為城市技術創新提供了人力資本，在勞動力促進全要素生產率的條件下，房價上漲對人口遷入所產生的“擠出效應”會顯著降低全要素生產率。

2 實證設計

2.1 模型設定

為了將城市房價、人口流動與全要素生產率3者關聯起來，本文借鑒溫忠麟等[38]的方法，設計了城市房價影響全要素生產率的中介效應模型為：

(27)

(28)

(29)

式(27)-式(29)中，TFP為全要素生產率；Price為城市房價；Mobility為人口流動；Z為模型中的控制變量向量，包括產業結構升級(Industry)、工資水平(Wage)、金融發展(Finance)、公共服務(Public)、人力資本(Human)、財政支出(Fiscal)；C1為截距項；αi(i=1，2，3，4)為中介效應模型重點關注的回歸系數，其中α1，α2和α4應當顯著，α3主要用于判斷中介效應是“完全中介”還是“部分中介”；θj(j=1，2，…，6)為控制變量回歸系數；ε為殘差項；i，t分別為第i個城市和第t年。

2.2 變量說明

2.2.1 被解釋變量

全要素生產率(TFP)．本文運用數據包絡分析法(DEA)對TFP進行估算．其中，產出指標是GDP，同時運用城市所在省份GDP平減指數對GDP按2005年不變價進行了平減處理； 投入中的勞動力主要采用全社會從業人員數； 投入中資本主要采用全社會固定資產投資額(本文并未采用一般的基期資本存量計算方法，這是因為城市層面的數據不像省際層面數據那么完善，能獲得較早的城市數據始于1991年，如果采用一般基期資本存量計算方法，由于基期年份較晚，無疑會造成資本存量計算產生較大誤差，從而影響研究結論的精確性)，同時運用城市所在省份固定資產投資平減指數對全社會固定資產投資按2005年不變價進行平減處理。

2.2.2 核心解釋變量

城市房價(Price)．本文的核心解釋變量是城市房價，主要以全市的商品房銷售額(元)與銷售面積(平方米)之比計算得到城市住房平均價格(元/平方米)。

2.2.3 門檻變量

人口流動(Mobility)．本文采用凈遷入人口比來刻畫人口流動情況．首先根據當年城市城區的地區生產總值和地區人均生產總值得到各城市常住人口，然后用常住人口減去各城市戶籍人口，由此得到凈遷入人口，最后以凈遷入人口與總人口的比值獲取凈遷入人口比指標。

2.2.4 控制變量

產業結構升級(Industry)．Petty-Clark定律表明，產業結構升級會促進第二、三產業勞動力人數增加，第二、三產業發展對促進勞動力就業具有顯著作用．因此，第二、三產業發達的城市吸納的勞動力人數明顯高于產業不發達城市，從而有利于提升全要素生產率．本文借鑒干春暉等[39]、王定祥等[40]的做法，利用第三產業增加值與第二產業增加值之比來測度產業結構升級指標。

工資水平(Wage)．工資水平是一定期間內企業支付給職工的勞動報酬，工資水平越高對勞動力的吸引力越大，越能夠吸引高端人才集聚，進而通過人才集聚來提升全要素生產率．本文采用在職員工的平均工資水平作為城市工資水平的代理變量。

金融發展(Finance)．作為現代經濟的核心，金融在動員儲蓄、轉化社會閑散資金和風險分散等方面發揮著至關重要的作用，其對一國或地區全要素生產率增長具有重要的影響．本文采用年末金融機構各項貸款余額與GDP之比來測度城市金融發展水平。

公共服務(Public)．前文理論分析表明，TFP增長會受人口增長的影響，人口向城市集聚在很大程度上又受到城市社會保障、教育資源、醫療衛生等公共服務的影響．城市公共服務供給水平越高對勞動力的吸引力越大，越能夠吸引高端人才集聚，進而通過人才集聚來提升TFP．本文采用每千人中執業醫生人數作為衡量公共服務水平高低的代理變量。

人力資本(Human)．人力資本是影響全要素生產率的重要指標，人力資本的高級化發展會通過影響創新效率促進技術進步和全要素生產率提升[41]．目前，有部分學者采用人均受教育年限來衡量人力資本[42-43]，也有部分學者采用各階段教育層次占比來刻畫人力資本[44-45]．本文采用每千人在校大學生人數作為衡量城市人力資本水平高低的代理變量。

財政支出(Fiscal)．政府為了實現經濟增長，會將一部分財政收入用于財政支出，政府參與到經濟活動中所采取的一系列財政政策會對全要素生產率產生影響．本文采用政府支出與GDP之比表示財政支出水平。

2.3 數據來源與描述性統計

本文采用2005-2018年地級及以上城市作為研究樣本，數據源于《中國城市統計年鑒》(2006-2019年)、《中國區域統計年鑒》(2006-2014年)、《中國城市建設統計年鑒》(2006-2018年)和WIND數據庫等．變量描述性統計結果見表1。

表1 變量描述性統計

3 計量解析

3.1 中介效應模型計量結果解析

使用SPSS 22.0軟件和STATA 15.0軟件對前文設定的實證模型進行計量估計，表2、表3和表4呈現了計量回歸結果。

首先，從全樣本的計量結果來看(表2)：模型(1)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.117 3，表示住房平均價格上升1%，TFP將下降0.117 3，該系數在p<1%水平差異具有統計學意義，且符號與預期一致．進一步觀察模型(2)的回歸結果，住房平均價格對人口流動具有負向效應，回歸系數為-0.086 1，且在p<1%水平差異具有統計學意義．這意味著，住房平均價格上升1%，人口流動將顯著下降0.086 1，該系數符號符合預期．模型(3)的結果顯示，住房平均價格對TFP具有抑制作用，回歸系數為-0.139 1，而人口流動對TFP具有顯著的正向作用，回歸系數為0.159 8，且二者的系數均在p<1%水平差異具有統計學意義．所以，命題1、命題2和命題3被初步論證。

其次，模型(4)-模型(18)為不同層級城市的計量結果，下文依序進行解析(本文的城市分級數據源于第一財經發布的《2016中國城市商業魅力排行榜》，共分為一線城市、新一線城市、二線城市、三線城市、四線城市和五線城市．其中，“一線城市”由傳統一線城市與新一線城市組成)．從一線城市樣本的計量結果來看(表2)：模型(4)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.018 5，表示住房平均價格上升1%，TFP將下降0.018 5，該系數在p<1%水平差異具有統計學意義，且符號與預期一致．進一步觀察模型(5)的回歸結果，住房平均價格對人口流動具有負向效應，回歸系數為-0.010 6，且在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著下降0.010 6，該系數符號符合預期．模型(6)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.013 8，而人口流動對TFP具有顯著的正向作用，回歸系數為0.447 6，且二者的系數均在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著下降0.013 8，同時人口流動對TFP具有顯著的正向作用．因此，對于一線城市而言，房價上漲將會阻礙人口流入，導致TFP降低，命題1、命題2和命題3被進一步論證。

表2 全樣本與一線城市計量結果

本文對二線城市和三線城市樣本的計量結果進行了解析(表3)．從二線城市樣本的計量結果來看：模型(7)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.015 7，表示住房平均價格上升1%，TFP將下降0.015 7，該系數在p<1%水平差異具有統計學意義，且符號與預期一致．進一步觀察模型(8)的回歸結果，住房平均價格對人口流動具有負向效應，回歸系數為-0.010 4，且在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著下降0.010 4，該系數符號符合預期．模型(9)的結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.015 5，而人口流動對TFP具有顯著的正向作用，回歸系數為0.018 2，且二者的系數均在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著下降0.015 5，同時，人口流動對TFP具有顯著的正向作用．因此，對于二線城市而言，房價上漲將會阻礙人口流入，導致TFP降低，這與一線城市樣本的計量結果相一致．從三線城市樣本的計量結果來看：模型(10)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.101 8，表示住房平均價格上升1%，TFP將下降0.101 8，該系數在p<5%水平差異具有統計學意義，且符號與預期一致．進一步觀察模型(11)的回歸結果，住房平均價格對人口流動具有負向效應，回歸系數為-0.110 3，且在p<5%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著下降0.110 3，該系數符號符合預期．模型(12)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.020 5，而人口流動對TFP具有顯著的正向作用，回歸系數為0.011 9，且二者的系數分別在p<5%和p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著下降0.020 5，同時人口流動對TFP具有顯著的正向作用．因此，對于三線城市而言，房價上漲將會阻礙人口流入，這與一線城市和二線城市樣本的計量結果相一致。

表3 二線城市與三線城市計量結果

最后，本文對四線城市和五線城市樣本的計量結果進行了解析(表4)．從四線城市樣本的計量結果來看：模型(13)結果顯示住房平均價格對TFP具有促進作用，回歸系數為0.014 9，表示住房平均價格上升1%，TFP將上升0.014 9，該系數在p<1%水平差異具有統計學意義．由此可見，對于四線城市而言，房價上漲在一定程度上有利于提升全要素生產率．進一步觀察模型(14)的回歸結果，住房平均價格對人口流動具有正向效應，回歸系數為0.000 7，且在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著提升0.000 7．模型(15)結果顯示住房平均價格對TFP具有促進作用，回歸系數為0.014 1，而人口流動對TFP具有顯著的促進作用，回歸系數為1.290 5，且二者的系數均在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著提升0.014 1，同時人口流動對TFP具有顯著的正向作用．原因在于城市房價是城市內、外部各種因素共同作用的最終結果，在一定程度上反映了一個城市的經濟發展水平和生產效率．在城市發展初期，房價上漲是房地產行業繁榮發展的具體表現，房地產行業發展能夠帶動上、下游相關產業發展并促進城鎮基礎設施改善及土地擴圍，提升城市對勞動力的吸納能力．當前，我國一、二、三線城市房地產行業發展迅速，當發達地區房價超過一定臨界值時，勞動者生活成本上升，在收入預期增長較緩慢的情況下降低了個人的相對效用水平，從而阻礙了人口向發達城市或中心地區集聚，迫使人口向欠發達地區流動，而人口向欠發達地區流入會使該地區房價出現上漲的情況．同時，欠發達地區勞動力要素積累與技術進步實現了良性互動，從而有助于提升全要素生產率．從五線城市樣本的計量結果來看：模型(16)結果顯示住房平均價格對TFP具有促進作用，回歸系數為0.007 3，表示住房平均價格上升1%，TFP將上升0.007 3，該系數在p<1%水平差異具有統計學意義．由此可見，對于五線城市而言，房價上漲在一定程度上有利于提升全要素生產率．進一步觀察模型(17)的回歸結果，住房平均價格對人口流動具有正向效應，回歸系數為0.001 6，且在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著提升0.001 6．模型(18)結果顯示住房平均價格對TFP具有促進作用，回歸系數為0.012 8，而人口流動對TFP具有顯著的抑制作用，回歸系數為-0.025 6，且二者的系數均在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著提升0.012 8，同時人口流動對TFP具有顯著的負向作用．因此，對于五線城市而言，雖然大城市房價上漲會促進人口流入，但是由于五線城市人口流失嚴重，由此導致全要素生產率降低，這與四線城市樣本的計量結果相一致，故不再贅述。

表4 四線城市與五線城市計量結果

3.2 穩健性檢驗

在本文的研究中，考慮到城市房價、人口流動與TFP之間可能存在雙向因果關系，從而引發內生性問題，本文選用城市軌道交通線路長度(單位：千米)和人均土地供應面積(單位：公頃)作為模型的工具變量，以此來緩解模型可能存在的內生性問題(城市軌道交通線路長度數據源于《中國城市建設統計年鑒》，時間跨度為2006-2017年，數據格式為非平衡面板； 土地供應面積來源于《中國國土資源統計年鑒》，時間跨度為2005-2017年，土地供應面積包括通過招拍掛和協議方式出讓的土地面積)．選取理由為：① 城市軌道交通線路長度與城市房價具有相關性，城市軌道交通越便利的城市，其房價一般也越高，二者理論上具有顯著的正相關關系[46]，而城市軌道交通線路長度與TFP無明顯相關性．因此，城市軌道交通線路長度是住房價格的一個合理工具變量．② 中國土地供應的實際狀況是土地供應量收緊會直接導致房價快速上漲，土地的稀缺性會使土地價格上漲，從而導致城市房價上升[47-48]，而土地供應量的多少不會對TFP造成影響，二者無明顯相關性．因此，土地供應面積是住房價格的一個合理工具變量．同時，為了有效考察本文研究結論的穩健性，在回歸過程中先后引入城市軌道交通線路長度和土地供應量兩類工具變量進行計量分析，表5呈現了基于系統廣義矩估計法(System-GMM)的動態面板模型計量結果。

表5 穩健性檢驗

首先，從模型工具變量選取的有效性來看，模型(19)結果顯示AR(1)和AR(2)檢驗殘差項存在一階自相關而無二階自相關，其中AR(1)為-3.723 4，AR(2)為-0.741 3，因而系統廣義矩估計有效．同時，工具變量的Sargan統計量在p<10%水平差異不具有統計學意義，這也進一步說明本文選取的工具變量有效，即工具變量土地供應面積與城市房價相關，但與擾動項不相關，故本文選擇土地供應面積作為工具變量較為合理．此外，觀察模型(20)-模型(24)的估計結果均可獲得一致的結論，此處不再贅述。

其次，觀察以城市軌道交通線路長度作為工具變量的樣本計量結果，模型(19)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.020 2，表示住房平均價格上升1%，TFP將下降0.020 2，該系數在p<5%水平差異具有統計學意義，這與本文預期一致．進一步觀察模型(20)回歸結果，住房平均價格對人口流動具有抑制作用，回歸系數為-0.227 2，且在p<5%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著降低0.227 2．模型(21)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.220 9，而人口流動對TFP具有顯著的促進作用，回歸系數為0.020 4，且二者的系數分別在p<1%和p<5%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著降低0.220 9，而且人口流動對TFP具有顯著的正向作用，該結果與前文研究結論較為一致，說明本文研究結論具有穩健性。

最后，觀察以土地供應面積作為工具變量的樣本計量結果，模型(22)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.333 5，表示住房平均價格上升1%，TFP將下降0.333 5，該系數在p<5%水平差異具有統計學意義，這與本文預期一致．進一步觀察模型(23)的回歸結果，住房平均價格對人口流動具有抑制作用，回歸系數為-0.337 0，且在p<5%水平差異具有統計學意義．這意味著住房平均價格上升1%，人口流動將顯著降低0.337 0．模型(24)結果顯示住房平均價格對TFP具有抑制作用，回歸系數為-0.333 4，而人口流動對TFP具有顯著的促進作用，回歸系數為0.008 3，且二者的系數均在p<1%水平差異具有統計學意義．這意味著住房平均價格上升1%，TFP將顯著降低0.333 4，同時人口流動對TFP具有顯著的正向作用．所以，本文的研究結論具有穩健性。

4 研究結論與政策建議

本文構建了“城市房價—人口流動—全要素生產率”的理論研究框架，實證基于中國2005-2018年194個地級及以上城市數據，運用中介效應模型定量分析了城市房價、人口流動與全要素生產率之間的效應關系．研究表明：① 房價變動所引起的消費者相對效用變化是影響勞動力跨區域流動的重要因素，房價上漲會推升勞動力生活成本，進而阻礙人口遷入．② 人口流入為城市技術創新提供了人力資本，提升城市凈遷入人口有助于提升全要素生產率．③ 在勞動力促進全要素生產率的條件下，房價上漲對人口遷入所產生的“擠出效應”將會顯著降低全要素生產率。

上述結論為“房住不炒”政策定位提供了有價值的理論依據和經驗證據，基于房地產過度繁榮的現實背景，必須正視房價高漲導致全要素生產率損失的問題．為此，本文建議：① 摒棄房地產作為經濟刺激的手段，根據人口變遷及城市發展趨勢，適時供應住宅用地，以優化供應、疏解需求為核心實現房地產市場供需平衡．② 構建房地產市場長效調控機制．加快“租購同權”、保障房建設、針對租賃土地供應側的保障、城市共有產權房的推進、針對房地產各類稅收法律層面的調控機制落實．③ 嚴控房地產貸款增量，審慎發放房地產開發貸款．嚴格落實房地產調控政策，強化自我約束，加強金融資金用途審查和流向監測．④ 補齊欠發達地區公共服務短板．推進區域間公共服務均等化，在財政支出上加大對中西部地區及農村地區的傾斜力度，緩解勞動偏向型地區公共服務供給水平低、與資本偏向型地區公共服務水平差距大的問題，促進欠發達地區公共服務向更高水平和更高質量邁進．⑤ 促進人口合理流動與價值鏈分工．科學疏解大城市人口，強化城市群的功能分工，中心城市通過大力發展生產性服務業，中小城市積極承接制造業產業轉移，形成要素互補、分工合理的“中心-外圍”發展格局，提升城市全要素生產率。