中国各地区城镇家庭住房差异的影响因素研究——基于第六次人口普查数据的分析

(东北财经大学 研究生院，辽宁 大连 116025)

住房是居民生活最基本的物质资料，住房水平是衡量一个国家或地区居民生活水平和质量的最主要标志之一。在中国，城镇家庭的住房问题最为严重。并且不同地区城镇家庭的住房状况存在不同程度的差异。基于此，本文试图对各地区城镇家庭住房差异的影响因素进行有益的探索，分析不同因素对不同地区城镇家庭住房差异的影响，为政府制定住房政策和改善城镇家庭住房状况提供建议。

一、文献综述与理论假设

关于住房的研究，国内学者更多侧重于住房制度改革方面，而对地区之间住房差异及其影响因素方面的研究涉及较少。易成栋[1]通过分析城镇家庭住房来源与产权的省际差异，认为制度变迁和地区经济差异对得出住房选择有着深刻影响。易成栋[2]又通过对城镇家庭住房消费的省际差异进行多元回归分析，认为人均可支配收入和市场化指数是造成住房消费省际差异的主要影响因素。余腾飞和霍冉[3]从住房面积方面研究城镇家庭的住房状况差异，并通过线性回归的分析方法发现影响城镇家庭住房状况差异的主要因素是收入差异。杨成钢和张荣[4]以住房面积作为住房水平的衡量指标来研究四川各地市之间的住房水平差异，认为影响住房水平差异的主要因素有住房制度改革、经济发展水平和市场化进程三个方面。王斌[5]通过分析影响住房供给的因素来分析各地区住房供给弹性，认为中国住房供给存在显著的地区差异，并且房价、土地供应、信贷和生产成本对各地区的住房供给分别有着不同程度的影响。

上述文献在住房差异的影响因素方面做了比较有意义的研究与探索，但仍存在一些不足：第一，选取的指标覆盖面较窄，选取的指标更多地侧重于经济方面，而对人口方面的指标考虑较少，在分析影响关系时一般是从多指标对单指标的影响方面进行研究，没有涉及到多指标对多指标的影响关系。第二，对住房差异的研究局限于城市之间或地区之间，没有从大区域的角度进行分析。中国各省区人口分布和经济发展水平具有明显的区域特征，东部人口最多，经济发展最好；西部人口最少，经济发展也最靠后。

基于上述考虑，以《中国2010人口普查资料》中城镇家庭住房的调查资料为指标选取基础，本文认为城镇家庭住房差异主要体现在住房建筑面积、住房建筑质量、住房设施完善程度及住房来源四个方面。针对各地区城镇家庭住房差异的体现，考虑到相关影响因素的可能性，对各地区城镇家庭住房差异的影响因素提出两个假设：

假设一：经济因素是影响各地区城镇家庭住房差异的主要因素。1998年中国住房制度由住房实物化开始向住房货币化转变，住房与经济的联系变得更加紧密。在经济指标中，与住房联系较密切的因素有经济发展速度、人均可支配收入和住房价格三方面，因此，选取经济发展速度、人均可支配收入和住房价格作为影响各地区城镇家庭住房差异的主要经济因素。

假设二：人口因素是影响各地区城镇家庭住房差异不可或缺的因素。中国人口数量过多对社会经济发展有着多方面的影响，其中住房的发展受人口因素的影响最为直接。在人口因素中，人口密度、就业人员数、平均家庭户规模、性别比以及人口年均增长率等因素与住房联系比较密切，因此，选取这五个因素作为影响各地区城镇家庭住房差异的主要人口因素。

本文将住房差异及其影响因素分别列为多个方面，以多方面因素对多方面住房差异的影响关系为研究对象，运用典型相关模型从总体上对两组变量之间的相关关系进行研究，这区别于前人多对一的影响关系研究，使研究结果对现实情况的反映更科学、更准确。为能从整体上对中国不同区域之间住房差异的影响因素进行分析，本文还将中国31个省份划分为东部、中部、西部和东北地区。*东部地区包括福建、广东、海南、浙江、江苏、山东、上海、天津、北京和河北10个省份；中部地区包括江西、山西、安徽、河南、湖南和湖北6个省份；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、广西、内蒙古和新疆12个省份；东北地区包括黑龙江、吉林和辽宁3个省份。本文所有数据来源于《中国2010人口普查资料》和《中国统计年鉴2011》。

二、方法选择与指标体系构建

(一)典型相关分析的统计思想

典型相关分析是对两组变量之间相关关系进行研究的多元统计分析方法，其基本思想与主成分分析的降维思想非常相似。在两组变量中分别生成一个典型变量，使这一对变量的相关程度达到最高，便生成了第一对典型相关变量；然后依此类推，可以生成第二对典型相关变量、第三对典型相关变量……并且各对之间互不相关。因此，典型相关分析是通过研究少数几对典型相关变量的相关关系来代替研究原来两组变量之间的相关关系，更容易抓住问题的本质，使分析结果更深刻、准确。其数学模型如下：

设x=(X1,X2,…,Xp)′、y=(Y1,Y2,…,Yq)′是两个相互独立的随机向量，为研究x、y之间的相关关系，设L1、M1分别为两组变量中选取若干变量组成的一个线性组合，即：

L1=a11X1+a12X2+…+a1pXp=a′x

M1=b11Y1+b12Y2+…+b1qYq=b′y

在这里只考虑方差为1的x、y的线性函数a′x与b′y，求使他们相关系数达到最大的这一组，若存在常向量a1、b1，使得：

ρ(a1′x，b1′y)=maxρ(a′x，b′y)

var(a′x)=var(b′y)=1

则称a1′x、b1′y是x、y的第一对典型相关变量。同理，求出第二对、第三对……使得各对之间互不相关。

(二)指标体系的构建

考虑到变量的实际意义以及数据的可获得性，本文选取13个指标来反映各地区城镇家庭住房差异及其影响因素，如表1所示。

表1城镇家庭住房差异及其影响因素指标

住房差异指标住房建筑面积住房建筑质量住房设施完善程度住房来源人均住房建筑面积(Y1)钢混与混合结构(Y2)燃气百分比(Y3)洗澡设施拥有率(Y4)自有住房拥有率(Y5)影响因素指标经济因素人口因素人均可支配收入(X1)住房价格(X2)各地区GDP(X3)居民消费价格指数(X4)人口密度(X5)就业人员数(X6)性别比(X7)人口年均增长率(X8)

三、实证分析

(一)数据的初步检验与处理

建立典型相关模型的前提是因变量组和自变量组二者内部变量之间都不能具有较强的相关性。利用SPSS20.0对各地区城镇家庭住房差异变量组及其影响因素变量组内部各变量之间的相关性进行初步分析发现：住房差异变量组中各变量之间相关性较低；影响因素变量组中有三对变量分别高度相关。其中，人均可支配收入与住房价格的相关系数为0.869，各地区GDP与就业人员数的相关系数为0.804，人口年均增长率与住房价格的相关系数为0.803。考虑到变量对所属变量组的代表性，剔除住房价格和就业人员数这两个变量。

对剔除变量后的影响因素变量组与住房差异变量组的相关性进行分析，由表2分析结果发现影响因素变量组与住房差异变量组具有较强的相关性，因此，建立典型相关模型对两个变量组之间的相关关系(如表3所示)做进一步分析。

表2 两组变量相关系数矩阵

表3 典型相关系数及显著性检验

由表3中的检验结果可以看到，在5%置信水平下，第一、第二对典型变量相关系数较高，通过检验。表明其对应的典型变量之间相关性显著，能够用自变量组变量来解释因变量组变量。而其他典型相关系数较低，且无法通过检验，其对应的典型变量不具有很好的统计学意义。

由于原始变量组的变量单位各不相同，不宜直接进行比较，因而本文采用标准化后的典型变量系数，构建典型相关模型。通过SPSS20.0分析得出的住房差异典型变量与影响因素典型变量的标准化系数矩阵如表4和表5所示。

表4住房差异典型变量的标准化系数矩阵

U1U2U3U4U5Y10 4270 7760 513-0 109-0 674Y20 3110 4090 2720 1031 022Y3-0 1010 4070 1731 3550 458Y4-0 3560 089-1 014-0 8330 462Y50 8460 067-0 3680 619-0 088

表4和表5给出的标准化系数矩阵中，前两对典型变量相关性较显著，因而选取前两对典型变量构建典型相关模型如下：

U1=0.427Y1+0.311Y2-0.101Y3-0.356Y4+0.846Y5

V1=-0.294X1+0.080X3-0.077X4+0.178X5-0.528X7-0.372X8

U2=0.776Y1+0.409Y2+0.407Y3+0.089Y4+0.067Y5

V2=1.155X1+0.036X3-0.537X4+0.190X5+0.183X7-1.013X8

在U1中，Y5系数绝对值最大，为0.846；在U2中，Y1系数绝对值最大，为0.776。这表明反映住房差异的典型变量主要是自有住房拥有率和人均住房建筑面积。在V1中，X7系数绝对值最大；在V2中，X1和X8的系数绝对值较大。这表明影响因素典型变量主要由性别比、人均可支配收入和人口年均增长率决定。

表5影响因素典型变量的标准化系数矩阵

V1V2V3V4V5X1-0 2941 155-0 256-0 483-0 775X30 0800 036-0 7010 3480 422X4-0 077-0 537-0 7430 228-0 546X50 1780 190-0 206-0 3380 817X7-0 5280 183-0 143-1 0490 043X8-0 372-1 0130 3301 2530 803

(二)冗余度分析

为了对已构建的典型相关模型的解释能力进行判定，需要进行冗余度分析，结果如表6所示。

表6 冗余度分析结果

从表6中的冗余度分析结果可以看到，住房差异变量被自身第一典型变量解释了25.8%的方差，被自身第二典型变量解释了31.0%的方差，被影响因素第一典型变量解释了20.1%的方差，被影响因素第二典型变量解释了19.0%的方差；影响因素变量被自身第一典型变量解释了32.6%的方差，被自身第二典型变量解释了20.5%的方差，被住房差异第一典型变量解释了25.5%的方差，被住房差异第二典型变量解释了12.5%的方差。这充分说明两组变量具有较强的相互解释能力，因而提取第一对典型变量和第二对典型变量就可以代表原始变量的大部分信息。

(三)结果分析

根据已建立的典型相关模型得到，第一对典型变量相关系数为0.884，即第一影响因素典型变量对第一住房差异典型变量的影响较大。从系数符号上来看，第一住房差异典型变量中起主要作用的是自有住房拥有率，其系数符号为正；第一影响因素典型变量中起主要作用的是性别比，其系数符号为负。这表明性别比对自有住房拥有率的影响是消极的。

性别比对自有住房拥有率的消极影响体现在两方面：一方面，随着我国各地区城镇化进程的加快，未来会有更多的农村人口向城镇转移。在转移过程中，生活环境和思想观念的改变会产生一系列社会经济后果，性别比的降低便是其中之一。人们生育偏好的转变，不仅有利于社会经济的平稳发展，还会刺激住房的消费，这会使城镇家庭自有住房拥有率有所提升。另一方面，性别比的提高，意味着单身家庭*单身家庭不同于单亲家庭，在本文中是指处于单身状态的成年人脱离父母独自组成的单人家庭。的增加，同时婚姻家庭*婚姻家庭即两个成年人通过结婚而组成的一个完整家庭。的比率随之降低，而单身家庭和婚姻家庭对住房的需求有很大区别。对婚姻家庭来讲，对住房有着刚性需求，住房是婚姻的第一道门槛，也是婚姻的首要保障，拥有一套属于自己的住房是组成一个完整家庭的基础。因此，婚姻家庭比率的降低必然会造成自有住房拥有率的降低。从城镇化和住房需求两方面分析都可以看出，性别比越低的地区自有住房拥有率会越高。

第二对典型变量相关系数为0.782，即第二影响因素典型变量对第二住房差异变量的影响也较大。从系数符号上来看，第二住房差异典型变量中起主要作用的是人均住房建筑面积，其系数符号为正；第二影响因素典型变量中人均可支配收入和人口年均增长率所起作用大于其他变量，其中，人均可支配收入的系数符号为正，人口年均增长率的系数符号为负。这表明人均可支配收入对人均住房建筑面积的影响是积极的，而人口年均增长率对人均住房建筑面积的影响则是消极的。

党的十八大、十九大以来，高度重视农村地区发展，提出了实施乡村振兴战略，加快推进农村现代化发展。随着社会经济不断发展，大量农村劳动力向城市转移，农村劳动力老龄化现象严重，以手工插秧为主的传统水稻栽培模式已经不能适应当前发展现状。积极发展机械化插秧技术能够有效提高水稻生产的机械化程度，减少劳动力成本投入，提高作业效率，降低作业强度，减少生产成本，提高劳动生产效率，并对实现水稻规模化、标准化生产有着很大帮助，是现阶段水稻栽培实现技术转型的必然选择。

具体来看，人均可支配收入的提高会刺激城镇家庭对住房的消费需求。自2009年12月政府开始楼市调控以来，住房政策几经变革，全国各地区也都相继制定了符合本地区实际情况的住房政策，特别是经济较发达地区，基本都把降低房价收入比放在首位。降低房价收入比使得人均可支配收入的增长速度缩小了与住房价格增长速度的差距甚至会超过住房价格的增长速度。人均可支配收入的提高刺激了住房的消费，为了提高原有的居住水平，人们会倾向于购买大面积的住房。因此，人均可支配收入越高的地区，人均住房建筑面积也越高。

人口年均增长率的提高对人均住房建筑面积的影响具有一定的滞后性。人口数量过多是中国的基本国情，人口年均增长率越高，就需要更多的住房提供给新增加的人口居住。新增加的人口主要来源于两方面，即新出生的人口和获得城镇户籍时间较短的外来人口。在经济欠发达地区，人均住房建筑面积受新出生人口的影响较大，新出生的人口在未满十八周岁之前并不会拥有自己的住房，而是与自己的家人居住在一起，原有的人均住房建筑面积由于新出生的人口会有一定程度的降低。在经济较发达地区，健全的基础设施、良好的工作环境以及较高的福利待遇吸引着大批的高校毕业生，也就是拥有城镇户籍的外来人口。新“城里人”由于自身社会经验的缺乏和专业技能的不成熟，在职业生涯的前期处于资本积累阶段，购买住房的能力有限，只能倾向于租房或购买小面积的住房。这部分人的存在会使得整个地区的人均住房建筑面积处于较低水平。

四、结论与政策建议

本文研究发现，各地区城镇家庭住房差异主要体现在自有住房拥有率和人均住房建筑面积两个方面，而影响住房差异的主要因素是人均可支配收入、性别比和人口年均增长率。其中，人均可支配收入作为经济因素中的主要影响因素对人均住房建筑面积有着积极影响，而性别比和人口年均增长率作为人口因素中的主要影响因素分别对自有住房拥有率和人均住房建筑面积有着消极影响。针对各地区城镇家庭住房差异影响因素分析得出的结论，提出以下政策建议：

首先，建立良好的就业保障机制，切实提高城镇居民的可支配收入。从目前城镇居民的就业方向来看，个体经营者或自由职业者相对较少，城镇居民的主要收入来源依然是工资性收入。因此，政府应当建立良好的就业保障机制，加强就业与再就业工作建设，通过提高城镇居民可支配收入来提高居民住房的购买力，从而提高人均住房建筑面积，缩小各地区城镇家庭住房差异。

其次，鼓励高校毕业生到经济欠发达地区就业创业，并提供住房优惠政策。中国各地区经济发展水平差距较大，东部地区要明显高于其他地区，并且东部地区工作环境好、薪资水平高，对人才的吸引力会更大一些。但是，东部地区由于人口众多、住房成本高，同样也会让一些人望而却步。其他地区虽然工作环境、薪资水平等指标不如东部地区更有竞争力，但可以通过提供更高质量或更大面积的住房来吸引人才，这是东部地区所不能给予的。因此，政府应鼓励毕业生去中西部、东北等经济欠发达地区就业创业，并在住房方面给予一定的政策优惠。

最后，以保持适度的人口规模为目标，放宽生育政策，对独女家庭给予奖励措施。计划生育基本国策实施三十多年来，中国目前的人口生育水平要低于世界大多数国家，人口数量的控制取得了显著成绩。但并不意味着人口年均增长率越低越好，而是要将现有的生育水平稳定在一个比较合理的范围内，人口不足或人口过剩都不利于可持续发展。城镇化建设速度的加快，在刺激住房消费的同时也淡化了人们的生育偏好。因此，通过降低性别比来提高自有住房拥有率，需要放宽生育政策并对独女家庭给予一定的奖励措施。

参考文献：

[1] 易成栋.中国城镇家庭住房来源与产权的省际差异——基于2000年人口普查资料的分析[J].经济地理，2006，(S1): 163-165.

[2] 易成栋.中国城镇家庭住房消费的省际差异——基于2000年人口普查资料的分析[J].广东商学院学报，2007，(4): 24-27.

[3] 余腾飞，霍冉.我国城市家庭住房状况差异和影响因素分析[J].商场现代化，2011，(13): 146-147.

[4] 杨成钢，张荣.四川省居民住房水平的发展变化及其影响因素[J].四川省情，2003，(5): 23-24.

[5] 王斌.中国住房供给弹性区域差异与调控政策选择——基于省际面板数据的经验分析[J].中国房地产，2011，(8): 3-13.

[6] 马敬桂，徐飞.固定资产投资对我国三大产业就业影响的变动分析[J].特区经济，2010，(1): 286-288.

[7] 李平华，晁倩.商业银行业与区域经济发展的典型相关分析[J].金融论坛，2011，(7): 26-31.

[8] 张淑辉，陈建成，张立中，等.农业经济增长及其影响因素的典型相关分析——以山西为例 [J].经济问题，2012，(5): 85-92.

[9] 李通屏，郭继远.中国人口转变与人口政策的演变 [J].市场与人口分析，2007，(1): 42-48.

[10] 乔晓春.性别偏好、性别选择与出生性别比 [J].中国人口科学，2004，(1): 14-22.

[11] 辜胜阻，陈来.城镇化效应与生育性别偏好[J].中国人口科学，2005，(3): 30-37.

[12] 高淑媛.北京区域林业经济发展影响因素的量化分析研究 [D].北京:北京林业大学硕士学位论文，2006.34-40.