调查对象参与城乡建设用地增减挂钩意愿
调查对象新建或改建家庭住房意愿的描述性分析
在本次研究中，借鉴国内相关研究（吕月珍、2009；陈倩、2010；季楠、2007）将调查对象新建或改建家庭住房的意愿设置在有新建或改建家庭住房意愿、无新建或改建家庭住房意愿以及不确定来考察，且在有新建或改建家庭住房意愿问题下设置系列问题以1～3年、3～5年、5～10年来考察新建或改建家庭住房意愿的时间维度。从调查的结果来看，湄潭县的农户有新建或改建家庭住房意愿的约占84.28%，没有新建或改建家庭住房意愿的占5.58%，另外的10.14%的调查对象则表示不确定的态度。而在新建或改建家庭住房意愿的调查对象中，1～3年具有新建或改建家庭住房意愿的占51.72%、3～5年内具有新建或改建家庭住房意愿的占4.93%、5～10年内具有新建或改建家庭住房意愿仅仅占了7.63%。结果客观表明农户近年新建或改建家庭住房意愿比较强烈，分析其原因很可能是受湄潭县近年实施的“黔北农居”项目的影响。
调查对象对新建或改建家庭住房的意愿
调查对象拆旧及其补偿意愿的描述性分析
本次问卷根据以上新建或改建家庭住房意愿的调查结果特别设计了针对具有新建或改建家庭住房意愿的农户其旧农村家庭住房的拆旧及其补偿意愿的问题。从结果来看，1～3年和3～5年内具有新建或改建家庭住房意愿的农户约占55.11%，只有24.54%的农户选择在旧有的农村家庭住房的基础上进行改建，剩余的20.35%的农户则表示不确定，要视政府的具体政策而决定。而5～10年内具有新建或改建家庭住房意愿的农户则基本选择拆除旧有农村家庭住房另选址新建家庭住房，其比例高达89.37%、4.36%的农户选择在旧有农村家庭住房的基础上进行改建，而剩下的5.91%农户则不确定是拆除旧有农村家庭住房选址建新还是在旧有农村家庭住房的基础上进行改建，要视政府的具体政策而定。
调查对象拆旧意愿的描述性分析
拆旧意愿
时间 拆旧 旧址改建 不确定
1～3年 36.79% 19.38% 8.75%
3～5年 18.32% 5.16 11.6%
5～10年 89.37% 4.36% 5.91%
调查对象集中安置及其选址意愿的描述性分析
在涉及拆除旧有农村家庭住房后是否愿意由政府集中安置，还是选择其他补偿方式问题上，21.38%的农户选择了由政府主导的集中安置，44.67%的农户选择了货币补偿，剩余的33.95%的农户则明确表示在拆除旧有农村家庭住房的补偿问题上不明确，要视政府的具体政策而定。在描述集中安置地址的开放式问题上，湄潭县农户针对所列出的临近中心村地址安置、临近道路地址安置、现居住建制镇上地址安置以及跨镇地址安置等四种选址安置方式，31.58%的农户选择集中安置的地址在临近中心村的位置、29.94%的农户选择临近道路地址进行集中安置、36.76%的农户选择了在现居住建制镇上安置，而在整个的调查问卷中，只有1.72%的农户选择了跨镇地址安置。
调查对象集中安置选址意愿
3、农户参与城乡建设用地增减挂钩意愿
及其影响因素的计量分析
在本节研究中，笔者将以意愿调查获取的数据为基础，结合前文的样本描述性分析，构建计量模型分析欠发达地区农户参与城乡建设用地增减挂钩意愿及其影响因素。
计量分析模型的构建
计量分析模型的选择
现代计量经济分析模型都假定被解释变量是连续的，但在现实的经济决策中经常面临许多选择问题。需要人们在可供选择的有限多个方案中作出选择，例如在出行中对交通工具的选择，是地铁、公共汽车还是出租车、投资决策中，是股票还是房地产、消费者购买商品决策中买还是不买以及在面临多种职业选择时的决策等经济问题。因此，与通常被解释变量时连续变量的假设相反，被解释变量只能取有限多个离散的数值，因而在计量经济分析模型中以有限多个离散的数值作为被解释变量建立的计量经济模型称为离散因变量模型（Model with Discrete Dependent Variables）或称为离散选择模型（Diserete Choice Model，简称DCM）（高铁梅、2006；何竹明、2007）。
一般而言，在离散因变量模型中，研究人员可根据被解释变量选择项的多少，将离散因变量模型分为二元离散选择模型（Binary Choice Model）和多元离散选择模型（Multiple Choice Model）。其中在研究中二元选择模型，主要包括Probit模型、LPM模型和二元Logistic回归模型。而当因变量不止两种选择时，就要用到多元选择模型，如果在多元选择模型中各个选择问题之间存在一定的顺序或级别时则可采用有序Logistic回归模型和有序Probit回归模型对决策问题进行分析，但是若因变量不存在顺序或级别时，可以采用多项Logistic回归（Multinomial Logistic Regression）模型对决策问题进行分析。通常有序Logistic回归模型和多项Logistic回归（Multinomial Logistic Regression）模型实质上是二分应变量Logit模型的扩展，因此在计量分析中称为多分因变量Logit模型（Multinomial Logit Model）。在此需要特别说明的是，二分因变量Logit模型（Binamial Logit）是一种虚拟应变量方程的估计技术，通过使用一个累积Logistic（Cumulative Logistic）分布函数变量，避免线性概率模型的无界性问题而采用的虚拟应变量方程估计技术。其Logit方程标准范式如下：
Pr（Di=1）==0+1X1i+2X2i+i 4.1）
Pr（Di =l）是Di =l的概率估计，其中Di /（1Di）是表示事件i发生和不发生的概率称为发生比，即相对风险（relative risk），表现为odds=Di /（lDi）I
对数形式即成为对数发生比（log odds），表现为odds=
在一个多分应变量logit模型中，一个备选决策被看做是“基数”选择，则每一种可能的选择都基于一个logit方程与这个基准进行比较。关键的一点是这些方程的应变量是相对于基准选择的几率的对数，即做出第i种选择的概率的对数：ln （4.2）
在式（4.2）中，Pli为第i人选择第一种选择的概率；Pbi为第i人选择“基准”选择的概率。如果有N种选择，则将有N？1个不同的logit方程构成多分应变量1ogit模型体系。
从前文的描述性分析来看，农户对于是否参与城乡建设用地增减挂钩具有三种备选答案，其中54.33%的调查对象愿意参与由政府主导的城乡建设用地增减挂钩的实践，34.82%的调查对象明确表示不愿意参与由政府主导的城乡建设用地增减挂钩实践，而10.85%的调查对象对于是否参与政府主导的城乡建设用地增减挂钩实践态度不明确。因此，根据前文描述的多元离散选择模型（Multiple Choice Model）的原理，以农户是否参与城乡建设用地增减挂钩为被解释变量，在借鉴相关研究的基础上（Garasky、2002；黄祖辉、2003；史清华、2005；谢晖、2008；周春芳、2008），笔者认为在离散因变量模型中，多项Logistic回归（Multinomial Logistic Regression）模型是比较适合用来研究欠发达地区农户参与城乡建设用地增减挂钩意愿及其影响因素的。
计量分析模型的构建
本研究中采用多项Logistic回归（Multinomial Logistic Regression）模型研究欠发达地区农户参与城乡建设用地增减挂钩意愿及其影响因素，被解释变量为农户参与城乡建设用地增减挂钩的意愿。从前文的描述性分析来看，54.33%的调查对象愿意参与由政府主导的城乡建设用地增减挂钩的实践，34.82%的调查对象明确表示不愿意参与由政府主导的城乡建设用地增减挂钩实践中，10.85%的调查对象对于是否参与政府主导的城乡建设用地增减挂钩实践态度不明确，因此在构建回归模型中，被解释变量的选择即N=3，则计量模型由以下两个方程构成：
ln =+B1X1i+B2X2i+B3X3i+B4X4i+B5X5i+I
ln =+B1X1i+B2X2i+B3X3i+B4X4i+B5X5i+i
Pu、Ps、Pt，分别表示调查对象愿意参与由政府主导的城乡建设用地增减挂钩、不愿意参与由政府主导的城乡建设用地增减挂钩和不明确是否参与政府主导的城乡建设用地增减挂钩的概率。
X1i是农户对政府政策的期望；
X2i是农户个人及家庭特征；
X3i是农户新建或改建家庭住房的虚拟变量；
X4i是农户家庭住房；
X5i和土地承包经营情况；
B1、B2、B3、B4、B5待估计的几组参数，i是一个随机扰动项。
计量分析模型的参数估计
变量赋值
在构建的计量分析模型中，影响农户参与由政府主导的城乡建设用地增减挂钩意愿的解释变量主要包括政府政策变量、个人及家庭特征变量、农户新建或改建家庭住房的虚拟变量、农户家庭住房以及土地承包经营情况特征变量。其中政府政策变量为虚拟变量包含拆旧补偿、集中选址安置、社会保障等方面；个人及家庭特征变量包括性别、年龄、主要职业、家庭规模、家庭收入等；农户新建或改建家庭住房的虚拟变量主要考察当农户在1～5年内是否有新建或改建住房的意愿；农户家庭住房和土地承包经营情况特征变量包括：家庭住房建造年份、是否一户多宅、家庭住房的面积（包括，院坝、林盘、水井等）和土地承包经营情况，数量特征。
变量赋值 最小值 最大值 均值 标准差
被解释变量
农户参与城乡建设用地增减挂钩意愿 参与=1，不参与=2，不确定=3131.94220.6534
解释变量
政策变量
