房价与结婚率的关系研究

林 娟，韦家民，周利星

（1.广东行政职业学院 电子信息学院，广州 510800；2.太平洋财产保险公司华南营运中心，广州 510800；3.广东行政职业学院 财经商贸学院，广州 510800）

0 引言

据《中国区域经济统计年鉴》显示，我国初婚率从2013 年1.74%的高峰逐年下跌至2017 年的1.38%，下跌幅度较大。同时，房价快速上涨，在我国住房几乎是结婚的必需品，想要结婚的年轻人购房的财务压力极大，这导致很多人不断推迟结婚时间乃至不敢结婚。高企的房价很可能是我国结婚率下降的一个重要原因。更重要的是，当前我国面临着人口出生率下降的严峻形势，而结婚率下降可能更进一步推动人口出生率下降，因此本研究有重要的现实意义。本文研究高房价是否影响结婚率以及在多大程度上影响结婚率。本研究有助于政府有关部门更好地评估高房价带来的社会影响，特别是对居民婚姻和生育的影响，以便于相关部门制定出更全面合理的政策。

1 房价与结婚率的现状分析和文献综述

1.1 房价与结婚率的现状分析

图1 展示了全国整体的房价与初婚率状况。全国整体的房价水平从2010 年到2016 年是一个明显的增长趋势。全国平均房价水平从2010 年的5 032 元每平方米不断递增至2016 年的7 476 元每平方米，短短6 年间增幅达48.57%，远远超过工资水平和人均GDP的增加。2010 年全国平均初婚率为1.64%，随后几年略有上升，但是随着房价的不断上升，初婚率逐渐下降，最后回落到1.38%的水平，与房价的增长形成鲜明对比。

图1 全国整体房价与初婚率状况

1.2 文献综述

Becker(1988)等创立了家庭经济学，运用最大化家庭效用理论对婚姻的产生和家庭的组建进行了深入探讨，其研究主要集中于组建家庭的成本与效用方面，还认为房价是影响家庭组建的重要因素。［1］近年来，有多位学者研究房价对婚姻的影响。朱考金、杨春莉（2007）从结婚成本的角度探讨了高房价对婚姻的不利影响。［2］洪彩妮（2012）使用2004—2008 年我国省级面板数据分析表明，房价增长速度每上升1%，初婚率约下降0.02 个千分点。［3］郑益平（2018）分析了当前青年购房模式和消费心理，从正反两个方面探讨了高房价对青年的婚姻观念及结婚可能性的影响。［4］

此外，高房价可以通过影响人们的生育意愿来影响结婚率。近年来有学者使用香港数据研究发现，生育率在房价上升时显著下降（Yi and Zhang，2010；易君健、易行健，2008）。［5-6］刘晓婷等（2016）利用国内1999—2013 年省级数据的实证研究表明，国内各省也呈现了高房价压低生育率的现象。［7］生育是婚姻和家庭的一个重要功能，因此低生育率的社会环境将在一定程度上降低结婚率。

从现有文献来看，国内目前研究房价上涨如何影响结婚率的文献并不多，而使用有代表性的样本和数据进行实证研究的则更少。因此，本研究使用有代表性的数据和计量模型分析房价如何影响结婚率这一问题具有显著的现实意义。

2 房价对结婚率影响的实证分析

2.1 模型的构建与变量设定

使用面板模型相对于截面数据模型或时间序列模型存在以下优点：首先，面板数据模型可以有效降低遗漏变量带来的偏误。由于遗漏变量很可能是由不随时间改变的固定的个体差异（通常是无法观测的）导致的，使用面板模型能够消除这部分固定效应的差异，降低遗漏变量带来的偏误。其次，面板模型是对同一观测对象不同时间序列的观测，能够增加自由度，并减少各变量间的共线性，提高模型的有效性。因此，综合上述优点本文构建面板数据模型。

本研究主要分析房价对城市居民结婚率的影响，因为高房价主要影响城市居民，而且城市与农村之间有较大差异。但是全国联网的婚姻登记系统尚未建成，各个统计年鉴中没有区分城市与农村的婚姻数据，而且结婚数据记录存在一定的不统一，因此需要一定的计算方法将其转换。另外，中国房地产市场数据系统开发较晚，各大城市房地产价格数据记录时间很短，数据量少，而且存在一定的遗漏。由于以上原因，本文选取全国31 个省、自治区、直辖市汇总的2010—2016年的年度数据（共224个观察值）作为面板数据，而数据主要来源于《中国统计年鉴》、《中国区域经济统计年鉴》、《中国劳动统计年鉴》、中国经济与社会发展统计数据库等。本文进行分析的数据层级是全国省级数据。

本文使用以下面板模型研究房价对初婚率的影响：

其中，i=1，2，3，…，N，是模型截面变量；而t=1，2，…，T，是时间变量；αi表示个体异质性的截距项，是不可观测的，包含了观测个体中所有能够影响因变量却不随时间变化的特性；而Uit表示个体随时间变化的扰动项，它表示个体的所有随时间变化的不可观测因素。

首先，因变量初婚率（Yit）表示的是整个地区中本年度内初次进行结婚登记的人数在总人口中的比例。由于统计年鉴中没有直接的初婚率数据，因此本文在《中国区域经济统计年鉴》中截取全国31 个省、自治区、直辖市的总人口数据和初婚人数计算得出初婚率，即

其次，自变量lnHouse Priceit-1表示房价的衡量指标，其数据来源于《中国统计年鉴》中的住宅商品房平均销售价格（元/平方米），并且进行了对数化处理。考虑到人们的预期可能被上一期房价影响，因此在房价变量上取t期与t-1 期的时间序列变量进行回归。

最后，控制变量（Xit）为以下两类：一是文献中发现和结婚率存在相关关系的控制变量，包括出生率（Birth Rate）、人均GDP（lnGDP）、人口的教育水平（Education）；二是出于现实因素考虑可能和结婚率存在相关关系的控制变量，如离婚率（Divorce Rate）与居民物价消费指数（CPI）。

高房价可能通过抑制生育率来降低结婚率，因此有必要将出生率作为一个控制变量。出生率指1 年内平均每千人中出生人数的比率，其数据来源于《中国统计年鉴》与《中国区域经济统计年鉴》。

人均GDP 反映了该地区的经济发展水平与居民收入水平。根据Donald R.Haurin 等（1993）研究表明，真实工资在一定程度上影响了家庭的组建，因此本文选取人均GDP 作为真实工资的一个代理变量。［8］

吴要武、刘倩（2014）发现高等教育的普及很大程度上推迟了平均结婚年龄，还减少了结婚率。［9］因此在探究房价对结婚率的影响时就必须考虑到教育水平的影响。由于数据中没有人口的平均教育年限，本文采用以下方法进行换算：小学毕业受教育时长为6年，初中毕业为9 年，高中毕业为12 年，大学本科为16 年，研究生毕业为19 年，因此人口平均受教育年限=6a1+9a2+12a3+16a4+19a5，这里a1表示受教育程度为小学的人口份额，a2表示受教育程度为初中的人口份额，a3表示受教育程度为高中的人口份额，a4表示受教育程度为大学本科的人口份额，a5表示受教育程度为研究生的人口份额。此换算方法来自郭峰（2015），数据来源于中国经济与社会发展统计数据库。［10］

此外，现实因素如离婚率和CPI 可能存在影响。离婚率指年度离婚数与总人口之比，离婚率的高低反映了维持结婚状态的难易程度。而CPI 指居民消费价格指数，反映了维持婚姻生活的日常成本。以上两个变量的数据均来自于《中国统计年鉴》。

2.2 变量的描述性统计

表1 展示了各变量的描述性统计。从表中可以看到初婚率的均值约为1.58%，而且最大值最小值间差距比较大；滞后一期房价对数的平均值为8.603，换算为房价是6 302.094 元每平方米；平均出生率为11.40‰；平均教育年限为8.154 年；离婚率的均值为2.469‰；CPI 的均值为102.987。

表1 各变量的描述性统计

2.3 模型的选择与检验

首先，本文需要选择使用随机效应模型还是固定效应模型，这需要通过Hausman 检验来决定。随机效应模型假设个体的异质性存在于干扰项中，而固定效应模型假设个体异质性存在于不可观测的常数项中，Hausman 检验能够检验个体的异质性是否存在于随机干扰项。Hausman 检验原假设为干扰项Uit和其他解释变量不相关，在该假设下，使用OLS 估计的固定效应模型和用GLS 估计的随机效应模型的参数估计都是一致的。因此构造的统计量是基于两者估计参数的差异，若产生明显的差异，则拒绝了原假设，此时选择固定效应模型是较优的。经计算，Hausman 检验的统计量为10.89，P 值为0.091 7，在10%的水平上是显著的。检验结果表明原假设被拒绝，因此本文选择使用固定效应模型。

其次，本文对残差进行相关性检验，确定其在时间维度上是否存在自相关序列问题。检验自相关序列问题需要使用Wooldridge 序列检验方法，将残差对滞后项进行回归。Wooldridge 检验的原假设为模型不存在一阶组内自相关，如果原假设被拒绝，那么就说明模型存在自相关问题。检验统计量为55.069，在1%水平上显著，因此存在残差自相关。由于残差存在自相关问题，不符合高斯—马尔科夫定理的假设，因此需要对模型进行修正。

最后，本文检验是否存在异方差问题。异方差指各个个体的残差方差不同，这违背了高斯—马尔科夫定理的假设，这将无法得到有效的统计量。本文检验异方差使用的是怀特检验。原假设为残差平方与自变量无任何关系。若拒绝原假设，那么模型就是存在异方差问题。怀特检验的统计量为79 240.14，在1%水平上显著，因此存在异方差问题。

由于模型同时存在自相关问题与异方差问题，因此本文选用可行性广义最小二乘法（即FGLS）进行回归。由于异方差的函数形式未知，且残差自相关形式不确定，因此使用附带迭代算法的可行广义最小二乘法来估计该固定效应模型，以减少异方差和自相关问题带来的偏误，使回归结果更为可靠。整个回归方程的F 统计量为82.49，其P 值为0.000，在1%水平上显著，因此方程是十分有效的。

2.4 回归结果

回归结果如表2 所示。

表2 回归结果

从FGLS 的回归结果看，房价、出生率、人均GDP、教育水平和离婚率对初婚率有显著的影响。房价对初婚率的影响在10%水平下是显著的。其系数约为-0.158，它的含义是上一年的房价每增加一个百分比，该年度的初婚率将降低0.158%。由于该模型中初婚率使用的是水平值，且初婚率各个年度均值为1.581%，所以这个变化相对来说还是比较大的。这说明当前的结婚率受上一期的房价状况影响。

在控制变量部分，出生率的系数是0.034，而且在1%水平下显著，出生率和初婚率正相关。本文对此现象的解释如下：更高的出生率表明社会的生育意愿更强，因而人们有更高的结婚意愿，所以初婚率更高。

人均GDP 的系数为-0.354，而且在1%水平下显著。这表明，人均收入和初婚率负相关。本文对这一现象的解释如下：随着人们收入的不断提高，人们的基本生活需求得到了较好的保障，因而对婚姻的依赖度下降，这与欧美发达国家的结婚率随着收入水平上升而下降的现象是一致的。

教育水平的影响在1%的水平上显著，其系数为正。教育水平对初婚率的影响为正，说明了随着教育水平的不断提高，人们更愿意结婚或在婚姻市场更有竞争力。

离婚率对初婚率的影响是正向而且是显著的。一个可能的解释如下：由于离婚现象的逐渐增加，社会对于婚姻的看法更加开放和包容，婚姻越来越自由，降低了人们结婚的心理负担。因此，离婚率和结婚率正相关。最后，CPI 的系数为正但不显著，说明在结婚决策中物价水平不是重要的影响因素。

3 结论与政策建议

研究房价对结婚率的影响，有利于政府部门更好地评估房价对居民福利的影响，制定更适当的政策。本文使用2010—2016 年全国31 个省、自治区、直辖市汇总的面板数据，实证分析了房价对初婚率的影响。研究结果表明，房价每提升1 个百分点，下个年度的初婚率显著下降约0.15 个百分点。房价的快速上涨对初次结婚率影响十分显著，特别是在最近十多年来房价飙升的背景下。

基于研究结论，本文提出以下对策建议。第一，房地产是关乎国计民生的问题，国家需要对房价的增长速度进行调控。第二，政府要坚持“房住不炒”和金融去杠杆的政策，一方面打击投机炒作，另一方面严防过量资金进入房地产市场，遏制房价的快速上涨，促进房地产市场平稳健康发展。第三，政府可以通过减少高房价带来的负面影响来增加结婚率。政府可以给新婚夫妇增加租住廉租房或公租房的机会，或者给新婚夫妇提供一定的住房补贴，从经济上减少高房价对结婚率的不利影响。第四，政府应不断完善各项社会保障制度，让房子不再成为人们生活的沉重负担，从根本上提升居民的福利水平。