林 萍

(閩江師范高等?？茖W校馬克思主義學院，福建福州350108)

一、引 言

在過去十幾年間，中國房價呈現(xiàn)持續(xù)上漲的趨勢。中國國家統(tǒng)計局的數(shù)據(jù)顯示，全國的商品房平均價格由2002年的2 250元/平方米上升到2016年的7 476元/平方米，增幅為232.27%。房子作為一種關乎國計民生的商品，其價格變動深刻地影響著居民的財富分配。[12]特別是近些年，隨著一線城市房價的暴漲，有人通過“炒房”獲取了大量財富，也有人面對高漲的房價“望房興嘆”，房價對社會財富分配的影響已成為學界和政界關注的一個焦點話題。在中國，城鄉(xiāng)二元結(jié)構(gòu)體制長期存在，因此，城鄉(xiāng)收入差距一直是表征社會財富分配狀況的重要指標。據(jù)《中國統(tǒng)計年鑒》的相關數(shù)據(jù)，2002—2005年中國城鄉(xiāng)收入差距與房價的變動趨勢有所差異，但2006—2016年中國城鄉(xiāng)收入差距與房價變動軌跡的趨同現(xiàn)象非常明顯。這是一種偶然現(xiàn)象嗎？房價的上漲是否會影響城鄉(xiāng)收入差距？其影響機制又是如何？這些問題的回答，對于客觀評估中國房地產(chǎn)市場的經(jīng)濟影響、維護社會的穩(wěn)定和公平都具有重要的現(xiàn)實意義。

關于房價上漲對城鄉(xiāng)收入差距的影響，國內(nèi)外學者已經(jīng)進行了一定的研究。安虎森等通過構(gòu)建空間均衡模型研究發(fā)現(xiàn)，城市高房價對城鄉(xiāng)收入差距的影響顯示出“門檻效應”：當城鄉(xiāng)市場開放度比較低時，城市高房價促進城鄉(xiāng)收入差距擴大；當城鄉(xiāng)市場開放度比較高時，城市高房價能有效縮小城鄉(xiāng)收入差距。[3]劉嘉毅采用混合回歸、固定效應和系統(tǒng)廣義矩估計等方法檢驗房價對城鄉(xiāng)收入差距的影響，研究發(fā)現(xiàn)房價上漲會拉大城鄉(xiāng)收入差距，但地區(qū)經(jīng)濟發(fā)展則會削弱房價對城鄉(xiāng)收入差距的影響，經(jīng)濟轉(zhuǎn)型特征變量在房價與城鄉(xiāng)收入差距之間的調(diào)節(jié)作用有差異。[4]張媛媛等通過建立PVAR模型研究發(fā)現(xiàn)，房價在擴大城鄉(xiāng)收入差距的同時，城鄉(xiāng)收入差距也給房價帶來了負向影響。[5]

綜上所述，可以發(fā)現(xiàn)現(xiàn)有的相關研究在理論層面上大多是碎片化的，而且在實證分析房價上漲對城鄉(xiāng)收入差距的影響時大都使用普通線性回歸模型，而忽略了房價與城鄉(xiāng)收入差距的空間相關性，容易造成估計偏差?；诖?，本文從理論層面系統(tǒng)分析房價上漲影響城鄉(xiāng)收入差距的機制，并選取2002—2016年中國31個省份的面板數(shù)據(jù)，利用空間面板模型分析房價上漲對城鄉(xiāng)收入差距的影響。

二、房價上漲影響城鄉(xiāng)收入差距的機制分析

住房作為一種生活必需品，是家庭財富的重要組成部分，其價格上升勢必擴大城鄉(xiāng)收入差距，造成社會財富分配的不公平。房價的持續(xù)上漲加大了城鄉(xiāng)居民住房資產(chǎn)價格與其工資收入的差距，從而產(chǎn)生明顯的財富效應與人力資本投資效應。在城鄉(xiāng)二元結(jié)構(gòu)體制中，房價的上漲還會影響農(nóng)村勞動力向城市轉(zhuǎn)移，這同樣也會作用于城鄉(xiāng)收入差距。本文認為，房價上漲將通過以下三個渠道影響城鄉(xiāng)收入差距。

一是財富效應。房價的上漲會通過財富效應拉大城鄉(xiāng)收入差距，這主要體現(xiàn)在兩個方面。第一，在房價上漲周期中，城鎮(zhèn)居民可以憑借其住房所有權(quán)獲得財富增值效應，比如，當房產(chǎn)增值時城鎮(zhèn)居民可以賣出房子套現(xiàn)或?qū)⒎慨a(chǎn)抵押獲得貸款資金進行再投資。[6]但是，因不同區(qū)域的農(nóng)村宅基地不可交易，農(nóng)村住房很難在城鎮(zhèn)房價上升時增值。據(jù)中國國家統(tǒng)計局住戶調(diào)查辦公室發(fā)布的報告顯示，截至2010年底，城鎮(zhèn)居民家庭自有住房率為89.3%，因此房價上漲將通過財產(chǎn)增值的方式擴大城鄉(xiāng)居民之間的收入差距。第二，隨著房價的上漲，房租的價格也會提升，這無疑會增加擁有多套出租房的城鎮(zhèn)居民的財產(chǎn)性收入，但對農(nóng)村居民收入的影響較小甚至可能產(chǎn)生負面影響。

二是人力資本投資效應。隨著房價的上漲，城鎮(zhèn)居民通過房產(chǎn)增值以及房租和工資收入的增加而獲得大量財富，使得城鎮(zhèn)居民更有意愿和能力實現(xiàn)對自己或其子女的人力資本投資。李春風等基于中國29個省市的年度數(shù)據(jù)，運用GMM估計方法檢驗了住房對城鎮(zhèn)居民消費的影響，研究發(fā)現(xiàn)房價上漲顯著提升了居民的非居住消費水平。[7]而農(nóng)村居民在房價上漲時所獲得的財富效應有限，其加大人力資本投資的意愿和能力也相對不足，因此房價的上漲擴大了城鄉(xiāng)居民之間的教育投資差距。中國國家統(tǒng)計局的數(shù)據(jù)顯示，2002—2016年城鎮(zhèn)居民人均文教娛樂支出占總收入的比重為9.21%，而在農(nóng)村這一比重僅為7.49%，城鄉(xiāng)教育投資差距由2002年的4.29%上升到2016年的4.63%。城鄉(xiāng)教育投資差距的擴大又進一步拉大了城鄉(xiāng)收入差距，產(chǎn)生一種“滾雪球”效應。陳斌開等基于2002年中國家庭收入調(diào)查(CHIP)數(shù)據(jù)研究發(fā)現(xiàn)，教育水平差異是影響中國城鄉(xiāng)收入差距最為重要的因素，其貢獻程度高達34.69%。[8]

三是農(nóng)業(yè)勞動力轉(zhuǎn)移效應。房價的上漲會通過影響農(nóng)村勞動力向城市的轉(zhuǎn)移作用于城鄉(xiāng)收入差距。一方面，高漲的房價推高了城市的物價水平和租購房成本，從而拉高農(nóng)民工的城市生活成本、降低農(nóng)村居民進城務工與定居的意愿。[9]另一方面，房價的上升會推高地價與工資水平，使城市中的勞動密集型行業(yè)被擠出市場，產(chǎn)業(yè)結(jié)構(gòu)向高新技術產(chǎn)業(yè)和現(xiàn)代服務業(yè)升級。但由于農(nóng)民工的技能水平較低，產(chǎn)業(yè)結(jié)構(gòu)的升級使得城市吸納農(nóng)民工就業(yè)的能力減弱。[10]總而言之，房價上漲阻礙了農(nóng)村人口向城市的轉(zhuǎn)移，不僅使得農(nóng)村居民無法享受城市的高工資，也使得農(nóng)業(yè)部門積累了大量勞動力，降低農(nóng)業(yè)勞動的邊際生產(chǎn)率，進而擴大了城鄉(xiāng)收入差距。[11]

綜上所述，房價上漲會通過財富效應、人力資本投資效應以及農(nóng)村勞動力轉(zhuǎn)移效應擴大城鄉(xiāng)居民之間的收入差距。至于房價上漲對城鄉(xiāng)收入差距的實際影響以及這三種效應是否發(fā)揮作用，下文將進一步實證檢驗。

三、模型的設定與變量的選取

(一)模型的設定

本文選取2002—2016年中國31個省市的面板數(shù)據(jù)考察房價上漲的城鄉(xiāng)收入分配效應以及房價上漲影響城鄉(xiāng)收入差距的機制?？紤]到城鄉(xiāng)收入差距與房價均受空間相關性的影響，本文運用空間計量模型進行回歸分析。空間計量模型主要包括空間誤差模型(SEM)、空間滯后模型(SAR)和空間杜賓模型(SDM)，本文分別利用這三種模型考察城鄉(xiāng)收入差距與房價之間的關系，具體的模型設定如下：

空間誤差模型：

(1)

空間滯后模型：

(2)

空間杜賓模型：

(3)

其中，i和j代表省份，n代表省份的數(shù)量，t代表年份，income表示城鄉(xiāng)收入差距，house表示房價；W為空間權(quán)重矩陣，當i省份和j省份相鄰時，空間權(quán)重矩陣取1，否則取0，在具體回歸分析時，本文對權(quán)重矩陣的行進行標準化處理；Wij1nincome表示相鄰省份的城鄉(xiāng)收入差距，Wij1nhouse表示相鄰省份的房價；X為省份層面的控制變量，γi為省份的固定效應，γt為年份固定效應，εit、υit、ζit和μit為誤差項；α刻畫了房價對城鄉(xiāng)收入差距的影響，β刻畫了控制變量對城鄉(xiāng)收入差距的影響，ρ刻畫了相鄰省份的城鄉(xiāng)收入差距對本省城鄉(xiāng)收入差距的影響，δ刻畫了相鄰省份的房價對本省城鄉(xiāng)收入差距的影響，λ刻畫了誤差性的空間相關性。張傳勇的研究表明，房價和城鄉(xiāng)收入分配之間存在相互內(nèi)生的關系。[12]為了避免聯(lián)立關系給模型估計帶來內(nèi)生性偏誤，本文將所有解釋變量進行滯后一期處理。

(二)變量的選取

1.核心變量。城鄉(xiāng)收入差距(income)是核心被解釋變量，采用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民人均純收入的比值衡量。房價(house)是核心解釋變量，用商品房平均銷售價格表示。為了克服數(shù)據(jù)的異方差問題，城鄉(xiāng)收入差距與房價均以自然對數(shù)的形式進入回歸方程。

2.控制變量。為了保證回歸結(jié)果的可靠性，本文借鑒已有的文獻，加入以下控制變量：城市化率(urban)，用各地區(qū)城鎮(zhèn)人口占地區(qū)總?cè)丝诘谋戎睾饬?；產(chǎn)業(yè)結(jié)構(gòu)(sec)，用各地區(qū)第二產(chǎn)業(yè)產(chǎn)值占地區(qū)GDP的比重衡量；市場化程度(market)，用各地區(qū)國有工業(yè)企業(yè)銷售額占地區(qū)工業(yè)總產(chǎn)出的比重衡量，其數(shù)值越大，表示市場化程度越低；財政分權(quán)(fiscal)，用各地區(qū)預算內(nèi)人均本級財政支出占中央預算內(nèi)人均本級財政支出的比重衡量；經(jīng)濟開放程度(open)，用各地區(qū)的進出口總額占地區(qū)GDP的比重衡量；政府教育支出(gov)，用各地區(qū)政府的教育支出占地區(qū)總支出的比重衡量。計算各個變量所使用的基礎數(shù)據(jù)均來自2002—2016年《中國統(tǒng)計年鑒》以及各省市統(tǒng)計年鑒。

在運用空間計量進行回歸之前，本文先運用Moran I指數(shù)測度2002—2016年中國各省市城鄉(xiāng)收入差距和房價的空間相關性(見表1)。從表1可以看出，與既有的大多數(shù)研究一致，各年份城鄉(xiāng)收入差距和房價的Moran I指數(shù)均大于0，并且在統(tǒng)計上非常顯著，說明城鄉(xiāng)收入差距和房價整體上具有很強的正向空間相關性，因此，利用空間計量模型探討房價上漲對城鄉(xiāng)收入差距的影響是合理的。

表1 2002—2016年中國城鄉(xiāng)收入差距與房價的Moran I指數(shù)

注：括號內(nèi)為t值，***表示Moran I指數(shù)在1%的水平上顯著。

四、實證分析

(一)基準回歸

表2報告了模型(1)～模型(3)和普通最小二乘法(OLS)的回歸結(jié)果。[注]表2中報告普通最小二乘法(OLS)的回歸結(jié)果目的在于比較空間計量模型和普通最小二乘法(OLS)的回歸結(jié)果，以此驗證使用空間計量模型的科學性。從表2可以看出，在空間誤差模型(SEM)、空間滯后模型(SAR)以及空間杜賓模型(SDM)中，空間相關系數(shù)λ和ρ的估計值均非常顯著，表明本文使用空間計量模型是合理的；同時，三個模型中其他變量的估計系數(shù)也沒有太大差異，這在一定程度上說本文的估計結(jié)果具有穩(wěn)健性。

本文借鑒余泳澤和羅大勇的方法，使用LM檢驗和穩(wěn)健的LM檢驗對模型進行空間自相關檢驗[13]，結(jié)果發(fā)現(xiàn)：針對空間誤差模型(SEM)的LM檢驗和穩(wěn)健的LM檢驗均接受了“無空間自相關”的假設，而針對空間滯后模型(SAR)的LM檢驗和穩(wěn)健的LM檢驗則在5%的顯著水平拒絕了“無空間自相關”的假設，并且空間滯后模型(SAR)的R2與極大似然值也高于空間誤差模型(SEM)，說明空間滯后模型(SAR)的適用性和解釋力度都優(yōu)于空間誤差模型(SEM)。空間杜賓模型(SDM)是空間滯后模型(SAR)更為一般的形式，且同時考慮了城鄉(xiāng)收入差距與房價的空間相關關系。[注]限于篇幅，LM檢驗和穩(wěn)健的LM的檢驗結(jié)果沒有列出，備索。

表2 基準回歸結(jié)果

注：括號內(nèi)數(shù)據(jù)為t值，***、**、*分別表示變量在1%、5%、10%的水平上顯著。

表2回歸結(jié)果顯示，空間誤差模型(SEM)、空間滯后模型(SAR)、空間杜賓模型(SDM)中的lnhouse估計系數(shù)分別為0.088、0.088、0.089，并且均在1%的水平下顯著，表明房價上漲顯著拉大了城鄉(xiāng)收入差距，同時意味著本地區(qū)房價每提高1%，城鄉(xiāng)收入差距就會擴大0.09%左右；在考慮空間因素的空間誤差模型(SEM)、空間滯后模型(SAR)以及空間杜賓模型(SDM)中，lnhouse估計系數(shù)均大于OLS的lnhouse估計系數(shù)(0.086)，說明回歸分析時若忽略空間因素會低估房價上漲的城鄉(xiāng)收入差距擴大效應。

(二)穩(wěn)健性檢驗

基準回歸結(jié)果表明，房價上漲將顯著拉大城鄉(xiāng)收入差距。為保證回歸結(jié)果的可靠性，本文從以下三個方面進行穩(wěn)健性檢驗。

1.使用廣義空間兩階段最小二乘法檢驗。盡管本文對解釋變量進行滯后一期處理，并且在省份層面加入諸多控制變量以及地區(qū)和年份的固定效應，但是模型仍無法控制預期等因素，使得基準回歸可能存在內(nèi)生性問題。為了處理內(nèi)生性問題，需要找出工具變量，并使用廣義空間兩階段最小二乘法進行檢驗。工具變量必須與房價有密切聯(lián)系，且不直接影響城鄉(xiāng)收入差距。本文借鑒陸銘等的做法，以各省份人均土地出讓面積[注]各省份人均土地出讓面積的數(shù)據(jù)來自歷年《中國國土資源統(tǒng)計年鑒》。作為房價的工具變量。[14]其原因在于：一是人均土地出讓面積是影響房價的重要因素，人均土地出讓面積越少，則房價增長越快；二是在中國土地公有制下，土地出讓面積受到中央和地方政府的嚴格管制，與城鄉(xiāng)收入差距沒有直接關系，滿足工具變量的外生性條件。表3第(1)～(3)列報告了相應的估計結(jié)果。從回歸結(jié)果很容易看出，ρ的估計系數(shù)非常顯著，并且lnhouse的估計系數(shù)依然顯著為正，說明前文的結(jié)論是穩(wěn)健的。

2.使用經(jīng)濟距離矩陣檢驗。在基準回歸中，本文使用了既有文獻常用的空間鄰近矩陣作為權(quán)重矩陣，然而空間鄰近矩陣的權(quán)重系數(shù)取決于：省份之間是否相鄰，并且相鄰省份的影響強度相同。這個條件可能不符合客觀事實，比如天津市與河北省和北京市相鄰，這并不表示除了河北省和北京市之外，天津市與其他地區(qū)不存在任何經(jīng)濟聯(lián)系，并且天津市與河北省和北京市的經(jīng)濟聯(lián)系是同等程度的?；诖耍疚慕梃b李婧等的研究方法構(gòu)造了基于經(jīng)濟距離的空間權(quán)重矩陣[15]，并重新進行回歸分析。表3第(4)～(6)列報告了使用經(jīng)濟距離矩陣的回歸結(jié)果。結(jié)果顯示，與前文相比，lnhouse估計系數(shù)的符號并沒有發(fā)生實質(zhì)性的變化，說明前文的結(jié)論依然成立。

3.使用非直轄市樣本檢驗。在研究收入分配時，直轄市的存在可能對估計結(jié)果產(chǎn)生影響。這是因為直轄市的城市化水平、經(jīng)濟開放程度以及市場化程度都遠遠高于大多數(shù)省份，直轄市樣本可能成為估計過程中的異常值。[16]因此，本文利用非直轄市樣本重新進行回歸分析。表3第(7)～(9)列的回歸結(jié)果表明，在刪除北京、天津、上海和重慶四個直轄市樣本以后，lnhouse的估計系數(shù)仍然顯著為正，說明前文的結(jié)論具有良好的穩(wěn)健性。

(三)房價上漲影響城鄉(xiāng)收入差距的直接原因

上述回歸結(jié)果表明，房價上漲具有擴大城鄉(xiāng)收入差距的效應。這一效應既可能來自房價上漲對城鎮(zhèn)居民收入的影響，也可能來自房價上漲對農(nóng)村居民收入的影響，或者二者兼有。為深入了解房價上漲影響城鄉(xiāng)收入差距的直接原因，本文替換模型(1)～模型(3)的被解釋變量，即以城鎮(zhèn)居民人均收入和農(nóng)村居民人均收入作為被解釋變量，分別考察房價上漲對城鄉(xiāng)居民收入的影響(見表4)。

從表4可以看出：一方面，表4的(1)～(3)列中l(wèi)nhouse的估計系數(shù)顯著為正，表明房價上漲顯著地提升了城鎮(zhèn)居民的可支配收入，這可能是因為房價上升提高了城鎮(zhèn)居民的資產(chǎn)配置能力和教育投入，進而提高了城鎮(zhèn)居民的收入水平；另一方面，表4的(4)～(6)列中l(wèi)nhouse的估計系數(shù)為負，表明房價上漲會降低農(nóng)村居民的純收入，這可能是由房價上升抬高了農(nóng)村居民進城打工的成本進而減少了勞動力從農(nóng)業(yè)部門向非農(nóng)部門轉(zhuǎn)移所致。此外，在表4的第(3)列和第(6)列中，W·lnhouse的估計系數(shù)顯著為負，表明鄰近地區(qū)房價的上升對本地區(qū)城鎮(zhèn)居民的收入也產(chǎn)生了負面影響。其原因可能是，鄰近地區(qū)房價的上升將產(chǎn)生一種“虹吸”效應，促使本地區(qū)的高技能工人向鄰近地區(qū)域擴散，不利于本地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與經(jīng)濟發(fā)展，進而降低了本地區(qū)城鎮(zhèn)居民的收入。

表3 穩(wěn)健性檢驗

注：括號內(nèi)數(shù)據(jù)為t值，***、**、*分別表示變量在1%、5%、10%的水平上顯著。(1)(2)……(9)表示各列的序號，其中：第(1)～(3)列為使用廣義空間兩階段最小二乘法的檢驗結(jié)果，由于沒有將房價滯后，因此樣本量有所增加；第(7)～(9)列為使用非直轄市樣本的檢驗結(jié)果，由于刪除了直轄市樣本，因此樣本量有所減少。

表4 房價上漲對城鄉(xiāng)居民人均收入影響的回歸分析

注：括號內(nèi)數(shù)據(jù)為t值，***、**、*分別表示變量在1%、5%、10%的水平上顯著。(1)(2)……(6)表示各列的序號，其中：第(1)～(3)列是以城鎮(zhèn)居民人均收入作為被解釋變量的回歸結(jié)果；第(4)～(6)列是以農(nóng)村居民人均收入作為被解釋變量的回歸結(jié)果。

(四)房價上漲影響城鄉(xiāng)收入差距的機制

根據(jù)前文的理論分析，房價上漲會通過財富效應、人力資本投資效應與勞動人口轉(zhuǎn)移效應影響城鄉(xiāng)收入差距。因此，本文選取了三個機制變量：一是城鄉(xiāng)資產(chǎn)收入差距(asset_gap)，由于無法直接觀測到城鎮(zhèn)居民因房價上漲所增加的房產(chǎn)增值收入與房租收入，因此本文使用城鎮(zhèn)居民和農(nóng)村居民的總財產(chǎn)收入差距代理財富效應；二是城鄉(xiāng)教育支出差距(edu_gap)，通過這一指標衡量人力資本投資效應；三是農(nóng)業(yè)勞動力轉(zhuǎn)移率(trans)，本文借鑒劉曉光等的方法定義農(nóng)業(yè)勞動力轉(zhuǎn)移率，即農(nóng)業(yè)勞動力轉(zhuǎn)移率=(鄉(xiāng)村從業(yè)人員-鄉(xiāng)村第一產(chǎn)業(yè)從業(yè)人員)/鄉(xiāng)村從業(yè)人員，以此度量農(nóng)業(yè)勞動力的轉(zhuǎn)移程度。城鎮(zhèn)和農(nóng)村居民的工資收入以及教育支出等數(shù)據(jù)來自歷年《中國統(tǒng)計年鑒》，鄉(xiāng)村從業(yè)人員數(shù)據(jù)來自歷年《中國農(nóng)村統(tǒng)計年鑒》。為了識別這三個機制變量是否存在，本文使用兩個遞歸方程進行檢驗[注]限于篇幅，本文在檢驗房價上漲影響財富效應、人力資本投資效應與農(nóng)業(yè)勞動力轉(zhuǎn)移效應時，只列出空間杜賓模型(SDM)的估計結(jié)果(見表5)，空間誤差模型(SAR)和空間誤差模型(SEM)的估計結(jié)果備索。，具體步驟包括：一是考察房價上漲對機制變量的影響，即將模型(3)中的被解釋變量城鄉(xiāng)收入差距替換為機制變量，重新回歸的結(jié)果見表5第(1)、第(3)、第(5)列；二是在控制機制變量后，檢驗房價上漲對城鄉(xiāng)收入差距的影響，即在模型(3)的控制變量中分別納入三個機制變量，重新回歸的結(jié)果見表5第(2)、第(4)、第(6)列。

表5 房價上漲影響財富效應、人力資本投資效應與農(nóng)業(yè)勞動力轉(zhuǎn)移效應的回歸結(jié)果

注：括號內(nèi)數(shù)據(jù)為t值；***、**、*、+分別表示變量在1%、5%、10%和15%的水平上顯著。(1)(2)……(6)表示各列的序號，其中：第(1)列是以城鄉(xiāng)資產(chǎn)收入差距(asset_gap)作為被解釋變量的回歸結(jié)果，第(3)列是以城鄉(xiāng)教育支出差距(edu_gap)作為被解釋變量的回歸結(jié)果，第(5)列是以城鄉(xiāng)資產(chǎn)收入差距(asset_gap)作為被解釋變量的回歸結(jié)果，第(2)(4)(6)列是以城鄉(xiāng)收入差距作為被解釋變量的回歸結(jié)果，但模型的控制變量依次增加了三個機制變量。在第(5)～(6)列中，由于只有2014年以前的《中國農(nóng)村統(tǒng)計年鑒》提供了鄉(xiāng)村從業(yè)人員數(shù)據(jù)，因此在檢驗農(nóng)業(yè)勞動力轉(zhuǎn)移效應時樣本量有所減少。

表5的回歸結(jié)果顯示：首先，第(1)列的lnhouse估計系數(shù)和第(2)列的asset_gap估計系數(shù)均不顯著，表明在樣本期內(nèi)房價上漲的財富效應不明顯[注]回歸結(jié)果顯示，房價上漲通過財富效應影響城鄉(xiāng)收入差距的機制不成立，可能受限于數(shù)據(jù)，因為城鎮(zhèn)居民的房產(chǎn)增值幅度與房租收入無法直接觀測得到。這也是未來的研究方向。；其次，第(3)列的lnhouse估計系數(shù)為0.338，并且顯著為正，表明房價上漲擴大了城鄉(xiāng)人力資本投資差距，同時第(4)列的edu_gap估計系數(shù)為0.057，并且顯著為正[注]表5第(4)列的edu_gap是滯后一期的?？紤]到人力資本“投資回收期”可能更遲，文章將edu_gap一直滯后到三期，結(jié)果發(fā)現(xiàn)edu_gap的估計系數(shù)均顯著為正。，表明房價上漲通過擴大城鄉(xiāng)人力資本投資差距，進而擴大城鄉(xiāng)收入差距的機制是成立的；再次，第(5)列的lnhouse估計系數(shù)為-0.102，并且顯著為負，意味著房價上漲阻礙了農(nóng)村勞動力向城市轉(zhuǎn)移，同時第(6)列的trans估計系數(shù)為-0.042，并且顯著為負，表明房價上漲通過降低農(nóng)業(yè)勞動力轉(zhuǎn)移率，進而擴大城鄉(xiāng)收入差距的機制是成立的。綜合以上分析可知，城鄉(xiāng)人力資本投資差距擴大和農(nóng)業(yè)勞動力轉(zhuǎn)移率下降是房價上漲拉大城鄉(xiāng)收入差距的重要渠道。

五、研究結(jié)論和政策建議

本文以城鄉(xiāng)收入差距這一視角入手，從財富效應、人力資本投資效應與勞動人口轉(zhuǎn)移效應三個方面總結(jié)房價上漲對城鄉(xiāng)收入差距的影響機制，并基于2002—2016年中國31個省份的面板數(shù)據(jù)，使用空間計量模型檢驗了房價上漲對城鄉(xiāng)收入差距的影響。實證結(jié)果表明：(1)房價上漲顯著地拉大了城鄉(xiāng)收入差距，回歸時若忽略空間因素會低估房價上漲的城鄉(xiāng)收入差距擴大效應；(2)使用廣義空間兩階段最小二乘法、經(jīng)濟距離構(gòu)造矩陣以及非直轄市樣本等多角度進行穩(wěn)健性檢驗，結(jié)果顯示房價上漲對城鄉(xiāng)收入差距的擴大效應依然成立；(3)房價上漲拉大城鄉(xiāng)收入差距的直接原因是，房價上漲提高了城鎮(zhèn)居民的收入、降低了農(nóng)村居民的收入，進而從總體上擴大了城鄉(xiāng)收入差距；(4)城鄉(xiāng)人力資本投資差距擴大和農(nóng)業(yè)勞動力轉(zhuǎn)移率下降是房價上漲拉大城鄉(xiāng)收入差距的重要渠道。

基于上述研究結(jié)論，本文提出以下政策建議：遏制房價的過快增長，將房價調(diào)控在一個合理的范圍；積極推進鄉(xiāng)村振興戰(zhàn)略，持續(xù)增加農(nóng)民收入；實施城鄉(xiāng)基本公共服務均等化政策，加大對農(nóng)村地區(qū)的教育投入，提高農(nóng)村居民的人力資本水平；探索農(nóng)民工在城鎮(zhèn)落戶的可行策略，使農(nóng)民工及其子女在城市可以享有公平的教育、醫(yī)療等權(quán)利，進而促進農(nóng)業(yè)勞動力的轉(zhuǎn)移，降低城鄉(xiāng)收入差距。