商品房價格上漲如何抑制金融業(yè)空間集聚
——來自中國地級及以上城市的經驗證據

劉 航

一、引 言

20世紀90年代后半期起，我國商品房價格以超過資產均價的幅度快速上漲。1998年全國商品房平均銷售價格為2063元/m2，2019年漲至9310元/m2，漲幅遠超出同期CPI和建筑安裝工程投資價格指數(shù)。黨的十九大報告明確提出房子是用來住的，不是用來炒的。遏制房價過快上漲，不僅有利于改善民生，讓大多數(shù)人“住有所居”，更重要的是消除資產價格上漲導致的虛擬經濟膨脹，阻斷其對產業(yè)發(fā)展的危害。在新一輪房地產改革之前，一些人曾擔憂中國的資產泡沫一旦破裂，可能重蹈日本“失去的二十年”覆轍。更多的研究認為，即使不會出現(xiàn)房地產崩盤以及企業(yè)大面積倒閉等極端情況，房價非理性上漲也會對產業(yè)發(fā)展造成持續(xù)的不利影響。

房價過快上漲不利于產業(yè)發(fā)展的現(xiàn)有研究主要分為三類觀點。其一是“勞動力驅趕”。Helpman(1998)指出，住房價格過高有損勞動者的相對效用，進而抑制了勞動力集聚。支持這一類觀點的實證研究者有Cameron等(2006)、Rabe和Taylor(2010)、Zabel(2012)、張莉等(2017)、佟家棟和劉竹青(2018)，等等。其二是“消費抑制”。顏色等(2013)、李江一(2018)認為，由于中國房價上漲不可持續(xù)及政策性房貸約束等因素，房價上漲難以通過樂觀預期或融資擴張帶動消費增長，即Iacoviello(2005)、Aron等(2012)所看到的“財富效應”在中國不占主流。其三是“創(chuàng)新資源擠出”。Miao和Wang(2014)、王文春和榮昭(2014)、劉建江和羅雙成(2018)認為，房地產的高回報率吸引優(yōu)質資金流入，對創(chuàng)新資源產生擠出效應，而非像Chaney等(2012)發(fā)現(xiàn)的企業(yè)可抵押物增值使其增加實體投資。另外，還有個體創(chuàng)業(yè)意愿減弱(吳曉瑜等，2014)、家庭金融資產錯配(趙西亮等，2013；孫早等，2018)等機制。

按照現(xiàn)有研究，受其負面影響的主要是制造業(yè)，房價過快上漲導致制造業(yè)要素供給減少或需求萎縮，致使企業(yè)績效下滑或重新選址。然而，一些研究指出，個別大城市房價上漲導致制造業(yè)遷出，加劇了“產業(yè)空洞化”，但這又有益于產業(yè)結構升級(高波等，2012)。如果受房價上漲沖擊的僅是制造業(yè)，那么對于一些較發(fā)達的城市是一件好事，由此可以減少污染源并為新興產業(yè)提供可置換用地。在現(xiàn)階段深入推進供給側結構性改革背景下，房價上漲擠出制造業(yè)具有兩面性，若不觀察其他行業(yè)的響應，只能得出模糊的政策導向。相較制造業(yè)，中國多數(shù)城市更希望引入金融、科技等現(xiàn)代服務業(yè)，因為這類行業(yè)集聚更能反映城市產業(yè)地位和競爭力。特別是金融業(yè)，其在空間上的集聚能夠提高外部收益、擴大信息輻射并減少市場摩擦(Thrift，1994；Porteous，1995)，通過緩解企業(yè)融資約束從而帶動其收益增加(Zhang等，2019)，有助于提升實體經濟效率(余泳澤等，2013)，在拉動區(qū)域經濟增長過程中還具有空間溢出效應(李紅和王彥曉，2014)。因此，金融業(yè)等現(xiàn)代服務業(yè)的集聚更能代表區(qū)域經濟的高質量發(fā)展，只有證明房價上漲擠出了這類行業(yè)，才能確信房價過快上漲在城市層面產生了系統(tǒng)性的不利影響。

本文擬實證檢驗商品房價格上漲與金融業(yè)空間集聚的關系。之所以選擇金融業(yè)來研究房價波動的產業(yè)效應，而不是制造業(yè)或者信息、科技服務等其他服務部門，主要是考慮到以下幾點。第一，金融業(yè)比其他行業(yè)更具有輕資產特征，若房價上漲對金融機構造成不利影響，則很快反映到空間斂散度上，經營不佳的金融機構會盡快收縮邊界，這樣不至于無法識別那些受到沖擊卻又因區(qū)位黏性而未遷出的冗余產能。第二，產業(yè)集聚的動力來自市場鄰近(Krugman，1991)和供給鄰近(Venables，1996)，與其他行業(yè)不同的是，金融機構更傾向鄰近市場，尤其是個人金融業(yè)務，其對居民密度的敏感性很強，而金融機構所需的金融科技、金融產品開發(fā)、資本市場資訊等通常由其總部完成，較少依賴當?shù)禺a業(yè)關聯(lián)。第三，按照Caballero和Krishnamurthy(2006)的觀點，房地產供需失衡是現(xiàn)代金融發(fā)展不足的結果，這意味著房價上漲與金融業(yè)集聚之間可能互為因果，若控制了內生性問題時前者對后者仍有明顯的抑制作用，則此時的房價上漲更值得警惕，如果不加以遏制，則容易形成看漲預期主導的自循環(huán)。目前，一二線城市房地產市場已體現(xiàn)出較強的金融屬性，即金融部門的收入增長過多地依賴房地產投資(國務院發(fā)展研究中心“經濟轉型期的風險防范與應對”課題組，2018)。該結構性風險正隨著三四線城市“棚改”而下移，一旦本輪“棚改”熱潮退去，三四線城市政府推高房價的沖動將會更加強烈，反過來會抑制各地構建適合自身稟賦的最優(yōu)金融結構，使影子銀行成為三四線城市房地產融資的主要來源，從而導致系統(tǒng)性風險加劇。

本文的邊際貢獻是引入城市化進程和城市經濟的新視角，從異質性勞動力流動及其引發(fā)的金融機構供需關系變化等微觀渠道，來剖析房價波動與金融業(yè)集聚的關系?，F(xiàn)有相關研究多是把房價波動看作貨幣政策應急反應的沖擊來源(趙進文和高輝，2009；陳繼勇等，2013)，或是宏觀經濟的金融加速器(陳詩一和王祥，2016)。本文相比現(xiàn)有研究，打開了房價變動影響金融資源空間分布的“黑箱”，突破“房地產投資—貨幣政策—資本市場”的既有框架，有助于理解推動“金融服務實體經濟”的綜合改革措施的實施，為相關理論深化提供新的現(xiàn)實證據。

二、理論分析與研究假說

（一）理論機制分析

1.“勞動力驅趕”機制

按照現(xiàn)有研究，某一地區(qū)住房價格過高將有損勞動者的相對效用，進而抑制了勞動力集聚。多數(shù)國內研究均支持房價上漲導致的“勞動力驅趕”的觀點(高波等，2012；張莉等，2017；佟家棟和劉竹青，2018)。對多數(shù)家庭而言，購房成本在其家庭支出中占很大份額，甚至透支大量未來收入。房價上漲意味著計劃遷入城市的農村居民將面臨更高的進入壁壘，還會對未購房的原有城市家庭形成“推力”，甚至一些已購房的家庭因住址較偏遠和通勤成本較高而有可能會遷出，留下的勞動者對工資的要求就會水漲船高。如果一個城市的房價過快上漲，則當?shù)刂圃鞓I(yè)或傳統(tǒng)服務部門在勞動力市場上的優(yōu)勢地位將被弱化，企業(yè)受制于高企的用工成本而收縮生產邊界，或將新增投資向用工成本更低的地區(qū)轉移。

對金融業(yè)來說，“勞動力驅趕”和用工成本增加的沖擊可能相對較小。一方面，房價上漲擠壓的主要是中低技能勞動者(邵朝對等，2016)，曾一度因農民工回流而面臨“招工難”“用工荒”的主要是勞動密集型產業(yè)。金融業(yè)的從業(yè)人員往往具有較強專用性技能，勞動報酬明顯高于其他行業(yè)，其很容易越過所在城市的購房門檻而成為“有房者”。他們更符合Dohmen(2005)、Meen和Nygaard(2010)所說的受套利預期驅動的遷入者，或如Saiz(2007)所說的主要關注生活便利性和社會網絡的人群，選擇居住地時更偏好房價有明顯看漲預期的城市，故金融業(yè)較少因房價上漲而面臨勞動力供給不足。如圖1所示，雖然2003—2019年金融業(yè)的城鎮(zhèn)單位就業(yè)人員平均(名義)工資高于制造業(yè)該類人員的平均工資，但其增速從2010年起持續(xù)低于后者?？梢?，金融業(yè)的勞動力難以被房價上漲擠出，金融業(yè)用工成本受到的沖擊較弱。另一方面，金融業(yè)的勞動報酬支出占比遠低于各行業(yè)均值(羅長遠和張軍，2009)，其資本-勞動力替代彈性也較高(范曉靜，2014)，即當勞動力價格提高，金融機構通常也不在意用工成本導致的總成本輕微上漲，即便勞動力價格漲幅達到一定值，也可相對輕易地用金融科技手段取代普通勞動。即使房價上漲的確擠出了金融業(yè)所需的人才，致使工資水平上漲，金融機構也不至于大幅縮減投資和經營規(guī)模。因此，現(xiàn)有研究發(fā)現(xiàn)的“勞動力驅趕”效應可能不適用于金融業(yè)。

圖1 制造業(yè)與金融業(yè)的城鎮(zhèn)單位就業(yè)人員平均工資對比(單位：萬元/年，%)

2.“客戶資源擠出”機制

針對發(fā)達國家的研究，多數(shù)學者認為房價上漲能夠帶來“財富效應”，有助于拉動居民消費。按照其邏輯，房產增值可提高家庭的資產性收入(Sousa，2008)，增強其樂觀預期(Ludwig和Sl?k，2001)，或緩解其融資約束(Iacoviello，2005；Aron等，2012)。然而，針對中國的研究，多數(shù)學者認為房價上漲對消費起抑制作用，主要原因為以下三點，一是中國處在城鄉(xiāng)流動的高峰期，存在大量剛需家庭，房價上漲等同于負面的財富再分配(陳彥斌和邱哲圣，2011)；二是房價上漲加劇了家庭負債和流動性約束，促使其增加預防性儲蓄(李江一等，2018)；三是房價上漲容易吸引家庭持有多套房，進而增加投機性儲蓄(李雪松等，2015)。由于運輸成本不為零且很多服務產品具有不可貿易性，而生產需要鄰近消費市場，所以房價上漲將會抑制消費需求，對生產部門產生“推力”(向外的擠出效應)，抑制產業(yè)集聚。

根據以上論述，似乎可推斷房價上漲帶來了更多的房貸和儲蓄業(yè)務，能夠刺激對金融服務的需求。然而，結合各類城市金融機構布點的一般規(guī)律，現(xiàn)實中未必如此。第一，房貸利息收入在銀行收入中占比有限，房價上漲引致的房貸需求不會成為銀行選址的決定因素。第二，房價上漲還會抑制居民對多元化金融資產的興趣，特別是會抑制其對風險性金融產品的偏好(魏先華等，2014；孫早等，2018)，壓縮了金融機構的業(yè)務增長空間。第三，現(xiàn)有文獻所說的房價上漲引起儲蓄增加，主要是指家庭的儲蓄率增加，尤其是中低收入家庭(陳斌開和楊汝岱，2013)。還要考慮到越是剛需家庭越容易被房價上漲擠出，能夠留下的往往是收入較高、對其他金融產品需求較高的家庭，但這類業(yè)務通?？梢栽诰€交易，相較儲蓄業(yè)務，其單筆交易額更大且交易頻次更低，對實體網點的規(guī)模要求并不很高?？傊?，房價上漲會擠出金融機構的客戶資源，特別是對線下實體金融服務有著較高需求的中低收入家庭被擠出的可能性更大，從而可能削弱城市對金融業(yè)的吸引力。

3.“用房成本增加”機制

除了上述兩個機制，有的文獻還從“創(chuàng)新資源擠出”機制論證了房價上漲對產業(yè)的不利影響，即房地產投資擠占了產業(yè)發(fā)展所需的創(chuàng)新創(chuàng)業(yè)資源。然而，這一機制不適用于金融業(yè)集聚，因為金融科技開發(fā)和產品設計通常由研發(fā)總部完成，當?shù)貏?chuàng)新創(chuàng)業(yè)資源不足不會影響金融業(yè)的技術進步。此處重點考察房價上漲影響金融業(yè)集聚的另一個渠道——“用房成本增加”。

現(xiàn)有研究考察房價波動時多指的是住宅價格，而商品房還包括商業(yè)營業(yè)用房和辦公樓(即商業(yè)地產)，其價格變動直接影響著企業(yè)的單位用房成本，其過快上漲會擠壓企業(yè)的盈利空間?，F(xiàn)有研究在探討房價上漲對制造業(yè)的影響時，較少關注商業(yè)地產的價格，是因為制造業(yè)企業(yè)主要在工業(yè)用地上自建或租用廠房，較少使用商業(yè)地產。對金融業(yè)來說，雖然其不屬于空間密集型行業(yè)，但對優(yōu)質商鋪的可得性較為敏感，對外營業(yè)場所對地段、建筑質量及門面裝潢檔次有較高要求。

如表1所示，金融業(yè)建筑安裝工程投資占固定資產投資額的比重遠超過制造業(yè)相應投資額，也一般高于多數(shù)服務業(yè)相應投資額。由此推斷，如果一個城市商業(yè)地產價格上漲過快，則很可能對金融機構形成“推力”，抑制金融業(yè)空間集聚。當然，地方政府在金融招商過程中能夠看到金融機構的用房需求，通常會按面積或定額向其提供用房成本補貼，進而可能弱化“用房成本增加”機制的中介效應。

表1 各行業(yè)建筑安裝工程占固定資產投資比重對比(單位：%)

（二）假說

一個城市住宅價格上漲可能促使住房剛需家庭流出。盡管這類家庭對應的多是中低技能勞動者，未必是金融業(yè)所需的勞動力，其供給不足不會導致金融業(yè)用工成本上升，但其通常對線下實體金融服務有著較高需求。這類人群遷出意味著金融業(yè)基礎客戶資源的流失，從而不利于金融業(yè)空間集聚。從另一個角度看，金融業(yè)的用房成本在其營業(yè)成本中占比較高，這使得商業(yè)房地產上漲會對金融機構造成較大成本沖擊，促使其重新選址。由此判斷，商品房(住宅及商業(yè)地產)價格上漲可能是金融業(yè)集聚的負面影響因素，進而提出假說1。

假說1：商品房價格上漲越快，越不利于金融業(yè)空間集聚。

根據對房價上漲影響制造業(yè)發(fā)展的現(xiàn)有研究，主要傳導機制有“勞動力驅趕”“消費抑制”等。若專門研究金融業(yè)，則“勞動力驅趕”機制可能不成立，因為金融業(yè)對勞動者技能要求較高并且勞動力成本在總成本中占比較低，住宅價格上漲導致勞動力供給減少，但不至于促使金融機構遷出。若房價上漲對金融業(yè)集聚存在抑制作用，則傳導機制主要發(fā)生在金融業(yè)的需求和用房供給環(huán)節(jié)。不過與現(xiàn)有研究不同，這里的需求抑制并非社會消費總額或消費水平降低，而是對金融服務類型和服務形式的結構性轉變，這一轉變迫使金融機構縮減資產和人員投入。另外，上文所說金融機構對商業(yè)房地產價格波動較為敏感，其“用房成本增加”也可能構成不利于金融業(yè)集聚的一個傳導機制。因此，針對房價影響金融業(yè)集聚的中介機制，可提出假說2。

假說2：“客戶資源擠出”和“用房成本增加”構成了商品房價格上漲抑制金融業(yè)空間集聚的中介機制，而房價上漲的“勞動力驅趕”效應對金融業(yè)來說可能不成立。

三、數(shù)據與實證模型

（一）樣本和數(shù)據

本文以中國地級及以上城市為樣本，檢驗商品房價格變動對金融業(yè)空間集聚的影響。歷年《中國區(qū)域經濟統(tǒng)計年鑒》給出了中國200余個地級及以上城市的商品房銷售額和銷售面積，2005年起開始統(tǒng)計住宅的銷售額和面積。但是，2014年之后該統(tǒng)計文獻不再出版，相關數(shù)據只更新至2013年，故時間跨度限定在2006—2013年。本文還涉及金融業(yè)空間集聚指數(shù)，根據很多以中國城市為樣本的文獻(陳建軍等，2009；孫浦陽等，2012)，由于缺乏服務業(yè)細分行業(yè)在城市層面的營業(yè)收入或增加值數(shù)據，服務業(yè)集聚應該以《中國城市統(tǒng)計年鑒》提供的分行業(yè)年末從業(yè)人員數(shù)為基準。金融業(yè)屬于生產性服務業(yè)，其空間集聚也應以從業(yè)人員相對規(guī)模做替代處理。控制變量或中介變量涉及省級城鎮(zhèn)人口和固定資產投資的測算，這些數(shù)據來源于《中國人口統(tǒng)計年鑒》和《中國固定資產統(tǒng)計年鑒》。相關價格指數(shù)來自《中國統(tǒng)計年鑒》。以上數(shù)據全部采用全市數(shù)據。為保持平衡性，本文剔除了嚴重缺失數(shù)據的樣本，剔除了在2005年之后才設立地級市行政建制的樣本。針對個別在觀察期內合并的城市，未合并的年份也作加總處理。篩選下來共182個樣本城市。

（二）變量處理

1. 金融業(yè)空間集聚指數(shù)

產業(yè)集聚是指同一產業(yè)在某個特定地理區(qū)域內高度集中以及產業(yè)資本要素在空間范圍內不斷匯聚的過程。衡量產業(yè)空間集聚的方法有行業(yè)集中度、赫芬達爾指數(shù)、空間基尼系數(shù)、EG指數(shù)等。本文主要觀察的是金融業(yè)在中國地級市層面的集聚度，因為得不到分地級市的不同金融機構或其營業(yè)網點的經營情況，也無地級市層面的金融業(yè)資產、資本、收益等數(shù)據。參照Donoghue和Gleave(2004)、程大中和陳福炯(2005)、陳建軍等(2009)、孫浦陽等(2012)等人的研究，以基于就業(yè)比例的區(qū)位熵來衡量金融業(yè)空間集聚指數(shù)(用FA表示)。

2. 商品房價格漲幅和住宅價格漲幅

用城市的商品房銷售額除以商品房銷售面積得到平均銷售價格(萬元/m2)。為確保不受通貨膨脹干擾，用各城市對應省份的消費者價格指數(shù)(CPI)加以平減，即用名義價格除以定基CPI(以2001年為基期)，得到商品房實際價格。進而，計算出當年商品房實際價格與上一年商品房實際價格之差，再與上一年商品房實際價格相比，得到商品房價格絕對漲幅Arbp。商品房包含住宅、辦公樓、商業(yè)營業(yè)用房和其他，而地級市層面只統(tǒng)計了商品房和住宅的銷售情況。本文主要區(qū)分商業(yè)地產和住宅價格變動對金融業(yè)集聚的影響，因此以同樣方法計算了住宅的價格絕對漲幅，記為Arbp2。按照理論分析，房價上漲時升值預期反而能幫助金融業(yè)吸引更多的高技能勞動力，這里主要是指住宅價格上漲，高技能勞動力通常不會為商鋪套利而遷入，因此預計如果Arbp對金融業(yè)空間集聚有顯著負向影響，也主要是因為商業(yè)經營用房或辦公樓價格上漲造成的金融業(yè)基礎客戶生活成本上漲或金融機構用房成本上漲所致，若單看Arbp2的影響可能較微弱甚至為正。

3. 控制變量

(1)知識溢出能力(Knw)。知識資本可為金融業(yè)帶來更多的優(yōu)質勞動者和客戶資源，對金融業(yè)集聚可能起正向作用。參照陳建軍等(2009)的做法，用城市高校專任教師數(shù)的萬人比與全國平均萬人比之比來表示之。(2)地方財政能力(State)。中國地方政府被賦予相當大的經濟事權，但不同城市財政能力相差較大，支出能力較強的城市通常金融發(fā)展表現(xiàn)更優(yōu)。參照盛龍和陸根堯(2013)的做法，選取城市財政支出與地區(qū)GDP的比值來度量之。(3)外商直接投資比重(Fdi)。通常經濟開放特別是資本賬戶的開放，有可能引致更大的國內融資需求，促使金融業(yè)集聚。借鑒陳建軍等(2009)的做法，用城市實際外資使用金額與社會固定資產投資之比來衡量之。(4)消費規(guī)模(lnC)。若不考慮具體的結構因素，消費規(guī)模代表著城市人口規(guī)模，必然與金融業(yè)集聚成正比，但在控制了其他因素變量的情形下，居民消費傾向越高，金融需求越容易被替代，因此對其需加以控制。本文用經CPI平減后的城市社會消費品零售總額ln值來衡量之。(5)中學生比例(Irate)。根據生命周期假說，居民進行跨期消費決策時，需要考慮自身年齡段，通常勞動能力越強的年齡段，越傾向于購買金融服務(Leff，1969；Higgins和Williamson，1997)。由于缺乏地級市層面的人口年齡數(shù)據，本文用城市中學生在校人數(shù)比上年增長率來衡量之。(6)第三產業(yè)比重(Indus)。第三產業(yè)比重反映了產業(yè)結構高低，越是高級化城市，金融發(fā)展的產業(yè)鏈條件越優(yōu)越。本文以城市第三產業(yè)增加值占地區(qū)GDP比重來表示之。(7)是否沿海(Sea)。沿海城市的海運條件相對優(yōu)越，也是中國最早改革開放的一批城市，可能有更高的金融發(fā)展程度。(8)城市化率(Urb)。金融業(yè)的空間布局需要與城市居民點相結合(Kolko，2010)，在我國嚴格控制建設用地擴張的現(xiàn)實背景下，城市化率越高的地方，居民點和金融機構越密集。由于缺乏地級市層面的城鄉(xiāng)人口數(shù)據，本文用城市對應省份的城市人口占總人口比重來替代之。

（三）實證模型設定

首先就商品房價格漲幅(Arbp)和住宅價格漲幅(Arbp2)對金融業(yè)空間集聚指數(shù)(FA)的影響進行初步回歸，計量模型采用式(2)、式(3)。

其中，Arbp和Arbp2是核心解釋變量，α1是本文重點要觀察的待估系數(shù)；X是一系列控制變量；ai是地區(qū)固定效應，bt是時間固定效應；ε是殘差項。

考慮到商品房和住宅價格上漲對金融業(yè)空間集聚的影響可能是非線性的，也就是房價上漲能否影響金融業(yè)集聚以及如何影響金融業(yè)集聚可能受房價漲幅所處區(qū)間的影響。因此，有必要在基準情形實證之后再進行面板數(shù)據門檻效應檢驗。參照Hansen(2000)的做法，模型構建如下。

其中，λ是待估的門檻值，I(·)為指示函數(shù)，滿足括弧內的條件為1，否則為0。以λ為門檻可將研究樣本劃分為n＋2個區(qū)間(假定有n＋1個門檻值)，在不同的區(qū)間內FA對Arbp的回歸系數(shù)估計值有所差異。以上是按Arbp為核心解釋變量的情形，以Arbp2為核心解釋變量同理。

如果像理論預判那樣，基于式(2)和式(3)得到商品房價格漲幅對金融業(yè)集聚有明顯抑制作用，且強于住宅價格漲幅的影響，則說明房價上漲對金融業(yè)集聚的負效應不以“勞動力驅趕”為中介機制。為避免過于武斷，還需要進行中介效應檢驗。在針對“勞動力驅趕”“客戶資源擠出”和“用房成本增加”設置了合理的中介變量后，采用Wen等(2010)建議的三步法做中介效應檢驗。為了確保穩(wěn)健性，本文考慮在此基礎上采用Sobel檢驗、非參數(shù)Bootstrap法檢驗以及SEM檢驗等對中介效應再檢驗。

四、基本實證結果

（一）基本實證結果

按照式(2)對商品房價格漲幅與金融業(yè)空間集聚指數(shù)的關系進行基本實證檢驗，回歸結果見表2第(1)列和第(2)列。由于數(shù)據結構為短面板，所以選擇模型形式是必要的。固定效應下的F檢驗、隨機效應下的LM檢驗和Hausman檢驗結果共同指向了計量過程更適合采用固定效應模型。無論是FE(固定效應)下還是LSDV(最小二乘虛擬變量)法下的結果，均支持商品房價格漲幅Arbp對金融業(yè)集聚指數(shù)(FA)存在負向影響，且在0.01水平上顯著。商品房價格比上年每多增長10%，則會使金融業(yè)空間集聚指數(shù)降低0.0013～0.0037。由此初步斷定，正如本文假說1所指的，商品房價格上漲對金融業(yè)空間集聚有著顯著的抑制作用。

考慮到城市的全部商品房價格與住宅價格的變動未必完全一致，而且后者更容易與勞動力流動形成關聯(lián)，因此還要按式(3)單獨對住宅價格漲幅是否影響金融業(yè)集聚進行實證檢驗，結果如表2第(3)列和第(4)列所示。根據相關統(tǒng)計量，模型采用同第(1)列和第(2)列同樣的設定。其結果顯示，住宅價格漲幅Arbp2的系數(shù)在0.01水平上顯著為正，且系數(shù)絕對值高于第(1)列和第(2)列中Arbp的系數(shù)絕對值。也就是說，如果單看住宅的價格變動，其漲幅越大，越容易吸引更多的金融業(yè)投資和就業(yè)。由此初步推斷，城市住宅價格上漲的“勞動力驅趕”效應不但對金融業(yè)無效，而且與之相反，住宅價格越上漲，越容易吸引金融機構更多地進入本地。背后的原因可能在于，金融業(yè)的資本深化程度較高，從業(yè)人員也對應著較高的勞動技能和收入水平，其不僅對房價不敏感，在選擇居住地時反而更看重社會網絡和職業(yè)發(fā)展前景(Tabuchi和Thisse，2002；Saiz，2007)，甚至受益于住房價格上漲，在“財富效應”和套利預期驅動下遷入住宅價格上漲較快的城市(Dohmen，2005；Meen和Nygaard，2010)。再結合第(1)列和第(2)列中商品房價格漲幅對金融業(yè)集聚影響為負的情況，可初步推斷金融機構若在某地收縮邊界，則其動因主要來自商業(yè)地產(商業(yè)經營用房或辦公樓)的價格上漲。其具體渠道可能是客戶資源擠出、用房成本增加或者二者兼有，這有待進一步分析。

表2 商品房和住宅價格漲幅影響金融業(yè)空間集聚的基本實證結果

（二）基于門檻效應的非線性檢驗

在得到基本實證結果后，考慮到商品房和住宅價格上漲對金融業(yè)空間集聚的影響可能是非線性的，所以要考慮受上漲幅度的門檻效應制約。按式(4)對門檻效應進行檢驗，可知商品房價格漲幅大概以8.42%～8.65%為界，低于此門檻時，商品房價格漲幅對金融業(yè)集聚有顯著的消極作用，而超過此門檻后，Arbp的系數(shù)變?yōu)椴伙@著①受篇幅所限，本文省略了門檻效應檢驗結果報告，有興趣的讀者可向作者索要。。這一門檻值恰處于比樣本期間全國人均GDP增長率稍低的區(qū)間。這意味著，只有本地商品房價格漲幅低于全國人均GDP增幅時，前者增大才會構成對金融業(yè)的“推力”，擠出金融機構的客戶資源或加重其用房成本負擔；而高于全國GDP增幅時，商品房價格再繼續(xù)上漲會引導房地產市場形成穩(wěn)定的看漲預期，吸引高技能勞動力遷入，體現(xiàn)出發(fā)展金融業(yè)總部經濟的區(qū)位優(yōu)勢，從而抵消對客戶資源和用房成本方面的不利影響。

同時，住宅價格上漲對金融業(yè)集聚的正向影響主要發(fā)生在住宅價格增幅超過8.74%的城市，超出此門檻值時住宅價格上漲對金融業(yè)所需的勞動力形成“拉力”，進而促使金融機構布局于總部部門或區(qū)域總部，這時金融業(yè)的投資和人員投入更容易獲得規(guī)模經濟效應，不再受制于本地客戶資源和用房成本。不過，當住宅價格漲幅超過15.35%(第二個門檻值)時，即便是高技能的金融業(yè)總部部門的潛在從業(yè)者也不愿承受其壓力，住宅價格上漲對金融業(yè)集聚的積極作用將明顯弱化。反映在檢驗結果上，就是此區(qū)間內Arbp2的系數(shù)盡管仍為正，但其絕對值和顯著性水平卻大幅降低。

（三）穩(wěn)健性檢驗

第一，采用組間估計(BE)檢驗Arbp和Arbp2對金融業(yè)集聚的影響。可知Arbp和Arbp2的系數(shù)同表2中一致，顯著性水平有所下降，但仍在0.1水平上顯著。也就是說，在同一年份中某一城市商品房價格多上漲10%，將引起金融業(yè)集聚指數(shù)下降約0.1個標準差，住宅價格多上漲10%將引起金融業(yè)集聚指數(shù)提高0.13個標準差。但是，BE法損失了時間變化信息，僅用作穩(wěn)健性檢驗。第二，由于不少研究將房價-收入比作為衡量房地產泡沫的重要指標之一(呂江林，2010；張莉，2017)，所以應考慮用商品房價格漲幅Arbp減去居民人均收入漲幅，以反映商品房價格相對漲幅，其中居民人均收入用城市的城鎮(zhèn)家庭人均可支配收入來衡量，住宅價格相對漲幅同理。用相對漲幅替換絕對漲幅作為核心解釋變量，按照雙向控制的FE進行檢驗，發(fā)現(xiàn)與表2結果較為接近。第三，先按照FA的測算方法算得信息傳輸、計算機服務和軟件業(yè)的空間集聚指數(shù)ITA，再將FA與ITA的比值作為被解釋變量進行FE檢驗，解釋變量同表2。該行業(yè)與金融業(yè)同為對勞動力技能要求較高的現(xiàn)代服務業(yè)，但又對本地市場的依賴度有所差異，二者集聚指數(shù)比值對房價漲幅的回歸結果更能反映房價變動對金融業(yè)集聚的影響。可發(fā)現(xiàn)，Arbp對該被解釋變量仍有顯著的負向影響，說明對多數(shù)城市來說金融業(yè)比信息服務業(yè)的本地化程度更高，更依賴廉價用房的供給或本地客戶資源，并且Arbp2的系數(shù)不顯著，即金融業(yè)和信息服務業(yè)所需勞動力都是住宅價格上漲的“財富效應”的受益者，二者集聚指數(shù)受住宅價格變動的影響方向及幅度較一致①受篇幅所限，本文省略了穩(wěn)健性檢驗結果報告，有興趣的讀者可向作者索要。。

（四）內生性檢驗

一些研究認為，對一個國家來說房地產供需失衡是現(xiàn)代金融發(fā)展不足的結果(Caballero和Krishnamurthy，2006)。這意味著就城市層面而言，房價上漲與金融業(yè)集聚之間可能互為因果，進而可能導致基本實證結果有偏。為此，本文采用系統(tǒng)GMM法重新檢驗了商品房和住宅價格分別對金融業(yè)集聚的影響。其結果顯示，在內生性問題得到弱化時，商品房價格漲幅Arbp的系數(shù)仍至少在0.1水平上顯著為負，且針對AR(1)和AR(2)的Arellano-Bond檢驗支持差分方程存在一階自相關而不存在二階自相關，Hansen檢驗也接受了不存在過度識別的原假設，說明模型設定是有效的。進而，住宅價格漲幅Arbp2的系數(shù)為正但不顯著①受篇幅所限，本文省略了系統(tǒng)GMM檢驗結果報告，有興趣的讀者可向作者索要。。這說明住宅價格漲幅的內生性問題比商品房的內生性問題更嚴重。一個城市金融業(yè)發(fā)展相對滯后會引起人們對商品房產生更大的投資興趣，進而導致其價格上漲，但這不足以掩蓋商品房價格上漲對金融業(yè)集聚的抑制效應；而住宅需求及其價格容易受金融業(yè)發(fā)展的正向影響(如房貸的易得性刺激了住宅需求)，基本實證結果顯示了Arbp2對FA的顯著負影響在很大程度上來自此反向因果關系。不過，Arbp2的系數(shù)盡管不顯著，但其p值接近0.1的顯著性水平，即住宅價格上漲引起金融業(yè)所需的勞動力遷入，進而帶動金融業(yè)集聚，這一現(xiàn)象仍是局部存在的。以上證明了商品房價格上漲的確構成了金融業(yè)集聚的阻力，其中主要來自商業(yè)地產的貢獻，而住宅價格上漲對金融業(yè)集聚有微弱的積極影響。

再把房價上漲的引致因素向外推移，可發(fā)現(xiàn)《全國土地利用總體規(guī)劃綱要(2006—2020年)》的發(fā)布構成了一次重要的政策沖擊。該規(guī)劃致力于重申嚴格的耕地保護和節(jié)約用地制度，其正式實施以來取得了對新增建設用地總量控制的良好效果，但是在因地制宜、分區(qū)治理上相對生硬，針對用地需求旺盛的東部地區(qū)，反而明確要求“降低年均新增建設用地規(guī)?！保瑢е聳|西部房價差距拉大。該規(guī)劃考量的是土地相關因素，不受金融發(fā)展水平的影響，具有顯而易見的外生性。由此可以以該規(guī)劃生效的2009年為時間虛擬變量(dt)，以“是否為東部城市”區(qū)分處理組和對照組(設為du)，進行雙重差分法(DID)準自然實驗分析。其結果顯示，無論采用何種命令，雙重差分項dt×du均顯著為負。也就是說，控制新增建設用地的政策構成了金融業(yè)集聚的抑制因素，而未明確提出“降低年均新增建設用地規(guī)?！钡牡貐^(qū)與此關聯(lián)不大。進而，本文設置了兩種反事實法檢驗，一是以是否為高級別城市(直轄市、省會城市和計劃單列市)為選擇處理組的依據，二是仍以是否為東部城市為du的設定標準，但分別假定政策沖擊正式生效于2008年和2007年，分別截取2006—2008年和2006—2007年的數(shù)據進行DID檢驗?？芍?，上述設定均違背事實，都不會起到政策效果，雙重差分項的系數(shù)均無法顯著為負。另外，參考蔣靈多和陸毅(2018)的做法，在2007—2012年隨機抽取某一年份，在全部城市中隨機抽取11個省份的城市作為處理組，分別抽取100次進行DID檢驗，得到的100個雙重差分項估計系數(shù)的均值為-0.0141，標準差為0.0827，不能拒絕系數(shù)估計值為0的原假設②受篇幅所限，本文省略了對控制新增建設用地政策效果的雙重差分法(DID)檢驗結果報告，有興趣的讀者可向作者索要。。由此排除了2009年及之后年份東部城市金融業(yè)集聚程度下降是由其他未觀測到的因素所致的可能性，脫離實際需求的用地限制政策顯著地抑制了金融業(yè)集聚。

五、對傳導機制的檢驗與識別

（一）“勞動力驅趕”效應是否存在

上文觀察到，金融業(yè)集聚受商品房價格上漲的抑制影響，但住宅價格上漲對其有促進作用。初步斷定，前者主要來自辦公樓和商業(yè)地產的價格上漲，住宅價格上漲不但不會引起金融業(yè)所需勞動力流出，還會在“財富效應”驅動下吸入更多高技能勞動力，進而促進金融業(yè)集聚。然而，若據此直接得出“勞動力驅趕”效應不存在的結論則有些武斷，有必要對其進行中介效應檢驗。

本文測算了各樣本城市的單位就業(yè)人數(shù)的ln值，記為lnLabor，以此為中介變量對“勞動力驅趕”的中介效應進行檢驗，結果見表3。表3中各列模型設定同表2第(1)列和第(3)列一致?？煽吹?，在第一階段，商品房價格上漲對就業(yè)規(guī)模無顯著影響，住宅價格上漲對就業(yè)規(guī)模為負向影響，且在0.01水平上顯著；在第二階段，就業(yè)規(guī)模對金融業(yè)集聚是不利的，lnLabor的系數(shù)在非常高的t值水平上通過了顯著性檢驗；再看商品房和住宅分別對金融業(yè)集聚的直接效應，前者仍在0.01水平上顯著為負，只比表2第(1)列有輕微弱化，而后者轉為不顯著。由此判斷，就業(yè)規(guī)模在住宅價格對金融業(yè)集聚的正向影響中起到了完全中介作用，但是為“負負得正”，即住宅價格上漲擠出了普通勞動力而吸入了高技能勞動力，反映在整體就業(yè)規(guī)模上影響為負，而就業(yè)規(guī)模下降的同時改善了就業(yè)結構，有利于金融業(yè)在充裕的勞動力供給下實現(xiàn)空間集聚。總之，盡管住宅價格上漲的確擠出了一定數(shù)量的勞動力，但擠出的并不是金融業(yè)所需勞動力，就業(yè)結構升級有利于金融業(yè)發(fā)展。另外，在以商品房價格漲幅為核心解釋變量時，其對就業(yè)規(guī)模的影響不顯著。按照Edwards和Lambert(2007)、Preacher和Hayes(2008)的方法，還應進行非參數(shù)百分位Bootstrap法檢驗。本文設置了1000次抽樣次數(shù)，按此方法觀察了Arbp的間接效應系數(shù)在95%置信區(qū)間(經偏差校正)的上限和下限，發(fā)現(xiàn)上限為正、下限為負，間接效應的系數(shù)無法顯著地異于零，即間接效應不存在。由此斷定，商品房價格對金融業(yè)集聚的顯著負向作用不以就業(yè)規(guī)模為中介機制，“勞動力驅趕”效應不存在，并且必然存在其他的傳導渠道。

表3 中介效應檢驗Ⅰ：以就業(yè)規(guī)模為中介變量

表3中Arbp對就業(yè)規(guī)模無顯著影響，可能是由于信息不對稱造成的“黏性”。比如，某地信息條件較差，居民對各類城市實際居住效用缺乏感知和比較，無法因房價上漲而及時遷出。那么，是不是信息條件改善就能使“勞動力驅趕”效應成立？也就是，存在這樣一種可能，在信息更優(yōu)條件下，勞動力包括金融業(yè)所需的勞動力都因商品房價格上漲帶來的生活成本負擔加重而遷出，進而引起當?shù)亟鹑跇I(yè)萎縮。只有排除了這一可能，才能真正否定“勞動力驅趕”是商品房價格上漲抑制金融業(yè)集聚的中介機制。本文以各城市每萬人互聯(lián)網寬帶接入用戶數(shù)的ln值來反映信息化水平，記為Inform，分別作為調節(jié)變量和門檻變量進行再檢驗。其結果顯示，以lnLabor為被解釋變量時，Arbp·Inform的系數(shù)顯著為負，但在直接效應中，交互項系數(shù)不顯著。這意味著，信息化水平越高，則商品房價格上漲越容易促使勞動力流出，但并不顯著影響Arbp對金融業(yè)集聚的“勞動力驅趕”之外的直接效應。門檻效應檢驗也是如此，Arbp的確在Inform超過6.2450的區(qū)間能夠對lnLabor產生非常顯著的負向影響，但在控制了lnLabor時，Arbp在該區(qū)間同樣對金融業(yè)集聚產生非常顯著的負的直接效應①受篇幅所限，本文省略了考慮信息不對稱的調節(jié)效應和門檻效應檢驗結果報告，有興趣的讀者可向作者索要。。由此排除了“勞動力驅趕”機制。

（二）區(qū)別“客戶資源擠出”與“用房成本增加”

既然“勞動力驅趕”效應不是商品房價格上漲抑制金融集聚的主要渠道，那么按照理論判斷，可能來自客戶資源擠出、用房成本增加或者二者兼有。本文分別以居民儲蓄lnSave和建筑安裝工程投資lnConstr為中介變量，對二者的中介效應進行檢驗并比較。其中，lnSave由樣本城市的居民儲蓄存款余額(經定基CPI平減)的ln值來表示，lnConstr為金融業(yè)固定資產投資(經定基固定資產投資價格指數(shù)平減)乘以建筑安裝工程占總支出(不分行業(yè))的比重，最后取ln值即得到。以lnSave為中介變量的中介效應檢驗結果如表4所示。可看到，商品房和住宅價格上漲對居民儲蓄的影響都顯著為負，而居民儲蓄規(guī)模擴大對金融業(yè)集聚來說是一個非常重要的“拉力”，lnSave對FA的影響在第二階段和直接效應檢驗中為正，且都非常顯著。同時，在控制了lnSave時，Arbp和Arbp2仍能對FA產生顯著的直接效應，前者系數(shù)為負，后者系數(shù)為正。由此可得，“客戶資源擠出”確實起到了中介效應，以Arbp為核心解釋變量時體現(xiàn)為同向的部分中介效應，而在以Arbp2為核心解釋變量時為掩蓋效應。這意味著，無論商品房還是住宅價格上漲，都將擠出一部分居民儲蓄業(yè)務，進而使金融業(yè)的本地市場需求減少，對金融機構形成“推力”。再聯(lián)系上文的住宅價格對普通勞動力的擠出效應，可判斷普通勞動力家庭作為儲蓄等基礎金融業(yè)務的主要客戶，一旦被擠出將引起金融機構遷出，除非當?shù)厝瞬艃渥阋灾纹浯笠?guī)模開展總部或區(qū)域總部業(yè)務。為確保穩(wěn)健性，本文還以lnSave為中介變量，進行了Sobel檢驗。在Arbp為核心解釋變量時，Sobel系數(shù)值在0.01水平上顯著為負，即居民儲蓄規(guī)模起到了明顯的負向間接效應；在Arbp2為核心解釋變量時，Sobel系數(shù)值同樣為負，其對應的p值接近0，即居民儲蓄規(guī)模同樣起負向間接效應，只不過住宅價格上漲對金融業(yè)集聚的正向直接效應很大，居民儲蓄規(guī)模在傳導過程中其負向間接效應只能體現(xiàn)為掩蓋效應。

表4 中介效應檢驗Ⅱ：以居民儲蓄規(guī)模為中介變量

下面，再以金融業(yè)建筑安裝工程投資lnConstr為中介變量進行中介效應檢驗，結果見表5。先看第二階段和直接效應，無論是否控制核心解釋變量，lnConstr對金融業(yè)集聚的影響都顯著為正，這說明金融業(yè)發(fā)展對土地或房屋要素有較強的需求，而建筑安裝工程投資正是反映這一要素投入的重要指標。這符合從表1中觀察到的金融機構需要用較高花費去建設、裝修、裝潢門面房的現(xiàn)實。然而，在第一階段，無論商品房價格還是住宅價格上漲，都對建筑安裝工程投資無顯著影響。這一結果是意外的，按照總效應(表2)的結果，Arbp的系數(shù)顯著為負，Arbp2的系數(shù)顯著為正，則可以判斷商品房價格上漲對金融業(yè)的不利影響主要來自商業(yè)地產，而金融業(yè)建筑安裝工程投資本應是與商業(yè)地產價格聯(lián)系最緊密的指標，卻不受后者的顯著影響。為確保穩(wěn)健性，本文采取了兩種途徑的再檢驗。一是檢驗間接效應的Sobel值。以Arbp為核心解釋變量時，Sobel檢驗無法拒絕原假設；以Arbp2為核心解釋變量時，z值對應的p值接近0.1，也不能完全拒絕原假設。二是進行非參數(shù)百分位Bootstrap法檢驗。在1000次抽樣次數(shù)設置下，Arbp和Arbp2的間接效應系數(shù)在95%置信區(qū)間(經偏差校正)的上限為正而下限為負，即間接效應不存在。由此可斷定，商品房價格對金融業(yè)集聚的顯著負向作用不以金融業(yè)建筑安裝工程投資為中介機制，“用房成本增加”效應未得到實證結果支持。

表5 中介效應檢驗Ⅲ：以金融業(yè)建筑安裝工程投資為中介變量

為進一步確保穩(wěn)健性，本文采用結構方程模型(SEM)對三個中介效應進行再檢驗和比較，結果見表6。該方法雖然會損失不少有效信息，如組間差異等，但其優(yōu)勢在于能更直觀地觀察以中介變量為介質傳導到被解釋變量上的間接效應、主要解釋變量的直接效應以及二者的符號差異。

表6 基于結構方程模型(SEM)的中介效應再檢驗結果

從表6中可看出，在中介機制Ⅰ下，Arbp的間接效應不顯著，此時主要為直接效應，Arbp2的間接效應在0.1水平上顯著，但該間接效應為正；在中介機制Ⅱ下，Arbp和Arbp2的間接效應都顯著，且方向都為負，符合本文理論判斷；在中介機制Ⅲ下，Arbp和Arbp2的間接效應都不顯著，總效應全部來自直接效應。由此便證明，本文擬考察的三個可能的傳導機制中只有“客戶資源擠出”效應成立。對大多數(shù)城市來說，能否吸引更多的金融業(yè)投資，主要取決于是否有大量未被房價上漲擠出的基礎客戶，其中用房成本節(jié)約的作用并不大。

（三）用房成本無法起到中介效應的原因

根據以上分析，中介機制Ⅲ不成立，并且原因在于第一階段不成立，即金融機構用房需求對用房成本的反應不夠敏感。房價上漲難免導致金融機構用房的單位面積支出上升，但沒有證據表明其由此而減少了建筑安裝投資規(guī)模，仍有一部分金融機構樂意在房價上漲背景下拓展門店，花費很多支出把其裝修得更豪華。按照直覺，更深的原因可能是過多的政府補貼導致金融機構面臨的價格信號失靈。在現(xiàn)實中，很多城市為吸引金融機構集聚，除了按注冊資本或分支機構級別給予財政補貼外，還向其自建、購買、租用辦公或營業(yè)場所提供定向補助。

為了驗證以上判斷，再以原控制變量中的地方財政能力(State)為調節(jié)變量，在SEM下檢驗其對中介效應Ⅲ的調節(jié)效應是否顯著為正，結果見表7。本文意外發(fā)現(xiàn)，與直覺相反，在地方政府財政能力較強的城市中，房價上漲對金融業(yè)空間集聚的間接效應全部顯著為負；在地方財政支出相對較少的城市中，該效應反而不顯著，總效應主要依賴于直接效應的貢獻。金融機構的建筑安裝支出對房價上漲是否敏感，取決于政府財政能力大小，即State的調節(jié)效應，其為正表示城市財政能力強，金融業(yè)用房成本有可能有顯著的中介效應。也就是說，在財政能力較強的城市，金融機構能夠比較理性地依據房價變動調整經營場所面積，但由于直接效應不顯著，使得總效應不顯著；在財政能力較差的城市，金融機構反而容易做出非理性行為，使得間接效應不存在，商品房價格上漲對金融業(yè)集聚的負效應以及住宅價格上漲對其的正效應主要依賴于直接效應的貢獻。

表7 基于結構方程模型(SEM)對中介效應Ⅲ的調節(jié)效應檢驗結果

原本的直覺是地方政府對金融業(yè)的補貼造成了固定資產投資市場的扭曲，使得金融機構隨單位投入成本變化而調整建筑安裝支出的決策遲鈍，但表7的檢驗結果恰恰相反。其可能的原因主要有以下兩種。(1)各地政府對入駐金融機構自建、購買、租賃的辦公用房，除了按核算成本、購房或租賃合同標的額的一定比例進行補貼外，通常還規(guī)定了累計總額上限，在同樣的房價漲幅下，房價基數(shù)越高的地區(qū)越容易達到補貼上限，這使得入駐金融機構仍要受制于當?shù)胤績r成本，從而理性地進行建筑安裝工程投資，而房價基數(shù)高的地區(qū)往往財政能力也較強，所以表7的檢驗結果顯示了財政能力有助于制約金融機構逆市增加用房的非理性行為。(2)財政支出規(guī)模較小的地方政府，往往對個別金融機構進行盯住式補貼，這類機構在當?shù)厥袌稣加新瘦^高，為進一步提高進入門檻而逆市收購、加租商業(yè)地產，在壟斷競爭結構下不乏采取這種競爭策略的企業(yè)，即借助冗余產能形成競爭壁壘(Fair，1985；Mathis和Koscianski，1997)；相反，若地方政府實力較強且對金融機構實行普惠式補貼，則使金融機構不得不理性地依據單位成本決定其經營邊界①這是識別用房成本中介效應時發(fā)現(xiàn)的一個附加問題，對其的解釋需要更全面的經驗證據，有待進一步研究。。

六、結論與啟示

本文基于2006—2013年中國182個地級及以上城市的面板數(shù)據，研究了房價上漲對金融業(yè)空間集聚的影響及其可能的傳導機制，研究結果主要顯示在以下幾個方面。(1)商品房(含住宅、辦公樓、商業(yè)營業(yè)用房和其他)價格上漲對金融業(yè)集聚有顯著的抑制作用，但如果單看住宅價格上漲，其對金融業(yè)集聚的影響顯著為正；(2)商品房價格對金融業(yè)集聚的抑制作用主要發(fā)生在商品房價格漲幅低于全國平均GDP增速的地區(qū)，而住宅價格對金融業(yè)集聚的促進作用主要發(fā)生在住宅價格漲幅高于全國GDP增速的地區(qū)，說明商品房價格上漲抑制的主要是非總部金融，而總部金融選擇區(qū)位時更偏好房價上漲較快、優(yōu)質人才密集的地區(qū)；(3)就業(yè)規(guī)模在商品房價格上漲抑制金融業(yè)集聚過程中無顯著中介效應，在住宅價格上漲促進金融業(yè)集聚過程中有“負負得正”的顯著中介效應，即“勞動力驅趕”機制不成立；(4)居民儲蓄規(guī)模在商品房價格上漲抑制金融業(yè)集聚過程中有部分中介效應，在住宅價格上漲促進金融業(yè)集聚過程中有負的掩蓋效應，即“客戶資源擠出”機制成立；(5)金融業(yè)建筑安裝工程投資沒有任何中介效應。

以上的研究結果說明，商品房價格上漲對金融機構形成了空間擠壓，但并不是借助于“勞動力驅趕”或“用房成本增加”途徑，而是以“客戶資源擠出”為主要傳導機制；房價過快上漲容易吸引社會資本參與“炒房”，并擠出對線下金融業(yè)務有較高需求的中低收入家庭，從而不利于金融業(yè)空間集聚；盡管商品房中的住宅價格上漲對金融業(yè)集聚的作用顯著為正，即高技能、高收入勞動者出于“追漲”心理而遷入房價上漲較快的城市，給金融業(yè)帶來更充裕的人才資源供給，但是這也無法改變商品房價格上漲通過抑制金融業(yè)市場需求而抑制金融業(yè)擴大投資規(guī)模的負面效應。

過去一段時期內，一些地方政府脫離本地金融服務需求進行大規(guī)模金融招商，對金融機構補貼扶持，將可能進一步加劇金融資源的空間配置扭曲。各地政府應當充分認識金融業(yè)空間布局的規(guī)律，特別是對不適合發(fā)展總部金融的地區(qū)來說，應降低對區(qū)域經濟金融化的過度熱情，消除對金融機構的過度補貼。本文研究結果更為重要的政策啟示是，我國各地政府應遏制地方土地財政帶來的“房價沖動”，以具有吸引力的房價吸引各類人才，為金融機構獲取基礎性客戶資源創(chuàng)造便利化的營商環(huán)境，抓住金融業(yè)區(qū)位選擇的關鍵動機，提供全方位公共服務，從而實現(xiàn)金融資源的空間優(yōu)化配置，使金融發(fā)展更好地服務實體經濟。