基于DEA模型房地產業 支柱地位轉變可行性研究

徐康 李錦生

摘要：文章選取我國13個省市2013～2017年房地產行業相關投入產出數據，使用DEA模型和Malmquist指數法測算出各省市綜合效率、技術效率、規模效率及全要素生產率，發現樣本省市房地產行業效率水平普遍較高，房地產行業效率變化模式不同且具有顯著的波動性，全要素生產率的提高主要依賴于技術進步。最后依據房地產行業效率變化和效率大小將13省市劃分為四種類型，分析在每一種類型下房地產行業發展特征，從而做出各地是否有轉變其支柱性產業的可能性研究。

關鍵詞：房地產業;支柱性產業轉變;DEA模型;Malmquist指數法

一、引言

改革開放以來，我國房地產行業整體而言發展較為迅猛，房地產行業作為我國大部分省份支柱性產業，其對經濟的貢獻不容小覷。房地產不僅可以推動當地土地和房屋資源的開發、建設、經營及管理等相關經濟活動的發展，以避免資源閑置造成浪費，而且還會推動中間產業的發展如鋼鐵、化工、玻璃及水泥行業的發展，甚至會刺激當地能源行業發展如電力、煤炭、石油及天然氣等。從這一系列產業發展路徑來看，房地產行業的發展會對當地經濟建設產生較為深遠的影響。

房地產業會帶動其他相關產業的發展，有效推動當地經濟增長。但是一個地區或國家的經濟要獲得持續、健康發展，依賴于房地產業是不可能的，美國爆發的次貸危機以及日本房地產行業泡沫的破滅已充分說明這一點。況且我國目前正在實施中國2025發展戰略，如果還是單純依靠房地產行業帶動其相關產業發展，傳統的粗放型經濟發展模式不可能轉變為集約型經濟發展模式，大力發展戰略性新興產業就無從談起，實現產業結構優化升級最終只會是一紙空文。

由于各地區的經濟發展水平不同、產業結構狀況差異、房地產行業的效率區別，房地產行業的發展會對地方經濟產生不同的效應，可否繼續將房地產業作為地區經濟的支柱產業不應一概而論。因此本文結合地區經濟發展水平、產業結構狀況：通過實證研究13個省市房地產業的效率水平，分析房地產業的發展是否仍具有經濟增長的支柱地位屬性，是否可以繼續作為本地區經濟發展引擎，避免貽誤轉型發展時機，為保證地區經濟又好又快可持續發展提供政策參考。

二、國內外文獻綜述

（一）國內文獻綜述

我國學者對房地產業效率研究普遍較為關注，但有關房地產行業的研究文獻大多數聚焦于房地產投資的微觀主體，并且為了考慮數據的可獲得而選擇上市公司作為研究對象。如，楊飛（2012）分析限購政策對房地產行業發展的影響主要通過托賓Q和利潤率兩個指標進行研究：對于西部房地產行業效率水平的研究，李斌（2007）選取24家房地產企業分析2015年發展情況，而唐曉華和邱煜（2013）卻只選取13家房地產企業作為研究對象。柳力超（2015）通過使用DEA—Tobit模型研究房地產投資效率在各省之間的差距，實證研究發現東部地區效率較高，經濟水平和行業發展水平會影響效率。羅邁（2014）通過選取我國35個大中城市作為研究對象從經濟適用房和土地供給角度分析房地產行業效率情況，得出我國房地產行業投入效率水平普遍較低，且大多數城市房地產行業是無效率的。

（二）國外文獻綜述

Coulson從土地的供求機制出發研究了土地市場三種典型模式與房地產行業的互動關系，分析結果表明閑置與過度需求模式能有效促進房地產市場的運行。R.Amot所得出的結論卻有些不同，他的結論是市場均衡的假設條件發生變化后，房地產行業內部投入產出效率也將發生變化。J.M.Quigley選取41個城市作為樣本，分析了房地產行業發展狀況，研究結果得出每年開工數量和房屋空置率會影響房地產市場的運行，并提出了住宅選址、城市住宅供需等理論。

本文在查閱有關房地產行業效率研究的文獻后，結合我國實際國情選取可以代表房地產行業發展情況的投入產出指標，通過采用DEA模型和Malmquist指數法實證分析2013～2017年13省市的效率大小以及效率每年變動情況，并將這些省市效率大小與效率變化情況進行對比分析，討論各省份房地產行業發展特征以及接下來的發展戰略，為各省市轉變支柱性房地產行業及產業優化升級提供參考依據。

三、研究設計

（一）研究方法

1. 數據包絡分析（data envelopment analysis，DEA）是基于多項投入指標與產出指標，采用線性規劃的方法對具有同類型可比單位進行相對有效性研究的數量分析方法。DEA方法是美國著名運籌學家A.Charnes和W.W.Cooper在1978年首次提出，迄今為止DEA模型在各行各業效率的評價與分析中得到充分的運用。

2. 曼奎斯特指數模型（Malmquist index）最初是由Malmquist在1953年提出，Caves、Christensen和Diewert在1982年將Malmquist指數模型應用于生產效率變化的測算和分析中，這一分析工具在當時的學術界引發極大的反響，但在隨后較長的一段時間內，有關該模型的實證分析卻并不多見。一直到1994年，RolfFare等人將這一理論的非線性規劃法與數據包絡分析法理論相結合，這才使得Malmquist指數模型再一次煥發生機。

（二）研究對象

本文選取13個省市作為樣本研究對象，所選省市為全國GDP排名前13的省市。樣本選取主要有如下考慮：第一，這些區域在全國政治、經濟、文化等社會活動中居于重要地位，它們的綜合實力以及空間輻射帶動力在全國范圍內都是領先的;第二，樣本省市基本分布在不同的區域環境中，也具有一定的代表性;第三，這些地區的經濟發展水平以及房地產行業發展水平較高，具有一定的可比性;第四，這些區域的房地產行業數據統計較為完備，易于獲取從而便于研究。

（三）指標選取和數據來源

考慮到投入產出指標的選取與效率評價準確性密切相關，因此嚴格遵循指標選取的科學性、可行性、代表性、一致性原則，同時還需考慮到數據獲取的難易程度和可信度。產出指標選取：房地產業主營業務收入、房地產業總產值，投入指標選取：以房地產業年末從業人員數作為勞動力資本投入、以國內貸款作為房地產業資金投入、以房地產購置土地面積作為房地產業土地資本投入。本文所選擇指標的相關數據來源于各省市的統計年鑒以及國家統計局官網所公布的數據。

四、實證結果分析

（一）各省市房地產行業發展效率分析

本文所得到的綜合效率是指房地產行業生產資源的投入與其產出之間的比例關系，采用DEA模型對2013～2017年13個省市的投入產出指標數據進行測算，結果如表1所示。為了保證房地產行業效率的準確性，排除偶然因素對其影響，采用各年份房地產行業總效率的平均值作為排名并加以分析。從各省市的效率排名中，可以看出江蘇、廣東、上海、以及河北這四個省市房地產平均綜合效率均為1，排名并列第一，達到了最優狀態。浙江、山東、河南、安徽這四個省房地產平均綜合效率均分布于（0.9，1）的區間內，處于較為有效狀態。四川和福建這兩個省份綜合效率處于0.8至0.9之間，處于良好狀態，其他省市則處于無效率狀態。

如圖1所示，根據測算出的五年平均技術效率值與規模效率值，以0.9作為效率值的臨界點將樣本省市歸納為四種類型。技術效率主導的樣本省市有江蘇、廣東、浙江、上海及河北，這類省市處于技術效率前緣。規模效率主導的樣本省市有江蘇、廣東、上海及河北，這類省市處于規模效率前緣。江蘇、浙江、上海、廣東等八個樣本省市處于技術效率和規模效率都較好的狀態，房地產行業發展水平較高。大部分省市的規模效率還未達到有效率狀態，因此這類省市應加大對本地區房地產資源的投入，從而盡快達到資源的合理配置。而對于那些技術效率還未達到有效狀態的省市，應提高房地產行業運營管理能力，努力通過迅捷的信息體系與擁有先進房地產技術水平的區域增強交流，通過網絡技術和大數據提高房地產業管理水平。

（二）各省市房地產行業全要素生產率分析

房地產行業效率演化特征。表2和表3展示Malmquist指數模型對樣本省市全要素生產率的分析結果。總體看來，13個樣本省市的平均房地產行業效率表現出波動性變化，2014～2015年波動幅度最大，房地產行業年平均增長率為7%。從表2可看出技術進步平均增長率7.2%，技術效率變化、純技術效率變化以及規模效率變化增長幅度較小。

對于省市類型的劃分。根據房地產行業綜合效率和全要素生產率將房地產區域效率劃分為四種類型，橫軸代表房地產業效率大小，縱軸代表房地產業效率變動情況。由表1可知區域房地產業效率的平均值為0.916，以此作為橫坐標效率大小的臨界值。房地產業效率值大于1表示效率提高，但若效率值小于1，則表示效率下降，因此以1作為縱坐標效率變動的臨界值。將樣本省市按房地產行業效率狀態分為四種類型，如圖2表示。

第一種類型：房地產業效率高，銷量增長快。位于第一種類型的省市具有綜合效率較高，效率增長較快的特征，該類省市房地產行業擁有較好的產業結構與發展活力。這些區域應當繼續優化房地產行業產業結構，并注重產業的優化升級，提高房地產行業資源利用效率，加快經濟結構優化轉型。

第二種類型：房地產效率低，效率增長快。位于該類型的區域有湖北、湖南、福建、四川及北京，具有綜合效率低，但房地產效率增長速度快的特征，房地產業的發展可給當地帶來良好的經濟效益。其中北京和湖南的房地產行業效率最低，但這兩地區卻有本質的不同。北京房地產行業產業基礎在全國來說也是居于領先地位，對于出現綜合效率低情況的分析，可與其經濟結構較為相似的上海進行對比。通過比較兩者投入產出指標數據可發現，北京房地產行業在人力資本、土地資本以及資金投入上遠遠超過上海的投入力度，但北京房地產行業主營業務收入與總產值卻與上海的產出數值相當，說明北京雖然技術水平較高，但北京資源配置不合理，造成資源效率失衡，無法將原本應投入高新技術產業的資源合理配置，從而無法優化北京產業結構，實現經濟的更高效轉型升級。但湖南卻并非如此，湖南的房地產行業產業基礎與其他省市相比較為薄弱，房地產行業的投入和收益都較少，此類區域在發展過程中要不斷提高管理水平，合理配置房地產行業資源，探索潛在的房地產行業市場價值，實現房地產行業投入產出效率的優化。

第三種類型：房地產行業效率低，效率增長緩慢。本文所研究的樣本省市沒有處于該類型之下的區域，所以不做過多的分析。

第四種類型：房地產行業效率高，增長速度較慢，目前來說是比較好的房地產發展狀態，該區域不必再將過多的資源投入到房地產行業，畢竟真正能夠推動經濟發展的還是高新技術產業。在所研究的一些省市中，安徽目前達到這樣一個狀態，因此安徽應將今后的發展重點轉移到戰略性新興產業，以高新技術產業作為替代房地產業發展經濟的新引擎。

五、結論

本文通過DEA模型測算13個省市房地產行業產業效率，經實證研究發現：第一，在所測算的大部分省市中房地產行業效率水平整體較高;第二，江蘇、浙江及上海等沿海區域技術效率和規模效率都處于效率前緣，此類省市擁有較好的地理優勢和經濟優勢;第三，通過Malmquist指數法測算樣本省市全要素生產率，可將其劃分為四種類型，大部分省市屬于效率高增長快以及效率低增長快兩大類型。

（一）高效率、高增長效率模式

對于該種模式下的房地產業，房地產業效率較高，同時行業增長效率也很高，是一種較好的房地產發展模式，對于擁有這種房地產行業效率的區域，其經濟發展有更多選擇的可能。選擇一是繼續以房地產業作為本區域的支柱性產業，以房地產業帶動相關產業的發展。但其結果可能會變成第二個“北京”，由于區域資源過度投放到房地產行業，造成資源效率失衡，無法將原本應投入高新技術產業的資源合理配置，從而無法優化本地產業結構，實現經濟的更高效轉型升級。選擇二是將房地產的投入和產出規模維持當前效率水平，將其他社會資源逐步向高新技術產業轉移，逐步轉變傳統經濟較依賴房地產業的發展，逐漸向以技術密集型產業及知識密集型產業轉變的經濟發展方式，實現經濟的持續、長效發展。

（二）低效率、高增長效率模式

對于該種模式下的房地產行業，行業效率較低，但增長效率卻較高，是潛力型房地產業，房地產行業的發展可給當地帶來良好的經濟效益。因此對于此模式下的房地產行業，本文提出以下建議：第一，提高房地產行業管理水平。加大對房地產行業優秀人才的培養，優化人力資源的結構，采取先進的管理方法，培育具有國際競爭力的大型房地產企業。第二，加大對房地產行業資源投入力度，以房地產行業帶動其他相關產業及行業的發展。房地產行業具有綜合性特征，可直接帶動鋼鐵行業、水泥行業、家具行業以及電器、建筑等行業，間接帶動的行業甚至幾乎可囊括所有行業，從基礎設施建設、交通便利性等方面加大房地產業的投資，實現更大的房地產行業產出。第三，提高技術效率，應積極加強與國內發達地區或者國際發達國家房地產行業的建設交流活動，努力學習先進房地產建設技術，提高資源利用效率，避免資源不必要的浪費，實現經濟又好又快發展。

從上述實證分析結果可看出，高效率、高增長的房地產行業省市已經具備實現產業結構優化升級的條件，因此只需要維持本區域房地產行業的資源投入，不可盲目過度的將資源大量投入房地產業，可將過剩資源投入戰略性新興產業，實現產業結構優化升級，從粗放型經濟向集約型經濟發展。而低效率、高增長房地產行業省市可繼續以房地產行業作為本區域的支柱性產業，從而帶動其他相關產業的發展，等到房地產行業效率達到有效狀態時，這些區域有了一定的經濟結構轉型的基礎。從而會使得產業結構轉型更加順利。同時并不建議高效率、高增長效率房地產行業省市繼續加大技術投入以及規模投入，這樣不僅會使其他區域缺失部分優質發展人才，不利于其他省份經濟的發展，更會阻礙其他省份從傳統粗放型經濟向集約型經濟發展，加劇各省份的經濟發展差距。

參考文獻：

[1]李斌，蔣濤.房地產行業績效評價的實證研究[J].特區經濟，2007（03）.

[2]柳力超.我國房地產投資效率區域差異及影響因素研究[D].東北農業大學，2015.

[3]孫鴿.基于DEA的我國房地產業運作效率研究[J].經濟研究導刊，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]王堅強.基于Malmquist指數的房地產企業動態投資效率研究[J].當代經濟，2010（01）.

[7]曾昭法.中國省域房地產開發效率及其影響因素研究[J].統計觀察，2013（13）.

[8]史立新.基于DEA方法的吉林省房地產投資有效性實證研究[J].理論經濟學，2012（05）.

[9]石峰.基于省際面板數據及DEA的區域創新效率研究[J].技術經濟，2010（05）.

[10]曹曉俊.安徽省房地產業投資效率的統計研究[D].安徽財經大學，2016.

（作者單位：江蘇師范大學商學院）