王学工,林良池,张 楠
(东北大学文法学院,辽宁沈阳 110819)
近些年,房价不断上涨,已经远远超出了普通家庭经济承受能力的范围,买房对普通市民来说是一项奢侈的消费。因此,市民在买房时总是慎之又慎、反复对比,选择出自己最满意的住房。所以,开发商只有认清市民在选择住房时的偏好,才能开发出市民最喜欢的楼盘。那么市民选房的用途有哪些?基于不同的用途,其住房属性偏好有何不同?不同的住房偏好因素间有怎样的作用关系?这些问题正是本文的出发点,也是本文所要回答的问题。
关于住房偏好问题,白倩根据保定市指南针市场调查传播咨询有限公司的调查数据,分析得出:小高层住宅主要受学历水平较高、收入中等的中青年居民喜爱;高层住宅则受到一些高收入居民的青睐;喜爱多层的居民较广泛,但主要集中在收入偏低、年龄较大的居民中;还有些学历较低、年龄大的低收入居民偏爱其他类型住宅[1]。吴献忠和范红忠则从商品房建造的地理位置上讨论,认为商品房开发应向远郊和卫星城市扩展,引导城市居民确立科学的住房消费偏好[2]。
关于住房用途的划分,学者们多将住房的用途划分为消费和投资两种。李义龙认为住房具有消费品和投资品双重特性,并分析指出居民住房作为消费品及投资品的利弊,最后得出我国居民住房是基本消费品[3]。孔红枚认为投资性住房需求是指在房地产市场上将购房作为一种投资或投机方式以赚取投资和投机收益而非以居住为目的的购房需求;她根据中小城市的实际情况,将居民分为四类:租赁居住型、首次置业型、改善住房型、投资投机型[4]。Chu-Chia Lin和Sue-Jing Lin将购房者的住房需求分为消费需求和投资需求;并把户主分为三种类型,即租房者、有一处房产的业主和有两套及以上房产的业主;作者认为,租房者只有消费需求,有一处房产的业主既有消费需求又有投资需求,有两套及以上房产的业主只有投资需求[5]。
邓卫、宋杨认为住宅需求具有个别性,作为异质性商品,住宅本质上具有迥然各异的特征,这样才能满足具有不同偏好的消费者的多元化需求。对住宅的需求不仅仅是数量的增减变化,背后还潜藏着因人而异的“个别性”选择偏好。同时,像住宅这样昂贵的商品,人们不敢轻易问津,它的需求具有阶段性,这意味着住宅的消费欲望很难一蹴而就地得到满足,只能分步实施。因此,在住房选择上,人们必然慎重考虑自身偏好进行选择。在享受需求上,人们必然要求面积更大、设备齐全、环境更美、质量更好的居所。对住宅的位置、档次与品种的选择偏好上,住宅的户型设计、楼层朝向、配套设施、居住环境、物业管理、公共服务、邻里构成等一系列问题也是重要的偏好因素[6]。本文问卷的设计与住房偏好结构方程模型的构建是建立在住宅偏好这些内涵的基础上。
刘武等在顾客满意度测评中介绍了结构方程模型的分析方法。它不仅可分析观测变量间的关系,而且可对潜变量的相关关系,甚至因果关系进行研究。结构方程模型是验证性因子模型(测量模型)和路径模型(结构模型)的结合,前者描述了潜变量与观察变量的关系,后者则反映了潜变量之间的关系。结构方程模型假定潜变量之间存在因果关系,这些潜变量分别用观测变量来表示,通过计算观测变量协方差,估计线性回归系数,进而从统计上检验观测变量的协方差矩阵与模型的引申协方差矩阵的拟合程度[7]。
总之,学者们多从购房群体特征出发,讨论住房偏好;还从住房用途、居民类型、购房目的、住房需求等角度划分住房的消费属性与投资属性。本文据此将住房用途分为住房消费用途和住房投资用途;将住房偏好分为住房用途偏好与住房属性偏好;从住房用途偏好的角度出发,讨论不同用途对住房偏好的影响以及不同住房属性偏好间的联系。
住房偏好包括住房用途偏好和住房属性偏好,是一级指标(潜变量);住房用途偏好包括住房消费用途偏好和住房投资用途偏好,是二级指标(潜变量);住房属性偏好包括房屋自身情况偏好、物业偏好、地理位置偏好和人文与自然环境偏好,是二级指标(潜变量)。每个二级指标都设置了相应的题项(观测变量)。具体各级指标与题项内容见表1。
表1 住房偏好指标体系
在表1的基础上,采用李克特5级量表测量住房偏好。要求受访者按其对不同因素的偏好程度依次在1~5分之间作出评价,1分代表非常不重要,2分代表比较不重要,3分代表一般,4分代表比较重要,5分代表非常重要;同时设置了“不清楚”选项,从而形成了调查问卷。经过105个样本的预调查,对问卷内容进行修改后于2011年2—3月对辽宁省城市居民家庭展开正式调查。
调查按《中华人民共和国行政区划简册2009》中的市辖区人口规模进行分层随机抽样,计划样本量1200份。按1%的成功率对固定电话号码抽样,产生120000个号码。对这些号码进行随机抽号拨打,成功调查1199份有效问卷。具体抽样与实际调查情况见表2。
表2 正式调查实施情况
2009年末全省总户数1473.3万,城乡人口比例1∶0.985*数据来源:《辽宁省统计年鉴2010》。,城市家庭户数总体约为742.22万户。因此,本次调查随机抽样样本量1 199个,达到95%置信水平的容许误差为2.83%*采用Raosoft公司的samplesize 网页计算程序计算,参见http:∥www.raosoft.com/samplesize.html.。为了保证调查数据的有效性,笔者对数据进行整理。首先,超过30%的题项作答不清楚或不作答的问卷审核作废,共有1份问卷作废;其次,回答不清楚的,统一设置缺失值,不参与计算。最终得到所需要的调查数据。
(1) 因子模型拟合度检验
利用近似误差均方根(RMSEA)等模型拟合指标,评价因子分析模型的整体拟合度。RMSEA是模型拟合度的常用评价指标之一。当RMSEA≤0.05时,表示“良好拟合”;当0.05≤RMSEA≤0.08,视为“拟合较好”;当0.08≤RMSEA≤0.10,是则是“中度拟合”;当RMSEA≤0.10,表示“不良拟合”。χ2/df是衡量模型拟合度的另一个指标,其值越小说明模型的拟合效果越好。P-value(概率值)也是衡量模型拟合度的一个标准,其值越小说明模型的拟合效果越好。
用LISREL 8.80对因子模型进行检验,得出验证性因子分析模型RMSEA=0.053,整体拟合效果较好;χ2/df=3.84,P-value=0.00,也标志着该模型达到了较好的拟合。这表明模型建构效度良好。
(2) 因子模型因子载荷系数及其检验
住房用途偏好的各指标(住房消费用途和住房投资用途)的因子载荷系数分别为0.37和0.79。住房属性偏好的各指标(房屋自身情况、物业、地理位置、人文与自然环境)的因子载荷系数分别为0.71、0.63、0.78、0.93。说明住房消费用途、住房投资用途对住房用途偏好以及房屋自身情况、物业、地理位置、人文与自然环境对住房属性偏好有很好的解释作用。住房用途偏好和住房属性偏好之间的因子载荷系数为0.40,说明二者有较密切的关系,共同构成了住房偏好。15个题项中只有房价和基本居住需求的因子载荷系数不足0.5。总体上,该因子分析模型中的各级指标与题项间的关系较为密切且符合逻辑,统计学意义较强。
对各项因子载荷系数进行统计显著性检验,结果显示:各变量的t值均大于1.96,P值均小于0.05。所以,该因子分析模型中各项因子载荷系数统计显著,说明各题项对指标的解释能力较强。
(1) 研究假设与住房偏好结构方程模型的构建
为了探讨住房偏好模型中住房消费用途偏好、住房投资用途偏好、物业偏好、地理位置偏好、人文与自然环境偏好、房屋自身情况偏好之间的影响关系,需要对它们的关系作出事先判断,共提出11个研究假设,构建住房偏好初始模型。
假设1:住房消费用途偏好直接正向影响人文与自然环境偏好(γ1>0);假设2:住房消费用途偏好直接正向影响物业偏好(γ2>0);假设3:住房消费用途偏好直接正向影响地理位置偏好(γ3>0);假设4:住房消费用途偏好直接正向影响房屋自身情况偏好(γ4>0);假设5:住房投资用途偏好直接正向影响人文与自然环境偏好(γ5>0);假设6:住房投资用途偏好直接正向影响物业偏好(γ6>0);假设7:住房投资用途偏好直接正向影响地理位置偏好(γ7>0);假设8:住房投资用途偏好直接正向影响房屋自身情况偏好(γ8>0);假设9:人文与自然环境偏好直接正向影响物业偏好(β1>0);假设10:人文与自然环境偏好直接正向影响地理位置偏好(β2>0);假设11:房屋自身情况偏好直接正向影响地理位置偏好(β3>0)。
住房偏好初始模型的矩阵方程式*外因潜在变量用ξ表示,内因潜在变量用η表示,潜在干扰用ζ表示;内因潜在变量与内因潜在变量的回归系数为β,其结构系数矩阵为B;外因潜在变量与内因潜在变量的回归系数为γ,其结构系数矩阵为Γ。见式(1)。
η=Bη+Γξ+ζ
(1)
式(1)中,结构系数矩阵B和Γ中,βi>0,γj>0(i=0,1,2,3;j=1,2,3,…,8)。
加入各项观察项的矩阵方程:x=Λxξ+δ;y=Λyη+ε*观察变量分别用x和y表示,观察变量潜在干扰项用δ和ε表示;外因潜在变量与观察变量间的回归系数用λx表示,其结构系数矩阵为Λx;内因潜在变量与观察变量间的回归系数用λy表示,其结构系数矩阵为Λy。。从而得到该结构方程的完整形式。
(2) 住房偏好模型参数与检验
按照初始模型的结构与指向关系,使用最大似然法进行参数估计,得出模型的各项路径系数、t检验结果和整体拟合度,从而得到初始模型的验证结果,见表3。
表3 假设验证结果
从表3可知,假设3、6、8没得到支持,它们的作用关系均为负向,但统计不显著(|t|<1.96)。假设5被否定,因为它们的作用关系不但为负,且有较强的统计显著性。
住房投资用途偏好直接负向影响人文与自然环境偏好,且统计显著;住房投资用途偏好直接负向影响房屋自身情况偏好,但统计不显著;住房消费用途偏好直接负向影响地理位置偏好,但统计不显著;住房投资用途偏好直接负向影响物业偏好,但统计不显著;住房投资用途偏好直接正向影响地理位置偏好,但统计不显著;房屋自身情况偏好直接正向影响地理位置偏好,但统计不显著。
从模型的整体拟合度看,住房偏好结构方程模型的RMSEA=0.049,说明住房偏好结构方程模型整体拟合效果很好。
(3) 初始模型的修正
由于住房投资用途偏好直接负向影响人文与自然环境偏好,且统计显著。这与基本常识不符合,考虑将假设5剔除,再进行路径分析和t检验。验证结果显示:住房投资用途偏好直接负向影响房屋自身情况偏好,且统计显著性较高。这也与基本常识不符合,考虑将假设8剔除,再进行路径分析和t检验。验证结果显示模型整体无法识别。
由于模型各变量都是相互关联的,笔者猜测可能是γ8(假设8)对其他路径系数产生影响。因此,将假设8去除,再进行分析和检验。验证结果显示:RMSEA=0.052,模型整体拟合效果较好。路径系数、t检验值和10项假设的验证结果见表4。
表4 修正模型的验证结果
从表4可知,假设3没得到支持,其作用关系为负向,其他假设均得到支持。住房消费用途偏好直接负向影响地理位置偏好,但统计不显著;房屋自身情况偏好直接正向影响地理位置偏好,但统计不显著;住房投资用途偏好直接正向影响地理位置偏好,统计显著性较差。
虽然修正模型RMSEA值略高于初始模型,但路径系数显著性检验结果优于初始模型,10项假设只有1项不被支持,2项显著性不理想,其余假设均得到支持,且具有较强的统计显著性,因此该结构方程模型修正合理,即为住房偏好结构方程最终模型。
(4) 住房偏好结构方程模型的初步应用
从结构方程最终模型中的变量指向和路径系数值的对比, 不难发现: 如果市民购房用途是满足住房消费用途, 则首先考虑房屋自身情况, 人文与自然环境是考虑的次重要因素, 物业的重要程度排第三。 因此,建设住房, 其房价、户型结构、基本生活设施等应该重点考虑, 做好民意调查, 开发的商品房才能热卖。 相反,如果市民购房用途是满足住房投资用途, 也会考虑人文与自然环境、物业和地理位置这些因素, 但是其考虑重要性程度不如满足住房消费用途时高。 此外,人文与自然环境偏好直接正向影响地理位置偏好。 也就是为了获得较好的人文与自然环境, 人们会重点考虑住房的地理位置; 选择治安较好,自然环境较好, 社区居民素质较高的楼盘。 人文与自然环境的偏好直接正向影响物业偏好, 为了获得一个较好的居住环境, 人们更倾向于考虑物业水平较高的楼盘。
通过以上分析可知:如果市民购房用途是满足住房消费用途,则首先考虑房屋自身情况,人文与自然环境次之。如果市民购房用途是满足住房投资用途,也会考虑人文与自然环境、物业和地理位置这些因素,但是其考虑重要性程度不如满足住房消费用途时高。人文与自然环境偏好直接正向影响地理位置偏好。也就是为了获得较好的人文与自然环境,人们会重点考虑住房的地理位置;选择治安较好,自然环境较好,社区居民素质较高的楼盘。人文与自然环境的偏好直接正向影响物业偏好,为了获得一个较好的居住环境,人们更倾向于考虑物业水平较高的楼盘。
根据研究结论可知不同的住房用途偏好将导致不同的住房属性偏好。为了建设满足市民住房偏好的住房,这里提出以下建议:
(1) 准确定位楼盘开发的目标客户
由于不同的购房用途将导致不同的住房属性偏好,因此在开发楼盘之前就应该对目标客户有所定位。如果是面向中低端客户,则目标客户的住房用途偏好以住房消费用途偏好居多,那么就应该将房价、户型结构、基本生活设施等重点考虑。定位合理的房价,做好市场调查,设计客户满意度较高的户型结构,完善煤气水电等基本生活设施。
(2) 重视物业和地理位置
人文与自然环境偏好直接正向影响地理位置偏好;人文与自然环境的偏好直接正向影响物业偏好。因此,如果市民重视人文与自然环境,那么很自然也会重视物业和地理位置。所以,应该重视物业服务、物业费和开发地段的选择,这样不但能满足重视物业和地理位置购房者的住房偏好,还能较大程度上满足重视人文与自然环境的购房者的住房偏好。
参考文献:
[1] 白倩. 基于对应分析的居民住房类型偏好研究[J]. 商场现代化, 2010(11):51-52.
[2] 吴献忠,范红忠. 城市居民住房消费偏好及促进居民消费需求的政策建议[J]. 河南纺织高等专科学校学报, 2001(1):31-32.
[3] 李义龙. 居民住房是投资品,还是消费品?[J]. 中国证券期货, 2010(5):28-29.
[4] 孔红枚. 投资性住房需求对商品房空置率的影响分析[J]. 企业技术开发, 2010(3):98-100.
[5] Lin Chu-chia, Lin Sue-jing. An Estimation of Elasticities of Consumption Demand and Investment Demand for Owner-occupied Housing in Taiwan: A Two-period Model[J]. International Real Estate Review, 1999(2):110-125.
[6] 邓卫,宋杨. 住宅经济学[M]. 北京:清华大学出版社, 2008:46-51.
[7] 刘武,刘钊,孙宇. 公共服务顾客满意度测评的结构方程模型方法[J]. 科技与管理, 2009(7):40-44.