Post on 22-Sep-2020
1
調査の概要
3 調査時期 2016年6・7月
1 調査方法
インターネット調査インターネット調査会社のモニター184万件のうち2の調査対象の要件を満たす方に対し、インターネットによるアンケート調査を実施し、先着順に
回答があった民間住宅ローン借換者259件を調査対象とした。
4 調査項目 民間住宅ローンを借入されている方の借換による金利タイプの変化など
2 調査対象
現在、民間住宅ローンを借入されている方で、2015年11月から2016年3月までに借換された方 n=259
・全国の20歳以上70歳未満の方(学生の方及び無職の方を除く。)※民間住宅ローンの借換(フラット35を含む。)を対象
2015年度 民間住宅ローン借換の追加実態調査
2016年9月独立行政法人 住宅金融支援機構 調査部
全期間固定型 固定期間選択型 変動型
0
10
20
30
40
50
借換前 借換後 差
16.2
12.9
-3.3
55.453.8
-1.7
28.3
33.3
5.0
(単位:%)
2
○ 借換前後における金利タイプごとの構成比の差をみると、 「全期間固定型」と「固定期間選択型」でマイナスとなり、「変動型」がプラスとなっている。
1-1.借換による金利タイプの変化(構成比変化)
(注)金利タイプと金融機関業態との関係で集計可能となった回答(n = 240)について集計(以下16ページまでにおいて同じ。)
3
○ 借換前後の金利タイプの変化の組合せが全体に占める割合は、 「固定期間選択型 → 固定期間選択型」が最も高く、41.2%となっている。
1-2.借換による金利タイプの変化(全体に占める割合)
(注)図中の数値は、全体の推移件数を100とした場合の各推移区分の割合を示している。
(図の見方)左上の数値「7.5」は「借換前:全期間
固定型→借換後:全期間固定型」となっ
た方の借換全体に占める割合を、その右の数値「4.6」は「借換前:全期間固定型→借換後:固定期間選択型」となった
方の借換全体に占める割合を、それぞれ示している。以下同じ。
4
○ 借換前に「全期間固定型」であったものでは、借換後も「全期間固定型」となるものが多い。
1-3.借換による金利タイプの変化(借換後全期間固定型内訳)
(注)図中の数値は、全体の推移件数を100とした場合の各推移区分の割合を示している。割合が1%未満の場合は、数値の表示を割愛した。
5
○ 借換後に「固定期間選択型」となったもののうち、固定期間が長いものが選ばれる割合は特に高いわけではなく、固定期間「3年」や固定期間「5年」など、比較的短い固定期間の住宅ローンも選ばれている。
1-4.借換による金利タイプの変化(借換後固定期間選択型内訳)
(注)図中の数値は、全体の推移件数を100とした場合の各推移区分の割合を示している。割合が1%未満の場合は、数値の表示を割愛した。なお、上段左から3番目の破線は、当該区分の割合が0%であることを示している。
6
○ 借換前後における金利タイプ(詳細内訳)ごとの純増減件数(借換前件数-借換後件数)をみると、 「変動型」と「固定期間5年」などが純増となり、「固定期間20年超」などが純減となっている。
1-5.借換による金利タイプの変化(純増減件数変化)
変動 2年 3年 5年その他年以内10 年10
年15以内
年20以内 年超20 フラット35
フラット以外
-15
-10
-5
0
5
10
15
12
3
-7
11
1
-8
5
2
-11
-1
-7
固定期間選択型 全期間固定型
(単位:件数)
変動
2年
3年
5年
その他10年未満
10年15年以内
20年以内
20年超
フラット35
フラット35以外
7
○ 借換前後の金利タイプの推移をネットワークとしてグラフ化すると、「変動型 → 変動型」と「固定期間10年 →固定期間10年」では頂点の外側にある円形の辺が太くなっており、自己回帰するものの件数が多いことがわかる。
1-6.借換による金利タイプの変化(ネットワーク分析)
グラフの見方
頂点(ノード):円の大きさで借換後の件数の多少を表す。
・辺(エッジ):線の太さで矢印の方向における借換前後の金利タイプの変化の多少を表す。
・ノードの外側にありそのノード自身へ戻る(自己回帰する)円形の矢印(エッジ)は、借換前後で金利タイプが同じものを表す。
※エッジの色は、次のようにして定めた。上(変動型)から時計回りに各金利タイプに番号を割り振る。1.その番号において昇順の番号のノードへの推移は薄青色で、自己回帰と2.降順の番号のノードへの推移は赤色で表示した。
職業
年齢
借換年月
世帯年収
都市圏
借換前返済額
借換後返済期間
差引返済額
借換前金利タイプ
借換後金融機関
0 5 10 15 20
MeanDecreaseGini
8
○ 借換後の金利タイプに与える各要因の影響度は、「借換後金融機関」の影響が最も大きく、「借換前金利タイプ」がそれに次いでいる。一方、「世帯年収」、「年齢」、「職業」といった属人的な要因の影響は小さい。
2.借換後の金利タイプに影響を与える各要因の影響度分析
(注)ランダムフォレストという統計手法により、各要因から借換後の金利タイプを推定した結果である。数値が大きい(●印が右にある)ほど影響度が大きいことを表している。なお、金利タイプは借換後金利によってほぼ一意に決定されるため、意図的に借換後金利を影響を与えるであろう各要因から除外して推定を行った。
9
○ 借換後の金利タイプ別利用割合の借換時期ごとの推移をみると、「変動型」と「全期間固定型」の利用割合がほぼ逆相関の関係で推移している。
3.借換後の金利タイプ(借換時期別)
20
30
40
50
調査時期
2014/11-2015/1n = 202
2015/2-2015/4n = 301
2015/5-2015/7n = 240
2015/8-2015/10n = 229
2015/11-2016/3n = 240
21.8
24.9
20.0
12.7 12.9
36.1
41.9
39.2 38.9
53.8
42.1
33.2
40.8
48.5
33.3
全期間固定型
固定期間選択型
変動型
(単位:%)
機構/公庫 フラット35 都銀・信託 地銀・第二地銀等 信用金庫等
0
10
20
30
40
借換前 借換後 差
9.6
0.0
-9.6
11.2 10.8
-0.4
45.4
37.9
-7.5
11.2
23.8
12.5
22.5
27.5
5.0
(単位:%)
10
○ 借換前後における金融機関業態ごとの構成比の差をみると、 「機構/公庫(直接融資)」と「都銀・信託」でマイナスとなり、「地銀・第二地銀等(ネット銀行などを含む。)」と「信用金庫等」がプラスとなっている。
4-1.借換による金融機関業態の変化(構成比変化)
11
○ 借換前後における金融機関業態ごとの純増減件数(借換前件数-借換後件数)をみると、 「機構/公庫」と「都銀・信託」が純減となり、「地銀・第二地銀等(ネット銀行などを含む。)」と「信用金庫等」が純増となっている。
4-2.借換による金融機関業態の変化(純増減件数変化)
機構/公庫 フラット35 都銀・信託 地銀・第二地銀等 信用金庫等
-30
-20
-10
0
10
20
30
-23
-1
-18
30
12
(単位:件数)
12
○ 借換前後の金融機関業態の変化の組合せが全体に占める割合は、 「都銀・信託 → 都銀・信託」が最も高く、30.4%となっている。
4-3.借換による金融機関業態の変化(全体)
(注)図中の数値は、全体の推移件数を100とした場合の各推移区分の割合を示している。割合が1%未満の場合は、数値の表示を割愛した。なお、4行1列目の破線は、当該区分の割合が0%であることを示している。
13
○ 借換までの経過年数は、すべての金利タイプで経過期間「 5年以下」と比較的早期の借換が最も多い。
5.借換までの経過年数
借換までの経過年数
(構成比:%)
46.2
30.8
12.8
10.3
借換前の金利タイプ:全期間固定型:n = 39
43.6
32.3
9.8 14.3
借換前の金利タイプ:固定期間選択型:n = 133
0 5 10 15 20 25 30
47.1
25.0
14.713.2
借換前の金利タイプ:変動型:n = 68
14
6.借換による金利タイプ(年齢層別)
○ 年齢層別にみると、借換後の金利タイプが「全期間固定型」の場合は「50歳代以上」の割合が大幅に低くなっているのに対し、「変動型」の場合は年齢層ごとにほぼ同じ割合となっている。
年齢層
(構成比:%)
45.241.9
12.9
借換後の金利タイプ:全期間固定型:n = 31
36.4 34.129.5
借換後の金利タイプ:固定期間選択型:n = 129
30歳代以下 40歳代 50歳代以上
32.5 33.8 33.8
借換後の金利タイプ:変動型:n = 80
15
7.借換による金利タイプ(世帯年収層別)
○ 世帯年収層別にみると、借換後の金利タイプが「全期間固定型」の場合は世帯年収が高くなるほど「全期間固定型」の割合が高くなっているが、「固定期間選択型」の場合はそれほど明確ではない。
世帯年収層
(構成比:%)
25.832.3
41.9借換後の金利タイプ:全期間固定型:n = 31
31.0 31.837.2
借換後の金利タイプ:固定期間選択型:n = 129
600万円以下 800万円以下 800万円超
32.527.5
40.0
借換後の金利タイプ:変動型:n = 80
○ 借換後の融資額別にみると、借換後の金利タイプが「全期間固定型」の場合は1000万円以下の割合が10%以下と少ないが、「固定期間選択型」と「変動型」では10%を超えている。
16
8.借換による金利タイプ(借換後の融資額別)
借換後融資額
(構成比:%)
6.5
22.6 22.625.8
6.5
16.1
借換後の金利タイプ:全期間固定型:n = 31
17.8
8.5
17.8
30.2
13.2 12.4
借換後の金利タイプ:固定期間選択型:n = 129
1000万円以下
1500万円以下
2000万円以下
3000万円以下
4000万円以下
4000万円超
13.8 12.517.5
31.2
15.010.0
借換後の金利タイプ:変動型:n = 80
17
○ 借換によって金利が低下した方は全体の82.6%であり、「~1.0%低下(0.5%超1.0%以下低下)」した方が21.6%と最も多い。
9.借換による適用金利の変化
金利は上昇 金利変化無し %低下~ 0.2 %低下~ 0.5 %低下~ 1.0 %低下~ 2.0 %超低下2.0
0
5
10
15
20
5.4
12.0
15.1
17.4
21.620.8
7.7
(単位:構成比%) 金利が低下した方の構成比の合計 % = 82.6
(注)集計件数(n = 259)。以下同じ。
18
○ 借換によって返済期間が短期化した方は全体の65.6%であり、「~5年以下短期化(0年超5年以下短期化)」した方が31.3%と最も多い。
10.借換による返済期間の変化
返済期間長期化
返済期間変化無し
5年以下~ 短期化
年以下~ 10短期化
年以下~ 15短期化
年超15短期化
0
5
10
15
20
25
30
10.0
24.3
31.3
20.1
7.3 6.9
(単位:構成比%) 返済期間が短期化した方の構成比の合計 % = 65.6
19
○ 借換によって毎月返済額が減少した方は全体の66.0%であり、「~1万円以下減少(5千円超1万円以下減少)」した方が21.2%と最も多い。
11.借換による毎月返済額の変化
返済額増加
返済額変化無し
5千円以下~ 減少
1万円以下~ 減少
2万円以下~ 減少
2万円超減少
0
5
10
15
20
16.2
17.8
15.8
21.2
15.113.9
(単位:構成比%) 毎月返済額が減少した方の構成比の合計 % = 66.0
20
○ 借換による毎月返済額減少分の使途は、「生活費」に充てる割合が最も高く、「貯蓄」がそれに次ぐ。
12-1.毎月返済額減少分の使途(単純集計)
生活費 貯蓄 教育費 リフォーム資金 自動車等 家具等 資産運用 その他
0
10
20
30
40 38.6
31.0
14.0
8.8 8.8 8.2 7.0
2.3
生活費に充てた
貯蓄(特に目的はない)
教育資金に充てた
貯蓄(住宅のリフォーム資金に充てる予定)
自動車等の住宅関連以外の購入等に充てた
家具等の住宅関連の商品購入に充てた
株等で資産運用に充てている
その他
【具体的な選択肢:複数回答】
(借換により毎月返済額が減少した方)n = 171
(単位:構成比%)
21
○ 返済額減少分の使途は、複数回答によるものであるため、どの選択肢とどの選択肢が一緒に選択される傾向が強いかを調べることにより、選択肢相互の関係から回答者のグルーピングを行うことができる。
○ それに基づいて行ったグルーピングの一例では、「生活費」など消費に結びついた選択肢が上側のグループを、「貯蓄」や「資産運用」など消費に直接関連しない選択肢が下側のグループを構成している。
12-2.毎月返済額減少分の使途のネットワーク・クラスター分析
グラフの見方
・頂点(ノード):円の大きさでその選択肢が選ばれた数の多少を表す。・属するグループ(コミュニティ)に応じて色分けされている。
・辺(エッジ):線で結ばれた選択肢が同時に選ばれたことを表す。・線の太さで同時に選択された場合の多少を表す。・グループ内の同時選択とグループ間の同時選択とで色分けされている。
(注) グルーピングの結果は、採用したクラスタリング・アルゴリズムによって異なることがある。ここでは、「最適化アルゴリズム」に基づいたクラスタリングによる結果を採用した。 最適化とは、より密な関係にある成員からなる各コミュニティへの分割と全くランダムな分割との差( )を最大化するアルゴリズムによるmodularityものである。
22
【参考】回答者の基本属性
注:首都圏:千葉県、埼玉県、東京都、神奈川県東海圏:岐阜県、愛知県、静岡県、三重県近畿圏:滋賀県、京都府、兵庫県、大阪府、奈良県、和歌山県その他:首都圏、東海圏、近畿圏以外
サンプル数 構成比
20歳代 12 4.6%
30歳代 87 33.6%
40歳代 89 34.4%
50歳代 53 20.5%
60歳代 18 6.9%
400万円以下 20 7.7%
400万円超~600万円以下 65 25.1%
600万円超~800万円以下 80 30.9%
800万円超~1000万円以下 58 22.4%
1000万円超~1500万円以下 24 9.3%
1500万円超 12 4.6%
首都圏 101 39.0%
東海圏 39 15.1%
近畿圏 35 13.5%
その他 84 32.4%
地域(注)
項目
世帯年収
借換 n=259
年齢
23
【参考文献等】
・R Core Team (2016). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
・Butts C (2015). network: Classes for Relational Data. The Statnet Project (http://statnet.org). R package version 1.13.0, http://CRAN.R-project.org/package=network.
・Butts C (2008). “network: a Package for Managing Relational Data in R.” Journal of Statistical Software, 24(2). http://www.jstatsoft.org/v24/i02/paper.
・A. Liaw and M. Wiener (2002). Classification and Regression by randomForest. R News 2(3), 18--22.
・Sarkar, Deepayan (2008) Lattice: Multivariate Data Visualization with R. Springer, New York. ISBN 978-0-387-75968-5
・Csardi G, Nepusz T: The igraph software package for complex network research, InterJournal,Complex Systems 1695. 2006. http://igraph.org
・外山信夫・辻谷将明(2015)「実践 R 統計分析」。オーム社