谢霄亭，马子红

(1.云南民族大学 经济学院，云南 昆明 650031；2.云南大学 经济学院，云南 昆明 650091)

中西部城镇居民住房类型分化影响因素分析

谢霄亭1，马子红2

(1.云南民族大学 经济学院，云南 昆明 650031；2.云南大学 经济学院，云南 昆明 650091)

分析了转型背景下中西部城镇居民住房类型分化及其影响因素,研究发现:家庭生命周期、户籍、单位性质等变量显著影响住房选择.体现市场与制度(灰箱)因素对住房资源分配的双重影响.并基于上述实证研究的结论提出相应的政策建议.

住房类型选择；社会分化；logistic回归模型；CGSS数据

作为中国经济体制改革的一项重要内容，住房制度改革是指对传统的福利分房制度进行彻底的变革，建立起符合自由市场经济机制的住房体制，进而实现住房的商品化和社会化.1998年7月，国务院发布了《关于进一步深化城镇住房制度改革加快住房建设的通知》，宣布从同年下半年开始全面停止住房实物分配，实行住房分配货币化，首次提出建立和完善以经济适用住房为主的多层次城镇住房供应体系.

主流经济学关于住房选择这一专题的研究主要使用的是经济学方法，从理性人假说的角度出发，充分考虑到住房作为一种商品的独特性(必需品、重要性、耐久性、空间固定性、不可分割性等特征)，因而认为住房需求(住房选择)受到家庭组成(年龄、生命周期等人口学特征以及收入等经济学特征)、通勤成本和住房消费三大因素的综合影响，对住房的选择不是简单的消费决策，同时也是一项重要的投资决策，因为对于典型的住房拥有者而言，住房是资产组合中的一个重要部分.

区域和空间科学从实证研究的角度出发，把家庭结构、职位的变动看作是影响住房消费(选择)的较为重要的解释变量[4].

随着可供分析的数据库数量的增多和质量的显著改善，尤其是Longitudinal数据的普及，分析房屋产权转换主要影响因素和房屋产权转换社会空间差异的研究显著增加[5-12].

数据来源于中国人民大学中国调查与数据中心提供的《中国综合社会调查(CGSS2008)》中西部城镇部分的调查数据，该项调查通过多阶分层抽样方法，被调查对象涵盖了除香港、澳门、台湾和西藏外的88个城镇.在这里之所以选择中西部地区的城镇作为研究对象，一方面是因为东部沿海地区(尤其是长三角和珠三角地区)由于经济相对发达，经济主体(消费者)住房的选择受收入水平等经济因素(家庭收入)的影响更为显著；另一方面是因为历史和世俗观念等方面的原因，相对于东部沿海发达地区而言，中西部欠发达地区存在着较深的阶层和等级观念(主要体现在户籍、单位性质和职业的差异)，这一特征为文章的深入分析提供了较好的素材.而本文的目的正是试图发现影响经济主体(消费者)住房选择的经济和社会因素(尤其是后者)，并进而提出相应的政策建议.

本文从中国中西部城镇居民获取住房类型分化的影响因素入手，分析当前存在的居民获取不同类型的住房的机会和途径的差异，并探索这种现象的影响因素，从住房选择的角度描述当前社会的住房不平等和不容忽视的社会分化现象，并基于上述分析，提出相应的政策建议.

1 数据来源和描述统计分析

1.1 数据来源

根据《中国综合社会调查(CGSS2008)》数据，此次调查的调查量为 6 000 个样本，其中农村部分和城镇部分分别为 2 018 个和 3 982 个，因为本研究的研究对象为中西部城镇居民，剔除了农村和东部地区城镇数据，只采用中西部城镇部分的数据进行相关实证分析.针对样本的选取年龄介于18岁与69岁之间.调查样本分布情况见表1：

从表1可看出，在剔除了农村和东部地区城镇数据之后，总样本的数量变为 2 119 个，尤其是部分省份只有一个城镇被抽样(如云南和甘肃)，如果只是简单地把这些城镇按照某个特征进行归并，则一些城镇的样本量相对较大，代表性较强；另一些城镇则相反.为此，本研究把样本城镇按照等级归为2类：省会城市和非省会城市.

表1 城镇部分调查问卷区域分布

注：b5(该编码为中国人民大学中国调查与数据中心主持之《中国综合社会调查(CGSS)》项目所设计问卷中的问题编码).

1.2 描述统计分析

我国的城镇住房基本上可以分为4类：单位房、政府房、商品房和安置房.下面分别简要描述之：单位房的构成最为复杂，第1类单位房是房改房，依职位高低和工龄长短为标准分配(低价销售)给国有企业和事业单位的工作人员；第2类单位房是过渡房，由国有企业和事业单位管理部门提供(低价租赁)给年轻工作人员；政府房主要以租赁的形式存在，廉租房按照国家和地方政府确定的标准租赁给低收入居民，还有一种是经济适用房，根据居民自愿申请原则，按照国家和地方政府确定的标准出售给中低收入家庭；商品房是指可以由居民自由决定购买的，由市场价格确定需求量的房屋，分配决定方式为租赁或者购买；安置房是拆迁的产物，分配决定方式为租赁或者购买.

然而，CGSS2008调查针对被调查者的住房类型的分类并非使用上述分类方法，而是用一个定序变量.把住房类型用量表的方式表示出来(表2)，从表2可看出，和计划经济时代相比，住房制度改革确实在一定程度上建立起了符合市场经济机制的住房体制，实现了住房的商品化和社会化.已购房(全部产权)、已购房(部分/有限/居住产权)和自有私房(继承)这3种拥有住房的类型占到了9种拥有住房类型的七成以上.

因为这套分类方法存在着难以和单位房、政府房、商品房和安置房这一套城镇住房分类标准有效吻合的问题.故本研究使用统计软件针对数据库提供的住房产权定序变量(b5)进行变换(在Stata软件中，合并转换一般用Recode命令完成)生成新的二值变量(b5_new)来调查样本在购买和租赁住房之间存在的差异：在 2 119 个调查样本中，73.05%的调查样本选择了购房，另外的调查样本选择了租房.通过新生成的二值变量进行经济计量分析.

表2 城镇部分调查问卷拥有住房类型分布

从表3可以看到，已婚家庭的自有住房比率为78.41%，年平均收入2～3万的家庭也有比较高的自有住房比率.原因可以归结为：政府政策为中低收入家庭提高了拥有自有住宅的能力；表3的数据在某种程度上较为客观地反映了中西部城镇居民的收入主要分布区间，相对与沿海发达地区而言，中西部地区的住房价格较低，居民承受能力相对较强.

有城镇常住户口的居民住房自有率较高(82.1%)，客观地反映了户籍因素对住房选择的影响.省会城市和非省会城市的居民住房自有率有一定差距，总的可以看出以下特点：越发达的地区居民住房自有率相对较低.这其中的原因似乎可以用大城市相对较高的住宅类房地产价格来解释.

所属单位性质也是导致住房自有率存在显著差异(事业单位工作人员和其他行业工作人员之间存在着将近23个百分点的差异)的主要因素之一，而这一因素正是本文即将展开进行深入分析的核心部分.

如果不考虑人口学特征(家庭特征)因素、组织特征因素和区域因素，已购商品房的比重为48.75%(见表2)，远高于21世纪初的水平，大体反映出了以下趋势：随着中国住房制度改革的推进和深化，城镇居民购买具有完全产权的商品房的比重逐步增加，并且明显成为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

本研究试图构建住房产权分化模型和住房类型分化模型，建立二值Logistic模型和多值Logistic模型，建立Logistic模型最重要的是正确设立模型，设立模型有2层意思：一方面是正确选择模型变量，另一方面是正确设定模型的函数形式.

在选择模型的自变量之前，必须先设定被解释变量的类型，这里笔者使用应用于案例水平上的二分被解释变量，也就是每一个案例的被解释变量中用编码1代表事件发生、用编码0代表事件未发生，在本分析中笔者用编码1代表购房、用编码0代表租房；另外，针对多分(类)被解释变量，笔者构建了住房类型被解释变量，在本分析中，笔者用1代表自有私房(继承与自建)、2代表租住公房、3代表租住私房、4代表租住单位房、5代表已购房(部分/有限/居住产权)6代表已购商品房.

在给定了被解释变量的形式之后，模型的构建需要一系列自变量.模型应该纳入所有的在理论上可以接受的自变量，在构建模型阶段，我们需要做的是识别可以很好地预测反应变量的候选自变量，并将它们全部纳入模型.

表3 变量设置和基本统计分析

注：基于该表的6个交互表(Crosstab)结果的卡方值在0.05的显著性水平上均显著.

然而，从统计显著性的角度来看，选择自变量的工作通常从检查每个自变量与被解释变量之间的二元关系着手，对于连续变量，通常通过拟合单变量Logistic回归模型来取得变量的显著性检验，对于名义变量或者次序变量，则对每个变量按其m个水平与结果进行二维交户表分析(自由度为m-1的似然比x2检验).如果一个自变量在其简单关系的检验中有p<0.25的情况，就应该考虑与其他的重要自变量一起作为多元模型的候选变量.王济川[13]指出：使用较常规的显著性水平常常可能导致遗漏重要的自变量.

在剔除了农村和东部地区城镇数据之后，总样本的数量变为2119个，尤其是部分省份只有一个城镇被抽样(如云南和甘肃)，如果只是简单地把这些城镇按照某个特征进行归并，则一些城镇的样本量相对较大，代表性较强；另一些城镇则相反.为此，本研究把样本城镇按照等级归为省会城市和非省会城市,除了分析总模型之外，还分析2个区域模型.但是这种针对2个区域子模型的分析，只适用于二值因变量分析.针对住房类型分化模型的多值因变量分析，仅限于总模型分析.

笔者分析的第1个模型为Binary Logistic Model，二分因变量取值为：租赁=0、自有=1.模型结构见式(1)：

(1)

式中：p表示发生的概率，xi表示家庭基本特征变量，xk表示组织变量，αj表示常量，βi和βk为偏回归系数j为各类因变量.

在本研究中，则可把该经济计量模型写为如下形式：

Di=β0+β1Agei+β2×Marriagei+β3×Incomei+

β4×Educationi+β5×Hukoui+β6×Ccpi+

β7×Corpi+εi.

(2)

在上式中Age为年龄解释变量，Marriage为婚姻解释变量，Education为教育水平解释变量，Hukou为户口类型解释变量，Ccp为政治面貌解释变量，Corp为单位性质解释变量.除了Age变量连续性数值变量外，其他变量均为二值或多值定序变量.被解释变量为住房类型(租赁或者购买).

该模型体系包含了总模型和2个区域模型(省会城市和非省会城市模型)，2个区域模型的具体形式与上式一致，只是所用样本和总模型相比有所不同，即使用总模型样本的子样本进行Binary Logistic Model分析.

第2个模型为Multi-nominal Logistic Model，多分(元)因变量取值为住房类型.模型结构见式2：

式中，j为各类因变量，J为参照变量，p代表选择j类住房的概率，等式右边第1个求和算子代表家庭基本特征变量，第2个求和算子代表组织变量.

可把该经济计量模型写为如下形式[14]：

β3×Incomei+β4×Educationi+β5×Hukoui+

β6×Ccpi+β7×Corpi+εi.

(4)

在上式中Age为年龄解释变量，Marriage为婚姻解释变量，Education为教育水平解释变量，Hukou为户口类型解释变量，Ccp为政治面貌解释变量(党员或者非党员)，Corp为单位性质解释变量.除了Age变量连续性数值变量外，其他变量均为二值或多值定序变量.被解释变量为住房类型(多值定序变量).

3 分析结果

3.1 住房产权分化模型

针对3个模型的统计分析结果显示(见表4)，-2 Log Likelihood分别为1291.98、430.01、850.30，而卡方值分别为223.34、74.43、159.36，模型均在p=0.000上显著.应该说模型的拟合效果很好，能够客观良好地反映住房产权分化的比较显著的影响因素.家庭基本特征变量中的年龄、婚姻状况和组织变量中的户口类型、所在单位性质的影响均非常显著.

年龄增长1岁，购买住房的概率增加了1.03%～1.04%左右，婚姻状况的差异也是影响住房产权选择的重要变量(显著变量)，已婚家庭购买住房的概率是其他家庭的2.53～3.15倍，从这2个变量的显著性表现来看，中国似乎已经表现出和西方发达市场经济国家相类似的规律：市场机制在住房资源分配中的作用越来越强.根据这样的逻辑，家庭收入变量也应该成为本模型的显著性变量.然而，在笔者的分析中，3个模型中的家庭收入变量均不显著，这应该是因为样本选择造成的(删去了重庆的中西部城镇样本)，相对而言，中西部地区收入水平较低，且房价较低，故家庭收入变量不显著.

3.2 住房类型分化模型

多元Logistic模型分析结果见表5.

模型总卡方值为550.69，并在p=0.00上显著.家庭基本特征变量中的年龄、婚姻、收入和受教育水平变量；组织变量中的户口类型和所在单位性质变量亦显著.

表4 住房产权选择的二元Logistic回归模型

表5 住房类型分化的多元Logistic回归模型

在我们的分析中，家庭基本特征变量包括了年龄、婚姻、收入和受教育水平变量.从表5可以看到：年龄越大，租住私房或者租住公房的概率越低；然而，购房的大概率却并不显著，这是因为样本均为中西部地区的城镇居民，相对于东部沿海地区的城镇居民而言，中西部地区样本收入水平较低，尽管住房价格也相对较低，但仍然面对着较高的收入房价比，故随着年龄的增长，购买住房的能力并未显著增强.

婚姻状况变量影响显著，已婚者租住私房或者租住公房的概率越低.收入水平越高，购买商品房的概率相对较高，人均收入在2～4万的受访者购买住房的概率较高.

受教育水平变量的影响显著，受教育水平越高，租住单位房、购买部分产权房和购买商品房的概率越高.一方面，较低的受教育水平的受访者在机关事业单位和国有企业工作的概率较小，而这些类型的工作单位提供房改房的概率远远地高于其他类型的工作单位；另一方面，较高的受教育水平导致收入水平提高，进而提高了受访者购买商品房的概率.

在组织变量中，户口类型因素的影响显著，农村户口居民购买有限产权住房和购买完全产权住房的概率分别比城镇户口居民低3.33倍和1.52倍，这种现象从一定程度上说明了城镇户口受访者具有较强的优势.一方面收入水平较高，具有较强的购买商品房的能力；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，享受政府房的概率较高(廉租房、经济适用房等).

在这里特别需要指出的是，蓝印户口作为地方政府针对本区域吸引投资、购买商品住宅的一种户籍改革的重要手段，作用有限.表5显示蓝印户口受访者购买有限产权住房和购买完全产权住房的概率分别比城镇常住户口受访者低1.96倍和2.06倍.

组织变量中的所在单位性质变量显著，党政机关(事业单位)受访者购买有限产权住房和购买完全产权住房的概率分别比其他类型工作单位受访者高1.63倍和0.64倍.

[1] 埃德温·S·米尔斯.区域和城市经济学手册(第2卷)[M].北京:经济科学出版社,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] 吴启焰，任东明，杨萌凯，等.城市居住空间分异的理论基础和研究层次[J].人文地理,2000,15(3):1-5.

[8] 吴启焰，陈辉，BELINDA W，等.城市空间形态的最低成本-周期扩张规律-以昆明为例[J].地理研究,2012,31(3):484-494.

[9] 刘望保，闫小培.转型期广州市居住迁移影响因素与户籍之间的比较[J].地理研究,2007,26(5):1055-1065.

[10] 冯健，周一星.郊区化过程中北京城市内部迁居及相关空间行为：基于千份问卷调查分析[J].地理研究,2004,23(2):227-242.

[11] 孟斌.北京城市居民职住分离的空间组织特征[J].地理学报,2009,64(12):1457-1466.

[12] 刘望保，闫小培，曹小曙，等.转型期中国城镇居民住房类型分化及其影响因素：基于CGSS(2005)的分析[J].地理学报,2010,65(8):949-960.

[13] 王济川，郭志刚.Logistic回归模型-方法与应用[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.

(责任编辑 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.

云南省哲学社会科学基金(YB2014030).

谢霄亭(1972-)，男，博士，讲师.主要研究方向：产业发展与经济政策.

马子红(1976-)，男，博士，副教授.主要研究方向：产业发展与经济政策.

F129.9

A

1672-8513(2015)01-0085-06