产业集聚对中国房地产价格影响的实证研究

衣保中 周 贺

(吉林大学 东北亚研究院，吉林 长春 130012)

一、引 言

1998年东南亚金融危机爆发。为提振内需，我国开始启动住房保障领域的货币化改革。伴随着房地产市场改革的不断深入，我国城镇住房市场进入高速发展时期。2000～2016年全国商品房平均销售价格上涨了3.5倍，除2008年国际金融危机对房地产价格产生短期的抑制外，房地产价格一直呈持续上升的趋势。房地产产业的繁荣吸引了大量的人力资源和资金投入，房地产信贷市场需求猛增，同时带动了装修、家具、钢铁及建材等上下游产业的快速发展，房地产成为拉动我国经济发展的重要力量之一。不断上涨的住房价格日益成为政府、学界和民众关注的焦点，房地产市场的供需平衡、价格泡沫及其经济后果等也成为近年来我国房地产市场领域重要的研究课题。

价格的决定与波动是厘清房地产市场表象的核心问题。房地产价格是多种因素共同作用的结果，这些因素可以按影响房地产市场的需求还是影响房地产市场的供给来划分，有些因素既能够影响需求也能够影响供给，而且在预期的作用下，需求影响因素与供给影响因素会相互转化。产业集聚也是如此。房地产价格受各地区产业集聚程度的影响，产业集聚水平基本反映了各地区的经济发展水平、工资水平与消费水平，对地区的商品房市场价格形成产生影响。同时，产业集聚的地区具有持续吸纳周边资源的能力，在集聚效应下，大量的技术人才、知识精英以及资本不断聚集，进一步推高了对住房的需求。产业集聚下建设用地需求的增长还会对房地产的土地供应市场形成影响，导致土地价格上升推高住房建筑成本，从住房供给方面影响住房价格，根据2005～2017年我国土地成交价款和商品房销售额情况，土地购置费用与商品房销售额同步上升，土地购置费用是商品房销售价格上升的重要因素之一。因此，产业集聚与房地产价格上涨在理论上存在着紧密的关联。

Malpezzi(2002)对美国房地产市场进行实证研究，发现创新性产业每增加1单位就能促使房地产价格上涨28%，创新型产业集聚是美国房价上涨的重要原因。[1]Reed和Pettit(2004)对澳大利亚房地产市场进行研究，发现传统服务业和零售业集聚的地区房地产价格水平较低，建筑业与金融业集聚的区域房价水平较高。[2]周启良(2015)以中国数据为样本，研究发现技术密集型产业集聚会拉动房价上涨，而劳动密集型产业集聚则会抑制房价上涨。[3]据此，本文以中国35个大中城市2000～2016年的数据为样本，构建静态面板模型和动态面板模型，实证检验产业集聚对房地产价格的影响，并选取人口集聚与土地价格中介变量，实证检验产业集聚影响房地产价格的中介效应，探讨产业集聚对房地产价格的影响机制，从而为我国的房地产市场宏观调控提供合理的政策建议。

二、文献综述

房地产价格的决定受多种因素影响，产业集聚是影响房地产价格的重要因素之一。以下从房地产价格的形成、产业集聚的发生、产业集聚对房地产价格的影响机制三个方面对现有文献进行梳理。Alonso(1964)基于新古典经济学理论，提出物价的高低是影响房价水平的关键。[4]Mankiw和Weil(1989)将人口变量加入到房地产价格模型中，研究发现房地产价格与人口因素显著相关。[5]Abraham和Hendershott(1996)构建模型讨论房地产均衡价格变动动因，指出就业率、可支配收入和建设成本是影响房价的主要因素，城市数据显示房地产价格与这三个因素显著正相关。[6]况伟大(2005)通过格兰杰因果检验发现地租是房地产价格变动的原因。[7]赵丽丽和焦继文(2007)发现户籍人口是仅次于地租和建筑材料价格的影响济南市房价水平的主要因素，户籍人口增加导致房地产价格上升。[8]白霜(2008)发现人均可支配收入能显著性解释房价变动。[9]栾斌和张雪占(2010)发现投资者的投机行为促进了房价的高涨。[10]张辽和杨成林(2015)发现土地市场改革能够抑制房价。[11]唐云锋和吴琦琦(2018)对我国15个大中城市房价的变动进行了研究，发现土地财政政策会引发房地产价格变动。[12]

产业集聚是经济生产的必然现象，产业集聚对经济增长、FDI和区域创新具有重要的影响。最早的产业集聚概念来自于Marshall(1890)。Marshall首次提出“产业区”的概念，并将其定义为由历史因素和区域地理因素共同作用所形成区域内集聚的中小企业集群。Marshall指出，由于产业集聚有利于促进各区域服务向专业化方向转变、促使劳动力市场拥有更多产业技能的技术人员而降低企业的搜寻成本、促使上下游企业联系更加紧密产生技术和信息的溢出效应，从而导致产业集聚的发生。[13]Krugman(1991)、Rosenthal和Strange(2001)、Ellison等(2010)的研究均阐释并证实了产业集聚存在的必然性。[14-16]伴随着我国市场经济体制的不断完善，市场作用机制下的要素流动性增强，各地区的产业集聚现象也日益显著。

产业集聚对房地产市场价格的影响体现在人口集聚、收入增加与土地供给价格上。产业集聚经济效应的存在，显著地影响人口迁移的发生。产业集聚的规模经济效应和外部性效应促使企业生产成本下降，企业利润提高，员工工资报酬上升，吸引其他地区的人口流入。产业集聚还会吸引更多企业到该地区设厂，企业增加意味着该地区有更多的就业机会，吸引其他地区的劳动力就业。人口流入会增加住房需求，从而使产业集聚程度较高地区的房价持续上涨。Gabriel等(2012)研究发现地区间的人口流动迁移是影响房地产价格的主要因素之一。[17]陆铭等(2014)研究发现中国迁入人口占比高的地区房价水平更高，迁入人口比正向变动更大的地区的房地产价格增长率更高。[18]王应贵和娄世艳(2018)研究发现人口流入对日本东京都市圈的经济发展的影响显著，同时影响了地区的住房价格。[19]

土地价格是影响房价的主要因素(Needham，1981)。[20]土地成本是房地产开发企业的重要成本之一，土地成本的高低直接决定着房地产价格的高低。由于土地的供给是有限度的，土地市场中的供给曲线存在着刚性特征，土地需求的快速增加会导致土地价格的快速上涨(张敏和林志刚，2019)。[21]中国的土地制度更加强化了政府在土地市场中的垄断者力量。产业集聚导致城市化建设过程加快，企业和人口向城市的快速涌入导致居民用地需求和工业用地需求的快速增加，进而导致土地价格的攀升。平新乔和陈敏彦(2004)对中国35个城市进行实证分析，发现土地价格是影响房地产价格的主要因素之一。[22]Mohamadzadeh等(2016)实证研究伊朗土地价格与房地产价格的关系，发现土地价格的上升推高了房地产价格。[23]

三、我国制造业集聚程度与房地产价格现状分析

为了整体把握我国各地区的产业集聚水平与房地产价格的现状，本文选取2010～2016年全国31个省(市、自治区)的数据进行分析。产业集聚的测度方法主要有产业集中度、产业集聚指数、区位熵、空间基尼系数、赫芬达尔指数以及EG指数等。这里，借鉴刘颜和邓若冰(2017)的研究[24]，选择使用区位熵对我国各地区的产业集聚水平进行测量，计算公式为 ：

(1)

本文选择制造业的产业增加值作为产业集聚的测度指标，根据公式(1)计算我国各省份的产业集聚区位熵。根据表1，发现我国天津、河北、辽宁、江苏、浙江、山东以及广东等东部地区省市的制造业区位熵指数平均值大于1，说明在这些省市的产业结构中制造业占比较高；而北京和海南的制造业区位熵指数值较低，这与产业转型升级与产业发展传统有关。中部地区的安徽和河南制造业区位熵指数大于1，且逐年升高，说明其接受周边发达省市制造业产业转移效果显著，导致其制造业的集聚程度越来越高；山西和黑龙江的制造业区位熵指数下降趋势明显，反映了制造业发展的相对滞缓与疲软状态。西部地区除内蒙古、青海和陕西外，大部分省市的制造业区位熵指数小于1，显示了西部地区制造业发展要落后于东部和中部地区，这也与我国区域经济发展格局相一致。

表1 2010～2016年各省份制造业集聚区位熵指数

根据2010～2016年我国各省份商品房平均销售价格统计情况(见表2)，发现东部地区的北京、上海和浙江等省市年平均房地产价格均在每平方米10 000元以上。北京和上海2016年的商品房平均销售价格分别为每平方米27 497元和24 747元，远远高于全国平均水平，随后是浙江、天津和海南，并且这些地区的房价有逐年上涨的趋势。河北、辽宁和山东房价相对处于较低水平，2016的商品房平均销售价格分别为每平方米6438元、6080元和5855元，虽然保持上涨势头，但增幅较为缓慢。中部地区房地产价格基本接近，商品房平均销售价格在每平方米4000～5500元之间，价格波动幅度较小。西部地区的四川和重庆商品房平均销售价格最高，2016年分别为每平方米5762元和5485元，其他省市的商品房价格相对较低。总体上，我国商品房平均销售价格也呈东中西依次下降的格局特征，2016年我国各省市商品房每平方米平均销售价格均高于4000元。

表22010～2016年各省市商品房价格单位 ：元/平方米

区域省份2010年2011年2012年2013年2014年2015年2016年均值东部北京17 78216 85217 02218 55318 83322 63327 49719 882天津8 2308 7458 2188 7469 21910 10712 8309 442河北3 5393 9834 4784 8975 1315 7596 4384 889辽宁4 5054 7334 9425 1225 3735 7586 0805 216上海14 46414 60314 06116 42016 78720 94924 74717 433江苏5 8416 5546 7276 9097 0067 3568 8057 028浙江9 2589 83810 64311 04210 52610 52511 12110 422福建6 2567 7648 6469 0509 1368 8819 2188 422山东3 9444 4484 7635 0495 3155 5605 8554 991广东7 4867 8798 1129 0909 0839 79611 0978 935海南8 7358 9437 8948 6699 3159 3399 8788 968中部山西3 4873 4333 8714 4334 7344 8704 9844 259吉林3 6474 3644 1474 4835 1125 4765 3644 656黑龙江3 7193 9664 0674 7384 8825 1445 2954 544安徽4 2054 7764 8255 0805 3945 4575 9245 094江西3 1444 1484 7455 2035 2885 3585 7094 799河南3 0423 5013 8314 2054 3664 6114 9644 074湖北3 7434 4865 0435 2665 5135 8636 7245 234湖南3 1463 7904 0494 2434 2274 3044 6404 057西部内蒙古35213 7834 0534 3014 3334 4414 5464 140广西3 5623 7724 2034 5934 8544 9605 2374 454重庆4 2814 7345 0805 5695 5195 4865 4855 165四川4 1384 9185 4495 4985 5975 4755 7625 262贵州3 3573 8894 1164 2954 3124 4154 3074 099云南3 1583 6354 2094 4944 9985 3005 2694 438西藏2 8963 4753 2694 1745 7744 1115 1124 116陕西3 7594 9495 1565 2805 1665 3625 4715 020甘肃3 0423 3183 5703 8864 5444 9135 2014 068青海3 0053 2484 0494 1635 0815 2425 4004 313宁夏3 3043 7323 9484 2324 1174 4134 2413 998新疆3 0873 5493 9184 2684 6284 6534 6324 105

资料来源 ：2011～2017年《中国统计年鉴》。

四、产业集聚对我国房地产价格影响的实证分析

(一)数据样本与模型设定

选取2000～2016年35个大中城市的数据为样本，数据来源于《中国房地产统计年鉴》、《中国城市统计年鉴》、《中国城市建设统计年鉴》、“中国地价监测网”和《中国区域经济统计年鉴》。分别构建静态面板数据模型和动态面板数据模型，实证研究各行业产业集聚程度对房地产价格的影响，模型形式如下:

lnYit=α+β1Xit+β2Wit+β3Zit+εit

(2)

lnYit=α+β0lnYit-1+β1Xit+β2Wit+β3Zit+εit

(3)

其中，Yit是房地产价格水平，用各城市的商品房平均销售价格表示，并以2000年为基期剔除价格因素变化的影响；Xit是产业集聚程度(iagg)，利用城市制造业就业人数计算获得的区位熵指标；Wit是中介变量，由人口集聚(pagg)与土地成本(landc)变量构成；Zit为影响房地产价格的控制变量，包括对住房需求有影响的平均工资(wage)、财富水平(fortune)，对住房供给有影响的建筑成本(buildc)、竣工面积(house)。所有变量具体含义及数据来源见表3。

表3 各变量定义和数据来源

为了实证检验产业集聚影响房地产价格的机制，借鉴Baron和Kenny(1986)、温忠麟和叶宝娟(2014)的中介效应检验方法[25，26]，建立如下面板数据回归模型 ：

lnYit=α+α0lnYit-1+α1Xit+εit

(4)

Wit=β+β0Wit-1+β1Xit+εit

(5)

lnYit=γ+γ0lnYit-1+γ1Xit+γ2Wit+εit

(6)

依次对公式(4)、公式(5)和公式(6)进行估计，如果估计系数α1、β1、γ2均显著，则表明存在中介效应，即产业集聚对中介变量有影响，同时中介变量对房地产价格有影响；如果γ1显著，则中介变量的影响是部分的，否则可视为完全中介效应。

(二)模型估计与实证结果分析

首先，对静态面板数据模型公式(2)进行估计。通过豪斯曼检验发现应选择固定效应模型，控制时间效应与个体效应进行估计。根据估计结果(见表4)，发现产业集聚(iagg)的估计系数为0.045，对房地产价格有正向影响，但不显著；中介变量人口集聚(pagg)的影响也不显著，土地成本(landc)的估计系数为0.174，对房地产价格有显著的正向影响。如果土地成本是产业集聚影响房地产价格的中介变量，那么产业集聚对房地产价格影响不显著很可能是因为中介变量作用的效果。控制变量平均工资(wage)、财富水平(fortune)和建筑成本(buildc)均对房地产价格具有显著的正向影响，竣工面积(house)的估计系数为-0.105，对房地产价格形成显著的负向影响，这与供给增加抑制价格上涨的商品供需均衡理论相一致。此外，房地产价格作为经济指标，其变化是一个动态持续的过程，即房地产价格水平存在着时间上的相依性，当期房地产价格水平受到滞后一期房地产价格水平的影响。因此，有必要在解释变量中加入房地产价格的滞后项，建立动态面板数据模型。

其次，对动态面板数据模型公式(3)进行估计。系统广义矩估计和差分广义矩估计是动态面板模型的常用估计方法，为了获得稳健的参数估计结果，本文分别应用两种方法进行估计。根据估计结果(见表4)，发现产业集聚(iagg)的估计系数均显著为正，产业集聚对房地产价格有显著的正向影响，系统广义矩估计和差分广义矩估计的系数分别为0.232和0.128；中介变量人口集聚(pagg)的估计系数为-0.019，即人口集聚对房地产价格的影响为负，这与前文阐释的理论研究相矛盾，土地成本(landc)的估计系数为0.072，对房地产价格有显著的正向影响。控制变量平均工资(wage)、财富水平(fortune)和建筑成本(buildc)仍然对房地产价格具有显著的正向影响，竣工面积(house)的影响不再显著。模型的系统广义矩估计和差分广义矩估计结果均通过了Arellano-Bond的序列相关检验和Sargan的工具变量有效性检验(见表4)。

表4 产业集聚影响房地产价格的实证检验结果

注 ：*、**、***分别表示在10%、5%和1%置信水平下显著。

表5 产业集聚影响房地产价格的中介效应实证检验结果

注 ：*、**、***分别表示在10%、5%和1%置信水平下显著。

再次，对动态面板数据模型公式(4)、公式(5)和公式(6)进行系统广义矩估计，检验产业集聚是否存在影响房地产价格的人口集聚和土地成本中介效应。根据估计结果(见表5)，发现在模型1中，产业集聚对房地产价格具有显著的正向影响，同时产业集聚能够显著正向影响人口集聚与土地成本，模型2和模型3中的估计系数分别为4.592和0.062，而人口集聚与土地成本又能够显著影响房地产价格，模型4和模型5中的估计系数分别为0.000124和0.439，由此可以判定产业集聚通过人口集聚与土地成本两个途径影响房地产价格是成立的，即中介效应是存在的。又由于模型4和模型5中产业集聚的系数也显著，因此人口集聚与土地成本分别只反映了部分中介效应。(1)二者均是中介效应的表现意味着二者都不是唯一的中介效应。由此可知，产业集聚能够通过人口集聚和土地价格上涨来推动房价上涨，但人口集聚和土地成本均分别传递产业集聚对房地产价格的部分影响。各个模型的估计结果均通过了残差序列相关检验和Sargan的工具变量有效性检验(见表5)。

五、结论与政策建议

通过研究产业集聚对房地产价格的影响，获得如下主要结论 ：一是我国各省份的制造业集聚程度和房地产价格水平差异较大，且呈东中西依次下降的格局特征，与我国的经济发展水平格局特征基本一致；二是产业集聚能够显著促进大中城市房地产价格水平的上升，平均工资、财富水平、建筑成本和房地产竣工面积均对房地产价格产生显著影响，人口集聚和土地成本是产业集聚影响房地产价格的重要中介，即产业集聚能够通过人口集聚和土地价格上涨来推动房价上涨。

基于上述研究结论，为更好地开展我国房地产市场调控，提出如下对策建议 ：第一，促进各区域均衡协调发展，缩小东部地区与中西部地区的经济发展差距、产业集聚差距和房地产价格差距，引导制造业从东部地区向中西部地区转移，避免个别地区房地产价格过高。第二，注意人口集聚对大中城市房地产价格的影响，尽可能采取多种形式保障好大中城市流入人口的住房问题，建立更加严格的购房资质制度，避免城市对新居民在住房上的经济剥夺，控制好城市老居民对新居民在住房买卖上的二次收割，做到房住不炒，在大众中普遍形成房地产价格稳定的预期，引导居民进行其他方式的投资保值。第三，注意土地成本持续上升对大中城市房地产价格的影响，加快土地市场的市场化改革，探索改革政府是土地唯一供给方的住房土地开发制度，避免政府经营土地导致的供地规模不足，土地成本持续上升，努力破解以土地拍卖经费弥补财政收支缺口的土地财政困境。