商品房价格上涨如何抑制金融业空间集聚——来自中国地级及以上城市的经验证据

刘 航

一、引 言

20世纪90年代后半期起，我国商品房价格以超过资产均价的幅度快速上涨。1998年全国商品房平均销售价格为2063元/m2，2019年涨至9310元/m2，涨幅远超出同期CPI和建筑安装工程投资价格指数。党的十九大报告明确提出房子是用来住的，不是用来炒的。遏制房价过快上涨，不仅有利于改善民生，让大多数人“住有所居”，更重要的是消除资产价格上涨导致的虚拟经济膨胀，阻断其对产业发展的危害。在新一轮房地产改革之前，一些人曾担忧中国的资产泡沫一旦破裂，可能重蹈日本“失去的二十年”覆辙。更多的研究认为，即使不会出现房地产崩盘以及企业大面积倒闭等极端情况，房价非理性上涨也会对产业发展造成持续的不利影响。

房价过快上涨不利于产业发展的现有研究主要分为三类观点。其一是“劳动力驱赶”。Helpman(1998)指出，住房价格过高有损劳动者的相对效用，进而抑制了劳动力集聚。支持这一类观点的实证研究者有Cameron等(2006)、Rabe和Taylor(2010)、Zabel(2012)、张莉等(2017)、佟家栋和刘竹青(2018)，等等。其二是“消费抑制”。颜色等(2013)、李江一(2018)认为，由于中国房价上涨不可持续及政策性房贷约束等因素，房价上涨难以通过乐观预期或融资扩张带动消费增长，即Iacoviello(2005)、Aron等(2012)所看到的“财富效应”在中国不占主流。其三是“创新资源挤出”。Miao和Wang(2014)、王文春和荣昭(2014)、刘建江和罗双成(2018)认为，房地产的高回报率吸引优质资金流入，对创新资源产生挤出效应，而非像Chaney等(2012)发现的企业可抵押物增值使其增加实体投资。另外，还有个体创业意愿减弱(吴晓瑜等，2014)、家庭金融资产错配(赵西亮等，2013；孙早等，2018)等机制。

按照现有研究，受其负面影响的主要是制造业，房价过快上涨导致制造业要素供给减少或需求萎缩，致使企业绩效下滑或重新选址。然而，一些研究指出，个别大城市房价上涨导致制造业迁出，加剧了“产业空洞化”，但这又有益于产业结构升级(高波等，2012)。如果受房价上涨冲击的仅是制造业，那么对于一些较发达的城市是一件好事，由此可以减少污染源并为新兴产业提供可置换用地。在现阶段深入推进供给侧结构性改革背景下，房价上涨挤出制造业具有两面性，若不观察其他行业的响应，只能得出模糊的政策导向。相较制造业，中国多数城市更希望引入金融、科技等现代服务业，因为这类行业集聚更能反映城市产业地位和竞争力。特别是金融业，其在空间上的集聚能够提高外部收益、扩大信息辐射并减少市场摩擦(Thrift，1994；Porteous，1995)，通过缓解企业融资约束从而带动其收益增加(Zhang等，2019)，有助于提升实体经济效率(余泳泽等，2013)，在拉动区域经济增长过程中还具有空间溢出效应(李红和王彦晓，2014)。因此，金融业等现代服务业的集聚更能代表区域经济的高质量发展，只有证明房价上涨挤出了这类行业，才能确信房价过快上涨在城市层面产生了系统性的不利影响。

本文拟实证检验商品房价格上涨与金融业空间集聚的关系。之所以选择金融业来研究房价波动的产业效应，而不是制造业或者信息、科技服务等其他服务部门，主要是考虑到以下几点。第一，金融业比其他行业更具有轻资产特征，若房价上涨对金融机构造成不利影响，则很快反映到空间敛散度上，经营不佳的金融机构会尽快收缩边界，这样不至于无法识别那些受到冲击却又因区位黏性而未迁出的冗余产能。第二，产业集聚的动力来自市场邻近(Krugman，1991)和供给邻近(Venables，1996)，与其他行业不同的是，金融机构更倾向邻近市场，尤其是个人金融业务，其对居民密度的敏感性很强，而金融机构所需的金融科技、金融产品开发、资本市场资讯等通常由其总部完成，较少依赖当地产业关联。第三，按照Caballero和Krishnamurthy(2006)的观点，房地产供需失衡是现代金融发展不足的结果，这意味着房价上涨与金融业集聚之间可能互为因果，若控制了内生性问题时前者对后者仍有明显的抑制作用，则此时的房价上涨更值得警惕，如果不加以遏制，则容易形成看涨预期主导的自循环。目前，一二线城市房地产市场已体现出较强的金融属性，即金融部门的收入增长过多地依赖房地产投资(国务院发展研究中心“经济转型期的风险防范与应对”课题组，2018)。该结构性风险正随着三四线城市“棚改”而下移，一旦本轮“棚改”热潮退去，三四线城市政府推高房价的冲动将会更加强烈，反过来会抑制各地构建适合自身禀赋的最优金融结构，使影子银行成为三四线城市房地产融资的主要来源，从而导致系统性风险加剧。

本文的边际贡献是引入城市化进程和城市经济的新视角，从异质性劳动力流动及其引发的金融机构供需关系变化等微观渠道，来剖析房价波动与金融业集聚的关系。现有相关研究多是把房价波动看作货币政策应急反应的冲击来源(赵进文和高辉，2009；陈继勇等，2013)，或是宏观经济的金融加速器(陈诗一和王祥，2016)。本文相比现有研究，打开了房价变动影响金融资源空间分布的“黑箱”，突破“房地产投资—货币政策—资本市场”的既有框架，有助于理解推动“金融服务实体经济”的综合改革措施的实施，为相关理论深化提供新的现实证据。

二、理论分析与研究假说

（一）理论机制分析

1.“劳动力驱赶”机制

按照现有研究，某一地区住房价格过高将有损劳动者的相对效用，进而抑制了劳动力集聚。多数国内研究均支持房价上涨导致的“劳动力驱赶”的观点(高波等，2012；张莉等，2017；佟家栋和刘竹青，2018)。对多数家庭而言，购房成本在其家庭支出中占很大份额，甚至透支大量未来收入。房价上涨意味着计划迁入城市的农村居民将面临更高的进入壁垒，还会对未购房的原有城市家庭形成“推力”，甚至一些已购房的家庭因住址较偏远和通勤成本较高而有可能会迁出，留下的劳动者对工资的要求就会水涨船高。如果一个城市的房价过快上涨，则当地制造业或传统服务部门在劳动力市场上的优势地位将被弱化，企业受制于高企的用工成本而收缩生产边界，或将新增投资向用工成本更低的地区转移。

对金融业来说，“劳动力驱赶”和用工成本增加的冲击可能相对较小。一方面，房价上涨挤压的主要是中低技能劳动者(邵朝对等，2016)，曾一度因农民工回流而面临“招工难”“用工荒”的主要是劳动密集型产业。金融业的从业人员往往具有较强专用性技能，劳动报酬明显高于其他行业，其很容易越过所在城市的购房门槛而成为“有房者”。他们更符合Dohmen(2005)、Meen和Nygaard(2010)所说的受套利预期驱动的迁入者，或如Saiz(2007)所说的主要关注生活便利性和社会网络的人群，选择居住地时更偏好房价有明显看涨预期的城市，故金融业较少因房价上涨而面临劳动力供给不足。如图1所示，虽然2003—2019年金融业的城镇单位就业人员平均(名义)工资高于制造业该类人员的平均工资，但其增速从2010年起持续低于后者。可见，金融业的劳动力难以被房价上涨挤出，金融业用工成本受到的冲击较弱。另一方面，金融业的劳动报酬支出占比远低于各行业均值(罗长远和张军，2009)，其资本-劳动力替代弹性也较高(范晓静，2014)，即当劳动力价格提高，金融机构通常也不在意用工成本导致的总成本轻微上涨，即便劳动力价格涨幅达到一定值，也可相对轻易地用金融科技手段取代普通劳动。即使房价上涨的确挤出了金融业所需的人才，致使工资水平上涨，金融机构也不至于大幅缩减投资和经营规模。因此，现有研究发现的“劳动力驱赶”效应可能不适用于金融业。

图1 制造业与金融业的城镇单位就业人员平均工资对比(单位：万元/年，%)

2.“客户资源挤出”机制

针对发达国家的研究，多数学者认为房价上涨能够带来“财富效应”，有助于拉动居民消费。按照其逻辑，房产增值可提高家庭的资产性收入(Sousa，2008)，增强其乐观预期(Ludwig和Sløk，2001)，或缓解其融资约束(Iacoviello，2005；Aron等，2012)。然而，针对中国的研究，多数学者认为房价上涨对消费起抑制作用，主要原因为以下三点，一是中国处在城乡流动的高峰期，存在大量刚需家庭，房价上涨等同于负面的财富再分配(陈彦斌和邱哲圣，2011)；二是房价上涨加剧了家庭负债和流动性约束，促使其增加预防性储蓄(李江一等，2018)；三是房价上涨容易吸引家庭持有多套房，进而增加投机性储蓄(李雪松等，2015)。由于运输成本不为零且很多服务产品具有不可贸易性，而生产需要邻近消费市场，所以房价上涨将会抑制消费需求，对生产部门产生“推力”(向外的挤出效应)，抑制产业集聚。

根据以上论述，似乎可推断房价上涨带来了更多的房贷和储蓄业务，能够刺激对金融服务的需求。然而，结合各类城市金融机构布点的一般规律，现实中未必如此。第一，房贷利息收入在银行收入中占比有限，房价上涨引致的房贷需求不会成为银行选址的决定因素。第二，房价上涨还会抑制居民对多元化金融资产的兴趣，特别是会抑制其对风险性金融产品的偏好(魏先华等，2014；孙早等，2018)，压缩了金融机构的业务增长空间。第三，现有文献所说的房价上涨引起储蓄增加，主要是指家庭的储蓄率增加，尤其是中低收入家庭(陈斌开和杨汝岱，2013)。还要考虑到越是刚需家庭越容易被房价上涨挤出，能够留下的往往是收入较高、对其他金融产品需求较高的家庭，但这类业务通常可以在线交易，相较储蓄业务，其单笔交易额更大且交易频次更低，对实体网点的规模要求并不很高。总之，房价上涨会挤出金融机构的客户资源，特别是对线下实体金融服务有着较高需求的中低收入家庭被挤出的可能性更大，从而可能削弱城市对金融业的吸引力。

3.“用房成本增加”机制

除了上述两个机制，有的文献还从“创新资源挤出”机制论证了房价上涨对产业的不利影响，即房地产投资挤占了产业发展所需的创新创业资源。然而，这一机制不适用于金融业集聚，因为金融科技开发和产品设计通常由研发总部完成，当地创新创业资源不足不会影响金融业的技术进步。此处重点考察房价上涨影响金融业集聚的另一个渠道——“用房成本增加”。

现有研究考察房价波动时多指的是住宅价格，而商品房还包括商业营业用房和办公楼(即商业地产)，其价格变动直接影响着企业的单位用房成本，其过快上涨会挤压企业的盈利空间。现有研究在探讨房价上涨对制造业的影响时，较少关注商业地产的价格，是因为制造业企业主要在工业用地上自建或租用厂房，较少使用商业地产。对金融业来说，虽然其不属于空间密集型行业，但对优质商铺的可得性较为敏感，对外营业场所对地段、建筑质量及门面装潢档次有较高要求。

如表1所示，金融业建筑安装工程投资占固定资产投资额的比重远超过制造业相应投资额，也一般高于多数服务业相应投资额。由此推断，如果一个城市商业地产价格上涨过快，则很可能对金融机构形成“推力”，抑制金融业空间集聚。当然，地方政府在金融招商过程中能够看到金融机构的用房需求，通常会按面积或定额向其提供用房成本补贴，进而可能弱化“用房成本增加”机制的中介效应。

表1 各行业建筑安装工程占固定资产投资比重对比(单位：%)

（二）假说

一个城市住宅价格上涨可能促使住房刚需家庭流出。尽管这类家庭对应的多是中低技能劳动者，未必是金融业所需的劳动力，其供给不足不会导致金融业用工成本上升，但其通常对线下实体金融服务有着较高需求。这类人群迁出意味着金融业基础客户资源的流失，从而不利于金融业空间集聚。从另一个角度看，金融业的用房成本在其营业成本中占比较高，这使得商业房地产上涨会对金融机构造成较大成本冲击，促使其重新选址。由此判断，商品房(住宅及商业地产)价格上涨可能是金融业集聚的负面影响因素，进而提出假说1。

假说1：商品房价格上涨越快，越不利于金融业空间集聚。

根据对房价上涨影响制造业发展的现有研究，主要传导机制有“劳动力驱赶”“消费抑制”等。若专门研究金融业，则“劳动力驱赶”机制可能不成立，因为金融业对劳动者技能要求较高并且劳动力成本在总成本中占比较低，住宅价格上涨导致劳动力供给减少，但不至于促使金融机构迁出。若房价上涨对金融业集聚存在抑制作用，则传导机制主要发生在金融业的需求和用房供给环节。不过与现有研究不同，这里的需求抑制并非社会消费总额或消费水平降低，而是对金融服务类型和服务形式的结构性转变，这一转变迫使金融机构缩减资产和人员投入。另外，上文所说金融机构对商业房地产价格波动较为敏感，其“用房成本增加”也可能构成不利于金融业集聚的一个传导机制。因此，针对房价影响金融业集聚的中介机制，可提出假说2。

假说2：“客户资源挤出”和“用房成本增加”构成了商品房价格上涨抑制金融业空间集聚的中介机制，而房价上涨的“劳动力驱赶”效应对金融业来说可能不成立。

三、数据与实证模型

（一）样本和数据

本文以中国地级及以上城市为样本，检验商品房价格变动对金融业空间集聚的影响。历年《中国区域经济统计年鉴》给出了中国200余个地级及以上城市的商品房销售额和销售面积，2005年起开始统计住宅的销售额和面积。但是，2014年之后该统计文献不再出版，相关数据只更新至2013年，故时间跨度限定在2006—2013年。本文还涉及金融业空间集聚指数，根据很多以中国城市为样本的文献(陈建军等，2009；孙浦阳等，2012)，由于缺乏服务业细分行业在城市层面的营业收入或增加值数据，服务业集聚应该以《中国城市统计年鉴》提供的分行业年末从业人员数为基准。金融业属于生产性服务业，其空间集聚也应以从业人员相对规模做替代处理。控制变量或中介变量涉及省级城镇人口和固定资产投资的测算，这些数据来源于《中国人口统计年鉴》和《中国固定资产统计年鉴》。相关价格指数来自《中国统计年鉴》。以上数据全部采用全市数据。为保持平衡性，本文剔除了严重缺失数据的样本，剔除了在2005年之后才设立地级市行政建制的样本。针对个别在观察期内合并的城市，未合并的年份也作加总处理。筛选下来共182个样本城市。

（二）变量处理

1. 金融业空间集聚指数

产业集聚是指同一产业在某个特定地理区域内高度集中以及产业资本要素在空间范围内不断汇聚的过程。衡量产业空间集聚的方法有行业集中度、赫芬达尔指数、空间基尼系数、EG指数等。本文主要观察的是金融业在中国地级市层面的集聚度，因为得不到分地级市的不同金融机构或其营业网点的经营情况，也无地级市层面的金融业资产、资本、收益等数据。参照Donoghue和Gleave(2004)、程大中和陈福炯(2005)、陈建军等(2009)、孙浦阳等(2012)等人的研究，以基于就业比例的区位熵来衡量金融业空间集聚指数(用FA表示)。

2. 商品房价格涨幅和住宅价格涨幅

用城市的商品房销售额除以商品房销售面积得到平均销售价格(万元/m2)。为确保不受通货膨胀干扰，用各城市对应省份的消费者价格指数(CPI)加以平减，即用名义价格除以定基CPI(以2001年为基期)，得到商品房实际价格。进而，计算出当年商品房实际价格与上一年商品房实际价格之差，再与上一年商品房实际价格相比，得到商品房价格绝对涨幅Arbp。商品房包含住宅、办公楼、商业营业用房和其他，而地级市层面只统计了商品房和住宅的销售情况。本文主要区分商业地产和住宅价格变动对金融业集聚的影响，因此以同样方法计算了住宅的价格绝对涨幅，记为Arbp2。按照理论分析，房价上涨时升值预期反而能帮助金融业吸引更多的高技能劳动力，这里主要是指住宅价格上涨，高技能劳动力通常不会为商铺套利而迁入，因此预计如果Arbp对金融业空间集聚有显著负向影响，也主要是因为商业经营用房或办公楼价格上涨造成的金融业基础客户生活成本上涨或金融机构用房成本上涨所致，若单看Arbp2的影响可能较微弱甚至为正。

3. 控制变量

(1)知识溢出能力(Knw)。知识资本可为金融业带来更多的优质劳动者和客户资源，对金融业集聚可能起正向作用。参照陈建军等(2009)的做法，用城市高校专任教师数的万人比与全国平均万人比之比来表示之。(2)地方财政能力(State)。中国地方政府被赋予相当大的经济事权，但不同城市财政能力相差较大，支出能力较强的城市通常金融发展表现更优。参照盛龙和陆根尧(2013)的做法，选取城市财政支出与地区GDP的比值来度量之。(3)外商直接投资比重(Fdi)。通常经济开放特别是资本账户的开放，有可能引致更大的国内融资需求，促使金融业集聚。借鉴陈建军等(2009)的做法，用城市实际外资使用金额与社会固定资产投资之比来衡量之。(4)消费规模(lnC)。若不考虑具体的结构因素，消费规模代表着城市人口规模，必然与金融业集聚成正比，但在控制了其他因素变量的情形下，居民消费倾向越高，金融需求越容易被替代，因此对其需加以控制。本文用经CPI平减后的城市社会消费品零售总额ln值来衡量之。(5)中学生比例(Irate)。根据生命周期假说，居民进行跨期消费决策时，需要考虑自身年龄段，通常劳动能力越强的年龄段，越倾向于购买金融服务(Leff，1969；Higgins和Williamson，1997)。由于缺乏地级市层面的人口年龄数据，本文用城市中学生在校人数比上年增长率来衡量之。(6)第三产业比重(Indus)。第三产业比重反映了产业结构高低，越是高级化城市，金融发展的产业链条件越优越。本文以城市第三产业增加值占地区GDP比重来表示之。(7)是否沿海(Sea)。沿海城市的海运条件相对优越，也是中国最早改革开放的一批城市，可能有更高的金融发展程度。(8)城市化率(Urb)。金融业的空间布局需要与城市居民点相结合(Kolko，2010)，在我国严格控制建设用地扩张的现实背景下，城市化率越高的地方，居民点和金融机构越密集。由于缺乏地级市层面的城乡人口数据，本文用城市对应省份的城市人口占总人口比重来替代之。

（三）实证模型设定

首先就商品房价格涨幅(Arbp)和住宅价格涨幅(Arbp2)对金融业空间集聚指数(FA)的影响进行初步回归，计量模型采用式(2)、式(3)。

其中，Arbp和Arbp2是核心解释变量，α1是本文重点要观察的待估系数；X是一系列控制变量；ai是地区固定效应，bt是时间固定效应；ε是残差项。

考虑到商品房和住宅价格上涨对金融业空间集聚的影响可能是非线性的，也就是房价上涨能否影响金融业集聚以及如何影响金融业集聚可能受房价涨幅所处区间的影响。因此，有必要在基准情形实证之后再进行面板数据门槛效应检验。参照Hansen(2000)的做法，模型构建如下。

其中，λ是待估的门槛值，I(·)为指示函数，满足括弧内的条件为1，否则为0。以λ为门槛可将研究样本划分为n＋2个区间(假定有n＋1个门槛值)，在不同的区间内FA对Arbp的回归系数估计值有所差异。以上是按Arbp为核心解释变量的情形，以Arbp2为核心解释变量同理。

如果像理论预判那样，基于式(2)和式(3)得到商品房价格涨幅对金融业集聚有明显抑制作用，且强于住宅价格涨幅的影响，则说明房价上涨对金融业集聚的负效应不以“劳动力驱赶”为中介机制。为避免过于武断，还需要进行中介效应检验。在针对“劳动力驱赶”“客户资源挤出”和“用房成本增加”设置了合理的中介变量后，采用Wen等(2010)建议的三步法做中介效应检验。为了确保稳健性，本文考虑在此基础上采用Sobel检验、非参数Bootstrap法检验以及SEM检验等对中介效应再检验。

四、基本实证结果

（一）基本实证结果

按照式(2)对商品房价格涨幅与金融业空间集聚指数的关系进行基本实证检验，回归结果见表2第(1)列和第(2)列。由于数据结构为短面板，所以选择模型形式是必要的。固定效应下的F检验、随机效应下的LM检验和Hausman检验结果共同指向了计量过程更适合采用固定效应模型。无论是FE(固定效应)下还是LSDV(最小二乘虚拟变量)法下的结果，均支持商品房价格涨幅Arbp对金融业集聚指数(FA)存在负向影响，且在0.01水平上显著。商品房价格比上年每多增长10%，则会使金融业空间集聚指数降低0.0013～0.0037。由此初步断定，正如本文假说1所指的，商品房价格上涨对金融业空间集聚有着显著的抑制作用。

考虑到城市的全部商品房价格与住宅价格的变动未必完全一致，而且后者更容易与劳动力流动形成关联，因此还要按式(3)单独对住宅价格涨幅是否影响金融业集聚进行实证检验，结果如表2第(3)列和第(4)列所示。根据相关统计量，模型采用同第(1)列和第(2)列同样的设定。其结果显示，住宅价格涨幅Arbp2的系数在0.01水平上显著为正，且系数绝对值高于第(1)列和第(2)列中Arbp的系数绝对值。也就是说，如果单看住宅的价格变动，其涨幅越大，越容易吸引更多的金融业投资和就业。由此初步推断，城市住宅价格上涨的“劳动力驱赶”效应不但对金融业无效，而且与之相反，住宅价格越上涨，越容易吸引金融机构更多地进入本地。背后的原因可能在于，金融业的资本深化程度较高，从业人员也对应着较高的劳动技能和收入水平，其不仅对房价不敏感，在选择居住地时反而更看重社会网络和职业发展前景(Tabuchi和Thisse，2002；Saiz，2007)，甚至受益于住房价格上涨，在“财富效应”和套利预期驱动下迁入住宅价格上涨较快的城市(Dohmen，2005；Meen和Nygaard，2010)。再结合第(1)列和第(2)列中商品房价格涨幅对金融业集聚影响为负的情况，可初步推断金融机构若在某地收缩边界，则其动因主要来自商业地产(商业经营用房或办公楼)的价格上涨。其具体渠道可能是客户资源挤出、用房成本增加或者二者兼有，这有待进一步分析。

表2 商品房和住宅价格涨幅影响金融业空间集聚的基本实证结果

（二）基于门槛效应的非线性检验

在得到基本实证结果后，考虑到商品房和住宅价格上涨对金融业空间集聚的影响可能是非线性的，所以要考虑受上涨幅度的门槛效应制约。按式(4)对门槛效应进行检验，可知商品房价格涨幅大概以8.42%～8.65%为界，低于此门槛时，商品房价格涨幅对金融业集聚有显著的消极作用，而超过此门槛后，Arbp的系数变为不显著①受篇幅所限，本文省略了门槛效应检验结果报告，有兴趣的读者可向作者索要。。这一门槛值恰处于比样本期间全国人均GDP增长率稍低的区间。这意味着，只有本地商品房价格涨幅低于全国人均GDP增幅时，前者增大才会构成对金融业的“推力”，挤出金融机构的客户资源或加重其用房成本负担；而高于全国GDP增幅时，商品房价格再继续上涨会引导房地产市场形成稳定的看涨预期，吸引高技能劳动力迁入，体现出发展金融业总部经济的区位优势，从而抵消对客户资源和用房成本方面的不利影响。

同时，住宅价格上涨对金融业集聚的正向影响主要发生在住宅价格增幅超过8.74%的城市，超出此门槛值时住宅价格上涨对金融业所需的劳动力形成“拉力”，进而促使金融机构布局于总部部门或区域总部，这时金融业的投资和人员投入更容易获得规模经济效应，不再受制于本地客户资源和用房成本。不过，当住宅价格涨幅超过15.35%(第二个门槛值)时，即便是高技能的金融业总部部门的潜在从业者也不愿承受其压力，住宅价格上涨对金融业集聚的积极作用将明显弱化。反映在检验结果上，就是此区间内Arbp2的系数尽管仍为正，但其绝对值和显著性水平却大幅降低。

（三）稳健性检验

第一，采用组间估计(BE)检验Arbp和Arbp2对金融业集聚的影响。可知Arbp和Arbp2的系数同表2中一致，显著性水平有所下降，但仍在0.1水平上显著。也就是说，在同一年份中某一城市商品房价格多上涨10%，将引起金融业集聚指数下降约0.1个标准差，住宅价格多上涨10%将引起金融业集聚指数提高0.13个标准差。但是，BE法损失了时间变化信息，仅用作稳健性检验。第二，由于不少研究将房价-收入比作为衡量房地产泡沫的重要指标之一(吕江林，2010；张莉，2017)，所以应考虑用商品房价格涨幅Arbp减去居民人均收入涨幅，以反映商品房价格相对涨幅，其中居民人均收入用城市的城镇家庭人均可支配收入来衡量，住宅价格相对涨幅同理。用相对涨幅替换绝对涨幅作为核心解释变量，按照双向控制的FE进行检验，发现与表2结果较为接近。第三，先按照FA的测算方法算得信息传输、计算机服务和软件业的空间集聚指数ITA，再将FA与ITA的比值作为被解释变量进行FE检验，解释变量同表2。该行业与金融业同为对劳动力技能要求较高的现代服务业，但又对本地市场的依赖度有所差异，二者集聚指数比值对房价涨幅的回归结果更能反映房价变动对金融业集聚的影响。可发现，Arbp对该被解释变量仍有显著的负向影响，说明对多数城市来说金融业比信息服务业的本地化程度更高，更依赖廉价用房的供给或本地客户资源，并且Arbp2的系数不显著，即金融业和信息服务业所需劳动力都是住宅价格上涨的“财富效应”的受益者，二者集聚指数受住宅价格变动的影响方向及幅度较一致①受篇幅所限，本文省略了稳健性检验结果报告，有兴趣的读者可向作者索要。。

（四）内生性检验

一些研究认为，对一个国家来说房地产供需失衡是现代金融发展不足的结果(Caballero和Krishnamurthy，2006)。这意味着就城市层面而言，房价上涨与金融业集聚之间可能互为因果，进而可能导致基本实证结果有偏。为此，本文采用系统GMM法重新检验了商品房和住宅价格分别对金融业集聚的影响。其结果显示，在内生性问题得到弱化时，商品房价格涨幅Arbp的系数仍至少在0.1水平上显著为负，且针对AR(1)和AR(2)的Arellano-Bond检验支持差分方程存在一阶自相关而不存在二阶自相关，Hansen检验也接受了不存在过度识别的原假设，说明模型设定是有效的。进而，住宅价格涨幅Arbp2的系数为正但不显著①受篇幅所限，本文省略了系统GMM检验结果报告，有兴趣的读者可向作者索要。。这说明住宅价格涨幅的内生性问题比商品房的内生性问题更严重。一个城市金融业发展相对滞后会引起人们对商品房产生更大的投资兴趣，进而导致其价格上涨，但这不足以掩盖商品房价格上涨对金融业集聚的抑制效应；而住宅需求及其价格容易受金融业发展的正向影响(如房贷的易得性刺激了住宅需求)，基本实证结果显示了Arbp2对FA的显著负影响在很大程度上来自此反向因果关系。不过，Arbp2的系数尽管不显著，但其p值接近0.1的显著性水平，即住宅价格上涨引起金融业所需的劳动力迁入，进而带动金融业集聚，这一现象仍是局部存在的。以上证明了商品房价格上涨的确构成了金融业集聚的阻力，其中主要来自商业地产的贡献，而住宅价格上涨对金融业集聚有微弱的积极影响。

再把房价上涨的引致因素向外推移，可发现《全国土地利用总体规划纲要(2006—2020年)》的发布构成了一次重要的政策冲击。该规划致力于重申严格的耕地保护和节约用地制度，其正式实施以来取得了对新增建设用地总量控制的良好效果，但是在因地制宜、分区治理上相对生硬，针对用地需求旺盛的东部地区，反而明确要求“降低年均新增建设用地规模”，导致东西部房价差距拉大。该规划考量的是土地相关因素，不受金融发展水平的影响，具有显而易见的外生性。由此可以以该规划生效的2009年为时间虚拟变量(dt)，以“是否为东部城市”区分处理组和对照组(设为du)，进行双重差分法(DID)准自然实验分析。其结果显示，无论采用何种命令，双重差分项dt×du均显著为负。也就是说，控制新增建设用地的政策构成了金融业集聚的抑制因素，而未明确提出“降低年均新增建设用地规模”的地区与此关联不大。进而，本文设置了两种反事实法检验，一是以是否为高级别城市(直辖市、省会城市和计划单列市)为选择处理组的依据，二是仍以是否为东部城市为du的设定标准，但分别假定政策冲击正式生效于2008年和2007年，分别截取2006—2008年和2006—2007年的数据进行DID检验。可知，上述设定均违背事实，都不会起到政策效果，双重差分项的系数均无法显著为负。另外，参考蒋灵多和陆毅(2018)的做法，在2007—2012年随机抽取某一年份，在全部城市中随机抽取11个省份的城市作为处理组，分别抽取100次进行DID检验，得到的100个双重差分项估计系数的均值为-0.0141，标准差为0.0827，不能拒绝系数估计值为0的原假设②受篇幅所限，本文省略了对控制新增建设用地政策效果的双重差分法(DID)检验结果报告，有兴趣的读者可向作者索要。。由此排除了2009年及之后年份东部城市金融业集聚程度下降是由其他未观测到的因素所致的可能性，脱离实际需求的用地限制政策显著地抑制了金融业集聚。

五、对传导机制的检验与识别

（一）“劳动力驱赶”效应是否存在

上文观察到，金融业集聚受商品房价格上涨的抑制影响，但住宅价格上涨对其有促进作用。初步断定，前者主要来自办公楼和商业地产的价格上涨，住宅价格上涨不但不会引起金融业所需劳动力流出，还会在“财富效应”驱动下吸入更多高技能劳动力，进而促进金融业集聚。然而，若据此直接得出“劳动力驱赶”效应不存在的结论则有些武断，有必要对其进行中介效应检验。

本文测算了各样本城市的单位就业人数的ln值，记为lnLabor，以此为中介变量对“劳动力驱赶”的中介效应进行检验，结果见表3。表3中各列模型设定同表2第(1)列和第(3)列一致。可看到，在第一阶段，商品房价格上涨对就业规模无显著影响，住宅价格上涨对就业规模为负向影响，且在0.01水平上显著；在第二阶段，就业规模对金融业集聚是不利的，lnLabor的系数在非常高的t值水平上通过了显著性检验；再看商品房和住宅分别对金融业集聚的直接效应，前者仍在0.01水平上显著为负，只比表2第(1)列有轻微弱化，而后者转为不显著。由此判断，就业规模在住宅价格对金融业集聚的正向影响中起到了完全中介作用，但是为“负负得正”，即住宅价格上涨挤出了普通劳动力而吸入了高技能劳动力，反映在整体就业规模上影响为负，而就业规模下降的同时改善了就业结构，有利于金融业在充裕的劳动力供给下实现空间集聚。总之，尽管住宅价格上涨的确挤出了一定数量的劳动力，但挤出的并不是金融业所需劳动力，就业结构升级有利于金融业发展。另外，在以商品房价格涨幅为核心解释变量时，其对就业规模的影响不显著。按照Edwards和Lambert(2007)、Preacher和Hayes(2008)的方法，还应进行非参数百分位Bootstrap法检验。本文设置了1000次抽样次数，按此方法观察了Arbp的间接效应系数在95%置信区间(经偏差校正)的上限和下限，发现上限为正、下限为负，间接效应的系数无法显著地异于零，即间接效应不存在。由此断定，商品房价格对金融业集聚的显著负向作用不以就业规模为中介机制，“劳动力驱赶”效应不存在，并且必然存在其他的传导渠道。

表3 中介效应检验Ⅰ：以就业规模为中介变量

表3中Arbp对就业规模无显著影响，可能是由于信息不对称造成的“黏性”。比如，某地信息条件较差，居民对各类城市实际居住效用缺乏感知和比较，无法因房价上涨而及时迁出。那么，是不是信息条件改善就能使“劳动力驱赶”效应成立？也就是，存在这样一种可能，在信息更优条件下，劳动力包括金融业所需的劳动力都因商品房价格上涨带来的生活成本负担加重而迁出，进而引起当地金融业萎缩。只有排除了这一可能，才能真正否定“劳动力驱赶”是商品房价格上涨抑制金融业集聚的中介机制。本文以各城市每万人互联网宽带接入用户数的ln值来反映信息化水平，记为Inform，分别作为调节变量和门槛变量进行再检验。其结果显示，以lnLabor为被解释变量时，Arbp·Inform的系数显著为负，但在直接效应中，交互项系数不显著。这意味着，信息化水平越高，则商品房价格上涨越容易促使劳动力流出，但并不显著影响Arbp对金融业集聚的“劳动力驱赶”之外的直接效应。门槛效应检验也是如此，Arbp的确在Inform超过6.2450的区间能够对lnLabor产生非常显著的负向影响，但在控制了lnLabor时，Arbp在该区间同样对金融业集聚产生非常显著的负的直接效应①受篇幅所限，本文省略了考虑信息不对称的调节效应和门槛效应检验结果报告，有兴趣的读者可向作者索要。。由此排除了“劳动力驱赶”机制。

（二）区别“客户资源挤出”与“用房成本增加”

既然“劳动力驱赶”效应不是商品房价格上涨抑制金融集聚的主要渠道，那么按照理论判断，可能来自客户资源挤出、用房成本增加或者二者兼有。本文分别以居民储蓄lnSave和建筑安装工程投资lnConstr为中介变量，对二者的中介效应进行检验并比较。其中，lnSave由样本城市的居民储蓄存款余额(经定基CPI平减)的ln值来表示，lnConstr为金融业固定资产投资(经定基固定资产投资价格指数平减)乘以建筑安装工程占总支出(不分行业)的比重，最后取ln值即得到。以lnSave为中介变量的中介效应检验结果如表4所示。可看到，商品房和住宅价格上涨对居民储蓄的影响都显著为负，而居民储蓄规模扩大对金融业集聚来说是一个非常重要的“拉力”，lnSave对FA的影响在第二阶段和直接效应检验中为正，且都非常显著。同时，在控制了lnSave时，Arbp和Arbp2仍能对FA产生显著的直接效应，前者系数为负，后者系数为正。由此可得，“客户资源挤出”确实起到了中介效应，以Arbp为核心解释变量时体现为同向的部分中介效应，而在以Arbp2为核心解释变量时为掩盖效应。这意味着，无论商品房还是住宅价格上涨，都将挤出一部分居民储蓄业务，进而使金融业的本地市场需求减少，对金融机构形成“推力”。再联系上文的住宅价格对普通劳动力的挤出效应，可判断普通劳动力家庭作为储蓄等基础金融业务的主要客户，一旦被挤出将引起金融机构迁出，除非当地人才储备足以支撑其大规模开展总部或区域总部业务。为确保稳健性，本文还以lnSave为中介变量，进行了Sobel检验。在Arbp为核心解释变量时，Sobel系数值在0.01水平上显著为负，即居民储蓄规模起到了明显的负向间接效应；在Arbp2为核心解释变量时，Sobel系数值同样为负，其对应的p值接近0，即居民储蓄规模同样起负向间接效应，只不过住宅价格上涨对金融业集聚的正向直接效应很大，居民储蓄规模在传导过程中其负向间接效应只能体现为掩盖效应。

表4 中介效应检验Ⅱ：以居民储蓄规模为中介变量

下面，再以金融业建筑安装工程投资lnConstr为中介变量进行中介效应检验，结果见表5。先看第二阶段和直接效应，无论是否控制核心解释变量，lnConstr对金融业集聚的影响都显著为正，这说明金融业发展对土地或房屋要素有较强的需求，而建筑安装工程投资正是反映这一要素投入的重要指标。这符合从表1中观察到的金融机构需要用较高花费去建设、装修、装潢门面房的现实。然而，在第一阶段，无论商品房价格还是住宅价格上涨，都对建筑安装工程投资无显著影响。这一结果是意外的，按照总效应(表2)的结果，Arbp的系数显著为负，Arbp2的系数显著为正，则可以判断商品房价格上涨对金融业的不利影响主要来自商业地产，而金融业建筑安装工程投资本应是与商业地产价格联系最紧密的指标，却不受后者的显著影响。为确保稳健性，本文采取了两种途径的再检验。一是检验间接效应的Sobel值。以Arbp为核心解释变量时，Sobel检验无法拒绝原假设；以Arbp2为核心解释变量时，z值对应的p值接近0.1，也不能完全拒绝原假设。二是进行非参数百分位Bootstrap法检验。在1000次抽样次数设置下，Arbp和Arbp2的间接效应系数在95%置信区间(经偏差校正)的上限为正而下限为负，即间接效应不存在。由此可断定，商品房价格对金融业集聚的显著负向作用不以金融业建筑安装工程投资为中介机制，“用房成本增加”效应未得到实证结果支持。

表5 中介效应检验Ⅲ：以金融业建筑安装工程投资为中介变量

为进一步确保稳健性，本文采用结构方程模型(SEM)对三个中介效应进行再检验和比较，结果见表6。该方法虽然会损失不少有效信息，如组间差异等，但其优势在于能更直观地观察以中介变量为介质传导到被解释变量上的间接效应、主要解释变量的直接效应以及二者的符号差异。

表6 基于结构方程模型(SEM)的中介效应再检验结果

从表6中可看出，在中介机制Ⅰ下，Arbp的间接效应不显著，此时主要为直接效应，Arbp2的间接效应在0.1水平上显著，但该间接效应为正；在中介机制Ⅱ下，Arbp和Arbp2的间接效应都显著，且方向都为负，符合本文理论判断；在中介机制Ⅲ下，Arbp和Arbp2的间接效应都不显著，总效应全部来自直接效应。由此便证明，本文拟考察的三个可能的传导机制中只有“客户资源挤出”效应成立。对大多数城市来说，能否吸引更多的金融业投资，主要取决于是否有大量未被房价上涨挤出的基础客户，其中用房成本节约的作用并不大。

（三）用房成本无法起到中介效应的原因

根据以上分析，中介机制Ⅲ不成立，并且原因在于第一阶段不成立，即金融机构用房需求对用房成本的反应不够敏感。房价上涨难免导致金融机构用房的单位面积支出上升，但没有证据表明其由此而减少了建筑安装投资规模，仍有一部分金融机构乐意在房价上涨背景下拓展门店，花费很多支出把其装修得更豪华。按照直觉，更深的原因可能是过多的政府补贴导致金融机构面临的价格信号失灵。在现实中，很多城市为吸引金融机构集聚，除了按注册资本或分支机构级别给予财政补贴外，还向其自建、购买、租用办公或营业场所提供定向补助。

为了验证以上判断，再以原控制变量中的地方财政能力(State)为调节变量，在SEM下检验其对中介效应Ⅲ的调节效应是否显著为正，结果见表7。本文意外发现，与直觉相反，在地方政府财政能力较强的城市中，房价上涨对金融业空间集聚的间接效应全部显著为负；在地方财政支出相对较少的城市中，该效应反而不显著，总效应主要依赖于直接效应的贡献。金融机构的建筑安装支出对房价上涨是否敏感，取决于政府财政能力大小，即State的调节效应，其为正表示城市财政能力强，金融业用房成本有可能有显著的中介效应。也就是说，在财政能力较强的城市，金融机构能够比较理性地依据房价变动调整经营场所面积，但由于直接效应不显著，使得总效应不显著；在财政能力较差的城市，金融机构反而容易做出非理性行为，使得间接效应不存在，商品房价格上涨对金融业集聚的负效应以及住宅价格上涨对其的正效应主要依赖于直接效应的贡献。

表7 基于结构方程模型(SEM)对中介效应Ⅲ的调节效应检验结果

原本的直觉是地方政府对金融业的补贴造成了固定资产投资市场的扭曲，使得金融机构随单位投入成本变化而调整建筑安装支出的决策迟钝，但表7的检验结果恰恰相反。其可能的原因主要有以下两种。(1)各地政府对入驻金融机构自建、购买、租赁的办公用房，除了按核算成本、购房或租赁合同标的额的一定比例进行补贴外，通常还规定了累计总额上限，在同样的房价涨幅下，房价基数越高的地区越容易达到补贴上限，这使得入驻金融机构仍要受制于当地房价成本，从而理性地进行建筑安装工程投资，而房价基数高的地区往往财政能力也较强，所以表7的检验结果显示了财政能力有助于制约金融机构逆市增加用房的非理性行为。(2)财政支出规模较小的地方政府，往往对个别金融机构进行盯住式补贴，这类机构在当地市场占有率较高，为进一步提高进入门槛而逆市收购、加租商业地产，在垄断竞争结构下不乏采取这种竞争策略的企业，即借助冗余产能形成竞争壁垒(Fair，1985；Mathis和Koscianski，1997)；相反，若地方政府实力较强且对金融机构实行普惠式补贴，则使金融机构不得不理性地依据单位成本决定其经营边界①这是识别用房成本中介效应时发现的一个附加问题，对其的解释需要更全面的经验证据，有待进一步研究。。

六、结论与启示

本文基于2006—2013年中国182个地级及以上城市的面板数据，研究了房价上涨对金融业空间集聚的影响及其可能的传导机制，研究结果主要显示在以下几个方面。(1)商品房(含住宅、办公楼、商业营业用房和其他)价格上涨对金融业集聚有显著的抑制作用，但如果单看住宅价格上涨，其对金融业集聚的影响显著为正；(2)商品房价格对金融业集聚的抑制作用主要发生在商品房价格涨幅低于全国平均GDP增速的地区，而住宅价格对金融业集聚的促进作用主要发生在住宅价格涨幅高于全国GDP增速的地区，说明商品房价格上涨抑制的主要是非总部金融，而总部金融选择区位时更偏好房价上涨较快、优质人才密集的地区；(3)就业规模在商品房价格上涨抑制金融业集聚过程中无显著中介效应，在住宅价格上涨促进金融业集聚过程中有“负负得正”的显著中介效应，即“劳动力驱赶”机制不成立；(4)居民储蓄规模在商品房价格上涨抑制金融业集聚过程中有部分中介效应，在住宅价格上涨促进金融业集聚过程中有负的掩盖效应，即“客户资源挤出”机制成立；(5)金融业建筑安装工程投资没有任何中介效应。

以上的研究结果说明，商品房价格上涨对金融机构形成了空间挤压，但并不是借助于“劳动力驱赶”或“用房成本增加”途径，而是以“客户资源挤出”为主要传导机制；房价过快上涨容易吸引社会资本参与“炒房”，并挤出对线下金融业务有较高需求的中低收入家庭，从而不利于金融业空间集聚；尽管商品房中的住宅价格上涨对金融业集聚的作用显著为正，即高技能、高收入劳动者出于“追涨”心理而迁入房价上涨较快的城市，给金融业带来更充裕的人才资源供给，但是这也无法改变商品房价格上涨通过抑制金融业市场需求而抑制金融业扩大投资规模的负面效应。

过去一段时期内，一些地方政府脱离本地金融服务需求进行大规模金融招商，对金融机构补贴扶持，将可能进一步加剧金融资源的空间配置扭曲。各地政府应当充分认识金融业空间布局的规律，特别是对不适合发展总部金融的地区来说，应降低对区域经济金融化的过度热情，消除对金融机构的过度补贴。本文研究结果更为重要的政策启示是，我国各地政府应遏制地方土地财政带来的“房价冲动”，以具有吸引力的房价吸引各类人才，为金融机构获取基础性客户资源创造便利化的营商环境，抓住金融业区位选择的关键动机，提供全方位公共服务，从而实现金融资源的空间优化配置，使金融发展更好地服务实体经济。