周華東，李 鑫，高玲玲

（合肥工業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院，安徽 合肥 230009）

一、引 言

近年來(lái)，我國(guó)依托豐富的勞動(dòng)力資源實(shí)現(xiàn)經(jīng)濟(jì)快速發(fā)展，成為世界第二大經(jīng)濟(jì)體，但我國(guó)資源配置水平與發(fā)達(dá)國(guó)家相比還有較大差距，對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)較?。?］。同時(shí)我國(guó)經(jīng)濟(jì)存在結(jié)構(gòu)性失衡且因外部需求疲軟面臨下行壓力，急需轉(zhuǎn)變發(fā)展方式，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。在推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的眾多因素中，全要素生產(chǎn)率不存在規(guī)模報(bào)酬遞減，是我國(guó)進(jìn)入新常態(tài)后推動(dòng)經(jīng)濟(jì)持續(xù)增長(zhǎng)的動(dòng)力。而資源錯(cuò)配會(huì)降低全要素生產(chǎn)率和經(jīng)濟(jì)增長(zhǎng)速度［2-5］，因此我國(guó)要制定合理政策改善資源錯(cuò)配，消除各種扭曲，為經(jīng)濟(jì)高質(zhì)量發(fā)展提供強(qiáng)有力的增長(zhǎng)動(dòng)能［6］。黨的十九屆五中全會(huì)提出堅(jiān)定不移建設(shè)制造強(qiáng)國(guó)，習(xí)近平總書記也強(qiáng)調(diào)實(shí)體經(jīng)濟(jì)尤其是制造業(yè)發(fā)展的重要性，而制造業(yè)的資源配置效率直接關(guān)系到經(jīng)濟(jì)的高質(zhì)量發(fā)展。

房?jī)r(jià)關(guān)乎民生，對(duì)我國(guó)社會(huì)公平的實(shí)現(xiàn)影響深遠(yuǎn)。我國(guó)房地產(chǎn)市場(chǎng)近年來(lái)發(fā)展迅猛，據(jù)國(guó)家統(tǒng)計(jì)局公布的官方數(shù)據(jù)，從2000年到2020年，住宅商品房每平方米均價(jià)從1 948元上漲到9 860元，20年間房?jī)r(jià)上漲了406.16%?，F(xiàn)有研究認(rèn)為，房?jī)r(jià)上漲對(duì)于居民消費(fèi)［7-8］、物價(jià)水平［9］、經(jīng)濟(jì)增長(zhǎng)［10］等關(guān)乎經(jīng)濟(jì)社會(huì)穩(wěn)定和人民生活水平的因素均產(chǎn)生重要影響。因此，2021年政府工作報(bào)告中重申“房住不炒”以及穩(wěn)地價(jià)、穩(wěn)房?jī)r(jià)、穩(wěn)預(yù)期的“三穩(wěn)”目標(biāo)，引導(dǎo)房?jī)r(jià)回歸合理水平以保障民生，促進(jìn)社會(huì)公平和實(shí)體經(jīng)濟(jì)良性發(fā)展。房?jī)r(jià)的大幅上漲對(duì)其他實(shí)體經(jīng)濟(jì)的發(fā)展產(chǎn)生了重要影響，如何協(xié)調(diào)好房地產(chǎn)市場(chǎng)發(fā)展和優(yōu)化資源配置之間的關(guān)系，是提高全要素生產(chǎn)率、促進(jìn)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵問題?；诖?，本文聚焦房?jī)r(jià)波動(dòng)對(duì)制造業(yè)資源錯(cuò)配的影響，嘗試在中國(guó)特色社會(huì)主義基本經(jīng)濟(jì)制度背景下解釋房?jī)r(jià)影響資源錯(cuò)配的理論機(jī)制。

現(xiàn)有研究圍繞資源錯(cuò)配的成因［11-14］、測(cè)度方法［2，15］、對(duì)全要素生產(chǎn)率和經(jīng)濟(jì)增長(zhǎng)等［4-5、16-18］的影響進(jìn)行了深入研究，但關(guān)注房?jī)r(jià)上漲對(duì)資源錯(cuò)配影響的研究較少。羅知和張川川（2015）［19］認(rèn)為，房?jī)r(jià)快速上漲時(shí)，房地產(chǎn)投資額隨之增加，會(huì)降低制造業(yè)的資源配置效率。現(xiàn)有研究還存在以下幾點(diǎn)可以改進(jìn)：一是針對(duì)快速發(fā)展的房地產(chǎn)市場(chǎng)對(duì)資源錯(cuò)配的具體影響缺乏嚴(yán)謹(jǐn)?shù)膶?shí)證分析，關(guān)于房?jī)r(jià)對(duì)資本和勞動(dòng)兩種要素配置的影響研究較少；二是尚未明確房?jī)r(jià)上漲影響資源錯(cuò)配的具體路徑，這不利于房地產(chǎn)對(duì)資源錯(cuò)配影響的理論發(fā)展和政府部門制定合理的政策措施。因此，本文聚焦房?jī)r(jià)上漲對(duì)制造業(yè)資本和勞動(dòng)要素錯(cuò)配、整體資源錯(cuò)配的影響，并嘗試解釋其影響機(jī)制。與以往研究相比，本文可能的貢獻(xiàn)有：基于城市和行業(yè)中類層面數(shù)據(jù)，就房?jī)r(jià)上漲對(duì)資本和勞動(dòng)兩種要素扭曲進(jìn)行翔實(shí)的定量研究；將房?jī)r(jià)上漲與資源錯(cuò)配納入統(tǒng)一的分析框架，實(shí)證檢驗(yàn)房?jī)r(jià)上漲對(duì)資源錯(cuò)配的異質(zhì)性影響，并探討可能的影響機(jī)理。

二、文獻(xiàn)綜述與理論分析

已有較多學(xué)者研究房?jī)r(jià)上漲對(duì)于制造業(yè)的影響，主要表現(xiàn)為對(duì)實(shí)體企業(yè)的“擠出效應(yīng)”。Miao和Wang（2014）［20］從泡沫理論的角度進(jìn)行研究，發(fā)現(xiàn)房地產(chǎn)泡沫吸引了更多資源流向房地產(chǎn)企業(yè)，抑制了其他企業(yè)的研發(fā)和創(chuàng)新投入。房?jī)r(jià)上漲帶來(lái)的高利潤(rùn)率導(dǎo)致銀行等金融信貸機(jī)構(gòu)將更多資金投向房地產(chǎn)市場(chǎng)，導(dǎo)致制造業(yè)投資不足，特別是研發(fā)投資減少［21］，從而降低了制造業(yè)企業(yè)創(chuàng)新動(dòng)力［22］，削弱了企業(yè)的創(chuàng)業(yè)活動(dòng)［23］。除了對(duì)制造業(yè)資本產(chǎn)生擠出效應(yīng)外，房?jī)r(jià)上漲對(duì)于勞動(dòng)要素的配置也產(chǎn)生了影響，佟家棟和劉竹青（2018）［24］、周穎剛等（2019）［25］研究發(fā)現(xiàn)，高房?jī)r(jià)會(huì)擠出制造業(yè)部門的勞動(dòng)力。房?jī)r(jià)上漲的擠出效應(yīng)增加了企業(yè)的經(jīng)營(yíng)成本［26］，抑制了企業(yè)創(chuàng)新，所以有必要制定措施促進(jìn)生產(chǎn)要素更多流向制造業(yè)企業(yè)。但由于我國(guó)的財(cái)政分權(quán)制度，地方政府對(duì)土地財(cái)政依賴度較高，有推動(dòng)房?jī)r(jià)上漲的動(dòng)力，加快了資本和勞動(dòng)要素由制造業(yè)流向房地產(chǎn)部門，扭曲了要素配置。

陳斌開等（2015）［27］研究發(fā)現(xiàn)，由于利潤(rùn)率和全要素生產(chǎn)率的“倒掛”機(jī)制，即房?jī)r(jià)上漲會(huì)帶動(dòng)相關(guān)行業(yè)發(fā)展，提高企業(yè)利潤(rùn)率，但這些行業(yè)的生產(chǎn)率處于較低水平，因此房?jī)r(jià)上漲會(huì)導(dǎo)致資源錯(cuò)配，降低資源配置效率，從而導(dǎo)致全要素生產(chǎn)率下降。余靜文等（2017）［28］也認(rèn)為，房?jī)r(jià)上漲會(huì)對(duì)行業(yè)TFP產(chǎn)生負(fù)面影響，并加劇資源錯(cuò)配。在金融市場(chǎng)不完善且進(jìn)入行業(yè)存在較高壁壘時(shí)，房?jī)r(jià)上漲會(huì)導(dǎo)致人力資本錯(cuò)配［29］。羅知、張川川（2015）［19］研究了房地產(chǎn)投資增長(zhǎng)對(duì)制造業(yè)資源配置效率的影響，發(fā)現(xiàn)資源配置效率因房地產(chǎn)投資增加而顯著下降，在我國(guó)金融市場(chǎng)中，國(guó)企更容易獲得信貸資金并將資金投資于房地產(chǎn)行業(yè)，導(dǎo)致了資源錯(cuò)配。相較于羅知、張川川（2015）［19］的研究成果，本文對(duì)資本和勞動(dòng)兩種要素的錯(cuò)配分別展開研究，并對(duì)不同行業(yè)進(jìn)行詳細(xì)的異質(zhì)性分析，探討房?jī)r(jià)影響資源配置的機(jī)制，以豐富現(xiàn)有研究結(jié)論。

本文認(rèn)為房?jī)r(jià)通過以下兩方面影響資源錯(cuò)配：

（1）房?jī)r(jià)上漲通過影響工資水平影響資源配置。在勞動(dòng)力邊際產(chǎn)出保持原有水平的前提下，如果勞動(dòng)力工資隨房?jī)r(jià)上漲而發(fā)生變動(dòng)，工資變動(dòng)會(huì)影響企業(yè)關(guān)于勞動(dòng)力雇傭的決策，導(dǎo)致勞動(dòng)力配置出現(xiàn)扭曲。而在有限資源條件下，勞動(dòng)力配置扭曲會(huì)對(duì)資本配置和整體資源配置產(chǎn)生影響，一些學(xué)者研究了房?jī)r(jià)變動(dòng)對(duì)工資的影響，陸銘等（2015）［30］認(rèn)為，偏向中西部的土地政策推動(dòng)了東部地區(qū)房?jī)r(jià)上漲，同時(shí)提高了東部地區(qū)工資水平，并且由房?jī)r(jià)帶動(dòng)的工資上漲并未伴隨著勞動(dòng)生產(chǎn)率相應(yīng)提高，最終會(huì)對(duì)我國(guó)經(jīng)濟(jì)發(fā)展產(chǎn)生不利影響。佟家棟和劉竹青（2018）［24］研究了房?jī)r(jià)上漲對(duì)制造業(yè)和建筑業(yè)就業(yè)的影響，發(fā)現(xiàn)房?jī)r(jià)上漲促進(jìn)了建筑業(yè)和制造業(yè)工資上漲，但制造業(yè)相對(duì)于建筑業(yè)的工資則呈現(xiàn)下降趨勢(shì)，勞動(dòng)力更多流向建筑業(yè)。張巍等（2018）［31］系統(tǒng)研究了房?jī)r(jià)影響工資的機(jī)制，發(fā)現(xiàn)房?jī)r(jià)上漲導(dǎo)致生活成本提高，員工或者懷有強(qiáng)烈的漲薪意愿與公司進(jìn)行博弈，或者選擇遷入低房?jī)r(jià)地區(qū)，即房?jī)r(jià)變動(dòng)通過生活成本效應(yīng)影響工資；對(duì)于有房群體，房?jī)r(jià)上漲導(dǎo)致資產(chǎn)價(jià)值上升，受到財(cái)富效應(yīng)的影響，有房群體會(huì)增加閑暇時(shí)間、減少勞動(dòng)時(shí)長(zhǎng)，勞動(dòng)供給減少會(huì)推高工資。在生活成本效應(yīng)和閑暇替代效應(yīng)的共同影響下，房?jī)r(jià)上漲會(huì)提高當(dāng)?shù)毓べY水平?？傊?，現(xiàn)有研究均表明，房?jī)r(jià)上漲會(huì)拉動(dòng)當(dāng)?shù)毓べY水平，并且工資并不與勞動(dòng)生產(chǎn)率同步提高。因此，房?jī)r(jià)上漲可能通過拉動(dòng)工資水平從而扭曲資本和勞動(dòng)要素的配置，并對(duì)整體資源配置效率產(chǎn)生不利影響。

（2）房?jī)r(jià)變動(dòng)通過影響房地產(chǎn)投資影響資源配置。房?jī)r(jià)上漲導(dǎo)致金融機(jī)構(gòu)和國(guó)有企業(yè)將更多資金投資到房地產(chǎn)行業(yè)，擠占制造業(yè)行業(yè)的投資，從而對(duì)要素配置產(chǎn)生影響。在我國(guó)，房屋價(jià)格主要由住房?jī)?nèi)在價(jià)值決定，反映了人們對(duì)于社會(huì)經(jīng)濟(jì)發(fā)展的預(yù)期。自改革開放以來(lái)，我國(guó)經(jīng)濟(jì)保持平穩(wěn)快速發(fā)展，實(shí)現(xiàn)了經(jīng)濟(jì)增長(zhǎng)奇跡，因此人們對(duì)于實(shí)體經(jīng)濟(jì)的良好預(yù)期也提升了房屋內(nèi)在價(jià)值，使得房?jī)r(jià)能夠保持持續(xù)上漲。但房?jī)r(jià)長(zhǎng)期較快上漲導(dǎo)致了人們的投機(jī)心理，在市場(chǎng)情緒的影響下，房?jī)r(jià)上漲幅度超過了內(nèi)在價(jià)值，房屋價(jià)格增長(zhǎng)過快，與價(jià)值相偏離。市場(chǎng)參與者的投機(jī)心理推高房?jī)r(jià)，市場(chǎng)對(duì)房地產(chǎn)市場(chǎng)保持上漲態(tài)勢(shì)持樂觀態(tài)度，出于逐利目的，房地產(chǎn)繁榮吸引更多資金流向該行業(yè)，擠占了實(shí)體經(jīng)濟(jì)的資金，制造業(yè)融資難度加大，導(dǎo)致了資源錯(cuò)配［32］。一方面，投資于房地產(chǎn)的資金增加，通過價(jià)格傳導(dǎo)效應(yīng)會(huì)導(dǎo)致生產(chǎn)要素價(jià)格發(fā)生變化，而價(jià)格扭曲會(huì)導(dǎo)致資源配置扭曲。另一方面，在有限的信貸資金下，房地產(chǎn)行業(yè)投資增加會(huì)導(dǎo)致制造業(yè)投資減少，高效率制造業(yè)企業(yè)缺乏足夠的資金用于擴(kuò)大現(xiàn)有規(guī)模、提高生產(chǎn)效率，因此效率優(yōu)勢(shì)難以充分發(fā)揮；部分低效率國(guó)有企業(yè)獲得信貸資金的難度較小，并將資金投資于房地產(chǎn)行業(yè)，而不提升企業(yè)的生產(chǎn)效率。因此，房?jī)r(jià)上漲導(dǎo)致房地產(chǎn)投資增加會(huì)扭曲生產(chǎn)要素價(jià)格和擠占信貸資金，引致制造業(yè)資源錯(cuò)配。

三、研究設(shè)計(jì)

（一）實(shí)證模型

本文研究房?jī)r(jià)上漲對(duì)資源配置產(chǎn)生的影響，構(gòu)建的計(jì)量模型如下：

其中：下標(biāo)t表示年份、n表示各行業(yè)中類、s表示各個(gè)城市；y nst表示城市—行業(yè)中類層面衡量資源錯(cuò)配的指標(biāo)，分別為整體資源錯(cuò)配（sd_lntfp）、資本錯(cuò)配（sd_lnMRPK）和勞動(dòng)錯(cuò)配（sd_lnMRPL）；ln(HP)是本文核心解釋變量，為各城市商品房平均銷售價(jià)格對(duì)數(shù)；inducont表示行業(yè)層面控制變量，citycont表示城市層面控制變量；dcity、dindu、dyear分別表示不可觀測(cè)的城市、行業(yè)和年份固定效應(yīng)；ωnst為服從正態(tài)分布的隨機(jī)干擾項(xiàng)，且與其他解釋變量均不相關(guān)。所有回歸均在城市—行業(yè)中類層面聚類得到穩(wěn)健標(biāo)準(zhǔn)誤。

（二）變量描述

1.資源錯(cuò)配和要素的扭曲程度

在Hsieh和Klenow（2009）［2］研究的基礎(chǔ)上，本文將生產(chǎn)函數(shù)設(shè)置為規(guī)模報(bào)酬可變，企業(yè)資本和勞動(dòng)投入的扭曲程度不同［15］。測(cè)度資源錯(cuò)配的理論模型如下：

一個(gè)經(jīng)濟(jì)體中最終產(chǎn)品市場(chǎng)完全競(jìng)爭(zhēng)，用于消費(fèi)的最終產(chǎn)出Y為N個(gè)制造業(yè)行業(yè)根據(jù)Cobb-Douglas生產(chǎn)函數(shù)得到的行業(yè)產(chǎn)出Yn加總，最終產(chǎn)出為：

各行業(yè)追求成本最小，則P n Y n=φn PY，P n為行業(yè)n產(chǎn)出的價(jià)格水平，P為經(jīng)濟(jì)體整體價(jià)格水平，假設(shè)P為1。

對(duì)于每個(gè)行業(yè)而言，行業(yè)的最終產(chǎn)出Y n為M種異質(zhì)性產(chǎn)品按照常數(shù)替代彈性加總的結(jié)果，即

假定行業(yè)內(nèi)每個(gè)企業(yè)i生產(chǎn)一種異質(zhì)性產(chǎn)品，企業(yè)產(chǎn)出Y ni為企業(yè)投入的資本（K ni）、勞動(dòng)力（L ni）和自身生產(chǎn)率（TFPni）的函數(shù)：

本文將企業(yè)生產(chǎn)函數(shù)設(shè)定為規(guī)模報(bào)酬可變，同一行業(yè)內(nèi)的企業(yè)面臨相同的資本彈性αn和勞動(dòng)力彈性βn。不同行業(yè)的要素彈性可能不同，根據(jù)這兩種要素彈性之和取值不同，企業(yè)生產(chǎn)函數(shù)面臨不同的規(guī)模報(bào)酬。

企業(yè)由于政府扶持程度、自身規(guī)模等條件的差異，在資本和勞動(dòng)的投入上存在扭曲，這種要素投入扭曲將提高企業(yè)成本。企業(yè)利潤(rùn)函數(shù)為：

其中：τLni和τKni代表兩種生產(chǎn)要素的扭曲程度；w和r為要素單位成本；行業(yè)n的i企業(yè)生產(chǎn)的差異化產(chǎn)品收取單位價(jià)格P ni。

各行業(yè)均為壟斷競(jìng)爭(zhēng)行業(yè)，企業(yè)對(duì)其生產(chǎn)的差異化產(chǎn)品擁有一定定價(jià)權(quán)，因此定價(jià)策略為在邊際成本的基礎(chǔ)上有固定加價(jià)，企業(yè)追求利潤(rùn)最大化得到的產(chǎn)品價(jià)格為：

從式（6）可以看出，企業(yè)自身生產(chǎn)率、勞動(dòng)和資本投入扭曲程度都會(huì)影響企業(yè)定價(jià)。在要素投入上，企業(yè)根據(jù)邊際收益和邊際成本相等的原則確定要素投入數(shù)量，投入要素存在扭曲的情況下，企業(yè)使用資本和勞動(dòng)的邊際成本分別為(1+τKni)r和(1+τLni)w。根據(jù)最優(yōu)要素使用原則可得：

龔關(guān)和胡關(guān)亮（2013）［15］使用資本和勞動(dòng)邊際產(chǎn)出價(jià)值的方差度量這兩種要素的扭曲程度，并在具體計(jì)算中對(duì)MRPK和MRPL取對(duì)數(shù)處理，認(rèn)為當(dāng)規(guī)模報(bào)酬可變時(shí)，這兩個(gè)指標(biāo)仍可準(zhǔn)確度量要素錯(cuò)配程度。因?yàn)橘Y源被合理配置時(shí)，各企業(yè)資本和勞動(dòng)投入的邊際產(chǎn)出價(jià)值應(yīng)該相等。借鑒龔關(guān)和胡關(guān)亮（2013）［15］的研究成果，本文采用各城市行業(yè)中類內(nèi)所有企業(yè)MRPK和MRPL的離散程度（即標(biāo)準(zhǔn)差）衡量城市—行業(yè)層面資本和勞動(dòng)投入的扭曲程度。MRPK和MRPL的標(biāo)準(zhǔn)差越大，要素錯(cuò)配程度越嚴(yán)重。同時(shí)，使用全要素生產(chǎn)率的離散程度衡量整體資源錯(cuò)配，需要對(duì)資源錯(cuò)配指標(biāo)中的參數(shù)進(jìn)行設(shè)定。首先，將模型中資本租金率r設(shè)定為10%，租金率只會(huì)改變資本和勞動(dòng)邊際產(chǎn)出價(jià)值的平均值，而不會(huì)影響資源錯(cuò)配程度；其次，假設(shè)企業(yè)產(chǎn)出替代彈性為θ，借鑒Hsieh和Klenow（2009）［2］的研究，制造業(yè)中θ的合理取值范圍為3～10，與相關(guān)學(xué)者研究一致，本文將彈性系數(shù)設(shè)定為3。

假設(shè)產(chǎn)出彈性不會(huì)因θ值不同而發(fā)生改變，因此企業(yè)利潤(rùn)會(huì)按一定比例分配給資本和勞動(dòng)，最終產(chǎn)出分配到資本和勞動(dòng)的比例為αn/βn，由此可得：

根據(jù)式（9）和式（10）可以計(jì)算得到各企業(yè)資本和勞動(dòng)的邊際產(chǎn)出價(jià)值，進(jìn)而得到城市—行業(yè)中類層面整體資源錯(cuò)配和兩種投入要素扭曲程度。

2.解釋變量和控制變量

（1）解釋變量：房?jī)r(jià)（ln（HP））。本文選取城市層面商品房平均銷售價(jià)格衡量，并對(duì)其取對(duì)數(shù)處理。

（2）控制變量。行業(yè)層面控制變量包括行業(yè)大類的總資產(chǎn)貢獻(xiàn)率（r_total_asset）、資產(chǎn)負(fù)債率（LEV）、流動(dòng)資產(chǎn)周轉(zhuǎn)次數(shù)（current_asset）、成本費(fèi)用利潤(rùn)率（pro_to_cost）4個(gè)主要效益指標(biāo)，并控制行業(yè)總資產(chǎn)對(duì)數(shù)這一基本指標(biāo)。城市層面控制變量包括：①基本經(jīng)濟(jì)情況。各地區(qū)經(jīng)濟(jì)基本情況會(huì)影響土地價(jià)值和資源配置情況，本文選擇控制人口規(guī)模（population）和各城市人均GDP的對(duì)數(shù)（lnpgdp），其中人口規(guī)模采用地區(qū)年末總?cè)丝谌?duì)數(shù)衡量。②產(chǎn)業(yè)結(jié)構(gòu)（structure）。隨著經(jīng)濟(jì)由粗放型增長(zhǎng)轉(zhuǎn)向集約型增長(zhǎng)，即驅(qū)動(dòng)力由要素投入變?yōu)橘Y源配置改善，產(chǎn)業(yè)結(jié)構(gòu)隨之發(fā)生改變。本文選取第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值衡量各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)。③外資占比（openness）。一方面，外資進(jìn)入使國(guó)內(nèi)原市場(chǎng)失衡、市場(chǎng)競(jìng)爭(zhēng)程度加劇，并給國(guó)內(nèi)其他企業(yè)帶來(lái)技術(shù)溢出效應(yīng)，從而提升企業(yè)的資源配置效率。但另一方面，政府采取了一系列政策吸引外資，這可能會(huì)導(dǎo)致外資企業(yè)與國(guó)內(nèi)企業(yè)的不公平競(jìng)爭(zhēng)，使得低效率的外資企業(yè)占據(jù)更多資源，從而加劇資源錯(cuò)配［33］。本文采用各城市外商直接投資額占當(dāng)年GDP的比值作為代理變量。④金融危機(jī)（crisis）。2008年金融危機(jī)爆發(fā)后，在寬松的貨幣政策環(huán)境下，房?jī)r(jià)實(shí)現(xiàn)了新一輪上漲，因此將2008年以前年份這一變量賦值為0，2008年及之后賦值為1。⑤全社會(huì)固定資產(chǎn)投資占比（fixed_asset）。本文選取固定資產(chǎn)投資總額占GDP的比值度量。

（三）數(shù)據(jù)說明和處理

企業(yè)層面數(shù)據(jù)來(lái)源于《中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)》（2000—2013年），該數(shù)據(jù)庫(kù)包括所有的國(guó)有工業(yè)企業(yè)和規(guī)模以上非國(guó)有工業(yè)企業(yè)，本文僅選取制造業(yè)作為樣本展開研究。該數(shù)據(jù)庫(kù)存在指標(biāo)、樣本匹配和測(cè)量誤差等問題［34］，需要對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行處理。①本文基于Brandt等（2012）［35］的研究對(duì)各年數(shù)據(jù)進(jìn)行匹配，得到1998—2013年非平衡面板數(shù)據(jù)；②本文將《國(guó)民經(jīng)濟(jì)行業(yè)分類》1994版和2011版在2002版基礎(chǔ)上進(jìn)行三位數(shù)層面統(tǒng)一；③工業(yè)增加值和工業(yè)總產(chǎn)值采用以1998年為基期的各省份工業(yè)品出廠價(jià)格指數(shù)平減得到，固定資產(chǎn)和投資根據(jù)各省份固定資產(chǎn)投資價(jià)格指數(shù)平減得到；④借鑒Cai和Liu（2009）［36］、陳林（2018）［37］的做法，刪去就業(yè)人數(shù)、工業(yè)總產(chǎn)值、固定資產(chǎn)等關(guān)鍵變量值小于等于0或不存在的樣本，并對(duì)關(guān)鍵指標(biāo)前后0.5%的極端值進(jìn)行縮尾處理。城市和行業(yè)數(shù)據(jù)來(lái)自歷年《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和EPS數(shù)據(jù)庫(kù)，由于市轄區(qū)數(shù)據(jù)缺失值較多，城市層面數(shù)據(jù)均為該市總體數(shù)據(jù)?？紤]數(shù)據(jù)的完整性，本文最終選擇了289個(gè)城市，并將其與工業(yè)企業(yè)數(shù)據(jù)庫(kù)進(jìn)行匹配。

為了衡量不同城市各行業(yè)的資源錯(cuò)配，首先需要計(jì)算企業(yè)的要素彈性和全要素生產(chǎn)率，常用方法有OLS、固定效應(yīng)模型、OP法和LP法等。OLS回歸和固定效應(yīng)模型易產(chǎn)生內(nèi)生性問題；LP法計(jì)算需要中間投入這一變量，但工企數(shù)據(jù)庫(kù)中間投入品在2008—2013年并不存在觀測(cè)值；OP法選取投資額作為代理變量，因此OP法相較于LP法可得到更多有效觀測(cè)值，同時(shí)LP法在準(zhǔn)確性上并不顯著優(yōu)于OP法［38］，因此本文采用OP法。先計(jì)算出資本產(chǎn)出彈性αn和勞動(dòng)產(chǎn)出彈性βn，在此基礎(chǔ)上計(jì)算得到企業(yè)TFP。其中，產(chǎn)出Y用各企業(yè)工業(yè)增加值表示，采用平減后的固定資產(chǎn)額衡量資本K，選取各企業(yè)職工人數(shù)度量勞動(dòng)力投入L，投資用當(dāng)年新增固定資產(chǎn)額表示，即當(dāng)年與上一年固定資產(chǎn)額的差值加本年折舊。對(duì)關(guān)鍵變量進(jìn)行整理發(fā)現(xiàn)，工業(yè)增加值存在年份為1998—2003年、2005—2007年和2010年，借鑒王貴東（2018）［39］的研究成果，根據(jù)工業(yè)總產(chǎn)值與工業(yè)增加值比例相對(duì)穩(wěn)定原則以補(bǔ)全缺失年份的數(shù)據(jù)。

本文選取2000—2013年的樣本進(jìn)行研究。首先，中國(guó)的住房改革開始于1998年，由于關(guān)鍵指標(biāo)商品房?jī)r(jià)格在2000年以前缺失值較多，因此選取2000年作為研究的起點(diǎn)；其次，目前工業(yè)企業(yè)數(shù)據(jù)庫(kù)可獲取的最新年份數(shù)據(jù)為2013年，考慮數(shù)據(jù)的時(shí)效性和房?jī)r(jià)大幅波動(dòng)可能帶來(lái)的異質(zhì)性影響，選取2013年作為研究結(jié)束的時(shí)點(diǎn)。

各主要變量的描述性統(tǒng)計(jì)見表1所列。

表1 主要變量的描述性統(tǒng)計(jì)

表1顯示，樣本期間內(nèi)房?jī)r(jià)發(fā)生了大幅變動(dòng)，房?jī)r(jià)整體呈現(xiàn)逐年上漲趨勢(shì)，且地區(qū)間存在較大差異。資源錯(cuò)配和要素扭曲在不同地區(qū)和行業(yè)間存在較大差異，并且同一地區(qū)的資本錯(cuò)配和勞動(dòng)錯(cuò)配程度并不相同。

四、房?jī)r(jià)上漲對(duì)資源錯(cuò)配影響的實(shí)證分析

（一）房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響

表2報(bào)告了基于式（1）的估計(jì)結(jié)果，表中（1）（3）（5）列控制了城市、行業(yè)和年份固定效應(yīng)，（2）（4）（6）列控制了城市×行業(yè)和年份固定效應(yīng)。（1）（2）列基于固定效應(yīng)模型檢驗(yàn)房?jī)r(jià)上漲對(duì)整體資源錯(cuò)配的影響，回歸系數(shù)均在1%的水平上顯著為正，表明房?jī)r(jià)上漲顯著加劇了整體資源錯(cuò)配；控制城市×行業(yè)固定效應(yīng)后，估計(jì)系數(shù)略小于分別控制城市和行業(yè)固定效應(yīng)時(shí)得到的結(jié)果，平均房?jī)r(jià)的對(duì)數(shù)變動(dòng)1%，對(duì)整體資源錯(cuò)配的影響為0.034 6%。（3）（4）列檢驗(yàn)房?jī)r(jià)上漲對(duì)資本錯(cuò)配程度的影響，商品房平均銷售價(jià)格對(duì)資本扭曲程度的回歸系數(shù)均為正值，且在1%水平上顯著，表明房?jī)r(jià)上漲加劇了資本扭曲程度；加入城市×行業(yè)固定效應(yīng)后，商品房房?jī)r(jià)的對(duì)數(shù)提高1%時(shí)，資本的扭曲會(huì)加劇0.062 7%。（5）（6）列檢驗(yàn)房?jī)r(jià)上漲對(duì)勞動(dòng)扭曲的影響，估計(jì)系數(shù)在1%的水平上都顯著為正，房?jī)r(jià)上漲顯著加劇了勞動(dòng)力扭曲；加入城市×行業(yè)固定效應(yīng)后，商品房平均銷售價(jià)格對(duì)數(shù)每高出1%，勞動(dòng)扭曲程度會(huì)加劇0.067 6%。

表2 房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響

表2結(jié)果顯示，行業(yè)資產(chǎn)負(fù)債率（LEV）對(duì)于整體資源錯(cuò)配、資本和勞動(dòng)扭曲程度影響均顯著為正，資產(chǎn)負(fù)債率是負(fù)債總額與資產(chǎn)總額的比值，行業(yè)資產(chǎn)負(fù)債率越高說明自有資金越少，只能更多依靠籌資，對(duì)外部資金的依賴度較高。目前信貸資金更多傾斜于其他行業(yè)，資產(chǎn)負(fù)債率高的行業(yè)資本和勞動(dòng)配置將受到更嚴(yán)重的扭曲。地區(qū)產(chǎn)業(yè)結(jié)構(gòu)（structure）對(duì)勞動(dòng)扭曲程度影響顯著為負(fù)，一定程度上反映了第三產(chǎn)業(yè)結(jié)構(gòu)比重越高越有利于改善勞動(dòng)配置。城市外資占比（openness）對(duì)于資本扭曲程度的影響顯著為正，可能是因?yàn)槲覈?guó)為了吸引外資實(shí)施優(yōu)惠政策，導(dǎo)致更多資源流向低效率外資企業(yè)，對(duì)同類國(guó)內(nèi)企業(yè)造成了不利影響，從而加劇了資本錯(cuò)配。人均GDP（lnpgdp）對(duì)資本扭曲的影響顯著為正，說明經(jīng)濟(jì)水平越發(fā)達(dá)的城市制造業(yè)現(xiàn)階段資本配置效率反而越低。金融危機(jī)的虛擬變量（crisis）對(duì)整體資源錯(cuò)配、資本和勞動(dòng)的扭曲影響均顯著為負(fù)，表明2008年后我國(guó)生產(chǎn)要素配置效率呈現(xiàn)出改善的趨勢(shì)，這是因?yàn)槲覈?guó)政府逐漸意識(shí)到存在的資源錯(cuò)配及其帶來(lái)的結(jié)果，開始采取措施改善資源配置；也可能是因?yàn)槲覈?guó)經(jīng)濟(jì)結(jié)構(gòu)更為合理，因此生產(chǎn)要素配置效率得以優(yōu)化。固定資產(chǎn)投資占比（fixed_asset）對(duì)資本和勞動(dòng)錯(cuò)配以及整體資源錯(cuò)配影響顯著為負(fù)，固定資產(chǎn)投資額占GDP的比值越高，資本及勞動(dòng)錯(cuò)配程度將會(huì)越低，資源錯(cuò)配得到改善。

（二）穩(wěn)健性檢驗(yàn)

本文主要從三個(gè)方面檢驗(yàn)基準(zhǔn)結(jié)果的穩(wěn)健性，即房?jī)r(jià)影響的滯后性、房?jī)r(jià)水平的衡量、可能存在的內(nèi)生性問題和遺漏變量偏差。

1.房?jī)r(jià)水平的替代變量

由于房?jī)r(jià)波動(dòng)的影響具有滯后性［27］，同時(shí)在一定程度上能夠緩解內(nèi)生性問題，因此選取滯后一期的商品房平均房?jī)r(jià)對(duì)數(shù)作為解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)。此外，商品房平均銷售價(jià)格衡量了房?jī)r(jià)的絕對(duì)水平，為了反映房?jī)r(jià)的相對(duì)水平，將房?jī)r(jià)水平與收入結(jié)合起來(lái)，部分學(xué)者將房?jī)r(jià)收入比定義為“房?jī)r(jià)水平與居民收入水平的比率”，認(rèn)為房?jī)r(jià)收入比能準(zhǔn)確衡量我國(guó)房地產(chǎn)市場(chǎng)的泡沫水平［40］。本文選取商品房平均銷售價(jià)格與城鎮(zhèn)居民人均可支配收入的比值衡量房?jī)r(jià)收入比（HP_to_Inc），房?jī)r(jià)收入比值越大，房?jī)r(jià)水平越高。

表3為根據(jù)基準(zhǔn)回歸方程得到的結(jié)果，分別選取滯后一期的商品房平均銷售價(jià)格的對(duì)數(shù)和房?jī)r(jià)收入比（HP_to_Inc）作為解釋變量，對(duì)資源錯(cuò)配、資本和勞動(dòng)要素扭曲進(jìn)行回歸。結(jié)果顯示，這兩種解釋變量進(jìn)行回歸得到的估計(jì)系數(shù)均在1%水平上顯著為正，即房?jī)r(jià)收入比提高和滯后一期的商品房平均銷售價(jià)格上升顯著加劇了整體資源錯(cuò)配、資本和勞動(dòng)要素扭曲，與基準(zhǔn)回歸結(jié)果一致，表明基準(zhǔn)回歸結(jié)果是穩(wěn)健的。此外，2000年以來(lái)，我國(guó)住宅商品房銷售面積占商品房銷售面積的比例達(dá)80%以上，部分年份甚至高達(dá)90%，住宅商品房房?jī)r(jià)在一定程度上能反映房地產(chǎn)市場(chǎng)的發(fā)展情況，因此本文選取住宅商品房平均銷售價(jià)格對(duì)數(shù)（ln（RHP））作為解釋變量進(jìn)行檢驗(yàn)，結(jié)果同樣穩(wěn)?。?）。

表3 房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響：更換解釋變量

2.工具變量

在基準(zhǔn)回歸中，本文盡可能控制了城市和行業(yè)層面的控制變量，加入時(shí)間固定效應(yīng)控制隨時(shí)間而變的特征，但仍可能存在潛在的遺漏變量問題。同時(shí)，通過選擇滯后一期的房?jī)r(jià)作為解釋變量，一定程度上緩解了可能的內(nèi)生性問題。為了解決可能的遺漏變量及內(nèi)生性問題，借鑒陳斌開等（2018）［41］的研究，本文使用人均土地購(gòu)置面積作為房?jī)r(jià)的工具變量。

一方面，土地是影響房?jī)r(jià)的重要因素，土地購(gòu)置面積通過影響房地產(chǎn)的供給從而影響房?jī)r(jià)，土地購(gòu)置面積越少，則可供開發(fā)出售的房屋面積越少，供給減少導(dǎo)致均衡的房屋價(jià)格上升。另一方面，土地購(gòu)置面積受到房地產(chǎn)市場(chǎng)自身和政策的影響，2004年以來(lái)所有土地均通過“招拍掛”制度出讓，土地供給由地方政府決定，并與房地產(chǎn)市場(chǎng)的發(fā)展相關(guān)，土地購(gòu)置面積受到工業(yè)企業(yè)影響的可能性很小。土地購(gòu)置面積是一個(gè)外生變量，并且僅通過房?jī)r(jià)對(duì)工業(yè)企業(yè)的資源錯(cuò)配產(chǎn)生影響，因此選擇省份層面人均購(gòu)置面積作為房?jī)r(jià)的工具變量。同時(shí)，考慮房地產(chǎn)開發(fā)建設(shè)需要一定的周期，土地購(gòu)置面積對(duì)于房?jī)r(jià)的影響具有滯后性，因此本文選取滯后一期的人均土地購(gòu)置面積作為工具變量進(jìn)行回歸，也減少了反向因果的可能性。

表4報(bào)告了當(dāng)期人均土地購(gòu)置面積作為工具變量得到的結(jié)果，表中（1）（3）（5）列為第一階段回歸結(jié)果，其對(duì)工具變量的有效性進(jìn)行檢驗(yàn)。根據(jù)回歸結(jié)果，當(dāng)期人均土地購(gòu)置面積對(duì)于商品房均價(jià)的影響系數(shù)均在1%水平上顯著為負(fù)，即人均土地購(gòu)置面積越小，該地區(qū)房?jī)r(jià)越高。F檢驗(yàn)的值均在1%水平上顯著，拒絕了“弱工具變量”的原假設(shè)，證實(shí)了人均土地購(gòu)置面積作為房?jī)r(jià)工具變量的有效性。

表4中（2）（4）（6）列報(bào)告了工具變量第二階段的回歸結(jié)果。第（2）列被解釋變量為總體資源錯(cuò)配，從第（2）列的結(jié)果可以看出，在控制了城市和行業(yè)層面可能的影響因素以及時(shí)間固定效應(yīng)后，房?jī)r(jià)上漲顯著加劇了整體資源錯(cuò)配，這與直接使用房?jī)r(jià)作為解釋變量得到的結(jié)果一致。第（4）列被解釋變量為資本扭曲，回歸系數(shù)顯著為正，仍表明房?jī)r(jià)上漲對(duì)制造業(yè)資本配置產(chǎn)生了負(fù)向影響。房?jī)r(jià)上漲吸引更多資金流向房地產(chǎn)行業(yè)，擠出了制造業(yè)部門的投資［19］，同時(shí)我國(guó)企業(yè)面臨融資難和融資貴等問題，導(dǎo)致房?jī)r(jià)上漲對(duì)優(yōu)化資本配置產(chǎn)生了負(fù)面影響。第（6）列被解釋變量為勞動(dòng)扭曲程度，回歸系數(shù)在1%的水平上均顯著為正，與基準(zhǔn)回歸結(jié)果一致，表明房?jī)r(jià)上漲加劇制造業(yè)企業(yè)勞動(dòng)投入要素錯(cuò)配。房?jī)r(jià)上漲導(dǎo)致房地產(chǎn)企業(yè)吸納了更多勞動(dòng)力，對(duì)制造業(yè)企業(yè)就業(yè)產(chǎn)生了負(fù)向影響［24］，從而導(dǎo)致制造業(yè)勞動(dòng)要素扭曲。滯后一期的人均土地購(gòu)置面積作為工具變量回歸，與上述結(jié)果相似，證明了基準(zhǔn)結(jié)果的穩(wěn)健性（2）。

表4 房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響：工具變量

五、進(jìn)一步分析

（一）異質(zhì)性分析

1.地區(qū)異質(zhì)性

我國(guó)東中西部地區(qū)由于歷史因素、地理?xiàng)l件和政策差異，經(jīng)濟(jì)發(fā)展水平存在較大差距。房?jī)r(jià)上漲對(duì)于制造業(yè)資源錯(cuò)配的影響可能存在地區(qū)差異，因此將樣本分為中西部和東部地區(qū)。其中，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個(gè)省份（不包括港澳臺(tái)地區(qū)），其余省份均為中西部地區(qū)。

分地區(qū)回歸結(jié)果見表5所列，由表5可見，對(duì)于東部地區(qū)而言，房?jī)r(jià)上漲顯著加劇了資本和勞動(dòng)兩種要素的錯(cuò)配程度，對(duì)于整體資源錯(cuò)配的影響顯著為正；對(duì)于中西部地區(qū)而言，房?jī)r(jià)上漲對(duì)于整體資源錯(cuò)配、資本和勞動(dòng)扭曲程度的影響小于東部地區(qū)?；貧w結(jié)果表明，房?jī)r(jià)上漲對(duì)整體資源錯(cuò)配和生產(chǎn)要素扭曲的影響存在地區(qū)差異。選取人均土地購(gòu)置面積作為房?jī)r(jià)的工具變量回歸，得到的結(jié)果與上述一致（3）。

表5 東西部地區(qū)房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響

近年來(lái)，房?jī)r(jià)上漲的幅度在地區(qū)間分布并不均衡，房?jī)r(jià)受到當(dāng)?shù)亟?jīng)濟(jì)水平的影響，東部地區(qū)經(jīng)濟(jì)更加發(fā)達(dá)，房?jī)r(jià)整體處于較高水平；而西部地區(qū)由于經(jīng)濟(jì)發(fā)展相對(duì)落后，對(duì)外來(lái)人口吸引力較弱，城市住房的購(gòu)買力較弱，因此房?jī)r(jià)上漲幅度較小。盡管東部地區(qū)市場(chǎng)化程度相對(duì)較高，房?jī)r(jià)的大幅上漲仍對(duì)資源有效配置產(chǎn)生了顯著的負(fù)面影響。

2.時(shí)間異質(zhì)性

近年來(lái),出口在我國(guó)經(jīng)濟(jì)中占據(jù)重要地位，2008年金融危機(jī)爆發(fā)導(dǎo)致外部需求大幅下降，我國(guó)出口企業(yè)受到較大影響，導(dǎo)致經(jīng)濟(jì)萎縮和失業(yè)增加等現(xiàn)象的出現(xiàn)。為了降低金融危機(jī)的負(fù)面影響，我國(guó)實(shí)施了雙松政策，財(cái)政上實(shí)施四萬(wàn)億元的經(jīng)濟(jì)刺激政策，發(fā)展基建項(xiàng)目；貨幣政策上通過降低利率和存款準(zhǔn)備金率，釋放流動(dòng)性。這些措施推動(dòng)了房地產(chǎn)業(yè)的發(fā)展，2008年后我國(guó)商品房房?jī)r(jià)增速加快，房?jī)r(jià)增速過快有可能對(duì)資源錯(cuò)配產(chǎn)生更大影響。因此，本文將樣本根據(jù)年份分為2000—2007年和2009—2013年，分別檢驗(yàn)金融危機(jī)前后房?jī)r(jià)對(duì)資源錯(cuò)配的影響是否存在差異。

金融危機(jī)前后的分樣本回歸結(jié)果見表6所列，由表6可見，2008年后房?jī)r(jià)上漲對(duì)資源錯(cuò)配、資本和勞動(dòng)要素錯(cuò)配的影響系數(shù)均大于金融危機(jī)爆發(fā)前，表明金融危機(jī)爆發(fā)后，房?jī)r(jià)過快上漲顯著加劇了整體資源錯(cuò)配和要素錯(cuò)配，金融危機(jī)后房?jī)r(jià)對(duì)資源錯(cuò)配的影響可能發(fā)生了結(jié)構(gòu)性變化。前文基準(zhǔn)回歸中，金融危機(jī)（crisis）估計(jì)系數(shù)顯著為負(fù)，說明金融危機(jī)后資源錯(cuò)配和要素扭曲程度有所下降，但房?jī)r(jià)快速上漲對(duì)資源配置的不利影響顯著高于其他外部因素的正向影響。因此，2008年之前房?jī)r(jià)上漲對(duì)兩種要素扭曲的影響程度小于金融危機(jī)后高房?jī)r(jià)產(chǎn)生的影響，表明房?jī)r(jià)上漲要保持在合理適度的范圍內(nèi)，過高的房?jī)r(jià)會(huì)抵消政策調(diào)控和市場(chǎng)結(jié)構(gòu)更完善對(duì)資源配置的正向影響。

表6 金融危機(jī)前后房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響

本文進(jìn)一步分析房?jī)r(jià)對(duì)于資源錯(cuò)配的影響隨時(shí)間變化的情況（置信區(qū)間為95%），回歸控制了城市和行業(yè)層面的變量。如圖1所示，房?jī)r(jià)上漲對(duì)制造業(yè)行業(yè)資源錯(cuò)配的影響隨時(shí)間變化變動(dòng)較大。2008年之前，高房?jī)r(jià)對(duì)制造業(yè)行業(yè)資源錯(cuò)配的影響顯著為正，影響系數(shù)均為0.1以下，且各年估計(jì)值較為穩(wěn)定。金融危機(jī)爆發(fā)后，房?jī)r(jià)上漲對(duì)于制造業(yè)行業(yè)錯(cuò)配的影響上升大約為0.2，2008年之后這一影響程度的波動(dòng)幅度加大，影響逐年下降，但影響系數(shù)均高于金融危機(jī)爆發(fā)前，呈現(xiàn)出向危機(jī)爆發(fā)前房?jī)r(jià)對(duì)資源錯(cuò)配影響程度回歸的趨勢(shì)?？傮w而言，金融危機(jī)導(dǎo)致房?jī)r(jià)對(duì)資源錯(cuò)配的影響產(chǎn)生了結(jié)構(gòu)性變化，金融危機(jī)后房?jī)r(jià)上漲對(duì)于資源錯(cuò)配產(chǎn)生的影響更為劇烈。

圖1 房?jī)r(jià)上漲對(duì)資源錯(cuò)配的影響

3.行業(yè)異質(zhì)性

（1）根據(jù)要素密集型劃分。2015年《政府工作報(bào)告》中首次提出“中國(guó)制造2025”，著力于推動(dòng)制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)更加高端智能。習(xí)近平總書記強(qiáng)調(diào)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)是提高我國(guó)經(jīng)濟(jì)綜合競(jìng)爭(zhēng)力的關(guān)鍵舉措。根據(jù)以往學(xué)者的研究，制造業(yè)升級(jí)就是產(chǎn)業(yè)結(jié)構(gòu)趨于高級(jí)化的過程，產(chǎn)業(yè)發(fā)展模式趨于高附加值、低能耗，表現(xiàn)為重點(diǎn)產(chǎn)業(yè)由勞動(dòng)密集型依次轉(zhuǎn)向資本密集型和技術(shù)密集型。房?jī)r(jià)上漲對(duì)于勞動(dòng)、資本和技術(shù)要素密集型的行業(yè)內(nèi)部投入要素的扭曲可能存在不同的影響，因此本文借鑒張其仔和李蕾（2017）［42］的研究，根據(jù)模糊聚類分析方法依據(jù)制造業(yè)行業(yè)的大類將其分為三類（4）。

根據(jù)要素密集度劃分行業(yè)類型，其分樣本回歸結(jié)果見表7所列。由表7可見，不同性質(zhì)的行業(yè)投入要素扭曲受到房?jī)r(jià)上漲的影響存在較大差異。房?jī)r(jià)上漲對(duì)于技術(shù)密集型行業(yè)資本要素錯(cuò)配的影響最大，對(duì)于資本密集型行業(yè)資本錯(cuò)配的影響并不顯著。房?jī)r(jià)上漲對(duì)于不同類型行業(yè)勞動(dòng)錯(cuò)配的影響均為正，且對(duì)于勞動(dòng)密集型行業(yè)的影響大于其他兩類行業(yè)?？赡苁且?yàn)榉康禺a(chǎn)業(yè)的繁榮吸引了大量的民間資本和金融機(jī)構(gòu)的信貸資金，房地產(chǎn)業(yè)擠占了大量資源，但技術(shù)密集型產(chǎn)業(yè)前期需要大量資金投入，房地產(chǎn)業(yè)的繁榮抑制了企業(yè)的創(chuàng)新行為，對(duì)于技術(shù)密集型產(chǎn)業(yè)的資本扭曲產(chǎn)生了更為顯著的影響。對(duì)于我國(guó)制造業(yè)而言，由勞動(dòng)密集型產(chǎn)業(yè)轉(zhuǎn)向技術(shù)密集型產(chǎn)業(yè)是其實(shí)現(xiàn)轉(zhuǎn)型升級(jí)的必要一步，房?jī)r(jià)上漲的負(fù)面效應(yīng)抑制了制造業(yè)產(chǎn)業(yè)升級(jí)和經(jīng)濟(jì)高質(zhì)量發(fā)展。

表7 房?jī)r(jià)上漲對(duì)不同要素密集度行業(yè)資源錯(cuò)配的影響

（2）根據(jù)與房地產(chǎn)業(yè)關(guān)聯(lián)度劃分。房地產(chǎn)業(yè)和其他產(chǎn)業(yè)之間的關(guān)聯(lián)，分為前向關(guān)聯(lián)和后向關(guān)聯(lián)。借鑒王國(guó)軍和劉水杏（2004）［43］的研究成果，采用完全分配系數(shù)衡量前向關(guān)聯(lián)效應(yīng)，即房地產(chǎn)業(yè)實(shí)現(xiàn)一單位增加值時(shí)，用另一個(gè)產(chǎn)業(yè)通過直接或間接聯(lián)系所獲得的分配量，衡量房地產(chǎn)業(yè)對(duì)其產(chǎn)生的供給推動(dòng)作用。后向關(guān)聯(lián)效應(yīng)通過完全消耗系數(shù)度量，即增加一單位某產(chǎn)業(yè)的最終使用量所需要消耗房地產(chǎn)部門的使用量。完全消耗系數(shù)越大，房地產(chǎn)業(yè)對(duì)該產(chǎn)業(yè)的需求拉動(dòng)作用越大。本文根據(jù)2002年的投入產(chǎn)出表計(jì)算完全消耗系數(shù)和完全分配系數(shù)，兩者之和表示房地產(chǎn)業(yè)對(duì)該產(chǎn)業(yè)的總帶動(dòng)效應(yīng)。其中總帶動(dòng)效應(yīng)位于前1/3的行業(yè)為與房地產(chǎn)業(yè)關(guān)聯(lián)度較高的行業(yè)，位于后1/3的行業(yè)為與房地產(chǎn)業(yè)關(guān)聯(lián)度較低的行業(yè)。

表8為根據(jù)各行業(yè)與房地產(chǎn)業(yè)的關(guān)聯(lián)度進(jìn)行的分樣本回歸，結(jié)果顯示，房?jī)r(jià)上漲對(duì)關(guān)聯(lián)度不同的行業(yè)資源錯(cuò)配影響均顯著為正，且對(duì)與房地產(chǎn)業(yè)關(guān)聯(lián)度較低行業(yè)錯(cuò)配的影響更大。具體來(lái)看，與房地產(chǎn)業(yè)關(guān)聯(lián)度較低的行業(yè)資本錯(cuò)配的估計(jì)系數(shù)為高關(guān)聯(lián)度行業(yè)估計(jì)系數(shù)的2倍多，對(duì)關(guān)聯(lián)度較低行業(yè)勞動(dòng)錯(cuò)配的系數(shù)僅略高于高關(guān)聯(lián)度行業(yè)。這進(jìn)一步證實(shí)房地產(chǎn)業(yè)的繁榮吸引更多資金流向該產(chǎn)業(yè)，從而擠出制造業(yè)企業(yè)資金。但由于勞動(dòng)合同、工資黏性和勞動(dòng)技能的轉(zhuǎn)移成本等問題存在，勞動(dòng)力在產(chǎn)業(yè)間轉(zhuǎn)移受到其他因素的影響較大，因此對(duì)于房地產(chǎn)業(yè)關(guān)聯(lián)度不同的行業(yè)，勞動(dòng)要素錯(cuò)配的影響差異較小。

表8 房?jī)r(jià)上漲對(duì)不同關(guān)聯(lián)度行業(yè)資源錯(cuò)配的影響

（二）機(jī)制檢驗(yàn)

基于前文分析，房?jī)r(jià)上漲可能會(huì)通過影響工資水平和房地產(chǎn)投資對(duì)制造業(yè)的資源配置產(chǎn)生影響。因此，本文檢驗(yàn)工資相對(duì)水平和房地產(chǎn)投資是否在房?jī)r(jià)變動(dòng)影響制造業(yè)要素配置的路徑中發(fā)揮中介作用。根據(jù)溫忠麟和葉寶娟（2014）的研究［44］，檢驗(yàn)中介作用的回歸模型如下：

其中，M nst表示中介變量，包括各省份制造業(yè)行業(yè)中類城鎮(zhèn)就業(yè)人員平均工資與房地產(chǎn)業(yè)平均工資的比率（wagerate）和各城市房地產(chǎn)投資開發(fā)額的對(duì)數(shù)（lninvest），本文認(rèn)為房地產(chǎn)業(yè)工資與制造業(yè)各行業(yè)平均工資偏離越大，則房地產(chǎn)業(yè)對(duì)平均工資的拉動(dòng)作用越大；dcity×indu表示城市—行業(yè)固定效應(yīng)；其余變量與前文一致。

表9報(bào)告了工資相對(duì)水平中介效應(yīng)的估計(jì)結(jié)果，其中（1）（2）（3）列是對(duì)式（11）回歸的結(jié)果，即前文基準(zhǔn)回歸結(jié)果，與表2的回歸結(jié)果相同。第（4）列被解釋變量為各行業(yè)工資與房地產(chǎn)業(yè)平均工資的比值（即（12）式），房?jī)r(jià)變動(dòng)對(duì)于工資比率的估計(jì)系數(shù)顯著為負(fù)，表明房?jī)r(jià)上漲增大了房地產(chǎn)業(yè)平均工資與制造業(yè)工資水平的差距。第（5）（6）（7）列為式（13）的回歸結(jié)果，γ2均顯著為負(fù)，γ1均顯著為正，α1γ2與γ1同號(hào)，說明工資比率在房?jī)r(jià)與資源配置之間起部分中介作用。房?jī)r(jià)上漲首先影響房地產(chǎn)業(yè)的工資水平，通過價(jià)格傳導(dǎo)機(jī)制會(huì)對(duì)其他行業(yè)的平均工資水平產(chǎn)生影響，這種變動(dòng)會(huì)扭曲制造業(yè)整體資源和要素的配置，房地產(chǎn)業(yè)工資大幅上漲時(shí)，與制造業(yè)工資的差距增大，加劇了資源錯(cuò)配和要素扭曲的程度，同時(shí)房?jī)r(jià)上漲對(duì)資源錯(cuò)配存在直接效應(yīng)，回歸結(jié)果與前文理論分析符合。

表9 工資相對(duì)水平的中介效應(yīng)檢驗(yàn)

表10報(bào)告了房?jī)r(jià)是否通過影響房地產(chǎn)投資額降低制造業(yè)資源配置效率。式（11）結(jié)果與表9（1）（2）（3）列相同，表10第（1）列被解釋變量為各城市房地產(chǎn)開發(fā)投資額的對(duì)數(shù)，估計(jì)系數(shù)顯著為正，說明房?jī)r(jià)上漲會(huì)導(dǎo)致房地產(chǎn)開發(fā)投資額增加，更多資金流向房地產(chǎn)行業(yè)。第（2）（3）（4）列是根據(jù)式（13）得到的結(jié)果，房?jī)r(jià)和房地產(chǎn)投資對(duì)被解釋變量的系數(shù)γ1和γ2均顯著，且α1γ2與γ1異號(hào)，說明房地產(chǎn)投資在房?jī)r(jià)變動(dòng)與制造業(yè)資源配置之間存在遮掩效應(yīng)。這與前文理論分析得出的“房地產(chǎn)投資額增加會(huì)擠出制造業(yè)部門投資，加劇資源錯(cuò)配”這一預(yù)期相反。本文認(rèn)為房地產(chǎn)投資額對(duì)于制造業(yè)資源配置可能為非線性影響，因此表中（5）（6）（7）列加入房地產(chǎn)投資額對(duì)數(shù)的平方項(xiàng)進(jìn)一步分析，二次項(xiàng)的系數(shù)均顯著為正，表明房地產(chǎn)投資額對(duì)于制造業(yè)資源配置的影響為非線性。房地產(chǎn)投資額位于一定范圍內(nèi)時(shí)，在近年房?jī)r(jià)持續(xù)上漲的背景下，有房產(chǎn)企業(yè)的固定資產(chǎn)價(jià)值上升，放松信貸約束，受到融資約束的企業(yè)更容易獲得外部融資，一定程度上改善了企業(yè)的資源配置效率；而房地產(chǎn)投資額過多時(shí)，有限資金下會(huì)影響企業(yè)對(duì)主業(yè)的投資，對(duì)制造業(yè)行業(yè)的投資產(chǎn)生擠出效應(yīng)，加劇制造業(yè)的生產(chǎn)要素扭曲和整體資源錯(cuò)配。

表10 房地產(chǎn)投資的中介效應(yīng)檢驗(yàn)

為了進(jìn)一步檢驗(yàn)房地產(chǎn)投資對(duì)制造業(yè)的資源錯(cuò)配是否存在非線性影響，考慮非平衡面板并不適用于門檻效應(yīng)回歸，表11報(bào)告了房地產(chǎn)投資額影響資源配置的回歸結(jié)果。表11前3列核心解釋變量為各城市房地產(chǎn)開發(fā)投資額的對(duì)數(shù)及其二次項(xiàng)，結(jié)果呈現(xiàn)顯著的“U”型影響。后3列選取省級(jí)房地產(chǎn)開發(fā)投資額的對(duì)數(shù)及其二次項(xiàng)作為核心解釋變量，（lninvest）2系數(shù)仍然顯著為正，拐點(diǎn)值大于前3列，總體趨勢(shì)與前3列保持一致。說明回歸結(jié)果穩(wěn)健，房地產(chǎn)投資對(duì)制造業(yè)的資源配置存在非線性影響。

表11 房地產(chǎn)投資對(duì)資源錯(cuò)配的影響

綜上所述，工資相對(duì)水平在房?jī)r(jià)和制造業(yè)資源配置之間存在中介作用。房?jī)r(jià)上漲會(huì)影響工資水平，房地產(chǎn)業(yè)與制造業(yè)各行業(yè)工資水平越接近，即房?jī)r(jià)對(duì)工資水平的拉動(dòng)作用越小，越有利于各行業(yè)的資源配置。同時(shí)，房?jī)r(jià)上漲會(huì)導(dǎo)致房地產(chǎn)投資增加，房地產(chǎn)投資在合理范圍內(nèi)小幅增加時(shí)會(huì)改善資源配置，而超過合理范圍的房地產(chǎn)投資增長(zhǎng)會(huì)加劇資源錯(cuò)配。

六、結(jié)論與建議

在我國(guó)推進(jìn)供給側(cè)結(jié)構(gòu)性改革、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的背景下，提升制造業(yè)資源配置效率、緩解資源錯(cuò)配具有重要意義。本文在Hsieh和Klenow（2009）［2］研究方法基礎(chǔ)上，同時(shí)借鑒龔關(guān)和胡關(guān)亮（2013）［15］的測(cè)算方法，采用2000—2013年工業(yè)企業(yè)數(shù)據(jù)庫(kù)中的制造業(yè)數(shù)據(jù)，測(cè)算了基于各城市—行業(yè)中類層面的整體資源錯(cuò)配以及資本和勞動(dòng)兩種投入要素的錯(cuò)配程度。在此基礎(chǔ)上，通過雙向固定效應(yīng)模型和中介效應(yīng)實(shí)證檢驗(yàn)房?jī)r(jià)上漲對(duì)資源錯(cuò)配和生產(chǎn)要素錯(cuò)配的影響及機(jī)制。本文的主要研究結(jié)論為：房?jī)r(jià)上漲對(duì)于制造業(yè)的資源錯(cuò)配產(chǎn)生顯著的正向影響，同時(shí)，房?jī)r(jià)上漲扭曲資本和勞動(dòng)兩種要素的配置，在選擇不同的控制變量、考慮房?jī)r(jià)影響的滯后性、更換房?jī)r(jià)衡量指標(biāo)以及消除模型可能存在的內(nèi)生性問題后，這一結(jié)果仍然穩(wěn)??；金融危機(jī)爆發(fā)這一宏觀因素導(dǎo)致房?jī)r(jià)對(duì)資源錯(cuò)配的影響產(chǎn)生了結(jié)構(gòu)性變化，金融危機(jī)爆發(fā)后房?jī)r(jià)變動(dòng)對(duì)資源錯(cuò)配的影響更加劇烈，且2008—2013年間房?jī)r(jià)對(duì)資源錯(cuò)配的影響變動(dòng)幅度較大；房?jī)r(jià)上漲對(duì)資源錯(cuò)配的加劇作用存在地區(qū)差異和行業(yè)差異，東部地區(qū)、勞動(dòng)和技術(shù)密集型行業(yè)、與房地產(chǎn)業(yè)關(guān)聯(lián)度較低的行業(yè)資源錯(cuò)配和要素扭曲受到房?jī)r(jià)上漲的影響更大；房?jī)r(jià)上漲通過房地產(chǎn)投資和工資水平這兩個(gè)變量影響制造業(yè)資源配置，房?jī)r(jià)上漲拉動(dòng)房地產(chǎn)投資額增長(zhǎng)和工資上漲，且房地產(chǎn)投資額對(duì)資源配置存在非線性影響。

根據(jù)上述結(jié)論，本文提出如下建議：首先，房地產(chǎn)市場(chǎng)繁榮導(dǎo)致過高的房?jī)r(jià)不利于提升制造業(yè)資源配置效率，扭曲了制造業(yè)行業(yè)資本和勞動(dòng)要素配置，要促進(jìn)房地產(chǎn)市場(chǎng)的良性發(fā)展，保持房?jī)r(jià)平穩(wěn)適度增長(zhǎng)；其次，我國(guó)存在行政壟斷下的所有制歧

視和市場(chǎng)分割，政府要合理配置資金，使資金更多流向技術(shù)密集性行業(yè)，降低制造業(yè)的融資難度，提升制造業(yè)資源配置效率，促進(jìn)制造業(yè)向高級(jí)化發(fā)展；最后，如何協(xié)調(diào)好房地產(chǎn)市場(chǎng)發(fā)展與制造業(yè)發(fā)展、房?jī)r(jià)上漲與優(yōu)化資源配置之間的關(guān)系，是我國(guó)政府亟須解決的現(xiàn)實(shí)問題，政府要促進(jìn)勞動(dòng)力合理流動(dòng)，解決好房?jī)r(jià)上漲與提升勞動(dòng)力結(jié)構(gòu)、優(yōu)化勞動(dòng)要素配置之間的關(guān)系。

注 釋：

（1）限于篇幅，并未匯報(bào)住宅商品房平均價(jià)格作為解釋變量的回歸結(jié)果，如需備索。

（2）限于篇幅，并未匯報(bào)滯后一期人均土地購(gòu)置面積作為工具變量的回歸結(jié)果，如需備索。

（3）異質(zhì)性分析部分均在加入前文控制變量，即在控制城市、行業(yè)和年份固定效應(yīng)的基礎(chǔ)上，選取人均土地購(gòu)置面積作為工具變量進(jìn)行檢驗(yàn)，與固定效應(yīng)模型得到了一致的結(jié)果，限于篇幅并未匯報(bào)，如需備索。

（4）行業(yè)代碼為：13-24（不包括16）、29-31、34為勞動(dòng)密集型行業(yè)；16、25、26、28、32、33為資本密集型行業(yè)；27、35-37、39-41為技術(shù)密集型行業(yè)。