基于支持向量机的住房保障政策效果分类研究.pdfVIP

基于支持向量机的住房保障政策效果分类研究1

基于支持向量机的住房保障政策效果分类研究

摘要

本研究旨在构建一个基于支持向量机(SVM)的住房保障政策效果分类评估模型，

通过对多维度政策数据的系统分析，实现住房保障政策实施效果的精准分类与评估。研

究采用混合研究方法，结合定量数据分析与定性政策解读，构建了包含政策投入、执行

过程、产出效果等维度的评估指标体系。通过对全国31个省会城市年住房

保障政策实施数据的实证分析，验证了SVM模型在政策效果分类中的优越性，准确率

达到92.3%。研究结果表明，不同类型住房保障政策的效果存在显著差异，经济适用房

政策效果最优，公租房政策次之，限价房政策效果相对较弱。本研究为住房保障政策的

优化调整提供了科学依据，对完善我国住房保障体系具有重要理论与实践意义。

关键词：支持向量机；住房保障；政策评估；分类研究；机器学习

1.引言

1.1研究背景与意义

住房问题是重要的民生问题，关系到社会稳定和经济发展。随着我国城镇化进程的

加速，住房保障政策在解决中低收入群体住房困难方面发挥着越来越重要的作用。根据

国家统计局数据，截至2022年底，全国累计建设各类保障性住房和棚改安置住房超过

5000万套，帮助2亿多困难群众改善了住房条件。然而，不同地区、不同类型的住房

保障政策实施效果存在显著差异，如何科学评估政策效果成为亟待解决的问题。

传统的政策评估方法多依赖定性分析和简单统计，难以处理多维度、非线性的政策

数据。支持向量机作为一种有效的机器学习方法，在分类问题中表现出色，特别适合处

理政策效果分类这种复杂问题。本研究将SVM方法引入住房保障政策效果评估领域，

有望提高评估的科学性和准确性。

1.2国内外研究现状

国外关于住房保障政策评估的研究起步较早，形成了较为成熟的理论体系。美国学

者O’Sullivan(2019)提出了住房政策评估的”投入过程产出影响”四维框架；欧盟委员会

(2020)开发了住房政策效果评估指标体系，包含可负担性、充足性、可持续性等12个

核心指标。在方法上，国外研究多采用计量经济学模型和复杂系统仿真方法。

国内相关研究主要集中在政策梳理和效果分析两个方面。王某某(2021)对我国住

房保障政策演变进行了系统梳理；李某某(2022)利用DEA方法对各地住房保障效率

进行了评价。但现有研究存在以下不足：一是评估指标体系不够完善；二是方法较为传

统，难以处理复杂非线性关系；三是缺乏对政策效果类型的深入分类研究。

基于支持向量机的住房保障政策效果分类研究2

1.3研究内容与方法

本研究主要包括以下内容：(1)构建住房保障政策效果评估指标体系；(2)收集整理

全国主要城市住房保障政策实施数据；(3)建立基于SVM的政策效果分类模型；(4)实

证分析不同类型政策的效果差异；(5)提出政策优化建议。

研究方法包括：(1)文献分析法：梳理国内外相关研究成果；(2)专家咨询法：确定

评估指标及权重；(3)数据挖掘技术：处理大规模政策数据；(4)机器学习方法：构建

SVM分类模型；(5)案例分析法：深入剖析典型城市政策实践。

2.住房保障政策现状分析

2.1政策体系演变

我国住房保障政策体系经历了从单一到多元、从粗放到精细的发展过程。1998年

住房制度改革后，逐步形成了以经济适用房、廉租房、公租房、限价房等为主要类型的

政策体系。2010年《关于加快发展公共租赁住房的指导意见》出台后，公租房成为保

障性住房主体。2014年《关于推进棚户区改造工作的意见》将棚改纳入住房保障体系。

2021年《关于加快发展保障性租赁住房的意见》提出构建以公租房、保障性租赁住房

和共有产权住房为主体的住房保障体系。

政策目标也从最初的”居者有其屋”逐步转向”住有所居”和”住有宜居”。保障对象范

围不断扩大，从最初的最低收入家庭扩展到中低收入群体、新市民、青年人等。保障方

式更加多元，从单一的实物配租发展为实物保障与货币补贴相结合。

2.2实施效果总体评价

从全国范围看，住房保障政策取得了显著成效。住房和城乡建设部数据显示，2022

年全国保障性住房建设完成投资1.8万亿