摘要：基于省級數(shù)據(jù)，文章利用數(shù)據(jù)包絡方法（DEA）評估了中國房地產(chǎn)行業(yè)效率。結果顯示：東部地區(qū)的技術效率和純技術效率明顯高于東北、中部及西部三地區(qū)；全國平均技術效率得分呈現(xiàn)出倒U型特征；各省（市、區(qū)）基本上都處于規(guī)模報酬遞減階段。這表明，近些年地方政府過度關注房地產(chǎn)業(yè)的經(jīng)濟增長效應而忽略房地產(chǎn)企業(yè)規(guī)模效率這一基本事實并未因相繼出臺的一系列房地產(chǎn)政策而改善，而當務之急是設計更合理體制機制改變對地方政府行為的激勵與約束，以引導房地產(chǎn)業(yè)與其它產(chǎn)業(yè)協(xié)調(diào)有效發(fā)展。

關鍵詞：房地產(chǎn)業(yè)效率；DEA；地區(qū)差異

一、 引言

近些年來，房地產(chǎn)投資在促進中國經(jīng)濟快速增長、增加地方政府財政收入及加快城市化進程中發(fā)揮了重要作用。然而，伴隨房價快速增長和房地產(chǎn)市場規(guī)模膨脹，社會財富分配機制扭曲和資源配置與利用效率降低等問題也逐步加劇。從理論上講，其根本原因在于地方政府治理結構的不合理性，即以GDP為核心的地方官員政治晉升機制和財權事權不匹配的地方財政體制。

房地產(chǎn)業(yè)效率問題已引起國內(nèi)一些學者的關注，但現(xiàn)有關于我國房地產(chǎn)業(yè)績效研究的研究文獻較多關注涉房地產(chǎn)投資的微觀企業(yè)，且主要以上市公司為研究樣本評估企業(yè)財務績效。比如，楊飛等（2012）選用托賓Q和資產(chǎn)利潤率兩項財務指標分析限購政策對房地產(chǎn)上市公司績效的影響；李斌等（2007）選取24家房地產(chǎn)企業(yè)分析了2005年績效水平，而唐曉華和邱煜（2013）僅僅以13家企業(yè)為研究樣本，分析西部房地產(chǎn)業(yè)效率。張水英（2013）借鑒AHP的思路，即通過專家判斷確定財務指標權重的方法，評估宏觀調(diào)控政策對房地產(chǎn)企業(yè)財務績效的影響。上述文獻從微觀數(shù)據(jù)出發(fā)，得到了一些有價值的結論，但由于樣本數(shù)目較少且僅考慮規(guī)模相對較大的上市公司，很難得出具有普遍性的結論。這無法幫助政策制定者和學者認識和判斷整個房地產(chǎn)行業(yè)績效的基本狀況和地區(qū)間差異。

數(shù)據(jù)包絡分析方法（Data Envelopment Analysis，DEA）作為一種相對效率評估方法，在研究多種投入與多種產(chǎn)出系統(tǒng)時具有較多優(yōu)點，這為本文研究房地產(chǎn)業(yè)投入產(chǎn)出效率提供了方法選擇。需要強調(diào)的是，DEA方法不需要設定具體的投入產(chǎn)出函數(shù)形式和主觀權重使得其在經(jīng)濟學實證分析中得到廣泛應用（顏鵬飛、王兵，2004；姚樹潔等，2004；陳詩一、張軍，2008；Young，2003：Zheng & Hu，2004）。

考慮到DEA方法的眾多優(yōu)點及其在實證應用中的有效性，本文擬選用省級數(shù)據(jù)研究各地區(qū)房地產(chǎn)業(yè)效率，并分析相關房地產(chǎn)政策效應，以期從宏觀視角出發(fā)豐富現(xiàn)有研究和提出政策建議。

二、 研究方法設計

1. DEA方法。典型DEA模型為的CCR-DEA（Cha-rnes等，1978）。其在規(guī)模報酬不變（CRS）的假設條件下，建立輸入項目線性組合與輸出項目線性組合，并通過構建這兩類線性組合的比值來評估決策單元的效率值。CCR-DEA模型的具體思路可簡要概括如下：

假設有n個決策單元DMUj（j=1，2，…，n），而每個決策單元DMUj都有m個輸入項Xj=（Xj1，Xj2，…，Xjm）和s個輸出項Yj=（Yj1，Yj2，…，Yjs），則決策單元DMUj的投入產(chǎn)出比可以表示為，uTY0/vTX0。在限定u，v？叟0及uTYj/vTXj？燮1的情況下，經(jīng)過Charnes-Cooper變換與對偶變換可得如下線性規(guī)劃模型：

min？茲s.t■Xj？姿j？燮？茲X0，■Yj？姿j？叟Y0，？姿j？叟0，j=1，…，n

通過求解上述線性規(guī)劃模型，可以得到的第j個決策單位的相對效率得分？茲值。

由于上述模型假設規(guī)模報酬不變，所以其適用性取決于所有的決策單位是否都處于最優(yōu)規(guī)模（李再揚、楊少華，2010），其適用范圍和效能也因此受限。然而，經(jīng)過眾多學者們不斷發(fā)展與完善，DEA方法也衍生出許多變體。比如，Banker等（1984）所提出的規(guī)模收益可變（VRS）的BCC-DEA模型，能夠很好地克服規(guī)模報酬不變假設的不足。與CCR-DEA模型不同，BCC-DEA模型在線性規(guī)劃方程中引入凸約束1`？姿=1，并且結合CCR-DEA模型可以將效率得分分解為規(guī)模效率與純技術效率（李再揚和楊少華，2010）。

值得注意的是，在使用DEA模型估計投入產(chǎn)出系統(tǒng)的技術效率時，既可以選擇輸入導向型方法（Input-Oriented），也可以選擇輸出導向型方法（Output-Oriented）。本文在估算效率時則選擇后者，即在產(chǎn)出給定的情況下，根據(jù)投入要素成本來判斷決策單元的相對效率。

2. 決策單元與投入產(chǎn)出指標選取。

（1）決策單元選取。關于房地產(chǎn)業(yè)效率研究的實證文獻基本上選擇了部分房地產(chǎn)業(yè)上市公司作為研究樣本（張紅、楊飛；丁琪等，2011；楊東進、鄧吉，2013）。這使得其研究結論既缺乏普遍性，也無法比較區(qū)域間房地產(chǎn)業(yè)相對效率的差異性。與現(xiàn)有文獻不同，本文擬選用省級房地產(chǎn)業(yè)統(tǒng)計數(shù)據(jù)來評估我國房地產(chǎn)業(yè)效率，即以省級行政區(qū)域作為決策單位，借助DEA方法評估房地產(chǎn)業(yè)效率。這樣不僅有利于比較不同區(qū)域間房地產(chǎn)業(yè)效率的差異性，還能夠有效避免因僅選取小部分公司樣本作為研究對象而降低評估結果的代表性和可靠性。

（2）指標選取。本文選取主營業(yè)務收入作產(chǎn)出指標，用于衡量房地產(chǎn)業(yè)企業(yè)因從事主要的成產(chǎn)經(jīng)與營活動而取得的營業(yè)收入。這是因為其能夠反映房地產(chǎn)企業(yè)真實的運營狀況。考慮到數(shù)據(jù)的可得性和各經(jīng)濟指標的含義，我們選擇的投入指標包括四項，即總資產(chǎn)、所有者權益（實收資本或股本+資本公積+盈余公積+未分配利潤）、主營業(yè)務成本（原材料+人工成本+固定資產(chǎn)折舊等）與總費用（銷售費用+管理費用+財務費用），這些指標不僅能夠反映企業(yè)生產(chǎn)經(jīng)營所需要的機器設備等固定資產(chǎn)、各種消耗型材料及人工成本與各項費用，還能夠在一定程度上間接反映企業(yè)的資產(chǎn)負債結構。

三、 數(shù)據(jù)及實證結果

1. 數(shù)據(jù)來源與統(tǒng)計特征。本文所用數(shù)據(jù)為全國31個省級?。ㄊ小^(qū)）2007年～2012年的統(tǒng)計數(shù)據(jù)，數(shù)據(jù)來源于CEIC全球統(tǒng)計數(shù)據(jù)庫。表1給出了2007年～2012年全國31個省級區(qū)域各年份房地產(chǎn)業(yè)投入產(chǎn)出指標統(tǒng)計均值。2007年各省級區(qū)域房地產(chǎn)業(yè)的平均主營業(yè)務收入為662.8億元，此后連續(xù)三年增長，增長率分別為7.75%、30.55%和20.28%，2008年增長緩慢與2007年美國次貸爆發(fā)進而引發(fā)的全球金融危機有較大關系，而此2008年之后又快速恢復增長則得益于我國政府4萬億積極財政刺激計劃；2011年主營業(yè)務收入停止增長且略有下降與當年實施的房地產(chǎn)限購政策、緊縮性信貸政策及重慶、上海試點開征房產(chǎn)稅及擴圍預期對房地產(chǎn)開發(fā)與交易市場產(chǎn)生的負面影響密切相關。而2012年主營業(yè)務收入又恢復快速增長。主營業(yè)務成本也表現(xiàn)出類似規(guī)律。其余三個投入指標的增長率變化趨勢則近似表現(xiàn)出W形狀。

2. DEA實證結果及比較分析。本文實證分析的目的為比較分析我國東北、東部、中部及西部四大地區(qū)房地產(chǎn)業(yè)生產(chǎn)效率的差異。因此，本文基于省級數(shù)據(jù)，分別借助CCR-DEA模型和BCC-DEA模型估計房地產(chǎn)業(yè)的技術效率（總效率）和純技術效率，并根據(jù)這兩個模型的估計結果分解出規(guī)模效率。

（1）規(guī)模報酬不變假設條件下的技術效率。表2給出了全國四大地區(qū)房地產(chǎn)業(yè)的技術效率得分。結果顯示：（1）2007年～2012年間東部地區(qū)房地產(chǎn)業(yè)技術效率得分一直最高，且呈現(xiàn)出先增后減變化趨勢，并在2010年達到峰值0.942 2；（2）2008年～2011年間，東北地區(qū)與中部地區(qū)技術效率得分大小和變化趨勢非常相似，即均呈現(xiàn)出倒U型，也均于2010年達到峰值。2012年中部地區(qū)的技術效率得分明顯上升，而東北地區(qū)則相反。后者技術效率得分比上年度下降了約1.6%；（3）西部地區(qū)在2007年之后也呈現(xiàn)出先增后降的趨勢，且在2010年的峰值超過了東北和中部兩地區(qū)，其技術效率波動性也較東北、中部地區(qū)劇烈。但就平均分而言，西部地區(qū)最低，東部地區(qū)最高；（4）2007年～2012年全國平均得分也呈現(xiàn)出倒U型特征說明，從2009年末開始逐步實施的房地產(chǎn)限貸、限購、限價政策，緊縮性貨幣政策及開征房產(chǎn)稅等一系列措施，在有效遏制房價泡沫和打擊投機行為的同時，也給技術效率帶來負面沖擊。換言之，政府的房地產(chǎn)市場調(diào)控政策損害了各地區(qū)房地產(chǎn)行業(yè)效率。

（2）規(guī)模報酬可變假設條件下的純技術效率與規(guī)模效率。純技術效率反映了在投出規(guī)模既定的情況下，各?。ㄊ?、區(qū)）房地產(chǎn)業(yè)企業(yè)生產(chǎn)、經(jīng)營及銷售等管理水平的高低與其對經(jīng)濟資源進行有效配置和合理利用的程度。因此，純技術效率得分可以被用來衡量各省（市、區(qū)）房地產(chǎn)業(yè)無效率在多大程度上取決于純技術無效率。

表3左欄給出了全國四大地區(qū)房地產(chǎn)業(yè)的純技術效率得分。結果顯示：（1）東北、東部、中部及西部四大地區(qū)房地產(chǎn)業(yè)純技術效率得分均值分別為0.878 5、0.942 8、0.894 0及0.880 5。其中，東部地區(qū)得分最高，而西部地區(qū)依舊得分最低；（2）2007年～2012年間四大地區(qū)純技術效率得分與表2中技術效率得分的變化趨勢表現(xiàn)出相似規(guī)律。這則表明各?。ㄊ小^(qū)）房地產(chǎn)無效率的主要原因在于純技術效率較低，即未達到技術生產(chǎn)邊界導致實際產(chǎn)量較低。

規(guī)模技術效率表示在一定的投入條件下，技術效率生產(chǎn)邊界的產(chǎn)量與最優(yōu)規(guī)模下的產(chǎn)量的比值，而規(guī)模效率越大，表示該省級決策單元房地產(chǎn)業(yè)的生產(chǎn)規(guī)模越接近最優(yōu)生產(chǎn)規(guī)模（韓華為、苗艷青，2010）。

表3右欄給出了全國四大地區(qū)房地產(chǎn)業(yè)的規(guī)模技術效率得分。結果顯示：（1）東北、東部、中部及西部四大地區(qū)房地產(chǎn)業(yè)該項歷年得分均值分別為0.975 6、0.964 5、0.963 5及0.970 6。其中東北地區(qū)最高，而中部地區(qū)最低；（2）與其它三地區(qū)相比，東部地區(qū)規(guī)模技術效率在2007年、2008年兩年均較高，而2008年后東北與西部兩地區(qū)得分幾乎相等，各年差值均小于0.003 5。2009年后四大區(qū)域的規(guī)模技術效率基本上都呈現(xiàn)出下降趨勢。

此外，通過對比表2～表3中三類效率得分，可以看出：四大地區(qū)的規(guī)模技術效率分布相對集中且均在0.96以上，而技術效率與純技術效率分布相對分散且較低。這進一步說明，各省（市、區(qū)）房地產(chǎn)業(yè)生產(chǎn)無效率的主要原因在于純技術效率較低。值得注意的是，規(guī)模報酬可變假設條件下的DEA模型還能夠判斷決策單元的規(guī)模報酬類型（韓華為、苗艷青，2010）。研究結果顯示，樣本期內(nèi)規(guī)模報酬遞減的?。ㄊ小^(qū)）個數(shù)依次為：28、25、26、27、27及29個，規(guī)模報酬不變的?。ㄊ小^(qū)）個數(shù)依次為：2、1、1、3、1及0個，而規(guī)模報酬遞增的省（市、區(qū)）個數(shù)依次為：1、5、4、1、3及2個。也就是講，大多數(shù)?。ㄊ?、區(qū)）房地產(chǎn)業(yè)基本上都處于規(guī)模報酬遞減生產(chǎn)階段。這一結果也說明，盡管近10年來房地產(chǎn)業(yè)投資規(guī)模迅速擴張，對拉動我國GDP快速增長和加快城市化進程起到了舉足輕重的作用，但地方政府過度關注房地產(chǎn)業(yè)的經(jīng)濟增長效應和財政收入效應，也在一定程度上造成房地產(chǎn)行業(yè)運營效率不高和房地產(chǎn)項目良莠不齊。

四、 結論及建議

本文利用全國31個?。ㄊ?、區(qū)）2007年～2012年的房地產(chǎn)行業(yè)數(shù)據(jù)，借助DEA方法評估了我國房地產(chǎn)行業(yè)生產(chǎn)效率。研究結果顯示：

（1）就技術效率和純技術效率而言，東部地區(qū)明顯較高，而西部地區(qū)這兩項平均得分都較低。這說明區(qū)域間房地產(chǎn)業(yè)生產(chǎn)技術差異較大。此外，2007年～2012年間全國平均技術效率得分呈現(xiàn)出倒U型特征。理論分析認為，這與2009年后開始逐步實施的“三限”政策（限貸、限購、限價）、試點開征房產(chǎn)稅和緊縮性貨幣政策等有較大關系。“三限”政策會通過限制購房者的交易權利和心理預期抑制住房需求，進而影響房地產(chǎn)企業(yè)的銷售狀況，而后者則通過控制信貸資金規(guī)模和提高利率水平提高房地產(chǎn)商的開發(fā)成本，進而降低其生產(chǎn)和運營效率。換句話講，政府所采用的房地產(chǎn)市場調(diào)控政策是一把“雙刃劍”，也損害了企業(yè)效率。

（2）就規(guī)模技術效率而言，全國31個省（市、區(qū)）基本上都處于規(guī)模報酬遞減階段。這一重要結論對房地產(chǎn)企業(yè)未來發(fā)展和地方政府進行經(jīng)濟結構調(diào)整都具有指導意義。盡管房地產(chǎn)業(yè)蓬勃發(fā)展對拉動我國GDP快速增長和加快城市化進程功不可沒，但受GDP晉升考核機制激勵，地方政府過度關注房地產(chǎn)業(yè)的經(jīng)濟增長效應而忽略企業(yè)規(guī)模效率，已經(jīng)造成了過度開發(fā)投資的局面，這最終將不利于房地產(chǎn)業(yè)和整個宏觀經(jīng)濟健康運行。

參考文獻：

1. Banker R.D.， Charnes A.， Cooper W.W. Some models for estimating technical and scale inefficiencies in data envelopment analysis.Management science，1984，30（9）：1078-1092.

2. 姚樹潔，馮根福，姜春霞.中國銀行業(yè)效率的實證分析.經(jīng)濟研究，2004，（8）：4-15.

3. 張水英.宏觀調(diào)控下房地產(chǎn)企業(yè)的財務績效變化研究.統(tǒng)計與決策，2013，（2）：173-176.

4. 陳詩一，張軍.中國地方政府財政支出效率研究：1978-2005.中國社會科學，2008，（4）：65-78.

5. 韓華為，苗艷青.地方政府衛(wèi)生支出效率核算及影響因素實證研究——以中國31個省份面板數(shù)據(jù)為依據(jù)的DEA-Tobit分析.財經(jīng)研究，2010，（5）：4-15.

6. 李斌，蔣濤，吳俊芳，張立軍.房地產(chǎn)行業(yè)上市公司績效評價的實證研究.特區(qū)經(jīng)濟，2007，（3）：122-123.

7. 李再揚，楊少華.中國省級電信業(yè)技術效率：區(qū)域差異及影響因素.中國工業(yè)經(jīng)濟，2010，（8）：129-139.

8. 唐曉華，邱煜.西部地區(qū)房地產(chǎn)上市公司營銷績效的DEA分析.經(jīng)營管理者，2013，（6）：10-11.

9. 顏鵬飛，王兵.技術效率，技術進步與生產(chǎn)率增長：基于DEA的實證分析.經(jīng)濟研究，2004，（12）：88-96.

基金項目：中國人民大學研究生科學研究基金項目資助（項目號：13XNH002）。

作者簡介：方金金，中國人民大學財政金融學院博士生。

收稿日期：2014-09-27。