張 超，張意博，魏學(xué)輝，王春楊

(1.河北工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，天津 300401；2.重慶大學(xué) 經(jīng)濟(jì)與工商管理學(xué)院，重慶 400044)

創(chuàng)新是一個(gè)國(guó)家持續(xù)增長(zhǎng)的核心動(dòng)力，對(duì)我國(guó)順利跨越“中等收入陷阱”至關(guān)重要。當(dāng)前我國(guó)經(jīng)濟(jì)正加快由高速增長(zhǎng)階段向高質(zhì)量發(fā)展階段轉(zhuǎn)變，以創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)增長(zhǎng)似乎已經(jīng)成為各級(jí)地方政府“共識(shí)”，“為創(chuàng)新而競(jìng)爭(zhēng)”逐漸取代“為增長(zhǎng)而競(jìng)爭(zhēng)”成為地方政府競(jìng)爭(zhēng)新范式［1］，各地紛紛圍繞“創(chuàng)新驅(qū)動(dòng)”和“產(chǎn)業(yè)高端化”等目標(biāo)制定本地發(fā)展策略，其中，營(yíng)造本地“地方品質(zhì)”，提升本地創(chuàng)新環(huán)境，對(duì)地方下一步發(fā)展至關(guān)重要。硅谷、128公路的例子告訴我們，一個(gè)地區(qū)的創(chuàng)新“涌現(xiàn)”與本地創(chuàng)新環(huán)境密切相關(guān)，現(xiàn)階段各級(jí)地方政府也樂(lè)于在城市和區(qū)域?qū)用嫠茉毂镜貏?chuàng)新地理環(huán)境。房?jī)r(jià)作為重要的地方品質(zhì)指標(biāo)和創(chuàng)新成本來(lái)源，深刻影響著本地創(chuàng)新地理環(huán)境［2］。

1998年我國(guó)全面推行住房商品化后，中國(guó)城市房?jī)r(jià)進(jìn)入了“快車道”。2000—2017年，中國(guó)住宅商品房平均銷售價(jià)格從1 948元/平方米上升到7 614元/平方米①，在17年的時(shí)間里上漲了約3倍。從時(shí)間上看2008年和2012年為房?jī)r(jià)加速上升“拐點(diǎn)”，在空間上東部沿海地區(qū)與內(nèi)地房?jī)r(jià)差異逐步擴(kuò)大，“北上廣深”四大城市更是遠(yuǎn)遠(yuǎn)高出平均水平。持續(xù)走高的房?jī)r(jià)會(huì)拖累地區(qū)創(chuàng)新的步伐。首先，城市房?jī)r(jià)的上漲會(huì)導(dǎo)致投資結(jié)構(gòu)的扭曲，其對(duì)創(chuàng)新資金的“擠占效應(yīng)”會(huì)抑制地區(qū)的技術(shù)創(chuàng)新水平［3-4］。其次，過(guò)高的房?jī)r(jià)加劇城市居民的“生活成本”，限制“潛在”人力資本向本地遷入，從而使得本地創(chuàng)新后勁不足［5-6］。第三，高企的房?jī)r(jià)提升本地服務(wù)業(yè)運(yùn)營(yíng)成本，對(duì)服務(wù)業(yè)集聚存在顯著的抑制作用，從而會(huì)制約城市創(chuàng)新創(chuàng)業(yè)活動(dòng)［7］。盡管現(xiàn)有研究已經(jīng)對(duì)房?jī)r(jià)抑制創(chuàng)新的機(jī)制、影響程度等進(jìn)行了深入探討，但仍存在若干不足。首先，從研究方法上看，既有研究普遍缺乏空間視角，房?jī)r(jià)和創(chuàng)新在空間上均存在較強(qiáng)的“空間依賴”特性，房?jī)r(jià)影響區(qū)域創(chuàng)新并非僅局限于“本地”，而是具有“空間傳遞效應(yīng)”。這就要求對(duì)房?jī)r(jià)和創(chuàng)新關(guān)系的探究必須具備“空間思維”，在空間計(jì)量的實(shí)證分析框架下探討房?jī)r(jià)創(chuàng)新的影響機(jī)制。其次，從研究問(wèn)題上看，目前既有研究聚焦于探討“房?jī)r(jià)是是否對(duì)本地創(chuàng)新產(chǎn)生顯著抑制作用？”“房?jī)r(jià)對(duì)本地創(chuàng)新的抑制程度有多大？”等問(wèn)題，而對(duì)“房?jī)r(jià)對(duì)區(qū)域創(chuàng)新的抑制效果在空間上有何差異？”“為推動(dòng)我國(guó)創(chuàng)新發(fā)展，哪些地區(qū)將是房?jī)r(jià)規(guī)制的重點(diǎn)區(qū)位？”等問(wèn)題缺乏有效探討。對(duì)于我國(guó)這樣一個(gè)地域遼闊、區(qū)域差異巨大的發(fā)展中大國(guó)而言，地域發(fā)展環(huán)境千差萬(wàn)別，發(fā)展水平不盡一致，地理區(qū)位差異在經(jīng)濟(jì)機(jī)制運(yùn)行的作用不容忽視。一方面，在房?jī)r(jià)“普漲”背景下，房?jī)r(jià)升高引發(fā)的創(chuàng)新“抑制”在地域上也必然呈現(xiàn)巨大差異，只有承認(rèn)和明晰“抑制效應(yīng)”的空間差異，才能有針對(duì)性地制定基于房?jī)r(jià)規(guī)制的創(chuàng)新政策。另一方面，大量與房?jī)r(jià)相關(guān)的規(guī)制政策是“本地化”的，地方政府在諸如住房限購(gòu)政策、土地供給量及供給結(jié)構(gòu)、土地出讓速度、建筑容積率等方面具有相當(dāng)大的自由度，但房?jī)r(jià)對(duì)創(chuàng)新的影響卻是“全局性”的，如何從“全局”創(chuàng)新視角評(píng)估不同地區(qū)房?jī)r(jià)規(guī)制政策也是亟待深入探討的議題。這就要求在充分考慮變量空間依賴性的基礎(chǔ)上對(duì)房?jī)r(jià)抑制創(chuàng)新的“空間效應(yīng)”進(jìn)行多維度空間分解。

本文將基于全國(guó)285個(gè)地級(jí)市2004—2013年10年面板數(shù)據(jù)，分別在地理距離和人口流動(dòng)權(quán)重矩陣下運(yùn)用動(dòng)態(tài)空間面板模型探討房?jī)r(jià)對(duì)創(chuàng)新的“抑制效應(yīng)”，并對(duì)空間效應(yīng)進(jìn)行多維度空間分解，識(shí)別房?jī)r(jià)對(duì)創(chuàng)新“抑制效應(yīng)”的空間差異，以期為推進(jìn)創(chuàng)新發(fā)展的區(qū)域創(chuàng)新環(huán)境聯(lián)動(dòng)機(jī)制提供依據(jù)。

1 文獻(xiàn)回顧

從作用機(jī)制看，房?jī)r(jià)上漲主要通過(guò)3種渠道抑制地區(qū)創(chuàng)新，即資本的“錯(cuò)配效應(yīng)”、創(chuàng)新人才的“擠出效應(yīng)”、創(chuàng)業(yè)精神和創(chuàng)業(yè)活力的“阻滯效應(yīng)”。

首先，房?jī)r(jià)上升將通過(guò)資本“錯(cuò)配效應(yīng)”抑制地區(qū)創(chuàng)新。在房?jī)r(jià)高企的背景下，房地產(chǎn)相關(guān)行業(yè)利潤(rùn)率上升，從而引發(fā)具備創(chuàng)新能力的制造業(yè)為追求高額報(bào)酬率而轉(zhuǎn)向房地產(chǎn)行業(yè)［8-9］，同時(shí)激勵(lì)企業(yè)將本來(lái)用于持續(xù)創(chuàng)新研發(fā)的投資轉(zhuǎn)向房地產(chǎn)領(lǐng)域進(jìn)行套利［10］，縮減用于研發(fā)的資金，最終抑制地區(qū)整體創(chuàng)新產(chǎn)出［4］。此外，房?jī)r(jià)上漲還可通過(guò)擠占信貸資金來(lái)抑制創(chuàng)新。當(dāng)房?jī)r(jià)快速上漲且實(shí)體制造業(yè)等投資收益較低時(shí)，金融機(jī)構(gòu)在追逐資金高回報(bào)率的驅(qū)使下往往傾向于將資本配給房地產(chǎn)企業(yè)，并且會(huì)加重非房地產(chǎn)行業(yè)的融資約束，導(dǎo)致實(shí)體經(jīng)濟(jì)企業(yè)尤其是科技創(chuàng)新型企業(yè)“信貸資金”縮水并弱化制造業(yè)投資效率［11］，最終誘發(fā)經(jīng)濟(jì)“脫實(shí)向虛”并抑制本地創(chuàng)新［12］。

其次，房?jī)r(jià)上升還可通過(guò)對(duì)創(chuàng)新人才的“擠出效應(yīng)”抑制創(chuàng)新“涌現(xiàn)”。在創(chuàng)新驅(qū)動(dòng)發(fā)展階段，掌握創(chuàng)意資本的人才逐漸成為最稀缺的資源，創(chuàng)新創(chuàng)意人才的區(qū)位選擇對(duì)區(qū)域競(jìng)爭(zhēng)力提升起決定性作用，投資布局則從屬于人才遷移。區(qū)域競(jìng)爭(zhēng)的焦點(diǎn)也逐漸由產(chǎn)業(yè)轉(zhuǎn)向創(chuàng)意人才，而在人才的區(qū)位選擇過(guò)程中，房?jī)r(jià)、環(huán)境、公共服務(wù)及文化氛圍等地方品質(zhì)逐漸成為家庭尤其是創(chuàng)新、創(chuàng)意人才關(guān)注的重點(diǎn)［2］。創(chuàng)新創(chuàng)意人才的遷移不僅僅與產(chǎn)業(yè)規(guī)模、工資水平、失業(yè)率等“生產(chǎn)性因素”有關(guān)，而且還與房?jī)r(jià)、環(huán)境質(zhì)量、文化等“生活性因素”相關(guān)。工資差異甚至可視為對(duì)不同城市氣候、適宜環(huán)境等“生活性因素”差異的補(bǔ)償［13］。作為一個(gè)城市最核心的“生活性資源”，房?jī)r(jià)對(duì)本地創(chuàng)意人才“擠出效應(yīng)”不容小覷。新經(jīng)濟(jì)地理學(xué)模型在理論機(jī)制上闡明了房?jī)r(jià)對(duì)本地勞動(dòng)力及產(chǎn)業(yè)存在“擠出效應(yīng)”［14-15］，WANG和YANG［16］進(jìn)一步構(gòu)建了納入住房消費(fèi)的自由企業(yè)家模型，在理論上闡明高漲房?jī)r(jià)對(duì)本地企業(yè)家存在“擠出效應(yīng)”。對(duì)美國(guó)和德國(guó)等國(guó)家的研究也支持了這一論斷［17-18］。基于中國(guó)城市數(shù)據(jù)的實(shí)證研究同樣顯示，高企的房?jī)r(jià)將促使非農(nóng)產(chǎn)業(yè)從業(yè)人口向其他地區(qū)轉(zhuǎn)移［19］，從而導(dǎo)致人力資本錯(cuò)配并進(jìn)一步抑制地區(qū)創(chuàng)新能力［20］。盡管從短期來(lái)看房?jī)r(jià)差異具有產(chǎn)業(yè)或勞動(dòng)力的空間分類效應(yīng)，但從長(zhǎng)期看當(dāng)房?jī)r(jià)過(guò)高使企業(yè)通過(guò)創(chuàng)新和提高競(jìng)爭(zhēng)力也難以抵消其成本上升時(shí)，則會(huì)導(dǎo)致創(chuàng)新下降［21］。此外，對(duì)我國(guó)而言，城市居民戶籍及相關(guān)福利均綁定于住房之上，高企的房?jī)r(jià)還增加了人口遷移“空間粘性”，從而極大限制了人力資本的自由遷移。

最后，高房?jī)r(jià)的預(yù)期會(huì)抑制富有冒險(xiǎn)精神者的創(chuàng)業(yè)活動(dòng)［22］。在房?jī)r(jià)高企的壓力下，最富創(chuàng)新意識(shí)的年輕人往往選擇先買房再創(chuàng)業(yè)，從而制約了城市創(chuàng)新創(chuàng)業(yè)活動(dòng)的涌現(xiàn)［23］。高企的房?jī)r(jià)還提升了本地服務(wù)業(yè)運(yùn)營(yíng)成本，對(duì)服務(wù)業(yè)集聚存在顯著的抑制作用［6］，而創(chuàng)業(yè)孵化類生產(chǎn)性服務(wù)業(yè)是城市創(chuàng)業(yè)的關(guān)鍵載體。此外，創(chuàng)業(yè)資金還將因房?jī)r(jià)上漲而被吸引至房地產(chǎn)行業(yè)，導(dǎo)致創(chuàng)業(yè)資金錯(cuò)配［24］。HURST和LUSARDI［25］的研究也證實(shí)了這一結(jié)論，即在房?jī)r(jià)上漲較快的地區(qū)，其本地勞動(dòng)力創(chuàng)業(yè)活躍度相對(duì)較低。

通過(guò)文獻(xiàn)梳理可以總結(jié)出高房?jī)r(jià)影響地區(qū)創(chuàng)新的內(nèi)在邏輯(見(jiàn)圖1)。但是，現(xiàn)有研究缺乏空間視角，而事實(shí)上，房?jī)r(jià)和創(chuàng)新在空間上均存在較強(qiáng)的“空間依賴”特性，忽略空間效應(yīng)會(huì)導(dǎo)致高房?jī)r(jià)影響地區(qū)創(chuàng)新的評(píng)估中存在估計(jì)偏差。

圖1 高房?jī)r(jià)影響地區(qū)創(chuàng)新的內(nèi)在邏輯Fig.1 Internal logic of high housing price affecting regional innovation

房?jī)r(jià)在地理空間上存在交互影響，房?jī)r(jià)波動(dòng)從最先感應(yīng)到外部沖擊的區(qū)域傳遞到周邊以及聯(lián)系更加緊密的其他區(qū)域［26-27］，MEEN［28］和WOOD［29］將房?jī)r(jià)波動(dòng)傳遞的內(nèi)在機(jī)制總結(jié)為家庭遷移、財(cái)富轉(zhuǎn)移、空間套利、住房成本和搜尋成本、區(qū)域房?jī)r(jià)影響因素的領(lǐng)先滯后關(guān)系和空間異系數(shù)性等6類。而這種房?jī)r(jià)波動(dòng)的空間依賴效應(yīng)在城市群內(nèi)部表現(xiàn)得尤為顯著，部分學(xué)者將這種效應(yīng)稱之為“漣漪效應(yīng)”或“波紋效應(yīng)”［30］。創(chuàng)新在地理空間上也具有“傳遞效應(yīng)”或“溢出效應(yīng)”［31-32］，即一個(gè)地區(qū)的創(chuàng)新能力往往會(huì)輻射到周邊地區(qū)。同時(shí)，房?jī)r(jià)與創(chuàng)新之間的互動(dòng)關(guān)系也依賴于地理空間傳遞，這種“空間傳遞效應(yīng)”主要通過(guò)人口跨區(qū)流動(dòng)實(shí)現(xiàn)，包括高房?jī)r(jià)對(duì)創(chuàng)新人才擠出效應(yīng)［6］、高房?jī)r(jià)對(duì)勞動(dòng)力的分類篩選效應(yīng)［33］等。一個(gè)城市的房?jī)r(jià)上升對(duì)本地創(chuàng)新的影響會(huì)通過(guò)空間“蔓延”到更大的范圍，且其對(duì)創(chuàng)新的影響程度在不同的“蔓延圈層”存在差異性。既有空間計(jì)量研究在探討變量間空間影響時(shí)大都沿用LESAGE和PACE［34］的處理方式，即通過(guò)計(jì)算平均直接效應(yīng)、平均溢出效應(yīng)以及平均總效應(yīng)等捕捉變量間“地理空間無(wú)差別”關(guān)系，而相對(duì)忽視直接效應(yīng)、溢出效應(yīng)以及總效應(yīng)在地理空間上的差異，而空間效應(yīng)的地區(qū)差異恰恰是我國(guó)制定“地方差別化政策”的重要依據(jù)。因此，為避免造成激勵(lì)機(jī)制扭曲和研發(fā)資源錯(cuò)配，不同地區(qū)實(shí)施差異化的房?jī)r(jià)規(guī)制政策和創(chuàng)新發(fā)展政策將是必要的。

總體來(lái)看，已有研究在探討高房?jī)r(jià)對(duì)創(chuàng)新影響的抑制效應(yīng)分析中仍存在諸多不足：一是在計(jì)量方法上，未考慮空間效應(yīng)的模型估計(jì)可能會(huì)低估房?jī)r(jià)對(duì)創(chuàng)新的抑制效應(yīng)；二是已有研究缺乏地理空間視角，忽視抑制效應(yīng)的空間特征和空間異質(zhì)性，從而不能提出有針對(duì)性的政策啟示?；诖?，本文利用動(dòng)態(tài)空間自回歸模型和空間杜賓模型估計(jì)了房?jī)r(jià)對(duì)區(qū)域創(chuàng)新的“抑制效應(yīng)”，并對(duì)空間效應(yīng)進(jìn)行多維度分解，識(shí)別出房?jī)r(jià)對(duì)創(chuàng)新“抑制效應(yīng)”的空間差異。本文主要貢獻(xiàn)在于兩點(diǎn)：①在動(dòng)態(tài)空間面板分析框架下探討房?jī)r(jià)對(duì)區(qū)域創(chuàng)新的“抑制效應(yīng)”，評(píng)估結(jié)果更加準(zhǔn)確可信；②通過(guò)基于不同空間權(quán)重矩陣的構(gòu)建，可以識(shí)別房?jī)r(jià)對(duì)創(chuàng)新的空間影響機(jī)制；③在不同空間權(quán)重矩陣下對(duì)“抑制效應(yīng)”的直接效應(yīng)、溢出效應(yīng)和總效應(yīng)進(jìn)行空間分解，從而識(shí)別房?jī)r(jià)抑制區(qū)域創(chuàng)新的空間差異。

2 計(jì)量模型設(shè)計(jì)與實(shí)證結(jié)果分析

2.1 變量和數(shù)據(jù)

在變量選擇上，被解釋變量區(qū)域創(chuàng)新(PATENT)以發(fā)明專利授權(quán)量來(lái)衡量，發(fā)明專利作為創(chuàng)新的產(chǎn)出反映了創(chuàng)新活動(dòng)的最終效果，并且數(shù)據(jù)具有可比性和易獲得的特征，是目前國(guó)內(nèi)外最常使用的衡量指標(biāo)［35-36］。核心解釋變量為房?jī)r(jià)(HPRICE)，以地區(qū)銷售房屋平均價(jià)格衡量，反映了當(dāng)?shù)氐耐恋睾妥》砍杀??？刂谱兞堪ǎ悍从潮镜厥袌?chǎng)效應(yīng)的本地市場(chǎng)規(guī)模、反映價(jià)格指數(shù)效應(yīng)的勞動(dòng)力成本、反映地區(qū)間交易成本的本地通達(dá)性和對(duì)外開(kāi)放程度、反映本地生活性資源的環(huán)境質(zhì)量以及反映創(chuàng)新源質(zhì)量的人力資本和產(chǎn)業(yè)高端化水平等。

本文構(gòu)建了全國(guó)285個(gè)地級(jí)市2004—2013年10年面板數(shù)據(jù)，獲得2 850個(gè)樣本。需要特別說(shuō)明的是，囿于數(shù)據(jù)可得性及與其他數(shù)據(jù)一致性所限，剔除了若干地級(jí)市單元。其中，發(fā)明專利數(shù)據(jù)來(lái)自中國(guó)知識(shí)產(chǎn)權(quán)局的在線專利檢索系統(tǒng)。解釋變量指標(biāo)均源于歷年《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和《中國(guó)城市統(tǒng)計(jì)年鑒》。主要變量描述性統(tǒng)計(jì)如表1所示。由表1可知，從變量離散程度看，表征“價(jià)格指數(shù)效應(yīng)”的勞動(dòng)力成本指標(biāo)標(biāo)準(zhǔn)差最大，變化波動(dòng)最為明顯；而人口密度和房?jī)r(jià)水平的波動(dòng)性較小，分別為0.3和0.23。

表1 主要變量的描述性統(tǒng)計(jì)Tab.1 Descriptive statistics of the main variables

2.2 模型選擇

基于開(kāi)放經(jīng)濟(jì)條件下的新經(jīng)濟(jì)地理學(xué)框架，借鑒LUCIO等［37］的模型形式，本文設(shè)定如下基礎(chǔ)模型形式。

其中：PATENT表示地區(qū)創(chuàng)新水平；HPRICE表示房?jī)r(jià)，以地區(qū)銷售房屋平均價(jià)格衡量；TRADE表示地區(qū)開(kāi)放水平，以地區(qū)出口額衡量；POLL表示地區(qū)環(huán)境質(zhì)量，以本地污水排放量衡量；ROAD表示本地基礎(chǔ)設(shè)施條件，以區(qū)域交通里程數(shù)衡量；HUMAN表示地區(qū)人力資本條件，以本地在校大學(xué)生數(shù)量衡量；DENSITY表示地區(qū)人口密度；GDP代表地區(qū)市場(chǎng)潛力，以本地經(jīng)濟(jì)規(guī)模衡量；β0是截距項(xiàng)，β1～β8是待估計(jì)參數(shù)，μi和λt分別為空間異質(zhì)性和時(shí)間異質(zhì)性，ε為隨機(jī)擾動(dòng)項(xiàng)。

本文的研究重心在于搭建起區(qū)域房?jī)r(jià)影響創(chuàng)新的“空間橋梁”，需要考察地理鄰近和聯(lián)系緊密地區(qū)房?jī)r(jià)水平對(duì)本地區(qū)創(chuàng)新產(chǎn)出的影響，而且房?jī)r(jià)波動(dòng)和創(chuàng)新在空間上同時(shí)存在顯著的“空間依賴”性，這一點(diǎn)在既有研究中已經(jīng)得到充分的證實(shí)。因此，本文分別構(gòu)建了空間自回歸(SAR)和空間杜賓模型(SDM)，據(jù)此捕捉房?jī)r(jià)和區(qū)域創(chuàng)新的空間溢出效應(yīng)［34，38］。模型形式如下。

其中，W表示空間權(quán)重矩陣，分別為基于地理距離和城市間人口流動(dòng)②在本文所構(gòu)建的人口流動(dòng)矩陣中，城市間聯(lián)系以2017年春節(jié)前后15天人口城市間遷徙流量的平均值表征。這種遷徙流量數(shù)據(jù)通過(guò)百度遷徙數(shù)據(jù)獲得。百度遷徙數(shù)據(jù)可以通過(guò)手機(jī)用戶的定位信息映射人口流動(dòng)軌跡，塑造出人口流動(dòng)過(guò)程中產(chǎn)生的起止節(jié)點(diǎn)，是包含流出地(origin)和流入地(destination)的網(wǎng)絡(luò)流量數(shù)據(jù)。兩種不同的空間權(quán)重矩陣?？臻g權(quán)重矩陣與變量相乘則構(gòu)成空間變量，利用空間權(quán)重加權(quán)的自變量反映周邊地區(qū)相關(guān)變量對(duì)本地創(chuàng)新的空間溢出效應(yīng)。需要說(shuō)明的是，構(gòu)建地理距離和人口流動(dòng)空間權(quán)重矩陣時(shí)均未選取閾值，亦即每個(gè)地區(qū)的“鄰居”數(shù)均為284個(gè)，各“鄰居”權(quán)重分別使用距離的倒數(shù)和人口流動(dòng)的數(shù)量；在進(jìn)行模型估計(jì)時(shí)，對(duì)空間權(quán)重矩陣都進(jìn)行了行標(biāo)準(zhǔn)化。

在對(duì)上述模型估計(jì)前，需要確定模型中是否包含個(gè)體效應(yīng)以及個(gè)體效應(yīng)的形式。其中，個(gè)體效應(yīng)檢驗(yàn)的F統(tǒng)計(jì)量為9.738，兩種空間權(quán)重矩陣下的Hausman檢驗(yàn)統(tǒng)計(jì)量分別為279.71和234.75，在1%的顯著性水平上均拒絕了原假設(shè)。因此，采用固定個(gè)體效應(yīng)模型形式進(jìn)行估計(jì)。

2.3 實(shí)證結(jié)果分析

表2給出了上述3個(gè)模型的估計(jì)結(jié)果(被解釋變量：發(fā)明專利授權(quán)量)。模型(1)是未考慮創(chuàng)新的空間溢出效應(yīng)的面板回歸模型，包括混合面板回歸模型和固定效應(yīng)模型。模型(2)是考慮了區(qū)域間創(chuàng)新溢出效應(yīng)的空間自回歸模型，模型(3)是考慮了區(qū)域間房?jī)r(jià)溢出效應(yīng)的空間杜賓模型，空間權(quán)重矩陣分別選擇了地理距離權(quán)重矩陣和人口流動(dòng)權(quán)重矩陣，模型(2)和模型(3)的估計(jì)均采用極大似然法(ML)。

表2 房?jī)r(jià)對(duì)區(qū)域創(chuàng)新影響的回歸結(jié)果Tab.2 Regression results of the impact of house price on regional innovation

第一，從模型(1)的估計(jì)結(jié)果來(lái)看，在不考慮其他地區(qū)創(chuàng)新產(chǎn)出對(duì)本地創(chuàng)新影響的條件下，本地房?jī)r(jià)水平對(duì)地區(qū)創(chuàng)新產(chǎn)出具有顯著的負(fù)向影響(分別為-529.39和-692.28)，即本地房?jī)r(jià)上漲將使本地創(chuàng)新環(huán)境惡化，從而抑制本地創(chuàng)新投入及創(chuàng)新資源向本地區(qū)轉(zhuǎn)移。

第二，嵌入空間相互作用的空間自回歸模型估計(jì)結(jié)果(模型2)顯示，無(wú)論是基于地理距離權(quán)重矩陣還是基于人口流動(dòng)權(quán)重矩陣，創(chuàng)新能力空間滯后系數(shù)ρ1均在1%顯著水平上顯著為正，這表明地級(jí)市尺度下的區(qū)域創(chuàng)新具有明顯的空間依賴特性，在人力資本空間游走、產(chǎn)業(yè)技術(shù)關(guān)聯(lián)及創(chuàng)新“先發(fā)地區(qū)”的“示范效應(yīng)”3種機(jī)制作用下，本地區(qū)域創(chuàng)新能力與地理鄰近或人流聯(lián)系緊密地區(qū)的創(chuàng)新能力高度相關(guān)，總體表現(xiàn)出顯著的“空間集群”特征。

第三，進(jìn)一步地，使用不同的空間權(quán)重矩陣可以識(shí)別房?jī)r(jià)“抑制效應(yīng)”空間傳導(dǎo)的機(jī)制路徑，即不同空間權(quán)重矩陣下的估計(jì)結(jié)果可被視為不同機(jī)制路徑的結(jié)果差異。在創(chuàng)新擴(kuò)散的3種機(jī)制中，人力資本空間游走、產(chǎn)業(yè)技術(shù)關(guān)聯(lián)兩種機(jī)制主要通過(guò)“人口流動(dòng)”實(shí)現(xiàn)，而創(chuàng)新“先發(fā)地區(qū)”的“模仿效應(yīng)”主要發(fā)生在“地理鄰近”區(qū)域間，因此，考察兩種權(quán)重矩陣下創(chuàng)新“空間依賴效應(yīng)”大小即可獲知本地對(duì)周邊地區(qū)創(chuàng)新影響是創(chuàng)新溢出的結(jié)果還是創(chuàng)新模仿的結(jié)果。在地理距離權(quán)重矩陣設(shè)定下，本地區(qū)創(chuàng)新專利數(shù)上升1個(gè)單位，周邊地區(qū)專利數(shù)上升0.667個(gè)單位；而在人口流動(dòng)矩陣設(shè)定下，本地區(qū)創(chuàng)新專利數(shù)上升1個(gè)單位，周邊地區(qū)專利數(shù)僅上升0.073個(gè)單位。從這個(gè)意義上講，區(qū)域創(chuàng)新似乎更傾向于向地理鄰近地區(qū)溢出，而非人流聯(lián)系緊密地區(qū)，即就我國(guó)各地級(jí)市而言，“創(chuàng)新空間依賴”主要源于地區(qū)間創(chuàng)新模仿。兩種權(quán)重矩陣下，房?jī)r(jià)對(duì)創(chuàng)新影響均顯著為負(fù)，說(shuō)明本地房?jī)r(jià)上漲將通過(guò)抑制本地創(chuàng)新從而間接拖累周邊地區(qū)創(chuàng)新。

第四，當(dāng)考慮其他地區(qū)房?jī)r(jià)對(duì)本地創(chuàng)新產(chǎn)出影響時(shí)，無(wú)論是基于地理區(qū)位關(guān)系還是人口流動(dòng)關(guān)系，發(fā)現(xiàn)“外圍”地區(qū)房?jī)r(jià)(W×HPRICE)對(duì)本地創(chuàng)新將產(chǎn)生顯著的負(fù)影響。從空間滯后(W×PATENT)系數(shù)的大小來(lái)看，在地理距離矩陣和人口流動(dòng)矩陣下，其他地區(qū)房?jī)r(jià)波動(dòng)對(duì)本地創(chuàng)新產(chǎn)出的影響系數(shù)分別為-7 210.2和-2 722.9，說(shuō)明越是與本地地理區(qū)位接近的地區(qū)，其房?jī)r(jià)上漲對(duì)創(chuàng)新產(chǎn)出的增長(zhǎng)的負(fù)效應(yīng)就越強(qiáng)，地區(qū)之間呈現(xiàn)明顯的“創(chuàng)新空間競(jìng)爭(zhēng)”特征；反過(guò)來(lái)也說(shuō)明，降低本地房?jī)r(jià)水平不僅可以通過(guò)直接效應(yīng)帶動(dòng)本地創(chuàng)新產(chǎn)出，同時(shí)可以通過(guò)“空間競(jìng)爭(zhēng)效應(yīng)”促進(jìn)“周邊”地區(qū)創(chuàng)新。計(jì)量結(jié)果表明，一個(gè)地區(qū)的房?jī)r(jià)上漲能夠顯著抑制本地創(chuàng)新投入或創(chuàng)新資源向本地轉(zhuǎn)移，從而拖累本地創(chuàng)新。同時(shí)，區(qū)域創(chuàng)新產(chǎn)出呈現(xiàn)出顯著的區(qū)際負(fù)溢出效應(yīng)，地理鄰近地區(qū)的“模仿效應(yīng)”和人力資本游走均為重要的溢出機(jī)制，且地區(qū)間創(chuàng)新“模仿效應(yīng)”相對(duì)影響程度更高。

在存在空間溢出效應(yīng)時(shí)，房?jī)r(jià)的變動(dòng)不僅會(huì)引起本地創(chuàng)新隨之變化，同時(shí)也會(huì)對(duì)其“緊密聯(lián)系”地區(qū)的創(chuàng)新產(chǎn)生影響，并通過(guò)循環(huán)“空間傳遞效應(yīng)”引起創(chuàng)新“連鎖調(diào)整”。以空間自回歸模型(模型2)為例，房?jī)r(jià)對(duì)創(chuàng)新的邊際效應(yīng)矩陣可表示成

其中，In是n階單位矩陣，yi表示第i個(gè)地區(qū)的創(chuàng)新水平，xi表示第i個(gè)地區(qū)的房?jī)r(jià)，W為n×n的空間權(quán)重矩陣。根據(jù)LESAGE和PACE［34］的定義，邊際效應(yīng)矩陣的行和表示當(dāng)?shù)貏?chuàng)新水平所接收到的總效應(yīng)，即所有地區(qū)房?jī)r(jià)變動(dòng)給當(dāng)?shù)貏?chuàng)新水平帶來(lái)的影響之和；邊際效應(yīng)矩陣的列和表示當(dāng)?shù)胤績(jī)r(jià)變動(dòng)所引致的總效應(yīng)，即當(dāng)?shù)胤績(jī)r(jià)變動(dòng)給所有地區(qū)的創(chuàng)新水平帶來(lái)的影響之和；邊際效應(yīng)矩陣主對(duì)角線上的元素表示直接效應(yīng)，即本地房?jī)r(jià)對(duì)本地創(chuàng)新水平的影響；總效應(yīng)與直接效應(yīng)之差為間接效應(yīng)，即周邊地區(qū)房?jī)r(jià)變動(dòng)給當(dāng)?shù)貏?chuàng)新水平帶來(lái)的影響(行和減去主對(duì)角線元素)，或者本地房?jī)r(jià)對(duì)周邊地區(qū)創(chuàng)新水平的影響(列和減去主對(duì)角線元素)。在LESAGE和PACE［34］給出平均效應(yīng)③包括平均總效應(yīng)、平均直接效應(yīng)和平均間接效應(yīng)。測(cè)度后，行和與列和的區(qū)別不復(fù)存在，行和(或列和)間的差異也被忽略，代之以直接效應(yīng)、間接效應(yīng)和總效應(yīng)來(lái)測(cè)度變量間的“空間效應(yīng)”。

兩種空間模型估計(jì)得到的空間效應(yīng)如表3所示，無(wú)論是在地理距離矩陣還是人口流動(dòng)矩陣下，房?jī)r(jià)上漲不僅對(duì)本地創(chuàng)新有顯著的負(fù)向影響，而且還顯著拖累了周邊地區(qū)創(chuàng)新步伐。

表3 SAR和SDM模型下房?jī)r(jià)影響創(chuàng)新的空間效應(yīng)Tab.3 Spatial effects of housing price on innovation under SAR and SDM models

從表3空間自回歸模型的空間效應(yīng)估計(jì)結(jié)果看，基于地理距離權(quán)重矩陣和基于人口流動(dòng)權(quán)重矩陣的直接效應(yīng)分別為-923.3和-717.2，地理距離權(quán)重下的直接效應(yīng)略大于人口流動(dòng)權(quán)重下的直接效應(yīng)，而地理距離權(quán)重下的間接效應(yīng)遠(yuǎn)大于人口流動(dòng)權(quán)重下的間接效應(yīng)，且兩者不在一個(gè)數(shù)量級(jí)上。從表3空間杜賓模型的空間效應(yīng)估計(jì)結(jié)果看，基于地理距離權(quán)重矩陣和基于人口流動(dòng)權(quán)重矩陣的直接效應(yīng)分別為-129.966和-105.93，兩者差距不大，然而從空間溢出的角度來(lái)看，基于地理距離矩陣的間接效應(yīng)-21 543.7，顯著大于基于人口流動(dòng)矩陣的間接效應(yīng)-2 928.63，兩者差距明顯。以上結(jié)果均表明，房?jī)r(jià)上漲對(duì)周邊地區(qū)創(chuàng)新產(chǎn)生的抑制效應(yīng)在地理鄰近地區(qū)之間表現(xiàn)得更強(qiáng)，而在人口流量聯(lián)系緊密地區(qū)表現(xiàn)相對(duì)較弱。這一結(jié)論也與前文得到的區(qū)域創(chuàng)新可能更傾向于向地理鄰近地區(qū)溢出一致。

2.4 穩(wěn)健性檢驗(yàn)

從前文回歸結(jié)果看，一個(gè)地區(qū)的房?jī)r(jià)對(duì)本地創(chuàng)新及周邊創(chuàng)新產(chǎn)出的影響均顯著為負(fù)，然而需要說(shuō)明的是，以地區(qū)發(fā)明專利數(shù)作為衡量區(qū)域創(chuàng)新的唯一指標(biāo)將不可避免地存在一定的片面性，將使得結(jié)論的可信度不足。本文選擇“城市創(chuàng)新力指數(shù)”作為衡量區(qū)域創(chuàng)新的指標(biāo)，以檢驗(yàn)結(jié)論的穩(wěn)健性?！俺鞘袆?chuàng)新力指數(shù)”來(lái)源于復(fù)旦大學(xué)產(chǎn)業(yè)發(fā)展研究中心所編制的《中國(guó)城市和產(chǎn)業(yè)創(chuàng)新力報(bào)告2017》，這份報(bào)告計(jì)算了2005—2016年全國(guó)338個(gè)城市的創(chuàng)新力指數(shù)。為保持樣本城市的一致性，本文選取其中2005—2014年285個(gè)城市創(chuàng)新力指數(shù)數(shù)據(jù)?？臻g模型估計(jì)結(jié)果如表4所示，空間效應(yīng)估計(jì)結(jié)果如表5所示。

表4 穩(wěn)健性檢驗(yàn)：回歸結(jié)果（被解釋變量：城市創(chuàng)新力指數(shù)）Tab.4 Robustness test：regression results(dependent variables：urban innovation index)

表5 穩(wěn)健性檢驗(yàn)：SAR和SDM模型下房?jī)r(jià)影響創(chuàng)新的空間效應(yīng)Tab.5 Robustness test：spatial effects of housing price on innovation under SAR and SDM models

以“城市創(chuàng)新力指數(shù)”為被解釋變量的穩(wěn)健性檢驗(yàn)估計(jì)結(jié)果顯示，在空間自回歸模型(4)中，無(wú)論采取何種矩陣，城市創(chuàng)新力指數(shù)的空間滯后系數(shù)均顯著為正，而地理距離權(quán)重矩陣下“城市創(chuàng)新力指數(shù)”空間滯后項(xiàng)系數(shù)明顯高于人口流量權(quán)重矩陣下的空間滯后項(xiàng)系數(shù)，這也驗(yàn)證了前文關(guān)于“創(chuàng)新溢出效應(yīng)更有可能在地理距離聯(lián)系緊密與人口流量聯(lián)系緊密的區(qū)域間發(fā)生，而地理距離聯(lián)系緊密地區(qū)間的創(chuàng)新溢出效應(yīng)更強(qiáng)”這一結(jié)論?？臻g杜賓模型(5)同樣報(bào)告了與表2中模型(3)類似的結(jié)果，即本地房?jī)r(jià)上漲對(duì)本地和“外圍”地區(qū)創(chuàng)新產(chǎn)生顯著的負(fù)影響，且地理距離矩陣下房?jī)r(jià)空間滯后項(xiàng)系數(shù)明顯高于人口流量矩陣下的系數(shù)。這也進(jìn)一步表明，本地房?jī)r(jià)上漲不僅顯著抑制了本地創(chuàng)新能力，而且還通過(guò)空間溢出機(jī)制抑制了地理鄰近地區(qū)和人口流量聯(lián)系緊密地區(qū)的創(chuàng)新能力，而且這種創(chuàng)新拖累效應(yīng)在地理距離聯(lián)系緊密地區(qū)表現(xiàn)更強(qiáng)。此外，表5空間效應(yīng)估計(jì)結(jié)果同樣顯示了這一規(guī)律，地理距離權(quán)重矩陣下的間接效應(yīng)與總效應(yīng)絕對(duì)值均顯著高于人口遷移矩陣結(jié)果，這也進(jìn)一步證實(shí)了房?jī)r(jià)上漲對(duì)周邊地區(qū)創(chuàng)新產(chǎn)生的抑制效應(yīng)可能更多通過(guò)地理空間傳遞這一結(jié)論。

3 房?jī)r(jià)上漲抑制區(qū)域創(chuàng)新的空間效應(yīng)分解

LESAGE和PACE［34］提出的直接效應(yīng)和間接效應(yīng)僅僅是研究對(duì)象所有空間單元上的“平均”空間效應(yīng)，這種處理方式在地理空間單元數(shù)量較多的情況下可以精簡(jiǎn)計(jì)量報(bào)告結(jié)果，還可以極大簡(jiǎn)化模型估計(jì)過(guò)程中的逆矩陣運(yùn)算。然而這種處理方式會(huì)喪失對(duì)空間效應(yīng)的統(tǒng)計(jì)分布及地區(qū)差異特征等信息的“捕捉”，而對(duì)于地區(qū)個(gè)數(shù)適中的數(shù)據(jù)模型，分析直接效應(yīng)、間接效應(yīng)以及總效應(yīng)的分布特征及空間差異比報(bào)告其均值更有意義。就房?jī)r(jià)對(duì)創(chuàng)新的抑制效應(yīng)而言，在房?jī)r(jià)“普漲”背景下，房?jī)r(jià)升高引發(fā)的創(chuàng)新“抑制”在地域上也必然呈現(xiàn)巨大差異，只有承認(rèn)和明晰“抑制效應(yīng)”的空間差異，才能有針對(duì)性地制定基于房?jī)r(jià)規(guī)制的創(chuàng)新政策。為此，重新考慮邊際效應(yīng)矩陣(4)，計(jì)算此矩陣的每一個(gè)元素，識(shí)別不同地區(qū)空間單元變量間影響的“空間效應(yīng)”，這樣可得到中國(guó)不同地區(qū)房?jī)r(jià)上漲對(duì)本地及周邊區(qū)域創(chuàng)新的“抑制效應(yīng)”。為得到不同地區(qū)“空間效應(yīng)”的顯著性水平，本文遵循LESAGE和PACE［34］的方法，利用模型極大似然估計(jì)結(jié)果，從多元正態(tài)分布中隨機(jī)抽取參數(shù)模擬值，并據(jù)此計(jì)算各地區(qū)的空間效應(yīng)，且重復(fù)此過(guò)程2 000次，從而得到其經(jīng)驗(yàn)分布以及顯著性水平。R語(yǔ)言軟件生成的計(jì)算結(jié)果表明，各地區(qū)空間“抑制效應(yīng)”均顯著。由此，本文計(jì)算的空間效應(yīng)的描述性統(tǒng)計(jì)特征如表6所示。

表6 中國(guó)285個(gè)地級(jí)市房?jī)r(jià)對(duì)區(qū)域創(chuàng)新“抑制效應(yīng)”的描述性統(tǒng)計(jì)Tab.6 Descriptive statistics of“inhibition effect”for 285 prefectures in China

此外，在不同的空間權(quán)重矩陣下對(duì)矩陣(4)的估計(jì)還有助于識(shí)別房?jī)r(jià)“抑制效應(yīng)”空間傳導(dǎo)的機(jī)制路徑。房?jī)r(jià)對(duì)創(chuàng)新的抑制作用的“空間傳遞”主要通過(guò)人力資本空間游走和“地理鄰近”區(qū)域間的“模仿效應(yīng)”兩種渠道展開(kāi)，房?jī)r(jià)“創(chuàng)新抑制效應(yīng)”是創(chuàng)新模仿和創(chuàng)新溢出兩種機(jī)制共同作用的結(jié)果，其中，空間距離鄰近的區(qū)域更容易開(kāi)展創(chuàng)新模仿，而地區(qū)間人口流量較大的區(qū)域更容易通過(guò)人力資本游走的方式實(shí)現(xiàn)創(chuàng)新溢出。在不同權(quán)重矩陣下對(duì)矩陣(4)內(nèi)各元素進(jìn)行估計(jì)，可大致識(shí)別出不同機(jī)制下“抑制效應(yīng)”空間傳導(dǎo)的結(jié)果。為簡(jiǎn)化分析，本文僅針對(duì)空間杜賓模型的空間效應(yīng)分解，表7列出了地理距離和人口流動(dòng)權(quán)重矩陣下房?jī)r(jià)對(duì)區(qū)域創(chuàng)新“抑制效應(yīng)”空間分異結(jié)果(依據(jù)總效應(yīng)絕對(duì)值的高低，選取前15位城市列出)。首先，從地理距離權(quán)重矩陣下房?jī)r(jià)對(duì)區(qū)域創(chuàng)新“直接效應(yīng)”上看，本地房?jī)r(jià)上漲對(duì)本地創(chuàng)新抑制效應(yīng)最強(qiáng)的城市主要分布在兩大區(qū)域，其一為中原地區(qū)的山東半島、中原城市群、江蘇中部和安徽北部等，主要包括濱州、德州、安陽(yáng)、鶴壁、南京、鄭州、青島等城市。其二為珠三角到海峽西岸區(qū)域，主要包括廣州、廈門、深圳、泉州、中山、汕頭、東莞等城市。對(duì)這些城市而言，房?jī)r(jià)上升對(duì)本地創(chuàng)新的拖累最強(qiáng)。而地理距離權(quán)重矩陣下房?jī)r(jià)對(duì)區(qū)域創(chuàng)新的“間接效應(yīng)”和“總效應(yīng)”在空間上均呈現(xiàn)顯著的“梯度分異”特征，即“高強(qiáng)度”空間效應(yīng)“核心區(qū)”大致呈“鉆石型”，其四個(gè)端點(diǎn)分別為德州、洛陽(yáng)、長(zhǎng)沙和蘇州，區(qū)域中心在安徽亳州，包含68個(gè)地級(jí)市，在這一區(qū)域房?jī)r(jià)上漲對(duì)我國(guó)整體區(qū)域創(chuàng)新的拖累將更大，這一區(qū)域也恰恰是最鄰近國(guó)內(nèi)市場(chǎng)、人口及創(chuàng)新資源的區(qū)域；而空間效應(yīng)的次一級(jí)“核心區(qū)”同樣呈“鉆石型”，其四個(gè)端點(diǎn)分別為唐山、平?jīng)?、深圳和蘇州，區(qū)域中心在河南駐馬店，包含72個(gè)地級(jí)市。這意味著，地區(qū)間的創(chuàng)新模仿效應(yīng)使得這一“鉆石型”區(qū)域房?jī)r(jià)上漲對(duì)我國(guó)整體區(qū)域創(chuàng)新的拖累將更大，即在這個(gè)區(qū)域?qū)嵤┓績(jī)r(jià)規(guī)制政策能更有效地推進(jìn)我國(guó)整體創(chuàng)新，而這一區(qū)域也恰恰是最鄰近國(guó)內(nèi)市場(chǎng)、人口及創(chuàng)新資源的區(qū)域。

其次，從人口流動(dòng)權(quán)重矩陣下房?jī)r(jià)對(duì)區(qū)域創(chuàng)新“直接效應(yīng)”上看，本地房?jī)r(jià)上漲對(duì)本地創(chuàng)新抑制效應(yīng)最強(qiáng)的城市主要分布在東北、西北和西南地區(qū)，包括銀川、西安、昆明、成都、長(zhǎng)春、太原、蘭州、酒泉、呼和浩特、武漢、沈陽(yáng)、嘉峪關(guān)等。但與地理距離權(quán)重矩陣下“間接效應(yīng)”和“總效應(yīng)”的“梯度分異”特征不同，人口流動(dòng)權(quán)重矩陣下房?jī)r(jià)對(duì)區(qū)域創(chuàng)新的“間接效應(yīng)”和“總效應(yīng)”呈現(xiàn)“分散式”“層級(jí)化”特征。按房?jī)r(jià)抑制區(qū)域創(chuàng)新“間接效應(yīng)”和“總效應(yīng)”大小，可將全國(guó)地級(jí)市劃分為4個(gè)不同層級(jí)。廣州、北京、深圳、上海、成都5個(gè)城市的房?jī)r(jià)上升對(duì)創(chuàng)新抑制效應(yīng)最強(qiáng)烈；其次為東莞、蘇州、重慶、鄭州、佛山、西安、杭州、長(zhǎng)沙、武漢、南京、昆明、合肥、天津等13個(gè)城市；第三層級(jí)包括惠州、南寧、無(wú)錫、中山、濟(jì)南、沈陽(yáng)、寧波、貴陽(yáng)、廈門、周口、石家莊、保定；第四層級(jí)包括太原、哈爾濱、青島、阜陽(yáng)、廊坊、溫州、徐州、泉州、金華、常州、南昌、商丘、長(zhǎng)春、咸陽(yáng)、福州、衡陽(yáng)等16個(gè)城市。這意味著，在人力資本遷移的作用下，地區(qū)間創(chuàng)新溢出效應(yīng)使得廣州、北京、深圳、上海、成都、東莞、蘇州、重慶、鄭州、佛山、西安、杭州等地房?jī)r(jià)上漲對(duì)我國(guó)整體區(qū)域創(chuàng)新的拖累更大，換言之，正是由于創(chuàng)新可以經(jīng)由人力資本遷移而擴(kuò)散到更廣的區(qū)域，因此占據(jù)“流量”樞紐地位的城市將具備全國(guó)范圍的控制力，未來(lái)針對(duì)“流量樞紐”城市的房?jī)r(jià)規(guī)制政策將能更有效地促進(jìn)全國(guó)整體創(chuàng)新涌現(xiàn)。

表7 房?jī)r(jià)對(duì)區(qū)域創(chuàng)新“抑制效應(yīng)”空間分異Tab.7 Spatial differentiation of“inhibition effects”of housing price on regional innovation

4 結(jié)論與啟示

本文在空間自回歸和空間杜賓模型中引入了地理距離和人口流動(dòng)兩類權(quán)重矩陣，運(yùn)用空間面板計(jì)量方法估計(jì)了房?jī)r(jià)上漲對(duì)地區(qū)創(chuàng)新的抑制效應(yīng)，并檢驗(yàn)了該效應(yīng)的“空間傳導(dǎo)機(jī)制”。同時(shí)，創(chuàng)新性地在地理空間上對(duì)房?jī)r(jià)創(chuàng)新抑制效應(yīng)進(jìn)行了分解，并識(shí)別了“創(chuàng)新抑制效應(yīng)”的區(qū)域分異。①地區(qū)房?jī)r(jià)上漲不僅將顯著抑制本地創(chuàng)新，同時(shí)也將顯著拖累與本地存在較強(qiáng)關(guān)聯(lián)地區(qū)的創(chuàng)新。②房?jī)r(jià)對(duì)關(guān)聯(lián)地區(qū)創(chuàng)新的抑制效應(yīng)主要通過(guò)鄰近地區(qū)間的“創(chuàng)新模仿效應(yīng)”和人力資本游走兩種機(jī)制實(shí)現(xiàn)，且相較于人口聯(lián)系緊密地區(qū)而言，高企的房?jī)r(jià)對(duì)地理鄰近地區(qū)的創(chuàng)新抑制更為明顯。③房?jī)r(jià)對(duì)創(chuàng)新的抑制效應(yīng)在地理空間上呈現(xiàn)出巨大差異。地理距離空間權(quán)重矩陣下“空間效應(yīng)”分解結(jié)果顯示，在區(qū)域間的“創(chuàng)新模仿”作用下，以德州、洛陽(yáng)、長(zhǎng)沙和蘇州為四個(gè)端點(diǎn)的“鉆石型”區(qū)域內(nèi)約68個(gè)城市的房?jī)r(jià)上漲對(duì)我國(guó)整體區(qū)域創(chuàng)新的拖累最大。人口流動(dòng)權(quán)重矩陣下“空間效應(yīng)”分解結(jié)果則顯示，在人力資本游走機(jī)制下，地區(qū)間創(chuàng)新溢出效應(yīng)使得占據(jù)“流量樞紐”地位的廣州、北京、深圳、上海、成都、東莞、蘇州、重慶、鄭州、佛山、西安、杭州等地房?jī)r(jià)上漲對(duì)我國(guó)整體創(chuàng)新的拖累將更大。這一結(jié)論為我國(guó)房?jī)r(jià)的空間精準(zhǔn)調(diào)控提供了政策依據(jù)，為更好推動(dòng)整體區(qū)域創(chuàng)新發(fā)展，未來(lái)我國(guó)房?jī)r(jià)規(guī)制政策應(yīng)重點(diǎn)聚焦兩類區(qū)域，其一是最鄰近國(guó)內(nèi)市場(chǎng)、人口及創(chuàng)新資源的“鉆石型”區(qū)域，其二是人口遷移流量“樞紐型”區(qū)域。

基于以上結(jié)論，本文提出如下政策建議。①在當(dāng)前中國(guó)經(jīng)濟(jì)由高速增長(zhǎng)向高質(zhì)量發(fā)展轉(zhuǎn)型的新時(shí)期，各級(jí)政府應(yīng)堅(jiān)持“房子是用來(lái)住的，不是用來(lái)炒的”，建立房地產(chǎn)市場(chǎng)健康發(fā)展的長(zhǎng)效機(jī)制。為實(shí)現(xiàn)本地經(jīng)濟(jì)高質(zhì)量發(fā)展，地方政府逐步摒棄以土地財(cái)政、推高房?jī)r(jià)等方式刺激經(jīng)濟(jì)增長(zhǎng)的傳統(tǒng)發(fā)展模式，轉(zhuǎn)向通過(guò)適度抑制房?jī)r(jià)增強(qiáng)本地吸引創(chuàng)新資金和人力資本等創(chuàng)新要素的“粘性”的全新發(fā)展模式。②鑒于房?jī)r(jià)抑制創(chuàng)新的空間差異性，中央應(yīng)避免“一刀切”式的房地產(chǎn)調(diào)控政策，轉(zhuǎn)而采取“差別化”的地方房?jī)r(jià)規(guī)制政策。對(duì)房?jī)r(jià)對(duì)全國(guó)整體創(chuàng)新抑制效應(yīng)大的城市，如以德州、洛陽(yáng)、長(zhǎng)沙和蘇州為四個(gè)端點(diǎn)的“鉆石型”區(qū)域內(nèi)城市和廣州、北京、深圳、上海、成都、東莞等“流量樞紐型”城市應(yīng)實(shí)施定向調(diào)控和精準(zhǔn)調(diào)控。③應(yīng)重視房?jī)r(jià)對(duì)創(chuàng)新抑制效應(yīng)的空間聯(lián)動(dòng)性，地方政府房?jī)r(jià)規(guī)制政策應(yīng)注重“點(diǎn)”與“面”結(jié)合，不僅要高度關(guān)注自身“房?jī)r(jià)屬性”表現(xiàn)，還需關(guān)注與自身鄰近區(qū)域、人口流動(dòng)聯(lián)系緊密地區(qū)的“房?jī)r(jià)屬性”表現(xiàn)。對(duì)區(qū)域而言，應(yīng)從整個(gè)城市群的視角審視房?jī)r(jià)對(duì)創(chuàng)新的抑制效應(yīng)，嘗試在城市群范圍內(nèi)建立城市間房?jī)r(jià)規(guī)制的聯(lián)動(dòng)機(jī)制。