经济集聚、空间溢出与城市劳动生产率①——基于空间面板模型的实证研究

王猛，高波，南京大学经济学院，江苏南京210093

李勇刚，安徽财经大学经济学院，安徽蚌埠233030

经济集聚、空间溢出与城市劳动生产率①
——基于空间面板模型的实证研究

王猛，高波，南京大学经济学院，江苏南京210093

李勇刚，安徽财经大学经济学院，安徽蚌埠233030

本文利用2003—2011年中国城市面板数据，建立空间计量模型，考察经济集聚对城市劳动生产率的影响。根据柯善咨、向娟（2012），文章修正了现有文献忽略城市资本存量所导致的内生性偏误，以得到更加可靠的估计结果。研究表明，控制了城市资本存量、产业结构、人力资本、财政支出和基础设施等因素后，经济集聚对城市劳动生产率有着显著为正的作用，作用强度在城市间存在差异：东部城市经济集聚的劳动生产率效应强于西部城市，弱于中部城市。同时，邻近城市的劳动生产率会相互促进，即存在劳动生产率的空间溢出，这在东部城市中最为明显。研究结论为中国城市劳动生产率差异提供了一种经济集聚视角的解释。

劳动生产率；经济集聚；空间面板模型；资本存量

一、引言

劳动生产率提高是经济增长的最终表现。格里高利·曼昆（2012）[1]指出，“一国的生活水平取决于它生产物品与劳务的能力……几乎所有生活水平的变动都可以归因于各国生产率的差别——这就是一个工人一小时所生产的物品与劳务量的差别。”劳动生产率存在空间上的差异，这在中国尤为明显。仅就中国地级城市而言，2011年劳动生产率排名前十位城市的均值是最后十位城市均值的近6倍。相差悬殊的劳动生产率，反映的是城市间居民生活水平的巨大差异。从缩小区域贫富差距、实现城市协调发展的角度来看，探讨中国城市劳动生产率差异产生的原因，具有迫切性与现实意义。

区域和城市经济学研究中，学者们将经济集聚视为影响劳动生产率的重要因素。Shefer（1973）[2]以城市规模作为经济集聚的代理变量，利用美国1967年标准都市统计区的分产业数据，对城市规模与劳动生产率的关系进行经验分析，研究发现城市规模扩大1倍将使生产率提高14%～27%，Sveikauskas（1975）[3]则认为这一影响仅有6%～7%。Segal（1976）[4]对早期研究的资本存量测量加以改进，发现城市人口在200万及以上时，城市规模扩大1倍可以提高大约8%的生产率。Fogarty and Garogalo（1978）[5]发现，当城市人口加倍时，劳动生产率提高约10%，Moomaw（1981）[6]的研究则显示这一效应为2.7%。Ciccone and Hall（1996）[7]提出理论模型来解释生产率与经济密度的关系，在此基础上利用美国各县的数据进行检验，计量结果显示经济密度越高则生产率越高。此后的研究也发现，经济活动密度能显著促进区域或城市的劳动生产率（Glaeser and Maré，2001；Ciccone，2002；Ottaviano and Pinelli，2006）[8][9][10]。

对于中国区域和城市劳动生产率差异的成因，研究者也从经济集聚视角予以探讨，相关文献可分为两类。一类文献着眼于整体经济活动的集聚研究。如，范剑勇（2006）[11]利用中国2004年地级和副省级城市数据，发现非农劳动生产率对非农就业密度的弹性系数为8.8%左右。陈良文等（2008）[12]基于北京市2004年经济普查数据，发现经济密度与劳动生产率之间存在显著的正向关系，劳动生产率对产出密度、就业密度的弹性分别为11.8%和16.2%，高于欧美平均水平。刘修岩（2010）[13]利用2001－2007年城市面板数据的分析表明，城市的就业密度对其非农劳动生产率存在着显著的正向影响。毛丰付、潘加顺（2012）[14]基于中国1995－2010年地级城市数据的研究也发现，城市规模、人口集聚等因素对中国城市劳动生产率的提升有显著促进作用。另一类文献则考察某一产业或行业的集聚。柯善咨、姚德龙（2008）[15]利用2005年截面数据，分析地级城市的工业集聚和劳动生产率的关系，结果表明中国工业的相对集聚和劳动生产率互为因果、互相强化，工业集聚和劳动生产率在相邻城市间有明显的空间黏滞性和连续性。童馨乐等（2009）[16]对1978－2006年省际数据的经验研究显示，以区位熵、集中系数和服务业占GDP比重衡量的服务业集聚程度的指标，均对服务业劳动生产率具有显著的正向影响。洪进等（2011）[17]92－102基于1999－2007年省际面板数据，考察了创意阶层的空间集聚效应，发现创意阶层集聚对劳动生产率的影响显著为正。

本文认为，上述文献拓展了经济集聚与劳动生产率关系的研究，但仍存在两方面缺陷。首先现有文献忽略了城市资本存量。对劳动生产率的研究建立在生产函数基础上，而资本作为基本的投入要素，是生产函数中的主要自变量之一，理应在经验研究中进入计量模型，这也是国外代表性文献的通常做法。忽略城市资本存量将使估计结果出现遗漏变量导致的内生性问题。然而可能是受限于数据可得性，除毛丰付、潘加顺（2012）[14]外，文献在建立计量模型时，或者直接略去资本存量，或者用投资等变量进行替代。而毛丰付、潘加顺（2012）[14]在对城市资本存量的测算过程中，也存在城市市辖区占各省的资本存量比重等于GDP比重等不合实际的假定。因此，有必要用更加合理的测算方法，在计量模型中引入城市资本存量。其次，现有文献大都未考虑城市经济活动的空间溢出对劳动生产率的影响。Anselinetal.（2004）[18]指出，区域和城市研究中如果忽略空间相关性，将造成估计系数的有偏。事实上，城市之间因其经济和贸易联系而存在空间相关性，某一城市的经济不可避免地受其他城市经济空间溢出的影响，这种空间溢出在运输网络日益发达的今天尤为重要（李煜伟、倪鹏飞，2013）[19]，所以有必要在城市劳动生产率研究中引入空间相关性。而在当前文献中，仅有柯善咨、姚德龙（2008）[15]在工业集聚和劳动生产率的研究中考虑过空间溢出，在研究城市经济集聚的劳动生产率效应时则需进一步拓展。

基于以上理由，本文利用2003－2011年中国城市面板数据，实证估计经济集聚对劳动生产率的影响。相对于已有研究，本文有两个可能的边际贡献：第一，严格按柯善咨、向娟（2012）[20]的方法测算了城市资本存量，并将该变量引入计量经济模型，缓解了因遗漏变量而产生的内生性问题；第二，充分考虑城市间的空间相关性，证实邻近城市的劳动生产率会相互促进，即存在劳动生产率的空间溢出。

二、研究设计

（一）基本计量模型

假设城市具有规模收益不变的生产技术，且受益于经济集聚，则城市i在t期的生产函数可表示为

其中，Y为城市产出，K、L分别表示城市的资本和劳动投入，A为影响产出的经济集聚等其他因素。对式（1）两边同时乘以1/L并取对数，建立基本计量模型：

其中，（Y/L）it表示城市劳动生产率，（K/L）it表示城市劳均资本存量，Zit为衡量经济集聚程度的指标，Xit为一组影响城市劳动生产率的控制变量，β0、β1、β2和β3为待估计系数，εit为随机误差项。

（二）空间计量模型

基本计量模型忽略了城市经济活动的空间溢出对城市劳动生产率的影响，有必要进一步引入空间相关性。在式（2）中增加空间滞后被解释变量，建立空间滞后模型（SLM）：

其中，ρ为空间滞后系数，度量其他城市的劳动生产率加权和对某一城市劳动生产率的影响；W为空间权重矩阵，且W＝IT⊗WN，其中IT为T×T单位矩阵，WN为N×N方阵，T、N分别代表时期数、城市数，⊗表示Kronecker乘积。

在式（2）中增加空间误差变量，建立空间误差模型（SEM）：

其中，λ为空间误差系数，反映了影响其他城市劳动生产率的不可测因素对某一城市劳动生产率的影响程度；μit是误差向量。空间权重矩阵W同上述。

本文从地理特征和社会经济特征两个角度，分别建立空间权重矩阵。地理距离权重矩阵以各城市的经纬度坐标确定城市间距离，再以城市间距离的倒数作为权重，并将矩阵标准化为每行元素之和为1。经济距离权重矩阵在考虑经纬度坐标的同时，以某一城市各期GDP平均值占全部城市各期GDP平均值的比重作为权重，并将矩阵标准化为每行元素之和为1。

（三）变量和数据

本文计量分析选取2003－2011年中国地级城市的面板数据。数据主要来自历年《中国城市统计年鉴》。考虑地级城市通常下辖农村地区，若采用全市口径的统计数据，将低估经济集聚的效应，因此本文采用各地级市的市辖区口径数据。为保证数据的完整性和一致性，首先剔除数据缺失的拉萨，以及巢湖、铜仁和毕节3个撤销或新设市，再将考察期内市辖区面积变化较大的73个城市剔除，然后剔除人力资本数据不完整的8个城市，本文最终选取样本城市204个。各变量具体说明如下。

城市劳动生产率（Y/L）用市辖区GDP与从业人员的比值表示，当年GDP按平减指数调整为2003年不变价格。

劳均资本存量（K/L）用市辖区资本存量与从业人员的比值表示。此前，由于缺乏系统的城市资本存量测量文献，研究者不得不采用各种方法估计、替代甚至忽略城市固定资本存量，由此得到的计量结果自然缺乏可靠性。本文对城市资本存量的测算严格按柯善咨、向娟（2012）[20]所提供的方法实施，具体步骤为：（1）调整市辖区范围。为使各城市各年的资本存量估算值具有可比性，以2009年地级市及其市辖区范围为标准，对2003－2011年间行政区划发生变动的城市数据进行调整，并将缺失的部分数据补齐。（2）计算投资价格总指数。将投资价格总指数视为建筑安装工程、设备工具器具购置、其他三大类资本品各自价格指数的加权和，并将其转换为以2003年为100的累计价格指数。（3）计算投资序列′。投资序列用新增固定资产表示，是经过价格总指数调整的当年和前两年全社会固定资产投资额I的算术平均数，即＝（It－2＋It－1＋It）/3。（4）确定经济折旧率δ。根据柯善咨、向娟（2012）[20]及单豪杰（2008）[21]，确定经济折旧率为10.96%。（5）计算初始资本存量K0。用公式K0＝（1＋g）/（g＋δ）计算2003年资本存量，其中I0′为2003年新增固定资产，g为2003－2011年各城市市辖区新增固定资产的几何平均增长率。（6）用永续盘存法计算市辖区资本存量，所用公式为Kt＝Kt－1（1－δ）＋′。

经济集聚的衡量，有规模指标和密度指标两种，通常认为后者更能反映区域或城市的集聚特征。本文用人口密度（popd）即市辖区年末总人口与市辖区土地面积的比值来表示城市经济集聚。

考虑到城市间的异质性因素对劳动生产率的影响，加入人力资本（edu）、产业结构（ins）、财政支出（fisc）和基础设施（road）等控制变量。限于数据可得性，基于中国宏观数据的研究一直无法很好地度量人力资本，本文借鉴国内外学者在面临数据约束下的通常做法（Heckman，2005）[22]，用市辖区每万人中高等学校在校生数作为人力资本的代理变量。参照毛丰付、潘加顺（2012）[14]，以市辖区第二产业占GDP的比重来近似代表工业化水平，用于衡量产业结构对劳动生产率的影响。财政支出为市辖区地方财政预算内支出占GDP的比重，用以衡量政府行为对劳动生产率的影响。为控制基础设施对城市劳动生产率的作用（刘修岩，2010）[13]，本文用市辖区人均铺装道路面积作为基础设施的代理变量。

变量的描述性统计如表1所示。

表1 变量的描述性统计

为直观反映核心解释变量和被解释变量的关系，描绘人口密度和劳动生产率的散点图（图1）。由图可见，人口密度与劳动生产率间存在明显的正向线性关系。为避免估计中的异方差问题，对人口密度、人力资本数据也做对数化处理。

图1 拟合散点图

三、计量结果及分析

（一）空间相关性检验

使用空间计量模型前，需要检验被解释变量的空间相关性。我们采用Moran’s I指数测度劳动生产率的空间相关性，结果见表2。Moran’s I指数显示，各年份的劳动生产率都表现出较强的空间相关性，虽然这种空间相关性有随时间减弱的趋势。与地理距离权重矩阵相比，基于经济距离权重矩阵的空间相关性更强。空间相关性的存在，表明有必要采用空间计量方法进行估计。

表2 城市劳动生产率的空间相关性（Moran’s I）

（二）全样本估计结果

进行回归分析之前，Hausman检验结果表明，固定效应模型优于随机效应模型。进一步，采用拉格朗日乘数检验（LM检验）选择空间计量模型。LM检验结果显示，应选择空间滞后模型（SLM）进行回归。作为对比，本文同时报告空间误差模型（SEM）的回归结果。对全样本进行估计的结果列于表3。

就基本计量模型而言，FE结果显示人口密度的估计系数为0.22，且在1%水平显著，表明经济集聚对劳动生产率有促进作用。在空间计量模型中，这一估计系数有所改变。一般认为，经济距离权重矩阵与地理距离权重矩阵相比，包括了其他多种非地理邻近因素的综合影响，对空间相关性的刻画更为准确。因此，我们对经济集聚的劳动生产率效应的分析，基于表3中经济距离权重矩阵下的SLM模型。该模型估计结果中，人口密度的估计系数为0.16，且在1%水平显著，表明经济集聚程度越高，城市的劳动生产率越大。从集聚的微观基础看，城市的经济集聚会产生正的外部性，包括货币外部性和技术外部性（Scitovsky，1954）[23]。在集聚经济三大来源中，劳动力共享和中间投入品共享会产生货币外部性，知识溢出则产生技术外部性（Marshall，1920）[24]。正的外部性的存在会显著提升城市劳动生产率。

空间滞后系数ρ的估计系数为0.14，且在1%水平显著，表明劳动生产率的空间溢出是存在的，邻近城市的劳动生产率之间存在互相促进的作用。劳动生产率在相邻城市间有明显的空间黏滞性和连续性（柯善咨、姚德龙，2008）[15]。由于经济、贸易和交通上的联系，城市间存在空间相关性，某一城市的经济活动不可避免地受其他城市的影响，因此相邻城市间的劳动生产率水平通常较为接近。这有助于理解发达地区和欠发达地区均呈块状分布的经济现实。

模型也估计了控制变量对劳动生产率的影响。劳均资本存量的系数为0.50，且在1%水平显著，说明劳均资本存量每增加1%会引起城市劳动生产率增加0.5%，可见本文在已有研究基础上引入资本存量是有意义的。财政支出占比为负，显示政府的财政行为对城市劳动生产率的提高产生阻碍作用，然而这一作用不够显著。基础设施的估计系数为正，且在5%水平显著，表明基础设施促进了城市的劳动生产率的提高。人力资本的估计系数在1%水平显著为正，再次验证了人力资本与劳动生产率之间的正向关系。而产业结构的系数显著为正，说明在中国工业化先于城市化发展的现阶段，工业化水平对城市劳动生产率的影响不容忽视（李钢等，2011）[25]。

表3 全样本估计结果

（三）分地区样本估计结果

中国区域间发展水平差异明显，经济集聚的劳动生产率效应也可能存在差异，因此，进一步将全国按东、中、西部划分，进行回归估计。204个样本城市中，东部城市73个，中部城市69个，西部城市62个。限于篇幅，报告基本计量模型的FE估计结果、经济距离权重矩阵下的空间计量结果，如表4所示。

表4 分地区样本估计结果

与全样本情况类似，我们基于SLM模型分析经济集聚的劳动生产率效应。在SLM模型中，经济集聚的系数估计值均在5%水平显著，其中东部城市的系数为0.13，小于中部城市的0.20，大于西部城市的0.11。可见，经济集聚对城市生产率的影响存在明显的地区差异。针对这一结果，结合经济集聚程度在东、中、西部城市逐渐减弱的事实（例如，2011年样本中东部城市市辖区平均每平方公里有1 273人，在中、西部城市这一数字分别为1 024人和570人），我们推测经济集聚的作用可能服从某种先增强后减弱的“倒U形”规律：中部城市的经济集聚处于最优水平；西部城市经济集聚弱于中部城市，其劳动生产率效应弱于中部城市；而东部城市经济集聚强于中部城市，其劳动生产率效应较中部城市有所减弱。这也从侧面进一步验证了Au and Henderson（2006）[26]所提出的净城市经济集聚与城市人口规模间存在倒U形关系的结论。当然，对东部城市经济集聚效应大于西部城市而小于中部城市这一现象的解释，有待进一步的研究。

空间滞后系数ρ的系数估计值均在1%水平显著，其中东部城市为0.15，大于中部城市的0.09和西部城市的0.10，这说明东部城市的空间溢出效应更大。由于现代化交通网络和信息技术的推动，东部城市间的交流更加密切，人员、物资和知识的流动更为通畅，而且东部城市已形成长三角、珠三角和环渤海等城市群，区域一体化程度较中、西部城市更高，这些显然更有利于劳动生产率的空间溢出。

（四）稳健性检验

为验证上述计量结果的可靠性，有必要进行稳健性检验。稳健性检验的方法通常包括改变样本范围、选择不同解释变量、变化参数取值等。本文用城市产出密度（市辖区GDP与土地面积的比值）替换人口密度，作为经济集聚的代理变量进行回归分析，结果列于表5。

从估计结果来看，在地理距离权重矩阵、经济距离权重矩阵下SLM模型中产出密度的系数分别为0.11和0.14，且均在1%水平显著；空间滞后系数ρ的系数分别为0.09和0.04，且均在1%水平显著。这与表3中的估计结果类似。此外，控制变量的系数符号也未发生反转，政府支出变量的显著性有大幅提高。本文的计量结果是稳健的。

表5 稳健性检验

四、结论

利用2003－2011年中国城市面板数据，本文通过构建空间计量模型，考察经济集聚对城市劳动生产率的影响。研究中处理了现有文献忽略城市资本存量所产生的内生性偏误，从而得到更加可靠的估计结果。研究表明，控制了城市资本存量、产业结构、人力资本、财政支出和基础设施等因素后，经济集聚对城市劳动生产率有着显著为正的作用，作用强度在城市间存在差异：东部城市经济集聚的劳动生产率效应强于西部城市，弱于中部城市。同时，邻近城市的劳动生产率会相互促进，即存在劳动生产率的空间溢出，这在东部城市中最为明显。研究结论为城市经济学理论提供了一个来自发展中国家的实证支持，也从经济集聚视角解释了中国劳动生产率的城市差异。

本文的结论具有明确的政策含义。第一，在城市发展过程中应充分发挥经济集聚的劳动生产率效应。通过实施户籍制度和土地制度的联动改革（陆铭、陈钊，2009）[27]，鼓励农业劳动力向城市的转移，实现工业化和城市化的协同发展。同时政府要顺应产业跨区域集聚的趋势，鼓励中西部地区劳动力向东部沿海地区的流动，以及沿海地区向内地的产业转移和产业升级（高波等，2012）[28]。第二，应充分发挥城市劳动生产率的空间溢出效应。同一区域的城市之间应打破城市分割，通力合作，根据各城市的比较优势形成合理的产业分工布局，同时加强城际交通基础设施的建设以促进城市间交流。在有条件的地区，打造具备全国乃至世界竞争力的城市群，实现集约发展。第三，本文的研究表明城市资本存量对城市劳动生产率的影响不容忽视，在中国城市经济增长过程中仍然要重视资本深化的作用。

[1]（美）曼昆：《经济学原理》，梁小民译，北京：北京大学出版社2012年版。

[2]Shefer D.“Localization Economies in SMSAs：a Production Function Analysis”，Journal of Regional Science，1973，13：55－64.

[3]Sverikauskas L.“The Productivity of Cities”，Quarterly of Journal of Economics，1975，89：393－413.

[4]Segal D.“Are there Returns to Scale in City Size”，Review of Economics and Statistics，1976，58：339－350.

[5]Fogarty M.S.，Garofalo G.A.“Urban spatial structure and productivity growth in the manufacturing sector of cities”，Journal of Urban Economics，1978，23：60－70.

[6]Moomaw R.L.“Productivity and City Size：A Review of the Evidence”，Quarterly Journal of Economics，1981，96：675－688.

[7]Ciccone A.，Hall R.E.“Productivity and the Density of Economic Activity”，American Economic Review，1996，86：54－70.

[8]Glaeser E.，Maré D.“Cities and Skills”，Journal of Labor Economics，2001，19（2）：316－342.

[9]Ciccone A.“Agglomeration Effects in Europe”，European Economic Review，2002，46：213－227.

[10]Ottaviano G.I.，Pinelli D.“Market Potential and Productivity：Evidence from Finnish Regions”，Regional Science and Urban Economics，2006，36：636－657.

[11]范剑勇：《产业集聚与地区间劳动生产率差异》，载《经济研究》2006年第11期。

[12]陈良文、杨开忠、沈体雁、王伟：《经济集聚密度与劳动生产率差异——基于北京市微观数据的实证研究》，载《经济学（季刊）》2008年第8期。

[13]刘修岩：《集聚经济、公共基础设施与劳动生产率——来自中国城市动态面板数据的证据》，载《财经研究》2010年第5期。

[14]毛丰付、潘加顺：《资本深化、产业结构与中国城市劳动生产率》，载《中国工业经济》2012年第10期。

[15]柯善咨、姚德龙：《工业集聚与城市劳动生产率的因果关系和决定因素——中国城市的空间计量经济联立方程分析》，载《数量经济技术经济研究》2008年第12期。

[16]童馨乐、杨向阳、陈媛：《中国服务业集聚的经济效应分析：基于劳动生产率视角》，载《产业经济研究》2009年第6期。

[17]洪进、余文涛、赵定涛：《创意阶层空间集聚与区域劳动生产率差异——基于中国省际面板数据的分析》，载《财经研究》2011年第7期）。

[18]Anselin L.，Raymond J.，Florax G.M.，Sergio J.R.Advances in Spatial Econometrics：Methodology，Tools and Applications，Berlin：Springer Verlag，2004.

[19]李煜伟、倪鹏飞：《外部性、运输网络与城市群经济增长》，载《中国社会科学》2013年第3期。

[20]柯善咨、向娟：《1996—2009年中国城市固定资本存量估算》，载《统计研究》2012年第7期。

[21]单豪杰：《中国资本存量K的再估算：1952－2006年》，载《数量经济技术经济研究》2008年10期。

[22]Heckman J.J.2005，“China’s Human Capital Investment”，China Economic Review，16：50－70.

[23]Scitovsky T.“Two Concepts of External Economy”，Journal of Political Economy，1954，62：143－151.

[24]Marshall A.Principles of Economics，MacMillan，London，1920.

[25]李钢、廖建辉、向奕霓：《中国产业升级的方向与路径——中国第二产业占GDP的比例过高了吗》，载《中国工业经济》2011年第10期。

[26]Au C.C.，Henderson J.V.“Are Chinese Cities Too Small”，Review of Economic Studies，2006，73：549-576.

[27]陆铭、陈钊：《为什么土地和户籍制度需要联动改革——基于中国城市和区域发展的理论和实证研究》，载《学术月刊》2009年第9期。

[28]高波、陈健、邹琳华：《区域房价差异、劳动力流动与产业升级》，载《经济研究》2012年第1期。

责任编辑 胡章成

Economic Agglomeration，Spatial Spillover and Urban Labor Productivity

WANG Meng1，GAO Bo1，LI Yong-gang2
（1.School of Economics，Nanjing University，Nanjing210093China；2.School of Economics，Anhui University of Finance and Economics，Bengbu233030，China）

In this paper，we use panel data during 2003－2011 in Chinese cities and establish spatial econometric models to investigate the economic agglomeration effect on the city labor productivity.According to Ke Shanzi and Xiang Juan（2012），correcting the endogeneity bias caused by the ignorance of the city capital stock in existing literatures to get more reliable estimation results.The results show that，after controls of city capital stock，industrial structure，human capital，financial expenditure and infrastructure，economic agglomeration has a significant positive effect on urban labor productivity.And there are differences in the effect among cities：labor productivity effect of economic agglomeration in eastern cities is stronger than that in western cities，weaker than that in central cities.At the same time，the neighboring city will promote each other in labor productivity，namely the existence of spatial spillover of labor productivity，which is most obvious in the eastern cities.Research conclusion provides a perspective of agglomeration economic explanation for China＇s urban labor productivity differences.

labor productivity；economic agglomeration；spatial panel model；capital stock

王猛，南京大学经济学院博士生，研究方向为产业经济、区域和城市经济；高波，南京大学经济学院教授、博士生导师，研究方向为中国经济发展、企业家理论、房地产经济与金融；李勇刚，经济学博士，安徽财经大学经济学院讲师，研究方向为房地产经济与金融。

国家社会科学基金重点项目“扩大内需与引导住房理性消费的宏观经济政策研究”（08AJY010）；教育部哲学社会科学研究重大课题攻关项目“我国城市住房制度改革研究”（10JZD0025）

2014-10-20

F061.5；F062.9

A

1671-7023（2015）02-0084-08

①湖南大学柯善咨教授慷慨提供的2009年城市资本存量数据（1995年价格），是本文城市资本存量测算的重要参照，在此深表感谢。