房价、要素市场扭曲与工业结构升级

许家云 张 巍

(1.南开大学，天津 300071；2.广东财经大学，广东 广州 510320；3.清华大学，北京 100084)

一、引言

2019年中央经济工作会议指出，为了更好地应对动荡的全球经济形势，适应加速演变世界大变局，必须大力推进产业结构升级，全面推动中国经济高质量发展。中国工业大而不强，中国制造遍布全球但被锁定于全球价值链中低端，如何有效实现中国工业结构转型升级，不仅是学术界讨论的热点问题，更是中国转变经济发展方式、实现经济高质量发展必须解决的现实问题。已有文献指出，工业结构转型升级必须建立在要素市场发育完善的制度条件上，但中国要素市场改革进程相对产品市场改革滞后已是不争事实(黄益平，2009；盛仕斌 等，1999)，要素市场发展缓慢、制度体系不健全导致要素价格体系难以准确反映真实市场供求信息，从而对工业结构升级形成制约。现有研究中，鲜有文献深入探讨导致要素市场扭曲的深层原因以及其对工业结构升级的具体作用机制。房价与房地产业发展既可能影响劳动力的工资水平(陆铭 等,2015)，也可以通过相对利润率影响工业资本流向(王红建 等,2016)，房价可能是要素市场扭曲乃至工业结构升级的潜在影响因素。近年来，随着城市化水平的提高、城市住房供给结构性矛盾以及炒房问题，从而出现了房价上涨过快、房地产行业投资和投机过热等现象。2003—2017年中国住宅商品房平均销售价格从2197元/平方米上涨到10455元/平方米，增长了3.76倍。房价的持续快速上涨，引起了学术界和政策层的高度重视，成为亟待研究的重大课题(徐建炜 等，2012；陆铭 等，2014、2015；陈斌开 等，2016)，房价快速提高是否对要素市场扭曲与工业结构升级是否存在显著影响，其作用机制如何？已有文献尚未就这些问题进行系统性回答。

当前，已有研究围绕中国房价上涨的原因(邵新建 等,2012；陆铭 等,2015;Han et al.,2017)，聚焦房价对经济增长(梁云芳 等,2006;徐晶,2013;王弟海 等,2015)、劳动力流动(Brakman et al.,2002;Saks,2004;Hanson,2005;Rabe et al.,2012;张莉 等,2017)、就业和工资(Henley,2004;Charles et al.,2013;ahin et al.,2014;Fu et al.,2016;佟家栋 等,2018)以及资源配置和企业生产率(罗知 等,2015;陈斌开 等,2015)的影响，不过鲜有研究文献关注房价上涨对工业企业要素价格扭曲的影响，以及其进一步对企业绩效和工业结构升级的影响。基于此，本文采用中国工业企业数据库微观企业数据，围绕房价变动、企业要素价格扭曲以及工业结构升级之间的关系进行全面分析。本文利用中国土地政策变化形成的外部冲击构建的变量，基于工具变量法较好地就“房价与要素市场扭曲对工业结构升级的影响效果与作用机制”进行因果识别。本文的研究表明：(1)房价上涨通过影响工资和技术创新方式使得企业的要素总扭曲程度提高，但房价对要素市场扭曲的影响效果在不同类别企业间存在显著差异；(2)企业工资水平、要素投入比例与技术创新通过房价上涨导致要素市场扭曲，但并不是房价影响要素市场扭曲的完全中介；(3)仅在房价相对过高的地区，要素市场扭曲才对工业结构升级产生显著抑制作用，这说明房价过高导致的要素市场扭曲，而要素市场扭曲是制约中国工业结构升级的因素之一。

文章其他部分的结构包括：第二部分就房价对企业要素价格扭曲的影响进行理论分析和文献梳理；第三部分构建计量模型，介绍样本数据和指标测度方法；第四部分围绕实证模型得到的估计结果进行相应的经济学分析；第五部分基于中介效应模型考察工资、资本劳动比和技术进步在房价影响企业要素价格扭曲中的作用；第六部分进一步从工业结构升级的角度考察房价通过影响要素价格扭曲产生的经济绩效；最后是本文的结论。

二、文献综述与理论分析

当前，已有大量学者分别从资本市场扭曲(Aghion et al.,2007;Buera et al.,2011;Moll,2014;罗德明 等,2012;Midrigan et al.,2014)、劳动力市场扭曲(Galindo-Rueda et al.,2005)以及政策和投入品质量差异(Restuccia et al.,2008;Duarte et al.,2010;孙浦阳 等,2013)等视角，就要素价格扭曲问题进行理论和实证研究。当要素市场处于扭曲状态时，生产要素的价格结构就不能准确反映资源的相对丰腴程度。Hsieh et al.(2009)指出，若中国的资本和劳动力按照美国的水平进行重新配置，那么中国制造业的加总TFP能提高30%到50%。当然，要素价格扭曲不仅仅存在于不同企业之间，具体表现为：生产要素边际报酬较高的企业由于受到调整成本的约束，无法将生产能力扩张至期望水平，也没有将边际报酬较低的企业彻底挤出市场(杨光 等,2015)。同时，要素价格扭曲还存在于企业内部，表现为要素的边际回报和边际成本不相匹配。

那么，房价变动与要素价格扭曲之间究竟存在什么关系呢？已有研究提供了一些证据和推断。比如陈斌开等(2015)在分析房价对资源错配和全要素生产率的影响时发现，高房价会导致资源错配和全要素生产率降低，并拖累中国经济持续稳定增长，而且资源配置效率是高房价降低全要素生产率的主要渠道。罗知等(2015)则从信贷扩张和金融约束角度出发，发现国有企业以较低成本获取信贷资金并大力投资于房地产市场，由此损害了制造业部门的资源配置效率。陆铭等(2015)在研究土地供给政策限制导致房价上涨并推动工资上升问题中提出了一个预测，即：如果房价上涨引致的工资提高没有伴随生产率水平的同步提升，便会导致过度的资本深化和要素市场价格扭曲，并降低资源配置效率。张巍等(2018)基于91个城市的宏观数据研究发现，房价上涨会引起资本过度深化，并导致劳动扭曲度、资本扭曲度、总体扭曲度和相对扭曲度提高。

通过对已有文献的梳理和总结，本文认为房价对要素价格扭曲的影响机制可能有工资效应、资本劳动比效应和技术进步效应三个方面。

1.工资效应

在劳动边际产出不变的情况下，如果房价上涨能引起工资变动，则可能会影响劳动的价格扭曲指数，进而对相对扭曲指数和总体扭曲指数产生影响。那么，房价与工资之间的关系又如何呢？虽然相关定量研究不多，但结论比较一致：房价上涨会导致工资上升。陆铭等(2015)基于中国2001—2010年286个地级市的实证研究发现，偏向中西部地区的土地供应政策减少了东部地区的土地供应，导致东部地区房价迅速上涨，并推动了东部地区的工资上涨。文乐等(2017)在研究房价对人口半城镇化影响时，构建了一个包括住房和就业在内的理论框架，通过对企业劳动需求函数的分析发现，因为房价上涨提高居民生活成本，企业要留住员工就必须提高工资，所以房价上涨会推动工资上涨。张巍等(2018)基于2002—2009年城镇住户调查的微观家庭数据，从生活成本效应和闲暇替代效应两个渠道分析了房价上涨对工资的传导机制，其中生活成本又可细分为居住成本和日常开支：一方面，企业将房价上涨导致的成本上升向最终消费者进行转嫁，进而引起居民日常生活开支的提高；另一方面，房价上涨会增加居民直接居住成本(购房、偿还房贷和租房的开支)和间接的居住成本(为买房所产生的储蓄)。闲暇替代效应是指，房价上涨通过财富效应减少有房一族的劳动供给，进而影响工资水平。

2.资本劳动比效应

当面对高企(且缺乏劳动生产率支撑)的工资时，企业的理性选择将是更多使用资本来替代劳动并进行产业升级(陆铭 等,2015)，劳动与资本比率的调整必然会影响各自的要素边际产出，在要素报酬不变的情况下，则可能带来相对扭曲指数和总体扭曲指数的变化。一方面，高房价会推动当地企业进行产业升级。高波等(2012)基于2002—2009年中国35个大中城市数据的实证分析发现，城市间的相对房价上升会促进劳动力流出，并对低附加值产业产生“挤出效应”；邵朝对等(2016)基于2005—2012年全国282个地级市数据的分析表明，房价通过扩散机制对低端劳动者产生“强有力”的挤压，产业结构也会随之出现由低端向高端集聚的演进；李勇刚等(2017)基于2003—2014年35个大中城市数据的研究也得出类似的结论。

另一方面，房地产行业高利润与制造业低利润形成强烈对比，在利润诱惑下，制造业将会把抽离实体行业的资金投入到房地产市场进行套利(吴海民,2012)。荣昭等(2014)、Rong et al.(2016)的研究均发现，房价上涨会推动中国制造业企业进军房地产行业，并且在房价增速越快的地方，上述现象越明显。制造业企业进入高回报率的房地产行业的跨行业套利行为，最终使得其逐渐偏离主营业务，并导致制造业空心化和资源重配(王红建 等,2016)。但不论是针对淘汰劳动密集型为主“低端产业”的产业升级，还是向资本密集型的房地产行业跨界套利，都会对企业的资本劳动比产生影响。而对制造业而言，在技术水平不变的情况下，劳动力和资本都有一个最优比例区间，若资本劳动比超过该最优区间范围，则可能会使各生产要素的边际产出发生较大变化，从而导致扭曲发生。

3.技术进步效应(1)与郭庆旺等(2005)一致，本文所指的全要素生产率是剔除各要素(如资本和劳动等)投入贡献后的技术进步和能力实现等导致的产出增加，也就是式(2)中的A，即索洛剩余。

科技与创新也会影响劳动和资本的边际产出率，如果房价能影响科技与创新水平，就能影响要素的边际产出率，在要素报酬不变的情况下，房价通过影响劳动和资本的价格扭曲指数，进而影响相对和总体扭曲指数。在房价上涨阻碍技术进步研究方面，已有大量文献进行了探讨，结论基本一致：房价上涨会阻碍企业技术进步。一方面，房价持续上涨使得房地产行业回报率提高，投资吸引力上升，若企业大举进军房地产行业，将会减少对包括研发在内的资源投入。比如Miao et al.(2014)发现，房地产泡沫将资源吸引至房地产行业，阻碍了技术创新；王文春等(2014)基于1999—2007年35个大中城市规模以上工业企业数据得出，房价上涨会阻碍工业企业对新产品的研发投入；张杰等(2016)发现，过高的房价和过度投资房地产业对以研发投入和发明专利授权量增长率为表征的创新活动产生了阻碍作用，而且对中国工业部门的影响更为突出。余泳泽等(2017)的观点也基本一致。另一方面，高房价还会对企业发明家的创新效率和创新参与产生阻碍效应。王永等(2018)发现，房价上涨导致的购房压力会降低发明家的创新效率和意愿，且创新行为会趋于保守，高风险、高收益的发明专利数量会减少。

综上，已有文献或者考察了房价对要素价格扭曲的影响，或者考察了要素价格扭曲对企业经济绩效的影响，但是并没有综合考虑房价对企业要素价格扭曲的影响，也没有考察房价通过影响企业的要素价格扭曲方式对工业结构升级产生的作用。在已有研究的基础上，本文致力于考察房价对中国工业企业要素价格扭曲的微观影响及其作用机制。本文可能的拓展主要体现为：(1)基于中国商品房价格不断上涨与要素市场扭曲不断扩大这一现实背景，从企业要素价格扭曲的角度探讨房价变动的经济效果，系统地考察房价对企业要素价格扭曲的影响，并比较了不同特征企业的差异性，进而丰富了有关评估房价变动经济效果的研究文献；(2)利用中国工业企业数据库企业微观数据进行了计量检验，构建了比较准确的要素市场扭曲指数，并采用工具变量法进行检验，保证了计量检验过程的准确性和稳健性；(3)现有涉及房价与要素价格扭曲的文献，鲜有房价影响要素价格扭曲的作用机制的实证探讨，本文通过梳理房价对要素价格扭曲的潜在影响机制，进一步将该影响机制概括为工资效应、资本劳动比效应和技术进步效应三个方面，并基于微观企业数据深入考察了房价对要素价格扭曲的作用渠道，从而为该问题的研究尝试提供来自中国的经验证据，这深化了对于房价与要素资源配置之间关系的理解；(4)在研究房价影响工业企业要素价格扭曲的基础上，进一步深入考察了要素价格扭曲对工业结构升级的影响，这有助于更深入地理解房价变动、要素资源配置与中国工业结构升级之间的内在联系。

三、模型设定、数据说明及实证策略

1.实证模型

基于以上分析，为了准确识别房价对要素市场扭曲的影响，本文构建以下计量模型：

ln disti,m,k,t=α+βln HPm,t+γX+φm+λt+θk+εi,m,k,t

(1)

其中，ln disti,m,k,t表示t时期m城市k行业的i企业的要素价格扭曲程度；ln HPm,t是本文的核心解释变量，是指m城市第t年的城市商品房价格的对数；X表示控制变量集合，包括企业微观层面以及城市和区域宏观层面两个维度的控制变量；φm表示城市固定效应；θk表示行业固定效应；λt表示时间固定效应；εi,m,k,t表示随机扰动项。式(1)中，要素价格扭曲程度的估计系数β是本文关注的核心：如果β的取值显著大于零，表明城市平均房价上涨会显著提高企业的要素价格扭曲程度；反之，则说明城市平均房价上涨会降低企业的要素价格扭曲程度，有利于资源配置效率的提高。

2.内生性问题和实证策略

本文尽可能地控制了企业层面和地区层面的控制变量，且在识别上利用城市层面房价数据解释微观企业的扭曲情况，这虽在一定程度上控制了双向因果导致的内生性(吴伟平 等,2016;张莉 等,2017)，但也可能存在遗漏变量问题。比如某地为鼓励某一类产业(2)根据地方政府的目标不同，鼓励发展的产业可能是优势产业，也可能是本地短板但高附加值的产业。做大做强而实施的新政，一方面，鼓励产业的税收、土地、融资等全方位政策红利会导致企业实际面临的生产要素价格产生扭曲，进而对企业的相对扭曲指数和总体扭曲指数产生影响；另一方面，产业蓬勃发展带来的人口流入、经济发展和预期改变又带动了当地楼市的繁荣。此类变量遗漏会导致估计偏误，本文将通过寻找房价的工具变量，以缓解此类内生性问题影响。

借鉴Han et al.(2017)的思路，本文利用中国土地政策变化的外部冲击来构造工具变量。从2003年起，中央政府开始采用倾向于中西部地区的土地供应政策(陆铭 等,2015)，即向内陆城市分配更多的建设用地配额。与以往侧重沿海发展的政策相比，这种变化导致内陆和沿海城市房价出现分化。这就提供了一个准自然实验，可识别不同城市房价的影响(Han et al.,2017)。

以2003年作为分界点，本文将中国的城市分为两个组：2003年后新增土地平均供应份额相对2003年之前下降的组和2003年后新增土地平均供应份额相对于2003年之前上升的组。由于每年增量土地供应配额是由中央政府决定并分配给省级政府，再由省级政府划拨给下一级政府，因此一个城市新增土地供应是否在2003年之后进入约束趋势(即进入下降组)，这是一个外生于当地的变量。在实证方面，Han et al.(2017)基于probit模型发现，城市是否进入下降组只和该城市所处的地理位置(东中西部)或2003年时的土地供应份额有关，与土地财政、产业结构、人口密度、人均GDP等当地经济社会变量无关，进一步佐证了以上工具变量外生性的逻辑合理性。

同时，进入下降组的城市也就意味其土地供应方面比上升组城市面临着更大的制约，因此其房价涨幅也可能比那些上升组城市上涨的更快。可见，当地城市土地供应的趋势又与当地房价有密切的关联性。工具变量的具体设定和计算过程如下：

(2)

deltam=E(ratiomt|year≤2003)-E(ratiomt|year>2003)

(3)

(4)

其中，landtransmt表示第t年m城市的新增土地面积；ratiomt则表示当年m城市在所有城市中的新增土地供应的份额，因此式(3)描述了该城市2003年前后土地份额的变化情况，在式(4)中按照土地份额下降和上升将城市分为两类；新增土地供应分组groupm则是本文使用的工具变量。

3.变量构建和说明

(1)要素市场扭曲程度。价格扭曲是要素市场扭曲中最重要的概念，表现为要素边际产出与边际价格的偏离。目前研究中，对要素市场扭曲的测度方法主要包括生产函数法、前沿技术分析法、影子价格法和市场化指数法等。采用生产函数法测度要素价格扭曲是学者普遍采用的方法，即先估计出投入要素组合的生产函数，并计算出各要素的边际产出，再与各要素的价格相比较，接下来计算出各种要素价格的绝对扭曲程度和要素之间的相对扭曲程度。对于生产函数的选择方面，又主要分为C-D生产函数法和超越对数生产函数法两种。较好的综述性研究可参看王宁等(2015)的研究。

借鉴Hsieh et al.(2009)、施炳展等(2012)、刘竹青等(2017)、罗知等(2018)、浦艳萍等(2019)等的做法，在以上研究的基础上，本文使用C-D生产函数来测算资本和劳动的价格扭曲程度，并度量不同企业面临的要素市场扭曲情况。生产函数设定如下：

Y=AKaLb

(5)

其中，Y表示产出值，根据估计方法不同Y的定义又有所差异：一般而言，在估计时额外增加中间品作为控制变量的，Y常用总产出(Amiti et al.，2007；Girma et al.，2008；Marcin，2008;Michel et al.,2014)，而额外增加中间品作为控制变量的，Y为企业增加值(Alvarez et al.,2008;Bitzer et al.,2008;Hale et al.,2011)；K表示资本投入，用企业固定资产净值来衡量，其中，产出值和固定资产分别使用产出价格指数和资本价格指数进行平减；L表示劳动投入，用企业就业人数来衡量；a和b分别表示资本和劳动的产出弹性；A表示技术进步。资本和劳动的边际产出可表示为：

MPK=AaKa-1Lb=aY/K

(6)

MPL=AbKaLb-1=bY/L

(7)

假设资本价格是利率(r)、劳动价格是工资(wage)，这两种要素的价格扭曲指数和要素市场的总价格扭曲指数分别为：

distK=MPK/r

(8)

distL=MPL/wage

(9)

由以上计算公式可知，要素价格扭曲指数的构建基础是要素应得报酬与实际报酬之间的对比，如果要素价格扭曲指数取值大于1，意味着该要素的应得报酬大于实际所得，价格被负向扭曲；反之，要素价格被正向扭曲。本文使用中国人民银行公布的一年期贷款利率，对其每天的平均按年加权平均得当年的平均利率作为资本价格r的代理指标。wage则使用中国工业企业数据库中每家企业当年的平均工资。在此基础上可测算出每家企业每一年的资本扭曲度和劳动的扭曲度。

当然，我们更加关注企业的要素价格总扭曲指数(total_dist)和相对扭曲指数(Dist)，它们将是本文的被解释变量：

(10)

Dist=distL-distK

(11)

在具体估算的方法方面，本文采用Levinsohn et al.(2003)的半参数估计方法，以解决可能估计时面临的同时性偏误(simultaneity bias)问题(3)除Levinsohn-Petrin方法外，解决同时性偏误的另一种常见方法是Olley et al.(1996)发展的Olley-Pakes估计方法，虽然Levinsohn-Petrin的估计方法在操作上远比Olley-Pakes方法复杂，但在Stata环境下借助外部命令levpet可以大大提高估计效率。该命令的具体使用方式可参见Levinsohn et al.(2003)研究。。Y用企业的工业增加值来衡量；K用企业固定资产净值的对数来衡量，其中，工业增加值和固定资产分别使用产出价格指数和资本价格指数进行平减；此外，本文采用企业就业人数的对数值来衡量L；wage用平均工资的对数值度量；关于利率(rate)的度量，本文参考王宁等(2015)的建议，使用中国人民银行公布的一年期贷款利率，对其每天的平均利率按年加权平均得当年的平均利率，以此作为资本价格的代理指标。

(2)控制变量。企业层面的控制变量方面，主要包括：企业生产率(tfp)，采用Levinsohn et al.(2003)的方法估算得到；企业规模(ln_size)，采用企业销售额取对数来衡量；企业年龄(age)，用当年年份与企业开业年份的差来衡量；资本密集度(klr)，用固定资产与从业人员数的比值取对数来衡量；企业利润率(profit)，用营业利润与企业销售额的比值来衡量；融资约束(finance)，用利息支出与固定资产的比值表示；出口密集度(exp)，用出口交货值与企业销售额的比值来衡量；企业所有制虚拟变量(own)，用来反映企业的所有制结构特征(4)所有制结构与要素市场扭曲之间有着密切的关系,比如史晋川等(2007)发现，国有经济部门中要素相对价格的扭曲程度要高于非国有经济部门。；企业寻租成本(rscost)，参照Anderson et al.(2007)、万华林等(2010)的做法，本文采用管理费用与企业总资产的比值来衡量。

地区层面的控制变量，主要包括：(1)地区市场竞争情况(HHI—赫芬达尔指数)，一般认为，市场竞争程度越激烈，企业市场势力越弱，越不可能引起要素市场扭曲。(2)城市人均GDP(ln_gdp_per)，使用城市人均生产总值取对数来表示。地区财政收入(ln_czsr)，用地区财政收入取对数来衡量。(3)地区产业结构，用地区第二产业产值占GDP的比重(proportion_2)和第三产业产值占GDP的比重(proportion_3)来衡量。(4)地区制度环境。金融环境方面，本文使用樊纲等(2010)“中国市场化进程指数”中的地区金融市场化程度指数(jrsch)和金融业竞争指数(jryjz)刻画金融环境的变化。法律环境方面，本文则选用樊纲等(2010)“中国市场化进程指数”的法律中介组织发育程度指数(flzjzz)和律师、会计师等市场组织服务条件指数(sczzfw)来衡量。

4.数据来源和描述性统计

企业层面数据主要来自于2000—2007年中国工业企业数据库，该数据库涵盖了中国所有国有企业和规模以上非国有企业，提供了本文研究所需的各类指标。由于本文分析问题的需要，仅选取制造业行业进行考察，即对电力、燃气及水的生产和供应业数据以及采矿业数据进行了删除。然后按照Yu(2015)和Brandt et al.(2012)等常用的做法，对数据代码进行了调整：(1)统一了2000—2007年三位行业代码；(2)以法人代码为基础识别企业单位，采用序贯识别法对每个企业截面进行了重新编码；(3)剔除异常样本，包括删除流动资产大于总资产、总固定资产大于总资产、固定资产净值大于总资产、企业编码缺失、企业成立时间有误等有违“通用会计准则”的企业样本。城市级别数据来自EPS数据平台的《中国区域经济数据库》和《中国国土资源年鉴》。通过对两套数据的匹配，可获得位于全国274个城市的约130万余户制造业企业的样本数据。(5)限于篇幅，并未汇报变量的定义、单位、来源和描述性统计，如需备索。

四、房价与扭曲：基本事实及分析

1.基准估计

本文在表1汇报了OLS估计的结果，其中，第(1)—(3)列是房价对总体扭曲指数的影响，第(4)—(6)列是房价对相对扭曲指数的影响。由表1可知，房价上升可能会导致总体扭曲指数减少，并导致相对扭曲指数上升。但很显然该结论并不稳健。

表1 基于OLS的基准估计(6)后文实证部分的控制变量均与本表第(3)列和第(6)列一致，限于篇幅，后文将不再汇报控制变量的估计结果，如需备索。

(续表1)

表1中估计结果的不稳健可能是由内生性问题引起的。正如本文在前文内生性问题和实证策略部分所分析的那样，房价对扭曲指数的影响很可能因为遗漏变量而导致OLS估计结果并不准确。基于此，本文将进一步通过寻找合适的工具变量办法，以尽可能降低内生性对本文估计结果的干扰。因此这里使用group作为房价的工具变量进行IV估计，并将结果汇报在表2。由于group是企业所在城市是否进入了新增土地出让面积的受限制组的虚拟变量，所以不能控制城市层面的地区固定效应，这里使用省份固定效应作为替代，并增加了年份、行业和省份之间两两交互项来进一步弥补不能控制城市级固定效应带来的损失。工具变量估计结果表明，房价上涨会显著增加总扭曲指数和相对扭曲指数，这意味着OLS估计结果确实存在严重内生性问题。

此外，若工具变量与内生变量之间相关性较弱则可能会出现弱工具变量(Weak IV)问题，并影响估计结果，因此需要做弱工具变量检验(Stock et al.,2005)。Cragg-Donald统计量均大于10%偏误下临界值16.38，拒绝了弱工具变量的假设，可以认为本文选择的工具变量不存在弱工具变量问题。

表2 基于IV估计的结果

2.异质性分析

接着进行了一组异质性分析，分别观察房价上涨对不同类型企业要素扭曲度的差异性影响，结果汇报在表3中(7)所有回归的解释变量中，不仅有组别虚拟变量和房价的交乘项，还控制了组别虚拟变量，限于篇幅并未汇报。。其中，第(1)列和第(4)列分析了房价上涨对不同要素密集度行业(8)劳动密集型行业包括：农副食品加工业，食品制造业，饮料制造业，烟草制品业，纺织业，纺织服装、鞋、帽制造业，皮革、毛皮、羽毛(绒)及其制品业，木材加工及木、竹、藤、棕、草制品业，家具制造业，造纸及纸制品业，印刷业和记录媒介的复制，文教体育用品制造业；资本密集型行业包括：石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业，医药制造业，化学纤维制造业，橡胶制品业，塑料制品业，非金属矿物制品业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，金属制品业；技术密集型行业包括：通用设备制造业，专用设备制造业，交通运输设备制造业，电气机械及器材制造业，通信设备、计算机及其他电子设备，仪器仪表及文化、办公用机械制造业，工艺品及其他制造业，废弃资源和废旧材料回收加工业。要素扭曲的影响，相对基准组劳动密集型行业，房价冲击对技术密集型行业的总扭曲和相对扭曲影响更大。这可能是由于房价阻碍了企业创新活动(王文春 等,2014;张杰 等,2016;余泳泽 等，2017)，而技术密集型行业竞争力更依赖技术创新。第(2)列和第(5)列进一步考察了房价上涨在不同TFP分组下的异质性(9)本文把样本企业按照TFP的高低平均分成了三个组。，可见相对于作为基准的低TFP企业，高TFP和低TFP的企业扭曲会更小。这进一步佐证了前文的机制猜想：房价上涨通过削弱企业的科技创新导致微观企业的要素扭曲程度上升。第(3)列和第(6)列则考察房价上涨在不同规模企业中的异质性影响，观察估计结果可知，房价上涨对小规模企业的扭曲冲击更大，这不仅与大中企业拥有更多部门和产业、能够更灵活的分配生产要素有关，也可能和大中企业相较于小企业拥有更高的TFP、资本劳动比和工资有关(10)比如第(2)列和第(5)列也说明了企业TFP越高，越能减少扭曲，而同时工资和资本劳动比水平较高的企业在面临高房价冲击时，提高工资或资本劳动比的幅度(和速度)可能会低于工资和资本劳动比水平较低的企业。在本文涉及的样本中，大规模企业的TFP、工资和资本劳动比的中位数分别是7.43、13.03和4.13，均高于小规模企业的水平(5.59、9.52和3.36)。。

表3 异质性分析

3.稳健性检验

接下来，本文采用变换控制变量和工具变量的方式进行了稳健性检验，相关结果汇报在表4中。第(1)列和第(2)列是将被解释变量进行对数化处理后的结果。前文中采用了Levinsohn-Petrin方法估计生产函数并计算总扭曲指数和相对扭曲指数，表4第(3)列到第(4)列是将被解释变量替换为使用双固定效应下的OLS估计后计算的总扭曲指数和相对扭曲指数(11)在具体估计中，本文允许资本和劳动的产出弹性在不同行业之间存在差异，这控制了城市和年份固定效应，且没有规模报酬不变的假设。。第(5)列到第(6)列是进行了企业层面和城市层面控制变量的替换(12)具体而言，企业层面是：将销售收入衡量的规模(ln_size)变成资产衡量的规模(new_ln_size)；将出口密集度(exp)替换为取对数处理后的ln_exp；将寻租成本(rscost)替换为管理费用的对数(ln_management)。城市层面是：把人均GDP(ln_gdp_per)替换成了地区生产总值(ln_GDP)；把地区财政收入(ln_czsr)替换为地区财政收入占GDP的比重(finance_ratio)；把第二产业(proportion_2)占比和第三产业(proportion_3)占比替换为第二三产业增加值之比(Ratio)。。第(7)列到第(8)列是进一步考虑了当地公共设施和公共服务对企业要素配置的影响，具体而言，新增了三个控制变量：等级公路里程(highway)、医院卫生院床位数(sickbed)和普通中学专任教师人数(teacher)，以分别表征当地的基础设施水平、医疗卫生水平和教育水平(13)感谢匿名审稿人的建设性意见。三个变量都取当地人均值以反映当地公共设施的丰腴程度，数据来自EPS数据平台《区域经济数据库》。这里只汇报了同时控制三个变量的估计结果，实际上我们还分别在只控制其中一个变量的情况下进行回归，结果依旧稳健。受篇幅限制并未汇报，如有需要可向作者索取。。第(9)列到第(10)列是借鉴陆铭等(2015)的方法，使用当地上一期人均新增土地出让面积作为新工具变量(其他控制变量未做变化，与表3一致)的回归结果。观察表4中的估计结果不难发现，本文估计结果较为稳健。

表4 稳健性检验

五、房价对要素价格扭曲的影响：作用机制分析

本部分将借助中介效应的分析框架来检验工资、TFP和KL比在房价影响要素扭曲中的中介作用。经典的中介效应的基本程序分三步进行：(1)将因变量(扭曲指数)对核心自变量(房价)进行回归；(2)将中介变量(比如工资)对核心自变量(房价)进行回归；(3)将因变量(扭曲指数)同时对核心自变量和中介变量进行回归。完整的中介效应分析由以下方程组构成：

Disti,m,k,t=a0+a1×ln HPm,t+a3×Xi,m,k,t

(12)

ln Wagei,m,k,t=b0+b1×ln HPm,t+b2×Xi,m,k,t

(13)

ln klri,m,k,t=c0+c1×ln HPm,t+c2×Xi,m,k,t

(14)

TFPi,m,k,t=d0+d1×ln HPm,t+d2×Xi,m,k,t

(15)

Disti,m,k,t=g0+g1×ln HPm,t+g2×ln Wagei,m,k,t+g3×ln klri,m,k,t+g4×TFPi,m,k,t+g5×Xi,m,k,t

(16)

其中，Disti,m,k,t是要素扭曲指数；ln Wagei,m,k,t与ln HPm,t与模型设定部分的定义一致，分别表示企业员工当年的平均工资水平和当地的平均房价水平；ln klri,m,k,t和TFPi,m,k,t则分别表示企业当年的资本劳动比和TFP；Xi,m,k,t则表示诸如企业规模、当地生产总值之类的一系列控制变量。

表5中第(1)列到第(4)列依次对应式(12)至(15)，结果表明房价引起总扭曲指数、工资、资本劳动比和TFP的变动。表5的第(5)列到第(7)列则分别考察房价与工资、房价与资本劳动比、房价与TFP影响总扭曲指数，是考察房价单独通过工资、资本劳动比和TFP三个渠道影响总扭曲指数。表5的第(8)列则考察房价同时通过三个渠道对总扭曲指数的影响。结果表明，工资和TFP是房价影响总扭曲度的中介变量(14)工资和TFP是房价影响要素扭曲中介的理论逻辑也很清晰：比如从式(12)可知，劳动扭曲指数是工资函数，房价如果能影响工资，则能影响劳动扭曲指数，进而对总扭曲指数和相对扭曲指数产生影响。由式(6)和式(7)可知，劳动边际回报(MPL)和资本边际回报(MPK)都是技术进步A的函数，因此总体扭曲指数和相对扭曲指数也都是技术进步A的函数。如果房价能影响技术进步A，则能对总体扭曲指数和相对扭曲指数产生影响。，资本劳动比的中介效应并不显著(15)虽然第(1)列中房价系数显著，但是第(3)列中房价系数和第(7)列中KL比系数中，二者只有一个显著，Sobel检验的结果并不显著，这意味着KL比在房价影响总扭曲度当中的中介效应并不显著。。此外，由于第(5)列到第(8)列中房价系数依旧显著，意味着工资和TFP并不是房价向扭曲传导的完全中介。

表5 房价影响总扭曲指数的机制分析

鉴于总扭曲指数和相对扭曲指数都是工资的函数，为了克服内生性导致的估计偏误，这里借鉴Zhang et al.(2017)的做法，对第t年m城市i企业的工资构建了如下的工具变量：

(17)

即将m城市t年时除i企业以外的其他相同行业的工业企业的平均工资(对数化处理)作为i企业t年工资(对数化处理)的工具变量。本文表5和表6中的第(5)列和第(8)列均是使用IV_wagei,m,t作为企业工资的工具变量的估计结果。与工资类似，本文对资本劳动比和TFP也构建了同样的工具变量IV_klri,m,t和IV_TFPi,m,t，在表5和表6的第(6)列至第(8)列的工具变量估计时分别作为资本劳动比和TFP的工具变量(16)本文还使用了当地制造业企业上一年的平均工资和中位数工资等作为工具变量(TFP和资本劳动比也一样)，结论仍然一致，为了节约篇幅并未汇报，若有需要可向作者索取。。

表6 房价影响相对扭曲指数的机制分析

与相对扭曲指数相类似，表6汇报了工资、TFP和资本劳动比在房价影响相对扭曲指数当中的中介作用。结论同总扭曲指数略有不同：工资、TFP和资本劳动比是房价影响相对扭曲指数的中介变量，但不是完全中介。虽然表5和表6中已经发现了房价影响扭曲指数的三个可能渠道：工资、资本劳动比和TFP。但这三个渠道并未涵盖房价影响扭曲指数的所有可能路径，这将是未来可以进一步挖掘的方向。

此外，基于中介效应分析框架得出了TFP是房价影响扭曲指数的正向渠道，即房价上涨通过减少TFP导致扭曲增加，但是工资却是房价影响扭曲指数的负向渠道。工资减少了房价上涨导致的扭曲增加，可能有如下几个方面原因：(1)从经济指标的数学逻辑上，工资本身确实是扭曲指数构成的分母，分母增加必然导致总体扭曲下降；(2)不少对2000—2007年劳动扭曲指数的研究均发现，平均而言，劳动扭曲指数是负向扭曲。这既有基于工业企业等微观数据的研究(施炳展 等,2012;王明益,2016;吴先明 等,2017;刘竹青 等,2017)，也有基于城市和省级宏观数据的研究(邵敏 等,2012;冼国明 等,2013;李平 等,2014;罗知 等,2018)。既然劳动的应得报酬大于实际所得，提高工资实际上有助于降低劳动扭曲指数，进而降低总体和相对扭曲指数；(3)基于最低工资的研究发现，工资上涨导致企业成本增加，可能促使低效率企业退出市场，或迫使未退出市场的企业通过增加培训、资本替代劳动等方式改进效率，这都会提高资源配置效率(孙楚仁 等,2013;赵瑞丽 等,2018)。该逻辑在房价推动型的工资上涨中也可能是适用的。

还需要说明的是，不应高估工资对扭曲的减缓效果。比如受到数据、篇幅以及研究主要问题的限制，本文忽略了工资结构对扭曲指数的影响(佟家栋 等,2018)，因此可能高估了这种缓解效果。此外，工资上涨有助于减少扭曲，这仅在劳动的应得报酬大于实际所得的前提下成立，即随着房价不断攀升，房价推动型的工资上涨迟早会从缓解扭曲变成产生扭曲。

六、房价、要素价格扭曲与工业结构升级

前文研究发现，中国迅速上涨的房价是要素市场扭曲指数持续扩大的重要原因，但机制分析部分却显示，不断攀升的房价也通过提升劳动报酬率(工资水平)弱化了要素市场的扭曲程度。因此，尽管前文的微观实证结论已经表明，房价提高会强化要素市场扭曲程度，但房价上涨对不同工业生产要素报酬率存在不同的影响机制，导致高房价形成的要素价格扭曲对工业结构升级的作用效果存在差异，这一研究结论必须通过进一步实证检验进行识别。

工业结构升级是指工业结构的高度化，即由低附加值行业升级到高附加值行业，其实质是工业生产要素报酬率与产品附加值率不断提升的过程：微观层面，是企业通过技术升级与技术改进、管理模式优化、产业链升级等方式实现生产技术的广义进步；宏观层面，是一个国家工业经济体系发展模式的转变，即由劳动密集型转变为资本密集型，最终向技术密集型与知识密集型转变，实现向全球价值链产业链的中高端攀升(傅元海 等,2016)。根据上述定义，工业结构升级核心在于吸引高质量生产要素进入工业经济体系，或依靠市场机制不断提高现有生产要素尤其是劳动力的报酬率。但就中国已处的工业化中后期特征事实来看，主要城市高速上涨的房价迫使拥有高人力资本的就业者期望的劳动报酬持续走高，这导致两个方面后果：一方面扭曲了要素市场的价格信号，另一方面导致大量本应服务于工业经济的高端人才向金融业等虚拟经济部门转移，对工业结构升级形成了直接制约。与此同时，由于中国工业经济体系中大量高技术中间品依赖进口，资本报酬率长期保持在较低水平(赵昌文 等,2015)，而房地产市场的过度繁荣又使得房地产行业资本报酬率偏高，相对地拉低了工业经济体系中的资本报酬率，扭曲的资本要素价格使得工业结构升级迫切需要的大量、稳定、持续的投资需求无法得到满足。

综上所述，尽管房价提高可能通过工资渠道在一定程度上缓解要素市场的价格扭曲，但缓解作用需要某些前提条件才能实现，而过度虚高的房价不论对劳动力要素价格还是资本要素价格存在扭曲作用，这些都可能对工业结构升级存在直接制约作用。这意味着，房价上涨导致的要素价格扭曲对中国工业结构升级的整体作用效果总体上可能是负面的，下文将使用城市面板数据对这一命题进行检验。

传统衡量工业结构变动的方法主要包括霍夫曼系数和工业结构变化指数(17)干春晖等(2011)认为，工业结构变化指数存在显著的缺点：一是计算公式中的绝对值计算为研究带来了不便；二是其值一定为正，不能反映工业结构高度化的反向变化。因而该指数不能较好反映工业结构的高度化。，但是，随着信息技术和计算技术的迅速发展，世界主要经济体工业结构不断升级，其演变呈现高度化特征，即出现高技术化、高知识化和高附加值的变动趋势(中国社会科学院工业经济研究所课题组,2010)，而传统的工业机构变动衡量方法无法捕捉上述趋势。基于此，本文借鉴戴魁早(2012)的方法，使用工业行业中第三类产业产值占第一类产业与第二类产业产值之和的比例来衡量中国工业结构升级(18)参考戴魁早(2012)的做法，本文第一类产业包括农副食品加工业，食品制造业，饮料制造业，烟草制品业，纺织业，纺织服装、鞋、帽制造业，皮革、毛皮、羽毛(绒)及其制品业，木材加工及木、竹、藤、棕、草制品业，家具制造业；第二类产业包括石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业，医药制造业，化学纤维制造业，橡胶制品业，塑料制品业，非金属矿物制品业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，金属制品业；第三类产业包括设备制造业，交通运输设备制造业，电气机械及器材制造业，通信设备、计算机及其他电子设备，仪器仪表及文化、办公用机械制造业。。该比值与工业结构升级呈正相关关系，如果该比值上升，说明工业结构高度化水平提高，工业结构处于升级状态。

本文基于微观的工业企业数据生成每个城市每年一年的工业结构高度化(UIS)数据，并使用宏观城市数据进行估计，以分析扭曲指数对UIS的影响。相应实证结果汇报在表7中，其中，第(1)列和第(2)列是面板固定效应估计结果，第(3)列和第(4)列是面板IV估计的结果。由实证结果可知，总体扭曲指数和相对扭曲指数都会导致UIS下降，这意味着阻碍了中国工业企业的工业结构升级(19)本文还做了一些稳健性检验，如使用扭曲的平均值(而不是中位数)或变换UIS的测度等，但基本结论不变。。还需要说明的是，由于面板固定效应会删除掉个体不随时变的异质性，而前文使用的工具变量所在城市是否属于新增土地份额下降组(即受约束组)，这是一个不随时变的变量，无法继续使用。因此这里使用两个扭曲指数各自的滞后期作为自己的工具变量，这可能是未来值得进一步改进的地方(20)这里还分别尝试使用了“上一期人均新增土地出让面积”、“新增土地出让份额”和“上一期新增土地出让份额”等工具变量，但均未通过弱工具变量检验。。

同样受制于工具变量限制，不能通过实证结果直接分析房价在这个过程中的作用(如借鉴第五部分的中介效应框架)，因此本文使用间接方式来进行进一步的论证：按照房价高低将样本分为高房价组子样本和低房价组子样本，再分别进行估计。表7第(5)列至第(8)列就是基于房价分组的子样本面板IV估计，其中第(5)列和第(7)列为高房价地区，第(6)列和第(8)列为低房价地区。由结果可知，总体扭曲指数和相对扭曲指数对UIS的影响主要存在于高房价地区，这也进一步证明了房价会通过影响要素扭曲方式对产业结构升级产生影响。

表7 扭曲指数对UIS升级的影响

七、结论及讨论

本文基于2000—2007年约130万中国工业企业数据库微观企业数据，并利用中国土地政策变化的外部冲击来构造工具变量，实证考察了房价对企业要素配置扭曲的影响。研究结果表明，房价上涨通过影响工资和技术创新方式提高企业的要素总扭曲程度；房价通过影响工资、资本劳动比和技术创新方式提高企业要素相对扭曲程度。引入工业结构高度化的分析表明，房价上涨导致要素扭曲提高，这阻碍了中国工业结构升级。

房价导致的生产要素错配不仅在微观层面削弱了企业的竞争力，还在宏观层面阻碍了工业结构的优化升级。本文的研究结论对于准确判断未来中国房地产市场发展长效机制走向，理解中国宏观和产业发展政策，都具有重要的政策参考价值。当前中国经济步入中高速增长的新常态阶段，同时面临发达国家高端制造业回流与发展中国家争夺中低端制造业转移的严峻挑战，为了更好落实包括供给侧结构性改革和《中国制造2025》等一系列重大战略部署，需要充分重视高房价对要素合理配置以及工业结构升级的阻碍作用。

因而，应深刻领会中共十九大报告中对于房地产业的根本定位，全面落实“房子是用来住的、不是用来炒的”的文件指导精神。房地产业的健康发展，是中国宏观经济保持长期活力的重要条件，是广大人民群众在工作中有尊严感、在收入上有获得感、在生活中有幸福感的重要基础，是中国未来一个时期城镇化进程稳步推进的重要保证；然而，房价过高不但在微观层面导致企业效率损失，也在宏观层面损害了中国经济的竞争力和结构优化。当前中国特色社会主义已经进入新时代，全面深化改革既是新时代的重要特征，也为中国房地产业挤出泡沫、深度调控、回归正轨提供了历史性契机。在促进房地产业健康发展这一重大问题上，各级政府既要有“改革功成不必在我”的政绩观，也要有“改革推进时不我待”的紧迫感，将抓好住房领域供给侧改革作为践行共享发展理念的重点任务，坚持调控不放松、不动摇、不走样，打好财税、土地、产业发展等配套政策供给的“组合拳”，合理控制房地产业调控力度和节奏，充分考虑利益攸关方承受能力和经济社会运行的稳定，积极发挥制造业和实体经济在经济总盘子中对房地产业的替代作用。