滕堂偉 諶丹華 胡森林

房?jī)r(jià)作為影響創(chuàng)新成本和地方品質(zhì)的重要因素，其與長(zhǎng)三角城市創(chuàng)新的關(guān)系亟待深入研究?；陂L(zhǎng)三角地區(qū)41個(gè)地級(jí)市2009—2018年的面板數(shù)據(jù)，首先刻畫了長(zhǎng)三角地區(qū)城市房?jī)r(jià)與創(chuàng)新能力的時(shí)空演化格局，其次運(yùn)用雙向固定模型、門檻回歸計(jì)量模型和工具變量法檢驗(yàn)了城市房?jī)r(jià)對(duì)創(chuàng)新的影響，并進(jìn)一步分析了城市人口規(guī)模變量對(duì)其的調(diào)節(jié)作用。結(jié)果表明：（1）2009—2018年，長(zhǎng)三角地區(qū)房?jī)r(jià)呈波動(dòng)上升，近年來(lái)增幅有所擴(kuò)大;在空間上，房?jī)r(jià)和創(chuàng)新能力具有相似的格局且存在“高房?jī)r(jià)—高創(chuàng)新”的“雙高”現(xiàn)象。（2）在考慮城市控制變量的情況下，城市人口規(guī)模對(duì)高房?jī)r(jià)與地區(qū)創(chuàng)新有著積極正向的調(diào)節(jié)作用，高房?jī)r(jià)對(duì)規(guī)模較大的城市存在創(chuàng)新升級(jí)的促進(jìn)作用，而對(duì)規(guī)模較小的城市則有擠出效應(yīng)，其結(jié)果通過(guò)內(nèi)生性檢驗(yàn)。（3）人口規(guī)模對(duì)地區(qū)創(chuàng)新存在雙門檻效應(yīng)。當(dāng)城市人口規(guī)模小于第一個(gè)門檻值（411.633萬(wàn)）時(shí)，高房?jī)r(jià)在此人口規(guī)模的城市中會(huì)顯著地抑制地區(qū)的創(chuàng)新能力;當(dāng)城市人口規(guī)模處于兩門檻值之間（411.633萬(wàn)< POPit ≤827.0萬(wàn)）時(shí)，高房?jī)r(jià)依舊抑制創(chuàng)新但其影響系數(shù)變小;當(dāng)城市人口規(guī)?？邕^(guò)第二個(gè)門檻值（827.0萬(wàn)）時(shí)，高房?jī)r(jià)與創(chuàng)新正相關(guān)，城市人口規(guī)模所帶來(lái)的正外部性在一定程度上彌補(bǔ)了高房?jī)r(jià)對(duì)創(chuàng)新的不利影響。因此，對(duì)于長(zhǎng)三角地區(qū)房地產(chǎn)行業(yè)應(yīng)“分城施策”，避免房地產(chǎn)泡沫現(xiàn)象的發(fā)生。

房?jī)r(jià); 技術(shù)創(chuàng)新; 城市人口規(guī)模; 長(zhǎng)三角

F299.23A006511

一、 引 言

伴隨著中國(guó)經(jīng)濟(jì)由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，創(chuàng)新被上升到國(guó)家發(fā)展核心的重要位置。在影響創(chuàng)新的諸多因素中，房?jī)r(jià)無(wú)疑會(huì)對(duì)一個(gè)地區(qū)的創(chuàng)新能力乃至高質(zhì)量發(fā)展產(chǎn)生重要影響 [1] 。近年來(lái)，快速上漲的房?jī)r(jià)已經(jīng)逐漸超過(guò)普通家庭所能承受的水平，引起了各級(jí)政府、各界學(xué)者、各類媒體到各個(gè)家庭的極大關(guān)注 [2] 。2017年黨的十九大報(bào)告明確了“堅(jiān)持房子是用來(lái)住的、不是用來(lái)炒的” 定位，為中國(guó)房地產(chǎn)發(fā)展奠定了發(fā)展基調(diào)。在此背景下，研究房?jī)r(jià)是否促進(jìn)或抑制了城市創(chuàng)新活動(dòng)及其調(diào)節(jié)機(jī)制具有重要的現(xiàn)實(shí)意義。

國(guó)內(nèi)外關(guān)于房?jī)r(jià)的研究大多集中于房地產(chǎn)的泡沫問(wèn)題 [3-6] 、中國(guó)房地產(chǎn)房?jī)r(jià)波動(dòng)的問(wèn)題 [7-9] 、房?jī)r(jià)與土地價(jià)格的關(guān)系 [10-12] 、房?jī)r(jià)上漲速度與企業(yè)投資決策的關(guān)系 [13-14] 。近年來(lái)，已有部分研究開始關(guān)注房地產(chǎn)對(duì)地區(qū)創(chuàng)新創(chuàng)業(yè)的影響。一方面，朱晨 [15] 、林嵩等 [16] 通過(guò)研究發(fā)現(xiàn)，房?jī)r(jià)上漲對(duì)工業(yè)企業(yè)創(chuàng)新有著顯著的負(fù)面影響，主要體現(xiàn)為房?jī)r(jià)的擠出效應(yīng);Rong等 [2] 通過(guò)使用1999—2007年中國(guó)制造業(yè)企業(yè)數(shù)據(jù)，發(fā)現(xiàn)房?jī)r(jià)上漲對(duì)制造業(yè)企業(yè)的創(chuàng)新有負(fù)面影響，且房?jī)r(jià)增長(zhǎng)率越高，這種負(fù)效應(yīng)越明顯。另一方面，諸多研究也發(fā)現(xiàn)高房?jī)r(jià)反而對(duì)創(chuàng)新起到了正向促進(jìn)作用，如：Berggren等 [17] 通過(guò)對(duì)瑞典的樣本研究發(fā)現(xiàn)，高房?jī)r(jià)對(duì)于創(chuàng)業(yè)起到了積極的促進(jìn)作用，且新興創(chuàng)業(yè)公司的數(shù)量會(huì)隨著房?jī)r(jià)每上升1%而相應(yīng)上升015%;Lin等 [18] 通過(guò)對(duì)中國(guó)2004—2015年的實(shí)證數(shù)據(jù)分析發(fā)現(xiàn)，高房?jī)r(jià)與城市創(chuàng)新人才正相關(guān)且對(duì)人才起到較強(qiáng)的吸引作用。在研究方法上，大多研究采用了多變量的普通面板數(shù)據(jù)計(jì)量模型 [19-21] ，也有部分關(guān)于空間效應(yīng)與空間異質(zhì)性的研究采用了空間計(jì)量模型 [22-23] 。

關(guān)于高房?jī)r(jià)對(duì)創(chuàng)新的影響研究仍存在爭(zhēng)議。一些研究得出高房?jī)r(jià)對(duì)于企業(yè)創(chuàng)業(yè)有著明顯的抑制作用，認(rèn)為其主要原因在于房地產(chǎn)業(yè)的高利潤(rùn)，使得大量資本因逐利而涌入房地產(chǎn)行業(yè)，直接減少了區(qū)域創(chuàng)新資金的投入，對(duì)區(qū)域創(chuàng)新造成了顯著的擠占效應(yīng) [16] ;另一方面，房?jī)r(jià)的迅速上漲在直接擠占創(chuàng)新資金的同時(shí)，還會(huì)間接帶來(lái)勞動(dòng)力成本的上升，當(dāng)?shù)貐^(qū)的房?jī)r(jià)上漲到一定程度時(shí)，會(huì)導(dǎo)致當(dāng)?shù)厣畛杀狙杆偕仙瑥亩鴰?lái)創(chuàng)新人才的大量流失，不利于當(dāng)?shù)貏?chuàng)新活動(dòng)的產(chǎn)生 [24] 。另一派學(xué)者則提出了不同的觀點(diǎn)，如：普蓂喆和鄭風(fēng)田 [25] 、吳曉瑜等 [26] 通過(guò)實(shí)證研究發(fā)現(xiàn)，高房?jī)r(jià)會(huì)促進(jìn)人才的創(chuàng)業(yè)行為，并認(rèn)為可能的原因在于高房?jī)r(jià)所具有的財(cái)富、投資、抵押效應(yīng)和替代效應(yīng)，其在一定程度上能促進(jìn)居民的創(chuàng)業(yè)概率;Rong等 [2] 通過(guò)研究長(zhǎng)三角城市房?jī)r(jià)的空間依賴與集聚性發(fā)現(xiàn)，收入、第三產(chǎn)業(yè)比重、舒適性對(duì)住宅的間接影響顯著，且城市工業(yè)結(jié)構(gòu)、創(chuàng)新能力和城市化程度在空間上存在一定差異;李永樂(lè)等 [19] 利用全國(guó)388個(gè)城市的數(shù)據(jù)進(jìn)行實(shí)證研究發(fā)現(xiàn)，房?jī)r(jià)對(duì)不同類型城市的創(chuàng)新影響具有分層次的、不同的影響，高房?jī)r(jià)對(duì)三四線城市的創(chuàng)新有著積極的促進(jìn)作用。另外，房?jī)r(jià)與技術(shù)創(chuàng)新的關(guān)系可能是非線性的，受到人口規(guī)模、居民消費(fèi)水平、制造業(yè)投入、工業(yè)企業(yè)的創(chuàng)新等方面的調(diào)節(jié)作用影響 [27-28] 。

綜上所述，學(xué)術(shù)界還未對(duì)房?jī)r(jià)與區(qū)域創(chuàng)新的影響達(dá)成一致結(jié)論。其主要原因在于，以往研究因研究時(shí)段、研究區(qū)域和研究方法等的不同造成了研究結(jié)果的差異。房?jī)r(jià)對(duì)于創(chuàng)新的影響不能作“一刀切”式的認(rèn)定，判斷其具有促進(jìn)或抑制作用，應(yīng)結(jié)合具體區(qū)域和發(fā)展階段分別進(jìn)行分析。長(zhǎng)三角是我國(guó)經(jīng)濟(jì)最活躍、創(chuàng)新能力最強(qiáng)的區(qū)域之一 [29] ，近年來(lái)其房?jī)r(jià)上升速度明顯，已處于高房?jī)r(jià)水平。因此，本文以長(zhǎng)三角這一典型區(qū)域?yàn)檠芯繉?duì)象，研究房?jī)r(jià)對(duì)創(chuàng)新的作用關(guān)系，并進(jìn)一步考察不同城市人口規(guī)模在房?jī)r(jià)與創(chuàng)新中的調(diào)節(jié)作用。由于投資回報(bào)率較高的房地產(chǎn)業(yè)對(duì)于創(chuàng)新資金存在直接的“擠占效應(yīng)”，一方面直接減少了對(duì)于創(chuàng)新的投資，另一方面間接增加了城市的勞動(dòng)力成本，進(jìn)一步推高當(dāng)?shù)厝瞬诺某鞘猩畛杀?，易造成?chuàng)新人才的流失，不利于當(dāng)?shù)氐膭?chuàng)新活動(dòng)。當(dāng)然，房?jī)r(jià)與創(chuàng)新之間可能存在非線性的關(guān)系，如程開明 [30] 發(fā)現(xiàn)，人口規(guī)模大的城市在人力資本積累、信息技術(shù)交流、基礎(chǔ)設(shè)施等方面具有創(chuàng)新活動(dòng)產(chǎn)生的絕對(duì)優(yōu)勢(shì)，故應(yīng)進(jìn)一步考慮不同城市人口規(guī)模下兩者之間的關(guān)系?；诖?，文章提出以下假設(shè)：

假設(shè)1：長(zhǎng)三角地區(qū)高房?jī)r(jià)對(duì)城市創(chuàng)新水平具有一定的抑制作用。

假設(shè)2：長(zhǎng)三角地區(qū)城市人口規(guī)模會(huì)正向調(diào)節(jié)高房?jī)r(jià)對(duì)于城市創(chuàng)新的抑制作用。

本研究能為中國(guó)其他后進(jìn)城市群地區(qū)的創(chuàng)新發(fā)展提供科學(xué)借鑒;同時(shí)由于長(zhǎng)三角地區(qū)的城市擁有發(fā)展環(huán)境相似、經(jīng)濟(jì)實(shí)力相當(dāng)、生活水平相近的特征 [31] ，能夠盡可能地消除自然地理環(huán)境、經(jīng)濟(jì)發(fā)展水平、營(yíng)商環(huán)境等因素差異造成的計(jì)量偏誤，從而獲得更加科學(xué)準(zhǔn)確的實(shí)證結(jié)果。

二、 研究設(shè)計(jì)

（一） 模型設(shè)定

根據(jù)前文的綜述與理論分析，本文的計(jì)量模型重點(diǎn)在于構(gòu)建檢驗(yàn)城市房?jī)r(jià)與創(chuàng)新能力的關(guān)系，兼論城市人口規(guī)模在此過(guò)程中的調(diào)節(jié)作用，本文的計(jì)量回歸模型設(shè)定如下：

Inno it-1 =α0+α1HP it +λj∑n j=1 C ijt +

ε it +ui+δt（1）

Inno it-1 =β 0 +β1HP it +β2POP+β3HP*

POP+λj∑n j=1 C ijt +μi+δt（2）

本文使用雙向固定效應(yīng)模型。式中， i代表城市，t 代表年份， Inno it-1? 用來(lái)衡量城市的技術(shù)創(chuàng)新能力， HP it? 代表各城市的房地產(chǎn)均價(jià)， POP 表示城市人口規(guī)模， HP*POP 代表房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)， C 代表其他的一系列控制變量， ε it? 為隨機(jī)擾動(dòng)項(xiàng)， μi 表示個(gè)體回歸效應(yīng)， δt 表示時(shí)間固定效應(yīng)，本文需要驗(yàn)證α1≤0，β1≤0且β3≥0。

為了進(jìn)一步探究城市人口規(guī)模如何調(diào)節(jié)房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的影響，本文以城市人口規(guī)模（ POP ）作為門檻變量進(jìn)行門檻效應(yīng)回歸分析，以驗(yàn)證不同城市人口規(guī)模地區(qū)的房?jī)r(jià)與創(chuàng)新能力之間的關(guān)系。門檻回歸模型如（3）所示：

Inno it-1 =γ0+γ1HP it ·Φ（POP it ≤θ）+

γ2HP it ·Φ（POP it >θ） +

∑n j=1 λjC ijt +ε it （3）

式中，γ1，γ2為待估門檻特征值;Φ（ ）為指示性函數(shù)，在門檻變量達(dá)到所需條件時(shí)，該函數(shù)值為1，否則為0;λj為其他控制變量的回歸系數(shù)。

（二）變量選擇

1. 被解釋變量：專利申請(qǐng)授權(quán)數(shù)

專利作為創(chuàng)新研究領(lǐng)域中最為廣泛使用的數(shù)據(jù)，其信息詳細(xì)、可獲取性強(qiáng)，具有可根據(jù)技術(shù)與區(qū)域細(xì)分的優(yōu)勢(shì) [3233] 。因此，本文使用各地級(jí)市的專利申請(qǐng)授權(quán)數(shù)（ Patent ）來(lái)衡量一個(gè)區(qū)域的創(chuàng)新能力，數(shù)據(jù)來(lái)源于CNRDS數(shù)據(jù)庫(kù)（2008—2018）。由于從專利申請(qǐng)到實(shí)際授權(quán)轉(zhuǎn)化需要一段時(shí)間，考慮到專利授權(quán)所反映的創(chuàng)新能力存在滯后性，本文根據(jù)已有研究 [34] 將模型中的專利數(shù)據(jù)滯后一期使用。

2. 核心解釋變量：房?jī)r(jià)（ House Price ）

房?jī)r(jià)的迅速上漲使得房地產(chǎn)行業(yè)成為高利潤(rùn)產(chǎn)業(yè)，并吸引大量資金，通過(guò)資金的“擠入效應(yīng)”抑制企業(yè)的創(chuàng)新投入，進(jìn)而對(duì)地區(qū)的創(chuàng)新產(chǎn)生抑制作用。因此，本文使用各地級(jí)市的商品住宅均價(jià)作為解釋變量，數(shù)據(jù)來(lái)源于全球變化科學(xué)研究數(shù)據(jù)出版系統(tǒng) [35] ，房?jī)r(jià)數(shù)據(jù)全部根據(jù) GDP 指數(shù)進(jìn)行以2009年為基準(zhǔn)年的平減操作。

3. 調(diào)節(jié)變量：城市人口規(guī)模（ POP ）

有學(xué)者通過(guò)中國(guó)城市面板數(shù)據(jù)揭示了城市人口規(guī)模對(duì)城市創(chuàng)新具有積極的正向影響，且城市人口規(guī)模的擴(kuò)張與多樣化集聚對(duì)城市創(chuàng)新具有強(qiáng)化促進(jìn)作用。因此，本文使用與房?jī)r(jià)數(shù)據(jù)配套的各地級(jí)市常住人口數(shù)量以衡量城市的規(guī)模。

4. 控制變量

（1） 經(jīng)濟(jì)發(fā)展水平（ pcGDP ）。經(jīng)濟(jì)發(fā)展水平對(duì)創(chuàng)新有著巨大的影響。有學(xué)者基于經(jīng)濟(jì)高質(zhì)量發(fā)展的“創(chuàng)新”內(nèi)涵及其驅(qū)動(dòng)機(jī)制，梳理了經(jīng)濟(jì)發(fā)展與創(chuàng)新存在的相關(guān)性并印證了科技創(chuàng)新對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的影響。因此，本文將地區(qū)的經(jīng)濟(jì)發(fā)展水平作為控制變量，以人均 GDP 來(lái)衡量，同樣以2009年為基期對(duì)數(shù)據(jù)進(jìn)行平減。

（2） 產(chǎn)業(yè)結(jié)構(gòu)（ IS ）。產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)對(duì)地區(qū)發(fā)展乃至創(chuàng)新能力有很大的影響。因此，本文選擇產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)作為控制變量，用第二產(chǎn)業(yè)占 GDP 的比重來(lái)衡量。

（3） 創(chuàng)新人才（ Talent ）。人才對(duì)地區(qū)創(chuàng)新發(fā)展至關(guān)重要 [36] 。本文使用科學(xué)研究、技術(shù)服務(wù)等從業(yè)人員數(shù)量作為創(chuàng)新人才的衡量指標(biāo)。

（4） 科研投入強(qiáng)度（ R&D ）。本文使用各地級(jí)市科技投入占 GDP 的比重來(lái)衡量科研投入的強(qiáng)度，以此作為城市科研重視情況的衡量指標(biāo)。

（5） 財(cái)政自主權(quán)（ FD ）。政府的財(cái)政收入與支出對(duì)區(qū)域的創(chuàng)新有著極大的影響。馮濤等 [37] 基于價(jià)值鏈視角對(duì)財(cái)政自主權(quán)與創(chuàng)新效率進(jìn)行分析，發(fā)現(xiàn)其能促進(jìn)區(qū)域的創(chuàng)新效率。因此，本文選擇財(cái)政自主權(quán)作為控制變量，使用地區(qū)財(cái)政預(yù)算內(nèi)支出/收入來(lái)衡量。

（6） 金融發(fā)展水平（ FIN）。金融發(fā)展水平與創(chuàng)新高度相關(guān)。因此，本文使用年末金融機(jī)構(gòu)存款與當(dāng)年GDP 的比值來(lái)衡量地區(qū)金融發(fā)展水平。

本文主要變量說(shuō)明如表1所示：

三、 長(zhǎng)三角房?jī)r(jià)與創(chuàng)新的時(shí)空演變格局

（一）長(zhǎng)三角地區(qū)房?jī)r(jià)時(shí)序分析

2009—2018年，長(zhǎng)三角區(qū)域房地產(chǎn)均價(jià)呈現(xiàn)波動(dòng)上升的態(tài)勢(shì)，且增長(zhǎng)率有所提高。十年間，長(zhǎng)三角地區(qū)的房?jī)r(jià)波動(dòng)可分為三個(gè)階段：穩(wěn)步增長(zhǎng)階段（2009—2011）、波動(dòng)變化階段（2012—2015）以及快速增長(zhǎng)階段（2016—2018）。在2016年之前，房?jī)r(jià)漲勢(shì)較為溫和，且存在漲跌等一系列波動(dòng)與起伏;而在2016年之后的價(jià)格漲勢(shì)明顯上升，表現(xiàn)出較為顯著的增勢(shì)，說(shuō)明長(zhǎng)三角地區(qū)近年來(lái)房?jī)r(jià)的上漲趨勢(shì)變得愈來(lái)愈明顯。

（二）長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力的時(shí)空格局刻畫

長(zhǎng)三角地區(qū)的房?jī)r(jià)出現(xiàn)明顯的兩極分化，東南高而西北低。使用ArcGIS對(duì)2009年和2018年長(zhǎng)三角地區(qū)房地產(chǎn)均價(jià)進(jìn)行空間可視化分析（圖1）可以發(fā)現(xiàn)，長(zhǎng)三角東南地區(qū)房地產(chǎn)價(jià)格偏高，而西北部地區(qū)房地產(chǎn)價(jià)格則相對(duì)偏低。從時(shí)序看，長(zhǎng)三角地區(qū)房地產(chǎn)價(jià)格在十年間均價(jià)的最低價(jià)與最高價(jià)均增長(zhǎng)不止一倍，由2009年的18176元/平方米增長(zhǎng)為2018年的最高52774元/平方米。從空間上來(lái)看，房?jī)r(jià)最高的區(qū)域始終集中于上海與杭州，且房?jī)r(jià)次高區(qū)域始終以上海為中心向外輻射擴(kuò)散。除上海之外，房?jī)r(jià)次高的城市主要有湖州、嘉興、臺(tái)州、麗水等。2018年，已經(jīng)形成了長(zhǎng)三角東南部房?jī)r(jià)普遍高于西北部的穩(wěn)定格局。另外，用2018年房?jī)r(jià)減去2009年房?jī)r(jià)（圖1c），可見房?jī)r(jià)漲幅最大的區(qū)域集中在上海、杭州、常州、連云港等城市，漲幅的高低分布呈現(xiàn)出“東南高—西北低”的態(tài)勢(shì)，與房?jī)r(jià)的時(shí)空演變格局有著相似的分布，說(shuō)明長(zhǎng)三角地區(qū)往往房?jī)r(jià)高的城市其漲幅也更大。

高創(chuàng)新產(chǎn)出區(qū)域主要集中在長(zhǎng)三角東南地區(qū)。對(duì)長(zhǎng)三角地區(qū)創(chuàng)新能力進(jìn)行空間可視化分析（圖2）可以發(fā)現(xiàn)，高創(chuàng)新產(chǎn)出區(qū)域主要集中在上海、杭州、蘇州等東部地區(qū)，次高創(chuàng)新產(chǎn)出區(qū)域主要集中于湖州、嘉興、紹興、臺(tái)州等長(zhǎng)三角東南部，而長(zhǎng)三角西北部地區(qū)創(chuàng)新產(chǎn)出水平普遍較低。從時(shí)序演變來(lái)看，長(zhǎng)三角地區(qū)十年間創(chuàng)新產(chǎn)出數(shù)量將近翻了一倍，由2009年最高52774件專利授權(quán)數(shù)發(fā)展到2018年的92460件。另外，用同樣的方式做出長(zhǎng)三角地區(qū)創(chuàng)新能力增幅圖（圖2c），可以發(fā)現(xiàn)創(chuàng)新能力增幅最大的城市主要集中于上海市、蘇州市、南京市和杭州市，其分布與長(zhǎng)三角地區(qū)房?jī)r(jià)時(shí)空演變格局相似，說(shuō)明創(chuàng)新能力基礎(chǔ)高的地區(qū)往往有著更大的發(fā)展?jié)摿Α?/p>

總的來(lái)說(shuō)，長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力具有相似的分布格局，皆表現(xiàn)出“東南地區(qū)高值且西北地區(qū)普遍為低值”的態(tài)勢(shì)，即房?jī)r(jià)與創(chuàng)新能力具有一定的相似性，長(zhǎng)三角地區(qū)存在著“高房?jī)r(jià)—高創(chuàng)新產(chǎn)出”的“雙高”現(xiàn)象。

四、 長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力的實(shí)證研究

（一）描述性分析

本文實(shí)證分析的樣本是長(zhǎng)三角地區(qū)2009—2018年期間41個(gè)地級(jí)市的平衡面板數(shù)據(jù)，極個(gè)別缺失值采用插值法補(bǔ)全。表2顯示了各個(gè)變量的描述性統(tǒng)計(jì)結(jié)果，可知所有數(shù)據(jù)沒(méi)有出現(xiàn)異常值的情況，平穩(wěn)性較好且所有變量的方差膨脹因子（ VIF ）均不超過(guò)5，故不存在明顯共線性的問(wèn)題。由表2中的數(shù)據(jù)可知，創(chuàng)新能力的最小值為39，最大值為92460，說(shuō)明長(zhǎng)三角地區(qū)創(chuàng)新能力還存在較大的地區(qū)差異性，房?jī)r(jià)、人均 GDP 的最大最小值差距也較大，因此長(zhǎng)三角地區(qū)在房地產(chǎn)、經(jīng)濟(jì)發(fā)展水平方面尚存有較大的區(qū)域異質(zhì)性。

（二）回歸分析

本文在經(jīng)過(guò)Hausman檢驗(yàn)后選擇雙向固定效應(yīng)面板模型，以三省一市作為穩(wěn)健標(biāo)準(zhǔn)誤的聚類標(biāo)準(zhǔn)。為了初步檢驗(yàn)房?jī)r(jià)與城市技術(shù)創(chuàng)新之間的關(guān)系，首先對(duì)房?jī)r(jià)與技術(shù)創(chuàng)新進(jìn)行普通面板回歸。表3列（1）顯示，在不考慮控制變量的情況下，高房?jī)r(jià)顯著促進(jìn)地區(qū)的創(chuàng)新，驗(yàn)證了前文所述的長(zhǎng)三角地區(qū)存在的“高房?jī)r(jià)—高創(chuàng)新產(chǎn)出”的“雙高”現(xiàn)象;加入控制變量后的表3列（2）顯示，高房?jī)r(jià)與地區(qū)的創(chuàng)新正相關(guān)，但未通過(guò)顯著性檢驗(yàn)，城市規(guī)模、創(chuàng)新人才與人均 GDP 分別在1%，5%和10%的水平下顯著地促進(jìn)地區(qū)的創(chuàng)新能力。

為進(jìn)一步探究房?jī)r(jià)通過(guò)何種機(jī)制對(duì)創(chuàng)新產(chǎn)生何種影響，本文加入房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)（ HP*POP ），進(jìn)一步回歸，得到表3列（3）的結(jié)果。在加入房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng) HP*POP 后，房?jī)r(jià)與地區(qū)創(chuàng)新能力呈現(xiàn)顯著的負(fù)向相關(guān)性，且通過(guò)1%的顯著性水平檢驗(yàn);房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng) HP*POP 與地區(qū)創(chuàng)新能力顯著正相關(guān)，且通過(guò)1%水平的顯著性檢驗(yàn)。城市人口規(guī)模 POP、pcGDP 、創(chuàng)新人才和創(chuàng)新研發(fā)投入與地區(qū)創(chuàng)新能力顯著正相關(guān)且通過(guò)1%水平下的顯著性檢驗(yàn)，一定程度上驗(yàn)證了假設(shè)1。

表3列（3）的模型結(jié)果說(shuō)明，在加入了城市人口規(guī)模的交互項(xiàng)后，房?jī)r(jià)對(duì)創(chuàng)新的作用受到城市人口規(guī)模的影響，城市人口規(guī)模越大，越能夠正向調(diào)節(jié)房?jī)r(jià)對(duì)創(chuàng)新的作用。同時(shí)，交互項(xiàng) HP*POP 通過(guò)1%水平的顯著性檢驗(yàn)且對(duì)城市技術(shù)創(chuàng)新起正向促進(jìn)作用，說(shuō)明城市人口規(guī)模擴(kuò)大會(huì)調(diào)節(jié)高房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的抑制作用，假設(shè)2得到驗(yàn)證，即：在長(zhǎng)三角地區(qū)，對(duì)城市人口規(guī)模較大的城市來(lái)說(shuō)，高房?jī)r(jià)能促進(jìn)創(chuàng)新，可體現(xiàn)高房?jī)r(jià)的“擠入效應(yīng)”;而對(duì)城市人口規(guī)模較小的城市來(lái)說(shuō)，高房?jī)r(jià)對(duì)于地區(qū)的創(chuàng)新則更多地體現(xiàn)為“擠出效應(yīng)”。因此，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的抑制或促進(jìn)影響會(huì)受到城市人口規(guī)模大小的調(diào)節(jié)，應(yīng)根據(jù)城市規(guī)模區(qū)分看待。

（三）門檻效應(yīng)分析

在對(duì)模型進(jìn)行回歸之前，首先對(duì)模型（3）的門檻值與門檻個(gè)數(shù)進(jìn)行檢驗(yàn)。本文使用Bootstrap法對(duì)樣本進(jìn)行重復(fù)抽樣500次，得到門檻值及相關(guān)的統(tǒng)計(jì)量，結(jié)果如表4所示。根據(jù)門檻 F 統(tǒng)計(jì)量的顯著性及其值的大小可以發(fā)現(xiàn)：城市人口規(guī)模對(duì)地區(qū)創(chuàng)新能力存在雙門檻效應(yīng)，門檻值θ1為411.633，門檻值θ2為827.0，兩門檻值分別通過(guò)5%與1%水平下的顯著性檢驗(yàn)（表4）。

表5顯示了城市人口規(guī)模的門檻效應(yīng)，房?jī)r(jià)對(duì)于地區(qū)創(chuàng)新的影響取決于門檻變量城市人口規(guī)模的取值范圍。結(jié)果顯示，當(dāng)城市人口規(guī)?！?11.633萬(wàn)人時(shí)，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力具有通過(guò)1%顯著性檢驗(yàn)的負(fù)向影響，說(shuō)明高房?jī)r(jià)在此人口規(guī)模的城市會(huì)顯著地抑制地區(qū)的創(chuàng)新能力，且房?jī)r(jià)每上升1個(gè)單位都會(huì)使地區(qū)創(chuàng)新能力降低1.515個(gè)單位。當(dāng)城市人口規(guī)模介于411.633萬(wàn)人～827.0萬(wàn)人時(shí)，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力有著顯著的負(fù)向抑制作用，房?jī)r(jià)每上升1個(gè)單位，地區(qū)創(chuàng)新能力會(huì)隨之下降0.453個(gè)單位，說(shuō)明房?jī)r(jià)對(duì)城市人口規(guī)模處于該區(qū)間范圍內(nèi)的地區(qū)依舊起著抑制創(chuàng)新的作用，但系數(shù)明顯減小。可見，高房?jī)r(jià)雖不利于地區(qū)創(chuàng)新，但大城市人口規(guī)模所帶來(lái)的正外部性在一定程度上彌補(bǔ)了高房?jī)r(jià)對(duì)創(chuàng)新的不利影響。

當(dāng)城市人口規(guī)模>8270萬(wàn)人時(shí)，房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力呈現(xiàn)通過(guò)1%水平顯著性檢驗(yàn)的正向相關(guān)關(guān)系，房?jī)r(jià)每上升1個(gè)單位會(huì)促進(jìn)地區(qū)創(chuàng)新增長(zhǎng)0386個(gè)單位。創(chuàng)新人才、科研投入與地區(qū)金融發(fā)展水平對(duì)地區(qū)創(chuàng)新呈現(xiàn)較強(qiáng)的正向促進(jìn)作用且皆通過(guò)1%水平的顯著性檢驗(yàn)。

以2018年長(zhǎng)三角地區(qū)41個(gè)城市的常住人口數(shù)量 POP 為例，將41個(gè)城市按照城市人口規(guī)模的兩個(gè)門檻值進(jìn)行劃分，最終把長(zhǎng)三角地區(qū)的城市分為三類（表6）。第一類城市為人口規(guī)模超過(guò)8270萬(wàn)人的大城市，目前處于該階段的城市主要包括上海、南京、徐州、蘇州、杭州、溫州。根據(jù)門檻效應(yīng)的回歸結(jié)果，在這六大城市中，高房?jī)r(jià)并未抑制城市的創(chuàng)新能力，反而兩者還有顯著的正相關(guān)關(guān)系。由于這類城市已經(jīng)處于城市化水平較高的地區(qū)，城市基礎(chǔ)設(shè)施較好且城市人口規(guī)模較大 [38] ，從房地產(chǎn)供需關(guān)系來(lái)看，其購(gòu)房需求更大，因此房?jī)r(jià)高實(shí)屬正常的市場(chǎng)現(xiàn)象。第二類城市為人口規(guī)模處于兩門檻之間的中型城市，主要有無(wú)錫、常州、南通、寧波、嘉興、紹興、合肥、安慶等20個(gè)城市。處于該階段的城市其高房?jī)r(jià)顯著抑制了城市的創(chuàng)新，但抑制效用相比于規(guī)模更小的城市而言較小 [19] 。除此之外，長(zhǎng)三角地區(qū)城市人口規(guī)模小于411.633萬(wàn)人的為第三類城市，具體包括鎮(zhèn)江、湖州、衢州、舟山、蕪湖、淮南、黃山等15個(gè)城市。這些城市中的高房?jī)r(jià)對(duì)地區(qū)創(chuàng)新起到顯著的抑制作用。該類城市由于城市發(fā)展水平在長(zhǎng)三角地區(qū)處于最具發(fā)展?jié)摿Φ碾A段，城市的人口規(guī)模較小，從市場(chǎng)供需角度來(lái)看，房?jī)r(jià)高屬于投機(jī)的虛高，因此對(duì)地區(qū)創(chuàng)新的資金虹吸效應(yīng)明顯 [9] ，對(duì)創(chuàng)新有著極其不利的影響。

（四）穩(wěn)健性檢驗(yàn)

1. 內(nèi)生性與2SLS回歸

技術(shù)創(chuàng)新活動(dòng)與房?jī)r(jià)常常有著內(nèi)在的聯(lián)立性，往往房?jī)r(jià)高的區(qū)域也會(huì)有較高的技術(shù)創(chuàng)新能力，因此這兩者可能存在一定的內(nèi)生性問(wèn)題。創(chuàng)新與房?jī)r(jià)存在相互聯(lián)系的原因主要在于：一方面，根據(jù)熊彼特的創(chuàng)新理論，創(chuàng)新是生產(chǎn)條件與要素的重新組合，高房?jī)r(jià)區(qū)域的要素稟賦、生產(chǎn)條件與經(jīng)濟(jì)發(fā)展水平往往都較好，有利于技術(shù)創(chuàng)新的產(chǎn)生，而創(chuàng)新又進(jìn)一步促進(jìn)了生產(chǎn)效率，從而推進(jìn)地區(qū)的經(jīng)濟(jì)增長(zhǎng)，對(duì)地區(qū)房?jī)r(jià)的上漲做出一定貢獻(xiàn) [39] 。另一方面，影響創(chuàng)新能力的因素多種多樣，而每種模型在構(gòu)建時(shí)都可能因遺漏變量而產(chǎn)生內(nèi)生性問(wèn)題。雖然本文已選擇了許多關(guān)于經(jīng)濟(jì)發(fā)展水平、創(chuàng)新人才、產(chǎn)業(yè)結(jié)構(gòu)與財(cái)政金融等方面的控制變量，但在現(xiàn)實(shí)中仍然無(wú)法涵蓋所有影響因素，存在遺漏變量的情況?；诖?，本文嘗試使用工具變量法以緩解可能存在的內(nèi)生性問(wèn)題。

根據(jù)工具變量法的原理，工具變量必須滿足僅與長(zhǎng)三角地區(qū)房?jī)r(jià)有內(nèi)在聯(lián)系而與地區(qū)創(chuàng)新能力沒(méi)有直接聯(lián)系。在房地產(chǎn)相關(guān)研究中，陸銘等 [40] 發(fā)現(xiàn)中國(guó)政府對(duì)東部地區(qū)土地供應(yīng)采取的緊縮壓縮策略導(dǎo)致東部地區(qū)的房?jī)r(jià)迅速上漲，由于土地作為房地產(chǎn)的重要投入要素其供應(yīng)情況將直接影響房?jī)r(jià)，故將城市的土地供應(yīng)狀況作為房?jī)r(jià)的工具變量;余泳澤和張少輝 [41] 、張杰等 [42] 選擇滯后一期的城市人均建設(shè)用地出讓面積作為城市房?jī)r(jià)的工具變量?；谇叭说难芯浚疚倪x擇各城市人均建設(shè)用地出讓面積作為城市房?jī)r(jià)的工具變量，并使用兩階段最小二乘法（2SLS）進(jìn)行檢驗(yàn)，工具變量數(shù)據(jù)來(lái)源于《中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒》。

表7為2SLS第一階段回歸，其結(jié)果顯示，無(wú)論是否加入控制變量，工具變量 IV與內(nèi)生變量HP 都表現(xiàn)出顯著的負(fù)相關(guān)性，通過(guò)5%水平下的顯著性檢驗(yàn)且 F值較大。這說(shuō)明內(nèi)生變量HP 與工具變量強(qiáng)相關(guān)，因此人均建設(shè)用地出讓面積會(huì)直接影響城市的房?jī)r(jià)，符合第一階段效應(yīng)檢驗(yàn)。

從第二階段回歸可以發(fā)現(xiàn)（表8）：在不包含控制變量的情況下，人均建設(shè)用地出讓面積顯著地促進(jìn)地區(qū)創(chuàng)新且通過(guò)5%水平的顯著性檢驗(yàn);在加入控制變量后，人均建設(shè)用地出讓面積與地區(qū)創(chuàng)新在10%水平下顯著正相關(guān)，其他控制變量系數(shù)與主回歸基本一致。這充分說(shuō)明，作為工具變量的人均建設(shè)用地可以通過(guò)房?jī)r(jià)正向影響當(dāng)?shù)貏?chuàng)新水平，結(jié)果基本通過(guò)模型穩(wěn)健性檢驗(yàn)。

2. 替換被解釋變量回歸

首先選擇滯后一期的發(fā)明型專利授權(quán)數(shù)作為第一組穩(wěn)健性檢驗(yàn)的替代指標(biāo)，結(jié)果顯示為表9列（1）。另外，為了避免單純以城市專利數(shù)量作為創(chuàng)新指標(biāo)而帶來(lái)的片面性，本文使用復(fù)旦大學(xué)產(chǎn)業(yè)發(fā)展研究中心編制的《中國(guó)城市和產(chǎn)業(yè)創(chuàng)新力報(bào)告2017》中的“城市創(chuàng)新力指數(shù)”作為城市創(chuàng)新能力的替代指標(biāo)。本文選擇了其中滯后兩期的41個(gè)長(zhǎng)三角城市的創(chuàng)新指數(shù)作為樣本，以增加實(shí)證研究的可信度;除此之外，為了緩解城市人口規(guī)?？赡艽嬖诘臐撛趦?nèi)生性問(wèn)題，本文使用滯后一期的城市人口規(guī)模 POP 作為替換變量作穩(wěn)健性檢驗(yàn)，結(jié)果顯示為表9列（3）。所有模型結(jié)果如表9所示：

列（1）結(jié)果顯示，房?jī)r(jià)與地區(qū)創(chuàng)新為通過(guò)1%水平顯著性的負(fù)向相關(guān)關(guān)系，交互項(xiàng) HP*POP 也通過(guò)1%水平下的顯著性檢驗(yàn)，且結(jié)果為正向顯著;城市人口規(guī)模、創(chuàng)新人才、研發(fā)投入強(qiáng)度與金融發(fā)展水平皆與地區(qū)創(chuàng)新能力顯著正相關(guān)，但產(chǎn)業(yè)結(jié)構(gòu)與地區(qū)創(chuàng)新能力則顯著負(fù)相關(guān)。列（2）中以滯后一期的“城市創(chuàng)新力指數(shù)”為被解釋變量的穩(wěn)健性檢驗(yàn)結(jié)果表明，房?jī)r(jià)與地區(qū)城市創(chuàng)新能力負(fù)相關(guān)且通過(guò)5%水平的顯著性檢驗(yàn)，房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)皆與之前回歸結(jié)果保持一致，且其系數(shù)與之前回歸結(jié)果相近。列（3）中以滯后一期的城市人口規(guī)模 POP 為調(diào)節(jié)變量的穩(wěn)健性檢驗(yàn)結(jié)果顯示，房?jī)r(jià)與地區(qū)創(chuàng)新顯著負(fù)相關(guān)且通過(guò)1%水平的檢驗(yàn)，城市人口規(guī)模依舊起到正向調(diào)節(jié)作用，且交互項(xiàng)同樣通過(guò)1%水平的顯著性檢驗(yàn)，其他變量與主回歸結(jié)果基本一致，通過(guò)穩(wěn)健性檢驗(yàn)。

五、 結(jié)論與啟示

本文通過(guò)對(duì)長(zhǎng)三角區(qū)域2009—2018年房地產(chǎn)均價(jià)與創(chuàng)新能力的數(shù)據(jù)進(jìn)行分析，首先簡(jiǎn)單刻畫了其十年來(lái)分布的時(shí)空演變格局;其次，通過(guò)構(gòu)建雙向固定效應(yīng)模型和面板門檻模型，對(duì)房?jī)r(jià)與地區(qū)創(chuàng)新能力的影響進(jìn)行深入的研究分析，實(shí)證結(jié)果均通過(guò)內(nèi)生性和穩(wěn)健性檢驗(yàn)。結(jié)果表明：

（1） 從2009—2018年長(zhǎng)三角房?jī)r(jià)演化格局來(lái)看，目前已形成了長(zhǎng)三角房?jī)r(jià)“東南高—西北低”的穩(wěn)定格局。從空間上來(lái)看，房?jī)r(jià)最高的區(qū)域始終集中于上海市與杭州市，且房?jī)r(jià)次高區(qū)域始終以上海市為中心向外輻射擴(kuò)散。從創(chuàng)新演化格局來(lái)看，其分布與長(zhǎng)三角地區(qū)房?jī)r(jià)時(shí)空演變格局相似，高創(chuàng)新產(chǎn)出區(qū)域主要集中在上海、杭州、蘇州等東部地區(qū)，且房?jī)r(jià)與創(chuàng)新能力在空間格局上具有一定的相似性，存在著“高房?jī)r(jià)—高創(chuàng)新產(chǎn)出”的“雙高”現(xiàn)象。

（2） 在考慮了一系列控制變量并加入房?jī)r(jià)與城市人口規(guī)模的交互項(xiàng)后，長(zhǎng)三角地區(qū)房?jī)r(jià)與創(chuàng)新能力呈現(xiàn)出通過(guò)1%水平下顯著性檢驗(yàn)的負(fù)向相關(guān)關(guān)系;同時(shí)，交互項(xiàng)通過(guò)顯著性檢驗(yàn)且系數(shù)為正，說(shuō)明城市人口規(guī)模的擴(kuò)大會(huì)調(diào)節(jié)高房?jī)r(jià)對(duì)地區(qū)創(chuàng)新的抑制作用。因此，在長(zhǎng)三角地區(qū)，對(duì)城市人口規(guī)模較大的城市來(lái)說(shuō)，高房?jī)r(jià)與地區(qū)創(chuàng)新能力正相關(guān)，體現(xiàn)了高房?jī)r(jià)的“擠入效應(yīng)”;而對(duì)城市人口規(guī)模較小的城市來(lái)說(shuō)，高房?jī)r(jià)對(duì)于地區(qū)的創(chuàng)新則更多體現(xiàn)為“擠出效應(yīng)”。

（3） 進(jìn)一步對(duì)城市人口規(guī)模的門檻效應(yīng)進(jìn)行實(shí)證分析可以發(fā)現(xiàn)，城市人口規(guī)模對(duì)地區(qū)創(chuàng)新能力存在雙門檻效應(yīng)，且兩門檻值皆通過(guò)5%水平下的顯著性檢驗(yàn)。從整個(gè)長(zhǎng)三角地區(qū)的城市來(lái)看，不同城市人口規(guī)模的房?jī)r(jià)對(duì)地區(qū)創(chuàng)新能力產(chǎn)生不同的影響：第一類大型城市的房?jī)r(jià)與地區(qū)創(chuàng)新能力正相關(guān);第二類中型城市的高房?jī)r(jià)會(huì)顯著抑制地區(qū)的創(chuàng)新能力;第三類小型城市的高房?jī)r(jià)會(huì)極大地抑制地區(qū)創(chuàng)新的發(fā)展。

本文的研究結(jié)論對(duì)于長(zhǎng)三角地區(qū)房地產(chǎn)業(yè)的合理發(fā)展有著一定的參考價(jià)值。首先，本文的結(jié)論雖證實(shí)了長(zhǎng)三角地區(qū)房地產(chǎn)價(jià)格目前處于快速上漲的階段，且過(guò)高的房?jī)r(jià)對(duì)地區(qū)的創(chuàng)新能力有著顯著不利的影響，但這種不利的影響可以通過(guò)城市人口規(guī)模變量來(lái)緩解。這一發(fā)現(xiàn)對(duì)未來(lái)的房地產(chǎn)發(fā)展具有一定的啟示意義：在長(zhǎng)三角城市群內(nèi)，對(duì)規(guī)模較小的城市來(lái)說(shuō)，高房?jī)r(jià)總體而言增加了地區(qū)企業(yè)創(chuàng)新的成本，形成了較為顯著的擠出效應(yīng)并抑制城市的創(chuàng)新。因此，政府應(yīng)高度重視房地產(chǎn)投資與房?jī)r(jià)過(guò)速增長(zhǎng)對(duì)實(shí)體行業(yè)的沖擊，棄絕通過(guò)發(fā)展房地產(chǎn)業(yè)而帶來(lái)一時(shí)的經(jīng)濟(jì)增長(zhǎng)泡沫，采取一定的市場(chǎng)化政策（如征收房產(chǎn)稅、限購(gòu)等）降低房地產(chǎn)行業(yè)過(guò)高的投資回報(bào)率，以刺激資金回流至實(shí)體行業(yè)并投入于創(chuàng)新發(fā)展，謹(jǐn)慎避免“脫實(shí)向虛”的高房?jī)r(jià)泡沫現(xiàn)象發(fā)生。而對(duì)于長(zhǎng)三角地區(qū)規(guī)模較大的城市來(lái)說(shuō)，高房?jī)r(jià)目前來(lái)看并不會(huì)顯著抑制創(chuàng)新，反而與創(chuàng)新能力呈現(xiàn)出顯著的正向相關(guān)性。造成這一情況的原因可能在于，高房?jī)r(jià)有助于倒逼地區(qū)企業(yè)將創(chuàng)新的重點(diǎn)放在高附加值的產(chǎn)業(yè)上，從而減少區(qū)域內(nèi)中低端價(jià)值產(chǎn)品的創(chuàng)新，進(jìn)一步提升城市的創(chuàng)新能級(jí)。

然而，隨著城市人口規(guī)模與創(chuàng)新能級(jí)的提升，過(guò)高的房?jī)r(jià)同樣會(huì)衍生出一系列科研、生活與生產(chǎn)成本的問(wèn)題，易造成城市人才流失。因此，應(yīng)控制規(guī)模較大或房?jī)r(jià)已經(jīng)處于高位的城市的房?jī)r(jià)漲幅，對(duì)創(chuàng)新人才實(shí)行住房補(bǔ)貼、子女享受地區(qū)教育資源等一系列優(yōu)惠政策，減少房?jī)r(jià)過(guò)高可能造成的地區(qū)內(nèi)人才流失現(xiàn)象，避免過(guò)高房?jī)r(jià)對(duì)城市創(chuàng)新產(chǎn)生負(fù)面影響。總而言之，長(zhǎng)三角地區(qū)的房地產(chǎn)政策應(yīng)分城施策、分類調(diào)控，從而推動(dòng)不同人口規(guī)模城市的創(chuàng)新型城市建設(shè)。

FLORIDA R. Cities and the creative class[J]. City & Community， 2003， 2（1）： 319.

[2] RONG Z， WANG W， GONG Q. Housing price appreciation， investment opportunity， and firm innovation： evidence from China[J]. Journal of Housing Economics， 2016， 33（9）： 3458.

[3] 郭文偉. 中國(guó)多層次房?jī)r(jià)泡沫測(cè)度及其驅(qū)動(dòng)因素研究——兼論我國(guó)房地產(chǎn)調(diào)控政策的實(shí)施效果[J]. 經(jīng)濟(jì)學(xué)家，2016（10）： 3037.

[4] 汪盧俊，駱永民. 中國(guó)房?jī)r(jià)泡沫的城市差異與擴(kuò)散特征[J]. 統(tǒng)計(jì)與決策，2020，36（4）： 8690.

[5] 昌忠澤. 房地產(chǎn)泡沫、金融危機(jī)與中國(guó)宏觀經(jīng)濟(jì)政策的調(diào)整[J]. 經(jīng)濟(jì)學(xué)家，2010（7）： 6976.

[6] AN G， BECKER C， CHENG E. Bubbling away： forecasting real estate prices， rents， and bubbles in a transition economy[J]. Comparative Economic Studies， 2020 （4）： 263317.

[7] 梁云芳，高鐵梅.中國(guó)房地產(chǎn)價(jià)格波動(dòng)區(qū)域差異的實(shí)證分析[J]. 經(jīng)濟(jì)研究，2007（8）： 133142.

[8] ZHANG X X， GUO L. Research on the impacts of real estate on economic growth： a theoretical model-based analysis[J]. Chinese Journal of Urban and Environmental Studies，2018， 6（4）： 125.

[9] 況偉大. 預(yù)期、投機(jī)與中國(guó)城市房?jī)r(jià)波動(dòng)[J]. 經(jīng)濟(jì)研究，2010，45（9）： 6778.

[10] 劉琳，劉洪玉. 地價(jià)與房?jī)r(jià)關(guān)系的經(jīng)濟(jì)學(xué)分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003（7）： 2730.

[11] LIU M， MA Q P. Determinants of house prices in China： a panel-corrected regression approach[J]. The Annals of Regional Science，2021， 67（1）： 4772.

[12] 嚴(yán)金海. 中國(guó)的房?jī)r(jià)與地價(jià)：理論、實(shí)證和政策分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006（1）： 1726.

[13] 榮昭，王文春. 房?jī)r(jià)上漲和企業(yè)進(jìn)入房地產(chǎn)——基于我國(guó)非房地產(chǎn)上市公司數(shù)據(jù)的研究[J]. 金融研究，2014（4）： 158173.

[14] LIU G W， ZHENG Q. An empirical study of the relationship between urbanization and the real estate investment in China[J]. Advanced Materials Research， 2012（361363）： 10991104.

[15] 朱晨. 上海市房?jī)r(jià)上漲對(duì)工業(yè)企業(yè)創(chuàng)新的影響——基于勞動(dòng)力成本視角的再審視[J].經(jīng)濟(jì)經(jīng)緯，2018， 35（3）： 96102.

[16] 林嵩. 房地產(chǎn)行業(yè)對(duì)于創(chuàng)業(yè)活動(dòng)的擠出效應(yīng)——基于中國(guó)跨地區(qū)面板數(shù)據(jù)的分析[J].經(jīng)濟(jì)管理，2012，34（6）： 2129.

[17] BERGGREN B， FILI A， WILHELMSSON M H. The effect of house prices on business start-ups： a review and analysis， using Swedish regional data[J]. REGION， 2017 （4）： 116.

[18] LIN X， REN T， WU H， XIAO Y. Housing price， talent movement， and innovation output： evidence from Chinese cities[J]. Review of Development Economics， 2020， 25（1）： 76103.

[19] 李永樂(lè)，許陽(yáng)，吳然. 房?jī)r(jià)對(duì)城市創(chuàng)新能力的影響研究[J]. 金融與經(jīng)濟(jì)，2020（6）： 6168.

[20] 張亞萍. 房?jī)r(jià)上漲促進(jìn)還是抑制創(chuàng)業(yè)的增加——基于全國(guó)31個(gè)省份面板數(shù)據(jù)的分析[J].中國(guó)房地產(chǎn)，2020（30）： 2430.

[21] 劉孝斌. 長(zhǎng)三角一體化背景下房地產(chǎn)業(yè)的擠出效應(yīng)研究——長(zhǎng)三角26個(gè)城市的實(shí)證[J].統(tǒng)計(jì)科學(xué)與實(shí)踐，2019（9）： 2427.

[22] 王立平，李艷萍. 城鎮(zhèn)化水平、FDI與房?jī)r(jià)——基于泛長(zhǎng)三角的空間計(jì)量研究[J]. 華東經(jīng)濟(jì)管理，2014， 28（7）： 4247.

[23] 劉有章，徐穎. 中國(guó)長(zhǎng)三角地區(qū)房?jī)r(jià)影響因素實(shí)證分析——基于空間視角[J]. 海南大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2019， 37（6）： 7785.

[24] 安同良，王文翌，魏巍. 中國(guó)制造業(yè)企業(yè)的技術(shù)創(chuàng)新：模式、動(dòng)力與障礙——基于江蘇省制造業(yè)企業(yè)問(wèn)卷調(diào)查的實(shí)證分析[J]. 當(dāng)代財(cái)經(jīng)，2005（12）： 6973.

[25] 普蓂喆，鄭風(fēng)田. 高房?jī)r(jià)與城鎮(zhèn)居民創(chuàng)業(yè)——基于CHIP微觀數(shù)據(jù)的實(shí)證分析[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2016（3）： 3144.

[26] 吳曉瑜，王敏，李力行.中國(guó)的高房?jī)r(jià)是否阻礙了創(chuàng)業(yè)？[J]. 經(jīng)濟(jì)研究，2014， 49（9）： 121134.

[27] 李妙然，郭文. 房地產(chǎn)價(jià)格對(duì)制造業(yè)創(chuàng)新的影響[J]. 當(dāng)代經(jīng)濟(jì)，2020（2）： 1619.

[28] 楊柳. 房?jī)r(jià)波動(dòng)對(duì)居民消費(fèi)水平影響的實(shí)證研究——基于面板門檻模型的再檢驗(yàn)[J]. 價(jià)格月刊，2020（11）： 3946.

[29] 滕堂偉，林蕙靈，胡森林. 長(zhǎng)三角更高質(zhì)量一體化發(fā)展：成效進(jìn)展、空間分異與空間關(guān)聯(lián)[J]. 安徽大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2020， 44（5）： 134145.

[30] 程開明. 城市化促進(jìn)技術(shù)創(chuàng)新的機(jī)制及證據(jù)[J]. 科研管理，2010， 31（2）： 2634.

[31] 宋偉軒，劉春卉. 長(zhǎng)三角一體化區(qū)域城市商品住宅價(jià)格分異機(jī)理研究[J]. 地理研究，2018， 37（1）： 92102.

[32] GRILICHES Z. Patent statistics as economic indicators indicators： a survey[J]. Journal of Economic Literature， 1990， 28（4）：16611707.

[33] STORPER M， SONN J W. The increasing importance of geographical proximity in knowledge production： An analysis of US patent citations， 1975—1997[J]. Environment & Planning A， 2008， 40（5）： 10201039.

[34] 方遠(yuǎn)平，謝蔓.創(chuàng)新要素的空間分布及其對(duì)區(qū)域創(chuàng)新產(chǎn)出的影響——基于中國(guó)省域的ESDA-GWR分析[J].經(jīng)濟(jì)地理，2012，32（9）：814.

[35] 馬雨竹，李曉麗，宋偉軒. 長(zhǎng)江三角洲地區(qū)房?jī)r(jià)變化數(shù)據(jù)集（2008—2018）[J /OL]. 全球變化數(shù)據(jù)倉(cāng)儲(chǔ)電子雜志（中英文），2019. https：//doi.org/10.3974/geodb.2019.04.17.V1.

[36] 劉暉， 胡森林. 中國(guó)人才的空間集聚格局及時(shí)空演化[J]. 經(jīng)濟(jì)經(jīng)緯， 2019，36（5）：18.

[37] 馮濤，張寧，宣燁. 地方財(cái)政自主權(quán)擴(kuò)大對(duì)創(chuàng)新效率的影響——基于價(jià)值鏈視角下的實(shí)證分析[J]. 廣西財(cái)經(jīng)學(xué)院學(xué)報(bào)，2018， 31（1）： 4050.

[38] WU C， YE X， DU Q， et al. Spatial effects of accessibility to parks on housing prices in Shenzhen， China[J]. Habitat International ， 2017， 63： 4554.

[39] 張煜暉，王鉞. 房地產(chǎn)價(jià)格、要素空間關(guān)聯(lián)與區(qū)域創(chuàng)新績(jī)效[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020， 42（6）： 114.

[40] 陸銘，張航，梁文泉. 偏向中西部的土地供應(yīng)如何推升了東部的工資[J]. 中國(guó)社會(huì)科學(xué)，2015（5）： 5983; 204205.

[41] 余泳澤，張少輝. 城市房?jī)r(jià)、限購(gòu)政策與技術(shù)創(chuàng)新[J]. 中國(guó)工業(yè)經(jīng)濟(jì)，2017（6）： 98116.

[42] 張杰，楊連星，新夫. 房地產(chǎn)阻礙了中國(guó)創(chuàng)新么？——基于金融體系貸款期限結(jié)構(gòu)的解釋[J]. 管理世界，2016（5）： 6480.

On the Housing Price， Population Size and Urban Innovation

Capacity in Yangtze River Delta Region

TENG Tangwei， CHEN Danhua， HU Senlin

School of Urban & Regional Science， East China Normal University，Shanghai 200241，China

As an important factor affecting innovation cost and local quality， house prices relationship with urban innovation in the Yangtze River Delta needs further studies. Based on the panel data of 41 prefecture-level cities in the Yangtze River Delta region from 2009 to 2018， this paper firstly describes the spatial and temporal evolution pattern of urban house prices and innovation capacity of the cities in the region. Secondly， the two-way fixed effects regression model and threshold regression econometric models are used to test the impact of urban housing price on technological innovation， and the moderating effect of urban population size on technological innovation is further analyzed. The results are as follows. Firstly， from 2009 to 2018， house prices in the Yangtze River Delta region have been rising with fluctuation and the increase rate has accelerated in recent years. In terms of space， house prices and innovation capacity share similar pattern， and there is a “double high” phenomenon of high house price and high innovation output. Secondly， considering the urban control variables， urban population size has a positive moderating effect on high housing price and regional innovation. Besides， high housing price promotes innovation and upgrade in larger cities while has a crowding out effect on smaller cities. Thirdly， population size has a double threshold effect on regional innovation. When the urban population is less than the first threshold value （4，116，330）， high house prices will significantly inhibit regional innovation. When the population is between the two thresholds （4，116，330< POPit ≤ 8，270，000）， high house price still inhibits innovation， but its influence coefficient becomes smaller. When the population crosses the second threshold （8，270，000）， high house price is positively correlated with innovation， and the positive externality brought by the size of urban population makes up for the negative impact of high house price on innovation to some extent. Therefore， the government should implement policies in the real estate industry according to the specific conditions of different cities in order to avoid the real estate bubble.

housing price; technical innovation; urban population size; Yangtze River Delta