一 引言

自1998年住房市场化改革以来，中国的房地产行业繁荣发展，房价也出现了大幅上涨。1998-2014年，中国平均房价上涨近3倍，一线城市则达到了4.7倍(刘斌和、王乃嘉，2016)。快速上涨的房价对中国企业的生产经营产生了重要影响(王文春、荣昭，2014；陈斌开等，2015)，也成为了社会关注的热点话题之一。本文将重点关注房价对新建企业^①选址的影响。新经济地理学认为，房价发挥着调节企业在大中小城市之间合理布局的作用，随着住房成本的上升，人口和厂商会离开高房价的中心区域，并向低房价的外围地区扩散(Helpman，1998)。然而，从中国的现实情况来看，房价较高的长三角、京津和珠三角地区往往吸引了更多的新企业落户，那么房价对中国新建企业选址的影响机制是怎样的？房价是否发挥了抑制新建企业进入的作用呢？这些问题都值得深入研究和探讨。当前，中国面临着企业和人口过度集中于大城市，巨型城市规模不断膨胀的问题，如何利用市场机制促进企业在大中小城市之间合理布局、缩小地区间经济发展差距，已经成为中国城市化进程中亟待解决的重要现实问题。

①本文中的新建企业是指每个城市当年新成立的企业，以区别于当年该城市已存在的企业。具体的处理方法见下文的变量说明。

关于企业选址影响因素的研究一直是区域和城市经济学研究的热点。早期关于企业区位选择的研究主要集中于理论方面，韦伯(Weber) 的工业区位论和勒施(Losch) 的市场区位论都认为运输成本是影响企业选址的重要因素之一。随着微观数据的普及和计量方法的发展，经验研究开始大量出现，Figueiredo等(2002)利用西班牙数据考察了运输成本对企业选址的影响，Harris (1995)、Holl (2004)和周浩等(2015)则更进一步把运输成本和市场需求结合在一起，构建不同的可达性指标，考察它们对企业选址的影响。还有研究关注了集聚经济对企业选址的影响，Coughlin等(2000)、Holl (2004)等研究认为集聚经济能够吸引新企业进入。更多的研究则把集聚经济分为城市化经济和地方化经济两个类型，以研究不同类型的集聚经济对企业选址的影响。Head等(1995)利用日本企业数据研究证明城市化经济对新建企业的吸引力更大，而Holl (2004)和周浩等(2015)分别利用西班牙和中国数据研究后认为地方化经济对工业制造业新建企业的吸引力更大。随着经济的发展和居民环保意识的提高，政府对企业的环境管制也越来越严格，这势必会影响企业的生产成本，进而影响企业的选址决策。Becker等(2000)利用美国企业数据，研究发现环境管制会导致地区新建企业减少。王芳芳等(2011)、周浩等(2015)利用中国工业企业数据也证明了环境管制会抑制新建企业迁入。除了上述影响因素之外，周浩等(2013)还考察了外商直接投资(FDI) 外溢对中国新建企业选址的影响，发现FDI外溢是影响企业选址的重要因素之一。

综上所述，现有研究分别从运输成本、集聚经济、环境管制和FDI外溢等角度考察了新建企业选址的影响因素，拓展了人们对企业选址行为的认识，但鲜有文献考察房价对新建企业选址的影响，本文尝试对此进行研究。本文的主要贡献在于从中国工业制造业工人工资与房价的不相关性和中国土地市场的垄断性出发，考察了房价对新建企业选址的影响，并运用2001-2007年中国287个地级及以上城市的新建工业企业的微观数据进行了实证检验。实证结果显示，房价并没有发挥抑制新企业进入的作用，反而显著提升了新企业进入的概率。

本文余下部分安排如下：第二部分是房价抑制新企业进入机制失灵的理论分析，第三部分介绍本文的计量模型和相关数据，第四部分是计量结果及分析，第五部分是结论和启示。

二 房价抑制新企业进入机制失灵的理论分析

房价主要通过企业劳动力成本和固定资产投资成本两个方面来影响企业的生产成本。一方面，房价会影响企业的劳动力成本。生活成本是劳动力成本的核心组成部分，而生活成本的差异主要由住房成本决定(Moulton，1995)，因此，房价上升会提高劳动力的住房成本，进而提升企业的劳动力成本。另一方面，房价会影响企业的固定资产投资成本。土地是企业生产的基本要素，房价的上升会抬高土地价格，进而提高企业建设厂房或者租赁办公场所等固定资产投资的成本。接下来，我们将从中国工业制造业工人工资与房价的不相关性和中国土地市场的垄断性两个方面来解释房价抑制新企业进入机制的失灵，以及所产生的促进新企业进入的作用。

(一) 中国工业制造业工人工资与房价的不相关性

1.农民工是中国工业制造业工人的主要组成部分。农民工是中国制造业工人的主要组成部分，也是中国城市流动人口的主体。国家统计局2016年公布的《2015年全国农民工监测调查报告》显示，2015年农民工总量为2.77亿人，其中，从事制造业的农民工比例为31.1%。农民工具有较高的流动性，2015年外出农民工数量1.69亿人，占全部农民工数量的61%。2010年第六次人口普查显示，农民工占北京常住人口的35.9%，占深圳常住人口的70%。可见，农民工已经成为中国工业制造业工人和城市流动人口的主体。

2.农民工的工资谈判能力较低。农民工的一个重要特征就是工资谈判能力较低，而较低的工资谈判能力决定了农民工很难获得较高的工资。劳动者的工资谈判能力主要由劳动者的稀缺性和劳动者的技能水平决定。对农民工而言，一方面农民工的数量大，且相互之间的替代性较强，并不具有稀缺性；另一方面，中国的农民工大多来自中西部地区，受教育水平较低，并且基本没有接受过职业技能培训。《2015年全国农民工监测调查报告》显示，农民工中，文盲占1.1%，小学文化程度者占14%，初中文化程度者占59.7%，高中文化程度者占16.9%，大专及以上文化程度者占8.3%。因此，数量大、人力资本水平低，导致农民工的工资谈判能力较低，也决定了农民工难以向厂商要求较高的工资。

3.农民工具有特殊的消费和居住模式。农民工的工资水平普遍偏低，国家统计局数据显示，2015年从事制造业的农民工月平均收入为2970元。绝大多数农民工的工资是不可能支持他们在就业城市购买住房的，也不可能支持他们租赁体面的住房，但是经过多年工作和积累，农民工则可以依靠自己的收入在农村盖起漂亮的“洋楼”。除了收入水平的限制以外，农民工还面临城市户籍制度、社会保障制度和子女教育等各方面的限制，面对这些限制，农民工逐渐形成了“城市挣钱、农村消费”的消费模式。基于“挣钱回农村消费”的目的，农民工为了节省住房成本、积攒更多收入，他们会选择居住在城中村、工厂集体宿舍和工地工棚等“非普通商品房” ^①，极少会在打工城市购买住房或者租赁体面的住房。地方政府的特殊供地模式，也为农民工的独特的居住模式提供了可能。范剑勇等(2015)研究认为，厂商以较低的价格从地方政府获取工业用地，并通过建造集体宿舍等方式，为流动人口提供低成本住处，降低了工人对工资增长的要求。国家统计局的数据也显示上述居住模式的存在，46.1%的农民工从雇主或单位得到免费住宿，7.9%的农民工从雇主或单位得到住房补贴。

①我们借鉴范剑勇等(2015)对“非普通商品房”的定义，其主要指“城中村”(含城郊村)、工厂集体宿舍与群租型的普通商品房三种形式，居住成本较低。

可见，由于农民工较低的工资谈判能力和特殊的消费居住模式，农民工的工资和房价可能存在不相关性。国家统计局农民工调查数据印证了这一观点，2013年调查数据显示，在直辖市、省会城市、地级城市和县级市的农民工月平均收入分别为2561元、2277元、2240元和2204元。从这些数据来看，农民工的工资与其所在工作城市的房价和城市规模，并无统计上的显著联系。宁光杰(2014)利用农村外出劳动力收入数据实证发现，在控制劳动者个体特征的情况下，不同规模城市之间农民工的工资差异不大，这也为农民工的工资和房价存在不相关性提供了证据。由于农民工工资和房价存在不相关性，房价上升可能并没有带来农民工名义工资的提升，也没有提升厂商的劳动力成本。

(二) 中国土地市场的垄断性

中国的地方政府在土地市场上处于垄断地位。为了政绩考核的需要，各级政府官员展开了激烈的地区间竞争，一方面，地方政府利用垄断土地供应的优势，压缩商住用地的供应面积，通过抬高商住用地价格来获取高额的土地出让金，然后利用土地出让金或者“土地金融”等手段，大力推进城市基础设施建设，为吸引企业进入提供便利条件；另一方面，地方政府扩大工业用地供应面积，将工业用地以很低的协议价格划拨给厂商，并实施各类税收优惠政策，招商引资。范剑勇、莫家伟(2014)将工业土地市场模型化，实证证明了地方政府通过低价出让工业用地和基础设施建设两种渠道吸引新增工业投资。地方政府正是通过上述方式，以商住用地的高收益来补贴工业用地的低收益，间接地给予企业补贴，降低了企业的固定投资成本。在此情况下，房价越高，政府的土地收益越高，政府也就越有财力来进行基础设施建设和招商引资，吸引更多新企业落户。

综上所述，本文初步判断，正是由于中国工业制造业工人工资与房价的不相关性和中国土地市场的垄断性，房价上升可能并没有发挥抑制新企业进入的作用，反而促进了新企业的进入。其结果就是企业都集中于东部沿海发达城市，不利于中西部地区的经济发展以及东中西部之间区域经济发展差距的缩小。下文将通过相关模型，对上述判断进行实证检验。

三 模型设定、变量说明和数据来源 (一) 计量模型

经济理论和实践都认为，企业的选址决策是企业考虑预期收益和成本以后的最优决策，如果一个城市的生产成本较高，企业就会离开该城市到其他生产成本较低的城市投资设厂。假设代表性企业i选择在不同的城市(本文指的是地级及以上城市)j建厂经营，不考虑时间维度t，则该企业的利润函数可表示为式(1)。其中，R(·) 和C(·) 分别代表企业的收入和成本函数，x_ij^r和x_ij^c则分别代表影响企业收入和成本的企业特征变量和城市特征变量。

$ {{\pi }_{ij}}=R(x_{ij}^{r})-C(x_{ij}^{c}) $

(1)

本文借鉴List和Mchone (2000)的做法，把地级及以上城市当作新企业选址的备选空间单元，利用泊松模型(Poisson Model) 进行估计。一个城市内新建企业的数量和企业的预期利润相关，企业的预期利润越高，则在该城市新建企业的数量越多。因此，一个城市新建企业的数量可以由式(2) 表示，N_j表示城市j的新建企业数量，ε_j是随机扰动项。

$ {{N}_{j}}=f(x_{ij}^{r}+x_{ij}^{c})+{{\varepsilon }_{j}} $

(2)

从现实来看，城市新建企业的数目是非负整数，并且存在很多备选城市新建企业数目为零的现象，因此，采用泊松模型进行估计是较为合适的。在t时期，新建企业数目N_jt的概率密度函数可表示为式(3)，其中λ_jt为泊松达到率，由解释变量决定。

$ \text{Prob}({{N}_{jt}})=\text{ }\frac{{{e}^{-{{\lambda }_{jt}}}}\lambda _{_{jt}}^{{{N}_{jt}}}}{{{N}_{jt}}!}\ \ \lambda >0;{{N}_{jt}}=0, \text{ }1, \text{ }2, \text{ }\ldots, N~ $

(3)

假设λ_jt与解释变量x_jt之间存在线性关系，即：

$ \text{ln}{{\lambda }_{jt}}=\beta \prime {{x}_{jt}}+{{\alpha }_{jt}} $

(4)

其中，β′是一组待估参数。α_jt表示一些影响新建企业选址的不可观测的变量，因此，本文在回归模型中引入了时间虚拟变量和省份虚拟变量以期控制这些不可观测的影响因素。

泊松回归成立的一个重要假设就是模型的期望和方差都等于泊松到达率，即E (N_jt|x_jt)=Var (N_jt|x_jt)=λ_jt，然而这个假设和新建企业的实际数据并不相符。新建企业的数量N_jt受很多不可测的因素影响，波动较大，会出现方差明显大于期望的情况，即存在过度分散(Over dispersion) 问题。负二项模型(Negative Binomial Model) 可以有效解决被解释变量存在的过度分散问题，所以，本文利用负二项模型来估计新建企业选址问题。

综合以上分析，本文的估计方程可表示为式(5)，β₀为常数项；β₁-β₃为待估系数；dumyear、dumprov分别用于控制时间效应和地区效应；μ_jt表示随机扰动项。考虑到企业通常根据已有的城市经济社会环境来做出选址决策，故本文的解释变量都采用滞后一期的数据，如此处理也可以避免被解释变量和解释变量之间可能存在的内生性问题。

$ {{N}_{jt}}={{\beta }_{0}}+{{\beta }_{1}}\text{ln}\ agglo{{m}_{jt-1}}+{{\beta }_{2}}\text{ln}h{{p}_{jt-1}}+{{\beta }_{3}}{{X}_{jt-1}}+dumyear+dumprov+{{\mu }_{jt}} $

(5)

(二) 变量说明

被解释变量N_jt，是当年该城市新建企业的数量。中国工业企业数据库中有“企业开工时间年”这一统计数据，本文把这一统计数据作为判断新建企业的依据。例如，如果企业开工时间为2001年，那么本文就认为该企业是2001年的新建企业。

解释变量中，ln hp_jt-1是各城市房价的自然对数，是本文的核心变量。由于统计年鉴中并没有直接统计各城市的房价数据，所以本文用各城市商品房销售额(亿元) 除以商品房销售面积(万平方米) 来获得各城市的房价数据，同时本文用2002年全国城市居民消费价格指数对房价进行了平减。ln agglom_jt-1是各城市人口密度的自然对数，作为聚集经济的代理变量(Wei et al., 1999；He，2002)。人口密度用各城市人口除以各自土地面积而得，单位为万人/平方公里。X_jt-1是一组关于城市特征的控制变量，各变量的构建如下所述：(1) ln rgdp_jt-1是各城市的实际人均GDP，代表各城市的市场规模。市场规模是影响新建企业选址的重要因素之一，一般来说，一个地区市场规模越大，越有利于吸引企业到该地区投资设厂。(2) ln wage_jt-1是各城市劳动者的平均工资，代表劳动力成本。用工成本的高低是厂商在不同地区投资设厂的主要考虑因素，在利润最大化的条件下，企业会尽可能地选择劳动力成本较低的地区投资设厂。例如，富士康从原来在东部沿海城市设厂而逐渐转向在中西部地区的郑州、重庆等地设厂，主要是中西部地区拥有大量低成本的劳动力。(3) ln fdi_jt-1是当年各城市实际利用外商直接投资金额(FDI) 的自然对数。现有文献认为FDI的流入对东道国的企业经济活动产生正的外溢效用，有助于提高东道国企业的生产效率(Gorg & Strobl，2001) 和促进企业创新(Chuang & Lin，1999)，并会影响新建企业选址(周浩等，2013)。考虑到FDI对企业选址的潜在影响，本文控制了各城市实际利用外商直接投资金额这一变量。(4)seshare_jt-1是各城市第二产业产值占全市GDP的比例，代表中间投入品的供给。企业的生产需要大量中间产品的投入，中间投入品获取的难易程度也会影响企业的选址决策。鉴于本文的研究对象是工业企业，而工业企业是第二产业的主要组成部分，因此，本文选择第二产业产值占GDP的比例作为中间投入品的代理变量。一个地区第二产业产值占GDP的比例越高，说明中间投入品供给越多，也越有可能吸引企业到该地区新建工厂。(5) ln road_jt-1是各城市人均道路面积的自然对数，代表城市基础设施。完善的基础设施，尤其是交通基础设施，有利于吸引企业投资设厂。(6)edu_jt-1是各城市劳动者的人均受教育年限^①，代表人力资本水平。员工人力资本水平的高低决定着企业生产效率的高低，进而会影响企业的选址决策，在其他条件相同的情况下，一个地区人力资本水平越高，厂商越倾向于在该地区投资设厂。

①按照国际通常的计算方法，平均受教育年限=∑(某种文化程度人数占6岁及以上总人口数的比重×对应的受教育年限)。根据中国近年来各级教育学制的调整，将小学、初中、高中、中专和高等教育的受教育年限分别取6年、9年、12年、12年和16年。

(三) 数据来源

本文的数据主要来源于三个数据库，一是中国工业企业数据库，统计范围包括全部国有工业企业及规模以上^②非国有工业企业，该数据库包含了企业地理位置和开工时间等信息，本文整理了2001-2007年^③各城市的新建企业情况。目前，国家统计局只公布了1998-2007年工业企业数据，该数据并不是最新数据，但在这段时期内房价保持着较快的增长速度，各城市之间的房价高低存在较大的差异，且具有不同的波动趋势，因此，该数据仍然能够解释我们所要关注的问题。二是《中国区域统计年鉴》，目的是获取287个地级及以上城市的房价数据。三是《中国城市统计年鉴》，目的是获取287个地级及以上城市的人口、人均GDP和交通基础设施等各类指标，作为本文的各类解释变量。

②所谓规模以上，2011年以前是指企业每年主营业务收入(即销售额) 在500万元及以上，2011年该标准改为2000万元及以上。

③中国工业企业数据库记录了1998-2007年的规模以上企业数据，但是《中国区域统计年鉴》中关于商品房销售金额和销售面积的数据在2000年以前并没有记录，故我们只选择了2001-2007年新建工业企业的数据。

四 实证结果与分析 (一) 基础回归结果

表 1列出了回归方程的基本估计结果。我们先利用泊松回归粗略地考察房价对新建企业选址的影响，如回归(1) 所示，模型仅控制房价这一核心变量，并加入省份和时间虚拟变量，结果显示，房价对新建企业选址具有显著的正影响。

在回归(1) 的基础上，我们加入了前文所提及的各类控制变量，分别利用泊松回归和负二项回归进行估计，结果分别为回归(2) 和回归(3)。总的来看，两种回归的估计结果较为接近，系数的符号也完全一致。正如前文所述，泊松回归的假设是模型的期望和方差相等，而对本文的新建企业数量(N_jt) 来说，期望为31.6，方差则为2900.7，方差是期望的91.8倍，存在过度分散的问题，需利用负二项回归进行估计。另外，在备选空间单元(本文指地级及以上城市) 较多的情况下，会造成很多备选空间单元在某些年份的新建企业数量为零，这时我们就要考虑使用零膨胀泊松回归(Zero-inflated Poisson Regression) 或者零膨胀负二项回归(Zero-inflated Negative Binomial Regression) 来解决此类问题。因此，我们需要通过LR检验和Vuong检验(Vuong，1989) 来确定使用何种回归模型。根据回归(2) 和回归(3) 的结果，最终选择使用负二项回归模型。^④

④回归(3) 的LR检验在1%的水平上拒绝了使用泊松回归的假设；Vuong统计量为1.17，小于1.96的临界值，故拒绝使用零膨胀负二项回归。因此，最终选择负二项回归模型。

从回归(3) 可以看出，核心变量房价在1%的水平上显著为正，说明房价上涨并没有抑制新企业的进入，反而显著提升了新企业进入的概率，证实了第二部分的理论判断及解释。

其他控制变量的估计结果和我们的预期也基本一致。具体来看，聚集经济ln agglom在1%的水平上显著为正，说明聚集经济可以吸引新企业进入。聚集经济可以通过投入品的分享(Sharing)、生产要素的匹配(Matching) 和学习效应(Learning) 三种机制来提高劳动者和企业的生产效率(Duranton & Puga，2004)，从而吸引企业不断进入。城市市场规模ln rgdp的系数显著为正，说明新企业更倾向于到市场规模较大的城市或地区落户。平均工资ln wage的系数显著为负，说明劳动力成本的上升会抑制新企业进入。外商直接投资ln fdi的系数显著为正，说明FDI的外溢作用也会吸引新企业进入，和现有研究的结论较为一致。丰富的中间投入品供给，可以降低企业生产成本、提升企业的运营效率，是新建企业选址所参考的重要因素之一。中间投入品供给seshare的系数显著为正，也证明了上述假设。城市基础设施ln road的系数为负，但并不显著，这从一定程度上说明仅仅通过提高城市基础设施水平并不能吸引新企业流入。人力资本水平edu的系数显著为正，说明企业更倾向于到人力资本水平高的城市或地区新建企业，和现有理论一致。

(二) 稳健性检验

为了检验本文实证结果的可靠性，我们采用多种方法进行稳健性检验。首先，模型去掉城市劳动力平均工资这一控制变量。房价和劳动者工资都是影响新建企业选址的重要因素，且两者存在较强的相关关系。在劳动力平均工资对企业选址的负向作用较强的情况下，如果同时控制房价和劳动者平均工资这两个变量，可能会使房价对企业选址的负向影响变弱，甚至会对企业选址产生正向影响，进而影响本文的实证结论。因此，我们去掉劳动力平均工资这一控制变量，以期得到更稳健的实证结果。从回归(4) 的结果来看，即使在不控制劳动力平均工资的情况下，房价对新建企业选址依然具有正向影响。

其次，我们还考察了房价对新建企业选址影响的地区间差异。在回归模型中加入dzx×ln hp和dd×ln hp两个地区虚拟变量和房价对数的交乘项，采用负二项回归进行估计，其中dzx和dd分别指中西部地区和东部地区的虚拟变量。从回归(5) 可以看出，dzx×ln hp和dd×ln hp的系数都显著为正，但dd×ln hp的系数要大于dzx×ln hp的系数，说明对东部地区而言，房价吸引新建企业落户的作用更为突出。东部地区的城市依靠自身雄厚的财政实力，通过工业用地补贴、税收返还等各类优惠政策，吸引企业到东部城市生产经营，这也是东部地区城市新建企业多于中西部地区城市的重要原因之一。

(三) 出口企业和非出口企业的比较

近年来，我国一直施行的是鼓励出口的贸易政策，为了扩大出口、抢占国外市场，各级政府给对口企业实行了税收返还、财政补贴和金融支持等各类优惠政策。然而，相对于出口企业而言，非出口企业得到的优惠政策普遍偏少。基于前文的理论分析，政府通过各种补贴来弥补房价上升所带来的企业生产成本上升，从而吸引新企业进入。考虑到出口企业和非出口企业所获取的政府优惠政策的差异，房价对出口企业和非出口企业的选址的影响可能存在差异。有鉴于此，我们进一步研究了房价对出口企业和非出口企业选址的差异性影响。

利用中国工业企业数据库，并借鉴周浩等(2015)的做法，我们把出口交货值等于零的企业定义为非出口企业，把出口交货值占工业销售产值比高于0.2的企业定义为出口企业。利用负二项回归进行估计，回归结果见表 1的回归(6) 和回归(7)。由于中国工业数据库并没有统计2004年样本企业的出口交货值、工业销售产值等各类销售信息，我们并不能很好地识别出口企业和非出口企业，因此，本文在此剔除了2004年的数据。回归结果显示，房价对出口企业和非出口企业的选址都存在显著的正影响，但出口企业的估计系数要高于非出口企业的估计系数。这说明，出口企业能够更多地获取来自政府的优惠和扶持政策。值得一提的是，两个回归的一些控制变量的估计系数也存在差异。ln wage的估计系数都显著为负，但出口企业估计系数的绝对值大于非出口企业，这主要是因为我国的出口贸易主要以劳动密集型的加工贸易为主，这些行业对劳动力成本的上升更为敏感。出口企业ln fdi的估计系数显著为正，且高于非出口企业ln fdi的估计系数，说明在相同的情况下，出口企业更倾向于选址在FDI存量水平高的城市。其原因在于，进入我国的FDI主要还是以出口贸易为主，对出口企业而言，在FDI存量较多的城市生产经营，可以加强与跨国企业之间各类国际市场信息的交流，学习更为先进的生产管理经验。

五 结论及其政策含义

一国地区间经济发展不平衡的原因在于企业空间分布的不均衡。房价作为影响企业生产成本的重要因素，其发挥着调节企业在地区间合理分布、阻碍企业过度集中于大城市的作用。然而，由于中国工业制造业工人工资与房价的不相关性和中国土地市场的垄断性，房价并没有发挥抑制新企业进入的作用，反而产生了吸引新企业进入的作用。这是导致我国企业过度集中于东部沿海发达地区的重要原因之一，也是导致我国地区间经济发展差距的重要原因之一。为此，本文基于2001-2007年中国287个地级及以上城市的新建工业企业数据，利用负二项回归估计方法进行了实证检验，结果发现，在控制聚集经济等各种变量的情况下，房价并没有发挥抑制新企业进入的作用，反而显著提升了新建企业进入的概率，证明了上述理论假设。

本文的政策含义在于：一方面，加强农民工职业技能培训以提升其工资谈判能力，进而提升农民工工资，以纠正房价调节企业空间分布失灵的机制，引导企业向低房价的中西部城市转移；另一方面，改进现有工业用地的出让机制，削弱土地市场的垄断性，充分发挥市场机制的调节作用，以减弱房价吸引新企业进入的作用。这样，将有助于促进我国大中小城市的协调发展，缩小地区间经济发展的差距。