摘" "要：我國(guó)住房租賃市場(chǎng)發(fā)展較晚，而灰色馬爾科夫模型可以根據(jù)較少的、不完整的信息建立模型，并進(jìn)行中長(zhǎng)期變化趨勢(shì)預(yù)測(cè)。因此，采用灰色馬爾科夫模型，以我國(guó)主要人口凈流入城市為研究范圍，測(cè)算租賃住房預(yù)期供求，并據(jù)此計(jì)算各城市非均衡度值，分析預(yù)期供求非均衡趨勢(shì)，探討我國(guó)住房租賃市場(chǎng)供求關(guān)系的長(zhǎng)期非均衡可能產(chǎn)生的影響，并為改善住房租賃市場(chǎng)非均衡狀態(tài)、科學(xué)制定住房租賃市場(chǎng)宏觀調(diào)控政策，提出相應(yīng)的建議，以期為促進(jìn)住房租賃市場(chǎng)健康有序發(fā)展提供參考。

關(guān)鍵詞：住房租賃市場(chǎng)；預(yù)期供求；估計(jì)結(jié)果；非均衡度測(cè)算；灰色馬爾科夫預(yù)測(cè)模型

中圖分類號(hào)：F224.0" " " " 文獻(xiàn)標(biāo)志碼：A" " " 文章編號(hào)：1673-291X（2024）20-0051-06

一、相關(guān)背景和研究綜述

隨著流動(dòng)人口規(guī)模的持續(xù)擴(kuò)大和家庭戶均規(guī)模的不斷縮小，我國(guó)住房租賃市場(chǎng)需求不斷增長(zhǎng)，住房租賃市場(chǎng)正迎來(lái)蓬勃發(fā)展期。在中央與地方政策的支持下，我國(guó)存在人口凈流入的特大城市，比如北京、上海、廣州與深圳等城市，其住房租賃市場(chǎng)在中央與地方政策的支持下迅速發(fā)展。在這一過(guò)程中，租賃住房的供求矛盾也不斷加深。基于北京市、上海市兩地的實(shí)地調(diào)研，筆者發(fā)現(xiàn)，供求矛盾主要表現(xiàn)為兩方面。一是有效供給不足，即沒(méi)有被納入住房租賃保障體系所覆蓋的“夾心層群體”，比如城鎮(zhèn)戶籍住房困難家庭、新市民、青年人等，其基本住房需求也很難通過(guò)現(xiàn)有租賃住房的供給得到有效解決，“農(nóng)民工租不起房，青年群體租不好房”是當(dāng)前階段的顯著特征[1]。二是租賃住房需求缺口不斷擴(kuò)大，我國(guó)已經(jīng)進(jìn)入了城鎮(zhèn)化較快發(fā)展的中后期，人口流動(dòng)向特大城市集聚的程度不斷加深，集聚趨勢(shì)明顯，2022年流動(dòng)人口總量已達(dá)3.76億人。根據(jù)貝殼研究院2022年《住房租賃市場(chǎng)白皮書(shū)》調(diào)查顯示，人口凈流入大型城市中有70%的流動(dòng)人口是靠租房來(lái)解決居住問(wèn)題的。但是，目前我國(guó)租賃住房增量供給增速顯著低于新市民住房需求增速，預(yù)期供求均衡程度可能進(jìn)一步加深，激化供求矛盾。

已有研究總結(jié)出我國(guó)住房租賃市場(chǎng)供求差異體現(xiàn)在以下兩大方面。一是供給總量不足，通過(guò)市場(chǎng)渠道與政府渠道供給的租賃住房套數(shù)低于租戶需求，“群租”現(xiàn)象在人口凈流入城市較為普遍[2]。二是供求結(jié)構(gòu)錯(cuò)配，通過(guò)市場(chǎng)渠道供給的住房無(wú)效供給過(guò)剩和有效供給不足[3]。首先，租戶需求的主體是小面積、低總價(jià)的單間，而市場(chǎng)供給的主體是大面積、高總價(jià)的成套住房。其次，公租房和非正規(guī)租賃住房供給質(zhì)量和功能不能滿足需求。再次，公租房供給區(qū)位錯(cuò)配，很多租房群體希望通勤時(shí)間在半小時(shí)以內(nèi)，而現(xiàn)實(shí)是就業(yè)中心附近的租賃房源較少，遠(yuǎn)郊區(qū)的租賃房源較多[4]。此外，還存在其他供求錯(cuò)配問(wèn)題，如租賃住房的安全居住權(quán)、公共服務(wù)同等享受權(quán)、租金上漲過(guò)快引發(fā)的可支付性等問(wèn)題[5]。

所以，本文以2006—2020年住房租賃供給與需求數(shù)據(jù)為基礎(chǔ)，使用灰色馬爾科夫預(yù)測(cè)模型探討我國(guó)住房租賃市場(chǎng)預(yù)期供求非均衡程度，為改善我國(guó)住房租賃市場(chǎng)供求非均衡趨勢(shì)提供參考。我國(guó)住房租賃市場(chǎng)發(fā)展較晚，可供使用的歷史數(shù)據(jù)較少，所以本文采用經(jīng)典的灰色馬爾科夫預(yù)測(cè)模型及其拓展模型研究住房租賃市場(chǎng)供求非均衡趨勢(shì)。該模型是針對(duì)實(shí)數(shù)序列展開(kāi)的一系列研究，可以根據(jù)較少的、不完整的信息建立模型，并做出變化趨勢(shì)預(yù)測(cè)。根據(jù)估計(jì)結(jié)果，結(jié)合各城市住房租賃市場(chǎng)供給結(jié)構(gòu)，以及中指云和禧泰云最新數(shù)據(jù)驗(yàn)證，由此分析住房租賃市場(chǎng)預(yù)期供求數(shù)量的非均衡狀態(tài)，探討我國(guó)住房租賃市場(chǎng)供求關(guān)系的長(zhǎng)期非均衡對(duì)住房租賃市場(chǎng)產(chǎn)生的影響，為住房租賃市場(chǎng)宏觀調(diào)控政策的制定和住房租賃市場(chǎng)健康有序發(fā)展提供參考。

二、灰色馬爾科夫預(yù)測(cè)模型構(gòu)建

（一）數(shù)據(jù)來(lái)源

灰色馬爾科夫預(yù)測(cè)模型適用于數(shù)據(jù)信息量小、波動(dòng)穩(wěn)定和短期預(yù)測(cè)問(wèn)題。本文使用的數(shù)據(jù)符合上述特征，隨年份推移呈指數(shù)型增長(zhǎng)趨勢(shì)，主要有我國(guó)11個(gè)人口凈流入城市的租賃住房供給量，常住人口口徑下和流動(dòng)人口口徑下分別計(jì)算的租賃住房需求。月度租賃住房供給量數(shù)據(jù)來(lái)源于禧泰數(shù)據(jù)，常住人口與流動(dòng)人口數(shù)據(jù)來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》（2006—2020年）。為保證需求規(guī)模測(cè)算更加可靠，本文采用常住人口與流動(dòng)人口兩類口徑，分別測(cè)算了各城市的住房租賃需求。計(jì)算方法如式（1）與式（2）所示。據(jù)全國(guó)第六次人口普查數(shù)據(jù)顯示，中國(guó)城鎮(zhèn)常住人口住房自有率為75%，所以合理估算25%的常住人口為租賃居住。同時(shí)，歷年流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)（CMDS）①顯示，流動(dòng)年限在3年以內(nèi)的非戶籍外來(lái)人口60%以上為租賃居住。所以，本文分別按照常住人口的25%與非戶籍外來(lái)常住人口的60%作為住房租賃需求的人口基數(shù)，再根據(jù)各城市歷年城鎮(zhèn)家庭戶均規(guī)模估算出需求規(guī)模。

住房租賃需求1=常住人口*25%/城鎮(zhèn)家庭戶均規(guī)模（1）

住房租賃需求2=非戶籍外來(lái)人口*60%/城鎮(zhèn)家庭戶均規(guī)模（2）

（二）構(gòu)建測(cè)算住房租賃市場(chǎng)預(yù)期供求的灰色馬爾科夫預(yù)測(cè)模型

灰色馬爾科夫預(yù)測(cè)模型是基于隨機(jī)的原始時(shí)間序列，按時(shí)間累加后，形成新時(shí)間序列所呈現(xiàn)的規(guī)律，用一階線性微分方程解來(lái)逼近后，再使用馬爾科夫方法進(jìn)行修正的模型。本節(jié)運(yùn)用MATLAB軟件，首先構(gòu)建灰色預(yù)測(cè)模型，基于2006—2020年需求與供給數(shù)據(jù)，對(duì)我國(guó)11個(gè)人口凈流入城市2021—2025年需求與供給數(shù)量進(jìn)行灰色模型預(yù)測(cè)分析。再使用馬爾科夫鏈對(duì)基本灰色模型初步預(yù)測(cè)殘差結(jié)果進(jìn)行修正計(jì)算，得到需求與供給修正后的預(yù)測(cè)結(jié)果。數(shù)據(jù)進(jìn)行時(shí)間序列處理后顯示，我國(guó)11個(gè)主要人口凈流入城市的住房租賃市場(chǎng)需求與供給時(shí)間序列的累加序列折線均具有指數(shù)曲線趨勢(shì)，故可以對(duì)數(shù)據(jù)采用灰色馬爾科夫預(yù)測(cè)模型進(jìn)行建模。所以，在生成序列的基礎(chǔ)上，對(duì)累加后的數(shù)據(jù)進(jìn)行灰色預(yù)測(cè)模型的一階微分方程如式3所示：

式中，α為發(fā)展系數(shù)，μ反映數(shù)據(jù)發(fā)展態(tài)勢(shì)。

構(gòu)建以X序列為基礎(chǔ)的矩陣B和數(shù)據(jù)向量Y，如式4與式5所示，以實(shí)現(xiàn)參數(shù)估計(jì)：

設(shè)=■，采用最小二乘方法求解，可得式6：

則時(shí)間響應(yīng)函數(shù)如式7與式8所示：

然后，使用馬爾科夫鏈對(duì)灰色預(yù)測(cè)模型估計(jì)結(jié)果進(jìn)行修正。馬爾科夫鏈修正模型構(gòu)建如下：

1.確定狀態(tài)劃分區(qū)間

根據(jù)灰色預(yù)測(cè)模型的相對(duì)誤差測(cè)算結(jié)果，依據(jù)誤差范圍的集中程度來(lái)確定狀態(tài)劃分區(qū)間。

式9中，Ei為系統(tǒng)處于第i種狀態(tài)，φ1和φ2分別是狀態(tài)區(qū)間的上下限。

2.構(gòu)建狀態(tài)矩陣

根據(jù)各年份預(yù)測(cè)結(jié)果所在的區(qū)間狀態(tài)，確定狀態(tài)到狀態(tài)的一步轉(zhuǎn)移概率，如式10所示：

式10中，Eij為狀態(tài)i到j(luò)的一步轉(zhuǎn)移次數(shù)，Ei為i狀態(tài)的數(shù)量。由于序列最后的狀態(tài)轉(zhuǎn)向不明確，故計(jì)算Pij（k）時(shí)要去掉數(shù)據(jù)序列中最末尾的那個(gè)Ei。由此，可以構(gòu)建研究系統(tǒng)N×N階的狀態(tài)轉(zhuǎn)移矩陣，如式11所示：

3.計(jì)算預(yù)測(cè)值

在狀態(tài)轉(zhuǎn)移矩陣確定后，便可根據(jù)某一年所處狀態(tài)來(lái)預(yù)測(cè)下一年可能出現(xiàn)的狀態(tài)，再加權(quán)平均處理各個(gè)狀態(tài)區(qū)間范圍，最終求出灰色馬爾科夫預(yù)測(cè)值。若初始[X■（1）值的狀態(tài)為E1，且轉(zhuǎn)移矩陣P中的元素存在最大概率值P1n，則預(yù)測(cè)值[X■（n+1）將可能轉(zhuǎn)移狀態(tài)為En，且確定預(yù)測(cè)值變動(dòng)區(qū)間[φ1，φ2]，則可認(rèn)為預(yù)測(cè)值為該區(qū)間的中點(diǎn)，通過(guò)灰色預(yù)測(cè)的修正值得到灰色馬爾科夫預(yù)測(cè)值YR，如式12所示：

（三）灰色馬爾科夫模型拓展

現(xiàn)有歷史數(shù)據(jù)顯示，我國(guó)住房租賃市場(chǎng)長(zhǎng)期處于供求數(shù)量非均衡狀態(tài)。非均衡理論認(rèn)為，在自愿交換和市場(chǎng)有效的條件下，微觀市場(chǎng)中的需求者與供給者必然在某種方式下相遇，所以實(shí)際交易量取決于供給量與需求量二者中的較小者，這被稱為單個(gè)商品市場(chǎng)遵循市場(chǎng)交易的“短邊規(guī)則”[6]。因此，結(jié)合現(xiàn)實(shí)條件，可以合理假設(shè)住房租賃市場(chǎng)供求關(guān)系符合非均衡理論“短邊規(guī)則”。那么，在這一假設(shè)條件下，住房租賃市場(chǎng)年均有效供給與有效需求的非均衡度可表達(dá)為式13，用Zt表示。即市場(chǎng)有效租賃住房供給與住房租賃需求的非均衡度可通過(guò)需求與供給的差額與市場(chǎng)交易量之間的比值確定。通過(guò)式13，可以觀測(cè)我國(guó)住房租賃市場(chǎng)供求關(guān)系的基本態(tài)勢(shì)，是否處于非均衡狀態(tài)。如果處于非均衡狀態(tài)，是供給大于需求，還是供給小于需求。此外，通過(guò)數(shù)值大小可以判斷住房租賃市場(chǎng)供求數(shù)量預(yù)期非均衡程度，是適度非均衡還是過(guò)度非均衡，并根據(jù)Zt值得預(yù)期變化趨勢(shì)，分析我國(guó)住房租賃市場(chǎng)供求數(shù)量非均衡程度的預(yù)期表現(xiàn)。當(dāng)Zt值為0時(shí)，表示住房租賃市場(chǎng)供求均衡；當(dāng)Zt值為正數(shù)時(shí)，說(shuō)明有效需求大于有效供給，市場(chǎng)存在供給短缺，數(shù)值越大，正向非均衡程度越高；當(dāng)Zt值為負(fù)數(shù)時(shí)，說(shuō)明有效供給大于有效需求，市場(chǎng)供給過(guò)剩，數(shù)值越小，負(fù)向非均衡程度越高。

二、住房租賃市場(chǎng)預(yù)期供求估計(jì)結(jié)果及非均衡度測(cè)算

（一）住房租賃市場(chǎng)預(yù)期供求估計(jì)結(jié)果

以2006—2020年需求、供給數(shù)據(jù)為基礎(chǔ)，模型驗(yàn)證過(guò)程包含11個(gè)主要城市，其中以北京市為例，我國(guó)城市住房租賃市場(chǎng)需求累加時(shí)間序列、灰色預(yù)測(cè)與馬爾科夫預(yù)測(cè)結(jié)果如表1所示。

由此使用Matlab程序得出參數(shù)估計(jì)α、μ值，根據(jù)式7可計(jì)算出時(shí)間響應(yīng)函數(shù)分別如下：

使用同樣的方法，分別對(duì)其他各城市進(jìn)行灰色預(yù)測(cè)模型參數(shù)估計(jì)后，2021—2025年預(yù)測(cè)結(jié)果的發(fā)展系數(shù)α值、灰色作用量μ值見(jiàn)表2。同時(shí)，住房租賃市場(chǎng)各城市模型精度檢驗(yàn)結(jié)果顯示（見(jiàn)表2），所有小誤差概率P值均大于0.8，且后驗(yàn)差比值均小于0.5，模型精度滿足第二等級(jí)（Pgt;0.8，Clt;0.5）的標(biāo)準(zhǔn)，精度檢驗(yàn)合格，模型預(yù)測(cè)結(jié)果具有可靠性。

本文為了保證預(yù)測(cè)結(jié)果的精確性，采用馬爾科夫鏈對(duì)灰色預(yù)測(cè)值進(jìn)行修正，模型結(jié)果表明，修正后相對(duì)誤差縮小，預(yù)測(cè)精度得以提高。以北京市估計(jì)結(jié)果為例，經(jīng)過(guò)修正后的預(yù)測(cè)值誤差明顯縮小，總體平均誤差僅為5%左右，說(shuō)明修正后的預(yù)測(cè)值更接近真實(shí)值。根據(jù)該模型得出的北京市常住人口有效需求、流動(dòng)人口有效需求與有效供給相對(duì)誤差區(qū)間范圍分別為（1.26%，7.77%）（0.58%，19.73%）（4.95%，83.67%）。

由此計(jì)算狀態(tài)轉(zhuǎn)移矩陣從而得出2021—2025年北京市需求、供給灰色馬爾科夫估計(jì)值。以此為基礎(chǔ)，使用同樣的方法，再分別計(jì)算各城市供給與需求的灰色馬爾科夫估計(jì)值。同時(shí)，根據(jù)中指云與禧泰云數(shù)據(jù)平臺(tái)2021—2023年統(tǒng)計(jì)數(shù)據(jù)，模型估計(jì)結(jié)果與統(tǒng)計(jì)數(shù)據(jù)基本吻合，模型估計(jì)結(jié)果具備現(xiàn)實(shí)有效性。

灰色馬爾科夫預(yù)測(cè)模型對(duì)我國(guó)各城市租賃住房供求數(shù)量估計(jì)結(jié)果顯示，一方面，從需求側(cè)來(lái)看，預(yù)期需求規(guī)模不斷擴(kuò)大。細(xì)化來(lái)看，北京、上海、深圳三個(gè)一線城市無(wú)論在何種人口口徑下的需求估計(jì)值較其他城市而言在住房租賃市場(chǎng)預(yù)期需求量都處于最高水平。成都、杭州等其他新一線城市需求規(guī)模相對(duì)較小，但成都市、杭州市作為住房租賃市場(chǎng)建設(shè)第一批試點(diǎn)城市（2017年確立），預(yù)期需求規(guī)模擴(kuò)張速度將快于其他城市。另一方面，從供給側(cè)來(lái)看，除上海、深圳兩市以外，各城市供給量差異相對(duì)較小。具體來(lái)看，一線城市中，上海市市場(chǎng)租賃住房供給最多，解決約150萬(wàn)戶租客居住需求。北京市預(yù)期供給量減少速度加快，現(xiàn)行趨勢(shì)下，供給有可能進(jìn)一步減少。深圳市預(yù)期供給規(guī)模略有降低，到2025年可能僅占需求的30%左右，供求差異不斷拉大。其他城市同樣存在預(yù)期供給增速遠(yuǎn)低于需求增速的情形。此外，重慶、西安兩市受人口結(jié)構(gòu)的影響（常住人口基數(shù)大，流動(dòng)人口規(guī)模變化?。煌丝诳趶较聹y(cè)算得出的需求規(guī)模差異較大，可靠性有限。

（二）基于灰色馬爾科夫模型預(yù)測(cè)結(jié)果的租賃住房預(yù)期供求非均衡度測(cè)算

基于灰色馬爾科夫預(yù)測(cè)模型的供求估計(jì)結(jié)果，從我國(guó)住房租賃市場(chǎng)供給與需求的數(shù)量關(guān)系來(lái)看，我國(guó)租賃住房供給長(zhǎng)期低于需求，非均衡現(xiàn)象存在。本文繼續(xù)對(duì)灰色馬爾科夫模型進(jìn)行拓展，按照式13非均衡度Zt值的計(jì)算公式，測(cè)算我國(guó)人口凈流入城市住房租賃市場(chǎng)的預(yù)期非均衡值，更加直觀地衡量我國(guó)長(zhǎng)期供求數(shù)量關(guān)系。

在我國(guó)住房租賃市場(chǎng)現(xiàn)行政策保持不變的條件下，假設(shè)我國(guó)住房租賃市場(chǎng)長(zhǎng)期符合供求交易量“短邊規(guī)則”，根據(jù)式13關(guān)于Zt值的計(jì)算公式，我國(guó)非均衡度值長(zhǎng)期來(lái)看，人口凈流入城市處于正向非均衡狀態(tài)，存在供求數(shù)量差異，有效需求大于有效供給，同時(shí)，城市間非均衡程度呈現(xiàn)異質(zhì)性。第一，北京、深圳兩市正向非均衡程度不斷加深，供求數(shù)量非均衡程度加深。與2020年住房租賃市場(chǎng)非均衡度相比，2025年北京、深圳兩市正向非均衡值常住人口口徑（流動(dòng)人口口徑）分別突破5（11）、8（9），成為我國(guó)人口凈流入城市供求數(shù)量關(guān)系偏離均衡最多的城市。住房租賃需求擴(kuò)張速度快，而市場(chǎng)租賃住房供給減少的趨勢(shì)，加劇了供求數(shù)量非均衡形勢(shì)。第二，與北京、深圳兩市相比，上海、廣州兩市依舊保持相對(duì)較低的非均衡值，長(zhǎng)期保持在1以內(nèi)，短期與長(zhǎng)期均朝均衡趨勢(shì)發(fā)展，供求關(guān)系維持基本穩(wěn)定。在人口凈流入規(guī)模不斷擴(kuò)大背景下，說(shuō)明住房租賃市場(chǎng)供給增速能夠滿足不斷增長(zhǎng)的住房租賃需求。第三，新一線城市杭州、成都、廈門(mén)三市作為住房租賃市場(chǎng)建設(shè)第一批試點(diǎn)城市，非均衡值保持在2.5以內(nèi)，較北京、上海兩市而言相對(duì)均衡，但是非均衡程度總體走勢(shì)呈現(xiàn)逐漸加深的狀態(tài)，非均衡值不斷上漲，說(shuō)明住房租賃供給增長(zhǎng)速度無(wú)法滿足住房租賃需求的擴(kuò)張。所以，當(dāng)前宏觀調(diào)控政策雖然短期內(nèi)成效凸顯，一定程度上改善了試點(diǎn)城市供求數(shù)量非均衡狀態(tài)，但是無(wú)法長(zhǎng)期發(fā)揮促進(jìn)供求數(shù)量均衡的有效作用。長(zhǎng)期來(lái)看，居民租賃住房需求難以得到有效滿足。

三、結(jié)論及建議

（一）結(jié)論

當(dāng)前經(jīng)濟(jì)形勢(shì)下，供給端的結(jié)構(gòu)性矛盾更加尖銳，供給開(kāi)始跟不上需求的變化，我國(guó)經(jīng)濟(jì)發(fā)展中的供求失衡矛盾可能進(jìn)一步加深。為避免未來(lái)供求矛盾不斷激化，本文剖析預(yù)期供給與潛在需求的差異。采用灰色馬爾科夫預(yù)測(cè)模型，以我國(guó)主要人口凈流入城市為研究范圍，估計(jì)租賃住房預(yù)期供求，并據(jù)此計(jì)算各城市非均衡值，分析未來(lái)供求非均衡趨勢(shì)。實(shí)證結(jié)果顯示，一是我國(guó)主要人口凈流入城市將長(zhǎng)期處于正向非均衡狀態(tài)，即需求長(zhǎng)期大于供給，需求缺口長(zhǎng)期存在。二是各城市間住房租賃市場(chǎng)非均衡程度變化趨勢(shì)存在異質(zhì)性。一些城市未來(lái)正向非均衡程度將進(jìn)一步加深，如北京、深圳以及杭州等城市。調(diào)整供給方式，建立健全住房體系，促使其跟上需求的變化，以更有效、更高質(zhì)量的供給滿足居民居住需求的變化，才能逐漸實(shí)現(xiàn)供求關(guān)系新的動(dòng)態(tài)均衡。

當(dāng)前，我國(guó)保障類租賃住房存量少，增量供給無(wú)法完全補(bǔ)充需求增長(zhǎng)缺口。實(shí)證檢驗(yàn)結(jié)果顯示，由市場(chǎng)供給為主的住房租賃市場(chǎng)體系將使我國(guó)住房租賃市場(chǎng)呈現(xiàn)長(zhǎng)期非均衡狀態(tài)，新市民為解決剛性居住需求選擇棚改房、農(nóng)民回遷房、群租房等非正規(guī)的租賃方式，流入缺乏監(jiān)管與法律保障的非正規(guī)租賃市場(chǎng)。當(dāng)前階段，非正規(guī)租賃住房長(zhǎng)期存在于我國(guó)住房租賃市場(chǎng)中是必然的，非正規(guī)租賃住房市場(chǎng)難以退出住房租賃市場(chǎng)。但是，該類住房監(jiān)管部門(mén)不明，租賃關(guān)系中承租雙方的基本權(quán)益得不到法律保障，租賃關(guān)系不穩(wěn)定、安全隱患巨大等問(wèn)題長(zhǎng)期存在，不利于我國(guó)住房租賃市場(chǎng)的長(zhǎng)期可持續(xù)發(fā)展。因此，如何解決非正規(guī)租賃住房中的這些問(wèn)題，如何尋求途徑使之轉(zhuǎn)化為有效供給，從而提高住房租賃市場(chǎng)供給效率，值得進(jìn)一步探討。

（二）政策建議

在我國(guó)城市化水平快速提升的背景下，呈現(xiàn)稀缺公共資源過(guò)度集中于一線城市的發(fā)展趨勢(shì)，受到重點(diǎn)人口凈流入城市外來(lái)人口增速較快、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)以及大城市房?jī)r(jià)高企等諸多現(xiàn)實(shí)因素影響，城市群首位城市、大規(guī)模人口凈流入城市供求矛盾更加突出。因此，住房租賃市場(chǎng)建設(shè)工作重點(diǎn)應(yīng)當(dāng)放在國(guó)內(nèi)重點(diǎn)城市群、大規(guī)模人口凈流入城市，幫助這些城市流動(dòng)人口實(shí)現(xiàn)住有所居的基本需求。在調(diào)整供給時(shí)，堅(jiān)持問(wèn)題導(dǎo)向，針對(duì)不同問(wèn)題進(jìn)行具體分析，提供真正符合各城市、城市各區(qū)人民需要的住房。對(duì)于供給與需求矛盾突出的地區(qū)，應(yīng)及時(shí)頒布供給側(cè)宏觀調(diào)控政策，以常住人口規(guī)模、人口流入規(guī)模、家庭平均收入、住房消費(fèi)能力等指標(biāo)為依據(jù)，側(cè)重于住房資源的合理配置。對(duì)于住房租賃市場(chǎng)建設(shè)較為均衡的一線城市，在加大投入力度的同時(shí)，更要重視提高公共服務(wù)配套權(quán)益、租賃住房職住平衡等進(jìn)一步問(wèn)題，加強(qiáng)市場(chǎng)監(jiān)督，規(guī)范市場(chǎng)參與主體的融資行為，明確市場(chǎng)運(yùn)營(yíng)主體的運(yùn)營(yíng)管理標(biāo)準(zhǔn)，保障有序競(jìng)爭(zhēng)和健康發(fā)展，防止企業(yè)無(wú)限制地提高財(cái)務(wù)杠桿和無(wú)序競(jìng)爭(zhēng)造成的市場(chǎng)發(fā)展不可持續(xù)。

在建設(shè)多層次供給體系工作中，政府要堅(jiān)持發(fā)揮補(bǔ)充保障、兜底保障作用，設(shè)立規(guī)范的、科學(xué)的住房保障體系，加快保障類租賃住房供給增長(zhǎng)速度，拓寬保障類租賃住房同時(shí)，擴(kuò)大保障范圍，降低保障類租賃住房準(zhǔn)入門(mén)檻，盡量囊括所有無(wú)法在市場(chǎng)中解決居住需求的中低收入群體，充分發(fā)揮保障類租賃住房兜底保障的作用，建立完善的住房租賃市場(chǎng)體系，真正實(shí)現(xiàn)“住有所居”，爭(zhēng)取實(shí)現(xiàn)住房調(diào)控的“經(jīng)濟(jì)”與“民生”雙重目標(biāo)，增強(qiáng)流動(dòng)人口在流入城市的獲得感，提高新市民的城市融入度。同時(shí)，要繼續(xù)降低人口流動(dòng)的戶籍障礙，為租房群體提供更為寬松的落戶條件，進(jìn)一步促進(jìn)流動(dòng)人口的城市融入，實(shí)現(xiàn)安居。

參考文獻(xiàn)：

[1]" "姚文捷.城市住房問(wèn)題：針對(duì)兩個(gè)“夾心層”群體的對(duì)策研究：以杭州市為例[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012，27（1）：52-56.

[2]" "崔光燦，劉羽晞，王諍諍.城市新市民住房狀況及決策影響研究：基于上海的調(diào)查實(shí)證[J].城市發(fā)展研究，2020（2）：118-124.

[3]" "易成棟，陳敬安.增加租賃住房有效供給的現(xiàn)實(shí)困境和優(yōu)化路徑研究[J].行政管理改革，2021（9）：50-59.

[4]" "王艷飛，閆志宇，楊晨，等.供需視角下國(guó)內(nèi)大城市住房困境及政策建議[J].建筑經(jīng)濟(jì)， 2021，42（8）：96-100.

[5]" "邵挺.中國(guó)住房租賃市場(chǎng)發(fā)展困境與政策突破[J].國(guó)際城市規(guī)劃，2020（6）：16-22.

[6]" "Eddie C，M Hui． Market Disequilibrium and Urban Land Shortages：Analysis of Policy and Patters in HongKong[J]．Urban Plan and Development，2006，132（2）：82-86．

[責(zé)任編輯" "若" "云]