利用2007-2016年中國29個(gè)省市區(qū)的相關(guān)數(shù)據(jù),分析房地產(chǎn)價(jià)格和制造業(yè)產(chǎn)業(yè)升級在中國各個(gè)省市區(qū)的分布格局和空間上的相互依賴性。基于鄰接權(quán)重矩陣構(gòu)建空間滯后模型和空間誤差模型,分析房價(jià)波動對中國制造業(yè)產(chǎn)業(yè)升級的影響�；谏鲜鲅芯�,得到四個(gè)方面的結(jié)論:一是通過Moran’s I指數(shù)和Moran’s I散點(diǎn)圖證明了中國房價(jià)水平和制造業(yè)產(chǎn)業(yè)升級存在顯著的空間相關(guān)性,制造業(yè)具有高水平區(qū)域集中、低水平區(qū)域聚集的特點(diǎn);二是中國房地產(chǎn)價(jià)格與制造業(yè)產(chǎn)業(yè)升級呈倒U型庫茲涅茨曲線關(guān)系,也就是說房價(jià)波動對制造業(yè)產(chǎn)業(yè)升級同時(shí)具有正效應(yīng)和負(fù)效應(yīng);三是從整體上看,現(xiàn)階段省域間相對房價(jià)升高對制造業(yè)低端技術(shù)產(chǎn)業(yè)產(chǎn)生擠出效應(yīng),對制造業(yè)高端技術(shù)產(chǎn)業(yè)發(fā)展產(chǎn)生促進(jìn)作用,相對房價(jià)升高帶動了制造業(yè)產(chǎn)業(yè)升級;四是在北京和上海,由于房價(jià)與制造業(yè)產(chǎn)業(yè)升級兩者之間的關(guān)系已經(jīng)跨入倒U型曲線的右邊,所以要有效控制房價(jià)上漲,以免制造業(yè)產(chǎn)業(yè)升級受到抑制。 

【文章來源】：科學(xué)決策. 2020,(04)CSSCI

【文章頁數(shù)】：28 頁

【部分圖文】：

2016年中國制造業(yè)產(chǎn)業(yè)升級和房價(jià)的區(qū)域分布圖

Moran"s I指數(shù)已經(jīng)表明制造業(yè)產(chǎn)業(yè)升級和房價(jià)的全局空間自相關(guān)性,為了進(jìn)一步說明其空間分布的局部特征,本文還繪制了房價(jià)與制造業(yè)產(chǎn)業(yè)升級的Moran"s I散點(diǎn)圖。2016年鄰接權(quán)重下制造業(yè)相對產(chǎn)值、制造業(yè)相對就業(yè)率和房價(jià)的Moran"s I散點(diǎn)圖如圖1所示。從圖1可以看出,大多數(shù)省域位于第一、第三象限,表明制造業(yè)產(chǎn)業(yè)層級高的地區(qū)被同樣高水平的其他地區(qū)包圍,制造業(yè)產(chǎn)業(yè)升級在空間上相互集聚,制造業(yè)產(chǎn)業(yè)發(fā)展緩慢的地區(qū)也被同樣低水平的其他地區(qū)所包圍,形成了低水平的聚集圈,驗(yàn)證了制造業(yè)轉(zhuǎn)型升級具有相當(dāng)明顯的擴(kuò)散效應(yīng)。相對房價(jià)的Moran"s I散點(diǎn)主要集中在高-高集聚區(qū)域和低-低集聚區(qū)域,也就是第一、三象限,說明中國房價(jià)存在明顯的空間集聚,且其分布是非均質(zhì)的�？傊�,Moran"s I散點(diǎn)圖顯示了各個(gè)省市區(qū)房價(jià)與制造業(yè)產(chǎn)業(yè)升級的空間聯(lián)系形式分布情況,得出房價(jià)和制造業(yè)產(chǎn)業(yè)升級均具有高水平區(qū)域集中、低水平區(qū)域聚集的特點(diǎn),Moran"s I散點(diǎn)圖也再次證明了兩者皆存在顯著的空間依賴性。此外,本文還分析了2016年中國制造業(yè)產(chǎn)業(yè)升級和房價(jià)的區(qū)域分布情況(見圖2)。從制造業(yè)相對產(chǎn)值的區(qū)域分布來看,江蘇、山東、廣東處于(2.113,4.743]區(qū)間,這些地區(qū)是相對產(chǎn)值最高的第一梯隊(duì);河南、浙江處于(1.249,2.113]區(qū)間,屬于相對產(chǎn)值較高的第二梯隊(duì);河北、福建、安徽、四川、湖南、江西、上海處于(0.677,1.249]區(qū)間,位于制造業(yè)相對產(chǎn)值一般的第三梯隊(duì);天津、重慶、吉林、廣西、遼寧、陜西處于(0.355,0.677]區(qū)間,這些地區(qū)制造業(yè)的相對產(chǎn)值較低,為第四梯隊(duì);其他地區(qū)則為第五梯隊(duì),相對產(chǎn)值更低。從制造業(yè)相對就業(yè)率的區(qū)域分布來看,處于(3.015,5.56]區(qū)間的省份有廣東、江蘇,這兩個(gè)地區(qū)的制造業(yè)相對就業(yè)率最高;山東、浙江、河南位于(1.415,3.015]區(qū)間,制造業(yè)相對就業(yè)率較高;福建、湖北、河北、湖南、安徽、四川、江西處于(0.719,1.415]范圍內(nèi),這些區(qū)域的制造業(yè)相對就業(yè)率一般;上海、遼寧、重慶、廣西、天津、陜西、吉林處于(0.303,0.719]區(qū)間,制造業(yè)相對就業(yè)率較低;新疆、甘肅、寧夏、海南的制造業(yè)相對就業(yè)率最低。從房價(jià)的區(qū)域分布可以看出,低房價(jià)區(qū)域的周邊地區(qū)房價(jià)較低,而高房價(jià)區(qū)域臨近的地區(qū)房價(jià)也較高,整體房價(jià)極化效應(yīng)凸顯。北京、上海的房價(jià)水平最高,其值達(dá)到了4.102和3.682,屬于第一梯隊(duì);天津、浙江、廣東、海南、福建、江蘇的房價(jià)水平屬于第二梯隊(duì),湖北、河北、遼寧、山東、安徽的房價(jià)水平一般,位于第三梯隊(duì)。其他省份的房價(jià)水平較低,則位于第四梯隊(duì),如湖南的房價(jià)水平為0.555。由此可知,中西部地區(qū)房價(jià)水平相對較低,沿海地區(qū)與內(nèi)陸地區(qū)房地產(chǎn)價(jià)格差異性明顯。

【參考文獻(xiàn)】：
期刊論文
[1]中國制造業(yè)轉(zhuǎn)型升級發(fā)展的評價(jià)指標(biāo)體系及綜合指數(shù)[J]. 潘為華,潘紅玉,陳亮,賀正楚.  科學(xué)決策. 2019(09)
[2]中國制造業(yè)發(fā)展質(zhì)量與國際競爭力提升研究[J]. 唐紅祥,張祥禎,吳艷,賀正楚.  中國軟科學(xué). 2019(02)
[3]房價(jià)、金融發(fā)展與制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級——基于動態(tài)面板的經(jīng)驗(yàn)分析[J]. 潘紅玉,劉亞茹.  財(cái)經(jīng)理論與實(shí)踐. 2019(01)
[4]城鎮(zhèn)化、房價(jià)與產(chǎn)業(yè)結(jié)構(gòu)升級[J]. 楚爾鳴,曹策.  經(jīng)濟(jì)問題探索. 2018(03)
[5]產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與中國新型城鎮(zhèn)化[J]. 吳穹,仲偉周,張躍勝.  城市發(fā)展研究. 2018(01)
[6]基于空間計(jì)量模型的新型城鎮(zhèn)化對制造業(yè)結(jié)構(gòu)影響及路徑研究[J]. 王翔.  經(jīng)濟(jì)問題探索. 2017(12)
[7]中國制造業(yè)集聚程度演變趨勢及時(shí)空特征研究[J]. 唐曉華,陳陽,張欣鈺.  經(jīng)濟(jì)問題探索. 2017(05)
[8]中國高端裝備制造業(yè)的技術(shù)創(chuàng)新能力:2004～2014[J]. 賀正楚,潘紅玉,鄧英,夏智倫.  經(jīng)濟(jì)數(shù)學(xué). 2016(04)
[9]我國房地產(chǎn)業(yè)對實(shí)體經(jīng)濟(jì)的掠奪效應(yīng)——基于多部門動態(tài)隨機(jī)一般均衡模型的模擬分析[J]. 周端明,艾非,胡小文.  當(dāng)代經(jīng)濟(jì)研究. 2016(11)
[10]經(jīng)濟(jì)開放度、房地產(chǎn)價(jià)格及其空間溢出[J]. 鞠方,雷雨亮,周建軍.  中國軟科學(xué). 2016(10)



本文編號：2999376