基于Logistic与AHP混合模型的宅基地有偿退出影响因素研究以湖北省宜城市为例

(华中农业大学 公共管理学院,湖北 武汉430070)

1 引言

随着我国城镇化和工业化进程的加快,城市与农村建设用地矛盾日益突出。一方面,城市快速扩张导致城镇建设用地日趋紧张;另一方面,因为缺失有效的宅基地退出机制,使大量农村宅基地闲置,而城市发展建设和部分农户的合理建房需求无法得到满足。相应的,如果想快速达成乡村振兴的目的,也需要退出宅基地。如在改造旧村过程中,需要一些农户的宅基地退出,将旧房危房等进行改建或拆除。由此可得出结论,宅基地的退出势在必行。但需要注意的是,农村宅基地的主要作用就是能使村民的居住得到保障,具有一定的稳定作用。因此,对退出农村宅基地的影响因素,引导农户合理有序退出宅基地对解决城乡建设用地矛盾、保护土地资源、实现乡村振兴具有重要的意义。尊重农民意愿是顺利开展农村工作和维持农村稳定的基础,分析农户宅基地退出补偿意愿的影响因素,能促进政府更有针对性、更合理地开展相关工作,更好地促进农村宅基地的有序退出。

近年来,众多学者从多个角度对农户宅基地退出意愿的影响因素做了大量研究论证：彭长生等研究提出,影响农户宅基地退出的主要因素是农户就业、养老、家庭生活费用和农业生产[1];李瑞琴通过研究提出,农民闲置宅基地退出意愿较低的原因是农户将宅基地看作长期占有和使用且有预期升值的资产[2];杨玉珍从不同的学科角度,如认知心理学、行为经济学等方面阐述了农民不同的认知与心理因素(除经济补偿以外)对农户宅基地的退出意愿的影响[3];王丹秋等研究提出，影响农户参与意愿的主要因素是农民的受教育程度、农民对政策的了解程度和农民的职业技能水平[4];王兆林等运用二元Logistic回归模型,从农户兼业角度进行了分析,将农户分为4种类型,研究发现不同兼业类型的农户对宅基地退出意愿影响不同[5]。

2 数据来源、指标选取与研究方法

本文着重对农村居民有偿退出宅基地不同因素的影响效果进行分析研究,通过发放调查问卷,对问卷结果进行统计分析,计算模型结果,认识农民宅基地有偿退出的特点和相关问题,探讨影响农户宅基地退出的主要因素。

宜城市位于湖北省西北部、汉江中游,总面积2115km2,行政区域辖8个镇、2个街道办事处、1个工业园区和1个省级经济开发区。宜城市地处北亚热带季风气候区,主要种植作物有小麦、水稻、棉花等。宜城市是全国的农业大县，该市的产业功能定位是农产品。2017年末,宜城市常住人口为52.54万人,地区生产总值333.60亿元,人均生产总值63495元。

宜城市自然资源和规划局的调查结果显示：2015年末,整个城市农村宅基地数量超过10万户,有超过11万宗的宅基地,一宅一户超过9万户,相当于总户数的87%;0.87万户“一户多宅”,超占面积的有8.6万户；0.5万户无宅,超过2.1万户进行了私下交易。宜城市推出农房抵押贷款、宅基地有偿使用、宅基地自愿有偿退出等一系列改革措施,效果显著。截至2018年底,全市共有1160户农民自愿有偿退出宅基地,总面积达到207.6hm2。本研究得出的结论对帮助宅基地有偿退出工作的顺利完成和为全国宅基地有偿退出工作提供借鉴。

本课题组于2017年8月对湖北省宜城市农民宅基地退出意愿进行了实地调查研究。随机选取宜城市4镇10村进行调查和访谈,共发放和回收调查问卷160份,其中有效问卷152份,有效率为95%。

3 因变量选取

本研究主要是为了对农村居民有偿退出宅基地意愿的影响因素进行探析,因此将调查问卷的问题设置成:“您有意愿退出宅基地么?”,然后将答案设置成为“是,我很愿意进城居住”、“是,并愿意住农村集中住宅”、“否,不愿意退出”3种情况,调查结果见图1。

图1 问卷调查结果

3.1 模型选择与说明

在实证研究过程中,因变量是“您是否愿意退出闲置宅基地”,该变量难以用连续数值表示;自变量为前文所述宅基地退出的影响因素,而这些影响因素变量大部分不是连续型变量,通常用“愿意、不愿意;非常愿意、愿意、非常不愿意”等二元或多元选择作为变量值。针对符合多项分布的因变量与自变量,本文采用非线性概率模型——Logistic回归模型。Logistic模型最早由Verhulst提出,随后在很多行业中得到广泛应用[6]。20世纪中后期,该模型的研究得到不断深入,Logistic多元回归模型、Logistic多水平回归模型等模型出现在人们的视野中[7]。

Logistic模型的具体形式:

(1)

(2)

对数转换:

(3)

式中,p为农村居民宅基地退出概率;1-p为农村居民不愿意退出宅基地的概率;xi为解释变量;ε为误差;α为常数项用;βi为解释变量第i个影响因素的系数[8]。

表1 自变量

在确定EPV(Events Per Variable)即每个自变量所需要事件数的合适值时,不同的研究结果持有不同的观点。1985年,Harrell等在研究论文中指出:从理论上来讲,多因素分析中至少需要的EPV数量为10—20个[9]。2009年，Karel等在BMJ发表论文时指出:有人提出EPV数量可小于10。本研究则认为EPV≥10时是较为合适的[10]。

在处理数据时,由于对超过10个自变量进行多元Logistic回归分析时会出错,因此为减少数据处理上的误差,决定将影响因素分为4大类即4个一级指标分别处理,利用Logistic模型得出每大类中的每个小类即二级指标的权重,之后利用AHP进行最终权重的确定,即得到各个因素对农民有偿退出意愿的影响程度。

3.2 解释变量的选取

通过查阅资料与研究分析[11,12],初步确定影响农民宅基地退出意愿的自变量，见表1。

4 Logistic模型确定权重

4.1 数据标准化处理

首先，预处理样本数据,目的是编码样本数据;其次，标准化样本数据。假设问卷数据的样本量有n个,然后每一个样本中的变量数为m,表示为x1,x2,x3,…,xm，这样的原始数据就是xij,代表的是样本i中的变量数据为j。如果指标相同,可用下式表示原始数据的标准化值:

(4)

式中,在相同指标变量j的情况下,能通过观测的最大数据用xjmax表示;在相同指标下,通过观察可得到的最小数据用xjmin表示;数据标准化后的指标用pij表示,该值必须在0—1数值之间,这样才能使运行程序和分析数据更加方便。

4.2 筛选变量

共线性多重检验:Hanushek、Jackson的研究表明,解释变量间共线性很容易影响普通Logistic回归模型的参数估计[13]，因此为了减少变量对共线性的影响,一般应对各变量进行共线性检验。以一级指标中的个人禀赋变量为例,本文对自变量共线性的衡量是通过SAS9.4软件中的CI(条件指针)和VIF(方差膨胀因子)进行的。VIF值≥5,具有重复共线性;CI值在≥10,≤30属于弱共性;如果该值≥30,≤100则为中等共线,超过100属于严重共线[14]。

表2 诊断解释变量的多重共线性

从表2可见,1.81377是VIF的最大值,2.26174为CI的最大值。由此得出结论,解释变量中没有复线性和共线性,因此不需要整合和剔除自变量,可对剩下的7个自变量进行分析。

模型拟合度检验:为了诊断模型建立之后是否可分析问题,必须要检验该模型的显著性和系数的配适性,本文以Omnibus对拟合度进行检验。从检验得出的结果来看,回归模型(由7个变量组成)的p为0.014,明显小于0.05;配适度卡方值为62.255,明显超过显著水平,证明这7个自变量中至少有1个变量能对退出宅基地的意愿进行有效预测和解释。

模型回归结果与分析:通过SPSS22软件展开多元Logistic回归,结果见表3。表3的显著性水平是指当原假设正确时,人们却拒绝其风险或概率,一般记作α。若取α=0.05或α=0.01,表明当决定接受原假设时,其正确的可能性(概率)为95%或99%,因此筛选出在15%水平上的显著自变量,其相关性(概率)可能在85%以上的变量。即在个人禀赋变量中,选出性别、年龄、受教育程度3个自变量。

表3 回归结果

注:***、**、*表示在5%、10%和15%的水平上显著，表4、5、6同。

其他类变量筛选:采用SPSS22软件对其他一级指标——家庭禀赋、区域因素、政策、外部影响进行多元Logistic回归,结果见表4—6。保留在15%水平上的显著变量,最后筛选得到15个影响因素,见表7。

表4 家庭禀赋回归结果

表5区域因素回归结果

自变量卡方显著性水平2016年村人均纯收入59.5150.707村农业生产水资源的保障程度**61.9780.094是否有农业合作社56.3240.321距县城距离***64.8130.029

表6 政策及外部影响因素回归结果

表7 自变量的描述性统计

4.3 最终变量的多重线性检验

本文采用SAS9.4软件中的VIF和CI对共线性进行衡量,得到的具体运行结果见表8。从表8可见，CI的最大值为2.30461,小于10,1.32593为VIF的最大值。由此可得出以下结论：复线性和共线性在解释变量中是不存在的,因此无需进行整合和提出自变量就可以分析剩下的15个自变量。

4.4 最终模型拟合度检验

为了诊断模型建立之后是否可用以分析问题,必须检验该模型的显著性和系数适配性。本文以Omnibus对拟合度进行检验[15]。从检验得出的结果来看,15个变量值在4个类别中形成模型的卡方值、配适度检验与p值见表9。从表9可见,p值均小于0.05,达到显著水平。通过Omnibus检查,得出Logistic模型具有很好的拟合度,农村居民退出宅基地的意愿能通过回归效果进行有效反映。

表8 诊断解释变量的多重共线性

表9 整体模型适配度检验

4.5 确定一级指标中的二级指标权重

本文将15个变量简化为:①个体禀赋(B1)，主要包括性别(C1)、年龄(C2)、受教育程度(C3)。②家庭禀赋(B2)，主要包括家庭外出人口数(C4)、户所拥有的宅基地宗数(C5)、宅基地取得方式(C6)、2016年生活消费占家庭总支出的比例(C7)。③区域因素(B3)，主要包括距县城的距离(C8)、村农业生产水资源的保障程度(C9)。④政策及外部影响(B4)，主要包括不动产是否确权(C10)、喜爱城市还是农村(C11)、所在地区的社会保障水平(C12)、是否了解宅基地的退出过程(C13)、对政府执行政策的信任程度(C14)、当前住房条件满意程度(C15)。

本文运用SPSS22软件进行多元Logistic回归,再次得到自变量与因变量(农民宅基地的有偿退出意愿)之间的相关性。相关性越大,说明该因素对农民宅基地有偿退出意愿影响越大,反比例得到的权重见表10。

表10 自变量权重分配情况

5 层次分析法确定最终权重

5.1 确定影响宅基地退出因素的权重

所谓的层次分析法就是首先将较复杂的问题进行层次划分,立足于总目标的达成,以互相影响关联形成的层次结构有序递阶。其次，对递阶层次中每两个层次进行比较,看两层之间的重要性。通过9级标度对其进行赋值,形成判断矩阵。第三，以判断矩阵为依据,对层次进行总排序和单排序,这样才能有效地对不同因素指标的权重值进行查找[16]。系统性和简洁性是层次分析法的主要特点,但这一方法也存在一定问题,即判断矩阵中的不同指标赋值可能存在随意性[17]。本文利用表10中得到的权重,为两两比较提供了定量依据,可在一定程度上减少层次分析法中人工赋值的主观性。

5.2 构造判断矩阵

本文采用9级标度法赋值,判断上下层因素的相对重要性,建立判断矩阵，见表11—15。

表11 判断矩阵A-B

表12 判断矩阵B1-C

表13 判断矩阵B2-C

表14 判断矩阵B3-C

表15 判断矩阵B4-C

4.3 各层中因素指标的权重计算

表16 一致性指标RI查询表

5.4 层次总排序

要得出各层次所有元素对总目标相对重要性的权重,需要自上而下地对权重进行排序,层次总排序见表17。从表17可见,影响农民宅基地有偿退出因素指标中,年龄(C2)权重值最大,2016年生活消费占家庭总支出比例(C7)权重值最小。

表17 层次总排序

(续表7)

层次B层次C B1B2B3B4WB1=0.2775WB2=0.1650WB3=0.1650WB4=0.3925权重值排名C600.4648000.07675C700.0468000.007715C8000.833300.13753C9000.166700.027510C100000.29740.11674C110000.48370.18982C120000.06850.026911C130000.08320.03269C140000.03360.013213C150000.03360.013214

5.5 结果分析

年龄(C2)、喜爱城市还是农村(C11)、距县城的距离(C8)、不动产是否确权(C10)、宅基地取得方式(C6)、性别(C1),6个因素权重从大到小的和为0.786,表明以上6个因素较显著地影响了调研范围内农户退出宅基地的意愿。

年龄:本次调查是以年满20岁以上各年龄段农户为对象,以全面了解各年龄段农户对宅基地的退出的意愿。调查结果显示,40岁以下(含40岁)年龄段农户愿意退出并进城居住的占40%,愿意退出并居住农村集中住宅的占36%,不愿意退出的占24%。40岁以上年龄段农户愿意退出并进城居住的占29%,愿意退出并住农村集中住宅的占43%,不愿意退出的占28%。根据模型分析及结果表明,年龄因素对宅基地退出具有显著影响。即年龄大的农户更愿意选择住农村集中住宅,年龄小的农户更愿意选择进城居住,说明年龄越大的农户对邻里关系越看重,乡土观念越重。

喜爱城市还是农村:调查发现,喜爱城市的农户退出宅基地的愿望较强烈，而喜爱农村的农户退出宅基地愿望较弱。这与模型结果一致,符合逻辑。因此,政府在推进宅基地退出时必须充分了解农民的个人喜恶,注意政策宣传力度和广度,合理有效地引导和激励农民退出宅基地。

距县城的距离:调查发现,县城周边村庄的农户宅基地有偿退出意愿不高,中间高两边低是退出意愿呈现的总体分布。县城周边地区的地理位置较好,城镇对公共基础设施和服务有着很大的影响。如果离县城中心的距离较远,农村居民更加愿意选择有偿退出宅基地,倾向于改善居住水平,希望拥有更好的公共基础服务和设施;但当和县城中心相隔较远时,农村居民的宅基地退出意愿开始下降。因为在偏远的农村地区,农户的生产与生活对土地具有较高的依赖性,因此在推进宅基地退出时要合理安排退出顺序。

不动产是否确权:调查发现,宅基地已确权的农户对有偿退出响应没有宅基地未确权的农户高。原因是对大多数宅基地未确权的农户,一户多宅、宅基地闲置废弃现象屡见不鲜,确权即意味着需要给出更多的有偿使用宅基地的费用,这些农户更希望将多出来的宅基地退出。而对宅基地已确权的农户,宅基地承担的是住房保障功能,对有偿退出响应没有未确权的农户积极。对这部分农户应建立配套的宅基地退出的多元补偿机制,从各个方面保障退出宅基地农户的当前生计和长远利益。因此,政府应在推进宅基地确权工作的同时,稳步推进宅基地退出。

宅基地取得方式:调查结果显示,宅基地取得方式为继承的农户对有偿退出的响应比通过其他方式取得宅基地的农户强烈。原因是该区域大部分闲置宅基地是通过继承方式得来,这部分农户更愿意退出宅基地。

性别:此次调查对象中，男性愿意退出并进城居住的占27%,愿意退出并住农村集中住宅的占42%,不愿意退出的占31%;女性愿意退出并进城居住的占40%,愿意退出并住农村集中住宅的占43%,不愿意退出的占17%。结果显示,男性偏向于退出宅基地并住农村集中住宅,女性对进城居住或住农村集中住宅并无较大区别，因此应充分考虑农户家庭的性别比例和退出后的生活保障问题。

6 结论与建议

6.1 结论

农村居民对宅基地有情感寄托是退出宅基地受阻的主要因素:农村居民的情感联系是宅基地,认为宅基地和他们的血脉相连[20]。即使部分农户进城定居,由于宅基地可作为遗产继承,农户往往不愿意退出。相当一部分农户习惯农村邻里间的相处方式,对城市的快节奏、邻里之间几乎无交流的生活方式存在抵触心理。

影响宅基地退出的关键因素是农户对城镇生活的不确定性:宅基地是我国农村居民安身立命所在[21],虽然当前我国城市化进程不断加快,很多农村居民进城务工,但不容忽视的是城市生活有着很大的不确定性。农户对生活成本、医疗、养老、社会保障、就业等有着诸多考虑,因此不愿意放弃宅基地。

6.2 建议

构建发展机制,促进农村居民市民化:随着我国城市化进程的不断加快,对农村居民退出宅基地的意愿有很大影响。假如仅将宅基地看作土地,对农户退出宅基地是基本不可能的[22]。加快农村人口市民化进程是解决宅基地退出的重要环节,给农村居民提供医疗养老、失业扶助、孩子教育等社会保障,才能让农村居民在退出宅基地后没有后顾之忧。

加大宣传力度,因地制宜:喜爱城市的农户退出宅基地的愿望较强烈,而喜爱农村的农户退出宅基地愿望较弱。研究发现,农户个体的偏好受到多方面因素的影响[23]。因此,在改革宅基地试时,应对政策进行全方位、多渠道宣传,促进农户退出宅基地。同时,在推进有偿退出过程中应重视时序分区问题,最好遵从中心村—远郊—近郊的顺序。调查发现,政府一般先进行宅基地确权工作,后进行宅基地退出工作。因此,宅基地确权和有偿退出同时进行的模式对促进宅基地退出工作具有重要意义。