崔慶飛
(河北工程大學,經濟管理學院,河北邯鄲,056038)
房地產投資環境是一個復雜的綜合系統,受到經濟、文化、自然條件、基礎環境等外界因素的制約和影響[1-2]。作為企業來說,面對影響房地產投資的諸多因素指標,如何在進行房地產投資的過程中獲得利潤的最大化,需要管理者對房地產投資環境進行初步的評價,對不同地域房地產投資環境有一定的認識和理解。傳統的房地產投資環境評價方法有很多,例如:灰色系統理論[3],未確知數學[4],層次分析法[5],主成分分析法[6]等。本文運用主成分分析方法對房地產投資環境的指標進行降維處理,確定包含眾多指標因素的主成分。為了消除權重分配上的主觀性,利用熵權法給定多層次影響指標因素的權重,并進行綜合評價[7]。
影響房地產項目投資環境的因素指標眾多,本文在參考文獻[8-10]的基礎上,對影響房地產投資環境指標分為經濟環境,市場環境,基礎設施,社會環境四個一級指標和26個二級指標。根據各城市《年度統計公報》、《中國統計年鑒》和《中國城市統計年鑒》提取東部沿海12個省會和直轄市的2012年的統計數據為例進行分析說明。指標體系如表1。
對獲得的原始數據應用spss17.0軟件進行主成分分析得到主成分載荷矩陣(表2),特征值和方差貢獻率(表3),主成分得分矩陣(表4),由表3可知前五個主成分的方差累計貢獻率≥85%,根據本文實際取五個主成分[11]。
對主成分分析進行說明,通過表2主成分荷載矩陣可以看出第一主成分與生產總值、實際利用外資、人均GDP、城鎮人均可支配收入、城市居民人均消費支出、出口總額、生產總值增長率、房地產開發投資額、居住用地、房屋建筑施工面積、房屋建筑竣工面積、城鄉居民儲蓄額、人均教育投資額、人均生活用電量、人均電信業務總量、區域人口數量、人口密度、房地產平均銷售價格的指標高度相關,反應著城市的整體經濟環境水平。第二主成分與人均教育投資額、人均生活用電量、區域人口數量、每萬人醫療床位數、城市人均住宅面積的指標高度相關,反應著城市人口以及人均經濟利益。第三主成分與人口密度、建成區綠化覆蓋率、每萬人擁有公交高度相關。第四主成分與人均城市道路面積高度相關。第五主成分與居住用地、人均郵政業務總量高度相關。后三個主成分可以理解為反應著基礎設施環境的基本情況。由此可知前五個主成分基本上概況了所有的評價指標,通過降維起到了簡化指標的作用。

表1指標體系Tab.1 Index system

表2主成分荷載Tab.2 Principal component loads

表3主成分的特征值和方差貢獻率Tab.3 The characteristic value and variance contribution ratio of the principal components

表4主成分得分矩陣Tab.4 Principal component score matrix

表5主成分的權重Tab.5 The weight of the principal component
根據表2得到的主成分的載荷矩陣,用里邊的數值分別除以相應主成分的特征值(表3)的開方得到特征向量矩陣,也就是主成分表達式的系數,然后將特征向量與標準化后的數值相乘得到主成分得分矩陣(表4)。
將得到的主成分得分矩陣運用熵權計算方法進行計算[12-15],我們可以得到五大主成分的熵權(表5)和12個城市房地產投資環境評價的綜合得分(表6)。

表6房地產投資環境評價的綜合得分Tab.6 Real estate investment environment evaluation score

表7方差貢獻率確定的權重Tab.7 Variance contribution rate to determine weight
從表6的排名以2012年統計年鑒數據為準來看,基本符合現實情況的一個排名。
我們以五大主成分的方差貢獻率整合得到主成分權重(表7)和主成分綜合得分(表8)。

表8主成分綜合得分Tab.8 Principal component comprehensive score
表8的綜合得分就是各個城市房地產投資環境的得分,以此得出排名。
通過熵權和方差貢獻率兩種不同賦權方法得到的綜合排名表6和表8,排名基本上一致,所以我們利用主成分分析法對指標進行降維然后用信息熵進行賦權進行綜合評價切實可行的,并能保證信息完備。
[1]王明,何亞伯,陳玉梅.基于FAHP的房地產投資環境分析[J].建筑經濟,2007,7:84-86.
[2]張亞江,王靜宇.房地產投資環境的多層次灰色評價[J].煤炭技術,2007,26(11):114 -117.
[3]王紅強,林知炎,張英婕.基于灰色系統理論的房地產投資環境分析方法[J].同濟大學學報:自然科學版,2005,33(3):423 -426.
[4]周書敬,吳春花,張洪亮.基于未確知測度的房地產投資環境綜合評價[J].商場現代化,2006,5(466):235-236.
[5]蘭肇華,鄧志維.基于層次分析法的房地產投資環境比較分析[J].統計與決策,2006,8:27-28.
[6]宋桂杰,田小娟.基于主成分分析法的房地產投資環境分析[J].揚州大學學報:自然科學版,2006,9(4):69-72.
[7]周宇峰,魏法杰.基于相對熵的多屬性決策組合賦權方法[J].運籌與管理,2006,15(5):48-53.
[8]周書敬,李彥蒼.房地產投資分析方法及應用[M].北京:兵器工業出版社,2013.
[9]李萬慶,李 錚.基于熵權法的PHC管樁承載力組合預測[J].河北工程大學學報:自然科學版,2011,28(1):64-67.
[10]周 鵬,張 紅,謝 娜,等.基于主成分分析和德菲爾法的房地產投資環境綜合評價體系[J].中國土地科學,2010,24(12):58-63.
[11]何曉群.多元統計分析[M].北京.中國人民大學出版社,2012.
[12]萬俊,邢煥革,張曉暉.基于熵理論的多屬性群決策專家權重的調整算法[J].控制與決策,2010,25(6):907-910.
[13]王明權,王金達,劉景雙.基于主成分分析與熵權的吉林西部生態承載力演變[J].中國科學院研究生院學報,2008,25(6):764 -770.
[14]代穩,張美竹,秦趣.基于主成分分析和熵權的六盤水水資源安全演變[J].節水灌溉,2013,7:45-52.
[15]王飛,陳鮮閣.基于熵的灰關聯模型在工程評標中的應用[J].河北工程大學學報:自然科學版,2013,30(1):103-106.