——以成都市农民对征地拆迁安置满意度实证分析为例
成都信息工程学院 龚小彪、李勤、熊高
摘要：本文根据近年对城市周边农村地区大规模拆迁所引起的一些列问题出发，以调查问卷的形式对成都周边地区农民在拆迁过程中的满意度进行数据搜集。后用logistic回归方法对指标先行简化，并对简化后的指标建立PLS回归模型。发现住房安置满意度与拆迁实施过程满意度是农民对征地拆迁安置总体满意度的重要部分，并以此结合调查问卷中所反映出的问题提出建议。
关键词：拆迁安置 满意度 Logistic PLS 复数据表
一、问题的提出
近年来,随着农村工业化、城市化进程不断加快,城市周边农村集体土地大量被征用, 尤其是主城区的扩张，使得近郊区农民的土地越少。为了集约使用土地，国内外学者提出了“农民集中居住”，并在这方做了大量的研究，一些国家早已开始实施这种居住模式，我国也早于19世期开始推行这一模式。实行农民集中居住，可以提高城镇化水平，节省大量宅基地和农村道路用地，加快土地向农业规模经营集中。但因涉及多方主体,交织各种法律关系,背后又掺杂着复杂利益冲突,农村房屋拆迁问题已严重危及农村社会的稳定,成为社会各界关注的热点。而农村土地征收是一项性、群众性、经济性很强的工作，它既关系到战略实施，也关系到农民的切身利益，使得农村拆迁安置问题日渐成为与群众最关心的问题。
造成拆迁补偿安置问题突出的原因是多方面的：
1.拆迁过程资金赔偿不足。存在征地补偿标准沿用的法律条例过旧，无法适应当前社会发展的形势，以原有的增补标准来对征地拆迁安置进行赔付让农民难以接受。安置区带来了生活成本的增加。农民从食物自给转变为消费市场，使得生活费用增加，另外，安置区农民还须承担水电气费、光缆费、物业等城市居民日常生活必需成本，使得调查者中抱怨“生活成本增加”成为普遍现象。
2.拆迁安置后存在社保设置不合理，就业问题突出。给出的土地补偿金一定，随着地区安置人口增多的发展，社保费用必然会增加。大部分农民由于年龄、知识、技能方面明显处于劣势地位，就业竞争能力低，求职比较困难，将处于力购买社保，同时又没有土地作为生活保障尴尬境地。
3.个别地方存在损害农民利益情况。在以廉价征用土地后将其用高价出租或拍卖给土地开发商, 但是农民在土地流转过程中只能得到远远低于市场价格的增值和补偿，农民的利益在支持我国工业化、城市化发展中被长期漠视和牺牲。
4.信息不透明时时体现。迁过程中对于集体土地征收和新居选点等问题相关拆迁小组许多时候都没有充分征求农民的意见和建议。
5.拆迁安置的制定待完善。野蛮拆迁行为得不到有关方面的制止，补偿安置、征地补偿费分配使用管理监督不到位，土地方面的法律制度和优惠不健全。
总之，如何有效地解决拆迁安置问题，怎样做到安置区农民与当地经济发展共赢，如何使角色转变为利农，这些正是本作品研究重点。
二、国内外研究现状
通常在满意度研究中，对于满意度的解释变量即统计指标有很多，因此在多指标系统中建立综合评估指数是满意度研究领域中的一个重要的问题，长期以来一直受到研究人员的普遍重视，比较广为人知的方法如：特尔非专家调查加权方法，层次分析法，模糊综合评判法等等，这些方法各具特色，已经在很多领域得到应用。
例如蒋冬青和姜原成基于层次分析法与模糊评价的综合评价对公众满意度测评，他们通过对ACIS 模型进行修正，在此基础上构建我国公众满意度的指标体系，具体包括公众期望，服务质量，感知价值，公众抱怨，公众信任五个维度。最终用模糊分析法和层次分析法得出综合评价量分。模糊综合评价方法是模糊数学中应用的比较广泛的一种方法，在上述的评价指标中，各项指标影响服务的公众满意度的重要性程度是不同的。例如，从五个指标维度来看，服务质) 相对重要一些。而感知价值维度中，自我价值认定程度显得相对重要些。因此，不论是一级指标还是二级指标，它们的权重都是不一样的。合理分配指标权重。这样才能突出主要的影响,做到轻、重分明，使服务的公众满意度评价更具客观真实性。确定指标权重的方法是用层次分析法。
张黎和张武琪等人基于主成分分析法对员工工作满意度分析，他们采用主成分分析法对A企业员工工作满意度的样本数据进行分析，用较少的新变量进行综合评价，取代繁多的原始变量，将相关性很高的原始变量转化成彼此相互或不相关的综合变量，即用尽可能少的研究变量得到尽可能多的信息量对A企业员工工作满意度进行综合评价。
三、本文研究方法
以上相关文献中一是没有考虑到指标变量之间的相关关系。因此，当所选择的指标变量集合中存在严重的多重相关性时，很可能会夸大系统中某些特征的作用，从而得到不合理的评估结论。二是，在实际工作中的许多变量诸如智力、能力、水平等概念往往都是不能直接测量的，因而只能使用一些与其相关的可观测变量（又称“显变量”），作为这些潜在变量（又称“隐变量”）的标识。因此，满意度指数建模中面临的挑战在于：如何克服各指标之间多重相关性问题，以及显变量对隐变量具有最大的解释能力的问题。
偏最小二乘法回归的优势正是解决这样的问题。PLS分析方法目前是满意度研究中比较科学的一种研究方法。Partial Least Squares（PLS）理论于1983年，由瑞典的伍德（S.Wold）和阿巴诺（C.Albano）等人首次提出，近几十年来，它在理论、方法和应用方面都得到了迅速的发展。美国顾客满意度指数模型的创立者，密西根大学的福内尔（Fornell）教授称PLS方法为第二代回归分析方法。该方法是一种新型的多元统计数据分析方法，主要用于多因变量对多自变量的回归建模问题。采用该方法可以方便地研究每一个隐变量与其显变量集合之间的关系，同时可以得到一个能够综合各个隐变量、并很好地代表系统中所有指标变量的综合指数。PLS 优点:
1）.没有总体假定或度量标度的假定, 因此也没有分布假定. 然而需要某些假定, 如线性回归的系统部分等于因变量的条件期望. 根据Monte Carlo模拟, PLS非常稳健, 而且隐变量的得分总是和真值吻合.
2）.由于隐变量的个体值为显变量的整合, 由于后者的度量误差, 该值为不相合的(但渐近相合). 由于样本及每个隐变量的指标的有限性, PLS有低估隐变量之间的相关及高估载荷(测量变量的系数)的倾向.
3）.Constructs are measured primarily by formative indicators. 那时基于协方差的方法(LISREL)会有严重的识别困难
4）. LISREL至少要100, 甚至200个观测值, 但PLS只需50 (甚至在两个隐变量, 27个显变量时只有10个观测值的情况).
Sohn & Park(2001)[3]的蒙特卡罗模拟比较表明：（1）以均方误差和对因子载荷的方差为标准，在数据量小，而且表现出稍微非正态时，ML性能最差；当数据是正态或近似正态时，在ML和PLS之间没有显著差别，（2）以因子载荷的偏差为标准，无论数据量大小，ML随着非正态增加而性能变差，（3）以回归系数的均方误差为标准，PLS比ML要好。
笔者发现目前需注意的问题：
1）. 结和Maccallum & Austin（2000）发现很多相关文献单纯以验证和模型产生为目的，在模型修饰的过程中，往往过度依赖资料所呈现的讯息而忽略理论的意义，过度滥用修正程序以获得对自己有利的结果，从而背离研究意义。
2）. 路径分析模型适用于大样本之分析。在每个隐变量的指标变量数目太大时, 基于协方差的路径分析模型就没有办法了. 而实际上, 如果没有足够的指标变量(有时达到500个), 不能做任何严肃的路径模型研究.。Breckler（1990）曾针对人格与社会心理学领域的72个 路径分析模型实征研究进行分析，样本规模介于40至8650之间，中数为198。有四分之一的研究小于样本数500，约百分之二十的研究样本规模小于100。因此，一般而言，大于200以上的样本，才可以称得上是一个中型的样本。
3）. 统计显著性的依赖性却远不及一般统计分析路径分析模型所参考的指针而是整合性的系数，优势是在于整体层次（macor-level）。却不能顾及个别或微视的层次（mocro- level）。这是今后我们需要研究深掘的重要地方。
1．PLS路径建模方法
PLS路径建模方法包含两部分内容：PLS路径模型被用来估计潜变量值和顾客满意指数模型中显变量在解释相对应的潜变量的贡献度；PLS回归分析法被用来估计潜变量之间的影响系数。
一个PLS路径模型包括两个模型：测量模型和结构模型。为了描述方便，我们假设显变量和潜变量都是标准化数据即均值为0，标准差为l。
(1)测量模型
测量模型是反映潜变量和它相连的显变量关系的模型，又称为外部模型。通常有两种类型来描述显变量和潜变量的关系：
反映型：把潜变量看作是主动的，显变量是被动的，并且显变量受到所属潜变量的影响，所以外部模型方程为：
其中，是潜变量(内生、外生均用此表示)，是第j个潜变量对它的第h个显变量影响的边际强度，称为承载系数。假设上式满足条件期望，即残差变量占。的期望值为0，且与各个潜变量无关。
构成型：把显变量看作是主动的，潜变量看作是被动的，并且显变量在一定程度上决定了潜变量，此时，外部结构方程为：
显变量数据可以是的，并预测假设即表明残差项，均值为0，且与显变量无关。在目前顾客满意度研究中，多是运用反映型来确定测量模型的。
（2）结构模型：
又称为内部模型，是描述潜变量之间关系的线性方程。
(4.3）
其中，为对，直接影响的边际强度称为路径系数。此路径系数只是表示一个潜变量受到其它与其相关的各个潜变量直接影响。
2．模型中潜变量的估计
为了研究的方便性，我们把潜变量记为，其相对应的显变量为，其标准化值记为，如果有缺失值存在就用均值代替。
（1）标准潜变量的外部估计，其均值为0，标准差为1
每个潜变量可以看成是其相连的显变量的线性组合：
（4.4）
符号表示左边变量等于右边变量的标准化后的形式。±号表示一种模糊性，这种模糊性要通过是否与大部分正相关来确定的。因此，标准化的潜变量可以写成：
（4.5）
这里我们认为(4．4)和(4．5)是等价的。
均值可以估计为：
（4.6）
由此潜变量可以估计为：
（4.7）
其中，为外部权重。
（2）标准潜变量的内部估计。
内部估计可以定义为：
其中，为内部权重，它表示在结构模型中有箭头联系的两个潜变量之间的关系。它的确定有三种方法：
因子加权法：内部权重等于和之间的相关系数即
路径权重法：将所有与相连的分成两部分：一部分为它的前提，一部分为它的结果。对于为前提的潜变量，等于对回归方程中的回归系数；对于为结果的潜变量，等于它们之间的相关系数。
质心法：等于和的相关系数的符号函数值即
每种方法都有其利弊，根据需要采取合适的方式，不过每种方法对结果影响不大。
（3）外部权重估计
目前，外部权重估计方式有三种：
模式A．-将外部权重看作是对内部估计建立的简单回归模型中的回归系数，即：
由于乃是标准化后的数据即，所以等于与的协方差，即
模式B：由构成的向量是内部估计对与潜变量相对应的标准化显变量的多元回归系数向量
模式C：根据的符号将在同一区组里的显变量赋予相同的权重。为了得到标准化的潜变量值。每个权重定义为
其实，模式c参照了构成法反映潜变量与其相应的显变量的关系的思想，其可以看作是模式B的特例。
（4）潜变量估计的计算步骤
任意给定权重系数的初始值，k表示迭代次数，具体计算过程如下：
(1)根据(4．5)计算得到。
(2)将代入公式(4．8)计算，其中，内部权重的确定可以采用因子加权法、路径加权法和质心法中任意一种。
(3)重新估计外部权重。根据模式A、B、C中任意一种模式计算外部权重。
(4)重复(1)、(2)、(3)步，直到第k步，即为止。根据(4．5)得到最终潜变量估计值。
(5)为了研究需要，将第4步得到的估计值进行变换得到最终需要的潜变量估计值。根据Fornell教授的计算方法，当每个显变量与其相应的潜变量是正相关性时，每一个潜变量等于对它对应的显变量进行加权平均和，即
3.结构方程的参数估计
由于变量间有较强的多重相关性，我们采用PLS回归分析方法进行结构方程的参数估计。
（1）PLS回归分析建模方法
假设有q个因变量和P个自变量，为了研究自变量和因变量之间的统计关系，我们选取n个样本，由此构成了自变量与因变量的数据表和，在PLS回归分析中，分别在x和Y中提取出成分和(也就是说，是的线性组合，是的线性组合）。在提取这两个成分时，为了回归分析的需要，在下列两个需求：
一是和应可能达地携带它们各自数据表中的变异信息；
二是和的相关程度能够达到最大。
这两个要求表明，和应尽可能好地代表数据表X和Y，同时自变量的成分对因变量的成分又有最强的解释能力。
在第一个成分和被提取后，偏最小二乘回归分别实施X对的回归以及Y对的回归。如果回归方程已经达到满意的精度，则算法终止；否则，将利用x被解释后的残余信息以及Y被，解释后的残余信息进行第二轮的成分提取。如此往复，直到能达到一个较满意的精度为止。如最终对X共提取了m个成分，偏最小二乘回归将通过施行对的回归，然后再表达成关于而的回归方程，k=1,2,…q。
（2）PLS回归建模的步骤
经过不断的研究，提出了一种较为简便的PLS建模步骤：
第一步：将数据进行标准化处理。x标准化数据记为：，Y经标准化处理后的数据矩阵为。
第二步：求矩阵最大特征值所对应的特征向量，求成分得到：
其中，
第三步：求矩阵最大特征值所对应的特征向量，求成分，得：
其中，
第m步：至第m步，求成分是矩阵最大特征值所对应的特征向量。
如果根据交叉有效性，确定共抽取m个成分可以得到一个满意的预测模型，则求在上的普通最小二乘回归方程为
这个简化结果与一般文献中描述的方法是等价的。这个简化算法有如下几个特点：
第一，在第h步，计算方法的优化原则是
第二，在整个计算过程中，节省了对，和的计算，计算得到了很大的优化；
第三，直接实施对的普通最小二乘回归建模。
（3）结构方程中参数的估计
利用潜变量估计值、显变量值，根据PLS回归分析原理建立多元线性回归方程估计路径系数、承载系数，得到顾客满意指数的结构方程。
四、模型构建
1．问卷基本信息
本研究采用问卷调查法，以抽样调查的方式进行资料搜集，调查问卷共380份，经筛选无效问卷与无法配对的样本后，得到有效问卷350份，有效回收率为92.1%。为减小估计量的误差，在所选样本结构时，尽可能考虑成都市近年来较大型的拆迁安置区域，以及地区经济的差别和安置方式等问题，采用随机抽样确保比率估计量是渐进无偏的，即无偏估计量。本次调查的样本覆盖面范围较广。其中，一圈层占23%，包括金牛区和成华区2个地区；二圈层占38%，包括龙泉、温江和郫县3个地区；三圈层占39%，包括金堂和崇州2个地区（具体如图1所示）。受访人员基本信息见下表：
表1 受访人基本信息
| 项目 | 问项 | 样本数（人） | 百分比（%） |
| 性别 | 男 | 161 | 46.00 |
| 女 | 1 | 54.00 | |
| 年龄 | 25-35岁 | 47 | 13.43 |
| 35-45岁 | 98 | 28.00 | |
| 45-55岁 | 98 | 28.00 | |
| 55岁以上 | 107 | 30.57 | |
| 教育程度 | 小学及以下 | 180 | 51.43 |
| 中学 | 108 | 30.86 | |
| 中专/高中 | 55 | 15.71 | |
| 大专/本科 | 6 | 1.71 | |
| 硕士及以上 | 1 | 0.29 | |
| 受访人成分 | 村委会成员 | 6 | 1.71 |
| 议事会成员/组长 | 7 | 2.00 | |
| 普通村民 | 337 | 96.29 |
2．指标选取
根据此次调查问卷设置内容，本文依此建构该体系的理论构架，将成都市农村居民拆迁总体满意度分为以下4个方面：正式拆迁前满意度、住房安置满意度、拆迁实施过程满意度和倾向满意度。其中正式拆迁前满意度和住房安置满意度均包含20个子项，拆迁实施过程满意度和倾向满意度分别包括10个子项和4个子项，共54个。为了简化指标，即删除与总体满意度相关性不高的指标，并避免多重共线性。由于本次调查设置答案选项为二分类结构，且有多混杂因素的影响，所以本文采用概率型非线性的logistic回归方法，对54个指标进行简化。
Logistic回归目的： Logistic回归通常以离散型的分类变量发生结果的概率为因变量，以影响疾病发生和预后的因素为自变量建立模型。研究分类变量（因变量）与影响因素（自变量）之间关系的研究方法。属于概率型非线性回归方法。
设Y为2分类变量的反应变量，结果有两种：Y=1表示某事件发生;Y=0表示某事件不发生。x为自变量可以是连续变量或分类变量。在本文中，Y表示：调查对象对拆迁情况是否满意？结果为1和0，代表满意与不满意（针对某些逆向指标采取相反的思路进行）。我们分别从4个方面对因变量（Y）进行logistic回归，并筛选出对Y有较大影响力的指标。
一是从正式拆迁前满意度来筛选指标。利用spss软件对自变量（拆迁前满意度的20个子项）与因变量（拆迁总体满意度）进行logistic回归。经检验，在95%的显著性水平下，仅有B3、B7、B8和B9对因变量（Y）具有显著影响。其中B3表示是否自愿拆迁？B7表示拆迁后，新居建成前，是否发放过渡费？B8表示相关部门是否对被征用土地所在地的乡（镇）、村予以公告？B9表示涉及到集体土地征收的情况是否在村上实行告知、听证、确认？即说明此4项问题对农民拆迁满意度具有较强影响力。
表2 正式拆迁前变量筛选结果
| 方程中的变量 | |||||||
| B | S.E, | Wals | df | Sig. | Exp (B) | ||
| 步骤 5a | B3 | 0.58 | 0.28 | 4.45 | 1.00 | 0.03 | 1.79 |
| B7 | -1.53 | 0. | 5.63 | 1.00 | 0.02 | 0.22 | |
| B8 | 0.80 | 0.29 | 7.65 | 1.00 | 0.01 | 2.22 | |
| B9 | 0.72 | 0.28 | 6.45 | 1.00 | 0.01 | 2.05 | |
| 常量 | 1.25 | 0. | 3.84 | 1.00 | 0.05 | 3.49 | |
表3 住房安置变量筛选结果
| 方程中的变量 | |||||||
| B | S.E, | Wals | df | Sig. | Exp (B) | ||
| 步骤 5a | C6 | 1.87 | 0.34 | 31.13 | 1.00 | 0.00 | 6.50 |
| C8 | 1.35 | 0.32 | 18.02 | 1.00 | 0.00 | 3.85 | |
| C10 | 0.96 | 0.44 | 4.81 | 1.00 | 0.03 | 2.60 | |
| C16 | -0.74 | 0.33 | 5.13 | 1.00 | 0.02 | 0.48 | |
| 常量 | -0.48 | 0.35 | 1.90 | 1.00 | 0.17 | 0.62 | |
表4 拆迁实施过程变量筛选结果
| 方程中的变量 | |||||||
| B | S.E, | Wals | df | Sig. | Exp (B) | ||
| 步骤 3a | D2 | 1.35 | 0.31 | 19.51 | 1.00 | 0.00 | 3.87 |
| D3 | 1.68 | 0.31 | 29.91 | 1.00 | 0.00 | 5.36 | |
| 常量 | -0.59 | 0.24 | 5.88 | 1.00 | 0.02 | 0.56 | |
表5 倾向变量筛选结果
| 方程中的变量 | |||||||
| B | S.E, | Wals | df | Sig. | Exp (B) | ||
| 步骤 3a | E3 | 1.77 | 0.34 | 26.93 | 1.00 | 0.00 | 5.90 |
| E4 | 1.00 | 0.37 | 7.21 | 1.00 | 0.01 | 2.71 | |
| 常量 | -1.10 | 0.37 | 8.59 | 1.00 | 0.00 | 0.33 | |
3．复数据表的建立
2001年C.Guinot,J.Latreille&M.Tenenhaus提出应用PLS通径分析进行复数据表分析（analysis of multiple tables）。所谓复数据表是指多张数据表，每个数据表都有同样的样本点，而每个数据表由不同的变量集合组成。在进行复数据表分析时，相当于设计一个特殊的通径模型。模型的左边由每一个数据表组成，同一个数据表中的所有显变量都受到同一个隐变量的影响。而模型的右边则由所有原始变量组成，由它们提取一个综合变量，该变量对所有原变量的代表性最好，同时又可以由所有隐变量进行解释。本文正是从这个模型出发，得到建立评估指标的计算方法。
表6 农民拆迁满意度显变量组与对应的隐变量
| 隐变量 | 正式拆迁前满意度 | 住房安置满意度 | 拆迁实施过程满意度 | 倾向满意度 |
| 显变量 | 您是否是自愿拆迁？（x11） | 您对现在居住的集中安置房（房屋质量、周围环境）是否满意？（x21） | 试评价在实施中服务态度?（x31） | 您认为该是否缩小了城乡之间的差距（x41） |
| 拆迁后，新居建成前，是否发放过渡费？（x12） | 您认为安置房的设计是否符合现在农村生活。（安置房的设计是否给你的生活带来不便）？（x22） | 试评价当地在“拆迁安置”中是否坚持的“依法，自愿，有偿，规范”的原则?（x32） | 您认为该是否达到了优化用地结构的目标（x42） | |
| 相关部门是否对被征用土地所在地的乡（镇）、村予以公告?（x13） | 进入安置区后收益是否减少？（x23） | |||
| 涉及到集体土地征收的情况是否在村上实行告知、听证、确认？（x14） | 进入安置区后生活成本是否增加（x24） |
根据PLS路径模型的要求，首先要对4组指标做主成分分析(采用SPSS操作)，进行唯一维度检验。但住房安置满意度组未能通过唯一维度检验，经过修正，将与第一主成分相关系数最低的两个指标x23和x24剔除，再进行主成分分析，可以看到各指标组的第一主成分特征值均大于1，且第二主成分特征值均小于1，通过唯一维度检验。
表7 Unidimensionality检验结果
| 变量组 | 第一特征值 | 第二特征值 |
| 正式拆迁前满意度 | 1.574 | 0.941 |
| 住房安置满意度 | 1.417 | 0.583 |
| 拆迁实施过程满意度 | 1.417 | 0.383 |
| 倾向满意度 | 1.378 | 0.622 |
根据复数据表分析方法，农民拆迁满意度的PLS路径模型如下图。该模型图的左边分别是反映四个水平变量的显变量组，模型图的右边则是由所有显变量组成的一个大变量组。建立显变量与隐变量，以及隐变量之间的路径关系，可以看到，以这种方式提取的隐变量农民拆迁总体满意度，一方面可以表示其他隐变量所包含信息，另一方面又与原始变量之间有最强的相关性。
此模型构建主要基于以下的研究设想：
正式拆迁前满意度、住房安置满意度、拆迁实施满意度和倾向满意度这4个潜变量不仅可以代表10个观测变量的信息，而且他们能够同属于一个更高阶的农民满意度潜变量，对其产生影响。强调潜变量的最终目的是要研究它们对于农民满意度的影响。如果存在一个更高阶的满意度潜变量，它可以对这4个潜变量具有良好的代表性，那么就可以支持此次调查中的指标设计构想，即成都农民拆迁总体满意度可以从以上4个维度来评价，这4个满意度指标体现了农民拆迁总体满意度的10个不同方面。
高阶的满意度变量能够充分地反映观测变量的信息。此模型中农民拆迁总体满意度实际上是基于10个基本变量间接得到的农民拆迁满意度的潜变量。这样的综合潜变量，既能够较好地代表模型中所有的测量变量，又可以表现与模型中其他所有潜变量之间的结构关系。
图1 农民拆迁总体满意度结构图
首先对所有的显变量进行标准化处理，并利用spss中的pls回归通径模型进行计算。首先，各隐变量——与农民拆迁总体满意度多元回归方程的，说明农民总体满意度对——的概括程度较高，可以较大程度地代表各隐变量信息。在模型中，住房安置满意度和拆迁过程满意度对总体满意度影响最大，分别为0.5和0.591，而正式拆迁前满意度对农民拆迁总体满意度影响最小，权重值仅为0.277。说明在拆迁行动中，农民是否满意更注重拆迁过程切身感受与后期服务，与拆迁前相关性较小。计算结果见下表：
表8 模型中隐变量权重值
| 潜变量 | 正式拆迁前满意度 | 住房安置满意度 | 拆迁过程满意度 | 偏向满意度 |
| 对总体满意度权重值 | 0.277 | 0.5 | 0.591 | 0.477 |
表9 模型中隐变量对显变量的权重与相关系数
| 变量组 | 外部权重 | 与相应隐变量的相关系数 | 变量组 | 外部权重 | 与相应隐变量的相关系数 |
| 正式拆迁前满意度 | 农民拆迁总体满意度 | ||||
| x11 | 0.48 | 0.52 | x11 | 0.17 | 0.67 |
| x12 | 0.60 | 0.62 | x12 | 0.20 | 0.73 |
| x13 | 0.61 | 0.63 | x13 | 0.21 | 0.71 |
| x14 | 0.57 | 0.61 | x14 | 0.20 | 0.70 |
| 住房安置满意度 | |||||
| x21 | 0.77 | 0.74 | x21 | 0.44 | 0.95 |
| x22 | 0. | 0.68 | x22 | 0.37 | 0.87 |
| 拆迁过程满意度 | |||||
| x31 | 0.69 | 0.70 | x31 | 0.39 | 0.90 |
| x32 | 0.73 | 0.72 | x32 | 0.42 | 0.92 |
| 偏向满意度 | |||||
| x41 | 0.81 | 0.76 | x41 | 0.37 | 0.88 |
| x42 | 0.59 | 0.66 | x42 | 0.27 | 0.78 |
由于本次调查仅在成都市内进行，所以受调查对象，本文中模型仅对农民拆迁总体满意度组成部分进行评估，未再进一步纵向模型，即对各个地区拆迁中，农民满意度的评估，以评价各在拆迁过程中所做的工作是否足够，或者对农民在拆迁中满意度进行排序。
五、拆迁安置中存在问题及建议
1．存在问题
资金赔偿不足。由于征地补偿标准沿用的法律条例过旧，以原有的增补标准来对现有征地拆迁安置进行赔付让农民难以接受。其次，土地赔偿没有严密的相关制度作为保障，甚至造成一个地区邻村间出现不等的补偿标准等问题。再次，安置区带来了生活成本的增加。农民不但生活费用增加，同时安置区农民还须承担城市居民日常生活所必需的成本。另外，调查发现，在以廉价征用土地后将其高价出租或拍卖给土地开发商, 但是农民在土地流转过程中只得到远远低于市场价格的增值和补偿，农民的利益在支持我国工业化、城市化发展中被长期漠视和牺牲。
现行社保制度不足。实地调查发现，失地农民对社保的关注程度较高。按年龄划分的社保五类（见附件1）享用的社会保险优惠各有不同。被调查安置区农民普遍反映出台的社保，让现在的老年人可以安享晚年，对年轻人考虑欠妥。所以完善失地农民的社保是亟待解决的问题。
再就业问题突出。就业是民生之本，就业是影响拆迁安置工作满意度的重要因素之一。在年龄与就业影响交叉分析过程中发现，年龄段在33-45岁，45-55岁，55及以上的被调查者认为拆迁对就业产生影响占同年龄段人数的比重均已过半，同时反映出年龄与失地农民再就业压力大致呈负相关。
信息不透明。通过调查发现，相关部门在很多方面的信息公开度较差，农民权益没有得到充分的维护。
拆迁安置的制定不完善。房屋拆迁安置中，拆迁安置程序不规范、拆迁安置补偿不到位引起、开发商和房屋所有人之间纠纷不断，甚至引发野蛮拆迁行为。另外，补偿安置、征地补偿费分配使用管理监督不到位，土地方面的法律制度和优惠不健全。
2．建议
本报告针对调查结果发现的问题设计了4个基本角色，依次为，企业，农民，资金。根据这四个基本角色设计出“G-E-P-F四项一体循环”模型（详情见图14）。现分别针对以上四个基本角色提出如下建议。
图13拆迁安置G-E-P-F四项一体循环模型
（1）转变主导方式，完善拆迁安置相关
将主导型和市场主导型有机结合起来。主导模式的优点在于改革进程一般比较快。但这一模式使得资金负担过重，财政压力大，且不利于调动农民与村集体的积极性，容易产生与农民的矛盾，难以保障农民利益。而市场主导模式使得土地资源转向土地资本，农民能获得长期固定租金和在非农行业就业的机会。在拆迁安置过程中，应当将主导型和市场主导型有机结合起来，在经济较发达的一、二圈层实行主导为主，市场主导为辅的模式；在经济较不发达、离主城区较远的三圈层实行市场主导为主，主导为辅的模式。
完善土地管理制度。制定与实际情况相符的土地征收制度，严格规范征地行为，土地增值收益的分配要切实向农村和农民倾斜。建立统一、开放、竞争和有序的城乡一体化土地市场，探索集体建设用地多种流转方式，缓解城乡统筹进程中的用地供需矛盾。
根据安置区农民实际情况制定专项。完善社保，建立就业援助热线，广泛搜集就业信息；加强就业观念宣传，开展职业技能培训，提高安置区农民的知识水平，加大对安置区农民创业的财政补贴或者无息贷款等资金措施的力度；加强对安置区农民进行生活方式改变过后的心理辅导。
加强信息公开力度。应该主动建立资金使用管理机制，主动公开资金使用信息，加强监督，从而实现与安置区农民之间的信息对称公开。
有规划的进行招商引资。按照成都市相关，为招商引资创造条件。同时，顺应国内沿海地区劳动密集型企业向中西部转移的浪潮，根据安置区农民的文化层次特点进行针对性的招商引资。
增加就业岗位、健全社会保障。大力拓展创业培训,积极引导失地农民自主创业,促进以创业带动就业。另外，应当为失地农民提供相应的养老、就业等方面的制度保障,以便为失地农民构建一个强大的社会支持网络,使其尽快融入到城市生活中。
（2）强化企业社会职能，增加农民收入
建立多种形式的企业，解决农民就业问题。结合各圈层的特点和战略规划大力发展中小企业和个体私营经济,发展劳动密集型企业,为失土农民提供更多更适合的就业机会和岗位。
提高安置区农民的工资待遇和福利。企业应当根据自身发展状况提高安置区农民的工资，创建良好的工作条件和环境。
（3）提高农民自身素质，完成角色转变
拆迁安置后，安置区农民向市民转变的过程中,由于不可消除的原因，会出现城市适应能力差、自我心理排斥等现象，提高农民自身素质，使他们尽快融入城市生活。
首先，安置区农民自身要加强主人翁意识，响应国家号召，配合城乡一体化建设的需要。其次，安置区农民应增强自身法制观念，主动了解国家在征地拆迁安置中的各项法律规定。再次，主动提高自身的劳动技能，转变就业观念，积极接受促进就业及城市生活方面的教育与培训，从而使安置区农民群体在角色内涵上实现真正的转型,实现真正意义上的市民化。
（4）拓宽资金筹集渠道，增加赔偿资金
在财政资金紧张的情况下与安置区农民之间存在的分歧，归根结底就是资金问题。
拓宽资金筹集渠道。要开拓新的资金来源,需要与成都市的整个发展战略相结合，针对成都建设现代田园城市的大，结合自身资源优势有选择的吸引大量社会资金,积极将社会资源投向拆迁安置工作中。大力发展第三部门吸纳个人、企业、国际金融机构和国外投资者,采取“谁投资、谁经营、谁受益”等市场化原则参与投资,以弥补在拆迁安置中的“缺位”,从而扩展市场化资金渠道。
增加赔偿资金，让利于拆迁安置区农民。 在拆迁赔偿上应当充分考虑农民的生活实际需求，增加赔偿金额，在上要同地同价，宅基地要等额补偿给农民，而不是现在施行的每人３5平方米的标准。同时，还应当让农民享有充分的处置权，在遵循规划的前提下，农民可以自己集中起来办企业，或者退出宅基地，让别人来做。不得无偿、低价夺农民土地，在保护农民利益的前提下，来推进城乡一体化进程。
以上建议从角度出发，以民本思想为主导，着力解决拆迁安置中存在问题，维护拆迁安置区农民根本利益，同时缓解与拆迁安置区农见分歧，提高农民对拆迁安置工作的满意度，实现与安置区农民双赢的局面，促进城乡统筹发展。
参考文献：
1.陈蛟，周林 PLS路径分析在CSI模型中的应用 消费导刊·科技论坛 2009.8
2王惠文，付凌晖 PLS路径模型在建立综合评价指数中的应用 系统工程理论与实践 2004.10
3.孔祥沛，孙继红 PLS路径模型在省域高校科技活动综合评价中的实证研究 科技进步与对策 2010.04
4.王惠文,付凌晖 PLS路径模型在建立综合评价指数中的应用
5.Wold H Soft modeling:The basic design and some extensions 1982
6.Lohmoumlller J B Latent Variables Path Modeling with Partial Least Squares 19
7.Guinot C;Latreille J;Tenenhaus M PLS path modelling and multiple table analysis. Application
to the cosmetic habits of women in Ile-de-France[外文期刊] 2001
8.Wold H Partial least squares 1985
附录：在此数据就不附在文章中，我们会将数据与报告一并寄出。下载本文
