基于三阶段DEA的我国各省房地产业效率实证研究

来源:用户上传      作者: 任晓萍

　　摘要：利用DEA三阶段分析法对2008年中国31个省（自治区、直辖市）房地产行业进行了排除环境变量和统计噪音影响的技术效率分析，结果表明，很多省份的房地产行业效率水平的确受到地区政府支持力度和经济发展水平等环境变量和好坏运气的影响，在同质经营环境下纯技术效率不高的问题更加突出。从而，提出了提高我国房地产业效率的相应策略。
　　关键词：三阶段DEA；房地产业；综合技术效率；纯技术效率；规模效率
　　中图分类号：F203 文献标志码：Ａ文章编号：１６７３－２９１Ｘ（２０11）08－０044－04
　　
　　引言
　　我国房地产业经过二十多年的发展，已经成为国民经济发展的新的经济增长点，尤其是近年来，房地产市场异常火爆，房价一路攀升。但是，房地产市场效率如何？提升的方向和空间在哪里？本文根据DEA和SFA的相关理论，以2008年我国31个省的相关数据为样本[1]，对我国各地区的房地产业效率进行了实证研究。
　　现有文献中大多着重于考察房地产业对经济总量的贡献，如将房地产投资额作为资本形成总额的一部分，将其增量所占GDP增量的比例作为对GDP的贡献[2-4]；或是通过选取代表房地产业的变量和代表国民经济水平的GDP，采用ARDL、ECM、Granger因果检验等直接反映房地产业对经济总量的贡献[5]。张志红等基于主因子分析给出房地产上市公司在总体上市公司中的资产运作水平[6]。王亚东、安立仁也运用DEA方法考察了我国各省房地产行业的效率，但其并未排除环境变量和统计噪音对房地产行业的影响[7]。所以，国内鲜有利用三阶段DEA对房地产业生产力和效率进行研究的文献。
　　一、研究方法与工具
　　自Charnes和Rhodes创立基本的DEA模型后，为测度环境变量对决策单元效率的影响程度，Coelli（1998）提出了DEA的两阶段模型[8]。但由于该模型存在技术上的缺陷，并且在实际应用中会忽略被包括在投入松弛或产出剩余里的信息，因此，H.O.FRIED创建了三阶段DEA模型[9]。其三个阶段分别是：
　　1.第一阶段DEA模型。该阶段使用投入产出数据进行一般DEA分析，本文采用投入导向的规模报酬可变的BCC模型。之所以采用投入导向，是因为本着资源节约和环境友好的要求，尽量减少投入和降低负产出是必要的。由于BCC作为一个成熟的DEA模型，其数学原理已非常清晰，这里不再赘述。
　　2.第二阶段构建相似SFA模型。Fried等人认为，第一阶段DEA分析得出的投入产出松弛变量由环境影响、管理无效率和统计噪音三因素构成[9]。通过构建SFA模型可分别观测出以上三个因素的影响。本文以投入导向为例，分别对N个投入松弛变量进行SFA分析。
　　首先，建立松弛变量：
　　sni＝xni-Xnλ≥0，n＝1，2，……N，i＝1，2，……I （1）
　　其中，sni是第一阶段是第i个厂商在使用第n个投入的松弛变量（射线的加上非射线的）。Xn是X的第n行，Xnλ是xni对应产出变量yi在投入效率子集上的最优映射。
　　其次，建立松弛变量与环境解释变量的理论模型：
　　sni＝fn（Zi；βn）-vni+uni，n＝1，2，……N，i＝1，2，……I （2）
　　其中，zi＝[z1i，z2i，……zki]，i＝1，2，……I，为K个可观测的环境变量，fn（Zi；βn）是确定可行的松弛前沿，参数向量βn将被估计，vni+uni为混合误差项。与随机成本前沿公式一样，vni～N（0，σ2vn）反映统计噪音，uni≥0反映管理无效率。
　　为进行下一步的投入调整，首先必须从SFA回归模型的混合误差中把统计噪音从管理无效率中分离出来，为排除不同运营环境和统计噪音的影响，对于那些相对有利的运营环境或相对好运的DMU的投入进行向上调整，如（3）式
　　xAni＝xni+[maxi{zi，βn}]+[maxi{vni}-vni]，n＝1，……，N，i＝1，2，…… （3）
　　（3）式右边的第一步调整使所有厂商处于共同的营运环境，及样本中所观测的最差的环境。第二步调整是所有厂商处于共同的自然状态，即样本中遇到的最不幸的状态，以致使每个DMU均面对相同的营运环境和营运运气。
　　3.第三阶段调整后的DEA模型。用调整后的投入数据代替原始投入数据xni，再次运用BCC模型计算效率值。第三阶段输出的DMU效率值，排除了运营环境和统计噪音的影响，客观体现了技术效率，更能反映事实。
　　二、变量的选取与分析
　　1.投入产出指标的选取。鉴于数据的可得性和完整性，本文选取2008年中国31个省（自治区、直辖市，以下简称省）的房地产行业为样本。文中数据来源于《中国统计年鉴2009》。
　　综合DEA方法对投人和产出指标的基本要求，对于房地产业投入指标，主要从人力、财力和资源三个角度去衡量。鉴于我国房地产业自身特点，经过比较分析和测算，本文主要选取三个投入指标：各个省房地产业本年度资金投入额、从业人员数、开发土地面积；两个产出指标：竣工面积和房屋销售额。
　　2.环境变量的选取。环境变量指的是那些影响房地产业效率但不在样本主观可控范围之内的因素。考虑到房地产业的发展特性，本文主要考虑以下几个因素作为环境变量：反映各地区政府对房地产业支持力度的土地增值税税率；反映一个地区房地产行业市场结构和规模经济状态的房地产开发企业个数；反映一个地区市场化水平的非国有经济职工所占的比重，市场化水平越高，整个社会资源配置效率也越高；反映一个地区经济发展水平的地区生产总值，它既是影响房地产行业发展的需求因素，又可能从技术和管理等方面对供给产生影响。
　　三、实证结果分析
　　1.第一阶段传统DEA的实证结果。第一阶段运用Deap2.1软件对中国31个省房地产行业的效率水平与规模报酬所处的状态进行了分析。结果如表1所示，在不考虑外在环境变量和随机因素影响时，中国房地产行业的平均技术效率为0.728，平均纯技术效率为0.809，平均规模效率为0.900。其中，6个省（天津、上海、江苏、浙江、西藏、宁夏）处于技术效率前沿，其他各省则面临不同的技术效率改进空间。除湖北、内蒙古、重庆、河南、新疆以外，其他各省的纯技术效率均低于规模效率，也就是说代表决策与管理水平的纯技术效率不高是制约中国大多数省份房地产行业效率提升的主要因素。
　　2.SFA估计结果。由第一阶段可得出样本各投入变量的松弛量（射线加上非射线的），将其作为函数的被解释变量，将政府支持力度、地区房地产行业市场结构和规模经济状态、地区市场化水平、地区经济发展水平作为解释变量进行SFA回归分析。结果如表2所示。
　　由表2可知，每个似然比LR都通过5%的显著性检验，即表明混合误差项中存在技术非效率，因此，使用SFA分析十分必要[10]。而且λ＝表示技术无效率方差占总方差的比率，每个回归分析都显示γ→1，且显著水平均达到1 ，这说明技术效率存在差异，采用SFA分析是适宜的，并且表明技术无效率对松弛变量的产生具有很大的影响，而随机因素影响很小[11]。
　　由于环境变量是对各投入松弛变量的回归，所以当回归系数为负时，表示增加环境变量有利于投入松弛变量的减少，即有利于减少各投入变量的浪费[11]。
　　（1）政府支持力度：其对资金和从业人员投入松弛变量的回归系数为负，表明加大政府支持力度有利于资金和人力资源的节约，但会造成土地资源的浪费。所以，政府加大对房地产行业的支持的力度并不一定会带来其效率的增长。

　　（2）地区房地产业市场结构和规模经济状态：这一环境变量由企业个数来反映。企业个数的增多会导致资金、人力和土地资源的浪费。这可能由于企业越多小规模企业所占的比重就越大，这会加剧资源的浪费，其值均通过1%的显著性检验。
　　（3）市场化水平：其对占用土地面积松弛变量的回归系数、对资金和从业人数投入的松弛变量的回归系数均为负，且通过显著性检验，表明市场化水平的提高有利于房地产业效率的提高。
　　（4）地区生产总值：其对房地产从业人员数松弛变量和占用土地面积松弛变量的回归系数为负，表明地区生产总值的增加有利于人力资源和土地资源的增加；其对资金投入松弛变量的回归系数为正，表明各地生产总值的增加不利于资金的节约。
　　3.投入调整后的实证结果。根据（4）式进行投入变量的调整，利用Deap2.1再次进行BCC模型运行，可获得第三阶段的各效率值以及规模报酬的状态，运行结果见表3。
　　如表3所示，排除环境变量和统计噪音的影响前后，各地区房地产业各项效率发生显著变化。表1中处于效率前沿的西藏和宁夏效率水平大幅下滑。晋升至效率前沿的则有广东和福建两省，说明这两个地区的房地产行业在剥离环境因素和统计噪音的同质环境下经营是高效的。房地产行业的平均技术效率由0.728下降为0.603，平均规模效率从0.900下降到0.832，而平均纯技术效率由0.809下降到0.688。大多数地区的综合技术效率出现大幅下降，且大多地区的综合技术效率下降主要是由于纯技术效率下降导致的。也就是说，客观上纯技术效率不高是制约中国大多数省份地产行业效率提升的主要因素。有些省（市），如北京、福建、辽宁的纯技术效率值大幅上升，说明这个地区之前较低的技术效率确实有部分是由于比较差的环境或不好的运气所致，而非它的技术管理水平差。而部分地区，如内蒙古、宁夏等的纯技术效率值大幅下降，表明它们之前的高效率与它们所处的有利环境和好运密切相关，它们的技术管理水平并没有看上去那么高。
　　四、中国各省房地产行业投入产出变量的松弛程度分析
　　因为第三阶段的效率值更趋客观真实，效率改善也应以此为基础。依据第三阶段DEA分析结果，按照投入（产出）变量松弛程度=投入（产出）松弛变量÷原投入（产出）量，可以得出2008年我国房地产行业DEA非有效地区各投入变量和产出变量的松弛程度，如表4所示。
　　1.从投入方面看，北京、河北、山西、内蒙古、黑龙江、湖北、重庆、四川等处于经济加速成长阶段[12]的省份资金投入额和占用土地面积两项指标的投入冗余较为严重，而河南、广西、海南、甘肃、宁夏、新疆等经济尚处在起飞阶段[12]的省份劳动力投入冗余较为严重，或者说这些地区人员的专业素质不高、工作效率低下。而北京、河北、山西、内蒙古、黑龙江、湖北、重庆、四川等地在2008年资金投入额和占用土地面积的松弛变量均比河南、广西、海南、甘肃、宁夏、新疆等地要高，尤其是在完成投资额方面，表明这些地区的房地产业存在着投资过热的问题。
　　2.从产出方面看，处于经济加速成长阶段的省份和处于经济起飞阶段的省份均存在房屋销售额不足的情况，但北京、山东、湖北、重庆等处于经济加速成长阶段的省份更为严重。这说明我国房地产业房屋销售额存在不足。由于竣工面积除内蒙古、河南、宁夏有稍微不足外，其他省份均无不足，这说明房屋在从竣工到销售成功这个环节上出了问题。由于我国普遍房价较高，因此我国房地产业存在房屋滞销的情况，经济加速成长阶段的地区这一问题尤为严重。
　　五、小结与改进策略分析
　　通过以上分析，结合我国房地产业现状，提高房地产业的效率就是要在政府的监督与宏观政策的调控下，从行业的内部投入与产出情况综合分析，逐步调整行业结构，实现整合全行业的资源达到优化配置的状态。具体的策略有以下几个方面。
　　1.加快结构调整的步伐，合理进行房地产开发项目定位。由以上数据分析知道，我国房地产业总体上存在房屋滞销的情况，尤其是北京等经济加速成长的地区。房地产开发商要在政府政策的调控下，在市场信号的引导下，充分考虑消费者的实际需求，加大对中、低档房地产项目的开发，限制或控制高档商品房、写字楼和别墅的开发。
　　2.对于经济处于起飞阶段的地区，可以通过提升房地产企业的管理水平和建立房地产企业间的联盟的方法，提高其资源利用水平，以使现有资源发挥最大效用。房地产企业之间通过建立联盟可以降低市场风险，实现优势互补，整合企业之间的资源，以提高资源的利用效率。
　　3.重塑房地产市场监管体制。由第三阶段DEA分析结果表明，我国房地产市场总体上已处于规模收益递减阶段，需要重塑房地产市场监管体制，防止房地产业的过快过热发展。房地产市场监管体制的有效性和规范性，是决定房地产市场持续稳定健康发展的基础[13]。
　　4.完善房地产业专业人才的培养体系。对于经济处于起飞阶段的地区尤其要注意人才的培养，这是因为这些地区的从业人员冗余相对经济加速成长地区更为严重。从某种程度上讲，人员专业化程度不高，已经成为制约房地产企业成长与成熟的重要因素之一。因此，要完善房地产从业人员的培养，提高房地产业从业人员的素质，尤其是要提高不发达地区的从业人员素质。
　　5.加快房地产信息化建设，加强投资引导。研究表明，现阶段我国房地产业存在销售不畅、投资额冗余的现象，而信息分散、信息失真是导致其产生的重要原因。因此，应加强房地产信息化建设。国家主管部门应着手建设全国的房地产管理信息系统，尽快建立起公开、透明、高效的房地产信息市场，为国家宏观管理和发展商投资提供服务。
　　
　　参考文献：
　　[1] 国家统计局.中国统计年鉴[K].2009.
　　[2] 陈守东，马辉.中国房地产业投资与经济增长的实证研究[J].未来与发展，2006，（5）：15-19.
　　[3] 国家统计局综合司课题组.关于房地产对国民经济影响的初步分析[J].管理世界，2005，（11）：30-33.
　　[4] 李启明.论中国房地产业与国民经济的关系[J].中国房地产，2002，（6）：13-16.
　　[5] 洪佳娣.中国房地产业与国民经济增长的互动关系研究――基于四个直辖市数据[D].上海：上海师范大学，2010.
　　[6] 张志红，王翠春.房地产上市公司的ANOVA分析[J].山东经济，2010，（4）.
　　[7] 王亚东，安立仁.我国房地产业的实证研究[J].西安邮电学院学报，2009，（2）.
　　[8] Coelli， The dominance of inefficiencies over scale and product mix economic in banking[J]. Monetary Economics，18：117-148.
　　[9] H.O.Fried . A counting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of productivity analysis， 2002，（1）：171.
　　[10] Subal C Kumbhakar & Knox Lovell C A . Stochastic Frontier Analysis[M]. Cambridge University Press，2000：5-15.
　　[11] Meeusen W，&J van den Broeck. Efficiency estimation from cobb-douglas production functions with composed error[J]. International Economic Review，1997，6（1）：21-37.
　　[12] 周三多，陈传明，鲁明泓.管理学――原理与方法[M].上海：复旦大学出版社，2009：6.
　　[13] 骆方义，陈恩虎.关注金融和房地产改革对中国经济体制改革的影响和具体措施以及产业转移和升级的办法[J].网络财富，2010，（2）.

转载注明来源:https://www.xzbu.com/2/view-394446.htm