中国房价上涨助推了制造业“用工难”吗

周华东　高玲玲

摘要：本文致力于解决如下两个问题：一是我国房价上涨如何影响制造业就业，二是该影响通过何种途径实现。本文基于1999—2007年中国全部国有及规模以上制造业企业和全国278个地级以上城市相匹配的数据表明，房价上涨的“需求效应”和“抵押担保效应”压过“挤出效应”，使得制造业企业就业增加，表明房价上涨并非制造业企业“用工难”的幕后推手。同时，房价上涨对制造业就业的影响在区域、时间、行业等方面存在广泛差异。进一步地，通过考察房价上涨对不同融资约束类型制造业企业就业的异质性影响，发现房价上涨对影响制造业就业的影响主要是通过“需求效应”而非“抵押担保效应”实现。本文的发现有助于从劳动力就业的视角深化关于房价上涨如何影响我国实体经济的认识，对我国房价调控及促进就业相关政策讨论具有一定现实意义。

关键词：房价；就业；制造业；融资约束

文献标识码：A 文章编号：1002-2848-2018（04）-0066-09

一、问题提出

目前，中国处在城镇化进程快速发展时期，就业问题是社会经济工作的重中之重，党的十九大报告明确指出“就业是最大的民生”。但近期中国经济下行压力凸显，国内生产总值增速持续下降，连续三年（2015—2017）低于7%。在增长放缓的同时，就业问题引发更大的关注，李克强总理多次强调了就业问题的重要性，把保障就业称为政府“最要紧的责任”并指出“稳增长说到底就是为了保就业”。同一时期工业陷入低迷，工业企业利润、规模以上工业增加值同比增速均持续回落，制造业“用工难”“用工荒”问题突出。国家统计局上海调查总队2014年针对制造业企业经营状况的调查显示，有49.4%的受访企业反映招工难，尤其是劳动强度大、技术含量低、工资待遇差的企业，而企业也无力通过继续提高待遇以增加招工；有81.5%的受访企业认为“劳动力成本上升”是企业面临的最主要困难。“劳动力成本上升”的一个主要来源便是近年来中国房价的持续上涨。自1998年住房制度全面改革以来，中国房价迅速攀升，全国商品房平均销售价格从1999年的2053元每平方米涨至2016年的7462元每平方米，17年间增长260%，年均增长约8%。用CPI剔除通货膨胀影响后的实际房价水平上涨幅度为140%，年均增长约6%。由此，关于房价上涨是制造业“用工难”幕后推手的观点层出不穷，屡屡见诸媒体报道。在此背景下，深入考察我国房价上涨对制造业就业的影响，厘清房价上涨与制造业“用工难”之间的关系，具有重要的现实意义。

房价变化对实体经济的影响一直受到学术界的密切关注。早在20世纪80年代，Elliot等[1-2]研究了住房价值变化对居民消费的影响（“财富效应”）。Case等[3]发现住房财富对消费的影响远大于金融财富对消费的影响，由此复兴了住房财富效应的研究并引发广泛争议。2007年全球“次贷危机”中房价和消费的剧烈变化和密切联系进一步引发国内外关于住房财富效应的研究热潮[4-7]。相对较近的一股文献考察房价变化对微观企业行为的影响：Chaney等[8-10]考察了房价变化对企业投融资的影响，黄健柏等[11]进一步探讨了工业用地价格扭曲对于不同所有制属性和行业属性企业过度投资行为的影响，陈斌开等[12-13]考察了房价和房地产投资对资源配置和生产率的影响，Schmalz等[14-16]考察了房价变化对创业活动的影响。此外，源自Bernanke等[17-18]的“金融加速器”传统，Icoviello等[19-22]构建了包含房地产的动态随机一般均衡模型研究房价对宏观经济波动的影响。

关于房价变化与劳动力就业的关系的研究起步较晚。在较早的一篇富有影响的文献中，Mian等[5]研究了美国2007—2009年这段时间房价下跌对就业的影响。他们发现，房地产价值减少在这段时期的就业下降中扮演了重要角色。对于生产非贸易品的企业，房地产价值减少导致生产非贸易品的企业就业显著降低，但房地产价值减少对生产贸易品的企业就业没有显著影响。这意味着在这段房价下跌时期房价对就业的影响是通过房地产财富渠道而非抵押担保渠道实现的。同样地，Giroud等[23]发现美国2006—2009年这段时间房价下跌减少了就业。他们发现，高杠杆企业经历了更高的就业损失，拥有更高杠杆水平的地区也经历了更高的就业损失。Adelino等[24]研究了美国2002—2007年这段时期房价上涨对就业的影响。他们按员工数量规模进行分类回归发现，房价上涨对小规模企业就业增长的影响更大。原因在于房价上涨主要通过抵押担保渠道而非需求渠道影响企业就业，小企业具有较小的启动成本从而更容易通过抵押担保渠道获得启动资金。沿另一个视角，Charles等[25]发现美国2000—2006年这段时期制造业下滑显著减少了就业，但同期房价上涨使得就业增长了大致相同水平，从而掩盖了制造业下滑减少就业的事实，这样一种“掩盖效应”对于低技能人群尤为强烈。

本文通过匹配中国工业企业数据和278个地级以上城市数据考察房价上涨对制造业就业的影响，并基于企业融资约束差异检验其影响机制。理论分析表明，房价变化通过“需求效应”和“抵押担保效应”对制造业就业产生正向影响，但通过“挤出效应”产生负向影响。但实证结果显示，房价上涨对制造业就业总体上存在显著的正面影响，即房价上涨促进了制造业就业。由此可见，制造業“用工难”的罪名不应该由房价上涨背负。在此基础上，通过企业融资约束程度检验房价影响制造业就业的机制，发现中国房价上涨对制造业就业的正向影响主要基于“需求效应”而非“抵押担保效应”。本文结论与Mian等[5]一致，不同于Adelino等[24]（前者支持“需求效应”，后者支持“抵押担保效应”）。本文受Mian等[5]启发，但不同之处在于Mian等[5]利用企业产品的可贸易性验证了“需求效应”的存在，本文则通过企业融资约束差异验证“需求效应”的存在。本文的研究丰富了房价变化的经济效应相关文献，有助于加深对房价变化对实体经济的影响的认识。

本文其余内容安排如下：第二部分是房价上涨如何影响劳动力就业的理论分析；第三部分是数据与变量说明；第四部分是房价上涨影响制造业就业的实证检验；第五部分识别房价上涨对制造业就业的影响机制，第六部分是结论和政策含义。

二、理论分析

房价上涨产生广泛的宏观经济效应，对实体经济产生重要影响。就其对制造业劳动力就业影响而言，房价上涨一方面通过影响社会的消费需求和投资需求间接影响劳动力就业[5]；另一方面通过资源要素在房地产行业与其他行业之间的重新配置直接影响劳动力就业[26]。理论上，房价上涨对工业企业劳动力就业的影响可以归纳为“挤出效应”“需求效应”及“抵押担保效应”三个传导途径（见图1）。

首先，房价上涨直接增加家庭财富并放松其融资约束，通过促进家庭消费需求增长进而推动就业增长，这种由于家庭的房地产净值增加引致的就业增加，该影响称为“需求效应”。对自有住房家庭而言，房价变化通过两个渠道影响其家庭消费支出：直接财富渠道与抵押担保渠道。前者基于生命周期理论，认为房价上升会通过放松家庭的生命周期预算约束而促进消费；后者源自不完善的金融市场，房价上升通过增加家庭的抵押担保品价值从而增加可借资金缓解其当期融资约束，推动消费增长。这两种渠道的影响都是正向的，即认为房价上升会促进家庭消费增长。对租房家庭而言，房价上涨对其影响是不确定的：房价上涨一方面通过增加租房家庭住房支出直接减少了非住房消费支出，同时他们需要为购房进行更多的储蓄，间接减少了非住房消費支出；但另一方面某些无房但又准备购房的家庭面临高房价时可能放弃购房，转而增加非住房消费。现实情况看，中国有房家庭占大多数，根据中国国家统计局住户调查办公室2011年公布的报告，至2010年底中国城镇居民家庭自有住房率为89.3%。理论和经验研究证据已表明，房价上涨对消费的正向影响占据了主导作用[5-6]。因此，这一正向的房地产“财富效应”将带动相关生产部门的劳动力就业增加。

其次，房价上涨使得企业可供抵押担保的相关资产价值上涨而缓解了企业的融资约束，企业信贷扩张和投资规模增加进而促进劳动力就业，这一影响称为“抵押担保效应”。Bernanke等[17-18]发展的“金融加速器”理论认为，对经济主体的所有初始冲击将会通过信贷市场进一步放大，即最初的微小冲击经过企业之间、企业与金融机构之间的相互作用，使得企业的资产价值、借款能力以及投资行为产生变化，最终引起经济产出总量的大幅度波动。由于房地产无论在欧美国家还是在中国都是最重要的抵押担保资产，房价的上涨使企业所拥有的商业房产和厂房等资产价值相应上升，也即是增加了企业可供抵押品的价值。这样一来，一方面让企业在金融机构可以获得更多的信贷资金，另一方面也通过资产负债表的改善降低了企业的信贷成本。更为宽松的融资约束增加了工业企业获得资金的能力，可能带动工业企业产出和就业的增加。

最后，房价不断上涨带来了房地产业的高额利润，吸引包括制造业资本在内的大量资本进入房地产业，从而一定程度上挤占制造业领域投资，该影响称为“挤出效应”。中央电视台《新闻1+l》栏目曾在2010年专题报道房地产业的丰厚利润吸引大量制造业实体企业进军房地产市场的情况，其中包括了格力、海信、海尔、TCL等家电巨头企业。同时，就轻工业中的服装企业而言，红豆股份2010年上半年实现营业收入13.6亿，其中红豆置业的营业收入为9.4亿，占总收入的69%；同是服装企业的雅戈尔则成为“地王”缔造者。可见，中国房价的连年上涨对于制造企业产生了极强的“挤出效应”。过去的十年中，受房价上涨带来的高额利润驱使，相当多资源被投入到房地产建设开发中，挤占了制造业的可获资源，导致实体经济总体被房地产业拖累。因而，“挤出效应”意味着房价上涨对制造业就业产生负面影响。

综上，房价上涨的“需求效应”和“抵押担保效应”对制造业就业产生正向促进作用，“挤出效应”对制造业就业产生负向抑制作用。正面效应和负面效应同时存在，使得对房价上涨影响制造业就业的总体效果，以及现实传导机制是什么等问题的回答不是那么显而易见，需要通过详细设定计量模型进行经验分析。

三、数据与变量

（一）数据

本文研究所用的企业数据来自于国家统计局的全部国有及规模以上非国有工业企业数据库，城市数据来自中国经济社会大数据研究平台

缺失数据通过《中国区域经济统计年鉴》《中国城市统计年鉴》及各地（市）统计年鉴弥补。中国工业企业数据库包括了所有国有工业企业和主营业务收入在500万元以上的非国有工业企业。这里的工业包括“国民经济行业分类”中的“采掘业”“制造业”以及“电力、燃气及水的生产和供应业”三个门类，其中制造业占90%以上的比例，本文只保留了制造业企业数据。参考Cai等[27-28]的做法，本文剔除数据库异常值情况如下：第一，删除总资产、固定资产、销售额、应付工资及福利小于0或缺省的企业；第二，删除一些明显不符合会计原则的企业，包括总资产小于流动资产，总资产小于固定资产净值，或者累计折旧小于当期折旧；第三，删除实收资本小于或等于0的企业；第四，删除总资产、销售收入、负债总额、工业增加值等关键指标首尾1%的异常值。

基于中国房价变化的阶段特征，本文选择1999—2007年的工业企业数据作为研究对象具有一定的合理性：其一，中国的住房制度全面市场化改革始于1998年，1999年成为大多数中国房地产问题研究的起始年份；其二，2008年“次贷危机”全面爆发后中国受到波及，该年成为1999年迄今唯一房价下降年度。考虑到这一外部影响，本文样本结束设定为2007年。此外，这与目前使用工业企业数据的绝大多数实证研究的样本区间选择也是一致的。

（二）变量

本文目的是检验房价变化如何影响制造业劳动力就业。为此，被解释变量选取企业雇佣人数，核心解释变量选取地级及以上城市商品房平均销售价格。同时，选择反映企业自身特征和城市特征的一系列变量作为控制变量，包括固定资产比重、企业规模、自由现金流比率、人均GDP、金融发达度等。各变量的详细定义和计算方法见表1。

由于西藏地区部分城市房价变量缺失，本文删除西藏的企业数据，最终我们获得的是匹配制造业企业和278个地级以上城市1999—2007年的非平衡面板数据。表2给出了主要变量的描述性统计。

四、实证分析

（一）基准回归结果

表3给出了房价上涨对制造业就业的基准回归结果。第（1）列是控制前述企业特征变量、城市特征变量以及城市虚拟变量、行业虚拟变量和年度虚拟变量后的混合数据最小二乘法回归结果；第（2）列是控制企业特征变量、城市特征变量以及年度虚拟变量后的面板数据固定效应模型回归结果。两种结果非常接近，房价对制造业就业的影响系数都为0.02左右，且在1%的水平上显著。这意味着房价每上涨10%，企业雇佣人数将显著增加0.2%。由此判断，1999—2007年中国商品房价格上涨了约80%，这导致制造业企业的工作岗位增加1.6%。由于篇幅关系，本文没有列出其他控制变量的回归结果。

表3第（3）—第（6）列是稳健性检验。考虑到房价对就业的影响可能存在一定的滞后性，表3第（3）列和第（4）列用滞后一期城市房价替代当期房价基于普通最小二乘和固定效应模型进行回归。考虑到某些企业特别是规模较大的企业可能存在较广泛的地域分布，第（5）列和第（6）列用省级房价替代城市房价基于普通最小二乘和固定效应模型进行回归。回归结果与上述基本回归结果一致，显示房价上涨显著促进了制造业就业。

虽然我们已经尽可能地加入相關企业特征变量和城市特征变量来缓解由于遗漏变量带来的内生性问题，但可能仍然难以完全消除其影响。为缓解这一问题，我们使用各省当年人均土地开发面积作为商品房价格的工具变量[7]。其理论逻辑在于各地土地供给与当地商品房价格密切相关，但同时土地供给受到中央政府的严格控制，具有一定的外生性特征，与影响就业的其他宏观变量关系不大。表3第（7）列和第（8）列是利用城市人均土地开发面积作为城市房价工具变量的回归结果。结果有力地支持本文的结论：房价越高，企业雇佣人数越多。

（二）异质性影响

由于中国经济发展的阶段性以及区域发展和行业发展的不平衡特征，房价上涨对制造业就业的影响可能在区域、时间、行业方面存在广泛的异质性。下面通过划分企业样本进行比较分析。

1.区域异质性。按照地理区位，本文将278个地级以上城市划分为东部地区和中西部地区两类。其中，东部地区包括位于北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省及直辖市的地级以上城市；中西部地区包括位于除上述地区以外的省（自治区、直辖市）的城市。然后对不同地区的制造业企业进行分样本回归，表4报告了回归结果。东部地区房价上涨对制造业企业就业影响较大且高度显著，但中西部地区房价上涨对制造业企业就业影响较小，且显著性也较弱。这说明相对于中西部地区的城市，东部地区城市制造业企业就业对房价上涨更为敏感。

2.时间异质性。中国房地产市场自1998年启动全面住房制度改革以来，2004年是又一个关键节点——土地“招拍挂”制度于2004年全面实施。此后，中国房价进入了快速上涨通道。本文将以2004年为节点，将全部样本分为2004年前和2004年后（含2004年）两个子样本，然后分别进行回归。表5报告的结果显示，2004年前房价上涨对制造业企业就业的影响较大也较为显著。但是，2004年后该影响变为负数，但是绝对值较小，且在统计上也极不显著。这可能意味着随着房价涨幅的增加，“挤出效应”变得越来越大。

3.行业异质性。企业所属行业特性也会对房价上涨的就业效应带来影响。按照吴利学等[29]的行业分类方式，本文将将行业分为资本密集型行业（两位数行业代码为25、26、28、31～34、37、39）、劳动密集型行业（两位数行业代码为13～24，除去16）和技术密集型行业（两位数行业代码为27、40、41）。表6报告的回归结果显示，相较于劳动密集型行业而言，房价上涨对资本密集型行业的就业影响较大且较为显著。 这与理论预期一致，因为“抵押担保效应”的正向作用在资本密集型行业中更为明显，而“挤出效应”的负向作用在劳动密集型行业中更为明显。同时注意到，高技术行业中房价上涨对就业的影响最大，这是因为它们很少受到挤出效应”的负面影响，同时在融资约束放缓的情况下具有更好的扩张能力。

五、机制检验

房价上涨主要通过“需求效应”与“抵押担保效应”促进制造业就业，通过“挤出效应”抑制制造业就业。前文的实证分析表明，尽管存在多方面的异质性，房价上涨的总体效应是促进制造业就业。那么，到底是“需求效应”还是“抵押担保效应”在该促进作用中居于主导地位呢？这是本节致力于解决的问题。

（一）企业融资约束的衡量

陈忠阳等[30]总结了衡量企业融资约束的四类方法：企业融资需求、企业融资交易成本、企业的投融资行为以及企业的融资渠道。本文借鉴张杰等[31]提出的企业运营资本投资现金敏感性（WKS）指标作为企业融资约束的代理变量。张杰等[31]认为，WKS指标不仅包含了企业运营资本相关信息（Ding等[32]指出，由于中国企业自身财务和金融体系特征，企业运营资本能较好地反映企业融资约束情况），而且该指标包含了企业现金流、负债杠杆水平、抵押担保水平、销售增长率等重要信息，它可能是更能全面反映企业各种融资约束信息的代理指标。WKS指标的计算过程如下：

首先，估计不包含现金流的约简运营资本投资方程得到随机扰动项。

式中，IWK表示企业运营资本投资，IWK=IWKt-IWKt-1，其中IWKt等于企业当年的流动资产减流动负债，K表示企业年初的固定资本净额，i，t分别表示企业和年份，uit是随机扰动项。控制变量X包括企业规模、年龄、负债杠杆率、抵押担保水平、销售增长率、所有值类型虚拟变量等。此外式（1）还引入了省份固定效应、两位数行业固定效应和年份固定效应。

随后采用企业每年现金流占总现金流的比例对随机扰动项进行加权平均，再减去未加权的随机扰动项。其遵循的计算思路在于：如一家企业的运营资本投资并不受现金流影响，那么在较高现金流时期运营资本投资的均值应该与低现金流时期运营资本投资的均值没有显著差异。相反，如果企业运营资本支出与现金流正（负）相关，那么经过现金流加权的随机扰动项均值应该比未经加权的随机扰动项均值更高（低）。

式中，CF表示企业现金流，定义为年终净利润加本年计提折旧额，K代表每年年初的固定资本净额，n代表某一企业的年份观测数。由此计算得出的WKS指标越大，企业受到的融资约束越大。

出于稳健性考虑，本文还采用了流动比率（LR）作为融资约束的另一个衡量指标（马述忠等，2017）。流动比率等于流动资产与流动负债之差除以总资产，流动比率越大，企业的财务状况越健康，自身融资约束也就越小。

（二）房价上涨影响制造业就业的机制检验

为检验房价上涨对制造业就业的影响机制，本[LL]文在上述基准回归模型基础上进一步引入房价对数和融资约束指标的交叉项。根据模型设定，房价对数的回归系数表示的是当企业在没有融资约束（融资约束很小）的条件下对制造业就业的影响，体现了“需求效应”；交叉项的回归系数反映了融资约束状态是否改变房价对制造业就业影响大小，体现了“抵押担保效应”。表7第（1）列和第（2）列报告了使用WKS指标作为融资约束代理变量的最小二乘回归和固定效应回归结果。结果显示，房价对数的回归系数相较于没有引入交叉项的回归结果大小基本没有变化，且仍然高度显著。但是，不管是基于最小二乘回归还是固定效应回归的系数数值上都非常小，接近于零，而且非常不显著。由此，本文判断房价上涨对制造业就业的影响主要是通过“需求效应”而非“抵押担保效应”实现的。

表7第（3）列和第（4）列报告了使用流动比率（LR）作为融资约束指标的回归结果。可以看到，该结果与前述基于WKS指标的回归结果高度一致，都表明房价对数的回归系数较大且高度显著，但房价对数和融资约束指标的交叉项回归系数较小且显著性也显著下降。这再次表明我国房价上涨对制造业就业的影响主要是通过“需求效应”而非“抵押担保效应”实现的。

（三）安慰剂检验

本文采用受到较小融资约束的企业样本作为安慰剂检验。由于“抵押担保效应”源自受到融资约束的企业，通过可供抵押担保的资产价值上涨缓解企业的融资约束，从而增加企业信贷和投资规模。那么对没有或者较少受到融资约束的企业而言，“抵押担保效应”应该是很小，房价上涨对就业的影响主要来自于“需求效应”。表8报告了利用受到较小融资约束子样本企业考察房价上涨对制造业就业影响的结果。第（1）列和第（2）列报告了使用WKS指标值小于四分之一分位数的那部分制造业企业子样本回归的结果，第（3）列和第（4）列报告了使用LR指标值大于四分之三分位数的那部分制造业企业子样本回归的结果。我们看到，所有回归结果中房价对数值的回归系数大小与全部样本的房价对数值的回归系数基本相同，再次表明了“需求效应”显著存在。

六、结 论

本文利用1999—2007年国家统计局的全部国有及规模以上非国有工业企业数据库制造业企业与278个地级以上城市相匹配的数据，考察了房价上涨对制造业就业的影响，在控制一系列企业特征变量和地区特征变量后，基于混合截面数据的普通最小二乘回归和基于面板数据的固定效应回归模型一致表明：房价上涨增加制造业企业雇佣人数。这表明，中国房价上涨并非制造业“用工难”的幕后推手。同时，房价上涨对制造业就业的影响在区域、时间、行业等方面存在广泛差异：房价上涨对制造业就业的影响在东部地區更为显著，在2004前更为显著，在资本密集型和技术密集型行业更为显著。进一步，利用企业运营资本投资现金敏感性（WKS）指标和流动性比率（LR）指标衡量企业融资约束，考察房价上涨对制造业就业的影响机制。结果表明，中国房价上涨主要是通过“需求效应”而不是“抵押担保效应”影响制造业就业。本文的研究澄清了一些观念上的误区，指出中国房价上涨并未导致制造业“用工难”——即便房价上涨对制造业就业产生了一定的“挤出效应”，但“需求效应”和“抵押担保效应”使得房价上涨最终增加了制造业企业的劳动力雇佣。因而，制造业“用工难”的破解之道需要从其他方面着手去解决，如确保劳动力信息流畅、加强职业培训，增加劳动力市场的供需匹配等。

参考文献：

[1] Elliott J W. Wealth and wealth proxies in a permanent income model [J]. Quarterly Journal of Economics， 1980， 95（3）： 509-535.

[2] Bhatia K. Real estate assets and consumer spending [J]. Quarterly Journal of Economics， 1987， 102（2）： 437-444.

[3] Case K E， Quigley J M， Shiller R. Comparing wealth effects： The stock market versus the housing market [J]. Advances in Macroeconomics， 2005， 5（1）： 1-30.

[4] Case K E， Quigley J M， Shiller R. Wealth effect revisted： 1975—2012 [R]. Cowles Foundation Disccussion Paper， 2013， No. 1784.

[5] Mian A， Sufi A. What explains the 2007—2009 drop in employment？ [J]. Econometrica， 2004， 82（6）： 2197-2223.

[6] 赵西亮， 梁文泉， 李实. 房价上涨能够解释中国城镇居民高储蓄率吗——基于CHIP微观数据的实证分析 [J]. 经济学（季刊）， 2013（1）： 81-102.

[7] 陈斌开， 杨汝岱. 土地供给、住房价格与中国城镇居民储蓄 [J]. 经济研究， 2013（1）： 110-122.

[8] Chaney T， Sraer D， Thesmar D. The collateral channel： How real estate shocks affect corporate investment [J]. American Economic Review， 2012， 102（6）： 2381-2409.

[9] Gan J. Debt capacity and corporate investment： Evidence from a natural experiment [J]. Journal of Financial Economics， 2007， 85： 709-734.

[10]曾海舰. 房产价值与公司投融资变动、抵押担保渠道效应的中国经验证据 [J]. 管理世界， 2012（5）： 125-136.

[11]黄健柏， 徐震， 徐珊. 土地价格扭曲、企业属性与过度投资——基于中国工业企业数据和城市地价数据的实证研究 [J]. 中国工业经济， 2015（3）： 57-69.

[12]陈斌开， 金箫， 欧阳涤非. 住房价格、资源错配与中国工业企业生产率 [J].世界经济，2015（4）： 77-98.

[13]罗知， 张川川. 信贷扩张、房地产投资与制造业部门的资源配置效率 [J]. 金融研究， 2015（7）： 60-75.

[14]Schmalz M， Sraer D， Thesmar D. Housing collateral and entrepreneurship [R]. CEPR Working Paper， 2014.

[15]Kerr S， Kerr W， Nanda R. House money and entrepreneurship [R]. NBER Working Paper， No. 21458， 2015.

[16]吴晓瑜， 王敏， 李力行. 中国的高房价是否阻碍了创业？ [J]. 经济研究， 2014（4）： 121-134.

[17]Bernanke B， Gertler M， Gilchrist S. The financial accelerator in a quantitative business cycle framework [J]. Handbook of Macroeconomics， 1996， 1： 1341-1393.

[18]Kiyotaki N， Moore J. Credit cycles [J]. Journal of Political Economy， 1997， 105： 211-248.

[19]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle [J]. American Economic Review， 2015， 95（3）： 739-764.

[20]Iacoviello M， Neri S. Housing market spillovers： Evidence from an estimated DSGE model [J]. American Economic Journal： Macroeconomics， 2010， 2： 125-164.

[LL][21]Liu Z， Wang P， Zha T. Landprice dynamics and macroeconomic fluctuations [J]. Econometrica， 2013， 81（3）： 1147-1184.

[22]Favilukis J， Ludvigson S， Van Nieuwerburgh S. The macroeconomic effects of housing wealth， housing finance， and limited risksharing in general equilibrium [R]. LSE Working Paper， 2015.

[23]Giroud X， Mueller H M. Firm leverage， consumer demand， and unemployment during the great recession [J]. Quarterly Journal of Economics， 2017， 132： 271-316.

[24]Adelino M， Schoar A， Severino F. House prices， collateral and selfemployment [J]. Journal of Financial Economics， 2015， 117： 288-306.

[25]Charles K， Hurst E， Notowidigdo M J. Housing booms and busts， labor market opportunities， and college attendance [R]. Working Paper， University of Chicago， 2016.

[26]吳海民. 资产价格波动、通货膨胀与产业“空心化” ——基于我国沿海地区民营工业面板数据的实证研究 [J]. 中国工业经济， 2012（1）： 46-56.

[27]Cai H， Liu Q. Competition and corporate tax avoidance： Evidence from Chinese industrial firms [J]. The Economic Journal， 2009， 119： 764-795.

[28]聂辉华， 江艇， 杨汝岱. 中国工业企业数据库的使用现状和潜在问题 [J]. 世界经济， 2012（5）： 142-158.

[29]吴利学， 叶素云， 傅晓霞. 中国制造业生产提升的来源： 企业成长还是市场更替？ [J]. 管理世界， 2016（6）： 22-39.

[30]陈忠阳， 刘吕科. 企业信贷约束衡量研究评介 [J]. 经济学动态， 2009（5）： 124-128.

[31]张杰， 郑文平， 翟福昕. 融资约束影响企业资本劳动比吗？——中国的经验证据 [J]. 经济学（季刊）， 2016（4）： 1029-1056.

[32]Ding S， Guariglia A， Knight J. Investment and financing contraints in China： Does working capital management make a difference [J]. Journal of Banking & Finance， 2013， 37： 1490-1507.

责任编辑、校对： 李再扬