拆迁会影响城镇居民的家庭收入吗？——基于CHIP2013的实证分析

苏 群，高 君，常 雪

（南京农业大学 经济管理学院，江苏 南京 210095）

一、引言

近年来，拆迁作为城镇化进程中伴随的社会现象对城镇拆迁居民的生活产生了越来越重要的影响。特别是2009年以来，各地政府以更大的热情推进“拆村并居”“城中村改造”等拆迁行动，拆迁范围更加扩大，拆迁现象趋于常态化。中国城镇化调查大型数据（2013）显示全国有4%的家庭的宅基地被当地政府统一征用或被集中处置过，有6.3%的家庭的房屋被拆迁过。［1］在拆迁力度较大、发展速度较快的地区，拆迁致富的新闻屡屡见诸报端。［2］但在实际的调查过程中却发现，中低收入者占到了拆迁户的大多数，［3］公民财产无法保障成为拆迁户在与政府的谈判博弈过程中处于天然弱势地位的真实写照。［4］与此同时，频频发生的暴力拆迁已经成为当代中国群体性事件的主要诱因，［5］严重影响社会的和谐稳定。因此，探讨拆迁对城镇居民的影响更具现实意义。

从现有文献来看，相关研究主要集中于定性研究，关于拆迁对城镇居民收入影响的实证研究较少。但相关征地对失地农民收入的影响研究能够为我们提供一些间接认识。一些研究发现由于征地补偿标准太低、就业安置不当，而失地农民又缺乏更多的收入来源，使得失地农民收入水平大幅下降；［6-7］而另一些经济较为发达地区样本的研究则表明征地对农民收入的负向影响并不显著，大部分被征地农户收入不降反升，［8-9］与未被征地农户相比，被征地农户总收入和非农收入显著高出19.6%和9.1%。［10］除了调查地区不同之外，上述结论出现差异的一个主要原因就是土地作为一种生产资料是否是农民收入的主要来源。

房屋按用途来讲主要可以分为两类：一是住宅，二是经营场所。对于住宅而言，房屋的生产属性并不强；但对于经营场所来说，房屋可以创造效益或收入。因此从理论上来讲，住宅拆迁户能够获得拆迁补偿款、经营场所拆迁户能够获得同等面积的房屋补偿或货币补偿，房屋拆迁并不会对居民收入产生直接影响，相反还有可能显著提高居民收入，但现实情况并非如此。首先，实际的拆迁补偿价格往往较低，而在与政府、集体或开发商博弈之后能够拿到的补偿款更少；其次，由于拆迁会导致商业成本的增加、商业环境的破坏以及经营网络的断裂，直接影响拆迁户原来的经营，有可能使得居民的经营性收入降低，从而对其家庭可支配收入产生消极影响；再次，由于部分居民需要重新寻找工作，使得拆迁居民的人力资本积累中断，导致拆迁居民很难找到合适的工作，这显然会对拆迁居民家庭的工资性收入产生不利影响；最后，从长期来看，由于拆迁户的人力资本和社会资本存量较低，拆迁居民缺乏可持续创收的能力，而政府对此又缺乏合理的安置，因此拆迁会显著降低居民家庭的收入水平。基于上述原因，本文更需使用一个全国性的大型数据来探讨拆迁对城镇居民收入的具体影响。

与已有研究相比，本文的主要贡献在于：使用2013年中国家庭收入调查（CHIP）数据，实证分析了拆迁对城镇居民收入的影响；实证检验了拆迁对城镇居民收入的可能影响路径；考虑我国东中西部地区存在明显的社会经济环境差异，本文进一步考察了拆迁对居民收入的区域差异。通过上述研究能够有效明确拆迁对居民收入的影响方向，进一步厘清居民非自愿拆迁背后的原因，为政府相关政策的制定提供实证支持。

二、计量模型与研究方法

（一）计量模型

与已有文献一致，本文借鉴了经典的Mincer（1974）工资收入方程。拆迁对居民收入影响的基准计量模型如下：

其中，下标i表示家庭；c表示城市；lnincomeic表示城市c中家庭i的可支配收入（对数）；removali表示家庭是否有拆迁行为；Xic为一组影响家庭可支配收入的控制变量，主要包括性别、年龄、年龄的平方、婚姻状况、政治面貌、受教育程度、健康状况等户主特征和家庭劳动力数量等家庭特征；Cc表示城市虚拟变量；μic为误差项。本文重点关注β1的估计值。

（二）研究方法

为了考察拆迁对居民家庭收入的影响，本文将样本分为“实验组”和“控制组”，其中“实验组”为有拆迁行为的居民家庭，“控制组”为没有拆迁行为的居民家庭。根据因变量的特征要求，可以选择使用多元线性回归模型（OLS）估计拆迁对居民家庭收入的影响。但值得注意的是居民个人和家庭的异质性可能成为影响其是否有拆迁经历的重要因素。由于有拆迁行为的家庭在拆迁之前多处于城乡结合部、城中村或一些老旧小区等，因而有理由相信他们的人力资本和（政治）社会资本存量更低，具体表现为年龄更大、受教育程度更低、健康状况更差、党员数量更少，而通常这部分家庭的收入水平较低。这就使得我们即使观察到有拆迁经历的家庭可支配收入更少，但却无法判断这种差异是否来源于拆迁。因此，如果直接进行OLS回归可能会导致估计偏误。为了解决“样本选择偏误”（Sample-selection bias）问题，本文拟采用Rosenbaum and Rubin提出的倾向得分匹配方法（Propensi⁃ty Score Matching，PSM）实证研究拆迁对居民家庭收入的影响。［11］

倾向得分匹配法的基本思想在于，在评估某个项目或政策的效果时，如果能够找到与实验组尽可能相似的控制组，那么样本选择偏误就可以被有效降低。然而，在寻找控制组的过程中仅通过一种特征无法达到满意的匹配效果。因此，PSM通过一些特殊的方法将多个特征浓缩成一个指标——倾向得分值（Propensity Score，PS值），从而使多元匹配成为可能。下面本文将首先介绍PS值的获取方法，进而介绍文中所使用的匹配方法以及平均处理效果的估计方法。

1.倾向得分

“倾向得分”定义为，在给定样本特征X的情况下，某个家庭实施拆迁行为的条件概率，即：

其中，D是一个指标函数，若某个家庭实施了拆迁行为，则D=1，否则D=0。因此，对于第i个家庭而言，假设其倾向得分已知，则拆迁的平均处理效果为：

其中，Y1i和Y0i分别表示同一家庭在实施拆迁行为和不实施拆迁行为两种情况下的家庭可支配收入。

在实证分析中，倾向得分往往是不可观测的，通常需要采用Logit或Probit等概率模型进行估计。但在此之前需要首先选择协变量xi。而为了保证可忽略性假设得到满足，应该将可能影响(Y1i,Y0i)与Di的相关变量包括进来，否则容易导致可忽略性假设不满足，将引起偏差。在估计倾向得分时，Rosenbaum and Rubin（1985）和Dehejia and Wahba（2002）建议使用形式更为灵活的Logit模型，［12-13］比如包括xi的高次项与互动项。Logit模型可表示为：

其中，exp(·)/[1+exp(·)]表示逻辑斯蒂分布的累积分布函数，Xi是一系列可能影响家庭是否实施拆迁行为的户主和家庭特征变量构成的向量，β为相应的参数向量。获得上式的参数估计值后，可以进一步得到每个家庭可能实施拆迁行为的概率值(Xi)，这便是每个家庭的倾向得分值。

在此基础上，进行倾向得分匹配。需要说明的是，如果倾向得分估计得比较准确，则应使得Xi在匹配后的处理组与控制组之间分布较均匀，亦即treat与control比较接近。但treat与control的差距显然与计量单位有关，故一般针对X的每个分量x考察如下“标准化差距”（Standardized differences）或“标准化差距”（Standardized bias）：

2.匹配方法

在获得倾向得分值后，我们还无法估计出拆迁家庭的平均处理效应ATT。原因在于，p(X)是一个连续变量，这使得我们很难找到两个倾向得分完全相同的样本，从而无法实现实验组和控制组样本之间的匹配。因此，在进行倾向得分匹配时，需要通过不同的具体方法来实现。具体主要包括“最近邻匹配”（Nearest neighbor matching）、“卡尺匹配”（Caliper matching）或“半径匹配”（Radius match⁃ing）、“卡尺内最近邻匹配”（Nearest neighbor matching within caliper）、“核匹配”（Kernel matching）、“局部线性回归匹配”（Local linear regression matching）、“样条匹配”（Spline matching）和“马氏匹配”（Mahalanobis matching）等七种方法。在实际进行匹配时究竟应使用以上哪种具体方法或参数尚无标准，也并不存在绝对的好方法。［14］因此在具体的匹配过程中本文尝试了以上七种方法用以说明结果的稳健性。由于文章篇幅所限，文中使用的七种匹配方法的基本思想和表达式不再赘述。

三、数据来源与描述性统计

本文所使用的数据来源于2013年中国家庭收入调查（CHIP2013）。该调查得到国家自然科学基金资助和国家统计局的支持，由北京师范大学中国收入分配研究院联合国内外专家完成。调查于2014年7-8月份进行，按照东、中、西分层，根据系统抽样方法抽取得到样本。样本覆盖了18 948个住户样本和64 777个个体样本，其中包括7 175户城镇住户样本、11 013户农村住户样本和760户外来务工住户样本。调查内容包括住户个人层面的基本信息、就业信息，以及家庭层面的基本信息、主要收支信息和一些专题性信息。在删除某些重要信息（性别、年龄、受教育程度、健康状况）缺失的样本后，我们得到了6 053户城镇住户样本。其中拆迁户样本807个，占比13.33%，未拆迁户样本5 246个，占比86.67%（见表1）。

本文的被解释变量是城镇居民家庭的可支配收入。核心自变量“是否拆迁”对应的相关问题是“本户是否有过房屋被拆迁的经历？”。根据表1的描述以及T检验的结果可以发现未拆迁家庭的可支配收入要显著高于拆迁家庭。另外从自变量来看，拆迁居民家庭户主的年龄显著高于未拆迁组，党员所占比例、高中及以上受教育程度的户主比例都显著低于未拆迁家庭，拆迁组家庭户主的健康状况也更差，但拆迁家庭的劳动力数量要显著高于未拆迁组。

拆迁组和未拆迁组家庭户主在年龄、政治面貌、受教育程度、健康状况以及家庭劳动力数量等方面的显著差异也从另一个侧面反映了居民家庭是否拆迁并不是一个随机选择的过程，样本存在选择性偏误问题。至少拆迁家庭之前所在的区位，以及区位所附含的社会经济、教育水平等决定了拆迁居民在某些影响收入的因素方面存在明显劣势。如果忽视拆迁组与未拆迁组成员初始条件的差异势必会导致有偏的估计结果。

表1 变量的定义、赋值与描述性统计

表2 拆迁对居民收入的影响

四、实证检验

（一）OLS回归分析

是否拆迁对城镇居民收入影响的OLS估计结果显示在不控制家庭劳动力数量的情况下，是否拆迁对居民收入并无显著影响；但当我们控制家庭劳动力数量之后，是否拆迁对居民收入产生了显著的负向影响，这说明拆迁可以通过影响家庭劳动力数量而间接地影响居民收入。从系数来看，拆迁使得居民收入减少了4.9%。但是由于“样本选择偏误”的存在，OLS的估计结果并不可信。为此，本文接下来将使用倾向得分匹配法来克服OLS可能存在的估计偏误（见表2）。

（二）倾向得分匹配估计结果

在估计样本总体的平均处理效应（ATT）时，为了保证结论的稳健性，本文使用了最近邻匹配、卡尺匹配、卡尺内最近邻匹配、核匹配、局部线性回归匹配、马氏匹配和样条匹配等七种匹配方法。本研究报告了采用七种倾向得分匹配法之后的平均处理效应（ATT）。结果表明拆迁对城镇居民家庭可支配收入影响的平均处理效应分别为-0.084、-0.090、-0.082、-0.101、-0.090、-0.131和-0.074，并且均在5%或1%的水平上统计显著，这说明了本文研究结果是稳健可靠的。同时PSM的估计结果与OLS的回归结果一致，表明即使纠正了“样本选择偏差”造成的内生估计偏误，拆迁仍然对城镇居民的家庭可支配收入产生了显著的负向影响。从系数来看，在克服“样本选择偏差”之后，拆迁使居民家庭收入下降了7.4%～13.1%，较OLS的回归结果明显变大，OLS低估了拆迁对居民家庭收入的消极影响，低估了大约2.5%～8.2%（见表3）。

在本文的样本范围内，拆迁户最近一次经历拆迁大约发生在10年前，这也从另一个方面表明：也许短期内拆迁补偿款能够增加居民收入；但是从长期来看，拆迁却显著降低了居民收入水平。这说明居民不愿意拆迁可能不仅仅是因为拆迁程序不公或者拆迁补偿标准偏低，更为重要的原因是居民担心家庭收入降低。特别是通过各种渠道对其他拆迁户的生活境况了解之后会对未来失去信心，进而产生明显的抵触情绪，也就可以理解为什么居民的拆迁配合程度低。

表3 拆迁对居民收入影响的平均处理效应（ATT）

（三）平衡性检验

为保证倾向得分匹配估计结果的可靠性，在使用匹配方法时需要注意拆迁组和未拆迁组之间的平衡性问题。理想的匹配结果是经过匹配后拆迁组和未拆迁组之间除了居民收入存在差异外，在协变量方面不应该存在显著的系统性差异。因此，本文针对拆迁组和未拆迁组的各个变量进行了平衡性检验（见表4）。

从表4可以看出，经过匹配之后，所有特征变量的标准化偏差均有不同程度的下降（降到2.1%及以下）；而且T检验的结果不拒绝拆迁组与未拆迁组无系统差异的原假设。对比匹配前（Unmatched）的结果，所有特征变量在匹配后的标准化偏差（绝对值）均大幅缩小，其中减少幅度最小的是“户主健康状况”，其标准化偏差减少了55.8%；减少幅度最大的是“户主受教育程度（初中）”，其标准化偏差减少了100%。这说明倾向得分匹配法能够有效降低拆迁组和未拆迁组之间的差异。在匹配前，拆迁组和未拆迁组之间存在较大的标准化偏差：在户主年龄、户主年龄平方/100、户主政治面貌、户主受教育程度（初中）、户主受教育程度（高中、职高及中专）、户主受教育程度（大专及以上）、户主健康状况、家庭劳动力数量等协变量方面，两组之间的差异显著异于0。但在匹配后两个样本组在协变量上的差异均不显著。

表4 拆迁组和未拆迁组的平衡性检验结果

表4的结果表明经过倾向得分匹配之后拆迁组和未拆迁组之间不存在系统差异，通过了平衡性检验，亦即能够达到随机试验的效果。这可以有效克服由“样本选择偏差”所导致的内生估计偏误，进一步验证了表3估计结果的可靠性。

（四）影响机制探究

我们发现拆迁可以通过影响家庭劳动力数量而间接地影响居民收入，但这似乎并不能够充分而全面的说明其中的影响路径。是否存在其他的作用路径呢？为了加深拆迁对居民收入影响的理解和认识，本文进一步考察了拆迁影响居民收入的其他作用机制，用以说明拆迁对居民生活的影响是多方面的。

居民可支配收入主要包括工资性收入、经营净收入、财产净收入和转移净收入，其中工资性收入和经营净收入分别占2014年度居民人均可支配收入的62.19%和11.37%。前文的分析发现拆迁有可能会对居民的工资性收入或经营净收入产生不利影响，进而降低居民家庭的可支配收入。而且在进行统计之后发现拆迁组户主的工资性或经营净收入显著低于未拆迁组（36 683.04＜44 479.58）。本文通过OLS模型和倾向得分匹配法实证考察了拆迁对居民工资性收入或经营净收入的影响。OLS的回归结果表明拆迁显著降低了居民的工资收入或经营净收入（拆迁居民较未拆迁居民低了9.3个百分点）。但是“样本选择偏差”问题的存在有可能使OLS的结果出现估计偏误，因此接下来采用倾向得分匹配法进行估计（见表5）。

表5 拆迁对居民工资收入或经营净收入的影响（OLS）

PSM的回归结果表明，拆迁对居民工资收入或经营净收入仍然具有显著的负向影响，在纠正“样本选择偏差”之后其平均处理效应较OLS的系数值明显增大，OLS低估了拆迁对居民工资收入或经营净收入的不利影响（低估了约2.6%～17.8%）。另外，除“局部线性回归匹配”结果不显著外，其他六种匹配的ATT均负向显著，说明研究结果是稳健且可靠的。结合本文的理论分析和本阶段回归结果，我们认为拆迁影响居民收入的其中一个路径是通过降低居民的工资性收入或经营净收入而对其家庭可支配收入产生了不利影响。因此，在后续的拆迁安置工作中应该尤为关注居民就业和生产经营问题（见表6）。

表6 拆迁对居民工资收入或经营净收入的平均处理效应

（五）拆迁对居民收入的区域差异比较

通过OLS回归和PSM模型估计，上文证明拆迁会通过影响居民家庭劳动力数量、工资性或经营净收入对居民收入产生间接且消极的影响，那么拆迁是否对所有地区的居民收入都会产生不利影响呢？从现实情况来看，我国各地区的社会经济发展水平存在较大差异，不同地区的政策以及制度环境也不尽相同。总体上，中国存在明显的东中西部区域差异，因此本文分别考察了拆迁对东部、中部和西部居民收入的影响，用以明确拆迁对居民收入影响的地区差异。

拆迁对东中西部居民收入影响的OLS和PSM模型估计结果表明拆迁对东部和中部居民收入具有显著的负向影响（对中部地区居民的影响更大），而对西部地区居民收入的影响虽为正却不显著，即使在克服“样本选择偏差”问题导致的内生估计偏误之后，结果仍然稳健。本文认为存在区域差异一方面是因为拆迁户家庭的经济能力较差，而东中部地区的房价较高，这就使得拆迁户家庭的规模较大。但在拆迁之后货币或房屋补偿能够有效改善居民的居住条件，东中部地区的居民家庭规模会趋于小型化，而其家庭劳动力数量也会明显低于拆迁之前，进而影响居民家庭收入水平；另一方面则是缘于地区之间的市场化程度和就业差异：相较于西部地区，东中部地区的市场化程度明显较高，就业机会也更多，拆迁居民多倾向于当地就业，而拆迁明显会对当地居民的就业产生不利影响；相对来说西部地区的经济发展水平较低，居民更倾向于流向社会经济更为发达的中东部地区，因此拆迁并不会影响西部地区拆迁居民的就业，其工资性或经营净收入也就不会受到影响（见表7、表8）。

表7 拆迁对居民收入影响的区域差异（OLS）

表8 拆迁对居民收入影响的区域差异（平均处理效应）

五、结论与政策建议

随着城镇化进程的不断推进，拆迁在未来相当长的时期内都是普遍存在的现象。但是在拆迁过程中以及拆迁之后也出现了各种社会问题。［15］为了厘清背后的原因，本文基于2013年中国家庭收入调查（CHIP）数据，实证探讨了拆迁对居民收入的影响。在计量检验过程中我们使用倾向得分匹配法（PSM）克服了“样本选择偏差”导致的内生估计偏误。结果显示：拆迁对居民家庭收入具有显著的负向影响，拆迁使城镇居民家庭收入下降了7.4～13.1个百分点；拆迁主要通过影响家庭劳动力数量、工资性收入或经营净收入而对城镇居民家庭收入产生间接且消极的影响；拆迁对城镇居民家庭收入的影响具有区域差异，拆迁对东部和中部地区城镇居民家庭收入具有负向作用，但对西部地区城镇居民家庭收入没有影响。

因此，为了有效维护拆迁户的合法利益、保障拆迁户安居乐业，本文认为房屋拆迁在遵循决策民主、程序正当、结果公开、方式公正的基础上，还应该做到以下三点：

首先，基于市场价格，综合考虑房屋价值、搬迁费用、停产停业损失、通货膨胀和房价上涨等因素，适当提高补偿标准，完善补偿机制。现有补偿方式主要包括货币补偿、房屋补偿或货币房屋补偿结合的方式，但不论采用哪种方式，合理的补偿标准是解决纠纷与矛盾的关键依据，也是保证居民收入水平和生活质量的重要途径。但现有的补偿标准普遍偏低，因此有必要完善拆迁补偿政策，提高拆迁补偿标准。

其次，做好拆迁户的就业和社会保障安置工作。拆迁往往会影响拆迁户的就业或经营，而工资收入或经营净收入通常是家庭可支配收入的重要组成部分，因此政府相关部门应该做好拆迁户的就业培训和指导工作，为拆迁户的经营提供一定的场所支持和程序便利，这对于东部和中部地区的居民尤为重要。另外，拆迁户家庭的收入水平总体偏低，不确定性的防范能力较弱，这也要求政府做好拆迁户特别是贫困户的救助和保障安置工作。从长期来看，合理的就业和社会保障安置比货币或房屋补偿的意义更大。

第三，在实际的拆迁工作中落实好房屋拆迁的相关法律条例。房屋拆迁与补偿需要一定的法律依据，早在2011年国务院就公布并施行了《国有土地上房屋征收与补偿条例》，该条例对房屋征收与补偿的标准、范围及程序等做了详细的规定，但实际的落实情况似乎并不好。因此，必须完善拆迁的监督问责制度，促使政府有关部门有效落实相关法律条例，维护好拆迁户的合法权益，从而为城镇化进程的推进提供和谐的社会环境。