盧亞寧

【摘 要】目的：分析收入、教育水平、家庭總?cè)丝跀?shù)對住房的影響，選取使用面積為自變量，探討人口基本特征因素對住房狀況的影響。方法：基于全國綜合社會調(diào)查（CGSS）2003年的調(diào)查數(shù)據(jù)，并用SPSS18.0對引用數(shù)據(jù)進行回歸分析和方差分析。結(jié)論：受教育程度越高，家庭住房面積相對越高;收入越高，家庭住房使用面積相對越高，并且隨著家庭總?cè)丝跀?shù)的增加，住房使用面積相對應(yīng)增加。

【關(guān)鍵詞】住房狀況;影響因素;回歸分析

住房是生活的基本需求，住房狀況會對人們的生活、工作和健康等方面產(chǎn)生深遠影響。住房狀況受到了住房制度、地區(qū)自然環(huán)境、社會文化和家庭狀況等多因素的影響，它反映了住戶的居住質(zhì)量，并影響個人身體健康和社會穩(wěn)定。

隨著市場化改革的逐步深入，我國貧富分化越發(fā)顯著，家庭人均住房情況也隨之出現(xiàn)較大差距。在當前社會中，很多因素對家庭住房產(chǎn)生了影響，本文就收入、教育水平以及家庭總?cè)丝跀?shù)進行了分析。

一、數(shù)據(jù)來源與指標選取

本文數(shù)據(jù)來源于全國綜合社會調(diào)查CGSS（2003），是中國人民大學于2003年和香港科技大學合作下，實施的中國第一次綜合社會調(diào)查（GSS）。此次調(diào)查只包括城鎮(zhèn)，共涉及了125個縣級單位，559個居委會，5900名被訪者，收回有效數(shù)據(jù)5894條。該調(diào)查的學術(shù)研究主題包括社會分層、社會流動和社會網(wǎng)絡(luò)，具體指標包括：（1）住戶成員部分（2）個人基本情況（3）戶口變動（4）家庭情況（5）社會交往（6）教育經(jīng)歷（7）職業(yè)經(jīng)歷（8）目前職業(yè)等方面。本文根據(jù)需求選取了3317個樣本，選取收入、教育水平、家庭總?cè)丝跀?shù)、作為自變量，選取住房使用面積為因變量進行分析。

二、研究方法

本文采用SPSS18.0進行數(shù)據(jù)分析，在原始樣本數(shù)據(jù)中，剔除那些回答不明或者作廢的數(shù)據(jù)，采用線性回歸分析方法研究現(xiàn)象。

三、變量

1、本文進行了三次分析，因變量分別為市值、使用面積和其他住房處，選取能夠直觀反映住房狀況的住房使用面積作為因變量，按照慣例對因變量計算對數(shù)值，以便使其更接近正態(tài)分布。

2、收入水平，這一變量在cgss2003數(shù)據(jù)中用被訪者“全年家庭總收入”這一數(shù)據(jù)表示。

3、受教育水平

4、家庭人口數(shù)，使用cgss2003中家庭人口變量，選取有效值重新編碼為不同變量。

四、研究假設(shè)的確立

本文的主要目的是探討樣本的性別、教育程度、收入、家庭人口數(shù)對住房使用面積的影響，按照一般理解，性別的影響程度應(yīng)該有一定區(qū)別;一般收入越高、住房面積也越大;一般而言，教育程度高，收入相應(yīng)也會越高，推到住房面積也相應(yīng)越大，但不可忽視社會中也存在相當部分低學歷、高收入人群，暫時先預(yù)假設(shè)學歷高，住房面積高;家庭人口數(shù)一般越多，住房面積越大，由此提出以下假設(shè)：

假設(shè)1：教育程度對住房面積存在影響，且教育程度越高，住房面積越大

假設(shè)2：收入對住房面積存在影響，且收入越高，住房面積越大

假設(shè)3：家庭人口數(shù)對住房面積存在影響，且家庭人數(shù)越多，住房面積越大

五、數(shù)據(jù)分析驗證

（一）原始變量的統(tǒng)計描述與轉(zhuǎn)換：

原始的變量中，教育程度為分類變量，先統(tǒng)計教育各個類別分布的人數(shù)與百分比，初步觀測數(shù)據(jù)分布情況。

教育程度

教育程度統(tǒng)計結(jié)果可見，此次調(diào)查的樣本中，初中人數(shù)最多，有989人，比例是29.8%，其次是高中學歷，有624人，比例是18.8%，而最高學歷碩士的人數(shù)是16人，比例是0.5%，為最少人群;再者，觀察高等教育總?cè)巳?，?jīng)過對比可以發(fā)現(xiàn)，此次調(diào)查的樣本群，以低學歷為主。

另外幾個原始變量家庭人口數(shù)、收入、使用面積均為連續(xù)性變量，與分類變量不同，連續(xù)性變量的統(tǒng)計以均值、標準差為主要參考指標，以初步觀察數(shù)據(jù)的分布特征。

描述統(tǒng)計量

家庭人口的統(tǒng)計結(jié)果可見，最小為1人的單身家庭，最多居然有16人的大家庭，總體均值為3.33人的正常數(shù)據(jù)，可見為常態(tài)。

描述統(tǒng)計量

收入統(tǒng)計結(jié)果可見，最小存在零收入者，最高的收入為300000，總體均值為11303.99，可見總體存在很大差距;同時，由于數(shù)據(jù)位數(shù)存在大的差距，通過SPSS運算的功能，除以10000，以消除數(shù)據(jù)差別。

描述統(tǒng)計量

最后是因變量使用面積的統(tǒng)計結(jié)果，可見：最小只有5平米，最高的有800平米，總體均值為61.606，可見總體差距很大。為了消除影響，將該變量去自然對數(shù)，以下是統(tǒng)計結(jié)果：

描述統(tǒng)計量

可見最小值為1.61，最大值為6.68，均值為3.93

（二）住房面積在不同性別、不同教育程度的差異檢驗：

性別與教育程度屬于分類變量，首先驗證一下住房面積是否存在顯著差異，針對性別采用T檢驗，而教育程度由于是多分類，采用方差分析

1.住房面積在不同性別的T檢驗結(jié)果：

組統(tǒng)計量

以上即為不同性別的T檢驗結(jié)果，由顯著性檢驗P值=0.80可知，不同性別的住房面積不存在顯著差異，也就是說，性別的影響不顯著。

2.住房面積在不同教育程度的方差分析結(jié)果：

不同教育程度使用面積統(tǒng)計量

ANOVA

使用面積

以上為不同教育程度的住房面積的方差分析結(jié)果，由表格2的差異顯著性檢驗結(jié)果可知，P值=0.000<0.05，表明不同的教育程度人群，住房面積存在顯著差異，參考表格1的均值數(shù)據(jù)、以及均值圖都可以發(fā)現(xiàn)：初中、高中、職高人群都處在相對較低水平，而2類大專、以及本科人群處在相對較高水平。其中，最高的是非全日制大專，均值為4.066，最低的是初中人群，為3.855。

1. 建立多元回歸模型，研究性別、教育水平、收入、家庭人口數(shù)對住房面積的影響

模型匯總b

a. 預(yù)測變量： （常量）， 家庭人口 ， 性別， 教育程度， 年齡， 收入A。

b. 因變量： 使用面積

表格1首先給出的是自變量與因變量的復(fù)相關(guān)系數(shù)R、決定系數(shù)R方以及校正的決定系數(shù)調(diào)整R方，由結(jié)果可見，5個自變量與因變量的相關(guān)系數(shù)是0.266，此外，決定系數(shù)R方是檢驗回歸方程擬合是否良好的指標，由決定系數(shù)R方值=0.071可知，5個自變量可以解釋的因變量的變異是7.1%，相對較少;Durbin-Watson統(tǒng)計量是檢驗因變量的殘差獨立性的非常重要的指標，若該項指標不通過，則表明需要向模型中引入時間因素、或直接使用時間序列模型來分析，而不是普通的線性回歸模型。

Durbin-Watson序列檢驗的判斷標準是：若該值在2附近，則表明殘差間是相互獨立的，觀測可知在此模型中該值=2.543非常接近2，表明無異常。

Anova b

a. 預(yù)測變量： （常量）， 家庭人口 ， 性別， 教育程度， 年齡， 收入A。

b. 因變量： 使用面積

表格2是模型的整體顯著性檢驗結(jié)果，所用的是方差分析，可見F值=50.432，SIG值<0.05表明模型整體檢驗顯著，若該值>0.05表明模型整體檢驗不顯著，觀測此處SIG值=0.000表明模型整體顯著。

系數(shù)a

以上是整個回歸方程結(jié)果中最重要的表格，是各自變量在回歸方程中的檢驗結(jié)果，各個自變量的檢驗是否有意義主要是看SIG值，如果SIG值<0.05，表明該自變量在回歸方程中是成立的，同時也說明該自變量對因變量的影響是顯著的，如果SIG值>0.05，表明該自變量在回歸方程中是不成立的，同時也說明該自變量對因變量的影響不是顯著的。

性別的SIG值=0.366>0.05，表明對住房面積不存在顯著影響，假設(shè)1得以認證;

教育程度的SIG值=0.000<0.05，表明對住房面積存在顯著影響，考察回歸系數(shù)值=0.025可知，教育程度為正向影響，也就是說教育程度高的住房面積相對也大，假設(shè)2得以驗證;

收入的SIG值=0.000<0.05，表明對住房面積存在顯著影響，考察回歸系數(shù)值=0.037可知，收入為正向影響，也就是說收入高的住房面積相對也大，假設(shè)3得以驗證;

家庭人數(shù)的SIG值=0.000<0.05，表明對住房面積存在顯著影響，考察回歸系數(shù)值=0.112可知，家庭人數(shù)為正向影響，也就是說家庭人數(shù)多的住房面積相對也大，假設(shè)4得以驗證;

比較3個顯著的自變量可以發(fā)現(xiàn)，家庭人數(shù)的影響程度最大、其次為收入水平，而教育程度的影響相對最低; ?線性回歸分析中多重共線性是可以通過指標來識別的，通常有方差膨脹因子、容差等等。此處我們以方差膨脹因子（VIF）為例，當0<VIF<10，不存在多重共線性;當10100，存在嚴重多重共線性。

見表格3最后的VIF統(tǒng)計量：3個自變量都是在1附近，容差統(tǒng)計量低于1，可見不存在共線性問題。

左兩圖分別為標準化殘差的直方圖以及PP圖，由直方圖可見，殘差分布呈現(xiàn)出典型的正態(tài)分布特征，而PP圖中可見散點圍繞直線呈均勻上升，無異常點出現(xiàn)，可見回歸方程的這一條件得到滿足

六、總體結(jié)論

經(jīng)過以上分析，驗證了自變量教育程度、收入和家庭人口數(shù)對于因變量（住房面積）都有著顯著的影響的同時，意外的是結(jié)果與研究假設(shè)有一定差異?；貧w方程總體驗證物無共線性、殘差獨立性、分布正態(tài)性均得到滿足，本身無重大缺陷。從研究結(jié)果回應(yīng)研究假設(shè)來看，教育程度和收入以及家庭總?cè)丝跀?shù)對住房面積的影響基本符合假設(shè)。

【參考文獻】

[1]中國城市住宅問題研究會、住宅社會學學術(shù)委員會主編，《住宅社會學導(dǎo)論》 安徽出版社 1991年

[2]劉米娜. 中國城鎮(zhèn)住房產(chǎn)權(quán)的區(qū)域差異分析——基于CGSS（2003）數(shù)據(jù)的實證研究[J]. 蘭州學刊， 2009（5）：114-119.