城市基础设施投资约束与住房开发投资区位选择——基于省级面板数据的实证

张 东，杨 易，秦俊武

(中南财经政法大学金融学院，湖北武汉430073)

中国城市基础设施投资和住房开发投资对中国城市经济增长、居民福利改善和城市形象功能提升功不可没，二者在发展变动过程中体现出一定程度的“伴生”特征，这种彼此吸引、相互影响的特征表现为城市基础设施投资通过时间和空间分布模式决定了城市空间布局、功能结构，继而对住房开发投资的规模、结构和区位等产生限制或推动的“约束”作用。现有的研究几乎都没有涉及城市基础设施投资对住房开发投资约束效应的表现形式，因此，运用中国的数据来论证城市基础设施投资对住房开发投资区位选择约束的有效性，对优化城市基础设施投资和住房开发投资配置具有重要的现实意义。

一、文献综述

当前对城市基础设施影响住房开发投资总量的研究，主要从两个层面展开:

一是从城市基础设施整体水平出发研究对住房开发投资的影响。Stover 1987年研究［1］认为城市基础设施规模报酬递减的特征会导致可供开发的土地价格不断增长，在此影响下，城市基础设施对新建住房开发具有显著的促进作用。对此，Shairzay［2］也有类似的观点，他认为除城市基础设施外，土地供给、信贷支持增加了住房供给弹性，对城市住房开发和住房供给产生积极影响。Suen［3］研究了城市基础设施和住房开发投资间的动态影响，认为城市某区域新建住房低密度主要是住房开发投资不足导致，而加速该区域的基础设施供给会吸引更多的住房开发资本进入，从而提高了该地区的住房密度，分摊了该地区基础设施投资成本，更有利于该地区及其周边基础设施的完善。Navarro和Domeque 2010年研究［4］认为公共基础设施投资能提高住宅价值，增加住宅资产的财富效应，既可提高私人购置投资，又可推动住房开发的增加。

二是从典型的单项基础设施如城市交通设施、教育设施、商业设施等出发，研究基础设施对住房开发投资的影响。比较典型的有:Mikelbank［5］、Haider［6］等认为城市交通设施完善程度引起住房价值变动，住房价值的变动会引发后续住房开发投资量的变动，从而进一步波及住房投资的空间分布。David和Mau-rice［7］研究了学校级别及其优质教育资源分布对住房价格的独立效应，这种效应会波及消费者的购置性投资和后续的住房开发投资。张东［8］研究了城市商用房投资和住房开发投资之间的互引关系，得出住宅投资对来自商业设施的投资具备敏感性，具体表现为短期内比较弱，但随着时间的延续逐渐增强并趋于稳定。

现有文献对城市基础设施投资影响下住房开发投资量变动的研究并不丰富，本文正是在注意到现有文献研究不足的基础上，根据中国当前城市基础设施投资和住房开发投资现实来展开研究。

二、城市基础设施、区位再造与住房开发投资区位选择

城市区位优势的变动驱动了住房开发投资总量的变动，从而形成住房开发投资的区位选择特征。

(一)城市基础设施投资与区位再造

区位优势的存在主要源于先天的区位优势和后天的“区位再造”过程，前者由于地理位置的客观差异和不可更改性等导致“地理禀赋”差异，这是一种典型的先天的区位优势。但随着城市经济社会的不断发展，城市“地理禀赋”差异导致的先天区位优势可能存在不断强化或者弱化的变动情况。因此，原先具备先天区位优势的城市要想继续保持，或者原先不具备区位优势的城市要想创造并升级该城市的区位优势，二者都必须通过后天的“区位优势再造”［9］。在“区位优势再造”的过程中，城市基础设施投资扮演了关键角色。

(二)住房开发投资与区位选择

住房开发投资对区位优势具备典型的依赖特征，住房开发投资通过对区位的选择，从而形成了在不同城市或城市内部不同区域间的投资规模配置差异，这种规模差异具备典型的空间特征。现实中，城市内部不同区域的区位优势却是不断变化的，原先具备区位优势的区域可能由于人口过多、资源匮乏和城市功能的老化，其区位优势在下降。而原先区位优势并不显著的区域可能由于政府重点规划和扶持，逐渐成为吸引资本和人口流向的新兴发展区域，从而其区位优势得到升级。对住房开发投资来讲，就存在一个在不同时间和不同空间的区位选择问题，并出现了不同城市或同一城市不同区域住房产业发展水平的差异，从而表现出住房开发投资的区位结构问题。

三、实证分析

(一)变量选择及数据描述

1.变量选择及说明

考虑到统计数据可得性和连续性，以及中国省级行政区调整对数据收集带来的影响，本部分研究所采取的数据为中国1998—2010年31个省级行政区面板数据，主要变量及处理方式如下:

住房开发投资(RIit):各省住房开发投资额大小反映了各省住房开发投资规模和产业发展水平，不同省份投资额的差别也能够反映出住房开发投资对区位选择的偏好。

城市基础设施投资(UIit):依照世界银行报告的定义和统计年鉴的分类，选取各省经济性基础设施投资(EIit)(电力燃气水的生产供应、交通运输仓储及邮电通信、计算机服务和软件业等)和社会性的基础设施投资SIit(教育文化及广播电影、卫生体育和社会福利业、社会服务业等)进行加总，得到名义上的省级城市基础设施投资(UIit)总量数据。

依据“区位”的定义以及数据的可得性，本文将衡量区位状况的控制变量选择如下:

地区经济发展水平(PGDPit):地区经济发展水平差异也是影响住房开发投资的空间差异的重要原因，本文用人均GDP水平来衡量地区经济发展水平差异。

各省城镇人口规模(POit):城镇人口规模在一定程度上反映了一个省(地区)的对住房开发投资的需求规模，能够在需求层面对住房开发投资施加影响。

收入水平(POit):选取各省年度人均可支配收入来反映收入水平(INCit)，收入水平对住房开发投资的影响在于它是衡量居民住房有效需求的决定性因素。没有收入支撑的需求仅仅为潜在需求，不足以形成有效需求，也就没有足够的动力驱动住房开发投资在该地区的有效配置。

城市规模(SQit):拟选取各省市区建成区总面积来反映该省的城市规模(SQit)，选取该变量描述城市规模至少有以下优势:其一，市区建成区总面积反映了一个城市已完成的空间规划布局和发展规模。其二，住房开发需要土地支撑，尤其是可供开发利用的土地，若市区建成区面积越大，意味着可供开发的城市土地规模就越多，因而对住房开发投资产生影响。

2.数据来源及处理

数据来源:本部分研究数据中，地区经济发展水平(PGDPit)、各省城镇人口规模(POit)、收入水平(INCit)主要来源于国泰安数据研究服务中心(CSMAR)。城市规模(SQit)和住房开发投资(RIit)来源于国研网。

数据处理:为了将名义上投资额、收入和人均GDP转换成实际值，本部分研究采用以1998年为基期(1998年为100)的固定资产投资指数和居民消费价格指数进行处理，处理方法为凡是属于投资类数据(城市基础设施投资、住房开发投资)分别除以以1998年为基期的固定资产投资指数得到实际的投资额，而人均可支配收入、人均GDP分别除以以1998年为基期的居民消费价格指数得到实际人均可支配收入和实际人均GDP。变量安排具体见表1。

表1 变量名及解释说明

(二)面板数据检验

1.面板数据单位根检验

对面板数据进行单位根检验是为了避免数据的不平稳导致伪回归，造成回归方程结果偏差，本部分研究采取以下几种类型的面板数据检验方法:其一，面板数据个体具备相同单位根过程，如LLC检验;其二，面板数据具备不同单位根过程，如IPS检验、ADF检验和PP检验。在检验过程中，原始序列在水平状态下均存在单位根，因此这里进一步进行一阶差分状态下的检验，检验过程均包含时间趋势项和截距项，具体检验结果如表2。根据单位根检验结果，其他变量在一阶差分下均显著拒绝存在单位根的原假设，因此可以判定序列一阶差分平稳。

表2 面板数据各变量单位根检验结果

2.面板协整检验

目前对面板数据是否存在协整关系的检验，主要有基于Johansen协整检验和基于时间序列的EG两步法，前者以Fisher协整检验法为代表，而后者则以Kao 1999年提出的同质面板协整检验和Pedroni提出的异质面板协整检验为代表。相比之下，Pedroni协整检验方法有很大的改进，其优势在于它可以适用于非平衡面板数据，还可以携带截距项及时间趋势项，Pedroni利用4个联合组内范围(Within dimension)统计量和3个组间范围(Between dimension)统计量共7个面板数据的协整检验统计量来衡量变量间的协整关系。4个组内范围统计量分别为Panel V-Statistic、Panel RHO-Statistic、Panel PP-Statistic和Panel ADFStatistic;3个组间范围统计量分别为Group RHO-Statistic、Group PP-Statistic和Group ADF-Statistic。基于此，本部分研究拟采用Pedroni检验和Kao检验对住房开发投资和其他变量简单的关系进行协整检验，具体检验结果见表3。

表3 面板数据协整检验结果

据Pedroni检验结果可以看出，三个方面的协整检验中Panel V、Panel RHO、Group RHO检验效果较差，而其他形式的检验结果均显著，即能够在5%的显著水平上拒绝“不存在协整关系的原假设”，据此结合Pedroni检验和Kao检验结果，可以判定城市基础设施投资和住房开发投资之间存在长期均衡的协整关系。

(三)模型估计

考虑到面板数据中存在的区域性差异，本文拟采用固定效应模型来进行估计。模型估计从两方面展开:一是基于全国层面的估计，其估计结果旨在进一步证实城市基础设施对住房开发投资是否具备显著的约束作用;二是基于区域层面的估计，旨在进一步研究城市基础设施投资是如何约束住房开发投资进行区位选择的。

1.基于全国层面的估计

运用固定效应模型对全国31个省级面板数据进行估计，估计结果如表4。从估计系数上看，城市基础设施投资对住房开发投资的约束系数为0.23，意味着当城市基础设施投资变动一个单位，住房开发投资将同向变动0.23个单位，证明城市基础设施投资对住房开发投资的约束作用是存在的。

表4 基于全国层面的固定效应模型估计结果

2.基于区域层面的估计

对于区域层面的划分，本文参考官方对全国31个省级行政区的地域划分，把全国31个省级行政区划分为6大区域(不包括港澳台地区)，分别为华北、东北、华东、中南、西南、西北。这六大区域由于地理位置不同，经济发展水平不一致，其城市基础设施投资和住房开发投资发展水平也存在着较大的差异。

基于全国六大区域的面板数据模型估计结果显示，城市基础设施投资对住房开发投资区位结构的影响存在较大差异，如表5所示。总体来讲，城市基础设施投资对当前住房开发投资区位结构的影响在不同区域的表现均显著，但表现程度差异较大。在当前住房开发投资区位结构现状下，城市基础设施投资对其影响最突出的是东北区域，其约束系数为0.776，意味着在该区域，当城市基础设施投资变动1个单位，住房开发投资会同向变动0.776个单位。城市基础设施投资对住房开发投资约束力度最小的区域是华东区域，其约束系数仅为0.021。综合表5中的结果，笔者对不同区域城市基础设施投资的约束系数进行由高到底的排名，分别为:东北区域、西北区域、西南区域、华北区域、中南区域和华东区域。

依据区域特征和估计结果发现，越是城市基础设施投资和住房开发投资规模大的区域，其约束系数越小，比如华东区域和中南区域。而越是基础设施不完善、住房产业发展滞后的区域，其约束系数越大，如东北区域和西北区域。这种结果正好印证了城市基础设施投资配置对住房开发投资未来时期空间配置和演变具有显著的影响。

表5 基于全国六大区域层面的估计结果

四、实证结论及启示

运用中国1998—2010年省级面板数据，将中国31个省级区域划分六个大区，建立固定效应面板数据模型，对城市基础设施投资约束下的住房开发投资区位结构进行实证研究，研究结果表明:

(1)从全国整体范围看，城市基础设施投资对住房开发投资呈现一定程度的约束作用。基于区域层面的实证结果进一步显示，住房开发投资的区位选择对城市基础设施投资存在一定程度的依赖性，城市基础设施投资在一定程度上影响了住房开发投资的区位选择过程。

(2)就城市基础设施投资来看，经济相对发达、基础设施完善的区域如华东区域和中南区域其对住房开发投资的约束系数相对较小，而西北区域和东北区域对住房开发投资的约束作用较大。这说明了住房开发投资的区位选择在一定程度上并不依赖现有的城市基础设施现状，更多地依赖后期的城市基础设施投资对当前的城市基础设施整体水平改善的力度。如果一个城市或区域能够通过持续的基础设施投资使其基础设施整体水平得到较大程度的提升，那么城市基础设施投资对住房开发投资的影响更为突出，其约束效应就大。

因此，未来时期中国要想实现住房开发投资在全国的均衡布局，优化当前住房开发投资的区位结构，实现住房产业的良性发展，就必须不断加强落后地区的城市基础设施投资建设，充分利用落后地区城市基础设施投资对住房开发投资约束较大的优势，引导住房开发投资逐步向这些区域布局。这样不仅可以缓解发达区域城市基础设施和住房产业发展压力，又可以实现住房开发投资在时间和空间上的优化配置。这对推动全国区域经济均衡发展，打破当前区域经济发展格局也具备战略意义。

［1］STOVER.The Role of Infrastructure in The Supply of Housing［J］.Journal of Regional Science，1987(2):255-267.

［2］SHAIRZAY.An Institutional Reform Strategy For Assessment of The Urban Housing and Infrastructure Sectors:A Study in Economic Development of Afghanistan［D］.Harvard University，1992:242-253.

［3］SUEN.Residential Development Pattern and Intra-Neighborhood Infrastructure Provision［J］.Journal of Urban Planning，2005(5):59-66.

［4］GONZALEZ-Navarro，QUINTANA-Domeque.Public Infrastructure，Private Investment and Residential Property Values:Experimental Evidence from Street pavement［J］.Rand Corporation，2010(8):29-43.

［5］MIKELBANK B A.Spatial Analysis of The Relationship Between Housing Values and Investments in Transportation Infrastructure［R］.The Annals of Regional Science，2004(38):705-726.

［6］HAIDER MURTAZA，ERIC J Miller.Effects of Transportation Infrastructure and Location on Residential Real Estate Values:Application of Spatial Autoregressive Techniques［J］.Journal of the Transportation Research Board，2007(7):23-27.

［7］DAVID N Figlio，MAURICE E Lucas.What＇s in a Grade School Report Cards and the Housing Market［J］.The American Economic Review，2004(6):591-604.

［8］张东，秦俊武.商品住房投资与商用房投资互引关系:基于VAR模型的实证［J］.海南大学学报:人文社会科学版，2012(3):108-113.

［9］王新哲:从区位优势悖论到区位优势再造——基于边境省区广西与内陆省份江西湖南的比较［J］.广西民族大学学报:哲学社会科学版，2009(3):114-120.