1. 引言
重庆作为成渝双城经济圈的牵头城市，经济发达，城市化水平高，就业机会多，人口密度大，公共基础设施较完善。随着我国经济的不断发展，城镇化目标的实现必然伴随着许多乡村人口向城市迁徙，尤其是像重庆这样的大城市亦是如此。为了更好地保障居民的基本居住权益，政府急需加大力度提升城镇住宅的供给水平。数据表明，这些优势使得重庆逐渐成为西部常住人口增长最快的城市之一。而想要吸引并留下更多的人口流向重庆市发展，城镇住宅建设必须与人口数量相匹配，而城镇住宅建设离不开政府相关政策的制定和实施。有效的政策组合能够加快城镇住宅的建设，才能为重庆市吸引人口提供强大的后勤保障。
本文主要探索重庆市政府各项方针政策的供给对其城镇住宅市场发展的影响，因此不考虑房地产市场内部的相关指标如住宅商品房均价、住宅竣工面积、房地产开发投资额以及城市居民的收入水平和消费水平等相关指标对住重庆市城镇住宅建设的影响。
2. 理论基础
政策工具又被称为政府的管理工具，政府进行公共事务管理时大多采用政策命令。当前学者们对政策工具含义的理解有许多，本文采用政策工具是解决公共问题的方法这一含义理解，其中萨拉蒙(2002)认为，政府工具是具体的方法，通过这种方法可以组织集体行动和解决公共问题 [1] 。陈振明(2004)认为政策工具是人们为解决某一社会问题或达成一定的政策目标而采取的具体手段和方式 [2] 。
而政府工具的选择应用和组合是政府工具研究最基本的主题和归宿 [3] 。政策工具选择受多种要素的约束，其中不仅有政策目标、政策工具自身的特性等客观条件，还有社会文化、选择者偏好等主观要素的影响。陶学荣认为政策工具选择要结合自身特点、政策目标、政策环境、政策主体和客体等要素，是一个非理性过程 [4] 。本文立足于城镇住房建设相关政策的特点，参考Rothwell R和Zegveld W的方法 [5] 对城镇住房政策使用的工具进行分类(见表1)。
Table 1. Urban housing construction policy tools classification
表1. 城镇住房建设政策工具分类
3. 研究设计
3.1. 样本选择与数据来源
本文选取2008~2018年有关重庆市城镇住宅建设数据，本文样本数据采集来自国家统计局和重庆市统计年鉴，部分数据通过手工计算整理取得。数据处理和实证过程通过Excel和Stata 17完成。
3.2. 影响因素指标构建
根据上述城镇住宅建设政策工具分类和各类官网可获取数据，本文构建的重庆市城镇住宅建设影响因素指标体系如下(见表2)。
Table 2. The index system of influencing factors of urban housing construction in Chongqing
表2. 重庆市城镇住宅建设的影响因素指标体系
其中，土地支持即重庆市城市建设规划中建设用地用于住宅建设的土地面积，选用统计年鉴中的建设用地面积指标；资金支持即财政支出中用于住宅开发建设的支出，保障性住宅作为城镇住宅的一部分，由于政府的财政收入中部分资金会用于保障性住房的支出，且财政收入水平反映了政府能够为保障性住房建设提供资金支持的力度大小，因此选用统计年鉴中的一般预算财政收入；由于房地产开发企业更多的经营业务是住宅类房屋的建设，且并没有单独的统计指标为住宅建设的信息支持和人员支持，因此信息支持指用于房地产开发、交易等各环节搭建的信息平台；人员支持是指从事房地产开发企业的员工数量，选用统计年鉴中的房地产开发从业人员指标；财政补贴是指保障城镇居民住房消费的支出，选用统计年鉴中财政支持中的住房保障支出指标；金融支持是指金融行业各企业投资住宅建设的贷款金额，选用统计年鉴中的住房开发贷款指标；配套支持是指政府用于公共事业建设的财政支出，选用统计年鉴中的公共事业支出；人口流入是指外来人口流入重庆市定居的人口，选用城镇人口数量；地区生产总值反映一个国家或地区的经济实力，地区生产总值越高反映其为住宅建设提供资金的能力越强。以上因素共同作用影响重庆市住宅建设的成果，选用统计年鉴中的住宅开发投资额反映各个指标对结果的影响程度。
3.3. 实证分析
3.3.1. 灰色关联度分析
首先对数据做去量纲化处理，根据灰色关联度计算公式，取rho = 0.5，对每个变量求均值，得出各变量的灰色关联度，结果如下(见表3)。
Table 3. Grey relational degree matrix (rho = 0.5)
表3. 灰色关联度矩阵(rho = 0.5)
Table 4. Grey correlation degree mean
表4. 灰色关联度均值
根据灰色关联度分析，得出结果：地区生产总值排名第一、金融机构用于房地产开发的贷款额度排名第二、财政收入排名第三、公共事业的财政支出排名第四、用于房地产开发、交易等各环节搭建的信息平台排名第五、城镇人口排名第六、建设用地面积排名第七、保障性住房财政补贴排名第八、房地产开发从业人员排名第九。
由实证结果可知(表4)，所有指标的相关系数均在0.6以上，说明各项指标均是影响重庆市城镇住房供给的主要因素。其中地区生产总值反映了地方政府未来可用于城市建设的资金是否充足，体现了该地区政府用于城镇住宅建设及相关配套措施的资金供给能力，因此地区生产总值的关联性最强。金融机构用于房地产开发的贷款额度反映了重庆市城镇住房需求的大小，间接影响了重庆市对城镇住宅建设的供给，因此金融贷款额度与重庆市城镇住宅供给间有很强的关联性。财政收入反映了政府可用于居民居住权保障的资金是否充足，体现了该地区城镇住宅供给能力，因此财政收入与重庆市城镇住宅建设具有很强的关联性。政府公共事业的财政支持影响了当地的基本公共服务水平，进而影响居民购买城镇住宅的需求，从而调节着城镇住宅建设。房地产开发和交易等信心平台和从业人员的建设状况间接影响着城镇住宅建设的效率和质量问题，从而影响城镇住宅建设。城镇人口的增长和保障性住宅的财政补贴刺激了居民对城镇住宅的需求，调节着房地产企业的经济行为，进而影响重庆市城镇住宅建设。
3.3.2. 皮尔逊相关分析
由于灰色关联度分析的关联度反映的是一个绝对值，只能描述各个影响因素对于研究主体的关联程度，并不能描述各个因素所产生的正向或负向影响，皮尔逊相关分析与灰色关联度分析属于两个不同维度的方法，更能直观的反映各个变量与城镇住宅完成投资额的正负相关性。因此选择将九个影响因素与城镇住宅完成投资额进行皮尔逊相关性检验(如表5)。
为避免指数增长带来的各种程度上的问题，选择将变量数据取对数并给出描述性统计结果(见表6)。
从表6中的数据可知，各变量数据的最大值和最小值差异不大，进行皮尔逊相关性检验结果如下(见表7)：
Table 7. Pearson correlation test
表7. 皮尔逊相关性检验
Lower-triangular cells report Pearson’s correlation coefficients，upper-triangular cells are Spearman’s rank correlation，***p < 0.01，**p < 0.05，*p < 0.1。
从表7中看出，除了BT的相关系数小于0.8，其余相关系数均大于0.8，说明大概率会出现共线性的情况，使估计结果的方差剧烈扩大，从而影响回归结果。
3.3.3. 回归分析
从表7得出的结果中发现可能会有共线性的情况，因此做个回归分析。构建回归分析模型：
线性回归结果如下：
***p < 0.01，**p < 0.05，*p < 0.1。
通过Stata计量工具，得到回归分析结果表8，从表格中可以发现信息支持的p值为0.224，财政补贴的p值为0.111，配套设施的p值为0.1000，p值过大，并且整体回归结果的显著性并不理想，于是认为方差的扩大是由共线性导致的——事实上这类时间序列的数据非常容易产生类似的共线性，因此我们进一步得出方差膨胀因子(vif)。
正常来说，vif应该在10以下，但是根据表9数据可以看到此次整体回归分析各变量的vif异常巨大，因此存在共线性。应对共线性一般采用较多的是手动移除共线性的自变量、逐步回归法、和增加样本容量，本文不适合采用增加样本容量法，由于共线性大多数作用于系数的标准差，并且对自变量系数本身的影响较小，基于此本文选取分布回归法来解决共线性问题，通过分步回归法去掉不显著的变量，这样被剔除的变量无论是出于共线性还是本身就不显著，都去掉即可，而如果受到了共线性的影响仍然显著，那么就意味着这个结果本来就是稳健的。从表9可以看出信息支持的p值为0.224，p值过大，因此剔除这项变量。分布回归结果如下：
***p < 0.01，**p < 0.05，*p < 0.1。
从表10中看出，当信息支持变量被剔除后，整体回归结果的显著性大大加强。
4. 研究结论和启示
4.1. 结论
根据文章第二部分的回归分析和分布回归的实证分析结果得知，本文构建的影响指标体系中除了信息支持与最后城镇住宅建设的关联性不强外，其他的指标例如土地支持、资金支持、人员支持、财政补贴、金融支持、公共事业建设财政补贴、城镇人口、地区生产总值是共同影响重庆市城镇住宅建设的主要因素。
第一，重庆市地区生产总值与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市地区生产总值与重庆市城镇住宅开发投资额之间存在正相关关系。地区生产总值越高，越有利于城镇住宅的建设。这是因为地区生产总值越高，地方政府能够提供给房地产市场的房地产企业和住宅消费者以及城市基础设施的资本量越多，能够刺激更多市场主体参与进住宅市场的供需两侧中，从而促进重庆市城镇住宅建设。
第二，重庆市房地产开发贷款金额与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市房地产开发贷款金额与城镇住宅开发投资额之间存在正相关性。金融机构对房地产开发贷款额度越高，越有利于城镇住宅建设。这是因为对房地产开发企业而言，地方金融机构能够提供的资金越多，越有利于房地产市场的供给主体进行城镇住宅建设的经营活动，从而促进重庆市城镇住宅建设。
第三，重庆市城镇人口与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市城镇人口与城镇住宅开发投资额之间存在负相关性。地区城镇人口越多，越不利于城镇住宅建设。这是由于当城镇住宅市场的需求量明显大于供给量，城镇住宅的建设企业大多有逐利性，为了追求资本的最大化，导致最后许多企业提供的劣质住宅甚至是许多烂尾楼，让居民钱房两空，不利于后续重庆市的城镇住宅建设的良性发展。
第四，重庆市建设用地面积与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市建设用地与城镇住宅开发投资额之间存在负相关性。重庆市建设用地面积供给越多，越不利于城镇住宅建设。这是由于大量的土地用于建设城镇住宅，一方面可以缓解流入城镇人口的住宅问题，但过多的土地用于住宅建设，会挤压学校、医院、公园、大型购物商圈等其他配套公共设施的建设面积，不利于重庆市城镇住宅建设的持续发展。
第五，一般预算收入与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市一般预算收入与城镇住宅开发完成投资额之间存在负相关性。由于我国特有的“土地财政”现象，如果地区预算收入越高，意味着当地政府从拍卖土地这一环节获取了高额的收入，相应的增加了城镇住宅供给主体的开发成本，不利于重庆市城镇住宅建设的后续发展。
第六，重庆市保障性住房补贴额度与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市保障性住房补贴额度与城镇住宅开发完成投资额之间存在负相关性。如果政府对住房市场的补贴集中于保障性住房市场，那么商品房市场的潜在需求者以及房地产开发企业的利润也会随之减少，这将不利于城镇住宅内部市场的平衡发展。
第七，重庆市公共事业财政支出与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市公共事业财政支出与城镇住宅开发完成投资额之间存在正相关性。一个地区对水、电、气等基础公共设施支出额度越高，城市更宜居，更有利于留下外来流入人口，利于重庆市城镇住宅建设。
第八，重庆市房地产相关从业人员与城镇住宅开发完成投资额之间存在相关性。
由实证分析可知，重庆市房地产相关从业人员与城镇住宅开发完成投资额之间存在正相关性。一个地区房地产市场的从业人员越多，住宅施工人员利于加快城镇住宅的供给速度，中介服务人员利于加快房地产市场的资源要素流动，最终促进重庆市的城镇住宅建设。
4.2. 启示
从上述实证结果可知，在重庆市城镇住宅建设中发挥关键作用的是供给型和环境型政策工具，可以从以下几个方面给出政策建议。
1) 创新企业多元的融资渠道
环境型政策工具中的金融支持对重庆市城镇住宅建设有明显的正相关性，这启示政府除了可以降低企业拿地成本、贷款优惠和财政补贴等小额降低企业经营成本的举措外，还可以为企业提供大额资金筹集渠道，特别是对于当今保障性租赁住房建设来说，一方面政府要加大与金融机构的联系，与信托、保险机构等合作搭建信托基金平台，吸引更多居民个人资金、民营资金和信托资金等民间社会资本参与到城镇住宅的建设中。在拓宽多元融资渠道的同时，为防范金融风险，政府要建立科学的风险预警评估机制。
2) 加大配套设施的投资，提高居民的宜居感
环境型政策工具中的配套支持对重庆市城镇住宅建设有明显的正相关性，这启示政府除了需要关注供给端的问题，还需要兼顾需求者的多元价值追求。随着人民生活水平的日益提高，居民对文化生活、安全、环境等方面的要求也日益增长。如果只是提供住宅，周围其他配套设施没有跟上，居民也会对该城市建设和政府失望。政府应该统揽全局，规划好住宅片区间的密度、周围医院、学校、公园、商圈与各个住宅区的距离，对距离远的区域要及时做好交通设施的建设规划。
3) 深化财税体制改革
供给型中的资金支持和土地支持对重庆市城镇住宅建设有明显的负相关性，这启示政府需要优化房地产市场的相关税制。地方政府财政收入过度依靠土地交易，导致企业的拿地成本增加，从而促进企业更偏好追逐利益而没有兼顾社会利益，更多的建设商品房忽视保障性住房建设，一方面过高的商品房导致部分居民买不起住宅，而劣质的保障性住房也大大降低了居民的居住体验感；另一方面，过度依赖土地的财政将会诱导一些官员腐败从而损害了当地居民的利益，官商利益过度捆绑如果后续房地产市场崩盘也会挫伤当地经济建设。因此政府应该考虑改革房地产税制，从供需两侧调控相关主体的行为。