熊 艷，魏志華，李 超

（1. 華東理工大學(xué) 商學(xué)院，上海 200237；2. 廈門大學(xué) 經(jīng)濟(jì)學(xué)院，福建 廈門 361005；3. 上海譜徑網(wǎng)絡(luò)科技有限公司，上海 202150）

一、引 言

我國(guó)地域廣闊，受地區(qū)經(jīng)濟(jì)發(fā)展水平、自然資源稟賦等因素的影響，地區(qū)房?jī)r(jià)差異極大，呈現(xiàn)出明顯的“異質(zhì)性”（陳斌開和張川川，2016）。對(duì)于房?jī)r(jià)變動(dòng)的成因，現(xiàn)有文獻(xiàn)主要從宏觀層面圍繞貨幣政策、人口、收入、土地等因素進(jìn)行探討。但各地區(qū)經(jīng)濟(jì)發(fā)展水平歷史上相對(duì)穩(wěn)定，無(wú)法很好地解釋房?jī)r(jià)的大幅波動(dòng)。而金融因素波動(dòng)劇烈，能夠部分解釋房?jī)r(jià)在時(shí)間上的總體增長(zhǎng)。但遺憾的是，已有文獻(xiàn)對(duì)房?jī)r(jià)的金融成因仍囿于宏觀層面的探討，僅基于股票市場(chǎng)整體價(jià)格（如上證指數(shù)）的變動(dòng)來(lái)考察，基本無(wú)法解釋各地區(qū)房?jī)r(jià)增長(zhǎng)不同步的現(xiàn)象。①根據(jù)本文統(tǒng)計(jì)，2010?2016年我國(guó)各地區(qū)房?jī)r(jià)增長(zhǎng)率差異極大，不同城市的房?jī)r(jià)漲跌不一。全國(guó)43個(gè)城市平均房?jī)r(jià)增長(zhǎng)率為33%，深圳增長(zhǎng)率達(dá)到148%，海口房?jī)r(jià)增長(zhǎng)率則為?30%。

上市公司的地域分布同樣不均衡，東部沿海地區(qū)的上市公司市值遠(yuǎn)高于中西部地區(qū)。在股票市場(chǎng)跌宕起伏的過(guò)程中，房地產(chǎn)市場(chǎng)也遭受了巨大的沖擊。一個(gè)明顯的例子是，2015年上證綜指從3 258.63點(diǎn)上升到5 178.19點(diǎn)，上升了58%，地區(qū)股票市值標(biāo)準(zhǔn)差一年內(nèi)增長(zhǎng)了11%。同年，我國(guó)房?jī)r(jià)快速上漲且地區(qū)差距迅速擴(kuò)大。根據(jù)Wind數(shù)據(jù)庫(kù)統(tǒng)計(jì)，全國(guó)百城樣本住宅均價(jià)一年內(nèi)增長(zhǎng)了10%，地區(qū)房?jī)r(jià)的標(biāo)準(zhǔn)差增長(zhǎng)了18%?？梢?jiàn)，上市公司可能成為推動(dòng)區(qū)域間經(jīng)濟(jì)要素交融的重要力量。事實(shí)上，金融發(fā)展與地區(qū)經(jīng)濟(jì)差距的關(guān)系已引起學(xué)者關(guān)注（Fung，2009；倪鵬飛等，2014），但基于上市公司層面對(duì)房?jī)r(jià)的研究極為鮮見(jiàn)。

上市公司對(duì)地區(qū)經(jīng)濟(jì)差異的影響已成為重要的現(xiàn)實(shí)問(wèn)題。為平衡區(qū)域經(jīng)濟(jì)的發(fā)展，政府傾向于對(duì)地區(qū)經(jīng)濟(jì)差異進(jìn)行干預(yù)，在促進(jìn)經(jīng)濟(jì)增長(zhǎng)的同時(shí)，盡可能將其維持在可接受的范圍內(nèi)（崔光慶和王景武，2006）。2016年證監(jiān)會(huì)發(fā)布《中國(guó)證監(jiān)會(huì)關(guān)于發(fā)揮資本市場(chǎng)作用服務(wù)國(guó)家脫貧攻堅(jiān)戰(zhàn)略的意見(jiàn)》（以下簡(jiǎn)稱《扶貧意見(jiàn)》），對(duì)貧困地區(qū)企業(yè)IPO開辟綠色通道。①例如，對(duì)注冊(cè)地和主要生產(chǎn)經(jīng)營(yíng)地均在貧困地區(qū)且開展生產(chǎn)經(jīng)營(yíng)滿三年、繳納所得稅滿三年的企業(yè)，申請(qǐng)首次公開發(fā)行股票并上市的，適用“即報(bào)即審、審過(guò)即發(fā)”政策。但這一政策的提出卻因其是否影響金融公平而備受爭(zhēng)議。究竟IPO扶貧是否有必要，取決于IPO公司的不均衡分布是否對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生實(shí)質(zhì)影響，而這一重要問(wèn)題被現(xiàn)有研究所忽視。

本文將上市公司通過(guò)股票市場(chǎng)跨地區(qū)配置資本進(jìn)而影響地區(qū)房?jī)r(jià)的傳導(dǎo)路徑分為兩個(gè)研究主題：一是上市公司如何“虹吸”資金為當(dāng)?shù)氐姆康禺a(chǎn)市場(chǎng)儲(chǔ)備貨幣資本，以及資本虹吸是否影響房?jī)r(jià)；二是通過(guò)考察上市公司市值與房?jī)r(jià)的增長(zhǎng)結(jié)構(gòu)來(lái)反映虹吸的資本在股票市場(chǎng)與房地產(chǎn)市場(chǎng)的交互表現(xiàn)。本文的貢獻(xiàn)在于：第一，首次系統(tǒng)驗(yàn)證了資本虹吸效應(yīng)，從企業(yè)層面闡釋了房?jī)r(jià)地區(qū)差異的金融成因及路徑，并考察了融資與減持虹吸的細(xì)微差異，豐富了房?jī)r(jià)差異的成因研究；第二，從資本與房?jī)r(jià)的角度關(guān)注了上市公司IPO后對(duì)地區(qū)經(jīng)濟(jì)的影響，為IPO與地區(qū)經(jīng)濟(jì)的研究提供了新的思路與證據(jù)，也為IPO扶貧提供了參考；第三，厘清了股票市場(chǎng)與房?jī)r(jià)增長(zhǎng)結(jié)構(gòu)的關(guān)系，為兩者的螺旋增長(zhǎng)關(guān)系提供了經(jīng)驗(yàn)證據(jù)。

二、理論分析與研究假設(shè)

“虹吸效應(yīng)”來(lái)源于一個(gè)物理學(xué)名詞“虹吸現(xiàn)象”，是指引力和位能差造成水單向流動(dòng)的現(xiàn)象，常被用于形容條件好的地區(qū)將資源從條件差的地區(qū)吸引過(guò)來(lái)的現(xiàn)象，如高鐵、人才的“虹吸效應(yīng)”（劉和東，2013；張克中和陶東杰，2016）。本文認(rèn)為，資本虹吸是資本市場(chǎng)發(fā)達(dá)的地區(qū)將貨幣資本從其他相對(duì)不發(fā)達(dá)地區(qū)吸引過(guò)來(lái)的現(xiàn)象。

研究公司IPO后引發(fā)的地區(qū)“資本虹吸”效應(yīng)具有重要的現(xiàn)實(shí)意義。第一，財(cái)務(wù)學(xué)研究對(duì)IPO后的“資本虹吸”現(xiàn)象少有關(guān)注，少量對(duì)IPO后地區(qū)經(jīng)濟(jì)效應(yīng)的關(guān)注大多為定性解釋或僅聚焦于上市公司與GDP的關(guān)聯(lián)。有研究發(fā)現(xiàn)，本地公司上市可以帶動(dòng)上下游公司發(fā)展，激發(fā)地區(qū)經(jīng)濟(jì)活力，拉動(dòng)地區(qū)GDP增長(zhǎng)（王紀(jì)全等，2007）。我國(guó)各地區(qū)上市公司分布不均衡，這為研究地區(qū)間的資本虹吸提供了很好的機(jī)會(huì)。

第二，“資本虹吸”對(duì)地區(qū)經(jīng)濟(jì)產(chǎn)生的影響較大。貨幣的基礎(chǔ)投放原本不存在地區(qū)差異，資本在地區(qū)間的流動(dòng)則受地區(qū)間邊際投資利潤(rùn)及其他經(jīng)濟(jì)因素的影響（范紅忠和李國(guó)平，2003）。但上市公司跨地區(qū)配置資本形成了“資本虹吸”，將會(huì)使地區(qū)的貨幣存量不受貨幣基礎(chǔ)投放的影響，甚至能通過(guò)上市公司融資等方式在各地區(qū)形成定點(diǎn)投放的效果。

我們將上市公司對(duì)房?jī)r(jià)的影響分為兩個(gè)層面（見(jiàn)圖1）：第一個(gè)層面研究資本虹吸路徑，這是上市公司影響房?jī)r(jià)的先決性條件，本文將分別探討公眾持有的流通股與內(nèi)部人持有的限售股的虹吸路徑。第二個(gè)層面考察兩個(gè)市場(chǎng)的螺旋增長(zhǎng)結(jié)構(gòu)，這是資本虹吸在不同的市場(chǎng)行情下影響房?jī)r(jià)增長(zhǎng)的具體路徑，本文發(fā)現(xiàn)兩個(gè)市場(chǎng)之間財(cái)富效應(yīng)與替代效應(yīng)共存。

（一）資本虹吸路徑：減持虹吸與融資虹吸

圖1 股票市值影響房?jī)r(jià)的路徑圖

上市公司跨地區(qū)進(jìn)行股票交易引致資本跨地區(qū)流動(dòng)，進(jìn)而引起房?jī)r(jià)上漲。機(jī)理闡述如下：首先，股票在全國(guó)范圍內(nèi)自由交易為資金的跨地區(qū)流動(dòng)提供了可能。股票作為上市公司的所有權(quán)憑證在股票市場(chǎng)上流通，它實(shí)際上是一種“商品”在股票市場(chǎng)上被買賣。上市公司相向全國(guó)各地的投資者銷售股票商品，在交易之后全國(guó)大量閑散資金會(huì)集中到上市公司手中。其次，上市公司在地理上的不均衡分布導(dǎo)致股票交易所帶來(lái)的資金聚集在各地區(qū)的分布也不均衡。上市公司密集的地區(qū)更能引導(dǎo)全國(guó)資金流入，產(chǎn)生更強(qiáng)的資本虹吸效應(yīng)，進(jìn)而增加該地區(qū)的貨幣供給量。最后，貨幣供給增加將催生購(gòu)房需求，提高購(gòu)房能力，改善融資環(huán)境，推動(dòng)房?jī)r(jià)上漲（Ahearne等，2005；王擎和韓鑫韜，2009；李健和鄧瑛，2011）。因此，上市公司虹吸貨幣可能推高當(dāng)?shù)胤績(jī)r(jià)。

公司初始上市時(shí)，一小部分股份（如25%）以IPO募集資金的形式向全國(guó)公開發(fā)行進(jìn)入流通市場(chǎng)，①根據(jù)《證券法》規(guī)定，股份有限公司申請(qǐng)股票上市，公開發(fā)行的股份達(dá)到公司股份總數(shù)的25%以上，公司股本總額超過(guò)人民幣4億元的，公開發(fā)行股份的比例為 10%以上。而實(shí)務(wù)中25%是較普遍的發(fā)行比例。剩余更多的股份（如75%）是內(nèi)部人持有的限售股，在鎖定期滿之后才能進(jìn)入流通市場(chǎng)自由買賣。這將使股票流入各地區(qū)，貨幣資金虹吸至上市公司或內(nèi)部人手中。本文將這兩種方式稱為融資虹吸與減持虹吸，這兩種資本虹吸形態(tài)存在一定差異。

對(duì)融資虹吸而言，其特征是資金體量相對(duì)較大、影響面廣。2016年，上市公司通過(guò)資本市場(chǎng)首發(fā)和增發(fā)股票募集資金總量累計(jì)超過(guò)7萬(wàn)億元。盡管這些資金并不一定全部投向上市公司所在地，有些甚至流向沿海發(fā)達(dá)地區(qū)，但是至少有一部分資金將被用于技術(shù)革新和設(shè)備改造。各地政府因上級(jí)考核壓力而存在推動(dòng)當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)的內(nèi)在動(dòng)機(jī)，必然會(huì)引導(dǎo)甚至干預(yù)當(dāng)?shù)厣鲜泄镜馁Y金投向。因此，各地區(qū)融資額的大部分將會(huì)形成當(dāng)?shù)氐耐顿Y需求，從而增加當(dāng)?shù)乜傂枨螅ūR君生和萬(wàn)良杰，2010）。上市公司向全國(guó)融資所虹吸的資金在當(dāng)?shù)剡M(jìn)行投資和消費(fèi)，將增加當(dāng)?shù)氐呢泿殴┙o量。當(dāng)?shù)毓善比谫Y規(guī)模越大，虹吸資金越多，對(duì)房?jī)r(jià)的助推作用越大。②上市公司虹吸的資本會(huì)配置在不同的金融資產(chǎn)中。在股票市場(chǎng)行情上漲階段，資本可能暫時(shí)停留在股票市場(chǎng)上，未必立即進(jìn)入房地產(chǎn)市場(chǎng)。但在本文的研究期間2010?2016年，房?jī)r(jià)處于上漲階段，資本仍會(huì)部分流入房地產(chǎn)市場(chǎng)，對(duì)虹吸資金助推房?jī)r(jià)這一假設(shè)的考察干擾不大。由于各地的上市公司融資規(guī)模分布不平衡，部分經(jīng)濟(jì)發(fā)達(dá)地區(qū)的股票融資規(guī)模較大，勢(shì)必導(dǎo)致這些地區(qū)從全國(guó)虹吸的資金量和房?jī)r(jià)遠(yuǎn)高于其他城市。因此，本文提出如下假設(shè)：

假設(shè)1-1：上市公司通過(guò)資本市場(chǎng)募集資金將從全國(guó)虹吸資金，導(dǎo)致所在地區(qū)融資規(guī)模與當(dāng)?shù)刎泿帕匡@著正相關(guān)，與房?jī)r(jià)正相關(guān)。

對(duì)減持虹吸而言，其特征是減持體量雖小但財(cái)富集中在少數(shù)人手里。2010?2016年，10 297名上市公司的內(nèi)部人減持4 200億元，人均減持4 079萬(wàn)元，減持總額占融資總額的5%。IPO造富神話接連出現(xiàn)，其中?？低暩倍麻L(zhǎng)龔虹嘉減持額最高，33次減持金額超過(guò)91億元。財(cái)富急劇增加將對(duì)房產(chǎn)價(jià)格產(chǎn)生沖擊，研究發(fā)現(xiàn)高收入者的收入增加后將加大房產(chǎn)投資進(jìn)而推高房?jī)r(jià)（李仲飛等，2016）。本文推斷，內(nèi)部人減持額高的地區(qū)所產(chǎn)生的虹吸由減持的富裕階層所推動(dòng)，因此提出如下假設(shè)：

假設(shè)1-2：上市公司的內(nèi)部人減持將從全國(guó)虹吸資金，導(dǎo)致所在地區(qū)的內(nèi)部人減持規(guī)模與當(dāng)?shù)刎泿帕匡@著正相關(guān)，與房?jī)r(jià)正相關(guān)。

融資虹吸與減持虹吸下資金持有人的購(gòu)房偏好存在差異。與融資虹吸相比，減持虹吸將使財(cái)富更加集聚，收入不平等程度加大。研究發(fā)現(xiàn)，收入不平等將催生房?jī)r(jià)泡沫，因?yàn)殡S著收入水平的上升，高收入家庭的購(gòu)房支出比例往往變化不大，購(gòu)買的住房面積必然增加，進(jìn)而推高住房均衡價(jià)格（張川川等，2016）。可以預(yù)期，減持虹吸會(huì)使更富裕的資金持有人偏好更大面積房產(chǎn)的消費(fèi)，即內(nèi)部人減持規(guī)模將對(duì)大戶型房產(chǎn)的價(jià)格產(chǎn)生更加顯著的影響。對(duì)融資虹吸而言，資金并非由富裕階層套現(xiàn)所得，這將改善當(dāng)?shù)馗麟A層的購(gòu)房能力與融資環(huán)境，因而融資虹吸下資金持有人對(duì)各戶型的房產(chǎn)消費(fèi)差異不大。因此，本文提出如下假設(shè)：

假設(shè)1-3：融資虹吸下資金持有人對(duì)不同戶型房產(chǎn)的消費(fèi)偏好無(wú)差異，而減持虹吸下資金持有人偏好大戶型房產(chǎn)的消費(fèi)。

與跨國(guó)研究相比，房?jī)r(jià)跨地區(qū)研究的獨(dú)特之處在于，不同地區(qū)間的經(jīng)濟(jì)要素彼此交融。地區(qū)間的資本是自由流動(dòng)的，如果全國(guó)的資本總量恒定，則某地區(qū)的資本會(huì)通過(guò)股票市場(chǎng)流到其他地區(qū)，使各地區(qū)的資本此消彼長(zhǎng)。盡管各地區(qū)的上市公司都從全國(guó)虹吸資金，但是融資或減持規(guī)模大的地區(qū)勢(shì)必虹吸更多的資金，成為“虹吸方”，而融資或減持規(guī)模小的地區(qū)則出現(xiàn)資金的凈流出，成為“被虹吸方”。“虹吸方”從全國(guó)募集的資金越多，“被虹吸方”的資金流出就越多，進(jìn)而導(dǎo)致其房?jī)r(jià)越低。因此，本文提出如下假設(shè)：

假設(shè)2：高融資地區(qū)的融資水平與低融資地區(qū)的房?jī)r(jià)負(fù)相關(guān)，高股票減持地區(qū)的減持水平與低股票減持地區(qū)的房?jī)r(jià)負(fù)相關(guān)。

（二）股票市值與房?jī)r(jià)的螺旋增長(zhǎng)結(jié)構(gòu)：財(cái)富效應(yīng)與替代效應(yīng)

上文對(duì)資本與房?jī)r(jià)關(guān)系的論證僅立足于房地產(chǎn)市場(chǎng)，而未考慮虹吸的資本在多個(gè)市場(chǎng)的交互表現(xiàn)。貨幣供給過(guò)多時(shí)，人們更愿意持有股票和房產(chǎn)等資產(chǎn)（錢小安，2007）。上市公司虹吸資本后，資金持有人在兩者之間進(jìn)行配置。決定資本流向的是兩個(gè)市場(chǎng)價(jià)格增長(zhǎng)孰快孰慢，即資產(chǎn)配置交替效應(yīng)（拉斯·特維德，2012）。我們將研究股票市場(chǎng)與房地產(chǎn)市場(chǎng)的螺旋增長(zhǎng)結(jié)構(gòu)，以更全面地考察兩個(gè)市場(chǎng)的交互作用。

已有文獻(xiàn)對(duì)股票市場(chǎng)與房?jī)r(jià)關(guān)系的研究主要是基于對(duì)股票價(jià)格指數(shù)的考察，發(fā)現(xiàn)兩者存在替代效應(yīng)（Sutton，2002）和財(cái)富效應(yīng)（Kapopoulos和Siokis，2005）。替代效應(yīng)是指逐利的資本總是流向收益率更高的領(lǐng)域，在股票與房產(chǎn)這兩種可相互替代的資產(chǎn)中，哪個(gè)收益更高，資本流入哪種資產(chǎn)。財(cái)富效應(yīng)則是指股票價(jià)格上漲增加了持有人的財(cái)富總量，促使人們?cè)黾訉?duì)房產(chǎn)的需求，從而房?jī)r(jià)因股票價(jià)格上漲而上漲。理論上可以預(yù)期，替代效應(yīng)下股價(jià)指數(shù)與房?jī)r(jià)指數(shù)的相關(guān)系數(shù)較小甚至為負(fù)，而財(cái)富效應(yīng)下兩者呈正相關(guān)關(guān)系。以往的研究未考慮多種效應(yīng)在不同環(huán)境下可能交替出現(xiàn)。

2010?2016年，我國(guó)房?jī)r(jià)與股票市值總體呈上漲趨勢(shì)。如前所述，資產(chǎn)配置交替效應(yīng)將決定資本的流向，股票市場(chǎng)和房地產(chǎn)市場(chǎng)的價(jià)格上漲可能隨著市場(chǎng)行情的波動(dòng)而交替出現(xiàn)，呈現(xiàn)出螺旋增長(zhǎng)態(tài)勢(shì)。螺旋結(jié)構(gòu)在生物學(xué)領(lǐng)域用于描述DNA分子的結(jié)構(gòu)，在DNA雙螺旋結(jié)構(gòu)中，每一根螺旋線是一條主鏈，主鏈之間通過(guò)堿基對(duì)相連，兩根主鏈間存在相互促生的作用（翟慶華等，2012）。本文認(rèn)為，股票市場(chǎng)和房地產(chǎn)市場(chǎng)可能形成雙螺旋結(jié)構(gòu)，其中的“堿基對(duì)”是流動(dòng)的資本（見(jiàn)圖2）。在資本被虹吸進(jìn)入某地區(qū)之后，如在股價(jià)上漲階段，股票市場(chǎng)收益率較高，各地資本會(huì)暫時(shí)停留在股票市場(chǎng)上，而不會(huì)進(jìn)入房地產(chǎn)市場(chǎng)，進(jìn)而出現(xiàn)替代效應(yīng)，表現(xiàn)為當(dāng)期的股票市值增長(zhǎng)與房?jī)r(jià)增長(zhǎng)負(fù)相關(guān)。①以地區(qū)股票市值來(lái)衡量股票市場(chǎng)價(jià)格具有一定的合理性：一是股票市值高低反映了股票市場(chǎng)價(jià)格的漲跌；二是上市公司市值高低與當(dāng)?shù)厝谫Y規(guī)模大小相關(guān)，反映了地區(qū)虹吸資本的能力。如遇股票市場(chǎng)下跌行情，虹吸資本將進(jìn)入收益率相對(duì)較高的房地產(chǎn)市場(chǎng)，當(dāng)?shù)毓善笔兄翟酱螅缥馁Y本就越多，流入房地產(chǎn)市場(chǎng)的資本也就越多，從而帶來(lái)股票市值增長(zhǎng)與房?jī)r(jià)增長(zhǎng)正相關(guān)的財(cái)富效應(yīng)。因此，本文提出如下假設(shè)：

假設(shè)3：在股市上漲期間替代效應(yīng)占主導(dǎo)，地區(qū)股票市值增長(zhǎng)率與當(dāng)期房?jī)r(jià)增長(zhǎng)率負(fù)相關(guān)；在股市下跌期間財(cái)富效應(yīng)占主導(dǎo)，地區(qū)股票市值增長(zhǎng)率與當(dāng)期房?jī)r(jià)增長(zhǎng)率正相關(guān)。

圖2 股票市值與房?jī)r(jià)螺旋增長(zhǎng)結(jié)構(gòu)圖

三、研究設(shè)計(jì)與樣本描述

考慮到房?jī)r(jià)在城市間差異較大，本文以城市而非省份作為研究對(duì)象，以2010?2016年為研究期間，將A股上市公司的月度數(shù)據(jù)在所在城市累加，得到城市?月度觀測(cè)值3 612個(gè)（43個(gè)城市②WIND數(shù)據(jù)庫(kù)報(bào)告了70個(gè)城市的住宅月度房?jī)r(jià)數(shù)據(jù)，但由于部分城市的其他數(shù)據(jù)缺失，回歸中的有效城市數(shù)量?jī)H為43個(gè)?！?4個(gè)月）。2010?2016年為研究可得到的最長(zhǎng)期間，其間股票市場(chǎng)經(jīng)歷了多次上漲與下跌行情，房地產(chǎn)市場(chǎng)也經(jīng)歷了急速上漲的階段，因此本文數(shù)據(jù)在時(shí)間上具有一定代表性。城市樣本既涵蓋北京、上海等一線城市，也包括合肥、南京等中等城市，以及惠州、泰州等經(jīng)濟(jì)發(fā)展相對(duì)較慢的重要城市，在地區(qū)房?jī)r(jià)方面具有代表性。本文使用的數(shù)據(jù)主要源于WIND數(shù)據(jù)庫(kù)與CEIC數(shù)據(jù)庫(kù)。

（一）變量定義。本文從存量的角度，以城市截至當(dāng)月所有上市公司IPO募集資金與增發(fā)資金（包括定向增發(fā)與公開增發(fā)）的累計(jì)總額取對(duì)數(shù)來(lái)衡量地區(qū)融資規(guī)模。地區(qū)減持規(guī)模的衡量方法與此類似，不再贅述。將城市截至當(dāng)月的股票融資/減持的累計(jì)規(guī)模按高低排序，以43個(gè)城市中規(guī)模最大的10個(gè)城市融資/減持金額的累計(jì)值占當(dāng)月所有城市累計(jì)融資/減持金額的比率，作為高融資/高減持地區(qū)的融資/減持水平。地區(qū)貨幣資本（M2）用銀行存款與貸款余額占GDP的比例來(lái)衡量。盡管文獻(xiàn)采用廣義貨幣M2或M2-M1等來(lái)度量貨幣供應(yīng)量（王擎和韓鑫韜，2009；李健和鄧瑛，2011），但是我國(guó)缺乏各地區(qū)M2的統(tǒng)計(jì)數(shù)據(jù)，而主要金融資產(chǎn)集中在銀行，銀行最主要的資產(chǎn)是存款與貸款，各地區(qū)銀行的存貸款數(shù)據(jù)與GDP的比值基本上可以揭示中國(guó)地區(qū)金融結(jié)構(gòu)狀況（鈔小靜和任保平，2011）。

參考張文忠等（2016）的《中國(guó)城市研究報(bào)告》中的宜居指數(shù)，本文以是否排名前二十的城市作為地區(qū)環(huán)境是否宜居的虛擬變量。③在穩(wěn)健性測(cè)試中，本文以是否排名前五、前十的城市作為是否宜居的虛擬變量，研究結(jié)論不變。由于政策不確定性會(huì)加劇房?jī)r(jià)波動(dòng)（張浩等，2015），本文控制了政策不確定性UNCERT。借鑒張浩等（2015）的研究，UNCERT采用Baker等（2013）構(gòu)建的中國(guó)政策不確定性指數(shù)，詳見(jiàn)http://www.policyuncert.com。此外，本文還控制了人均GDP、通貨膨脹、存款準(zhǔn)備金率等變量，變量定義見(jiàn)表1。

表1 主要變量定義

續(xù)表1 主要變量定義

（二）研究模型。楊繼生（2009）指出，面板數(shù)據(jù)能以橫截面信息彌補(bǔ)時(shí)間序列數(shù)據(jù)信息的不足，有助于解決樣本期間較短的問(wèn)題，且更適用于中國(guó)經(jīng)濟(jì)。因此，本文采用面板模型進(jìn)行實(shí)證檢驗(yàn)。①本文報(bào)告的是隨機(jī)效應(yīng)模型估計(jì)結(jié)果，因?yàn)椴糠肿兞咳鏛TOP20在固定效應(yīng)模型的回歸中會(huì)被自動(dòng)刪除，而且固定效應(yīng)模型的主要實(shí)證結(jié)果基本不變。為避免偽回歸，本文進(jìn)行了Dickey-Fuller單位根檢驗(yàn)，取對(duì)數(shù)后的房?jī)r(jià)、融資規(guī)模、減持規(guī)模、貨幣資金以及房?jī)r(jià)增長(zhǎng)率、市值增長(zhǎng)率等主要變量均為平穩(wěn)序列，且存在協(xié)整關(guān)系。

1. 資本虹吸路徑檢驗(yàn)。首先，本文采用中介效應(yīng)檢驗(yàn)法來(lái)考察上市公司虹吸資本的路徑（假設(shè)1-1與假設(shè)1-2），方法與熊艷等（2014）類似。檢驗(yàn)步驟為：（1）用房?jī)r(jià)分別對(duì)地區(qū)融資/減持規(guī)模、貨幣資本變量進(jìn)行回歸，系數(shù)顯著則地區(qū)房?jī)r(jià)受上市公司融資/減持與貨幣資本影響；（2）用貨幣資本對(duì)地區(qū)融資/減持規(guī)模變量進(jìn)行回歸，系數(shù)顯著則上市公司融資/減持影響貨幣資本；（3）若上述結(jié)果成立，將貨幣資本與地區(qū)融資/減持規(guī)模同時(shí)放入模型對(duì)房?jī)r(jià)進(jìn)行回歸，若地區(qū)融資/減持規(guī)?；貧w系數(shù)的顯著性下降（或變得不顯著），則為部分（完全）中介過(guò)程?；貧w模型如下：

模型（1）和模型（2）的被解釋變量LNHP為房?jī)r(jià)，LNE和M2為解釋變量，LNE包括地區(qū)融資規(guī)模LNCAP與地區(qū)減持規(guī)模LNSALES。模型（4）在模型（1）的基礎(chǔ)上加入M2?？刂谱兞堪ㄈ司鵊DP、政策不確定性、存款準(zhǔn)備金率、通貨膨脹等。

然后，本文比較了融資虹吸與減持虹吸下的購(gòu)房偏好（假設(shè)1-3）。限于數(shù)據(jù)的可得性，本文將面積在144m2以上的房子作為大戶型房子，144m2以下的為普通房子，分別進(jìn)行回歸，②由于統(tǒng)計(jì)局僅公布了各地區(qū)144m2以上、90?144m2及90m2以下的房產(chǎn)價(jià)格增長(zhǎng)率，本文以144m2以上的房子作為大戶型房子，其他為普通房子，以各自的月度價(jià)格環(huán)比增長(zhǎng)率作為被解釋變量。見(jiàn)模型（5）。其中，HPG為房?jī)r(jià)月度增長(zhǎng)率，L1.LNE為L(zhǎng)NE的滯后一期值。由于不同面積的房地產(chǎn)交易契稅政策在研究期間發(fā)生了變化，我們?cè)谀Ｐ椭蟹謩e加入了面積在144m2以上及以下的房產(chǎn)契稅稅率BTAX和STAX。③2016年2月以后，面積在144m2以上的，個(gè)人購(gòu)買首套房，契稅由原3%減按1.5%征收，購(gòu)買二套房減按2%征收（北上廣深除外）。本文的契稅稅率采用首套房與二套房契稅稅率的平均值。

最后，為了檢驗(yàn)高融資或高減持地區(qū)對(duì)低融資或低減持地區(qū)的虹吸效果（假設(shè)2），本文將累計(jì)融資或減持規(guī)模排名前十的城市作為高融資或高減持地區(qū)，將排在二十名以后的作為低融資或低減持地區(qū)，考察前者對(duì)后者貨幣資本和房?jī)r(jià)的影響，見(jiàn)模型（6）。其中，ELEADR包括高融資地區(qū)的融資水平CAPLEADR和高減持地區(qū)的減持水平SALESLEADR。僅當(dāng)被解釋變量為M2時(shí)，BANKR被包含在控制變量中；而僅當(dāng)被解釋變量為L(zhǎng)NHP時(shí)，LTOP20被包含在控制變量中。

2. 股票市值與房?jī)r(jià)的螺旋增長(zhǎng)結(jié)構(gòu)檢驗(yàn)。本文采用面板模型來(lái)檢驗(yàn)股票市值增長(zhǎng)與房?jī)r(jià)增長(zhǎng)的關(guān)系（假設(shè)3），見(jiàn)模型（7）。其中，股票市值增長(zhǎng)率MKVG包括滯后1?12個(gè)月的滯后變量（L1.MKVG等）。控制變量包括人均GDP、政策不確定性、是否宜居城市、通貨膨脹等。

近年來(lái)顱內(nèi)動(dòng)脈瘤發(fā)病率呈上升趨勢(shì)，其具有致死率、發(fā)病率高等特點(diǎn)，而早期診斷、早期治療，能改善顱內(nèi)動(dòng)脈瘤患者的預(yù)后[2]。目前臨床對(duì)于該疾病的診斷方式較多，其中CTA檢查具有特異性高、靈敏度高等特點(diǎn)，其成像迅速、無(wú)創(chuàng)，能顯示人體動(dòng)脈瘤和周圍結(jié)構(gòu)之間的關(guān)系，利于評(píng)估顱內(nèi)動(dòng)脈瘤患者的預(yù)后和治療方案，改善患者的預(yù)后。

（三）描述性統(tǒng)計(jì)。圖3顯示，2010?2016年中國(guó)各城市房?jī)r(jià)與股票市值差異巨大。這一期間深圳的平均房屋單價(jià)最高（31 185 元），貴陽(yáng)最低（4 920 元）。股票市值最高的城市是北京，為 123 000億元，融資總額為11 660億元，股票平均減持額為176億元。股票市值最低的城市是泰州，僅為77億元，融資總額也最低，僅為21億元。股票減持最少的城市是西寧和銀川，減持額截至2016年底為0。以上海、東莞、長(zhǎng)春和連云港分別代表一線、新一線、二線和三線城市，繪制股票市值與房?jī)r(jià)走勢(shì)圖（見(jiàn)圖4）。①這里對(duì)城市的劃分源自第一財(cái)經(jīng)新一線城市研究所發(fā)布的《2017中國(guó)城市商業(yè)魅力排行榜》，詳見(jiàn)http://www.mnw.cn/news/china/1923840.html。可以發(fā)現(xiàn)，各城市股票市值與房?jī)r(jià)的變動(dòng)步調(diào)比較一致，與本文假設(shè)3提出的“一增一減”而后“尾隨增長(zhǎng)”的螺旋結(jié)構(gòu)比較接近。

圖3 2010?2016年歷史平均的股票市值和房?jī)r(jià)的地區(qū)分布

四、實(shí)證結(jié)果分析

（一）上市公司的資本虹吸效應(yīng)

圖4 代表性城市的股票市值與房?jī)r(jià)走勢(shì)圖

本文采用中介效應(yīng)法來(lái)檢驗(yàn)資本虹吸的融資渠道（見(jiàn)表2中列（1）?列（4））。地區(qū)的股票融資規(guī)模LNCAP顯著影響當(dāng)?shù)胤績(jī)r(jià)和貨幣資本M2（見(jiàn)列（1）和列（2）），而M2顯著推高房?jī)r(jià)（見(jiàn)列（3））。當(dāng)同時(shí)加入M2和LNCAP時(shí)（見(jiàn)列（4）），M2仍在1%的水平上顯著，而LNCAP不再顯著，說(shuō)明資本虹吸是股票市場(chǎng)融資影響房?jī)r(jià)的完全中介路徑，這支持了假設(shè)1-1。同樣地，當(dāng)檢驗(yàn)資本虹吸的股票減持渠道時(shí)（見(jiàn)表2中列（5）?列（7）），地區(qū)的股票減持金額LNSALES顯著影響當(dāng)?shù)胤績(jī)r(jià) LNHP和貨幣資本M2（見(jiàn)列（5）和列（6））；當(dāng)同時(shí)加入M2 和 LNSALES時(shí)（見(jiàn)列（7）），M2仍在1%的水平上顯著，而LNSALES不再顯著，說(shuō)明資本虹吸是股票減持影響房?jī)r(jià)的完全中介路徑，這支持了假設(shè)1-2。而與融資虹吸相比，減持虹吸效應(yīng)較弱，這與地區(qū)股票融資的規(guī)模較大有一定關(guān)系。因此，本文認(rèn)為資本虹吸效應(yīng)更多地來(lái)自股票的一級(jí)市場(chǎng)融資。

表2 地區(qū)股票融資/減持、貨幣資本與房?jī)r(jià)

續(xù)表2 地區(qū)股票融資/減持、貨幣資本與房?jī)r(jià)

本文還檢驗(yàn)了融資虹吸與減持虹吸下的購(gòu)房偏好，考察了滯后一期的減持額（L1.LNSALES）與融資額（L1.LNCAP）對(duì)房?jī)r(jià)環(huán)比增長(zhǎng)率的影響，分析結(jié)果見(jiàn)表3。從中可以看到，減持額僅對(duì)144m2以上房屋的價(jià)格增長(zhǎng)率有顯著影響，而融資額對(duì)不同戶型房屋價(jià)格增長(zhǎng)率的影響比較接近。144m2以下房屋的價(jià)格增長(zhǎng)率主要由融資虹吸的資金推動(dòng)，而144m2以上房屋的價(jià)格增長(zhǎng)率則由融資虹吸和減持虹吸的資金共同推動(dòng)，這支持了假設(shè)1-3。

為了檢驗(yàn)高融資地區(qū)從低融資地區(qū)虹吸了資金，表4中列（1）和列（2）分析了高融資地區(qū)的融資水平CAPLEADR對(duì)低融資地區(qū)貨幣資本和房?jī)r(jià)的影響。CAPLEADR的系數(shù)均在1%的水平上顯著為負(fù)，說(shuō)明CAPLEADR越高，低融資地區(qū)的貨幣資本越少、房?jī)r(jià)越低，即高融資地區(qū)從低融資地區(qū)虹吸了資本，影響了其房?jī)r(jià)。表4中列（3）和列（4）檢驗(yàn)了高減持地區(qū)的減持水平SALESLEADR對(duì)低減持地區(qū)貨幣資本和房?jī)r(jià)的影響。結(jié)果表明，SALESLEADR越高，低減持地區(qū)的貨幣資本越少、房?jī)r(jià)越低。上述結(jié)果支持了假設(shè)2。

表3 融資虹吸與減持虹吸下的購(gòu)房偏好

表4 高融資/高減持地區(qū)對(duì)低融資/低減持地區(qū)的虹吸效果

（二）地區(qū)股票市值與房?jī)r(jià)的螺旋增長(zhǎng)結(jié)構(gòu)

表5進(jìn)一步區(qū)分股票市場(chǎng)的上漲與下跌期間，①根據(jù)上證綜指走勢(shì)按月度進(jìn)行劃分，將指數(shù)的最低點(diǎn)作為股市上漲的起點(diǎn)，可以得到股票市場(chǎng)上漲區(qū)間為2013年6月至2015年5月，下跌區(qū)間為2010年1月至2013年5月及2015年5月至2016年12月?？疾炝说貐^(qū)股票市值增長(zhǎng)率與當(dāng)期房?jī)r(jià)增長(zhǎng)率在一年內(nèi)的關(guān)系，回歸中加入了當(dāng)期到滯后12期的市值增長(zhǎng)率。結(jié)果顯示，在股市下跌期間，市值增長(zhǎng)率對(duì)房?jī)r(jià)增長(zhǎng)率的正向影響大致從當(dāng)期持續(xù)至第5期，基本上支持了財(cái)富效應(yīng)假說(shuō)。同時(shí)，滯后8期及9期時(shí)相關(guān)關(guān)系出現(xiàn)逆轉(zhuǎn)，地區(qū)市值增長(zhǎng)率與房?jī)r(jià)增長(zhǎng)率顯著負(fù)相關(guān)。在股市上漲期間，地區(qū)股票市值增長(zhǎng)率與房?jī)r(jià)增長(zhǎng)率的負(fù)相關(guān)關(guān)系從當(dāng)期開始也持續(xù)數(shù)期，基本上支持了替代效應(yīng)假說(shuō)，滯后6期到8期的市值增長(zhǎng)率與房?jī)r(jià)增長(zhǎng)率出現(xiàn)了顯著的正相關(guān)關(guān)系，螺旋增長(zhǎng)結(jié)構(gòu)明顯。從回歸結(jié)果看，財(cái)富效應(yīng)與替代效應(yīng)分別在股市下跌和上漲期間起主導(dǎo)作用，兩種效應(yīng)每半年左右出現(xiàn)轉(zhuǎn)換。半年一反轉(zhuǎn)的螺旋小周期可能是因本文僅以股市行情的大周期劃分上漲與下跌階段，而股市行情通常存在半年一次的小周期，如在股市下跌半年之后行情反轉(zhuǎn)，因而出現(xiàn)兩種效應(yīng)在時(shí)序上的交疊。

表5 地區(qū)股票市值增長(zhǎng)率、股市行情與房?jī)r(jià)增長(zhǎng)率

（三）內(nèi)生性問(wèn)題的處理

受地區(qū)經(jīng)濟(jì)因素的影響，股票市場(chǎng)虹吸資本影響房?jī)r(jià)的研究可能存在內(nèi)生性問(wèn)題。上市公司的分布呈現(xiàn)出地理聚集性，如高度集聚在東部沿海城市，尤其是長(zhǎng)三角、珠三角和京津冀地區(qū)。這些地區(qū)本身經(jīng)濟(jì)較發(fā)達(dá)，房?jī)r(jià)也相對(duì)較高。為了緩解這一內(nèi)生性問(wèn)題，參考熊艷和楊晶（2017）的研究，本文采用二階段最小二乘法（2SLS）和Heckit二階段法進(jìn)行了估計(jì)。考慮到股票市場(chǎng)發(fā)達(dá)的地區(qū)資本運(yùn)作活動(dòng)更加頻繁，媒體對(duì)上市公司的報(bào)道量也更多，本文選取地區(qū)資本運(yùn)作活躍度和媒體對(duì)上市公司的報(bào)道量作為L(zhǎng)NCAP和LNSALES的工具變量。其中，資本運(yùn)作活躍度等于ln（地區(qū)上市公司并購(gòu)重組的交易價(jià)值+1），媒體報(bào)道量等于ln（媒體報(bào)道篇數(shù)+1），媒體數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù)。估計(jì)結(jié)果（篇幅所限而未報(bào)告）顯示，地區(qū)股票融資/減持規(guī)模與房?jī)r(jià)、貨幣資本變量均顯著正相關(guān)，這與上文結(jié)論一致。

五、競(jìng)爭(zhēng)性假設(shè)的排除

（一）人口虹吸路徑

上市公司的地理集聚性可以獲得產(chǎn)業(yè)集聚外部性產(chǎn)生的收益，吸引更多的企業(yè)遷入，進(jìn)而創(chuàng)造更多的就業(yè)機(jī)會(huì)，強(qiáng)化勞動(dòng)人口的導(dǎo)入效應(yīng)。上市公司密集的地區(qū)可能通過(guò)導(dǎo)入更多勞動(dòng)人口而助漲房?jī)r(jià)，即產(chǎn)生人口虹吸效應(yīng)。此外，有研究顯示，高鐵開通將降低交通成本，加速經(jīng)濟(jì)活動(dòng)和要素的轉(zhuǎn)移（張克中和陶東杰，2016）。我們推斷，上市公司的人口虹吸效果可能會(huì)受到高鐵開通的影響。

表6 股票市值、人口流入與房?jī)r(jià)

（二）經(jīng)濟(jì)助推路徑

考慮到各地區(qū)宏觀經(jīng)濟(jì)發(fā)展水平歷史上相對(duì)穩(wěn)定，而股票融資規(guī)模的變動(dòng)較大，宏觀經(jīng)濟(jì)因素的變動(dòng)對(duì)研究的干擾較小，本文進(jìn)一步考察了股票融資規(guī)模波動(dòng)與房?jī)r(jià)波動(dòng)的關(guān)系。變量的波動(dòng)值以其在2010?2016年波動(dòng)的標(biāo)準(zhǔn)差來(lái)反映，如被解釋變量SD_HP為房?jī)r(jià)波動(dòng)值，SD_CAP為股票融資規(guī)模的波動(dòng)值，以此類推。實(shí)證結(jié)果見(jiàn)表7，地區(qū)股票融資規(guī)模的波動(dòng)與房?jī)r(jià)的波動(dòng)顯著正相關(guān)，而其他經(jīng)濟(jì)變量的波動(dòng)未顯著影響房?jī)r(jià)波動(dòng)。

表7 股票市場(chǎng)融資規(guī)模波動(dòng)與房?jī)r(jià)波動(dòng)

（三）一線城市房?jī)r(jià)上漲虹吸路徑

由于一線城市房?jī)r(jià)上漲會(huì)虹吸附近二三線城市的資金，資本虹吸可能來(lái)自一線城市房?jī)r(jià)上漲。為了排除這一干擾，如表8所示，本文在核心回歸中控制了一線城市的平均房?jī)r(jià)增長(zhǎng)率HPG_LEAD（見(jiàn)列（1）和列（4）），實(shí)證結(jié)果基本一致；另外，區(qū)分一線城市房?jī)r(jià)上漲和下跌區(qū)間進(jìn)行了分樣本回歸（見(jiàn)列（2）、列（3）、列（5）和列（6）），①一線城市為2010?2016年房?jī)r(jià)增長(zhǎng)率居前且超過(guò)人均GDP增長(zhǎng)率的城市，主要有北京、上海、深圳和廈門。需要說(shuō)明的是，傳統(tǒng)意義上的一線城市為北京、上海、深圳和廣州。而樣本期間內(nèi)廣州的房?jī)r(jià)水平與增長(zhǎng)率均落后于廈門較多，廈門的房?jī)r(jià)增長(zhǎng)率超過(guò)124%，居全國(guó)漲幅第二位，且超過(guò)了人均GDP增長(zhǎng)率。本文認(rèn)為廈門對(duì)其他城市的輻射與帶動(dòng)作用較大，故納入一線城市樣本中。HPG_LEAD＞0為一線城市房?jī)r(jià)上漲期間，HPG_LEAD＜0為下跌期間。因?yàn)橐痪€城市在房?jī)r(jià)下跌期間，對(duì)周邊城市資金的虹吸效應(yīng)即使存在也會(huì)非常弱。結(jié)果顯示，即使在一線城市房?jī)r(jià)下跌期間，上市公司融資額仍與房?jī)r(jià)呈顯著正相關(guān)關(guān)系。表8顯示，在控制一線城市房?jī)r(jià)上漲可能產(chǎn)生的虹吸效應(yīng)后，本文的研究結(jié)論不變。

表8 一線城市房?jī)r(jià)變動(dòng)、上市公司融資與房?jī)r(jià)

六、結(jié) 論

本文首次從地區(qū)層面考察了股票市場(chǎng)影響房?jī)r(jià)的微觀傳導(dǎo)路徑。研究發(fā)現(xiàn)，公司通過(guò)IPO進(jìn)入股票市場(chǎng)后，將以資本虹吸的形式影響地區(qū)房?jī)r(jià)：（1）上市公司從一級(jí)市場(chǎng)上融資、內(nèi)部人在二級(jí)市場(chǎng)上減持均會(huì)“虹吸”全國(guó)資金，增加當(dāng)?shù)刎泿刨Y本，且融資帶來(lái)的資本虹吸效應(yīng)更強(qiáng)。（2）融資虹吸與減持虹吸對(duì)房?jī)r(jià)的影響存在差異，減持虹吸引起財(cái)富集聚，對(duì)房?jī)r(jià)的影響更多地由富裕階層的購(gòu)房需求所推動(dòng)，他們更加偏好大戶型房產(chǎn)的消費(fèi)，而融資虹吸帶來(lái)的財(cái)富影響比較分散。（3）高融資或高減持地區(qū)將成為“虹吸方”，這些地區(qū)從低融資或低減持地區(qū)虹吸了資本，影響了房?jī)r(jià)。（4）地區(qū)股票市值與房?jī)r(jià)呈現(xiàn)螺旋增長(zhǎng)關(guān)系，在股市上漲期間替代效應(yīng)占主導(dǎo)，兩者的增長(zhǎng)率負(fù)相關(guān)；而在股市下跌期間財(cái)富效應(yīng)占主導(dǎo)，兩者的增長(zhǎng)率正相關(guān)。此外，本文還檢驗(yàn)了人口虹吸、經(jīng)濟(jì)助推以及一線城市房?jī)r(jià)上漲虹吸等競(jìng)爭(zhēng)性假設(shè)。研究發(fā)現(xiàn)，上市公司雖然從其他地區(qū)虹吸了人口，但對(duì)房?jī)r(jià)未產(chǎn)生顯著影響；在使用工具變量等方法剔除經(jīng)濟(jì)因素的干擾、控制一線城市房?jī)r(jià)上漲可能產(chǎn)生的虹吸效應(yīng)后，本文研究結(jié)論不變。

本文得出股票市場(chǎng)與房地產(chǎn)市場(chǎng)的關(guān)聯(lián)部分源于資本的聯(lián)結(jié)，公司IPO后的各種資本流動(dòng)是市場(chǎng)機(jī)制自發(fā)引導(dǎo)形成的，將對(duì)各上市地產(chǎn)生“定點(diǎn)”投放貨幣的效果，進(jìn)而對(duì)地區(qū)房?jī)r(jià)產(chǎn)生影響。但上市公司的區(qū)位分布并非完全由市場(chǎng)機(jī)制主導(dǎo)，也會(huì)受國(guó)家重大發(fā)展戰(zhàn)略驅(qū)動(dòng)。鑒于IPO引導(dǎo)資本流動(dòng)進(jìn)而加大房?jī)r(jià)地區(qū)差異的效果明顯，從平衡地區(qū)經(jīng)濟(jì)發(fā)展的角度看，證監(jiān)會(huì)于2016年提出的《扶貧意見(jiàn)》有其必要性。對(duì)特定的貧困地區(qū)打開上市的綠色通道，將改變未來(lái)的上市公司分布格局，使貧困地區(qū)的上市公司通過(guò)股票市場(chǎng)獲得直接融資，資本等要素向貧困地區(qū)轉(zhuǎn)移。由于《扶貧意見(jiàn)》并未覆蓋所有貧困縣市，未來(lái)應(yīng)整體上給予相對(duì)落后的中西部地區(qū)政策傾斜，引導(dǎo)欠發(fā)達(dá)地區(qū)的資本留在本地（倪鵬飛等，2014），適度平衡地區(qū)經(jīng)濟(jì)發(fā)展。

[1]鈔小靜，任保平. 中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量的時(shí)序變化與地區(qū)差異分析[J]. 經(jīng)濟(jì)研究，2011，（4）：26?40.

[2]陳斌開，張川川. 人力資本和中國(guó)城市住房?jī)r(jià)格[J]. 中國(guó)社會(huì)科學(xué)，2016，（5）：43?64.

[3]崔光慶，王景武. 中國(guó)區(qū)域金融差異與政府行為：理論與經(jīng)驗(yàn)解釋[J]. 金融研究，2006，（6）：79?89.

[4]范紅忠，李國(guó)平. 資本與人口流動(dòng)及其外部性與地區(qū)經(jīng)濟(jì)差異[J]. 世界經(jīng)濟(jì)，2003，（10）：50?61.

[5]拉斯?特維德. 逃不開的經(jīng)濟(jì)周期：歷史、理論與投資現(xiàn)實(shí)[M]. 董裕平譯. 北京：中信出版社，2012.

[6]李健，鄧瑛. 推動(dòng)房?jī)r(jià)上漲的貨幣因素研究——基于美國(guó)、日本、中國(guó)泡沫積聚時(shí)期的實(shí)證比較分析[J]. 金融研究，2011，（6）：18?32.

[7]李仲飛，于守金，鄭軍. 房地產(chǎn)屬性、收入差距與房?jī)r(jià)變動(dòng)趨勢(shì)[J]. 財(cái)經(jīng)研究，2016，（7）：122?133.

[8]劉和東. 國(guó)內(nèi)市場(chǎng)規(guī)模與創(chuàng)新要素集聚的虹吸效應(yīng)研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2013，（7）：104?112.

[9]盧君生，萬(wàn)良杰. IPO 融資對(duì)少數(shù)民族地區(qū)經(jīng)濟(jì)的影響研究[J]. 安徽農(nóng)業(yè)科學(xué)，2010，（26）：14674?14675.

[10]倪鵬飛，劉偉，黃斯赫. 證券市場(chǎng)、資本空間配置與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展——基于空間經(jīng)濟(jì)學(xué)的研究視角[J]. 經(jīng)濟(jì)研究，2014，（5）：121?132.

[11]錢小安. 流動(dòng)性過(guò)剩與貨幣調(diào)控[J]. 金融研究，2007，（8）：15?30.

[12]王紀(jì)全，張曉燕，劉全勝. 中國(guó)金融資源的地區(qū)分布及其對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響[J]. 金融研究，2007，（6）：100?108.

[13]王擎，韓鑫韜. 貨幣政策能盯住資產(chǎn)價(jià)格嗎？——來(lái)自中國(guó)房地產(chǎn)市場(chǎng)的證據(jù)[J]. 金融研究，2009，（8）：114?123.

[14]熊艷，李常青，魏志華. 媒體報(bào)道與IPO定價(jià)效率：基于信息不對(duì)稱與行為金融視角[J]. 世界經(jīng)濟(jì)，2014，（5）：135?160.

[15]熊艷，楊晶. 媒體監(jiān)督與 IPO 業(yè)績(jī)變臉：甄別、傳導(dǎo)還是治理[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2017，（6）：66?79.

[16]楊繼生. 通脹預(yù)期、流動(dòng)性過(guò)剩與中國(guó)通貨膨脹的動(dòng)態(tài)性質(zhì)[J]. 經(jīng)濟(jì)研究，2009，（1）：106?117.

[17]翟慶華，葉明海，蘇靖. 創(chuàng)業(yè)活躍程度與經(jīng)濟(jì)增長(zhǎng)的雙螺旋模型及實(shí)證研究[J]. 科技進(jìn)步與對(duì)策，2012，（14）：1?5.

[18]張川川，賈珅，楊汝岱. “鬼城”下的蝸居：收入不平等與房地產(chǎn)泡沫[J]. 世界經(jīng)濟(jì)，2016，（2）：120?141.

[19]張浩，李仲飛，鄧柏峻. 政策不確定、宏觀沖擊與房?jī)r(jià)波動(dòng)——基于LSTVAR模型的實(shí)證分析[J]. 金融研究，2015，（10）：32?47.

[20]張克中，陶東杰. 交通基礎(chǔ)設(shè)施的經(jīng)濟(jì)分布效應(yīng)——來(lái)自高鐵開通的證據(jù)[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2016，（6）：62?73.

[21]張文忠，余建輝，湛東升，等. 中國(guó)宜居城市研究報(bào)告[M]. 北京：科學(xué)出版社，2016.

[22]Ahearne A G，Ammer J，Doyle B M，et al. House prices and monetary policy：A cross-country study[J]. Social Science Electronic Publishing，2005，49： 65?78.

[23]Baker S R，Bloom N，Davis S J. Measuring economic policy uncertainty[R]. Chicago Booth Research Paper No. 13-02，2013.

[24]Fung M K. Financial development and economic growth： Convergence or divergence？[J]. Journal of International Money and Finance，2009，28（1）： 56?67.

[25]Kapopoulos P，Siokis F. Stock and real estate prices in Greece：Wealth versus ‘credit-price’ effect[J]. Applied Economics Letters，2005，12（2）： 125?128.

[26]Sutton G. Explaining changes in house prices[J]. BIS Quarterly Reviews，2002，（2）： 46?55.