房?jī)r(jià)波動(dòng)會(huì)抑制全要素生產(chǎn)率增長(zhǎng)嗎？

李嘉琪 陳妍玲 郭文偉

摘? ?要：在闡明房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響機(jī)理后，采用F？覿re-promont指數(shù)法測(cè)度我國(guó)259個(gè)地級(jí)及以上城市全要素生產(chǎn)率及其分解指標(biāo)，然后采用空間面板模型分析房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響及具體路徑。研究結(jié)論表明，在全國(guó)范圍內(nèi)，房?jī)r(jià)波動(dòng)會(huì)直接對(duì)全要素生產(chǎn)率生產(chǎn)明顯的抑制作用，也會(huì)通過降低規(guī)模效率來間接抑制全要素生產(chǎn)率；這種抑制作用不僅作用于本市，還會(huì)通過空間溢出效應(yīng)對(duì)鄰市產(chǎn)生影響；東部、中部、西部和東北地區(qū)房?jī)r(jià)波動(dòng)均顯著抑制全要素生產(chǎn)率增長(zhǎng)但各自的影響途徑存在明顯差異，中部地區(qū)房?jī)r(jià)波動(dòng)的抑制作用不存在空間溢出效應(yīng)；政府財(cái)政獨(dú)立性和外商投資無助于提升全要素生產(chǎn)率。

關(guān)鍵詞：房?jī)r(jià)波動(dòng)；F？覿re-promont指數(shù)法；技術(shù)效率；規(guī)模效率；剩余混合效率；空間滯后模型；空間誤差模型

DOI：10.3969/j.issn.1003-9031.2024.05.001

中圖分類號(hào)：F830? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1003－9031（2024）05－0003－19

一、引言

全要素生產(chǎn)率（total factor productivity，TFP）是指在生產(chǎn)過程中，除了生產(chǎn)要素投入之外的科技進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)的因素（易綱等，2003），能刻畫由規(guī)模增長(zhǎng)模式向創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)增長(zhǎng)模式的轉(zhuǎn)變程度。當(dāng)前，我國(guó)企業(yè)的人口紅利和資源紅利等傳統(tǒng)優(yōu)勢(shì)正在趨于消失，數(shù)量型擴(kuò)張的經(jīng)濟(jì)模式已難以為繼，在經(jīng)濟(jì)新常態(tài)下，中國(guó)要保持經(jīng)濟(jì)平穩(wěn)較快可持續(xù)發(fā)展，就必須重視全要素生產(chǎn)率的提升。然而，我國(guó)全要素生產(chǎn)率自2008年金融危機(jī)后出現(xiàn)持續(xù)下滑，直到2016年，我國(guó)全要素生產(chǎn)率增速才出現(xiàn)由降轉(zhuǎn)升的拐點(diǎn)，但至今我國(guó)的科技發(fā)展水平和資源配置效率仍與發(fā)達(dá)國(guó)家存在較大差距。Denison and Dward（1962）將牽制全要素生產(chǎn)率的原因歸為知識(shí)進(jìn)步、規(guī)模經(jīng)濟(jì)和資源配置效率改善三大因素。因此要提高整體的生產(chǎn)率水平，硬性的技術(shù)進(jìn)步是十分重要的，但資源配置效率改善帶來的作用也不可忽視；而在優(yōu)化資源配置效率方面，房?jī)r(jià)波動(dòng)是不容忽視的重要因素之一。當(dāng)前中國(guó)房?jī)r(jià)增速較快，2007年中國(guó)住宅均價(jià)為3645.18元/平方米，2020年這一指標(biāo)首次突破萬元大關(guān)，達(dá)到10158.94元/平方米，同比上漲了178.70%①。高房?jī)r(jià)加劇了我國(guó)經(jīng)濟(jì)的結(jié)構(gòu)失衡，導(dǎo)致整個(gè)社會(huì)資源過度集中在房地產(chǎn)領(lǐng)域，最終降低了資源再配置效率，抑制了全要素生產(chǎn)率增長(zhǎng)。因此，從理論和實(shí)踐上揭示我國(guó)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率增長(zhǎng)的機(jī)理、路徑，進(jìn)而提出緩解高房?jī)r(jià)抑制全要素生產(chǎn)率的政策建議，具有重要意義。本文首先通過F？覿re-promont指數(shù)法合理測(cè)算我國(guó)259個(gè)地級(jí)市全要素生產(chǎn)率的變化趨勢(shì)并進(jìn)行成分分解；在此基礎(chǔ)上，采用面板數(shù)據(jù)模型和空間面板模型分析房?jī)r(jià)波動(dòng)對(duì)于全要素生產(chǎn)率的影響路徑，包括技術(shù)效率路徑、規(guī)模效率路徑和剩余混合效率路徑；其次分別比較了我國(guó)東部、中部、西部和東北地區(qū)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率及其影響路徑的差異。最終研究結(jié)果發(fā)現(xiàn)，全國(guó)層面上房?jī)r(jià)波動(dòng)會(huì)通過影響規(guī)模效率來顯著抑制全要素生產(chǎn)率增長(zhǎng)，且這種抑制作用不僅作用于本市，還會(huì)通過空間溢出效應(yīng)對(duì)鄰市產(chǎn)生影響；與此同時(shí)，東部、中部、西部和東北地區(qū)房?jī)r(jià)波動(dòng)抑制全要素生產(chǎn)率增長(zhǎng)的路徑存在明顯差異。

二、文獻(xiàn)綜述

（一）全要素生產(chǎn)率的測(cè)度

當(dāng)前學(xué)術(shù)界關(guān)于全要素生產(chǎn)率主要有5種測(cè)算方法：索洛余值法、隨機(jī)前沿分析（SFA）法、DEA-Malmquist指數(shù)法、Hicks-Moorsteen指數(shù)法和F？覿re-promont指數(shù)法。索洛余值法是通過擬定生產(chǎn)函數(shù)后得到的產(chǎn)出增長(zhǎng)率扣除各生產(chǎn)要素增長(zhǎng)率后的殘差。該方法簡(jiǎn)便易算，但其前提條件過于嚴(yán)格，如技術(shù)進(jìn)步外生、技術(shù)進(jìn)步不改變生產(chǎn)要素投入比例以及規(guī)模收益不變等。盡管后來學(xué)者修正了其生產(chǎn)要素的測(cè)度以及技術(shù)進(jìn)步的外生性問題，但其認(rèn)為規(guī)模收益不變的不合理假設(shè)依舊存在。SFA法將總生產(chǎn)函數(shù)分為非效率的和前沿的（Chen and Guan，2012），對(duì)全要素生產(chǎn)率進(jìn)行了拆解，將其變化拆分為技術(shù)進(jìn)步和技術(shù)效率并最終計(jì)算出該指標(biāo)（Aigner et al.，1977；Kumbhaka，2000）。該方法承認(rèn)技術(shù)無效率的情況，更符合現(xiàn)實(shí)。但局限性在于僅能計(jì)算單項(xiàng)產(chǎn)出時(shí)的全要素生產(chǎn)率；此外，基于小樣本數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù)法估計(jì)結(jié)果差異較大。DEA-Malmquist指數(shù)法是一種非參數(shù)測(cè)度方法（Charnes et al.，1978；顏鵬飛和王兵，2004；徐曄和宋曉薇，2016；焦翠紅和陳鈺芬，2018）。該方法無須考慮被估計(jì)的生產(chǎn)函數(shù)形態(tài)和要素價(jià)格信息，突破了以往僅能測(cè)算單項(xiàng)產(chǎn)出的局限。此外，該方法認(rèn)為技術(shù)效率可以由規(guī)模效率和純技術(shù)效率兩個(gè)部分組成，因而更貼合社會(huì)生產(chǎn)實(shí)際情況，具有更強(qiáng)的適用性；但存在著乘法完備性較差以及效率分解不全面的問題（Bjurek，1996），對(duì)異常數(shù)據(jù)反應(yīng)敏感，易受隨機(jī)因素影響導(dǎo)致得到的技術(shù)進(jìn)步和技術(shù)效率指數(shù)出現(xiàn)誤差。O donnell（2008）最先提出Hicks-Moorsteen TFP指數(shù)法，該學(xué)者解決了全要素生產(chǎn)率變化分解的不全面的問題，并使得分解指數(shù)的經(jīng)濟(jì)含義更為清晰明確，遺憾的是，該測(cè)量方法無法實(shí)現(xiàn)傳遞性檢驗(yàn)（劉秉鐮等，2012；姜永宏和蔣偉杰，2014；劉宏偉等，2017）。F？覿re-primont指數(shù)法也是O donnell（2012）提出的，是目前國(guó)際上最新的測(cè)度方法，該指數(shù)具有乘法完備性，且效率分解完全，F(xiàn)P指數(shù)可以對(duì)全要素生產(chǎn)率進(jìn)行縱向和橫向兩個(gè)方向的比較（郭萍等，2013；黃祎等，2015）。

（二）房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的路徑研究

至今國(guó)內(nèi)外較少有關(guān)房?jī)r(jià)波動(dòng)與全要素生產(chǎn)率之間關(guān)聯(lián)性方面的研究文獻(xiàn)，大部分文獻(xiàn)集中研究房?jī)r(jià)波動(dòng)如何通過影響資源配置效率和科技創(chuàng)新水平進(jìn)而影響全要素生產(chǎn)率的問題。在高房?jī)r(jià)影響資源配置效率方面，郭慶旺和賈俊雪（2005）、Hsieh and Klenow（2009）認(rèn)為當(dāng)資源集中于低生產(chǎn)率企業(yè)時(shí)，將會(huì)導(dǎo)致資源配置在市場(chǎng)中分配失衡，產(chǎn)品和生產(chǎn)要素市場(chǎng)扭曲，最終抑制全要素生產(chǎn)率的提高。陳斌開等（2015）、徐曄和宋曉薇（2016）指出過高的樓市價(jià)格對(duì)社會(huì)消費(fèi)和投資形成擠出效應(yīng)，使得有限資源流向低外部性的房地產(chǎn)業(yè)，也吸引不少工業(yè)企業(yè)偏離自身主業(yè)發(fā)展而開始涉入房地產(chǎn)業(yè)，從而進(jìn)一步加劇了社會(huì)資源的錯(cuò)配并降低了資源配置效率。Restuccia et al.（2008）認(rèn)為高房?jī)r(jià)帶來的社會(huì)資源配置失效將會(huì)顯著降低全要素生產(chǎn)率。此外，朱喜等（2011）、Robert et al.（2014）通過實(shí)證表明，當(dāng)這種資本和勞動(dòng)配置的扭曲被修正時(shí)，全要素生產(chǎn)率將得到顯著的提升。

在房?jī)r(jià)波動(dòng)影響科技創(chuàng)新水平方面，部分學(xué)者認(rèn)為當(dāng)社會(huì)資源過度集中到房地產(chǎn)部門時(shí)，這不僅抑制了高新企業(yè)自身的研發(fā)投入積極性，也加重了實(shí)體經(jīng)濟(jì)部門的生產(chǎn)成本，擠占了創(chuàng)新研發(fā)資金來源（王文春等，2014；Miao and Wang，2014）；這種擠出效應(yīng)將對(duì)整個(gè)行業(yè)全要素生產(chǎn)率產(chǎn)生抑制作用（余靜文，2017）。大多數(shù)學(xué)者的研究結(jié)論表明高房?jī)r(jià)對(duì)企業(yè)創(chuàng)新投入和對(duì)勞動(dòng)力的擠出削弱企業(yè)的創(chuàng)新傾向并抑制了城市的創(chuàng)新能力（朱晨，2018）。在科技創(chuàng)新對(duì)全要素生產(chǎn)率的影響方面，學(xué)者們還沒有得出統(tǒng)一的結(jié)論，部分學(xué)者認(rèn)為科技創(chuàng)新水平的提高能夠促進(jìn)全要素生產(chǎn)率（劉康，2024；陳彥君和郭根龍，2024）：一方面，創(chuàng)新資本投入本身能夠顯著提升科技水平并促進(jìn)全要素生產(chǎn)率（魏下海和王岳龍，2010），高新科技開發(fā)區(qū)的全要素生產(chǎn)率顯著高于其他地區(qū)（程郁和陳雪，2013）；另一方面，創(chuàng)新資本的投入又聚集了大量的科研人才，這種集聚有利于新知識(shí)和新技術(shù)的擴(kuò)散，科技人員的流動(dòng)進(jìn)一步促進(jìn)了創(chuàng)新和全要素生產(chǎn)率（焦翠紅和陳鈺芬，2018）。然而，也有部分學(xué)者得出相反的結(jié)論，認(rèn)為創(chuàng)新資本對(duì)全要素生產(chǎn)率的促進(jìn)作用受到地區(qū)經(jīng)濟(jì)、要素稟賦和制度環(huán)境等條件的限制（余泳澤和張先軫，2015）；在經(jīng)濟(jì)發(fā)展水平較低的情況下，創(chuàng)新資本對(duì)我國(guó)全要素生產(chǎn)率的促進(jìn)作用并不明顯，甚至抑制了地區(qū)全要素生產(chǎn)率的增長(zhǎng)（楊劍波，2009；吳敏潔等，2018）。

綜上所述，目前學(xué)界在研究房?jī)r(jià)波動(dòng)是否會(huì)影響全要素生產(chǎn)率這一領(lǐng)域存在如下不足：一是研究視角的局限。研究房?jī)r(jià)水平對(duì)科技創(chuàng)新或資源配置效率的影響較為集中，直接研究房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響較少；二是關(guān)于房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的影響路徑分析不夠充分。總體上看，多數(shù)文獻(xiàn)僅研究了房?jī)r(jià)波動(dòng)對(duì)于資源配置效率和科技創(chuàng)新水平所帶來的影響，沒有進(jìn)一步拓展到全要素生產(chǎn)率的層面，同時(shí)也沒有區(qū)分我國(guó)不同地區(qū)房?jī)r(jià)波動(dòng)對(duì)區(qū)域全要素生產(chǎn)率的影響差異。對(duì)此，本文將首先采用F？覿re-primont指數(shù)法合理測(cè)算我國(guó)259個(gè)地級(jí)及以上城市的全要素生產(chǎn)率（TFP），并將TFP變化拆分為技術(shù)進(jìn)步、技術(shù)效率、規(guī)模效率和剩余混合效率，以進(jìn)一步探討房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的具體路徑。此外，從宏觀經(jīng)濟(jì)環(huán)境、城市創(chuàng)新能力等維度來系統(tǒng)探究影響我國(guó)全要素生產(chǎn)率的核心因素；結(jié)合全國(guó)259個(gè)地級(jí)及以上城市數(shù)據(jù)搭建房?jī)r(jià)波動(dòng)—全要素生產(chǎn)率的實(shí)證模型，不僅從時(shí)間和空間兩個(gè)維度進(jìn)行研究，而且區(qū)分了全國(guó)和東部、中部、西部、東北地區(qū)兩個(gè)層面來展開實(shí)證。本文的研究特色在于：一是全面系統(tǒng)的研究對(duì)象。在我國(guó)293個(gè)地級(jí)及以上城市中，本文在考慮了數(shù)據(jù)的可得性基礎(chǔ)上選擇了盡可能多的研究對(duì)象，最后挑選共259個(gè)地級(jí)及以上城市，避免了現(xiàn)有研究以局部地區(qū)或少數(shù)城市為研究對(duì)象而缺乏代表性的問題；二是研究方法的創(chuàng)新。大部分文獻(xiàn)分析房?jī)r(jià)對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響機(jī)制時(shí)，運(yùn)用的是時(shí)間序列或面板模型。這一方面忽視了房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的非線性影響特征；另一方面，也無法進(jìn)一步揭示房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的具體路徑。對(duì)此，本文在合理測(cè)算全要素生產(chǎn)率并將其分解為技術(shù)效率、規(guī)模效率和剩余混合效率這三個(gè)效率指標(biāo)的基礎(chǔ)上，先從時(shí)間維度揭示房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的具體路徑，進(jìn)而從空間維度探索房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的空間溢出效應(yīng)，最后比較我國(guó)不同地區(qū)之間房?jī)r(jià)對(duì)全要素生產(chǎn)率的影響差異性。

三、理論分析與研究假設(shè)

全要素生產(chǎn)率增長(zhǎng)一般表現(xiàn)為知識(shí)進(jìn)步、規(guī)模經(jīng)濟(jì)和資源配置效率改善等三個(gè)方面（Denison，1962）。F？覿re-promont指數(shù)法作為較新的測(cè)算方法，可將該指標(biāo)分解為技術(shù)效率、規(guī)模效率和剩余混合效率，與該指標(biāo)的外在表現(xiàn)形式基本一致。技術(shù)效率是純粹技術(shù)進(jìn)步對(duì)產(chǎn)出效率的貢獻(xiàn)；規(guī)模經(jīng)濟(jì)是指生產(chǎn)過程中，擴(kuò)大投入所引起的產(chǎn)出增加，且產(chǎn)出增加的規(guī)模要大于要素投入的規(guī)模；剩余混合效率則考察具有技術(shù)效率的生產(chǎn)單位通過改變產(chǎn)出組合所引起的全要素生產(chǎn)率變化（郭萍等，2013）。房地產(chǎn)價(jià)格波動(dòng)可能通過影響技術(shù)效率、規(guī)模效率和剩余混合效率進(jìn)而影響全要素生產(chǎn)率。內(nèi)生經(jīng)濟(jì)增長(zhǎng)理論認(rèn)為，技術(shù)進(jìn)步是由內(nèi)生決定的，國(guó)家之間的經(jīng)濟(jì)發(fā)展差距可以通過技術(shù)外部性和資本積累實(shí)現(xiàn)，技術(shù)進(jìn)步還受制于創(chuàng)新研究能力。但過往我國(guó)房地產(chǎn)行業(yè)有著高回報(bào)、低風(fēng)險(xiǎn)特點(diǎn)，加上房?jī)r(jià)保持增長(zhǎng)，導(dǎo)致企業(yè)改變?cè)顿Y結(jié)構(gòu)，擠出了研究創(chuàng)新方面的投入（朱晨，2018）。因此，本文提出研究假設(shè)1：房?jī)r(jià)波動(dòng)會(huì)抑制全要素生產(chǎn)率增長(zhǎng)；研究假設(shè)2：房?jī)r(jià)波動(dòng)會(huì)通過降低技術(shù)效率進(jìn)而抑制全要素生產(chǎn)率增長(zhǎng)。

在資源配置效率方面，房?jī)r(jià)上漲本身也吸引了實(shí)體經(jīng)濟(jì)企業(yè)（如工業(yè)等）自身的投資，當(dāng)這部分企業(yè)改變?cè)型顿Y結(jié)構(gòu)，在資源既定的情況下，把一部分資源投入到房地產(chǎn)行業(yè)時(shí)，必然擠占了原本應(yīng)用于設(shè)備更新、人員培訓(xùn)和各類開發(fā)項(xiàng)目的資金，形成擠出效應(yīng)。全要素生產(chǎn)率提升的一個(gè)重要表現(xiàn)是資源在高生產(chǎn)率行業(yè)中所占比重的增加，因而資源從高生產(chǎn)率行業(yè)流向低生產(chǎn)率房地產(chǎn)行業(yè)必然抑制了全要素生產(chǎn)率增長(zhǎng)。基于此，本文提出研究假設(shè)3：房?jī)r(jià)波動(dòng)會(huì)通過減少規(guī)模效率抑制全要素生產(chǎn)率增長(zhǎng)。

在產(chǎn)出組合方面，中國(guó)房地產(chǎn)屬于典型的高投高產(chǎn)的粗放型產(chǎn)業(yè)，其對(duì)國(guó)民經(jīng)濟(jì)的拉動(dòng)作用較為明顯，但與此同時(shí)，房?jī)r(jià)快速上漲一方面加大了其他行業(yè)企業(yè)成本，包括土地成本和租金等造成的固定資產(chǎn)成本，以及為了避免勞動(dòng)力流失而加重的人力資源成本；另一方面也加重了企業(yè)職工的購房負(fù)擔(dān)。由于菜單成本和工資粘性的存在，企業(yè)的生產(chǎn)成本和職工生活成本難以轉(zhuǎn)嫁，因此，生產(chǎn)成本的上升壓縮了企業(yè)的利潤(rùn)空間，生活成本的上升則壓縮了社會(huì)居民消費(fèi)，最終在利潤(rùn)下降和需求降低的雙重沖擊下，大部分缺乏核心競(jìng)爭(zhēng)力的實(shí)體經(jīng)濟(jì)企業(yè)或?qū)⒚媾R倒閉，進(jìn)而惡化了要素產(chǎn)出組合并抑制了全要素生產(chǎn)率增長(zhǎng)。基于此，本文提出研究假設(shè)4：房?jī)r(jià)波動(dòng)會(huì)通過剩余混合效率抑制全要素生產(chǎn)率增長(zhǎng)。

四、房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的實(shí)證分析

（一）模型變量、樣本數(shù)據(jù)說明及描述性分析

受數(shù)據(jù)限制，本文使用2007—2016年中國(guó)259個(gè)地級(jí)市作為研究對(duì)象。其中，城市發(fā)明授權(quán)量從中國(guó)知網(wǎng)專利數(shù)據(jù)庫檢索系統(tǒng)獲得；有關(guān)金額的數(shù)據(jù)通過居民消費(fèi)價(jià)格指數(shù)或者生產(chǎn)價(jià)格指數(shù)進(jìn)行平減處理，并統(tǒng)一單位為萬元；其他數(shù)據(jù)則來源于區(qū)域統(tǒng)計(jì)年鑒及城市統(tǒng)計(jì)年鑒。所有數(shù)據(jù)均為年度數(shù)據(jù)。

在模型變量選取方面，本文采用F？覿re-primont指數(shù)法來測(cè)算城市全要素生產(chǎn)率并進(jìn)一步分解為技術(shù)效率、規(guī)模效率和剩余混合效率。在實(shí)證中分別以全要素生產(chǎn)率及其三個(gè)分解指標(biāo)為因變量，以房?jī)r(jià)波動(dòng)為核心自變量（以商品房銷售均價(jià)增長(zhǎng)率衡量房?jī)r(jià)波動(dòng)）。與此同時(shí)，城市發(fā)明專利授權(quán)數(shù)能夠有力衡量一座城市科技創(chuàng)新能力，客觀地反映出地區(qū)原始創(chuàng)新能力與科技綜合實(shí)力，是十分有效的測(cè)度城市創(chuàng)新的指標(biāo)（陳貴富等，2022）。因此，本文借鑒余泳澤和張少輝（2017）的研究，采用各城市每萬人占有發(fā)明專利授權(quán)數(shù)來衡量城市創(chuàng)新能力，并加入房?jī)r(jià)波動(dòng)與城市創(chuàng)新能力的交叉項(xiàng)。在控制變量方面，由于本文的全要素生產(chǎn)率是以人均GDP、固定資產(chǎn)投資和人力資本分別作為產(chǎn)出指標(biāo)和投入指標(biāo)測(cè)算而得，為避免模型變量間出現(xiàn)嚴(yán)重多重共線性，本文選取城市創(chuàng)新能力、政府財(cái)政自主權(quán)、外商投資比例和城市人口變化率作為城市宏觀經(jīng)濟(jì)環(huán)境的控制變量；具體變量的計(jì)算情況如表1所示。

（二）理論模型的構(gòu)建

1.全要素生產(chǎn)率的測(cè)算及分解

總產(chǎn)出與總投入的比值可以用來表示多種生產(chǎn)要素投入的全要素生產(chǎn)率，假設(shè)q 別為i市第t年的產(chǎn)出向量和投入向量，并令Qit≡Q（qit）和Xit≡X（xit）分別為投入和產(chǎn)出的總函數(shù)，則第t期的全要素生產(chǎn)率表達(dá)式為：

將式（7）整理得：

TFPit=TFP*×OTEit×OSEit×RMEit? （8）

式（8）為FP指數(shù)下全要素生產(chǎn)率完全分解的最終公式。

測(cè)算結(jié)果如圖1所示，各區(qū)域的全要素生產(chǎn)率除了在金融危機(jī)后的2009年都顯著下滑外，其余年份大體都呈現(xiàn)相同上浮趨勢(shì)。此外，東部地區(qū)全要素生產(chǎn)率顯著高于全國(guó)及其他城市平均水平，中部地區(qū)與其他區(qū)域之間的差距則逐年拉大。

2.面板數(shù)據(jù)模型的構(gòu)建與分析

經(jīng)過Hausman檢驗(yàn)，認(rèn)為固定效應(yīng)模型的擬合效果優(yōu)于隨機(jī)效應(yīng)模型。因此，本文采用如下的面板數(shù)據(jù)固定效應(yīng)模型：

式（9）—（12）中i代表我國(guó)各地級(jí)市，t代表各個(gè)年份，ε是隨機(jī)誤差項(xiàng)，β0表示截距，？茁i（i=1，2，…6）為各個(gè)自變量的估計(jì)系數(shù)。其中，式（9）是房?jī)r(jià)波動(dòng)影響全要素生產(chǎn)率的模型，式（10）—（12）只有被解釋變量不同，分別用技術(shù)效率、規(guī)模效率和剩余混合效率作為被解釋變量，起著揭示房?jī)r(jià)波動(dòng)如何影響全要素生產(chǎn)率的作用。

3.空間滯后模型

由于鄰近的城市發(fā)展過程中存在顯著的區(qū)域經(jīng)濟(jì)聯(lián)動(dòng)作用，因此城市的經(jīng)濟(jì)水平、全要素生產(chǎn)率和房?jī)r(jià)等因素存在空間溢出效應(yīng)。為了突破面板數(shù)據(jù)模型無法揭示各城市房?jī)r(jià)的空間溢出效應(yīng)的限制，將進(jìn)一步通過空間計(jì)量模型厘清城市房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響機(jī)制，闡釋區(qū)域內(nèi)各城市房?jī)r(jià)的空間自相關(guān)性及其對(duì)全要素生產(chǎn)率的影響。

目前學(xué)界認(rèn)可的三類主流空間計(jì)量模型分別是：空間滯后（SLM）模型，設(shè)定因變量相互影響；空間誤差（SEM）模型，即誤差項(xiàng)相互影響；空間通用模型（SAC），是前兩個(gè)模型的綜合形式，即因變量和誤差項(xiàng)都相互影響（王慶喜，2014）。

空間滯后模型的基本形式為：

（13）

其中，參數(shù)β表示了模型中自變量對(duì)因變量的影響程度，Wy為內(nèi)生變量，是因變量的空間滯后向量，其空間自回歸系數(shù)ρ反映了相鄰區(qū)域?qū)Ρ緟^(qū)域的影響。該模型認(rèn)為一個(gè)被測(cè)單元的行為會(huì)受到自身和鄰居的雙重影響。若ρ顯著，則表明因變量間確實(shí)存在明顯的空間依賴，ρ的大小則反映了各單元間空間擴(kuò)散或空間溢出等相互作用的程度。

這里使用式（14）—（17）來識(shí)別和測(cè)度我國(guó)相鄰地級(jí)市間全要素生產(chǎn)率在空間上的溢出效應(yīng)。

（17）

其中，式（14）把鄰市房?jī)r(jià)波動(dòng)和城市人口變化率等作為自變量，探究對(duì)本市全要素生產(chǎn)率的影響；W為空間權(quán)重矩陣，包含了W·TFPit、W·OTEit、W·OSEit和W·RMEit四個(gè)空間滯后變量，分別代表相鄰城市全要素生產(chǎn)率、技術(shù)效率、規(guī)模效率和剩余混合效率，TFPit、HPGit、IAit、HPGIAit、FDit、FDIit、PCRit分別表示第i市的全要素生產(chǎn)率、房?jī)r(jià)波動(dòng)、城市創(chuàng)新能力、房?jī)r(jià)波動(dòng)與城市創(chuàng)新能力的乘積、財(cái)政自主權(quán)、外商投資以及城市人口變化率，α1～α6分別反映了各變量對(duì)因變量的影響程度。系數(shù)ρ的作用是揭示空間滯后變量對(duì)本市的影響，系數(shù)大小反映了各單元間相互作用的程度占測(cè)度單元總體變動(dòng)的比例，ρ？綴（-1，1）。

4.空間誤差模型

為了充分考慮空間依賴的因素，如可能是由遺漏了某些變量導(dǎo)致的，這些遺漏變量可能會(huì)對(duì)多個(gè)單元均具有影響，可以用誤差項(xiàng)反映這種影響效應(yīng)，故模型中應(yīng)該加入誤差項(xiàng)（王慶喜，2014）。設(shè)定為：

（18）

其中，λ是誤差項(xiàng)的空間自回歸系數(shù)，Wε是空間誤差項(xiàng)的空間滯后向量；μ為擾動(dòng)項(xiàng)，滿足不相關(guān)、均值為0、同方差的基本假定。

引入空間誤差項(xiàng)的空間面板回歸方程為：

（22）

式（19）—（22）參數(shù)的含義與式（14）—（17）一致，故不再贅述；其中，λ為誤差項(xiàng)的空間自回歸系數(shù)。

（三）全國(guó)視角下房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響分析

1.全要素生產(chǎn)率的空間溢出效應(yīng)檢驗(yàn)

這里采用莫蘭值方法（MoranⅠ）來分析全國(guó)259地級(jí)及以上城市全要素生產(chǎn)率（TFPit）、技術(shù)效率（OTEit）、規(guī)模效率（OSEit）和剩余混合效率（RMEit）的空間溢出效應(yīng)。表2顯示了各地級(jí)市各指標(biāo)在2007—2016年期間的空間自相關(guān)走勢(shì)，各個(gè)指標(biāo)的莫蘭值分別處在區(qū)間[0.18，0.33]、[0.24，0.30]、[0.021，0.19]和[-0.032，0.13]內(nèi)。顯然，各城市的全要素生產(chǎn)率、技術(shù)效率和規(guī)模效率的莫蘭值基本都通過了1%的顯著性檢驗(yàn)（除2007年和2013年出現(xiàn)負(fù)的莫蘭值而不顯著外，剩余混合效率的莫蘭值僅有2016年不顯著）。這表明在全國(guó)范圍內(nèi)，城市全要素生產(chǎn)率、技術(shù)效率、規(guī)模效率和剩余混合效率均呈現(xiàn)出顯著的正空間溢出效應(yīng)，且近幾年這種空間溢出效應(yīng)有逐年擴(kuò)大的趨勢(shì)。

2.房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響及其影響路徑分析

這里以房?jī)r(jià)波動(dòng)為自變量，分別以全要素生產(chǎn)率、技術(shù)效率、規(guī)模效率和剩余混合效率為因變量建立實(shí)證模型。首先需要選擇合適的空間計(jì)量模型，目前學(xué)界中，有一些指標(biāo)可以輔助判斷哪種模型形式更貼合實(shí)際數(shù)據(jù)，如LM-lag檢驗(yàn)、LM-error檢驗(yàn)、兩個(gè)穩(wěn)健R-LMlag檢驗(yàn)、R-LMerror檢驗(yàn)、AIC準(zhǔn)則和LOG likelihood等指標(biāo)?？梢詮目臻g相關(guān)性檢驗(yàn)結(jié)果選擇合適的模型形式，若LM-lag在統(tǒng)計(jì)上比LM-error顯著，且R-LMlag顯著而R-LMerror不顯著，則選用空間滯后模型；反之，若LM-error比LM-lag統(tǒng)計(jì)上更顯著，而R-LMerror顯著而R-LMlag不顯著，則選用空間誤差模型；若LM-error和LM-lag都不顯著，則采用普通面板模型（Anselin，1995）。本文依次進(jìn)行了普通面板回歸分析、極大似然估計(jì)法下的SLM回歸和SEM回歸，并省去了單位根檢驗(yàn)和協(xié)整檢驗(yàn)，這是因?yàn)樵诿姘寤貧w中不需要擔(dān)心出現(xiàn)偽回歸問題，并會(huì)給出一致估計(jì)（Philips and Moon，2000）。由F檢驗(yàn)和Hausman檢驗(yàn)結(jié)果決定選用固定效應(yīng)模型進(jìn)行實(shí)證，通過對(duì)式（9）—（12）進(jìn)行實(shí)證分析得到表３。

表3分別為房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率、技術(shù)效率、規(guī)模效率和剩余混合效率的回歸結(jié)果。可以看出，房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的估計(jì)系數(shù)在5%的顯著水平上為負(fù)，房?jī)r(jià)每上升1%時(shí)，全要素生產(chǎn)率顯著降低0.059%，故研究假設(shè)1成立。這與陳斌開等（2015）的研究結(jié)論相近，該文指出房?jī)r(jià)每上漲1%，全要素生產(chǎn)率下降0.045%，資源再配置效率下降0.062%。根據(jù)回歸結(jié)果，由于2007年和2016年的全國(guó)商品房銷售價(jià)格分別為3863元和7476元①，這期間房?jī)r(jià)累計(jì)增長(zhǎng)了93.5%，由此導(dǎo)致我國(guó)全要素生產(chǎn)率將下降5.52%，可見房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率具有顯著抑制作用。此外，城市創(chuàng)新能力在1%的置信水平上顯著促進(jìn)全要素生產(chǎn)率，而房?jī)r(jià)波動(dòng)與城市創(chuàng)新能力的交叉項(xiàng)也在10%的置信水平上與全要素生產(chǎn)率正相關(guān)，這表明房?jī)r(jià)波動(dòng)通過與創(chuàng)新水平的協(xié)同作用促進(jìn)了全要素生產(chǎn)率，在一定程度上緩解了房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的抑制作用。其次，房?jī)r(jià)波動(dòng)對(duì)技術(shù)效率和剩余混合效率沒有明顯影響，說明研究假設(shè)2和4不成立。但房?jī)r(jià)波動(dòng)對(duì)規(guī)模效率具有顯著的抑制作用，由此說明研究假設(shè)3成立，也即房?jī)r(jià)波動(dòng)是通過影響規(guī)模效率進(jìn)而抑制城市全要素生產(chǎn)率的。規(guī)模效率是通過優(yōu)化資源配置使得全要素生產(chǎn)率增長(zhǎng)的重要組成部分，反映了當(dāng)生產(chǎn)要素等比例增加時(shí)，產(chǎn)出增加的比例大于要素投入量增加比例的情況，也即房?jī)r(jià)波動(dòng)通過降低規(guī)模效率進(jìn)而抑制全要素生產(chǎn)率提升。這與現(xiàn)實(shí)情況也相吻合，房?jī)r(jià)上升促使有限資金集中于低外部性的房地產(chǎn)業(yè)，這種資源錯(cuò)配削弱了生產(chǎn)要素投入的規(guī)模效率，抑制了全要素生產(chǎn)率增長(zhǎng)。最后，從控制變量來看，政府財(cái)政的獨(dú)立性、外商投資對(duì)全要素生產(chǎn)率均具有顯著的負(fù)面影響，這表明地區(qū)的財(cái)政支出增加或者財(cái)政收入減少均不利于全要素生產(chǎn)率增長(zhǎng)。由于全要素生產(chǎn)率提升包括產(chǎn)業(yè)升級(jí)和優(yōu)化資源配置兩個(gè)方面，財(cái)政收入的減少意味著政府對(duì)高新技術(shù)企業(yè)的補(bǔ)貼力度減少，政府在優(yōu)化本地區(qū)資源配置效率及效益和升級(jí)產(chǎn)業(yè)結(jié)構(gòu)方面的扶持作用有所減弱，從而抑制全要素生產(chǎn)率的提高；而外商投資可能并未真正促使企業(yè)創(chuàng)新，外商企業(yè)對(duì)關(guān)鍵技術(shù)的非公開在一定程度上決定了其無法促進(jìn)我國(guó)城市全要素生產(chǎn)率的提升。城市人口的變化與全要素生產(chǎn)率呈負(fù)相關(guān)性，但沒有通過顯著性檢驗(yàn)，這說明城市人口的凈流入無助于提升該城市的全要素生產(chǎn)率，因?yàn)闆Q定資源配置是否能優(yōu)化和產(chǎn)業(yè)轉(zhuǎn)型是否能升級(jí)的要害在于是否引入了高技術(shù)人才；與此同時(shí)，頻率較高的勞動(dòng)力人口流動(dòng)，也會(huì)加大企業(yè)人才流失、培訓(xùn)成本提升和發(fā)展的不確定性，抑制全要素生產(chǎn)率增長(zhǎng)。

從式（14）—（17）和式（19）—（22）的回歸結(jié)果來看，空間滯后模型和空間誤差模型中各變量的系數(shù)符號(hào)和顯著性基本一致，而固定效應(yīng)空間滯后模型的回歸效果更為顯著，故選取此模型進(jìn)行后續(xù)分析。

表4是房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率及影響路徑的固定效應(yīng)空間滯后模型回歸結(jié)果，可以看出，全要素生產(chǎn)率、技術(shù)效率、規(guī)模效率和剩余混合效率的空間滯后變量系數(shù)分別為0.47、0.45、-0.46和0.41，均顯著。全國(guó)范圍內(nèi)相鄰城市全要素生產(chǎn)率、技術(shù)效率和剩余混合效率增長(zhǎng)對(duì)本市對(duì)應(yīng)的經(jīng)濟(jì)變量均具有顯著的正向空間溢出效應(yīng)；但相鄰城市規(guī)模效率則對(duì)本市規(guī)模效率存在負(fù)溢出效應(yīng)，這說明本市規(guī)模效率與鄰市的規(guī)模效率的上升在一定程度上是相互排斥的。這可能是由于生產(chǎn)要素可以較快地在區(qū)域之間流動(dòng)，資本便會(huì)源源不斷地流向資源配置效率較高的區(qū)域，資源配置的相似值聚合特征更是加重了這一現(xiàn)象（范斐等，2013）。

對(duì)全要素生產(chǎn)率來說，在加入其他空間自相關(guān)項(xiàng)后，核心自變量—房?jī)r(jià)波動(dòng)的回歸系數(shù)為-0.00045，且在5%水平上顯著，這再次說明在考慮空間因素后城市房?jī)r(jià)波動(dòng)對(duì)其自身全要素生產(chǎn)率依然存在顯著抑制作用，因此，研究假設(shè)1再次得到驗(yàn)證。此外，同面板回歸結(jié)果相似，房?jī)r(jià)波動(dòng)對(duì)技術(shù)效率和剩余混合效率沒有顯著影響，與規(guī)模效率顯著負(fù)相關(guān)，表明在考慮空間因素后，研究假設(shè)4依然成立。由此可見，鄰市房?jī)r(jià)快速上漲不僅通過作用于規(guī)模效率抑制其自身全要素生產(chǎn)率，而且通過規(guī)模效率和全要素生產(chǎn)率的空間溢出效應(yīng)影響本市的全要素生產(chǎn)率。

（四）不同區(qū)域視角下房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響分析

為了比較東部、中部、西部和東北地區(qū)房?jī)r(jià)波動(dòng)對(duì)其全要素生產(chǎn)率的影響及路徑分析，我們?cè)谠心Ｐ突A(chǔ)上加入地區(qū)虛擬變量進(jìn)行不同區(qū)域視角下的空間面板回歸分析。

在影響全要素生產(chǎn)率方面，如表5和表6所示，東部、中部、西部和東北地區(qū)的房?jī)r(jià)波動(dòng)分別在5%、10%、5%和1%的置信水平上抑制了各自地區(qū)的全要素生產(chǎn)率。其中，東北地區(qū)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響程度最大，其房?jī)r(jià)每上漲1%，全要素增長(zhǎng)率會(huì)降低0.91%；東部、中部和西部地區(qū)的影響系數(shù)則相對(duì)較小，分別為-0.0018、-0.00019和-0.0047，說明相比東北地區(qū)，這三個(gè)區(qū)域內(nèi)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的抑制程度較小。此外，東部、西部和東北地區(qū)的科技創(chuàng)新能力都顯著促進(jìn)了全要素生產(chǎn)率增長(zhǎng)；從系數(shù)大小上看，東部地區(qū)的促進(jìn)作用最小，而中部地區(qū)的科技創(chuàng)新能力對(duì)其全要素生產(chǎn)率具有一定的抑制作用；從房?jī)r(jià)波動(dòng)與科技創(chuàng)新能力的交叉項(xiàng)來看，僅東部地區(qū)的交叉項(xiàng)顯著為正，這表明東部地區(qū)存在房?jī)r(jià)波動(dòng)與科技創(chuàng)新能力的正向協(xié)同作用，在一定程度上緩解了房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的抑制作用。從實(shí)際情況來看，我國(guó)東部地區(qū)經(jīng)濟(jì)相比其他區(qū)域經(jīng)濟(jì)更為發(fā)達(dá)，其科技創(chuàng)新水平和科技創(chuàng)新產(chǎn)業(yè)規(guī)模明顯領(lǐng)先于其他地區(qū)而達(dá)到平衡階段，因而該區(qū)域的科技創(chuàng)新水平促進(jìn)全要素生產(chǎn)率提升的邊際效應(yīng)趨于減弱而進(jìn)入穩(wěn)定狀態(tài)。盡管高房?jī)r(jià)會(huì)直接抑制全要素生產(chǎn)率，但由于東部地區(qū)中心城市的虹吸效應(yīng)明顯，每年大量的勞動(dòng)力和技術(shù)人才的持續(xù)涌入為該區(qū)域的經(jīng)濟(jì)發(fā)展持續(xù)注入動(dòng)力，為企業(yè)提供勞動(dòng)力和產(chǎn)品服務(wù)需求，從而在一定程度減緩了高房?jī)r(jià)對(duì)區(qū)域全要素生產(chǎn)率的抑制作用。除東部地區(qū)外，其他區(qū)域的政府財(cái)政獨(dú)立性、外商投資均與全要素生產(chǎn)率呈顯著的負(fù)相關(guān)關(guān)系，這說明政府的財(cái)政獨(dú)立性、外商投資均抑制了全要素生產(chǎn)率，這與全國(guó)范圍的回歸結(jié)果相同。在人口流動(dòng)方面，東部、中部的人口流動(dòng)對(duì)全要素生產(chǎn)率呈促進(jìn)作用，但并不顯著；而西部和東北地區(qū)的人口流動(dòng)則抑制了全要素生產(chǎn)率增長(zhǎng)，尤其是東北地區(qū)近10年來出現(xiàn)的持續(xù)人口凈外流現(xiàn)象無疑將會(huì)進(jìn)一步降低其全要素生產(chǎn)率水平，并步入惡性循環(huán)。

在房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響路徑方面，同全國(guó)范圍的影響路徑不同，不同區(qū)域內(nèi)房?jī)r(jià)波動(dòng)對(duì)其全要素生產(chǎn)率的影響路徑不盡相同。東部和東北地區(qū)房?jī)r(jià)波動(dòng)能夠顯著促進(jìn)剩余混合效率提升，中部地區(qū)房?jī)r(jià)波動(dòng)則會(huì)顯著抑制技術(shù)效率提升，而西部地區(qū)房?jī)r(jià)波動(dòng)則對(duì)三種分解效率都沒有顯著影響。剩余混合效率反映投入及混合比例產(chǎn)出的優(yōu)化過程（黃祎等，2015）；技術(shù)效率則反映相同生產(chǎn)要素投入下，科學(xué)進(jìn)步帶來的產(chǎn)出增加，是對(duì)現(xiàn)有資源最有效的利用。東部和東北地區(qū)房?jī)r(jià)波動(dòng)通過減少混合比例產(chǎn)出來間接促進(jìn)全要素生產(chǎn)率增長(zhǎng)。房?jī)r(jià)波動(dòng)通過抑制中部地區(qū)的技術(shù)效率影響其全要素生產(chǎn)率增長(zhǎng)，盡管東部地區(qū)的技術(shù)效率顯著高于其他地區(qū)，但中部地區(qū)在企業(yè)管理與科技創(chuàng)新規(guī)模這些方面具有一定的后發(fā)優(yōu)勢(shì)，在中部地區(qū)科技水平加速發(fā)展的過程中，其易受到更多的經(jīng)濟(jì)因素影響且波動(dòng)更大。高房?jī)r(jià)改變了企業(yè)原來的投資計(jì)劃，使其目光轉(zhuǎn)移到了房地產(chǎn)行業(yè)（Miao and Wang，2014），由于資源既定，使得原本計(jì)劃用于技術(shù)研發(fā)的投資減少，該地區(qū)高新企業(yè)的創(chuàng)新動(dòng)力和城市的科技進(jìn)步就受到了抑制，進(jìn)而阻礙全要素生產(chǎn)率增長(zhǎng)。

這里進(jìn)一步考慮加入空間因素后，采用空間計(jì)量模型來分析各區(qū)域的情況。由于中部地區(qū)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的促進(jìn)或抑制作用不明顯；西部地區(qū)房?jī)r(jià)波動(dòng)對(duì)三種分解效率的影響也不明顯，故回歸結(jié)果未列出中、西部地區(qū)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率影響路徑的回歸結(jié)果。由表7—表9所示，加入空間項(xiàng)后，所有地區(qū)全要素生產(chǎn)率均在1%水平上具有顯著的正空間溢出效應(yīng)，其中東部、西部和東北地區(qū)房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率存在顯著抑制作用。

首先，表7表明東部地區(qū)房?jī)r(jià)波動(dòng)在10%的水平上顯著抑制全要素生產(chǎn)率，影響系數(shù)為-0.0012，其余變量的變動(dòng)方向均與不加入空間項(xiàng)時(shí)的回歸結(jié)果相同，在此不再贅述。值得關(guān)注的是加入空間項(xiàng)后，房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響途徑由剩余混合效率變?yōu)榱艘?guī)模效率；房?jī)r(jià)波動(dòng)抑制了規(guī)模效率，影響系數(shù)為-0.017，且在5%的置信水平上顯著。這表明在東部地區(qū)，房?jī)r(jià)波動(dòng)通過削弱規(guī)模效率來抑制本市全要素生產(chǎn)率，進(jìn)而影響鄰市的全要素生產(chǎn)率。東部地區(qū)經(jīng)濟(jì)發(fā)展水平較高，集中了我國(guó)大量的金融、教育和科技資源，資源配置效率對(duì)全要素生產(chǎn)率的影響更為敏感。因此當(dāng)高房?jī)r(jià)使得資源出現(xiàn)錯(cuò)配時(shí)，全要素生產(chǎn)率增長(zhǎng)會(huì)由于規(guī)模效率減弱而被抑制。由此可見，房?jī)r(jià)波動(dòng)通過影響資源配置效率給全要素生產(chǎn)率帶來的抑制作用比其他路徑的影響范圍和影響程度都大。

其次，對(duì)比表5和表8可以看出，加入空間項(xiàng)后，中部地區(qū)的房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率沒有顯著影響，即房?jī)r(jià)波動(dòng)僅影響其本市的全要素生產(chǎn)率，并不通過空間溢出效應(yīng)對(duì)鄰市產(chǎn)生影響。此外，西部地區(qū)房?jī)r(jià)波動(dòng)不僅影響本市全要素生產(chǎn)率，也通過空間溢出效應(yīng)抑制鄰市全要素生產(chǎn)率，但這種抑制作用并不以技術(shù)效率、規(guī)模效率和剩余混合效率為具體影響路徑。

最后，表9結(jié)果表明東北地區(qū)的房?jī)r(jià)波動(dòng)顯著抑制了全要素生產(chǎn)率。加入空間項(xiàng)后，房?jī)r(jià)波動(dòng)通過對(duì)規(guī)模效率的影響抑制全要素生產(chǎn)率。這一結(jié)論與東部城市結(jié)果相似，意味著兩個(gè)區(qū)域的經(jīng)濟(jì)發(fā)展對(duì)于資源配置效率更為敏感。其中，東部城市以第三產(chǎn)業(yè)為基礎(chǔ)，集中了我國(guó)大量的經(jīng)濟(jì)資源，資源配置的基礎(chǔ)較大。而東北地區(qū)則以第二產(chǎn)業(yè)為基礎(chǔ)，雖然資源集中度較低，但東北地區(qū)的經(jīng)濟(jì)對(duì)產(chǎn)業(yè)的依賴性較為明顯，當(dāng)資源集中于房地產(chǎn)業(yè)導(dǎo)致工業(yè)生產(chǎn)要素投入減少時(shí)，當(dāng)?shù)氐娜厣a(chǎn)率可能因支柱產(chǎn)業(yè)的生產(chǎn)資源分配不足而被削弱。

五、結(jié)論與建議

（一）結(jié)論

本文利用2006—2017年全國(guó)259個(gè)地級(jí)及以上城市為研究對(duì)象，在測(cè)算全要素生產(chǎn)率并將其分解為技術(shù)效率、規(guī)模效率和剩余混合效率的基礎(chǔ)上，利用面板固定效應(yīng)回歸和引入空間誤差項(xiàng)的空間面板回歸模型實(shí)證分析了我國(guó)各地級(jí)市以及東部、中部、西部和東北地區(qū)的房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的影響機(jī)制。

第一，我國(guó)房?jī)r(jià)波動(dòng)顯著抑制全要素生產(chǎn)率增長(zhǎng)，但房?jī)r(jià)波動(dòng)與城市創(chuàng)新能力的協(xié)同作用在一定程度上減弱了這種抑制作用。高房?jī)r(jià)城市往往也是經(jīng)濟(jì)發(fā)達(dá)城市且各種資源（人才、技術(shù)和資本等）高度聚集，并會(huì)對(duì)周邊區(qū)域城市產(chǎn)生“虹吸效應(yīng)”，進(jìn)而促進(jìn)了城市科技創(chuàng)新提升，最終促進(jìn)了全要素生產(chǎn)率。此外，房?jī)r(jià)波動(dòng)會(huì)通過降低城市規(guī)模效率（而非技術(shù)效率和剩余混合效率）進(jìn)而抑制全要素生產(chǎn)率增長(zhǎng)。也即，房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的抑制作用主要表現(xiàn)為對(duì)資源配置效率的影響。政府財(cái)政的獨(dú)立性、外商投資對(duì)全要素生產(chǎn)率均具有顯著的負(fù)面影響，這表明地區(qū)的財(cái)政支出增加或者財(cái)政收入減少均不利于全要素生產(chǎn)率增長(zhǎng)。

第二，房?jī)r(jià)波動(dòng)通過空間溢出效應(yīng)抑制鄰市全要素生產(chǎn)率。在考慮全要素生產(chǎn)率的空間自相關(guān)性后，我國(guó)城市房?jī)r(jià)波動(dòng)依然會(huì)通過降低規(guī)模效率來抑制全要素生產(chǎn)率的提升；同時(shí)，我國(guó)城市全要素生產(chǎn)率存在空間上的正溢出，因此本市房?jī)r(jià)波動(dòng)不但抑制自身全要素生產(chǎn)率，還會(huì)通過空間溢出效應(yīng)來抑制鄰市全要素生產(chǎn)率增長(zhǎng)，這凸顯出房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率抑制效應(yīng)的空間擴(kuò)散性。

第三，國(guó)內(nèi)各區(qū)域（東部、中部、西部、東北地區(qū)）房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的直接抑制程度存在明顯差異。其中，東北地區(qū)房?jī)r(jià)波動(dòng)對(duì)其全要素生產(chǎn)率的直接抑制效應(yīng)最大，而其他三個(gè)地區(qū)的直接抑制效應(yīng)相對(duì)較小。東部、西部和東北地區(qū)的科技創(chuàng)新能力都促進(jìn)了全要素生產(chǎn)率增長(zhǎng)；東部地區(qū)的促進(jìn)作用最小，而中部地區(qū)的科技創(chuàng)新能力對(duì)其全要素生產(chǎn)率具有一定的抑制作用；東部地區(qū)存在房?jī)r(jià)波動(dòng)與科技創(chuàng)新能力的正向協(xié)同作用，在一定程度上緩解了房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的抑制作用。除東部地區(qū)外，其他區(qū)域的政府財(cái)政獨(dú)立性、外商投資均無助于提升全要素生產(chǎn)率。東部、中部的人口流動(dòng)對(duì)全要素生產(chǎn)率具有微弱的促進(jìn)作用，而西部和東北地區(qū)的人口流動(dòng)則抑制了全要素生產(chǎn)率增長(zhǎng)；尤其是東北地區(qū)多年來出現(xiàn)的持續(xù)人口凈外流則顯著降低其全要素生產(chǎn)率水平。

第四，國(guó)內(nèi)各區(qū)域（東部、中部、西部、東北地區(qū)）房?jī)r(jià)波動(dòng)對(duì)全要素生產(chǎn)率的間接影響路徑存在明顯差異。東部和東北地區(qū)的房?jī)r(jià)波動(dòng)會(huì)通過顯著促進(jìn)剩余混合效率來提升產(chǎn)出組合效率，進(jìn)而間接促進(jìn)地區(qū)全要素生產(chǎn)率。中部地區(qū)房?jī)r(jià)波動(dòng)則通過降低技術(shù)效率來抑制全要素生產(chǎn)率；在考慮各區(qū)域的空間影響因素后，東部和東北地區(qū)房?jī)r(jià)波動(dòng)通過規(guī)模效率來抑制本市和鄰市全要素生產(chǎn)率，而其他區(qū)域的間接影響路徑則不明顯。

（二）政策建議

第一，調(diào)控城市房?jī)r(jià)水平處在合理區(qū)間，注重短期調(diào)控與長(zhǎng)效機(jī)制相結(jié)合，以實(shí)現(xiàn)城市房?jī)r(jià)與其全要素生產(chǎn)率增長(zhǎng)的協(xié)調(diào)發(fā)展。由于房?jī)r(jià)波動(dòng)顯著抑制全要素生產(chǎn)率的增長(zhǎng)，要提升城市經(jīng)濟(jì)增長(zhǎng)質(zhì)量，就必須重視房地產(chǎn)的平穩(wěn)運(yùn)行作用，防止其過快上漲造成地區(qū)資源分配的不合理，同時(shí)采取措施緩解房?jī)r(jià)，通過降低城市規(guī)模效率的途徑來降低全要素生產(chǎn)率。

第二，提升外商投資質(zhì)量，發(fā)揮政府引導(dǎo)作用鼓勵(lì)資本密集型和技術(shù)創(chuàng)新型企業(yè)發(fā)展。一方面，要改變傳統(tǒng)招商引資只注重投資規(guī)模而忽視投資產(chǎn)業(yè)結(jié)構(gòu)及其經(jīng)濟(jì)質(zhì)量的做法，通過有意識(shí)的引入城市產(chǎn)業(yè)升級(jí)所需的外商投資項(xiàng)目來充分發(fā)揮外商投資對(duì)城市全要素生產(chǎn)率的積極促進(jìn)作用；另一方面，政府要通過降低企業(yè)和個(gè)人的稅費(fèi)來緩解由于高房?jī)r(jià)所帶來的過高企業(yè)生產(chǎn)成本和居民生活成本，與此同時(shí)，通過引導(dǎo)性政策鼓勵(lì)我國(guó)低收入地區(qū)的勞動(dòng)密集型企業(yè)向資本密集型和技術(shù)創(chuàng)新型企業(yè)轉(zhuǎn)換，最終促進(jìn)城市全要素生產(chǎn)率提升。

第三，穩(wěn)步有序提升城市固定資產(chǎn)投資，繼續(xù)改善投資結(jié)構(gòu)，重視高技術(shù)產(chǎn)業(yè)投資。科學(xué)統(tǒng)籌社會(huì)投資與房地產(chǎn)業(yè)穩(wěn)定發(fā)展，防止資本過度集中于房地產(chǎn)業(yè)，提升金融資源的配置效率，用好社會(huì)固定資產(chǎn)投資規(guī)模對(duì)全要素生產(chǎn)率的正向促進(jìn)作用，以地方政府專項(xiàng)債帶動(dòng)擴(kuò)大有效投資，保障社會(huì)投資持續(xù)穩(wěn)定增長(zhǎng)，為優(yōu)化城市經(jīng)濟(jì)發(fā)展質(zhì)量提供良好的發(fā)展背景。

第四，加快多層次智慧城市群建設(shè)，促進(jìn)城市跨域協(xié)同發(fā)展，使得各類資源在城市群中協(xié)同分配，打通多領(lǐng)域跨界壁壘，推進(jìn)區(qū)域一體化建設(shè)，實(shí)現(xiàn)城市群的全要素生產(chǎn)率提升及高質(zhì)量發(fā)展。目前，我國(guó)已經(jīng)啟動(dòng)城市群建設(shè)，初步形成長(zhǎng)三角、珠三角、環(huán)渤海、中西部四大智慧城市群，但傳統(tǒng)一線城市“北、上、廣、深”依舊加速聚集著人才、資本及高新技術(shù)等生產(chǎn)要素，資源聚集使得房?jī)r(jià)也持續(xù)上漲，不但不利于城市自身的創(chuàng)新發(fā)展，還抑制了周邊城市的全要素生產(chǎn)率提升。因此，仍舊需要加快多層次智慧城市群建設(shè)，推動(dòng)跨域信息共享及多樣資源的優(yōu)化配置，促進(jìn)整個(gè)區(qū)域的科技創(chuàng)新能力和全要素生產(chǎn)率提升。

（責(zé)任編輯：孟潔）

參考文獻(xiàn)：

[1]Aigner D，Lovell C A K，Schmidt P，et al.Schmidt.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics，1977（6）：21-37.

[2]Anselin L，F(xiàn)lorax R J G M.New Directions in Spatial Econometrics[M].Berlin：Springer，1995.

[3]Bjurek H.The Malmquist Total Factor Productivity Index[J].Scandinavian Journal of Economics，1996（2）：303-313.

[4]Charnes A，W W Cooper，E Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978（2）：429-444.

[5]Chen K，Guan J.Measuring the Efficiency of China's Regional Innovation Systems：Application of Network Data Envelopment Analysis（DEA）[J].Regional Studie，2012（3）：355-377.

[6]Denison E，Dward F.The Sources of Economic Growth in the United States and the Alternatives Before US[M].In：A Supplementary Paper of the Committee for Economic Development，New York：Committee for Economic Development，1962.

[7]Hsieh C T，Klenow P J.Misallocation and Manufacturing TFP in China and India[J].Quarterly Journal of Economics，2009，124（4）：1403-1448.

[8]Miao J，Wang P.Sectoral Bubbles，Misallocation，and Endogenous Growth[J].Journal of Mathematical Economics，2014（8）：153-163.

[9]Kumbhakar S C，Denny M，F(xiàn)uss M.Estimation and decomposition of productivity change when production is not efficient：a paneldata approach[J].Econometric Reviews，2000（4）：312-320.

[10]Odonnell，Christopher J.An aggregate quantity framework for measuring and decomposing productivity change[J].Journal of Productivity Analysis，2012，38（3）：255-272.

[11]Odonnell，Christopher J.An Aggregate Quantity-Price Framework for Measuring and Decomposing Productivity and Profitability Change[J].Centre for Efficiency and Productivity Analysis Working Paper，2008.

[12]Phillips P J，H Moon，Rizvi S A，et al.The FERET evaluation methodology for face-recognition algorithms[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000（10）：900-1104.

[13]Restuccia Diego，Richard Rogerson.Policy Distortions and Aggregate Productivity with Heterogeneous Plants[J].Review of Economic Dynamics，2008（11）：707-720.

[14]Robert I，Lashitew A A，Timmer M P.The Role of Resource Misallocation in Cross-country Differences in Manufacturing Productivity[J].Macroeconomic Dynamics，2014，21（3）：733-756.

[15]陳斌開，金簫，歐陽滌非.住房?jī)r(jià)格、資源錯(cuò)配與中國(guó)工業(yè)企業(yè)生產(chǎn)率[J].世界經(jīng)濟(jì)，2015（4）：77-98.

[16]陳貴富，韓靜，韓愷明.城市數(shù)字經(jīng)濟(jì)發(fā)展、技能偏向型技術(shù)進(jìn)步與勞動(dòng)力不充分就業(yè)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（8）：118-136.

[17]陳彥君，郭根龍.數(shù)字化轉(zhuǎn)型、產(chǎn)業(yè)鏈整合與全要素生產(chǎn)率[J].海南金融，2024（2）：3-18.

[18]程郁，陳雪.創(chuàng)新驅(qū)動(dòng)的經(jīng)濟(jì)增長(zhǎng)——高新區(qū)全要素生產(chǎn)率增長(zhǎng)的分解[J].中國(guó)軟科學(xué)，2013（11）：26-39.

[19]范斐，杜德斌，李恒，等.中國(guó)地級(jí)以上城市科技資源配置效率的時(shí)空格局[J].地理學(xué)報(bào)，2013，68（10）：1331-1343.

[20]郭萍，余康，黃玉.中國(guó)農(nóng)業(yè)全要素生產(chǎn)率地區(qū)差異的變動(dòng)與分解——基于F？覿re-primont生產(chǎn)率指數(shù)的研究[J].經(jīng)濟(jì)地理，2013（2）：141-145.

[21]郭慶旺，賈俊雪.中國(guó)全要素生產(chǎn)率的估算：1979—2004[J].經(jīng)濟(jì)研究，2005（6）：51-60.

[22]黃祎，孫廣生，黃金枝.全要素生產(chǎn)率分析新方法：F？覿re-primont指數(shù)[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（3）：448-452.

[23]姜永宏，蔣偉杰.中國(guó)上市商業(yè)銀行效率和全要素生產(chǎn)率研究——基Hicks-Moorsteen TFP指數(shù)的一個(gè)分析框架[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014（9）：109-121.

[24]焦翠紅，陳鈺芬.R&D資源配置、空間關(guān)聯(lián)與區(qū)域全要素生產(chǎn)率提升[J].科學(xué)學(xué)研究，2018（1）：81-92.

[25]劉秉鐮，武鵬，劉玉海.交通基礎(chǔ)設(shè)施與中國(guó)全要素生產(chǎn)率增長(zhǎng)——基于省域數(shù)據(jù)的空間面板計(jì)量分析[J].中國(guó)工業(yè)經(jīng)濟(jì)，2010（3）：54-64.

[26]劉宏偉，吳杰，梁雯，等.中國(guó)公路運(yùn)輸全要素生產(chǎn)率時(shí)空演化及區(qū)域競(jìng)爭(zhēng)——基于Hicks-Moorsteen指數(shù)框架[J].地理科學(xué)，2017（11）：1640-1648.

[27]劉康.突破“藩籬”：少子老齡化與全要素生產(chǎn)率提升[J].海南金融，2024（2）：19-30.

[28]王慶喜，蔣燁，陳卓詠.區(qū)域經(jīng)濟(jì)研究實(shí)用方法：基于ArcGIS、GeoDa和R的運(yùn)用[M].北京：經(jīng)濟(jì)科學(xué)出版社，2014.

[29]王文春，榮昭.房?jī)r(jià)上漲對(duì)工業(yè)企業(yè)創(chuàng)新的抑制影響研究[J].經(jīng)濟(jì)學(xué)（季刊），2014（2）：465-490.

[30]魏下海，王岳龍.城市化、創(chuàng)新與全要素生產(chǎn)率增長(zhǎng)——基于省際面板數(shù)據(jù)的經(jīng)驗(yàn)研究[J].財(cái)經(jīng)科學(xué)，2010（3）：69-76.

[31]吳敏潔，程中華，徐常萍.R&D、FDI和出口對(duì)制造業(yè)環(huán)境全要素生產(chǎn)率影響的實(shí)證分析[J].統(tǒng)計(jì)與決策，2018（14）：132-136.

[32]徐曄，宋曉薇.金融資源錯(cuò)置會(huì)帶來全要素生產(chǎn)率減損嗎？ [J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2016（2）：51-61.

[33]顏鵬飛，王兵.技術(shù)效率、技術(shù)進(jìn)步與生產(chǎn)率增長(zhǎng)：基于DEA的實(shí)證分析[J].經(jīng)濟(jì)研究，2004（12）：55-65.

[34]楊劍波.R&D創(chuàng)新對(duì)全要素生產(chǎn)率影響的計(jì)量分析[J].經(jīng)濟(jì)經(jīng)緯，2009（6）：19-22.

[35]易綱，樊綱，李巖.關(guān)于中國(guó)經(jīng)濟(jì)增長(zhǎng)與全要素生產(chǎn)率的理論思考[J].經(jīng)濟(jì)研究，2003（8）：13-20.

[36]余靜文，譚靜，蔡曉慧.高房?jī)r(jià)對(duì)行業(yè)全要素生產(chǎn)率的影響——來自中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫的微觀證據(jù)[J].經(jīng)濟(jì)評(píng)論，2017（6）：22-37.

[37]余泳澤，張少輝.城市房?jī)r(jià)、限購政策與技術(shù)創(chuàng)新[J].中國(guó)工業(yè)經(jīng)濟(jì)，2017（6）：98-116.

[38]余泳澤，張先軫.要素稟賦、適宜性創(chuàng)新模式選擇與全要素生產(chǎn)率提升[J].管理世界，2015（9）：13-31.

[39]朱晨.上海市房?jī)r(jià)增長(zhǎng)對(duì)工業(yè)企業(yè)創(chuàng)新的影響——基于勞動(dòng)力成本視角的再審視[J].經(jīng)濟(jì)經(jīng)緯，2018（3）：96-102.

[40]朱喜，史清華，蓋慶恩.要素配置扭曲與農(nóng)業(yè)全要素生產(chǎn)率[J].經(jīng)濟(jì)研究，2011（5）：86-98.