周啟良

?

制造業(yè)集聚差異與區(qū)域房價的形成

周啟良

摘要：中國勞動密集型和資本技術密集型制造業(yè)按其技術含量呈“東高西低”的集聚特征，與區(qū)域房價特征有著明顯的趨同性?；诜康禺a(chǎn)供需方程的房地產(chǎn)價格模型，建立一個包括制造業(yè)集聚度和其他從供需兩方面影響房價的變量的計量模型，對2001—2013年中國30個省（市、區(qū)）的面板數(shù)據(jù)進行回歸分析，分析不同性質(zhì)的制造業(yè)集聚對房價的影響，結論是：勞動密集型制造業(yè)集聚會抑制房價上漲，資本技術密集型制造業(yè)集聚會促進房價上漲，這是造成房價呈“東高西低”的一個重要原因。今后政府應引導制造業(yè)向中西部地區(qū)進行跨越式的轉(zhuǎn)移，以從根本上解決東部地區(qū)房價過高的現(xiàn)象。

關鍵詞：制造業(yè)集聚；區(qū)域房價；面板數(shù)據(jù)

近年來，中國的房價（本文所指的房價是指商品房銷售價格）越來越高，東南沿海地區(qū)，特別是這些地區(qū)的大中型城市房價高得出奇。盡管國內(nèi)大量的研究表明，中國高房價的成因很多，但很少有人指出中國房價“東高西低”的具體成因是什么。隨著中國改革開放的不斷推進以及20世90年代的經(jīng)濟高速增長，各種產(chǎn)業(yè)集聚現(xiàn)象，特別是制造業(yè)集聚現(xiàn)象表現(xiàn)得愈來愈明顯，如廣東佛山的陶瓷業(yè)集聚與東莞的IT制造業(yè)集聚；福建晉江和石獅的制鞋業(yè)、服裝業(yè)集聚；江蘇戴南鎮(zhèn)的不銹鋼集聚，等等。這些制造業(yè)集聚的現(xiàn)象主要集中在江蘇、廣東、山東、浙江、上海、遼寧、河北、北京、福建等中國的東部地區(qū)，技術含量較高的行業(yè)也主要集中分布在這些地區(qū)，而在其他省市的分布，特別是西部邊遠地區(qū)卻是極其零散。

鑒于高房價的地區(qū)與制造業(yè)集聚地區(qū)的趨同性，我們有必要關注中國制造業(yè)集聚程度的提高是否會導致高房價？如何影響？為此，本文對中國20個制造業(yè)的集聚度進行測算，分析不同性質(zhì)制造業(yè)的集聚度變化對房價的影響，同時對集聚度、收入增長與房價之間的關系做一探討，從而為制定既有利于促進制造業(yè)地理集聚又有利于降低房價的制造業(yè)政策提供參考。

一、文獻回顧

在當前中國房價節(jié)節(jié)攀升的情況下，研究房價的文獻也日益增多。影響房價的因素可分為社會經(jīng)濟基礎因素和非基礎性因素兩大類。其中，前者影響房地產(chǎn)價格的中長期波動，而后者則影響房地產(chǎn)價格的短期波動。

在基礎性因素中，主要以宏觀經(jīng)濟變量為主，這些因素分別從供給和需求兩個方面影響房地產(chǎn)價格。從需求方面影響的因素包括收入、人口、就業(yè)率、利率、儲蓄余額、通貨膨脹率等，如Case和Shiller（1990）、Quigley（1999）和Michelle Har?ter-Dreiman（2004）等學者先后通過研究發(fā)現(xiàn)，收入對房價具有顯著的影響；Poteoan（1996）則利用美國8個都市1974—1983年的年度數(shù)據(jù)進行研究，結論是人口變化等因素對住房價格產(chǎn)生了顯著的影響；Muellbauer和Murphy（1997）的研究表明，名義利率與住宅價格之間呈負向關系；Eddie和Hui（2003）則通過研究發(fā)現(xiàn)，信貸利率、通貨膨脹等因素均對住房價格具有較明顯的影響。從供給方面影響的因素包括房地產(chǎn)售價、開發(fā)成本、房地產(chǎn)的投資額等，如黃鶴（2008）認為房地產(chǎn)的前期售價對本期售價有著很大影響；Peng等（2008）的研究表明地價對房價有成本推動作用。另外，政府的貨幣政策因素會從供需兩方面對房價產(chǎn)生影響，如Collyns和Senha?dji（2002）發(fā)現(xiàn)在許多亞洲國家信貸對房地產(chǎn)價格具有顯著影響；國內(nèi)學者周京奎（2006）的實證研究結果表明，住宅價格上漲與貨幣政策寬松有關；宋勃（2007）認為中央銀行應選擇適當?shù)睦适侄螌Ψ康禺a(chǎn)市場采取不同的調(diào)控力度。

在非基礎性因素中，主要有壟斷、心理預期等因素。地方政府和開發(fā)商對土地進行不同程度的壟斷，如政府控制土地、開發(fā)商“囤地”開發(fā)與合謀銷售，影響了房地產(chǎn)的供給，對房價上漲起著異常的推波助瀾作用。心理預期會影響市場的信心和金融支持力度，從而影響房價，如Case等人（2008）驗證了房地產(chǎn)價格和回報的高度自相關會產(chǎn)生正反饋交易行為，并推動房地產(chǎn)價格向預期的方向發(fā)展；沈悅和劉洪玉（2004）認為中國14個城市的住宅價格的增長和空置房率有密切的關系。

制造業(yè)集聚具有勞動力集聚（Abdel-Rahman and Fujita，1990）、地區(qū)經(jīng)濟增長（Fan和Scott，2003）和收入增長（Krugman，1991）等效應，而這些因素都是影響房價的重要因素，因此，制造業(yè)集聚與房地產(chǎn)價格之間存在某種重要關聯(lián)的可能性，但目前的文獻幾乎都把制造業(yè)集聚和房地產(chǎn)價格上漲視為兩個決然不同的研究領域，很少直接指出兩者之間的聯(lián)系。本文的貢獻在于：第一，分析了中國20個制造業(yè)集聚程度及不同性質(zhì)的制造業(yè)集聚的區(qū)域分布特征；第二，揭示了制造業(yè)集聚對房價的作用機制；第三，借鑒房地產(chǎn)供需方程的房地產(chǎn)價格模型的基本思想，從需求和供給兩方面考慮影響房價的因素，把制造業(yè)集聚納入房價決定模型中，并運用中國30?。ㄊ小^(qū)）的面板數(shù)據(jù)進行了實證檢驗，分析制造業(yè)集聚對房價的影響。

二、中國制造業(yè)集聚的區(qū)域特征

為了定量研究中國不同性質(zhì)的制造業(yè)集聚對房價的影響，首先需對制造業(yè)集聚的程度進行度量。制造業(yè)集聚水平的測度有很多方法，如行業(yè)集中度、區(qū)域集中度指數(shù)、Hoover系數(shù)、熵指數(shù)、區(qū)位熵、赫希曼—赫芬達爾指數(shù)、地理集聚指數(shù)、空間基尼系數(shù)，等等。由于區(qū)位熵用到了特定制造業(yè)的產(chǎn)值在當?shù)嘏c全國的地位，能較好地反映某一地區(qū)制造業(yè)的地方專業(yè)化水平與比較優(yōu)勢，故本文選取區(qū)位熵對中國20個行業(yè)的集聚度進行測量。特定制造業(yè)區(qū)位熵的計算公式為：

其中，βij表示j地區(qū)i制造業(yè)的區(qū)位熵；qij表示j地區(qū)i制造業(yè)的產(chǎn)值；qi表示全國所有地區(qū)i制造業(yè)的總產(chǎn)值；qj表示j地區(qū)所有制造業(yè)的總產(chǎn)值；q表示全國所有制造業(yè)的總產(chǎn)值。分子代表了j地區(qū)i制造業(yè)產(chǎn)值對全國i制造業(yè)總產(chǎn)值的貢獻程度；分母代表了j地區(qū)在全國工業(yè)發(fā)展中的貢獻程度。區(qū)位熵指數(shù)越高，制造業(yè)i向地區(qū)j的集聚程度越強。如果區(qū)位熵大于1，說明j地區(qū)i制造業(yè)在當?shù)毓I(yè)結構中占有較重要的地位，其集中度高于全國平均水平，即j地區(qū)相對于其他地區(qū)而言，i制造業(yè)具有一定的比較優(yōu)勢；如果區(qū)位熵大于1.5，則j地區(qū)i制造業(yè)就擁有明顯的比較優(yōu)勢；如果區(qū)位熵小于1或等于1，則說明j地區(qū)i制造業(yè)的集聚程度不高，沒有比較優(yōu)勢可言。

由于2004年版的《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》開始使用新的國民經(jīng)濟行業(yè)分類體系（GB／T4754—2002）進行統(tǒng)計，與舊的國民經(jīng)濟行業(yè)分類體系（GB／T4754—94）相比，其對行業(yè)進行分類有所變化，為了保持統(tǒng)計口徑的一致，我們選擇了基本未作改變的20個制造業(yè)作為研究樣本。本文從《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》（2002—2014年）和《中國統(tǒng)計年鑒》（2002—2014年）里收集了各?。ㄊ?、區(qū)）20個制造業(yè)的相關數(shù)據(jù)，我們把這20個制造業(yè)分為勞動密集型制造業(yè)與資本技術密集型制造業(yè)。其中勞動密集型制造業(yè)包括食品加工業(yè)、食品制造業(yè)、飲料制造業(yè)、煙草加工業(yè)、紡織業(yè)等5個制造行業(yè)；資本技術密集型制造業(yè)包括造紙業(yè)、石油加工及煉焦業(yè)、化學纖維制造業(yè)、非金屬礦物制品業(yè)、黑色金屬冶煉及壓延加工業(yè)、有色金屬冶煉及壓延加工業(yè)、金屬制品業(yè)、化學原料及化學制品制造業(yè)、醫(yī)藥制造業(yè)、普通機械制造業(yè)、專用設備制造業(yè)、交通運輸設備制造業(yè)、電氣機械及器材制造業(yè)、電子及通信設備制造業(yè)、儀器儀表及文化辦公制造業(yè)等15個制造行業(yè)。

根據(jù)公式（1）計算出的中國20個細分制造行業(yè)2001—2013年區(qū)位熵的平均值，我們發(fā)現(xiàn)勞動密集型制造業(yè)區(qū)位熵的平均值大于1的地區(qū)主要為中西部地區(qū)和少數(shù)沿海省份，包括內(nèi)蒙古、黑龍江、安徽、福建、山東、河南、湖北、湖南、廣西、海南、四川、貴州、云南等13個?。▍^(qū)）。其中，貴州、云南的勞動密集型制造業(yè)的區(qū)位熵遠遠大于1.5，具有非常明顯的比較優(yōu)勢；資本技術密集制造業(yè)區(qū)位熵的平均值大于1的地區(qū)主要為北京、天津、吉林、上海、江蘇、浙江、廣東、重慶、陜西等東部地區(qū)的省份和中西部個別省份?？傊?，這20個制造業(yè)集聚表現(xiàn)出明顯的地區(qū)差異，按照技術的含量，制造業(yè)集聚呈現(xiàn)出“東高西低”的特征，這恰好與房價的高低分布特征相同。

三、制造業(yè)集聚對房價的作用機制

基于房地產(chǎn)供需方程的房地產(chǎn)價格模型，是通過聯(lián)立房地產(chǎn)的需求方程和供給方程，從中導出房價與其影響因素之間的關系表達式，再采用計量經(jīng)濟分析驗證這些因素對房價的影響。本文基于房地產(chǎn)供需方程的房地產(chǎn)價格模型的思想，并借鑒Antonio C.（2002）的生產(chǎn)函數(shù)來討論制造業(yè)集聚對房價的影響。

商品房作為一種耐用消費品，房地產(chǎn)的消費在帶來一定的服務流量的同時也具有增值保值的作用。由消費者的需求理論，對于一個理性消費者來說，消費房地產(chǎn)的邊際效用應該和其他非耐用商品相同。假設在t時期，有Nt個相同的消費者，每個典型消費者的效用來源于房產(chǎn)占有量OPt和其他非耐用商品消費量Ct兩部分，則其效用函數(shù)可表達為：

其中，α為房產(chǎn)份額，OP為每個消費者維持生存對房產(chǎn)最低的需求。

假定每個消費者的可支配收入為wt，房產(chǎn)的價格為Pt，其他商品價格標準化為1。假設每個消費者把所有的可支配收入用于當期的房產(chǎn)和其他商品的消費。則消費者的預算約束為：

建立拉格朗日函數(shù)求解式（2）、式（3）式的最優(yōu)化問題，最終得到效用最大化的房產(chǎn)需求為：

由于每個消費者同質(zhì)，則所有消費者對房產(chǎn)的需求量為：

現(xiàn)在我們來考慮房地產(chǎn)的供給。本期的房地產(chǎn)供給量St受到當期新建的房產(chǎn)量Bt和現(xiàn)存房子折舊（折舊率為δ）兩方面的因素影響。通過迭代，可以得到本期房產(chǎn)供給量St和以前各期新建房產(chǎn)量及初始房產(chǎn)量S0之間的關系式：

當房地產(chǎn)市場供求平衡Dt＝St時，求得房價的表達式為：

Antonio C.（2002）認為集聚經(jīng)濟效應將帶來經(jīng)濟效率的改進，并將空間產(chǎn)出密度因子納入通常的生產(chǎn)函數(shù)中，以測度集聚程度對產(chǎn)出的影響，這樣，制造業(yè)生產(chǎn)函數(shù)可以表達為：

式（8）中，Yt、At、Lt、Kt、Q和S分別為總產(chǎn)出、全要素生產(chǎn)率和勞動力、資本投入、總經(jīng)濟規(guī)模（總產(chǎn)出或總就業(yè)人數(shù)）和土地面積；?為制造業(yè)集聚參數(shù)，當?>1時，表示制造業(yè)集聚對產(chǎn)出產(chǎn)生正的外部性。

市場均衡條件下，城市部門要素投入均衡的條件也為勞動力要素的收益與其邊際產(chǎn)出相等，式（8）對Lt求偏導可得：

把式（9）代入式（7），然后兩邊取對數(shù)，得到：

式（10）表明，均衡時，影響房地產(chǎn)價格的因素包括技術水平、勞動力和資本要素的投入、制造業(yè)集聚水平、房地產(chǎn)存量、人口因素及房地產(chǎn)消費份額。制造業(yè)集聚通過影響當?shù)亟?jīng)濟發(fā)展水平與個人收入而影響房價；制造業(yè)集聚對房價的影響正負向關鍵取決于制造業(yè)集聚參數(shù)的大小（制造業(yè)集聚度的高低）及集聚特征。

眾多的企業(yè)和勞動力從外圍進入制造業(yè)集聚中心，企業(yè)之間的競爭和勞動力的共享等效應，會促進資源的合理配置、生產(chǎn)率的提高，促進當?shù)亟?jīng)濟發(fā)展的提高，從而會增加對房地產(chǎn)的需求，促進房價上升。制造業(yè)集聚對個人收入的影響，則要取決于勞動力的性質(zhì)。非熟練勞動力主要流向制造業(yè)集聚中心的勞動密集型企業(yè)工作，而熟練勞動力主要在資本技術密集型企業(yè)工作。因此，我們大致可以推斷資本技術密集型制造業(yè)集聚是勞動力工資提升的主要來源，也會促進對制造業(yè)集聚地的房地產(chǎn)需求與房價的上升；勞動密集型制造業(yè)集聚由于對勞動力工資的提升作用有限，對房價上升會有一種抑制作用。

四、實證分析

（一）模型設定

由于西藏自治區(qū)的數(shù)據(jù)嚴重缺乏，本文選擇30個省（市、區(qū)）的面板數(shù)據(jù)作為考察樣本。我們借鑒Deng（2009）的做法，實證方程設定為：

式（11）中，houpit是城市i在t期的房價；LQit是城市i在t期的制造業(yè)的區(qū)位熵；Xit是指影響城市房價的其他控制變量，包括：人均國內(nèi)生產(chǎn)總值、人均工資、儲蓄存款余額、利率、人口密度、城市建設用地面積、房地產(chǎn)投資額、公共品的供給水平（包括城市通信、交通設施）、區(qū)位虛擬變量等。ηi和μit分別表示一個城市的地區(qū)效應和殘差。

（二）數(shù)據(jù)來源及描述性統(tǒng)計

本文的研究樣本包含2001—2013年中國除西藏自治區(qū)以外30個?。ㄊ?、區(qū)）的面板數(shù)據(jù)。其中，各?。ㄊ小^(qū)）的商品房銷售價格用商品房屋銷售額除以商品房屋銷售面積而得，其相關數(shù)據(jù)來自2002—2014年的《中國統(tǒng)計年鑒》。其他控制變量的原始數(shù)據(jù)均來自2002—2014年的《中國城市統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。需要說明的是，勞動密集型制造業(yè)和資本技術密集型制造業(yè)的區(qū)位熵是取分屬于這兩大類的各制造業(yè)區(qū)位熵的平均值；城市建設用地面積由于數(shù)據(jù)缺失，采用人均建成面積來替代。表1列舉了本文所有變量的含義和描述性統(tǒng)計。

（三）計量回歸的結果

1.靜態(tài)面板估計

利用stata11軟件，首先使用靜態(tài)面板回歸方法

表1　變量的含義和描述性統(tǒng)計

進行估計，估計結果列于表2。所有模型聯(lián)合顯著性檢驗（F/Wald檢驗）的結果表明模型整體有效，檢驗的結果表明，采用固定效應模型進行回歸比較合理。

根據(jù)表2中的固定效應模型的估計結果，從行業(yè)角度來看，制造業(yè)集聚對中國房價產(chǎn)生了顯著的影響，但不同性質(zhì)的制造業(yè)集聚影響方向并不相同。lnLLQ的系數(shù)顯著為負，說明勞動密集型的制造業(yè)集聚有抑制房價上升的作用，這種類型的制造業(yè)的集聚度每增加1個百分點，能抑制房價上漲0.28—0.29個百分點；lnZLQ的系數(shù)顯著為正，說明資本技術密集型的制造業(yè)集聚有著明顯的推高房價作用，其集聚度每增加1個百分點，能促進房價上漲0.41—0.44個百分點。中國勞動密集型制造業(yè)主要集聚在中西部地區(qū)、資本技術密集型制造業(yè)主要集聚在東南沿海地區(qū)的集聚特征，是造成房價呈“東高西低”的一個重要原因。

在控制變量中，lnavgdp和lnwage的系數(shù)均顯著為正，說明經(jīng)濟發(fā)展水平和居民收入水平的提高會促進房價的上升。lnsave和lnrate的系數(shù)均為負，說明會抑制房價的上升，原因在于儲蓄存款余額和利率越高，則流向房地產(chǎn)市場中的貨幣余額將減少，從而對房價產(chǎn)生負面作用。lnland的系數(shù)顯著為正，這說明人口聚集會刺激房價的上升。lnpop的系數(shù)為正，而lnhouk的系數(shù)正負不確定，說明中國政府對土地和開發(fā)商對土地進行了不同程度的壟斷和控制，導致土地供給與房價呈正相關關系，而房地產(chǎn)投資影響房價的方向并不確定。lnpost、lncarry的系數(shù)顯著為正，說明良好的交通、通信等基礎設施會促進房價的上升。

2.工具變量法估計

由于制造業(yè)集聚與房價波動存在互為因果的關系，房價波動也是引起制造業(yè)轉(zhuǎn)移的一個重要原因。在其他條件不變的情況下，當區(qū)域房價相對較高時，就會誘使勞動力流出，就業(yè)導致相對就業(yè)人數(shù)減少，并對低附加值的制造業(yè)產(chǎn)生擠出效應，進而引發(fā)制造業(yè)轉(zhuǎn)移（高波等，2012）。故本文利用工具變量估計法（Instrumental Variables，IV）對模型Ⅰ至模型Ⅲ重新進行估計，把制造業(yè)集聚的滯后一期作為其工具變量，以控制內(nèi)生性問題。我們進行了一系列的檢驗：首先，根據(jù)Husman（FE vs RE）檢驗的統(tǒng)計值所伴隨的P值，可以確定所有模型應該采用固定效應模型進行回歸；其次，在內(nèi)生性檢驗當中，所有模型Husman（endogeneity）檢驗的統(tǒng)計量的P值，均拒絕了制造業(yè)集聚這個解釋變量為外生變量的原假設，模型存在內(nèi)生性；再次，過渡識別檢驗

表2　固定效應（FE）模型的回歸結果

是檢驗工具變量的外生性，由于一個變量使用一個工具變量，不存在過渡識別的問題；最后，弱工具變量檢驗是檢驗工具變量與內(nèi)生變量的相關性，我們發(fā)現(xiàn)弱工具變量檢驗的統(tǒng)計量（F值）都大于10，說明工具變量與內(nèi)生變量之間具有很強的相關性。因此，我們選擇的工具變量估計方法是合理的。

本文所做的工具變量法的估計結果顯示，在考慮了制造業(yè)集聚的內(nèi)生性后，不同性質(zhì)的制造業(yè)集聚對中國房價還是產(chǎn)生了顯著的影響，并且影響方向沒有改變。勞動密集型的制造業(yè)集聚度lnLLQ每增加1個百分點，能抑制房價上漲0.45—0.48個百分點；資本技術密集型的制造業(yè)集聚有著明顯的推高房價作用，其集聚度lnZLQ每增加1個百分點，能促進房價上漲1.00—1.03個百分點。勞動密集型和資本技術密集型制造業(yè)按其技術含量呈“東高西低”的集聚特征是造成房價呈“東高西低”的一個重要原因的結論仍然成立。其他控制變量的回歸結果及其所代表的經(jīng)濟含義，與表2中的估計結果基本類似，不再贅述。

五、結論與建議

中國勞動密集型制造業(yè)主要集聚在中西部地區(qū)，資本技術密集型制造業(yè)主要集聚在東部地區(qū)。本文在房地產(chǎn)供需方程的房地產(chǎn)價格模型的思想基礎上，引入了制造業(yè)集聚這個新變量，分析制造業(yè)集聚對房地產(chǎn)價格的影響機制，并建立一個包括制造業(yè)集聚度和其他從供需兩方面影響房價的變量的計量模型。通過對2001—2013年中國30個?。ㄊ小^(qū)）的面板數(shù)據(jù)進行回歸分析，我們發(fā)現(xiàn)中國勞動密集型制造業(yè)集聚會抑制房價上漲、資本技術密集型制造業(yè)集聚會促進房價上漲。

基于以上結論，本文提出如下政策建議：

第一，中國政府在引導制造業(yè)東部沿海發(fā)達地區(qū)向中西部地區(qū)轉(zhuǎn)移時，要打破引導制造業(yè)從東部沿海發(fā)達地區(qū)向中西部地區(qū)梯度轉(zhuǎn)移的觀念，制造業(yè)轉(zhuǎn)移應該進行跨越式的轉(zhuǎn)移。今后政府要通過投資等相關政策，將更多資本技術密集型的新項目引向中西部地區(qū)，以減輕東部沿海地區(qū)資本技術密集型制造業(yè)集聚而造成房價上漲的壓力。

第二，通過資本技術密集型制造業(yè)向中西部地區(qū)轉(zhuǎn)移，帶動人口也向中西部地區(qū)轉(zhuǎn)移，減少東部地區(qū)因人口密集所帶來的房價上升壓力。為此，中西部落后地區(qū)應培育和增強本地承接先進制造業(yè)轉(zhuǎn)移和勞動力回流的能力，以便更好地吸納高新技術制造業(yè)的轉(zhuǎn)移，中西部地區(qū)政府應該提供一些優(yōu)惠政策和良好的基礎設施，以留住資本技術密集型制造業(yè)發(fā)展所需的人才。

第三，中國政府今后更應著眼于供給方面的因素來控制房價的上漲，不應過分通過限制人們對房地產(chǎn)的需求來控制房價的上漲。中國政府應完善土地交易的市場機制，使存量土地市場化，減少土地供給的壟斷因素，成立土地管理公司，專門負責土地的經(jīng)營和市場競價，以使政府專門從事土地的規(guī)劃和管理而非定價工作。另外，政府應該通過經(jīng)濟處罰與建立房地產(chǎn)開發(fā)準入制度，著力打擊開發(fā)商“囤地”開發(fā)造成房價上漲的行為，以控制房價上漲的人為因素。

參考文獻

［1］高波，陳健，鄒琳華.區(qū)域房價差異、勞動力流動與產(chǎn)業(yè)升級［J］.經(jīng)濟研究，2012，（1）.

［2］黃鶴.中國大中城市房地產(chǎn)泡沫的檢驗及成因分析［D］.哈爾濱工業(yè)大學博士學位論文,2008.

［3］宋勃.房地產(chǎn)市場財富效應的理論分析和中國經(jīng)驗的實證檢驗：1998—2006［J］.經(jīng)濟科學，2007，（5）.

［4］沈悅，劉洪玉.住宅價格與經(jīng)濟基礎面：1995—2002年中國14城市的實證研究［J］.經(jīng)濟科學，2004，（6）.

［5］周京奎.房地產(chǎn)泡洙生成與演化──基于金融支持過度假說的一種解釋［J］.財貿(mào)經(jīng)濟，2006，（5）.

［6］Abdel-Rahman H，M Fuljita.1990.“Product Vari?ety, Marshallian Externalities, and City Sizes”. Journal of Regional Seience，Vol.30，pp.165-183.

［7］Antonio C.2002.“Agglomeration—Effects in Eu?rope”. European Economic Review，Vol.46，pp.213-227.

［8］Case K E，Shiller R J.1990.“Forecasting Prices and Excess Returns in the Housing Market”.Jour?nal of the American Real Estate and Urban Eco?nomics Association，18（3），pp.253-273.

［9］Deng, Ma and Chiang.2009.“Dynamic Behaviorof Chinese Housing Prices”. International Real Estate Review，12（2），pp.121-134.

［10］Eddie Chi-man Hui, Vivian Sze-mun Ho.2003. “Does The Planning System Affect Housing Pric?es? Theory and with Evidence from Hong Kong”. Habitat International，Vol.27，pp.339-359.

［11］Fan C，Scott A.2003.“Industrial Agglomeration and Development：a Survey of Spatial Economic Issues in East Asia and a Statistical Analysis of Chinese Regions”. Economic Geography，Vol. 79，pp.295-319.

［12］Krugman P.1991.“Increasing Returns and Eco?nomic Geography”. Journal of Political Econo?my，99（3），pp. 483-499.

［13］Michelle Harter-Dreiman. 2004.“Drawing Infer?ences about Housing Supply Elasticity from House Price Responses to Income Shocks”. JournalofUrbanEconomics，Vol.55，pp.316-337.

［14］Muellbauer J，Murphy A. 1997.“Booms and Busts in the UK Housing Market”. Economic Journal，107（6），pp.1701-1727.

（責任編輯：柳陽）

【區(qū)域格局與產(chǎn)業(yè)發(fā)展】

［15］Peng W S，Yiu M，Tam D.2008.“The Property Market and the Macroeconomy of the Mainland：A Cross Region Study”. Pacific Economic Re?view，13（2），pp.240-258.

［16］Poteoan M J.1996.“Explaining Intermetropolitan Variation in Housing Prices，Rents and Land Prices”.Real Estate Economics，24（2），pp.219-245.

［17］Quigley J M.1999.“Real Estate Prices and Eco?nomic Cycles”. International Real Estate Re?view，2（1），pp.1-20.

The Differences of Manufacturing Industry Agglomeration and the Formation of Regional Housing Price

Zhou Qiliang

Abstract：According to the technical content, the feature of labor-intensive and capital-intensive manufacture agglomeration presents is“east high and west low”, which is obvious homogeneous with regional housing price in China. Based on the Real estate price model of real estate supply and demand equation，a measurement model is established which including the degree of manufacturing industry agglomeration and other variables affecting hosing prices from two aspects of supply and demand. Based on this, using panel data of China’s thirty provinces（city, area）in 2001-2013, the paper estimates the impact of the different nature of the manufacturing industry agglomeration on the house price. The results show that labor-intensive manufacture agglomeration can curb house price rising, and capital-intensive manufacture agglomeration can promote house price rising, which is an important reason of the“east high and west low”feature of house price in China. In order to fundamentally solve the phenomenon of high housing prices in the eastern region, the government should guide the manufacturing industry leapfrog to the central and western regions in the future.

Key Words:Manufacturing Industry; Agglomeration; Regional housing Price; Panel Data

作者簡介：周啟良，男，廣東省羅定職業(yè)技術學院經(jīng)濟管理系講師（羅定527200）。

中圖分類號：F293.3

文獻標識碼：A

文章編號：2095—5766（2015）06—0090—07

收稿日期：2015—05—29