文／呂之玉 南京信息工程大學(xué)管理工程學(xué)院 江蘇南京 210000

引言：

近年來，國家積極推動新型城鎮(zhèn)化建設(shè)，提出要采取多種方式改善農(nóng)民工居住條件，全國多地也陸續(xù)發(fā)布了鼓勵農(nóng)民進(jìn)城購房的措施，包括契稅補(bǔ)貼、貸款貼息、物業(yè)費(fèi)補(bǔ)貼等，為農(nóng)民工進(jìn)城買房提供了較好的政策環(huán)境。但是，由于農(nóng)民工具有學(xué)歷水平低、工作不穩(wěn)定等特點，其收入更容易受到疫情影響，貸款買房的農(nóng)民工家庭極有可能出現(xiàn)斷供。因此，城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險問題值得關(guān)注。

2000年，英國國際發(fā)展部提出了可持續(xù)生計分析框架，其中生計資本包含人力資本、社會資本、自然資本、物質(zhì)資本、金融資本等。基于該框架，部分學(xué)者研究了農(nóng)民工或農(nóng)戶的家庭生計特點及生計策略[1-2]，也有學(xué)者關(guān)注到新冠疫情對農(nóng)民工就業(yè)的影響[3]。但是，針對城鎮(zhèn)購房農(nóng)民工家庭這一特定群體生計風(fēng)險的研究較少。本文通過文本資料分析和調(diào)查研究，利用扎根理論和熵權(quán)-TOPSIS 模型，構(gòu)建了城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價理論模型，以南京、長沙、西安為例，評價和分析了城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險現(xiàn)狀，并提出了生計風(fēng)險防范對策。

1.數(shù)據(jù)來源

1.1 文本數(shù)據(jù)搜集與清洗

以“疫情+農(nóng)民工/民工/農(nóng)民+還貸/房貸/進(jìn)城務(wù)工”為關(guān)鍵詞，利用新浪輿情通選取2021年5月1日至2022年6月31日的微博發(fā)帖，共獲得3260 份微博文本，去除“購房建議”、“招生入學(xué)”等無關(guān)信息，獲得317 份有效的微博文本。利用Python 文本分析中的Jieba 分詞包對317 份微博文本做分詞處理，去除無關(guān)詞、符號，如人名、標(biāo)點、數(shù)字等，進(jìn)行詞頻分析，繪制詞云圖，如圖1所示。出現(xiàn)頻率最高的四個關(guān)鍵詞分別為“疫情”、“民工”、“工作”、“公司”，“貸款”、“車貸”、“工資”等也具有較高的頻次，反映了疫情期間農(nóng)民工家庭購房還貸面臨的困境。

圖1 微博文本分詞處理結(jié)果詞云圖

1.2 問卷設(shè)計、發(fā)放與回收

根據(jù)扎根理論得出的風(fēng)險評價理論模型，設(shè)計了初步調(diào)查問卷，通過預(yù)調(diào)查和問卷修改，形成最終的“城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險調(diào)查問卷”。該問卷分為三個部分，包括被調(diào)查者的人口和社會經(jīng)濟(jì)特征、城鎮(zhèn)購房情況以及其抗風(fēng)險能力。為了增強(qiáng)數(shù)據(jù)來源的廣泛性和代表性，分別選擇了東、中、西部的南京、長沙和西安進(jìn)行調(diào)查，調(diào)查對象是戶籍仍在農(nóng)村、每年在本地從事非農(nóng)產(chǎn)業(yè)活動或外出從業(yè)6 個月以上并有城鎮(zhèn)購房行為的勞動者。問卷發(fā)放于2022年9月1日，回收日期為2022年9月27日，共獲得662 份調(diào)查問卷，根據(jù)答題時間、回答問題一致性等因素，剔除62份無效問卷，最終獲得有效問卷600份，問卷有效率達(dá)90.63%。

2.基于扎根理論的風(fēng)險評價理論模型

扎根理論由美國社會學(xué)家格萊瑟和斯特勞斯于1967年提出，通過對所收集的資料進(jìn)行分解，再以適當(dāng)?shù)姆绞綄⒏拍畛橄鬄榉懂犚约昂诵姆懂牭倪^程，以形成新的理論。隨著互聯(lián)網(wǎng)媒體的發(fā)展，采用扎根理論處理微博文本數(shù)據(jù)獲得理論模型的研究逐漸增加[4-5]。扎根研究主要包括開放編碼、主軸編碼、選擇性編碼和理論飽和度檢驗四個步驟。本文選取317 份微博帖子中的前280 份用于編碼，另外的37 份樣本用于理論飽和度的檢驗。通過對微博帖子的開放性編碼分析，將文本中提及頻率高的概念進(jìn)行歸類，最終從資料中抽取19 個主范疇，具體如表1所示。

表1 基于開放式編碼形成的范疇

為了識別影響生計風(fēng)險的關(guān)鍵因素，通過主軸編碼，將范疇主要分為城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險和生計資本兩類。其中生計風(fēng)險主要指新冠疫情下農(nóng)民工在購房過程中所可能面臨的一些不利危險和危害，從而導(dǎo)致棄房斷供、拖延還款等不良后果，主要包括收入風(fēng)險、就業(yè)風(fēng)險、購房風(fēng)險、債務(wù)償還風(fēng)險和心理風(fēng)險。生計資本指家庭所擁有的資產(chǎn)狀況，是個體應(yīng)對外部沖擊選擇生計策略活動的基礎(chǔ)，主要包含金融資本、社會資本、人力資本、自然資本和政策支持。

通過對各個范疇的考察和分析，同時結(jié)合原始資料記錄的反復(fù)比較，本文進(jìn)行選擇性編碼，從風(fēng)險來源與風(fēng)險抵抗兩個方面構(gòu)建了新冠疫情下城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價指標(biāo)體系，具體如圖2所示。

圖2 新冠疫情下城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價理論模型

完成初步理論構(gòu)建后，對剩下的37 份微博帖子進(jìn)行編碼，并沒有形成新的概念和范疇，也沒有發(fā)現(xiàn)新的理論關(guān)系，由此證明該風(fēng)險評價指標(biāo)體系通過了理論飽和度檢驗。

3.基于熵權(quán)TOPSIS 的評價結(jié)果分析

3.1 描述性統(tǒng)計分析

（1）被調(diào)查者基本情況

本次調(diào)查對象家庭可耕地面積為3-5 畝和3 畝以下的占比分別為41.67%和36.17%，大部分被調(diào)查者家中的可耕地面積較小，農(nóng)業(yè)收入較低。關(guān)于農(nóng)民工家庭收入主要來源的調(diào)查表明，有95.83%的被調(diào)查者選擇了進(jìn)城務(wù)工工資，有44.67%選擇了農(nóng)業(yè)收入，說明進(jìn)城務(wù)工工資是農(nóng)民工家庭的主要收入來源。從受教育程度來看，78.17%的被調(diào)查者的學(xué)歷為初中及以下，受教育程度普遍較低，且大多沒有參加過系統(tǒng)的職業(yè)技術(shù)培訓(xùn)，有54%被調(diào)查者每月城市務(wù)工的工資在7001-10000 元之間，基本可以滿足家庭的生活開支。

（2）被調(diào)查者購房情況

從購房方面看（表2），大部分的農(nóng)民工選擇在戶籍所在地購房，占比74.33%，購房面積多為80-100 平方米，占比52.50%。根據(jù)農(nóng)民工家庭的經(jīng)濟(jì)能力，購房全款50-200 萬居多，購房首付分布較為均勻，全款的占27.50%，首付21%-30%、31%-50%、51%-100%的占比分別為25.00%、21.33%、26.17%?？梢姡苛Χ惺寝r(nóng)民工家庭購房的重要原則。

表2 被調(diào)查者購房情況統(tǒng)計表

（3）被調(diào)查者家庭生計風(fēng)險情況

問卷中用五級Likert 量表對生計風(fēng)險進(jìn)行測量，作答結(jié)果中被調(diào)查者對于題項的態(tài)度從低到高分別用1、2、3、4、5 進(jìn)行量化。在5 分制的量表中，關(guān)于風(fēng)險抵抗各題項的平均得分在3.46-4.15 之間，整體處于較高的水平。關(guān)于風(fēng)險來源各題項的平均得分在2.48-3.43 之間，整體處于較低水平。其中，題項“由于新冠疫情頻發(fā)，我時常擔(dān)心房貸斷供或延遲還款”和“過去三年，我的家庭總收入變化較大”的平均得分較高，分別為3.43 和3.11，說明受到疫情的影響，大部分被調(diào)查者的家庭總收入變化較大，有可能會影響到房貸的還款。

3.2 評價結(jié)果分析

近年來，熵權(quán)法和TOPSIS 法相結(jié)合用于風(fēng)險綜合評價受到關(guān)注，包括房地產(chǎn)市場風(fēng)險評價、高新技術(shù)企業(yè)財務(wù)風(fēng)險評價等[6-7]。為了定量評價城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險，首先將所有題項正向化賦值，將原始數(shù)據(jù)進(jìn)行無量綱化處理后，采用熵權(quán)-TOPSIS 模型進(jìn)行指標(biāo)賦權(quán)；然后通過TOPSIS 法逐漸逼近于理想并計算每個樣本的風(fēng)險貼近度，進(jìn)行樣本的風(fēng)險大小排序，并對每個樣本的綜合得分進(jìn)行區(qū)間化，將其分值范圍確定為1-5，分值越大說明該樣本存在的風(fēng)險越高。

在風(fēng)險來源評價指標(biāo)中，權(quán)重排名前三的分別為過去三年工作變動次數(shù)（22.31%）、交房期限（14.94%）和購房后悔情緒（13.45%），表明過去三年工作變動次數(shù)在風(fēng)險來源評價中起的作用最大。在風(fēng)險抵抗評價指標(biāo)中，與當(dāng)?shù)厝岁P(guān)系的權(quán)重最大（21.00%），對風(fēng)險抵抗評價最為重要，其次為資金籌集能力（17.68%）和可提供幫助的親友數(shù)量（17.367%）。將風(fēng)險來源與風(fēng)險抵抗的綜合得分進(jìn)行篩選，結(jié)果如表3所示。風(fēng)險來源＜3的被調(diào)查者家庭占總體的59.67%，表明大部分農(nóng)民工購房家庭風(fēng)險較小，但仍有相當(dāng)一部分家庭風(fēng)險較大。此外，風(fēng)險抵抗能力較強(qiáng)的家庭占總體的77%，體現(xiàn)出絕大部分購房家庭具有一定的風(fēng)險抵抗能力，但仍有部分家庭風(fēng)險抵抗能力較弱。

表3 風(fēng)險來源與風(fēng)險抵抗總體評價

以風(fēng)險來源為橫坐標(biāo)，風(fēng)險抵抗為縱坐標(biāo)，以風(fēng)險來源和風(fēng)險抵抗得分均為“3”為分界線，繪制生計風(fēng)險散點圖（圖3）。綜合來看，散點圖中各個象限均有大量樣本分布，其中，第三象限分布樣本數(shù)量最多，分布在該象限的樣本風(fēng)險來源較小，風(fēng)險抵抗較強(qiáng)，其生計風(fēng)險相對較小。分布在第四象限的樣本數(shù)量僅次于第三象限，第四象限中的樣本風(fēng)險抵抗較強(qiáng)，風(fēng)險來源較大。分布在第一象限與第二象限的樣本數(shù)量大體一致，其中，第一象限的樣本點風(fēng)險抵抗較弱，但風(fēng)險來源較大，家庭可持續(xù)生計能力較弱，是降低生計風(fēng)險的重點群體。由圖4-6 可知，南京市、長沙市、西安市城鎮(zhèn)購房農(nóng)民工家庭風(fēng)險來源與風(fēng)險抵抗的得分散點圖分布特點與圖3 大體一致，沒有明顯差別。

圖3 三市城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價

圖4 南京市城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價

為了進(jìn)一步分析城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險差異的原因，本研究將風(fēng)險來源與風(fēng)險抵抗均大于3 和均小于3的被調(diào)查者篩選出來，分別有69 和289 個樣本，加以對比，具體結(jié)果如下：

圖5 長沙市城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價

圖6 西安市城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險評價

（1）收入情況、債務(wù)償還能力對家庭生計風(fēng)險影響顯著。在生計風(fēng)險大的家庭中，有40.6%的務(wù)工工資為每月2001-7000 元，生計風(fēng)險小的這一收入比例為15.6%；有41.9%生計風(fēng)險大的家庭表示會遭遇降薪或工資拖欠問題，比生計風(fēng)險小的家庭多19.1%。從債務(wù)償還來看，有62.6%生計風(fēng)險小的家庭不必通過再借款來滿足房貸，比生計風(fēng)險大的家庭高27.9%。由此可見，務(wù)工收入較少、收入波動大、務(wù)工收入占家庭收入比例較大，并且需要通過再借款還貸的家庭，生計風(fēng)險往往越大。

（2）從事行業(yè)和再就業(yè)能力對家庭生計風(fēng)險影響顯著。生計風(fēng)險高的人群中有37.7%從事建筑業(yè)，過去三年工作無變動的僅占10.1%，工作變動3-5 次的達(dá)29%，生計風(fēng)險較低的人群中從事制造業(yè)的占37.4%，工作無變動的比例達(dá)61.6%，變動3-5 次的比例為0%。有68.5%生計風(fēng)險小的家庭可以在短期內(nèi)獲得的新工作，比生計風(fēng)險大的家庭（20.2%）多48.3%。由此可見，建筑業(yè)務(wù)工的農(nóng)民工工作變動次數(shù)較多，生計風(fēng)險高于制造業(yè)等行業(yè)；失業(yè)后無法在短期內(nèi)獲得新工作，生計風(fēng)險較大。

（3）購后心理和房屋交付認(rèn)知對家庭生計風(fēng)險影響顯著。從購后后悔情緒來看，生計風(fēng)險大的家庭中有36.2%在城市購房后感到后悔，然而生計風(fēng)險小的家庭僅有不到4%。有31.8%生計風(fēng)險大的家庭認(rèn)為開發(fā)商過度宣傳，然而生計風(fēng)險大的家庭僅有不到10%。有超過80%生計風(fēng)險小的家庭認(rèn)為所購房屋能按時上房，但是有39.1%生計風(fēng)險大的家庭認(rèn)為所購房屋面臨延期上房或有爛尾樓風(fēng)險。因此，購后后悔并且認(rèn)為所購房屋會延期或爛尾的家庭，生計風(fēng)險較大，心理風(fēng)險也是生計風(fēng)險的重要組成部分。

（4）社會資本和籌資能力影響生計風(fēng)險。在社會資本上，23.1%生計風(fēng)險大的家庭能夠得到老鄉(xiāng)幫助，比生計風(fēng)險小的少52.7%。生計風(fēng)險較小的家庭中，都認(rèn)為自己能夠融入當(dāng)?shù)爻鞘校?3.2%生計風(fēng)險大的表示無法融入。生計風(fēng)險大的家庭僅有17.4%認(rèn)為有能力通過借款等方式籌集大筆資金，然而生計風(fēng)險小的家庭有72.4%。因此，社會資源少、籌資能力弱的家庭生計風(fēng)險較大。

結(jié)語：

基于以上分析，得出如下研究結(jié)論：（1）新冠疫情背景下部分城鎮(zhèn)購房農(nóng)民工家庭面臨降薪失業(yè)、房貸斷供、延期上房等問題，其生計風(fēng)險可從風(fēng)險來源與風(fēng)險抵抗兩個方面進(jìn)行評價；（2）農(nóng)民工城鎮(zhèn)購房位置以戶籍所在地為主，購房面積多在60-100 平方米，大部分都采取貸款方式購房，購房原因包括子女上學(xué)、城市環(huán)境、職業(yè)發(fā)展等；（3）大部分城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險處于可控范圍，但仍有一部分家庭風(fēng)險來源較強(qiáng)，風(fēng)險抵抗能力較弱，南京、長沙、西安三個城市在生計風(fēng)險上并沒有顯著差別；（4）房屋全款、首付數(shù)額、還貸金額等農(nóng)民工家庭購房和貸款基本情況對其家庭生計風(fēng)險差異影響較小，農(nóng)民工收入狀況、從事行業(yè)、再就業(yè)能力、社會資本等會顯著影響生計風(fēng)險。

根據(jù)以上研究結(jié)果，提出降低城鎮(zhèn)購房農(nóng)民工家庭生計風(fēng)險的建議：（1）農(nóng)民工家庭購房應(yīng)該量力而行，合理制定購房計劃，主動防范風(fēng)險；（2）金融機(jī)構(gòu)應(yīng)當(dāng)為農(nóng)民工普及金融知識和房貸知識，幫助農(nóng)民工家庭做好購房風(fēng)險評估，制定、宣傳并落實疫情期間延遲還款政策，針對農(nóng)民收入的季節(jié)性特征提供靈活還款方式；（3）政府應(yīng)當(dāng)完善農(nóng)民工就業(yè)、生活、生產(chǎn)保障制度，包括組織農(nóng)民工線上職業(yè)技能培訓(xùn)，推動農(nóng)民工及就業(yè)單位繳納失業(yè)保險和住房公積金，保障農(nóng)民工失業(yè)后的基本生活；（4）開發(fā)商應(yīng)當(dāng)適度宣傳促銷信息，合理安排工期，依法按時交房。