基于SNA的保障性住房建设影响因素研究

程正中，王安然

（北方工业大学土木工程学院，北京 100144）

0 引言

自1998年全国房改之后，国家房地产调控政策呈现“上涨-调控-平稳调整-新一轮上涨-新一轮调控”的循环模式，房价高企使我国住房市场高空置率与居民住房不可负担形成共生性矛盾[1]。因此，国家积极建设保障性住房体系，在“十一五”时期形成住房保障制度，在“十二五”期间重点建设公共租赁住房，在“十三五”提出“租购并举”，在“十四五”时期将新市民、青年人等群体的住房问题作为重点，大力发展保障性租赁住房。党的“十九大”报告明确指出：“始终坚持房子是用来住的，不是用来炒的定位，加快建立多主体供给、多渠道保障、租购并举的住房制度，让全体人民住有所居”[2]。但保障性住房建设还存在着很多问题，如建设选址远离中心城区、缺乏公共服务配套、资金筹集困难、来源单一、保障对象覆盖面小、总体供应量不足、摇号配租等待时间长等[3-5]。因此，准确识别影响保障性住房建设的关键因素，以提高保障性住房建设成效尤为重要。

本文将保障性住房建设影响因素看成一个整体网络，构建社会网络分析模型，基于专家打分法和相关系数分析法对影响因素的相互关系进行判断并构建邻接矩阵，以此确定关键影响因素并提出相关建议。

1 研究回顾

众多学者对保障性住房建设影响因素的总结主要集中在以下3个方面。

1）政府供给 陈立文等[6]基于我国2004—2016年29省市的面板数据建立PVAR模型，对保障性住房供给规模及主要影响因素的互动关系进行实证研究，结果表明：影响保障性住房供给规模的主要因素为人均财政支出、城镇居民人均可支配收入、商品房住宅竣工面积和住宅土地供应面积；胡吉亚等[7]指出我国住房保障工程的资金主要来自各级政府拨款、土地出让金和银行贷款，社会投资较少，建设资金缺口大。

2）市场供给 唐云松等[8]认为政策性住房领域和市场化住房领域并非完全割裂，并以长沙市为例对2003—2009年间保障性住房规模的影响因素进行了实证研究，结果表明：住房市场供求状况对保障性住房供给规模的影响较大；王丽艳等[9]指出租金可付的保障性租赁市场尚未建立，在“租购并举”的大背景下，国有企业、房地产开发企业、住房中介机构等纷纷布局住房租赁市场，短期内有助于推进租赁市场的规范性，但同时也助推了租金上涨，增加了低收入群体的房租负担。

3）消费者需求 段春云等[10]认为影响保障性住房需求的因素还包括商品房市场住宅交易均价和房贷利率、住宅租赁市场平均租金、家庭剩余收入、物价水平、就业与工资；牟玲玲等[11]基于河北省中低收入人群的问卷调查，运用Logistic模型对保障房需求的影响因素进行实证分析，结果表明：户籍、家庭年总收入、单位住房福利都对保障房需求有显著影响。

大多数学者虽然研究了保障性住房建设的众多影响因素，但并未系统地识别出保障性住房建设的重要因素和关键因素，以及各因素之间的作用路径。本文将从供给和需求两个方面运用社会网络分析方法对保障性住房建设的影响因素进行系统分析，为促进保障性住房建设提供政策参考。

2 保障性住房建设影响因素识别

为全面识别影响因素，在中国知网数据库中筛选出高质量的文献，通过整理得到29个影响因子，并从供给端和需求端两大方面归类，如表1所示。

表1 保障性住房建设影响因素集

3 社会网络模型构建与分析

3.1 数据收集与处理

本文利用相关系数法将C1、C3、C4等能够获取较长时间序列数据的变量进行回归分析，由此获得二者的关联程度，利用专家打分法对其余不能获得足够数据的影响因素进行两两打分，将邻接矩阵中的数据导入Ucinet 6.0软件中进行二值处理，得到保障性住房建设影响因素关系网络，如图1所示，可看出各影响因素间是有关联的，但无法看出因素之间有何相互作用，因此还需进行中心性分析。

图1 保障性住房建设影响因素关系网络

3.2 中心性分析

中心性分析可表达核心块中影响因素的重要程度，各影响因素的中心性分析结果如表2所示。

表2 中心性分析结果

由表2可知，住宅土地价格C7的中心性指标值最大，这不仅说明该因素处于网络的战略中心位置，是促进保障性住房建设的重要因素，还表明在保障性住房建设过程中，该因素的波动对其他因素有显著影响，在众多影响因素里扮演领导者的角色。由于土地价格在住房开发建设中具有成本制约的属性，较高的地价加大了开发商的开发成本，从而降低了其开发能力，直接导致住房建设速度的延缓。

除此之外，住房公积金增值收益C5、商品房租金价格C11等19个影响因素的中间中心度为0，除了现有市场租赁住房存量C10、高等学院毕业生数量C20、非户籍人口数量C21这3个影响因素被孤立之外，其他因素并未被孤立，虽然它们几乎未能对其他影响因素发挥中介传递作用，但仍与其他节点发生微弱联系。开发区入驻企业数量C24的接近中心度最小，这说明该因素受“波及”的可能性很大，例如供给端商品房价格上涨，极易造成需求端开发区入驻企业数量发生变化。因此受“波及”的因素作为被动因素，在保障性住房建设影响因素分析过程中可不做重点考虑。

3.3 关键关系识别

线的中间中心度越大，表明其控制风险传导的能力越强，越需要重点控制。选取矩阵中排名前25%的关系作为关键关系，如表3所示。得到1条关键影响路径：住宅土地价格C7←→政策完整性及系统性C8←→商品房价格C13。该影响路径表明：保障性住房政策越完整、系统，说明调控能力越强，对房市住宅地价的管控力度越大，进而地价得到抑制，商品房价格得到控制。高昂的房价变得“亲民”之后，将会有更多的人考虑购买商品房而不是保障性住房，虽然会降低保障性住房投资建设，但是从另一方面提高了当地的GDP，相反，若是地价一味上涨且得不到有效的调控，将会加大保障性住房需求。

表3 保障性住房建设网络中关键关系的识别

4 结论及政策建议

1）保障性住房土地供应仍是建设过程中的重要影响因素，应“多渠并举”增加保障性住房建设用地。由中心性分析结果可知，“住宅土地价格C7”在整个网络中处于至关重要的地位，“现有市场租赁住房存量C10”独立发挥着影响整个网络的作用。由于保障性住房具有社会公益的属性，政府在建设运营过程中牺牲了部分土地收益，故无法将其建设在高地价区域，这也是现阶段大家普遍“租不近”的主要原因。建议将城市中心区域空置房源或商住两用房等合理转化为保障性住房；积极利用集体经营性建设用地增加保障性住房土地供给，允许企事业单位、科技园区等利用自有土地变更土地用途，建设员工宿舍、职工公寓和人才公寓等。

2）需求端因素仍不可忽略，应“以需定供”科学制定保障性住房发展规划。我们发现需求端因素“高等学院毕业生数量C20”与“非户籍人口数量C21”处于孤立状态，说明这2个因素与其他影响因素的联系甚微，但是对保障性住房建设来说仍然产生一定的影响。应在高校毕业生较多、非户籍人口数量大的城市重点调研中低收入群体、夹心层群体的住房需求，建立不同人群的住房需求数据库，探索区块链技术在保障性住房准入审核程序上的应用；建立租户及保障性住房信息服务平台，提高住房政策的透明度，并综合考虑当下“三胎”“双减”等政策的拉动，制定保障性住房建设规划。

3）保障性住房土地供给、政策支持和商品房供给之间存在关键影响因素反应链，应“因城施策”制定各具地方特色的住房政策体系。对于房地产投资需求仍比较旺盛的城市，要求商品房开发商按一定比例配建保障性住房；筛选优质的保障性住房项目作为REITs试点，盘活存量资产，形成“投资-建设-资金回收-再投资”的良性循环；优先将房地产市场活跃、房价上涨压力较大、负税能力较强的地区作为第二批试点城市征收房产税，引导一部分房产税收入用于保障性住房建设，逐步建立保障房和商品房并重的住房供给格局。