被拆遷人締約意愿與搬遷意愿實證分析

拆遷戶的締約意愿與搬遷意愿實證研究――對杭州市即將面臨拆遷的拆遷戶的調查［摘要與告白］本文依據(jù)個體行為選擇的效用最大化原則，采用調查問卷的方式，通過回歸分析，找出了一些影響拆遷戶締約意愿與搬遷意愿的重要影響因素。并分別構建了拆遷戶締約意愿與搬遷意愿的預測模型。本調查的實證分析結果不僅可以為相關政府部門提供有說服力的參考依據(jù)，而且對后續(xù)研究具有相當?shù)膶W術參考。EmpiricalStudyofWillingnessofContractingandRemovalofthePeopletobeRelocated——SurveyforthePeopletobeRelocatedinHangzhouCityJIASheng-huaLUOYan-faWENHai-zhenAbstract:Theissuesaboutrelocationoftownishbuildingareimportantissuesforacademicstudy.Becauseoftheparticularityoftheissues,theempiricalstudyoftheseissuesisfew.BasedonthePrincipleofUtilityMaximizationforindividualbehaviorchoice,bythemeansofquestionnaire,throughtheregressionanalysis,someimportantfactorsimpactingthewillingnessofcontractingorremovalofthepeoplewhichshouldberelocatedarefoundoutinthispaper.And,themodelsforforecastingthewillingnessofcontractingorremovaloftheoneswhichshouldberelocatedareprovided.Theresultsoftheempiricalstudycanbenotonlysuppliedtogovernmentforrelevantpolicies-making,butalsovaluableforfurtherstudies.賈生華浙江大學管理學院教授，博導，副院長羅延發(fā)浙江大學管理學院博士研究生溫海珍浙江大學建工學院講師，博士在我國，城市房屋拆遷問題備受關注。在學術界，城市房屋拆遷問題也引起了相關領域的許多研究者的重視。然而，對城市房屋拆遷問題進行實證研究的努力仍顯不足，并且現(xiàn)有的實證研究主要集中于個案研究，鮮見基于統(tǒng)計調查數(shù)據(jù)的實證研究。并且，由于我國與西方發(fā)達國家在物權等方面法制上的差異，幾乎沒有類似的國際經(jīng)驗研究可供借鑒。憲法修正案在第十屆全國人大第二次會議上通過后，人們對私有財產(chǎn)的保護意識得以加強，這在拆遷戶身上表現(xiàn)得尤為明顯。盡管近年來我國城市房屋拆遷的法制環(huán)境正逐步改善，但從媒體的報道來看，拆遷戶不愿意與拆遷人（取得房屋拆遷許可證的單位）簽訂拆遷協(xié)議的情況卻越來越多并且拆遷戶在拆遷期限內(nèi)沒有搬遷的情況也屢屢出現(xiàn)。因此，針對即將面臨拆遷的拆遷戶，將他們的締約意愿（與拆遷人在拆遷公告所規(guī)定的限期內(nèi)簽訂拆遷協(xié)議的意愿）與搬遷意愿（在搬遷期限內(nèi)遷離被拆遷房屋的意愿）作為研究對象，應當是一項社會意義和政策蘊意的研究。本項研究通過問卷調查的方式采集樣本數(shù)據(jù)。調查對象限于即將面臨拆遷的拆遷戶。所謂“即將面臨拆遷的拆遷戶”，是指所擁有的房屋已明確地被劃入了拆遷區(qū)域的拆遷戶。并且，這些拆遷戶已獲知拆遷公告的內(nèi)容，即包括了拆遷人、拆遷期限等相關重要信息。特別是，本項研究所選擇的調查對象對其他拆遷利益相關主體（拆遷人、政府拆遷活動管理部門與拆遷評估單位等）的行為已有一定程度的感知。本研究的調查范圍限于杭州市市區(qū)。本研究的目的主要有兩個：其一，找出一些影響拆遷戶締約意愿與搬遷意愿的因素；其二，建立對拆遷戶締約意愿與搬遷意愿有一定預測能力的模型。一、理論模型與樣本描述對于即將面臨拆遷的拆遷戶，在面對締約行為與搬遷行為決策時，目的在于效用最大化。根據(jù)效用最大化的假設，我們可以構建拆遷戶締約（搬遷）行為的一種理論模型。不妨設拆遷戶締約（搬遷）的行為可能帶來的收益為BENEFIT］,可能帶來的損失為COST］；而拆遷戶不締約（不搬遷）的行為可能帶來的收益為BENEFIT。，可能帶來的損失為COST。。令NB］=BENEFIT］-COST］,NB°=BENEFIT。一COST。，則有：當NB］＞NB。時，被訪者的締約（搬遷）意愿表現(xiàn)為“愿意”；當NB］＜NB。時，被訪者的締約（搬遷）意愿表現(xiàn)為“不愿意”；當NB］=NB。時，被訪者的兩種締約（搬遷）意愿無差異。作為拆遷戶中的一員，被訪者的締約（搬遷）意愿的影響因素可以劃分為兩大類。第一類是被訪者的個人特征與拆遷戶的家庭特征，第二類是締約（搬遷）行為相關特征。被訪者的個人社會經(jīng)濟特征主要包括：性別、年齡、教育程度等，拆遷戶的家庭特征是指拆遷戶家庭自身的社會經(jīng)濟特征，主要包括家庭總人口、家庭年總收入、家庭住宅的居住面積、家庭所擁有的被拆遷房屋相關特征等；行為相關特征包括：被訪者對相關政策法規(guī)的熟悉程度、被訪者對拆遷活動相關信息的掌握程度、被訪者對其他拆遷利益相關主體（如政府相關部門、拆遷人、拆遷評估機構等）有關的態(tài)度被訪者對各種不同行為所引發(fā)后果的預期等。這兩類特征變量都可能對BENEFIT］、COS—、BENEFIT。與COST。等四個變量發(fā)生影響，從而對NB］與NB。發(fā)生影響。在這兩類特征中，第一類特征是較為穩(wěn)定的變量。而在第二類特征中，有許多變量反映了一種態(tài)度或預期，這些變量本身更容易隨著時間的變化而變化，因此屬于更為動態(tài)的變量。本項研究預備采用Logisitc模型進行數(shù)據(jù)的分析和處理。研究采用了問卷調查的方式，調查時間為2004年4?5月，問卷發(fā)放地包括浙江省第十一屆房地產(chǎn)博覽會（房博會）現(xiàn)場、杭州市上城區(qū)小營街道老浙大社區(qū)、杭州市上城區(qū)湖濱街道東坡路社區(qū)等三處。對兩個被調查社區(qū)的選擇，是依據(jù)本研究對調查對象選擇要求而確定的，因為這兩個社區(qū)都已被明確地劃入了拆遷區(qū)域，且住戶都了解這一信息。在房博會現(xiàn)場，我們采取擋截式問卷調查的方式，所采用的抽樣方法是簡單隨機抽樣方法。在兩個被調查的社區(qū)內(nèi)，我們在社區(qū)工作人員的協(xié)助下，采取了以入戶調查為主的多種調查方式，抽樣方法則以拆遷戶寓所為依據(jù)的等距抽樣方法。在本次問卷調查中，我們在房博會現(xiàn)場發(fā)放問卷30份，回收28份，其中有效問卷22份；在老浙大社區(qū)，發(fā)放問卷］00份，回收69份，其中有效問卷43份；在東坡路社區(qū)，發(fā)放問卷200份，回收］94份，其中有效問卷］36份。本次調查共發(fā)放問卷330份，回收29］份，回收率為88.2%，其中有效問卷共為20］份，問卷回收有效率為69.］%。本項研究所采用的統(tǒng)計分析軟件是SPSS12.0。表1為本次調查的被訪者個人與家庭特征變量的一般性統(tǒng)計。表］被訪者個人與家庭特征變量統(tǒng)計表性別年齡一學歷一家庭總人口數(shù)家庭總年收入家庭住宅居住面積被拆遷房屋的用途被拆遷房屋使用狀況被拆遷房屋的房齡項目有效回答數(shù)量196195197200197196200199140項目無回答數(shù)量5641451261均值——4.742.20————3.69標準差——1.201.091.121.460.99————1.14方差——1.451.181.262.120.98————1.31偏度——-0.930.43-0.060.760.87————-0.62最小值0（女性）111111（居?。?（自用）1最大值1（男性）645652（商用）2（出租）5從上表來看，被訪者的個人與家庭特征變量中的數(shù)值型變量沒有出現(xiàn)較為嚴重的偏態(tài)分布，這說明我們的調查對象在這些特征上的抽樣是具備代表性的。此外，從性別方面看，被訪者中男性與女性比例為1.12:1。但是，在被拆遷房屋使用狀況方面，被訪者的被拆遷房屋使用狀況絕大多數(shù)為“自用”，并且被訪者在“被拆遷房屋用途”特征方面的分布上“居住用途”占84.5%。可見，被訪者在這兩個特征方面上的分布不太理想。二、統(tǒng)計資料的缺失值處理利用SPSS12.0中的“缺失值處理”(MissingValueAnalysis,MVA)模塊對我們的問卷中所設置的各變量進行分析后發(fā)現(xiàn)：對于所有的我們需要分析的變量，大部分存在某些項目無回答的情況(項目無回答)；在所有的有效的調查問卷中，約半數(shù)的被訪者存在部分項目無回答的情況(單位無回答)。但這兩種情況并不算非常嚴重。對有效調查問卷而言，在項目無回答的情況中，絕大多數(shù)的項目無回答率在10％以內(nèi)，無回答現(xiàn)象最嚴重項目的無回答率為30.3％(參見表2)；在單位無回答的情況中，大多數(shù)存在無回答項目的被訪者的無回答率也在10％以內(nèi)，無回答現(xiàn)象最嚴重的被訪者的無回答率為37.9％。為了確定是否需要對調查問卷無回答情況進行補救，我們需要了解該問卷調查結果的數(shù)據(jù)缺失特征。對數(shù)據(jù)缺失特征的描述，最重要的是要考察數(shù)據(jù)的缺失值機制。數(shù)據(jù)的缺失值機制包括三種：完全隨機缺失(MissingCompletelyAtRandom,MCAR)、隨機缺失(MissingAtRandom,MAR)與非隨機缺失(NotMissingAtRandom,NMAR)。如果數(shù)據(jù)缺失的概率既不依賴于觀測值也不依賴于缺失值，則數(shù)據(jù)缺失狀態(tài)屬于MCAR；如果數(shù)據(jù)缺失的概率僅僅依賴于觀測值，那么數(shù)據(jù)缺失狀態(tài)屬于MAR；而如果數(shù)據(jù)缺失的概率既依賴于觀測值又依賴于缺失值，那么數(shù)據(jù)缺失狀態(tài)屬于NMAR，這種缺失狀態(tài)又被稱為不可忽視缺失(PaulT.vonHippel,2004；曹陽等，2003)。對于數(shù)據(jù)缺失狀態(tài)是否屬于MCAR，Little提出了一種檢驗方法，即Little檢驗。SPSS12.0的MVA模塊提供了Little檢驗的功能。我們將需要分析的22個變量(其中包括19個數(shù)值型變量與3個分類型變量)進行了缺失值分析，LittleMCAR檢驗的結果為：Chi-Square=1335.845,df=1249,Sig.=0.043。檢驗結果表明，本項研究的數(shù)據(jù)缺失狀態(tài)屬于MCAR的假設在統(tǒng)計意義上不成立。這就意味著，列表刪除、配對刪除或均值置換等數(shù)據(jù)處理方式，都不是一種好的選擇(SPSSInc,2002)。除了列表刪除與配對刪除，MVA模塊還提供了另外兩種缺失值處理方法：期望最大化(EM)方法與回歸方法。這兩種方法都是基于插補技術與似然率，并都更適用于非MCAR的缺失。由于MVA模塊所利用的回歸模型參數(shù)是由配對刪除方法獲得的，因此其回歸插補方法也會產(chǎn)生較為明顯的偏誤。此外，回歸方法中可能存在大量的可能回歸元，而回歸元本身又可能存在缺失值(PaulT.vonHippel,2004)。這些問題對于本項研究中的統(tǒng)計數(shù)據(jù)顯得較為突出。因此，我們采用EM方法來對數(shù)據(jù)進行插補。在進行EM插補時，假設是各變量是正態(tài)分布的，并將所有數(shù)值型變量進？EM估計。表2描述了被引入研究的各變量的缺失值與極值的統(tǒng)計情況。

表2各變量缺失值與極值情況統(tǒng)計表變量名回答數(shù)量均值經(jīng)EM估計后的均值標準差經(jīng)EM估計后的標準差缺失值極值數(shù)量數(shù)量百分比Min.Max.行為相關特征變量對合法合理的拆遷上訪的態(tài)度1921.651.651.031.0394.4803對拆遷政策法規(guī)的不熟悉程度1963.323.311.031.0352.4970拆遷政策法規(guī)的不合理程度1863.293.300.870.88157.4630與其他拆遷戶之間的交流程度1463.633.671.421.475527.3600本次拆遷相關信息的掌握程度1863.573.581.041.05157.4650本拆遷區(qū)域開發(fā)后的增值大小1551.511.510.740.744622.8905拆遷活動中政府行為的不規(guī)范程度1773.343.350.780.792411.9410拆遷活動中拆遷人的不規(guī)范程度1823.563.570.820.81199.4500拆遷過程中評估行為的不規(guī)范程度1733.293.290.740.732813.9330拆遷人不誠信的程度1593.483.440.780.784220.9010對拆遷戶之間補償不平等的預期1743.643.630.910.922713.4330拆遷雙方利益協(xié)調的難易程度1840.94188.9605對本次拆遷中“釘子戶”的待遇預期1602.842.871.211.224120.4000個人與家庭特征變量被訪者性別196————————52.49————被訪者的年齡1954.744.751.201.2062.9930被訪者的受教育程度1991.0941.9900被訪者家庭總人口數(shù)20021.1210.50160被訪者家庭總年收入1972.542.531.461.4641.99015被訪者家庭住宅的居住面積1990.9952.4905被拆遷房屋的房齡1403.693.741.141.146130.3500被拆遷房屋的用途200————————10.50————被拆遷房屋的使用狀況199————21.00——因變量被訪者的締約意愿201————00.00——被訪者的搬遷意愿201————00.00——三、拆遷戶締約意愿與搬遷意愿的影響因素分析我們利用EM方法對問卷中的缺失值進行插補后，重新獲得了一份對于數(shù)值型變量而言是完整的統(tǒng)計結果。首先我們將分析擬研究變量中各變量對拆遷戶締約意愿與搬遷意愿的影響是否顯著。為此，我們利用SPSS12.0中的Logistic回歸方法來檢驗各變量對拆遷戶締約意愿與搬遷意愿影響的顯著性。對于一個調查對象，其締約意愿與搬遷意愿是很有可能不同的。譬如，在現(xiàn)實中經(jīng)常存在這樣的一種情況：拆遷戶與拆遷人在拆遷公告所規(guī)定的期限內(nèi)簽訂了拆遷協(xié)議，而卻沒有在搬遷期限內(nèi)遷離被拆遷房屋。我們在本研究中，不考慮拆遷戶締約意愿與搬遷意愿的相互影響，而僅僅將這兩者獨立地作為因變量進行處理。1、拆遷戶締約意愿的影響因素分析先分析拆遷戶締約意愿的影響因素。在分析中，將拆遷戶的締約意愿作為因變量，其他所有的22個變量作為自變量，進入模塊進行Logistic回歸分析。由于僅僅是檢驗各自變量對因變量影響的顯著性，故設置的回歸方法為變量全部進入方式。經(jīng)軟件分析后，對模型整體擬合度的檢驗結果為：Chi-square=78.681,df=22,Sig.=0.000。分析結果表明，該模型的整體檢驗通過。軟件分析結果中對因變量有顯著影響的變量統(tǒng)計結果見表3（本表僅列出有顯著影響的自變量統(tǒng)計量；顯著性包含了95%與90%兩種置信區(qū)間內(nèi)的顯著性水平）。表3對拆遷戶締約意愿有顯著影響的變量統(tǒng)計表變量名BS.E.WalddfSig.Exp(B)95.0%C.I.forEXP(B)LowerUpper被拆遷房屋的用途*-0.650.353.4210.0640.520.261.04拆遷活動中拆遷人的不規(guī)范程度**-1.170.466.5010.0110.310.130.76對拆遷戶之間補償不平等的預期**-1.290.3910.9310.0010.270.130.59被訪者的年齡**0.750.249.8110.0022.111.323.37被訪者的受教育程度**0.480.253.8310.0501.621.002.62被訪者家庭的總人口數(shù)**0.550.235.8810.0151.731.112.68*變量的影響在90%的置信區(qū)間內(nèi)顯著；**變量的影響在95%的置信區(qū)間內(nèi)顯著。從上表中可以發(fā)現(xiàn)，在95%的置信區(qū)間內(nèi)，“拆遷活動中拆遷人的不規(guī)范程度”、“對拆遷戶之間補償不平等的預期”、“被訪者的年齡”、“被訪者的受教育程度”、“被訪者家庭的總人口數(shù)”四個變量對拆遷戶締約意愿的影響顯著；在90%的置信區(qū)間內(nèi)，除了上述的四個變量，“被拆遷房屋用途”變量也對拆遷戶締約意愿產(chǎn)生較為顯著的影響。（1）被訪者的年齡對其締約意愿有非常顯著的正向影響，這就意味著被訪者年齡越大，其締約意愿也越強。這或許有違我們的直覺，因為在我們的印象中，最不愿意簽訂拆遷協(xié)議的拆遷戶通常是老年人。我們可以從另一個角度來理解這一現(xiàn)象。由于即將面臨拆遷的拆遷戶一般不太可能改變房屋被拆遷的最終結果，因此，調查對象締約意愿在很大的程度上受到其風險規(guī)避度的影響。風險規(guī)避度方面的差異或許是這一結果的一個解釋。根據(jù)我們的訪談情況，通常拆遷戶中個體的年齡越大，越擔心受到由未按時締約所帶來的不利后果，即其風險規(guī)避度也越大。（2）被訪者的受教育程度對其締約意愿有很顯著的正向影響，即被訪者的受教育程度越高，其締約意愿也越強。（3）被訪者的家庭總人口數(shù)越多，其締約意愿也越強。這同我們的直覺顯然是相悖的。國務院2001年頒布的《城市房屋拆遷管理條例》，相對于1991年頒布的舊條例，其補償標準發(fā)生了從“按人頭補償”向“按磚頭補償”（按市場價補償）的轉變，這在新條例頒布伊始曾引起過家庭總人口數(shù)較多的拆遷戶的極度不滿。從我們調查結果看，“按磚頭補償”的補償原則應該已深入人心。（4）拆遷活動中拆遷人的不規(guī)范程度越高，拆遷戶的締約意愿也就越低。（5）“對拆遷戶之間補償不平等的預期”對其締約意愿有非常顯著的負向影響，而且這種影響程度很深B值的絕對值較大）。這就是說，當拆遷戶認為拆遷補償或安置在拆遷戶之間越是不平等，他們的締約意愿也就越低。這與我們的直覺完全相符。這是我國傳統(tǒng)的“不患貧只患不均”觀念的一種體現(xiàn)。（6）“被拆遷房屋的用途”對拆遷戶締約意愿也產(chǎn)生了一種較為顯著的影響，即被拆遷房屋越是作為商業(yè)用途，則拆遷戶的締約意愿也就越低。這與我們的直覺也非常相符。這是因為，商業(yè)用途房屋的拆遷對拆遷戶造成的損失顯然更大，而杭州市對“住改非”問題的解決方式一直備受責難，尤其是對于許多未能享受到“住改非”拆遷補償優(yōu)惠的拆遷戶而言，他們的締約意愿自然會受到影響。2、拆遷戶搬遷意愿影響因素分析再分析拆遷戶搬遷意愿的影響因素。將因變量設為拆遷戶的搬遷意愿，其他的設定不變。經(jīng)軟件分析后，對模型整體擬合度的檢驗結果為：Chi-square=56.831,df=22.Sig.=0.000。分析結果表明，該模型的整體檢驗通過。分析結果中對因變量有顯著影響的變量統(tǒng)計結果見表4（同樣，該表僅列出有顯著影響的自變量統(tǒng)計量；顯著性水平的置信區(qū)間包含了95%與90%兩種置信區(qū)間）。表4對拆遷戶搬遷意愿有顯著影響的變量統(tǒng)計表變量名BS.E.WalddfSig.Exp(B)95.0%C.I.forEXP(B)LowerUpper對合法合理的拆遷上訪的態(tài)度**0.840.365.5610.0182.321.154.68被拆遷房屋的房齡*-0.400.232.9710.0850.670.421.06與其他拆遷戶之間的交流程度*0.350.193.4910.0621.420.982.05拆遷活動中政府行為的規(guī)范程度*-0.670.402.7910.0950.510.231.12對拆遷雙方利益協(xié)調難度的態(tài)度**0.450.214.3210.0381.561.032.38對本次拆遷中“釘子戶”的待遇預期*-0.370.222.9410.0860.690.451.05被訪者的年齡**0.570.208.2710.0041.771.202.61*變量的影響在90%的置信區(qū)間內(nèi)顯著；**變量的影響在95%的置信區(qū)間內(nèi)顯著。從上表中我們發(fā)現(xiàn)，有三個變量對拆遷戶搬遷意愿產(chǎn)生非常顯著的影響，另有四個變量對拆遷戶搬遷意愿產(chǎn)生較為顯著的影響。這一結果與拆遷戶締約意愿的影響因素存在較大的差異。（1）被訪者年齡越大，其搬遷意愿越強。同締約意愿的影響因素一樣，風險規(guī)避度可能是這一結果的一個解釋。（2）被訪者對合法合理的拆遷上訪越持支持態(tài)度，則其締約意愿越弱，這同直覺頗為相符。值得注意的是，與其他許多大城市不同的是，杭州市民間“拆遷上訪團”的大量存在使得拆遷戶對拆遷上訪態(tài)度的支持可以落到實處，因此，被訪者的這一態(tài)度不容忽視。（3）如果被訪者對拆遷戶與拆遷人之間的利益協(xié)調難度越大，則其搬遷意愿表現(xiàn)得越弱，這也與我們的直覺相符。顯然，如果拆遷戶認為拆遷活動中與拆遷人很難達到“雙贏”，那么拆遷戶就更不愿意在搬遷期限內(nèi)搬遷。（4）“被拆遷房屋房齡”對拆遷戶搬遷意愿有比較顯著的負向影響，即被訪者所擁有的被拆遷房屋的房齡越長，其搬遷意愿反而越弱，這在一定程度上有違我們的直覺。通過比較“被拆遷房屋房齡”與“家庭總年收入”兩者之間的關系，我們發(fā)現(xiàn)兩者之間存在顯著的負相關關系。因此，對于被拆遷房屋房齡越長的拆遷戶，由于其家庭的經(jīng)濟狀況較差，希望通過拆遷改善家庭居住條件的期望也越高，從而導致其搬遷意愿也越弱。然而，這種解釋的不足在于我們發(fā)現(xiàn)拆遷戶家庭總年收入并沒有直接對搬遷意愿產(chǎn)生顯著的影響。（5）如果拆遷戶與其他拆遷戶的交流程度越高，則其搬遷意愿也越弱。由于與其他拆遷戶交流程度加強后，信息不對稱的問題在很大的程度上得到了解決，這就堅定了拆遷戶之間決定不搬遷的“合作”。并且，“法不責眾”的傳統(tǒng)觀念進一步強化了拆遷戶不愿按時搬遷的想法。（6）“拆遷活動中政府行為的不規(guī)范程度”對拆遷戶搬遷意愿有比較顯著的負向影響，這意味著如果拆遷戶認為拆遷活動中政府行為越不規(guī)范，其搬遷意愿越弱。這可以從另一個角度進行解釋：拆遷戶不愿按時搬遷，是拆遷戶對政府相關部門在拆遷活動中的不規(guī)范行為“宣示不滿”的一種表現(xiàn)。（7）如果拆遷戶個體對本次拆遷中“釘子戶”的預期越高（認為“釘子戶”最終所獲得的收益越大），則其搬遷意愿也越弱，這與直覺相符。四、拆遷戶締約意愿與搬遷意愿初始預測模型在前面部分，盡管我們分析了拆遷戶締約意愿與搬遷意愿的影響因素，但如果我們要對拆遷戶的締約意愿與搬遷意愿進行預測，我們就必須分別構建他們的預測模型。下面，我們首先將前面的所有自變量作為預測因子，利用軟件中對預測因子自我選擇的功能進行預測因子，來分別建立對拆遷戶的締約意愿與搬遷意愿有一定預測能力的模型。1、拆遷戶締約意愿Logit預測模型我們將拆遷戶的締約意愿作為因變量，其他所有的22個變量作為自變量，送入模型進行分析。在分析中，設置的回歸方法為前向逐步選擇進入法。變量進入模型的最大概率值為0.05，變量被模型剔除的最小概率值為0.10，這就保證了進入模型的自變量的影響顯著性水平置信區(qū)間為95%。經(jīng)七步回歸過程，回歸后模型的整體擬合度檢驗結果為：Chi-square=92.974,df=7,Sig.=O.OOO。包含所有變量的模型擬合效果的檢驗結果為：-211（-2Loglikelihood）=177.353,Cox&SnellR2=0.379,NagelkerkeR2=0.506。這說明該模型的整體解釋力達至到50.6%0統(tǒng)計結果還表明，該模型的預測準確率為76.4%。表5是經(jīng)七步回歸后進入方程的變量相關統(tǒng)計表。表5經(jīng)七步回歸后進入方程的變量相關統(tǒng)計表變量名BS.E.WalddfSig.Exp(B)95.0%C.I.forEXP(B)LowerUpper與其他拆遷戶之間的交流程度0.280.125.0210.0251.321.041.69拆遷活動中拆遷人的不規(guī)范程度-1.390.3713.9310.0002拆遷人不誠信的程度0.830.404.2910.0382.301.055.06對拆遷戶之間補償平等性預期-1.060.2913.5910.0000.350.200.61被訪者的年齡0.730.1719.1710.0002.071.502.87被訪者的受教育程度0.450.186.0410.0141.571.102.25被訪者家庭的總人口數(shù)0.500.1510.4310.0011.641.212.22將表5與表3的結果進行比較,可以發(fā)現(xiàn),表3中對拆遷戶締約意愿有顯著影響的某些變量（如“被拆遷房屋用途”）并沒有進入預測模型,而另外卻有些未進入表3的變量卻進入了該模型（如“與其他拆遷戶之間的交流程度”、“拆遷人不誠信的程度”）。這在統(tǒng)計學意義上屬于正常,因為在表3中的自變量之間可能存在共線性的問題。被訪者與其他拆遷戶之間的交流程度越高,其締約意愿越弱,這符合我們的直覺。對此的解釋與該變量影響拆遷戶搬遷意愿的解釋類似。表5中一個難以解釋的結果是,拆遷人不誠信的程度越高,拆遷戶的締約意愿反而表現(xiàn)得越強。這是常識很難解釋的。但是,根據(jù)本文后面因子分析的結果,拆遷人誠信度與其他的一些變量經(jīng)因子分析后,所反映出來的影響方向是符合常識的。因此,或許是由于各種影響因素之間復雜的交互效應,使得統(tǒng)計處理出現(xiàn)了偶然的事故。2、拆遷戶搬遷意愿Logit模型分析我們將拆遷戶的締約意愿作為因變量,其他自變量同前,設置的回歸方法也同前。經(jīng)四步回歸過程，回歸后模型的整體擬合度檢驗結果為：Chi-square=72.689,df=4,Sig.=0.000。包含所有變量的模型擬合效果的檢驗結果為：-2ll=197.638,Cox&SnellR2=0.311,NagelkerkeR2=0.415?？梢娫撃Ｐ偷恼w解釋力為41.5%。此外,該模型的預測能力為72.8%。表6是經(jīng)四步回歸后進入方程的變量相關統(tǒng)計表。表6經(jīng)四步回歸后進入方程的變量相關統(tǒng)計表BS.E.WalddfSig.Exp(B)95.0%C.I.forEXP(B)LowerUpper對合法合理的拆遷上訪所持的態(tài)度0.640.247.4510.0061.901.203.02與其他拆遷戶之間的交流程度110.0281.291.031.61拆遷活動中政府行為的不規(guī)范程度-0.880.1921.5610.0000.410.280.60被訪者的年齡0.440.1311.5910.0011.551.201.98比較表6與表4后可以發(fā)現(xiàn),不僅在表4中出現(xiàn)的一些變量未進入該模型,甚至有個別并沒有在表4中出現(xiàn)的變量也進入了該模型（如“對拆遷戶之間補償不平等的預期”）。這也是共線性造成的問題。3、對兩個初始預測模型的評價拆遷戶締約意愿與搬遷意愿初始預測模型具備兩個作用：其一，可以通過對進入模型的這些自變量的測量，就可以對拆遷戶的締約意愿與搬遷意愿進行簡單的預測；其二，可以發(fā)現(xiàn)對拆遷戶的締約意愿與搬遷意愿有顯著影響的因素，因此這些模型在一定程度上為政府相關部門或拆遷人指明了努力的方向，即那些通過努力就可以顯著改善拆遷戶締約意愿與搬遷意愿的因素。要指出的是，我們并不能認為未出現(xiàn)在模型中的變量對拆遷戶的締約意愿與搬遷意愿就沒有顯著的影響，這不是因為這些模型的解釋力不高或預測準確率不高，而是因為在這些自變量之間所存在的共線性問題。共線性問題的存在，為我們對評價自變量的貢獻率帶來了困難。另外，由于在這兩個初始模型中都包括了常數(shù)項，從這兩個模型中的常數(shù)項來看，相對于我們需要進行研究的自變量，常數(shù)項的B值都較高。盡管它們的常數(shù)項的顯著性水平都不高。這從另一方面說明這兩個模型所存在的問題。五、數(shù)據(jù)化簡后的拆遷戶締約意愿與搬遷意愿預測模型為了解決拆遷戶締約意愿與搬遷意愿初始預測模型中的共線性問題，我們擬對行為相關特征變量進行因子分析，對數(shù)據(jù)進行簡化。行為相關特征變量主要涉及到個體的態(tài)度與預期，而態(tài)度與預期的各種變量之間存在復雜的交互效應，這種交互效應影響我們對更為抽象的某些態(tài)度維度的認識。另外，本研究所選取的個人與家庭特征變量很難被提煉出可供解釋的具體因素。因此，我們將只對行為相關特征變量進行因子分析。1、行為相關特征變量的因子分析為了更好地建立拆遷戶締約意愿與搬遷意愿的預測模型，我們將經(jīng)EM插補后的數(shù)據(jù)進行因子分析。本次因子分析的KMO測度與Bartlett檢驗結果為：Kaiser-Meyer-Olkin采樣充足度測量值為0.774；Bartlett球體檢驗的Approx.Chi-Square=958.611,df=78；Sig.=0.000。該KMO測度值與Bartlett球體檢驗結果顯示，這些變量數(shù)據(jù)是適宜作因子分析的。在因子分析中，提取因子的方法采用了主成分分析法，并選擇按特征根值大于1的標準提取因子，而且采用方差最大法進行因子旋轉。經(jīng)因子旋轉后對行為特征變量公因子提取結果見表7，表中僅顯示了絕對值大于0.4的公因子系數(shù)。表7行為特征變量因子分析結果序號行為相關特征變量名稱公因子（主成分）對可能遭受不公平對待的憂慮程度對有效信息的掌握程度遭受不公平對待后可能的表達強度對拆遷可實現(xiàn)雙贏的認可程度1拆遷人不誠信的程度0.850-0.060-0.0410.0062拆遷過程中評估行為的不規(guī)范程度0.819-0.151-0.0670.1313拆遷過程中拆遷人的不規(guī)范程度0.8120.094-0.100-0.1834拆遷過程中政府行為的不規(guī)范程度0.7830.1050.014-0.1195對拆遷戶之間補償不平等的預期0.736-0.302-0.123-0.0266政策法規(guī)的不合理程度0.681-0.055-0.060-0.1207對政策法規(guī)的不熟悉程度-0.0230.867-0.036-0.0998本次拆遷相關信息的掌握程度0.1260.829-0.021-0.1639與其他拆遷戶之間的交流程度-0.2500.6730.0480.22910對本次拆遷中“釘子戶”待遇的預期0.273-0.406-0.390-0.25411對合理合法的拆遷上訪的態(tài)度-0.002-0.0840.846-0.21912開發(fā)后的增值空間大小-0.1550.0650.6250.43413拆遷雙方利益協(xié)調的難易程度-0.054-0.061-0.0240.871觀察表7的因子提取結果，不難發(fā)現(xiàn)，被歸于第1個公因子的6個變量(變量1-6)，事實上都反映了拆遷戶對是否能受到公平對待的預期或判斷，因此，我們將因子1命名為“對可能遭受不公平對待的憂慮程度”。在構成第2個公因子的4個主要的變量中，變量7、8、9反映的都是拆遷戶對判斷所需信息的一種掌握程度，但變量10反映出來的卻似乎有所不同。經(jīng)過考察變量10與另外12個進入因子分析的變量之間的相關關系，我們發(fā)現(xiàn)，除了變量11、13，其他的10個變量都與變量10有顯著的相關性(置信區(qū)間為95%)。再考察變量10在“成分得分系數(shù)矩陣"(ComponentScoreCoefficientMatrix)，可以發(fā)現(xiàn)該變量在第3、4個因子中的得分系數(shù)都較高。因此，相對于對其他因子，變量10對因子2的貢獻并不明顯。據(jù)此，我們將因子2命名為“對有效信息的掌握程度”。同樣的，經(jīng)過對變量11、12與其他變量的相關性分析以及對“成分得分系數(shù)矩陣”的考察，我們將因子3命名為“遭受不公平對待后可能的表達強度”，將因子4命名為“對拆遷實現(xiàn)雙贏的認可程度”。這4個因子解釋了所有13個行為相關特征變量的66.10%。我們將在后面的建模中利用這4因子來取代原有的13個行為相關特征，即將這4因子與9個個人與家庭特征變量一起作為自變量，分析對拆遷戶締約意愿與搬遷意愿的影響。2、數(shù)據(jù)化簡后拆遷戶締約意愿預測模型數(shù)據(jù)經(jīng)因子分析簡化后，將前面提煉出的4個特征值大于1的因子與9個個人與家庭變量作為自變量，將拆遷戶締約意愿作為因變量，利用SPSS12.0的二元Logistic回歸功能進行分析。分析中，設置的回歸方法仍為前向逐步選擇進入法，變量進入模型的最大概率值與變量被模型剔除的最小概率值仍分別為0.05和0.10。經(jīng)四步回歸過程，回歸后模型的整體擬合度檢驗結果為：Chi-square=74.967,df=4,Sig.=0.000。包含所有變量的模型擬合效果的檢驗結果為：-211(-2Loglikelihood)=195.361,Cox&SnellR2=0.319,NagelkerkeR2=0.426。這說明該模型的整體解釋力為42.6%，較初始預測模型略低。此外，該模型的預測準確率為77.4%，與初始預測模型接近。表8經(jīng)四步回歸后進入方程的變量統(tǒng)計表BS.E.WalddfSig.Exp(B)95.0%C.I.forEXP(B)LowerUpper被拆遷房屋的用途-0.750.364.3310.0380.470.230.96被訪者的年齡0.390.1016.8310.0001.481.231.79對可能遭受不公平對待的憂慮程度-1.060.2027.4310.0000.350.230.52對拆遷可實現(xiàn)雙贏的認可程度0.450.185.8510.0161.561.092.24比較表8與表5，可以發(fā)現(xiàn)本模型中增加了“被拆遷房屋的用途”這一變量作為預測因子。考察公因子對締約意愿的影響，我們發(fā)現(xiàn)：(1)當拆遷戶對可能遭受不公平對待的憂慮程度越高，則其締約意愿也就越弱，這與常識相符。在本模型中，該變量對拆遷戶締約意愿的影響程度最深，而且影響的顯著性水平也最高(置信區(qū)間大于99%)。(2)當拆遷戶對拆遷可實現(xiàn)雙贏的認可程度越高(拆遷雙方的利益協(xié)調越為容易)，其締約意愿也就越強，這也與常識相符。(3)“對有效信息的掌握程度”對拆遷戶締約意愿并沒有顯著的影響。這或許是信息構成的各種不同的成分對拆遷戶締約意愿造成了不同的影響(譬如，一些來自非正式渠道的信息弱化了締約意愿，而一些來自于正式渠道的信息卻強化了締約意愿)，也或許是拆遷戶所掌握的大量有效信息本身就同時具備既弱化又強化締約意愿的雙向影響。(4)“遭受不公平對待后可能的表達強度”沒有對拆遷戶締約意愿產(chǎn)生顯著影響。3、數(shù)據(jù)簡化后拆遷戶搬遷意愿預測模型將拆遷戶締約意愿作為因變量，而保持前面的自變量不變，再利用SPSS12.0的二元Logistic回歸功能進行分析。分析中，設置的回歸方法同前，變量進入模型的最大概率值與變量被模型剔除的最小概率值設置也同前。經(jīng)五步回歸過程，回歸后模型的整體擬合度檢驗結果為：Chi-square=66.730,df=5.Sig.=0.0000包含所有變量的模型擬合效果的檢驗結果為：-211=203.597,Cox&SnellR2=0.290,NagelkerkeR2=0.386。這說明該模型的整體解釋力為38.6%，也較初始預測模型略低。此外,該模型的預測準確率為72.3%，與初始預測模型的準確率接近0表9經(jīng)五步回歸后進入方程的變量統(tǒng)計表BS.E.WalddfSig.Exp(B)95.0%C.I.forEXP(B)LowerUpper被拆遷房屋的用途-0.930.366.8110.0090.390.190.79被訪者的年齡0.450.1021.1610.0001.571.301.91對可能遭受不公平對待的憂慮程度-0.670.1813.4610.0000.510.360.73遭受不公平對待后可能的表達強度0.510.197.1810.0071.671.152.43對拆遷可實現(xiàn)雙贏的認可程度0.350.183.8310.0501.421.002.01比較表9與表6，本模型中的作為預測因子的變量增加了“被拆遷房屋的用途”，并且該變量也未出現(xiàn)在表4中0但通過放寬顯著性水平，再考察該變量的影響，可以發(fā)現(xiàn)該變量影響方向也是負的，只不過顯著性水平不是非常高0考察公因子對拆遷戶搬遷意愿的影響，可以發(fā)現(xiàn)：（1）“對可能遭受不公平對待的憂慮程度”對拆遷戶的搬遷意愿有非常顯著的影響，這與直覺非常吻合；（2）“遭受不公平對待后可能的表達強度”也對搬遷意愿有顯著的正向影響，這意味著當拆遷戶對遭受不公平對待后可能的表達強度越高，則越其搬遷意愿也越弱0這可能是因為如果拆遷戶預備在遭受不公平對待后積極表達出來（如通過上訪或信訪等途徑），則他們更有可能不打算按時搬遷0（3）“對拆遷可實現(xiàn)雙贏的認可程度”對搬遷意愿產(chǎn)生顯著的正向影響，這與直覺相符0（4）“對有效信息的掌握程度”對搬遷意愿沒有顯著影響，其解釋與它對締約意愿無顯著影響的解釋類似04、對數(shù)據(jù)簡化后的兩個預測模型的評價經(jīng)過數(shù)據(jù)化簡后重新構建的兩個預測模型，整體解釋力并沒有得到提高，甚至還有略微的下降，而預測準確率與兩個初始預測模型也非常接近0之所以出現(xiàn)這種情況，在很大的程度上是我們對行為相關特征變量進行因子分析時，所提取的四個公因子僅僅解釋了所有13個行為相關特征變量數(shù)據(jù)的66.10%0這一解釋率是較低的0然而，通過數(shù)據(jù)簡化，行為相關特征變量的影響變得更為容易解釋0因此，如果在后續(xù)研究中針對這些公共因子反映的態(tài)度維度進行問卷設計，相信應該可以獲得更好的解釋變量，而預測模型的解釋力與預測準確率也將得以提高0六結論與政策建議對于即將面臨拆遷的拆遷戶，存在著某些因素會顯著影響他們是否愿意在拆遷公告所規(guī)定的期限內(nèi)與拆遷人簽訂拆遷協(xié)議；同樣，也存在另外一些因素會顯著影響拆遷戶是否愿意在搬遷期限內(nèi)遷離被拆遷房屋0我們的研究對此已有一些發(fā)現(xiàn)0這些研究結果具有非常重要的現(xiàn)實意義0例如，既然我們識別出拆遷戶的某些個體或家庭特征變量，如年齡、受教育程度、家庭總人口數(shù)、被拆遷房屋的用途等，會對拆遷戶的締約意愿產(chǎn)生顯著影響，那么我們也就知道了哪些類型的拆遷戶更有可能不愿意簽訂拆遷協(xié)議0根據(jù)我們的研究，拆遷戶的年齡越小，受教育的程度越低，家庭總人口數(shù)越少，