房价波动对技术创新影响的空间效应分析——基于省级面板空间滞后模型

钟国辉姚金海

（1.中共江西省委党校 公共管理学教研部，江西南昌 330108；2.中共江西省委党校 经济学教研部，江西南昌 330108）

一、引言及文献综述

改革开放以来，越来越多的人转移到城市工作和生活，人口城镇化率不断上升，2021年中国城镇化率达到64.72%。伴随经济发展和城镇化率不断上升，中国的房价也不断上涨，尤其是进入21世纪后，高房价已经成为大部分城市经济社会发展中不得不面对的重要问题之一。国家统计局数据显示，2021年12月中国一线、二线和三线城市新建商品住宅价格同比分别上涨4.4%、2.8%和0.9%。对此，学术界展开了广泛的研究。陆子含等（2018）研究发现，房地产业拉动了中国固定资产投资，而固定资产投资对中国经济增长具有促进作用，从而得出了房地产业对中国经济发展具有拉动效应的结论。[1]刘建江和石大千（2019）认为，高度依赖房地产业的经济发展模式不利于中国经济健康、可持续发展，其负面作用已经日益凸显，尤其是在制造行业，高房价已经迫使部分企业搬离原有驻地。[2]周建等（2020）认为，当前依靠传统投资驱动经济发展的模式必然面对巨大挑战，为保障中国经济持续健康发展，必须转变经济发展方式。[3]熊彼特（2019）指出，技术创新是推动社会发展和国家进步的不竭动力，唯有通过技术创新，才能不断推动经济社会发展。[4]

关于技术创新影响因素，学者们从不同角度进行了探究。如：林炜（2013）从劳动力成本角度、[5]湛泳和李珊（2016）从金融发展水平角度、[6]徐乐和赵领娣 （2019）从产业政策角度、[7]王艳涛和谷晓莉（2019）从教育人力资本角度、[8]冯宗宪等（2020）从产权性质角度、[9]王超等（2021）从市场环境角度[10]进行了大量研究。随着房价不断上涨，越来越多的学者开始关注房价对技术创新的影响。王文春和荣昭（2014）研究发现，房价在快速上涨的过程中会吸引大量社会资本进入房地产行业，从而减弱企业的创新动力。[11]朱晨（2018）研究发现，房价上涨会对工业企业技术创新产生负向作用，尤其是对成立5年内的企业其负面影响更为明显。[12]罗双成和陈卫民（2019）指出，房价上涨会导致生产要素错配，房价过快上涨会抑制城市创新能力和创新规模，这一影响在中西部地区表现更加显著。[13]许瑞恒等（2020）认为，上市企业房地产投资行为会降低企业创新效率。[14]冯粲和孙晖（2021）发现，房价上涨会刺激企业将有限的金融资本投入房地产行业，从而对企业技术创新形成挤出效应，进而影响企业创新能力。[15]

地理学第一定律表明，在空间上各区域之间几乎都存在或强或弱的空间相关性。谢伟伟等（2019）研究发现，中国技术创新存在明显的空间相关性。[16]孟维福等（2020）构建了空间计量模型，以省级面板数据为样本进行实证研究，发现中国技术创新存在显著的空间溢出效应。[17]因此，在研究房价波动对技术创新影响的过程中，不仅要考虑房价对技术创新的直接影响，还要考虑房价对技术创新的空间溢出效应，即房价对技术创新的间接影响。鉴于此，笔者通过构建空间滞后模型，以中国省级面板数据为样本，实证研究了房价波动对技术创新影响的空间效应。

二、内在机制与研究假设

（一）房价上涨影响资本配置，对技术创新产生挤出效应

宏观经济环境会对区域创新能力产生影响，房地产业作为宏观经济的重要方面，必然对创新能力产生重要影响。兰茹佳（2015）认为，房地产是一种特殊商品，同时具有资产和消费两种属性。[18]Miao,J.&P.Wang（2014）依据泡沫理论进行了相关研究，发现房地产对经济增长存在挤占效应和信用缓解等两方面作用。[19]企业为促进自身发展向银行申请贷款时一般要提供相应抵押物，当房地产价格上涨时，企业拥有的抵押物市场价值就会上升，就可以更容易地从银行获取贷款。Krishnamurthy A.（2005）指出，资产泡沫可以提高企业资产的抵押价值，发挥资产流动性效应，有利于缓解企业融资约束。[20]伴随中国房地产业的迅猛发展，房地产投机性泡沫致使房价快速上涨，信用缓解又激励企业采取杠杆，促使社会资本进一步脱离实体经济，不利于生产性企业创新。就中国而言，余泳泽和张少辉（2017）认为，房价上涨抑制了区域技术创新，其中房价挤出效应是主要影响因素。[21]企业技术创新获取收益具有回收周期长、回报不确定性等特点，当房价快速上涨时，企业为了更快获取投资回报，更愿意将有限的资金投入房地产业，这会对技术创新产生挤出效应。内生经济增长模型认为，经济增长多依赖于通过增加研发投入带来的创新能力提升，因此人力资本和资金是影响一个区域创新能力的重要因素。Saint-Paul（1991）基于内生经济增长模型研究发现，房地产投资会挤占生产性投资，储蓄在向房地产投资转移时，会减少生产性投资，从而不利于经济增长。[22]余静文等（2015）利用中国35个大中城市相关数据进行了实证研究，发现房价每上涨1个百分点，企业研发投资占总资产的比重将下降0.05个百分点，而对房地产业的投入则相应增加。[23]

（二）房价上涨影响人才的住房选择，对技术创新产生负面影响

技术要创新，人才是关键。任何技术创新都离不开人才，尤其是具有创新意识的高层次专业技术人才。刘孝斌（2015）认为，人力资源决定了工业化进程中的城市创新能力，城市通过培养或引进人才等方式，有力提升了城市创新能力和水平。[24]余东华和王必好（2020）指出，增加人力资本可以提高全要素生产率及技术创新效率。[25]人力资本聚集会对技术创新产生重要作用，而房价上涨会影响人才的住房选择。人才迁徙到一个新的城市后，首先要面对的就是居住问题。在房价上涨过快、收入不变的情况下，意味着“人才”的住房购买力下降，这会阻碍人才聚集，进而影响该城市的技术创新。宋弘和吴茂华（2020）认为，高房价会显著降低大学生的本地就业概率，并导致高技术人才外流。[26]吴晓瑜等（2014）通过构建职业选择模型，对有房人群和无房人群的创业决策进行研究，发现房价快速上涨对创业风险较高的活动具有显著抑制作用。[27]此外，购房对于一个家庭而言是一项重大决策，在房价上涨时，家庭将大量资金用于购房，自然会弱化创新需求。

（三）在空间上，房价波动对技术创新的影响包含直接效应和间接效应

一般而言，区域越接近联系越紧密。新经济地理学认为，在一些大的区域或容易集聚有创新能力企业的城市，技术和资本在集中过程中，由于规模经济效应，不仅会促进自身经济增长，同时还会因空间溢出效应进而对相邻区域经济发展产生辐射作用。Bloom et al.（2013）研究发现，技术创新活动具有显著的空间溢出性。[28]通过空间传导，房价波动不仅对本区域技术创新产生影响，还会对相邻区域产生影响。因此，一个区域房价波动对技术创新的影响包含两方面：一是房价波动会对本区域技术创新产生影响，即直接效应；二是房价波动通过空间传导对相邻区域的技术创新产生影响，即间接效应。

基于上述房价波动对技术创新影响的内在机制分析，提出以下研究假设。

假设一：房价上涨对中国经济活动具有重要影响，其对中国技术创新的影响主要表现为负的作用；

假设二：由于空间溢出性，房价波动不仅会对本区域技术创新产生直接影响，还会对相邻区域技术创新产生间接影响。

三、模型构建与指标说明

（一）基础模型的构建

因变量：技术创新。考虑到数据的可比性和可衡量性，一般采用专利授权数量或专利申请数量来予以描述。但申请人在递交专利申请时，并非每一项专利申请都会得到相关管理部门授权，实践中，专利授权数量小于专利申请数量，因此采用专利授权数量表示技术创新。专利授权数量包括发明、实用新型和外观设计专利。

自变量：房价。由于是以省级面板数据来研究全国层面房价波动对技术创新的影响，因此采用各省份商品房销售额与商品房销售面积之比来表示房价。

控制变量：其他变量。技术创新不仅会受到房价波动的影响，还会受到其他因素的影响，为使模型回归结果更加准确，笔者将其他变量作为控制变量纳入模型中进行回归分析。具体包括科学技术支出、教育支出、每年各省份大学生毕业人数、卫生健康支出、社会保障和就业支出、国内生产总值、城镇化率。构建的基础模型如下。

其中，Y表示技术创新，C表示常数项，HP表示房价，TE表示科学技术支出，EE表示教育支出，NG表示大学生毕业人数，HE表示卫生健康支出，SE表示社会保障和就业支出，GDP表示国内生产总值，UR 表示城镇化率，ε 表示随机扰动项，α1、α2、α3、α4、α5、α6、α7、α8为模型系数。 但如果直接对式（1）进行回归分析，回归结果可能会违背残差服从正态分布的假设。因此，首先对式（1）两边取自然对数，促使残差项同方差，且服从正态分布。同时，对模型取自然对数以便于模型经济解释，它表示房价波动对技术创新的弹性系数。对式（1）两边取自然对数后可得到如下模型。

θ1、θ2、θ3、θ4、θ5、θ6、θ7、θ8为模型系数。

（二）空间滞后模型的构建

空间相关性是指各区域间的样本观测值存在相关性，Paelinck&Jean H.（1979）最早提出了空间计量经济学的概念，[29]对实证研究各区域间的空间相关性作出了重要贡献。在构建空间计量经济学模型过程中，空间相关性主要表现为误差项的滞后项或因变量的滞后项，前者称为空间误差模型（SEM），后者称为空间滞后模型（SAR）。空间误差模型主要考虑相邻省份因变量的误差冲击对本省份的影响。Fingleton B.（2004）认为：在经济发展过程中，各区域的空间溢出性主要表现为技术创新的扩散性，误差冲击的作用相对较小，而空间滞后模型更有利于解释技术创新的外溢性。[30]因此，笔者构建了空间滞后模型来研究房价波动对技术创新影响的空间效应。为使模型获取更多样本特征、增加模型检验自由度、提高空间滞后模型估计结果的准确性，进而切实反映中国房价波动对技术创新影响的空间效应，笔者采用省级面板数据进行实证研究。构建的省级面板空间滞后模型如此下。

其中，δt为时间固定效应；∂i为省份固定效应；β为空间滞后项系数，相邻省份技术创新每提高1%，该省份技术创新将提高β%；W表示技术创新在空间溢出过程中的空间权重，是与相邻区域技术创新能力紧密联系的空间矩阵，但空间权重是外生变量，n×n维空间权重表示如下。

为减少相邻区域其他因素的影响，对空间权重进行标准化处理，即，因此标准化处理后各行元素之和等于1，但各列元素之和未必等于1。在计算权重时，相邻区域的邻近分为Rook邻近与Queen邻近，Rook邻近是指相邻省份间有共同边界，Queen邻近是指相邻省份不仅有共同边界，还拥有共同顶点。笔者采用Rook邻近进行计算，因此只要有共同边界，就可认为省份间是邻近的。其中，广东与海南虽然隔海相望，没有陆地共同边界，但交通相对比较方便，经济联系也比较密切，在测算权重过程中，认定两省是邻近的。采用二进制测算空间权重，当两省份间相邻，则取值1，反之，取值为0。

房价波动对技术创新影响的空间效应包含直接效应与间接效应，依据式3可知，直接效应为θ1%，表示该省份房价每波动1%，技术创新将变化θ1%。由于空间滞后项系数为β，因此，房价波动的间接效应为β×θ1%，表示相邻省份房价每波动1%，该省份技术创新将变化β×θ1%。

四、实证研究

（一）数据说明

笔者以2007—2020年中国31个省份省级面板数据为样本进行研究。其中，专利授权数量、房价、科学技术支出、教育支出、卫生健康支出（在年鉴中，2013—2018年称为医疗卫生与计划生育支出，2007—2012年称为医疗卫生支出）、社会保障和就业支出、国内生产总值、城镇化率、大学生（本科、专科学生）毕业人数等数据均来源于相关年份《中国统计年鉴》。考虑到数据的可比性，以2007年为基期，利用居民消费者价格指数将房价、国内生产总值及各项财政支出等数据折算到基期年，居民消费者价格指数来源于相关年份《中国统计年鉴》。相关数据统计性描述见表1。

表1 2007—2020年各项指标统计性描述

由表1可知，专利授权数量最大值为709725件，最小值仅为68件，前者是后者的10437倍，标准差达到80254；房价最大值为27082元/平方米，最小值为1849元/平方米，前者是后者14.64倍；科学技术支出、教育支出、卫生健康支出、社会保障和就业支出的最小值分别为2亿元、34亿元、11亿元、17亿元，与最大值之间的差额也较大，表明各区域间财政支出很不平衡；国内生产总值、城镇化率、大学生毕业人数等数据自身间的差距也较大。离散系数可以反映不同数据（指标）间的离散程度，其中，专利授权数量的离散系数最大，达到1.89，表明各区域间的技术创新能力存在很大差距。科学技术支出的离散系数排在第二位，达到1.35。

（二）单位根检验与协整检验

为避免空间滞后模型出现伪回归，首先对专利授权数量 （LnY）、房价 （LnHP）、科学技术支出（LnTE）、教育支出（LnEE）、卫生健康支出（LnHE）、社会保障和就业支出 （LnSE）、国内生产总值（LnGDP）、城镇化率 （LnUR）、大学生毕业人数（LnNG）等指标的自然对数进行单位根检验。单位根检验包含异质单位根检验和同质单位根检验，采用的方法分别为Fisher-ADF检验和LLC检验。检验结果如表2所示。

表2 异质单位根与同质单位根检验结果

由表2可知，在未差分的条件下，LnY、LnHP、LnNG未通过异质单位根检验，LnNG未通过同质单位根检验，但在一阶差分条件下，上述变量均通过了异质单位根检验和同质单位根检验，表明△LnY、△LnHP、△LnTE、△LnEE、△LnHE、△LnSE、△LnGDP、△LnUR和△LnNG为平稳序列。

在一阶差分平稳的条件下，笔者进行Kao检验。由表3可知，Kao检验的T统计量为-5.59，P值为0.00，说明数据间存在协整关系，表明在实证研究房价波动对技术创新影响的空间效应过程中，所构建的模型不会出现伪回归现象。

表3 Kao检验结果

（三）空间滞后模型估计

何江和张馨之（2006）的研究结果表明，空间滞后模型回归不适合采用最小二乘法估计，因为在实证研究过程中，会导致模型估计结果有偏差、非一致。[31]因此，空间滞后模型一般采用ML方法估计，但 Kelejian H.H.&Prucha I.R.（1999）认为，如果研究的数据是面板数据，此时直接采用ML方法估计也存在问题。[32]在空间计量模型回归中，空间相关性检验是一个重要环节，在截面数据中一般采用Moran指数进行检验，但Moran指数不能直接应用到面板数据中进行检验。何江和张馨之（2006）认为，将分块对角矩阵C=IT⊗WN替代Moran指数中的空间权重矩阵，就可以将传统的Moran指数应用到空间面板数据中进行空间相关性检验。在实证研究中，使用Matlab软件并采用Elhorst＆Lesaget编制的程序就可以完成空间滞后模型回归和检验。笔者首先依据式（2）建立面板数据随机效应模型，回归之后再进行Hausman检验，发现自由度为8时，X2的值为37.06，在1%的显著性水平上支持固定效应模型。固定效应空间滞后模型可划分为时间固定效应模型、地区固定效应模型及双向固定效应模型（同时固定时间与地区），模型估计结果如表4所示。

表4 固定效应空间滞后模型估计结果

由表4可知，Moran指数为0.18，并且在1%的显著性水平上显著，表明中国技术创新存在较强的正的空间相关性。因此，在实证研究中，如果未考虑空间相关性，研究结果将产生偏差。LM－lag和Robust LM－lag的统计量分别为29.33和37.56，在1%的显著性水平上显著，说明选择固定效应空间滞后模型是合理的。从空间滞后项系数分析，时间固定效应模型、地区固定效应模型、双向固定效应模型的系数分别为-0.09、0.38、0.10，其中，时间固定效应模型的空间滞后项系数为负，与Moran指数为正不符，同时该系数也不显著，可以认为，时间固定效应空间滞后模型不适合对本研究进行经济解释。在模型分析过程中，一般利用拟合优度（R2）来反映模型对观测值的拟合程度，但传统的R2是利用残差平方和的分解，不适合空间滞后模型的解释。Verbeek M.A.（2004）认为,空间效应的拟合优度（Corr2）可以用拟合值与实际值相关系数的平方来测算，从而反映模型的拟合优度。[33]由表4可知，双向固定效应空间滞后模型的拟合优度（Corr2）为0.32，模型对观测值的拟合程度较差，表明双向固定效应空间滞后模型不适合对本研究进行经济解释；其他两个模型的拟合优度（Corr2）分别为0.92和0.94，基于模型各项检验结果，笔者采用地区固定效应空间滞后模型来分析房价波动对技术创新影响的空间效应。

从地区固定效应空间滞后模型可知，空间滞后项系数为0.38，并且在1%的显著性水平上显著，说明相邻省份技术创新每提高1%，该省份技术创新将提高0.38%，即中国技术创新能力具有很强的正的空间相关性，也进一步表明：如果不考虑空间相关性影响因素，模型估计结果将产生偏差。房价系数为-0.67，且在1%的显著性水平上显著，表明房价波动的直接效应为-0.67%，说明房价每提高1%，技术创新将下降0.67%，即房价上涨对技术创新具有抑制作用，验证了假设一的合理性。由于空间溢出性，房价波动不仅具有直接效应，还具有间接效应。房价波动的间接效应为：由于空间滞后项系数为0.38，可以测算出房价波动的间接效应为-0.25%，说明相邻省份房价每上涨1%，该省份技术创新将下降0.25%，验证了假设二的合理性，即房价波动不仅对本区域技术创新有直接影响，还对相邻区域技术创新有间接影响。

从地区固定效应空间滞后模型其他变量分析，教育支出的系数为0.16，即教育支出每提高1%，技术创新将提升0.16%；科学技术支出的系数为0.29，即科学技术支出每提高1%，技术创新将提升0.29%，表明提高教育支出、增加科技创新投入可以提升技术创新能力；卫生健康支出与社会保障和就业支出的系数分别为0.18和0.19，即卫生健康支出每提高1%，技术创新将提升0.18%，社会保障和就业支出每提高1%，技术创新将提升0.19%，说明技术创新中人才最为关键，良好的医疗、养老、就业保障可以吸引人才并保障人才就业和工作，从而提升技术创新能力；国内生产总值每提高1%，技术创新将提升0.40%，表明经济发展是技术创新发展的物质基础，对提高技术创新能力具有促进作用；城镇化率每提高1%，技术创新将提升0.31%，表明城镇化率越高，城镇人口集聚水平也越高，有利于发挥人才聚集的规模效应，进而促进技术创新能力水平提升；大学生毕业人数每提高1%，技术创新将提升0.45%，说明大学毕业人数增加可以加强后备人才储备，夯实创新人才队伍，进而推进技术创新能力提升。

五、对策建议

第一，建立长效机制，有效调控房地产市场。房地产业是中国宏观经济的重要组成部分，有效调控房地产市场，不仅有利于宏观经济可持续发展，还有利于地区技术创新能力水平提升。一是保障住房刚性需求，抑制投机性需求。可采取差别化的房地产宏观调控政策，对首次购房的需求者应适当降低贷款利率、贷款首付比等；对改善性住房的二套房需求者，可适当提高贷款利率和贷款首付比；对三套及以上的购房需求者应采取限购、限贷等政策，既可以合理降低需求端的需求数量，又可以保障住房刚性需求者的权益。二是适时推出房地产税政策，全国人大常务委员会已授权国务院在部分地区开展房地产税改革试点工作。适时推出房地产税政策不仅有利于引导消费者理性购房，而且有利于充实地方财政收入，进而有效调控房地产市场。

第二，建立区域协调机制，平衡房价间接效应。房价上涨不仅会对本区域技术创新产生直接影响，还会通过空间传导机制对相邻区域的技术创新产生间接影响。应尽快建立区域协调机制，平衡房价间接效应。一是协调区域间土地利用计划指标。土地作为最基本的生产要素，是房地产建设过程中不可或缺的要素，是影响房地产供给和房价波动的重要因素。对房价过快上涨的区域，可采取增加本区域土地利用计划指标的措施，同时通过区域间土地利用计划指标协调机制，推进土地利用计划指标在相邻区域间的流动，以此提高土地配置效率，抑制房价过快上涨。二是推进相邻区域间要素的有效流动。技术创新能力在相邻区域间存在正的空间溢出性，各区域间要紧密联系，摒弃地方保护主义，促进人口、资本等要素流动，推进区域间的公平竞争，降低房价过快上涨对技术创新的影响。

第三，加大财政投入力度，促进技术创新发展。一是加大对科技支持的财政投入力度，通过直接投资、奖励、补助等方式，促进技术创新。二是加大卫生健康投入、社会保障和就业投入，尤其要加大对欠发达地区、农村地区的卫生健康投入、社会保障和就业投入力度，不断缩小区域间、城乡间差距，促进基本公共服务均等化，确保技术创新在各区域间实现均衡发展。三是加大教育投入力度，培养出更多高素质人才，夯实技术创新人力资源基础。