城镇居民住房财富差距的“静态”测度

本节利用“中国健康与营养调查”（简称CHNS）2000～2009年四次微观家庭调查数据，借鉴居民收入差距的基尼系数测度原理以及群组分解和来源分解理论，对城镇居民住房财富差距的基尼系数进行测度，然后分析了不同家庭特征对住房财富差距的影响程度，以及投资性房产对住房财富差距的贡献程度。

（一）“静态”测度与群组分解方法

基尼系数是国际上用以衡量收入或财产分配差距的常用工具，基尼系数是一个区间标准化的指标，最小值为0，最大值为1，基尼系数越大表明收入或财产的差距越大，不平等程度越高。

在利用基尼系数进行收入或财产差距研究时，收入或财产差距本身是由经济发展和社会发展中多种因素综合作用的结果，基尼系数只能反映这一综合结果。什么因素对收入或财产差距影响较大？什么因素对收入或财产差距影响较小呢？对影响因素进行分析成为学者们关注的问题。学者们一般采用两种方法对影响因素进行研究，一种是利用回归模型，对收入或财产进行回归；另一种是利用分解方法，对基尼系数指标进行因素分解。与回归模型相比，分解计算在方法上固定且统一。分解方法无需像回归模型那样，需要考虑变量是否符合线性回归模型前提假设、如何设定回归形式、如何设定控制变量、变量的量纲以及变异程度等，因此，分解方法可以较好地进行不同因素或变量之间影响程度的比较。正由于分解方法的这些优点，它在收入或财产差距的研究中被越来越广泛地应用。

不平等指标的分解可以区分为群组分解和来源分解。所谓群组分解，指的是将总体按一定标准分为若干个群组，分别分析各个群组内部不平等及其相互之间的不平等，并计算它们对总体不平等的贡献。比如，将某个国家总人口的收入不平等按不同种族、不同性别或者不同地区等分解的结果就是这种形式。所谓来源分解，即将总收入分解为各项收入来源之和，分析每项收入来源的分布对总体不平等的贡献，比如将某个国家居民总收入按来源分为工资性收入、财产性收入和转移性收入进行分解的结果就是这种形式。

1.群组分解方法

群组分解思想主要来源于统计分析中的方差分析，即组内方差的加权平均反映了组内变异对总体变异的影响，而以每个群组算术平均数计算的组间方差反映了组间变异对总体变异的影响。群组分解的一个重要作用是，可以计算组内不平等以及组间不平等对总体不平等的贡献，从而为有关政策的制定提供参考价值。

在收入（或财产）差距的群组分解中，假设总样本可以分为K组，各组的收入均值μj按非减的顺序排列：μ1≤μ2≤…≤μK，即平均值越低的群体其位置越靠前，而平均值越高的群体，位置越靠后。每组中的个体数为nj，j＝1，2，…，K，总样本数为n＝样本基尼系数G可以分解为（式4-1）：

第一项GB称为组间不平等程度，表示不同群组收入的差距对总体收入差距的影响。GB只与各群体的平均收入水平μj和分组数目K有关，而独立于各群组内部的收入分配状况。GB是衡量当各组的个体收入都等于均值μj时，整个样本的收入不平等程度，即根据各个组的平均收入计算出的跨组的基尼系数。因此，当所有组的平均收入相同时，则GB＝0。

第二项GW称为组内不平等程度，其中Gj是第j组的基尼系数，权重aj等于第j组个体数占整个样本的比例与第j组收入或财产占整个样本的比例的乘积。如果在所有组内没有收入不平等，即各组内的所有家庭的人均收入相等时，则GW＝0。

第三项R是层迭项。层迭项R衡量的也是各组之间的不平等程度，但它却是由组内的不平等引起的，也就是说，若不存在组内的不平等，就不会有残余项R。因此，R是组内、组间共同作用的结果，表示不同组收入分布的重叠程度。当不同群组收入类聚程度越高，即不同群组间个体收入发生交叉的情况越少，层迭项R越小；不同群组收入类聚程度越低，即不同群组间个体收入发生交叉的情况越多，交叉项R越大。R是各个群体内部收入分布fi的函数R（fi），其大小取决于各群体之间收入分布的重叠程度，当各个组之间收入分布完全不重叠时，R（fi）＝0。

组间不平等程度GB、组内不平等程度GW和层迭项R占总样本基尼系数G的比例，我们称之为贡献度，即（式4-2）：

其中，gB、gw、r分别表示组间贡献度、组内贡献度以及层迭项贡献度。

2.来源分解方法

Lerman ＆Yitzhaki（1985）对不平等指标的来源分解进行了推演，假设个体收入（或财产）由K项分项来源构成，而不平等以基尼系数作为测量指标，则（式4-3、式4-4）：

其中，Ck表示该分项收入对基尼系数的绝对贡献，ck则表示相对贡献率；Sk表示该分项收入占总收入的比重，Gk表示该分项收入本身的基尼系数，Rk表示分项收入与总收入的基尼相关系数。珚Gk表示分项收入的集中率，也称为拟基尼系数，是Rk与Gk的乘积；在实证中若分项收入的集中率大于基尼系数，则该分项收入对收入不平等起促增作用，反之则起促减作用。

接下来，借鉴上述基尼系数及其分解理论，利用CHNS微观家庭调查数据。首先，计算我国城镇居民住房财富的基尼系数，以测度我国城镇居民住房财富的差距大小；然后，根据家庭特征（收入水平、户主年龄、性别、所有单位性质、职业、受教育程度、省份等）对住房财富基尼系数进行群组分解，以分析不同家庭特征因素对住房财富差距的影响大小；最后，把住房财富分解为“自住房产”和“投资性房产”两项来源，对城镇居民住房财富基尼系数进行来源分解，以分析投资性房产对住房财富差距的贡献程度。

（二）数据来源与处理

1.样本来源

本书使用的数据来自“中国健康与营养调查”（简称CHNS），该数据库是由美国北卡罗来那大学和中国预防科学医学院联合调查和创建的。它涵盖了辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西和贵州9个省份，以及1989年、1991年、1993年、1997年、2000年、2004年、2006年以及2009年共8次调查，每次调查大约访问200个左右的城乡社区（包括城市的街道居委会和农村村委会），每个社区大约访问20个家庭，共4 000户左右的家庭，城乡比为1∶2。CHNS数据库包含了翔实的家庭人口学信息、收入信息、家庭医疗和健康信息以及家庭住房信息，是国内一个极为难得的大型纵向微观数据。目前该数据库主要用于对我国城乡居民的医疗、健康、劳动、收入等方面的研究，黄静和屠梅曾（2009）首创性地利用该库的家庭住房信息进行了住房财富效应的研究，本书利用该库中的住房信息进行城镇居民住房财富差距的微观研究。

在CHNS的问卷调查表中，专门针对家庭住房来源、面积、价值、租金、房龄、房型、建筑材料以及房产出租收入等项目的详细调查。本书中，利用调查中的“住房价值”指标作为家庭“自住房”财产价值，对于“住房来源”为“租来的”家庭，其住房财富价值设置为零。利用CHNS问卷中“家庭房屋出租年收入”指标，推算出每户家庭除“自住房”以外的其他房产的价值（本书称为“投资性房产”）^[3]；“自住房”价值与“投资性房产”价值之和，便构成了家庭总的住房财富值^[4]。

CHNS对家庭和个人的收入进行了详尽的调查，本书利用问卷中的相关项目测算出“去年”^[5]家庭实际收入，具体的收入来源项目包括：家庭果菜园、农业、养殖业、渔业、小手工业、小商业、政府补助、退休金、工资、房租以及其他来源。同时，CHNS对家庭户主和主要成员的人口学特征也进行了调查，包括年龄、教育程度、工作单位性质、职业等，为本书进行住房财富差距的家庭特征群组分解提供了条件。

鉴于本书的研究目的，我们选取了1998年房改之后，即CHNS在2000年、2004年、2006年和2009年四次调查中城镇家庭的调查数据。未响应样本剔除后，得到总样本数为4 489个。

2.数据描述

为了使各年度、各省份的收入和住房财富数据具有可比性，我们以2009年各省份的城镇物价指数为基数，分别计算了各年各省份的城镇通货膨胀率，以此来对各年各省份城镇居民的家庭收入和住房财富进行平减，其中物价指数数据来源于中国统计年鉴各期的“各地区全社会零售物价总指数”。

CHNS四次调查中，“去年”家庭年收入和家庭住房财富描述性统计结果如表4.1所示。可以看出，自2000年以来，城镇居民家庭年收入水平和住房财富积累呈逐年增长趋势，而且增长速度越来越快。从各个指标的平均值来看，2009年与2000年相比，住房财富总值增长了4.33倍，其中自住房价值增加了2.7倍，投资性房产价值增加了近6倍，家庭年收入增长了1.76倍。可见家庭住房财富平均增长的速度远快于收入增长速度。从百分位数来看，90%分位点与10%分位点的比值，家庭住房财富指标达65.7倍，家庭年收入指标为13.9倍，可以直观地看出，家庭住房财富分布的不平等程度远高于收入水平。

CHNS对家庭住房来源进行了详细调查，主要有6种：国家的、单位的、租私人的、自己的、免费居住的和部分产权，其中前三类住房需缴纳房租，第四类住户对住房拥有完全产权，一般是直接从市场购买或是房改中购买的公房。第五类免费居住可能是免费居住父母或亲戚的房子。第六类部分产权主要是房改中以较低价格购买的单位或国家的住房，不同于完全私有产权，这部分住房的市场交易受到一定的限制。表4.2描述了不同年度住户调查中各种住房来源所占的比例，“完全自有产权”在2000年达72%，2006年达87%。包括部分产权在内的“自有产权”（表4.2第二行）所占比例较大，基本上在80%以上。在租房群体中，“租私人住房”（表4.2第三行）比例较低，在5%左右。这一数据与其他学者的研究结果也基本一致，据Meng（2007）的分析，城镇居民租住公房的比例由1995年的63.3%下降至2002年的22.4%，而拥有私有住房的比例相应由36.7%上升至77.6%，这个比例在世界范围内也算是较高的。

表4.2　住房来源比例（%）

注：CHNS在2009年的问卷表中对住房产权没有再区分完全产权和部分产权。

2009年的1 250个住户调查资料显示，在高达89.20%住房自有的住户中，其中有73.1%是自己花钱购买，26.9%并不是自己购买。中国父母历来有帮助儿女“成家”和“安家”的传统习俗，有经济条件的父母在子女结婚时都会为其购置婚房，这可能是近三分之一的住房不是自己购置的主要原因。

CHNS调查样本中住房自有率高以及非自己购置比例较高，与我国住房现实情况是相符的。在1990年代房改之前，城市居民中拥有自有住房的较少，基本都是租用公家的房屋，但在几轮房改之后，公房不再以租用形式提供给居民，基本都以全价或折价转售给个人。另外，中国人“根”的思想根深蒂固，拥有一套住房是家庭的根本所在，租房只是临时性的、过渡性的权宜之计。由于没有发达的租房市场，在国内租房子的人群主要以刚毕业的大学生和移居到城市的人口为主，定居人口租房的很少，租借私人房子的比例并不算很高（黄静等，2009）。

3.按家庭特征的数据分组处理

为了了解不同家庭特征因素对居民住房财富差距产生的影响，按不同家庭特征对住房财富差距进行群组分解是非常有必要的。在分组之前，要弄清楚到底哪些家庭特征因素对居民住房消费选择会产生影响呢。

住房作为典型的耐用品，其价值量大，人们不能完全用当前的收入购买这类商品，西方学者们普遍认同收入、特别是持久收入是决定住房需求的主要因素。并且，住房服务需求将随着收入的增加而提高，对住房的消费偏好也会随着家庭收入预期变化而发生变化。因此，收入和持久收入直接影响到家庭的储蓄能力从而决定了家庭住房财富和其他财产的累积速度。

当然，收入和持久收入并不是影响家庭住房财富的唯一因素。住房的租买选择（权属选择）、购房时机选择、区位选择以及住房需求偏好等，还受到家庭其他特征的影响，比如家庭住房财富的遗传、社会风气、家庭规模、户主年龄、教育程度、行业背景等因素的影响（Bajari ＆Kahn，2005）。另外，这些个人特征、家庭特征也会影响家庭收入和持久收入，从而间接影响住房需求和住房财富的积累。例如，Demurger et al.（2009）研究表明，我国城镇劳动力市场上存在着比较严重的行业分割和所有制分割，并导致了不同所有制和不同行业间职工工资收入的不平等，主要表现为国有企业与集体企业、垄断部门与竞争部门之间职工收入存在巨大差距。因此，户主所处单位的行业性质影响到家庭收入和福利，从而影响到家庭住房财富的积累。Modigliani的生命周期假设认为，家庭财产的积累与户主年龄呈倒U型关系。可见，户主年龄也是影响家庭住房财富累积的因素之一。

据此，为了探析不同家庭特征对住房财富差距的影响，针对CHNS的历次调查数据，本书依据家庭年收入、户主工作单位性质、职业、年龄、受教育程度等家庭特征对数据进行分组，以便进行住房财富基尼系数的家庭特征群组分解。

具体的分组方法为：按家庭年收入从低至高五等分分组，依次划分为“低收入组”“中等偏低收入组”“中等收入组”“中等偏高收入组”以及“高收入组”五组；按户主工作单位的性质分为“政府和事业单位”“国企”“集体企业”“三资企业”“私营和个体”“已退休”以及“没有工作”七组；按户主就业状况把职业分为“高级专业技术人员或高级管理者”“一般技术人员”“服务人员和其他”“已退休”以及“没有工作”五组；依据户主年龄划分为“低于30岁”“30～40岁”“40～50岁”“50～60岁”以及“大于60岁”五组；依据户主的最高教育程度，划分“小学没毕业”“小学毕业”“初中毕业”“高中毕业”“中等技术学校毕业”“大专或大学毕业”以及“硕士及以上”七组；依据户主的性别划分为“男”和“女”两组；依据样本来源的行政省份，划分为“辽宁”“黑龙江”“江苏”“山东”“河南”“湖北”“湖南”“广西”和“贵州”九个组。

（三）“静态”测度与群组分解结果

1.城镇居民住房财富基尼系数

依据基尼系数的测度原理，利用CHNS从2000～2009年四次调查数据，依次计算每次调查数据的家庭住房财富和家庭年收入的基尼系数^[6]，结果如表4.3所示。

表4.3　住房财富及收入基尼系数

如表4.3所示，依据CHNS测算出来的城镇居民家庭年收入基尼系数介于0.42～0.46，已超过0.4的国际警戒线，表明我国城镇居民收入差距较大、不平等程度较高，已达到国际中等不公平程度。这与相关专家的研究成果一致，进一步证实了调查数据质量的可靠性。Ravallion ＆Chen（2007）认为自2000年开始，我国居民收入的基尼系数越过0.4的警戒线，于2004年达到0.47，2007年达到0.48。

从住房财富的基尼系数来看，从2000年的0.7逐渐增长至2009年的0.78，远远超过家庭年收入基尼系数水平，而且增长趋势也而快于收入基尼系数。可见，我国城镇居民住房财富存在巨大的差距，而且近十年来呈持续拉大的趋势，应当引起政策当局的关注。

为了进一步探析家庭住房财富中“自住房”和“投资房”所占的比重，本书分别测算了历次调查数据中“自住房”和“投资性房产”的基尼系数，结果如表4.4所示。2000～2009年，城镇居民“自住房”房产基尼系数介于0.51～0.56，呈现出从高到低再到高的走势。这可能与我国房地产市场发展程度有关，2000年房地产市场刚处于起步阶段，住房供应短缺，自住房的基尼系数较高。随着房地产市场的发展，城镇居民住房条件得以改善，住房拥有率得到提高，自住房的基尼系数有所降低；但随着房价的持续上涨，不同房产增值程度的不一致，2009年自住房的基尼系数又呈上升趋势。从城镇居民“投资性”房产的情况来看，其基尼系数在0.93～0.96，投资性房产分布存在严重的不平等情况。从“投资房”的分布比例也可以得出同样的结论，97%的投资性房产被前10%的家庭拥有。

进一步地，本书选择美国消费者金融调查（SCF）从1998～2007年的四次调查数据，测算出“自住房”和除自住房以外的其他房产（即“投资房”）的基尼系数，如表4.5所示。在美国家庭“自住房”的基尼系数处于0.45～0.5，略小于中国的0.51～0.56；“投资房”的基尼系数为0.71～0.8，远小于中国的0.93～0.96。从比例来看，71.6%的投资性房产被前10%的家庭拥有。可见，我国城镇居民自住房不平等程度与美国居民差距不大，但是投资性房产分布的不平等程度远高于美国。

2.按家庭特征群组分解

不同家庭特征因素对住房财富差距产生了多大的影响呢？接下来依据不同家庭特征对家庭住房财富基尼系数进行群组分解，结果如表4.6所示。之所以选择2000年与2009年进行比较，是因为2000年，住房市场化改革基本完成，住房市场化和资本市场正处于起步阶段，把2009年的调查结果和2000年相比较，能很好地反映我国房地产市场化改革后近10年的市场变化情况。

表4.6　群组分解的结果

注：贡献度单位为%。

从收入五分组的分解情况来看，2009年收入组间贡献度近48%，不同收入阶层的居民住房财富不平等程度差距较大，对总体住房财富差距的贡献度很高。与2000年收入的组间贡献度28%相比，表明收入差距对居民住房财富不平均程度的贡献度越来越高，收入因素成为导致住房财富差距的主要因素。可见，我国城镇居民住房财富差距与收入不平等之间已形成一种相互强化的机制，穷者越穷富者越富的马太效应显著存在。

从户主的单位性质来看，2009年的组间贡献度为24.18%，仅次于收入因素的组间贡献度，然而在2000年却高达82.98%，我们可以从我国住房制度分配的历史中找到原因。在改革开放之前和初期的很长一段时间里，城镇居民主要依靠政府或单位提供住房，他们以较少的租金租住公有住房。福利分房被看作是实物工资的一种，分配的基础在于职工的职位、学历等，各单位因为经济效益及拥有的资源差异导致给员工提供的住房福利存在差距。对于不在国有或集体单位工作的劳动者来说，他们很难获得福利住房（宁光杰，2009）。1994年开始改革，公房开始出售给原有租户，原则上是按成本价，但很多单位都以很低的价格卖给职工，成为职工的私有住房。因此，在房改接近尾声的2000年，房地产市场化刚刚起步，城镇居民所拥有的私有住房的数据和质量差距，与其所在单位的性质密切相关。陈钊等（2010）研究也发现，在市场化改革进程中，由于劳动力市场的进入壁垒和产品市场的行业垄断，在城镇居民收入差距不断扩大的过程中，由行业间收入不平等造成的收入差距也在扩大，主要是由一些具有国有垄断性质的行业引起的。

从户主职业来看，2009年组间贡献度为19.41%，仅次于收入、单位性质，与2000年的结果相差不大。从户主的受教育程度七个分组的分解情况来看，组间贡献度保持在20%左右，变动不大。

从省份群组分解情况来看，2009年组间贡献达58.50%，是所有家庭特征因素分组中，组间贡献度最大的，2000年省份的组间贡献度也高达47.51%。经验和大量研究都告诉我们，近十年的房价上涨中，沿海等发达地区和城市房价上涨幅度远高于全国平均水平，比如，在1998年至2005年全国城镇平均房价上涨58%，上海房价则上涨了120%之多（陈杰、郝前进，2006）。在我国，各地区经济发展水平的不平衡是导致各大城市房价过快增长的重要原因，但与此同时，大城市房价的持续高涨增加了地方政府的财政收入，使地方政府有更多的财力投入到公共设施建设上。这使大城市的公共设施集中程度进一步高于中小城市，进一步拉大了大城市与落后地区、中小城市在环境、职业发展机会等各方面的差距。也就是说，地区间发展水平的差距借助房地产市场而被进一步放大，城市居民住房财富的差距也借助地区间发展的不平衡而逐渐拉大。各地区间居民住房财富差距的拉大可能会影响到专业人才的流动格局，高房价地区因其高昂的安家成本可能成为阻挠人才流入的原因之一。

从年龄五个分组分解情况来看，2000年组间贡献度为6.16%，2009年上升为15.57%。随着房地产市场化的深入，房价上涨速度远快于收入水平的增加，直接导致那些没有父母经济支持的青年人其首次购房年龄的推迟，处于不同年龄段的家庭对住房财富不平等程度的贡献度逐渐加大。从户主性别两分组分解情况来看，组间贡献度仅2%～3%，是所有家庭特征分组中最低的，并且2000年和2009年变化不大。

3.来源分解

住房具有消费和投资双重属性，近些年因投资渠道不畅，通货膨胀率居高不下等因素，在我国房地产成为人们青睐的投资品。接下来，本书借鉴基尼系数的来源分解原理，把居民住房财富分解为自住房和投资性住房两项来源，实证检验“自住房”以及“投资房”对住房财富基尼系数的贡献程度，分解结果如表4.7所示。

表4.7　来源分解的结果

注：贡献度单位为%。

从表4.7可以看出，2009年投资性房产价值占总房产价值的比重高达67%，与2000年相比增长了23%。从贡献率来看，2009年投资性房产贡献率为80.75%，达自住房贡献率的四倍之多，与2000年的57.56%贡献度相比，也上升了23.19%。可见，投资性房产在城镇居民住房财富中所占的比例越来越高，在拉大住房财富差距中起着绝大部分的贡献，而且这一贡献度在逐渐增长。从集中度来看，2000年和2009年投资性房产的集中度都为0.93，远超过这两年的住房财富基尼系数，表明“投资房”是我国城镇居民住房财富不平等的显著促增因素。

综述上所，本节利用CHNS的大型家庭微观调查数据，首先，借鉴不平等指标基尼系数的测度原理，对房改后近十年我国城镇居民的住房财富差距进行了“静态”测度。然后，借鉴基尼系数的群组分解原理，依据家庭收入、户主职业、所在单位性质、受教育程度、年龄、性别以及省份等家庭特征因素，对住房财富差距进行群组分解，以分析不同家庭特征因素对住房财富差距的影响程度。最后，借鉴基尼系数的来源分解原理，研究了除自住房以外的投资性房产对城镇居民住房财富差距的贡献程度。得出的主要结论有：（1）近十年我国城镇居民住房财富差距不断加大，其基尼系数已达0.78。（2）城镇居民住房财富的巨大差距中，不同的家庭特征因素对其影响程度不一，贡献度从大至小依次为：省份差异、收入差距、所处单位性质不同、职业不同、受教育程度不同、年龄差距和性别差异。（3）近十年，收入差距对居民住房财富分布不平等程度的贡献度越来越高，收入因素成为导致住房财富差距的主要因素，住房财富差距与收入不平等之间已形成一种相互强化的作用机制，穷者越穷富者越富的马太效应显著存在。（4）投资性房产在城镇居民住房财富中占的比重越来越高，是城镇居民住房财富不平等的显著促增因素，对住房财富不平等的贡献度已高达80.75%。