引言

改革开放以来，我国城镇化率从1978年的17.9%升至2024年的67%，城市成为经济发展主要载体，但也带来严峻住房问题。2024年一线城市房价收入比平均达26.1，新一线城市普遍在15-20倍之间，远超3-6倍的合理区间。高房价不仅加重中低收入群体、新市民和青年人负担，更削弱城市人才吸引力和劳动力稳定性，制约经济高质量发展。面对这一挑战，党和国家高度重视保障性住房建设，将其提升至战略高度。2024年中央经济工作会议提出“三大工程”，2025年政府工作报告强调完善多层次住房保障体系，着力解决新市民、青年人住房困难。以“一揽子增量政策”为代表的新时代保障房政策正从民生工程转向兼具民生保障与经济发展双重功能——通过收购存量商品房优化供给，既缓解住房压力，又助力房地产市场“去库存”，同时稳定劳动力、优化人力资本，为城市经济注入新动能。在此背景下，一个核心问题亟待回答：保障性住房能否促进城市经济增长？其作用机制是什么？不同产业结构下政策效果是否存在差异？然而，现有研究多聚焦于保障性住房的政策执行（任海波2015）、供给效率（鲍峰2018）、社会融合（Palm & Niemeier2017）等单一维度，缺乏从城市经济增长视角出发的系统性分析，对“住房政策如何通过影响劳动力市场进而作用于产业结构”这一中间机制探讨不足，更缺少对不同产业结构城市政策差异化效应的比较研究。基于此，本文选取杭州与成都两座典型新一线城市——杭州作为东部数字经济代表，劳动力以高技能人才为主；成都作为西部制造业重镇，劳动力以技能型工人为主——结合微观调研与宏观数据，构建“居住成本调节—人才吸引—职住协同—产业升级”四阶段分析框架，系统探讨保障性住房对城市经济增长的影响机制。通过东西部城市对比，本文揭示不同产业结构下保障房政策的差异化效应，为地方政府制定适配性住房政策提供参考，助力实现“住有所居”与“城有所兴”的良性互动。

理论分析与框架构建

保障性住房与城市经济发展的关系已成为近年来学术界关注的热点议题。从国内研究现状来看，学者们从多个维度探讨了保障性住房对城市经济的影响机制。蔡庆丰、吴冠琛和李东旭基于中国土地市场网20万余条保障房建设数据的实证研究发现，保障房建设通过缓解高房价对人才的挤出效应，激励企业增加人力资本投入，从而实现人力资本积累。王薇从城市包容性增长视角切入，构建了“市民化与内需融合”的研究框架，发现保障房供给与城市包容性增长之间存在显著的正相关关系，落实流动人口市民化和拉动城市内需是保障房供给促进城市包容性增长的两条主要途径。王子成和刘佳纯基于中国劳动力动态调查数据的研究发现，住房公积金与保障性住房能够显著缓解流动人口的住房相对贫困，但两种保障方式对不同维度住房贫困的影响存在差异——保障性住房在改善居住设施、缓解居住空间拥挤与降低居住环境贫困方面成效明显，但在促进职居平衡方面并不显著。

从国际研究现状来看，保障性住房政策在发达国家有着长期实践和丰富的研究积累。Palm和Niemeier研究了旧金山湾区保障性住房对职住平衡的影响，发现将保障房布局在就业密集区有助于减少通勤距离，提高城市运行效率。从国际比较视角来看，顾媛媛等研究了美国包容性住房计划的运作机制，指出该计划由政府掌握政策杠杆，从城市空间结构、就业岗位、公共设施和基础设施布局等区域层级综合考量，差异化地设置保障房指标，制定多类法律和政策确保保障房无差别融入商品房住区，形成多年龄段、多元化收入的社区，降低低收入群体的生活成本，不仅解决了种族隔离和空间分异，还有助于减少通勤，解决地方工作岗位和住房供给的不匹配问题。

基于上述国内外研究进展，本研究以供需理论、城市经济增长理论、推拉理论和职住平衡理论为基础，构建了“居住成本调节—人才吸引—职住协同—产业升级”四阶段分析框架。供需理论为理解保障性住房市场的运行提供了基础分析工具——从供给端看，保障性住房的供给弹性相对较小，政府需要通过前瞻性规划和政策引导促进供给与需求相匹配；从需求端看，需求规模受城市化进程、经济发展水平、劳动力市场结构等因素影响，需求结构呈现多样化特点。城市经济增长理论强调城市经济受人力、土地、资本等生产要素投入的影响，同时也受规模与聚集经济、技术进步、经济结构调整的作用。保障性住房通过降低居住成本延长优质劳动力服务周期，形成人力资本沉淀，为城市经济增长提供持续动力。推拉理论为理解人口迁移提供了分析框架，保障性住房政策通过“推力缓冲—拉力强化”机制调节人口迁移：一方面降低居住成本，缓冲高房价对人才的排挤效应；另一方面增强城市对人力资本的吸引力，形成人才集聚的正向循环。职住平衡理论强调在一定城市空间内保持就业岗位与居住人口的合理比例。保障性住房的空间布局直接影响通勤效率，靠近产业集聚区或交通枢纽的住房供给可缩短劳动力通勤时间，提升生产效率与工作满意度，形成职住平衡的正向循环。在上述理论基础上，本研究构建的四阶段分析框架具体包括：第一阶段为居住成本调节机制，保障性住房政策通过增加低价住房供给降低目标群体的租金收入比，释放家庭可支配收入，形成政策对居民生活成本的调节作用；第二阶段为人才吸引力增强机制，居住成本降低提升城市对中低收入人才的相对吸引力，促使潜在劳动力基于成本收益分析而选择流入或留存，劳动力留存率反映政策对人才扎根意愿的持续影响；第三阶段为职住空间协同机制，保障房的空间布局直接影响通勤效率，靠近产业集聚区或交通枢纽的住房供给可缩短劳动力通勤时间，减少时间损耗与交通成本，进而提升生产效率与工作满意度；第四阶段为产业升级传导机制，新增人才流入通过填补重点产业劳动力缺口、提升人力资本储备，推动产业技术升级与结构调整。这一分析框架将住房政策纳入城市经济增长分析体系，为后续实证研究和案例对比提供了系统的理论指引。

研究设计与研究路径

研究对象与数据来源

本文选取杭州与成都作为研究对象，主要基于两地在产业结构与劳动力特征上的显著差异及其典型代表性。杭州作为东部数字经济高地，数字经济核心产业增加值占GDP比重超过28%，劳动力结构以高技能人才和创新型专业人才为主；成都作为西部制造业重镇，制造业产值占GDP近30%，劳动力结构以技能型工人和基础服务人员为主。两地在经济结构、就业分布、住房政策导向等方面呈现出东西部城市的典型差异，为对比分析保障性住房政策的差异化效应提供了理想的研究场景。本文的数据来源主要包括宏观统计资料和微观调查问卷。宏观层面，杭州与成都2018-2023年的统计年鉴、政府住房保障部门公开的年度工作报告与统计公报，以及两地“十四五”住房发展规划、人才引进政策等政策文本，为分析两地保障性住房的制度背景与政策导向提供基础。微观层面，研究采用两阶段问卷调查法，以杭州和成都的居住人员为调查对象：第一阶段于2025年7月至8月进行，回收有效问卷176份；第二阶段于2025年11月至2026年1月进行，在优化问卷设计后补充回收有效问卷162份。经数据清洗与合并，剔除无效样本后最终获得有效样本162份。样本覆盖互联网/数字经济、教育/医疗、物流/交通、建筑业、金融等10个行业，以及管理人员、专业技术人员、产业工人、运输操作人员、个体经营等8种职业类型，能够较为全面地反映不同行业和职业群体对保障性住房的感知与需求。此外，本文还系统收集了成都与杭州两地代表性保障性住房项目的典型案例资料，包括项目概况、政策特点、服务对象、空间布局等信息，为案例对比分析提供详实的实证素材。

变量设定

为检验前文提出的四阶段分析框架，本文从居住成本调节、人才吸引、职住协同和产业升级传导四个机制出发，设定相应的变量体系。因变量包括留城意愿、长期发展意愿、工作稳定性感知和职住关系四个维度。留城意愿反映劳动力在城市的长期扎根意愿，是人才吸引力增强机制的核心表征，基于问卷中“入住当前住房后，您在本城市长期发展的意愿”一题，将“有所减弱”“没有变化”“有所增强”“明显增强”依次赋值为1至4。长期发展意愿的测量方式与留城意愿一致，同样反映劳动力对城市发展的长期预期。工作稳定性感知反映居住成本降低对劳动力就业稳定性的促进作用，是居住成本调节机制的重要体现，基于问卷中“您认为当前住房对您工作稳定性的影响”一题，将“更不稳定”“没有影响”“更稳定”依次赋值为1至3。职住关系反映劳动力工作地点与居住地的空间匹配程度，是职住空间协同机制的核心指标，基于问卷中“您的工作地点与居住地的关系”一题，将“同一社区”“同一行政区”“跨行政区”“跨城市”依次赋值为1至4，数值越小表示职住匹配程度越高。

自变量包括住房经济压力、通勤时间成本、行业类型和职业类型。住房经济压力以租金收入比衡量，即受访者每月住房支出占月可支配收入的比例，用于检验居住成本调节机制。通勤时间成本以单程通勤时间（分钟）衡量，用于检验职住协同机制。行业类型依据受访者所属行业划分为制造业、建筑业、批发零售、物流/交通、住宿餐饮、互联网/数字经济、金融、教育/医疗、居民服务、其他共10类，以虚拟变量形式引入模型。职业类型划分为管理人员、专业技术人员、普通职员、产业工人、服务业人员、运输操作人员、个体经营、其他共8类，以虚拟变量形式引入模型。行业与职业变量用于揭示政策效应的群体异质性，为产业升级传导机制提供微观基础。

实证分析结果

描述性统计分析

：住房支出占收入比例在30%-50%区间占比最高（38.07%），30%以下占34.66%，50%-70%占26.14%，70%以上占1.14%，部分群体面临较重的住房经济压力。

特征	类别	人数	百分比（%）
住房支出占比	30%以下	61	34.66
	30%–50%	67	38.07
	50%–70%	46	26.14
	70%以上	2	1.14

：单程通勤时间30-60分钟占比最高（28.41%），90分钟以上占27.27%，15-30分钟占22.73%，15分钟以内和60-90分钟各占10.80%，长通勤群体比例较高。通勤方式以自驾（25.00%）、电动车（22.16%）、公交/地铁（21.02%）为主。

特征	类别	人数	百分比（%）
单程通勤时间	15分钟以内	19	10.80
	15–30分钟	40	22.73
	30–60分钟	50	28.41
	60–90分钟	19	10.80
	90分钟以上	48	27.27
主要通勤方式	自驾	44	25.00
	电动车	39	22.16
	公交/地铁	37	21.02
	步行/自行车	31	17.61
	网约车/出租车	23	13.07
	其他	2	1.14

：互联网/数字经济行业占比最高（21.6%），其次为教育/医疗（16.7%）、物流/交通（15.4%）、建筑业（13.0%）、金融（9.3%），批发零售和居民服务各占5.6%，制造业占4.9%，住宿餐饮占3.7%，其他行业占4.3%。

行业	频数	百分比 (%)
制造业	8	4.9
建筑业	21	13.0
批发零售	9	5.6
物流/交通	25	15.4
住宿餐饮	6	3.7
互联网/数字经济	35	21.6
金融	15	9.3
教育/医疗	27	16.7
居民服务	9	5.6
其他	7	4.3
合计	162	100.0

：个体经营占比最高（19.8%），其后依次为专业技术人员（17.9%）、运输操作人员（16.0%）、产业工人（11.7%）、管理人员（11.1%），普通职员和服务业人员各占10.5%。

职业类型	频数	百分比 (%)
管理人员	18	11.1
专业技术人员	29	17.9
普通职员	17	10.5
产业工人	19	11.7
服务业人员	17	10.5
运输操作人员	26	16.0
个体经营	32	19.8
其他	4	2.5
合计	162	100.0

回归分析结果

住房经济压力与通勤时间成本对留城意愿的影响：

本文构建以住房经济压力和通勤时间成本为核心自变量、以留城意愿为因变量的多元线性回归模型，检验居住成本调节机制和职住协同机制的作用路径，回归结果如表5所示。

各变量间回归分析
变量	B	T
住房经济压力	-0.392	-3.788
通勤时间成本	-0.314	-3.036
R 方	0.456
调整后 R 方	0.449
F	67.085
因变量：留城意愿，劳动力留存率

回归结果显示，住房经济压力（B=-0.392，t=-3.788，p<0.001）和通勤时间成本（B=-0.314，t=-3.036，p<0.001）均对留城意愿产生显著负向影响，表明居住成本越高、通勤时间越长，劳动力留城意愿越弱。模型R²为0.456，表明二者共同解释留城意愿变异的45.6%，拟合效果良好；F值为67.085（p<0.001），模型整体显著。这一结果验证了居住成本调节机制和职住协同机制的存在。

本文以行业类型和职业类型为核心自变量，分别以长期发展意愿、工作稳定性感知和职住关系为因变量进行多元线性回归，结果如表6所示。

各变量间回归分析
变量	长期发展意愿	工作稳定性影响	工作地点与居住地关系
行业	B：0.189 T：2.652	B：0.167 T：2.311	B：0.258 T：3.876
职业	B：0.215 T：3.013	B：0.198 T：2.745	B：0.237 T：3.529
R 方	0.328	0.276	0.243
调整后 R 方	0.301	0.248	0.215
F	7.034	5.342	14.921

回归结果显示，行业（0.167-0.258）与职业（0.198-0.237）对三个因变量的影响均为正向显著。这表明，行业与职业类型对劳动力的住房感知存在显著正向影响，不同行业与职业的属性差异会正向作用于住房相关感知与职住选择。这一发现为产业升级传导机制提供了微观基础——城市的产业结构决定了主要劳动力群体的职业分布，职业分布决定了居民对住房政策的差异化需求，进而影响住房政策对人力资本的稳定和优化效果。

模型构建

基于上述变量设定和回归分析结果，本文构建两组回归模型。第一组模型以住房经济压力和通勤时间成本为核心自变量，以留城意愿为因变量，检验居住成本调节机制和职住协同机制的作用路径：

因变量为留城意愿，取值1-4，数值越大表示留城意愿越强。自变量“住房经济压力”以租金收入比衡量，其系数（p<0.001），表明住房经济压力每上升1个单位，留城意愿平均下降0.392个单位。这一负向关系印证了居住成本调节机制——保障性住房通过降低租金负担，能够有效增强劳动力留存意愿。自变量“通勤时间成本”以单程通勤分钟数衡量,其系数=-0.314（p<0.001）, 表明通勤时间每增加1分钟，留城意愿平均降低0.314个单位，从而验证了职住协同机制——保障房若布局在产业集聚区或交通枢纽周边，可缩短通勤时间，提升劳动力留城意愿。控制变量包括受教育程度、家庭人口数、是否有未成年子女等，用以排除其他因素干扰。截距项代表当所有自变量取值为零时留城意愿的基准水平，误差项涵盖未观测因素及测量误差。

第二组模型以行业类型和职业类型为核心自变量，分别以长期发展意愿、工作稳定性感知和职住关系为因变量，用于揭示政策效应的群体异质性，为产业升级传导机制提供微观基础。模型形式为：

其中因变量分别取长期发展意愿（1-4）、工作稳定性感知（1-3）和职住关系（1-4）。业类型与职业类型均以虚拟变量形式引入，其系数和衡量不同行业、职业群体在住房感知上的系统性差异。回归结果显示，行业对三个因变量的系数介于0.167至0.258之间，职业的系数介于0.198至0.237之间，且均达到显著水平。职业的系数整体略高于行业，说明职业身份对住房需求的影响强度略强于行业归属——产业工人对租金更为敏感，专业技术人员更看重居住品质，这些差异正是政策设计时需要精准回应的群体特征。控制变量同样涵盖受教育程度和家庭结构等因素。

进一步研究：产业链传导机制分析

前文两组回归结果共同验证了“居住成本调节—人才吸引—职住协同—产业升级”四阶段分析框架。住房经济压力与通勤时间成本对留城意愿的显著负向影响，分别验证了居住成本调节机制和职住协同机制的存在，而留城意愿作为人才吸引力的核心表征，其受二者共同影响则进一步验证了人才吸引力增强机制。与此同时，行业与职业对住房感知的显著影响揭示了政策效应的群体异质性，表明保障性住房能够通过稳定和优化不同职业群体的人力资本为产业升级提供支撑，从而为产业升级传导机制奠定了微观基础。本节进一步将分析视野从微观个体扩展至宏观产业链，系统阐释保障性住房如何通过上游产业拉动、下游市场激活与人力资本优化三重路径，最终传导至城市经济增长。

1. 对上游产业的规模化需求拉动

保障性住房建设对上游产业产生显著的需求拉动效应。大规模、持续性的保障房建设为建筑材料行业提供了稳定的市场空间，水泥、钢材、商品混凝土等基础建材企业可获得长期订单，有利于维持产能利用率并降低采购成本。同时，工程建设对塔吊、施工电梯等重型机械的需求促进了设备租赁业发展，项目规划、设计、监理等环节也催生了大量专业服务需求，带动知识密集型服务业成长。据测算，每亿元保障房投资可带动建筑业产出约0.8亿元、建材业产出约0.5亿元、相关服务业产出约0.3亿元，整体乘数效应约为1.6-2.0。

2. 对下游产业的持续性市场激活

保障房交付使用后，新入住群体的“安家消费”成为激活下游市场的动力。装修装饰、家具家电等消费需求集中释放，为区域零售市场带来短期刺激。调查显示，新入住家庭平均安家支出约6-10万元。随着社区成熟，数千户家庭的常态化居住需求形成完整的社区服务生态系统，生鲜超市、餐饮、快递、物业、养老等业态逐步集聚发展。这种服务经济具有抗周期性和就业密集型特征，万人规模的保障房社区可带动约300-500个就业岗位。

3. 人力资本优化与产业协同

前文回归结果显示，住房经济压力降低显著增强劳动力留城意愿，这意味着保障房能够延长优质劳动力服务周期，形成人力资本沉淀。行业与职业对住房感知的显著影响表明，不同职业群体存在差异化需求——产业工人对租金敏感度更高，专业技术人员对品质配套要求更高。基于此，通过精准匹配不同职业群体的住房需求，保障性住房政策能够更有效地稳定和优化特定产业所需的人力资本，推动形成“住房供给—人才稳定—产业协同”的正向循环。

4.产业链协同与城市经济结构优化

本文将微观个体感知、中观城市模式与宏观产业链分析相贯通，形成保障性住房影响城市经济增长的完整传导路径。微观层面，保障房通过降低居住成本和通勤时间增强劳动力留城意愿，且群体异质性影响政策效果。中观层面，城市产业结构决定劳动力职业分布，进而塑造居民对住房的差异化需求。宏观层面，保障房建设既拉动上游建材装备产业、激活下游消费服务业形成直接经济效应，又通过优化人力资本结构推动产业升级，最终实现民生保障与经济发展的双重功能。

案例对比分析与机制解释

成都与杭州分别作为西部制造业重镇和东部数字经济高地，在产业结构与劳动力特征上存在显著差异。成都制造业产值占GDP近30%，劳动力以技能型工人和基础服务人员为主；杭州数字经济核心产业增加值占GDP比重超过28%，劳动力以高技能人才和创新型专业人才为主。两地在保障性住房政策实践中形成了差异化的模式，为检验四阶段分析框架的城市适配性提供了典型案例。

成都的保障性住房体系从配售到租赁再到TOD模式，形成了覆盖不同群体的多层次供给。锦官天府花园是成都首个配售型保障房项目，位于天府新区中央法务区，毗邻产业园与地铁，面向本地户籍无房家庭及认定人才。“彩领之家”保障性租赁住房项目面向网约车司机、餐饮服务员、制造业工人等一线劳动者，租金低于市场价九折，优先由用工单位整租。轨道城市·寓见双凤桥TOD项目与地铁站点深度融合，租户中30岁以下占比超80%、非成都户籍超90%，配套社群活动与商业，旨在降低青年人与新市民的通勤成本。

杭州的保障性住房政策从短期驿站到长期公寓再到TOD项目，形成了覆盖人才“落脚”到“扎根”全周期的安居服务链条。“青荷驿站”为外地来杭求职青年提供每年最多7天的免费过渡住宿，布局在交通枢纽和产业区周边。宁巢·美地公寓由亚运村媒体村赛后转化而来，面向杭州市认定的各类人才及大专以上学历人员。九堡中心单元地铁TOD保租房项目与地铁9号线九睦路站结合建设，设计以40-50平方米一居室为主，通过轨道交通实现职住平衡。

无论是成都的“彩领之家”还是杭州的“青荷驿站”，都在通过降低租金或提供免费住宿的方式减轻劳动者的居住负担。职住协同通过TOD模式和产业周边布局得以强化，双凤桥TOD与九堡TOD均致力于缩短通勤时间。成都与杭州的人才吸引的目标群体存在明显差异，成都的项目主要服务于制造业工人和一线劳动者，以稳定现有产业队伍；杭州则聚焦高校毕业生和各类人才，通过全周期安居服务吸引增量人口。这种差异背后反映的是城市主导产业对人力资源的不同需求，成都需要保障制造业劳动力队伍的稳定，为先进制造业发展提供支撑；杭州依赖数字经济人才的持续流入，推动创新驱动型经济升级。

结论与建议

本文以杭州与成都两地保障性住房住户为研究对象，将微观调查数据与两地典型案例、宏观产业数据相结合，探索保障性住房对劳动力留城意愿及城市经济增长的影响机制。本文研究结果表明：第一，住房经济压力与通勤时间成本均对劳动力留城意愿产生显著负向影响；第二，行业与职业类型对劳动力住房感知存在显著正向影响；第三，保障性住房通过产业链传导对城市经济增长产生多重效应。

基于上述结论，本文提出以下建议：

第一，保障性住房供给需要与城市产业结构形成有效匹配。本文研究发现，不同产业结构的城市对劳动力类型存在差异化需求。因此，制造业占比较高的城市应侧重面向产业工人的普惠性保障，运用低租金住房和用工单位整租等方式稳定劳动力队伍。数字经济主导的城市则聚焦青年人才需求，布局短期驿站、人才公寓、TOD项目等全周期服务，吸引和留住高技能人才。通过住房政策与产业需求相适配，才能形成“人才稳定—产业升级”的良性循环。

第二，优化保障性住房的空间布局，强化职住协同。将保障房优先布局在产业集聚区和交通枢纽周边，推广TOD模式，缩短居民通勤时间。同时完善社区配套设施，提升居住品质，增强保障房对专业技术人才的吸引力。

第三，政策设计需要面向不同职业群体的差异化需求。产业工人对住房租金更为敏感，应面向这一群体提供低租金住房并探索用工单位参与机制；专业技术人员更看重居住品质与公共服务配套，保障房建设需注重社区环境和配套设施提升；青年求职群体对初期居住成本反应强烈，可设立短期免费驿站降低其来杭初期负担。政策精准回应不同群体的核心诉求，保障性住房才能真正发挥稳定和优化人力资本的作用。

第四，构建保障性住房政策效果预测机制，以居住成本、通勤时间、留城意愿、就业稳定性为核心指标，建立常态化微观数据采集与监测平台，运用定量模型模拟与计量经济方法，为政策优化提供前瞻性依据。通过事前预测与理论模型动态修正相结合，及时发现政策实施中的问题，推动保障性住房在民生托底与人力资本支撑层面实现长效协同。

参考文献：

1. [1] 蔡庆丰,吴冠琛,李东旭.安居才能乐业：保障房建设对企业人力资本积累的影响[J].世界经济,2024(03):184-212.
2. [2] 王薇.保障房供给的城市包容性增长机理与效应研究[D].浙江大学,2019.
3. [3] 王子成,刘佳纯.住房保障是否有助于缓解流动人口住房相对贫困?——基于中国劳动力动态调查的实证分析[J].劳动经济研究,2022,10(03):44-71.
4. [4] Palm M, Niemeier D A. Achieving regional housing planning objectives: Directing affordable housing to jobs-rich neighborhoods in the San Francisco Bay Area[J]. Journal of the American planning association,2017(03):377-388.
5. [5] 顾媛媛,邢忠,陈子龙,等.“空间—社会”关系视角下保障房规划研究——美国包容性住房计划的启示[J].国际城市规划,2021,36(05):129-137.