住房价格是否阻碍了地区创新——基于中国285个地级市的空间计量研究

(兰州财经大学 中国西北金融研究中心，甘肃 兰州 730020)

一、引言

伴随着中国经济步入新常态，投资回报率下降、产能过剩、环境污染等问题越发严重，当前亟待从要素投入驱动型增长模式转向创新驱动型增长模式。在此背景下，如何提高地区创新水平与区域创新能力对中国深入实施创新驱动发展战略及提高国家核心竞争力具有重大的战略意义。近年来，地区创新与区域创新能力提升问题已成为国内外学界研究的热点议题。有人对地区创新和区域创新程度及其特征进行了测度[1-2]，还有人研究了地区创新的各类决定因素[3-5]。在影响地区创新的诸多因素中，难以回避当前城市房价节节攀升对地区创新的可能影响。在最近的研究中，高房价和房价上涨对地区创新的影响开始成为创新经济学和区域经济学研究领域中的热门话题。有证据表明：房价上涨意味着房地产业具有较高的利润率，这会吸引一部分制造业企业转向房地产业，但制造业企业的投资转向会对其创新活动产生抑制作用[6]；住房价格上涨还会导致房地产固定资产投资快速增长进而对研发创新产生“挤出效应”[7]。还有一部分学者尽管没有直接研究住房价格或房价上涨对地区创新的影响，但考察了高房价的经济后果问题，这包括高房价对资源跨部门的配置作用[8-9]，以及住房价格或房价上涨对投资的影响[10]。已有研究表明，当前住房价格阻碍了地区创新能力的提高。但是，另一方面，住房价格上涨能够助推不动产升值，不动产升值又会影响企业的投资支出决策，房产升值所带来的抵押通道效应或许可缓解企业创新活动所面临的融资约束问题，或者说住房价格有可能通过抵押通道效应对企业的研发支出产生影响[11]。这表明，在理论上还存在另一种可能，即住房价格促进了地区创新。因此，当前亟待基于中国的数据资料重新审视住房价格究竟阻碍了地区创新，抑或促进了地区创新。这就为更进一步的研究提供了可选方向。无疑，从理论上厘清住房价格对地区创新的影响问题，不仅有助于为中国创新驱动发展战略的落实提供理论支撑，还有助于为地区创新能力的提升提供政策启示。

尽管王文春和荣昭(2014)基于中国工业企业数据考察了房价上涨对工业企业创新的抑制作用[6]，张杰等(2016)基于省级层面的面板数据研究了房价上涨所引致的房地产投资对地区创新的挤出效应[7]，但是，截止到目前，尚未发现有文献直接从理论上研究中国当前住房价格对地区创新的可能影响，也鲜有学者基于中国城市层面的数据实证考察住房价格对地区创新的直接影响。不容置疑，学界对房价与地区创新关系的相关研究仍不够完善和科学，要么既有的研究仅仅基于部分大城市的数据探讨住房价格对创新的影响，要么基于省级层面的数据考察二者间的关系，且未考虑创新的空间溢出效应对二者关系的可能影响，因此，既有的实证研究依然不够有说服力，需要进一步完善。另外，鉴于有很多因素都会影响地区创新，譬如，若不考虑创新的空间溢出效应，则有可能高估或低估房价对地区创新的作用。基于此，本文基于中国285个地级市2003-2014年面板数据并运用空间计量模型定量评估住房价格对地区创新的影响。

不同于已有研究，本文的可能贡献主要体现在以下方面：第一，本文不仅从理论上梳理了住房价格对地区创新的抑制效应，还从人力资本空间分布、研发创新融资约束、产业结构选择效应、地方政府财力保障等方面分析了住房价格对地区创新的促进效应，矫正已有研究多侧重于考察房价对地区创新的单向抑制作用，从理论上考察住房价格对地区创新的影响具有二重性，进一步补充和完善有关房价与地区创新方面的实证研究文献。第二，已有的文献在考察住房价格对地区创新的影响时，尚未控制地区创新的空间溢出效应，事实上，创新往往集聚在少数城市或者说创新具有较强的空间集聚性，在不控制相邻地区创新对本地区创新影响的情况下，若直接估计住房价格对地区创新的影响则可能会高估住房价格对创新的影响，基于此，本文拟基于空间计量模型考察住房价格对地区创新的影响。第三，不同于既有研究侧重于研究房价上涨对创新的影响，本文侧重于研究房价的水平值对地区创新的影响。本文认为，房价的水平值比房价上涨率对创新的影响更重要，因为房价绝对值是房价上涨率的长期累计，该变量所包含的信息量更大，且创新活动可能对房价水平值的大小程度更敏感。

二、住房价格影响地区创新的理论分析

就理论层面而言，住房价格既有可能对地区创新产生抑制效应，也有可能对地区创新产生促进效应。接下来试对此进行理论分析。

(一)住房价格对地区创新的抑制效应

第一，住房价格自身的变动会诱使企业的投资方向发生变动，进而对企业的研发创新产生挤出效应。在企业预算既定的情况下，住房价格的持续走高会推高房地产业的回报率，这会激励企业将本来用于研发创新(R&D)活动的资金转移到房地产部门，从而对企业的创新活动产生抑制效应[7]。一个地区的房价越高，该地区房地产业的回报率就越高，这会激励该地区的企业缩减用于研发创新(R&D)的资金，增加房地产投资资金，最终会降低该地区整体的研发支出[5]，进而对地区创新产生不利影响。

第二，住房价格还会误导借贷市场的资金流向，进而加剧科技创新型企业的融资约束。在房价快速上涨及升值预期所带来的利润驱动下，一方面，房地产企业对信贷资金的需求会大幅上升；另一方面，金融资本倾向于流入高利润率的房地产业，这会导致借贷资金的利率上升以及信贷资金供不应求的形势会比较严重，致使非房地产企业尤其是科技创新型企业难以获得金融资本的支持。与房地产企业的融资需求相比，科技创新型企业的研发资金需求更容易遭遇信贷配给问题，长此以往必然会对企业的创新活动产生抑制效应。有证据表明，住房价格上涨导致大量的银行资本流入房地产行业进而对创新产生抑制效应[7]。

第三，住房价格还可能对企业家的创新精神产生不利影响。在当前房价节节攀升的背景下，人们的冒险精神、创业精神及创新精神会受到抑制，尤其是房奴们更是缺乏冒险精神和创新创业精神，因为冒险行为可能会导致他们无力偿还贷款。有证据表明，在那些房价上涨较快的地区，房产所有者并未呈现出较活跃的创业活动[12]，高房价抑制了富有冒险精神者的创业活动[13]。鉴于创业是创新“孪生兄弟”，一个创业活动比较活跃的地区往往也是创新高地，因此住房价格上涨并没有促进创新创业活动的上升。

最后，住房价格还可能扭曲一个地区的经济结构，诱致制造业资本从实体经济转向虚拟经济。有证据表明，在房地产收益率越高的地区，制造业企业越倾向于投资房地产[6]。由于房地产行业属于资本密集型产业，对技术创新的需求较低，而制造业发展对技术创新的要求较高，当越来越多的制造业企业从实体经济转行到房地产业后，该地区经济创新驱动的程度可能会下降，在长期不利于地区创新。

总之，在房价上涨越快的地区，预期未来房地产的投资收益会越来越高，这将导致更多的资本流入房地产业，进而对研发创新活动和企业家精神发挥产生不利影响，因此住房价格可能会对地区创新产生抑制作用。

(二)住房价格对地区创新的促进效应

已有研究特别强调住房价格对地区创新的抑制效应[6-7]，但未能从理论上考察住房价格对地区创新的促进效应。其实，高房价和房价上涨并非对地区创新只有“利坏”，在某些情况下对地区创新还能产生“利好”效应。

首先，住房价格会影响人力资本的跨地区配置，进而间接影响地区创新。著名经济学家张五常在《新卖橘者言》中指出，楼价上升会引导人口的跨空间配置[14]。伴随着北京、上海、广州、深圳等大城市高房价带来的生存压力越来越大，有迹象表明开始有越来越多的高校毕业生回生源地就业。在高学历人口中，凡是能够承受高房价带来的巨大压力的人群往往是自身创新能力较高的高收入群体，也是地区创新驱动发展的关键性人力资源。房价作为一种压力信号会引导学历高但创新能力较差的人群向房价较低的中小城市集聚，同时促使高学历且创新能力较强的人群向房价较高的大城市集聚。在房价引导不同质量的人才跨空间配置的过程中，具有较强创新能力的人才往往也是城市住房的有效需求者，这种有效需求会进一步推高房价[15]。当一个高房价的城市聚集了大量具有创新能力的高人力资本时，创新型城市的建设已具备最关键的人力资本条件。

其次，对企业而言，住房价格还可能引致财富效应进而缓解企业研发创新所面临的融资约束问题。鉴于企业的研发创新(R&D)活动面临严重的融资约束问题[16]，但住房价格上涨在一定程度上反映了企业的财富增加，且这种财富是可以作为向银行申请长期贷款的合格抵押物，进而有助于缓解企业的研发融资约束问题[11]。尤其是在中国风险投资市场仍不发达的背景下，银行贷款仍是企业研发创新活动的重要资金来源，部分拥有不动产的科技型企业因房价上涨缓解了融资约束问题。于是，房价上涨越快、越高，则企业的财富增长也就越快，同时企业能够用于抵押的资产也就越多，这会导致企业研发投入融资可得性上升、融资成本下降，进而促进地区创新活动。最近的实证研究发现，房价带来的升值有助于企业家精神的有效发挥[17]，而企业家精神是地区创新的重要力量。

再者，住房价格通过选择效应优化产业结构，为地区创新能力的提升提供条件。伴随着房价持续走高，由劳动密集型产业、技术密集型产业、资本密集型产业组成的产业结构会发生变迁。在房价上涨的过程中，楼房和土地的租金也必然会上涨，但鉴于劳动密集型产业对厂房和商业办公楼的租金反应比较敏感，租金的上涨会促使这些产业转移到地价和房价较低的地区，这时产业结构就会发生改变，即低技术含量、低附加值的劳动密集型企业会从高房价的地区逐渐“出局”，而高技术含量且创新能力较强的技术型企业由于利润较大能承受房价带来的租金成本，这种选择效应会逐步优化地区产业结构，淘汰缺乏创新能力的传统行业。

近年来，土地财政逐渐成为地方政府财政收入的重要组成部分。根据财政部的最新统计，2016年全年国有土地使用权出让收入为37 457亿元，占到地方政府性基金收入的88.3%，为全国政府性基金收入的80.3%。可见，土地财政之于地方政府不可或缺。住房价格上涨为地方财力增长提供保障，其财政实力的增加有助于地方政府拿出更多的资金支持企业从事研发创新活动。作为理性经济人的地方政府会考虑土地的有限性和卖地收入的不可持续性，有可能联合辖区内的房产企业联合推高房价进而攫取高房价带来的土地收益[18]，但在长期内会将卖地收入用于科技支出，资助辖区内的企业从事研发创新活动或用来打造研发创新平台，进而维持辖区经济的长期可持续增长。对地方政府而言，辖区内住房价格越高，其土地财政收入就越高，于是，用于支持企业和科研院所研发创新的财力就越有保障，进而对地区创新的活跃产生有利影响。

综上所述，就理论层面而言，住房价格既有可能对地区创新产生抑制效应，也有可能对地区创新产生促进效应，这两种效应究竟哪一种效应大，这在理论上很难说清楚。为了考察中国地级层面的住房价格是否抑制了地区创新，抑或促进了地区创新，本文基于2003-2014年285个地级市的空间面板模型对上述效应进行实证检验。

三、模型、方法与数据

(一)模型设定

鉴于创新在地区之间具有空间依赖性[19]，为了能够准确评估住房价格对地区创新的影响，接下来，基于空间面板计量模型进行实证检验。常用的空间计量模型包括空间自回归模型(SAR)、空间自相关模型(SAC)和空间误差模型(SEM)，其公式如下

innoit=ρW*innoit+β1priceit+Zβ+μi+vt+εit

(1)

上式(1)为空间自回归模型(SAR)，ρ为空间自回归系数，W为空间权重矩阵，innoit为地区创新变量，priceit为住房价格变量，Z为控制变量集，μi为地区固定效应，μt为时间固定效应，εit为残差项。

innoit=ρW*innoit+β1priceit+Zβ+μi+vt+ξit

(2)

ξit=λWξit+εit

(3)

式(2)和式(3)的联合则为空间自相关模型(SAC)，主要变量和参数的设定同式(1)，不再赘述。需要特别指出的是，在式(3)中，λ为空间误差系数。

innoit=β1priceit+Zβ+μi+vt+ξit

(4)

ξit=λWξit+εit

(5)

式(4)和式(5)的联合则为空间误差模型(SEM)，式(5)中的λ为空间误差系数，其他变量和参数的设定同式(1)。

为了估计上述空间计量模型，需要设定空间权重矩阵W。根据Bavaud(1998)和张学良(2012)对空间权重矩阵构建方法[20-21]，本文构建三种类型的空间权重矩阵，即距离空间权重矩阵W1、相邻空间权重矩阵W2和经济空间权重矩阵W3。

(二)变量选择及其涵义

1.地区创新的衡量

在前文方程式(1)-式(5)中，因变量innoit是用来衡量中国地级市i在年份t的地区创新的代理变量。借鉴邵帅等(2013)和余泳泽等(2016)的做法[22-23]，使用每万人专利申请量和授权量衡量地区创新。就中国285个地级市的情况而言，鉴于目前的官方统计资料如《中国城市年鉴》和《中国区域经济统计年鉴》未统计各地市研发创新活动的产出指标，本文只能手工搜集各地区在各年度的专利申请量和专利授权量指标。需要特别说明的是，限于部分地级市专利授权量数据缺失比较严重，本文主要基于每万人专利申请量指标衡量地区创新，仅在稳健性检验时使用每万人专利授权量指标衡量地区创新，并重新调整空间权重矩阵的设置。

2.住房价格的衡量

各地市房价(priceit)变量是本文的核心解释变量。本文借鉴陆铭、欧海军、陈斌开(2014)[24]的前期研究使用《中国区域经济统计年鉴》在“固定资产投资和房屋销售”一栏下公布的各地级市商品房屋销售额(亿元)与销售面积(万平方米)的比率作为房价的衡量指标，同时在稳健性检验时使用各地级市住宅销售额与住宅销售面积的比率作为房价的另一衡量指标。

表1 主要变量的描述性统计

说明：price、price_z及gdp已基于各地级市所在省份的CPI剔除了通胀因素，均用1997年不变价格进行衡量。

3.控制变量集Z

为了最大限度地减少遗漏变量问题可能造成的估计偏误，控制变量集Z包括以下变量：制造业集聚(Agglo)[25]、人力资本(human)[26]、实际人均GDP(gdp)、产业结构(stru)、人口密度(pop_d)、城市规模(size)、交通基础设施(stru)、政府科技支出(R&D)、信息化程度(net)。变量的界定和说明参见表1。

(三)数据来源

本文主要变量的原始数据来自于《中国城市统计年鉴(2004-2015)》和《中国区域经济统计年鉴(2004-2014)》，2014年各城市房屋销售额和销售面积数据来自于各城市2015年国民经济和社会发展统计公报和各城市统计年鉴。用于剔除通胀因素的价格指数来自于《中国价格统计年鉴(1997-2015)》。用于计算距离空间权重矩阵W1的各城市经纬度坐标来自于国家基础地理信息系统数据库。本文数据的起始年份之所以选择2003年是因为在2004年之前出版的《中国区域经济统计年鉴》只统计了商品房销售额和商品房销售面积指标，未统计住宅价格和城镇居民人均可支配收入指标，之后的年鉴才开始同时统计这四个指标。另外，鉴于部分地级市的数据不全，本文横截面单位共285个地级市。

四、实证结果分析

(一)描述性统计分析

表1列出了本文主要变量的描述性统计特征值。从表1可看出，地区创新(inno)变量的平均值为7.345，标准差为19.586，最大值为259.8，最小值为0.019，这表明，就使用每万人专利申请量衡量地区创新而言，中国各地区创新水平之间存在较大的差异，有的地区创新水平较强，有的地区创新水平则较弱；从表1还可发现，商品房实际价格(price)变量的平均值为0.274(万元/每平方米)，标准误为0.214，商品房实际价格最大值为3.501(万元/每平方米)，商品房实际价格最小值为0.022，这表明，各地区之间在住房价格上存在较大差异。从表2可发现，地区创新(inno)与商品房实际价格(price)之间的相关系数高达0.588，且在1%的水平上显著；地区创新(inno)与住宅实际价格(price_z)之间的相关系数高达0.689，且在1%的水平上显著。此外，从图1的散点图和线性拟合曲线也可发现，地区创新与住房价格之间具有明显的正相关关系。

表2 主要变量的相关系数

说明：***、**和*分别表示在1%、5%和10%水平上显著。

图1 地区创新与住房价格的散点图

(二)对空间相关性的初步检验

若要基于空间计量模型进行实证研究，应先对被解释变量(inno)进行空间相关性检验。在表3中本文计算了莫兰指数(Moran I)，从中可发现，地区创新(inno)变量的莫兰指数均大于0，且通过了1%水平下的显著性检验，这表明中国地级市层面的地区创新具有较强的空间正相关性，即创新水平高的地区被创新水平高的临近地区所包围，创新水平低的地区被创新水平低的临近地区所包围*另外，本文还专门画出了因变量inno的Moran散点图，也得出了类似的研究结论，但受限于篇幅无法将2003-2014年的12幅图一一列出。。根据表3可知，地区创新(inno)变量的莫兰指数从2003年的0.245增加到2014年的0.546，这表明，地区创新的空间正相关性在逐年上升。从表3还可发现，核心解释变量price也具有空间正相关特征，前文所呈现的地区创新(inno)与商品房实际价格(price)之间的正相关关系也可能是共同的空间因素导致的，而非二者之间在机理上造成的，这需要进一步通过空间计量模型进行检验。

表3 空间相关性检验

(三)对空间外溢效应的实证检验

在表4中列出了基于空间计量模型的实证检验结果。从表4模型(1)-模型(3)可发现，空间自回归系数ρ分别为0.969 2、0.647 9、0.634 5，且均通过了显著性检验，这初步表明，地区创新具有明显的空间溢出效应。从表4还发现，豪斯曼检验的P值非常接近0，这拒绝了固定效应模型与随机效应模型无差别的原假设，因此在模型(1)-模型(3)基于固定效应模型进行估计*在论文的后续估计中均拒绝了随机效应模型，本文主要基于固定效应模型进行实证检验，限于篇幅，不再赘述。。模型(4)-模型(9)中，除了模型(6)之外，空间误差系数λ均显著大于0，尽管空间相关性的存在形式发生了变化，但地区创新的空间溢出效应仍然存在。在模型(6)中，尽管空间误差系数λ不显著，但空间自回归系数ρ显著大于0，进一步验证了创新的空间外溢效应。上述分析表明，地区创新确实存在空间外溢效应，在估计住房价格对创新的影响时需要基于空间面板计量模型控制这种效应，否则容易得出有偏误的估计系数。此外，从表4还可发现，商品房实际价格(price)的估计系数为10.18-16.33之间，且均通过了显著性检验，这初步表明，高房价不仅没有抑制地区创新，反而促进了地区创新的提升。若以模型(1)为例，通过计算可发现，商品房实际价格每上涨1个标准差，将引起地区创新提高0.162 8个标准差，这大约是地区创新平均值的2.2%。因此，高房价对地区创新的影响不仅是显著的，而且影响程度也比较大。

表4 空间外溢效应的实证检验Ⅰ

说明：(1)***、**和*分别表示在1%、5%和10%水平上显著，括号内为聚类稳健性标准误；(2)LL为对数似然值，hau_chi2为豪斯曼检验的卡方值，hau_chi2_p为豪斯曼检验的P值；(2)ρ为空间自回归系数，λ为空间误差系数；(3)本表所有模型均控制地区固定效应和时间固定效应；(4)W1、W2和W3分别为距离权重、相邻权重和经济权重；(5)其他各表类同，不再赘述。

表5 空间外溢效应的实证检验Ⅱ

表5中各模型在表4模型的基础上进一步控制了实际人均GDP(gdp)、制造业集聚(Agglo)、人力资本(human)、产业结构(stru)、人口密度(pop_d)、城市规模(size)、交通基础设施(road)、政府科技支出(R&D)、信息化程度(net)等变量。表5的估计结果与表4高度一致，地区创新的空间外溢效应仍存在，且商品房实际价格(price)的估计系数显著性大于0，这进一步印证了住房价格对地区创新的提升作用。若以表5模型(1)为例，通过计算可发现，商品房实际价格每上涨1个标准差，将引起地区创新提高0.07个标准差，这大约是地区创新平均值的1%。可见，住房价格对地区创新的促进效应是比较大的。同时，从表5还可发现，产业结构(stru)、交通基础设施(road)、政府科技支出(R&D)、信息化程度(net)等变量的估计系数均显著大于0，这表明，产业结构越是以第三产业为主导产业的地区、交通基础设施建设越完善的地区、政府科技支持力度越大的地区、信息化进程越快的地区，其创新能力就越强。

表6 不同空间权重矩阵下地区创新影响因素的分解结果

说明：本表列(1)、列(2)和列(3)是在表5模型(1)的回归结果基础上计算得出的；列(4)、列(5)和列(6)是在表5模型(2)的回归结果基础上计算得出的；列(7)、列(8)和列(9)是在表5模型(3)的回归结果基础上计算得出的。

(四)直接效应与间接效应

当存在空间溢出效应时，某因素的变化不仅会引起本地区创新的变化，同时也会对相邻地区创新产生影响，并通过循环反馈作用引起因变量的进一步调整和变化。根据Elhorst(2014)的计算方法[27]，可进一步将解释变量对因变量的影响分解为直接效应和间接效应。表6给出了基于空间权重矩阵W1、W2及W3的各变量对地区创新影响的分解结果。总体而言，三类权重下各因素对地区创新的影响方向和显著性水平比较接近。接下来，本文以W1权重下的分解结果为例说明各变量对地区创新的影响。就商品房实际价格(price)而言，从列(1)、列(4)和列(7)的分解结果发现，本地住房价格对本地区创新的影响为正值(即直接效应分别为6.911 8、4.944 2、7.611 2)，本地住房价格对周边相邻地区创新的影响也为正值(即间接效应为分别为137.486 6、4.777 8、5.558 4)，间接效应为正则表明本地区房价对周围地区的创新也具有促进作用，这是因为伴随着本地区房价的上涨会促进周边地区的房价协同提高，一方面使周围高素质创新型人才和高科技企业向本地区和相邻地区集聚，另一方面促进本地区和相邻地区低创新型企业和劳动密集型产业向外围地区转移，进而协同提升本地区和周边地区的创新能力。此外，从表6还发现：产业结构(stru)、交通基础设施(road)、政府科技支出(R&D)这三个变量的直接效应和间接效应均显著大于0，这表明本地区产业结构的优化升级、交通基础设施的改善及政府科技支出的提高不仅有利于促进本地区的创新，还有利于促进周围相邻地区的创新。

(五)稳健性检验

为了确保上文研究结论的稳健性，本文还进行了各种稳健性检验。第一，考虑到北京、上海、广州、深圳这4个一线城市的房价非常高且创新能力也非常强，可能是这4个特大城市促使本文研究结论成立，需要先剔除这4个城市的数据，再基于剩余的281个城市的面板数据进行空间计量回归，结果发现，本文的研究结论仍成立，并非这4个一线城市驱动造成的；若剔除4个直辖市的数据，也未能影响本文的结论。第二，考虑到2007年美国次贷危机对全世界房地产市场的不利影响，本文将时间段划分为2003-2006年和2008-2014年，或者划分为2003-2007年和2008-2014年，再分别基于这2个子时期进行回归，实证结果表明房价依然正向影响地区创新。第三，考虑到住宅价格影响到每一个微观行为主体，且理性人可能对住宅价格更为敏感，本文使用住宅实际价格(price_z)作为高房价的替代性衡量指标重新检验表4与表5中的回归结果，结果发现，本文结论仍成立。第四，鉴于有人曾基于人口密度设计经济空间权重矩阵，本文也使用两个地区人口密度之差的绝度值的倒数作为权重，并进行标准化处理，以替代上文中的W3，但这与使用W3作为经济权重的实证结论非常一致，并未推翻上文结论。第五，本文还考虑了核心解释变量与因变量的同期相关性问题，取商品房实际价格的滞后1期或滞后2期作为核心解释变量进行回归，但这仍未影响上述结论。第六，考虑到使用专利申请量衡量地区创新水平有可能存在衡量偏误问题，本文使用每万人专利授权量(INNO)代替inno，尽管这导致样本量下降且空间权重矩阵须重新调整，但本文的主要结论依然成立。第七，本文还考察了商品房实际价格的上涨率(grow_h1)和房价收入比变量(h_ratio1)对地区创新的影响，但均未发现房价上涨和房价收入比对地区创新产生显著影响，这进一步从侧面印证了本文研究特别强调住房价格自身水平对地区创新的促进作用。第八，本文还研究了住房价格对地区创新的影响是否存在倒U型曲线关系，结果发现，住房价格的平方项(p_sq)未通过显著性检验。这表明，住房价格对地区创新的影响并不存在非线性效应，从另一个角度再次印证了上文结论*限于篇幅，此处未列出各种稳健性检验的结果。。

五、住房价格影响地区创新的内在机制

为了考察住房价格影响地区创新的内在机制，本文设定了如下空间计量模型

innoit=ρW*innoit+β1priceit+β2priceit×Zit+Zβ+μi+vt+εit

(6)

上式(6)中，priceit×Z1t为商品房实际价格与反映地区经济社会发展状况变量的交乘项，通过对式(6)取关于商品房实际价格的一阶导数可发现，∂inno/∂price=β1+β2Z1t，这表明，住房价格对地区创新的影响还取决于Z1t。在表7中，分别考察了商品房实际价格与实际人均GDP(gdp)、产业结构(stru)、城市规模(size)、人口密度(pop_d)、交通基础设施(road)、信息化程度(net)、政府科技支出(R&D)等变量的交互效应。

首先，在表7模型(1)中，商品房实际价格与实际人均GDP的交乘项(p×gdp)估计系数为21.592 8且在1%的水平上显著，这表明，与人均产出较低的地区相比，住房价格对人均产出较高地区的创新促进作用更大。在模型(2)中，商品房实际价格与产业结构的交乘项(p×stru)估计系数为93.624且在1%的水平上显著，这表明，与产业结构升级较慢的地区相比，住房价格对产业结构升级较快地区的创新促进作用更大。进言之，住房价格与产业结构变量的交乘项估计系数大于0，这也进一步佐证了本文在理论分析部分的论断，即住房价格通过选择效应优化产业结构进而促进创新。

其次，在表7模型(3)中，商品房实际价格与城市规模的交乘项(p×size)估计系数为8.740 8且在1%的水平上显著，这表明，与规模较小的城市相比，住房价格对大城市创新活动的促进作用更大。在模型(4)中，商品房实际价格与人口密度的交乘项(p×pd)估计系数为17.741 6且在1%的水平上显著，这表明，与人口较稀疏的地区相比，住房价格对人口密集度较高地区的创新促进作用更大。

表7 住房价格影响创新的内在机制

注：本表所有模型为SAR，且所有模型均控制地区固定效应和时间固定效应，括号内为聚类稳健性标准误；所有模型权重矩阵均为W1；本表所有模型的控制变量均包括实际人均GDP(gdp)、制造业集聚(Agglo)、人力资本(human)、产业结构(stru)、人口密度(pop_d)、城市规模(size)、交通基础设施(road)、政府科技支出(R&D)和信息化(net)。

最后，在表7模型(5)中，商品房实际价格与交通基础设施的交乘项(p×road)估计系数为15.805 5且在1%的水平上显著，这表明，与交通基础设施建设较落后的地区相比，住房价格对交通基础设施建设较发达地区的创新促进作用更大。在模型(6)中，商品房实际价格与信息化变量的交乘项(p×net)估计系数为34.45且在1%的水平上显著，这表明，与信息化程度较低的地区相比，住房价格对信息化程度较高地区的创新促进作用更大。在模型(7)中，商品房实际价格与政府科技支出的交乘项(p×R&D)估计系数为870.323 4且在1%的水平上显著，这表明，与政府对科技支持力度较低的地区相比，住房价格在政府科技支持力度较高的地区对创新活动的促进作用更大。这也进一步印证了本文的理论分析部分，即住房价格能够保障地方政府持续对科技创新活动进行财政支持。

另外，本文还使用空间自相关模型(SAC)和空间误差模型(SEM)替代空间自回归模型(SAR)重新对表7进行估计，结果发现，绝大部分交乘项依然显然大于0，这表明住房价格对创新的影响存在中间机制。当然，使用住宅实际价格替代表7中的商品房实际价格并不会影响此处的研究结论。综上所述，尽管住房价格会正向推动地区创新，但住房价格对地区创新的推动作用又依赖于其他变量和机制。

六、结论与政策涵义

首先，本文基于中国285个地级市2003-2014年面板数据并运用空间计量模型定量评估住房价格对地区创新的影响。本文的实证研究表明：地区创新具有明显的空间溢出效应；房价价格对地区创新具有正的影响。这表明，尽管在理论上住房价格既可能对地区创新产生抑制效应，也可能产生促进效应，但是基于中国285个地级市的空间计量模型支持住房价格所产生的促进效应大于抑制效应，即净效应大于零。

其次，为了确保本文研究结论的稳健性，本文做了各种稳健性检验工作。考虑到基于不同的空间权重矩阵可能会得出不同的研究结论，本文特地设定了距离空间权重矩阵、相邻空间权重矩阵及经济空间权重矩阵这三类权重矩阵，但三类矩阵得出的实证结论基本一致。为了验证地区创新的空间溢出效应，本文同时使用空间自回归模型(SAR)、空间自相关模型(SAC)和空间误差模型(SEM)检验创新的空间溢出效应，结果得出了一致的研究结论认为地区创新具有明显的空间溢出效应，因此在评估住房价格对创新的影响时需要运用空间计量模型进行实证研究。本文的实证研究还表明，住房价格对地区创新的促进效应在地区经济发展水平更高、产业结构更合理、城市规模更大、人口密度较高、交通基础设施更完善、信息化程度较高、政府科技支出力度更大的地区更强。

最后，本文的研究结论对澄清房价与创新的关系问题具有重要的学术价值和实践意义。第一，个别学者在媒体上提出“中国人创新为何受阻于房价”，或是将中国创新乏力的原因归咎于住房价格，认为房地产业对实体经济中的研发创新产生了挤出作用，但是本文基于中国285个地级市的空间计量研究尚未发现上述观点成立的证据，而是发现住房价格对地区创新的促进效应要大于抑制效应。第二，部分观点指出要通过控制房地产业过快发展、甚至采取直接打压房价的办法来避免住房价格对创新的不利影响，我们认为，没有必要为了促进创新而打压房价或限制房地产业的发展。事实上，房价的变动属于市场行为，不能因为房价过高影响了创新而采取管制房价的逆市场措施，更何况住房价格并未对地区创新产生抑制效应。第三，并不是所有的地区和城市都具备创新的条件和要素，在局部地区可能由于住房价格自身就反映了该地区具有较强的吸引力和实力，否则就不会有如此高的需求。其实，创新往往集聚在某个地理极点上，而不是全面开花，在考察住房价格对创新的影响时一定要客观，就地级市层面而言，当前住房价格对创新“净影响”而言是“利好”，住房价格所引致的一系列经济后果会与住房价格自身一起在某些地区协同促进经济创新驱动发展，如住房价格带动地区基础设施建设、通过选择效应淘汰低技术含量的企业和产业、保障地方政府扶持科技的财力、通过财富效应缓解创新型企业的融资约束等机制协同推进经济创新驱动发展。

需要指出的是，受限于仅使用每万人专利申请量和授权量衡量地区创新，这具有一定的片面性，难以全面刻画住房价格对地区创新各个方面的影响，如住房价格对专利转化率、科技论文数量及被引用次数等的影响。受限于目前缺少地级市层面的专利转化率数据和论文被引次数等反映地区创新的数据资料，本文的研究结论仍是初步的，针对住房价格影响地区创新的研究仍需进一步深化。