我國房地產(chǎn)市場績效研究

王惠穎

(北京物資學院物流學院 北京 101149)

?

我國房地產(chǎn)市場績效研究

王惠穎

(北京物資學院物流學院 北京 101149)

近幾年，隨著經(jīng)濟的快速發(fā)展，在城市化和現(xiàn)代化的進程中，人口流動的頻繁，房地產(chǎn)得到迅猛發(fā)展，房價引起越來越多人關注，也直接牽動著人民生活水平。另外，房地產(chǎn)業(yè)在我國的國內(nèi)生產(chǎn)總值中占據(jù)重要比重，因此我國房地產(chǎn)的績效水平研究具有重要的現(xiàn)實意義。

房地產(chǎn)業(yè)；市場績效；因子分析

一、緒論

目前，對于我國房地產(chǎn)業(yè)市場結構、效率與績效關系進行實證研究的文獻較少，徐健利用SCP范式對我國房地產(chǎn)業(yè)現(xiàn)狀進行了分析，認為我國房地產(chǎn)市場集中度較低，資源配置效率較低，規(guī)模不經(jīng)濟。常磊對我國房地產(chǎn)業(yè)市場結構、房地產(chǎn)企業(yè)行為以及市場績效都進行了研究，從加快城鎮(zhèn)住宅建設、拉動國民經(jīng)濟增長、加速住宅市場化進程、改善居民家庭財產(chǎn)結構、促進城鄉(xiāng)居民就業(yè)等方面衡量房地產(chǎn)業(yè)市場績效，并指出我國房地產(chǎn)業(yè)存在的問題。丁威基于scp范式對鄭州市房地產(chǎn)業(yè)的市場結構、企業(yè)行為和市場績效進行了研究，發(fā)現(xiàn)鄭州市房地產(chǎn)業(yè)市場結構的不合理，屬于多頭壟斷市場，其各個區(qū)域屬于寡頭壟斷，房地產(chǎn)市場壟斷行為較為嚴重，導致鄭州市房地產(chǎn)業(yè)的利潤率較高、資源配置效率低下。楊艷琳，李麗從市場集中度與市場績效的理論出發(fā)對中國房地產(chǎn)業(yè)的市場集中度及市場績效進行分析，發(fā)現(xiàn)中國房地產(chǎn)業(yè)市場集中度與產(chǎn)業(yè)利潤率之間呈負相關關系、與市場績效呈現(xiàn)正相關關系，并從利潤率、高房價與高房屋空置率、房價收入比較高等方面衡量房地產(chǎn)業(yè)市場績效。

二、房地產(chǎn)市場績效實證研究

(一)因子分析的基本原理

因子分析是利用降維的思想，把一些錯綜復雜的變量歸結為少數(shù)幾個綜合因子的統(tǒng)計分析方法。因子分析以最少的信息丟失為前提，將眾多的原有變量綜合成較少的幾個綜合指標。通常，因子有以下幾個特點：(1)因子個數(shù)遠遠少于原有變量的個數(shù)。(2)因子能夠反映原有變量的絕大部分信息。(3)因子之間的線性關系不顯著。(4)因子具有命名解釋性。

因子分析的一般模型為：設p個可以觀測的指標為X1,X2…,Xp，m個不可觀測的因子為F1,F2….Fm，則因子分析模型描述如下：X1=a11F1+a12F1+….a1mFm+＄1；X1=a11F1+a12F1+….a1mFm+＄2；XP=ap1F1+ap2F1+….a1mFm+＄p也可以用矩陣的形式表示為：X=AF+＄其中：m

(二)因子分析的具體應用

1.數(shù)據(jù)的采集與整理

本文通過搜集我國31個省市為研究對象，選取影響房地產(chǎn)市場發(fā)展的主要指標，利用統(tǒng)計軟件對原始數(shù)據(jù)進行相應分析，提取有代表性的指標，計算因子得分，分析影響我國房地產(chǎn)市場的主要因素，并提出相關的建議與對策。根據(jù)遵循科學性原則、系統(tǒng)性原則、可操作性原則和有效性原則選取了15個指標：1、企業(yè)個數(shù)2、本年完成投資額3、本年資金來源合計4、本年購置土地面積：5、房屋施工面積6、新開工面積7、商品房屋竣工面積8、商品房銷售額9、商品房銷售面積10、企業(yè)利潤總額11、企業(yè)經(jīng)營收入12、企業(yè)所有者權益13、從業(yè)人數(shù)14、房屋銷售價格

2.相關性檢驗

相關性矩陣X1X2X3X4X5X6X7X8X9X10X11X12X13X14相關X11.0000.9410.8930.7810.9560.9420.9370.9200.9120.5660.8740.7270.9570.133X20.9411.0000.9740.8130.9410.9010.9210.9550.8660.6150.9240.8260.8990.275X30.8930.9741.0000.7720.8810.8360.8770.9690.8070.7180.9730.8910.8620.410X40.7810.8130.7721.0000.8540.8470.8220.7570.8340.2970.7130.6300.764-0.079X50.9560.9410.8810.8541.0000.9790.9600.9070.9640.4710.8330.7050.947-0.004X60.9420.9010.8360.8470.9791.0000.9450.8810.9790.4300.7920.6510.951-0.077X70.9370.9210.8770.8220.9600.9451.0000.8810.9300.4840.8420.7590.9090.068X80.9200.9550.9690.7570.9070.8810.8811.0000.8650.7540.9630.8160.9110.311X90.9120.8660.8070.8340.9640.9790.9300.8651.0000.4430.7680.6250.953-0.111X100.5660.6150.7180.2970.4710.4300.4840.7540.4431.0000.7930.6270.5810.635X110.8740.9240.9730.7130.8330.7920.8420.9630.7680.7931.0000.8560.8420.459X120.7270.8260.8910.6300.7050.6510.7590.8160.6250.6270.8561.0000.7010.466X130.9570.8990.8620.7640.9470.9510.9090.9110.9530.5810.8420.7011.0000.088X140.1330.2750.410-0.079-0.004-0.0770.0680.311-0.1110.6350.4590.4660.0881.000

3.KMO檢驗與Bartlett檢驗確定是否適合做因子分析

KMO與Bartlett檢定Kaiser-Meyer-Olkin測量取樣適當性。0.867Bartlett的球形檢定大約卡方901.091df91顯著性0.000

Kaiser給出的KMO做因子分析的標準為：0.9以上表示非常適合；0.8與0.9之間表示適合；0.7表示一般；0.6表示不太適合；0.5以下表示很不適合。上圖表明KMO統(tǒng)計量取值為0.867，故檢驗通過。同時巴特利特球度檢驗統(tǒng)計量的觀測值為901.091，相伴概率為0.000，小于顯著水平0.05，則應拒絕原假設，認為相關系數(shù)矩陣與單位矩陣有顯著差異。所以球形檢驗通過，所選變量適合做因子分析。

4.公共因子分析

因子分析中的變量共同度公因子方差Communalities起始擷取X11.0000.937X21.0000.958X31.0000.976X41.0000.792X51.0000.983X61.0000.979X71.0000.934X81.0000.968X91.0000.959X101.0000.806X111.0000.967X121.0000.786X131.0000.921X141.0000.917擷取方法:主體元件分析。

圖形的第一列數(shù)據(jù)是因子分析初始解下的變量的共同度，如果對原有的變量采取主成分分析方法提取所有特征值，那么原有變量的所有方差都可被解釋，變量的共同度均為1.因為因子個數(shù)小于原有變量的個數(shù)是因子分析的目標，所以不可提取全部特征值。第二列數(shù)據(jù)是在按指定提取條件提取特征值時的變量共同度?？梢钥吹匠吮灸曩徶猛恋孛娣e、企業(yè)利潤總額和企業(yè)所有者權益的共同度為0.792、0.806、0.786，其他的共同度都在90%以上，因此，這四個公共因子對各變量的解釋能力是比較強的。采用因子分析房地產(chǎn)市場績效的效果是比較好的。

5.解釋總方差

解釋的總方差元件起始特徵值擷取平方和載入循環(huán)平方和載入總計變異的%累加%總計變異的%累加%總計變異的%累加%110.97178.36278.36210.97178.36278.3629.39967.13467.13421.91313.66692.0281.91313.66692.0283.48524.89392.028擷取方法:主體元件分析。

因子載荷是公共因子與指標變量之間的相關系數(shù)，載荷越大，說明公共因子與指標變量之間的關系越密切。在確定公共因子個數(shù)時，先選擇與原變量數(shù)目相等的因子個數(shù)。從圖形可以看出，第一個因子的特征值為10.971，解釋原有14個變量總方差的78.4%，累計方差貢獻率為78.4%；第二個因子的特征值為1.91，解釋原有14個變量總方差的13.7%；累計方差貢獻率為13.7%；這兩個因子共解釋原有變量的方差為92.1%，累計方差貢獻率為92.1%，總體上，原有變量的信息丟失的較少，提取2個因子分析效果較理想；旋轉后總的累計方差貢獻率沒有改變，也就是沒有影響原有變量的共同度，但卻重新分配了各個因子解釋原有變量的方差，改變了各因子的方差貢獻，使得因子更易于理解。因此完全可以采用這二個因子概況原始數(shù)據(jù)對全國31個省市的房地產(chǎn)市場績效做出評價是合的。

6.房地產(chǎn)市場績效計算得分及結果

元件評分係數(shù)矩陣元件12X10.102-0.012X20.0730.055X30.0360.133X40.138-0.119X50.133-0.079X60.146-0.114X70.117-0.047X80.0530.097X90.149-0.123X10-0.0800.318X110.0170.169X120.0000.181X130.108-0.029X14-0.1840.451擷取方法:主體元件分析。轉軸方法:具有Kaiser正規(guī)化的最大變異法。元件評分。

根據(jù)因子得分系數(shù)和原始變量的值可以計算出每個觀測值的各因子的分數(shù)，并可以據(jù)此對觀測值進行下一步的分析。旋轉后的因子得分表達式與計算結果如下：

F1=0.102X1+0.072X2+0.036X3+0.138X4+0.133X5+0.146X6+0.117X7+0.053X8+0.149X9-0.080X10+0.017X11+0.00X12+0.108X13-0.184X14

F2=-0.012X1+0.055X2+0.133X3-0.119X4-0.079X5-0.114X6-0.047X7+0.097X8-0.123X9+0.318X10+0.169X11+0.181X12-0.029X13+0.451X14

由估計出的因子的得分，可以描述我國各省市績效水平，利用因子得分可以從不同的角度對我國各省市房地產(chǎn)市場績效水平進行比較分析。為了對我國各省市房地產(chǎn)業(yè)市場績效進行評價，現(xiàn)利用各省市因子得分表計算綜合得分，各省市房地產(chǎn)市場績效的獲取是基于總方差分解表中旋轉后各因子的方差貢獻率及計算所得的上市公司各因得分。

所得，其具體計算公式為：

綜合成績=(78.362%*F1+13.666%*F2)/92.028%

三、房地產(chǎn)市場績效的綜合得分分析

1.通過因子分析法得到31個省(市)房地產(chǎn)市場績效的2項因子得分及綜合得分，按照綜合得分從高到低排名如表所示。綜合得分越高，表明其市場績效水平越好。綜合得分為零或者負值，并不代表其績效水平為負，這里僅是將各省市的平均績效水平作為零點。

2.總的來說，我國房地產(chǎn)市場績效跟經(jīng)濟水平有很大關系，沿海東部省市績效水平靠前，經(jīng)濟發(fā)展落后的西部地區(qū)績效水平相對較差：江蘇、廣東2省績效水平較高：山東、上海、浙江、北京、遼寧、四川、重慶、河南、安徽9省績效水平較差：湖南、湖北、河北、內(nèi)蒙古、福建、江西、廣西、天津、吉林、黑龍江、云南、陜西12省績效水平差：山西、貴州、甘肅、新疆、寧夏、海南、青海、西藏8省績效水平更差。

3.我國房地產(chǎn)市場各省市發(fā)展不平衡，績效最好的與績效最差的省市之間的綜合得分差距為3.12。廣東、江蘇、浙江、山東、上海這些長江三角、珠江三角洲經(jīng)濟發(fā)達的省市房地產(chǎn)市場績效水平較高，而青海、西藏、寧夏、甘肅、新疆這些經(jīng)濟欠發(fā)達的省市房地產(chǎn)市場相對較差，特別是西藏、青海這三年來房地產(chǎn)績效都居于最后兩位。主要是經(jīng)濟發(fā)達地區(qū)房地產(chǎn)業(yè)起步比較早，大型房地產(chǎn)企業(yè)比較多，投資規(guī)模比較大，生產(chǎn)能力和管理水平相對較高.

[1]樊悅晨.我國房地產(chǎn)業(yè)市場績效分析[J].統(tǒng)計與咨詢，2010,3

[2]張紅.房地產(chǎn)經(jīng)濟學[M].北京：清華大學出版社，2005

[3]洪弋浩，黃漢江.房價影響因素理論研究[J].中國經(jīng)貿(mào)導刊，2010，(2):72.