DOI：10.3969/j.issn.1004-910X.2025.05.015 [中图分类号]F062.9；F293.3 [文献标识码］A
引言
自1998年我国实施城镇住房制度改革，实行住房分配货币化并推动房地产市场化以来，我国住房价格持续上涨，尤其是在经济较为发达的珠三角、长三角及京津地区，房价增速尤为迅猛。新经济地理理论认为，随着住房价格的上升，劳动力和企业往往会向房价较低的外围地区迁移，从而促进企业在城市间的合理布局。然而，与低房价城市相比，中国的高房价城市仍吸引了大量企业的进入。随着房价不断攀升，各地区逐渐形成了产业集聚的经济地理格局，如长三角的汽车制造产业集群、珠三角的电子信息产业集群等。产业集聚为企业带来了显着的经济效益，进一步吸引了更多企业加入，这一现象在宏观上体现了企业在同一地区选址的集中趋势。在中国产业集聚的背景下，房价是否能促使企业从中心高房价地区向外围低房价地区迁移，从而推动企业分散化布局，或是高房价是否能吸引新企业入驻，产业集聚在其中能否起到关键作用，这些问题值得深入探讨。本文以中国工业企业为研究对象，选取 2011～2022 年284个地级市的面板数据，构建计量模型，实证检验房价和产业集聚对中国工业企业区位分布的影响。
现有研究主要集中于跨国公司（如美国和欧洲子公司）在华企业区位选择的因素，包括集聚效应、市场潜能、劳动力、地理距离和数字经济等。研究表明，集聚经济是在华跨国公司区位选择的重要决定因素[1]；市场潜能较大的地区更能吸引新企业入驻[2]；劳动力蓄水池规模和供需匹配度对新企业选址有显着影响，劳动力供给丰富的城市更受新企业青睐[3]；地理距离也是企业选址的重要影响因子，有研究发现新企业选址与企业上下游关系及距离密切相关[4；此外，数字经济的发展能够促进区域内的创业活跃度，推动城市共同富裕的实现[5]
部分文献探讨了房价与企业选址之间的关系，主要聚焦房价对我国制造业企业布局和区域制造业结构的影响。有研究指出，房价上涨可能通过降低制造业企业的研发投入进而抑制制造业的升级；此外，高房价还会通过提高劳动力成本影响制造业的布局，当房价高于门槛值时，劳动力成本上升显着抑制制造业发展[7]。也有研究提出，工人工资与房价并无显着相关性，土地市场的垄断性使得高房价反而显着增加新企业进入地区的可能性[8]。还有研究从互联网的视角出发，发现房价的大幅上涨使得企业布局趋向分散，而互联网的发展则进一步强化了这种分散趋势[9]
综上所述，关于高房价是吸引新企业人驻还是将企业推离的争议尚未有定论，且房价对企业区位选择影响的研究较为稀缺，尤其是将房价与产业集聚相结合，进一步探讨其对企业区位选择作用的研究更为罕见。因此，本文基于2011＼～2022年中国284个地级市面板数据，实证检验房价作为产业集聚带来的经济效益信号因子和企业面临的要素成本信号因子，对中国工业企业区位选择的影响。
1理论分析与假设
房价上涨通常可归因于需求因素和供给因素两个方面。需求因素主要包括人口规模、城镇化水平、人均收入等；供给因素则涉及房产投资、城市土地财政政策、开发成本和土地价格等。产业集聚是指在特定区域内，生产要素汇集以及相同或相关产业的高度集中，形成的一种经济地理现象。从微观角度看，产业集聚表现为大量企业选择在同一地区进行生产经营，以享受集聚经济带来的成本节约和市场效益。
产业集聚是房价上涨的重要驱动因素，企业集聚程度与当地房价高度相关。产业集聚主要通过劳动力市场、土地市场和经济外部性3个方面影响房地产价格。在劳动力市场方面，产业集聚意味着该区域对劳动力的需求增加，从而吸引大量劳动力流入，导致人口增长并刺激住房需求，进而推高房价。尤其是在高新技术产业集聚的区域，集聚效应吸引大量高技术人才，导致劳动力成本上升，从而间接推动房价上涨。在土地市场方面，土地价格作为房地产开发成本的核心因素，在房价上涨中扮演着关键角色。无论是短期内还是长期，土地价格均直接影响房价。产业集聚带来企业数量和资本的增加，扩展了区域内土地市场的需求。而由于土地供应的低弹性，需求的扩大最终会表现为土地价格的上升。产业集聚带来的经济效益使得企业愿意支付更高的土地价格，从而进一步推动土地价格上涨，进而推高房价。此外，产业集聚具有显着的经济外部性。随着企业和劳动力的增加，道路交通、基础设施和公共品供给水平的逐步改善，集聚区域通勤成本的降低和基础设施福利的提升，都会进一步促进房价的上涨。
产业集聚是企业选址的重要考虑因素之一。根据马歇尔产业集聚理论，企业在产业集聚区域内能够享受多方面的集聚经济效益，如知识溢出、共享中间品投入和劳动力匹配等。国内已有诸多研究表明，产业集聚为企业带来多维度的正向发展效益，包括生产运营、规模扩张、融资和创新等。在生产方面，产业集聚有助于形成产业链协同和技术匹配，提高企业全要素生产率，使得生产运营更专业化和集中化。此外，集聚区域内企业之间信息流通加速，贸易和运输成本降低，中间投入品在运输过程中的损耗减少，时间和金钱成本得到有效降低，从而提高企业的生产效率和产品质量[10]；产业集聚还为企业创造了良好的区域发展环境，专用性基础设施的共享为企业提供规模经济，推动企业规模扩大[\"]；在企业创新方面，集聚效应促进企业新产品的开发和创新项目的实施，产业内外的知识溢出效应推动了区域产业创新，进而提高企业的创新绩效[12]
产业集聚与房价之间存在较高的关联性，同时，房产价格与商业用地成本、地价以及房租等土地要素成本也具有强相关性。当企业愿意承受较高的土地要素成本时，通常意味着该地区内企业能够提供足够的高收益来覆盖这些成本，而这种高收益往往体现在较高的房价所反映的产业集聚经济效益中。因此，区域内的高房价对企业而言，实际上是一个高经济效益的信号因子，促使企业选择在高房价地区进行生产经营活动，从而使高房价对企业的区位选择产生拉力作用。然而，高房价也意味着该地区的土地要素成本较高，这可能导致劳动力成本的上升。因此，虽然高房价可能吸引企业进入，但它同时也是一个高成本的负向信号因子，从而对企业的区位选择形成推力作用。
基于以上分析，本文提出假设1：
假设1：房价作为部分代表产业集聚经济效益的正常信号因子，对工业企业选址产生拉力作用；房价作为劳动力和土地要素成本的负向信号因子，对工业企业选址产生推力作用。拉力作用与推力作用相结合，最终形成房价对于企业选址的综合影响力。考虑到产业集聚所带来的经济效益是长期且多维度的，拉力作用大于推力作用，体现为地区房价对于工业企业区位分布具有正向影响。
由于各城市的经济发展水平存在差异，且产业集聚的多样化程度和专业化程度各不相同，本文进一步从城市异质性角度研究房价对工业企业区位选择的影响。产业集聚是房价吸引企业选址的重要原因，且较高的房价是该地区形成产业集聚的一个信号。因此，本文提出假设2：
假设2：在产业集聚程度较高且房价较高的城市，房价对工业企业的拉力作用大于推力作用，形成对企业区位分布的正向影响；而在产业集聚程度低的城市，房价对企业选址的影响则不显着。
2模型设计与变量选取
2.1 模型设计
考虑到企业的区位选择受时间因素和城市异质性影响，本文采用时间-个体双向固定效应回归方法。基于前文提出的假设，本文构建如下计量模型来研究房价与企业区位选择之间的关系，如式（1）、（2）所示：
（2）
其中，变量 
表示 i 城市 
年的企业区位选择指标， 
表示 i 城市 
年的住房价格指标，
是 i 城市 
年的专业化集聚水平指标， 
是i 城市 
年的多样化集聚水平指标， 
是 k 个控制其他影响企业区位选择因素的变量， 
是个体固定效应， 
是时间固定效应， 
是扰动项。式（1）是基础的双向固定效应回归，用于检验房价对企业区位选择的影响关系，式（2）则是在双向固定效应回归的基础上加入了调节效应，旨在衡量产业集聚在房价影响企业区位选择过程中的作用。考虑到可能存在的双向因果引发的内生性问题，模型中所有解释变量和控制变量均做滞后1期处理，以确保模型的稳健性和避免潜在的内生性偏误。
2.2 变量选择
2.2.1 被解释变量
由于我国各城市房价和企业数量差距较大，使用省级数据会掩盖这些差异，因此本文选取城市级数据进行研究。考虑到数据的可得性，城市级别的企业区位选择相关数据仅有规模以上工业企业的数目。安同良等人采用区域工业企业数目与全国工业企业总数之比作为企业区位选择的指标9，然而这一指标具有非常强的自相关性，且不能直观反映区域内的新增企业的数量。因此，本文采用本年度规模以上工业企业数目与上年度规模以上工业企业数目之差作为被解释变量，该变量较好地体现了城市级别规模以上工企数目的变动，并在很大程度上代表企业的区位选择意向。自2011年起，国家统计局将规模以上工业企业的年主营业务收入标准从500万元提高至2000万元，因此，本文的研究时间范围起始点选为2011年（工企数目增值自2012年起计算）。
2.2.2 核心解释变量
本文选取的核心解释变量为住房价格和产业集聚：住房价格采用城市每年商品房平均价格作为房价的衡量指标；产业集聚则从专业化集聚和多样化集聚两个方面衡量城市的产业集聚水平。专业化集聚反映了一个地区内产业的专业化程度，本文借鉴Glaeser等i3的方法衡量专业化集聚，如式（3）所示：
其中 
是 i 地区 j 产业的从业人数， 
是 i 地区的总从业人数， 
是全国 j 产业的从业人数， Q 是全国的总从业人数。该指标越大，则在 
地区的 j 产业的企业分布越集中。多样化集聚反映了一个地区内产业的多样化程度，本文借鉴Hender-son等[14的方法衡量多样化集聚，如式（4）所示，该指标越大，表明 i 地区内的产业越多元，意味着多种产业的企业在该地区从事生产经营活动，呈现出多样化集聚的现象。
2.2.3 控制变量
本文选取的控制变量及其测量如下：经济发展水平，取人均地区生产总值的对数；劳动力成本，取城市平均职工工资的对数；人力资本水平，取地级市普通高等学校在校学生数占该地区总人口比例；交通运输，取地级市道路面积与城市面积之比；政府税收，取城市工业本年应交增值税与城市本年工业企业主营业务收入的比值；市场潜力，借鉴Harris[15]的方法来计算市场潜能指标，该指标计算公式如式（5）所示：
其中 
是城市 n 的市场潜力指数， 
是城市 m 的地区生产总值， 
是城市 
和城市 n 的城市中心地理距离，由城市中心经纬度计算而得，城市内部距离 
的计算方法为 
其中 
为城市 n 的面积，由于该指标由地区生产总值计算而得，其值较大且不存在负值，因此在回归中对其进行对数处理。
2.3数据来源与描述性统计
本文采用2011＼～2022年284个中国城市数据作为研究对象（解释变量与控制变量数据范围为2011＼～2021年，被解释变量数据范围为2012＼～2022年），其中，规模以上工业企业数目、人均地区生产总值、各产业从业人数、城市平均职工工资、人力资本水平、交通运输、政府税收、市场潜力相关数据均来自《中国城市统计年鉴》、《中国区域经济统计年鉴》和《中国城乡建设统计年鉴》，城市平均住房价格来源于国家信息中心宏观经济与房地产数据库，其中工资、产值等涉及到价值的变量均经过居民消费价格指数平减处理，部分缺失值使用线性插值法补齐。由于各城市各产业从业人数自2020年起不再统计，本文使用各省（区、市）第二产业从业人数的增长率对城市级产业人数进行估算，即2020、2021两年度的集聚指标由估算的城市级别从业人员计算而得。数据描述性统计如表1所示。
表1描述性统计3 实证结果与分析
3.1 回归分析
本文采用双向固定效应模型进行回归分析，为避免可能存在的双向因果引致的内生性问题，所有解释变量和控制变量均做一阶滞后处理。为保证模型的稳健性，所有回归均使用城市级聚类标准误。表2展示了回归结果。列（1）给出了地区房价对企业区位选择影响的回归结果，这一列主要检验房价对企业区位选择的基本影响；列（2）加入专业化集聚和多样化集聚两个解释变量，用以分析产业集聚对企业区位选择的影响；列（3）在列（2）的基础上，加入了调节效应，即房价分别与专业化集聚和多样化集聚的交互项，其中交互项和解释变量均做中心化处理以减少多重共线性的影响。这一列旨在探讨产业集聚在房价影响企业区位选择中的调节作用。
表2列（1）的回归结果表明，房价作为核心解释变量的回归系数为0.386，在 1% 统计水平上显着，表明在其他条件相同的前提下，上年度地区平均房价每增加1000元，本年规模以上工业企业平均增加0.386个。房价作为正向信号对企业的拉力作用超过了其作为成本信号的推力作用，整体上表现为显着的拉力效应。表2列（2）在模型中引入集聚变量后，回归结果显示，专业化集聚和多样化集聚均对企业区位选择具有显着的推动作用。专业化集聚对企业的吸引力可以从知识溢出、供应链协同与匹配以及专用性基础设施共享3个方面解释。地理邻近降低了隐性知识的传播成本；上下游企业物理距离的缩短能降低交易成本并促进技术协调发展；行业特定基础设施的集中也能使企业固定成本投入降低。多样化集聚对企业的吸引力可以从知识交叉溢出和劳动力升级两个方面解释。多样化集聚为企业提供了跨领域知识碰撞和创新的机会；跨行业集聚还能吸引具备多种技能的劳动力，支持企业调整和创新技术路线。
表2列（3）进一步引入交互项后，房价与两个集聚指标的交互项系数均显着为正，同时房价和集聚指标的系数也显着为正，但系数值有所下降。
表2基准回归结果注：*、**、***分别表示在 10% 、5%和1%的检验水平下显着，括号内为t值。下同。
表3稳健性检验交互项的正向显着性表明，每单位专业化集聚水平提升可使房价的边际选址效应增加0.476，每单位多样化集聚水平提升可使房价的边际选址效应增加0.033。这说明两种集聚均放大了房价信号的信息价值，即专业化和城市化产业集聚程度越高，高房价对企业的吸引力越强。房价内化了知识溢出、劳动力优势和投入品共享等集聚效益。综合3个模型的回归结果，房价对企业区位选择始终具有显着的正向影响，表明房价对企业选址的拉力作用大于推力作用，企业愿意承担较高的土地要素成本，选择在高房价地区进行生产经营活动。
3.2 稳健性检验
本文使用规模以上工业企业数年新增量作为被解释变量，该变量仅反映规模以上的工企数目变动，不能准确地代表地区实际新增企业数目。为减少由于数据局限带来的偏差，本文对所有解释变量和控制变量进行了滞后2期的处理，以确保回归结果的稳健性，并以此作为稳健性检验。表3给出了稳健性检验结果。
列（1）为地区房价滞后2期对企业区位选择影响的回归结果；列（2）加入专业化集聚和多样化集聚两个解释变量；列（3）加人调节效应。回归结果显示，滞后2期的房价对企业区位选择的影响仍然显着为正，且系数更大。列（2）房价和集聚指标的系数显着性与基准回归一致。列（3）结果与基准回归中的结果相近，其中房价与两个交互项的系数略有增加，均显着为正。滞后2期的回归结果表明，本文的回归结果具有稳健性。
3.3 分组回归
在集聚程度较低的地区，房价中的集聚信号较为微弱，因此房价可能对企业没有显着的拉力作用。为了验证假设2，本文将城市按照每年专业化集聚和多样化集聚水平分为两组。一组为该城市的专业化集聚或多样化集聚水平在前 30% 另一组为剩余城市，采用双向固定效应模型进行回归分析，回归结果见表4。
列（1）、（3）、（5）是第一组集聚水平处于前30% 的城市的回归结果，列（2）、（4）、（6）是第二组剩余城市回归结果。列（1）、（2）是仅将房价作为核心解释变量的回归，列（3）、（4）加入集聚变量，列（5）、（6）加入调节效应。表4的回归结果显示，对于第一组城市，列（1）、（3）、（5）回归结果均显示出房价系数显着为正；列（3）结果显示专业化集聚和多样化集聚均显着为正；列（5）结果显示，两个交互项均显着为正且系数较基础回归有所增加。在第二组回归中，房价对企业区位选择均无显着的影响，且系数下降；两种集聚的交叉项也均不显着。上述回归结果验证了假设2，并佐证了房价作为集聚信号因子的假设：在高集聚地区，房价能够有效反映地区内的集聚外部性；而在低集聚区域，由于缺乏足够的产业关联密度，房价无法有效地反映知识溢出、供应链协同和劳动力匹配等集聚效益，从而削弱了房价作为集聚经济信号的价值。在集聚经济规模较小的情况下，高房价往往被企业视为纯粹的成本负担（即推力作用），而未能被市场解读为效率溢价的信号。在列（4）、（6）结果中，多样化集聚系数保持了正显着性，而专业化集聚系数则不显着。这可能是因为多样化集聚较专业化集聚更具灵活性，不依赖单一产业的上下游联系。即使在集聚水平较低的区域，多样化集聚依然能提供更广泛的市场需求和创新能力，增强区域对新企业的吸引力。
表4集聚分组回归总体而言，集聚分组回归结果说明，只有当集聚程度达到某一相对水平时，房价才能作为一个有效的正向信号因子吸引新企业，使得房价对工业企业选址的拉力作用大于推力作用。
4结论
本文基于2011＼～2022年中国284个地级市和工业企业的面板数据，采用双向固定面板回归的估计方法，实证检验了房价对工业企业区位选择的影响机制及其异质性特征。研究结果表明：（1）房价作为产业集聚经济效益的正向信号因子，对工业企业区位选择具有双重作用。高房价通过资本化效应内化了区域内的知识溢出、生产率提高及劳动力池匹配等集聚外部性，形成对企业的拉力作用；同时，高房价作为土地要素成本与劳动力成本的载体，通过增加企业运营成本产生推力作用。在高集聚区域，由于集聚经济效益足以覆盖高房价带来的成本压力，拉力作用占据主导地位，表现为房价对企业区位选择的正向吸引力；（2）房价在高集聚地区能有效反映集聚效应，促进工业企业区位选择，而在低集聚地区则缺乏这种作用。
此外，集聚类型的不同也影响了回归结果，尤其是多样化集聚在低集聚区域仍具有较强的吸引力，而专业化集聚则未能在该类区域显示出显着性。这些发现为理解集聚对工业企业区位选择的实际影响提供了新的视角，揭示了房价作为集聚经济信号的价值及其在不同集聚水平下的表现差异。
参考文献
[1］余佩，孙永平．集聚效应对跨国公司在华区位选择的影响[J]．经济研究，2011，46（1）：71＼～82.
[2］董春，梁银鹤．市场潜能、城镇化与集聚效应—基于空间计量分析[J].科研管理，2016，37（6）：28＼～36.
[3］徐瑛，陈．中国工业劳动力蓄水池现状及其对新建企业选址的影响[J].中国人口科学，2015，（3）：44＼～54，126＼～127.
[4］范剑勇，刘念，刘莹莹.地理距离、投入产出关系与产业集聚［J].经济研究，2021，56（10）：138＼～154.
[5]惠献波.数字经济、创业活跃度与共同富裕—来自智慧城市建设的证据[J].当代经济管理，2023，45（5）：18＼～24.
[6]刘建江，罗双成．房价上涨、要素流动与制造业升级［J]．当代经济科学，2018，40（6）：98＼～106，130.
[7］冯萍，刘建江，罗双成．房价、劳动力成本与制造业区位布局：理论与证据［J]．产业经济研究，2019，（2）：88＼～101.
[8]胡草，范红忠．高房价抑制新企业进入了吗？——来自于中国工业企业的经验证据［J].华东师范大学学报（哲学社会科学版），2017，49（1）：146＼～153，177.
[9］安同良，杨晨．互联网重塑中国经济地理格局：微观机制与宏观效应［J].经济研究，2020，55（2）：4＼～19.
[10]范剑勇，冯猛，李方文．产业集聚与企业全要素生产率［J].世界经济，2014，37（5）：51＼～73.
[11]LiD，Lu Y，Wu M.Industrial Agglomeration and Firm Size：Evidence from China [J]. Regional Scienceand UrbanEconomi-cs，2012，42（1-2）：135＼～143.
[12]杜威剑，李梦洁.产业集聚会促进企业产品创新吗？——基于中国工业企业数据库的实证研究[J]．产业经济研究，2015，77（4）：1＼～9，20.
[13]GlaeserEL，KallalHD，ScheinkmanJA，etal.GrowthinCiti-es[J].Journal ofPolitical Economy，1992，100（6）：1126＼～1152.
[14]HendersonV，Kuncoro A，TurnerM.IndustrialDevelopmentinCities[J].Journal ofPolitical Economy，1995，103（5）：1067＼～1090.
[15]Harris C.The Market as a Factor in the Localization of IndustryintheUnitedStates[J].AnnalsoftheAssociationofAmericanGeographers，1954，（44）：315＼～348.
The Impact of Housing Prices and Agglomeration Economies on the Location Choices of Industrial Enterprises
Zhou JingkuiWang Yidi （School of Economics，Nankai University，Tianjin 3OoO71，China）
[Abstract]Basedoncity-level paneldatafrom Chinabetween2O11and2O22，this paper employsboth bidirectional fixed efectsandmoderationefectstoexaminetheipactofhousingpricesandindustrialagglomerationonthelocationchiesofidustrialfimsinChina.Theempiricalresultsindicate thathousingpricescanexertapullefectonfirmslocationchoicesHousing pricesserveasasigalfctorthatpartiallepesetsteonomiceneitsofiustrialglometionenalomeratiois aresuicientlylrge，highregionalhousingpriceshaveapositiveatractionefectonindustrialfirmslocationdecisions.Incitis withahighlevelofinustrialaglomeration，housingpricesaveagreaterpullfcttantepushefectonthelcatiochocesof industrialfirs，generatingapositiveimpactontespatialdistributionoffrms.Incitieswithlowerlevelsofindustrialaloration，housingpriceshavensignificantefectonindustrialfirmslocationchoices.Thissuggeststhatheinfluenceofhousingprices onfirm location decisions is closely related to the industrial agglomeration level.
[Keywords]housing prices；firmlocationchoices；industrialagglomeration；industrial fims；robustness；industrialeco nomics；real estate；regional development
[Jelclassification]R3O；R32
（责任编辑：杨婧）
