高宏霞 王成

摘   要：房地产价格调控一直以来都是地方政府关注的重点。本文基于创新资源协同视角，利用中国70个大中城市面板数据，从城市地理特征和经济特征两方面分别构建空间权重矩阵，利用偏微分方法和空间杜宾模型，研究创新资源协同、空间关联对城市房价影响的直接效应和空间溢出效应以及考察房地产行业动态性的调节作用。研究发现：在考虑城市地理特征和经济特征时，创新资源协同均会显著促进本城市房价上涨，空间效应以直接效应为主，而对邻近城市房价的空间溢出效应不明显;考虑空间关联作用时，创新资源协同空间关联在两类城市特征下均会显著促进本城市房价上涨，对邻近城市房价的空间溢出效应仅在考虑城市地理特征时成立，城市经济特征并不能增强创新资源协同空间关联的空间溢出效应;房地产行业动态性在创新资源协同、空间关联与城市房价之间关系的调节作用均不显著。

关键词：城市房价;创新资源协同;空间效应;行业动态性

DOI：10.3969/j.issn.1003-9031.2021.06.001

中图分类号：F293.3文献标识码：A           文章编号：1003-9031（2021）06-0003-11

一、引言及文献综述

城市是人才、资金、技术、知识等方面最为活跃的地方，是创新活动主要的空间载体。我国学者赵黎明（2002）等首先明确提出了城市创新系统理论，认为集中在城市地理区域范围内各个创新主体要素（政府、企业、高校和科研机构等）、创新客体要素（创新相关的物质、资源条件）在相关的制度约束和政策实施的创新过程中相互影响、相互作用、相辅相成中形成的社会经济系统。有关房地产行业特别是城市房价和要素以及创新之间的关系，已有學者进行了一定研究。余泳泽等（2017）学者从“房价—要素—创新”的传导角度开展研究，发现房价上涨的空间蔓延效应通过挤占创新资金负向影响周边城市技术创新活动。但张所地等（2019）发现城市创新性特征也会显著正向影响房地产市场，溢出效应显著，是引致中国房价分化的内爆力。然而，在城市创新系统内部，各类创新资源并不是单一的发挥作用对房价产生影响，各类创新资源之间的协同互动作用往往被忽视。值得关注的问题是城市内部各类创新资源的协同作用对房价究竟会产生怎样的影响？若考虑城市间创新资源协同作用的空间联系时，两者间的关系是否有变化？更进一步的，伴随着房地产行业的动态变化，其是否在创新资源协同、空间关联对城市房价的影响中产生某种调节作用？因此，探究城市创新系统内部各类创新资源的协同互动作用对城市房价的影响，以及考虑房地产行业的动态变化在其中的影响，对于地方政府进行房价调控具有重要的意义。

目前，从已有的相关文献来看，研究城市内部创新资源协同对房价影响的文献较为匮乏，与本文研究相关的文献主要从以下两个方面展开。

一是研究创新资源对房价的影响，相关文献多侧重探讨创新人才、创新资金、创新物质条件、创新技术等对房价的影响。王荣等（2016）从城市基础设施、创新投入和产出三个视角研究发现，房价受城市基础设施的影响最大，其次受城市创新产出的影响，城市基础设施和创新产出对房价均有正资本化效应，而城市创新投入对房价的影响不显著，但存在负相关的关系。冯珍等（2019）研究表明，住宅商品房价格会受到区域创新要素显著的促进作用，受到资金、技术要素的促进作用明显小于受到基础设施和人才要素的促进作用。杨木旺等（2020）研究得出，科技投入中 R&D 人数的显著增加是推高房价的主要原因，科技创新能力的产出和研发经费投入的正向影响较小。

二是研究创新资源集聚对房价的影响。况伟大（2013）认为，FDI对中国大中城市房价具有显著影响。范新英等（2018）通过构建人才、资金和技术集聚度等指标，利用空间杜宾面板数据模型实证得出，城市创新集聚能够促使房价上涨。李心雅（2015）认为人口在城市的大规模集聚，引起银行的房地产信贷规模的扩张，进而推动住房价格的上涨。此外，曾岚婷等（2019）从要素的空间流动视角，研究发现国际资本流动对房价有重要影响。

综上所述，关于创新资源对房价影响的相关文献，已有研究关注到要素、资源的集聚效应对房价的影响，同时还考虑到要素的空间流动，但仅从单一的要素或资源在一定时间段对房价所产生的影响进行了研究，在一定程度上缺乏考虑系统内部各类资源之间协同互动的作用。而从协同的角度来看，相关研究更多关注政府、企业和大学以及科研机构等主体要素之间的协同创新，很少从城市创新系统内部各类创新资源协同作用的视角来研究创新资源协同对城市房价的影响。因此，本文基于城市创新系统理论以及协同的视角，从城市地理特征和经济特征两方面构建空间权重矩阵，利用Lesage&Pace（2009）的偏微分方法和空间杜宾面板模型，研究创新资源协同对城市房价影响的直接效应和空间溢出效应，同时检验了考虑空间关联作用时两者的关系。在此基础上，将行业动态性纳入研究框架，考察房地产行业动态性在创新资源协同、空间关联与城市房价之间关系的调节作用。

二、理论分析与研究假设

德国物理学家赫尔曼·哈肯于上世纪60年代中期首次提出协同理论，其最初出现在科学领域，而非经济学领域。“协同效应”是协同作用所产生的效果，是在一个开放的系统内多个子系统之间相互作用所产生的整体效果。“协同”就是将两个或两个以上不同的资源或不同的个体进行合理的搭配组合，从而达到个人或组织所期成果的过程或能力，而且协同作用产生的整体效果大于个体所产生效果的简单加总。关于创新资源集聚的内涵，从静态视角来看，是指地区的创新资源在某一时点所积累的总体数量以及各个创新主体之间对创新资源的分配情况;从动态视角来看，是指创新资源在地区不断地积累和优化以及整合的动态变化过程。一般情况下， 创新资源集聚可以被看做是高技术领域内相互关联的企业或机构在一定的地理位置上的集聚，即高技术企业的集聚化或高技术的产业集聚。此外，创新资源协同会在区域间创新资源协同势差以及空间的相互作用下促使创新资源在各个城市之间的流动。同时，人们为了满足其需求所进行的社会经济活动，使得城市内聚集了各种各样的创新要素，通过有效资源配置形成了显著的要素集聚效应和协同效应，从而拉动了该地区技术的不断进步和经济发展水平的不断提高。创新集聚水平高的城市依靠完善的基础设施和便利的交通以及高效的信息资源，产生了比其他城市更多的学习曲线效应和经验效应，吸引了大量的创新人才和资本的流入，产生了“虹吸效应”，进而使得房地产市场蓬勃发展，催生房价上涨。

法国经济学家弗朗索瓦·佩鲁的“增长极”理论明确指出：经济增长不会同时出现在所有的行业和地区，而是首先出现和集中在有巨大资源优势的某些行业和地区，以其人才和资本的流动以及技术扩散来促进周边地区的经济增长。发展经济学家阿尔伯特·赫希曼的“极化效应”认为，增长极的产生势必会引起产业的集聚，将邻近地区的相关物质资源以及能源吸引到本地区，从而对邻近地区产业发展产生了负面的影响;其提出的“扩散效应”认为，随着经济增长中心地區的不断发展，在经济增长中心的周边地区，会获得经济增长中心地区的人才，资本等要素的不断流入，从而带动了本地区产业的不断发展，并且还指出由于发达地区的长期发展会拉动邻近地区经济的发展，长期来看这种扩散效应最终会大于极化效应。城市创新系统内部创新资源的协同互动和创新要素集聚所形成得协同效应和集聚效应可以不断增强城市的创新基础，从而对城市房地产行业特别是城市房价产生重要影响。根据熊彼特所提出的技术创新的完整过程即“发明—创新—扩散”，城市创新资源通过基础设施和通信渠道将现有的知识、信息和技术传播到周边地区，形成次级集聚点，有助于该地区形成良好的创新环境，从而吸引其他地区的企业特别是高新技术企业的进入，促进周边地区的创新活动和经济增长以及房地产市场的繁荣，对本地区房价以及邻近地区房价产生重要影响。而创新资源协同在各个地区间是动态联系的，创新资源要素会因各个地区间创新资源协同势差以及空间的相互作用而在区际单向、双向或多向流动和转换，能够更有效地转化为生产力，进而增强城市创新能力，从而推动房地产市场的繁荣和房价高企。

假设1：创新资源协同能够促进城市房价的上涨，创新资源协同对城市房价的影响存在空间效应。

假设2：创新资源协同空间关联对城市房价影响的空间效应存在差异性。

假设3：城市经济的发展能够减弱地理距离摩擦所带来的阻碍作用，可以极大改善房地产行业动态性对创新资源协同、空间关联与城市房价的调节作用。

三、研究设计

（一）计量模型的设定

基于研究主题，本文研究过程可以概括为：首先，初步检验了创新资源协同、空间关联对城市房价的影响以及行业动态性的调节作用;其次，采用Lesage&Pace（2009）的偏微分方法与空间杜宾模型对主要解释变量进行空间效应分解，进一步剖析创新资源协同、空间关联对城市房价影响的直接效应和空间溢出效应以及行业动态性的调节作用。因此，以自变量为创新资源协同IRC为例，构建如下的空间杜宾模型（解释变量为创新资源协同的空间关联时只需将下式中的IRC替换为IRCP）：

式（1）用来研究创新资源协同对城市房价的影响;？籽为自回归系数;Conts为相关控制变量;μ为地区固定效应;λ为时间固定效应;ε为随机误差项;W代表地理距离权重矩阵或经济距离权重矩阵。

式（2）用于研究行业动态性对创新资源协同与城市房价之间关系的调节作用。

（二）变量选取与数据来源

1.因变量

城市房价。用城市商品房平均销售价格作代理变量，以各城市所在省份的CPI进行平减转化为实际值，同时对变量做对数处理来尽可能的消除异方差。

2.自变量

自变量用于衡量城市创新资源协同，以及从动态角度考虑城市间创新资源协同的空间关联作用，为了尽可能的消除异方差将最终的综合变量做对数处理。

首先，借鉴余永泽等（2017）利用相应指标做平均处理的方法得到相对指标，可以消除地区之间面积大小、城市规模、人口规模等异质性带来的不可比因素，本文分别用技术服务和地质勘查业从业人员总数占年末总人口数量的比值、科学技术支出额占地方财政支出额的比值、固定资产投资额占地方生产总值的比值、互联网用户数占地方总人口数量的比值、专利授权数量占科学研究、技术服务和地质勘查业从业人员总数的比值依次作为创新人力资源（HR）、创新财力资源（FR）、创新物力资源（MR），创新信息资源（IR）、创新知识技术资源（KTR）的代理变量，从五个方面系统的衡量创新资源。

借鉴陈收等（2015）利用创新资源之间的交互作用来测度创新资源协同的方法：

其中，IRCPi用来度量城市i对其他城市的创新资源协同空间关联总量。

3.控制变量

参考已有的相关研究，本文主要从供求的角度，选取了商品房销售面积（Are）、人口规模（Pop）、产业结构（Ind）、交通状况（Yep）、教育水平（Edu）和医疗水平（Med）等方面。

4.调节变量

行业动态性（ED）。由于房地产行业的动态变化和不稳定性，本文以房地产行业动态性作为本文的调节变量，研究房地产行业动态性在创新资源协同以及其对应的空间关联对城市房价影响关系中的调节作用。借鉴Gregory等（1984）的度量方法，房地产行业动态性的处理方式为：先计算房地产行业商品房的平均销售收入，然后对时间虚拟变量进行计量回归便可得到其标准差，最后再用计算所得的标准差除以房地产行业每年的平均销售收入的均值即可。变量定义和描述性统计见表1。

四、实证结果与分析

（一）平稳性检验

为了防止使用面板数据造成伪回归，将本文各变量用LLC检验和IPS检验进行单位根检验，检验发现各变量均平稳，故可进行面板数据的计量回归（见表2）。

（二）空间相关检验

本文运用stata16的计量软件，以地理距离权重矩阵为基础测算了房价的 Morans I。发现2005—2019年我国69个大中城市多数年份的房价莫兰指数结果均大于0，且Z值大于1.96，这表明城市房价具有显著的空间正相关性，相似房价水平的区域有明显的空间集聚现象（见表3）。

（三）空间计量模型的识别

在检验房价具有空间相关性后，本文首先构建LM统计量检验是否符合空间滞后模型或空间误差模型二者之一。根据Anselin（1988）提出的判别标准发现，LMLAG、LMERR、R-LMLAG和R-LMERR均显著，故选择空间杜宾模型。其次，进行LR检验和Wald检验，进一步判断空间杜宾模型的拟合效果，即空间杜宾面板模型是否可以被空间滞后或空间误差模型替代而对本文的研究问题进行空间估计，结果表明本文选择空间杜宾面板模型进行分析更优。根据豪斯曼检验结果，本文空间杜宾面板模型選用固定效应模型。

（四）实证结果与分析

1.创新资源协同、空间关联对城市房价影响的初步检验

表4给出了地理距离和经济距离两类权重矩阵下，创新资源协同、空间关联对城市房价影响以及环境动态性对其二者间关系的调节作用的空间回归结果。模型（1）和模型（5）表示在两类权重矩阵下创新资源协同对城市房价影响的空间回归结果，模型（3）和模型（7）表示创新资源协同空间关联对城市房价影响的空间回归结果，模型（2）（4）（6）（8）则表示加入调节变量行业动态性的交互项IRC×ED和IRCP×ED后上述变量间的空间回归结果。

当自变量是创新资源协同时，在两类权重矩阵下，创新资源协同IRC的系数均为0.179，且通过了1%的显著性检验，这表明创新资源协同对城市房价存在正向的促进作用，即创新资源协同每提高1%，将促使房价上涨0.179%。加入行业动态性ED变量后，发现两类矩阵下的交互项IRC×ED的系数均未通过显著性检验，这表明考虑城市的地理和经济特征时，行业动态性对创新资源协同与城市房价之间关系没有显著的调节作用。

当自变量为创新资源协同空间关联时，两类权重矩阵下的回归系数分别为0.114和0.111，且在1%的水平上显著，说明创新资源协同空间关联在两类权重矩阵下均能促进房价上涨，即创新资源协同空间关联每提高1%，将分别促使房价上涨0.114%和0.111%。加入行业动态性ED变量后，两类权重矩阵下的交互项IRCP×ED的系数均未通过显著性检验，这说明考虑城市的地理和经济特征时，行业动态性在创新资源协同空间关联对城市房价的影响中也没有明显的调节作用。

2.创新资源协同、空间关联对城市房价影响的空间效应分解

为了进一步剖析创新资源协同、空间关联对城市房价影响的直接效应和空间溢出效应以及行业动态性的调节作用，参考已有的研究，利用Lesage&Pace（2009）偏微分方法进行空间效应分解更能够表征上述变量之间的关系。因此，本文将创新资源协同、空间关联对城市房价的影响（包括行业动态性的交互项）等主要解释变量的空间效应分解为直接效应、空间溢出效应和总效应（见表5）。

当自变量是创新资源协同时，观察地理距离和经济距离两类权重矩阵下的回归结果可知，创新资源协同的直接效应回归系数分别为0.180和0.178，均在1%的水平上显著，而空间溢出效应回归系数分别为0.015和-0.017，均未通过显著性检验，且两类权重矩阵下直接效应在总效应的占比均超过90%，这表明两类城市特征下我国城市创新资源协同会对本城市房价产生明显的促进作用，尚未对邻近城市房价产生显著的空间溢出效应，且创新资源协同所产生的空间效应以直接效应为主，即假设1成立。加入行业动态性ED变量后，发现两类权重矩阵下的交互项IRC×ED的直接效应和空间溢出效应系数均未通过显著性检验，这说明考虑城市地理和经济特征时，行业动态性在创新资源协同对本城市以及邻近城市房价的影响没有明显的调节作用，即假设3不成立。

当自变量为创新资源协同空间关联时，两类权重矩阵下创新资源协同空间关联的直接效应回归系数分别为0.113和0.111，均在1%的水平上显著，这表明创新资源协同空间关联在两类权重矩阵下对本城市房价有显著的正向影响。从创新资源协同空间关联的空间溢出效应来看，地理距离权重矩阵下空间溢出效应的回归系数为0.079，且在1%的水平上显著，这说明地理距离摩擦作用下创新资源协同空间关联对邻近城市房价具有显著的正向影响。经济距离权重矩阵下的空间溢出效应系数为-0.001，但未通过显著性检验，这说明考虑城市经济特征时，创新资源协同空间关联对邻近城市房价的正向影响不明显，即假设2成立。加入行业动态性ED变量后，发现两类权重矩阵下的交互项IRCP×ED的直接效应和空间溢出效应系数均未通过显著性检验，这说明考虑城市地理和经济特征时，行业动态性在创新资源协同空间关联对本城市和邻近城市房价的影响均没有明显的调节作用，即假设3不成立。值得关注的是，与地理距离权重矩阵相比，在经济距离权重矩阵下，创新资源协同空间关联的空间溢出效应回归系数由正值0.079变化为负值-0.001，显著性检验的结果也从1%的显著性水平变化为不显著，这在一定程度上说明考虑城市经济特征即城市的经济发展水平高低以及创新资源协同在区域之间的空间关联作用时，由于创新资源协同的空间效应主要以直接效应为主，往往会吸引邻近城市人才、资金等资源要素流入，这就使得本城市创新资源协同空间关联没有显著的溢出效应，即城市经济发展并不能增强创新资源协同空间关联对邻近城市房价的空间溢出效应。

五、结论与启示

（一）结论

本文采用2005—2019年中国70个大中城市面板数据，将考虑城市地理特征的地理距离权重矩阵和考虑城市经济特征的经济距离权重矩阵纳入到空间面板杜宾模型，初步检验了创新资源协同、空间关联对城市房价的影响以及行业动态性的调节作用，并采用Lesage&Pace（2009）的偏微分方法和空间杜宾模型对主要解释变量进行空间效应分解，剖析了创新资源协同、空间关联对城市房价影响的直接效应和空间溢出效应以及行业动态性的调节作用，也进一步验证了初步检验的相关结论。在上述的基础上对比分析了两类城市特征矩阵下的空间回归结果，通过空间效应分解综合得出以下结论：一是在考虑城市的地理特征和经济特征时，创新资源协同均会对本城市房价产生显著的促进作用，空间效应以直接效应为主，但对邻近城市房价的空间溢出效应不明显。二是创新资源协同空间关联在两类城市特征下均会对本城市房价产生显著的驱动作用;创新资源协同空间关联在地理距离权重矩阵下对邻近城市房价具有显著的正向影响，而在经济距离权重矩阵下的空间溢出效应不明显，进一步说明城市经济特征即城市经济的发展并不能增强创新资源协同空间关联对邻近城市房价的空间溢出效应。三是无论是地理距离权重矩阵还是在经济距离权重矩阵下，行业动态性在创新资源协同与城市房价之间的关系以及创新资源协同空间关联与城市房价之间关系的调节作用均不显著。

（二）启示

地方政府在进行房地产价格调控时，可以考虑以城市房价的高低对创新资源进行优化配置，因地施策。对于房价较高的城市，可以对创新资源进行合理的整合和优化配置，利用城市创新资源的“协同集聚效应”，为城市储备创新人才、创新资金和创新技术等，以城市为依托，增强城市的创新基础，稳定房价;同时，大力推进城市产业的优化升级，加强与房价较低城市的创新合作，支撑房地产市场繁荣。对于房价较低的城市，应该实施住房补贴等人才引进政策，对于一些由于区位因素导致宜居性相对不强的城市，可以从增强城市创新文化软实力着手，制定较为完善的人才引进和人才培养的长效机制以及提供丰厚的养老保障福利，不断提高城市的认可度，进而为推动房地产市场稳定发展奠定基础。

政府应加强城市间的合作与交流，鼓励形成协同有序的城市群，形成城市间“你中有我，我中有你”的良性互动。各城市群或城市之间的协同联动发展不仅有助于推动房地产市场的稳定繁荣和房价的合理上涨，还可以通过这种联动机制缓解房地产市场过热带来的不利影响。

（责任编辑：孟洁）

参考文献：

[1]赵黎明，冷晓明等.城市创新系统[M].天津：天津大学出版社，2002.

[2]王海杰，周毅博.战略性新兴产业与创新型城市的耦合机制研究——基于系统动力学的视角[J].当代经济研究，2012（9）：58-62.

[3]余泳泽，张少辉.城市房价、限购政策与技术创新[J].中国工业经济，2017（6）：98-116.

[4]张所地，程小燕.城市创新性特质对房价分化影响的实证研究[J].数理统计与管理，2019，38（1）：105-114.

[5]王荣，张所地.城市创新能力对商品房房价的影响分析[J].上海经济研究，2016（12）：113-119.

[6]冯珍，谭立元，张所地.区域创新要素对房价的影响研究[J].经济问题，2019（8）：99-104+120.

[7]杨木旺，孙斌艺，赵子良.科技创新能力、区域异质性与中国房价——基于31个省份的实证研究[J].重庆大学学报（社会科学版），2020，26（3）：50-65.

[8]况伟大.FDI与房价[J].经济理论与经济管理，2013（2）：51-58.

[9]范新英，张所地.创新集聚对城市房价影响的实证研究[J].经济问题探索，2018（1）：63-69.

[10]李心雅.人口集聚、银行信贷与住房价格波动[D].湘潭：湘潭大学，2015.

[11]曾岚婷，叶阿忠，杨建辉.国际资本流动对省域房价的异质性传导效应检验[J].统计与决策，2019，35（14）：141-145.

[12]白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015，50（7）：174-187.

[13]LeSage J，Pace R K.Introduction to spatial econometrics[M].New York：CRC Press，Taylor&Francis Group，2009.

[14]Haken H.Synergetics：An Introduction[M].Berlin：Springer-Verlag Berlin Heidelberg，1977.

[15]王慧军.企业协同创新管理：理论研究、运行机制及评价模型[M].大连：大连理工大学出版社，2017.

[16]陈菲琼，任森.创新资源集聚的主导因素研究：以浙江为例[J].科研管理，2011，32（1）：89-91.

[17]陈菲琼，韩莹.创新资源集聚的自组织机制研究[J].科学学研究，2009，27（8）：1246-1254.

[18]吕海萍，池仁勇，化祥雨.创新资源协同空间联系与区域经济增长——基于中国省域数据的实证研究[J].地理科学，2017，37（11）：1649-1658.

[19]吴传清，周晨晨.增长极理论在中国的新发展：基于学说史视角的考察[J].贵州社會科学，2013（10）：47-52.

[20]Hirschman，Albert O.The strategy of economic development[M].New Haven：Yale University Press，1958.

[21][美]熊彼特.经济发展理论[M].孔伟艳译.北京：北京出版社，2008.

[22]冯珍，谭立元，张所地.区域创新要素对房价的影响研究[J].经济问题，2019（8）：99-104+12.

[23]曲然.区域创新系统内创新资源配置研究[D].吉林：吉林大学，2005.

[24]马池顺.创新资源视角下的创新型城市成长研究[D].武汉：武汉理工大学，2013.

[25]陈收，施秀搏，吴世园.互补资源与创新资源协同对企业绩效的影响——行业动态性的调节.[J]系统工程，2015，3（1）：61-67.

[26]Gregory G.Dess and Donald W.Beard.Dimensions of Organizational Task Environments[J].Cornell University Graduate School of Management，1984，29（1）.

[27]AnselinL.Spatial Econometrics：Methods and Model[M].Boston：Kluwer Academic Publishers，1988.