李嘉琪 陳妍玲 郭文偉
摘? ?要:在闡明房價波動對全要素生產(chǎn)率的影響機(jī)理后,采用F?覿re-promont指數(shù)法測度我國259個地級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價波動對全要素生產(chǎn)率的影響及具體路徑。研究結(jié)論表明,在全國范圍內(nèi),房價波動會直接對全要素生產(chǎn)率生產(chǎn)明顯的抑制作用,也會通過降低規(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,還會通過空間溢出效應(yīng)對鄰市產(chǎn)生影響;東部、中部、西部和東北地區(qū)房價波動均顯著抑制全要素生產(chǎn)率增長但各自的影響途徑存在明顯差異,中部地區(qū)房價波動的抑制作用不存在空間溢出效應(yīng);政府財政獨(dú)立性和外商投資無助于提升全要素生產(chǎn)率。
關(guān)鍵詞:房價波動;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:F830? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼:A? ? ?文章編號: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)步對經(jīng)濟(jì)增長貢獻(xiàn)的因素(易綱等,2003),能刻畫由規(guī)模增長模式向創(chuàng)新驅(qū)動經(jīng)濟(jì)增長模式的轉(zhuǎn)變程度。當(dāng)前,我國企業(yè)的人口紅利和資源紅利等傳統(tǒng)優(yōu)勢正在趨于消失,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,我國全要素生產(chǎn)率增速才出現(xiàn)由降轉(zhuǎn)升的拐點,但至今我國的科技發(fā)展水平和資源配置效率仍與發(fā)達(dá)國家存在較大差距。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,房價波動是不容忽視的重要因素之一。當(dāng)前中國房價增速較快,2007年中國住宅均價為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。高房價加劇了我國經(jīng)濟(jì)的結(jié)構(gòu)失衡,導(dǎo)致整個社會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。因此,從理論和實踐上揭示我國房價波動對全要素生產(chǎn)率增長的機(jī)理、路徑,進(jìn)而提出緩解高房價抑制全要素生產(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)法合理測算我國259個地級市全要素生產(chǎn)率的變化趨勢并進(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價波動對于全要素生產(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東部、中部、西部和東北地區(qū)房價波動對全要素生產(chǎn)率及其影響路徑的差異。最終研究結(jié)果發(fā)現(xiàn),全國層面上房價波動會通過影響規(guī)模效率來顯著抑制全要素生產(chǎn)率增長,且這種抑制作用不僅作用于本市,還會通過空間溢出效應(yīng)對鄰市產(chǎn)生影響;與此同時,東部、中部、西部和東北地區(qū)房價波動抑制全要素生產(chǎn)率增長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)出增長率扣除各生產(chǎn)要素增長率后的殘差。該方法簡便易算,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。但局限性在于僅能計算單項產(chǎn)出時的全要素生產(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)法估計結(jié)果差異較大。DEA-Malmquist指數(shù)法是一種非參數(shù)測度方法(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的生產(chǎn)函數(shù)形態(tài)和要素價格信息,突破了以往僅能測算單項產(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)效率兩個部分組成,因而更貼合社會生產(chǎn)實際情況,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,該測量方法無法實現(xiàn)傳遞性檢驗(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,是目前國際上最新的測度方法,該指數(shù)具有乘法完備性,且效率分解完全,F(xiàn)P指數(shù)可以對全要素生產(chǎn)率進(jìn)行縱向和橫向兩個方向的比較(郭萍等,2013;黃祎等,2015)。
(二)房價波動影響全要素生產(chǎn)率的路徑研究
至今國內(nèi)外較少有關(guān)房價波動與全要素生產(chǎn)率之間關(guān)聯(lián)性方面的研究文獻(xiàn),大部分文獻(xiàn)集中研究房價波動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。在高房價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,將會導(dǎo)致資源配置在市場中分配失衡,產(chǎn)品和生產(chǎn)要素市場扭曲,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)指出過高的樓市價格對社會消費(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)一步加劇了社會資源的錯配并降低了資源配置效率。Restuccia et al.(2008)認(rèn)為高房價帶來的社會資源配置失效將會顯著降低全要素生產(chǎn)率。此外,朱喜等(2011)、Robert et al.(2014)通過實證表明,當(dāng)這種資本和勞動配置的扭曲被修正時,全要素生產(chǎn)率將得到顯著的提升。
在房價波動影響科技創(chuàng)新水平方面,部分學(xué)者認(rèn)為當(dāng)社會資源過度集中到房地產(chǎn)部門時,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)將對整個行業(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)論表明高房價對企業(yè)創(chuàng)新投入和對勞動力的擠出削弱企業(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和新技術(shù)的擴(kuò)散,科技人員的流動進(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)新資本對我國全要素生產(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(楊劍波,2009;吳敏潔等,2018)。
綜上所述,目前學(xué)界在研究房價波動是否會影響全要素生產(chǎn)率這一領(lǐng)域存在如下不足:一是研究視角的局限。研究房價水平對科技創(chuàng)新或資源配置效率的影響較為集中,直接研究房價波動對全要素生產(chǎn)率的影響較少;二是關(guān)于房價波動影響全要素生產(chǎn)率的影響路徑分析不夠充分??傮w上看,多數(shù)文獻(xiàn)僅研究了房價波動對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,同時也沒有區(qū)分我國不同地區(qū)房價波動對區(qū)域全要素生產(chǎn)率的影響差異。對此,本文將首先采用F?覿re-primont指數(shù)法合理測算我國259個地級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)一步探討房價波動影響全要素生產(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)探究影響我國全要素生產(chǎn)率的核心因素;結(jié)合全國259個地級及以上城市數(shù)據(jù)搭建房價波動—全要素生產(chǎn)率的實證模型,不僅從時間和空間兩個維度進(jìn)行研究,而且區(qū)分了全國和東部、中部、西部、東北地區(qū)兩個層面來展開實證。本文的研究特色在于:一是全面系統(tǒng)的研究對象。在我國293個地級及以上城市中,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象,最后挑選共259個地級及以上城市,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)分析房價對產(chǎn)業(yè)結(jié)構(gòu)升級的影響機(jī)制時,運(yùn)用的是時間序列或面板模型。這一方面忽視了房價波動對全要素生產(chǎn)率的非線性影響特征;另一方面,也無法進(jìn)一步揭示房價波動影響全要素生產(chǎn)率的具體路徑。對此,本文在合理測算全要素生產(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效率指標(biāo)的基礎(chǔ)上,先從時間維度揭示房價波動影響全要素生產(chǎn)率的具體路徑,進(jìn)而從空間維度探索房價波動對全要素生產(chǎn)率的空間溢出效應(yīng),最后比較我國不同地區(qū)之間房價對全要素生產(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)率增長一般表現(xiàn)為知識進(jìn)步、規(guī)模經(jīng)濟(jì)和資源配置效率改善等三個方面(Denison,1962)。F?覿re-promont指數(shù)法作為較新的測算方法,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)價格波動可能通過影響技術(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)增長理論認(rèn)為,技術(shù)進(jìn)步是由內(nèi)生決定的,國家之間的經(jīng)濟(jì)發(fā)展差距可以通過技術(shù)外部性和資本積累實現(xiàn),技術(shù)進(jìn)步還受制于創(chuàng)新研究能力。但過往我國房地產(chǎn)行業(yè)有著高回報、低風(fēng)險特點,加上房價保持增長,導(dǎo)致企業(yè)改變原投資結(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:房價波動會抑制全要素生產(chǎn)率增長;研究假設(shè)2:房價波動會通過降低技術(shù)效率進(jìn)而抑制全要素生產(chǎn)率增長。
在資源配置效率方面,房價上漲本身也吸引了實體經(jīng)濟(jì)企業(yè)(如工業(yè)等)自身的投資,當(dāng)這部分企業(yè)改變原有投資結(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,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)項目的資金,形成擠出效應(yīng)。全要素生產(chǎn)率提升的一個重要表現(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?;诖?,本文提出研究假設(shè)3:房價波動會通過減少規(guī)模效率抑制全要素生產(chǎn)率增長。
在產(chǎn)出組合方面,中國房地產(chǎn)屬于典型的高投高產(chǎn)的粗放型產(chǎn)業(yè),其對國民經(jīng)濟(jì)的拉動作用較為明顯,但與此同時,房價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)的利潤空間,生活成本的上升則壓縮了社會居民消費(fèi),最終在利潤下降和需求降低的雙重沖擊下,大部分缺乏核心競爭力的實體經(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?;诖?,本文提出研究假設(shè)4:房價波動會通過剩余混合效率抑制全要素生產(chǎn)率增長。
四、房價波動影響全要素生產(chǎn)率的實證分析
(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259個地級市作為研究對象。其中,城市發(fā)明授權(quán)量從中國知網(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)價格指數(shù)或者生產(chǎn)價格指數(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)計年鑒及城市統(tǒng)計年鑒。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。在實證中分別以全要素生產(chǎn)率及其三個分解指標(biāo)為因變量,以房價波動為核心自變量(以商品房銷售均價增長率衡量房價波動)。與此同時,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力,是十分有效的測度城市創(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,并加入房價波動與城市創(chuàng)新能力的交叉項。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。此外,東部地區(qū)全要素生產(chǎn)率顯著高于全國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,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代表我國各地級市,t代表各個年份,ε是隨機(jī)誤差項,β0表示截距,?茁i(i=1,2,…6)為各個自變量的估計系數(shù)。其中,式(9)是房價波動影響全要素生產(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,起著揭示房價波動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)動作用,因此城市的經(jīng)濟(jì)水平、全要素生產(chǎn)率和房價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價的空間溢出效應(yīng)的限制,將進(jìn)一步通過空間計量模型厘清城市房價波動對全要素生產(chǎn)率的影響機(jī)制,闡釋區(qū)域內(nèi)各城市房價的空間自相關(guān)性及其對全要素生產(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,即誤差項相互影響;空間通用模型(SAC),是前兩個模型的綜合形式,即因變量和誤差項都相互影響(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)為一個被測單元的行為會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)來識別和測度我國相鄰地級市間全要素生產(chǎn)率在空間上的溢出效應(yīng)。
(17)
其中,式(14)把鄰市房價波動和城市人口變化率等作為自變量,探究對本市全要素生產(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、房價波動、城市創(chuàng)新能力、房價波動與城市創(chuàng)新能力的乘積、財政自主權(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度單元總體變動的比例,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對多個單元均具有影響,可以用誤差項反映這種影響效應(yīng),故模型中應(yīng)該加入誤差項(王慶喜,2014)。設(shè)定為:
(18)
其中,λ是誤差項的空間自回歸系數(shù),Wε是空間誤差項的空間滯后向量;μ為擾動項,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為誤差項的空間自回歸系數(shù)。
(三)全國視角下房價波動對全要素生產(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
這里采用莫蘭值方法(MoranⅠ)來分析全國259地級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顯示了各地級市各指標(biāo)在2007—2016年期間的空間自相關(guān)走勢,各個指標(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(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。
2.房價波動對全要素生產(chǎn)率的影響及其影響路徑分析
這里以房價波動為自變量,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證模型。首先需要選擇合適的空間計量模型,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際數(shù)據(jù),如LM-lag檢驗、LM-error檢驗、兩個穩(wěn)健R-LMlag檢驗、R-LMerror檢驗、AIC準(zhǔn)則和LOG likelihood等指標(biāo)??梢詮目臻g相關(guān)性檢驗結(jié)果選擇合適的模型形式,若LM-lag在統(tǒng)計上比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、極大似然估計法下的SLM回歸和SEM回歸,并省去了單位根檢驗和協(xié)整檢驗,這是因為在面板回歸中不需要擔(dān)心出現(xiàn)偽回歸問題,并會給出一致估計(Philips and Moon,2000)。由F檢驗和Hausman檢驗結(jié)果決定選用固定效應(yīng)模型進(jìn)行實證,通過對式(9)—(12)進(jìn)行實證分析得到表3。
表3分別為房價波動對全要素生產(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??梢钥闯?,房價波動對全要素生產(chǎn)率的估計系數(shù)在5%的顯著水平上為負(fù),房價每上升1%時,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,該文指出房價每上漲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年的全國商品房銷售價格分別為3863元和7476元①,這期間房價累計增長了93.5%,由此導(dǎo)致我國全要素生產(chǎn)率將下降5.52%,可見房價波動對全要素生產(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,而房價波動與城市創(chuàng)新能力的交叉項也在10%的置信水平上與全要素生產(chǎn)率正相關(guān),這表明房價波動通過與創(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價波動對全要素生產(chǎn)率的抑制作用。其次,房價波動對技術(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。但房價波動對規(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,也即房價波動是通過影響規(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)率增長的重要組成部分,反映了當(dāng)生產(chǎn)要素等比例增加時,產(chǎn)出增加的比例大于要素投入量增加比例的情況,也即房價波動通過降低規(guī)模效率進(jìn)而抑制全要素生產(chǎn)率提升。這與現(xiàn)實情況也相吻合,房價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。最后,從控制變量來看,政府財政的獨(dú)立性、外商投資對全要素生產(chǎn)率均具有顯著的負(fù)面影響,這表明地區(qū)的財政支出增加或者財政收入減少均不利于全要素生產(chǎn)率增長。由于全要素生產(chǎn)率提升包括產(chǎn)業(yè)升級和優(yōu)化資源配置兩個方面,財政收入的減少意味著政府對高新技術(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,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,因為決定資源配置是否能優(yōu)化和產(chǎn)業(yè)轉(zhuǎn)型是否能升級的要害在于是否引入了高技術(shù)人才;與此同時,頻率較高的勞動力人口流動,也會加大企業(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。
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是房價波動對全要素生產(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對本市對應(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,資本便會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)。
對全要素生產(chǎn)率來說,在加入其他空間自相關(guān)項后,核心自變量—房價波動的回歸系數(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價波動對其自身全要素生產(chǎn)率依然存在顯著抑制作用,因此,研究假設(shè)1再次得到驗證。此外,同面板回歸結(jié)果相似,房價波動對技術(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,鄰市房價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)域視角下房價波動對全要素生產(chǎn)率的影響分析
為了比較東部、中部、西部和東北地區(qū)房價波動對其全要素生產(chǎn)率的影響及路徑分析,我們在原有模型基礎(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)的房價波動分別在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)房價波動對全要素生產(chǎn)率的影響程度最大,其房價每上漲1%,全要素增長率會降低0.91%;東部、中部和西部地區(qū)的影響系數(shù)則相對較小,分別為-0.0018、-0.00019和-0.0047,說明相比東北地區(qū),這三個區(qū)域內(nèi)房價波動對全要素生產(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;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)新能力對其全要素生產(chǎn)率具有一定的抑制作用;從房價波動與科技創(chuàng)新能力的交叉項來看,僅東部地區(qū)的交叉項顯著為正,這表明東部地區(qū)存在房價波動與科技創(chuàng)新能力的正向協(xié)同作用,在一定程度上緩解了房價波動對全要素生產(chǎn)率的抑制作用。從實際情況來看,我國東部地區(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)。盡管高房價會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)注入動力,為企業(yè)提供勞動力和產(chǎn)品服務(wù)需求,從而在一定程度減緩了高房價對區(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,這說明政府的財政獨(dú)立性、外商投資均抑制了全要素生產(chǎn)率,這與全國范圍的回歸結(jié)果相同。在人口流動方面,東部、中部的人口流動對全要素生產(chǎn)率呈促進(jìn)作用,但并不顯著;而西部和東北地區(qū)的人口流動則抑制了全要素生產(chǎn)率增長,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)。
在房價波動對全要素生產(chǎn)率的影響路徑方面,同全國范圍的影響路徑不同,不同區(qū)域內(nèi)房價波動對其全要素生產(chǎn)率的影響路徑不盡相同。東部和東北地區(qū)房價波動能夠顯著促進(jìn)剩余混合效率提升,中部地區(qū)房價波動則會顯著抑制技術(shù)效率提升,而西部地區(qū)房價波動則對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,是對現(xiàn)有資源最有效的利用。東部和東北地區(qū)房價波動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。房價波動通過抑制中部地區(qū)的技術(shù)效率影響其全要素生產(chǎn)率增長,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,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)因素影響且波動更大。高房價改變了企業(yè)原來的投資計劃,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。
這里進(jìn)一步考慮加入空間因素后,采用空間計量模型來分析各區(qū)域的情況。由于中部地區(qū)房價波動對全要素生產(chǎn)率的促進(jìn)或抑制作用不明顯;西部地區(qū)房價波動對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)房價波動對全要素生產(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)房價波動對全要素生產(chǎn)率存在顯著抑制作用。
首先,表7表明東部地區(qū)房價波動在10%的水平上顯著抑制全要素生產(chǎn)率,影響系數(shù)為-0.0012,其余變量的變動方向均與不加入空間項時的回歸結(jié)果相同,在此不再贅述。值得關(guān)注的是加入空間項后,房價波動對全要素生產(chǎn)率的影響途徑由剩余混合效率變?yōu)榱艘?guī)模效率;房價波動抑制了規(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),房價波動通過削弱規(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,集中了我國大量的金融、教育和科技資源,資源配置效率對全要素生產(chǎn)率的影響更為敏感。因此當(dāng)高房價使得資源出現(xiàn)錯配時,全要素生產(chǎn)率增長會由于規(guī)模效率減弱而被抑制。由此可見,房價波動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,對比表5和表8可以看出,加入空間項后,中部地區(qū)的房價波動對全要素生產(chǎn)率沒有顯著影響,即房價波動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)對鄰市產(chǎn)生影響。此外,西部地區(qū)房價波動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)的房價波動顯著抑制了全要素生產(chǎn)率。加入空間項后,房價波動通過對規(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,意味著兩個區(qū)域的經(jīng)濟(jì)發(fā)展對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,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259個地級及以上城市為研究對象,在測算全要素生產(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的空間面板回歸模型實證分析了我國各地級市以及東部、中部、西部和東北地區(qū)的房價波動對全要素生產(chǎn)率的影響機(jī)制。
第一,我國房價波動顯著抑制全要素生產(chǎn)率增長,但房價波動與城市創(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。高房價城市往往也是經(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,并會對周邊區(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,房價波動會通過降低城市規(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。也即,房價波動對全要素生產(chǎn)率的抑制作用主要表現(xiàn)為對資源配置效率的影響。政府財政的獨(dú)立性、外商投資對全要素生產(chǎn)率均具有顯著的負(fù)面影響,這表明地區(qū)的財政支出增加或者財政收入減少均不利于全要素生產(chǎn)率增長。
第二,房價波動通過空間溢出效應(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,我國城市房價波動依然會通過降低規(guī)模效率來抑制全要素生產(chǎn)率的提升;同時,我國城市全要素生產(chǎn)率存在空間上的正溢出,因此本市房價波動不但抑制自身全要素生產(chǎn)率,還會通過空間溢出效應(yīng)來抑制鄰市全要素生產(chǎn)率增長,這凸顯出房價波動對全要素生產(chǎn)率抑制效應(yīng)的空間擴(kuò)散性。
第三,國內(nèi)各區(qū)域(東部、中部、西部、東北地區(qū))房價波動對全要素生產(chǎn)率的直接抑制程度存在明顯差異。其中,東北地區(qū)房價波動對其全要素生產(chǎn)率的直接抑制效應(yīng)最大,而其他三個地區(qū)的直接抑制效應(yīng)相對較小。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;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)存在房價波動與科技創(chuàng)新能力的正向協(xié)同作用,在一定程度上緩解了房價波動對全要素生產(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、中部的人口流動對全要素生產(chǎn)率具有微弱的促進(jìn)作用,而西部和東北地區(qū)的人口流動則抑制了全要素生產(chǎn)率增長;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,國內(nèi)各區(qū)域(東部、中部、西部、東北地區(qū))房價波動對全要素生產(chǎn)率的間接影響路徑存在明顯差異。東部和東北地區(qū)的房價波動會通過顯著促進(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)房價波動則通過降低技術(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)房價波動通過規(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)控城市房價水平處在合理區(qū)間,注重短期調(diào)控與長效機(jī)制相結(jié)合,以實現(xiàn)城市房價與其全要素生產(chǎn)率增長的協(xié)調(diào)發(fā)展。由于房價波動顯著抑制全要素生產(chǎn)率的增長,要提升城市經(jīng)濟(jì)增長質(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,同時采取措施緩解房價,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,通過有意識的引入城市產(chǎn)業(yè)升級所需的外商投資項目來充分發(fā)揮外商投資對城市全要素生產(chǎn)率的積極促進(jìn)作用;另一方面,政府要通過降低企業(yè)和個人的稅費(fèi)來緩解由于高房價所帶來的過高企業(yè)生產(chǎn)成本和居民生活成本,與此同時,通過引導(dǎo)性政策鼓勵我國低收入地區(qū)的勞動密集型企業(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??茖W(xué)統(tǒng)籌社會投資與房地產(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,用好社會固定資產(chǎn)投資規(guī)模對全要素生產(chǎn)率的正向促進(jìn)作用,以地方政府專項債帶動擴(kuò)大有效投資,保障社會投資持續(xù)穩(wěn)定增長,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,我國已經(jīng)啟動城市群建設(shè),初步形成長三角、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,資源聚集使得房價也持續(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),推動跨域信息共享及多樣資源的優(yōu)化配置,促進(jìn)整個區(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.住房價格、資源錯配與中國工業(yè)企業(yè)生產(chǎn)率[J].世界經(jīng)濟(jì),2015(4):77-98.
[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)步與勞動力不充分就業(yè)[J].中國工業(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)動的經(jīng)濟(jì)增長——高新區(qū)全要素生產(chǎn)率增長的分解[J].中國軟科學(xué),2013(11):26-39.
[19]范斐,杜德斌,李恒,等.中國地級以上城市科技資源配置效率的時空格局[J].地理學(xué)報,2013,68(10):1331-1343.
[20]郭萍,余康,黃玉.中國農(nóng)業(yè)全要素生產(chǎn)率地區(qū)差異的變動與分解——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(自然科學(xué)版),2015(3):448-452.
[23]姜永宏,蔣偉杰.中國上市商業(yè)銀行效率和全要素生產(chǎn)率研究——基Hicks-Moorsteen TFP指數(shù)的一個分析框架[J].中國工業(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)施與中國全要素生產(chǎn)率增長——基于省域數(shù)據(jù)的空間面板計量分析[J].中國工業(yè)經(jīng)濟(jì),2010(3):54-64.
[26]劉宏偉,吳杰,梁雯,等.中國公路運(yùn)輸全要素生產(chǎn)率時空演化及區(qū)域競爭——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.房價上漲對工業(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——基于省際面板數(shù)據(jù)的經(jīng)驗研究[J].財經(jīng)科學(xué),2010(3):69-76.
[31]吳敏潔,程中華,徐常萍.R&D、FDI和出口對制造業(yè)環(huán)境全要素生產(chǎn)率影響的實證分析[J].統(tǒng)計與決策,2018(14):132-136.
[32]徐曄,宋曉薇.金融資源錯置會帶來全要素生產(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:基于DEA的實證分析[J].經(jīng)濟(jì)研究,2004(12):55-65.
[34]楊劍波.R&D創(chuàng)新對全要素生產(chǎn)率影響的計量分析[J].經(jīng)濟(jì)經(jīng)緯,2009(6):19-22.
[35]易綱,樊綱,李巖.關(guān)于中國經(jīng)濟(jì)增長與全要素生產(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.高房價對行業(yè)全要素生產(chǎn)率的影響——來自中國工業(yè)企業(yè)數(shù)據(jù)庫的微觀證據(jù)[J].經(jīng)濟(jì)評論,2017(6):22-37.
[37]余泳澤,張少輝.城市房價、限購政策與技術(shù)創(chuàng)新[J].中國工業(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.上海市房價增長對工業(yè)企業(yè)創(chuàng)新的影響——基于勞動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.