一、问题的提出

2013年，中国经济增长率为7.7%，而过去三十余年间中国经济年均增长近10%。经济增速下滑产生的背景是人口红利的逐渐消失和环境资源约束的不断加强，过去依靠要素驱动的增长模式难以持续，经济发展面临效率改善的巨大挑战。正如Krugman(1994)对东亚经济高速增长的评价一样，如果中国缺乏技术进步和效率增进，那么高速经济增长将难以维持。在经典的Solow-Swan增长模型以及Ramsey模型中，经济增长主要依赖于外生的技术进步。扩展到内生增长模型，经济效率的改善和增进更多地依赖于研发投入以及由此带来的创新能力的加强，即创新能力是决定经济发展的根本因素。研发所带来的新技术将会提高中国潜在经济增长率，因此，中国经济增长模式的转型需要重视企业的研发投入。

在我国的研发投入构成中，多为依赖国家公共研发投入的国企、高校及研究机构，来源于社会投资的民营企业研发水平偏低^①。中国工业企业数据库资料显示，工业企业研发创新比例也较低，2005-2007年间只有10%的企业有研发投入的行为；研发创新的投入也低于最优的研发创新规模(严成樑等，2010)。按照传统的研发理论，随着经济发展水平的提高，有效需求规模会提升，由此提高对新技术和新产品的需求，带动研发投入的相应提高，但是伴随我国高速经济增长的是企业研发投入的不足，丁重和张耀辉(2009)将这一现象称为“低技术锁定”现象。

①http://www.nature.com/news/china-tops-europe-in-rd-intensity-1.14476.

事实上，中国经济快速增长时期也正是房价高速上涨的时期。北京房价收入比从2002年的10.41上升到2011年的14.15；上海房价收入比从2002年的9.16上升到2011年的11.14。中西部城市，如武汉从2002年的7.21上升到2011年的8.55；成都从2002年的5.88上升到2011年的8.21。从全球范围看，房价收入比平均水平在6.4和8.4之间(金三林，2007)；从我国房价收入比合理上限模型的估计结果看，我国房价收入比的合理区间应在4.38和6.78之间(吕江林，2010)。以此为标准，中国房价处于高位水平，其增速过快。房价过快增长也拉高了房地产投资收益，形成了巨大的套利空间。2000-2010年全国住房价格年均增长率高达9.44%，同时期35个大中城市的房价平均增速更是高达11.89%，而2000-2010年我国企业平均投资回报率仅为5.59%(Li 和 Wu，2014)。

根据泡沫理论，包括房地产在内的资产泡沫对实体经济产生两方面的影响，即流动性效应和杠杆效应。泡沫能够通过流动性效应缓解融资约束，从而挤入投资；相反，泡沫也能够通过杠杆效应挤出实体部门投资。在存在金融摩擦的情况下，资产泡沫能够提高企业抵押资产价值，从而使企业能够获得更多的信贷资源，此时泡沫能够缓解企业面临的融资约束，发挥流动性效应，起到促进投资的作用。对于新兴市场国家而言，金融摩擦的问题更为突出，流动性效应使得资产泡沫在新兴市场国家的经济发展中扮演了极其重要的角色(Caballero 和Krishnamurthy，2006)。然而，资产泡沫也导致某部门投资回报率处于较高水平，此时泡沫发挥着杠杆效应，实体经济的投资会被挤出(Chaney 等，2012)。从更宏观的视角看，如果存在低进入门槛的高盈利行业，则可以观察到社会各行业偏离主营业务而出现社会投资结构单一化的倾向，此时杠杆效应将占据主导。2003年以来房地产市场快速膨胀，使房地产业成为远超实体行业的暴利行业，导致大量资本逃离实体，从中央到县市，国内稍具规模的各类所有制企业的多数，几乎都涉足地产开发和经营(骥强，2010)。

本文的贡献在于，从资产泡沫的角度来分析当前房地产发展对实体部门研发投入的影响，基于泡沫理论为我国企业的“低技术锁定”现象提供新的解释。王文春和荣昭(2014)用工业企业数据库研究了房价上涨对企业研发创新的影响。与他们的研究不同，首先，本文使用的是研发投入的变量，而王文春和荣昭(2014)是将新产品产出作为企业研发的代理变量，新产品可能通过购买专利、产品线的方式来生产，并且该变量更多的是衡量企业研发转化为产品的效率，而研发投入衡量的是企业对研发部门资源的直接投入，与房价上涨产生的挤入和挤出效应相关性更强。其次，本文将样本局限在有稳定研发行为的工业企业，而王文春和荣昭(2014)考虑的是全部企业样本，没有新产品产出的企业作为赋值为零的样本纳入考量。从工业企业样本看，2005-2007年只有10%的企业有研发投入行为，有稳定研发行为的企业数量更少。有研发行为的企业与无研发行为的企业在关于研发的认知、重视程度等方面有显著区别，如研发对于进行简单加工贸易的企业并不必要，此时即便房价保持平稳，这些企业也不会对研发部门投入资源，而有稳定研发行为的企业则能提供更有价值的信息。本文的研究结果提供了关于房地产发展所产生的负面经济效果的经验证据，强调了房价增长对企业转型升级和长期经济增长的负面影响，本文的发现也是对王文春和荣昭(2014)研究结论的补充。全文的结构安排如下：第二部分为文献综述；第三部分为数据与计量方法说明；第四部分为实证结果分析；第五部分为结论。

二、文献综述 (一) 影响企业研发投资的供给方因素

供给方因素为决定研发的企业自身因素，包括企业规模、融资约束和市场势力。其中，企业规模对研发投入的影响表现在两个方面。首先，研发投入具有不确定性，规模较大的企业能够通过投资于多个项目而分散风险，而规模较小的企业投资项目较单一；其次，研发投入需要一定规模的资金，这种门槛效应制约了规模较小的企业对研发进行投入(Galbraith，1952)。然而，部分经验研究却发现了企业规模与企业研发之间并不是简单的线性关系，而是呈现出U形的非线性关系(Acs和 Audretsch，1987)。Cohen 等(1987)从理论上对这种U形关系进行了解释，由于企业规模较大，层级较多，更有可能出现管理控制问题，这将会降低研发效率，同时交易成本随着企业层级的增加而有所提高，这将会抑制企业的研发投入，因此规模较小的企业在研发方面具有一定的优势。企业面临的融资约束也是制约企业进行研发的因素之一。根据Modigliani-Miller定理，企业融资结构与企业实际经营绩效不相关，但是这一定理仅仅在完全市场以及不存在融资约束的情况下才成立。如果存在融资约束，那么内部融资和外部融资的成本就会存在差异，成本的差异将会影响投资支出。研发投入对资金需求较大，在内外部融资成本存在差异的情况下，研发投入对资金流也会较为敏感。解维敏和方红星(2011)、卢馨等(2013)提供了融资约束抑制企业研发活动的中国企业方面的证据。

此外，市场结构也会对研发创新产生影响，在完全竞争的市场中，新技术、新产品能够被即时模仿，企业进行研发所得到的回报会被削弱，因此，一定程度的垄断力量有利于企业进行研发。然而市场结构与企业研发之间的关系并不必然是线性的(Scherer，1967)。在垄断性市场结构中，由于竞争压力的缺乏，官僚主义风气可能会在企业蔓延，从而不利于企业研发活动；而在具有良好知识产权保护的环境下，竞争性市场结构能够促使企业投入更多资源用于研发，通过研发获取更高的利润(Porter，1990)。聂辉华等(2008)、Askenazy 等(2013)分别在中国和法国企业样本中揭示了市场势力与企业研发创新之间的倒U形关系。

(二) 影响企业研发投资的需求方因素

需求方因素主要指产品消费需求。如果给定供给方因素，那么市场规模越大，企业能够获得的潜在收益就越多，企业也就有更强的动力进行研发，通过研发新产品、新技术获得部分垄断地位，从而获取更高利润。范红忠(2007)从国家创新能力假说出发，提出了有效需求规模假说。市场需求规模从以下三方面影响了企业研发：第一，分摊研发成本，提高研发盈利的预期水平。第二，影响市场结构和技术创新动力。如果市场需求规模较大，那么由研发产生的垄断利润会激励更多厂商提高研发投入，从而有利于打破技术垄断。第三，对技术创新效率产生决定性影响，因为需求规模提高能够集聚更多的人才，并且决定了社会分工，分工则有利于提高研发效率。周亚虹等(2012)利用中国工业企业数据库研究了研发的影响因素，他们发现代表企业产品外部需求的出口规模能够起到促进研发的作用，产品需求的拉动效应明显。

(三) 房地产业发展对企业创新行为的影响

以上文献均从行业或企业的视角分析企业研发决策的影响因素，在上述研究的基础上，本文试图以我国快速发展的房地产业为出发点来分析实体企业的投资选择。与本文的思路类似，Li 和Wu(2014)研究了中国的高房价对个人职业选择的影响。他们认为，在性别比失衡的情况下，住房成为婚姻市场上的一个积极信号，而高房价使得人们将更多的资源用于买房，降低了选择高风险创业的可能性。基于人口调查数据和房地产市场数据，他们发现高房价显著降低了创业行为，尤其对于无房者来说，创业的概率更低，换言之，高房价不利于企业家精神的培育。本文从企业层面提出类似的逻辑：房价过快上涨挤出了企业创新动力。房地产对企业研发行为的影响主要表现在，资本具有逐利性，企业倾向于选择收益率更高的投资项目。在房地产业过快增长甚至产生“暴利”的情况下，可以预见更多的资源将被配置到进入门槛低、投资收益高、回收周期短的房地产行业，而不确定性高、回收周期长的研发投资将相应减少。

在实践中，温州提供了一个典型的案例。20世纪90年代，民营经济的活跃发展一度创造了广为称道的“温州模式”，在电气、鞋业、服装、汽摩配、泵阀等部门累积了大量产业优势。然而，随着2003年后房价的快速上涨，大量社会资金流入房地产业，据温州市中小企业发展促进会提供的数据，2008-2010年温州房地产市场的资金规模平均为1000亿元，最高时达到2000亿元，民间借贷占到楼市吸纳资金的六成左右^①。根据《中国城市统计年鉴》，2003-2011年温州市新建商品房价格平均增速为18%，而同期的GDP增速为11%^②。2012年后，温州房地产泡沫破裂，房价高涨时期支撑的民间借贷资金链破裂，大量实体企业陷入困境，衍生出数起“老板跑路”事件。在此过程中，温州的实体企业错过了创新投资和产业升级的机会，导致房价下跌时整个温州失去了产业支撑，经济陷入停滞。此外，在房地产业持续膨胀的过程中，大量上市公司选择了房地产业作为多元化经营方向，且随着房价的持续上涨，房地产开发业务实现利润的能力快速上升，导致过多的企业资源被配置到房地产业^③。例如，以服装业为主营业务的雅戈尔集团，2013年地产开发营业收入占总营业收入的65%，实现净利润占86%。雅戈尔年报强调了研发优势是企业的核心竞争优势，而当年地产开发成本达到研发支出的143倍^④。

①http://money.163.com/13/1125/05/9EGJ6QG300252G50.html。

②房价与人均GDP均根据GDP平减指数消除通胀因素。

③根据王文春和荣昭(2014)的研究，在房价快速上涨的城市，工业企业凭借自身优势(工业企业有厂房和土地等，具有融资优势；与政府关系较为紧密)涉足房地产业务的情况比较普遍，如2007年35个大中城市60%的上市工业企业拥有房地产业务。

④根据雅戈尔2013年年报，截至报告期末，公司拥有国家级企业技术中心1家，省级技术中心2家，市级技术中心1家，已累计被授权专利64项，国家火炬计划和国家重点新产品项目19项。

综合上述分析，本文认为房价上涨很可能会影响企业资本配置，从而对企业研发投入产生负面影响，下面我们将通过实证为上述推测提供证据。

三、数据与计量方法说明 (一) 数据说明

本文中的微观数据来自于2005-2007年中国工业企业数据库，宏观数据来自于中国城市统计年鉴和CEIC数据库^⑤。根据企业地址代码，本文将中国工业企业数据库中的企业样本与35个大中城市相匹配^⑥。与Brown等(2012)一样，本文选取了三年间有过研发行为的企业作为研究样本。本文以Barge-Gil和López(2012)的模型为基础构建计量实证框架。参照范承泽等(2008)和Brown等(2012)，本文使用了两个指标来衡量企业研发投入水平，企业研发投入占总资产的比重和企业人均研发投入，依次记为Rdasset和Rdlab^⑦。关键解释变量为商品住宅价格年度增速，记为Hpgrowth。根据前文所提假说，住房价格增速越高，房地产投资收益越大，企业会将更多的资源配置到房地产相关项目，企业研发将会受到遏制。根据企业研发投入的相关理论，本文还选择了以下变量作为控制变量：

⑤中国工业企业数据库并没有包括2005年之前的企业研发数据。

⑥35个大中城市包括上海、北京、深圳、广州、厦门、宁波、杭州、南京、成都、天津、青岛、石家庄、大连、南宁、福州、重庆、乌鲁木齐、西安、武汉、贵阳、哈尔滨、合肥、昆明、郑州、济南、太原、南昌、呼和浩特、长沙、沈阳、长春、兰州、西宁、海口、银川。

⑦人均研发投入用研发投入/职工数来表示。

(1)企业规模和市场势力，依次记为Logasset和Markpow。规模较大的企业以及垄断力量较强的企业，其研发投入也会较大。同时，为了考察企业规模、市场势力与企业研发投入的非线性关系，此处加入了企业规模和市场势力的平方项。企业规模定义为企业总资产的对数；市场势力定义为企业销售收入占整个行业销售收入的比例。

(2)企业流动性，记为Liquidity。该指标为(流动资产-流动负债)/总资产，与周亚虹等(2012)相似，本文使用该指标来衡量企业融资约束。较强的流动性意味着企业面临程度较低的融资约束，而融资约束是制约企业进行研发的关键因素。

(3)需求方因素。企业层面的变量为虚拟变量，企业是否出口，记为Exdummy，出口企业面临着全球市场，因此需求规模较大(周亚虹等，2012)，同时，出口企业为了学习效应，有激励进行研发(戴觅和余淼杰，2011)；城市层面的变量为地区人均GDP水平的对数，记为Loggdp，人均GDP水平可以作为地区对产品的消费需求的代理变量(范红忠，2007)。

对中国企业研发的研究还关注了外商投资和企业所有制类型对研发的影响。外商投资对企业创新研发产生了两方面的影响。首先，外资进入的企业通过技术转移从事生产，从而降低了企业创新研发的激励(范承泽等，2008)。同时，外商投资也会产生技术溢出效应，进而有助于企业创新(Cheung和Lin，2004)。另外，吴延兵(2012)从企业产权结构的角度分析了中国企业研发行为。与国有企业相比，民营企业具有产权结构清晰和市场竞争充分的优势，从而能够在研发创新方面投入更多资源，研发创新效率也较高。同时，在当前中国金融体制安排下，不同企业所有制类型面临的融资约束存在差异，国有企业更受银行的青睐。而融资约束也是决定企业创新研发的因素之一。鉴于此，本文计量实证模型也包括了外商投资和企业所有制类型。本文使用了企业层面的外商投资，将其定义为外商资本金占实收资本金的比重，记为Foreign。一方面，外资所带来的技术可以替代企业依靠研发产生的技术，从而减少研发投入；另一方面，外资投资也通过技术溢出提升企业技术创新能力。企业所有制类型分为国有企业、私有企业和外资企业。与聂辉华和贾瑞雪(2011)相似，本文使用企业当期实收资本金构成来定义企业所有制类型，如果当期国有资本金占实收资本金比例最高，那么该企业所有制类型为国有企业，用虚拟变量Soedummy来表示；如果当期私人资本金占实收资本金比例最高，那么该企业所有制类型为私有企业，用虚拟变量Privdummy来表示；如果当期外资资本金占实收资本金比例最高，那么该企业所有制类型为外资企业，用虚拟变量Fordummy来表示。

此外，本文还控制了商品住宅价格的对数Log(房价)(Loghprice)、企业年龄(Age)、企业年龄的平方(Age²)、城市虚拟变量、时间虚拟变量以及行业虚拟变量，其中，企业年龄定义为被调查年-企业开业年份。在固定效应模型中，本文还控制了企业虚拟变量。本文也对样本中的异常值进行了处理，剔除了企业年龄缺失或小于0，资产规模缺失或小于0，销售收入缺失或小于0，流动资产缺失或小于0，流动负债缺失或小于0，总资产缺失或小于0，各类型资本金小于0以及实收资本金小于0的样本，并对企业研发费用、企业职工数进行Winsorize(1%)处理，最终本文得到了中国35个大中城市15 000多家企业样本(表 1)。

(二) 计量方法说明

本文采取OLS估计方法和固定效应模型估计方法展开研究。首先，本文将房价增速作为关键解释变量，影响创新的供给方、需求方以及其他因素作为解释变量，并控制城市虚拟变量、行业虚拟变量和年份虚拟变量，模型设定如式(1)，OLS可以分析控制其他相关因素之后，房价增速和企业研发投入之间的关系。其次，本文也将利用面板数据的特点，采用固定效应模型估计方法，由于企业虚拟变量包括了城市和行业信息，因此固定效应模型并没有包括城市虚拟变量和行业虚拟变量，模型设定如式(2)，固定效应模型可以解决不随时间变化的因素导致的内生性问题。最后，本文采取工具变量方法，利用土地供给面的变量来作为房价增速的工具变量以应对可能存在的内生性问题，模型设定如下：

${{Y}_{ijct}}=c+\alpha Hpgrowt{{h}_{ct}}+X_{ijct}^{s}{{\beta }_{s}}+X_{ijct}^{d}{{\beta }_{d}}+X_{ijct}^{o}{{\beta }_{o}}+dumm{{y}_{city}}+dumm{{y}_{ind}}+dumm{{y}_{year}}+{{\varepsilon }_{ijct}}$

(1)

${{Y}_{ijct}}=c+\alpha Hpgrowt{{h}_{ct}}+X_{ijct}^{s}{{\beta }_{s}}+X_{ijct}^{d}{{\beta }_{d}}+X_{ijct}^{o}{{\beta }_{o}}+dumm{{y}_{year}}+{{\delta }_{i}}+{{\varepsilon }_{ijct}}$

(2)

其中，下标i表示企业，j表示行业，c表示城市，t表示时间；Y_ijct表示研发投入占总资产的比重或者人均研发投入；X_ijct^s表示影响企业研发行为的供给因素，包括企业自身规模、市场结构、融资约束等；X_ijct^d表示影响企业研发行为的需求因素，包括企业是否出口、地区人均GDP等；X_ijct^o表示影响企业研发行为的其他因素，包括企业所有制性质、外商投资占比。α、β_s、β_d和β_o为待估参数；δ_i是企业固定效应，包括了企业所属行业、所在城市以及其他不随时间变化的因素；ε_ijct为误差项。

四、实证结果分析 (一) 基本结果

本文主要关注当地房价增速对企业研发投入的影响。从表 2的估计结果来看，不论是采取OLS估计方法，还是固定效应模型估计方法，房价增速对研发投入的影响均显著为负，并且后者的估计系数的绝对值大于前者。考虑到企业固定效应不仅包括企业所属行业、企业所属城市的信息，还包括其他不随时间变化的信息，因此后文将主要针对固定效应模型的估计结果进行汇报。模型设定(3)和模型设定(4)的结果显示，当地房价增速提高1个百分点，企业研发投入占总资产比重显著下降0.012个百分点，人均研发投入显著下降29.21元。如果房价增速提高1个标准差，那么企业研发投入占总资产比重下降幅度将达到7.48%，人均研发投入下降幅度将达到4.92%。上述结果说明，当房地产业成为可以快速获利的投资渠道时，企业可能将更多的资源配置到投资收益更高、回报周期更短的房地产部门，杠杆效应占据主导，从而挤出了不确定性较高、投资回报周期更长的研发活动。

表 2的模型设定(5)将被解释变量换为新产品产值占总产值比重进行稳健性检验。研发作为生产过程中的投入能够与其他生产要素结合得到新产品产出，如果房价上涨挤出了企业研发投入，那么企业新产品生产也会因为研发投入的减少而有所下降。模型设定(5)中的房价增速的估计系数表明，房价上涨降低了新产品产值占总产值的比重。这也说明研发投入因房价上涨而出现下降。

此外，表 2中的控制变量的回归结果显示：(1)企业规模与研发投入占总资产的比重呈U形关系，企业达到一定规模后，企业规模越大，研发投入占总资产的比重也越大；企业规模与人均研发投入呈倒U形关系，这可能表现在，在企业发展到一定规模后会产生冗员，员工增长更快，这种倒U形关系与聂辉华等(2008)的研究发现相似。(2)企业市场势力与企业研发投入占总资产比重以及人均研发投入均呈倒U形关系，在市场势力超过临界值后，市场势力越强，企业研发投入越低，这说明对于我国工业企业而言，市场竞争能够对企业研发产生积极作用，Porter(1990)提出的竞争性的市场结构能够促使企业研发的假说在我国适用。同时，市场势力临界值的存在也验证了丁重和张耀辉(2009)的推测，即制度倾斜导致的市场垄断使得中国出现“低技术锁定”，在一定条件下，竞争性的市场环境有助于企业创新。(3)相对于非出口企业，出口企业的研发投入更少。戴觅和余淼杰(2011)发现，企业在出口前会进行研发，通过学习效应提高企业吸收能力，从而更有利于参与国际竞争，因此，企业有可能为了出口而进行研发，这便表现为非出口企业研发投入力度更大。(4)以流动性衡量的企业融资约束程度提高，研发投入占销售收入的比重将会下降。由于信息不对称的普遍性以及研发投资的不确定性，研发投入更依赖于内部融资，对资金流动性更敏感，因此较强的融资约束不利于企业研发投入。(5)在企业层面，外商的进入并不利于企业研发投入，这说明外资进入产生的技术转移效应大于技术溢出效应。

(二) 内生性问题的讨论

前文的实证结果表明，房价增速提高将导致企业研发投入的下降，这主要表现在企业研发投入占总资产比重以及人均企业研发投入出现减少。然而，联立性偏误引起的互为因果关系、遗漏变量以及测量误差都有可能导致估计出现内生性问题，估计结果将会出现不一致。前文的固定效应模型控制了不随时间变化的遗漏变量。然而，如果存在随时间变化的、同时影响房价增速和企业研发投入的变量，那么固定效应模型的估计结果就并非一致。此外，企业研发投入也可能通过吸引更多高层次人才而提高住房需求水平，从而对房价增长产生影响。为了应对上述可能存在的内生性问题，本文将滞后期的土地开发面积增速作为房价增速的工具变量。土地开发面积一定程度上反映土地供给状况，因而可以影响房价及房价预期，其增速也对房价增速产生影响^①。同时，土地开发面积增速作为地方政府土地供给政策并不直接影响企业研发投入，因此该变量可以作为工具变量。

①土地开发面积增长率与房价增长率呈现出负相关的关系，具体可参阅陈斌开和杨汝岱(2013)。

表 3报告了内生性处理后的实证结果。模型设定(1)和模型设定(3)仅包括了关键解释变量，模型设定(2)和模型设定(4)加入了影响企业研发行为的其他控制变量。从估计结果看，模型设定(1)和模型设定(2)中房价增速的估计系数显著为负，这说明房价增速的提高显著降低了企业研发投入占总资产的比重。模型设定(3)和模型设定(4)中房价增速的估计系数同样显著为负，说明房价增速的提高显著降低了人均研发投入。比较表 2和表 3的估计结果可以发现，对关键解释变量而言，工具变量估计结果的绝对值大于固定效应模型中的估计系数。根据模型设定(2)和模型设定(4)的估计结果，房价增速提高1个百分点，研发投入占总资产比重下降0.051个百分点，相对于研发投入占总资产比重的均值下降2.97%，这一效应是固定效应模型的4倍多；人均研发投入下降92.03元，与人均研发投入的均值相比下降1.46%，这一效应是固定效应模型的3倍多。如果房价增速提高1个标准差，则企业研发投入占总资产比重下降幅度将达到31.80%，人均研发投入下降幅度将达到15.50%。因此，考虑了内生性问题后，房地产对于企业研发投入的挤出效应更大。

(三) 进一步讨论

表 2和表 3的估计结果表明，房价增速的提高使得研发投入占总资产比重以及人均研发投入出现下降，从而给出了房地产挤出企业研发投入的证据。本部分进一步检验上述挤出效应的机制。我们认为，房价快速上涨提高了房地产业的投资回报率，导致企业研发投入的激励下降，企业将更多资源配置于房地产部门，从而挤出了研发部门投资。对于这一机制的直接检验的思路是，考察企业在研发部门的资源投入以及配置于房地产业的资源投入之间的关系。然而中国工业企业数据库并没有包含后者的信息，鉴于此，本文采用一种间接检验的方法。考虑到固定资产投资的主体主要为企业，国家统计局公布的宏观数据也正是基于中国工业企业数据库加总得到的，那么地区层面的住宅固定资产投资比重越高，就意味着该地区企业将更多资源投向了房地产部门，反之亦然。因此，如果一个地区的企业均因房价增速提高而将更多资源投向房地产部门，那么住宅固定资产投资占地区经济总量比重将提高。从35个大中城市房价增速与住宅固定资产投资占经济总量比重的关系看，二者呈现明显的正相关关系，相关系数为0.101，在10%水平下显著(图 1)。若上述过程挤出了企业研发投入，那么以企业研发投入占总资产比重和人均研发投入作为被解释变量，以住宅固定资产投资占地区经济总量比重为关键解释变量，建立的计量模型所估计的结果应当得到关键解释变量与被解释变量之间显著的负向关系。表 4报告了估计结果。

模型(1)和模型(2)中的住宅固定资产投资比重的估计系数均显著为负，若住宅固定资产投资比重上升1个百分点，则研发投入占总资产比重下降0.03个百分点，人均研发投入下降107.49元。若住宅固定资产投资比重上升1个标准差，则研发投入占总资产比重下降0.09个百分点，相对于均值下降5.78%；人均研发投入下降408.46元，相对于均值下降6.49%。这些结果表明，地区住宅固定资产投资比重的提高会挤出企业研发投入。由于房价增速会增加住宅固定资产投资比重，而高的住宅固定资产投资比重意味着企业将更多资源投向了房地产部门，结合表 4的估计结果，说明房价上涨通过影响企业资源配置而挤出了企业研发投入。

此外，如果挤出效应是企业将资源从研发部门挤出，进而配置到房地产部门，那么应该观察到这种效应对于规模较小的企业以及流动性较差的企业更为强烈。因为，规模较小以及流动性较差的企业能够进行的融资渠道和投资项目均有限，企业能够配置的资源有限，研发部门挤出的资源将会更多，这表现为杠杆效应更为突出。表 5报告了估计结果，模型设定在式(2)的基础上加入了房价增速和企业规模的交叉项以及房价增速和流动性的交叉项，其中企业规模和流动性均为虚拟变量，企业规模和流动性位于25%分位数以下，变量为1，否则为0。交叉项的估计结果表明，规模较小的企业受到杠杆效应的影响更大，房价增速提高导致规模较小企业的研发投入占总资产比重下降幅度是规模较大企业的3倍，规模较小企业的人均研发投入下降幅度是规模较大企业的2.14倍。房价增速提高导致流动性较差企业的人均研发投入下降幅度是流动性较好企业的2.07倍。

五、结 论

中国经济潜在增速下降的背景下，过去要素驱动型经济增长模式需要向效率和创新驱动型经济增长模式转变。企业作为研发创新的主体，它们的研发行为在这个转变过程中显得尤为重要。通过对匹配的中国工业企业数据库的分析，本文发现房价增速的提高显著降低了企业研发投入，在采取多种稳健性检验和工具变量估计之后，这一结论依然成立。如果房价增速提高1个百分点，则研发投入占总资产比重下降0.051个百分点，人均研发投入下降92.03元；如果房价增速提高1个标准差，则企业研发投入占总资产比重下降幅度将达到31.80%，人均研发投入下降幅度将达到15.50%。

近年来，中国房价快速上涨，在样本考察区间房价平均增速高达14.90%，这导致实体行业与房地产业存在着悬殊的利润差异。对于企业而言，将资源配置到房地产部门可在短期内获取更高收益，因而可能减少对风险高、收益回报周期长的研究开发的投入。房地产挤出企业研发投入是企业“低技术锁定”的重要因素，如果企业长期陷于“低技术锁定”状态，那么中国的长期经济增长将受到不利影响。在目前我国实体企业的发展举步维艰的情况下，中央和地方政府有必要采取以下措施来打破“低技术锁定”。(1)在产业政策和鼓励企业创新等方面做出一系列调整，比如，创建国家高新区，落实和完善企业研发费用加计扣除及高新技术企业扶持等普惠性政策，发挥集聚创新要素的作用；(2)优化产业环境以有效引导实体企业投资结构的合理化，比如，支持企业更多地参与重大科技项目实施、科研平台建设，推进企业主导的产学研协同创新；(3)依靠财税制度和官员考核机制的改革对地方政府进行激励。房地产业的过快发展与地方政府过度依赖房地产发展的现状密切相关，在地方官员任期短期化的背景下，地方政府才会有激励去鼓励可在短期内提升地区经济的房地产业发展而非回报期更长的企业创新。