非房地产开发投资对建筑业发展的影响研究

Research on the Impact of Non-Real Estate Development Investment on the Development of Construction Industry

摘要: 基于2005年至2021年我国各省、自治区及直辖市的面板数据，本文实证研究了固定资产投资各领域对建筑业发展的影响。结果表明，制造业固定资产投资和基础设施投资等非房地产开发投资均能有效促进建筑业增加值的增长，其促进作用优于房地产开发投资。制造业固定资产投资占比对建筑业劳动生产率虽无显著的影响，但其中的高端制造业投资占比对建筑业劳动生产率具有显著的促进作用，基础设施投资占比和高端制造业投资占比对建筑业劳动生产率的促进作用优于房地产开发投资占比。分组回归发现，技术装备水平高的建筑业企业倾向于承建制造业投资项目和基础设施投资项目，技术装备水平低的建筑业企业倾向于承建房地产开发投资项目。中介效应分析发现，房地产开发投资占比过高会抑制建筑业技术装备率，从而不利于建筑业劳动生产率的提升，而基础设施投资占比的提升可以促进建筑业技术装备率，进而提高建筑业劳动生产率。在国家“脱虚向实”，大力发展新质生产力和鼓励高端制造业投资的背景下，建筑企业应该积极向新型基础设施、高端制造业等非房地产领域开拓业务，提升高端制造业项目的工程承包能力。

Abstract: Based on the panel data of China’s provinces, autonomous regions and municipalities from 2005 to 2021, this paper empirically studies the impact of various fields of fixed assets investment on the development of the construction industry. The results show that non-real estate development investments such as manufacturing fixed assets investment and infrastructure investment can effectively promote the growth of the added value of the construction industry, and their promotion effect is better than real estate development investment. Although the proportion of fixed assets investment in manufacturing industry has no significant impact on labor productivity in construction industry, the proportion of high-end manufacturing investment has a significant role in promoting labor productivity in construction industry. The proportion of infrastructure investment and the proportion of high-end manufacturing industry have a better positive effect on labor productivity of the construction industry than the proportion of real estate development investment. Grouping regression shows that construction companies with high levels of technical equipment tend to undertake manufacturing investment projects and infrastructure investment projects, while construction companies with low levels of technical equipment tend to undertake real estate development projects. The intermediary effect analysis indicates that a high proportion of real estate development investment will restrain the construction industry’s technological equipment rate, which is not conducive to the improvement of labor productivity of the construction industry. However, an increase in the proportion of infrastructure investment can promote the construction industry’s technological equipment rate and thereby improve labor productivity in the construction industry. Under the background of the country’s “shedding emptiness to reality”, vigorously developing new quality productivity, and encouraging investment in high-end manufacturing, construction enterprises should actively expand their business into non-real estate fields such as new infrastructure and high-end manufacturing, and enhance the engineering contracting capabilities of high-end manufacturing projects.

1. 引言

房地产开发投资会带动建筑业快速发展。近几年来，房地产市场低迷、房地产开发投资增速放缓，但固定资产投资中的制造业固定资产投资和基础设施投资等非房地产开发投资增长迅速，两者占固定资产投资的比例均有所上升。其中，制造业固定资产投资从2003年的14689.5亿元增长到2021年的242750.1亿元，年均增速16.9%；制造业固定资产投资占比从2003年的33.09%稳步增长到2021年的44.58%。基础设施投资从2003年的11386.5亿元增加到2021年的153030.0亿元，年均增速15.8%；基础设施投资占比从2003年的25.65%上升到2021年的28%。从固定资产投资三大领域来看，制造业固定资产投资年均增速最快，房地产开发投资增速略微高于基础设施投资；制造业固定资产投资和基础设施投资两者的占比均超过房地产开发投资占比。新形势下，固定资产投资中的非房地产开发投资，即制造业固定资产投资和基础设施投资可能会成为建筑业发展的新增长点。

《国务院办公厅关于促进建筑业持续健康发展的意见》(2017年)和“十四五”建筑业发展规划指出我国建筑业大而不强，劳动生产率低，发展效益和质量不高。20年来，房地产市场的繁荣促进了建筑业的发展，但未能有效提升建筑业的技术水平。党的十九届五中全会中提出了全领域的高质量发展要求，建筑业也不例外。在房地产市场低迷、房地产开发投资增速放缓的背景下，探究固定资产投资三大领域对建筑业发展的影响，特别是非房地产开发投资能否有效拉动建筑业的发展，对于明确建筑业未来发展方向，促进建筑业转型升级和高质量发展具有现实意义。

2. 文献综述

建筑业是传统产业，并不是学术界研究的热点。已有的研究主要包括建筑业发展的影响因素分析、建筑业发展水平评价和建筑业可持续发展等。王刚、佘俊(2008) [1]探讨了城市化不同阶段与建筑业发展的内在关系。祁神军、张云波(2012) [2]采用系统动力学模型，从投入与产出角度模拟了投资对建筑业的影响效应。马晓国、欧阳强(2016) [3]通过计算各要素的贡献率，指出我国建筑业发展的主要推动因素是资本投入，技术进步和劳动投入的贡献较小。杨中宣、杨洋洋(2016) [4]利用线性回归的方法，指出全社会固定资产投资与建筑业增加值显著正相关。申玲等(2017) [5]梳理了绿色建筑产业发展要素，利用结构方程模型检验了各要素对建筑业发展的影响，认为市场环境、技术环境和政府作用对绿色建筑产业发展绩效具有显著的正向影响。王文周等(2013) [6]通过空间演化模型，利用泰尔指数分析了2003⁓2011年我国建筑业发展水平和发展规模的区域差异和变化趋势。李欣函、尤完(2021) [7]运用DPSIR评价模型分析了2019年我国不同地区装配式建筑产业的发展水平。陈庆修(2008) [8]指出，节能降耗是转变建筑业增长方式的关键，要通过推广绿色与智能建筑，促进建筑业可持续发展。王振东、金田林(2020) [9]基于环境规制收益与规制成本的变化规律，研究了环境规制对建筑业发展的影响路径和机制，指出要发挥环境规制的积极影响，促进建筑业绿色可持续发展。

近10年来，建筑业绿色发展和高质量发展成为研究焦点。2015年12月提出绿色发展理念，建筑业碳排放测算和减排成为研究焦点。马晓国、欧阳强(2016) [3]实证分析了我国建筑业发展与碳排放的关系，指出建筑业的发展带动了直接和间接碳排放的增加，建筑业应进行结构调整，实现低碳绿色发展。向鹏成等(2019) [10]测算了2008年至2017年我国建筑业绿色全要素生产率，分析了其影响因素，阐述了提高建筑业绿色全要素生产率的路径和建议。2020年，我国提出全领域高质量发展要求，建筑业高质量发展日渐成为研究热点。李世春(2020) [11]提出了转产、转商、转场和积极扩张海外业务实现国有建筑企业高质量发展的路径。陈珂等(2021) [12]指出，要通过技术创新驱动建筑产业高质量发展。张立新、张家瑞(2024) [13]基于2008年至2020年中国省域建筑业数据，通过莫兰指数、Markov链、障碍度模型等，定量测度了我国省域建筑业高质量发展的空间格局和空间演化特征，分析了建筑业高质量发展的影响因素。从现有文献看，鲜有结合当前房地产经济形势，从非房地产开发投资角度分析建筑业发展的研究成果。本文的边际贡献在于验证了制造业固定资产投资和基础设施投资拉动建筑业发展的机制路径，为建筑业提高竞争力、寻找业务转型方向提供了参考。

3. 理论分析与研究假设

在房地产市场蓬勃发展的时期，大量房地产开发项目为建筑业提供了广阔的发展空间，拉动了建筑业的快速发展。但是，房地产市场的繁荣引发的投资性需求导致房价居高不下，使资源配置失衡，抑制了我国产业转型升级。为了实现经济高质量发展，促进经济增长新旧动能转换，国家提出了“房住不炒”的总体方向。根据《中国人口普查年鉴-2020》我国家庭户人均居住面积已达41.76平方米，住房刚性需求弱化。房地产政策的收紧和市场需求下降，使房地产开发投资增速放缓，一些地方甚至出现了负增长，使以承包房地产开发项目为主的建筑企业受到了不小的冲击。由于房地产开发项目多为住宅、写字楼以及少量营业用房等民用建筑，建筑设计成熟，工程结构方案重复性高，施工难度小，进入门槛低，供需两旺时带动了建筑业的粗放发展，需求萎缩时导致行业内低水平竞争，不利于建筑业技术水平的提升和可持续发展。

2011年12月，中央经济工作会议提出要大力发展实体经济，2014年7月首次提到“脱实向虚”信贷资金归位。发展实体经济，就必须抑制房地产开发投资，大力促进制造业固定资产投资。制造业固定资产投资主要包括厂房等房屋建筑工程投资、生产线等设备采购投资以及安装工程投资。工业企业除了自建，也可以通过招投标市场外包工程建设任务。建筑企业承包工业企业的新建、扩建或改造工程，也能促进建筑业发展。制造业包括食品、烟草、饮料制造业、纺织、家具、医药制造等三十多个门类。各行各业的厂房车间的设计和建造标准各异，生产线及设备安装工艺不同，要求工程承包企业具备较强的专业建造、施工和安装能力。在国家大力扶持集成电路、机器人、新能源、电动汽车等高端制造业，培植新质生产力和未来产业的背景下，高端制造业投资将为建筑企业发展带来全新的机会。制造业投资项目专业性强，厂房建造与施工、设备安装与调试完全不同于住宅、写字楼等房地产开发投资项目，对建筑企业的承建能力提出了更高的要求，将倒逼建筑企业提升技术能力，从而促进劳动生产率的提升，有利于建筑业转型升级和高质量发展。

基础设施主要为居民生活和社会生产提供基础性、公共性和配套性服务的基础工程和公共设施。基础设施投资主要指航空、铁路、道路以及管道运输业、电信广播电视和卫星传输服务业、互联网等十三个行业领域的固定资产投资活动，其中互联网和相关服务、电信广播电视和卫星传输服务属于新型基础设施。基础设施建设投资也能促进建筑业发展。建筑企业承建机场港口、道路桥梁、电站储能、5G通信和数据中心等工程项目，面临着多样的设计方案、不同的技术方案和复杂多变的工程环境，要求承建单位具备专业资质，拥有特定的工程机械和装备，掌握特定专业的施工、安装、调试和检测技术，相比普通的房屋建筑工程，进入门槛高，可以促进建筑业技术进步和高质量发展。

基于固定资产投资三大领域与建筑业发展的关系分析，提出如下研究假设：

H1：非房地产开发投资即制造业固定资产投资和基础设施投资的增长可以带动建筑业规模的增长。

H2：基础设施投资占比和制造业固定资产投资占比，尤其是高端制造业投资占比的提升将会提高建筑业发展质量。

H3：“脱虚向实”的经济政策抑制了房地产开发投资对建筑业发展的影响，促进了非房地产开发投资对建筑业发展的影响。

H4：固定资产投资通过技术进步因素影响建筑业的高质量发展。

4. 实证分析

4.1. 模型构建

为考察固定资产投资对建筑业发展的影响，检验非房地产投资对建筑业发展的作用机制，构建静态面板计量模型，模型如下所示：

$Cons{t}_{it}=\alpha +\beta X_{it}+{\lambda }_j{\displaystyle \sum _{j=1}^n{z}_{itj}}+{\delta }_i+{\eta }_t+{\epsilon }_{it}$ (1)

式中，i表示地区，t表示年份，j表示不同的控制变量，Const表示建筑业的发展，X_it代表固定资产投资。z_itj表示控制变量，α表示常数项，β和λ_j分别表示回归系数。本模型采用双固定效应，即δ_i表示地区固定效应，η_t表示时间固定效应，ε_it表示随机干扰项。

4.2. 变量选择

根据已有文献和数据的可得性，选择建筑业增加值(AV)和劳动生产率(LP)分别衡量建筑业的发展规模和发展质量，作为模型的被解释变量。将房地产开发投资(RI)、制造业固定资产投资(MI)及基础设施投资(FI)固定资产投资三大领域的投资金额和占固定资产投资总额的比重，即房地产开发投资占比(RIr)、制造业固定资产投资占比(MIr)和基础设施投资占比(FIr)作为模型的核心解释变量。为了研究高端制造业投资对建筑业发展的影响，根据国家统计局《高技术产业(制造业) 2017》目录，将医药和信息化学品制造、医疗设备及仪器仪表制造、计算机及电子通信设备制造等六大类的固定资产投资界定为高端制造业投资，将其投资占比(HTIr)也作为模型的核心解释变量。

考虑影响建筑业发展的内部因素和外部因素，选择建筑业就业人员工资总额(WS)、建筑业从业人员数量(EP)、建筑业企业总资产(AST)、地区生产总值(GDP)、外商直接投资(FDI)和高等学校在校学生数(CLS)作为模型的控制变量。

4.3. 数据来源与描述性统计

上述变量的面板数据来自各类年鉴及各地统计局官网公布的统计公报。建筑业增加值、建筑业劳动生产率、建筑业企业资产、建筑业从业人员等数据来自于各年《中国建筑业统计年鉴》；固定资产投资、房地产开发投资、制造业固定资产投资、基础设施投资、高端制造业投资等数据来自于各年《中国固定资产投资统计年鉴》以及《中国投资领域统计年鉴》。国民生产总值、建筑业就业人员工资总额、高等学校在校学生数、外商直接投资等数据来自于各年《中国统计年鉴》。由于2011年前后基础设施投资统计口径存在差异，基础设施投资的数据为31省、自治区、直辖市的2011年至2021年的面板数据，其余数据均为31省、自治区、直辖市2005年至2021年的面板数据。外商直接投资根据官方汇率进行了换算处理。个别的数据缺失值依据统计公报、统计年鉴进行了插值补齐。变量名称、符号及含义见表1。

Table 1. Names and meanings of variables

表1. 变量名称及含义

变量分类	变量含义	符号	含义
被解释变量	建筑业发展	lnAV	建筑业增加值对数
		lnLP	建筑业劳动生产率对数
核心解释变量	按领域划分的固定资产投资总量	lnRI	房地产开发投资对数
		lnMI	制造业固定资产投资对数
		lnFI	基础设施投资对数
	按领域划分的固定资产投资占比	RIr	房地产开发投资/固定资产投资
		MIr	制造业固定资产投资/固定资产投资
		FIr	基础设施投资/固定资产投资
		HTIr	高端制造业投资/固定资产投资
控制变量	建筑业就业人员工资	lnWS	建筑业城镇就业人员工资总额的对数
	建筑业企业从业人员	lnEP	建筑业企业从业人员对数
	建筑业企业资产	lnAST	建筑业企业资产合计对数
	区域生产总值	lnGDP	区域生产总值对数
	外商直接投资	lnFDI	外商直接投资对数
	高等学校在校学生数	lnCLS	高等学校在校学生数对数

为了消除异方差，对原始数据取自然对数，并将数据导入stata 16.0软件得到各变量的描述性统计，见表2。

Table 2. Descriptive statistics of variables

表2. 变量的描述性统计

变量符号	变量名称	样本数	均值	中位数	标准差	最小值	最大值
lnAV	建筑业增加值	527	6.719	6.730	1.033	3.770	8.854
lnLP	建筑业劳动生产率	527	12.46	12.558	0.514	11.132	13.644
lnRI	房地产开发投资	527	7.207	7.362	1.364	1.636	9.768
lnMI	制造业固定资产投资	527	7.535	7.735	1.534	1.466	10.31
lnFI	基础设施投资	341	7.817	7.803	0.898	5.213	9.349
RIr	房地产开发投资占比	527	0.194	0.166	0.110	0.010	0.584
MIr	制造业固定资产投资占比	527	0.270	0.271	0.123	0.020	0.560
FIr	基础设施投资占比	341	0.203	0.192	0.069	0.087	0.458
HTIr	高端制造业投资占比	510	0.015	0.010	0.014	0.000	0.080
lnWS	建筑业就业人员工资总额	527	4.890	5.061	1.417	0.191	7.896
lnEP	建筑业企业从业人员	527	4.335	4.399	1.236	0.928	6.779
lnAST	建筑业企业资产合计	527	7.749	7.871	1.325	3.706	10.431
lnGDP	区域生产总值	527	9.380	9.492	1.129	5.493	11.734
lnFDI	外商直接投资	527	14.26	14.70	1.944	7.636	16.932
lnCLS	高等学校在校学生数	527	4.050	4.272	0.984	0.642	5.593

4.4. 基准回归

4.4.1. 三大领域投资的回归估计

分别以房地产开发投资、制造业固定资产投资和基础设施投资对建筑业增加值做面板数据双固定效应回归估计，结果见表3。

Table 3. Benchmark regression results of investment in the three major fields on the added value of the construction industry

表3. 三大领域投资对建筑业增加值的基准回归结果

变量	(1)	(2)	(3)
	lnAV	lnAV	lnAV
lnRI	0.0387^**
	(2.4192)
lnMI		0.0553^***
		(4.6833)
lnFI			0.0791^***
			(5.3206)
lnWS	0.0024	0.0082	0.0377^**
	(0.1508)	(0.5352)	(2.2637)
lnAST	−0.0102	0.0069	0.0319
	(−0.3499)	(0.2441)	(0.9909)

续表

lnGDP	1.0819^***	1.0191^***	0.9116^***
	(19.5481)	(17.9870)	(12.7924)
lnFDI	−0.0150^**	−0.0195^***	−0.0162^**
	(−2.1522)	(−2.8223)	(−2.1658)
lnCLS	0.3595^***	0.3770^***	0.2500^***
	(8.4565)	(9.3444)	(4.3982)
lnEP	0.0781^***	0.0550^***	0.0642^***
	(3.7930)	(2.6590)	(3.0183)
常数	−4.9793^***	−4.6136^***	−3.8614^***
	(−13.6236)	(−12.4465)	(−6.7835)
N	527	527	341
R^2	0.9852	0.9857	0.9653
地区数	31	31	31
固定地区	是	是	是
固定年份	是	是	是

注：^*、^**、^***分别表示在10%、5%和1%的显著性水平。括号内为t值。以下各表同。

从表3的回归结果可以看出，非房地产开发投资，即制造业固定资产投资和基础设施投资回归系数分别为0.0553和0.0791，均在1%水平下显著；房地产开发投资回归系数为0.0387，在5%水平下显著；说明制造业固定资产投资、基础设施投资和房地产开发投资的增长均能显著促进建筑业增加值的增长。从回归系数看，相比房地产开发投资，非房地产开发投资的增长更能促进建筑业增加值的增长，验证了研究假设H1。

4.4.2. 三大领域投资占比的回归估计

以房地产开发投资占比、制造业固定资产投资占比、基础设施投资占比以及高端制造业投资占比对建筑业劳动生产率进行面板数据回归估计，结果见表4。

Table 4. Benchmark regression results of the proportion of investment in the three major fields on the labor productivity rate in the construction industry

表4. 三大领域投资占比对建筑业劳动生产率的基准回归结果

变量	(4)	(5)	(6)	(7)
	lnLP	lnLP	lnLP	lnLP
RIr	0.3020^**
	(1.9936)
MIr		−0.0344
		(−0.2409)
FIr			0.5275^**
			(2.4511)

续表

L. HTIr				2.1578^**
				(2.1412)
lnWS	−0.0884^***	−0.0877^***	0.0018	−0.1075^***
	(−3.8639)	(−3.8149)	(0.0587)	(−4.1736)
lnAST	0.0878^**	0.0884^**	0.0106	0.1102^**
	(1.9995)	(1.9979)	(0.1879)	(2.1850)
lnGDP	0.1513^*	0.1217	−0.0872	0.0368
	(1.7617)	(1.3747)	(−0.6937)	(0.3866)
lnFDI	−0.0021	−0.0045	−0.0032	−0.0045
	(−0.2000)	(−0.4084)	(−0.2392)	(−0.3849)
lnCLS	0.0754	0.0811	0.1117	0.0701
	(1.1951)	(1.2681)	(1.0899)	(0.9472)
常数	9.7614^***	10.0755^***	12.6058^***	10.8348^***
	(17.0452)	(17.6957)	(13.0364)	(17.4110)
N	527	527	341	480
R^2	0.9377	0.9372	0.7894	0.9284
地区数	31	31	31	30
固定地区	是	是	是	是
固定年份	是	是	是	是

从表4的回归结果可以看出，房地产开发投资占比、基础设施投资占比与建筑业劳动生产率显著正相关，说明房地产开发投资占比和基础设施投资占比的提高对建筑业劳动生产率的增长均有正向影响，基础设施投资占比的提升对建筑业劳动生产率提高的影响大于房地产开发投资占比。制造业固定资产投资占比与建筑业劳动生产率的关系不显著。但是，制造业固定资产投资占比中的高端制造业投资占比滞后一期与建筑业劳动生产率的回归系数显著为正，回归系数最大，说明高端制造业投资占比的增加有利于促进建筑业技术进步，有利于建筑业劳动生产率的提升，部分验证了研究假设H2。

上述基准回归结果表明，在房地产市场持续低迷、房地产开发投资逐年下滑的背景下，建筑业向非房地产行业，即高端制造业和基础设施行业积极开拓业务，才能促进建筑业高质量发展。

4.4.3. “脱虚向实”政策的影响

为了抑制投机性购房需求，合理引导住房消费，国务院于2010年发布《关于促进房地产市场平稳健康发展的通知》，随即各项调控政策接连出台，各地实施细则持续跟进落地。紧接着，2011年中央提出大力发展实体经济的战略方针。2012年，政府工作报告强调抑制房地产投机性需求，巩固调控成果，房地产开发投资增速开始逐渐放缓。为了分析政策影响，以2012年为界，将面板数据分为前后期两部分，将2012年以前称为“前期”，2012年以后称为“后期”，分别从投资总量和投资占比两层面进行回归估计，结果见表5和表6。

表5的结果表明，在2012年之前，房地产开发投资和制造业固定资产投资的增长均能够带动建筑业增加值的增长。对比回归系数发现，房地产开发投资的带动作用优于制造业固定资产投资。说明2012年

Table 5. Regression estimation results of policy impact based on total investment

表5. 基于投资总量的政策影响回归估计结果

变量	(1)	(2)	(3)	(4)	(5)
	前期	后期	前期	后期	后期
lnRI	0.0452^**	0.0266
	(2.1249)	(1.0535)
lnMI			0.0324^*	0.0277^*
			(1.9497)	(1.8171)
lnFI					0.0733^***
					(4.7482)
lnWS	−0.0367^*	0.0133	−0.0202	0.0153	0.0030
	(−1.6602)	(0.4601)	(−0.9430)	(0.5427)	(0.1089)
lnAST	0.0856^**	0.0688^*	0.0897^**	0.0740^**	0.0774^**
	(2.1023)	(1.8422)	(2.2034)	(2.0371)	(2.2176)
lnGDP	0.8799^***	0.9524^***	0.8146^***	0.9159^***	0.8979^***
	(9.9272)	(10.8123)	(8.4829)	(10.2121)	(10.5623)
lnFDI	−0.0042	0.0048	−0.0050	0.0021	−0.0025
	(−0.3195)	(0.6093)	(−0.3784)	(0.2598)	(−0.3220)
lnCLS	0.3722^***	0.2259^***	0.4401^***	0.2227^***	0.1631^***
	(5.1555)	(3.5711)	(6.5180)	(3.5374)	(2.6351)
lnEP	0.0845^***	0.0749^***	0.0746^**	0.0683^**	0.0644^**
	(2.6624)	(2.8437)	(2.3411)	(2.5686)	(2.5714)
常数	−4.0328^***	−4.3042^***	−3.7049^***	−3.9461^***	−3.7360^***
	(−6.0166)	(−6.0138)	(−5.2662)	(−5.4689)	(−5.4384)
N	248	279	248	279	279
R^2	0.9842	0.9483	0.9842	0.9488	0.9527
地区数	31	31	31	31	31
固定地区	是	是	是	是	是
固定年份	是	是	是	是	是

注：基础设施投资在2011年统计口径有变，只能分析“后期”。

之前，房地产开发投资的快速增长拉动了建筑业增加值的增长，带动了建筑业的发展。2012年之后，非房地产开发投资，即制造业固定资产投资和基础设施投资增长均能显著带动建筑业增加值的增长，而房地产开发投资增长则不能显著带动建筑业增加值的增长。说明房地产调控政策的颁布和严格落实抑制了房地产开发投资，从而对建筑业发展的影响减弱，因而回归系数不显著。

表6的回归结果表明，2012年之前，房地产开发投资占比与建筑业劳动生产率在5%水平下显著正相关。2012年之后，房地产开发投资占比与建筑业劳动生产率正相关，但是不显著，而基础设施投资占比与建筑业劳动生产率在10%水平下显著正相关。实证结果表明，随着房地产开发投资增速放缓，为了竞标获得房地产开发项目，建筑企业低水平竞争加剧，未能提高建筑业的技术装备水平，因而与劳动生产率的关系不显著。而基础设施投资占比的提升，使得技术要求高的基础设施建设项目增多，倒逼建筑业企业提升技术水平，进而促进了劳动生产率的提升，部分验证了研究假设H3。

Table 6. Regression estimation results of policy impact based on investment proportion

表6. 基于投资占比的政策影响回归估计结果

变量	(6)	(7)	(8)
	前期	后期	后期
lnRI	0.7091^**	0.0666
	(2.3452)	(0.3165)
lnFI			0.3968^*
			(1.8516)
lnWS	−0.0902^**	−0.0602	−0.0566
	(−2.2951)	(−1.3149)	(−1.2441)
lnAST	0.0855	0.0814	0.0850
	(1.1180)	(1.3101)	(1.3814)
lnGDP	0.3778^**	−0.1173	−0.1561
	(2.1105)	(−0.7700)	(−1.0463)
lnFDI	−0.0368	0.0071	0.0064
	(−1.4480)	(0.5157)	(0.4802)
lnCLS	0.1583	0.0907	0.0729
	(1.1470)	(0.8228)	(0.6775)
常数	7.9952^***	13.0289^***	13.3786^***
	(6.0135)	(10.4377)	(11.3927)
N	248	279	279
R^2	0.9159	0.7644	0.7677
省份数	31	31	31
固定地区	是	是	是
固定年份	是	是	是

4.5. 稳健性与内生性分析

基准回归结果基本验证了本文所提出的研究假设，为了检验结果的稳健性，通过样本数据1%分位上双边缩尾，实证结果仍然稳健。已有文献研究发现，城镇率的上升对建筑业有促进作用(徐友全等，2016) [14]。因此将城镇化率(UR)作为控制变量引入前文的回归分析中。在加入城镇化率后，房地产开发投资与建筑业增加值回归的拟合度、制造业固定资产投资与建筑业增加值回归的拟合度、基础设施投资与建筑业增加值回归的拟合度均有所上升，核心解释变量的回归系数和符号未变。同样，在加入城镇化率后，各投资占比的回归模型拟合度均有不同程度的上升，且核心解释变量的回归系数和符号未变。因此，通过增加可能的遗漏变量回归估计与基准回归一致，结果具有稳健性。限于篇幅，相关回归结果就不再展示。

在基准回归估计中可能存在反向因果而导致的内生性问题。彭敏(2021) [15]和王鹏(2022) [16]将解释变量滞后一期作为工具变量纳入模型解决可能存在的内生性问题，本文参照已有的做法，选取核心解释变量滞后一期作为工具变量对内生性问题进行检验，结果表明，基准回归具有稳健性，限于篇幅，相关结果也不再呈现。

本文使用去除极端数据、添加可能遗漏的变量以及使用工具变量进行内生性问题检验，各解释变量的回归系数、正负性和显著性均未发生较大改变，说明基准回归的结论具有稳健性。

4.6. 异质性分析

4.6.1. 建筑业区域异质性分析

我国国民经济和社会发展存在较大的区域不平衡，将全国31省、自治区和直辖市划分为东部和中西部两部分，用来分析区域差异的影响。其中，东部地区包括北京、广东、上海、河北、天津、海南、福建、江苏、山东、辽宁、浙江；中西部地区包括安徽、黑龙江、重庆、内蒙古、湖南、云南、宁夏、湖北、河南、山西、江西、四川、吉林、青海、贵州、甘肃、西藏、广西、新疆一共20省市，回归结果见表7和表8。

Table 7. Regional heterogeneity analysis of the impact of three major investment fields on the added value of the construction industry

表7. 三大投资领域对建筑业增加值影响的区域异质性分析

变量	(1)	(2)	(3)	(4)	(5)	(6)
	东部	中西部	东部	中西部	东部	中西部
lnRI	−0.0404	0.0710^***
	(−1.0919)	(3.5161)
lnMI			0.0411^*	0.0353^**
			(1.6719)	(1.9784)
lnFI					0.0314	0.0950^***
					(0.8517)	(5.5619)
lnWS	0.0380	−0.0198	0.0264	0.0045	0.0538^*	0.0410^**
	(1.4416)	(−0.9281)	(0.9728)	(0.2223)	(1.9211)	(2.1454)
lnAST	0.1810^***	−0.0305	0.1726^**	0.0061	0.2292^**	−0.0497
	(2.6231)	(−0.8853)	(2.5147)	(0.1771)	(2.4118)	(−1.5689)
lnGDP	1.1566^***	1.0231^***	1.1048^***	1.0058^***	0.8603^***	0.8644^***
	(9.2166)	(16.3594)	(9.3758)	(15.2974)	(4.8977)	(12.2753)
lnFDI	−0.0248	−0.0085	−0.0479^**	−0.0135^*	−0.0150	−0.0180^**
	(−1.1509)	(−1.1263)	(−2.2426)	(−1.7781)	(−0.6058)	(−2.4275)
lnCLS	0.7518^***	0.1915^***	0.6463^***	0.2357^***	0.6266^***	0.0919
	(7.6037)	(3.9149)	(7.6364)	(4.7739)	(3.7282)	(1.6365)
lnEP	0.0121	0.1281^***	−0.0126	0.1023^***	−0.0645	0.2040^***
	(0.3482)	(4.6636)	(−0.3549)	(3.3990)	(−1.6476)	(7.9705)
常数	−8.1867^***	−3.9149^***	−7.2890^***	−3.8947^***	−6.0723^***	−2.7127^***
	(−8.6868)	(−9.3199)	(−8.1655)	(−9.1156)	(−3.6279)	(−5.0215)
N	187	340	187	340	121	220

续表

R^2	0.9798	0.9888	0.9800	0.9885	0.9490	0.9790
地区数	11	20	11	20	11	20
固定地区	是	是	是	是	是	是
固定年份	是	是	是	是	是	是

由表7可知，东部地区制造业固定资产投资对建筑业增加值的影响在10%水平下显著为正，而房地产开发投资和基础设施投资对建筑业增加值的影响不显著，说明东部地区实体经济活跃，建筑企业承建的制造业投资项目较多，促进了建筑业的发展。而对于中西部地区来说，房地产开发投资和基础设施投资的回归系数都在1%水平下显著为正，制造业固定资产投资在5%水平下显著为正，说明中西部地区房地产开发投资、制造业固定资产投资和基础设施投资的增长均会显著促进建筑业增加值的增长。

由于基准回归结果中制造业固定资产投资占比对建筑业劳动生产率的影响并不显著，故只对房地产开发投资占比和基础设施投资占比对劳动生产率的影响进行异质性分析，回归见表8。

Table 8. Regional heterogeneity analysis of the proportion of three major fields of fixed assets investment

表8. 固定资产投资三大领域占比的区域异质性分析

变量	(7)	(8)	(9)	(10)
	东部	中西部	东部	中西部
RIr	0.5021	0.3710^*
	(1.6260)	(1.7896)
FIr			1.1245^*	0.0539
			(1.8218)	(0.2625)
lnWS	−0.1295^***	0.0023	0.0534	−0.0248
	(−3.0154)	(0.0867)	(1.0060)	(−0.7392)
lnAST	0.0907	0.0099	−0.1942	−0.0022
	(0.7291)	(0.2317)	(−1.1682)	(−0.0421)
lnGDP	−0.2236	0.1522^*	−0.5484^*	0.1414
	(−1.0964)	(1.8133)	(−1.6628)	(1.2005)
lnFDI	0.1034^***	−0.0184^**	0.0564	−0.0174
	(2.9167)	(−2.0037)	(1.4288)	(−1.4087)
lnCLS	0.3707^**	−0.0810	0.9070^***	−0.2202^**
	(2.5980)	(−1.3060)	(2.9650)	(−2.3039)
常数	10.4772^***	10.6640^***	14.2100^***	12.2389^***
	(6.8524)	(19.5966)	(4.9308)	(14.0823)
N	187	340	121	220
R^2	0.9066	0.9655	0.7044	0.8784
地区数	11	20	11	20
固定地区	是	是	是	是
固定年份	是	是	是	是

由表8可知，东部地区基础设施投资占比对建筑业劳动生产率的影响在10%水平下显著为正，而房地产开发投资占比对建筑业劳动生产率的影响不显著，说明东部地区基础设施投资占比的增加会显著促进建筑业劳动生产率的增长；而中西部地区房地产开发投资占比对建筑业劳动生产率的影响在10%水平下显著为正，说明中西部地区基础设施投资占比对建筑业劳动生产率的影响并不显著。

4.6.2. 建筑业技术装备水平异质性分析

各地区的建筑业技术装备水平有一定的差异，技术装备水平高的企业更有能力去承包门槛高、难度大的制造业固定资产投资项目和基础设施投资项目，为了验证技术装备水平的影响，按照各地区建筑业技术装备水平进行排序，分为高装备水平和低装备水平的两组分别进行回归估计，见表9和表10。

Table 9. Heterogeneity analysis of technical equipment level based on total investment

表9. 基于投资总量的技术装备水平异质性分析

变量	(1)	(2)	(3)	(4)	(5)	(6)
	高装备水平	低装备水平	高装备水平	低装备水平	高装备水平	低装备水平
lnRI	−0.0098	0.1775^****
	(−0.4453)	(6.3440)
lnMI			0.0800^***	0.0046
			(5.3343)	(0.2102)
lnFI					0.0631^**	0.1924^***
					(2.4509)	(7.7868)
lnWS	0.0103	0.0013	0.0158	0.0040	0.0171	0.0327
	(0.4517)	(0.0538)	(0.7574)	(0.1513)	(0.5445)	(1.3162)
lnAST	0.1183^**	−0.0884^**	0.1336^***	−0.0297	0.2592^***	−0.0493
	(2.4779)	(−2.4457)	(2.9883)	(−0.7811)	(4.2959)	(−1.2929)
lnGDP	1.1461^***	0.8472^***	0.9582^***	0.8308^***	0.7479^***	0.6751^***
	(13.4051)	(10.1629)	(11.2919)	(8.7448)	(5.7695)	(6.4991)
lnFDI	−0.0064	−0.0416^***	−0.0103	−0.0392^***	−0.0141	−0.0244^**
	(−0.6292)	(−3.6022)	(−1.0654)	(−2.9380)	(−1.0740)	(−2.1382)
lnCLS	0.3984^***	0.2645^***	0.3129^***	0.3781^***	0.2603^*	0.1455^**
	(5.0926)	(4.9428)	(4.4234)	(6.9046)	(1.7255)	(2.2995)
lnEP	−0.0176	0.1610^***	−0.0466	0.1164^***	−0.0371	0.2238^***
	(−0.5433)	(5.4698)	(−1.5142)	(3.5551)	(−0.9428)	(7.0536)
常数	−6.0522^***	−2.9126^***	−4.6833^***	−2.4250^***	−3.6520^***	−1.9047^**
	(−8.7533)	(−4.9349)	(−7.0402)	(−3.6450)	(−2.9323)	(−2.0337)
N	255	272	255	272	165	176
R^2	0.9781	0.9923	0.9806	0.9910	0.9080	0.9863
地区数	15	16	15	16	15	16
固定地区	是	是	是	是	是	是
固定年份	是	是	是	是	是	是

表9回归结果表明，对于建筑业技术装备水平高的一组，房地产开发投资对建筑业增加值的影响不显著，而制造业固定资产投资和基础设施投资对建筑业增加值的影响均在5%水平下显著为正，说明技术装备水平高的建筑企业会倾向于承建制造业投资项目和基础设施投资项目，而不倾向于承建房地产开发项目。

对于建筑业技术装备水平低的一组，制造业固定资产投资对建筑业增加值的影响不显著，而房地产开发投资和基础设施投资对建筑业增加值的影响均在1%水平下显著正相关，说明技术装备水平低的建筑企业会倾向于承建房地产开发项目和基础设施投资项目，而不倾向于承建制造业投资项目。上述结果间接证明承建制造业投资项目，能够倒逼建筑企业提高技术装备水平，促进建筑业的发展。

Table 10. Heterogeneity analysis of technical equipment level based on investment proportion

表10. 基于投资占比的技术装备水平异质性分析

变量	(7)	(8)	(9)	(10)
	高装备水平	低装备水平	高装备水平	低装备水平
RIr	−0.2145	1.0721^***
	(−0.9444)	(4.7979)
FIr			0.7794^**	0.4480
			(2.0135)	(1.6371)
lnWS	−0.1074^***	−0.0377	−0.0909^*	0.1456^***
	(−3.1296)	(−1.0705)	(−1.9334)	(2.9940)
lnAST	0.1029	0.0439	−0.0427	−0.0173
	(1.3986)	(0.8013)	(−0.5084)	(−0.2486)
lnGDP	0.2738^*	0.1242	0.3410^*	−0.3124
	(1.9597)	(0.9146)	(1.7181)	(−1.5800)
lnFDI	−0.0091	0.0484^***	0.0097	0.0049
	(−0.5588)	(2.7170)	(0.5022)	(0.2158)
lnCLS	0.1762	0.1344	0.3343	0.2244^*
	(1.4695)	(1.6467)	(1.4674)	(1.8365)
常数	8.6045^***	9.0108^***	8.4437^***	13.5734^***
	(7.6541)	(9.2557)	(4.4729)	(7.4672)
N	255	272	165	176
R^2	0.9268	0.9576	0.7693	0.8621
地区数	15	16	15	16
固定地区	是	是	是	是
固定年份	是	是	是	是

表10的结果显示，对于建筑业技术装备水平高的一组，房地产开发投资占比对建筑业劳动生产率的影响并不显著，而基础设施投资占比对建筑业劳动生产率的影响在5%水平下显著为正。对于建筑业技术装备水平低的一组，基础设施投资占比对建筑业劳动生产率的影响不显著，而房地产开发投资占比对建筑业劳动生产率的影响在1%水平下显著为正。实证结果再次说明技术装备水平高的建筑企业不倾向于承建房地产开发项目，而倾向于承包基础设施投资项目。技术装备水平低的建筑企业正好相反。上述结果间接证明承建基础设施投资项目，也能够倒逼建筑企业提高技术装备水平，促进建筑业劳动生产率的提高。

4.7. 中介效应检验

前文的实证结果表明，固定资产投资三大领域投资占比可能会通过技术装备水平进而影响劳动生产率，参考温忠麟、叶宝娟(2014) [17]提出的中介效应分析模型，以验证固定资产投资影响建筑业劳动生产率的内在机制，构建如下的中介效应模型：

$L{P}_{it}=\alpha +\beta X_{it}+{\lambda }_j{\displaystyle \sum _{j=1}^n{Z}_{itj}}+{\delta }_i+{\eta }_t+{\epsilon }_{it}$ (2)

$M_{it}=\alpha +\phi X_{it}+{\gamma }_j{\displaystyle \sum _{j=1}^n{Z}_{itj}}+{\delta }_i+{\eta }_t+{\epsilon }_{it}$ (3)

$L{P}_{it}=\alpha +\theta X_{it}+\omega M_{it}+{\gamma }_j{\displaystyle \sum _{j=1}^n{Z}_{itj}}+{\delta }_i+{\eta }_t+{\epsilon }_{it}$ (4)

式中，X_it代表核心解释变量的基础设施投资占比和房地产开发投资占比，M_it作为中介变量，代表技术装备水平。技术装备水平用建筑企业动力装备率(PER)衡量。

4.7.1. 房地产开发投资占比对建筑业劳动生产率的中介效应分析

以建筑业劳动生产率作为被解释变量，将房地产开发投资占比作为解释变量，将建筑业技术装备率作为中介变量，进行中介效应回归估计，得到表11。

Table 11. Mediating effect test of the proportion of real estate development investment

表11. 房地产开发投资占比的中介效应检验

变量	(1)	(2)	(3)
	lnLP	PER	lnLP
RIr	0.3020^**	−4.8259^**	0.3298^**
	(1.9936)	(−2.5041)	(2.1663)
PER			0.0058
			(1.5968)
lnWS	−0.0884^***	−0.1208	−0.0877^***
	(−3.8639)	(−0.4147)	(−3.8391)
lnAST	0.0878^**	1.4742^***	0.0793^*
	(1.9995)	(2.6381)	(1.7962)
lnGDP	0.1513^*	−5.0154^***	0.1802^**
	(1.7617)	(−4.5889)	(2.0560)
lnFDI	−0.0021	0.0122	−0.0022
	(−0.2000)	(0.0894)	(−0.2069)
lnCLS	0.0754	−1.5724^*	0.0845
	(1.1951)	(−1.9587)	(1.3353)

续表

常数	9.7614^***	45.0568^***	9.5021^***
	(17.0452)	(6.1838)	(15.9872)
Bootstrap检验	间接效应95%水平下的置信区间： [−0.1505, −0.0231]
N	527	527	527
R^2	0.9377	0.1960	0.9381
省份数	31	31	31
固定地区	是	是	是
固定年份	是	是	是

由表11的结果可知，房地产开发投资占比与建筑业劳动生产率的回归系数显著为0.3020，表明房地产开发投资占比提升有利于提升劳动生产率，回归系数$\phi$ 和$\theta$ 都显著，其中系数$\phi$ 显著为−4.8259，表明房地产开发投资占比对技术装备水平有负向的影响，说明建筑企业承包技术要求不高的房地产开发项目，抑制了建筑企业的技术装备水平，不利于建筑业技术进步。系数$\omega$ 不显著，需要进一步利用Bootstrap法检验$\phi$ 与$\omega$ 的乘积是否显著。根据何邦路等(2023) [18]的研究，若偏差校正后的Bootstrap法检验的置信区间不包括0，则说明乘积显著。实验结果发现，间接影响效应在95%水平下的置信区间不包括0，说明具有中介效应。再进一步发现系数乘积$\phi \times \omega$ 与系数$\theta$ 异号，说明存在遮掩效应。房地产开发投资占比对建筑业劳动生产率的直接影响系数为0.3298，但对劳动生产率的总影响系数为0.3020，小于直接影响系数，说明房地产开发投资占比的提高不利于建筑业技术装备水平的提升，进而抑制了建筑业劳动生产率的提高。

4.7.2. 基础设施投资占比对建筑业劳动生产率的中介效应分析

以建筑业劳动生产率作为被解释变量，将基础设施投资占比作为解释变量，将建筑业技术装备率作为中介变量，进行中介效应回归估计，得到表12。

Table 12. Mediating effect test of infrastructure investment proportion

表12. 基础设施投资占比的中介效应检验

变量	(4)	(5)	(6)
	lnLP	PER	lnLP
FIr	0.5275^**	2.7753	0.4971^**
	(2.4511)	(0.9295)	(2.3295)
PER			0.0110^***
			(2.6338)
lnWS	0.0018	−0.3775	0.0059
	(0.0587)	(−0.8884)	(0.1955)
lnAST	0.0106	0.0213^**	0.0103
	(0.1879)	(0.0273)	(0.1856)
lnGDP	−0.0872	−1.5170	−0.0706
	(−0.6937)	(−0.8697)	(−0.5664)

续表

lnFDI	−0.0032	−0.2115	−0.0008^*
	(−0.2392)	(−1.1541)	(−0.0642)
lnCLS	0.1117	−0.8889	0.1214
	(1.0899)	(−0.6253)	(1.1961)
常数	12.6058^***	28.3532^**	12.2950^***
	(13.0364)	(2.1133)	(12.7463)
Bootstrap检验	间接效应95%水平下的置信区间： [0.3184, 0.0263]
N	341	341	341
R^2	0.7894	0.2032	0.7943
省份数	31	31	31
固定省份	是	是	是
固定年份	是	是	是

由表12可以看出，系数$\omega$ 和$\theta$ 都显著为正，$\phi$ 不显著，需要再利用Bootstrap法检验系数$\phi$ 和系数$\omega$ 的乘积，即间接效应是否显著。经检验置信区间在95%水平下不含0，说明具有中介效应，且两系数乘积与系数$\theta$ 同号，存在部分中介效应。基础设施投资占比对建筑业劳动生产率的直接影响系数为0.4971，小于总影响系数0.5275，说明基础设施投资占比的上升有利于建筑业技术装备水平的提升，进而促进了建筑业劳动生产率的提高。

5. 结论与政策建议

固定资产投资需要依赖建筑企业的建造施工和设备安装活动来完成，其投资额的大小和结构变化将会对建筑业产生一定的影响。本文基于2005年至2021年31个地区的面板数据的实证研究发现：

1) 固定资产投资中三大领域的投资均能促进建筑业的规模增长，非房地产开发投资的制造业固定资产投资和基础设施投资对建筑业规模的促进作用优于房地产开发投资；非房地产开发投资更能促进建筑业劳动生产率的提升，特别是高端制造业投资对建筑业劳动生产率的提升尤其显著。国家“脱虚向实”大力发展实体经济的政策转向，抑制了房地产开发投资，促进了制造业投资和基础设施投资，也倒逼建筑业提升发展质量。因此，非房地产开发投资的增长有利于提高建筑业的发展规模和发展质量。

2) 区域异质性分析表明，东部地区房地产市场趋于饱和，非房地产开发投资的制造业投资已经成为推动建筑业发展的主要力量。而中西部地区，固定资产投资三大领域均是推动建筑业发展的主要力量。建筑企业技术装备水平的异质性分析表明，技术装备水平高的建筑企业倾向于承建制造业投资项目和基础设施投资项目，而不倾向于承建房地产开发项目；技术装备水平低的建筑企业会倾向于承建房地产开发项目和基础设施投资项目，而不倾向于承建制造业投资项目。建筑企业承建非房地产开发投资项目能倒逼企业提升技术装备水平，提高建筑业劳动生产率，有利于建筑业高质量发展。

3) 中介效应分析表明，建筑企业承包房地产开发项目不利于提高建筑业的技术装备水平，进而抑制了建筑业的劳动生产率。而建筑企业承建基础设施投资项目则有利于提高建筑业的技术装备水平，促进建筑业劳动生产率的提升。即非房地产开发投资，即基础设施投资项目相比房地产开发项目更能促进建筑业高质量发展。

基于上述研究结论得到如下政策启示：

1) 国家应当继续坚持“房住不炒”的定位，坚持稳房价、地价，抑制房地产投资性需求，落实“脱虚向实”的产业政策，促进非房地产领域的投资，倒逼建筑业高质量发展。

2) 建筑业企业要主动去房地产化，进行业务转型，调整经营的方向，向实体经济领域积极开拓业务，主动提升自身的技术装备水平，承包更多基础设施领域的建筑项目，提高承建制造业投资项目的能力，推动建筑业高质量、可持续发展。

3) 高端制造业是我国未来发展的战略方向，高端制造业投资必然是未来的重要投资领域，建筑企业要提升专业领域的建造和安装能力，才能在新能源工程、集成电路工程，新型基础设施工程等领域获得一席之地。