一、引言

房地产高库存是中国宏观经济在相当长一段时间内都将面临的巨大风险之一。目前，全国房地产市场进入周期性调整阶段，房地产供给侧结构性改革下去库存成为影响国民经济增长以及其他相关经济矛盾的重要因素。国家统计局数据显示，截至2016年5月末，全国商品房待售面积72169万平方米。根据2015年的销售率，全国住房库存需要5年多的时间才能消耗完。与住宅相比，许多城市的商品房和写字楼都面临着储备过高的压力。房地产供给侧结构性改革下去库存，除了短期的金融、财政政策支持，还要有人口政策、产业政策和城镇化政策的支撑。房地产业是城镇化的重要载体，为城镇人口提供居住、消费和生产的平台，并且依靠房地产强大的产业关联度，为城镇人口提供稳定的就业机会。城镇化的外在表现是人口在城镇的集聚，势必为城镇房地产业发展带来大量住房需求。

在全球经济危机、金融危机爆发时，欧盟委员会认为结构性改革是经济复苏三大支柱中不可缺少的一部分，这些结构性改革大部分是供给侧改革的政策。Varga和Veld(2014)认为推行的供给侧结构性改革措施对总产出和就业方面起了良好的促进作用，特别是对长期产出水平的提升作用更加突出[1]。当前人口迁移使中国城镇快速化仍会推动城市商品住房需求的上升，城市住房供应将面临严峻挑战[2]。开发企业、地方政府共同拉动了房地产市场的快速开发和价格膨胀。部分学者基于面板数据模型，得出积压性库存对于东、中部地区金融稳定性产生明显的危害作用，而短期库存对于东部地区和中部地区金融稳定性的影响却得到相反的结果[3]。也有部分学者将金融加速器理论引入DSGE模型中分析房地产去库存化对中国宏观经济的影响[4]。还有部分学者使用面板数据，从住房供给层面、需求层面和均衡房价等三个维度入手，实证研究我国东、中、西部住房价格特征[5]。运用Granger因果检验方法对香港建筑产业与经济增长之间关系进行了研究。研究表明，建筑产业特别是基础建筑部分对经济增长的拉动作用明显，建筑产业发展水平是经济增长的Granger原因[6]。目前化解房地产高库存的政策应对措施，一方面需要微观经济政策的协同，另一方面要给地方政府符合时宜的政策选择权[7]。从长期看，无论是中央政府还是地方政府在化解库存的过程中，应当注意平衡长、短期政策的关系[8]。吸引人口流入创造新增住房需求、增加现有居住人口购房需求、让库存住房与新增住房需求两者相对接，是实现目前三四线城市商品住房去库存的关键因素[9]。

城镇化进程和土地财政是引导房地产价格高涨的深层次原因[10]。部分学者研究表明城镇化水平与房地产需求、供给两个方面存在显著的正向相关关系，城镇化水平能带动房地产行业从业人数增加、房地产价格上升[11]。也有部分学者认为城镇化进程与商品房销售均价之间的关系显著为负[12]。有学者认为过去20年中国快速城市化进程促使房地产投资增加，为城市基础设施建设、城市升级等带来积极作用，房地产市场的发展同时带动相关产业的发展，从而促进经济增长[13]。还有学者认为住宅价格的变化会改变劳动力的成本，从而对城市产业发展和城市人口数量产生影响，最终促使城市竞争力不断提高，推动宏观经济不断发展[14，15]。

综上所述，国内外对城镇化和房地产市场供给侧结构性改革等进行了较深入的研究，大量的理论研究和实证分析表明城镇化对房地产市场具有一定的影响。围绕城镇化对房地产库存的研究也有相关成果，但基于多元城镇化来研究房地产库存的相对较少。因此，在现有研究成果的基础上，分析多元城镇化、门槛效应对房地产库存的影响具有一定的理论价值和现实意义。

二、理论分析与研究假设

(一)人口城镇化与房地产供给侧结构性改革下去库存

伴随着城市化进程的加快，越来越多的非城市人口将转化为城市人口。城市人口的增加必将带动房地产消费需求的增加。随着城市化水平的提高，房地产需求与供给之间存在明显的正相关关系[16，17]。人口城镇化率的提高将促进房地产市场需求增长，但经济增长程度达到一定限度时，促进效果将降低。总体而言，随着城镇化水平的不断提高，城镇人口的比重增长会引起房地产需求的增长，从而抑制房地产库存的增加。

(二)空间城镇化与房地产供给侧结构性改革下去库存

在城市化进程中，农业用地转化为城市建设用地，城市面积的扩张延伸和城市地区的土地利用面积增大，这奠定了房地产发展的空间基础，促进房地产供给增加。中国城镇化进程中呈现出大城市和小城镇并存的“二元化”的空间发展形态。城市化水平的提升会加大非住房性消费需求。当非城镇人口迁入城市，城市生活方式的不同会带动其消费结构发生转变，使其逐渐改变原有的生活方式和消费结构，从而加大休闲、旅游一系列活动的消费，促进非住房性房地产消费。另一方面，空间城镇化可以增加城镇土地面积，促进房地产供给量的上升。结合上述两个方面，空间城镇化既能增加房地产业的供给，新增城镇人口又能明显消耗房地产库存，因而总体的效果可能是对房地产库存有一定程度的抑制作用。

(三)资本城镇化与房地产供给侧结构性改革下去库存

资本城镇化是描述资本的形成对城镇空间的塑造过程，这个塑造过程是广泛性和一般性的有机结合。房地产业受到资本逐利的影响，长期保持着高供给状态，导致房地产库存处于高水平。开发企业旺盛的投资和地方政府的土地财政政策一起推高了房地产市场的价格进入上升轨道。对此，可以得出，资本城镇化与房地产库存存在因果联系，资本城镇化可能助推了房地产库存水平。

正所谓：“存人失地，地仍可得；存地失人，必将人地皆失”，现代社会竞争就如同战争一般，人才是最根本的资源，甚至直接影响着整个“战局”。面对社会上激烈的人才竞争形势，必须重视人力投资，完善人力资源开发机制，为企事业单位发展提供强大的核心竞争力。人力资源开发是一个系统工程，必须要整体把握，层层负责，一方面组织领导必须加强对此的重视程度，完善相关人力资源“进”“出”机制，丰富相关培训手段，落实职业发展指导工作；另一方面员工自身必须有自我开发意识，主动学习，不断寻求发展机会，对自身职业发展有一个明确的规划，真正实现个人发展与组织发展的统一。

(四)产业城镇化与房地产供给侧结构性改革下去库存

城镇是一个区域的中心，第三产业相对集中。第三产业的发展带动的产业城镇化促进了产业结构向高级化、合理化和高效化方向发展。第三产业的发展可以消化楼市库存的养老、医疗等短板产业，可以引导房地产市场需求有序释放，促进房地产市场去库存。城镇化进程中，在积压库存严重的区域，通过建设配套的公共设施及社会共享资源，在一定程度上可能会降低房地产库存水平。将第二产业外迁、第三产业内移，可能有利于化解城镇周边房地产库存。由此可见，产业城镇化的发展对房地产库存可能产生一定程度的消耗作用。

(五)技术城镇化与房地产供给侧结构性改革下去库存

换上那件白色连衣裙，他们依偎在河畔，情同恋人。晚风吹过来，河水在心中荡漾。趁着夜色，他把紫云搂入怀中。月亮躲进云层，夜更迷人。

α=(α1，α2，α3)；

假设1：人口城镇化、产业城镇化在一定程度上可能抑制了房地产库存水平的提升。

假设2：空间城镇化对房地产库存水平具有轻微的抑制作用。

ln chsait=ω+α1×ln Uit×I(qit≤θ1)+α2×ln Uit×I(θ1≤qit≤θ2)+α3×ln Uit×I(θ2≤qit)+β×Xit+εit

第二，小学语文教学中对经典诵读缺乏重视。现阶段受应试教育理念的影响大部分小学语文教师都将关注的重点放在学生语文学习成绩的提高层面，其认为让学生花费大量的时间进行经典诵读，对于学生学习成绩的提高并没有显著效果。甚至于一些家长认为小学阶段的学习应该是轻松快乐的，学生不应该承担过多的压力，这些因素在某种程度上来讲都影响经典诵读的发展进程。

假设4：技术城镇化对房地产库存水平的影响可能表现出阶段性效应。

三、变量选取、数据描述及模型设定

(一)变量选取

式(1)中，Uit为自变量，Xit表示控制变量。下标i分别代表省份和年度，εit为随机扰动项。为克服异方差的影响，对各变量分别进行对数化处理。

熟悉周岱翰的人，都知道他有不少年轻化的爱好。约10年前，医院统一开电脑处方，考虑到他是年过花甲的名老中医，院方想找个人替他操作，但是他不干，非得自己学电脑。因为经常出国讲学，他还学起了英语。

1.因变量分析。房地产库存(chsait)：广义的房地产库存是指房地产市场上可以销售，但尚未销售的。狭义的房地产库存是指现房库存。本文主要是研究多元城镇化对房地产库存的影响效应，选用狭义的房地产库存概念，具体是指在报告期末已竣工的待售现房，也指现行房地产开发统计中的待售商品房面积。

2.自变量分析。人口城镇化(puit)：主要是指一定区域在某一时点上城镇人口占总人口的比重。空间城镇化(suit)：空间城镇化其表现为市区建成面积的不断扩张。资本城镇化(cuit)：资本城镇化是指城镇空间形成资本的过程，整个过程是广泛性和普遍性的组合。产业城镇化(iuit)：城镇化的基本动力是产业城镇化，城镇化的可持续离不开产业发展，一个城市的产业发展水平就是产业城镇化。第三产业越发达，产业城镇化水平就越高。技术城镇化(tuit)：技术城镇化主要表现在城镇化发展进程中由技术发展所带来的经济软化效应。

控制变量主要是从房地产市场需求和供给的角度，选取可能影响房地产库存水平变动的变量。经济发展水平(rgdpit)：经济发展水平是影响房地产市场需求和供给的重要力量。地区收入水平(incit)：用以反映地区收入水平的重要因素。房价(priceit)：房价作为房地产市场的重要信号，是房地产市场需求和供给力量作用的结果，同时，房价也作用于房地产市场的需求和供给。房地产开发投资(sup it)是房地产供给不可缺少的一部分。

表1 变量定义表

变量类型变量名称变量符号变量定义因变量房地产库存chsait现有存货的口径,是指报告期末已完成的待售现房,即目前房地产开发统计为出售商业空间的概念自变量人口城镇化puit城镇人口总量占区域人口重量的比重空间城镇化suit市区建成面积占区域面积的比重资本城镇化cuit全社会固定资产投资总额占区域GDP的比重技术城镇化tuit技术市场成交额占区域GDP的比重产业城镇化iuit第三产业增加值占GDP比重控制变量经济发展水平rgdpit年度人均GDP地区收入水平incit年度人均可支配收入房价priceit年度商品房平均销售价格房地产供给supit年度房地产开发投资

(二)数据描述

根据我国官方统计划分标准，将全国(港澳台除外)划分为东、中、西三个地区。具体划分如下，东部地区包括北京市、上海市、天津市、辽宁省、河北省、山东省、江苏省、浙江省、广东省、福建省、海南省以及广东省等11个省级行政单位。中部地区包括黑龙江省、吉林省、山西省、安徽省、河南省、江西省、湖北省、湖南省等8个省级行政单位。西部地区包括新疆维吾尔自治区、内蒙古自治区、宁夏回族自治区、广西壮族自治区、四川省、重庆市、陕西省、贵州省、甘肃省、云南省、青海省、西藏自治区等12个省级行政单位。以上数据来源于2005-2014年各省(市、自治区)统计年鉴，2005-2014年《房地产统计年鉴》。西藏自治区数据缺失严重，故分析中并不包括西藏自治区。由于篇幅限制，各变量的描述性统计分析予以省略。

除了远离以上几种食物，胃酸多的人饮食上还要注意以下几点：第一，定时定量、规律进食，避免过度饥饿，用餐时情绪平和、专心致志；第二，细嚼慢咽，咀嚼食物时，口腔会分泌大量唾液，其中的碳酸氢盐和黏液有抗酸作用，有助中和胃酸，其中的消化酶对胃黏膜有保护作用；第三，睡前3小时尽量不要吃东西，吃完饭后不要马上躺下，以免胃酸反流；第四，少吃盐，盐的渗透压高，对胃黏膜伤害很大，易导致胃炎或胃溃疡；第五，如果出现反胃、吐酸现象，可以吃一两块苏打饼干应急，能快速中和胃酸，缓解不适。

(三)模型设定

1.基本模型设定。面板数据相对截面数据和时间序列数据，同时具有空间与时间两个统计维度，其覆盖的信息量比截面数据和时间序列数据更大，可以更好地解决样本量狭小和不足的状况。对此，在对多元城镇化对房地产库存水平的影响进行分析时，面板数据分析模型的引入是很有必要的，建立面板模型进行估计。模型设定如下：

ln chsait=ω+αln Uit+βXit+εit

在教授《失败怕什么》一课时，有的教师引入了“学习滑板”的例子。“学习滑板”这件事与孩子的生活距离很近，班上有25个孩子会滑滑板，有14个孩子虽然没学会但尝试过。孩子们的体验非常丰富，听别人讲述学滑板的故事时马上就能激活自己的回忆：摔跤、受伤、气恼、痛苦……视角切换后的课堂真情涌动，学生们积极讨论学习滑板的经验与方法，讲述自己克服困难的经历与感受，孩子似乎有说不完的话，迥异于宏大视角下“爱迪生”故事的教学氛围。

(1)

多元城镇化影响下房地产库存水平的区域差异是重点考察对象，但考虑到人口城镇化在解释房地产供给侧结构性改革下去库存时区域结构上存在的局限性，结合空间城镇化、资本城镇化、产业城镇化和技术城镇化四种核心概念，以实现在多元城镇化影响下房地产供给侧结构性改革去库存的区域差异。变量的选取与定义见表1。

2.门槛模型设定。模型(1)说明了城镇化对房地产库存的影响效应，但这无法显示在城镇化演化进程中，房地产库存变动的非线性影响效应。相比较线性回归模型，门槛分界点的决定方式是门槛自回归模型运用门槛变量(Threshold variable)来决定的，进一步运用门槛变量的观察值来估算出合适的门槛值，这能够减少一般研究者使用主观判定分界点产生误差。对此，根据Hansen(1999)的门槛回归思想，把式(1)改写成三门槛面模型的一般模式。

假设3：资本城镇化与房地产库存水平有明显的正相关关系。

(2)

其中，qit为门槛变量，θi为门槛值，I(•)为指示函数。同时为了简化式(2)，令

基于以上理论分析，提出以下相关假设：

则式(2)可以转化为：

ln chsait=ω+αln Uit(θ)+βXit+εit

技术城镇化表现在城镇化发展进程中由技术发展带来的经济软化。技术软化效应具有一定的网络结构、集群结构和扩散结构。网络结构更多的体现在技术发展的协同性，表现为几何级增长。集群结构表现在技术发展的知识创新和知识共享的集群发展。扩散结构主要体现在经济发展的一体化进程。由于技术软化效应的网络结构、集群结构和扩散结构使得技术城镇化显著的表现为阶段性特征。当技术软化效应较低时，对城镇社会经济的影响较小，当技术软化效应增强时，对城镇社会经济具有急剧影响，由此可见，技术城镇化在房地产库存水平上的影响形态体现出阶段性。

(3)

依据Hansen的门槛回归思想，当回归残差平方和最小时其对应的值应该就是θ的值。对此，估算完门槛值后，就该对门槛个数进行进一步的检测，来考证门槛值划分样本群组和参数有没有存在明显差异。也就是说门槛值不存在的零假设为H0:α1=α2=α3，并构建LM统计量进行验证。

(4)

其中，S0表示零假设下的残差平方和，S(θ1)表示单个门槛值下的回归残差平方和，σ2为其残差的方差估值。因式(4)中的F分布为非标准分布，依据Hansen基本理念，可借助“自助法”(Bootstrap)获取检验临界值。检验通过后可构造估量计算θ置信区间，此外，S(θ1)是对照不同门槛值所得到的残差平方和。

(5)

四、模型估计及分析

(一)面板数据单位根检验

另外从产业城镇化(iuit)、技术城镇化(tuit)相关系数来看，在全国和西部地区产业城镇化与房地产库存具有一定的反向关系，且这种关系显著。技术城镇化对房地产库存都不具有显著性的关系。

(二)面板数据的协整检验

假设一组不稳定的数据存在平稳的线性组合，那么这组数据就能被看做存在协整关系，如果数据之间没有协整关系，这样的数据就失去了研究价值，对此，面板数据协整检验的进行就显得尤为重要。对面板数据进行协整检验，根据下表中Gt、Ga、Pt和Pa等检测结果可知，此面板数据存在的协整关系组数必定大于一组，经过协整检验，可通过进一步构建模型来对其影响效应进行剖析。

表2 面板数据协整检验

StatisticValueZ-valueP-valueGt-1.989-3.1770.001Ga-4.0961.7300.958Pt-10.239-3.8430.000Pa-4.695-2.4540.007

(三)实证结果及分析

1.面板估计结果及分析。对2005-2014年的全国、东部地区、中部地区和西部地区进行了面板数据的估计。在对模型的具体形式进行筛选时，借助Hausman的验证法在固定效应模型和随机效应模型上进行判定，运用F检验法对固定效应模型和混合估计模型进行判定。通过Hausman检验方法和F检验方法确定全国、东部地区、中部地区和西部地区都采用固定效应模型，模型(1)～(4)的F值都在0.01的水平上高度显著，这说明4个模型的整体系数高度显著，模型的R2在0.771以上，说明4个模型的整体拟合效果良好。模型的具体估计如表3所示。

人口城镇化(puit)：全国、中部地区和西部地区的影响系数为负，东部地区为正，但是全国的影响系数和东部地区影响系数都不显著，中部地区和西部地区的影响系数是显著的，中部地区的影响系数为-1.1811，西部地区的影响系数为-2.0599。这表明人口城镇化对房地产库存水平的影响存在差异，这种现象可能原因有：随着经济的不断发展，东部地区率先跟上了改革发展的步伐，使其达成了人口经济集聚度较高水准的城市群，房地产商品属性更加突出，房地产的投资属性较大，中西部地区发展相对滞后，房地产的消费属性更大，随着人口城镇化水平的提升，会导致房地产库存水平的增加。

表3 城镇化与房地产供给侧结构性改革下去库存面板数据估计结果

指标地区全国(1)东部(2)中部(3)西部(4)lnpuit-0.63041.0528-1.1811***-2.0599**(0.5581)(1.2446)(0.2006)(0.8844)lnsuit-0.1256-0.3327-0.3036***-0.0731(0.0835)(0.4428)(0.0287)(0.1297)lncuit0.5035***0.7645**0.01380.3842**(0.1569)(0.3395)(0.1354)(0.1302)lniuit-0.5038**-0.63150.1268-0.5263**(0.1995)(0.5409)(0.1815)(0.2001)lntuit-0.01410.0365-0.02270.0211(0.0204)(0.0510)(0.0267)(0.0251)lnrgdpit0.4161*-0.27480.7127**0.5164**(0.2405)(0.5266)(0.2767)(0.2286)lnincit-0.6192***-0.3347-1.1548**-0.0588(0.2010)(0.2967)(0.3731)(0.3887)lnhpit-0.0406-0.07670.12420.0990(0.1651)(0.3898)(0.1632)(0.1599)lnsupit0.5246***0.5783**0.8278***0.4460***(0.1031)(0.2504)(0.1113)(0.0836)_cons8.9490***6.7469*10.2839***7.5814***(1.6436)(3.0462)(2.0450)(2.2936)Observations30011080110R-squared0.8460.7710.9460.905Number of id3011811

注：*表示p < 0.1，**表示p < 0.05， ***表示p < 0.01

空间城镇化(suit)：无论是全国的整体情况还是东、中和西部地区的情况，其影响系数都为负，但仅仅只有中部地区的影响系数显著，其值为-0.3036。一方面说明空间城镇化对房地产库存水平具有一定的抑制作用，另一方面也表明这种抑制作用是不明显的。

资本城镇化(cuit)：四个模型的影响系数都为正，且全国、东部地区和西部地区的影响系数都显著，全国的影响系数为0.5035，东部地区的影响系数为0.7645，西部地区的影响系数为0.3842，东部地区的影响系数最大。这可以看出中国的城镇化演变过程在一定程度上是固定资产投资所带来的空间选择过程，资本城镇化与房地产库存具有显著的正向关系。

为避免“假回归”现象造成模型估计偏差，应对面板数据进行单位根检验，以验证面板数据的稳定性。本文综合运用LLC检验、HT检验、IPS检验和ADF-PP检验等方法对面板数据的平稳性进行检验，所有变量均为非平稳序列。通过对原数据进行对数化处理。经过处理后对数化数据已成为平稳序列。

利用我院自制的调查问卷对两组孕妇进行调查，主要包括：（1）孕妇的基本信息，如：年龄、民族、身高和体重，同时还包括文化背景、职业、孕产次和收入水平等。（2）孕前半年至孕前3个月的日常生活、工作、居住环境，同时还包括是否发生负性生活事件和感冒[3]。孕前期是否发生以下感染性疾病，如：慢性疾病和生殖系统感染，还需对孕妇的药物服用史进行和饮食状况进行掌握。营养摄入为：乳制品、蔬菜、肉、水果，在此基础上还包括叶酸和维生素。（3）对围产儿的具体状况进行了解，如：胎儿状况、分娩情况和诊断结果等[4]。

外秦淮河的水力流通性相对较好，且部分河段生长有大型水生植物；运粮河由于下游外秦淮河闸控影响而造成滞留，甚至部分倒流；内秦淮河水体流速极缓。因此，3个河段的平均APA分布与水力流通性的关系较为显著。Q2、Y2位于七桥瓮生态湿地公园，大型水生植物生长较为丰富，因此它们APA值明显高于外秦淮河其他点位。藻类生长较为丰富。对APA与营养元素碳、氮、磷的聚类分析结果如图2，表明Q1、Q4、Q6与Q3、Q5、Q7为一类，N1、N2与Q2、Y2为一类。这一结果与APA分布相一致，说明APA与表层沉积物碳、氮、磷等营养元素有一定的相关性。

从控制变量来看：经济发展水平(rgdpit)在全国、中部地区和西部地区对房地产库存水平具有显著的正向关系，东部地区是一种反向关系，但不显著，这表明经济发展水平越高，房地产库存也越高。收入水平(incit)在四个模型中都和房地产库存负相关，在全国和中部地区显著，一定程度上表明提升居民收入可以有效降低房地产库存。房价(priceit)在四个模型中都不显著，这表明房价的高低在一定程度上并不能显著的影响房地产的库存水平，这与我国房地产市场发展的事实相符：房价或高，亦或低的城市，其房地产库存水平可能低也可能高，同时也表明房地产去库存通过房地产价格调控政策所能取得的效果可能并不一定显著。房地产供给(sup it)在四个模型中房地产开发投资对房地产库存都是显著的正向关系，这说明我国房地产库存水平居高的一个重要影响因素为房地产开发投资。

由于生产的智能工程机械设备，技术含量高，一旦设备发生故障，客户最看重的是厂家排除故障的速度。为此，山河智能在全国各地设立了20个售后服务网点，配备了100多台服务车。“过去高速公路路网不发达时，不敢承诺客户排除故障的时间。如今，高速公路路网发达了，公司承诺客户市内3小时之内排除故障，省内4小时内排除故障。”李伟伟说道。

浅阅读与深阅读有对比，有呼应。都是基于阅读过程中，阅读主体参与度的深浅，来衡量的。作为不同的读者，怀着不同的目的，对于深浅的取舍会有不同。纠结于阅读目的是否功利？阅读内容是否浅显？阅读主体文化层次是否高？阅读速度是否快？并以这些来衡量是否浅阅读，是不确切的。

2.门槛面板估计结果及分析。通过上述分析不难发现，技术城镇化对房地产库存的影响并不明显，可能的原因是技术城镇化对房地产库存的影响并不是简单的线性关系。技术城镇化对房地产库存的影响也许是以某种约束来实现的，导致门槛效应的形成。因此，运用面板数据模型的门槛估计技术，以人均可支配收入作为门槛变量，进一步检验技术城镇化对房地产库存影响的门槛效应，以揭示在不同人均可支配收入门槛区制下技术城镇化对房地产库存影响效应的转换特征。

借助1000次抽样法(Bootstrap)进行反复的计算得出“似然比统计量”LM值来确定人均可支配收入门槛区制下技术城镇化对房地产库存变动影响效应的门槛值。表4给出了人均可支配收入门槛值个数检验结果，不难发现，单一门槛、双重门槛和三重门槛效果都显著，其中双重门槛结果显著性最强，其自抽样的P值为0.006，因此，选择双重门槛进行分析。

表4 门槛效应个数检验

模型临界值F值P值BS次数1%5%10%单一门槛9.304**0.033100014.5898.0905.568双重门槛17.443***0.006100013.4274.8092.240三重门槛7.302**0.02910009.6775.6504.353

根据表5可知，双重门槛模型中人均可支配收入对数化(实际值)的门槛值分别为9.313(11081)和10.365(31729)。因此，可以根据双重门槛值把全国按人均可支配收入划分为低收入区域(lninc≤9.313)、中等收入区域(9.313

计算机实验教学中心的所有计算机要组建内部局域网，并可接入国际互联网，每个实验室的互联网使用根据教学实际需求，由实验室教师实时远程控制网络开通与关闭。实验教学中心建设内部实验教学资源平台，并不断丰富实验教学资源内容，以满足教师教学资源下载、学生作业上传、无纸化考试等实验教学需求。

表5 门槛值估计及置信区间结果

门槛估计值95% 置信区间门槛值110.365[9.290,10.365 ]门槛值29.313[9.290,9.917 ]

表6 门槛效应模型回归结果

模型fefe_robustlnpuit-0.6180*-0.6180(0.3431)(0.5310)lnsuit-0.1514**-0.1514**(0.0757)(0.0703)lncuit0.3890***0.3890**(0.0941)(0.1579)lniuit-0.5066***-0.5066**(0.1650)(0.1914)lnrgdpit0.15760.1576(0.1442)(0.2045)lnhpit-0.1305-0.1305(0.1024)(0.1621)lnsupit0.4890***0.4890***(0.0649)(0.1001)lntuit_x_lnincit10.0450**0.0450**(0.0176)(0.0164)lntuit-0.0008-0.0008(0.0202)(0.0203)lntuit_x_lnincit3-0.1573***-0.1573***(0.0384)(0.0564)_cons7.1004***7.1004***(1.1655)(1.3579)r20.85350.8535r2_w0.85350.8535N300300F151.4291123.4140

注：*表示p < 0.1，**表示p < 0.05， ***表示p < 0.01。

门槛效应模型回归结果表明，将人均可支配收入作为门槛区制，技术城镇化对房地产库存变动的影响效应有显著区别。概而论之，伴随着技术城镇化跨越人均可支配收入相应门槛值，其对房地产库存变动影响程度从显著变为不显著再到非常显著，其影响系数绝对值也由正值缓慢转变为负值，影响系数也转变的更大。具体来说，当人均可支配收入处在lninc≤9.313区制时，技术城镇化对房地产库存变动的影响系数为0.0450，在5%的显著水平下显著，处于这一区间内的样本占比为19.00%。当人均可支配收入处在9.313

五、结 论

我国2005-2014年的省际面板数据的协整检验表明：在引入空间城镇化、资本城镇化、产业城镇化以及技术城镇化能实现在多元城镇化影响下考察房地产供给侧结构性改革下去库存区域配置状况。长期来看，多元城镇化水平与房地产库存变动之间存在长期均衡关系。人口城镇化对房地产库存的影响在中部地区和西部地区具有显著抑制作用。空间城镇化无论是全国的整体情况还是东、中和西部地区的情况，其影响系数都为负，但仅仅只有中部地区的影响系数显著。资本城镇化的影响系数都为正，且全国、东部地区和西部地区的影响系数都显著。产业城镇化与房地产库存具有一定的反向关系，且这种关系显著。同时，将人均可支配收入作为门槛变量，门槛效应在技术城镇化对房地产库存变动的影响过程中有所体现，可以看出从显著到不显著再到十分显著，是技术城镇化在跨越人均可支配收入相应门槛值这一背景下其对房地产库存变动影响效应的整个转变过程，其影响系数也逐渐从正值变成负值，对系数值的影响也变为较大。此外，经济发展水平、收入水平、房价、房地产供给等控制变量对房地产库存变动的影响效应也各不相同。

参考文献：

[1] Varga J, Veld J I. The potential growth impact of structural reforms in the EU: a benchmarking exercise[J]. 2014，541(12):1-40.

[2] Chen J, Guo F, Wu Y. Chinese urbanization and urban housing growth since the mid-1990s[J]. Journal of Housing & the Built Environment, 2011, 26(2):219-232.

[3] 申博.“去库存”视角下房地产行业对区域金融稳定的影响——基于空间面板模型的实证研究[J].河北经贸大学学报,2016,37(3):61-66.

[4] 尹希果,杨倩.房地产去库存化对中国宏观经济的影响——基于金融加速器的数值模拟分析[J].经济问题,2016(8):35-41.

[5] 王先柱,吴义东.我国住房市场去库存压力的区域性差异研究——基于住房均衡价格的视角[J].价格理论与实践,2016(5):89-92.

[6] Lin J Y. Development strategy, viability and economic convergence[J]. China Economic Quarterly,2002,51(2):277-308.

[7] 黄燕芬,张磊.2016年中国房地产业主基调:去库存、稳市场[J].价格理论与实践,2015(12):25-28.

[8] 张晓兰.对我国房地产去库存问题的思考[N].中国经济时报,2016-06-06(5).

[9] 潘文轩.住房去库存中需求管理的局限性与供给改革的对策[J].经济纵横,2016,367(16):17-22.

[10] 范方志,李海海.城市化进程中的土地财政与房地产价格——基于马克思地租理论的分析[J].云南财经大学学报,2011,27(6):3-9.

[11] 姜松,王钊.中国城镇化与房价变动的空间计量分析[J].科研管理,2014,35(11):163-170.

[12] Wei X, Zhang Z, Liu F, et al. Radiation effect of urbanization on land use and landscape pattern in Beijing[J].2009(5):1-6.

[13] Pacione M. The internal structure of cities in the third world[J]. Geography, 2001, 86(3):189-209.

[14] 郭娜,吴敬.老龄化、城镇化与我国房地产价格研究——基于面板平滑转换模型的分析[J].当代经济科学,2015,37(2):11-17.

[15] 寇元虎．房地产开发企业动态能力的维度结构与实证研究[J]．财经理论与实践，2016(2)：87-91．

[16] 韩正龙,王洪卫.区域差异、城镇化与房地产价格——来自中国房地产市场的证据[J].经济问题探索,2014(2):63-70.

[17] 杨巧，杨扬长．住房价格与城镇居民收入分配差距关系研究[J]．贵州财经大学学报，2016(2)：10-16．