房地产业发展降低了制造业全要素生产率吗？
来源:用户上传
作者:李波 汪浩瀚
摘 要： 房地产业过热发展与制造业全要素生产率水平较低是目前我国经济发展的两大特征，房地产业的发展对制造业的发展可能存在挤出效应。为考察房地产业发展对制造业全要素生产率的影响，运用参数法测算了各省的制造业TFP情况，然后选取房地产投资变化率、房地产商品房价格变化率作为衡量房地产业发展的指标，基于2001—2017年我国30个省份的面板数据，构建动态面板模型，分地区、分时间，实证检验了房地产业发展与制造业全要素生产率之间的关系。研究结果表明：总体上看房地产业的过热发展阻碍了制造业全要素生产率的提高;分地区来看，房地产业对制造业全要素生产率的负向影响从东部向西部递减;分时间来看，房地产业对制造业全要素生产率的影响呈明显的倒“U”型。
关 键 词： 房地产投资;房地产价格;制造业全要素生产率;两步系统GMM
DOI： 10.16315/j.stm.2020.02.007
中图分类号： F062.9 文献标志码： A
Does the development of the real estate industry reduce the total factor
productivity of the manufacturing industry ？ ：
empirical research on panel data from 30 provinces in China
LI Bo， WANG Hao-han
（Business School，Ningbo University，Ningbo 315211，China）
Abstract： The overheated development of the real estate industry and the low level of total factor productivity in the manufacturing industry are two major characteristics of Chinas current economic development. The development of the real estate industry may have a crowding out effect on the development of the manufacturing industry. In order to investigate the impact of the development of real estate industry on the total factor productivity of the manufacturing industry， this paper uses the parameter method to measure the manufacturing TFP situation of each province， then select the real estate investment rate of change， the rate of change in housing prices as a measure of the development of the real estate industry， panel data of 30 provinces in China， constructing a dynamic panel model， sub-regional and time-sharing， empirically test the relationship between real estate industry development and total factor productivity of manufacturing. The results show that， on the whole， the overheated development of the real estate industry has significantly hindered the improvement of the total factor productivity of the manufacturing industry. From a regional perspective， the negative impact of the real estate industry on the total factor productivity of the manufacturing industry is decreasing from the east to the west. From a time perspective， the impact of the real estate industry on the total factor productivity of the manufacturing industry is obviously inverted “U” type.
Keywords： real estate investment; real estate price; manufacturing total factor productivity; two-step system GMM
實体经济是改善人民生活水平、稳定经济增长的核心支柱力量，而实体经济中最主要的代表就是制造业。我国的经济发展离不开制造业的带动，尤其是劳动密集型制造业在我国改革开放的初期起到了巨大的推动作用。对于制造业的研究除了对劳动、资本等大量投入要素的研究以外，还有对制造业的全要素生产率（total factor productivity， TFP）的研究。我国一直是制造业大国而非制造业强国的一个很重要的原因就在于我国制造业的全要素生产率水平较低，产值增长大部分依靠劳动或资本要素投入的增加，而技术、效率等要素对于制造业发展的贡献则微乎其微。我国于2015年提出供给侧结构性改革，旨在淘汰低端落后产能，完成制造业的转型升级，其中很重要的一个方面就是需要提高制造业的全要素生产率水平。 而我国当前的经济情况与制造业的“冷清”相对应的是房地产业的“过热”发展。根据国家统计局数据库资料显示，2007年，我国的房地产开发总额为25 277.16亿元，2017年猛升至109 758.16亿元，十年间增幅达到了334.21%。越来越多的企业开始把自己的主营业务放在利润率更高，投资回报更快的房地产业上，一些传统的制造业老牌企业也开始积极扩展自身在房地产市场上的影响力[1]。
房地产业与制造业两者之间的关系在近年开始引起一起学者的注意。房地产业的发展是促进了制造业的发展，或是抑制了制造业的发展，或是两者泾渭分明并没有实质性的相关关系，为了得出结论，本文进行了实证研究。
1 文献回顾
学术界直接研究房地产业发展与制造业全要素生产率两者之间关系的文献较少。研究房地产投资与制造业投资的较多，但对于两者的影响关系没有一个共识。李畅等[2]运用了我国1999—2011年全部31个省份的面板数据，采用了参数方法和非参数逐点回归方法进行研究，结果表明从全国范围来看，房地产投资在一定程度上促进了制造业的发展，但促进效应表现为“倒U型”，即房地产投资在制造业发展的中期正向影响更大，同时，房地产投资的影响在我国不同地区有着十分显著的差异;罗知等[3]运用中国工业企业数据和城镇居民的调查数据，从微观层面实证研究得出结论，房地产企业投资过热影响了银行的信贷情况，进而影响了制造业企业的信贷与投资，即房地产投资与制造业投资有明显的负向关系;陆桂贤等[4]运用1999—2015年我国30个地区（西藏除外）的面板数据，研究发现，在排除了制造业自身的经营状况对投资的影响后，整体上看房地产投资对制造业投资的挤出不成立，即房地产投资对制造业的投资没有明显的负向作用。
除此之外，研究房地产业对其他产业全要素生产率影响的文献主要有：陈斌开等[5]采用工业企业数据库数据，研究发现，房价上涨1%会导致资源再配置效率下降0.062%，进而导致我国工业企业全要素生产率下降0.045%，房地产业过热导致的高房价与工业企业的全要素生产率有着十分明显的反向作用;李江涛等[6]运用2001—2014年30个省份的面板数据，采用系统GMM方法，研究了房地产投资对工业全要素生产率的影响，结果表明，房地产投资与工业全要素生产率之间的关系表现为“倒U型”，说明房地产投资适度增加对提高工业全要素生产率有促进作用，而房地产投资过热则会抑制工业全要素生产率增长;董珍[7]以2003年国务院18号文件的颁布作为房价高增长的一次准自然实验，选取房价增长过快的城市为实验组，结果显示高房价显著抑制了企业全要素生产率增长，且这一影响主要是通过降低企业融资成本和推高企业劳动力成本产生的。
上述文献为本文的研究提供了必要的研究基础和理论依据，本文在已有研究的基础上，将房地产业发展水平具体化为房地产投资水平和房地产商品房价格水平，进一步研究房地产业对于制造业全要素生产率的影响，主要聚焦3个问题：我国制造业全要素生产率情况是怎样的;房地产业的发展对制造业的全要素生产率起着促进作用或是抑制作用还是其他情况;房地产业的发展对制造业的全要素生产率的影响是否存在地区上或者时间上的显著差异。
2 制造业全要素生产率的测算
2.1 测算方法
Solow[8]将全要素生产率归结为产出增加时除要素投入增加外的部分，即技术进步。全要素生产率的测算方法主要有需要设定具体模型的参数法与不需要设定模型的非参数法两类[9]。本文选择参数法来测算我国各省的制造业全要素生产率情况。
使用参数法测算之前，需要对模型进行选择。主要的参数模型有Cobb-Douglas生產函数（C-D生产函数）与超越对数生产函数（Trans-log）[10]。本文选用了更为常见的C-D函数，函数设定如下：
ln yit=c+αln lit+βln kit+εit。 （1）
其中：ln yit、ln lit和ln kit分别表示产出、劳动投入和资本投入的对数值。式（1）的残差项包含了全要素生产率对数形式的信息。通常可以对式（1）进行估计从而获得对全要素生产率的估计值，也可以进一步计算得到全要素生产率增长率的结果。
2.2 指标选取与测算结果
由于西藏省制造业相关数据较少，本文选取我国除西藏省外的30个地方省份2001—2017年的制造业相关数据进行测算。各个变量的数据说明如下：
制造业产出（ln y）：由于部分省份缺乏制造业增加值的数据，本文使用各个省制造业的年度主营业务收入作为产出的衡量指标[11]。
劳动投入（ln l）：劳动投入指标通常的选择包括劳动投入的时间、劳动投入的薪酬或者劳动投入的人数。本文选择各个省份年末的制造业从业人数作为劳动投入的衡量指标。
固定资本存量（ln k）：本文参考单豪杰[12]的做法，采用永续盘存法估测各个省份不同时期的制造业固定资本存量，选择1978年各省市的固定资本存量作为基期资本存量;折旧率参考张军等[13]的假设，各省市折旧率均为9.6%。
以上3个指标在测算全要素生产率时均进行对数化处理，数据来源均为相应省份的统计年鉴。各指标的描述性统计，如表1所示。
以各省制造业的主营业务收入为权重加权计算得到的2001—2017年我国制造业全要素生产率增长率情况，如图1所示。
总体上来看制造业全要素生产率的增长率呈现下降趋势，2011—2015年甚至出现了较长时间的负增长。我国2001—2017年制造业TFP值，房地产投资额和房价变化情况，如图2所示。
可以看出，与制造业TFP值较低，增长缓慢相比，房地产业不论是从投资额还是房价水平来看都在2001—2017年间增长迅速，火热发展。 3 模型设定与变量选取
3.1 计量模型设定
本文选取房地产投资变化率和房地产商品房价格变化率作为主要解释变量，同时构建两者的交互项以衡量房地产业的发展水平。此外，全要素生产率具有动态变化的特征，即前一期的全要素生产率会对后一期的全要素生产率产生影响，因此本文还在模型中引入全要素生产率的一阶滞后项TFPit-1，最后动态面板模型设定如下[14]：
TFPit= β0+β1TFPit-1+β2Kit+β3Pit+
Controlit+μi+it， （2）
TFPit= β0+β1TFPit-1+β2Kit×Pit+
Controlit+μi+it， （3）
TFPit= β0+β1TFPit-1+β2Kit+β3Pit+
β4Kit×Pit+Controlit+μi+it。 （4）
其中：i表示省份，t表示年份，Kit、Pit分别表示不同省份在不同年份各自的房地产投资变化率和房地产商品房价格变化率;同时为了模型回归的稳健性，引入第i个省份在第t年的一系列控制变量Controlit，包括人均GDP、进出口总额、产业结构合理化和政府干预程度;μit为省份固定效应;εit为随机扰动项。
3.2 变量选取
本文以我国30个地方省份（西藏除外）2001—2017年的面板数据为样本，实证研究房地产业发展与制造业全要素生产率之间的关系，变量说明如下：
1）被解释变量。被解释变量为制造业全要素生产率（TFPit），具体测算方法和结果参见本文第3部分。
2）解释变量。制造业的全要素生产率（TFPit）的滞后一期（TFPit-1）;房地产投资变化率（Kit）：用各个省份房地产业开发投资的当期值与上一期值的比值进行表示;房地产商品房价格变化率（Pit）：用各个省份房地产业商品房售价的当期值与上一期值的比值进行表示。
3）控制变量。人均GDP（GDPit）：我国大多数省份房地产业与制造业的繁荣和当地的经济水平有很强的正向联系。本文用人均GDP水平来衡量不同省份不同时期的经济水平，数据以2000年GDP为基期，已做平减处理和对数化处理。
对外贸易（Tradeit）：对外贸易越发达的省份，越有机会通过与外国先进企业的合作、“干中学”等多种方式获得技术溢出，有利于全要素生产率的提高，本文选取进出口总额来衡量各个省份对外贸易的水平，原数据单位为千美元，已根据历年汇率转化为万人民币，同时也做了平减处理和对数化处理。
产业结构合理化水平（TLit）：产业结构合理化水平越高的地区，资源配置情况往往也较为合理，有利于制造业全要素生产率的提高。本文选用泰尔指数的倒数作为衡量产业结构合理化的指标[15]，计算公式为
TLit= 1 ∑ n i=1 Yi Y ln Yi Li / Y L 。 （5）
其中：TLit为各个省份不同时期产业结构合理化指数，Y为本省三大产业的总产值，L为本省三大产业的总就业人数，Yi/Y表示产出结构状况，Y/L表示生产率水平。
政府干预程度（Ferit）。房地产业作为我国垄断色彩较重的产业与政府的联系相当紧密，同时政府的干预过高会削弱企业的创新积极性，可能会降低全要素生产率。本文的政府干预计算公式为
Ferit= （CSit-CIit） CIit 。 （6）
其中：CSit表示各省份当年的财政支出，CIit表示各个省份当年的财政收入，两个指标均选择使用当年的决算数。
各个变量的描述性统计，如表2所示。
4 实证结果与分析
4.1 平稳性检验
由于选取的变量较多，为了避免伪回归情况，在实证之前需要先对各个变量进行平稳性检验。本文选用LLC检验和IPS检验2种方法，具体检验结果，如表3所示。
由表3可知，各个变量都平稳性检验结果都至少在10%的水平下显著，即各个变量都为平稳序列。
4.2 动态面板系统GMM估计
根据上文的理论分析并结合相关数据，利用Stata14软件对方程（2）～（4）采用两步系统GMM方法进行回归，回归结果，如表4所示。
方程（2）～（4）的回归结果中，AR（1）的值均小于0.05，AR（2）的值均大于0.05表明均通过序列相关检验，拒绝不存在一阶自相关的原假设，且变量并未存在二阶自相关;此外Sargan检验的伴随概率（P值）均大于10%，均没有拒绝原假设，表明工具变量的选择是有效的，说明模型的设定是合理的。
实证结果表明：前一期的制造业全要素生产率与当期的制造业全要素生产率显著呈正相关关系，验证了全要素生产率是一个动态持续累积的过程;解释变量及其交互项的回归系数值都为负，且都至少在10%的水平下显著，说明房地产投资、房地产商品房价格的提高都会显著降低当地省份制造业的全要素生产率水平。
就控制变量而言，对外贸易和人均GDP的系数为正，显著性结果较好，表明对外贸易的繁荣与人均经济水平的提高有助于制造业全要素生产率的增长;产业结构合理化指标、政府干预程度指标系数为负，但结果显著性较低。
4.3 分地区动态面板系统GMM估计
我国不同省份之间经济发展水平差异较大，房地产业与制造业的发展水平也不尽相同。因此本文还对我国三大地区分别进行了回归，回归结果，如表5所示。
由表5可知，东部地区房地产投资变化率（K）的回归系数为负，与全国的回归结果一致，表明房地产投资的提高，降低了东部地区制造业全要素生产率的提高，但是中部和西部的回归系数值却为正（虽然显著性水平较低甚至不显著），体现了较大的地域差异。主要原因在于，中西部地区的制造业中，如非金属冶炼，黑色金属冶炼等产业，与房地产业的关联度较高，因此对房地产业的投资也能在一定程度上帶动这些制造业的发展进而提高制造业的全要素生产率。 房地产商品房价格变化率（P）和交互项的回归系数在三大地区都为负，且显著性较高，这表明我国三大地区的房地产业发展都阻碍了制造业全要素生产率的提高，且商品房价格水平过高是主要原因。从三大地区方程（4）交互项的回归结果系数值来看，东部地区的绝对值最大，中部地区次之，西部地区最小，说明房地产业发展对制造业全要素生产率的负向影响从东部向西部递减，这也与我国三大地区房地产业的发展水平相符合。
4.4 分时段动态面板系统GMM估计
我国制造业全要素生产率的变化根据时间的不同，变化幅度差异较大，其中2005年和2011年是变化幅度最大的2年。为更好的考察房地产业发展与制造业全要素生产率之间的关系，本文将样本的时间段（2001—2017年）划分成3段，运用两步系统GMM方法且都加入控制变量，分别进行回归，回归结果，如表6所示。
从时间上来看，2001—2005年和2011—2017年，房地产投资变化率（K）、房地产商品房价格变化率（P）的回归系数都为负;而2006—2010年之间，房地产商品房价格变化率的回归系数仍为负，但是房地产投资变化率的回归系数为正，且在5%的水平下显著，表明在这一时间段，房地产投资的增加提高了制造业全要素生产率的水平。从方程（3）和方程（4）的交互项的回归结果来看，2001—2005年和2011—2017年系数显著为负，2006—2010年则显著为正，这说明我国房地产业对于制造业的全要素生产率影响存在明显的倒“U”型结果。
回归结果均能通过序列相关检验说明变量并未存在二阶自相关，同时也能通过Sargan检验，表明工具变量的选择是有效的。
5 结论与建议
本文选取2001—2017年全国30个地方省份（西藏除外）的面板数据为研究对象，运用C-D函数的参数模型，测算了我国各个省份的制造业全要素生产率情况，发现总体上制造业全要素生产率呈下降趋势;然后使用房地产投资变化率和房地产商品房价格变化率及其交互项作为房地产业发展的衡量指标，构建了动态面板模型，采用两步系统GMM法进行实证检验。结果表明我国房地产业发展对制造业全要素生产率存在较为明显的负向影响;分地区回归结果表明，房地产业发展对制造业TFP的负向影响从东部向西部递减;分时间回归结果表明，房地产业发展对制造业TFP的影响为倒“U”型结构。除此之外，人均GDP、对外贸易、政府干预程度也会对制造业全要素生产率产生一定影响。
根据上述结论，本文得到如下启示：过度的房地产投资会影响到制造业的投资规模，甚至缩减;房价的飞涨，高额的回报率也会吸引部分制造业厂商进军房地产市场，不利于本就薄弱的制造业产业发展。鉴于房地产业过热发展对制造业实体经济造成的危害，政府一方面需要加强宏观调控来缓解我国房地产业的过热发展，如：改善我国房地产市场的土地供给现状。既要对土地的供应量制定相应的计划，也要建立好我国多元化的住房供应体系，完善租房市场、二手房市场，切实保护人们的住房需求;另一方面需要更为有效的推动实体经济的快速发展，进而提高全要素生产率水平，如：通过政府担保、鼓励银行贷款等方式，让更多的中小型制造业企业有发展的空间，培育创新土壤，激发创新活力;通过补贴、出口退税等方式提高制造业企业的盈利水平，减小制造业企业向房地产业进军的趋势。
参考文献：
[1] 何珊珊.非房地产企业进入房地产行业对其全要素生产率的负面影响：基于中国A股上市公司数据的实证研究[J].当代财经，2018（2）：12.
[2] 李畅，谢家智，吴超.房地产投资与制造业：促进效应还是挤出效应：基于非参数逐点回归的实证分析[J].金融经济学研究，2013（9）：40.
[3] 罗知，张川川.信贷扩张、房地产投资与制造业部门的资源配置效率[J].金融研究，2015（7）：62.
[4] 陆桂贤，许承明.房地产投资挤出了制造业投资吗？—基于外部融资视角[J].学海，2017（4）：110.
[5] 陈斌开，金萧，欧阳涤非.住房价格、资源错配与中国工业企业生产率[J].世界经济，2015（4）：77.
[6] 李江涛，褚磊，纪建悦.房地产投资与工业企业全要素生产率[J].山东大学学报，2018（5）：135.
[7] 董珍.高房价降低了中国工业企业TFP吗：基于要素成本视角的研究[J].宏观经济研究，2018（10）：40.
[8] SOLOW R M.A Contribution to the Theory of Economic Growth[J].The Quarterly Journal of Economics，1956，70（1）：65.
[9] 鲁晓东，连玉君.中国工业企业全要素生产率估计：1999—2007[J].经济学，2012（2）：541.
[10] 田友春，卢盛荣，勒来群.方法、数据与全要素生产率测算差异[J].数量经济技术经济研究，2017（12）：22.
[11] ARELLANO M，BOND S.Some tests of specification for panel data：Monte Carlo evidence and an application to employment equations[J].Review of Economic Studies，1991（58）：277.
[12] 李小平，朱钟棣.中国工业行业的全要素生产率测算：基于分行业面板数据的研究[J].管理世界，2005（4）：56.
[13] 张军，吴桂英，张吉鹏.中国省际物质资本存量估计：1952—2000[J].经济研究，2004（10）：36.
[14] 潘红玉，刘亚茹.房价、金融发展与制造业产业结构升级：基于动态面板的经验分析[J].财经理论与实践，2019（1）：126.
[15] 干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）：6.
[编辑：厉艳飞]
收稿日期： 2019-09-19
基金项目： 国家自然科学基金项目（71773057）
作者简介： 李 波（1994—），男，硕士研究生;
汪浩瀚（1964—），男，教授，博士，博士生導师.
转载注明来源:https://www.xzbu.com/8/view-15274415.htm
