2019第45卷第12期
文章浏览量：[]
2. 中国人民大学 商学院，北京 100872;
3. 清华大学 五道口金融学院，北京 100083
2. Business School，Renmin University of China，Beijing 100872，China;
3. PBC School of Finance，Tsinghua University，Beijing 100083，China
一、引 言
我国房价的大幅上升吸引了大量的非房地产企业将巨额资金投入到了房地产中。为了扭转这种“脱实向虚”的投资结构，驱动供给侧改革，政府出台了一系列调控政策来平抑房价，试图引导企业将投入到房地产中的资金转到实业当中。然而，企业的投资活动不仅仅是由经营性投资（如引入新设备和购买专利技术等）和房地产投资组成的，还包括金融投资（如债券和股票等）。那么，房价的上升是抑制了金融投资还是经营投资？房价的下降是否真的会引发房地产投资的下降？从房地产投资中释放的资金究竟会流入金融投资继续加剧投资结构的“虚化”，还是会流入经营投资起到“落实”投资的作用？研究这些房价与企业投资结构之间的调整关系问题是本文的中心内容。
此前，许多学者关注了宏观环境对企业投资结构的影响（Greetham和Hartnett，2004；郭克莎，2015；罗知和张川川，2015；张永冀和孟庆斌，2016），但从房价入手讨论该问题的研究并不多。已有研究认为，房价对企业投资结构的影响主要是通过挤出效应实现的。房产价格不断上涨形成房价泡沫，而房价泡沫具有显著的再分配效应，会吸引更多的资金投入到房地产部门，从而挤出对其他部门的投资（Mishkin，2008；Miao和Wang，2014）。在挤出效应理论的基础上，学者们着重讨论了房地产投资对企业创新投资的挤出作用。王文春和荣昭（2014）、Rong等（2016）、王红建等（2017）以我国工业企业为研究对象，发现在房价上涨期间，工业企业对房地产的投入显著增加，而对创新的投入显著减少；刘行等（2016）对挤出创新投资的原因进行了解释，认为当房价上升时，企业倾向于用房地产进行抵押贷款，高额的债务降低了企业的风险承担能力，使其不愿将资金投入到风险较高的创新活动中去；孟庆玺等（2018）则以“限房令”为研究背景，发现“限房令”的出台显著促进了企业的创新行为，抑制了其对房地产的投资热情。
但是，现有的研究忽略了两个重要的问题：首先，现有的研究混淆了房价上升带来的规模效应和结构效应的关系。房地产投资规模的上升并不能说明房地产投资挤出了其他投资，而可能是企业的总投资规模上升引起了各类投资规模的协同上升。只有房地产投资占比的上升才能说明房地产吸引了原本分配于其他部门的资金。其次，企业的投资活动除了房地产投资和创新投资以外，还有金融投资。这三类投资中的任何一类投资的变化都应该综合考虑其他两类投资的变动情况。创新投资的降低不一定是房地产投资增加的结果，也可能是金融投资增加的结果。因此，抛开金融投资来讨论房地产投资与创新投资的关系是不全面的。
基于以上不足，本文对前人的研究进行了补充和完善，从单一地讨论房价与企业创新投资的关系推进到综合地讨论房价与企业各项投资占比（投资结构）的关系。企业的投资活动主要分为三个类型，即为了获得房地产增值红利的房地产投资，为了获得股票债券红利的金融投资，以及为了满足企业日常经营需要的经营投资。那么，房价是如何影响企业资金在这三类投资活动中的分配的呢？抵押效应假说认为，当房价上升时，企业能比较容易地进行房地产抵押融资（Chaney等，2012；曾海舰，2012；罗时空和周亚虹，2013），并通过这种方式缓解信息不对称所带来的融资约束问题（Titman和Wessels，1988；Rajan和Zingales，1995；Mackay和Phillips，2005；Faulkender和Petersen，2006；Almeida和Campello，2007；Eisfeldt和Rampini，2007；Bharath等，2009；Rampini和Viswanathan，2010b；Rampini 和 Viswanathan，2013）。然而，房价不可能无限制地永远走高，当房价回落时，融资约束问题可能会重新出现。为了应对未来房价回落引发的融资困难，企业有动机在此时尽可能多地进行抵押融资活动，以获得充足的资金。然而，这些通过抵押贷款获得的资金是有成本的，只有找到了有可能覆盖融资成本的投资标的，企业才会真正采取融资行动，并将这笔资金以投资的方式持有。从这个角度来说，房地产投资和金融投资都是合适的投资类型。如果将我国2009—2017年全国70个大中城市新建住宅涨跌幅、上证380指数涨跌幅、AA企业债票面利率和银行贷款利率之间进行对比，那么可以发现，除2011年、2012年、2014年和2015年外，在大多数的年份里，70个大中城市房地产新建住宅涨幅都高于银行贷款利率。同时，除2016年外，其余年份的上证380投资回报率或债券投资回报率都高于银行贷款利率。由此可见，房地产投资和金融投资基本上都可以覆盖融资成本，且金融投资的覆盖年份更长，优于房地产投资。除了要考虑融资成本的问题，还要考虑流动性的问题。连玉君等（2010）认为，融资约束公司会保持更高的流动性来提高跨期投资的选择权，即当企业面临较严重的融资约束问题时，企业会优先选择流动性较高的资产，以便应对资金的短缺。从这个角度来说，金融投资是比房地产投资更优的选择。金融资产的变现往往在当天就能完成，而对房地产进行变现则需要经过较长的交易过程。基于以上两点分析可以发现，当房价上升时，企业会通过房地产抵押的方式增加融资规模，并将这些资金投入到既能覆盖成本又能保持流动性的金融资产中去；当房价下降时，企业难以继续通过房地产抵押进行大规模融资，从而造成资金短缺 （Gan，2007）。此时，强烈的生存压力会迫使企业不得不增加经营投资，以便维持持续经营（Bernstein和Nadiri，1982；Fazzari和Athey，1987）。因此，将房价上涨时融得的资金从金融投资转移到经营投资是必然的选择。
本文利用我国上市公司中非房地产企业2009—2017年的数据进行实证研究，发现在房价上涨期间，企业的金融投资占比显著增加，但房地产投资占比对房价并不敏感。加入房价上涨率与金融市场回报率的交互项后发现，金融市场回报率对此时的金融投资占比有显著的正向作用，从而验证了企业增加金融投资的动机。在房价下跌期间，企业的金融投资占比显著降低，同时，经营投资占比则显著上升。这说明房价下跌导致的投资规模降低给企业带来了强烈的生存压力，使企业将房价上涨期融得的资金从金融投资转移到了与持续经营密切相关的经营投资中。加入房价上涨率与金融市场回报率的交互项后发现，金融市场回报率对此时的金融投资占比没有明显的作用，从而排除了企业降低金融投资是因为金融市场不景气的可能性。
本文与前人研究的联系在于，本文的实证研究发现，房价上升的确引起了企业房地产投资规模的上升，这支持了Chaney等（2012）的相关研究；但除了房地产投资规模上升之外，企业的总投资规模也出现了上升，这说明房地产投资的增加可能并没有挤出其他投资，而是总体投资规模出现了协同上升。对投资占比变化进行进一步分析证明，房地产投资占比对房价变化并不敏感，而对房价敏感的是金融投资占比，房价的上升引发了金融投资对经营投资的挤出效应。本文在前人研究的基础上进一步明确了规模效应和结构效应的关系。
本文的贡献在于以下四点：第一，现有研究仅分析了房地产投资与经营投资的关系，忽略了金融投资的存在，而本文系统地讨论了房价对企业这三类投资活动占比的影响，发现挤出经营投资的并不是房地产投资而是金融投资。这一结论完善了房价与企业投资关系理论，明确了挤出效应和抵押效应对企业投资结构的影响方式。第二，现有研究主要以房价上升为研究背景，鲜有研究关注房价下降时企业投资结构的状况，而本文对比研究了房价上升与房价下降时企业投资结构的变化，明确了不同时期企业的投资机制。房价上升时，企业通过增加金融投资来覆盖房地产融资成本并保持资金的流动性；房价下降时，企业通过降低金融投资来增加经营投资，以维持企业持续经营。这一结论丰富了企业投资行为的相关研究，明确了企业在不同状态下的不同投资逻辑。第三，现有研究主要关注了房价对企业投资规模以及部分投资类别（如创新投资）的影响，缺乏对各类投资行为的系统研究。本文从房价对企业投资规模的影响入手，系统探讨了房价与企业不同投资类别占比的关系，全面描述了房价变动下企业投资行为的变化，明确了产生变化的机理，具有重要的理论意义。第四，文章的结论表明，企业增加房地产投资的根本动机在于缓解融资约束。因此，为了引导资金从房地产中流入实业，我们需要加快利率市场化进程，降低企业融资成本；同时坚持减税降费，缓解企业融资压力。
二、理论分析与研究假设
抵押效应理论认为房价与企业投资规模有显著的正相关关系。企业的可投资金一部分来自内部积累，另一部分则来自外部融资。内部资本虽然成本较低，但往往难以满足企业的全部投资需求。由于存在信息不对称性，外部资本即使可以满足企业的投资需求，但也需要企业付出高额的融资成本，让企业望而却步。而房地产抵押融资可以给债权人提供有力的偿还保障，显著缓解信息不对称程度，降低企业的融资成本，提高企业的举债能力。一般而言，房价越上升，企业的举债能力则越强，投资规模也就越大（Barro，1976；Stiglitz和Weiss，1981；Bernanke和Gertler，1989；Hart和Moore，1994；Kiyotaki和Moore，1997）。Gan（2007）以1994—1998年日本房价大幅下跌为背景，首次对抵押效应进行了实证检验，发现房价的下跌降低了日本企业的投资规模，且抵押资产下降越多的企业，其投资规模下降得越明显。随后，Chaney等（2012）用美国企业数据证明，抵押效应也适用于房价上升时期，房价上升显著缓解了企业的融资约束问题，促进了投资规模的提升。我国的学者也对抵押效应展开了研究，曾海舰（2012）、Chen等（2015）分别以我国上市公司和非上市公司为研究对象，发现房价每上涨1元，企业融资规模将增加0.04—0.09元，投资规模则增加0.04元。
投资规模的变化会改变企业的投资偏好，影响企业的投资结构。当房价上升时，企业通过房地产抵押方式显著地增加了可投资金。一方面，这些通过抵押获得的资金是有成本的，因此企业会偏好那些可以覆盖成本的投资；在经营投资、金融投资和房地产投资中，房地产投资和金融投资都基本上能满足这一偏好。我国房价上涨期间，房价年平均涨幅在6%，而同期的股票市场年平均涨幅为25%，①均超过了贷款利率。另一方面，企业的这部分可投资金除了满足当下投资发展需求以外，还要为未来融资困难做储备。房价上升缓解了企业的融资约束问题，但房价不可能无止境地上升，当房价回落时，融资约束问题可能再次出现。因此，企业需要保持一定的资产流动性以应对未来可能出现的融资约束问题。连玉君等（2010）发现，融资约束的企业更倾向于选择流动性较高的资产来应对资金缺口。综上所述，企业在房价上涨期会增加抵押融资规模，以便应对未来房价下跌造成的融资约束问题；同时，为了覆盖这部分融资的成本并保持资产的流动性，企业倾向于选择增加金融投资来持有这部分资金。据此，我们提出如下假设：
假设1：房价上升时，金融投资占比上升，金融市场回报率对企业提高金融投资占比有促进作用。
不同性质的企业在房价上升期的投资表现可能有所不同。虽然企业在房价上涨时增加金融资产投资占比的目的之一是低成本地储备资金以备不时之需，但是在我国，国有企业普遍不存在融资难的问题，因此并不一定有动机在房价上升时通过房地产抵押来增加资金储备。而非国有企业长期受到融资难、融资贵的困扰，当房价上涨时，它们有强烈的意愿通过房地产抵押方式缓解融资困境。另外，即使国有企业通过房地产抵押方式获得了资金，但它们也并不愿意将其投入到金融资产中。对于不同所有权性质的企业，其风险承担水平存在差异，国有企业的风险承担能力更弱，更偏好风险低的投资标的（李文贵和余明桂，2012）。因此，管理者没有足够的动机去投资高风险的金融资产。据此我们推测，所有权性质会削弱企业投资金融资产的倾向，当房价上涨时，国有企业的金融资产投资占比增加显著低于非国有企业。据此，本文提出假设2：
假设2：房价上升时，国有企业的金融投资占比增加显著低于非国有企业。
当房价下降时，抵押房地产给企业带来的资金量会随之减少，企业投资规模也会显著下降（Gan，2007），而投资规模的下降会改变企业的投资逻辑。Bernstein和Nadiri（1982）、Fazzari和Athey（1987）认为，当企业的资金有限时，其第一要务是保持持续经营，因此会将有限的资金投入到与生产经营相关的活动中去，缩减其他不必要的投资；而房价上升时，通过房地产抵押获得的资金正好可以作为经营投资的补充。据此，本文提出假设3：
假设3：房价下降时，企业的经营投资占比会上升，而金融投资占比则会下降。
相比国有企业，非国有企业面临更严峻的生存环境，有更大的破产风险。因此当房价下降引发可投资金减少时，非国有企业比国有企业有更强的危机意识，会显著减少金融投资的占比，转而增加经营投资的占比来缓解生存压力。而在房地产投资方面，国有企业受到更大的政策限制。例如，为了抑制房价的上涨，2010年3月18日，国资委要求78家不以房地产为主业的央企清退房地产业务。非国有企业则不同，非国有企业没有政策上的压力，无需立刻停止对房地产的相关投资；同时，由于房地产投资回报一直持续为正，因此非国有企业对房地产投资可能抱有观望或抄底的心理，不会大幅度地降低该投资。因此，非国有企业可能采取的策略是通过降低金融投资占比来提升经营投资占比，而不会大幅改变房地产投资占比。据此，本文提出假设4：
假设4：房价下降时，非国有企业会降低金融投资占比，提高经营投资占比，且其金融投资占比下降得比国有企业更加显著。
三、数据与变量
（一）数据
本文以我国上市的非房地产企业为研究对象，研究期间为2009—2017年。②我们对数据执行了如下筛选程序：（1）剔除房地产行业、建筑行业与金融行业的样本；（2）剔除研究所需数据缺失的样本；（3）对所有变量进行缩尾处理。最终我们得到的研究样本为3 007家上市公司。以上所有宏观数据和微观数据均来自于Wind数据库。
（二）变量
本部分对下文使用到的各个变量进行简要说明：（1）投资性房地产占比（PI ratio），等于（当期期末房地产投资原值−当期期初房地产投资原值）/当期投资活动现金流出小计。（2）金融投资占比（FI ratio），等于当期投资支付的现金/投资活动现金流出小计。③（3）经营投资占比（OI ratio），等于（当期购建固定资产、无形资产及其他长期资产的投资−当期期末房地产投资原值+当期期初房地产投资原值）/当期投资活动现金流出小计。（4）新房价格年度变化率（House1），等于本期12月份的新房价格指数同比。（5）二手房价格年度变化率（House2），等于本期12月份的二手房价格指数同比。④（6）现金流量（Cash Flow），等于当期现金及现金等价物净增加额的自然对数。（7）资产负债比（Leverage），等于当期负债总额/当期总资产。（8）公司规模（Size），等于当期营业总收入的自然对数。（9）资产收益率（ROA），等于当期净利润/当期总资产。（10）市值账面值比（Tobin’Q），等于人民币普通股×今收盘价当期值+境内上市的外资股B股×今收盘价当期值×当日汇率+（总股数−人民币普通股−境内上市的外资股B股）×（所有者权益合计期末值/实收资本本期期末值）+负债合计本期期末值。（11）第一大股东持股比例（First-Holder），等于财报中披露的大股东持股量。（12）公司性质（Holder），若公司为中央国有企业或地方国有企业则公司性质变量等于1，否则等于0。（13）公司经营年限（Age），等于2017−公司创立起始年度。（14）利率（Interest Rate），等于人民币中长期贷款一年至三年期基准利率。（15）对数人民币贷款（Lnloan），为金融机构人民币贷款总量的自然对数。（16）A股上证指数回报率（Index），等于（本期A股上证指数−上一期A股上证指数）/上一期A股上证指数。（17）物业费价格（Wy-price），等于国家统计局公布的各省市物业价格指数。
（三）描述统计
根据描述统计结果可以看到，⑤在投资占比方面，房地产投资占比、金融投资占比和经营投资占比的均值分别为0.02、0.41和0.43，说明企业的主要投资集中在经营投资和金融投资上，而房地产投资占比并没有因为房价高涨而增大。进一步观察各个投资占比的变化范围后发现，企业的房地产投资占比的最大值为0.97，最小值为−0.28，说明在2009—2017年间，我国非房地产企业对投资性房地产的投入变化较大，波动明显；金融投资占比的最大值为0.99，最小值为0，说明企业对金融投资的调整也比较剧烈；经营投资占比的最大值为0.95，最小值为−0.46，说明企业对经营性投资的投入也有较大的弹性。在房价波动方面，新房的价格指数最大值为0.468，最小值为−0.181，二手房的价格指数最大值为0.489，最小值为−0.187，说明新房和二手房的变动幅度几乎相同。同时，在2009—2017年间，房价上升期的涨幅要显著高于房价下降期的跌幅，说明房价有一定的粘性。其他变量为企业特征控制变量，这里不再逐一阐述。
四、实证检验与分析
（一）计量模型
为了检验房价波动与企业投资结构之间的关系，本文构建了如下线性回归模型：
| $\begin{aligned} PI\;rati{o_{i,t}} = &{ \alpha _1} + {\alpha _2}Hous{e_{n,t - 1}} + {\alpha _3}Ag{e_i} + {\alpha _4}Cashflo{w_{i,t}} + {\alpha _5}Leverag{e_{i,t}} + {\alpha _6}RO{A_{i,t}} \\ &+ {\alpha _7}Siz{e_{i,t}}+ {\alpha _8}Tobi{n'}{Q_{i,t}} + {\alpha _9}First \text{-} Holde{r_{i,t}} + {\alpha _{10}}Holde{r_{i,t}} \\ &+ {\alpha _{11}} {\rm{Ln}} loa{n_t} + {\alpha _{12}}Interest\;Rat{e_t} + {\alpha _{13}}Inde{x_t}+ {\varepsilon _{i,t}} \end{aligned}$ | (1) |
| $\begin{aligned} FI\;rati{o_{i,t}} =& { \alpha _1} + {\alpha _2}Hous{e_{n,t - 1}} + {\alpha _3}Ag{e_i} + {\alpha _4}Cashflo{w_{i,t}} + {\alpha _5}Leverag{e_{i,t}} + {\alpha _6}RO{A_{i,t}}\\ & + {\alpha _7}Siz{e_{i,t}} + {\alpha _8}Tobi{n'}{Q_{i,t}} + {\alpha _9}First \text{-} Holde{r_{i,t}} + {\alpha _{10}}Holde{r_{i,t}}\\ & + {\alpha _{11}}{\rm{Ln}}loa{n_t} + {\alpha _{12}}Interest\;Rat{e_t} + {\alpha _{13}}Inde{x_t} + {\varepsilon _{i,t}} \end{aligned}$ | (2) |
| $\begin{aligned} OI\;rati{o_{i,t}} = &{ \alpha _1} + {\alpha _2}Hous{e_{n,t - 1}} + {\alpha _3}Ag{e_i} + {\alpha _4}Cashflo{w_{i,t}} + {\alpha _5}Leverag{e_{i,t}} + {\alpha _6}RO{A_{i,t}}\\ & + {\alpha _7}Siz{e_{i,t}} + {\alpha _8}Tobi{n'}{Q_{i,t}} + {\alpha _9}First \text{-} Holde{r_{i,t}} + {\alpha _{10}}Holde{r_{i,t}}\\ & + {\alpha _{11}}{\rm{Ln}}loa{n_t} + {\alpha _{12}}Interest\;Rat{e_t} + {\alpha _{13}}Inde{x_t} \end{aligned}$ | (3) |
| $\begin{aligned} FI\;rati{o_{i,t}} = &{ \alpha _1} + {\alpha _2}Hous{e_{n,t - 1}} + {\alpha _3}Hous{e_{n,t - 1}} \times Inde{x_t} + {\alpha _4}Ag{e_i} + {\alpha _5}Cashflo{w_{i,t}}\\ & + {\alpha _6}Leverag{e_{i,t}} + {\alpha _7}RO{A_{i,t}} + {\alpha _8}Siz{e_{i,t}} + {\alpha _9}Tobi{n'}{Q_{i,t}} + {\alpha _{10}}First \text{-} Holde{r_{i,t}} \\ &+ {\alpha _{11}}Holde{r_{i,t}} + {\alpha _{12}}{\rm{Ln}}loa{n_t} + {\alpha _{13}}Interest\;Rat{e_t} + {\alpha _{14}}Inde{x_t} + {\varepsilon _{i,t}} \end{aligned}$ | (4) |
其中，PI ratioi,t、FI ratioi,t以及OI ratioi,t分别代表i企业在t期的房地产投资占比、金融投资占比以及经营投资占比；Housen,t−1代表House1,t−1和House2,t−1，其中，House1,t−1为滞后一期的新房价格年度变化率，House2,t−1为滞后一期的二手房价格年度变化率；α2是本文关注的系数，度量了房价变动对企业投资结构产生影响的数量效应。方程中余下的变量为一组控制变量。
根据房价影响企业投资的相关文献，本文在回归方程中加入现金流量（Cashflow）、资产负债比（Leverage）、公司规模（Size）、资产收益率（ROA）、市值账面值比（Tobin’Q）、第一大股东持股比例（First-Holder）、公司性质（Holder）和公司经营年限（Age）等变量来控制企业特征对回归结果的影响。除此之外，还加入了利率（Interest Rate）、对数形式的人民币贷款（Lnloan）以及A股上证指数回报率（Index）来控制宏观环境对回归结果的影响。同时，所有的回归都控制了行业效应和年度效应。
（二）回归结果
1. 房价上升与企业投资结构的关系。表1列示了房价上升时模型（1）、模型（2）、模型（3）和模型（4）的回归结果。⑥从表中可以发现，当因变量为PI ratio时，House1和House2在三个置信水平上均不显著；当因变量为FI ratio时，House1和House2则在1%的置信水平上显著，且影响方向均为正向；当因变量为OI ratio时，House1和House2在10%置信水平上显著，且影响方向为负向。该回归结果说明，无论是新房还是二手房的价格上升都没有引起企业房地产投资占比的增加，而引起了企业金融投资占比的显著增加。产生这一现象的原因在于，金融投资比房地产投资有更好的流动性，因而促使企业选择增加金融投资占比。但是，如果金融市场没有足够繁荣，那么增加金融投资则会损害企业的利益。为了检验金融市场在房价上涨期对企业金融投资占比的作用，本文在模型（2）的基础上加入了房价涨跌幅与股票市场指数的交互项生成模型（4），结果显示，该交互项的系数在1%的置信水平上显著为正。这一结果说明，金融市场的繁荣对企业的金融投资占比增加有促进作用。综上所述，表1的回归结果支持了本文的假设1。
| 模型（1） | 模型（2） | 模型（3） | 模型（1） | 模型（2） | 模型（3） | 模型（4） | 模型（4） | |
| PI ratio | FI ratio | OI ration | PI ratio | FI ratio | OI ration | FI ratio | FI ratio | |
| House1 | −0.001 | 0.140*** | −0.071* | 0.140*** | ||||
| （−0.09） | （3.34） | （−1.81） | （3.35） | |||||
| House2 | 0.002 | 0.127 | −0.075* | 0.125*** | ||||
| （0.12） | （2.97）*** | （−1.87） | （2.94） | |||||
| House1×Index | 0.653*** | |||||||
| （2.80） | ||||||||
| House2×Index | 0.705*** | |||||||
| （2.95） | ||||||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 5 867 | 5 867 | 5 867 | 5 867 | 5 867 | 5 867 | 5 867 | 5 867 |
| Adj. R2 | 0.01 | 0.17 | 0.22 | 0.01 | 0.17 | 0.22 | 0.17 | 0.17 |
| 注：（1）括号里的数字为标准误差；*、**和***分别代表在10%、5%和1%的水平上显著。（2）根据面板数据的特点，在估计及计算标准差时，将每家公司的观测值归并为一个集合（Cluster），采用对面板单元序列相关和异方差均稳健的标准差（Cluster-Robust Errors）。（3）所有的回归均控制了行业和年度效应。（4）控制变量包括Cashflow、Index、Leverage、Size、ROA、First-holder、Age、Tobin’Q、Lnloan、Interest Rate。下同。 | ||||||||
表2列示了房价上升时国有企业和非国有企业样本对模型（2）的分组回归结果。从表中可以发现，当回归样本为国企时，House1和House2在三个置信水平上对FI ratio的影响均不显著；当回归样本为非国企时，House1和House2在1%的置信水平上对FI ratio有显著正向的影响。该回归结果说明，新房和二手房的价格上升都没有引起国有企业金融投资占比的变化，但非国有企业的金融投资占比却和房价之间有着明显的正相关关系。
| 国企 | 非国企 | |||
| FI ratio | FI ratio | FI ratio | FI ratio | |
| House1 | 0.112（1.54） | 0.159***（3.06） | ||
| House2 | 0.054（0.77） | 0.164***（3.04） | ||
| Controls | 控制 | 控制 | 控制 | 控制 |
| N | 2 631 | 2 631 | 3 236 | 3 236 |
| Adj. R2 | 0.19 | 0.19 | 0.15 | 0.15 |
2. 房价下降与企业投资结构的关系。表3列示了房价下降时模型（1）、模型（2）和模型（3）的回归结果。从表中可以发现，当因变量为PI ratio时，House1和House2在三个置信水平上均不显著；当因变量为FI ratio时，House1和House2则分别在5%和1%的置信水平上显著，且影响方向均为正向；当因变量为OI ratio时，House1和House2同样也在1%的置信水平上显著，但影响方向均为负向。该回归结果表明，房价下降引起企业金融投资占比的显著降低，引起经营投资占比的显著提高。
| 模型（1） | 模型（2） | 模型（3） | 模型（1） | 模型（2） | 模型（3） | 模型（4） | 模型（4） | |
| PI ratio | FI ratio | OI ration | PI ratio | FI ratio | OI ration | FI ratio | FI ratio | |
| House1 | 0.039* | 0.177** | −0.272*** | 0.164** | ||||
| （1.78） | （2.48） | （−4.09） | （2.15） | |||||
| House2 | 0.032 | 0.194*** | −0.221*** | 0.172** | ||||
| （1.57） | （2.91） | （−3.33） | （2.18） | |||||
| House1×Index | −0.805* | |||||||
| （−1.93） | ||||||||
| House2×Index | −0.712* | |||||||
| （−1.89） | ||||||||
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 1 916 | 1 916 | 1 916 | 1 916 | 1 916 | 1 916 | 1 916 | 1 916 |
| Adj. R2 | 0.02 | 0.12 | 0.19 | 0.02 | 0.12 | 0.18 | 0.12 | 0.12 |
同时，与房价上升相同，房价下降也不会引起企业房地产投资占比的明显变化。为了排除企业降低金融投资占比是受金融市场的影响，本文在模型（2）的基础上加入了房价涨跌幅与金融市场涨跌幅的交互项生成模型（4），结果显示，该交互项的系数仅在10%的置信水平上显著，说明市场景气程度对企业降低金融投资的影响十分微弱。该结论支持了本文的假设3。
表4列示了房价下降时国有企业和非国有企业样本对模型（2）和模型（3）的分组回归结果。从表中可以发现，当回归样本为国企时，House1和House2在三个置信水平上对FI ratio都无显著影响；当回归样本为非国企时，House1和House2分别在5%和1%的置信水平上对FI ratio有显著的正向影响。该回归结果说明，当房价下降时，非国有企业金融投资占比的下降比国有企业更明显。再来看房价与OI ratio之间的关系。当回归样本为国企时，House1和House2在5%的置信水平上对OI ratio有显著的负向影响；当回归样本为非国企时，House1和House2在1%的置信水平上对OI ratio有显著的负向影响。该回归结果说明，当房价下降时，非国有企业和国有企业的经营投资占比均有增加，但两者没有显著差异。这支持了本文的假设4。
| 国企 | 非国企 | |||||||
| 模型（2） | 模型（3） | 模型（2） | 模型（3） | 模型（2） | 模型（3） | 模型（2） | 模型（3） | |
| FI ratio | OI ratio | FI ratio | OI ratio | FI ratio | OI ratio | FI ratio | OI ratio | |
| House1 | 0.115 | −0.297** | 0.217** | −0.221*** | ||||
| （1.00） | （−2.14） | （2.31） | （−2.60） | |||||
| House2 | 0.071 | −0.230** | 0.256*** | −0.180*** | ||||
| （0.66） | （−2.10） | （2.98） | （−2.69） | |||||
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 679 | 679 | 679 | 679 | 1 237 | 1 237 | 1 237 | 1 237 |
| Adj. R2 | 0.16 | 0.21 | 0.16 | 0.21 | 0.08 | 0.14 | 0.09 | 0.14 |
3. 抵押效应的机制作用。Miao和Wang（ 2012）、刘行等（2016）证明，当房价上升的时候，大量非房地产企业增加了房地产的投资规模，且这些投资并不是为企业日常生产服务的，而是为了享受房地产价格的增长红利。这种红利不仅仅来自于买卖的差价，还来自于房地产价格上升所带来的抵押价值增加。因此，企业之所以增加这类投资性房地产并持有这些房地产的一个重要原因是，它们希望在房价上升过程中，通过抵押的方式获得更多资金来缓解融资约束，即企业之所以在房价上升时期大量增加投资性质的房地产，是为了发挥房地产的抵押效应。
在这样的逻辑下，本文认为，房价对投资结构的影响会因企业房地产投资规模的不同而不同。基于此，本文将样本按照房地产投资规模进行分组，进一步检验房价波动对企业投资结构的影响，结果如表5所示。从表中可以发现，房地产投资规模大的组别，其投资结构对房价更为敏感，House1和House2在5%置信水平上与FI ratio显著正相关，在1%的置信水平上与 OI ratio显著负相关，这说明房价上涨时企业的金融投资占比上升，房价下跌时企业的经营投资占比上升。而对于房地产投资规模小的组别，其投资结构与房价之间没有显著相关性。这一结果说明，房价与企业投资结构的相关关系的确是由抵押效应引发的。
| PI ratio | FI ratio | OI ratio | PI ratio | FI ratio | OI ratio | |
| 房地产投资规模大的组 | ||||||
| House1 | 0.015（0.28） | 0.237**（2.21） | −0.335***（−3.67） | |||
| House2 | 0.024（0.53） | 0.261**（2.47） | −0.329***（−3.55） | |||
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 3 166 | 3 166 | 3 166 | 3 166 | 3 166 | 3 166 |
| Adj. R2 | 0.12 | 0.21 | 0.32 | 0.12 | 0.21 | 0.32 |
| 房地产投资规模小的组 | ||||||
| House1 | −0.021（−0.76） | 0.076（0.66） | −0.041（−0.37） | |||
| House2 | −0.021（−0.79） | 0.048（0.42） | −0.047（−0.43） | |||
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 3 166 | 3 166 | 3 166 | 3 166 | 3 166 | 3 166 |
| Adj. R2 | 0.15 | 0.17 | 0.21 | 0.15 | 0.17 | 0.21 |
（三）工具变量检验
由于房价与企业投资之间可能存在内生性问题，因此本文用物业费（Wy-Price）作为工具变量来进行相关检验。一般来说，新房价格越高，物业费也会越高，但物业费与投资额比起来金额太小，因此企业不会因为物业费的高低而改变投资决策。表6给出了物业费作为工具变量的一阶段回归结果。
| House1 | House2 | |
| Wy-price | 2.006*** | 1.910*** |
| （86.84） | （70.04） | |
| N | 7 917 | 7 917 |
| Prob >F | 0 | 0 |
| Adj. R2 | 0.51 | 0.53 |
工具变量Wy-Price的回归系数全部在1%的显著水平上显著为正，说明工具变量的选取是基本合理的。表7列出了第二阶段工具变量的回归结果，House1和House2均在1%的置信水平上显著影响了FI ratio和OI ratio，且影响方向与前文的回归结果相同。这说明即使考虑了内生性之后，房价对非房地产企业的投资结构的影响依然存在。
| PI ratio | FI ratio | OI ratio | PI ratio | FI ratio | OI ratio | |
| House1 | 0.019（1.18） | 0.215***（4.04） | −0.214***（−4.40） | |||
| House2 | 0.020（1.18） | 0.225***（4.04） | −0.225***（−4.40） | |||
| Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 7 917 | 7 917 | 7 917 | 7 917 | 7 917 | 7 917 |
| Adj. R2 | 0.01 | 0.16 | 0.22 | 0.01 | 0.16 | 0.22 |
（四）稳健性检验
1. 考虑地区层面的聚类调整。同地区的样本拥有同样的房地产价格指数，使得这些样本具有一定的区域共性。因此，我们按照地区层面对标准误做cluster调整，并进行稳健性检验，结果仍然支持本文的结论。
2. 考虑利率市场化。利率市场化实施的重要目的就是降低企业的融资成本，因此利率市场化进程的加快会抑制企业金融投资占比对房地产价格的敏感度。我们以2012年为界，进一步将样本分为利率市场化之前和利率市场化之后，发现进一步扩大利率市场化之后，企业金融投资对房价的敏感度有所降低。
3. 考虑固定资产中的房地产增加。我们进一步考虑企业将其中为生产经营服务的房地产计入固定资产科目的情况。尽管计入固定资产科目的房地产主要用于企业日常生产经营，但并不能完全排除企业持有这些资产的投资意图。为了排除这一可能的影响，我们将计入固定资产的房地产投资与投资性房地产累加进行稳健性检验，结果依然支持本文的结论。
五、研究结论与政策建议
伴随着房价的上涨，非房地产企业斥巨资投资房地产的新闻屡见不鲜，造成了房地产才是企业投资重点的幻象。然而实际上，房地产投资规模的增加并不代表房地产投资成为企业投资的重心，分析企业投资结构的变化才能更深刻地理解企业的投资行为。本文使用我国上市公司2009—2017年的数据进行实证研究后发现，随着房价的上涨，企业的金融投资占比显著增加，而房地产投资占比并没有显著的变化。原因在于，企业在房价上涨期利用宽松的融资环境进行抵押融资，以便缓解未来房价下跌时出现的融资约束问题；而金融投资不仅有极大可能覆盖融资成本，还能保持一定的流动性，比房地产投资更能满足企业的需求。伴随着房价的下降，企业的金融投资占比显著降低，经营投资占比显著增加，房地产投资占比依然变化不明显。原因在于，企业在房价下降期的融资环境恶化，只有将金融投资中储备的资金转移到经营投资中来，才能缓解生存压力。
进一步地，这种房价对企业投资结构的影响会因为企业性质的不同而产生一些差异。一方面，非国有企业比国有企业面临更严峻的融资约束，因此当房价上涨时，非国有企业对金融投资占比的增加要显著高于国有企业。另一方面，非国有企业比国有企业面临更严峻的生存压力，因此当房价下跌时，非国有企业的经营投资占比的增加要显著高于国有企业。
以上结论的成立需要一个前提，即企业持有足够多的房地产进行抵押融资。因此，本文进一步将样本按照房地产投资规模划分，比较房价变动对这两类企业的影响。结果显示，房地产投资规模大的公司，抵押资产充足，其金融投资和经营投资对房价的反应较敏感；而房地产投资规模小的公司，抵押资产较少，其金融投资和经营投资对房价的反应不敏感。该结论进一步证明了企业在房价上涨期间购买房地产的主要目的是发挥房地产的抵押效应，以缓解企业的融资约束。除此之外，企业在房地产下降期间降低金融投资还存在另外一种解释，即金融市场收益率下降，金融投资回报率不能满足企业的需求。为了排除这一可能的影响，我们加入金融市场收益率交互项对结果进行检验，发现金融市场收益率与企业降低金融市场投资行为的相关性较弱。
本文的研究结论补充并完善了宏观环境与企业投资行为的相关研究。从理论意义来说，本文的研究结论证明，房价在我国引发的抵押效应要远高于挤出效应，而产生这一现象的主要原因是融资约束问题。从现实意义来说，本文的研究结论也有较强的政策启示。企业热衷于房地产投资是房价上升的因素之一，而本文发现其投资房地产的主要目的是借助房地产的抵押效应产生可投资金，并将这些资金储备在金融投资中以应对未来的融资困难。因此，想要引导企业将资金从房地产中释放出来，抑制房价的过快增长，调整企业“脱实向虚”的投资结构，需要从以下几个方面入手：第一，优化融资环境。融资难、融资贵一直是我国企业面临的重要问题之一，这一问题在非国有企业中显得尤为突出。由于非国有企业面临较高的信息不对称问题，因此利用房地产抵押融资是非国有企业化解信息不对称，缓解融资约束的重要手段。据此，我们应该出台相关政策，建立健全企业的征信制度，完善企业的信息披露，加强企业信贷资金流向的监管。第二，缓解费用压力。企业之所以面临融资约束问题，一方面是开源困难，另一方面是节流不易。据此，我们需要坚定地支持利率市场化改革，加快利率市场化进程，降低企业的财务成本；同时，坚持减税降费，进一步降低企业的相关费用，为企业的内部融资提供空间。第三，加强金融市场监管。企业将从房地产抵押中获得的资金大量投入到了金融资产而不是经营资产中，说明金融投资收益仍然要远高于经营投资。因此，想要引导资金流入实业，还需要加强金融市场的监管，降低金融风险，从而降低套利空间；同时，还要提高投资门槛，平稳投资收益。
① 房价年平均涨幅使用70个大中城市新建住宅指数计算，股票市场年平均涨幅使用上证380指数涨跌幅计算。
② 之所以以2009年为研究的起点，主要是因为财政部于2006年10月印发新会计准则，将原来在固定资产科目中披露的以投资为目的房地产剥离出来，于新设置的投资性房地产科目中披露。该准则于2007年1月1日起首先在上市公司范围内执行，鼓励其他企业执行。新会计准则的全面规范施行需要一个过程，因此本文将2007—2008年准则施行过渡期的数据剔除，从2009年开始收集数据。
③ 根据会计准则的规定，当期投资支付的现金主要指用于投资交易性金融资产、持有至到期投资、可供出售金融资产、长期股权投资的现金。本文借鉴这一概念，将金融投资定义为交易性金融资产、持有至到期投资、可供出售金融资产和长期股权投资。
④ 新房价格指数=（本年新房价格−去年新房价格）/去年新房价格；二手房价格指数=（本年二手房价格−去年二手房价格）/去年二手房价格。
⑤ 限于篇幅，本文没有给出详细的描述性统计结果。
⑥ 本文依照房价年度变化指数定义房价上升和下降。指数大于0，则表示本年度房价上升；指数小于0，则表示本年度房价下降。下文关于房价上升和下降的表述均采用此标准。
| [1] | 郭克莎. 中国房地产市场的宏观定位、供给机制与改革取向[J]. 经济学动态, 2015(9): 4–12. |
| [2] | 李文贵, 余明桂. 所有权性质、市场化进程与企业风险承担[J]. 中国工业经济, 2012(12): 115–127. |
| [3] | 连玉君, 彭方平, 苏治. 融资约束与流动性管理行为[J]. 金融研究, 2010(10): 158–171. |
| [4] | 刘行, 建蕾, 梁娟. 房价波动、抵押资产价值与企业风险承担[J]. 金融研究, 2016(3): 107–123. |
| [5] | 罗时空, 周亚虹. 房价影响企业投资吗: 理论与实证[J]. 财经研究, 2013(8): 133–144. |
| [6] | 罗知, 张川川. 信贷扩张、房地产投资与制造业部门的资源配置效率[J]. 金融研究, 2015(7): 60–75. |
| [7] | 孟庆玺, 宫晓云, 林恺. " 限房令”可以促进企业技术创新吗? ——基于中央企业的准自然实验[J]. 财经研究, 2018(9): 95–108. |
| [8] | 王红建, 曹瑜强, 杨庆. 实体企业金融化促进还是抑制了企业创新——基于中国制造业上市公司的经验研究[J]. 南开管理评论, 2017(1): 155–166. DOI:10.3969/j.issn.1008-3448.2017.01.014 |
| [9] | 王文春, 荣昭. 房价上涨对工业企业创新的抑制影响研究[J]. 经济学（季刊）, 2014(2): 465–490. |
| [10] | 曾海舰. 房产价值与公司投融资变动——抵押担保渠道效应的中国经验证据[J]. 管理世界, 2012(5): 125–136. |
| [11] | 张永冀, 孟庆斌. 预期通货膨胀与企业资产结构[J]. 会计研究, 2016(7): 27–34. DOI:10.3969/j.issn.1003-2886.2016.07.004 |
| [12] | Almeida H, Campello M. Financial constraints, asset tangibility, and corporate investment[J]. The Review of Financial Studies, 2007, 20(5): 1429–1460. DOI:10.1093/rfs/hhm019 |
| [13] | Barro R J. The loan market, collateral, and rates of interest[J]. Journal of Money, Credit and Banking, 1976, 8(4): 439–456. DOI:10.2307/1991690 |
| [14] | Bernanke B S, Gertler M. Business fluctuations and the choice between internal and external finance[J]. American Economic Review, 1989, 79: 14–31. |
| [15] | Bharath S T, Pasquariello P, Wu G J. Does asymmetric information drive capital structure decisions?[J]. The Review of Financial Studies, 2009, 22(8): 3211–3243. DOI:10.1093/rfs/hhn076 |
| [16] | Chaney T, Sraer D, Thesmar D. The collateral channel: How real estate shocks affect corporate investment[J]. The American Economic Review, 2012, 102(6): 2381–2409. DOI:10.1257/aer.102.6.2381 |
| [17] | Chen P, Wang C Y, Liu Y Y. Real estate prices and firm borrowings: Micro evidence from China[J]. China Economic Review, 2015, 36: 296–308. DOI:10.1016/j.chieco.2015.10.002 |
| [18] | Gan J. Collateral, debt capacity, and corporate investment: Evidence from a natural experiment[J]. Journal of Financial Economics, 2007, 85(3): 709–734. DOI:10.1016/j.jfineco.2006.06.007 |
| [19] | Miao J J, Wang P F. Sectoral bubbles, misallocation, and endogenous growth[J]. Journal of Mathematical Economics, 2014, 53: 153–163. DOI:10.1016/j.jmateco.2013.12.003 |
| [20] | Mishkin F S. How should we respond to asset price bubbles?[J]. Financial Stability Review, 2008, 12: 65–74. |
| [21] | Rong Z, Wang W C, Gong Q. Housing price appreciation, investment opportunity, and firm innovation: Evidence from China[J]. Journal of Housing Economics, 2016, 33: 34–58. DOI:10.1016/j.jhe.2016.04.002 |