“人才特区”政策对房价的影响研究

鞠 方，夏 麒，杨玉婷

(湘潭大学 商学院，湖南 湘潭 411100)

一、引 言

人才不仅是国家核心竞争力的重要体现，也是推动地区经济发展的关键因素。随着人口红利衰减与人才战略地位提升，各城市纷纷加入“抢人大战”，采取各种手段吸引人才流入以满足城市建设的需要，如放松人才落户标准、给予购房补贴等。党的十九大报告指出，要实行更加积极，更加开放，更加有效的人才政策。“人才特区”政策作为地区吸引人才的重要手段之一，对完善人才培育体系、实现人才资源有效配置具有重要意义，其实质与经济特区相似，均为激发地区自主创新能力以促进经济发展。截至2019年底，全国已有60多个城市立足于建设发展的需要，制定并出台了“人才特区”政策，为吸引、培育与利用人才提供了强有力的支持。“人才特区”政策在吸引大量专业人才流入城市的同时，也可能对房地产市场产生影响。一方面，专业人才流入能够促进住房需求增加，房地产市场供需状况的改变将导致住房价格发生变动；另一方面，城市为吸引人才将加快基础设施完善进程，着力提升公共服务水平，导致住房实际价值发生改变。因此，“人才特区”政策的出台会对城市房价产生影响，但其作用效果与传导机制仍有待进一步探究。

目前，学术界关于人才政策的研究主要集中在政策制定与政策效应评估两个方面。在政策制定上，已有研究认为针对经济发展水平相对落后的地区，应着重通过出台人才政策、打造人才集聚地的方式促进人才流入，如为专业人才提供保障性住房、给予生活补贴或税收优惠等，以此弥补城市建设过程中的人才短缺。在政策效应评估上，部分学者依据政府出台的人才引进政策构建相应的政策评价体系与量化标准，并将其应用于政策效果的实际评估中。另有学者发现人才政策的出台将显著提升城市创新能力，但由于引进人才存在一定政策成本，且科研成果的产出与转化存在时滞，对社会经济的影响可能随政策实施阶段不同由“虹吸效应”转为“扩散效应”。

从政策实施对房价的影响来看，已有研究多侧重于探究限购政策、信贷政策与税收政策等经济政策对房价的影响。关于人才政策对房价影响的研究相对较少，且多针对某一具体实施方案展开，如人才落户政策、人才购房政策等。在作用效果上，多数学者认为人才政策将推动高层次人才与专业技术人才的集聚，扩大住房需求，推动城市房价上涨。同时，高质量人力资本集聚带来的“外溢效应”也会增加对非熟练劳动力的需求，吸引低技能劳动力流入，进一步提高房价。此外，人才政策的实施也可能对原有的房地产调控政策产生冲击，且对经济发达、落户条件宽松的城市的作用更为明显。也有学者指出，虽然人才政策导致的地区人口迁移能够显著促进房价上涨，但科研人才的过度集聚可能引发“人才拥挤”，抑制城市创新能力的提升，进而对房价产生负面影响。

综上，现有研究多针对省级层面或某一特定区域探究人才政策对房价的影响，且主要基于人才集聚视角展开分析，较少从城市层面探究“人才特区”政策对房价的影响。鉴于此，本文选取全国284个地级市的面板数据，分析“人才特区”政策对房价的影响效应及传导机制，为人才政策效果评估与房价调控提供参考。

二、“人才特区”政策影响房价的理论机制

(一)“人才特区”政策对房价的影响

“人才特区”政策在吸引外来人才流入城市的同时也扩大了住房需求，由于住房供给在短期内具有刚性，住房市场中的需求大于供给，导致房价上升。为探究“人才特区”政策影响房价的具体动因，本文结合四象限模型与“人才特区”的政策效应展开市场联动分析。四象限模型分别从住房消费与住房投资两个维度出发，将房地产市场划分为使用市场与资本市场，具体形态如图1所示，矩形区域反映房地产市场的均衡状态。其中，第一象限主要反映使用市场中房地产存量与租金之间的供需关系，租金收益由房地产存量与市场需求共同决定；第二象限主要反映资本市场中房价与租金之间的转换关系，租金收益能够通过折现转变为房价；第三象限主要反映资本市场中房价与房地产开发建设量之间的影响关系，若房价较高且市场行情明朗，房地产开发商将依据现有住房需求加大投资力度，增加房地产开发建设量；第四象限主要反映使用市场中房地产开发建设量与房地产存量之间的相互关系，考虑住房折旧率，房地产开发建设量能够转换为新的房地产存量。

当地区出台“人才特区”政策时，相关领域的专业人才受政策吸引流入城市，促进住房消费需求与住房投资需求增加。此时，第一象限中的需求曲线向右上方移动。结合供求价格理论，住房需求增加将促进租金收益提升，第二象限中的供求关系也随之改变，更高的租金收益能转换为更高的房价。在第三象限中，房价的提高将促使房地产开发商扩大住房投资，增加房地产开发建设量，促进第四象限中房地产存量增加。经过这一轮变化，房地产市场在更高价格上形成了新的均衡状态。因此，“人才特区”政策的出台有助于扩大住房需求，改变住房市场供求关系，推动房价上涨。

图1 四象限模型

(二)基于房价预期的传导机制

“人才特区”政策出台后，各地区为促进人才集聚，吸引高端企业进驻，将持续完善基础设施建设，提高公共服务水平。居住环境的改善能够推动土地价格持续上涨，房地产开发成本的增加将进一步提高城市房价。此时，人们会依据自身实际经济状况与发展规划对房价展开理性预期。一方面，满足政策条件的专业人才将享受政府提供的各项优惠，并借助政策福利减少购房成本，缓解购房压力。“人才特区”政策的出台会促进此类人群购房需求增加，由于住房供给难以在短期内扩张，住房需求增加将推动城市房价上涨。另一方面，对不能享受政策优惠的群体而言，“人才特区”政策的出台将使其预期未来城市发展进程加快，城市房价上涨。同时，外来人才流入也将增强本地人口的就业压力，使已有购房计划者预期未来购房难度加大。为缓解房价快速上涨带来的购房压力，购房者将在“人才特区”政策出台后尽快完成购房计划，导致住房需求增加，房价上涨。因此，基于房价预期，“人才特区”政策对房价的影响机制可表现为：“人才特区”政策出台→预期房价上升→购房需求增加→房价上涨。

(三)基于产业结构升级的传导机制

“人才特区”政策的出台将吸引大量专业领域人才流入城市，为改进地区原有产业布局与产业结构提供了人力资本与技术支持，从而推进产业结构升级，间接促进房价上涨。一方面，“人才特区”政策能够吸引具有专业知识与掌握尖端技术的人才流入城市，提升了地区整体的人力资本质量。高质量人力资本的投入将帮助城市破除技术壁垒，改进产业结构，完善产业布局，推动中低端产业向高端产业发展。各地区为充分发挥人才效用，在积极引进人才的同时，也将为人才发展提供充足的资金支持与相对自由的平台。人才利用效率的提升能够有效推动产业结构升级，促进经济发展。地区经济水平的提升也将持续强化城市对人才的吸引力，促使“人才特区”政策发挥出最大效用，进一步推动产业结构升级。另一方面，产业结构升级能够显著带动地区经济发展，推动房价上涨。产业结构的升级与转型将增加企业对商用房与厂房的需求，但由于房地产市场供给弹性较小，难以在短期内满足房地产需求的增长，导致房价上升。产业结构升级具体表现为产业结构由第二产业向第三产业过渡发展，这一过程需要充足的劳动力支撑。“人才特区”政策能够为地区吸引大量优质人力资本，满足产业结构升级过程中对劳动力的需要。为获取高质量劳动力，企业将提高薪资水平以吸引人才，收入上涨在一定程度上缓解了居民家庭的收支压力，降低了信贷约束，促进改善性住房需求与刚性住房需求增加，推动房价上涨。基于产业结构升级，“人才特区”政策对房价的影响机制表现为：“人才特区”政策出台→推动产业结构升级→房价上涨。

三、研究设计

(一)模型设定

由于各地级市“人才特区”政策出台的时间点不一致，为探究“人才特区”政策会对房价产生何种影响，本文运用多时点双重差分模型展开实证分析。与传统双重差分模型相比，多时点双重差分模型将单一政策时点推广至多期，能够有效解决政策实施时点存在前后差异的问题，使得估计结果更具一般性。将已出台“人才特区”政策的城市设置为实验组，未出台政策的城市设置为控制组，并选择双向固定效应展开实证分析，构建计量模型如下：

ln=+++++

(1)

=×

(2)

其中，表示城市，表示年份，ln表示房价的对数。表示组间虚拟变量，当城市为出台“人才特区”政策的城市时取值为1，为未出台“人才特区”政策的城市时取值为0。表示时间虚拟变量，在“人才特区”政策出台的当年及以后的年份取值为1，其余年份取值均为0。表示政策虚拟变量，为组间虚拟变量与时间虚拟变量的交乘项，若城市在年出台了“人才特区”政策，则年之前的取值为0，年及之后的年份取值为1。表示影响城市房价的其他控制变量，表示城市固定效应，表示年份固定效应，表示随机误差项。

(二)数据来源

本文选取2005—2019年全国284个地级市的面板数据进行实证分析。其中，房价数据主要来源于房地产门户网与CEIC数据库，其他控制变量来源于《中国城市统计年鉴》。由于个别地级市的年度数据存在缺失，为保证数据连续性，满足构建平衡面板分析的需要，采用插值法补齐缺失数据。实施“人才特区”政策的城市与政策出台时间主要依据官方文件或新闻报道整理得到，表1列示了部分实施“人才特区”政策的城市名单及政策出台时间。

表1 实施“人才特区”政策的城市

(三)变量选取

本文的被解释变量为房价，考虑“人才特区”政策带来的人才流入将导致住房需求增加，选取住宅商品房的平均销售价格度量房价()，核心解释变量为“人才特区”政策的虚拟变量()。为控制其他可能影响房价的因素，引入如下变量控制不同城市在经济发展、地区人口与城市建设等方面的差异，具体包括：(1)经济层面：收入水平，采用人均国内生产总值衡量()；政府支出规模，采用政府预算支出占国内生产总值的比重衡量()。(2)人口层面：人口增长，采用人口自然增长率衡量()。(3)城市建设层面：城市规模，采用城市区域土地面积衡量()；基础设施建设，采用互联网接入用户数衡量()。为减少异方差的影响，在实证过程中对房价、人均国内生产总值、城市区域土地面积与互联网接入用户数进行对数化处理。

各变量的具体含义与描述性统计如表2所示。房价(ln)的最大值为10.929，最小值为6.439，标准差为0.620，表明房价存在显著的区域异质性。“人才特区”政策虚拟变量()的平均值为0.096，表明在样本期间内已经出台“人才特区”政策的城市仍相对较少。从各控制变量的描述性统计结果来看，在经济层面上，人均国内生产总值(ln)的平均值为10.351，标准差为0.763，说明我国整体经济发展水平有了较为显著的提升，但地区经济发展不平衡的问题依然突出。在人口层面上，部分城市的人口自然增长率为负值，人口数量呈现减少趋势。在城市建设层面上，城市区域土地面积与互联网接入用户数的标准差分别为0.816和1.196，表明各地级市的城市规模与基础设施建设水平仍呈现显著差异。

表2 变量描述性统计结果

四、实证分析

(一)基准回归结果

基于多时点双重差分模型的回归结果如表3所示。列(1)为未加入控制变量的结果，列(2)、列(3)与列(4)为逐步加入经济层面、人口层面与城市建设层面控制变量的结果。无论是否控制与房价有关的其他因素，政策虚拟变量均显著为正，表明“人才特区”政策的出台将促进城市房价上涨。由列(4)的估计结果可知，与未出台“人才特区”政策的城市相比，已出台政策城市的房价将提高8.6%。“人才特区”政策能够有效吸引专业人才流入城市，一方面，人才的跨区流动将促进地区住房需求增加，直接推动房价上涨；另一方面，政府为强化城市对人才的吸引力，将加快完善人才发展配套设施，营造宜居环境，间接推动房价上涨。除城市区域土地面积外，各控制变量的系数均显著为正，表明收入水平提升、政府支出规模扩大、人口数量增长与城市基础设施完善均有助于推动房价上涨。城市区域建设面积对房价的影响系数显著为负，原因可能在于，城市建设面积的扩大将增加住房供给，导致房价下跌。

(二)异质性分析

1.区域异质性。鉴于我国各城市的地理位置与经济发展水平不同，为检验“人才特区”政策对房价的影响是否存在区域异质性，按照国家统计局的标准将地区划分为东、中、西三部分。其中东部地区多为沿海省市，地理位置优越，产业结构完善，对劳动力与企业的吸引力较中、西部地区更强，整体经济发展水平较高。而中、西部地区的经济基础相对薄弱，对人才的吸引力较弱，且中、西部地区的房价水平相差不大。因此，本文进一步将样本按其所在省市划分为东部与中西部地区，东部地区主要包括辽宁、河北、北京、天津、山东等11个省份的城市，其余省份的城市则列为中西部地区。

表3 基准回归结果

“人才特区”政策对房价影响的区域异质性如表4所示。“人才特区”政策对东部地区的房价存在显著的促进作用，但对中西部地区的影响并不显著。原因可能在于，第一，东部地区城市经济较为发达，整体房价水平高，房地产开发总量大，剩余可供开发的土地面积有限。“人才特区”政策的实施能够推动住房需求增长，但由于住房供给受限，城市房价将呈现上涨趋势。第二，东部地区与中西部地区的公共服务设施完善程度存在差异，较优的经济基础使得东部地区的公共服务水平较高，就业人员享有的医疗条件、养老保障与子女受教育质量等更胜一筹，增强了对人才的吸引力。因此，东部地区出台“人才特区”政策将吸引更多就业人口流入城市，促进房价上涨。第三，受地理位置与经济因素影响，中西部地区对人才的吸引力相对较弱。同时，中西部地区可供开发的土地面积较多，住房供给充足，人才流入带来的住房需求增长将被原有住房供给平抑，导致“人才特区”政策难以对中西部地区房价产生显著影响。

2.城市规模异质性。一般而言，城市规模越大，房价也相应越高。为探究“人才特区”政策对不同规模城市房价的影响，本文依据国家统计局划定的70个大中城市名单，将样本划分为大中城市与非大中城市，结果如表4所示。“人才特区”政策的出台将显著提高大中城市房价，原因可能在于，一方面，大中城市“人才特区”政策的优惠力度更大，能够为流入城市的专业人才提供更好的就业环境与发展平台，对人才具有更强的吸引力；另一方面，大中城市的教育水平更高，高等院校数量较多，高校毕业生在择业时更有可能留在就读城市或选择就业机会更多的其他大中城市。因此，大中城市出台“人才特区”政策将促使更多寻找就业机会或追求更优发展前景的人才流入城市，推动房价上涨。但对非大中城市而言，“人才特区”政策对房价并未产生显著影响。这可能是因为非大中城市的整体就业环境较差，难以满足专业人才未来发展的需要，对人才的吸引力相对较弱，流入非大中城市的人才较少，因此“人才特区”政策对房价的促进作用不显著。

表4 异质性分析

(三)稳健性检验

本文通过构建多时点双重差分模型探究“人才特区”政策对房价的影响，实证结果表明“人才特区”政策的出台会显著推动房价上涨。为进一步检验实证结果的可靠性，通过平行趋势检验、PSM-DID、反事实检验与安慰剂检验四种方式进行稳健性检验。

1.平行趋势检验。为确保多时点双重差分结果的有效性，首先需要对控制组与实验组进行平行趋势检验，即保证在“人才特区”政策出台之前，控制组与实验组的房价具有相同的变化趋势。与传统双重差分模型不同，由于政策实施时点存在差异，针对多时点双重差分模型进行平行趋势检验时需要对政策效应进行逐年分解。若平行趋势假设成立，则表明“人才特区”政策出台之前控制组与实验组不存在显著差异，房价变动发生在“人才特区”政策实施之后。借鉴Beck等(2010)的做法，通过事件研究法分析政策的经济效应在年度间的动态趋势变动。计算政策时点的前后期数时，采用当前年份减去各自政策的实施时点，得到政策实施的相对时间。

平行趋势检验的结果如图2所示，以“人才特区”政策出台的前一年为基准组，轴表示政策实施的相对时间，=0表示政策发生当期，左侧表示政策出台的前年，右侧表示政策出台的后年。由图2可知，与政策出台前1年相比，政策出台的前5年至前2年中，实验组与控制组的回归系数均围绕零值上下波动，且回归系数不具有统计意义上的显著性，表明实验组与控制组在“人才特区”政策出台前不存在明显差异，符合平行趋势假设。在“人才特区”政策出台之后，回归系数显著上升，表明“人才特区”政策能够有效推动房价上涨。

图2 平行趋势检验

2.PSM-DID。运用多时点双重差分模型进行实证分析时，通常需要选择实验组与控制组进行对比分析。理想状态下，该控制组除未出台“人才特区”政策以外，其他的城市特征均与已出台“人才特区”政策的城市相似。但从现实情况来看，已出台“人才特区”政策城市的经济发展水平和基础设施建设情况与未出台政策的城市相比存在差异。为从控制组城市中尽可能筛选出与实验组在影响房价的各项因素上相匹配的样本，减少由于非随机选择带来的样本选择偏误，采用倾向得分匹配(PSM)选择适宜的控制组。但PSM难以缓解遗漏变量导致的内生性，DID则能够通过双重差分较好地解决遗漏变量偏误。因此，本文结合PSM与DID检验前文结论的稳健性。与已出台“人才特区”政策的城市相比，未出台政策的城市数量较多，在进行倾向得分匹配时主要采用核匹配法进行估计，并以控制变量作为匹配变量展开分析。

倾向得分匹配是否有效取决于能否满足“有条件的独立性”，即经过匹配后的控制组与实验组在“人才特区”政策出台之前不存在显著差异。为保证匹配结果的有效性，本文进行了平衡性检验，样本匹配的标准化偏差图如图3所示。匹配后样本的标准化偏差值与匹配前相比均有所减小，且均小于10%，表明倾向得分匹配很好地平衡了已出台“人才特区”政策与未出台“人才特区”政策城市间可观测性特征的差异。此外，倾向得分匹配还需满足共同支撑假设，即保证控制组与实验组倾向得分的取值范围相同。图4进一步给出了PSM匹配结果的共同取值范围，其中控制组与实验组的矩形面积有较多重叠，表明绝大多数样本都在共同取值范围之内。倾向得分匹配仅剔除部分极端值，损失的样本较少，提高了匹配的整体效果。

图3 PSM的标准化偏差图

图4 PSM的共同取值范围

PSM-DID的回归结果如表5所示。“人才特区”政策虚拟变量的系数在1%的水平上显著为正，与未进行倾向得分匹配前的结果一致，表明“人才特区”政策的出台将显著推动房价上涨。各控制变量的系数大小和显著性与匹配前的估计结果相近，城市经济发展水平的提升、人口数量的增加与基础设施的完善均会显著提高房价，验证了前文结论的稳健性。

3.反事实检验。反事实检验的基本思想是人为构造政策发生的时点，改变原有政策的发生时间，进而观测“人才特区”政策对房价的冲击。若改变政策发生的时点后，“人才特区”政策的出台依然能显著推动城市房价的上涨，则表明房价的提升是由其他未观测到的变量引起的而非政策本身。由于各城市出台“人才特区”政策的时间点并不完全一致，主要集中在2010年至2013年这一时间段，最早出台“人才特区”政策的时间为2010年。因此，本文在进行反事实检验时将政策出台时点分别提前至2006年、2007年与2008年，将假定的时间点作为虚拟变量重新构建双重差分模型，分别进行回归分析。反事实检验的估计结果如表5所示，其中列(3)、列(4)、列(5)分别为假定2006年、2007年、2008年出台“人才特区”政策的回归结果。由表5可知，各年份政策虚拟变量的系数均不显著，且2007年的估计系数为负，进一步表明在反事实的政策时点下，实验组与对照组的房价不存在显著差异，平行趋势检验通过，证明了本文结论的稳健性。

4.安慰剂检验。由于房价的提高可能是由其他不可观测因素变动所导致的，而非受“人才特区”政策出台的影响。本文通过安慰剂检验判断实证结果是否稳健，分别从284个地级市中随机抽取个体作为实验组，同时随机选中样本期间内任意年份作为政策发生时点，并生成对应的“伪政策虚拟变量”。在模型(1)的基础上进行1000次回归，提取回归结果中的“伪政策虚拟变量”系数及相应的值，绘制如图5所示的核密度分布图。其中，轴表示“伪政策虚拟变量”的估计系数，轴表示密度值与值，曲线为估计系数的核密度分布，圆点为估计系数对应的值。由图5可知，核密度分布图基本以=0为轴呈对称分布，估计系数均位于0附近，且值大于01，表明随机样本的估计结果并不显著。虚线表示基准回归中实际政策虚拟变量的估计系数0086，显著偏离随机样本中的系数分布，表明随机样本的估计结果与真实值存在差异，“人才特区”政策能够显著推高房价，验证了本文结论的稳健性。

表5 PSM-DID与反事实检验

图5 核密度分布图

(四)影响机制检验

由前文可知，“人才特区”政策可能通过提高房价预期与促进产业结构升级推动房价上涨，本文构建中介效应模型，采用逐步回归法对上述影响机制进行检验。其中，对于房价预期，考虑购房者在“人才特区”政策出台时能够依据自身的实际状况对房价进行理性预期，借鉴况伟大(2010)采用下一期实际房价作为理性预期的代理变量。对于产业结构升级，借鉴干春晖等(2011)选取第三产业与第二产业的产值之比构建产业结构高级化指数加以衡量。据此，本文构建如下中介效应模型：

ln=+++

(3)

=+++

(4)

ln=++++

(5)

其中，因变量为房价ln，自变量为政策虚拟变量，为中介变量，包括房价预期(ln)和产业结构升级()，表示相应的控制变量。

中介效应模型的检验结果如表6所示，其中列(1)为式(3)的估计结果，列(2)至列(3)、列(4)至列(5)分别对应以房价预期或产业结构升级为中介变量时式(4)与式(5)的估计结果。当以房价预期为中介变量时，由列(2)可知，将政策虚拟变量与房价预期ln进行回归分析，在控制其他变量的情况下，系数在5%的水平下显著为正，表明“人才特区”政策的出台能够提高人们对未来房价的预期。将“人才特区”政策、房价预期与房价进行回归，结果显示“人才特区”政策的系数与房价预期的系数均显著为正，且较变小，表明在“‘人才特区’政策→房价预期→房价”这条路径上，房价预期发挥着部分中介效应。其中，中介效应在总效应中的占比为58.14%，表明“人才特区”政策能够通过提高房价预期促进房价上涨。从理性预期的角度来看，无论能否享受“人才特区”政策带来的优惠，购房者均能预见人才流入带来的住房需求增加，从而对房价产生看涨预期，激发当期购房需求，提升房价。

当以产业结构高级化为中介变量时，“人才特区”政策对产业结构升级的影响系数在1%的水平下显著为正，产业结构升级对房价的影响系数在5%的水平下显著为正，表明“人才特区”政策能够通过促进产业结构升级间接推高房价。其中，产业结构升级的中介效应为0.026，在总效应中的占比为30.23%。一方面，“人才特区”政策能够吸引相关领域的专业人才流入城市，为推动产业结构升级提供高质量人力资本，促进地区经济的发展与房价增长；另一方面，为充分发挥“人才特区”政策的作用，城市将持续优化产业布局，为人才发展创造有利环境，在促进产业结构升级的同时也推动了房价增长。由此可见，“人才特区”政策能够经由房价预期与产业结构升级两条路径间接作用于房价，促进房价上涨。

表6 “人才特区”政策对房价的影响机制检验

五、结论与建议

选取2005—2019年全国284个地级市的面板数据，运用多时点双重差分模型探究了“人才特区”政策对房价的影响，并结合中介效应模型检验了房价预期与产业结构升级两条路径。结论如下：第一，“人才特区”政策将显著推动房价上涨，与未出台政策的城市相比，已出台政策城市的房价将上涨8.6%，经稳健性检验后结论依然可靠。第二，“人才特区”政策能够通过提高房价预期与推动产业结构升级促进房价上涨，房价预期与产业结构升级的中介效应在总效应中的占比分别为58.14%与30.23%。第三，“人才特区”政策能够显著推动东部地区与大中城市房价上涨，但对中西部地区与非大中城市房价无显著影响。

建议：第一，理性制定“人才特区”政策。立足城市建设发展的实际需要，有针对性地吸引专业人才，避免人才过度集聚造成的人才浪费及房价非理性上涨。第二，丰富人才政策举措。高房价地区应着力减少人才留居成本而非降低流入门槛，在提升人才生活待遇方面进行有益探索，如提高薪资水平、提供生活补贴等。第三，完善住房保障体系。减少“人才特区”政策带来的房价上涨对低技能群体的“挤出效应”，从供给侧发力调控房价，保障住房刚需。第四，优化人才发展环境。提高公共服务水平，完善人才发展所需配套设施，充分发挥人才政策的积极作用。