劳动力流动下的城市房价水平与服务业集聚——基于我国284个城市面板数据的门槛回归模型检验

纪玉俊，张　鹏(中国海洋大学经济学院，山东青岛266100)

劳动力流动下的城市房价水平与服务业集聚
——基于我国284个城市面板数据的门槛回归模型检验

纪玉俊，张鹏
(中国海洋大学经济学院，山东青岛266100)

摘要:论文在劳动力流动视角下考察了城市房价水平对服务业集聚的影响。利用2003年—2011年中国284个城市面板数据进行门槛回归检验，结果表明总体而言在高房价水平区间内不利于服务业集聚，这是因为过高的城市房价在一定程度上抑制了劳动力流动，从而会造成服务业集聚中的劳动力供给不足。进一步分析城市房价对生产性、消费性和公共性服务业集聚的影响发现，高房价同样不利于生产性和公共性服务业集聚，这反映出上述两类服务业的劳动力在流动中对城市房价水平变化相对更加敏感。因此，通过调控房价水平以促进城市服务业集聚有其必要性。

关键词:城市房价水平;服务业集聚;劳动力流动;门槛回归模型

网络出版地址: http://www. cnki. net/kcms/doi/10.13937/j. cnki. sjzjjxyxb. 2015.04.003.html网络出版时间:2015－08－20 15:30

一、引言

作为生活成本的重要组成部分，房价的高低影响着生活质量，自然也成为影响劳动力流动的重要因素，而这无疑又对不同地区相关产业的发展有着很大的影响。Helpman (1998)通过在Krugman (1991)提出的新经济地理学模型［1］中加入住房市场因素，得出地区住房价格过高会影响劳动者的相对效用，抑制劳动力向该地区的流入，进而不利于本地区的产业集聚［2］。总体而言，城市房价差异通过影响劳动力的流动方向和数量，从而作用于相关产业的空间分布及集聚。由于相比制造业来说，劳动力在服务业中的作用更为突出，因此就服务业的空间分布及集聚而言上述问题则愈加明显。

从房价对劳动力流动的影响来看，相对较高的房价会抑制劳动力在区域间的流动，这会造成部分地区劳动力短缺［3－5］，而由于产业集聚对劳动力规模具有较高的需求，那么较高的房价水平就会不利于产业的空间集聚。Brakman等(2004)的研究也证实了这一点，研究发现1994年和1995年东西德之间房价水平的巨大差异使得大量制造业从西德向原东德地区进行转移和扩散［6］。但是对套利的预期也会使得劳动力向高房价城市流入［7－8］，这反而有助于产业的空间集聚。而从国内的研究来看，关于房价与产业空间分布及集聚的研究相对较少，邵挺等(2010)通过考察长三角地区房价水平与制造业区位分布，得出大型城市的房价过快上涨是该地区制造业分散化布局的重要原因之一的结论［9］;高波等(2012)在拓展新经济地理模型和对35个大中城市实证检验的基础上，认为城市间的相对高房价导致相对就业人数减少，这会促使产业价值链向高端攀升，进而实现产业升级［10］，这实质上间接说明了高房价对相关产业空间分布及集聚的影响;李鹏等(2013)则通过将房价作为地方性投入要素分析了其对产业区位选择的影响［11］。通过对国内外相关文献的梳理不难发现，地区房价正越来越成为影响产业集聚的重要因素，以目前我国的城市房价来说这一问题则相对更为突出。

就我国目前现实而言，通过发展服务业来优化产业结构是新型城镇化的重要体现，而服务业通过空间集聚的形式可以提高工业与服务业的生产效率，扩大生产规模，进而推动地区经济的发展［12－14］。相比制造业，服务业集聚对劳动力有着更多的需求，而城市房价水平的差异无疑会影响劳动力的流动，进而影响服务业集聚。鉴于城市房价水平不仅会对劳动力流动的总量产生影响，也会对劳动力流动的结构产生影响，也就是说对生产性、消费性和公共性服务业的影响不同①，从而城市房价水平对上述三类服务业集聚的影响也会存在差异。综上，本文除了分析劳动力流动下城市房价水平对总体服务业集聚的影响之外，还分别探讨了其对生产性、消费性和公共性服务业的影响。

二、研究设计

考虑到城市房价对劳动力流动进而对服务业集聚的影响可能会随房价高低的变化而有所不同，本文采用Hansen (1999)提出的门槛回归方法［15］进行回归，依据一定的门槛值将城市房价水平进行区间划分，然后在不同的区间段内考察城市房价对服务业集聚的影响。

在时期与城市截面选取方面，鉴于《中国城市统计年鉴》自2003年起对服务业实施新的分类标准，所以，本文以中国地级及以上城市的2003年—2011年面板数据进行实证分析，同时，由于数据的可得性与完整性，从333个地级及以上行政区中选取284个地级及以上城市作为研究对象，这涵盖了所有地级及以上行政区的85.3%，相关数据均来自于《中国城市统计年鉴》(2004—2012)和《中国区域经济统计年鉴》(2004—2012)。设定计量模型如下所示:

其中，η为待估计的门槛值，I(·)为示性函数，当rhpit≤η时，I=1，否则I=0。SLQit为因变量，表示服务业集聚度; RHPit为核心解释变量和门槛变量，表示真实房价水平; Xit为控制变量，εit为随机扰动项。此处以单门槛回归模型为例作以说明，在实际应用过程中则可以根据假设检验对回归模型加以修正②。

在城镇化进程中，住房问题成为制约劳动力从农村向城市转移以及在城市之间流动的重要因素之一。劳动力考虑的不仅仅是单纯的房价，而是在工资水平约束下的真实房价水平，也就是说虽然A城市房价水平高于B城市，但如果A城市劳动力工资也高于B城市，而且其高出的幅度更大，那么，A城市的真实房价是低于B城市的。鉴于此，本文的城市真实房价水平用商品房屋平均价格p与职工平均工资w之比来表示，即RHP=p/w，该指标越大，意味着城市真实房价水平越高，反之，则越低③。

对于服务业集聚的测度，区位商指数反映了某一城市某个产业部门在全国范围内的集聚水平，该指标通过排除区域规模差异因素可以显示城市服务业在全国范围内的比较优势或比较劣势，所以，本文采用区位商指数来衡量城市服务业集聚水平。城市的产业的区位商SLQij表示为:

其中Eij表示j产业在城市i的就业人口，∑jEij表示城市i的所有产业就业人口，∑iEij表示所有城市j产业的就业人口，∑i∑jEij则表示所有城市所有产业的就业人口总和。虽然服务业均生产和销售服务性产品，但其内部各部门间的差异也较大，本文借鉴陈建军等(2009)的划分标准［16］，将服务业细分为生产性服务业、消费性服务业和公共性服务业，分别研究城市房价水平对各类服务业集聚的影响，且其区位商分别表示为PLQij、CLQij和ELQij④。

为了增加计量的稳健性，本文还增加了一些其他变量来控制其对服务业集聚产生的潜在影响，主要包括人均GDP、通讯条件、医疗条件、文化设施条件及工业化水平等，具体来说，用人均生产总值(agdp)来反映城市的经济发展水平与市场潜力，用移动电话数量(mph)来反映城市的通讯能力，用医院、卫生院床位数(mf)来反映城市的医疗卫生条件，用每百人公共图书馆藏书(book)来反映城市文化建设状况，用第二产业占GDP的比重(ir)来反映城市的工业化水平，同时，为了减少可能存在的异方差问题，对所有的控制变量取自然对数。为了减少伪回归，需要对样本数据进行平稳性检验，本文采用LLC单位根检验方法对变量平稳性进行考察，结果表明所有变量都通过了在1%显著性水平下的单位根检验，也就是说所有变量都是平稳的。所有变量的数据特征描述及LLC单位根检验结果如表1和表2所示。

三、城市房价水平与服务业集聚关系的门槛回归检验

(一)城市房价水平对总体服务业集聚的影响分析

本文通过门槛回归对二者的关系进行实证检验，而在进行门槛回归时，要通过确定门槛值的个数来确定模型的形式，也就是首先要对门槛效果进行检验，以服务业集聚作为因变量时的检验结果如表3所示。单一门槛效应检验得到F值为6.116，在5%显著性水平下拒绝无门槛的原假设，并得到门槛值η1=0.118;进一步检验是否存在两个门槛值时，得到η2=0.157，双重门槛效应检验的F值为4.494，在5%显著性水平下拒绝只有一个门槛值的原假设，然后在固定第二个门槛值的前提下对第一个门槛值进行回检，搜寻得到新的门槛值为0.118，这与第一阶段的结果相同，因此可以确定模型至少存在两个门槛;进一步搜寻第三个门槛值，其结果为0.100，但在进行回检时搜寻到的第一个门槛值为0.121，这与前面的结果不一致，从而接受只存在两个门槛值的原假设。因此，回归模型确定为两个门槛值，分别为0.118和0.157⑤。

表1　变量的样本数据统计

表2　LLC单位根检验结果

表3　城市房价水平的门槛效应检验

确定城市房价水平存在两个门槛值后，可以把样本划分为三个门槛区间，即低房价水平区间［0.007，0.118］、中等房价水平区间(0.118，0.157］和高房价水平区间(0.157，0.518］。以2011年为例，高房价水平区间主要包括以东部沿海为主的38个城市，也有像成都、武汉这样的中西部地区的省会城市;中等房价水平区间以中部地区的城市为主的72个城市，也涵盖了部分东部和西部地区城市;而低房价水平区间包括了以中西部地区为主的174个城市。这说明我国地区间的城市房价水平差异较大，高房价水平城市主要集中在经济发达的东部沿海省份，而中低房价水平的城市则分布于经济发展相对落后的内陆地区，以劳动力流动为传导媒介对我国城市服务业集聚会产生怎样的影响呢?我们在以下部分作重点分析⑥。

表4　双重门槛回归和固定效应回归结果

由表4可知，在普通固定效应回归中，城市房价水平对服务业集聚具有非常显著的负向作用。这说明对于样本内的所有城市而言，伴随着房价水平上升，服务业空间集聚水平是下降的。而双门槛回归的结果显示在不同的区间内，城市房价水平的变动对服务业集聚的影响是不同的:在低房价水平区间内，房价与服务业集聚呈现同方向变动;在中等房价水平区间内，房价与服务业集聚为负向关系，但这两个区间段内的回归结果并不显著;而在高房价水平区间内，与固定效应回归结果一致，房价对服务业集聚呈现出非常显著地负向作用，但系数由－0.388变为－0.265，这说明负向作用有一定程度的减弱，而且城市房价水平对服务业集聚的负向作用主要由高房价城市所导致。

从房价由低房价水平区间向高房价水平区间的变动来看，房价系数值逐渐变小，并且由正变负，而显著性水平却逐步提高，这表明随着城市房价水平的上升，其对服务业空间集聚影响逐步增强，特别是当房价上升到高房价水平区间时，体现为对服务业集聚的显著负向作用。从城市在不同门槛区间内的分布来看，经济发展相对落后的内陆城市主要分布在低房价水平区间内，虽然内陆城市规模较小，医疗、通讯及文化等基础设施不是很完善，但较低的房价水平对于收入较低的劳动力来说具有一定的吸引力;其次，劳动力对房屋需求更多地体现为居住性需求，这使得对房屋的需求价格弹性较低，房屋价格变动对其购买行为的影响较弱，当房屋价格上涨时也会存在一定量的购买行为，这就导致城市劳动力流入量增加，而服务业发展需要一定的城市人口规模，在劳动力集中的地区形成产业的空间集聚，进而通过集聚效应带动城市经济发展。

高房价水平区间内的城市主要集中在沿海地区，虽然这些城市经济相对发达，就业机会较多，收入相对较高，但高房价却极大地增加了住房和生活成本，降低了劳动者的相对效用水平，城市对劳动力的吸引力下降，这导致城市的流入人口减少，甚至流出人口增加。而劳动力供给的减少自然会抑制服务业的发展，从另一角度来说，劳动力的流入减少(或流出增加)同时也会减少对服务业的需求，上述两因素都不利于城市服务业的空间集聚。就我国现实而言，由于户籍制度和城乡二元经济结构的存在，甚至部分城市对外来流动劳动力在享受城市公共物品及社会福利等方面存在地区歧视，这使得劳动力流动的机会成本本来就相对较高，随着真实房价水平的不断上涨，特别是对于经济发达的沿海城市来说，高房价进一步增加了劳动力的流动成本，其结果就会减少劳动力流入量，从而不利于城市服务业集聚与发展。但同时也注意到在低房价和中等房价水平区间内，城市房价变动对服务业集聚的影响并不显著，这除了与控制变量及时期项的选取有关外，还可能与仅从服务业总量层面分析有关。所以，为了更好地考察城市房价水平对服务业集聚的影响，接下来分别从生产性、消费性和公共性服务业集聚三方面加以分析。

(二)城市房价水平对生产性服务业集聚的影响分析

在对门槛效应进行检验时，搜寻得到第一个门槛值η1=0.121，F统计值为5.56，这表明在5%显著性水平下拒绝无门槛的原假设;当进行双门槛效应检验时，虽然得到η2=0.1，但在回检时得到的门槛值为0.094，这与第一阶段的结果不一致，所以，该模型存在一个门槛值，即0.121。这就把样本划分为低房价水平［0.007，0.121］和高房价水平(0.121，0.518］两个区间，在此基础上得到单一门槛回归结果。

表5　单一门槛回归和固定效应回归结果

从普通固定效应来看，城市房价水平对生产性服务业集聚的影响表现在显著的负向作用，当房价上升1个单位时，服务业集聚水平下降0.345个单位。而从单一门槛回归结果来看，在低房价水平和高房价水平区间内，城市房价水平与生产性服务业集聚均为负相关关系，但负相关只在高房价水平区间内显著，也就是说当房价上涨到一定程度后会不利于生产性服务业集聚。与房价对总体服务业集聚的影响不同，这时的高房价区间涵盖的城市数量增多，集中了大部分东部沿海城市和部分内陆城市。这意味着城市房价对服务业集聚的负向作用的范围扩大，更多城市的生产性服务业集聚会对房价的变动做出反应。但同时也要注意到对内陆城市的影响主要体现在诸如太原、南昌、南宁和贵阳等省会城市，这些城市一般都是所在省域的经济中心，这说明经济相对发达城市的高房价抑制了劳动力在地区间的流动，从而不利于城市生产性服务业的空间集聚，这与以总体服务业作为被解释变量时的结果是一致的。

(三)城市房价水平对消费性服务业集聚的影响分析

通过门槛效应检验，消费性服务业集聚作为因变量时的门槛值也为两个，即η1=0.074，η2=0.105，这就把样本划分为三个门槛区间:低房价水平区间［0.007，0.074］、中等房价水平区间(0.074，0.105］和高房价水平区间(0.105，0.518］，在此基础上得出双重门槛回归结果。

表6　双重门槛回归和固定效应回归结果

从表6中可以发现，在固定效应回归中，城市房价水平对消费性服务业集聚具有非常显著的正向促进作用。而双门槛回归结果显示，在三个不同的房价水平区间内，二者仍然存在非常显著的正向关系，并且与固定效应结果相比，其系数值变大。这说明在不同区间段内，伴随着城市房价水平的上涨，城市消费性服务业集聚水平是不断提高的。正如杜莉等(2013)所言，房价上升通过“财富效应”“替代效应”和“流动性约束效应”对居民消费产生促进或抑制作用［17］，由于前两种效应大于后一种效应，这就使得城市房价上升促进居民对消费性服务业的消费，本地市场需求的扩大推动了城市消费性服务业的空间集聚⑦。但也要注意到随着房价从低区间向高区间的变动，系数值是逐步减小的，这表明随着整体房价水平的提高，劳动力流动受到抑制的程度开始加大，因此总体而言对消费性服务业集聚的正向作用是减弱的。

(四)城市房价水平对公共性服务业集聚的影响分析

以公共性服务业作为因变量时，通过门槛效应检验确定至少存在两个门槛值η1=0.074和η2=0.157后，进一步搜寻得到第三个门槛值η3=0.083，进行回检时搜寻得到第一个和第二个门槛值分别为0.074、0.157，且三重门槛效应检验的F值为6.296，在5%显著性水平下拒绝只有两个门槛值的原假设。所以，回归模型存在0.074、 0.083和0.157三个门槛值，四个门槛区间，即低房价水平区间［0.007，0.074］、较低房价水平区间(0.074，0.083］、较高房价水平区间(0.083，0.157］和高房价水平区间(0.157，0.518］。此时的高房价水平区间与整体服务业集聚作为因变量时是一样，这意味着两者会对相同城市的高房价变动做出反应。

表7　三重门槛回归和固定效应回归结果

由表7可知，固定效应回归模型的结果显示城市房价水平对公共性服务业集聚具有显著地负向作用。而从三重门槛回归模型来看，所有区间内的城市房价水平与公共性服务业集聚均表现为负相关关系，且只有在较低区间内不显著，这说明在不同区间内城市房价水平的上升不利于公共性服务业集聚;从系数值的大小来看，其系数绝对值明显要比总体服务业和生产性服务业集聚作为因变量时的大，这表明公共性服务业集聚对城市房价水平的变动更为敏感。而就系数值在不同区间变化来说，与其它类型的服务业集聚作为因变量相一致，随着房价由低水平区间向高水平区间的变动，系数值越来越小，这意味着城市房价水平越高，劳动力所获得的效用水平越低，城市的劳动力流入量就会减少，从而对公共性服务业集聚的负向作用越大。

四、结论

从整体来看，城市房价水平上升不利于服务业的空间集聚，这在高房价城市表现得尤为突出;从细分服务业来看，生产性和公共性服务业集聚与城市房价呈现负相关关系，而消费性服务业集聚则与城市房价表现在正相关关系，这说明城市房价水平对服务业集聚的负向作用主要体现在对生产性和公共性服务业集聚的影响上，并且这种负向作用大于对消费性服务业集聚的正向作用。

从门槛值划分的不同区间回归结果来看，高房价水平普遍不利于服务业集聚，而低房价水平则在一定程度上有利于集聚。具体而言，城市房价水平的变动主要通过影响劳动力流动来对服务业集聚产生影响，处在高房价区间内城市主要集中在东部沿海和内陆省会地区。这些城市的收入水平较高，但更高的房屋价格使得真实房价水平相对较高，在不考虑其它因素对劳动力流动约束的条件下，房价水平上升降低了劳动者的效用水平，抑制了劳动力流入，特别是城市之间的劳动力流动，从而不利于服务业的空间集聚。低房价区间内的城市主要分布在经济相对落后的内陆地区，较低的真实房价水平对于城镇化进程中从农村流向城市的劳动力而言具有一定吸引力，人口向城市的集中反而有助于服务业集聚的形成，但是这种正向促进作用并不十分显著，这可能与内陆城市服务业发展水平和空间集聚度较低有关。

房价的上涨会带来正、负两种效应，正效应会对当地的经济发展有拉动作用，而负效应则是在于其生活必需品的属性，从而会影响劳动力对工作地点的选择，进而影响相关产业的空间集聚，对劳动力需求相对更大的服务业集聚而言则更是如此。从本文的研究结果来看，总体而言城市高房价对服务业集聚产生了不利影响，这主要是由于高房价限制了劳动力流动，从而不能满足服务业集聚对劳动力的总量或结构性需求，进而不利于形成服务业集聚。从房价对服务业集聚的影响来看，合理调控高房价水平区间内的城市房价是有必要的，尤其对于东部沿海与部分内陆发达城市，可以通过抑制投机性需求和保障房建设满足居住性需求来吸引劳动力流入，从而降低劳动力的生活和流动成本;同时，可以通过提高劳动报酬在初次分配中的比重以增加劳动者收入，从而降低其住房成本，增加城市对外来劳动力的吸引力以促进服务业集聚。

对于城市的发展而言，服务业集聚在其中发挥着重要作用，而城市房价往往会成为劳动力流动的“门槛”，从而不利于服务业集聚，地方政府对土地财政的依赖又会使得这一问题相对更突出。因此，从促进城市服务业集聚的角度来说，需要从政府和市场两方面入手，在发挥其正效应的同时，要避免由负效应所带来的损失，以此来促进服务业集聚，从而带动我国城镇化的发展。

注释:

①具体分类的阐述可见下文。

②这里对门槛回归的原理不再赘述，详细内容可参考Hansen(1999)的文献。

③鉴于无法直接从相关统计年鉴获取，本文通过对《中国区域经济统计年鉴》中商品房屋销售额与商品房屋销售面积之比的计算来获得。

④生产性服务业为:交通仓储邮电业，信息传输、计算机服务和软件业，金融保险业，房地产业，租赁和商业服务业，科研、技术服务和地质勘查业和教育业。消费性服务业为:批发零售贸易业和住宿餐饮业。公共性服务业为:水利、环境和公共设施管理业，居民服务和其他服务业，卫生、社会保险和社会福利业，文化、体育和娱乐业和公共管理和社会组织从业。

⑤本文相关计量操作均在Stata 12.0中进行。

⑥东部地区城市包括了北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个沿海省份的城市;中部地区城市包括了山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份的城市;由于西藏的数据缺失，西部地区城市包括了内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海宁夏和新疆11个省份的城市。沿海城市主要指东部地区的城市，内陆城市则主要指中西部地区的城市。

⑦杜莉等(2009)认为当房价上升时，“财富效应”使得自有住房家庭的平均消费倾向提高;由于“替代效应”，尚无自有住房的家庭放弃购房、转而扩大消费，从而其平均消费倾向显著上升;由于“流动性约束效应”，租房者或潜在购房者为买房而进行更多的储蓄，从而使其平均消费倾向下降。

参考文献:

〔1〕KRUGMAN P.Increasing Returns and Economic Geography ［J］.Journal of Political Economy，1991，99 (3) : 483－499.

〔2〕HELPMAN E.The Size of Regions in Topics in Public Economics: Theoretical and Applied Analysis［R］.1998.

〔3〕BRAKMAN S，HARRY G，MARC S.New Economic Geography in Germany: Testing the Helpman－Hanson Model ［Z］.Discussion Paper Series，Hamburg Institute of International Economics，No.26183，2002.

〔4〕MURPHY A，J MUELLBAUER，G CAMERON.HousingMarket Dynamics and Regional Migration in Britain［Z］.Department of Economics Discussion Paper Series，Department of Economics，University of Oxford，No.275，2006.

〔5〕RABE B，M TAYLOR.Differences in Opportunities? Wage，Unemployment and House－price Effects on Migration［Z］.ISER Working Paper，No.05，2010.

〔6〕BRAKMAN S，GARRETSEN H，SCHRAMM M.The Spatial Distribution of Wages and Employment: Estimating the Helpman－Hanson Model for Germany［J］.Journal of Regional Science，2004，44(3) :437－466.

〔7〕DOHMEN THOMAS J.Housing，Mobility and Unemployment［J］.Regional Science and Urban Economics，2005，35 (3) :305－325.

〔8〕MEEN G，A NYGAARD.Housing and Regional Economic Disparities［Z］.Economics paper，Department for Communities and Local Government，No.5，2010.

〔9〕邵挺，范剑勇.房价水平与制造业的区位分布——基于长三角的实证研究［J］.中国工业经济，2010(10) : 24－32.

〔10〕高波，陈健，邹琳华.区域房价差异、劳动力流动与产业升级［J］.经济研究，2012(1) :66－79.

〔11〕李鹏，汪明琦.区域房价和公共品差异对产业区位选择的影响研究［J］.西安电子科技大学学报，2013(1) : 1 －11.

〔12〕胡霞，魏作磊.中国城市服务业集聚效应实证分析［J］.财贸经济，2009(8) :108－114.

〔13〕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［J］.产业经济研究，2009 (6) :30－37.

〔14〕顾乃华.我国城市生产性服务业集聚对工业的外溢效应及其区域边界——基于HLM模型的实证研究［J］.财贸经济，2011(5) :115－122.

〔15〕BRUCE E HANSEN.Threshold effects in non－dynamic panels: Estimation，testing and inference［J］.Journal of Econometrics，1999，93(2) :345－368.

〔16〕陈建军，陈国亮，黄洁.新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据［J］.管理世界，2009(4) :83－95.

〔17〕杜莉，沈建光，潘春阳.房价上升对城镇居民平均消费倾向的影响——基于上海市入户调查数据的实证研究［J］.金融研究，2013(3) :44－57.

(责任编辑周吉光)

The Level of Urban Houses Price and Service Industry Agglomeration in the Perspective of Labor Mobility—Threshold Regression Model Test Based on the Panel Data of 284 Cities in China

JI Yu-jun，ZHANG Peng
(Ocean University of China，Qingdao，Shandong 266100)

Abstract:This paper investigates the level of urban houses price influencing on the service industry agglomeration in the perspective of labor mobility.It uses the panel data of 284 cities in China from 2003 to 2011 to make threshold regression test，and the results show that the interval of high houses price is not in favor of service industry agglomeration as a whole.It is because of high urban houses price inhibiting the labor mobility to some extent，which causes the shortage of labor supply in the process of service industry agglomeration.Further analysis on urban houses price influencing producer，consumer and public service industries agglomeration shows that high houses price is also not in favor of the producer and public service industries agglomeration，which reflects the labor in the two types of service industry mentioned above are more sensitive to the change of the level of urban houses price.Therefore，it is necessary to regulate the level of houses price in order to promote urban service industry agglomeration.

Key words:the level of urban houses price; service industry agglomeration; labor mobility; threshold regression model

作者简介:纪玉俊(1975—)，男，山东青岛人，博士，中国海洋大学经济学院副教授，主要研究方向为产业集聚。

基金项目:教育部人文社会科学重点研究基地中国海洋大学海洋发展研究院基金资助(2015JDZS02)。

收稿日期:2014－12－15

DOI:10.13937/j. cnki. sjzjjxyxb. 2015.04.003

中图分类号:F062.9

文献标识码:A

文章编号:1007-6875 (2015) 04-0012-07