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 55.4 53.8 -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）
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 10年 年 15 以内 年 20 以内 20年超 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 2014/11-2015/1 n = 202 2015/2-2015/4 n = 301 2015/5-2015/7 n = 240 2015/8-2015/10 n = 229 2015/11-2016/3 n = 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 14.7 13.2 借換前の金利タイプ：変動型：n = 6814
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 ： ％ ） 45.2 41.9 12.9 借換後の金利タイプ：全期間固定型：n = 31 36.4 34.1 29.5 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 = 8015
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 ： ％ ） 25.8 32.3 41.9 借換後の金利タイプ：全期間固定型：n = 31 31.0 31.8 37.2 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 32.5 27.5 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 22.6 25.8 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 万円以下1500 万円以下2000 万円以下3000 万円以下4000 万円超4000 13.8 12.5 17.5 31.2 15.0 10.0 借換後の金利タイプ：変動型：n = 8017 ○ 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 ~ 0.2％低下 ~ 0.5％低下 ~ 1.0％低下 ~ 2.0％低下 2.0％超低下 0 5 10 15 20 5.4 12.0 15.1 17.4 21.6 20.8 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 15.1 13.9 （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（modularity）を最大化するアルゴリズムによる 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 ｻﾝﾌﾟﾙ数 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
