房價(jià)、要素市場扭曲與工業(yè)結(jié)構(gòu)升級(jí)

許家云 張 巍

(1.南開大學(xué)，天津 300071；2.廣東財(cái)經(jīng)大學(xué)，廣東 廣州 510320；3.清華大學(xué)，北京 100084)

一、引言

2019年中央經(jīng)濟(jì)工作會(huì)議指出，為了更好地應(yīng)對(duì)動(dòng)蕩的全球經(jīng)濟(jì)形勢，適應(yīng)加速演變世界大變局，必須大力推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，全面推動(dòng)中國經(jīng)濟(jì)高質(zhì)量發(fā)展。中國工業(yè)大而不強(qiáng)，中國制造遍布全球但被鎖定于全球價(jià)值鏈中低端，如何有效實(shí)現(xiàn)中國工業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，不僅是學(xué)術(shù)界討論的熱點(diǎn)問題，更是中國轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展必須解決的現(xiàn)實(shí)問題。已有文獻(xiàn)指出，工業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)必須建立在要素市場發(fā)育完善的制度條件上，但中國要素市場改革進(jìn)程相對(duì)產(chǎn)品市場改革滯后已是不爭事實(shí)(黃益平，2009；盛仕斌 等，1999)，要素市場發(fā)展緩慢、制度體系不健全導(dǎo)致要素價(jià)格體系難以準(zhǔn)確反映真實(shí)市場供求信息，從而對(duì)工業(yè)結(jié)構(gòu)升級(jí)形成制約?，F(xiàn)有研究中，鮮有文獻(xiàn)深入探討導(dǎo)致要素市場扭曲的深層原因以及其對(duì)工業(yè)結(jié)構(gòu)升級(jí)的具體作用機(jī)制。房價(jià)與房地產(chǎn)業(yè)發(fā)展既可能影響勞動(dòng)力的工資水平(陸銘 等,2015)，也可以通過相對(duì)利潤率影響工業(yè)資本流向(王紅建 等,2016)，房價(jià)可能是要素市場扭曲乃至工業(yè)結(jié)構(gòu)升級(jí)的潛在影響因素。近年來，隨著城市化水平的提高、城市住房供給結(jié)構(gòu)性矛盾以及炒房問題，從而出現(xiàn)了房價(jià)上漲過快、房地產(chǎn)行業(yè)投資和投機(jī)過熱等現(xiàn)象。2003—2017年中國住宅商品房平均銷售價(jià)格從2197元/平方米上漲到10455元/平方米，增長了3.76倍。房價(jià)的持續(xù)快速上漲，引起了學(xué)術(shù)界和政策層的高度重視，成為亟待研究的重大課題(徐建煒 等，2012；陸銘 等，2014、2015；陳斌開 等，2016)，房價(jià)快速提高是否對(duì)要素市場扭曲與工業(yè)結(jié)構(gòu)升級(jí)是否存在顯著影響，其作用機(jī)制如何？已有文獻(xiàn)尚未就這些問題進(jìn)行系統(tǒng)性回答。

當(dāng)前，已有研究圍繞中國房價(jià)上漲的原因(邵新建 等,2012；陸銘 等,2015;Han et al.,2017)，聚焦房價(jià)對(duì)經(jīng)濟(jì)增長(梁云芳 等,2006;徐晶,2013;王弟海 等,2015)、勞動(dòng)力流動(dòng)(Brakman et al.,2002;Saks,2004;Hanson,2005;Rabe et al.,2012;張莉 等,2017)、就業(yè)和工資(Henley,2004;Charles et al.,2013;ahin et al.,2014;Fu et al.,2016;佟家棟 等,2018)以及資源配置和企業(yè)生產(chǎn)率(羅知 等,2015;陳斌開 等,2015)的影響，不過鮮有研究文獻(xiàn)關(guān)注房價(jià)上漲對(duì)工業(yè)企業(yè)要素價(jià)格扭曲的影響，以及其進(jìn)一步對(duì)企業(yè)績效和工業(yè)結(jié)構(gòu)升級(jí)的影響?；诖?，本文采用中國工業(yè)企業(yè)數(shù)據(jù)庫微觀企業(yè)數(shù)據(jù)，圍繞房價(jià)變動(dòng)、企業(yè)要素價(jià)格扭曲以及工業(yè)結(jié)構(gòu)升級(jí)之間的關(guān)系進(jìn)行全面分析。本文利用中國土地政策變化形成的外部沖擊構(gòu)建的變量，基于工具變量法較好地就“房價(jià)與要素市場扭曲對(duì)工業(yè)結(jié)構(gòu)升級(jí)的影響效果與作用機(jī)制”進(jìn)行因果識(shí)別。本文的研究表明：(1)房價(jià)上漲通過影響工資和技術(shù)創(chuàng)新方式使得企業(yè)的要素總扭曲程度提高，但房價(jià)對(duì)要素市場扭曲的影響效果在不同類別企業(yè)間存在顯著差異；(2)企業(yè)工資水平、要素投入比例與技術(shù)創(chuàng)新通過房價(jià)上漲導(dǎo)致要素市場扭曲，但并不是房價(jià)影響要素市場扭曲的完全中介；(3)僅在房價(jià)相對(duì)過高的地區(qū)，要素市場扭曲才對(duì)工業(yè)結(jié)構(gòu)升級(jí)產(chǎn)生顯著抑制作用，這說明房價(jià)過高導(dǎo)致的要素市場扭曲，而要素市場扭曲是制約中國工業(yè)結(jié)構(gòu)升級(jí)的因素之一。

文章其他部分的結(jié)構(gòu)包括：第二部分就房價(jià)對(duì)企業(yè)要素價(jià)格扭曲的影響進(jìn)行理論分析和文獻(xiàn)梳理；第三部分構(gòu)建計(jì)量模型，介紹樣本數(shù)據(jù)和指標(biāo)測度方法；第四部分圍繞實(shí)證模型得到的估計(jì)結(jié)果進(jìn)行相應(yīng)的經(jīng)濟(jì)學(xué)分析；第五部分基于中介效應(yīng)模型考察工資、資本勞動(dòng)比和技術(shù)進(jìn)步在房價(jià)影響企業(yè)要素價(jià)格扭曲中的作用；第六部分進(jìn)一步從工業(yè)結(jié)構(gòu)升級(jí)的角度考察房價(jià)通過影響要素價(jià)格扭曲產(chǎn)生的經(jīng)濟(jì)績效；最后是本文的結(jié)論。

二、文獻(xiàn)綜述與理論分析

當(dāng)前，已有大量學(xué)者分別從資本市場扭曲(Aghion et al.,2007;Buera et al.,2011;Moll,2014;羅德明 等,2012;Midrigan et al.,2014)、勞動(dòng)力市場扭曲(Galindo-Rueda et al.,2005)以及政策和投入品質(zhì)量差異(Restuccia et al.,2008;Duarte et al.,2010;孫浦陽 等,2013)等視角，就要素價(jià)格扭曲問題進(jìn)行理論和實(shí)證研究。當(dāng)要素市場處于扭曲狀態(tài)時(shí)，生產(chǎn)要素的價(jià)格結(jié)構(gòu)就不能準(zhǔn)確反映資源的相對(duì)豐腴程度。Hsieh et al.(2009)指出，若中國的資本和勞動(dòng)力按照美國的水平進(jìn)行重新配置，那么中國制造業(yè)的加總TFP能提高30%到50%。當(dāng)然，要素價(jià)格扭曲不僅僅存在于不同企業(yè)之間，具體表現(xiàn)為：生產(chǎn)要素邊際報(bào)酬較高的企業(yè)由于受到調(diào)整成本的約束，無法將生產(chǎn)能力擴(kuò)張至期望水平，也沒有將邊際報(bào)酬較低的企業(yè)徹底擠出市場(楊光 等,2015)。同時(shí)，要素價(jià)格扭曲還存在于企業(yè)內(nèi)部，表現(xiàn)為要素的邊際回報(bào)和邊際成本不相匹配。

那么，房價(jià)變動(dòng)與要素價(jià)格扭曲之間究竟存在什么關(guān)系呢？已有研究提供了一些證據(jù)和推斷。比如陳斌開等(2015)在分析房價(jià)對(duì)資源錯(cuò)配和全要素生產(chǎn)率的影響時(shí)發(fā)現(xiàn)，高房價(jià)會(huì)導(dǎo)致資源錯(cuò)配和全要素生產(chǎn)率降低，并拖累中國經(jīng)濟(jì)持續(xù)穩(wěn)定增長，而且資源配置效率是高房價(jià)降低全要素生產(chǎn)率的主要渠道。羅知等(2015)則從信貸擴(kuò)張和金融約束角度出發(fā)，發(fā)現(xiàn)國有企業(yè)以較低成本獲取信貸資金并大力投資于房地產(chǎn)市場，由此損害了制造業(yè)部門的資源配置效率。陸銘等(2015)在研究土地供給政策限制導(dǎo)致房價(jià)上漲并推動(dòng)工資上升問題中提出了一個(gè)預(yù)測，即：如果房價(jià)上漲引致的工資提高沒有伴隨生產(chǎn)率水平的同步提升，便會(huì)導(dǎo)致過度的資本深化和要素市場價(jià)格扭曲，并降低資源配置效率。張巍等(2018)基于91個(gè)城市的宏觀數(shù)據(jù)研究發(fā)現(xiàn)，房價(jià)上漲會(huì)引起資本過度深化，并導(dǎo)致勞動(dòng)扭曲度、資本扭曲度、總體扭曲度和相對(duì)扭曲度提高。

通過對(duì)已有文獻(xiàn)的梳理和總結(jié)，本文認(rèn)為房價(jià)對(duì)要素價(jià)格扭曲的影響機(jī)制可能有工資效應(yīng)、資本勞動(dòng)比效應(yīng)和技術(shù)進(jìn)步效應(yīng)三個(gè)方面。

1.工資效應(yīng)

在勞動(dòng)邊際產(chǎn)出不變的情況下，如果房價(jià)上漲能引起工資變動(dòng)，則可能會(huì)影響勞動(dòng)的價(jià)格扭曲指數(shù)，進(jìn)而對(duì)相對(duì)扭曲指數(shù)和總體扭曲指數(shù)產(chǎn)生影響。那么，房價(jià)與工資之間的關(guān)系又如何呢？雖然相關(guān)定量研究不多，但結(jié)論比較一致：房價(jià)上漲會(huì)導(dǎo)致工資上升。陸銘等(2015)基于中國2001—2010年286個(gè)地級(jí)市的實(shí)證研究發(fā)現(xiàn)，偏向中西部地區(qū)的土地供應(yīng)政策減少了東部地區(qū)的土地供應(yīng)，導(dǎo)致東部地區(qū)房價(jià)迅速上漲，并推動(dòng)了東部地區(qū)的工資上漲。文樂等(2017)在研究房價(jià)對(duì)人口半城鎮(zhèn)化影響時(shí)，構(gòu)建了一個(gè)包括住房和就業(yè)在內(nèi)的理論框架，通過對(duì)企業(yè)勞動(dòng)需求函數(shù)的分析發(fā)現(xiàn)，因?yàn)榉績r(jià)上漲提高居民生活成本，企業(yè)要留住員工就必須提高工資，所以房價(jià)上漲會(huì)推動(dòng)工資上漲。張巍等(2018)基于2002—2009年城鎮(zhèn)住戶調(diào)查的微觀家庭數(shù)據(jù)，從生活成本效應(yīng)和閑暇替代效應(yīng)兩個(gè)渠道分析了房價(jià)上漲對(duì)工資的傳導(dǎo)機(jī)制，其中生活成本又可細(xì)分為居住成本和日常開支：一方面，企業(yè)將房價(jià)上漲導(dǎo)致的成本上升向最終消費(fèi)者進(jìn)行轉(zhuǎn)嫁，進(jìn)而引起居民日常生活開支的提高；另一方面，房價(jià)上漲會(huì)增加居民直接居住成本(購房、償還房貸和租房的開支)和間接的居住成本(為買房所產(chǎn)生的儲(chǔ)蓄)。閑暇替代效應(yīng)是指，房價(jià)上漲通過財(cái)富效應(yīng)減少有房一族的勞動(dòng)供給，進(jìn)而影響工資水平。

2.資本勞動(dòng)比效應(yīng)

當(dāng)面對(duì)高企(且缺乏勞動(dòng)生產(chǎn)率支撐)的工資時(shí)，企業(yè)的理性選擇將是更多使用資本來替代勞動(dòng)并進(jìn)行產(chǎn)業(yè)升級(jí)(陸銘 等,2015)，勞動(dòng)與資本比率的調(diào)整必然會(huì)影響各自的要素邊際產(chǎn)出，在要素報(bào)酬不變的情況下，則可能帶來相對(duì)扭曲指數(shù)和總體扭曲指數(shù)的變化。一方面，高房價(jià)會(huì)推動(dòng)當(dāng)?shù)仄髽I(yè)進(jìn)行產(chǎn)業(yè)升級(jí)。高波等(2012)基于2002—2009年中國35個(gè)大中城市數(shù)據(jù)的實(shí)證分析發(fā)現(xiàn)，城市間的相對(duì)房價(jià)上升會(huì)促進(jìn)勞動(dòng)力流出，并對(duì)低附加值產(chǎn)業(yè)產(chǎn)生“擠出效應(yīng)”；邵朝對(duì)等(2016)基于2005—2012年全國282個(gè)地級(jí)市數(shù)據(jù)的分析表明，房價(jià)通過擴(kuò)散機(jī)制對(duì)低端勞動(dòng)者產(chǎn)生“強(qiáng)有力”的擠壓，產(chǎn)業(yè)結(jié)構(gòu)也會(huì)隨之出現(xiàn)由低端向高端集聚的演進(jìn)；李勇剛等(2017)基于2003—2014年35個(gè)大中城市數(shù)據(jù)的研究也得出類似的結(jié)論。

另一方面，房地產(chǎn)行業(yè)高利潤與制造業(yè)低利潤形成強(qiáng)烈對(duì)比，在利潤誘惑下，制造業(yè)將會(huì)把抽離實(shí)體行業(yè)的資金投入到房地產(chǎn)市場進(jìn)行套利(吳海民,2012)。榮昭等(2014)、Rong et al.(2016)的研究均發(fā)現(xiàn)，房價(jià)上漲會(huì)推動(dòng)中國制造業(yè)企業(yè)進(jìn)軍房地產(chǎn)行業(yè)，并且在房價(jià)增速越快的地方，上述現(xiàn)象越明顯。制造業(yè)企業(yè)進(jìn)入高回報(bào)率的房地產(chǎn)行業(yè)的跨行業(yè)套利行為，最終使得其逐漸偏離主營業(yè)務(wù)，并導(dǎo)致制造業(yè)空心化和資源重配(王紅建 等,2016)。但不論是針對(duì)淘汰勞動(dòng)密集型為主“低端產(chǎn)業(yè)”的產(chǎn)業(yè)升級(jí)，還是向資本密集型的房地產(chǎn)行業(yè)跨界套利，都會(huì)對(duì)企業(yè)的資本勞動(dòng)比產(chǎn)生影響。而對(duì)制造業(yè)而言，在技術(shù)水平不變的情況下，勞動(dòng)力和資本都有一個(gè)最優(yōu)比例區(qū)間，若資本勞動(dòng)比超過該最優(yōu)區(qū)間范圍，則可能會(huì)使各生產(chǎn)要素的邊際產(chǎn)出發(fā)生較大變化，從而導(dǎo)致扭曲發(fā)生。

3.技術(shù)進(jìn)步效應(yīng)(1)與郭慶旺等(2005)一致，本文所指的全要素生產(chǎn)率是剔除各要素(如資本和勞動(dòng)等)投入貢獻(xiàn)后的技術(shù)進(jìn)步和能力實(shí)現(xiàn)等導(dǎo)致的產(chǎn)出增加，也就是式(2)中的A，即索洛剩余。

科技與創(chuàng)新也會(huì)影響勞動(dòng)和資本的邊際產(chǎn)出率，如果房價(jià)能影響科技與創(chuàng)新水平，就能影響要素的邊際產(chǎn)出率，在要素報(bào)酬不變的情況下，房價(jià)通過影響勞動(dòng)和資本的價(jià)格扭曲指數(shù)，進(jìn)而影響相對(duì)和總體扭曲指數(shù)。在房價(jià)上漲阻礙技術(shù)進(jìn)步研究方面，已有大量文獻(xiàn)進(jìn)行了探討，結(jié)論基本一致：房價(jià)上漲會(huì)阻礙企業(yè)技術(shù)進(jìn)步。一方面，房價(jià)持續(xù)上漲使得房地產(chǎn)行業(yè)回報(bào)率提高，投資吸引力上升，若企業(yè)大舉進(jìn)軍房地產(chǎn)行業(yè)，將會(huì)減少對(duì)包括研發(fā)在內(nèi)的資源投入。比如Miao et al.(2014)發(fā)現(xiàn)，房地產(chǎn)泡沫將資源吸引至房地產(chǎn)行業(yè)，阻礙了技術(shù)創(chuàng)新；王文春等(2014)基于1999—2007年35個(gè)大中城市規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)得出，房價(jià)上漲會(huì)阻礙工業(yè)企業(yè)對(duì)新產(chǎn)品的研發(fā)投入；張杰等(2016)發(fā)現(xiàn)，過高的房價(jià)和過度投資房地產(chǎn)業(yè)對(duì)以研發(fā)投入和發(fā)明專利授權(quán)量增長率為表征的創(chuàng)新活動(dòng)產(chǎn)生了阻礙作用，而且對(duì)中國工業(yè)部門的影響更為突出。余泳澤等(2017)的觀點(diǎn)也基本一致。另一方面，高房價(jià)還會(huì)對(duì)企業(yè)發(fā)明家的創(chuàng)新效率和創(chuàng)新參與產(chǎn)生阻礙效應(yīng)。王永等(2018)發(fā)現(xiàn)，房價(jià)上漲導(dǎo)致的購房壓力會(huì)降低發(fā)明家的創(chuàng)新效率和意愿，且創(chuàng)新行為會(huì)趨于保守，高風(fēng)險(xiǎn)、高收益的發(fā)明專利數(shù)量會(huì)減少。

綜上，已有文獻(xiàn)或者考察了房價(jià)對(duì)要素價(jià)格扭曲的影響，或者考察了要素價(jià)格扭曲對(duì)企業(yè)經(jīng)濟(jì)績效的影響，但是并沒有綜合考慮房價(jià)對(duì)企業(yè)要素價(jià)格扭曲的影響，也沒有考察房價(jià)通過影響企業(yè)的要素價(jià)格扭曲方式對(duì)工業(yè)結(jié)構(gòu)升級(jí)產(chǎn)生的作用。在已有研究的基礎(chǔ)上，本文致力于考察房價(jià)對(duì)中國工業(yè)企業(yè)要素價(jià)格扭曲的微觀影響及其作用機(jī)制。本文可能的拓展主要體現(xiàn)為：(1)基于中國商品房價(jià)格不斷上漲與要素市場扭曲不斷擴(kuò)大這一現(xiàn)實(shí)背景，從企業(yè)要素價(jià)格扭曲的角度探討房價(jià)變動(dòng)的經(jīng)濟(jì)效果，系統(tǒng)地考察房價(jià)對(duì)企業(yè)要素價(jià)格扭曲的影響，并比較了不同特征企業(yè)的差異性，進(jìn)而豐富了有關(guān)評(píng)估房價(jià)變動(dòng)經(jīng)濟(jì)效果的研究文獻(xiàn)；(2)利用中國工業(yè)企業(yè)數(shù)據(jù)庫企業(yè)微觀數(shù)據(jù)進(jìn)行了計(jì)量檢驗(yàn)，構(gòu)建了比較準(zhǔn)確的要素市場扭曲指數(shù)，并采用工具變量法進(jìn)行檢驗(yàn)，保證了計(jì)量檢驗(yàn)過程的準(zhǔn)確性和穩(wěn)健性；(3)現(xiàn)有涉及房價(jià)與要素價(jià)格扭曲的文獻(xiàn)，鮮有房價(jià)影響要素價(jià)格扭曲的作用機(jī)制的實(shí)證探討，本文通過梳理房價(jià)對(duì)要素價(jià)格扭曲的潛在影響機(jī)制，進(jìn)一步將該影響機(jī)制概括為工資效應(yīng)、資本勞動(dòng)比效應(yīng)和技術(shù)進(jìn)步效應(yīng)三個(gè)方面，并基于微觀企業(yè)數(shù)據(jù)深入考察了房價(jià)對(duì)要素價(jià)格扭曲的作用渠道，從而為該問題的研究嘗試提供來自中國的經(jīng)驗(yàn)證據(jù)，這深化了對(duì)于房價(jià)與要素資源配置之間關(guān)系的理解；(4)在研究房價(jià)影響工業(yè)企業(yè)要素價(jià)格扭曲的基礎(chǔ)上，進(jìn)一步深入考察了要素價(jià)格扭曲對(duì)工業(yè)結(jié)構(gòu)升級(jí)的影響，這有助于更深入地理解房價(jià)變動(dòng)、要素資源配置與中國工業(yè)結(jié)構(gòu)升級(jí)之間的內(nèi)在聯(lián)系。

三、模型設(shè)定、數(shù)據(jù)說明及實(shí)證策略

1.實(shí)證模型

基于以上分析，為了準(zhǔn)確識(shí)別房價(jià)對(duì)要素市場扭曲的影響，本文構(gòu)建以下計(jì)量模型：

ln disti,m,k,t=α+βln HPm,t+γX+φm+λt+θk+εi,m,k,t

(1)

其中，ln disti,m,k,t表示t時(shí)期m城市k行業(yè)的i企業(yè)的要素價(jià)格扭曲程度；ln HPm,t是本文的核心解釋變量，是指m城市第t年的城市商品房價(jià)格的對(duì)數(shù)；X表示控制變量集合，包括企業(yè)微觀層面以及城市和區(qū)域宏觀層面兩個(gè)維度的控制變量；φm表示城市固定效應(yīng)；θk表示行業(yè)固定效應(yīng)；λt表示時(shí)間固定效應(yīng)；εi,m,k,t表示隨機(jī)擾動(dòng)項(xiàng)。式(1)中，要素價(jià)格扭曲程度的估計(jì)系數(shù)β是本文關(guān)注的核心：如果β的取值顯著大于零，表明城市平均房價(jià)上漲會(huì)顯著提高企業(yè)的要素價(jià)格扭曲程度；反之，則說明城市平均房價(jià)上漲會(huì)降低企業(yè)的要素價(jià)格扭曲程度，有利于資源配置效率的提高。

2.內(nèi)生性問題和實(shí)證策略

本文盡可能地控制了企業(yè)層面和地區(qū)層面的控制變量，且在識(shí)別上利用城市層面房價(jià)數(shù)據(jù)解釋微觀企業(yè)的扭曲情況，這雖在一定程度上控制了雙向因果導(dǎo)致的內(nèi)生性(吳偉平 等,2016;張莉 等,2017)，但也可能存在遺漏變量問題。比如某地為鼓勵(lì)某一類產(chǎn)業(yè)(2)根據(jù)地方政府的目標(biāo)不同，鼓勵(lì)發(fā)展的產(chǎn)業(yè)可能是優(yōu)勢產(chǎn)業(yè)，也可能是本地短板但高附加值的產(chǎn)業(yè)。做大做強(qiáng)而實(shí)施的新政，一方面，鼓勵(lì)產(chǎn)業(yè)的稅收、土地、融資等全方位政策紅利會(huì)導(dǎo)致企業(yè)實(shí)際面臨的生產(chǎn)要素價(jià)格產(chǎn)生扭曲，進(jìn)而對(duì)企業(yè)的相對(duì)扭曲指數(shù)和總體扭曲指數(shù)產(chǎn)生影響；另一方面，產(chǎn)業(yè)蓬勃發(fā)展帶來的人口流入、經(jīng)濟(jì)發(fā)展和預(yù)期改變又帶動(dòng)了當(dāng)?shù)貥鞘械姆睒s。此類變量遺漏會(huì)導(dǎo)致估計(jì)偏誤，本文將通過尋找房價(jià)的工具變量，以緩解此類內(nèi)生性問題影響。

借鑒Han et al.(2017)的思路，本文利用中國土地政策變化的外部沖擊來構(gòu)造工具變量。從2003年起，中央政府開始采用傾向于中西部地區(qū)的土地供應(yīng)政策(陸銘 等,2015)，即向內(nèi)陸城市分配更多的建設(shè)用地配額。與以往側(cè)重沿海發(fā)展的政策相比，這種變化導(dǎo)致內(nèi)陸和沿海城市房價(jià)出現(xiàn)分化。這就提供了一個(gè)準(zhǔn)自然實(shí)驗(yàn)，可識(shí)別不同城市房價(jià)的影響(Han et al.,2017)。

以2003年作為分界點(diǎn)，本文將中國的城市分為兩個(gè)組：2003年后新增土地平均供應(yīng)份額相對(duì)2003年之前下降的組和2003年后新增土地平均供應(yīng)份額相對(duì)于2003年之前上升的組。由于每年增量土地供應(yīng)配額是由中央政府決定并分配給省級(jí)政府，再由省級(jí)政府劃撥給下一級(jí)政府，因此一個(gè)城市新增土地供應(yīng)是否在2003年之后進(jìn)入約束趨勢(即進(jìn)入下降組)，這是一個(gè)外生于當(dāng)?shù)氐淖兞?。在?shí)證方面，Han et al.(2017)基于probit模型發(fā)現(xiàn)，城市是否進(jìn)入下降組只和該城市所處的地理位置(東中西部)或2003年時(shí)的土地供應(yīng)份額有關(guān)，與土地財(cái)政、產(chǎn)業(yè)結(jié)構(gòu)、人口密度、人均GDP等當(dāng)?shù)亟?jīng)濟(jì)社會(huì)變量無關(guān)，進(jìn)一步佐證了以上工具變量外生性的邏輯合理性。

同時(shí)，進(jìn)入下降組的城市也就意味其土地供應(yīng)方面比上升組城市面臨著更大的制約，因此其房價(jià)漲幅也可能比那些上升組城市上漲的更快。可見，當(dāng)?shù)爻鞘型恋毓?yīng)的趨勢又與當(dāng)?shù)胤績r(jià)有密切的關(guān)聯(lián)性。工具變量的具體設(shè)定和計(jì)算過程如下：

(2)

deltam=E(ratiomt|year≤2003)-E(ratiomt|year>2003)

(3)

(4)

其中，landtransmt表示第t年m城市的新增土地面積；ratiomt則表示當(dāng)年m城市在所有城市中的新增土地供應(yīng)的份額，因此式(3)描述了該城市2003年前后土地份額的變化情況，在式(4)中按照土地份額下降和上升將城市分為兩類；新增土地供應(yīng)分組groupm則是本文使用的工具變量。

3.變量構(gòu)建和說明

(1)要素市場扭曲程度。價(jià)格扭曲是要素市場扭曲中最重要的概念，表現(xiàn)為要素邊際產(chǎn)出與邊際價(jià)格的偏離。目前研究中，對(duì)要素市場扭曲的測度方法主要包括生產(chǎn)函數(shù)法、前沿技術(shù)分析法、影子價(jià)格法和市場化指數(shù)法等。采用生產(chǎn)函數(shù)法測度要素價(jià)格扭曲是學(xué)者普遍采用的方法，即先估計(jì)出投入要素組合的生產(chǎn)函數(shù)，并計(jì)算出各要素的邊際產(chǎn)出，再與各要素的價(jià)格相比較，接下來計(jì)算出各種要素價(jià)格的絕對(duì)扭曲程度和要素之間的相對(duì)扭曲程度。對(duì)于生產(chǎn)函數(shù)的選擇方面，又主要分為C-D生產(chǎn)函數(shù)法和超越對(duì)數(shù)生產(chǎn)函數(shù)法兩種。較好的綜述性研究可參看王寧等(2015)的研究。

借鑒Hsieh et al.(2009)、施炳展等(2012)、劉竹青等(2017)、羅知等(2018)、浦艷萍等(2019)等的做法，在以上研究的基礎(chǔ)上，本文使用C-D生產(chǎn)函數(shù)來測算資本和勞動(dòng)的價(jià)格扭曲程度，并度量不同企業(yè)面臨的要素市場扭曲情況。生產(chǎn)函數(shù)設(shè)定如下：

Y=AKaLb

(5)

其中，Y表示產(chǎn)出值，根據(jù)估計(jì)方法不同Y的定義又有所差異：一般而言，在估計(jì)時(shí)額外增加中間品作為控制變量的，Y常用總產(chǎn)出(Amiti et al.，2007；Girma et al.，2008；Marcin，2008;Michel et al.,2014)，而額外增加中間品作為控制變量的，Y為企業(yè)增加值(Alvarez et al.,2008;Bitzer et al.,2008;Hale et al.,2011)；K表示資本投入，用企業(yè)固定資產(chǎn)凈值來衡量，其中，產(chǎn)出值和固定資產(chǎn)分別使用產(chǎn)出價(jià)格指數(shù)和資本價(jià)格指數(shù)進(jìn)行平減；L表示勞動(dòng)投入，用企業(yè)就業(yè)人數(shù)來衡量；a和b分別表示資本和勞動(dòng)的產(chǎn)出彈性；A表示技術(shù)進(jìn)步。資本和勞動(dòng)的邊際產(chǎn)出可表示為：

MPK=AaKa-1Lb=aY/K

(6)

MPL=AbKaLb-1=bY/L

(7)

假設(shè)資本價(jià)格是利率(r)、勞動(dòng)價(jià)格是工資(wage)，這兩種要素的價(jià)格扭曲指數(shù)和要素市場的總價(jià)格扭曲指數(shù)分別為：

distK=MPK/r

(8)

distL=MPL/wage

(9)

由以上計(jì)算公式可知，要素價(jià)格扭曲指數(shù)的構(gòu)建基礎(chǔ)是要素應(yīng)得報(bào)酬與實(shí)際報(bào)酬之間的對(duì)比，如果要素價(jià)格扭曲指數(shù)取值大于1，意味著該要素的應(yīng)得報(bào)酬大于實(shí)際所得，價(jià)格被負(fù)向扭曲；反之，要素價(jià)格被正向扭曲。本文使用中國人民銀行公布的一年期貸款利率，對(duì)其每天的平均按年加權(quán)平均得當(dāng)年的平均利率作為資本價(jià)格r的代理指標(biāo)。wage則使用中國工業(yè)企業(yè)數(shù)據(jù)庫中每家企業(yè)當(dāng)年的平均工資。在此基礎(chǔ)上可測算出每家企業(yè)每一年的資本扭曲度和勞動(dòng)的扭曲度。

當(dāng)然，我們更加關(guān)注企業(yè)的要素價(jià)格總扭曲指數(shù)(total_dist)和相對(duì)扭曲指數(shù)(Dist)，它們將是本文的被解釋變量：

(10)

Dist=distL-distK

(11)

在具體估算的方法方面，本文采用Levinsohn et al.(2003)的半?yún)?shù)估計(jì)方法，以解決可能估計(jì)時(shí)面臨的同時(shí)性偏誤(simultaneity bias)問題(3)除Levinsohn-Petrin方法外，解決同時(shí)性偏誤的另一種常見方法是Olley et al.(1996)發(fā)展的Olley-Pakes估計(jì)方法，雖然Levinsohn-Petrin的估計(jì)方法在操作上遠(yuǎn)比Olley-Pakes方法復(fù)雜，但在Stata環(huán)境下借助外部命令levpet可以大大提高估計(jì)效率。該命令的具體使用方式可參見Levinsohn et al.(2003)研究。。Y用企業(yè)的工業(yè)增加值來衡量；K用企業(yè)固定資產(chǎn)凈值的對(duì)數(shù)來衡量，其中，工業(yè)增加值和固定資產(chǎn)分別使用產(chǎn)出價(jià)格指數(shù)和資本價(jià)格指數(shù)進(jìn)行平減；此外，本文采用企業(yè)就業(yè)人數(shù)的對(duì)數(shù)值來衡量L；wage用平均工資的對(duì)數(shù)值度量；關(guān)于利率(rate)的度量，本文參考王寧等(2015)的建議，使用中國人民銀行公布的一年期貸款利率，對(duì)其每天的平均利率按年加權(quán)平均得當(dāng)年的平均利率，以此作為資本價(jià)格的代理指標(biāo)。

(2)控制變量。企業(yè)層面的控制變量方面，主要包括：企業(yè)生產(chǎn)率(tfp)，采用Levinsohn et al.(2003)的方法估算得到；企業(yè)規(guī)模(ln_size)，采用企業(yè)銷售額取對(duì)數(shù)來衡量；企業(yè)年齡(age)，用當(dāng)年年份與企業(yè)開業(yè)年份的差來衡量；資本密集度(klr)，用固定資產(chǎn)與從業(yè)人員數(shù)的比值取對(duì)數(shù)來衡量；企業(yè)利潤率(profit)，用營業(yè)利潤與企業(yè)銷售額的比值來衡量；融資約束(finance)，用利息支出與固定資產(chǎn)的比值表示；出口密集度(exp)，用出口交貨值與企業(yè)銷售額的比值來衡量；企業(yè)所有制虛擬變量(own)，用來反映企業(yè)的所有制結(jié)構(gòu)特征(4)所有制結(jié)構(gòu)與要素市場扭曲之間有著密切的關(guān)系,比如史晉川等(2007)發(fā)現(xiàn)，國有經(jīng)濟(jì)部門中要素相對(duì)價(jià)格的扭曲程度要高于非國有經(jīng)濟(jì)部門。；企業(yè)尋租成本(rscost)，參照Anderson et al.(2007)、萬華林等(2010)的做法，本文采用管理費(fèi)用與企業(yè)總資產(chǎn)的比值來衡量。

地區(qū)層面的控制變量，主要包括：(1)地區(qū)市場競爭情況(HHI—赫芬達(dá)爾指數(shù))，一般認(rèn)為，市場競爭程度越激烈，企業(yè)市場勢力越弱，越不可能引起要素市場扭曲。(2)城市人均GDP(ln_gdp_per)，使用城市人均生產(chǎn)總值取對(duì)數(shù)來表示。地區(qū)財(cái)政收入(ln_czsr)，用地區(qū)財(cái)政收入取對(duì)數(shù)來衡量。(3)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)，用地區(qū)第二產(chǎn)業(yè)產(chǎn)值占GDP的比重(proportion_2)和第三產(chǎn)業(yè)產(chǎn)值占GDP的比重(proportion_3)來衡量。(4)地區(qū)制度環(huán)境。金融環(huán)境方面，本文使用樊綱等(2010)“中國市場化進(jìn)程指數(shù)”中的地區(qū)金融市場化程度指數(shù)(jrsch)和金融業(yè)競爭指數(shù)(jryjz)刻畫金融環(huán)境的變化。法律環(huán)境方面，本文則選用樊綱等(2010)“中國市場化進(jìn)程指數(shù)”的法律中介組織發(fā)育程度指數(shù)(flzjzz)和律師、會(huì)計(jì)師等市場組織服務(wù)條件指數(shù)(sczzfw)來衡量。

4.數(shù)據(jù)來源和描述性統(tǒng)計(jì)

企業(yè)層面數(shù)據(jù)主要來自于2000—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫，該數(shù)據(jù)庫涵蓋了中國所有國有企業(yè)和規(guī)模以上非國有企業(yè)，提供了本文研究所需的各類指標(biāo)。由于本文分析問題的需要，僅選取制造業(yè)行業(yè)進(jìn)行考察，即對(duì)電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)數(shù)據(jù)以及采礦業(yè)數(shù)據(jù)進(jìn)行了刪除。然后按照Yu(2015)和Brandt et al.(2012)等常用的做法，對(duì)數(shù)據(jù)代碼進(jìn)行了調(diào)整：(1)統(tǒng)一了2000—2007年三位行業(yè)代碼；(2)以法人代碼為基礎(chǔ)識(shí)別企業(yè)單位，采用序貫識(shí)別法對(duì)每個(gè)企業(yè)截面進(jìn)行了重新編碼；(3)剔除異常樣本，包括刪除流動(dòng)資產(chǎn)大于總資產(chǎn)、總固定資產(chǎn)大于總資產(chǎn)、固定資產(chǎn)凈值大于總資產(chǎn)、企業(yè)編碼缺失、企業(yè)成立時(shí)間有誤等有違“通用會(huì)計(jì)準(zhǔn)則”的企業(yè)樣本。城市級(jí)別數(shù)據(jù)來自EPS數(shù)據(jù)平臺(tái)的《中國區(qū)域經(jīng)濟(jì)數(shù)據(jù)庫》和《中國國土資源年鑒》。通過對(duì)兩套數(shù)據(jù)的匹配，可獲得位于全國274個(gè)城市的約130萬余戶制造業(yè)企業(yè)的樣本數(shù)據(jù)。(5)限于篇幅，并未匯報(bào)變量的定義、單位、來源和描述性統(tǒng)計(jì)，如需備索。

四、房價(jià)與扭曲：基本事實(shí)及分析

1.基準(zhǔn)估計(jì)

本文在表1匯報(bào)了OLS估計(jì)的結(jié)果，其中，第(1)—(3)列是房價(jià)對(duì)總體扭曲指數(shù)的影響，第(4)—(6)列是房價(jià)對(duì)相對(duì)扭曲指數(shù)的影響。由表1可知，房價(jià)上升可能會(huì)導(dǎo)致總體扭曲指數(shù)減少，并導(dǎo)致相對(duì)扭曲指數(shù)上升。但很顯然該結(jié)論并不穩(wěn)健。

表1 基于OLS的基準(zhǔn)估計(jì)(6)后文實(shí)證部分的控制變量均與本表第(3)列和第(6)列一致，限于篇幅，后文將不再匯報(bào)控制變量的估計(jì)結(jié)果，如需備索。

(續(xù)表1)

表1中估計(jì)結(jié)果的不穩(wěn)健可能是由內(nèi)生性問題引起的。正如本文在前文內(nèi)生性問題和實(shí)證策略部分所分析的那樣，房價(jià)對(duì)扭曲指數(shù)的影響很可能因?yàn)檫z漏變量而導(dǎo)致OLS估計(jì)結(jié)果并不準(zhǔn)確?；诖?，本文將進(jìn)一步通過尋找合適的工具變量辦法，以盡可能降低內(nèi)生性對(duì)本文估計(jì)結(jié)果的干擾。因此這里使用group作為房價(jià)的工具變量進(jìn)行IV估計(jì)，并將結(jié)果匯報(bào)在表2。由于group是企業(yè)所在城市是否進(jìn)入了新增土地出讓面積的受限制組的虛擬變量，所以不能控制城市層面的地區(qū)固定效應(yīng)，這里使用省份固定效應(yīng)作為替代，并增加了年份、行業(yè)和省份之間兩兩交互項(xiàng)來進(jìn)一步彌補(bǔ)不能控制城市級(jí)固定效應(yīng)帶來的損失。工具變量估計(jì)結(jié)果表明，房價(jià)上漲會(huì)顯著增加總扭曲指數(shù)和相對(duì)扭曲指數(shù)，這意味著OLS估計(jì)結(jié)果確實(shí)存在嚴(yán)重內(nèi)生性問題。

此外，若工具變量與內(nèi)生變量之間相關(guān)性較弱則可能會(huì)出現(xiàn)弱工具變量(Weak IV)問題，并影響估計(jì)結(jié)果，因此需要做弱工具變量檢驗(yàn)(Stock et al.,2005)。Cragg-Donald統(tǒng)計(jì)量均大于10%偏誤下臨界值16.38，拒絕了弱工具變量的假設(shè)，可以認(rèn)為本文選擇的工具變量不存在弱工具變量問題。

表2 基于IV估計(jì)的結(jié)果

2.異質(zhì)性分析

接著進(jìn)行了一組異質(zhì)性分析，分別觀察房價(jià)上漲對(duì)不同類型企業(yè)要素扭曲度的差異性影響，結(jié)果匯報(bào)在表3中(7)所有回歸的解釋變量中，不僅有組別虛擬變量和房價(jià)的交乘項(xiàng)，還控制了組別虛擬變量，限于篇幅并未匯報(bào)。。其中，第(1)列和第(4)列分析了房價(jià)上漲對(duì)不同要素密集度行業(yè)(8)勞動(dòng)密集型行業(yè)包括：農(nóng)副食品加工業(yè)，食品制造業(yè)，飲料制造業(yè)，煙草制品業(yè)，紡織業(yè)，紡織服裝、鞋、帽制造業(yè)，皮革、毛皮、羽毛(絨)及其制品業(yè)，木材加工及木、竹、藤、棕、草制品業(yè)，家具制造業(yè)，造紙及紙制品業(yè)，印刷業(yè)和記錄媒介的復(fù)制，文教體育用品制造業(yè)；資本密集型行業(yè)包括：石油加工、煉焦及核燃料加工業(yè)，化學(xué)原料及化學(xué)制品制造業(yè)，醫(yī)藥制造業(yè)，化學(xué)纖維制造業(yè)，橡膠制品業(yè)，塑料制品業(yè)，非金屬礦物制品業(yè)，黑色金屬冶煉及壓延加工業(yè)，有色金屬冶煉及壓延加工業(yè)，金屬制品業(yè)；技術(shù)密集型行業(yè)包括：通用設(shè)備制造業(yè)，專用設(shè)備制造業(yè)，交通運(yùn)輸設(shè)備制造業(yè)，電氣機(jī)械及器材制造業(yè)，通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備，儀器儀表及文化、辦公用機(jī)械制造業(yè)，工藝品及其他制造業(yè)，廢棄資源和廢舊材料回收加工業(yè)。要素扭曲的影響，相對(duì)基準(zhǔn)組勞動(dòng)密集型行業(yè)，房價(jià)沖擊對(duì)技術(shù)密集型行業(yè)的總扭曲和相對(duì)扭曲影響更大。這可能是由于房價(jià)阻礙了企業(yè)創(chuàng)新活動(dòng)(王文春 等,2014;張杰 等,2016;余泳澤 等，2017)，而技術(shù)密集型行業(yè)競爭力更依賴技術(shù)創(chuàng)新。第(2)列和第(5)列進(jìn)一步考察了房價(jià)上漲在不同TFP分組下的異質(zhì)性(9)本文把樣本企業(yè)按照TFP的高低平均分成了三個(gè)組。，可見相對(duì)于作為基準(zhǔn)的低TFP企業(yè)，高TFP和低TFP的企業(yè)扭曲會(huì)更小。這進(jìn)一步佐證了前文的機(jī)制猜想：房價(jià)上漲通過削弱企業(yè)的科技創(chuàng)新導(dǎo)致微觀企業(yè)的要素扭曲程度上升。第(3)列和第(6)列則考察房價(jià)上漲在不同規(guī)模企業(yè)中的異質(zhì)性影響，觀察估計(jì)結(jié)果可知，房價(jià)上漲對(duì)小規(guī)模企業(yè)的扭曲沖擊更大，這不僅與大中企業(yè)擁有更多部門和產(chǎn)業(yè)、能夠更靈活的分配生產(chǎn)要素有關(guān)，也可能和大中企業(yè)相較于小企業(yè)擁有更高的TFP、資本勞動(dòng)比和工資有關(guān)(10)比如第(2)列和第(5)列也說明了企業(yè)TFP越高，越能減少扭曲，而同時(shí)工資和資本勞動(dòng)比水平較高的企業(yè)在面臨高房價(jià)沖擊時(shí)，提高工資或資本勞動(dòng)比的幅度(和速度)可能會(huì)低于工資和資本勞動(dòng)比水平較低的企業(yè)。在本文涉及的樣本中，大規(guī)模企業(yè)的TFP、工資和資本勞動(dòng)比的中位數(shù)分別是7.43、13.03和4.13，均高于小規(guī)模企業(yè)的水平(5.59、9.52和3.36)。。

表3 異質(zhì)性分析

3.穩(wěn)健性檢驗(yàn)

接下來，本文采用變換控制變量和工具變量的方式進(jìn)行了穩(wěn)健性檢驗(yàn)，相關(guān)結(jié)果匯報(bào)在表4中。第(1)列和第(2)列是將被解釋變量進(jìn)行對(duì)數(shù)化處理后的結(jié)果。前文中采用了Levinsohn-Petrin方法估計(jì)生產(chǎn)函數(shù)并計(jì)算總扭曲指數(shù)和相對(duì)扭曲指數(shù)，表4第(3)列到第(4)列是將被解釋變量替換為使用雙固定效應(yīng)下的OLS估計(jì)后計(jì)算的總扭曲指數(shù)和相對(duì)扭曲指數(shù)(11)在具體估計(jì)中，本文允許資本和勞動(dòng)的產(chǎn)出彈性在不同行業(yè)之間存在差異，這控制了城市和年份固定效應(yīng)，且沒有規(guī)模報(bào)酬不變的假設(shè)。。第(5)列到第(6)列是進(jìn)行了企業(yè)層面和城市層面控制變量的替換(12)具體而言，企業(yè)層面是：將銷售收入衡量的規(guī)模(ln_size)變成資產(chǎn)衡量的規(guī)模(new_ln_size)；將出口密集度(exp)替換為取對(duì)數(shù)處理后的ln_exp；將尋租成本(rscost)替換為管理費(fèi)用的對(duì)數(shù)(ln_management)。城市層面是：把人均GDP(ln_gdp_per)替換成了地區(qū)生產(chǎn)總值(ln_GDP)；把地區(qū)財(cái)政收入(ln_czsr)替換為地區(qū)財(cái)政收入占GDP的比重(finance_ratio)；把第二產(chǎn)業(yè)(proportion_2)占比和第三產(chǎn)業(yè)(proportion_3)占比替換為第二三產(chǎn)業(yè)增加值之比(Ratio)。。第(7)列到第(8)列是進(jìn)一步考慮了當(dāng)?shù)毓苍O(shè)施和公共服務(wù)對(duì)企業(yè)要素配置的影響，具體而言，新增了三個(gè)控制變量：等級(jí)公路里程(highway)、醫(yī)院衛(wèi)生院床位數(shù)(sickbed)和普通中學(xué)專任教師人數(shù)(teacher)，以分別表征當(dāng)?shù)氐幕A(chǔ)設(shè)施水平、醫(yī)療衛(wèi)生水平和教育水平(13)感謝匿名審稿人的建設(shè)性意見。三個(gè)變量都取當(dāng)?shù)厝司狄苑从钞?dāng)?shù)毓苍O(shè)施的豐腴程度，數(shù)據(jù)來自EPS數(shù)據(jù)平臺(tái)《區(qū)域經(jīng)濟(jì)數(shù)據(jù)庫》。這里只匯報(bào)了同時(shí)控制三個(gè)變量的估計(jì)結(jié)果，實(shí)際上我們還分別在只控制其中一個(gè)變量的情況下進(jìn)行回歸，結(jié)果依舊穩(wěn)健。受篇幅限制并未匯報(bào)，如有需要可向作者索取。。第(9)列到第(10)列是借鑒陸銘等(2015)的方法，使用當(dāng)?shù)厣弦黄谌司略鐾恋爻鲎屆娣e作為新工具變量(其他控制變量未做變化，與表3一致)的回歸結(jié)果。觀察表4中的估計(jì)結(jié)果不難發(fā)現(xiàn)，本文估計(jì)結(jié)果較為穩(wěn)健。

表4 穩(wěn)健性檢驗(yàn)

五、房價(jià)對(duì)要素價(jià)格扭曲的影響：作用機(jī)制分析

本部分將借助中介效應(yīng)的分析框架來檢驗(yàn)工資、TFP和KL比在房價(jià)影響要素扭曲中的中介作用。經(jīng)典的中介效應(yīng)的基本程序分三步進(jìn)行：(1)將因變量(扭曲指數(shù))對(duì)核心自變量(房價(jià))進(jìn)行回歸；(2)將中介變量(比如工資)對(duì)核心自變量(房價(jià))進(jìn)行回歸；(3)將因變量(扭曲指數(shù))同時(shí)對(duì)核心自變量和中介變量進(jìn)行回歸。完整的中介效應(yīng)分析由以下方程組構(gòu)成：

Disti,m,k,t=a0+a1×ln HPm,t+a3×Xi,m,k,t

(12)

ln Wagei,m,k,t=b0+b1×ln HPm,t+b2×Xi,m,k,t

(13)

ln klri,m,k,t=c0+c1×ln HPm,t+c2×Xi,m,k,t

(14)

TFPi,m,k,t=d0+d1×ln HPm,t+d2×Xi,m,k,t

(15)

Disti,m,k,t=g0+g1×ln HPm,t+g2×ln Wagei,m,k,t+g3×ln klri,m,k,t+g4×TFPi,m,k,t+g5×Xi,m,k,t

(16)

其中，Disti,m,k,t是要素扭曲指數(shù)；ln Wagei,m,k,t與ln HPm,t與模型設(shè)定部分的定義一致，分別表示企業(yè)員工當(dāng)年的平均工資水平和當(dāng)?shù)氐钠骄績r(jià)水平；ln klri,m,k,t和TFPi,m,k,t則分別表示企業(yè)當(dāng)年的資本勞動(dòng)比和TFP；Xi,m,k,t則表示諸如企業(yè)規(guī)模、當(dāng)?shù)厣a(chǎn)總值之類的一系列控制變量。

表5中第(1)列到第(4)列依次對(duì)應(yīng)式(12)至(15)，結(jié)果表明房價(jià)引起總扭曲指數(shù)、工資、資本勞動(dòng)比和TFP的變動(dòng)。表5的第(5)列到第(7)列則分別考察房價(jià)與工資、房價(jià)與資本勞動(dòng)比、房價(jià)與TFP影響總扭曲指數(shù)，是考察房價(jià)單獨(dú)通過工資、資本勞動(dòng)比和TFP三個(gè)渠道影響總扭曲指數(shù)。表5的第(8)列則考察房價(jià)同時(shí)通過三個(gè)渠道對(duì)總扭曲指數(shù)的影響。結(jié)果表明，工資和TFP是房價(jià)影響總扭曲度的中介變量(14)工資和TFP是房價(jià)影響要素扭曲中介的理論邏輯也很清晰：比如從式(12)可知，勞動(dòng)扭曲指數(shù)是工資函數(shù)，房價(jià)如果能影響工資，則能影響勞動(dòng)扭曲指數(shù)，進(jìn)而對(duì)總扭曲指數(shù)和相對(duì)扭曲指數(shù)產(chǎn)生影響。由式(6)和式(7)可知，勞動(dòng)邊際回報(bào)(MPL)和資本邊際回報(bào)(MPK)都是技術(shù)進(jìn)步A的函數(shù)，因此總體扭曲指數(shù)和相對(duì)扭曲指數(shù)也都是技術(shù)進(jìn)步A的函數(shù)。如果房價(jià)能影響技術(shù)進(jìn)步A，則能對(duì)總體扭曲指數(shù)和相對(duì)扭曲指數(shù)產(chǎn)生影響。，資本勞動(dòng)比的中介效應(yīng)并不顯著(15)雖然第(1)列中房價(jià)系數(shù)顯著，但是第(3)列中房價(jià)系數(shù)和第(7)列中KL比系數(shù)中，二者只有一個(gè)顯著，Sobel檢驗(yàn)的結(jié)果并不顯著，這意味著KL比在房價(jià)影響總扭曲度當(dāng)中的中介效應(yīng)并不顯著。。此外，由于第(5)列到第(8)列中房價(jià)系數(shù)依舊顯著，意味著工資和TFP并不是房價(jià)向扭曲傳導(dǎo)的完全中介。

表5 房價(jià)影響總扭曲指數(shù)的機(jī)制分析

鑒于總扭曲指數(shù)和相對(duì)扭曲指數(shù)都是工資的函數(shù)，為了克服內(nèi)生性導(dǎo)致的估計(jì)偏誤，這里借鑒Zhang et al.(2017)的做法，對(duì)第t年m城市i企業(yè)的工資構(gòu)建了如下的工具變量：

(17)

即將m城市t年時(shí)除i企業(yè)以外的其他相同行業(yè)的工業(yè)企業(yè)的平均工資(對(duì)數(shù)化處理)作為i企業(yè)t年工資(對(duì)數(shù)化處理)的工具變量。本文表5和表6中的第(5)列和第(8)列均是使用IV_wagei,m,t作為企業(yè)工資的工具變量的估計(jì)結(jié)果。與工資類似，本文對(duì)資本勞動(dòng)比和TFP也構(gòu)建了同樣的工具變量IV_klri,m,t和IV_TFPi,m,t，在表5和表6的第(6)列至第(8)列的工具變量估計(jì)時(shí)分別作為資本勞動(dòng)比和TFP的工具變量(16)本文還使用了當(dāng)?shù)刂圃鞓I(yè)企業(yè)上一年的平均工資和中位數(shù)工資等作為工具變量(TFP和資本勞動(dòng)比也一樣)，結(jié)論仍然一致，為了節(jié)約篇幅并未匯報(bào)，若有需要可向作者索取。。

表6 房價(jià)影響相對(duì)扭曲指數(shù)的機(jī)制分析

與相對(duì)扭曲指數(shù)相類似，表6匯報(bào)了工資、TFP和資本勞動(dòng)比在房價(jià)影響相對(duì)扭曲指數(shù)當(dāng)中的中介作用。結(jié)論同總扭曲指數(shù)略有不同：工資、TFP和資本勞動(dòng)比是房價(jià)影響相對(duì)扭曲指數(shù)的中介變量，但不是完全中介。雖然表5和表6中已經(jīng)發(fā)現(xiàn)了房價(jià)影響扭曲指數(shù)的三個(gè)可能渠道：工資、資本勞動(dòng)比和TFP。但這三個(gè)渠道并未涵蓋房價(jià)影響扭曲指數(shù)的所有可能路徑，這將是未來可以進(jìn)一步挖掘的方向。

此外，基于中介效應(yīng)分析框架得出了TFP是房價(jià)影響扭曲指數(shù)的正向渠道，即房價(jià)上漲通過減少TFP導(dǎo)致扭曲增加，但是工資卻是房價(jià)影響扭曲指數(shù)的負(fù)向渠道。工資減少了房價(jià)上漲導(dǎo)致的扭曲增加，可能有如下幾個(gè)方面原因：(1)從經(jīng)濟(jì)指標(biāo)的數(shù)學(xué)邏輯上，工資本身確實(shí)是扭曲指數(shù)構(gòu)成的分母，分母增加必然導(dǎo)致總體扭曲下降；(2)不少對(duì)2000—2007年勞動(dòng)扭曲指數(shù)的研究均發(fā)現(xiàn)，平均而言，勞動(dòng)扭曲指數(shù)是負(fù)向扭曲。這既有基于工業(yè)企業(yè)等微觀數(shù)據(jù)的研究(施炳展 等,2012;王明益,2016;吳先明 等,2017;劉竹青 等,2017)，也有基于城市和省級(jí)宏觀數(shù)據(jù)的研究(邵敏 等,2012;冼國明 等,2013;李平 等,2014;羅知 等,2018)。既然勞動(dòng)的應(yīng)得報(bào)酬大于實(shí)際所得，提高工資實(shí)際上有助于降低勞動(dòng)扭曲指數(shù)，進(jìn)而降低總體和相對(duì)扭曲指數(shù)；(3)基于最低工資的研究發(fā)現(xiàn)，工資上漲導(dǎo)致企業(yè)成本增加，可能促使低效率企業(yè)退出市場，或迫使未退出市場的企業(yè)通過增加培訓(xùn)、資本替代勞動(dòng)等方式改進(jìn)效率，這都會(huì)提高資源配置效率(孫楚仁 等,2013;趙瑞麗 等,2018)。該邏輯在房價(jià)推動(dòng)型的工資上漲中也可能是適用的。

還需要說明的是，不應(yīng)高估工資對(duì)扭曲的減緩效果。比如受到數(shù)據(jù)、篇幅以及研究主要問題的限制，本文忽略了工資結(jié)構(gòu)對(duì)扭曲指數(shù)的影響(佟家棟 等,2018)，因此可能高估了這種緩解效果。此外，工資上漲有助于減少扭曲，這僅在勞動(dòng)的應(yīng)得報(bào)酬大于實(shí)際所得的前提下成立，即隨著房價(jià)不斷攀升，房價(jià)推動(dòng)型的工資上漲遲早會(huì)從緩解扭曲變成產(chǎn)生扭曲。

六、房價(jià)、要素價(jià)格扭曲與工業(yè)結(jié)構(gòu)升級(jí)

前文研究發(fā)現(xiàn)，中國迅速上漲的房價(jià)是要素市場扭曲指數(shù)持續(xù)擴(kuò)大的重要原因，但機(jī)制分析部分卻顯示，不斷攀升的房價(jià)也通過提升勞動(dòng)報(bào)酬率(工資水平)弱化了要素市場的扭曲程度。因此，盡管前文的微觀實(shí)證結(jié)論已經(jīng)表明，房價(jià)提高會(huì)強(qiáng)化要素市場扭曲程度，但房價(jià)上漲對(duì)不同工業(yè)生產(chǎn)要素報(bào)酬率存在不同的影響機(jī)制，導(dǎo)致高房價(jià)形成的要素價(jià)格扭曲對(duì)工業(yè)結(jié)構(gòu)升級(jí)的作用效果存在差異，這一研究結(jié)論必須通過進(jìn)一步實(shí)證檢驗(yàn)進(jìn)行識(shí)別。

工業(yè)結(jié)構(gòu)升級(jí)是指工業(yè)結(jié)構(gòu)的高度化，即由低附加值行業(yè)升級(jí)到高附加值行業(yè)，其實(shí)質(zhì)是工業(yè)生產(chǎn)要素報(bào)酬率與產(chǎn)品附加值率不斷提升的過程：微觀層面，是企業(yè)通過技術(shù)升級(jí)與技術(shù)改進(jìn)、管理模式優(yōu)化、產(chǎn)業(yè)鏈升級(jí)等方式實(shí)現(xiàn)生產(chǎn)技術(shù)的廣義進(jìn)步；宏觀層面，是一個(gè)國家工業(yè)經(jīng)濟(jì)體系發(fā)展模式的轉(zhuǎn)變，即由勞動(dòng)密集型轉(zhuǎn)變?yōu)橘Y本密集型，最終向技術(shù)密集型與知識(shí)密集型轉(zhuǎn)變，實(shí)現(xiàn)向全球價(jià)值鏈產(chǎn)業(yè)鏈的中高端攀升(傅元海 等,2016)。根據(jù)上述定義，工業(yè)結(jié)構(gòu)升級(jí)核心在于吸引高質(zhì)量生產(chǎn)要素進(jìn)入工業(yè)經(jīng)濟(jì)體系，或依靠市場機(jī)制不斷提高現(xiàn)有生產(chǎn)要素尤其是勞動(dòng)力的報(bào)酬率。但就中國已處的工業(yè)化中后期特征事實(shí)來看，主要城市高速上漲的房價(jià)迫使擁有高人力資本的就業(yè)者期望的勞動(dòng)報(bào)酬持續(xù)走高，這導(dǎo)致兩個(gè)方面后果：一方面扭曲了要素市場的價(jià)格信號(hào)，另一方面導(dǎo)致大量本應(yīng)服務(wù)于工業(yè)經(jīng)濟(jì)的高端人才向金融業(yè)等虛擬經(jīng)濟(jì)部門轉(zhuǎn)移，對(duì)工業(yè)結(jié)構(gòu)升級(jí)形成了直接制約。與此同時(shí)，由于中國工業(yè)經(jīng)濟(jì)體系中大量高技術(shù)中間品依賴進(jìn)口，資本報(bào)酬率長期保持在較低水平(趙昌文 等,2015)，而房地產(chǎn)市場的過度繁榮又使得房地產(chǎn)行業(yè)資本報(bào)酬率偏高，相對(duì)地拉低了工業(yè)經(jīng)濟(jì)體系中的資本報(bào)酬率，扭曲的資本要素價(jià)格使得工業(yè)結(jié)構(gòu)升級(jí)迫切需要的大量、穩(wěn)定、持續(xù)的投資需求無法得到滿足。

綜上所述，盡管房價(jià)提高可能通過工資渠道在一定程度上緩解要素市場的價(jià)格扭曲，但緩解作用需要某些前提條件才能實(shí)現(xiàn)，而過度虛高的房價(jià)不論對(duì)勞動(dòng)力要素價(jià)格還是資本要素價(jià)格存在扭曲作用，這些都可能對(duì)工業(yè)結(jié)構(gòu)升級(jí)存在直接制約作用。這意味著，房價(jià)上漲導(dǎo)致的要素價(jià)格扭曲對(duì)中國工業(yè)結(jié)構(gòu)升級(jí)的整體作用效果總體上可能是負(fù)面的，下文將使用城市面板數(shù)據(jù)對(duì)這一命題進(jìn)行檢驗(yàn)。

傳統(tǒng)衡量工業(yè)結(jié)構(gòu)變動(dòng)的方法主要包括霍夫曼系數(shù)和工業(yè)結(jié)構(gòu)變化指數(shù)(17)干春暉等(2011)認(rèn)為，工業(yè)結(jié)構(gòu)變化指數(shù)存在顯著的缺點(diǎn)：一是計(jì)算公式中的絕對(duì)值計(jì)算為研究帶來了不便；二是其值一定為正，不能反映工業(yè)結(jié)構(gòu)高度化的反向變化。因而該指數(shù)不能較好反映工業(yè)結(jié)構(gòu)的高度化。，但是，隨著信息技術(shù)和計(jì)算技術(shù)的迅速發(fā)展，世界主要經(jīng)濟(jì)體工業(yè)結(jié)構(gòu)不斷升級(jí)，其演變呈現(xiàn)高度化特征，即出現(xiàn)高技術(shù)化、高知識(shí)化和高附加值的變動(dòng)趨勢(中國社會(huì)科學(xué)院工業(yè)經(jīng)濟(jì)研究所課題組,2010)，而傳統(tǒng)的工業(yè)機(jī)構(gòu)變動(dòng)衡量方法無法捕捉上述趨勢?；诖?，本文借鑒戴魁早(2012)的方法，使用工業(yè)行業(yè)中第三類產(chǎn)業(yè)產(chǎn)值占第一類產(chǎn)業(yè)與第二類產(chǎn)業(yè)產(chǎn)值之和的比例來衡量中國工業(yè)結(jié)構(gòu)升級(jí)(18)參考戴魁早(2012)的做法，本文第一類產(chǎn)業(yè)包括農(nóng)副食品加工業(yè)，食品制造業(yè)，飲料制造業(yè)，煙草制品業(yè)，紡織業(yè)，紡織服裝、鞋、帽制造業(yè)，皮革、毛皮、羽毛(絨)及其制品業(yè)，木材加工及木、竹、藤、棕、草制品業(yè)，家具制造業(yè)；第二類產(chǎn)業(yè)包括石油加工、煉焦及核燃料加工業(yè)，化學(xué)原料及化學(xué)制品制造業(yè)，醫(yī)藥制造業(yè)，化學(xué)纖維制造業(yè)，橡膠制品業(yè)，塑料制品業(yè)，非金屬礦物制品業(yè)，黑色金屬冶煉及壓延加工業(yè)，有色金屬冶煉及壓延加工業(yè)，金屬制品業(yè)；第三類產(chǎn)業(yè)包括設(shè)備制造業(yè)，交通運(yùn)輸設(shè)備制造業(yè)，電氣機(jī)械及器材制造業(yè)，通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備，儀器儀表及文化、辦公用機(jī)械制造業(yè)。。該比值與工業(yè)結(jié)構(gòu)升級(jí)呈正相關(guān)關(guān)系，如果該比值上升，說明工業(yè)結(jié)構(gòu)高度化水平提高，工業(yè)結(jié)構(gòu)處于升級(jí)狀態(tài)。

本文基于微觀的工業(yè)企業(yè)數(shù)據(jù)生成每個(gè)城市每年一年的工業(yè)結(jié)構(gòu)高度化(UIS)數(shù)據(jù)，并使用宏觀城市數(shù)據(jù)進(jìn)行估計(jì)，以分析扭曲指數(shù)對(duì)UIS的影響。相應(yīng)實(shí)證結(jié)果匯報(bào)在表7中，其中，第(1)列和第(2)列是面板固定效應(yīng)估計(jì)結(jié)果，第(3)列和第(4)列是面板IV估計(jì)的結(jié)果。由實(shí)證結(jié)果可知，總體扭曲指數(shù)和相對(duì)扭曲指數(shù)都會(huì)導(dǎo)致UIS下降，這意味著阻礙了中國工業(yè)企業(yè)的工業(yè)結(jié)構(gòu)升級(jí)(19)本文還做了一些穩(wěn)健性檢驗(yàn)，如使用扭曲的平均值(而不是中位數(shù))或變換UIS的測度等，但基本結(jié)論不變。。還需要說明的是，由于面板固定效應(yīng)會(huì)刪除掉個(gè)體不隨時(shí)變的異質(zhì)性，而前文使用的工具變量所在城市是否屬于新增土地份額下降組(即受約束組)，這是一個(gè)不隨時(shí)變的變量，無法繼續(xù)使用。因此這里使用兩個(gè)扭曲指數(shù)各自的滯后期作為自己的工具變量，這可能是未來值得進(jìn)一步改進(jìn)的地方(20)這里還分別嘗試使用了“上一期人均新增土地出讓面積”、“新增土地出讓份額”和“上一期新增土地出讓份額”等工具變量，但均未通過弱工具變量檢驗(yàn)。。

同樣受制于工具變量限制，不能通過實(shí)證結(jié)果直接分析房價(jià)在這個(gè)過程中的作用(如借鑒第五部分的中介效應(yīng)框架)，因此本文使用間接方式來進(jìn)行進(jìn)一步的論證：按照房價(jià)高低將樣本分為高房價(jià)組子樣本和低房價(jià)組子樣本，再分別進(jìn)行估計(jì)。表7第(5)列至第(8)列就是基于房價(jià)分組的子樣本面板IV估計(jì)，其中第(5)列和第(7)列為高房價(jià)地區(qū)，第(6)列和第(8)列為低房價(jià)地區(qū)。由結(jié)果可知，總體扭曲指數(shù)和相對(duì)扭曲指數(shù)對(duì)UIS的影響主要存在于高房價(jià)地區(qū)，這也進(jìn)一步證明了房價(jià)會(huì)通過影響要素扭曲方式對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)產(chǎn)生影響。

表7 扭曲指數(shù)對(duì)UIS升級(jí)的影響

七、結(jié)論及討論

本文基于2000—2007年約130萬中國工業(yè)企業(yè)數(shù)據(jù)庫微觀企業(yè)數(shù)據(jù)，并利用中國土地政策變化的外部沖擊來構(gòu)造工具變量，實(shí)證考察了房價(jià)對(duì)企業(yè)要素配置扭曲的影響。研究結(jié)果表明，房價(jià)上漲通過影響工資和技術(shù)創(chuàng)新方式提高企業(yè)的要素總扭曲程度；房價(jià)通過影響工資、資本勞動(dòng)比和技術(shù)創(chuàng)新方式提高企業(yè)要素相對(duì)扭曲程度。引入工業(yè)結(jié)構(gòu)高度化的分析表明，房價(jià)上漲導(dǎo)致要素扭曲提高，這阻礙了中國工業(yè)結(jié)構(gòu)升級(jí)。

房價(jià)導(dǎo)致的生產(chǎn)要素錯(cuò)配不僅在微觀層面削弱了企業(yè)的競爭力，還在宏觀層面阻礙了工業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)。本文的研究結(jié)論對(duì)于準(zhǔn)確判斷未來中國房地產(chǎn)市場發(fā)展長效機(jī)制走向，理解中國宏觀和產(chǎn)業(yè)發(fā)展政策，都具有重要的政策參考價(jià)值。當(dāng)前中國經(jīng)濟(jì)步入中高速增長的新常態(tài)階段，同時(shí)面臨發(fā)達(dá)國家高端制造業(yè)回流與發(fā)展中國家爭奪中低端制造業(yè)轉(zhuǎn)移的嚴(yán)峻挑戰(zhàn)，為了更好落實(shí)包括供給側(cè)結(jié)構(gòu)性改革和《中國制造2025》等一系列重大戰(zhàn)略部署，需要充分重視高房價(jià)對(duì)要素合理配置以及工業(yè)結(jié)構(gòu)升級(jí)的阻礙作用。

因而，應(yīng)深刻領(lǐng)會(huì)中共十九大報(bào)告中對(duì)于房地產(chǎn)業(yè)的根本定位，全面落實(shí)“房子是用來住的、不是用來炒的”的文件指導(dǎo)精神。房地產(chǎn)業(yè)的健康發(fā)展，是中國宏觀經(jīng)濟(jì)保持長期活力的重要條件，是廣大人民群眾在工作中有尊嚴(yán)感、在收入上有獲得感、在生活中有幸福感的重要基礎(chǔ)，是中國未來一個(gè)時(shí)期城鎮(zhèn)化進(jìn)程穩(wěn)步推進(jìn)的重要保證；然而，房價(jià)過高不但在微觀層面導(dǎo)致企業(yè)效率損失，也在宏觀層面損害了中國經(jīng)濟(jì)的競爭力和結(jié)構(gòu)優(yōu)化。當(dāng)前中國特色社會(huì)主義已經(jīng)進(jìn)入新時(shí)代，全面深化改革既是新時(shí)代的重要特征，也為中國房地產(chǎn)業(yè)擠出泡沫、深度調(diào)控、回歸正軌提供了歷史性契機(jī)。在促進(jìn)房地產(chǎn)業(yè)健康發(fā)展這一重大問題上，各級(jí)政府既要有“改革功成不必在我”的政績觀，也要有“改革推進(jìn)時(shí)不我待”的緊迫感，將抓好住房領(lǐng)域供給側(cè)改革作為踐行共享發(fā)展理念的重點(diǎn)任務(wù)，堅(jiān)持調(diào)控不放松、不動(dòng)搖、不走樣，打好財(cái)稅、土地、產(chǎn)業(yè)發(fā)展等配套政策供給的“組合拳”，合理控制房地產(chǎn)業(yè)調(diào)控力度和節(jié)奏，充分考慮利益攸關(guān)方承受能力和經(jīng)濟(jì)社會(huì)運(yùn)行的穩(wěn)定，積極發(fā)揮制造業(yè)和實(shí)體經(jīng)濟(jì)在經(jīng)濟(jì)總盤子中對(duì)房地產(chǎn)業(yè)的替代作用。