房地产市场促进还是抑制了劳动生产率?——基于中国城市面板数据的分析

贾庆英，高 蕊

(山东财经大学 经济学院，山东 济南 250014)

一、引言

长期以来，房地产市场对经济的影响一直是学术界关注的重点。大量文献从理论和实证角度深入研究了房地产对经济增长的影响及其机制，然而很少有文献研究房地产市场对劳动生产率的影响。经济增长的根本原因在于生产率的提高。现实中，中国经济经历了几十年的快速增长后，进入转型升级关键时期，经济增长面临较大的下行压力，核心原因在于劳动生产率增速持续放缓[1]。近年来，房地产市场发展过热，房价居高不下，与实体经济呈现“冰火两重天”的景象，资金出现“脱实向虚”的趋势。相对而言，房地产领域的生产率低于实体经济的生产率，劳动生产率提升的源泉在于实体经济。房地产市场的适度发展能够起到稳定经济的作用，并且能够通过抵押贷款、财富效应等方式激活实体经济，从而推动劳动生产率的上升。然而当房地产市场过度发展后，房地产的虚实二重特性使得大量的资金从实体经济涌入房地产市场，进而导致经济资源错配[2-3]，可能会导致劳动生产率的下降。

当前关于房地产市场对经济影响的研究存在相反的两类观点。一类认为房地产市场是顺经济周期的，房地产的发展能够促进经济增长。这部分研究主要从房地产价格、房地产业增加值等与经济总量、企业投资和消费的关系入手研究，探讨了房地产市场促进劳动生产率、促进经济增长的渠道和机制。从经济核算的角度看，房地产业增加值在不同国家和阶段占GDP 的比重约为2%～15%[4-6]。从区域角度看，房价对地区创新存在促进作用，并且在经济发展水平更高的城市这种促进作用更强[7]。从产业关联的角度看，房地产产业链长，其发展能够带动上下游产业的发展[8]。对企业而言，房地产是企业重要的资产，是抵押贷款的主要标的物，房地产市场的发展提高了房地产作为标的物的价值，企业能够获取更多的贷款，缓解资金约束[9-11]。在消费领域，房地产作为消费者重要的财产，其价值的上升代表消费者财富的增加，根据消费的生命周期理论[12]，消费者会根据终生财富来平滑消费，那么消费者就可以用房地产抵押借款消费，即房地产存在财富效应[13]。

另一类研究则针对当前经济“脱实向虚”，研究了房地产过度发展对经济的抑制作用。房地产业相对于制造类产业技术含量比较低、技术创新较难，因此房地产业本身对社会整体生产率的贡献要小于平均值[14]，总体表现出房地产过度发展对实体经济发展的抑制作用。这方面研究主要从房地产对工业发展或产业结构、对实体企业投资和创新以及对全要素生产率的影响等方面进行，而对房地产过度发展则以房地产泡沫、房地产价格偏高和价格上涨较快来表示。宏观或者行业层面上，由于房地产对技术进步贡献较小，房地产泡沫会抑制其他部门的产出进而影响经济增长[15]，过高的房价会对第二产业产生挤出效应[16]，导致工业企业的空心化[17]，引起产业结构调整。房地产投资过高也会对金融效率产生抑制作用，不利于金融支持实体经济发展[18]。从企业层面，如果房地产价格上涨较快，则会吸引其他行业的企业进入房地产行业[19]，投资房地产的利润高于实体生产，抑制企业实体投资[20]，进一步抑制工业企业的创新[21，22]。在这种情况下，会吸引人力和资金等资源过多地配置到房地产和金融行业，导致资源错配，降低全要素生产率[2，23]。进一步，从劳动力成本的角度来看，房价上涨会导致房地产、金融领域的工资上涨，带动社会整体工资的上涨，从而恶化资源配置效率[24]。

根据对文献的梳理可以发现，房地产市场的发展对经济产生了两种相反的作用力，房地产市场对劳动生产率的最终作用方向是不确定的。这主要是因为上述研究的关注点较为单一，没有全面地考察房地产市场及其发展过程对劳动生产率的影响，因此非常有必要深入研究房地产市场对生产率的作用机制。如何区分两种作用力并测度出其对生产率的影响是本文的重点。本文将从房地产投资水平、交易额、价格和相对规模等多个角度来考察房地产市场对劳动生产率的影响，其中以房地产市场相对规模作为解释变量将房地产市场对劳动生产率的抑制作用刻画出来，并通过中介效应验证房地产市场抑制了全要素生产率进一步导致了劳动生产率增速的下降。

二、理论分析与研究设计

按照传统经济理论，经济增长的动力主要来自资本存量增加、有效劳动力增加和技术进步引起的全要素生产率的提高。随着经济实践的演进，房地产等虚拟经济逐步发展并脱离实体经济。在房地产领域表现为房价偏离基本的生产成本，主要资源在房地产领域内循环，并不断吸引新的资源进入，相对减少了实体经济的可支配资源。现有研究逐步将资本区分为实体资本和虚拟资本[25，26]。因此，在传统的C-D 生产函数的基础上，考虑规模报酬不变的情形，参照况伟大[27]的研究建立如下经济增长模型：

其中，下标t 表示年份，Yt为经济总产出水平，At为全要素生产率，Ht为房地产投资额，Kt为非房地产资本存量，Lt为就业人数，β1、φ 和1-β1-φ 分别为房地产投资、非房地产资本存量和劳动的产出弹性。

公式(1)两端同时除以Lt，可得：

令lpt＝Yt/Lt表示劳动生产率，ht＝Ht/Lt为人均房地产投资额，kt＝Kt/Lt为人均非房地产资本存量，则公式(2)就可以表示为：

两端同时取对数可得：

从公式(4)可以看出，劳动生产率的高低，除了受全要素生产率、人均物质资本存量影响外还受人均房地产投资水平的影响，这恰恰可以解释房地产市场与劳动生产率的正相关性。

假说1：人均房地产投资对劳动生产率存在正向影响，即人均房地产投资量增加会促进劳动生产率的提高。

全要素生产率A(·)除取决于科学技术、人力资本和经济开放程度等因素[28-30]外，还受资源配置的影响[26，31]。之所以将房地产投资和非房地产投资加以区分，是因为房地产具有虚实二重属性。房地产具有实体性，是社会生产活动和居民生活所必需的生产和生活资料，其发展将带动上下游企业的发展，对国民经济的发展有重要作用。房地产市场活跃会推动经济中金融杠杆的延长、货币需求的增加，促进社会流动性，这表现为房地产的虚拟性。房地产的虚实二重性使其能够发挥经济“秤砣”的作用[32]，一个健康平稳的房地产市场能盘活经济，起到四两拨千斤的作用，促进劳动生产率的提升。

然而房地产的发展可能会偏离实体经济，过多的资源流向房地产和金融等虚拟经济领域，房地产容易成为投机品，价格易出现自我攀升，从而与实体经济相脱离[33]，而且可以反复交易，这提高了其虚拟性。房地产在脱离实体经济实现“自我增值”的过程中其相关领域的资金回报率和工资率将会高于其他领域，从而吸引大量的资金、人力等社会资源进入房地产领域，挤占本该用于实体经济的各种资源，形成当前社会高度关注的“脱实向虚”现象。房地产资产与机器设备等资产相比，对经济和技术进步缺乏正的外部性[14，15]。因此房地产市场对实体经济资源的挤占，会导致社会资源的错配，进而影响劳动生产率。如何区分这两种作用力是探讨房地产市场对劳动生产率影响的关键。

一个地区的房地产交易额越大，说明更多的信用被盘活，社会有更多的资本用于经济的发展。但如果房地产过热，超越实体经济的增速，将造成资源错配。房地产的资源配置效应可以用房地产市场相对规模来表示，相对规模越大说明房地产与实体经济的距离越远，房地产发展快于实体经济的发展。在其他条件不变的情况下，房地产价格越高，交易额越高，房地产市场相对规模也越大。所以房地产交易额、房地产价格和房地产市场交易规模都可以影响资源配置情况进而影响全要素生产率。全要素生产率就可以表示为A(salest，hpt，allocat，ct)，其中salest、hpt、allocat、ct分别表示t 期的人均房地产交易额、房地产价格、房地产市场相对规模①后文中会进一步提到，这几个房地产变量均会对全要素生产率产生影响，但是由于这几个变量之间有密切的联系，相对规模取决于交易额，而交易额取决于房地产价格。所以虽然在此全都放进全要素生产率函数，但是后面的实证中需要分别进行检验。及其他变量。在生产函数中A(·)代表希克斯中性技术进步的效率函数，借鉴Huletnetal[34]、刘生龙和胡鞍钢[35]以及毛其淋和盛斌[29]的做法，可以假定A(·)的组成部分是多元组合的，即

其中，A0为初始全要素生产率，λ 为外生的生产率变迁，β2、β3、β4、γ 分别为人均房地产交易额、房价、房地产相对规模和其他变量对全要素生产率的影响参数。

则公式(4)中的lnAt就可以表示为：

据此，本文进一步提出：

假说2：在其他因素不变的情况下，人均房地产交易额的增加能提高劳动生产率，但是房地产市场相对规模的提高却会抑制全要素生产率进而降低劳动生产率。

在实体经济一定的情况下，房地产交易额越大，房地产市场的相对规模越大，若二者对劳动生产率起到相反的作用，则在房地产市场规模的扩大中，必然存在一个变量，导致这种作用方向由正向变为负向。房地产交易额等于房地产价格乘以交易面积。在中国最近几十年的经济发展过程中，房地产价格作为房地产市场机制的主要信号，在房地产市场繁荣阶段快速上涨，而在紧缩阶段存在刚性，所以在房地产价格较低的阶段可能促进生产率的提高[13，14]，但是当房价过高时则会降低全要素生产率[22，36]。因此房价对全要素生产率影响的系数是不确定的，可能为正也可能为负，甚至可能正负抵消①本文在此仅分析综合效应，房地产价格对全要素生产率这种不对称效应将另行文阐述。。因此，房价对全要素生产率进而对劳动生产率的影响方向有待检验。

三、计量模型、变量和数据描述

(一)基准计量模型的设定与变量选取

基于前文的分析，本文的研究目的是考察房地产市场的劳动生产率效应，为验证理论分析部分提出的假说，本文采用中国地级及以上城市市辖区数据进行实证检验，设定计量模型如下：

其中，下标i 表示城市，下标t 表示年份。被解释变量lpit为i 城市第t 年的劳动生产率，εit表示随机扰动项。解释变量包括人均房地产投资额、人均房地产交易额等，具体变量内涵如下：

1.劳动生产率的对数(lnlp)。用城市年度GDP 除以城市就业人员数取对数后得到。劳动生产率分为个别劳动生产率和社会劳动生产率，本文分析的是城市劳动生产率，故选择社会劳动生产率，以社会的增加值除以所耗费的劳动来表示。

2.人均房地产投资额的对数(lnh)。用城市房地产投资额除以城市就业人员数后取对数表示，该指标描述了城市的房地产投资水平，该值越高，说明房地产开发企业对该城市的预期土地溢价空间越高。

3.人均房地产交易额的对数(lnsales)。用城市房地产交易额除以城市就业人员数后取对数表示，该指标衡量了城市房地产市场的活跃程度。

4.房地产平均交易价格的对数(lnhp)。用该城市的房地产交易额除以房地产交易面积后取对数得到。当前关于房地产的主要文献均从房地产价格入手，考察其对经济的影响，房价也较多地被社会所关注。

5.房地产市场相对规模的对数(lnalloca)。用房地产交易额除以地区生产总值乘以100 后取对数表示，该变量体现了资源配置情况，该值越高，说明该城市有较多的资源流入房地产市场，虚拟经济更多地挤出实体经济。同时，该比值的提高，说明虚拟经济的发展速度超过了实体经济的发展速度。直观上，该资源配置效应对劳动生产率有负向作用。

6.人均资本存量的对数(lnk)。用城市的资本存量除以城市就业人员数后取对数表示。其中资本存量按照单豪杰[37]的方法计算，用城市固定资产投资额代替固定资本形成总额，折旧率取10.96%，基期资本存量使用2004 年固定资产投资额除以折旧率与2004—2016 年间固定资产投资增长率的平均值之和。该方法的原理是经济稳态情况下，资本存量的增长率与固定资产投资的增长率是相等的。由于固定资产投资中包含房地产投资额，在公式(1)中已经考虑其直接投资效应，并且区别于企业设备、研发等投资，房地产投资的正外部性较小，此处的固定资产投资从其原值中减去房地产投资额。

7.其他控制变量。产业结构(struc)，用第三产业占比除以第二产业占比表示，该指标反映了城市产业的高度化程度，其上升代表第三产业发展较快。人均教育支出(lneduc)，用城市的教育支出除以城市总人口后取对数得到，反映了城市人力资本水平[39]。外资企业产出水平(fdi)，使用规模以上工业企业中外资企业的产出除以所有企业的产出乘以100 表示，反映城市的外资企业嵌入程度或经济开放程度。城市品质因素，主要引入城市中学专任教师数取对数(lnteacher)和城市建成区绿化面积取对数(lnlvhua)两个指标进行衡量，包括城市(city)、时间(year)，以控制不可观测的因素和城市之间的差异。

(二)数据来源、说明与统计描述

本文的核心解释变量为房地产市场的各项指标，城市的房地产市场主要活跃在市辖区①通过对数据的观察发现，有的城市市辖区产出占比超过50%，就业人员占比却低于50%，而有的城市则正好相反，因此如果使用全市的数据，会导致估计的偏误。，其中房地产交易数据来源于《中国区域经济统计年鉴》，由于2004 年之后的数据较为完整，因此本文的研究样本为2004—2016 年中国284 个地级及以上城市市辖区的面板数据②截至2016 年，共有288 个地级及以上城市数据，其中2011 年，撤消铜仁地区设地级铜仁市，撤消毕节地区设地级毕节市，宜昌市2010 年统计数据中的就业人员数出现异常，拉萨市数据缺失较多，故去除这几个样本，保留284 个地级以上城市样本。。其他变量数据均来源于《中国城市统计年鉴》。缺失数据首先通过各城市的统计年鉴补充，其他2005—2015 年缺失数据采用均值插值法处理，2004 年和2016年的个别缺失值，按照省级数据的增长率计算补充。

《中国区域经济统计年鉴》只给出了全市的房地产交易额和交易面积数据。因此本文通过计算市辖区的房地产投资额除以全市的房地产投资额得到市辖区的房地产投资占比，近似代替市辖区的房地产交易占比，从而得到市辖区的房地产交易数据。地区生产总值按照市辖区的实际增长率计算为以2004 年为基期的实际值，固定资产投资额以相应省份的固定资产投资价格指数折算为以2004 年为基期的实际值，其他变量的名义值以相应省份的居民消费价格指数折算为以2004 年为基期的实际值。

表1 给出了所有变量的描述性统计。

表1 所有变量的描述性统计

样本期内，地级市的劳动生产率相对较为集中，80%集中在10～40 之间。由于中国地级市之间差距较大，最大值和最小值间的差距明显。相比而言，房地产市场各项指标在各地级市之间的分化更加严重，最大值是最小值的几千甚至上万倍，这符合我国房地产市场在不同级别城市间的表现。

四、实证结果分析

(一)平稳性检验

在进行回归之前需要检验数据的平稳性。如表2 所示，分别采用LLC、IPS 和Fisher 三种方法对主要变量进行平稳性检验，结果显示大部分的变量都是平稳的。只有人均资本存量的IPS 检验没有通过，但是其LLC和Fisher 检验均通过，在此可以认为人均资本存量也是平稳的，可以继续进行下一步的回归。

表2 主要变量的平稳性检验

(二)基准模型估计结果分析

在进行估计结果分析之前需要判别合适的估计方法，F 检验和B-P 检验结果均拒绝原假设，面板存在显著的个体效应。Hausman 检验结果显示应选择固定效应模型，并同时固定时间效应。由于房地产的四个变量有较强的共线性，即房价、人均房地产投资额、人均房地产交易额和房地产相对规模相关系数较高，同时在模型中进行估计时，会导致严重的偏误，甚至使结果不一致，故需要单独进行估计。

估计结果如表3 所示，其中第(1)(3)(5)(7)列为采用固定效应回归的结果，结果显示房地产各变量对城市劳动生产率的影响呈现多样性。

1.人均房地产投资额和人均房地产交易额均能促进城市劳动生产率。城市人均房地产投资额增加，在当期能显著增加对上游企业的商品需求[39]及改善地方政府的财政收入，从而促进总产出的增加。人均房地产交易额在1%水平上显著，其增加1 个百分点，能促进劳动生产率提升0.046 7 个百分点，房地产交易额中有较大的比例来自银行的抵押贷款，因此人均房地产交易额的增加能直接改善城市的流动性水平，盘活资金，进而促进劳动生产率的提高。这验证了假说1 和假说2 的前半部分。

2.房地产市场相对规模的增加会抑制劳动生产率。房地产市场相对规模在1%水平上显著，其增加1 个百分点，城市劳动生产率下降0.031 5 个百分点。房地产市场相对规模的扩大说明房地产交易额的增速快于GDP 增速，资源较多地配置到房地产市场，不利于城市劳动生产率的提升。该结论较为直观，资源的数量是有限的，资源过多地配置到房地产市场，则实体经济发展所需的资源将相应减少。房地产过热，将使房地产交易额产生的流动性又配置到房地产，进一步扩大其资源配置效应。因此，房地产市场对城市劳动生产率的影响需要综合考虑其投资效应、流动性效应和资源配置效应。这验证了假说2 的后半部分。

3.当前样本下房价上涨对城市劳动生产率存在抑制作用。一个可能的原因是，房地产价格的提高，会使得有房居民和企业的财富增加，可以促进其消费能力和融资能力，但是也会使无房的居民面临更高的生活成本和潜在购房成本，使社会的工资水平被迫提高，即企业的人工成本提高，也使无房的企业更难获得贷款。各种微观机制相互作用，在宏观上相互抵消，可能出现正向的影响，也可能出现负向的影响。而在本样本下负向作用大于正向作用。

表3 基准模型估计结果

从控制变量的回归结果看，人均资本存量在1%水平上显著，其对城市劳动生产率的贡献较大，弹性系数最低为0.390 8，这解释了生产率增长的主要部分。产业结构在1%水平上显著，弹性系数最低为0.036 8。相对于第二产业，我国服务业的发展相对滞后，而发达国家的第三产业占比往往较高，我国作为世界上经济总量排名第二的国家，服务业发展潜力巨大，同时发展服务业也可以促进第二产业的发展。外资企业产出占比较好地体现了外资企业的技术溢出效应，对于中国这样的发展中大国，通过学习先进的生产技术，能够加快我们的工业化和现代化进程。中学专任教师数和城市绿化面积均正向地促进了城市劳动生产率的增长。城市绿化面积的估计系数通过了1%显著性水平下的统计检验，表明城市绿化的重要性，其对于人力资源的吸引和城市环境的改善都有积极意义，其作用甚至会高于基础设施的投资。控制变量的结果与现有研究结论一致。

(三)内生性问题与系统GMM 估计

宏观变量的计量分析常常存在双向因果导致的内生性问题，本文考察房地产市场的主要指标对城市劳动生产率的影响。劳动生产率高的城市，人均收入水平高，人均房地产投资额、人均房地产交易额和房价往往较高，房地产市场相对规模也相对较高，这使得在不考虑内生性问题时得到的回归结果可能有偏。

模型的内生性检验结果显示，Hausman 检验的chi-sq 值远大于10，且P 值在1%的水平上显著为零，因此拒绝原假设，表明一般线性模型估计具有内生性问题，因此需要采用工具变量法进行回归。为克服内生性问题，本文采用面板数据的工具变量估计方法。有效的工具变量必须同时满足相关性和外生性两个条件，即工具变量与内生变量具有较高的相关性，同时工具变量与扰动项不相关。时间序列或者面板数据分析中常用的工具变量为内生变量的滞后期。上述房地产变量的工具变量均采用各自的滞后一期和滞后一期房价的二阶差分，房价的二阶差分反映了房价多期的变化趋势，该值为正，说明房价涨幅增大或跌幅减小，是房地产市场的利好信号，房地产市场活跃。一个现实是房价上涨较快时，房地产市场较火热，甚至出现排队购房的现象，所以满足工具变量的相关性条件。当期的劳动生产率不会影响滞后期的房地产指标，故房地产指标的滞后值满足工具变量的外生性条件。在下面的检验中我们采用系统GMM 方法进行估计，同时进行工具变量的有效性检验。

表3 中(2)(4)(6)(8)列为采用工具变量替代后的系统GMM 的估计结果。估计结果Sargan 检验的P 值均接受了原假设，表明工具变量的选择是有效的。弱工具变量检验结果显示，P 值在1%的水平上显著为零，因此该模型不存在弱工具变量问题。过度识别检验结果显示，P 值显著为零，因此拒绝原假设。同基准回归估计结果相比，房地产各变量对劳动生产率的弹性系数的正负号均没有发生变化，并且系数较为接近，进一步说明了估计的可靠性。

五、稳健性检验和中介效应检验

(一)稳健性检验

为了检验上述结果的稳健性，下面分别将样本从两个横向角度拆分：产业角度和城市角度。产业角度，房地产部门对实体经济影响深远，房地产业本身属于第三产业，房地产的投资效应、流动性效应和资源配置效应对于第二产业和第三产业可能有较大的差异。城市角度，劳动生产率高低不同的城市，房地市场对劳动生产率的影响可能出现差异。①受篇幅所限，在此分产业和分城市样本的估计结果没有列示，如有需要可向作者索取。

1.分产业估计结果

由于房地产本身属于第三产业，理论分析的影响机制认为房地产对劳动生产率是通过实体经济发生作用，相对来说房地产对第二产业的劳动生产率的影响效果应该更大、更显著。因此分别对第二产业和第三产业进行实证检验，解释变量分别替换为第二产业的劳动生产率(第二产业年度增加值除以第二产业就业人员数)的对数和第三产业的劳动生产率(第三产业年度增加值除以第三产业就业人员数)的对数。分产业回归直接采用工具变量替换之后的系统GMM 估计。分产业的实证结果显示总体而言房地产各变量对第二产业影响较为显著，对第三产业影响不明确。

房地产的投资效应主要体现在第二产业，人均房地产投资对第二产业劳动生产率的弹性系数为0.108 8，而对第三产业不显著。这与现实相符，投资效应主要作用于生产领域，直接拉动上下游企业的产出。人均房地产交易额对第二产业劳动生产率的弹性系数为0.092 5，大于对第三产业的影响系数。房地产交易额的增加所带来的流动性，将有利于企业融资，且第二产业中有较高比例的企业涉及房地产业务，从而增加了其整体的利润水平，这有利于企业非房地产的传统业务部门的发展。房地产价格对第二产业的劳动生产率存在挤出效应，但是对第三产业的影响不显著。房地产市场相对规模对第二产业劳动生产率的弹性系数为-0.069 6，其对第三产业劳动生产率的弹性系数不显著。资源持续过多地配置到房地产市场，造成房价高涨并使房地产交易额产生的流动性又配置到房地产业，进一步抑制了第二产业发展所需资源，促使成本敏感企业跨地区转移。对外经济中加工贸易部门占据重要部分，其自改革开放以来的快速发展离不开我国人口红利和低成本的相对优势，当前我国人力、土地和资金等各种成本均上升，已经迫使较多的企业转移到中西部和其他发展中国家。综上所述，分产业划分样本的回归结果证明基准回归结果的稳健性，同时也说明房地产市场与第二产业劳动生产率的关系更为紧密，在当前打造制造业强国发展战略下，更需要关注房地产市场对第二产业的影响。

2.分城市估计结果

由于中国地域辽阔，不同的城市劳动生产率和房地产市场差异较大，为防止“平均数掩盖个体差异区别”这种现象的出现，将城市样本进行分类。由于主要考察房地产市场对劳动生产率的影响，在此按照城市劳动生产率的大小，将284 个城市分为2 个样本。一个为高生产率的城市样本，一个为低生产率的城市样本。本部分同样直接采用工具变量法用系统GMM 估计。

房地产投资的生产率效应在两个样本中均是显著的，但是低生产率组的弹性系数要更大一些。房地产投资和房地产交易额的生产率效应对于低生产率城市组来说潜力较大，这类城市的城市化水平较低，城市的集聚效应较弱，房地产投资的正向效应明显。而对于高生产率城市组，表现出一些“大城市病”，房地产投资的进一步提高，可能挤出了实体经济的投资，从而抑制了劳动生产率的上涨幅度。房地产价格对低生产率城市组显著为负，但是在高生产率城市组的影响不显著。房地产市场的相对规模在低生产率组对劳动生产率的弹性系数为负，但是不显著，对高生产率组的生产率效应为正，也同样不显著。产生这一现象的原因可能是，在经济的发展过程中，当产出较低、劳动生产率较低时，房地产市场也处于较低的发展阶段，此时房地产投资额和交易额的增加会促进劳动生产率的提高，进而促进经济增长。而随着经济的发展，劳动生产率提高之后，房地产也随之发展起来，房地产的虚拟性导致其发展速度快于实体经济，此时房地产的正向生产率效应消失，更多地表现为房地产相对规模扩大导致的资源错配对劳动生产率的抑制。这为当前分城施策提供了较好的参考。

(二)中介效应检验

实证结果已经验证了房地产交易额、房地产价格、房地产市场相对规模对劳动生产率存在显著的影响。理论分析部分，我们通过全要素生产率函数建立的联系，也就是房地产交易额、房地产价格、房地产市场相对规模对劳动生产率的影响是通过全要素生产率进而对劳动生产率产生作用的。因此需要进一步检验全要素生产率的中介效应。

当前估计全要素生产率的方法主要包括DEA 法、OP 法、LP 法、SFA 法、索罗余值法等。这些计算方法在应用时各有利弊，具体要根据使用的情况来综合分析。索罗余值法是最早提出的，也是最基本的方法，是其他各种方法的基础。相对而言微观企业的全要素生产率目前大多采用OP 法、LP 法和SFA 法，宏观层面的全要素生产率的计算更多采用DEA 或者索罗余值法。DEA-Malmquist 方法通过构建随机前沿生产函数来完成，该方法适合对长期性的预测并且考虑了制度变化的因素。本文采用DEA-Malmquist 方法用DEAP 软件计算得到城市全要素生产率(TFP)。

本文采用温忠麟和叶宝娟[40]提出的方法进行中介效应检验。表4 为TFP 分别作为人均交易额、房价、房地产相对规模对劳动生产率影响的中介变量的中介效应检验结果①受篇幅所限，在此仅汇报主要结果，其他变量的回归参数没有列示，如有需要可向作者索取。。结果显示TFP 对三个变量的中介效应均存在。该表中a 反映的是控制其他因素后上述主要解释变量对TFP 的回归参数，b 则为控制其他因素后TFP 对被解释变量(劳动生产率的对数)的回归参数，全要素生产率对劳动生产率的影响为正，这符合现实和理论的分析。房地产各变量对全要素生产率的影响均为负，因为全要素生产率对人均房地产交易额和房价的中介效应小于正的直接效应，所以总体表现出对全要素生产率的促进作用。而全要素生产率对房地产相对规模的中介效应和直接效应均为负，总体表现为抑制了劳动生产率。这再次证明，随着房地产市场的发展，房地产价格逐渐上升，房地产交易量增加，房地产市场整体对劳动生产率的正向作用将逐渐被负向作用代替，将不利于劳动生产率的提高。

表4 中介效应检验结果

六、结论与政策建议

(一)结论

随着金融市场的发展，房地产等虚拟经济对实体经济的影响开始复杂化。本文在扩展的虚实两部门CD 生产函数的基础上，构建房地产市场对劳动生产率的影响模型，引入房地产投资额、房地产交易额、房地产价格和房地产市场相对规模来解释劳动生产率。在理论分析的基础上，利用全国284 个地级及以上城市2004—2016 年的面板数据对房地产市场的生产率效应进行了系统地论证和分析。本文的研究结论主要包括：第一，房地产市场具有生产率效应，人均房地产投资额和人均房地产交易额的增加均能够促进劳动生产率的提高；第二，房地产相对规模的扩大对劳动生产率有抑制作用，房地产交易额占经济总量的比重越高，加剧经济中资本和劳动等资源的错配，降低全要素生产率，进而抑制了劳动生产率；第三，房地产的生产率效应表现出行业差异性和城市差异性；第四，房地产市场对劳动生产率的抑制是通过抑制全要素生产率而进行传导的，并且随着房地产市场相对规模的扩大，这种抑制效会应更加明显。

(二)政策建议

房地产市场对城市劳动生产率来说是把“双刃剑”，其正向的生产率效应和资源配置效应的作用方向相反。在政策制定上，不仅要考虑房地产市场的生产率效应，更需要充分考虑其资源配置效应。面对当前逐渐分化的房地产市场，需要决策者根据城市具体情况，因地制宜。具体来说：

第一，国家层面上，要合理引导区域经济发展。更大力度支持城市群的发展，城市群内部各城市按照职能进行合理分工，引导资源分散流动，这样既能带动中小城市的发展，又能防止大城市脱实向虚，促进整体劳动生产率的提升。

第二，地区层面上，要注重因城施策。对于房地产市场发展较低的城市可以合理发展房地产，来推动生产率的上升，从而带动经济增长。对于房地产市场过于活跃的地区，应通过限购政策、信贷政策、财政政策等多措并举抑制房地产领域的投机，最终建立房地产市场的长效稳定机制，防止出现房地产市场相对规模扩大对劳动生产率的挤出。

第三，行业层面上，要注意防止出现产业空心化。为避免资源过多流向房地产领域，在制定产业政策时应侧重发展以战略性新兴产业为代表的实体经济，从而保证劳动生产率的稳定、可持续增长。