周華東　高玲玲

摘要：本文致力于解決如下兩個(gè)問題：一是我國房價(jià)上漲如何影響制造業(yè)就業(yè)，二是該影響通過何種途徑實(shí)現(xiàn)。本文基于1999—2007年中國全部國有及規(guī)模以上制造業(yè)企業(yè)和全國278個(gè)地級以上城市相匹配的數(shù)據(jù)表明，房價(jià)上漲的“需求效應(yīng)”和“抵押擔(dān)保效應(yīng)”壓過“擠出效應(yīng)”，使得制造業(yè)企業(yè)就業(yè)增加，表明房價(jià)上漲并非制造業(yè)企業(yè)“用工難”的幕后推手。同時(shí)，房價(jià)上漲對制造業(yè)就業(yè)的影響在區(qū)域、時(shí)間、行業(yè)等方面存在廣泛差異。進(jìn)一步地，通過考察房價(jià)上漲對不同融資約束類型制造業(yè)企業(yè)就業(yè)的異質(zhì)性影響，發(fā)現(xiàn)房價(jià)上漲對影響制造業(yè)就業(yè)的影響主要是通過“需求效應(yīng)”而非“抵押擔(dān)保效應(yīng)”實(shí)現(xiàn)。本文的發(fā)現(xiàn)有助于從勞動(dòng)力就業(yè)的視角深化關(guān)于房價(jià)上漲如何影響我國實(shí)體經(jīng)濟(jì)的認(rèn)識，對我國房價(jià)調(diào)控及促進(jìn)就業(yè)相關(guān)政策討論具有一定現(xiàn)實(shí)意義。

關(guān)鍵詞：房價(jià)；就業(yè)；制造業(yè)；融資約束

文獻(xiàn)標(biāo)識碼：A 文章編號：1002-2848-2018（04）-0066-09

一、問題提出

目前，中國處在城鎮(zhèn)化進(jìn)程快速發(fā)展時(shí)期，就業(yè)問題是社會(huì)經(jīng)濟(jì)工作的重中之重，黨的十九大報(bào)告明確指出“就業(yè)是最大的民生”。但近期中國經(jīng)濟(jì)下行壓力凸顯，國內(nèi)生產(chǎn)總值增速持續(xù)下降，連續(xù)三年（2015—2017）低于7%。在增長放緩的同時(shí)，就業(yè)問題引發(fā)更大的關(guān)注，李克強(qiáng)總理多次強(qiáng)調(diào)了就業(yè)問題的重要性，把保障就業(yè)稱為政府“最要緊的責(zé)任”并指出“穩(wěn)增長說到底就是為了保就業(yè)”。同一時(shí)期工業(yè)陷入低迷，工業(yè)企業(yè)利潤、規(guī)模以上工業(yè)增加值同比增速均持續(xù)回落，制造業(yè)“用工難”“用工荒”問題突出。國家統(tǒng)計(jì)局上海調(diào)查總隊(duì)2014年針對制造業(yè)企業(yè)經(jīng)營狀況的調(diào)查顯示，有49.4%的受訪企業(yè)反映招工難，尤其是勞動(dòng)強(qiáng)度大、技術(shù)含量低、工資待遇差的企業(yè)，而企業(yè)也無力通過繼續(xù)提高待遇以增加招工；有81.5%的受訪企業(yè)認(rèn)為“勞動(dòng)力成本上升”是企業(yè)面臨的最主要困難?！皠趧?dòng)力成本上升”的一個(gè)主要來源便是近年來中國房價(jià)的持續(xù)上漲。自1998年住房制度全面改革以來，中國房價(jià)迅速攀升，全國商品房平均銷售價(jià)格從1999年的2053元每平方米漲至2016年的7462元每平方米，17年間增長260%，年均增長約8%。用CPI剔除通貨膨脹影響后的實(shí)際房價(jià)水平上漲幅度為140%，年均增長約6%。由此，關(guān)于房價(jià)上漲是制造業(yè)“用工難”幕后推手的觀點(diǎn)層出不窮，屢屢見諸媒體報(bào)道。在此背景下，深入考察我國房價(jià)上漲對制造業(yè)就業(yè)的影響，厘清房價(jià)上漲與制造業(yè)“用工難”之間的關(guān)系，具有重要的現(xiàn)實(shí)意義。

房價(jià)變化對實(shí)體經(jīng)濟(jì)的影響一直受到學(xué)術(shù)界的密切關(guān)注。早在20世紀(jì)80年代，Elliot等[1-2]研究了住房價(jià)值變化對居民消費(fèi)的影響（“財(cái)富效應(yīng)”）。Case等[3]發(fā)現(xiàn)住房財(cái)富對消費(fèi)的影響遠(yuǎn)大于金融財(cái)富對消費(fèi)的影響，由此復(fù)興了住房財(cái)富效應(yīng)的研究并引發(fā)廣泛爭議。2007年全球“次貸危機(jī)”中房價(jià)和消費(fèi)的劇烈變化和密切聯(lián)系進(jìn)一步引發(fā)國內(nèi)外關(guān)于住房財(cái)富效應(yīng)的研究熱潮[4-7]。相對較近的一股文獻(xiàn)考察房價(jià)變化對微觀企業(yè)行為的影響：Chaney等[8-10]考察了房價(jià)變化對企業(yè)投融資的影響，黃健柏等[11]進(jìn)一步探討了工業(yè)用地價(jià)格扭曲對于不同所有制屬性和行業(yè)屬性企業(yè)過度投資行為的影響，陳斌開等[12-13]考察了房價(jià)和房地產(chǎn)投資對資源配置和生產(chǎn)率的影響，Schmalz等[14-16]考察了房價(jià)變化對創(chuàng)業(yè)活動(dòng)的影響。此外，源自Bernanke等[17-18]的“金融加速器”傳統(tǒng)，Icoviello等[19-22]構(gòu)建了包含房地產(chǎn)的動(dòng)態(tài)隨機(jī)一般均衡模型研究房價(jià)對宏觀經(jīng)濟(jì)波動(dòng)的影響。

關(guān)于房價(jià)變化與勞動(dòng)力就業(yè)的關(guān)系的研究起步較晚。在較早的一篇富有影響的文獻(xiàn)中，Mian等[5]研究了美國2007—2009年這段時(shí)間房價(jià)下跌對就業(yè)的影響。他們發(fā)現(xiàn)，房地產(chǎn)價(jià)值減少在這段時(shí)期的就業(yè)下降中扮演了重要角色。對于生產(chǎn)非貿(mào)易品的企業(yè)，房地產(chǎn)價(jià)值減少導(dǎo)致生產(chǎn)非貿(mào)易品的企業(yè)就業(yè)顯著降低，但房地產(chǎn)價(jià)值減少對生產(chǎn)貿(mào)易品的企業(yè)就業(yè)沒有顯著影響。這意味著在這段房價(jià)下跌時(shí)期房價(jià)對就業(yè)的影響是通過房地產(chǎn)財(cái)富渠道而非抵押擔(dān)保渠道實(shí)現(xiàn)的。同樣地，Giroud等[23]發(fā)現(xiàn)美國2006—2009年這段時(shí)間房價(jià)下跌減少了就業(yè)。他們發(fā)現(xiàn)，高杠桿企業(yè)經(jīng)歷了更高的就業(yè)損失，擁有更高杠桿水平的地區(qū)也經(jīng)歷了更高的就業(yè)損失。Adelino等[24]研究了美國2002—2007年這段時(shí)期房價(jià)上漲對就業(yè)的影響。他們按員工數(shù)量規(guī)模進(jìn)行分類回歸發(fā)現(xiàn)，房價(jià)上漲對小規(guī)模企業(yè)就業(yè)增長的影響更大。原因在于房價(jià)上漲主要通過抵押擔(dān)保渠道而非需求渠道影響企業(yè)就業(yè)，小企業(yè)具有較小的啟動(dòng)成本從而更容易通過抵押擔(dān)保渠道獲得啟動(dòng)資金。沿另一個(gè)視角，Charles等[25]發(fā)現(xiàn)美國2000—2006年這段時(shí)期制造業(yè)下滑顯著減少了就業(yè)，但同期房價(jià)上漲使得就業(yè)增長了大致相同水平，從而掩蓋了制造業(yè)下滑減少就業(yè)的事實(shí)，這樣一種“掩蓋效應(yīng)”對于低技能人群尤為強(qiáng)烈。

本文通過匹配中國工業(yè)企業(yè)數(shù)據(jù)和278個(gè)地級以上城市數(shù)據(jù)考察房價(jià)上漲對制造業(yè)就業(yè)的影響，并基于企業(yè)融資約束差異檢驗(yàn)其影響機(jī)制。理論分析表明，房價(jià)變化通過“需求效應(yīng)”和“抵押擔(dān)保效應(yīng)”對制造業(yè)就業(yè)產(chǎn)生正向影響，但通過“擠出效應(yīng)”產(chǎn)生負(fù)向影響。但實(shí)證結(jié)果顯示，房價(jià)上漲對制造業(yè)就業(yè)總體上存在顯著的正面影響，即房價(jià)上漲促進(jìn)了制造業(yè)就業(yè)。由此可見，制造業(yè)“用工難”的罪名不應(yīng)該由房價(jià)上漲背負(fù)。在此基礎(chǔ)上，通過企業(yè)融資約束程度檢驗(yàn)房價(jià)影響制造業(yè)就業(yè)的機(jī)制，發(fā)現(xiàn)中國房價(jià)上漲對制造業(yè)就業(yè)的正向影響主要基于“需求效應(yīng)”而非“抵押擔(dān)保效應(yīng)”。本文結(jié)論與Mian等[5]一致，不同于Adelino等[24]（前者支持“需求效應(yīng)”，后者支持“抵押擔(dān)保效應(yīng)”）。本文受Mian等[5]啟發(fā)，但不同之處在于Mian等[5]利用企業(yè)產(chǎn)品的可貿(mào)易性驗(yàn)證了“需求效應(yīng)”的存在，本文則通過企業(yè)融資約束差異驗(yàn)證“需求效應(yīng)”的存在。本文的研究豐富了房價(jià)變化的經(jīng)濟(jì)效應(yīng)相關(guān)文獻(xiàn)，有助于加深對房價(jià)變化對實(shí)體經(jīng)濟(jì)的影響的認(rèn)識。

本文其余內(nèi)容安排如下：第二部分是房價(jià)上漲如何影響勞動(dòng)力就業(yè)的理論分析；第三部分是數(shù)據(jù)與變量說明；第四部分是房價(jià)上漲影響制造業(yè)就業(yè)的實(shí)證檢驗(yàn)；第五部分識別房價(jià)上漲對制造業(yè)就業(yè)的影響機(jī)制，第六部分是結(jié)論和政策含義。

二、理論分析

房價(jià)上漲產(chǎn)生廣泛的宏觀經(jīng)濟(jì)效應(yīng)，對實(shí)體經(jīng)濟(jì)產(chǎn)生重要影響。就其對制造業(yè)勞動(dòng)力就業(yè)影響而言，房價(jià)上漲一方面通過影響社會(huì)的消費(fèi)需求和投資需求間接影響勞動(dòng)力就業(yè)[5]；另一方面通過資源要素在房地產(chǎn)行業(yè)與其他行業(yè)之間的重新配置直接影響勞動(dòng)力就業(yè)[26]。理論上，房價(jià)上漲對工業(yè)企業(yè)勞動(dòng)力就業(yè)的影響可以歸納為“擠出效應(yīng)”“需求效應(yīng)”及“抵押擔(dān)保效應(yīng)”三個(gè)傳導(dǎo)途徑（見圖1）。

首先，房價(jià)上漲直接增加家庭財(cái)富并放松其融資約束，通過促進(jìn)家庭消費(fèi)需求增長進(jìn)而推動(dòng)就業(yè)增長，這種由于家庭的房地產(chǎn)凈值增加引致的就業(yè)增加，該影響稱為“需求效應(yīng)”。對自有住房家庭而言，房價(jià)變化通過兩個(gè)渠道影響其家庭消費(fèi)支出：直接財(cái)富渠道與抵押擔(dān)保渠道。前者基于生命周期理論，認(rèn)為房價(jià)上升會(huì)通過放松家庭的生命周期預(yù)算約束而促進(jìn)消費(fèi)；后者源自不完善的金融市場，房價(jià)上升通過增加家庭的抵押擔(dān)保品價(jià)值從而增加可借資金緩解其當(dāng)期融資約束，推動(dòng)消費(fèi)增長。這兩種渠道的影響都是正向的，即認(rèn)為房價(jià)上升會(huì)促進(jìn)家庭消費(fèi)增長。對租房家庭而言，房價(jià)上漲對其影響是不確定的：房價(jià)上漲一方面通過增加租房家庭住房支出直接減少了非住房消費(fèi)支出，同時(shí)他們需要為購房進(jìn)行更多的儲蓄，間接減少了非住房消費(fèi)支出；但另一方面某些無房但又準(zhǔn)備購房的家庭面臨高房價(jià)時(shí)可能放棄購房，轉(zhuǎn)而增加非住房消費(fèi)。現(xiàn)實(shí)情況看，中國有房家庭占大多數(shù)，根據(jù)中國國家統(tǒng)計(jì)局住戶調(diào)查辦公室2011年公布的報(bào)告，至2010年底中國城鎮(zhèn)居民家庭自有住房率為89.3%。理論和經(jīng)驗(yàn)研究證據(jù)已表明，房價(jià)上漲對消費(fèi)的正向影響占據(jù)了主導(dǎo)作用[5-6]。因此，這一正向的房地產(chǎn)“財(cái)富效應(yīng)”將帶動(dòng)相關(guān)生產(chǎn)部門的勞動(dòng)力就業(yè)增加。

其次，房價(jià)上漲使得企業(yè)可供抵押擔(dān)保的相關(guān)資產(chǎn)價(jià)值上漲而緩解了企業(yè)的融資約束，企業(yè)信貸擴(kuò)張和投資規(guī)模增加進(jìn)而促進(jìn)勞動(dòng)力就業(yè)，這一影響稱為“抵押擔(dān)保效應(yīng)”。Bernanke等[17-18]發(fā)展的“金融加速器”理論認(rèn)為，對經(jīng)濟(jì)主體的所有初始沖擊將會(huì)通過信貸市場進(jìn)一步放大，即最初的微小沖擊經(jīng)過企業(yè)之間、企業(yè)與金融機(jī)構(gòu)之間的相互作用，使得企業(yè)的資產(chǎn)價(jià)值、借款能力以及投資行為產(chǎn)生變化，最終引起經(jīng)濟(jì)產(chǎn)出總量的大幅度波動(dòng)。由于房地產(chǎn)無論在歐美國家還是在中國都是最重要的抵押擔(dān)保資產(chǎn)，房價(jià)的上漲使企業(yè)所擁有的商業(yè)房產(chǎn)和廠房等資產(chǎn)價(jià)值相應(yīng)上升，也即是增加了企業(yè)可供抵押品的價(jià)值。這樣一來，一方面讓企業(yè)在金融機(jī)構(gòu)可以獲得更多的信貸資金，另一方面也通過資產(chǎn)負(fù)債表的改善降低了企業(yè)的信貸成本。更為寬松的融資約束增加了工業(yè)企業(yè)獲得資金的能力，可能帶動(dòng)工業(yè)企業(yè)產(chǎn)出和就業(yè)的增加。

最后，房價(jià)不斷上漲帶來了房地產(chǎn)業(yè)的高額利潤，吸引包括制造業(yè)資本在內(nèi)的大量資本進(jìn)入房地產(chǎn)業(yè)，從而一定程度上擠占制造業(yè)領(lǐng)域投資，該影響稱為“擠出效應(yīng)”。中央電視臺《新聞1+l》欄目曾在2010年專題報(bào)道房地產(chǎn)業(yè)的豐厚利潤吸引大量制造業(yè)實(shí)體企業(yè)進(jìn)軍房地產(chǎn)市場的情況，其中包括了格力、海信、海爾、TCL等家電巨頭企業(yè)。同時(shí)，就輕工業(yè)中的服裝企業(yè)而言，紅豆股份2010年上半年實(shí)現(xiàn)營業(yè)收入13.6億，其中紅豆置業(yè)的營業(yè)收入為9.4億，占總收入的69%；同是服裝企業(yè)的雅戈?duì)杽t成為“地王”締造者?？梢?，中國房價(jià)的連年上漲對于制造企業(yè)產(chǎn)生了極強(qiáng)的“擠出效應(yīng)”。過去的十年中，受房價(jià)上漲帶來的高額利潤驅(qū)使，相當(dāng)多資源被投入到房地產(chǎn)建設(shè)開發(fā)中，擠占了制造業(yè)的可獲資源，導(dǎo)致實(shí)體經(jīng)濟(jì)總體被房地產(chǎn)業(yè)拖累。因而，“擠出效應(yīng)”意味著房價(jià)上漲對制造業(yè)就業(yè)產(chǎn)生負(fù)面影響。

綜上，房價(jià)上漲的“需求效應(yīng)”和“抵押擔(dān)保效應(yīng)”對制造業(yè)就業(yè)產(chǎn)生正向促進(jìn)作用，“擠出效應(yīng)”對制造業(yè)就業(yè)產(chǎn)生負(fù)向抑制作用。正面效應(yīng)和負(fù)面效應(yīng)同時(shí)存在，使得對房價(jià)上漲影響制造業(yè)就業(yè)的總體效果，以及現(xiàn)實(shí)傳導(dǎo)機(jī)制是什么等問題的回答不是那么顯而易見，需要通過詳細(xì)設(shè)定計(jì)量模型進(jìn)行經(jīng)驗(yàn)分析。

三、數(shù)據(jù)與變量

（一）數(shù)據(jù)

本文研究所用的企業(yè)數(shù)據(jù)來自于國家統(tǒng)計(jì)局的全部國有及規(guī)模以上非國有工業(yè)企業(yè)數(shù)據(jù)庫，城市數(shù)據(jù)來自中國經(jīng)濟(jì)社會(huì)大數(shù)據(jù)研究平臺

缺失數(shù)據(jù)通過《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》《中國城市統(tǒng)計(jì)年鑒》及各地（市）統(tǒng)計(jì)年鑒彌補(bǔ)。中國工業(yè)企業(yè)數(shù)據(jù)庫包括了所有國有工業(yè)企業(yè)和主營業(yè)務(wù)收入在500萬元以上的非國有工業(yè)企業(yè)。這里的工業(yè)包括“國民經(jīng)濟(jì)行業(yè)分類”中的“采掘業(yè)”“制造業(yè)”以及“電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)”三個(gè)門類，其中制造業(yè)占90%以上的比例，本文只保留了制造業(yè)企業(yè)數(shù)據(jù)。參考Cai等[27-28]的做法，本文剔除數(shù)據(jù)庫異常值情況如下：第一，刪除總資產(chǎn)、固定資產(chǎn)、銷售額、應(yīng)付工資及福利小于0或缺省的企業(yè)；第二，刪除一些明顯不符合會(huì)計(jì)原則的企業(yè)，包括總資產(chǎn)小于流動(dòng)資產(chǎn)，總資產(chǎn)小于固定資產(chǎn)凈值，或者累計(jì)折舊小于當(dāng)期折舊；第三，刪除實(shí)收資本小于或等于0的企業(yè)；第四，刪除總資產(chǎn)、銷售收入、負(fù)債總額、工業(yè)增加值等關(guān)鍵指標(biāo)首尾1%的異常值。

基于中國房價(jià)變化的階段特征，本文選擇1999—2007年的工業(yè)企業(yè)數(shù)據(jù)作為研究對象具有一定的合理性：其一，中國的住房制度全面市場化改革始于1998年，1999年成為大多數(shù)中國房地產(chǎn)問題研究的起始年份；其二，2008年“次貸危機(jī)”全面爆發(fā)后中國受到波及，該年成為1999年迄今唯一房價(jià)下降年度。考慮到這一外部影響，本文樣本結(jié)束設(shè)定為2007年。此外，這與目前使用工業(yè)企業(yè)數(shù)據(jù)的絕大多數(shù)實(shí)證研究的樣本區(qū)間選擇也是一致的。

（二）變量

本文目的是檢驗(yàn)房價(jià)變化如何影響制造業(yè)勞動(dòng)力就業(yè)。為此，被解釋變量選取企業(yè)雇傭人數(shù)，核心解釋變量選取地級及以上城市商品房平均銷售價(jià)格。同時(shí)，選擇反映企業(yè)自身特征和城市特征的一系列變量作為控制變量，包括固定資產(chǎn)比重、企業(yè)規(guī)模、自由現(xiàn)金流比率、人均GDP、金融發(fā)達(dá)度等。各變量的詳細(xì)定義和計(jì)算方法見表1。

由于西藏地區(qū)部分城市房價(jià)變量缺失，本文刪除西藏的企業(yè)數(shù)據(jù)，最終我們獲得的是匹配制造業(yè)企業(yè)和278個(gè)地級以上城市1999—2007年的非平衡面板數(shù)據(jù)。表2給出了主要變量的描述性統(tǒng)計(jì)。

四、實(shí)證分析

（一）基準(zhǔn)回歸結(jié)果

表3給出了房價(jià)上漲對制造業(yè)就業(yè)的基準(zhǔn)回歸結(jié)果。第（1）列是控制前述企業(yè)特征變量、城市特征變量以及城市虛擬變量、行業(yè)虛擬變量和年度虛擬變量后的混合數(shù)據(jù)最小二乘法回歸結(jié)果；第（2）列是控制企業(yè)特征變量、城市特征變量以及年度虛擬變量后的面板數(shù)據(jù)固定效應(yīng)模型回歸結(jié)果。兩種結(jié)果非常接近，房價(jià)對制造業(yè)就業(yè)的影響系數(shù)都為0.02左右，且在1%的水平上顯著。這意味著房價(jià)每上漲10%，企業(yè)雇傭人數(shù)將顯著增加0.2%。由此判斷，1999—2007年中國商品房價(jià)格上漲了約80%，這導(dǎo)致制造業(yè)企業(yè)的工作崗位增加1.6%。由于篇幅關(guān)系，本文沒有列出其他控制變量的回歸結(jié)果。

表3第（3）—第（6）列是穩(wěn)健性檢驗(yàn)?？紤]到房價(jià)對就業(yè)的影響可能存在一定的滯后性，表3第（3）列和第（4）列用滯后一期城市房價(jià)替代當(dāng)期房價(jià)基于普通最小二乘和固定效應(yīng)模型進(jìn)行回歸?？紤]到某些企業(yè)特別是規(guī)模較大的企業(yè)可能存在較廣泛的地域分布，第（5）列和第（6）列用省級房價(jià)替代城市房價(jià)基于普通最小二乘和固定效應(yīng)模型進(jìn)行回歸。回歸結(jié)果與上述基本回歸結(jié)果一致，顯示房價(jià)上漲顯著促進(jìn)了制造業(yè)就業(yè)。

雖然我們已經(jīng)盡可能地加入相關(guān)企業(yè)特征變量和城市特征變量來緩解由于遺漏變量帶來的內(nèi)生性問題，但可能仍然難以完全消除其影響。為緩解這一問題，我們使用各省當(dāng)年人均土地開發(fā)面積作為商品房價(jià)格的工具變量[7]。其理論邏輯在于各地土地供給與當(dāng)?shù)厣唐贩績r(jià)格密切相關(guān)，但同時(shí)土地供給受到中央政府的嚴(yán)格控制，具有一定的外生性特征，與影響就業(yè)的其他宏觀變量關(guān)系不大。表3第（7）列和第（8）列是利用城市人均土地開發(fā)面積作為城市房價(jià)工具變量的回歸結(jié)果。結(jié)果有力地支持本文的結(jié)論：房價(jià)越高，企業(yè)雇傭人數(shù)越多。

（二）異質(zhì)性影響

由于中國經(jīng)濟(jì)發(fā)展的階段性以及區(qū)域發(fā)展和行業(yè)發(fā)展的不平衡特征，房價(jià)上漲對制造業(yè)就業(yè)的影響可能在區(qū)域、時(shí)間、行業(yè)方面存在廣泛的異質(zhì)性。下面通過劃分企業(yè)樣本進(jìn)行比較分析。

1.區(qū)域異質(zhì)性。按照地理區(qū)位，本文將278個(gè)地級以上城市劃分為東部地區(qū)和中西部地區(qū)兩類。其中，東部地區(qū)包括位于北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個(gè)省及直轄市的地級以上城市；中西部地區(qū)包括位于除上述地區(qū)以外的?。ㄗ灾螀^(qū)、直轄市）的城市。然后對不同地區(qū)的制造業(yè)企業(yè)進(jìn)行分樣本回歸，表4報(bào)告了回歸結(jié)果。東部地區(qū)房價(jià)上漲對制造業(yè)企業(yè)就業(yè)影響較大且高度顯著，但中西部地區(qū)房價(jià)上漲對制造業(yè)企業(yè)就業(yè)影響較小，且顯著性也較弱。這說明相對于中西部地區(qū)的城市，東部地區(qū)城市制造業(yè)企業(yè)就業(yè)對房價(jià)上漲更為敏感。

2.時(shí)間異質(zhì)性。中國房地產(chǎn)市場自1998年啟動(dòng)全面住房制度改革以來，2004年是又一個(gè)關(guān)鍵節(jié)點(diǎn)——土地“招拍掛”制度于2004年全面實(shí)施。此后，中國房價(jià)進(jìn)入了快速上漲通道。本文將以2004年為節(jié)點(diǎn)，將全部樣本分為2004年前和2004年后（含2004年）兩個(gè)子樣本，然后分別進(jìn)行回歸。表5報(bào)告的結(jié)果顯示，2004年前房價(jià)上漲對制造業(yè)企業(yè)就業(yè)的影響較大也較為顯著。但是，2004年后該影響變?yōu)樨?fù)數(shù)，但是絕對值較小，且在統(tǒng)計(jì)上也極不顯著。這可能意味著隨著房價(jià)漲幅的增加，“擠出效應(yīng)”變得越來越大。

3.行業(yè)異質(zhì)性。企業(yè)所屬行業(yè)特性也會(huì)對房價(jià)上漲的就業(yè)效應(yīng)帶來影響。按照吳利學(xué)等[29]的行業(yè)分類方式，本文將將行業(yè)分為資本密集型行業(yè)（兩位數(shù)行業(yè)代碼為25、26、28、31～34、37、39）、勞動(dòng)密集型行業(yè)（兩位數(shù)行業(yè)代碼為13～24，除去16）和技術(shù)密集型行業(yè)（兩位數(shù)行業(yè)代碼為27、40、41）。表6報(bào)告的回歸結(jié)果顯示，相較于勞動(dòng)密集型行業(yè)而言，房價(jià)上漲對資本密集型行業(yè)的就業(yè)影響較大且較為顯著。 這與理論預(yù)期一致，因?yàn)椤暗盅簱?dān)保效應(yīng)”的正向作用在資本密集型行業(yè)中更為明顯，而“擠出效應(yīng)”的負(fù)向作用在勞動(dòng)密集型行業(yè)中更為明顯。同時(shí)注意到，高技術(shù)行業(yè)中房價(jià)上漲對就業(yè)的影響最大，這是因?yàn)樗鼈兒苌偈艿綌D出效應(yīng)”的負(fù)面影響，同時(shí)在融資約束放緩的情況下具有更好的擴(kuò)張能力。

五、機(jī)制檢驗(yàn)

房價(jià)上漲主要通過“需求效應(yīng)”與“抵押擔(dān)保效應(yīng)”促進(jìn)制造業(yè)就業(yè)，通過“擠出效應(yīng)”抑制制造業(yè)就業(yè)。前文的實(shí)證分析表明，盡管存在多方面的異質(zhì)性，房價(jià)上漲的總體效應(yīng)是促進(jìn)制造業(yè)就業(yè)。那么，到底是“需求效應(yīng)”還是“抵押擔(dān)保效應(yīng)”在該促進(jìn)作用中居于主導(dǎo)地位呢？這是本節(jié)致力于解決的問題。

（一）企業(yè)融資約束的衡量

陳忠陽等[30]總結(jié)了衡量企業(yè)融資約束的四類方法：企業(yè)融資需求、企業(yè)融資交易成本、企業(yè)的投融資行為以及企業(yè)的融資渠道。本文借鑒張杰等[31]提出的企業(yè)運(yùn)營資本投資現(xiàn)金敏感性（WKS）指標(biāo)作為企業(yè)融資約束的代理變量。張杰等[31]認(rèn)為，WKS指標(biāo)不僅包含了企業(yè)運(yùn)營資本相關(guān)信息（Ding等[32]指出，由于中國企業(yè)自身財(cái)務(wù)和金融體系特征，企業(yè)運(yùn)營資本能較好地反映企業(yè)融資約束情況），而且該指標(biāo)包含了企業(yè)現(xiàn)金流、負(fù)債杠桿水平、抵押擔(dān)保水平、銷售增長率等重要信息，它可能是更能全面反映企業(yè)各種融資約束信息的代理指標(biāo)。WKS指標(biāo)的計(jì)算過程如下：

首先，估計(jì)不包含現(xiàn)金流的約簡運(yùn)營資本投資方程得到隨機(jī)擾動(dòng)項(xiàng)。

式中，IWK表示企業(yè)運(yùn)營資本投資，IWK=IWKt-IWKt-1，其中IWKt等于企業(yè)當(dāng)年的流動(dòng)資產(chǎn)減流動(dòng)負(fù)債，K表示企業(yè)年初的固定資本凈額，i，t分別表示企業(yè)和年份，uit是隨機(jī)擾動(dòng)項(xiàng)?？刂谱兞縓包括企業(yè)規(guī)模、年齡、負(fù)債杠桿率、抵押擔(dān)保水平、銷售增長率、所有值類型虛擬變量等。此外式（1）還引入了省份固定效應(yīng)、兩位數(shù)行業(yè)固定效應(yīng)和年份固定效應(yīng)。

隨后采用企業(yè)每年現(xiàn)金流占總現(xiàn)金流的比例對隨機(jī)擾動(dòng)項(xiàng)進(jìn)行加權(quán)平均，再減去未加權(quán)的隨機(jī)擾動(dòng)項(xiàng)。其遵循的計(jì)算思路在于：如一家企業(yè)的運(yùn)營資本投資并不受現(xiàn)金流影響，那么在較高現(xiàn)金流時(shí)期運(yùn)營資本投資的均值應(yīng)該與低現(xiàn)金流時(shí)期運(yùn)營資本投資的均值沒有顯著差異。相反，如果企業(yè)運(yùn)營資本支出與現(xiàn)金流正（負(fù)）相關(guān)，那么經(jīng)過現(xiàn)金流加權(quán)的隨機(jī)擾動(dòng)項(xiàng)均值應(yīng)該比未經(jīng)加權(quán)的隨機(jī)擾動(dòng)項(xiàng)均值更高（低）。

式中，CF表示企業(yè)現(xiàn)金流，定義為年終凈利潤加本年計(jì)提折舊額，K代表每年年初的固定資本凈額，n代表某一企業(yè)的年份觀測數(shù)。由此計(jì)算得出的WKS指標(biāo)越大，企業(yè)受到的融資約束越大。

出于穩(wěn)健性考慮，本文還采用了流動(dòng)比率（LR）作為融資約束的另一個(gè)衡量指標(biāo)（馬述忠等，2017）。流動(dòng)比率等于流動(dòng)資產(chǎn)與流動(dòng)負(fù)債之差除以總資產(chǎn)，流動(dòng)比率越大，企業(yè)的財(cái)務(wù)狀況越健康，自身融資約束也就越小。

（二）房價(jià)上漲影響制造業(yè)就業(yè)的機(jī)制檢驗(yàn)

為檢驗(yàn)房價(jià)上漲對制造業(yè)就業(yè)的影響機(jī)制，本[LL]文在上述基準(zhǔn)回歸模型基礎(chǔ)上進(jìn)一步引入房價(jià)對數(shù)和融資約束指標(biāo)的交叉項(xiàng)。根據(jù)模型設(shè)定，房價(jià)對數(shù)的回歸系數(shù)表示的是當(dāng)企業(yè)在沒有融資約束（融資約束很?。┑臈l件下對制造業(yè)就業(yè)的影響，體現(xiàn)了“需求效應(yīng)”；交叉項(xiàng)的回歸系數(shù)反映了融資約束狀態(tài)是否改變房價(jià)對制造業(yè)就業(yè)影響大小，體現(xiàn)了“抵押擔(dān)保效應(yīng)”。表7第（1）列和第（2）列報(bào)告了使用WKS指標(biāo)作為融資約束代理變量的最小二乘回歸和固定效應(yīng)回歸結(jié)果。結(jié)果顯示，房價(jià)對數(shù)的回歸系數(shù)相較于沒有引入交叉項(xiàng)的回歸結(jié)果大小基本沒有變化，且仍然高度顯著。但是，不管是基于最小二乘回歸還是固定效應(yīng)回歸的系數(shù)數(shù)值上都非常小，接近于零，而且非常不顯著。由此，本文判斷房價(jià)上漲對制造業(yè)就業(yè)的影響主要是通過“需求效應(yīng)”而非“抵押擔(dān)保效應(yīng)”實(shí)現(xiàn)的。

表7第（3）列和第（4）列報(bào)告了使用流動(dòng)比率（LR）作為融資約束指標(biāo)的回歸結(jié)果?？梢钥吹?，該結(jié)果與前述基于WKS指標(biāo)的回歸結(jié)果高度一致，都表明房價(jià)對數(shù)的回歸系數(shù)較大且高度顯著，但房價(jià)對數(shù)和融資約束指標(biāo)的交叉項(xiàng)回歸系數(shù)較小且顯著性也顯著下降。這再次表明我國房價(jià)上漲對制造業(yè)就業(yè)的影響主要是通過“需求效應(yīng)”而非“抵押擔(dān)保效應(yīng)”實(shí)現(xiàn)的。

（三）安慰劑檢驗(yàn)

本文采用受到較小融資約束的企業(yè)樣本作為安慰劑檢驗(yàn)。由于“抵押擔(dān)保效應(yīng)”源自受到融資約束的企業(yè)，通過可供抵押擔(dān)保的資產(chǎn)價(jià)值上漲緩解企業(yè)的融資約束，從而增加企業(yè)信貸和投資規(guī)模。那么對沒有或者較少受到融資約束的企業(yè)而言，“抵押擔(dān)保效應(yīng)”應(yīng)該是很小，房價(jià)上漲對就業(yè)的影響主要來自于“需求效應(yīng)”。表8報(bào)告了利用受到較小融資約束子樣本企業(yè)考察房價(jià)上漲對制造業(yè)就業(yè)影響的結(jié)果。第（1）列和第（2）列報(bào)告了使用WKS指標(biāo)值小于四分之一分位數(shù)的那部分制造業(yè)企業(yè)子樣本回歸的結(jié)果，第（3）列和第（4）列報(bào)告了使用LR指標(biāo)值大于四分之三分位數(shù)的那部分制造業(yè)企業(yè)子樣本回歸的結(jié)果。我們看到，所有回歸結(jié)果中房價(jià)對數(shù)值的回歸系數(shù)大小與全部樣本的房價(jià)對數(shù)值的回歸系數(shù)基本相同，再次表明了“需求效應(yīng)”顯著存在。

六、結(jié) 論

本文利用1999—2007年國家統(tǒng)計(jì)局的全部國有及規(guī)模以上非國有工業(yè)企業(yè)數(shù)據(jù)庫制造業(yè)企業(yè)與278個(gè)地級以上城市相匹配的數(shù)據(jù)，考察了房價(jià)上漲對制造業(yè)就業(yè)的影響，在控制一系列企業(yè)特征變量和地區(qū)特征變量后，基于混合截面數(shù)據(jù)的普通最小二乘回歸和基于面板數(shù)據(jù)的固定效應(yīng)回歸模型一致表明：房價(jià)上漲增加制造業(yè)企業(yè)雇傭人數(shù)。這表明，中國房價(jià)上漲并非制造業(yè)“用工難”的幕后推手。同時(shí)，房價(jià)上漲對制造業(yè)就業(yè)的影響在區(qū)域、時(shí)間、行業(yè)等方面存在廣泛差異：房價(jià)上漲對制造業(yè)就業(yè)的影響在東部地區(qū)更為顯著，在2004前更為顯著，在資本密集型和技術(shù)密集型行業(yè)更為顯著。進(jìn)一步，利用企業(yè)運(yùn)營資本投資現(xiàn)金敏感性（WKS）指標(biāo)和流動(dòng)性比率（LR）指標(biāo)衡量企業(yè)融資約束，考察房價(jià)上漲對制造業(yè)就業(yè)的影響機(jī)制。結(jié)果表明，中國房價(jià)上漲主要是通過“需求效應(yīng)”而不是“抵押擔(dān)保效應(yīng)”影響制造業(yè)就業(yè)。本文的研究澄清了一些觀念上的誤區(qū)，指出中國房價(jià)上漲并未導(dǎo)致制造業(yè)“用工難”——即便房價(jià)上漲對制造業(yè)就業(yè)產(chǎn)生了一定的“擠出效應(yīng)”，但“需求效應(yīng)”和“抵押擔(dān)保效應(yīng)”使得房價(jià)上漲最終增加了制造業(yè)企業(yè)的勞動(dòng)力雇傭。因而，制造業(yè)“用工難”的破解之道需要從其他方面著手去解決，如確保勞動(dòng)力信息流暢、加強(qiáng)職業(yè)培訓(xùn)，增加勞動(dòng)力市場的供需匹配等。

參考文獻(xiàn)：

[1] Elliott J W. Wealth and wealth proxies in a permanent income model [J]. Quarterly Journal of Economics， 1980， 95（3）： 509-535.

[2] Bhatia K. Real estate assets and consumer spending [J]. Quarterly Journal of Economics， 1987， 102（2）： 437-444.

[3] Case K E， Quigley J M， Shiller R. Comparing wealth effects： The stock market versus the housing market [J]. Advances in Macroeconomics， 2005， 5（1）： 1-30.

[4] Case K E， Quigley J M， Shiller R. Wealth effect revisted： 1975—2012 [R]. Cowles Foundation Disccussion Paper， 2013， No. 1784.

[5] Mian A， Sufi A. What explains the 2007—2009 drop in employment？ [J]. Econometrica， 2004， 82（6）： 2197-2223.

[6] 趙西亮， 梁文泉， 李實(shí). 房價(jià)上漲能夠解釋中國城鎮(zhèn)居民高儲蓄率嗎——基于CHIP微觀數(shù)據(jù)的實(shí)證分析 [J]. 經(jīng)濟(jì)學(xué)（季刊）， 2013（1）： 81-102.

[7] 陳斌開， 楊汝岱. 土地供給、住房價(jià)格與中國城鎮(zhèn)居民儲蓄 [J]. 經(jīng)濟(jì)研究， 2013（1）： 110-122.

[8] Chaney T， Sraer D， Thesmar D. The collateral channel： How real estate shocks affect corporate investment [J]. American Economic Review， 2012， 102（6）： 2381-2409.

[9] Gan J. Debt capacity and corporate investment： Evidence from a natural experiment [J]. Journal of Financial Economics， 2007， 85： 709-734.

[10]曾海艦. 房產(chǎn)價(jià)值與公司投融資變動(dòng)、抵押擔(dān)保渠道效應(yīng)的中國經(jīng)驗(yàn)證據(jù) [J]. 管理世界， 2012（5）： 125-136.

[11]黃健柏， 徐震， 徐珊. 土地價(jià)格扭曲、企業(yè)屬性與過度投資——基于中國工業(yè)企業(yè)數(shù)據(jù)和城市地價(jià)數(shù)據(jù)的實(shí)證研究 [J]. 中國工業(yè)經(jīng)濟(jì)， 2015（3）： 57-69.

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

[13]羅知， 張川川. 信貸擴(kuò)張、房地產(chǎn)投資與制造業(yè)部門的資源配置效率 [J]. 金融研究， 2015（7）： 60-75.

[14]Schmalz M， Sraer D， Thesmar D. Housing collateral and entrepreneurship [R]. CEPR Working Paper， 2014.

[15]Kerr S， Kerr W， Nanda R. House money and entrepreneurship [R]. NBER Working Paper， No. 21458， 2015.

[16]吳曉瑜， 王敏， 李力行. 中國的高房價(jià)是否阻礙了創(chuàng)業(yè)？ [J]. 經(jīng)濟(jì)研究， 2014（4）： 121-134.

[17]Bernanke B， Gertler M， Gilchrist S. The financial accelerator in a quantitative business cycle framework [J]. Handbook of Macroeconomics， 1996， 1： 1341-1393.

[18]Kiyotaki N， Moore J. Credit cycles [J]. Journal of Political Economy， 1997， 105： 211-248.

[19]Iacoviello M. House prices， borrowing constraints， and monetary policy in the business cycle [J]. American Economic Review， 2015， 95（3）： 739-764.

[20]Iacoviello M， Neri S. Housing market spillovers： Evidence from an estimated DSGE model [J]. American Economic Journal： Macroeconomics， 2010， 2： 125-164.

[LL][21]Liu Z， Wang P， Zha T. Landprice dynamics and macroeconomic fluctuations [J]. Econometrica， 2013， 81（3）： 1147-1184.

[22]Favilukis J， Ludvigson S， Van Nieuwerburgh S. The macroeconomic effects of housing wealth， housing finance， and limited risksharing in general equilibrium [R]. LSE Working Paper， 2015.

[23]Giroud X， Mueller H M. Firm leverage， consumer demand， and unemployment during the great recession [J]. Quarterly Journal of Economics， 2017， 132： 271-316.

[24]Adelino M， Schoar A， Severino F. House prices， collateral and selfemployment [J]. Journal of Financial Economics， 2015， 117： 288-306.

[25]Charles K， Hurst E， Notowidigdo M J. Housing booms and busts， labor market opportunities， and college attendance [R]. Working Paper， University of Chicago， 2016.

[26]吳海民. 資產(chǎn)價(jià)格波動(dòng)、通貨膨脹與產(chǎn)業(yè)“空心化” ——基于我國沿海地區(qū)民營工業(yè)面板數(shù)據(jù)的實(shí)證研究 [J]. 中國工業(yè)經(jīng)濟(jì)， 2012（1）： 46-56.

[27]Cai H， Liu Q. Competition and corporate tax avoidance： Evidence from Chinese industrial firms [J]. The Economic Journal， 2009， 119： 764-795.

[28]聶輝華， 江艇， 楊汝岱. 中國工業(yè)企業(yè)數(shù)據(jù)庫的使用現(xiàn)狀和潛在問題 [J]. 世界經(jīng)濟(jì)， 2012（5）： 142-158.

[29]吳利學(xué)， 葉素云， 傅曉霞. 中國制造業(yè)生產(chǎn)提升的來源： 企業(yè)成長還是市場更替？ [J]. 管理世界， 2016（6）： 22-39.

[30]陳忠陽， 劉呂科. 企業(yè)信貸約束衡量研究評介 [J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)， 2009（5）： 124-128.

[31]張杰， 鄭文平， 翟福昕. 融資約束影響企業(yè)資本勞動(dòng)比嗎？——中國的經(jīng)驗(yàn)證據(jù) [J]. 經(jīng)濟(jì)學(xué)（季刊）， 2016（4）： 1029-1056.

[32]Ding S， Guariglia A， Knight J. Investment and financing contraints in China： Does working capital management make a difference [J]. Journal of Banking & Finance， 2013， 37： 1490-1507.

責(zé)任編輯、校對： 李再揚(yáng)