城市医疗资源会影响房价吗?——基于中国70个城市的实证分析

王星睿，池宇杭

(南京财经大学公共管理学院，南京 江苏 210023)

一、引言

新冠肺炎疫情作为一次重大突发公共卫生事件，以非常规的方式冲击了我国社会经济各个领域，特别是当举国进行“抗疫”行动时，医疗资源与城市宜居性、竞争力及房价的关系成为公众热议话题。房地产作为一种异质性商品，其价格不仅受到市场供需因素和房屋本身品质的影响，医疗、教育、交通、环境等附带价值的不同也会使房价产生波动。随着人民对生活品质的追求及对身体健康重视程度的提升，医疗资源不再仅仅作为看医治病时的刚性需求，同时极大地影响了居民的住房消费选择。加之我国人口老龄化问题凸显和新型传染病防治的需要，许多家庭选择住宅时愈发关注城市医疗资源配置，对医疗资源的重视及抢夺让医疗资源资本化到住宅价格的趋势日渐显著，城市医疗资源配置成了基本公共服务和影响居民住房选择的重要因素。然而一直以来无论是房地产研究还是实务领域，在关于“公共品与房价的关系”的讨论中，相较于交通、教育等资源，医疗资源很少受到更多关注。如果说城市房价是人们“用脚投票”结果显示的话，那么城市医疗资源在多大程度上影响人们对城市居住的评价与选择，不同规模或发展水平的城市之间在影响机制上又有何不同?这些不同与城市的经济发展水平关系如何?本文利用中国70个大中城市2009～2018年的面板数据，回归分析不同城市医疗资源质(发达程度)与量(丰富程度)对房价的影响，探究城市医疗资源质、量配置对房价的影响，尝试呈现公众感觉与现实选择之间的差异，同时丰富房价中的公共品资本化效应的异质性研究内容。

二、文献回顾

房地产具有商品和投资的双重属性，房价由房产、地产及其附带价值共同决定，公共服务作为房地产附带价值的重要组成部分，因此房价中的公共品资本化效应研究一直以来受到研究者的关注。国外相关研究最早可以追溯到Tiebout的“用脚投票”理论。他提出，在流动不受限制的情况下，居民会综合考虑公共服务水平和税收来选择最合适的居住地。随后，Fox等通过研究公共服务水平与居住迁徙的因果关系证实了Tiebout模型，发现公共财政支出透明度的提升对居民迁移具有显著的推动作用。从微观层面考察了伦敦居民的迁徙行为，John等同样发现了这一点。公共服务是通过居民迁徙资本化到该区域的住房价格中。Rosen的特征价格模型使研究消费者对住房价格中的不同特征出价成为可能。温海珍和贾生华通过构建特征价格模型对杭州市的房地产市场进行实证研究，发现生活设施、建筑面积、交通等主要住宅特征的隐含价格。金志云和卓淼淼基于特征价格理论，运用35个大中城市面板数据，研究发现公共交通(经济性公共品)对房价的影响效应高于教育(非经济性公共品)，且在短期内效应更加明显。

随着房价的不断攀升，国内研究者对不同公共品对房价的影响进行了更为深入的研究。梁若冰和汤韵通过细分公共服务类型实证研究发现，文化、环境和交通变量对当地的房价有显著的推动作用，而医疗、教育和就业等变量的影响较小。而邓慧慧等运用空间滞后双向固定模型实证研究城市住房价格的空间关联性，发现财政分权下的地方竞争促使地方政府推高房价，并且医疗、教育、交通和环保等公共服务对房价均有显著的正向影响。高雅等利用熵值法计算出我国29个大中城市每年的基本公共服务指数，实证分析了城市公共服务对房价的影响，发现医疗资源对住房价格的影响十分显著。上述研究中医疗资源对我国住房价格的影响具有不断增强的趋势。考虑到近年来经济的发展和现代人健康意识的提升，尤其在中老年人对医疗资源的高需求以及新型疾病出现等趋势下，医疗资源很可能成为居民“用脚投票”的重要依据。随之带来的则是居住需求的增加以及房价的上涨。Nau和Bishai通过对1990～2010年的房价指数和五年前预期寿命进行回归证明了这一点，研究发现将财产税收入投资于公共卫生基础设施的社区可以受益于健康状况改善的良性循环，从而带来更高的房地产财产价值。不投资于卫生的社区可能进入恶性循环，可能扩大地理空间卫生和财富差距。

相较于国外，国内研究既有关于公共品影响房价机制的经典阐释，也有众多实证研究揭示公共服务或交通、教育等具体公共品对房价的影响，但是对医疗资源大多不够重视。以往研究仅仅将医疗资源作为公共服务的一部分研究其对房价的影响关系，又由于数据的缺失，通常仅采用医院数、医生数、床位数等医疗资源数量层面的数据，且一般选择35个大中城市作为研究样本，无论是从研究对象还是变量的选择上，都不够全面，难以凸显医疗资源对房价的真实影响，更加无法说明医疗资源对房价影响的异质性。在上述研究的基础上，本文将医疗资源从整体公共服务中剥离出来，全面考虑城市医疗资源配置的量和质，从丰富程度和发达程度两个角度出发，且对丰富程度相关变量进行人均化，利用70个大中城市的面板数据研究医疗资源对不同等级城市影响关系的异质性。

三、研究设计

(一)数据来源与变量选择

我国70个大中城市于全国房地产投资开发总额占比达80%以上，且涵盖了全国各个地区以及各个城市等级(其中大理由于数据缺失严重予以剔除)，一定程度上反映了我国房地产市场发展的区域不均衡性。因此，选择70个大中城市作为研究样本具有代表性。本文参考第一财经发布的《2020城市商业魅力排行榜》将70个大中城市划分为一线城市、新一线城市、二线城市、三四五线城市四种类型。

在已有研究房价影响因素的文献中，特征价格模型自Ridker和Henning1967年的研究开始就一直被看作房价及其决定因素分析的标准模型，该模型认为一个商品单元可以用

n

维可度量的特征向量束来表示，这些特征都有各自隐含的特征价格。特征价格模型本质上是一个多元线性回归模型。本文根据特征价格模型理论，通过阅读现有文献和研究成果发现，一般研究医疗资源对房价影响关系的变量为医院数、医生数、床位数等医疗资源“量”的因素，缺少对城市医疗资源“质”的探寻。为精确医疗资源丰富程度对房价的影响关系，本文利用《中国城市统计年鉴》中各年各城市的年平均人口数对医院数、医生数和床位数变量进行人均化，并加入了三甲医院数量、百强医院数量、全国第一学科数量和全国前三学科数量变量衡量医疗资源发达程度对房价的影响。

除了上述解释变量，对同时影响房地产价格及医疗资源的因素进行控制，得到如下4个控制变量:

人口密度:人口密度使用每平方千米人口数量(年末户籍人口/城市辖区面积)表示。人口密度越高的城市对医疗资源的需求量越大，同时对住宅的需求可能会导致供给紧缺，提高房价。

人均产出:人均产出使用人均生产总值(城市经济生产总值/年末户籍人口)表示。越高的人均产出代表城市经济发展水平越高，政府可以提供更为优质的医疗资源，同时经济水平带动居民消费水平上升，房价也随之提高。

工资水平:工资水平用职工人均收入水平表示，居民工资越高代表其消费能力越高，住宅市场的有效需求增多有可能引起房价的上涨，更高的工资水平会吸引人口流入，提高人们对医疗资源需求的同时增加了医疗的人力资源。

年末实有公共车辆:城市交通资源及医疗资源的可达性用年末实有公共车辆数量表示，更好的交通资源资本化到城市住宅价格的同时势必提高医疗资源可获得的程度，从而抬高房价水平。

样本中，一线城市占比6%，新一线城市占比19%，二线城市占比31%，三四五线城市占比44%。总体样本住宅商品房价格均值为7363元/平方米，其他相关变量的统计特征见表1。

表1 变量描述性统计表

(二)模型构建

目前研究医疗资源对房价影响关系的相关文献，通常仅采用医院数、医生数、床位数等医疗资源数量层面的数据，本文在此基础上进一步对相关变量进行人均化处理，建立如下的计量模型:

模型中，

i

和

t

表示城市和年份，hp表示

i

城市

t

年份的住宅商品房销售均价，是模型的被解释变量；peryy表示

i

城市

t

年份的人均医院数，perys表示

i

城市

t

年份的人均医生数，percw表示

i

城市

t

年份的人均床位数；

β

、

β

、

β

分别为城市人均医院数、人均医生数、人均床位数变量对房价的回归系数；

X

为一组控制变量，包括工资水平和人口密度等其他影响房价的变量；

ε

为随机扰动项。

为体现城市医疗资源发达程度对城市房价的影响，在模型中加入了城市三甲医院数量、百强医院数量、全国第一学科数量和全国前三学科数量，分别用topthree、tophundred、topsubject和threesubject表示，修正后的模型如下式:

在控制了城市医疗资源发达程度相关变量后，观察

β

、

β

和

β

的估计值是否会有所下降，进一步说明城市医疗资源发达程度对房价的影响关系，并修正城市医疗资源丰富程度对房价影响关系的偏估。本文还尝试在模型中加入时间和相关变量的交互项，用于观察城市医疗资源对房价影响关系的时间变化。

四、实证结果分析

(一)不同类型医疗资源对房价的影响关系

利用相关计量软件对面板数据进行回归分析，回归结果见表2。模型一表示城市医疗资源丰富程度对房价的影响关系，其中，仅人均医院数对房价在5%的显著性水平下有显著的正向影响。模型二在控制医疗资源发达程度相关变量后发现，人均医院数对房价不再具有显著影响，这说明对房价的影响实际上可以由医疗资源发达程度来解释。医疗资源发达程度相关变量中，三甲医院数量、百强医院数量和全国前三学科数量分别在5%、1%、10%的显著性水平下与房价具有显著的正相关关系。三甲医院数量、百强医院数量和全国前三学科数量每增加1%分别会推动房价上涨约0.16%、0.19%和0.06%。为探究城市医疗资源配置对房价影响关系的时间变化，模型三中进一步加入了人均医生数量、百强医院数量和全国前三学科数量与时间的交互项，回归发现百强医院数量对房价的影响在十年间不断增强，验证了城市高水平的医疗资源在居民住房选择时越来越受关注的假设。居民对医疗资源具有一定的购买意愿。在控制变量层面，城市人均产出及工资水平对房价的影响均高度显著，且回归系数为正，说明城市人均产出及工资水平对房价具有明显的推动作用。城市房价会随该地区经济发展水平的提高而增长。但是人口密度对房价的影响关系并不显著，一定程度上反映了我国居民购买房地产的有限理性心理。年末实有公共车辆对房价同样不具有显著影响，可能是轻轨、共享单车等交通方式越来越多样化的缘故。

表2 不同类型医疗资源影响房价的回归结果

续表

(二)医疗资源对房价影响的异质性

为进一步研究城市间医疗资源对房价影响关系的异质性，本文将70个大中城市的样本数据划分为一线城市、新一线城市、二线城市和三四五线城市4个经济等级，并对不同等级城市数据分别进行回归分析，回归结果见表3。结果表明，北、上、广、深一线城市的人均医院数和人均医生数代表的医疗资源丰富程度对房价具有显著影响，而发达程度对房价的影响并不显著，主要在于一线城市的医疗资源长期保持高水平。新一线城市的人均医院数和人均床位数代表的医疗资源丰富程度以及百强医院数量、全国学科前三数量代表的医疗资源发达程度对房价均具有正向影响，且百强医院数量回归系数为0.21，高于全国总体水平，全国学科前三数量回归系数为0.05，低于全国总体水平。说明在新一线城市增加医疗资源配置能够进一步影响房价，推动经济发展。二线城市的人均医院数与三甲医院数量对房价的影响均在1%的显著性水平下高度显著，说明不管是城市医疗资源丰富程度还是发达程度对房价都有明显的推动作用。值得注意的是二线城市人均床位数对房价具有显著的反向影响，应注意防范资源的浪费，提高医疗水平。三四五线城市的医疗资源丰富程度中人均医生数对房价影响显著，百强医院数量在10%的显著性水平下对房价具有显著推动作用，且低于全国总体水平，说明三四五线城市医疗资源仍需要先过“量”这一关，才能满足居民基本需求。

表3 医疗资源影响不同等级城市房价的回归结果

五、结论及政策建议

本文研究城市医疗资源配置对城市房价影响及城市间的异质性，结果显示总体水平上医疗资源发达程度与房价之间存在正相关关系，但北、上、广、深一线城市的医疗资源发达程度对房价的影响不显著；医疗资源的丰富程度各变量对房价的影响总体上均不显著，但一线城市中人均医院数和人均医生数、新一线城市中人均医生数和人均床位数、二线城市中人均医院数、三四五线城市中人均医生数对房价都有明显的正向推动作用；二线城市中人均床位数对房价具有反向推动作用，应注意防范资源的浪费，提高医疗水平。不同等级城市间医疗资源不均衡。对以上结论，可能的解释是公共品资本化于房价中的内在机制是通过居民个体化需求的排序从而影响“土地财政约束”下的地方政府供给偏好，城市医疗资源配置总体上对房价起到一定正向作用。

为此，疫情常态化后，基于对城市医疗资源与房价关系的认识，提出以下建议。一是优化城市医疗资源财政投入的结构，政府在面向现代化的公共服务体系建设时，考虑不同等级城市间的不均衡性，优化城市医疗财政投入的结构，注重提升医疗资源的发达程度，加大不同城市间医疗资源的合作，通过互联网等基础设施建设“新型医联体”，扩大优质医疗资源作用，增加城市竞争力及宜居性。二是系统考虑城镇化与房产税相关政策安排，对看重城市医疗资源因而“用脚投票”流入的人口要加以合理引导，对“三个一亿人”的城镇化问题，也可以通过医疗资源等基本公共服务的调整来对房地产市场做出更为积极有效的调整。同时为避免医疗资源资本化到房价中而带来的不公平，需要政府在房地产税制改革中充分考虑地区间差异及不均衡性，将房地产税的征收逐步从开发环节转向保有环节，针对不同城市采取差额税率，实现房地产税反哺当地公共服务的良性循环。三是加快推进健康中国工程与城市规划及住房建设的有机融合，要以发展的眼光不断引导满足人民对健康的新需求，而不仅是看病求医的基本健康服务与保障需求。加大健康生活与环境的软硬件建设投入，加强健康水平监测，积极发展健康产业。在经济发展水平高的城市，诸如北上广深及苏州等经济发达且医疗有一定优势的城市，政府可根据强势学科发展，效仿发达国家发展模式，如美国德州大学MD安德森癌症中心、日本榊原纪念医院—心脏病权威医院，发挥优势学科特色，与医学院及科研机构合作，形成特色产业医疗学科研究机构，造福当地城市患者的同时，打造全国乃至世界的“多点式”就医绿色通道，从而使全体人民享有所需要的、有质量的、可负担的预防、治疗、康复等健康服务。