吉林省房地產的經濟效率研究

陳金英，楊青山，張 鵬，劉賀賀

(1.浙江師范大學經濟與管理學院，浙江 金華 321004；2.東北師范大學地理科學學院，吉林 長春 130024；3.哈爾濱師范大學地理科學學院，黑龍江 哈爾濱 150025；4.內蒙古農業大學經濟管理學院，內蒙古 呼和浩特 010019)

吉林省房地產的經濟效率研究

陳金英1，楊青山2，張 鵬3，劉賀賀4

(1.浙江師范大學經濟與管理學院，浙江 金華 321004；2.東北師范大學地理科學學院，吉林 長春 130024；3.哈爾濱師范大學地理科學學院，黑龍江 哈爾濱 150025；4.內蒙古農業大學經濟管理學院，內蒙古 呼和浩特 010019)

運用Malmquist指數計算了2000—2012年間吉林省房地產全要素生產率及其構成；運用BCC模型評價了2012年吉林省9市州房地產業發展的相對經濟效率.結果表明：技術進步是促進吉林省房地產全要素生產率增長的主要原因，吉林省房地產業由粗放式的規模增長向依靠技術進步、管理和服務創新轉變；2012年吉林省各市州房地產投入產出效率總體偏低，技術效率差異較大；部分市州數據包絡分析(data envelopment analysis，DEA)無效的原因為存在投入冗余，房地產發展仍處于“高投入，低效率”的粗放型發展模式.

房地產；經濟效率；DEA；Malmquist指數；吉林省

改革開放以來，隨著經濟的快速發展，我國的房地產業發展十分迅速，形成了較為完善的產業鏈，具有較強的外部性.據民生銀行報告指出，每100元的房地產投資大約會為機械設備、金屬產品等行業提供215元的需求，因此，它能夠帶動建筑、裝修等勞動密集型產業的發展以及建材、家電等行業的就業和消費[1].新型城鎮化的提出為房地產業的發展帶來了巨大機遇，房地產業正在成為國民經濟的支柱產業.吉林省是東北老工業基地，房地產業起步較晚，發展速度也較為緩慢，隨著經濟社會的不斷發展，國家和省內政策的宏觀調控，吉林省房地產業在開發規模、投資建設和發展速度上都獲得了較大的發展.2000年，吉林省房地產開發投資額為63.52億元，到2012年已經達到1 310.03億元，增長了近21倍，年均增長率由2000—2005年的25.24%上升為2006—2012年的27.14%；房屋建筑竣工面積由2000年的4 64.81萬m2增加到2012年的6 034.08萬m2，增長了13倍，房地產業已經成為吉林省重要的支柱產業之一.目前全省整體房地產市場發展比較平穩，波動不是很大.但房地產業發展的經濟效率如何，卻是值得研究和探討的問題.而目前關于吉林省房地產業的研究主要集中在宏觀調控政策、信貸支持等對房地產業的影響，尚無對其發展經濟效率的研究.

近幾年來，許多學者都對房地產業的效率評價進行了廣泛深入的研究，內容主要集中在房地產上市公司的績效水平評價上：施金亮等(2006)[2]運用數據包絡分析模型對我國32家房地產上市公司的績效進行了綜合評價，并提出了優化資源配置建議；賀提勝等(2010)[3]運用數據包絡分析方法評價了房地產企業技術創新效率，并分析了其效率低下的產生原因；王堅強等(2010)[4]通過構建Malmquist指數，測算了房地產企業的動態投資效率；丁琦等(2011)[5]通過構建基于DEA-FCE的房地產上市公司績效評價模型，對25家上市公司進行了綜合評價.只有少數文章是關于房地產業的區域效率水平研究，而且都是從全國各省市的角度來進行截面數據的研究：劉蓉(2010)[6]運用超效率DEA模型評價了2007年中國各省市房地產行業的效率水平；趙棪等(2011)[7]運用DEA方法對2009年新疆14個地區的房地產效率進行了評價，等等.本文在此基礎上，考慮了房地產業發展的動態性，利用吉林省2000—2012年13年的房地產業數據，運用Malmquist指數測算了吉林省及各市州這13年的房地產全要素生產率，并運用BCC模型對2012年各市州房地產業發展的相對經濟效率進行了研究和評價，以獲取對吉林省房地產業發展狀況的真實評價.

1 研究方法

數據包絡分析方法(data envelopment analysis，DEA)是著名的運籌學家A.Charnes，W.W.Cooper 和 E.Rhodes 在1978年首次提出的，是用數學規劃模型評價相同類型的評價單元相對有效性的一種非參數統計方法[8]，不受加權、排序等外界人為因素的影響，結果更為客觀可信.其基本思路是根據不同決策單元的投入產出量，確定有效生產前沿面，通過衡量各決策單元與有效生產前沿面的距離，來確定各個決策單元的規模效率和技術效率.

1.1 BCC模型

為區分技術有效性和規模有效性，本研究選取基于投入導向的BCC模型，以規模收益可變為前提，從技術效率T、純技術效率P和規模效率S來反映各決策單元的效率水平，評價其相對有效性.

設有n個獨立的決策單元，每個決策單元都有m個投入指標xij(i=1，2，…，n；j=1，2，…，m)和s個產出指標yir(r=1，2…，s)，則決策單元的效率值用BCC模型表述如下：

(1)

技術效率T、純技術效率P和規模效率S三者之間的數量關系式為T=P×S.

1.2 Malmquist指數

Malmquist指數是基于數據包絡分析方法(DEA)提出的，公式及其分解結論如下.

從t時期到t+1時期，基于投入的全要素生產率(TFP，CTEP)用Malmquist指數表示成：

(2)

按照Fare 等(1994)將Malmquist指數分解為兩個部分，即

(3)

一部分用CE表示，指從t到t+1時期技術效率的變化，也被稱為“追趕效應”或“水平效應”；另一部分用CT表示，指從t到t+1時期，效率前沿面的移動，即技術的進步，也稱為“增長效應”.其中，CE可以繼續分解為純技術效率變化CPTE和規模效率變化CSE兩個部分，因此全要素生產率變化CTFP=CE×CT=CPTE×CSE×CT.

當CTFP>1時，表示全要素生產率呈現增長的趨勢；當CTFP=1時，表示全要素生產率保持不變；當CTFP<1時，則表示全要素生產率呈現下降的趨勢.當技術效率變化指數CE>1時，說明技術效率有所改善；反之說明技術效率降低.技術水平變化指數CT>1時，表示生產技術有進步，反之，則說明生產技術有衰退的趨勢[10].純技術效率變化CPTE指產業經營管理水平等技術手段對生產效率的作用，CPTE>1，表示經營管理水平的提升促進了生產效率的提高；規模效率變化CSE>1表示擴大規模有利于產出的提高.

2 指標選取與數據來源

2.1 決策單元與評價指標的選取

DEA中決策單元的選取必須滿足兩個限制條件：(1)選取的決策單元必須具有相同類型的特征，即可比性；(2)在DEA分析模型中，決策單元的數量至少應為各投入產出指標總數的2倍[11].本文主要研究吉林省房地產發展的經濟效率，因此選取的決策單元為吉林省長春、吉林、四平、遼源、通化、白山、松原、白城、延邊朝鮮族自治州9個城市(州)2000—2012年13年的房地產發展數據.

房地產投入指標的選取主要考慮了房地產的資本投入和人力投入，選取的指標為房地產開發投資額(X1)、房地產從業人員數(X2).房地產的產出主要體現在房地產業創造的GDP上，因此用房地產GDP(Y)作為產出指標來衡量吉林省房地產的產出情況.

2.2 數據來源

本文選取吉林省全省及9市州2000—2012年13年的房地產發展情況為研究樣本，指標數據均來源于2001—2013年的《吉林省統計年鑒》.將選取的各項投入產出指標數據運用DEA分析軟件deap-version 2.1進行運算后，得出了計算結果(見表1—3).

3 實證結果分析

3.1 吉林省全省2000—2010年房地產發展的經濟效率分析

通過DEA分析軟件，采用Malmquist指數方法進行計算，得到了吉林省2000—2012年13年間房地產發展的平均Malmquist指數(CTFP)及其效率構成(見表1).

表1 吉林省2000—2012年房地產平均Malmquist指數及其構成

從表1可以看到2000—2012年吉林省房地產的全要素生產率及其效率構成的變化情況.總體上看，2000—2012年13年間，吉林省房地產的技術效率平均每年降低1.6%，技術進步年均增長10.7%，全要素生產率年均增長9%.由此可見，增長效應是吉林省房地產的全要素生產率增長的主要貢獻因素，追趕效應貢獻不足.同時，房地產業經營管理水平與房地產規模效率對生產效率的帶動能力不強，且二者的帶動作用不同步，規模效率的帶動能力呈現減弱趨勢，純技術帶動呈現提升的趨勢，說明吉林省房地產業發展由粗放式的規模增長向依靠技術進步、管理和服務創新轉變.

從歷年變化情況來看，吉林省房地產全要素生產率的變動值處于0.6～2.91之間，變動幅度較大.從表1可以看出，只有2000—2001年、2006—2007年和2010—2011年吉林省房地產的Malmquist指數小于1，分別下降了39.7%，4.3%和20.8%.其中，2001年和2011年全要素生產率下降幅度較大，其技術效率分別下降了6.4%，9%，而技術水平變化則下降了35.6%，13%，說明全要素生產率的下降主要是由于生產技術的創新不足引起的.2002—2003年，由于政府的宏觀調控以及房地產市場的調節，房地產業的技術水平有了很大的提高，增長了172.9%，技術效率也有所改善，增長了6.4%，顯著提升的增長效應帶來了全要素生產率的快速增長.2009—2010年追趕效應對生產率增長的貢獻很大，技術效率增長了32.4%，技術的進步和房地產規模的擴大均促進了全要素生產率的提高，但由于技術創新不足，下降23.6%，導致全要素生產率的增長幅度較小，僅增長0.9%.這也充分說明影響吉林省房地產業全要素生產率的主要因素為技術進步水平.

為了更好地體現吉林省房地產全要素生產率及其效率構成的變化趨勢，本文以2000年為基期，根據表1中吉林省房地產歷年的技術效率變化、技術水平變化及全要素生產率變化的情況，計算得到了以2000年為基期的各年變化指數，其變化趨勢如圖1所示.

圖1 吉林省房地產全要素生產率及其構成的變化趨勢

從圖1可以看出，吉林省房地產全要素生產率的變化趨勢曲線與技術水平變化趨勢曲線較為一致，可分為兩個階段：2000—2002年，TFP變化指數降低階段，2001年和2002年的變化指數均低于2000年，但2002年比2001年有所提升，與吉林省房地產業發展所處的復蘇階段相吻合；2003—2012年，TFP變化指數上升階段，這一階段的TFP變化指數均遠大于基期年，體現了國家對房地產進行宏觀調控和技術水平變化對吉林省房地產的影響.技術效率變化除了2003年的變化指數位于基期年之上，其他年份均低于基期年，這與前面得出的增長效應是吉林省房地產全要素生產率變化的主要貢獻因素這一結論是相符的.從圖1也可以看出，2000—2005年間，全要素生產率變化趨勢曲線與技術水平變化趨勢曲線基本重合.2005年以后，由于技術效率下降幅度變大，導致全要素生產率的增長率變化幅度低于技術水平變化，但總體上仍呈現上升的趨勢，這說明2005年以后技術效率降低成為制約房地產全要素生產率提高的因素.因此，要想進一步增加全要素生產率，需要采取合理的措施來提高吉林省房地產的技術效率.

3.2 吉林省各市州2000—2012年房地產的經濟效率分析

運用Malmquist指數方法進一步獲取2000—2012年吉林省9市州的平均Malmquist指數及其構成，結果見表2.

從表2可以看出，2000—2012年間，吉林省各市州的房地產全要素生產率基本都處于增長的趨勢，只有四平市的平均Malmquist指數略小于1，全要素生產率下降了0.1%，主要原因是技術效率的下降，以及技術進步未能促進產業管理水平的提高和規模效率的提升.9市州的技術水平變化指數都大于1，呈現出較大的技術進步.從技術效率變化上看，只有遼源市、白城市和延邊朝鮮族自治州大于1，技術效率變化有所提高，其他各市的技術效率變化值均小于1，說明2000—2012年間城市房地產的技術效率是降低的.

表2 吉林省各市州2000—2012年房地產平均Malmquist指數及其構成

遼源市房地產的全要素生產率是全省增長最快的城市，年均增長26.4%；白城市和延邊朝鮮族自治州增長也較快，分別為16.4%和16%，說明這三個市州的房地產發展勢頭較好.從增長原因來看，三市州的技術效率和技術水平均不斷增加，其中技術水平起了較大的作用，年均增長22.6%，10.5%和10.1%.而三市州技術效率提高的原因卻有所不同：遼源市和延邊朝鮮族自治州房地產的純技術效率保持不變，技術效率的提高是由于規模效率增加引起的；白城市則是由于經營管理水平的提高和規模效率的提升共同作用的結果.

長春、吉林、通化、白山和松原的全要素生產率的增長主要是依托技術進步，技術效率則均有所降低，但其降低原因也是有差異的.長春市房地產的純技術效率變化指數大于1，說明管理能力的提高促進了技術效率的改善；規模效率變化指數小于1，年均降低9.6%，是全省降低幅度最大的城市，說明長春市房地產規模的擴大不能夠促進技術效率的提升，應對其規模給予控制.吉林市的純技術效率不變，規模效率變化指數卻有所降低，這說明吉林市的房地產技術效率降低主要是由于規模效率降低引起的.通化市的規模效率變化指數大于1，而純技術效率變化指數下降了9.5%，說明通化市房地產經營管理水平的下降導致了技術效率的降低.白山市和松原市技術效率的降低則是由于純技術效率和規模效率均下降引起的.

如此來看，吉林省各市州房地產全要素生產率的增長主要依賴于技術進步的拉動，其技術效率的降低是制約全要素生產率進一步提升的主要原因.

3.3 2012年吉林省各市州房地產的相對經濟效率評價

為進一步探討并比較吉林省各市州房地產發展效率，本文運用DEA-BCC模型計算了2012年各市州房地產的相對經濟效率，并對其效率現狀及原因進行了分析，結果見表3.

表3 2012年吉林省各市州房地產發展的經濟效率

從表3可以看出2012年吉林省各市州房地產的經濟效率，包括技術效率、純技術效率和規模效率以及各市州房地產的規模收益情況.

總體上來看，吉林省各市州房地產的技術效率的平均值為0.589，相對較低.其中，遼源市和白城市的房地產是DEA有效，即這兩個市的房地產投入產出比例協調，技術效率為1，處于技術效率前沿，規模收益不變，占總體的22.22%.長春、吉林、四平、通化、白山、松原和延邊朝鮮族自治州都是非DEA有效，存在不同程度的投入冗余，面臨不同的技術效率改進空間.其中，長春、吉林的純技術效率為1，規模效率小于1，所占比例為22.22%；四平、通化、白山、松原和延邊朝鮮族自治州的純技術效率和規模效率均小于1，所占比例為55.56%.這表明了吉林省內房地產的投入產出效率總體偏低.

除DEA有效的遼源市和白城市以外，其他7市州的房地產技術效率都不高，差異也較大，最大值為0.698，最小值僅為0.213.按照技術效率由高至低的排序為：吉林、四平、白山、松原、延邊朝鮮族自治州、通化、長春.長春市作為吉林省的省會城市，其經濟發展水平最高，但其房地產技術效率卻最低；吉林市作為吉林省的第二大城市，經濟發展水平僅次于長春市，房地產技術效率為非DEA有效單元中的最大值；通化市經濟水平處于中等，但其技術效率僅略高于長春市；遼源市、白城市經濟發展水平較低，其技術效率均達到了DEA有效，這是由于兩市的總體規模不大，容易達到協調的投入產出比例，屬于低發展水平的經濟有效.以上均表明技術效率的高低與城市(州)的經濟發展水平之間沒有必然的聯系，無規律性可循.

從規模收益來看，僅白山市處于規模收益遞增階段，其他6市(州)處于規模收益遞減階段.四平、通化、松原和延邊朝鮮族自治州的純技術效率均小于規模效率，且四平、通化和延邊朝鮮族自治州的規模效率都接近規模有效，說明其房地產發展已基本實現規模經濟性，不宜再將擴大規模作為提升效率水平的主要手段.而其房地產技術效率較低的原因在于純技術效率低，說明這幾個城市的房地產經營管理能力不足，制約了該城市(州)房地產效率的提升.長春、吉林的純技術效率為1，規模效率均不高，說明其房地產在現有技術水平下，開發規模過大，且長吉兩市房價收入比與其他市州相比較高，市民購房壓力較大，供大于求的現象導致房地產技術效率低.白山市依托長白山國家級自然保護區等旅游資源開發了大量的旅游地產(如萬達長白山國際旅游度假區)，在帶來較大經濟效益的同時，也提升了白山市房地產的整體效率水平，因此，白山市可以通過合理確定房地產開發類型和規模來提升其總體效率水平.

4 結論

本文運用DEA分析方法對2000—2012年13年間吉林省房地產發展的全要素生產率以及2012年吉林省各市州房地產的相對經濟效率進行了分析和研究，得到了以下幾點結論：

(1) 吉林省房地產技術效率總體偏低，區域發展極不均衡，各市州之間的差異較大.遼源、白城的房地產屬于低發展水平的經濟有效，其他部分市州的房地產發展仍處于“高投入，低效率”的粗放型發展模式.

(2) 房地產的技術效率是否有效及其效率高低與吉林省各市州房地產的投入量沒有必然的因果關系，與其經濟發展水平的高低之間不存在規律性聯系.

(3) 科技進步和創新是吉林省房地產業經濟效率提升的核心和動力，吉林省房地產業正逐漸擺脫粗放式的經濟發展方式，向依靠技術進步、管理與服務創新的發展方式轉變，提高科技含量和發展質量.全要素生產率的增長主要依賴于技術進步的拉動，其技術效率變化落后是制約全要素生產率進一步提升的主要原因.

(4) 提升效率的途徑：技術進步是吉林省房地產效率提升的主要影響因素，吉林省房地產業的高效發展，必須以提升技術創新水平為前提；與此同時，長吉兩市應重點控制房地產開發規模，改善房地產開發質量及應用價值，提升其規模效率；白山市應結合自身旅游資源優勢，優化房地產開發結構，以旅游地產為主體，帶動產業的效率提升；其他市州則應從提升房地產業經營管理水平等技術手段方面著手，優化房地產業的開發及資源投入，以實現投入產出合理化.

[1] 蓋國鳳，尹曉旭，徐一然.吉林省房地產業運行狀況分析[J].經濟視角，2011(4)：23-24.

[2] 施金亮，楊俊.數據包絡分析法評價房地產上市公司績效[J].上海大學學報(自然科學版)，2006，12(3)：325-330.

[3] 賀提勝，夏春艷.基于DEA的房地產企業技術創新效率評價[J].合作經濟與科技，2010(4)：20-21.

[4] 王堅強，陽建軍.基于Malmquist指數的房地產企業動態投資效率研究[J].當代經濟管理，2010，32(1)：84-88.

[5] 丁琦，王要武，徐鵬舉.基于DEA-FCE的房地產上市公司績效綜合評價[J].系統管理學報，2011，20(2)：196-201.

[6] 劉蓉.中國各省市房地產行業效率實證研究[J].特區經濟，2010(6)：259-260.

[7] 趙棪，薛蓉娜，毛明，等.基于DEA方法的新疆房地產效率分析[J].科技經濟市場，2011(10)：50-52.

[8] CHARNES A，COOPER W W，PHODES E.Measuring the efficiency of DMU[J].European Journal of Operational Research，1978，2(6)：429-444.

[9] 孟令杰，顧煥章.度量生產率變化的非參數方法[J].數量經濟技術經濟研究，2001(2)：48-51.

[10] 王堅強，陽建軍.基于Malmquist指數的房地產企業動態投資效率研究[J].當代經濟管理，2010，32(1)：84-88.

[11] 齊錫晶，宋明亮，王宏偉，等.中國房地產市場周期波動分析[J].東北大學學報(自然科學版)，2010，31(7)：1039-1042.

(責任編輯：方 林)

Research on economic efficiency of the real estate in Jilin Province

CHEN Jin-ying1，YANG Qing-shan2，ZHANG Peng3，LIU He-he4

(1.College of Economics and Management，Zhejiang Normal University，Jinhua 321004，China；2.College of Geographical Sciences，Northeast Normal University，Changchun 130024 China；3.College of Geographical Sciences，Harbin Normal University，Harbin 150025，China；4.School of Economics and Management，Inner Mongolia Agricultural University，Hohhot 010019，China)

Using the Malmquist index，the paper calculated TFP and its compositions of the real estate industry of Jilin Province during the years 2000—2012；and evaluated relative economic efficiency of real estate development among 9 cities in Jilin Province on 2012 by using the model of BCC.The results show that：during the years 2000—2012，technological progress is the main reason for promoting the TFP growth of real estate industry development in Jilin Province，switching from extensive growth to relying on technological progress，management and service innovation；In 9 cities，the input-output efficiency in 2012 of real estate industry is low in general，and technical efficiency has great differences，no causal relationship with the level of economic development and investment；Redundant investment is the reason of DEA invalid for part of cities in Jilin Province，in which the real estate development is still in the extensive development mode of “high input，low efficiency”.

the real estate industry；economic efficiency；DEA；Malmquist index；Jilin Province

1000-1832(2016)04-0151-07

10.16163/j.cnki.22-1123/n.2016.04.031

2015-10-21

國家自然科學基金資助項目(41271555).

陳金英(1988—)，女，博士，講師，主要從事區域經濟、經濟地理研究.

F 293.3 [學科代碼] 790·4720

A