“人才特區”政策對房價的影響研究

鞠 方，夏 麒，楊玉婷

(湘潭大學 商學院，湖南 湘潭 411100)

一、引 言

人才不僅是國家核心競爭力的重要體現，也是推動地區經濟發展的關鍵因素。隨著人口紅利衰減與人才戰略地位提升，各城市紛紛加入“搶人大戰”，采取各種手段吸引人才流入以滿足城市建設的需要，如放松人才落戶標準、給予購房補貼等。黨的十九大報告指出，要實行更加積極，更加開放，更加有效的人才政策。“人才特區”政策作為地區吸引人才的重要手段之一，對完善人才培育體系、實現人才資源有效配置具有重要意義，其實質與經濟特區相似，均為激發地區自主創新能力以促進經濟發展。截至2019年底，全國已有60多個城市立足于建設發展的需要，制定并出臺了“人才特區”政策，為吸引、培育與利用人才提供了強有力的支持。“人才特區”政策在吸引大量專業人才流入城市的同時，也可能對房地產市場產生影響。一方面，專業人才流入能夠促進住房需求增加，房地產市場供需狀況的改變將導致住房價格發生變動；另一方面，城市為吸引人才將加快基礎設施完善進程，著力提升公共服務水平，導致住房實際價值發生改變。因此，“人才特區”政策的出臺會對城市房價產生影響，但其作用效果與傳導機制仍有待進一步探究。

目前，學術界關于人才政策的研究主要集中在政策制定與政策效應評估兩個方面。在政策制定上，已有研究認為針對經濟發展水平相對落后的地區，應著重通過出臺人才政策、打造人才集聚地的方式促進人才流入，如為專業人才提供保障性住房、給予生活補貼或稅收優惠等，以此彌補城市建設過程中的人才短缺。在政策效應評估上，部分學者依據政府出臺的人才引進政策構建相應的政策評價體系與量化標準，并將其應用于政策效果的實際評估中。另有學者發現人才政策的出臺將顯著提升城市創新能力，但由于引進人才存在一定政策成本，且科研成果的產出與轉化存在時滯，對社會經濟的影響可能隨政策實施階段不同由“虹吸效應”轉為“擴散效應”。

從政策實施對房價的影響來看，已有研究多側重于探究限購政策、信貸政策與稅收政策等經濟政策對房價的影響。關于人才政策對房價影響的研究相對較少，且多針對某一具體實施方案展開，如人才落戶政策、人才購房政策等。在作用效果上，多數學者認為人才政策將推動高層次人才與專業技術人才的集聚，擴大住房需求，推動城市房價上漲。同時，高質量人力資本集聚帶來的“外溢效應”也會增加對非熟練勞動力的需求，吸引低技能勞動力流入，進一步提高房價。此外，人才政策的實施也可能對原有的房地產調控政策產生沖擊，且對經濟發達、落戶條件寬松的城市的作用更為明顯。也有學者指出，雖然人才政策導致的地區人口遷移能夠顯著促進房價上漲，但科研人才的過度集聚可能引發“人才擁擠”，抑制城市創新能力的提升，進而對房價產生負面影響。

綜上，現有研究多針對省級層面或某一特定區域探究人才政策對房價的影響，且主要基于人才集聚視角展開分析，較少從城市層面探究“人才特區”政策對房價的影響。鑒于此，本文選取全國284個地級市的面板數據，分析“人才特區”政策對房價的影響效應及傳導機制，為人才政策效果評估與房價調控提供參考。

二、“人才特區”政策影響房價的理論機制

(一)“人才特區”政策對房價的影響

“人才特區”政策在吸引外來人才流入城市的同時也擴大了住房需求，由于住房供給在短期內具有剛性，住房市場中的需求大于供給，導致房價上升。為探究“人才特區”政策影響房價的具體動因，本文結合四象限模型與“人才特區”的政策效應展開市場聯動分析。四象限模型分別從住房消費與住房投資兩個維度出發，將房地產市場劃分為使用市場與資本市場，具體形態如圖1所示，矩形區域反映房地產市場的均衡狀態。其中，第一象限主要反映使用市場中房地產存量與租金之間的供需關系，租金收益由房地產存量與市場需求共同決定；第二象限主要反映資本市場中房價與租金之間的轉換關系，租金收益能夠通過折現轉變為房價；第三象限主要反映資本市場中房價與房地產開發建設量之間的影響關系，若房價較高且市場行情明朗，房地產開發商將依據現有住房需求加大投資力度，增加房地產開發建設量；第四象限主要反映使用市場中房地產開發建設量與房地產存量之間的相互關系，考慮住房折舊率，房地產開發建設量能夠轉換為新的房地產存量。

當地區出臺“人才特區”政策時，相關領域的專業人才受政策吸引流入城市，促進住房消費需求與住房投資需求增加。此時，第一象限中的需求曲線向右上方移動。結合供求價格理論，住房需求增加將促進租金收益提升，第二象限中的供求關系也隨之改變，更高的租金收益能轉換為更高的房價。在第三象限中，房價的提高將促使房地產開發商擴大住房投資，增加房地產開發建設量，促進第四象限中房地產存量增加。經過這一輪變化，房地產市場在更高價格上形成了新的均衡狀態。因此，“人才特區”政策的出臺有助于擴大住房需求，改變住房市場供求關系，推動房價上漲。

圖1 四象限模型

(二)基于房價預期的傳導機制

“人才特區”政策出臺后，各地區為促進人才集聚，吸引高端企業進駐，將持續完善基礎設施建設，提高公共服務水平。居住環境的改善能夠推動土地價格持續上漲，房地產開發成本的增加將進一步提高城市房價。此時，人們會依據自身實際經濟狀況與發展規劃對房價展開理性預期。一方面，滿足政策條件的專業人才將享受政府提供的各項優惠，并借助政策福利減少購房成本，緩解購房壓力。“人才特區”政策的出臺會促進此類人群購房需求增加，由于住房供給難以在短期內擴張，住房需求增加將推動城市房價上漲。另一方面，對不能享受政策優惠的群體而言，“人才特區”政策的出臺將使其預期未來城市發展進程加快，城市房價上漲。同時，外來人才流入也將增強本地人口的就業壓力，使已有購房計劃者預期未來購房難度加大。為緩解房價快速上漲帶來的購房壓力，購房者將在“人才特區”政策出臺后盡快完成購房計劃，導致住房需求增加，房價上漲。因此，基于房價預期，“人才特區”政策對房價的影響機制可表現為：“人才特區”政策出臺→預期房價上升→購房需求增加→房價上漲。

(三)基于產業結構升級的傳導機制

“人才特區”政策的出臺將吸引大量專業領域人才流入城市，為改進地區原有產業布局與產業結構提供了人力資本與技術支持，從而推進產業結構升級，間接促進房價上漲。一方面，“人才特區”政策能夠吸引具有專業知識與掌握尖端技術的人才流入城市，提升了地區整體的人力資本質量。高質量人力資本的投入將幫助城市破除技術壁壘，改進產業結構，完善產業布局，推動中低端產業向高端產業發展。各地區為充分發揮人才效用，在積極引進人才的同時，也將為人才發展提供充足的資金支持與相對自由的平臺。人才利用效率的提升能夠有效推動產業結構升級，促進經濟發展。地區經濟水平的提升也將持續強化城市對人才的吸引力，促使“人才特區”政策發揮出最大效用，進一步推動產業結構升級。另一方面，產業結構升級能夠顯著帶動地區經濟發展，推動房價上漲。產業結構的升級與轉型將增加企業對商用房與廠房的需求，但由于房地產市場供給彈性較小，難以在短期內滿足房地產需求的增長，導致房價上升。產業結構升級具體表現為產業結構由第二產業向第三產業過渡發展，這一過程需要充足的勞動力支撐。“人才特區”政策能夠為地區吸引大量優質人力資本，滿足產業結構升級過程中對勞動力的需要。為獲取高質量勞動力，企業將提高薪資水平以吸引人才，收入上漲在一定程度上緩解了居民家庭的收支壓力，降低了信貸約束，促進改善性住房需求與剛性住房需求增加，推動房價上漲。基于產業結構升級，“人才特區”政策對房價的影響機制表現為：“人才特區”政策出臺→推動產業結構升級→房價上漲。

三、研究設計

(一)模型設定

由于各地級市“人才特區”政策出臺的時間點不一致，為探究“人才特區”政策會對房價產生何種影響，本文運用多時點雙重差分模型展開實證分析。與傳統雙重差分模型相比，多時點雙重差分模型將單一政策時點推廣至多期，能夠有效解決政策實施時點存在前后差異的問題，使得估計結果更具一般性。將已出臺“人才特區”政策的城市設置為實驗組，未出臺政策的城市設置為控制組，并選擇雙向固定效應展開實證分析，構建計量模型如下：

ln=+++++

(1)

=×

(2)

其中，表示城市，表示年份，ln表示房價的對數。表示組間虛擬變量，當城市為出臺“人才特區”政策的城市時取值為1，為未出臺“人才特區”政策的城市時取值為0。表示時間虛擬變量，在“人才特區”政策出臺的當年及以后的年份取值為1，其余年份取值均為0。表示政策虛擬變量，為組間虛擬變量與時間虛擬變量的交乘項，若城市在年出臺了“人才特區”政策，則年之前的取值為0，年及之后的年份取值為1。表示影響城市房價的其他控制變量，表示城市固定效應，表示年份固定效應，表示隨機誤差項。

(二)數據來源

本文選取2005—2019年全國284個地級市的面板數據進行實證分析。其中，房價數據主要來源于房地產門戶網與CEIC數據庫，其他控制變量來源于《中國城市統計年鑒》。由于個別地級市的年度數據存在缺失，為保證數據連續性，滿足構建平衡面板分析的需要，采用插值法補齊缺失數據。實施“人才特區”政策的城市與政策出臺時間主要依據官方文件或新聞報道整理得到，表1列示了部分實施“人才特區”政策的城市名單及政策出臺時間。

表1 實施“人才特區”政策的城市

(三)變量選取

本文的被解釋變量為房價，考慮“人才特區”政策帶來的人才流入將導致住房需求增加，選取住宅商品房的平均銷售價格度量房價()，核心解釋變量為“人才特區”政策的虛擬變量()。為控制其他可能影響房價的因素，引入如下變量控制不同城市在經濟發展、地區人口與城市建設等方面的差異，具體包括：(1)經濟層面：收入水平，采用人均國內生產總值衡量()；政府支出規模，采用政府預算支出占國內生產總值的比重衡量()。(2)人口層面：人口增長，采用人口自然增長率衡量()。(3)城市建設層面：城市規模，采用城市區域土地面積衡量()；基礎設施建設，采用互聯網接入用戶數衡量()。為減少異方差的影響，在實證過程中對房價、人均國內生產總值、城市區域土地面積與互聯網接入用戶數進行對數化處理。

各變量的具體含義與描述性統計如表2所示。房價(ln)的最大值為10.929，最小值為6.439，標準差為0.620，表明房價存在顯著的區域異質性。“人才特區”政策虛擬變量()的平均值為0.096，表明在樣本期間內已經出臺“人才特區”政策的城市仍相對較少。從各控制變量的描述性統計結果來看，在經濟層面上，人均國內生產總值(ln)的平均值為10.351，標準差為0.763，說明我國整體經濟發展水平有了較為顯著的提升，但地區經濟發展不平衡的問題依然突出。在人口層面上，部分城市的人口自然增長率為負值，人口數量呈現減少趨勢。在城市建設層面上，城市區域土地面積與互聯網接入用戶數的標準差分別為0.816和1.196，表明各地級市的城市規模與基礎設施建設水平仍呈現顯著差異。

表2 變量描述性統計結果

四、實證分析

(一)基準回歸結果

基于多時點雙重差分模型的回歸結果如表3所示。列(1)為未加入控制變量的結果，列(2)、列(3)與列(4)為逐步加入經濟層面、人口層面與城市建設層面控制變量的結果。無論是否控制與房價有關的其他因素，政策虛擬變量均顯著為正，表明“人才特區”政策的出臺將促進城市房價上漲。由列(4)的估計結果可知，與未出臺“人才特區”政策的城市相比，已出臺政策城市的房價將提高8.6%。“人才特區”政策能夠有效吸引專業人才流入城市，一方面，人才的跨區流動將促進地區住房需求增加，直接推動房價上漲；另一方面，政府為強化城市對人才的吸引力，將加快完善人才發展配套設施，營造宜居環境，間接推動房價上漲。除城市區域土地面積外，各控制變量的系數均顯著為正，表明收入水平提升、政府支出規模擴大、人口數量增長與城市基礎設施完善均有助于推動房價上漲。城市區域建設面積對房價的影響系數顯著為負，原因可能在于，城市建設面積的擴大將增加住房供給，導致房價下跌。

(二)異質性分析

1.區域異質性。鑒于我國各城市的地理位置與經濟發展水平不同，為檢驗“人才特區”政策對房價的影響是否存在區域異質性，按照國家統計局的標準將地區劃分為東、中、西三部分。其中東部地區多為沿海省市，地理位置優越，產業結構完善，對勞動力與企業的吸引力較中、西部地區更強，整體經濟發展水平較高。而中、西部地區的經濟基礎相對薄弱，對人才的吸引力較弱，且中、西部地區的房價水平相差不大。因此，本文進一步將樣本按其所在省市劃分為東部與中西部地區，東部地區主要包括遼寧、河北、北京、天津、山東等11個省份的城市，其余省份的城市則列為中西部地區。

表3 基準回歸結果

“人才特區”政策對房價影響的區域異質性如表4所示。“人才特區”政策對東部地區的房價存在顯著的促進作用，但對中西部地區的影響并不顯著。原因可能在于，第一，東部地區城市經濟較為發達，整體房價水平高，房地產開發總量大，剩余可供開發的土地面積有限。“人才特區”政策的實施能夠推動住房需求增長，但由于住房供給受限，城市房價將呈現上漲趨勢。第二，東部地區與中西部地區的公共服務設施完善程度存在差異，較優的經濟基礎使得東部地區的公共服務水平較高，就業人員享有的醫療條件、養老保障與子女受教育質量等更勝一籌，增強了對人才的吸引力。因此，東部地區出臺“人才特區”政策將吸引更多就業人口流入城市，促進房價上漲。第三，受地理位置與經濟因素影響，中西部地區對人才的吸引力相對較弱。同時，中西部地區可供開發的土地面積較多，住房供給充足，人才流入帶來的住房需求增長將被原有住房供給平抑，導致“人才特區”政策難以對中西部地區房價產生顯著影響。

2.城市規模異質性。一般而言，城市規模越大，房價也相應越高。為探究“人才特區”政策對不同規模城市房價的影響，本文依據國家統計局劃定的70個大中城市名單，將樣本劃分為大中城市與非大中城市，結果如表4所示。“人才特區”政策的出臺將顯著提高大中城市房價，原因可能在于，一方面，大中城市“人才特區”政策的優惠力度更大，能夠為流入城市的專業人才提供更好的就業環境與發展平臺，對人才具有更強的吸引力；另一方面，大中城市的教育水平更高，高等院校數量較多，高校畢業生在擇業時更有可能留在就讀城市或選擇就業機會更多的其他大中城市。因此，大中城市出臺“人才特區”政策將促使更多尋找就業機會或追求更優發展前景的人才流入城市，推動房價上漲。但對非大中城市而言，“人才特區”政策對房價并未產生顯著影響。這可能是因為非大中城市的整體就業環境較差，難以滿足專業人才未來發展的需要，對人才的吸引力相對較弱，流入非大中城市的人才較少，因此“人才特區”政策對房價的促進作用不顯著。

表4 異質性分析

(三)穩健性檢驗

本文通過構建多時點雙重差分模型探究“人才特區”政策對房價的影響，實證結果表明“人才特區”政策的出臺會顯著推動房價上漲。為進一步檢驗實證結果的可靠性，通過平行趨勢檢驗、PSM-DID、反事實檢驗與安慰劑檢驗四種方式進行穩健性檢驗。

1.平行趨勢檢驗。為確保多時點雙重差分結果的有效性，首先需要對控制組與實驗組進行平行趨勢檢驗，即保證在“人才特區”政策出臺之前，控制組與實驗組的房價具有相同的變化趨勢。與傳統雙重差分模型不同，由于政策實施時點存在差異，針對多時點雙重差分模型進行平行趨勢檢驗時需要對政策效應進行逐年分解。若平行趨勢假設成立，則表明“人才特區”政策出臺之前控制組與實驗組不存在顯著差異，房價變動發生在“人才特區”政策實施之后。借鑒Beck等(2010)的做法，通過事件研究法分析政策的經濟效應在年度間的動態趨勢變動。計算政策時點的前后期數時，采用當前年份減去各自政策的實施時點，得到政策實施的相對時間。

平行趨勢檢驗的結果如圖2所示，以“人才特區”政策出臺的前一年為基準組，軸表示政策實施的相對時間，=0表示政策發生當期，左側表示政策出臺的前年，右側表示政策出臺的后年。由圖2可知，與政策出臺前1年相比，政策出臺的前5年至前2年中，實驗組與控制組的回歸系數均圍繞零值上下波動，且回歸系數不具有統計意義上的顯著性，表明實驗組與控制組在“人才特區”政策出臺前不存在明顯差異，符合平行趨勢假設。在“人才特區”政策出臺之后，回歸系數顯著上升，表明“人才特區”政策能夠有效推動房價上漲。

圖2 平行趨勢檢驗

2.PSM-DID。運用多時點雙重差分模型進行實證分析時，通常需要選擇實驗組與控制組進行對比分析。理想狀態下，該控制組除未出臺“人才特區”政策以外，其他的城市特征均與已出臺“人才特區”政策的城市相似。但從現實情況來看，已出臺“人才特區”政策城市的經濟發展水平和基礎設施建設情況與未出臺政策的城市相比存在差異。為從控制組城市中盡可能篩選出與實驗組在影響房價的各項因素上相匹配的樣本，減少由于非隨機選擇帶來的樣本選擇偏誤，采用傾向得分匹配(PSM)選擇適宜的控制組。但PSM難以緩解遺漏變量導致的內生性，DID則能夠通過雙重差分較好地解決遺漏變量偏誤。因此，本文結合PSM與DID檢驗前文結論的穩健性。與已出臺“人才特區”政策的城市相比，未出臺政策的城市數量較多，在進行傾向得分匹配時主要采用核匹配法進行估計，并以控制變量作為匹配變量展開分析。

傾向得分匹配是否有效取決于能否滿足“有條件的獨立性”，即經過匹配后的控制組與實驗組在“人才特區”政策出臺之前不存在顯著差異。為保證匹配結果的有效性，本文進行了平衡性檢驗，樣本匹配的標準化偏差圖如圖3所示。匹配后樣本的標準化偏差值與匹配前相比均有所減小，且均小于10%，表明傾向得分匹配很好地平衡了已出臺“人才特區”政策與未出臺“人才特區”政策城市間可觀測性特征的差異。此外，傾向得分匹配還需滿足共同支撐假設，即保證控制組與實驗組傾向得分的取值范圍相同。圖4進一步給出了PSM匹配結果的共同取值范圍，其中控制組與實驗組的矩形面積有較多重疊，表明絕大多數樣本都在共同取值范圍之內。傾向得分匹配僅剔除部分極端值，損失的樣本較少，提高了匹配的整體效果。

圖3 PSM的標準化偏差圖

圖4 PSM的共同取值范圍

PSM-DID的回歸結果如表5所示。“人才特區”政策虛擬變量的系數在1%的水平上顯著為正，與未進行傾向得分匹配前的結果一致，表明“人才特區”政策的出臺將顯著推動房價上漲。各控制變量的系數大小和顯著性與匹配前的估計結果相近，城市經濟發展水平的提升、人口數量的增加與基礎設施的完善均會顯著提高房價，驗證了前文結論的穩健性。

3.反事實檢驗。反事實檢驗的基本思想是人為構造政策發生的時點，改變原有政策的發生時間，進而觀測“人才特區”政策對房價的沖擊。若改變政策發生的時點后，“人才特區”政策的出臺依然能顯著推動城市房價的上漲，則表明房價的提升是由其他未觀測到的變量引起的而非政策本身。由于各城市出臺“人才特區”政策的時間點并不完全一致，主要集中在2010年至2013年這一時間段，最早出臺“人才特區”政策的時間為2010年。因此，本文在進行反事實檢驗時將政策出臺時點分別提前至2006年、2007年與2008年，將假定的時間點作為虛擬變量重新構建雙重差分模型，分別進行回歸分析。反事實檢驗的估計結果如表5所示，其中列(3)、列(4)、列(5)分別為假定2006年、2007年、2008年出臺“人才特區”政策的回歸結果。由表5可知，各年份政策虛擬變量的系數均不顯著，且2007年的估計系數為負，進一步表明在反事實的政策時點下，實驗組與對照組的房價不存在顯著差異，平行趨勢檢驗通過，證明了本文結論的穩健性。

4.安慰劑檢驗。由于房價的提高可能是由其他不可觀測因素變動所導致的，而非受“人才特區”政策出臺的影響。本文通過安慰劑檢驗判斷實證結果是否穩健，分別從284個地級市中隨機抽取個體作為實驗組，同時隨機選中樣本期間內任意年份作為政策發生時點，并生成對應的“偽政策虛擬變量”。在模型(1)的基礎上進行1000次回歸，提取回歸結果中的“偽政策虛擬變量”系數及相應的值，繪制如圖5所示的核密度分布圖。其中，軸表示“偽政策虛擬變量”的估計系數，軸表示密度值與值，曲線為估計系數的核密度分布，圓點為估計系數對應的值。由圖5可知，核密度分布圖基本以=0為軸呈對稱分布，估計系數均位于0附近，且值大于01，表明隨機樣本的估計結果并不顯著。虛線表示基準回歸中實際政策虛擬變量的估計系數0086，顯著偏離隨機樣本中的系數分布，表明隨機樣本的估計結果與真實值存在差異，“人才特區”政策能夠顯著推高房價，驗證了本文結論的穩健性。

表5 PSM-DID與反事實檢驗

圖5 核密度分布圖

(四)影響機制檢驗

由前文可知，“人才特區”政策可能通過提高房價預期與促進產業結構升級推動房價上漲，本文構建中介效應模型，采用逐步回歸法對上述影響機制進行檢驗。其中，對于房價預期，考慮購房者在“人才特區”政策出臺時能夠依據自身的實際狀況對房價進行理性預期，借鑒況偉大(2010)采用下一期實際房價作為理性預期的代理變量。對于產業結構升級，借鑒干春暉等(2011)選取第三產業與第二產業的產值之比構建產業結構高級化指數加以衡量。據此，本文構建如下中介效應模型：

ln=+++

(3)

=+++

(4)

ln=++++

(5)

其中，因變量為房價ln，自變量為政策虛擬變量，為中介變量，包括房價預期(ln)和產業結構升級()，表示相應的控制變量。

中介效應模型的檢驗結果如表6所示，其中列(1)為式(3)的估計結果，列(2)至列(3)、列(4)至列(5)分別對應以房價預期或產業結構升級為中介變量時式(4)與式(5)的估計結果。當以房價預期為中介變量時，由列(2)可知，將政策虛擬變量與房價預期ln進行回歸分析，在控制其他變量的情況下，系數在5%的水平下顯著為正，表明“人才特區”政策的出臺能夠提高人們對未來房價的預期。將“人才特區”政策、房價預期與房價進行回歸，結果顯示“人才特區”政策的系數與房價預期的系數均顯著為正，且較變小，表明在“‘人才特區’政策→房價預期→房價”這條路徑上，房價預期發揮著部分中介效應。其中，中介效應在總效應中的占比為58.14%，表明“人才特區”政策能夠通過提高房價預期促進房價上漲。從理性預期的角度來看，無論能否享受“人才特區”政策帶來的優惠，購房者均能預見人才流入帶來的住房需求增加，從而對房價產生看漲預期，激發當期購房需求，提升房價。

當以產業結構高級化為中介變量時，“人才特區”政策對產業結構升級的影響系數在1%的水平下顯著為正，產業結構升級對房價的影響系數在5%的水平下顯著為正，表明“人才特區”政策能夠通過促進產業結構升級間接推高房價。其中，產業結構升級的中介效應為0.026，在總效應中的占比為30.23%。一方面，“人才特區”政策能夠吸引相關領域的專業人才流入城市，為推動產業結構升級提供高質量人力資本，促進地區經濟的發展與房價增長；另一方面，為充分發揮“人才特區”政策的作用，城市將持續優化產業布局，為人才發展創造有利環境，在促進產業結構升級的同時也推動了房價增長。由此可見，“人才特區”政策能夠經由房價預期與產業結構升級兩條路徑間接作用于房價，促進房價上漲。

表6 “人才特區”政策對房價的影響機制檢驗

五、結論與建議

選取2005—2019年全國284個地級市的面板數據，運用多時點雙重差分模型探究了“人才特區”政策對房價的影響，并結合中介效應模型檢驗了房價預期與產業結構升級兩條路徑。結論如下：第一，“人才特區”政策將顯著推動房價上漲，與未出臺政策的城市相比，已出臺政策城市的房價將上漲8.6%，經穩健性檢驗后結論依然可靠。第二，“人才特區”政策能夠通過提高房價預期與推動產業結構升級促進房價上漲，房價預期與產業結構升級的中介效應在總效應中的占比分別為58.14%與30.23%。第三，“人才特區”政策能夠顯著推動東部地區與大中城市房價上漲，但對中西部地區與非大中城市房價無顯著影響。

建議：第一，理性制定“人才特區”政策。立足城市建設發展的實際需要，有針對性地吸引專業人才，避免人才過度集聚造成的人才浪費及房價非理性上漲。第二，豐富人才政策舉措。高房價地區應著力減少人才留居成本而非降低流入門檻，在提升人才生活待遇方面進行有益探索，如提高薪資水平、提供生活補貼等。第三，完善住房保障體系。減少“人才特區”政策帶來的房價上漲對低技能群體的“擠出效應”，從供給側發力調控房價，保障住房剛需。第四，優化人才發展環境。提高公共服務水平，完善人才發展所需配套設施，充分發揮人才政策的積極作用。