一 引言与文献综述

创新是经济增长的决定性因素，创新的决定性因素是人力资本积累。随着中国城市化水平的不断提升，人力资本向大城市集中的趋势愈发明显，劳动力面临的住房选择问题也日益突出。与此同时，近些年中国住房拥有率居高不下。据中国家庭金融调查(CHFS)统计，中国2010年、2012年、2013年、2015年、2017年的住房拥有率分别为87.6%、89.68%、93.5%、95.4%和92.8%，远高于世界60%的平均水平。因此，本文试图研究住房拥有率是否影响创新及其作用渠道。

现有文献主要从房价和人力资本两方面研究住房与创新之关系(Moretti，2004; Chaney, et al., 2012；Li & Wu，2014；陈斌开、张川川，2016)，尚未考虑住房拥有率以及人力资本的异质性对创新的影响。已有研究主要从房价财富效应、抵押效应和人口流动的角度探讨了住房对创新的影响。

首先，房价财富效应与创新呈倒“U”形关系。颜色和朱国钟(2013)认为，房价上涨会产生财富效应和“房奴效应”，“房奴效应”在当前中国占主导地位，抑制了消费；住房的财富效应可能对创新产生正影响。Hurst和Lusardi(2004)发现，住房价值升值更大地区的家庭比其他地区家庭更有可能创业。但Köszegi和Rabin(2006)发现，一旦家庭财富超过一定门槛，家庭冒险概率降低。Li和Wu(2014)也发现，高房价会阻碍具有冒险精神者的创业活动。

其次，房价对创新具有抵押效应。Cornaggia等(2015)发现，房价上涨提高了企业抵押品的市场价值，缓解了企业面临的信贷约束，使得企业专利的数量和质量均有明显提高。

最后，人力资本的空间聚集具有溢出效应和创新效应。Moretti(2004)认为，高技术人口的收入水平更高，有更高的商品和服务需求，高技术人口在城市部门的快速扩张和空间集聚推动了城市生产和生活质量的发展。陈斌开和张川川(2016)发现，能承受高房价的人群通常是创新能力较强的高收入群体，高学历且创新能力较强的人群向高房价城市集聚，为高房价城市的创新提供人力资本条件。

综上，现有文献尚未研究住房拥有率对创新的影响，且尚未基于人力资本的异质性研究住房拥有率与创新的关系。为弥补已有研究的不足，本文使用2000—2015年中国69个大中城市的面板数据，考察具有不同人力资本城市的住房拥有率对创新的影响。研究发现：住房拥有率对创新投入和创新产出均有负影响，住房拥有率对具有不同人力资本城市的创新具有不同影响，在人力资本较低的城市其负影响更显著。本文有两方面贡献。第一，本文从住房拥有率视角研究住房对城市创新的影响，有助于区分有房者和无房者，拓展住房对创新影响的研究。第二，本文基于人力资本水平分析住房拥有率对创新的影响，丰富了人力资本对创新影响的机制研究。

二 研究假设、模型设定及变量分析 (一) 研究假设

首先，住房可缓解研发的融资约束(Caballero & Krishnamurthy，2005；Chaney, et al., 2012)，显著提升企业专利数量和质量(Cornaggia, et al., 2015)。据此，本文提出如下假设：

H1：住房拥有率经抵押效应促进创新。

其次，住房拥有率抑制劳动力的流出和流入(Vermeulen & Ommeren，2006；Brackman, et al., 2004)，人口流动具有创新效应和溢出效应(Moretti，2004；陈斌开、张川川，2016)。据此，本文提出如下假设：

H2a：住房拥有率经人口流入促进创新。

H2b：住房拥有率经人口流出抑制创新。

最后，由于拥有住房限制人口流动(Vermeulen & Ommeren，2006)，因此，在人力资本低的城市，住房拥有率限制了低人力资本的流出和高人力资本的流入，对创新产生更大作用；另一方面，能承受高房价的人群通常是创新能力较强的高收入群体(陈斌开、张川川，2016)。据此，本文提出如下假设：

H3：住房拥有率对人力资本较低地区创新的影响更大。

(二) 模型设定

为检验假设H1和H3，本文借鉴余泳泽和张少辉(2017)的研究，构建房价中介效应的创新模型^①：

$ {\rm{ln}}\;H{P_{it}} = {\alpha _0} + {\alpha _1}HO{R_{it}} + {\alpha _2}{\rm{ln}}\;C{S_{it}} + {\alpha _3}{\rm{ln}}\;HP{T_{it}} + {\alpha _4}{\rm{ln}}\;M{P_{it}} + {\alpha _5}SecIn{d_{it}} \\+ {\lambda _t} + {v_i} + {\varepsilon _i}t $

(1)

$ {\rm{ln}}\;PA{T_{it}}/{\rm{ln}}\;S{E_{it}} = {\beta _0} + {\beta _1}{\rm{ln}}\;H{P_{it}} + {\beta _2}{\rm{ln}}\;C{S_{it}} + {\beta _3}{\rm{ln}}\;HP{T_{it}} + {\beta _4}{\rm{ln}}\;M{P_{it}} \\+ {\beta _5}SecIn{d_{it}} + {\lambda _t} + {v_i} + {\mu _{it}} $

(2)

$ \begin{array}{l} {\rm{ln}}\;PA{T_{it}}/{\rm{ln}}\;S{E_{it}} = {\rm{ }}{\gamma _0} + {\gamma _1}HO{R_{it}} + {\gamma _2}{\rm{ln}}\;H{P_{it}} + {\gamma _3}{\rm{ln}}\;C{S_{it}} + {\gamma _4}{\rm{ln}}\;HP{T_{it}} \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;+ {\gamma _5}{\rm{ln}}\;M{P_{it}} + {\gamma _6}SecIn{d_{it}} + {\lambda _t} + {v_i} + {\pi _{it}} \end{array} $

(3)

式中，PAT_it和SE_it分别表示i市t年专利授权量和公共科学技术支出，分别代表创新产出和创新投入；HOR_it表示住房拥有率；CS表示普通高等学校学生人数，控制教育水平对创新的影响；HPT表示医院数，控制健康对创新的影响；MP表示流动人口，控制人口流动对创新的影响；SecInd为第二产业占比，控制产业结构对创新的影响；λ_t表示时间固定效应，v_i表示城市固定效应。模型(1)检验住房拥有率对房价的影响，模型(2)检验房价对创新的影响，模型(3)检验住房拥有率影响创新的中介机制是否存在。中介效应意味着模型(1)及模型(2)的α₁和β₁具有统计显著性，若模型(3)的γ₂具有统计显著性，γ₁统计显著性弱化，表明房价具有部分中介效应；若γ₁不具统计显著性，表明房价具有完全中介效应。

同样，为检验假设H2，本文构建流动人口中介效应模型：

$ {\rm{ln}}\;M{P_{it}} = {\eta _0} + {\eta _1}HO{R_{it}} + {\eta _2}{\rm{ln}}\;C{S_{it}} + {\eta _3}{\rm{ln}}\;HP{T_{it}} + {\eta _4}{\rm{ln}}\;H{P_{it}} + {{\rm{\eta}} _5}SecIn{d_{it}} \\+ {\lambda _t} + {v_i} + {\xi _{it}} $

(4)

$ {\rm{ln}}\;PA{T_{it}}/{\rm{ln}}\;S{E_{it}} = {\theta _0} + {\theta _1}{\rm{ln}}\;M{P_{it}} + {\theta _2}{\rm{ln}}\;C{S_{it}} + {\theta _3}{\rm{ln}}\;HP{T_{it}} + {\theta _4}{\rm{ln}}\;H{P_{it}} \\+ {\theta _5}SecIn{d_{it}} + {\lambda _t} + {v_i} + {\psi _{it}} $

(5)

$ {\rm{ln}}\;PA{T_{it}}/{\rm{ln}}\;S{E_{it}} = {\rm{ }}{\rho _0} + {\rho _1}HO{R_{it}} + {\rho _2}{\rm{ln}}\;M{P_{it}} + {\rho _3}{\rm{ln}}\;C{S_{it}} + {\rho _4}{\rm{ln}}\;HP{T_{it}} + {\rho _5}{\rm{ln}}\;H{P_{it}} \\+ {\rho _6}SecIn{d_{it}} + {\lambda _t} + {v_i} + {\delta _{it}} $

(6)

上述模型中变量含义同模型(1)、模型(2)和模型(3)。

(三) 数据和变量统计分析

本文使用2000—2015年中国69个大中城市面板数据研究住房拥有率对城市创新的影响。住房拥有率数据来自2000年、2010年和2015年的人口普查和人口抽样调查和2011年、2013年、2015年和2017年中国家庭金融调查(CHFS)。专利授权量数据来自各城市历年统计年鉴、国民经济和社会发展统计公报以及统计局官网。公共科学技术支出和其他变量数据来自历年《中国城市统计年鉴》。其中，自有住房包括自建住房、商品房、经济适用房、原公有住房，租赁住房包括租赁商品房和租赁公有住房。需指出的是，本文使用家庭而非个人住房数据，避免个人拥有多套住房而使住房拥有率偏高(Gan, et al., 2014)。表 1为主要变量的定义和计算方法。

表 2显示，专利授权量对数均值为7.87，最小值为0.69，最大值为12.15，标准差为1.78, 样本期内专利授权量变化较大，且在城市之间存在较大差异。公共科学技术支出对数均值为9.55，最小值为3.85，最大值为15.21，标准差为2.20，表明公共科学技术支出存在较大的区域差异。住房拥有率均值为81%，最小为27%，最大值为100.0%，标准差为12%，表明尽管住房拥有率存在城市之间的较大的差异，但均值仍处于较高水平。

三 实证检验 (一) 描述性分析

图 1和图 2显示，住房拥有率与专利授权量和公共科学技术支出显著负相关，即住房拥有率越高，专利授权量和公共科学技术支出越少，这一结果与理论预期一致。

图 3显示，2000—2015年不同等级城市住房拥有率趋势相似，但一线城市住房拥有率最低，二线城市次之，四线城市最高。图 4显示，2000—2016年不同等级城市专利授权量呈增长趋势，但一线城市专利授权量及增长速度显著高于其他城市，二线城市次之，三线、四线城市较低，且增长缓慢。

(二) 回归结果及分析

表 3报告了住房拥有率影响创新的中介效应。模型1显示，住房拥有率对房价具有显著负影响，表明住房拥有率越高，住房需求越低，房价越低。模型2和模型3考察了创新产出的中介效应。模型3显示，房价对城市专利授权量有显著正影响，表明房价对城市创新具有抵押效应。模型4显示，住房拥有率和房价对城市专利授权量均具有显著影响，表明房价具有部分中介效应，验证了本文提出的H1。换言之，住房拥有率经房价的抵押效应促进了创新。模型5和模型6考察了创新投入的中介效应。模型5显示，房价对公共科学技术支出有显著正影响，表明房价能促进创新投入。模型6显示，住房拥有率和房价对公共科学技术支出具有显著影响，同样表明房价存在部分中介效应，进一步验证了本文提出的H1。这表明，住房具有抵押效应和财富效应，能缓解以住房作抵押的创新者的融资约束，增加创新风险投资，从而促进了创新。模型2和模型6分别显示，住房拥有率对流动人口无显著影响，流动人口对创新无显著影响，表明住房拥有率未经人口流动影响城市创新，无法验证本文提出的H2。实际上，中国流动人口通常为无法获得户籍的低人力资本人口，另一方面中国流动人口的流动性小，因此，流动人口对创新的影响不显著。

为检验本文提出的H3，本文将人力资本划分为高集中度高等教育和低集中度高等教育两组。表 4显示，对高校学生比重低于均值的城市而言，住房拥有率对城市专利授权量有显著负影响，且房价具有中介效应，但对高校学生比重高于均值的城市而言，住房拥有率对城市专利授权量影响不显著，且房价不具有中介效应，验证了本文提出的H3。也就是说，住房拥有率对人力资本较低地区创新的影响比对人力资本较高地区创新的影响更大。因此，住房拥有率对人力资本较低地区创新的负面影响更大，人力资本较低地区应进一步控制住房拥有率，打击住房投机行为。需要指出的是，尽管住房拥有率对创新投入和产出具有显著影响，但只对创新产出有房价中介效应，而对创新投入却没有房价中介效应。

四 结论与政策含义

现有文献考察了房价和人口流动对创新的影响，但尚未研究住房拥有率以及人力资本的异质性对创新的影响。本文使用2000—2015年城市住房拥有率和创新数据考察了住房拥有率对创新的影响，得出了如下结论：

第一，住房拥有率对创新投入和产出均有显著负影响，这表明高住房拥有率不利于创新。

第二，住房拥有率主要通过房价而非人口流动的中介效应影响创新。实际上，房价越高，住房抵押效应越大；住房抵押效应越大，以住房做抵押的创新者的融资约束越小，创新投入和产出越大。另一方面，中国流动人口通常为创新能力较低的群体，且流动人口的流动性差，这些因素导致流动人口对城市创新的影响不显著。

第三，住房拥有率在人力资本低的城市对创新的抑制作用比在人力资本高的城市更大。换言之，相对人力资本较高城市，住房拥有率对人力资本较低城市创新的负面影响更大。

基于以上结论，一方面，为克服高住房拥有率对创新的抑制作用，应坚持“房住不炒”，大力发展住房租赁市场，形成“租购同权”和“租售并举”的住房市场体系；另一方面，应通过适时出台房产税、遗产税、资本利得税等税收政策打击住房投机，防范房价大起大落对城市创新的影响；同时，还应当更加重视人力资本较低城市的创新问题。