基于土地資源要素配置的房地產調控監測預警指標體系研究及探索
——以重慶市為例

王 雪，趙 根，羅 波，陳柯吟

（1.自然資源部國土空間大數據工程創新中心重慶分中心，重慶 400015；2.重慶市規劃和自然資源信息中心，重慶 400015）

0 引言

近年來，國家通過住房、金融、土地、財稅、投資、立法等手段，構建并落實房地產市場健康發展長效機制。本文立足自然資源部門承擔的住宅用地供應和土地市場監管職責，以重慶市為例，研究建立房地產市場調控的監測預警指標體系和決策支持模型，即時監測市場運行態勢，精準預警潛在風險，服務城市房地產調控相關工作。

1 房地產調控指標體系現狀及問題

1.1 房地產調控監測預警指標體系現狀

近年來，參與房地產調控的部門相繼出臺了一系列促進市場平穩運行的政策措施，根據管理需要，分別構建了房地產市場的監測指標體系[1-4]。住房和城鄉建設部門側重對市場運行進行監測分析，從建設、預售、交易等環節進行監管預警；金融部門側重對押品價值、變現能力等開展監測，防范金融風險；稅務部門從差異化征稅、住宅標準劃分等角度調節稅收；自然資源部門從供給端出發，構建住宅用地市場監測指標體系，定期公開土地儲備和已出讓土地建設進展情況，保障土地市場平穩運行[5-7]。從調控經歷看，中國房地產市場側重供給端和需求端的調控，但缺乏調控長效機制和系統考量。

1.2 房地產調控監測預警存在的問題

（1）指標體系設計有待進一步完善。在現有研究中，房地產市場監測預警指標從數量和質量上基本能夠反映房地產市場的波動現狀，但尚未形成完整的體系。在實際工作中，參與房地產調控的部門通常根據職能范圍，構建各自領域的調控指標體系并進行監測預警，總體的定性分析或簡單指標的定量分析較多，而體系化分析較少，使用的指標也未覆蓋房地產全鏈條。

（2）預警指標的選取缺乏實證分析。由于房地產市場的復雜性和多變性，預警指標的選取和指標權重的設置是難點。國內部分城市較早開展房地產市場預警指標體系實證研究，相關部門未完全實現數據互聯共享，導致數據采集的渠道和內容不盡一致，這為監測預警指標體系實證帶來不便，結果的科學性和可信度也受到影響。

（3）綜合適用的房地產調控指標體系構建研究較少。符合國情、具有地方特色的房地產調控監測預警指標體系整體設計，既為國家層面綜合運用各種調控手段及提高政策運行效率提供思路和啟發，也為地方層面房地產調控實踐提供參考。

2 房地產調控監測預警指標體系構建

2.1 總體思路

首先，本文厘清土地資源要素配置在房地產調控中的作用和業務環節，從供給端角度構建房地產調控監測指標體系，甄選關鍵預警指標。其次，將房地產調控預警指標體系逐層分解，并詳細闡述指標選取的內容與方法、指標權重的賦予規則、預警閾值的測算方法等。最后，采集重慶市2017—2021 年房地產市場相關數據，結合房地產市場波動的實際情況，對指標的合理性和準確性進行實證分析，最終形成時空要素融合的房地產調控監測預警指標體系。

2.2 構建方法

在指標體系構建過程中，首先，本文通過查閱文獻資料，廣泛收集與房地產市場運行密切相關的基礎指標，采用德爾菲法篩選支撐指標體系構建的預警指標，對照房地產調控目標對這些指標進行評價、修正及分類，形成“穩地價、穩房價、穩預期、防風險”（以下簡稱“三穩一防”）4 個準則的監測預警指標體系。其次，根據準則層要求，選定若干個一級指標作為評價項目，制定評價標準，采用德爾菲法得出一級指標權重。再次，運用主成分分析法，對一級指標下的二級指標（預警指標）進行實證建模，測算各指標的權重和預警閾值。再次，將預警指標的實際值與閾值進行比較，如果實際值超過了閾值，則發出預警信號，發出預警信號的指標越多，說明市場存在風險的概率越大。

2.3 指標選取原則

（1）科學性。指標體系應客觀、準確地反映房地產市場的運行情況，并依此評價房地產市場的發展水平。此外，還需要明確的科學定義與計算方法，可用于定量監測或定性評價。

（2）系統性。指標體系應盡可能覆蓋房地產全生命周期管理調控全鏈條，能精準預警市場潛在風險點，正確反映風險程度，具有高度的概括性。

（3）敏感性。指標變化應與房價變化具有關聯性，能夠敏銳地反映房地產市場的發展變化，量化地反映房地產市場變動規律。

（4）可操作性。指標數據要具有及時、準確和穩定的來源及易獲取性、高可信度、時間連續性、內容可比性。

（5）可持續性。指標體系需要隨時間推移和市場發展同步更新迭代，適應不同時期的房地產發展特性，對市場做出合理判斷和預警，動態靈活地滿足房地產調控需要。

2.4 指標體系構建

2.4.1 參與調控環節梳理

土地資源主要通過土地規劃和土地供應兩種基本手段實現配置[8]，在資源配置過程中，通過對房地產市場運行情況進行全面分析，精準把握投資與供應之間的關系，進而科學安排房地產用地總量、布局和結構，合理把握土地出讓節奏、時序和價格，實現房地產市場的宏觀調控。

規劃和自然資源部門主要從土地管理、房地產開發和房地產轉讓3 個方面15 個業務環節履行職責，實現從住宅用地供應到土地市場監管全生命周期的房地產調控，如表1 所示。近年來，重慶已從嚴格住房用地供應管理、增加居住用地有效供應、依法加快處置閑置房地產用地、加強對土地市場異動的指導和預警、建立住宅用地市場監測指標體系、定期公開土地儲備和已出讓土地建設進展情況等方面開展了一系列工作。

表1 規劃和自然資源部門參與房地產調控全生命周期業務環節

2.4.2 指標體系層次設計

本文在遵循科學、系統、可操作和可持續等原則基礎上，廣泛收集與房地產調控密切相關的數據，對從土地資源配置供給端調控甄選的關鍵預警指標及住房、人口、金融、房企、輿情等數據進行充分融合、整理歸類，依據“三穩一防”準則，逐層細分準則層和指標層。其中，準則層由促進目標層實現的若干一級指標構成，準則層下的具體指標即為指標層。綜上，本文形成一套包含4 個目標層、14 個準則層，20 個一級指標、27 個二級指標的房地產調控監測預警指標體系，如表2 所示。

表2 房地產調控監測預警指標體系

續表

2.4.3 權重及閾值范圍測算

上述監測預警指標體系構建后，為避免主觀因素干擾，本文進一步客觀、科學地測算各預警指標對上一級指標的貢獻度，選用主成分分析法對各指標的權重進行測算。

首先，運用熵值法將數值標準化處理，設Xij是第j項指標下第i個樣本值的標準化值，即某個指標的實際值和最小值的差值與最大值和最小值差值的比值，如公式（1）。

式中：Pij為第j項指標下第i個樣本值占該指標的比重；i=1，…，n；j=1，…，m。

其次，計算第j項指標的熵值，如公式（2）。

式中：ej為第j項指標的熵值；i=1，…，n；j=1，…，m；Pij為第j項指標下第i個樣本值占該指標的比重；k=1/ln（n）>0，滿足ej≥0。

再次，計算信息熵冗余度（差異），如公式（3）。

式中：dj為信息熵冗余度；ej為第j項指標的熵值；j=1，…，m。

最后，計算各項指標的權重，如公式（4）。

式中：Wj為第j項指標的權重；dj為信息熵冗余度；j=1，…，m。

綜上，可得出各預警指標對于上一級指標的貢獻度，依此方法，對各準則層大類指標進行再次測算，得出各準則層指標對目標層的貢獻度。

得到權重系數后，再對各預警指標的閾值進行測算。統計學常用“平均值μ±標準差ρ”方法確定預警值的上下界限，標準差常表示一組數值平均值的分散程度。標準差越大，代表大部分的數值和其平均值之間差異越大；標準差越小，代表這些數值與平均值越接近。因此，將μ-2ρ、μ-ρ、μ+ρ、μ+2ρ分別設定為4 個節點的臨界值，劃分過冷、微冷、正常、微熱、過熱5 種狀態，并根據實際情況進行調整，得出預警閾值范圍。

3 監測預警指標體系構建及實證分析

3.1 穩房價預警指標體系構建

在研究過程中，本文對房地產相關領域專家、房地產開發商、金融機構、中介機構及政策受眾進行訪談。受訪者普遍認為，房地產市場的穩定與房價穩定性、市場存量、參與積極性、投機炒房四方面因素密切相關。因此，本文選取新房房價走勢、二手房房價走勢、可售住宅規模、可售住宅去化周期、新房供銷比、二手房換手率、炒房行為和捂盤捂地行為8 項二級指標，如表3 所示，將其作為穩房價監測預警的關鍵指標。

表3 穩房價層面指標體系構建

為保證選取的預警指標具有科學性和有效性，本文采用德爾菲法對指標進行評價和分類，87.63%的專家選擇了上述8 項指標。

3.2 穩房價預警指標體系實證分析

3.2.1 權重測算

為進一步測算各預警指標對一級指標的貢獻度，本文采集了重慶市2017—2021 年房地產市場的相關數據，運用自動化統計產品和服務軟件（statistical product and service software automatically，SPSSAU）中的熵值法對各項指標進行權重測算，如表4 所示。可以看出，新房房價走勢、二手房房價走勢、新房成交量、房屋供銷比、可售住宅規模、可售住宅去化周期、炒房行為對應的權重值分別是0.116、0.127、0.155、0.094、0.157、0.171、0.180，各指標權重存在一定差異。其中，炒房行為對市場平穩的影響最大，房屋供銷比對市場平穩的影響最小。

表4 熵值法計算權重結果

3.2.2 閾值設定

本文基于重慶市2017—2021 年房地產市場運行數據進行實證測算，計算具體指標的平均值和標準差，將μ-2ρ、μ-ρ、μ+ρ、μ+2ρ設定為4 個節點的臨界值，劃分市場過冷、微冷、正常、微熱、過熱5 種狀態，預警值測算結果如表5 所示。

表5 預警值的實證測算結果

以新房房價走勢為例，重慶市近5 年新房成交均價為8 226 元/m2，根據臨界點劃分區間，當新房均價低于5 750 元/m2時，說明市場過冷；當新房均價處于5 750～6 988 元/m2時，市場處于微冷水平；當新房均價處于6 988～9 464 元/m2時，市場處于正常水平 ；當新房均價處于9 464～10 702元/m2時，市場處于微熱水平；當新房均價高于10 702 元/m2時，市場處于過熱水平，須及時預警防范。

3.2.3 結果驗證

本文結合重慶房地產實際情況進行分析。2016 年第三季度末至2017 年初，重慶住宅市場量價齊升，但隨著相關調整政策的實施，市場迅速降溫，2017 年新房價格處于微冷區間，符合實際情況。2018—2020 年，房地產調控整體處于調整期，整體市場未出現大幅波動，房價處于預警的正常區間。2021 年，受“兩集中”供地政策影響，重慶首次供地后，市場回暖跡象明顯，房價快速大幅提升，全市新房成交均價超過了10 128 元/m2，接近預警區間過熱狀態的低值10 702 元/m2，處于微熱狀態。綜上所述，以穩房價為例的監測預警指標體系決策支持模型，對房價的異常波動起到了預報預警效果，與市場實際情況吻合，如表6所示。

表6 重慶市新房房價走勢監測預警結果分析

4 總結及展望

本文主要介紹了房地產市場調控監測預警指標體系的構建過程，具體闡述了選取指標的內容與方法、指標權重的賦予規則、預報預警等情況，并以穩房價為例，結合重慶市2017—2021 年房地產市場相關數據對指標體系的合理性和準確性進行實證分析，初步驗證了指標體系對市場波動情況的預警預報，并與房地產的實際情況吻合。

未來，本文還將繼續優化完善另外三項調控目標的監測預警指標體系。隨著房地產市場調控的持續深入，探索將監測預警模型轉化為日常監控的應用系統，運用大數據分析技術，實現即時監測市場運行態勢，精準預警潛在風險，服務城市房地產調控相關工作。