《表7 房价对区域创新“抑制效应”空间分异》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高房价对区域创新的抑制效应及其空间分异研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

此外，在不同的空间权重矩阵下对矩阵（4）的估计还有助于识别房价“抑制效应”空间传导的机制路径。房价对创新的抑制作用的“空间传递”主要通过人力资本空间游走和“地理邻近”区域间的“模仿效应”两种渠道展开，房价“创新抑制效应”是创新模仿和创新溢出两种机制共同作用的结果，其中，空间距离邻近的区域更容易开展创新模仿，而地区间人口流量较大的区域更容易通过人力资本游走的方式实现创新溢出。在不同权重矩阵下对矩阵（4）内各元素进行估计，可大致识别出不同机制下“抑制效应”空间传导的结果。为简化分析，本文仅针对空间杜宾模型的空间效应分解，表7列出了地理距离和人口流动权重矩阵下房价对区域创新“抑制效应”空间分异结果（依据总效应绝对值的高低，选取前15位城市列出）。首先，从地理距离权重矩阵下房价对区域创新“直接效应”上看，本地房价上涨对本地创新抑制效应最强的城市主要分布在两大区域，其一为中原地区的山东半岛、中原城市群、江苏中部和安徽北部等，主要包括滨州、德州、安阳、鹤壁、南京、郑州、青岛等城市。其二为珠三角到海峡西岸区域，主要包括广州、厦门、深圳、泉州、中山、汕头、东莞等城市。对这些城市而言，房价上升对本地创新的拖累最强。而地理距离权重矩阵下房价对区域创新的“间接效应”和“总效应”在空间上均呈现显著的“梯度分异”特征，即“高强度”空间效应“核心区”大致呈“钻石型”，其四个端点分别为德州、洛阳、长沙和苏州，区域中心在安徽亳州，包含68个地级市，在这一区域房价上涨对我国整体区域创新的拖累将更大，这一区域也恰恰是最邻近国内市场、人口及创新资源的区域；而空间效应的次一级“核心区”同样呈“钻石型”，其四个端点分别为唐山、平凉、深圳和苏州，区域中心在河南驻马店，包含72个地级市。这意味着，地区间的创新模仿效应使得这一“钻石型”区域房价上涨对我国整体区域创新的拖累将更大，即在这个区域实施房价规制政策能更有效地推进我国整体创新，而这一区域也恰恰是最邻近国内市场、人口及创新资源的区域。