房价对中国企业生存风险影响

(苏州大学 江苏 苏州 215000)

一、前言

在党的十九大报告中，提出房子是用来住的，而不是用来炒的，使得全国人民都可以居得其所。房价一直以来是全体人民所关心的头等大事，自1998年商品房改革以来，全国房价呈现了持续快速上涨的趋势，房地产行业进入了快速发展时期。全国房价似乎是脱缰的野马，一路上扬，自2001年的2237元/平方米，到2018年的8544元/平方米，年上涨幅度达到21%，远远高于7.3%的经济年增长率。房价的持续上涨不但对于居民的生活造成了巨大的影响，同样对于企业各方面也产生重大的影响。根据美国CHINA HRKEY研究中心数据显示，中国企业的平均生存年限为3.6年，其中集团型企业的平均生存年限大约7.5年，中小型企业的生存年限仅为2.5年。对比的是欧美企业的平均生存年限12.5年，日本的企业生存年限更是达到30年。中国企业过高的生存风险是一个值得关注的重要的领域，越来越多的学者对此展开了研究。本文立足于研究中国房价与企业生存的已有文献，研究在国内房价持续增长的背景下，其对于企业生存风险的影响，并针对如何降低房价过快上涨对于企业生存所造成的负面影响提出建议。在现在的已有文献中杜莉[1]，刘斌和王乃嘉[2]各自从消费、企业投资、企业进出口研究房价持续上升对于整体经济所带来的影响。陆铭等[3]研究发现居民生活成本将受到房价上升的影响，并因此造成了企业员工工资上升等企业生产成本的上涨。

Gan[4]、曾海舰[5]研究发现，房价的上升不仅仅会造成房产企业的市场价值，更会因为持有房地产企业的融资信贷行为，最终影响企业的整个市场活动，Chen 等[6]、Chen 和 Wen[7]认为，房价上涨会促使企业将 部分生产资源投向房地产行业，由此降低对企业主营业 务的投资规模。王国军和刘水杏[8]通过研究投入产出模型发现，因房地产行业的整体带动效应对于制造业企业产生积极意义。

二、研究设计

(一)数据来源与处理

根据中国国家统计局公布的《中国工业企业数据库》相关数据，选择2001-2007年全部规模以上非国有企业和国有企业为研究对象，剔除总资产，员工人数，流动资产小于等于0的数据。该统计数据库包含了所有的国有企业与规模以上的非国有企业，其中统计口径是国民经济行业分类里的采掘、制造、电力，燃，气和供应等行业。数据库囊括了企业的基本信息与财务情况，属于微观层面的企业信息。由于数据库统计口径发生变化，本文只选取到2007年的数据，同时为了避免久期模型中常存在的“左归并”，对于原始数据进行剔除，选择只在2001年开业发企业。同时因为西藏等地区数据的缺失，这里将其删去，所以最终本文将选择4874家企业作为样本。

(二)变量选取与说明

房价(price)：房价的数据源于中国统计年鉴31个省份和直辖市房地产销售价格，同时取对数以度量房价指数。行业(indu)：其中制造业赋值为1，非制造业赋值为0。区域(are)：东部地区赋值为1，非东部地区赋值0。出口(ex)：出口企业赋值1，非出口企业赋值0。企业规模(size)：企业资产总计的对数度量。融资约束(fin)：利息支出与固定资产发比值。政府补贴(sub)：接受政府补贴的企业赋值为1，未有补贴的企业赋值为0。

(三)COX模型

久其分析是将响应时间和生存的一项统计规律的研究课题。在实证研究中，久期分析中的数据常常存在“右并归”。最主要的原因是，当研究结束后，会存在部分对象仍旧未产生期望的结果。这样，我们就可以得到某一个样本从时间0到归并时间T。虽然可以知道样本可以继续存在于T至无穷。却不知道这个样本的最终取值。

当存在“右并归”时，将样本i的最终寿命记为T*，而归并时间记为T。实际可以观察到的t取决于不可观察到的个体样本寿命T*，或者归并时间T.即为：

t=min(T*,T)

同时，用虚拟变量d来表征样本的观测是否得到完整记录：

d=1(T*

这里，1(.)是示性函数，即当括号里的函数表达式取真时，则数值为1，反之则为0。所以，当d=1时，则表示有完整记录，即不存在并归现象，反之，则存在并归。

为了维持生存分析的有效性，这里将假设“独立并归“，或者”无并归“。即所有有关样本寿命T*的信息都不会出现在并归时间T中。这样，虚拟变量d就可以看做是一个外生变量，不在考虑为”归并机制“建模。

基于Cox风险比例模型自身特点，cox模型可以有绝对的优势，它将企业是否退出市场和企业的生存时间有效的结合起来，同时，利用建立的虚拟变量对企业生存周期进行完整的记录，在最后的观察期里，将依旧存活的企业赋值为0，而之前已经退出市场的企业赋值为1.。

三、变量选取与说明

(一)基本检验

1.初步的描述性分析

我们先对房价对于企业生存影响进行初步的分析。这里先对房价指数取中位数，将企业所处的地区划分为高房价地区(hp=1)与低房价地区(hp=0)。通过绘制k-m生存曲线，可以看到高房价地区的有着更高的k-m线，即说明相比于低房价地区，高房价地区的企业将存在更小的生存风险。同时结合图2可知高房价地区企业的生存风险初期显著低于低房价地区，不过随着时间的推移，这种显著的差距在不断缩小。当然，这里只是未引入解释变量的初步研究，该分析只是对于企业生存时限的初步研究。

图1 k-m生存曲线

图2 风险函数估计

2比例风险模型回归

将样本数量设置为n，观测i得到()，将生存时间设为，结尾指示变量定义为，占，反之，是m维的行变量，定义的是第i个观测的m的协变量。通常Cox比例风险回归模型的表达式为：

下表是对比例风险模型的回归结果，需要注意的是，这里的估计系数表示的是每变化一单位，其对于企业的生存风险回归系数产生多大的影响。若回归系数大于0，则表示该变量增大企业的生存风险。若回归系数小于0，则表示该变量减小了企业的生存风险。模型(1)只是对于房价的回归，模型(2)是加入控制变量后的回归。通过模型(1)可以知道，高房价可以显著的降低企业了生存风险。加入了控制变量后，该回归依旧显著，结果稳健。通过模型(1)(2)的估计结果可以说明，高房价将降低企业的生存风险。

表1 房价与企业生存风险的Cox 模型估计结果

Standardized beta coefficients;Standard errors in parentheses

*p< 0.05,**p< 0.01,***p< 0.001

四、结论

从整体经济发展来看，中国自从改革开放以来经济得到了高速发展，并于2009年成为世界第二大经济体，在这样的宏观背景下，中国的房地产行业也得到了迅速发展，商品房成交价不断上升。那么，房价的不断上涨，高房价对于微观企业的生存风险有着怎样的影响。为此，本文通过研究2001-2007年的微观企业数据，通过控制一系列发控制变量考察高房价对于企业生存的影响。研究发现，就整体而言，高房价对于企业生存有着显著的正向影响，这便意味着与一般研究不同，位于高房价的企业对于企业的生存风险有着明显的拉动作用。不过风险函数估计显示，高房价存在一个门阀值，当房价超过这个门阀值时，这种拉动作用将逐渐降低，并最终归于0。对于房价对于企业生存风险的拉动作用，这说明中国房地产的独特性，企业多以劳动密集型为主。在国内整体居民储蓄率过高的情况下，房地产业的高速发展会增加房地产企业的投资，增加整个市场的投资水平。同时，由于土地拍卖是地方政府占比极大的财政收入，地方政府可以充分利用这一收入完善地方基础设施建设，改善与提高企业的生存概率。