房价对城际人口迁移的空间溢出效应研究——来自285个城市百度迁徙数据的实证开题报告

1. 研究目的与意义

近年来，随着国内城市住房成本的飞速上涨，高昂的住房成本与高速人口城镇化之间的矛盾开始凸显，根据中国经济实验研究院的调查报告显示，全国35个中大城市居民对包含房屋销售价格和住房成本中的房价收入比的生活成本满意指数仅为31.81，远低于51.57的平均值，部分人群有迁出住房成本较高城市的倾向。

虽然近年来我国实行了限价、限购等调控措施，但是也出现了一些例如二手房价格倒挂的现象以及假离婚等方法再次购房的现象，可以说治标不治本，住房成本依旧是居高不下，想要让房子重新回归居住功能，就要从供给与需求两个方面来控制。从需求端来看，新增人口数量代表了房屋的需求。从供给端来看，房屋的供给不少，但是有效供给不足，供给不均衡，有些城市一房难求，有些城市成为了“鬼城”，入住率很低。所以促进城际人口的合理流动能够从房屋的供需两端调控住房成本。可以发挥住房成本作为城市资源的信号灯，发挥住房成本对城市人口集聚与城市资源分配的调节作用。

很多研究表明人口的城际流动显著改善劳动力资源配置效率，提高了劳动生产率、进而促进经济发展。所以利用住房成本合理引导人口的迁移有利于促进城际经济均衡发展。

2. 研究内容和预期目标

（一）、研究内容

本文预计从宏观（城市间流动）和微观（迁移者决策）两个角度，利用面板数据与百度迁移数据进行实证分析。预计利用大数据信息技术，更加准确的探讨住房成本对于城际人口迁移的影响，宏观微观相互印证，使得结论更加具有可靠性。城际人口迁移方面，探讨城际人口迁移的特征，住房成本对于不同类型的决策者的影响。城市层面，探讨迁入城市的人口变动与住房成本对周边城市的影响，周边城市的住房成本是涨还是跌，可以吸引迁入人口，承接大城市溢出的人口，从而促进本地区的协调发展。最终搭建理论框架，形成结论与展望，同时提出相关政策建议。

（二）、拟解决的关建问题

3. 国内外研究现状

国内的研究更集中于城市化的过程，杨柳等人则从三个层面论述住房成本上涨的影响，首先是使得居民家庭财富的分配格局发生改变，进一步拉大了城乡财富差距，在城市中财富则流向高收入人群其次是高房价增加了农村转移人口的经济压力和心理压力，除此之外高房价也延缓了制度性壁垒的消融以及推动市场行壁垒的强化[13]。韩民春等人进一步利用房价收入比计算门槛值，证明当房价收入比低于门槛值（即房价占收入比例较低）时，人们在做迁移决策时可能更多考虑除住房成本外的其他因素，比如就业机会、基础设施建设、医疗卫生服务、教育水平等，房价对于人口城市化的影响较低，但是当房价收入比高于门槛值时则可能出现因为住房成本过高而放弃迁入的抉择[14]。

住房成本对于城际人口迁移的影响，张海峰等人通过实证分析研究住房成本（房价收入比、房租收入比）对劳动力流动行为的影响，发现住房上升显著降低劳动力流入城市的意愿[15]。杨巧等人基于30中大城市房价与人口迁移数据动态面板模型发现房价和人口迁移之间不是单纯的线性关系而是呈倒u型，人口迁移的重要拉力来自收入增长和城市经济基本面发展带来的引力[16]。李斌利用cgss微观调查数据研究指出，不同城市、不同居住区住住房成本值差异的拉大，构成了特定城市、特定区域筛选城际人口迁移的壁垒，住房对外来流动人口的排斥影响以超过了户籍的排斥[17]。李超等人认为房价在城市资源与人口集聚关系中具有中介与调节作用[18]，徐腾等人则认为城市的房价对于人口迁入的抑制作用并不显著，决定人口迁入的主要因素则是收入差距与距离远近[19]

总体而言，大部分文献关注房价上涨对于城市化的影响，但是近年来随着人口红利减少，城市人才争夺战的展开，城市间的流动人口也值得关注，并且研究所用的数据比如流动人口，多数是统计年鉴的数据，户籍人口或是常住人口，不可否认的是数据权威，但是如今交通与信息技术极快的发展使得人口流动速度加快，大数据的应用更加广泛。传统的普查和调查方法在统计流动人口时，只能采取询问的方式，而无法直接观测人的行为。大数据技术的发展使得对人口迁徙行为的直接观测成为可能。在这一部分中，本文使用“百度迁徙”的数据，作为人口迁移的新型量度。“百度迁徙”是百度在2014 年春运期间推出的品牌项目，使用位置服务（location- based services，lbs） 地理定位系统，利用通信基站网络与用户移动设备之间的连接，收集大量用户数据，从时间和空间两个维度，记录用户跨城市移动的信息，将其汇总展示，从而全面地反映中国大陆人口迁移的盛况。其数据来源主要是百度地图用户和与百度有商业合作的第三方app 用户。在智能设备普及的大背景下，“百度迁徙”所收集的数据具有广泛的代表性，能够全面反映中国人口流动的实际状况。同时国家对住房成本实行一系列调控政策，城市实际的住房成本受到政策的影响更多，比如二手住房成本格倒挂现象等等，所以二手房住房成本数据、房租价格也值得深究。

4. 计划与进度安排

（一）研究计划

2022年11月1日——2022年12月1日 确认选题并提交

2022年12月1日——2022年1月5日 撰写、提交、修改开题报告

5. 参考文献