房?jī)r(jià)、人口規(guī)模與長(zhǎng)三角地區(qū)城市創(chuàng)新能力研究

滕堂偉, 諶丹華, 胡森林

(華東師范大學(xué) 城市與區(qū)域科學(xué)學(xué)院， 上海 200241)

一、 引 言

伴隨著中國(guó)經(jīng)濟(jì)由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，創(chuàng)新被上升到國(guó)家發(fā)展核心的重要位置。在影響創(chuàng)新的諸多因素中，房?jī)r(jià)無(wú)疑會(huì)對(duì)一個(gè)地區(qū)的創(chuàng)新能力乃至高質(zhì)量發(fā)展產(chǎn)生重要影響[1]。近年來(lái)，快速上漲的房?jī)r(jià)已經(jīng)逐漸超過(guò)普通家庭所能承受的水平，引起了各級(jí)政府、各界學(xué)者、各類媒體到各個(gè)家庭的極大關(guān)注[2]。2017年黨的十九大報(bào)告明確了“堅(jiān)持房子是用來(lái)住的、不是用來(lái)炒的” 定位，為中國(guó)房地產(chǎn)發(fā)展奠定了發(fā)展基調(diào)。在此背景下，研究房?jī)r(jià)是否促進(jìn)或抑制了城市創(chuàng)新活動(dòng)及其調(diào)節(jié)機(jī)制具有重要的現(xiàn)實(shí)意義。

國(guó)內(nèi)外關(guān)于房?jī)r(jià)的研究大多集中于房地產(chǎn)的泡沫問(wèn)題[3-6]、中國(guó)房地產(chǎn)房?jī)r(jià)波動(dòng)的問(wèn)題[7-9]、房?jī)r(jià)與土地價(jià)格的關(guān)系[10-12]、房?jī)r(jià)上漲速度與企業(yè)投資決策的關(guān)系[13-14]。近年來(lái)，已有部分研究開始關(guān)注房地產(chǎn)對(duì)地區(qū)創(chuàng)新創(chuàng)業(yè)的影響。一方面，朱晨[15]、林嵩等[16]通過(guò)研究發(fā)現(xiàn)，房?jī)r(jià)上漲對(duì)工業(yè)企業(yè)創(chuàng)新有著顯著的負(fù)面影響，主要體現(xiàn)為房?jī)r(jià)的擠出效應(yīng)；Rong等[2]通過(guò)使用1999—2007年中國(guó)制造業(yè)企業(yè)數(shù)據(jù)，發(fā)現(xiàn)房?jī)r(jià)上漲對(duì)制造業(yè)企業(yè)的創(chuàng)新有負(fù)面影響，且房?jī)r(jià)增長(zhǎng)率越高，這種負(fù)效應(yīng)越明顯。另一方面，諸多研究也發(fā)現(xiàn)高房?jī)r(jià)反而對(duì)創(chuàng)新起到了正向促進(jìn)作用，如：Berggren等[17]通過(guò)對(duì)瑞典的樣本研究發(fā)現(xiàn)，高房?jī)r(jià)對(duì)于創(chuàng)業(yè)起到了積極的促進(jìn)作用，且新興創(chuàng)業(yè)公司的數(shù)量會(huì)隨著房?jī)r(jià)每上升1%而相應(yīng)上升0.15%；Lin等[18]通過(guò)對(duì)中國(guó)2004—2015年的實(shí)證數(shù)據(jù)分析發(fā)現(xiàn)，高房?jī)r(jià)與城市創(chuàng)新人才正相關(guān)且對(duì)人才起到較強(qiáng)的吸引作用。在研究方法上，大多研究采用了多變量的普通面板數(shù)據(jù)計(jì)量模型[19-21]，也有部分關(guān)于空間效應(yīng)與空間異質(zhì)性的研究采用了空間計(jì)量模型[22-23]。

關(guān)于高房?jī)r(jià)對(duì)創(chuàng)新的影響研究仍存在爭(zhēng)議。一些研究得出高房?jī)r(jià)對(duì)于企業(yè)創(chuàng)業(yè)有著明顯的抑制作用，認(rèn)為其主要原因在于房地產(chǎn)業(yè)的高利潤(rùn)，使得大量資本因逐利而涌入房地產(chǎn)行業(yè)，直接減少了區(qū)域創(chuàng)新資金的投入，對(duì)區(qū)域創(chuàng)新造成了顯著的擠占效應(yīng)[16]；另一方面，房?jī)r(jià)的迅速上漲在直接擠占創(chuàng)新資金的同時(shí)，還會(huì)間接帶來(lái)勞動(dòng)力成本的上升，當(dāng)?shù)貐^(qū)的房?jī)r(jià)上漲到一定程度時(shí)，會(huì)導(dǎo)致當(dāng)?shù)厣畛杀狙杆偕仙?，從而帶?lái)創(chuàng)新人才的大量流失，不利于當(dāng)?shù)貏?chuàng)新活動(dòng)的產(chǎn)生[24]。另一派學(xué)者則提出了不同的觀點(diǎn)，如：普蓂喆和鄭風(fēng)田[25]、吳曉瑜等[26]通過(guò)實(shí)證研究發(fā)現(xiàn)，高房?jī)r(jià)會(huì)促進(jìn)人才的創(chuàng)業(yè)行為，并認(rèn)為可能的原因在于高房?jī)r(jià)所具有的財(cái)富、投資、抵押效應(yīng)和替代效應(yīng)，其在一定程度上能促進(jìn)居民的創(chuàng)業(yè)概率；Rong等[2]通過(guò)研究長(zhǎng)三角城市房?jī)r(jià)的空間依賴與集聚性發(fā)現(xiàn)，收入、第三產(chǎn)業(yè)比重、舒適性對(duì)住宅的間接影響顯著，且城市工業(yè)結(jié)構(gòu)、創(chuàng)新能力和城市化程度在空間上存在一定差異；李永樂(lè)等[19]利用全國(guó)388個(gè)城市的數(shù)據(jù)進(jìn)行實(shí)證研究發(fā)現(xiàn)，房?jī)r(jià)對(duì)不同類型城市的創(chuàng)新影響具有分層次的、不同的影響，高房?jī)r(jià)對(duì)三四線城市的創(chuàng)新有著積極的促進(jìn)作用。另外，房?jī)r(jià)與技術(shù)創(chuàng)新的關(guān)系可能是非線性的，受到人口規(guī)模、居民消費(fèi)水平、制造業(yè)投入、工業(yè)企業(yè)的創(chuàng)新等方面的調(diào)節(jié)作用影響[27-28]。

綜上所述，學(xué)術(shù)界還未對(duì)房?jī)r(jià)與區(qū)域創(chuàng)新的影響達(dá)成一致結(jié)論。其主要原因在于，以往研究因研究時(shí)段、研究區(qū)域和研究方法等的不同造成了研究結(jié)果的差異。房?jī)r(jià)對(duì)于創(chuàng)新的影響不能作“一刀切”式的認(rèn)定，判斷其具有促進(jìn)或抑制作用，應(yīng)結(jié)合具體區(qū)域和發(fā)展階段分別進(jìn)行分析。長(zhǎng)三角是我國(guó)經(jīng)濟(jì)最活躍、創(chuàng)新能力最強(qiáng)的區(qū)域之一[29]，近年來(lái)其房?jī)r(jià)上升速度明顯，已處于高房?jī)r(jià)水平。因此，本文以長(zhǎng)三角這一典型區(qū)域?yàn)檠芯繉?duì)象，研究房?jī)r(jià)對(duì)創(chuàng)新的作用關(guān)系，并進(jìn)一步考察不同城市人口規(guī)模在房?jī)r(jià)與創(chuàng)新中的調(diào)節(jié)作用。由于投資回報(bào)率較高的房地產(chǎn)業(yè)對(duì)于創(chuàng)新資金存在直接的“擠占效應(yīng)”，一方面直接減少了對(duì)于創(chuàng)新的投資，另一方面間接增加了城市的勞動(dòng)力成本，進(jìn)一步推高當(dāng)?shù)厝瞬诺某鞘猩畛杀荆自斐蓜?chuàng)新人才的流失，不利于當(dāng)?shù)氐膭?chuàng)新活動(dòng)。當(dāng)然，房?jī)r(jià)與創(chuàng)新之間可能存在非線性的關(guān)系，如程開明[30]發(fā)現(xiàn)，人口規(guī)模大的城市在人力資本積累、信息技術(shù)交流、基礎(chǔ)設(shè)施等方面具有創(chuàng)新活動(dòng)產(chǎn)生的絕對(duì)優(yōu)勢(shì)，故應(yīng)進(jìn)一步考慮不同城市人口規(guī)模下兩者之間的關(guān)系?；诖?，文章提出以下假設(shè)：

假設(shè)1：長(zhǎng)三角地區(qū)高房?jī)r(jià)對(duì)城市創(chuàng)新水平具有一定的抑制作用。

假設(shè)2：長(zhǎng)三角地區(qū)城市人口規(guī)模會(huì)正向調(diào)節(jié)高房?jī)r(jià)對(duì)于城市創(chuàng)新的抑制作用。

本研究能為中國(guó)其他后進(jìn)城市群地區(qū)的創(chuàng)新發(fā)展提供科學(xué)借鑒；同時(shí)由于長(zhǎng)三角地區(qū)的城市擁有發(fā)展環(huán)境相似、經(jīng)濟(jì)實(shí)力相當(dāng)、生活水平相近的特征[31]，能夠盡可能地消除自然地理環(huán)境、經(jīng)濟(jì)發(fā)展水平、營(yíng)商環(huán)境等因素差異造成的計(jì)量偏誤，從而獲得更加科學(xué)準(zhǔn)確的實(shí)證結(jié)果。

二、 研究設(shè)計(jì)

(一) 模型設(shè)定

根據(jù)前文的綜述與理論分析，本文的計(jì)量模型重點(diǎn)在于構(gòu)建檢驗(yàn)城市房?jī)r(jià)與創(chuàng)新能力的關(guān)系，兼論城市人口規(guī)模在此過(guò)程中的調(diào)節(jié)作用，本文的計(jì)量回歸模型設(shè)定如下：

εit+ui+δt

(1)

Innoit-1=β0+β1HPit+β2POP+β3HP*

(2)

本文使用雙向固定效應(yīng)模型。式中，i代表城市，t代表年份，Innoit-1用來(lái)衡量城市的技術(shù)創(chuàng)新能力，HPit代表各城市的房地產(chǎn)均價(jià)，POP表示城市人口規(guī)模，HP*POP代表房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)，C代表其他的一系列控制變量，εit為隨機(jī)擾動(dòng)項(xiàng)，μi表示個(gè)體回歸效應(yīng)，δt表示時(shí)間固定效應(yīng)，本文需要驗(yàn)證α1≤0，β1≤0且β3≥0。

為了進(jìn)一步探究城市人口規(guī)模如何調(diào)節(jié)房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的影響，本文以城市人口規(guī)模(POP)作為門檻變量進(jìn)行門檻效應(yīng)回歸分析，以驗(yàn)證不同城市人口規(guī)模地區(qū)的房?jī)r(jià)與創(chuàng)新能力之間的關(guān)系。門檻回歸模型如(3)所示：

Innoit-1=γ0+γ1HPit·Φ(POPit≤θ)+

γ2HPit·Φ(POPit>θ) +

(3)

式中，γ1，γ2為待估門檻特征值；Φ( )為指示性函數(shù)，在門檻變量達(dá)到所需條件時(shí)，該函數(shù)值為1，否則為0；λj為其他控制變量的回歸系數(shù)。

(二)變量選擇

1. 被解釋變量：專利申請(qǐng)授權(quán)數(shù)

專利作為創(chuàng)新研究領(lǐng)域中最為廣泛使用的數(shù)據(jù)，其信息詳細(xì)、可獲取性強(qiáng)，具有可根據(jù)技術(shù)與區(qū)域細(xì)分的優(yōu)勢(shì)[32-33]。因此，本文使用各地級(jí)市的專利申請(qǐng)授權(quán)數(shù)(Patent)來(lái)衡量一個(gè)區(qū)域的創(chuàng)新能力，數(shù)據(jù)來(lái)源于CNRDS數(shù)據(jù)庫(kù)(2008—2018)。由于從專利申請(qǐng)到實(shí)際授權(quán)轉(zhuǎn)化需要一段時(shí)間，考慮到專利授權(quán)所反映的創(chuàng)新能力存在滯后性，本文根據(jù)已有研究[34]將模型中的專利數(shù)據(jù)滯后一期使用。

2. 核心解釋變量：房?jī)r(jià)(HousePrice)

房?jī)r(jià)的迅速上漲使得房地產(chǎn)行業(yè)成為高利潤(rùn)產(chǎn)業(yè)，并吸引大量資金，通過(guò)資金的“擠入效應(yīng)”抑制企業(yè)的創(chuàng)新投入，進(jìn)而對(duì)地區(qū)的創(chuàng)新產(chǎn)生抑制作用。因此，本文使用各地級(jí)市的商品住宅均價(jià)作為解釋變量，數(shù)據(jù)來(lái)源于全球變化科學(xué)研究數(shù)據(jù)出版系統(tǒng)[35]，房?jī)r(jià)數(shù)據(jù)全部根據(jù)GDP指數(shù)進(jìn)行以2009年為基準(zhǔn)年的平減操作。

3. 調(diào)節(jié)變量：城市人口規(guī)模(POP)

有學(xué)者通過(guò)中國(guó)城市面板數(shù)據(jù)揭示了城市人口規(guī)模對(duì)城市創(chuàng)新具有積極的正向影響，且城市人口規(guī)模的擴(kuò)張與多樣化集聚對(duì)城市創(chuàng)新具有強(qiáng)化促進(jìn)作用。因此，本文使用與房?jī)r(jià)數(shù)據(jù)配套的各地級(jí)市常住人口數(shù)量以衡量城市的規(guī)模。

4. 控制變量

(1) 經(jīng)濟(jì)發(fā)展水平(pcGDP)。經(jīng)濟(jì)發(fā)展水平對(duì)創(chuàng)新有著巨大的影響。有學(xué)者基于經(jīng)濟(jì)高質(zhì)量發(fā)展的“創(chuàng)新”內(nèi)涵及其驅(qū)動(dòng)機(jī)制，梳理了經(jīng)濟(jì)發(fā)展與創(chuàng)新存在的相關(guān)性并印證了科技創(chuàng)新對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的影響。因此，本文將地區(qū)的經(jīng)濟(jì)發(fā)展水平作為控制變量，以人均GDP來(lái)衡量，同樣以2009年為基期對(duì)數(shù)據(jù)進(jìn)行平減。

(2) 產(chǎn)業(yè)結(jié)構(gòu)(IS)。產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)對(duì)地區(qū)發(fā)展乃至創(chuàng)新能力有很大的影響。因此，本文選擇產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)作為控制變量，用第二產(chǎn)業(yè)占GDP的比重來(lái)衡量。

(3) 創(chuàng)新人才(Talent)。人才對(duì)地區(qū)創(chuàng)新發(fā)展至關(guān)重要[36]。本文使用科學(xué)研究、技術(shù)服務(wù)等從業(yè)人員數(shù)量作為創(chuàng)新人才的衡量指標(biāo)。

(4) 科研投入強(qiáng)度(R&D)。本文使用各地級(jí)市科技投入占GDP的比重來(lái)衡量科研投入的強(qiáng)度，以此作為城市科研重視情況的衡量指標(biāo)。

(5) 財(cái)政自主權(quán)(FD)。政府的財(cái)政收入與支出對(duì)區(qū)域的創(chuàng)新有著極大的影響。馮濤等[37]基于價(jià)值鏈視角對(duì)財(cái)政自主權(quán)與創(chuàng)新效率進(jìn)行分析，發(fā)現(xiàn)其能促進(jìn)區(qū)域的創(chuàng)新效率。因此，本文選擇財(cái)政自主權(quán)作為控制變量，使用地區(qū)財(cái)政預(yù)算內(nèi)支出/收入來(lái)衡量。

(6) 金融發(fā)展水平(FIN)。金融發(fā)展水平與創(chuàng)新高度相關(guān)。因此，本文使用年末金融機(jī)構(gòu)存款與當(dāng)年GDP的比值來(lái)衡量地區(qū)金融發(fā)展水平。

本文主要變量說(shuō)明如表1所示：

表1 變量的定性描述

三、 長(zhǎng)三角房?jī)r(jià)與創(chuàng)新的時(shí)空演變格局

(一)長(zhǎng)三角地區(qū)房?jī)r(jià)時(shí)序分析

2009—2018年，長(zhǎng)三角區(qū)域房地產(chǎn)均價(jià)呈現(xiàn)波動(dòng)上升的態(tài)勢(shì)，且增長(zhǎng)率有所提高。十年間，長(zhǎng)三角地區(qū)的房?jī)r(jià)波動(dòng)可分為三個(gè)階段：穩(wěn)步增長(zhǎng)階段(2009—2011)、波動(dòng)變化階段(2012—2015)以及快速增長(zhǎng)階段(2016—2018)。在2016年之前，房?jī)r(jià)漲勢(shì)較為溫和，且存在漲跌等一系列波動(dòng)與起伏；而在2016年之后的價(jià)格漲勢(shì)明顯上升，表現(xiàn)出較為顯著的增勢(shì)，說(shuō)明長(zhǎng)三角地區(qū)近年來(lái)房?jī)r(jià)的上漲趨勢(shì)變得愈來(lái)愈明顯。

(二)長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力的時(shí)空格局刻畫

長(zhǎng)三角地區(qū)的房?jī)r(jià)出現(xiàn)明顯的兩極分化，東南高而西北低。使用ArcGIS對(duì)2009年和2018年長(zhǎng)三角地區(qū)房地產(chǎn)均價(jià)進(jìn)行空間可視化分析(圖1)可以發(fā)現(xiàn)，長(zhǎng)三角東南地區(qū)房地產(chǎn)價(jià)格偏高，而西北部地區(qū)房地產(chǎn)價(jià)格則相對(duì)偏低。從時(shí)序看，長(zhǎng)三角地區(qū)房地產(chǎn)價(jià)格在十年間均價(jià)的最低價(jià)與最高價(jià)均增長(zhǎng)不止一倍，由2009年的18176元/平方米增長(zhǎng)為2018年的最高52774元/平方米。從空間上來(lái)看，房?jī)r(jià)最高的區(qū)域始終集中于上海與杭州，且房?jī)r(jià)次高區(qū)域始終以上海為中心向外輻射擴(kuò)散。除上海之外，房?jī)r(jià)次高的城市主要有湖州、嘉興、臺(tái)州、麗水等。2018年，已經(jīng)形成了長(zhǎng)三角東南部房?jī)r(jià)普遍高于西北部的穩(wěn)定格局。另外，用2018年房?jī)r(jià)減去2009年房?jī)r(jià)(圖1c)，可見(jiàn)房?jī)r(jià)漲幅最大的區(qū)域集中在上海、杭州、常州、連云港等城市，漲幅的高低分布呈現(xiàn)出“東南高—西北低”的態(tài)勢(shì)，與房?jī)r(jià)的時(shí)空演變格局有著相似的分布，說(shuō)明長(zhǎng)三角地區(qū)往往房?jī)r(jià)高的城市其漲幅也更大。

圖1 2009—2018年長(zhǎng)三角地區(qū)平均房?jī)r(jià)時(shí)空演變

高創(chuàng)新產(chǎn)出區(qū)域主要集中在長(zhǎng)三角東南地區(qū)。對(duì)長(zhǎng)三角地區(qū)創(chuàng)新能力進(jìn)行空間可視化分析(圖2)可以發(fā)現(xiàn)，高創(chuàng)新產(chǎn)出區(qū)域主要集中在上海、杭州、蘇州等東部地區(qū)，次高創(chuàng)新產(chǎn)出區(qū)域主要集中于湖州、嘉興、紹興、臺(tái)州等長(zhǎng)三角東南部，而長(zhǎng)三角西北部地區(qū)創(chuàng)新產(chǎn)出水平普遍較低。從時(shí)序演變來(lái)看，長(zhǎng)三角地區(qū)十年間創(chuàng)新產(chǎn)出數(shù)量將近翻了一倍，由2009年最高52774件專利授權(quán)數(shù)發(fā)展到2018年的92460件。另外，用同樣的方式做出長(zhǎng)三角地區(qū)創(chuàng)新能力增幅圖(圖2c)，可以發(fā)現(xiàn)創(chuàng)新能力增幅最大的城市主要集中于上海市、蘇州市、南京市和杭州市，其分布與長(zhǎng)三角地區(qū)房?jī)r(jià)時(shí)空演變格局相似，說(shuō)明創(chuàng)新能力基礎(chǔ)高的地區(qū)往往有著更大的發(fā)展?jié)摿Α?/p>

總的來(lái)說(shuō)，長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力具有相似的分布格局，皆表現(xiàn)出“東南地區(qū)高值且西北地區(qū)普遍為低值”的態(tài)勢(shì)，即房?jī)r(jià)與創(chuàng)新能力具有一定的相似性，長(zhǎng)三角地區(qū)存在著“高房?jī)r(jià)—高創(chuàng)新產(chǎn)出”的“雙高”現(xiàn)象。

圖2 2009—2018年長(zhǎng)三角地區(qū)創(chuàng)新能力時(shí)空演變

四、 長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力的實(shí)證研究

(一)描述性分析

本文實(shí)證分析的樣本是長(zhǎng)三角地區(qū)2009—2018年期間41個(gè)地級(jí)市的平衡面板數(shù)據(jù)，極個(gè)別缺失值采用插值法補(bǔ)全。表2顯示了各個(gè)變量的描述性統(tǒng)計(jì)結(jié)果，可知所有數(shù)據(jù)沒(méi)有出現(xiàn)異常值的情況，平穩(wěn)性較好且所有變量的方差膨脹因子(VIF)均不超過(guò)5，故不存在明顯共線性的問(wèn)題。由表2中的數(shù)據(jù)可知，創(chuàng)新能力的最小值為39，最大值為92460，說(shuō)明長(zhǎng)三角地區(qū)創(chuàng)新能力還存在較大的地區(qū)差異性，房?jī)r(jià)、人均GDP的最大最小值差距也較大，因此長(zhǎng)三角地區(qū)在房地產(chǎn)、經(jīng)濟(jì)發(fā)展水平方面尚存有較大的區(qū)域異質(zhì)性。

表2 變量的描述性統(tǒng)計(jì)

(二)回歸分析

本文在經(jīng)過(guò)Hausman檢驗(yàn)后選擇雙向固定效應(yīng)面板模型，以三省一市作為穩(wěn)健標(biāo)準(zhǔn)誤的聚類標(biāo)準(zhǔn)。為了初步檢驗(yàn)房?jī)r(jià)與城市技術(shù)創(chuàng)新之間的關(guān)系，首先對(duì)房?jī)r(jià)與技術(shù)創(chuàng)新進(jìn)行普通面板回歸。表3列(1)顯示，在不考慮控制變量的情況下，高房?jī)r(jià)顯著促進(jìn)地區(qū)的創(chuàng)新，驗(yàn)證了前文所述的長(zhǎng)三角地區(qū)存在的“高房?jī)r(jià)—高創(chuàng)新產(chǎn)出”的“雙高”現(xiàn)象；加入控制變量后的表3列(2)顯示，高房?jī)r(jià)與地區(qū)的創(chuàng)新正相關(guān)，但未通過(guò)顯著性檢驗(yàn)，城市規(guī)模、創(chuàng)新人才與人均GDP分別在1%，5%和10%的水平下顯著地促進(jìn)地區(qū)的創(chuàng)新能力。

為進(jìn)一步探究房?jī)r(jià)通過(guò)何種機(jī)制對(duì)創(chuàng)新產(chǎn)生何種影響，本文加入房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)(HP*POP)，進(jìn)一步回歸，得到表3列(3)的結(jié)果。在加入房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)HP*POP后，房?jī)r(jià)與地區(qū)創(chuàng)新能力呈現(xiàn)顯著的負(fù)向相關(guān)性，且通過(guò)1%的顯著性水平檢驗(yàn)；房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)HP*POP與地區(qū)創(chuàng)新能力顯著正相關(guān)，且通過(guò)1%水平的顯著性檢驗(yàn)。城市人口規(guī)模POP、pcGDP、創(chuàng)新人才和創(chuàng)新研發(fā)投入與地區(qū)創(chuàng)新能力顯著正相關(guān)且通過(guò)1%水平下的顯著性檢驗(yàn)，一定程度上驗(yàn)證了假設(shè)1。

表3列(3)的模型結(jié)果說(shuō)明，在加入了城市人口規(guī)模的交互項(xiàng)后，房?jī)r(jià)對(duì)創(chuàng)新的作用受到城市人口規(guī)模的影響，城市人口規(guī)模越大，越能夠正向調(diào)節(jié)房?jī)r(jià)對(duì)創(chuàng)新的作用。同時(shí)，交互項(xiàng)HP*POP通過(guò)1%水平的顯著性檢驗(yàn)且對(duì)城市技術(shù)創(chuàng)新起正向促進(jìn)作用，說(shuō)明城市人口規(guī)模擴(kuò)大會(huì)調(diào)節(jié)高房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的抑制作用，假設(shè)2得到驗(yàn)證，即：在長(zhǎng)三角地區(qū)，對(duì)城市人口規(guī)模較大的城市來(lái)說(shuō)，高房?jī)r(jià)能促進(jìn)創(chuàng)新，可體現(xiàn)高房?jī)r(jià)的“擠入效應(yīng)”；而對(duì)城市人口規(guī)模較小的城市來(lái)說(shuō)，高房?jī)r(jià)對(duì)于地區(qū)的創(chuàng)新則更多地體現(xiàn)為“擠出效應(yīng)”。因此，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的抑制或促進(jìn)影響會(huì)受到城市人口規(guī)模大小的調(diào)節(jié)，應(yīng)根據(jù)城市規(guī)模區(qū)分看待。

表3 長(zhǎng)三角城市房?jī)r(jià)對(duì)創(chuàng)新的影響分析結(jié)果

(三)門檻效應(yīng)分析

在對(duì)模型進(jìn)行回歸之前，首先對(duì)模型(3)的門檻值與門檻個(gè)數(shù)進(jìn)行檢驗(yàn)。本文使用Bootstrap法對(duì)樣本進(jìn)行重復(fù)抽樣500次，得到門檻值及相關(guān)的統(tǒng)計(jì)量，結(jié)果如表4所示。根據(jù)門檻F統(tǒng)計(jì)量的顯著性及其值的大小可以發(fā)現(xiàn)：城市人口規(guī)模對(duì)地區(qū)創(chuàng)新能力存在雙門檻效應(yīng)，門檻值θ1為411.633，門檻值θ2為827.0，兩門檻值分別通過(guò)5%與1%水平下的顯著性檢驗(yàn)(表4)。

表4 長(zhǎng)三角城市人口規(guī)模對(duì)技術(shù)創(chuàng)新的門檻效應(yīng)檢驗(yàn)

表5顯示了城市人口規(guī)模的門檻效應(yīng)，房?jī)r(jià)對(duì)于地區(qū)創(chuàng)新的影響取決于門檻變量城市人口規(guī)模的取值范圍。結(jié)果顯示，當(dāng)城市人口規(guī)?！?11.633萬(wàn)人時(shí)，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力具有通過(guò)1%顯著性檢驗(yàn)的負(fù)向影響，說(shuō)明高房?jī)r(jià)在此人口規(guī)模的城市會(huì)顯著地抑制地區(qū)的創(chuàng)新能力，且房?jī)r(jià)每上升1個(gè)單位都會(huì)使地區(qū)創(chuàng)新能力降低1.515個(gè)單位。當(dāng)城市人口規(guī)模介于411.633萬(wàn)人～827.0萬(wàn)人時(shí)，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力有著顯著的負(fù)向抑制作用，房?jī)r(jià)每上升1個(gè)單位，地區(qū)創(chuàng)新能力會(huì)隨之下降0.453個(gè)單位，說(shuō)明房?jī)r(jià)對(duì)城市人口規(guī)模處于該區(qū)間范圍內(nèi)的地區(qū)依舊起著抑制創(chuàng)新的作用，但系數(shù)明顯減小。可見(jiàn)，高房?jī)r(jià)雖不利于地區(qū)創(chuàng)新，但大城市人口規(guī)模所帶來(lái)的正外部性在一定程度上彌補(bǔ)了高房?jī)r(jià)對(duì)創(chuàng)新的不利影響。

表5 長(zhǎng)三角城市房?jī)r(jià)對(duì)技術(shù)創(chuàng)新的門檻效應(yīng)

當(dāng)城市人口規(guī)模>827.0萬(wàn)人時(shí)，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力呈現(xiàn)通過(guò)1%水平顯著性檢驗(yàn)的正向相關(guān)關(guān)系，房?jī)r(jià)每上升1個(gè)單位會(huì)促進(jìn)地區(qū)創(chuàng)新增長(zhǎng)0.386個(gè)單位。創(chuàng)新人才、科研投入與地區(qū)金融發(fā)展水平對(duì)地區(qū)創(chuàng)新呈現(xiàn)較強(qiáng)的正向促進(jìn)作用且皆通過(guò)1%水平的顯著性檢驗(yàn)。

表6 基于城市人口規(guī)模門檻變量的長(zhǎng)三角城市分類

以2018年長(zhǎng)三角地區(qū)41個(gè)城市的常住人口數(shù)量POP為例，將41個(gè)城市按照城市人口規(guī)模的兩個(gè)門檻值進(jìn)行劃分，最終把長(zhǎng)三角地區(qū)的城市分為三類(表6)。第一類城市為人口規(guī)模超過(guò)827.0萬(wàn)人的大城市，目前處于該階段的城市主要包括上海、南京、徐州、蘇州、杭州、溫州。根據(jù)門檻效應(yīng)的回歸結(jié)果，在這六大城市中，高房?jī)r(jià)并未抑制城市的創(chuàng)新能力，反而兩者還有顯著的正相關(guān)關(guān)系。由于這類城市已經(jīng)處于城市化水平較高的地區(qū)，城市基礎(chǔ)設(shè)施較好且城市人口規(guī)模較大[38]，從房地產(chǎn)供需關(guān)系來(lái)看，其購(gòu)房需求更大，因此房?jī)r(jià)高實(shí)屬正常的市場(chǎng)現(xiàn)象。第二類城市為人口規(guī)模處于兩門檻之間的中型城市，主要有無(wú)錫、常州、南通、寧波、嘉興、紹興、合肥、安慶等20個(gè)城市。處于該階段的城市其高房?jī)r(jià)顯著抑制了城市的創(chuàng)新，但抑制效用相比于規(guī)模更小的城市而言較小[19]。除此之外，長(zhǎng)三角地區(qū)城市人口規(guī)模小于411.633萬(wàn)人的為第三類城市，具體包括鎮(zhèn)江、湖州、衢州、舟山、蕪湖、淮南、黃山等15個(gè)城市。這些城市中的高房?jī)r(jià)對(duì)地區(qū)創(chuàng)新起到顯著的抑制作用。該類城市由于城市發(fā)展水平在長(zhǎng)三角地區(qū)處于最具發(fā)展?jié)摿Φ碾A段，城市的人口規(guī)模較小，從市場(chǎng)供需角度來(lái)看，房?jī)r(jià)高屬于投機(jī)的虛高，因此對(duì)地區(qū)創(chuàng)新的資金虹吸效應(yīng)明顯[9]，對(duì)創(chuàng)新有著極其不利的影響。

(四)穩(wěn)健性檢驗(yàn)

1. 內(nèi)生性與2SLS回歸

技術(shù)創(chuàng)新活動(dòng)與房?jī)r(jià)常常有著內(nèi)在的聯(lián)立性，往往房?jī)r(jià)高的區(qū)域也會(huì)有較高的技術(shù)創(chuàng)新能力，因此這兩者可能存在一定的內(nèi)生性問(wèn)題。創(chuàng)新與房?jī)r(jià)存在相互聯(lián)系的原因主要在于：一方面，根據(jù)熊彼特的創(chuàng)新理論，創(chuàng)新是生產(chǎn)條件與要素的重新組合，高房?jī)r(jià)區(qū)域的要素稟賦、生產(chǎn)條件與經(jīng)濟(jì)發(fā)展水平往往都較好，有利于技術(shù)創(chuàng)新的產(chǎn)生，而創(chuàng)新又進(jìn)一步促進(jìn)了生產(chǎn)效率，從而推進(jìn)地區(qū)的經(jīng)濟(jì)增長(zhǎng)，對(duì)地區(qū)房?jī)r(jià)的上漲做出一定貢獻(xiàn)[39]。另一方面，影響創(chuàng)新能力的因素多種多樣，而每種模型在構(gòu)建時(shí)都可能因遺漏變量而產(chǎn)生內(nèi)生性問(wèn)題。雖然本文已選擇了許多關(guān)于經(jīng)濟(jì)發(fā)展水平、創(chuàng)新人才、產(chǎn)業(yè)結(jié)構(gòu)與財(cái)政金融等方面的控制變量，但在現(xiàn)實(shí)中仍然無(wú)法涵蓋所有影響因素，存在遺漏變量的情況。基于此，本文嘗試使用工具變量法以緩解可能存在的內(nèi)生性問(wèn)題。

根據(jù)工具變量法的原理，工具變量必須滿足僅與長(zhǎng)三角地區(qū)房?jī)r(jià)有內(nèi)在聯(lián)系而與地區(qū)創(chuàng)新能力沒(méi)有直接聯(lián)系。在房地產(chǎn)相關(guān)研究中，陸銘等[40]發(fā)現(xiàn)中國(guó)政府對(duì)東部地區(qū)土地供應(yīng)采取的緊縮壓縮策略導(dǎo)致東部地區(qū)的房?jī)r(jià)迅速上漲，由于土地作為房地產(chǎn)的重要投入要素其供應(yīng)情況將直接影響房?jī)r(jià)，故將城市的土地供應(yīng)狀況作為房?jī)r(jià)的工具變量；余泳澤和張少輝[41]、張杰等[42]選擇滯后一期的城市人均建設(shè)用地出讓面積作為城市房?jī)r(jià)的工具變量?；谇叭说难芯浚疚倪x擇各城市人均建設(shè)用地出讓面積作為城市房?jī)r(jià)的工具變量，并使用兩階段最小二乘法(2SLS)進(jìn)行檢驗(yàn)，工具變量數(shù)據(jù)來(lái)源于《中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒》。

表7 2SLS第一階段回歸結(jié)果

表7為2SLS第一階段回歸，其結(jié)果顯示，無(wú)論是否加入控制變量，工具變量IV與內(nèi)生變量HP都表現(xiàn)出顯著的負(fù)相關(guān)性，通過(guò)5%水平下的顯著性檢驗(yàn)且F值較大。這說(shuō)明內(nèi)生變量HP與工具變量強(qiáng)相關(guān)，因此人均建設(shè)用地出讓面積會(huì)直接影響城市的房?jī)r(jià)，符合第一階段效應(yīng)檢驗(yàn)。

表8 2SLS第二階段回歸結(jié)果

從第二階段回歸可以發(fā)現(xiàn)(表8)：在不包含控制變量的情況下，人均建設(shè)用地出讓面積顯著地促進(jìn)地區(qū)創(chuàng)新且通過(guò)5%水平的顯著性檢驗(yàn)；在加入控制變量后，人均建設(shè)用地出讓面積與地區(qū)創(chuàng)新在10%水平下顯著正相關(guān)，其他控制變量系數(shù)與主回歸基本一致。這充分說(shuō)明，作為工具變量的人均建設(shè)用地可以通過(guò)房?jī)r(jià)正向影響當(dāng)?shù)貏?chuàng)新水平，結(jié)果基本通過(guò)模型穩(wěn)健性檢驗(yàn)。

2. 替換被解釋變量回歸

首先選擇滯后一期的發(fā)明型專利授權(quán)數(shù)作為第一組穩(wěn)健性檢驗(yàn)的替代指標(biāo)，結(jié)果顯示為表9列(1)。另外，為了避免單純以城市專利數(shù)量作為創(chuàng)新指標(biāo)而帶來(lái)的片面性，本文使用復(fù)旦大學(xué)產(chǎn)業(yè)發(fā)展研究中心編制的《中國(guó)城市和產(chǎn)業(yè)創(chuàng)新力報(bào)告2017》中的“城市創(chuàng)新力指數(shù)”作為城市創(chuàng)新能力的替代指標(biāo)。本文選擇了其中滯后兩期的41個(gè)長(zhǎng)三角城市的創(chuàng)新指數(shù)作為樣本，以增加實(shí)證研究的可信度；除此之外，為了緩解城市人口規(guī)模可能存在的潛在內(nèi)生性問(wèn)題，本文使用滯后一期的城市人口規(guī)模POP’作為替換變量作穩(wěn)健性檢驗(yàn)，結(jié)果顯示為表9列(3)。所有模型結(jié)果如表9所示：

列(1)結(jié)果顯示，房?jī)r(jià)與地區(qū)創(chuàng)新為通過(guò)1%水平顯著性的負(fù)向相關(guān)關(guān)系，交互項(xiàng)HP*POP也通過(guò)1%水平下的顯著性檢驗(yàn)，且結(jié)果為正向顯著；城市人口規(guī)模、創(chuàng)新人才、研發(fā)投入強(qiáng)度與金融發(fā)展水平皆與地區(qū)創(chuàng)新能力顯著正相關(guān)，但產(chǎn)業(yè)結(jié)構(gòu)與地區(qū)創(chuàng)新能力則顯著負(fù)相關(guān)。列(2)中以滯后一期的“城市創(chuàng)新力指數(shù)”為被解釋變量的穩(wěn)健性檢驗(yàn)結(jié)果表明，房?jī)r(jià)與地區(qū)城市創(chuàng)新能力負(fù)相關(guān)且通過(guò)5%水平的顯著性檢驗(yàn)，房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)皆與之前回歸結(jié)果保持一致，且其系數(shù)與之前回歸結(jié)果相近。列(3)中以滯后一期的城市人口規(guī)模POP’為調(diào)節(jié)變量的穩(wěn)健性檢驗(yàn)結(jié)果顯示，房?jī)r(jià)與地區(qū)創(chuàng)新顯著負(fù)相關(guān)且通過(guò)1%水平的檢驗(yàn)，城市人口規(guī)模依舊起到正向調(diào)節(jié)作用，且交互項(xiàng)同樣通過(guò)1%水平的顯著性檢驗(yàn)，其他變量與主回歸結(jié)果基本一致，通過(guò)穩(wěn)健性檢驗(yàn)。

表9 穩(wěn)健性檢驗(yàn)

五、 結(jié)論與啟示

本文通過(guò)對(duì)長(zhǎng)三角區(qū)域2009—2018年房地產(chǎn)均價(jià)與創(chuàng)新能力的數(shù)據(jù)進(jìn)行分析，首先簡(jiǎn)單刻畫了其十年來(lái)分布的時(shí)空演變格局；其次，通過(guò)構(gòu)建雙向固定效應(yīng)模型和面板門檻模型，對(duì)房?jī)r(jià)與地區(qū)創(chuàng)新能力的影響進(jìn)行深入的研究分析，實(shí)證結(jié)果均通過(guò)內(nèi)生性和穩(wěn)健性檢驗(yàn)。結(jié)果表明：

(1) 從2009—2018年長(zhǎng)三角房?jī)r(jià)演化格局來(lái)看，目前已形成了長(zhǎng)三角房?jī)r(jià)“東南高—西北低”的穩(wěn)定格局。從空間上來(lái)看，房?jī)r(jià)最高的區(qū)域始終集中于上海市與杭州市，且房?jī)r(jià)次高區(qū)域始終以上海市為中心向外輻射擴(kuò)散。從創(chuàng)新演化格局來(lái)看，其分布與長(zhǎng)三角地區(qū)房?jī)r(jià)時(shí)空演變格局相似，高創(chuàng)新產(chǎn)出區(qū)域主要集中在上海、杭州、蘇州等東部地區(qū)，且房?jī)r(jià)與創(chuàng)新能力在空間格局上具有一定的相似性，存在著“高房?jī)r(jià)—高創(chuàng)新產(chǎn)出”的“雙高”現(xiàn)象。

(2) 在考慮了一系列控制變量并加入房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)后，長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力呈現(xiàn)出通過(guò)1%水平下顯著性檢驗(yàn)的負(fù)向相關(guān)關(guān)系；同時(shí)，交互項(xiàng)通過(guò)顯著性檢驗(yàn)且系數(shù)為正，說(shuō)明城市人口規(guī)模的擴(kuò)大會(huì)調(diào)節(jié)高房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的抑制作用。因此，在長(zhǎng)三角地區(qū)，對(duì)城市人口規(guī)模較大的城市來(lái)說(shuō)，高房?jī)r(jià)與地區(qū)創(chuàng)新能力正相關(guān)，體現(xiàn)了高房?jī)r(jià)的“擠入效應(yīng)”；而對(duì)城市人口規(guī)模較小的城市來(lái)說(shuō)，高房?jī)r(jià)對(duì)于地區(qū)的創(chuàng)新則更多體現(xiàn)為“擠出效應(yīng)”。

(3) 進(jìn)一步對(duì)城市人口規(guī)模的門檻效應(yīng)進(jìn)行實(shí)證分析可以發(fā)現(xiàn)，城市人口規(guī)模對(duì)地區(qū)創(chuàng)新能力存在雙門檻效應(yīng)，且兩門檻值皆通過(guò)5%水平下的顯著性檢驗(yàn)。從整個(gè)長(zhǎng)三角地區(qū)的城市來(lái)看，不同城市人口規(guī)模的房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力產(chǎn)生不同的影響：第一類大型城市的房?jī)r(jià)與地區(qū)創(chuàng)新能力正相關(guān)；第二類中型城市的高房?jī)r(jià)會(huì)顯著抑制地區(qū)的創(chuàng)新能力；第三類小型城市的高房?jī)r(jià)會(huì)極大地抑制地區(qū)創(chuàng)新的發(fā)展。

本文的研究結(jié)論對(duì)于長(zhǎng)三角地區(qū)房地產(chǎn)業(yè)的合理發(fā)展有著一定的參考價(jià)值。首先，本文的結(jié)論雖證實(shí)了長(zhǎng)三角地區(qū)房地產(chǎn)價(jià)格目前處于快速上漲的階段，且過(guò)高的房?jī)r(jià)對(duì)地區(qū)的創(chuàng)新能力有著顯著不利的影響，但這種不利的影響可以通過(guò)城市人口規(guī)模變量來(lái)緩解。這一發(fā)現(xiàn)對(duì)未來(lái)的房地產(chǎn)發(fā)展具有一定的啟示意義：在長(zhǎng)三角城市群內(nèi)，對(duì)規(guī)模較小的城市來(lái)說(shuō)，高房?jī)r(jià)總體而言增加了地區(qū)企業(yè)創(chuàng)新的成本，形成了較為顯著的擠出效應(yīng)并抑制城市的創(chuàng)新。因此，政府應(yīng)高度重視房地產(chǎn)投資與房?jī)r(jià)過(guò)速增長(zhǎng)對(duì)實(shí)體行業(yè)的沖擊，棄絕通過(guò)發(fā)展房地產(chǎn)業(yè)而帶來(lái)一時(shí)的經(jīng)濟(jì)增長(zhǎng)泡沫，采取一定的市場(chǎng)化政策(如征收房產(chǎn)稅、限購(gòu)等)降低房地產(chǎn)行業(yè)過(guò)高的投資回報(bào)率，以刺激資金回流至實(shí)體行業(yè)并投入于創(chuàng)新發(fā)展，謹(jǐn)慎避免“脫實(shí)向虛”的高房?jī)r(jià)泡沫現(xiàn)象發(fā)生。而對(duì)于長(zhǎng)三角地區(qū)規(guī)模較大的城市來(lái)說(shuō)，高房?jī)r(jià)目前來(lái)看并不會(huì)顯著抑制創(chuàng)新，反而與創(chuàng)新能力呈現(xiàn)出顯著的正向相關(guān)性。造成這一情況的原因可能在于，高房?jī)r(jià)有助于倒逼地區(qū)企業(yè)將創(chuàng)新的重點(diǎn)放在高附加值的產(chǎn)業(yè)上，從而減少區(qū)域內(nèi)中低端價(jià)值產(chǎn)品的創(chuàng)新，進(jìn)一步提升城市的創(chuàng)新能級(jí)。

然而，隨著城市人口規(guī)模與創(chuàng)新能級(jí)的提升，過(guò)高的房?jī)r(jià)同樣會(huì)衍生出一系列科研、生活與生產(chǎn)成本的問(wèn)題，易造成城市人才流失。因此，應(yīng)控制規(guī)模較大或房?jī)r(jià)已經(jīng)處于高位的城市的房?jī)r(jià)漲幅，對(duì)創(chuàng)新人才實(shí)行住房補(bǔ)貼、子女享受地區(qū)教育資源等一系列優(yōu)惠政策，減少房?jī)r(jià)過(guò)高可能造成的地區(qū)內(nèi)人才流失現(xiàn)象，避免過(guò)高房?jī)r(jià)對(duì)城市創(chuàng)新產(chǎn)生負(fù)面影響?？偠灾L(zhǎng)三角地區(qū)的房地產(chǎn)政策應(yīng)分城施策、分類調(diào)控，從而推動(dòng)不同人口規(guī)模城市的創(chuàng)新型城市建設(shè)。