保障性住房对区域人口流动的“双向涟漪效应”研究——基于空间计量交互模型分析

郑 芳，王建生，位梦蕊

(1.浙江工商大学 经济学院，杭州 310018；2.嘉兴学院南湖学院 商学系，浙江 嘉兴 314001；3.徽商银行，合肥 230000)

一、引言

大规模的人口流动和与之相伴的住房问题是摆在中国各地区政府面前的现实难题。从人口普查数据可以发现，中国总流动人口由2000年“五普”时的1.2亿增长到2010年“六普”的2.6亿，增长了116.7%。大量流动人口进入城市造成了住房短缺和房价上涨，而房价上涨，在提高劳动力的生活和用工成本的同时，也降低了劳动力的实际收入水平。房价上涨引发的住房压力是抑制人口向城市流动的主要原因(董昕和周卫华，2014)[1]。人口红利的消失，刘易斯拐点的到来(蔡昉，2014)[2]，老龄化的加剧，都预示着吸引人口流入是保持城市活力的关键。

保障性住房逐渐成为降低城市生活成本(Helpman，1998[3]；陆铭等，2014[4])，吸引人口流入的重要政策工具(张清勇，2014[5]；郑思齐等，2011[6]；李祥等，2012[7])。特别是最近两年，深圳、天津、西安、郑州、南京和杭州等国内一、二线城市的人才争夺战中，优惠住房补贴更是成为地方政府广泛采用的主要政策工具。近年来，国内学者开始将住房作为重要的影响因素纳入分析框架(李拓和李斌，2015[8]73；毛丰付和王建生，2016[9])。但是从理论层面看，保障性住房政策对人口流动的激励效果如何？住房政策实施的效果怎样？理论的检验与评价还远不能回答快速发展的实践要求。

关于人口流动理论的相关研究中，引力模型往往是研究人口流动及其影响因素的重要框架(马伟等，2012)[10]。以往的研究普遍认为，在传统引力模型中利用距离函数就能有效捕获地区间人口流量空间依赖的特征，但是随着空间计量技术的发展，这种观点逐渐被质疑。有研究发现，传统引力模型对空间单元之间的相互作用效果有限，不能捕捉到一些很有价值的信息，如各影响因素产生的空间溢出效应，因而可能低估解释变量的影响程度(Griffith和Jones，1980)[11]187。国内不少学者也认识到人口流动在空间上存在相互作用，所以空间计量模型在人口流动中也逐渐得到应用(李拓和李斌，2015[8]83；董理和张启春，2014[12]40)。不过这些研究关注的是一个地区的人口净流入，并没有涉及人口来源地和目的地的双边人口流量，因此可能会忽略一些与来源地的推动和目的地的拉动方面相关的信息，尤其是不能解释某一个来源地到某一个目的地的人口流量随相邻空间扩展是如何发生变化的。Griffith和Jones(1980)[11]187研究加拿大人口通勤流量，表明来自某一来源地的流量和指向某一目的地的流量都与其近邻密切相关，即随着其近邻来源地出行倾向(或近邻目的地吸引力偏好)的增强和减弱而同向变动。这种不仅基于来源地到目的地，而且考虑目的地到来源地的双向空间交互影响，即为本文研究的关注点——双向涟漪效应。Lesage和Pace(2009)[13]19在研究美国50个都市之间人口流动影响因素时，也进一步扩展了传统引力模型，研究结果证实这三种空间依赖关系显著存在，而传统的空间计量方法大大低估了空间溢出效应。如果是这样的话，以往针对人口流动的区域公共政策因不能捕捉空间溢出引起的“波动”和“对冲”涟漪，而低估政策效果，并可能导致形势“误判”。

本文以保障房建设为例，借鉴Lesage和Pace(2009)[13]21以及Lesage和Thomas-Agnan(2015)[14]提出的空间计量交互模型框架，探索性地分析中国省际保障性住房建设对人口流动的这种“双向涟漪效应”，旨在对保障性住房促进人口流动影响的空间溢出效应做出更为有效的估计，为区域发展政策的空间效果提供更科学的评价依据。本文先通过省级层面全样本检验，考虑到中国人口流动的实际特点，即人口流动一般从不发达地区流向发达地区，为了更加准确地估计效应，本文进一步将31个省级地区划分为发达地区和一般地区，进行分样本效应检验，由于本文考察的人口流动数据源于“五普”数据，故充分考虑我国各省份的地理位置特点和《中国统计年鉴1995—1999年》分省份人均国民生产总值后，从地理空间和经济发展水平两个角度入手，将北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、辽宁、吉林和黑龙江等13个省份界定为本文研究的发达地区，将山西、安徽、江西、河南、湖北、湖南、内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等18个省份界定为本文研究的一般地区。

二、效应机制与理论假说

(一)保障性住房对人口流动的直接效应机理分析

根据城市经济学的空间无套利均衡原理，个体对空间选择无差异(Glaeser，2007)[15]。即考虑到收入和城市便利性再减去住房成本后，每个区位或城市对个人来说其实是无差异的。但是城市政府提供的保障性住房相当于一种物质激励，会改变原有的空间均衡格局，个体的行为会因受到激励而发生改变。

从生活成本视角看，保障性住房满足了一部分群体的住房需求，一定程度上吸收了商品房销售市场和租赁市场的消费需求，需求减少将会使商品房和房屋租赁价格下降，从而降低劳动者的居住成本，进而促进人口流入。一方面，保障对象也在逐渐打破户籍制度的限制，不仅包括城镇中低收入群体，而且包括农民工和人才群体。人才群体通常会有意愿和能力购买商品房，对人才群体提供住房保障会降低对商品房的有效需求，从而在短期会对房价产生抑制作用，同时也减少了租赁市场的住房需求从而部分抑制房租的上升。而中低收入群体、农民工群体一般有意愿而无能力购买住房，主要以租房为主，保障性住房可以有效降低他们的居住成本，从而促使他们流入。同时，在一定程度上保障性住房也吸收了租赁市场的住房需求，有利于降低租赁市场的价格，这也将降低劳动者的居住成本，进一步促进外地人口的流入。此外，对职工宿舍和各类开发区、园区公寓的补贴降低了企业的用工成本，从而增加企业的用工需求，劳动力需求上升也会对人口流入产生积极影响。

更进一步，根据Oswald(1996)[16]假说，自有住房带来很大的迁移成本。因而对人口流动产生了不利影响。Munch等(2006)[17]将劳动岗位分为本地和外地，利用丹麦的微观数据，确认了Oswald迁移成本理论，认为拥有住房的劳动力不愿意搜寻或接受外地的工作岗位。相对而言，保障性住房的自有率很低，有利于劳动力的流转和迁移。综合考虑空间无套利均衡的变动与Oswald假说，本文提出假说1。

假说1：保障性住房会促进人口流动。

(二)保障性住房对人口流动的空间效应机理分析

保障性住房对人口流动的空间溢出效应可从人口流动的外部性和政府间竞争两个角度分析。一方面，人口流动的外部性即人口流动在空间上存在相互作用已被一些学者证实(董理和张启春，2014[12]50；李拓和李斌，2015[8]82)，某一地区人口流入将通过经济增长的溢出效应间接促使相邻地区的人口流入。人口流入促使本地区的经济增长，本地区的经济增长将提高市场潜力，增加对周边地区产品的需求，进而带动周边地区的经济增长(潘文卿，2012)[18]。同时经济发展水平的提高将提供更多的就业机会，从而促进周边地区人口流入。一方面，保障性住房促使人口向本地区流入，通过人口流动外部性作用而提高周边地区(尤其是相邻地区)的人口流入。另一方面，劳动力对经济增长有重要的推动作用，财政分权、GDP政绩考核体制下的地方政府会热衷于劳动力数量、质量的竞争(文雁兵，2016[19]；赵彤，2018[20])。本地区的保障性住房建设会使周边地方政府加强实施有利于人口流入的政策，如放松户籍制度、增加公共服务设施等，地方政府间的竞争也将促进周边地区提供更好的环境吸引劳动力流入。因此，本文在假说1的基础上，进一步提出假说2。

假说2：保障性住房对人口流动存在空间溢出效应。

经济因素、地理因素、社会因素是影响人口流动的重要因素。人口迁移在一定迁移距离内主要受经济因素影响，而在一定迁移距离以外主要受迁移距离和气候条件影响(俞路和张善余，2005)[21]。经济发展水平相对较高的地区，意味着就业机会更多样、基础设施服务更完善、社会包容度更好，对劳动力的吸引力本身较高，而同时房价、生活成本也相应越高，保障性住房能解决居住问题，这也使得保障性住房的直接效应和空间溢出效应更强。反之经济发展水平相对较低的地区，由于其自身经济条件、社会条件的限制，保障性住房的直接效应和空间溢出效应会低于发达地区。由此提出假说3。

假说3：相对一般地区而言，发达地区保障性住房对人口流动的空间溢出效应更大。

三、模型设定和数据及变量说明

(一)空间依赖效应的初步判定

根据Lesage和Pace(2009)[13]8的研究，本文将行标准化空间矩阵W划分为Wd、Wo、Ww三种矩阵，即“目的地空间权重矩阵”“来源地空间权重矩阵”和“来源地到目的地空间权重矩阵”。为验证这三种空间相互作用的存在性，我们首先测算各年度人口流动状况的Moran’s I。从表1可以看出三种矩阵的Moran’s I均显著为正，这说明地区之间的人口流动显示了较强的空间正相关性，应该使用空间计量模型。

表1 莫兰指数值和p检验

(二)模型的设定

根据上文分析的理论机制，本文计量模型的重点在于检验保障性住房和人口流动的空间交互效应，由于存在空间相关性，因此采用空间滞后模型(SAR)分析保障性住房与人口流动之间的关系。由于本文研究对象为两地区间人口流量，涉及来源地和目的地特征，因此，在传统引力模型的基础上，结合空间滞后模型，借鉴Lesage和Thomas-Agnan(2015)[14]的研究方法，构建如下空间计量交互模型进行验证：

y=ρdWdy+ρoWoy+ρwWwy+αιn+cαi+Xdβd+Xoβo+Xiβi+γg+ε

(1)

其中α是常数项，ρ是空间滞后系数，β是待估计的参数向量，d表示目的地特征变量，o表示来源地特征变量，i表示单独分离出地区内特征变量，Wd、Wo、Ww表示目的地空间权重矩阵、来源地空间权重矩阵和来源地到目的地空间权重矩阵，分别反映目的地依赖、来源地依赖和来源地到目的地依赖，其生成方式与前述计算Moran’I中的三种权重矩阵相同。Xd、Xo、Xi分别是反映目的地、来源地和地区内的解释变量矩阵，ρd、ρo、ρw是待估计的空间滞后系数，Xd、Xo的回归系数反映来源地-目的地流量地区间的变化，Xi的回归系数反映区域内流量变化，g表示来源地与目的地之间的地理距离。

(三)数据与变量说明

1.被解释变量

本文的被解释变量y表示来源地与目的地人口流量，本文根据第六次人口普查中人口流动相关数据获取，是中国31个省级行政单位的31×31=961对来源地与目的地组合的观测数据。我们把指定这种来源地-目的地的列向量作为模型的被解释变量。

2.解释变量

解释变量为中国住房保障政策力度(AIH)。与商品房不同，保障性住房在中国城镇住宅建设体系较为特殊，不能直接获得相关数据，因此本文的保障性住房指标采用了间接推断方式，即保障性住房竣工面积=城镇住宅竣工面积-商品房住宅竣工面积。由于中国国家统计局迟至2004年才有城镇住宅竣工面积指标，并且由于不同年份政策波动原因，住房竣工指标存在一定的波动性，因此本文选取了2004—2010年保障性住房竣工面积的年平均值来表示。因为保障性住房竣工面积在不同年份间波动很大，用平均的指标可以在一定程度上降低保障性住房竣工面积的时间波动效应。

3.控制变量

为防止其他变量会影响人口流动，本文参考不同学者的观点，控制如下变量，人口规模(POP)、人均GDP(PCG)和人均文教科卫财政支出水平(PCEXP)。本文所使用的人口规模的数据根据“五普”数据获得，最初的引力模型构建时，假定人口流动与人口规模呈正相关关系，人口规模越大，人口流动越频繁。很多学者得出经济发展水平仍然是影响人口流动的重要因素(马伟等，2012)[10]69，地区人均GDP表征了该地吸引人口、吸纳劳动力的“引力”大小。地方财政支出差异对我国省际人口流动的作用是显著的(张丽等，2011)[22]，文教科卫支出是地方财政支出对人力资本投入的一种典型体现，对省际人口流动作用更显著。

四、实证及结果分析

(一)保障性住房对人口流动的参数估计

本文采用最大似然估计法对所设立的模型进行参数估计，模型回归结果如表2所示。模型1为不考虑空间交互效应的传统引力模型，模型2～4在模型1的基础上，分别增加一个空间滞后模型。模型2增加的是目的地人口流动空间滞后项，模型3增加的是来源地人口流动空间滞后项，模型4增加的是目的地到来源地之间的交互滞后项，模型5为三种空间滞后项均包含在内。比较分析不同模型中保障性住房对人口流动的影响。

表2 空间计量交互模型参数估计结果(N=961)

从表2中各模型回归结果来看，模型5的标准差最小，对数似然值最大，因此，在充分考虑空间的交互效应后，模型5对模型解释最好。从表2可知，保障性住房建设对人口流动的空间交互影响的参数估计结果在5个模型下均为正相关，这直接从数据上验证了假设1成立。

由于存在空间交互效应，模型5的住房保障政策力度均比模型1要强。这说明，当某个变量发生空间依赖时，不仅会引起本地人口流动的变化，也会引起相邻地区人口流动的变化，通过空间交互作用再传导回来。模型2～4的回归结果均显示单独考虑一种空间依赖效应时，三种空间依赖效应均在1%的显著性水平下通过了检验，模型5显示同时考虑三种空间依赖效应时，三种空间依赖效应也显著为正，弹性系数分别为0.233、0.360和0.318。这表示当来源地到目的地附近地区人口流量增加1%，会促使该来源地到该目的地人口流量增加0.233%；当来源地附近地区到目的地人口流量增加1%，会促使该来源地到该目的地人口流量增加0.360%；当来源地附近地区到目的地附近地区人口流量增加1%，会促使该来源地到该目的地人口流量增加0.318%。随着省级壁垒的消除和中国全域性市场的形成，使得各地区经济联系日益密切，地区间人口流动在空间上存在的相互作用逐渐增强。本文的回归结果证实一个地区的人口流动对相邻地区的人口流动存在比较大的影响这一事实，因此验证了假说2，即保障性住房对人口流动存在空间溢出效应。可以发现，地理距离对人口流动的影响在模型1中大于模型2～4，且模型5结果并不显著，从侧面说明以往研究中地理距离容易被误作空间依赖。

(二)保障性住房对人口流动空间效应估计

由于存在空间效应，这些解释变量回归结果都只是方向性估计，不能反映边际影响程度，为了完成对参数估计的解释，还需要对空间效应进行估计。本文根据模型5的参数估计结果，采用贝叶斯 MCMC 抽样方法模拟模型，假设我们进行 1000 次模拟参数用于构建效应估计的离散水平，利用当前的抽样集去生成来源地、目的地和地区内变量的直接效应，空间溢出效应可以通过总效应减去这些直接效应而获得，模拟结果见表3。最后通过计算 1000 次变量的直接效应和空间溢出效应的均值作为最终的效应估计值，通过 95%的置信区间得出各变量的显著性水平来考察保障性住房面积的变动对本地区人口流动的影响，包括空间交互总效应(te)、来源地直接效应(oe)，目的地直接效应(de)，地区内部直接效应(ie)，以及对其他地区人口流动的影响的空间溢出效应(ne)。根据表3可知，保障性住房对目的地、来源地、地区内部人口的流动产生显著的直接效应、空间溢出效应和总效应。保障性住房竣工面积对人口流动影响的目的地直接效应为2.379，大于模型1中0.29的系数估计值，这表明如果不考虑空间效应，会大大低估保障性住房对人口流动的影响，这主要是由于存在相邻地区对本地区产生的反馈效应。目的地直接效应表明，当一个地区保障性住房竣工面积增加1%，流入该地区人口数量增加为2.379%。空间溢出效应表明，当一个地区保障性住房竣工面积增加1%，会促使其他地区人口流量累积增加54.365%。

表3 空间计量交互模型直接效应、空间溢出效应和总效应(N=961)

空间溢出效应模拟结果之所以非常大，是由于本文改变了以往的关注点，从对一个典型地区的影响转变到对许多地区的累积影响，呈现出一种“双向涟漪效应”。一个地区的保障性住房建设规模扩大，不仅会带来本地人口流入的增加，而且还会带来地理相邻地区人口流入的增加，这体现了保障性住房对人口流动的空间溢出效应，也说明保障性住房建设在空间上具有显著的正外部性。这又进一步论证了假说2。从住房政策和人口流动调控政策制定者视角来看，保障房建设的空间溢出效应是保障房建设面积变化对预期地区间人口流量产生影响的可靠依据。保障性住房建设通过有效抑制房价进而降低流动人口在城市的生活成本具有十分重要的作用，从这个意义上讲，即使保障性住房将流动人口排斥在外，流动人口也会间接受益于保障房建设(王先柱和赵奉军，2009[23]；贾春梅和葛扬，2012[24])。换言之，保障性住房建设增加城市的吸引力，促进更多的人口流入。

传统意义上认为经济收入相对较高的地区，对劳动力的吸引力本身较高，保障性住房能解决高房价、高生活成本的居住问题，因此发达地区保障性住房的直接效应和空间溢出效应更强。反之经济发展水平相对较低的地区，由于其自身经济条件、社会条件的限制，保障性住房的直接效应和空间溢出效应会低于发达地区。本文进一步模拟构建了发达地区和一般地区保障性住房对人口流动的影响的估计结果，如表4所示。

表4 发达地区和一般地区保障性住房对人口流动影响的效应估计结果

通过对比分析保障性住房对人口流动的具体影响程度的效应估计结果可知，发达地区保障性住房对人口流动影响的目的地直接效应为6.695，这表明当一个地区保障性住房竣工面积增加1%，从一个来源地流入该地区人口数量增加为6.695%，空间溢出效应表明当一个地区保障性住房竣工面积增加1%，会促使其他地区人口流量累积增加65.824%。然而在一般地区，保障性住房建设对人口流动的效应测算估计普遍低于发达地区，保障性住房对人口流动影响的目的地效应为4.143，这表明住房竣工面积增加1%，从一个来源地流入该地区人口数量增加为4.143%，空间溢出效应表明当一个地区保障性住房竣工面积增加1%，会促使其他地区人口流量累积增加63.151%。由分析可知，不同地区的空间溢出效应存在差别。这也验证了理论假说3，发达地区保障性住房对人口流动的空间溢出效应更大。说明保障性住房在经济联系更密切、社会保障政策更协同的区际内部的正向溢出效应更大，相比于东部发达地区，中西部一般地区由于保障性住房建设规模小、保障面窄，使得一般地区保障性住房对人口流动的目的地效应和空间溢出效应并不显著，保障性住房政策效果难以发挥。

(三)稳健性检验

前文的经验分析表明，保障性住房对人口流动的影响不仅存在直接效应还存在空间溢出效应。本文还通过替换解释变量指标来进行稳健性检验。基于保障性住房数据可获得性的缺乏，本文通过保障性住房结构中能够获取到的以经济适用房销售面积指标(EH)来表示本地中低收入群体保障性住房对人口流动影响进行稳健性检验，实证结果如表5。

表5 经济适用房对人口流动影响的实证结果(N=961)

表5显示了参数估计结果和效应估计结果，经济适用房销售面积对人口流动影响显著为正，这表明一个地区经济适用房建设面积越大，本地中低收入群体对住房租赁市场需求越低，使得市场租房费用下降，从而降低生活成本促进流动人口的流入。三种空间滞后效应也显著为正，相较于表2，改变解释变量条件下的回归结果和之前保障性住房面积为解释变量的回归结果基本保持一致，且主要变量的系数无论符号还是显著性水平都没有明显变化。因此，前文经验分析所得到的结果是稳健的。

五、结论与政策建议

在刘易斯拐点之后，中国城市面临着人口红利消失的压力，保障性住房成为吸引人口流入的重要政策工具。然而基于引力框架的传统人口流动分析，由于没有考虑空间交互作用，极大低估了保障房建设在促进人口流动中的作用。本文根据中国“五普”和“六普”的人口流动数据以及各省份与保障房建设相关的数据，采用Lesage和Thomas-Agnan的空间交互机理新方法，重点分析保障性住房对人口流动的“双向涟漪效应”。本文的主要结论有：

第一，人口流动在空间上存在显著的相关性。从空间交互角度分析人口流动的溢出效应，要同时考虑三种效应，即来源地对目的地周边的空间溢出，来源地周边空间对目的地的溢出以及来源地周边对目的地周边的溢出，即人口流动存在“双向涟漪效应”。

第二，在全样本数据分析结果中，保障性住房建设不仅对本地区人口流入有促进作用，还对其他地区有空间溢出效应。全样本数据分析表明一省保障性住房竣工面积每增加1%，如果不考虑空间效应，流入该地区人口数量增加为0.29%，如果只考虑简单的空间效应，对该地区及周边地区人口流动的影响为2.379%，如果考虑了“双向涟漪效应”，导致各地区人口流动数量累计增加为54.365%。

第三，分区域数据分析结果说明，保障性住房对人口流动的促进作用在经济联系更密切、经济发展程度更相似、社会保障更协同的区内部更大。发达地区保障性住房竣工面积每增加1%，对该地区及周边地区人口流动的影响为6.695%，考虑到“双向涟漪效应”，导致各地区人口流动数量累计增加为65.824%。

基于以上结论，本文建议：在吸引人口流入时，要综合考虑人口流动的区域竞争性、协同性和溢出效应。各地区在采用“以房抢人”手段时，要充分认识到保障性住房对人口流动有显著的空间溢出效应的重要性。因此地方政府应该鼓励生产要素在地区间自由流动，消除限制人口流动的政策，进一步消除不同区间的市场壁垒，加速中国全域性市场一体化进程。对于地理相邻地区，可以通过加强人口政策、社会保障政策的协同，放大区域合作效应。

另外，发达地区应更加重视保障房建设。近年来，虽然保障性住房投资力度不断加大、建设规模逐年增加，然而保障房供给仍然满足不了中低收入群体住房需求。实证结果显示发达地区保障房促进人口流入的直接效应和空间溢出效应都显著较大，所以发达地区必须高度重视保障房建设。根据住建部的统计数据，“十二五”期间我国保障房共开工建设了3970万套，超过了原定的 3500 万套保障房建设计划。但数据也显示了棚户区改造房2170万套，事实上成为了保障房建设的主体。这在某种程度上偏离了以公共租赁房为主体的保障房建设规划，并不利于人口流动。而另一方面，从2012年开始，我国青壮年人口流动已经从前期的城镇化转为都市化(高善文，2017)[25]，即集中流入一部分大城市和特大城市，而相对离开其他的中等城市和中小城市，而作为目的地选择的重要因素就是财政支出中的公共教育水平的城际差异。因此，作为流入地的发达地区应该继续加快户籍制度改革，扩大保障房保障范围，实施鼓励外来流动人口落户的住房政策，从而通过保障房建设和公共支出结构的调整落实租售同权，促进更多人口流入，并且使流动人口迅速融入目的地，加速市民化和城镇化进程，共同破除人口红利消失和老龄化社会来临的限制。