■江康奇，李錦然

一、問(wèn)題的提出

近年來(lái)，房地產(chǎn)市場(chǎng)持續(xù)火熱，房地產(chǎn)投資快速擴(kuò)張，商品房銷售火爆，房?jī)r(jià)居高不下。不可否認(rèn)的是房地產(chǎn)業(yè)的發(fā)展推動(dòng)了中國(guó)經(jīng)濟(jì)的增長(zhǎng)。然而，在刺激經(jīng)濟(jì)增長(zhǎng)的背后，房地產(chǎn)業(yè)的繁榮卻可能造成資本的“脫實(shí)向虛”。在房地產(chǎn)業(yè)高利潤(rùn)率的誘惑下，大量資金投入了房地產(chǎn)行業(yè)，推高了房?jī)r(jià)，進(jìn)一步擠占實(shí)體經(jīng)濟(jì)部門的資本，加劇了資產(chǎn)泡沫破裂的金融風(fēng)險(xiǎn)。繼續(xù)依托房地產(chǎn)經(jīng)濟(jì)不但不能改變當(dāng)前的經(jīng)濟(jì)困境，甚至?xí)?dǎo)致經(jīng)濟(jì)“脫實(shí)向虛”，惡化經(jīng)濟(jì)形勢(shì)。只有加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，優(yōu)化實(shí)體經(jīng)濟(jì)結(jié)構(gòu)，推動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，才能走出經(jīng)濟(jì)困境，實(shí)現(xiàn)經(jīng)濟(jì)長(zhǎng)期穩(wěn)定地發(fā)展。而科技進(jìn)步正是經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的關(guān)鍵所在。因此，研究房地產(chǎn)業(yè)對(duì)創(chuàng)新能力的影響，對(duì)于提升我國(guó)創(chuàng)新能力、規(guī)范房地產(chǎn)業(yè)的發(fā)展、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)均具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

我國(guó)對(duì)此類問(wèn)題的研究主要集中在以下兩方面：一是研究房地產(chǎn)市場(chǎng)的發(fā)展對(duì)地區(qū)企業(yè)創(chuàng)新的影響。余靜文等（2015）利用匹配的中國(guó)工業(yè)企業(yè)數(shù)據(jù)和35個(gè)大中城市的宏觀數(shù)據(jù)，研究發(fā)現(xiàn)房?jī)r(jià)上漲越快，企業(yè)會(huì)將資源配置到房地產(chǎn)部門，擠出創(chuàng)新投資。余泳澤和張少輝（2017）利用230個(gè)地級(jí)市和1272家上市公司的數(shù)據(jù)，發(fā)現(xiàn)房?jī)r(jià)的快速上漲會(huì)顯著抑制地區(qū)企業(yè)的技術(shù)創(chuàng)新；二是研究房地產(chǎn)市場(chǎng)的發(fā)展對(duì)地區(qū)創(chuàng)新的影響。張杰等（2016）利用1996～2013年中國(guó)省級(jí)層面的面板數(shù)據(jù)，研究發(fā)現(xiàn)房地產(chǎn)投資過(guò)快增長(zhǎng)會(huì)抑制地區(qū)創(chuàng)新活動(dòng)。崔瑩瑩等（2018）利用35個(gè)大中城市的面板數(shù)據(jù)，發(fā)現(xiàn)房?jī)r(jià)上漲會(huì)顯著抑制城市的創(chuàng)新能力。邵傳林（2018）基于285個(gè)地級(jí)市的面板數(shù)據(jù)，運(yùn)用空間計(jì)量模型，發(fā)現(xiàn)地區(qū)住房?jī)r(jià)格在一定程度上促進(jìn)了地區(qū)創(chuàng)新。

已有的研究尚未關(guān)注城市房地產(chǎn)投資對(duì)城市創(chuàng)新的影響。事實(shí)上，房地產(chǎn)投資的增長(zhǎng)可能會(huì)導(dǎo)致地區(qū)資源的錯(cuò)配，形成對(duì)長(zhǎng)期投資的擠占效應(yīng)（Wang&Wen，2011），進(jìn)而對(duì)城市技術(shù)創(chuàng)新造成負(fù)面影響，也可能通過(guò)促進(jìn)經(jīng)濟(jì)增長(zhǎng)，正向影響城市的技術(shù)創(chuàng)新。此外，地區(qū)創(chuàng)新活動(dòng)不可避免地會(huì)受到金融環(huán)境的影響，但尚未有文獻(xiàn)將金融發(fā)展納入房地產(chǎn)業(yè)對(duì)區(qū)域創(chuàng)新的分析框架中。鑒于此，本文利用2007～2016年的我國(guó)152個(gè)地級(jí)市面板數(shù)據(jù)，研究城市房地產(chǎn)投資對(duì)城市創(chuàng)新的影響以及金融發(fā)展的調(diào)節(jié)作用。

二、理論分析與研究假設(shè)

（一）房地產(chǎn)投資影響城市創(chuàng)新

1.房地產(chǎn)投資促進(jìn)城市創(chuàng)新的作用機(jī)理

首先，城市房地產(chǎn)投資可通過(guò)促進(jìn)經(jīng)濟(jì)增長(zhǎng)，來(lái)改善企業(yè)的經(jīng)營(yíng)狀況。企業(yè)的經(jīng)營(yíng)利潤(rùn)增加使其內(nèi)部經(jīng)營(yíng)現(xiàn)金流得到保障，進(jìn)而促進(jìn)地區(qū)企業(yè)的創(chuàng)新活動(dòng)。其次，房地產(chǎn)投資的增長(zhǎng)帶動(dòng)地區(qū)房?jī)r(jià)上漲，提高了企業(yè)自有房屋等資產(chǎn)的抵押價(jià)值，進(jìn)而緩解地區(qū)企業(yè)的融資約束。對(duì)于企業(yè)而言，融資約束的緩解可以讓其獲得更多的貸款以支持研發(fā)創(chuàng)新，從而促進(jìn)地區(qū)技術(shù)創(chuàng)新。最后，房地產(chǎn)投資的增長(zhǎng)需要消耗大量的土地資源，土地需求上升會(huì)推動(dòng)地區(qū)地價(jià)和租金成本上升，產(chǎn)生低技術(shù)含量企業(yè)“出局”的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化效應(yīng)，提高地區(qū)的創(chuàng)新水平（邵傳林，2018）。此外，大量的土地出讓給地方政府帶來(lái)了巨大的財(cái)政利益，財(cái)政實(shí)力的增強(qiáng)有助于政府拿出更多的資金支持地區(qū)創(chuàng)新活動(dòng)，從而促進(jìn)地區(qū)的技術(shù)創(chuàng)新。

2.房地產(chǎn)投資抑制城市創(chuàng)新的作用機(jī)理

首先，房地產(chǎn)投資增加的背后推動(dòng)力量之一是房地產(chǎn)業(yè)超高的投資回報(bào)率。多年來(lái)，我國(guó)房地產(chǎn)業(yè)的平均利潤(rùn)率遠(yuǎn)高于工業(yè)企業(yè)的同期利潤(rùn)率，巨大的利潤(rùn)率差距會(huì)激勵(lì)銀行體系將有限的信貸資金優(yōu)先貸款給低風(fēng)險(xiǎn)，高收益的房地產(chǎn)部門（張杰等，2016）。金融體系信貸偏向會(huì)加劇企業(yè)的融資約束，進(jìn)而形成企業(yè)創(chuàng)新的抑制。其次，在巨大利潤(rùn)率差異的背景下，城市房地產(chǎn)投資的增長(zhǎng)可能會(huì)誘導(dǎo)企業(yè)進(jìn)行資本套利，將原本應(yīng)用于創(chuàng)新投資的資金投向房地產(chǎn)部門（王文春和榮昭，2014），研發(fā)資金的減少將不利于企業(yè)技術(shù)創(chuàng)新。最后，房地產(chǎn)投資所推動(dòng)的地價(jià)和租金的上漲會(huì)增加企業(yè)的經(jīng)營(yíng)成本。經(jīng)營(yíng)成本的上升會(huì)加大企業(yè)未來(lái)的資金風(fēng)險(xiǎn)，致使企業(yè)進(jìn)行創(chuàng)新研發(fā)的意向下降。而且房地產(chǎn)投資的增長(zhǎng)會(huì)提升城市的勞動(dòng)力成本（劉煥鵬等，2018），勞動(dòng)力成本的上升可能會(huì)抑制企業(yè)創(chuàng)新。

綜上所述，房地產(chǎn)投資的增長(zhǎng)可能會(huì)對(duì)城市技術(shù)創(chuàng)新形成促進(jìn)效應(yīng)，也可能形成抑制效應(yīng)，房地產(chǎn)投資對(duì)城市創(chuàng)新的凈效應(yīng)將取決于兩種效應(yīng)的相對(duì)大小，故本文提出以下研究假設(shè)：

假設(shè)1a：如果促進(jìn)效應(yīng)占主導(dǎo)，那么房地產(chǎn)投資推動(dòng)城市創(chuàng)新；

假設(shè)1b：如果抑制效應(yīng)占主導(dǎo)，那么房地產(chǎn)投資阻礙城市創(chuàng)新。

（二）金融發(fā)展的作用

金融發(fā)展水平的提升能夠緩解企業(yè)由于金融體系中信貸偏向所造成的融資約束，從而促進(jìn)企業(yè)的創(chuàng)新行為。一方面，在房地產(chǎn)市場(chǎng)高收益的誘惑下，企業(yè)的資本套利行為會(huì)對(duì)創(chuàng)新資金形成擠占。金融的發(fā)展不僅能夠降低貸款前信息獲取成本，而且能夠降低貸款后的信息獲取成本，監(jiān)督企業(yè)的成本以及實(shí)施控制的執(zhí)行成本（解維敏和方紅星，2011）。成本的降低將有利于金融機(jī)構(gòu)對(duì)企業(yè)進(jìn)行監(jiān)督與控制，減輕道德風(fēng)險(xiǎn)的問(wèn)題，規(guī)范企業(yè)資金用途，促使企業(yè)將資金用于創(chuàng)新研發(fā)。另一方面，進(jìn)行創(chuàng)新研發(fā)前，企業(yè)會(huì)充分考慮資金風(fēng)險(xiǎn)問(wèn)題，金融發(fā)展水平的上升，使企業(yè)融資渠道拓寬，融資約束下降，降低企業(yè)進(jìn)行創(chuàng)新投資期間可能出現(xiàn)資金供應(yīng)不足的風(fēng)險(xiǎn)，提升企業(yè)進(jìn)行創(chuàng)新投資的意愿。基于上述分析，本文提出研究假設(shè)2：

假設(shè)2：金融發(fā)展水平的提升能緩解房地產(chǎn)投資對(duì)地區(qū)創(chuàng)新的抑制效應(yīng)。

三、模型設(shè)計(jì)與變量介紹

（一）模型設(shè)計(jì)

為驗(yàn)證假設(shè)1a和1b，本文運(yùn)用2007～2016年152個(gè)地級(jí)市的面板數(shù)據(jù)，探究城市房地產(chǎn)投資對(duì)創(chuàng)新的影響，基準(zhǔn)回歸模型公式如下：

式（1）中innovationit是i城市第t年的創(chuàng)新變量，investit是i城市t年的房地產(chǎn)投資變量，controlit為控制變量集合，α0為常數(shù)項(xiàng)，ui代表城市固定效應(yīng)，λt代表時(shí)間固定效應(yīng)，εit是隨機(jī)誤差項(xiàng)。若α1顯著為正，則假設(shè)1a成立；若α1顯著為負(fù)，則假設(shè)1b成立。

為了驗(yàn)證假設(shè)2，即驗(yàn)證城市的金融發(fā)展水平在房地產(chǎn)開(kāi)發(fā)投資對(duì)城市創(chuàng)新的影響中的調(diào)節(jié)效應(yīng)，具體的回歸模型如下：

其中，financeit是i城市第t年的金融發(fā)展發(fā)展水平變量，multiit是i城市第t年的金融發(fā)展水平變量與房地產(chǎn)投資變量的交互項(xiàng)，其他設(shè)計(jì)不變。本文要驗(yàn)證的是較高的金融發(fā)展水平能緩解城市房地產(chǎn)投資對(duì)創(chuàng)新的抑制效應(yīng)，故θ2要顯著為正。

（二）變量的選擇及數(shù)據(jù)說(shuō)明

1.城市樣本的選擇

本文在中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù)所規(guī)定的68個(gè)大中城市的基礎(chǔ)上，進(jìn)一步加入中小城市樣本①中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù)所規(guī)定的大中城市個(gè)數(shù)為70個(gè)，由于岳陽(yáng)市和大理市在部分指標(biāo)的數(shù)據(jù)上存在缺失，因此本文將這兩個(gè)城市樣本剔除。限于篇幅，具體的城市名單不列出，有需要的讀者可向作者索取。，新的數(shù)據(jù)樣本包含了各線城市，同時(shí)覆蓋了除西藏外的各個(gè)省份，這一定程度上可以確保研究結(jié)論的穩(wěn)健性。但由于本文的數(shù)據(jù)指標(biāo)眾多，為了保證實(shí)證數(shù)據(jù)的完整性，本文最終將數(shù)據(jù)樣本確定為152個(gè)城市。

2.因變量

本文的因變量是城市創(chuàng)新水平。基于已有研究（張杰等，2016），本文創(chuàng)新性地使用樣本城市當(dāng)年申請(qǐng)并最終被授權(quán)的專利數(shù)來(lái)衡量城市的創(chuàng)新水平，這樣既能體現(xiàn)出創(chuàng)新能力的實(shí)質(zhì)內(nèi)涵，又可以避免時(shí)滯性問(wèn)題。本文搜集了152個(gè)地級(jí)市在2007～2016年期間每年申請(qǐng)并最終被授權(quán)的專利數(shù)。其中，專利授權(quán)分為發(fā)明類授權(quán)，實(shí)用新型授權(quán)以及外觀設(shè)計(jì)三類，本文用三類專利的數(shù)量之和來(lái)衡量城市創(chuàng)新水平?？紤]到各個(gè)城市在人口數(shù)量上存在差異，本文借鑒邵傳林（2018）的研究，使用城市每萬(wàn)人專利授權(quán)數(shù)來(lái)衡量城市的創(chuàng)新水平（innovation）。

3.自變量

借鑒羅知和張川川（2015）的方法，本文用城市當(dāng)年的房地產(chǎn)開(kāi)發(fā)投資額來(lái)衡量城市的房地產(chǎn)投資水平，以2007年基期，剔除通貨膨脹的影響，求得各城市當(dāng)年的房地產(chǎn)實(shí)際開(kāi)發(fā)投資額，并取自然對(duì)數(shù)，所得到的數(shù)額作為解釋變量（invest1）。數(shù)據(jù)均來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。

4.調(diào)節(jié)變量

借鑒張成思等（2013）的研究，本文用三個(gè)指標(biāo)來(lái)衡量地區(qū)金融發(fā)展水平。包括金融效率、金融規(guī)模和金融深度。數(shù)據(jù)均來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。

5.控制變量

為了減小因遺漏變量所帶來(lái)的誤差，本文加入了多個(gè)控制變量，具體包括：城市文化水平、工業(yè)發(fā)展水平、政府科教支出、信息化水平、收入水平、交通水平、人口密度、經(jīng)濟(jì)開(kāi)放程度和教育水平。以上的數(shù)據(jù)均來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。模型的各個(gè)變量的計(jì)算方法與描述性統(tǒng)計(jì)如表1所示。

表1 變量的計(jì)算方法與描述性統(tǒng)計(jì)

（三）工具變量的選擇

為緩解由內(nèi)生性問(wèn)題而造成的偏誤，本文借鑒張杰等（2016）的思路，從土地供應(yīng)的角度出發(fā)，選擇滯后一期的國(guó)有建設(shè)用地出讓面積（公頃）的自然對(duì)數(shù)作為模型的工具變量（Land），并且可以消除房地產(chǎn)投資反向影響國(guó)有建設(shè)用地出讓情況（陸銘等，2015）。本文還控制了城市人均實(shí)際GDP，工業(yè)發(fā)展水平等變量，以盡可能消除工具變量對(duì)因變量的間接影響機(jī)制。

四、實(shí)證分析

本文在進(jìn)行OLS估計(jì)之后，采用選定的工具變量進(jìn)行2SLS估計(jì)。由于選用的是滯后一期的國(guó)有建設(shè)用地出讓面積，因此數(shù)據(jù)的時(shí)間是2006～2015年，來(lái)源于《中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒》。

（一）房地產(chǎn)投資影響技術(shù)創(chuàng)新的基準(zhǔn)分析

表2 基準(zhǔn)回歸結(jié)果

表2為房地產(chǎn)開(kāi)放投資與城市創(chuàng)新的回歸估計(jì)結(jié)果。其中，第（1）列是在不添加控制變量時(shí)，房地產(chǎn)投資對(duì)城市創(chuàng)新活動(dòng)的回歸系數(shù)在1%水平上顯著為負(fù)；第（2）列在第（1）列基礎(chǔ)上加入文化水平、工業(yè)發(fā)展水平、通信水平、收入水平、交通水平、人口密度、經(jīng)濟(jì)開(kāi)放度、城鎮(zhèn)化率、教育水平等變量。回歸結(jié)果顯示，房地產(chǎn)投資變量的回歸系數(shù)在1%水平上顯著為負(fù)。兩個(gè)回歸結(jié)果均表明房地產(chǎn)投資的增長(zhǎng)總體上阻礙了城市的技術(shù)創(chuàng)新，即抑制效應(yīng)大于促進(jìn)效應(yīng)。因此，支持了假設(shè)1b，拒絕假設(shè)1a。此外，對(duì)控制變量回歸結(jié)果的分析可以發(fā)現(xiàn)，文化水平變量（lnbook）的回歸系數(shù)在5%水平上均為正，說(shuō)明了文化水平的提高有利于促進(jìn)城市創(chuàng)新活動(dòng)。工業(yè)發(fā)展水平（industry）的回歸系數(shù)均在1%水平上顯著為正，表明規(guī)模以上工業(yè)企業(yè)產(chǎn)值增長(zhǎng)率的提高有助于提高城市創(chuàng)新活動(dòng)。政府科教支出占比（expense）的回歸系數(shù)均在1%水平上顯著為正，表明科教支出占比的提高將有利于城市的技術(shù)創(chuàng)新。

本文采用選定的工具變量進(jìn)行2SLS估計(jì)，以控制模型中存在的內(nèi)生性問(wèn)題。表3為第一階段回歸的結(jié)果。其中，第（1）列和第（2）列中工具變量的回歸系數(shù)仍然在1%的統(tǒng)計(jì)水平上顯著為正，工具變量的回歸系數(shù)在1%的統(tǒng)計(jì)水平上顯著為正，說(shuō)明國(guó)有建設(shè)用地出讓面積的增加會(huì)刺激房地產(chǎn)投資的增長(zhǎng)。第一階段回歸的F值分別為214.256和180.186，均大于10，表明不存在弱工具變量的問(wèn)題。表4呈現(xiàn)的是2SLS估計(jì)結(jié)果。在控制了內(nèi)生性問(wèn)題后，房地產(chǎn)投資變量的回歸系數(shù)的絕對(duì)值顯著變大但仍為負(fù)，說(shuō)明房地產(chǎn)投資的增長(zhǎng)總體上阻礙了城市的技術(shù)創(chuàng)新。因此，假設(shè)1b不能被拒絕。

表3 2SLS估計(jì)第一階段回歸結(jié)果

表4 基準(zhǔn)回歸模型的2SLS估計(jì)結(jié)果

（二）金融發(fā)展水平的調(diào)節(jié)效應(yīng)分析

本文從金融效率、金融規(guī)模和金融深度三個(gè)指標(biāo)來(lái)衡量各城市的金融發(fā)展水平。根據(jù)模型設(shè)計(jì)中的方程（2）進(jìn)行一系列回歸，其實(shí)證結(jié)果呈現(xiàn)于表5。表5中第（1）～（3）列分別是加入不同金融發(fā)展水平指標(biāo)以及對(duì)應(yīng)的交互項(xiàng)，進(jìn)行普通OLS回歸，第（4）～（6）列則采用前文設(shè)定的工具變量并進(jìn)行2SLS回歸。表5第（1）～（3）列房地產(chǎn)投資對(duì)城市創(chuàng)新的回歸系數(shù)均在1%的水平上顯著為負(fù)，且與金融效率、金融規(guī)模和金融深度的交互項(xiàng)系數(shù)均在1%水平上顯著為正，表明金融發(fā)展水平的提升能緩解房地產(chǎn)投資對(duì)地區(qū)創(chuàng)新的抑制效應(yīng)。第（4）～（6）列的結(jié)果表明，經(jīng)過(guò)內(nèi)生性處理后，三個(gè)交互項(xiàng)的回歸系數(shù)均在5%水平上顯著為正，房地產(chǎn)投資對(duì)城市創(chuàng)新的回歸系數(shù)均在1%水平上顯著為負(fù)，進(jìn)一步論證上一結(jié)果。因此，假設(shè)2不能被拒絕。

表5 金融發(fā)展水平的調(diào)節(jié)效應(yīng)實(shí)證結(jié)果

（三）穩(wěn)健性檢驗(yàn)①

①限于篇幅，穩(wěn)健性檢驗(yàn)結(jié)果留存?zhèn)渌鳌?/p>

1.考慮創(chuàng)新指標(biāo)與房地產(chǎn)投資指標(biāo)的再度量

為了保證基準(zhǔn)回歸結(jié)果的穩(wěn)健性，本文在原來(lái)基準(zhǔn)回歸模型的基礎(chǔ)上，分別更換因變量和自變量后，再進(jìn)行OLS回歸與2SLS回歸。本文采用每萬(wàn)人發(fā)明授權(quán)數(shù)（innovation_i）作為因變量，采用城市房地產(chǎn)實(shí)際開(kāi)發(fā)投資額與實(shí)際GDP的比值（invest2）作為自變量。實(shí)證結(jié)果顯示房地產(chǎn)投資變量的系數(shù)均在10%水平上顯著為負(fù)，說(shuō)明城市層面房地產(chǎn)投資總體上阻礙了城市創(chuàng)新水平的提高，表明前文結(jié)論是穩(wěn)健的。

2.考慮城市的異質(zhì)性

首先，本文依據(jù)觀察期城區(qū)人口的平均人數(shù)從高到低對(duì)樣本城市劃分為大型城市、中型城市和小型城市，并對(duì)每個(gè)樣本分別進(jìn)行OLS回歸和2SLS回歸，因變量、自變量以及控制變量保持不變，回歸結(jié)果顯示房地產(chǎn)投資變量的回歸系數(shù)均在10%水平上顯著為負(fù)。其次，考慮到北京、上海、廣州、深圳4個(gè)一線城市具備非常強(qiáng)的創(chuàng)新能力，本文的研究結(jié)論可能對(duì)其并不成立。本文將城市樣本分為一線城市組和非一線城市組，并分別進(jìn)行OLS回歸和2SLS回歸。OLS回歸結(jié)果表明，一線城市組房地產(chǎn)投資變量的回歸系數(shù)雖然不顯著，但仍然為負(fù)，非一線城市組房地產(chǎn)投資變量的回歸系數(shù)在5%水平上顯著為負(fù)。經(jīng)過(guò)內(nèi)生性處理之后，一線城市組和非一線城市組的回歸系數(shù)均在1%水平上顯著為負(fù)。最后，本文進(jìn)一步根據(jù)城市所在的地理位置將城市樣本劃分為東部城市組和中西部城市組，并分別進(jìn)行OLS回歸和2SLS回歸。OLS回歸結(jié)果表明，東部城市組的房地產(chǎn)投資變量的回歸系數(shù)在5%的水平上顯著為負(fù)，經(jīng)過(guò)內(nèi)生性處理后，兩個(gè)城市組的房地產(chǎn)投資變量的回歸系數(shù)均在10%水平上顯著為負(fù)。以上表明基準(zhǔn)回歸得出的結(jié)論是穩(wěn)健的。

五、拓展分析

本文將空間因素納入房地產(chǎn)投資對(duì)城市創(chuàng)新的影響中，考察房地產(chǎn)投資的空間相關(guān)性以及探究本城市的房地產(chǎn)投資是否對(duì)周邊城市的創(chuàng)新造成影響。

（一）空間計(jì)量模型的構(gòu)建

常用的空間面板模型包括空間自回歸模型（SAR），空間誤差模型（SEM）和空間自相關(guān)模型（SAC），具體的回歸模型公式如下：

其中，W是空間權(quán)重矩陣，εit是誤差項(xiàng)，ρ是空間自回歸系數(shù)，用來(lái)度量相鄰城市之間被解釋變量的相互影響程度。δ為空間誤差系數(shù)，用來(lái)度量相鄰城市經(jīng)濟(jì)變量的相互影響程度。其他設(shè)計(jì)與基準(zhǔn)回歸方程一致。當(dāng)δ=0且ρ≠0時(shí)，模型為空間自回歸模型SAR；當(dāng)ρ=0且δ≠0，模型為空間誤差模型SEM；當(dāng)ρ≠0且δ≠0時(shí)，模型為空間自回歸模型SAC。

借鑒Bavaud（1998）、鄒薇和劉紅藝（2014）的研究，本文構(gòu)建城市地理距離空間權(quán)重矩陣和經(jīng)濟(jì)距離空間權(quán)重矩陣。其中，經(jīng)濟(jì)距離為各個(gè)城市平均人均實(shí)際GDP的差值。各城市的經(jīng)緯度數(shù)據(jù)來(lái)源于國(guó)家基礎(chǔ)地理信息數(shù)據(jù)庫(kù)?？臻g權(quán)重矩陣的計(jì)算均在MATLAB運(yùn)行，空間計(jì)量回歸在stata15上運(yùn)行。

（二）空間相關(guān)性檢驗(yàn)

空間相關(guān)性檢驗(yàn)的結(jié)果顯示①此部分實(shí)證結(jié)果未給出，如有需要可向作者索取。，城市創(chuàng)新的莫蘭指數(shù)均大于0，且均在1%水平上顯著，表明城市創(chuàng)新具有顯著的空間溢出效應(yīng)。城市房地產(chǎn)投資的莫蘭指數(shù)均大于0，且均在1%水平上顯著，表明城市房地產(chǎn)投資具有正向的空間相關(guān)性，一個(gè)城市的房地產(chǎn)投資的增長(zhǎng)會(huì)帶動(dòng)周邊城市房地產(chǎn)投資的增長(zhǎng)。

（三）空間計(jì)量回歸結(jié)果

表6是基于空間計(jì)量模型下的實(shí)證結(jié)果?？紤]到空間自回歸系數(shù)和空間誤差系數(shù)均顯著為正，本文選擇地理距離空間權(quán)重矩陣下的SAC模型作為分析模型，因?yàn)槠淝短琢薙AR模型和SEM模型，同時(shí)模型的AIC和BIC均最小。由表6可得，房地產(chǎn)投資對(duì)城市創(chuàng)新的回歸系數(shù)在1%水平上顯著為負(fù)，表明城市房地產(chǎn)投資阻礙了創(chuàng)新活動(dòng)。此外，本文還基于SAC模型，分別加入金融發(fā)展變量以及金融發(fā)展與房地產(chǎn)投資的交互項(xiàng)進(jìn)行空間面板回歸，結(jié)果顯示②同上。金融發(fā)展與房地產(chǎn)投資的交互項(xiàng)系數(shù)在1%水平上顯著為正，表明金融發(fā)展緩解了房地產(chǎn)投資對(duì)城市創(chuàng)新的抑制效應(yīng)。

表6 空間計(jì)量回歸結(jié)果

由于城市房地產(chǎn)投資具有正向的空間相關(guān)性，本城市房地產(chǎn)投資的增長(zhǎng)通過(guò)帶動(dòng)周邊城市房地產(chǎn)投資的增長(zhǎng)，進(jìn)而形成對(duì)周邊城市創(chuàng)新活動(dòng)的抑制效應(yīng)。此外，在城市創(chuàng)新具有顯著的空間溢出效應(yīng)的情況下，房地產(chǎn)投資對(duì)城市創(chuàng)新的回歸系數(shù)在1%水平上顯著為負(fù)，說(shuō)明城市房地產(chǎn)投資不僅抑制本城市的創(chuàng)新活動(dòng)，而且在一定程度上弱化了創(chuàng)新的空間溢出效應(yīng)，進(jìn)而形成對(duì)周邊城市創(chuàng)新活動(dòng)的抑制效應(yīng)。因此，從理論來(lái)看，本城市房地產(chǎn)投資通過(guò)以上兩條渠道影響周邊城市的技術(shù)創(chuàng)新。

表7 城市創(chuàng)新影響因素分解

本文進(jìn)一步將城市房地產(chǎn)投資對(duì)技術(shù)創(chuàng)新的影響分解為直接效應(yīng)和間接效應(yīng)。表7為地理距離空間權(quán)重矩陣下的SAC模型的分解結(jié)果。由表7可得，間接效應(yīng)為負(fù)且在10%水平上顯著，說(shuō)明本城市房地產(chǎn)投資對(duì)周邊城市的技術(shù)創(chuàng)新也起到了抑制作用。

六、結(jié)論與啟示

本文運(yùn)用2007～2016年152個(gè)地級(jí)市的面板數(shù)據(jù)，實(shí)證檢驗(yàn)了城市房地產(chǎn)投資對(duì)技術(shù)創(chuàng)新的影響。研究結(jié)果發(fā)現(xiàn)：第一，城市房地產(chǎn)實(shí)際開(kāi)發(fā)投資額越高，每萬(wàn)人專利授權(quán)數(shù)就越少，房地產(chǎn)投資總體上阻礙了城市技術(shù)創(chuàng)新。在考慮了城市的異質(zhì)性之后，結(jié)論仍然成立。第二，金融發(fā)展水平的提升會(huì)緩解房地產(chǎn)投資對(duì)地區(qū)創(chuàng)新的抑制效應(yīng)。第三，本文運(yùn)用空間計(jì)量研究發(fā)現(xiàn)城市創(chuàng)新與房地產(chǎn)投資均具有空間溢出效應(yīng)，本城市的房地產(chǎn)投資會(huì)抑制周邊城市技術(shù)創(chuàng)新。

本文的研究結(jié)論具有以下三方面的政策含義：第一，地方政府應(yīng)該重視房地產(chǎn)投資的膨脹可能阻礙城市創(chuàng)新能力提升的問(wèn)題，嚴(yán)格控制房地產(chǎn)投資規(guī)模，合理規(guī)劃房地產(chǎn)業(yè)的發(fā)展。一要重視房地產(chǎn)業(yè)的發(fā)展可能導(dǎo)致地區(qū)信貸資源的錯(cuò)配問(wèn)題，制定相應(yīng)的信貸傾斜性政策，緩解創(chuàng)新企業(yè)的融資約束；二要重視地區(qū)企業(yè)投資房地產(chǎn)進(jìn)行投機(jī)套利的問(wèn)題，應(yīng)該制定相應(yīng)的政策以適當(dāng)提高企業(yè)進(jìn)入房地產(chǎn)業(yè)的門檻，這樣既可以弱化投機(jī)套利對(duì)創(chuàng)新資金的擠占效應(yīng)，也可以降低地區(qū)經(jīng)濟(jì)脫實(shí)向虛的風(fēng)險(xiǎn)。此外，因科教支出占比的提高將有利于城市的技術(shù)創(chuàng)新，地方政府應(yīng)該提高科教支出以支持地區(qū)的創(chuàng)新活動(dòng)；第二，地方政府應(yīng)注重金融業(yè)的發(fā)展，切實(shí)提高地區(qū)金融服務(wù)于經(jīng)濟(jì)和創(chuàng)新活動(dòng)的能力。各城市的金融機(jī)構(gòu)從業(yè)人員應(yīng)提高專業(yè)素養(yǎng)，提高甄別投資項(xiàng)目潛力的能力，使金融資金更有效地服務(wù)于企業(yè)研發(fā)創(chuàng)新。地方政府應(yīng)鼓勵(lì)地區(qū)金融機(jī)構(gòu)在嚴(yán)格控制風(fēng)險(xiǎn)的前提下，創(chuàng)造更多的金融工具，擴(kuò)大企業(yè)的融資渠道，降低企業(yè)的外部融資約束；第三，各地方政府不僅要考慮本城市的房地產(chǎn)業(yè)發(fā)展規(guī)劃，還要加強(qiáng)與周邊地方政府的政策溝通，促進(jìn)區(qū)域內(nèi)房地產(chǎn)業(yè)合理發(fā)展。房地產(chǎn)投資的正向空間相關(guān)性一定程度來(lái)自于地方政府之間的“競(jìng)爭(zhēng)”關(guān)系。因此，國(guó)家應(yīng)合理地調(diào)整當(dāng)前以GDP增長(zhǎng)率為主導(dǎo)的政績(jī)考核，減少各城市之間存在競(jìng)爭(zhēng)性的房地產(chǎn)投資。