住房价格持续分化与城市产业升级关系研究——基于中国地级市空间数据的实证分析

陈思博 叶剑平

(中国人民大学，北京 100872)

一、引言

自1998年7月国务院下发《关于进一步深化城镇住房制度改革加快住房建设的通知》以来，我国城市房价快速增长。2000年至2018年，全国商品房平均销售价格上涨了3.14倍，其中，北京、上海两大一线城市更是增长惊人，2018年比2000年分别上涨了721%、654%。(1)根据国家统计局网站，2018年全国商品房平均销售价格为8736.90元/平方米，2000年为2112.00元/平方米； 2018年北京商品房平均销售价格为37420.19元/平方米，2000年为4557.00元/平方米；2018年上海商品房平均销售价格为26890.08元/平方米，2000年为3565.00元/平方米。在房价增长幅度远超工资增长幅度的情况下，住房价格差异大大影响了产业劳动力聚集程度，以致“北漂”、“逃离北上广”等社会热点频出。

房价分化指不同地区的住房价格增长速度存在明显差异使得住房价格差距扩大的情况，体现为部分城市住房成本以超越平均房价增长的速度增长，部分城市以平均房价增长速度以下的速度增长。我国学者已经察觉到中国城市的房价“持续分化”现象。王洋(2015)运用PDI分化指数分析、GIS空间分析和灰色关联分析方法，发现中国城市住宅价格特别是一线城市与其他城市存在显著的空间分化现象，同时认为，这种分化是一种等级性的分化。[1]倪鹏飞(2019)指出，反映城市差异状况的相对系数，如相对均差、变异系数、基尼系数、卡瓦尼测度、泰尔均值对数偏差等均表明，从2001至2013年间，城市间差距呈现从变大到变小趋势或先变小再变大的趋势。[2]从数据上来看，笔者通过对我国266个地级市2005年至2017年相对住房价格数据进行核密度分析(Estimates of the Kernel Density)发现：随着时间的推移，住房价格核密度出现右偏趋势，各城市价格的分布变得越来越分散，即我国城市房价自2005年以来呈持续分化状态(如图1所示)。伴随着住房价格差距的扩大，城市对企业的吸引力呈现出差异化倾向，可以说，住房价格分化正在影响我国产业聚集的程度与方式。探究城市住房价格对城市产业聚集的影响途径和影响方式，讨论和分析我国城市房价分化对产业结构升级的影响规律，对于制定与不动产相关的政策措施和预测我国城市产业未来发展具有重大意义。基于上述，笔者分别从劳动力角度、企业角度和空间角度探讨房价增幅对产业结构的影响，并在实证中扩展高波(2012)提出的经典产业变迁模型[3]，运用空间经济学方法，对我国266个地级市(2)我国共有278个地级市，15个副省级市和4个直辖市。本文剔除因行政区域变动和统计缺失等原因导致数据缺失或严重偏误的城市，最终使用266个地级市数据进行分析。2005年至2017年数据进行研究。

图1 地级市住房价格核密度估计

二、文献综述

学者关于区域住房价格和产业升级关系的讨论兴起于Krugman(1991)提出核心-边缘模型后，截至目前，国内外学者尚未就房价分化对产业结构的影响问题达成一致的结论。但一般认为，城市住房价格对通过三种机制影响城市产业的聚集状态。一是住房价格差异通过劳动力影响城市产业聚集状态；二是住房价格差异通过企业成本影响城市产业聚集状态；三是通过住房价格和产业结构的空间溢出效应影响城市产业集聚状态。

关于“城市住房价格差异改变了城市劳动力流动进而影响产业结构”。这一观点已被国内外学者广泛认同。Bagne(1969)梳理总结出“推力一拉力”理论(push-pull laws)，提出迁入地有利于改善条件的因素为拉力，迁出地不利的生活条件为推力。Brakman(2002)和Rabe(2012)实证了Helpman(1998)以Krugman(1991)为基础的引入住房市场因素新经济地理学模型，指出某地区的住房价格会影响劳动者的相对效用，从而抑制劳动力在该地区的集聚。[4-7]夏怡然等学者指出，城市的高房价水平和公共服务水平吸引了大量劳动力流入。[8-10]邵挺(2010)和范剑勇(2011)在进一步的研究中，发现住房租金等问题影响了区域劳动力流动，进而导致制造业出现不合理分布。[11-12]高波(2012)发现中国东部地区与中西部地区房价差异增大，劳动力流动迫使产业发生转移，导致区域产业结构的升级转型。[3]张平等(2016)研究发现房价差异扩大挤出低水平劳动力，聚集更高层级劳动力使得区域产业结构向高质量聚集[13]。张莉等(2017)认为高房价意味着更好的发展前景、工作计划和财富增长空间，吸引人才流入。但高房价也极大地加重劳动力生活成本，阻碍城市人才引进和创新创业。[9]

学者们同时认为，城市住房差异价格通过企业择地决策途径影响城市产业聚集。在现有对于企业迁移决策的研究中，“抵押担保渠道效应”(channel effect on security guarantees)、“挤出效应”(crowding - out effect)和“门槛效应”(threshold effects)均可认为是房价差异对城市产业聚集的影响形式。Barro(1976)和Hart(1994)提出了“抵押担保渠道效应”，即房地产价值快速上涨时，其作为企业重要抵押品可以在一定程度上缓解企业的外部融资约束，从而吸引企业迁移择地。[14-15]同时，这种“抵押担保渠道效应”意味着持有房地产价值提高时，企业增加其能够向银行借贷的资金，扩大企业再投资，加强产业聚集程度。[16-18]另一方面，房地产业的快速发展也推高了企业生产成本，降低企业创新倾向，因此城市间房价差异对企业存在“挤出效应”。[19-21]据与上述，有学者将房价波动对企业聚集的影响归纳为“门槛效应”，即房价上涨对企业同时存在“挤出效应”和“抵押担保渠道效应”，因而呈现先增加后降低的趋势。[22]

此外，学者们认为城市住房价格差异和产业结构变化具有“空间溢出性”(spatial spillover)。著名的“波纹效应”(wave effect)理论指出房价具有空间扩散性，即部分地区的房价变化首先发生，并像水中的涟漪一样，使得邻近城市的房价依次变化。[23-24]现有研究中，我国学者们分别使用不同方法检验了这种“空间溢出性”，如协整分析、向量自回归分析等。[25-26]不少学者关注了这种相互作用机理，发现除房价空间溢出是一种普遍现象外，溢出性还存在一定的相互作用。吕龙(2019)的研究指出城市房价溢出关系存在复杂的“小世界网络”，不同城市分别扮演“领导者”(外溢)，“双向引导者”(非主动外溢)和“跟随者”(被动内部城市群相互溢出)角色。[27]

从城市产业结构角度来看，城市房价分化对产业结构的影响也具备了空间效应。一地产业结构的变化意味着部分产业资本的转移，劳动力的流动，必将对周边区域的劳动力结构和产业分布产生影响。王林辉(2019)研究发现区域经济易受空间相邻地区要素流动的影响，空间性相邻地区的资本、劳动力流动会促进本地专业化产业聚集。余璇(2020)的研究发现，地区海洋产业结构升级会外溢到邻近地区，促进邻近地区结构升级。[28]此外，产业结构的变动的空间影响并不仅仅局限在邻近区域，而是具有“传导性”且存在相互作用。高波(2012)的研究发现，部分产业从东部地区一直迁移到中西部地区，对二者的产业结构均起到了升级作用。[3]

综上，城市住房价格差异对产业结构的影响是一个极度复杂的体系。学者们的既有研究成果已证明，从影响途径上看，房价差异无论从劳动力层面还是从企业层面均存在双向影响产业聚集的路径；从空间上看，房价增长和产业结构变化均存在溢出效应，而且这种溢出效应存在相互作用。

综观国内外既有研究成果，我们大致可以得出如下三个判断：一是既有研究以关注房价波动的扩散性质为主，只有少量学者就住房价格对劳动力流动或企业流动影响途径的部分机制进行分析，但鲜有从整体上直接研究房价变化对产业结构的影响。二是目前仅有较少文献在分析过程中进行全面的空间分析，更没有从房价角度对产业结构进行空间分析。三是目前大多数这类研究成果集中于对大中城市房价与产业集聚的影响，而忽视了三四线城市在整体产业演变中的角色，特别是空间影响。因此，本文将构建合理指标测度产业结构状态，并通过计算每年城市的相对房价作为某市房价分化指标的工具变量，再基于266个地级市数据构建房价分化—产业结构变动的空间模型，检验其空间特征和空间效果。

三、假设的提出

美国城市经济学家阿兰索(William Alonso)基于边际均衡和区位边际收益等空间经济学理论于1964年提出了竞租理论(Bid Rent Theory)。竞租理论表明在房价或者地价越高的地方，能够竞争取得土地的产业需要较高的利润。而随着房价的不断上升，产业需要的与之相匹配的利润条件不断提高，进而导致产业升级。进一步分析，克拉克(Colin Clark)于1940年发展英国古典经济学家配第(William Petty)的研究总结出的“配第—克拉克定理”表明随着经济的发展，第一产业的比重依次向第二和第三产业转移，最终将实现以第三产业比重上升为标志的产业升级。而在城市经济中，主要以第二、第三产业为主，产业升级即意味着第三产业比重上升。

中心城市在竞租的过程中，产业升级不断发生，而韦伯(Alfred Weber)于1909年提出的聚集经济理论表明，企业在生产和流通上最节省的地点聚集，进而在产业聚集的同时，同类型的行业也会聚集发展，在空间上表现出溢出效应和空间聚集效应。

然而，在城市技术无法快速提升和城市房价上涨过快的情况下，技术带来的产业利润提高将小于快速上涨房价带来的利润，出现劳动力短缺和企业成本增加的情况，进而抑制产业升级。

对应于上述分析，本文提出如下三项假设：

假设1：城市相对房价上涨带动城市产业向高产值聚集，即推动产业升级

城市住房价格相对于区域整体价格上涨有利于建立高产值产业需要的劳动力市场。相对房价上涨提升当地劳动力生活成本，对部分收入较低的劳动力产生“推力”，使收入较低的劳动力前往周边较低房价区域。另一方面，房价上涨意味着更好的发展前景和财富增长空间，对相对高收入高素质人群产生“拉力”，吸引人才流入。同理，相对房价上涨增大企业成本，使得无利可图的低效益企业向周边低房价地区迁出，高效益企业则可通过“抵押担保渠道效应”等方式扩大融资，进行企业再投资，加快产业聚集。

假设2：城市相对房价过度上涨会影响产业结构向高产值聚集，即抑制产业升级

房价过度上涨是一个相对概念，当房价上涨至阻碍产业升级时，应认定为房价过度上涨。具体而言，当城市相对房价过高时，对大部分劳动力产生“推力”，城市劳动力市场出现“劳动力短缺”等现象，影响产业发展。同理，企业成本过重使得企业在周边低房价区域的利润大于现有利润与迁移成本之和，企业将选择外迁，使得城市出现产业空心化，不利于高产值产业聚集。在回归中，可以表现为相对房价从低值向高值转变的过程中，对产业结构升级影响由正转负。

假设3：产业聚集具有空间相关性，一地高产值产业聚集将带动周边区域，即产业升级具有空间性质

房价的波动在空间上具有“波纹效应”，一地房价上涨会带动区域房价上涨，再通过劳动力和企业两个途径影响产业结构。此外，区域经济易受空间相邻地区要素流动的影响，空间性相邻地区的资本、劳动力流动会促进本地产业聚集。

四、数据、指标与回归模型

1.数据来源

本文主要使用空间位置数据和地级市宏观数据，构建我国地级市从2005年至2017年的面板数据，涵盖了我国大、中、小地级市，使城市研究更加全面且更具代表性和推广性。该数据主要来源于《中国城市统计年鉴》(2006-2018)、《中国人口与就业统计年鉴》(2006-2018)、国家统计局、各省市统计局以及香港环亚经济数据有限公司的CEIC数据库。为保证面板平衡性，本文采取差值法对极少数缺失数据进行差值补充，并除去行政区域变动等原因产生数据误差的城市，最终使用266个地级市数据进行分析。

2.指标构建

经过上述理论研究，本文认为，产业结构升级进度(rsh)指数受到房价分化程度的影响，且具有空间特质，但是在研究中需要控制城市本身的其他属性，故本文对高波(2012)提出的经典模型进行扩展，并拟采用以下变量来重构模型：

(3)相对工资水平(rwage)：工资水平是影响劳动力流动和产业结构的重要因素。本文使用职工平均工资的相对数来衡量城市职工的工资水平，将相对工资水平定义为区域工资于平均工资之比。

(4)城市商业运营条件(recon)：商业运营环境是企业生存的必要条件之一，是影响产业结构的重要因素。本文借鉴肖兰(2015)，张传勇(2017)的观点，用“年末金融机构人民币存贷款余额之和”的对数来表示城市商业条件。[29-30]

(5)城市运输物流条件(rtrans)：城市的货运量能够反映出城市与外界之间贸易的依存度。本文使用“城市年度公路货运总量”的相对数来测度城市物流条件。

(6)城市信息现代化条件(rinfo)：区域科技发达程度和信息化水平对企业的日常生产、货物的流通有着重要的影响。本文使用“互联网宽带接入用户数”的相对数表征城市信息化水平程度。

(7)城市资本资产条件(rcapt)：一地的资本存量对当地经济发展有着至关重要的作用。本文使用“当年固定资产投资额”的相对数作为资产资本条件的表征。

3.回归模型构建

本文基于三个假设，将地理权重举证引入实证模型，构建基于面板数据的空间回归模型如下(3)回归1为仅考虑房价推动作用的空间计量模型，检验房价持续分化对产业升级的推动作用及其空间效应，验证假设1和假设3；回归2在回归1的基础上加入房价二次项系数，检验我国高房价对产业结构升级过程中产生的负向影响，验证假设2。：

回归1

回归2

其中，SHit表示在t时期，城市i的产业升级进度；rhpit表示在t时期i城市的相对房价水平；wageit表示在t时期i城市的相对工资水平；econit、transit、infoit和captit分别表示在t时期i城市的经济条件、交通运输条件、网络信息化条件和资本条件；βi为空间固定效应；εit为随机误差项，且服从正态分布；Xit为解释变量矩阵；Wij为地理权重矩阵，构建原则为：

在构建空间权重矩阵时，两个城市距离dij由城市i和城市j的地理中心点的经纬度坐标 (α1，β1)，(α2，β2) 求得，计算公式为 ：

dij=R·arccos[cosβ1cosβ2cos(α1-α2)+sinβ1+sinβ2]

式中 ：R为地球半径。

五、空间相关性检验与模型选择

1.房价与产业存在空间聚集性

空间自相关(spatial autocorrelation)可以认为相近区域的取值有一定的联系，如果高值区域与高值区域聚集(H-H相邻)，低值区域与低值区域聚集(L-L相邻)，则为正的空间自相关性(positive spatial autocorrelation)；反之，高值区域往往与低值区域聚集(H-L相邻或L-H相邻)，则具有负的空间自相关性(negative spatial autocorrelation)；弱高值区域与低值区域随机分布，则不存在空间自相关性。现有文献中提出的一系列度量空间自相关性方法中最为流行的方法为“莫兰指数”(Moran’s I)与吉尔里指数C(Geary’s C)。

本文对我国地级市2006-2017年房价数据和产业占比精细空间自相关检验，结果如表1所示：莫兰指数(Moran’s I)和吉尔里指数C(Geary’s C)结果表明在所有时期住房价格均存在正自相关的空间特征；在大多数时间中，产业结构升级进度(rsh)呈现显著正自相关的空间特征。

因此，可以得出，房价和产业结构在空间上呈现聚集状态，且表现为正的空间相关性，即“高—高”聚集(高房价城市与高房价城市聚集；第三产业占优城市与第三产业占优城市聚集)和“低—低”聚集(低房价城市与低房价城市聚集；第二产业占优城市与第二产业占优城市聚集)。

表1 房价和产业指数的全局莫兰指数和吉尔里指数C检验结果

2.空间模型选择

为确定具体使用的空间计量方法，首先要进行空间面板数据的拉格朗日检验，结果如图2所示。

表2 空间面板数据的拉格朗日检验结果

由表2知，模型的LM检验和稳健的LM检验均在1%的显著条件下拒绝原假设，即均存在空间滞后和空间误差，故判断既存在空间滞后又存在空间误差。在模型选择上应当选择既考虑空间滞后又考虑空间误差的空间杜宾模型(Spatial Durbin Model)。之后使用未进行稳健标准误的随机效应和固定效应估计结果，进行豪斯曼检验(Hausman test)，判断使用固定效应还是随机效应的空间杜宾模型，结果如表3所示。

表3 豪斯曼检验结果

表3中χ2 =134.44，并在 1% 水平上强烈拒绝原假设，所以在检验产业结构升级进度(rsh)的空间杜宾模型中，应选择固定效应的空间杜宾模型。为了模型的准确性，本文使用极大似然比(Likelihood-ratio test)对空间杜宾模型是否退化为空间误差模型(SEM)和空间自回归模型(SAR)进行检验，检验结果如表4所示：

表4 空间面板杜宾模型退化检验结果

由上表对模型的检验结果可知，在1%的显著水平下，空间杜宾模型(SDM)显著优于空间误差模型(SEM)；在1%的显著水平下，空间杜宾模型(SDM)显著优于空间自回归模型(SAR)。因此，本文选择最合适的固定效应空间杜宾模型进行参数回归。

六、实证检验结果

1.空间杜宾模型估计结果

考虑空间因素的基础上，利用 Stata14.0 和极大似然估计法(MLE)分别对解释变量和含控制变量的解释变量进行参数估计，估计结果如下：

表5 基于固定效应的空间杜宾模型估计结果

本文的稳健性检验结果和回归1结果对比发现：在剔除其他控制变量的回归中，关键变量相对城市房价和相对工资水平与回归1 的结果显著性、影响方向和影响程度高度一致。空间系数(Rho)为0.432且在1%显著水平下拒绝原假设，说明稳健性检验中空间效应显著。因此，在本文研究的问题中，全国的样本分析结果表示各城市和区域的差异性较小，因此本文的结果稳健且可接受的，即目前的分析结果可以展示出现有全国地级市的共同特征。

在表5中，对于产业结构升级进度(rsh)而言，以相对房价和相对工资为内生变量的三个回归方程的结果是显著且稳健的。从城市本身的影响来看，相对房价(rhp)和相对工资(rwage)对产业结构升级过程(rsh)影响显著，说明本城市相对房价(rhp)的上涨会促使自身产业升级，本城市相对工资(rwage)的增长则不利于自身产业结构升级。具体来看，现有城市相对房价每上涨1个单位，城市相对产业结构升级进度(rsh)要增加约0.082个单位；现有城市相对工资每上涨1个单位，城市相对产业结构升级进度(rsh)要减少约0.069个单位。从本城市对周边城市的影响来看，本城市相对房价(rhp)和相对工资(rwage)对周边城市相对产业结构(rsh)产生显著负向影响，说明本城市相对房价(rhp)的上涨和相对工资(rwage)的增长则不利于周边城市产业结构升级。

在引入相对房价的二次项(rhp2)的回归2中，可以发现，本城市相对房价与本城市产业结构升级进度(rsh)呈现“倒U型”关系，本城市对周边城市产业结构升级进度(rsh)的影响呈现“正U型”关系，说明相对房价的变化对产业结构的影响存在拐点，过高的房价会抑制产业升级。这可能是由于过度房价分化会导致劳动力和企业流失，进而产生产业空心化导致的。

在完全加入控制变量的回归中，空间滞后系数rho约在0.35左右且在1%的显著水平下显著，说明临近城市产业结构升级进度(rsh)的提高促进本市的产业结构升级进度(rsh)提升。

2.空间效应分解

笔者在得出上述空间杜宾模型估计结果的基础上，进一步采用偏微分法分解空间溢出效应，以便准确度量空间效应分解，结果如表6所示：

表6 基于估计结果的空间效应分解

从直接效应来看，相对住房价格对城市产业结构升级具有正向的直接影响。相对工资、相对经济活跃度、相对交通运输能力、相对互联网信息化程度、相对资本投资都对本市的产业升级有负向影响。从间接效应来看，邻近城市相对住房价格的提高、相对工资的提高、高质量劳动力就业比例的提高不利于本城市的产业结构的发展。从控制变量的结果来看，商业条件、物流运输条件和资本资产条件三者显著且均为负数，说明邻近城市的经济活跃程度、运输物流能力和资本投资能力对本城市产业结构发展有负向影响。从总效应来看，长期以来，整体住房价格分化对产业升级有较小的负向影响，相对工资差异扩大也对各地区产业升级造成不利影响。

从上述讨论可以看出，若房价持续分化，将对整体的产业升级的产生负面影响，现阶段城市与城市之间产业结构差异将随着房价持续分化而逐步扩大，当房价分化到一定程度时，会减弱这种城市之间的结构差异，即拐点的出现，与之前主模型结果一致。

七、结论及政策启示

本文梳理了城市住房价格分化与产业结构的影响关系，并在此基础上运用空间杜宾模型，测定城市相对房价的变化对城市产业结构的影响，并刻画其空间效果。研究发现：(1)相对房价的上涨会使得本市产业结构升级进度(rsh)存在“倒U型”关系。具体表现为住房价格分化程度较低时，相对房价升高会推动产业结构升级，在相对住房分化程度到达拐点时，相对房价升高会抑制产业结构升级。(2)相对房价对整体区域的产业结构影响较弱，但相对房价对产业结构具有很强的空间影响。以我国相对房价持续性分化的现状来看，我国城市间产业结构差异也将扩大，呈现高者更高，低者更低的特征。(3)商业活跃程度、运输物流程度和资本投资条件均对产业结构升级有负面影响，且具有负向的溢出效应，即三个指标高的地区更容易发展第二产业。互联网信息水平对产业结构升级进度(rsh)有正面影响，且具有正面溢出效应，因此发展互联网有助于第三产业的发展。

通过上述分析，对于我国产业结构管理规划的政策有如下启示：(1)坚持房价过高地区的住房宏观调控政策，避免房价过度分化而导致产业空心化。以我国目前的房价分布来看，房价正在快速且持续分化，过高房价分化水平会使得部分地区特别是我国发达地区的城市产业结构升级进度(rsh)降低。(2)适度打破城市边界，共享优质的教育医疗资源，实现区域服务均衡化。从公平角度来看，快速发展的城市应当补偿发展较缓慢的城市。房价分化对区域城市发展的影响不同，相对房价较高的城市享有更好的发展机会和更合理的产业结构，相对房价较高的城市在排挤低产出产业和低收入劳动力时剥夺了相对房价较低的周边城市的发展机会。(3)合理调节区域资本存量、基础设施、金融扶持力度、信息化建设水平。我国已经从高速增长阶段转向高质量发展阶段，资本要素在同一城市过度聚集容易固化原有模式，不利于区域的经济转型发展，应当以创新发展、绿色发展和包容性发展的理念，进行区域整体的调节分配，走出一条高质量发展的新路。