房地产对于创新部门挤出效应——基于31 个省级样本的实证结果

文／李沁萱 首都经济贸易大学金融学院 北京 100070

1.问题的提出

近年来，房地产市场持续火热，许多学者已经发现房地产市场的高回报率会对创新部门存在资金挤出效应，根据邓博文[1]（2014），江康奇[2]（2019）等人的文献，本文发现无论是从工业企业角度还是从省市地区角度，这种资金挤出效应都显著存在。虽然房地产投资可以带动地方经济发展，但房地产的价格上涨不断从非房地产投资部门吸引到更多的资金，形成投资转移和资源错配的现象。

我国对此类问题的研究主要包括以下两个方面：一是房地产投资对工业部门创新活动的影响。王文春和荣昭[3]（2014）发现了房价上涨越快，当地企业的创新倾向越弱。张杰，杨连星和新夫[4]（2016）通过研究发现在房地产投资快速增长的情形下,中国金融体系通过对房地产贷款期限结构的偏向效应,对中国的创新活动形成了进一步的抑制效应。二是房地产投资对城市层面创新活动的影响。江康奇、李锦然[2]（2019）基于2007～2016 年的152个地级市面板数据采用工具变量法和空间面板模型，研究发现房地产投资总体上阻碍了城市技术创新。

已有研究表明教育水平对创新有一定的促进影响（崔忠平，2019；李苗苗，2013）[5-6]，已有的研究尚未注意到在不同教育水平的地区，房地产投资对创新部门的挤出效应是不同的。事实上，在教育水平较低的地区，由于人力因素在创新部门中是主要因素，所以房地产投资对创新部门的挤出效应可能会更明显，但是从另一方面，房地产市场的火热会给低教育水平地区经济注入新的活力，可能通过资金的流通增强创新部门的创新能力，从而使房地产投资对创新部门造成较弱的挤出效应。

本文研究的主要内容为：第一，在不同教育水平地区，房地产投资增加对创新造成的挤出效应是否都显著；第二，人力资本是否是挤出效应的传导途径。

2.理论分析与研究假设

2.1 房地产投资对创新的抑制作用

一方面，房价上涨会带动房地产投资增长,随之大量资金也同时流入房地产行业,以获取更高利润，导致当地创新型实体企业债务融资困难，产生资本上的挤出效应，从而抑制城市创新；另一方面，房地产行业的繁荣也会给相关行业带来高工资，吸引大量劳动力从制造业等高创新率行业进入房地产行业，产生人力资本的挤出效应，进而使城市的创新资源配置失衡,显著抑制城市的创新能力提升（罗双成和陈卫民，2019）[7]。

假设1：房地产投资对地区创新存在明显的抑制作用。

2.2 不同教育水平地区中房地产投资对创新部门的影响

高教育水平对房地产挤出效应的影响，从直接作用来看，由于高教育水平是改善区域创新能力的重要影响因素（吴菊珍，谌艳芳等，2018）[8]，所以房地产投资对高教育水平地区的创新部门的挤出效应会被削弱；从间接作用来看，因为教育本身具有价值，所以投资者会对高教育水平房地产市场投资更感兴趣，所以在高教育水平地区会有更多资本流入房地产市场（张浩等，2014）[10]，而对房地产的投资不断增加会导致对创新部门的挤出效应得到增强。故本文提出以下假设：

假设2：高教育水平地区房地产投资对创新部门的挤出效应较弱。

假设3：在低教育水平地区，房地产投资的增加会加强地区创新能力，即造成的挤出效应不显著。

2.3 人才流动在房地产投资对创新挤出效应中的作用

从人力资本对创新的影响来看，钱晓烨等（2010）[9]等发现创新相关行业的从业人数与省域创新活动之间存在显著的正相关关系。而房地产市场的火热，给相关行业带来了较高的薪资水平，可能会吸引大量人力资本进入房地产市场，从而成为房地产投资对创新挤出效应的传导途径之一。故本文提出以下假设：

假设4a：人才流动是房地产投资对创新活动挤出效应的传导途径。

假设4b：人才流动不是房地产投资对创新活动挤出效应的传导途径。

3.模型设计与变量介绍

3.1 模型设计

为验证假设1，本文运用2007～2017 年31 个省份的面板数据，探究省份层面房地产投资对创新的影响，基准回归模型公式如下：

式（1）中innovationi,t是i 省份第t 年的创新变量，reii,t是i 城市t 年的房地产投资变量，controli,t为控制变量集合，a0为常数项，ui代表省份固定效应，εi,t是随机误差项。若a1显著为负，则假设1 成立。

为了验证验证假设2,3,4，即验证房地产开发投资在不同教育水平地区对省份创新的影响，本文按《中国省域高等教育竞争力研究》（张秀萍，2013）[11]中的研究结果依据教育水平对省份进行分类，采用分组回归方法使用式（1）进行验证。

3.2 变量的选择及数据说明

3.2.1 省份样本的选择

本文从中经网统计数据库中获取到了31 个省份样本的相关数据。由于部分省份存在着2007 年以前所需数据缺失的情况，为了保证实证数据的完整性，本文最终将研究样本年限缩小到2007～2017 的区间内。数据均来自中经网统计数据库。

3.2.2 因变量

本文的因变量是省份创新水平。基于已有研究（张杰等，2016）[4]，本文使用样本省份当年申请并最终被授权的专利数来衡量省份的创新水平，这样既可以较为准确地衡量省份创新能力，又可以避免时滞性问题的出现。本文搜集了全国31 个省份在2007～2017 年期间每年申请并最终被授权的专利数。其中专利授权可以被分为三类，分别是发明类授权，实用新型授权以及外观设计三类。本文借鉴邵传林（2018）[12]的研究，使用的是三类专利的数量之和来衡量省份创新水平，具体形式为省份每万人专利授权数（innovation）。

3.2.3 自变量

本文对于自变量的衡量采用了两种形式，首先，结合罗知等（2015）[13]的方法，本文采用省份当年的房地产开发投资额来衡量省份的房地产投资水平作为主要解释变量，具体形式为省份房地产开发投资额的自然对数（invest）。其次，从结果的角度，本文借鉴王文春[3]（2014）的研究，使用了样本省份商品房价格指数相对于上一年的变化率（houpr）来重复回归，一方面更为全面地表现出房地产投资的结果，另一方面也可以使模型更加稳健。

3.2.4 调节变量

本文使用各省份房地产从业人员数量（nrep）的自然对数作为部门人才流动的衡量变量。

3.2.5 控制变量

本文使用了高校师生比（sf）来衡量省份教育水平，相对于江康奇（2019）[2]所使用的高校专任教师数+1 的自然对数来说，使用高校师生比在省份层面衡量教育水平更加合理，既可以在一定程度上抵消省份间人口数量带来的偏差值，又涵盖了高校学生数量的创新潜力。为了减少遗漏变量所带来的误差，本文还加入了其它控制变量。模型中所使用的各个变量的计算方法与描述性统计如表1 所示。

3.3 内生性问题的讨论与工具变量的选择

从作用机制来看，在本文的因变量与自变量之间，即房地产开发投资额与地区创新活动之间，可能存在联立性问题。在创新能力越强的地区，其经济活力越强，通过企业部门的扩张效应和居民部门的收入增长效应促进地区对房地产的需求，从而促进房地产投资的增加。本文为了缓解内生性问题所带来的误差，根据张杰等（2016）[4]的解决思路，使用了滞后一期的国有建设用地出让面积（公顷）的自然对数作为模型的工具变量。同样，本文通过控制省份实际GDP，第二产业与第三产业比值等变量，尽可能消除工具变量对因变量的间接影响机制。数据的来源是《中国国土资源统计年鉴》。

4.实证分析

4.1 回归方法

本文首先使用的是面板LS 回归，然后使用选定的工具变量进行2SLS 估计。由于回归的结果是省份房地产投资与创新水平的关系，所以本文所有回归均采用面板固定效应模型。

4.2 回归结果

4.2.1 基本回归结果

全样本回归结果显示，主要解释变量的回归系数为-0.952 在5%的水平上显著为负。支持了假设1。这表示在其他条件不变的情况下，省份房地产投资额的增加，会带来创新水平的降低，这与之前的研究结果相符，也从侧面证明了本文建立的模型是正确可行的。

本文采用选定的工具变量进行2SLS 估计，以控制模型中存在的内生性问题。其中模型回归的F 值为223.034 和189.320，均大于10，表明不存在弱工具变量的问题。在控制了内生性问题后，房地产投资变量的回归系数的绝对值显著变大且仍为负值，说明房地产投资的增长在全省份样本中表现为阻碍了省份的技术创新。因此假设1 不能被拒绝。

4.2.2 分组回归结果

接下来本文依据《中国省域高等教育竞争力研究》（张秀萍，2013）[12]对样本中的31 个省份进行分组回归，为了对比分析，本文将31 个省份按教育水平分类标准分为两组，其中教育水平较高的地区包括：北京、上海、江苏、天津、辽宁、浙江、山东、湖北、湖南、广东、四川、陕西。教育水平较低的地区包括：河北、山西、内蒙古、吉林、黑龙江、安徽、福建、江西、河南、广西、海南、重庆、贵州、云南、西藏、甘肃、青海、宁夏、新疆。结果显示出教育水平较高地区的主要解释变量回归系数在1%的水平上显著为负且绝对值更大，而教育水平较低地区的主要解释变量回归系数为正数，但是并不显著。说明假设2b、3b 成立。高水平教育地区中房地产投资对创新部门的挤出效应更强，即增强效应占主导。而在教育水平较低地区中房地产行业投资的增加造成的挤出效应不显著。

4.2.3 人才流动的调节效应分析

接下来本文对使用房地产投资变量和房地产行业人才流动变量的交叉项作为主要解释变量对创新水平进行回归。回归结果显示出在全样本回归中的主要解释变量的回归系数分别在1%和5%的水平上显著为负。同时结果也显示出教育水平较高地区的主要解释变量回归系数在5%的水平上显著为负且绝对值更大，而教育水平较低地区的主要解释变量回归系数为正数，但是并不显著。这些结果与前文相一致，说明人才流动可以在一定程度上解释房地产投资对创新部门的挤出效应。

4.2.4 稳健性检验

为了保证基准回归结果的稳健性，本文在原来基准回归模型的基础上，分别更换因变量和自变量后，再进行OLS 回归与2SLS 回归。本文采用省份每万人发明授权数作为因变量，采用商品房价格相对于上一年的变化率作为自变量。实证结果与前文相一致，表明前文的结论是稳健的。

5.拓展分析

在接下来的分析中，本文将31 个省份按照国家统计局的划分分为东、中、西三个地区，分别检验其房地产投资对创新的挤出效应。回归结果显示，东部与中部地区的房地产投资的回归系数在5%和1%的水平上显著为负，证明东部和中部地区的房地产投资对创新部门的挤出效应比较显著。而中部地区的主要解释变量的回归系数绝对值更大，说明在中部地区存在的挤出效应更加明显。回归结果显示，对于西部地区来说，房地产投资的回归系数虽然为负但并不显著，说明在西部地区，房地产投资对创新部门的挤出效应并不显著。而东部与中部地区的主要解释变量的回归系数是显著为负的，而在西部地区并不显著，说明房地产投资对于创新的挤出效应在西部地区并没有通过人才流动的形式表现出来。

6.结论与政策建议

本文通过研究在不同教育水平地区，房地产投资对创新部门的影响，发现以全国范围的省级层面存在着挤出效应，这与之前的学者研究所得到的结论相同。进一步研究后，本文发现在教育水平较低的地区，房地产投资对创新部门的挤出效应并不显著。而在较高教育水平地区，房地产投资的增加会吸引人才流入，造成资源错配，从而影响到创新部门的活动。最后，本文考察了不同地理位置的区域对上述效应的影响，研究发现在东部、中部地区，房地产投资的增加通过吸引人才造成显著的挤出效应，而对于西部地区，挤出效应并不显著。

本文的政策启示如下：首先，房地产投资对地方创新的影响是多方面的，当地政府应结合自身情况制定相关政策，扶持创新项目。第二，对于教育水平相对较低的地区，房地产投资的增加对创新影响的活动并不显著，相关部门应谨慎地管理房地产行业。第三，人才流动是房地产投资造成挤出效应的显著因素，政府应制定相关政策，合理配置人力资本。最后，根据地理位置的不同，房地产投资的挤出效应也存在不同，政府对于房地产投资所带来的影响考虑应更加全面、细化。