房价、人口规模与长三角地区城市创新能力研究

滕堂伟 谌丹华 胡森林

房价作为影响创新成本和地方品质的重要因素，其与长三角城市创新的关系亟待深入研究。基于长三角地区41个地级市2009—2018年的面板数据，首先刻画了长三角地区城市房价与创新能力的时空演化格局，其次运用双向固定模型、门槛回归计量模型和工具变量法检验了城市房价对创新的影响，并进一步分析了城市人口规模变量对其的调节作用。结果表明：（1）2009—2018年，长三角地区房价呈波动上升，近年来增幅有所扩大;在空间上，房价和创新能力具有相似的格局且存在“高房价—高创新”的“双高”现象。（2）在考虑城市控制变量的情况下，城市人口规模对高房价与地区创新有着积极正向的调节作用，高房价对规模较大的城市存在创新升级的促进作用，而对规模较小的城市则有挤出效应，其结果通过内生性检验。（3）人口规模对地区创新存在双门槛效应。当城市人口规模小于第一个门槛值（411.633万）时，高房价在此人口规模的城市中会显著地抑制地区的创新能力;当城市人口规模处于两门槛值之间（411.633万< POPit ≤827.0万）时，高房价依旧抑制创新但其影响系数变小;当城市人口规模跨过第二个门槛值（827.0万）时，高房价与创新正相关，城市人口规模所带来的正外部性在一定程度上弥补了高房价对创新的不利影响。因此，对于长三角地区房地产行业应“分城施策”，避免房地产泡沫现象的发生。

房价; 技术创新; 城市人口规模; 长三角

F299.23A006511

一、 引 言

伴随着中国经济由高速增长阶段转向高质量发展阶段，创新被上升到国家发展核心的重要位置。在影响创新的诸多因素中，房价无疑会对一个地区的创新能力乃至高质量发展产生重要影响 [1] 。近年来，快速上涨的房价已经逐渐超过普通家庭所能承受的水平，引起了各级政府、各界学者、各类媒体到各个家庭的极大关注 [2] 。2017年党的十九大报告明确了“坚持房子是用来住的、不是用来炒的” 定位，为中国房地产发展奠定了发展基调。在此背景下，研究房价是否促进或抑制了城市创新活动及其调节机制具有重要的现实意义。

国内外关于房价的研究大多集中于房地产的泡沫问题 [3-6] 、中国房地产房价波动的问题 [7-9] 、房价与土地价格的关系 [10-12] 、房价上涨速度与企业投资决策的关系 [13-14] 。近年来，已有部分研究开始关注房地产对地区创新创业的影响。一方面，朱晨 [15] 、林嵩等 [16] 通過研究发现，房价上涨对工业企业创新有着显著的负面影响，主要体现为房价的挤出效应;Rong等 [2] 通过使用1999—2007年中国制造业企业数据，发现房价上涨对制造业企业的创新有负面影响，且房价增长率越高，这种负效应越明显。另一方面，诸多研究也发现高房价反而对创新起到了正向促进作用，如：Berggren等 [17] 通过对瑞典的样本研究发现，高房价对于创业起到了积极的促进作用，且新兴创业公司的数量会随着房价每上升1%而相应上升015%;Lin等 [18] 通过对中国2004—2015年的实证数据分析发现，高房价与城市创新人才正相关且对人才起到较强的吸引作用。在研究方法上，大多研究采用了多变量的普通面板数据计量模型 [19-21] ，也有部分关于空间效应与空间异质性的研究采用了空间计量模型 [22-23] 。

关于高房价对创新的影响研究仍存在争议。一些研究得出高房价对于企业创业有着明显的抑制作用，认为其主要原因在于房地产业的高利润，使得大量资本因逐利而涌入房地产行业，直接减少了区域创新资金的投入，对区域创新造成了显著的挤占效应 [16] ;另一方面，房价的迅速上涨在直接挤占创新资金的同时，还会间接带来劳动力成本的上升，当地区的房价上涨到一定程度时，会导致当地生活成本迅速上升，从而带来创新人才的大量流失，不利于当地创新活动的产生 [24] 。另一派学者则提出了不同的观点，如：普蓂喆和郑风田 [25] 、吴晓瑜等 [26] 通过实证研究发现，高房价会促进人才的创业行为，并认为可能的原因在于高房价所具有的财富、投资、抵押效应和替代效应，其在一定程度上能促进居民的创业概率;Rong等 [2] 通过研究长三角城市房价的空间依赖与集聚性发现，收入、第三产业比重、舒适性对住宅的间接影响显著，且城市工业结构、创新能力和城市化程度在空间上存在一定差异;李永乐等 [19] 利用全国388个城市的数据进行实证研究发现，房价对不同类型城市的创新影响具有分层次的、不同的影响，高房价对三四线城市的创新有着积极的促进作用。另外，房价与技术创新的关系可能是非线性的，受到人口规模、居民消费水平、制造业投入、工业企业的创新等方面的调节作用影响 [27-28] 。

综上所述，学术界还未对房价与区域创新的影响达成一致结论。其主要原因在于，以往研究因研究时段、研究区域和研究方法等的不同造成了研究结果的差异。房价对于创新的影响不能作“一刀切”式的认定，判断其具有促进或抑制作用，应结合具体区域和发展阶段分别进行分析。长三角是我国经济最活跃、创新能力最强的区域之一 [29] ，近年来其房价上升速度明显，已处于高房价水平。因此，本文以长三角这一典型区域为研究对象，研究房价对创新的作用关系，并进一步考察不同城市人口规模在房价与创新中的调节作用。由于投资回报率较高的房地产业对于创新资金存在直接的“挤占效应”，一方面直接减少了对于创新的投资，另一方面间接增加了城市的劳动力成本，进一步推高当地人才的城市生活成本，易造成创新人才的流失，不利于当地的创新活动。当然，房价与创新之间可能存在非线性的关系，如程开明 [30] 发现，人口规模大的城市在人力资本积累、信息技术交流、基础设施等方面具有创新活动产生的绝对优势，故应进一步考虑不同城市人口规模下两者之间的关系。基于此，文章提出以下假设：

假设1：长三角地区高房价对城市创新水平具有一定的抑制作用。

假设2：长三角地区城市人口规模会正向调节高房价对于城市创新的抑制作用。

本研究能为中国其他后进城市群地区的创新发展提供科学借鉴;同时由于长三角地区的城市拥有发展环境相似、经济实力相当、生活水平相近的特征 [31] ，能够尽可能地消除自然地理环境、经济发展水平、营商环境等因素差异造成的计量偏误，从而获得更加科学准确的实证结果。

二、 研究设计

（一） 模型设定

根据前文的综述与理论分析，本文的计量模型重点在于构建检验城市房价与创新能力的关系，兼论城市人口规模在此过程中的调节作用，本文的计量回归模型设定如下：

Inno it-1 =α0+α1HP it +λj∑n j=1 C ijt +

ε it +ui+δt（1）

Inno it-1 =β 0 +β1HP it +β2POP+β3HP*

POP+λj∑n j=1 C ijt +μi+δt（2）

本文使用双向固定效应模型。式中， i代表城市，t 代表年份， Inno it-1  用来衡量城市的技术创新能力， HP it  代表各城市的房地产均价， POP 表示城市人口规模， HP*POP 代表房价与城市人口规模的交互项， C 代表其他的一系列控制变量， ε it  为随机扰动项， μi 表示个体回归效应， δt 表示时间固定效应，本文需要验证α1≤0，β1≤0且β3≥0。

為了进一步探究城市人口规模如何调节房价对地区创新的影响，本文以城市人口规模（ POP ）作为门槛变量进行门槛效应回归分析，以验证不同城市人口规模地区的房价与创新能力之间的关系。门槛回归模型如（3）所示：

Inno it-1 =γ0+γ1HP it ·Φ（POP it ≤θ）+

γ2HP it ·Φ（POP it >θ） +

∑n j=1 λjC ijt +ε it （3）

式中，γ1，γ2为待估门槛特征值;Φ（ ）为指示性函数，在门槛变量达到所需条件时，该函数值为1，否则为0;λj为其他控制变量的回归系数。

（二）变量选择

1. 被解释变量：专利申请授权数

专利作为创新研究领域中最为广泛使用的数据，其信息详细、可获取性强，具有可根据技术与区域细分的优势 [3233] 。因此，本文使用各地级市的专利申请授权数（ Patent ）来衡量一个区域的创新能力，数据来源于CNRDS数据库（2008—2018）。由于从专利申请到实际授权转化需要一段时间，考虑到专利授权所反映的创新能力存在滞后性，本文根据已有研究 [34] 将模型中的专利数据滞后一期使用。

2. 核心解释变量：房价（ House Price ）

房价的迅速上涨使得房地产行业成为高利润产业，并吸引大量资金，通过资金的“挤入效应”抑制企业的创新投入，进而对地区的创新产生抑制作用。因此，本文使用各地级市的商品住宅均价作为解释变量，数据来源于全球变化科学研究数据出版系统 [35] ，房价数据全部根据 GDP 指数进行以2009年为基准年的平减操作。

3. 调节变量：城市人口规模（ POP ）

有学者通过中国城市面板数据揭示了城市人口规模对城市创新具有积极的正向影响，且城市人口规模的扩张与多样化集聚对城市创新具有强化促进作用。因此，本文使用与房价数据配套的各地级市常住人口数量以衡量城市的规模。

4. 控制变量

（1） 经济发展水平（ pcGDP ）。经济发展水平对创新有着巨大的影响。有学者基于经济高质量发展的“创新”内涵及其驱动机制，梳理了经济发展与创新存在的相关性并印证了科技创新对区域经济发展的影响。因此，本文将地区的经济发展水平作为控制变量，以人均 GDP 来衡量，同样以2009年为基期对数据进行平减。

（2） 产业结构（ IS ）。产业结构的升级对地区发展乃至创新能力有很大的影响。因此，本文选择产业结构指标作为控制变量，用第二产业占 GDP 的比重来衡量。

（3） 创新人才（ Talent ）。人才对地区创新发展至关重要 [36] 。本文使用科学研究、技术服务等从业人员数量作为创新人才的衡量指标。

（4） 科研投入强度（ R&D ）。本文使用各地级市科技投入占 GDP 的比重来衡量科研投入的强度，以此作为城市科研重视情况的衡量指标。

（5） 财政自主权（ FD ）。政府的财政收入与支出对区域的创新有着极大的影响。冯涛等 [37] 基于价值链视角对财政自主权与创新效率进行分析，发现其能促进区域的创新效率。因此，本文选择财政自主权作为控制变量，使用地区财政预算内支出/收入来衡量。

（6） 金融发展水平（ FIN）。金融发展水平与创新高度相关。因此，本文使用年末金融机构存款与当年GDP 的比值来衡量地区金融发展水平。

本文主要变量说明如表1所示：

三、 长三角房价与创新的时空演变格局

（一）长三角地区房价时序分析

2009—2018年，长三角区域房地产均价呈现波动上升的态势，且增长率有所提高。十年间，长三角地区的房价波动可分为三个阶段：稳步增长阶段（2009—2011）、波动变化阶段（2012—2015）以及快速增长阶段（2016—2018）。在2016年之前，房价涨势较为温和，且存在涨跌等一系列波动与起伏;而在2016年之后的价格涨势明显上升，表现出较为显著的增势，说明长三角地区近年来房价的上涨趋势变得愈来愈明显。

（二）长三角地区房价与创新能力的时空格局刻画

长三角地区的房价出现明显的两极分化，东南高而西北低。使用ArcGIS对2009年和2018年长三角地区房地产均价进行空间可视化分析（图1）可以发现，长三角东南地区房地产价格偏高，而西北部地区房地产价格则相对偏低。从时序看，长三角地区房地产价格在十年间均价的最低价与最高价均增长不止一倍，由2009年的18176元/平方米增长为2018年的最高52774元/平方米。从空间上来看，房价最高的区域始终集中于上海与杭州，且房价次高区域始终以上海为中心向外辐射扩散。除上海之外，房价次高的城市主要有湖州、嘉兴、台州、丽水等。2018年，已经形成了长三角东南部房价普遍高于西北部的稳定格局。另外，用2018年房价减去2009年房价（图1c），可见房价涨幅最大的区域集中在上海、杭州、常州、连云港等城市，涨幅的高低分布呈现出“东南高—西北低”的态势，与房价的时空演变格局有着相似的分布，说明长三角地区往往房价高的城市其涨幅也更大。

高创新产出区域主要集中在长三角东南地区。对长三角地区创新能力进行空间可视化分析（图2）可以发现，高创新产出区域主要集中在上海、杭州、苏州等东部地区，次高创新产出区域主要集中于湖州、嘉兴、绍兴、台州等长三角东南部，而长三角西北部地区创新产出水平普遍较低。从时序演变来看，长三角地区十年间创新产出数量将近翻了一倍，由2009年最高52774件专利授权数发展到2018年的92460件。另外，用同样的方式做出长三角地区创新能力增幅图（图2c），可以发现创新能力增幅最大的城市主要集中于上海市、苏州市、南京市和杭州市，其分布与长三角地区房价时空演变格局相似，说明创新能力基础高的地区往往有着更大的发展潜力。

总的来说，长三角地区房价与创新能力具有相似的分布格局，皆表现出“东南地区高值且西北地区普遍为低值”的态势，即房价与创新能力具有一定的相似性，长三角地区存在着“高房价—高创新产出”的“双高”现象。

四、 长三角地区房价与创新能力的实证研究

（一）描述性分析

本文实证分析的样本是长三角地区2009—2018年期间41个地级市的平衡面板数据，极个别缺失值采用插值法补全。表2显示了各个变量的描述性统计结果，可知所有数据没有出现异常值的情况，平稳性较好且所有变量的方差膨胀因子（ VIF ）均不超过5，故不存在明显共线性的问题。由表2中的数据可知，创新能力的最小值为39，最大值为92460，说明长三角地区创新能力还存在较大的地区差异性，房价、人均 GDP 的最大最小值差距也较大，因此长三角地区在房地产、经济发展水平方面尚存有较大的区域异质性。

（二）回归分析

本文在经过Hausman检验后选择双向固定效应面板模型，以三省一市作为稳健标准误的聚类标准。为了初步检验房价与城市技术创新之间的关系，首先对房价与技术创新进行普通面板回归。表3列（1）显示，在不考虑控制变量的情况下，高房价显著促进地区的创新，验证了前文所述的长三角地区存在的“高房价—高创新产出”的“双高”现象;加入控制变量后的表3列（2）显示，高房价与地区的创新正相关，但未通过显著性检验，城市规模、创新人才与人均 GDP 分别在1%，5%和10%的水平下显著地促进地区的创新能力。

为进一步探究房价通过何种机制对创新产生何种影响，本文加入房价与城市人口规模的交互项（ HP*POP ），进一步回归，得到表3列（3）的结果。在加入房价与城市人口规模的交互项 HP*POP 后，房价与地区创新能力呈现显著的负向相关性，且通过1%的显著性水平检验;房价与城市人口规模的交互项 HP*POP 与地区创新能力显著正相关，且通过1%水平的显著性检验。城市人口规模 POP、pcGDP 、创新人才和创新研发投入与地区创新能力显著正相关且通过1%水平下的显著性检验，一定程度上验证了假设1。

表3列（3）的模型结果说明，在加入了城市人口规模的交互项后，房价对创新的作用受到城市人口规模的影响，城市人口规模越大，越能够正向调节房价对创新的作用。同时，交互项 HP*POP 通过1%水平的显著性检验且对城市技术创新起正向促进作用，说明城市人口规模扩大会调节高房价对地区创新的抑制作用，假设2得到验证，即：在长三角地区，对城市人口规模较大的城市来说，高房价能促进创新，可体现高房价的“挤入效应”;而对城市人口规模较小的城市来说，高房价对于地区的创新则更多地体现为“挤出效应”。因此，房价对地区创新的抑制或促进影响会受到城市人口规模大小的调节，应根据城市规模区分看待。

（三）门槛效应分析

在对模型进行回归之前，首先对模型（3）的门槛值与门槛个数进行检验。本文使用Bootstrap法对样本进行重复抽样500次，得到门槛值及相关的统计量，结果如表4所示。根据门槛 F 统计量的显著性及其值的大小可以发现：城市人口规模对地区创新能力存在双门槛效应，门槛值θ1为411.633，门槛值θ2为827.0，两门槛值分别通过5%与1%水平下的显著性检验（表4）。

表5显示了城市人口规模的门槛效应，房价对于地区创新的影响取决于门槛变量城市人口规模的取值范围。结果显示，当城市人口规模≤411.633万人时，房价对地区创新能力具有通过1%显著性检验的负向影响，说明高房价在此人口规模的城市会显著地抑制地区的创新能力，且房价每上升1个单位都会使地区创新能力降低1.515个单位。当城市人口规模介于411.633万人～827.0万人时，房价对地区创新能力有着显著的负向抑制作用，房价每上升1个单位，地区创新能力会随之下降0.453个单位，说明房价对城市人口规模处于该区间范围内的地区依旧起着抑制创新的作用，但系数明显减小。可见，高房价虽不利于地区创新，但大城市人口规模所带来的正外部性在一定程度上弥补了高房价对创新的不利影响。

当城市人口规模>8270万人时，房价对地区创新能力呈现通过1%水平显著性检验的正向相关关系，房价每上升1个单位会促进地区创新增长0386个单位。创新人才、科研投入与地区金融发展水平对地区创新呈现较强的正向促进作用且皆通过1%水平的显著性检验。

以2018年长三角地区41个城市的常住人口数量 POP 为例，将41个城市按照城市人口规模的两个门槛值进行划分，最终把长三角地区的城市分为三类（表6）。第一类城市为人口规模超过8270万人的大城市，目前处于该阶段的城市主要包括上海、南京、徐州、苏州、杭州、温州。根据门槛效应的回归结果，在这六大城市中，高房价并未抑制城市的创新能力，反而两者还有显著的正相關关系。由于这类城市已经处于城市化水平较高的地区，城市基础设施较好且城市人口规模较大 [38] ，从房地产供需关系来看，其购房需求更大，因此房价高实属正常的市场现象。第二类城市为人口规模处于两门槛之间的中型城市，主要有无锡、常州、南通、宁波、嘉兴、绍兴、合肥、安庆等20个城市。处于该阶段的城市其高房价显著抑制了城市的创新，但抑制效用相比于规模更小的城市而言较小 [19] 。除此之外，长三角地区城市人口规模小于411.633万人的为第三类城市，具体包括镇江、湖州、衢州、舟山、芜湖、淮南、黄山等15个城市。这些城市中的高房价对地区创新起到显著的抑制作用。该类城市由于城市发展水平在长三角地区处于最具发展潜力的阶段，城市的人口规模较小，从市场供需角度来看，房价高属于投机的虚高，因此对地区创新的资金虹吸效应明显 [9] ，对创新有着极其不利的影响。

（四）稳健性检验

1. 内生性与2SLS回归

技术创新活动与房价常常有着内在的联立性，往往房价高的区域也会有较高的技术创新能力，因此这两者可能存在一定的内生性问题。创新与房价存在相互联系的原因主要在于：一方面，根据熊彼特的创新理论，创新是生产条件与要素的重新组合，高房价区域的要素禀赋、生产条件与经济发展水平往往都较好，有利于技术创新的产生，而创新又进一步促进了生产效率，从而推进地区的经济增长，对地区房价的上涨做出一定贡献 [39] 。另一方面，影响创新能力的因素多种多样，而每种模型在构建时都可能因遗漏变量而产生内生性问题。虽然本文已选择了许多关于经济发展水平、创新人才、产业结构与财政金融等方面的控制变量，但在现实中仍然无法涵盖所有影响因素，存在遗漏变量的情况。基于此，本文尝试使用工具变量法以缓解可能存在的内生性问题。

根据工具变量法的原理，工具变量必须满足仅与长三角地区房价有内在联系而与地区创新能力没有直接联系。在房地产相关研究中，陆铭等 [40] 发现中国政府对东部地区土地供应采取的紧缩压缩策略导致东部地区的房价迅速上涨，由于土地作为房地产的重要投入要素其供应情况将直接影响房价，故将城市的土地供应状况作为房价的工具变量;余泳泽和张少辉 [41] 、张杰等 [42] 选择滞后一期的城市人均建设用地出让面积作为城市房价的工具变量。基于前人的研究，本文选择各城市人均建设用地出让面积作为城市房价的工具变量，并使用两阶段最小二乘法（2SLS）进行检验，工具变量数据来源于《中国国土资源统计年鉴》。

表7为2SLS第一阶段回归，其结果显示，无论是否加入控制变量，工具变量 IV与内生变量HP 都表现出显著的负相关性，通过5%水平下的显著性检验且 F值较大。这说明内生变量HP 与工具变量强相关，因此人均建设用地出让面积会直接影响城市的房价，符合第一阶段效应检验。

从第二阶段回归可以发现（表8）：在不包含控制变量的情况下，人均建设用地出让面积显著地促进地区创新且通过5%水平的显著性检验;在加入控制变量后，人均建设用地出让面积与地区创新在10%水平下显著正相关，其他控制变量系数与主回归基本一致。这充分说明，作为工具变量的人均建设用地可以通过房价正向影响当地创新水平，结果基本通过模型稳健性检验。

2. 替换被解释变量回归

首先选择滞后一期的发明型专利授权数作为第一组稳健性检验的替代指标，结果显示为表9列（1）。另外，为了避免单纯以城市专利数量作为创新指标而带来的片面性，本文使用复旦大学产业发展研究中心编制的《中国城市和产业创新力报告2017》中的“城市创新力指数”作为城市创新能力的替代指标。本文选择了其中滞后两期的41个长三角城市的创新指数作为样本，以增加实证研究的可信度;除此之外，为了缓解城市人口规模可能存在的潜在内生性问题，本文使用滞后一期的城市人口规模 POP 作为替换变量作稳健性检验，结果显示为表9列（3）。所有模型结果如表9所示：

列（1）结果显示，房价与地区创新为通过1%水平显著性的负向相关关系，交互项 HP*POP 也通过1%水平下的显著性检验，且结果为正向显著;城市人口规模、创新人才、研发投入强度与金融发展水平皆与地区创新能力显著正相关，但产业结构与地区创新能力则显著负相关。列（2）中以滞后一期的“城市创新力指数”为被解释变量的稳健性检验结果表明，房价与地区城市创新能力负相关且通过5%水平的显著性检验，房价与城市人口规模的交互项皆与之前回归结果保持一致，且其系数与之前回归结果相近。列（3）中以滞后一期的城市人口规模 POP 为调节变量的稳健性检验结果显示，房价与地区创新显著负相关且通过1%水平的检验，城市人口规模依旧起到正向调节作用，且交互项同样通过1%水平的显著性检验，其他变量与主回归结果基本一致，通过稳健性检验。

五、 结论与启示

本文通过对长三角区域2009—2018年房地产均价与创新能力的数据进行分析，首先简单刻画了其十年来分布的时空演变格局;其次，通过构建双向固定效应模型和面板门槛模型，对房价与地区创新能力的影响进行深入的研究分析，实证结果均通过内生性和稳健性检验。结果表明：

（1） 从2009—2018年长三角房价演化格局来看，目前已形成了长三角房价“东南高—西北低”的稳定格局。从空间上来看，房价最高的区域始终集中于上海市与杭州市，且房价次高区域始终以上海市为中心向外辐射扩散。从创新演化格局来看，其分布与长三角地區房价时空演变格局相似，高创新产出区域主要集中在上海、杭州、苏州等东部地区，且房价与创新能力在空间格局上具有一定的相似性，存在着“高房价—高创新产出”的“双高”现象。

（2） 在考虑了一系列控制变量并加入房价与城市人口规模的交互项后，长三角地区房价与创新能力呈现出通过1%水平下显著性检验的负向相关关系;同时，交互项通过显著性检验且系数为正，说明城市人口规模的扩大会调节高房价对地区创新的抑制作用。因此，在长三角地区，对城市人口规模较大的城市来说，高房价与地区创新能力正相关，体现了高房价的“挤入效应”;而对城市人口规模较小的城市来说，高房价对于地区的创新则更多体现为“挤出效应”。

（3） 进一步对城市人口规模的门槛效应进行实证分析可以发现，城市人口规模对地区创新能力存在双门槛效应，且两门槛值皆通过5%水平下的显著性检验。从整个长三角地区的城市来看，不同城市人口规模的房价对地区创新能力产生不同的影响：第一类大型城市的房价与地区创新能力正相关;第二类中型城市的高房价会显著抑制地区的创新能力;第三类小型城市的高房价会极大地抑制地区创新的发展。

本文的研究结论对于长三角地区房地产业的合理发展有着一定的参考价值。首先，本文的结论虽证实了长三角地区房地产价格目前处于快速上涨的阶段，且过高的房价对地区的创新能力有着显著不利的影响，但这种不利的影响可以通过城市人口规模变量来缓解。这一发现对未来的房地产发展具有一定的启示意义：在长三角城市群内，对规模较小的城市来说，高房价总体而言增加了地区企业创新的成本，形成了较为显著的挤出效应并抑制城市的创新。因此，政府应高度重视房地产投资与房价过速增长对实体行业的冲击，弃绝通过发展房地产业而带来一时的经济增长泡沫，采取一定的市场化政策（如征收房产税、限购等）降低房地产行业过高的投资回报率，以刺激资金回流至实体行业并投入于创新发展，谨慎避免“脱实向虚”的高房价泡沫现象发生。而对于长三角地区规模较大的城市来说，高房价目前来看并不会显著抑制创新，反而与创新能力呈现出显著的正向相关性。造成这一情况的原因可能在于，高房价有助于倒逼地区企业将创新的重点放在高附加值的产业上，从而减少区域内中低端价值产品的创新，进一步提升城市的创新能级。

然而，随着城市人口规模与创新能级的提升，过高的房价同样会衍生出一系列科研、生活与生产成本的问题，易造成城市人才流失。因此，应控制规模较大或房价已经处于高位的城市的房价涨幅，对创新人才实行住房补贴、子女享受地区教育资源等一系列优惠政策，减少房价过高可能造成的地区内人才流失现象，避免过高房价对城市创新产生负面影响。总而言之，长三角地区的房地产政策应分城施策、分类调控，从而推动不同人口规模城市的创新型城市建设。

FLORIDA R. Cities and the creative class[J]. City & Community， 2003， 2（1）： 319.

[2] RONG Z， WANG W， GONG Q. Housing price appreciation， investment opportunity， and firm innovation： evidence from China[J]. Journal of Housing Economics， 2016， 33（9）： 3458.

[3] 郭文伟. 中国多层次房价泡沫测度及其驱动因素研究——兼论我国房地产调控政策的实施效果[J]. 经济学家，2016（10）： 3037.

[4] 汪卢俊，骆永民. 中国房价泡沫的城市差异与扩散特征[J]. 统计与决策，2020，36（4）： 8690.

[5] 昌忠泽. 房地产泡沫、金融危机与中国宏观经济政策的调整[J]. 经济学家，2010（7）： 6976.

[6] AN G， BECKER C， CHENG E. Bubbling away： forecasting real estate prices， rents， and bubbles in a transition economy[J]. Comparative Economic Studies， 2020 （4）： 263317.

[7] 梁云芳，高鐵梅.中国房地产价格波动区域差异的实证分析[J]. 经济研究，2007（8）： 133142.

[8] ZHANG X X， GUO L. Research on the impacts of real estate on economic growth： a theoretical model-based analysis[J]. Chinese Journal of Urban and Environmental Studies，2018， 6（4）： 125.

[9] 况伟大. 预期、投机与中国城市房价波动[J]. 经济研究，2010，45（9）： 6778.

[10] 刘琳，刘洪玉. 地价与房价关系的经济学分析[J].数量经济技术经济研究，2003（7）： 2730.

[11] LIU M， MA Q P. Determinants of house prices in China： a panel-corrected regression approach[J]. The Annals of Regional Science，2021， 67（1）： 4772.

[12] 严金海. 中国的房价与地价：理论、实证和政策分析[J].数量经济技术经济研究，2006（1）： 1726.

[13] 荣昭，王文春. 房价上涨和企业进入房地产——基于我国非房地产上市公司数据的研究[J]. 金融研究，2014（4）： 158173.

[14] LIU G W， ZHENG Q. An empirical study of the relationship between urbanization and the real estate investment in China[J]. Advanced Materials Research， 2012（361363）： 10991104.

[15] 朱晨. 上海市房价上涨对工业企业创新的影响——基于劳动力成本视角的再审视[J].经济经纬，2018， 35（3）： 96102.

[16] 林嵩. 房地产行业对于创业活动的挤出效应——基于中国跨地区面板数据的分析[J].经济管理，2012，34（6）： 2129.

[17] BERGGREN B， FILI A， WILHELMSSON M H. The effect of house prices on business start-ups： a review and analysis， using Swedish regional data[J]. REGION， 2017 （4）： 116.

[18] LIN X， REN T， WU H， XIAO Y. Housing price， talent movement， and innovation output： evidence from Chinese cities[J]. Review of Development Economics， 2020， 25（1）： 76103.

[19] 李永乐，许阳，吴然. 房价对城市创新能力的影响研究[J]. 金融与经济，2020（6）： 6168.

[20] 张亚萍. 房价上涨促进还是抑制创业的增加——基于全国31个省份面板数据的分析[J].中国房地产，2020（30）： 2430.

[21] 刘孝斌. 长三角一体化背景下房地产业的挤出效应研究——长三角26个城市的实证[J].统计科学与实践，2019（9）： 2427.

[22] 王立平，李艳萍. 城镇化水平、FDI与房价——基于泛长三角的空间计量研究[J]. 华东经济管理，2014， 28（7）： 4247.

[23] 劉有章，徐颖. 中国长三角地区房价影响因素实证分析——基于空间视角[J]. 海南大学学报（人文社会科学版），2019， 37（6）： 7785.

[24] 安同良，王文翌，魏巍. 中国制造业企业的技术创新：模式、动力与障碍——基于江苏省制造业企业问卷调查的实证分析[J]. 当代财经，2005（12）： 6973.

[25] 普蓂喆，郑风田. 高房价与城镇居民创业——基于CHIP微观数据的实证分析[J]. 经济理论与经济管理，2016（3）： 3144.

[26] 吴晓瑜，王敏，李力行.中国的高房价是否阻碍了创业？[J]. 经济研究，2014， 49（9）： 121134.

[27] 李妙然，郭文. 房地产价格对制造业创新的影响[J]. 当代经济，2020（2）： 1619.

[28] 杨柳. 房价波动对居民消费水平影响的实证研究——基于面板门槛模型的再检验[J]. 价格月刊，2020（11）： 3946.

[29] 滕堂伟，林蕙灵，胡森林. 长三角更高质量一体化发展：成效进展、空间分异与空间关联[J]. 安徽大学学报（哲学社会科学版），2020， 44（5）： 134145.

[30] 程开明. 城市化促进技术创新的机制及证据[J]. 科研管理，2010， 31（2）： 2634.

[31] 宋伟轩，刘春卉. 长三角一体化区域城市商品住宅价格分异机理研究[J]. 地理研究，2018， 37（1）： 92102.

[32] GRILICHES Z. Patent statistics as economic indicators indicators： a survey[J]. Journal of Economic Literature， 1990， 28（4）：16611707.

[33] STORPER M， SONN J W. The increasing importance of geographical proximity in knowledge production： An analysis of US patent citations， 1975—1997[J]. Environment & Planning A， 2008， 40（5）： 10201039.

[34] 方远平，谢蔓.创新要素的空间分布及其对区域创新产出的影响——基于中国省域的ESDA-GWR分析[J].经济地理，2012，32（9）：814.

[35] 马雨竹，李晓丽，宋伟轩. 长江三角洲地区房价变化数据集（2008—2018）[J /OL]. 全球变化数据仓储电子杂志（中英文），2019. https：//doi.org/10.3974/geodb.2019.04.17.V1.

[36] 刘晖， 胡森林. 中国人才的空间集聚格局及时空演化[J]. 经济经纬， 2019，36（5）：18.

[37] 冯涛，张宁，宣烨. 地方财政自主权扩大对创新效率的影响——基于价值链视角下的实证分析[J]. 广西财经学院学报，2018， 31（1）： 4050.

[38] WU C， YE X， DU Q， et al. Spatial effects of accessibility to parks on housing prices in Shenzhen， China[J]. Habitat International ， 2017， 63： 4554.

[39] 张煜晖，王钺. 房地产价格、要素空间关联与区域创新绩效[J]. 山西财经大学学报，2020， 42（6）： 114.

[40] 陆铭，张航，梁文泉. 偏向中西部的土地供应如何推升了东部的工资[J]. 中国社会科学，2015（5）： 5983; 204205.

[41] 余泳泽，张少辉. 城市房价、限购政策与技术创新[J]. 中国工业经济，2017（6）： 98116.

[42] 张杰，杨连星，新夫. 房地产阻碍了中国创新么？——基于金融体系贷款期限结构的解释[J]. 管理世界，2016（5）： 6480.

On the Housing Price， Population Size and Urban Innovation

Capacity in Yangtze River Delta Region

TENG Tangwei， CHEN Danhua， HU Senlin

School of Urban & Regional Science， East China Normal University，Shanghai 200241，China

As an important factor affecting innovation cost and local quality， house prices relationship with urban innovation in the Yangtze River Delta needs further studies. Based on the panel data of 41 prefecture-level cities in the Yangtze River Delta region from 2009 to 2018， this paper firstly describes the spatial and temporal evolution pattern of urban house prices and innovation capacity of the cities in the region. Secondly， the two-way fixed effects regression model and threshold regression econometric models are used to test the impact of urban housing price on technological innovation， and the moderating effect of urban population size on technological innovation is further analyzed. The results are as follows. Firstly， from 2009 to 2018， house prices in the Yangtze River Delta region have been rising with fluctuation and the increase rate has accelerated in recent years. In terms of space， house prices and innovation capacity share similar pattern， and there is a “double high” phenomenon of high house price and high innovation output. Secondly， considering the urban control variables， urban population size has a positive moderating effect on high housing price and regional innovation. Besides， high housing price promotes innovation and upgrade in larger cities while has a crowding out effect on smaller cities. Thirdly， population size has a double threshold effect on regional innovation. When the urban population is less than the first threshold value （4，116，330）， high house prices will significantly inhibit regional innovation. When the population is between the two thresholds （4，116，330< POPit ≤ 8，270，000）， high house price still inhibits innovation， but its influence coefficient becomes smaller. When the population crosses the second threshold （8，270，000）， high house price is positively correlated with innovation， and the positive externality brought by the size of urban population makes up for the negative impact of high house price on innovation to some extent. Therefore， the government should implement policies in the real estate industry according to the specific conditions of different cities in order to avoid the real estate bubble.

housing price; technical innovation; urban population size; Yangtze River Delta