孫歡

【摘 要】 本文選取粵港澳大灣區(qū)9個城市統(tǒng)計數(shù)據(jù)，從經(jīng)濟環(huán)境、消費環(huán)境等5個方面選取指標，構(gòu)建房地產(chǎn)投資環(huán)境綜合評價指標體系。采用熵權(quán)-TOPSIS模型，對大灣區(qū)9個城市房地產(chǎn)投資環(huán)境進行評價分析，為投資商的投資決策和區(qū)域城市發(fā)展提供一定的參考和借鑒。

【關(guān)鍵詞】 房地產(chǎn) 投資環(huán)境 大灣區(qū) 熵權(quán)法

粵港澳大灣區(qū)由廣東省廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶九個地市和香港、澳門兩個特別行政區(qū)組成，是中國經(jīng)濟活力最強的區(qū)域之一，同時也是中國建設(shè)世界級城市群的重要空間載體。隨著粵港澳大灣區(qū)發(fā)展規(guī)劃的發(fā)布，大灣區(qū)房地產(chǎn)行業(yè)迎來發(fā)展新機遇。房地產(chǎn)業(yè)作為一項具有投資周期長、投資風險高、變現(xiàn)能力差等特點的產(chǎn)業(yè)，其發(fā)展受城市規(guī)劃、宏觀政策、經(jīng)濟發(fā)展水平等多種因素的影響，對投資環(huán)境的要求尤其嚴格。科學(xué)合理地評價房地產(chǎn)市場投資環(huán)境有助于準確把握房地產(chǎn)投資風險，正確進行投資戰(zhàn)略決策。

1文獻綜述

國外學(xué)者對投資環(huán)境的研究較早，現(xiàn)已形成完備的研究方法和理論體系。如Litvak、Banting（1968）首次提出“冷熱國比較法”，奠定了現(xiàn)代投資環(huán)境評價的理論基礎(chǔ)。Robort.b.Stobaugh（1969）提出羅氏多因素評分分析法，使投資環(huán)境評價走向了定量分析。國內(nèi)對房地產(chǎn)投資環(huán)境的評價也趨向?qū)⒗碚摲治雠c實證研究相結(jié)合。余洋（2007）運用層次分析法對蘇州等市的房地產(chǎn)投資環(huán)境進行了評價。王明、何亞伯等（2007）借助模糊數(shù)學(xué)綜合評價法對房地產(chǎn)投資環(huán)境各個影響因素進行考量。盧新海、桂婷婷等（2013）用主成分分析法和聚類分析法對武漢城市圈房地產(chǎn)投資環(huán)境進行綜合評價及分類評析。唐嫣然（2017）則采用基于熵權(quán)的TOPSIS模型，計算中原城市群9個城市房地產(chǎn)投資環(huán)境的綜合得分。

綜合來看，現(xiàn)有關(guān)于投資環(huán)境評價的方法多達30余種，如多因素和關(guān)鍵因素評價法、聚類分析法、冷熱比較分析法、主成分分析法、熵權(quán)法以及綜合分析等，每種方法都有自身的特點與不足。其中，熵權(quán)法根據(jù)評價系統(tǒng)指標的變異程度客觀地確定相應(yīng)指標權(quán)重，進而反映該指標在整個指標體系中的重要程度，具有較強的操作性和客觀性，因而將其應(yīng)用于房地產(chǎn)投資環(huán)境評價是很好的工具。本文以大灣區(qū)城市群為研究對象，借鑒已有熵權(quán)TOPSIS模型對大灣區(qū)核心9市房地產(chǎn)投資環(huán)境進行研究，實現(xiàn)定性與定量分析相結(jié)合，拓展了熵權(quán)理論的應(yīng)用范圍，為研判大灣區(qū)房地產(chǎn)投資環(huán)境與潛力提供了新視角。

2房地產(chǎn)投資環(huán)境評價指標體系構(gòu)建

房地產(chǎn)投資環(huán)境是由若干相互關(guān)聯(lián)、具有層次結(jié)構(gòu)性的因素構(gòu)成的復(fù)雜系統(tǒng)。本文在梳理前人研究的基礎(chǔ)上，將房地產(chǎn)投資環(huán)境要素劃分為經(jīng)濟環(huán)境、消費環(huán)境、房地產(chǎn)市場環(huán)境、基礎(chǔ)設(shè)施環(huán)境、社會文化環(huán)境5方面。根據(jù)指標數(shù)據(jù)的可獲得性原則，共選取18個指標，構(gòu)建大灣區(qū)城市群房地產(chǎn)投資環(huán)境評價指標體系，如表1所示。

3熵權(quán)模型及TOPSIS方法

3.1熵權(quán)法簡介

熵權(quán)法根據(jù)評價系統(tǒng)指標的變異程度客觀地確定相應(yīng)指標權(quán)重，進而反映該指標在整個指標體系中的重要程度。一般情況下，綜合評價體系中，評價對象在某項指標上的變異程度越大，該項指標熵值越小，熵權(quán)越大，能提供的信息量越大，反之亦然。熵權(quán)的計算公式為：，其中，? ，式中xij表示第i個評價對象所對應(yīng)的第j個評價指標的數(shù)值，初始矩陣為，i=1，2…m;j=1，2…n;m為評價對象總個數(shù)，n為評價指標總個數(shù)。rij為原始數(shù)據(jù)指標矩陣的標準化數(shù)據(jù)矩陣，本文采取極值法對其進行標準化，ej為第j項指標的信息熵;fij為第j項指標下第i個評價對象的標準化值在所有評價對象序列中的比重，并假定當fij=0時，fijlnfij=0。k為波爾茲曼常數(shù)，令k>0。dj為信息熵冗余度。wj為第j項指標的熵權(quán)，且滿足0≦wj≦1，和。

3.2 TOPSIS法簡介

TOPSIS法也稱為逼近理想解的排序方法，該方法首先選出多個評價方案中的最優(yōu)與最劣方案，測算各評價方案到理想解、負理想解的距離，即貼近度，根據(jù)貼近度大小排序確定各評價方案的優(yōu)劣次序。具體運算步驟為：（1）數(shù)據(jù)標準化。由于各指標量綱不同，需要先進行無量綱化處理，本文采取極值標準化法，得到標準化矩陣rij。（2）根據(jù)熵權(quán)構(gòu)建加權(quán)規(guī)范化矩陣。加權(quán)規(guī)范化矩陣vij通過矩陣rij的每一行與其相應(yīng)的權(quán)重wj相乘得到：

（3）確定理想解和負理想解，公式分別為：

，

，

其中，J1為效益性指標集，該指標越大投資環(huán)境越好;J2為成本性指標集，該指標值越小投資環(huán)境越好，i=1，2…m。（4）計算各評價對象到理想解的距離D+和到負理想解的距離D-。， （i=1，2…m）。（5）計算各評價對象與最優(yōu)方案的貼近度ci，計算公式為：（i=1，2…m）， 式中，貼近度的值ci介于0～1，當ci=1時，房地產(chǎn)市場投資環(huán)境評分最高，市場投資環(huán)境達到最優(yōu)狀態(tài);當ci=0，房地產(chǎn)市場投資處于高度無序混亂狀態(tài);ci越大，表示房地產(chǎn)市場投資環(huán)境越接近最優(yōu)水平。

4大灣區(qū)9市房地產(chǎn)投資環(huán)境綜合評價

4.1數(shù)據(jù)來源與標準化處理

根據(jù)《2018年廣東省統(tǒng)計年鑒》（2017年數(shù)據(jù)）、各城市統(tǒng)計年鑒及年度國民經(jīng)濟發(fā)展和社會統(tǒng)計公報，獲取粵港澳大灣區(qū)9市各項指標的統(tǒng)計數(shù)據(jù)，并建立原始評價矩陣，并對評價對象指標矩陣進行標準化處理。本研究所選取的均為效益型指標，其處理方式為：。

4.2指標客觀權(quán)重

由熵權(quán)法計算出第j個指標的信息熵值ej，信息熵冗余度dj和客觀熵權(quán)wj，并得出結(jié)果，如表2所示，一級經(jīng)濟環(huán)境指標包括四個子指標，將其熵權(quán)加總可得經(jīng)濟環(huán)境指標權(quán)重為0.2357，同理可得到其他一級指標權(quán)重。

4.3基于TOPSIS法進行投資環(huán)境綜合評價

根據(jù)熵權(quán)wj和標準化矩陣rij求加權(quán)規(guī)范化矩陣Vij，據(jù)此求正理想解 V+和負理想解V-，根據(jù)正負理想解分別計算每個評價對象到正負理想解的距離D+、D-，并計算相對貼近度ci。按照貼近度ci對各評價對象進行排序，貼近度越大，投資環(huán)境越優(yōu)，貼進度越小，投資環(huán)境越差。排序結(jié)果如表3所示。

D+=[ 0.0489，0.1432， 0.2300，0.1828，0.2215，0.1902，0.2324，0.2355，0.2477]

D- =[ 0.2358，0.1798， 0.0404，0.1060，0.0551，0.0866，0.0373，0.0230，0.0091]

C = [ 0.8281，0.5566， 0.1493，0.3670，0.1993，0.3129，0.1383，0.0890，0.0355]

5結(jié)論與展望

本文利用熵權(quán)TOPSIS法對大灣區(qū)除港澳外的核心9市房地產(chǎn)投資環(huán)境進行了評價，從總體得分來看，投資環(huán)境優(yōu)劣排序依次為廣州、深圳、佛山、東莞、惠州、珠海、中山、江門和肇慶。廣州作為粵港澳大灣區(qū)的中心城市，其房地產(chǎn)投資環(huán)境為最優(yōu)，深圳緊隨其后，兩者明顯處于優(yōu)勢地位。其次是佛山、東莞，這與其二線城市地位相吻合，而江門、肇慶作為三四線城市，其房地產(chǎn)投資環(huán)境處于大灣區(qū)的較低水平。由此可見，大灣區(qū)的房地產(chǎn)投資環(huán)境排名與城市整體地位大致吻合，并呈現(xiàn)出顯著的空間差異性。這也在一定程度上說明了所構(gòu)建的境評價體系具有合理性，評價方法具有良好的應(yīng)用價值。

從指標權(quán)重來看，各子系統(tǒng)也表現(xiàn)出了一定的差異性，經(jīng)濟環(huán)境（0.2357）對房地產(chǎn)投資環(huán)境評價影響最大，其次為社會文化環(huán)境指標（0.2221）、房地產(chǎn)市場環(huán)境（0.1814）、消費環(huán)境（0.1813）和基礎(chǔ)設(shè)施環(huán)境（0.1795），可以看出各指標權(quán)重差異不大。具體而言，在經(jīng)濟環(huán)境指標下，其二級指標地區(qū)生產(chǎn)總值（0.0745）權(quán)重最大，反映城市經(jīng)濟發(fā)展總體水平對房地產(chǎn)投資環(huán)境有著重要影響，但值得注意的是，房地產(chǎn)投資環(huán)境排名與地區(qū)生產(chǎn)總值并非完全一致。在社會文化環(huán)境指標下，二級指標常住人口密度（0.0936）和普通高等學(xué)校在校學(xué)生數(shù)（0.0809）占比均較大，反映了人口因素對房地產(chǎn)投資環(huán)境評價的貢獻率較高。在房地產(chǎn)市場環(huán)境指標下，商品房銷售面積（0.0579）占比相對較大，這從供需層面直接影響房地產(chǎn)投資環(huán)境。在消費環(huán)境指標下，社會消費品零售總額（0.0690）和城鄉(xiāng)居民儲蓄存款（0.0671）占比均較高，反映了社會總體消費水平和城鄉(xiāng)居民的購買力對投資環(huán)境的影響。

展望大灣區(qū)房地產(chǎn)未來投資環(huán)境，可從企業(yè)投資、人口與收入、區(qū)域產(chǎn)業(yè)發(fā)展幾個角度考慮。從企業(yè)投資層面來看，隨著粵港澳大灣區(qū)發(fā)展規(guī)劃的發(fā)布，大量房企會加速布局粵港澳大灣區(qū)，由廣深等一線城市向三四線城市下沉，積極拓展土地儲備。從人口集聚與收入增長的角度看，未來廣東省內(nèi)以及周邊省份人口仍將進一步向灣區(qū)集中，同時交通基礎(chǔ)設(shè)施高度聯(lián)通也促使跨城市購房需求會不斷釋放。從區(qū)域產(chǎn)業(yè)發(fā)展角度而言，未來大灣區(qū)房地產(chǎn)投資環(huán)境要想實現(xiàn)整體改善，一方面需要各城市積極整合資源，進行產(chǎn)業(yè)升級和轉(zhuǎn)型，以產(chǎn)業(yè)升級帶動地產(chǎn)投資開發(fā);另一方面也需要各城市因地制宜，充分發(fā)揮自身優(yōu)勢，進行具有特色的房地產(chǎn)開發(fā)。

【參考文獻】

[1] 余洋.房地產(chǎn)市場投資環(huán)境分析——以蘇南五城市為例[J].安徽農(nóng)業(yè)科學(xué)，2007（22）：7019+7022.

[2] 王明，何亞伯，陳玉梅.基于FAHP的房地產(chǎn)投資環(huán)境分析[J].建筑經(jīng)濟，2007（S1）：84-86.

[3] 盧新海，桂婷婷，萬凱.基于主成分分析的區(qū)域房地產(chǎn)投資環(huán)境評價研究——以武漢城市圈為例[J].中國房地產(chǎn). 2013（02）

[4] 唐嫣然.中原城市群核心9市房地產(chǎn)投資環(huán)境評價——基于熵權(quán)-TOPSIS法[J].中國房地產(chǎn)，2017（18）：20-29.

[5] 吳文文，蔡廣鵬，范麗娟.銀川市房地產(chǎn)投資環(huán)境綜合評價[J].合作經(jīng)濟與科技，2019（04）：56-59.

[6] 崔慶飛.基于主成分和熵權(quán)的房地產(chǎn)投資環(huán)境評價[J].河北工程大學(xué)學(xué)報（自然科學(xué)版），2014，31（04）：105-108.

[7] 陳雷，王延章.基于熵權(quán)系數(shù)與TOPSIS集成評價決策方法的研究[J].控制與決策. 2003（04）

[8] 周書敬，宋喜民.基建優(yōu)化.熵權(quán)方法在房地產(chǎn)投資環(huán)境優(yōu)序評價中的應(yīng)用[J]. 2003（02）