住房保障政策的有效瞄准：影响因素分析

离散选择模型是用来描述决策者（个人、家庭、企业或其他决策单位）在不同可供选择的选项中做出选择的行为（Train，2002）。在离散选择系列模型中，相对于Logit和GEV模型而言，Probit模型可以处理随机偏好变动，允许任何替代形式，还可用于跨期重复选择的面板数据。基于此，我们这里主要运用Probit模型来进行数据分析，其一般表达式为：

上式中，我们将Y定义为一个二元选择变量，当家庭获得住房保障时，Y＝1；反之，Y＝0。将x定义为影响住房保障获得的一系列因素。于是，上式可进一步表达为：

式中，x1，x2，…，xk是回归因子，α，β1，β2，…，βk是Probit待估计系数。

模型中，解释变量x主要包括收入变量、家庭人口特征变量、住房面积变量、住房特征变量和社区特征变量五类变量。结果见表4.3和表4.4。

表4.3　廉租房保障家庭瞄准的Probit分析

(www.xing528.com)

注：［1］Z值是Probit模型的检验统计量。

从回归结果看，家庭人均住房面积越大，获得廉租房保障的可能性越小。家庭人均收入水平越高，获得廉租房保障的可能性也越低。我们还注意到，保障前收入水平平方项也处于显著水平，且系数为正。可见，收入水平和获得廉租房保障之间的关系是非线性的，由此推测，廉租房保障项目选择过程中存在自选择行为，这在一定程度上表明，北京市廉租房申报核准制度的科学性和合理性。实证结果还表明，家庭成员中失业者比例越大，家庭成员中64岁以上人口比例越大，家庭成员中有残疾或重大疾病者越多，获得廉租房保障的可能性越大。

表4.4　经济适用房保障家庭瞄准的Probit分析

由表4.4可知，获得住房保障前家庭人均收入水平、人均住房面积和家庭成员中失业者比例越高，人均住房面积越大，获得经济适用房的可能性越低，而户主受教育年限越长，家庭成员中工作者比例越高，获得经济适用房的可能性越高。该现象比较符合事实，一方面，一些地方政府为鼓励人才引进，将经济适用房政策向刚进入劳动力市场的高端人才倾斜；另一方面，部分地方将公务员列为经济适用房的优先购买对象。

与廉租房相比，获得经济适用房的影响因素明显不同。其原因有：①能够购买经济适用房的家庭必须具有一定的购买能力，如2008年北京市经济适用房销售均价为5300元/m2；②获得经济适用房资格的收入标准比廉租房高很多，收入标准越高，收入的识别能力越低，与之相对应的显性可替代指标越不容易寻找，这或许也是造成经济适用房政策瞄准效率偏低的主要原因。