大学毕业生低收入群体住房消费能力影响因素的回归分析

大学毕业生低收入群体住房消费能力影响因素的回归分析_PPP模式的蚁族保障房建设研究

通过对南京市大学毕业生低收入群体的住房消费现状及住房支付能力的分析，可以看出他们的住房消费并不是一个孤立的行为，其住房消费行为及住房消费能力主要受收入的影响，但是它还受其他一系列因素的影响，比如性别、受教育程度、户口等，而找出其中的主要因素，对于改善大学毕业生低收入群体住房消费现状及提高他们的住房支付能力有重要的理论和现实意义。

1）影响大学毕业生低收入群体住房消费能力的因素分析

住房支出对于收入有限的大学毕业生低收入群体来说，是一笔很大的支出。它受到各种因素的影响，大学毕业生需要综合考虑各方面的因素来决定采取哪种居住方式，或是选择在哪里租、租一个多大面积的住房。但总的来说，可以分为（1）与住房有关的因素，如居住方式、住房面积、住房所处的位置、租金等；（2）与住房无关的因素，如收入、年龄、受教育程度、婚姻状况等表示个体特征的因素。

（1）住房因素

表2-10　住房因素与MHAI值的交叉列联分析统计表

① 居住方式

用SPSS对大学毕业生低收入群体的居住方式与住房支付能力做交叉列联分析，结果如表2-10所示。从表中频数与百分比统计可见，选择不同居住方式的大学毕业生低收入群体其MHAI值确实存在差异。同父母住在一起的其MHAI值在1以上的分布最多，其次是住在集体宿舍，而租房者的MHAI值多数分布在0.6～0.8之间，存在较大的住房支付困难的问题。而由于购房者在总样本中所占的比例最小，以致其MHAI值的分布与实际存在一定的差异。

② 人均住房面积

从表2-10中统计的数据我们可以知道，人均住房面积的不同也会引起MHAI值的不同。人均住房面积在30 m2以下的，其MHAI值有近半数的是在0.6～0.8之间，即存在严重的住房支付困难的问题。并且随着人均住房面积的增大，其MHAI值有下降的趋势，这表明人均住房面积与MHAI值之间可能存在一种负相关的关系。

③ 住房位置

根据表2-10所反映的情况，我们可以得出以下的信息：住房所处的位置不同，其MHAI值也存在一定的差异，但是这种差异相较前两者而言，不是特别明显。这表明住房位置与MHAI值之间可能不存在显著性的相关关系，或者这种显著性关系比较弱，可以忽略不计。

④ 租金

从MHAI的定义中我们就知道，租金是影响MHAI值的一个重要因素，而表2-10所列出的统计数据也验证了这一关系。租金在300元以下的MHAI值较大，其中有29.10％的MHAI值大于1，几乎占所有MHAI值大于1的70％。另外，随着租金的增加，其MHAI值也出现了下降的趋势，这表明其可能同人均住房面积一样，与MHAI值之间可能存在一种负相关的关系。

（2）非住房因素

由于影响居民住房支付能力的非住房因素较多，结合以往文献总结出的影响家庭住房支付能力的非住房因素，如性别、年龄、收入等，本章对这些因素进行简单的分类：第一类，描述个体的人口学特征因素，包括性别、年龄、文化程度、户口、婚姻状况、结婚时间、兄弟姐妹数量；第二类，表示个人工作和收入状况的因素，包括工作年限、月收入、上班的交通工具。下面通过SPSS运用交叉列联对这两类因素对MHAI值的影响进行简单的分析：由于被调查者绝大多数是未婚的，因此不对婚姻状况和结婚时间进行交叉列联分析；而对兄弟姐妹数量的交叉列联分析考虑分项较多，而可能只在是否为独生子女之间存在MHAI值的差异，因此合并其他选项只分析是否为独生子女；而对于收入这一项，由于在上一章中就定性地讨论了它与MHAI值的关系，为此在交叉列联分析中就不再讨论。最终的分析结果见表2-11和表2-12所示。

表2-11　个体人口学特征因素与MHAI值交叉列联分析统计表

从表2-11中我们可以看出，性别和年龄在各分项分布的MHAI值没有多大的差异，它们的变化可能对MHAI值的变化产生的影响较小；而在文化程度、户籍、是否独生子女这三项中，不同分类对应的MHAI值分布范围有较大的差异，尤其是在户籍和独生子女间，明显可以看出本地户口的大学毕业生低收入人群承受的住房压力要比外地户口的小，是独生子女的承受的住房压力也要比不是独生子女的小，这表明它们的变化对MHAI值的变化会产生显著的影响。

表2-12　工作和收入状况因素与MHAI值的交叉列联分析统计表

观察表2-12我们可以得到如下信息：第一，工作年限越少，其MHAI值也越小，而且在第3年出现了一个转折，前3年内的MHAI值主要分布在0.6～0.8之间，3年以上的MHAI值主要分布在0.8～1.0之间；第二，对于上班的交通工具而言，MHAI值的分布范围没有明显的变化，需要进行进一步的分析。

2）住房消费能力影响因素的Logistic回归分析

Logistic回归分析是调研分析时常用的一种分析方法，通过Logistic回归分析，可以预测一个分类变量每一分类所发生的概率。由于在Logistic回归模型中，应变量为分类变量，自变量可以是区间变量，也可以是分类变量，或是两者的混合，解决了调研问卷中既有定性变量又有定量数据时仅限于对资料进行列联表法的困境，让定性、定量资料的相关性分析有了突破性的进展，使调研的分析结果更具有说服力。

（1）Logistic回归模型介绍

本章采用的Logistic回归模型是二分类Logistic回归模型，即因变量为二分类变量，它能很好地反映自变量与因变量之间的关系。其模型表达式为

由公式2-19可以逆推出事件发生的概率P 和不发生的概率1-P：

其中，β0为常数项；x是自变量；βp 是xi（i＝1，2，…，p）对应的偏回归系数；P为事件发生的概率；1-P为事件不发生的概率。

通过大量的分析实践，发现Logistic回归模型可以很好地满足对分类数据的建模需求，因此目前它已经成为了分类因变量的标准建模方法。但是，运用二分类Logistic回归模型对数据有一定的要求：

① 反应变量为二分类的分类变量或某事件的发生率；

② 自变量与logit（P）之间为线性关系；

③ 残差合计为0，且服从二项分布；

④ 各观测间相互独立。

这种对后验概率建模的方法具有很多有吸引力的特征。例如，如果分布是具有相等差矩阵的多元正态分布，那么它就是最优的解。此外，对于X为离散变量的情况，如果用具有同一个交叉项的对数线性模型来对分布建模，那么它也是最优的。还可以把这两个最优的特征组合在一起，那么就得到了一个可用于混合变量（也就是既有离散变量又有连续变量）的有吸引力的模型。

（2）变量的选取与处理

① 因变量修正的住房支付能力指数（MHAI）的描述

根据观测的数据发现，样本数据的MHAI测算的实际值分布在0.5～1.7之间，且集中分布在0.8左右。考虑到本章重点分析的是MHAI值发生变化的可能性，因此需要对MHAI值进行重新定义。如果MHAI值大于或等于0.8，MHAI值定义为1；否则，定义为0。

② 自变量的选择与筛选

在上面已用SPSS的交叉列联分析对影响MHAI值变化的影响因素进行了初步分析，包括住房因素和非住房因素。因此，我们把它们作为本文Logistic回归模型的自变量。但是，在最初的SPSS数据中，自变量有很多是多分类变量，而进行Logistic回归分析要求自变量最后是二分类变量或连续变量，为此，需要对自变量重新进行描述和定义。具体描述见表2-13所示。

表2-13　变量描述及定义

a．文化程度。由于问卷将其分为4类，即大专以下、大专、本科、硕士及以上，而调查结果显示文化程度在大专及以下的和本科及以上的比例相当，基本各占一半，基于此将文化程度这一变量按本科为界限分为两类，对文化程度这一变量进行重新定义。如果文化程度为大专及以下，则文化程度的值为1；如果为本科及以上，则文化程度的值为0。

b．户籍。在调查的过程中，为了了解清楚被调查者的户口，对这一项进行了细分，将本地户口拆分为3个分类，即本地城市户口、本地集体户口、本地农村户口。但是这对于Logistic分析来说又过细，因此将本地城市户口、本地集体户口和本地农村户口合并为一类本地户口，另一类为外地户口。因此，新的户籍的定义为：如果户口为本地户口，则户籍的值为1；如果为外地户口，则户籍的值为0。

c．结婚期限。同样，考虑到问卷的设计，需要对有些选项进行合并，而合并的依据是尽可能希望这两个分类的数目能多一些，避免出现两类数据分布太极端。因此，根据调查的结果显示，在未婚中打算在3年内结婚和3年以后结婚的人数呈六四开的状态，因此，将这一变量重新定义为：如果结婚期限在3年以内，其值为1，反之则为0。

d．家里兄弟姐妹的数量。由于国家计划生育政策的实行，在这一代人中独生子女所占的比例较大，因此按照是否为独生子女对这一变量进行重新定义，即兄弟姐妹的个数为0，则其值为1，反之则为0。

e．居住方式。基于与结婚期限同样的考虑，避免分类数据的分布过于极端化，并结合具体的调查结果，将居住方式这一变量重新定义为：如果居住方式为同父母一起住或集体宿舍，则其值为1；若为租房或购房等，则其值为0。

f．住房位置。根据调查数据发现，郊区与开发区之间的租金差异较小，而其与市区的差异则较大。基于此，以市区为分界线，将这一变量定义为住房位置是否在市区，如果是则其值为1，如果否则其值为0。

g．租金。租金影响MHAI值的方式是通过与市场租金的差异来体现，因此将市场租金作为租金分类的标准，而这里所说的租金是前文提到的710元/月。如果租金低于市场租金，则其值为1，否则为0。

h．人均住房面积。根据调查的结果显示，南京市大学毕业生低收入群体的人均住房面积在20 m2左右，因此按20 m2的分界标准定义一个新的变量，看人均住房面积是否低于20 m2，如果是则为1，反之则为0。

i．工作年限。通过观察调查的结果数据，发现被调查者的工作年限在第3年是个转折点，因此以3年为界，重新定义工作年限这个变量，即如果工作年限在3年以内的，则其值为1，否则为0。

需要说明的是，年龄和上班的交通工具这两项为无序多分类变量，为此需要对它们设置虚拟变量，并且都是以分类的第一种情况为参照水平，即年龄以21岁以下为参照水平，交通工具以公共交通为参照水平。

（3）自变量的共线性检验

从Logistic回归模型的假设条件中我们知道，它要求各自变量之间必须相互独立，而且它同线性回归一样，对自变量中存在的多元共线性比较敏感。为此，在进行Logistic回归模型之前，需要对自变量进行共线性检验。

多元共线性可以用容忍度（Tolerance）的统计指标来检验。容忍度的定义如下：

另一判断多元共线性的指标为方差膨胀因子（Variance Inflation Factor，VIF），它是容忍度指标的倒数。容忍度指标可以通过运行同样因变量和自变量设置的线性回归来取得。因为只考虑自变量之间的关系，容忍度指标的估计与模型中因变量的函数形式无关。

因此，按上述思路，建立各自变量与因变量间的普通线性回归方程，得到各自变量的容忍度及方差膨胀因子如表2-14所示。

表2-14　各自变量共线性检验判断指标

容忍度及方差膨胀因子检验结果表明，各自变量的容忍度均大于0.6，且VIF值较小，不存在显著的多重共线性。

（4）Logistic回归模型主要统计指标介绍

① 模型效果的判断指标

Logistic模型通过极大似然法求解的极大似然值实际上也是一个概率，其值在0～1之间。取值为1，代表模型达到完美，此时其对数值为0；似然值越小，则其对数值越负，因此，-2倍的对数似然值就可以用来表示模型的拟合效果，其值越小，越接近于0，说明模型拟合效果越好。另外，在SPSS的输出结果中，还给出了两个伪决定系数：Cox＆Snell决定系数和Nagelkerke决定系数，它们从不同角度反映了当前模型中自变量解释因变量的变异占因变量总变异的比例，也可以作为判断模型整体有效性的指标。

② 模型拟合优度检验的判断指标

模型的拟合优度检验是指，通过考察当前模型是否可以进一步改善，检验当前模型与饱和模型的预测效果之差是否有统计学意义。常用的拟合优度的检验方法有4种，即Pearson拟合优度检验、Deviance拟合优度检验、似然比检验和Hosmer-Lemeshow检验，其中Hosmer-Lemeshow检验常用于自变量很多，或自变量中包含连续性变量的情况。由于SPSS在二分类Logistic回归模型分析中没有前两种方法的结果，因此，本章采用Hosmer-Lemeshow检验来判断模型的拟合优度。若检验结果无统计学意义（P＞0.05），表示模型预测值与观察值之间的差异无统计学意义，从而意味着模型较好。

③ 判断自变量与因变量间关系的统计指标

通过显著性概率P值可以检验各自变量与因变量之间的联系是否具有统计学意义，本章中的检验标准为0.05，当P＜0.05时，说明两者之间的联系是显著的，否则为不显著。各自变量的回归系数βi表示在其他自变量固定不变时，自变量xi每改变一个单位，比值比的自然对数值的改变量。而Exp（βi）表示自变量xi每变化一个单位，期望事件出现概率与不出现概率的比值是变化前的相应比值的倍数，即优势比（Odds Ratio，OR）。

（5）Logistic回归模型结果分析

建立Logistic回归模型，是为了讨论在众多可能影响MHAI值变化的影响因素中哪些是较显著的，对MHAI值影响较大的，可用来确定提高大学毕业生低收入群体住房支付能力的措施。由于本章自变量较多，在确定选入标准（a＝0.05）和剔出标准（a＝0.10）的水平上，使用SPSS18.0进行Logistic回归处理。在处理的过程中，使用向后筛选法，即首先将全部变量引入回归方程，然后进行变量的显著性检验，在一个或多个不显著的变量中，将t值最小的那个变量剔出，再重新拟合回归方程，并进行各种检验，直到方程中所有变量基本显著为止。结果是，进入模型变量的有户籍、居住方式、租金、人均住房面积、上班的交通工具和收入。同时，用优势比OR和回归系数解释模型中的变量。各系数在回归报告中给出（见表2-15）。

表2-15　变量的Logistic分析结果

从表2-15中可以看出，使用向后逐步法对数据进行Logistic回归分析的模型中，Cox＆Snell决定系数和Nagelkerke决定系数分别为62.0％和82.8％，说明模型中的自变量预测因变量的能力良好。从表2-15中还可以看出，Hosmer-Lemeshow拟合优度检验得到的检验P值为0.567（P＞0.05），表明模型预测值与观察值之间差异无统计学意义，即模型拟合度良好。

经由χ2检验，在显著性水平为0.05的条件下，户籍、居住方式、租金、人均住房面积、上班的交通工具、月收入在大学毕业生低收入群体的住房支付能力的问题上存在显著差异，并且都呈正相关。以下对这些存在显著差异的影响因素进行逐一分析。

① 户籍

户籍因素对应的P值，即显著性概率为0.009，远小于0.05，表示该因素对MHAI值的变化存在显著性的影响。户籍因素对应的优势比Exp（β）为3.311，表明在其他自变量值固定的情况下，本地户口的大学毕业生低收入群体相对于外地户口的大学毕业生低收入群体的住房支出适当的优势比为3.311，说明本地户口的大学毕业生低收入群体对住房支出的承受能力要比外地户口的高，为其3倍左右。另外，从其回归系数大于0可以看出，户籍因素与MHAI值的变化呈正相关。

② 居住方式

居住方式的显著性概率为0.001，远小于0.05，表示该因素对MHAI值的变化存在显著性的影响。其对应的优势比Exp（β）为271.320，表明在其他自变量值固定的情况下，与父母一起居住或住在集体宿舍的大学毕业生低收入群体相对于租房或购房的大学毕业生低收入群体的住房支出适当的优势比为271.320，同父母一起居住或住集体宿舍比其他居住方式表现出绝对的优势。这也符合实际情况，因为同父母一起居住无需承担租金，而住集体宿舍只需象征性地缴纳很少的租金，自然而然他们承受的住房压力就较小。另外，从其回归系数大于0可以看出，居住方式也与MHAI值的变化呈正相关。

③ 租金

观察表2-15可以发现，租金的显著性概率也为0.001，表示它与MHAI值的变化存在显著性的影响。而且由于租金设置了参照水平，即与市场租金进行比较，从其优势比Exp（β）可以知道，在其他自变量不变的时候，那些实际住房支出低于市场租金的大学毕业生低收入群体的住房承受能力是实际住房支出高于市场租金的大学毕业生的88.633倍，其住房支出的压力远小于那些住房支出高于市场租金的大学毕业生。

④ 人均住房面积

从表中可以发现，该自变量的显著性概率为0.076，大于0.05，表明该变量对因变量无显著性的影响。但是，我们可以从其Exp（β）值进行分析。考虑到该自变量在进行Logit回归时，是按人均住房面积是否低于20 m2进行分类的，从其对应的Exp（β）中我们可以知道，人均住房面积在20 m2以下的住房压力要比人均住房面积在20 m2以上的大学毕业生少很多，为其1/3左右。这说明人均住房面积越小，其住房压力也越小，这也是为什么大学毕业生低收入群体的人均住房面积偏小的原因所在。

⑤ 上班的交通工具

由于上班的交通工具为无序多分类变量，因此在进行Logit回归分析时，设定了3个哑变量，并以公共交通为参照水平。从整体上来看，该变量的 P值为0.052，大于0.05，因此可以认为它与因变量之间不存在显著性的影响。但从其分类变量来看，有一分类变量的P值小于0.05，但是根据总的检验比分项的检验更有权威的原则，认为上班的交通工具这一自变量与因变量间不存在显著性的影响关系。

⑥ 月收入

观察其显著性概率，发现其P值为0.001，远小于判断标准0.05，则表明该变量的回归结果十分理想，与因变量间也存在较强的显著性关系。其回归系数也大于0，表明随着收入的增加，其住房承受能力也有增加的趋势，两种之间存在正相关的关系。

总之，从以上的分析结果我们可以知道，户籍、居住方式、租金和月收入与因变量MHAI值存在显著性的影响关系，并且都是呈正相关的关系。这为我们提高他们的住房承受能力提供了方向。

3）提高大学毕业生低收入群体住房消费能力的措施

大学毕业生是社会发展的动力，是国家的重要组成部分，而在这个庞大的群体中又存在很大一部分的低收入者，他们如蚂蚁一样蚁居在城市的各个角落。2009年廉思的“蚁族”居住现状的调查，使得人们逐渐开始关注他们的住房问题，而要改善他们目前的住房困难，不能只简单地给他们提供住房，况且政府也很难承担这样一笔支出，而应该从根本上提高他们的住房消费能力，只有这样才能实现可持续发展。虽然，现在已经有诸如公共租赁房制度、公积金住房等住房保障开始面向大学毕业生低收入群体，但是光靠这些政策措施是不够的，它还需要住房政策、金融政策、税收政策，以及其他社会保障政策的共同作用，即通过采用各种手段，合理调整住房成本和剩余收入，从而来提高他们的住房消费能力，也就是从降低住房支出、增加收入和降低非住房支出这三个方面来提高他们的住房消费能力。

（1）降低住房支出的措施

公共租赁房和住房公积金制度均从降低住房支出的角度来提高住房消费能力。而根据大多数大学毕业生低收入群体的居住方式来看，住房支出主要为每月的租金。因此，降低住房支出的最有效方法就是降低他们每月需要支出的租金。租金又受到市场因素的影响，综合考虑可以采用以下的一些措施：

① 将他们纳入住房保障的范围，为他们提供低价住房

目前，国内主要是以政府建设公共租赁房，以低租金的形式出租给大学毕业生低收入群体的一种保障方式。大学毕业生低收入群体当然希望租金越低越好，但是由于租金的制定受房屋建造成本的影响，因此应尽可能地压缩建造成本，以使大学毕业生低收入住户支出的租金最少。为此，一种办法是通过制定严格的公共租赁房的面积标准，尽量满足他们的基本生活需要，将每套的建筑面积控制在30 m2左右，避免造成面积上的浪费，最终实现住房支出的降低；另一种方法是降低开发企业所得税和营业税的缴纳，或减免部分税收。

② 扩大公积金制度的受益面，推行公积金转付租金的制度

住房公积金是由企业和个人共同缴纳的资金组成，是居民购买住房的一种储蓄金。在对住房公积金制度的研究过程中，学者们逐渐发现了我国公积金制度的缺陷，即居民只有在购买住房时才可以使用。因此，有人提出扩大公积金的用途，希望可以用于支付租金，而这一做法也在部分城市得以实现。由于大多数的大学毕业生低收入者都是采用的租房的居住方式，短时间内没有能力购房，这就造成了他们所缴纳的住房公积金被冻结，无法发挥作用，而住房公积金转付房租这一制度却能使该部分资金运作起来，直接降低他们的住房支出。但是考虑到这一制度的运行时间，我们应该尽可能地缩短其所需要的操作流程，使更多的人享受到这一政策优惠。

③ 规范租房市场，减少交易成本

交易成本不仅存在于住房消费市场，也同时存在于住房建设过程之中。建设过程中的交易成本增大了建造成本，从而推高房价，最终表现出来的就是居民的住房支出增加。

（2）增加收入的措施

根据大学毕业生低收入群体住房消费能力影响因素的Logistic回归分析，我们可以知道收入是一个重要的影响因素，并且住房消费能力会随着收入的增加而增加。因此，收入的增加对住房消费能力的增长会产生显著的影响。因此，提高大学毕业生低收入群体收入以逐步增强其改善住房条件的能力是提高他们住房消费能力最根本的措施。

① 增加就业机会，树立正确的职业观

大学毕业生低收入群体收入低的一个原因就是我国严峻的就业形势，只有改变这种严峻的就业形势，即提供更多的就业机会，才可能增加收入。在提供更多就业机会的同时，更为重要的是大学毕业生得端正自己的职业观，正确认识自己，通过提高自己的职业技能来选择合适的职业，提高自己就业时的竞争优势。

② 鼓励大学毕业生自主创业，为他们自主创业提供政策支持

在就业形势严峻的情况下，鼓励和支持大学毕业生自主创业也是一种增加收入的方式。

（3）降低非住房消费支出的措施

按照剩余收入的思想，收入在扣除非住房消费支出的剩余就是可以用于住房消费的资金，显然降低了非住房消费的支出，就会增加可以用于住房消费的资金，间接提高了他们的住房消费能力。非住房消费支出即除住房外其他维持基本生活所必需的支出，该部分支出受其所在城市的经济和物价水平的影响。因此，要降低他们的非住房成本支出，就应该采取各种政策稳定物价、降低通货膨胀率。只有整个城市的物价水平下降，他们的非住房成本支出才能有所下降，从而达到提高他们住房消费能力的目的。