中西部城鎮居民住房類型分化影響因素分析

謝霄亭，馬子紅

(1.云南民族大學 經濟學院，云南 昆明 650031；2.云南大學 經濟學院，云南 昆明 650091)

中西部城鎮居民住房類型分化影響因素分析

謝霄亭1，馬子紅2

(1.云南民族大學 經濟學院，云南 昆明 650031；2.云南大學 經濟學院，云南 昆明 650091)

分析了轉型背景下中西部城鎮居民住房類型分化及其影響因素,研究發現:家庭生命周期、戶籍、單位性質等變量顯著影響住房選擇.體現市場與制度(灰箱)因素對住房資源分配的雙重影響.并基于上述實證研究的結論提出相應的政策建議.

住房類型選擇；社會分化；logistic回歸模型；CGSS數據

作為中國經濟體制改革的一項重要內容，住房制度改革是指對傳統的福利分房制度進行徹底的變革，建立起符合自由市場經濟機制的住房體制，進而實現住房的商品化和社會化.1998年7月，國務院發布了《關于進一步深化城鎮住房制度改革加快住房建設的通知》，宣布從同年下半年開始全面停止住房實物分配，實行住房分配貨幣化，首次提出建立和完善以經濟適用住房為主的多層次城鎮住房供應體系.

主流經濟學關于住房選擇這一專題的研究主要使用的是經濟學方法，從理性人假說的角度出發，充分考慮到住房作為一種商品的獨特性(必需品、重要性、耐久性、空間固定性、不可分割性等特征)，因而認為住房需求(住房選擇)受到家庭組成(年齡、生命周期等人口學特征以及收入等經濟學特征)、通勤成本和住房消費三大因素的綜合影響，對住房的選擇不是簡單的消費決策，同時也是一項重要的投資決策，因為對于典型的住房擁有者而言，住房是資產組合中的一個重要部分.

區域和空間科學從實證研究的角度出發，把家庭結構、職位的變動看作是影響住房消費(選擇)的較為重要的解釋變量[4].

隨著可供分析的數據庫數量的增多和質量的顯著改善，尤其是Longitudinal數據的普及，分析房屋產權轉換主要影響因素和房屋產權轉換社會空間差異的研究顯著增加[5-12].

數據來源于中國人民大學中國調查與數據中心提供的《中國綜合社會調查(CGSS2008)》中西部城鎮部分的調查數據，該項調查通過多階分層抽樣方法，被調查對象涵蓋了除香港、澳門、臺灣和西藏外的88個城鎮.在這里之所以選擇中西部地區的城鎮作為研究對象，一方面是因為東部沿海地區(尤其是長三角和珠三角地區)由于經濟相對發達，經濟主體(消費者)住房的選擇受收入水平等經濟因素(家庭收入)的影響更為顯著；另一方面是因為歷史和世俗觀念等方面的原因，相對于東部沿海發達地區而言，中西部欠發達地區存在著較深的階層和等級觀念(主要體現在戶籍、單位性質和職業的差異)，這一特征為文章的深入分析提供了較好的素材.而本文的目的正是試圖發現影響經濟主體(消費者)住房選擇的經濟和社會因素(尤其是后者)，并進而提出相應的政策建議.

本文從中國中西部城鎮居民獲取住房類型分化的影響因素入手，分析當前存在的居民獲取不同類型的住房的機會和途徑的差異，并探索這種現象的影響因素，從住房選擇的角度描述當前社會的住房不平等和不容忽視的社會分化現象，并基于上述分析，提出相應的政策建議.

1 數據來源和描述統計分析

1.1 數據來源

根據《中國綜合社會調查(CGSS2008)》數據，此次調查的調查量為 6 000 個樣本，其中農村部分和城鎮部分分別為 2 018 個和 3 982 個，因為本研究的研究對象為中西部城鎮居民，剔除了農村和東部地區城鎮數據，只采用中西部城鎮部分的數據進行相關實證分析.針對樣本的選取年齡介于18歲與69歲之間.調查樣本分布情況見表1：

從表1可看出，在剔除了農村和東部地區城鎮數據之后，總樣本的數量變為 2 119 個，尤其是部分省份只有一個城鎮被抽樣(如云南和甘肅)，如果只是簡單地把這些城鎮按照某個特征進行歸并，則一些城鎮的樣本量相對較大，代表性較強；另一些城鎮則相反.為此，本研究把樣本城鎮按照等級歸為2類：省會城市和非省會城市.

表1 城鎮部分調查問卷區域分布

注：b5(該編碼為中國人民大學中國調查與數據中心主持之《中國綜合社會調查(CGSS)》項目所設計問卷中的問題編碼).

1.2 描述統計分析

我國的城鎮住房基本上可以分為4類：單位房、政府房、商品房和安置房.下面分別簡要描述之：單位房的構成最為復雜，第1類單位房是房改房，依職位高低和工齡長短為標準分配(低價銷售)給國有企業和事業單位的工作人員；第2類單位房是過渡房，由國有企業和事業單位管理部門提供(低價租賃)給年輕工作人員；政府房主要以租賃的形式存在，廉租房按照國家和地方政府確定的標準租賃給低收入居民，還有一種是經濟適用房，根據居民自愿申請原則，按照國家和地方政府確定的標準出售給中低收入家庭；商品房是指可以由居民自由決定購買的，由市場價格確定需求量的房屋，分配決定方式為租賃或者購買；安置房是拆遷的產物，分配決定方式為租賃或者購買.

然而，CGSS2008調查針對被調查者的住房類型的分類并非使用上述分類方法，而是用一個定序變量.把住房類型用量表的方式表示出來(表2)，從表2可看出，和計劃經濟時代相比，住房制度改革確實在一定程度上建立起了符合市場經濟機制的住房體制，實現了住房的商品化和社會化.已購房(全部產權)、已購房(部分/有限/居住產權)和自有私房(繼承)這3種擁有住房的類型占到了9種擁有住房類型的七成以上.

因為這套分類方法存在著難以和單位房、政府房、商品房和安置房這一套城鎮住房分類標準有效吻合的問題.故本研究使用統計軟件針對數據庫提供的住房產權定序變量(b5)進行變換(在Stata軟件中，合并轉換一般用Recode命令完成)生成新的二值變量(b5_new)來調查樣本在購買和租賃住房之間存在的差異：在 2 119 個調查樣本中，73.05%的調查樣本選擇了購房，另外的調查樣本選擇了租房.通過新生成的二值變量進行經濟計量分析.

表2 城鎮部分調查問卷擁有住房類型分布

從表3可以看到，已婚家庭的自有住房比率為78.41%，年平均收入2～3萬的家庭也有比較高的自有住房比率.原因可以歸結為：政府政策為中低收入家庭提高了擁有自有住宅的能力；表3的數據在某種程度上較為客觀地反映了中西部城鎮居民的收入主要分布區間，相對與沿海發達地區而言，中西部地區的住房價格較低，居民承受能力相對較強.

有城鎮常住戶口的居民住房自有率較高(82.1%)，客觀地反映了戶籍因素對住房選擇的影響.省會城市和非省會城市的居民住房自有率有一定差距，總的可以看出以下特點：越發達的地區居民住房自有率相對較低.這其中的原因似乎可以用大城市相對較高的住宅類房地產價格來解釋.

所屬單位性質也是導致住房自有率存在顯著差異(事業單位工作人員和其他行業工作人員之間存在著將近23個百分點的差異)的主要因素之一，而這一因素正是本文即將展開進行深入分析的核心部分.

如果不考慮人口學特征(家庭特征)因素、組織特征因素和區域因素，已購商品房的比重為48.75%(見表2)，遠高于21世紀初的水平，大體反映出了以下趨勢：隨著中國住房制度改革的推進和深化，城鎮居民購買具有完全產權的商品房的比重逐步增加，并且明顯成為住房自有率提高的最主要原因之一.

2 分析框架和分析方法

本研究試圖構建住房產權分化模型和住房類型分化模型，建立二值Logistic模型和多值Logistic模型，建立Logistic模型最重要的是正確設立模型，設立模型有2層意思：一方面是正確選擇模型變量，另一方面是正確設定模型的函數形式.

在選擇模型的自變量之前，必須先設定被解釋變量的類型，這里筆者使用應用于案例水平上的二分被解釋變量，也就是每一個案例的被解釋變量中用編碼1代表事件發生、用編碼0代表事件未發生，在本分析中筆者用編碼1代表購房、用編碼0代表租房；另外，針對多分(類)被解釋變量，筆者構建了住房類型被解釋變量，在本分析中，筆者用1代表自有私房(繼承與自建)、2代表租住公房、3代表租住私房、4代表租住單位房、5代表已購房(部分/有限/居住產權)6代表已購商品房.

在給定了被解釋變量的形式之后，模型的構建需要一系列自變量.模型應該納入所有的在理論上可以接受的自變量，在構建模型階段，我們需要做的是識別可以很好地預測反應變量的候選自變量，并將它們全部納入模型.

表3 變量設置和基本統計分析

注：基于該表的6個交互表(Crosstab)結果的卡方值在0.05的顯著性水平上均顯著.

然而，從統計顯著性的角度來看，選擇自變量的工作通常從檢查每個自變量與被解釋變量之間的二元關系著手，對于連續變量，通常通過擬合單變量Logistic回歸模型來取得變量的顯著性檢驗，對于名義變量或者次序變量，則對每個變量按其m個水平與結果進行二維交戶表分析(自由度為m-1的似然比x2檢驗).如果一個自變量在其簡單關系的檢驗中有p<0.25的情況，就應該考慮與其他的重要自變量一起作為多元模型的候選變量.王濟川[13]指出：使用較常規的顯著性水平常常可能導致遺漏重要的自變量.

在剔除了農村和東部地區城鎮數據之后，總樣本的數量變為2119個，尤其是部分省份只有一個城鎮被抽樣(如云南和甘肅)，如果只是簡單地把這些城鎮按照某個特征進行歸并，則一些城鎮的樣本量相對較大，代表性較強；另一些城鎮則相反.為此，本研究把樣本城鎮按照等級歸為省會城市和非省會城市,除了分析總模型之外，還分析2個區域模型.但是這種針對2個區域子模型的分析，只適用于二值因變量分析.針對住房類型分化模型的多值因變量分析，僅限于總模型分析.

筆者分析的第1個模型為Binary Logistic Model，二分因變量取值為：租賃=0、自有=1.模型結構見式(1)：

(1)

式中：p表示發生的概率，xi表示家庭基本特征變量，xk表示組織變量，αj表示常量，βi和βk為偏回歸系數j為各類因變量.

在本研究中，則可把該經濟計量模型寫為如下形式：

Di=β0+β1Agei+β2×Marriagei+β3×Incomei+

β4×Educationi+β5×Hukoui+β6×Ccpi+

β7×Corpi+εi.

(2)

在上式中Age為年齡解釋變量，Marriage為婚姻解釋變量，Education為教育水平解釋變量，Hukou為戶口類型解釋變量，Ccp為政治面貌解釋變量，Corp為單位性質解釋變量.除了Age變量連續性數值變量外，其他變量均為二值或多值定序變量.被解釋變量為住房類型(租賃或者購買).

該模型體系包含了總模型和2個區域模型(省會城市和非省會城市模型)，2個區域模型的具體形式與上式一致，只是所用樣本和總模型相比有所不同，即使用總模型樣本的子樣本進行Binary Logistic Model分析.

第2個模型為Multi-nominal Logistic Model，多分(元)因變量取值為住房類型.模型結構見式2：

式中，j為各類因變量，J為參照變量，p代表選擇j類住房的概率，等式右邊第1個求和算子代表家庭基本特征變量，第2個求和算子代表組織變量.

可把該經濟計量模型寫為如下形式[14]：

β3×Incomei+β4×Educationi+β5×Hukoui+

β6×Ccpi+β7×Corpi+εi.

(4)

在上式中Age為年齡解釋變量，Marriage為婚姻解釋變量，Education為教育水平解釋變量，Hukou為戶口類型解釋變量，Ccp為政治面貌解釋變量(黨員或者非黨員)，Corp為單位性質解釋變量.除了Age變量連續性數值變量外，其他變量均為二值或多值定序變量.被解釋變量為住房類型(多值定序變量).

3 分析結果

3.1 住房產權分化模型

針對3個模型的統計分析結果顯示(見表4)，-2 Log Likelihood分別為1291.98、430.01、850.30，而卡方值分別為223.34、74.43、159.36，模型均在p=0.000上顯著.應該說模型的擬合效果很好，能夠客觀良好地反映住房產權分化的比較顯著的影響因素.家庭基本特征變量中的年齡、婚姻狀況和組織變量中的戶口類型、所在單位性質的影響均非常顯著.

年齡增長1歲，購買住房的概率增加了1.03%～1.04%左右，婚姻狀況的差異也是影響住房產權選擇的重要變量(顯著變量)，已婚家庭購買住房的概率是其他家庭的2.53～3.15倍，從這2個變量的顯著性表現來看，中國似乎已經表現出和西方發達市場經濟國家相類似的規律：市場機制在住房資源分配中的作用越來越強.根據這樣的邏輯，家庭收入變量也應該成為本模型的顯著性變量.然而，在筆者的分析中，3個模型中的家庭收入變量均不顯著，這應該是因為樣本選擇造成的(刪去了重慶的中西部城鎮樣本)，相對而言，中西部地區收入水平較低，且房價較低，故家庭收入變量不顯著.

3.2 住房類型分化模型

多元Logistic模型分析結果見表5.

模型總卡方值為550.69，并在p=0.00上顯著.家庭基本特征變量中的年齡、婚姻、收入和受教育水平變量；組織變量中的戶口類型和所在單位性質變量亦顯著.

表4 住房產權選擇的二元Logistic回歸模型

表5 住房類型分化的多元Logistic回歸模型

在我們的分析中，家庭基本特征變量包括了年齡、婚姻、收入和受教育水平變量.從表5可以看到：年齡越大，租住私房或者租住公房的概率越低；然而，購房的大概率卻并不顯著，這是因為樣本均為中西部地區的城鎮居民，相對于東部沿海地區的城鎮居民而言，中西部地區樣本收入水平較低，盡管住房價格也相對較低，但仍然面對著較高的收入房價比，故隨著年齡的增長，購買住房的能力并未顯著增強.

婚姻狀況變量影響顯著，已婚者租住私房或者租住公房的概率越低.收入水平越高，購買商品房的概率相對較高，人均收入在2～4萬的受訪者購買住房的概率較高.

受教育水平變量的影響顯著，受教育水平越高，租住單位房、購買部分產權房和購買商品房的概率越高.一方面，較低的受教育水平的受訪者在機關事業單位和國有企業工作的概率較小，而這些類型的工作單位提供房改房的概率遠遠地高于其他類型的工作單位；另一方面，較高的受教育水平導致收入水平提高，進而提高了受訪者購買商品房的概率.

在組織變量中，戶口類型因素的影響顯著，農村戶口居民購買有限產權住房和購買完全產權住房的概率分別比城鎮戶口居民低3.33倍和1.52倍，這種現象從一定程度上說明了城鎮戶口受訪者具有較強的優勢.一方面收入水平較高，具有較強的購買商品房的能力；另一方面在住房的保障上也享受到了地方政府的政策福利，享受政府房的概率較高(廉租房、經濟適用房等).

在這里特別需要指出的是，藍印戶口作為地方政府針對本區域吸引投資、購買商品住宅的一種戶籍改革的重要手段，作用有限.表5顯示藍印戶口受訪者購買有限產權住房和購買完全產權住房的概率分別比城鎮常住戶口受訪者低1.96倍和2.06倍.

組織變量中的所在單位性質變量顯著，黨政機關(事業單位)受訪者購買有限產權住房和購買完全產權住房的概率分別比其他類型工作單位受訪者高1.63倍和0.64倍.

[1] 埃德溫·S·米爾斯.區域和城市經濟學手冊(第2卷)[M].北京:經濟科學出版社,2003:211-232.

[2] HENDERSON J,IOANNIDES Y.Dynamic aspects of consumer decisions in housing markets[J].Journal of Urban Economics,1989,26:212-230.

[3] WANG Y.Housing reform and its impacts on the urban poor in China[J].Housing Studies,2000,15(6):845-864.

[4] WANG Y,ALAN M.Social and spatial implications of housing reform in China[J].International Journal of Urban and regional Research,2000,24(2):397-416.

[5] LI S.Housing tenure and residential mobility in urban China:A multilevel analysis[J].Housing Studies,2003,38(4):510-534.

[6] HENRETTA J.Family transitions,housing market context and first home purchase by young married households[J].Social Forces,1987,66(2):520-536.

[7] 吳啟焰，任東明，楊萌凱，等.城市居住空間分異的理論基礎和研究層次[J].人文地理,2000,15(3):1-5.

[8] 吳啟焰，陳輝，BELINDA W，等.城市空間形態的最低成本-周期擴張規律-以昆明為例[J].地理研究,2012,31(3):484-494.

[9] 劉望保，閆小培.轉型期廣州市居住遷移影響因素與戶籍之間的比較[J].地理研究,2007,26(5):1055-1065.

[10] 馮健，周一星.郊區化過程中北京城市內部遷居及相關空間行為：基于千份問卷調查分析[J].地理研究,2004,23(2):227-242.

[11] 孟斌.北京城市居民職住分離的空間組織特征[J].地理學報,2009,64(12):1457-1466.

[12] 劉望保，閆小培，曹小曙，等.轉型期中國城鎮居民住房類型分化及其影響因素：基于CGSS(2005)的分析[J].地理學報,2010,65(8):949-960.

[13] 王濟川，郭志剛.Logistic回歸模型-方法與應用[M].北京:高等教育出版社,2001:152-153.

[14] BOROOAH V.Logit and probit:Ordered and multinomial models[M].SAGE Publications,Inc.2002,46-47.

(責任編輯 梁志茂)

Studies on housing-type variation and its influencing factors in mid-western urban China

XIE Xiao-tin1,MA Zi-hong2

(1.School of Economics,Yunnan Minzu University,Kunming 650050,China;2.School of Economics,Yunnan University,Kunming 650091,China)

Using China′s General Social Survey(CGSS 2008)(urban part), this paper analyzes the housing-type variation and its influencing factors in mid-western urban China. The findings demonstrate that the household life-cycle, household registration and types of occupation have significant impacts on their horsing choice, which manifests the dual significant effects on housing distribution system from institutional and market forces. Based on the above empirical study, the paper brings up some corresponding policies.

housing-type choice;social division;logistic regression model;CGSS data

2014-06-23.

云南省哲學社會科學基金(YB2014030).

謝霄亭(1972-)，男，博士，講師.主要研究方向：產業發展與經濟政策.

馬子紅(1976-)，男，博士，副教授.主要研究方向：產業發展與經濟政策.

F129.9

A

1672-8513(2015)01-0085-06