房價波動會抑制全要素生產率增長嗎？

李嘉琪 陳妍玲 郭文偉

摘? ?要：在闡明房價波動對全要素生產率的影響機理后，采用F？覿re-promont指數法測度我國259個地級及以上城市全要素生產率及其分解指標，然后采用空間面板模型分析房價波動對全要素生產率的影響及具體路徑。研究結論表明，在全國范圍內，房價波動會直接對全要素生產率生產明顯的抑制作用，也會通過降低規模效率來間接抑制全要素生產率；這種抑制作用不僅作用于本市，還會通過空間溢出效應對鄰市產生影響；東部、中部、西部和東北地區房價波動均顯著抑制全要素生產率增長但各自的影響途徑存在明顯差異，中部地區房價波動的抑制作用不存在空間溢出效應；政府財政獨立性和外商投資無助于提升全要素生產率。

關鍵詞：房價波動；F？覿re-promont指數法；技術效率；規模效率；剩余混合效率；空間滯后模型；空間誤差模型

DOI：10.3969/j.issn.1003-9031.2024.05.001

中圖分類號：F830? ? ? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1003－9031（2024）05－0003－19

一、引言

全要素生產率（total factor productivity，TFP）是指在生產過程中，除了生產要素投入之外的科技進步對經濟增長貢獻的因素（易綱等，2003），能刻畫由規模增長模式向創新驅動經濟增長模式的轉變程度。當前，我國企業的人口紅利和資源紅利等傳統優勢正在趨于消失，數量型擴張的經濟模式已難以為繼，在經濟新常態下，中國要保持經濟平穩較快可持續發展，就必須重視全要素生產率的提升。然而，我國全要素生產率自2008年金融危機后出現持續下滑，直到2016年，我國全要素生產率增速才出現由降轉升的拐點，但至今我國的科技發展水平和資源配置效率仍與發達國家存在較大差距。Denison and Dward（1962）將牽制全要素生產率的原因歸為知識進步、規模經濟和資源配置效率改善三大因素。因此要提高整體的生產率水平，硬性的技術進步是十分重要的，但資源配置效率改善帶來的作用也不可忽視；而在優化資源配置效率方面，房價波動是不容忽視的重要因素之一。當前中國房價增速較快，2007年中國住宅均價為3645.18元/平方米，2020年這一指標首次突破萬元大關，達到10158.94元/平方米，同比上漲了178.70%①。高房價加劇了我國經濟的結構失衡，導致整個社會資源過度集中在房地產領域，最終降低了資源再配置效率，抑制了全要素生產率增長。因此，從理論和實踐上揭示我國房價波動對全要素生產率增長的機理、路徑，進而提出緩解高房價抑制全要素生產率的政策建議，具有重要意義。本文首先通過F？覿re-promont指數法合理測算我國259個地級市全要素生產率的變化趨勢并進行成分分解；在此基礎上，采用面板數據模型和空間面板模型分析房價波動對于全要素生產率的影響路徑，包括技術效率路徑、規模效率路徑和剩余混合效率路徑；其次分別比較了我國東部、中部、西部和東北地區房價波動對全要素生產率及其影響路徑的差異。最終研究結果發現，全國層面上房價波動會通過影響規模效率來顯著抑制全要素生產率增長，且這種抑制作用不僅作用于本市，還會通過空間溢出效應對鄰市產生影響；與此同時，東部、中部、西部和東北地區房價波動抑制全要素生產率增長的路徑存在明顯差異。

二、文獻綜述

（一）全要素生產率的測度

當前學術界關于全要素生產率主要有5種測算方法：索洛余值法、隨機前沿分析（SFA）法、DEA-Malmquist指數法、Hicks-Moorsteen指數法和F？覿re-promont指數法。索洛余值法是通過擬定生產函數后得到的產出增長率扣除各生產要素增長率后的殘差。該方法簡便易算，但其前提條件過于嚴格，如技術進步外生、技術進步不改變生產要素投入比例以及規模收益不變等。盡管后來學者修正了其生產要素的測度以及技術進步的外生性問題，但其認為規模收益不變的不合理假設依舊存在。SFA法將總生產函數分為非效率的和前沿的（Chen and Guan，2012），對全要素生產率進行了拆解，將其變化拆分為技術進步和技術效率并最終計算出該指標（Aigner et al.，1977；Kumbhaka，2000）。該方法承認技術無效率的情況，更符合現實。但局限性在于僅能計算單項產出時的全要素生產率；此外，基于小樣本數據的隨機前沿生產函數法估計結果差異較大。DEA-Malmquist指數法是一種非參數測度方法（Charnes et al.，1978；顏鵬飛和王兵，2004；徐曄和宋曉薇，2016；焦翠紅和陳鈺芬，2018）。該方法無須考慮被估計的生產函數形態和要素價格信息，突破了以往僅能測算單項產出的局限。此外，該方法認為技術效率可以由規模效率和純技術效率兩個部分組成，因而更貼合社會生產實際情況，具有更強的適用性；但存在著乘法完備性較差以及效率分解不全面的問題（Bjurek，1996），對異常數據反應敏感，易受隨機因素影響導致得到的技術進步和技術效率指數出現誤差。O donnell（2008）最先提出Hicks-Moorsteen TFP指數法，該學者解決了全要素生產率變化分解的不全面的問題，并使得分解指數的經濟含義更為清晰明確，遺憾的是，該測量方法無法實現傳遞性檢驗（劉秉鐮等，2012；姜永宏和蔣偉杰，2014；劉宏偉等，2017）。F？覿re-primont指數法也是O donnell（2012）提出的，是目前國際上最新的測度方法，該指數具有乘法完備性，且效率分解完全，FP指數可以對全要素生產率進行縱向和橫向兩個方向的比較（郭萍等，2013；黃祎等，2015）。

（二）房價波動影響全要素生產率的路徑研究

至今國內外較少有關房價波動與全要素生產率之間關聯性方面的研究文獻，大部分文獻集中研究房價波動如何通過影響資源配置效率和科技創新水平進而影響全要素生產率的問題。在高房價影響資源配置效率方面，郭慶旺和賈俊雪（2005）、Hsieh and Klenow（2009）認為當資源集中于低生產率企業時，將會導致資源配置在市場中分配失衡，產品和生產要素市場扭曲，最終抑制全要素生產率的提高。陳斌開等（2015）、徐曄和宋曉薇（2016）指出過高的樓市價格對社會消費和投資形成擠出效應，使得有限資源流向低外部性的房地產業，也吸引不少工業企業偏離自身主業發展而開始涉入房地產業，從而進一步加劇了社會資源的錯配并降低了資源配置效率。Restuccia et al.（2008）認為高房價帶來的社會資源配置失效將會顯著降低全要素生產率。此外，朱喜等（2011）、Robert et al.（2014）通過實證表明，當這種資本和勞動配置的扭曲被修正時，全要素生產率將得到顯著的提升。

在房價波動影響科技創新水平方面，部分學者認為當社會資源過度集中到房地產部門時，這不僅抑制了高新企業自身的研發投入積極性，也加重了實體經濟部門的生產成本，擠占了創新研發資金來源（王文春等，2014；Miao and Wang，2014）；這種擠出效應將對整個行業全要素生產率產生抑制作用（余靜文，2017）。大多數學者的研究結論表明高房價對企業創新投入和對勞動力的擠出削弱企業的創新傾向并抑制了城市的創新能力（朱晨，2018）。在科技創新對全要素生產率的影響方面，學者們還沒有得出統一的結論，部分學者認為科技創新水平的提高能夠促進全要素生產率（劉康，2024；陳彥君和郭根龍，2024）：一方面，創新資本投入本身能夠顯著提升科技水平并促進全要素生產率（魏下海和王岳龍，2010），高新科技開發區的全要素生產率顯著高于其他地區（程郁和陳雪，2013）；另一方面，創新資本的投入又聚集了大量的科研人才，這種集聚有利于新知識和新技術的擴散，科技人員的流動進一步促進了創新和全要素生產率（焦翠紅和陳鈺芬，2018）。然而，也有部分學者得出相反的結論，認為創新資本對全要素生產率的促進作用受到地區經濟、要素稟賦和制度環境等條件的限制（余泳澤和張先軫，2015）；在經濟發展水平較低的情況下，創新資本對我國全要素生產率的促進作用并不明顯，甚至抑制了地區全要素生產率的增長（楊劍波，2009；吳敏潔等，2018）。

綜上所述，目前學界在研究房價波動是否會影響全要素生產率這一領域存在如下不足：一是研究視角的局限。研究房價水平對科技創新或資源配置效率的影響較為集中，直接研究房價波動對全要素生產率的影響較少；二是關于房價波動影響全要素生產率的影響路徑分析不夠充分。總體上看，多數文獻僅研究了房價波動對于資源配置效率和科技創新水平所帶來的影響，沒有進一步拓展到全要素生產率的層面，同時也沒有區分我國不同地區房價波動對區域全要素生產率的影響差異。對此，本文將首先采用F？覿re-primont指數法合理測算我國259個地級及以上城市的全要素生產率（TFP），并將TFP變化拆分為技術進步、技術效率、規模效率和剩余混合效率，以進一步探討房價波動影響全要素生產率的具體路徑。此外，從宏觀經濟環境、城市創新能力等維度來系統探究影響我國全要素生產率的核心因素；結合全國259個地級及以上城市數據搭建房價波動—全要素生產率的實證模型，不僅從時間和空間兩個維度進行研究，而且區分了全國和東部、中部、西部、東北地區兩個層面來展開實證。本文的研究特色在于：一是全面系統的研究對象。在我國293個地級及以上城市中，本文在考慮了數據的可得性基礎上選擇了盡可能多的研究對象，最后挑選共259個地級及以上城市，避免了現有研究以局部地區或少數城市為研究對象而缺乏代表性的問題；二是研究方法的創新。大部分文獻分析房價對產業結構升級的影響機制時，運用的是時間序列或面板模型。這一方面忽視了房價波動對全要素生產率的非線性影響特征；另一方面，也無法進一步揭示房價波動影響全要素生產率的具體路徑。對此，本文在合理測算全要素生產率并將其分解為技術效率、規模效率和剩余混合效率這三個效率指標的基礎上，先從時間維度揭示房價波動影響全要素生產率的具體路徑，進而從空間維度探索房價波動對全要素生產率的空間溢出效應，最后比較我國不同地區之間房價對全要素生產率的影響差異性。

三、理論分析與研究假設

全要素生產率增長一般表現為知識進步、規模經濟和資源配置效率改善等三個方面（Denison，1962）。F？覿re-promont指數法作為較新的測算方法，可將該指標分解為技術效率、規模效率和剩余混合效率，與該指標的外在表現形式基本一致。技術效率是純粹技術進步對產出效率的貢獻；規模經濟是指生產過程中，擴大投入所引起的產出增加，且產出增加的規模要大于要素投入的規模；剩余混合效率則考察具有技術效率的生產單位通過改變產出組合所引起的全要素生產率變化（郭萍等，2013）。房地產價格波動可能通過影響技術效率、規模效率和剩余混合效率進而影響全要素生產率。內生經濟增長理論認為，技術進步是由內生決定的，國家之間的經濟發展差距可以通過技術外部性和資本積累實現，技術進步還受制于創新研究能力。但過往我國房地產行業有著高回報、低風險特點，加上房價保持增長，導致企業改變原投資結構，擠出了研究創新方面的投入（朱晨，2018）。因此，本文提出研究假設1：房價波動會抑制全要素生產率增長；研究假設2：房價波動會通過降低技術效率進而抑制全要素生產率增長。

在資源配置效率方面，房價上漲本身也吸引了實體經濟企業（如工業等）自身的投資，當這部分企業改變原有投資結構，在資源既定的情況下，把一部分資源投入到房地產行業時，必然擠占了原本應用于設備更新、人員培訓和各類開發項目的資金，形成擠出效應。全要素生產率提升的一個重要表現是資源在高生產率行業中所占比重的增加，因而資源從高生產率行業流向低生產率房地產行業必然抑制了全要素生產率增長。基于此，本文提出研究假設3：房價波動會通過減少規模效率抑制全要素生產率增長。

在產出組合方面，中國房地產屬于典型的高投高產的粗放型產業，其對國民經濟的拉動作用較為明顯，但與此同時，房價快速上漲一方面加大了其他行業企業成本，包括土地成本和租金等造成的固定資產成本，以及為了避免勞動力流失而加重的人力資源成本；另一方面也加重了企業職工的購房負擔。由于菜單成本和工資粘性的存在，企業的生產成本和職工生活成本難以轉嫁，因此，生產成本的上升壓縮了企業的利潤空間，生活成本的上升則壓縮了社會居民消費，最終在利潤下降和需求降低的雙重沖擊下，大部分缺乏核心競爭力的實體經濟企業或將面臨倒閉，進而惡化了要素產出組合并抑制了全要素生產率增長。基于此，本文提出研究假設4：房價波動會通過剩余混合效率抑制全要素生產率增長。

四、房價波動影響全要素生產率的實證分析

（一）模型變量、樣本數據說明及描述性分析

受數據限制，本文使用2007—2016年中國259個地級市作為研究對象。其中，城市發明授權量從中國知網專利數據庫檢索系統獲得；有關金額的數據通過居民消費價格指數或者生產價格指數進行平減處理，并統一單位為萬元；其他數據則來源于區域統計年鑒及城市統計年鑒。所有數據均為年度數據。

在模型變量選取方面，本文采用F？覿re-primont指數法來測算城市全要素生產率并進一步分解為技術效率、規模效率和剩余混合效率。在實證中分別以全要素生產率及其三個分解指標為因變量，以房價波動為核心自變量（以商品房銷售均價增長率衡量房價波動）。與此同時，城市發明專利授權數能夠有力衡量一座城市科技創新能力，客觀地反映出地區原始創新能力與科技綜合實力，是十分有效的測度城市創新的指標（陳貴富等，2022）。因此，本文借鑒余泳澤和張少輝（2017）的研究，采用各城市每萬人占有發明專利授權數來衡量城市創新能力，并加入房價波動與城市創新能力的交叉項。在控制變量方面，由于本文的全要素生產率是以人均GDP、固定資產投資和人力資本分別作為產出指標和投入指標測算而得，為避免模型變量間出現嚴重多重共線性，本文選取城市創新能力、政府財政自主權、外商投資比例和城市人口變化率作為城市宏觀經濟環境的控制變量；具體變量的計算情況如表1所示。

（二）理論模型的構建

1.全要素生產率的測算及分解

總產出與總投入的比值可以用來表示多種生產要素投入的全要素生產率，假設q 別為i市第t年的產出向量和投入向量，并令Qit≡Q（qit）和Xit≡X（xit）分別為投入和產出的總函數，則第t期的全要素生產率表達式為：

將式（7）整理得：

TFPit=TFP*×OTEit×OSEit×RMEit? （8）

式（8）為FP指數下全要素生產率完全分解的最終公式。

測算結果如圖1所示，各區域的全要素生產率除了在金融危機后的2009年都顯著下滑外，其余年份大體都呈現相同上浮趨勢。此外，東部地區全要素生產率顯著高于全國及其他城市平均水平，中部地區與其他區域之間的差距則逐年拉大。

2.面板數據模型的構建與分析

經過Hausman檢驗，認為固定效應模型的擬合效果優于隨機效應模型。因此，本文采用如下的面板數據固定效應模型：

式（9）—（12）中i代表我國各地級市，t代表各個年份，ε是隨機誤差項，β0表示截距，？茁i（i=1，2，…6）為各個自變量的估計系數。其中，式（9）是房價波動影響全要素生產率的模型，式（10）—（12）只有被解釋變量不同，分別用技術效率、規模效率和剩余混合效率作為被解釋變量，起著揭示房價波動如何影響全要素生產率的作用。

3.空間滯后模型

由于鄰近的城市發展過程中存在顯著的區域經濟聯動作用，因此城市的經濟水平、全要素生產率和房價等因素存在空間溢出效應。為了突破面板數據模型無法揭示各城市房價的空間溢出效應的限制，將進一步通過空間計量模型厘清城市房價波動對全要素生產率的影響機制，闡釋區域內各城市房價的空間自相關性及其對全要素生產率的影響。

目前學界認可的三類主流空間計量模型分別是：空間滯后（SLM）模型，設定因變量相互影響；空間誤差（SEM）模型，即誤差項相互影響；空間通用模型（SAC），是前兩個模型的綜合形式，即因變量和誤差項都相互影響（王慶喜，2014）。

空間滯后模型的基本形式為：

（13）

其中，參數β表示了模型中自變量對因變量的影響程度，Wy為內生變量，是因變量的空間滯后向量，其空間自回歸系數ρ反映了相鄰區域對本區域的影響。該模型認為一個被測單元的行為會受到自身和鄰居的雙重影響。若ρ顯著，則表明因變量間確實存在明顯的空間依賴，ρ的大小則反映了各單元間空間擴散或空間溢出等相互作用的程度。

這里使用式（14）—（17）來識別和測度我國相鄰地級市間全要素生產率在空間上的溢出效應。

（17）

其中，式（14）把鄰市房價波動和城市人口變化率等作為自變量，探究對本市全要素生產率的影響；W為空間權重矩陣，包含了W·TFPit、W·OTEit、W·OSEit和W·RMEit四個空間滯后變量，分別代表相鄰城市全要素生產率、技術效率、規模效率和剩余混合效率，TFPit、HPGit、IAit、HPGIAit、FDit、FDIit、PCRit分別表示第i市的全要素生產率、房價波動、城市創新能力、房價波動與城市創新能力的乘積、財政自主權、外商投資以及城市人口變化率，α1～α6分別反映了各變量對因變量的影響程度。系數ρ的作用是揭示空間滯后變量對本市的影響，系數大小反映了各單元間相互作用的程度占測度單元總體變動的比例，ρ？綴（-1，1）。

4.空間誤差模型

為了充分考慮空間依賴的因素，如可能是由遺漏了某些變量導致的，這些遺漏變量可能會對多個單元均具有影響，可以用誤差項反映這種影響效應，故模型中應該加入誤差項（王慶喜，2014）。設定為：

（18）

其中，λ是誤差項的空間自回歸系數，Wε是空間誤差項的空間滯后向量；μ為擾動項，滿足不相關、均值為0、同方差的基本假定。

引入空間誤差項的空間面板回歸方程為：

（22）

式（19）—（22）參數的含義與式（14）—（17）一致，故不再贅述；其中，λ為誤差項的空間自回歸系數。

（三）全國視角下房價波動對全要素生產率的影響分析

1.全要素生產率的空間溢出效應檢驗

這里采用莫蘭值方法（MoranⅠ）來分析全國259地級及以上城市全要素生產率（TFPit）、技術效率（OTEit）、規模效率（OSEit）和剩余混合效率（RMEit）的空間溢出效應。表2顯示了各地級市各指標在2007—2016年期間的空間自相關走勢，各個指標的莫蘭值分別處在區間[0.18，0.33]、[0.24，0.30]、[0.021，0.19]和[-0.032，0.13]內。顯然，各城市的全要素生產率、技術效率和規模效率的莫蘭值基本都通過了1%的顯著性檢驗（除2007年和2013年出現負的莫蘭值而不顯著外，剩余混合效率的莫蘭值僅有2016年不顯著）。這表明在全國范圍內，城市全要素生產率、技術效率、規模效率和剩余混合效率均呈現出顯著的正空間溢出效應，且近幾年這種空間溢出效應有逐年擴大的趨勢。

2.房價波動對全要素生產率的影響及其影響路徑分析

這里以房價波動為自變量，分別以全要素生產率、技術效率、規模效率和剩余混合效率為因變量建立實證模型。首先需要選擇合適的空間計量模型，目前學界中，有一些指標可以輔助判斷哪種模型形式更貼合實際數據，如LM-lag檢驗、LM-error檢驗、兩個穩健R-LMlag檢驗、R-LMerror檢驗、AIC準則和LOG likelihood等指標。可以從空間相關性檢驗結果選擇合適的模型形式，若LM-lag在統計上比LM-error顯著，且R-LMlag顯著而R-LMerror不顯著，則選用空間滯后模型；反之，若LM-error比LM-lag統計上更顯著，而R-LMerror顯著而R-LMlag不顯著，則選用空間誤差模型；若LM-error和LM-lag都不顯著，則采用普通面板模型（Anselin，1995）。本文依次進行了普通面板回歸分析、極大似然估計法下的SLM回歸和SEM回歸，并省去了單位根檢驗和協整檢驗，這是因為在面板回歸中不需要擔心出現偽回歸問題，并會給出一致估計（Philips and Moon，2000）。由F檢驗和Hausman檢驗結果決定選用固定效應模型進行實證，通過對式（9）—（12）進行實證分析得到表３。

表3分別為房價波動對全要素生產率、技術效率、規模效率和剩余混合效率的回歸結果。可以看出，房價波動對全要素生產率的估計系數在5%的顯著水平上為負，房價每上升1%時，全要素生產率顯著降低0.059%，故研究假設1成立。這與陳斌開等（2015）的研究結論相近，該文指出房價每上漲1%，全要素生產率下降0.045%，資源再配置效率下降0.062%。根據回歸結果，由于2007年和2016年的全國商品房銷售價格分別為3863元和7476元①，這期間房價累計增長了93.5%，由此導致我國全要素生產率將下降5.52%，可見房價波動對全要素生產率具有顯著抑制作用。此外，城市創新能力在1%的置信水平上顯著促進全要素生產率，而房價波動與城市創新能力的交叉項也在10%的置信水平上與全要素生產率正相關，這表明房價波動通過與創新水平的協同作用促進了全要素生產率，在一定程度上緩解了房價波動對全要素生產率的抑制作用。其次，房價波動對技術效率和剩余混合效率沒有明顯影響，說明研究假設2和4不成立。但房價波動對規模效率具有顯著的抑制作用，由此說明研究假設3成立，也即房價波動是通過影響規模效率進而抑制城市全要素生產率的。規模效率是通過優化資源配置使得全要素生產率增長的重要組成部分，反映了當生產要素等比例增加時，產出增加的比例大于要素投入量增加比例的情況，也即房價波動通過降低規模效率進而抑制全要素生產率提升。這與現實情況也相吻合，房價上升促使有限資金集中于低外部性的房地產業，這種資源錯配削弱了生產要素投入的規模效率，抑制了全要素生產率增長。最后，從控制變量來看，政府財政的獨立性、外商投資對全要素生產率均具有顯著的負面影響，這表明地區的財政支出增加或者財政收入減少均不利于全要素生產率增長。由于全要素生產率提升包括產業升級和優化資源配置兩個方面，財政收入的減少意味著政府對高新技術企業的補貼力度減少，政府在優化本地區資源配置效率及效益和升級產業結構方面的扶持作用有所減弱，從而抑制全要素生產率的提高；而外商投資可能并未真正促使企業創新，外商企業對關鍵技術的非公開在一定程度上決定了其無法促進我國城市全要素生產率的提升。城市人口的變化與全要素生產率呈負相關性，但沒有通過顯著性檢驗，這說明城市人口的凈流入無助于提升該城市的全要素生產率，因為決定資源配置是否能優化和產業轉型是否能升級的要害在于是否引入了高技術人才；與此同時，頻率較高的勞動力人口流動，也會加大企業人才流失、培訓成本提升和發展的不確定性，抑制全要素生產率增長。

從式（14）—（17）和式（19）—（22）的回歸結果來看，空間滯后模型和空間誤差模型中各變量的系數符號和顯著性基本一致，而固定效應空間滯后模型的回歸效果更為顯著，故選取此模型進行后續分析。

表4是房價波動對全要素生產率及影響路徑的固定效應空間滯后模型回歸結果，可以看出，全要素生產率、技術效率、規模效率和剩余混合效率的空間滯后變量系數分別為0.47、0.45、-0.46和0.41，均顯著。全國范圍內相鄰城市全要素生產率、技術效率和剩余混合效率增長對本市對應的經濟變量均具有顯著的正向空間溢出效應；但相鄰城市規模效率則對本市規模效率存在負溢出效應，這說明本市規模效率與鄰市的規模效率的上升在一定程度上是相互排斥的。這可能是由于生產要素可以較快地在區域之間流動，資本便會源源不斷地流向資源配置效率較高的區域，資源配置的相似值聚合特征更是加重了這一現象（范斐等，2013）。

對全要素生產率來說，在加入其他空間自相關項后，核心自變量—房價波動的回歸系數為-0.00045，且在5%水平上顯著，這再次說明在考慮空間因素后城市房價波動對其自身全要素生產率依然存在顯著抑制作用，因此，研究假設1再次得到驗證。此外，同面板回歸結果相似，房價波動對技術效率和剩余混合效率沒有顯著影響，與規模效率顯著負相關，表明在考慮空間因素后，研究假設4依然成立。由此可見，鄰市房價快速上漲不僅通過作用于規模效率抑制其自身全要素生產率，而且通過規模效率和全要素生產率的空間溢出效應影響本市的全要素生產率。

（四）不同區域視角下房價波動對全要素生產率的影響分析

為了比較東部、中部、西部和東北地區房價波動對其全要素生產率的影響及路徑分析，我們在原有模型基礎上加入地區虛擬變量進行不同區域視角下的空間面板回歸分析。

在影響全要素生產率方面，如表5和表6所示，東部、中部、西部和東北地區的房價波動分別在5%、10%、5%和1%的置信水平上抑制了各自地區的全要素生產率。其中，東北地區房價波動對全要素生產率的影響程度最大，其房價每上漲1%，全要素增長率會降低0.91%；東部、中部和西部地區的影響系數則相對較小，分別為-0.0018、-0.00019和-0.0047，說明相比東北地區，這三個區域內房價波動對全要素生產率的抑制程度較小。此外，東部、西部和東北地區的科技創新能力都顯著促進了全要素生產率增長；從系數大小上看，東部地區的促進作用最小，而中部地區的科技創新能力對其全要素生產率具有一定的抑制作用；從房價波動與科技創新能力的交叉項來看，僅東部地區的交叉項顯著為正，這表明東部地區存在房價波動與科技創新能力的正向協同作用，在一定程度上緩解了房價波動對全要素生產率的抑制作用。從實際情況來看，我國東部地區經濟相比其他區域經濟更為發達，其科技創新水平和科技創新產業規模明顯領先于其他地區而達到平衡階段，因而該區域的科技創新水平促進全要素生產率提升的邊際效應趨于減弱而進入穩定狀態。盡管高房價會直接抑制全要素生產率，但由于東部地區中心城市的虹吸效應明顯，每年大量的勞動力和技術人才的持續涌入為該區域的經濟發展持續注入動力，為企業提供勞動力和產品服務需求，從而在一定程度減緩了高房價對區域全要素生產率的抑制作用。除東部地區外，其他區域的政府財政獨立性、外商投資均與全要素生產率呈顯著的負相關關系，這說明政府的財政獨立性、外商投資均抑制了全要素生產率，這與全國范圍的回歸結果相同。在人口流動方面，東部、中部的人口流動對全要素生產率呈促進作用，但并不顯著；而西部和東北地區的人口流動則抑制了全要素生產率增長，尤其是東北地區近10年來出現的持續人口凈外流現象無疑將會進一步降低其全要素生產率水平，并步入惡性循環。

在房價波動對全要素生產率的影響路徑方面，同全國范圍的影響路徑不同，不同區域內房價波動對其全要素生產率的影響路徑不盡相同。東部和東北地區房價波動能夠顯著促進剩余混合效率提升，中部地區房價波動則會顯著抑制技術效率提升，而西部地區房價波動則對三種分解效率都沒有顯著影響。剩余混合效率反映投入及混合比例產出的優化過程（黃祎等，2015）；技術效率則反映相同生產要素投入下，科學進步帶來的產出增加，是對現有資源最有效的利用。東部和東北地區房價波動通過減少混合比例產出來間接促進全要素生產率增長。房價波動通過抑制中部地區的技術效率影響其全要素生產率增長，盡管東部地區的技術效率顯著高于其他地區，但中部地區在企業管理與科技創新規模這些方面具有一定的后發優勢，在中部地區科技水平加速發展的過程中，其易受到更多的經濟因素影響且波動更大。高房價改變了企業原來的投資計劃，使其目光轉移到了房地產行業（Miao and Wang，2014），由于資源既定，使得原本計劃用于技術研發的投資減少，該地區高新企業的創新動力和城市的科技進步就受到了抑制，進而阻礙全要素生產率增長。

這里進一步考慮加入空間因素后，采用空間計量模型來分析各區域的情況。由于中部地區房價波動對全要素生產率的促進或抑制作用不明顯；西部地區房價波動對三種分解效率的影響也不明顯，故回歸結果未列出中、西部地區房價波動對全要素生產率影響路徑的回歸結果。由表7—表9所示，加入空間項后，所有地區全要素生產率均在1%水平上具有顯著的正空間溢出效應，其中東部、西部和東北地區房價波動對全要素生產率存在顯著抑制作用。

首先，表7表明東部地區房價波動在10%的水平上顯著抑制全要素生產率，影響系數為-0.0012，其余變量的變動方向均與不加入空間項時的回歸結果相同，在此不再贅述。值得關注的是加入空間項后，房價波動對全要素生產率的影響途徑由剩余混合效率變為了規模效率；房價波動抑制了規模效率，影響系數為-0.017，且在5%的置信水平上顯著。這表明在東部地區，房價波動通過削弱規模效率來抑制本市全要素生產率，進而影響鄰市的全要素生產率。東部地區經濟發展水平較高，集中了我國大量的金融、教育和科技資源，資源配置效率對全要素生產率的影響更為敏感。因此當高房價使得資源出現錯配時，全要素生產率增長會由于規模效率減弱而被抑制。由此可見，房價波動通過影響資源配置效率給全要素生產率帶來的抑制作用比其他路徑的影響范圍和影響程度都大。

其次，對比表5和表8可以看出，加入空間項后，中部地區的房價波動對全要素生產率沒有顯著影響，即房價波動僅影響其本市的全要素生產率，并不通過空間溢出效應對鄰市產生影響。此外，西部地區房價波動不僅影響本市全要素生產率，也通過空間溢出效應抑制鄰市全要素生產率，但這種抑制作用并不以技術效率、規模效率和剩余混合效率為具體影響路徑。

最后，表9結果表明東北地區的房價波動顯著抑制了全要素生產率。加入空間項后，房價波動通過對規模效率的影響抑制全要素生產率。這一結論與東部城市結果相似，意味著兩個區域的經濟發展對于資源配置效率更為敏感。其中，東部城市以第三產業為基礎，集中了我國大量的經濟資源，資源配置的基礎較大。而東北地區則以第二產業為基礎，雖然資源集中度較低，但東北地區的經濟對產業的依賴性較為明顯，當資源集中于房地產業導致工業生產要素投入減少時，當地的全要素生產率可能因支柱產業的生產資源分配不足而被削弱。

五、結論與建議

（一）結論

本文利用2006—2017年全國259個地級及以上城市為研究對象，在測算全要素生產率并將其分解為技術效率、規模效率和剩余混合效率的基礎上，利用面板固定效應回歸和引入空間誤差項的空間面板回歸模型實證分析了我國各地級市以及東部、中部、西部和東北地區的房價波動對全要素生產率的影響機制。

第一，我國房價波動顯著抑制全要素生產率增長，但房價波動與城市創新能力的協同作用在一定程度上減弱了這種抑制作用。高房價城市往往也是經濟發達城市且各種資源（人才、技術和資本等）高度聚集，并會對周邊區域城市產生“虹吸效應”，進而促進了城市科技創新提升，最終促進了全要素生產率。此外，房價波動會通過降低城市規模效率（而非技術效率和剩余混合效率）進而抑制全要素生產率增長。也即，房價波動對全要素生產率的抑制作用主要表現為對資源配置效率的影響。政府財政的獨立性、外商投資對全要素生產率均具有顯著的負面影響，這表明地區的財政支出增加或者財政收入減少均不利于全要素生產率增長。

第二，房價波動通過空間溢出效應抑制鄰市全要素生產率。在考慮全要素生產率的空間自相關性后，我國城市房價波動依然會通過降低規模效率來抑制全要素生產率的提升；同時，我國城市全要素生產率存在空間上的正溢出，因此本市房價波動不但抑制自身全要素生產率，還會通過空間溢出效應來抑制鄰市全要素生產率增長，這凸顯出房價波動對全要素生產率抑制效應的空間擴散性。

第三，國內各區域（東部、中部、西部、東北地區）房價波動對全要素生產率的直接抑制程度存在明顯差異。其中，東北地區房價波動對其全要素生產率的直接抑制效應最大，而其他三個地區的直接抑制效應相對較小。東部、西部和東北地區的科技創新能力都促進了全要素生產率增長；東部地區的促進作用最小，而中部地區的科技創新能力對其全要素生產率具有一定的抑制作用；東部地區存在房價波動與科技創新能力的正向協同作用，在一定程度上緩解了房價波動對全要素生產率的抑制作用。除東部地區外，其他區域的政府財政獨立性、外商投資均無助于提升全要素生產率。東部、中部的人口流動對全要素生產率具有微弱的促進作用，而西部和東北地區的人口流動則抑制了全要素生產率增長；尤其是東北地區多年來出現的持續人口凈外流則顯著降低其全要素生產率水平。

第四，國內各區域（東部、中部、西部、東北地區）房價波動對全要素生產率的間接影響路徑存在明顯差異。東部和東北地區的房價波動會通過顯著促進剩余混合效率來提升產出組合效率，進而間接促進地區全要素生產率。中部地區房價波動則通過降低技術效率來抑制全要素生產率；在考慮各區域的空間影響因素后，東部和東北地區房價波動通過規模效率來抑制本市和鄰市全要素生產率，而其他區域的間接影響路徑則不明顯。

（二）政策建議

第一，調控城市房價水平處在合理區間，注重短期調控與長效機制相結合，以實現城市房價與其全要素生產率增長的協調發展。由于房價波動顯著抑制全要素生產率的增長，要提升城市經濟增長質量，就必須重視房地產的平穩運行作用，防止其過快上漲造成地區資源分配的不合理，同時采取措施緩解房價，通過降低城市規模效率的途徑來降低全要素生產率。

第二，提升外商投資質量，發揮政府引導作用鼓勵資本密集型和技術創新型企業發展。一方面，要改變傳統招商引資只注重投資規模而忽視投資產業結構及其經濟質量的做法，通過有意識的引入城市產業升級所需的外商投資項目來充分發揮外商投資對城市全要素生產率的積極促進作用；另一方面，政府要通過降低企業和個人的稅費來緩解由于高房價所帶來的過高企業生產成本和居民生活成本，與此同時，通過引導性政策鼓勵我國低收入地區的勞動密集型企業向資本密集型和技術創新型企業轉換，最終促進城市全要素生產率提升。

第三，穩步有序提升城市固定資產投資，繼續改善投資結構，重視高技術產業投資。科學統籌社會投資與房地產業穩定發展，防止資本過度集中于房地產業，提升金融資源的配置效率，用好社會固定資產投資規模對全要素生產率的正向促進作用，以地方政府專項債帶動擴大有效投資，保障社會投資持續穩定增長，為優化城市經濟發展質量提供良好的發展背景。

第四，加快多層次智慧城市群建設，促進城市跨域協同發展，使得各類資源在城市群中協同分配，打通多領域跨界壁壘，推進區域一體化建設，實現城市群的全要素生產率提升及高質量發展。目前，我國已經啟動城市群建設，初步形成長三角、珠三角、環渤海、中西部四大智慧城市群，但傳統一線城市“北、上、廣、深”依舊加速聚集著人才、資本及高新技術等生產要素，資源聚集使得房價也持續上漲，不但不利于城市自身的創新發展，還抑制了周邊城市的全要素生產率提升。因此，仍舊需要加快多層次智慧城市群建設，推動跨域信息共享及多樣資源的優化配置，促進整個區域的科技創新能力和全要素生產率提升。

（責任編輯：孟潔）

參考文獻：

[1]Aigner D，Lovell C A K，Schmidt P，et al.Schmidt.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics，1977（6）：21-37.

[2]Anselin L，Florax R J G M.New Directions in Spatial Econometrics[M].Berlin：Springer，1995.

[3]Bjurek H.The Malmquist Total Factor Productivity Index[J].Scandinavian Journal of Economics，1996（2）：303-313.

[4]Charnes A，W W Cooper，E Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978（2）：429-444.

[5]Chen K，Guan J.Measuring the Efficiency of China's Regional Innovation Systems：Application of Network Data Envelopment Analysis（DEA）[J].Regional Studie，2012（3）：355-377.

[6]Denison E，Dward F.The Sources of Economic Growth in the United States and the Alternatives Before US[M].In：A Supplementary Paper of the Committee for Economic Development，New York：Committee for Economic Development，1962.

[7]Hsieh C T，Klenow P J.Misallocation and Manufacturing TFP in China and India[J].Quarterly Journal of Economics，2009，124（4）：1403-1448.

[8]Miao J，Wang P.Sectoral Bubbles，Misallocation，and Endogenous Growth[J].Journal of Mathematical Economics，2014（8）：153-163.

[9]Kumbhakar S C，Denny M，Fuss M.Estimation and decomposition of productivity change when production is not efficient：a paneldata approach[J].Econometric Reviews，2000（4）：312-320.

[10]Odonnell，Christopher J.An aggregate quantity framework for measuring and decomposing productivity change[J].Journal of Productivity Analysis，2012，38（3）：255-272.

[11]Odonnell，Christopher J.An Aggregate Quantity-Price Framework for Measuring and Decomposing Productivity and Profitability Change[J].Centre for Efficiency and Productivity Analysis Working Paper，2008.

[12]Phillips P J，H Moon，Rizvi S A，et al.The FERET evaluation methodology for face-recognition algorithms[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000（10）：900-1104.

[13]Restuccia Diego，Richard Rogerson.Policy Distortions and Aggregate Productivity with Heterogeneous Plants[J].Review of Economic Dynamics，2008（11）：707-720.

[14]Robert I，Lashitew A A，Timmer M P.The Role of Resource Misallocation in Cross-country Differences in Manufacturing Productivity[J].Macroeconomic Dynamics，2014，21（3）：733-756.

[15]陳斌開，金簫，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）：77-98.

[16]陳貴富，韓靜，韓愷明.城市數字經濟發展、技能偏向型技術進步與勞動力不充分就業[J].中國工業經濟，2022（8）：118-136.

[17]陳彥君，郭根龍.數字化轉型、產業鏈整合與全要素生產率[J].海南金融，2024（2）：3-18.

[18]程郁，陳雪.創新驅動的經濟增長——高新區全要素生產率增長的分解[J].中國軟科學，2013（11）：26-39.

[19]范斐，杜德斌，李恒，等.中國地級以上城市科技資源配置效率的時空格局[J].地理學報，2013，68（10）：1331-1343.

[20]郭萍，余康，黃玉.中國農業全要素生產率地區差異的變動與分解——基于F？覿re-primont生產率指數的研究[J].經濟地理，2013（2）：141-145.

[21]郭慶旺，賈俊雪.中國全要素生產率的估算：1979—2004[J].經濟研究，2005（6）：51-60.

[22]黃祎，孫廣生，黃金枝.全要素生產率分析新方法：F？覿re-primont指數[J].東北大學學報（自然科學版），2015（3）：448-452.

[23]姜永宏，蔣偉杰.中國上市商業銀行效率和全要素生產率研究——基Hicks-Moorsteen TFP指數的一個分析框架[J].中國工業經濟，2014（9）：109-121.

[24]焦翠紅，陳鈺芬.R&D資源配置、空間關聯與區域全要素生產率提升[J].科學學研究，2018（1）：81-92.

[25]劉秉鐮，武鵬，劉玉海.交通基礎設施與中國全要素生產率增長——基于省域數據的空間面板計量分析[J].中國工業經濟，2010（3）：54-64.

[26]劉宏偉，吳杰，梁雯，等.中國公路運輸全要素生產率時空演化及區域競爭——基于Hicks-Moorsteen指數框架[J].地理科學，2017（11）：1640-1648.

[27]劉康.突破“藩籬”：少子老齡化與全要素生產率提升[J].海南金融，2024（2）：19-30.

[28]王慶喜，蔣燁，陳卓詠.區域經濟研究實用方法：基于ArcGIS、GeoDa和R的運用[M].北京：經濟科學出版社，2014.

[29]王文春，榮昭.房價上漲對工業企業創新的抑制影響研究[J].經濟學（季刊），2014（2）：465-490.

[30]魏下海，王岳龍.城市化、創新與全要素生產率增長——基于省際面板數據的經驗研究[J].財經科學，2010（3）：69-76.

[31]吳敏潔，程中華，徐常萍.R&D、FDI和出口對制造業環境全要素生產率影響的實證分析[J].統計與決策，2018（14）：132-136.

[32]徐曄，宋曉薇.金融資源錯置會帶來全要素生產率減損嗎？ [J].產業經濟研究，2016（2）：51-61.

[33]顏鵬飛，王兵.技術效率、技術進步與生產率增長：基于DEA的實證分析[J].經濟研究，2004（12）：55-65.

[34]楊劍波.R&D創新對全要素生產率影響的計量分析[J].經濟經緯，2009（6）：19-22.

[35]易綱，樊綱，李巖.關于中國經濟增長與全要素生產率的理論思考[J].經濟研究，2003（8）：13-20.

[36]余靜文，譚靜，蔡曉慧.高房價對行業全要素生產率的影響——來自中國工業企業數據庫的微觀證據[J].經濟評論，2017（6）：22-37.

[37]余泳澤，張少輝.城市房價、限購政策與技術創新[J].中國工業經濟，2017（6）：98-116.

[38]余泳澤，張先軫.要素稟賦、適宜性創新模式選擇與全要素生產率提升[J].管理世界，2015（9）：13-31.

[39]朱晨.上海市房價增長對工業企業創新的影響——基于勞動力成本視角的再審視[J].經濟經緯，2018（3）：96-102.

[40]朱喜，史清華，蓋慶恩.要素配置扭曲與農業全要素生產率[J].經濟研究，2011（5）：86-98.