我国人才集聚及其对房价影响实证研究

彭志胜，殷宏玲，唐小然

(安徽建筑大学 经济与管理学院，安徽 合肥 230000)

目前，我国经济结构已经由高速增长阶段转变为高质量发展阶段，人才是促进经济发展的根本条件，是城市实现可持续发展的关键因素。我国各地城市为拉动地方经济，相继颁布一系列吸引人才的政策。为此，中共中央、国务院于2010年印发《国家中长期人才发展规划纲要(2010-2020年)》，这是我国第一个中长期人才发展规划，是今后一个时期全国人才工作的指导性文件，并预计2020年我国人才资源总流量将达到1.8亿人。自2017年起，一些城市相继出台“人才新政”吸引人才，这些政策会在短期内带来高学历人才快速聚集。人才集聚会在一定程度上影响一个城市人力资本的数量与结构，人力资本快速聚集的同时也会对该城市的房地产市场产生冲击。人才引进为当地提高经济效益的同时，也带来了另一个问题——住房，这是人才迁移之后亟待解决的重要问题。房价上涨不利于吸引、留住人才和当地经济发展。因此，拟对我国30个省(自治区、直辖市)的人才集聚和房地产价格之间的关系测算，判断二者间关系以及在不同地区间的影响差异性，平衡人才聚集效应带来房价波动的影响，为不同地区实施人才引进的同时，保障住房市场的平稳提供差异化建议。

一、文献梳理

(一)房价的影响因素

国内学者在房地产价格影响因素研究上已取得较为丰硕的成果，既有研究结果可以分为非人口和人口因素两类。基于非人口因素研究结果表明，城镇化发展水平、城乡收入差距(任伟、陈立文)、[1]区域经济差异(马桂霞)、[2]土地财政及土地供应(刘金东、杨璇、汪崇金等)、[3]资产升值预期和居民收入(于维生、张志远、董瑞等)[4]等因素对房地产价格的变化都具有重要的影响。非人口因素对房价产生的是短期影响，房地产的需求主体是人，因此人口因素对房地产的长期发展起着重要作用(胡元瑞)。[5]对人口因素的研究大致可分为数量和素质两方面，已有文献研究主要集中在数量上，人口增长率和人口老龄化(郭娜、吴敬)、[6]家庭规模(童长锜、杨和礼)、[7]人力资本的规模与结构(任伟、陈立文、陈琦等)、[8]人口迁移(王春艳、吴老二)[9]等均对房地产价格有极为重要的作用。素质上则研究偏少，主要集中在高层次人才流动和人才集聚等方面。

(二)人才集聚对房价的影响

近年来文献中对于人才的定义分为：完成大专或大专以上文化程度教育的劳动者；高技术产业中，科学家及工程师就业人数；R&D就业人数。杜谦、宋卫国认为科技人才包括四个方面：科技人力资源、专业技术和科技活动人员以及R&D人员。[10]

国内学者主要是从政策角度，研究分析政策实施带来的人才集聚和人才流动对房地产价格影响，直接关于人才集聚对房价影响的研究较少。代表观点认为，人才集聚对房价存在显著的正向影响。周怀康、彭秋萍、孙博等研究发现流动人力资本水平会拉高“技术溢出”的程度，在此基础上能极大提高区域生产率和当地收入水平，进一步助推房价快速上涨，并称其为流动人力资本和城市房价间的“收入机制”。[11]彭磊通过30个城市面板数据实证检验出，我国不同地区人才流动对房价影响有差异性，在一、二线城市呈显著正向推动作用，三线城市影响不显著。[12]杨成钢、李海宾基于“抢人大战”背景下，提出高学历人才的收入水平具有更强的住宅购买力，同时人口迁移伴随的财富都将会激发迁入地住房价格的上涨。[13]胡元瑞选取典型城市作为代表，运用双重差分模型测算出，人才引进政策带来的人口流入对中西部地区房价影响效应更为显著且高于东部城市，在短期内快速助推当地房价上涨。[5]陈新明、刘丰榕、朱玉慧兰等通过建立模型检验出“人才新政”在全多层面上对房价有显著的正向作用，但不同层级城市房价的政策效应存在差异性，其中新一线城市对房价的政策冲击更加显著。[14]冯贝分析得出基于人才政策视角下人才集聚度的提高，扩大了户籍人口以及政府的奖励与补贴对房价的影响，且对处于不同层次的城市影响存在差异。[15]

由此可以得出，人才集聚和迁移对住房价格起到显著的正向影响，但不同地区的影响效果存在显著的异质性，并且地区分类的标准不同，人才集聚对住房价格的影响会存在显著差异。

通过文献梳理可知，现有研究存在局限性：房地产价格属于经济指标，现有研究多是按东中西部或是较为常见的区域划分进行分类，检验结果代表性不强，也不利于对不同地区的发展提出差异化政策建议。拟通过k-means聚类分析法将30个省(自治区、直辖市)划分为三个层次，利用重新划分的类别得出分析结果更具借鉴意义。

二、人才集聚现状分析

人才集聚，一般是指一定时间内，一定规模的同质或相关人才在空间上的转移或聚类的现象。常见测度方法：吴雷、孙莹莹分析有空间基尼系数和EG指数，指出基尼系数越高人才越集聚；[16]张所地、胡丽娜、周莉清等用熵值法测算影响人才集聚的因素。[17]

相较而言，熵值法可在多重共线性问题上进行优化，从而优于其他测度方法。故借鉴孙文浩、张益丰的人才集聚区位熵指数计算方法，为测算人才集聚度，选用高技术产业中R&D人员全时当量作为指标，[18]文章选用全国30个省(自治区、直辖市)2008—2018年数据进行分析，计算公式为：

(1)

其中LQ表示人才集聚区位熵，i表示产业指标数，j表示地区数；Xij表示i产业在j地区的指标，ΣXij表示i产业在全国地区的指标，∑∑Xij表示所有产业在全国地区的指标。区位熵指数大小反映集聚水平，区位熵的值越高，代表人才集聚水平越高。当LQ>1时，表明人才数量在全国来说具有优势；LQ<1时具有劣势。

图1 2010—2016 年各省份人才集聚区位熵指数

图1显示了我国2008-2018年各省人才集聚度的平均值，可以一定程度上反应人才集聚程度。LQ>1的地区有北京、上海、江苏、浙江、山东、广东、天津、安徽，大多集中在经济发达地区，均在范围内有小幅度的波动，表明在这些地区人才集聚具有明显的优势，但安徽处于人才集聚水平而经济状况欠发达的地位，区位熵值从2013年后逐年增加，主要与2013年正式加入长三角经济圈带来的人才吸引效应有关；LQ<1且偏低的，基本集中在欠发达地区，并且其中西部地区的城市占多数，主要因为经济较为落后的城市在未实行人才引进等一系列政策时，对人才的吸引力度是相对较弱的，从而直接影响该地区的人才集聚度水平。

三、人才集聚对我国房地产价格影响实证分析

(一)变量选取

在借鉴既有参考文献的基础上，参考孙文浩(2020)、胡元瑞(2019)、童长锜(2007)的做法选取如下变量。

被解释变量房价采用该地住宅房地产平均价格，是对房地产市场发展最直观的体现。选取人才集聚度作为解释变量，用的是各省R&D人员全时当量占该省第二产业就业人数比重与全国R&D人员全时当量占全国第二产业就业人数比重的比值。

控制变量选取地区国内生产总值来反映出地区间经济水平差异；工资用城镇单位就业人员平均劳动报酬表示，该指标可以直接量化人们的购房意愿；城镇常住人口是指该地年末城镇人口数(2005年之后为常住人口数)；房屋竣工面积用已完工且可移交正式使用的房屋建筑面积总表示，可作为一个预测性变量，当竣工面积指数较上年同比增加，则未来住宅商品房的供应量相应增加；土地购置费是某地区单位面积的土地的均价，用土地成交价款与土地购置面积比值来表示。

(二)数据与模型选取

选取2008—2018年全国30个省(自治区、直辖市)的数据作为样本进行分析，数据来源于《中国房地产统计年鉴》《中国城市统计年鉴》《中国统计年鉴》和《中国区域经济统计年鉴》。从表1可知，人才集聚度的最大值与最小值相差2，代表不同地区间人才发展差距很大；其余控制变量在最值上均有明显的倍数差距。

表1 各变量描述性统计

实证研究人才集聚度对房地产价格的影响，为了避免变量序列非平稳而出现“伪回归”现象，首先需对各变量实行单位根检验(ADF检验法)，分别采用LLC和ADF-Fisher 两种方法进行平稳性检验，对检验结果分析，当结果均拒绝原假设，则体现该序列平稳。经检验，结果表明各变量均为非平稳序列；需再对所有变量一阶差分处理后检验，得出在1%显著性水平下拒绝原假设，故体现各变量为一阶单整(I1)。为进一步验证变量间存在协整关系与否，使用Johansen检验中的Kao检验和Pedroni检验，结果发现存在长期均衡稳定的关系，检验结果详见表2。

表2 面板数据协整检验

在完成上述检验的情况下，使用F检验与霍斯曼检验对面板数据进行模型估计，结果表明选用固定效应模型。模型选取如下:

(2)

其中Pr代表住宅销售价格；α是常数项；tagg代表解释变量人才集聚度；Xi代表控制变量：地区国内生产总值(GDP)、房屋竣工面积(Area)、土地购置费(Lp)、工资(wage)、城镇常住人口(up)；ε为扰动项，i代表地区。

(三)实证结果

以地区生产总值为指标，通过k-means聚类分析，将除西藏以外的30省(自治区、直辖市)划分为经济发达地区、较发达地区和欠发达地区三类。通过系统聚类分析得出第一类是：北京、上海、江苏、浙江、广东、山东；第二类是：湖南、四川、天津、湖北、辽宁、福建、河北、河南；其余16个省(自治区、直辖市)为第三类。利用30个省(自治区、直辖市)11年的数据采用(2)式回归，得出表3结果。

表3 固定效应模型逐步回归结果

(1)全样本回归

从表3的列(1)可以看出，在全国范围内，人才集聚度对房价的影响呈显著正相关，表明人才集聚度每增加1%，房价则会相应升高0.056%。人才的快速集聚刺激该地的住房需求快速增长，在供需层面致使房价上升。土地购置费和工资对房价的影响均在1%的水平下显著正相关。其中工资的影响效应最大，因为工资的高低可以直接影响消费者的购房意愿，高工资会增加人们的购房意愿，进而促使房价上涨，工资每变化1%，房价则上涨0.641%；土地购置费代表房地产成本，住宅建造成本的增加会带来房价的上涨。而房屋竣工面积对房价具有显著负向影响 ；同时也发现GDP和城镇常住人口对房价的影响不显著。

(2)分地区回归

从表3的列(2)可以看出，发达地区的人才集聚度对房价的影响并不显著，经济发达地区高技术人才众多且人才引进政策的颁布和实施力度相对较弱，致使该地的人才集聚度增加对房价的影响较小。土地购置费和工资均对房价呈显著的正向作用，工资每增加1%，房价则会相应上涨0.773%。房屋竣工面积对房价的影响，表现为显著的负向影响关系，代表住宅供给量增多，从而一定程度抑制房价上涨。而gdp和城镇常住人口数对房价的影响则并不显著。

从表3的列(3)和列(4)可以看出，较发达与欠发达地区的人才集聚度、工资和土地购置费均对房价具有显著的正向作用，人才集聚度每变化1%，房价则会相应增长0.018个单位。同样，工资每上涨1%，房价则随之增长0.545%。而gdp、房屋竣工面积、城镇常住人口对房价均无显著影响。

总体来看，在不同的经济发展水平下，人才集聚度对房价的影响水平存在明显差异，这是由于经济发展不平衡导致。相较之下，较发达与欠发达地区中二、三线城市占主要比重，人才流动将带动这些地区房价上涨。从供需的角度看，人是房地产的需求方，加之较发达地区与欠发达地区近年来实行的“人才新政”吸引人才，在带来人口和资本快速集聚的同时，也推动了房价上涨。

四、结论及政策建议

(一)结论

文章基于2008—2018年30省(自治区、直辖市)的面板数据，以地区国内生产总值为依据，将30个省分别划分为：发达地区、较发达地区和欠发达地区。利用面板回归模型分地区研究房价是否受到人才集聚以及其他因素的影响。

实证结果表明：(1)全国范围内，人才集聚对房价具有显著正向作用。然而在经济发展程度不同的地区其影响程度存在异质性，发达地区人才集聚对房价的影响不显著，而较发达和欠发达地区人才集聚对房价呈显著正向影响。(2)除人才集聚度外，土地购置费和工资在三个地区均是显著正向影响，房屋竣工面积只对发达地区的房价是显著的负向影响，对较发达地区和欠发达地区则无显著影响。而GDP和城镇常住人口对房价的影响则均不显著。

(二)政策建议

依据上述实证分析结果，人才集聚度对不同地区房价影响存在异质性，对于房价调控，要在人才“引进来”和“留得住”的前提上进行。针对此，要从供需角度出发，如制定差异化政策、调控住房市场、调整土地供需等方面来增加住房供给，从而实现人才的合理引进。

1.分地区制定差异化政策。不同地区的人才集聚度对房价的影响具有差异，因此在制定人才引进政策时，不但要注意人才流入对房价的一般影响，更要结合地区特色，有选择地引进人才，避免因政策“抢人”过度造成人才资源的浪费，同时减少对房地产市场带来的正向冲击。经济发达地区应利用自身发展优势留住人才，为人才提供更充分和优质的保障；经济较发达和欠发达地区，要优化吸引人才的政策，保证人才流入的同时充分利用其伴随的人力资本财富，带动当地经济发展，一定程度上抵消因人口迁入造成的住房价格上涨。从而实现城市的高质量发展。

2.调控住房三级市场。加大人才住房的投入，保障人才住房权益。对于经济较发达地区和欠发达地区，应减弱人才集聚给该地房价带来的影响。我国目前人才集聚的主要特点是人口大量向城区迁移，对于人口流入较多的城市，应及时做出长远的战略部署。对新房实行限购政策，增强二手房交易规范性，并且对住房租赁市场做出合理调控，在此基础上强化住房保障机制。吸引人才的同时，避免房价的非理性上涨和因人才集聚效应而造成其他中、低收入群体的“挤出”。

3.从土地供给侧进行调控来稳定房地产市场。土地购置费对不同地区的房价均呈显著正向影响，因此，政府可以增加土地有效供给，降低成本，以控制住房销售价格的上涨。与此同时，也要加快二手房在市场上的循环流通，使新房与二手房市场双向发力，实现住房供给的增加，实现可持续发展。