基于DEA模型房地产业 支柱地位转变可行性研究

来源:用户上传      作者:

　　 摘要：文章选取我国13个省市2013～2017年房地产行业相关投入产出数据，使用DEA模型和Malmquist指数法测算出各省市综合效率、技术效率、规模效率及全要素生产率，发现样本省市房地产行业效率水平普遍较高，房地产行业效率變化模式不同且具有显著的波动性，全要素生产率的提高主要依赖于技术进步。最后依据房地产行业效率变化和效率大小将13省市划分为四种类型，分析在每一种类型下房地产行业发展特征，从而做出各地是否有转变其支柱性产业的可能性研究。
　　 关键词：房地产业;支柱性产业转变;DEA模型;Malmquist指数法
　　 一、引言
　　 改革开放以来，我国房地产行业整体而言发展较为迅猛，房地产行业作为我国大部分省份支柱性产业，其对经济的贡献不容小觑。房地产不仅可以推动当地土地和房屋资源的开发、建设、经营及管理等相关经济活动的发展，以避免资源闲置造成浪费，而且还会推动中间产业的发展如钢铁、化工、玻璃及水泥行业的发展，甚至会刺激当地能源行业发展如电力、煤炭、石油及天然气等。从这一系列产业发展路径来看，房地产行业的发展会对当地经济建设产生较为深远的影响。
　　 房地产业会带动其他相关产业的发展，有效推动当地经济增长。但是一个地区或国家的经济要获得持续、健康发展，依赖于房地产业是不可能的，美国爆发的次贷危机以及日本房地产行业泡沫的破灭已充分说明这一点。况且我国目前正在实施中国2025发展战略，如果还是单纯依靠房地产行业带动其相关产业发展，传统的粗放型经济发展模式不可能转变为集约型经济发展模式，大力发展战略性新兴产业就无从谈起，实现产业结构优化升级最终只会是一纸空文。
　　 由于各地区的经济发展水平不同、产业结构状况差异、房地产行业的效率区别，房地产行业的发展会对地方经济产生不同的效应，可否继续将房地产业作为地区经济的支柱产业不应一概而论。因此本文结合地区经济发展水平、产业结构状况：通过实证研究13个省市房地产业的效率水平，分析房地产业的发展是否仍具有经济增长的支柱地位属性，是否可以继续作为本地区经济发展引擎，避免贻误转型发展时机，为保证地区经济又好又快可持续发展提供政策参考。
　　 二、国内外文献综述
　　 （一）国内文献综述
　　 我国学者对房地产业效率研究普遍较为关注，但有关房地产行业的研究文献大多数聚焦于房地产投资的微观主体，并且为了考虑数据的可获得而选择上市公司作为研究对象。如，杨飞（2012）分析限购政策对房地产行业发展的影响主要通过托宾Q和利润率两个指标进行研究：对于西部房地产行业效率水平的研究，李斌（2007）选取24家房地产企业分析2015年发展情况，而唐晓华和邱煜（2013）却只选取13家房地产企业作为研究对象。柳力超（2015）通过使用DEA—Tobit模型研究房地产投资效率在各省之间的差距，实证研究发现东部地区效率较高，经济水平和行业发展水平会影响效率。罗迈（2014）通过选取我国35个大中城市作为研究对象从经济适用房和土地供给角度分析房地产行业效率情况，得出我国房地产行业投入效率水平普遍较低，且大多数城市房地产行业是无效率的。
　　 （二）国外文献综述
　　 Coulson从土地的供求机制出发研究了土地市场三种典型模式与房地产行业的互动关系，分析结果表明闲置与过度需求模式能有效促进房地产市场的运行。R.Amot所得出的结论却有些不同，他的结论是市场均衡的假设条件发生变化后，房地产行业内部投入产出效率也将发生变化。J.M.Quigley选取41个城市作为样本，分析了房地产行业发展状况，研究结果得出每年开工数量和房屋空置率会影响房地产市场的运行，并提出了住宅选址、城市住宅供需等理论。
　　 本文在查阅有关房地产行业效率研究的文献后，结合我国实际国情选取可以代表房地产行业发展情况的投入产出指标，通过采用DEA模型和Malmquist指数法实证分析2013～2017年13省市的效率大小以及效率每年变动情况，并将这些省市效率大小与效率变化情况进行对比分析，讨论各省份房地产行业发展特征以及接下来的发展战略，为各省市转变支柱性房地产行业及产业优化升级提供参考依据。
　　 三、研究设计
　　 （一）研究方法
　　 1. 数据包络分析（data envelopment analysis，DEA）是基于多项投入指标与产出指标，采用线性规划的方法对具有同类型可比单位进行相对有效性研究的数量分析方法。DEA方法是美国著名运筹学家A.Charnes和W.W.Cooper在1978年首次提出，迄今为止DEA模型在各行各业效率的评价与分析中得到充分的运用。
　　 2. 曼奎斯特指数模型（Malmquist index）最初是由Malmquist在1953年提出，Caves、Christensen和Diewert在1982年将Malmquist指数模型应用于生产效率变化的测算和分析中，这一分析工具在当时的学术界引发极大的反响，但在随后较长的一段时间内，有关该模型的实证分析却并不多见。一直到1994年，RolfFare等人将这一理论的非线性规划法与数据包络分析法理论相结合，这才使得Malmquist指数模型再一次焕发生机。
　　 （二）研究对象
　　 本文选取13个省市作为样本研究对象，所选省市为全国GDP排名前13的省市。样本选取主要有如下考虑：第一，这些区域在全国政治、经济、文化等社会活动中居于重要地位，它们的综合实力以及空间辐射带动力在全国范围内都是领先的;第二，样本省市基本分布在不同的区域环境中，也具有一定的代表性;第三，这些地区的经济发展水平以及房地产行业发展水平较高，具有一定的可比性;第四，这些区域的房地产行业数据统计较为完备，易于获取从而便于研究。
　　 （三）指标选取和数据来源 　　 考虑到投入产出指标的选取与效率评价准确性密切相关，因此严格遵循指标选取的科学性、可行性、代表性、一致性原则，同时还需考虑到数据获取的难易程度和可信度。产出指标选取：房地产业主营业务收入、房地产业总产值，投入指标选取：以房地产业年末从业人员数作为劳动力资本投入、以国内贷款作为房地产业资金投入、以房地产购置土地面积作为房地产业土地资本投入。本文所选择指标的相关数据来源于各省市的统计年鉴以及国家统计局官网所公布的数据。
　　 四、实证结果分析
　　 （一）各省市房地产行业发展效率分析
　　 本文所得到的综合效率是指房地产行业生产资源的投入与其产出之间的比例关系，采用DEA模型对2013～2017年13个省市的投入产出指标数据进行测算，结果如表1所示。为了保证房地产行业效率的准确性，排除偶然因素对其影响，采用各年份房地产行业总效率的平均值作为排名并加以分析。从各省市的效率排名中，可以看出江苏、广东、上海、以及河北这四个省市房地产平均综合效率均为1，排名并列第一，达到了最优状态。浙江、山东、河南、安徽这四个省房地产平均综合效率均分布于（0.9，1）的区间内，处于较为有效状态。四川和福建这两个省份综合效率处于0.8至0.9之间，处于良好状态，其他省市则处于无效率状态。
　　 如图1所示，根据测算出的五年平均技术效率值与规模效率值，以0.9作为效率值的临界点将样本省市归纳为四种类型。技术效率主导的样本省市有江苏、广东、浙江、上海及河北，这类省市处于技术效率前缘。规模效率主导的样本省市有江苏、广东、上海及河北，这类省市处于规模效率前缘。江苏、浙江、上海、广东等八个样本省市处于技术效率和规模效率都较好的状态，房地产行业发展水平较高。大部分省市的规模效率还未达到有效率状态，因此这类省市应加大对本地区房地产资源的投入，从而尽快达到资源的合理配置。而对于那些技术效率还未达到有效状态的省市，应提高房地产行业运营管理能力，努力通过迅捷的信息体系与拥有先进房地产技术水平的区域增强交流，通过网络技术和大数据提高房地产业管理水平。
　　 （二）各省市房地产行业全要素生产率分析
　　 房地产行业效率演化特征。表2和表3展示Malmquist指数模型对样本省市全要素生产率的分析结果。总体看来，13个样本省市的平均房地产行业效率表现出波动性变化，2014～2015年波动幅度最大，房地产行业年平均增长率为7%。从表2可看出技术进步平均增长率7.2%，技术效率变化、纯技术效率变化以及规模效率变化增长幅度较小。
　　 对于省市类型的划分。根据房地产行业综合效率和全要素生产率将房地产区域效率划分为四种类型，横轴代表房地产业效率大小，纵轴代表房地产业效率变动情况。由表1可知区域房地产业效率的平均值为0.916，以此作为横坐标效率大小的临界值。房地产业效率值大于1表示效率提高，但若效率值小于1，则表示效率下降，因此以1作为纵坐标效率变动的临界值。将样本省市按房地产行业效率状态分为四种类型，如图2表示。
　　 第一种类型：房地产业效率高，销量增长快。位于第一种类型的省市具有综合效率较高，效率增长较快的特征，该类省市房地产行业拥有较好的产业结构与发展活力。这些区域应当继续优化房地产行业产业结构，并注重产业的优化升级，提高房地产行业资源利用效率，加快经济结构优化转型。
　　 第二种类型：房地产效率低，效率增长快。位于该类型的区域有湖北、湖南、福建、四川及北京，具有综合效率低，但房地产效率增长速度快的特征，房地产业的发展可给当地带来良好的经济效益。其中北京和湖南的房地产行业效率最低，但这两地区却有本质的不同。北京房地产行业产业基础在全国来说也是居于领先地位，对于出现综合效率低情况的分析，可与其经济结构较为相似的上海进行对比。通过比较两者投入产出指标数据可发现，北京房地产行业在人力资本、土地资本以及资金投入上远远超过上海的投入力度，但北京房地产行业主营业务收入与总产值却与上海的产出数值相当，说明北京虽然技术水平较高，但北京资源配置不合理，造成资源效率失衡，无法将原本应投入高新技术产业的资源合理配置，从而无法优化北京产业结构，实现经济的更高效转型升级。但湖南却并非如此，湖南的房地产行业产业基础与其他省市相比较为薄弱，房地产行业的投入和收益都较少，此类区域在发展过程中要不断提高管理水平，合理配置房地产行业资源，探索潜在的房地产行业市场价值，实现房地产行业投入产出效率的优化。
　　 第三种类型：房地产行业效率低，效率增长缓慢。本文所研究的样本省市没有处于该类型之下的区域，所以不做过多的分析。
　　 第四种类型：房地产行业效率高，增长速度较慢，目前来说是比较好的房地产发展状态，该区域不必再将过多的资源投入到房地产行业，毕竟真正能够推动经济发展的还是高新技术产业。在所研究的一些省市中，安徽目前达到这样一个状态，因此安徽应将今后的发展重点转移到战略性新兴产业，以高新技术产业作为替代房地产业发展经济的新引擎。
　　 五、结论
　　 本文通过DEA模型测算13个省市房地产行业产业效率，经实证研究发现：第一，在所测算的大部分省市中房地产行业效率水平整体较高;第二，江苏、浙江及上海等沿海区域技术效率和规模效率都处于效率前缘，此类省市拥有较好的地理优势和经济优势;第三，通过Malmquist指数法测算样本省市全要素生產率，可将其划分为四种类型，大部分省市属于效率高增长快以及效率低增长快两大类型。
　　 （一）高效率、高增长效率模式
　　 对于该种模式下的房地产业，房地产业效率较高，同时行业增长效率也很高，是一种较好的房地产发展模式，对于拥有这种房地产行业效率的区域，其经济发展有更多选择的可能。选择一是继续以房地产业作为本区域的支柱性产业，以房地产业带动相关产业的发展。但其结果可能会变成第二个“北京”，由于区域资源过度投放到房地产行业，造成资源效率失衡，无法将原本应投入高新技术产业的资源合理配置，从而无法优化本地产业结构，实现经济的更高效转型升级。选择二是将房地产的投入和产出规模维持当前效率水平，将其他社会资源逐步向高新技术产业转移，逐步转变传统经济较依赖房地产业的发展，逐渐向以技术密集型产业及知识密集型产业转变的经济发展方式，实现经济的持续、长效发展。 　　 （二）低效率、高增长效率模式
　　 对于该种模式下的房地产行业，行业效率较低，但增长效率却较高，是潜力型房地产业，房地产行业的发展可给当地带来良好的经济效益。因此对于此模式下的房地产行业，本文提出以下建议：第一，提高房地产行业管理水平。加大对房地产行业优秀人才的培养，优化人力资源的结构，采取先进的管理方法，培育具有国际竞争力的大型房地产企业。第二，加大对房地产行业资源投入力度，以房地产行业带动其他相关产业及行业的发展。房地产行业具有综合性特征，可直接带动钢铁行业、水泥行业、家具行业以及电器、建筑等行业，间接带动的行业甚至几乎可囊括所有行业，从基础设施建设、交通便利性等方面加大房地产业的投资，实现更大的房地产行业产出。第三，提高技术效率，应积极加强与国内发达地区或者国际发达国家房地产行业的建设交流活动，努力学习先进房地产建设技术，提高资源利用效率，避免资源不必要的浪费，实现经济又好又快发展。
　　 从上述实证分析结果可看出，高效率、高增长的房地产行业省市已经具备实现产业结构优化升级的条件，因此只需要维持本区域房地产行业的资源投入，不可盲目过度的将资源大量投入房地产业，可将过剩资源投入战略性新兴产业，实现产业结构优化升级，从粗放型经济向集约型经济发展。而低效率、高增长房地产行业省市可继续以房地产行业作为本区域的支柱性产业，从而带动其他相关产业的发展，等到房地产行业效率达到有效状态时，这些区域有了一定的经济结构转型的基础。从而会使得产业结构转型更加顺利。同时并不建议高效率、高增长效率房地产行业省市继续加大技术投入以及规模投入，这样不仅会使其他区域缺失部分优质发展人才，不利于其他省份经济的发展，更会阻碍其他省份从传统粗放型经济向集約型经济发展，加剧各省份的经济发展差距。
　　 参考文献：
　　 [1]李斌，蒋涛.房地产行业绩效评价的实证研究[J].特区经济，2007（03）.
　　 [2]柳力超.我国房地产投资效率区域差异及影响因素研究[D].东北农业大学，2015.
　　 [3]孙鸽.基于DEA的我国房地产业运作效率研究[J].经济研究导刊，2007（09）.
　　 [4]Lamb J D，Tee K H，Data envelopment analysis models of investment funds[J].European Journal of Operational Research，2012（08）.
　　 [5]J.M.Quigley. The Dynamics of Real Estate Prices[J].The Review of Economics and Statistics，2010.
　　 [6]王坚强.基于Malmquist指数的房地产企业动态投资效率研究[J].当代经济，2010（01）.
　　 [7]曾昭法.中国省域房地产开发效率及其影响因素研究[J].统计观察，2013（13）.
　　 [8]史立新.基于DEA方法的吉林省房地产投资有效性实证研究[J].理论经济学，2012（05）.
　　 [9]石峰.基于省际面板数据及DEA的区域创新效率研究[J].技术经济，2010（05）.
　　 [10]曹晓俊.安徽省房地产业投资效率的统计研究[D].安徽财经大学，2016.
　　 （作者单位：江苏师范大学商学院）
转载注明来源:https://www.xzbu.com/2/view-15220735.htm