房價與結婚率的關系研究

林 娟，韋家民，周利星

（1.廣東行政職業學院 電子信息學院，廣州 510800；2.太平洋財產保險公司華南營運中心，廣州 510800；3.廣東行政職業學院 財經商貿學院，廣州 510800）

0 引言

據《中國區域經濟統計年鑒》顯示，我國初婚率從2013 年1.74%的高峰逐年下跌至2017 年的1.38%，下跌幅度較大。同時，房價快速上漲，在我國住房幾乎是結婚的必需品，想要結婚的年輕人購房的財務壓力極大，這導致很多人不斷推遲結婚時間乃至不敢結婚。高企的房價很可能是我國結婚率下降的一個重要原因。更重要的是，當前我國面臨著人口出生率下降的嚴峻形勢，而結婚率下降可能更進一步推動人口出生率下降，因此本研究有重要的現實意義。本文研究高房價是否影響結婚率以及在多大程度上影響結婚率。本研究有助于政府有關部門更好地評估高房價帶來的社會影響，特別是對居民婚姻和生育的影響，以便于相關部門制定出更全面合理的政策。

1 房價與結婚率的現狀分析和文獻綜述

1.1 房價與結婚率的現狀分析

圖1 展示了全國整體的房價與初婚率狀況。全國整體的房價水平從2010 年到2016 年是一個明顯的增長趨勢。全國平均房價水平從2010 年的5 032 元每平方米不斷遞增至2016 年的7 476 元每平方米，短短6 年間增幅達48.57%，遠遠超過工資水平和人均GDP的增加。2010 年全國平均初婚率為1.64%，隨后幾年略有上升，但是隨著房價的不斷上升，初婚率逐漸下降，最后回落到1.38%的水平，與房價的增長形成鮮明對比。

圖1 全國整體房價與初婚率狀況

1.2 文獻綜述

Becker(1988)等創立了家庭經濟學，運用最大化家庭效用理論對婚姻的產生和家庭的組建進行了深入探討，其研究主要集中于組建家庭的成本與效用方面，還認為房價是影響家庭組建的重要因素。［1］近年來，有多位學者研究房價對婚姻的影響。朱考金、楊春莉（2007）從結婚成本的角度探討了高房價對婚姻的不利影響。［2］洪彩妮（2012）使用2004—2008 年我國省級面板數據分析表明，房價增長速度每上升1%，初婚率約下降0.02 個千分點。［3］鄭益平（2018）分析了當前青年購房模式和消費心理，從正反兩個方面探討了高房價對青年的婚姻觀念及結婚可能性的影響。［4］

此外，高房價可以通過影響人們的生育意愿來影響結婚率。近年來有學者使用香港數據研究發現，生育率在房價上升時顯著下降（Yi and Zhang，2010；易君健、易行健，2008）。［5-6］劉曉婷等（2016）利用國內1999—2013 年省級數據的實證研究表明，國內各省也呈現了高房價壓低生育率的現象。［7］生育是婚姻和家庭的一個重要功能，因此低生育率的社會環境將在一定程度上降低結婚率。

從現有文獻來看，國內目前研究房價上漲如何影響結婚率的文獻并不多，而使用有代表性的樣本和數據進行實證研究的則更少。因此，本研究使用有代表性的數據和計量模型分析房價如何影響結婚率這一問題具有顯著的現實意義。

2 房價對結婚率影響的實證分析

2.1 模型的構建與變量設定

使用面板模型相對于截面數據模型或時間序列模型存在以下優點：首先，面板數據模型可以有效降低遺漏變量帶來的偏誤。由于遺漏變量很可能是由不隨時間改變的固定的個體差異（通常是無法觀測的）導致的，使用面板模型能夠消除這部分固定效應的差異，降低遺漏變量帶來的偏誤。其次，面板模型是對同一觀測對象不同時間序列的觀測，能夠增加自由度，并減少各變量間的共線性，提高模型的有效性。因此，綜合上述優點本文構建面板數據模型。

本研究主要分析房價對城市居民結婚率的影響，因為高房價主要影響城市居民，而且城市與農村之間有較大差異。但是全國聯網的婚姻登記系統尚未建成，各個統計年鑒中沒有區分城市與農村的婚姻數據，而且結婚數據記錄存在一定的不統一，因此需要一定的計算方法將其轉換。另外，中國房地產市場數據系統開發較晚，各大城市房地產價格數據記錄時間很短，數據量少，而且存在一定的遺漏。由于以上原因，本文選取全國31 個省、自治區、直轄市匯總的2010—2016年的年度數據（共224個觀察值）作為面板數據，而數據主要來源于《中國統計年鑒》、《中國區域經濟統計年鑒》、《中國勞動統計年鑒》、中國經濟與社會發展統計數據庫等。本文進行分析的數據層級是全國省級數據。

本文使用以下面板模型研究房價對初婚率的影響：

其中，i=1，2，3，…，N，是模型截面變量；而t=1，2，…，T，是時間變量；αi表示個體異質性的截距項，是不可觀測的，包含了觀測個體中所有能夠影響因變量卻不隨時間變化的特性；而Uit表示個體隨時間變化的擾動項，它表示個體的所有隨時間變化的不可觀測因素。

首先，因變量初婚率（Yit）表示的是整個地區中本年度內初次進行結婚登記的人數在總人口中的比例。由于統計年鑒中沒有直接的初婚率數據，因此本文在《中國區域經濟統計年鑒》中截取全國31 個省、自治區、直轄市的總人口數據和初婚人數計算得出初婚率，即

其次，自變量lnHouse Priceit-1表示房價的衡量指標，其數據來源于《中國統計年鑒》中的住宅商品房平均銷售價格（元/平方米），并且進行了對數化處理。考慮到人們的預期可能被上一期房價影響，因此在房價變量上取t期與t-1 期的時間序列變量進行回歸。

最后，控制變量（Xit）為以下兩類：一是文獻中發現和結婚率存在相關關系的控制變量，包括出生率（Birth Rate）、人均GDP（lnGDP）、人口的教育水平（Education）；二是出于現實因素考慮可能和結婚率存在相關關系的控制變量，如離婚率（Divorce Rate）與居民物價消費指數（CPI）。

高房價可能通過抑制生育率來降低結婚率，因此有必要將出生率作為一個控制變量。出生率指1 年內平均每千人中出生人數的比率，其數據來源于《中國統計年鑒》與《中國區域經濟統計年鑒》。

人均GDP 反映了該地區的經濟發展水平與居民收入水平。根據Donald R.Haurin 等（1993）研究表明，真實工資在一定程度上影響了家庭的組建，因此本文選取人均GDP 作為真實工資的一個代理變量。［8］

吳要武、劉倩（2014）發現高等教育的普及很大程度上推遲了平均結婚年齡，還減少了結婚率。［9］因此在探究房價對結婚率的影響時就必須考慮到教育水平的影響。由于數據中沒有人口的平均教育年限，本文采用以下方法進行換算：小學畢業受教育時長為6年，初中畢業為9 年，高中畢業為12 年，大學本科為16 年，研究生畢業為19 年，因此人口平均受教育年限=6a1+9a2+12a3+16a4+19a5，這里a1表示受教育程度為小學的人口份額，a2表示受教育程度為初中的人口份額，a3表示受教育程度為高中的人口份額，a4表示受教育程度為大學本科的人口份額，a5表示受教育程度為研究生的人口份額。此換算方法來自郭峰（2015），數據來源于中國經濟與社會發展統計數據庫。［10］

此外，現實因素如離婚率和CPI 可能存在影響。離婚率指年度離婚數與總人口之比，離婚率的高低反映了維持結婚狀態的難易程度。而CPI 指居民消費價格指數，反映了維持婚姻生活的日常成本。以上兩個變量的數據均來自于《中國統計年鑒》。

2.2 變量的描述性統計

表1 展示了各變量的描述性統計。從表中可以看到初婚率的均值約為1.58%，而且最大值最小值間差距比較大；滯后一期房價對數的平均值為8.603，換算為房價是6 302.094 元每平方米；平均出生率為11.40‰；平均教育年限為8.154 年；離婚率的均值為2.469‰；CPI 的均值為102.987。

表1 各變量的描述性統計

2.3 模型的選擇與檢驗

首先，本文需要選擇使用隨機效應模型還是固定效應模型，這需要通過Hausman 檢驗來決定。隨機效應模型假設個體的異質性存在于干擾項中，而固定效應模型假設個體異質性存在于不可觀測的常數項中，Hausman 檢驗能夠檢驗個體的異質性是否存在于隨機干擾項。Hausman 檢驗原假設為干擾項Uit和其他解釋變量不相關，在該假設下，使用OLS 估計的固定效應模型和用GLS 估計的隨機效應模型的參數估計都是一致的。因此構造的統計量是基于兩者估計參數的差異，若產生明顯的差異，則拒絕了原假設，此時選擇固定效應模型是較優的。經計算，Hausman 檢驗的統計量為10.89，P 值為0.091 7，在10%的水平上是顯著的。檢驗結果表明原假設被拒絕，因此本文選擇使用固定效應模型。

其次，本文對殘差進行相關性檢驗，確定其在時間維度上是否存在自相關序列問題。檢驗自相關序列問題需要使用Wooldridge 序列檢驗方法，將殘差對滯后項進行回歸。Wooldridge 檢驗的原假設為模型不存在一階組內自相關，如果原假設被拒絕，那么就說明模型存在自相關問題。檢驗統計量為55.069，在1%水平上顯著，因此存在殘差自相關。由于殘差存在自相關問題，不符合高斯—馬爾科夫定理的假設，因此需要對模型進行修正。

最后，本文檢驗是否存在異方差問題。異方差指各個個體的殘差方差不同，這違背了高斯—馬爾科夫定理的假設，這將無法得到有效的統計量。本文檢驗異方差使用的是懷特檢驗。原假設為殘差平方與自變量無任何關系。若拒絕原假設，那么模型就是存在異方差問題。懷特檢驗的統計量為79 240.14，在1%水平上顯著，因此存在異方差問題。

由于模型同時存在自相關問題與異方差問題，因此本文選用可行性廣義最小二乘法（即FGLS）進行回歸。由于異方差的函數形式未知，且殘差自相關形式不確定，因此使用附帶迭代算法的可行廣義最小二乘法來估計該固定效應模型，以減少異方差和自相關問題帶來的偏誤，使回歸結果更為可靠。整個回歸方程的F 統計量為82.49，其P 值為0.000，在1%水平上顯著，因此方程是十分有效的。

2.4 回歸結果

回歸結果如表2 所示。

表2 回歸結果

從FGLS 的回歸結果看，房價、出生率、人均GDP、教育水平和離婚率對初婚率有顯著的影響。房價對初婚率的影響在10%水平下是顯著的。其系數約為-0.158，它的含義是上一年的房價每增加一個百分比，該年度的初婚率將降低0.158%。由于該模型中初婚率使用的是水平值，且初婚率各個年度均值為1.581%，所以這個變化相對來說還是比較大的。這說明當前的結婚率受上一期的房價狀況影響。

在控制變量部分，出生率的系數是0.034，而且在1%水平下顯著，出生率和初婚率正相關。本文對此現象的解釋如下：更高的出生率表明社會的生育意愿更強，因而人們有更高的結婚意愿，所以初婚率更高。

人均GDP 的系數為-0.354，而且在1%水平下顯著。這表明，人均收入和初婚率負相關。本文對這一現象的解釋如下：隨著人們收入的不斷提高，人們的基本生活需求得到了較好的保障，因而對婚姻的依賴度下降，這與歐美發達國家的結婚率隨著收入水平上升而下降的現象是一致的。

教育水平的影響在1%的水平上顯著，其系數為正。教育水平對初婚率的影響為正，說明了隨著教育水平的不斷提高，人們更愿意結婚或在婚姻市場更有競爭力。

離婚率對初婚率的影響是正向而且是顯著的。一個可能的解釋如下：由于離婚現象的逐漸增加，社會對于婚姻的看法更加開放和包容，婚姻越來越自由，降低了人們結婚的心理負擔。因此，離婚率和結婚率正相關。最后，CPI 的系數為正但不顯著，說明在結婚決策中物價水平不是重要的影響因素。

3 結論與政策建議

研究房價對結婚率的影響，有利于政府部門更好地評估房價對居民福利的影響，制定更適當的政策。本文使用2010—2016 年全國31 個省、自治區、直轄市匯總的面板數據，實證分析了房價對初婚率的影響。研究結果表明，房價每提升1 個百分點，下個年度的初婚率顯著下降約0.15 個百分點。房價的快速上漲對初次結婚率影響十分顯著，特別是在最近十多年來房價飆升的背景下。

基于研究結論，本文提出以下對策建議。第一，房地產是關乎國計民生的問題，國家需要對房價的增長速度進行調控。第二，政府要堅持“房住不炒”和金融去杠桿的政策，一方面打擊投機炒作，另一方面嚴防過量資金進入房地產市場，遏制房價的快速上漲，促進房地產市場平穩健康發展。第三，政府可以通過減少高房價帶來的負面影響來增加結婚率。政府可以給新婚夫婦增加租住廉租房或公租房的機會，或者給新婚夫婦提供一定的住房補貼，從經濟上減少高房價對結婚率的不利影響。第四，政府應不斷完善各項社會保障制度，讓房子不再成為人們生活的沉重負擔，從根本上提升居民的福利水平。