遼寧省人口流動與產(chǎn)業(yè)結構、房價的關系

姜瑋瑤 張奇松

摘? ?要：隨著我國經(jīng)濟的快速發(fā)展，各省（區(qū)、市）經(jīng)濟發(fā)展平穩(wěn)增長。但是我國地區(qū)間的經(jīng)濟發(fā)展仍存在明顯的不平衡問題，尤其部分經(jīng)濟發(fā)達地區(qū)，相較于其他地區(qū)，其基礎建設更加完善、營商環(huán)境更加優(yōu)越，導致我國城市間人口流動速度加快，隨之房價快速增長、產(chǎn)業(yè)結構大幅調(diào)整。房價與產(chǎn)業(yè)結構是影響人口流動的關鍵因素，為了深入探討人口流動與房價、產(chǎn)業(yè)結構調(diào)整之間的關系，在對相關文獻整理研究的基礎上，對人口流動、產(chǎn)業(yè)結構及房產(chǎn)價格的現(xiàn)狀進行分析，初步闡明了三者之間的作用關系。同時，為了更深入地研究三者之間的相互作用，以遼寧省為例，選取2010—2020年間全省14個地級市相關數(shù)據(jù)，建立了動態(tài)面板模型。通過研究，可以為遼寧省促進人口穩(wěn)定、推進城市化進程、合理控制房價過快上漲等方面提供決策參考。

關鍵詞：人口流動；產(chǎn)業(yè)結構；房地產(chǎn)價格；動態(tài)面板；遼寧省

中圖分類號：F304? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2024）08-0043-04

一、問題提出

隨著我國經(jīng)濟快速發(fā)展，城鎮(zhèn)化建設不斷推進，農(nóng)村的富余勞動力不斷向經(jīng)濟發(fā)達地區(qū)轉移。而這些富余勞動力一般會涌向第三產(chǎn)業(yè)和第二產(chǎn)業(yè)，使得一些經(jīng)濟發(fā)達地區(qū)的第三產(chǎn)業(yè)不斷完善，同時也推動了第二產(chǎn)業(yè)結構的升級。加之國家對各個地區(qū)的開發(fā)，如京津冀一體化、粵港澳大灣區(qū)、長江經(jīng)濟帶等國家戰(zhàn)略的布局，促進了人口流動，尤其是中西部地區(qū)的人才流向東南沿海等地區(qū)。隨著服務業(yè)、互聯(lián)網(wǎng)經(jīng)濟的快速崛起，人口逐漸從第一產(chǎn)業(yè)流向第二三產(chǎn)業(yè)，從而向東部和南部城市第二三產(chǎn)業(yè)聚集，促進了人口向該地區(qū)的流動，直接推動了東南地區(qū)房價的快速增長。近幾年，隨著金融去杠桿化的推動，各地房企也在主動減少房產(chǎn)投資，從而有效抑制了房產(chǎn)泡沫化的出現(xiàn)。住房問題是關乎每個人生活的問題，也影響著社會整體發(fā)展水平。雖然相關學者從金融、政策和經(jīng)濟發(fā)展水平方面來解釋房價的增長，但是這種方式仍然不夠全面。房產(chǎn)價格問題本質(zhì)上是供需平衡問題，來源于人口波動，目的也是服務于人，因此，人口流動與房產(chǎn)價格、產(chǎn)業(yè)結構密切相關。

筆者從房產(chǎn)價格和產(chǎn)業(yè)升級兩個方面分析影響遼寧省人口流動的因素，創(chuàng)新性地將理論與實踐相結合，綜合利用人口經(jīng)濟、產(chǎn)業(yè)結構、房產(chǎn)經(jīng)濟學等理論，建立動態(tài)面板模型，討論人口流動、產(chǎn)業(yè)結構以及房產(chǎn)價格波動之間的動態(tài)關系。

二、文獻綜述

人口流動影響產(chǎn)業(yè)結構，產(chǎn)業(yè)結構影響房產(chǎn)價格，而人口流動也可直接影響房產(chǎn)價格，因此他們之間存在一定的聯(lián)系。其中，Kashnitsky和Gunko（2016）發(fā)現(xiàn)，房地產(chǎn)市場的發(fā)展和日益嚴重的物質(zhì)不平等加劇了城市地區(qū)的社會經(jīng)濟兩極分化，改變了不同地區(qū)的人口密度。Zamyatina和Goncharov（2018）在比較俄羅斯的北極城市和該國南部的相對城市時發(fā)現(xiàn)，產(chǎn)業(yè)結構的調(diào)整導致人口大規(guī)模遷徙。Yang etal.（2020）基于105個工業(yè)化城市的面板數(shù)據(jù)，分析了產(chǎn)業(yè)結構導致的人口流動進一步影響房產(chǎn)價格定價的作用機制，結果發(fā)現(xiàn)，全國產(chǎn)業(yè)結構對用地價格的影響是顯著的，這就間接導致了房價波動。Yang etal.（2020）借助騰訊位置大數(shù)據(jù)支持的旅行大數(shù)據(jù)集，分析了基于移動數(shù)據(jù)的人口流動（MBPM）的時空模式和特征，發(fā)現(xiàn)人口的短期流動使其第二產(chǎn)業(yè)和第三產(chǎn)業(yè)增加，進一步導致房價短期增長?；谝陨涎芯课覀儼l(fā)現(xiàn)，產(chǎn)業(yè)結構和人口流動為因果關系，三者可以相互影響并對社會的穩(wěn)定產(chǎn)生重要的作用。但是，目前研究中并沒有將三者之間的關系闡述清楚。此外，很多文獻都是分析了我國整體城市發(fā)展情況的，而對于區(qū)域房價的影響因素并沒有進行分析。因此，從這兩個角度出發(fā)，采用數(shù)據(jù)分析和模型建立的方法，在動態(tài)面板模型的基礎上，分析遼寧省14個地級市人口流動對產(chǎn)業(yè)結構以及房產(chǎn)價格影響的差異性。

三、相關理論

產(chǎn)業(yè)結構變化和人口流動都會促進房價的上漲，而反過來房價的上漲也會一定程度影響產(chǎn)業(yè)結構變化和人口流動。首先，房價的上漲會導致物價和勞動力水平的提高，可以吸引更多的技術性人才入住城市，這樣就會推動城市化進程，優(yōu)化產(chǎn)業(yè)結構。其次，房價的持續(xù)上漲保證了資本市場的活躍，大量的投資者和企業(yè)會將資金投入到房價上漲的城市中，使其實體經(jīng)濟受到?jīng)_擊，從而改變城市的產(chǎn)業(yè)結構。房價的持續(xù)走高也限制了部分人口的流動，促使更多有能力的高端人才進入，這樣也會促進人口結構的調(diào)整，從而進入良性的城市發(fā)展之路。房價與產(chǎn)業(yè)結構存在著倒U關系。這種影響的后果顯而易見。企業(yè)最終會在生產(chǎn)性投資與非生產(chǎn)性投資之間權衡，權衡后會將更多資源投入到房地產(chǎn)投資性資產(chǎn)中，抽空生產(chǎn)性投資和創(chuàng)新性投資。

房價對于人口的影響主要有兩個方面。首先，房價提高導致生活成本增加，當居民的收入水平跟不上消費需求時，就會限制外來人口的流入。其次，房地產(chǎn)企業(yè)配套產(chǎn)業(yè)鏈的不斷完善也會增加第三產(chǎn)業(yè)的人才流動，帶動大量的勞動力需求，提高行業(yè)薪資水平，從而推動更多技術型和復合型人才的流入。產(chǎn)業(yè)結構對于人口流動的影響，主要是因為就業(yè)結構和就業(yè)需求的改變。人們會受到預期收入的影響，一般產(chǎn)業(yè)結構的變化會引起大量勞動力向產(chǎn)業(yè)升級的方向變動，而產(chǎn)業(yè)結構的升級需要更高技術的人才，一些能力不足的勞動力就會成為剩余勞動力，從而向產(chǎn)業(yè)層次更低的地方轉移。因此，產(chǎn)業(yè)結構、人口流動和房價之間是相輔相成、相互影響的關系。

四、現(xiàn)狀分析

（一）產(chǎn)業(yè)結構現(xiàn)狀

如圖1所示，我國國內(nèi)生產(chǎn)總值在不斷提高，第三產(chǎn)業(yè)在持續(xù)增加，產(chǎn)業(yè)結構在不斷優(yōu)化，2014年以后第三產(chǎn)業(yè)增速明顯提高。對比整個產(chǎn)業(yè)的占比情況，第一產(chǎn)業(yè)占比最低，二三產(chǎn)業(yè)保持一致，其中第三產(chǎn)業(yè)占比明顯提高。而遼寧省各個產(chǎn)業(yè)的發(fā)展在2014年達到頂峰之后便出現(xiàn)較大幅度的下滑，2019年生產(chǎn)總值為15 212.49億元，對于全國生產(chǎn)總值的貢獻僅為1.54%。但是對比各個產(chǎn)業(yè)的情況發(fā)現(xiàn)，遼寧省與全國產(chǎn)業(yè)分布情況相同，并沒有出現(xiàn)較大的差異性。

（二）人口流動現(xiàn)狀

如圖2所示，我國2010—2014年間流動人口呈現(xiàn)直線上升的狀態(tài)，但在2015年后出現(xiàn)了下降，2016年流動人口占比最小，為17.22%，2017年后又出現(xiàn)小幅的回升。發(fā)生這種變化是因為2008年金融危機后部分地區(qū)失業(yè)率上升，失業(yè)群體開始向經(jīng)濟發(fā)達地區(qū)流動，從而引起人口流動增加。但當經(jīng)濟發(fā)達地區(qū)工作崗位接近飽和狀態(tài)后，人們不再向這些地區(qū)流動，流動人口數(shù)量自然下降，因此在2014年開始人口流動有小幅下降。2017年后，長江經(jīng)濟帶、粵港澳大灣區(qū)、東北工業(yè)區(qū)等地區(qū)紛紛出臺相關創(chuàng)業(yè)扶持政策以及人才政策，再次吸引人們向這些地區(qū)流動，因此人口流動開始出現(xiàn)增加的趨勢。而對比遼寧省城鎮(zhèn)人口基本保持不變、農(nóng)村人口逐年下降、常住人口保持一致，這主要也是受到鄉(xiāng)村城市化的影響，大量的鄉(xiāng)村剩余勞動力都在不斷流入城市進行就業(yè)或者創(chuàng)業(yè)。

（三）房產(chǎn)價格現(xiàn)狀

如圖3所示，全國商品房銷售面積在不斷增加，商品房的平均銷售價格也在逐年提高。但由于新冠疫情關系和經(jīng)濟下行的慣性，2021—2022年間，商品房銷售面積逐年降低，而房價的增量在2009—2014年出現(xiàn)下降，在2014年以后出現(xiàn)上漲。遼寧省也出現(xiàn)了與全國一樣的趨勢。以上結果也說明，目前全國的房價已經(jīng)得到了基本控制，但是增加幅度仍然較大，這與人均收入不相匹配。而遼寧省雖然經(jīng)濟發(fā)展水平不高，但是隨著全國房價的上漲也加劇了這種不匹配現(xiàn)象的發(fā)生。

五、實證分析

（一）數(shù)據(jù)與變量

為了研究產(chǎn)業(yè)結構、人口流動、房價之間的關系，以遼寧省為例，選取2010—2020年的面板數(shù)據(jù)對其進行實證研究。對于區(qū)域研究主要以遼寧省各地級市為例，分析了各市的產(chǎn)業(yè)結構、人口流動和房產(chǎn)價格變化現(xiàn)狀。數(shù)據(jù)主要來自《中國統(tǒng)計年鑒》和wind數(shù)據(jù)庫。

為了對各項指標進行建模和統(tǒng)計分析，選取人口流動作為被解釋變量，產(chǎn)業(yè)結構和房產(chǎn)價格作為解釋變量。為了保證分析的有效性，加入城鎮(zhèn)居民收入作為控制變量。具體變量的選取和定義如表1所示。同時，為保證數(shù)據(jù)的平穩(wěn)性，除產(chǎn)業(yè)結構外，其余數(shù)據(jù)均取對數(shù)，并進行一階差分。

（二）模型的構建與實證結果

以遼寧省為例，采用2010—2020年的面板數(shù)據(jù)構建統(tǒng)計模型，主要采用差分GMM 方法，具體模型回歸計算如下：

Ai，t=β0+β1Ai，t-1+β2Bi，t+β3Ci，t+β4Di，t（1）

其中，i和t分別代表城市和年份，A為房價，B為產(chǎn)業(yè)結構，C為人口流動，D為其他控制變量。

表2? 整體面板數(shù)據(jù)回歸結果

如表2所示，人口流動具有一定滯后性，房價對流動人口具有正向影響，而產(chǎn)業(yè)結構對于流動人口有負向影響。

六、研究建議

（一）推動產(chǎn)業(yè)結構均衡發(fā)展

產(chǎn)業(yè)結構的失衡會限制全局經(jīng)濟增長，會使經(jīng)濟發(fā)展失去活力和動力，從而增加社會的不穩(wěn)定性。因此，要求政府在制定政策時應該兼顧不同地區(qū)和原有城市的產(chǎn)業(yè)結構發(fā)展，按照不同的城市發(fā)展水平來評估房價水平，而不是只關注產(chǎn)業(yè)結構升級；要以科學的方法重新定位不同市區(qū)的產(chǎn)業(yè)功能，充分結合原有城市的產(chǎn)業(yè)優(yōu)勢，有效提高勞動生產(chǎn)效率，將資金放在原有產(chǎn)業(yè)結構調(diào)整上；要關注產(chǎn)業(yè)結構的長期變化，切忌追求短期利益；要采用互聯(lián)網(wǎng)科技手段，配合現(xiàn)有的農(nóng)業(yè)產(chǎn)業(yè)發(fā)展水平，推動產(chǎn)業(yè)結構均衡發(fā)展。

（二）推動其他相關產(chǎn)業(yè)發(fā)展

要在穩(wěn)住房價的同時，加大對城市基礎設施的投資力度，通過與房產(chǎn)企業(yè)的合作，深入開發(fā)配套措施，如酒店、學校、交通、商超等。只有不斷優(yōu)化產(chǎn)業(yè)鏈結構，才能提高經(jīng)濟發(fā)展活力。政府要合理引導房產(chǎn)企業(yè)積極投入到相關產(chǎn)業(yè)發(fā)展上，從而推動整體經(jīng)濟的發(fā)展。另外，要保障基礎的安居性住房安全，逐年提高保障性住房的數(shù)量，推進農(nóng)村人口向城市的轉移，為產(chǎn)業(yè)和城市發(fā)展提供良好環(huán)境。

參考文獻：

[1]? ?KASHNITSKY，I.，M. GUNKO. Spatial Variation of In-migration to Moscow：Testing the Effect of Housing Market[J].Cities，2016（59）：30-39.

[2]? ?ZAMYATINS，N.，R.GONCHAROV. Population Mobility and The Contrasts Between Cities in the Russian Arctic and Their Southern Russian Counterparts[J].Area Development and Policy，2018，3（3）：293-308.

[3]? ?YANG，S.，S.HU，W.LI，C.ZHANG，D.SONG.Spatio-Temporal Nonstationary Effects of Impact Factors on Industrial Land Price in Industrializing Cities of China[J].Sustainability，2020，12（7）：2792-2806.

[4]? ?YANG， Z.，W. GAO，X. ZHAO，C. HAO，X. XIE. Spatiotemporal Patterns of Population Mobility and its Determinants in Chinese Cities Based on Travel Big Data[J].Sustainability，2020，12（10）：4012-4025.

[責任編輯? ?彥? ?文]