朱軒辰，劉亞臣，田東泉，周鮮華

（1. 沈陽(yáng)建筑大學(xué)，遼寧 沈陽(yáng) 110168，E-mail：zxc_941004@163.com；2. 遼寧省重要技術(shù)創(chuàng)新與產(chǎn)業(yè)基地建設(shè)工程中心，遼寧 沈陽(yáng) 110168；3. 遼寧省產(chǎn)業(yè)技術(shù)研究院，遼寧 沈陽(yáng) 110168）

近年來(lái)，隨著黨中央、國(guó)務(wù)院關(guān)于經(jīng)濟(jì)發(fā)展工作總體部署的落實(shí)以及科技創(chuàng)新政策體系的不斷完善，以科技創(chuàng)新為著力點(diǎn)推進(jìn)科技供給側(cè)結(jié)構(gòu)性改革、優(yōu)化經(jīng)濟(jì)增長(zhǎng)質(zhì)量已成為各地區(qū)經(jīng)濟(jì)增長(zhǎng)的主要任務(wù)。遼寧作為東北老工業(yè)基地，目前經(jīng)濟(jì)發(fā)展雖總體保持增長(zhǎng)趨勢(shì)，但增速已大幅度下降，保持經(jīng)濟(jì)平穩(wěn)過(guò)渡并轉(zhuǎn)向高質(zhì)量發(fā)展、實(shí)現(xiàn)新舊動(dòng)力的合理轉(zhuǎn)換，已成為遼寧各地區(qū)發(fā)展過(guò)程中面臨的迫切問(wèn)題。工業(yè)生產(chǎn)全要素就是考慮環(huán)境約束的投入產(chǎn)出效率，進(jìn)而有效地衡量某一地區(qū)的技術(shù)進(jìn)步及經(jīng)濟(jì)增長(zhǎng)質(zhì)量。全要素生產(chǎn)率水平已成為繼續(xù)保持經(jīng)濟(jì)穩(wěn)定發(fā)展的重要因素。

基于經(jīng)濟(jì)運(yùn)行的客觀社會(huì)政治環(huán)境提出的工業(yè)全要素生產(chǎn)率可能存在諸多因素影響經(jīng)濟(jì)運(yùn)行效率的持續(xù)提升。在工業(yè)全要素生產(chǎn)率的影響因素研究上，Miller等[1]指出貿(mào)易開(kāi)放程度和人力資本水平會(huì)促進(jìn)技術(shù)進(jìn)步，從而對(duì)工業(yè)全要素生產(chǎn)率產(chǎn)生帶動(dòng)效應(yīng)。Cohen等[2]基于工業(yè)企業(yè)的研發(fā)投資數(shù)據(jù)，指出研發(fā)投資存量指數(shù)會(huì)對(duì)技術(shù)進(jìn)步和技術(shù)效率產(chǎn)生帶動(dòng)作用。Shao等[3]通過(guò)對(duì)工業(yè)全要素生產(chǎn)率的測(cè)度指出R&D強(qiáng)度、勞動(dòng)生產(chǎn)率和能源效率的改進(jìn)可以顯著提高技術(shù)效率，而資本深化對(duì)技術(shù)效率只有緩解效果。Hu等[4]驗(yàn)證了外商直接投資在勞動(dòng)力和資本的作用下對(duì)工業(yè)全要素生產(chǎn)率的影響。Telle等[5]基于挪威面板數(shù)據(jù)指出適度的政府規(guī)制有助于企業(yè)進(jìn)行技術(shù)創(chuàng)新與技術(shù)進(jìn)步，從而提高工業(yè)全要素生產(chǎn)率帶動(dòng)經(jīng)濟(jì)可持續(xù)發(fā)展。盡管房地產(chǎn)投資活動(dòng)對(duì)經(jīng)濟(jì)變量有著顯著的影響，但直接針對(duì)房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率影響的研究相對(duì)較少。Coulson等[6]指出房地產(chǎn)開(kāi)發(fā)投資的增長(zhǎng)會(huì)顯著帶動(dòng)經(jīng)濟(jì)增長(zhǎng)，但這種經(jīng)濟(jì)增長(zhǎng)模式在宏觀上不具有穩(wěn)定性。Miao等[7]認(rèn)為指數(shù)經(jīng)濟(jì)增長(zhǎng)會(huì)受到房地產(chǎn)“泡沫效應(yīng)”和“信貸寬松”效應(yīng)的影響，而這種經(jīng)濟(jì)增長(zhǎng)會(huì)導(dǎo)致資源錯(cuò)配等問(wèn)題。部分學(xué)者從房?jī)r(jià)的角度檢驗(yàn)其對(duì)城市創(chuàng)新能力以及經(jīng)濟(jì)運(yùn)行效率的影響，余泳澤等[8]指出城市房?jī)r(jià)的增長(zhǎng)會(huì)促進(jìn)房地產(chǎn)投資增長(zhǎng)，導(dǎo)致房地產(chǎn)行業(yè)占用過(guò)多的資源傾向，從而抑制其他行業(yè)發(fā)展。相較于房?jī)r(jià)水平，房地產(chǎn)投資可以更為直觀地反映房地產(chǎn)市場(chǎng)資源配置規(guī)模，但使用房地產(chǎn)投資作為解釋變量理論假設(shè)尚且需要驗(yàn)證。

文獻(xiàn)梳理表明，直接探討房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率影響的文獻(xiàn)相對(duì)較少。其原因在于某些地區(qū)房地產(chǎn)投資是作為內(nèi)生變量作用于經(jīng)濟(jì)系統(tǒng)中，政府不便于控制房地產(chǎn)投資規(guī)模。但在我國(guó)房地產(chǎn)投資規(guī)模以及增速都具有一定的可控性，可通過(guò)相關(guān)政策控制房地產(chǎn)投資水平帶動(dòng)工業(yè)全要素生產(chǎn)率上升。本文以遼寧省為切入點(diǎn)，探究作為經(jīng)濟(jì)支柱的房地產(chǎn)投資是否會(huì)對(duì)工業(yè)全要素生產(chǎn)率產(chǎn)生影響，產(chǎn)生何種影響，以及如何構(gòu)建促進(jìn)工業(yè)全要素生產(chǎn)率增長(zhǎng)的房地產(chǎn)投資規(guī)制與體系，發(fā)揮房地產(chǎn)投資的導(dǎo)向作用，對(duì)于遼寧實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量增長(zhǎng)、提高技術(shù)進(jìn)步具有十分重要的意義。

1 理論分析

1.1 工業(yè)全要素生產(chǎn)率測(cè)度

本文采用基于DEA模型的Malmquist指數(shù)方法來(lái)對(duì)遼寧省14個(gè)地級(jí)市的工業(yè)全要素生產(chǎn)率進(jìn)行分解，分析其動(dòng)態(tài)變化情況及影響因素。該方法利用Caves[9]報(bào)酬不變的CCR模型的基礎(chǔ)上，考慮報(bào)酬變動(dòng)VRS模型，基礎(chǔ)投入產(chǎn)出效率可以運(yùn)用距離模型的比率來(lái)計(jì)算得出。具體表現(xiàn)形式如下：

式中，將效率的變化分解為純技術(shù)效率變化和規(guī)模效率變化，指固定規(guī)模報(bào)酬情況下的距離函數(shù)；指可變規(guī)模報(bào)酬情況下的距離函數(shù)。

工業(yè)全要素生產(chǎn)率變化（TFPCH）、技術(shù)效率變化（EFFCH）、純技術(shù)效率變化（PECH）、規(guī)模效率變化（SECH），技術(shù)進(jìn)步率變化（TECHCH），其間關(guān)系：

根據(jù)以上理論方法，選取2008~2017年遼寧省14個(gè)地級(jí)市的規(guī)模級(jí)以上工業(yè)企業(yè)相關(guān)數(shù)據(jù)對(duì)工業(yè)全要素生產(chǎn)率指數(shù)進(jìn)行測(cè)算。

產(chǎn)出變量：選取遼寧省各地級(jí)以上城市的工業(yè)生產(chǎn)總值作為產(chǎn)出指標(biāo)，并用當(dāng)?shù)毓I(yè)生產(chǎn)者出廠價(jià)格，以2008年為基期，對(duì)各市規(guī)模級(jí)以上工業(yè)生產(chǎn)總值進(jìn)行平減處理。

投入變量：資本投入[10]。考慮到采取永續(xù)盤(pán)存的方法估算資本存量具有對(duì)數(shù)據(jù)要求高，而工業(yè)企業(yè)數(shù)據(jù)搜集困難的特點(diǎn)，因此選用規(guī)模以上工業(yè)企業(yè)流動(dòng)資產(chǎn)與固定資產(chǎn)凈值之合作為資本投入變量，為扣除價(jià)格因素，以2008年為基期，用固定資產(chǎn)投資價(jià)格指數(shù)對(duì)數(shù)據(jù)進(jìn)行平減處理；勞動(dòng)投入。由于勞動(dòng)時(shí)間數(shù)據(jù)的不易獲得，從業(yè)人員可以在一定程度上反應(yīng)勞動(dòng)投入的情況，因此采用各地級(jí)以上城市工業(yè)從業(yè)人員數(shù)量來(lái)衡量勞動(dòng)投入。

用DEAP2.1軟件測(cè)算得到2008~2017年工業(yè)全要素生產(chǎn)率指數(shù)及其分解指數(shù)。各地區(qū)工業(yè)全要素生產(chǎn)率幾何平均值如表1所示。

表1 工業(yè)全要素生產(chǎn)率及其分解指數(shù)

1.2 機(jī)理分析

目前學(xué)術(shù)界對(duì)工業(yè)全要素生產(chǎn)率的測(cè)度并沒(méi)有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，部分學(xué)者對(duì)測(cè)度結(jié)果存在一定分歧，龔關(guān)等[11]、指出目前工業(yè)全要素生產(chǎn)率的增長(zhǎng)較為緩慢。王藝明等[12]曾指出目前國(guó)內(nèi)工業(yè)全要素生產(chǎn)率呈下行趨勢(shì)，與本文局部測(cè)度結(jié)果相仿。

造成測(cè)算結(jié)果不同的原因：一是測(cè)度方法不同，測(cè)度方法中存在索羅余值、DEA、SFA等多種方法，各有爭(zhēng)議；二是樣本單位不同，部分學(xué)者以省級(jí)面板數(shù)據(jù)對(duì)遼寧進(jìn)行全要素生產(chǎn)率的測(cè)度與使用地級(jí)以上城市數(shù)據(jù)相比誤差更加明顯；三是數(shù)據(jù)指標(biāo)不同，本文以工業(yè)部門(mén)為研究對(duì)象測(cè)算全要素生產(chǎn)率，投入產(chǎn)出變量相互之間也可能有所不同。

整體上看，遼寧地區(qū)大部分地級(jí)以上城市工業(yè)全要素生產(chǎn)率是下降的，僅有大連、盤(pán)錦、葫蘆島為正。2008~2017年間全遼寧省工業(yè)全要素生產(chǎn)率指數(shù)均值為0.953，年均下降率為4.7%，分解工業(yè)全要素生產(chǎn)率指數(shù)，得出遼寧省技術(shù)效率指數(shù)年均增長(zhǎng)1.0%，呈正增長(zhǎng)；遼寧省技術(shù)進(jìn)步指數(shù)年均下降5.6%，呈負(fù)增長(zhǎng)，說(shuō)明遼寧省工業(yè)全要素生產(chǎn)率下降的主要來(lái)源是技術(shù)進(jìn)步。較低的技術(shù)進(jìn)步指數(shù)表明遼寧省工業(yè)技術(shù)進(jìn)步還有很大的提升空間，對(duì)其改進(jìn)則要從企業(yè)體制改革、優(yōu)化資源配置、調(diào)整生產(chǎn)規(guī)模、企業(yè)內(nèi)部控制管理等多方面著手。

2 實(shí)證分析

2.1 模型設(shè)定

基于作用機(jī)制中房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率的關(guān)系分析，考慮到房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率可能存在的非線性關(guān)系以及其他因素對(duì)工業(yè)全要素生產(chǎn)率的影響，構(gòu)造模型如下：

式中，TFP 表示工業(yè)全要素生產(chǎn)率；REI 表示房地產(chǎn)投資；NTR 表示自然資源稟賦；GOV 表示政府干預(yù)程度；NOV 表示科技創(chuàng)新投入；FDI 表示外商直接投資；IND 表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度；μi為不隨時(shí)間變化的不可觀測(cè)影響因素；εiy表示誤差項(xiàng)，角標(biāo)i 和t 分別表示所在地區(qū)，以及年份時(shí)間。

2.2 變量選擇

2.2.1 被解釋變量

工業(yè)全要素生產(chǎn)率：在經(jīng)濟(jì)發(fā)展的過(guò)程中，效率是地區(qū)發(fā)展的核心內(nèi)容，工業(yè)是城市發(fā)展的經(jīng)濟(jì)支柱，而工業(yè)全要素生產(chǎn)率是衡量發(fā)展效率與質(zhì)量的重要指標(biāo)，這與當(dāng)前著名學(xué)者魯曉東等[13]所提倡的提高工業(yè)全要素生產(chǎn)率要從宏觀步入微觀來(lái)促進(jìn)經(jīng)濟(jì)增長(zhǎng)技術(shù)進(jìn)步的觀點(diǎn)基本相符。

2.2.2 核心解釋變量

房地產(chǎn)投資指數(shù)：對(duì)于房地產(chǎn)投資的度量方式，現(xiàn)有文獻(xiàn)中存在的方法較多，孟憲春等[14]使用房地產(chǎn)開(kāi)發(fā)投資存量來(lái)度量，張杰等[15]使用房地產(chǎn)投資增長(zhǎng)率進(jìn)行度量，本文選取各地級(jí)市房地產(chǎn)投資開(kāi)發(fā)額的對(duì)數(shù)來(lái)衡量房地產(chǎn)投資這個(gè)變量。

2.2.3 解釋變量

本文所構(gòu)建的模型中包含自然資源稟賦NRE，政府干預(yù)程度GOV，科技創(chuàng)新投入NOV，對(duì)外開(kāi)放程度FDI以及產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度IND。

（1）自然資源稟賦。比較優(yōu)勢(shì)理論認(rèn)為“當(dāng)城市擁有較高的自然資源稟賦時(shí)，就會(huì)密集使用該資源致使相關(guān)產(chǎn)業(yè)得到更快的發(fā)展，從而形成該種產(chǎn)業(yè)的比較優(yōu)勢(shì)”。因此本文選取各地級(jí)市農(nóng)、林、牧漁業(yè)和采礦業(yè)從業(yè)人員占全部從業(yè)人員的比重來(lái)衡量自然資源稟賦。

（2）政府干預(yù)程度。新自由主義學(xué)派在經(jīng)濟(jì)理論方面指出，“經(jīng)濟(jì)活動(dòng)過(guò)程中市場(chǎng)應(yīng)該作為主體充分發(fā)揮調(diào)動(dòng)作用，對(duì)于資源配置積極引導(dǎo)，以有效促進(jìn)技術(shù)水平的提高，加快科技創(chuàng)新的速度，而不是由政府作為干預(yù)經(jīng)濟(jì)活動(dòng)的主體”。因此，本文中的變量選取遼寧省各地級(jí)以上城市財(cái)政收入水平占所在地區(qū)GDP的比重作為政府干預(yù)程度的衡量指標(biāo)。

（3）科技創(chuàng)新投入。新古典理論認(rèn)為“地區(qū)的技術(shù)創(chuàng)新速度落后于該地區(qū)經(jīng)濟(jì)發(fā)展速度時(shí)，會(huì)導(dǎo)致發(fā)展不平衡的問(wèn)題，當(dāng)?shù)卣畬?yīng)通過(guò)補(bǔ)貼等方式以及加大科技投入等調(diào)控手段，積極引導(dǎo)當(dāng)?shù)氐募夹g(shù)創(chuàng)新活動(dòng)，充分發(fā)揮調(diào)動(dòng)作用，加速技術(shù)進(jìn)步，以有效改善經(jīng)濟(jì)發(fā)展速度和技術(shù)創(chuàng)新效率之間不平衡的問(wèn)題”。因此，本文中的變量選取遼寧省各地級(jí)以上城市財(cái)政支出中的科學(xué)技術(shù)支出部分占總支出的比重作為科技創(chuàng)新投入的衡量指標(biāo)。

（4）對(duì)外開(kāi)放程度。新增長(zhǎng)理論認(rèn)為，資源配置效率受到對(duì)外開(kāi)放程度的影響，對(duì)外開(kāi)放帶動(dòng)地區(qū)技術(shù)進(jìn)步從而形成“規(guī)模經(jīng)濟(jì)”。以外商直接投資的方式帶動(dòng)地區(qū)的技術(shù)效率從而實(shí)現(xiàn)“技術(shù)溢出”，帶動(dòng)被投資地區(qū)的技術(shù)擴(kuò)散速度，同時(shí)也可以通過(guò)對(duì)工業(yè)領(lǐng)域的投資，推動(dòng)該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。因此，本文中的變量選取各地級(jí)以上城市外商投資占該地區(qū)生產(chǎn)總值的比重來(lái)衡量自然資源稟賦。

（5）產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度。根據(jù)配第-克拉克定律，伴隨著經(jīng)濟(jì)發(fā)展、人力資本水平人均收入的提高，在勞動(dòng)力需求因素的作用，第一產(chǎn)業(yè)會(huì)率先發(fā)生勞動(dòng)力轉(zhuǎn)移，而第二產(chǎn)業(yè)會(huì)受到經(jīng)濟(jì)發(fā)展效率的帶動(dòng)影響，隨后伴隨著經(jīng)濟(jì)發(fā)展和科技創(chuàng)新的不斷進(jìn)步，第二產(chǎn)業(yè)會(huì)隨之發(fā)生勞動(dòng)力轉(zhuǎn)移，第三產(chǎn)業(yè)會(huì)受到經(jīng)濟(jì)發(fā)展效率的帶動(dòng)影響。因此，本文中的變量選取遼寧省各地級(jí)以上城市第二產(chǎn)業(yè)與第三產(chǎn)業(yè)增加值占所在地區(qū)GDP 的比重作為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度的衡量指標(biāo)。

2.3 數(shù)據(jù)來(lái)源及研究方法

鑒于數(shù)據(jù)的可獲得性，本文利用匹配的2009~2017 年的遼寧省14 個(gè)地級(jí)以上城市市規(guī)模及以上工業(yè)企業(yè)的相關(guān)數(shù)據(jù)，以及房地產(chǎn)投資的相關(guān)數(shù)據(jù)作為分析的對(duì)象，數(shù)據(jù)來(lái)源為《遼寧省統(tǒng)計(jì)年鑒》（2009~2016）、《中國(guó)城市統(tǒng)計(jì)年鑒》（2009~2016）以及各地統(tǒng)計(jì)公報(bào)（2017）計(jì)算整理得到。變量描述性統(tǒng)計(jì)見(jiàn)表2。

表2 描述性變量統(tǒng)計(jì)

鑒于文本采用的是時(shí)間維度小于截面維度的短面板數(shù)據(jù)，據(jù)此直接對(duì)動(dòng)態(tài)面板數(shù)據(jù)進(jìn)行建模。可能對(duì)工業(yè)全要素生產(chǎn)率造成影響原因有很多，部分?jǐn)?shù)據(jù)無(wú)法獲得且無(wú)法把所有因素都加入進(jìn)模型當(dāng)中，可能存在遺漏變量，從而產(chǎn)生內(nèi)生性的問(wèn)題。綜上，本文選擇GMM方法對(duì)相關(guān)變量進(jìn)行建模。Blundell等[16]緩解了因?yàn)閿?shù)據(jù)誤差、遺漏變量等原因產(chǎn)生的內(nèi)生性問(wèn)題，率先使用差分GMM方法，將所有可能存在的滯后變量作為工具變量對(duì)差分后的方程進(jìn)行估計(jì)，但可能會(huì)存在弱工具變量的缺陷。Arellano等[17]在此基礎(chǔ)上將水平方程GMM和差分方程GMM相結(jié)合的方式建立估計(jì)模型。相比之下，系統(tǒng)GMM可以提升估計(jì)效率，比差分GMM更為有效，所本本文采用系統(tǒng)GMM的估算結(jié)果進(jìn)行預(yù)測(cè)分析。

3 實(shí)證結(jié)果分析

如表3所示，模型中Ar（1）P均在0.001~0.005之間小于0.05，模型中Ar（2）P值均在0.867~0.989之間通過(guò)檢驗(yàn)，說(shuō)明模型不存在二階自相關(guān)。Sargan檢驗(yàn)P值在0.335~0.775之間且Hansen檢驗(yàn)的P值在0.973~0.998之間均通過(guò)檢驗(yàn)，說(shuō)明模型設(shè)定合理，顯著接受“所有工具變量都有效的”的原假設(shè)，不存在“過(guò)度識(shí)別”的問(wèn)題。在模型（1）（2）（3）（5）（6）中因變量一階滯后變量通過(guò)顯著性檢驗(yàn)，說(shuō)明上期工業(yè)全要素生產(chǎn)率、技術(shù)效率或技術(shù)進(jìn)步可能對(duì)本期存在負(fù)向影響。在穩(wěn)健性檢驗(yàn)方面，表3中DIF-GMM與SYS-GMM分析結(jié)果中的核心解釋變量與控制變量顯著性與符號(hào)基本保持一致，在一定程度上驗(yàn)證了模型的穩(wěn)健性。

（1）房地產(chǎn)投資與工業(yè)全要素生產(chǎn)率呈倒U型曲線，根據(jù)模型（1）模型（4）可知一次項(xiàng)呈正相關(guān)關(guān)系，而二次項(xiàng)呈負(fù)相關(guān)關(guān)系。在拐點(diǎn)的左側(cè)，房地產(chǎn)投資每增加1%，將促進(jìn)工業(yè)全要素生產(chǎn)率增長(zhǎng)0.0845%。在拐點(diǎn)的右側(cè)，房地產(chǎn)投資每增加1%，將降低工業(yè)全要素生產(chǎn)率0.0030%。通過(guò)模型（4）計(jì)算得出倒U型曲線的拐點(diǎn)值為14.0833，而目前遼寧省房地產(chǎn)投資均值為13.7478，說(shuō)明當(dāng)前房地產(chǎn)投資的程度已接近工業(yè)全要素生產(chǎn)率的拐點(diǎn)值，短期內(nèi)若繼續(xù)擴(kuò)大房地產(chǎn)投資將會(huì)促進(jìn)工業(yè)全要素生產(chǎn)率的提升。這是因?yàn)橄噍^于工業(yè)的發(fā)展水平，房地產(chǎn)投資總量大、發(fā)展速度快，在發(fā)展不平衡不充分的情況下，房地產(chǎn)投資促使人口規(guī)模擴(kuò)大而帶動(dòng)工業(yè)全要素生產(chǎn)率的提升的邊際效應(yīng)已接近峰值，邊際效應(yīng)也減小，這也說(shuō)明了房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率的正向影響是有限的。

（2）房地產(chǎn)投資與技術(shù)效率呈正U型曲線，根據(jù)模型（2）模型（5）可知一次項(xiàng)呈負(fù)相關(guān)，而二次項(xiàng)呈正相關(guān)。在拐點(diǎn)的左側(cè)，房地產(chǎn)投資每增加1%，將抑制促進(jìn)技術(shù)效率0.6110%。在拐點(diǎn)的右側(cè)，房地產(chǎn)投資每增加1%，將促進(jìn)技術(shù)效率增長(zhǎng)0.0209%。通過(guò)模型（5）可計(jì)算出倒U型曲線的拐點(diǎn)值為14.6172。目前遼寧省房地產(chǎn)投資均值為13.7478，說(shuō)明繼續(xù)擴(kuò)大投資將會(huì)抑制技術(shù)效率的提升。

（3）房地產(chǎn)投資與技術(shù)進(jìn)步呈倒U型曲線，根據(jù)模型（3）模型（6）可知一次項(xiàng)呈正相關(guān)關(guān)系，而二次項(xiàng)呈負(fù)相關(guān)關(guān)系。在拐點(diǎn)的左側(cè)，房地產(chǎn)投資每增加1%，將促進(jìn)工業(yè)全要素生產(chǎn)率增長(zhǎng)0.6466%。在拐點(diǎn)的右側(cè)，房地產(chǎn)投資每增加1%，將降低工業(yè)全要素生產(chǎn)率0.0224%。通過(guò)模型（6）計(jì)算得出倒U型曲線的拐點(diǎn)值為14.4330，而目前遼寧省房地產(chǎn)投資均值為13.7478，說(shuō)明當(dāng)前房地產(chǎn)投資的程度對(duì)技術(shù)進(jìn)步的影響具有一定提升空間。

（4）自然資源稟賦在5%的水平上與工業(yè)全要素生產(chǎn)率呈現(xiàn)正相關(guān)，這說(shuō)明遼寧省眾多資源性城市已普遍脫離依賴自然資源來(lái)發(fā)展經(jīng)濟(jì)。以自然資源換取經(jīng)濟(jì)發(fā)展，脫離技術(shù)進(jìn)步和技術(shù)創(chuàng)新將走向“資源詛咒”，自然資源所產(chǎn)生的經(jīng)濟(jì)積累與人口集聚已帶動(dòng)該地區(qū)的工業(yè)全要素生產(chǎn)率正向發(fā)展。外商投資、科技創(chuàng)新投入與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度均對(duì)工業(yè)全要素生產(chǎn)率呈正相關(guān)關(guān)系，這主要是因?yàn)橥馍唐髽I(yè)可以帶來(lái)知識(shí)溢出、技術(shù)擴(kuò)散從而促進(jìn)工業(yè)全要素生產(chǎn)率上升，科技創(chuàng)新投入是直接反應(yīng)該地區(qū)經(jīng)濟(jì)的投入指標(biāo)，各地區(qū)財(cái)政科學(xué)技術(shù)支出對(duì)工業(yè)全要素生產(chǎn)率有正向影響。而政府干預(yù)程度與工業(yè)全要素生產(chǎn)率存在負(fù)相關(guān)關(guān)系，主要原因在于政府的職能越位，并且對(duì)科技創(chuàng)新的投入力度不足，更加注重短期的經(jīng)濟(jì)發(fā)展效益所導(dǎo)致的。

按照系統(tǒng)GMM模型的回歸結(jié)果繪制出了房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率、技術(shù)效率和技術(shù)進(jìn)步的影響關(guān)系如圖1所示。進(jìn)一步觀察房地產(chǎn)投資指數(shù)各個(gè)門(mén)檻值的大小，可以發(fā)現(xiàn)工業(yè)全要素生產(chǎn)率、技術(shù)效率、技術(shù)進(jìn)步與房地產(chǎn)投資指數(shù)的U型曲線關(guān)系的拐點(diǎn)分別為14.0833、14.6172、14.4330，結(jié)果表明目前房地產(chǎn)投資指數(shù)為13.7478，位于工業(yè)全要素生產(chǎn)率倒U型曲線的左側(cè)，若持續(xù)擴(kuò)大房地產(chǎn)投資反而不利于工業(yè)全要素生產(chǎn)率的增長(zhǎng)，從而使工業(yè)全要素生產(chǎn)率、技術(shù)效率轉(zhuǎn)為下降，適度控制房地產(chǎn)投資促進(jìn)全要素生產(chǎn)率、技術(shù)效率增長(zhǎng)而使整體進(jìn)入的交匯發(fā)展的形勢(shì)當(dāng)中。

表3 差分GMM 與系統(tǒng)GMM 估計(jì)結(jié)果

圖1 房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率、技術(shù)效率和技術(shù)進(jìn)步的影響關(guān)系

4 政策建議

從實(shí)證分析的影響關(guān)系可以看出，房地產(chǎn)投資的確會(huì)對(duì)工業(yè)全要素生產(chǎn)率產(chǎn)生提高的效應(yīng)，但這種效應(yīng)會(huì)隨著房地產(chǎn)投資規(guī)模的過(guò)渡增長(zhǎng)而產(chǎn)生負(fù)向影響。由于房地產(chǎn)投資指數(shù)已接近拐點(diǎn)值，地方政府重視房地產(chǎn)投資的膨脹可能阻礙城市工業(yè)全要素生產(chǎn)率的、技術(shù)進(jìn)步的問(wèn)題。著重調(diào)整房地產(chǎn)投資增速，平衡供需關(guān)系，正確引導(dǎo)房地產(chǎn)市場(chǎng)走向。準(zhǔn)確控制房地產(chǎn)投資門(mén)檻值，對(duì)房地產(chǎn)投資進(jìn)行適當(dāng)“降溫”并嚴(yán)格管控土地市場(chǎng)?？刂品康禺a(chǎn)投資的增速對(duì)房地產(chǎn)市場(chǎng)進(jìn)行中長(zhǎng)期的規(guī)劃，以此促進(jìn)遼寧地方經(jīng)濟(jì)發(fā)展質(zhì)量以及維護(hù)科技創(chuàng)新效率。遼寧省各地區(qū)工業(yè)全要素生產(chǎn)率的測(cè)度結(jié)果具有一定差異，各地技術(shù)發(fā)展水平不同，房地產(chǎn)投資規(guī)模優(yōu)勢(shì)具有較強(qiáng)的地域性，因此，需要因地制宜地采取收緊房地產(chǎn)投資的管控措施，強(qiáng)化政府對(duì)房地產(chǎn)投資的管控力度，保障房地產(chǎn)市場(chǎng)平穩(wěn)發(fā)展，政府的管控力度將直接影響房地產(chǎn)發(fā)展趨勢(shì)。在房地產(chǎn)投資指數(shù)較高的地區(qū)，政府通過(guò)房貸、限購(gòu)等政策抑制投機(jī)、投資行為，并進(jìn)一步通過(guò)稅收手段擠壓投機(jī)者利潤(rùn)空間，如土地增值稅，LRP利率，基準(zhǔn)利率等。同時(shí)增加保障性住房的供給，根據(jù)地區(qū)發(fā)展實(shí)際規(guī)模制定符合市場(chǎng)發(fā)展的二手房市場(chǎng)政策，正確引導(dǎo)房地產(chǎn)市場(chǎng)走向，避免房地產(chǎn)供給過(guò)度導(dǎo)致人口與產(chǎn)業(yè)發(fā)展失衡。

在解釋變量中，產(chǎn)業(yè)發(fā)展模式等因素同樣制約著科技創(chuàng)新能力，通過(guò)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化工業(yè)全要素生產(chǎn)率的方式與遼寧地區(qū)較為契合?？衫眠|寧老工業(yè)基地優(yōu)勢(shì)，借鑒國(guó)際“再工業(yè)化”戰(zhàn)略，在省內(nèi)沿海城市全面加大對(duì)科技創(chuàng)新、技術(shù)進(jìn)步的投入，以此帶動(dòng)人口集聚和實(shí)體經(jīng)濟(jì)的發(fā)展，對(duì)高新技術(shù)企業(yè)加大扶持力度，以政府補(bǔ)貼、擔(dān)保等手段擴(kuò)大企業(yè)發(fā)展空間，從而增強(qiáng)遼寧省的工業(yè)競(jìng)爭(zhēng)力，以此來(lái)為工業(yè)發(fā)展提供更多的空間。

5 結(jié)語(yǔ)

本文在對(duì)工業(yè)全要生產(chǎn)率測(cè)度的基礎(chǔ)上，利用2009~2017年遼寧省14個(gè)地級(jí)以上市的面板數(shù)據(jù)進(jìn)行實(shí)證分析，研究發(fā)現(xiàn)：房地產(chǎn)投資工業(yè)與全要素生產(chǎn)率呈顯著的倒U型關(guān)系，房地產(chǎn)投資與技術(shù)效率呈顯著的U型關(guān)系，房地產(chǎn)投資與技術(shù)進(jìn)步呈顯著的倒U型關(guān)系。當(dāng)前房地產(chǎn)投資對(duì)工業(yè)全要素生產(chǎn)率具有顯著的促進(jìn)作用，但已接近拐點(diǎn)值，對(duì)技術(shù)效率的提升具有抑制作用，當(dāng)前房地產(chǎn)投資對(duì)技術(shù)進(jìn)步具有顯著的促進(jìn)作用。遼寧各地逐步擺脫對(duì)自然資源的依賴，自然資源對(duì)工業(yè)全要素生產(chǎn)率具有正相關(guān)關(guān)系。外商投資、科技創(chuàng)新投入與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度均有助于工業(yè)全要素生產(chǎn)率的提升。