楊洋洋，楊中宣

(中原工學(xué)院 建筑工程學(xué)院，鄭州 450007)

我國房地產(chǎn)業(yè)投入產(chǎn)出優(yōu)化及其預(yù)測研究

楊洋洋，楊中宣

(中原工學(xué)院 建筑工程學(xué)院，鄭州 450007)

運(yùn)用MAXDEA軟件，選用投入導(dǎo)向的CCR模型，并做投影分析，獲得相對最優(yōu)的投入產(chǎn)出數(shù)據(jù)。在此基礎(chǔ)上，以投影數(shù)據(jù)作為歷史數(shù)據(jù)，構(gòu)建SPSS19.0軟件預(yù)測模型，預(yù)測2017年1月—6月房地產(chǎn)業(yè)投入產(chǎn)出數(shù)據(jù)，并用相對誤差對預(yù)測數(shù)據(jù)進(jìn)行調(diào)整，提高預(yù)測精度。結(jié)果表明：2013年1月—2016年12月我國房地產(chǎn)業(yè)整體效率水平較低，各指標(biāo)投入嚴(yán)重冗余，資源浪費(fèi)嚴(yán)重，利用效率低下；由預(yù)測數(shù)據(jù)可知，2017年上半年房地產(chǎn)竣工面積與2016年上半年基本相當(dāng)，而2017年上半年各指標(biāo)的投入量與2016年相比卻縮減了將近二分之一，表明2016年上半年房地產(chǎn)業(yè)各指標(biāo)投入了嚴(yán)重冗余。政府和企業(yè)可以預(yù)測數(shù)據(jù)為基準(zhǔn)，指導(dǎo)房地產(chǎn)開發(fā)與生產(chǎn)，提高生產(chǎn)效率，優(yōu)化配置資源，保證房地產(chǎn)業(yè)持續(xù)健康發(fā)展。

房地產(chǎn)業(yè)；投入產(chǎn)出效率；優(yōu)化；預(yù)測

一、引言

近年來，房地產(chǎn)業(yè)飛速發(fā)展，創(chuàng)造了一個(gè)新的經(jīng)濟(jì)增長點(diǎn)，已經(jīng)成為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)。2016年12月房地產(chǎn)投資累計(jì)值高達(dá)102581億元，累計(jì)增長6.9%；2016年12月房地產(chǎn)竣工面積累計(jì)值達(dá)到106128萬平方米，累計(jì)增長6.1%。房地產(chǎn)業(yè)的發(fā)展我們都是有目共睹的，并切身感受到發(fā)展的成果，大大提高了我國城鎮(zhèn)化水平，改善了人民的居住條件和生活質(zhì)量。我們在享受房地產(chǎn)業(yè)帶來的福利的同時(shí)，也見證了房地產(chǎn)業(yè)在發(fā)展過程中帶來的一些弊端，建筑施工場地霧霾嚴(yán)重，建筑垃圾隨處可見，爛尾樓事件頻繁發(fā)生等等。一系列的問題讓我們不得不思考，房地產(chǎn)業(yè)的生產(chǎn)效率到底如何？資源是否得到最優(yōu)的配置利用？政府和企業(yè)又將依據(jù)何種標(biāo)準(zhǔn)來調(diào)控房地產(chǎn)業(yè)的生產(chǎn)和運(yùn)營？

眾多學(xué)者對此展開了研究。劉曉君[1](2009)、任曉萍[2](2011)、鄭瀟瀟[3](2015)、任陽軍[4](2015)以我國各個(gè)省、自治區(qū)和直轄市的房地產(chǎn)業(yè)相關(guān)數(shù)據(jù)為樣本，運(yùn)用DEA方法，構(gòu)建房地產(chǎn)業(yè)DEA效率評價(jià)模型，從不同的區(qū)域維度對我國房地產(chǎn)業(yè)的整體效率水平進(jìn)行了研究，并給出相應(yīng)的對策建議。袁峰[5](2010)、丁琦[6](2011)、韋曉慧[7](2015)和白云峰[8](2015)采用DEA方法，選取我國房地產(chǎn)上市公司作為決策單元，收集房地產(chǎn)上市公司相關(guān)數(shù)據(jù)，構(gòu)建DEA模型，對我國房地產(chǎn)上市公司的績效狀況進(jìn)行評價(jià)，提出了績效改進(jìn)措施。

目前，我國學(xué)者主要集中在選取不同決策單元或從不同維度對我國房地產(chǎn)業(yè)的效率進(jìn)行分析研究，并給出具體的改進(jìn)建議，而在房地產(chǎn)投入產(chǎn)出預(yù)測方面的研究很少見?；诖?，本文在學(xué)者們研究的基礎(chǔ)上，進(jìn)一步對我國房地產(chǎn)投入產(chǎn)出進(jìn)行科學(xué)合理的預(yù)測，作為政府與企業(yè)生產(chǎn)和運(yùn)營的一個(gè)基準(zhǔn)。

二、模型簡介

(一)DEA模型

數(shù)據(jù)包絡(luò)分析(DEA)是1978年A.Charnes、W.W.Cooper和E.Rhodes首次提出的，該方法的原理主要是通過保持決策單元的輸入或輸出不變，借助于數(shù)學(xué)規(guī)劃和統(tǒng)計(jì)數(shù)據(jù)確定相對有效的生產(chǎn)前沿面，將各個(gè)決策單元投影到DEA的生產(chǎn)前沿面上，并通過比較決策單元偏離DEA生產(chǎn)前沿面的程度來評價(jià)它們的相對有效性。

CCR模型是最早提出的一種DEA模型，此后，在此基礎(chǔ)上又衍生出了一系列的模型，其基本原理如下：

minθ

CCR模型分為投入導(dǎo)向和產(chǎn)出導(dǎo)向兩個(gè)基本類型，投入導(dǎo)向基于投入的技術(shù)效率，即在一定產(chǎn)出下，以最小投入與實(shí)際投入之比來估計(jì)。產(chǎn)出導(dǎo)向基于產(chǎn)出的技術(shù)效率，即在一定的投入組合下，以實(shí)際產(chǎn)出與最大產(chǎn)出之比來估計(jì)。

本文綜合考慮實(shí)際情況，選取投入導(dǎo)向的CCR模型對我國房地產(chǎn)業(yè)投入產(chǎn)出進(jìn)行優(yōu)化研究。

(二)SPSS時(shí)間序列模型

時(shí)間序列分析是根據(jù)系統(tǒng)觀測得到的時(shí)間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計(jì)來建立數(shù)學(xué)模型的理論和方法，一般采用曲線擬合和參數(shù)估計(jì)方法進(jìn)行。在SPPS19.0軟件中實(shí)現(xiàn)時(shí)間序列預(yù)測的模型有三個(gè)：專家建模器、指數(shù)平滑法和ARIMA模型。

專家建模器是系統(tǒng)根據(jù)數(shù)據(jù)的特點(diǎn)自動模擬出相對較好的模型，模型類型可以是所有模型、僅限指數(shù)平滑法模型或者僅限ARIMA模型，建模簡單，適用范圍廣泛。

指數(shù)平滑法由Robert G.Brown提出，該方法有助于預(yù)測存在趨勢或季節(jié)的序列，指數(shù)平滑法分為非季節(jié)性模型和季節(jié)性模型。非季節(jié)性模型包括簡單模型、Holt線性趨勢模型、Brown線性趨勢模型和阻尼趨勢模型。季節(jié)性模型包括簡單季節(jié)性模型、Winters可加性模型和Winters相乘性模型。

ARIMA模型又稱自回歸積分滑動平均模型，是指將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列，然后將因變量僅對它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸所建立的模型，包括移動平均過程(MA)、自回歸過程(AR)、自回歸移動平均過程(ARMA)以及ARIMA過程。

本文在建立預(yù)測模型的過程中，首先使用專家建模器，然后運(yùn)用指數(shù)平滑法或ARIMA對模型加以調(diào)整，尋找最優(yōu)的模型。

三、房地產(chǎn)業(yè)投入產(chǎn)出優(yōu)化

(一)變量與數(shù)據(jù)

以2013年1月至2016年12月48個(gè)月作為決策單元，綜合考慮房地產(chǎn)業(yè)特點(diǎn)、指標(biāo)選取科學(xué)性和數(shù)據(jù)可獲得性，選取房地產(chǎn)投資累計(jì)值、房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值和房地產(chǎn)業(yè)土地購置面積累計(jì)值3個(gè)指標(biāo)為投入指標(biāo)，選取房地產(chǎn)竣工面積累計(jì)值為產(chǎn)出指標(biāo)。采用國家統(tǒng)計(jì)局公布的房地產(chǎn)業(yè)相關(guān)數(shù)據(jù)，由于選取的各指標(biāo)是累計(jì)值，2013年1月、2014年1月、2015年1月、2016年1月這4個(gè)月的數(shù)據(jù)官網(wǎng)未公布，考慮到時(shí)間的連續(xù)性，本文對這4個(gè)月數(shù)據(jù)加以處理，分別取為2013年2月、2014年2月、2015年2月、2016年2月這4個(gè)數(shù)據(jù)的二分之一，各指標(biāo)的初始數(shù)據(jù)如表1所示。

(二)結(jié)果與分析

采用MAXDEA軟件，選取DEA模型中以投入為導(dǎo)向的CCR模型，其技術(shù)效率值如圖1所示，只有2013年1月、2013年2月、2016年1月、2016年2月技術(shù)效率值為1，處于生產(chǎn)前沿面上，有79%的數(shù)據(jù)位于0.5—0.8之間，平均技術(shù)效率值僅為0.6491，可見，2013年1月—2016年12月我國房地產(chǎn)業(yè)整體效率水平并不高，其投入產(chǎn)出效率有待提高?；诖?，本文對2013年1月—2016年12月的投入產(chǎn)出數(shù)據(jù)做投影分析，得出相對最優(yōu)的投入產(chǎn)出目標(biāo)值，如表2所示。

由表2可知：第一，房地產(chǎn)投資累計(jì)值平均投入冗余率高達(dá)70.53%，其中，只有25%的數(shù)據(jù)投入冗余率位于50%以下，22.92%的數(shù)據(jù)投入冗余率超過了100%，資金投入過剩，說明資金利用率不高，造成資金閑置，延長資金投資回收期，降低企業(yè)總收益。

第二，房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值平均投入冗余率高達(dá)78.68%，其中，只有22.92%的數(shù)據(jù)投入冗余率位于50%以下，37.5%的數(shù)據(jù)投入冗余率超過了100%，固定資產(chǎn)投資冗余，說明固定資產(chǎn)使用率降低，增加生產(chǎn)成本，加大房地產(chǎn)企業(yè)的經(jīng)營風(fēng)險(xiǎn)。

第三，房地產(chǎn)業(yè)土地購置面積累計(jì)值平均投入冗余率高達(dá)61.39%，其中，只有35.42%的數(shù)據(jù)投入冗余率位于50%以下，14.58%的數(shù)據(jù)投入冗余率超過了100%，土地投入過剩，說明房地產(chǎn)開發(fā)商炒房現(xiàn)象嚴(yán)重，盲目地買地投資，造成土地資源閑置浪費(fèi)。

由此可見，房地產(chǎn)業(yè)亂投資現(xiàn)象嚴(yán)重，各個(gè)行業(yè)紛紛進(jìn)入房地產(chǎn)業(yè)瓜分蛋糕，造成房地產(chǎn)業(yè)投資嚴(yán)重過剩。房地產(chǎn)業(yè)投入過剩，資源利用率不高，這也是造成房價(jià)上升的一個(gè)原因，因此，政府需要加強(qiáng)管制和監(jiān)督，提高房地產(chǎn)業(yè)進(jìn)入壁壘，優(yōu)化房地產(chǎn)業(yè)資源配置，改善房地產(chǎn)業(yè)投入產(chǎn)出效率，保證房地產(chǎn)業(yè)持續(xù)健康發(fā)展?；诖?，本文以2013年1月—2016年12月相對最優(yōu)的投入產(chǎn)出投影數(shù)據(jù)作為歷史數(shù)據(jù)，預(yù)測2017年1月—2017年6月房地產(chǎn)業(yè)最優(yōu)生產(chǎn)前沿面，以此作為政府調(diào)控房地產(chǎn)業(yè)的一個(gè)基準(zhǔn)。

表1 房地產(chǎn)業(yè)投入產(chǎn)出優(yōu)化初始數(shù)據(jù)

圖1 房地產(chǎn)業(yè)投入產(chǎn)出優(yōu)化DEA技術(shù)效率值

時(shí)期Projection(房地產(chǎn)投資累計(jì)值(億元))Projection(房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值(億元))Projection(房地產(chǎn)業(yè)土地購置面積累計(jì)值(萬平方米))Projection(房地產(chǎn)竣工面積累計(jì)值(萬平方米))2013013334．854038．1851906．3556762．222013026669．78076．373812．7113524．4420130310409．6709612701．491854861．97409619473．4120130412771．8202815591．562225876．41278623758．920130515724．0553519225．403226897．94391328745．0720130619524．1053523892．01738334．65100235346．0720130723086．4493228260．319089753．78118741642．7120130826086．3313231956．3267710752．0454246649．6620130929482．9702336118．356212139．9290952705．6120131033896．8745641596．7443213154．2503959390．1920131137648．963445997．4269516911．5484969419．6520131254919．5638667087．6326924782．99098101434．992014013199．910833891．2629071643．0944386209．122014026399．821667782．5258143286．18887612418．2420140310548．5622612942．47694118．98441318520．1720140413800．2452716964．158025026．6044223685．4620140517941．7830222060．699256473．05696930700．4220140622498．8207127680．58947928．63706138214．9620140725593．5573531484．957969054．54021743524．4920140829293．1732336039．5669210325．2650149758．8120140933358．0490241050．0292211651．6280256503．820141037718．2024446415．6072113174．3183263888．8820141144548．4070554844．1012315296．5716275062．6620141263329．3201777921．2353322245．60452107459．052015013279．1946064044．0181741047．3456355407．272015026558．3892128088．0363472094．69126910814．5420150311033．1886713677．241782724．96341516993．6520150413770．6301917070．698623401．05336621209．9420150517277．560621418．048834267．1907426611．4220150621387．225626512．576225282．19076532941．2520150724563．4521930449．970966066．65131537833．3720150827577．1576134185．897086810．97258742475．1720150933090．5348941020．529978172．65975150967．0420151039734．7366749256．984269813．63656361200．6420151147014．330558281．099411611．5417372412．8920151264950．7471880515．8961416041．45593100039．12016014525．8955610．5051117．86970．922016029051．7911221．012235．613941．8420160312985．6046616097．545323207．16872320000．8220160416541．826420505．999314085．48001125478．2220160520794．0999625777．310745135．70132232027．720160625675．3574331828．33926341．2683139545．9620160729803．1950436945．394187360．75658445903．7820160832847．2335940718．922638112．56949450592．320160937080．0490245966．112889157．98506157111．8120161042338．5812852484．8282910456．7309165211．1620161150016．2909362002．4658812352．9622377036．620161268903．987585416．512417017．82238106128

四、房地產(chǎn)業(yè)投入產(chǎn)出預(yù)測

(一)模型建立

以上文房地產(chǎn)業(yè)投入產(chǎn)出優(yōu)化的投影數(shù)據(jù)作為歷史數(shù)據(jù)，采用SPSS19.0軟件預(yù)測模型，分別對房地產(chǎn)投資累計(jì)值、房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值、房地產(chǎn)業(yè)土地購置面積累計(jì)值和房地產(chǎn)竣工面積累計(jì)值四個(gè)指標(biāo)建立擬合模型，以2013年1月—2016年6月的數(shù)據(jù)作為擬合數(shù)據(jù)，以2016年7月—2016年12月的數(shù)據(jù)作為檢驗(yàn)數(shù)據(jù)。首先使用專家建模器，在此基礎(chǔ)上，不斷調(diào)整模型參數(shù)，尋找擬合程度最優(yōu)的模型，房地產(chǎn)投資累計(jì)值和房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值分別選擇ARIMA(1,1,0)(1,1,0)模型和ARIMA(0,1,0)(1,1,0)模型，房地產(chǎn)業(yè)土地購置面積累計(jì)值和房地產(chǎn)竣工面積累計(jì)值選擇指數(shù)平滑法中Winters 乘法模型和Winters 加法模型，各指標(biāo)的擬合模型曲線圖如圖2—5所示，從圖中我們可以比較直觀地看出，各個(gè)模型的模擬效果都比較好。

表3 房地產(chǎn)業(yè)投入產(chǎn)出擬合模型

圖2 房地產(chǎn)投資累計(jì)值擬合模型

圖3 房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值擬合模型

圖4 房地產(chǎn)業(yè)土地購置面積累計(jì)值擬合模型

圖5 房地產(chǎn)竣工面積累計(jì)值擬合模型

(二)模型評價(jià)

從圖2—5來看，各指標(biāo)的擬合值與觀測值基本重合，從這個(gè)角度來說，建立的模型比較合理科學(xué)，本文建立模型的目的是為了預(yù)測數(shù)據(jù)，這里用2016年7月—2016年12月的數(shù)據(jù)來檢驗(yàn)?zāi)Ｐ偷念A(yù)測精度，用各指標(biāo)實(shí)際值與預(yù)測值的相對誤差來檢驗(yàn)。

表4 房地產(chǎn)業(yè)投入產(chǎn)出預(yù)測模型檢驗(yàn)

由表4可知，房地產(chǎn)投資累計(jì)值的相對誤差絕對值最高為0.0454，最低為0.0065，平均相對誤差分別為-0.0204；房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值的相對誤差絕對值最高為0.0458，最低為0.0028，平均相對誤差分別為-0.0154；房地產(chǎn)業(yè)土地購置面積累計(jì)值的相對誤差絕對值最高為0.0357，最低為0.0058，平均相對誤差分別為-0.0017；房地產(chǎn)竣工面積累計(jì)值的相對誤差絕對值最高為0.0417，最低為0.0015，平均相對誤差分別為-0.0193?？傮w來看，四個(gè)指標(biāo)的相對誤差絕對值都在5%以下，最高誤差為-0.0458，最低誤差僅為-0.0015，各指標(biāo)平均相對誤差絕對值都在3%以下。因此，房地產(chǎn)業(yè)投入產(chǎn)出各指標(biāo)預(yù)測模型的預(yù)測精度比較好，模型構(gòu)建得比較科學(xué)合理。

(三)模型預(yù)測

根據(jù)各指標(biāo)擬合的模型，預(yù)測2017年1月—2017年6月房地產(chǎn)業(yè)投入產(chǎn)出數(shù)據(jù)，如表5所示。為了提高預(yù)測的精度，利用下列公式對預(yù)測數(shù)據(jù)進(jìn)行優(yōu)化調(diào)整，得到如表6的優(yōu)化預(yù)測數(shù)據(jù)。

F——優(yōu)化預(yù)測值

A——預(yù)測值

w——相對誤差

表5 房地產(chǎn)業(yè)投入產(chǎn)出預(yù)測值

表6 房地產(chǎn)業(yè)投入產(chǎn)出優(yōu)化預(yù)測值

圖6 投資累計(jì)值優(yōu)化預(yù)測值與實(shí)際值比較圖

圖7 固定資產(chǎn)投資額累計(jì)值優(yōu)化預(yù)測值與實(shí)際值比較圖

圖8 土地購置面積累計(jì)值優(yōu)化預(yù)測值與實(shí)際值比較圖

圖9 竣工面積累計(jì)值優(yōu)化預(yù)測值與實(shí)際值比較圖

表6為調(diào)整后的優(yōu)化預(yù)測值，圖6—9為房地產(chǎn)投資累計(jì)值、房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值、房地產(chǎn)業(yè)土地購置面積累計(jì)值和房地產(chǎn)竣工面積累計(jì)值四個(gè)指標(biāo)2017年1月—6月與2016年1月—6月的比較圖，從圖中可以清晰地看出：

第一，由圖6—8可知，房地產(chǎn)投資累計(jì)值、房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值和房地產(chǎn)業(yè)土地購置面積累計(jì)值三個(gè)指標(biāo)的投入2017年1月—3月同比2016年略有增長，而在2017年4月—6月同比2016年投入有明顯的降低，2017年上半年房地產(chǎn)投資、房地產(chǎn)業(yè)固定資產(chǎn)投資和房地產(chǎn)業(yè)土地購置面積三個(gè)指標(biāo)的投入分別為2016年上半年的56.23%、53.41%和58.56%，2017年各指標(biāo)的投入量幾乎縮減了二分之一。

第二，由圖9可知，房地產(chǎn)竣工面積累計(jì)值2017年1月—5月一直位于2016年的上方，而在6月與2016年重合，說明2017年上半年房地產(chǎn)竣工面積與2016年上半年基本相當(dāng)，而2017年上半年各指標(biāo)的投入量卻縮減了將近二分之一，表明2016年上半年房地產(chǎn)業(yè)各指標(biāo)投入了嚴(yán)重冗余，2017年需要政府和企業(yè)以此為基準(zhǔn)，提高生產(chǎn)效率，優(yōu)化配置資源，加強(qiáng)房地產(chǎn)市場監(jiān)督和管制，保證房地產(chǎn)業(yè)持續(xù)健康發(fā)展。

五、結(jié)論與建議

采用SPSS19.0軟件預(yù)測模型，分別對房地產(chǎn)投資累計(jì)值、房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值、房地產(chǎn)業(yè)土地購置面積累計(jì)值和房地產(chǎn)竣工面積累計(jì)值四個(gè)指標(biāo)建立擬合模型，根據(jù)各指標(biāo)擬合的模型，預(yù)測2017年1月—2017年6月房地產(chǎn)業(yè)投入產(chǎn)出數(shù)據(jù)，并用相對誤差來調(diào)整預(yù)測數(shù)據(jù)，提高預(yù)測精度。根據(jù)以上分析可以得出如下結(jié)論與建議：

第一，整體來看，2013年1月—2016年12月我國房地產(chǎn)業(yè)整體效率水平并不高，平均技術(shù)效率值僅為0.6491，79%的數(shù)據(jù)位于0.5—0.8之間。 房地產(chǎn)投資累計(jì)值平均投入冗余率高達(dá)70.53%，22.92%的數(shù)據(jù)投入冗余率超過了100%；房地產(chǎn)業(yè)固定資產(chǎn)投資額累計(jì)值平均投入冗余率高達(dá)78.68%，37.5%的數(shù)據(jù)投入冗余率超過了100%；房地產(chǎn)業(yè)土地購置面積累計(jì)值平均投入冗余率高達(dá)61.39%，14.58%的數(shù)據(jù)投入冗余率超過了100%。由此可見，房地產(chǎn)業(yè)資源浪費(fèi)嚴(yán)重，利用效率低下。近年來，各行各業(yè)紛紛踏足房地產(chǎn)業(yè)，一味地盲目投資，肆意炒房，爛尾樓不斷出現(xiàn)，給房地產(chǎn)業(yè)的發(fā)展帶來諸多問題和阻礙。對于房地產(chǎn)企業(yè)來說，需要不斷地改革內(nèi)部管理制度，提高生產(chǎn)效率，優(yōu)化配置資源，才能保證企業(yè)的長足發(fā)展。對于政府來說，需要不斷地完善房地產(chǎn)業(yè)法律法規(guī)，加強(qiáng)對房地產(chǎn)市場的監(jiān)督和管制，提高房地產(chǎn)業(yè)進(jìn)入壁壘，保證房地產(chǎn)業(yè)持續(xù)健康發(fā)展。

第二，四個(gè)指標(biāo)的擬合模型相對誤差絕對值都在5%以下，最高誤差為-0.0458，最低誤差僅為-0.0015，各指標(biāo)平均相對誤差絕對值都在3%以下，因此，預(yù)測模型的預(yù)測精度比較好，模型構(gòu)建得比較科學(xué)合理。以此為基礎(chǔ)預(yù)測2017年1月—6月的數(shù)據(jù)，2017年上半年房地產(chǎn)竣工面積與2016年上半年基本相當(dāng)，而2017年上半年各指標(biāo)的投入量與2016年相比卻縮減了將近二分之一，表明2016年上半年房地產(chǎn)業(yè)各指標(biāo)投入了嚴(yán)重冗余，2017年企業(yè)可以此為基準(zhǔn)，指導(dǎo)房地產(chǎn)開發(fā)與生產(chǎn)，政府也可以此為基準(zhǔn)，調(diào)控房地產(chǎn)市場，確保房地產(chǎn)市場穩(wěn)定發(fā)展。

[1]劉曉君,張衛(wèi)紅.基于DEA的我國房地產(chǎn)業(yè)效率研究[J].建筑經(jīng)濟(jì), 2009(6):49-52.

[2]任曉萍.基于三階段DEA的我國各省房地產(chǎn)業(yè)效率實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊, 2011(8):44-47.

[3]鄭瀟瀟.基于DEA方法的我國房地產(chǎn)業(yè)效率研究[J].經(jīng)濟(jì)論壇, 2015(4):116-121.

[4]任陽軍,曹澤.基于DEA和Malmquist指數(shù)法的我國房地產(chǎn)業(yè)生產(chǎn)效率評價(jià)[J].工程管理學(xué)報(bào),2015,29(6):134-138.

[5]袁峰.房地產(chǎn)上市公司的績效:基于DEA的2008年報(bào)數(shù)據(jù)分析[J].蘭州學(xué)刊,2010(1):124-126.

[6]丁琦,王要武,徐鵬舉.基于DEA-FCE的房地產(chǎn)上市公司績效綜合評價(jià)[J].系統(tǒng)管理學(xué)報(bào),2011,20(2):196-201.[7]韋曉慧.我國房地產(chǎn)上市公司績效評價(jià)研究：基于三階段DEA的分析法[J].中國房地產(chǎn):學(xué)術(shù)版,2015(36):20-28.[8]白云峰.基于DEA方法的上市房地產(chǎn)企業(yè)績效評價(jià)研究[D].哈爾濱：哈爾濱商業(yè)大學(xué),2015.

(責(zé)任編輯 劉成賀)

Research on the Optimization and Prediction of China’sReal Estate Industry Input and Output

YANG Yang-yang, YANG Zhong-xuan

(College of Architecture and Civil Engineering, Zhongyuan University of Technology, Zhengzhou450007,China)

In this paper, we obtain the relative optimal input-output data in the projection analysis processing by the input oriented CCR model in MAXDEA software. On this basis, regarding the projection data as historical data, this paper constructs prediction model by SPSS19.0 software, forecasts January 2017 - June 2017 real estate input-output data, and the relative error to adjust the prediction data, and to improve the prediction accuracy. The results show: From January 2013 to December 2016, the overall efficiency of China’s real estate industry is relatively low, the input of each index is seriously redundant, the waste of resources is serious, and the utilization efficiency is low; The forecast data shows that the first half of 2017’s completed real estate area compared with the completed area of the first half of 2016 is quite basic, but in the first half of 2017 the target amount of investment reduces by nearly 1/2 compared with the amount of investment in the first half of 2016, shows that each index during the first half of the real estate investment is seriously redundancy. Government and enterprises ensure the sustainable and healthy development of the real estate industry on the basis of the forecasting data, through the guidance of real estate development and production, improving production efficiency, optimizing the allocation of resources.

real estate industry; input-output efficiency; optimization; forecast

2017-04-16

河南省科技廳科技攻關(guān)項(xiàng)目“基于虛擬組織理論的產(chǎn)業(yè)集聚數(shù)字化管理技術(shù)研究”(162102210091)

楊洋洋(1992—)，女，河南周口人，中原工學(xué)院建筑工程學(xué)院碩士研究生，研究方向：工程管理。

10.13783/j.cnki.cn41-1275/g4.2017.03.008

F293.3

A

1008-3715(2017)03-0037-07