彭志勝，殷宏玲，唐小然

(安徽建筑大學 經(jīng)濟與管理學院，安徽 合肥 230000)

目前，我國經(jīng)濟結(jié)構(gòu)已經(jīng)由高速增長階段轉(zhuǎn)變?yōu)楦哔|(zhì)量發(fā)展階段，人才是促進經(jīng)濟發(fā)展的根本條件，是城市實現(xiàn)可持續(xù)發(fā)展的關(guān)鍵因素。我國各地城市為拉動地方經(jīng)濟，相繼頒布一系列吸引人才的政策。為此，中共中央、國務院于2010年印發(fā)《國家中長期人才發(fā)展規(guī)劃綱要(2010-2020年)》，這是我國第一個中長期人才發(fā)展規(guī)劃，是今后一個時期全國人才工作的指導性文件，并預計2020年我國人才資源總流量將達到1.8億人。自2017年起，一些城市相繼出臺“人才新政”吸引人才，這些政策會在短期內(nèi)帶來高學歷人才快速聚集。人才集聚會在一定程度上影響一個城市人力資本的數(shù)量與結(jié)構(gòu)，人力資本快速聚集的同時也會對該城市的房地產(chǎn)市場產(chǎn)生沖擊。人才引進為當?shù)靥岣呓?jīng)濟效益的同時，也帶來了另一個問題——住房，這是人才遷移之后亟待解決的重要問題。房價上漲不利于吸引、留住人才和當?shù)亟?jīng)濟發(fā)展。因此，擬對我國30個省(自治區(qū)、直轄市)的人才集聚和房地產(chǎn)價格之間的關(guān)系測算，判斷二者間關(guān)系以及在不同地區(qū)間的影響差異性，平衡人才聚集效應帶來房價波動的影響，為不同地區(qū)實施人才引進的同時，保障住房市場的平穩(wěn)提供差異化建議。

一、文獻梳理

(一)房價的影響因素

國內(nèi)學者在房地產(chǎn)價格影響因素研究上已取得較為豐碩的成果，既有研究結(jié)果可以分為非人口和人口因素兩類?；诜侨丝谝蛩匮芯拷Y(jié)果表明，城鎮(zhèn)化發(fā)展水平、城鄉(xiāng)收入差距(任偉、陳立文)、[1]區(qū)域經(jīng)濟差異(馬桂霞)、[2]土地財政及土地供應(劉金東、楊璇、汪崇金等)、[3]資產(chǎn)升值預期和居民收入(于維生、張志遠、董瑞等)[4]等因素對房地產(chǎn)價格的變化都具有重要的影響。非人口因素對房價產(chǎn)生的是短期影響，房地產(chǎn)的需求主體是人，因此人口因素對房地產(chǎn)的長期發(fā)展起著重要作用(胡元瑞)。[5]對人口因素的研究大致可分為數(shù)量和素質(zhì)兩方面，已有文獻研究主要集中在數(shù)量上，人口增長率和人口老齡化(郭娜、吳敬)、[6]家庭規(guī)模(童長锜、楊和禮)、[7]人力資本的規(guī)模與結(jié)構(gòu)(任偉、陳立文、陳琦等)、[8]人口遷移(王春艷、吳老二)[9]等均對房地產(chǎn)價格有極為重要的作用。素質(zhì)上則研究偏少，主要集中在高層次人才流動和人才集聚等方面。

(二)人才集聚對房價的影響

近年來文獻中對于人才的定義分為：完成大?；虼髮Ｒ陨衔幕潭冉逃膭趧诱?；高技術(shù)產(chǎn)業(yè)中，科學家及工程師就業(yè)人數(shù)；R&D就業(yè)人數(shù)。杜謙、宋衛(wèi)國認為科技人才包括四個方面：科技人力資源、專業(yè)技術(shù)和科技活動人員以及R&D人員。[10]

國內(nèi)學者主要是從政策角度，研究分析政策實施帶來的人才集聚和人才流動對房地產(chǎn)價格影響，直接關(guān)于人才集聚對房價影響的研究較少。代表觀點認為，人才集聚對房價存在顯著的正向影響。周懷康、彭秋萍、孫博等研究發(fā)現(xiàn)流動人力資本水平會拉高“技術(shù)溢出”的程度，在此基礎上能極大提高區(qū)域生產(chǎn)率和當?shù)厥杖胨?，進一步助推房價快速上漲，并稱其為流動人力資本和城市房價間的“收入機制”。[11]彭磊通過30個城市面板數(shù)據(jù)實證檢驗出，我國不同地區(qū)人才流動對房價影響有差異性，在一、二線城市呈顯著正向推動作用，三線城市影響不顯著。[12]楊成鋼、李海賓基于“搶人大戰(zhàn)”背景下，提出高學歷人才的收入水平具有更強的住宅購買力，同時人口遷移伴隨的財富都將會激發(fā)遷入地住房價格的上漲。[13]胡元瑞選取典型城市作為代表，運用雙重差分模型測算出，人才引進政策帶來的人口流入對中西部地區(qū)房價影響效應更為顯著且高于東部城市，在短期內(nèi)快速助推當?shù)胤績r上漲。[5]陳新明、劉豐榕、朱玉慧蘭等通過建立模型檢驗出“人才新政”在全多層面上對房價有顯著的正向作用，但不同層級城市房價的政策效應存在差異性，其中新一線城市對房價的政策沖擊更加顯著。[14]馮貝分析得出基于人才政策視角下人才集聚度的提高，擴大了戶籍人口以及政府的獎勵與補貼對房價的影響，且對處于不同層次的城市影響存在差異。[15]

由此可以得出，人才集聚和遷移對住房價格起到顯著的正向影響，但不同地區(qū)的影響效果存在顯著的異質(zhì)性，并且地區(qū)分類的標準不同，人才集聚對住房價格的影響會存在顯著差異。

通過文獻梳理可知，現(xiàn)有研究存在局限性：房地產(chǎn)價格屬于經(jīng)濟指標，現(xiàn)有研究多是按東中西部或是較為常見的區(qū)域劃分進行分類，檢驗結(jié)果代表性不強，也不利于對不同地區(qū)的發(fā)展提出差異化政策建議。擬通過k-means聚類分析法將30個省(自治區(qū)、直轄市)劃分為三個層次，利用重新劃分的類別得出分析結(jié)果更具借鑒意義。

二、人才集聚現(xiàn)狀分析

人才集聚，一般是指一定時間內(nèi)，一定規(guī)模的同質(zhì)或相關(guān)人才在空間上的轉(zhuǎn)移或聚類的現(xiàn)象。常見測度方法：吳雷、孫瑩瑩分析有空間基尼系數(shù)和EG指數(shù)，指出基尼系數(shù)越高人才越集聚；[16]張所地、胡麗娜、周莉清等用熵值法測算影響人才集聚的因素。[17]

相較而言，熵值法可在多重共線性問題上進行優(yōu)化，從而優(yōu)于其他測度方法。故借鑒孫文浩、張益豐的人才集聚區(qū)位熵指數(shù)計算方法，為測算人才集聚度，選用高技術(shù)產(chǎn)業(yè)中R&D人員全時當量作為指標，[18]文章選用全國30個省(自治區(qū)、直轄市)2008—2018年數(shù)據(jù)進行分析，計算公式為：

(1)

其中LQ表示人才集聚區(qū)位熵，i表示產(chǎn)業(yè)指標數(shù)，j表示地區(qū)數(shù)；Xij表示i產(chǎn)業(yè)在j地區(qū)的指標，ΣXij表示i產(chǎn)業(yè)在全國地區(qū)的指標，∑∑Xij表示所有產(chǎn)業(yè)在全國地區(qū)的指標。區(qū)位熵指數(shù)大小反映集聚水平，區(qū)位熵的值越高，代表人才集聚水平越高。當LQ>1時，表明人才數(shù)量在全國來說具有優(yōu)勢；LQ<1時具有劣勢。

圖1 2010—2016 年各省份人才集聚區(qū)位熵指數(shù)

圖1顯示了我國2008-2018年各省人才集聚度的平均值，可以一定程度上反應人才集聚程度。LQ>1的地區(qū)有北京、上海、江蘇、浙江、山東、廣東、天津、安徽，大多集中在經(jīng)濟發(fā)達地區(qū)，均在范圍內(nèi)有小幅度的波動，表明在這些地區(qū)人才集聚具有明顯的優(yōu)勢，但安徽處于人才集聚水平而經(jīng)濟狀況欠發(fā)達的地位，區(qū)位熵值從2013年后逐年增加，主要與2013年正式加入長三角經(jīng)濟圈帶來的人才吸引效應有關(guān)；LQ<1且偏低的，基本集中在欠發(fā)達地區(qū)，并且其中西部地區(qū)的城市占多數(shù)，主要因為經(jīng)濟較為落后的城市在未實行人才引進等一系列政策時，對人才的吸引力度是相對較弱的，從而直接影響該地區(qū)的人才集聚度水平。

三、人才集聚對我國房地產(chǎn)價格影響實證分析

(一)變量選取

在借鑒既有參考文獻的基礎上，參考孫文浩(2020)、胡元瑞(2019)、童長锜(2007)的做法選取如下變量。

被解釋變量房價采用該地住宅房地產(chǎn)平均價格，是對房地產(chǎn)市場發(fā)展最直觀的體現(xiàn)。選取人才集聚度作為解釋變量，用的是各省R&D人員全時當量占該省第二產(chǎn)業(yè)就業(yè)人數(shù)比重與全國R&D人員全時當量占全國第二產(chǎn)業(yè)就業(yè)人數(shù)比重的比值。

控制變量選取地區(qū)國內(nèi)生產(chǎn)總值來反映出地區(qū)間經(jīng)濟水平差異；工資用城鎮(zhèn)單位就業(yè)人員平均勞動報酬表示，該指標可以直接量化人們的購房意愿；城鎮(zhèn)常住人口是指該地年末城鎮(zhèn)人口數(shù)(2005年之后為常住人口數(shù))；房屋竣工面積用已完工且可移交正式使用的房屋建筑面積總表示，可作為一個預測性變量，當竣工面積指數(shù)較上年同比增加，則未來住宅商品房的供應量相應增加；土地購置費是某地區(qū)單位面積的土地的均價，用土地成交價款與土地購置面積比值來表示。

(二)數(shù)據(jù)與模型選取

選取2008—2018年全國30個省(自治區(qū)、直轄市)的數(shù)據(jù)作為樣本進行分析，數(shù)據(jù)來源于《中國房地產(chǎn)統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》《中國統(tǒng)計年鑒》和《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》。從表1可知，人才集聚度的最大值與最小值相差2，代表不同地區(qū)間人才發(fā)展差距很大；其余控制變量在最值上均有明顯的倍數(shù)差距。

表1 各變量描述性統(tǒng)計

實證研究人才集聚度對房地產(chǎn)價格的影響，為了避免變量序列非平穩(wěn)而出現(xiàn)“偽回歸”現(xiàn)象，首先需對各變量實行單位根檢驗(ADF檢驗法)，分別采用LLC和ADF-Fisher 兩種方法進行平穩(wěn)性檢驗，對檢驗結(jié)果分析，當結(jié)果均拒絕原假設，則體現(xiàn)該序列平穩(wěn)。經(jīng)檢驗，結(jié)果表明各變量均為非平穩(wěn)序列；需再對所有變量一階差分處理后檢驗，得出在1%顯著性水平下拒絕原假設，故體現(xiàn)各變量為一階單整(I1)。為進一步驗證變量間存在協(xié)整關(guān)系與否，使用Johansen檢驗中的Kao檢驗和Pedroni檢驗，結(jié)果發(fā)現(xiàn)存在長期均衡穩(wěn)定的關(guān)系，檢驗結(jié)果詳見表2。

表2 面板數(shù)據(jù)協(xié)整檢驗

在完成上述檢驗的情況下，使用F檢驗與霍斯曼檢驗對面板數(shù)據(jù)進行模型估計，結(jié)果表明選用固定效應模型。模型選取如下:

(2)

其中Pr代表住宅銷售價格；α是常數(shù)項；tagg代表解釋變量人才集聚度；Xi代表控制變量：地區(qū)國內(nèi)生產(chǎn)總值(GDP)、房屋竣工面積(Area)、土地購置費(Lp)、工資(wage)、城鎮(zhèn)常住人口(up)；ε為擾動項，i代表地區(qū)。

(三)實證結(jié)果

以地區(qū)生產(chǎn)總值為指標，通過k-means聚類分析，將除西藏以外的30省(自治區(qū)、直轄市)劃分為經(jīng)濟發(fā)達地區(qū)、較發(fā)達地區(qū)和欠發(fā)達地區(qū)三類。通過系統(tǒng)聚類分析得出第一類是：北京、上海、江蘇、浙江、廣東、山東；第二類是：湖南、四川、天津、湖北、遼寧、福建、河北、河南；其余16個省(自治區(qū)、直轄市)為第三類。利用30個省(自治區(qū)、直轄市)11年的數(shù)據(jù)采用(2)式回歸，得出表3結(jié)果。

表3 固定效應模型逐步回歸結(jié)果

(1)全樣本回歸

從表3的列(1)可以看出，在全國范圍內(nèi)，人才集聚度對房價的影響呈顯著正相關(guān)，表明人才集聚度每增加1%，房價則會相應升高0.056%。人才的快速集聚刺激該地的住房需求快速增長，在供需層面致使房價上升。土地購置費和工資對房價的影響均在1%的水平下顯著正相關(guān)。其中工資的影響效應最大，因為工資的高低可以直接影響消費者的購房意愿，高工資會增加人們的購房意愿，進而促使房價上漲，工資每變化1%，房價則上漲0.641%；土地購置費代表房地產(chǎn)成本，住宅建造成本的增加會帶來房價的上漲。而房屋竣工面積對房價具有顯著負向影響 ；同時也發(fā)現(xiàn)GDP和城鎮(zhèn)常住人口對房價的影響不顯著。

(2)分地區(qū)回歸

從表3的列(2)可以看出，發(fā)達地區(qū)的人才集聚度對房價的影響并不顯著，經(jīng)濟發(fā)達地區(qū)高技術(shù)人才眾多且人才引進政策的頒布和實施力度相對較弱，致使該地的人才集聚度增加對房價的影響較小。土地購置費和工資均對房價呈顯著的正向作用，工資每增加1%，房價則會相應上漲0.773%。房屋竣工面積對房價的影響，表現(xiàn)為顯著的負向影響關(guān)系，代表住宅供給量增多，從而一定程度抑制房價上漲。而gdp和城鎮(zhèn)常住人口數(shù)對房價的影響則并不顯著。

從表3的列(3)和列(4)可以看出，較發(fā)達與欠發(fā)達地區(qū)的人才集聚度、工資和土地購置費均對房價具有顯著的正向作用，人才集聚度每變化1%，房價則會相應增長0.018個單位。同樣，工資每上漲1%，房價則隨之增長0.545%。而gdp、房屋竣工面積、城鎮(zhèn)常住人口對房價均無顯著影響。

總體來看，在不同的經(jīng)濟發(fā)展水平下，人才集聚度對房價的影響水平存在明顯差異，這是由于經(jīng)濟發(fā)展不平衡導致。相較之下，較發(fā)達與欠發(fā)達地區(qū)中二、三線城市占主要比重，人才流動將帶動這些地區(qū)房價上漲。從供需的角度看，人是房地產(chǎn)的需求方，加之較發(fā)達地區(qū)與欠發(fā)達地區(qū)近年來實行的“人才新政”吸引人才，在帶來人口和資本快速集聚的同時，也推動了房價上漲。

四、結(jié)論及政策建議

(一)結(jié)論

文章基于2008—2018年30省(自治區(qū)、直轄市)的面板數(shù)據(jù)，以地區(qū)國內(nèi)生產(chǎn)總值為依據(jù)，將30個省分別劃分為：發(fā)達地區(qū)、較發(fā)達地區(qū)和欠發(fā)達地區(qū)。利用面板回歸模型分地區(qū)研究房價是否受到人才集聚以及其他因素的影響。

實證結(jié)果表明：(1)全國范圍內(nèi)，人才集聚對房價具有顯著正向作用。然而在經(jīng)濟發(fā)展程度不同的地區(qū)其影響程度存在異質(zhì)性，發(fā)達地區(qū)人才集聚對房價的影響不顯著，而較發(fā)達和欠發(fā)達地區(qū)人才集聚對房價呈顯著正向影響。(2)除人才集聚度外，土地購置費和工資在三個地區(qū)均是顯著正向影響，房屋竣工面積只對發(fā)達地區(qū)的房價是顯著的負向影響，對較發(fā)達地區(qū)和欠發(fā)達地區(qū)則無顯著影響。而GDP和城鎮(zhèn)常住人口對房價的影響則均不顯著。

(二)政策建議

依據(jù)上述實證分析結(jié)果，人才集聚度對不同地區(qū)房價影響存在異質(zhì)性，對于房價調(diào)控，要在人才“引進來”和“留得住”的前提上進行。針對此，要從供需角度出發(fā)，如制定差異化政策、調(diào)控住房市場、調(diào)整土地供需等方面來增加住房供給，從而實現(xiàn)人才的合理引進。

1.分地區(qū)制定差異化政策。不同地區(qū)的人才集聚度對房價的影響具有差異，因此在制定人才引進政策時，不但要注意人才流入對房價的一般影響，更要結(jié)合地區(qū)特色，有選擇地引進人才，避免因政策“搶人”過度造成人才資源的浪費，同時減少對房地產(chǎn)市場帶來的正向沖擊。經(jīng)濟發(fā)達地區(qū)應利用自身發(fā)展優(yōu)勢留住人才，為人才提供更充分和優(yōu)質(zhì)的保障；經(jīng)濟較發(fā)達和欠發(fā)達地區(qū)，要優(yōu)化吸引人才的政策，保證人才流入的同時充分利用其伴隨的人力資本財富，帶動當?shù)亟?jīng)濟發(fā)展，一定程度上抵消因人口遷入造成的住房價格上漲。從而實現(xiàn)城市的高質(zhì)量發(fā)展。

2.調(diào)控住房三級市場。加大人才住房的投入，保障人才住房權(quán)益。對于經(jīng)濟較發(fā)達地區(qū)和欠發(fā)達地區(qū)，應減弱人才集聚給該地房價帶來的影響。我國目前人才集聚的主要特點是人口大量向城區(qū)遷移，對于人口流入較多的城市，應及時做出長遠的戰(zhàn)略部署。對新房實行限購政策，增強二手房交易規(guī)范性，并且對住房租賃市場做出合理調(diào)控，在此基礎上強化住房保障機制。吸引人才的同時，避免房價的非理性上漲和因人才集聚效應而造成其他中、低收入群體的“擠出”。

3.從土地供給側(cè)進行調(diào)控來穩(wěn)定房地產(chǎn)市場。土地購置費對不同地區(qū)的房價均呈顯著正向影響，因此，政府可以增加土地有效供給，降低成本，以控制住房銷售價格的上漲。與此同時，也要加快二手房在市場上的循環(huán)流通，使新房與二手房市場雙向發(fā)力，實現(xiàn)住房供給的增加，實現(xiàn)可持續(xù)發(fā)展。