夏凱麗，田曦，應(yīng)瑞瑤

（南京農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，南京210095）

產(chǎn)業(yè)集聚對(duì)房?jī)r(jià)上漲影響機(jī)制的經(jīng)驗(yàn)分析

夏凱麗，田曦，應(yīng)瑞瑤

（南京農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，南京210095）

文章從就業(yè)和產(chǎn)值兩個(gè)視角出發(fā),測(cè)算各城市就業(yè)集聚與產(chǎn)值集聚指標(biāo),使用面板回歸衡量從2004—2013年十年間我國(guó)地級(jí)市層面的產(chǎn)業(yè)集聚對(duì)房?jī)r(jià)波動(dòng)的影響。結(jié)果顯示，就業(yè)集聚與產(chǎn)值集聚都會(huì)促進(jìn)房?jī)r(jià)和房?jī)r(jià)收入比的上漲，而且毗鄰城市房?jī)r(jià)之間還存在著顯著的正向空間相關(guān)性。城市環(huán)境特征因素對(duì)房?jī)r(jià)、房?jī)r(jià)收入比也有顯著的影響，其中小學(xué)師生比、人均醫(yī)院床位數(shù)以及每萬(wàn)人公共擁有公共汽電車(chē)數(shù)的增加對(duì)房?jī)r(jià)、房?jī)r(jià)收入比有顯著的正向促進(jìn)作用，而城鎮(zhèn)登記失業(yè)率、人均二氧化硫排放量、人均綠地面積對(duì)房?jī)r(jià)、房?jī)r(jià)收入比有顯著的抑制作用，市區(qū)人口密度因素影響并不顯著。

產(chǎn)業(yè)集聚;房?jī)r(jià);房?jī)r(jià)收入比;面板數(shù)據(jù);空間計(jì)量模型

0 引言

過(guò)高的房?jī)r(jià)不僅推升了土地價(jià)格，使企業(yè)的運(yùn)營(yíng)成本升高，壓縮生產(chǎn)性投資，還會(huì)抑制居民消費(fèi)，拉大貧富差距，激發(fā)社會(huì)矛盾。關(guān)于影響房?jī)r(jià)的因素，國(guó)內(nèi)外從供給和需求兩方面出發(fā)做了大量的研究。在影響房?jī)r(jià)的諸多因素中，產(chǎn)業(yè)集聚是涉及較少的。有理由認(rèn)為產(chǎn)業(yè)集聚與房?jī)r(jià)之間存在著相關(guān)性。可以發(fā)現(xiàn)相當(dāng)多房?jī)r(jià)偏高的城市的產(chǎn)業(yè)集聚程度較高，產(chǎn)業(yè)結(jié)構(gòu)相對(duì)單一。受經(jīng)濟(jì)發(fā)展周期影響，產(chǎn)業(yè)結(jié)構(gòu)單一的城市容易出現(xiàn)經(jīng)濟(jì)發(fā)展的大幅波動(dòng)。產(chǎn)業(yè)結(jié)構(gòu)的不均衡，導(dǎo)致房產(chǎn)成為資產(chǎn)保值和增值的主要手段，進(jìn)一步推動(dòng)了房?jī)r(jià)的非理性繁榮。那么，產(chǎn)業(yè)集聚對(duì)房地產(chǎn)價(jià)格會(huì)帶來(lái)怎樣的變化？相鄰城市間產(chǎn)業(yè)集聚又是如何影響房?jī)r(jià)波動(dòng)的呢？鑒于此，本文嘗試從我國(guó)城市產(chǎn)業(yè)集聚以及鄰近城市溢出效應(yīng)的視角，來(lái)探索我國(guó)房?jī)r(jià)之高的可能解釋?zhuān)瑢ふ移揭址績(jī)r(jià)的政策措施，促進(jìn)地方經(jīng)濟(jì)平穩(wěn)健康地發(fā)展。

1 產(chǎn)業(yè)集聚與房?jī)r(jià)：指標(biāo)測(cè)算與影響機(jī)制

1.1 產(chǎn)業(yè)集聚水平測(cè)度

產(chǎn)業(yè)集聚通常會(huì)通過(guò)經(jīng)濟(jì)活動(dòng)密度來(lái)體現(xiàn)，Koo（2007）利用經(jīng)濟(jì)活動(dòng)密度指標(biāo)來(lái)衡量產(chǎn)業(yè)集聚水平，簡(jiǎn)稱(chēng)K指數(shù)。公式如下：

其中Eij表示j地區(qū)i指標(biāo)，Ei表示全國(guó)i指標(biāo)，Lj為j地區(qū)市轄區(qū)建成區(qū)面積。這種測(cè)量方法很大程度上降低了由于地區(qū)或城市地域面積差異導(dǎo)致的異方差性。

在現(xiàn)有關(guān)于產(chǎn)業(yè)集聚的實(shí)證研究中，最常用的衡量方法是HHI指數(shù)，簡(jiǎn)稱(chēng)H指數(shù)。H指數(shù)是衡量產(chǎn)業(yè)集聚程度的重要指標(biāo)。該指數(shù)用公式表示為：

式中X為該產(chǎn)業(yè)市場(chǎng)總規(guī)模，Xj為該產(chǎn)業(yè)中j企業(yè)的規(guī)模，zj為第j個(gè)企業(yè)占全產(chǎn)業(yè)的比重。用不同的指標(biāo)計(jì)算結(jié)果分別表示以該指標(biāo)為標(biāo)準(zhǔn)計(jì)算的企業(yè)分布規(guī)模。H指數(shù)的取值0至1范圍內(nèi)變化，H指數(shù)越小，則該產(chǎn)業(yè)集聚程度越??；反之，說(shuō)明產(chǎn)業(yè)集聚程度越大。

為了更好地測(cè)算城市產(chǎn)業(yè)集聚程度，本文根據(jù)2004—2013年《中國(guó)城市統(tǒng)計(jì)年鑒》，利用K指數(shù)與H指數(shù)分別從就業(yè)與產(chǎn)值兩個(gè)視角測(cè)算了我國(guó)256個(gè)城市產(chǎn)業(yè)集聚水平。本文旨在用這兩種方法從兩個(gè)視角分別測(cè)算城市產(chǎn)業(yè)集聚水平，目的在于提高指標(biāo)測(cè)算的全面性與精確性，使得論證更具有說(shuō)服力。

首先采用方法（1）來(lái)估算城市產(chǎn)業(yè)集聚水平，公式如下：

其中Eij表示j地區(qū)i產(chǎn)業(yè)的就業(yè)人數(shù)或GDP，Ei表示我國(guó)i產(chǎn)業(yè)所有就業(yè)人數(shù)或GDP，Lj為j地區(qū)市轄區(qū)建成區(qū)面積。在我國(guó)，相對(duì)于第一、三產(chǎn)業(yè)，第二產(chǎn)業(yè)的就業(yè)比例和GDP比重相對(duì)來(lái)說(shuō)較大，城市以第二產(chǎn)業(yè)為主的產(chǎn)業(yè)集聚的現(xiàn)象也屢見(jiàn)不鮮。因此，本文用各城市第二產(chǎn)業(yè)就業(yè)或產(chǎn)值比重與其建成區(qū)面積乘積的高低來(lái)測(cè)度產(chǎn)業(yè)集聚程度，簡(jiǎn)稱(chēng)就業(yè)K指數(shù)或產(chǎn)值K指數(shù)。若K指數(shù)越大，則產(chǎn)業(yè)集聚水平越高。

第二種方法本文采用赫芬達(dá)爾指數(shù)，簡(jiǎn)稱(chēng)就業(yè)H指數(shù)或產(chǎn)值H指數(shù)，以此來(lái)衡量產(chǎn)業(yè)集聚水平，公式如下：

其中j表示第j產(chǎn)業(yè)，XjX表示第j產(chǎn)業(yè)的就業(yè)比例或GDP比重。若H指數(shù)越大，則產(chǎn)業(yè)集聚水平越高。

1.2 產(chǎn)業(yè)集聚與房?jī)r(jià)的動(dòng)態(tài)趨勢(shì)

基于對(duì)產(chǎn)業(yè)集聚水平的測(cè)度，本文描繪了產(chǎn)業(yè)集聚與房?jī)r(jià)的關(guān)系圖。圖1呈現(xiàn)的是2004年每平方米商品房銷(xiāo)售價(jià)格分別與就業(yè)K指數(shù)、產(chǎn)值K指數(shù)、就業(yè)H指數(shù)和產(chǎn)值H指數(shù)的散點(diǎn)圖和線(xiàn)性擬合圖?？梢?jiàn)，這四個(gè)指標(biāo)與房?jī)r(jià)的關(guān)系都為正，表現(xiàn)出產(chǎn)業(yè)集聚促進(jìn)房?jī)r(jià)上升的特點(diǎn)。圖2反映的是2013年房?jī)r(jià)收入比分別與這四個(gè)指標(biāo)的散點(diǎn)圖和線(xiàn)性擬合圖，可以發(fā)現(xiàn)與圖1有著類(lèi)似的特征。

圖1 2004年房?jī)r(jià)與產(chǎn)業(yè)集聚關(guān)系圖

圖2 2013年房?jī)r(jià)收入比與產(chǎn)業(yè)集聚關(guān)系圖

1.3 產(chǎn)業(yè)集聚對(duì)房?jī)r(jià)的影響機(jī)制

鑒于房地產(chǎn)市場(chǎng)本身的特點(diǎn)，如投資規(guī)模大、周期長(zhǎng)，進(jìn)入房地產(chǎn)市場(chǎng)需要相當(dāng)雄厚的資金實(shí)力，而工業(yè)企業(yè)擁有投資房地產(chǎn)市場(chǎng)的優(yōu)勢(shì)力量。在金融水平相對(duì)落后的情況下，工業(yè)企業(yè)進(jìn)入房地產(chǎn)行業(yè)的融資優(yōu)勢(shì)顯著。他們本身不僅擁有較多的固定資產(chǎn)，而且通過(guò)日常經(jīng)營(yíng)活動(dòng)與銀行結(jié)成良好的信貸關(guān)系，特別是廠房和土地等可作為貸款抵押之用（王文春等，2014）?？梢?jiàn)，產(chǎn)業(yè)集聚會(huì)通過(guò)工業(yè)企業(yè)的經(jīng)濟(jì)活動(dòng)間接影響房?jī)r(jià)波動(dòng)。從微觀層面上來(lái)說(shuō)，由于我國(guó)城市產(chǎn)業(yè)集聚單一，投資渠道較為匱乏，投資性企業(yè)或廠商將大部分資金投入到回報(bào)率較高的房地產(chǎn)行業(yè)中，使得房地產(chǎn)市場(chǎng)迅速升溫。2013年全國(guó)房地產(chǎn)投資總額達(dá)到86013.38億元，占全國(guó)總固定資產(chǎn)投資的20%左右，是十年前的11.6倍。從宏觀層面上來(lái)說(shuō)，產(chǎn)業(yè)集聚所帶來(lái)的勞動(dòng)力流動(dòng)、經(jīng)濟(jì)增長(zhǎng)以及基礎(chǔ)設(shè)施各方面因素的變動(dòng)，通過(guò)影響住房的供給和需求來(lái)影響房?jī)r(jià)水平（周啟良，2014）。全面考察產(chǎn)業(yè)集聚與房地產(chǎn)市場(chǎng)的關(guān)系，為政府調(diào)控過(guò)熱的房地產(chǎn)市場(chǎng)提供良好的理論依據(jù)。

2 數(shù)據(jù)、模型和估計(jì)方法

本文利用了256個(gè)地級(jí)（及以上）城市2004—2013年十年的數(shù)據(jù)樣本研究產(chǎn)業(yè)集聚對(duì)房?jī)r(jià)及房?jī)r(jià)收入比的影響，數(shù)據(jù)來(lái)源于：第一：商品房屋銷(xiāo)售價(jià)格數(shù)據(jù)來(lái)自歷年《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》，該年鑒提供了2004—2013年各地級(jí)市商品房銷(xiāo)售額和銷(xiāo)售面積的數(shù)據(jù)，基于此數(shù)據(jù)可以計(jì)算出各地級(jí)市的名義住房?jī)r(jià)格；第二，產(chǎn)業(yè)集聚數(shù)據(jù)和其他數(shù)據(jù)來(lái)自歷年《中國(guó)城市統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。

2.1 面板數(shù)據(jù)模型

首先本文利用如下面板數(shù)據(jù)模型來(lái)識(shí)別產(chǎn)業(yè)集聚對(duì)住房?jī)r(jià)格的影響：

其中，i表示城市，β0和εi分別為截距項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)，β1和β2是待估參數(shù)，Agglomerationi表示i城市產(chǎn)業(yè)集聚水平，X表示其它控制變量。表1列出了各變量名稱(chēng)及其計(jì)算方法。

表1 變量計(jì)算方法

被解釋變量房?jī)r(jià)分為兩種情況，一是2004—2013年城市商品房屋平均銷(xiāo)售價(jià)格，二是2004—2013年城市房?jī)r(jià)收入比。這兩種被解釋變量的設(shè)置在經(jīng)濟(jì)學(xué)含義上略有差異，在后文中有所解釋。除了四種核心解釋變量——產(chǎn)業(yè)集聚，本文還控制了城鎮(zhèn)登記失業(yè)率、人均二氧化硫排放量、小學(xué)師生比、人均醫(yī)院床位數(shù)、市轄區(qū)每萬(wàn)人擁有公共汽車(chē)數(shù)、人均綠地面積等變量。

隨著經(jīng)濟(jì)發(fā)展水平的提高和城市化進(jìn)程的加快，城市人口對(duì)住房的需求也不斷提高，進(jìn)而推動(dòng)城市房?jī)r(jià)的上漲。這里用城鎮(zhèn)登記失業(yè)率來(lái)控制住房需求提高的因素。城鎮(zhèn)登記失業(yè)率是通過(guò)城鎮(zhèn)登記失業(yè)人口占城市總?cè)丝诘谋戎祦?lái)衡量，城市失業(yè)人數(shù)的增加使住房需求逐漸下降，有降低房?jī)r(jià)的作用。本文還控制了有關(guān)城市環(huán)境特征品質(zhì)的變量，以便控制住其他可能影響房?jī)r(jià)的環(huán)境因素。這些變量包括人均二氧化硫排放量、小學(xué)師生比、人均醫(yī)院床位數(shù)、市轄區(qū)每萬(wàn)人擁有公共汽電車(chē)數(shù)、市區(qū)人口密度、人均綠地面積以及是否是東部城市等。所有變量的計(jì)算方法見(jiàn)上文表1。表2給出了各變量的描述性統(tǒng)計(jì)結(jié)果。

表2 描述性統(tǒng)計(jì)結(jié)果

根據(jù)表2所展現(xiàn)的數(shù)據(jù)特征，本文對(duì)數(shù)據(jù)進(jìn)行了對(duì)數(shù)化的處理，除了就業(yè)H指數(shù)、產(chǎn)值H指數(shù)以及城鎮(zhèn)登記失業(yè)率之外，將其他變量取了對(duì)數(shù)。

2.2 空間計(jì)量模型

在建立空間計(jì)量模型之前先要構(gòu)建空間權(quán)重矩陣W256×256。按照一定的規(guī)則來(lái)定義兩城市之間的關(guān)系。這種規(guī)則通常是給定的距離或者共同邊界。因我國(guó)大多數(shù)城市沒(méi)有共同邊界，所以本文用空間距離來(lái)定義城市之間的聯(lián)系。如果兩個(gè)城市間的距離在定義的范圍之內(nèi)，那么權(quán)重取1，否則取為0。本文以100公里為界來(lái)構(gòu)建權(quán)重矩陣。本文利用各城市的經(jīng)緯度數(shù)據(jù)，并采用公式R×arccos (cos(αi-αj)cosβicosβj+sinβiβj)計(jì)算i城市與j城市之間的距離，式中R為6378公里，α表示經(jīng)度，β表示緯度。

為了深入探索不同地區(qū)之間房?jī)r(jià)與產(chǎn)業(yè)集聚之間的地域因素影響差異，本文引入了256個(gè)城市之間的地理距離作為衡量各城市之間距離的指標(biāo)，建立空間計(jì)量模型。

（1）空間相關(guān)性檢驗(yàn)

根據(jù)空間計(jì)量經(jīng)濟(jì)學(xué)的原理方法，首先采用空間統(tǒng)計(jì)分析莫蘭指數(shù)來(lái)檢驗(yàn)被解釋變量和解釋變量是否存在空間自相關(guān)性或集聚現(xiàn)象。若各地區(qū)的經(jīng)濟(jì)行為是空間正相關(guān)，那么莫蘭指數(shù)大于0，反之，則小于0，且其取值范圍是[-1,1]。

表3 各變量Moran's|分析

從表3中的結(jié)果可以看出，各變量的Moran’s I的取值都為正數(shù)，且p值都小于0.01，故能夠拒絕原假設(shè)，則可以認(rèn)為各變量均具有顯著的空間正相關(guān)性。其中房?jī)r(jià)的I值為0.775，空間自相關(guān)性最強(qiáng)，符合理論預(yù)期。

（2）空間計(jì)量回歸模型

考慮到城市房?jī)r(jià)間存在空間自相關(guān)性，本文分別選擇空間自相關(guān)模型（SAR）和空間誤差模型（SEM）進(jìn)行實(shí)證分析。空間自相關(guān)模型的經(jīng)濟(jì)學(xué)意義在于，被解釋變量的影響因素會(huì)通過(guò)空間傳導(dǎo)機(jī)制作用于其他地區(qū)。而空間誤差模型反映了在某一個(gè)截面?zhèn)€體發(fā)生的沖擊會(huì)隨著一種特殊的協(xié)方差結(jié)構(gòu)形式而出傳遞到相鄰個(gè)體，而這一傳遞方式是具有很長(zhǎng)的時(shí)間延續(xù)性并且逐漸衰減。具體來(lái)說(shuō)，某一城市房?jī)r(jià)會(huì)受到鄰近城市房?jī)r(jià)水平的影響。模型設(shè)定如下：

其中，y表示因變量，X為解釋變量，W1和W2分別是被解釋變量、殘差項(xiàng)的（標(biāo)準(zhǔn)化）空間加權(quán)矩陣，ρ是空間滯后項(xiàng)W1y的參數(shù)，β是X的參數(shù)，μ是白噪音干擾項(xiàng)，λ是W2μ的參數(shù)。確定ρ值與λ值分別是SAR估計(jì)與SEM估計(jì)的關(guān)鍵。

3 實(shí)證結(jié)果及分析

本文實(shí)證探討中國(guó)城市產(chǎn)業(yè)集聚與房?jī)r(jià)和房?jī)r(jià)收入比之間的關(guān)系時(shí)采用了靜態(tài)面板回歸模型估計(jì)。首先采用靜態(tài)面板數(shù)據(jù)回歸方法進(jìn)行固定效應(yīng)與隨機(jī)效應(yīng)估計(jì)，通過(guò)Hausman檢驗(yàn)，結(jié)果支持選擇固定效應(yīng)，結(jié)果列于表3中。在基礎(chǔ)回歸中，用兩種方法測(cè)算的就業(yè)集聚和產(chǎn)值集聚作為核心解釋變量來(lái)解釋房?jī)r(jià)水平。本文從就業(yè)與產(chǎn)值兩個(gè)角度出發(fā)，采用兩種衡量指標(biāo)的原因是想要得到更加穩(wěn)健的產(chǎn)業(yè)集聚影響房?jī)r(jià)波動(dòng)的證據(jù)。

3.1靜態(tài)面板回歸分析

表3 產(chǎn)業(yè)集聚影響房?jī)r(jià)與房?jī)r(jià)收入比的實(shí)證分析

（1）解釋房?jī)r(jià)水平

本文分析了數(shù)據(jù)的特征，除了就業(yè)H指數(shù)、產(chǎn)值H指數(shù)以及城鎮(zhèn)登記失業(yè)率之外，將其他變量作了對(duì)數(shù)化的處理。表3中（1）至（4）列的結(jié)果顯示，產(chǎn)業(yè)集聚對(duì)城市房?jī)r(jià)有顯著的影響。（1）和（2）列分別為就業(yè)K指數(shù)與就業(yè)H指數(shù)對(duì)房?jī)r(jià)的影響結(jié)果，（3）與（4）列的核心解釋變量分別為產(chǎn)值K指數(shù)與產(chǎn)值H指數(shù)。從回歸結(jié)果來(lái)看，這四個(gè)指數(shù)的系數(shù)都顯著為正，表明產(chǎn)業(yè)集聚水平高的城市，房?jī)r(jià)也高。此外，一定程度上反映市場(chǎng)需求的變量城鎮(zhèn)登記失業(yè)率，其對(duì)房?jī)r(jià)有一個(gè)顯著的下行壓力。一個(gè)城市失業(yè)率越高，那么對(duì)房屋的需求就會(huì)減少，從而使房?jī)r(jià)下降。還有一部分反映城市環(huán)境因素的變量如人均二氧化硫排放量，有顯著的負(fù)系數(shù)。反映公共服務(wù)水平的變量（小學(xué)師生比、人均醫(yī)院床位數(shù)、人均公共汽電車(chē)數(shù)和人均綠地面積）的參數(shù)估計(jì)結(jié)果不一致。小學(xué)師生比系數(shù)顯著為正，說(shuō)明小學(xué)生多的地區(qū)，購(gòu)房需求就會(huì)增加，尤其是對(duì)學(xué)區(qū)房的需求，導(dǎo)致整體房?jī)r(jià)上漲。人均醫(yī)院床位數(shù)、人均公共汽電車(chē)數(shù)也都是顯著的正環(huán)境特征因素。人均綠地面積的增加會(huì)導(dǎo)致建房土地供給的不足，從而使房?jī)r(jià)下降。市區(qū)人口密度的系數(shù)為負(fù)且不顯著。

（2）解釋房?jī)r(jià)收入比

我國(guó)官方第一次提到“房?jī)r(jià)收入比”這一概念是在1998年國(guó)務(wù)院頒發(fā)的《國(guó)務(wù)院關(guān)于進(jìn)一步深化城鎮(zhèn)住房制度改革，加快住房建設(shè)的通知》中。房?jī)r(jià)收入比是衡量房?jī)r(jià)合理水平的一把重要尺子。當(dāng)前房?jī)r(jià)不斷上漲，是否這個(gè)上漲的程度已超過(guò)居民的購(gòu)買(mǎi)能力范圍呢？要解決這一問(wèn)題，首先就要分析房?jī)r(jià)的上漲是否與居民收入的增長(zhǎng)相匹配。換而言之，這里衡量的是居民是否有購(gòu)房能力。房?jī)r(jià)收入比不僅考慮了市場(chǎng)需求，而且還考慮了市場(chǎng)供給，能夠較為全面的反映出真實(shí)的住宅市場(chǎng)情況。

表3中顯示，（5）至（8）列為產(chǎn)業(yè)集聚對(duì)房?jī)r(jià)收入比的影響結(jié)果，其中（5）與（6）中核心解釋變量分別為就業(yè)K指數(shù)與就業(yè)H指數(shù)，（7）與（8）的核心解釋變量是產(chǎn)值K指數(shù)與產(chǎn)值H指數(shù)?？梢园l(fā)現(xiàn)，產(chǎn)業(yè)集聚的系數(shù)顯著為正，其影響方向與上文是相同的。這里需要注意的是，小學(xué)師生比對(duì)房?jī)r(jià)收入比的影響結(jié)果不再顯著，而市區(qū)人口密度對(duì)房?jī)r(jià)收入比有一個(gè)顯著的負(fù)向影響，可能是因?yàn)槿丝谠鲩L(zhǎng)或外來(lái)人員流入所帶來(lái)的負(fù)面效果抑制了房?jī)r(jià)的上漲。

表3結(jié)果表明：不論就業(yè)集聚還是產(chǎn)值集聚，對(duì)于房?jī)r(jià)或房?jī)r(jià)收入比都有一個(gè)顯著的正向影響，即產(chǎn)業(yè)集聚程度越高，房?jī)r(jià)越高，再加上房?jī)r(jià)上漲速度高于收入的增長(zhǎng)幅度，房?jī)r(jià)收入比就越高。

3.2 空間計(jì)量回歸分析

利用極大似然估計(jì)方法，本文分別采用空間自回歸模型和空間誤差模型進(jìn)行了估計(jì)，結(jié)果見(jiàn)表4和下頁(yè)表5。在SAR模型中，關(guān)鍵解釋變量（產(chǎn)業(yè)集聚）以及空間自回歸系數(shù)項(xiàng)均是顯著的，表明在產(chǎn)業(yè)集聚這一重要解釋變量的影響下，房?jī)r(jià)和房?jī)r(jià)收入比分別都存在著顯著的空間相關(guān)性。在SEM模型中，解釋變量（產(chǎn)業(yè)集聚）以及殘差空間自回歸系數(shù)項(xiàng)也是顯著的，說(shuō)明一個(gè)城市的房?jī)r(jià)水平（或房?jī)r(jià)收入比）不僅會(huì)受到本市產(chǎn)業(yè)集聚的顯著影響，同時(shí)還會(huì)受到鄰近城市房?jī)r(jià)（或房?jī)r(jià)收入比）和產(chǎn)業(yè)集聚的共同影響。由此有理由認(rèn)為，各城市的房?jī)r(jià)或房?jī)r(jià)收入比的空間相關(guān)性是普遍存在的。

表4 空間自回歸模型估計(jì)（SAR）

表5 空間誤差模型估計(jì)（SEM）

4 結(jié)論與建議

本文從就業(yè)和產(chǎn)值兩個(gè)視角出發(fā)，分別構(gòu)建了靜態(tài)面板數(shù)據(jù)模型和空間計(jì)量模型，采用2004—2013年城市層面數(shù)據(jù)，分析了地級(jí)市層面的產(chǎn)業(yè)集聚對(duì)房?jī)r(jià)區(qū)域差異的影響。實(shí)證估計(jì)結(jié)果表明：產(chǎn)業(yè)集聚包括就業(yè)集聚和產(chǎn)值集聚，對(duì)房?jī)r(jià)和房?jī)r(jià)收入比都有顯著的正向影響。表征市場(chǎng)需求的變量城鎮(zhèn)登記失業(yè)率對(duì)房?jī)r(jià)則有負(fù)向影響；表征城市環(huán)境特征的變量如人均人氧化硫排放量對(duì)房?jī)r(jià)有負(fù)向影響；小學(xué)師生比、人均醫(yī)院床位數(shù)、市轄區(qū)每萬(wàn)人擁有公共汽電車(chē)數(shù)都是顯著的正環(huán)境品質(zhì)。不僅如此，本文還發(fā)現(xiàn)鄰近城市房?jī)r(jià)之間存在著顯著的空間相關(guān)性，一個(gè)城市的房?jī)r(jià)水平（或房?jī)r(jià)收入比）不僅會(huì)受到本市產(chǎn)業(yè)集聚的影響，同時(shí)還會(huì)受到鄰近城市房?jī)r(jià)（或房?jī)r(jià)收入比）和產(chǎn)業(yè)集聚的共同影響。

與較為成熟的市場(chǎng)經(jīng)濟(jì)國(guó)家相比，我國(guó)城市產(chǎn)業(yè)集聚較為單一，經(jīng)濟(jì)發(fā)展較不平衡，經(jīng)濟(jì)轉(zhuǎn)型很難全面得到實(shí)現(xiàn)。特別對(duì)于一些資源導(dǎo)向型的城市來(lái)說(shuō)，投資渠道較為單一，這相當(dāng)于“把雞蛋放在一個(gè)籃子里”。房地產(chǎn)市場(chǎng)的過(guò)熱發(fā)展會(huì)阻礙國(guó)民經(jīng)濟(jì)的健康發(fā)展，加劇社會(huì)矛盾。因此，調(diào)整單一產(chǎn)業(yè)結(jié)構(gòu)是降低房?jī)r(jià)的根本。從國(guó)家層面來(lái)看，當(dāng)務(wù)之急是促進(jìn)產(chǎn)業(yè)轉(zhuǎn)移和重點(diǎn)產(chǎn)業(yè)布局調(diào)整，推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，注重整體經(jīng)濟(jì)的可持續(xù)發(fā)展。當(dāng)前，中國(guó)經(jīng)濟(jì)發(fā)展仍存在區(qū)域不平衡的問(wèn)題，東西部差距依然明顯。營(yíng)造承接產(chǎn)業(yè)轉(zhuǎn)移的良好“硬環(huán)境”和“軟環(huán)境”，對(duì)于中西部地區(qū)彌補(bǔ)薄弱環(huán)節(jié)，東部地區(qū)加快產(chǎn)業(yè)創(chuàng)新升級(jí)，進(jìn)而實(shí)現(xiàn)整體經(jīng)濟(jì)提質(zhì)升級(jí)意義重大。從城市層面來(lái)看，政府可以采取一系列措施吸引外商投資企業(yè)或港澳臺(tái)企業(yè)進(jìn)入內(nèi)陸城市，解決東部城市土地緊缺問(wèn)題的同時(shí)提供就業(yè)崗位，促進(jìn)人才向內(nèi)陸城市流入，減緩房?jī)r(jià)上漲的壓力。因此，必須將產(chǎn)業(yè)集聚調(diào)整與升級(jí)作為根本動(dòng)力，使得整個(gè)房地產(chǎn)行業(yè)得到健康、平穩(wěn)的發(fā)展。

[1]Anselin L.Spatial Econometrics,in Baltagi B.Ed.,Companion to Econometrics[M].Oxford:Basil Blackwell,2000.

[2]Koo J.Determinants of Localized Technology Spillovers:Role of Regional and Industrial Attributes[J].Regional Studies,2007，41(7).

[3]戴洋,田貴良.基于產(chǎn)業(yè)集聚升級(jí)視角的住宅價(jià)格影響分析——以江蘇省為例[J].世界科技研究與發(fā)展,2015,37(5).

[4]王文春,榮昭.房?jī)r(jià)上漲對(duì)工業(yè)企業(yè)創(chuàng)新的抑制影響研究[J].經(jīng)濟(jì)學(xué),2014,13(2).

[5]曾漢生.從長(zhǎng)期貿(mào)易順差看我國(guó)貨幣泡沫化、通脹及高房?jī)r(jià)癥結(jié)[J].湖北社會(huì)科學(xué),2011，(6).

[6]周啟良.產(chǎn)業(yè)集聚視角下的高房?jī)r(jià)研究——來(lái)自中國(guó)省際面板的經(jīng)驗(yàn)證據(jù)[J].吉林工商學(xué)院學(xué)報(bào),2014,(1).

[7]徐建煒,徐奇淵,何帆.房?jī)r(jià)上漲背后的人口結(jié)構(gòu)因素：國(guó)際經(jīng)驗(yàn)與中國(guó)證據(jù)[J].世界經(jīng)濟(jì),2012,(1).

[8]張亞麗,梁云芳,高鐵梅.預(yù)期收入、收益率和房?jī)r(jià)波動(dòng)——基于35個(gè)城市動(dòng)態(tài)面板模型的研究[J].財(cái)貿(mào)經(jīng)濟(jì),2011,(1).

（責(zé)任編輯/易永生）

F293

A

1002-6487（2017）11-0128-05

國(guó)家自然科學(xué)基金青年項(xiàng)目（71403126）；江蘇省教育廳高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目(Y0201400335)；江蘇省高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目（PAPD）

夏凱麗（1992—），女，江蘇興化人，碩士研究生，研究方向：國(guó)際貿(mào)易。（通訊作者）田曦（1984—），男，山西晉城人，博士，副教授，研究方向：勞動(dòng)經(jīng)濟(jì)學(xué)、區(qū)域經(jīng)濟(jì)學(xué)、國(guó)際貿(mào)易。應(yīng)瑞瑤（1959—），男，浙江金華人，博士，教授，研究方向：勞動(dòng)經(jīng)濟(jì)學(xué)、農(nóng)業(yè)經(jīng)濟(jì)。