城市创新行为与商品房价格的空间关联特征

范晓莉 李秋芳

[关键词] 房价波动;城市创新行为;空间溢出效应

党的十九大报告指出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。”在新发展格局下，房地产行业的金融化程度逐渐削弱，回归到行业本身，各地纷纷围绕“创新战略”和“产业高级化”等方向制定发展目标，努力提升本地区创新环境，为进一步提升经济发展水平提供支撑。

《中国统计年鉴》和《中国房地产统计年鉴》数据显示，我国商品房平均销售价格由2008 年的3800 元/平方米上涨到2018 年的8736.9 元/平方米，其中北京和上海的房价涨幅最大，分别上涨了172.35% 和228.38%，北京、上海、广州、深圳四大城市房价远高于全国平均水平，各地区房价差异明显且呈逐步扩大趋势。因此，2019年中央经济工作会议强调落实稳地价、稳房价、稳预期的长效管理调控机制，坚持“房子是用来住的、不是用来炒的”定位。近年来，随着房地产调控政策进一步落实，房地产市场价格趋于平稳，但一线城市仍呈现一定幅度上涨态势。从全球城市发展态势来看，创新集聚区房地产市场相对繁荣，诸如中国的京津冀、长三角、珠三角大都市圈以及美国硅谷、日本东京等区域的房价均呈现不断上涨趋势。近年来，随着房地产调控政策进一步落实，房地产市场分化与该地区的人才、资金、环境、经济等创新要素息息相关，整体表现出“明知房价高，偏要择其居”的现象，表明区域创新是推动房价上涨的关键因素。与此同时，我国区域创新能力发展存在明显的空间差异特征[1]，而创新活动呈现显著的空间相关性，各区域间的创新要素相互作用在区域间传播，会影响相邻地区的创新发展，推动区域整体经济质量提升[2-3]。但是，我国创新活动仍存在显著的空间集聚特征，网络溢出效应范围较为有限，区域创新发展不平衡特征依然明显[4]。那么，随着创新驱动发展战略不断深入实施，城市创新行为如何对房价波动产生影响？城市创新行为与房价波动之间的关系是什么？如何根据城市创新行为对房价波动的作用特征制定政策？这些问题已成为创新驱动发展战略背景下稳定我国房地产市场价格和推动经济高质量发展不容回避的问题。

一、文献综述

城市创新行为对房价波动的影响与经济发展水平是息息相关的。随着创新驱动发展战略的不断深入实施，学者们有针对性地研究创新行为与房价波动之间的关系，并对二者之间的相互影响机理进行了验证。一部分学者发现区域创新发展对房价产生显著的影响，并且区域创新要素的空间特征是引起房价分化的重要原因。Florida采用包括科技投入、科技产出和科技人才的“3T”指标来评价城市创新能力，指出高技术人才向创新型城市集聚会提升房价[5]。范新英和张所地通过构建创新集聚的指标体系，发现创新集聚是引起城市房价上涨和房地产市场分化的重要原因[6]。宋婧运用动态面板模型进行分析，发现科技创新能力提升对房价产生正向效应[7]。冯珍等人运用空间计量模型分析了区域创新要素对房价分化的影响，表示基础设施和人才要素对房价的正向影响大于资金和技术要素对房价的影响[8]。另一部分学者认为房价对创新行为同样产生影响。第一，房价上涨过快不利于企业创新。王文春和荣昭从工业企业角度出发，指出房价波动上涨过快会抑制企业的创新资金投入，从而影响企业创新产出和研发投入[9]。朱晨以上海市为例，同样得出房价波动上涨对工业企业创新具有抑制作用[10]。第二，高房价在一定程度上限制了城市创新。厉伟等人从城市房价管理角度分析房价与城市创新的关系，发现房价波动上涨阻碍了城市创新水平的提升，这在一线、二线城市表现尤为明显[11]。廖望等人指出一线城市商品房价格上涨对城市创新具有显著抑制性[12]。崔莹莹等人从创新资金和人力资本视角，实证分析发现房价上涨对城市创新存在显著的负效应[13]。第三，房价波动过快易导致资源错配从而不利于开展创新行为。罗双成和陈卫民认为城市房价波动上涨过快引起创新要素错配，资源配置效率损失是导致创新能力下降的原因[14]。张煜晖和王钺在考虑了创新要素的空间流动后发现房价对区域创新绩效具有显著的抑制作用[15]。

基于以上文献梳理，笔者认为已有文献仍存在几点不足：一是缺少城市创新行为与房价波动之间的影响路径分析;二是忽略了变量间可能存在的空间关联特征;三是房价波动的研究范围太大，说服力小。因此，本文基于2011—2019年我国具有代表性的35个大中城市面板数据，重点分析城市创新行为对房价波动的影响特征，通过系统分析两者之间的作用机理，并运用空间计量模型验证其影响特征，从实证检验和效应分解两方面进行分析，以期为充分发挥城市创新行为的潜力，提升城市创新能力，推动房地产市场持久健康发展提供科学的参考。

二、机理分析与假设提出

城市开展创新活动有助于提高自身创新能力，进而推动区域经济发展。笔者认为，城市创新行为能够产生虹吸效应和引致效应，从而对房地产市场产生影响，因此城市创新行为对房价的影响机理将遵循以下逻辑：城市创新行为—创新能力—虹吸效应和引致效应—房价波动（见图1）。

（一）虹吸效应

虹吸效应是城市发展过程中产生的一种现象，经济发达城市对创新要素具有更强的吸引力。具有创新优势的地区会通过虹吸效应不断吸引周边地区资源要素，提升本地经济发展水平，刺激商品房价格快速上涨，这一效应呈现显著的階段性特征。在初始阶段，集聚效应较为明显，该阶段发达地区处于创新起步时期，需要不断吸引创新要素提升创新水平。发达地区吸引周边欠发达地区的资源，创新要素形成集聚效应，这个阶段的影响会产生极化效应，导致地区之间的差距逐渐拉大。在集聚过程中，发达地区通过采取相关政策优惠、人才补贴等方式吸引创新要素，导致创新要素向发达地区聚集。发达地区拥有大量高层次创新人才、研发机构、科技服务和创新平台，并具有开放性多元化的创新文化氛围，以优越的创新环境吸引更多的人才[16]。创新资源高度集聚地区依托完善的基础设施条件、创新氛围和丰富的信息资源等不断研发新产品、新技术，获得更高的技术水平，形成“自我强化”效应，进一步增强自身创新水平。基于此，创新要素聚集更多的企业、资金、人才流入本地，刺激房地产市场的需求，引起商品房价格上涨。在发展阶段，扩散效应更为突出。该阶段中心城市已经达到一定的创新水平，人口、资源集聚到一定程度会不断向周边地区扩散，扩散效应逐渐大于集聚效应，中心城市的资源和经济活动向外围扩散，充分发挥创新溢出效应，但核心区域依然发展得更好更快。在扩散过程中，城市发展阶段理论强调城市的发展将经历“城市—都市圈—城市群”的过程，创新在知识创新阶段、科研创新阶段和产品创新阶段均存在显著的空间外溢效应[17]。创新要素通过地区间的交流、传播辐射到周边地区，发达地区的“极化效应”逐渐扩散到欠发达地区，形成“涓滴效应”，推动整个区域协调发展。由此可知，在区域创新发展过程中产生的集聚和扩散效应均有助于构建良好的创新条件，带动区域经济发展并刺激商品房价格上涨。

（二）引致效应

引致效应的本意是通过一种产业的经济活动对另一产业产生影响，引致其他产业发生变化，实质上表现为一种间接影响。一个地区的创新水平对该地区的商品房价格并没有直接影响，但是区域创新会通过促进企业的资金、技术和人才流动等多种途径影响房地产市场，进而影响住房需求，最终引起商品房价格的变化。因此，创新要素通过集聚效应和扩散效应引致房地产的需求，产生引致效应。通过创新资源集聚，房地产的最终需求表现为人的需求，创新发达地区拥有丰富的资源、广阔的就业市场和优质的公共服务，可以创造更多发展空间，能够满足创新人才的更多需求，必然会吸引更多人才聚集，而创新型人才往往属于高端劳动力，拥有更高的收入水平，需要更好的生活条件，因此会刺激房地产市场发展，引起商品房价格上涨;发达地区快速上涨的房价会吸引资金向房地产市场流入，推动房地产行业发展，但同时会减少创新投入，抑制区域创新;便捷的信息网络有助于技术创新在不同地区之间进行交流，知识溢出有助于技术扩散，带动区域创新，影响一定区域内的商品房价格。此外，研究证实过高的房价会抑制人口流入[18]，促使企业研发活动向低房价区转移[19]，并对经济欠发达地区的科研人才集聚具有显著的抑制效应[20]。由于区域创新活动具有显著的空间特征，创新要素在区域间流动，从而对商品房价格产生影响。根据上述理论分析，提出如下研究假设。

假设1：随着城市创新要素集聚，城市创新水平不断提高，带动城市经济发展，房地产市场需求增加引起商品房价格上涨。

假设2：城市创新行为越强，创新资源相对越丰富，会在一定范围内产生影响，形成空间关联关系，带动区域经济发展，推动房地产市场发展。

假设3：城市创新行为具有很强的空间流动特征，对商品房价格波动会产生空间溢出效应。

三、计量模型设定与变量说明

（一）研究方法和计量模型设定

1.空间相关性检验

（1）空间权重矩阵。构建空间权重矩阵是空间计量分析的前提，地理空间权重W 采用各城市地理坐标经纬度通过MATLAP计算得到。

（2）空间自相关性。在使用空间计量方法前要进行空间相关性检验，如果变量存在空间相关性则可以使用空间计量模型。本研究采用ESDA 中的全局空间相关性指数来检验商品房价格的空间自相关性，Moran’s I指数是测量空间相关性的广泛指标。

其中，n 表示35个大中城市中的第n 个城市，W 为空间权重矩阵，Xi表示地区i 的指标变量，在本研究中表示商品房价格，Moran’s I指数介于-1～1，Moran’s I > 0表示空间正相关，Moran’s I 值越大表示空间相关性越强;Mo⁃ran’s I < 0表示空间负相关，Moran’s I值越小表示空间差异性越大。

2.计量模型设定

本研究首先运用面板计量模型检验城市创新行为对房价的直接影响，模型形式如式（2）所示。

考虑到城市创新行为对房价影响的空间特征，本研究在基准回归的参数估计的基础上构建考虑空间效应的计量模型，空间计量模型包括空间杜宾模型（SDM）、空间自回归模型（SAR）和空间误差模型（SEM），空间杜宾模型不仅考虑来自本地区自变量的影响，还考虑到相邻地区的影响。SAR、SEM、SDM具体模型分别如式（3）、式（4）、式（5）所示。

式（3）～（5）中，i 代表地区，Y 代表被解释变量，X 表示自变量。W 代表邻接空间权重矩阵，WX 表示加权后的空间滞后变量，μ、γ 分别表示地区个体效应和时间效应，v 为随机扰动项。

（二）变量选择

1.被解释变量

借鉴王荣和张所地[21]的做法，选取各城市商品房价格（hp）作为被解释变量来衡量房价水平。鉴于影响房价波动的因素有很多，本文选择的控制变量并不能涵盖所有可能的影响因素，需要进一步进行稳健性检验，说明本文选择的变量和模型的适配性，因此本文选择住宅商品房价格（zhp）作为稳健性检验的变量。

2.解释变量

目前学者们对城市创新行为的测度没有统一的定论，关于城市层面创新行为的衡量指标选择不同，不少学者认为创新产出是城市创新行为的重要体现，多选择创新研发投入、创新效率或专利授权量来表示，而专利授权量是一个地区创新能力的直接体现，因此本文选用专利授权量（pat）为解释变量。

3.控制变量

为避免遗漏变量而产生内生性问题，本研究选取人均GDP（pgdp）表示经济发展水平，普通高等院校在校学生数（edu）表示教育水平，房地产开发投资额（ire）表示房地产市场发展程度，分别作为控制变量纳入模型进行考量。

（三）数据来源

本研究使用2011—2019 年中国35 个大中城市的面板数据。数据来源于《中国城市统计年鉴》和各城市统计公报，商品房价格和住宅商品房价格来自《中国统计年鉴》。鉴于本文选择的商品房价格、住宅商品房价格、人均GDP、房地产开发投资额均属于经济指标，有关经济总量的数据在获取时均为现价;考虑到通货膨胀的影响，为让数据之间存在可比性，需要剔除通货膨胀的影响，本文以2011 年为基期，采用定期CPI 剔除通货膨胀的影响。数据描述性统计结果见表1。

四、实证结果分析

（一）空间相关性检验

根据式（1），采用统计软件Stata16，测算2011—2019 年35 個大中城市的专利授权量（pat）和商品房价格（hp）在地理距离权重下的莫兰指数。如表2所示，结果表明专利授权量和商品房价格均在1%水平下显著为正，说明两者在空间上均存在显著的空间相关性，城市空间内部存在明显的高-高集聚和低-低集聚特征。因此，需要考虑变量之间的空间溢出效应，从而能够更加准确地反映城市创新行为对房价波动的作用特征。

（二）平稳性检验

为避免t检验失效及伪回归等问题，本研究采用LLC方法对所有变量进行单位根检验。为进一步检验变量间是否存在长期均衡关系采用Kao检验对变量进行协整分析。从表3可以看出，各变量均通过了单位根检验，两阶和三阶通过协整检验，说明所有变量均为平稳序列，变量间具有长期均衡关系。

（三）基准回归参数估计结果分析

本研究分别采用混合回归、随机效应和固定效应进行回归分析，并作为参考对比。基准回归参数估计结果如表4所示，所有模型回归结果均显示城市创新行为对房价波动具有正向促进作用，且在1%显著性水平下通过检验，稳健性检验结果保持一致，说明该模型对选取变量适用。固定效应回归模型中F检验显示在1%水平下显著拒绝原假设，说明固定效应明显优于混合回归，应该允许每个个体拥有自己的截距项。此外，LM检验和Hausman检验均显示在1%水平下显著拒绝原假设，故选择固定效应模型。

城市创新行为对房价波动的影响系数为0.2317，说明城市创新行为每提升1%，房价上涨0.2317%。房地产市场发展程度和经济发展水平同样与房价波动显著正相关，影响系数分别为0.1781、0.3337，说明房地产发展程度和经济发展水平的提升均是商品房价格上涨的原因。由此，验证了假设1。

（四）空间杜宾模型结果分析

本研究运用空间杜宾模型（SDM）、空间自回归模型（SAR）和空间误差模型（SEM）进行检验，回归结果如表5所示。在三种模型下城市创新行为均通过了1%的显著性水平检验且系数均为正，说明城市创新行为对房价波动具有显著的促进作用，随着城市创新行为不断加强，城市房价会上涨，推动城市房地产市场发展。相关检验结果显示，LR 检验中SDM 和SAR 在1% 水平下通过显著性检验，SDM 和SEM 也在1% 水平下通过显著性检验，说明SAR和SEM均适用，因此选择同时包含两个模型的SDM，SDM的拟合优度最大，进一步说明SDM 更符合所选变量。Hausman检验结果在1%水平下通过显著性检验，最终选择具有固定效应的空间杜宾模型（SDM）。

空间自回归系数ρ 均在1%的水平上显著为正，说明房价波动的确具有显著的空间溢出效应，并且房价波动不仅会受到本地区相关因素的影响，还会受到邻近地区的影响。考虑空间溢出效应后，本城市房价波动受邻近地区城市创新行为的影响显著为正，邻近城市创新行为增强1%，本地区城市房价会上涨0.141%，说明城市创新行为增强，在带动本城市创新能力提升的同时会影响邻近城市，带动邻近城市开展创新活动，吸引创新人才，引起邻近城市商品房价格上涨。房地产市场发展程度和经济发展水平对邻近城市的影响在5%水平下通过显著性检验，且符号为正，影响系数分别为0.1771、0.1443，说明房地产市场发展和经济发展会引起邻近地区房价上涨。教育水平对邻近城市的影响在1%水平下通过显著性检验，符号为负，说明本地区教育水平的提升会吸引更多人才涌入，将不利于满足邻近城市对人才的需求，引起邻近城市房价向下波动。从回归结果中可以看出，城市创新行为是提升商品房价格的重要原因，一个城市的创新水平越高，商品房价格就越高。同时，城市创新水平对房价的影响表现出显著的空间溢出效应，与前文的分析结论保持一致，一地房价会受到邻近地区的影响。由此，验证了假设2。

（五）空间杜宾模型效应分解

上文分析表明城市创新行为对房价波动存在显著的空间溢出效应，为进一步分析城市创新行为对房价波动产生的空间溢出效应特征，对回归结果进一步进行效应分解。表6显示，城市创新行为对房价波动的直接效应、间接效应和总效应均在1%显著性水平下通过检验，且符号为正，影响系数分别为0.0827、0.5899和0.6726，其中总效应和间接效应的影响系数远大于直接效应，说明城市创新行为通过空间溢出效应对邻近城市房价波动的影响很大。房地产市场发展程度和经济发展水平对房价波动的直接效应不显著，间接效应和总效应分别在10%和1%水平下通过显著性检验且符号为正，与溢出效应存在一定差异，与SDM 模型回归结果相比，房地产开发投资额（ire）和人均GDP（pgdp）的回归系数有所增加，说明正向溢出效应更大。教育水平对房价波动的间接效应和总效应均在1%水平下通过显著性检验，符号为负，说明房地产市场发展程度和经济发展水平能够提升邻近城市商品房价格水平，教育水平会拉低邻近城市商品房价格水平。由此，验证了假设3。

五、结论及建议

（一）结论

本文通过研究城市创新行为与商品房价格波动之间的内在机理，并利用空间面板计量模型验证了城市创新行为对房价波动的空间效应。研究显示：第一，城市创新行为与商品房价格波动之间存在虹吸效应和引致效应，商品房价格波动和城市创新行为均存在显著的空间相关性;第二，城市创新行为是引起商品房价格上涨的重要原因，城市创新行为增强会促进房地产市场发展，从而提升商品房价格;第三，考虑空间相关性后，发现各变量对邻近城市商品房价格波动均具有显著性影响;第四，商品房价格波动存在很强的空间溢出效应，不仅受到本城市相关因素的影响，还会受到邻近城市的影响。

（二）建议

第一，发挥中心城市的辐射作用，推动区域创新发展。我国35个大中城市均为经济发展高地，这些城市不仅要鼓励本地创新行为，以优质创新资源进一步提升地区创新水平，同时也应做好带头模范作用，充分发挥中心城市的辐射能力，将先进的创新技术向周边城市扩散，扩大影响范围，带动整个区域创新发展，延伸城市圈半径，提升区域整体经济发展水平。

第二，强化资源互通，推动城市均衡发展。各城市应加强与邻近地区之间的信息交流，借助互联网高效的推动作用，综合考虑不同城市的创新资源状况，注重资源整合，打破城际壁垒，促进人员、技术等资源的高效交流，努力将空间溢出效应发挥出最大作用。通过资源扩散不仅能够带动周边城市发展，更有利于缓解中心城区的住房压力，解决高房价问题。可借鉴雄安新区的建设经验，打造新型城市，疏解集中承載地，平衡地区发展。

第三，提升人力资本，保障房地产市场健康发展。各城市要注重发展人力资本，中心城市在积极实施人才引进政策的同时应注意到区域间的统筹发展，避免恶性竞争导致资源极端不协调的状态，影响房地产市场的健康发展。人才引进需要结合本地资源特色，吸引人才聚集，更好地带动整个区域创新，赋予房地产市场外部优势，保障房地产市场持续健康发展。