论文部分内容阅读
摘要：房价上涨通过财富效应和信贷效应加剧经济发展不平衡，但又会促使劳动力从中心城市向外围城市转移，起到缩小经济发展差距的作用，两者的综合效应决定了房价对经济发展不平衡的最终影响。本文基于2002-2012年中国23个省份的面板数据，借鉴中心一外围模型基本思想并采用加权变异系数法测算各省份的经济发展不平衡程度，考察了高房价是否会加剧省际经济发展不平衡的理论命题。结果显示，房价上涨不仅并未加剧省份内部经济发展不平衡，反而一定程度上有助于解决现有不平衡问题，这一结果与公众的普遍预期并不一致。
关键词：房价上涨；经济发展不平衡；中心一外围模型；加权变异系数法
中图分类号：F752 文献标识码：A 文章编号：1000-176X（2017）02-0097-08
自1998年住房制度改革以来，我国房地产市场进入了一段较长的繁荣时期，房价在经历了大幅上涨后成为宏观调控的重要政策目标。随后国内不少学者从房价上涨抑制居民消费和拉大收入分配差距等角度研究了高房价的负面影响，认为房价过度上涨会导致财富效应、抵押贷款效应和收入效应等。按照统筹区域经济发展的战略思路，促进各地区均衡发展逐渐成为宏观经济政策的重心之一。考虑到过去十余年房价总体上涨趋势及其对居民财富、收入和人口流动等方面的影响，房价波动是否能够影响经济发展的均衡性？高房价是否正如一些媒体和公众所判断的那样，加剧了中国的经济发展不平衡？目前关于房价与经济发展不平衡关系的实证研究很少，其主要原因在于，多数文献是按东、中、西部的划分来测算经济均衡发展指标，由于其统计口径过宽，相关实证研究难以取得进展。事实上，有关房价影响经济发展不平衡的实证研究极大地依赖于如何度量某一地区的经济发展不平衡程序。为应对上述问题，本文结合中心一外围模型基本思想，在现有地区经济发展不平衡程度测算方法的基础上，以地级市数据为基础，将省际而非区域作为测算对象，以解决经济发展不平衡指标口径过宽的问题，为研究房价对经济发展不平衡的影响提供经验依据。
一、文献综述与理论分析
作为经济增长的基础性要素，劳动力与资本在不同区域和不同城市之间进行配置，使不同地区的经济增速快慢不一，通过改变区域与城市之间的相对发展水平，最终对经济发展不平衡程度产生影响。就房地产来说，由于房屋兼具生活必需品与投资品双重属性，其价格变动既影响消费，又影响投资，与人民生活和财富水平密切相关。因此，基于对已有研究文献的综述与总结，本文从理论视角分析房价通过劳动力与资本两大基础要素对经济发展均衡性的影响路径。
（一）房价变动影响经济均衡发展的人口规模效应
国外相关研究较早提出了房价影响劳动力流动的观点。Grossman和Helpman指出某地区住房价格过高会影响劳动者的相对效用，进而抑制劳动力在该地区的集聚。类似地，Rabe和Taylor指出某地区房价相对上涨，会推高住房成本并阻止劳动力的跨区域流入。在国内研究中，高波等支持区域房价差异导致劳动力流动的结论，他们利用动态面板数据模型对2000-2009年中国35个大中城市进行实证检验，发现城市之间相对房价升高会导致相对就业人数减少，并促使产业价值链向高端攀升，实现产业转移和产业升级。但也有学者认为房价与人口流动之间的影响可能相互抵消，Muellbau，er和Murphy指出虽然房价相对较高的地区会抑制人口流入，但套利的预期却会促进人口流入。由于人口流入会促进房价上涨，房价与人口流动之间的双向互动特征很可能使得房价與人口流动的关联影响出现不确定性。
借鉴上述观点，假设城市i和城市j由于禀赋、政策等客观原因分别属于优势城市和劣势城市。劳动力在这两个城市之间流动，初始房价分别为phi和phj，通常phi≥phj。若单位劳动收入为W，初始财富为V，除房屋外的一揽子生活必需品均价为P，生活必需品数量为Q，处于均衡状态的各城市人口应满足式∑Wt+V≥ph+∑PQ，即外来劳动力是否长期停留在某城市，取决于能否同时承受房价和生活必需品价格。
根据市场价值规律，当房价相当于各期房租的现值总和时，外来劳动力若可以承受房价，就能够长期留在该城市并购买房产，否则，其既不购买房产，也无法承受长期房租，并且在长期选择离开该城市，转移到生活成本更低的城市或原籍地。根据上述均衡状态的城市人口公式，当优势城市i的房价受外生因素影响开始上涨，财富最少和收入最低的一部分劳动力将无法维持在城市i的生活，转移到仍然满足上述不等式的劣势城市j，劳动力流动将消费需求和生产力转移到城市j，使城市i的经济总量与城市i相比有所增长，并缩小两城市之间的经济发展差距。反之，当劣势城市j的房价相对上涨时，同样会因劳动力流出而拉大原有经济发展差距。综上，房价基于人口规模效应路径会促进低房价城市产生劳动力流入。结合中国不同城市房价与经济发展水平的初始条件容易发现，一线城市北京、上海、广州和深圳等地的房价长期领涨全国，确实出现了毕业生因无法承受高房价而“逃离北上广”的现象；具体到各省份内部，省会城市和大中城市由于资源、就业等原因吸引了大量流动劳动力，房价长期居高不下。因此，在房价普遍上涨时，中国的实际情况显然更偏向于优势城市的相对上升和劣势城市的相对下降，更加符合第一种情况，而这种劳动力转移将使房价与经济发展不平衡呈现负相关关系。
值得注意的是，虽然将房价考虑在内之后，国内各大中城市的生活成本远高于三、四线城市，在一定程度上能够起到抑制劳动力过度流入的效果。但从效率角度看，正如高波等所指出的，在其他条件不变的情况下，城市之间相对房价上涨，会使难以承受高房价的低端产业劳动力更加偏好流向房价偏低的地区。这表明无法承受住房成本而被迫向低房价城市转移的劳动力人口平均生产率更低。虽然高房价促成的劳动力流动能够使劣势城市的经济总量相对提升，但同时也提高了优势城市的经济效率，这在一定程度上抵消房价通过人口规模效应对经济发展不平衡产生的负向影响。 （二）房价变动影响经济均衡发展的财富效应和信贷效应
作为投资品，房地产的财富效应直接影响居民实际可支配财力的变化。根据Benjamin等的研究，房价上涨即资产升值，能够带动非住房消费，房价与消费存在正相关关系。宋勃与王子龙等通过实证研究对房价上涨能够通过正向财富效应带动社会总投资和总消费的观点进行了检验。如果从关于房地产正向财富效应的假设出发，对于处在不同发展阶段的城市来说，在相同涨幅的前提下，高房价地区由于基数更大，对消费的带动作用大于低房价地区，即出现房价上涨拉大城市之间发展差距的情况，使房价与经济发展不平衡呈现正相关关系。
除正向财富效应之外，还有国内学者将研究重心放在房价对消费的负面影响上。认为房价大幅上涨产生了对消费的挤出效应。根据洪涛对2000-2004年中国31个省份面板数据的分析，住宅价格对消费的反向影响已超过了商业地产和办公楼的财富效应。商品房平均销售价格上涨有降低个人消费支出的压力，房价波动与个人消费支出呈现负相关关系。黄静和屠梅曾利用近十年来中国家庭微观调查数据对居民房地产财富与消费之间的关系进行分析后认为，房地产财富对居民消费有显著的促进作用，但房价上涨并没有使房地产财富效应增强。
以房价上涨对消费存在负面影响为前提，房价波动与经济发展不平衡之间的关系显得更加复杂。事实上，上述两种观点本质上并无矛盾，房地产正向财富效应的存在，无论在理论和实证上都能够得到解释和证实。由于两类相反的效应施加于不同受众，所以财富效应和消费挤出两个相反的事实可以共存。财富效应主要针对资产所有者，房地产的投资属性使房产所有者的财富随房价上涨而增长，进而促进其消费：挤出效应则是针对非资产所有者，陈彦斌和邱哲圣指出房价高速增长使部分年轻家庭和贫穷家庭为了追赶房价不得不提高储蓄，从而降低了他们的实际财富水平，致使城镇居民福利水平普遍下降，其中中低收入阶层下降最多。为了购买房产，非资产所有者不得不缩减消费，即使购房之后，房屋也仅体现出居住属性，房价再上涨只能改变他们的名义财富而无法带来购买力的增长。
信贷方面同样存在类似情况。对于拥有多套房产和没有房屋抵押贷款的家庭，房价上涨使得家庭持有的房屋价值增加，房屋的潜在抵押价值随之提高，一定程度上提升了家庭的信贷融资能力。反之，Campbell和Cocco发现房屋作为抵押品，房价上涨增加了购房者的贷款压力，所产生的住房抵押（信贷）效应会抑制部分家庭尤其是年轻家庭的消费需求。因此，房价变动对信贷的影响同样是双向的。房价波动的信贷效应对家庭收入的影响取决于以上两种影响途径的效果之和。
结合房价对消费呈现正负双重影响，房价上涨对于房屋投资者和投机者来说意味着财富增加，对中低收入者意味着可支配财力下降。单考虑特定城市内部，房价上涨必然会基于上述路径拉大居民的贫富差距，但对于城市之间的经济发展不平衡程度，则无法判断正负效应的大小。通常，经济较发达城市房价上涨预期更强，为获取更高的收益，当房价上涨时，劣势地区的剩余资本倾向于流向优势地区炒房，资本要素更倾向于区域发展优势地区，使房价通过正向财富效应与经济发展不平衡呈现正相关关系，但这种正相关多大程度上会被中低收入者的负向财富效应抵消，仍需要经验分析进行检验。
二、基于中心一外围视角的省际经济发展不平衡程度测算
中国地区经济发展不平衡存在着较复杂的历史和制度原因，克鲁格曼的中心一外围模型不对称结构为我们提供了分析各省份内部经济发展不平衡问题的视角。改革开放以来，中国各省份（除直轄市外）均演化出中心一外围经济结构，省会城市、计划单列市以及一些沿海城市通常具有更优越的政策环境、更好的产业发展基础、较高的社会保障水平、较多的教育和就业机会，而其余地区的发展则相对缓慢，对外来人口的吸引力也小于中心区域。由于发展环境具有较大差异，将城市划分为中心城市和外围城市两类，可以得到更加细化的经济发展不平衡指标，包括总体经济发展不平衡程度、两类城市内部经济发展不平衡程度和两类城市之间经济发展不平衡程度。
在Akita和Miyata采用加权变异系数法和空间分解法对地区发展不平衡情况进行测算的基础上，覃成林等与陈长石等进一步借鉴了中心一外围模型基本思想，在设定平均标准的基础上，通过衡量不同地区经济发展程度与原标准的偏差来测算区域经济发展不平衡程度。以上述文献为依据，本文结合中心一外围模型的基本设定，基于地级市数据衡量了各省份经济发展不平衡情况并进行空间分解。与覃成林等不同的是，采用地级市数据测算省际经济发展不平衡程度，以省际而非区域作为研究对象，能够在数据上克服统计口径难以统一的问题，为经验分析提供依据。具体来说，借鉴Akita和Miyata的研究，加权变异系数公式为：
（1）
（2）
（3）
（4）
本文按照城市类型将其划分为中心城市和外围城市两类，即i=2。借鉴陈长石等的识别方式，在某省份的地级市中，省会城市和人均GDP排名第一的地级市（如果省会城市人均GDP排名第一，则选择人均GDP排名第二的地级市）划分为中心城市，其余地级市划分为外围城市。没有将计划单列市直接划分为中心城市的原因在于：由于计划单列市通常发展较快，具有更优越的政策环境。因而根据总量排名所得到的中心城市与计划单列市的名单几乎重合。
依据上述划分方式，在测算省际经济发展不平衡程度时至少要有4个地级市统计数据。基于历年《中国城市统计年鉴》中286个地级市的GDP和人口数据，笔者首先对数据进行筛选，剔除3个以下地级市统计数据的省份以及直辖市，最终筛选出2002-2012年的23个省份，得到三组经济发展不平衡指标在两个维度上的均值。根据指标测算结果，总的来说，各省份经济发展不平衡程度历年均值变动不大，并未出现经济发展不平衡问题加剧的情形。比较来看，不同省份经济发展不平衡程度存在着较大差异。经济发展不平衡问题比较突出的既有经济发达省份，如广东和山东，也经济欠发达的中、西部省份，如甘肃，河北、吉林、浙江和贵州则属于经济发展较均衡的省份。 三、模型设定与变量说明
（一）模型设定
结合前文的理论分析，本文基于房价可能影响经济发展不平衡的人口效应和财富效应两个视角，借鉴王小鲁和樊纲与刘修岩关于发展不平衡影响因素的思路展开经验分析，构建了包括房价变量和经济发展不平衡变量的面板数据模型：
（5）
其中，wcv表示经济发展不平衡程度，具体包括wcvt、wcvw和wcvb；ph表示房价，x表示与房价组成交互项的控制变量；y表示其他控制变量；ε表示随机误差项；i和t分别表示省份和年份。
房价与经济发展不平衡具有相互关联性，在计量模型中表现为变量存在自回归和双向影响，这是计量分析需着重解决的问题。根据理论分析，房价是影响劳动力、资本要素配置的原因，是城市之间经济发展水平产生差异的重要因素。但城市之间经济发展水平又会影响劳动力流动和财富分配，进而影响房价，这意味着房价本身还受到经济发展均衡程度的影响，说明模型变量可能存在内生性。
经济发展不平衡与房价之间存在“滚雪球”式的双向因果关系，使得静态模型可能得不到无偏有效一致的估计结果。对此，本文试图从数据和模型设定两个角度解决内生性问题。一是单从总量角度分析房价、人口及其交互项，既无法避免双向关系，又难以解释变量之间的相关性问题，通常，人口大省因住房需求大。房价往往较高，而高人口密度地区可能又因资源有限呈现更明显的经济发展不平衡。对此，在以两类城市之间经济发展不平衡程度为被解释变量时，通过计算各解释变量在两类城市之间的差距，以差值指标代替总量指标，利用房价的均值差来解释两类城市之间经济发展不平衡程度，以避免总量意义上的变量联系。二是考虑到采用固定效应模型的分析结果存在一定偏误，将主要采用动态面板数据的广义矩估计（GMM）方法进行分析。
（二）变量说明
被解释变量。被解释变量为经济发展不平衡程度wcv，具体包括总体经济发展不平衡程度wcvt、两类城市内部经济发展不平衡程度wcvw和两类城市之间经济发展不平衡程度wcvb。
核心解释变量。本文的核心解释变量为房价。为保证指标的稳健性，同时选取商品房价格和住宅价格两个房价指标。这两个指标均来自CEIC数据库，因为统计的原因，各地级市商品房价格从2002年开始统计，这也是本文选取2002-2012年作为样本期的原因，但住宅价格仅统计了2004年以后的数据。样本量较小。因此，本文以商品房价格作为计量分析的主要指标，而仅将住宅价格用于对比分析和稳健性检验。同时，还选择房价与人口数量、房价与居民财富的交互项以及人口质量作为核心解释变量，用以分析房价影响经济发展不平衡的路径和机理。人口数量为各地区年末人口数量，人口质量为各地区在校大学生数量，选择在校大学生数量而未使用人口的平均教育年限作为人口质量的替代指标。主要是考虑到本文研究的是房价与经济发展不平衡程度之间的关系，而在校大学生是高质量人口流人的一个主要原因，且房价是在校大学生是否选择在毕业地工作的决定因素之一，相比之下，人口平均受教育年限更多地体现为结果性指标。此外，选择居民年末存款余额作为居民财富的替代指标。其中年末人口数量、在校大学生数量和居民年末储蓄存款余额均来源于中经网统计数据库。
其他控制变量。考虑到制度和政策可能同时对经济发展不平衡和房价带来影响，为了避免变量遗漏所造成的内生性偏误。本文参照已有文献选取了一些反映外部环境因素和政策因素的控制变量，包括外商直接投资、公共基础设施和经济发展水平。其中选择公路面积作为公共基础设施的替代指标。关于经济发展水平变量，由于本文在测算被解释变量时已使用GDP进行估计，可能存在双向关系，所以暂不将GDP直接作为控制变量。考虑到不应忽略经济发展阶段的影响，将GDP按照25%、50%和75%的分位数构造出反映四个经济发展阶段的变量，分别赋值为1-4来控制经济发展水平。为了尽可能降低异方差，除虚拟变量之外的所有解释变量都以自然对数形式引入方程。
本文的回归样本为2002-2012年中国23个省份的面板数据。由于对中心城市和外围城市进行了区分。本文省际面板中所用到的部分变量是对各省份地级市数据所取的均值和差值。变量的描述性统计如表1所示。
四、结果分析
本文的样本区间为2002-2012年，由于时间较长，所以采用差分广义矩估计进行估计，相关检验结果也显示差分广义矩估计比较适宜。为了保证估计结果的稳健性，又报告了省际面板数据的固定效应估计结果。考虑到可能存在双向因果关系导致的内生性问题，固定效应的估计系数可能存在一定偏误，因而忽略其系数值的大小，仅参考它的显著性和系数符号。将商品房价格、房价与人口数量的交互项、房价与居民财富的交互项以及人口质量作为核心解释变量，以wcvt和wcvw为被解释变量，估计结果分别如表2和表3所示。
对于两类城市之间经济发展不平衡程度指标来说，其所估计的是特定省份内部不同类型城市之间的经济发展不平衡程度，与总体个经济发展不平衡程度指标和两类城市内部经济发展不平衡程度指标的统计口径并不相同。因此，除了滞后一期的wcvb和经济发展阶段之外，其他变量均对中心城市和外围城市进行了区分，分别得出中心城市和外围城市各变量的均值，由中心城市减去外围城市得出各变量的均值差。但由于差值计算可能得到部分负值，无法对其取对数，为了更直观的观察，对各变量的统计单位进行调整，如房价从元/平米调整为万元/平米，外商直接投资从万元调整为亿元，等等。兩类城市之间经济发展不平衡程度的估计结果如表4所示。需要注意的是，表4与表2、表3的系数值没有可比性。
根据上述三组估计结果，二阶自相关检验均支持估计方程的误差项并不存在序列相关的假设，Sargan检验也表明各个模型设定和工具变量均比较有效。通过上述估计结果，本文得到如下结论： 第一，三类经济发展不平衡程度指标均表现出较强的自积累特征，滞后一期的wcvt、wcvw和wcvb均在1%的水平下显著正相关，且系数值处于0.3-0.4之间，表明中国各省份经济发展不平衡体现出明显的“马太效应”，很难实现自发调节。这与克鲁格曼的论断比较一致，在其他因素不变的前提下，地区之间的发展差距并不能自发缩小，现阶段的经济发展差距较大程度上仍需要政府加以引导。
第二。房价与经济发展不平衡程度显著负相关，表明房价上涨不仅没有加剧经济发展不平衡，反而对经济发展差距起到调节作用。在wcvt和wcvw的两组估计结果中，由于可能存在的双向关系等问题，房价的系数符号并不特别稳健，当剔除总量意义上的影响之后，以wcvb为被解释变量的模型估计系数在1%的水平下显著，表明房价差异能够很好地解释两类城市之间的经济发展差距。如果考虑到经济发展差距的影响，房价差异应该更大。
第三，人口数量与两类城市内部经济发展不平衡程度显著正相关，但人口却无法解释两类城市之间的经济发展不平衡程度。这与理论分析不一致，主要是由所选择的指标口径难以反映劳动力流动情况所导致的。囿于数据限制，无法取得“中心→外围、外围→中心”两个方向的劳动力流动情况，这也是房价与数量结构的交互项系数值和系数符号不稳定的原因。在关于wcvt和wcvw的方程中，人口质量的系数符号为负值，表明该省份人口质量越高，经济发展不平衡程度越低。当采用两类城市均值的差值作为解释变量时，其系数分别为0.006和0.007，且在1%的水平下显著，表明中心城市和外围城市人口质量差距越大，经济发展不平衡程度越高。
第四，在关于wcvt和wcvw的方程中，房价与居民财富的交互项并不显著，但在剔除外部影响的wcvb方程中。房价与居民财富的交互项系数为0.085，并且在10%的水平下显著。这表明房价仍可能存在着较微弱的财富效应和信贷效应，并加剧了经济发展不平衡。
第五，经济发展阶段与wcvt和wcvw正相关，表明经济发展水平越高，总体经济发展不平衡程度越高。经济发展阶段与wcvb负相关，表明经济发展水平越高的省份，其两类城市之间的发展差距越小，这类省份的不均衡主要体现在两类城市内部。基础设施能够显著降低各省份总体经济发展不平衡程度和两类城市内部经济发展不平衡程度，外商直接投资也能够很好地解释三类经济发展不平衡。更进一步，通过将商品房价格变换为住宅价格和替换样本区间，笔者考察了住宅价格对经济发展不平衡的影响，并将其作为本文的稳健性检验。根据稳健性检验结果，各变量的符号和系数与表2-表4的结果基本相同。
五、研究结论
通过借鉴中心-外围模型基本思想并采用加权变异系数法测算各省份经济发展不平衡程度，本文考察了高房价是否会加剧省际经济发展不平衡的理论命题。研究发现，虽然房价上涨通过微弱的财富效应和信贷效应加剧经济发展不平衡程度，但高房价又会促使劳动力从优势城市向劣势城市转移，间接缩小城市经济发展差距。与公众普遍预期不同的是，从总和效应来看，房价上涨不仅并未加剧省份内部经济发展不平衡，反而一定程度上有助于解决现有不平衡问题。在区分中心城市和外围城市的基础上，这种负向关系更加明显。这均表明多数省份中心城市的房价都已经起到了“驱逐”劳动力的效应，“逃离北上广”已不仅仅是一线城市存在的现象。从规模来看，房价上涨促使部分劳动力向欠发达地区转移，劳动力从中心城市向外围城市流动，使房价与经济发展不平衡呈现负相关关系。
各省份经济发展不平衡体现出明显的自积累特征，很难通过经济发展实现自发调节，已形成的经济发展差距仍需要政府加以引导。人口质量、基础设施水平和外商直接投资能够对总体经济发展不平衡程度上起到改善作用。政府可以从加强教育投资、改善基础设施和外资政策等方面着手解决经济发展不平衡难题。房价通过间接“驱逐”劳动力而缩小城市发展差距的方式显然更加“短视”，如果不考虑规模而单从效率角度看，城市之间相对房价上涨，会使无法承受住房成本的勞动力被迫向低房价城市转移，长期看来，大城市因房价而产生的“优胜劣汰”机制将使得优势城市的整体效率提升，并形成产业层级的固化，使中小城市越来越难以同大城市在资源和人才方面竞争。
（责任编辑：孙艳）
关键词：房价上涨；经济发展不平衡；中心一外围模型；加权变异系数法
中图分类号：F752 文献标识码：A 文章编号：1000-176X（2017）02-0097-08
自1998年住房制度改革以来，我国房地产市场进入了一段较长的繁荣时期，房价在经历了大幅上涨后成为宏观调控的重要政策目标。随后国内不少学者从房价上涨抑制居民消费和拉大收入分配差距等角度研究了高房价的负面影响，认为房价过度上涨会导致财富效应、抵押贷款效应和收入效应等。按照统筹区域经济发展的战略思路，促进各地区均衡发展逐渐成为宏观经济政策的重心之一。考虑到过去十余年房价总体上涨趋势及其对居民财富、收入和人口流动等方面的影响，房价波动是否能够影响经济发展的均衡性？高房价是否正如一些媒体和公众所判断的那样，加剧了中国的经济发展不平衡？目前关于房价与经济发展不平衡关系的实证研究很少，其主要原因在于，多数文献是按东、中、西部的划分来测算经济均衡发展指标，由于其统计口径过宽，相关实证研究难以取得进展。事实上，有关房价影响经济发展不平衡的实证研究极大地依赖于如何度量某一地区的经济发展不平衡程序。为应对上述问题，本文结合中心一外围模型基本思想，在现有地区经济发展不平衡程度测算方法的基础上，以地级市数据为基础，将省际而非区域作为测算对象，以解决经济发展不平衡指标口径过宽的问题，为研究房价对经济发展不平衡的影响提供经验依据。
一、文献综述与理论分析
作为经济增长的基础性要素，劳动力与资本在不同区域和不同城市之间进行配置，使不同地区的经济增速快慢不一，通过改变区域与城市之间的相对发展水平，最终对经济发展不平衡程度产生影响。就房地产来说，由于房屋兼具生活必需品与投资品双重属性，其价格变动既影响消费，又影响投资，与人民生活和财富水平密切相关。因此，基于对已有研究文献的综述与总结，本文从理论视角分析房价通过劳动力与资本两大基础要素对经济发展均衡性的影响路径。
（一）房价变动影响经济均衡发展的人口规模效应
国外相关研究较早提出了房价影响劳动力流动的观点。Grossman和Helpman指出某地区住房价格过高会影响劳动者的相对效用，进而抑制劳动力在该地区的集聚。类似地，Rabe和Taylor指出某地区房价相对上涨，会推高住房成本并阻止劳动力的跨区域流入。在国内研究中，高波等支持区域房价差异导致劳动力流动的结论，他们利用动态面板数据模型对2000-2009年中国35个大中城市进行实证检验，发现城市之间相对房价升高会导致相对就业人数减少，并促使产业价值链向高端攀升，实现产业转移和产业升级。但也有学者认为房价与人口流动之间的影响可能相互抵消，Muellbau，er和Murphy指出虽然房价相对较高的地区会抑制人口流入，但套利的预期却会促进人口流入。由于人口流入会促进房价上涨，房价与人口流动之间的双向互动特征很可能使得房价與人口流动的关联影响出现不确定性。
借鉴上述观点，假设城市i和城市j由于禀赋、政策等客观原因分别属于优势城市和劣势城市。劳动力在这两个城市之间流动，初始房价分别为phi和phj，通常phi≥phj。若单位劳动收入为W，初始财富为V，除房屋外的一揽子生活必需品均价为P，生活必需品数量为Q，处于均衡状态的各城市人口应满足式∑Wt+V≥ph+∑PQ，即外来劳动力是否长期停留在某城市，取决于能否同时承受房价和生活必需品价格。
根据市场价值规律，当房价相当于各期房租的现值总和时，外来劳动力若可以承受房价，就能够长期留在该城市并购买房产，否则，其既不购买房产，也无法承受长期房租，并且在长期选择离开该城市，转移到生活成本更低的城市或原籍地。根据上述均衡状态的城市人口公式，当优势城市i的房价受外生因素影响开始上涨，财富最少和收入最低的一部分劳动力将无法维持在城市i的生活，转移到仍然满足上述不等式的劣势城市j，劳动力流动将消费需求和生产力转移到城市j，使城市i的经济总量与城市i相比有所增长，并缩小两城市之间的经济发展差距。反之，当劣势城市j的房价相对上涨时，同样会因劳动力流出而拉大原有经济发展差距。综上，房价基于人口规模效应路径会促进低房价城市产生劳动力流入。结合中国不同城市房价与经济发展水平的初始条件容易发现，一线城市北京、上海、广州和深圳等地的房价长期领涨全国，确实出现了毕业生因无法承受高房价而“逃离北上广”的现象；具体到各省份内部，省会城市和大中城市由于资源、就业等原因吸引了大量流动劳动力，房价长期居高不下。因此，在房价普遍上涨时，中国的实际情况显然更偏向于优势城市的相对上升和劣势城市的相对下降，更加符合第一种情况，而这种劳动力转移将使房价与经济发展不平衡呈现负相关关系。
值得注意的是，虽然将房价考虑在内之后，国内各大中城市的生活成本远高于三、四线城市，在一定程度上能够起到抑制劳动力过度流入的效果。但从效率角度看，正如高波等所指出的，在其他条件不变的情况下，城市之间相对房价上涨，会使难以承受高房价的低端产业劳动力更加偏好流向房价偏低的地区。这表明无法承受住房成本而被迫向低房价城市转移的劳动力人口平均生产率更低。虽然高房价促成的劳动力流动能够使劣势城市的经济总量相对提升，但同时也提高了优势城市的经济效率，这在一定程度上抵消房价通过人口规模效应对经济发展不平衡产生的负向影响。 （二）房价变动影响经济均衡发展的财富效应和信贷效应
作为投资品，房地产的财富效应直接影响居民实际可支配财力的变化。根据Benjamin等的研究，房价上涨即资产升值，能够带动非住房消费，房价与消费存在正相关关系。宋勃与王子龙等通过实证研究对房价上涨能够通过正向财富效应带动社会总投资和总消费的观点进行了检验。如果从关于房地产正向财富效应的假设出发，对于处在不同发展阶段的城市来说，在相同涨幅的前提下，高房价地区由于基数更大，对消费的带动作用大于低房价地区，即出现房价上涨拉大城市之间发展差距的情况，使房价与经济发展不平衡呈现正相关关系。
除正向财富效应之外，还有国内学者将研究重心放在房价对消费的负面影响上。认为房价大幅上涨产生了对消费的挤出效应。根据洪涛对2000-2004年中国31个省份面板数据的分析，住宅价格对消费的反向影响已超过了商业地产和办公楼的财富效应。商品房平均销售价格上涨有降低个人消费支出的压力，房价波动与个人消费支出呈现负相关关系。黄静和屠梅曾利用近十年来中国家庭微观调查数据对居民房地产财富与消费之间的关系进行分析后认为，房地产财富对居民消费有显著的促进作用，但房价上涨并没有使房地产财富效应增强。
以房价上涨对消费存在负面影响为前提，房价波动与经济发展不平衡之间的关系显得更加复杂。事实上，上述两种观点本质上并无矛盾，房地产正向财富效应的存在，无论在理论和实证上都能够得到解释和证实。由于两类相反的效应施加于不同受众，所以财富效应和消费挤出两个相反的事实可以共存。财富效应主要针对资产所有者，房地产的投资属性使房产所有者的财富随房价上涨而增长，进而促进其消费：挤出效应则是针对非资产所有者，陈彦斌和邱哲圣指出房价高速增长使部分年轻家庭和贫穷家庭为了追赶房价不得不提高储蓄，从而降低了他们的实际财富水平，致使城镇居民福利水平普遍下降，其中中低收入阶层下降最多。为了购买房产，非资产所有者不得不缩减消费，即使购房之后，房屋也仅体现出居住属性，房价再上涨只能改变他们的名义财富而无法带来购买力的增长。
信贷方面同样存在类似情况。对于拥有多套房产和没有房屋抵押贷款的家庭，房价上涨使得家庭持有的房屋价值增加，房屋的潜在抵押价值随之提高，一定程度上提升了家庭的信贷融资能力。反之，Campbell和Cocco发现房屋作为抵押品，房价上涨增加了购房者的贷款压力，所产生的住房抵押（信贷）效应会抑制部分家庭尤其是年轻家庭的消费需求。因此，房价变动对信贷的影响同样是双向的。房价波动的信贷效应对家庭收入的影响取决于以上两种影响途径的效果之和。
结合房价对消费呈现正负双重影响，房价上涨对于房屋投资者和投机者来说意味着财富增加，对中低收入者意味着可支配财力下降。单考虑特定城市内部，房价上涨必然会基于上述路径拉大居民的贫富差距，但对于城市之间的经济发展不平衡程度，则无法判断正负效应的大小。通常，经济较发达城市房价上涨预期更强，为获取更高的收益，当房价上涨时，劣势地区的剩余资本倾向于流向优势地区炒房，资本要素更倾向于区域发展优势地区，使房价通过正向财富效应与经济发展不平衡呈现正相关关系，但这种正相关多大程度上会被中低收入者的负向财富效应抵消，仍需要经验分析进行检验。
二、基于中心一外围视角的省际经济发展不平衡程度测算
中国地区经济发展不平衡存在着较复杂的历史和制度原因，克鲁格曼的中心一外围模型不对称结构为我们提供了分析各省份内部经济发展不平衡问题的视角。改革开放以来，中国各省份（除直轄市外）均演化出中心一外围经济结构，省会城市、计划单列市以及一些沿海城市通常具有更优越的政策环境、更好的产业发展基础、较高的社会保障水平、较多的教育和就业机会，而其余地区的发展则相对缓慢，对外来人口的吸引力也小于中心区域。由于发展环境具有较大差异，将城市划分为中心城市和外围城市两类，可以得到更加细化的经济发展不平衡指标，包括总体经济发展不平衡程度、两类城市内部经济发展不平衡程度和两类城市之间经济发展不平衡程度。
在Akita和Miyata采用加权变异系数法和空间分解法对地区发展不平衡情况进行测算的基础上，覃成林等与陈长石等进一步借鉴了中心一外围模型基本思想，在设定平均标准的基础上，通过衡量不同地区经济发展程度与原标准的偏差来测算区域经济发展不平衡程度。以上述文献为依据，本文结合中心一外围模型的基本设定，基于地级市数据衡量了各省份经济发展不平衡情况并进行空间分解。与覃成林等不同的是，采用地级市数据测算省际经济发展不平衡程度，以省际而非区域作为研究对象，能够在数据上克服统计口径难以统一的问题，为经验分析提供依据。具体来说，借鉴Akita和Miyata的研究，加权变异系数公式为：
（1）
（2）
（3）
（4）
本文按照城市类型将其划分为中心城市和外围城市两类，即i=2。借鉴陈长石等的识别方式，在某省份的地级市中，省会城市和人均GDP排名第一的地级市（如果省会城市人均GDP排名第一，则选择人均GDP排名第二的地级市）划分为中心城市，其余地级市划分为外围城市。没有将计划单列市直接划分为中心城市的原因在于：由于计划单列市通常发展较快，具有更优越的政策环境。因而根据总量排名所得到的中心城市与计划单列市的名单几乎重合。
依据上述划分方式，在测算省际经济发展不平衡程度时至少要有4个地级市统计数据。基于历年《中国城市统计年鉴》中286个地级市的GDP和人口数据，笔者首先对数据进行筛选，剔除3个以下地级市统计数据的省份以及直辖市，最终筛选出2002-2012年的23个省份，得到三组经济发展不平衡指标在两个维度上的均值。根据指标测算结果，总的来说，各省份经济发展不平衡程度历年均值变动不大，并未出现经济发展不平衡问题加剧的情形。比较来看，不同省份经济发展不平衡程度存在着较大差异。经济发展不平衡问题比较突出的既有经济发达省份，如广东和山东，也经济欠发达的中、西部省份，如甘肃，河北、吉林、浙江和贵州则属于经济发展较均衡的省份。 三、模型设定与变量说明
（一）模型设定
结合前文的理论分析，本文基于房价可能影响经济发展不平衡的人口效应和财富效应两个视角，借鉴王小鲁和樊纲与刘修岩关于发展不平衡影响因素的思路展开经验分析，构建了包括房价变量和经济发展不平衡变量的面板数据模型：
（5）
其中，wcv表示经济发展不平衡程度，具体包括wcvt、wcvw和wcvb；ph表示房价，x表示与房价组成交互项的控制变量；y表示其他控制变量；ε表示随机误差项；i和t分别表示省份和年份。
房价与经济发展不平衡具有相互关联性，在计量模型中表现为变量存在自回归和双向影响，这是计量分析需着重解决的问题。根据理论分析，房价是影响劳动力、资本要素配置的原因，是城市之间经济发展水平产生差异的重要因素。但城市之间经济发展水平又会影响劳动力流动和财富分配，进而影响房价，这意味着房价本身还受到经济发展均衡程度的影响，说明模型变量可能存在内生性。
经济发展不平衡与房价之间存在“滚雪球”式的双向因果关系，使得静态模型可能得不到无偏有效一致的估计结果。对此，本文试图从数据和模型设定两个角度解决内生性问题。一是单从总量角度分析房价、人口及其交互项，既无法避免双向关系，又难以解释变量之间的相关性问题，通常，人口大省因住房需求大。房价往往较高，而高人口密度地区可能又因资源有限呈现更明显的经济发展不平衡。对此，在以两类城市之间经济发展不平衡程度为被解释变量时，通过计算各解释变量在两类城市之间的差距，以差值指标代替总量指标，利用房价的均值差来解释两类城市之间经济发展不平衡程度，以避免总量意义上的变量联系。二是考虑到采用固定效应模型的分析结果存在一定偏误，将主要采用动态面板数据的广义矩估计（GMM）方法进行分析。
（二）变量说明
被解释变量。被解释变量为经济发展不平衡程度wcv，具体包括总体经济发展不平衡程度wcvt、两类城市内部经济发展不平衡程度wcvw和两类城市之间经济发展不平衡程度wcvb。
核心解释变量。本文的核心解释变量为房价。为保证指标的稳健性，同时选取商品房价格和住宅价格两个房价指标。这两个指标均来自CEIC数据库，因为统计的原因，各地级市商品房价格从2002年开始统计，这也是本文选取2002-2012年作为样本期的原因，但住宅价格仅统计了2004年以后的数据。样本量较小。因此，本文以商品房价格作为计量分析的主要指标，而仅将住宅价格用于对比分析和稳健性检验。同时，还选择房价与人口数量、房价与居民财富的交互项以及人口质量作为核心解释变量，用以分析房价影响经济发展不平衡的路径和机理。人口数量为各地区年末人口数量，人口质量为各地区在校大学生数量，选择在校大学生数量而未使用人口的平均教育年限作为人口质量的替代指标。主要是考虑到本文研究的是房价与经济发展不平衡程度之间的关系，而在校大学生是高质量人口流人的一个主要原因，且房价是在校大学生是否选择在毕业地工作的决定因素之一，相比之下，人口平均受教育年限更多地体现为结果性指标。此外，选择居民年末存款余额作为居民财富的替代指标。其中年末人口数量、在校大学生数量和居民年末储蓄存款余额均来源于中经网统计数据库。
其他控制变量。考虑到制度和政策可能同时对经济发展不平衡和房价带来影响，为了避免变量遗漏所造成的内生性偏误。本文参照已有文献选取了一些反映外部环境因素和政策因素的控制变量，包括外商直接投资、公共基础设施和经济发展水平。其中选择公路面积作为公共基础设施的替代指标。关于经济发展水平变量，由于本文在测算被解释变量时已使用GDP进行估计，可能存在双向关系，所以暂不将GDP直接作为控制变量。考虑到不应忽略经济发展阶段的影响，将GDP按照25%、50%和75%的分位数构造出反映四个经济发展阶段的变量，分别赋值为1-4来控制经济发展水平。为了尽可能降低异方差，除虚拟变量之外的所有解释变量都以自然对数形式引入方程。
本文的回归样本为2002-2012年中国23个省份的面板数据。由于对中心城市和外围城市进行了区分。本文省际面板中所用到的部分变量是对各省份地级市数据所取的均值和差值。变量的描述性统计如表1所示。
四、结果分析
本文的样本区间为2002-2012年，由于时间较长，所以采用差分广义矩估计进行估计，相关检验结果也显示差分广义矩估计比较适宜。为了保证估计结果的稳健性，又报告了省际面板数据的固定效应估计结果。考虑到可能存在双向因果关系导致的内生性问题，固定效应的估计系数可能存在一定偏误，因而忽略其系数值的大小，仅参考它的显著性和系数符号。将商品房价格、房价与人口数量的交互项、房价与居民财富的交互项以及人口质量作为核心解释变量，以wcvt和wcvw为被解释变量，估计结果分别如表2和表3所示。
对于两类城市之间经济发展不平衡程度指标来说，其所估计的是特定省份内部不同类型城市之间的经济发展不平衡程度，与总体个经济发展不平衡程度指标和两类城市内部经济发展不平衡程度指标的统计口径并不相同。因此，除了滞后一期的wcvb和经济发展阶段之外，其他变量均对中心城市和外围城市进行了区分，分别得出中心城市和外围城市各变量的均值，由中心城市减去外围城市得出各变量的均值差。但由于差值计算可能得到部分负值，无法对其取对数，为了更直观的观察，对各变量的统计单位进行调整，如房价从元/平米调整为万元/平米，外商直接投资从万元调整为亿元，等等。兩类城市之间经济发展不平衡程度的估计结果如表4所示。需要注意的是，表4与表2、表3的系数值没有可比性。
根据上述三组估计结果，二阶自相关检验均支持估计方程的误差项并不存在序列相关的假设，Sargan检验也表明各个模型设定和工具变量均比较有效。通过上述估计结果，本文得到如下结论： 第一，三类经济发展不平衡程度指标均表现出较强的自积累特征，滞后一期的wcvt、wcvw和wcvb均在1%的水平下显著正相关，且系数值处于0.3-0.4之间，表明中国各省份经济发展不平衡体现出明显的“马太效应”，很难实现自发调节。这与克鲁格曼的论断比较一致，在其他因素不变的前提下，地区之间的发展差距并不能自发缩小，现阶段的经济发展差距较大程度上仍需要政府加以引导。
第二。房价与经济发展不平衡程度显著负相关，表明房价上涨不仅没有加剧经济发展不平衡，反而对经济发展差距起到调节作用。在wcvt和wcvw的两组估计结果中，由于可能存在的双向关系等问题，房价的系数符号并不特别稳健，当剔除总量意义上的影响之后，以wcvb为被解释变量的模型估计系数在1%的水平下显著，表明房价差异能够很好地解释两类城市之间的经济发展差距。如果考虑到经济发展差距的影响，房价差异应该更大。
第三，人口数量与两类城市内部经济发展不平衡程度显著正相关，但人口却无法解释两类城市之间的经济发展不平衡程度。这与理论分析不一致，主要是由所选择的指标口径难以反映劳动力流动情况所导致的。囿于数据限制，无法取得“中心→外围、外围→中心”两个方向的劳动力流动情况，这也是房价与数量结构的交互项系数值和系数符号不稳定的原因。在关于wcvt和wcvw的方程中，人口质量的系数符号为负值，表明该省份人口质量越高，经济发展不平衡程度越低。当采用两类城市均值的差值作为解释变量时，其系数分别为0.006和0.007，且在1%的水平下显著，表明中心城市和外围城市人口质量差距越大，经济发展不平衡程度越高。
第四，在关于wcvt和wcvw的方程中，房价与居民财富的交互项并不显著，但在剔除外部影响的wcvb方程中。房价与居民财富的交互项系数为0.085，并且在10%的水平下显著。这表明房价仍可能存在着较微弱的财富效应和信贷效应，并加剧了经济发展不平衡。
第五，经济发展阶段与wcvt和wcvw正相关，表明经济发展水平越高，总体经济发展不平衡程度越高。经济发展阶段与wcvb负相关，表明经济发展水平越高的省份，其两类城市之间的发展差距越小，这类省份的不均衡主要体现在两类城市内部。基础设施能够显著降低各省份总体经济发展不平衡程度和两类城市内部经济发展不平衡程度，外商直接投资也能够很好地解释三类经济发展不平衡。更进一步，通过将商品房价格变换为住宅价格和替换样本区间，笔者考察了住宅价格对经济发展不平衡的影响，并将其作为本文的稳健性检验。根据稳健性检验结果，各变量的符号和系数与表2-表4的结果基本相同。
五、研究结论
通过借鉴中心-外围模型基本思想并采用加权变异系数法测算各省份经济发展不平衡程度，本文考察了高房价是否会加剧省际经济发展不平衡的理论命题。研究发现，虽然房价上涨通过微弱的财富效应和信贷效应加剧经济发展不平衡程度，但高房价又会促使劳动力从优势城市向劣势城市转移，间接缩小城市经济发展差距。与公众普遍预期不同的是，从总和效应来看，房价上涨不仅并未加剧省份内部经济发展不平衡，反而一定程度上有助于解决现有不平衡问题。在区分中心城市和外围城市的基础上，这种负向关系更加明显。这均表明多数省份中心城市的房价都已经起到了“驱逐”劳动力的效应，“逃离北上广”已不仅仅是一线城市存在的现象。从规模来看，房价上涨促使部分劳动力向欠发达地区转移，劳动力从中心城市向外围城市流动，使房价与经济发展不平衡呈现负相关关系。
各省份经济发展不平衡体现出明显的自积累特征，很难通过经济发展实现自发调节，已形成的经济发展差距仍需要政府加以引导。人口质量、基础设施水平和外商直接投资能够对总体经济发展不平衡程度上起到改善作用。政府可以从加强教育投资、改善基础设施和外资政策等方面着手解决经济发展不平衡难题。房价通过间接“驱逐”劳动力而缩小城市发展差距的方式显然更加“短视”，如果不考虑规模而单从效率角度看，城市之间相对房价上涨，会使无法承受住房成本的勞动力被迫向低房价城市转移，长期看来，大城市因房价而产生的“优胜劣汰”机制将使得优势城市的整体效率提升，并形成产业层级的固化，使中小城市越来越难以同大城市在资源和人才方面竞争。
（责任编辑：孙艳）