作者:黄裕洪 王正明
来源:《经济研究导刊》2021年第16期
        摘 要:选取2008—2017年长三角城市面板数据,实证研究房地产市场扩张对产业结构转型升级的内在影响。结果表明,房地产市场对产业结构演变的影响并非简单的线性关系,而是具有阶段性特征,具体表现为“U”形关系。在缓解内生性及控制其余变量后发现,房地产市场扩张初期对产业结构转型升级表现为抑制作用,随着房地产市场发展到更高阶段,房地产市场发展对于优化产业结构发挥正向积极作用。为进一步引导发挥房地产发展对产业
结构转型的推动作用,应当深化房地产市场改革,促进房地产产业与其他产业的融合发展。
        关键词:房地产市场;产业结构升级;长三角城市
        中图分类号:F293.3 文献标志码:A 文章编号:1673-291X(2021)16-0043-04
        房地产行业波及领域广,对各产业发展均可带来不可忽视的影响。房地产业不仅对建筑相关行业与房产服务业发挥重要影响,也会间接影响其他相关产业演变。1998年我国实行了房产制度改革,自此,中国房地产进入新的发展阶段,房地产行业成为地方发展的重要动力,对经济贡献不断提高。统计局相关数据显示,2018年房地产对GDP的贡献近6万亿元,增长速度为3.8%,与该年度经济形势比较而言,房地产发展仍然向好。关于房地产与产业结构转型升级的文献较为丰富,但是大多都基于国家或者省级数据,缺乏对城市的考察,同时也较少关于两者非线性关系的研究。为此,本文以相关研究理论作为基础,集中研究长三角城市房地产对产业结构转型升级的影响,更加深入探讨两者的非线性关系,并据此提出政策建议,为进一步深化对房地产与产业结构升级的科学认识,推动房地产改革与优化产业结构予以政策参考。
        一、文献回顾
        由于采用的方法与研究视角差异,国内外不同学者在房地产与产业结构升级的关系方面得出了不同研究结论,并未形成共识。邓洲(2017)基于世界投入产出数据库,研究后提出,就我国而言,房地产有助于产推动业结构优化升级,具体体现在促进要素成本结构与资本结构合理化、消耗过剩产能等方面[1]。蒲勇健等(2010)通过协整检验与误差修正模型、脉冲响应等方法,发现我国数据支持了房地产拉动三次产业发展的经验事实,但是房地产对三次产业的引领作用存在内部结构失衡[2]。刘斌斌等(2014)以我国省级面板数据实证分析得出了相似结论,不同之处在于,认为房地产行业发展对产业结构转型升级存在显著的区域异质性,在东部表现为前者对后者的抑制作用,而中部地区则相反,两者关系在西部地区不显著[3]。也有学者通过研究得出了与上述文献相反的结论,孙煜等(2018)研究发现,房地产发展对实体行业具有明显的挤出作用,不利于金融资本投入制造业,对产业结构升级发挥抑制作用,房地产拉动实体经济的边际效应不断弱化[4]。虽然现有研究就房地产发展与产业结构转型升级的关联存在广泛讨论,但是并未对长三角城市进行考察,两者非线性关联的深入研究更是缺乏。长三角城是我国重要的经济示范区域,寻求该城市房地产与产业结构优化升级良性循环的方案尤为重要。
        二、研究设计
        (一)模型构建
        本文的实证目的在于考察房地产行业发展对产业结构转型升级的影响,揭示两者间的因果关系,因此设定如下基准模型:
房地产利润        其中,lup代表产业结构转型升级,lesta为房地产行业发展,X是本文所控制的其他变量,分别为经济发展水平(lrgdp)、数字经济发展(ldig)、基础设施(lroad)、教育水平(ledu)、金融发展(lfin),?着it是随机扰动项。
        (二)指標构建与数据来源
        结合有关文献,本文所构建的被解释变量为产业结构转型升级,目前就该指标构建的方法中,产业结构指数法与产业结构比重衡量被广泛采用。后者主要是通过第二产业或者第三产业占国民生产总值比重表示产业结构,然而此方法仅侧重于产业结构的高级化而忽视合理化,全面反映产业结构优化。产业结构指数法则弥补了该缺陷,以此作为产业转型升级的替代性指标更具有科学性。借鉴王先柱等(2019)的做法,使用upjit=pxjt,upjit表示产业结构优化升级,其值越高,则说明产业结构水平越高,xjt为一、二、三次产业占GDP的比重[5]。
        房地产行业发展为核心解释变量,使用长三角各城市房地产从业人数表示。另外,本文还控制了经济发展水平、数字经济发展、基础设施、教育水平、金融发展等五个指标,分别采用人均GDP、邮电业务总量与GDP的比重、人均铺装道路面积(平方米)、高等院校在校人数、年末存贷款之和与GDP的比重衡量。
        本文所选取的指标数据来源于长三角城市26个城市2008—2017年《城市统计年鉴》,对于缺失的数据通过线性插值法及各地区统计公报信息填补,为缓解变量的波动性,减轻异方差对结果产生的干扰,对各指标进行取对数处理。
        三、实证结果分析
        基于模型I,借助Stata16.0分析软件,得出表1中的实证检验结果。依据该结果,可以将基准模型表示为:
        lup=0.524+0.031lesta+0.032lrgdp-0.027ldig-0.023 lroad+0.010ledu-0.079lfin
        表1中的被解释变量为产业结构转型升级,列(1)为未加入控制变量所得实证结果,可见房地产发展有助于促进产业结构转型升级,其系数为0.023,意味着房地产行业发展提升1
%,对产业结构转型升级的推动作用为2.3%,并且这种作用通过了1%的显著性检验。同时,在不断加入控制变量的过程中,房地产发展与产业结构转型的关系始终保持不变,而且其数值变动较小,稳健性较好。通过表1列(3)可知,经济发展水平、教育水平对产业结构转型升级均表现为促进作用,前者显著而后者并未通过5%的显著性检验,数字经济发展、基础设施与金融水平对产业结构转型表现为抑制作用。基准回归模型中忽视内生性考察,其结果可能会存在一定偏差。具体来说,产业结构较为完善和高级的地区,其房地产发展水平往往也越高,若内生性无法缓解,则实证检验结果将会存在一定问题。通过基准回归模型初步判断房地产发展与产业结构升级之间存在正向关联,这种关系在加入控制变量后仍然显著。
        为克服模型回归中内生性对实证检验的干扰,本文进一步使用GMM模型方法对基础模型进行修正,具体建模如下:
        其中,lupit_lag表示产业结构升级的滞后项,其余变量同模型(I)。克服内生性的主要方法为寻求工具变量(IV),然而关于IV的选取又分为两类,一类是寻外生变量,而另一种则使用模型核心变量的滞后项,若采用前者,则会面临IV合理性的选择,一旦在选取过程
中存在偏差,将会导致实证分析结果存在失误,结果不可信,而后者的优势在于被解释变量滞后项作为IV,能避免前者关于外生变量选择上可能会出现的问题。
        通过基准模型初步判定房地产对产业结构优化升级具有显著促进效应,那么两者之间是否存在非线性关系?为进一步探究两者间复杂关联,在模型(II)的基础上,将房地产发展的平方项纳入考察,构建模型(III)。