中国农村住宅面积变化的驱动机制 ——基于中国家庭调查CHPS的实证研究
发布时间：2021-07-04 05:53
近年来,随着农村居民收入的不断增长和生活水平的不断提高,农民建房需求量日益增大,农村住宅面积快速增加。但由于乡村人口仍在不断向城镇集中集聚,农村宅基地闲置、废弃的现象也日益增多,这造成了土地资源、人力财力的严重浪费。为什么许多人已经不住在农村,却要在农村建新房?农村建房热与哪些因素相关?基于这些疑问,本研究运用来自中国家庭调查（China Household Panel Survey,CHPS）2013-2019年的9636组数据,通过建立Probit模型,对中国农村住宅总量变化的驱动机制进行了考察。在此基础上,利用Tobit模型研究中国农村新建住宅规模变化的驱动机制,并对城乡居民农村住宅面积变化的影响因素是否一致进行了探讨。研究结果表明:（1）农村住宅总量在全国各地区范围内总体呈现增长态势,新增面积大于减少面积,农村居民样本的农村住宅面积变化普遍比移居城镇的农业户口居民样本更大。（2）对于移居城镇的农业户口居民来说,家庭规模越大,家庭年消费支出越少,家庭教育培训费支出占比越高,越可能在农村新建住宅。拥有住宅数量越多,建房的可能性先增加后减小,拥有3套住宅的家庭在农村建房的可能性最大。...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
988-2017农村新建住宅面积与乡村人口的变化趋势
浙江大学硕士学位论文中国农村住宅总量变化的驱动机制28图4.1居民总样本农村住宅总量年均变化4.4估计结果与分析4.4.1居民总样本的估计结果如果农村住宅面积变化大于0，赋值为1，反之为0。利用Stata13.0对2013-2019年数据进行Probit模型估计，根据模型回归结果，Waldchi2（31）=220.18，Prob>chi2=0.0000，模型整体拟合效果较好。由于2013年数据中并未包含家中目前上学人数、是否了解土地流转相关政策、本社区/村距市中心距离、访员贫富打分4个变量，为探究以上变量的影响，对2015-2019年数据进行Probit模型估计，根据模型回归结果，Waldchi2（34）=205.71，Prob>chi2=0.0000，模型整体拟合效果较好。表4.5居民总样本农村住宅总量是否增加的Probit模型估计结果变量类型变量名称2013-2019年2015-2019年
浙江大学硕士学位论文中国农村住宅总量变化的驱动机制31未拥有住宅的“租房一族”，相较于城市的高房价，在农村建住宅或许是更轻松的选择。图4.2居民总样本拥有住宅数量与建房意愿的关系在社区/村特征变量中，留守老人占比通过了5%水平的显著性检验，影响符号为正，说明留守老人占比越高，在农村扩建房屋的可能性越大，这一现象对农村家庭的影响更为显著。由于老人留在农村，那么家庭的“根”必定也在农村，大多数在外务工的农民，赚了钱自然会想回乡建房，改善父母生活。人均可支配年收入通过了10%水平的显著性检验，且影响符号为正，说明人均可支配收入越高的地区，其居民越有可能新建农村住宅，其原因可能在于当农村居民收入增加时，便更愿意定居在农村，而移居城镇的农业户口居民收入增加时，出于乡土情怀或是落叶归根的考虑，也会选择在农村老家建房子。4.4.2城乡居民样本的差异分析下面将总居民样本分为移居城镇的农业户口居民与农村居民分别进行回归（表4.6、表4.7），以期探究影响城乡居民农村住宅总量变化的因素是否一致。表4.6移居城镇的农业户口居民样本农村住宅总量是否增加的Probit模型估计结果变量类型变量名称2013-2019年2015-2019年户主特征变量户主性别0.07867（0.0689）0.0909（0.0739）户主年龄-0.0029（0.0021）-0.0013（0.0024）户主受教育年限-0.0028（0.0076）-0.0019（0.0082）户主政治面貌0.0841（0.0826）0.0088（0.0878）户主婚姻状况0.02680.0502
【参考文献】：
期刊论文
[1]基于兴趣点（POI）大数据的人地关系研究综述:理论、方法与应用[J]. 薛冰,李京忠,肖骁,谢潇,逯承鹏,任婉侠,姜璐. 地理与地理信息科学. 2019(06)
[2]人口老龄化对我国住房消费的影响分析[J]. 周建军,曹文凯,梁丽利. 湖南大学学报(社会科学版). 2019(05)
[3]重点农区县域农村居民点用地时空变化及影响因素——以河南省为例[J]. 杨孟豪,刘阿敏,曹连海,闫安,王诗星. 水土保持研究. 2019(05)
[4]基于脱钩理论与LMDI模型的农村居民点演化特征及驱动因素分解[J]. 刘书畅,叶艳妹,林耀奔. 农业工程学报. 2019(12)
[5]黑龙江平原农区村庄空心化演变及其整治措施研究[J]. 王语檬,陈建龙. 中国土地科学. 2018(12)
[6]基于空间自相关的农村居民点空间分布特征及影响因素——以贵州省威宁县为例[J]. 张勰,杨柳. 江苏农业科学. 2018(12)
[7]中国城市家庭住房消费偏好及趋势研究[J]. 黄雄,白程赫,张杰,周京奎. 调研世界. 2018(05)
[8]“空心村”治理与宅基地制度变革——基于广西富县实地调研[J]. 魏程琳,史明萍. 城市规划. 2017(01)
[9]干旱区绿洲农村居民点景观格局演变及机制分析[J]. 师满江,颉耀文,曹琦. 地理研究. 2016(04)
[10]经济发达地区乡村聚落用地模式演变——以无锡市惠山区为例[J]. 陈诚,金志丰. 地理研究. 2015(11)
博士论文
[1]基于农业现代化的平原地区乡村居民点空间重组研究[D]. 陶德凯.华中科技大学 2018
[2]城中村存在对外来务工人员福利影响研究[D]. 赵嵩年.浙江大学 2017
[3]三峡库区典型区域农村聚落空间演化研究[D]. 闵婕.西南大学 2015
[4]中国城乡居民家庭固定资产选择及其对消费的影响研究[D]. 余新平.浙江大学 2015
[5]苏州农户兼业行为研究[D]. 陈晓红.南京农业大学 2010
[6]农户住房消费及其影响因素研究[D]. 赵国玲.华中农业大学 2009
[7]农村居民点用地变化驱动机制[D]. 胡贤辉.华中农业大学 2007
硕士论文
[1]人口老龄化对家庭资产选择的影响研究[D]. 蓝雅卿.华东政法大学 2019
[2]太原市商品住宅需求影响因素研究[D]. 行方.山西财经大学 2019
[3]农村居民点空间分布演变及优化布局研究[D]. 朱少春.浙江大学 2018
[4]我国农村家庭结构变迁及其对家庭养老的影响[D]. 史会娟.吉林大学 2018
[5]西南丘陵山区农村居民点演变及驱动机制研究[D]. 廖涟漪.西南大学 2018
[6]村域农村居民点用地变化及其驱动力研究[D]. 李莎莎.山东农业大学 2014
[7]农民建房行为研究[D]. 唐小丽.东北财经大学 2013
[8]农村居民点用地与住房建设变化特征及驱动机制研究[D]. 郑斌.中国地质大学 2011
[9]农村居民点用地变化及影响因素分析[D]. 李金光.西南大学 2010
[10]农户住房消费影响因素分析[D]. 孙丹.华中农业大学 2008
本文编号：3264174
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
988-2017农村新建住宅面积与乡村人口的变化趋势
浙江大学硕士学位论文中国农村住宅总量变化的驱动机制28图4.1居民总样本农村住宅总量年均变化4.4估计结果与分析4.4.1居民总样本的估计结果如果农村住宅面积变化大于0，赋值为1，反之为0。利用Stata13.0对2013-2019年数据进行Probit模型估计，根据模型回归结果，Waldchi2（31）=220.18，Prob>chi2=0.0000，模型整体拟合效果较好。由于2013年数据中并未包含家中目前上学人数、是否了解土地流转相关政策、本社区/村距市中心距离、访员贫富打分4个变量，为探究以上变量的影响，对2015-2019年数据进行Probit模型估计，根据模型回归结果，Waldchi2（34）=205.71，Prob>chi2=0.0000，模型整体拟合效果较好。表4.5居民总样本农村住宅总量是否增加的Probit模型估计结果变量类型变量名称2013-2019年2015-2019年
浙江大学硕士学位论文中国农村住宅总量变化的驱动机制31未拥有住宅的“租房一族”，相较于城市的高房价，在农村建住宅或许是更轻松的选择。图4.2居民总样本拥有住宅数量与建房意愿的关系在社区/村特征变量中，留守老人占比通过了5%水平的显著性检验，影响符号为正，说明留守老人占比越高，在农村扩建房屋的可能性越大，这一现象对农村家庭的影响更为显著。由于老人留在农村，那么家庭的“根”必定也在农村，大多数在外务工的农民，赚了钱自然会想回乡建房，改善父母生活。人均可支配年收入通过了10%水平的显著性检验，且影响符号为正，说明人均可支配收入越高的地区，其居民越有可能新建农村住宅，其原因可能在于当农村居民收入增加时，便更愿意定居在农村，而移居城镇的农业户口居民收入增加时，出于乡土情怀或是落叶归根的考虑，也会选择在农村老家建房子。4.4.2城乡居民样本的差异分析下面将总居民样本分为移居城镇的农业户口居民与农村居民分别进行回归（表4.6、表4.7），以期探究影响城乡居民农村住宅总量变化的因素是否一致。表4.6移居城镇的农业户口居民样本农村住宅总量是否增加的Probit模型估计结果变量类型变量名称2013-2019年2015-2019年户主特征变量户主性别0.07867（0.0689）0.0909（0.0739）户主年龄-0.0029（0.0021）-0.0013（0.0024）户主受教育年限-0.0028（0.0076）-0.0019（0.0082）户主政治面貌0.0841（0.0826）0.0088（0.0878）户主婚姻状况0.02680.0502
【参考文献】：
期刊论文
[1]基于兴趣点（POI）大数据的人地关系研究综述:理论、方法与应用[J]. 薛冰,李京忠,肖骁,谢潇,逯承鹏,任婉侠,姜璐. 地理与地理信息科学. 2019(06)
[2]人口老龄化对我国住房消费的影响分析[J]. 周建军,曹文凯,梁丽利. 湖南大学学报(社会科学版). 2019(05)
[3]重点农区县域农村居民点用地时空变化及影响因素——以河南省为例[J]. 杨孟豪,刘阿敏,曹连海,闫安,王诗星. 水土保持研究. 2019(05)
[4]基于脱钩理论与LMDI模型的农村居民点演化特征及驱动因素分解[J]. 刘书畅,叶艳妹,林耀奔. 农业工程学报. 2019(12)
[5]黑龙江平原农区村庄空心化演变及其整治措施研究[J]. 王语檬,陈建龙. 中国土地科学. 2018(12)
[6]基于空间自相关的农村居民点空间分布特征及影响因素——以贵州省威宁县为例[J]. 张勰,杨柳. 江苏农业科学. 2018(12)
[7]中国城市家庭住房消费偏好及趋势研究[J]. 黄雄,白程赫,张杰,周京奎. 调研世界. 2018(05)
[8]“空心村”治理与宅基地制度变革——基于广西富县实地调研[J]. 魏程琳,史明萍. 城市规划. 2017(01)
[9]干旱区绿洲农村居民点景观格局演变及机制分析[J]. 师满江,颉耀文,曹琦. 地理研究. 2016(04)
[10]经济发达地区乡村聚落用地模式演变——以无锡市惠山区为例[J]. 陈诚,金志丰. 地理研究. 2015(11)
博士论文
[1]基于农业现代化的平原地区乡村居民点空间重组研究[D]. 陶德凯.华中科技大学 2018
[2]城中村存在对外来务工人员福利影响研究[D]. 赵嵩年.浙江大学 2017
[3]三峡库区典型区域农村聚落空间演化研究[D]. 闵婕.西南大学 2015
[4]中国城乡居民家庭固定资产选择及其对消费的影响研究[D]. 余新平.浙江大学 2015
[5]苏州农户兼业行为研究[D]. 陈晓红.南京农业大学 2010
[6]农户住房消费及其影响因素研究[D]. 赵国玲.华中农业大学 2009
[7]农村居民点用地变化驱动机制[D]. 胡贤辉.华中农业大学 2007
硕士论文
[1]人口老龄化对家庭资产选择的影响研究[D]. 蓝雅卿.华东政法大学 2019
[2]太原市商品住宅需求影响因素研究[D]. 行方.山西财经大学 2019
[3]农村居民点空间分布演变及优化布局研究[D]. 朱少春.浙江大学 2018
[4]我国农村家庭结构变迁及其对家庭养老的影响[D]. 史会娟.吉林大学 2018
[5]西南丘陵山区农村居民点演变及驱动机制研究[D]. 廖涟漪.西南大学 2018
[6]村域农村居民点用地变化及其驱动力研究[D]. 李莎莎.山东农业大学 2014
[7]农民建房行为研究[D]. 唐小丽.东北财经大学 2013
[8]农村居民点用地与住房建设变化特征及驱动机制研究[D]. 郑斌.中国地质大学 2011
[9]农村居民点用地变化及影响因素分析[D]. 李金光.西南大学 2010
[10]农户住房消费影响因素分析[D]. 孙丹.华中农业大学 2008
本文编号：3264174
本文链接：https://www.wllwen.com/shekelunwen/sannong/3264174.html
