[摘"要]基于2005-2017年294個地級市的面板數據，分析在以信貸發(fā)展水平為中介的情境下，房地產投資對我國行業(yè)全要素生產率的影響。結果表明：在全國層面，信貸是房地產投資通過擠占效應抑制全要素生產率增長的重要中間媒介，三者之間存在顯著的不完全中介效應;在分區(qū)域層面，房地產投資對全要素生產率的直接影響和間接影響存在顯著的區(qū)域差異性，但總體作用的趨勢是一致的。

[關鍵詞]房地產投資;全要素生產率;信貸發(fā)展水平;中介效應

[中圖分類號]F293.3"[文獻標識碼]A"[文章編號]1008—1763（2020）05—0062—09

Abstract：Based on the panel data of 294 prefecture level cities in 2005-2017， this paper analyzes the impact of real estate investment on TFP in the context of "credit development level as an intermediary. The results show that： at the national level， credit is an important intermediate medium for real estate investment to restrain the growth of TFP through the crowding effect， and there is significant incomplete intermediary effect among them; at the regional level， there are significant regional differences in the direct and indirect effects of real estate investment on TFP， but the overall trend is consistent with the national trend.

Key words： real estate investment; total factor productivity; "credit development level; intermediary effect

我國福利化分房制度自1998年開始向市場化方向轉變，由此我國住房市場得以迅猛發(fā)展。住宅商品房平均售價由1998年的1854元/m2增加到2017年的8336.42元/m2，總漲幅高達350%，并且始終保持在高位水平，越來越多的人淪為“房奴”。2005年至2017年期間，我國房地產開發(fā)年投資額由15909.25億元上升至109798.53億元，房地產開發(fā)國內貸款總額由3918.08億元上升至25241.76億元，而經濟增長速度近年來卻逐漸放緩。有學者指出，中國住房價格的快速上漲及房地產市場規(guī)模的迅速擴張制約了全要素生產率的增長[1]。根據目前我國房地產市場的發(fā)展趨勢，房價持續(xù)增長會吸引越來越多的房地產投資資金。在以銀行金融機構為融資主導的金融體系下，不少信貸資金也以較低成本進入房地產市場，導致其他行業(yè)信貸資源被擠占，實體經濟發(fā)展受到抑制。

一直以來，實體經濟是惠民生、穩(wěn)增長的核心支撐力量。當前，我國經濟發(fā)展進入新常態(tài)，已由高速增長階段轉向高質量發(fā)展階段，過快的房價上漲對經濟的負面影響逐漸顯現，不僅抑制居民消費[2]、擠出非房地產行業(yè)投資[3]，還加劇居民收入分配和消費的不平衡[4]，甚至阻礙實體經濟的發(fā)展[5]，實體經濟與房地產之間的關系越來越引起重視。實現實體經濟可持續(xù)發(fā)展的關鍵在于如何有效提升全要素生產率。[6]我國用于間接測算全要素生產率的重要指標因素——資本、勞動——均和房地產市場有著千絲萬縷的聯系。因此，厘清房地產與實體經濟之間的關系，探討房地產投資對全要素生產率的影響至關重要。

一""文獻回顧

筆者將從房地產市場與經濟效率、房地產投資與信貸、信貸與經濟效率三方面對現有文獻進行梳理總結。在房地產市場影響經濟效率方面，鄧博文認為房地產投資對實體經濟存在顯著的“擠占效應”[7]。陳斌開等從工業(yè)利潤率的角度對兩者進行研究，結合城市與企業(yè)數據，發(fā)現房價上漲推高人力成本，降低工業(yè)利潤率，進而抑制經濟增長[8]。在具體的房地產投資影響經濟效率的研究方面，已有文獻的觀點按照影響途徑大致分為兩類。1）房地產投資影響技術進步。Miao等從理論層面構建兩部門內生增長模型，發(fā)現技術外溢性較弱的部門如果存在資產泡沫，將可能通過流動性緩釋效應和資源配置轉移效應影響企業(yè)創(chuàng)新投入[9]。張杰等將土地供應量作為房地產投資增長的工具變量，研究發(fā)現房地產投資增加會顯著抑制工業(yè)部門的創(chuàng)新活動[10]。而李江濤等同樣從創(chuàng)新投資的視角進行分析，卻發(fā)現房地產投資與工業(yè)全要素生產率之間表現為倒U型[11]。崔瑩瑩等認為房價上漲會顯著負向影響大中城市的創(chuàng)新能力[12]2）。房地產投資影響企業(yè)技術效率的改善。已有相關文獻主要圍繞資源配置及市場價格機制兩方面論述房地產投資影響企業(yè)技術效率的改善。陳斌開等發(fā)現經濟效率低的產業(yè)市場占比會隨房地產行業(yè)快速發(fā)展而增加，造成資源錯配，進而在長期內降低市場資源配置效率[13]。王文春等、李天祥等均發(fā)現，異常繁榮的房地產市場會吸引大量融資，房價因此上漲引起要素價格上升，影響企業(yè)的技術效率[14-15]。

在房地產投資與信貸關系的研究方面，學者主要從信貸規(guī)模和風險的角度著手，認為房地產投資增長會吸引信貸支持，同時也會加大市場信貸風險。1）在信貸規(guī)模方面，黃靜基于Granger因果方法檢驗，認為房地產投資增長會導致房地產信貸的增加，但信貸擴張并不是房地產投資增長的Granger原因[6]。究其原因，劉京軍等認為這得益于房地產市場較高的投資收益性和房產抵押物的優(yōu)質性，同時他指出房地產信貸規(guī)模的擴大會擠占其他企業(yè)收益率[17]。2）在風險聯系方面，Senhadji等考察過度放貸、房價周期和亞洲金融危機之間的關系，認為銀行過度放貸導致房價迅速上漲，投資回報高漲，一旦經濟增長受阻，會發(fā)生投資者情緒逆轉、財務報表惡化，最終導致信貸危機[18]。況偉大也認為房價對房地產信貸的影響大于經濟增長和利率對其的影響，一旦房價下跌，信貸嚴重萎縮，可能誘發(fā)信貸風險和房地產金融危機[19]。3）在房價與信貸方面，學者們基于不同的研究方法發(fā)表了不同的觀點。Goodhart等、鄭忠華等發(fā)現信貸資金支持會顯著推動房價上升[20-21]。譚政勛等進一步研究認為，這種效果只存在于短期內[22]。而Che等卻認為這種顯著的推動關系僅存在于長期內[23]。此外，信貸對房價的影響體現出區(qū)域性差異，這與地區(qū)經濟發(fā)展水平相關[24-25]。李莉基于東、中、西部的省份劃分，認為銀行信貸對于東部房價影響更顯著[26]。宋勃等從城市劃分的角度發(fā)現二線城市銀行信貸對房價的影響比一線城市更顯著[27]。郭培利等認為一、二線城市銀行信貸正向影響房價，三線城市負向影響[28]。不同于以上學者的觀點，馬勇等認為在房地產信貸規(guī)模低的區(qū)域，信貸對房價的影響力有限[29]。向宇等認為金融信貸增加與房價上漲之間沒有太大的聯系[30]。

在信貸發(fā)展與經濟效率的研究方面，金成曉等基于馬爾可夫區(qū)制轉移向量自回歸模型，發(fā)現信貸增長率與經濟增長率的相關性會隨著經濟周期階段的不同發(fā)生變化[21]。白欽先等發(fā)現信貸擴張顯著推動經濟增長[32]。這種促進效應會從信貸規(guī)模和資源配置效率兩個方面發(fā)揮作用。趙振全等發(fā)現金融發(fā)展對經濟增長的促進作用主要是通過信貸總量的不斷擴張[33]。李青原等基于實體經濟運行的視角，構建信貸比指標衡量金融發(fā)展程度，發(fā)現信貸會促進實體經濟資源配置效率的提高[34]。

梳理總結相關文獻發(fā)現，基于信貸視角探索房地產投資影響全要素生產率增長的研究寥寥無幾。因此，本文采用中介效應模型，在分析房地產投資擴張對全要素生產率增長影響的基礎上，將信貸變量引入模型，從信貸規(guī)模和信貸效率兩個維度考察房地產投資對全要素生產率的中介效應影響，并基于東部、中西部的地區(qū)劃分進行區(qū)域差異化分析。

二"理論分析

（一）房地產投資影響信貸供需的機制

1.財富效應

如圖1所示，房地產投資通過“財富效應”影響信貸規(guī)模。房地產天然優(yōu)良的抵押物屬性和保值增值功能會吸引信貸資源配給。一方面，房地產投資擴張必然伴隨房地產市場規(guī)模的擴大。金融機構在過于樂觀的房地產市場環(huán)境下過度放貸，即使存在信貸風險，但仍能通過抵押資產緩解由此產生的經濟負向影響。而且，銀行發(fā)放信貸的數量取決于抵押物價值，一些金融機構甚至會對高抵押價值品的所有者主動供貸。另一方面，擴張的房地產市場對于投機者來說更加有利可圖，于是房地產市場投資需求增加，帶動信貸資金需求的增加。投資者還可以充分利用信貸擴張時經濟中的財務杠桿優(yōu)勢提高企業(yè)效益，增強企業(yè)信貸能力。

2.成本效應與帶動效應

房地產投資通過“成本效應”和“帶動效應”影響信貸效率。一方面，由于房地產投資具有經濟資源占比高、周期長等屬性，隨著房地產市場投資增加帶來的市場規(guī)模擴張，新企業(yè)進入房地產市場成本被拉高，資金會流向其他高效益部門，促使金融機構信貸資金配置效率提高;另一方面，房地產投資具有較強的行業(yè)帶動性，房地產投資的增加能直接帶動上下游行業(yè)，諸如建筑、建材、冶金、家具、電器等的發(fā)展，進而提高信貸資金配置效率，吸引更多的信貸支持。此外，房地產投資增加帶來的資產增值會吸引信貸支持，金融支持的增加使房價上漲，進而資金在房地產市場的信貸效率也會提升。

（二）基于信貸中介影響全要素生產率的機制

1.錯配效應

如圖2所示，房地產投資帶來的資產價值上升會產生“錯配效應”。資源錯配產生于價格信號的扭曲或者要素流動的阻礙，如果行業(yè)部門間資源配置合理，將提升整個經濟體系的全要素生產率，反之，將抑制全要素生產率的增長。房地產行業(yè)屬于典型的資金密集型行業(yè)，房地產投資增加帶來的房價過快上漲會扭曲住房價格，而且，房價上漲抬高房地產行業(yè)利潤率，吸引逐利性企業(yè)增加對房地產市場的投資，使信貸資源向高利潤和低效率企業(yè)流動，造成資源錯配。同時，國有企業(yè)依靠自身優(yōu)勢獲取信貸資金用于房地產投資，這在信貸擴張背景下加重了對非房地產行業(yè)融資約束程度，進而導致實體經濟資源配置效率降低，阻礙技術外溢性部門全要素生產率的提升。此外，若經濟體系存在較多的金融摩擦，會增加企業(yè)融資約束，導致信貸資源配置效率的損失，進一步滯后經濟全要素生產率的提升。

2.擠占效應

房地產投資增加會對其他行業(yè)產生“擠占效應”。房地產投資過快增長會通過金融體系的貸款行為，抑制工業(yè)部門的創(chuàng)新活動。一方面，房地產投資增加帶來的房地產業(yè)擴張會占用更多的信貸資源，加大其他工業(yè)企業(yè)貸款難度。同時，房地產投資帶來的非理性擴張會直接推高要素價格，擠占其他企業(yè)技術創(chuàng)新型投入，不利于工業(yè)企業(yè)引進先進設備、開發(fā)新產品、發(fā)展新技術等，進而抑制全要素生產率的提高。另一方面，飆升的房價會阻礙企業(yè)的管理創(chuàng)新，甚至引發(fā)企業(yè)家的尋租行為。這不僅嚴重阻礙企業(yè)的生產與組織創(chuàng)新，也嚴重扭曲了企業(yè)家創(chuàng)新行為?！皵D占效應”還將導致經濟資源配置難以顧及技術外溢部門，進而抑制整個社會生產效率的進步。

三"研究設計

（一）模型構建

中介效應是指自變量X對因變量Y的影響是通過一個或多個中間變量M實現的，此時，稱M為中介變量。以聯立方程組的形式對自變量X、中介變量M和因變量Y之間的關系加以形象的描述，具體方程如下：

其中，Y為因變量全要素生產率;X為自變量房地產投資;M為中介變量信貸;K為控制變量;α1、α2、α3為各方程常數項;β為控制變量回歸參數;μ1、μ2、μ3為方程的隨機誤差項。

本文目的是研究房地產投資對全要素生產率的影響，包括直接效應和中介效應。c為房地產投資對全要素生產率的總效應，c1為直接效應，a*c2為經房地產信貸對全要素生產率的中介效應。三者之間滿足c=c1+a*c2，即房地產投資對全要素生產率的總效應等于直接效應與間接效應的和。c、a、c2均顯著，則表明存在中介效應，此時若c1顯著，則稱房地產投資、房地產信貸和全要素生產率之間存在不完全中介效應，即房地產投資對全要素生產率的影響僅有部分是通過信貸來實現。否則，存在完全的中介效應。

（二）變量選取及說明

1.被解釋變量：全要素生產率（TFP）?？紤]到全要素生產率不等同于技術進步率，本文按房地產投資影響全要素生產率的途徑將全要素生產率分解成了技術進步（Te）和技術效率改進（Eff）。

潛在產出法考慮到資源分配和利用效率，將全要素分解成技術進步和技術效率改進進行測算，符合本文實證的基本思想。在技術進步的計算中，隱形變量法將技術進步率作為獨立的狀態(tài)變量，在一定程度上可以排除可能造成估算偏誤的因素，而且其對數據平穩(wěn)性的嚴格要求使估計結果更加精準，因此采用隱形變量法測得技術進步（At）?；贑-D生產函數，且假設規(guī)模收益不變，則觀測方程如式（4），狀態(tài)方程如式（5），其中ρ為自回歸系數，εt為白噪聲，Y、A、K、L分別表示產出、技術進步率、資本數量及勞動數量，α為資本產出的彈性系數。利用狀態(tài)空間模型，通過最大似然估計估算。需要考慮到的是在分析空間狀態(tài)模型前，需要對經濟產出Y、勞動力及資本存量進行平穩(wěn)性檢驗及協整檢驗。本文使用ADF單位根檢驗，發(fā)現各項指標都沒有通過單位根檢驗，于是對原始序列進行一階差分再做單位根檢驗，發(fā)現原始序列一階差分后變得平穩(wěn)，因而使用一階差分后的數據帶入空間狀態(tài)模型，利用計量軟件得到α為0.784，ρ為0.945。

技術效率改進一般用產出缺口度量。根據對比，我們選用HP濾波法進行計算。HP濾波方法的基本思路是將經濟產出時間序列分解成趨勢成分Gt和周期成分Ct，Ct即為產出缺口，Gt為潛在產出。按照HP濾波方法在樣本期內使式（7）最小化得到技術效率。其中，λ決定著趨勢要素對實際序列的跟蹤程度和趨勢光滑度之間的權衡選擇，趨勢成分和周期成分標準差的比值為最優(yōu)取值。

2.主要解釋變量：房地產投資（Inve）。房地產投資額占同期城市GDP的比重，反映某一年房地產市場資源投入占整個市場資源投入的比例。

3.中介變量：信貸（Cs）。本文使用信貸規(guī)模（Css）和信貸效率（Cse）來衡量，其中信貸規(guī)模（Css）表示城市年貸款總量占同期GDP的比重;信貸效率（Cse）衡量同期貸款與存款間的轉換效率，是貸款總額與同期存款總額之比。

4.控制變量：人力資本（Hc）。它主要通過企業(yè)技術創(chuàng)新及技術擴散來影響全要素生產率，該變量選取的是每萬人中的大學生數量。二、三產業(yè)比值（Sti），考慮到影響全要素生產率變動的因素包含產業(yè)結構，所以本文用第二產業(yè)和第三產業(yè)GDP比值來表示。政府財政支出（Gov），政府會通過財政手段調控信貸，同時政府財政支出會顯著影響經濟發(fā)展水平，因此本文將該變量作為控制變量，由政府財政支出占同期GDP的比重表示。基礎設施水平（Road），交通基礎設施密切影響全要素生產率的變動，城市交通運輸水平越發(fā)達，則地區(qū)資源配置效率越高，進而促進全要素生產率增長，本文選取城市交通道路建成面積作為衡量指標。城市經濟水平（Ue），它是影響地區(qū)信貸發(fā)展水平的重要經濟變量，一般區(qū)域經濟發(fā)展水平越高，對金融規(guī)模尤其是信貸規(guī)模的要求就越高，采用人均GDP來衡量。金融危機（Cri），政府會在金融危機時干預銀行信貸，考慮到2008年金融危機爆發(fā)，因此本文將金融危機作為中介控制虛擬變量，除2008年至2010年外，其余年份取值為0。本文選取的2005—2017年的294個地級市數據及指標計算所需數據來源于中國人民銀行官網、EPS數據庫和《中國統(tǒng)計年鑒》。表1報告了各變量的描述統(tǒng)計結果，其中還包含各變量具體的分類。

（三）平穩(wěn)性及協整檢驗

1.平穩(wěn)性檢驗

表2描述了LLC、IPS檢驗方法獲得的數據原序列和一階差分序列單位根檢驗結果。由結果可知，數據為一階單整序列，滿足協整檢驗的前提條件。

2.協整檢驗

協整檢驗是考察變量間長期均衡關系的方法，可以避免非平穩(wěn)序列的偽回歸問題，如果兩個或多個非平穩(wěn)的變量序列，其某個線性組合后的序列呈平穩(wěn)性，則這些變量序列間存在協整關系。因此，協整檢驗的前提是同階單整。這里采用Westerlund[35]的多組面板數據協整檢驗方法，其中Ga和Gt檢驗的原假設是長期均衡的誤差調整速度為0（即不存在協整），備擇假設為至少有一個組是協整的;Pa和Pt檢驗的原假設是所有面板數據不存在協整關系，備擇假設是所有組視為一個整體是協整的。表3報告相應的結果，只有Ga檢驗的P值不顯著，其他三個均顯著拒絕不存在協整的原假設。因此，變量之間存在協整關系，具有長期均衡關系，可以進行下述面板回歸。

四"實證檢驗及結果分析

（一）直接影響全要素生產率

為避免回歸結果出現偏誤，本文在回歸前對相關變量進行多重共線性檢驗（由于篇幅限制未列示），結果表明各變量之間不存在多重共線性。雖然前文在指標選取方法方面已經盡可能地排除可能造成偏誤的影響、控制影響全要素生產率的因素，但仍然存在某些因素容易被忽略或難以測量，且這些因素不隨時間而變。本文采用面板固定效應模型進行回歸，考慮到個體效應仍可能以隨機效應的形式存在，我們進行Hausman檢驗，結果表明強烈拒絕原假設，即使用固定效應模型。為了在一定程度上緩解遺漏變量內生性，這里采用對主要解釋變量取滯后一期，分別采用當期和滯后一期數據進行回歸，第（1）列為滯后一期的結果。采用滯后期房地產投資作為解釋變量的經濟學含義是當整個行業(yè)面臨經濟環(huán)境變化時，房地產市場難以及時做出生產決策的改變，需要等到下一期才能有針對性地進行調整。

表4中，當期和滯后一期的房地產投資對全要素生產率的增長均呈現顯著負向影響，這符合房地產業(yè)投資通過擠占其他企業(yè)投資從而抑制全要素生產率增長的預期，房地產投資增加會導致全要素生產率水平降低。除政府財政支出外，人力資本，二、三產業(yè)比值及交通基礎設施均正向影響全要素生產率的變動，但是三者的影響效果各不相同。人力資本增加雖然促進全要素生產率增長，但卻顯著負向影響分解出的技術進步。這可能是因為人力資本主要是靠創(chuàng)新性和創(chuàng)造性促進技術進步，而我們以每萬人中大學生擁有數量來衡量，并不能真實地反映創(chuàng)新與創(chuàng)造能力。二、三產業(yè)比值顯著促進全要素生產率增長，雖然其對技術進步的影響為負，但不顯著，說明產業(yè)結構調整促進全要素生產率增長的主要途徑是技術效率的改進，同時也說明我國產業(yè)結構調整政策促進經濟增長的有效性。政府財政支出對全要素生產率及其分解指標影響均顯著為負，說明政府對市場過多的財政干預不利于經濟健康發(fā)展。交通基礎設施的系數為正但不顯著，交通基礎設施建設決定了經濟發(fā)展過程中重要資源轉移和分配的效率，這里不顯著可能是數據并不能完全衡量道路基礎設施的建設水平，在城市化建設中，基礎建設經常存在建設比例不當、建設效率低下等減緩經濟發(fā)展的因素。

（二）基于中介變量影響全要素生產率分析

1.房地產投資對信貸的影響

信貸規(guī)模（Css）由貸款總額與同期GDP比值表示。表5中，房地產投資增長會引起總貸款增加，并且其對信貸效率影響顯著為正，這表明房地產投資顯著正向影響信貸發(fā)展水平。城市經濟水平對房地產信貸規(guī)模和信貸效率的影響均為負，這與相關學者的研究預期有差異，可能是因為研究數據的不同。本文用人均GDP作為衡量城市經濟水平的指標，而人均GDP有明顯的時間上升趨勢，這可能導致金融結構發(fā)生改變，例如金融資產更加分散化和多元化，進而減少了對房地產信貸的需求。其他變量符合預期結果，其中金融危機導致信貸規(guī)模上升，但卻導致信貸效率下降。另外二、三產業(yè)比值和信貸規(guī)模以及信貸效率均為負向變動關系，這可能是由于二、三產業(yè)所占經濟比重與其發(fā)展效率不匹配，即二、三產業(yè)結構不是最優(yōu)。

2.基于信貸中介對全要素生產率的影響

表6中，引入了信貸水平變量后，信貸水平顯著負向影響全要素生產率，結合前文分析，表明存在中介效應。TFP的第（1）列和第（2）列房地產投資系數均顯著為負，系數絕對值變小，說明房地產投資與全要素生產率之間存在不完全中介效應?？刂谱兞拷Y果顯示，二、三產業(yè)比值仍然顯著促進全要素生產率增長，雖然二、三產業(yè)比值對于技術進步的影響是負的，但不顯著。政府財政支出對全要素生產率以及其分解指標的影響均顯著為負，但與表4相比，對全要素生產率影響的顯著性有所下降，表明加入信貸變量后，政府財政支出的負向影響效應會有所收斂。

（三）分區(qū)域實證分析

梳理已有文獻關于房地產經濟的研究，在借鑒表7的行政區(qū)域劃分標準基礎上，同時考慮到中西部經濟發(fā)展水平相近，與東部地區(qū)存在明顯差異，以及主要解釋變量和中介變量的現狀，本文將區(qū)域劃分為東部和中西部兩部分。

1.房地產投資影響信貸規(guī)模的區(qū)域層面分析

表8報告了區(qū)域層面數據的統(tǒng)計描述，房地產投資具有明顯的區(qū)域化差異，兩個地區(qū)信貸效率差異明顯大于信貸規(guī)模差異。不過從獨立樣本檢驗的結果來看，后者的差異更加顯著，所以我們將選用信貸規(guī)模作為區(qū)域實證模型中的中介變量，至于其余控制變量均不變。所有數據在分析前均通過平穩(wěn)性檢驗和協整檢驗。

表9報告了區(qū)域層面房地產投資影響信貸規(guī)模的回歸結果及中介效應回歸結果。比較表9和表5可以看出，首先，無論是否對數據進行區(qū)域劃分，房地產投資對信貸規(guī)模的影響方向是一致的。分區(qū)域回歸后其影響系數變小，這間接說明房地產投資對信貸發(fā)展水平的影響是由區(qū)域到整體的帶動過程，契合經濟發(fā)展現狀。其次，東部影響水平顯著高于全國平均水平。關于城市經濟水平變量，東部經濟水平更高，帶動更多金融資源流入房地產市場，這可能導致更嚴重的信貸資源錯配，因此該變量負向影響信貸規(guī)模的效應更強。虛擬變量金融危機的發(fā)生會使東部信貸規(guī)模擴張，中西部信貸減少。這是因為東部金融市場更發(fā)達，當面對金融危機對東部市場產生的巨大沖擊時，政府出臺寬松的貨幣政策導致信貸規(guī)模急劇擴張，在一定程度上擠占了中西部信貸資源。二、三產業(yè)比值與財政支出，其對信貸規(guī)模的影響與全國層面分析結果均一致。

2.區(qū)域層面中介效應分析

區(qū)別于全國層面的模型，加入人力資本的平方項，表9中第二列和第四列報告了房地產投資基于信貸影響全要素生產率的結果。引入信貸規(guī)模后，房地產投資和控制變量影響全要素生產率變動的方向仍然與全國層面結果一致，唯一需要提及的是人力資本的平方項（Hct）負向拉動全要素生產率的變動，但不顯著。這在一定程度上與表4結果相符。人力資本（每萬人中擁有大學生的數量）顯著反向影響全要素生產率的分解因子——技術進步（Te），因此人力資本的平方項負向影響全要素生產率的結果符合預期。

限于篇幅，我們僅對主要解釋變量及中介變量進行詳述。房地產投資對全要素生產率的負向影響在東部更加顯著，東部屬于經濟高度發(fā)達地區(qū)，東部城市房地產投資占比高于全國平均水平，過多的金融資源流入房地產市場導致全要素生產率發(fā)展降速更快。無論是東部還是中西部，信貸規(guī)模都顯著負向影響全要素生產率的變動，而東部高于全國層面水平的結果也符合預期。此外，房地產投資抑制全要素生產率增長不存在區(qū)域疊加效應，其整體影響效應值更接近東部和中西部的中間值。同時我們發(fā)現信貸規(guī)模影響全要素生產率的全國層面回歸系數值也趨近處于東部和中西部的均值，即可能也沒有區(qū)域疊加效應。

五"結論及政策建議

本文重點研究房地產投資對全要素生產率的影響，并考慮到基于信貸變量的中介效應，基本結論如下：首先，房地產投資、信貸發(fā)展水平和全要素生產率之間存在顯著的不完全中介效應。其次，在全國層面上，房地產投資顯著負向影響全要素生產率，加入信貸變量后，依然有顯著的負向影響;在分區(qū)域層面上，回歸結果與全國層面基本一致，其中，東部地區(qū)影響更為顯著。

我國經濟處于發(fā)展模式轉型的重要階段，房地產市場作為整體經濟發(fā)展的重要組成部分，房地產投資增加會通過信貸規(guī)模的擴張和信貸效率的降低使房地產市場發(fā)展出現不穩(wěn)定，進而影響社會經濟發(fā)展?；诒疚牡难芯浚岢鲆韵聨c政策建議。

第一，合理管控各企業(yè)房地產投資行為。房地產投資對全要素生產率有顯著負向影響，而且房地產投資會通過信貸渠道影響全要素生產率的增長，政府應適時調整房地產信貸來管控房地產投資。第二，適當加強房地產市場供給，以保證供需平衡。充分利用房地產市場發(fā)展機制，加快建設保障性住房。一方面，鼓勵引導以市場為主來滿足多層次住房需求;另一方面，嚴控房價快速上漲帶來的投機性需求，防止房地產行業(yè)流動性過剩而影響其他行業(yè)發(fā)展。第三，有效拓寬房地產行業(yè)融資渠道。政府要不斷進行政策創(chuàng)新，營造良好的房地產發(fā)展環(huán)境。一方面，要降低其他融資渠道門檻;另一方面，加強管控對房地產信托和基金的審批，完善房地產基金和信托部門的角色定位。第四，削弱房地產業(yè)與政府各部門、各大金融機構的連帶關系，提高房地產市場準入門檻?？紤]到部分金融機構受房地產市場高利潤回報驅動而主動供貸，政府應審時度勢，加強對金融機構行為的嚴格管束。第五，加大區(qū)域差異化資源分配政策的力度。例如，人力資本對中西部地區(qū)經濟發(fā)展的推動作用最顯著，政府可以適當加強中西部人才引進力度來推動中西部地區(qū)經濟增長。

[參"考"文"獻]

[1]鄒心勇，趙麗芬.中國經濟全要素生產率的變遷：1978—2010年實證分析[J].中央財經大學學報，2013（11）：51-55.

[2]劉顏，周建軍.城市房價上漲促進還是抑制了城鎮(zhèn)居民消費？[J].消費經濟，2019（1）：49-56.

[3]劉廣平，連媛媛，林潤輝.房價波動對制造型企業(yè)投資行為的差異化影響——市場條件和企業(yè)所有權視角[J].系統(tǒng)工程，2020（1）：45-54.

[4]周建軍，孫倩倩，鞠方.房價波動、收入差距與消費差距[J].消費經濟，2018（5）：23-30.

[5]陳秀梅，韓和林，趙元兵.我國房地產價格波動對經濟的影響分析——兼論我國房地產宏觀調控[J].價格理論與實踐，2009（8）：54-55.

[6]涂正革.全要素生產率與區(qū)域經濟增長的動力——基于對1995—2004年28個省市大中型工業(yè)的非參數生產前沿分析[J].南開經濟研究，2007（4）：14-36.

[7]鄧博文.工業(yè)企業(yè)房地產投資對企業(yè)創(chuàng)新的影響——基于中國上市公司數據的實證研究[J].經濟與管理研究，2014（10）：113-120.

[8]陳斌開，黃少安，歐陽滌非.房地產價格上漲能推動經濟增長嗎？[J].經濟學（季刊），2018（3）：212-235.

[9]Miao Jianjun， Wang "Pengfei. Sectoral bubbles， misallocation， and endogenous growth[J]. Journal of Mathematical Economics，2014（53）：153-163.

[10]張杰，楊連星，新夫.房地產阻礙了中國創(chuàng)新么？——基于金融體系貸款期限結構的解釋[J].管理世界，2016（5）：64-80.

[11]李江濤，褚磊，紀建悅.房地產投資與工業(yè)全要素生產率[J].山東大學學報（哲學社會科學版），2018（5）：131-139.

[12]崔瑩瑩，陳可石，高慶浩.房價上漲的創(chuàng)新抑制效應及其傳導機制[J].城市問題，2018（10）：4-11.

[13]陳斌開，金簫，歐陽滌非.住房價格、資源錯配與中國工業(yè)企業(yè)生產率[J].世界經濟，2015（4）：77-98.

[14]王文春，榮昭.房價上漲對工業(yè)企業(yè)創(chuàng)新的抑制影響研究[J].經濟學（季刊），2014（2）：465-490.

[15]李天祥，苗建軍.房價上漲對國民經濟影響的理論分析——基于房地產財富效應傳導機制視角[J].軟科學，2011（2）：57-61，71.

[16]黃靜.房價上漲與信貸擴張：基于金融加速器視角的實證分析[J].中國軟科學，2010（8）：61-69.

[17]劉京軍，張莉，徐現祥.土地出讓與銀行信貸配置——兼論實體經濟為何融資難[J].中山大學學報（社會科學版），2016（5）：186-200.

[18]Senhadji A S， Collyns C. Lending booms， real estate bubbles and the Asian crisis[J]. Imf Working Papers，2002（2）：1-46.

[19]況偉大.房地產投資、房地產信貸與中國經濟增長[J].經濟理論與經濟管理，2011（1）：59-68.

[20]Charles Goodhart， Boris Hofmann. House prices， money， credit and the macroeconomy[J]. Oxford Review of Economic Policy，2008（1）：180-205.

[21]鄭忠華，邸俊鵬.房地產借貸與中國宏觀經濟波動——基于信貸擴張視角的DSGE模擬研究[J].中國經濟問題，2015（4）：33-45.

[22]譚政勛，陳銘.房價波動與金融危機的國際經驗證據：抵押效應還是偏離效應[J].世界經濟，2012（3）：146-159.

[23]Che Xinwei，Li "Bin，Guo "Kun，et al. Property prices and bank lending： Some evidence from China's regional financial centres[J]. Procedia Computer Science，2011（4）：1660-1667.

[24]李春風，劉建江，齊祥芹.房地產價格對我國城鎮(zhèn)居民消費的長短期影響研究[J].財經理論與實踐，2018，39（1）：104-110.

[25]鞠 "方，李文君，于靜靜.房價、城市規(guī)模與工資性收入差距——基于中國32個大中城市面板數據的實證檢驗[J].財經理論與實踐，2019，40（5）：95-101.

[26]李莉.房地產信貸、房價與經濟增長——基于東中西部的實證研究[J].金融理論與實踐，2012（3）：21-26.

[27]宋勃，雷紅.銀行信貸沖擊與房地產價格波動：1999-2014———基于我國一、二線城市面板數據分析[J].財經科學，2016（5）：12-19.

[28]郭培利，沈悅.中國住宅價格調控效應：區(qū)域差異與時序波動[J].大連理工大學學報（社會科學版），2016（2）：24-30.

[29]馬勇，吳雪妍.銀行信貸如何影響房價？[J].金融評論，2018（3）：1-22，122.

[30]向宇，袁錦芝.我國房地產價格與金融機構信貸關系的實證分析[J].四川大學學報（哲學社會科學版），2010（4）：108-114.

[31]金成曉，馬麗娟.信貸政策效應的非對稱性、信貸擴張與經濟增長[J].統(tǒng)計研究，2010（9）：9-15.

[32]白欽先，張志文.金融發(fā)展與經濟增長：中國的經驗研究[J].南方經濟，2008（9）：17-32，16.

[33]趙振全，薛豐慧.金融發(fā)展對經濟增長影響的實證分析[J].金融研究，2004（8）：94-99.

[34]李青原，李江冰，江春，等.金融發(fā)展與地區(qū)實體經濟資本配置效率——來自省級工業(yè)行業(yè)數據的證據[J].經濟學（季刊），2013（2）：527-548.

[35]Joakim Westerlund. Testing for error correction in panel data[J].Oxford Bulletin of Economics and Statistics，2007（6）：709-748.