住房建筑面积和住房房间数的多元线性回归分析

（四）住房建筑面积和住房房间数的多元线性回归分析

我们假定家庭户住房的建筑面积以及住房房间数受到家庭规模、户主人口经济特征（如性别、年龄、受教育程度、职业、行业等）、户口性质以及城乡性质的影响，并以住房建筑面积、住房房间数为因变量，其他影响因素为自变量，分别建立回归模型并分析哪些变量具有显著特征。

在进行建模之前，我们首先对各自变量是否存在多重共线性问题进行初步诊断。从表4.5显示的模型中各变量的容差、方差膨胀因子（VIF）值来看，自变量之间共线性问题不是特别严重，所以可以拒绝变量之间的多重共线性假设。

表4.5　共线性指标分析

续表

续表

表4.6和表4.7表明：家庭规模、户主行业、户口性质、城乡性质对住房建筑面积和住房房间数都具有显著影响。第一，家庭规模平均每增加1人，住房建筑面积大约增加21.03平方米，而住房房间数大约增加0.475间。第二，户主行业的参照类别是农、林、牧、渔业和采矿业，相比较其他行业，户主行业为公共管理和社会组织的家庭户对住房建筑面积和住房房间数提出了更高的需求。第三，对比农业家庭户，非农家庭户对住房建筑面积和住房房间数的贡献为正效应。而对比乡村，城市、镇对住房的建筑面积和房间数的贡献为负效应。

在线性回归模型中，其他自变量，如性别、年龄、受教育程度、职业等因素虽然不太显著，但我们也可以细微发现年龄越大，拥有住房的建筑面积和房间数越多。同样受教育程度越高，拥有住房的建筑面积和房间数也会越多。在职业中，专业技术人员和生产、运输设备操作人员及有关人员对住房建筑面积和住房房间数的贡献均为正效应。家庭户住房建筑面积和房间数在一定程度上反映出居民居住的环境舒适度，因此为研究居民居住状况不可忽视的两个重要指标。

表4.6　关于住房建筑面积的多元线性回归模型

续表

续表

注：应变量为住房建筑面积；＊表示在10%水平上显著，＊＊表示在5%水平上显著，＊＊＊表示在1%水平上显著。

表4.7　关于住房房间数的多元线性回归模型

续表

续表

注：应变量为住房房间数；＊表示在10%水平上显著，＊＊表示在5%水平上显著，＊＊＊表示在1%水平上显著。