综述：通过再分配解决住房供给与减排矛盾：一种基于登记数据估算住房使用状况的新型开放数据方法

《Frontiers in Sustainable Cities》：Solving housing provision and reducing emissions by redistribution: a novel open-data approach for estimating housing usage with register-data

　　

建筑行业脱碳进程长期滞后，使得新建住房与减排目标形成直接冲突。在不新增建设的前提下保障充足住房供给的可行路径之一是提升现有住房存量的利用效率，具体可通过再分配并盘活低使用率住房实现。瑞典语境下此类未充分利用的存量规模可观：15%–17%的住宅缺乏常住居民，若将其转化为有效供给，可覆盖未来10年预估建设需求的80%–94%；叠加积极的乡村活力振兴政策，该潜力可翻倍。本研究提出一种基于会计核算法的新方法，用于估算一国范围内低使用率住房的占比、地理分布、权属类型及建筑类型。该方法优势在于适配多元数据环境，且可扩展纳入更多低使用率住房特征变量，不仅能够支撑本文所述类型的估算工作，还可实现跨经济体结果可比性，便于后续研究与其他估算方法开展交叉验证。

1 Introduction

全球建成环境贡献了约32%的能源消费与34%的碳排放，其中住房存量蕴含大量隐含碳排放，是亟需高效利用的关键资源。瑞典作为本研究案例，其住房短缺问题被学界、政界与市场参与者广泛讨论，瑞典国家住房、建设与规划委员会（Boverket）预估未来10年需新建50万套住房以缓解危机。但住房研究学者指出，短缺本质并非总量不足，而是可负担租赁住房供给缺失与家庭支付能力不足。近期计量经济学证据亦表明，供给约束并非房价上涨的核心驱动因素。与此同时，建筑行业脱碳进展缓慢，新建住房的高排放属性与供给扩张需求形成显著目标冲突。Dorling的经典研究提出，住房短缺与居住条件恶化的根源并非物理住房总量不足，而是住房不平等——部分家庭持有远超需求的卧室，而其他家庭则面临住房匮乏。这一论断为通过再分配实现住房供给保障与减排提供了理论基础，但相关研究普遍受限于高质量微观数据的可得性。既有关于低使用率住房的研究多采用市政层面的税收登记数据或局部样本，存在覆盖范围不全、方法适配性弱等问题。本研究提出的基于开放数据的会计核算法，可在多元数据环境下估算低使用率住房的规模与空间分布，为评估再分配或充足性政策的可行性提供支撑，同时为跨区域、跨国别的大尺度建模提供高质量的全国层面住房使用率估算基础。

2 The housing crisis and low use housing

Ryan-Collins等人的研究指出，房价上涨与住房供给受限关联较弱，更多由抵押贷款信贷可得性驱动，属于信贷驱动的资产价格通胀。瑞典1970–2023年的房价收入比与房价租金比同步上升，且租金随收入变动而非相对上涨，这与“供给短缺导致房价上涨”的传统认知不符。若将住房市场视为信贷扩张的产物，则需解释物理住房的实际去向——低使用率住房（定义为无常住居民的住宅）是重要的潜在去向。北欧语境下的低使用率住房包含休闲度假的第二居所（多为独户住宅）、城市通勤公寓等类型；Atkinson进一步指出，城市空置公寓可能是国际资本配置的高价值投资载体，与中国“鬼城”现象逻辑一致，也呼应了Dorling关于经济不平等引致住房分配失衡的观点。此外，低使用率住房还包括完全闲置的租赁住房、未售出的新建合作公寓（condominiums）及废弃住房，这类存量多与特定区位的需求不足、房价租金水平过高相关。若房价由抵押贷款信贷可得性驱动，拥有信贷资源的家庭倾向于投资房产，进而导致住房所有权分配不均，最终形成“有房无人住、有人无房住”的供需错配。本研究将通过低使用率住房估算方法验证“住房分配不均而非物理总量不足导致供给短缺”这一假说。

3 Data and empirical strategy

3.1 Open building stock and household data

本研究的核心估算逻辑基于登记数据中“家庭”的定义——共享同一住宅的群体。若在同一地理聚合层面同时拥有住房存量（按住宅统计）与家庭数量数据，二者差值即为该单元内无登记居民的住宅数量，基础公式为L_Hy,s= D_y,s? H_y,s，其中L_Hy,s为y时期s空间单元的低使用率住房数量，D_y,s为住宅总数，H_y,s为家庭总数。但需注意，瑞典、挪威、丹麦等国的住房登记体系通常将无常住居民的独户住宅排除在常规住房数据外，直接套用基础公式会低估70%左右的存量，因此需引入修正项纳入低使用率独户住宅（SF_y,s），修正后公式为L_Hy,s= D_y,s? H_y,s+ SF_y,s。

在次国家层面估算时，家庭登记数据可能存在测量误差：若无法将个体匹配到具体住宅，则无法将其归为家庭单元，这类无明确权属登记的个体若被计入家庭会低估低使用率住房数量，若不计入则会高估。因此需引入校正因子，将个体转换为家庭单位，并按权属类型拆分，公式为L_Hy,s,t= D_y,s,t? H_y,s,t? α_y,s,tγ_y,s,tI_y,s，其中t为权属类型，I_y,s为无登记权属的个体数，γ_y,s,t为个体转家庭的转换系数，α_y,s,t为无登记权属个体在权属类型间的分配系数。γ的合理取值范围为1（上限，将所有个体视为独立家庭）至平均家庭规模的倒数（下限），最优取值为对应时空与权属类型的实证平均家庭规模；α的最优取值为对应时空与权属类型的家庭权属分布，若无相关数据可采用住房权属分布近似，但需注意内生性偏差。该公式具备较强的跨数据环境适配性：若存在多类低使用率住房专项登记，可调整SF项；若缺乏家庭登记数据，可依赖个体数据与转换系数估算；若缺乏高质量转换系数，可采用上下限进行敏感性分析。

3.2 The Swedish case

本研究以瑞典为案例应用上述方法，所用数据均来自瑞典统计局（SCB）的公开登记数据库，包括住房登记（含各市镇、权属类型、建筑类型的住宅数量，1990–2024年）、家庭登记（含各市镇、权属类型、建筑类型的家庭数量，2012–2024年）与第二居所登记（含各市镇用作第二居所的独户住宅数量，1998–2024年）。α_y,s,t采用实证家庭权属分布估算，γ_y,s,t采用家庭登记中分市镇、权属类型、年份的实证家庭规模数据，敏感性分析取γ=1为下限、γ=1/α为上限。数据整合流程为：首先合并市镇层面的住房登记数据，计算多户住宅分权属、分建筑类型的住宅与家庭差值，校正缺失家庭数据后与独户住宅登记数据合并，最终得到市镇层面的低使用率住房估算结果。

3.3 Interpretation and limitations

本估算方法的核心局限源于登记数据本身的特性：估算结果仅反映无登记常住居民的住宅数量，其实际用途可能包括休闲度假、通勤暂住、金融投资等，不包含有常住居民但未充分使用的“住房拥挤”情况，需结合两类指标才能全面评估住房未充分利用程度。此外，个体可能存在地址登记不实的情况：瑞典自2018年起将虚假地址登记纳入处罚范围（最高2年监禁），预期数据质量随时间提升，但临时居住可豁免地址变更申报，可能导致学生公寓等特殊住房的登记误差。COVID-19疫情期间出现的临时性人口流动也会影响估算稳定性。住房登记数据本身也存在覆盖偏差，部分多户住宅未被纳入登记体系，但可通过α与γ系数进行校正。总体而言，若采用住房权属与规模作为代理变量可能引致内生性偏差，若关注特殊住房的影响可选择2013年后的数据进行估算（2012年特殊住房未单独申报）。

4 Results

2013–2024年瑞典低使用率住房总量的估算显示，期初规模为85万套，期末为92万套，占住房总存量的比例从16.4%微降至15.7%，变化均在误差范围内。2018年地址登记新规实施后，占比呈现不显著的下降趋势，估算区间也随时间收窄，印证了登记质量的提升。

分权属类型的估算结果显示，独户住宅占总低使用率住房的2/3，剩余1/3由租赁住房、合作公寓与特殊住房大致均分。从各权属类型的低使用率占比来看，特殊住房占比最高，印证了其登记规范性较弱的假设；独户住宅占比约20%；租赁住房与合作公寓占比在7%–10%区间波动。2024年的权属结构为：独户住宅68%、租赁住房12%、特殊住房10%、合作公寓8%、其他1%。

将低使用率住房规模与瑞典国家住房、建设与规划委员会发布的2025–2034年新建住房需求预测对比，不同空间聚合层面的覆盖潜力差异显著：全国层面，低使用率住房可覆盖173%–199%的建设需求；劳动力市场区域（功能经济区划）层面，覆盖率为80.0%–93.9%；市镇（行政区划）层面，覆盖率仅为63.3%–74.8%。这种空间错配反映了预期需求分布与低使用率住房实际分布的偏离。可视化结果显示，扣除低使用率住房后，多数劳动力市场区域的2025–2034年建设需求降为零，仅斯德哥尔摩、马尔默、哥德堡三大都市区仍有需求，且这些区域的需求可降低80%–85%。

5 Discussion and policy

本研究表明，低使用率住房数据可为平衡住房供给保障与减排目标提供支撑，属于住房领域的充足性政策路径。但需验证低使用率住房替代新建住房的可行性：多数低使用率住房为登记为“休闲住宅”的独户住宅，传统上被视为标准较低、区位偏远，但已有大量案例显示这类住宅可被转化为永久居所，所需改造强度较低，即便需要翻新，其碳排放仍远低于新建住房。多户住宅的建筑标准更高，但瑞典多户住宅多建于1960年代末至1970年代初，普遍需要大规模翻新，低使用率存量中可能过度代表需大修的公寓，而翻新的碳排放远低于新建，这是未来研究需填补的缺口。

空间错配是另一核心限制：全国层面低使用率住房可覆盖17–20年的线性建设需求，但市镇层面的覆盖率不足75%，劳动力市场区域层面可达80%–94%。需注意的是，次国家级人口预测不确定性较高，瑞典移民与出生率下降已导致建设需求预测持续下调，且家庭定居模式可通过政策干预改变，低使用率住房可作为区域发展规划的物理资本载体。未来研究还需评估提升住房存量利用率的系统性影响，包括翻新劳动力替代、居住能耗变化、基础设施投资需求等，本研究提供的数据基础可支撑这类综合分析，同时也需开展跨数据环境的估算方法验证，例如通过市政层面的水电气消费微观数据进行校准。

5.1 Policy alternatives

提升低使用率住房利用率的政策工具已被广泛研究：法国1999年开征的空置税显著降低了低使用率住房占比，土地与财产税也被证明可有效激励业主释放闲置房源。但这类政策面临政治阻力：瑞典2006年废除财产税曾助力右翼政党胜选，而第二居所兼具文化与情感属性，进一步增加了政策推行难度。针对多户住宅的低使用率问题，可采取公寓层面的空置税、要求合作公寓业主自住、强制租赁合约与地址登记绑定等措施。相反，放松租赁市场监管未必能提升利用率，因为高租金往往对应高需求，会自然压低低使用率占比；基于住房金融化理论，收紧抵押贷款信贷与私人租赁监管反而可能通过抑制房价与住房财富不平等降低低使用率占比。此外，乡村活力振兴政策若在建设拆除禁令框架下实施，可进一步激活非大都市区的低使用率住房潜力。总体而言，政策核心是推动住房属性从投资品向基本权利与有限资源的转变，组合运用空置税、土地价值税、直接监管、建设拆除禁令等工具，可实现不新增建设的住房供给扩张与减排目标。

6 Conclusion

本研究提出了一种灵活、开放的低使用率住房估算方法，并在瑞典案例中验证了其在评估住房供给潜力中的应用价值，为住房领域的充足性或去增长政策提供了可操作的工具，也为后续研究将住房使用率纳入模型分析提供了数据基础，尤其可用于校正人均建筑面积、住房能效等易被低使用率住房遗漏的统计指标。但该方法尚未经过外部验证，需后续研究进一步完善。研究结果同时揭示了住房供给议题背后的价值冲突：低使用率住房为持有家庭提供了休闲便利与通勤支持，但这与住房供给保障、建筑脱碳目标形成不可兼得的三角矛盾。政策制定者可通过空置税、土地价值税、直接监管等工具提升住房存量利用率，搭配建设拆除禁令与住房可及性政策，有望在实现可持续住房目标的同时避免不必要的新建排放。